AI Engineer CODE 大会筹备并汇总近期 AI 动态
swyx 介绍年度旗舰编程智能体会议 AI Engineer CODE 的策划思路，同时汇总近期 AI 动态：Mistral 发布 Mistral Large 4 开源模型，OpenAI 强化前沿模型监控，Anthropic 引入回复前滥用评估。
#评测/基准
Latent SpaceAI 评分4747
TechCrunch · AIAI 评分4545 Hugging Face 政策主管称嵌入 AI 评测无法轻易解决问题
TechCrunch Disrupt 上周会议上，Hugging Face 首席政策官 Irene Solaiman 表示 AI 实验室依赖的模型基准测试方法尚不成熟，可复现性仍是最大难题。她指出嵌入式第三方评测生态缺乏统一资格标准，且评测重心正从模型本身转向包含 harness 和 Agent 的完整系统，而后者评估更难更贵。