阿里巴巴发布Qwen3.8-Max，2.4万亿参数多模态模型，支持百万token上下文，采用稀疏专家和混合注意力架构，并承诺下周开源权重。专家质疑其自评基准可信度，强调需外部验证和稳健测试框架。模型在自主编码和长任务执行上表现突出，但成本、安全及实际采用率仍是关键考量。

本文讨论了在开发者机器上本地运行小型模型进行自主编码的经验。作者分享了使用Qwen和Gemma等模型进行手动和自动评估的过程，强调任务选择对模型表现的重要性。尽管小模型在某些任务中表现不佳，但在日常使用中提供了更多反馈，促进了更深入的理解和代码审查。总体而言，小模型的自主编码能力仍不及大型模型。

文章介绍如何在OpenClaw中复刻Ralph Loop实现自主编码闭环。作者发现OpenClaw无法执行长任务，于是通过让AI学习GitHub上的Ralph Loop方法论并改造为Skill，实现任务拆解、无状态子Agent执行、文件持久化和闭环验证。测试中，AI自动完成网页设计任务，全程无需人工干预，展示了AI系统自我进化的能力。

AI编程领域竞争加剧，OpenAI、微软、谷歌等公司推出新工具，专注于异步任务编码。微软开源GitHub Copilot，谷歌升级Jules，Anthropic发布Claude新模型，旨在提升编程效率。大模型厂商的参与使市场格局复杂，未来AI编程产品将向自主编码发展。

文章讨论了超智能的研发进程，重点介绍了Reflection AI的创始人Misha Laskin和Ioannis Antonoglou如何利用强化学习构建自主编码代理。他们的目标是创造能够可靠完成复杂任务的智能系统，认为自动编码是实现通用人工智能的关键。尽管当前的语言模型在广度上表现出色，但在深度和可靠性上仍有待提高。通过结合强化学习和语言模型，他们希望推动超智能的发展。

Misha和Ioannis及其团队正在开发超智能代理，专注于自主编码，以提高软件开发效率，减轻工程师负担，自动化繁琐任务，推动人工智能发展。