一周热榜

自从人工智能编码助手兴起以来，我面试的开发者候选人中约有 80% 表示他们不再自己编写太多代码，而是充当“代理人”。这让我深感不安（尽管可能是我老古董了）。我仍然希望团队中的开发者能够自己编写代码，并且在系统设计方面有一定的理解。鉴于人工智能工具的快速发展，这一点正变得越来越具挑战性。 我对在后人工智能时代招聘领域，其他人看到了什么，以及你们如何对待那些声称在开发过程中完全依赖“代理人”的候选人感到好奇。我应该继续进行传统的 LeetCode 和设计面试吗？还是就此放弃，认为每个人都会使用 Claude Code？

我制作了这个AIM好友列表，用于记录我们的代币使用情况，因为我想带回一点旧互联网的感觉！我记得那些日子，我会随意查看朋友是否在线，然后找借口和他们打招呼、戳他们。 不妨试试看！我非常感谢您的反馈。

大家好， 我是一名在 IT 领域工作了近 16 年的高级软件工程师。 在 AI 编码工具普及之前，我喜欢编写代码、设计软件系统以及与利益相关者沟通。在过去两三年里，随着公司大量使用 AI 工具，我注意到大部分工作都已委托给 AI。我只是提示它工作，然后监控其输入和输出，再重新定义提示。 这种工作流程真的夺走了我编写和构建软件系统的热情和乐趣。我不知道接下来该何去何从……我的大多数朋友要么走上独立创业的道路，要么完全转行。我可以说，由于大量使用 AI，我对构建软件的热情肯定有所减退。 有人经历过这种情况吗？你们是如何应对的？你们最终转行了吗？ 感谢您的评论 :)

各位 HN 的朋友们，我是 Nari Labs 的 Toby。<p>我们一直在致力于让开源语音模型变得超快。去年，我们构建了 Dia，这是首个能够进行自然对话的开源文本转语音模型。自那时以来，已经有更多优秀的语音模型公开发布。<p>但市场仍然被闭源模型主导。我们认为这是一个推理问题。现有的系统，如 vLLM / SGLang，并不适合多模态推理。为了证明这一点，我们构建了一个专门针对 Qwen3-TTS 的推理引擎并将其开源（<a href="https://github.com/nari-labs/nari-qwen3-tts" rel="nofollow">https://github.com/nari-labs/nari-qwen3-tts</a>）。该引擎在 10 RPS 下实现了低于 50 毫秒的延迟，这表明开源模型可以运行得更快、更便宜。<p>自那时以来，我们一直在努力为所有人提供廉价、快速、高质量的服务。我们甚至在闭源模型擅长的领域也取得了超越！<p>在备受引用的 Coval (YC S24) 语音 AI 基准测试中，我们的 Qwen3-TTS 端点不仅在延迟方面排名第二，而且在准确性（WER）方面超越了 11Labs、Cartesia 等，排名第一，同时也是最便宜的端点。我们的 Qwen3-ASR 端点拥有最低的延迟和第二高的准确性，仅比第一名低 0.1%。它是列表中第二便宜的模型。<p>为了让这些模型快速运行、表现出色并保持低成本，我们进行了大量的智能推理工程。有趣的是，与我们的模型相比，阿里巴巴的官方端点在准确性和延迟方面似乎表现更差。但尽管如此，我们仍然非常感谢 Qwen 团队将这些出色的语音模型开源。<p>我们希望继续降低价格，使语音技术成为一种商品——这样每个应用程序都可以拥有出色的 TTS 和 STT，而无需担心单位成本。我们还在研究音频的其他部分，如说话人分离——以及视频和世界模型推理。更多内容敬请期待！