AI寫得太快，人類審不動了，OpenClaw斷更7周，一版吞下1.6萬個PR
OpenClaw 專案近期突然陷入長達七週的停更狀態，背後原因並非開發團隊懈怠，而是 AI 輔助程式碼生成的速度已經遠超過人類審核的極限。據了解，在最新一版更新中，一口氣吞下了高達 1.6 萬個 Pull Request（PR），這個數字讓原本負責程式碼審查的維護者們直接「卡關」。換句話說，AI 寫程式碼的速度越來越快，但人類逐行檢查、確認邏輯、測試相容性的步調卻沒辦法同步加快，導致大量提交積壓在審核階段，專案最後只能被迫暫停釋出，先把堆積如山的 PR 消化完再說。這種「AI 狂寫、人類狂審」的失衡現象，其實是當前開源社群正面臨的全新挑戰。
過去一個 PR 可能代表一個明確的功能修正或議題討論，但現在 AI 可以瞬間產生大量看似合理、實則需要仔細驗證的程式碼變更。維護者必須花更多時間去辨識哪些是真正有价值的貢獻，哪些只是 AI 憑空生成的「表面修改」。OpenClaw 這次的斷更，等於是用最直接的方式示範了：當 AI 的產出速度失控，人類審查反而成為整個開發流程中最脆弱、也最容易被拖垮的環節。對於想升級或採用類似 AI 輔助開發流程的團隊來說，這段經驗也點出幾個必須預先避開的坑。首先，不要盲目追求 PR 合併速度，而是該建立更嚴格的審查門檻，甚至考慮用自動化測試與靜態分析工具先過濾掉明顯的無效變更。
其次，要控管 AI 產生程式碼的範圍與權限，避免它隨意對核心架構提出大規模改動。最後，也是最重要的，就是必須正視「人類審查能量」的有限性——如果 AI 的產出量已經超過團隊能負荷的上限，那麼暫停自動生成、手動調整節奏，反而比硬撐著繼續吞 PR 更有效率。OpenClaw 的七週沉默，或許正是給整個開發圈的一記警鐘。
Related
相關文章
1.5TB 壓到 214GB：騰訊混元 Hy4 preview 輕量版發佈開源，異構設備可聯合推理
騰訊混元 Hy4 preview 輕量版已開源，透過創新量化技術將 1.5TB 模型壓縮至 214GB，性能損失極小。此版本支援異構設備聯合推理，大幅提升運算速度。
GLM 5.3 更強卻更難用了？我們讓它和 5.2 做了同一個北京城市駕駛遊戲
官方強調 GLM 5.3 安全能力大幅提升，實測卻發現這套安全機制在自動化工具鏈中頻繁觸發拒絕，導致開發流程中斷。 作者丨吳海明 編輯丨李 娜 大家還記得《極限競速：地平線》裡那種在開放世界中自由駕駛、穿梭城市與道路的體驗嗎？地平線遊戲圖這次，我們用一個類似思路、但更貼近真實工程開發的題目來考一考 GLM 5.3：從零開發一款基於 OpenStreetMap 真實數據的「北京國貿 → 望京」區域 3D 開放世界駕駛遊戲，5.
MWA™霸榜全球第一後：無界動力用真實咖啡廳展現物理AI的落地之徑
從“出片”到“出海”，無界動力即將奔赴下一個考場。 作者丨郭 思 編輯丨董子博 沒有刻意的社交氛圍，一人靜坐或幾個好友相聚，手捧一杯咖啡，在音樂與咖啡的交匯中，暫時剝離工作與生活的瑣碎，獲得片刻放鬆與靈感迴響。這是平日裡我們對於休閒時刻美好畫面的印象，也是2026世界機器人大會現場最反差的一幕。
TimesFM-3發佈
TimesFM-3: A zero-shot foundation model for multivariate forecasting August 31, 2026Ayush Jain and Rajat Sen, Research Scientists, Google Research We introduce TimesFM-3, a state-of-the-art time series foundation model t。
J-Zero零數據共進化
近期一篇名為「J-Zero零數據共進化」的研究引起關注，核心概念是讓AI模型在不依賴外部標註資料的情況下，透過彼此對抗與合作持續進化。論文提出一套三方訓練框架，讓不同模型分別扮演挑戰者、求解器與評委，形成動態競爭與回饋機制，藉此突破傳統訓練資料的瓶頸。 具體運作流程中，挑戰者負責設計題目，求解器則嘗試作答，而評委會依據人類偏好對求解結果進行校準與評分。這樣的循環讓模型不是單向被動學習，而是在互相出題、解題與評判的過程中，逐步提升能力。
ElephantBench測長尾盲區
騰訊發布長尾知識基準ElephantBench，內含1094道分歧事實題，用以評估模型在長尾知識上的表現。測試涵蓋32個模型，其中表現最佳的模型也只有52.4%的正確率，顯示長尾知識仍是模型的一大盲區。