如果你是旧金山的推特小名人，你会收到来自编程代理初创公司的公关包裹。

我们决定 (1) 让 Cline 开源和 (2) 不将推理转售作为我们的商业模式，原因如下： 当你控制推理（AI 模型调用），而我们构建系统（指挥这些调用的系统）时，双方都无法掩盖发生的事情。 你可以清楚地看到调用了哪些模型，使用了多少上下文，做出了什么决策。我们无法悄悄降低性能以提高利润，因为你是直接支付给推理提供者的。 这种分离意味着只有当 Cline 变得更强大时，我们才能成功。不是当我们找到巧妙的方法来减少你的代币使用。不是当我们在不告诉你的情况下转向更便宜的模型。不是当我们人为限制上下文窗口。 结果是：Cline 为每个任务使用正确的模型（由你定义），通过 MCP 集成你需要的任何工具，并在没有任意限制的情况下运行。你获得纯粹、未经过滤的 AI 能力访问。 我们这样构建是因为当激励机制正确对齐时，你不需要信任我们。架构本身保证我们朝着同一个目标努力：尽可能强大的 AI 编码体验。 底线是，Cline 为你提供最佳模型的最佳性能，毫无疑问。

非常期待我们在操作系统模型方面的未来发展

在我们内部的“硬”差异编辑基准测试中，对于之前在差异编辑中失败的前沿模型（在我们更新差异算法之前），Kimi 超过了 Claude 3.5。 在接下来的几周内，看到我们“噩梦难度”基准测试的结果将会很有趣。

我想指出，对于现实世界的任务（而非基准测试），Kimi K2 的表现优于 Gemini。 这是所有 @cline 用户的遥测数据，显示了不同的编辑失败率。注意 Kimi 的失败率约为 6%，这明显优于 Gemini 的 ~ 10% 错误率。 值得注意的是，Kimi 在本周的大部分时间里甚至超过了 Claude 4，达到了低于 4% 的失败率！

在接下来的几周内，所有收到小黑盒的人都是真正的。

嗯，我收到了一只写着我名字的神秘盒子。

以下是如何在 Cline 中使用 @huggingface 提供者的方式 🤗 （线程）

🤗🤗🤗 🤗❤️🤗 @huggingface 和 Cline = 你的 LLM 游乐场 🤗🤗🤗 你可以在 Cline 中访问 Kimi K2 和 6,140 个 (!) 其他开源模型。

许多这样的案例 很高兴你切换到了 @cline!