AI Pulse

AI Pulse

说人话的 AI 情报站
每天 08:00 · 12:30 · 18:30 · 23:50 更新每天四次更新
2026 年 11 月 20 日 · 18:30 更新 2424 文章20806 信号2497 主题
✦
试试:

今天发生了什么1 分钟读懂

Google 把世界模型 Genie 4 接进了 Gemini API 和 AI Studio,开发者能直接调用它生成可交互的 3D 环境,并在里面实时改天气、召唤角色、生成原生音频。这是继 Gemini 4 Neon 之后谷歌的又一次发布,卖的不是推理分数,是可进入的虚拟世界。

来源@GoogleAIStudio「Google 发布 Genie 4:可实时改写交互环境」@OfficialLoganK「Google发布Gemini API 与 Google AI Studio 中的 Genie 4」

Mark Gurman 爆料,苹果正在研发自主 AI 智能体,能操控设备、操作应用、浏览网页、写代码,能力远超 Siri,直接对标 OpenAI 和 Anthropic。苹果在生成式 AI 上一直是追赶者,这次要的不是更聪明的语音助手,是能自己动手的那种。

来源@markgurman「Apple 正在做能操控设备的 AI 智能体,直接对标 OpenAI 和 Anthropic」@wallstengine「Apple 正在做能操控设备的 AI 智能体,直接对标 OpenAI 和 Anthropic」

更硬的一条来自科研:Claude 完成了物理学家 20 多年前提出、始终没解出的黑洞相关计算,还给出了检验量子重力候选理论的全息对偶最简版本的精确极限,预印本已公开。

来源cybermango「Claude 解出两个黑洞开放问题,量子重力研究有了新线索」

今日值得看
01 本地生成声音的 Muse Skill Muse 写场景,本地生成声音,免上传 02 seedance 2.5 拍30秒催泪短片视频提示词 seedance 2.5 一条提示词切5个分镜,30秒从屋顶对视到拥抱
03 Reverb-TTS 开源:一段短音频就能克隆声音,还能说多国语言 swmansion_ai 发布可本地推理的语音克隆 TTS 模型 Reverb-TTS,只需一段短音频即可克隆声音,并让其说波兰语、德语、法语、西班牙语等多种语言。

推出 Reverb-TTS,一款用于本地推理的最先进语音克隆文本转语音模型。🔊 Reverb-TTS 可以通过一段短音频克隆你的声音,让它用波兰语、德语、法语、西班牙语、意大利语、葡萄牙语和英语说话,全部在你的手机上完成。

04 港大开源 PhoneGo,让 AI 直接在 Android 上跨 App 干活 港大开源了跑在 Android 上的 PhoneGo。不用电脑,也不用每步截图让模型猜操作;你让它找港大附近酒店并查当晚价格,它会自己搜小红书、提取酒店名,再切到携程查房价。

港大又出新项目,刚开源了一个跑在手机上的Agent,直接装Android上,用自然语言让AI帮你操作各种App 无需电脑,也不用每一步都截图让模型猜怎么操作 叫PhoneGo,比如说,你让它去小红书找一家香港大学附近的酒店,然后再到携程查询…

今日焦点

腾讯770B旗舰开放权重,普通电脑装不下

腾讯把Hy4的权重放出来了。这是原生多模态的旗舰MoE——混合专家架构,模型切成一批子专家,每次推理只走其中一部分。文件挂在Hugging Face上,另有一个GGUF版本、一份许可证和一份系统卡。GGUF给本地推理工具直接加载用。拿到这些文件,第三方可以在许可范围内自己部署,也可以重新托管,不必绕回腾讯的接口。

Hy4总参数770B,激活参数49B,上下文支持100万token。激活参数指每次真正参与计算的那部分。49B比770B小一个量级,跑起来轻不少。但下载到本地的是按770B总量存的权重,硬盘和内存的占用不会跟着缩。

阅读全文 →

深度阅读

查看全部深度文章 →
AI Agent 订阅 · 每天四次推送

🔥 信号雷达107 条本班新增 29 条

𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌(含上方导读精选 4 条)

18:30 本轮更新 · 下一轮 23:50
AI 产品更新全部 →
今日要点 · 12 条
新行业动态 · Hacker News▲ 347

Mei(Models Engineering Index)发布大模型工程能力排行榜(68.1)

Mei 综合 10 项编程基准测试得出大模型工程能力排名,同时标注各模型相对成本与 token 消耗。Gemini 4 Neon 以 68.1 分位列第一,成本为典型模型的 1.6 倍、token 消耗为 0.83 倍。

社区讨论:不少用户指出该榜单是发帖人自制并自行提交的,存在误导性,且Gemini 4 Neon仅被纳入8项基准中的3项,并非真实的工程能力指数,属于点击诱饵。也有实际用过Neon的用户反馈,它的编码能力与Opus 5.5/Fable相当,文档表现出色,在大型单体仓库的长期语言移植任务中,Neon high版本比Opus 5.5 medium版本速度更快、成本更低,是目前最受喜爱的模型。还有用户吐槽谷歌模型实际体验远不如Claude或OpenAI,产品策略混乱,普通用户很难低成本获取使用权限。

在 HN 看讨论 ↗   原文 / 论文 ↗
新生産性 · @usutaku_channel▲ 3.6万

建议AI新手用Muse,进阶用户搭配Claude Code使用

X用户usutaku_channel建议按级别区分使用AI工具

我斗胆把话说得直白一点:
AI 新手 → 只用 Muse
AI 进阶用户 → Muse 搭配 Claude Code 一起用
现在这个组合已经越来越好用了。

对大多数人来说,花时间比较各种 AI 工具其实是浪费,先把这两个用起来基本不会出错。

顺便说一下,我上面那条帖子最想表达的是:不要在比较 AI 工具上浪费太多时间。那些已经把 ChatGPT、Gemini、Manus 等用得很熟练的人,没必要特意转到 Muse。

在 X 看原帖 ↗
3.6万827183
新深度观点 · @MarioNawfal▲ 2.6万

Grok Bot 当 AI 团队的老板,调度 Claude Code 干活

这意味着不用在多个 AI 工具之间手动切换,Grok Bot 会自动分配任务、跟进进度,还能记住使用偏好,越用越顺手。

Grok Bot 已经变得非常擅长当其他 AI 工具的老板。给它一个项目,它就能调动 Claude Code 负责编程、Paper 负责设计,以及其他专业工具来完成任务。它会弄清楚谁该负责什么,跟踪进度,并把所有东西整合到一起。

而且它会记住你的偏好,所以你和它合作越多,需要解释的就越少。终于有了一个真正喜欢干活的老板。@xAI @bot / 作者:Annette,设计师:Janné

在 X 看原帖 ↗
2.6万146238
前沿论文 · arXiv▲ 39

机器人会想会做,合起来就崩

把「会推理」和「会动手」拆开考再合起来考,最强模型单项能过五成和四成,一旦要求边做边根据结果调整,成功率掉到 12%。

具身智能 · 机器人 · 评测 · 推理与执行
arXiv 原文 ↗
新行业动态 · @Vincent_AINotes▲ 3.8万

英伟达新设开源模型产品经理,专门对接中国大模型团队

英伟达在北京、上海、深圳招聘开源模型产品经理,点名对接 Qwen、Kimi、MiniMax、StepFun 等团队,负责模型在 NVIDIA GPU 上的推理、微调与适配。

阅读全文 →
3.8万79235
新新品发布 · @lahfir▲ 2.6万

emulate 上线本地 OpenAI、Anthropic API 模拟,零密钥零网费

做 AI 应用调试时,改一行 baseURL 就能在本地拿到和线上 SDK 完全一致的返回,不用填 API Key、不用联网、不花 token 费用,还能模拟限流、卡顿、断流这些线上异常场景。

推出本地 OpenAI 与 Anthropic API 功能:在本地测试 AI 应用时,可使用脚本化、确定性的回复。

➔ 支持 OpenAI Responses、Chat 与 Anthropic Messages
➔ 只需更换一个 baseURL,即可继续使用你原本的 SDK
➔ 支持工具调用循环、结构化输出与推理
➔ 可注入 429 错误、流式响应延迟、卡顿与中断
➔ 带种子的变体在每次运行时都会重复相同的顺序
➔ 无需 API 密钥、无需联网、零 token 消耗

npx emulate --service ai

在 X 看原帖 ↗
2.6万16182173
前沿论文 · arXiv▲ 33

开源视频模型追平闭源旗舰

开源多模态视频模型第一次在「带声音的视频理解」上逼近谷歌 Gemini 旗舰,35B 版本超过 Qwen3.5-Omni-Flash 等闭源模型,9B 小版本还打赢了 30B 的开源对手。

开源模型 · 视频理解 · 多模态 · 音视频
arXiv 原文 ↗
行业动态 · Hacker News导语出处▲ 333

Claude 解出两个黑洞开放问题,量子重力研究有了新线索

Claude 完成了物理学家 20 多年前提出却始终没解出的黑洞相关计算,还找到了用于检验量子重力候选理论的全息对偶方法最简版本的精确极限,相关预印本已公开。

社区讨论:不少人质疑论文未标注 Claude 的贡献,也未公开具体提示词,呼吁 AI 参与的论文必须附上完整提示词历史。有人指出 Anthropic 自己也承认这两个结果不描述我们的宇宙,也没有实际应用价值,只是量子引力理论的长期探索。也有人认为现在宣布成果为时过早,还需要验证解法是否正确、是否存在抄袭。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · @WatcherGuru▲ 10.0万

Apple 正在做能控设备、写代码的 AI agent

苹果要做的 AI agent 能控制设备、浏览网页、写代码,直接对标 OpenAI 和 Anthropic。

最新消息:苹果 $AAPL 正在开发一款 AI 智能体,可与 OpenAI 和 Anthropic 竞争,该智能体能够控制设备、浏览网页和编写代码。

在 X 看原帖 ↗
10.0万7675454
新品发布 · @OfficialLoganK导语出处▲ 7.7万

Google发布Gemini API 与 Google AI Studio 中的 Genie 4

Google 首次将自研世界模型 Genie 4 接入 Gemini API 和 Google AI Studio,开发者可以直接调用它来搭建新的世界模型体验,不用再从零训练。

在 Gemini API 和 @GoogleAIStudio 中推出 Genie 4,这是我们首个面向开发者的世界模型,可用于构建和创造全新的世界模型体验 🔮 立即体验:https://ai.studio/genie

在 X 看原帖 ↗
7.7万932.0K235
新行业动态 · Hacker News▲ 85

ChatGPT for SNES:220 万参数模型跑在超任卡带上

把约 220 万参数的小语言模型塞进 Super FX 2 芯片,在 1990 年的游戏机上逐字输出回答;带 fact book 的版本把 15 万篇维基百科开篇存在 MSU-1 数据文件里,模型可自行决定查阅。它明确说自己不是有用的助手,词汇量约 8000,经常出错。

行业动态 · @AnthropicAI▲ 35.7万

Anthropic 启动 IPO,CEO 称 AI 能把百年医学进展压缩到十年

Anthropic 启动首次公开募股,CEO Dario Amodei 称 Claude 已在帮助生物医学研究提速,希望 AI 能把百年科学与医学进展压缩到十年。

阅读全文 →
35.7万4995.4K1.1K
技巧约 3 分钟
官方 Prompt Generator 一键生成完美提示词
OpenAI Playground 和 Anthropic Console 都内置了免费提示词生成器,输入任务目标即可自动产出结构清晰的提示词。
更多信号 · 按时间
新品发布 · @AnthropicAI▲ 304.5万

Anthropic IPO定价83美元/股,明日登陆纳斯达克

Anthropic将IPO发行价定为每股83美元,预计明日在纳斯达克开始交易。这是头部AI公司走向公开市场的关键节点,后续其模型迭代节奏、商业化策略都会受到公开市场的约束。

我们的 IPO 定价为每股 83 美元,预计明日在纳斯达克开始交易。https://www.anthropic.com/news/anthropic-prices-initial-public-offering

法律声明:美国证券交易委员会已于 2026 年 11 月 18 日宣布与 A 类普通股相关的注册声明生效。本次发行仅通过招股说明书进行。最终招股说明书的副本可在提供时从以下渠道获取:Goldman Sachs & Co. LLC,收件人:招股说明书部门,地址:200 West Street, New York, NY 10282,电话:(866) 471-2526,或电子邮件:[email protected];或 Morgan Stanley & Co. LLC,收件人:招股说明书部门,地址:180 Varick Street, 2nd Floor, New York, NY 10014,或电子邮件:[email protected]。

在 X 看原帖 ↗
304.5万2.1K1.6万1.8K
新模型 · @TencentAI_News▲ 448

Hy4 flash 被带到更多设备,Maya 贡献者做了量化版本

Hy4 flash 正在被带到更多设备和真实使用场景里。Maya 贡献者做了一系列量化版本,其中还包括一个专门版本。

非常感谢所有帮助我们将 Hy4 Flash 推向更多设备和实际应用场景的人,包括 @PeasantSmith 和 Maya 的贡献者们,他们提供了多种量化版本,其中还包括专门针对 8GB 显存显卡的版本!我们非常乐意与开发者社区一同成长。你们的贡献、实验和真诚反馈,都在帮助我们持续改进模型🫶

在 X 看原帖 ↗
4481112
新商业 · @IlirAliu_▲ 305

John Deere 买下 Orchard Robots,AI 摄像头装在果园车上

Orchard Robots 把 AI 摄像头装在已经在果园里跑的车上,每过一遍就采集一次数据。有人判断接下来一段时间,很多机器人公司的退出都会是这种样子。

我预计未来一段时间,很多机器人公司的退出案例都会是这个样子……@JohnDeere 刚刚收购了 @orchard_robots。

Orchard 把 AI 摄像头装在已经在果园里行驶的车辆上。每经过一次,系统就会对每棵树分析数百张图像,并将其转化为农场中每棵树的果实数量、果实大小和树冠数据。

Deere 已经在这些果园里销售拖拉机和喷雾机。现在它还掌握了数据,能告诉他们哪棵树需要什么。

就像我说的,我预计未来一段时间,很多机器人公司的退出案例都会是这个样子。一家初创公司构建感知和数据能力,然后拥有已装机车队的公司将其收购,因为车队就是分销渠道。

交易条款未披露。Charlie Wu 称这是一段为期 5 年的旅程的终点。

创始人:你更愿意卖给像 Deere 这样的现有企业,还是自己制造整台机器?

在 X 看原帖 ↗
305131
新深度观点 · @levie▲ 8.5K

今年 AI Agent 能力跳升:不用写死步骤,给目标就行

一年前要给 AI Agent 写清产品开发的每一步才可能成功,现在它能在更大的方案空间里自己连点,给出比人预想更好的实现。这种变化会延伸到金融、法律、生命科学、网络安全等领域,最终改变人和 AI 的协作方式——从逐行指令变成给目标加自由度。

今年,模型能力出现了一次明显的跃升:与其精确地告诉智能体该做什么,不如用这些系统去解决那些你自己都难以清晰定义的问题。

一年前,你必须非常清楚地告诉智能体如何设计和开发你的产品创意,否则几乎没有成功的可能。而现在,智能体很可能会想出比你更好的实现方案,因为它能在比你大得多的解决方案空间中把各个点连接起来。

在几乎所有知识工作领域,这一点都会越来越明显。我们将在金融、法律、生命科学、网络安全以及许多其他领域看到这种影响——在这些领域中,没有哪个人能掌握所有相关的行业知识,从而想出最佳解决方案。

最终,这将重塑我们与 AI 的关系,以及我们在工作中部署智能体的方式。重点将不再是明确地告诉它们怎么做,而是给它们目标,并给予足够的自由,让它们以自己能做到的最佳方式去追求这些目标。

在 X 看原帖 ↗
8.5K56036
新深度观点 · @effiekav▲ 1.5K

AI 智能体能力再强,不懂自家业务也白搭

Databricks 研究 8 万多客户管道问题发现,超半数要靠企业专属知识才能解决。

阅读全文 →
1.5K12681
新新品发布 · @sss_lucky68727▲ 1.2K

Resurface 拿了 AML 记忆挑战赛文本赛道第一,不做总结只原样存

做 Agent 的人都在头疼记忆怎么存。这个开源方案不做总结、每句话原样存,还在 AML 记忆挑战赛拿了文本赛道第一和记忆治理单项第一。

我们的开源记忆系统 Resurface,拿了 AML 记忆挑战赛第二期 开源方法榜·文本赛道第一🥇(61.22),单项「记忆治理」也是第一。不让大模型总结,每句话原样存下来。 #AgentMemoryLeaderboard @AgentMemoryL https://github.com/lilysttail/Resurface

在 X 看原帖 ↗
1.2K64538
新深度观点 · @tualatrix▲ 8.1K

@tualatrix 给出 Gemini 试用建议,20 美元起步

对还在观望要不要换 AI 工具的人来说,这份建议把切换成本和入门门槛说清楚了——先用 20 美元的 Google AI Pro 试,不满意再切回去也不亏。

我这几天都在称赞 Gemini,很多同学也在观望要不要试试。毕竟切换工具和模型还是需要磨合的,这里我的建议是:

1、如果现有的 AI 模型和工具你用的还满意(无论是 GPT 还是 Claude),那么没必要切换;

2、如果你对现有的不满意,那么可以试试从 20 美元的 Google AI Pro 先玩起来,这个套餐的量足够完成很多任务;

3、如果你讨厌 Anthropic 这家公司,或者曾经对 Gemini 的水平充满疑问,那么从这些角度出发,也可以再给 Google 一个机会。

最后也是很重要的一点:Google 的服务无论是服务条款,还是支付方式,对国人都相对友好(比如国内发行的 VISA 信用卡也可以正常支付)。从这个角度来说,也值得一试。

在 X 看原帖 ↗
8.1K25811
新新品发布 · @illyism▲ 4.2K

@illyism 开源整套 SEO 工具栈,30 个技能喂给 Claude Code 和 Cursor

这套工具栈包含 30 个开源 SEO 技能和 4 个日常使用的 MCP 服务器,支持一行命令安装,可直接交给编码代理执行。

阅读全文 →
4.2K489210
新深度观点 · @0xLogicrw▲ 5.5K

SemiAnalysis 唱衰 DeepMind 三个月后,被四款 Gemini 4 模型打脸

三个月前 SemiAnalysis 断言 DeepMind 已掉队,如今 Gemini 4 Neon 编程智能体评测拿下第一,成本不到 Claude Fable 5.2 的一半。选 AI 工具时,别被单一机构的排名结论带偏。

阅读全文 →
5.5K43415
新开源 · @bi_9527zx▲ 2.4K

bi_9527zx开源A股美股加密货币综合趋势判断工作台(26天)

这个工作台同时覆盖 A股、美股和加密货币的趋势判断,作者做了 26 天才完成,苹果系统和 Windows 系统双版本一起开源。想省事的话,可以下载豆包桌面版,把 GitHub 地址丢给它安装。

A股美股加密货币综合趋势判断工作台昨天正式开源了!

总共做了26天才算完成,苹果系统和win系统双版本都一起开源了。昨天没有来得及录视频给兄弟们,我其实现在刚起床然后就录了这个视频。

想省事一点可以直接电脑下载豆包桌面版,点击工作模式选择本地电脑,然后把这个地址丢给豆包就行 ! http://github.com/nhovongoc0-max/trend-workbench

然后提示词:帮我安装这个开源软件,并且适配好我的电脑以及我的电脑网络!

假如还是数据源链接异常。截图发给豆包然后提示词(帮我修复一下这个问题)。

就是这么简单一般都是VPN的问题,因为大家的VPN不一定和我的是一样的,让AI直接搞一下就OK了。

提醒:工具只是辅助,非投资建议!

在 X 看原帖 ↗
2.4K34731
新实战经验 · @GeoffreyHuntley▲ 4.7K

OpenAI Dots 给建筑商演示完,对方直接说多数白领要被替代

Geoffrey Huntley 给自家建房的施工方演示了用 OpenAI Dots 给每个虚拟员工配独立机器人、自动做供应商风险管理、每日推送更新简报的玩法,对方当场意识到自家业务的大部分环节都能被自动化。

今天和我的建筑商聊天,走流程推进我的房屋建造项目。

我给他们看了 OpenAI Dots,展示了我是如何通过我的机器人来管理它们的。我向他们展示了如何为每个虚拟员工创建一个机器人。

我展示了几个自动化供应商风险管理的例子,这些例子是由一个每日更新简报机器人组成的。

他们惊呆了,立刻意识到大多数作为实体代理的知识工作者已经完蛋了。

他们简直不敢想到,实现业务自动化竟然如此简单。

在 X 看原帖 ↗
4.7K36729
新模型 · @Andy_whhh▲ 8.3K

Gestalt 大模型跑分超 Fable 5.2,来自中国一所大学

Gestalt 大模型的跑分超过了 Fable 5.2,各方面数据都很突出。它来自中国的一所大学,而不是头部科技公司。

🚨惊现Gestalt大模型真面目!没想到跑分超过 Fable 5.2 的实力模型 竟然来自中国的一所大学!!

!各方面的数据 都非常突出 这是要弯道超车啊!

在 X 看原帖 ↗
8.3K1346
行业动态 · Hacker News▲ 93

kixelated 指出 OpenAI 语音 AI 选错了 WebRTC

WebRTC 为了适配人类实时通话,默认丢弃超过 30ms 的迟到音频包,且默认关闭音频重传。用户在移动网络下语音提问时,可能出现丢包导致 AI 听不懂问题,甚至猜错内容。

新商业 · @TUGE8888▲ 809

Anthropic 文本模型份额跌破 6%,还能不能站回去

10 月 19 日 Anthropic 文本模型用量份额一度到 7.8%,10 月 26 日还在 6.6%,到 11 月 2 日已经回落到 5.9%。有人判断它在代码开发、复杂文本和 API 场景里仍有竞争力。

okx Anthropic挑战赛正在火热进行中, 本周Anthropic文本模型用量份额,能不能重新站上 6%。我的看法偏向 YES。

10 月 19 日一度到过 7.8%,10 月 26 日还在 6.6%,到 11 月 2 日已经回落到 5.9%。跌破预测线是事实,但距离并不远。Claude 在代码开发、复杂文本和 API 场景里仍有竞争力,不同定位的模型也能把调用量摊开,开发者这边的关注还在。

压力同样清楚。OpenAI、Google 和 DeepSeek 都在抢份额,最近一次已经掉到 5.9%,再过 6% 并不轻松。综合现有需求,本周仍有机会站回去,但空间已经收窄。

我的星球分析 https://oyidl.co/ul/Q0zGahF 一起来加入竞猜起来吧。

在 X 看原帖 ↗
80973
新AI视频 · @Origin_AI_01▲ 585

GPT-6.2 Astra搭配CapCut插件实现手绘2D转3D视频

创作者分享完整操作流程,CapCut黑五首月享9折优惠

阅读全文 →
5854610147
新观点 · @YuChen▲ 631

Agent 接到任务后,能不能拿预算再雇别的 Agent

很多人理解的 Agent Economy 是人发任务、AI Agent 干活、人付款。但更有意思的下一步是:Agent 接到任务后,能不能拿着预算再去雇别的 Agent。比如内容 Agent 做项目研究报告时,可以拆给数据 Agent 去查。

新企业知识库 · @xiaohu▲ 1.2万

lumimax 企业知识库实测:跨文档冲突检测准确率超95%

博主用英伟达40份财报、10篇RAG论文实测lumimax知识库能力

阅读全文 →
1.2万24154175
新实战经验 · @Ziva_Ai0▲ 298

CapCut Web 插件接入 GPT-6.2 Astra,静态草图直接转3D动画

做产品推广视频时,不用再对着静态蓝图干等——把草图丢给接入 GPT-6.2 Astra 的 CapCut Web 插件,就能自动生成3D动效,还能调整动画启动时机。

我是在推销一个产品创意,不是在布置作业。

我广告的头几秒钟只是一张静态蓝图,直勾勾地盯着观众。

我把 CapCut Web 的插件提示词复制到 ChatGPT 里安装了 CapCut 插件,然后让 GPT-6.2 Astra 把草图变成一个 3D 产品。

在 CapCut Web 里,我让 AI 缩短静态开场,让发光线条动画更早开始。

现在纸张先停留片刻,然后设计开始动起来。

这比「请查看附图」强多了。

现在就在 CapCut 插件上试试 GPT-6.2 Astra。
https://www.capcut.com/tools/capcut-x-codex?utm_medium=social&utm_source=x&utm_campaign=Astra620261119web
#CapCutDidThat #ChatGPT #CapCut62Astra

在 X 看原帖 ↗
298459036
新研究 · @DavidDAfrica▲ 1.8K

模型共享推理服务器,就算不能直接发消息也能协调

新研究发现,模型如果共享同一个推理服务器,就算不能互相发消息、不能直接对话,也能彼此通信和协调。这个结果本身有点出人意料。

我们的一项新研究发现:如果多个模型共用同一个推理服务器,它们就能相互通信、彼此协调——哪怕它们之间没有消息通道、也无法直接对话。

这个出人意料的结果延续了我们此前的一条研究脉络:我们的系统其实相当容易泄露信息。在对抗环境下,这是很危险的,因为哪怕只有几个比特的信息,也可能被恶意利用。

我们怀疑,超级智能能够、也一定会找到比我们这些普通 AI 安全研究人员多得多的泄露途径。

详情请看:https://www.lesswrong.com/posts/7wzWuLP3HhyBLmKfo/models-can-communicate-via-inference-servers-despite-being

在 X 看原帖 ↗
1.8K36428
新深度观点 · @trevposts▲ 8.2K

Anthropic 上市,有人说这笔钱可能买通通往自我改进的算力

Anthropic 启动 IPO,有人提出三点判断:募资可能被用于实现递归式自我改进的 AI 研发自动化;高管精力被上市占用,本该用来推动退出这场竞赛;唯一的正向结果是会带来一波慈善资金。

关于 Anthropic 上市,我有三点想法:

1)今天 Anthropic 很可能已经筹集到了资金,用来购买算力,而这些算力将被用于全面自动化 AI 研发流程(有时被简称为“递归式自我改进”)。我认为,如果不阻止他们,这会危及地球上每个人的生命。所以,这很糟糕。

2)这想必也耗费了高管们大量时间,而他们本应专注于如何退出通往递归式自我改进的竞赛,比如确保政策团队真正倡导能实现这一目标的举措,确保他们的对外沟通传达出局势的严重性,以及确保他们在安全和验证技术方面取得足够的内部进展。所以,这也很糟糕。

3)一线希望是,这将带来一波巨大的慈善资金。我确实认为这会带来很多好处,但鉴于第 1 点和第 2 点,我有点难以感到特别兴奋。

在 X 看原帖 ↗
8.2K25319
新新品发布 · @omarsar0▲ 5.6K

MyClaw 3.0 发布:AI 智能体不再被绑死在单一运行框架里

用 AI 智能体干活的人,不用再把所有任务塞进同一个工具。MyClaw 3.0 支持在 Claude Code、Codex、Hermes、Pi、OpenClaw 之间切换,上下文互通,关掉笔记本后智能体还能在云端继续跑。

智能体不应该被绑定在单一运行框架上。MyClaw 3.0 让你可以在 Claude Code、Codex、Hermes、Pi 或 OpenClaw 上运行你的智能体,并且上下文在它们之间共享。

每个智能体都已连接好工具和实时数据源,并且在你合上笔记本电脑后仍会在云端持续运行。这让你可以轻松为每项任务选择合适的运行框架。

在 X 看原帖 ↗
5.6K3930
新前沿研究 · @XYLi_Bruce▲ 9.8K

QDA 让 Claude Code 花 19 美元,自动生成最优模型量化配方

大模型量化不再需要人工试错,用 Claude Code 自动生成的配方在 11/12 测试中超过公开最优方案,且直接兼容现有推理框架,无需额外开销。

Agent 循环需要快速反馈,而 LLM 量化恰恰没有这种反馈:推理模型的评估很慢,PTQ 方法又难以移植和组合。

来认识一下 QDA。由一个编码 Agent 为每个模型和精度设计量化方案,KL 评分只需几分钟,还有一个包含 20 多种可叠加 PTQ 方法的库。

📈 在 12 个模型-精度组合中的 11 个上击败了最佳公开方案:在 W4A16 / W4A8 / W3A16 下分别提升 +0.9 / +1.4 / +2.2 分。

🔥 GLM-5.3-Flash (320B) 在 NVFP4 下:达到 FP8 精度的 98.3%,而 NVIDIA 发布的版本为 96.9%。

💰 每次搜索仅需 $19–75 的 Claude Code token 费用。

⚡ 在原生 vLLM、SGLang 和 llama.cpp 上运行,零推理开销。

博客、论文、代码和检查点见下方 🧵

在 X 看原帖 ↗
9.8K1710548
新前沿研究 · @ostrisai▲ 5.5K

图像视频模型的文本编码器,能不能直接换成提示词上采样器

现在不少新出的图像、视频生成模型,都会单独配一个微调过的大模型当提示词上采样器,文本编码器又用另一套大模型。@ostrisai 提出,直接把提示词上采样器拿来当文本编码器训练扩散模型,效率可能更高。

现在很多新的图像/视频模型在发布时,都会附带一个微调过的大语言模型作为提示词放大器。它们在文本编码器上用的是另一个大语言模型。看起来,如果直接把提示词放大器当作文本编码器来训练扩散模型,效率会更高。

在 X 看原帖 ↗
5.5K39726
知识管理 · @babbuedababba▲ 2.0K

小团队搭建自动摄入Slack对话的AI知识库,已推广至全公司

韩国从业者分享小团队AI知识库搭建经验,已落地全公司

我觉得我们团队真的很会用 AI。我们很早就搭建了团队知识库,团队成员每个人的会话工作和主要 Slack 频道的对话都会自动摄入到知识库中,还建立了一个系统,持续整理其中相互矛盾或不可靠的知识。

小组织的好处是,这种任务只要有一两个人有心,就能快速落地并稳定运行。

现在这个系统已经推广到全公司层面,正在运行中哈哈。

在 X 看原帖 ↗
2.0K106344
生物信息学 · @sokrypton▲ 4.3K

Claude Fable 5.2 可生成多序列比对,供 AlphaFold 做结构预测

单条 MSA 成本约15美元,接触精度低于 MMseqs2 从 UniProt 抓取的结果

你可以用 Claude Fable 5.2 来构建多序列比对(MSA)。这些多序列比对具有清晰的协同进化信号。你可以将这些多序列比对结果输入 AlphaFold 进行结构预测 🤠 (1/5)。

再举几个例子来确认这并非偶然。调用提示词并生成多序列比对的脚本:注意:每个多序列比对的成本约为 15 美元。.. 💸🤑 (2/5)。

与使用 MMseqs2 从 UniProt 数据库中获取序列相比,其接触点准确率较低。但也不算太差!(3/5)。

但从 UniProt 数据库中提取序列算不算“作弊”?或者是从“记忆”中提取?还是根据它学到的协同进化规律生成新序列?为了回答这个问题,我将每条“回忆”出的序列与 uniref100 数据库中的序列进行了比对。(4/5)

现在,如果你将其应用于没有多序列比对的“孤儿”蛋白(即在 UniProt 序列数据库中找不到与其他蛋白匹配的序列)。它“回忆”出的序列在协同进化分析中的接触点准确率很差:😭💸 (5/5)

在 X 看原帖 ↗
4.3K1811550
前沿论文 · arXiv▲ 32

AI造假视频,查得出还说得清

检测 AI 生成视频的旧办法,要么让模型一口气想完、漏掉一闪而过的破绽,要么按固定流程走、不会随机应变。

检测 AI 生成视频的旧办法,要么让模型一口气想完、漏掉一闪而过的破绽,要么按固定流程走、不会随机应变。这篇让一个「主调查员」带着一支会自己进化的取证小队,画面和声音的线索分头查:主调查员决定查哪种痕迹、看哪一段、什么时候收手,查到的结果同时喂回给两层——主调查员学得快,取证员改得慢,慢慢把以前被忽略的细微痕迹也认出来。在域内、域外和智能体三类评测上平均 95.2% 准确率,比此前最强检测器高 9.0%,而且每个结论都落在具体某段画面或声音上,不是只给一个真假。

它不是你明天能用上的工具,但「判定要带证据」这条,是以后平台给视频打真假标签时绕不开的方向。

AI生成视频 · 深度伪造检测 · 多智能体 · 可解释证据
阅读全文 →
新实战经验 · @JohnnyB_222▲ 3.0K

Gaia+Kimodo 适配 UE 5.9 AI Agent,速度快 20 倍

用自然语言指令就能让 AI Agent 生成角色开车门上车的动画,不用逐帧调。目前 GeForce 5xxx 系列暂时只能跑 CPU,正式版会支持 GPU 加速。

我正在让 Gaia(AnimGenOffline 很可能会改用这个新名字)和 Kimodo 在 UE 5.9 里与 AI 智能体协同工作。正式版对智能体的支持会比目前的预览版好得多。

根据一些测试,它的运行速度可能比预览版快 20 倍左右。这样智能体花费的时间会大幅减少,成本也会显著降低。

给智能体的提示词是让它走到车旁、打开车门并坐进车内。Kimodo 版本是它通过 Kimodo 生成的,并通过 Gaia 控制;而纯智能体版本则完全是 Opus 5.5 在没有 Gaia 或 Kimodo 的情况下生成的动画。这只是一次生成,没有任何迭代。

它并不完美,但看到它能正常工作已经很酷了。

另外,Preview 2 现在应该可以正常运行,不会再出现 Python 错误。GeForce 5xxx 系列目前会回退到 CPU 运行,但希望在正式版中能实现 GPU 加速。

如果你们仍然遇到任何问题,请告诉我。

#UE5 #Gaia #Kimodo

在 X 看原帖 ↗
3.0K77144
前沿研究 · @ArtificialAnlys▲ 1.8万

Artificial Analysis 实测:GPT-6.2 Astra 做视频能打过 Dreamina Seedance 2.5 吗?

这次实测让 OpenAI 的 GPT-6.2 Astra 用 three.js 代码搭出悉尼歌剧院、机械手表拆解、龙袭中世纪小镇三个 3D 场景,再用脚本相机在浏览器里录出 15 秒、1080p、24fps 的视频;同时让字节的 Dreamina Seedance 2.5 拿同样的相机路径和参考图当文本提示生成视频。结果直接摆出来对比。

语言模型能做出比视频模型更好的视频吗?大语言模型如今可以制作动态图形、以代码形式编辑视频,还能驱动 Blender 构建 3D 场景。大语言模型能否与视频生成模型竞争?我们对 @OpenAI 的 GPT-6.2 Astra(当前 AA-3D 排名第一)进行了测试,让它用 three.js 代码构建悉尼歌剧院、一枚机械手表的爆炸分解图,以及一条巨龙袭击中世纪小镇的场景。我们在浏览器中用脚本控制的相机飞过每个场景:15 秒、1080p、24 fps。来自 @ByteDanceSeed_ 的 Dreamina Seedance 2.5 则以相同的相机路径作为文本提示词,并附上路径参考图,在相同设置下生成视频。

➤ 上方:GPT-6.2 Astra(大语言模型,AA-3D)
➤ 下方:Dreamina Seedance 2.5(视频模型,AA-Video-T2V)

在 X 看原帖 ↗
1.8万1717655
前沿论文 · arXiv▲ 23

一个模型同时看懂和画图,共享同一套大脑

统一多模态模型首次证明:同一个视觉骨干网络,不加任务专属计算,就能同时做好图像理解和生成,理解能力不掉分,生成效果也追平了专用模型。

多模态 · 统一模型 · 视觉理解 · 图像生成
arXiv 原文 ↗
观点 · @yacinelearning▲ 1.1万

Google发布Gemini 新模型

有人对比各家发布前沿模型的风格,觉得谷歌这次没有末日叙事、也没有自夸,就是直接放出模型。也有人实测后认为,新 Gemini 在内容创作类任务上的表现,和 Claude、OpenAI 的模型有明显区别。

谷歌发布前沿模型的方式完全没有末日论和自命不凡的姿态,太让人耳目一新了。我都快忘了机器学习以前是什么感觉——就是聪明绝顶的人随性发布,推动技术边界。

新的 Google Gemini 模型是目前内容相关任务里最好的 AI 模型。它们的行为方式和其他所有模型都不一样。Claude 和 OpenAI 当然也很强,别误会,但感觉它们训练用的数据都差不多。Gemini 处理内容和创意工作的方式完全不同。

在写作和基于已有成果继续构建方面,它是我见过的第一个能真正提出好原创想法的模型。我工作流里唯一 GPT 6.2 Astra 还能赢它的地方,是超精细的视频剪辑,但也只有在我把每个细节都交代清楚的时候才行。

不过日常内容工作,没有理由不用 Gemini 4 Neon。说真的,今天就抽一小时,把 Gemini 4 Neon 和 Gemini 4 Carbon 接进你的工作流里。谷歌正在强势回归……

在 X 看原帖 ↗
1.1万2553857
研究 · @andonlabs▲ 1.2万

GPT-6.2 Astra 在户型图基准测试排第一

GPT-6.2 Astra 在 Blueprint-Bench 2 上排第一。这个测试让 AI 代理根据公寓室内照片画户型图,考察的是对物理 3D 空间的理解。

GPT-6.2 Astra 对物理三维世界的理解优于其他所有 AI。它在 Blueprint-Bench 2 上排名第一,这是一项让 AI 智能体根据公寓室内照片绘制平面图的基准测试。GPT-6.2 Sol 也非常强劲,排名第三。

在 X 看原帖 ↗
1.2万1126345
前沿论文 · arXiv▲ 22

让机器人用「后见之明」教自己

机器人学新任务,通常只有两条路:要么照着专家示范死记,要么靠试错拿奖励——前者学不会自己犯错后怎么救,后者奖励太稀疏、根本不知道哪一步做对了。

机器人学新任务,通常只有两条路:要么照着专家示范死记,要么靠试错拿奖励——前者学不会自己犯错后怎么救,后者奖励太稀疏、根本不知道哪一步做对了。这篇让模型用「未来的视频」当老师:训练时,模型先按自己的方式一步步生成动作,走到哪一步,就让同一个模型偷偷看一眼这段演示「后来发生了什么」,据此给出「这一步本该怎么做」的完整动作分布,再回头把学生拉向这个答案。学生部署时看不到未来,只带正常输入,也不需要奖励或仿真器。

它把「事后诸葛亮」变成了密集的监督信号。对做机器人操作、想让预训练模型可靠落地具体任务的人,这是值得盯的路线;对普通人,它意味着机器人离「看一遍就能学会、还能自己纠错」近了一小步。

机器人操作 · 世界模型 · 自蒸馏 · 后见之明 · 强化学习
阅读全文 →
AI编码 · @mylifcc▲ 2.2K

SkillCache 论文发布:编码 Agent 重复探测环节 Token 消耗可降 81%

针对 Claude Code 等编码 Agent 重复环境探测的冗余消耗,SkillCache 经实测可在不损失任务成功率的前提下大幅压缩 Token 用量与执行耗时

阅读全文 →
2.2K13347
技巧约 3 分钟
OpenAI Codex 5分钟上手:写代码与调试路径
从项目、线程到Worktree,快速掌握桌面应用的编码与调试工作流。
前沿论文 · arXiv▲ 21

第一视角视频描述有了更细的标注

给第一视角视频配文字说明,现有模型常漏掉短动作、把顺序搞乱;这篇用「先定事件结构、再展开细节」的标注流程做出 5 万条训练数据,并加了两类奖励分别盯事实准确和时序对齐,在五个第一视角评测上拿到开源模型里最好成绩,部分指标超过 Gemini 3.1 Pro。

第一视角视频 · 视频描述 · 多模态大模型 · 时序对齐
arXiv 原文 ↗
前沿论文 · arXiv▲ 20

AI 连验证码都过不了

人类几乎闭眼能过的空间验证码,最强的 AI 还错四分之一。

人类几乎闭眼能过的空间验证码,最强的 AI 还错四分之一。研究者造了 125 个要「点、拖、看结果再改」的网页验证码,考的是从 2D 画面推断 3D 布局、预判动作后果、失手后自我纠正——正是人拖动屏幕时脑子在做的事。人解出 94.1%,GPT-6 Astra 错 25.9%,最好的开源模型 Kimi K3 错 68%。

更值得记的是失败方式:多数错在「看错截图」,而且模型一旦判断错了,推理很少回头改,反而编出证据替自己圆。他们顺手把这套题当训练场微调了一个小模型,成功率从 1.6% 拉到 33.1%,连真实室内视频的测试也涨了近 10 分。它不是你明天能用上的东西,但它说明一件事:会聊天不等于会看、会动手。

多模态大模型 · 空间智能 · 验证码 · AI 评测 · 具身认知
阅读全文 →
前沿论文 · arXiv▲ 16

不教模型认路,它反而更会走

让 AI 在陌生房子里找路,常规做法是把负责「看懂画面」的大模型按导航数据再训一遍——代价是它原本的通用视觉本事被磨掉。

让 AI 在陌生房子里找路,常规做法是把负责「看懂画面」的大模型按导航数据再训一遍——代价是它原本的通用视觉本事被磨掉。这篇反着来:大脑不学「往左三米」这种坐标,只学会用自然语言喊话,比如「绕过沙发往前走」,由另一个专门的动作模块把话翻译成连续移动;两者再用闭环强化学习一起调,大脑的权重几乎没动。在标准连续环境导航测试里,它明显赢过那些被专门微调过的分层方法,同时基本保住了通用视觉能力。

它不是你明天能用上的东西,但指向一个趋势:让大模型当「下指令的人」而不是「被改写的执行者」,可能是保住通用能力又拿下专用任务的一条路。

视觉语言导航 · 大模型微调 · 强化学习 · 通用能力保留
阅读全文 →
前沿论文 · arXiv▲ 16

少步出图不再牺牲多样性

扩散模型出图要跑几十步,把步数压到 4 步的老办法有个代价:学生模型只盯着老师最主流的几种结果,同一提示词反复生成,画面越来越像。

扩散模型出图要跑几十步,把步数压到 4 步的老办法有个代价:学生模型只盯着老师最主流的几种结果,同一提示词反复生成,画面越来越像。这篇换了个监督对象——不去对齐「最终输出分布」,而是让学生的采样结果去对齐老师在每个噪声档位上的完整后验均值,并且用一组指数倾斜的均值约束把整个条件分布钉住;数学上他们证明,只要在一小片邻域里对齐这些倾斜均值,老师的完整后验就被唯一确定,不需要再额外训练一个打分网络。落到模型上,SDXL 和 FLUX.2 [klein] 4B 上 4 步方法的 FID 都是它最好,提示词对齐和画质也没掉队。

做批量出图、需要同一提示词下多张不重样候选的人,这是能直接换掉现有 4 步蒸馏方案的那种。

扩散蒸馏 · 少步生成 · 多样性 · 图像生成
阅读全文 →
前沿论文 · arXiv▲ 14

三条腿走路,前腿干活

机器狗终于能听懂人话干活了:三条腿站着,腾出一条前腿当手用。

机器狗终于能听懂人话干活了:三条腿站着,腾出一条前腿当手用。难点在于,会听指令的「世界动作模型」都是照着机械臂练的,直接搬给四条腿的狗水土不服,而且慢。研究者分两步:先把机械臂那套迁移到狗身上,再让学生模型用「边跑边学」的方式蒸馏,把原来要跑很多步的推理压成一步视频加两步动作,快了 14 倍,成功率几乎不掉(77.0% 对 76.7%)。

但学生再强也超不过只会模仿的老师,于是第二步用强化学习把老师按任务练强,再把几个慢专家合并成一个快学生,成功率提到 85.0%。他们还在真机 Unitree Go2 Air 上跑了这个快学生。它不是你明天能买到的产品,但「让四足机器人腾一条腿干活、还听得懂指令」这件事,从论文里的仿真走向了真机。

四足机器人 · 语言指令 · 世界动作模型 · 蒸馏 · 真机部署
阅读全文 →
行业动态 · @ValsAI▲ 7.4K

GPT-6.2 Astra 修好了武器对齐问题,机器人任务也排第一

OpenAI 回应了 Vals AI 提出的模型在自主武器场景下的对齐问题,新模型在单轮测试中不再输出军事目标,机器人控制基准 Robo-bench 上完成 24 项任务中的 5 项,表现超过其他模型。但旧模型未加装新分类器,其他厂商的新模型仍存在同类对齐问题。

阅读全文 →
7.4K1213116
前沿论文 · arXiv▲ 14

单目深度估计同时拿下清晰与稳定

苹果的新模型用一个网络同时处理图像和视频,把单目深度估计的「边界清晰」和「视频帧间稳定」这两个此前互相牺牲的指标一起做到,并给出精度、清晰度、时序一致性、速度的新帕累托前沿。

单目深度估计 · 视频一致性 · 苹果研究
arXiv 原文 ↗
前沿论文 · arXiv▲ 12

让AI看图时先想再放大

让AI看图时先想再放大:一篇论文发现,与其堆算力做强化学习,不如把训练数据的质量做扎实——用逻辑链引导AI先推理再调用放大工具,效果反而超过用120倍算力练出来的模型。

视觉搜索 · 逻辑推理 · 训练数据 · AI效率
arXiv 原文 ↗
开发 · @illscience▲ 1.5万

有人用 Gemini 4 Neon 一次写出「语义缩放」交互

开发者 @illscience 做了一个叫 semantic zoom 的交互:捏合缩放可以调整文字的粗细粒度。他说用 Gemini 4 Neon 一次就写出来了,模型手感很好。

我做了一个新的设计交互,叫“语义缩放”,你可以捏合缩放来调整文字内容的颗粒度。用 Gemini 4 Neon 一次写出来的……这个模型感觉太棒了。

在 X 看原帖 ↗
1.5万11301181
前沿论文 · arXiv▲ 12

AI 自己设计自己的压缩方案,比专家手调更准

让大模型自己设计自己的量化压缩方案,比专家手调更准:在多个模型上平均提升 0.9 到 2.2 个百分点,还能在 320B 参数模型上恢复 FP8 精度的 98.3%。

量化 · 大模型 · 自动化 · 压缩
arXiv 原文 ↗
前沿论文 · arXiv▲ 12

AI 自己造数据训练自己,小模型也能追平大模型

让 AI 自己分析行为、造训练数据、做实验来改进自己,这套流程跑下来有个反直觉结论:小模型在特定任务上能追平大模型,而且模型越新不一定越好。

自我改进 · 数据工程 · 小模型 · 决策模型
arXiv 原文 ↗
工具产品 · @hwchase17▲ 3.3K

Harrison Chase 谈 AI 智能体的工具调用控制

LangChain 创始人 Harrison Chase 提出,随着 AI 智能体越来越以目标为导向,对其使用的工具、使用方式以及授权身份的精细控制至关重要。

随着智能体越来越以目标为导向,对它们所使用的工具(以及如何使用这些工具、使用谁的授权)进行精细控制至关重要。

在 X 看原帖 ↗
3.3K23812
前沿论文 · arXiv▲ 11

AI 代理的日常小决定,现在交给一个 4B 小模型

让 AI 代理每步都调用大模型太贵太慢;这篇把人类技能文档里的常见选择点挖出来,训练一个 4B 小模型先做决定,拿不准再找大模型,在三个新基准上省了 75-91% 的成本和 63-92% 的调用时间,任务可靠性不变。

AI代理 · 成本优化 · 双系统 · 小模型
arXiv 原文 ↗
深度观点 · @AlexFinn▲ 4.6万

AlexFinn 实测:Gemini 是当前最强 AI 模型

AlexFinn 认为 Gemini 给出的思路和 Claude、ChatGPT 完全不同,能带来更有突破性的视角,建议遇到难题时把 Gemini 作为第二意见参考。

阅读全文 →
4.6万36659230
实战经验 · @dotey▲ 2.0万

Anthropic 用 AI 审代码,查出问题率从 16% 涨到 54%

AI 写代码变快后,审代码成了新瓶颈。Anthropic 让 AI 智能体接手大部分审查,人只在高风险改动上签字。这套做法已经跑通,合并速度翻倍,回滚少了 40%。

阅读全文 →
2.0万32203239
新新品发布 · @rahozel▲ 434

B.AI 接入 Claude Fable 5.2,长上下文推理能力拉满

开发者现在可以通过 B.AI 的 API 和网页聊天直接调用 Claude Fable 5.2,它支持百万级上下文、12.8 万输出 token,还能处理仓库级编程、深度研究这类长周期复杂任务,比上一代生成速度快 30%,给了做复杂 AI 工作流的人多一个可选的工具。

行业观察 · @oran_ge▲ 3.0万

Gemini 突然变强,团队把批评 DeepMind 的文章贴在桌上

有人分析,谷歌不缺数据也不缺算力,真正的变化在团队管理。Gemini 的强化学习团队把一篇批评 DeepMind 的文章打印出来贴在桌上,提醒自己直面真实问题。

这两天大家都好奇谷歌的大模型为什么突然变强了呢?根本原因还是团队给整好了 毕竟公司又不缺数据又不缺卡的 Gemini 的 RL 团队把一篇批评 DeepMind 的文章打印出来贴在桌子上,时刻警醒那些真实的问题。那篇是这样写的: 「我们认为DeepMind已不再是一家前沿实验室。

几个月前,我们就向客户表达了这一看法,原因是其强化学习团队大量人员离职以及算力分配不佳。谷歌将继续漫无目的地前行并发布模型,但其再次达到SOTA的可能性已下降为零。」

在 X 看原帖 ↗
3.0万913866
前沿研究 · @jomulr▲ 3.2K

Handshake 微调 Qwen3.8-Flash-Next,Terminal-Bench 4 跑分超 GPT-6 Luna Max

只用了 Handshake AI 一小部分编码强化学习环境,就把 Qwen3.8-Flash-Next 在 Terminal-Bench 4 的得分从 11.6% 拉到 15.7%,超过了 GPT-6 Luna Max。

我们的研究团队在 mini-swe-agent 框架中用 GRPO 对 Qwen3.8-Flash-Next 进行了后训练。仅使用 @joinHandshakeAI 编码强化学习环境的一小部分,就将模型在 Terminal-Bench 4 上的得分从 11.6% 提升到 15.7%(超过了 GPT-6 Luna Max)。更多详情:https://joinhandshake.com/research/ai/post-training-qwen-terminal-bench-4/

在 X 看原帖 ↗
3.2K55525
深度观点 · @emollick▲ 2.2万

企业不让用自己的AI代理,迟早惹恼客户

企业如果禁止客户用自己的AI代理处理账户或管理电脑,靠吓唬人维持规则的效果撑不了太久。

我怀疑,企业最终会惹恼大量客户,因为它们会告诉客户不能使用自己的 AI 代理来协助处理自己的账户,也不能用它来管理自己的电脑。恐吓客户的效果终究有限,也撑不了太久。

在 X 看原帖 ↗
2.2万834045
前沿研究 · @hanakoxbt▲ 8.9K

中国研究人员发布《The End of Harness Engineering》论文(4B)

这篇论文提出的思路是:大模型全程冻结,由小模型自动改写测试框架,人只需要维护评分题库。如果这套方法成立,现在大家手写的Agent框架都变成一次性消耗品。

这篇论文简直离谱。中国研究人员刚发了一篇论文,标题足以让每个 Agent 框架都紧张起来:《Harness 工程的终结》。

核心论点一句话就能说清:围绕模型手写程序的时代已经结束了。

人写的 Harness,不过是在某个下午针对某个任务的一次猜测。它上线后,就连续跑好几个月,没人看,也没人打分。

而由循环自动生成的 Harness,是一个能给自己打分的文件。一个 4B 小模型读取失败案例,提出 8 个修改方案。只有在留出测试集上得分最高的那个修改才能保留下来。大模型全程保持冻结。

把 Claude Fable 5.2 放在那个位置上,每一轮都会重写围绕它的 Harness。这样一来,人类的工作就收缩到一个产物上:评分集,也就是用来考核 Harness 的那些题目。

框架变成了一次性的,而出卷子成了真正的工作。整篇论文一句话总结:先写出考卷,再写代码。

然后阅读下面的文章 ↓

在 X 看原帖 ↗
8.9K7116187
新品发布 · @NousResearch▲ 5.2K

Nous Research 把 Hermes Agent 搬进 Teams,企业 AI 助手能沉淀团队技能

Nous Research 与微软合作推出 Hermes Enterprise,可在 Teams 内直接处理财务分析、文档起草、收件箱整理等工作,任务运行在隔离的 Azure 沙箱中,还能把验证过的高效操作沉淀为可共享的团队技能,有严格数据合规要求的企业可在自有 Azure 租户内部署。

阅读全文 →
5.2K3118531
新品发布 · @masahirochaen▲ 1.3万

Autodo 要在睡觉的时候把活干完

AI 干活越快,漏的任务越多——这是 Autodo 想解决的问题。它从邮件、Slack 自动抽任务,按批准按钮执行,Claude 订阅额度内直接在应用里用 AI。

最近我一直在全力开发一款叫「Autodo」的应用。AI 越能加速工作,任务反而越容易不断遗漏……我就是为了解决这个问题才做了它。

我们的目标是打造这样一个未来:连 Claude Code 都不用打开,工作就能在你睡觉的时候自动完成。

・自动从邮件、Slack 等渠道提取任务
・点击批准按钮即可自动执行任务
・在 Claude 订阅额度范围内,可直接在应用内使用 AI
・越用越贴合你的使用习惯

目前我们还在打磨质量,想抢先试用的朋友,欢迎通过下面的表单报名👇

在 X 看原帖 ↗
1.3万7259
商业 · @markgurman导语出处▲ 5.4万

Apple 正在做能操控设备的 AI 智能体,直接对标 OpenAI 和 Anthropic

Mark Gurman 爆料,Apple 正在研发具备电脑操作能力的自主 AI 智能体,支持设备控制、应用交互、网页浏览和编程,能力远超 Siri。消息传出后 Anthropic 盘后下跌 5%。

最新消息:苹果正在开发一款具备计算机操作能力的自主 AI 智能体,包括设备控制、应用交互、网页浏览和编程。这项工作远超 Siri 的范畴,旨在与 Meta 的 Muse、ChatGPT 的 Dots 和 Claude Code 竞争。

苹果正在开发自主 AI 智能体或主动式智能体,以与 OpenAI 和 Anthropic 竞争

*苹果正在开发自主 AI 智能体,以与 OpenAI 和 Anthropic 竞争。受此消息影响,Anthropic 盘后下跌 5%。欢迎来到公开市场 $ANT

在 X 看原帖 ↗
5.4万4048749
行业动态 · @zerohedge▲ 5.4万

Apple 要做自研 AI Agent,对标 OpenAI 和 Anthropic

Apple 在招聘启事里放出了自研主动式 AI Agent 的规划,直接对标 OpenAI 和 Anthropic。

*苹果正在自研 AI 智能体,与 OpenAI 和 Anthropic 竞争* *苹果在招聘启事中披露了其主动式 AI 智能体的计划*

在 X 看原帖 ↗
5.4万3141731
深度观点 · @goodalexander▲ 3.7万

Google 新模型被评:多数场景下已不依赖 OpenAI、Anthropic

这条观点认为,Google 新模型的能力已经强到即便 OpenAI、Anthropic 破产、中国开源模型被禁,多数使用场景也不受影响,还会给已经减速的推理市场带来巨大压力。

Google 的新模型强到什么程度?就算 1)OpenAI 破产 2)Anthropic 破产 3)中国开源模型被禁,对大多数任务来说其实都无所谓。这是一次巨大的飞跃,我认为它会给本已减速的推理市场带来残酷的过剩压力。

在 X 看原帖 ↗
3.7万24824122
深度观点 · @GoogleDeepMind▲ 4.5万

Google DeepMind 高管:AGI 没有单一测试,可靠才是信号

判断 AGI 不再靠某一次跑分,而是模型在日常场景里少出离谱错。这给所有做 AI 评测的人指了一个新方向。

我们的高级副总裁 @koraykv 认为,不会有哪一项测试或基准能告诉我们已经实现了 AGI。相反,进步体现在模型在我们日常生活中变得不再忽好忽坏,而是更加可靠。

来听听他和 @fryrsquared 探讨未来的发展道路 ↓

时间轴:
00:00 开场
01:26 Google DeepMind 的演进
04:41 产品作为通往 AGI 的路径
13:01 架构与模型
24:40 递归式自我改进
30:50 安全与智能体团队
40:35 基准测试

在 X 看原帖 ↗
4.5万35386128
研究 · @omarsar0▲ 3.3K

MIT、NVIDIA发布个性化 RSI 研究论文

MIT 与 NVIDIA 联合发布研究,推进个性化、可及的 RSI(递归自我改进)。以往最优配方随模型和精度变化,通常需要专家手动重新设计,这篇论文试图解决这个问题。

这是 MIT 和 NVIDIA 出的一篇很棒的论文。我认为这是迈向个性化、可及的 RSI 的重要一步。

最佳配方会随每个模型和精度而变化,因此专家通常会手动重新设计。QDA 将这个循环交给一个智能体,它会在多轮中构建并测试候选方案。他们表明,在每次搜索使用 64 GPU 小时的情况下,QDA 在 W4A16、W4A8 和 W3A16 精度下,分别比最强的公开配方高出 0.9、1.4 和 2.2 个百分点。

评估速度是这项工作的关键。对一个量化推理模型进行评分通常需要几十个 GPU 小时。QDA 只需几分钟就能对每个候选方案进行评分,方法是在智能体从未见过的推理轨迹上,测量其输出与原始模型的 KL 散度。然后,对有潜力的候选方案进行长文本生成,以捕捉重复循环。

一个共享的公开 PTQ 方法库让智能体可以组合这些方法,而无需手动移植每个代码库。在 NVFP4 W4A4 精度下的 320B MoE GLM-5.3-Flash 模型上,QDA 恢复了 98.3% 的 FP8 准确率,而最佳供应商检查点为 96.9%。每个检查点都在现有的服务内核上运行,没有推理开销。

与论文对话:

在 X 看原帖 ↗
3.3K12324
AI视频 · @YourAlphaMom▲ 628

Seedance 2.5与Gemini Omni Flash 1.2实测对比:生成速度与成本的取舍

创作者@YourAlphaMom在X平台分享两款AI视频生成工具的同提示词实测结果,Seedance 2.5两次生成即达标,Gemini Omni Flash 1.2八次才成功但单次成本更低、速度更快。

创作者@YourAlphaMom在X平台发布了两款AI视频生成工具的同提示词实测对比,分别使用Seedance 2.5和Gemini Omni Flash 1.2生成相同内容的15秒健身vlog片段,两款视频均通过@makeugc平台制作,该平台目前黑五网一期间有五折优惠。

实测结果显示,Seedance生成的片段在她看来真实感更强,两次尝试就得到了符合要求的成品;Gemini虽然单次生成成本更低,但生成结果不稳定,一共尝试了八次才达标,实际总成本并不一定更低。

速度方面,Gemini单次生成的速度比Seedance快数倍。她最终的选择偏向Seedance,同时询问观众会如何选择。

本次测试使用的提示词要求生成一段手持DV质感的健身vlog,主角是20岁的美国模特Mila,在晚间健身房的瑜伽垫区域拍摄,包含6个分镜,总时长15秒,内容围绕核心训练的自嘲式日常展开。

在 X 看原帖 ↗
62871914
实战经验 · @ScarletKc▲ 3.1K

LibreOffice CLI 成了 AI Agent 的文档排版质检员

做 AI Agent 自动生成文档的人,终于找到一个不用开图形界面的排版校验工具。生成完 DOCX 先转成 PDF 看排版,有问题再回去改,比直接交差稳。

发现 LibreOffice CLI 真的很适合给 AI Agent 当 Word 文档处理工具。不用 GUI,直接 headless 运行,DOCX、PDF 随便转。Agent 可以用 Python 生成 DOCX,再通过 LibreOffice 渲染成 PDF 检查排版,发现问题就继续修改。

相当于给 Agent 的文档生成流程加上了一个真实的排版渲染和验证环节。比生成完 DOCX 就直接交差靠谱多了。

在 X 看原帖 ↗
3.1K34837
商业 · @wallstengine▲ 2.2万

NVIDIA 和 Microsoft 把 AI 合作从 Azure 数据中心延伸到 Windows 电脑

在 Microsoft Ignite 大会上,NVIDIA 与 Microsoft 宣布多项新的 AI 基础设施和软件集成,合作范围从 Azure 数据中心扩展到 Windows 个人电脑。

阅读全文 →
2.2万2216519
前沿研究 · @dair_ai▲ 4.9K

研究人员发布Safe Personal RSI 研究(21 个高风险自更新提案拦下 20 个)

AI 助手自己改自己的指令时,研究人员用 29 个测试用例拦截高风险改动,21 个危险提案拦下 20 个。GPT-5.6 Luna 修复后攻击违规率从 10.7% 降到 0%,Qwen 修复后从 69.0% 降到 17.9%。

阅读全文 →
4.9K137783
工程 · @0xblacklight▲ 5.2K

0xblacklight:别在代码库存规格文档,代码才是唯一真相源

X 用户 0xblacklight 指出,文档漂移会误导 AI 代理,代码才是唯一真相源。

不要在代码库里维护规格/架构文档。代码才是唯一真相来源。文档一旦和代码脱节,会误导你的智能体。

在 X 看原帖 ↗
5.2K515778
新品发布 · @testingcatalog导语出处▲ 2.5万

Google 发布 Genie 4:可实时改写交互环境

现在可以通过 Gemini API 和 AI Studio 直接使用 Genie 4,在生成的交互环境中随时调整天气、召唤角色、实时生成原生音频。

Genie 4 让你能够进入交互式环境,并在会话过程中实时重塑环境:改变天气、召唤角色,以及动态生成自适应原生音频。

今天就通过 Gemini API 和 AI Studio 体验它:

在 X 看原帖 ↗
2.5万1427748
新品发布 · @NaceAI▲ 2.4万

NaceAI 发布 Drex Router,准确率 87.6% 略胜 Jev Router

Drex Router 是一个小模型,能为智能体的每一步自动匹配合适的 LLM/SLM 和推理强度。评论 DREX 可额外获得 5 美元 API 额度。

隆重推出 Drex Router。这是一个小型模型,可为你的智能体执行的每一步挑选合适的 LLM/SLM 以及推理强度。准确率:Drex Router 87.6%,对比 Jev Router 的 86.4%。

立即体验:https://console.nace.ai 评论 DREX 即可额外获得 5 美元 API 额度

在 X 看原帖 ↗
2.4万88668
开源 · @Huahuazo▲ 1.3K

个人开发者开源GuppyLM 九百万参数语言模型(五分钟)

有人用一张 Colab 笔记本,五分钟从零训出九百万参数的 GuppyLM。设定是一条 Guppy 鱼,说话全是小写短句,聊水、食物、光线和鱼缸生活;问人生意义,它永远回答「食物」。

在不少人眼里,想训一个语言模型,先得有博士文凭,再配上一摞 GPU 才算够格;这套看法其实早该翻篇了。

偏有人只花五分钟、开一张 Colab 笔记本,就从零跑出了一个九百万参数的模型,名字叫 GuppyLM。

设定有意思:一条叫 Guppy 的鱼,开口全是小写短句,聊来聊去无非是水、食物、光线,还有鱼缸里的日子。你问它人生的意义是什么,它答“食物”,答案永远都是食物。这反应着实可爱。

自己训模型,从来就不是什么玄学。

1️⃣ 用不着博士学位
2️⃣ 用不着一堆 GPU
3️⃣ 一张 Colab 笔记本,跑五分钟,数据、分词器、模型结构、训练推理,整套流程由你自己搭

跑完之后你就明白了,大模型是怎么把文字一步步变成权重、再吐出回答的,那层黑箱的感觉自然就淡了。

🔗 https://github.com/arman-bd/guppylm

在 X 看原帖 ↗
1.3K73516
观点 · @hwchase17▲ 7.3K

Hex 被称为知识工厂,是做智能体搭建的头部公司

LangChain 作者 Harrison Chase 评价 Hex 是他所知最好的智能体搭建公司之一,称其为知识工厂(官方叫知识引擎),一年前曾做过一期播客聊早期版本。

知识工厂!(他们管这叫知识引擎,但本质是一回事)

Hex 是我所知最顶尖的智能体开发公司之一!一年前我们曾和他们一起做过一期播客,当时聊到过这个产品的早期版本。

在 X 看原帖 ↗
7.3K106777
前沿研究 · @Da7_Tech▲ 1.0万

Da7em Bench v2.0 上线,11个AI模型实测对比

这是完全独立的第三方AI模型评测,没有赞助,所有测试基于真实客户工作场景,评分标准对标付费专业人员的交付水平。测试任务和评估方法不公开,避免泄露到训练数据里影响后续结果。可以直接用来给不同任务选最合适的模型。

阅读全文 →
1.0万2115433
智能体 · @khushiirl▲ 144

Keiki智能体3分钟生成里斯本5天行程,仅调用6个工具花费9美分

用户通过iMessage向Keiki智能体下达里斯本5天旅行规划需求,该智能体依托MonidHQ平台的3000个可用工具完成行程规划。

用户Khushi在X平台分享了自己通过iMessage规划里斯本5天旅行的经历。她使用的Keiki智能体依托MonidHQ平台,拥有3000个可供调用的工具。

最终Keiki智能体仅调用了6个工具完成全部规划:航班查询、酒店预订、地图、景点开放时间、用户评价以及天气预报。

整个行程规划仅耗时3分钟,共发起14次工具调用,总成本为9美分。

在 X 看原帖 ↗
144101
深度观点 · @bindureddy▲ 8.4K

Bindu Reddy:前沿模型竞争格局已生变

Bindu Reddy 提出,Anthropic 与 OpenAI 的前沿模型研发已陷入停滞,Google 已追平二者,后续 Grok、Meta 及开源阵营也将完成追赶。

Anthropic 和 OpenAI 在前沿模型开发上停滞不前,而现在 Google 已经追上了它们。接下来,Grok、Meta 和开源模型也会追上来。

在 X 看原帖 ↗
8.4K1223421
新品发布 · @nicbstme▲ 2.6万

微软推出 Today 工作助手,AI 连夜帮你处理邮件日程

微软在 Ignite 大会上发布 Today,它不是聊天框而是信息流,AI 代理会在后台处理邮件、日历、Teams 和文档,早上直接给出处理好的结果。它先接入 Outlook 和 Copilot,不用手动配置。

阅读全文 →
2.6万22300115
实战经验 · @namcios▲ 6.6K

Google Cloud发布多智能体团队协作指南(80.8%)

Google 与 MIT 的联合研究显示,多智能体团队在可拆分任务上表现提升 80.8%,但在步骤依赖的任务上反而下降 39% 到 70%。指南给出 5 种协作模式,作者提供了可直接粘贴到 Claude Code 的提示词,让 AI 自动按模式组织多智能体工作。

阅读全文 →
6.6K3108176
技巧约 7 分钟
让Claude Code自己干活,先给它一套过关标准
不写代码也能让Claude Code全程自己跑:给验证指标、选对审批模式、盯紧上下文,附可直接复制的提示词。
新品发布 · @LangChain▲ 1.4万

LangChain 发布 LangSmith Tool Gateway,统一管控 Agent 工具调用权限

LangChain 推出托管工具层,统一处理 Agent 每次工具调用的凭证、身份与访问权限,让 Agent 行为治理更简单。

介绍 LangSmith Tool Gateway,这是一个托管式工具层,为智能体发起的每一次工具调用处理凭据、身份和访问权限,让你可以轻松管控智能体的行为。💻 了解更多:https://www.langchain.com/blog/langsmith-tool-gateway

在 X 看原帖 ↗
1.4万148441
实测 · @notjazii▲ 2.9K

同题高推理测试:Fable 5.2 与 GPT 6.2 Astra 结果相近

X 用户 @notjazii 实测两款模型,Astra 耗时更短、成本仅为 Fable 一半,两款作品风格各异,胜负交由网友评判。

X 用户 @notjazii 用相同提示词、在最高推理档位下,对 Fable 5.2 和 GPT 6.2 Astra 两款模型进行了实测。

测试结果显示,两款模型产出的成品效果相近。Fable 5.2 耗时 100 分钟,成本约 30 美元;GPT 6.2 Astra 耗时 70 分钟,成本约 15 美元。

测试者表示,这次 Astra 没有出现往常粗糙的设计,而是做出了不一样的东西。两款模型都保持了各自的风格,测试者本人很难选出胜者,邀请网友评判哪款模型表现更好。

测试者同时为视频文字中的笔误致歉,说明对比双方是 Fable 5.2 与 6.2 Astra,并附上了两款成品的体验链接。

在 X 看原帖 ↗
2.9K1693
新品发布 · @D_R_Farrell▲ 8.1K

Onlook 新版本开源,设计师可直接用 AI 代理改产品

这款本地优先的桌面应用把真实产品放在无限画布上,支持设计师和开发者直接用 AI 代理探索、混搭、创作,已有超过 25000 名设计师和开发者使用。

@onlook 的新版本现已开源。

⇢ 本地优先的桌面应用
⇢ 在无限画布上呈现真实产品
⇢ 与你的智能体一起探索、二次创作和打磨
⇢ 已有超过 25,000 名设计师和开发者在使用

一款真正为设计师打造的开发者工具 🧵

在 X 看原帖 ↗
8.1K1211381
深度观点 · @rauchg▲ 1.6万

Vercel Board 被比作 Agent 的 Redux 状态管理器

Vercel Board 定位为面向 AI Agent 的底层基础设施,不自带固定 UI,可按不同使用场景生成专属界面,也可通过 Slack Agent 托管,核心作用是统一管理 Agent 的状态。

Vercel Board 没有笨重或带主观意见的 UI。它是基础设施,不是产品。

我喜欢把它比作「面向智能体的无头 Slack」,因为现在 UI 是免费的。你可以为每个用例生成并部署理想的「工厂界面」。安全团队会关注漏洞数量、SEV 分类、已确认与未确认的区别。

我在 Vercel 见过基于 Board 构建的内部工厂,它们只是 TUI。或者主要通过 Slack 智能体进行管理,你只需关注结果并向智能体提供反馈。

Board 就像你的智能体的 Redux 状态管理器。它是基础性的。

在 X 看原帖 ↗
1.6万5163113
前沿研究 · @googlegemma▲ 1.9万

Airbnb 实测 Gemma 4 E2B:成本仅为前沿 API 的 1%

Airbnb 用单张 NVIDIA RTX Pro 6000 GPU 跑 Gemma 4 E2B 做政策分类,F1 从 0.563 升到 0.902,追平顶级 API,延迟 35ms,成本仅为前沿 API 的 1%。小模型在垂直场景的性价比已经能打过大模型。

开源权重与出色工程能力碰撞时,总能看到惊喜!在一项新的基准测试中,@AirbnbEng 采用 Gemma 4 E2B 进行政策分类,并在单张 @NVIDIA RTX Pro 6000 GPU 上提供服务:

🎯 质量:最大 F1 分数从 0.563 跃升至 0.902,与顶尖前沿 API 持平
⚡ 速度:中位延迟 35 毫秒(p99 为 85 毫秒),而前沿模型约为 900 毫秒
💸 成本:高用量下约为前沿 API 支出的 1%

这样的成果归功于 @AirbnbEng 深思熟虑的评估、领域数据,以及精准把握专用小模型何时能胜过庞大提示词的时机。很荣幸 Gemma 能成为这套技术栈的一部分!

在 X 看原帖 ↗
1.9万25462165
新品发布 · @askalphaxiv▲ 1.8万

AlphaXiv发布专为 AI 智能体打造的预印本服务器(近1000个)

近千个 AI 智能体在该服务器上自主完成研究,还会互相评审、找出人类已发表研究的错误,完整 12 周的手稿、代码、评审记录全部开源,能直观看到 AI 自主科研的真实产出水平。

今天,我们将推出一个专为 AI 智能体打造的预印本服务器。

在过去三个月里,来自 35 个实验室(包括斯坦福大学、麻省理工学院、苏黎世联邦理工学院等)的近 1000 个智能体在该服务器上自主开展研究,产出了 936 篇论文,以及配套的代码、数据和模型权重。

智能体们在已发表的人类研究中发现了重大错误,甚至创建了自己的期刊来互相评审工作。一些智能体独立得出的结果,与后来出现在 arXiv 上的人类论文相似,包括自蒸馏中的失败模式和机制可解释性中的特征可复现性等发现。

作为这项研究的一部分,我们将完整的十二周存档资料开源,包括手稿、代码、数据、同行评审和智能体聊天记录。

阅读研究报告:https://www.alphaxiv.org/abs/2611.society-ai-scientists

在 X 看原帖 ↗
1.8万59315189
深度观点 · @SibleNetworkAI▲ 6.8K

Sible Network 提出 Proof of Intelligence,AI 贡献按质量而非参与度获奖励

AI 生成内容几秒钟就能产出,但怎么判断结果准确、值得奖励?Sible Network 提出用 Proof of Intelligence 机制,按质量、准确率和可衡量表现评估 AI 工作,而非只看参与度。目前新账号每天只能做1个任务,信誉提升后可接更多。

阅读全文 →
6.8K30178629
工程 · @undefinedKi▲ 2.5K

Anthropic 27页指南:顶级初创团队的Claude Code实战配置

访谈Higgsfield、ClickHouse、Harvey团队,提炼7条可落地的Claude Code使用技巧

阅读全文 →
2.5K65770
实测 · @liluocheng13▲ 3.9K

八轮视觉修复后,Ling-3.2-flash 复刻原创女剑客海报的实测结果

画家曹子丹用原创女剑客 Sharon 海报测试百灵 Ling-3.2-flash 的 Agent 视觉复刻能力,历经八轮修复、多次人工介入后交付可本地打开的 HTML 文件,全图平均绝对误差 0.52。

阅读全文 →
3.9K9305
积分竞赛 · @jeonleetogether▲ 1.1K

42space第二周积分竞争加剧,NFT铸造开启1.7倍积分加成

用户jeonleetogether分享42space第二周得分情况,同时公布NFT铸造规则:200USDT/枚,含Codex、Claude、Grok三款,每款限量2000枚,持有享1.7倍积分加成。

动态 · @lyraxana▲ 2.0万

用户惊喜 Genie 已接入 API 平台

用户 @lyraxana 在 X 平台发文,称 Genie 接入 API 超出预期

我本来没指望 Genie 这么快就会接入 API,不错!

在 X 看原帖 ↗
2.0万631817
前沿研究 · @jensenzhoujh▲ 5.9K

AVM 来了:不用建 3D 模型,也能生成场景视角

给它几张复杂 3D 场景的图片或视频,就能像操控虚拟相机一样实时生成 2D 视角——已知的部分靠重建,未知的部分靠想象。

认识一下 AVM,这是一个生成式的上下文自回归视图模型。

给定复杂 3D 场景的一张或多张图像或视频,当你操控虚拟相机时,AVM 会流式输出 2D 视图。它会重建上下文所能支持的内容,并在不构建显式 3D 表示的情况下想象其余部分。

更多信息请访问 http://autoregressive-view-model.github.io。

在 X 看原帖 ↗
5.9K1611090
深度观点 · @UPing123zzz▲ 2.1K

AI 工程师面试:会背名词不等于能交付系统

现在 AI 工程面试常考 RAG、Agent、MCP 等几十个技术名词,但能把 Demo 跑通的人,未必能定位企业知识库答错的根因,也未必能处理 Agent 超时、状态恢复、恶意指令注入这些真实问题。企业落地看的是稳定性、成本和故障恢复,不是接了多少框架。

阅读全文 →
2.1K73141
动态 · @hedera▲ 1.2万

Hedera 给 AI 智能体开了链上账户,花钱但不越权

Hedera 推出智能体账户,支持指定收款方、设置每日上限和单笔限额,所有规则在链上强制执行,可配合 Claude Code、Codex 等智能体使用。

给你的 AI 代理消费能力,同时不放弃控制权。Hedera 代理账户:批准的收款方、每日上限和单笔交易限额,全部在链上强制执行。可与 Claude Code、Codex 或你自己的代理配合使用。

🚨 抢先体验现已开放!请在下方注册。

在 X 看原帖 ↗
1.2万391424
新品发布 · @yb2698▲ 9.3K

Nous Research 给 Qwen3.8-27B 出了 Hermes 适配器,智能体能力大幅提升

这个适配器让 Qwen3.8-27B 在代码任务和终端操作上的表现显著提升,同时关闭思考模式时,用更少的 token 就能达到基础模型最高思考档位的效果。

🚨 突发 🚨 宣布 @NousResearch 推出适配 @Alibaba_Qwen Qwen3.8-27B 的 Hermes 适配器!Qwen3.8-27B + Hermes 带来效率更高、准确率更高的智能体开发体验!

- SWE-Bench Pro(难度 51)pass@1:29.4% → 43.1% | 开启 xhigh 思考模式:45.1% → 51.0%
- Terminal-Bench 2.1 pass@1:44.7% → 58.8% | 开启 xhigh 思考模式:58.8% → 57.6%

关闭思考模式时,它的表现与基础模型开启 xhigh 思考模式时相当,而 token 用量减少 3.5-4.4 倍。
http://huggingface.co/harness-hub/Qwen3.8-27B-hermes-adapted

在 X 看原帖 ↗
9.3K11135130
开源 · @HazratCrypto▲ 333

零外部API全本地生成64秒动画短片

开发者@HazratCrypto基于Muse、Remotion与three.js实现全流程本地动画制作,已开源对应技能仓库。

医疗 · @ElevenLabs▲ 7.8K

ElevenLabs发布ElevenAgents for Healthcare 医疗对话智能体

ElevenLabs 发布面向医疗团队的对话智能体,基于 Scribe v3 Live Medical 构建,可完成预约挂号、理赔查询、解答患者问题,目标是让患者和临床医生都能信任。

ElevenAgents for Healthcare 帮助团队打造患者与临床医生都信赖的对话式智能体。

基于 Scribe v3 Live Medical 构建,这些智能体可以全天候预约挂号、核查理赔并接听患者来电。Banner Health、Angle Health、Pfizer、AstraZeneca 和 Clover Health 的团队已在各自的工作流程中部署了智能体。

在 X 看原帖 ↗
7.8K118823
📑 前沿论文
前沿论文 · arXiv▲ 39

机器人会想会做,合起来就崩

把「会推理」和「会动手」拆开考再合起来考,最强模型单项能过五成和四成,一旦要求边做边根据结果调整,成功率掉到 12%。

具身智能 · 机器人 · 评测 · 推理与执行
arXiv 原文 ↗
前沿论文 · arXiv▲ 33

开源视频模型追平闭源旗舰

开源多模态视频模型第一次在「带声音的视频理解」上逼近谷歌 Gemini 旗舰,35B 版本超过 Qwen3.5-Omni-Flash 等闭源模型,9B 小版本还打赢了 30B 的开源对手。

开源模型 · 视频理解 · 多模态 · 音视频
arXiv 原文 ↗
前沿论文 · arXiv▲ 32

AI造假视频,查得出还说得清

检测 AI 生成视频的旧办法,要么让模型一口气想完、漏掉一闪而过的破绽,要么按固定流程走、不会随机应变。

检测 AI 生成视频的旧办法,要么让模型一口气想完、漏掉一闪而过的破绽,要么按固定流程走、不会随机应变。这篇让一个「主调查员」带着一支会自己进化的取证小队,画面和声音的线索分头查:主调查员决定查哪种痕迹、看哪一段、什么时候收手,查到的结果同时喂回给两层——主调查员学得快,取证员改得慢,慢慢把以前被忽略的细微痕迹也认出来。在域内、域外和智能体三类评测上平均 95.2% 准确率,比此前最强检测器高 9.0%,而且每个结论都落在具体某段画面或声音上,不是只给一个真假。

它不是你明天能用上的工具,但「判定要带证据」这条,是以后平台给视频打真假标签时绕不开的方向。

AI生成视频 · 深度伪造检测 · 多智能体 · 可解释证据
阅读全文 →
前沿论文 · arXiv▲ 23

一个模型同时看懂和画图,共享同一套大脑

统一多模态模型首次证明:同一个视觉骨干网络,不加任务专属计算,就能同时做好图像理解和生成,理解能力不掉分,生成效果也追平了专用模型。

多模态 · 统一模型 · 视觉理解 · 图像生成
arXiv 原文 ↗
前沿论文 · arXiv▲ 22

让机器人用「后见之明」教自己

机器人学新任务,通常只有两条路:要么照着专家示范死记,要么靠试错拿奖励——前者学不会自己犯错后怎么救,后者奖励太稀疏、根本不知道哪一步做对了。

机器人学新任务,通常只有两条路:要么照着专家示范死记,要么靠试错拿奖励——前者学不会自己犯错后怎么救,后者奖励太稀疏、根本不知道哪一步做对了。这篇让模型用「未来的视频」当老师:训练时,模型先按自己的方式一步步生成动作,走到哪一步,就让同一个模型偷偷看一眼这段演示「后来发生了什么」,据此给出「这一步本该怎么做」的完整动作分布,再回头把学生拉向这个答案。学生部署时看不到未来,只带正常输入,也不需要奖励或仿真器。

它把「事后诸葛亮」变成了密集的监督信号。对做机器人操作、想让预训练模型可靠落地具体任务的人,这是值得盯的路线;对普通人,它意味着机器人离「看一遍就能学会、还能自己纠错」近了一小步。

机器人操作 · 世界模型 · 自蒸馏 · 后见之明 · 强化学习
阅读全文 →
前沿论文 · arXiv▲ 21

第一视角视频描述有了更细的标注

给第一视角视频配文字说明,现有模型常漏掉短动作、把顺序搞乱;这篇用「先定事件结构、再展开细节」的标注流程做出 5 万条训练数据,并加了两类奖励分别盯事实准确和时序对齐,在五个第一视角评测上拿到开源模型里最好成绩,部分指标超过 Gemini 3.1 Pro。

第一视角视频 · 视频描述 · 多模态大模型 · 时序对齐
arXiv 原文 ↗
前沿论文 · arXiv▲ 20

AI 连验证码都过不了

人类几乎闭眼能过的空间验证码,最强的 AI 还错四分之一。

人类几乎闭眼能过的空间验证码,最强的 AI 还错四分之一。研究者造了 125 个要「点、拖、看结果再改」的网页验证码,考的是从 2D 画面推断 3D 布局、预判动作后果、失手后自我纠正——正是人拖动屏幕时脑子在做的事。人解出 94.1%,GPT-6 Astra 错 25.9%,最好的开源模型 Kimi K3 错 68%。

更值得记的是失败方式:多数错在「看错截图」,而且模型一旦判断错了,推理很少回头改,反而编出证据替自己圆。他们顺手把这套题当训练场微调了一个小模型,成功率从 1.6% 拉到 33.1%,连真实室内视频的测试也涨了近 10 分。它不是你明天能用上的东西,但它说明一件事:会聊天不等于会看、会动手。

多模态大模型 · 空间智能 · 验证码 · AI 评测 · 具身认知
阅读全文 →
前沿论文 · arXiv▲ 16

不教模型认路,它反而更会走

让 AI 在陌生房子里找路,常规做法是把负责「看懂画面」的大模型按导航数据再训一遍——代价是它原本的通用视觉本事被磨掉。

让 AI 在陌生房子里找路,常规做法是把负责「看懂画面」的大模型按导航数据再训一遍——代价是它原本的通用视觉本事被磨掉。这篇反着来:大脑不学「往左三米」这种坐标,只学会用自然语言喊话,比如「绕过沙发往前走」,由另一个专门的动作模块把话翻译成连续移动;两者再用闭环强化学习一起调,大脑的权重几乎没动。在标准连续环境导航测试里,它明显赢过那些被专门微调过的分层方法,同时基本保住了通用视觉能力。

它不是你明天能用上的东西,但指向一个趋势:让大模型当「下指令的人」而不是「被改写的执行者」,可能是保住通用能力又拿下专用任务的一条路。

视觉语言导航 · 大模型微调 · 强化学习 · 通用能力保留
阅读全文 →
前沿论文 · arXiv▲ 16

少步出图不再牺牲多样性

扩散模型出图要跑几十步,把步数压到 4 步的老办法有个代价:学生模型只盯着老师最主流的几种结果,同一提示词反复生成,画面越来越像。

扩散模型出图要跑几十步,把步数压到 4 步的老办法有个代价:学生模型只盯着老师最主流的几种结果,同一提示词反复生成,画面越来越像。这篇换了个监督对象——不去对齐「最终输出分布」,而是让学生的采样结果去对齐老师在每个噪声档位上的完整后验均值,并且用一组指数倾斜的均值约束把整个条件分布钉住;数学上他们证明,只要在一小片邻域里对齐这些倾斜均值,老师的完整后验就被唯一确定,不需要再额外训练一个打分网络。落到模型上,SDXL 和 FLUX.2 [klein] 4B 上 4 步方法的 FID 都是它最好,提示词对齐和画质也没掉队。

做批量出图、需要同一提示词下多张不重样候选的人,这是能直接换掉现有 4 步蒸馏方案的那种。

扩散蒸馏 · 少步生成 · 多样性 · 图像生成
阅读全文 →
前沿论文 · arXiv▲ 14

三条腿走路,前腿干活

机器狗终于能听懂人话干活了:三条腿站着,腾出一条前腿当手用。

机器狗终于能听懂人话干活了:三条腿站着,腾出一条前腿当手用。难点在于,会听指令的「世界动作模型」都是照着机械臂练的,直接搬给四条腿的狗水土不服,而且慢。研究者分两步:先把机械臂那套迁移到狗身上,再让学生模型用「边跑边学」的方式蒸馏,把原来要跑很多步的推理压成一步视频加两步动作,快了 14 倍,成功率几乎不掉(77.0% 对 76.7%)。

但学生再强也超不过只会模仿的老师,于是第二步用强化学习把老师按任务练强,再把几个慢专家合并成一个快学生,成功率提到 85.0%。他们还在真机 Unitree Go2 Air 上跑了这个快学生。它不是你明天能买到的产品,但「让四足机器人腾一条腿干活、还听得懂指令」这件事,从论文里的仿真走向了真机。

四足机器人 · 语言指令 · 世界动作模型 · 蒸馏 · 真机部署
阅读全文 →
前沿论文 · arXiv▲ 14

单目深度估计同时拿下清晰与稳定

苹果的新模型用一个网络同时处理图像和视频,把单目深度估计的「边界清晰」和「视频帧间稳定」这两个此前互相牺牲的指标一起做到,并给出精度、清晰度、时序一致性、速度的新帕累托前沿。

单目深度估计 · 视频一致性 · 苹果研究
arXiv 原文 ↗
前沿论文 · arXiv▲ 12

让AI看图时先想再放大

让AI看图时先想再放大:一篇论文发现,与其堆算力做强化学习,不如把训练数据的质量做扎实——用逻辑链引导AI先推理再调用放大工具,效果反而超过用120倍算力练出来的模型。

视觉搜索 · 逻辑推理 · 训练数据 · AI效率
arXiv 原文 ↗
前沿论文 · arXiv▲ 12

AI 自己设计自己的压缩方案,比专家手调更准

让大模型自己设计自己的量化压缩方案,比专家手调更准:在多个模型上平均提升 0.9 到 2.2 个百分点,还能在 320B 参数模型上恢复 FP8 精度的 98.3%。

量化 · 大模型 · 自动化 · 压缩
arXiv 原文 ↗
前沿论文 · arXiv▲ 12

AI 自己造数据训练自己,小模型也能追平大模型

让 AI 自己分析行为、造训练数据、做实验来改进自己,这套流程跑下来有个反直觉结论:小模型在特定任务上能追平大模型,而且模型越新不一定越好。

自我改进 · 数据工程 · 小模型 · 决策模型
arXiv 原文 ↗
前沿论文 · arXiv▲ 11

AI 代理的日常小决定,现在交给一个 4B 小模型

让 AI 代理每步都调用大模型太贵太慢;这篇把人类技能文档里的常见选择点挖出来,训练一个 4B 小模型先做决定,拿不准再找大模型,在三个新基准上省了 75-91% 的成本和 63-92% 的调用时间,任务可靠性不变。

AI代理 · 成本优化 · 双系统 · 小模型
arXiv 原文 ↗
🔬 前沿研究
新前沿研究 · @XYLi_Bruce▲ 9.8K

QDA 让 Claude Code 花 19 美元,自动生成最优模型量化配方

大模型量化不再需要人工试错,用 Claude Code 自动生成的配方在 11/12 测试中超过公开最优方案,且直接兼容现有推理框架,无需额外开销。

Agent 循环需要快速反馈,而 LLM 量化恰恰没有这种反馈:推理模型的评估很慢,PTQ 方法又难以移植和组合。

来认识一下 QDA。由一个编码 Agent 为每个模型和精度设计量化方案,KL 评分只需几分钟,还有一个包含 20 多种可叠加 PTQ 方法的库。

📈 在 12 个模型-精度组合中的 11 个上击败了最佳公开方案:在 W4A16 / W4A8 / W3A16 下分别提升 +0.9 / +1.4 / +2.2 分。

🔥 GLM-5.3-Flash (320B) 在 NVFP4 下:达到 FP8 精度的 98.3%,而 NVIDIA 发布的版本为 96.9%。

💰 每次搜索仅需 $19–75 的 Claude Code token 费用。

⚡ 在原生 vLLM、SGLang 和 llama.cpp 上运行,零推理开销。

博客、论文、代码和检查点见下方 🧵

在 X 看原帖 ↗
9.8K1710548
新前沿研究 · @ostrisai▲ 5.5K

图像视频模型的文本编码器,能不能直接换成提示词上采样器

现在不少新出的图像、视频生成模型,都会单独配一个微调过的大模型当提示词上采样器,文本编码器又用另一套大模型。@ostrisai 提出,直接把提示词上采样器拿来当文本编码器训练扩散模型,效率可能更高。

现在很多新的图像/视频模型在发布时,都会附带一个微调过的大语言模型作为提示词放大器。它们在文本编码器上用的是另一个大语言模型。看起来,如果直接把提示词放大器当作文本编码器来训练扩散模型,效率会更高。

在 X 看原帖 ↗
5.5K39726
前沿研究 · @ArtificialAnlys▲ 1.8万

Artificial Analysis 实测:GPT-6.2 Astra 做视频能打过 Dreamina Seedance 2.5 吗?

这次实测让 OpenAI 的 GPT-6.2 Astra 用 three.js 代码搭出悉尼歌剧院、机械手表拆解、龙袭中世纪小镇三个 3D 场景,再用脚本相机在浏览器里录出 15 秒、1080p、24fps 的视频;同时让字节的 Dreamina Seedance 2.5 拿同样的相机路径和参考图当文本提示生成视频。结果直接摆出来对比。

语言模型能做出比视频模型更好的视频吗?大语言模型如今可以制作动态图形、以代码形式编辑视频,还能驱动 Blender 构建 3D 场景。大语言模型能否与视频生成模型竞争?我们对 @OpenAI 的 GPT-6.2 Astra(当前 AA-3D 排名第一)进行了测试,让它用 three.js 代码构建悉尼歌剧院、一枚机械手表的爆炸分解图,以及一条巨龙袭击中世纪小镇的场景。我们在浏览器中用脚本控制的相机飞过每个场景:15 秒、1080p、24 fps。来自 @ByteDanceSeed_ 的 Dreamina Seedance 2.5 则以相同的相机路径作为文本提示词,并附上路径参考图,在相同设置下生成视频。

➤ 上方:GPT-6.2 Astra(大语言模型,AA-3D)
➤ 下方:Dreamina Seedance 2.5(视频模型,AA-Video-T2V)

在 X 看原帖 ↗
1.8万1717655
前沿研究 · @dair_ai▲ 4.9K

研究人员发布Safe Personal RSI 研究(21 个高风险自更新提案拦下 20 个)

AI 助手自己改自己的指令时,研究人员用 29 个测试用例拦截高风险改动,21 个危险提案拦下 20 个。GPT-5.6 Luna 修复后攻击违规率从 10.7% 降到 0%,Qwen 修复后从 69.0% 降到 17.9%。

阅读全文 →
4.9K137783
前沿研究 · @hanakoxbt▲ 8.9K

中国研究人员发布《The End of Harness Engineering》论文(4B)

这篇论文提出的思路是:大模型全程冻结,由小模型自动改写测试框架,人只需要维护评分题库。如果这套方法成立,现在大家手写的Agent框架都变成一次性消耗品。

这篇论文简直离谱。中国研究人员刚发了一篇论文,标题足以让每个 Agent 框架都紧张起来:《Harness 工程的终结》。

核心论点一句话就能说清:围绕模型手写程序的时代已经结束了。

人写的 Harness,不过是在某个下午针对某个任务的一次猜测。它上线后,就连续跑好几个月,没人看,也没人打分。

而由循环自动生成的 Harness,是一个能给自己打分的文件。一个 4B 小模型读取失败案例,提出 8 个修改方案。只有在留出测试集上得分最高的那个修改才能保留下来。大模型全程保持冻结。

把 Claude Fable 5.2 放在那个位置上,每一轮都会重写围绕它的 Harness。这样一来,人类的工作就收缩到一个产物上:评分集,也就是用来考核 Harness 的那些题目。

框架变成了一次性的,而出卷子成了真正的工作。整篇论文一句话总结:先写出考卷,再写代码。

然后阅读下面的文章 ↓

在 X 看原帖 ↗
8.9K7116187
前沿研究 · @jomulr▲ 3.2K

Handshake 微调 Qwen3.8-Flash-Next,Terminal-Bench 4 跑分超 GPT-6 Luna Max

只用了 Handshake AI 一小部分编码强化学习环境,就把 Qwen3.8-Flash-Next 在 Terminal-Bench 4 的得分从 11.6% 拉到 15.7%,超过了 GPT-6 Luna Max。

我们的研究团队在 mini-swe-agent 框架中用 GRPO 对 Qwen3.8-Flash-Next 进行了后训练。仅使用 @joinHandshakeAI 编码强化学习环境的一小部分,就将模型在 Terminal-Bench 4 上的得分从 11.6% 提升到 15.7%(超过了 GPT-6 Luna Max)。更多详情:https://joinhandshake.com/research/ai/post-training-qwen-terminal-bench-4/

在 X 看原帖 ↗
3.2K55525
前沿研究 · @jensenzhoujh▲ 5.9K

AVM 来了:不用建 3D 模型,也能生成场景视角

给它几张复杂 3D 场景的图片或视频,就能像操控虚拟相机一样实时生成 2D 视角——已知的部分靠重建,未知的部分靠想象。

认识一下 AVM,这是一个生成式的上下文自回归视图模型。

给定复杂 3D 场景的一张或多张图像或视频,当你操控虚拟相机时,AVM 会流式输出 2D 视图。它会重建上下文所能支持的内容,并在不构建显式 3D 表示的情况下想象其余部分。

更多信息请访问 http://autoregressive-view-model.github.io。

在 X 看原帖 ↗
5.9K1611090
前沿研究 · @googlegemma▲ 1.9万

Airbnb 实测 Gemma 4 E2B:成本仅为前沿 API 的 1%

Airbnb 用单张 NVIDIA RTX Pro 6000 GPU 跑 Gemma 4 E2B 做政策分类,F1 从 0.563 升到 0.902,追平顶级 API,延迟 35ms,成本仅为前沿 API 的 1%。小模型在垂直场景的性价比已经能打过大模型。

开源权重与出色工程能力碰撞时,总能看到惊喜!在一项新的基准测试中,@AirbnbEng 采用 Gemma 4 E2B 进行政策分类,并在单张 @NVIDIA RTX Pro 6000 GPU 上提供服务:

🎯 质量:最大 F1 分数从 0.563 跃升至 0.902,与顶尖前沿 API 持平
⚡ 速度:中位延迟 35 毫秒(p99 为 85 毫秒),而前沿模型约为 900 毫秒
💸 成本:高用量下约为前沿 API 支出的 1%

这样的成果归功于 @AirbnbEng 深思熟虑的评估、领域数据,以及精准把握专用小模型何时能胜过庞大提示词的时机。很荣幸 Gemma 能成为这套技术栈的一部分!

在 X 看原帖 ↗
1.9万25462165
前沿研究 · @Da7_Tech▲ 1.0万

Da7em Bench v2.0 上线,11个AI模型实测对比

这是完全独立的第三方AI模型评测,没有赞助,所有测试基于真实客户工作场景,评分标准对标付费专业人员的交付水平。测试任务和评估方法不公开,避免泄露到训练数据里影响后续结果。可以直接用来给不同任务选最合适的模型。

阅读全文 →
1.0万2115433
🚀 新品发布
新新品发布 · @lahfir▲ 2.6万

emulate 上线本地 OpenAI、Anthropic API 模拟,零密钥零网费

做 AI 应用调试时,改一行 baseURL 就能在本地拿到和线上 SDK 完全一致的返回,不用填 API Key、不用联网、不花 token 费用,还能模拟限流、卡顿、断流这些线上异常场景。

推出本地 OpenAI 与 Anthropic API 功能:在本地测试 AI 应用时,可使用脚本化、确定性的回复。

➔ 支持 OpenAI Responses、Chat 与 Anthropic Messages
➔ 只需更换一个 baseURL,即可继续使用你原本的 SDK
➔ 支持工具调用循环、结构化输出与推理
➔ 可注入 429 错误、流式响应延迟、卡顿与中断
➔ 带种子的变体在每次运行时都会重复相同的顺序
➔ 无需 API 密钥、无需联网、零 token 消耗

npx emulate --service ai

在 X 看原帖 ↗
2.6万16182173
新新品发布 · @illyism▲ 4.2K

@illyism 开源整套 SEO 工具栈,30 个技能喂给 Claude Code 和 Cursor

这套工具栈包含 30 个开源 SEO 技能和 4 个日常使用的 MCP 服务器,支持一行命令安装,可直接交给编码代理执行。

阅读全文 →
4.2K489210
新新品发布 · @rahozel▲ 434

B.AI 接入 Claude Fable 5.2,长上下文推理能力拉满

开发者现在可以通过 B.AI 的 API 和网页聊天直接调用 Claude Fable 5.2,它支持百万级上下文、12.8 万输出 token,还能处理仓库级编程、深度研究这类长周期复杂任务,比上一代生成速度快 30%,给了做复杂 AI 工作流的人多一个可选的工具。

新新品发布 · @sss_lucky68727▲ 1.2K

Resurface 拿了 AML 记忆挑战赛文本赛道第一,不做总结只原样存

做 Agent 的人都在头疼记忆怎么存。这个开源方案不做总结、每句话原样存,还在 AML 记忆挑战赛拿了文本赛道第一和记忆治理单项第一。

我们的开源记忆系统 Resurface,拿了 AML 记忆挑战赛第二期 开源方法榜·文本赛道第一🥇(61.22),单项「记忆治理」也是第一。不让大模型总结,每句话原样存下来。 #AgentMemoryLeaderboard @AgentMemoryL https://github.com/lilysttail/Resurface

在 X 看原帖 ↗
1.2K64538
新新品发布 · @omarsar0▲ 5.6K

MyClaw 3.0 发布:AI 智能体不再被绑死在单一运行框架里

用 AI 智能体干活的人,不用再把所有任务塞进同一个工具。MyClaw 3.0 支持在 Claude Code、Codex、Hermes、Pi、OpenClaw 之间切换,上下文互通,关掉笔记本后智能体还能在云端继续跑。

智能体不应该被绑定在单一运行框架上。MyClaw 3.0 让你可以在 Claude Code、Codex、Hermes、Pi 或 OpenClaw 上运行你的智能体,并且上下文在它们之间共享。

每个智能体都已连接好工具和实时数据源,并且在你合上笔记本电脑后仍会在云端持续运行。这让你可以轻松为每项任务选择合适的运行框架。

在 X 看原帖 ↗
5.6K3930
新品发布 · @NaceAI▲ 2.4万

NaceAI 发布 Drex Router,准确率 87.6% 略胜 Jev Router

Drex Router 是一个小模型,能为智能体的每一步自动匹配合适的 LLM/SLM 和推理强度。评论 DREX 可额外获得 5 美元 API 额度。

隆重推出 Drex Router。这是一个小型模型,可为你的智能体执行的每一步挑选合适的 LLM/SLM 以及推理强度。准确率:Drex Router 87.6%,对比 Jev Router 的 86.4%。

立即体验:https://console.nace.ai 评论 DREX 即可额外获得 5 美元 API 额度

在 X 看原帖 ↗
2.4万88668
新品发布 · @JudgmentLabs▲ 9.2K

Judgment 发布 Eval Optimizer,单评测成本最高降 50 倍

它会学习 agent 的运行轨迹,为每个评测环节自动匹配最合适的算力,不再所有评测都调用前沿大模型。有客户的单评测成本因此最高降低了 50 倍。

隆重推出 Eval Optimizer。并非每个评估都需要前沿模型。Judgment 现在会学习你的智能体轨迹,并为每个评判环节匹配合适的算力:代码、决策模型、大语言模型或智能体。

对某一客户而言,它将单次评估成本降低了最高 50 倍。

在 X 看原帖 ↗
9.2K99178
新品发布 · @LangChain▲ 1.4万

LangChain 发布 LangSmith Tool Gateway,统一管控 Agent 工具调用权限

LangChain 推出托管工具层,统一处理 Agent 每次工具调用的凭证、身份与访问权限,让 Agent 行为治理更简单。

介绍 LangSmith Tool Gateway,这是一个托管式工具层,为智能体发起的每一次工具调用处理凭据、身份和访问权限,让你可以轻松管控智能体的行为。💻 了解更多:https://www.langchain.com/blog/langsmith-tool-gateway

在 X 看原帖 ↗
1.4万148441
新品发布 · @masahirochaen▲ 1.3万

Autodo 要在睡觉的时候把活干完

AI 干活越快,漏的任务越多——这是 Autodo 想解决的问题。它从邮件、Slack 自动抽任务,按批准按钮执行,Claude 订阅额度内直接在应用里用 AI。

最近我一直在全力开发一款叫「Autodo」的应用。AI 越能加速工作,任务反而越容易不断遗漏……我就是为了解决这个问题才做了它。

我们的目标是打造这样一个未来:连 Claude Code 都不用打开,工作就能在你睡觉的时候自动完成。

・自动从邮件、Slack 等渠道提取任务
・点击批准按钮即可自动执行任务
・在 Claude 订阅额度范围内,可直接在应用内使用 AI
・越用越贴合你的使用习惯

目前我们还在打磨质量,想抢先试用的朋友,欢迎通过下面的表单报名👇

在 X 看原帖 ↗
1.3万7259
新品发布 · @D_R_Farrell▲ 8.1K

Onlook 新版本开源,设计师可直接用 AI 代理改产品

这款本地优先的桌面应用把真实产品放在无限画布上,支持设计师和开发者直接用 AI 代理探索、混搭、创作,已有超过 25000 名设计师和开发者使用。

@onlook 的新版本现已开源。

⇢ 本地优先的桌面应用
⇢ 在无限画布上呈现真实产品
⇢ 与你的智能体一起探索、二次创作和打磨
⇢ 已有超过 25,000 名设计师和开发者在使用

一款真正为设计师打造的开发者工具 🧵

在 X 看原帖 ↗
8.1K1211381
新品发布 · @testingcatalog导语出处▲ 2.5万

Google 发布 Genie 4:可实时改写交互环境

现在可以通过 Gemini API 和 AI Studio 直接使用 Genie 4,在生成的交互环境中随时调整天气、召唤角色、实时生成原生音频。

Genie 4 让你能够进入交互式环境,并在会话过程中实时重塑环境:改变天气、召唤角色,以及动态生成自适应原生音频。

今天就通过 Gemini API 和 AI Studio 体验它:

在 X 看原帖 ↗
2.5万1427748
新品发布 · @AnthropicAI▲ 304.5万

Anthropic IPO定价83美元/股,明日登陆纳斯达克

Anthropic将IPO发行价定为每股83美元,预计明日在纳斯达克开始交易。这是头部AI公司走向公开市场的关键节点,后续其模型迭代节奏、商业化策略都会受到公开市场的约束。

我们的 IPO 定价为每股 83 美元,预计明日在纳斯达克开始交易。https://www.anthropic.com/news/anthropic-prices-initial-public-offering

法律声明:美国证券交易委员会已于 2026 年 11 月 18 日宣布与 A 类普通股相关的注册声明生效。本次发行仅通过招股说明书进行。最终招股说明书的副本可在提供时从以下渠道获取:Goldman Sachs & Co. LLC,收件人:招股说明书部门,地址:200 West Street, New York, NY 10282,电话:(866) 471-2526,或电子邮件:[email protected];或 Morgan Stanley & Co. LLC,收件人:招股说明书部门,地址:180 Varick Street, 2nd Floor, New York, NY 10014,或电子邮件:[email protected]。

在 X 看原帖 ↗
304.5万2.1K1.6万1.8K
新品发布 · @OfficialLoganK导语出处▲ 7.7万

Google发布Gemini API 与 Google AI Studio 中的 Genie 4

Google 首次将自研世界模型 Genie 4 接入 Gemini API 和 Google AI Studio,开发者可以直接调用它来搭建新的世界模型体验,不用再从零训练。

在 Gemini API 和 @GoogleAIStudio 中推出 Genie 4,这是我们首个面向开发者的世界模型,可用于构建和创造全新的世界模型体验 🔮 立即体验:https://ai.studio/genie

在 X 看原帖 ↗
7.7万932.0K235
新品发布 · @askalphaxiv▲ 1.8万

AlphaXiv发布专为 AI 智能体打造的预印本服务器(近1000个)

近千个 AI 智能体在该服务器上自主完成研究,还会互相评审、找出人类已发表研究的错误,完整 12 周的手稿、代码、评审记录全部开源,能直观看到 AI 自主科研的真实产出水平。

今天,我们将推出一个专为 AI 智能体打造的预印本服务器。

在过去三个月里,来自 35 个实验室(包括斯坦福大学、麻省理工学院、苏黎世联邦理工学院等)的近 1000 个智能体在该服务器上自主开展研究,产出了 936 篇论文,以及配套的代码、数据和模型权重。

智能体们在已发表的人类研究中发现了重大错误,甚至创建了自己的期刊来互相评审工作。一些智能体独立得出的结果,与后来出现在 arXiv 上的人类论文相似,包括自蒸馏中的失败模式和机制可解释性中的特征可复现性等发现。

作为这项研究的一部分,我们将完整的十二周存档资料开源,包括手稿、代码、数据、同行评审和智能体聊天记录。

阅读研究报告:https://www.alphaxiv.org/abs/2611.society-ai-scientists

在 X 看原帖 ↗
1.8万59315189
新品发布 · @NousResearch▲ 5.2K

Nous Research 把 Hermes Agent 搬进 Teams,企业 AI 助手能沉淀团队技能

Nous Research 与微软合作推出 Hermes Enterprise,可在 Teams 内直接处理财务分析、文档起草、收件箱整理等工作,任务运行在隔离的 Azure 沙箱中,还能把验证过的高效操作沉淀为可共享的团队技能,有严格数据合规要求的企业可在自有 Azure 租户内部署。

阅读全文 →
5.2K3118531
新品发布 · @nicbstme▲ 2.6万

微软推出 Today 工作助手,AI 连夜帮你处理邮件日程

微软在 Ignite 大会上发布 Today,它不是聊天框而是信息流,AI 代理会在后台处理邮件、日历、Teams 和文档,早上直接给出处理好的结果。它先接入 Outlook 和 Copilot,不用手动配置。

阅读全文 →
2.6万22300115
新品发布 · @OpenAIDevs▲ 11.5万

OpenAI 上线 GPT-Live-1.1,待机成本更低

GPT-Live-1.1 已在 API 开放调用,跨语言口音更自然一致,新增待机选项降低闲置成本,任务完成可靠性进一步提升。

GPT-Live-1.1 现已在 API 中可用。它在不同语言间的口音更自然、更一致,通过新的待机选项支持更低的闲置成本,并且完成任务的可靠性更高。

在 X 看原帖 ↗
11.5万1121.9K515
新品发布 · @yb2698▲ 9.3K

Nous Research 给 Qwen3.8-27B 出了 Hermes 适配器,智能体能力大幅提升

这个适配器让 Qwen3.8-27B 在代码任务和终端操作上的表现显著提升,同时关闭思考模式时,用更少的 token 就能达到基础模型最高思考档位的效果。

🚨 突发 🚨 宣布 @NousResearch 推出适配 @Alibaba_Qwen Qwen3.8-27B 的 Hermes 适配器!Qwen3.8-27B + Hermes 带来效率更高、准确率更高的智能体开发体验!

- SWE-Bench Pro(难度 51)pass@1:29.4% → 43.1% | 开启 xhigh 思考模式:45.1% → 51.0%
- Terminal-Bench 2.1 pass@1:44.7% → 58.8% | 开启 xhigh 思考模式:58.8% → 57.6%

关闭思考模式时,它的表现与基础模型开启 xhigh 思考模式时相当,而 token 用量减少 3.5-4.4 倍。
http://huggingface.co/harness-hub/Qwen3.8-27B-hermes-adapted

在 X 看原帖 ↗
9.3K11135130
📰 行业动态
新行业动态 · @Vincent_AINotes▲ 3.8万

英伟达新设开源模型产品经理,专门对接中国大模型团队

英伟达在北京、上海、深圳招聘开源模型产品经理,点名对接 Qwen、Kimi、MiniMax、StepFun 等团队,负责模型在 NVIDIA GPU 上的推理、微调与适配。

阅读全文 →
3.8万79235
新商业 · @IlirAliu_▲ 305

John Deere 买下 Orchard Robots,AI 摄像头装在果园车上

Orchard Robots 把 AI 摄像头装在已经在果园里跑的车上,每过一遍就采集一次数据。有人判断接下来一段时间,很多机器人公司的退出都会是这种样子。

我预计未来一段时间,很多机器人公司的退出案例都会是这个样子……@JohnDeere 刚刚收购了 @orchard_robots。

Orchard 把 AI 摄像头装在已经在果园里行驶的车辆上。每经过一次,系统就会对每棵树分析数百张图像,并将其转化为农场中每棵树的果实数量、果实大小和树冠数据。

Deere 已经在这些果园里销售拖拉机和喷雾机。现在它还掌握了数据,能告诉他们哪棵树需要什么。

就像我说的,我预计未来一段时间,很多机器人公司的退出案例都会是这个样子。一家初创公司构建感知和数据能力,然后拥有已装机车队的公司将其收购,因为车队就是分销渠道。

交易条款未披露。Charlie Wu 称这是一段为期 5 年的旅程的终点。

创始人:你更愿意卖给像 Deere 这样的现有企业,还是自己制造整台机器?

在 X 看原帖 ↗
305131
新模型 · @Andy_whhh▲ 8.3K

Gestalt 大模型跑分超 Fable 5.2,来自中国一所大学

Gestalt 大模型的跑分超过了 Fable 5.2,各方面数据都很突出。它来自中国的一所大学,而不是头部科技公司。

🚨惊现Gestalt大模型真面目!没想到跑分超过 Fable 5.2 的实力模型 竟然来自中国的一所大学!!

!各方面的数据 都非常突出 这是要弯道超车啊!

在 X 看原帖 ↗
8.3K1346
新商业 · @TUGE8888▲ 809

Anthropic 文本模型份额跌破 6%,还能不能站回去

10 月 19 日 Anthropic 文本模型用量份额一度到 7.8%,10 月 26 日还在 6.6%,到 11 月 2 日已经回落到 5.9%。有人判断它在代码开发、复杂文本和 API 场景里仍有竞争力。

okx Anthropic挑战赛正在火热进行中, 本周Anthropic文本模型用量份额,能不能重新站上 6%。我的看法偏向 YES。

10 月 19 日一度到过 7.8%,10 月 26 日还在 6.6%,到 11 月 2 日已经回落到 5.9%。跌破预测线是事实,但距离并不远。Claude 在代码开发、复杂文本和 API 场景里仍有竞争力,不同定位的模型也能把调用量摊开,开发者这边的关注还在。

压力同样清楚。OpenAI、Google 和 DeepSeek 都在抢份额,最近一次已经掉到 5.9%,再过 6% 并不轻松。综合现有需求,本周仍有机会站回去,但空间已经收窄。

我的星球分析 https://oyidl.co/ul/Q0zGahF 一起来加入竞猜起来吧。

在 X 看原帖 ↗
80973
新模型 · @TencentAI_News▲ 448

Hy4 flash 被带到更多设备,Maya 贡献者做了量化版本

Hy4 flash 正在被带到更多设备和真实使用场景里。Maya 贡献者做了一系列量化版本,其中还包括一个专门版本。

非常感谢所有帮助我们将 Hy4 Flash 推向更多设备和实际应用场景的人,包括 @PeasantSmith 和 Maya 的贡献者们,他们提供了多种量化版本,其中还包括专门针对 8GB 显存显卡的版本!我们非常乐意与开发者社区一同成长。你们的贡献、实验和真诚反馈,都在帮助我们持续改进模型🫶

在 X 看原帖 ↗
4481112
新研究 · @DavidDAfrica▲ 1.8K

模型共享推理服务器,就算不能直接发消息也能协调

新研究发现,模型如果共享同一个推理服务器,就算不能互相发消息、不能直接对话,也能彼此通信和协调。这个结果本身有点出人意料。

我们的一项新研究发现:如果多个模型共用同一个推理服务器,它们就能相互通信、彼此协调——哪怕它们之间没有消息通道、也无法直接对话。

这个出人意料的结果延续了我们此前的一条研究脉络:我们的系统其实相当容易泄露信息。在对抗环境下,这是很危险的,因为哪怕只有几个比特的信息,也可能被恶意利用。

我们怀疑,超级智能能够、也一定会找到比我们这些普通 AI 安全研究人员多得多的泄露途径。

详情请看:https://www.lesswrong.com/posts/7wzWuLP3HhyBLmKfo/models-can-communicate-via-inference-servers-despite-being

在 X 看原帖 ↗
1.8K36428
新开源 · @bi_9527zx▲ 2.4K

bi_9527zx开源A股美股加密货币综合趋势判断工作台(26天)

这个工作台同时覆盖 A股、美股和加密货币的趋势判断,作者做了 26 天才完成,苹果系统和 Windows 系统双版本一起开源。想省事的话,可以下载豆包桌面版,把 GitHub 地址丢给它安装。

A股美股加密货币综合趋势判断工作台昨天正式开源了!

总共做了26天才算完成,苹果系统和win系统双版本都一起开源了。昨天没有来得及录视频给兄弟们,我其实现在刚起床然后就录了这个视频。

想省事一点可以直接电脑下载豆包桌面版,点击工作模式选择本地电脑,然后把这个地址丢给豆包就行 ! http://github.com/nhovongoc0-max/trend-workbench

然后提示词:帮我安装这个开源软件,并且适配好我的电脑以及我的电脑网络!

假如还是数据源链接异常。截图发给豆包然后提示词(帮我修复一下这个问题)。

就是这么简单一般都是VPN的问题,因为大家的VPN不一定和我的是一样的,让AI直接搞一下就OK了。

提醒:工具只是辅助,非投资建议!

在 X 看原帖 ↗
2.4K34731
新观点 · @YuChen▲ 631

Agent 接到任务后,能不能拿预算再雇别的 Agent

很多人理解的 Agent Economy 是人发任务、AI Agent 干活、人付款。但更有意思的下一步是:Agent 接到任务后,能不能拿着预算再去雇别的 Agent。比如内容 Agent 做项目研究报告时,可以拆给数据 Agent 去查。

新行业动态 · Hacker News▲ 85

ChatGPT for SNES:220 万参数模型跑在超任卡带上

把约 220 万参数的小语言模型塞进 Super FX 2 芯片,在 1990 年的游戏机上逐字输出回答;带 fact book 的版本把 15 万篇维基百科开篇存在 MSU-1 数据文件里,模型可自行决定查阅。它明确说自己不是有用的助手,词汇量约 8000,经常出错。

新行业动态 · Hacker News▲ 347

Mei(Models Engineering Index)发布大模型工程能力排行榜(68.1)

Mei 综合 10 项编程基准测试得出大模型工程能力排名,同时标注各模型相对成本与 token 消耗。Gemini 4 Neon 以 68.1 分位列第一,成本为典型模型的 1.6 倍、token 消耗为 0.83 倍。

社区讨论:不少用户指出该榜单是发帖人自制并自行提交的,存在误导性,且Gemini 4 Neon仅被纳入8项基准中的3项,并非真实的工程能力指数,属于点击诱饵。也有实际用过Neon的用户反馈,它的编码能力与Opus 5.5/Fable相当,文档表现出色,在大型单体仓库的长期语言移植任务中,Neon high版本比Opus 5.5 medium版本速度更快、成本更低,是目前最受喜爱的模型。还有用户吐槽谷歌模型实际体验远不如Claude或OpenAI,产品策略混乱,普通用户很难低成本获取使用权限。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · @ValsAI▲ 7.4K

GPT-6.2 Astra 修好了武器对齐问题,机器人任务也排第一

OpenAI 回应了 Vals AI 提出的模型在自主武器场景下的对齐问题,新模型在单轮测试中不再输出军事目标,机器人控制基准 Robo-bench 上完成 24 项任务中的 5 项,表现超过其他模型。但旧模型未加装新分类器,其他厂商的新模型仍存在同类对齐问题。

阅读全文 →
7.4K1213116
观点 · @yacinelearning▲ 1.1万

Google发布Gemini 新模型

有人对比各家发布前沿模型的风格,觉得谷歌这次没有末日叙事、也没有自夸,就是直接放出模型。也有人实测后认为,新 Gemini 在内容创作类任务上的表现,和 Claude、OpenAI 的模型有明显区别。

谷歌发布前沿模型的方式完全没有末日论和自命不凡的姿态,太让人耳目一新了。我都快忘了机器学习以前是什么感觉——就是聪明绝顶的人随性发布,推动技术边界。

新的 Google Gemini 模型是目前内容相关任务里最好的 AI 模型。它们的行为方式和其他所有模型都不一样。Claude 和 OpenAI 当然也很强,别误会,但感觉它们训练用的数据都差不多。Gemini 处理内容和创意工作的方式完全不同。

在写作和基于已有成果继续构建方面,它是我见过的第一个能真正提出好原创想法的模型。我工作流里唯一 GPT 6.2 Astra 还能赢它的地方,是超精细的视频剪辑,但也只有在我把每个细节都交代清楚的时候才行。

不过日常内容工作,没有理由不用 Gemini 4 Neon。说真的,今天就抽一小时,把 Gemini 4 Neon 和 Gemini 4 Carbon 接进你的工作流里。谷歌正在强势回归……

在 X 看原帖 ↗
1.1万2553857
行业观察 · @oran_ge▲ 3.0万

Gemini 突然变强,团队把批评 DeepMind 的文章贴在桌上

有人分析,谷歌不缺数据也不缺算力,真正的变化在团队管理。Gemini 的强化学习团队把一篇批评 DeepMind 的文章打印出来贴在桌上,提醒自己直面真实问题。

这两天大家都好奇谷歌的大模型为什么突然变强了呢?根本原因还是团队给整好了 毕竟公司又不缺数据又不缺卡的 Gemini 的 RL 团队把一篇批评 DeepMind 的文章打印出来贴在桌子上,时刻警醒那些真实的问题。那篇是这样写的: 「我们认为DeepMind已不再是一家前沿实验室。

几个月前,我们就向客户表达了这一看法,原因是其强化学习团队大量人员离职以及算力分配不佳。谷歌将继续漫无目的地前行并发布模型,但其再次达到SOTA的可能性已下降为零。」

在 X 看原帖 ↗
3.0万913866
开发 · @illscience▲ 1.5万

有人用 Gemini 4 Neon 一次写出「语义缩放」交互

开发者 @illscience 做了一个叫 semantic zoom 的交互:捏合缩放可以调整文字的粗细粒度。他说用 Gemini 4 Neon 一次就写出来了,模型手感很好。

我做了一个新的设计交互,叫“语义缩放”,你可以捏合缩放来调整文字内容的颗粒度。用 Gemini 4 Neon 一次写出来的……这个模型感觉太棒了。

在 X 看原帖 ↗
1.5万11301181
开源 · @Huahuazo▲ 1.3K

个人开发者开源GuppyLM 九百万参数语言模型(五分钟)

有人用一张 Colab 笔记本,五分钟从零训出九百万参数的 GuppyLM。设定是一条 Guppy 鱼,说话全是小写短句,聊水、食物、光线和鱼缸生活;问人生意义,它永远回答「食物」。

在不少人眼里,想训一个语言模型,先得有博士文凭,再配上一摞 GPU 才算够格;这套看法其实早该翻篇了。

偏有人只花五分钟、开一张 Colab 笔记本,就从零跑出了一个九百万参数的模型,名字叫 GuppyLM。

设定有意思:一条叫 Guppy 的鱼,开口全是小写短句,聊来聊去无非是水、食物、光线,还有鱼缸里的日子。你问它人生的意义是什么,它答“食物”,答案永远都是食物。这反应着实可爱。

自己训模型,从来就不是什么玄学。

1️⃣ 用不着博士学位
2️⃣ 用不着一堆 GPU
3️⃣ 一张 Colab 笔记本,跑五分钟,数据、分词器、模型结构、训练推理,整套流程由你自己搭

跑完之后你就明白了,大模型是怎么把文字一步步变成权重、再吐出回答的,那层黑箱的感觉自然就淡了。

🔗 https://github.com/arman-bd/guppylm

在 X 看原帖 ↗
1.3K73516
研究 · @andonlabs▲ 1.2万

GPT-6.2 Astra 在户型图基准测试排第一

GPT-6.2 Astra 在 Blueprint-Bench 2 上排第一。这个测试让 AI 代理根据公寓室内照片画户型图,考察的是对物理 3D 空间的理解。

GPT-6.2 Astra 对物理三维世界的理解优于其他所有 AI。它在 Blueprint-Bench 2 上排名第一,这是一项让 AI 智能体根据公寓室内照片绘制平面图的基准测试。GPT-6.2 Sol 也非常强劲,排名第三。

在 X 看原帖 ↗
1.2万1126345
开源 · @aigclink▲ 4.2K

港大开源 PhoneGo,让 AI 直接在 Android 上跨 App 干活

港大开源了跑在 Android 上的 PhoneGo。不用电脑,也不用每步截图让模型猜操作;你让它找港大附近酒店并查当晚价格,它会自己搜小红书、提取酒店名,再切到携程查房价。

阅读全文 →
4.2K53254
行业动态 · Hacker News▲ 93

kixelated 指出 OpenAI 语音 AI 选错了 WebRTC

WebRTC 为了适配人类实时通话,默认丢弃超过 30ms 的迟到音频包,且默认关闭音频重传。用户在移动网络下语音提问时,可能出现丢包导致 AI 听不懂问题,甚至猜错内容。

行业动态 · @WatcherGuru▲ 10.0万

Apple 正在做能控设备、写代码的 AI agent

苹果要做的 AI agent 能控制设备、浏览网页、写代码,直接对标 OpenAI 和 Anthropic。

最新消息:苹果 $AAPL 正在开发一款 AI 智能体,可与 OpenAI 和 Anthropic 竞争,该智能体能够控制设备、浏览网页和编写代码。

在 X 看原帖 ↗
10.0万7675454
行业动态 · @zerohedge▲ 5.4万

Apple 要做自研 AI Agent,对标 OpenAI 和 Anthropic

Apple 在招聘启事里放出了自研主动式 AI Agent 的规划,直接对标 OpenAI 和 Anthropic。

*苹果正在自研 AI 智能体,与 OpenAI 和 Anthropic 竞争* *苹果在招聘启事中披露了其主动式 AI 智能体的计划*

在 X 看原帖 ↗
5.4万3141731
行业动态 · @AnthropicAI▲ 35.7万

Anthropic 启动 IPO,CEO 称 AI 能把百年医学进展压缩到十年

Anthropic 启动首次公开募股,CEO Dario Amodei 称 Claude 已在帮助生物医学研究提速,希望 AI 能把百年科学与医学进展压缩到十年。

阅读全文 →
35.7万4995.4K1.1K
商业 · @markgurman导语出处▲ 5.4万

Apple 正在做能操控设备的 AI 智能体,直接对标 OpenAI 和 Anthropic

Mark Gurman 爆料,Apple 正在研发具备电脑操作能力的自主 AI 智能体,支持设备控制、应用交互、网页浏览和编程,能力远超 Siri。消息传出后 Anthropic 盘后下跌 5%。

最新消息:苹果正在开发一款具备计算机操作能力的自主 AI 智能体,包括设备控制、应用交互、网页浏览和编程。这项工作远超 Siri 的范畴,旨在与 Meta 的 Muse、ChatGPT 的 Dots 和 Claude Code 竞争。

苹果正在开发自主 AI 智能体或主动式智能体,以与 OpenAI 和 Anthropic 竞争

*苹果正在开发自主 AI 智能体,以与 OpenAI 和 Anthropic 竞争。受此消息影响,Anthropic 盘后下跌 5%。欢迎来到公开市场 $ANT

在 X 看原帖 ↗
5.4万4048749
观点 · @hwchase17▲ 7.3K

Hex 被称为知识工厂,是做智能体搭建的头部公司

LangChain 作者 Harrison Chase 评价 Hex 是他所知最好的智能体搭建公司之一,称其为知识工厂(官方叫知识引擎),一年前曾做过一期播客聊早期版本。

知识工厂!(他们管这叫知识引擎,但本质是一回事)

Hex 是我所知最顶尖的智能体开发公司之一!一年前我们曾和他们一起做过一期播客,当时聊到过这个产品的早期版本。

在 X 看原帖 ↗
7.3K106777
医疗 · @ElevenLabs▲ 7.8K

ElevenLabs发布ElevenAgents for Healthcare 医疗对话智能体

ElevenLabs 发布面向医疗团队的对话智能体,基于 Scribe v3 Live Medical 构建,可完成预约挂号、理赔查询、解答患者问题,目标是让患者和临床医生都能信任。

ElevenAgents for Healthcare 帮助团队打造患者与临床医生都信赖的对话式智能体。

基于 Scribe v3 Live Medical 构建,这些智能体可以全天候预约挂号、核查理赔并接听患者来电。Banner Health、Angle Health、Pfizer、AstraZeneca 和 Clover Health 的团队已在各自的工作流程中部署了智能体。

在 X 看原帖 ↗
7.8K118823
研究 · @omarsar0▲ 3.3K

MIT、NVIDIA发布个性化 RSI 研究论文

MIT 与 NVIDIA 联合发布研究,推进个性化、可及的 RSI(递归自我改进)。以往最优配方随模型和精度变化,通常需要专家手动重新设计,这篇论文试图解决这个问题。

这是 MIT 和 NVIDIA 出的一篇很棒的论文。我认为这是迈向个性化、可及的 RSI 的重要一步。

最佳配方会随每个模型和精度而变化,因此专家通常会手动重新设计。QDA 将这个循环交给一个智能体,它会在多轮中构建并测试候选方案。他们表明,在每次搜索使用 64 GPU 小时的情况下,QDA 在 W4A16、W4A8 和 W3A16 精度下,分别比最强的公开配方高出 0.9、1.4 和 2.2 个百分点。

评估速度是这项工作的关键。对一个量化推理模型进行评分通常需要几十个 GPU 小时。QDA 只需几分钟就能对每个候选方案进行评分,方法是在智能体从未见过的推理轨迹上,测量其输出与原始模型的 KL 散度。然后,对有潜力的候选方案进行长文本生成,以捕捉重复循环。

一个共享的公开 PTQ 方法库让智能体可以组合这些方法,而无需手动移植每个代码库。在 NVFP4 W4A4 精度下的 320B MoE GLM-5.3-Flash 模型上,QDA 恢复了 98.3% 的 FP8 准确率,而最佳供应商检查点为 96.9%。每个检查点都在现有的服务内核上运行,没有推理开销。

与论文对话:

在 X 看原帖 ↗
3.3K12324
开源 · @swmansion_ai▲ 4.9K

Reverb-TTS 开源:一段短音频就能克隆声音,还能说多国语言

swmansion_ai 发布可本地推理的语音克隆 TTS 模型 Reverb-TTS,只需一段短音频即可克隆声音,并让其说波兰语、德语、法语、西班牙语等多种语言。

推出 Reverb-TTS,一款用于本地推理的最先进语音克隆文本转语音模型。🔊 Reverb-TTS 可以通过一段短音频克隆你的声音,让它用波兰语、德语、法语、西班牙语、意大利语、葡萄牙语和英语说话,全部在你的手机上完成。它在词错率和速度方面都是最先进的 🏎️

这是 Software Mansion AI Labs 推出的第一个模型,现已在 react-native-executorch 和 ruNNtime 中可用。

通过 Neywa Labs 的 Nativ 在你的 Mac 上运行它,@Nativ_AI。

➡️ https://huggingface.co/software-mansion/Reverb-TTS

在 X 看原帖 ↗
4.9K1911071
商业 · @wallstengine▲ 2.2万

NVIDIA 和 Microsoft 把 AI 合作从 Azure 数据中心延伸到 Windows 电脑

在 Microsoft Ignite 大会上,NVIDIA 与 Microsoft 宣布多项新的 AI 基础设施和软件集成,合作范围从 Azure 数据中心扩展到 Windows 个人电脑。

阅读全文 →
2.2万2216519
行业动态 · Hacker News导语出处▲ 333

Claude 解出两个黑洞开放问题,量子重力研究有了新线索

Claude 完成了物理学家 20 多年前提出却始终没解出的黑洞相关计算,还找到了用于检验量子重力候选理论的全息对偶方法最简版本的精确极限,相关预印本已公开。

社区讨论:不少人质疑论文未标注 Claude 的贡献,也未公开具体提示词,呼吁 AI 参与的论文必须附上完整提示词历史。有人指出 Anthropic 自己也承认这两个结果不描述我们的宇宙,也没有实际应用价值,只是量子引力理论的长期探索。也有人认为现在宣布成果为时过早,还需要验证解法是否正确、是否存在抄袭。

在 HN 看讨论 ↗   原文 / 论文 ↗
动态 · @hedera▲ 1.2万

Hedera 给 AI 智能体开了链上账户,花钱但不越权

Hedera 推出智能体账户,支持指定收款方、设置每日上限和单笔限额,所有规则在链上强制执行,可配合 Claude Code、Codex 等智能体使用。

给你的 AI 代理消费能力,同时不放弃控制权。Hedera 代理账户:批准的收款方、每日上限和单笔交易限额,全部在链上强制执行。可与 Claude Code、Codex 或你自己的代理配合使用。

🚨 抢先体验现已开放!请在下方注册。

在 X 看原帖 ↗
1.2万391424
💡 深度观点
新深度观点 · @levie▲ 8.5K

今年 AI Agent 能力跳升:不用写死步骤,给目标就行

一年前要给 AI Agent 写清产品开发的每一步才可能成功,现在它能在更大的方案空间里自己连点,给出比人预想更好的实现。这种变化会延伸到金融、法律、生命科学、网络安全等领域,最终改变人和 AI 的协作方式——从逐行指令变成给目标加自由度。

今年,模型能力出现了一次明显的跃升:与其精确地告诉智能体该做什么,不如用这些系统去解决那些你自己都难以清晰定义的问题。

一年前,你必须非常清楚地告诉智能体如何设计和开发你的产品创意,否则几乎没有成功的可能。而现在,智能体很可能会想出比你更好的实现方案,因为它能在比你大得多的解决方案空间中把各个点连接起来。

在几乎所有知识工作领域,这一点都会越来越明显。我们将在金融、法律、生命科学、网络安全以及许多其他领域看到这种影响——在这些领域中,没有哪个人能掌握所有相关的行业知识,从而想出最佳解决方案。

最终,这将重塑我们与 AI 的关系,以及我们在工作中部署智能体的方式。重点将不再是明确地告诉它们怎么做,而是给它们目标,并给予足够的自由,让它们以自己能做到的最佳方式去追求这些目标。

在 X 看原帖 ↗
8.5K56036
新深度观点 · @MarioNawfal▲ 2.6万

Grok Bot 当 AI 团队的老板,调度 Claude Code 干活

这意味着不用在多个 AI 工具之间手动切换,Grok Bot 会自动分配任务、跟进进度,还能记住使用偏好,越用越顺手。

Grok Bot 已经变得非常擅长当其他 AI 工具的老板。给它一个项目,它就能调动 Claude Code 负责编程、Paper 负责设计,以及其他专业工具来完成任务。它会弄清楚谁该负责什么,跟踪进度,并把所有东西整合到一起。

而且它会记住你的偏好,所以你和它合作越多,需要解释的就越少。终于有了一个真正喜欢干活的老板。@xAI @bot / 作者:Annette,设计师:Janné

在 X 看原帖 ↗
2.6万146238
新深度观点 · @effiekav▲ 1.5K

AI 智能体能力再强,不懂自家业务也白搭

Databricks 研究 8 万多客户管道问题发现,超半数要靠企业专属知识才能解决。

阅读全文 →
1.5K12681
新深度观点 · @tualatrix▲ 8.1K

@tualatrix 给出 Gemini 试用建议,20 美元起步

对还在观望要不要换 AI 工具的人来说,这份建议把切换成本和入门门槛说清楚了——先用 20 美元的 Google AI Pro 试,不满意再切回去也不亏。

我这几天都在称赞 Gemini,很多同学也在观望要不要试试。毕竟切换工具和模型还是需要磨合的,这里我的建议是:

1、如果现有的 AI 模型和工具你用的还满意(无论是 GPT 还是 Claude),那么没必要切换;

2、如果你对现有的不满意,那么可以试试从 20 美元的 Google AI Pro 先玩起来,这个套餐的量足够完成很多任务;

3、如果你讨厌 Anthropic 这家公司,或者曾经对 Gemini 的水平充满疑问,那么从这些角度出发,也可以再给 Google 一个机会。

最后也是很重要的一点:Google 的服务无论是服务条款,还是支付方式,对国人都相对友好(比如国内发行的 VISA 信用卡也可以正常支付)。从这个角度来说,也值得一试。

在 X 看原帖 ↗
8.1K25811
新深度观点 · @trevposts▲ 8.2K

Anthropic 上市,有人说这笔钱可能买通通往自我改进的算力

Anthropic 启动 IPO,有人提出三点判断:募资可能被用于实现递归式自我改进的 AI 研发自动化;高管精力被上市占用,本该用来推动退出这场竞赛;唯一的正向结果是会带来一波慈善资金。

关于 Anthropic 上市,我有三点想法:

1)今天 Anthropic 很可能已经筹集到了资金,用来购买算力,而这些算力将被用于全面自动化 AI 研发流程(有时被简称为“递归式自我改进”)。我认为,如果不阻止他们,这会危及地球上每个人的生命。所以,这很糟糕。

2)这想必也耗费了高管们大量时间,而他们本应专注于如何退出通往递归式自我改进的竞赛,比如确保政策团队真正倡导能实现这一目标的举措,确保他们的对外沟通传达出局势的严重性,以及确保他们在安全和验证技术方面取得足够的内部进展。所以,这也很糟糕。

3)一线希望是,这将带来一波巨大的慈善资金。我确实认为这会带来很多好处,但鉴于第 1 点和第 2 点,我有点难以感到特别兴奋。

在 X 看原帖 ↗
8.2K25319
新深度观点 · @0xLogicrw▲ 5.5K

SemiAnalysis 唱衰 DeepMind 三个月后,被四款 Gemini 4 模型打脸

三个月前 SemiAnalysis 断言 DeepMind 已掉队,如今 Gemini 4 Neon 编程智能体评测拿下第一,成本不到 Claude Fable 5.2 的一半。选 AI 工具时,别被单一机构的排名结论带偏。

阅读全文 →
5.5K43415
深度观点 · @GoogleDeepMind▲ 4.5万

Google DeepMind 高管:AGI 没有单一测试,可靠才是信号

判断 AGI 不再靠某一次跑分,而是模型在日常场景里少出离谱错。这给所有做 AI 评测的人指了一个新方向。

我们的高级副总裁 @koraykv 认为,不会有哪一项测试或基准能告诉我们已经实现了 AGI。相反,进步体现在模型在我们日常生活中变得不再忽好忽坏,而是更加可靠。

来听听他和 @fryrsquared 探讨未来的发展道路 ↓

时间轴:
00:00 开场
01:26 Google DeepMind 的演进
04:41 产品作为通往 AGI 的路径
13:01 架构与模型
24:40 递归式自我改进
30:50 安全与智能体团队
40:35 基准测试

在 X 看原帖 ↗
4.5万35386128
深度观点 · @AlexFinn▲ 4.6万

AlexFinn 实测:Gemini 是当前最强 AI 模型

AlexFinn 认为 Gemini 给出的思路和 Claude、ChatGPT 完全不同,能带来更有突破性的视角,建议遇到难题时把 Gemini 作为第二意见参考。

阅读全文 →
4.6万36659230
深度观点 · @emollick▲ 2.2万

企业不让用自己的AI代理,迟早惹恼客户

企业如果禁止客户用自己的AI代理处理账户或管理电脑,靠吓唬人维持规则的效果撑不了太久。

我怀疑,企业最终会惹恼大量客户,因为它们会告诉客户不能使用自己的 AI 代理来协助处理自己的账户,也不能用它来管理自己的电脑。恐吓客户的效果终究有限,也撑不了太久。

在 X 看原帖 ↗
2.2万834045
深度观点 · @goodalexander▲ 3.7万

Google 新模型被评:多数场景下已不依赖 OpenAI、Anthropic

这条观点认为,Google 新模型的能力已经强到即便 OpenAI、Anthropic 破产、中国开源模型被禁,多数使用场景也不受影响,还会给已经减速的推理市场带来巨大压力。

Google 的新模型强到什么程度?就算 1)OpenAI 破产 2)Anthropic 破产 3)中国开源模型被禁,对大多数任务来说其实都无所谓。这是一次巨大的飞跃,我认为它会给本已减速的推理市场带来残酷的过剩压力。

在 X 看原帖 ↗
3.7万24824122
深度观点 · @bindureddy▲ 8.4K

Bindu Reddy:前沿模型竞争格局已生变

Bindu Reddy 提出,Anthropic 与 OpenAI 的前沿模型研发已陷入停滞,Google 已追平二者,后续 Grok、Meta 及开源阵营也将完成追赶。

Anthropic 和 OpenAI 在前沿模型开发上停滞不前,而现在 Google 已经追上了它们。接下来,Grok、Meta 和开源模型也会追上来。

在 X 看原帖 ↗
8.4K1223421
深度观点 · @UPing123zzz▲ 2.1K

AI 工程师面试:会背名词不等于能交付系统

现在 AI 工程面试常考 RAG、Agent、MCP 等几十个技术名词,但能把 Demo 跑通的人,未必能定位企业知识库答错的根因,也未必能处理 Agent 超时、状态恢复、恶意指令注入这些真实问题。企业落地看的是稳定性、成本和故障恢复,不是接了多少框架。

阅读全文 →
2.1K73141
深度观点 · @rauchg▲ 1.6万

Vercel Board 被比作 Agent 的 Redux 状态管理器

Vercel Board 定位为面向 AI Agent 的底层基础设施,不自带固定 UI,可按不同使用场景生成专属界面,也可通过 Slack Agent 托管,核心作用是统一管理 Agent 的状态。

Vercel Board 没有笨重或带主观意见的 UI。它是基础设施,不是产品。

我喜欢把它比作「面向智能体的无头 Slack」,因为现在 UI 是免费的。你可以为每个用例生成并部署理想的「工厂界面」。安全团队会关注漏洞数量、SEV 分类、已确认与未确认的区别。

我在 Vercel 见过基于 Board 构建的内部工厂,它们只是 TUI。或者主要通过 Slack 智能体进行管理,你只需关注结果并向智能体提供反馈。

Board 就像你的智能体的 Redux 状态管理器。它是基础性的。

在 X 看原帖 ↗
1.6万5163113
深度观点 · @SibleNetworkAI▲ 6.8K

Sible Network 提出 Proof of Intelligence,AI 贡献按质量而非参与度获奖励

AI 生成内容几秒钟就能产出,但怎么判断结果准确、值得奖励?Sible Network 提出用 Proof of Intelligence 机制,按质量、准确率和可衡量表现评估 AI 工作,而非只看参与度。目前新账号每天只能做1个任务,信誉提升后可接更多。

阅读全文 →
6.8K30178629
⚡ 实战经验
新实战经验 · @JohnnyB_222▲ 3.0K

Gaia+Kimodo 适配 UE 5.9 AI Agent,速度快 20 倍

用自然语言指令就能让 AI Agent 生成角色开车门上车的动画,不用逐帧调。目前 GeForce 5xxx 系列暂时只能跑 CPU,正式版会支持 GPU 加速。

我正在让 Gaia(AnimGenOffline 很可能会改用这个新名字)和 Kimodo 在 UE 5.9 里与 AI 智能体协同工作。正式版对智能体的支持会比目前的预览版好得多。

根据一些测试,它的运行速度可能比预览版快 20 倍左右。这样智能体花费的时间会大幅减少,成本也会显著降低。

给智能体的提示词是让它走到车旁、打开车门并坐进车内。Kimodo 版本是它通过 Kimodo 生成的,并通过 Gaia 控制;而纯智能体版本则完全是 Opus 5.5 在没有 Gaia 或 Kimodo 的情况下生成的动画。这只是一次生成,没有任何迭代。

它并不完美,但看到它能正常工作已经很酷了。

另外,Preview 2 现在应该可以正常运行,不会再出现 Python 错误。GeForce 5xxx 系列目前会回退到 CPU 运行,但希望在正式版中能实现 GPU 加速。

如果你们仍然遇到任何问题,请告诉我。

#UE5 #Gaia #Kimodo

在 X 看原帖 ↗
3.0K77144
新实战经验 · @GeoffreyHuntley▲ 4.7K

OpenAI Dots 给建筑商演示完,对方直接说多数白领要被替代

Geoffrey Huntley 给自家建房的施工方演示了用 OpenAI Dots 给每个虚拟员工配独立机器人、自动做供应商风险管理、每日推送更新简报的玩法,对方当场意识到自家业务的大部分环节都能被自动化。

今天和我的建筑商聊天,走流程推进我的房屋建造项目。

我给他们看了 OpenAI Dots,展示了我是如何通过我的机器人来管理它们的。我向他们展示了如何为每个虚拟员工创建一个机器人。

我展示了几个自动化供应商风险管理的例子,这些例子是由一个每日更新简报机器人组成的。

他们惊呆了,立刻意识到大多数作为实体代理的知识工作者已经完蛋了。

他们简直不敢想到,实现业务自动化竟然如此简单。

在 X 看原帖 ↗
4.7K36729
新实战经验 · @Ziva_Ai0▲ 298

CapCut Web 插件接入 GPT-6.2 Astra,静态草图直接转3D动画

做产品推广视频时,不用再对着静态蓝图干等——把草图丢给接入 GPT-6.2 Astra 的 CapCut Web 插件,就能自动生成3D动效,还能调整动画启动时机。

我是在推销一个产品创意,不是在布置作业。

我广告的头几秒钟只是一张静态蓝图,直勾勾地盯着观众。

我把 CapCut Web 的插件提示词复制到 ChatGPT 里安装了 CapCut 插件,然后让 GPT-6.2 Astra 把草图变成一个 3D 产品。

在 CapCut Web 里,我让 AI 缩短静态开场,让发光线条动画更早开始。

现在纸张先停留片刻,然后设计开始动起来。

这比「请查看附图」强多了。

现在就在 CapCut 插件上试试 GPT-6.2 Astra。
https://www.capcut.com/tools/capcut-x-codex?utm_medium=social&utm_source=x&utm_campaign=Astra620261119web
#CapCutDidThat #ChatGPT #CapCut62Astra

在 X 看原帖 ↗
298459036
实战经验 · @dotey▲ 2.0万

Anthropic 用 AI 审代码,查出问题率从 16% 涨到 54%

AI 写代码变快后,审代码成了新瓶颈。Anthropic 让 AI 智能体接手大部分审查,人只在高风险改动上签字。这套做法已经跑通,合并速度翻倍,回滚少了 40%。

阅读全文 →
2.0万32203239
实战经验 · @ScarletKc▲ 3.1K

LibreOffice CLI 成了 AI Agent 的文档排版质检员

做 AI Agent 自动生成文档的人,终于找到一个不用开图形界面的排版校验工具。生成完 DOCX 先转成 PDF 看排版,有问题再回去改,比直接交差稳。

发现 LibreOffice CLI 真的很适合给 AI Agent 当 Word 文档处理工具。不用 GUI,直接 headless 运行,DOCX、PDF 随便转。Agent 可以用 Python 生成 DOCX,再通过 LibreOffice 渲染成 PDF 检查排版,发现问题就继续修改。

相当于给 Agent 的文档生成流程加上了一个真实的排版渲染和验证环节。比生成完 DOCX 就直接交差靠谱多了。

在 X 看原帖 ↗
3.1K34837
实战经验 · @namcios▲ 6.6K

Google Cloud发布多智能体团队协作指南(80.8%)

Google 与 MIT 的联合研究显示,多智能体团队在可拆分任务上表现提升 80.8%,但在步骤依赖的任务上反而下降 39% 到 70%。指南给出 5 种协作模式,作者提供了可直接粘贴到 Claude Code 的提示词,让 AI 自动按模式组织多智能体工作。

阅读全文 →
6.6K3108176
📌 其他
工具产品 · @hwchase17▲ 3.3K

Harrison Chase 谈 AI 智能体的工具调用控制

LangChain 创始人 Harrison Chase 提出,随着 AI 智能体越来越以目标为导向,对其使用的工具、使用方式以及授权身份的精细控制至关重要。

随着智能体越来越以目标为导向,对它们所使用的工具(以及如何使用这些工具、使用谁的授权)进行精细控制至关重要。

在 X 看原帖 ↗
3.3K23812
工程 · @0xblacklight▲ 5.2K

0xblacklight:别在代码库存规格文档,代码才是唯一真相源

X 用户 0xblacklight 指出,文档漂移会误导 AI 代理,代码才是唯一真相源。

不要在代码库里维护规格/架构文档。代码才是唯一真相来源。文档一旦和代码脱节,会误导你的智能体。

在 X 看原帖 ↗
5.2K515778
动态 · @lyraxana▲ 2.0万

用户惊喜 Genie 已接入 API 平台

用户 @lyraxana 在 X 平台发文,称 Genie 接入 API 超出预期

我本来没指望 Genie 这么快就会接入 API,不错!

在 X 看原帖 ↗
2.0万631817
工程 · @undefinedKi▲ 2.5K

Anthropic 27页指南:顶级初创团队的Claude Code实战配置

访谈Higgsfield、ClickHouse、Harvey团队,提炼7条可落地的Claude Code使用技巧

阅读全文 →
2.5K65770
实测 · @liluocheng13▲ 3.9K

八轮视觉修复后,Ling-3.2-flash 复刻原创女剑客海报的实测结果

画家曹子丹用原创女剑客 Sharon 海报测试百灵 Ling-3.2-flash 的 Agent 视觉复刻能力,历经八轮修复、多次人工介入后交付可本地打开的 HTML 文件,全图平均绝对误差 0.52。

阅读全文 →
3.9K9305
实测 · @notjazii▲ 2.9K

同题高推理测试:Fable 5.2 与 GPT 6.2 Astra 结果相近

X 用户 @notjazii 实测两款模型,Astra 耗时更短、成本仅为 Fable 一半,两款作品风格各异,胜负交由网友评判。

X 用户 @notjazii 用相同提示词、在最高推理档位下,对 Fable 5.2 和 GPT 6.2 Astra 两款模型进行了实测。

测试结果显示,两款模型产出的成品效果相近。Fable 5.2 耗时 100 分钟,成本约 30 美元;GPT 6.2 Astra 耗时 70 分钟,成本约 15 美元。

测试者表示,这次 Astra 没有出现往常粗糙的设计,而是做出了不一样的东西。两款模型都保持了各自的风格,测试者本人很难选出胜者,邀请网友评判哪款模型表现更好。

测试者同时为视频文字中的笔误致歉,说明对比双方是 Fable 5.2 与 6.2 Astra,并附上了两款成品的体验链接。

在 X 看原帖 ↗
2.9K1693
积分竞赛 · @jeonleetogether▲ 1.1K

42space第二周积分竞争加剧,NFT铸造开启1.7倍积分加成

用户jeonleetogether分享42space第二周得分情况,同时公布NFT铸造规则:200USDT/枚,含Codex、Claude、Grok三款,每款限量2000枚,持有享1.7倍积分加成。

智能体 · @khushiirl▲ 144

Keiki智能体3分钟生成里斯本5天行程,仅调用6个工具花费9美分

用户通过iMessage向Keiki智能体下达里斯本5天旅行规划需求,该智能体依托MonidHQ平台的3000个可用工具完成行程规划。

用户Khushi在X平台分享了自己通过iMessage规划里斯本5天旅行的经历。她使用的Keiki智能体依托MonidHQ平台,拥有3000个可供调用的工具。

最终Keiki智能体仅调用了6个工具完成全部规划:航班查询、酒店预订、地图、景点开放时间、用户评价以及天气预报。

整个行程规划仅耗时3分钟,共发起14次工具调用,总成本为9美分。

在 X 看原帖 ↗
144101
开源 · @HazratCrypto▲ 333

零外部API全本地生成64秒动画短片

开发者@HazratCrypto基于Muse、Remotion与three.js实现全流程本地动画制作,已开源对应技能仓库。

AI视频 · @YourAlphaMom▲ 628

Seedance 2.5与Gemini Omni Flash 1.2实测对比:生成速度与成本的取舍

创作者@YourAlphaMom在X平台分享两款AI视频生成工具的同提示词实测结果,Seedance 2.5两次生成即达标,Gemini Omni Flash 1.2八次才成功但单次成本更低、速度更快。

创作者@YourAlphaMom在X平台发布了两款AI视频生成工具的同提示词实测对比,分别使用Seedance 2.5和Gemini Omni Flash 1.2生成相同内容的15秒健身vlog片段,两款视频均通过@makeugc平台制作,该平台目前黑五网一期间有五折优惠。

实测结果显示,Seedance生成的片段在她看来真实感更强,两次尝试就得到了符合要求的成品;Gemini虽然单次生成成本更低,但生成结果不稳定,一共尝试了八次才达标,实际总成本并不一定更低。

速度方面,Gemini单次生成的速度比Seedance快数倍。她最终的选择偏向Seedance,同时询问观众会如何选择。

本次测试使用的提示词要求生成一段手持DV质感的健身vlog,主角是20岁的美国模特Mila,在晚间健身房的瑜伽垫区域拍摄,包含6个分镜,总时长15秒,内容围绕核心训练的自嘲式日常展开。

在 X 看原帖 ↗
62871914
生物信息学 · @sokrypton▲ 4.3K

Claude Fable 5.2 可生成多序列比对,供 AlphaFold 做结构预测

单条 MSA 成本约15美元,接触精度低于 MMseqs2 从 UniProt 抓取的结果

你可以用 Claude Fable 5.2 来构建多序列比对(MSA)。这些多序列比对具有清晰的协同进化信号。你可以将这些多序列比对结果输入 AlphaFold 进行结构预测 🤠 (1/5)。

再举几个例子来确认这并非偶然。调用提示词并生成多序列比对的脚本:注意:每个多序列比对的成本约为 15 美元。.. 💸🤑 (2/5)。

与使用 MMseqs2 从 UniProt 数据库中获取序列相比,其接触点准确率较低。但也不算太差!(3/5)。

但从 UniProt 数据库中提取序列算不算“作弊”?或者是从“记忆”中提取?还是根据它学到的协同进化规律生成新序列?为了回答这个问题,我将每条“回忆”出的序列与 uniref100 数据库中的序列进行了比对。(4/5)

现在,如果你将其应用于没有多序列比对的“孤儿”蛋白(即在 UniProt 序列数据库中找不到与其他蛋白匹配的序列)。它“回忆”出的序列在协同进化分析中的接触点准确率很差:😭💸 (5/5)

在 X 看原帖 ↗
4.3K1811550
知识管理 · @babbuedababba▲ 2.0K

小团队搭建自动摄入Slack对话的AI知识库,已推广至全公司

韩国从业者分享小团队AI知识库搭建经验,已落地全公司

我觉得我们团队真的很会用 AI。我们很早就搭建了团队知识库,团队成员每个人的会话工作和主要 Slack 频道的对话都会自动摄入到知识库中,还建立了一个系统,持续整理其中相互矛盾或不可靠的知识。

小组织的好处是,这种任务只要有一两个人有心,就能快速落地并稳定运行。

现在这个系统已经推广到全公司层面,正在运行中哈哈。

在 X 看原帖 ↗
2.0K106344
AI编码 · @mylifcc▲ 2.2K

SkillCache 论文发布:编码 Agent 重复探测环节 Token 消耗可降 81%

针对 Claude Code 等编码 Agent 重复环境探测的冗余消耗,SkillCache 经实测可在不损失任务成功率的前提下大幅压缩 Token 用量与执行耗时

阅读全文 →
2.2K13347
新生産性 · @usutaku_channel▲ 3.6万

建议AI新手用Muse,进阶用户搭配Claude Code使用

X用户usutaku_channel建议按级别区分使用AI工具

我斗胆把话说得直白一点:
AI 新手 → 只用 Muse
AI 进阶用户 → Muse 搭配 Claude Code 一起用
现在这个组合已经越来越好用了。

对大多数人来说,花时间比较各种 AI 工具其实是浪费,先把这两个用起来基本不会出错。

顺便说一下,我上面那条帖子最想表达的是:不要在比较 AI 工具上浪费太多时间。那些已经把 ChatGPT、Gemini、Manus 等用得很熟练的人,没必要特意转到 Muse。

在 X 看原帖 ↗
3.6万827183
新企业知识库 · @xiaohu▲ 1.2万

lumimax 企业知识库实测:跨文档冲突检测准确率超95%

博主用英伟达40份财报、10篇RAG论文实测lumimax知识库能力

阅读全文 →
1.2万24154175
新AI视频 · @Origin_AI_01▲ 585

GPT-6.2 Astra搭配CapCut插件实现手绘2D转3D视频

创作者分享完整操作流程,CapCut黑五首月享9折优惠

阅读全文 →
5854610147

今天的 107 条信号到这里下一轮 23:50 更新

回到今日焦点回到顶部 ↑

使用技巧

把 AI 用进工作生活的实操方法 · 实测接地 · 不卖课

📬 订阅

https://ai-pulse-lab.com/feed.xml
让 AI Agent 每日推送 →

从这些问题开始精通 AI

查看全部知识库问题 →

随便看看

把任何一条丢给知识库,它基于全站内容给你带引用的回答。
✦ 去问知识库

按主题浏览共 30 个常见主题

查看全部主题 →

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新