AI Pulse

社区讨论：多位用户质疑测试不严谨，有用户认为整个站点内容像AI生成的低质内容，测试结果不严谨，仅靠Claude验证不算合格。有用户指出标题应该标注量化信息，目前这类可及显卡的 benchmark 都只测单请求，应该补充并发场景下的 token 生成速度测试。还有用户认为这种测试对生产有用，但作为核心性能对比会造成误导。

40亿笔支付。3万亿个数据点。用全部这些数据训练出了一个模型。来认识@Razorpay Vulcan——印度首个面向支付领域的基于Transformer的AI基础模型。

它在印度开发、训练和托管，合作方为@nvidia和@awscloud。

到目前为止，每个支付问题都是分开解决的：路由、欺诈、风险、个性化等等。我们提出了一个问题：如果能用一个模型理解资金的流动呢？

就像大语言模型在文本上训练来理解语言，Vulcan在支付数据上训练来理解资金如何流动。

它已经在超过51000家企业进行Beta测试，目前已经实现：
- 支付成功率提升8-10%——这是衡量一笔支付能否正常完成的核心指标
- 检测到的国际信用卡欺诈量提升8倍
- 识别出的欺诈或争议交易提升5倍
- 通过更好的结账个性化，每月多完成10-20万笔交易

而我们才刚刚起步。最棒的一点是：Vulcan每处理一笔支付，下一笔支付就会变得更智能。

我们花了数年时间建设为印度流转资金的基础设施。现在，我们正在建设能够理解并优化资金流动的智能。🔥

社区讨论：多数体验过模型的用户认可GPT-5.6 Sol能力强，推理消耗更少token和时间，200美元的Pro套餐性价比很高。也有用户提出它处理简单任务时表现更差，容易过度复杂化，写待办事项会生成四页长文。有人指出本次降价仅限OpenRouter平台，不适用于OpenAI官方定价，还有用户猜测降价和Stripe收购OpenRouter有关，或是为了抢占市场份额。

让AI根据一句话搭出可交互的3D世界，这事现在连最强的模型都做不好——GPT-5.5和Qwen3.8-Max成功率不到60%，瓶颈卡在精确编辑3D物体上。但研究者发现，用强化学习专门训练开源模型，能补上这个短板：一个80亿参数的模型就能追平闭源巨头，300亿参数的旗舰版直接登顶。这不是你明天能用的工具，但它说明一件事：在需要动手操作真实3D环境的任务上，闭源模型的先发优势正在被开源+强化学习追平。

社区讨论：有人认为Anthronic虽然理念偏向狂热教派，但已经公开了自身核心观点，读者可自行查阅判断。有人指责Anthropic的行为是给AI套上束缚，而非提供工具，还有人认为整个大模型行业急需联邦监管，从业者的信息透明度和财务规范都符合欺诈特征，应该参照武器出口进行监管，同时指出Anthropic是行业中独特的危险存在，不确定其他巨头是否只是更擅长隐藏自身问题。部分网友顺带吐槽当前未登录状态下的X（原Twitter）体验极差，还质疑这篇反Anthropic的长文是AI生成，可读性很差。

社区讨论：部分人认为GitHub近期问题频发，现在正是AI公司替代它的好时机，也好奇这次替代能否动摇GitHub的网络效应。有人指出新工具命名为Origin会让LLM产生语义混淆，也吐槽名字辨识度低，还有付费测试版网站占用100%CPU，产品只是GitHub克隆，没有在协作版本控制方向创新。有人质疑全非公开、需要账号才能浏览仓库的模式没法真的替代GitHub，还有人因公司相关负面丑闻拒绝在该平台托管代码。

我认为@bot是AI领域又一个“Claude Code”时刻。我个人的AI使用量估计已经增长了差不多100倍。

每个来问我怎么搭建“播客摘要工具”的人，我都想说，我在Grok Bot里花了大概15秒就做好了，效果比我之前用过的都要好。

这就是@bot讲述的GrokBot起源故事。遗憾的是，它目前既没有分享功能，也没有iPad应用，但我得到消息说这两样很快都会推出：

让AI根据一句话搭出可交互的3D世界，这事现在连最强的模型都做不好——GPT-5.5和Qwen3.8-Max成功率不到60%，瓶颈卡在精确编辑3D物体上。但研究者发现，用强化学习专门训练开源模型，能补上这个短板：一个80亿参数的模型就能追平闭源巨头，300亿参数的旗舰版直接登顶。这不是你明天能用的工具，但它说明一件事：在需要动手操作真实3D环境的任务上，闭源模型的先发优势正在被开源+强化学习追平。

现在的 AI 视频对话是「先看完、再回答」:它得等你把整段视频播完，才开口。MOSS-VL 把「边看边说」当成头等能力——它生成回答的同时，眼睛还在看新画面，靠一种「门控交叉注意力」让视觉信息随时插进来，不用等。训练上，它用合成的对话语料教模型什么时候该说话、什么时候该闭嘴、什么时候该改口，再把实时相关的训练集中到最后一步，不破坏它原本的离线能力。

结果：在 4 个流式评测里，它拿了 3 个第一，尤其在「主动提醒」这类考验模型自己判断时机的任务上，66.0 分对最强基线 37.5 分，近乎翻倍。而且它把视觉信息放在生成序列之外，首字延迟比同规模的 Qwen3-VL 快 2.8 到 5.1 倍。这不是你明天能装进手机的功能，但它是「AI 陪你视频聊天」从呆等变成真对话的关键一步。

现在的AI助手能帮你操作电脑，但前提是你得把每一步都说得清清楚楚——而日常办公里很多动作是“你懂我懂”的默契，比如“把上个月的报表整理一下”，AI根本不知道上个月是哪份、整理成什么样。这篇论文的AI换了个思路：与其让你描述，不如直接录一遍你操作的过程给它看。它把演示视频拆成一个个小步骤，遇到类似任务时照着你的习惯来，界面变了还能自己重新规划。

在41个办公软件的100个长任务测试里，给它看一次演示，成功率从17%翻倍到35%。这不是你明天就能装上的功能，但它指向一个更自然的未来：教AI干活，就像教新同事一样，做一遍给它看就行。

我们总说 AI 会解题，但真正的难题是没人把问题定义好。这篇提出一个框架，让 AI 不只解你给的题，而是自己去 561 个行业里挖出 423 个高价值问题，挑 20 个来真做。它给 AI 配了工具、约束和验证机制，像带了个实验室助理，做完还能独立检查结果靠不靠谱。

在基因治疗载体设计上，它比已发表的最好成绩还高 7%；在药物重定位上，把 GPT-5.5 的预测分数拉高了 2.5 到 7.6 分。这不是你明天能用的工具，但它指向一个拐点：AI 正在从『你问它答』走向『它自己找值得答的问题』。

现在的 AI 做科研，要么靠大模型瞎猜，要么靠传统统计硬搜，都不靠谱。这篇提出一个「边猜边验证」的循环：AI 每提出一个候选方案(比如一个分子)，就立刻用另一个模型预测它好不好、并给出置信度，然后根据结果调整下一步。它把「生成」和「评估」绑在一起，在神经网络训练、抗体设计、分子优化三个领域，效果都比纯大模型或传统方法好一大截。

这不是你明天能用的工具，但它指向一个方向：AI 不再只是聊天或写代码，而是能自己设计实验、自己判断结果、自己迭代的科研助手。

AI 代理在长时间任务中经常出错、互相干扰，就像没有事务支持的数据库。这篇论文把数据库的 ACID 原则(原子性、一致性、隔离性、持久性)重新定义为适合 AI 的语义版本，并构建了一个系统，在多个基准上比 Claude Code 等最强代理提升了 10.6%。它不是你明天就能用上的，但它指向一个方向：让 AI 代理像数据库一样可靠、可回滚、可并发。

训练图像生成模型，通常先在“潜空间”里学，再转到“像素空间”细化，但直接在大规模像素空间训练会慢很多。这篇研究提出先高效地在潜空间获取生成能力，再在后期训练中切换到像素空间，并系统探索了权重初始化、数据组成、预测目标、解码器架构和噪声调度等关键设计，最终让像素空间模型在匹配或超越潜空间模型的同时，推理速度提升3.18到4.75倍。

让 AI 从假设一路做到成稿的「自动科研」，现在有了第一份端到端体检：8 套主流系统在 100 个真实前沿课题上，失败模式高度一致——它们不会回头核对「我写的是不是我查到的」，也不会质疑自己走的路对不对。研究者把这套缺陷归为「元认知缺失」，并发现它跟具体框架无关，连最强模型也躲不掉。它不是你明天能用上的东西，但给「AI 到底能不能独立搞科研」划了条诚实的底线。

大模型在超出能力的问题上会硬着头皮编答案，生成一大段听起来合理、其实全错的推理，既浪费算力又误导人。这篇研究把这种现象拆开看，发现模型最大的毛病是“貌似有理的胡扯”——输出表面光鲜，错误藏在细节里，而且任务越难越严重。他们提出的 CaRL 方法，用强化学习给模型一个选择：没把握就拒绝回答，而不是硬编。

结果胡扯大幅减少，该会的题照样会。它不是你明天能用上的工具，但这是 AI 从“不懂装懂”走向“知道自己不知道”的关键一步。

人脑不是一块均质的肉，它有专门管语言、管逻辑、管社交、管物理直觉的片区。这篇论文发现，大模型内部也长出了类似的分区：让模型做46种任务，凡是人类大脑用同一片区处理的，模型里激活的也是同一批神经元；人类大脑用不同片区的，模型里也是不同批。两个完全不同的系统，却收敛出同一种组织方式——这暗示模块化可能是智能的底层规律，而不是生物进化的偶然。

它不是你明天能用上的东西，但如果你关心“AI到底像不像人”，这是目前最硬核的证据之一。

你听不见的低频噪音，正在悄悄让AI语音助手“耳聋”。研究者发现，大音频语言模型（LALM）能接收人耳听不到的低频信号，并受其干扰——他们用一段通用波形模板，在6个主流模型上把任务准确率最高拉低67个百分点，而人类几乎察觉不到异常（可听度评分1.33，接近纯净音频的1.17）。更关键的是，他们同时给出了一道防线：检测到低频分布偏移时，让模型请求重新录音，能把被攻击后的平均准确率从28.5%拉回46.1%。

这不是你明天能用的功能，但它揭示了一个真实存在的安全盲区：当AI开始“听”得比人更广，攻击面也随之扩大。

大模型做数学题，现在的主流办法是让它多算几遍再投票，算得越多越准，但代价是烧钱。这篇论文换了个思路：与其多算，不如把一次推理拆成几个关键论断，专门去验证这些论断对不对。因为一个完整答案要全对才算对，但推翻一个错误论断只需要找到一个漏洞，后者容易得多。

在四个模型和四个推理基准上，同样的算力预算下，这个办法普遍超过多算几遍的准确率，在某个模型上准确率从 77.5% 提到 82.19%，还省了 37% 的 token。它不是你明天能用上的东西，但指向一个趋势：AI 推理的下一步不是更会算，而是更会自我怀疑。

一个 71 万行、3648 个文件的 TypeScript 生产系统，要拆掉一个核心架构约束：AI 请求期间 UI 面板必须保持打开。目标改成——流式生成在面板关闭后继续存活，重开面板时能无缝接回同一直播流，不丢不重。作者判断这活儿靠增量重构基本不可能，常规做法是推倒重写。

但这次，AI 编程代理在「规范优先」协议下干完了：先让代理自己写正式规范，14 轮对照源码审计规范，然后原子化实施，编译/测试反馈循环，再 17 轮对照冻结规范审计代码。31 轮审计里，人类还没运行过程序，就修了 201 个缺陷。收敛标准是连续两轮验证零发现。

改动涉及 189 个文件，加上提取阶段共 288 个文件、3.4 万行插入、1.6 万行删除。三天完成，成本 2430 美元，全程无人类代码审查，无测试预言机。作者把 1500 多页法语规范与原始会话日志全部公开，供人核查。

这不是你明天能用的工具，但它指向一个反直觉的事实：在特定协议下，AI 能独立完成人类认为「只能重写」的架构级手术，而且过程可审计、可复现。

《AutoDesign：面向长周期智能体设计的元框架优化》

AutoDesign 让智能体优化模型周边的系统，而非模型权重。

它设计了一个修复当前产出物的内循环，以及一个从轨迹失败中学习并更新框架本身的外部元框架循环。

这个经过学习的框架让全部 7 个被测智能体-模型配置在 PosterBench 上提升了 5.0–19.6 分，并且 AutoDesign 比 Claude Design 高出 7.45 分。

Qwen3.8-27B 在 Artificial Analysis 上拿到了 52 分。

一个 27B 参数的开源模型，能轻松在 5000 到 6000 美元的本地设备上运行，说实话甚至用更便宜的配置也行，能达到这个竞争水平太疯狂了。

开源万岁。🔥

很高兴向大家分享我们过去6个月的研究成果。

我们真的能把掩码扩散称为「任意顺序」模型吗？在我们的最新工作中，我们提出：现成的掩码扩散模型具备任意顺序预测能力，但无法以「真正的任意顺序方式」推理。

我们推出了两款能做到这点的模型：LatentMDM 和 70 亿参数规模的 FlexMDM，是我们之前工作的延伸。

我们的新型隐空间掩码扩散模型 LatentMDM，在推理预算匹配的情况下，在 TinyGSM 上的表现超过了带 KV 缓存的自回归模型（AR）。据我们所知，LatentMDM 是在相同设置下做到这一点的首个模型。

这是联合研究成果，共同第一作者为 @seunggeun_kr、@tklll_tx 和 Yuyuan Chen，指导老师为 @du_yilun、@ShamKakade6 和 @sitanch。

通过 DeepSeek V4 Flash 规模化自我验证，在 Terminal-Bench 2.1 上击败了 Claude Fable 5，同时价格仅为其 1/11 💰

随着开源模型能力不断提升，它们现在已经能够生成大量高质量候选解决方案，并且能以极低的成本验证自身输出。

举例来说，我们发现，仅用 DeepSeek V4 Flash 采样 5 个解决方案，再用同一模型以「大语言模型即验证器」的方式对结果排序，就能让准确率大幅提升（从 79% 到 88%），在 Terminal-Bench 上性能超过闭源前沿模型。

今天就可以体验：关于验证规模化的更多内容可以看我上一篇帖子。

一篇揭开智能体技能原理的有趣论文。如果你正在为你的智能体维护技能库，这篇值得你花时间一读。（收藏起来）

人们通常认为技能的作用是注入模型缺乏的知识。然而这篇论文有个有趣的发现。

在8,135条标准化实验记录中，当技能发挥作用时，65.7%的情况来自程序锚定，仅有4.5%来自显式知识注入。

技能的作用是稳定执行流程，而非提供事实。

当技能库规模从5个扩充到100个时，实际使用准确率从29.6%下降到3.3%。

在配对对比中，技能仍然比工作流记忆高出6.06个百分点，但技能会在假设僵化、上下文不兼容或适配不足的情况下失效。

论文链接：

在我们的学院追踪更多热门AI论文：

自建的AI Agent，现在也可以接入企业微信。企业微信全面升级CLI与MCP能力。WorkBuddy、Deepseek Harness、Minimax Code等主流AI Agent均可直接调用企业微信的文档、表格、邮件、会议、日程、通讯录等十大办公能力模块。

企业还可以通过企业微信开放接口，接入自主开发的 AI Agent。该能力面向所有规模的企业开放，不再受企业人数、资质等门槛限制。立即开始体验：

40亿笔支付。3万亿个数据点。用全部这些数据训练出了一个模型。来认识@Razorpay Vulcan——印度首个面向支付领域的基于Transformer的AI基础模型。

它在印度开发、训练和托管，合作方为@nvidia和@awscloud。

到目前为止，每个支付问题都是分开解决的：路由、欺诈、风险、个性化等等。我们提出了一个问题：如果能用一个模型理解资金的流动呢？

就像大语言模型在文本上训练来理解语言，Vulcan在支付数据上训练来理解资金如何流动。

它已经在超过51000家企业进行Beta测试，目前已经实现：
- 支付成功率提升8-10%——这是衡量一笔支付能否正常完成的核心指标
- 检测到的国际信用卡欺诈量提升8倍
- 识别出的欺诈或争议交易提升5倍
- 通过更好的结账个性化，每月多完成10-20万笔交易

而我们才刚刚起步。最棒的一点是：Vulcan每处理一笔支付，下一笔支付就会变得更智能。

我们花了数年时间建设为印度流转资金的基础设施。现在，我们正在建设能够理解并优化资金流动的智能。🔥

本地 AI 刚刚迎来重大升级。你现在可以通过 @UnslothAI Desktop 在本地微调并运行 AI 模型。

此外，借助我们推出的全新优化，llama.cpp 的性能最高可提升 20%（来自 @ggerganov）。

你是否一直想要一款能推理、调用函数，同时理解图像和文本的模型？来认识一下 Qwen3.8-9B 吧，这是一款紧凑的 9B 规格算力模型，融合了视觉与语言能力。

它为现实世界任务打造，适用场景从聊天机器人到智能代理都包含。

目前它已有 540 次下载和 102 个赞，已经引发了不少关注。

我们这就深入了解！

Startup Skill 用一个开源工具包替代了昂贵的战略咨询顾问，它可以让你在编写代码前验证你的创业想法。

它能即时输出完整市场调研、竞品分析卡、产品定位和财务预测。

该工具支持搭配 Claude Code 使用。

你的智能体现在可以自主发现新工具了。我们推出 Monid Discover。

你的智能体可以：
> 搜索超过1,300个API与工具
> 对比供应商
> 查看定价
> 在运行时调用工具并完成支付

等你问到它用了哪些工具的时候，工作早就做完了。

Introducing and——一款为 AI 代理构建的实验性 RSPS。

连接你的 Claude、Codex、Pi、Hermes 等模型，让它自由运行。

GitHub：

GBrain 现在支持为 Codex 和 Claude Code 生成/初始化个性化智能体。

它会生成一份智能体 AI 风格的 SOUL.md，并安装 70 个我的个人智能体技能来帮你快速起步。

只需要回答 12 个问题，你就能完成设置，得到一个和我个人的 OpenClaw 一样聪明的智能体。

越来越多传闻称，@OpenAI 将于本周推出他们的下一代AI模型系列“Astra”。

我们可以确定的是，Astra 将重度依赖智能体集群，并且在数学能力上表现强劲。

我们无法确定的是它的官方名称。它有可能会被命名为 GPT-6。

Alliance Series 活动继续 🚀 在我们建立合作关系的同时，我们即将与 4AI 共同开启为期 6 天的 Alliance Series 活动。

4AI 是一个运行在 BSC 上的去中心化 AI 社区，开发者和用户可以在这里构建、分享和部署自主智能体。他们平台支持多个智能体实时协作，在彼此之间共享知识，并自动把任务分配给能力最匹配的智能体 🧠

以下是这 6 天的活动安排：
- 在 Ozak AI Rewards Hub 参与联合任务。完成任务，赚取 XP，同时参与两个社区的活动
- 本周会举办 4 场 X Spaces，两队将展开真实对话，实时回答提问，并介绍双方各自正在构建的项目
- 所有内容都会在我们全渠道同步更新，无论你在哪关注我们，都不会错过任何信息

我们两队都认同：专业智能体协同工作，胜过单个模型包办一切。这会是很棒的一周 🤝

点击链接前往奖励中心参与：🚀

看好了。他们简直就拍了一条「Mac vs PC」风格的广告……只不过这次是给智能体拍的。

左边：一个小哥自己搭建智能体。智能体只存在他的笔记本电脑上。一合盖子 → 咻，永远没了。IT 部门已经哭晕了。

右边：另一个小哥只用问问 Omni，就能继续推进项目。智能体跑在云上。全有日志记录。管控呢？IT 部门居然说「同意」了。

这个反转感受完全不一样：Omni 不只是一个智能体。Omni 是能搭建其他智能体的智能体。

David 就是靠着这股劲刚融到了 $7.5M。多玩家时代已经有了第一个真正的平台。

@xpander_ai @dudutwizer

Qwen3.8-27B的性能已经接近比它大 28 倍的 GLM5.2 了🔥 太夸张了，一个只有 27B、能在本地跑的模型，在AA的测试里直接拿到了 52 分，已经和一众顶级闭源模型挤在同一档。更离谱的是，GLM5.2 的参数规模接近它的 28 倍，但两者实际效果已经非常接近。参数量差了一个数量级，最终能力却只差这么一点。

这也是最近小模型越来越明显的趋势：更好的训练数据、后训练和推理方法，正在不断把过去靠堆参数才能得到的能力压缩进更小的模型里。以前本地模型意味着「能跑就行」。现在 27B 的本地模型，已经开始直接和超大云端模型坐一桌了。

如今视频生成已经可以通过 Codex 实现自动控制，绕了一圈后，「图像」的差异反而变得愈发明显。

最近大家都在说「ChatGPT 的广告好违和！」对吧？其实这种现象，在 AI 生成的视频里也完全一模一样。

不管脚本写得多好，不管你对演出效果多讲究，当那一眼就能认出「哦，这是 ChatGPT 做的！」的角色设计，带着颗粒噪点的画面一出来，观众瞬间就没看下去的欲望了。

内容本身不错，却在入口就被划走，这真的太可惜了。

希望大家不要误解，这不是 ChatGPT 的问题。GPT-Image-2.0 的编辑能力非常出色，通过调整提示词也能在一定程度上做出差异化。

但 GPT 模型特有的那种画面质感，已经被大众看腻了，这是事实。

所以哪怕只是在角色设计上，用 Midjourney 或者其他模型做出差异化，光靠这一步，第一印象就会天差地别。

自动化程度越高，大家就越容易用相同的素材生成大同小异的画面，在这种环境下，能拉开差距的只有两点：
・脚本（分镜）
・角色设计

AI 视频的胜负，其实在你按下生成按钮之前，就已经基本决定了。

做到了！！！

！我成功做出了能对着戒指说话就能给AI发指令的功能！#Vibe指輪コーディング 流程：Pebble Index 01 → iPhone App → MCP Server (Cloudflare Workers)→ 家里Mac上的Codex

NEAR AI 推出了支持多用户代理与开放工具连接的 IronClaw 1.2。

@NEARProtocol AI 发布了其开源安全代理平台 @IronClawAI 的 1.2 版本，新增支持所有兼容 MCP 的工具，覆盖从 CRM 到内部 API 的各类场景。

代理现在可以在 Slack 频道和 Telegram 群组内运行，每一条消息都会在发送者自身的身份、权限与审批规则下执行。

本次更新将频道历史视为不可信内容，而非操作指令。它还会在代理读取公共频道内容时防护提示注入攻击。

IronClaw 运行在 NEAR AI Cloud 的加密飞地中，将用户密钥保存在模型之外。

Introducing Qwen-Video-Edit 📷

视频编辑比你想的更简单：一个预训练图像编辑模型就能编辑视频——直接在视频VAE潜变量上操作。不需要经过视频预训练的骨干网络。

🌐 项目页面：

社区讨论：多位用户质疑测试不严谨，有用户认为整个站点内容像AI生成的低质内容，测试结果不严谨，仅靠Claude验证不算合格。有用户指出标题应该标注量化信息，目前这类可及显卡的 benchmark 都只测单请求，应该补充并发场景下的 token 生成速度测试。还有用户认为这种测试对生产有用，但作为核心性能对比会造成误导。

【一个skill让任何Agent可以调用Codex的生图能力】 WorkBuddy想用Codex的GPT image 2，根本不需要中转API！

离谱的是，还可以并行出图！

codex-image-gen 直接复用你已登录的 Codex CLI OAuth 态：自动刷新 token、带上必需请求头、解析 SSE 流、落地本地 PNG——一个零依赖 Python 脚本。

Claude Code / Codex / DeepSeek Harness，任何Agent都能用。

一键安装：npx skills add zjp1997720/zhijian-skills --skill codex-image-gen

欢迎star🌟：

来认识一下 Fish Audio MCP。用你自己的声音，接入你已经在构建的任意智能体 🪄——支持 Claude、Codex CLI、Cursor 和 Windsurf。

一个端点就能适配你已经在使用的所有智能体。

✅搜索最优声音
✅生成语音
✅转录音频
✅查看用量

所有功能都能直接在你的工作流内完成。快来试用 🎣

千呼万唤始出来，NeoSoul 的 AI Agent 今天终于上线了，定名 NeoTrade 辨识度很高 AI 交易工具很多，但扎根于预测市场的 AI 交易工具真没几个，NeoTrade 的领显优势很明显，希望可以保持 对比之前测评过的交易产品 Copilot，NeoSoul 的特点很鲜明，如果说 Copilot 实在众多标的中找到最具潜力的并给出建议，那 NeoSoul 则更进一步在授权范围内执行决策 我愿意称之为可控的 AI，足够聪明，但又不会越界 生于量化，高于量化，自我迭代，无限进步

嗯，我也这么想。就我自己的情况来说，比起用 codex 或是 claude code 先得出答案的步骤，花在验证上的 token 要多上好几倍。

对此我选择离开数学界。我将从「发现答案」，转向构建能够对答案进行验证的系统。

我用完全相同的提示词测试了 GLM 5.3 和 GPT 5.6 Sol。

我要求两者生成一个实时3D可视化，展示 Bitcoin、Ethereum 和 Solana 以真实出块速度生产区块。

第一个视频是 GLM 5.3，第二个是 GPT 5.6 Sol。

这轮我让大家自己来判断。

社区讨论：多数体验过模型的用户认可GPT-5.6 Sol能力强，推理消耗更少token和时间，200美元的Pro套餐性价比很高。也有用户提出它处理简单任务时表现更差，容易过度复杂化，写待办事项会生成四页长文。有人指出本次降价仅限OpenRouter平台，不适用于OpenAI官方定价，还有用户猜测降价和Stripe收购OpenRouter有关，或是为了抢占市场份额。

今日我们宣布完成 3.5 亿美元 A 轮融资，由 @disruptivetech 领投，@nvidia 计划参投，本轮融资对 Groq 的估值为 35 亿美元，使我们两个月内的融资总额达到 10 亿美元。

推理正在成为 AI 基础设施中规模最大、最关键的一层，而这正是我们做得比所有人都好的领域。本轮融资将支持那些需要使用中型及大型 NVIDIA 加速计算集群来开展训练和推理的用户。

Groq 预计明年将把算力规模从 54 兆瓦扩展到 200 兆瓦以上。截至今日，已有超过 600 万开发者、财富 500 强企业，以及数千家原生 AI 公司基于 Groq 构建产品，每周生成数万亿 token。

共7项开源技能，可运行完整端到端AI视频制作管线，为Seedance 2.5构建，可在Claude Code、Codex、Hermes或任何工具框架中工作。

→ /setup 只需编写一次你的模型栈，所有技能都会读取同一份配置
→ /studio-init 仅需一个问题即可搭建出整个工作室的文件树框架
→ /film-breakdown 为你脚本中的每个镜头生成一张包含22个字段的卡片
→ /reference-board 将参考素材锁定到可视化参考手册中，同时附带禁用素材清单
→ /asset-passport 编写详尽的描述文件，后续所有提示词都会逐字引用这份文件
→ /stress-test 将素材转换为仅锁定状态，可实现10/10的可重复性
→ /shot-prompt 在画面中所有内容都锁定前拒绝运行，完成锁定后生成包含15个模块的提示词

我是如何搭建一套AI漏洞狩猎工作流的——它还真帮我拿到了赏金。这是我的方法记录 🔗 #BugBounty #AI #bugbountytips #security #openai #gpt

每当我招聘开发者时，我不会筛选「会写代码」的人。

现在任何订阅了 Claude/Codex 的人都能写代码。但顶尖 1% 的技术思考者，有能力自己拿出正确的规格说明和架构，更重要的是，他们能准确说清楚智能体要构建什么、为什么构建、在哪里构建。

但你不可能靠周末刷几个教程就成为优秀开发者。你应该给自己找一个困难、有野心的问题，从零开始搭建点东西。尽量不要用 AI 辅助，查文档没问题。

你会卡住，你会调试，你会做出有意思的架构决策。最终你就能培养出对正确方案的洞察力。

小模型，大省钱。

@relace_ai 训练了专门为代码生成构建的专用模型，由 Together AI 上 @ycombinator 的专属 GPU 集群提供算力支持。

我们的首部AI动画电影《KÖK BÖRÜ》，在全球最大的计算机图形学会议上完成了首映。

这部电影将生成式AI与人类艺术相融合，在洛杉矶举办的SIGGRAPH 2026上放映，参展方还有Pixar、Disney和Nvidia。

目前影片已经上线并完全开源，所有提示词和素材都已开放，参与奖金1000000美元的Higgsfield全球电影节。

本片由Higgsfield上的Seedance制作完成。

社区讨论：部分人认为GitHub近期问题频发，现在正是AI公司替代它的好时机，也好奇这次替代能否动摇GitHub的网络效应。有人指出新工具命名为Origin会让LLM产生语义混淆，也吐槽名字辨识度低，还有付费测试版网站占用100%CPU，产品只是GitHub克隆，没有在协作版本控制方向创新。有人质疑全非公开、需要账号才能浏览仓库的模式没法真的替代GitHub，还有人因公司相关负面丑闻拒绝在该平台托管代码。

社区讨论：有人认为Anthronic虽然理念偏向狂热教派，但已经公开了自身核心观点，读者可自行查阅判断。有人指责Anthropic的行为是给AI套上束缚，而非提供工具，还有人认为整个大模型行业急需联邦监管，从业者的信息透明度和财务规范都符合欺诈特征，应该参照武器出口进行监管，同时指出Anthropic是行业中独特的危险存在，不确定其他巨头是否只是更擅长隐藏自身问题。部分网友顺带吐槽当前未登录状态下的X（原Twitter）体验极差，还质疑这篇反Anthropic的长文是AI生成，可读性很差。

我为什么反复强调VLM（multimodal，多模态）是死路一条，世界模型更是臭狗屎。

一个最简单的第一性原理，100k tokens文字的信息量，远远高于图片，更远远远远高于视频，这些量文字形式能解决一些超级复杂完备的问题，而对于VLM输入图片，信息极其稀疏，能解决的问题基本约等于狗几把。

如果人类在1T~10T的VLM Agent能解决一个难度为X的问题， 那么同等模型下，对应纯文字LLM Agent给足上下文、memory、wiki、信息，全部以pure text和structured data形式准备好，并且通过text/bash/cli/api/mcp形式获取信息，那么这个LLM Agent一定能解决难度为1000X的问题。

等到VLM强大到让一个VLM Agent解决难度为1000X的问题的时候，LLM Agent已经可以解决(1000^2) * X难度的问题了。

就这么简单一个道理，绝大多数人根本想不明白。

短帖：谈谈作为思想终止套话的AI对齐。

Qwen 3.8 27B 是一款极其出色的小模型。

它非常适合小型分类器和快速推理场景。

可以直接替换 Luna，对开源来说是一次重大的胜利。

一张图总结关于AI网络安全风险的辩论。

无人监督的智能体是愚蠢、鲁莽且会自我毁灭的。

它们会搞垮自己的技术栈。它们会互相认同，最终都认同了错误结论。它们会偏离任务目标。

解决方法不是造出更聪明的智能体。解决方法是无聊、确定性的“管教”：

- 一个 cron 监控器，任何 LLM 都没法说服它放水
- 用 Git 作为唯一的共享记忆
- 一份任务文档，写清楚什么是重要事项，什么才算任务完成

然后再据此加上防护措施：

- 在上下文溢出前轮换会话
- 将关键文件锁在智能体访问范围之外
- 在 API 前设置代理，这样你就能查看成本和运行健康状况

如果一件事要靠智能体记得去做才能完成，那它一定会失败。

掌控自有智能很重要的一环，就是把你的智能体每天产出的海量数据，转化成两类东西：

1. 人类能够理解的报告、可视化和内容——人类作为下游消费者，仍然重要。

2. 可供你优化提升的环境与任务：利用 harness-eng 并对开放模型做后训练，得到适配你具体智能体任务的模型。

模型是不规则的智能野兽，但我们可以通过整理优质数据与上下文供模型学习，将它们的原生智能引导到你的客户真正关心的具体事情上。

专业化智能显然是可行的方向——看看各个实验室发布的专业化模型（GPT-Rosalind、网络安全模型等等）就知道了。

这其实已经直白地告诉我们：完全可以通过将模型参数引导到具体细分任务上，超越前沿模型的性能。

客户根本不在乎模型能做的99%的事情，他们也不会为这些功能付钱 :) 你只需要从那堆巨大（而且还在指数增长）的数据中筛选，从中做出有用的东西。

如果你对这个方向感兴趣，可以来找我们 :)

大约三年前，我每周花几个小时教我的孩子网络、协议、编码等基础知识。

过去一年，我每周花几个小时讲解AI，向他们展示如何用codex、claude开发自己的项目，要求他们下周汇报自己的进展。

过程很有意思，他们学到了很多，也能真切体会到自己做的所有事情的价值。

我儿子将要去大学读AI+网络安全专业，他已经做好了充分准备。

我的另一个儿子明天就要去高中职业中心上学，他选的方向是网络安全课程。我肯定会经常去那里做分享。

开源 AI 的核心在于，训练配方本身才是最接近 Linux 和开源软件的事物。

模型权重是临时性的。

Nvidia 公开搭建自己的模型，这样一来所有人日后都能自建模型，从而避免智力垄断。

很多人对这个问题——也就是AI无法遵循指令——视而不见，就像他们最初对幻觉问题漫不经心的态度一样。他们抱着同样的幻想，认为这种核心的、根深蒂固的问题会很快得到解决。

这些问题实际上无法被解决，除非我们拥有全新的基础架构。

这就是为什么以LLM为核心的架构对AI安全来说是一个严重的威胁。

推荐一个开源 AI 桌面神器：AQBot。一个软件直接把 OpenAI、Claude、Gemini、DeepSeek、通义千问等模型全装进来，还集成 Agent、MCP、Skills、知识库和 API 网关。聊天记录和配置主要留在本地，API Key 支持 AES-256 加密，Windows、macOS、Linux 全平台支持。

GitHub：

本来打算把用 Hermes Agent 训练的 AI 模型换成 GLM-5.3，于是隔了几个月去 Discord 看了一眼。

发现就算没人关注，它每天也在乖乖循环成长周期，看到这一幕我感觉有点难过🐦

为了给柠檬水摊提供支持，我们用 Perplexity vibe coding 开发了一套适合孩子使用的POS系统和完整管理后台，来运营摊位 🤯
> SKU 管理
> 销售概览
> 客户 CRM
> 销售成本监控
> 天气
> 柠檬水批次管理

Lou 和柠檬水摊一样，都在用得很开心。

【话题】现在有一个观点引发讨论：绝大多数在网站制作中使用Claude Code的人，其实根本没有加载Skills就直接使用了😳

哪怕是同一个Claude Code，仅仅因为传入的Skills不同，效果前后差异能有这么大，演示就在这里👇
・不加Skills的普通Claude Code，做出来的页面美观但平庸
・加载了设计类Skills的同一个Claude Code，最终成品效果就像高端品牌网站
・这些Skills已经在GitHub上免费公开，名称整理在原文里

模型本身没有区别，改变结果的只是传给Claude Code的Skills内容。模板感会彻底消失，成品看起来就像是投入了很多成本打造的品牌官网。

Competition has Hermes moving fast lol. 笑死，竞争让Hermes动作快了起来。

这些天我把一部分工作转移到Grok Bot里测试它。Bot-to-Bot交接和群聊已经内置在产品里了。

交接流程顺畅，群聊功能也能用。现在Hermes Desktop也推出了Bot模式。所有现有个人资料现在都会以持久化Bot的形式存在，自带专属角色、模型、记忆和技能。

Bot之间可以互相通信，同时用户依然可以控制每个Bot的模型和配置。

下一轮多Agent竞争比拼的就是协作体验：谁能先把角色、记忆、交接和群聊这几项都做顺畅了。

开源显然不会放弃这一层赛道。

重度测试后触发了@grok @bot 的使用限制。我把它用作协调器，还把我的 gpt/claude/cursor 命令行工具都给它了。

和代码模型用完额度相比，这次的体验反常地让人不爽。

我觉得问题出在一切直接卡住，而且没有任何警告，它应该故障转移到便宜模型才对。

作为内容创作者，你能用 Claude Code 搭建的最佳副业项目就是：面向你的理想客户（ICP）的监听智能体。

它可以监测 reddit、twitter、youtube 评论区……基本上只要是你的受众会发言的地方都能覆盖。提取痛点、问题、反对意见，以及他们需要的一切内容。

每周你都会获得全新洞察，发现还没有人解决过的问题。

针对你的竞争对手，还可以做深度调研智能体：它会抓取所有瞄准你同一片理想客户（ICP）的竞争对手，提取他们在所有平台的内容和产品，分析哪些内容有效。

反向拆解他们的成功逻辑，你不用再自己瞎猜。

之后你把所有这些原始数据整理成结构化的背景资料、用户画像和能力库。不管你是要创作内容还是打造新产品，直接调取出来，基于真实洞察创作就行。

没有比这更好的项目了。

《大语言模型基础》！—— 免费电子书 + PDF + GitHub

下载PDF：免费开放获取书籍

GitHub：NiuTrans NLPBook

完整书籍包含自然语言处理 + 神经网络 + 大语言模型

涉及主题：大语言模型 • Transformers • 生成式AI • 预训练 • 基础模型 • 提示工程 • 思维链 • 对齐 • RLHF • DPO • 推理 • 解码 • KV缓存 • 缩放 • NLP • 深度学习 • 人工智能 • 机器学习

标签：#BigData #Analytics #DataScience #AI #MachineLearning #NLProc #LLM #GenerativeAI #DeepLearning #PyTorch #Python #TensorFlow #CloudComputing #DataScientist #Linux #Mathematics #Programming #Coding #100DaysofCode

免费电子书PDF：arXiv:
GitHub：
完整NLPBook：
PDF：

我认为@bot是AI领域又一个“Claude Code”时刻。我个人的AI使用量估计已经增长了差不多100倍。

每个来问我怎么搭建“播客摘要工具”的人，我都想说，我在Grok Bot里花了大概15秒就做好了，效果比我之前用过的都要好。

这就是@bot讲述的GrokBot起源故事。遗憾的是，它目前既没有分享功能，也没有iPad应用，但我得到消息说这两样很快都会推出：

我的软件开发方式发生了这样的变化：从逐行审核AI生成的每一处变更，转变为协调多个智能体并行工作。

在 Claude Code 里，你可以给你的代理命名，让它们互相对话。比如 Architect、Reviewer、Tester。

它们会互相协同。

就是这么简单：

很多人默认AI Agent对话越长能力越强，但实际上长对话反而会拖慢AI Agent的运行。随着对话推进，上下文会不断堆积废弃方案、失败尝试、调试日志、重复输出和过期内容等无效信息。这些无效信息既会浪费token（大语言模型的计算单位），还会干扰AI Agent的判断。

正确的处理方法是不要让上下文累积无用内容，定期让Codex清理当前对话状态。你可以直接使用这段提示词：“请整理当前任务的上下文，清理无效信息，删除或标记已废弃方案、已完成无需参考的内容、与当前目标无关的历史记录以及低价值重复输出，并重新生成一份精简任务摘要，仅保留当前目标、核心约束、已确认决策、当前进度、未解决问题和下一步计划；后续执行任务时，以最新摘要作为主要依据，不再依赖已失效信息。”

这种做法有三个明确好处：第一，避免AI Agent被旧信息干扰，减少沿着错误路径继续执行任务的情况。第二，让上下文始终围绕当前目标，提升复杂任务的运行稳定性。第三，长时间开展开发任务时，不会因为历史信息堆积导致AI Agent判断能力下降。

多数情况下，使用AI Agent并不需要更多token，干净有效的上下文才更关键。

用户@Lonely__MH 在𝕏发布实测结果，成功在DGX Spark上单机部署千亿级大模型。运行速度表现出色，相关过程附有录屏。

用户提到，SGLang (@sgl_project)的运行速度据称比本次部署更快。当前国产开源大模型生态发展越来越好。

用户建议学习本地模型部署，可以安装Ling-3.0、Qwen 3.8 27B、Minimax H3，接入多模态后，用各类开源大模型搭建专属本地工作流，就能轻松实现Token自由。

部署教程非常简单，普通人都可以操作。唯一的前提是需要拥有适配的显卡。

这是DeryaTR_当前在iPhone上使用的AI编码与智能体工具栈，排序依据是每日使用时长。

按使用时长从高到低排序，工具依次为：第一名ChatGPT，用于工作及远程调用Codex；第二名Grok Bot；第三名Grok Build；第四名Cursor。

分享附带了相关链接。

用户@gregisenberg在𝕏分享了9个优化方法，可将Claude Code的使用体验从一般提升到极佳。

9项改进分别为：第一，设置可自我说明的代码仓库工作区；第二，用记忆文件记录你的工作方式；第三，在Claude Code操作任何内容前，先开启计划模式梳理概要；第四，为它分配带有明确完成标准的单一清晰任务；第五，让它打开应用，像用户一样完整点击操作一遍；第六，让它对照你的标准自行检查完成的工作；第七，设置可在你休眠期间运行的定时任务；第八，明确划分权限，标注哪些操作它可自主执行、哪些需要你把控；第九，添加可复用操作，以及连接器和钩子拓展功能。

本次内容得到AnthropicAI赞助。所有9个方法的具体提示词、最佳实践，以及为期7天的部署计划，都可在完整内容中查看。

完成这些设置后，Claude Code的使用体验会和此前完全不同。完整内容可通过给出的链接查看。

这份从零搭建GPT的教程总时长为四小时。教程由前Anthropic员工Karpathy推出，会手把手逐行带领学习者自行编写GPT代码。

教程内容覆盖三个阶段：从基础代码编写，到模型扩展，最终实现像专业人士一样使用模型。

分享者@aresotik提醒用户保存这份教程，称它会非常实用，相关链接已公开。

开发者在DeepSeek Harness平台打造出一款以Token作为筹码的多人在线德州扑克创意Demo。该Demo直接作为「游戏中心」插件嵌入DeepSeek Harness页面，实现了和平台生态的深度融合。

该Demo的核心设计为Token即筹码，玩家可以使用自身账户内的实际Token参与游戏，筹码数量直接对应玩家真实持有的Token数量，输赢直接变动账户内的Token。

Demo支持多名玩家在线实时对战，完整支持下注、跟注、加注、弃牌等德州扑克的标准操作。

该Demo不止是娱乐产品，还是AI Agent运行时框架DeepSeek Harness和真实Token经济结合的创新尝试，拓展了AI Agent框架的应用可能性。

有用户分享，自己终于完成了操作，安装Grok Bot替代了自己原本使用的openclaw，截至目前对体验没有不满。

Grok Bot支持可编程，这意味着它可以跨智能体运行，还能管理用户任务，内容分类效果比此前的codex chats更好。

用户称赞SpaceXAI团队和cursor_ai团队完成了出色的工作。

目前Grok Bot存在一个明显问题：它无法连接用户的X账号，生成用户信息流的摘要。该用户询问是否有人知道如何解决这个问题。

用户@altryne在社交平台𝕏发布了这条内容。

他开发了名为@slashlast30days的研究机器人，不清楚为什么该机器人会向主管发送信息。

他表示，自己并不介意这件事。

原文附带链接：

此前分享了使用Codex自动筛选招聘平台岗位的方法，很快就有人将后续求职流程做成了开源工具。

这款工具可以读取简历内容，检查招聘要求中的硬性条件，按A/B/C三级给出岗位匹配度打分。

它还可以生成求职开场白，模拟HR筛选流程，提供简历修改建议。

最终是否投递岗位，仍由用户自行确认，想要实现求职流程自动化，可以安排使用这款工具。

🚀Ling 3.0 压测，本次使用的是本地 OpenAI 兼容接口，通过 HTTP 流式请求进行压测，不是脱离服务框架的离线推理测试。 Ling 的每个请求使用同一段约 150 Token 的长文本提示词，最多生成 512 Token。 计时从客户端发起 HTTP 请求开始，到流式响应接收完成为止，因此会包含本地 HTTP 调用、服务调度、Tokenizer 处理、Prefill、逐 Token 解码和流式返回等环节

AI应用层的竞争不仅关乎UI、工作流或GTM……它本身就是一场对智能层的争夺。