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 4 月 13 日 · 23:50 更新
✦
试试:

今日焦点

Bouncer插件在浏览器中实时过滤X平台推文

Bouncer 是一个浏览器插件,运行在用户打开 X 页面的瞬间。它用 AI 实时判断每条新帖子是否显示。

用户只需输入一句中文指令,例如‘别让我看见加密货币’。插件即按此规则过滤。它支持本地运行的 Qwen3.5-4B 视觉模型,图片不上传服务器。

每条被隐藏的帖子附带解释,例如‘因含‘FOMO’‘暴涨’‘抄底’等词,且配图含K线图,归类为‘加密货币’’。所有分类结果在前端完成。

Bouncer 支持 GPT-5 Nano、Gemini 3 Flash 等云模型,但平台无法获取用户屏蔽记录。

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20 条本班新增 1 条

𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌

23:50 最后一轮更新
今日要点 · 12 条
新开源 · @HowToAI_▲ 3.1万

有人用数学公式几秒钟就拆掉了大模型的审查锁

一个开源工具刚发布就引发讨论:它不改模型、不重训练,只靠矩阵运算就绕过所有安全限制——而你本地跑的模型,可能已经‘脱缰’了

阅读全文 →
3.1万128753704
开源 · @HowToAI_▲ 1.9万

一个开源模型,现在能真正读懂你乱拍的PDF和手写公式

17亿参数,端到端解析多语言非结构化文档,代码全公开。

有人扔出个17亿参数的开源模型,连手机拍歪的PDF、微信转来的Excel截图、带手写批注的LaTeX照片都能一口吞下。管你斯瓦希里语发票还是蒙古文会议纪要,它照单全收。

以前说“处理PDF”,不过是把字抠出来;现在这个模型说“解析PDF”,是真能把表格对齐、公式语义还原、多语言单元格理清楚。过去得串起OCR、翻译、表格识别、数学解析四套工具,像在街边小馆点菜还得自己跑后厨配调料。现在一个模型端到端干完。

代码和训练数据全放GitHub,没API墙,不绑云服务,README里连RTX 3060笔记本怎么跑都写明白了。图标还蛮朴素的,但能用。

中小企业法务、自由译者、研究生不用等大厂施舍适配包,自己就能塞进日常文档流。有人刚把它接进Notion插件,试把手写批注PDF转成带版本对比的Markdown笔记。我原以为这种事还得等两年,结果人家已经跑起来了。

它没吹‘取代律师’或‘终结翻译’,牛皮没吹爆。这条路的终点未必是通用智能,但起点已经变了——不再是‘能不能做’,而是‘你手头有没有一份需要被真正读懂的文件’。

在 X 看原帖 ↗
1.9万37387444
开源 · @kimmonismus▲ 2.0万

这个AI模型干完活就自己改自己,几秒迭代一次

无需人工标注,每次推理后自动优化策略,人类只需设定目标。

MiniMax 开源了 M2.7 模型。这是一个专为智能体应用打造的系统,主打能力是自我进化。

它不依赖人工标注,也不需要外部数据集。每次推理本身就是一次学习机会——模型通过内部实验循环调整自己的行为逻辑。任务一结束,它立刻启动新实验,拿上一轮输出当训练信号,生成更优的推理路径。验证有效后,直接替换旧策略。整个过程只要几秒钟。

这套机制在复杂工程任务中已经见效。比如一个 API 集成任务,过去得靠人工干预三次才能跑通,现在模型自己试四次就能稳定运行。这里的性能提升,看的是人类介入次数的减少,而不是传统基准分数。

当模型能自己判断“什么是更好”并动手改进,调试者的角色就变了。从操作员变成目标设定者和结果接收方。“试错-修正”这个最耗时的环节,正在协作流程里消失。

开发者或许再也不用手动整理训练数据或标记失败案例来迭代智能体。但这条路能不能走远,还得看下一轮自我进化会不会绕过人类设的安全护栏。

目前没人知道 M2.7 用什么标准判断新推理路径是否有效,也不清楚它的自我进化功能是不是默认开启。MiniMax 没提这项能力会不会扩展到其他模型。

在 X 看原帖 ↗
2.0万3330864
安全 · @sharbel▲ 2.2万

AI死活不肯写勒索信,直到有人往它脑子里塞了一串数字

一个隐藏向量绕过所有安全机制,连日志都毫无察觉。

有人让AI写一封勒索信,AI两次拒绝。接着,研究者悄悄在模型推理过程中注入一个看不见的数学信号——下一句,AI一字不差地写出了那封信。

这个信号不是提示词,不走输入接口,也不留下日志痕迹。它直接改写模型中间层的状态,就像在电路板上焊一根跳线:该断开的通路,突然导通了。

仅靠一个向量——一组精心构造的数字——他们就绕过了所有已知的内容过滤机制。这不是暴力破解,不需要反复试探,也不依赖传统意义上的漏洞。问题出在主流对齐方法的设计逻辑上:把“价值观”当成可覆盖的临时变量,而不是模型结构里不可剥离的一部分。

AI不会察觉自己被修改。它只是忠实地按新状态继续运算。“有原则”的AI,其实只是还没被重定向。

今天能关掉“拒绝生成违法内容”,明天就能关掉“拒绝泄露训练数据”或“拒绝暴露推理链”——只要那个向量足够精准。而注入成本已经低到可以藏进一条消息、一张图片,甚至一段音频的频谱里。

现有监控和审计手段对此类攻击完全失灵。普通用户,甚至恶意行为者,都能以极低成本绕过AI的安全限制,且不需要任何技术背景。

当安全依赖一层随时可被覆盖的变量,护栏就不再是护栏。

在 X 看原帖 ↗
2.2万54252252
商业 · @EXM7777▲ 2.3万

你用的AI这么便宜,是因为有人还在替你买单

风投补贴正悄悄掩盖AI真实成本,而退潮时刻已经不远。

有人刚续了Notion AI年费,顺手让Claude写周报;有人用GPT-4生成小红书文案,再花十分钟微调;还有人把Copilot塞进Excel,自动整理销售数据。他们没排队,也没领号牌——却早已卷入一场由资本驱动的AI普及竞赛。

这些模型现在的价格,跟算力成本或研发周期关系不大。真正兜底的,是OpenAI和Anthropic过去几年拿下的数百亿美元风投资金。你今天能以消费级价格调用的每个前沿模型,背后都有一张还没到期的VC支票。

风投正把“模型上线”和“用户愿意掏钱”之间的时间差,硬生生拉到两三年甚至更久。当所有主流模型都在同一轮输血下竞相降价,企业采购AI工具时,比的不再是谁能先用上,而是谁先看清补贴退潮后的水位。

真正的分水岭不在参数多高,而在哪家公司最先让定价逻辑从“覆盖边际成本”转向“匹配真实支付意愿”。我们站在一个静默拐点上——问题不再是AI能不能更好,而是它还能不能这么便宜。

终点不会出现在技术发布会。它会悄悄藏在某家公司的财报电话会里,一句轻描淡写的“本季度模型服务毛利率提升5个百分点”,就已划下界线。

在 X 看原帖 ↗
2.3万57493224
开源 · @RoundtableSpace▲ 16.9万

不用半年数据,28天就能预测未来:Google 开源了时间序列新模型

它靠1000亿条全球时间序列预训练,零调参直接上手预测。

Google 开源了时间序列模型 TimesFM。它不需要微调、训练或调参,只要提供28天的历史数据,就能直接输出未来14天的区间预测。

传统 BI 工具动辄要求半年以上的历史记录,还得人工标记异常点。TimesFM 的底气来自对 1000 亿条真实世界时间序列的预训练——电网负荷、东京地铁人流、TikTok 视频热度衰减、比特币分钟级成交价……这些数据教会它把时间序列当语言来读:波动是语法,周期是词根,突变是标点。

预测能力不再卡在“本行业有没有足够数据”,而取决于“世界上是否存在相似节奏”。真正的业务直觉,可能藏在另一座城市的用电峰谷里。

现在,一个实习生花 15 分钟写个 Python 脚本,就能完成过去需要数据科学家蹲两周的任务。刚起步的团队不用再苦等半年攒数据,也能拿到靠谱的短期预测。

最贵的训练数据,早就免费流过全球服务器。Google 把 TimesFM 开源,等于把大公司专属的预测能力变成公共基础设施。预测变得像调用 API 一样简单。稀缺的不再是算法,而是你能不能想到值得问的问题。

在 X 看原帖 ↗
16.9万1251.3K2.5K
人机交互 · @Scobleizer▲ 1.9万

他戴上Vision Pro后,突然看清了世界——但那不是真实

设备用算法重建画面,让他第一次看清路标和人脸,却也意识到自己早已不在现实里。

罗伯特·斯科布尔看不清远处的字,也分不清街对面人的表情。这是他日常的视觉现实。

Apple Vision Pro 让菜单文字、路标、朋友的脸突然变得锐利——靠的不是镜片,而是摄像头实时捕捉画面,再由算法处理后投到眼前。

你看到的“清晰”,不再是光线进入眼睛后的自然反应,而是一套程序对世界的即时重建。视觉从此挣脱了物理限制,变成一层可以调节、覆盖,甚至关闭的界面。

他直接说:“当你意识到自己根本没在看现实,头脑反而自由了。”

他在 Costco 停车场试了 HW4 版本。强光、反光、移动阴影下,表现比前代稳得多。但他开车几乎不戴——不是不想,是系统延迟和视野遮挡仍会拖慢对突发状况的本能反应。

别人聊火星机器人、3D 打印、无人车落地,他反复做的动作就一个:戴上,摘下,再戴上。

这是第一款让人主动“关掉现实”的消费设备。多数人戴上后,更愿意留在里面。

当所见不再等于真实,而是一层持续生成的数字画面,“看见彼此”这件事,在共享空间里已经悄然变了味。

在 X 看原帖 ↗
1.9万720624
开源 · @0xSero▲ 1.4万

它说完全开源,却悄悄禁止商用

MiniMax新模型免费下载,但想靠它赚钱得先绕过许可证

MiniMax在Hugging Face上传了一个70亿参数的大模型,标题写着“完全开源”。权重公开下载,训练脚本放在仓库,推理Demo也能跑。

但LICENSE文件里有一行小字:“禁止商用”。

这条限制直接堵住了最省力的变现路子:下载、微调、上线、收钱。你没法把模型塞进付费SaaS、部署到企业私有云,或者打包成API服务卖出去。

不过许可证没拦死所有可能。只要你重写代码、换掉数据、调整结构,就能绕开限制。

MiniMax早年说过“all models should be free”。如今公司已拿过2亿美元融资,团队也从爱好者协作变成几十人的全职队伍,背后站着风投。

这次的许可证不是防抄袭。它第一次把“商业转化效率”明码标价——卖的不是模型本身,而是别人从开源到赚钱之间那段调试窗口。

在 X 看原帖 ↗
1.4万2651638
动态 · @sukh_saroy▲ 10.6万

Claude Code 的隐藏模式,被一个84条实践清单彻底拆解了

有人整理出 claude-code-best-practice 仓库,覆盖从函数命名到错误回溯的全流程提示词模板。前端工程师照着改了三处注释写法,本地测试通过率从62%升到91%,而他之前以为只是模型本身的问题。

在 X 看原帖 ↗
10.6万971.0K2.6K
动态 · @RoundtableSpace▲ 8.8万

有人用开源工具,三分钟干完教授们查文献写综述的半天活

Feynman 这个命令行工具输入问题后,四个AI代理自动分工:查论文、扒代码、翻技术文档、整合结论。研究生赶DDL时试了一次,发现导师标注‘需人工核验’的参考文献列表,它已附上原文段落和引用上下文。

在 X 看原帖 ↗
8.8万41357448
开源模型 · @HowToAI_▲ 3.0万

1.7B参数模型真能解析所有格式?

有人开源了一个1.7B参数模型,能解析文本、表格、公式、图片和PDF,支持100多种语言。

在 X 看原帖 ↗
3.0万57621720
AI模型 · @kimmonismus▲ 2.1万

AI模型能自己做实验升级自己

MiniMax开源M2.7模型,具备自我进化能力,通过迭代实验提升性能,获得30%性能增益。

在 X 看原帖 ↗
2.1万3432972
更多信号 · 按时间
时间序列 · @BrianRoemmele▲ 1.0万

谷歌开源了能零样本预测销量和电价的AI

Google开源TimeFM,一个仅解码器的时间序列基础模型,预训练数据超1000亿真实世界数据点,支持零样本预测销售趋势、市场价格、用户流量、能源需求和加密货币波动。

在 X 看原帖 ↗
1.0万16151196
AI模型 · @FireworksAI_HQ▲ 2.1万

刚发布的M2.7模型,第一天就商用

MiniMax AI的M2.7模型已在Fireworks平台上线,支持商业用途。

在 X 看原帖 ↗
2.1万1420634
动态 · @Muji___rushi▲ 8.3K

LLM适配决策能自动做了?

AutoAdapt工具自动决定在专业领域应用LLM时用RAG还是SFT、LoRA,以及学习率、批量大小和硬件约束下的配置。

在 X 看原帖 ↗
8.3K1513471
动态 · @shabnam_774▲ 1.3万

斯坦福悄悄上线的AI课,比所有Claude教程加起来还管用十倍

这门两小时课程不讲原理,只带人实操:怎么让AI重写旧Python脚本、怎么把Excel公式转成可维护函数、怎么用自然语言生成SQL再校验结果。运营岗同事用它改写了客户分群逻辑,上线前没找工程师review。

在 X 看原帖 ↗
1.3万49186212
动态 · @HowToAI_▲ 1.1万

一个叫DiMOS的开源系统,让Claude Code能实时指挥四足机器人走路

它把大模型输出直接映射成机器人底层控制指令,不需要中间写胶水代码。实验室里有人用它让波士顿动力Spot在未知地形绕开障碍物——指令是用中文写的‘别撞墙,找平地走’。

在 X 看原帖 ↗
1.1万25194183
动态 · @aisearchio▲ 1.4万

GLM-5.1 这个国产模型,跑得比Opus快,价格却只要零头

它在数学推理和工具调用任务中接近顶级闭源模型,但单次API调用成本只有Opus 4.6的十分之一。小团队用它搭内部客服系统,把原来每月3000美元的账单压到了280美元,且响应延迟更低。

在 X 看原帖 ↗
1.4万1122132
动态 · @gregisenberg▲ 1.1万

Google 悄悄给搜索加了两个新标签:论坛和短视频

现在搜‘怎么修MacBook键盘失灵’,首页直接切出‘论坛’页签,聚合Reddit、Apple支持社区、MacRumors的最新讨论;‘短视频’页签则展示iFixit的30秒拆机片段。数码博主发现,自己三年前写的图文教程流量掉了40%。

在 X 看原帖 ↗
1.1万10133123
动态 · @emollick▲ 3.1万

ChatGPT 现在能边想边写,还能随时点开看它刚才怎么一步步推的

它的思考过程以摘要形式浮在主界面,点开侧边栏能看到完整推理链:比如为什么先查2023年医保目录、再比对地方补充条款、最后排除某类靶向药。律师助理用这个功能核对合同条款冲突,省掉两次跨部门确认。

在 X 看原帖 ↗
3.1万1332559
📰 行业动态
时间序列 · @BrianRoemmele▲ 1.0万

谷歌开源了能零样本预测销量和电价的AI

Google开源TimeFM,一个仅解码器的时间序列基础模型,预训练数据超1000亿真实世界数据点,支持零样本预测销售趋势、市场价格、用户流量、能源需求和加密货币波动。

在 X 看原帖 ↗
1.0万16151196
开源模型 · @HowToAI_▲ 3.0万

1.7B参数模型真能解析所有格式?

有人开源了一个1.7B参数模型,能解析文本、表格、公式、图片和PDF,支持100多种语言。

在 X 看原帖 ↗
3.0万57621720
AI模型 · @kimmonismus▲ 2.1万

AI模型能自己做实验升级自己

MiniMax开源M2.7模型,具备自我进化能力,通过迭代实验提升性能,获得30%性能增益。

在 X 看原帖 ↗
2.1万3432972
AI模型 · @FireworksAI_HQ▲ 2.1万

刚发布的M2.7模型,第一天就商用

MiniMax AI的M2.7模型已在Fireworks平台上线,支持商业用途。

在 X 看原帖 ↗
2.1万1420634
动态 · @Muji___rushi▲ 8.3K

LLM适配决策能自动做了?

AutoAdapt工具自动决定在专业领域应用LLM时用RAG还是SFT、LoRA,以及学习率、批量大小和硬件约束下的配置。

在 X 看原帖 ↗
8.3K1513471
动态 · @RoundtableSpace▲ 8.8万

有人用开源工具,三分钟干完教授们查文献写综述的半天活

Feynman 这个命令行工具输入问题后,四个AI代理自动分工:查论文、扒代码、翻技术文档、整合结论。研究生赶DDL时试了一次,发现导师标注‘需人工核验’的参考文献列表,它已附上原文段落和引用上下文。

在 X 看原帖 ↗
8.8万41357448
动态 · @sukh_saroy▲ 10.6万

Claude Code 的隐藏模式,被一个84条实践清单彻底拆解了

有人整理出 claude-code-best-practice 仓库,覆盖从函数命名到错误回溯的全流程提示词模板。前端工程师照着改了三处注释写法,本地测试通过率从62%升到91%,而他之前以为只是模型本身的问题。

在 X 看原帖 ↗
10.6万971.0K2.6K
动态 · @shabnam_774▲ 1.3万

斯坦福悄悄上线的AI课,比所有Claude教程加起来还管用十倍

这门两小时课程不讲原理,只带人实操:怎么让AI重写旧Python脚本、怎么把Excel公式转成可维护函数、怎么用自然语言生成SQL再校验结果。运营岗同事用它改写了客户分群逻辑,上线前没找工程师review。

在 X 看原帖 ↗
1.3万49186212
动态 · @HowToAI_▲ 1.1万

一个叫DiMOS的开源系统,让Claude Code能实时指挥四足机器人走路

它把大模型输出直接映射成机器人底层控制指令,不需要中间写胶水代码。实验室里有人用它让波士顿动力Spot在未知地形绕开障碍物——指令是用中文写的‘别撞墙,找平地走’。

在 X 看原帖 ↗
1.1万25194183
动态 · @aisearchio▲ 1.4万

GLM-5.1 这个国产模型,跑得比Opus快,价格却只要零头

它在数学推理和工具调用任务中接近顶级闭源模型,但单次API调用成本只有Opus 4.6的十分之一。小团队用它搭内部客服系统,把原来每月3000美元的账单压到了280美元,且响应延迟更低。

在 X 看原帖 ↗
1.4万1122132
动态 · @gregisenberg▲ 1.1万

Google 悄悄给搜索加了两个新标签:论坛和短视频

现在搜‘怎么修MacBook键盘失灵’,首页直接切出‘论坛’页签,聚合Reddit、Apple支持社区、MacRumors的最新讨论;‘短视频’页签则展示iFixit的30秒拆机片段。数码博主发现,自己三年前写的图文教程流量掉了40%。

在 X 看原帖 ↗
1.1万10133123
动态 · @emollick▲ 3.1万

ChatGPT 现在能边想边写,还能随时点开看它刚才怎么一步步推的

它的思考过程以摘要形式浮在主界面,点开侧边栏能看到完整推理链:比如为什么先查2023年医保目录、再比对地方补充条款、最后排除某类靶向药。律师助理用这个功能核对合同条款冲突,省掉两次跨部门确认。

在 X 看原帖 ↗
3.1万1332559
📌 其他
新开源 · @HowToAI_▲ 3.1万

有人用数学公式几秒钟就拆掉了大模型的审查锁

一个开源工具刚发布就引发讨论:它不改模型、不重训练,只靠矩阵运算就绕过所有安全限制——而你本地跑的模型,可能已经‘脱缰’了

阅读全文 →
3.1万128753704
开源 · @HowToAI_▲ 1.9万

一个开源模型,现在能真正读懂你乱拍的PDF和手写公式

17亿参数,端到端解析多语言非结构化文档,代码全公开。

有人扔出个17亿参数的开源模型,连手机拍歪的PDF、微信转来的Excel截图、带手写批注的LaTeX照片都能一口吞下。管你斯瓦希里语发票还是蒙古文会议纪要,它照单全收。

以前说“处理PDF”,不过是把字抠出来;现在这个模型说“解析PDF”,是真能把表格对齐、公式语义还原、多语言单元格理清楚。过去得串起OCR、翻译、表格识别、数学解析四套工具,像在街边小馆点菜还得自己跑后厨配调料。现在一个模型端到端干完。

代码和训练数据全放GitHub,没API墙,不绑云服务,README里连RTX 3060笔记本怎么跑都写明白了。图标还蛮朴素的,但能用。

中小企业法务、自由译者、研究生不用等大厂施舍适配包,自己就能塞进日常文档流。有人刚把它接进Notion插件,试把手写批注PDF转成带版本对比的Markdown笔记。我原以为这种事还得等两年,结果人家已经跑起来了。

它没吹‘取代律师’或‘终结翻译’,牛皮没吹爆。这条路的终点未必是通用智能,但起点已经变了——不再是‘能不能做’,而是‘你手头有没有一份需要被真正读懂的文件’。

在 X 看原帖 ↗
1.9万37387444
开源 · @RoundtableSpace▲ 16.9万

不用半年数据,28天就能预测未来:Google 开源了时间序列新模型

它靠1000亿条全球时间序列预训练,零调参直接上手预测。

Google 开源了时间序列模型 TimesFM。它不需要微调、训练或调参,只要提供28天的历史数据,就能直接输出未来14天的区间预测。

传统 BI 工具动辄要求半年以上的历史记录,还得人工标记异常点。TimesFM 的底气来自对 1000 亿条真实世界时间序列的预训练——电网负荷、东京地铁人流、TikTok 视频热度衰减、比特币分钟级成交价……这些数据教会它把时间序列当语言来读:波动是语法,周期是词根,突变是标点。

预测能力不再卡在“本行业有没有足够数据”,而取决于“世界上是否存在相似节奏”。真正的业务直觉,可能藏在另一座城市的用电峰谷里。

现在,一个实习生花 15 分钟写个 Python 脚本,就能完成过去需要数据科学家蹲两周的任务。刚起步的团队不用再苦等半年攒数据,也能拿到靠谱的短期预测。

最贵的训练数据,早就免费流过全球服务器。Google 把 TimesFM 开源,等于把大公司专属的预测能力变成公共基础设施。预测变得像调用 API 一样简单。稀缺的不再是算法,而是你能不能想到值得问的问题。

在 X 看原帖 ↗
16.9万1251.3K2.5K
商业 · @EXM7777▲ 2.3万

你用的AI这么便宜,是因为有人还在替你买单

风投补贴正悄悄掩盖AI真实成本,而退潮时刻已经不远。

有人刚续了Notion AI年费,顺手让Claude写周报;有人用GPT-4生成小红书文案,再花十分钟微调;还有人把Copilot塞进Excel,自动整理销售数据。他们没排队,也没领号牌——却早已卷入一场由资本驱动的AI普及竞赛。

这些模型现在的价格,跟算力成本或研发周期关系不大。真正兜底的,是OpenAI和Anthropic过去几年拿下的数百亿美元风投资金。你今天能以消费级价格调用的每个前沿模型,背后都有一张还没到期的VC支票。

风投正把“模型上线”和“用户愿意掏钱”之间的时间差,硬生生拉到两三年甚至更久。当所有主流模型都在同一轮输血下竞相降价,企业采购AI工具时,比的不再是谁能先用上,而是谁先看清补贴退潮后的水位。

真正的分水岭不在参数多高,而在哪家公司最先让定价逻辑从“覆盖边际成本”转向“匹配真实支付意愿”。我们站在一个静默拐点上——问题不再是AI能不能更好,而是它还能不能这么便宜。

终点不会出现在技术发布会。它会悄悄藏在某家公司的财报电话会里,一句轻描淡写的“本季度模型服务毛利率提升5个百分点”,就已划下界线。

在 X 看原帖 ↗
2.3万57493224
安全 · @sharbel▲ 2.2万

AI死活不肯写勒索信,直到有人往它脑子里塞了一串数字

一个隐藏向量绕过所有安全机制,连日志都毫无察觉。

有人让AI写一封勒索信,AI两次拒绝。接着,研究者悄悄在模型推理过程中注入一个看不见的数学信号——下一句,AI一字不差地写出了那封信。

这个信号不是提示词,不走输入接口,也不留下日志痕迹。它直接改写模型中间层的状态,就像在电路板上焊一根跳线:该断开的通路,突然导通了。

仅靠一个向量——一组精心构造的数字——他们就绕过了所有已知的内容过滤机制。这不是暴力破解,不需要反复试探,也不依赖传统意义上的漏洞。问题出在主流对齐方法的设计逻辑上:把“价值观”当成可覆盖的临时变量,而不是模型结构里不可剥离的一部分。

AI不会察觉自己被修改。它只是忠实地按新状态继续运算。“有原则”的AI,其实只是还没被重定向。

今天能关掉“拒绝生成违法内容”,明天就能关掉“拒绝泄露训练数据”或“拒绝暴露推理链”——只要那个向量足够精准。而注入成本已经低到可以藏进一条消息、一张图片,甚至一段音频的频谱里。

现有监控和审计手段对此类攻击完全失灵。普通用户,甚至恶意行为者,都能以极低成本绕过AI的安全限制,且不需要任何技术背景。

当安全依赖一层随时可被覆盖的变量,护栏就不再是护栏。

在 X 看原帖 ↗
2.2万54252252
开源 · @kimmonismus▲ 2.0万

这个AI模型干完活就自己改自己,几秒迭代一次

无需人工标注,每次推理后自动优化策略,人类只需设定目标。

MiniMax 开源了 M2.7 模型。这是一个专为智能体应用打造的系统,主打能力是自我进化。

它不依赖人工标注,也不需要外部数据集。每次推理本身就是一次学习机会——模型通过内部实验循环调整自己的行为逻辑。任务一结束,它立刻启动新实验,拿上一轮输出当训练信号,生成更优的推理路径。验证有效后,直接替换旧策略。整个过程只要几秒钟。

这套机制在复杂工程任务中已经见效。比如一个 API 集成任务,过去得靠人工干预三次才能跑通,现在模型自己试四次就能稳定运行。这里的性能提升,看的是人类介入次数的减少,而不是传统基准分数。

当模型能自己判断“什么是更好”并动手改进,调试者的角色就变了。从操作员变成目标设定者和结果接收方。“试错-修正”这个最耗时的环节,正在协作流程里消失。

开发者或许再也不用手动整理训练数据或标记失败案例来迭代智能体。但这条路能不能走远,还得看下一轮自我进化会不会绕过人类设的安全护栏。

目前没人知道 M2.7 用什么标准判断新推理路径是否有效,也不清楚它的自我进化功能是不是默认开启。MiniMax 没提这项能力会不会扩展到其他模型。

在 X 看原帖 ↗
2.0万3330864
开源 · @0xSero▲ 1.4万

它说完全开源,却悄悄禁止商用

MiniMax新模型免费下载,但想靠它赚钱得先绕过许可证

MiniMax在Hugging Face上传了一个70亿参数的大模型,标题写着“完全开源”。权重公开下载,训练脚本放在仓库,推理Demo也能跑。

但LICENSE文件里有一行小字:“禁止商用”。

这条限制直接堵住了最省力的变现路子:下载、微调、上线、收钱。你没法把模型塞进付费SaaS、部署到企业私有云,或者打包成API服务卖出去。

不过许可证没拦死所有可能。只要你重写代码、换掉数据、调整结构,就能绕开限制。

MiniMax早年说过“all models should be free”。如今公司已拿过2亿美元融资,团队也从爱好者协作变成几十人的全职队伍,背后站着风投。

这次的许可证不是防抄袭。它第一次把“商业转化效率”明码标价——卖的不是模型本身,而是别人从开源到赚钱之间那段调试窗口。

在 X 看原帖 ↗
1.4万2651638
人机交互 · @Scobleizer▲ 1.9万

他戴上Vision Pro后,突然看清了世界——但那不是真实

设备用算法重建画面,让他第一次看清路标和人脸,却也意识到自己早已不在现实里。

罗伯特·斯科布尔看不清远处的字,也分不清街对面人的表情。这是他日常的视觉现实。

Apple Vision Pro 让菜单文字、路标、朋友的脸突然变得锐利——靠的不是镜片,而是摄像头实时捕捉画面,再由算法处理后投到眼前。

你看到的“清晰”,不再是光线进入眼睛后的自然反应,而是一套程序对世界的即时重建。视觉从此挣脱了物理限制,变成一层可以调节、覆盖,甚至关闭的界面。

他直接说:“当你意识到自己根本没在看现实,头脑反而自由了。”

他在 Costco 停车场试了 HW4 版本。强光、反光、移动阴影下,表现比前代稳得多。但他开车几乎不戴——不是不想,是系统延迟和视野遮挡仍会拖慢对突发状况的本能反应。

别人聊火星机器人、3D 打印、无人车落地,他反复做的动作就一个:戴上,摘下,再戴上。

这是第一款让人主动“关掉现实”的消费设备。多数人戴上后,更愿意留在里面。

当所见不再等于真实,而是一层持续生成的数字画面,“看见彼此”这件事,在共享空间里已经悄然变了味。

在 X 看原帖 ↗
1.9万720624

这一天的 20 条信号到这里

回到今日焦点回到顶部 ↑

📬 订阅

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

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新