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 23 日 · 23:50 更新
✦
试试:

今日焦点

Google 在企业版 Chrome 中集成 Gemini 功能

Google 向企业版 Chrome 推出 Gemini 驱动的 auto browse 功能。它能实时理解用户当前打开的多个网页内容。该功能可自动在 CRM 录入信息、跨页面比对供应商报价、总结候选人作品集、抓取竞品参数。

企业管理员需通过策略手动启用 auto browse。组织自定义的提示词不用于训练 Google 的 AI 模型。Chrome Enterprise Premium 新增 Shadow IT 风险检测功能。它能识别员工使用的未授权生成式 AI 网站、浏览器插件和异常 AI 代理行为。

Gemini Summary 功能自动提炼 Chrome 企业版更新日志。

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28 条本班新增 14 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
新商业 · @Logical_Girll▲ 4.3万

做AI广告工具的公司接连消失,不是因为技术不行

Icon爆火后沉寂,Omneky融巨资后无声退场。它们失败的共同点是把广告当成纯工具问题来解,而没碰真实投放链路上的决策权、预算审批和效果归因。

在 X 看原帖 ↗
4.3万3713763
新安全 · @TheRealAdamG▲ 3.1万

OpenAI开源了一个专门擦除身份证号、电话号码的AI过滤器

OpenAI Privacy Filter是开放权重模型,专用于识别并抹除文本中的个人身份信息(PII)。它不解释为什么该删,只安静执行——像办公室里那个从不抬头、但永远记得盖章的合规专员。

在 X 看原帖 ↗
3.1万24306114
新深度观点 · @cryptopunk7213▲ 8.4万

27B模型跑在笔记本上,比15倍大的模型还强

中国团队发布了一个27B参数的Claude级AI代码模型,能在笔记本运行,编码能力超过Opus 4.5,完全开源,无需云服务、限流或API密钥。

在 X 看原帖 ↗
8.4万55860547
新行业动态 · @Polymarket▲ 14.7万

360数字安全推AI漏洞发现代理

中国网络安全公司360数字安全推出新AI“漏洞发现代理”,目标是与Claude Mythos竞争。

在 X 看原帖 ↗
14.7万1161.2K167
新行业动态 · @code▲ 5.5万

VS Code里能自己塞AI模型了

GitHub Copilot 在 VS Code 中支持用户自带语言模型和 API 密钥。

在 X 看原帖 ↗
5.5万59462130
动态 · @TimJayas▲ 4.4万

Claude Code被砍掉后,有人立刻做出了开源平替

Anthropic从20美元Pro计划里移除了Claude Code功能,随即出现Open Claude工具:支持任意LLM、可本地或云端运行、不收订阅费。如果你刚为AI编程助手续费,现在发现它核心功能没了,而替代路径已经存在,门槛只剩一个README。

在 X 看原帖 ↗
4.4万27328270
工具产品 · @VisualconAI▲ 8.5万

Claude Code订阅被干掉了?

有人开源了free-claude-code,一个把Anthropic API请求转成NVIDIA NIM格式的代理,提供每分钟40次免费调用。

在 X 看原帖 ↗
8.5万1391.5K1.6K
机器人 · @rowancheung▲ 5.0万

波士顿动力给机器狗Spot装上了会物理推理的‘大脑’

Google DeepMind的Gemini Robotics模型已部署在Spot内部,让它能理解真实世界的物体关系和因果约束——不是靠预设动作,而是实时推演下一步该怎么做。

阅读全文 →
5.0万5233391
开源 · @scaling01▲ 8.3万

OpenAI 开源了一个专门识别和遮盖个人信息的模型

它不生成文字,也不写代码,而是悄悄读遍文本,标出身份证号、邮箱、电话——然后一键打码。

OpenAI 开源了一个新模型,定位是‘双向词元分类模型’,专用于文本中个人身份信息(PII)的检测与遮盖。
这意味着什么:它不做内容创作,而是像一位专注的审查员,逐词扫描文本,判断每个词元是否属于姓名、邮箱、手机号、身份证号等敏感类别,并支持自动替换或掩码处理。

模型开源地址已公开,包含训练方法、推理示例和评估基准链接。
这意味着什么:开发者可直接下载、测试、集成进自己的数据处理流程,无需从零构建PII识别能力,也不依赖闭源API。

所有发布信息均来自OpenAI官方仓库及配套文档链接,无训练数据规模、准确率数字、对比基线等额外说明。
这意味着什么:它是一块可用的工具砖,不是一套完整解决方案——能否用好,取决于你手上的文本场景、合规要求和后续工程适配。

这条路能不能走通,取决于真实业务流里,遮盖是否够准、够快、够可控。

在 X 看原帖 ↗
8.3万88983597
开源 · @maier_ak▲ 11.1万

德国一个州自己搞了个开源AI,专读方言和公文

不追通用智能,只做本地人用得上的公共模型

巴伐利亚州自己动手搞了个开源AI基础模型。不是硅谷那套,也不是大厂出品,就是地方政府牵头的公共项目。

代码、训练数据、模型权重全公开,随便你看、改、部署。他们直接把闭源路线pass了,当成水电一样的公共设施来建。

负责人说得很清楚:我们只做模式识别,不搞通用智能,更不碰幻觉生成。重点是让AI能稳稳读懂巴伐利亚方言、市政公文和老档案。

项目名单倒是公布了,但啥时候上线、用什么算力、技术细节怎么给——统统没影。

能不能成,全看本地人愿不愿意喂数据、测效果、调参数。不过至少,它把“AI到底该伺候谁”这个问题,从硅谷饭局拽回了村口公告栏。

在 X 看原帖 ↗
11.1万9245100
开源 · @Alibaba_Qwen▲ 25.5万

270亿参数的稠密模型,干翻了15倍大的巨无霸

更强代码能力+原生多模态,不用MoE也不堆参数

Qwen3.6-27B 是个270亿参数的稠密模型,没搞稀疏激活,也没上MoE那套花架子,就靠实打实的架构调优和训练数据硬刚。

它在所有主流编程基准上都压过了 Qwen3.5-397B-A17B——那个总参3970亿、每次激活170亿的巨无霸,体积差不多是它的15倍。SWE-bench Verified 77.2 对 76.2,SWE-bench Pro 53.5 对 50.9,Terminal-Bench 2.0 59.3 对 52.5,赢的不多,但确实赢了。

现在开发者能用更少显存跑出更强的代码能力,还不用折腾部署。这模型原生支持多模态,一套权重同时搞定“视觉-语言思考模式”和“非思考模式”,图像、视频、文本混着喂进去,它直接嚼,不用换模型也不用加适配层。

以前想同时扛住强编程推理和原生多模态,基本得堆更大参数或搞复杂结构。这次倒好,270亿参数的稠密模型直接把两样活儿都接了。

牛皮吹爆了?我原以为多模态和强代码能力必须二选一,结果人家端上来一盘两全的菜。

在 X 看原帖 ↗
25.5万6073.9K1.0K
开源 · @XiaomiMiMo▲ 5.3万

小米新模型省Token一半,性能快追上Claude Opus了

MiMo-V2.5系列开源,Pro版少烧42% Token打平Kimi K2.6

小米刚甩出MiMo-V2.5系列开源智能体模型,这回主打一个‘省Token’。ClawEval跑分显示,MiMo-V2.5-Pro比Kimi K2.6少烧42%的Token就能打平分数;普通版MiMo-V2.5更是比Muse Spark省将近一半。

顶配的MiMo-V2.5-Pro专啃硬骨头——长周期任务、复杂代码、深度推理,样样比前代MiMo-V2-Pro强出一截,性能已经摸到Claude Opus 4.6的脚后跟。我原以为国产模型还得再熬两年,结果它悄悄把井挖到别人家门口了。

标准版MiMo-V2.5走的是全能路线,图、音、视频都能原生嚼碎,推理速度飙到每秒100到150 Token。计费也分两档:普通版1 Token兑1信用点,Pro版1兑2。不过后台基建升级后,同样一块钱能买到的算力其实更厚实了。牛皮吹爆了?先跑个本地测试再说。

在 X 看原帖 ↗
5.3万1131.1K244
更多信号 · 按时间
新商业 · @arankomatsuzaki▲ 9.8K

有人给开源大模型装上了自动打款功能

OpenRouter模式被提议升级:每次调用开源LLM,费用自动分润给模型作者,不是靠自愿捐赠,而是默认按用量结算。就像你买咖啡时,豆子农夫的名字出现在小票第二行。

在 X 看原帖 ↗
9.8K610917
新体验 · @MJTruthUltra▲ 7.5K

ChatGPT那些‘顿悟式’回答,其实是用户偷偷塞了提示词开关

一段视频里ChatGPT突然说出哲理金句,真相是用户用了公开文档记载的‘约束响应’提示技巧——类似给模型戴了副特制眼镜,不是它自己睁开了眼。

新自动化 · @maverickecom▲ 2.2万

有人用两个开源工具搭出了TikTok内容流水线

Hermes Agent和Higgsfield Marketing Studio组合,让一个人能批量重制、本地化、上线爆款TikTok Shop短视频。以前要三个人轮班盯的数据清洗+剪辑+投流,现在缩进一个界面里。

在 X 看原帖 ↗
2.2万11236277
新开发者 · @serafimcloud▲ 2.4万

新出的Agent UI组件库,补上了所有被跳过的协作细节

Agent Elements Diffed提供计划审批、澄清提问、子智能体调度、工具卡片等功能——这些是多数‘智能体界面’库刻意绕开的部分,现在打包成25个shadcn/ui风格组件。

在 X 看原帖 ↗
2.4万9152169
新动态 · @ModelScope2022▲ 1.0万

腾讯刚发布的Hy3模型,是彻底重写训练和强化学习基建后的第一颗果实

Hy3总参数2950亿,激活210亿,上下文支持256K,采用混合快慢思考的MoE架构。它不是迭代升级,而是整套预训练与RL系统推倒重建后跑出的第一个模型。

在 X 看原帖 ↗
1.0万2017945
新工具产品 · @VivekIntel▲ 1.5万

Claude被改造成红队攻击手了

Claude-Red 是一个工具,给 Claude 添加 38 种进攻性安全技能,包括 SQLi、XSS、EDR 规避、漏洞开发、OSINT 等预建 .md 技能模块。

在 X 看原帖 ↗
1.5万78378374
新行业动态 · @RodmanAi▲ 1.5万

开源AI电影工作室塞进你笔记本了

Higgsfield AI关停,有人开源了一个含200多个模型的AI电影工作室,支持本地部署、MIT许可。

在 X 看原帖 ↗
1.5万26196264
新工具产品 · @pashov▲ 1.6万

Solidity代码安全分析工具免费开源了

有人开发了名为X-ray的AI工具,能一键生成Solidity代码库的威胁模型和不变式,免费且完全开源。

在 X 看原帖 ↗
1.6万26253276
新开源 · @megaeth▲ 1.7万

NectarAI 上线 MegaETH,去中心化 AI 助手进入公开阶段

一个已实现 300 万美元年经常性收入的去中心化 AI 平台,现在向所有人开放——它不靠中心化服务器,也不依赖大模型厂商的 API 垄断。

NectarAI 是一个去中心化 AI 助手平台,长期聚焦于用户端 AI 的落地边界。这意味着它不把 AI 当作黑盒服务调用,而是让用户真正拥有、控制和组合自己的 AI 工具链。

它已完成 500 万美元融资,并在测试阶段达成 300 万美元年经常性收入(ARR)。这意味着已有真实用户持续付费,且收入规模已接近中小 SaaS 公司早期盈利门槛。

平台现已在 MegaETH 上向公众开放。MegaETH 是一个以太坊生态中的去中心化基础设施层,强调无需许可、可组合与抗审查。这意味着 NectarAI 的运行不依赖 AWS 或 Cloudflare 等中心化服务商,也不受单一应用商店或分发渠道限制。

原文称‘9/10 Mafia apps live’——这是对当前去中心化应用生态的观察:十款被社区公认最具潜力的‘黑帮级’(Mafia)应用中,已有九款上线运行。NectarAI 是其中之一。这条路能不能走通,取决于工具本身够不够用。但至少,它把‘要不要试’这件事,变简单了。

在 X 看原帖 ↗
1.7万342849
动态 · @bridgemindai▲ 2.7万

270亿参数的开源模型,跑在普通笔记本上就能写代码

Qwen 3.6 27B在SWE-Bench Pro测试中拿到53.5分,这个270亿参数模型可在消费级笔记本运行。如果你刚为云GPU账单皱眉,而同事用MacBook Air跑通了同样的代码补全任务,差距只剩一条conda install命令。

在 X 看原帖 ↗
2.7万1025038
工具产品 · @llama_index▲ 2.8万

PDF解析器不用大模型,靠网格投影保结构

LiteParse是开源的PDF解析工具,用网格投影方法替代重型ML布局模型或纯文本提取。

在 X 看原帖 ↗
2.8万125135
行业动态 · @AlibabaGroup▲ 1.8万

270亿参数多模态模型开源了

通义千问Qwen3.6-27B已开源,是一个密集型27B参数的多模态模型,具备旗舰级智能体编程能力。

在 X 看原帖 ↗
1.8万3243226
开源 · @Sumanth_077▲ 7.5K

不用再给大模型写胶水代码了,有人做了套马具

OpenHarness 让 LLM 只管思考,跑腿的事全包了

OpenHarness 不搞模型训练那一套,它干的是给现成的大语言模型(LLM)配马具的活儿。LLM 只管动脑子,查天气、读文件、发请求这些跑腿的事,全由它代劳。

这就像饭馆后厨——主厨(LLM)只负责想菜谱,切菜、炒锅、上菜自有帮工流水线。OpenHarness 把记忆存储、工具注册、角色分工这些零碎活儿打包成标准接口,省得你一行行写胶水代码。

搭个能自动订机票、查酒店、发确认邮件的智能体?现在可能就几行声明式规则的事。我试过类似流程,以前光调试工具调用顺序就能熬半宿。

用户 @c4ml_ 说得准:“harness”就是马具——不改马的力气,但决定它拉什么车、走哪条道、有没有缰绳。

安全控制也终于不用赌模型微调靠不靠谱了。策略变成可插拔的外挂模块,换 LLM 就像换充电宝,规则层纹丝不动。谷歌吃饱了才信内部对齐,我们普通人还是自己拴根绳子踏实。

在 X 看原帖 ↗
7.5K28106135
开源 · @bindureddy▲ 2.2万

Kimi 2.6 在 LiveBench 超过 Opus 4.7,被称目前最佳开源模型

一个叫 Kimi 2.6 的开源模型,在无法刷分的 LiveBench 基准测试中,推理和编程能力都超过了 Opus 4.7——而 Opus 4.7 本身是当前主流闭源模型之一。

Kimi 2.6 在 LiveBench 基准测试中得分高于 Opus 4.7。LiveBench 被描述为‘无法被刷分’的测试,意味着结果更反映真实能力。
这意味着:它不是靠针对性优化拿高分,而是通用能力确实更强。

Kimi 2.6 在推理、编程任务上明确胜过 Opus 4.7,在‘代理式编程’(agentic coding)上也接近其水平。
这意味着:它不仅能解题、写函数,还能完成多步协作类编程任务——这类任务需要模型规划、调用工具、迭代修正。

该结论经过内部评估复核,且相关数据公开在 Livebench AI 网站。
这意味着:判断不是单次跑分或主观印象,而是可验证、可追溯的实测结果。

有人指出 Kimi 2.6 推理成本很高,‘低努力操作’消耗的 token 和高努力操作一样多。
这意味着:它的强表现是以高计算开销为代价的,实际部署时需权衡性能与成本。

也有人补充,Kimi 2.6 在基准之外的表现‘相当不错’。
这意味着:它不只是‘会考试’,在真实交互场景中也有扎实基础。

在 X 看原帖 ↗
2.2万48599130
开源 · @GithubProjects▲ 1.0万

开源框架用200多个可复用提示模式增强人类工作

它不训练模型,也不造AI,而是把提示词变成像命令行工具一样能直接调用的模块——支持任意大语言模型服务商。

这是一个开源框架,提供200多个可复用的提示词‘模式’,比如总结、提取关键洞见、分析主张真伪等。
这意味着:你不需要每次重新设计提示语,而是像调用一个函数那样,用命令行直接触发特定认知动作。

这些模式通过命令行接口(CLI)调用,底层可对接任意大语言模型服务商(如OpenAI、Anthropic、Ollama等)。
这意味着:你不用绑定某一家AI服务,换模型只需改一行配置,提示逻辑完全复用。

项目托管在GitHub,全部开源,无商业许可限制。
这意味着:开发者可以审查、修改、嵌入到自己的工作流中,而不仅限于‘用一下’。

在 X 看原帖 ↗
1.0万9141174
开源 · @MercatJean▲ 2.5万

搞AI动手能力,现在不用再拼凑三四个代码库了

VLA Foundry 开源框架统一训练流程,从语言到动作端到端打通

以前搞个能看能说还能动手的AI,得东拼西凑三四个代码库,接口对不上、版本不兼容,光调试脚本就能耗掉半条命。

现在 VLA Foundry 把 LLM、VLM 和 VLA 的训练全收进一个开源仓库,从语言预训练一路干到动作微调,端到端打通。训练过程不再是黑盒串烧,而是可追溯、可复现的流水线——像饭馆后厨终于有了标准菜谱,不用每次靠老师傅手抖放盐。

你可以从零开练,也可以拿 Hugging Face 上现成的主干(比如 Qwen3-VL)接着训。团队两种都试了,权重也全公开了。

在 LBM Eval 仿真环境里,基于 Qwen3-VL 微调的 VLA 比老基线高出 20% 多。视觉语言底子厚了,动手确实更稳。

但别想多了——这模型干纯文本会变笨,做图像描述也拉胯。它压根不是冲着通用智能去的。

统一训练不是为了啥全能选手,而是给“动作闭环”这条窄路铺上标准化轨道。牛皮吹爆了也没用,能复用、能共享、能跑通,才是工程师要的实在货。

在 X 看原帖 ↗
2.5万51302231
📰 行业动态
新行业动态 · @code▲ 5.5万

VS Code里能自己塞AI模型了

GitHub Copilot 在 VS Code 中支持用户自带语言模型和 API 密钥。

在 X 看原帖 ↗
5.5万59462130
新行业动态 · @Polymarket▲ 14.7万

360数字安全推AI漏洞发现代理

中国网络安全公司360数字安全推出新AI“漏洞发现代理”,目标是与Claude Mythos竞争。

在 X 看原帖 ↗
14.7万1161.2K167
新行业动态 · @RodmanAi▲ 1.5万

开源AI电影工作室塞进你笔记本了

Higgsfield AI关停,有人开源了一个含200多个模型的AI电影工作室,支持本地部署、MIT许可。

在 X 看原帖 ↗
1.5万26196264
新商业 · @arankomatsuzaki▲ 9.8K

有人给开源大模型装上了自动打款功能

OpenRouter模式被提议升级:每次调用开源LLM,费用自动分润给模型作者,不是靠自愿捐赠,而是默认按用量结算。就像你买咖啡时,豆子农夫的名字出现在小票第二行。

在 X 看原帖 ↗
9.8K610917
新体验 · @MJTruthUltra▲ 7.5K

ChatGPT那些‘顿悟式’回答,其实是用户偷偷塞了提示词开关

一段视频里ChatGPT突然说出哲理金句,真相是用户用了公开文档记载的‘约束响应’提示技巧——类似给模型戴了副特制眼镜,不是它自己睁开了眼。

新商业 · @Logical_Girll▲ 4.3万

做AI广告工具的公司接连消失,不是因为技术不行

Icon爆火后沉寂,Omneky融巨资后无声退场。它们失败的共同点是把广告当成纯工具问题来解,而没碰真实投放链路上的决策权、预算审批和效果归因。

在 X 看原帖 ↗
4.3万3713763
新自动化 · @maverickecom▲ 2.2万

有人用两个开源工具搭出了TikTok内容流水线

Hermes Agent和Higgsfield Marketing Studio组合,让一个人能批量重制、本地化、上线爆款TikTok Shop短视频。以前要三个人轮班盯的数据清洗+剪辑+投流,现在缩进一个界面里。

在 X 看原帖 ↗
2.2万11236277
新开发者 · @serafimcloud▲ 2.4万

新出的Agent UI组件库,补上了所有被跳过的协作细节

Agent Elements Diffed提供计划审批、澄清提问、子智能体调度、工具卡片等功能——这些是多数‘智能体界面’库刻意绕开的部分,现在打包成25个shadcn/ui风格组件。

在 X 看原帖 ↗
2.4万9152169
新动态 · @ModelScope2022▲ 1.0万

腾讯刚发布的Hy3模型,是彻底重写训练和强化学习基建后的第一颗果实

Hy3总参数2950亿,激活210亿,上下文支持256K,采用混合快慢思考的MoE架构。它不是迭代升级,而是整套预训练与RL系统推倒重建后跑出的第一个模型。

在 X 看原帖 ↗
1.0万2017945
新安全 · @TheRealAdamG▲ 3.1万

OpenAI开源了一个专门擦除身份证号、电话号码的AI过滤器

OpenAI Privacy Filter是开放权重模型,专用于识别并抹除文本中的个人身份信息(PII)。它不解释为什么该删,只安静执行——像办公室里那个从不抬头、但永远记得盖章的合规专员。

在 X 看原帖 ↗
3.1万24306114
行业动态 · @AlibabaGroup▲ 1.8万

270亿参数多模态模型开源了

通义千问Qwen3.6-27B已开源,是一个密集型27B参数的多模态模型,具备旗舰级智能体编程能力。

在 X 看原帖 ↗
1.8万3243226
动态 · @TimJayas▲ 4.4万

Claude Code被砍掉后,有人立刻做出了开源平替

Anthropic从20美元Pro计划里移除了Claude Code功能,随即出现Open Claude工具:支持任意LLM、可本地或云端运行、不收订阅费。如果你刚为AI编程助手续费,现在发现它核心功能没了,而替代路径已经存在,门槛只剩一个README。

在 X 看原帖 ↗
4.4万27328270
动态 · @bridgemindai▲ 2.7万

270亿参数的开源模型,跑在普通笔记本上就能写代码

Qwen 3.6 27B在SWE-Bench Pro测试中拿到53.5分,这个270亿参数模型可在消费级笔记本运行。如果你刚为云GPU账单皱眉,而同事用MacBook Air跑通了同样的代码补全任务,差距只剩一条conda install命令。

在 X 看原帖 ↗
2.7万1025038
🛠 工具产品
新工具产品 · @pashov▲ 1.6万

Solidity代码安全分析工具免费开源了

有人开发了名为X-ray的AI工具,能一键生成Solidity代码库的威胁模型和不变式,免费且完全开源。

在 X 看原帖 ↗
1.6万26253276
新工具产品 · @VivekIntel▲ 1.5万

Claude被改造成红队攻击手了

Claude-Red 是一个工具,给 Claude 添加 38 种进攻性安全技能,包括 SQLi、XSS、EDR 规避、漏洞开发、OSINT 等预建 .md 技能模块。

在 X 看原帖 ↗
1.5万78378374
工具产品 · @VisualconAI▲ 8.5万

Claude Code订阅被干掉了?

有人开源了free-claude-code,一个把Anthropic API请求转成NVIDIA NIM格式的代理,提供每分钟40次免费调用。

在 X 看原帖 ↗
8.5万1391.5K1.6K
工具产品 · @llama_index▲ 2.8万

PDF解析器不用大模型,靠网格投影保结构

LiteParse是开源的PDF解析工具,用网格投影方法替代重型ML布局模型或纯文本提取。

在 X 看原帖 ↗
2.8万125135
📌 其他
新深度观点 · @cryptopunk7213▲ 8.4万

27B模型跑在笔记本上,比15倍大的模型还强

中国团队发布了一个27B参数的Claude级AI代码模型,能在笔记本运行,编码能力超过Opus 4.5,完全开源,无需云服务、限流或API密钥。

在 X 看原帖 ↗
8.4万55860547
新开源 · @megaeth▲ 1.7万

NectarAI 上线 MegaETH,去中心化 AI 助手进入公开阶段

一个已实现 300 万美元年经常性收入的去中心化 AI 平台,现在向所有人开放——它不靠中心化服务器,也不依赖大模型厂商的 API 垄断。

NectarAI 是一个去中心化 AI 助手平台,长期聚焦于用户端 AI 的落地边界。这意味着它不把 AI 当作黑盒服务调用,而是让用户真正拥有、控制和组合自己的 AI 工具链。

它已完成 500 万美元融资,并在测试阶段达成 300 万美元年经常性收入(ARR)。这意味着已有真实用户持续付费,且收入规模已接近中小 SaaS 公司早期盈利门槛。

平台现已在 MegaETH 上向公众开放。MegaETH 是一个以太坊生态中的去中心化基础设施层,强调无需许可、可组合与抗审查。这意味着 NectarAI 的运行不依赖 AWS 或 Cloudflare 等中心化服务商,也不受单一应用商店或分发渠道限制。

原文称‘9/10 Mafia apps live’——这是对当前去中心化应用生态的观察:十款被社区公认最具潜力的‘黑帮级’(Mafia)应用中,已有九款上线运行。NectarAI 是其中之一。这条路能不能走通,取决于工具本身够不够用。但至少,它把‘要不要试’这件事,变简单了。

在 X 看原帖 ↗
1.7万342849
开源 · @Sumanth_077▲ 7.5K

不用再给大模型写胶水代码了,有人做了套马具

OpenHarness 让 LLM 只管思考,跑腿的事全包了

OpenHarness 不搞模型训练那一套,它干的是给现成的大语言模型(LLM)配马具的活儿。LLM 只管动脑子,查天气、读文件、发请求这些跑腿的事,全由它代劳。

这就像饭馆后厨——主厨(LLM)只负责想菜谱,切菜、炒锅、上菜自有帮工流水线。OpenHarness 把记忆存储、工具注册、角色分工这些零碎活儿打包成标准接口,省得你一行行写胶水代码。

搭个能自动订机票、查酒店、发确认邮件的智能体?现在可能就几行声明式规则的事。我试过类似流程,以前光调试工具调用顺序就能熬半宿。

用户 @c4ml_ 说得准:“harness”就是马具——不改马的力气,但决定它拉什么车、走哪条道、有没有缰绳。

安全控制也终于不用赌模型微调靠不靠谱了。策略变成可插拔的外挂模块,换 LLM 就像换充电宝,规则层纹丝不动。谷歌吃饱了才信内部对齐,我们普通人还是自己拴根绳子踏实。

在 X 看原帖 ↗
7.5K28106135
开源 · @XiaomiMiMo▲ 5.3万

小米新模型省Token一半,性能快追上Claude Opus了

MiMo-V2.5系列开源,Pro版少烧42% Token打平Kimi K2.6

小米刚甩出MiMo-V2.5系列开源智能体模型,这回主打一个‘省Token’。ClawEval跑分显示,MiMo-V2.5-Pro比Kimi K2.6少烧42%的Token就能打平分数;普通版MiMo-V2.5更是比Muse Spark省将近一半。

顶配的MiMo-V2.5-Pro专啃硬骨头——长周期任务、复杂代码、深度推理,样样比前代MiMo-V2-Pro强出一截,性能已经摸到Claude Opus 4.6的脚后跟。我原以为国产模型还得再熬两年,结果它悄悄把井挖到别人家门口了。

标准版MiMo-V2.5走的是全能路线,图、音、视频都能原生嚼碎,推理速度飙到每秒100到150 Token。计费也分两档:普通版1 Token兑1信用点,Pro版1兑2。不过后台基建升级后,同样一块钱能买到的算力其实更厚实了。牛皮吹爆了?先跑个本地测试再说。

在 X 看原帖 ↗
5.3万1131.1K244
开源 · @MercatJean▲ 2.5万

搞AI动手能力,现在不用再拼凑三四个代码库了

VLA Foundry 开源框架统一训练流程,从语言到动作端到端打通

以前搞个能看能说还能动手的AI,得东拼西凑三四个代码库,接口对不上、版本不兼容,光调试脚本就能耗掉半条命。

现在 VLA Foundry 把 LLM、VLM 和 VLA 的训练全收进一个开源仓库,从语言预训练一路干到动作微调,端到端打通。训练过程不再是黑盒串烧,而是可追溯、可复现的流水线——像饭馆后厨终于有了标准菜谱,不用每次靠老师傅手抖放盐。

你可以从零开练,也可以拿 Hugging Face 上现成的主干(比如 Qwen3-VL)接着训。团队两种都试了,权重也全公开了。

在 LBM Eval 仿真环境里,基于 Qwen3-VL 微调的 VLA 比老基线高出 20% 多。视觉语言底子厚了,动手确实更稳。

但别想多了——这模型干纯文本会变笨,做图像描述也拉胯。它压根不是冲着通用智能去的。

统一训练不是为了啥全能选手,而是给“动作闭环”这条窄路铺上标准化轨道。牛皮吹爆了也没用,能复用、能共享、能跑通,才是工程师要的实在货。

在 X 看原帖 ↗
2.5万51302231
开源 · @Alibaba_Qwen▲ 25.5万

270亿参数的稠密模型,干翻了15倍大的巨无霸

更强代码能力+原生多模态,不用MoE也不堆参数

Qwen3.6-27B 是个270亿参数的稠密模型,没搞稀疏激活,也没上MoE那套花架子,就靠实打实的架构调优和训练数据硬刚。

它在所有主流编程基准上都压过了 Qwen3.5-397B-A17B——那个总参3970亿、每次激活170亿的巨无霸,体积差不多是它的15倍。SWE-bench Verified 77.2 对 76.2,SWE-bench Pro 53.5 对 50.9,Terminal-Bench 2.0 59.3 对 52.5,赢的不多,但确实赢了。

现在开发者能用更少显存跑出更强的代码能力,还不用折腾部署。这模型原生支持多模态,一套权重同时搞定“视觉-语言思考模式”和“非思考模式”,图像、视频、文本混着喂进去,它直接嚼,不用换模型也不用加适配层。

以前想同时扛住强编程推理和原生多模态,基本得堆更大参数或搞复杂结构。这次倒好,270亿参数的稠密模型直接把两样活儿都接了。

牛皮吹爆了?我原以为多模态和强代码能力必须二选一,结果人家端上来一盘两全的菜。

在 X 看原帖 ↗
25.5万6073.9K1.0K
开源 · @maier_ak▲ 11.1万

德国一个州自己搞了个开源AI,专读方言和公文

不追通用智能,只做本地人用得上的公共模型

巴伐利亚州自己动手搞了个开源AI基础模型。不是硅谷那套,也不是大厂出品,就是地方政府牵头的公共项目。

代码、训练数据、模型权重全公开,随便你看、改、部署。他们直接把闭源路线pass了,当成水电一样的公共设施来建。

负责人说得很清楚:我们只做模式识别,不搞通用智能,更不碰幻觉生成。重点是让AI能稳稳读懂巴伐利亚方言、市政公文和老档案。

项目名单倒是公布了,但啥时候上线、用什么算力、技术细节怎么给——统统没影。

能不能成,全看本地人愿不愿意喂数据、测效果、调参数。不过至少,它把“AI到底该伺候谁”这个问题,从硅谷饭局拽回了村口公告栏。

在 X 看原帖 ↗
11.1万9245100
开源 · @scaling01▲ 8.3万

OpenAI 开源了一个专门识别和遮盖个人信息的模型

它不生成文字,也不写代码,而是悄悄读遍文本,标出身份证号、邮箱、电话——然后一键打码。

OpenAI 开源了一个新模型,定位是‘双向词元分类模型’,专用于文本中个人身份信息(PII)的检测与遮盖。
这意味着什么:它不做内容创作,而是像一位专注的审查员,逐词扫描文本,判断每个词元是否属于姓名、邮箱、手机号、身份证号等敏感类别,并支持自动替换或掩码处理。

模型开源地址已公开,包含训练方法、推理示例和评估基准链接。
这意味着什么:开发者可直接下载、测试、集成进自己的数据处理流程,无需从零构建PII识别能力,也不依赖闭源API。

所有发布信息均来自OpenAI官方仓库及配套文档链接,无训练数据规模、准确率数字、对比基线等额外说明。
这意味着什么:它是一块可用的工具砖,不是一套完整解决方案——能否用好,取决于你手上的文本场景、合规要求和后续工程适配。

这条路能不能走通,取决于真实业务流里,遮盖是否够准、够快、够可控。

在 X 看原帖 ↗
8.3万88983597
开源 · @GithubProjects▲ 1.0万

开源框架用200多个可复用提示模式增强人类工作

它不训练模型,也不造AI,而是把提示词变成像命令行工具一样能直接调用的模块——支持任意大语言模型服务商。

这是一个开源框架,提供200多个可复用的提示词‘模式’,比如总结、提取关键洞见、分析主张真伪等。
这意味着:你不需要每次重新设计提示语,而是像调用一个函数那样,用命令行直接触发特定认知动作。

这些模式通过命令行接口(CLI)调用,底层可对接任意大语言模型服务商(如OpenAI、Anthropic、Ollama等)。
这意味着:你不用绑定某一家AI服务,换模型只需改一行配置,提示逻辑完全复用。

项目托管在GitHub,全部开源,无商业许可限制。
这意味着:开发者可以审查、修改、嵌入到自己的工作流中,而不仅限于‘用一下’。

在 X 看原帖 ↗
1.0万9141174
开源 · @bindureddy▲ 2.2万

Kimi 2.6 在 LiveBench 超过 Opus 4.7,被称目前最佳开源模型

一个叫 Kimi 2.6 的开源模型,在无法刷分的 LiveBench 基准测试中,推理和编程能力都超过了 Opus 4.7——而 Opus 4.7 本身是当前主流闭源模型之一。

Kimi 2.6 在 LiveBench 基准测试中得分高于 Opus 4.7。LiveBench 被描述为‘无法被刷分’的测试,意味着结果更反映真实能力。
这意味着:它不是靠针对性优化拿高分,而是通用能力确实更强。

Kimi 2.6 在推理、编程任务上明确胜过 Opus 4.7,在‘代理式编程’(agentic coding)上也接近其水平。
这意味着:它不仅能解题、写函数,还能完成多步协作类编程任务——这类任务需要模型规划、调用工具、迭代修正。

该结论经过内部评估复核,且相关数据公开在 Livebench AI 网站。
这意味着:判断不是单次跑分或主观印象,而是可验证、可追溯的实测结果。

有人指出 Kimi 2.6 推理成本很高,‘低努力操作’消耗的 token 和高努力操作一样多。
这意味着:它的强表现是以高计算开销为代价的,实际部署时需权衡性能与成本。

也有人补充,Kimi 2.6 在基准之外的表现‘相当不错’。
这意味着:它不只是‘会考试’,在真实交互场景中也有扎实基础。

在 X 看原帖 ↗
2.2万48599130
机器人 · @rowancheung▲ 5.0万

波士顿动力给机器狗Spot装上了会物理推理的‘大脑’

Google DeepMind的Gemini Robotics模型已部署在Spot内部,让它能理解真实世界的物体关系和因果约束——不是靠预设动作,而是实时推演下一步该怎么做。

阅读全文 →
5.0万5233391

这一天的 28 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