@emollick: 非常有趣的是,微软和OpenAI在同一时间访问着完全相同的模型,却用它们做出了截然不同的事情。这是一场罕见的纯实验:一个无名初创公司和全球最大的公司之一,拥有相同的产品。
而微软居然是率先推出GPT-4的那一个!
如果你最近用Claude聊天、写代码或做其他事情,大概率遇到过卡顿或报错。Anthropic的状态页面显示,从4月17日到30日,故障记录超过20次,密集时一天出现五起。
4月28日是最严重的一天,发生了四次故障。最严重的一次从17:41持续到19:15 UTC,用户无法访问Claude.ai,API和Claude Code也出现认证错误——如果你那天依赖Claude工作,几个小时内什么都做不了。同一天,Haiku 4.5模型错误率升高了将近一小时,Claude Code的代码审查功能也间歇性无法启动。
4月25日同样糟糕,共五次故障。
𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌
有人把AI编程教学做成了零门槛视频,不讲原理只教怎么用。你家孩子假期刷短视频时,可能正跟着它调通第一个AI工作流。
一个 API Key 可调用 Claude、GPT、Gemini 和国产大模型全系列。
DeepSeek多模态模型在回答时会同步用画框、打点等视觉原语进行思考。
模型进化迫使人类更精确地思考与提问
一个没用过Unity的人,靠Codex、GPT-5.5和agent-sprite-forge,全程对话生成代码和6帧精灵图,完成了Vampire Survivors风格的2D召唤兽游戏。美术最耗时,但编程和逻辑全由AI接管。
有人用NotebookLM把整理好的资料自动转成.skill.md文件,让Claude立刻变成某个垂直领域的专家。整个流程不写代码,只靠资料喂养和结构化输出。
147个AI代理组成12个部门,每个有明确角色、工作流和交付物,用claude code、cursor等工具,一条命令就能部署。
Qwen-Scope 是一套开源的稀疏自编码器(SAE),用于 Qwen 模型家族,支持通过直接操纵模型内部特征来引导输出。
同一技术起点,两大巨头走出不同路——一场罕见的纯实验。
@emollick: 非常有趣的是,微软和OpenAI在同一时间访问着完全相同的模型,却用它们做出了截然不同的事情。这是一场罕见的纯实验:一个无名初创公司和全球最大的公司之一,拥有相同的产品。
而微软居然是率先推出GPT-4的那一个!
两家模型公司同日发文:GPT用户少写流程,Claude用户必须写清格式和标准。
GPT-5.5和Claude Opus 4.7在同一个日子发了各自的提示工程指南。建议完全相反。
OpenAI让你少写流程,说清楚要什么结果,剩下的让模型自己选路径。Anthropic则说别指望它猜你意思——意图、格式、成功标准,一个都不能少。
简单说,用GPT就写简洁点,只给最终目标;用Claude就得详细,把格式和成功标准都列出来。搞反了,输出质量会差很多。
有网友猜Anthropic之所以要求详细提示,是因为它算力紧张——写越细模型推理时搜索负担越小。不过这只是猜测,没有官方说法。
两份指南目前都只给方向,没有具体示例。GPT-5.5和Claude Opus 4.7的性能差异没人比过,第三方评测也看不到。实际用起来谁更管用,还不知道。
提示词怎么写直接关系到输出质量,而公司的建议背后可能算着基础设施成本。选哪种策略,先看你在哪家模型上跑。
AI 研究员 Aran 测试发现,Claude 处理中文翻译比其他语言多消耗 65% Token,而 Gemini、Qwen、DeepSeek、Kimi 和 ChatGPT 都没这么明显;它对日韩语也多收费,只是中文最突出。有人用这个数据调提示词,把长中文段落先转英文再回译。
每个AI公司都该制作自己的基准测试。
@OfficialLoganK: 每个基于AI构建的公司都应该自己制作基准测试。如果你希望模型进步不成比例地惠及你的公司,这就是方法。
像@zapier、@SierraPlatform以及其他许多公司已经在这样做了。这里有巨大的阿尔法(超额收益)。如果你是创始人或企业主,你的团队明天就应该开始做这件事。
@AvadyMikhail 我正在把私有的阿尔法免费分享给大家 :)
@_zsomboo 很多公司内部有评估,但公开发布基准测试的少得多
@echowinAI 公司/产品特定的基准测试非常有帮助
@BasiratAfroz1 如果你希望你的公司从AI中受益,那么这一点很重要
@LexnLin 在基准测试上运行它们 :)
Codex和Cursor把AI对话放在左边,GitHub Copilot却把对话塞进右边——不是技术差异,而是默认谁才是主角。当你点开一个Agent工具,第一眼看到的布局,已经悄悄决定了你是指挥官还是校对员。
有人在周末用Langflow画了三张流程图,就让AI自动读合同、比价、填表格;另一些人用n8n把微信消息转成Notion任务,全程没写一行代码。开源AI的门槛,现在只剩一个README文件。
有人每次调试完AI提示词,就生成一张带时间戳和token数的消费小票,打印出来贴在书桌边。纸质感让虚无的对话有了刻度,当第27张小票盖住旧日历,他才意识到自己真的跑通了一个闭环。
有人把股票交易拆成选股、回测、下单三个AI角色,它们在本地Python环境里互相传数据、争辩策略。还没上线实盘,但模拟盘里已经能跑通从新闻摘要到仓位调整的全链路。
实验室里五个AI代理被要求共同决定‘今天该买咖啡还是茶’,结果三次实验里有两次陷入死循环。多智能体协作听起来很酷,但现实是它们连基本共识机制都还没跑通。
开源AI Agent自动写、审、改,上线首月下载量过万,本地跑保护隐私。
一个开源AI Agent正在帮网文作者自动写小说。选好风格(玄幻、仙侠、都市、科幻),输入大纲,AI自己写、审、改,作者最后过一遍就行。
上线才一个月,下载量已经超过1.1万次。开源意味着免费,也能自己定制,这个下载量说明需求是真实的。
要用这东西得有点技术底子——得在终端敲个“inkos”命令,启动本地的网页工作台。本地跑门槛是高了点,但数据全在自己设备上,隐私方面更放心。
项目方自己说了,核心不是取代作者,是让你一个人干一个工作室的活。它更像一个高效的写作助手,把码字和修改那些琐事接过去。
不过还有些事没说明白:生成的东西能不能达到商业出版水平?长篇连载的连贯性能不能控制?开源协议允许商用吗?另外,它虽然支持玄幻、仙侠这些中文网文常见题材,但界面和模型到底有没有针对中文做过优化,现在还不清楚。
和别的AI写作工具比,它最突出的就是开源和本地跑。但内容质量、连贯性、易用性能不能比别的强,还得看后续。
ChatGPT会员还在玩GPT Image 2作图时,有人已把AI设计、修图、渲染打包成Fiverr商品,面向海外客户接单。老外对这类服务付费意愿强,商用海报和插画标价50–100美元。
有人开源了everything-claude-code,内置27个自动规划与审查代码的Agent,覆盖TDD、token优化、重构、调试,还带1282项安全测试。Cursor、Codex、OpenCode全兼容,clone就能跑。
《动手学大模型》开源实战书上线,12章覆盖提示工程、语义搜索、微调、多模态应用,每章配可运行代码。不用配环境,打开Colab就能跟着敲,原理和落地一起讲。
xAI发布Grok 4.3 API版本,强调它在搜索能力、指令遵循精度、幻觉率三项指标上登顶榜单,同时比前代更快。没有提具体数据,但明确将‘最低幻觉’列为关键卖点。
CliRelay 是 CLIProxyAPI 的增强分支,用 Go 重写,统一代理 Gemini CLI、Claude Code、OpenAI Codex、Qwen Code、iFlow、Antigravity、Amp 等工具的 OAuth 凭据和 API Key 到 localhost:8317。
LMArena 文本榜最新结果里,文心 5.1 Preview 得分 1476,是唯一进全球前十五的国产模型,排名在 GPT-5.5 和 DeepSeek-V4-Pro 之前;同天 DeepSeek V4 和文心 5.1 Preview 都发布,国产旗舰正密集交锋。
有人在 GitHub 找到 Awesome local LLM 项目,把推理平台、引擎、UI、模型、开发工具等十多个方向分类整理,还附硬件选购建议;它不教你怎么写代码,只帮你从一团乱麻里快速看清自己该选哪条技术路径。
一个纯文本 Skill,针对不同工具写专用提示词:写代码时区分 Claude Code 和 Cursor,生图时按 Midjourney 或其它模型调整;它已有 6k+ Star,有人把它嵌进 Notion 数据库当团队提示词模板。
开发者 brcullum 训练模型参加 vibejam F1 模拟器比赛,靠上万次仿真迭代成为最快选手;现在模拟赛车平台里,AI 对 AI 的排位赛已能自动运行,不需要人盯屏幕调参。
有人开源了一个由147个AI agent组成的完整AI公司系统,涵盖工程、营销、销售、财务、支持等团队,可通过单条命令部署。
推文介绍了三个提供AI生图提示词的网站:一个收藏400+精品提示词,一个支持上传图片反查提示词,一个号称全球最大的AI prompt搜索引擎,含数百万条提示词和对应生成图。
用GPT Image 2生成太和殿完整模型、组件拆解图和建造流程图,再输入Seedance 2.0生成动画。
Andrew Ng 指出,2026 年的 AI 提示词写法与 2022 年 ChatGPT 推出时非常不同,并开设新课程《AI Prompting for Everyone》。
Moshi语音模型响应快、音质好,但推理能力弱于文本大模型;MoshiRAG通过异步检索与<ret>标记机制,在不增加延迟前提下实现跨模态知识调用。
该工具支持单行调用,将全部文献知识注入大语言模型,索引专为 AI agent 优化,速度约比网页搜索快 100 倍,且免费。
重大更新🤩:#paperclip 现已包含 arXiv 全量论文、PubMed Central 全量论文以及 1.5 亿篇摘要!🖇️
用户可通过一行代码,将全部文献知识提供给大语言模型(LLM),所有内容均已为 AI agent 进行最优索引。
该方法比网页搜索更全面,速度约为网页搜索的 100 倍,且完全免费。
快速安装命令:curl -fsSL https://t.co/NgzFcy9bIU | bash
博客说明:https://t.co/8KYNE0p5R1
该免费课程从9月底起每周更新一讲,覆盖Transformer与注意力机制等核心内容,含视频、课件及阶段性考试。
想系统学大语言模型,但网上资料太碎:东一篇西一篇,看完也不知道下一步学什么。可以直接跟着斯坦福新开的CME 295课程。
课程从9月底开始,每周更新一讲,免费旁听。课程按清晰路径把大语言模型(LLM)从基础到前沿串起来。
课程提供视频讲解和完整课件。中途设置考试,用于检验学习进度和掌握程度。
课程地址:https://t.co/PaGRQf1hID
课程内容包括:Transformer讲透,特别是注意力机制。
Hermes Agent已在LM Studio上原生支持,无需联网即可智能调度本地模型。
LM Studio是目前在本地硬件上运行开源大语言模型最流行的方式。现在,NousResearch开发的Hermes Agent已经原生支持在LM Studio上运行。它能自动发现电脑里已下载的模型,按需加载,自动设置正确的上下文大小,并为每个模型选择合适的推理级别。打开软件就能用,不用纠结技术细节。
这个集成来自Rugved Somwanshi和LM Studio团队的贡献。NousResearch说,他们付给Hermes Agent的“报酬”是食宿——完全免费,用户只需提供计算资源。
Hermes Agent适用于经过优化支持代理使用的模型,旧系列模型可能效果不佳。目前它已经可以在LM Studio中直接启用。这种本地方案免费且完全本地运行,但任务类型受限于模型——旧系列模型就不支持代理功能。
一个 API Key 可调用 Claude、GPT、Gemini 和国产大模型全系列。
Qwen-Scope 是一套开源的稀疏自编码器(SAE),用于 Qwen 模型家族,支持通过直接操纵模型内部特征来引导输出。
147个AI代理组成12个部门,每个有明确角色、工作流和交付物,用claude code、cursor等工具,一条命令就能部署。
有人开源了一个由147个AI agent组成的完整AI公司系统,涵盖工程、营销、销售、财务、支持等团队,可通过单条命令部署。
有人把AI编程教学做成了零门槛视频,不讲原理只教怎么用。你家孩子假期刷短视频时,可能正跟着它调通第一个AI工作流。
Codex和Cursor把AI对话放在左边,GitHub Copilot却把对话塞进右边——不是技术差异,而是默认谁才是主角。当你点开一个Agent工具,第一眼看到的布局,已经悄悄决定了你是指挥官还是校对员。
有人在周末用Langflow画了三张流程图,就让AI自动读合同、比价、填表格;另一些人用n8n把微信消息转成Notion任务,全程没写一行代码。开源AI的门槛,现在只剩一个README文件。
有人每次调试完AI提示词,就生成一张带时间戳和token数的消费小票,打印出来贴在书桌边。纸质感让虚无的对话有了刻度,当第27张小票盖住旧日历,他才意识到自己真的跑通了一个闭环。
有人把股票交易拆成选股、回测、下单三个AI角色,它们在本地Python环境里互相传数据、争辩策略。还没上线实盘,但模拟盘里已经能跑通从新闻摘要到仓位调整的全链路。
实验室里五个AI代理被要求共同决定‘今天该买咖啡还是茶’,结果三次实验里有两次陷入死循环。多智能体协作听起来很酷,但现实是它们连基本共识机制都还没跑通。
一个没用过Unity的人,靠Codex、GPT-5.5和agent-sprite-forge,全程对话生成代码和6帧精灵图,完成了Vampire Survivors风格的2D召唤兽游戏。美术最耗时,但编程和逻辑全由AI接管。
ChatGPT会员还在玩GPT Image 2作图时,有人已把AI设计、修图、渲染打包成Fiverr商品,面向海外客户接单。老外对这类服务付费意愿强,商用海报和插画标价50–100美元。
有人用NotebookLM把整理好的资料自动转成.skill.md文件,让Claude立刻变成某个垂直领域的专家。整个流程不写代码,只靠资料喂养和结构化输出。
有人开源了everything-claude-code,内置27个自动规划与审查代码的Agent,覆盖TDD、token优化、重构、调试,还带1282项安全测试。Cursor、Codex、OpenCode全兼容,clone就能跑。
《动手学大模型》开源实战书上线,12章覆盖提示工程、语义搜索、微调、多模态应用,每章配可运行代码。不用配环境,打开Colab就能跟着敲,原理和落地一起讲。
xAI发布Grok 4.3 API版本,强调它在搜索能力、指令遵循精度、幻觉率三项指标上登顶榜单,同时比前代更快。没有提具体数据,但明确将‘最低幻觉’列为关键卖点。
AI 研究员 Aran 测试发现,Claude 处理中文翻译比其他语言多消耗 65% Token,而 Gemini、Qwen、DeepSeek、Kimi 和 ChatGPT 都没这么明显;它对日韩语也多收费,只是中文最突出。有人用这个数据调提示词,把长中文段落先转英文再回译。
LMArena 文本榜最新结果里,文心 5.1 Preview 得分 1476,是唯一进全球前十五的国产模型,排名在 GPT-5.5 和 DeepSeek-V4-Pro 之前;同天 DeepSeek V4 和文心 5.1 Preview 都发布,国产旗舰正密集交锋。
有人在 GitHub 找到 Awesome local LLM 项目,把推理平台、引擎、UI、模型、开发工具等十多个方向分类整理,还附硬件选购建议;它不教你怎么写代码,只帮你从一团乱麻里快速看清自己该选哪条技术路径。
一个纯文本 Skill,针对不同工具写专用提示词:写代码时区分 Claude Code 和 Cursor,生图时按 Midjourney 或其它模型调整;它已有 6k+ Star,有人把它嵌进 Notion 数据库当团队提示词模板。
开发者 brcullum 训练模型参加 vibejam F1 模拟器比赛,靠上万次仿真迭代成为最快选手;现在模拟赛车平台里,AI 对 AI 的排位赛已能自动运行,不需要人盯屏幕调参。
CliRelay 是 CLIProxyAPI 的增强分支,用 Go 重写,统一代理 Gemini CLI、Claude Code、OpenAI Codex、Qwen Code、iFlow、Antigravity、Amp 等工具的 OAuth 凭据和 API Key 到 localhost:8317。
推文介绍了三个提供AI生图提示词的网站:一个收藏400+精品提示词,一个支持上传图片反查提示词,一个号称全球最大的AI prompt搜索引擎,含数百万条提示词和对应生成图。
DeepSeek多模态模型在回答时会同步用画框、打点等视觉原语进行思考。
模型进化迫使人类更精确地思考与提问
开源AI Agent自动写、审、改,上线首月下载量过万,本地跑保护隐私。
一个开源AI Agent正在帮网文作者自动写小说。选好风格(玄幻、仙侠、都市、科幻),输入大纲,AI自己写、审、改,作者最后过一遍就行。
上线才一个月,下载量已经超过1.1万次。开源意味着免费,也能自己定制,这个下载量说明需求是真实的。
要用这东西得有点技术底子——得在终端敲个“inkos”命令,启动本地的网页工作台。本地跑门槛是高了点,但数据全在自己设备上,隐私方面更放心。
项目方自己说了,核心不是取代作者,是让你一个人干一个工作室的活。它更像一个高效的写作助手,把码字和修改那些琐事接过去。
不过还有些事没说明白:生成的东西能不能达到商业出版水平?长篇连载的连贯性能不能控制?开源协议允许商用吗?另外,它虽然支持玄幻、仙侠这些中文网文常见题材,但界面和模型到底有没有针对中文做过优化,现在还不清楚。
和别的AI写作工具比,它最突出的就是开源和本地跑。但内容质量、连贯性、易用性能不能比别的强,还得看后续。
两家模型公司同日发文:GPT用户少写流程,Claude用户必须写清格式和标准。
GPT-5.5和Claude Opus 4.7在同一个日子发了各自的提示工程指南。建议完全相反。
OpenAI让你少写流程,说清楚要什么结果,剩下的让模型自己选路径。Anthropic则说别指望它猜你意思——意图、格式、成功标准,一个都不能少。
简单说,用GPT就写简洁点,只给最终目标;用Claude就得详细,把格式和成功标准都列出来。搞反了,输出质量会差很多。
有网友猜Anthropic之所以要求详细提示,是因为它算力紧张——写越细模型推理时搜索负担越小。不过这只是猜测,没有官方说法。
两份指南目前都只给方向,没有具体示例。GPT-5.5和Claude Opus 4.7的性能差异没人比过,第三方评测也看不到。实际用起来谁更管用,还不知道。
提示词怎么写直接关系到输出质量,而公司的建议背后可能算着基础设施成本。选哪种策略,先看你在哪家模型上跑。
同一技术起点,两大巨头走出不同路——一场罕见的纯实验。
@emollick: 非常有趣的是,微软和OpenAI在同一时间访问着完全相同的模型,却用它们做出了截然不同的事情。这是一场罕见的纯实验:一个无名初创公司和全球最大的公司之一,拥有相同的产品。
而微软居然是率先推出GPT-4的那一个!
每个AI公司都该制作自己的基准测试。
@OfficialLoganK: 每个基于AI构建的公司都应该自己制作基准测试。如果你希望模型进步不成比例地惠及你的公司,这就是方法。
像@zapier、@SierraPlatform以及其他许多公司已经在这样做了。这里有巨大的阿尔法(超额收益)。如果你是创始人或企业主,你的团队明天就应该开始做这件事。
@AvadyMikhail 我正在把私有的阿尔法免费分享给大家 :)
@_zsomboo 很多公司内部有评估,但公开发布基准测试的少得多
@echowinAI 公司/产品特定的基准测试非常有帮助
@BasiratAfroz1 如果你希望你的公司从AI中受益,那么这一点很重要
@LexnLin 在基准测试上运行它们 :)
Hermes Agent已在LM Studio上原生支持,无需联网即可智能调度本地模型。
LM Studio是目前在本地硬件上运行开源大语言模型最流行的方式。现在,NousResearch开发的Hermes Agent已经原生支持在LM Studio上运行。它能自动发现电脑里已下载的模型,按需加载,自动设置正确的上下文大小,并为每个模型选择合适的推理级别。打开软件就能用,不用纠结技术细节。
这个集成来自Rugved Somwanshi和LM Studio团队的贡献。NousResearch说,他们付给Hermes Agent的“报酬”是食宿——完全免费,用户只需提供计算资源。
Hermes Agent适用于经过优化支持代理使用的模型,旧系列模型可能效果不佳。目前它已经可以在LM Studio中直接启用。这种本地方案免费且完全本地运行,但任务类型受限于模型——旧系列模型就不支持代理功能。
该免费课程从9月底起每周更新一讲,覆盖Transformer与注意力机制等核心内容,含视频、课件及阶段性考试。
想系统学大语言模型,但网上资料太碎:东一篇西一篇,看完也不知道下一步学什么。可以直接跟着斯坦福新开的CME 295课程。
课程从9月底开始,每周更新一讲,免费旁听。课程按清晰路径把大语言模型(LLM)从基础到前沿串起来。
课程提供视频讲解和完整课件。中途设置考试,用于检验学习进度和掌握程度。
课程地址:https://t.co/PaGRQf1hID
课程内容包括:Transformer讲透,特别是注意力机制。
该工具支持单行调用,将全部文献知识注入大语言模型,索引专为 AI agent 优化,速度约比网页搜索快 100 倍,且免费。
重大更新🤩:#paperclip 现已包含 arXiv 全量论文、PubMed Central 全量论文以及 1.5 亿篇摘要!🖇️
用户可通过一行代码,将全部文献知识提供给大语言模型(LLM),所有内容均已为 AI agent 进行最优索引。
该方法比网页搜索更全面,速度约为网页搜索的 100 倍,且完全免费。
快速安装命令:curl -fsSL https://t.co/NgzFcy9bIU | bash
博客说明:https://t.co/8KYNE0p5R1
Moshi语音模型响应快、音质好,但推理能力弱于文本大模型;MoshiRAG通过异步检索与<ret>标记机制,在不增加延迟前提下实现跨模态知识调用。
这一天的 35 条信号到这里
https://ai-pulse-lab.com/feed.xml
每天 08:00 · 12:30 · 18:30 · 23:50 更新
在阅读器里订阅
添加到 Feedly、Inoreader 等阅读器
https://ai-pulse-lab.com/feed.xml
让你的 Agent 自动获取每轮简报
适用于 Claude、ChatGPT、Manus 等
请帮我设置一个定时任务,每天北京时间 08:30、13:00、19:00、00:20 各执行一次: 请求 https://ai-pulse-lab.com/api/brief.json,读取返回 JSON 中的 textPlain 字段,将内容发送给我。 补充:每日北京时间 08:00、12:30、18:30、23:50 更新,建议更新后 30 分钟查询。可先请求 /api/manifest.json 检查 nextUpdateAt 字段。无需认证,直接 GET 请求即可。