现在的AI对话是轮流进行的:你说完它再说,像对讲机。John Schulman分享了全双工多模态模型的工作,让交互变得实时、自然、直观,而且不牺牲智能。
过去一周的演示表明,许多以前需要专用模型的任务,比如实时翻译和视频事件检测,现在通用模型通过零样本指令遵循就能完成。你可以同时说话、做手势、展示物品,AI能实时理解并回应,体验更像真人对话。
Thinky公司创立的部分目的就是差异化推进这种人机协作能力——这块目前相对被低估。
Arena AI Model ELO History
关于网页界面与API的说明:LMSYS Arena通过API端点(“原始”模型)测试模型性能。消费者聊天界面(如gemini.com或chatgpt.com)通常会添加原始API中不存在的系统提示、安全过滤器和特定界面的封装层。提供商也可能为了在高峰负载期间节省计算资源,静默切换到量化(低精度)版本的模型,导致API基准测试无法完全捕捉到的“削弱”感知。欢迎提交代表真实网页界面评估的数据源的PR。
𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌
美国银行将 AI 数据中心系统支出预测从 1.4 万亿美元上调至 1.7 万亿美元(2030 年),其中 AI 加速器占 1.2 万亿美元,AI 网络设备占 316 亿美元,全部基于定制 ASIC 芯片。
有人输入「帮我分析英伟达这三年的财务数据」,Claude 瞬间输出五大投研板块;它已通过 MCP 协议原生接入金融数据库,覆盖全球17,000+只股票、30年财务底稿、SEC原档和实时股价。
有人用NotebookLM把精选资料整理提炼后,转成skill.md文件,让Claude直接作为垂直专家工作。
35B参数混合专家模型,每次推理仅激活3B,现已开源并提供TEE认证推理。
全额资助10周项目,让你专职研究AI安全
John Schulman展示了全双工多模态模型,AI能同时听、看并实时回应。
现在的AI对话是轮流进行的:你说完它再说,像对讲机。John Schulman分享了全双工多模态模型的工作,让交互变得实时、自然、直观,而且不牺牲智能。
过去一周的演示表明,许多以前需要专用模型的任务,比如实时翻译和视频事件检测,现在通用模型通过零样本指令遵循就能完成。你可以同时说话、做手势、展示物品,AI能实时理解并回应,体验更像真人对话。
Thinky公司创立的部分目的就是差异化推进这种人机协作能力——这块目前相对被低估。
Harvey AI估值已达110亿美元,但Anthropic在同一次更新中直接集成了它的能力。Legora则刚完成6亿美元D轮融资。大模型公司的竞争方式,已从模型参数转向谁能更快吞下整个垂直工作流。
Google CEO要求公司内部写代码必须用自家模型,而GitHub Copilot、Cursor、Aider等编程Agent已列在开源清单里,覆盖340+工具。有人正用这些工具批量生成Claude技能,让AI像训练过的垂直专家一样工作。
OpenAI为把Codex带到Windows,构建了Windows沙盒,解决编码代理需在频繁确认提示和完全机器访问间取舍的问题。
CodeGraph-Rust 是一个 MCP 服务器,能把整个代码库提前索引成本地知识图谱。
Kronos是专为金融市场训练的开源基础大模型,用45家交易所120亿条真实K线数据从零训练,提供4个参数量版本,最小版可在笔记本运行。
Codex是AI编程产品,未来30天内,想尝试切换过来的公司可获两个月免费使用。
一个 CLI 工具能追踪 Claude Code 和 Codex 等本地 AI Agent 的 Token 消耗与成本,提供状态栏和交互式 Dashboard 实时显示——开发者现在能像查水电账单那样盯住模型调用开销。
零基础的人开始用大模型做 Vibe Coding,但效率低;两本中文书专门讲 Claude 和 Codex 的 Harness 工程,把模型当可配置系统来学,而不是当黑箱提示词机器来试。
有人提醒别做 API 中转生意,因为监管即将严查模型路由、API 聚合中转、套壳站、海外账号买卖和数据买卖;举报量激增、国央企员工误传敏感数据、特朗普和孙哥等高调操作,都成了触发点。
一个开源项目提供了 67 套现成的 DESIGN.md + SKILL.md 文件,AI 写前端时直接加载就能按规范生成,风格像素级一致;以前靠提示词狂描述效果,现在靠结构化技能文件控制。
PraisonAI是开源项目,5行代码可启动AI智能体团队,24小时自主运行任务。
Anthropic推出Claude for Small Business,集成到QuickBooks、PayPal等工具,预设15个技能如工资核算、催款、签合同,需手动启动审批。
GitHub 上有一份叫 Awesome AI Agents 2026 的资源清单,收录 340+ 工具和框架,覆盖 20+ 类别,每月更新。
agency-agents项目把前端开发、UI设计、自媒体运营等职位做成AI员工,已有144个,GitHub星标超6万,免费开源。
有人指出本地Git服务器能被AI直接搜索、引用和学习,全程不上传任何数据。这改变了AI工作流的信任边界——当模型在你自己的仓库里读历史提交时,它记住的是你团队的真实上下文。
有人用LTX 2.3 lipdub LoRA搭配Chatterbox TTS语音克隆模型,做出当前最优的唇形同步工作流。它不依赖闭源大模型API,省下的是实打实的调用费用和等待时间。
新发布的AI红队平台OpenClaw支持五类扫描:安全扫描、Agent行为扫描、Skills逻辑扫描、MCP协议扫描、AI基础设施配置扫描。它把过去分散的手动测试,变成可重复执行的系统性检查动作。
baoyu-skills 新增一个微信群聊总结 Skill,依赖 wx-cli 读取数据,推荐用 Claude Code 和 Claude Opus 4.6 运行。
Resemble AI研究团队发布了开源语音AI模型Dramabox,声称能提供高质量语音表演并附带可验证的签名。
OpenAI推出24门免费课程,2026年起陆续附带官方认证;第1–2周含两门入门课,由OpenAI团队主讲,时长44分钟。
Recursive Superintelligence 公司启动,目标是自动化知识发现,从让AI自行实验改进自身开始;获GV和Greycroft领投超6.5亿美元。
Mavis 是个人 AI 首席助理,支持长时任务;Agent Teams 实现多智能体并行执行并带对抗式质量关卡;API、CLI、Agent 全部包含在单一订阅中。
涵盖微调部署、提示学习、知识编辑、数学推理等11个主题,每个主题均提供课件、教程和可运行脚本。
在 GitHub 上发现上海交通大学出品的大模型实战教程:Dive into LLMs。
该教程覆盖从微调部署到安全对齐共11个主题。
每个主题均配套提供课件、教程和可运行脚本。
教程内容包括:微调与部署——预训练模型微调和部署指南;提示学习与思维链——API 调用与推理技巧;知识编辑——操控语言模型对特定知识的记忆;数学推理——快速蒸馏一个迷你模型。
GitHub 仓库地址为:https://t.co/yJlVvxxXQi。
Simon Willison 将自研LLM CLI工具嵌入shebang行,支持直接以自然语言或YAML模板定义脚本行为。
新学到的一点(TIL):Simon Willison 找到了在 shebang 行中调用其自研 LLM 命令行工具的方法。
这意味着用户能用英文直接编写可执行脚本,或通过一段 YAML 模板将更复杂的逻辑接入脚本。
完整说明见链接:https://t.co/kl6y7PEzkr
Gregorr 提问时,Willison 回应称:提示词(prompts)写在文件正文中,可自由使用换行符和任意格式。
一位开发者在自家NVIDIA AI PC上部署Hermes Agent,让AI持续处理任务。它不依赖云端API,也不产生调用费用,只靠本地运行的大模型完成工作。
智谱AI创始人唐杰预测,今年大模型关键突破在于长周期任务——AI能在真实环境中持续运转并解决复杂问题。这需要超长上下文、快速迭代能力、以及自我修正机制三者协同。
一个新开源工具专为Windows设计,用来移除或禁用系统内置AI功能,包括GitHub Copilot、Windows Recall等。它不修改系统核心,而是通过配置层实现AI组件的开关控制。
微软Azure正式上线Dl/D/Esv7系列虚拟机,由英特尔Xeon 6处理器提供算力支持。这些VM面向AI训练与推理场景,是双方AI与云战略合作落地的第一批基础设施。
Awesome Design Skills 合集提供67套现成设计系统技能文件,每套含AI可读的指令规范和人类可读的设计说明,支持Claude Code、Codex等工具。
普通人像写菜谱一样写好步骤,AI就能自动执行复杂任务,减少人工干预。
Skills 是技能、领域知识、工作流等,相当于一份“怎么干好一件事”的说明书。普通人可以像写菜谱一样,把复杂任务的步骤写清楚,AI就能自动执行,比如审合同、写代码。
一个具体的例子是 nda-review,它位于开源仓库 commercial-legal/skills/ 文件夹下。里面是一份 SKILL.md 文件,写明了审查保密协议(NDA)时先比对哪些条款,并按照团队 playbook 执行。你不需要成为法律专家,只要能把流程写清楚,AI就能帮你完成专业工作。
在主 Agent 的架构下,它可以动态指定 subagent(通用子AI)的任务,也可以预先写好。这就像有一个项目经理,既能临时分派任务,也能提前规划好流程,让AI按部就班执行,减少人工干预。
目前没有明确说明 Skills 的格式和标准是什么,普通人如何创建自己的 Skill。主 Agent 动态指定 subagent 时是否需要编程,也不清楚。这些 Skills 是否能在不同 AI 系统间通用,仍是开放问题。
把流程写成说明书,让AI代劳——这降低了专业工作的门槛,但如何编写、谁来维护,还需要更清晰的规则。
不用写代码,三步搭建AI工作流,非技术人员也能靠别人使用你的工具收费。
2026年的副业趋势变了:不卖课、不做号、不剪视频,而是做一个AI Agent,让别人付费使用你建的工具。它就像一台自动售货机,但你卖的是AI服务。
通过Bloome平台,创建AI Agent只需三个步骤:打开App,按照引导搭建流程,发布后即可使用。整个过程大约15分钟。
Agent本质上是一个个人AI工作流——把多个任务串起来自动执行。比如:热点监控→选题拆解→内容生成;或者简历分析→岗位匹配→投递建议;再或者新闻抓取→数据整理→报告输出。把这些流程串起来,比单次找AI聊天好用太多。
普通人可以快速创建这样的工具并设置付费使用。非技术人员也能通过AI服务赚钱。
做AI Agent的速度,已经可以快到15分钟。未来会有越来越多非技术人员进入这个市场,竞争会集中在创意和推广上,而不是技术本身。
覆盖文生图、文生视频、文生音频和图像修复,无需自己试错。
最近有人挖到一个免费AI提示词共享平台topai,收录了上万条来自全球高手的提示词案例,覆盖文生图、文生视频、文生音频和图像修复四个方向。你可以直接复制这些提示词,用到对应的AI工具上。没有提示词经验的人也能用——不用花钱买模板,也不用反复试错就能得到不错的效果。
社交媒体上已经有人试过。@ChainLog7 评论说“确实很全面啊,收藏了”。平台有两个访问地址:https://t.co/SlAVeOaRqZ 和 https://t.co/Ff50aoADTf。
不过,平台会不会持续更新?提示词有没有按类别或难度分类?有没有社区互动或评分机制?这些都不太清楚。另外,提示词可能不是全部免费无限制使用,也不保证每个都经过验证。至于是否支持Midjourney、DALL-E等常见工具,目前也没有说明。
探讨从头实现LLM架构的所学,以及处理新开源权重模型的方法。
@rasbt: 一个关于从零开始在Python和PyTorch中实现LLM架构可以学到什么的小讲座。以及我如何处理新的开源权重模型,将其与参考实现进行比较等等:https://t.co/crKd2l9xGg
@140ismymax 是的!想知道这种现象是否只发生在GQA:SWA模型中,还是也出现在例如MLA或Gated DeltaNet模型中。
@bygregorr 历史上,这个(以及归一化层)可能是我调试时间花得最多的地方。
Anthropic推出Claude for Small Business,集成到QuickBooks、PayPal等工具,预设15个技能如工资核算、催款、签合同,需手动启动审批。
PraisonAI是开源项目,5行代码可启动AI智能体团队,24小时自主运行任务。
Mavis 是个人 AI 首席助理,支持长时任务;Agent Teams 实现多智能体并行执行并带对抗式质量关卡;API、CLI、Agent 全部包含在单一订阅中。
OpenAI为把Codex带到Windows,构建了Windows沙盒,解决编码代理需在频繁确认提示和完全机器访问间取舍的问题。
Resemble AI研究团队发布了开源语音AI模型Dramabox,声称能提供高质量语音表演并附带可验证的签名。
baoyu-skills 新增一个微信群聊总结 Skill,依赖 wx-cli 读取数据,推荐用 Claude Code 和 Claude Opus 4.6 运行。
Codex是AI编程产品,未来30天内,想尝试切换过来的公司可获两个月免费使用。
Kronos是专为金融市场训练的开源基础大模型,用45家交易所120亿条真实K线数据从零训练,提供4个参数量版本,最小版可在笔记本运行。
有人输入「帮我分析英伟达这三年的财务数据」,Claude 瞬间输出五大投研板块;它已通过 MCP 协议原生接入金融数据库,覆盖全球17,000+只股票、30年财务底稿、SEC原档和实时股价。
一个 CLI 工具能追踪 Claude Code 和 Codex 等本地 AI Agent 的 Token 消耗与成本,提供状态栏和交互式 Dashboard 实时显示——开发者现在能像查水电账单那样盯住模型调用开销。
零基础的人开始用大模型做 Vibe Coding,但效率低;两本中文书专门讲 Claude 和 Codex 的 Harness 工程,把模型当可配置系统来学,而不是当黑箱提示词机器来试。
美国银行将 AI 数据中心系统支出预测从 1.4 万亿美元上调至 1.7 万亿美元(2030 年),其中 AI 加速器占 1.2 万亿美元,AI 网络设备占 316 亿美元,全部基于定制 ASIC 芯片。
有人提醒别做 API 中转生意,因为监管即将严查模型路由、API 聚合中转、套壳站、海外账号买卖和数据买卖;举报量激增、国央企员工误传敏感数据、特朗普和孙哥等高调操作,都成了触发点。
一个开源项目提供了 67 套现成的 DESIGN.md + SKILL.md 文件,AI 写前端时直接加载就能按规范生成,风格像素级一致;以前靠提示词狂描述效果,现在靠结构化技能文件控制。
Recursive Superintelligence 公司启动,目标是自动化知识发现,从让AI自行实验改进自身开始;获GV和Greycroft领投超6.5亿美元。
Google CEO要求公司内部写代码必须用自家模型,而GitHub Copilot、Cursor、Aider等编程Agent已列在开源清单里,覆盖340+工具。有人正用这些工具批量生成Claude技能,让AI像训练过的垂直专家一样工作。
有人指出本地Git服务器能被AI直接搜索、引用和学习,全程不上传任何数据。这改变了AI工作流的信任边界——当模型在你自己的仓库里读历史提交时,它记住的是你团队的真实上下文。
Harvey AI估值已达110亿美元,但Anthropic在同一次更新中直接集成了它的能力。Legora则刚完成6亿美元D轮融资。大模型公司的竞争方式,已从模型参数转向谁能更快吞下整个垂直工作流。
有人用LTX 2.3 lipdub LoRA搭配Chatterbox TTS语音克隆模型,做出当前最优的唇形同步工作流。它不依赖闭源大模型API,省下的是实打实的调用费用和等待时间。
新发布的AI红队平台OpenClaw支持五类扫描:安全扫描、Agent行为扫描、Skills逻辑扫描、MCP协议扫描、AI基础设施配置扫描。它把过去分散的手动测试,变成可重复执行的系统性检查动作。
一位开发者在自家NVIDIA AI PC上部署Hermes Agent,让AI持续处理任务。它不依赖云端API,也不产生调用费用,只靠本地运行的大模型完成工作。
智谱AI创始人唐杰预测,今年大模型关键突破在于长周期任务——AI能在真实环境中持续运转并解决复杂问题。这需要超长上下文、快速迭代能力、以及自我修正机制三者协同。
一个新开源工具专为Windows设计,用来移除或禁用系统内置AI功能,包括GitHub Copilot、Windows Recall等。它不修改系统核心,而是通过配置层实现AI组件的开关控制。
微软Azure正式上线Dl/D/Esv7系列虚拟机,由英特尔Xeon 6处理器提供算力支持。这些VM面向AI训练与推理场景,是双方AI与云战略合作落地的第一批基础设施。
agency-agents项目把前端开发、UI设计、自媒体运营等职位做成AI员工,已有144个,GitHub星标超6万,免费开源。
GitHub 上有一份叫 Awesome AI Agents 2026 的资源清单,收录 340+ 工具和框架,覆盖 20+ 类别,每月更新。
Awesome Design Skills 合集提供67套现成设计系统技能文件,每套含AI可读的指令规范和人类可读的设计说明,支持Claude Code、Codex等工具。
有人用NotebookLM把精选资料整理提炼后,转成skill.md文件,让Claude直接作为垂直专家工作。
CodeGraph-Rust 是一个 MCP 服务器,能把整个代码库提前索引成本地知识图谱。
OpenAI推出24门免费课程,2026年起陆续附带官方认证;第1–2周含两门入门课,由OpenAI团队主讲,时长44分钟。
John Schulman展示了全双工多模态模型,AI能同时听、看并实时回应。
现在的AI对话是轮流进行的:你说完它再说,像对讲机。John Schulman分享了全双工多模态模型的工作,让交互变得实时、自然、直观,而且不牺牲智能。
过去一周的演示表明,许多以前需要专用模型的任务,比如实时翻译和视频事件检测,现在通用模型通过零样本指令遵循就能完成。你可以同时说话、做手势、展示物品,AI能实时理解并回应,体验更像真人对话。
Thinky公司创立的部分目的就是差异化推进这种人机协作能力——这块目前相对被低估。
全额资助10周项目,让你专职研究AI安全
35B参数混合专家模型,每次推理仅激活3B,现已开源并提供TEE认证推理。
Simon Willison 将自研LLM CLI工具嵌入shebang行,支持直接以自然语言或YAML模板定义脚本行为。
新学到的一点(TIL):Simon Willison 找到了在 shebang 行中调用其自研 LLM 命令行工具的方法。
这意味着用户能用英文直接编写可执行脚本,或通过一段 YAML 模板将更复杂的逻辑接入脚本。
完整说明见链接:https://t.co/kl6y7PEzkr
Gregorr 提问时,Willison 回应称:提示词(prompts)写在文件正文中,可自由使用换行符和任意格式。
涵盖微调部署、提示学习、知识编辑、数学推理等11个主题,每个主题均提供课件、教程和可运行脚本。
在 GitHub 上发现上海交通大学出品的大模型实战教程:Dive into LLMs。
该教程覆盖从微调部署到安全对齐共11个主题。
每个主题均配套提供课件、教程和可运行脚本。
教程内容包括:微调与部署——预训练模型微调和部署指南;提示学习与思维链——API 调用与推理技巧;知识编辑——操控语言模型对特定知识的记忆;数学推理——快速蒸馏一个迷你模型。
GitHub 仓库地址为:https://t.co/yJlVvxxXQi。
探讨从头实现LLM架构的所学,以及处理新开源权重模型的方法。
@rasbt: 一个关于从零开始在Python和PyTorch中实现LLM架构可以学到什么的小讲座。以及我如何处理新的开源权重模型,将其与参考实现进行比较等等:https://t.co/crKd2l9xGg
@140ismymax 是的!想知道这种现象是否只发生在GQA:SWA模型中,还是也出现在例如MLA或Gated DeltaNet模型中。
@bygregorr 历史上,这个(以及归一化层)可能是我调试时间花得最多的地方。
覆盖文生图、文生视频、文生音频和图像修复,无需自己试错。
最近有人挖到一个免费AI提示词共享平台topai,收录了上万条来自全球高手的提示词案例,覆盖文生图、文生视频、文生音频和图像修复四个方向。你可以直接复制这些提示词,用到对应的AI工具上。没有提示词经验的人也能用——不用花钱买模板,也不用反复试错就能得到不错的效果。
社交媒体上已经有人试过。@ChainLog7 评论说“确实很全面啊,收藏了”。平台有两个访问地址:https://t.co/SlAVeOaRqZ 和 https://t.co/Ff50aoADTf。
不过,平台会不会持续更新?提示词有没有按类别或难度分类?有没有社区互动或评分机制?这些都不太清楚。另外,提示词可能不是全部免费无限制使用,也不保证每个都经过验证。至于是否支持Midjourney、DALL-E等常见工具,目前也没有说明。
不用写代码,三步搭建AI工作流,非技术人员也能靠别人使用你的工具收费。
2026年的副业趋势变了:不卖课、不做号、不剪视频,而是做一个AI Agent,让别人付费使用你建的工具。它就像一台自动售货机,但你卖的是AI服务。
通过Bloome平台,创建AI Agent只需三个步骤:打开App,按照引导搭建流程,发布后即可使用。整个过程大约15分钟。
Agent本质上是一个个人AI工作流——把多个任务串起来自动执行。比如:热点监控→选题拆解→内容生成;或者简历分析→岗位匹配→投递建议;再或者新闻抓取→数据整理→报告输出。把这些流程串起来,比单次找AI聊天好用太多。
普通人可以快速创建这样的工具并设置付费使用。非技术人员也能通过AI服务赚钱。
做AI Agent的速度,已经可以快到15分钟。未来会有越来越多非技术人员进入这个市场,竞争会集中在创意和推广上,而不是技术本身。
普通人像写菜谱一样写好步骤,AI就能自动执行复杂任务,减少人工干预。
Skills 是技能、领域知识、工作流等,相当于一份“怎么干好一件事”的说明书。普通人可以像写菜谱一样,把复杂任务的步骤写清楚,AI就能自动执行,比如审合同、写代码。
一个具体的例子是 nda-review,它位于开源仓库 commercial-legal/skills/ 文件夹下。里面是一份 SKILL.md 文件,写明了审查保密协议(NDA)时先比对哪些条款,并按照团队 playbook 执行。你不需要成为法律专家,只要能把流程写清楚,AI就能帮你完成专业工作。
在主 Agent 的架构下,它可以动态指定 subagent(通用子AI)的任务,也可以预先写好。这就像有一个项目经理,既能临时分派任务,也能提前规划好流程,让AI按部就班执行,减少人工干预。
目前没有明确说明 Skills 的格式和标准是什么,普通人如何创建自己的 Skill。主 Agent 动态指定 subagent 时是否需要编程,也不清楚。这些 Skills 是否能在不同 AI 系统间通用,仍是开放问题。
把流程写成说明书,让AI代劳——这降低了专业工作的门槛,但如何编写、谁来维护,还需要更清晰的规则。
这一天的 39 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。