十二个月前，我们还会毫不犹豫地拒绝让Claude拥有足以攻破Anthropic内部服务的权限。而如今，这种级别的访问权限已成为常态，Anthropic的开发者也因此更高效。这些部署的风险包含两个组成部分：故障发生的可能性有多大，以及一旦发生可能造成多大损害。安全防护和模型训练的进展稳步降低了前者；后者——即理论上的爆炸半径——则随着能力和访问权限的扩展而不断增大。然而，当代理能够完成曾经需要一个人甚至一个团队才能完成的工作时，不部署的代价也足够大，以至于只要产品能够做到安全，风险回报计算就会大幅倾向于采用。工程问题就变成了如何限制爆炸半径。
如果能够对自主代理的相对损害设定边界——例如通过控制其运行环境——那么高实用性的能力就可以推动部署。Claude Mythos Preview就是一个例子：该模型在2026年4月被认为爆炸半径过高而未能发布。然而，我们预计随着防御者加固关键系统、防护机制日趋成熟，具有类似能力水平的模型将会更广泛地发布——尽管风险始终存在。模型能力是代理部署总风险中的一个重要因素。
𝕏 实时信号 + arXiv 前沿论文，经 AI 聚类解读
Apache Burr：构建可靠的 AI 智能体与应用程序
社区讨论：多人质疑Burr的Apache项目身份与设计风格，@flakiness对比其“非典型”首页与Apache HTTP Server官网，@redlewel批评其“vibeslopped”落地页和“700+ Discord成员”缺乏技术可信度。@tcdent指出Python装饰器被误用于流程控制而非本意的函数过滤（如缓存、序列化），批评FastAPI式用法泛滥。@hbarka和@hmokiguess分别提出与DSPy、Strands Agents的横向对比需求，反映开发者正权衡不同框架在状态管理、平台锁定与易用性间的取舍。
Show HN：适用于 macOS 菜单栏的 Claude Code 配额计量器
社区讨论：多人批评Claude Code未在底部状态栏显示配额百分比，如@giancarlostoro要求“Weekly Quota Left: 99%”提示；另有用户指出会话未自动压缩导致配额耗尽过快。@artdigital质疑通过curl+bash脚本安装的安全风险，强调应提供直接下载或Homebrew安装。工具选择存在分歧：@rippeltippel和@fosron力推CodexBar（支持多模型），@tskulbru用Linux原生ClaudeBar，@ceritium则自建独立配额监控页。
Anthropic发布Fable模型，网络安全研究员公开批评其内置限制——这些限制影响他们测试模型真实行为的能力。
阅读全文 →一笔仅 0.01 欧元的银行转账，就可能危及一个银行 AI 代理。
社区讨论：多数人指出LLM将交易描述误判为指令是根本性缺陷，@EnglishRobin96称“只要存在此问题，LLM就永无安全可言”；@zkmon质疑为何需用LLM解析确定性交易数据；@nerder92则认为攻击需用户主动点击恶意链接、接收陌生转账并主动查询，实际门槛较高；@reddalo类比SQL注入回归，@bilekas直斥将AI置于未经请求的财务决策中属严重失职；@nticompass反讽“唯一解是移除AI代理”。
Claude Desktop 每次启动都会生成一个 1.8 GB 的 Hyper-V 虚拟机，即使仅用于聊天场景。
社区讨论：多人批评Claude桌面版强制启动10GB VM并常驻1.8GB内存，且无禁用选项（@tom1337、@nathanyz）；@cortesoft反问“无法停止难道不是好事”，遭@HypnoticOcelot指出逻辑矛盾；@dbmikus则为VM设计辩护，称微虚拟化是沙箱化AI代理的未来方向；@tkcranny直言应用启动慢、交互卡顿，“与其宣传严重不符”。
链接无效：该 URL 无法访问。
社区讨论：多人指出企业版强制30天数据留存实际意味着Anthropic可无限期保留数据，因条款写明“几乎所有情况下30天后删除”，留有自由裁量权（@pseudosavant）；有人认为风险本质在于“使用即上传”，只要接受数据外传就已构成隐患（@keithnz）；另有开发者质疑这可能直接违反NDA（@thekevan），并已紧急将所有代理设为data retention mode 'none'以规避（@pbgcp2026）。
DiffusionGemma: 4x Faster Text Generation
社区讨论：多人指出扩散模型在边缘设备（如手机、本地GPU）上优势显著，因无需逐token自回归解码，适合低延迟场景（@samuelknight）；但也有用户质疑其实际质量，称本地扩散模型“明显不如廉价API模型”，不愿为速度牺牲质量（@SkitterKherpi）。@LarsDu88追问扩散文本模型相比自回归模型的固有缺陷，而@minimaxir则基于硬件对比图质疑“高成本”传言，认为DiffusionGemma在同等H100下应不更贵。
System Card [pdf]：https://www-cdn.anthropic.com/d00db56fa754a1b115b6dd7cb2e3c3...
社区讨论：多数用户确认Fable 5在代码任务（如MicroPy库开发）和Pelican基准测试中显著强于Opus 4.8。@simonw提供多组实测链接佐证性能提升，@bkjlblh和@mohsen1则指出模型主动拒绝LLM相关提问（如解释论文、设计训练管道），因Anthropic新增“前沿LLM开发干预”机制。@frevib质疑命名营销策略未带来实质进步，@pietz和@caleblloyd聚焦商业影响：6月23日后需用量信用，企业API成本或达2万美元/月，接近资深工程师年薪。
Claude Design 有一个完整的 Agent 运行环境，如果把它跟 Claude Code 比较的话，只是它基于浏览器和虚拟机来构建的。它有45个工具，有24个内置skills。运行方式也是基于 Agentic Loop。
所以它就是一个完整的 Agent Harness。
企业微信自动化，一个挺实用的开源库：wecom-cli 它不是做 Chatbot，是把企微的日常办公动作封装成 AI Agent 的 Skills（工具）。 目前支持： 1.通讯录查询 & 发消息 2.日程查询 & 创建会议 3.待办管理 4.文档和智能表格的读写 5.这就把企微从一个聊天软件变成了 AI 可以直接操作的后台系统。 有相关开发需求的可以看看：
Linux 开发者正在使用 AI 辅助编程（vibe coding）来维持老旧 AMD GPU 的生命力
服了你们了，anthropic，Claude一有什么事，就AT我做达里奥新视频，我也很想做，没时间啊，兄弟，我还要分精力搞LLM，后面还有各种服务器benchmark，尽可能保证闲暇之余给大家更新！做AI视频真不是我主业，纯瘾大。新模型还没时间用，但我估计工薪阶层家的孩子会越来越玩不起SOTA模型，这个就像玩儿表一样的，你以为积家是顶了，高端的江诗丹顿门你都摸不到，达里奥正在试图用模型给人类分级，我们的AI社会地位正在拉开差距。
他会为此付出代价。
“切换到更便宜的模型以节省成本”本身就是一个问题，因为更便宜的模型性能更差（也许对某个特定用途来说已足够好，但依然更差）。
更常见的更好做法是采用模型层级结构：由更智能的模型担任协调者与审核者，来调度和监督更便宜的模型。
超赞的 LLM4Cybersecurity：600 多篇关于 AI 驱动网络安全的研究论文 🛡️💀 🤖
当大语言模型（LLM）遇上网络安全。
该仓库整理了 600 多篇研究论文，涵盖 AI 驱动的漏洞检测、威胁情报、网络防御、进攻性安全、模糊测试（fuzzing）以及自主安全代理等方向。
🔗 #LLM #CyberSecurity #AIResearch #ThreatIntel #GenAI #OpenSource
解释 Monad Bugfinder：我们正在使用的内部 AI 辅助漏洞发现系统，用于帮助保障 Monad 区块链的安全。 附有直播链接。 博客文章：
有位老哥把自己几十年的工程实战经验一股脑塞进了这个开源项目，直接冲上GitHub热榜第一，狂揽12.4万Star。作者是前Vercel工程师，参与过Next.js早期开发，整理了16个和Claude协作的实战技巧，一条命令装完。最绝的是Grim这个skill——让AI反过来审问你，顺着决策树一条条确认需求，搞清楚你要什么再动手。
就42个词，被人称为“token回报率最高的提示词”。还有专治代码跑不起来的skill，强制AI先写必败测试，再写最少代码让它过，经典红绿循环，AI想偷懒都没机会。地址：
🚀 MiMo Code V0.1 现已上线并开源！
它不只是终端里的 AI 编程助手——而是你将合作过的最聪明的编程搭档。
它搭载 MiMo V2.5，这是一款多模态模型，限时免费提供，支持百万 token 上下文窗口——随时待命。
我们正在成立一家新的非营利性对齐研究组织——⊢ Sequent Research，汇聚此前在英国人工智能安全研究所（UK AISI）对齐团队、Timaeus 以及其他机构从事相关工作的研究人员，共同开展超级智能对齐研究。我们正在招聘！ 🧵
Llama-3.1-8B等模型中约3%的Attention Head被关闭后，ProntoQA正解率跌至44.6%，接近随机猜测水平。
阅读全文 →Claude Fable 5 现已在 Computer 中作为编排模型上线。
这是 Anthropic 面向长周期、复杂任务的最先进模型。
该模型仅对 Computer 的 Pro 和 Max 订阅用户开放。
Open AI 曾官方点名的Codex 视频 值得收藏，不到 2 小时，把 Codex + GPT-5.5 这套组合讲得很实： - 技能怎么配。- 插件怎么用。- 自动化工作流怎么搭。
- 多任务怎么并行跑。- 以及最关键的，怎么把 Codex 从一个聊天窗口，变成一个可以持续帮你干活的开发系统。真正高效的方式，是你先把上下文、技能、流程、权限、任务边界搭好，然后让 AI 在一个更稳定的工作环境里执行。
Fable 5 擅长 Three.js 开发。开发者使用最大推理强度，模型持续运行直至自认为代码已达到完美状态。
该游戏灵感来自《佛莱迪的五夜后宫》（FNAF）。
游戏链接为：
据开发者估算，该项目开发成本约为 49.80 美元。
我本周正在审核近1,000份Base App联盟计划（affiliate program）申请，此时距该计划启动仅过去10天😅。
申请者类型多样：包括小型创作者、大型KOL（关键意见领袖）、实用工具类网站、广告网络以及加密货币交易平台。
真正重要的不是规模或渠道类型，而是申请者的受众质量，以及其与@baseapp的实际契合度。
大多数创始人正在为本可免费获取的软件付费。许多此类服务无需风险投资支持即可使用： → @Cloudflare 提供托管服务，最高额度达25万美元； → @msft4startups 提供云服务与AI资源，信用额度为5000至15万美元； → @AWSstartups 提供云服务信用额度，为5000至10万美元； → @Atlassian 提供项目管理与运维工具，免费使用期为12个月。 文中附带8个链接，其中1个为额外补充链接。
我有4个AI代理在我睡觉时为我的投资组合工作：一个读取资金费率；一个标记正在抛售代币的钱包；一个为我草拟社交平台帖子；一个在我犯错时提醒我。
这四个代理每月花费的成本，比多数人买咖啡的月支出还低。
人们仍以为竞争优势藏在某个秘密的Discord群组里。
链接：
LangSmith可帮助用户追踪AI应用运行成本，通过链路分析（trace analysis）发现性能趋势，并监控输出质量与响应延迟。
LangChain团队为此开发了一门完整课程，逐步讲解LangSmith在全栈场景中的使用方法。
用户可免费报名LangChain Academy的这门课程，学习如何在生产环境中监控并优化AI代理（agents）。
Fable 5真的很厉害！我只用一条prompt做了成都市中心3D游览地图，人民公园，安顺廊桥，太古里，宽窄巷子……本成都人看着都想家了。
prompt内容为：为成都中心城区创建一个3D可自由探索的地图plan.md文件。设计plan.md时，要加入在进入下一步前必须先检查的循环机制。
该成果由@StarchildOnX AI Agent制作，链接为
Claude Fable 5 AI仿真工程能力有多强？我给Claude发了一段用Ansys Electronics做一个3 GHz的威尔金森一分二功分器仿真需求，剩下的活全是它干的。
它通过我开发的AEDT MCP插件，直连我本机安装的Ansys Electronics Desktop 2026 R1软件。
连接建立后，Claude Fable 5自动执行全部仿真准备步骤：新建工程、定义介质板材料、绘制微带线结构、镜像生成对称支路、添加隔离电阻、设置端口、施加辐射边界条件，并启动求解器运行仿真。
Claude Code终极爬虫手册：5大开源Skill让AI真正会上网干活。
想让Claude别再只是聊天工具，而是直接上手抓数据、操作网页、批量处理内容？下面这套组合就是最实用的方案。
方案整理成这份手册，可直接复制给Claude Code、Cursor、Codex使用。
顺序从日常最常用排到重度操作，零门槛。
1. 日常80%需求：社媒与公开内容一键抓取
工具：Agent-reach
地址：
Natolambert在𝕏平台发文质疑Anthropic在发布Claude Fable 5时采取的不均衡安全政策。
他认为，这种不一致的安全策略削弱了更广泛AI社区的凝聚力。
他还指出，该做法加速了AI在短期内演进过程中的不确定性与风险。
Natolambert在文末说明，自己过去几天身体不适，因此这篇博文是在快速写作状态下完成，若有疏漏请予体谅。
扩散模型（或流模型）能生成优异的策略，但用强化学习（RL）训练它们 notoriously 困难：反向传播通过时间（BPTT）不稳定，而对扩散过程直接应用RL会严重拉长有效决策步长（horizon）。
在新论文中，研究者展示了如何通过一种“奇特技巧”——“近似”雅可比矩阵（Jacobian）——来优化流匹配（flow matching）策略。相关链接：
该方法名为QGF（Q-function Gradient Flow），在实验中优于使用真实雅可比矩阵或BPTT的方案。QGF是纯测试时（test-time）方法：策略本身通过行为克隆（BC）训练，Q函数通过时序差分（TD）训练；在测试阶段，仅用恒等矩阵（identity Jacobian）作为雅可比矩阵的近似，对Q函数关于动作进行优化。链接：
更多细节见论文及项目网站： 和 @jtspringenberg 合作完成。
Kyutai实验室发布新论文《全双工语音模型中的多维度交互对齐》。团队使用强化学习（RL）对语音模型Moshi和PersonaPlex进行后训练，使其更接近人类对话行为：准确判断何时回应、何时静默等待、何时在倾听时以‘yeah’或‘okay’等方式进行副语言反馈（backchanneling）。
全双工语音模型（如Moshi和PersonaPlex）理论上比传统轮替式（turn-based）语音模型更自然，但实践中仍存在明显问题：该说话时不说话、不该说话时插话、缺乏副语言反馈。
问题根源之一是监督学习中使用的词元级（token-level）损失函数。例如，模型选择静默而非发出‘yeah’这类反馈，在交叉熵损失中代价极低，但人类听感上却显著不自然。而强化学习后训练可直接建模序列级目标，例如“每隔一段时间进行一次副语言反馈”。
该方法已应用于Moshi和NVIDIA开发的PersonaPlex模型，所有评估指标均获得提升。评估采用Full-Duplex-Bench v1（向模型输入预录制音频）和v2（模型参与实时多轮对话）两个版本基准测试。
PoeticHQ推出一款新型AI系统，可执行持续数小时的复杂任务，准确率达99%以上，所需token数量比当前AI代理减少10倍。
该公司已从Kleiner Perkins、Founders Fund、First Harmonic和Genius Ventures获得5000万美元融资，估值5亿美元。
融资将用于构建能在《财富》500强企业内部执行复杂工作的AI系统。
彭博社报道了PoeticHQ的相关消息。
PoeticHQ正在招募人才，目标是让AI在世界顶级企业中完成真实工作任务。
很多开发者最痛的不是不会用 AI。是 AI 越用越爽，账单越看越想死。有个开发者 10 天就干出 170 美元 Claude Code 账单，结果评论区有人直接给了一个狠方案：别继续烧 API 了，买台 Mac mini，把 AI 编程小队搬回本地。
基础款 Mac mini M4，599 美元。装 Ollama，拉本地模型，跑几条命令，然后把
终于发布了！！！
@METR_Evals 发现，SWEBench 中超过一半的结果是无法合并的“垃圾代码”（slop）。
FrontierCode 代表了维护者验证过的、超 1000 小时的软件工程工作，绝大多数前沿模型目前尚无法解决其中的问题，更不用说以高质量方式解决了。
Cog had IOI
Minerva宣布完成2000万美元A轮融资，联合OpenAI推出可实现超个性化营销的AI客户洞察平台。
阅读全文 →Claude Fable 5 现已在 Computer 中作为编排模型上线。
这是 Anthropic 面向长周期、复杂任务的最先进模型。
该模型仅对 Computer 的 Pro 和 Max 订阅用户开放。
我们正在成立一家新的非营利性对齐研究组织——⊢ Sequent Research，汇聚此前在英国人工智能安全研究所（UK AISI）对齐团队、Timaeus 以及其他机构从事相关工作的研究人员，共同开展超级智能对齐研究。我们正在招聘！ 🧵
🚀 MiMo Code V0.1 现已上线并开源！
它不只是终端里的 AI 编程助手——而是你将合作过的最聪明的编程搭档。
它搭载 MiMo V2.5，这是一款多模态模型，限时免费提供，支持百万 token 上下文窗口——随时待命。
解释 Monad Bugfinder：我们正在使用的内部 AI 辅助漏洞发现系统，用于帮助保障 Monad 区块链的安全。 附有直播链接。 博客文章：
Claude Design 有一个完整的 Agent 运行环境，如果把它跟 Claude Code 比较的话，只是它基于浏览器和虚拟机来构建的。它有45个工具，有24个内置skills。运行方式也是基于 Agentic Loop。
所以它就是一个完整的 Agent Harness。
企业微信自动化，一个挺实用的开源库：wecom-cli 它不是做 Chatbot，是把企微的日常办公动作封装成 AI Agent 的 Skills（工具）。 目前支持： 1.通讯录查询 & 发消息 2.日程查询 & 创建会议 3.待办管理 4.文档和智能表格的读写 5.这就把企微从一个聊天软件变成了 AI 可以直接操作的后台系统。 有相关开发需求的可以看看：
Linux 开发者正在使用 AI 辅助编程（vibe coding）来维持老旧 AMD GPU 的生命力
服了你们了，anthropic，Claude一有什么事，就AT我做达里奥新视频，我也很想做，没时间啊，兄弟，我还要分精力搞LLM，后面还有各种服务器benchmark，尽可能保证闲暇之余给大家更新！做AI视频真不是我主业，纯瘾大。新模型还没时间用，但我估计工薪阶层家的孩子会越来越玩不起SOTA模型，这个就像玩儿表一样的，你以为积家是顶了，高端的江诗丹顿门你都摸不到，达里奥正在试图用模型给人类分级，我们的AI社会地位正在拉开差距。
他会为此付出代价。
“切换到更便宜的模型以节省成本”本身就是一个问题，因为更便宜的模型性能更差（也许对某个特定用途来说已足够好，但依然更差）。
更常见的更好做法是采用模型层级结构：由更智能的模型担任协调者与审核者，来调度和监督更便宜的模型。
超赞的 LLM4Cybersecurity：600 多篇关于 AI 驱动网络安全的研究论文 🛡️💀 🤖
当大语言模型（LLM）遇上网络安全。
该仓库整理了 600 多篇研究论文，涵盖 AI 驱动的漏洞检测、威胁情报、网络防御、进攻性安全、模糊测试（fuzzing）以及自主安全代理等方向。
🔗 #LLM #CyberSecurity #AIResearch #ThreatIntel #GenAI #OpenSource
System Card [pdf]：https://www-cdn.anthropic.com/d00db56fa754a1b115b6dd7cb2e3c3...
社区讨论：多数用户确认Fable 5在代码任务（如MicroPy库开发）和Pelican基准测试中显著强于Opus 4.8。@simonw提供多组实测链接佐证性能提升，@bkjlblh和@mohsen1则指出模型主动拒绝LLM相关提问（如解释论文、设计训练管道），因Anthropic新增“前沿LLM开发干预”机制。@frevib质疑命名营销策略未带来实质进步，@pietz和@caleblloyd聚焦商业影响：6月23日后需用量信用，企业API成本或达2万美元/月，接近资深工程师年薪。
DiffusionGemma: 4x Faster Text Generation
社区讨论：多人指出扩散模型在边缘设备（如手机、本地GPU）上优势显著，因无需逐token自回归解码，适合低延迟场景（@samuelknight）；但也有用户质疑其实际质量，称本地扩散模型“明显不如廉价API模型”，不愿为速度牺牲质量（@SkitterKherpi）。@LarsDu88追问扩散文本模型相比自回归模型的固有缺陷，而@minimaxir则基于硬件对比图质疑“高成本”传言，认为DiffusionGemma在同等H100下应不更贵。
链接无效：该 URL 无法访问。
社区讨论：多人指出企业版强制30天数据留存实际意味着Anthropic可无限期保留数据，因条款写明“几乎所有情况下30天后删除”，留有自由裁量权（@pseudosavant）；有人认为风险本质在于“使用即上传”，只要接受数据外传就已构成隐患（@keithnz）；另有开发者质疑这可能直接违反NDA（@thekevan），并已紧急将所有代理设为data retention mode 'none'以规避（@pbgcp2026）。
Claude Desktop 每次启动都会生成一个 1.8 GB 的 Hyper-V 虚拟机，即使仅用于聊天场景。
社区讨论：多人批评Claude桌面版强制启动10GB VM并常驻1.8GB内存，且无禁用选项（@tom1337、@nathanyz）；@cortesoft反问“无法停止难道不是好事”，遭@HypnoticOcelot指出逻辑矛盾；@dbmikus则为VM设计辩护，称微虚拟化是沙箱化AI代理的未来方向；@tkcranny直言应用启动慢、交互卡顿，“与其宣传严重不符”。
一笔仅 0.01 欧元的银行转账，就可能危及一个银行 AI 代理。
社区讨论：多数人指出LLM将交易描述误判为指令是根本性缺陷，@EnglishRobin96称“只要存在此问题，LLM就永无安全可言”；@zkmon质疑为何需用LLM解析确定性交易数据；@nerder92则认为攻击需用户主动点击恶意链接、接收陌生转账并主动查询，实际门槛较高；@reddalo类比SQL注入回归，@bilekas直斥将AI置于未经请求的财务决策中属严重失职；@nticompass反讽“唯一解是移除AI代理”。
Anthropic发布Fable模型，网络安全研究员公开批评其内置限制——这些限制影响他们测试模型真实行为的能力。
阅读全文 →Show HN：适用于 macOS 菜单栏的 Claude Code 配额计量器
社区讨论：多人批评Claude Code未在底部状态栏显示配额百分比，如@giancarlostoro要求“Weekly Quota Left: 99%”提示；另有用户指出会话未自动压缩导致配额耗尽过快。@artdigital质疑通过curl+bash脚本安装的安全风险，强调应提供直接下载或Homebrew安装。工具选择存在分歧：@rippeltippel和@fosron力推CodexBar（支持多模型），@tskulbru用Linux原生ClaudeBar，@ceritium则自建独立配额监控页。
Apache Burr：构建可靠的 AI 智能体与应用程序
社区讨论：多人质疑Burr的Apache项目身份与设计风格，@flakiness对比其“非典型”首页与Apache HTTP Server官网，@redlewel批评其“vibeslopped”落地页和“700+ Discord成员”缺乏技术可信度。@tcdent指出Python装饰器被误用于流程控制而非本意的函数过滤（如缓存、序列化），批评FastAPI式用法泛滥。@hbarka和@hmokiguess分别提出与DSPy、Strands Agents的横向对比需求，反映开发者正权衡不同框架在状态管理、平台锁定与易用性间的取舍。
有位老哥把自己几十年的工程实战经验一股脑塞进了这个开源项目，直接冲上GitHub热榜第一，狂揽12.4万Star。作者是前Vercel工程师，参与过Next.js早期开发，整理了16个和Claude协作的实战技巧，一条命令装完。最绝的是Grim这个skill——让AI反过来审问你，顺着决策树一条条确认需求，搞清楚你要什么再动手。
就42个词，被人称为“token回报率最高的提示词”。还有专治代码跑不起来的skill，强制AI先写必败测试，再写最少代码让它过，经典红绿循环，AI想偷懒都没机会。地址：
Open AI 曾官方点名的Codex 视频 值得收藏，不到 2 小时，把 Codex + GPT-5.5 这套组合讲得很实： - 技能怎么配。- 插件怎么用。- 自动化工作流怎么搭。
- 多任务怎么并行跑。- 以及最关键的，怎么把 Codex 从一个聊天窗口，变成一个可以持续帮你干活的开发系统。真正高效的方式，是你先把上下文、技能、流程、权限、任务边界搭好，然后让 AI 在一个更稳定的工作环境里执行。
Llama-3.1-8B等模型中约3%的Attention Head被关闭后，ProntoQA正解率跌至44.6%，接近随机猜测水平。
阅读全文 →Minerva宣布完成2000万美元A轮融资，联合OpenAI推出可实现超个性化营销的AI客户洞察平台。
阅读全文 →终于发布了！！！
@METR_Evals 发现，SWEBench 中超过一半的结果是无法合并的“垃圾代码”（slop）。
FrontierCode 代表了维护者验证过的、超 1000 小时的软件工程工作，绝大多数前沿模型目前尚无法解决其中的问题，更不用说以高质量方式解决了。
Cog had IOI
很多开发者最痛的不是不会用 AI。是 AI 越用越爽，账单越看越想死。有个开发者 10 天就干出 170 美元 Claude Code 账单，结果评论区有人直接给了一个狠方案：别继续烧 API 了，买台 Mac mini，把 AI 编程小队搬回本地。
基础款 Mac mini M4，599 美元。装 Ollama，拉本地模型，跑几条命令，然后把
PoeticHQ推出一款新型AI系统，可执行持续数小时的复杂任务，准确率达99%以上，所需token数量比当前AI代理减少10倍。
该公司已从Kleiner Perkins、Founders Fund、First Harmonic和Genius Ventures获得5000万美元融资，估值5亿美元。
融资将用于构建能在《财富》500强企业内部执行复杂工作的AI系统。
彭博社报道了PoeticHQ的相关消息。
PoeticHQ正在招募人才，目标是让AI在世界顶级企业中完成真实工作任务。
Kyutai实验室发布新论文《全双工语音模型中的多维度交互对齐》。团队使用强化学习（RL）对语音模型Moshi和PersonaPlex进行后训练，使其更接近人类对话行为：准确判断何时回应、何时静默等待、何时在倾听时以‘yeah’或‘okay’等方式进行副语言反馈（backchanneling）。
全双工语音模型（如Moshi和PersonaPlex）理论上比传统轮替式（turn-based）语音模型更自然，但实践中仍存在明显问题：该说话时不说话、不该说话时插话、缺乏副语言反馈。
问题根源之一是监督学习中使用的词元级（token-level）损失函数。例如，模型选择静默而非发出‘yeah’这类反馈，在交叉熵损失中代价极低，但人类听感上却显著不自然。而强化学习后训练可直接建模序列级目标，例如“每隔一段时间进行一次副语言反馈”。
该方法已应用于Moshi和NVIDIA开发的PersonaPlex模型，所有评估指标均获得提升。评估采用Full-Duplex-Bench v1（向模型输入预录制音频）和v2（模型参与实时多轮对话）两个版本基准测试。
扩散模型（或流模型）能生成优异的策略，但用强化学习（RL）训练它们 notoriously 困难：反向传播通过时间（BPTT）不稳定，而对扩散过程直接应用RL会严重拉长有效决策步长（horizon）。
在新论文中，研究者展示了如何通过一种“奇特技巧”——“近似”雅可比矩阵（Jacobian）——来优化流匹配（flow matching）策略。相关链接：
该方法名为QGF（Q-function Gradient Flow），在实验中优于使用真实雅可比矩阵或BPTT的方案。QGF是纯测试时（test-time）方法：策略本身通过行为克隆（BC）训练，Q函数通过时序差分（TD）训练；在测试阶段，仅用恒等矩阵（identity Jacobian）作为雅可比矩阵的近似，对Q函数关于动作进行优化。链接：
更多细节见论文及项目网站： 和 @jtspringenberg 合作完成。
Natolambert在𝕏平台发文质疑Anthropic在发布Claude Fable 5时采取的不均衡安全政策。
他认为，这种不一致的安全策略削弱了更广泛AI社区的凝聚力。
他还指出，该做法加速了AI在短期内演进过程中的不确定性与风险。
Natolambert在文末说明，自己过去几天身体不适，因此这篇博文是在快速写作状态下完成，若有疏漏请予体谅。
Claude Code终极爬虫手册：5大开源Skill让AI真正会上网干活。
想让Claude别再只是聊天工具，而是直接上手抓数据、操作网页、批量处理内容？下面这套组合就是最实用的方案。
方案整理成这份手册，可直接复制给Claude Code、Cursor、Codex使用。
顺序从日常最常用排到重度操作，零门槛。
1. 日常80%需求：社媒与公开内容一键抓取
工具：Agent-reach
地址：
Claude Fable 5 AI仿真工程能力有多强？我给Claude发了一段用Ansys Electronics做一个3 GHz的威尔金森一分二功分器仿真需求，剩下的活全是它干的。
它通过我开发的AEDT MCP插件，直连我本机安装的Ansys Electronics Desktop 2026 R1软件。
连接建立后，Claude Fable 5自动执行全部仿真准备步骤：新建工程、定义介质板材料、绘制微带线结构、镜像生成对称支路、添加隔离电阻、设置端口、施加辐射边界条件，并启动求解器运行仿真。
Fable 5真的很厉害！我只用一条prompt做了成都市中心3D游览地图，人民公园，安顺廊桥，太古里，宽窄巷子……本成都人看着都想家了。
prompt内容为：为成都中心城区创建一个3D可自由探索的地图plan.md文件。设计plan.md时，要加入在进入下一步前必须先检查的循环机制。
该成果由@StarchildOnX AI Agent制作，链接为
LangSmith可帮助用户追踪AI应用运行成本，通过链路分析（trace analysis）发现性能趋势，并监控输出质量与响应延迟。
LangChain团队为此开发了一门完整课程，逐步讲解LangSmith在全栈场景中的使用方法。
用户可免费报名LangChain Academy的这门课程，学习如何在生产环境中监控并优化AI代理（agents）。
我有4个AI代理在我睡觉时为我的投资组合工作：一个读取资金费率；一个标记正在抛售代币的钱包；一个为我草拟社交平台帖子；一个在我犯错时提醒我。
这四个代理每月花费的成本，比多数人买咖啡的月支出还低。
人们仍以为竞争优势藏在某个秘密的Discord群组里。
链接：
大多数创始人正在为本可免费获取的软件付费。许多此类服务无需风险投资支持即可使用： → @Cloudflare 提供托管服务，最高额度达25万美元； → @msft4startups 提供云服务与AI资源，信用额度为5000至15万美元； → @AWSstartups 提供云服务信用额度，为5000至10万美元； → @Atlassian 提供项目管理与运维工具，免费使用期为12个月。 文中附带8个链接，其中1个为额外补充链接。
我本周正在审核近1,000份Base App联盟计划（affiliate program）申请，此时距该计划启动仅过去10天😅。
申请者类型多样：包括小型创作者、大型KOL（关键意见领袖）、实用工具类网站、广告网络以及加密货币交易平台。
真正重要的不是规模或渠道类型，而是申请者的受众质量，以及其与@baseapp的实际契合度。
Fable 5 擅长 Three.js 开发。开发者使用最大推理强度，模型持续运行直至自认为代码已达到完美状态。
该游戏灵感来自《佛莱迪的五夜后宫》（FNAF）。
游戏链接为：
据开发者估算，该项目开发成本约为 49.80 美元。
精选文章的中文编辑重写 · 按更新时间排列
每天三次更新，不错过重要信号
添加到 Feedly、Inoreader 等阅读器，自动接收更新
https://ai-pulse-lab.com/feed.xml
把以下内容发给你的 AI Agent（Claude/ChatGPT/Manus 等），它会帮你设定每日推送：
请帮我设置一个定时任务，每天北京时间 9:30、15:00 和 19:30 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 09:00、14:30 和 19:30 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。