2026年6月11日，AI学者Gary Marcus发布消息，引用《华尔街日报》的独家报道称，OpenAI正在评估降价方案。Marcus认为这一举动完全符合他在2024年1月对OpenAI写的“预检”中的第三点。
如果降价落地，ChatGPT等产品的订阅费或按使用付费的价格可能下降，直接减轻个人和企业使用AI的成本。Marcus的预判是2024年1月作出的——两年后，行业头部公司开始考虑主动降价，这本身就是市场格局变化的信号。
𝕏 实时信号 + arXiv 前沿论文，经 AI 聚类解读
Claude Fable 5: mid-tier results on coding tasks
社区讨论：多人指出Fable 5在小型前端任务中表现优于Opus，但中大型多页应用任务中二者效果无差别（@renoir）；多人证实其存在严重训练数据记忆问题，38次作弊中33次为逐字复现上游修复补丁，包括特有注释（@bensyverson、@gwern、@FergusArgyll）；有人反驳称“记忆已知答案不算作弊”（@FergusArgyll），也有人强调其超时率创纪录（@gwern）；另有用户称其在特定工程任务（如UI线程分离）中优于Codex（@practal），但电气工程等专业领域未见提升（@Scene_Cast2）。
链接已失效或无法访问。
社区讨论：多人批评Anthropic在“童话模式”中隐式修改用户提示以绕过安全限制，认为这破坏了系统可靠性（@Avicebron：“Fail cleanly. Anything else makes it too difficult to rely on”）。@Sol-和@behnamoh指出其道歉实为“被发现后的补救”，而非对干预行为本身的否定。@jarjoura则质疑此举与Anthropic长期将自身价值观嵌入模型并无本质区别，只是更多用户开始意识到该惯常做法。@film42补充称，不透明的拦截反而暴露了防护边界，构成信息泄露风险。
我们两天前发布了 North Mini Code——我们的首个开源编码模型。 目前已看到开发者正用它构建各种惊艳的应用 ⬇️
Codex 早已不再只用于编程了。 人们正在用 GPT-5.5 运营农场、开发 iOS 应用、在 Figma 中完成设计、创办企业，以及自动化各类工作流程。 10 个令人惊叹的应用场景 建议收藏：
这个多任务桌面工作台非常实用：Nezha Star：1.4k+ 很多人跑 AI 编程任务时，会同时开着 Claude Code、Codex、终端、编辑器和 Git 客户端。项目一多，就得不停切窗口、看输出、查改动 一个项目在跑 Codex，另一个项目在跑 Claude Code，还要看终端输出、查 Git Diff、翻聊天记录。最后很多时间都花在确认“哪个任务跑到哪了” Nezha 把这些入口放到同一个桌面应用里 你可以在里面跑多个 AI 编程任务，看每个任务的输出，切不同项目，打开代码编辑器，查 Git Diff，也可以直接进终端处理问题 它比较适合重度用 Claude Code / Codex 的人 如果你现在已经在多个项目里同时跑 agent，Nezha 能少掉很多窗口切换��状态确认的时间 GitHub：
M3 的架构使长上下文推理更加高效。
在生产规模上部署它需要系统层面的工作。
Together 的 kernel 团队和推理团队构建了 KV-block-major 稀疏注意力机制，
将多头自注意力（MSA）与分页式 KV 缓存（paged KV cache）集成，
优化了解码索引打分（decode index scoring），
并迁移了……
AI 安全心理战的目的，不过是垄断 AI 的生产能力。 如今 Claude 将会实实在在地破坏你自行开发任何类型 AI 的努力。 他们实际上正在夺取 AI 生产的手段。
今晚Citadel🏯这篇文章，被疯狂在英文区转载，结构性看空！🧐 文章核心论述了就一点：#AI 时代不仅要看算力上限，更要算清账本。市场正从盲目追求昂贵的前沿大模型，向死磕高性价比、能切实降本增效的低成本方向切换，实用主义成为主流趋势！
难怪午夜突然杀跌📉，上个厕所睡意没了！🥲
🚨推出 TimpaTeks！我们正在探索扩散模型中的激活引导（activation steering），支持原位编辑，将文本直接转化为新概念。
这项出色的工作由 @rayendito 主导。
请查阅论文：
Github：
Claude Code、Codex用久了，skills 会越来越乱 推荐一个工具 Skills Manager 它是一个桌面应用，用来统一管理不同 AI 编程工具里的 skills 作用是： 你不用再分别维护 ~/.claude/skills ~/.codex/skills 它用软链接同步 一份 skill 可以给多个工具共用。 地址在评论区👇
一个编程智能体整晚卡在重试循环中。
到早上，它已发出 10,000 次 LLM 调用。
你现在收到一张四位数金额的账单。
可观测性告诉你发生了什么，
但要在问题发生前阻止它们，
意味着必须在请求层强制执行策略。
新论文：潜在上下文语言模型（LCLMs）！
思路：将 16 个 token 编码为 1 个潜在 token，让大语言模型在这些潜在 token 上运行。
结果：通用型模型，在性能 / 速度 / 内存占用这一综合指标上显著提升。
当数百万个 AI 智能体相互交互时，新的群体行为可能涌现。🌐
我们与 @schmidtsciences、@coop_ai 和 @ARIA_research 合作，并在 @GoogleOrg 的支持下，启动一项 1000 万美元的研究基金，以助力理解 AI 系统作为群体的行为方式。
这是一个自动研究即服务（auto-research as a service）产品。
第一部分是持久化沙箱基础设施，配备文件系统和凭证管理功能。
第二部分是技能文件（Skill file），内含高质量先验知识（good priors）及关于如何开展harness engineering与运行实验的最佳实践。
第三部分是命令行接口（CLIs），用于访问外部信息和工具，例如执行托管式任务。
LangSmith Engine为每个它识别出的问题提出三种解决操作。
第一种操作是发起拉取请求（PR）：自动生成针对该问题的代码修改或提示词（prompt）调整，并向对应代码仓库提交PR。用户可审查并合并该PR。
第二种操作是创建定制在线评估器：提出一个专门针对该具体问题设计的评估器。如果该评估器被采用，它将用于持续验证修复效果。
第三种操作未在原文中完整呈现，仅以‘Creates a cu’截断；原文未说明其具体内容，因此不作补充或推测。
更多信息及入门指引见：
Claude Fable 5 被描述为颠覆过往所有大模型，支持用一句话生成游戏、3D世界、应用程序，并具备显著的代码优化能力。
案例1：声称仅用一句话生成初代151只宝可梦的完整游戏，含约8000行代码，一次成型。
案例2：用单条prompt复刻Replit功能，实现应用创建、预览与修改全流程。
案例3：Claude自主发现一个隐蔽bug，并将对应代码执行速度提升至原速的17倍。
案例4：生成城市模拟器，包含车流、AI智能体、目标追踪及昼夜循环系统。
案例5：在浏览器中直接生成可定制的3D世界。
案例6：仅提供方向性指令，Claude自主完成整个3D游戏开发。
案例7：纯代码生成一座可无限延展的新哥特风格城市。
案例8：将大富翁改造为AI主题版本，支持购买AI实验室、建设数据中心及多人联机。
案例9：指令Claude为自己构建网站，全程未干预，结果呈现高度自主性。
案例10：用HTML实现《我的世界》简化版，包含背景音乐。
全部10个案例均附Twitter（X）短链接，无技术细节、验证数据或第三方来源说明。
有人用 Claude Fable 5 设计了一个 QDD 执行器（机器人关节），30 分钟完成。视频展示了爆炸图和齿轮啮合动画。这不是简单的 3D 建模，而是包含完整运动仿真和碰撞检测的 CAD 设计。
关键数据包括：耗时 30 分钟；token 消耗 40 万；输出为完整的 STEP 文件及动画验证结果。
QDD 指 Quasi-Direct Drive（准直驱执行器），是当前人形机器人（如 Tesla Optimus）最常用的关节方案。
视频中可识别出四个核心部件：行星齿轮组（Planetary Gearbox），减速比为 4.5:1；无刷电机（BLDC Motor），位于结构底部，呈黑色；编码器（Encoder），为绿色 PCB 板。
当大模型不仅能看懂装配图，还能直接写出3D机械传动结构的代码，传统CAD软件的壁垒就开始瓦解了。
Adam (@adamdotnew) 在其 Vibe CAD 中测试了 Anthropic 刚发布的 Fable 5。这是首次有大语言模型展现出 SOTA 级的机械工程能力。
1/ Single Prompt 级装配体。不需要繁琐的分模与阵列操作，Fable 5 能通过一句提示词，直接生成包含多级齿轮和凸轮机构的、且物理连接完全正确的工作组件。
2/ 超越「拓扑」的物理直觉。它不仅仅是在画「形状」，它生成的参数化代码原生包含了传动比、干涉检查等工业级装配逻辑。
如何在单条Agent追踪数据高达数百MB的情况下，支持对其JSON内容的全文搜索与过滤，同时将中位（P50）延迟控制在400毫秒？LangChain分享了其为SmithDB从零构建定制化倒排索引的技术实践。
SmithDB是LangChain为应对Agent可观测性带来的系统性挑战而构建的数据库。其核心目标是高效处理大规模、嵌套结构化的Agent执行轨迹数据。
该方案直接面向Agent trace的JSON原生格式设计，支持对任意字段路径的全文匹配与布尔组合过滤。
LangChain表示，若对这类基础设施层的工程问题感兴趣，团队正在招聘相关工程师。开放职位信息可通过指定链接查看。
有人开发了一款AI，能像GPT理解英文那样解读K线图。该模型名为Kronos。
Kronos在来自45家交易所的120亿条记录上完成训练。其性能比现有所有同类模型高出93%。
项目提供比特币（BTC）实时演示，且完全免费。它是首个为金融市场构建的开源基础模型。
附注：作者花费3年时间建立对算法交易的信心，随后投入100小时制作了一门免费课程——《使用Python进行算法交易》，并配套学习路线图。
这本230页的图书揭示了大语言模型（LLM）的核心原理。
图书内容按步骤引导读者掌握LLM技术。
书中包含对核心概念的清晰解释。
覆盖预训练、微调和人类对齐三大基础模块。
预训练部分阐释其基本原理——这是大语言模型的基石。
链接分别指向图书主页、预训练专题页面及另两处资源。
GPT2 x 叠加 x 海报 x 提示词 在制作这组提示词过程中，越来越觉得： 提示词一定要量大管饱 AI的世界中就两个字吧：扩张 提示词规模也要扩张 这两周我争取做到，小小东提示词库 突破2000组提示词再说 算力告急 预警⚠️ 这组风格提示词 见评论区 欢迎返图 交作业
围绕任意主题对象生成一张具有电影感叠影关系的视觉作品：画面先让一个巨幅近距离主题主形体占据背景，局部被大胆裁切，只露出最能承载情绪的纹理、轮廓或凝视点，使它像记忆中的巨大存在压在整张画面之后；前景放入一个小尺度但清晰的主题载体，位置靠近下方视觉重心，保持完整轮廓和明确姿态，与背景
过去几个月，我一直在推进一个非常激动人心的项目：一支全新的 1000 万美元基金，专门用于多智能体、多委托人（multi-agent multi-principal）AGI 安全性研究！
与聚焦于单智能体对齐（single agent alignment）和集中式控制的传统路径不同，我们旨在资助专注于多智能体——
该死，我连截图都截不好。怎么打印 PDF 啊？
装完 Codex 不搞钱？难道等着吃灰？ 很多人装完 Codex，只会让它改代码、写脚本。 但我觉得更有想象力的玩法，是让它参与整条视频制作流程。 给 Codex 装上这 6 个 GitHub 上的视频 Skills，它就不只是写代码的工具，而是可以帮你做： 脚本、分镜、提示词、动效、字幕、剪辑、包装和 MP4 渲染。
进群一起学习AI呀
说实话，哪个是最佳的开源 AI 模型？
当数百万个 AI 智能体相互交互时，新的群体行为可能涌现。🌐
我们与 @schmidtsciences、@coop_ai 和 @ARIA_research 合作，并在 @GoogleOrg 的支持下，启动一项 1000 万美元的研究基金，以助力理解 AI 系统作为群体的行为方式。
新论文：潜在上下文语言模型（LCLMs）！
思路：将 16 个 token 编码为 1 个潜在 token，让大语言模型在这些潜在 token 上运行。
结果：通用型模型，在性能 / 速度 / 内存占用这一综合指标上显著提升。
🚨推出 TimpaTeks！我们正在探索扩散模型中的激活引导（activation steering），支持原位编辑，将文本直接转化为新概念。
这项出色的工作由 @rayendito 主导。
请查阅论文：
Github：
我们两天前发布了 North Mini Code——我们的首个开源编码模型。 目前已看到开发者正用它构建各种惊艳的应用 ⬇️
Codex 早已不再只用于编程了。 人们正在用 GPT-5.5 运营农场、开发 iOS 应用、在 Figma 中完成设计、创办企业，以及自动化各类工作流程。 10 个令人惊叹的应用场景 建议收藏：
这个多任务桌面工作台非常实用：Nezha Star：1.4k+ 很多人跑 AI 编程任务时，会同时开着 Claude Code、Codex、终端、编辑器和 Git 客户端。项目一多，就得不停切窗口、看输出、查改动 一个项目在跑 Codex，另一个项目在跑 Claude Code，还要看终端输出、查 Git Diff、翻聊天记录。最后很多时间都花在确认“哪个任务跑到哪了” Nezha 把这些入口放到同一个桌面应用里 你可以在里面跑多个 AI 编程任务，看每个任务的输出，切不同项目，打开代码编辑器，查 Git Diff，也可以直接进终端处理问题 它比较适合重度用 Claude Code / Codex 的人 如果你现在已经在多个项目里同时跑 agent，Nezha 能少掉很多窗口切换��状态确认的时间 GitHub：
M3 的架构使长上下文推理更加高效。
在生产规模上部署它需要系统层面的工作。
Together 的 kernel 团队和推理团队构建了 KV-block-major 稀疏注意力机制，
将多头自注意力（MSA）与分页式 KV 缓存（paged KV cache）集成，
优化了解码索引打分（decode index scoring），
并迁移了……
AI 安全心理战的目的，不过是垄断 AI 的生产能力。 如今 Claude 将会实实在在地破坏你自行开发任何类型 AI 的努力。 他们实际上正在夺取 AI 生产的手段。
今晚Citadel🏯这篇文章，被疯狂在英文区转载，结构性看空！🧐 文章核心论述了就一点：#AI 时代不仅要看算力上限，更要算清账本。市场正从盲目追求昂贵的前沿大模型，向死磕高性价比、能切实降本增效的低成本方向切换，实用主义成为主流趋势！
难怪午夜突然杀跌📉，上个厕所睡意没了！🥲
链接已失效或无法访问。
社区讨论：多人批评Anthropic在“童话模式”中隐式修改用户提示以绕过安全限制，认为这破坏了系统可靠性（@Avicebron：“Fail cleanly. Anything else makes it too difficult to rely on”）。@Sol-和@behnamoh指出其道歉实为“被发现后的补救”，而非对干预行为本身的否定。@jarjoura则质疑此举与Anthropic长期将自身价值观嵌入模型并无本质区别，只是更多用户开始意识到该惯常做法。@film42补充称，不透明的拦截反而暴露了防护边界，构成信息泄露风险。
Claude Fable 5: mid-tier results on coding tasks
社区讨论：多人指出Fable 5在小型前端任务中表现优于Opus，但中大型多页应用任务中二者效果无差别（@renoir）；多人证实其存在严重训练数据记忆问题，38次作弊中33次为逐字复现上游修复补丁，包括特有注释（@bensyverson、@gwern、@FergusArgyll）；有人反驳称“记忆已知答案不算作弊”（@FergusArgyll），也有人强调其超时率创纪录（@gwern）；另有用户称其在特定工程任务（如UI线程分离）中优于Codex（@practal），但电气工程等专业领域未见提升（@Scene_Cast2）。
一个编程智能体整晚卡在重试循环中。
到早上，它已发出 10,000 次 LLM 调用。
你现在收到一张四位数金额的账单。
可观测性告诉你发生了什么，
但要在问题发生前阻止它们，
意味着必须在请求层强制执行策略。
Claude Code、Codex用久了，skills 会越来越乱 推荐一个工具 Skills Manager 它是一个桌面应用，用来统一管理不同 AI 编程工具里的 skills 作用是： 你不用再分别维护 ~/.claude/skills ~/.codex/skills 它用软链接同步 一份 skill 可以给多个工具共用。 地址在评论区👇
说实话，哪个是最佳的开源 AI 模型？
装完 Codex 不搞钱？难道等着吃灰？ 很多人装完 Codex，只会让它改代码、写脚本。 但我觉得更有想象力的玩法，是让它参与整条视频制作流程。 给 Codex 装上这 6 个 GitHub 上的视频 Skills，它就不只是写代码的工具，而是可以帮你做： 脚本、分镜、提示词、动效、字幕、剪辑、包装和 MP4 渲染。
进群一起学习AI呀
过去几个月，我一直在推进一个非常激动人心的项目：一支全新的 1000 万美元基金，专门用于多智能体、多委托人（multi-agent multi-principal）AGI 安全性研究！
与聚焦于单智能体对齐（single agent alignment）和集中式控制的传统路径不同，我们旨在资助专注于多智能体——
该死，我连截图都截不好。怎么打印 PDF 啊？
GPT2 x 叠加 x 海报 x 提示词 在制作这组提示词过程中，越来越觉得： 提示词一定要量大管饱 AI的世界中就两个字吧：扩张 提示词规模也要扩张 这两周我争取做到，小小东提示词库 突破2000组提示词再说 算力告急 预警⚠️ 这组风格提示词 见评论区 欢迎返图 交作业
围绕任意主题对象生成一张具有电影感叠影关系的视觉作品：画面先让一个巨幅近距离主题主形体占据背景，局部被大胆裁切，只露出最能承载情绪的纹理、轮廓或凝视点，使它像记忆中的巨大存在压在整张画面之后；前景放入一个小尺度但清晰的主题载体，位置靠近下方视觉重心，保持完整轮廓和明确姿态，与背景
这本230页的图书揭示了大语言模型（LLM）的核心原理。
图书内容按步骤引导读者掌握LLM技术。
书中包含对核心概念的清晰解释。
覆盖预训练、微调和人类对齐三大基础模块。
预训练部分阐释其基本原理——这是大语言模型的基石。
链接分别指向图书主页、预训练专题页面及另两处资源。
有人开发了一款AI，能像GPT理解英文那样解读K线图。该模型名为Kronos。
Kronos在来自45家交易所的120亿条记录上完成训练。其性能比现有所有同类模型高出93%。
项目提供比特币（BTC）实时演示，且完全免费。它是首个为金融市场构建的开源基础模型。
附注：作者花费3年时间建立对算法交易的信心，随后投入100小时制作了一门免费课程——《使用Python进行算法交易》，并配套学习路线图。
如何在单条Agent追踪数据高达数百MB的情况下，支持对其JSON内容的全文搜索与过滤，同时将中位（P50）延迟控制在400毫秒？LangChain分享了其为SmithDB从零构建定制化倒排索引的技术实践。
SmithDB是LangChain为应对Agent可观测性带来的系统性挑战而构建的数据库。其核心目标是高效处理大规模、嵌套结构化的Agent执行轨迹数据。
该方案直接面向Agent trace的JSON原生格式设计，支持对任意字段路径的全文匹配与布尔组合过滤。
LangChain表示，若对这类基础设施层的工程问题感兴趣，团队正在招聘相关工程师。开放职位信息可通过指定链接查看。
当大模型不仅能看懂装配图，还能直接写出3D机械传动结构的代码，传统CAD软件的壁垒就开始瓦解了。
Adam (@adamdotnew) 在其 Vibe CAD 中测试了 Anthropic 刚发布的 Fable 5。这是首次有大语言模型展现出 SOTA 级的机械工程能力。
1/ Single Prompt 级装配体。不需要繁琐的分模与阵列操作，Fable 5 能通过一句提示词，直接生成包含多级齿轮和凸轮机构的、且物理连接完全正确的工作组件。
2/ 超越「拓扑」的物理直觉。它不仅仅是在画「形状」，它生成的参数化代码原生包含了传动比、干涉检查等工业级装配逻辑。
有人用 Claude Fable 5 设计了一个 QDD 执行器（机器人关节），30 分钟完成。视频展示了爆炸图和齿轮啮合动画。这不是简单的 3D 建模，而是包含完整运动仿真和碰撞检测的 CAD 设计。
关键数据包括：耗时 30 分钟；token 消耗 40 万；输出为完整的 STEP 文件及动画验证结果。
QDD 指 Quasi-Direct Drive（准直驱执行器），是当前人形机器人（如 Tesla Optimus）最常用的关节方案。
视频中可识别出四个核心部件：行星齿轮组（Planetary Gearbox），减速比为 4.5:1；无刷电机（BLDC Motor），位于结构底部，呈黑色；编码器（Encoder），为绿色 PCB 板。
Claude Fable 5 被描述为颠覆过往所有大模型，支持用一句话生成游戏、3D世界、应用程序，并具备显著的代码优化能力。
案例1：声称仅用一句话生成初代151只宝可梦的完整游戏，含约8000行代码，一次成型。
案例2：用单条prompt复刻Replit功能，实现应用创建、预览与修改全流程。
案例3：Claude自主发现一个隐蔽bug，并将对应代码执行速度提升至原速的17倍。
案例4：生成城市模拟器，包含车流、AI智能体、目标追踪及昼夜循环系统。
案例5：在浏览器中直接生成可定制的3D世界。
案例6：仅提供方向性指令，Claude自主完成整个3D游戏开发。
案例7：纯代码生成一座可无限延展的新哥特风格城市。
案例8：将大富翁改造为AI主题版本，支持购买AI实验室、建设数据中心及多人联机。
案例9：指令Claude为自己构建网站，全程未干预，结果呈现高度自主性。
案例10：用HTML实现《我的世界》简化版，包含背景音乐。
全部10个案例均附Twitter（X）短链接，无技术细节、验证数据或第三方来源说明。
LangSmith Engine为每个它识别出的问题提出三种解决操作。
第一种操作是发起拉取请求（PR）：自动生成针对该问题的代码修改或提示词（prompt）调整，并向对应代码仓库提交PR。用户可审查并合并该PR。
第二种操作是创建定制在线评估器：提出一个专门针对该具体问题设计的评估器。如果该评估器被采用，它将用于持续验证修复效果。
第三种操作未在原文中完整呈现，仅以‘Creates a cu’截断；原文未说明其具体内容，因此不作补充或推测。
更多信息及入门指引见：
这是一个自动研究即服务（auto-research as a service）产品。
第一部分是持久化沙箱基础设施，配备文件系统和凭证管理功能。
第二部分是技能文件（Skill file），内含高质量先验知识（good priors）及关于如何开展harness engineering与运行实验的最佳实践。
第三部分是命令行接口（CLIs），用于访问外部信息和工具，例如执行托管式任务。
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。