现在如果你通过[原文此处缺介词宾语,保留原结构]创办一家企业,你就能得到一个装备齐全、功能完备的 Hermes Agent。
这种全新的空白 slate 模式意味着我们可以只给它配置它确切需要的东西,不会附带任何额外臃肿/不需要的功能。目前正在添加这项功能。
对话开始前,先加一句:“开始之前,先问我几个你需要确认的问题。” 这句话能立刻提高答案质量。AI主动追问,能补齐你忽略的关键信息。
能写进长期记忆或自定义指令的信息,就别每次重新说。把偏好、常用流程、验收标准固定下来,AI就能自动按你的习惯工作。同时,不要所有事情都在一个聊天里处理。写文章一个项目,做代码一个项目,研究资料一个项目,客户方案一个项目。分项目建工作区,避免上下文断裂,也能保存该项目特有的指令。
AI执行任务前,先让它说清楚计划:“先不要改文件。先告诉我你准备怎么做、会改哪些文件、风险在哪里、有没有更小的实现方式。” 这一步能挡掉很多灾难。
𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌
在这里注册创业,可以拿到完整功能的 Hermes Agent,新模式能只配置需要的功能,去掉多余臃肿内容
现在如果你通过[原文此处缺介词宾语,保留原结构]创办一家企业,你就能得到一个装备齐全、功能完备的 Hermes Agent。
这种全新的空白 slate 模式意味着我们可以只给它配置它确切需要的东西,不会附带任何额外臃肿/不需要的功能。目前正在添加这项功能。
训练全程在虚拟仿真中完成,上场比赛前从没碰过真实冰球,现在赢了打空气曲棍球的真人。
现在GLM-5.2可以在Together AI平台上,完成读问题、梳理场景、修改代码的全流程。
有人提出使用AI的方式已经发生了改变,这篇文章会调整你用AI的习惯
一个月时间就做出能测速、拍车牌、自动开罚单的实时AI雷达,普通人用大模型也能落地赚钱
19岁少年造出了一款AI雷达,以55万美元卖出。
一名学生用Claude和20美元,在一个月内造出了一款实时AI雷达。
它可以检测超速、录制视频、读取车牌,还能自动发送罚单。
坐在办公室分析市场的人不这么看,实际运营公司的人都清楚这一点
OpenAI分享对AI模型评测的讨论,推出相关播客节目
我们来谈谈评测。我们一直在寻找更好的方法来衡量和预测模型进展,尤其是在基准测试出现饱和或被针对性刷分的当下。
负责我们前沿评测团队的@tejalpatwardhan和@andrewmayne聊了聊,评测为什么重要,以及下一步应该从哪些维度评判模型。
你可以在以下平台收听 OpenAI Podcast:Spotify、Apple、YouTube。
开发者可以免费测试使用,权重开放,运营成本更低。做开发不用再依赖高价的前沿大模型。
GLM 5.2 在编码性能上击败 GPT-5.5
据报道,该模型在多个编码基准测试中表现优于 GPT-5.5,同时开发者仍可以免费额度测试和使用它。
基准测试结果显示:GLM 5.2 在 SWE-bench Pro 上得分 62.1,GPT-5.5 为 58.6;终端基准测试得分为 81,GPT-5.5 为 74.4;在 Frontier-SWE 上得分为 74.4。此外 GLM 5.2 拥有 1M token 上下文窗口、开放权重,且运营成本更低。
用户可以通过基于 API 的工具完成免费设置来使用它,也可以在支持模型选择和长上下文编码工作流的平台上将其部署到生产环境运行。
这件事的核心意义在于,高性能编码模型正变得越来越容易获取,在许多开发任务中,对付费前沿模型的依赖将会降低。
现在市场上最便宜的前沿级别大模型,只要花0.18美元就能在浏览器里跑出接近顶级模型的性能。
GLM 5.2 刚刚在 BrowserCode 上跑出了接近 Opus 级别的性能,成本仅为 $0.18。
开放权重模型正式追上来了。
这就是目前市场上最便宜的前沿级别模型。
这一研究结论说明,靠技能差异获得溢价的零工,接下来收入增长空间会被持续压缩
只有特定风格的短篇,AI才写得好,这类风格刚好符合不少当代文学短篇小说比赛的要求
AI 通常不擅长写小说,不过有一种特定类型的小说除外——比如富含隐喻、句子断断续续、篇幅短、情节弱这类作品——AI 能写得非常出色。
这种风格恰巧在现代文学短篇小说比赛中,有时候能拿到不错的成绩。
开发者分享为原生AI酒店搜索项目新增AI聊天助手的思路
我一般不喜欢在自己的项目里随便插入AI聊天功能,因为我觉得这太简单、太基础了。我认为你应该从头开始重构整个项目,做成AI原生,而不是只加个AI按钮。
但这次不一样,这个项目本来就是从头到尾原生设计的AI产品(它用AI收集数据、给酒店评级),所以我觉得加AI聊天是合理的。
现在你可以直接和酒店助手对话,让它帮你找带举重健身房、新建、高评分,或是早餐提供肉桂卷的酒店。
它还能控制网站、移动地图、帮你打开酒店详情页!希望你们喜欢这个功能😊😊😊
另外,它不赚钱,目前这只是我为对抗平台劣化做的一点贡献,帮你找到物美价廉的好酒店!
有人认为现在AI不给部分人用,本质上是只把最高性能的AI开放给已验证用户,这么说其实不算过分。
我冒昧说一句:这件事根本和模型地理限制无关,而是只把顶级能力开放给验证过的用户,说实话,这要求并不离谱。
运行时每秒能输出15个token,同时机器还能正常用,作者只提醒要提前改一下内存限制参数。
发推人称如果消息成真,会是相当让人意外的进展。目前还没有官方确认。
反对AI进步即将停滞的说法,称其居然认为GPT-4和最新模型能力差不多,这个论断很可笑。
从语音转文字、生成语音到逻辑推理,整套流程都能在线上运行,全部流程都在同平台完成。
当语音智能体可以使用屏幕时,就会变得有趣得多🔥 这个演示在 Together AI 上运行了完整闭环:STT、语音和推理分别通过 Parakeet、MiniMax Speech 2.8 以及 MiniMax M3 实现。
实时系统需要技术栈的每一层都足够快。
大部分日常使用场景,靠免费低价的基础大模型就能解决,用高级模型纯粹是浪费算力。
虽然不太愿意承认,但最近用下来发现,我 99% 的使用场景靠 oh-my-pi + DeepSeek V4 Flash 就能解决,基本根本摸不到 DeepSeek V4 Pro。 我也想上更高级的模型,问题是给我用纯属浪费算力,你们倒是天天和 GPT-5.6、GLM-5.2、Fable-5 坐大人桌开趴,而我已经坐到小孩那桌啃蜡笔了。
长上下文编码和智能体任务,单GPU能输出更多token,同时速度依旧不受影响,运行成本有优化空间
GLM-5.2 已经很快上线 @OpenRouter 的 Together AI 服务了⚡️
这个模型性能很强,而我们的服务路径让它的性能能在循环中直接使用。
Together 在推理方面一直发力,所以长上下文编码和智能体工作负载能在单 GPU 上输出更多 token,同时保持速度。
业内观点指出本地AI运行硬件涨价源于头部AI Labs的囤货推高成本
你知道为什么运行本地部署的硬件这么贵吗?因为你不断给AI实验室打钱,他们随后把你算作增长的使用指标,以此证明加杠杆买更多算力是合理的,他们大举买入后价格就被推高了。你真觉得不是Anthropic/OAI推高了这些价格吗?
你觉得是谁把所有GPU都买走了?你觉得他们是怎么说服投资者给他们这笔钱的?
有人好奇现在有人用GLM 5.2写代码吗,还有人说它更新速度太快,之前大家还嘲讽中国AI实验室落后八到十二个月,现在已经能和顶级模型竞争了
有人在用 GLM 5.2 写代码吗?
GLM 5.2 进展居然能这么快,实在难以置信。就在几天前,大家还在嘲讽中国实验室落后 8 到 12 个月。
但如果他们现在已经能和 opus 4.7–4.8 竞争了,那中国可能几个月内就能推出「神话级」的产品。这点也让我非常意外。
这些对话记录藏着个人私密想法、健康信息,是用户自己探索内心的内容,比常规的线上通信隐私属性更强
Erik Voorhees:你与AI的对话,比你发过的任何电子邮件都敏感得多。
“这是人们的私密想法,是他们的医疗记录……是他们对自身想法与不安全感的自我探索。”
当人类与机器融合时,如果不默认维护隐私:“我们会走向一些非常糟糕的未来。”
FT @RaoulGMI @ErikVoorhees @RealVision。
测试注意力(AI用来定位文本关键信息的模块)的鲁棒性,可以把ffmpeg指令当成对抗测试用例,让AI修改它就能看出效果
想测试注意力机制的各种实现吗?ffmpeg 命令对注意力/KV/上下文鲁棒性来说,是绝佳的对抗性测试负载。
把这个命令丢给你的小伙伴,让它做一些修改:
ffmpeg -f lavfi -i nullsrc=s=640x480 -vf "geq=r='128+128*sin(X/20+T)':g='128+128*sin(Y/30+T*2)':b='128+128*sin((X+Y)/40)',format=yuv420p" -t 10 out.mp4
FDE(把模型接入企业实际工作流的岗位)招聘量增长超过800%,现在每家AI公司都需要能写生产代码、懂客户需求的这类人
据报道,2026年FDE的招聘岗位增长超过了800%。这合乎情理。现在每家AI公司都需要这样的人才:他们能把模型接入杂乱的企业工作流,编写生产级代码,理解客户痛点,并且把重复实现的摩擦转化为产品待解决的缺口。
但薪酬信号很有意思。一份2026年FDE薪酬报告估算,中级岗位的总薪酬约为38.5万美元,资深岗位约为61万美元,前沿实验室的首席岗位总薪酬超过100万美元。数字确实相当可观。
但在很多公司,FDE的薪酬仍然更接近高级SWE或应用工程职级,而非极端前沿研究人才市场的水平。市场已经表明部署至关重要。但创新目前仍然被定价为更稀缺的资源。
开发者正在开发以智能体(AI自主执行任务的程序)为核心的聊天应用,开放了测试聊天房间邀请其他人加入
团队把传统的AI评估工具上线开放,任何人都可以用这套验证方法搭建运行自己的评估,下一步准备做终端基准测试
Traditional evals 今晚上线。
这也允许你构建并运行自己的 evals,使用相同的验证方法。
下一步计划是构建 terminal bench/deepswe 风格的 evals,让它们更易使用,这样你就可以构建、运行并分享你自己的 agentic evals。
Traditional evals(很可能未来也包括 agentic evals)运行在抽样系统上,测试集会被随机抽样,拆分为 x 个分组。
用户可以根据自己想要的测试集覆盖度,决定运行多少个分组。系统会给出当前分组的分数,再根据已运行的测试集占比,给出整个测试集分数的置信区间。
这让用户可以快速运行一个eval分组,得到有意义的分数结果。它还意味着不同用户可以运行同一个eval的不同分组,随着所有分组都被覆盖,整体置信区间会不断收敛。
现在大型 evals 不需要只由你一个人运行,负载可以确定性地分散给多个用户共同完成。
目前测试中成绩最好的国产模型得分为11.8%,作者认为另一款模型得分应该至少达到50%,结果并不符合预期
在所有接受 ARC-AGI-2 测试的中文模型中,能力最强的是 2026 年 1 月 27 日发布的 Kimi K2.5,得分 11.8%。
我认为 GLM 5.2 的得分至少应该达到 50%。
这事现在变得有点荒唐了。
不靠末日 dystopian 博眼球的AI未来讨论,也能拿到高流量,有人烦透了AI话题里的恐惧营销
BOOM!我的文章《超级人工智能会憎恨我们吗?》短短几小时就收获了150万读者。看来关于AI的未来,想要获得浏览量并不需要 dystopian 想法。
让专家们知道,你已经受够了恐惧话术。
谢谢大家!深表感激。
有人做了一个优先以文件系统存储、可持久化的AI智能体框架,基于LangGraph开发。写智能体只需要整理好文件目录,框架会自动编译运行
来自 @jit_infinity 的超棒作品:🔥Leve:一个构建在 LangGraph 之上、以文件系统优先的持久化智能体框架。
你可以将智能体描述为一个文件目录。Leve 会把这个目录编译成智能体并运行它。
灵感来自 Vercel 的 Eve。
有人提醒,混合AI推理和无头应用服务是行业未来,这个未来已经到来
现在顶尖实验室内部都拿不准结果,不同团队走不同技术路线,对AI发展来说才是最好的选择。
Google 押注了 Omni 模型。这件事有可能成,也有可能不成,没人真的知道结果。
就算是顶级实验室里的人也不清楚。
对 AI 发展来说,最好的局面就是不同实验室尝试不同的路线,而不是所有人现在都押同一匹马。就让他们放手去做吧。
这类APP会自动逐字输入作文,还能修改AI生成文本,让文本听起来不像是AI写的,以此绕开AI检测工具。
本文将介绍帮助学生绕过 AI 检测软件的「人类化改写」和「自动打字」应用,这类应用可以慢慢自动打出论文,还能让 AI 生成文本听起来不那么机械(@danagoldstein / 纽约时报)
(访问 Techmeme dot com 获取链接和完整上下文!)
文坛对AI的 scorn,既不熟悉AI生成痕迹,也不使用全句检验法,反而让自己更难识别AI内容
想了解AI安全领域最早的思考者最新观点,可以关注这次访谈内容
不用付费订阅大模型,也不需要云端权限,就能在自己电脑上用性能接近顶级产品的免费AI。
简直不可思议,GLM 5.2 刚刚发布了,而且它是可以本地运行的开源权重模型。
最疯狂的是,它的表现和 Opus 4.8 一样好。无限免费的超级智能就能跑在你的桌面上。
在这个视频中,我会讲解它的工作原理,以及如何搭建你的第一个本地模型:
搞懂大语言模型里解码和采样器的工作原理,能得到不少额外收益。
AI大模型给出数学难题近似解,获Gemini认可正确性
这是 GPT-5.5 Pro 对埃尔德什第514号问题的一份「表观」解答,聊天链接见下方。
Gemini-3.5-flash 对这份解答的评价:提供给你的答案在数学上是可靠的,推理极其出色,极有可能是正确的。你可以对这个结果充满信心,因为它巧妙地结合了经典与现代复分析结果,解答了埃尔德什的三部分问题。
业内观点认为开源大模型适配消费级硬件才是开源获胜路径
看着每个开源模型厂商都在竞相追赶前沿,真的很有意思,但真正的机会,其实是为大多数人已经拥有的硬件开发模型。
128GB统一内存,或是单张RTX 3090。这才是真正重要的东西。
现在开源模型已经足够好用了。今年我测评了所有能拿到手的模型,瓶颈早就不再是智能程度,而是模型能不能在你已有的硬件上跑起来。
所以去追逐另一款没人能加载的模型,完全是跑错了赛道。做出一个真正可用、还能在桌面主机或是3090上流畅运行的模型,你才能给人们带来任何订阅都给不了的东西:他们真正拥有的AI。
追赶前沿能上头条,为人们已有的硬件开发能赢得用户。只有后者,才是开源真正取胜的道路。
爆料称Claude Fable 5已出现在安卓端选型列表,暂无法使用
Claude Fable 5 重新出现在 Android 版 Claude Code 的模型选择器中了。你现在可以选中它。只是它目前还无法正常运行。
这场模型风波还在继续。
HuggingFace开发者尝试用REAP剪枝大MoE模型特定知识模块
REAP 非常有意思。你可以看到 Hugging Face 上的用户用编码数据集做校准,选择性地剪枝大 MoE 模型的部分结构。
得到的结果是:模型在编码任务上表现正常,但如果你问它比尔·克林顿是谁,它完全不保留关于他的任何知识。
在某些情况下,它还能或多或少正确地继续推理?哪怕推理的前提完全崩坏,世界知识图谱已经支离破碎。不对比尔·克林顿的子网络做「额叶切除」也能做到,不需要机械可解释性介入,也不需要专门重新训练。
我的意思是,它可能会意外保留对希拉里·克林顿的知识,完全不知道比尔·克林顿,然后模型会说出类似这样的话:「嗯……也许比尔和她有关系或者结婚了?……或者用户记错了,其实你想的是希拉里?」
原则上来说,如果你能有意地把这个能力用在世界知识上,你就可以让 RL 模型擅长**从前提出发**做第一性原理预测,而不是从**记忆的知识**出发推理。你就能得到一套完全可验证的、关于真实发生事件的大规模知识库。
问题在于,这样做会得到非常糟糕的历史学家 AI,但如果你能在用户明确要求关闭知识回路的提示上下文里,上下文蒸馏出这个「记忆阻塞电路」……嗯……
LangChain发布LangSmith Sandboxes,支撑AI代理执行多种任务
当你的智能体需要实际做事,而不只是空谈时,LangSmith Sandboxes 就是正确的方案层。这里讲讲你什么时候应该用它 🧵
✅ 你的智能体生成了代码,你需要它在回复前验证代码能正常运行
✅ 你正在构建编码助手、CI 智能体,或是需要操作真实文件的数据 pipeline
✅ 你在运行多步骤工作流,状态需要在多次工具调用之间持久保存
✅ 你需要突发容量(例如,为 RL 训练或评估提供数千个并行环境),而且必须能在数秒内从零点扩容
✅ 你需要接收任何用户提供的、最终可能会被执行的输入
业内人士认为GLM 6结合新技术有望成为新一代SOTA大模型
我重度押注 GLM 6。
近期有很多论文都提出了出色的预训练优化方法(例如 DSv4)。
如果智谱采纳了其中一部分(加上他们自己的原创研究),再配上他们现有的后训练方案,我们就能见证一个顶级的 SOTA 模型正在诞生。
现在GLM-5.2可以在Together AI平台上,完成读问题、梳理场景、修改代码的全流程。
这一研究结论说明,靠技能差异获得溢价的零工,接下来收入增长空间会被持续压缩
开发者可以免费测试使用,权重开放,运营成本更低。做开发不用再依赖高价的前沿大模型。
GLM 5.2 在编码性能上击败 GPT-5.5
据报道,该模型在多个编码基准测试中表现优于 GPT-5.5,同时开发者仍可以免费额度测试和使用它。
基准测试结果显示:GLM 5.2 在 SWE-bench Pro 上得分 62.1,GPT-5.5 为 58.6;终端基准测试得分为 81,GPT-5.5 为 74.4;在 Frontier-SWE 上得分为 74.4。此外 GLM 5.2 拥有 1M token 上下文窗口、开放权重,且运营成本更低。
用户可以通过基于 API 的工具完成免费设置来使用它,也可以在支持模型选择和长上下文编码工作流的平台上将其部署到生产环境运行。
这件事的核心意义在于,高性能编码模型正变得越来越容易获取,在许多开发任务中,对付费前沿模型的依赖将会降低。
目前测试中成绩最好的国产模型得分为11.8%,作者认为另一款模型得分应该至少达到50%,结果并不符合预期
在所有接受 ARC-AGI-2 测试的中文模型中,能力最强的是 2026 年 1 月 27 日发布的 Kimi K2.5,得分 11.8%。
我认为 GLM 5.2 的得分至少应该达到 50%。
这事现在变得有点荒唐了。
在这里注册创业,可以拿到完整功能的 Hermes Agent,新模式能只配置需要的功能,去掉多余臃肿内容
现在如果你通过[原文此处缺介词宾语,保留原结构]创办一家企业,你就能得到一个装备齐全、功能完备的 Hermes Agent。
这种全新的空白 slate 模式意味着我们可以只给它配置它确切需要的东西,不会附带任何额外臃肿/不需要的功能。目前正在添加这项功能。
长上下文编码和智能体任务,单GPU能输出更多token,同时速度依旧不受影响,运行成本有优化空间
GLM-5.2 已经很快上线 @OpenRouter 的 Together AI 服务了⚡️
这个模型性能很强,而我们的服务路径让它的性能能在循环中直接使用。
Together 在推理方面一直发力,所以长上下文编码和智能体工作负载能在单 GPU 上输出更多 token,同时保持速度。
不用付费订阅大模型,也不需要云端权限,就能在自己电脑上用性能接近顶级产品的免费AI。
简直不可思议,GLM 5.2 刚刚发布了,而且它是可以本地运行的开源权重模型。
最疯狂的是,它的表现和 Opus 4.8 一样好。无限免费的超级智能就能跑在你的桌面上。
在这个视频中,我会讲解它的工作原理,以及如何搭建你的第一个本地模型:
现在市场上最便宜的前沿级别大模型,只要花0.18美元就能在浏览器里跑出接近顶级模型的性能。
GLM 5.2 刚刚在 BrowserCode 上跑出了接近 Opus 级别的性能,成本仅为 $0.18。
开放权重模型正式追上来了。
这就是目前市场上最便宜的前沿级别模型。
有人做了一个优先以文件系统存储、可持久化的AI智能体框架,基于LangGraph开发。写智能体只需要整理好文件目录,框架会自动编译运行
来自 @jit_infinity 的超棒作品:🔥Leve:一个构建在 LangGraph 之上、以文件系统优先的持久化智能体框架。
你可以将智能体描述为一个文件目录。Leve 会把这个目录编译成智能体并运行它。
灵感来自 Vercel 的 Eve。
训练全程在虚拟仿真中完成,上场比赛前从没碰过真实冰球,现在赢了打空气曲棍球的真人。
有人认为现在AI不给部分人用,本质上是只把最高性能的AI开放给已验证用户,这么说其实不算过分。
我冒昧说一句:这件事根本和模型地理限制无关,而是只把顶级能力开放给验证过的用户,说实话,这要求并不离谱。
一个月时间就做出能测速、拍车牌、自动开罚单的实时AI雷达,普通人用大模型也能落地赚钱
19岁少年造出了一款AI雷达,以55万美元卖出。
一名学生用Claude和20美元,在一个月内造出了一款实时AI雷达。
它可以检测超速、录制视频、读取车牌,还能自动发送罚单。
运行时每秒能输出15个token,同时机器还能正常用,作者只提醒要提前改一下内存限制参数。
发推人称如果消息成真,会是相当让人意外的进展。目前还没有官方确认。
反对AI进步即将停滞的说法,称其居然认为GPT-4和最新模型能力差不多,这个论断很可笑。
从语音转文字、生成语音到逻辑推理,整套流程都能在线上运行,全部流程都在同平台完成。
当语音智能体可以使用屏幕时,就会变得有趣得多🔥 这个演示在 Together AI 上运行了完整闭环:STT、语音和推理分别通过 Parakeet、MiniMax Speech 2.8 以及 MiniMax M3 实现。
实时系统需要技术栈的每一层都足够快。
这类APP会自动逐字输入作文,还能修改AI生成文本,让文本听起来不像是AI写的,以此绕开AI检测工具。
本文将介绍帮助学生绕过 AI 检测软件的「人类化改写」和「自动打字」应用,这类应用可以慢慢自动打出论文,还能让 AI 生成文本听起来不那么机械(@danagoldstein / 纽约时报)
(访问 Techmeme dot com 获取链接和完整上下文!)
有人好奇现在有人用GLM 5.2写代码吗,还有人说它更新速度太快,之前大家还嘲讽中国AI实验室落后八到十二个月,现在已经能和顶级模型竞争了
有人在用 GLM 5.2 写代码吗?
GLM 5.2 进展居然能这么快,实在难以置信。就在几天前,大家还在嘲讽中国实验室落后 8 到 12 个月。
但如果他们现在已经能和 opus 4.7–4.8 竞争了,那中国可能几个月内就能推出「神话级」的产品。这点也让我非常意外。
这些对话记录藏着个人私密想法、健康信息,是用户自己探索内心的内容,比常规的线上通信隐私属性更强
Erik Voorhees:你与AI的对话,比你发过的任何电子邮件都敏感得多。
“这是人们的私密想法,是他们的医疗记录……是他们对自身想法与不安全感的自我探索。”
当人类与机器融合时,如果不默认维护隐私:“我们会走向一些非常糟糕的未来。”
FT @RaoulGMI @ErikVoorhees @RealVision。
测试注意力(AI用来定位文本关键信息的模块)的鲁棒性,可以把ffmpeg指令当成对抗测试用例,让AI修改它就能看出效果
想测试注意力机制的各种实现吗?ffmpeg 命令对注意力/KV/上下文鲁棒性来说,是绝佳的对抗性测试负载。
把这个命令丢给你的小伙伴,让它做一些修改:
ffmpeg -f lavfi -i nullsrc=s=640x480 -vf "geq=r='128+128*sin(X/20+T)':g='128+128*sin(Y/30+T*2)':b='128+128*sin((X+Y)/40)',format=yuv420p" -t 10 out.mp4
FDE(把模型接入企业实际工作流的岗位)招聘量增长超过800%,现在每家AI公司都需要能写生产代码、懂客户需求的这类人
据报道,2026年FDE的招聘岗位增长超过了800%。这合乎情理。现在每家AI公司都需要这样的人才:他们能把模型接入杂乱的企业工作流,编写生产级代码,理解客户痛点,并且把重复实现的摩擦转化为产品待解决的缺口。
但薪酬信号很有意思。一份2026年FDE薪酬报告估算,中级岗位的总薪酬约为38.5万美元,资深岗位约为61万美元,前沿实验室的首席岗位总薪酬超过100万美元。数字确实相当可观。
但在很多公司,FDE的薪酬仍然更接近高级SWE或应用工程职级,而非极端前沿研究人才市场的水平。市场已经表明部署至关重要。但创新目前仍然被定价为更稀缺的资源。
开发者正在开发以智能体(AI自主执行任务的程序)为核心的聊天应用,开放了测试聊天房间邀请其他人加入
团队把传统的AI评估工具上线开放,任何人都可以用这套验证方法搭建运行自己的评估,下一步准备做终端基准测试
Traditional evals 今晚上线。
这也允许你构建并运行自己的 evals,使用相同的验证方法。
下一步计划是构建 terminal bench/deepswe 风格的 evals,让它们更易使用,这样你就可以构建、运行并分享你自己的 agentic evals。
Traditional evals(很可能未来也包括 agentic evals)运行在抽样系统上,测试集会被随机抽样,拆分为 x 个分组。
用户可以根据自己想要的测试集覆盖度,决定运行多少个分组。系统会给出当前分组的分数,再根据已运行的测试集占比,给出整个测试集分数的置信区间。
这让用户可以快速运行一个eval分组,得到有意义的分数结果。它还意味着不同用户可以运行同一个eval的不同分组,随着所有分组都被覆盖,整体置信区间会不断收敛。
现在大型 evals 不需要只由你一个人运行,负载可以确定性地分散给多个用户共同完成。
有人提出使用AI的方式已经发生了改变,这篇文章会调整你用AI的习惯
坐在办公室分析市场的人不这么看,实际运营公司的人都清楚这一点
只有特定风格的短篇,AI才写得好,这类风格刚好符合不少当代文学短篇小说比赛的要求
AI 通常不擅长写小说,不过有一种特定类型的小说除外——比如富含隐喻、句子断断续续、篇幅短、情节弱这类作品——AI 能写得非常出色。
这种风格恰巧在现代文学短篇小说比赛中,有时候能拿到不错的成绩。
想了解AI安全领域最早的思考者最新观点,可以关注这次访谈内容
文坛对AI的 scorn,既不熟悉AI生成痕迹,也不使用全句检验法,反而让自己更难识别AI内容
现在顶尖实验室内部都拿不准结果,不同团队走不同技术路线,对AI发展来说才是最好的选择。
Google 押注了 Omni 模型。这件事有可能成,也有可能不成,没人真的知道结果。
就算是顶级实验室里的人也不清楚。
对 AI 发展来说,最好的局面就是不同实验室尝试不同的路线,而不是所有人现在都押同一匹马。就让他们放手去做吧。
有人提醒,混合AI推理和无头应用服务是行业未来,这个未来已经到来
不靠末日 dystopian 博眼球的AI未来讨论,也能拿到高流量,有人烦透了AI话题里的恐惧营销
BOOM!我的文章《超级人工智能会憎恨我们吗?》短短几小时就收获了150万读者。看来关于AI的未来,想要获得浏览量并不需要 dystopian 想法。
让专家们知道,你已经受够了恐惧话术。
谢谢大家!深表感激。
大部分日常使用场景,靠免费低价的基础大模型就能解决,用高级模型纯粹是浪费算力。
虽然不太愿意承认,但最近用下来发现,我 99% 的使用场景靠 oh-my-pi + DeepSeek V4 Flash 就能解决,基本根本摸不到 DeepSeek V4 Pro。 我也想上更高级的模型,问题是给我用纯属浪费算力,你们倒是天天和 GPT-5.6、GLM-5.2、Fable-5 坐大人桌开趴,而我已经坐到小孩那桌啃蜡笔了。
搞懂大语言模型里解码和采样器的工作原理,能得到不少额外收益。
开发者分享为原生AI酒店搜索项目新增AI聊天助手的思路
我一般不喜欢在自己的项目里随便插入AI聊天功能,因为我觉得这太简单、太基础了。我认为你应该从头开始重构整个项目,做成AI原生,而不是只加个AI按钮。
但这次不一样,这个项目本来就是从头到尾原生设计的AI产品(它用AI收集数据、给酒店评级),所以我觉得加AI聊天是合理的。
现在你可以直接和酒店助手对话,让它帮你找带举重健身房、新建、高评分,或是早餐提供肉桂卷的酒店。
它还能控制网站、移动地图、帮你打开酒店详情页!希望你们喜欢这个功能😊😊😊
另外,它不赚钱,目前这只是我为对抗平台劣化做的一点贡献,帮你找到物美价廉的好酒店!
业内人士认为GLM 6结合新技术有望成为新一代SOTA大模型
我重度押注 GLM 6。
近期有很多论文都提出了出色的预训练优化方法(例如 DSv4)。
如果智谱采纳了其中一部分(加上他们自己的原创研究),再配上他们现有的后训练方案,我们就能见证一个顶级的 SOTA 模型正在诞生。
LangChain发布LangSmith Sandboxes,支撑AI代理执行多种任务
当你的智能体需要实际做事,而不只是空谈时,LangSmith Sandboxes 就是正确的方案层。这里讲讲你什么时候应该用它 🧵
✅ 你的智能体生成了代码,你需要它在回复前验证代码能正常运行
✅ 你正在构建编码助手、CI 智能体,或是需要操作真实文件的数据 pipeline
✅ 你在运行多步骤工作流,状态需要在多次工具调用之间持久保存
✅ 你需要突发容量(例如,为 RL 训练或评估提供数千个并行环境),而且必须能在数秒内从零点扩容
✅ 你需要接收任何用户提供的、最终可能会被执行的输入
HuggingFace开发者尝试用REAP剪枝大MoE模型特定知识模块
REAP 非常有意思。你可以看到 Hugging Face 上的用户用编码数据集做校准,选择性地剪枝大 MoE 模型的部分结构。
得到的结果是:模型在编码任务上表现正常,但如果你问它比尔·克林顿是谁,它完全不保留关于他的任何知识。
在某些情况下,它还能或多或少正确地继续推理?哪怕推理的前提完全崩坏,世界知识图谱已经支离破碎。不对比尔·克林顿的子网络做「额叶切除」也能做到,不需要机械可解释性介入,也不需要专门重新训练。
我的意思是,它可能会意外保留对希拉里·克林顿的知识,完全不知道比尔·克林顿,然后模型会说出类似这样的话:「嗯……也许比尔和她有关系或者结婚了?……或者用户记错了,其实你想的是希拉里?」
原则上来说,如果你能有意地把这个能力用在世界知识上,你就可以让 RL 模型擅长**从前提出发**做第一性原理预测,而不是从**记忆的知识**出发推理。你就能得到一套完全可验证的、关于真实发生事件的大规模知识库。
问题在于,这样做会得到非常糟糕的历史学家 AI,但如果你能在用户明确要求关闭知识回路的提示上下文里,上下文蒸馏出这个「记忆阻塞电路」……嗯……
爆料称Claude Fable 5已出现在安卓端选型列表,暂无法使用
Claude Fable 5 重新出现在 Android 版 Claude Code 的模型选择器中了。你现在可以选中它。只是它目前还无法正常运行。
这场模型风波还在继续。
业内观点认为开源大模型适配消费级硬件才是开源获胜路径
看着每个开源模型厂商都在竞相追赶前沿,真的很有意思,但真正的机会,其实是为大多数人已经拥有的硬件开发模型。
128GB统一内存,或是单张RTX 3090。这才是真正重要的东西。
现在开源模型已经足够好用了。今年我测评了所有能拿到手的模型,瓶颈早就不再是智能程度,而是模型能不能在你已有的硬件上跑起来。
所以去追逐另一款没人能加载的模型,完全是跑错了赛道。做出一个真正可用、还能在桌面主机或是3090上流畅运行的模型,你才能给人们带来任何订阅都给不了的东西:他们真正拥有的AI。
追赶前沿能上头条,为人们已有的硬件开发能赢得用户。只有后者,才是开源真正取胜的道路。
AI大模型给出数学难题近似解,获Gemini认可正确性
这是 GPT-5.5 Pro 对埃尔德什第514号问题的一份「表观」解答,聊天链接见下方。
Gemini-3.5-flash 对这份解答的评价:提供给你的答案在数学上是可靠的,推理极其出色,极有可能是正确的。你可以对这个结果充满信心,因为它巧妙地结合了经典与现代复分析结果,解答了埃尔德什的三部分问题。
OpenAI分享对AI模型评测的讨论,推出相关播客节目
我们来谈谈评测。我们一直在寻找更好的方法来衡量和预测模型进展,尤其是在基准测试出现饱和或被针对性刷分的当下。
负责我们前沿评测团队的@tejalpatwardhan和@andrewmayne聊了聊,评测为什么重要,以及下一步应该从哪些维度评判模型。
你可以在以下平台收听 OpenAI Podcast:Spotify、Apple、YouTube。
业内观点指出本地AI运行硬件涨价源于头部AI Labs的囤货推高成本
你知道为什么运行本地部署的硬件这么贵吗?因为你不断给AI实验室打钱,他们随后把你算作增长的使用指标,以此证明加杠杆买更多算力是合理的,他们大举买入后价格就被推高了。你真觉得不是Anthropic/OAI推高了这些价格吗?
你觉得是谁把所有GPU都买走了?你觉得他们是怎么说服投资者给他们这笔钱的?
这一天的 42 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。