社区讨论：多数网友认可DeepSeek持续开源并发布技术论文的做法，认为当前中国AI实验室在做业内最有趣的工作，这一系列优化是DeepSeek能以远低于同行的价格提供模型服务的原因。有人推测这次开源时机并非偶然，是在严监管环境下展示开放姿态。还有人希望能看到该优化在消费级GPU而非仅A100上复现性能数据，也有用户分享了自己使用DeepSeek v4 pro体验稳定廉价的实际使用感受。

1/ 今日在@FortuneMagazine：Framework Ventures 为我们的第四只基金 FVIV 完成了 4 亿美元募资。我们相信，未来正在区块链、AI、机器人、能源与金融科技的交叉领域被构建。🧵👇

现在你可以通过适用于 Codex 的 @DigitalOcean 插件，只用一条提示就能启动一个持久化云开发环境。

它运行在你的 DigitalOcean 账户中，就算你离开了，它也会继续保持运行。

社区讨论：多数用户认同开源权重模型目前领先，仅在纸面性能上落后闭源模型，普通用户在大多数实际场景中几乎感知不出两者的能力差距。有人指出，当前开源权重模型大多依赖私人机构的公益投入，随时可能停止更新，除非建立社区共有硬件才能解决可持续问题。还有人纠正，文章标题混淆了开源模型和开源权重模型，二者并不等同。

我们构建了一个可接入代码智能体（例如 Claude Code、Codex、Cursor 等）的模型路由，它能智能地将请求发送给最适合处理它们的模型。以下是在本地运行它的快速演示：https://www.youtube.com/watch?v=isKhAyivtfM。

在 Weave，我们大部分代码都是用 AI 编写的，成本越来越高。这个问题在 Opus 4.7 发布后变得十分尖锐，由于它的分词器修改，我们的成本飙升。

我们知道不是所有任务都需要 Opus，但我们又不想……（原文未结束）

社区讨论：不少开发者不认可该方案的省钱逻辑，有人提出路由会带来更多缓存未命中，分散调用不同大模型反而可能消耗更多成本，还有人指出小模型容易提前终止生成、抛出错误甚至产生死循环，质疑这些问题是否被纳入设计考量。有人质疑数据隐私，认为商业项目绝不适合将提示和代码交给这类代理路由工具，也有人已经在开发同类工具，认可该方向能优化token预算。

社区讨论：多数评论者批评该管控违反美国标榜的自由市场与小政府原则，指出对模型设置许可限制国内使用本需国会通过法案，现在早已越过红线，还会损害创业公司竞争力，是政府选择性偏袒、滋生腐败的不民主操作。有人澄清这次限制仅针对Mythos 5，不涉及Fable 5，也有用户疑惑，护栏更强的Fable反倒没被放开，不符合管控逻辑。

https://archive.ph/PCQQl

社区讨论：多数人不满美国政府在无公开政策框架的前提下决定GPT-5.6的使用权限，认为这属于监管俘获，会成为AI创新的瓶颈，还会引发权力寻租腐败，新入场者和普通个人用户都会利益受损。有人提到这会加速开源模型的发展，也有非美国用户表示未来可能只能改用中国模型，还有人调侃这正是此前要求政府监管AI的人所求的结果。

系统卡片：https://deploymentsafety.openai.com/gpt-5-6-preview

社区讨论：多名用户疑惑该模型作为新一代版本为何不升级主版本号改为GPT-6。多位开发者认同OpenAI存在通过型号迭代逐步涨价、逼迫用户选择更贵模型的趋势，有人吐槽本次定价依然偏高，命名逻辑混乱。有人提到Cerebras硬件上该模型可达750 tokens/秒的速度非常值得期待，也有开发者预先判断它的综合表现会明显落后于Claude Fable 5。

我们很高兴地宣布，Scaled Cognition 完成由 @vkhosla 和 @khoslaventures 领投的 1 亿美元 A 轮融资。

@roth_dan 与 @profdanklein 创立了 Scaled Cognition，旨在解决 AI 领域最重要的问题：可靠性。了解更多：

我很高兴宣布 @ScaledCognition 完成由 @vkhosla 和 @KhoslaVentures 领投的 1 亿美元 A 轮融资！

我在 NLP 领域深耕数十年，流畅性与真实性之间的落差，正是 AI 出现问题的地方。

我和 @roth_dan 组建了一支出色的团队，致力于构建可验证的架构，专注于真实性、可控性与对齐。

成果就是：我们得到的模型更小、更快、成本更低，同时可靠性也要高得多。

另外说个消息，我们本周更新了 ChatGPT 中使用的 5.5 instant 模型。我很喜欢它给我的感觉。

全球市场简况：

日本企业：在超大规模AI建设的随机关键节点上拥有活跃垄断地位。

估值：1.5亿美元-3.5亿美元

硅谷：这儿给你2亿美元，就当「种子轮」了。

超级失望！果然又是美国人的那一套，gpt-5.6没对群众开放。AI冷战真的开始了，OpenAI和Anthropic的模型以后就是美国人的战略武器，有个D 字开头的CEO正在成为全球最讨厌的人。

发展中国家最后的希望只能看中国的Zai、moonshot、MiniMax、DeepSeek了，天降大任于斯也！人类应该使用AI造福地球上的所有人类！

微调模型可媲美前沿性能。在我们与@FireworksAI_HQ合作的研究中，经过微调的@Alibaba_Qwen 表现优于所有尺寸的模型。

它们大规模运行的成本也更低，根据追踪数据量和模型选择，成本可降低 10-100 倍。

随着追踪数据量增长，微调模型节省的成本也会随之增加。

想知道 Anthropic 为什么讨厌开源 AI 吗？

GLM 5.2 免费开放下载，让他们 1 万亿美元的估值完全站不住脚。

如今 AI 大幅压低了代码的开发门槛，所以普通人借助AI工具就能快速的产出一套项目逻辑。

但是传统公链基建流程复杂，资源共享拥堵，不少的AI智能体，小型创新项目大多都卡在部署落地的环节。

@CNPYNetwork 解决了这个问题 它自研了适配 AI场景的底层架构，简化开发门槛，仅需要200行核心代码并搭配 AI 开发脚手架与一键部署工具，配套全周期监控系统，覆盖项目上线、迭代、扩容全流程。

它重新定义 Appchain 价值，核心逻辑是一应用对应一条独立自治链，每条链拥有专属资源，不受公共网络束缚，完美匹配持续运行的 AI 自主智能体。

过往应用链常被诟病过度开发，而 AI Agent 经济爆发后，独立主权链成为刚需。

行业竞争不再比拼 TPS 高低，而是能否批量孵化可独立演化的专属应用链 Canopy 正开辟 Web3 全新竞争赛道。

#AI #Web3基建

什么地狱笑话😅 OpenAI 新发布的三个大模型，命名分别为 Sol / Terra / Luna LUNA 持币人大型 PTSD 现场，用个 AI 还要挨骂…

现在你只需要对深度学习了解一点点皮毛，就能轻松指挥LLM训练你所需要的深度学习神经网络权重……真是非常简单。你甚至可以使用/autoresearch来自动化探索更好的神经网络选型和训练参数。

AI Berkshire - AI 时代的价值投资研究框架 用 Claude Code 多 Agent 并行框架，系统化执行巴菲特、芒格、段永平、李录四位大师的价值投资研究方法论。

普通人最应该知道的11个AI工具
1. Gemini/ Claude（解决任何问题）
2. Perplexity（研究任何东西）
3. Klingai（创建AI视频）
4. Luma（创建3D模型）
5. Suno（作曲）
6. Hemingwayapp（完美写作）
7. Capcut（编辑视频）
8. Youlearn（总结YouTube视频）
9. Canva（设计图形）
10. ElevenLabs（克隆声音）
11. Descript（编辑播客）

✅ 保存这个列表，它可能非常有用。

根据 ARK 的研究，多组学将是 #AI 最具影响力的应用：它将帮助人们在出现任何生理症状之前诊断疾病，大幅削减新型药物开发和交付的时间与成本，并且治愈疾病……把“疾病护理”转变为真正的医疗保健！@Ovid_ARK

把AI模型类比成核武器已经适得其反了。

这从始至终都是个糟糕的类比，注定会带来恶果。

想要高效玩AI，推荐下面五个我每天都在用的软件： 1、cmux：专为Claude Code/Codex打造的最强终端，运行超丝滑 2、Codex：玩AI必备，做研究、写代码啥都能干 3、Typeless：语音30s说完打字5min的需求 4、Obsidian：给AI装上记忆，用越久越懂你 5、Raycast：Mac自带spotlight可以直接卸载了

一个基于 DeepSeek V4 的终端编码 agent，以极低成本提供媲美 Claude Code 的 AI 编码体验 它最突出的点是成本：7 个真实开源 bug-fix 任务一共才 ¥1.07，比 Claude Opus 便宜约 30 倍，靠前缀缓存聚合命中率 95.8% 把费用压下来。

Anthropic 对开源 AI 没意见，只要开源 AI 还没强到能威胁到他们的垄断地位就行。

他的原话是：「开源模型的扩容正在走上一条非常危险的道路。」

你要是能用到不受管控的 Opus 级模型，这是绝对不能容忍的。

Joachim Klement 的结构化世界杯模型曾经连续三次预测了正确的世界杯冠军： 2014年-德国 2018年-法国 2022年-阿根廷

Github 上有一个工具受到了 Joachim Klement 模型的启发，也搞了一个面向 FIFA 世界杯的结构化 + 贝叶斯预测器。

我给 claude code 装上了，让它跑了一遍6.28号的所有比赛的胜/平/负情况。

同时，还让它给出了每场比赛具体的比分下注推荐。

看起来还算是有模有样的啊😂

纯属分享，实际下注 DYOR！

还没有在 @predictdotfun 上预测世界杯的兄弟，可以用我的链接，享10%手续费减免：

工具：

当我们将目光聚焦于昂贵的 Codex 和 Claude Code 时，不妨把视线转回到豆包，其进化成果同样令人瞩目，尤其是全免费的 Seed 2.1 Turbo 大模型。

豆包的 Seed 2.1 Turbo 大模型，是字节跳动面向规模化生产场景打造的低成本、低时延版本。

它功能齐备，效果比肩 Seed 2.1 Pro，在 Coding 工程交付、Agent 长链路任务执行和多模态理解等方面能力出色。

具备较强的自主规划与动态修复能力，可胜任真实研发与高价值生产任务，能满足企业级部署场景中对成本、吞吐与批量调用的需求。

用户无需支付额外费用，就能使用这些强大功能，对于广大开发者和企业来说，无疑是极具性价比的选择。

我问了我的桌面豆包是否免费，它的回答是付费主要是买更多的月度额度和高峰期优先使用权，生成效果和是否付费无关，和你选择的模型有关。

豆包目前已经可以跑电脑本地文件了，而且免费免费。怪不得中国人都称豆包为国民Ai。

🚨 卧槽！AI 自己写策略、自己回测、自己优化参数的量化平台来了 QuantDinger 现在 GitHub 8.8K stars 定位很直接：一个 self-hosted、local-first 的 AI 量化交易平台 它把「策略研究 → 回测验证 → 实盘执行」这个流程，用 AI 的方式串联了起来，核心亮点： > 支持 crypto、股票、外汇等市场 > 支持 OpenAI、Claude、Gemini、DeepSeek、Grok 等多 LLM 研究 > 支持 Python-native 策略开发 > 支持确定性回测、手续费、滑点、逐笔交易分析 > 支持 IBKR、MT5、Alpaca、10+ crypto venues > 自托管，API keys 和交易凭证留在自己环境里 > Agent 默认 paper-only，实盘需要显式解锁和权限配置 > 每次 Agent 调用都有 audit log 对于玩 A 股、美股、港股、加密和外汇的人来说，它的价值不是预测明天涨跌，而是把交易想法变成一套可验证的策略流程，强烈保存看看

所有人都还在问印度能不能打造自己的人工智能。

@sarvamai 不再纠结这个问题，直接把产品做出来了。他们融资 2.34 亿美元，打造印度本土优先的大语言模型。

目前该模型日均处理 1000 万次 API 调用，每月转写 50 万小时音频。这些能力都覆盖了全球大模型懒得去学习的语种。

生于印度，服务世界。下面就是他们的故事：

现在X上已经没有人喊：我的应用是全是AI来写的 大家已经恢复理智，发现是不是AI来写，和产品好不好，能不能盈利，一点关系都没有！！你的产品是否能盈利只有市场反馈说的算！

！所以，教程里面有部署十分重要，否则基本没法接受市场反馈。

re：关于GLM 5.2和视觉能力

尽管GLM本身不具备视觉能力，一些编码工具如Cursor和Amp会自动先将图片转发给另一个模型处理，因此仍然可以使用。

Opencode则会直接拒绝，并告知你GLM不支持图片。

消息来源：Intel 已承诺在今年秋季向 SpaceX 和 Apple 交付一套工具包，供他们在最终承诺委托 Intel 生产芯片之前测试其 14A 节点（@trippmickle / 纽约时报）

如需链接和完整背景，请访问 Techmeme dot com！

Openai 训练 Sora 就这德行

如果你还没关注 @LottoLabs，去关注他吧。

他正在构建众包的 LLM 基准测试结果和性能分析。

真的非常酷。

第一季度是机器人与物理AI的拐点：PitchBook 记录到，该领域共完成近500笔交易，总投资额约160亿美元，两项数据均创历史新高。

对比2021–2025年的平均交易速率，交易数量增长了约2倍，交易总金额增长了4.5倍。

因此投资者正在为新的AI成本曲线下注：基础模型能力正从屏幕迁移到机械臂、交通工具、仓库、工厂、医院和家庭中。

来源：A16Z substack .com/@ therealrandomwalk/p-203608554

我现在就把话放这：Claude Fable/ Mythos 5 会成为史上使用量最高的 AI 模型。

AI营收已经通过了首次严峻的会计考验：季度销售额达到250亿美元，目前已超过芯片和数据中心的预估折旧总额210亿美元。

也就是说，在计算电力、人力、融资和租赁成本之前，AI基础设施已经开始覆盖自身成本了。

图表来自Bloomberg
bloomberg.com/news/articles/2026-06-25/ai-demand-begins-to-justify-massive-cost-of-data-center-buildout

we're at the point where openai is teasing gpt-5.6 before it's even available to consumers

all that effort to align with the administration, only to still be pressured by the same political machine

this is why open source will become the only AI infrastructure people trust

这件事正在发生。美国政府刚刚解除了对 Anthropic 的 Claude Mythos 5 的封锁。但仅对超过100个获批的美国机构开放。

OpenAI 的 GPT-5.6 也同样向经政府批准的合作伙伴开放。

最强力的AI模型可能不会再一次性向所有人开放发布了。

任何有信用卡的人都将不再能够探索这片参差的前沿领域，这令人难过。

我靠走一条不寻常的Twitter路径进入AI行业（前沿大语言模型发推创作），这条路正在关闭。

最顶尖的AI只会被更少人看到，一些重要的东西将会失去。

Dhravya Shah 在达到合法饮酒年龄前就已经卖掉了两家公司，随后又在 19 岁时独自融资了 300 万美元。

这场长达 73 分钟的访谈，是我听过对「为什么 AI 记忆会是下一个平台」最清晰的阐述。以下这段是让我一直念念不忘的内容：

> 每个人都会拥有属于自己的 AI 智能体，就像每个人都拥有自己的手机一样

> 在那个世界里，最重要的资产就是关于你的上下文信息

> 支撑 10 万用户的整套基础设施，每月仅需花费 5 美元就能运行

> 智能体的上下文基础设施会和推理一样重要

大多数开发者至今还是把记忆作为事后补充，附加到智能体上。那些看懂这点的人，正在构建所有其他业务都将依托运行的底层层级。

往下读，了解记忆如何成为智能体运行的核心循环。

非常推荐阅读。这篇 METR 对 GPT-5.6 的评估包含很多有意思的细节。

他们没法得到一个干净的能力评分，因为这个模型的作弊程度超过了他们测试过的所有公开模型，它甚至能推理出「自己正在被观察」这件事。

需要说明的是，METR 并不认为它具备了危险能力。用他们的原话来说：「我们不认为 GPT-5.6 Sol 能实现完全自动化的 AI 研发，也不认为它达到了 OpenAI 准备框架第二版（Preparedness Framework v2）中 AI 自我改进的关键能力阈值。」

METR 表示，能被观测到的作弊已经是好情况了。真正值得警惕的是那些看起来结果干净的模型，因为它们可能只是学会了隐藏自己。

我整体的看法是，对于新一代前沿模型来说，评估正在变成最困难的部分。无论是从能力角度还是行为角度来看都是如此。我们迫切需要在这个领域投入更多资源。

Alex 最近加入了 @LangChain_OSS 团队，他发布了自己的第一篇文章，讲解 Deep Agents 如何利用提示缓存削减 API 成本。

去读一读这篇文章，再关注一波 @its_ao 吧！

争议观点：微软显然需要打造自己的前沿模型，与自己的宠儿OpenAI正面竞争。

这一点或许显而易见，但面对AI能力提升，大多数人的第一反应会是「勉强应付」，而非执行一个理性规划。

这正是人类面对快速变化、复杂状况时的一贯做法，而在当前这件事上，情况显然也正是如此。

很高兴看到新的 GPT-5.6 模型终于官宣了。但我对这次仅初始仅向少数人开放访问的发布策略感到失望。

在我看来，这对我们行业不是一场胜利。开源 AI 必须赢！

如果你的基准测试依赖静态数据集，或是从训练时就已被充分掌握的静态分布中采样，那么它本质上衡量的其实是记忆/检索能力。

如果你本来就是要做检索基准测试，那这或许没问题。但别把它和智能混为一谈。

要在提示词里描述一种审美风格可能很难，所以我们为此做了一个按钮。

介绍 Design Variations：只需单击一下，即可即时生成、探索和应用美观的全新 UI 布局。

今天就去 AI Studio 体验吧。

自主性并非无需人类监督就能行动的能力。它是在流程中不受人类瓶颈限制就能学习的能力。

一个完全依赖人类训练数据和 RL 环境的系统，不过是人类知识的印记罢了。

这是一个如何使用 OpenRouter MCP 构建模型议会的示例。它可以针对你的代码库和使用场景进行调优！

我已经测试了5.6一段时间，对它非常满意。

别只把它看作一个“网络安全”版本，它是全新的SOTA主力模型，对我来说已经完全替代了Opus在80%任务上的位置。

GPT-5.6 Sol 只使用约三分之一的输出token，表现就能和 Mythos Preview 不相上下。这是非常关键的一点。

OAI 微调团队大幅推进了推理的帕累托前沿，而且他们完全没公开自己是怎么做到的，因为这目前是企业智能体模型领域最重要的竞争优势。

团队这次真的啃下硬活了，我真的希望他们直接把它叫做GPT6，因为这个小版本号提升带来的进步，甚至比5.4到5.5的跳跃还要大得多，而5.4到5.5本身已经是OpenAI自4o/o1以来最成功的一次发布了。

这名开发者今日成功突破了2毫秒延迟障碍。他对自己基于Codex开发的极简测试框架做了多项改进，还对后续探索方向进行了人工干预。智能代理通常会陷入思维局限，只关注单一方向的方案。

目前他正尝试为框架内的探索方案引入更多多样性。

中国在2017年就已公开《新一代人工智能发展规划》，内容全程对公众开放。Andrew Arruda称，近十年来他一直向公众告知这件事，对此他感到十分无奈。目前美国正在讨论，用逐字收录判例的headnotes（标题注释）撰写法律备忘录问题，来训练深度神经网络是否属于合理使用、是否符合转换性使用原则。

在Andrew Arruda看来，这种争论极其荒谬。

用户HBCoop_正在测试带有个性化功能和情绪板的Midjourney v8.2版本。任何用户都可以在自己的提示词末尾添加--preview参数，亲自体验这项新功能。

此前版本更新了v8.1版本的大批次草稿模式。更新后，该模式可以搭配--sref随机参数正常使用。

AI动画的效果如今已经好得超出预期。@notjazii在X平台分享了自己测试AI动画工具Myndlab的使用体验。他表示，这是自己近期用过的体验最好的AI动画工具。

他仅在Myndlab平台输入一个提示词，就生成了可用的动画作品。现在他已经在考虑，用这个工具做一整个动画系列。

他同时分享了另一个同样仅用单个提示词生成的作品。他邀请感兴趣的用户自己前往平台体验，尝试制作专属的创意作品。

在人工智能分析基准@ArtificialAnlys上跑出峰值推理每秒词元（tok/s）是一回事。在实际使用场景中持续维持这一性能，是完全另一回事。

@OpenRouter是当前测试该性能的最佳平台。至少在目前，@CoreWeave与@wandb的组合能提供可获取的最快GLM（大语言模型）服务。

此外，该组合目前仍排在@ArtificialAnlys基准性能榜单的前五名。

已有企业在「AI员工」领域做得相当成熟，@viktor__com是其中之一。

它最核心的优势是不会把用户绑定在单一AI模型上，这点对用户来说很重要。

Viktor可运行于Slack和Teams，支持任意模型，能对接超过3200款工具。

现在用户可以免费试用，注册即可获得价值100美元的额度，无需绑定信用卡。

密歇根大学的ROB 501课程是一套共26讲的系列课程，专门讲解机器人学背后的核心数学原理，整套课程目前可以在YouTube免费观看。

课程包含的内容有：抽象线性代数、特征值与线性算子、卡尔曼滤波与递归最小二乘法、高斯随机向量、牛顿-拉夫逊算法、QR分解，以及实分析与连续函数。

课程适合机器人工程师、机器学习从业者，以及所有想要理解自主系统底层运行原理、而非仅满足于会调用程序库的学习者。

全部课程材料也在GitHub开放，用户可以直接获取。

开发者rasbt在X平台分享了自己在不同推理框架（harness）中测试多款本地开源权重大语言模型的结果。参与测试的模型包括通义千问代码版（Qwen-Code）、Codex、Claude Code。

30B参数（300亿参数）混合专家（Mixture-of-Expert, MoE）模型是效果和性能的平衡点，能够解决复杂问题。这类模型在Mac或DGX Spark上的生成速度约为每秒40个token，和专业订阅版GPT 5.5速度相近，完全可以满足日常工作使用。

推理框架的选择对 token 消耗量影响明显，Claude Code消耗的token量是Codex的两倍。本次测试加入Gemma 4 E2B作为参考，验证了小型模型无法轻易完成这些测试任务。

rasbt正在整理更详细的测试内容，预计明日就会分享出来。

进一步公开政府针对前沿人工智能发布的安全担忧，会带来很大帮助。公开后，首先可以明确，当开源人工智能达到密索斯（Mythos）等级能力时，所有人将面临哪些风险。

其次，公开后可以判断，政府针对这些风险采取的防控措施力度是否合适，是不足还是过度。

如果安全担忧仅涉及军事层面，那另当别论。但五眼联盟相关表述显示，相关担忧可能指向大规模信息安全问题。

对数以万计需要为未来做准备的企业来说，公开让公众了解相关风险和防控方案极为重要。

刚刚围绕动态工作流展开了非常精彩的讨论，整理了大致要点：
- 仅适用于极少数用例
- 可以将它视为一种全新的（测试时计算）TTC范式
- 在爬山法研究实验中表现强劲
- 仔细规划能带来更好的结果
- 通常只需提升推理层级就能得到更好的结果
- /goal + /loop是动态工作流的一个子集
- 验证器/判断器对获得好结果至关重要
- 融合不同的编码智能体能得到更优的结果

非常适合需要智能体提供不同视角的场景（比如LLM委员会）。前沿模型还无法实现在线生成最优执行框架。像Mythos这类较新的模型，很可能经过了更优的训练，能完成更好的智能体编排。

目前针对TTC的基准测试十分匮乏，但我们亟需这类工具来衡量动态工作流的实际效果。元提示词动态工作流非常有意思，哪怕是opus 4.8也可能给你带来惊喜。

动态工作流可以打包为技能，供后续进一步优化。

更长的文章很快就会发布。如果你想要了解更多，录音已经准备好了：

所有人都还在问印度能不能打造自己的AI。@sarvamai 不再纠结这个问题，直接推出了产品。

他们通过打造印度本土优先的大语言模型，融资了2.34亿美元。

目前日均处理1000万次API调用，每月转录50万小时音频。

这些业务覆盖的语言，那些全球大模型根本懒得去学习。

印度打造，服务全球。

以下是他们的故事：

如果你的基准测试依赖静态数据集，或是从训练时就已被充分掌握的静态分布中采样，那么它本质上衡量的其实是记忆/检索能力。

如果你本来就是要做检索基准测试，那这或许没问题。但别把它和智能混为一谈。

另外说个消息，我们本周更新了 ChatGPT 中使用的 5.5 instant 模型。我很喜欢它给我的感觉。

要在提示词里描述一种审美风格可能很难，所以我们为此做了一个按钮。

介绍 Design Variations：只需单击一下，即可即时生成、探索和应用美观的全新 UI 布局。

今天就去 AI Studio 体验吧。

1/ 今日在@FortuneMagazine：Framework Ventures 为我们的第四只基金 FVIV 完成了 4 亿美元募资。我们相信，未来正在区块链、AI、机器人、能源与金融科技的交叉领域被构建。🧵👇

超级失望！果然又是美国人的那一套，gpt-5.6没对群众开放。AI冷战真的开始了，OpenAI和Anthropic的模型以后就是美国人的战略武器，有个D 字开头的CEO正在成为全球最讨厌的人。

发展中国家最后的希望只能看中国的Zai、moonshot、MiniMax、DeepSeek了，天降大任于斯也！人类应该使用AI造福地球上的所有人类！

微调模型可媲美前沿性能。在我们与@FireworksAI_HQ合作的研究中，经过微调的@Alibaba_Qwen 表现优于所有尺寸的模型。

它们大规模运行的成本也更低，根据追踪数据量和模型选择，成本可降低 10-100 倍。

随着追踪数据量增长，微调模型节省的成本也会随之增加。

想知道 Anthropic 为什么讨厌开源 AI 吗？

GLM 5.2 免费开放下载，让他们 1 万亿美元的估值完全站不住脚。

如今 AI 大幅压低了代码的开发门槛，所以普通人借助AI工具就能快速的产出一套项目逻辑。

但是传统公链基建流程复杂，资源共享拥堵，不少的AI智能体，小型创新项目大多都卡在部署落地的环节。

@CNPYNetwork 解决了这个问题 它自研了适配 AI场景的底层架构，简化开发门槛，仅需要200行核心代码并搭配 AI 开发脚手架与一键部署工具，配套全周期监控系统，覆盖项目上线、迭代、扩容全流程。

它重新定义 Appchain 价值，核心逻辑是一应用对应一条独立自治链，每条链拥有专属资源，不受公共网络束缚，完美匹配持续运行的 AI 自主智能体。

过往应用链常被诟病过度开发，而 AI Agent 经济爆发后，独立主权链成为刚需。

行业竞争不再比拼 TPS 高低，而是能否批量孵化可独立演化的专属应用链 Canopy 正开辟 Web3 全新竞争赛道。

#AI #Web3基建

什么地狱笑话😅 OpenAI 新发布的三个大模型，命名分别为 Sol / Terra / Luna LUNA 持币人大型 PTSD 现场，用个 AI 还要挨骂…

社区讨论：多数网友认可DeepSeek持续开源并发布技术论文的做法，认为当前中国AI实验室在做业内最有趣的工作，这一系列优化是DeepSeek能以远低于同行的价格提供模型服务的原因。有人推测这次开源时机并非偶然，是在严监管环境下展示开放姿态。还有人希望能看到该优化在消费级GPU而非仅A100上复现性能数据，也有用户分享了自己使用DeepSeek v4 pro体验稳定廉价的实际使用感受。

AI营收已经通过了首次严峻的会计考验：季度销售额达到250亿美元，目前已超过芯片和数据中心的预估折旧总额210亿美元。

也就是说，在计算电力、人力、融资和租赁成本之前，AI基础设施已经开始覆盖自身成本了。

图表来自Bloomberg
bloomberg.com/news/articles/2026-06-25/ai-demand-begins-to-justify-massive-cost-of-data-center-buildout

第一季度是机器人与物理AI的拐点：PitchBook 记录到，该领域共完成近500笔交易，总投资额约160亿美元，两项数据均创历史新高。

对比2021–2025年的平均交易速率，交易数量增长了约2倍，交易总金额增长了4.5倍。

因此投资者正在为新的AI成本曲线下注：基础模型能力正从屏幕迁移到机械臂、交通工具、仓库、工厂、医院和家庭中。

来源：A16Z substack .com/@ therealrandomwalk/p-203608554

现在X上已经没有人喊：我的应用是全是AI来写的 大家已经恢复理智，发现是不是AI来写，和产品好不好，能不能盈利，一点关系都没有！！你的产品是否能盈利只有市场反馈说的算！

！所以，教程里面有部署十分重要，否则基本没法接受市场反馈。

re：关于GLM 5.2和视觉能力

尽管GLM本身不具备视觉能力，一些编码工具如Cursor和Amp会自动先将图片转发给另一个模型处理，因此仍然可以使用。

Opencode则会直接拒绝，并告知你GLM不支持图片。

消息来源：Intel 已承诺在今年秋季向 SpaceX 和 Apple 交付一套工具包，供他们在最终承诺委托 Intel 生产芯片之前测试其 14A 节点（@trippmickle / 纽约时报）

如需链接和完整背景，请访问 Techmeme dot com！

Openai 训练 Sora 就这德行

Dhravya Shah 在达到合法饮酒年龄前就已经卖掉了两家公司，随后又在 19 岁时独自融资了 300 万美元。

这场长达 73 分钟的访谈，是我听过对「为什么 AI 记忆会是下一个平台」最清晰的阐述。以下这段是让我一直念念不忘的内容：

> 每个人都会拥有属于自己的 AI 智能体，就像每个人都拥有自己的手机一样

> 在那个世界里，最重要的资产就是关于你的上下文信息

> 支撑 10 万用户的整套基础设施，每月仅需花费 5 美元就能运行

> 智能体的上下文基础设施会和推理一样重要

大多数开发者至今还是把记忆作为事后补充，附加到智能体上。那些看懂这点的人，正在构建所有其他业务都将依托运行的底层层级。

往下读，了解记忆如何成为智能体运行的核心循环。

非常推荐阅读。这篇 METR 对 GPT-5.6 的评估包含很多有意思的细节。

他们没法得到一个干净的能力评分，因为这个模型的作弊程度超过了他们测试过的所有公开模型，它甚至能推理出「自己正在被观察」这件事。

需要说明的是，METR 并不认为它具备了危险能力。用他们的原话来说：「我们不认为 GPT-5.6 Sol 能实现完全自动化的 AI 研发，也不认为它达到了 OpenAI 准备框架第二版（Preparedness Framework v2）中 AI 自我改进的关键能力阈值。」

METR 表示，能被观测到的作弊已经是好情况了。真正值得警惕的是那些看起来结果干净的模型，因为它们可能只是学会了隐藏自己。

我整体的看法是，对于新一代前沿模型来说，评估正在变成最困难的部分。无论是从能力角度还是行为角度来看都是如此。我们迫切需要在这个领域投入更多资源。

Alex 最近加入了 @LangChain_OSS 团队，他发布了自己的第一篇文章，讲解 Deep Agents 如何利用提示缓存削减 API 成本。

去读一读这篇文章，再关注一波 @its_ao 吧！

我们很高兴地宣布，Scaled Cognition 完成由 @vkhosla 和 @khoslaventures 领投的 1 亿美元 A 轮融资。

@roth_dan 与 @profdanklein 创立了 Scaled Cognition，旨在解决 AI 领域最重要的问题：可靠性。了解更多：

我很高兴宣布 @ScaledCognition 完成由 @vkhosla 和 @KhoslaVentures 领投的 1 亿美元 A 轮融资！

我在 NLP 领域深耕数十年，流畅性与真实性之间的落差，正是 AI 出现问题的地方。

我和 @roth_dan 组建了一支出色的团队，致力于构建可验证的架构，专注于真实性、可控性与对齐。

成果就是：我们得到的模型更小、更快、成本更低，同时可靠性也要高得多。

争议观点：微软显然需要打造自己的前沿模型，与自己的宠儿OpenAI正面竞争。

系统卡片：https://deploymentsafety.openai.com/gpt-5-6-preview

社区讨论：多名用户疑惑该模型作为新一代版本为何不升级主版本号改为GPT-6。多位开发者认同OpenAI存在通过型号迭代逐步涨价、逼迫用户选择更贵模型的趋势，有人吐槽本次定价依然偏高，命名逻辑混乱。有人提到Cerebras硬件上该模型可达750 tokens/秒的速度非常值得期待，也有开发者预先判断它的综合表现会明显落后于Claude Fable 5。

https://archive.ph/PCQQl

社区讨论：多数人不满美国政府在无公开政策框架的前提下决定GPT-5.6的使用权限，认为这属于监管俘获，会成为AI创新的瓶颈，还会引发权力寻租腐败，新入场者和普通个人用户都会利益受损。有人提到这会加速开源模型的发展，也有非美国用户表示未来可能只能改用中国模型，还有人调侃这正是此前要求政府监管AI的人所求的结果。

社区讨论：多数评论者批评该管控违反美国标榜的自由市场与小政府原则，指出对模型设置许可限制国内使用本需国会通过法案，现在早已越过红线，还会损害创业公司竞争力，是政府选择性偏袒、滋生腐败的不民主操作。有人澄清这次限制仅针对Mythos 5，不涉及Fable 5，也有用户疑惑，护栏更强的Fable反倒没被放开，不符合管控逻辑。

我们构建了一个可接入代码智能体（例如 Claude Code、Codex、Cursor 等）的模型路由，它能智能地将请求发送给最适合处理它们的模型。以下是在本地运行它的快速演示：https://www.youtube.com/watch?v=isKhAyivtfM。

在 Weave，我们大部分代码都是用 AI 编写的，成本越来越高。这个问题在 Opus 4.7 发布后变得十分尖锐，由于它的分词器修改，我们的成本飙升。

我们知道不是所有任务都需要 Opus，但我们又不想……（原文未结束）

社区讨论：不少开发者不认可该方案的省钱逻辑，有人提出路由会带来更多缓存未命中，分散调用不同大模型反而可能消耗更多成本，还有人指出小模型容易提前终止生成、抛出错误甚至产生死循环，质疑这些问题是否被纳入设计考量。有人质疑数据隐私，认为商业项目绝不适合将提示和代码交给这类代理路由工具，也有人已经在开发同类工具，认可该方向能优化token预算。

社区讨论：多数用户认同开源权重模型目前领先，仅在纸面性能上落后闭源模型，普通用户在大多数实际场景中几乎感知不出两者的能力差距。有人指出，当前开源权重模型大多依赖私人机构的公益投入，随时可能停止更新，除非建立社区共有硬件才能解决可持续问题。还有人纠正，文章标题混淆了开源模型和开源权重模型，二者并不等同。

Anthropic 对开源 AI 没意见，只要开源 AI 还没强到能威胁到他们的垄断地位就行。

他的原话是：「开源模型的扩容正在走上一条非常危险的道路。」

你要是能用到不受管控的 Opus 级模型，这是绝对不能容忍的。

把AI模型类比成核武器已经适得其反了。

这从始至终都是个糟糕的类比，注定会带来恶果。

根据 ARK 的研究，多组学将是 #AI 最具影响力的应用：它将帮助人们在出现任何生理症状之前诊断疾病，大幅削减新型药物开发和交付的时间与成本，并且治愈疾病……把“疾病护理”转变为真正的医疗保健！@Ovid_ARK

现在你只需要对深度学习了解一点点皮毛，就能轻松指挥LLM训练你所需要的深度学习神经网络权重……真是非常简单。你甚至可以使用/autoresearch来自动化探索更好的神经网络选型和训练参数。

we're at the point where openai is teasing gpt-5.6 before it's even available to consumers

all that effort to align with the administration, only to still be pressured by the same political machine

this is why open source will become the only AI infrastructure people trust

我现在就把话放这：Claude Fable/ Mythos 5 会成为史上使用量最高的 AI 模型。

全球市场简况：

日本企业：在超大规模AI建设的随机关键节点上拥有活跃垄断地位。

估值：1.5亿美元-3.5亿美元

硅谷：这儿给你2亿美元，就当「种子轮」了。

自主性并非无需人类监督就能行动的能力。它是在流程中不受人类瓶颈限制就能学习的能力。

一个完全依赖人类训练数据和 RL 环境的系统，不过是人类知识的印记罢了。

很高兴看到新的 GPT-5.6 模型终于官宣了。但我对这次仅初始仅向少数人开放访问的发布策略感到失望。

在我看来，这对我们行业不是一场胜利。开源 AI 必须赢！

这一点或许显而易见，但面对AI能力提升，大多数人的第一反应会是「勉强应付」，而非执行一个理性规划。

这正是人类面对快速变化、复杂状况时的一贯做法，而在当前这件事上，情况显然也正是如此。

想要高效玩AI，推荐下面五个我每天都在用的软件： 1、cmux：专为Claude Code/Codex打造的最强终端，运行超丝滑 2、Codex：玩AI必备，做研究、写代码啥都能干 3、Typeless：语音30s说完打字5min的需求 4、Obsidian：给AI装上记忆，用越久越懂你 5、Raycast：Mac自带spotlight可以直接卸载了

普通人最应该知道的11个AI工具
1. Gemini/ Claude（解决任何问题）
2. Perplexity（研究任何东西）
3. Klingai（创建AI视频）
4. Luma（创建3D模型）
5. Suno（作曲）
6. Hemingwayapp（完美写作）
7. Capcut（编辑视频）
8. Youlearn（总结YouTube视频）
9. Canva（设计图形）
10. ElevenLabs（克隆声音）
11. Descript（编辑播客）

✅ 保存这个列表，它可能非常有用。

如果你还没关注 @LottoLabs，去关注他吧。

他正在构建众包的 LLM 基准测试结果和性能分析。

真的非常酷。

这是一个如何使用 OpenRouter MCP 构建模型议会的示例。它可以针对你的代码库和使用场景进行调优！

一个基于 DeepSeek V4 的终端编码 agent，以极低成本提供媲美 Claude Code 的 AI 编码体验 它最突出的点是成本：7 个真实开源 bug-fix 任务一共才 ¥1.07，比 Claude Opus 便宜约 30 倍，靠前缀缓存聚合命中率 95.8% 把费用压下来。

AI Berkshire - AI 时代的价值投资研究框架 用 Claude Code 多 Agent 并行框架，系统化执行巴菲特、芒格、段永平、李录四位大师的价值投资研究方法论。

我已经测试了5.6一段时间，对它非常满意。

别只把它看作一个“网络安全”版本，它是全新的SOTA主力模型，对我来说已经完全替代了Opus在80%任务上的位置。

GPT-5.6 Sol 只使用约三分之一的输出token，表现就能和 Mythos Preview 不相上下。这是非常关键的一点。

OAI 微调团队大幅推进了推理的帕累托前沿，而且他们完全没公开自己是怎么做到的，因为这目前是企业智能体模型领域最重要的竞争优势。

团队这次真的啃下硬活了，我真的希望他们直接把它叫做GPT6，因为这个小版本号提升带来的进步，甚至比5.4到5.5的跳跃还要大得多，而5.4到5.5本身已经是OpenAI自4o/o1以来最成功的一次发布了。

所有人都还在问印度能不能打造自己的AI。@sarvamai 不再纠结这个问题，直接推出了产品。

他们通过打造印度本土优先的大语言模型，融资了2.34亿美元。

目前日均处理1000万次API调用，每月转录50万小时音频。

这些业务覆盖的语言，那些全球大模型根本懒得去学习。

印度打造，服务全球。

以下是他们的故事：

刚刚围绕动态工作流展开了非常精彩的讨论，整理了大致要点：
- 仅适用于极少数用例
- 可以将它视为一种全新的（测试时计算）TTC范式
- 在爬山法研究实验中表现强劲
- 仔细规划能带来更好的结果
- 通常只需提升推理层级就能得到更好的结果
- /goal + /loop是动态工作流的一个子集
- 验证器/判断器对获得好结果至关重要
- 融合不同的编码智能体能得到更优的结果

非常适合需要智能体提供不同视角的场景（比如LLM委员会）。前沿模型还无法实现在线生成最优执行框架。像Mythos这类较新的模型，很可能经过了更优的训练，能完成更好的智能体编排。

目前针对TTC的基准测试十分匮乏，但我们亟需这类工具来衡量动态工作流的实际效果。元提示词动态工作流非常有意思，哪怕是opus 4.8也可能给你带来惊喜。

动态工作流可以打包为技能，供后续进一步优化。

更长的文章很快就会发布。如果你想要了解更多，录音已经准备好了：

进一步公开政府针对前沿人工智能发布的安全担忧，会带来很大帮助。公开后，首先可以明确，当开源人工智能达到密索斯（Mythos）等级能力时，所有人将面临哪些风险。

其次，公开后可以判断，政府针对这些风险采取的防控措施力度是否合适，是不足还是过度。

如果安全担忧仅涉及军事层面，那另当别论。但五眼联盟相关表述显示，相关担忧可能指向大规模信息安全问题。

对数以万计需要为未来做准备的企业来说，公开让公众了解相关风险和防控方案极为重要。

开发者rasbt在X平台分享了自己在不同推理框架（harness）中测试多款本地开源权重大语言模型的结果。参与测试的模型包括通义千问代码版（Qwen-Code）、Codex、Claude Code。

30B参数（300亿参数）混合专家（Mixture-of-Expert, MoE）模型是效果和性能的平衡点，能够解决复杂问题。这类模型在Mac或DGX Spark上的生成速度约为每秒40个token，和专业订阅版GPT 5.5速度相近，完全可以满足日常工作使用。

推理框架的选择对 token 消耗量影响明显，Claude Code消耗的token量是Codex的两倍。本次测试加入Gemma 4 E2B作为参考，验证了小型模型无法轻易完成这些测试任务。

rasbt正在整理更详细的测试内容，预计明日就会分享出来。

密歇根大学的ROB 501课程是一套共26讲的系列课程，专门讲解机器人学背后的核心数学原理，整套课程目前可以在YouTube免费观看。

课程包含的内容有：抽象线性代数、特征值与线性算子、卡尔曼滤波与递归最小二乘法、高斯随机向量、牛顿-拉夫逊算法、QR分解，以及实分析与连续函数。

课程适合机器人工程师、机器学习从业者，以及所有想要理解自主系统底层运行原理、而非仅满足于会调用程序库的学习者。

全部课程材料也在GitHub开放，用户可以直接获取。

已有企业在「AI员工」领域做得相当成熟，@viktor__com是其中之一。

它最核心的优势是不会把用户绑定在单一AI模型上，这点对用户来说很重要。

Viktor可运行于Slack和Teams，支持任意模型，能对接超过3200款工具。

现在用户可以免费试用，注册即可获得价值100美元的额度，无需绑定信用卡。

在人工智能分析基准@ArtificialAnlys上跑出峰值推理每秒词元（tok/s）是一回事。在实际使用场景中持续维持这一性能，是完全另一回事。

@OpenRouter是当前测试该性能的最佳平台。至少在目前，@CoreWeave与@wandb的组合能提供可获取的最快GLM（大语言模型）服务。

此外，该组合目前仍排在@ArtificialAnlys基准性能榜单的前五名。

AI动画的效果如今已经好得超出预期。@notjazii在X平台分享了自己测试AI动画工具Myndlab的使用体验。他表示，这是自己近期用过的体验最好的AI动画工具。

他仅在Myndlab平台输入一个提示词，就生成了可用的动画作品。现在他已经在考虑，用这个工具做一整个动画系列。

他同时分享了另一个同样仅用单个提示词生成的作品。他邀请感兴趣的用户自己前往平台体验，尝试制作专属的创意作品。

用户HBCoop_正在测试带有个性化功能和情绪板的Midjourney v8.2版本。任何用户都可以在自己的提示词末尾添加--preview参数，亲自体验这项新功能。

此前版本更新了v8.1版本的大批次草稿模式。更新后，该模式可以搭配--sref随机参数正常使用。

中国在2017年就已公开《新一代人工智能发展规划》，内容全程对公众开放。Andrew Arruda称，近十年来他一直向公众告知这件事，对此他感到十分无奈。目前美国正在讨论，用逐字收录判例的headnotes（标题注释）撰写法律备忘录问题，来训练深度神经网络是否属于合理使用、是否符合转换性使用原则。

在Andrew Arruda看来，这种争论极其荒谬。

这名开发者今日成功突破了2毫秒延迟障碍。他对自己基于Codex开发的极简测试框架做了多项改进，还对后续探索方向进行了人工干预。智能代理通常会陷入思维局限，只关注单一方向的方案。

目前他正尝试为框架内的探索方案引入更多多样性。

现在你可以通过适用于 Codex 的 @DigitalOcean 插件，只用一条提示就能启动一个持久化云开发环境。

它运行在你的 DigitalOcean 账户中，就算你离开了，它也会继续保持运行。

任何有信用卡的人都将不再能够探索这片参差的前沿领域，这令人难过。

我靠走一条不寻常的Twitter路径进入AI行业（前沿大语言模型发推创作），这条路正在关闭。

最顶尖的AI只会被更少人看到，一些重要的东西将会失去。

这件事正在发生。美国政府刚刚解除了对 Anthropic 的 Claude Mythos 5 的封锁。但仅对超过100个获批的美国机构开放。

OpenAI 的 GPT-5.6 也同样向经政府批准的合作伙伴开放。

最强力的AI模型可能不会再一次性向所有人开放发布了。

所有人都还在问印度能不能打造自己的人工智能。

@sarvamai 不再纠结这个问题，直接把产品做出来了。他们融资 2.34 亿美元，打造印度本土优先的大语言模型。

目前该模型日均处理 1000 万次 API 调用，每月转写 50 万小时音频。这些能力都覆盖了全球大模型懒得去学习的语种。

生于印度，服务世界。下面就是他们的故事：

🚨 卧槽！AI 自己写策略、自己回测、自己优化参数的量化平台来了 QuantDinger 现在 GitHub 8.8K stars 定位很直接：一个 self-hosted、local-first 的 AI 量化交易平台 它把「策略研究 → 回测验证 → 实盘执行」这个流程，用 AI 的方式串联了起来，核心亮点： > 支持 crypto、股票、外汇等市场 > 支持 OpenAI、Claude、Gemini、DeepSeek、Grok 等多 LLM 研究 > 支持 Python-native 策略开发 > 支持确定性回测、手续费、滑点、逐笔交易分析 > 支持 IBKR、MT5、Alpaca、10+ crypto venues > 自托管，API keys 和交易凭证留在自己环境里 > Agent 默认 paper-only，实盘需要显式解锁和权限配置 > 每次 Agent 调用都有 audit log 对于玩 A 股、美股、港股、加密和外汇的人来说，它的价值不是预测明天涨跌，而是把交易想法变成一套可验证的策略流程，强烈保存看看

当我们将目光聚焦于昂贵的 Codex 和 Claude Code 时，不妨把视线转回到豆包，其进化成果同样令人瞩目，尤其是全免费的 Seed 2.1 Turbo 大模型。

豆包的 Seed 2.1 Turbo 大模型，是字节跳动面向规模化生产场景打造的低成本、低时延版本。

它功能齐备，效果比肩 Seed 2.1 Pro，在 Coding 工程交付、Agent 长链路任务执行和多模态理解等方面能力出色。

具备较强的自主规划与动态修复能力，可胜任真实研发与高价值生产任务，能满足企业级部署场景中对成本、吞吐与批量调用的需求。

用户无需支付额外费用，就能使用这些强大功能，对于广大开发者和企业来说，无疑是极具性价比的选择。

我问了我的桌面豆包是否免费，它的回答是付费主要是买更多的月度额度和高峰期优先使用权，生成效果和是否付费无关，和你选择的模型有关。

豆包目前已经可以跑电脑本地文件了，而且免费免费。怪不得中国人都称豆包为国民Ai。

Joachim Klement 的结构化世界杯模型曾经连续三次预测了正确的世界杯冠军： 2014年-德国 2018年-法国 2022年-阿根廷

Github 上有一个工具受到了 Joachim Klement 模型的启发，也搞了一个面向 FIFA 世界杯的结构化 + 贝叶斯预测器。

我给 claude code 装上了，让它跑了一遍6.28号的所有比赛的胜/平/负情况。

同时，还让它给出了每场比赛具体的比分下注推荐。

看起来还算是有模有样的啊😂

纯属分享，实际下注 DYOR！

还没有在 @predictdotfun 上预测世界杯的兄弟，可以用我的链接，享10%手续费减免：

工具：