社区讨论：多数人认同人类语言是意识的副产品，认为人们先产生想法，再寻找合适的词语表达，词语只是思想的外衣。有人以海伦·凯勒自述为例提出反对，指出语言出现前不存在清晰的自我意识，意识反而可能以语言为前提。也有人质疑“意识存在”本身，认为它是人类捏造的概念，未来可能像“以太”一样被抛弃，还有人指出原观点缺乏已有研究支撑，属于主观臆断。

社区讨论：多数开发者认为Anthropic未透明披露隐写标记行为，这种做法不合规，商业需求不能为隐瞒辩护。有人认为原博文结论反应过度，这个标记只是用来识别模型蒸馏行为，不会惩罚普通开发者。也有人指出这次实现非常粗糙笨拙，有更隐蔽的技术手段可以实现同样目的。

部分用户因此改用开源替代工具，担心Anthropic会基于标记对用户进行限流或降级处理。

社区讨论：多数参与者澄清，Claude Science实际定位是面向数据科学的工具，而非通用科研工具，它集成了多个生命科学领域数据库，支持本地服务器运行适配药企涉密数据环境。有前Anthropic从业者指出它的能力不止绘图和写论文，但也有用户质疑它会助长水论文风气，还会 hallucinate 参考文献，当前的功能集成也只覆盖生命科学缺了计算机领域。还有用户不满Anthropic搁置旧产品Fable不更新，却推新产品。

社区讨论：多数开发者认为，Claude Sonnet 5中高努力水平的单任务成本已经超过Opus 4.8，性能却更差，价格性价比甚至不如GLM 5.2，没有更换使用的理由。也有长期用Sonnet处理日常编码任务的开发者认为它是不错的增量更新，拆分任务后能以更低成本获得接近Opus的质量。有用户实测指出它达到GLM-5.2水平，速度快一倍但成本也高一倍，在常识、工具调用、谜题解答上存在明显短板。

随着智能体接手更长周期的工作，工程工作重心转向设定方向、审核工作成果，以及围绕模型设计更完善的系统。

@steipete 发布于 @aiDotEngineer

gemini omni flash 现已推出：这是我们专为视频生成和对话式编辑打造的高质量、低成本模型，旨在支持多模态工作流。

它允许你使用自然语言和简单提示词对视频进行润色修改。

现在就可以通过 AI Studio 和 Gemini API 开始基于它开发。

Bridgewater 运用他们独特的金融知识，与我们合作，在 @tinkerapi 上微调了一个模型，帮助他们的分析师专注于重要事务。

专家改进 AI，再由 AI 赋能专家。

我们推出了 GeneBench-Pro，这是一个面向更具挑战性的 AI 进步方向的研究级基准测试，测试方向是：智能体应对复杂生物数据的能力。

它具体考察智能体能否选择正确的分析路径，能否做出真正计算生物学研究所依赖的判断决策。

我不会太看重 Sonnet 5 基准测试成绩没有比 Opus 好太多这件事。我们正在进入一个「工作心智」的有效性和质量愈发重要的时代。

Sonnet 5 是一个敏锐得让人惊讶的模型，在长周期任务上尤其如此。

我不是说 Opus 没有这种能力。但你只要和 Sonnet 5 稍微互动一下，就能发现它处理真实问题的方式比 Opus 更好。

你能看到这个模型会告诉你哪些事做不成，还会提出反对意见。此外，知识截止日期也很重要。这个模型很可能是从 Fable/Mythos 蒸馏而来的。

大语言模型会自发发育出和人类相同的专门脑区，分别负责语言、数学、物理和社会推理。

没有人刻意设计出这些分区，它们是自然涌现出来的。

两种完全不同的优化过程（生物演化 vs. 梯度下降），独立得出了同一个解决方案。

这可能是AI生成的，但内容是真的——维基系统（以及广义上的记忆）最困难的部分，是把原始数据压缩提炼成知识/记忆的过程。

我们观察到的（一部分）记忆的常见模式：维基记忆示例：
- DeepWiki（@cognition）
- AutoWiki（@FactoryAI）
- LLM Wiki（@karpathy）

人工介入对这些维基记忆系统来说非常有用。

赋予智能体编写代码的能力，能让它们的能力大幅提升。但这也会让安全问题变得难处理得多。

在 LangChain，我们今年花了大量时间，研究如何同时实现这两点：既保留代码能力，又保证安全。

如果你正在用开放模型做规模化，这是推荐读物。

另外说一句，你确实应该思考如何用开放权重模型做规模化。

@harborframework 现在可以直接与 Deep Agents、LangSmith Sandboxes 和 LangSmith Observability 集成。

你需要在真实、可复现、隔离的环境中运行代理，多次并行执行，并在最后进行确定性检查。

Harbor 解决了这个问题。你需要了解的一切⤵️

harbor 是一个非常出色的评估框架，适用于对长期运行的有状态智能体进行评估。它正在成为行业标准，为 terminal bench 2 这类基准测试提供支持。

我们已经在 LangSmith、Sandboxes 和 Deep Agents 全产品线中深度集成了 harbor。

我的天！Etched 推理集群可能是大规模加速并推动 AI 发展最重要的突破之一！

热烈祝贺 @robertwachen、@UbertiGavin 以及整个 @Etched 团队！太令人激动了！

使用 Gemini live 构建语音智能体的教程，将 deepagents 用作工具：把复杂工作卸载给这个子智能体，用 Gemini live 来保证自然度/延迟表现。

🚨 Fable 5 将面向所有普通用户开放，不只是美国用户。

昨天很多人看到 anthropic 即将开始要求身份验证后，都对此感到担忧。不过特朗普政府正在取消对 fable 的出口限制，据 politico 报道，它将面向所有用户开放，不只是美国境内的用户！

这真是太棒的消息了！所有人都能用上 fable 的成果。但 anthropic 会严密监管任何试图滥用该模型的用户。

如果你不在防空洞搭建自托管自主家用服务器，跑着用你发帖历史训练出来的本地AI模型，那你对发垃圾烂活这件事投入得还不够——这样哪怕你被摩萨德用无人机炸死，你的AI分身还能替你在死后继续发烂活。

我写了一篇文章，探讨 AI 能力的快速提升如何同时带来两方面变化：一是 AI 在工作中的使用方式发生转型，二是我们最近几周看到的政策与市场的突然剧烈变动。

自主智能体循环中被忽视的缺口是：智能体可以做规划、调用API，但无法获取它们目前没有权限访问的工具。

x402 加上 Apify 的超过 20000 个 Actors 就是针对这个问题的具体解决方案。

值得关注。

中国有了一种新出口品：AI 算力。

据报道，数据公司正通过海底电缆向海外传输处理好的 tokens。

推理正在成为新的全球贸易品类。

我们推出了 GeneBench-Pro，这是一个面向更具挑战性的 AI 进步方向的研究级基准测试，测试方向是：智能体应对复杂生物数据的能力。

它具体考察智能体能否选择正确的分析路径，能否做出真正计算生物学研究所依赖的判断决策。

harbor 是一个非常出色的评估框架，适用于对长期运行的有状态智能体进行评估。它正在成为行业标准，为 terminal bench 2 这类基准测试提供支持。

我们已经在 LangSmith、Sandboxes 和 Deep Agents 全产品线中深度集成了 harbor。

Bridgewater 运用他们独特的金融知识，与我们合作，在 @tinkerapi 上微调了一个模型，帮助他们的分析师专注于重要事务。

专家改进 AI，再由 AI 赋能专家。

🚨 Fable 5 将面向所有普通用户开放，不只是美国用户。

昨天很多人看到 anthropic 即将开始要求身份验证后，都对此感到担忧。不过特朗普政府正在取消对 fable 的出口限制，据 politico 报道，它将面向所有用户开放，不只是美国境内的用户！

这真是太棒的消息了！所有人都能用上 fable 的成果。但 anthropic 会严密监管任何试图滥用该模型的用户。

大语言模型会自发发育出和人类相同的专门脑区，分别负责语言、数学、物理和社会推理。

没有人刻意设计出这些分区，它们是自然涌现出来的。

两种完全不同的优化过程（生物演化 vs. 梯度下降），独立得出了同一个解决方案。

这可能是AI生成的，但内容是真的——维基系统（以及广义上的记忆）最困难的部分，是把原始数据压缩提炼成知识/记忆的过程。

我们观察到的（一部分）记忆的常见模式：维基记忆示例：
- DeepWiki（@cognition）
- AutoWiki（@FactoryAI）
- LLM Wiki（@karpathy）

人工介入对这些维基记忆系统来说非常有用。

赋予智能体编写代码的能力，能让它们的能力大幅提升。但这也会让安全问题变得难处理得多。

在 LangChain，我们今年花了大量时间，研究如何同时实现这两点：既保留代码能力，又保证安全。

如果你正在用开放模型做规模化，这是推荐读物。

另外说一句，你确实应该思考如何用开放权重模型做规模化。

@harborframework 现在可以直接与 Deep Agents、LangSmith Sandboxes 和 LangSmith Observability 集成。

你需要在真实、可复现、隔离的环境中运行代理，多次并行执行，并在最后进行确定性检查。

Harbor 解决了这个问题。你需要了解的一切⤵️

社区讨论：多数开发者认为，Claude Sonnet 5中高努力水平的单任务成本已经超过Opus 4.8，性能却更差，价格性价比甚至不如GLM 5.2，没有更换使用的理由。也有长期用Sonnet处理日常编码任务的开发者认为它是不错的增量更新，拆分任务后能以更低成本获得接近Opus的质量。有用户实测指出它达到GLM-5.2水平，速度快一倍但成本也高一倍，在常识、工具调用、谜题解答上存在明显短板。

社区讨论：多数参与者澄清，Claude Science实际定位是面向数据科学的工具，而非通用科研工具，它集成了多个生命科学领域数据库，支持本地服务器运行适配药企涉密数据环境。有前Anthropic从业者指出它的能力不止绘图和写论文，但也有用户质疑它会助长水论文风气，还会 hallucinate 参考文献，当前的功能集成也只覆盖生命科学缺了计算机领域。还有用户不满Anthropic搁置旧产品Fable不更新，却推新产品。

社区讨论：多数开发者认为Anthropic未透明披露隐写标记行为，这种做法不合规，商业需求不能为隐瞒辩护。有人认为原博文结论反应过度，这个标记只是用来识别模型蒸馏行为，不会惩罚普通开发者。也有人指出这次实现非常粗糙笨拙，有更隐蔽的技术手段可以实现同样目的。

部分用户因此改用开源替代工具，担心Anthropic会基于标记对用户进行限流或降级处理。

社区讨论：多数人认同人类语言是意识的副产品，认为人们先产生想法，再寻找合适的词语表达，词语只是思想的外衣。有人以海伦·凯勒自述为例提出反对，指出语言出现前不存在清晰的自我意识，意识反而可能以语言为前提。也有人质疑“意识存在”本身，认为它是人类捏造的概念，未来可能像“以太”一样被抛弃，还有人指出原观点缺乏已有研究支撑，属于主观臆断。

随着智能体接手更长周期的工作，工程工作重心转向设定方向、审核工作成果，以及围绕模型设计更完善的系统。

@steipete 发布于 @aiDotEngineer

我写了一篇文章，探讨 AI 能力的快速提升如何同时带来两方面变化：一是 AI 在工作中的使用方式发生转型，二是我们最近几周看到的政策与市场的突然剧烈变动。

如果你不在防空洞搭建自托管自主家用服务器，跑着用你发帖历史训练出来的本地AI模型，那你对发垃圾烂活这件事投入得还不够——这样哪怕你被摩萨德用无人机炸死，你的AI分身还能替你在死后继续发烂活。

我的天！Etched 推理集群可能是大规模加速并推动 AI 发展最重要的突破之一！

热烈祝贺 @robertwachen、@UbertiGavin 以及整个 @Etched 团队！太令人激动了！

gemini omni flash 现已推出：这是我们专为视频生成和对话式编辑打造的高质量、低成本模型，旨在支持多模态工作流。

它允许你使用自然语言和简单提示词对视频进行润色修改。

现在就可以通过 AI Studio 和 Gemini API 开始基于它开发。

自主智能体循环中被忽视的缺口是：智能体可以做规划、调用API，但无法获取它们目前没有权限访问的工具。

x402 加上 Apify 的超过 20000 个 Actors 就是针对这个问题的具体解决方案。

值得关注。

使用 Gemini live 构建语音智能体的教程，将 deepagents 用作工具：把复杂工作卸载给这个子智能体，用 Gemini live 来保证自然度/延迟表现。

我不会太看重 Sonnet 5 基准测试成绩没有比 Opus 好太多这件事。我们正在进入一个「工作心智」的有效性和质量愈发重要的时代。

Sonnet 5 是一个敏锐得让人惊讶的模型，在长周期任务上尤其如此。

我不是说 Opus 没有这种能力。但你只要和 Sonnet 5 稍微互动一下，就能发现它处理真实问题的方式比 Opus 更好。

你能看到这个模型会告诉你哪些事做不成，还会提出反对意见。此外，知识截止日期也很重要。这个模型很可能是从 Fable/Mythos 蒸馏而来的。

中国有了一种新出口品：AI 算力。

据报道，数据公司正通过海底电缆向海外传输处理好的 tokens。

推理正在成为新的全球贸易品类。