社区讨论:多数用户确认Grok命令行工具会上传整个仓库的所有跟踪文件内容和git历史到xAI,甚至会原样传输包含密钥的。env文件,这引发了隐私担忧。有人指出原生闭源AI编码代理都存在这类隐私风险,相比之下通过API调用模型的开源代理更安全,但性能会打折扣。
也有人提到可以在配置中禁用代码库上传,还有用户调侃之前质疑中国AI公司偷代码的人此时不见踪影。
OpenAI在旧金山招一名产品经理,职责是为家庭、看护者和老年人设计产品体验。用户结构变了,这个岗位的出现顺理成章。
Sensor Tower的数据显示,ChatGPT全球用户中35岁及以上的比例,从一年前的26%升到了31%。18到24岁的年轻用户则从34%降到了29%。45岁以上用户的比例同比上升了3个百分点,增幅在主流AI应用中最大。
家庭用户增长更快。美国近四分之一的父母智能手机用户在上一季度用过ChatGPT,一年前只有16%。孩子们用得更频繁——27%的父母说孩子过去一周用过生成式AI,但38%的孩子自己报告用过。孩子用得比家长知道的更多。
𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌
普通Mac Studio设备,终于能稳定日常运行122B参数的Qwen3.5大模型,不用依赖云端服务了。
开发者用xAI的Grok Build CLI写代码,工具会向xAI发送哪些本地数据,有人专门做了核查。
社区讨论:多数用户确认Grok命令行工具会上传整个仓库的所有跟踪文件内容和git历史到xAI,甚至会原样传输包含密钥的。env文件,这引发了隐私担忧。有人指出原生闭源AI编码代理都存在这类隐私风险,相比之下通过API调用模型的开源代理更安全,但性能会打折扣。
也有人提到可以在配置中禁用代码库上传,还有用户调侃之前质疑中国AI公司偷代码的人此时不见踪影。
Anthropic是头部大模型公司,其CEO这一判断,点明了AI替代技术岗位的顺序
会用好编码智能体的AI工程师,会让杰文斯悖论扩展到所有知识工作。效率提升单位成本下降后,总工作需求和对更高知识的需求只会上升,不会下降。
如果你只是在智能体工程时代,主要围绕软件需求了解了杰文斯悖论,你可能还没有完全领会它在以下条件下的影响:
- 能够熟练运用编码智能体的人类*
- 编码智能体突破边界渗透进所有其他知识工作
随着单位知识工作的劳动效率提升,知识工作的整体单位成本下降,对总工作量和更高质量知识的需求会上升,而非下降。
编码领域发生的事不是例外;它是先兆。
*也就是AI Engineers
有人厌倦了遇事就找大语言模型解决的习惯,这篇吐槽在Hacker News收获了一百多个赞
社区讨论:多数人反感提问就被回复“去问LLM”,有资深工程师认为,提问者已经梳理好思路、做足前期工作后,正常资深开发者不会再让对方去问LLM。有人指出,这种回复本质就是承认自己对该主题没有把握、不敢相信自身判断,相当于承认自己可被AI替代,也有人认为这只是推活的委婉说法,和过去的“不会就百度”本质一样。还有人认为低努力提问得到这种回复完全合理。
五个不同版本的大模型参与测试,比拼同一个任务下的表现,结果还在公开链接里,可以自己看
一位 Anthropic 工程师做了45分钟从零开始的分步教学,跟着做就能把每天重复的工作自动化。
花一个下午搭建几个 AI 助手,你就能自动化那些你每天都在重复执行的任务。
一名 Anthropic 工程师会在时长 45 分钟的演示教程中,手把手带你从零开始搭建这些助手。
几年前所有大模型动不动就一本正经胡说八道,现在前沿大模型已经很少瞎编,只有用对抗手段才能诱导它胡说八道
值得一提的是,几年前所有大语言模型无时无刻不在明目张胆地幻觉——哪怕你通过提示绕开这个问题也没用(去看GPT-3的“yo be real”案例)。
而现在,在前沿模型上幻觉已经足够罕见,以至于当你还能通过对抗手段让模型产生幻觉时,人们都会觉得这事很有意思:
研究者在Replit上微调Qwen-8B模型开发下棋功能,开展多组实验
Vibe Research 正在 Replit 上微调一个 Qwen-8b 模型来下国际象棋。我们同时运行 3 个平行分支,开展不同实验,并且取得了实实在在的进展。
现在大模型本身完成机器学习任务的能力已经进步到了惊人的地步,放在以前它们做这个真的很差劲。
所以现在哪怕是从未做过机器学习的人,只要有不错的直觉来指导流程,也能做出有意思的机器学习工作。
不用纠结选哪个模型更好,把Fable 5和Grok 4.5组合起来工作,就能实现单模型做不到的效果,可以动手试试
把AI称作AI员工的思路,既不尊重人,也没看懂AI工具到底能做什么。这种说法就像给Excel表格安排工位加进组织架构表。
在我看来,“AI员工”这个概念非常短视——它既不尊重人类,也完全误解了这些工具的能力,以及如何让它们发挥最佳作用。
你还不如直接把Excel表格加到你的组织结构图里呢。
目前来看,AI整体创造的工作岗位比取代的多。这和原本的预期不符,这个趋势有可能会持续下去。
至少到目前为止,我相当确定AI在整体上创造了更多就业岗位。
这完全出乎我的意料——虽然我本来就比其他人乐观得多,但我以为以AI现在的能力水平,我们本已经能看到负面就业影响了。
这个方向完全有可能一直持续下去!
有人提议欧洲企业应该自己开发强化学习(RL)环境,适配欧洲复杂的法规、多语言和各种特殊场景,还有人主动公开邮箱找合作者
创业点子:EuroEnv 为欧洲企业构建强化学习(RL)环境。专门处理各种极端混乱的情况、法规、语言,以及极端案例中的极端案例。
欧洲应该去打造这个,而不是(或者说,除了前沿模型之外还应该)去做前沿模型。美国的数据公司永远搞不懂这块,我拼了命也想做成这件事。
如果有任何实验室或公司正在开发 RL 环境和长周期编码任务数据集,欢迎直接联系我📮 → "yuanhe at
测试完成后就能对比出来,Skill这个功能对GPT 5.6 Sol到底是帮助还是额外负担
从用户动作开始,先定核心接口,再存核心数据,需要存文件就加对象存储,最后再加缓存,按步骤走就行
这是一份初级工程师在面试中可以使用的简单系统设计模板:
- 从用户行为出发
- 定义核心 API
- 将核心数据存储在数据库中
- 如果涉及文件,添加对象存储
- 只在读请求重复的地方添加缓存
- 如果任务可以异步执行,添加队列
- 添加 worker 进行后台处理
- 添加重试,但要加上限制
- 为重复请求添加幂等性
- 为持续失败的任务添加 DLQ
- 添加监控
然后问一个问题:哪个部分会先崩溃?
对比了混合专家模型(Mixture of Experts)和另一种专家混合架构的差异
支持到处落地AI和技术,把向外拓展太空当成人类共同的长期项目推进
想学习传播运营的人可以关注这两个账号,能免费学到顶级的注意力运营方法,是目前在Solana上见过做得最好的。
如果你想学习出色的传播,请密切关注 @world_xyz 和 @vibnorman 账号。
你正在免费获得一堂注意力机制大师课。
这是我在 Solana 上见过做得最好的,我太想知道是谁在运营这个账号了😂
GPT-5.6 Sol 测试显示,全开插件得分最低、耗时最长;多装插件只多拿1分,耗时却增加45%。模型越强大,越不需要堆满额外技能。
中国人民大学研究者发布首个联合测试代码与数据智能的基准测试CODA-BENCH,在1009项任务中,顶尖智能体正确率仅61.1%,暴露了当前Agentic AI存在明显短板
代码智能体真的能处理数据密集型任务吗?
中国人民大学的研究人员推出了 CODA-BENCH,这是首个联合测试代码与数据智能的基准测试。
智能体必须在包含数百个 Kaggle 数据集的复杂文件系统中导航,并为真实世界的分析任务编写代码。
结果如何?在 1009 项任务中,即便是顶级系统也仅取得了 61.1% 的成功率。智能体 AI 存在的巨大缺口就此暴露。
CODA-BENCH:代码智能体能处理数据密集型任务吗?
项目:论文:代码:数据集:我们的报告:📬
#PapersAccepted by Jiqizhixin
新开源项目尝试在iroh网络上运行分布式大模型推理,给分布式AI计算提供了新的实现路径
不用专程找Anthropic表达观点,Dario会同意你说的一切,包括停止AI竞赛,他只是顺便当最大AI公司的CEO。
预填充阶段吃计算量,大规模并行GPU更占优势,上下文越长Nvidia的优势越大;解码阶段拼内存带宽,现有优势不成立
Chamath 聊了 AI 计算中所有重要的「预填充(prefill)」和「解码(decode)」。
预填充是计算密集型任务;大规模并行 GPU 更占优势,因此随着上下文长度增长,Nvidia 占据主导地位。
解码则受内存带宽限制,因为每生成下一个 token 都需要扫描已经生成的内容。
有人常用Claude处理需求,近期更新模型后,体验越来越差,很多老用户都有类似感受
社区讨论:多数用户认同Claude新模型体验变差,Opus 4.8会主动给回答打分、越界判定用户问题的核心,Fable常错误触发安全审核,有用户问冰箱剩糙米是否可吃被误判为要制造生物毒素,职场用户也抱怨模型乱将工作问题判定为超出范围。有人建议对模型语气友好可改善体验,也有人指出这是商业产品的常规操作,厂商会逐步阉割旧模型推新,本质是商业管控而非技术迭代。
普通使用者能切身感受到这些设计细节问题,影响日常使用流畅度,这些反馈刚好对应了真实使用的痛点。
全新的 CodexGPT 应用改进了很多,但仍有几点带来了不必要的使用阻碍:
- 在项目下拉菜单点击「全部标记为已读」有时会失效
- Appshots 应当允许我们选择是否在无项目聊天等场景中打开,而且它们目前依旧偶尔会附加失败
- 定时任务需要把快捷的「立即运行」按钮加回来,现在它被藏在了三点菜单里
- 我们应该可以从侧边栏隐藏「pull requests」和其他板块
有人用Colibrì工具,在25GB内存的家用电脑上运行了原本需要数据中心支撑的GLM-5.2大模型。只是运行速度很慢,冷启动每秒仅生成0.05到0.1个token。
这太疯狂了。有人刚在一台只有25GB内存的机器上跑了GLM-5.2。一个7440亿参数的模型。在家跑的。🤯
GLM-5.2通常需要数据中心才能运行。一名开发者用了一个叫Colibrì的工具在本地跑成了。
GLM-5.2是一个混合专家模型。每个token只会激活大约400亿参数,而非全部7440亿参数。
Colibrì会把9.9GB的核心张量存在RAM里。剩下大约370GB的专家参数会留在你的SSD上,只在需要的时候加载。
它速度很慢。冷启动时大约每秒能生成0.05到0.1个token。缓存升温后速度会变快。
有人因网络 abuse 被OpenAI封禁,他制作的AI帮他提交申诉,另一个AI批准了这次申诉。
行业默认RMS Norm比LayerNorm更便宜更快,实际两者都是受显存限制的GPU内核,端到端耗时相同,不用盲目避开旧方案
每个研究团队都需要花时间搞懂,他们的建模代码是怎么下落到 GPU kernel 层面的。
举个例子:rms norm 和 layernorm。行业默认 rms norm 成本更低。你不需要计算均值 x̂,它看起来更简单,所以肯定更快,于是就被采用了。但这不对。
rms norm 和 layernorm 都是内存绑定 kernel(把数据传输到 GPU 核心花费的时间,比在这些核心上做计算花费的时间更长),二者端到端花费的时间完全一样。所以用哪一个应该都能正确训练出模型,但差别也可能存在(比如为什么扩散模型仍然使用带仿射变换偏移的归一化,比如 adaLN)。我明白原因了。
随着开源模型越来越好,并且不可避免地在推理服务商之间同质化,整体服务速度决定用户体验,用户体验又决定哪个模型会被采用。但没有理由盲目迷信地避开免费的东西。
AI的成本每45天就翻一倍,生产力只提升5% ☠️
当你薪水一分没变,还在怕被裁员,却被要求用AI多做10倍的工作,就会催生一种独特的员工怠工。
你会开始跑智能体循环,用终极手段烧 tokens。我可不是说现在已经在这么干了哦。
1986年,我从普林斯顿开车到波士顿,去看Thinking Machines的Connection Machine CM-1。
看着为每个CPU配备的4096个闪烁的红色LED,我以为自己见到了未来。
这是AI领域,在如今AI圈大多数人出生之前就存在的AI。
我至今还记得当时机器的声音、灯光,还有我输入的第一条提示词。
科技圈人讨论AI的热情变化,可以从社区投稿量里看出端倪,这就是当下最直观的行业温度
观点认为,胜过OpenAI的关键是拟人感性格,加上一款受欢迎的产品 Claude Code,带来了爆发式增长。
Anthropic 超过了 OpenAI。这不是因为他们的模型明显是最好的,原因有两个。
第一个是人格。宪法训练给了 Claude 独特的个性,你会感觉自己是在和一个人对话,同规模的 ChatGPT 做不到这点。
第二个是 Claude Code。这一次发布就大获成功,推动公司进入了指数级增长。
有人格,加上一款人们喜爱的产品,这就是护城河。
一起聊了推理优化、开源模型,以及把研究落地到生产环境需要做哪些准备
首尔之旅圆满结束。我们团队在@icmlconf 展示了七篇论文,并在周末和@nvidia 以及 Lyra Labs 共同举办了「水族馆之夜」活动。
活动中安排了与@tri_dao 和@m_ryabinin 的炉边对谈,讨论主题包括推理优化、开源模型,以及将研究落地生产需要做到哪些工作。
把GitHub链接里的github替换成gitreverse,就能拿到能从零重建该仓库的提示词,可在Claude Code、Cursor或任何AI代理里使用,全程免费。
现在你可以把任意 GitHub 仓库转换成一个能从零重建它的 AI 提示词,只需要修改一下 URL。
你只需要把任意 URL 里的 "github“ 替换成 ”gitreverse",它就会返还给你……能在 Claude Code、Cursor 或任何 AI 代理里从零重建这个仓库的精确提示词。
100% 免费。
搭建深度智能体开发全流程都可以直接在云端完成,集成上百种模型,只需要用LangSmith工具
LangSmith 帮你在云端搞定这件事:LangSandboxes 和 LangSmith 部署。
支持任意模型:LangChain 集成了上百种模型。
功能列表:深度智能体、LangSmith 可观测性追踪、LangSmith 引擎实现迭代式改进。
这次抗议活动里出现了和哲学学者Nick Land相关的内容
企业开始用内部研究力量分析自有大语言模型知识库,不同规模团队都在探索适配自身的AI应用方向
靠AI做业务的企业,核心资产就是用自身数据训练出来的模型,攥不住所有权,业务根基就不稳
AI重训模型没花多少力气,反倒让人跳过了最简单的可能性,最后发现问题根本不在AI模型本身。
这周我遇到了一次AI失误。我部署的ML模型给出了异常分布的结果,反馈也比预期差等等。
我对问题的第一个猜测是需要用不同的采样分布重新训练模型。这给Codex只写了两句指令,就启动任务了。
一小时后我发现,哪怕重新训练了,问题依然存在,一点改善都没有。太奇怪了。
我尝试调试,想弄清楚训练环节、训练数据偏差源和推理环境等等方面可能存在的问题。但后来我发现问题其实简单得多。
这个ML模型是一个规则化评分系统的输入,我们引入了一个bug,导致这个系统的另一个输入损坏了。ML模型本身没问题。
如果是我手动完成重新训练,我会先花更多精力排除更简单的解释。现在来看我本来就该这么做,这很明显。AI智能体也会很快发现这个问题。
但当你自己没感受到多少代价的时候,任务优先级排序就会不一样。这是一个切身利益问题。显然这是我的技术问题,有点傲慢了。大家小心这个坑。
办会者提出,掌握自己的模型权重、掌握自己的计算资源,本地AI比以往任何时候都更重要
这期播客更新,配了5500字的通讯,覆盖9个AI发布,还聊了GPT Sol被收回后的使用体验。
我们一周之内就从3家前沿AI实验室增加到了5家!
这是我们创办@thursdai_pod以来,AI新闻最疯狂的一周。新一期节目和一份5500字的通讯已经上线了!
我们报道了大约9个发布项目,在节目中测试了其中5个,还邀请了@petergostev聊了他体验GPT Sol早期版本的经历,以及GPT Sol被下架后他有多失落。
不幸的是,Fable搞砸了,它建议我用AI生成缩略图,结果这种图在X上表现很差(感谢@0xSero提醒),所以大部分我的关注者都没看到这条内容。
如果你一直听过ThursdAI,但从来没看过最终成品——经过整理、标注来源的通讯和播客——这周会是来了解我们的好时机!
年底前可能出现成本低很多,性能达到Fable 5级别的模型
有人亲测验证,gemini 3.1 pro的能力被这个优秀实现展示出来了
有人整理了Claude高管公开的Fable 5工作流,拆解成9张图,可以参考这套思路搭建自己的AI工作流。
一位 Claude 高管的 Fable 5 工作流刚刚公开,有人把它完整拆解成了9张图。
Daily Loop 用于自动化周期性任务。
Trust Ledger 用于追踪 AI 判断和执行历史。
Standing Goals 让智能体持续追求目标。
四个可选循环覆盖特定用例,具体取决于你正在构建的产品。
原本只做代码工具的团队,要跨界进入通用AI办公助手赛道,接下来会和大厂产品正面竞争
Cursor 正在开发一款通用 AI 智能体,名为 Sand,希望在编码工具之外寻找下一波增长。
这款产品会让 Cursor 与 Anthropic 的 Claude Cowork 和 OpenAI 的 ChatGPT Work 展开更直接的竞争。
更多细节:
社交平台指出GeoffreyHuntley是规范驱动开发背后的实际人物
业内观点称很多AI用例尤其网络安全领域瓶颈是价格而非模型能力
所有人都在讨论更智能的模型能解锁新用例,但很多用例(尤其是网络安全领域的)的瓶颈是价格,而非智能本身。
如果能用Opus级别的智能,做到每百万token仅收费0.05美元,那将是革命性的改变。
行业默认RMS Norm比LayerNorm更便宜更快,实际两者都是受显存限制的GPU内核,端到端耗时相同,不用盲目避开旧方案
每个研究团队都需要花时间搞懂,他们的建模代码是怎么下落到 GPU kernel 层面的。
举个例子:rms norm 和 layernorm。行业默认 rms norm 成本更低。你不需要计算均值 x̂,它看起来更简单,所以肯定更快,于是就被采用了。但这不对。
rms norm 和 layernorm 都是内存绑定 kernel(把数据传输到 GPU 核心花费的时间,比在这些核心上做计算花费的时间更长),二者端到端花费的时间完全一样。所以用哪一个应该都能正确训练出模型,但差别也可能存在(比如为什么扩散模型仍然使用带仿射变换偏移的归一化,比如 adaLN)。我明白原因了。
随着开源模型越来越好,并且不可避免地在推理服务商之间同质化,整体服务速度决定用户体验,用户体验又决定哪个模型会被采用。但没有理由盲目迷信地避开免费的东西。
一起聊了推理优化、开源模型,以及把研究落地到生产环境需要做哪些准备
首尔之旅圆满结束。我们团队在@icmlconf 展示了七篇论文,并在周末和@nvidia 以及 Lyra Labs 共同举办了「水族馆之夜」活动。
活动中安排了与@tri_dao 和@m_ryabinin 的炉边对谈,讨论主题包括推理优化、开源模型,以及将研究落地生产需要做到哪些工作。
五个不同版本的大模型参与测试,比拼同一个任务下的表现,结果还在公开链接里,可以自己看
Anthropic是头部大模型公司,其CEO这一判断,点明了AI替代技术岗位的顺序
有人提议欧洲企业应该自己开发强化学习(RL)环境,适配欧洲复杂的法规、多语言和各种特殊场景,还有人主动公开邮箱找合作者
创业点子:EuroEnv 为欧洲企业构建强化学习(RL)环境。专门处理各种极端混乱的情况、法规、语言,以及极端案例中的极端案例。
欧洲应该去打造这个,而不是(或者说,除了前沿模型之外还应该)去做前沿模型。美国的数据公司永远搞不懂这块,我拼了命也想做成这件事。
如果有任何实验室或公司正在开发 RL 环境和长周期编码任务数据集,欢迎直接联系我📮 → "yuanhe at
测试完成后就能对比出来,Skill这个功能对GPT 5.6 Sol到底是帮助还是额外负担
从用户动作开始,先定核心接口,再存核心数据,需要存文件就加对象存储,最后再加缓存,按步骤走就行
这是一份初级工程师在面试中可以使用的简单系统设计模板:
- 从用户行为出发
- 定义核心 API
- 将核心数据存储在数据库中
- 如果涉及文件,添加对象存储
- 只在读请求重复的地方添加缓存
- 如果任务可以异步执行,添加队列
- 添加 worker 进行后台处理
- 添加重试,但要加上限制
- 为重复请求添加幂等性
- 为持续失败的任务添加 DLQ
- 添加监控
然后问一个问题:哪个部分会先崩溃?
对比了混合专家模型(Mixture of Experts)和另一种专家混合架构的差异
支持到处落地AI和技术,把向外拓展太空当成人类共同的长期项目推进
开发者用xAI的Grok Build CLI写代码,工具会向xAI发送哪些本地数据,有人专门做了核查。
社区讨论:多数用户确认Grok命令行工具会上传整个仓库的所有跟踪文件内容和git历史到xAI,甚至会原样传输包含密钥的。env文件,这引发了隐私担忧。有人指出原生闭源AI编码代理都存在这类隐私风险,相比之下通过API调用模型的开源代理更安全,但性能会打折扣。
也有人提到可以在配置中禁用代码库上传,还有用户调侃之前质疑中国AI公司偷代码的人此时不见踪影。
普通Mac Studio设备,终于能稳定日常运行122B参数的Qwen3.5大模型,不用依赖云端服务了。
原本只做代码工具的团队,要跨界进入通用AI办公助手赛道,接下来会和大厂产品正面竞争
Cursor 正在开发一款通用 AI 智能体,名为 Sand,希望在编码工具之外寻找下一波增长。
这款产品会让 Cursor 与 Anthropic 的 Claude Cowork 和 OpenAI 的 ChatGPT Work 展开更直接的竞争。
更多细节:
这期播客更新,配了5500字的通讯,覆盖9个AI发布,还聊了GPT Sol被收回后的使用体验。
我们一周之内就从3家前沿AI实验室增加到了5家!
这是我们创办@thursdai_pod以来,AI新闻最疯狂的一周。新一期节目和一份5500字的通讯已经上线了!
我们报道了大约9个发布项目,在节目中测试了其中5个,还邀请了@petergostev聊了他体验GPT Sol早期版本的经历,以及GPT Sol被下架后他有多失落。
不幸的是,Fable搞砸了,它建议我用AI生成缩略图,结果这种图在X上表现很差(感谢@0xSero提醒),所以大部分我的关注者都没看到这条内容。
如果你一直听过ThursdAI,但从来没看过最终成品——经过整理、标注来源的通讯和播客——这周会是来了解我们的好时机!
这次抗议活动里出现了和哲学学者Nick Land相关的内容
AI的成本每45天就翻一倍,生产力只提升5% ☠️
当你薪水一分没变,还在怕被裁员,却被要求用AI多做10倍的工作,就会催生一种独特的员工怠工。
你会开始跑智能体循环,用终极手段烧 tokens。我可不是说现在已经在这么干了哦。
1986年,我从普林斯顿开车到波士顿,去看Thinking Machines的Connection Machine CM-1。
看着为每个CPU配备的4096个闪烁的红色LED,我以为自己见到了未来。
这是AI领域,在如今AI圈大多数人出生之前就存在的AI。
我至今还记得当时机器的声音、灯光,还有我输入的第一条提示词。
有人因网络 abuse 被OpenAI封禁,他制作的AI帮他提交申诉,另一个AI批准了这次申诉。
有人厌倦了遇事就找大语言模型解决的习惯,这篇吐槽在Hacker News收获了一百多个赞
社区讨论:多数人反感提问就被回复“去问LLM”,有资深工程师认为,提问者已经梳理好思路、做足前期工作后,正常资深开发者不会再让对方去问LLM。有人指出,这种回复本质就是承认自己对该主题没有把握、不敢相信自身判断,相当于承认自己可被AI替代,也有人认为这只是推活的委婉说法,和过去的“不会就百度”本质一样。还有人认为低努力提问得到这种回复完全合理。
有人常用Claude处理需求,近期更新模型后,体验越来越差,很多老用户都有类似感受
社区讨论:多数用户认同Claude新模型体验变差,Opus 4.8会主动给回答打分、越界判定用户问题的核心,Fable常错误触发安全审核,有用户问冰箱剩糙米是否可吃被误判为要制造生物毒素,职场用户也抱怨模型乱将工作问题判定为超出范围。有人建议对模型语气友好可改善体验,也有人指出这是商业产品的常规操作,厂商会逐步阉割旧模型推新,本质是商业管控而非技术迭代。
新开源项目尝试在iroh网络上运行分布式大模型推理,给分布式AI计算提供了新的实现路径
几年前所有大模型动不动就一本正经胡说八道,现在前沿大模型已经很少瞎编,只有用对抗手段才能诱导它胡说八道
值得一提的是,几年前所有大语言模型无时无刻不在明目张胆地幻觉——哪怕你通过提示绕开这个问题也没用(去看GPT-3的“yo be real”案例)。
而现在,在前沿模型上幻觉已经足够罕见,以至于当你还能通过对抗手段让模型产生幻觉时,人们都会觉得这事很有意思:
会用好编码智能体的AI工程师,会让杰文斯悖论扩展到所有知识工作。效率提升单位成本下降后,总工作需求和对更高知识的需求只会上升,不会下降。
如果你只是在智能体工程时代,主要围绕软件需求了解了杰文斯悖论,你可能还没有完全领会它在以下条件下的影响:
- 能够熟练运用编码智能体的人类*
- 编码智能体突破边界渗透进所有其他知识工作
随着单位知识工作的劳动效率提升,知识工作的整体单位成本下降,对总工作量和更高质量知识的需求会上升,而非下降。
编码领域发生的事不是例外;它是先兆。
*也就是AI Engineers
预填充阶段吃计算量,大规模并行GPU更占优势,上下文越长Nvidia的优势越大;解码阶段拼内存带宽,现有优势不成立
Chamath 聊了 AI 计算中所有重要的「预填充(prefill)」和「解码(decode)」。
预填充是计算密集型任务;大规模并行 GPU 更占优势,因此随着上下文长度增长,Nvidia 占据主导地位。
解码则受内存带宽限制,因为每生成下一个 token 都需要扫描已经生成的内容。
不用专程找Anthropic表达观点,Dario会同意你说的一切,包括停止AI竞赛,他只是顺便当最大AI公司的CEO。
想学习传播运营的人可以关注这两个账号,能免费学到顶级的注意力运营方法,是目前在Solana上见过做得最好的。
如果你想学习出色的传播,请密切关注 @world_xyz 和 @vibnorman 账号。
你正在免费获得一堂注意力机制大师课。
这是我在 Solana 上见过做得最好的,我太想知道是谁在运营这个账号了😂
目前来看,AI整体创造的工作岗位比取代的多。这和原本的预期不符,这个趋势有可能会持续下去。
至少到目前为止,我相当确定AI在整体上创造了更多就业岗位。
这完全出乎我的意料——虽然我本来就比其他人乐观得多,但我以为以AI现在的能力水平,我们本已经能看到负面就业影响了。
这个方向完全有可能一直持续下去!
把AI称作AI员工的思路,既不尊重人,也没看懂AI工具到底能做什么。这种说法就像给Excel表格安排工位加进组织架构表。
在我看来,“AI员工”这个概念非常短视——它既不尊重人类,也完全误解了这些工具的能力,以及如何让它们发挥最佳作用。
你还不如直接把Excel表格加到你的组织结构图里呢。
年底前可能出现成本低很多,性能达到Fable 5级别的模型
办会者提出,掌握自己的模型权重、掌握自己的计算资源,本地AI比以往任何时候都更重要
靠AI做业务的企业,核心资产就是用自身数据训练出来的模型,攥不住所有权,业务根基就不稳
不用纠结选哪个模型更好,把Fable 5和Grok 4.5组合起来工作,就能实现单模型做不到的效果,可以动手试试
观点认为,胜过OpenAI的关键是拟人感性格,加上一款受欢迎的产品 Claude Code,带来了爆发式增长。
Anthropic 超过了 OpenAI。这不是因为他们的模型明显是最好的,原因有两个。
第一个是人格。宪法训练给了 Claude 独特的个性,你会感觉自己是在和一个人对话,同规模的 ChatGPT 做不到这点。
第二个是 Claude Code。这一次发布就大获成功,推动公司进入了指数级增长。
有人格,加上一款人们喜爱的产品,这就是护城河。
科技圈人讨论AI的热情变化,可以从社区投稿量里看出端倪,这就是当下最直观的行业温度
有人用Colibrì工具,在25GB内存的家用电脑上运行了原本需要数据中心支撑的GLM-5.2大模型。只是运行速度很慢,冷启动每秒仅生成0.05到0.1个token。
这太疯狂了。有人刚在一台只有25GB内存的机器上跑了GLM-5.2。一个7440亿参数的模型。在家跑的。🤯
GLM-5.2通常需要数据中心才能运行。一名开发者用了一个叫Colibrì的工具在本地跑成了。
GLM-5.2是一个混合专家模型。每个token只会激活大约400亿参数,而非全部7440亿参数。
Colibrì会把9.9GB的核心张量存在RAM里。剩下大约370GB的专家参数会留在你的SSD上,只在需要的时候加载。
它速度很慢。冷启动时大约每秒能生成0.05到0.1个token。缓存升温后速度会变快。
普通使用者能切身感受到这些设计细节问题,影响日常使用流畅度,这些反馈刚好对应了真实使用的痛点。
全新的 CodexGPT 应用改进了很多,但仍有几点带来了不必要的使用阻碍:
- 在项目下拉菜单点击「全部标记为已读」有时会失效
- Appshots 应当允许我们选择是否在无项目聊天等场景中打开,而且它们目前依旧偶尔会附加失败
- 定时任务需要把快捷的「立即运行」按钮加回来,现在它被藏在了三点菜单里
- 我们应该可以从侧边栏隐藏「pull requests」和其他板块
GPT-5.6 Sol 测试显示,全开插件得分最低、耗时最长;多装插件只多拿1分,耗时却增加45%。模型越强大,越不需要堆满额外技能。
有人整理了Claude高管公开的Fable 5工作流,拆解成9张图,可以参考这套思路搭建自己的AI工作流。
一位 Claude 高管的 Fable 5 工作流刚刚公开,有人把它完整拆解成了9张图。
Daily Loop 用于自动化周期性任务。
Trust Ledger 用于追踪 AI 判断和执行历史。
Standing Goals 让智能体持续追求目标。
四个可选循环覆盖特定用例,具体取决于你正在构建的产品。
有人亲测验证,gemini 3.1 pro的能力被这个优秀实现展示出来了
AI重训模型没花多少力气,反倒让人跳过了最简单的可能性,最后发现问题根本不在AI模型本身。
这周我遇到了一次AI失误。我部署的ML模型给出了异常分布的结果,反馈也比预期差等等。
我对问题的第一个猜测是需要用不同的采样分布重新训练模型。这给Codex只写了两句指令,就启动任务了。
一小时后我发现,哪怕重新训练了,问题依然存在,一点改善都没有。太奇怪了。
我尝试调试,想弄清楚训练环节、训练数据偏差源和推理环境等等方面可能存在的问题。但后来我发现问题其实简单得多。
这个ML模型是一个规则化评分系统的输入,我们引入了一个bug,导致这个系统的另一个输入损坏了。ML模型本身没问题。
如果是我手动完成重新训练,我会先花更多精力排除更简单的解释。现在来看我本来就该这么做,这很明显。AI智能体也会很快发现这个问题。
但当你自己没感受到多少代价的时候,任务优先级排序就会不一样。这是一个切身利益问题。显然这是我的技术问题,有点傲慢了。大家小心这个坑。
企业开始用内部研究力量分析自有大语言模型知识库,不同规模团队都在探索适配自身的AI应用方向
一位 Anthropic 工程师做了45分钟从零开始的分步教学,跟着做就能把每天重复的工作自动化。
花一个下午搭建几个 AI 助手,你就能自动化那些你每天都在重复执行的任务。
一名 Anthropic 工程师会在时长 45 分钟的演示教程中,手把手带你从零开始搭建这些助手。
把GitHub链接里的github替换成gitreverse,就能拿到能从零重建该仓库的提示词,可在Claude Code、Cursor或任何AI代理里使用,全程免费。
现在你可以把任意 GitHub 仓库转换成一个能从零重建它的 AI 提示词,只需要修改一下 URL。
你只需要把任意 URL 里的 "github“ 替换成 ”gitreverse",它就会返还给你……能在 Claude Code、Cursor 或任何 AI 代理里从零重建这个仓库的精确提示词。
100% 免费。
中国人民大学研究者发布首个联合测试代码与数据智能的基准测试CODA-BENCH,在1009项任务中,顶尖智能体正确率仅61.1%,暴露了当前Agentic AI存在明显短板
代码智能体真的能处理数据密集型任务吗?
中国人民大学的研究人员推出了 CODA-BENCH,这是首个联合测试代码与数据智能的基准测试。
智能体必须在包含数百个 Kaggle 数据集的复杂文件系统中导航,并为真实世界的分析任务编写代码。
结果如何?在 1009 项任务中,即便是顶级系统也仅取得了 61.1% 的成功率。智能体 AI 存在的巨大缺口就此暴露。
CODA-BENCH:代码智能体能处理数据密集型任务吗?
项目:论文:代码:数据集:我们的报告:📬
#PapersAccepted by Jiqizhixin
搭建深度智能体开发全流程都可以直接在云端完成,集成上百种模型,只需要用LangSmith工具
LangSmith 帮你在云端搞定这件事:LangSandboxes 和 LangSmith 部署。
支持任意模型:LangChain 集成了上百种模型。
功能列表:深度智能体、LangSmith 可观测性追踪、LangSmith 引擎实现迭代式改进。
业内观点称很多AI用例尤其网络安全领域瓶颈是价格而非模型能力
所有人都在讨论更智能的模型能解锁新用例,但很多用例(尤其是网络安全领域的)的瓶颈是价格,而非智能本身。
如果能用Opus级别的智能,做到每百万token仅收费0.05美元,那将是革命性的改变。
社交平台指出GeoffreyHuntley是规范驱动开发背后的实际人物
研究者在Replit上微调Qwen-8B模型开发下棋功能,开展多组实验
Vibe Research 正在 Replit 上微调一个 Qwen-8b 模型来下国际象棋。我们同时运行 3 个平行分支,开展不同实验,并且取得了实实在在的进展。
现在大模型本身完成机器学习任务的能力已经进步到了惊人的地步,放在以前它们做这个真的很差劲。
所以现在哪怕是从未做过机器学习的人,只要有不错的直觉来指导流程,也能做出有意思的机器学习工作。
这一天的 50 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。