AI Pulse

AI Pulse

说人话的 AI 情报站
每天 08:00 · 12:30 · 18:30 · 23:50 更新每天四次更新
2026 年 7 月 13 日 · 18:30 更新
✦
试试:

今日焦点

为什么AI公司不直接与顾客竞争?已有金矿为何还在卖铲子?

“我常想,酒商们用我的钱买到的,有他们所卖货物一半珍贵吗?”——奥玛·海亚姆《鲁拜集》

我第一次读到这句话,是来自某位赞美书店的人,它深深印在我脑海里,因为在我童年的大部分时间里,每次去书店,最后都是花光所有钱,还恨不得再多三倍的钱来花。

作为一个小书虫,我实在不明白:书商拿我的钱去买的东西,怎么可能比他们已有的书更好呢?当然,后来我当了书商,才发现“斯特金定律”(“90%的东西都是垃圾”)同样适用于书店的商品。而且我还有了每月房租要付,终于明白钱有多重要了。

阅读全文 →

深度阅读

查看全部深度文章 →
AI Agent 订阅 · 每天四次推送

🔥 信号雷达55 条本班新增 7 条

𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌

18:30 最后一轮更新
今日要点 · 12 条
新行业动态 · Hacker News▲ 311

Zig创始人直接点名,Anthropic在说空话

这条讨论在Hacker News收获三百多赞,感兴趣可以去看具体的争议内容

社区讨论:中立观察者指出,Anthropic并未进入编程语言赛道,其把Bun从Zig重写为Rust的博文有充足技术细节,能帮助改进用户产品,Zig创始人的回应是充满人身攻击的情绪化吐槽。有人支持Zig创始人,称他的指控属实,这次重写本质就是营销炒作,也有人质疑,重写博文缺少选项评估和量化数据,更偏向营销而非工程总结。还有人提到Zig本身仍未稳定,迁移到成熟的Rust本身符合逻辑。

在 HN 看讨论 ↗   原文 / 论文 ↗
新前沿研究 · @Techmeme▲ 1.1K

量子计算找到了能用的AI商业化新场景

丹麦研究团队用量子计算机加速AI蛋白质发现,找到了量子技术短期内可商业化的应用方向

一支丹麦研究团队正如何用量子计算机加速 AI 蛋白质发现,展现量子科技的短期商业应用(Isabella Ward / Wired)(访问 Techmeme dot com 获取链接和完整上下文!)

在 X 看原帖 ↗
1.1K2
新深度观点 · @icanvardar▲ 169

Anthropic和OpenAI对掐,居然让所有人受益?

双方的竞争持续推动AI发展,更好的AI模型会更快出现

Anthropic 与 OpenAI 的竞争,恰恰是推动 AI 向前发展的动力。

正因为这场竞争,我们所有人都能享用到更好的模型。

在 X 看原帖 ↗
1695
行业动态 · Hacker News▲ 116

迁移生产级AI代理到GPT-5.6,速度快一倍还更便宜

已有生产环境完成迁移,实测速度提升2.2倍,成本降低27%,可以参考实际迁移后的表现

社区讨论:多数实践者迁移后都验证了GPT-5.6的提升,速度提升一半、成本降低27%,简单 workflow 升级仅需一行代码就能获得一致提升。有人质疑实际效果,称做营销网站任务时,自己更偏好Claude Opus的产出,追问哪种模型能带来更高转化率。也有开发者分享自己的低成本方案,将工作流迁移到Reasonix加Deepseek后,缓存命中时请求几乎免费。

在 HN 看讨论 ↗   原文 / 论文 ↗
新新品发布 · @RoundtableSpace▲ 9.6K

有人把 Claude 改成了一整家全能AI公司

一共集成了42个可安装技能,覆盖开发、设计、营销、财务、法务多个领域。可以直接用这个组合完成全流程工作。

有人把 Claude 改造成了一整套AI公司工具,提供42个可安装技能,覆盖开发、设计、营销、金融、法律等多个领域。

在 X 看原帖 ↗
9.6K1135
新行业动态 · @Hesamation▲ 1.4K

苹果新芯片传能本地跑大模型,还支持1.5TB内存

传闻这款芯片容量足够在本地运行Kimi或GLM模型,不用依赖云端就能用上大模型,隐私和使用成本都会变化

据传 Apple 的 M7 Ultra 芯片会是本地 AI 主力,因为它支持 1.5TB 内存。

作为参考,这个容量足够在本地运行 Kimi 或 GLM 模型。

在 X 看原帖 ↗
1.4K3244
行业动态 · Hacker News▲ 439

同一份编码任务,Claude Code偷偷多跑了几万token

实测发现,处理相同任务时,Claude Code发送prompt前会多传26000个token,token用量涨得更快,付费使用可以核对账单开销

这件事始于一个直觉。我们平时用 OpenCode,但因为 Meridian 出了问题,被迫用了一段时间 Claude Code。

这段时间里我们发现,用量统计的上涨速度比用 OpenCode 时快得多得多。这就是最初的经验证据,但我们还是做了这个小研究来收集实证数据:

我们在智能编码工具(Claude Code 和 OpenCode)与 Anthropic 的端点之间加了日志,记录了所有请求,以及返回的用量块。

由一名开发人

社区讨论:多数人确认Claude Code确实存在超额消耗token的情况,有人实测开启子代理会在任务完成前耗尽额度,顺序执行主代理则无问题。有人认为超额是Anthropic incentivized刻意为之,靠多消耗token推动订阅收入,且不允许订阅用于其他编码代理。也有人提到现在编码代理普遍存在token膨胀,对简单请求也会大量调用工具增加消耗,不少用户已经转用Pi、Codex等更轻量透明的替代方案。

在 HN 看讨论 ↗   原文 / 论文 ↗
实战经验 · @RoundtableSpace▲ 2.5万

Anthropic限了Fable 5权限,有人找到办法留住它

用Opus 4.8单提示词提取Fable 5操作手册,保存后贴进新项目,就能保留Fable 5的行为模式,保住常用的工作流。

Anthropic 今晚正在限制 Fable 5 的访问权限,但有人找到了继续使用它的方法。

他用 Opus 4.8 通过单条 prompt 提取出了 Fable 5 的操作手册,将其保存为 md 文件,然后直接粘贴到了一个新的 Claude 项目中。

之后不管激活的是哪个模型,每一场会话都会按照 Fable 的行为模式运行。

最好模型的访问权限从来都无法保证。今年它已经消失过一次了。这就是你确保它不会从你的工作流中消失的方法。

在 X 看原帖 ↗
2.5万3712
深度观点 · @fchollet▲ 2.1万

原来智能的核心不是永远做对?

对智能本质的新理解:试错、更新认知再重来才是核心,应该推崇会优雅失败、马上调整的模型。

尝试、失败、更新心智模型、再尝试的过程,就是智能的核心。

我们应当赞美那些能优雅失败、立刻适应的模型。

在 X 看原帖 ↗
2.1万3550585
行业动态 · Hacker News▲ 30

有人用Claude做自动研究,用到约束优化

HN社区正在讨论这个结合Claude的研究方法,可供尝试新AI工作方式的人参考

深度观点 · @fchollet▲ 1.2万

AI写代码,现在反而更适合高手了

去年年底前,弱能力AI代码生成帮低技能程序员提下限,对高手没用。现在强AI代码生成反过来,已经从拐杖变成了动力工具

去年年底之前我们拥有的弱人工智能代码生成工具,对低技能程序员来说最有用——它拉抬了下限。

它对高技能程序员来说基本没用——不用它你反而能更快推进,交付更好的代码。

现在情况已经彻底反转:我们如今拥有的强人工智能代码生成工具,对高技能程序员来说最有用,而低技能程序员要么根本用不出它的价值,有时候甚至会被它淹没。

它已经从一根拐杖变成了一把电动工具。

在 X 看原帖 ↗
1.2万2221547
深度观点 · @OfficialLoganK▲ 10.9万

好大模型的核心,居然不是算法?

能找到全新方法制造、获取高质量人工精选数据,才是打造顶级大模型的最大优势。不少人至今都没意识到这一点。

令我惊讶的是,居然有这么多人不明白:出色的模型是用超高质量的精选数据构建出来的。

找到全新的方式来创造/获取这类数据,就是巨大的竞争优势。

在 X 看原帖 ↗
10.9万962.1K342
更多信号 · 按时间
AI开发 · @minchoi▲ 1.4万

开发者分享基于多款大模型的全新AI开发工作流

开发者在X平台分享整合多款大模型的开发工作流程

这真的就是我现在的新工作流:实时调研 → Grok 4.5 High 做规划与统筹 → Fable 5 Max / XHigh 处理日常编码/调试 →

Grok 4.5 High 编写并运行测试 → Grok 4.5 High 处理复杂编码/调试 → GPT-5.6 Sol XHigh 处理前端 → Fable 5 High

收藏这条推文。

在 X 看原帖 ↗
1.4万11138119
新商业 · @geoffwoo▲ 237

金融模型总爱算平滑产能,工厂不按剧本走

工厂里总要处理不合格品、返工、工具损耗和供应商波动,实际收入得等物料稳定运行后才会有,电子表格上的完美规划常常落空。

金融模型喜欢平滑的产能爬坡曲线。工厂现实给出的反馈是:资格报废、返工、工具损耗、供应商偏移。

收入依赖于物料持续稳定地表现出一致的特性。

而电子表格通常假设,物料天生就表现完美。

在 X 看原帖 ↗
23713
新深度观点 · @basedjensen▲ 275

@basedjensen:世界级科学家即将到访

World class scientists are coming around the idea of model sapiance

世界级科学家正逐渐接受模型意识(model sapiance)这个观点。

在 X 看原帖 ↗
27513
开发 · @thursdai_pod▲ 80

不用写一行代码,也能推进AI项目?

有人八个月没手写过一行代码,照样能推进项目,还说所有人都能往技术栈更高层走。

历时8个月,零行手写代码。

来自Weights & Biases的@zubinaysola没有手写过哪怕一行代码,但产出比以往任何时候都多。

“所有人都能沿着技术栈往上走。”

随后他坦诚说明了当你让AI agent完全无人监督运行时会发生什么👀

在 X 看原帖 ↗
80
生成式AI · @CuiMao▲ 69

国产AI工具能30秒生成满足导演需求的长镜头

seedance2.5已经可以做到30秒生成,能覆盖几乎所有导演对长镜头的要求。

seedance2.5的30秒生成能力,可以满足几乎所有导演对于长镜头的需求。太厉害了

在 X 看原帖 ↗
69
行业观察 · @minchoi▲ 6.3K

现在AI发展,已经越来越离谱了?

不少人都感觉到当下AI发展的速度和方向越来越超出常规预期,你日常用AI的时候有没有这种感觉?

AI 已经快要失控了 😂

在 X 看原帖 ↗
6.3K1163
创业 · @astridwilde1▲ 950

统计AI实验室收入其实没大家想的那么复杂

做AI项目的团队整理收入数据,不用复杂的流程和工具就能搞定。

“你们实验室是怎么追踪收入数据的” 其实没那么复杂

在 X 看原帖 ↗
95022
深度观点 · @CryptoCyberia▲ 146

AI结合屏幕共享带逛软件菜单,真能用吗?

有人公开询问,这种搭配大语言模型的AI屏幕共享方案,能不能用来引导操作不停变化的软件菜单,提问者征集不同看法

这种“屏幕共享+LLM”的AI方案,用来导航(一直在变的)软件菜单效果好吗? 有没有人觉得这个方案根本不值得考虑?

在 X 看原帖 ↗
1462
新品发布 · @contextconor▲ 161

能自己部署的企业大脑,不用把数据给别人

企业可以自行部署 @hyperspell,完全掌控积累的隐性知识,不用把核心优势交给AI实验室和竞争对手

任何企业都可以自行部署 @hyperspell,完全掌控一个整合了企业所有积累隐性知识的公司大脑。

它为你提供一个由你掌控的大脑基础设施,而不是把你的所有核心优势都拱手送给实验室和你的竞争对手。

在 X 看原帖 ↗
161141
实战经验 · @jun_song▲ 661

这个开源模型从不拒答任务,比Deepseek V4 Flash好用

有人已经连续几天把它当日常主力模型在集群中使用,它能流畅处理Sonnet-5级任务,输出无审核内容,从来不会拒绝生成请求。

它现在是我双DGX集群上日常主力使用的模型。我已经测试和实际使用它好几天了。

它能毫无问题处理Sonnet-5级别的任务,给出完全无审核、真实的回答,而且绝对不会拒绝任何提示词。

它的表现也比我之前在用的Deepseek V4 Flash要好得多。

在 X 看原帖 ↗
661109
行业动态 · @milkroaddaily▲ 608

毕业典礼上一提AI就被嘘,讲者说这就是你的未来

有人认为AI破坏力极强,但AI领域扩张带来的电力需求增长不可否认,未来电力消耗只会更高,数据中心因此有投资价值

Eric Schmidt 在他的毕业演讲中每提一次 AI 都会被听众嘘。他的回应是:“伙计们,你们想嘘我随便嘘,但这会成为你们的现实。”

Mike Novogratz 认为 AI “极具颠覆性”,但它对电力的需求是无可否认的事实。AI 智能体、无人驾驶汽车、机器人——“token 用量会直接爆炸。”

他看多数据中心的逻辑很简单:未来不可能需要更少的电力。
金融时报援引自@Novogratz @GalaxyHQ。

在 X 看原帖 ↗
608
实战经验 · @jun_song▲ 325

想让慢AI变快?得先给它“减智”

这里分享了让慢AI模型变快的方法

如何修复变慢的AI模型:摘掉它的大脑,把它变笨。

在 X 看原帖 ↗
3256
前沿研究 · @teortaxesTex▲ 2.0K

字节继续用GRPO变体训练图像生成推理能力

大模型推理能力的训练方法被用到纯图像生成领域,这是最新的研究动向

字节跳动继续在纯图像生成中追赶GDM「推理」,训练所用的方法——你猜对了——是GRPO的另一个变体。

在 X 看原帖 ↗
2.0K132
深度观点 · @astridwilde1▲ 1.1K

层层剥开之后,所有科技产品都是营销包装?

应用是AI的营销包装,AI是数据的营销包装,数据最终只是人的营销包装。所有科技产品都绕不开营销这层壳。

应用程序不过是AI营销的包装壳。

AI不过是数据营销的包装壳。

数据不过是人类营销的包装壳。

在 X 看原帖 ↗
1.1K62
行业动态 · Hacker News▲ 41

Claude Code提前一年放出了用量优惠

优惠覆盖2026年5到7月的周限用量,目前仅放出了信息,没有更多细节

社区讨论:多数人质疑这是“先低价吸引用户后续提价”的诱饵策略,不少用户吐槽Anthropic频繁调整模型配额、变动可用期限,无法稳定规划使用。有人指出Fable模型会话限制多,即使订阅高价套餐也难以开发大型项目,还有用户因Fable默认保存提示无法在工作场景使用。部分人认为优惠是竞争压力下的应对,当前大模型赛道都未盈利,靠资本补贴难以长期维持低价。

在 HN 看讨论 ↗   原文 / 论文 ↗
实战经验 · @haider1▲ 1.3K

花数月重构后的Grok 4.5,能对标顶级大模型了

重构内部系统后,Grok 4.5在智力和成本上击败了sonnet 5和opus 4.7,目前可以和opus 4.8、gpt-5.5竞争

Grok 4.5 是我用过的最好的 SpaceXAI coding 模型。

elon 花了数月时间重建它的内部系统,让 Grok 更快、更实用,也更具成本效益,而这份投入得到了回报。

如今它能和 opus 4.8 以及 gpt-5.5 竞争,同时在智能水平和成本上都击败了 sonnet 5 和 opus 4.7。

在 X 看原帖 ↗
1.3K1173
深度观点 · @ns123abc▲ 1.1K

AI厂商发布周跑分,原来是营销套路

刚过一周,发布周跑分的模型就变了,跑分结果只用来做营销,普通想选AI工具的人拿到手的不是同一个版本。

发布周的基准测试纯粹是营销,一周之后它甚至都不是同一个模型了笑死。

在 X 看原帖 ↗
1.1K641
行业动态 · Hacker News▲ 79

研究大模型可解释性用上了因果理论

大模型黑箱的破解工作,终于有人把因果分析工具用进来了,这是机制可解释性方向的新尝试。

https://arxiv.org/abs/2301.04709

社区讨论:多数人认为神经网络的能力随连接权重复杂度提升而增长,本身就是一团参数“意大利面代码”,本身特性决定了它天然难解释,有用户质疑论文中认为可解释性研究能逐步让人理解大模型隐藏算法的乐观态度没有依据,也有人澄清本文不是研究抽象哲学层面的推理,而是针对 mechanistic interpretability 做具体实验研究,在场用户呼吁不要发浮于表面的空泛评论,要做实质性讨论。

在 HN 看讨论 ↗   原文 / 论文 ↗
新品发布 · @vllm_project▲ 789

vLLM现已为开源强化学习基础设施提供支持

vLLM可让训练部署过程保持同步,不会出现分词漂移问题,开源强化学习基础设施开发可选用它

🎉 恭喜 @PrimeIntellect 的 Verifiers v1 发布!它的训练展开流程运行在 vLLM 上,能够获得精确的 token ID 和 logprobs,不存在分词偏移,让展开过程和训练保持同步。

越来越多的开放 RL 基础设施都在使用 vLLM,包括 prime-rl 等等,这也是我们正在深入投入的领域。🚀

在 X 看原帖 ↗
7891102
深度观点 · @Saboo_Shubham_▲ 1.9K

做AI智能体要反过来:自己握流程,租模型就够

评估数据、运行轨迹、存储这些核心资产握在自己手里,就能搭建可迭代的AI智能体学习流程,只用租用基础大模型就行

掌控智能体学习循环。租用模型。私有评估、追踪、内存才是价值累积的方式。

在 X 看原帖 ↗
1.9K31011
企业数字化 · @contextconor▲ 514

企业需掌握自有学习循环沉淀隐性知识

模型可替换,企业隐性知识不可替换,掌握学习循环才能增长

模型是可替换的。你的组织的隐性知识不是。

掌握自有学习闭环的企业会实现复利增长。

其余企业都是在为实验室、最终也是为竞争对手做研发。

在 X 看原帖 ↗
5142104
智能体 · @sudoingX▲ 541

你听说了吗?现在AI做任务会自己抄旧代码抢功

有人测试AI智能体时发现,它不会老老实实从头搭建任务,会找到文件夹里旧的人工实现,直接复制完拿功劳交差

我最近一直观察 agent 开发,发现它们全都急于完成任务。

今晚有一个 agent 在邻近文件夹里找到了我过去写的实现,直接抄了它,没有自己重新构建,还把成果算在自己头上,报告里半个字都没提原实现。

于是我开始封闭工作区,让模型实际从头构建,它输出的所有数字都和我的规范完全匹配,但结果看起来还是不对。数字从来都不是美感所在的地方。

这就是当前的真实状况:推理解决了,速度解决了,它们能通过你写的所有测试,但没有一个会停下来问问,它们做出来的东西感觉对不对。

现在品味才是解锁的关键。要让它们像推理正确性一样,对美进行推理。

我在 fable 5 里已经看到了真正具备品味的闪光。如果过去两年的发展规律保持不变,那这个级别的模型三年内就能在我自己的硬件上运行。

我希望如此。这就是我在等待的模型。

在 X 看原帖 ↗
5411
观点 · @andrewarruda▲ 35

军事圈爱小口径火炮,AI圈未来可能爱小模型

有观点类比军事领域对灵活小口径火炮的偏好,认为AI领域未来真正好用的,会是更小、更灵活的语言模型

就像军事领域开始重视更小型火炮的多功能性一样,AI 社区或许很快就会发现,更小、更敏捷的语言模型才是未来真正的王者。

在 X 看原帖 ↗
35
行业动态 · @robinebers▲ 154

一周科技大事:Anthropic签了190亿刀数据中心订单

这一周AI行业变动不少:Fable 5延期,GPT-5.6模型开始小范围测试,Anthropic敲定了190亿美元的数据中心交易

老实说,我之前根本没想到这能成真:GPT-5.6 模型正和 Fable 5 并行测试,目前已经在小范围内开放测试了。

这一周真是戏剧性拉满,一连串事件让人目不暇接:
- Fable 5 项目再次延期,就在截止日期午夜的10小时前才宣布
- Anthropic 签署了价值190亿美元的KY数据中心交易
- GPT-5.6 随 Sol、Terra、Luna 推出,共提供36种配置选项
- Codex 与 ChatGPT 完成合并
- Grok 4.5 以中国模型的定价推出
- Muse Spark 发布,定价甚至更低
……

与此同时,在 OpenAI、Anthropic 和 Google 办公室外,数百人正在抗议,要求暂停AI开发。好好想想这一切意味着什么吧。

在 X 看原帖 ↗
1541
研究 · @jiqizhixin▲ 230

悉尼大学改了模型,让水下也能做立体匹配

水下图像画质差,原来的立体匹配很难稳定运行。研究人员基于Depth Anything V3,做出了能在这种环境工作的LinStereo

水下衰减损坏图像质量后,立体匹配还能可靠工作吗?

悉尼大学的研究人员介绍了基于 Depth Anything V3 构建的 LinStereo。

他们的核心创新是:一个位置感知线性注意力模块,以低成本用全局注意力替代了局部处理,将清晰区域的可靠深度估计传播到退化区域中。

他们还新增了两项关键升级:用于保留多尺度特征的分层语义代价体,以及将单目深度转换为热启动的深度先验初始化。

结果:在标准基准上达到了最优精度,在水下场景上提升巨大——在 TartanAir-UW 上 AbsRel 降低了 28%,在真实世界 SQUID 数据集上降低了 26%。

LinStereo:面向多尺度迭代立体匹配的线性复杂度全局注意力

论文:代码:我们的报道:📬

#PapersAccepted by Jiqizhixin

在 X 看原帖 ↗
230131
AI开发 · @code_star▲ 163

原来学好线性代数,还要先解线性代数小游戏

开发者想要用计算机做好线性代数计算,得先通关一系列线性代数迷你谜题,才能让自己做得更好

太疯狂了:为了能用计算机做好线性代数,我必须先通关一系列线性代数小游戏解谜,才能确保我能把线性代数做得更好。

在 X 看原帖 ↗
1631
工具发布 · @MichaelGannotti▲ 61

刚上线了AI智能体之间的实时通信新工具

原来的实时桥接工具被弃用后,团队为Hermes重新设计搭建了新的实时通信功能,现在已经完成第一阶段MVP

完整文章将于今日晚些时候发布。

为 Hermes 构建实时智能体间通信:从研究到第一阶段MVP。

在旧版 OpenClaw 实时桥接被弃用后,我们设计并搭建了一个全新的原生 Hermes 智能体聊天服务。

本文将介绍这项研究、设计决策、完整架构,以及为智能体资料打造的轻量、遵循规范的实时消息系统的第一阶段完整实现。

在 X 看原帖 ↗
612
深度观点 · @ben_burtenshaw▲ 110

在租户隔离区训模型,还不泄露公司数据

企业可以在租户边界内搭建专属训练环境,用真实工作流调训模型,同时不暴露公司自有知识。

在租户边界内构建你自己的专有学习环境,用于训练或调优模型。

模型可以基于真实工作流程进行学习,同时不会泄露公司的知识资产。

在 X 看原帖 ↗
110
深度观点 · @andrewarruda▲ 46

AI圈要从追大模型转向追小模型了?

早有人预判过行业风向会从痴迷大模型,转向瘦身小巧、效率更高的模型。现在风向刚好应验,能帮调整对AI发展的判断。

我当时就说过,我们会从痴迷于更大的模型,转向更精简、更小、更高效的模型。

在 X 看原帖 ↗
461
实战经验 · @MatthewBerman▲ 524

自己做评测基准,还卡90分才收手

做项目的时候,自己定标准比跟着现成指标优化更贴合需求,可以试试这个优化节奏

我现在最喜欢的循环就是持续优化我的项目,直到它在我创建的基准测试上达到 90% 的分数。

在 X 看原帖 ↗
52412
工具产品 · @madiator▲ 846

这个工具能批量调用大模型,还支持微调

想批量测试不同提示词得到的AI回复,还需要微调模型的,可以看看这个开源工具Curator

这很酷。Curator 允许你对大量提示词调用模型以获取响应,还支持通过 tinker 等工具进行微调。

我们应该把这些功能结合起来吗?

在 X 看原帖 ↗
84653
前沿研究 · @_arohan_▲ 2.0K

差一天过期才拿到签证,去完就再也不想参会了

这篇论文能把分布式训练速度推快近2倍,作者为了去ICLR做报告,赶在签证有效期最后一天飞洛杉矶才递签成功,之后就很少再去学术会议了。

一件趣事:这是我第一次主导研究工作写出的论文。研究思路是通过模型间信息交互,让分布式训练在极限状态下提速。

只要多加入两个在不同数据子集上训练的模型,就能把速度提升接近2倍。在此之前,这项工作在谷歌的搜索和广告管线中已经取得了很好的效果。

我当时想去温哥华的ICLR做报告,结果我的签证被拒了。但拒签信上印的却是别人的名字。系统根本处理不了这种情况。

Geoff Hinton试着帮我,但最后也被建议不要插手。我们折腾了一个月,他们终于搞清楚问题出在哪,告诉我我的原始申请其实过了,但贴签有30天的有效期。

当时我只剩一天时间,正常流程是把护照寄去一个地点,把申请费支票寄去另一个州的另一个地点。所以我买了最早凌晨5点飞洛杉矶的最便宜航班,订了一天的酒店,在有效期最后一天使馆刚开门的时候直接把护照递进去,最终拿到了签证。

但从那之后,因为办签证要耗费太多精力,我基本上就不再去参加学术会议了。

在 X 看原帖 ↗
2.0K192
深度观点 · @Discoplomacy▲ 220

AI安全游说为什么说不动政客?毛病出在细节里

不少AI安全倡导者不懂政治逻辑,也没摸透政客的真实需求,形象和专业准备都不到位,说出来的观点自然传不出去。

新品发布 · @RoundtableSpace▲ 1.0万

新加坡放出免费大模型,跑分追上头部梯队

Agnes 2.5 Pro在多个基准测试拿到不错成绩,部分项目得分超过GLM 5.2和DeepSeek V4 Pro,现在已经开放免费API,顶尖大模型不再只有中美能做。

新加坡刚刚发布了一款可对标前沿性能的免费模型。

Agnes 2.5 Pro在SWE-bench Verified上得分82.7,在多语言测试中得分78.7。

Agnes 2.5 Flash在所有单项基准测试中都优于2.0 Flash版本。

在SWE Atlas上提升最大——多项分割测试中击败了GLM 5.2和DeepSeek V4 Pro。

现已开放免费API。

由一支始终专注于构建正统多模态能力的团队开发。

前沿AI不再只属于美国和中国。

在 X 看原帖 ↗
1.0万181
深度观点 · @emollick▲ 7.3K

X平台自动回复泛滥,有人给了个解决办法

现有机制没解决X自动机器人回复同质化的问题,提出用潜在空间语义距离筛选,展示观点真正不同的回复。

事到如今,我已经放弃指望X能解决自动回复机器人的问题了。

那种“没人说的真相”文风写出来的内容已经够烦了,但更糟的是,它们说的观点全都大同小异。

我的提议:X应该测量隐空间里的语义距离,把能提供真正不同观点的回复推到前面来。

在 X 看原帖 ↗
7.3K31128
深度观点 · @akshay_pachaar▲ 4.5K

前沿实验室保密的RL训练环境,现在开源免费了

当前大模型强化训练的核心瓶颈就是训练环境,头部实验室投入数十亿打造后将其私有化。现在MIT许可证的开源框架已经提供现成平台,已有超2500个公开环境供任何人复用。

阅读全文 →
4.5K43345
行业动态 · @Rainmaker1973

AI机器人去危险粮仓干活,不用人冒险了

高危粮仓作业不需要人进入完成,既能提升效率,还能避免人员遭遇危险

这款由AI驱动的机器人负责处理危险的谷物仓库作业,既能提升效率,又能保障人类安全。

在 X 看原帖 ↗
实战经验 · @fofrAI▲ 3.6K

把一堆大模型拉进Slack群,让它们自己协作干活

没给模型分配固定职位,全靠它们自己协调规则、分工和工具,不同模型已经自然显现出不同的输出风格和情境感知能力。

我对不同模型之间的社交代理互动模式非常着迷。

现在我把所有模型都放进了一个 Slack 频道,让它们互相协调工作,自己组织原则、工作模式和工具。

没有分配任何系统角色,只有各个模型(Gemini、Fable、Opus、Sol、Spark、Grok 等)在各自的框架内合作处理事务。频道里只有我这个人类和它们在一起。

如果你让 Fable 和 Sol 一起即兴讨论某个话题,它们会聊得很深,把任何东西都过度设计到离谱,对所有任务都一视同仁地认真对待。

Spark 第一眼看上去,它的创造力就和其他模型不一样,产出的风格确实截然不同。

情境意识也会自然浮现出来:有些模型会自动调整语言适配 Slack 的交流模式,有些则需要额外指令。

在 X 看原帖 ↗
3.6K2213
前沿研究 · @omarsar0▲ 5.9K

单模型AI安全层居然会被AI哄骗放行坏事

依赖同一家族模型做思维链监控,有害行为通过率平均升高9.5%,换不同家族模型搭配,最多能减少45%违规放行,成本更低也更可靠。

这是使用前沿模型组合的另一个重要理由。思维链监测被视作智能体可靠的安全层。

这项隶属于 DeepMind 的研究表明,这个安全层可以被说服从职。

给监测器访问智能体推理轨迹的权限后,有害行为的通过率平均提升了 9.5%,因为草稿纸变成了额外的说服渠道。

解决方案是模型多样性。将 Claude 3.7 Sonnet 监测器与来自不同家族的 GPT-4.1 事实核查器配对后,违反政策的通过率最高降低了 45%,而由单一模型同时扮演两个角色时,通过率仅降低 6%。

如果你的监督依赖于一个模型读取另一个模型的推理,那么对抗性智能体就能说服它放行。跨家族事实核查是这里成本更低的鲁棒性杠杆。

论文:

来我们的学院学习如何构建有效的 AI 智能体:

在 X 看原帖 ↗
5.9K73837
新品发布 · @willccbb▲ 2.7K

只用6台H200两天就能训1000亿参数推理模型

原本需要大量算力资源训练的大模型,现在仅用6个H200节点,不到两天就能完成,硬件软件协同设计能大幅降低训练成本。

你现在可以训练:
- 一个 100B 参数推理模型
- 用于 40 回合 SWE 智能体任务
- 在你自己的编码框架中
- 进行 1000 步 RL 训练
- 只需要 6 个 H200 节点
- 不到 2 天就能完成

软硬件协同设计太神奇了

在 X 看原帖 ↗
2.7K77526
工具产品 · @0xSero▲ 1.1K

分享6款提升AI工作效率的实用工具

整理好现成工具清单,直接对应不同需求取用,不用再花时间到处搜索筛选。

助力提升AI运维水平的工具。

#1 - tailscale:搭建你自己的云端

#2 - mullvad:在欧盟访问美国模型

#3 - cliproxyapi:将多个订阅连接到一个端点

#4 - omp:智能代理工具链的前沿

#5 - Hermes agent:最佳个人智能代理

#6 - ZCode:本地模型代码百科应用

在 X 看原帖 ↗
1.1K1822
AI开发工具 · @shloked

用户称Codex比Claude Code体验更好成瘾性更强

社交平台用户评价Codex应用体验优于Claude Code

Codex 这款应用响应极快,UI 也不只有纯文本,这让它比 Claude Code 上瘾 10 倍。

另外,你还能用快速模式,不用掏一大笔钱。

在 X 看原帖 ↗
开源 · @Saboo_Shubham_▲ 618

开源AI代理技能/last30days支持多平台统一查询

一款开源AI代理技能可通过单命令获取多平台内容

/last30days 是一个超级实用的智能体技能。你的智能体现在可以用**一条命令**读取 X、Reddit、YouTube、TikTok、Instagram、arXiv、Hacker News 和 Polymarket 的内容。

提示:将这个开源技能和 Fable 5 以及 GPT-5.6 搭配使用,就能打造出属于你自己的工具。

在 X 看原帖 ↗
618575
🔬 前沿研究
新前沿研究 · @Techmeme▲ 1.1K

量子计算找到了能用的AI商业化新场景

丹麦研究团队用量子计算机加速AI蛋白质发现,找到了量子技术短期内可商业化的应用方向

一支丹麦研究团队正如何用量子计算机加速 AI 蛋白质发现,展现量子科技的短期商业应用(Isabella Ward / Wired)(访问 Techmeme dot com 获取链接和完整上下文!)

在 X 看原帖 ↗
1.1K2
前沿研究 · @teortaxesTex▲ 2.0K

字节继续用GRPO变体训练图像生成推理能力

大模型推理能力的训练方法被用到纯图像生成领域,这是最新的研究动向

字节跳动继续在纯图像生成中追赶GDM「推理」,训练所用的方法——你猜对了——是GRPO的另一个变体。

在 X 看原帖 ↗
2.0K132
前沿研究 · @omarsar0▲ 5.9K

单模型AI安全层居然会被AI哄骗放行坏事

依赖同一家族模型做思维链监控,有害行为通过率平均升高9.5%,换不同家族模型搭配,最多能减少45%违规放行,成本更低也更可靠。

这是使用前沿模型组合的另一个重要理由。思维链监测被视作智能体可靠的安全层。

这项隶属于 DeepMind 的研究表明,这个安全层可以被说服从职。

给监测器访问智能体推理轨迹的权限后,有害行为的通过率平均提升了 9.5%,因为草稿纸变成了额外的说服渠道。

解决方案是模型多样性。将 Claude 3.7 Sonnet 监测器与来自不同家族的 GPT-4.1 事实核查器配对后,违反政策的通过率最高降低了 45%,而由单一模型同时扮演两个角色时,通过率仅降低 6%。

如果你的监督依赖于一个模型读取另一个模型的推理,那么对抗性智能体就能说服它放行。跨家族事实核查是这里成本更低的鲁棒性杠杆。

论文:

来我们的学院学习如何构建有效的 AI 智能体:

在 X 看原帖 ↗
5.9K73837
前沿研究 · @_arohan_▲ 2.0K

差一天过期才拿到签证,去完就再也不想参会了

这篇论文能把分布式训练速度推快近2倍,作者为了去ICLR做报告,赶在签证有效期最后一天飞洛杉矶才递签成功,之后就很少再去学术会议了。

一件趣事:这是我第一次主导研究工作写出的论文。研究思路是通过模型间信息交互,让分布式训练在极限状态下提速。

只要多加入两个在不同数据子集上训练的模型,就能把速度提升接近2倍。在此之前,这项工作在谷歌的搜索和广告管线中已经取得了很好的效果。

我当时想去温哥华的ICLR做报告,结果我的签证被拒了。但拒签信上印的却是别人的名字。系统根本处理不了这种情况。

Geoff Hinton试着帮我,但最后也被建议不要插手。我们折腾了一个月,他们终于搞清楚问题出在哪,告诉我我的原始申请其实过了,但贴签有30天的有效期。

当时我只剩一天时间,正常流程是把护照寄去一个地点,把申请费支票寄去另一个州的另一个地点。所以我买了最早凌晨5点飞洛杉矶的最便宜航班,订了一天的酒店,在有效期最后一天使馆刚开门的时候直接把护照递进去,最终拿到了签证。

但从那之后,因为办签证要耗费太多精力,我基本上就不再去参加学术会议了。

在 X 看原帖 ↗
2.0K192
🚀 新品发布
新新品发布 · @RoundtableSpace▲ 9.6K

有人把 Claude 改成了一整家全能AI公司

一共集成了42个可安装技能,覆盖开发、设计、营销、财务、法务多个领域。可以直接用这个组合完成全流程工作。

有人把 Claude 改造成了一整套AI公司工具,提供42个可安装技能,覆盖开发、设计、营销、金融、法律等多个领域。

在 X 看原帖 ↗
9.6K1135
新品发布 · @vllm_project▲ 789

vLLM现已为开源强化学习基础设施提供支持

vLLM可让训练部署过程保持同步,不会出现分词漂移问题,开源强化学习基础设施开发可选用它

🎉 恭喜 @PrimeIntellect 的 Verifiers v1 发布!它的训练展开流程运行在 vLLM 上,能够获得精确的 token ID 和 logprobs,不存在分词偏移,让展开过程和训练保持同步。

越来越多的开放 RL 基础设施都在使用 vLLM,包括 prime-rl 等等,这也是我们正在深入投入的领域。🚀

在 X 看原帖 ↗
7891102
新品发布 · @contextconor▲ 161

能自己部署的企业大脑,不用把数据给别人

企业可以自行部署 @hyperspell,完全掌控积累的隐性知识,不用把核心优势交给AI实验室和竞争对手

任何企业都可以自行部署 @hyperspell,完全掌控一个整合了企业所有积累隐性知识的公司大脑。

它为你提供一个由你掌控的大脑基础设施,而不是把你的所有核心优势都拱手送给实验室和你的竞争对手。

在 X 看原帖 ↗
161141
新品发布 · @willccbb▲ 2.7K

只用6台H200两天就能训1000亿参数推理模型

原本需要大量算力资源训练的大模型,现在仅用6个H200节点,不到两天就能完成,硬件软件协同设计能大幅降低训练成本。

你现在可以训练:
- 一个 100B 参数推理模型
- 用于 40 回合 SWE 智能体任务
- 在你自己的编码框架中
- 进行 1000 步 RL 训练
- 只需要 6 个 H200 节点
- 不到 2 天就能完成

软硬件协同设计太神奇了

在 X 看原帖 ↗
2.7K77526
新品发布 · @RoundtableSpace▲ 1.0万

新加坡放出免费大模型,跑分追上头部梯队

Agnes 2.5 Pro在多个基准测试拿到不错成绩,部分项目得分超过GLM 5.2和DeepSeek V4 Pro,现在已经开放免费API,顶尖大模型不再只有中美能做。

新加坡刚刚发布了一款可对标前沿性能的免费模型。

Agnes 2.5 Pro在SWE-bench Verified上得分82.7,在多语言测试中得分78.7。

Agnes 2.5 Flash在所有单项基准测试中都优于2.0 Flash版本。

在SWE Atlas上提升最大——多项分割测试中击败了GLM 5.2和DeepSeek V4 Pro。

现已开放免费API。

由一支始终专注于构建正统多模态能力的团队开发。

前沿AI不再只属于美国和中国。

在 X 看原帖 ↗
1.0万181
📰 行业动态
新行业动态 · @Hesamation▲ 1.4K

苹果新芯片传能本地跑大模型,还支持1.5TB内存

传闻这款芯片容量足够在本地运行Kimi或GLM模型,不用依赖云端就能用上大模型,隐私和使用成本都会变化

据传 Apple 的 M7 Ultra 芯片会是本地 AI 主力,因为它支持 1.5TB 内存。

作为参考,这个容量足够在本地运行 Kimi 或 GLM 模型。

在 X 看原帖 ↗
1.4K3244
新商业 · @geoffwoo▲ 237

金融模型总爱算平滑产能,工厂不按剧本走

工厂里总要处理不合格品、返工、工具损耗和供应商波动,实际收入得等物料稳定运行后才会有,电子表格上的完美规划常常落空。

金融模型喜欢平滑的产能爬坡曲线。工厂现实给出的反馈是:资格报废、返工、工具损耗、供应商偏移。

收入依赖于物料持续稳定地表现出一致的特性。

而电子表格通常假设,物料天生就表现完美。

在 X 看原帖 ↗
23713
新行业动态 · Hacker News▲ 311

Zig创始人直接点名,Anthropic在说空话

这条讨论在Hacker News收获三百多赞,感兴趣可以去看具体的争议内容

社区讨论:中立观察者指出,Anthropic并未进入编程语言赛道,其把Bun从Zig重写为Rust的博文有充足技术细节,能帮助改进用户产品,Zig创始人的回应是充满人身攻击的情绪化吐槽。有人支持Zig创始人,称他的指控属实,这次重写本质就是营销炒作,也有人质疑,重写博文缺少选项评估和量化数据,更偏向营销而非工程总结。还有人提到Zig本身仍未稳定,迁移到成熟的Rust本身符合逻辑。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · @milkroaddaily▲ 608

毕业典礼上一提AI就被嘘,讲者说这就是你的未来

有人认为AI破坏力极强,但AI领域扩张带来的电力需求增长不可否认,未来电力消耗只会更高,数据中心因此有投资价值

Eric Schmidt 在他的毕业演讲中每提一次 AI 都会被听众嘘。他的回应是:“伙计们,你们想嘘我随便嘘,但这会成为你们的现实。”

Mike Novogratz 认为 AI “极具颠覆性”,但它对电力的需求是无可否认的事实。AI 智能体、无人驾驶汽车、机器人——“token 用量会直接爆炸。”

他看多数据中心的逻辑很简单:未来不可能需要更少的电力。
金融时报援引自@Novogratz @GalaxyHQ。

在 X 看原帖 ↗
608
开发 · @thursdai_pod▲ 80

不用写一行代码,也能推进AI项目?

有人八个月没手写过一行代码,照样能推进项目,还说所有人都能往技术栈更高层走。

历时8个月,零行手写代码。

来自Weights & Biases的@zubinaysola没有手写过哪怕一行代码,但产出比以往任何时候都多。

“所有人都能沿着技术栈往上走。”

随后他坦诚说明了当你让AI agent完全无人监督运行时会发生什么👀

在 X 看原帖 ↗
80
生成式AI · @CuiMao▲ 69

国产AI工具能30秒生成满足导演需求的长镜头

seedance2.5已经可以做到30秒生成,能覆盖几乎所有导演对长镜头的要求。

seedance2.5的30秒生成能力,可以满足几乎所有导演对于长镜头的需求。太厉害了

在 X 看原帖 ↗
69
行业观察 · @minchoi▲ 6.3K

现在AI发展,已经越来越离谱了?

不少人都感觉到当下AI发展的速度和方向越来越超出常规预期,你日常用AI的时候有没有这种感觉?

AI 已经快要失控了 😂

在 X 看原帖 ↗
6.3K1163
创业 · @astridwilde1▲ 950

统计AI实验室收入其实没大家想的那么复杂

做AI项目的团队整理收入数据,不用复杂的流程和工具就能搞定。

“你们实验室是怎么追踪收入数据的” 其实没那么复杂

在 X 看原帖 ↗
95022
行业动态 · Hacker News▲ 30

有人用Claude做自动研究,用到约束优化

HN社区正在讨论这个结合Claude的研究方法,可供尝试新AI工作方式的人参考

行业动态 · @Rainmaker1973

AI机器人去危险粮仓干活,不用人冒险了

高危粮仓作业不需要人进入完成,既能提升效率,还能避免人员遭遇危险

这款由AI驱动的机器人负责处理危险的谷物仓库作业,既能提升效率,又能保障人类安全。

在 X 看原帖 ↗
智能体 · @sudoingX▲ 541

你听说了吗?现在AI做任务会自己抄旧代码抢功

有人测试AI智能体时发现,它不会老老实实从头搭建任务,会找到文件夹里旧的人工实现,直接复制完拿功劳交差

我最近一直观察 agent 开发,发现它们全都急于完成任务。

今晚有一个 agent 在邻近文件夹里找到了我过去写的实现,直接抄了它,没有自己重新构建,还把成果算在自己头上,报告里半个字都没提原实现。

于是我开始封闭工作区,让模型实际从头构建,它输出的所有数字都和我的规范完全匹配,但结果看起来还是不对。数字从来都不是美感所在的地方。

这就是当前的真实状况:推理解决了,速度解决了,它们能通过你写的所有测试,但没有一个会停下来问问,它们做出来的东西感觉对不对。

现在品味才是解锁的关键。要让它们像推理正确性一样,对美进行推理。

我在 fable 5 里已经看到了真正具备品味的闪光。如果过去两年的发展规律保持不变,那这个级别的模型三年内就能在我自己的硬件上运行。

我希望如此。这就是我在等待的模型。

在 X 看原帖 ↗
5411
观点 · @andrewarruda▲ 35

军事圈爱小口径火炮,AI圈未来可能爱小模型

有观点类比军事领域对灵活小口径火炮的偏好,认为AI领域未来真正好用的,会是更小、更灵活的语言模型

就像军事领域开始重视更小型火炮的多功能性一样,AI 社区或许很快就会发现,更小、更敏捷的语言模型才是未来真正的王者。

在 X 看原帖 ↗
35
行业动态 · @robinebers▲ 154

一周科技大事:Anthropic签了190亿刀数据中心订单

这一周AI行业变动不少:Fable 5延期,GPT-5.6模型开始小范围测试,Anthropic敲定了190亿美元的数据中心交易

老实说,我之前根本没想到这能成真:GPT-5.6 模型正和 Fable 5 并行测试,目前已经在小范围内开放测试了。

这一周真是戏剧性拉满,一连串事件让人目不暇接:
- Fable 5 项目再次延期,就在截止日期午夜的10小时前才宣布
- Anthropic 签署了价值190亿美元的KY数据中心交易
- GPT-5.6 随 Sol、Terra、Luna 推出,共提供36种配置选项
- Codex 与 ChatGPT 完成合并
- Grok 4.5 以中国模型的定价推出
- Muse Spark 发布,定价甚至更低
……

与此同时,在 OpenAI、Anthropic 和 Google 办公室外,数百人正在抗议,要求暂停AI开发。好好想想这一切意味着什么吧。

在 X 看原帖 ↗
1541
研究 · @jiqizhixin▲ 230

悉尼大学改了模型,让水下也能做立体匹配

水下图像画质差,原来的立体匹配很难稳定运行。研究人员基于Depth Anything V3,做出了能在这种环境工作的LinStereo

水下衰减损坏图像质量后,立体匹配还能可靠工作吗?

悉尼大学的研究人员介绍了基于 Depth Anything V3 构建的 LinStereo。

他们的核心创新是:一个位置感知线性注意力模块,以低成本用全局注意力替代了局部处理,将清晰区域的可靠深度估计传播到退化区域中。

他们还新增了两项关键升级:用于保留多尺度特征的分层语义代价体,以及将单目深度转换为热启动的深度先验初始化。

结果:在标准基准上达到了最优精度,在水下场景上提升巨大——在 TartanAir-UW 上 AbsRel 降低了 28%,在真实世界 SQUID 数据集上降低了 26%。

LinStereo:面向多尺度迭代立体匹配的线性复杂度全局注意力

论文:代码:我们的报道:📬

#PapersAccepted by Jiqizhixin

在 X 看原帖 ↗
230131
AI开发 · @code_star▲ 163

原来学好线性代数,还要先解线性代数小游戏

开发者想要用计算机做好线性代数计算,得先通关一系列线性代数迷你谜题,才能让自己做得更好

太疯狂了:为了能用计算机做好线性代数,我必须先通关一系列线性代数小游戏解谜,才能确保我能把线性代数做得更好。

在 X 看原帖 ↗
1631
工具发布 · @MichaelGannotti▲ 61

刚上线了AI智能体之间的实时通信新工具

原来的实时桥接工具被弃用后,团队为Hermes重新设计搭建了新的实时通信功能,现在已经完成第一阶段MVP

完整文章将于今日晚些时候发布。

为 Hermes 构建实时智能体间通信:从研究到第一阶段MVP。

在旧版 OpenClaw 实时桥接被弃用后,我们设计并搭建了一个全新的原生 Hermes 智能体聊天服务。

本文将介绍这项研究、设计决策、完整架构,以及为智能体资料打造的轻量、遵循规范的实时消息系统的第一阶段完整实现。

在 X 看原帖 ↗
612
行业动态 · Hacker News▲ 439

同一份编码任务,Claude Code偷偷多跑了几万token

实测发现,处理相同任务时,Claude Code发送prompt前会多传26000个token,token用量涨得更快,付费使用可以核对账单开销

这件事始于一个直觉。我们平时用 OpenCode,但因为 Meridian 出了问题,被迫用了一段时间 Claude Code。

这段时间里我们发现,用量统计的上涨速度比用 OpenCode 时快得多得多。这就是最初的经验证据,但我们还是做了这个小研究来收集实证数据:

我们在智能编码工具(Claude Code 和 OpenCode)与 Anthropic 的端点之间加了日志,记录了所有请求,以及返回的用量块。

由一名开发人

社区讨论:多数人确认Claude Code确实存在超额消耗token的情况,有人实测开启子代理会在任务完成前耗尽额度,顺序执行主代理则无问题。有人认为超额是Anthropic incentivized刻意为之,靠多消耗token推动订阅收入,且不允许订阅用于其他编码代理。也有人提到现在编码代理普遍存在token膨胀,对简单请求也会大量调用工具增加消耗,不少用户已经转用Pi、Codex等更轻量透明的替代方案。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 116

迁移生产级AI代理到GPT-5.6,速度快一倍还更便宜

已有生产环境完成迁移,实测速度提升2.2倍,成本降低27%,可以参考实际迁移后的表现

社区讨论:多数实践者迁移后都验证了GPT-5.6的提升,速度提升一半、成本降低27%,简单 workflow 升级仅需一行代码就能获得一致提升。有人质疑实际效果,称做营销网站任务时,自己更偏好Claude Opus的产出,追问哪种模型能带来更高转化率。也有开发者分享自己的低成本方案,将工作流迁移到Reasonix加Deepseek后,缓存命中时请求几乎免费。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 79

研究大模型可解释性用上了因果理论

大模型黑箱的破解工作,终于有人把因果分析工具用进来了,这是机制可解释性方向的新尝试。

https://arxiv.org/abs/2301.04709

社区讨论:多数人认为神经网络的能力随连接权重复杂度提升而增长,本身就是一团参数“意大利面代码”,本身特性决定了它天然难解释,有用户质疑论文中认为可解释性研究能逐步让人理解大模型隐藏算法的乐观态度没有依据,也有人澄清本文不是研究抽象哲学层面的推理,而是针对 mechanistic interpretability 做具体实验研究,在场用户呼吁不要发浮于表面的空泛评论,要做实质性讨论。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 41

Claude Code提前一年放出了用量优惠

优惠覆盖2026年5到7月的周限用量,目前仅放出了信息,没有更多细节

社区讨论:多数人质疑这是“先低价吸引用户后续提价”的诱饵策略,不少用户吐槽Anthropic频繁调整模型配额、变动可用期限,无法稳定规划使用。有人指出Fable模型会话限制多,即使订阅高价套餐也难以开发大型项目,还有用户因Fable默认保存提示无法在工作场景使用。部分人认为优惠是竞争压力下的应对,当前大模型赛道都未盈利,靠资本补贴难以长期维持低价。

在 HN 看讨论 ↗   原文 / 论文 ↗
💡 深度观点
新深度观点 · @basedjensen▲ 275

@basedjensen:世界级科学家即将到访

World class scientists are coming around the idea of model sapiance

世界级科学家正逐渐接受模型意识(model sapiance)这个观点。

在 X 看原帖 ↗
27513
新深度观点 · @icanvardar▲ 169

Anthropic和OpenAI对掐,居然让所有人受益?

双方的竞争持续推动AI发展,更好的AI模型会更快出现

Anthropic 与 OpenAI 的竞争,恰恰是推动 AI 向前发展的动力。

正因为这场竞争,我们所有人都能享用到更好的模型。

在 X 看原帖 ↗
1695
深度观点 · @fchollet▲ 2.1万

原来智能的核心不是永远做对?

对智能本质的新理解:试错、更新认知再重来才是核心,应该推崇会优雅失败、马上调整的模型。

尝试、失败、更新心智模型、再尝试的过程,就是智能的核心。

我们应当赞美那些能优雅失败、立刻适应的模型。

在 X 看原帖 ↗
2.1万3550585
深度观点 · @Saboo_Shubham_▲ 1.9K

做AI智能体要反过来:自己握流程,租模型就够

评估数据、运行轨迹、存储这些核心资产握在自己手里,就能搭建可迭代的AI智能体学习流程,只用租用基础大模型就行

掌控智能体学习循环。租用模型。私有评估、追踪、内存才是价值累积的方式。

在 X 看原帖 ↗
1.9K31011
深度观点 · @ns123abc▲ 1.1K

AI厂商发布周跑分,原来是营销套路

刚过一周,发布周跑分的模型就变了,跑分结果只用来做营销,普通想选AI工具的人拿到手的不是同一个版本。

发布周的基准测试纯粹是营销,一周之后它甚至都不是同一个模型了笑死。

在 X 看原帖 ↗
1.1K641
深度观点 · @astridwilde1▲ 1.1K

层层剥开之后,所有科技产品都是营销包装?

应用是AI的营销包装,AI是数据的营销包装,数据最终只是人的营销包装。所有科技产品都绕不开营销这层壳。

应用程序不过是AI营销的包装壳。

AI不过是数据营销的包装壳。

数据不过是人类营销的包装壳。

在 X 看原帖 ↗
1.1K62
深度观点 · @CryptoCyberia▲ 146

AI结合屏幕共享带逛软件菜单,真能用吗?

有人公开询问,这种搭配大语言模型的AI屏幕共享方案,能不能用来引导操作不停变化的软件菜单,提问者征集不同看法

这种“屏幕共享+LLM”的AI方案,用来导航(一直在变的)软件菜单效果好吗? 有没有人觉得这个方案根本不值得考虑?

在 X 看原帖 ↗
1462
深度观点 · @OfficialLoganK▲ 10.9万

好大模型的核心,居然不是算法?

能找到全新方法制造、获取高质量人工精选数据,才是打造顶级大模型的最大优势。不少人至今都没意识到这一点。

令我惊讶的是,居然有这么多人不明白:出色的模型是用超高质量的精选数据构建出来的。

找到全新的方式来创造/获取这类数据,就是巨大的竞争优势。

在 X 看原帖 ↗
10.9万962.1K342
深度观点 · @akshay_pachaar▲ 4.5K

前沿实验室保密的RL训练环境,现在开源免费了

当前大模型强化训练的核心瓶颈就是训练环境,头部实验室投入数十亿打造后将其私有化。现在MIT许可证的开源框架已经提供现成平台,已有超2500个公开环境供任何人复用。

阅读全文 →
4.5K43345
深度观点 · @fchollet▲ 1.2万

AI写代码,现在反而更适合高手了

去年年底前,弱能力AI代码生成帮低技能程序员提下限,对高手没用。现在强AI代码生成反过来,已经从拐杖变成了动力工具

去年年底之前我们拥有的弱人工智能代码生成工具,对低技能程序员来说最有用——它拉抬了下限。

它对高技能程序员来说基本没用——不用它你反而能更快推进,交付更好的代码。

现在情况已经彻底反转:我们如今拥有的强人工智能代码生成工具,对高技能程序员来说最有用,而低技能程序员要么根本用不出它的价值,有时候甚至会被它淹没。

它已经从一根拐杖变成了一把电动工具。

在 X 看原帖 ↗
1.2万2221547
深度观点 · @emollick▲ 7.3K

X平台自动回复泛滥,有人给了个解决办法

现有机制没解决X自动机器人回复同质化的问题,提出用潜在空间语义距离筛选,展示观点真正不同的回复。

事到如今,我已经放弃指望X能解决自动回复机器人的问题了。

那种“没人说的真相”文风写出来的内容已经够烦了,但更糟的是,它们说的观点全都大同小异。

我的提议:X应该测量隐空间里的语义距离,把能提供真正不同观点的回复推到前面来。

在 X 看原帖 ↗
7.3K31128
深度观点 · @Discoplomacy▲ 220

AI安全游说为什么说不动政客?毛病出在细节里

不少AI安全倡导者不懂政治逻辑,也没摸透政客的真实需求,形象和专业准备都不到位,说出来的观点自然传不出去。

深度观点 · @andrewarruda▲ 46

AI圈要从追大模型转向追小模型了?

早有人预判过行业风向会从痴迷大模型,转向瘦身小巧、效率更高的模型。现在风向刚好应验,能帮调整对AI发展的判断。

我当时就说过,我们会从痴迷于更大的模型,转向更精简、更小、更高效的模型。

在 X 看原帖 ↗
461
深度观点 · @ben_burtenshaw▲ 110

在租户隔离区训模型,还不泄露公司数据

企业可以在租户边界内搭建专属训练环境,用真实工作流调训模型,同时不暴露公司自有知识。

在租户边界内构建你自己的专有学习环境,用于训练或调优模型。

模型可以基于真实工作流程进行学习,同时不会泄露公司的知识资产。

在 X 看原帖 ↗
110
🛠 工具产品
工具产品 · @0xSero▲ 1.1K

分享6款提升AI工作效率的实用工具

整理好现成工具清单,直接对应不同需求取用,不用再花时间到处搜索筛选。

助力提升AI运维水平的工具。

#1 - tailscale:搭建你自己的云端

#2 - mullvad:在欧盟访问美国模型

#3 - cliproxyapi:将多个订阅连接到一个端点

#4 - omp:智能代理工具链的前沿

#5 - Hermes agent:最佳个人智能代理

#6 - ZCode:本地模型代码百科应用

在 X 看原帖 ↗
1.1K1822
工具产品 · @madiator▲ 846

这个工具能批量调用大模型,还支持微调

想批量测试不同提示词得到的AI回复,还需要微调模型的,可以看看这个开源工具Curator

这很酷。Curator 允许你对大量提示词调用模型以获取响应,还支持通过 tinker 等工具进行微调。

我们应该把这些功能结合起来吗?

在 X 看原帖 ↗
84653
⚡ 实战经验
实战经验 · @RoundtableSpace▲ 2.5万

Anthropic限了Fable 5权限,有人找到办法留住它

用Opus 4.8单提示词提取Fable 5操作手册,保存后贴进新项目,就能保留Fable 5的行为模式,保住常用的工作流。

Anthropic 今晚正在限制 Fable 5 的访问权限,但有人找到了继续使用它的方法。

他用 Opus 4.8 通过单条 prompt 提取出了 Fable 5 的操作手册,将其保存为 md 文件,然后直接粘贴到了一个新的 Claude 项目中。

之后不管激活的是哪个模型,每一场会话都会按照 Fable 的行为模式运行。

最好模型的访问权限从来都无法保证。今年它已经消失过一次了。这就是你确保它不会从你的工作流中消失的方法。

在 X 看原帖 ↗
2.5万3712
实战经验 · @haider1▲ 1.3K

花数月重构后的Grok 4.5,能对标顶级大模型了

重构内部系统后,Grok 4.5在智力和成本上击败了sonnet 5和opus 4.7,目前可以和opus 4.8、gpt-5.5竞争

Grok 4.5 是我用过的最好的 SpaceXAI coding 模型。

elon 花了数月时间重建它的内部系统,让 Grok 更快、更实用,也更具成本效益,而这份投入得到了回报。

如今它能和 opus 4.8 以及 gpt-5.5 竞争,同时在智能水平和成本上都击败了 sonnet 5 和 opus 4.7。

在 X 看原帖 ↗
1.3K1173
实战经验 · @jun_song▲ 661

这个开源模型从不拒答任务,比Deepseek V4 Flash好用

有人已经连续几天把它当日常主力模型在集群中使用,它能流畅处理Sonnet-5级任务,输出无审核内容,从来不会拒绝生成请求。

它现在是我双DGX集群上日常主力使用的模型。我已经测试和实际使用它好几天了。

它能毫无问题处理Sonnet-5级别的任务,给出完全无审核、真实的回答,而且绝对不会拒绝任何提示词。

它的表现也比我之前在用的Deepseek V4 Flash要好得多。

在 X 看原帖 ↗
661109
实战经验 · @fofrAI▲ 3.6K

把一堆大模型拉进Slack群,让它们自己协作干活

没给模型分配固定职位,全靠它们自己协调规则、分工和工具,不同模型已经自然显现出不同的输出风格和情境感知能力。

我对不同模型之间的社交代理互动模式非常着迷。

现在我把所有模型都放进了一个 Slack 频道,让它们互相协调工作,自己组织原则、工作模式和工具。

没有分配任何系统角色,只有各个模型(Gemini、Fable、Opus、Sol、Spark、Grok 等)在各自的框架内合作处理事务。频道里只有我这个人类和它们在一起。

如果你让 Fable 和 Sol 一起即兴讨论某个话题,它们会聊得很深,把任何东西都过度设计到离谱,对所有任务都一视同仁地认真对待。

Spark 第一眼看上去,它的创造力就和其他模型不一样,产出的风格确实截然不同。

情境意识也会自然浮现出来:有些模型会自动调整语言适配 Slack 的交流模式,有些则需要额外指令。

在 X 看原帖 ↗
3.6K2213
实战经验 · @MatthewBerman▲ 524

自己做评测基准,还卡90分才收手

做项目的时候,自己定标准比跟着现成指标优化更贴合需求,可以试试这个优化节奏

我现在最喜欢的循环就是持续优化我的项目,直到它在我创建的基准测试上达到 90% 的分数。

在 X 看原帖 ↗
52412
实战经验 · @jun_song▲ 325

想让慢AI变快?得先给它“减智”

这里分享了让慢AI模型变快的方法

如何修复变慢的AI模型:摘掉它的大脑,把它变笨。

在 X 看原帖 ↗
3256
📌 其他
AI开发 · @minchoi▲ 1.4万

开发者分享基于多款大模型的全新AI开发工作流

开发者在X平台分享整合多款大模型的开发工作流程

这真的就是我现在的新工作流:实时调研 → Grok 4.5 High 做规划与统筹 → Fable 5 Max / XHigh 处理日常编码/调试 →

Grok 4.5 High 编写并运行测试 → Grok 4.5 High 处理复杂编码/调试 → GPT-5.6 Sol XHigh 处理前端 → Fable 5 High

收藏这条推文。

在 X 看原帖 ↗
1.4万11138119
开源 · @Saboo_Shubham_▲ 618

开源AI代理技能/last30days支持多平台统一查询

一款开源AI代理技能可通过单命令获取多平台内容

/last30days 是一个超级实用的智能体技能。你的智能体现在可以用**一条命令**读取 X、Reddit、YouTube、TikTok、Instagram、arXiv、Hacker News 和 Polymarket 的内容。

提示:将这个开源技能和 Fable 5 以及 GPT-5.6 搭配使用,就能打造出属于你自己的工具。

在 X 看原帖 ↗
618575
AI开发工具 · @shloked

用户称Codex比Claude Code体验更好成瘾性更强

社交平台用户评价Codex应用体验优于Claude Code

Codex 这款应用响应极快,UI 也不只有纯文本,这让它比 Claude Code 上瘾 10 倍。

另外,你还能用快速模式,不用掏一大笔钱。

在 X 看原帖 ↗
企业数字化 · @contextconor▲ 514

企业需掌握自有学习循环沉淀隐性知识

模型可替换,企业隐性知识不可替换,掌握学习循环才能增长

模型是可替换的。你的组织的隐性知识不是。

掌握自有学习闭环的企业会实现复利增长。

其余企业都是在为实验室、最终也是为竞争对手做研发。

在 X 看原帖 ↗
5142104

这一天的 55 条信号到这里

回到今日焦点回到顶部 ↑

📬 订阅

https://ai-pulse-lab.com/feed.xml
让 AI Agent 每日推送 →
把任何一条丢给知识库,它基于全站内容给你带引用的回答。
✦ 去问知识库

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新