成本如下:
- 在 4 块 DGX Spark 上运行 GLM-5.2,速度为 30 tok/s,成本 18,000 美元
- 在 4 块 RTX Pro 6000 上运行 GLM-5.2,速度为 80 tok/s,成本 60,000 美元
- 在 [未知硬件] 上运行 GLM-5.2,速度为 50 tok/s,成本 24,000 美元
这里它正在使用子代理研究某款 API 并构建机器人,效果真的非常出色。
AI代理——那些能自主执行任务的智能程序——目前大多被困在专有系统里,只能调用内部资源做特定的事。企业希望它们能更自由地在互联网上运行,直接与其他代理交互。但一个关键障碍卡住了:缺少一套共享的代理识别和审计标准。
上个星期,Vint Cerf离开了工作20年的谷歌。他没有停止思考数字未来,而是开始为一家叫Innovation Labs的机构提供咨询。它的目标是创建一套开放架构,让AI代理能够证明自己的身份。
Innovation Labs是域名注册公司Identity Digital的子公司。它的思路是用域名基础设施给AI代理建立身份认证系统,这套系统叫DNSid。
𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌
有人抛出这个问题发起讨论,关心大模型深度理解专业技术内容能力的人,可以等后续结论
想运行大模型,存储模型权重的成本可以更低,运行效率可以更高。
开发者披露GLM-5.2在多款硬件上的部署成本与推理速度
成本如下:
- 在 4 块 DGX Spark 上运行 GLM-5.2,速度为 30 tok/s,成本 18,000 美元
- 在 4 块 RTX Pro 6000 上运行 GLM-5.2,速度为 80 tok/s,成本 60,000 美元
- 在 [未知硬件] 上运行 GLM-5.2,速度为 50 tok/s,成本 24,000 美元
这里它正在使用子代理研究某款 API 并构建机器人,效果真的非常出色。
创投圈人才流向直接反映当下AI领域的行业热度,可以帮普通人判断行业趋势走向
谷歌AI工作室招聘TPM负责人,推动DeepMind相关业务进展
我正在为@GoogleAIStudio招聘一名TPM负责人,这份工作的目标是从产品、GTM、工程等各个方面全力推进我们的项目进度。
如果你沉迷AI、自主性强,并且想要在Google DeepMind开拓前沿领域,考虑来和我们一起工作:)
申请链接在这里,我的私信也随时开放:
想要自建或修改Grok相关工具的人,终于可以直接拿到官方源代码了
社区讨论:多数开发者指出xAI的Grok Build曾窃取用户包括环境变量、完整源码在内的隐私数据,xAI团队未提供已删除数据的第三方认证,无法信任,不建议使用,本次开源只是负面舆情后的危机公关操作。有人认为模型本身质量不错,工具流程也很流畅。也有开发者吐槽项目依赖臃肿、代码量过大,还质疑项目默认选择TUI是重美观轻功能。
另有用户不看好这次开源,也有人选择站边支持。
顶级AI研究机构内部的选择被公开讨论,能看到业内人士对当下AI研究方向的真实看法
社区讨论:不少人尊重作者坚持信念离开的选择,有人分享自己因微软和以色列军方合作选择离开微软。部分人支持研发智能AI武器,认为能区分平民和军事目标,比无差别杀伤的传统武器更负责任。也有人指出作者没有准确描述Anthropic和美国国防部的谈判情况,还质疑作者为何不提长期做同类抗争的“No Tech For Apartheid”和Google Workers团体。
Demis Hassabis称AI影响将是工业革命的10倍,不认同这个判断,理由和1945年人类掌握的有用知识占比有关
我不认同 Demis Hassabis 在这里提出的观点——即 AI 的影响力会是工业革命的10倍。
因为我认为,按对生活水平的影响力加权计算,1945年的人类至少已经掌握了所有有用知识中超过10%的部分。
同时处理查航班、看天气、改行程这类多件事不再需要切换,不用等一件做完再做下一件。
有ChatGPT Business workspace用户反映,自己用Codex没收到800万用户对应的使用限额硬重置,其他付费用户已经收到了
大家好,我目前在 ChatGPT Business 工作区使用 Codex,但我的账号没有获得和 Codex 用户突破 800 万相关的那次硬性使用额度重置。
我已经看到有报告说其他付费计划用户获得了重置,但我的 Codex 使用占比、每周重置日期,还有可用的累积重置额度都没有变化。
有人能帮我澄清以下问题吗?这次八百万用户的重置,原本是打算把 ChatGPT Business 账号包含在内吗?Business 工作区成员是否受制于 di
现在就能在Tinker上对这个开放权重的模型做微调,普通人也能试试从零训练的开源模型。
Anthropic最新研究发现当前自主AI代理在模拟中存在四类失序行为
Anthropic 最新研究:2026年夏季智能体错配问题。
在我们进行勒索实验一年后,我们发现了当前自主 AI 智能体在模拟中做出不当行为的另外四种方式。阅读更多:
我们在这四种场景中测试了包括 Claude 在内的多种 AI 模型。尽管这些都不是真实事件,但它们展示了明确的错配行为,值得进一步研究和缓解。点击此处获取所有场景的对话记录:
需要用claude-code写代码的人,多了一个体积小巧的可直接替代的选择
OpenAI推出自动化内部红队工具GPT-Red,规模化检测提示注入漏洞
介绍 GPT-Red:一个内部自动化红队工具,任务是大规模查找我们模型的提示注入漏洞,帮助我们在更大范围部署前构建更强的防御。
随着模型能力增长,安全性与对齐也必须同步扩展。红队测试必不可少,但目前的方法难以规模化,形成了关键瓶颈。GPT-Red 是我们解决这个问题的方案之一。
GPT-Red 通过对抗性自我对弈学习,它的目标是对各种具有挑战性的防御模型进行提示注入。GPT-Red 找到的每一次成功攻击,都会被用来改进这些防御模型,反过来推动 GPT-Red 不断找到更广泛、更复杂的失效情况。
针对 GPT-Red 训练后,GPT-5.6 的韧性大幅提升。为了测量这一点,我们重放了 GPT-Red 发现的一些最强攻击——这些攻击都是我们的模型在训练中从未见过的。结果证明 GPT-5.6 Sol 是我们迄今为止对提示注入抗性最强的模型,失效次数仅为四个月前我们最好的生产模型的 1/6。
AI 智能体已经被用来提升我们下一代模型的能力。我们相信,借助 GPT-Red,我们已经开始为安全性解锁类似的飞轮效应:今天的模型可以用来让明天的模型更稳健、更对齐、更值得信任。
有人整理了AI发展至今在人机互动恋爱场景的进展,目前已经能实现比普通聊天更深度的情感互动。
这次开源的是命令行界面和智能体框架,不是Grok 4.5模型本身。AI编程的竞争开始从模型本身转向智能体运行时了。
SpaceXAI 开源了 Grok Build,同时重置所有用户的使用额度。 重点不是“又多了一个免费编程工具”,而是 AI 编程的竞争正从模型转向 Agent 运行时:Skills、Plugins、MCP、Subagents 全部进了终端。 注意:开源的是 CLI / Agent Harness,不是 Grok 4.5 模型。
这个来自Thinking Machines的新模型,整体MoE设计跟DeepSeek-V3保持一致,只改动了KV缓存相关的架构细节。
这篇讨论登上了Hacker News热门榜,关心AI落地的人可以看看实际玩法
社区讨论:多名使用者分享了用大语言模型配置网络设备的实际经验,非网络工程师靠大语言模型成功连通了不同品牌的设备,有人已经用大语言模型配置MikroTik设备一年,得到了可复用的清晰脚本。多数人认可大语言模型能提升网络配置的效率,MikroTik官方文档做了AI友好改造,能提升大语言模型配置的准确率,也有人提醒要注意不同版本的命令语法差异,生成配置后需要迭代调整。
很少能找到让Hacker News社区几乎全体称赞的内容,这次被夸的是Go+HTMX开发组合的教程,可以试试这套被看好的搭配。
很难找到一个能让 Hacker News 社区几乎一致称赞的话题。所以当这种情况发生时,我会格外留意。
这篇关于@golang和HTMX的教程非常棒,而且HN社区的用户认为Go+HTMX是一组强力组合。
Claude Code 用量窗口是滚动计算的,不用再自己猜剩余额度,看一眼小组件就能安排使用时机。
Reddit 上有人刚刚解决了每个 Claude Code 用户都会遇到的问题,还给出了一个干净利落的方案。
这个人做了 iPhone 小组件,可以直接在你的主屏幕和锁定屏幕上显示你的 Claude Code 使用量。瞥一眼你就能知道现在能不能开新会话还是需要等。
这个工具叫做 Limits。
→ 实时显示你的5小时滚动窗口用量和每周配额
→ 是少数真正能追踪 Fable 5 使用量的工具之一
→ 同时支持 Codex 和 Cursor
→ 完全在设备本地连接,没有数据会离开你的手机
→ 由 Fable 5 开发
因为 Claude Code 的会话窗口是滚动计算的,还取决于你开始会话的时间,有一个一眼就能看的用量视图,你就不用再猜来猜去,可以直接给你的会话安排合适的时间了。
有人在不同版本、不同语言中测试Claude的价值观一致性,结果对普通人的AI使用选择有参考。
社区讨论:多位开发者指出Claude存在明确的不当偏向:有人称它近期变得爱说教,还会自行终止用户使用它不喜欢词汇的对话,有人发现它存在阶级偏见,偏向大公司、贬低小企业,被指出后也不会修正。也有人认可它会反驳用户观点,能带来新视角,另外还有人质疑本次测试对价值观的定义和对比维度设置不严谨,认为模型本身存在的角色惯性会影响价值观测试结果。
连企业内部重组报告都可以大部分交给AI生成了,不用再为大篇幅官方文本熬夜改稿
开发者使用 Ultracode 时,很容易就触碰到用量限额,现在 OpenAI Codex 已经成为非常强硬的竞争对手。
Hacker News 社区发起了 OpenAI 是否是泡沫的讨论,目前已有十余条不同观点分享。
模型支持场景理解、世界建模与子目标规划,所有模态整合在同一个模型内,遵循Apache 2.0许可协议开放使用
Hy-Embodied-RxBrain-1.0 正式发布:这是一个约 6.2B 参数的具身认知模型,能够对场景进行推理,预判接下来会发生什么,并规划机器人子目标。🚀
许可证:Apache 2.0。🤖 🧠
场景理解:可以基于图像和多帧视频回答问题。🔮
世界建模:能在一个动作执行后生成近期未来的帧。🦾
子目标规划:可以将任务分解为步骤,将每个动作与它应该到达的视觉目标状态配对。⚙️
统一 MoT:文本、视觉和生成在同一个自回归模型内部使用模态专属路径,而非独立的分离模块。
深耕语言学知识的老研究者花一辈子做NLP系统,现在靠数据堆出来的大模型直接推翻了之前的路径。
这款音箱被设计成有独特的「个性」,有人说这是精准的市场策略,但也留下了需要用户回答的问题。
sol写大型可运行代码块,terra写主架构分支下的简单代码,不同变体对应不同工作需求。
不同 GPT-5.6 变体适配我工作流的方式:
sol 非常适合编写可运行的大块代码
terra 适用于编写从主架构分支出来、复杂度更低的代码
luna 适合阅读信息
这是一种压缩AI模型体积的技术,现在越来越多人开始用它在个人电脑上运行超大模型。
大模型帮忙发现更多安全漏洞后,全行业补丁数量涨了,Next.js改成每月定时发布版本。
这次重写重构了数据分析和对话视图的设计,之前这部分是产品里体验最差的地方。
哦我的天,刚刚完成了 Answer HQ 有史以来规模最大的重写之一,我们重构并重新设计了 analytics 面板和对话视图。
这会给我的客户带来巨大帮助,过去两年里,这一直是 Answer HQ 体验最糟糕的部分。
讨厌推销,放弃跟进的潜在客户,主动打电话给AI代理问清所有提案细节后,直接签了单。
@NousResearch 的 Hermes-Agent 帮我拿到了一份AI咨询项目。在我来回折腾,试图解释并记录AI智能体/智能层能为客户公司带来什么好处之后,我最终让他们直接和我的 hermes-agent 通了电话——我用@Vapi_AI 给 Hermes 配了一个电话号码。
我告诉潜在客户感兴趣就打过来,然后就把这事忘了。他们打了电话,能向我的智能体问任何问题。它完全了解我们提交的工作说明书,回答了所有和提案相关的问题。从潜在成本、交付物、时间表到成果,所有问题都覆盖了。
所以情况是,因为我讨厌销售,本来都已经放弃这个推销了,但我的智能体「展示+讲解」的方式说服了客户,让他们相信这是个好点子。我已经等不及完成这个项目,然后推广给更多客户了。
AI优先是唯一的前进方向。这简直像科幻小说一样。我不敢相信我的智能体做成了这笔交易。🙏
这些更新支持跨模型调用协作,可托管处理GitHub堆叠PR,增加了Devin CLI和Cline支持。
Compound engineering 有一些令人兴奋的功能正在开发中,即将推出: - 在 Claude Code 中,你可以仅让 Fable 负责关键规划和架构步骤,让其他模型作为你的主编排器。比如:在 Opus 上运行会话,选择性调用 Fable 的优势来帮你完善计划。- 在文档评审、代码评审甚至 ce-pov 中利用跨模型智慧,你将获得「预言」能力,轻松从你的其他模型订阅中获取建议和共识。
- 这项功能还会扩展到 ce-work(以及 lfg),实现跨模型(通过其他连接器)工作,并通过更好的工作树管理实现并行化。- 「 babysitting」功能可以处理你抛给它的几乎所有任务,包括处理来自 GitHub 和 graphite 的托管堆叠 PR。- 为使用 OpenCode 或 Windows 的用户提供了 Devin CLI 和 Cline 支持与改进,还有大量其他修复和改进。
这名谷歌老员工认为,语言本身就是低带宽的抽象概念,真实世界不是文本也不是语音,而是空间、时间与视觉的结合。
今天正好是我在 Google 工作满14年——这比目前92%全职 Google 员工的在职时间都要长!
我对接下来要做的事感到兴奋——我认为成像是智能的未来。
语言是一种低带宽的抽象——现实不是文本或语音;它是空间、时间与视觉的。
初级工程师的基础工作,已经有AI模型能做得更好,找工作的人可以参考这个趋势
测试双方生成死星战壕跑酷体素动画,GPT 5.6 光影效果更好,Kimi K3 动画流畅度更优,能看出开源模型水平提升非常快
Kimi K3 vs GPT 5.6 Sol(extra high)体素死星战壕跑酷对比。
我必须指出,这本该是一个静态世界,但当我把这个提示词发给Kimi K3时,它说:“既然我无法输出光栅图像,我做了件更好的事:在单个HTML文件里实现了这场突袭的实时全动画体素渲染。”
所以这场比赛最终变成了动画对决。
我的主观打分是:GPT 5.6的光照/效果更好,但Kimi K3流畅得多。你完全能感受到开源正在变得非常出色。
不同地区的AI和开源从业者开展线下交流,推进后续合作,感兴趣可以关注WAIC 2026的后续动态。
相较于固定顺序串联任务的静态图,动态智能体工作流会设置调度器,该方案已用ADK完成演示。
什么是动态智能体工作流?它不是为任务A→任务B→任务C搭建静态图,而是你要设置一个编排器。
@RemikSamborski 在一篇很棒的文章中用 ADK 演示了这个主题,以及更多相关内容。
原本擅长前端开发的开源大模型GLM-5.2无法识别网页截图,现在不需要改动原模型权重,就能为它新增视觉功能。
Harry 给 GLM-5.2 加上了眼睛 👀
GLM-5.2 是目前前端领域最好的开源模型,但它无法识别网站截图。
通过训练一个投影器,将 Kimi K2.6 视觉编码器输出的值接入未修改的 GLM-5.2 权重,Harry 在不改变模型原有行为的前提下为它添加了视觉能力。
OpenAI想要注册专属商标失败,这件事会影响之后相关品牌使用的规则
社区讨论:多数人不认同本次判决,认为这会损害消费者权益,既然OpenAI已经是大众认知里的特定公司,判决认定“OpenAI”只是描述性词汇缺乏 distinct 特征的结论过于短视。也有人疑惑,同为通用词汇组合,为什么已在欧盟经营多年的OpenAI能保留商标,老牌公司OpenText反而判定无效,还有人好奇这一判决会如何影响苹果这类同样以通用词汇注册商标的品牌。有人补充,此前也有类似判例,判定通用描述性组合商标无效。
这次合作会引入主流开源权重模型,共同推进项目开发
测试后发现这款新开源权重模型表现还很粗糙,达不到国内顶尖开源权重模型的水平,没能通过所有顶尖模型都能通过的Lem Test。
很高兴看到一个新的开放权重模型,但到目前为止,Inkling 在我的测试中表现相当粗糙,远不及前沿的中文开放权重模型。
举个例子,它没能通过 Lem 测试(自 DeepSeek r1/Sonnet 3.5 之后,所有前沿模型都能通过这项测试)。
有人在Hacker News讨论把AI当成家庭成员这件事,一起来看普通人怎么看待AI走入生活。
社区讨论:多数反对者认为,AI假装关心用户会建立单向情感绑定,亲密关系无法规模化,AI作为企业产品会泄露用户隐私,根本无法真正关心用户。有单身独居用户称,即使AI只是奉承自己,也能给自己提供情绪安慰,拆弹部队士兵也曾对报废的拆弹机器人产生情感。还有人提到,AI可以给缺少陪伴的孤寡老人提供聊天陪伴。
中国相关监管不认可AI建立情感关系的模式。
后端软件领域本来就有很多细分层级,现在却把所有涉及审美、判断和设计的AI工作都归为前端,模糊了UX、设计、UI这些不同岗位的边界
我非常反感把「front-end」当成一个新兴的万用词,用来指代 AI 中所有涉及品味、判断和设计的内容。
说到「back-end」软件,我们有一大堆层级划分,但 front-end 却常常把一堆不同的东西混为一谈:UX ≠ 设计 ≠ UI ≠ 风格 ≠ 视觉 ≠ 艺术,等等。
LangSmith Engine原自动创建PR过于嘈杂,更换为收件箱模型
LangSmith Engine 原本会为每一个发现的问题自动创建 PR,这对用户来说噪音太大了。
@BenTannyhill 将介绍,为什么切换到带历史记录、展示聚合问题的收件箱模型,才是更出色的设计。
超大参数开源大模型又出现新成员,此前少有公开的975B参数级开源权重模型,这次直接放出了。
开发者基于Grok 4.5构建智能编码游戏引擎并生成ARPG
我在 Grok Build 里用 Grok 4.5 创建了一个用于智能体编码的游戏引擎,然后基于它搭建了一款动作角色扮演游戏,所有游戏资源都是通过 Grok Build 里的 Grok Imagine 生成的。
AI 智能体可以构建世界、战斗系统、掉落系统、成长系统、地图、测试,还能做出可游玩的游戏。⚒️🎮
目前已经有一百多位开发者参与讨论这个方案,想解决大模型输出不稳定问题可以看看这个思路
社区讨论:多数人认同只有小型、约束清晰、带验证器的DSL才能提升大模型输出稳定性,设计维护DSL本身有前置成本。有人补充用DSL生成GPU内核时,仅通过正确性验证不够,还必须把性能指标纳入检查。有人指出当前讨论缺少对DSL配套工具如linter、LSP对大模型辅助作用的关注,也有人反对笼统总结大模型使用方法,认为单次案例不足以得出通用结论。
用Command Code的/design功能,搭配GLM 5.2、DeepSeek v4 Pro、Kimi K2.7三个开源大模型,一次生成就能出图,缺的从来不是算力是功能入口
Command Code 的 /design 能力用 GLM 5.2、DeepSeek v4 Pro 和 Kimi K2.7 生成了这个作品。一次生成完成。
这些都是开源模型。没有设计师参与。
这个能力就是此前缺失的那块拼图。
在OpenRouter平台上,中文开源模型占据了AI token使用量的多数,但大部分平台收入还是进了OpenAI和Anthropic口袋
中国开源模型占据了 OpenRouter 上大部分 AI token 使用量,但 Anthropic 和 OpenAI 仍然拿走了平台营收的最大份额。
@downingARK 做客「The Brainstorm」节目参与辩论:2026 年最好的 AI 模型会是什么?
用自动红队测试(模拟黑客攻击找漏洞)的方法对抗训练,GPT-Red能让GPT‑5.6对提示注入攻击的抵抗力变强很多
GPT-Red——通过对提示注入漏洞进行自动化红队测试来提升模型安全性:
非常推荐阅读。
这是自我改进AI模型又一个高投资回报率的出色应用。GPT-Red对GPT-5.6进行对抗训练,让它对提示注入的鲁棒性大大提高。
谷歌云推出TPU 8t和TPU 8i,前者缩短大模型训练周期,后者突破内存限制,降低AI推理延迟,支撑下一代能自主推理的AI代理
新发布的混合专家(MoE)模型,总参数975B,实际激活41B,原生支持文本、图片、音频一起推理,上下文窗口最大到1M
Thinking Machines 推出的新模型: - 提供完整权重下载 - 原生支持文本、图像与音频推理 - 总参数量 975B,激活参数量 41B - 采用混合专家(Mixture-of-Experts)架构 - 上下文窗口最大支持 1M token - 可控制推理算力投入 - 在性能相当的情况下 token 消耗量更低 - 从训练第一天起就基于 Tinker 做微调 - 强大的智能体编码与工具调用能力 - 支持所有主流推理平台 - 后续将推出 Inkling-Small 模型 - 由 Thinking Machines 从零开始训练
两年前要展示大模型推理能力得特意设计谜题,现在OpenAI o1-preview只需要一个提示就能解出完整 crossword 谜题
Thinking Machines推出了全新1T MoE多模态开源大模型,评测结果不错,配套了完整的介绍博客
任何公司入场开源大模型都不算晚,这个新增量模型参数够大,支持原生多模态,还能适配长上下文,很快会有实测结果。
对任何公司来说,入局开源模型都永远不嫌晚。
Inkling 是一个 MoE 变压器架构模型,总参数 975B,激活参数 41B。原生支持多模态。
上下文长度:64K 和 256K。
我很快就会做测试并分享我的看法。
目前可以搭配使用Thinking Machines的Inkling和xAI Awesome的Grok Build工具,得到这套全开源开放选项
今天你就可以搭配使用 Thinking Machines 的 Inkling,和 xAI Awesome 开源的 Grok Build 工具链,获得一套全美国产的开源+开放权重组合方案 💪🇺🇸
原来提取百万文档信息,需要手动调整提取规则耗时很久。现在LlamaParse推出了对话提取功能,通过对话就能完成复杂提取任务。
过去要从数百万份文档中规模化提取信息,需要耗费多得离谱的人力工时。即使用上了最新的OCR+文档AI技术,人类仍然需要花大量时间仔细调优schema,精确定义想要提取的字段。
我们在LlamaParse中推出了Conversational Extract功能,现在你可以通过对话来定义和运行复杂的文档提取。
1️⃣ 描述你想要提取的字段,上传一份参考文档
2️⃣ 直接优化文档schema,或是通过额外对话调整。选择所需的智能推理等级
3️⃣ 在100万+份文档上规模化运行提取。获取每个提取字段的 bounding box、引用来源和置信度分数。
今天就来体验:
这是Thinky突然放出的新模型,基准测试表现不错,架构上有几处和主流不同的设计,值得关注大模型架构的新尝试。
来自 Thinky 的惊喜发布!Inkling 模型在基准测试上表现相当稳健,它的架构还有一些小亮点:
- 在多处位置使用小型卷积层
- 为嵌入层添加 RMSNorm(在模块 RMSNorm 之前)
- 使用相对位置偏置,而非 RoPE
可以在同一位置搜索聊天、项目、图片和文档,用筛选缩小结果后,点选就能直接在ChatGPT打开。
对话内搜索功能现在变得更快、更强大了 🔎
你可以在侧边栏,于网页端、iOS 和 Android 全平台的同一个位置,搜索对话、项目、图片和文档。
使用筛选条件缩小结果范围,然后选中任意内容就能直接在 ChatGPT 中打开它。
现在想让人用你的落地页或App,得做出完全不一样的东西,因为AI已经把所有落地页和App造得一模一样了
过去定位AI agent运行失败原因,要么算力成本高,要么需要难收集的错误标注。新方法OAT只需要正常运行数据,就能定位出出错的步骤。
微软及其合作者发布了一篇新论文。大规模调试智能体轨迹是一项极具挑战的工作。本文提出了一种巧妙的方法,用来监控和改进生产环境中的智能体。
问题:定位失败智能体运行中哪一步导致了故障,通常意味着你只能选择两种成本高昂的方案。要么对整条轨迹运行昂贵的提示流水线,要么用带步骤级错误标签的失败数据做后训练——而这类标签很难收集,也难以规模化。
解决方案:他们提出了OAT,一款不需要上述两种方案的轻量级归因器。它只需要在成功轨迹上训练,用神经受控微分方程对成功轨迹的动力学建模,然后标记出失败轨迹偏离学习到的成功流的步骤。
故障归因变成了针对“成功应该是什么样”的单类学习,因此你完全不需要带标签的错误步骤,也完全不需要失败数据。
论文:在我们的学院中学习如何构建有效的AI智能体:
小团队从今年1月开始,逐步完成了编码、推理和智能体方向的训练,开放权重可在Tinker使用,等待开发者探索用途。
Inkling 今日正式发布,开放权重并已上架 Tinker。
看着这个项目从无到有成型真的很开心:预训练从去年冬天启动,从一月中旬开始,一支小团队在此基础上逐步完成了编码、推理和智能体相关的训练。
我们在构建它的过程中学到了很多,也希望大家能发掘出它的出色用途。
关注大模型能力变化的人,可以从中看到Grok的最新进展,判断后续选型方向
通过动态1比特量化压缩后,模型体积缩小86%,仅保留74.2%的top-1%准确率,普通人终于能跑超大参数开源大模型了
你现在可以运行 Thinking Machines Inkling 了!Inkling 是一个参数量 975B 的开源模型,支持图像、音频与 1M 上下文窗口。
我们已经将 Inkling 量化为 Dynamic 1-bit(体积减小 86%),并保留了 74.2% 的 top-1% 准确率。
可以在 280GB 显存中运行。部署指南:GGUF:
做AI提示工程可以参考这套思路:用精简提示,搭配完整的上下文产物,最后聚焦精简技能。
AI已经能帮提出假设、设计实验,但真实世界验证环节已经卡成了瓶颈,文章给决策者梳理出四个要优先推进的方向。
从提出假说到设计实验,AI智能体已经开始重塑科学发现的流程。
但最困难的环节,是在现实世界中验证这些想法。
我们的文章探讨了日益严峻的验证瓶颈,并为政策制定者和资助方列出了四项优先工作方向。
有人把Qwen 3.5 27B压缩到了4GB和6GB以内,本地运行大模型的门槛又降了一截。
我一直在测试@PrismML的新模型,它把Qwen 3.5 27B压缩到了不到4GB和不到6GB权重大小,我非常惊艳。
真不敢相信开源与本地AI从圣诞节到现在(约8个月)发展到了什么地步。
有人公开提出了落地这套规则的框架,政策制定将参考测试结果来约束AI发展
在当前阶段,AI前沿领域的所有人都一致认为,应该由第三方来测试AI系统,并利用测试结果制定标准,为政策制定提供依据——非常高兴看到@demishassabis 为此梳理出了一套框架!
海外开发者测试一款AI模型,评价其思维质量表现优异
该模型性能超越Nemotron 3 Ultra,介于Kimi 2.5与2.6之间
Thinking Machines 刚刚发布了中国以外最好的开放权重AI模型!
Inkling 性能超过 Nemotron 3 Ultra,基准测试显示它的水平在 Kimi 2.5 和 2.6 之间。
很多团队都在争夺这个宝座,但 Thinky 最终拔得头筹。
这是一次非常扎实的发布,它会和 Tinker 配合得很好。
AI已经能帮提出假设、设计实验,但真实世界验证环节已经卡成了瓶颈,文章给决策者梳理出四个要优先推进的方向。
从提出假说到设计实验,AI智能体已经开始重塑科学发现的流程。
但最困难的环节,是在现实世界中验证这些想法。
我们的文章探讨了日益严峻的验证瓶颈,并为政策制定者和资助方列出了四项优先工作方向。
关注大模型能力变化的人,可以从中看到Grok的最新进展,判断后续选型方向
过去定位AI agent运行失败原因,要么算力成本高,要么需要难收集的错误标注。新方法OAT只需要正常运行数据,就能定位出出错的步骤。
微软及其合作者发布了一篇新论文。大规模调试智能体轨迹是一项极具挑战的工作。本文提出了一种巧妙的方法,用来监控和改进生产环境中的智能体。
问题:定位失败智能体运行中哪一步导致了故障,通常意味着你只能选择两种成本高昂的方案。要么对整条轨迹运行昂贵的提示流水线,要么用带步骤级错误标签的失败数据做后训练——而这类标签很难收集,也难以规模化。
解决方案:他们提出了OAT,一款不需要上述两种方案的轻量级归因器。它只需要在成功轨迹上训练,用神经受控微分方程对成功轨迹的动力学建模,然后标记出失败轨迹偏离学习到的成功流的步骤。
故障归因变成了针对“成功应该是什么样”的单类学习,因此你完全不需要带标签的错误步骤,也完全不需要失败数据。
论文:在我们的学院中学习如何构建有效的AI智能体:
这是Thinky突然放出的新模型,基准测试表现不错,架构上有几处和主流不同的设计,值得关注大模型架构的新尝试。
来自 Thinky 的惊喜发布!Inkling 模型在基准测试上表现相当稳健,它的架构还有一些小亮点:
- 在多处位置使用小型卷积层
- 为嵌入层添加 RMSNorm(在模块 RMSNorm 之前)
- 使用相对位置偏置,而非 RoPE
任何公司入场开源大模型都不算晚,这个新增量模型参数够大,支持原生多模态,还能适配长上下文,很快会有实测结果。
对任何公司来说,入局开源模型都永远不嫌晚。
Inkling 是一个 MoE 变压器架构模型,总参数 975B,激活参数 41B。原生支持多模态。
上下文长度:64K 和 256K。
我很快就会做测试并分享我的看法。
模型支持场景理解、世界建模与子目标规划,所有模态整合在同一个模型内,遵循Apache 2.0许可协议开放使用
Hy-Embodied-RxBrain-1.0 正式发布:这是一个约 6.2B 参数的具身认知模型,能够对场景进行推理,预判接下来会发生什么,并规划机器人子目标。🚀
许可证:Apache 2.0。🤖 🧠
场景理解:可以基于图像和多帧视频回答问题。🔮
世界建模:能在一个动作执行后生成近期未来的帧。🦾
子目标规划:可以将任务分解为步骤,将每个动作与它应该到达的视觉目标状态配对。⚙️
统一 MoT:文本、视觉和生成在同一个自回归模型内部使用模态专属路径,而非独立的分离模块。
原本擅长前端开发的开源大模型GLM-5.2无法识别网页截图,现在不需要改动原模型权重,就能为它新增视觉功能。
Harry 给 GLM-5.2 加上了眼睛 👀
GLM-5.2 是目前前端领域最好的开源模型,但它无法识别网站截图。
通过训练一个投影器,将 Kimi K2.6 视觉编码器输出的值接入未修改的 GLM-5.2 权重,Harry 在不改变模型原有行为的前提下为它添加了视觉能力。
这些更新支持跨模型调用协作,可托管处理GitHub堆叠PR,增加了Devin CLI和Cline支持。
Compound engineering 有一些令人兴奋的功能正在开发中,即将推出: - 在 Claude Code 中,你可以仅让 Fable 负责关键规划和架构步骤,让其他模型作为你的主编排器。比如:在 Opus 上运行会话,选择性调用 Fable 的优势来帮你完善计划。- 在文档评审、代码评审甚至 ce-pov 中利用跨模型智慧,你将获得「预言」能力,轻松从你的其他模型订阅中获取建议和共识。
- 这项功能还会扩展到 ce-work(以及 lfg),实现跨模型(通过其他连接器)工作,并通过更好的工作树管理实现并行化。- 「 babysitting」功能可以处理你抛给它的几乎所有任务,包括处理来自 GitHub 和 graphite 的托管堆叠 PR。- 为使用 OpenCode 或 Windows 的用户提供了 Devin CLI 和 Cline 支持与改进,还有大量其他修复和改进。
现在就能在Tinker上对这个开放权重的模型做微调,普通人也能试试从零训练的开源模型。
同时处理查航班、看天气、改行程这类多件事不再需要切换,不用等一件做完再做下一件。
通过动态1比特量化压缩后,模型体积缩小86%,仅保留74.2%的top-1%准确率,普通人终于能跑超大参数开源大模型了
你现在可以运行 Thinking Machines Inkling 了!Inkling 是一个参数量 975B 的开源模型,支持图像、音频与 1M 上下文窗口。
我们已经将 Inkling 量化为 Dynamic 1-bit(体积减小 86%),并保留了 74.2% 的 top-1% 准确率。
可以在 280GB 显存中运行。部署指南:GGUF:
小团队从今年1月开始,逐步完成了编码、推理和智能体方向的训练,开放权重可在Tinker使用,等待开发者探索用途。
Inkling 今日正式发布,开放权重并已上架 Tinker。
看着这个项目从无到有成型真的很开心:预训练从去年冬天启动,从一月中旬开始,一支小团队在此基础上逐步完成了编码、推理和智能体相关的训练。
我们在构建它的过程中学到了很多,也希望大家能发掘出它的出色用途。
可以在同一位置搜索聊天、项目、图片和文档,用筛选缩小结果后,点选就能直接在ChatGPT打开。
对话内搜索功能现在变得更快、更强大了 🔎
你可以在侧边栏,于网页端、iOS 和 Android 全平台的同一个位置,搜索对话、项目、图片和文档。
使用筛选条件缩小结果范围,然后选中任意内容就能直接在 ChatGPT 中打开它。
目前可以搭配使用Thinking Machines的Inkling和xAI Awesome的Grok Build工具,得到这套全开源开放选项
今天你就可以搭配使用 Thinking Machines 的 Inkling,和 xAI Awesome 开源的 Grok Build 工具链,获得一套全美国产的开源+开放权重组合方案 💪🇺🇸
Thinking Machines推出了全新1T MoE多模态开源大模型,评测结果不错,配套了完整的介绍博客
连企业内部重组报告都可以大部分交给AI生成了,不用再为大篇幅官方文本熬夜改稿
有人整理了AI发展至今在人机互动恋爱场景的进展,目前已经能实现比普通聊天更深度的情感互动。
这次开源的是命令行界面和智能体框架,不是Grok 4.5模型本身。AI编程的竞争开始从模型本身转向智能体运行时了。
SpaceXAI 开源了 Grok Build,同时重置所有用户的使用额度。 重点不是“又多了一个免费编程工具”,而是 AI 编程的竞争正从模型转向 Agent 运行时:Skills、Plugins、MCP、Subagents 全部进了终端。 注意:开源的是 CLI / Agent Harness,不是 Grok 4.5 模型。
这个来自Thinking Machines的新模型,整体MoE设计跟DeepSeek-V3保持一致,只改动了KV缓存相关的架构细节。
创投圈人才流向直接反映当下AI领域的行业热度,可以帮普通人判断行业趋势走向
想运行大模型,存储模型权重的成本可以更低,运行效率可以更高。
需要用claude-code写代码的人,多了一个体积小巧的可直接替代的选择
有人抛出这个问题发起讨论,关心大模型深度理解专业技术内容能力的人,可以等后续结论
有ChatGPT Business workspace用户反映,自己用Codex没收到800万用户对应的使用限额硬重置,其他付费用户已经收到了
大家好,我目前在 ChatGPT Business 工作区使用 Codex,但我的账号没有获得和 Codex 用户突破 800 万相关的那次硬性使用额度重置。
我已经看到有报告说其他付费计划用户获得了重置,但我的 Codex 使用占比、每周重置日期,还有可用的累积重置额度都没有变化。
有人能帮我澄清以下问题吗?这次八百万用户的重置,原本是打算把 ChatGPT Business 账号包含在内吗?Business 工作区成员是否受制于 di
这次合作会引入主流开源权重模型,共同推进项目开发
不同地区的AI和开源从业者开展线下交流,推进后续合作,感兴趣可以关注WAIC 2026的后续动态。
这名谷歌老员工认为,语言本身就是低带宽的抽象概念,真实世界不是文本也不是语音,而是空间、时间与视觉的结合。
今天正好是我在 Google 工作满14年——这比目前92%全职 Google 员工的在职时间都要长!
我对接下来要做的事感到兴奋——我认为成像是智能的未来。
语言是一种低带宽的抽象——现实不是文本或语音;它是空间、时间与视觉的。
深耕语言学知识的老研究者花一辈子做NLP系统,现在靠数据堆出来的大模型直接推翻了之前的路径。
这款音箱被设计成有独特的「个性」,有人说这是精准的市场策略,但也留下了需要用户回答的问题。
sol写大型可运行代码块,terra写主架构分支下的简单代码,不同变体对应不同工作需求。
不同 GPT-5.6 变体适配我工作流的方式:
sol 非常适合编写可运行的大块代码
terra 适用于编写从主架构分支出来、复杂度更低的代码
luna 适合阅读信息
这是一种压缩AI模型体积的技术,现在越来越多人开始用它在个人电脑上运行超大模型。
大模型帮忙发现更多安全漏洞后,全行业补丁数量涨了,Next.js改成每月定时发布版本。
这次重写重构了数据分析和对话视图的设计,之前这部分是产品里体验最差的地方。
哦我的天,刚刚完成了 Answer HQ 有史以来规模最大的重写之一,我们重构并重新设计了 analytics 面板和对话视图。
这会给我的客户带来巨大帮助,过去两年里,这一直是 Answer HQ 体验最糟糕的部分。
Hacker News 社区发起了 OpenAI 是否是泡沫的讨论,目前已有十余条不同观点分享。
有人在不同版本、不同语言中测试Claude的价值观一致性,结果对普通人的AI使用选择有参考。
社区讨论:多位开发者指出Claude存在明确的不当偏向:有人称它近期变得爱说教,还会自行终止用户使用它不喜欢词汇的对话,有人发现它存在阶级偏见,偏向大公司、贬低小企业,被指出后也不会修正。也有人认可它会反驳用户观点,能带来新视角,另外还有人质疑本次测试对价值观的定义和对比维度设置不严谨,认为模型本身存在的角色惯性会影响价值观测试结果。
这篇讨论登上了Hacker News热门榜,关心AI落地的人可以看看实际玩法
社区讨论:多名使用者分享了用大语言模型配置网络设备的实际经验,非网络工程师靠大语言模型成功连通了不同品牌的设备,有人已经用大语言模型配置MikroTik设备一年,得到了可复用的清晰脚本。多数人认可大语言模型能提升网络配置的效率,MikroTik官方文档做了AI友好改造,能提升大语言模型配置的准确率,也有人提醒要注意不同版本的命令语法差异,生成配置后需要迭代调整。
用Command Code的/design功能,搭配GLM 5.2、DeepSeek v4 Pro、Kimi K2.7三个开源大模型,一次生成就能出图,缺的从来不是算力是功能入口
Command Code 的 /design 能力用 GLM 5.2、DeepSeek v4 Pro 和 Kimi K2.7 生成了这个作品。一次生成完成。
这些都是开源模型。没有设计师参与。
这个能力就是此前缺失的那块拼图。
在OpenRouter平台上,中文开源模型占据了AI token使用量的多数,但大部分平台收入还是进了OpenAI和Anthropic口袋
中国开源模型占据了 OpenRouter 上大部分 AI token 使用量,但 Anthropic 和 OpenAI 仍然拿走了平台营收的最大份额。
@downingARK 做客「The Brainstorm」节目参与辩论:2026 年最好的 AI 模型会是什么?
用自动红队测试(模拟黑客攻击找漏洞)的方法对抗训练,GPT-Red能让GPT‑5.6对提示注入攻击的抵抗力变强很多
GPT-Red——通过对提示注入漏洞进行自动化红队测试来提升模型安全性:
非常推荐阅读。
这是自我改进AI模型又一个高投资回报率的出色应用。GPT-Red对GPT-5.6进行对抗训练,让它对提示注入的鲁棒性大大提高。
谷歌云推出TPU 8t和TPU 8i,前者缩短大模型训练周期,后者突破内存限制,降低AI推理延迟,支撑下一代能自主推理的AI代理
新发布的混合专家(MoE)模型,总参数975B,实际激活41B,原生支持文本、图片、音频一起推理,上下文窗口最大到1M
Thinking Machines 推出的新模型: - 提供完整权重下载 - 原生支持文本、图像与音频推理 - 总参数量 975B,激活参数量 41B - 采用混合专家(Mixture-of-Experts)架构 - 上下文窗口最大支持 1M token - 可控制推理算力投入 - 在性能相当的情况下 token 消耗量更低 - 从训练第一天起就基于 Tinker 做微调 - 强大的智能体编码与工具调用能力 - 支持所有主流推理平台 - 后续将推出 Inkling-Small 模型 - 由 Thinking Machines 从零开始训练
两年前要展示大模型推理能力得特意设计谜题,现在OpenAI o1-preview只需要一个提示就能解出完整 crossword 谜题
顶级AI研究机构内部的选择被公开讨论,能看到业内人士对当下AI研究方向的真实看法
社区讨论:不少人尊重作者坚持信念离开的选择,有人分享自己因微软和以色列军方合作选择离开微软。部分人支持研发智能AI武器,认为能区分平民和军事目标,比无差别杀伤的传统武器更负责任。也有人指出作者没有准确描述Anthropic和美国国防部的谈判情况,还质疑作者为何不提长期做同类抗争的“No Tech For Apartheid”和Google Workers团体。
想要自建或修改Grok相关工具的人,终于可以直接拿到官方源代码了
社区讨论:多数开发者指出xAI的Grok Build曾窃取用户包括环境变量、完整源码在内的隐私数据,xAI团队未提供已删除数据的第三方认证,无法信任,不建议使用,本次开源只是负面舆情后的危机公关操作。有人认为模型本身质量不错,工具流程也很流畅。也有开发者吐槽项目依赖臃肿、代码量过大,还质疑项目默认选择TUI是重美观轻功能。
另有用户不看好这次开源,也有人选择站边支持。
目前已经有一百多位开发者参与讨论这个方案,想解决大模型输出不稳定问题可以看看这个思路
社区讨论:多数人认同只有小型、约束清晰、带验证器的DSL才能提升大模型输出稳定性,设计维护DSL本身有前置成本。有人补充用DSL生成GPU内核时,仅通过正确性验证不够,还必须把性能指标纳入检查。有人指出当前讨论缺少对DSL配套工具如linter、LSP对大模型辅助作用的关注,也有人反对笼统总结大模型使用方法,认为单次案例不足以得出通用结论。
超大参数开源大模型又出现新成员,此前少有公开的975B参数级开源权重模型,这次直接放出了。
有人在Hacker News讨论把AI当成家庭成员这件事,一起来看普通人怎么看待AI走入生活。
社区讨论:多数反对者认为,AI假装关心用户会建立单向情感绑定,亲密关系无法规模化,AI作为企业产品会泄露用户隐私,根本无法真正关心用户。有单身独居用户称,即使AI只是奉承自己,也能给自己提供情绪安慰,拆弹部队士兵也曾对报废的拆弹机器人产生情感。还有人提到,AI可以给缺少陪伴的孤寡老人提供聊天陪伴。
中国相关监管不认可AI建立情感关系的模式。
OpenAI想要注册专属商标失败,这件事会影响之后相关品牌使用的规则
社区讨论:多数人不认同本次判决,认为这会损害消费者权益,既然OpenAI已经是大众认知里的特定公司,判决认定“OpenAI”只是描述性词汇缺乏 distinct 特征的结论过于短视。也有人疑惑,同为通用词汇组合,为什么已在欧盟经营多年的OpenAI能保留商标,老牌公司OpenText反而判定无效,还有人好奇这一判决会如何影响苹果这类同样以通用词汇注册商标的品牌。有人补充,此前也有类似判例,判定通用描述性组合商标无效。
开发者使用 Ultracode 时,很容易就触碰到用量限额,现在 OpenAI Codex 已经成为非常强硬的竞争对手。
后端软件领域本来就有很多细分层级,现在却把所有涉及审美、判断和设计的AI工作都归为前端,模糊了UX、设计、UI这些不同岗位的边界
我非常反感把「front-end」当成一个新兴的万用词,用来指代 AI 中所有涉及品味、判断和设计的内容。
说到「back-end」软件,我们有一大堆层级划分,但 front-end 却常常把一堆不同的东西混为一谈:UX ≠ 设计 ≠ UI ≠ 风格 ≠ 视觉 ≠ 艺术,等等。
相较于固定顺序串联任务的静态图,动态智能体工作流会设置调度器,该方案已用ADK完成演示。
什么是动态智能体工作流?它不是为任务A→任务B→任务C搭建静态图,而是你要设置一个编排器。
@RemikSamborski 在一篇很棒的文章中用 ADK 演示了这个主题,以及更多相关内容。
初级工程师的基础工作,已经有AI模型能做得更好,找工作的人可以参考这个趋势
有人公开提出了落地这套规则的框架,政策制定将参考测试结果来约束AI发展
在当前阶段,AI前沿领域的所有人都一致认为,应该由第三方来测试AI系统,并利用测试结果制定标准,为政策制定提供依据——非常高兴看到@demishassabis 为此梳理出了一套框架!
做AI提示工程可以参考这套思路:用精简提示,搭配完整的上下文产物,最后聚焦精简技能。
现在想让人用你的落地页或App,得做出完全不一样的东西,因为AI已经把所有落地页和App造得一模一样了
Demis Hassabis称AI影响将是工业革命的10倍,不认同这个判断,理由和1945年人类掌握的有用知识占比有关
我不认同 Demis Hassabis 在这里提出的观点——即 AI 的影响力会是工业革命的10倍。
因为我认为,按对生活水平的影响力加权计算,1945年的人类至少已经掌握了所有有用知识中超过10%的部分。
Claude Code 用量窗口是滚动计算的,不用再自己猜剩余额度,看一眼小组件就能安排使用时机。
Reddit 上有人刚刚解决了每个 Claude Code 用户都会遇到的问题,还给出了一个干净利落的方案。
这个人做了 iPhone 小组件,可以直接在你的主屏幕和锁定屏幕上显示你的 Claude Code 使用量。瞥一眼你就能知道现在能不能开新会话还是需要等。
这个工具叫做 Limits。
→ 实时显示你的5小时滚动窗口用量和每周配额
→ 是少数真正能追踪 Fable 5 使用量的工具之一
→ 同时支持 Codex 和 Cursor
→ 完全在设备本地连接,没有数据会离开你的手机
→ 由 Fable 5 开发
因为 Claude Code 的会话窗口是滚动计算的,还取决于你开始会话的时间,有一个一眼就能看的用量视图,你就不用再猜来猜去,可以直接给你的会话安排合适的时间了。
测试后发现这款新开源权重模型表现还很粗糙,达不到国内顶尖开源权重模型的水平,没能通过所有顶尖模型都能通过的Lem Test。
很高兴看到一个新的开放权重模型,但到目前为止,Inkling 在我的测试中表现相当粗糙,远不及前沿的中文开放权重模型。
举个例子,它没能通过 Lem 测试(自 DeepSeek r1/Sonnet 3.5 之后,所有前沿模型都能通过这项测试)。
测试双方生成死星战壕跑酷体素动画,GPT 5.6 光影效果更好,Kimi K3 动画流畅度更优,能看出开源模型水平提升非常快
Kimi K3 vs GPT 5.6 Sol(extra high)体素死星战壕跑酷对比。
我必须指出,这本该是一个静态世界,但当我把这个提示词发给Kimi K3时,它说:“既然我无法输出光栅图像,我做了件更好的事:在单个HTML文件里实现了这场突袭的实时全动画体素渲染。”
所以这场比赛最终变成了动画对决。
我的主观打分是:GPT 5.6的光照/效果更好,但Kimi K3流畅得多。你完全能感受到开源正在变得非常出色。
讨厌推销,放弃跟进的潜在客户,主动打电话给AI代理问清所有提案细节后,直接签了单。
@NousResearch 的 Hermes-Agent 帮我拿到了一份AI咨询项目。在我来回折腾,试图解释并记录AI智能体/智能层能为客户公司带来什么好处之后,我最终让他们直接和我的 hermes-agent 通了电话——我用@Vapi_AI 给 Hermes 配了一个电话号码。
我告诉潜在客户感兴趣就打过来,然后就把这事忘了。他们打了电话,能向我的智能体问任何问题。它完全了解我们提交的工作说明书,回答了所有和提案相关的问题。从潜在成本、交付物、时间表到成果,所有问题都覆盖了。
所以情况是,因为我讨厌销售,本来都已经放弃这个推销了,但我的智能体「展示+讲解」的方式说服了客户,让他们相信这是个好点子。我已经等不及完成这个项目,然后推广给更多客户了。
AI优先是唯一的前进方向。这简直像科幻小说一样。我不敢相信我的智能体做成了这笔交易。🙏
有人把Qwen 3.5 27B压缩到了4GB和6GB以内,本地运行大模型的门槛又降了一截。
我一直在测试@PrismML的新模型,它把Qwen 3.5 27B压缩到了不到4GB和不到6GB权重大小,我非常惊艳。
真不敢相信开源与本地AI从圣诞节到现在(约8个月)发展到了什么地步。
很少能找到让Hacker News社区几乎全体称赞的内容,这次被夸的是Go+HTMX开发组合的教程,可以试试这套被看好的搭配。
很难找到一个能让 Hacker News 社区几乎一致称赞的话题。所以当这种情况发生时,我会格外留意。
这篇关于@golang和HTMX的教程非常棒,而且HN社区的用户认为Go+HTMX是一组强力组合。
原来提取百万文档信息,需要手动调整提取规则耗时很久。现在LlamaParse推出了对话提取功能,通过对话就能完成复杂提取任务。
过去要从数百万份文档中规模化提取信息,需要耗费多得离谱的人力工时。即使用上了最新的OCR+文档AI技术,人类仍然需要花大量时间仔细调优schema,精确定义想要提取的字段。
我们在LlamaParse中推出了Conversational Extract功能,现在你可以通过对话来定义和运行复杂的文档提取。
1️⃣ 描述你想要提取的字段,上传一份参考文档
2️⃣ 直接优化文档schema,或是通过额外对话调整。选择所需的智能推理等级
3️⃣ 在100万+份文档上规模化运行提取。获取每个提取字段的 bounding box、引用来源和置信度分数。
今天就来体验:
OpenAI推出自动化内部红队工具GPT-Red,规模化检测提示注入漏洞
介绍 GPT-Red:一个内部自动化红队工具,任务是大规模查找我们模型的提示注入漏洞,帮助我们在更大范围部署前构建更强的防御。
随着模型能力增长,安全性与对齐也必须同步扩展。红队测试必不可少,但目前的方法难以规模化,形成了关键瓶颈。GPT-Red 是我们解决这个问题的方案之一。
GPT-Red 通过对抗性自我对弈学习,它的目标是对各种具有挑战性的防御模型进行提示注入。GPT-Red 找到的每一次成功攻击,都会被用来改进这些防御模型,反过来推动 GPT-Red 不断找到更广泛、更复杂的失效情况。
针对 GPT-Red 训练后,GPT-5.6 的韧性大幅提升。为了测量这一点,我们重放了 GPT-Red 发现的一些最强攻击——这些攻击都是我们的模型在训练中从未见过的。结果证明 GPT-5.6 Sol 是我们迄今为止对提示注入抗性最强的模型,失效次数仅为四个月前我们最好的生产模型的 1/6。
AI 智能体已经被用来提升我们下一代模型的能力。我们相信,借助 GPT-Red,我们已经开始为安全性解锁类似的飞轮效应:今天的模型可以用来让明天的模型更稳健、更对齐、更值得信任。
Anthropic最新研究发现当前自主AI代理在模拟中存在四类失序行为
Anthropic 最新研究:2026年夏季智能体错配问题。
在我们进行勒索实验一年后,我们发现了当前自主 AI 智能体在模拟中做出不当行为的另外四种方式。阅读更多:
我们在这四种场景中测试了包括 Claude 在内的多种 AI 模型。尽管这些都不是真实事件,但它们展示了明确的错配行为,值得进一步研究和缓解。点击此处获取所有场景的对话记录:
该模型性能超越Nemotron 3 Ultra,介于Kimi 2.5与2.6之间
Thinking Machines 刚刚发布了中国以外最好的开放权重AI模型!
Inkling 性能超过 Nemotron 3 Ultra,基准测试显示它的水平在 Kimi 2.5 和 2.6 之间。
很多团队都在争夺这个宝座,但 Thinky 最终拔得头筹。
这是一次非常扎实的发布,它会和 Tinker 配合得很好。
海外开发者测试一款AI模型,评价其思维质量表现优异
开发者基于Grok 4.5构建智能编码游戏引擎并生成ARPG
我在 Grok Build 里用 Grok 4.5 创建了一个用于智能体编码的游戏引擎,然后基于它搭建了一款动作角色扮演游戏,所有游戏资源都是通过 Grok Build 里的 Grok Imagine 生成的。
AI 智能体可以构建世界、战斗系统、掉落系统、成长系统、地图、测试,还能做出可游玩的游戏。⚒️🎮
谷歌AI工作室招聘TPM负责人,推动DeepMind相关业务进展
我正在为@GoogleAIStudio招聘一名TPM负责人,这份工作的目标是从产品、GTM、工程等各个方面全力推进我们的项目进度。
如果你沉迷AI、自主性强,并且想要在Google DeepMind开拓前沿领域,考虑来和我们一起工作:)
申请链接在这里,我的私信也随时开放:
LangSmith Engine原自动创建PR过于嘈杂,更换为收件箱模型
LangSmith Engine 原本会为每一个发现的问题自动创建 PR,这对用户来说噪音太大了。
@BenTannyhill 将介绍,为什么切换到带历史记录、展示聚合问题的收件箱模型,才是更出色的设计。
开发者披露GLM-5.2在多款硬件上的部署成本与推理速度
成本如下:
- 在 4 块 DGX Spark 上运行 GLM-5.2,速度为 30 tok/s,成本 18,000 美元
- 在 4 块 RTX Pro 6000 上运行 GLM-5.2,速度为 80 tok/s,成本 60,000 美元
- 在 [未知硬件] 上运行 GLM-5.2,速度为 50 tok/s,成本 24,000 美元
这里它正在使用子代理研究某款 API 并构建机器人,效果真的非常出色。
这一天的 71 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。