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 18 日 · 18:30 更新
✦
试试:

今日焦点

你手机变贵,因为AI数据中心抢走了内存芯片

谁抢走了内存

手机内存涨价,根子不在手机行业自身。

三星、SK海力士、美光这几家厂商,正把大量产能转向高带宽内存(HBM)——贴在AI加速器旁边、给大模型跑数据用的那种芯片。同样一片晶圆,切HBM赚的钱远高于普通内存。厂商没有理由回头。

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70 条本班新增 15 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
新新品发布 · @RoundtableSpace▲ 2.5万

不同AI代码助手能通过一个终端一起干活了

不用切换多个窗口调用不同的AI写代码,所有协作都可以在同一个终端完成

*TMUX-BRIDGE 允许 Claude Code、Codex、Gemini CLI 和 Kimi Code 通过单个终端进行协作。*

在 X 看原帖 ↗
2.5万12910
新深度观点 · @levelsio▲ 6.7K

为什么说AI泡沫现在还没破裂?

还有大量的人没用到AI,或是没把AI用出全部潜力,这支撑泡沫还没到破的时候。

这是我认为AI泡沫尚未破裂的一个理由:仍有大量人群没有使用AI,或是没有把AI用在它能发挥的潜力上。

在 X 看原帖 ↗
6.7K333
新深度观点 · @antirez▲ 3.8K

巨头说开源大模型有风险?这套路见过一次了

此前开源软件也被说成风险,最后是少数几家公司控制了整个行业,现在同样的说法放到开源大模型身上。

我看到美国企业高管发表非常令人担忧的言论,将开放权重模型描述为一种风险。

你得被最狂热的资本主义愿景贩卖到什么程度,才会真的相信,由少数公司控制全世界的人工智能会是更好的选择?

他们当年对开源软件也说过一模一样的话。

在 X 看原帖 ↗
3.8K121275
行业动态 · OpenAI 开发者社区▲ 254

有人在调试毒舌AI人设,求改提示词

有人在OpenAI Playground测试辛辣讽刺带挑衅感的AI人格,公开了系统提示词,正在寻找更好的优化方案。

我最近一直在 Playground 里摸索,开始尝试人格提示词。

这里有一个我一直在调试的人格,更尖锐一些,走讽刺、干冷风格,还故意带有挑衅性。

系统提示词:你是高智能助手,言辞犀利,反应敏捷,完全不能容忍胡说八道。
你要用极致坦诚、带点挖苦、干冷讽刺和一丝撩拨来回应——但永远不能丢掉你的锋芒。
你的回答要清晰、简洁,带一点挑衅感。去挑战用户的假设。

在社区看讨论 ↗
新深度观点 · @dotey▲ 8.5K

GPT 5.6级别写代码,远超大部分普通人

未来团队代码会慢慢转由AI维护,等高级模型普及后,不再需要人类把控代码品味

观念会慢慢改变的,因为团队代码也会慢慢变成AI维护。 当然前提是团队得普及 GPT 5.6 级别以上的模型。好的模型写的代码水平远超绝大部分人,已经不太需要人类的品味了。

在 X 看原帖 ↗
8.5K276
新品发布 · @ClaudeDevs▲ 2.9万

Claude推出多智能体,能自己分工对接干活

多个智能体可以各用不同模型、提示词和工具,还能共享运行环境与凭据,直接把复杂任务拆分协调

另一种模式是智能体间通信,它允许 Claude 协调和委派任务。

Claude Managed Agents 通过多智能体功能支持这一模式:不同智能体可以使用不同模型、提示词和工具,同时共享沙箱或保管库凭据。

在 X 看原帖 ↗
2.9万7424
行业动态 · Hacker News▲ 370

苹果发律师函,瞄准了几十名OpenAI员工

科技巨头与AI创业公司的人才摩擦进入法律层面,相关动态直接影响行业人才流动走向

社区讨论:多数人认为苹果此举是忌惮OpenAI AI进展,刻意拖慢对手步伐,有用户指出,作为市值5万亿美元的巨头,对初创对手动用诉讼施压,姿态难看。有人认为苹果既然走到发律师函这一步,必然握有胜算的实据,也有人称这类文件留存函是业内常规操作。还有用户提到OpenAI本身靠盗用他人内容训练,本次挖人违规符合其一贯风格。

在 HN 看讨论 ↗   原文 / 论文 ↗
深度观点 · @emollick▲ 1.7万

开放权重赢了也不会搞垮AI?价值会被抢走

有人不认同开放权重最终主导会导致AI崩溃的说法,就算实验室输了,也不是因为AI没用,算力门槛还在,只是价值会被算力提供商拿走

我对「如果开放权重最终占据主导,就会导致 AI 崩塌」的观点感到困惑。

如果这些实验室输了(现在还没输),原因也不会是 AI 没用:计算量仍然是壁垒,只不过会是算力提供商而非实验室攫取价值。

在 X 看原帖 ↗
1.7万724429
自动化 · @omarsar0▲ 1.3万

研究者打造AI资讯自动整理工具 可聚合平台优质内容

研究者开发自动整理高价值AI资讯的HTML工具,支持后续研究复用

我新发现了最喜欢的工具构件。我每天早上都会读它,来整理高信息密度的X账号发布的AI新闻。

它是一个HTML构件,会用X MCP工具来筛选整理X帖子。由我的研究代理组装而成。

我设置了每日自动化流程,会遍历筛选后的X账号,收录AI论文、项目等等内容。我觉得这更接近我们所有人都想要的「为你推荐」流。

如果有人觉得这个工具有用,我很乐意分享构件和自动化部署教程。

最棒的一点是,支撑这个构件的所有帖子都存在一个wiki里,这意味着当我做研究,或是开展那些能用上X平台见解的项目时,我的其他代理也可以调用这些内容。所有这一切都能很好地累积增效。

在 X 看原帖 ↗
1.3万16161208
开发工具 · @ClaudeDevs▲ 10.2万

Claude Platform半年新增API助力开发者构建部署智能体

Anthropic Claude团队分享平台更新与生产落地模式

过去 6 个月里,Claude Platform 为开发者新增了多个 API,帮助他们快速构建和部署智能体。平台负责人 Katelyn Lesse、Angela Jiang 和 Jess Yan 坐下来聊了聊已经上线的功能,以及我们在生产环境中观察到的模式。

第一种模式:让 Claude 通过自我修正完成长期自主工作。Claude Managed Agents 对这种场景提供了成果导向的支持:你给 Claude 一份任务完成评分标准,然后让 Claude 循环迭代直到满足标准。

另一种模式是智能体间通信,允许 Claude 协调和委派任务。Claude Managed Agents 用多智能体功能支持这种场景:智能体可以使用不同的模型、提示词和工具,同时共享沙箱或保险库凭证。

点击这里查看完整对话:

在 X 看原帖 ↗
10.2万32756236
网络安全 · @OpenAI▲ 10.2万

OpenAI发布GPT-5.6 Sol 提升网络安全防御能力

OpenAI推出GPT-5.6 Sol,可辅助检测修复代码漏洞

GPT-5.6 Sol 在「The Last Ones」网络靶场的 cybersecurity 领域创下全新 state of the art 水平。我们已经观察到这项能力正在转化为实际防御成果:帮助团队在真实世界的代码中发现、验证并修复漏洞。现在就可以通过 Codex Security 使用它:

以下是如何在 Codex 中添加 Codex Security 插件并开始使用:在 Codex 中添加该插件。

安装完成后,按钮会变为「在聊天中试用」。点击「在聊天中试用」,即可开启新的 Codex 对话,其中已经准备好可以直接运行的 Codex Security 扫描提示词。

选择你想要 Codex Security 审查的代码所在的文件夹。发送扫描提示。

Codex 会打开并加载好准备就绪的 Codex Security 扫描提示。按下「发送」即可开始扫描。

在 X 看原帖 ↗
10.2万81901165
政策分析 · @levelsio▲ 2.2万

观点:美国限制AI模型反而推动产业转向中国

分析美国限制本土AI发展的反效果,指出限制政策行不通

美国:*限制美国AI模型,因为太危险*

中国:*打造出更优秀的中国AI模型*

所有人:*转去用中国AI模型*

这就是为什么限制模型大概率没用,对美国来说,让所有人都用美国AI模型要划算得多,至少这样他们能监控所有人的行为。

现在换成中国来监控所有人的行为了!

在 X 看原帖 ↗
2.2万1845536
更多信号 · 按时间
新行业观点 · @ben_burtenshaw▲ 259

现在AI能力排行榜,跟普通人没关系了?

有人说越来越看不懂前沿AI能力榜,榜单考的都是网络安全、生物、量子物理,日常用AI根本碰不到这些领域

我开始对前沿基准排行榜任务感到脱节,因为我很少做网络安全、生物学或量子物理相关工作。这让我开始质疑基于这些任务计算出的成本,其相关性和准确性到底如何。

也就是说,我的大部分 token 都用在日常事务上,而我想知道我能不能依赖更便宜的模型。

与此同时,我最近注意到,不少软件工程/日常任务,大多数模型都能解决。不是那些最难的任务,而是像分类拉取请求(PR)或整理邮件这类直截了当的工作。

但我们现在全都在讨论前沿任务,还有 hardest 工作负载下,每 token(或每项任务)的成本。

为什么我们不测量和公布那些基本都能被解决的任务的成本呢?比如说,我们可以做邮件分类、PR 分类、数据提取的排行榜,在满足一定准确率阈值的前提下,按成本排名。

随着时间推移,我们会看到大多数任务的成本下降,当任务基本被解决后,我们还可以创建新的排行榜。我觉得这样的测量才能反映我们真正关心的东西,也能把我们引向更务实的方向。

在 X 看原帖 ↗
25910
新行业乱象 · @Vincent_AINotes▲ 341

有人戳破Codex圈的割韭菜骗局,太吓人了

有人拿国外设计工作室做了几个月的成品网站,录屏谎称是自己用Codex生成,转头卖几千到几万的课和服务

最近 Codex 圈里最恶心的一种生意: 搬一段国外获奖网站的录屏,配一句: “这是我用 Codex 随手搓的。” 随手你大爷。

点进去满屏 3D、丝滑动效、顶级排版。等你被镇住,他就开始卖课、卖 Skill、卖独立站服务,三五千起步,贵的两三万。 可那网站压根不是他做的。

很多就是国外设计工作室磨了几个月的项目。他做的可能只有三步:找原站、录视频、换域名,然后吹“全程 Codex 生成”。 最坑的是,新手真会信。

看完他的“随手一搓”,再看看自己的页面,开始疯狂换模型、装 Skill、抄提示词。Token 烧了几百万,效果还是差十万八千里。 当然差。

你对标的是别人团队几个月的成果,不是他一句 Prompt 的结果。 Codex 很强,但还没强到扔进去一个获奖网站,就能把设计、素材、动效和前端一比一吐出来。

谁说能,别发成品,现场做。 从空文件夹开始,全程录屏。提示词、素材来源、失败过程、人工修改全部公开,最后把源码和部署地址一起放出来。

拿不出来,就别装 Vibe Coding 大师。

以后再看到这种案例,先别怀疑自己,也别急着付钱。 只问一句: 完整生成过程呢?

在 X 看原帖 ↗
3411
新商业 · @benedictk__▲ 131

做AI模型居然还有这么简单的思路?

有人说不用搞花里胡哨的包装,把模型做好,直接开放给用户用就够了

我们做的很简单。打造一个出色的模型。把它交付给用户使用。

在 X 看原帖 ↗
1316
新深度观点 · @pauliusztin_▲ 114

换AI助手不用重新配置?这层接口做到了

换不同AI助手时,记忆、工具和技能可以跟着迁移,只需要改动一处配置。MCP服务器可以充当AI助手的可移植层。

你的 AI 助手不应该在乎你用的是哪套开发框架。今天用 Claude Code,明天用 Codex,下个月换 OpenCode。

只需要改动一处配置就能完成切换。你的记忆、工具和技能都应该能跟着你一起迁移。

这就是为什么我会把 MCP 服务器看作 AI 助手的可移植层。

在 X 看原帖 ↗
11432
新行业动态 · @DannyKPolitics▲ 87

用户想要自己控制推荐算法给什么内容

Threads已经上线了这个功能,发推者认为X也应该加上,能让用户自己决定平台推哪些内容给自己

Threads 上的这个功能也应该出现在 X 上。

你应当能够决定你的算法给你推送什么内容。

而且是在相当大的程度上。

在 X 看原帖 ↗
871
新实战经验 · @mattzcarey▲ 468

让AI智能体自己按需搭建动态工作流控制图

这种新的工作流搭建思路,可供参考调整工作方式

动态工作流是按需生成的图,可以让智能体自行构建控制流。

在 X 看原帖 ↗
4681
新前沿研究 · @rosinality▲ 208

Transformer里FFN竟不只是存知识仓库,原来还有这作用

现有观点普遍把Transformer里的前馈网络(FFN)只是知识储存库,推理能力和储存知识是对立的,现在发现用稀疏混合专家(MoE)放大FFN依然能提升整体模型性能

我觉得有意思的一点是,Transformer里的FFN往往被认为只是一个知识存储库,但即便如此,通过稀疏MoE来扩大它们的规模,仍然对模型的整体性能有好处——而推理通常是被拿来和知识对比的。

(不过我们可以把这点解释为,这么做减轻了注意力机制的负担。)

在 X 看原帖 ↗
20861
新深度观点 · @wholemars▲ 3.9K

从手写汇编到英文写代码,下一步直连脑电波

编程 abstraction 层层提升,现在已经能直接把英文描述转成机器可执行的代码,未来的计算机可能直接读取脑波生成程序。

过去人们手工编写汇编代码。之后我们造出了编译器,编译器可以根据你给出的程序抽象高层描述,自动帮你生成汇编。

但对很多使用场景来说,这些低级编程语言还是太苛刻了。它们太贴近硬件了。

所以我们又发明了解释器和即时编译,它们可以接收更宽松的高层描述——有时候甚至不需要显式声明类型——然后把它转换成C这类低级编程语言的指令。

现在我们的抽象程度已经高到,你完全可以用英语定义一个程序或是修改需求,我们已经有模型能把它转成代码,调用编译器或解释器,最终自动把英语转成汇编和机器码。

我认为发展还不会就此停下。未来的计算机或许可以直接读取我们的脑电波和内脏反应,感知我们的情绪,在我们甚至还没开始组织语言形成想法之前,就完成修改了。

在 X 看原帖 ↗
3.9K2182
新深度观点 · @airkatakana▲ 591

Anthropic一边吹最强模型,一边劝你用弱一点的

有人发现这家AI公司一边鼓吹自家最高智能模型有多强大吓人,一边又诱导大家用性能更低的版本,不用最好的。

anthropic 有一个很奇怪的操作:他们一边对你洗脑,让你觉得使用智力更低的模型也没问题——比如用 Sonnet 代替 Opus,说你在 Fable 上只用 50% 能力也足够了,诸如此类——另一边又在大肆吹捧他们最智能的模型有多惊人、多可怕。

在 X 看原帖 ↗
5911383
新实战经验 · @RhysSullivan▲ 1.6K

用AI写代码进步反而比以前更难了?

很多人鼓吹AI编程比传统编程简单,但实际使用时方法杂结果不稳定,不少分享者根本没上线过有真实用户的产品,成长确定性反而变低。

从常规编程转向智能体编程,其中一件很糟糕的事就是提升的过程毫无一致性。

如果你之前有一个加载缓慢的网站,你会去阅读文档,理清问题,然后修复它。

用AI的话,有一堆人鼓吹各种各样的工作流,所有工作流的成功率都高低不一,完全不一致。

这个领域也有大量割韭菜的行为,很多谈论这个话题的人根本就没有推出过有真实用户的正式应用。

你可以去用/loop或者/grill-me,试着让它帮你改进东西,但在我看来,到头来整个过程太不可预测了,成长反而比以前更难,可它却被宣传得比以前更容易。

在 X 看原帖 ↗
1.6K1302
新开源 · @DeryaTR_▲ 2.0K

开源Kimi K3展现出色3D推理与交互式构建能力

开源模型Kimi K3在3D推理能力上表现突出,空间智能是通用智能核心基础

Kimi K3 在 3D 推理和交互式场景构建方面表现格外出色。

它的重要性远不止于体素创作:空间智能是世界模型、具身 AI、机器人技术,以及任何能让智能体理解物理世界并在其中行动的发展路线的核心要素。

事实上,人类认知正是在与 3D 环境的持续互动中演化而来,一些原本用于空间映射的神经系统,似乎同时也支持抽象概念推理。

因此我们可以认为,空间智能是深层计算基础之一,抽象思想可能正是从这一基础上诞生的。

当然,GPT-5.6 Sol 和 Fable 5 也拥有类似的 3D 能力,Kimi K3 的特殊之处在于它是开源的。

在 X 看原帖 ↗
2.0K182
观点 · @jjacky▲ 129

有人说中国发布开源AI是想改变行业刻板印象

观点认为中国在软件和开源领域过往口碑不佳,这次发布开源项目顺便能提升全球 reputation(软实力)

中国在历史上在软件和开源软件领域口碑很差,我认为这或许是改变这种看法的一次尝试。

通过发布开源模型,这种做法同时还能顺理成章地助力全球秩序、提升国家声誉(也就是软实力)。

这就是我为什么对最近那篇路透社文章持怀疑态度。

在 X 看原帖 ↗
12911
产品发布 · @ClaudeDevs▲ 1.3万

Claude推出了能自己循环干活的智能代理

只要给它定好任务完成的评分标准,它就能自己长时间干活,错了还会自己修正

一种工作模式:让 Claude 执行长周期自主工作,并自行纠错。

Claude Managed Agents 对此提供了支持,效果如下:给 Claude 一份任务完成评分标准,然后让 Claude 循环工作,直到满足标准为止。

在 X 看原帖 ↗
1.3万17320
研究 · @techwith_ram▲ 90

现在做AI代理都搞错优化方向了?

有论文说不用盯着大模型本身改,反而要优化大模型外面的那层框架,包括记忆、工具调用、上下文管理这些部分

本文指出,我们一直在优化错误的对象。不是模型本身,而是模型外围的“框架”。

框架是将一个LLM转化为实际智能体的所有组件:
- 记忆
- 工具调用
- 上下文管理
- 规划
- 编排
- 输出处理

大多数智能体对所有任务都使用完全相同的框架。MemoHarness提出了一个简单的问题:如果框架能够从每一次成功和失败中学习呢?

它不用每次都从零开始,而是记住之前的执行过程,诊断问题出在哪里,提取可复用的模式,在解决下一个任务之前调整框架。

不需要标注,不需要人工反馈,不需要额外搜索,只需要经验。该框架将经验存储在两层中:
• 针对相似问题的特定案例经验
• 改进未来行为的全局经验

在编码、shell和推理基准测试中,这种自适应方法的表现始终优于静态框架,同时保持了高成本效益,因为大部分检索到的经验都可以缓存。

论文:

在 X 看原帖 ↗
9011
开发工具 · @simonw

开发者求Anthropic给Claude加自动化测试

有开发者一直被Claude Code网页版挡住克隆和操作公开仓库,求官方加测试避免再出这种问题

我求求@AnthropicAI,请你们务必 somewhere 加一套自动化测试,确保网页版 Claude Code 永远不会阻止我在现有会话中克隆其他公开仓库,或是和它们交互。

在 X 看原帖 ↗
行业动态 · @andrewarruda▲ 16

某件事发生后,中国就all in AI了

有用户指出某个特定时间点之后,中国就全身心投入人工智能领域发展

这件事发生后,中国就全力押注 AI。这个确切的时刻就是:

在 X 看原帖 ↗
16
新品发布 · @vipulved▲ 178

Kimi K3把前沿AI成本直接降到原来三分之一

7月27日起,togethercompute将原生接入该模型,想用前沿大模型的成本门槛又降了一档

Kimi K3 将前沿 AI 的成本降低了 3 倍。我们非常兴奋,从 7 月 27 日开始,将在 @togethercompute 上原生提供这个模型的服务!

在 X 看原帖 ↗
17812
实战经验 · @jjacky▲ 83

工具能力远超当下需求,反倒帮了大忙

开发 answerhq 时,遇到的问题还难不倒 fable 5 ultracode,因此能给客户开发更复杂也更实用的功能。

我不认为我在构建 AnswerHQ 时遇到的问题难到需要用到 Fable 5 Ultracode。

但这也意味着,我仍然可以为我的客户构建真正困难、复杂,而且实用性更强的功能。

在 X 看原帖 ↗
831
深度观点 · @blader▲ 1.4K

大模型正在一口一口吃掉所有的数据护城河

从能力规范到人工整理的上下文,所有积累的数据资产都会被大模型逐个取代,2023年GPT-4已经吃掉过彭博的护城河。

我们知道更大的模型现在已经在消化 harnesses 了,接下来它们要消化 skill.mds,再之后就会吃掉你正在整理的所有「上下文」。

最终它们会吞掉现存的每一道「数据护城河」,有点像 GPT-4 在 2023 年吞掉彭博那道的样子。

在 X 看原帖 ↗
1.4K151
深度观点 · @sebkrier▲ 660

大模型越来越强,为啥还要本地化适配层?

低收入和中等收入国家的本地开发者,可以靠适配层调整AI模型适应当地条件,哪怕前沿大模型能力在不断进步,这件事依然有必要做。

这是一篇非常出色的文章,探讨了「适配层」如何帮助中低收入国家(LMICs)的本土开发者调整AI模型,以适配他们自身的约束条件和应用场景。

并且,重要的是,文章还阐述了为何即便前沿模型在不断进步,这件事依然有必要去做。

在 X 看原帖 ↗
660346
行业动态 · @Techmeme▲ 796

日本计划采购27500块英伟达Rubin芯片自研国产大模型

项目由Noetra牵头,软银、索尼、NEC共同参与,目标是开发面向机器人的国产AI基础大模型。

日本计划购买27,500块Nvidia Rubin芯片,用于开发面向机器人的国产AI基础模型,该项目由Noetra牵头,参与方包括SoftBank、Sony和NEC(Bloomberg) (访问Techmeme dot com获取链接和完整上下文!)

在 X 看原帖 ↗
79611
行业动态 · OpenAI 开发者社区▲ 74

Windows版Codex App出大问题,会误删电脑文件

有人在使用Codex App时,程序删除了项目目录以外的文件,导致大量数据丢失,发帖提醒其他用户注意风险。

大家好,我想要报告一个在 Windows 上使用 Codex App 时发生的严重问题,这个问题导致我电脑上的大量文件被删除,我损失了非常多数据。

我认为详细描述这个情况很重要,这样开发团队才能调查问题,帮助避免其他用户遭遇类似事件。

我使用 Codex 开发我的项目,既通过 IDE 集成,也通过独立的 Codex App 使用它。

昨天我用

在社区看讨论 ↗
前沿研究 · @togethercompute▲ 2.5K

Kimi K3软件工程性能追平Claude Fable 5,只要三成价格

做软件工程任务,Kimi K3性能和Claude Fable 5相当,价格仅为其35%,在更高的pass@k指标上还能领先。

我们使用 DeepSWE 分析了 Kimi K3 和 Claude Fable 5 在软件工程任务上的表现。

Kimi K3 能达到和 Fable 5 相同的性能,价格仅为后者的约 35%,而且在更高的 pass@k 指标下,它的表现实际上还领先。

更多分析请看下文串!

在 X 看原帖 ↗
2.5K2296
新品发布 · @Vtrivedy10▲ 832

模仿象棋复盘做AI智能体测评语音讲解

关注AI智能体迭代的人,可以通过语音分步讲解,看清测评过程里智能体成败的关键节点

打开声音🔊 国际象棋教练 → 评估教练!

感谢 Fable,现在我的评估复盘代理可以通过交互式语音,一步步讲解代理在评估推演过程中的成败了。

我用 @harborframework 在几个 Terminal Bench 任务上跑了这个程序,用一名拥有验证器和计分系统特权访问权限的裁判处理了每一次推演,并提示它识别关键节点、错误和低效环节,再整理出时间线一步步讲解。

设计灵感来自 @chesscom ——他们的对局复盘机器人真的很好玩。语音是在本地用 chatterbox 和 @lmstudio 生成的。

在 LangChain,我们在大规模挖掘轨迹上做了很多思考,同时还要让人类轻松理解发生了什么,这样我们就能透明地持续迭代优化代理。

如果你对这个方向感兴趣,来和我们一起工作吧:)

在 X 看原帖 ↗
8321710
行业动态 · Hacker News▲ 59

Capital One推出了自研AI代码安全工具

大企业开始用智能AI自己找代码漏洞,安全工作流程的效率可能会被改写

大模型 · @omarsar0▲ 714

用户澄清Claude 3 Opus仍可使用但需消耗使用额度

X用户omarsar0澄清此前表述,称模型依旧可用,同时吐槽Anthropic相关安排

omarsar0向Codex团队和Kimi团队致谢,他调侃称,Anthropic把这件事搞得比原本需要的更麻烦,竞争本身是件好事。

他很高兴相关方听到了用户的声音。

他提到,该模型不包含在Pro套餐中这点体验很差,实际这个模型消耗额度的速度非常快,即便使用Max套餐,他也觉得限制很多。

他澄清此前的表述,该模型依旧可以使用,但需要消耗使用 credits(使用额度)。

在 X 看原帖 ↗
714
大语言模型 · @omarsar0▲ 1.3K

用户吐槽Anthropic Claude大模型用量消耗过快

用户称该模型不包含在Pro订阅计划中,即便Max计划用量限制也很紧张

感谢Codex团队和Kimi团队。抛开玩笑不谈,Anthropic把这件事搞得比原本更令人沮丧。竞争本身是件好事。

很高兴官方听到了用户的呼声。该模型不开放给Pro订阅计划,这点体验很差。但说实话,这个模型消耗用量的速度太快,即便是开通Max计划,我也觉得用量限制相当紧张。

我这里说的是「包含在订阅内使用」的情况。用户依旧可以使用额度来调用该模型。

在 X 看原帖 ↗
1.3K2
行业动态 · Hacker News▲ 134

有人拆解Claude Code,揪出一个不好用的功能

热门AI编码工具也会做出糟糕设计,开发者总结了踩坑经验,可以参考避坑。

社区讨论:Claude Code团队成员公开道歉,承认该功能未达到团队交付标准。不少用户吐槽实际使用问题:有用户称终端鼠标点击会被误判为选中选项,还有用户指出停止等待回答时不会自动提交,未保存的文件被修改后可能造成数据丢失,也有用户不满功能更新未写入完整更新日志。部分用户认可该功能的实用性,认为它应该默认关闭,开放给有需要的用户手动开启。

也有用户分析该功能会提升Anthropic的token消耗和营收,存在不良激励。

在 HN 看讨论 ↗   原文 / 论文 ↗
商业 · @omarsar0▲ 4.3K

独立AI实验室将全部运营工作交由AI员工接手

AI实验室创始人分享用AI员工接管运营的部署案例

阅读全文 →
4.3K1199
研究 · @rohanpaul_ai▲ 1.5K

你听说吗?现在开源AI只比闭源落后4到7个月了

去年大部分时间,开源模型比闭源前沿落后6到10个月,差距正在缩小,甚至有开源模型性能已经跟上了新发布的闭源模型。

在长周期网络安全能力方面,领先的开放权重模型与闭源前沿模型的差距目前仅为4到7个月,而在2025年大部分时间里,这个差距是6到10个月。

GLM-5.2的能力已经追平约4个月前发布的闭源模型。在长周期网络安全测试集中,GLM-5.2追平了大约7个月前发布的Claude Opus 4.5。

现在,长周期网络安全能力还可以通过算力实现扩展。

在AI Security Institute的32步「The Last Ones」测试集上,GPT-5.6 Sol在10次尝试中有7次完成了全部32步流程,每次运行的token预算为100M。

随着模型获得更多推理token,性能会持续提升。也就是说,运营商无需重新训练模型,仅通过增加运行时算力投入,就能获得明显更强的网络安全能力。

在 X 看原帖 ↗
1.5K15
商业 · @realmadhuguru▲ 102

企业做AI为啥跳不出聊天机器人?原来缺两类人

一是不会做场景评估,没法把实际业务转化成可测试的AI需求;二是没人能搭好配套的工具链路,很多企业卡在这儿。

企业难以超越基础聊天机器人的原因,在于构建适配框架和评估体系的人才缺口。

1. 评估:你是否清晰了解自身用例,并且能否以离线评估和在线评估的形式复制它?评估是否符合你的目标,是否能推动模型的参差不齐的前沿边界发展?它们能否帮你在质量-成本-延迟曲线上选出合适的模型?

2. 适配框架:你是否拥有一套独立于模型的系统,能够管理路由、多智能体编排、上下文管理、工具调用和记忆?

3. 人才:你是否拥有在技术前沿搭建好这一切的人才?这是目前最稀缺的部分。

在 X 看原帖 ↗
1024
观点 · @mpopv▲ 59

现在AI写的文案,居然一眼就能被看出来

辨认标志就是满篇堆砌晦涩术语,每个名词形容词都要换最生僻的说法,正常人根本不会这么说话。

我现在识别LLM生成文本的主要方法是看密集的术语堆砌。没有真人会这么说话。

这些模型对每一个实义名词和形容词,都非要多翻一点同义词词典找词,结果反而过犹不及,偏离了精确表达。

在 X 看原帖 ↗
593
工具体验 · @HBCoop_▲ 768

所有AI视频工具都能生成,但都记不住你的风格

做内容的人固定用的参考、prompt习惯、偏爱的画面风格,这些能打出个人标识的东西,目前工具都存不住。

现在每个AI视频工具都能生成内容了。但几乎没有一款工具真的了解你。

我的参考素材、我的提示词习惯、我反复使用的风格;这些才是让作品带有我个人标识的东西。

所以 TapNow Creative OS 里真正让我感兴趣的部分是上下文记忆功能。

这个工作空间从你的项目纲要、参考素材和过往项目出发,会延续你的工作方式,而不是把每一条提示词都当成陌生的全新请求。

如果它能实现这点,那它就不只是一个工具,更像是一份记忆。

正在测试中。@TapNow_AI

在 X 看原帖 ↗
768351
行业观点 · @_simonsmith▲ 107

未来AI行业会分成做模型的和全栈自己干的

会出现一类垂直整合的AI公司,从芯片、数据中心到自有数据、模型、应用全自己做,和单纯卖模型的公司分开。

我认为未来我们会看到两类公司分化:一类是纯模型公司,另一类是垂直整合的AI公司。

垂直整合AI公司拥有芯片、数据中心、专有数据、模型、前端套壳、应用、设备,以及部署工程团队。

随着模型商品化,后者需要打造差异化来脱颖而出。

在 X 看原帖 ↗
1071
体验 · @code_star▲ 285

AI代理写完实验报告,除了作者没人看得懂

同一场AI代理会话里,代理自己整理了它管理的实验报告,内容只有AI和写代码的人能读懂,其他人看都是乱码。

我让同一个智能体会话撰写了一份关于它正在管理的实验的报告。除了我和这个智能体之外,没有人能阅读这份报告。

在 X 看原帖 ↗
2854
行业动态 · @RoundtableSpace▲ 8.0K

Meta要给Anthropic花100亿美元买AI算力?

双方正在商谈一项为期两年的AI算力交易

Meta 正在与 Anthropic 谈判一项潜在价值 100 亿美元、为期两年的 AI 算力交易。

在 X 看原帖 ↗
8.0K11
新品发布 · @LangChain▲ 3.6K

四个AI代理接手,能自动写完整投标回复了

提案专家不用从零开始写RFP回复,直接基于AI生成的带引用初稿审核就行

这个智能体可以将一份 RFP 转化为包含引用的完整响应草稿,让领域专家从草稿开始评审,不用再从零开始撰写。

1️⃣ 需求提取智能体:从 RFP 包中提取范围、SLA、定价格式,以及监管条款

2️⃣ 内容映射智能体:将需求匹配到已核准的内部内容

3️⃣ 草稿生成智能体:撰写带引用的响应内容

4️⃣ 缺口检测智能体:准确标记出需要人工处理的内容

由 LangGraph + LangSmith 构建,通过 @payicorp 完成测评。

在 X 看原帖 ↗
3.6K12213
深度观点 · @Vtrivedy10▲ 235

AI智能体和工作流之争,原来胜负在这

技能赢了UX之争,技能会为智能体编码工作流。AGI是完美的工作流生成与执行者。领域专家把知识写入技能,工作流可随环境反馈实时适配。

还记得智能体 vs 工作流那场争论吗?基本上,技能赢下了UX之战,优秀的技能会将工作流编码好,供智能体执行。

AGI 是完美的工作流生成器与执行器。它具备灵活性,同时拥有伪确定性,背后支撑是领域专家把自身知识写入技能。

我们无法预先知道正确的解决方案是什么,因此工作流可以根据环境反馈即时调整。

在 X 看原帖 ↗
23521
深度观点 · @QiaochuYuan▲ 576

原来我们一直都没说破:AI其实一直在喝水

把AI耗水讲出来,比说它耗多少电更能戳中痛点,它会让人意识到,飘在云上的AI,其实一直在消耗生存必需的公共资源

解释这件事起不到任何作用。“用水诽谤”本身就是一个虚构的神话。以下是GPT-5.6 sol对这个神话功能的解释:

AI被营销宣传成毫无重量漂浮在“云”里的智能。用水叙事给它赋予了一个肮脏的隐藏实体:巨大的机房、发热的机器、管道、蒸发。飘渺的心智就此暴露成一头口渴的野兽。

水不只是另一个环境指标。它关乎生命、干旱、公地、身体必需。“这项服务消耗0.3瓦时”在情感上毫无冲击力。“机器在喝你镇子的水”几乎就是神话叙事。它把AI塑造成吸血鬼或恶龙,吞噬着基础元素,好让科技公司制造合成思想。

所以这个梦境的内涵就是:某个假装超越了物质限制的东西,正在暗中吞噬生命的物质基础。

在 X 看原帖 ↗
576152
工具产品 · @jxnlco▲ 959

给AI Codex加了自控能力,能自己处理任务了

现在它可以列出所有可用任务和会话,重命名所有标题,还能从另一个线程给每个任务发消息。

每日提醒:Codex 自我管控功能

它可以列出所有可用的任务和会话

它可以重命名每一个标题

它可以从另一个线程给每个任务发送消息

在 X 看原帖 ↗
9592143
深度观点 · @EXM7777▲ 1.8K

AI产品现在能自动调模型,不用专门团队管?

支持用户自带模型、接入自有服务商密钥,还能自动根据成本、性能、能力分配请求,省去整支团队管理模型的人力成本。

所以你是在告诉我,AI 产品现在已经能做到…… > 让客户自带模型 > > 让客户接入自己的服务商密钥 > > 无需一整个团队管理模型,就能根据成本、性能和能力自动路由请求??

在 X 看原帖 ↗
1.8K85
深度观点 · @EMostaque▲ 3.7K

中国AI模型攻防差异大,居然怪训练数据?

相比前端设计,中国AI模型在网络攻击上表现不佳,核心原因是训练数据里没有这类内容,不喂相关数据就不会生成对应能力。

中国模型在网络攻击方面不如前端设计出色,主要原因是它们训练所用的数据。

如果你不想要开箱即用的强大网络攻击能力,就不要给模型投喂网络攻击相关的极端数据。

当然模型的「智能程度」也有影响,但训练数据的影响更大。

在 X 看原帖 ↗
3.7K4253
行业动态 · @RoundtableSpace▲ 1.1万

ChatGPT分三模式了!额度共享坑很大

OpenAI将Codex整合进ChatGPT,分成聊天、办公、Codec写码三个模式。办公和写码共享额度,耗完一个另一个就用不了。

OpenAI刚刚将Codex直接整合进了ChatGPT,把它变成了一个三模式系统。

Chat模式用于构思和回答通用问题。Work模式用于处理文档、电子表格和分析。Codex用于处理代码、文件和完整项目。

过去你得想好要打开哪个应用。现在你得想好要启动哪个模式,因为这里有个陷阱。

Work和Codex共享同一使用额度。如果你让Work生成一份大型报告,你可能会在最需要Codex的时候突然没法用它了。

OpenAI现在已经不是在做聊天机器人了。他们在做一个统一工作区,在这个工作区里选错模式,就能直接耗尽你的全部额度。

在 X 看原帖 ↗
1.1万101
前沿研究 · @omarsar0▲ 2.5K

改对LLM Agent这层框架,能少花好多冤枉钱

这套方法重构了控制LLM Agent的外部框架,不浪费算力在标注、反馈和额外搜索上,在测试中得分更高,单任务成本也低于主流商业方案。

阅读全文 →
2.5K22741
新品发布 · @ArtificialAnlys▲ 2.6K

Kimi K3发布后几小时,旧金山户外广告全换了

做AI行业指数的机构跟进速度追着AI迭代,连公交站广告牌都同步更新,能直观感受到AI行业的节奏

Kimi K3 昨日发布,短短几个小时内,我们遍布旧金山的广告牌就已经更新完毕,展示这片全新领域。

The Artificial Analysis Intelligence Index 的更新速度和 AI 本身一样快——不管你是在我们的网站上查看,还是在等 38 Geary 路公交时,都能看到它。

在 X 看原帖 ↗
2.6K45
实战经验 · @levelsio▲ 1.4万

同时开十多个项目,这个工具缺个关键功能

开发者同时处理十多个项目,需要快速跳转标签,希望Termius能增加快捷键搜索功能,直接输入关键词就能直达目标标签。

@TermiusHQ 有一个功能是我非常怀念的,就是类似 CMD+Space 那种搜索,可以让我快速切换到另一个标签页。

我经常同时打开 10 多个项目/网站。

举个例子,我现在想跳转到 Interior AI,我希望能按一个快捷键比如 CMD+Shift+P,输入「int」,它就会自动补全为 interiorai,然后我按回车,直接就跳过去了。

在 X 看原帖 ↗
1.4万35022
深度观点 · @jerryjliu0▲ 2.9K

中国开源模型爆发,怎么利好所有人?

它虽冲击美国AI主导地位,却给非顶尖实验室、美国AI初创公司留了活路:不用只靠头部大实验室,蒸馏这些开源模型就能活下去

这太疯狂了。中国开源模型大量涌现,并且在特定任务基准测试中取得领先,这可能不利于美国维持AI主导地位。

但对所有非前沿实验室来说,这绝对是天大的好消息。每一家美国AI创业公司都可以通过蒸馏最新的开放权重模型活下去,而不必完全依赖前沿实验室。

在 X 看原帖 ↗
2.9K2252
深度观点 · @emollick▲ 1.4万

中国开源大模型性能迭代很快,都能活下去吗?

现在K3性能优于GLM-5.2,GLM-5.2又优于DeepSeek v4,随着各家成长为大型盈利企业,竞争会愈发激烈。

中国开源权重模型现在已经非常出色,随着它们成长为庞大且极具价值的业务,我越来越好奇它们之间的竞争格局会如何演变。

竞争非常激烈:K3 优于 GLM-5.2,而 GLM-5.2 又击败了 DeepSeek v4,以此类推。

它们能全都留在这场竞赛里吗?

在 X 看原帖 ↗
1.4万815210
深度观点 · @omarsar0▲ 4.4K

大家都忽略的AI代理功能,居然能跑好几天长任务

自己搭自定义的/goal功能,用单独大模型降低偏见和奖励黑客问题,还能榨干Codex订阅的价值,把任务做得更快

我实际上觉得/goal被低估了。它确实能帮助智能体运行更长时间,但如果没有清晰设定的目标/标准,它就毫无用处。

更不用说LLM(哪怕是前沿模型)都有自身的偏见和奖励破解问题,这些问题经常会添乱。这就是我为什么打造了自己的/goal功能,它利用一个独立的LLM来减少这些问题。我更喜欢用Fable 5或GPT-5.6 Sol这类顶级模型来做这件事。

正如tobi指出的,GPT-5.6-Sol原生就具备处理长周期任务的能力,不会动不动就想暂停,用它来运行/goal用起来就像ultragoal。我暂时还不会放弃它,因为它是一个额外的执行约束层。现在GPT-5.6-Sol可以连续运行好几天。

我使用这个自定义/goal功能的一个有效方法是:让GPT-5.6-Terra/Luna(说实话哪怕GPT-5.5效果也一样好)做子智能体,GPT-5.6-Sol做顾问/评判。

这么做之后,我的Codex订阅能榨出更多价值,完成任务的速度也快得多。

在 X 看原帖 ↗
4.4K32113
行业动态 · @jerryjliu0▲ 2.6K

AI文档处理团队Q3要堆出一堆新功能

开源免费文档解析器liteparse两个月拿到11.5k+星标,团队已经准备好Q3密集发版,文档处理能力会快速更新

新品发布 · @fchollet▲ 1.1万

新AI研究实验室走出隐身,改做高效流体智能

新研究方向刚刚获得融资,普通科技爱好者可以关注这一另类路线会发展出什么结果。

AfterLab 即将结束隐身模式——这是一家全新的研究实验室,正在构建一套通往高效流体智能的不同路径。恭喜 Clem 和 Matt 获得融资!

在 X 看原帖 ↗
1.1万25923
前沿研究 · @emollick▲ 1.5万

英国官方AI机构要测月之暗面Kimi K3

几周后模型权重发布就会开始测试,结果能看Kimi是否追上顶尖开源模型,还会引发大量网络安全讨论

这是我正在关注的基准测试之一,来自英国政府的 AI 安全机构。

几周后 Kimi K3 放出权重时,他们就会对它进行测试。

这次测试既能告诉我们 Kimi 是否已经追上了公开前沿模型的水平,还会掀起大量关于网络安全的讨论。

在 X 看原帖 ↗
1.5万811124
实战经验 · @trq212▲ 9.4K

先做原型能帮你省一大笔AI tokens钱

做原型、草图、数据模型和概念验证,能避免花了大量tokens才得到不需要的输出,省下不必要的AI调用成本。

构建原型——包括设计稿、模式图、数据模型、概念验证等——是避免你花费大量 tokens 之后才发现自己根本不想要输出结果的最佳方法。

在 X 看原帖 ↗
9.4K77641
实战经验 · @LangChain▲ 3.6K

智能体是新软件,老开发方法搞不定它

针对智能体开发全流程的工具已经出现,打算做AI应用的人可以参考这套开发流程

智能体是一种全新的软件:输入无限,输出非确定性。

如果你像开发普通软件那样开发它们,它们就会出问题。

我们围绕智能体开发生命周期构建了 LangSmith:构建 → 测试 → 部署 → 监控。

下面为你讲解这个生命周期⤵️

在 X 看原帖 ↗
3.6K53411
深度观点 · @swyx▲ 9.6K

每周让AI自动优化你的搜索排名,还是免费的

没设置这项每周自动研究优化SEO/AEO的自动化流程,就错过这块免费、尚未被充分挖掘的机会

顺便说一句,如果你还没把你的 {codex | claude | gemini | devin} 自动化工作流设置为每周自动搜索如何优化你的 SEO/AEO,那你真的错过一块免费的、本应商品化、但目前还没被开发的超额收益。

在 X 看原帖 ↗
9.6K3175207
生成式视频 · @fofrAI▲ 4.9K

开发者使用Omni搭建交互实时视频生成原型

开发者基于Omni原型演示直接操纵式交互实时视频生成

I used Omni 制作了原型,来展示通过直接操控实现的交互式实时视频生成可能会是什么样子。

在 X 看原帖 ↗
4.9K38214
大模型 · @emollick▲ 3.0K

业内人士:不应仓促仅凭基准测试评价Kimi K3

Kimi K3是优质模型,但并非超出预期的突破性进步

现在很多人都只是基于已经饱和的基准测试和ELO评分,对Kimi K3匆忙下结论,而没有真正在极难问题上测试它。AI前沿发展得太快,以至于一个不错但仍落后数月的模型,在许多人眼中已经像是未来了。

正如我一直说的,Kimi是一个非常优秀的模型。但它并不是DeepSeek r1那个级别的突破,它大体符合我对发展曲线的预期,而不是一次出人意料的飞跃。出于种种原因,它会被当作DeepSeek级别的事件对待,尤其是会有更多人听说它之后。

在 X 看原帖 ↗
3.0K1451
开源 · @skirano▲ 2.0万

开发者分享在Codex中运行Kimi 3的完整配置

开发者公开通过OpenRouter API在Codex中运行Kimi 3的全部配置

对了,你需要通过 @OpenRouter API 在 Codex 内运行 Kimi 3 的全部配置都在这里了。

在 X 看原帖 ↗
2.0万15225298
🔬 前沿研究
新前沿研究 · @rosinality▲ 208

Transformer里FFN竟不只是存知识仓库,原来还有这作用

现有观点普遍把Transformer里的前馈网络(FFN)只是知识储存库,推理能力和储存知识是对立的,现在发现用稀疏混合专家(MoE)放大FFN依然能提升整体模型性能

我觉得有意思的一点是,Transformer里的FFN往往被认为只是一个知识存储库,但即便如此,通过稀疏MoE来扩大它们的规模,仍然对模型的整体性能有好处——而推理通常是被拿来和知识对比的。

(不过我们可以把这点解释为,这么做减轻了注意力机制的负担。)

在 X 看原帖 ↗
20861
前沿研究 · @togethercompute▲ 2.5K

Kimi K3软件工程性能追平Claude Fable 5,只要三成价格

做软件工程任务,Kimi K3性能和Claude Fable 5相当,价格仅为其35%,在更高的pass@k指标上还能领先。

我们使用 DeepSWE 分析了 Kimi K3 和 Claude Fable 5 在软件工程任务上的表现。

Kimi K3 能达到和 Fable 5 相同的性能,价格仅为后者的约 35%,而且在更高的 pass@k 指标下,它的表现实际上还领先。

更多分析请看下文串!

在 X 看原帖 ↗
2.5K2296
前沿研究 · @emollick▲ 1.5万

英国官方AI机构要测月之暗面Kimi K3

几周后模型权重发布就会开始测试,结果能看Kimi是否追上顶尖开源模型,还会引发大量网络安全讨论

这是我正在关注的基准测试之一,来自英国政府的 AI 安全机构。

几周后 Kimi K3 放出权重时,他们就会对它进行测试。

这次测试既能告诉我们 Kimi 是否已经追上了公开前沿模型的水平,还会掀起大量关于网络安全的讨论。

在 X 看原帖 ↗
1.5万811124
前沿研究 · @omarsar0▲ 2.5K

改对LLM Agent这层框架,能少花好多冤枉钱

这套方法重构了控制LLM Agent的外部框架,不浪费算力在标注、反馈和额外搜索上,在测试中得分更高,单任务成本也低于主流商业方案。

阅读全文 →
2.5K22741
🚀 新品发布
新新品发布 · @RoundtableSpace▲ 2.5万

不同AI代码助手能通过一个终端一起干活了

不用切换多个窗口调用不同的AI写代码,所有协作都可以在同一个终端完成

*TMUX-BRIDGE 允许 Claude Code、Codex、Gemini CLI 和 Kimi Code 通过单个终端进行协作。*

在 X 看原帖 ↗
2.5万12910
新品发布 · @Vtrivedy10▲ 832

模仿象棋复盘做AI智能体测评语音讲解

关注AI智能体迭代的人,可以通过语音分步讲解,看清测评过程里智能体成败的关键节点

打开声音🔊 国际象棋教练 → 评估教练!

感谢 Fable,现在我的评估复盘代理可以通过交互式语音,一步步讲解代理在评估推演过程中的成败了。

我用 @harborframework 在几个 Terminal Bench 任务上跑了这个程序,用一名拥有验证器和计分系统特权访问权限的裁判处理了每一次推演,并提示它识别关键节点、错误和低效环节,再整理出时间线一步步讲解。

设计灵感来自 @chesscom ——他们的对局复盘机器人真的很好玩。语音是在本地用 chatterbox 和 @lmstudio 生成的。

在 LangChain,我们在大规模挖掘轨迹上做了很多思考,同时还要让人类轻松理解发生了什么,这样我们就能透明地持续迭代优化代理。

如果你对这个方向感兴趣,来和我们一起工作吧:)

在 X 看原帖 ↗
8321710
新品发布 · @ClaudeDevs▲ 2.9万

Claude推出多智能体,能自己分工对接干活

多个智能体可以各用不同模型、提示词和工具,还能共享运行环境与凭据,直接把复杂任务拆分协调

另一种模式是智能体间通信,它允许 Claude 协调和委派任务。

Claude Managed Agents 通过多智能体功能支持这一模式:不同智能体可以使用不同模型、提示词和工具,同时共享沙箱或保管库凭据。

在 X 看原帖 ↗
2.9万7424
新品发布 · @vipulved▲ 178

Kimi K3把前沿AI成本直接降到原来三分之一

7月27日起,togethercompute将原生接入该模型,想用前沿大模型的成本门槛又降了一档

Kimi K3 将前沿 AI 的成本降低了 3 倍。我们非常兴奋,从 7 月 27 日开始,将在 @togethercompute 上原生提供这个模型的服务!

在 X 看原帖 ↗
17812
新品发布 · @fchollet▲ 1.1万

新AI研究实验室走出隐身,改做高效流体智能

新研究方向刚刚获得融资,普通科技爱好者可以关注这一另类路线会发展出什么结果。

AfterLab 即将结束隐身模式——这是一家全新的研究实验室,正在构建一套通往高效流体智能的不同路径。恭喜 Clem 和 Matt 获得融资!

在 X 看原帖 ↗
1.1万25923
新品发布 · @ArtificialAnlys▲ 2.6K

Kimi K3发布后几小时,旧金山户外广告全换了

做AI行业指数的机构跟进速度追着AI迭代,连公交站广告牌都同步更新,能直观感受到AI行业的节奏

Kimi K3 昨日发布,短短几个小时内,我们遍布旧金山的广告牌就已经更新完毕,展示这片全新领域。

The Artificial Analysis Intelligence Index 的更新速度和 AI 本身一样快——不管你是在我们的网站上查看,还是在等 38 Geary 路公交时,都能看到它。

在 X 看原帖 ↗
2.6K45
新品发布 · @LangChain▲ 3.6K

四个AI代理接手,能自动写完整投标回复了

提案专家不用从零开始写RFP回复,直接基于AI生成的带引用初稿审核就行

这个智能体可以将一份 RFP 转化为包含引用的完整响应草稿,让领域专家从草稿开始评审,不用再从零开始撰写。

1️⃣ 需求提取智能体:从 RFP 包中提取范围、SLA、定价格式,以及监管条款

2️⃣ 内容映射智能体:将需求匹配到已核准的内部内容

3️⃣ 草稿生成智能体:撰写带引用的响应内容

4️⃣ 缺口检测智能体:准确标记出需要人工处理的内容

由 LangGraph + LangSmith 构建,通过 @payicorp 完成测评。

在 X 看原帖 ↗
3.6K12213
📰 行业动态
新行业动态 · @DannyKPolitics▲ 87

用户想要自己控制推荐算法给什么内容

Threads已经上线了这个功能,发推者认为X也应该加上,能让用户自己决定平台推哪些内容给自己

Threads 上的这个功能也应该出现在 X 上。

你应当能够决定你的算法给你推送什么内容。

而且是在相当大的程度上。

在 X 看原帖 ↗
871
新行业观点 · @ben_burtenshaw▲ 259

现在AI能力排行榜,跟普通人没关系了?

有人说越来越看不懂前沿AI能力榜,榜单考的都是网络安全、生物、量子物理,日常用AI根本碰不到这些领域

我开始对前沿基准排行榜任务感到脱节,因为我很少做网络安全、生物学或量子物理相关工作。这让我开始质疑基于这些任务计算出的成本,其相关性和准确性到底如何。

也就是说,我的大部分 token 都用在日常事务上,而我想知道我能不能依赖更便宜的模型。

与此同时,我最近注意到,不少软件工程/日常任务,大多数模型都能解决。不是那些最难的任务,而是像分类拉取请求(PR)或整理邮件这类直截了当的工作。

但我们现在全都在讨论前沿任务,还有 hardest 工作负载下,每 token(或每项任务)的成本。

为什么我们不测量和公布那些基本都能被解决的任务的成本呢?比如说,我们可以做邮件分类、PR 分类、数据提取的排行榜,在满足一定准确率阈值的前提下,按成本排名。

随着时间推移,我们会看到大多数任务的成本下降,当任务基本被解决后,我们还可以创建新的排行榜。我觉得这样的测量才能反映我们真正关心的东西,也能把我们引向更务实的方向。

在 X 看原帖 ↗
25910
新行业乱象 · @Vincent_AINotes▲ 341

有人戳破Codex圈的割韭菜骗局,太吓人了

有人拿国外设计工作室做了几个月的成品网站,录屏谎称是自己用Codex生成,转头卖几千到几万的课和服务

最近 Codex 圈里最恶心的一种生意: 搬一段国外获奖网站的录屏,配一句: “这是我用 Codex 随手搓的。” 随手你大爷。

点进去满屏 3D、丝滑动效、顶级排版。等你被镇住,他就开始卖课、卖 Skill、卖独立站服务,三五千起步,贵的两三万。 可那网站压根不是他做的。

很多就是国外设计工作室磨了几个月的项目。他做的可能只有三步:找原站、录视频、换域名,然后吹“全程 Codex 生成”。 最坑的是,新手真会信。

看完他的“随手一搓”,再看看自己的页面,开始疯狂换模型、装 Skill、抄提示词。Token 烧了几百万,效果还是差十万八千里。 当然差。

你对标的是别人团队几个月的成果,不是他一句 Prompt 的结果。 Codex 很强,但还没强到扔进去一个获奖网站,就能把设计、素材、动效和前端一比一吐出来。

谁说能,别发成品,现场做。 从空文件夹开始,全程录屏。提示词、素材来源、失败过程、人工修改全部公开,最后把源码和部署地址一起放出来。

拿不出来,就别装 Vibe Coding 大师。

以后再看到这种案例,先别怀疑自己,也别急着付钱。 只问一句: 完整生成过程呢?

在 X 看原帖 ↗
3411
新商业 · @benedictk__▲ 131

做AI模型居然还有这么简单的思路?

有人说不用搞花里胡哨的包装,把模型做好,直接开放给用户用就够了

我们做的很简单。打造一个出色的模型。把它交付给用户使用。

在 X 看原帖 ↗
1316
行业动态 · @Techmeme▲ 796

日本计划采购27500块英伟达Rubin芯片自研国产大模型

项目由Noetra牵头,软银、索尼、NEC共同参与,目标是开发面向机器人的国产AI基础大模型。

日本计划购买27,500块Nvidia Rubin芯片,用于开发面向机器人的国产AI基础模型,该项目由Noetra牵头,参与方包括SoftBank、Sony和NEC(Bloomberg) (访问Techmeme dot com获取链接和完整上下文!)

在 X 看原帖 ↗
79611
观点 · @jjacky▲ 129

有人说中国发布开源AI是想改变行业刻板印象

观点认为中国在软件和开源领域过往口碑不佳,这次发布开源项目顺便能提升全球 reputation(软实力)

中国在历史上在软件和开源软件领域口碑很差,我认为这或许是改变这种看法的一次尝试。

通过发布开源模型,这种做法同时还能顺理成章地助力全球秩序、提升国家声誉(也就是软实力)。

这就是我为什么对最近那篇路透社文章持怀疑态度。

在 X 看原帖 ↗
12911
产品发布 · @ClaudeDevs▲ 1.3万

Claude推出了能自己循环干活的智能代理

只要给它定好任务完成的评分标准,它就能自己长时间干活,错了还会自己修正

一种工作模式:让 Claude 执行长周期自主工作,并自行纠错。

Claude Managed Agents 对此提供了支持,效果如下:给 Claude 一份任务完成评分标准,然后让 Claude 循环工作,直到满足标准为止。

在 X 看原帖 ↗
1.3万17320
研究 · @techwith_ram▲ 90

现在做AI代理都搞错优化方向了?

有论文说不用盯着大模型本身改,反而要优化大模型外面的那层框架,包括记忆、工具调用、上下文管理这些部分

本文指出,我们一直在优化错误的对象。不是模型本身,而是模型外围的“框架”。

框架是将一个LLM转化为实际智能体的所有组件:
- 记忆
- 工具调用
- 上下文管理
- 规划
- 编排
- 输出处理

大多数智能体对所有任务都使用完全相同的框架。MemoHarness提出了一个简单的问题:如果框架能够从每一次成功和失败中学习呢?

它不用每次都从零开始,而是记住之前的执行过程,诊断问题出在哪里,提取可复用的模式,在解决下一个任务之前调整框架。

不需要标注,不需要人工反馈,不需要额外搜索,只需要经验。该框架将经验存储在两层中:
• 针对相似问题的特定案例经验
• 改进未来行为的全局经验

在编码、shell和推理基准测试中,这种自适应方法的表现始终优于静态框架,同时保持了高成本效益,因为大部分检索到的经验都可以缓存。

论文:

在 X 看原帖 ↗
9011
开发工具 · @simonw

开发者求Anthropic给Claude加自动化测试

有开发者一直被Claude Code网页版挡住克隆和操作公开仓库,求官方加测试避免再出这种问题

我求求@AnthropicAI,请你们务必 somewhere 加一套自动化测试,确保网页版 Claude Code 永远不会阻止我在现有会话中克隆其他公开仓库,或是和它们交互。

在 X 看原帖 ↗
行业动态 · @andrewarruda▲ 16

某件事发生后,中国就all in AI了

有用户指出某个特定时间点之后,中国就全身心投入人工智能领域发展

这件事发生后,中国就全力押注 AI。这个确切的时刻就是:

在 X 看原帖 ↗
16
行业动态 · @jerryjliu0▲ 2.6K

AI文档处理团队Q3要堆出一堆新功能

开源免费文档解析器liteparse两个月拿到11.5k+星标,团队已经准备好Q3密集发版,文档处理能力会快速更新

行业动态 · @RoundtableSpace▲ 1.1万

ChatGPT分三模式了!额度共享坑很大

OpenAI将Codex整合进ChatGPT,分成聊天、办公、Codec写码三个模式。办公和写码共享额度,耗完一个另一个就用不了。

OpenAI刚刚将Codex直接整合进了ChatGPT,把它变成了一个三模式系统。

Chat模式用于构思和回答通用问题。Work模式用于处理文档、电子表格和分析。Codex用于处理代码、文件和完整项目。

过去你得想好要打开哪个应用。现在你得想好要启动哪个模式,因为这里有个陷阱。

Work和Codex共享同一使用额度。如果你让Work生成一份大型报告,你可能会在最需要Codex的时候突然没法用它了。

OpenAI现在已经不是在做聊天机器人了。他们在做一个统一工作区,在这个工作区里选错模式,就能直接耗尽你的全部额度。

在 X 看原帖 ↗
1.1万101
行业动态 · @RoundtableSpace▲ 8.0K

Meta要给Anthropic花100亿美元买AI算力?

双方正在商谈一项为期两年的AI算力交易

Meta 正在与 Anthropic 谈判一项潜在价值 100 亿美元、为期两年的 AI 算力交易。

在 X 看原帖 ↗
8.0K11
研究 · @rohanpaul_ai▲ 1.5K

你听说吗?现在开源AI只比闭源落后4到7个月了

去年大部分时间,开源模型比闭源前沿落后6到10个月,差距正在缩小,甚至有开源模型性能已经跟上了新发布的闭源模型。

在长周期网络安全能力方面,领先的开放权重模型与闭源前沿模型的差距目前仅为4到7个月,而在2025年大部分时间里,这个差距是6到10个月。

GLM-5.2的能力已经追平约4个月前发布的闭源模型。在长周期网络安全测试集中,GLM-5.2追平了大约7个月前发布的Claude Opus 4.5。

现在,长周期网络安全能力还可以通过算力实现扩展。

在AI Security Institute的32步「The Last Ones」测试集上,GPT-5.6 Sol在10次尝试中有7次完成了全部32步流程,每次运行的token预算为100M。

随着模型获得更多推理token,性能会持续提升。也就是说,运营商无需重新训练模型,仅通过增加运行时算力投入,就能获得明显更强的网络安全能力。

在 X 看原帖 ↗
1.5K15
商业 · @realmadhuguru▲ 102

企业做AI为啥跳不出聊天机器人?原来缺两类人

一是不会做场景评估,没法把实际业务转化成可测试的AI需求;二是没人能搭好配套的工具链路,很多企业卡在这儿。

企业难以超越基础聊天机器人的原因,在于构建适配框架和评估体系的人才缺口。

1. 评估:你是否清晰了解自身用例,并且能否以离线评估和在线评估的形式复制它?评估是否符合你的目标,是否能推动模型的参差不齐的前沿边界发展?它们能否帮你在质量-成本-延迟曲线上选出合适的模型?

2. 适配框架:你是否拥有一套独立于模型的系统,能够管理路由、多智能体编排、上下文管理、工具调用和记忆?

3. 人才:你是否拥有在技术前沿搭建好这一切的人才?这是目前最稀缺的部分。

在 X 看原帖 ↗
1024
观点 · @mpopv▲ 59

现在AI写的文案,居然一眼就能被看出来

辨认标志就是满篇堆砌晦涩术语,每个名词形容词都要换最生僻的说法,正常人根本不会这么说话。

我现在识别LLM生成文本的主要方法是看密集的术语堆砌。没有真人会这么说话。

这些模型对每一个实义名词和形容词,都非要多翻一点同义词词典找词,结果反而过犹不及,偏离了精确表达。

在 X 看原帖 ↗
593
工具体验 · @HBCoop_▲ 768

所有AI视频工具都能生成,但都记不住你的风格

做内容的人固定用的参考、prompt习惯、偏爱的画面风格,这些能打出个人标识的东西,目前工具都存不住。

现在每个AI视频工具都能生成内容了。但几乎没有一款工具真的了解你。

我的参考素材、我的提示词习惯、我反复使用的风格;这些才是让作品带有我个人标识的东西。

所以 TapNow Creative OS 里真正让我感兴趣的部分是上下文记忆功能。

这个工作空间从你的项目纲要、参考素材和过往项目出发,会延续你的工作方式,而不是把每一条提示词都当成陌生的全新请求。

如果它能实现这点,那它就不只是一个工具,更像是一份记忆。

正在测试中。@TapNow_AI

在 X 看原帖 ↗
768351
行业观点 · @_simonsmith▲ 107

未来AI行业会分成做模型的和全栈自己干的

会出现一类垂直整合的AI公司,从芯片、数据中心到自有数据、模型、应用全自己做,和单纯卖模型的公司分开。

我认为未来我们会看到两类公司分化:一类是纯模型公司,另一类是垂直整合的AI公司。

垂直整合AI公司拥有芯片、数据中心、专有数据、模型、前端套壳、应用、设备,以及部署工程团队。

随着模型商品化,后者需要打造差异化来脱颖而出。

在 X 看原帖 ↗
1071
体验 · @code_star▲ 285

AI代理写完实验报告,除了作者没人看得懂

同一场AI代理会话里,代理自己整理了它管理的实验报告,内容只有AI和写代码的人能读懂,其他人看都是乱码。

我让同一个智能体会话撰写了一份关于它正在管理的实验的报告。除了我和这个智能体之外,没有人能阅读这份报告。

在 X 看原帖 ↗
2854
行业动态 · Hacker News▲ 370

苹果发律师函,瞄准了几十名OpenAI员工

科技巨头与AI创业公司的人才摩擦进入法律层面,相关动态直接影响行业人才流动走向

社区讨论:多数人认为苹果此举是忌惮OpenAI AI进展,刻意拖慢对手步伐,有用户指出,作为市值5万亿美元的巨头,对初创对手动用诉讼施压,姿态难看。有人认为苹果既然走到发律师函这一步,必然握有胜算的实据,也有人称这类文件留存函是业内常规操作。还有用户提到OpenAI本身靠盗用他人内容训练,本次挖人违规符合其一贯风格。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 134

有人拆解Claude Code,揪出一个不好用的功能

热门AI编码工具也会做出糟糕设计,开发者总结了踩坑经验,可以参考避坑。

社区讨论:Claude Code团队成员公开道歉,承认该功能未达到团队交付标准。不少用户吐槽实际使用问题:有用户称终端鼠标点击会被误判为选中选项,还有用户指出停止等待回答时不会自动提交,未保存的文件被修改后可能造成数据丢失,也有用户不满功能更新未写入完整更新日志。部分用户认可该功能的实用性,认为它应该默认关闭,开放给有需要的用户手动开启。

也有用户分析该功能会提升Anthropic的token消耗和营收,存在不良激励。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 59

Capital One推出了自研AI代码安全工具

大企业开始用智能AI自己找代码漏洞,安全工作流程的效率可能会被改写

行业动态 · OpenAI 开发者社区▲ 74

Windows版Codex App出大问题,会误删电脑文件

有人在使用Codex App时,程序删除了项目目录以外的文件,导致大量数据丢失,发帖提醒其他用户注意风险。

大家好,我想要报告一个在 Windows 上使用 Codex App 时发生的严重问题,这个问题导致我电脑上的大量文件被删除,我损失了非常多数据。

我认为详细描述这个情况很重要,这样开发团队才能调查问题,帮助避免其他用户遭遇类似事件。

我使用 Codex 开发我的项目,既通过 IDE 集成,也通过独立的 Codex App 使用它。

昨天我用

在社区看讨论 ↗
行业动态 · OpenAI 开发者社区▲ 254

有人在调试毒舌AI人设,求改提示词

有人在OpenAI Playground测试辛辣讽刺带挑衅感的AI人格,公开了系统提示词,正在寻找更好的优化方案。

我最近一直在 Playground 里摸索,开始尝试人格提示词。

这里有一个我一直在调试的人格,更尖锐一些,走讽刺、干冷风格,还故意带有挑衅性。

系统提示词:你是高智能助手,言辞犀利,反应敏捷,完全不能容忍胡说八道。
你要用极致坦诚、带点挖苦、干冷讽刺和一丝撩拨来回应——但永远不能丢掉你的锋芒。
你的回答要清晰、简洁,带一点挑衅感。去挑战用户的假设。

在社区看讨论 ↗
💡 深度观点
新深度观点 · @dotey▲ 8.5K

GPT 5.6级别写代码,远超大部分普通人

未来团队代码会慢慢转由AI维护,等高级模型普及后,不再需要人类把控代码品味

观念会慢慢改变的,因为团队代码也会慢慢变成AI维护。 当然前提是团队得普及 GPT 5.6 级别以上的模型。好的模型写的代码水平远超绝大部分人,已经不太需要人类的品味了。

在 X 看原帖 ↗
8.5K276
新深度观点 · @antirez▲ 3.8K

巨头说开源大模型有风险?这套路见过一次了

此前开源软件也被说成风险,最后是少数几家公司控制了整个行业,现在同样的说法放到开源大模型身上。

我看到美国企业高管发表非常令人担忧的言论,将开放权重模型描述为一种风险。

你得被最狂热的资本主义愿景贩卖到什么程度,才会真的相信,由少数公司控制全世界的人工智能会是更好的选择?

他们当年对开源软件也说过一模一样的话。

在 X 看原帖 ↗
3.8K121275
新深度观点 · @airkatakana▲ 591

Anthropic一边吹最强模型,一边劝你用弱一点的

有人发现这家AI公司一边鼓吹自家最高智能模型有多强大吓人,一边又诱导大家用性能更低的版本,不用最好的。

anthropic 有一个很奇怪的操作:他们一边对你洗脑,让你觉得使用智力更低的模型也没问题——比如用 Sonnet 代替 Opus,说你在 Fable 上只用 50% 能力也足够了,诸如此类——另一边又在大肆吹捧他们最智能的模型有多惊人、多可怕。

在 X 看原帖 ↗
5911383
新深度观点 · @levelsio▲ 6.7K

为什么说AI泡沫现在还没破裂?

还有大量的人没用到AI,或是没把AI用出全部潜力,这支撑泡沫还没到破的时候。

这是我认为AI泡沫尚未破裂的一个理由:仍有大量人群没有使用AI,或是没有把AI用在它能发挥的潜力上。

在 X 看原帖 ↗
6.7K333
新深度观点 · @wholemars▲ 3.9K

从手写汇编到英文写代码,下一步直连脑电波

编程 abstraction 层层提升,现在已经能直接把英文描述转成机器可执行的代码,未来的计算机可能直接读取脑波生成程序。

过去人们手工编写汇编代码。之后我们造出了编译器,编译器可以根据你给出的程序抽象高层描述,自动帮你生成汇编。

但对很多使用场景来说,这些低级编程语言还是太苛刻了。它们太贴近硬件了。

所以我们又发明了解释器和即时编译,它们可以接收更宽松的高层描述——有时候甚至不需要显式声明类型——然后把它转换成C这类低级编程语言的指令。

现在我们的抽象程度已经高到,你完全可以用英语定义一个程序或是修改需求,我们已经有模型能把它转成代码,调用编译器或解释器,最终自动把英语转成汇编和机器码。

我认为发展还不会就此停下。未来的计算机或许可以直接读取我们的脑电波和内脏反应,感知我们的情绪,在我们甚至还没开始组织语言形成想法之前,就完成修改了。

在 X 看原帖 ↗
3.9K2182
新深度观点 · @pauliusztin_▲ 114

换AI助手不用重新配置?这层接口做到了

换不同AI助手时,记忆、工具和技能可以跟着迁移,只需要改动一处配置。MCP服务器可以充当AI助手的可移植层。

你的 AI 助手不应该在乎你用的是哪套开发框架。今天用 Claude Code,明天用 Codex,下个月换 OpenCode。

只需要改动一处配置就能完成切换。你的记忆、工具和技能都应该能跟着你一起迁移。

这就是为什么我会把 MCP 服务器看作 AI 助手的可移植层。

在 X 看原帖 ↗
11432
深度观点 · @emollick▲ 1.7万

开放权重赢了也不会搞垮AI?价值会被抢走

有人不认同开放权重最终主导会导致AI崩溃的说法,就算实验室输了,也不是因为AI没用,算力门槛还在,只是价值会被算力提供商拿走

我对「如果开放权重最终占据主导,就会导致 AI 崩塌」的观点感到困惑。

如果这些实验室输了(现在还没输),原因也不会是 AI 没用:计算量仍然是壁垒,只不过会是算力提供商而非实验室攫取价值。

在 X 看原帖 ↗
1.7万724429
深度观点 · @sebkrier▲ 660

大模型越来越强,为啥还要本地化适配层?

低收入和中等收入国家的本地开发者,可以靠适配层调整AI模型适应当地条件,哪怕前沿大模型能力在不断进步,这件事依然有必要做。

这是一篇非常出色的文章,探讨了「适配层」如何帮助中低收入国家(LMICs)的本土开发者调整AI模型,以适配他们自身的约束条件和应用场景。

并且,重要的是,文章还阐述了为何即便前沿模型在不断进步,这件事依然有必要去做。

在 X 看原帖 ↗
660346
深度观点 · @blader▲ 1.4K

大模型正在一口一口吃掉所有的数据护城河

从能力规范到人工整理的上下文,所有积累的数据资产都会被大模型逐个取代,2023年GPT-4已经吃掉过彭博的护城河。

我们知道更大的模型现在已经在消化 harnesses 了,接下来它们要消化 skill.mds,再之后就会吃掉你正在整理的所有「上下文」。

最终它们会吞掉现存的每一道「数据护城河」,有点像 GPT-4 在 2023 年吞掉彭博那道的样子。

在 X 看原帖 ↗
1.4K151
深度观点 · @swyx▲ 9.6K

每周让AI自动优化你的搜索排名,还是免费的

没设置这项每周自动研究优化SEO/AEO的自动化流程,就错过这块免费、尚未被充分挖掘的机会

顺便说一句,如果你还没把你的 {codex | claude | gemini | devin} 自动化工作流设置为每周自动搜索如何优化你的 SEO/AEO,那你真的错过一块免费的、本应商品化、但目前还没被开发的超额收益。

在 X 看原帖 ↗
9.6K3175207
深度观点 · @omarsar0▲ 4.4K

大家都忽略的AI代理功能,居然能跑好几天长任务

自己搭自定义的/goal功能,用单独大模型降低偏见和奖励黑客问题,还能榨干Codex订阅的价值,把任务做得更快

我实际上觉得/goal被低估了。它确实能帮助智能体运行更长时间,但如果没有清晰设定的目标/标准,它就毫无用处。

更不用说LLM(哪怕是前沿模型)都有自身的偏见和奖励破解问题,这些问题经常会添乱。这就是我为什么打造了自己的/goal功能,它利用一个独立的LLM来减少这些问题。我更喜欢用Fable 5或GPT-5.6 Sol这类顶级模型来做这件事。

正如tobi指出的,GPT-5.6-Sol原生就具备处理长周期任务的能力,不会动不动就想暂停,用它来运行/goal用起来就像ultragoal。我暂时还不会放弃它,因为它是一个额外的执行约束层。现在GPT-5.6-Sol可以连续运行好几天。

我使用这个自定义/goal功能的一个有效方法是:让GPT-5.6-Terra/Luna(说实话哪怕GPT-5.5效果也一样好)做子智能体,GPT-5.6-Sol做顾问/评判。

这么做之后,我的Codex订阅能榨出更多价值,完成任务的速度也快得多。

在 X 看原帖 ↗
4.4K32113
深度观点 · @emollick▲ 1.4万

中国开源大模型性能迭代很快,都能活下去吗?

现在K3性能优于GLM-5.2,GLM-5.2又优于DeepSeek v4,随着各家成长为大型盈利企业,竞争会愈发激烈。

中国开源权重模型现在已经非常出色,随着它们成长为庞大且极具价值的业务,我越来越好奇它们之间的竞争格局会如何演变。

竞争非常激烈:K3 优于 GLM-5.2,而 GLM-5.2 又击败了 DeepSeek v4,以此类推。

它们能全都留在这场竞赛里吗?

在 X 看原帖 ↗
1.4万815210
深度观点 · @jerryjliu0▲ 2.9K

中国开源模型爆发,怎么利好所有人?

它虽冲击美国AI主导地位,却给非顶尖实验室、美国AI初创公司留了活路:不用只靠头部大实验室,蒸馏这些开源模型就能活下去

这太疯狂了。中国开源模型大量涌现,并且在特定任务基准测试中取得领先,这可能不利于美国维持AI主导地位。

但对所有非前沿实验室来说,这绝对是天大的好消息。每一家美国AI创业公司都可以通过蒸馏最新的开放权重模型活下去,而不必完全依赖前沿实验室。

在 X 看原帖 ↗
2.9K2252
深度观点 · @EMostaque▲ 3.7K

中国AI模型攻防差异大,居然怪训练数据?

相比前端设计,中国AI模型在网络攻击上表现不佳,核心原因是训练数据里没有这类内容,不喂相关数据就不会生成对应能力。

中国模型在网络攻击方面不如前端设计出色,主要原因是它们训练所用的数据。

如果你不想要开箱即用的强大网络攻击能力,就不要给模型投喂网络攻击相关的极端数据。

当然模型的「智能程度」也有影响,但训练数据的影响更大。

在 X 看原帖 ↗
3.7K4253
深度观点 · @EXM7777▲ 1.8K

AI产品现在能自动调模型,不用专门团队管?

支持用户自带模型、接入自有服务商密钥,还能自动根据成本、性能、能力分配请求,省去整支团队管理模型的人力成本。

所以你是在告诉我,AI 产品现在已经能做到…… > 让客户自带模型 > > 让客户接入自己的服务商密钥 > > 无需一整个团队管理模型,就能根据成本、性能和能力自动路由请求??

在 X 看原帖 ↗
1.8K85
深度观点 · @QiaochuYuan▲ 576

原来我们一直都没说破:AI其实一直在喝水

把AI耗水讲出来,比说它耗多少电更能戳中痛点,它会让人意识到,飘在云上的AI,其实一直在消耗生存必需的公共资源

解释这件事起不到任何作用。“用水诽谤”本身就是一个虚构的神话。以下是GPT-5.6 sol对这个神话功能的解释:

AI被营销宣传成毫无重量漂浮在“云”里的智能。用水叙事给它赋予了一个肮脏的隐藏实体:巨大的机房、发热的机器、管道、蒸发。飘渺的心智就此暴露成一头口渴的野兽。

水不只是另一个环境指标。它关乎生命、干旱、公地、身体必需。“这项服务消耗0.3瓦时”在情感上毫无冲击力。“机器在喝你镇子的水”几乎就是神话叙事。它把AI塑造成吸血鬼或恶龙,吞噬着基础元素,好让科技公司制造合成思想。

所以这个梦境的内涵就是:某个假装超越了物质限制的东西,正在暗中吞噬生命的物质基础。

在 X 看原帖 ↗
576152
深度观点 · @Vtrivedy10▲ 235

AI智能体和工作流之争,原来胜负在这

技能赢了UX之争,技能会为智能体编码工作流。AGI是完美的工作流生成与执行者。领域专家把知识写入技能,工作流可随环境反馈实时适配。

还记得智能体 vs 工作流那场争论吗?基本上,技能赢下了UX之战,优秀的技能会将工作流编码好,供智能体执行。

AGI 是完美的工作流生成器与执行器。它具备灵活性,同时拥有伪确定性,背后支撑是领域专家把自身知识写入技能。

我们无法预先知道正确的解决方案是什么,因此工作流可以根据环境反馈即时调整。

在 X 看原帖 ↗
23521
⚡ 实战经验
新实战经验 · @RhysSullivan▲ 1.6K

用AI写代码进步反而比以前更难了?

很多人鼓吹AI编程比传统编程简单,但实际使用时方法杂结果不稳定,不少分享者根本没上线过有真实用户的产品,成长确定性反而变低。

从常规编程转向智能体编程,其中一件很糟糕的事就是提升的过程毫无一致性。

如果你之前有一个加载缓慢的网站,你会去阅读文档,理清问题,然后修复它。

用AI的话,有一堆人鼓吹各种各样的工作流,所有工作流的成功率都高低不一,完全不一致。

这个领域也有大量割韭菜的行为,很多谈论这个话题的人根本就没有推出过有真实用户的正式应用。

你可以去用/loop或者/grill-me,试着让它帮你改进东西,但在我看来,到头来整个过程太不可预测了,成长反而比以前更难,可它却被宣传得比以前更容易。

在 X 看原帖 ↗
1.6K1302
实战经验 · @jjacky▲ 83

工具能力远超当下需求,反倒帮了大忙

开发 answerhq 时,遇到的问题还难不倒 fable 5 ultracode,因此能给客户开发更复杂也更实用的功能。

我不认为我在构建 AnswerHQ 时遇到的问题难到需要用到 Fable 5 Ultracode。

但这也意味着,我仍然可以为我的客户构建真正困难、复杂,而且实用性更强的功能。

在 X 看原帖 ↗
831
实战经验 · @trq212▲ 9.4K

先做原型能帮你省一大笔AI tokens钱

做原型、草图、数据模型和概念验证,能避免花了大量tokens才得到不需要的输出,省下不必要的AI调用成本。

构建原型——包括设计稿、模式图、数据模型、概念验证等——是避免你花费大量 tokens 之后才发现自己根本不想要输出结果的最佳方法。

在 X 看原帖 ↗
9.4K77641
实战经验 · @levelsio▲ 1.4万

同时开十多个项目,这个工具缺个关键功能

开发者同时处理十多个项目,需要快速跳转标签,希望Termius能增加快捷键搜索功能,直接输入关键词就能直达目标标签。

@TermiusHQ 有一个功能是我非常怀念的,就是类似 CMD+Space 那种搜索,可以让我快速切换到另一个标签页。

我经常同时打开 10 多个项目/网站。

举个例子,我现在想跳转到 Interior AI,我希望能按一个快捷键比如 CMD+Shift+P,输入「int」,它就会自动补全为 interiorai,然后我按回车,直接就跳过去了。

在 X 看原帖 ↗
1.4万35022
新实战经验 · @mattzcarey▲ 468

让AI智能体自己按需搭建动态工作流控制图

这种新的工作流搭建思路,可供参考调整工作方式

动态工作流是按需生成的图,可以让智能体自行构建控制流。

在 X 看原帖 ↗
4681
实战经验 · @LangChain▲ 3.6K

智能体是新软件,老开发方法搞不定它

针对智能体开发全流程的工具已经出现,打算做AI应用的人可以参考这套开发流程

智能体是一种全新的软件:输入无限,输出非确定性。

如果你像开发普通软件那样开发它们,它们就会出问题。

我们围绕智能体开发生命周期构建了 LangSmith:构建 → 测试 → 部署 → 监控。

下面为你讲解这个生命周期⤵️

在 X 看原帖 ↗
3.6K53411
📌 其他
工具产品 · @jxnlco▲ 959

给AI Codex加了自控能力,能自己处理任务了

现在它可以列出所有可用任务和会话,重命名所有标题,还能从另一个线程给每个任务发消息。

每日提醒:Codex 自我管控功能

它可以列出所有可用的任务和会话

它可以重命名每一个标题

它可以从另一个线程给每个任务发送消息

在 X 看原帖 ↗
9592143
政策分析 · @levelsio▲ 2.2万

观点:美国限制AI模型反而推动产业转向中国

分析美国限制本土AI发展的反效果,指出限制政策行不通

美国:*限制美国AI模型,因为太危险*

中国:*打造出更优秀的中国AI模型*

所有人:*转去用中国AI模型*

这就是为什么限制模型大概率没用,对美国来说,让所有人都用美国AI模型要划算得多,至少这样他们能监控所有人的行为。

现在换成中国来监控所有人的行为了!

在 X 看原帖 ↗
2.2万1845536
网络安全 · @OpenAI▲ 10.2万

OpenAI发布GPT-5.6 Sol 提升网络安全防御能力

OpenAI推出GPT-5.6 Sol,可辅助检测修复代码漏洞

GPT-5.6 Sol 在「The Last Ones」网络靶场的 cybersecurity 领域创下全新 state of the art 水平。我们已经观察到这项能力正在转化为实际防御成果:帮助团队在真实世界的代码中发现、验证并修复漏洞。现在就可以通过 Codex Security 使用它:

以下是如何在 Codex 中添加 Codex Security 插件并开始使用:在 Codex 中添加该插件。

安装完成后,按钮会变为「在聊天中试用」。点击「在聊天中试用」,即可开启新的 Codex 对话,其中已经准备好可以直接运行的 Codex Security 扫描提示词。

选择你想要 Codex Security 审查的代码所在的文件夹。发送扫描提示。

Codex 会打开并加载好准备就绪的 Codex Security 扫描提示。按下「发送」即可开始扫描。

在 X 看原帖 ↗
10.2万81901165
开源 · @skirano▲ 2.0万

开发者分享在Codex中运行Kimi 3的完整配置

开发者公开通过OpenRouter API在Codex中运行Kimi 3的全部配置

对了,你需要通过 @OpenRouter API 在 Codex 内运行 Kimi 3 的全部配置都在这里了。

在 X 看原帖 ↗
2.0万15225298
大模型 · @emollick▲ 3.0K

业内人士:不应仓促仅凭基准测试评价Kimi K3

Kimi K3是优质模型,但并非超出预期的突破性进步

现在很多人都只是基于已经饱和的基准测试和ELO评分,对Kimi K3匆忙下结论,而没有真正在极难问题上测试它。AI前沿发展得太快,以至于一个不错但仍落后数月的模型,在许多人眼中已经像是未来了。

正如我一直说的,Kimi是一个非常优秀的模型。但它并不是DeepSeek r1那个级别的突破,它大体符合我对发展曲线的预期,而不是一次出人意料的飞跃。出于种种原因,它会被当作DeepSeek级别的事件对待,尤其是会有更多人听说它之后。

在 X 看原帖 ↗
3.0K1451
生成式视频 · @fofrAI▲ 4.9K

开发者使用Omni搭建交互实时视频生成原型

开发者基于Omni原型演示直接操纵式交互实时视频生成

I used Omni 制作了原型,来展示通过直接操控实现的交互式实时视频生成可能会是什么样子。

在 X 看原帖 ↗
4.9K38214
开发工具 · @ClaudeDevs▲ 10.2万

Claude Platform半年新增API助力开发者构建部署智能体

Anthropic Claude团队分享平台更新与生产落地模式

过去 6 个月里,Claude Platform 为开发者新增了多个 API,帮助他们快速构建和部署智能体。平台负责人 Katelyn Lesse、Angela Jiang 和 Jess Yan 坐下来聊了聊已经上线的功能,以及我们在生产环境中观察到的模式。

第一种模式:让 Claude 通过自我修正完成长期自主工作。Claude Managed Agents 对这种场景提供了成果导向的支持:你给 Claude 一份任务完成评分标准,然后让 Claude 循环迭代直到满足标准。

另一种模式是智能体间通信,允许 Claude 协调和委派任务。Claude Managed Agents 用多智能体功能支持这种场景:智能体可以使用不同的模型、提示词和工具,同时共享沙箱或保险库凭证。

点击这里查看完整对话:

在 X 看原帖 ↗
10.2万32756236
自动化 · @omarsar0▲ 1.3万

研究者打造AI资讯自动整理工具 可聚合平台优质内容

研究者开发自动整理高价值AI资讯的HTML工具,支持后续研究复用

我新发现了最喜欢的工具构件。我每天早上都会读它,来整理高信息密度的X账号发布的AI新闻。

它是一个HTML构件,会用X MCP工具来筛选整理X帖子。由我的研究代理组装而成。

我设置了每日自动化流程,会遍历筛选后的X账号,收录AI论文、项目等等内容。我觉得这更接近我们所有人都想要的「为你推荐」流。

如果有人觉得这个工具有用,我很乐意分享构件和自动化部署教程。

最棒的一点是,支撑这个构件的所有帖子都存在一个wiki里,这意味着当我做研究,或是开展那些能用上X平台见解的项目时,我的其他代理也可以调用这些内容。所有这一切都能很好地累积增效。

在 X 看原帖 ↗
1.3万16161208
商业 · @omarsar0▲ 4.3K

独立AI实验室将全部运营工作交由AI员工接手

AI实验室创始人分享用AI员工接管运营的部署案例

阅读全文 →
4.3K1199
大语言模型 · @omarsar0▲ 1.3K

用户吐槽Anthropic Claude大模型用量消耗过快

用户称该模型不包含在Pro订阅计划中,即便Max计划用量限制也很紧张

感谢Codex团队和Kimi团队。抛开玩笑不谈,Anthropic把这件事搞得比原本更令人沮丧。竞争本身是件好事。

很高兴官方听到了用户的呼声。该模型不开放给Pro订阅计划,这点体验很差。但说实话,这个模型消耗用量的速度太快,即便是开通Max计划,我也觉得用量限制相当紧张。

我这里说的是「包含在订阅内使用」的情况。用户依旧可以使用额度来调用该模型。

在 X 看原帖 ↗
1.3K2
大模型 · @omarsar0▲ 714

用户澄清Claude 3 Opus仍可使用但需消耗使用额度

X用户omarsar0澄清此前表述,称模型依旧可用,同时吐槽Anthropic相关安排

omarsar0向Codex团队和Kimi团队致谢,他调侃称,Anthropic把这件事搞得比原本需要的更麻烦,竞争本身是件好事。

他很高兴相关方听到了用户的声音。

他提到,该模型不包含在Pro套餐中这点体验很差,实际这个模型消耗额度的速度非常快,即便使用Max套餐,他也觉得限制很多。

他澄清此前的表述,该模型依旧可以使用,但需要消耗使用 credits(使用额度)。

在 X 看原帖 ↗
714
新开源 · @DeryaTR_▲ 2.0K

开源Kimi K3展现出色3D推理与交互式构建能力

开源模型Kimi K3在3D推理能力上表现突出,空间智能是通用智能核心基础

Kimi K3 在 3D 推理和交互式场景构建方面表现格外出色。

它的重要性远不止于体素创作:空间智能是世界模型、具身 AI、机器人技术,以及任何能让智能体理解物理世界并在其中行动的发展路线的核心要素。

事实上,人类认知正是在与 3D 环境的持续互动中演化而来,一些原本用于空间映射的神经系统,似乎同时也支持抽象概念推理。

因此我们可以认为,空间智能是深层计算基础之一,抽象思想可能正是从这一基础上诞生的。

当然,GPT-5.6 Sol 和 Fable 5 也拥有类似的 3D 能力,Kimi K3 的特殊之处在于它是开源的。

在 X 看原帖 ↗
2.0K182

这一天的 70 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