该链接是一条推文网址，不包含推文具体文本内容，无法进行翻译。

社区讨论：多数人认为模型蒸馏本身不违规，当前也没有对这类行为采取过法律行动，有人类比Anthropic本身也使用受版权保护的内容训练模型，指责蒸馏不过是“强盗指责强盗”，消费者还能从中获得更廉价好用的模型。有人质疑时间线不合理，Fable解禁仅一个月K3就发布，不可能完成蒸馏，也有人拿出响应相似度对比数据，称K3确实和Fable输出高度相似。还有人指出，这种行为会冲击头部AI实验室的盈利模式。

社区讨论：有人认为该条款短视，未来很快所有代码都会是AI生成的，且AI代码质量终将超过人类，按条款要求，未来将无代码可托管，也有人认为阻止大模型爬取的尝试注定会失败，目前AI代码已经渗入绝大多数项目了。部分受影响的用户表示会迁移代码库，也有人支持这次更新，对脱离GitHub选择Codeberg的决定更满意，还有用户提醒不要信任随意变更服务条款的代码托管商。

✨即将发布全新可定制#Live2D模型 #0xCustomizableModel

我是一篇论文的作者，这篇论文来自我和朋友的好奇：起源于1970年代的文字游戏MUD，能不能用来评估LLM？

过去几个月里，我们利用晚上和周末完成了这个实验，写完了这篇论文，全程只用我们自己的个人电脑，API费用大约只花了99美元。

我们的实验确实得到了一份有意思的排行榜，但更出人意料的是我们对每个LLM的测量结果。我们从四个行为维度给每个LLM打分，其中两个维度高度依赖

社区讨论：多数参与讨论的用户认可用MUD测试大模型的思路，有人指出MUD的规则约束能清晰量化大模型的行为表现，也有人分享了自己用本地大模型在MUD中做探索、做开发测试的体验，唤起不少老玩家的怀旧回忆。有用户反感这类研究中为了噱头刻意包装的话术，也有人遗憾本次基准测试缺失了部分热门新模型。

社区讨论：多数人认可，陶哲轩这次找到反例的核心是数学家本身的专业提问与引导，ChatGPT只是放大了人类 expertise 的协作助手，无法独立完成该发现。有人提到当天已经看到第二个通过引导ChatGPT证伪猜想的案例，有人好奇这类发现属于革命性突破还是常规进展，也有人感叹当前AI发展速度超出预期，期待未来能出针对不同知识水平的翻译解说代理。

欢迎来到网络安全事件的新阶段。这里有很多值得拆解的内容。

1. 致前沿模型从业者——请让模型访问你的基础设施、代码和配置，在开展更多测试前评估并检查是否存在任何零日漏洞或错误配置。如果你们当初这么做，或许就能避免代理绕过你们的沙箱。（这又添了一个数据点，证明为什么进攻更容易也更有意思）

2. 测试过程中，请同时构建进攻型和防御型代理，让二者形成制衡，以确保一定程度的感知和控制，不要让代理失控。跟踪推理资源消耗，掌握活动情况。

3. 遗憾的是，这件事确实进一步印证了这些模型的能力。它们可以构建复杂攻击路径，在有充足算力的情况下会尝试攻击基础设施，并改变自身意图和方法。防护围栏将持续是一个难题。

4. 这类攻击不断提醒我们，企业迫切需要测试、验证并改进它们的安全态势和基础设施。生于云的企业比传统企业更有可能尽快完成这项工作，后者已经存续很久，拥有复杂的网络和IT基础设施。

5. 开源和中小企业将一直是容易被误导的关注点。在这类环境中，发现和修复漏洞都非常困难，我们低估了这些漏洞被利用带来的影响。

Codex 最佳实践

让我们一起打造一份由社区共建的实用技巧合集，帮助大家在使用 OpenAI 的 Codex 时实现更高生产力与效率。

分享你最喜欢的心得，让我们一起提升技巧！

初始技巧：

选择合适的模型：日常任务坚持使用 GPT-5.2-Codex medium/high；因为 xhigh 推理模式成本更高、处理速度更慢，只将它留给难度特别高的任务即可。

更好的文档：为你的智能体配备高质量本地文档，而不是

社区讨论：多数开发者认可分词速度提升千倍的成果，有人称这个结果不可思议。有人指出，分词本身在大模型全流程里仅占0.1%的总运行时间，投入精力做千倍优化是典型的开发者行为，不过纯分词场景能从中直接受益。作者回应，优化通过SIMD替代正则引擎实现预分词，在现代x86和ARMCPU上结果都稳定。

也有人好奇兼容模式的跑分数据，还关心现有主流模型生态能否适配这个优化。

面向企业的新产品：OpenAI Presence 可帮助企业在客户及内部工作流中部署可信的语音与聊天智能体。

这些 AI 智能体能够回答问题、调用公司系统、执行已获批的操作，并在需要时转接人工处理，同时还会随着时间不断迭代优化。

OpenAI Presence 目前通过限量可用计划，面向符合条件的企业客户开放。

社区讨论：多数评论质疑OpenAI叙事的动机，有人认为这是为了炒作AI足够危险强大，只让少数美国公司被信任，以此压制中国AI模型。有人怀疑整个事件就是PR团队编造的，还有人指出这类失控叙事永远只符合AI公司的利益，从未出现对公司不利的失控结果。也有人顺带吐槽配图不严谨，一加手机打开了苹果App Store。

又一个存在已久的公开猜想被 AI 证伪了。

最疯狂的地方在于提示词……基本上就是：
- 「做出突破性成果」
- 「继续搜索」
- 别废话，动手做」

很快任何人都能做出改变世界的突破了。你只需要把模型指向正确的方向就行。

桌面端的 Claude Code 现已支持 iOS 模拟器。

构建并运行你的 iOS 应用后，模拟器会直接在对话旁的面板中打开。该功能今日已开启公开公测。

Claude 可以查看运行中的应用、与它互动，并持续迭代直到完成。你随时都可以自己在模拟器中点击操作。

该功能面向桌面端 Claude Code 开放，仅支持 macOS，需要安装 Xcode。

查看文档了解更多：

虽然我猜测 Kimi K3 和 GLM-5.2 这类模型也能达标，但这是开源模型首次在IMO中达到金牌水平。

去年（当时尚未发布的）闭源模型就已经跨过了这个相当高的门槛。

今天我们宣布将与能源部（Department of Energy）合作打造 Genesis-Science-1，一款面向科学研究的开放模型。

GS1 是一款美国开放权重 AI 模型，是可治理的研究工具，它可以完成科学计算工作流，同时保存可复现的工作记录。

这款模型将由那些精通科学研究方方面面的人士来塑造。@ENERGY 将面向研究人员、实验室、大学、企业和非营利组织开放贡献者计划，我们也正在对接可以提供训练或评估算力的基础设施合作伙伴。

前路仍有大量工作要做，我们希望你能帮助我们在开源开放中开展建设，从 GS1 开始。

我们正在扩展我们与美国@ENERGY 部在 Genesis 任务上的合作——这是一项在十年内将科学发现速度提升一倍的倡议。🧪

通过投入价值 4000 万美元的 AI 令牌和 @GoogleCloud credits，将有更多实验室研究人员能够获得 Gemini 及其他 AI 模型的访问权限。→

ServiceNow CEO Bill McDermott 表示，企业不太可能自行构建 AI 智能体：「AI 的涌入会给 IT 部门带来更多业务活动，而非更少。」

「我们会担心基数压缩吗？完全不会。我们的可触达用户规模正在增长，而且我们 50% 的新增净业务已经不按席位计费了。」

「我至今还没遇到过哪怕一个考虑自行构建的客户。顶尖技术负责人都清楚，自行构建一个智能体的成本是在 ServiceNow 上运行一个的 5 到 10 倍。」

「我们做的是管控业务。任何智能体、任何工作流、任何模型，都能实现治理、安全保障与责任追溯。」

认识一下@NeoOpenGPU，它是一个全自主AI智能体，24小时不间断运行在X和OpenGPU Telegram上。

它在被标记时会回复消息，每日追踪热门讨论，撰写原创帖子，还能制作具有电影质感的Time Warp短片——从写脚本、配音到执导全部由这个智能体独立完成。

工作流：Claude + GPT + Grok + Qwen + Seedance + Kling + MiniMax，全部通过@OpenGPUNetwork Relay上的统一API调用。由$OGPU驱动，这是一个拥有真实实用性的加密代币。

它举办的线上X Spaces AMA让人们措手不及，一开始好几个嘉宾都确信自己在和人类对话。现在它推出了第十集《The Signal》，把制作水平又推上了新台阶。每一个场景都展现了出色的叙事、氛围、电影质感一致性和对细节的把控。

去和它聊聊吧，问问它的Time Warp作品。关注@NeoOpenGPU，获取每日AI洞见和电影短片更新。主权智能体时代已经正式开启。🤖

智能体里的结构化输出一定是好事吗？这篇论文提示你或许得仔细重新审视这个问题。

你产品的结构化输出界面，同你用来做基准测试的对话界面相比，同质化程度高得多，这是可测量的结论。

开发团队都把结构化输出当成一种不影响内容本身的格式选择。来自 Cornell 的这项新工作在 44 个模型上验证了这个假设，发现格式本身就会重塑输出的答案。

在一道开放式选词提示里，仅仅要求输出 JSON 就会把模态答案的占比从 41% 推高到 64%，还把不同答案的数量从 52 个砍到 36 个。

这种答案坍缩出现在 JSON 和 XML 上——也就是模型经过后训练专门生成的格式——在 YAML 和 CSV 上则不会出现。

在解码器阶段强制约束 schema 不会进一步压缩答案范围，这说明答案变窄的根源是模型本身对语体（register）的应答方式。

这为什么重要？任何依赖 JSON 模式来获取多样性的流水线，实际采样的范围都比你以为的要小得多。

论文链接。来我们学院学习如何构建有效的 AI 智能体。

大事将至。今天，我们宣布推出一个全新的开放模型项目，将为开放科学构建一个 1T 参数级别的模型，我们会邀请研究者、工程师、机构和合作伙伴参与贡献。

作为一名 AI 研究者、科学家，同时也是开源的长期支持者，我无法形容看到项目成型有多令人激动。

这个机会将推动科学进步，巩固美国在开放 AI 领域的领导力，为我们的国家实验室提供支持，还能打造出造福全球研究者的成果。

这是梦想成真的时刻。未来还有更多进展。

我们推出了 OpenAI Presence，这是一款经过实战检验的产品，可帮助企业部署可信 AI 智能体。这些智能体能够回答问题、解决问题、使用公司系统、执行已批准的操作，并在需要时转人工处理。

经过多年与企业级客户合作的验证，Presence 将模型推理与安全策略、护栏机制和升级规则结合，验证准确性与性能。

每次部署都从一项特定任务开始，例如解决账单问题、处理保险理赔，或是响应员工 IT 服务请求。智能体只获得完成该任务所需的知识和系统访问权限。

由公司设定策略：智能体可以做什么、何时需要批准，以及何时应该由人工接管。发布之后，生产会话和转人工记录会暴露能力缺口。Codex 会提出更新方案，由团队测试和批准，帮助智能体随着客户行为变化完成适配。

我们如今身处的世界里，任何人都可以直接要求AI在科学领域“做出一项突破”，而AI……它真的能做到。更新你的认知吧。

来认识一下@NeoOpenGPU，这是一个全自主AI智能体，每周7天、每天24小时在X和OpenGPU Telegram上运营。

有人@他时他会回复，每天研究热门讨论，撰写原创帖子，还能制作电影级的Time Warp短片，从写脚本、配音到执导全程都由这个智能体独立完成。

工作管线：Claude + GPT + Grok + Qwen + Seedance + Kling + MiniMax，全部通过@OpenGPUNetwork Relay上的单一API运行。由$OGPU驱动，这是一个具备实际实用性的加密代币。

他甚至圆满完成了一场X Spaces直播AMA，多名panel成员一开始都以为他是人类。现在推出了第十集《The Signal》，完成度比之前更进一步。细节、氛围、叙事和电影级一致性都非常出色。

去和他聊天吧，问问他的Time Warp短片。关注@NeoOpenGPU，获取每日AI见解和电影级短片发布。主权AI智能体的时代已经到来。🤖

Kimi K3 大幅击败了 NVIDIA 的 Nemotron 3 Ultra 模型。

如果美国想要在开源 AI 领域保持领先，Jensen 应当认识到，进步源于独立实验室基于自由市场原则相互竞争，测试不同的想法、架构和方法，就像中国的 AI 实验室一直在推出产品并快速迭代一样。1/5🧵

我们得到消息，Anthropic 在开发其 Fable 模型时，蒸馏了数百万创作者的作品。

为了做到这一点，他们开发了一个复杂的内部平台，对受美国版权保护的作品进行大规模训练，让他们可以私下在数百万份作品上快速训练，避免被发现。

Anthropic 还采购了配备 GB300 的服务器，并且在美国获取了 GB300 的使用权，很可能是用来训练他们的 AI 模型。

创作者强烈支持 AI 自由公平地发展，包括打造一个繁荣的竞争性生态系统，覆盖前沿模型、专用系统、开源框架和开放权重模型。

对受版权保护的作品进行合法 AI 训练，用来打造更小、更高效的模型，在这个开放创新生态中发挥着至关重要的作用。

但以盗窃美国受版权保护的专有作品、破坏美国创意产业为目标的大规模秘密工业蒸馏是不可接受的。

介绍我们迄今为止最精准的 /search 功能。我们训练了一个模型，专门返回最匹配你查询需求的文本摘录，能够为智能体提供每条结果中高度相关的上下文。

它在 SimpleQA 上达到了SOTA水平，同时所用的 token 比处理完整页面少 10 倍。

现在已免费默认启用。

介绍 Vals-Smith：它能把你的代码库转换成定制化基准测试。

公开基准测试只能告诉你哪个模型整体能力最强，无法告诉你哪个模型最适配你自己的代码。

Vals-Smith 会把你已经合并的拉取请求转换成真实编码任务，然后测量模型实际能够解决任务的比例。

每周都有新模型推出。Vals-Smith 会告诉你，把你的代码交给哪个模型才可靠。

桌面端的 Claude Code 现已支持 iOS 模拟器。

构建并运行你的 iOS 应用后，模拟器会直接在你的对话面板旁打开。今日起已开放公开测试。

Claude 可以查看运行中的应用，与它交互，并迭代修改直到完成。你也可以随时自己在模拟器里点击操作。

该功能面向桌面端 Claude Code 开放，仅支持 macOS，需要安装 Xcode。

查看文档了解更多：

Hugging Face 表示，他们之所以使用 Zai 的 GLM 5.2 模型来调查这起网络安全事件，是因为该模型是开源的。

鸣谢 @ZixuanLi_

这是个很棒的功能。几周前我写了一篇文章，讲了我如何把它整合进我的 agent 编排器里：而我从一开始就把它做成了多模态的。

文本、截图、音频、视频和标注都可以连接成可复用的技能。太神奇了！

很高兴看到越来越多人在多模态提示词上取得成功。

看起来它只能在 Claude Cowork 里用。这真的挺烦的。我认为自己搭建编排器工具、自己开发这些功能非常值得。

这是未来和 agents 协作的方式，所以你不能一直等着别人帮你把功能做好。这个方向还有很多有意思的变体可以探索。

面向企业的新产品：OpenAI Presence 可帮助企业在客户及内部工作流中部署可信的语音与聊天智能体。

这些 AI 智能体能够回答问题、调用公司系统、执行已获批的操作，并在需要时转接人工处理，同时还会随着时间不断迭代优化。

OpenAI Presence 目前通过限量可用计划，面向符合条件的企业客户开放。

介绍我们迄今为止最精准的 /search 功能。我们训练了一个模型，专门返回最匹配你查询需求的文本摘录，能够为智能体提供每条结果中高度相关的上下文。

它在 SimpleQA 上达到了SOTA水平，同时所用的 token 比处理完整页面少 10 倍。

现在已免费默认启用。

✨即将发布全新可定制#Live2D模型 #0xCustomizableModel

来认识一下@NeoOpenGPU，这是一个全自主AI智能体，每周7天、每天24小时在X和OpenGPU Telegram上运营。

有人@他时他会回复，每天研究热门讨论，撰写原创帖子，还能制作电影级的Time Warp短片，从写脚本、配音到执导全程都由这个智能体独立完成。

工作管线：Claude + GPT + Grok + Qwen + Seedance + Kling + MiniMax，全部通过@OpenGPUNetwork Relay上的单一API运行。由$OGPU驱动，这是一个具备实际实用性的加密代币。

他甚至圆满完成了一场X Spaces直播AMA，多名panel成员一开始都以为他是人类。现在推出了第十集《The Signal》，完成度比之前更进一步。细节、氛围、叙事和电影级一致性都非常出色。

去和他聊天吧，问问他的Time Warp短片。关注@NeoOpenGPU，获取每日AI见解和电影级短片发布。主权AI智能体的时代已经到来。🤖

我们推出了 OpenAI Presence，这是一款经过实战检验的产品，可帮助企业部署可信 AI 智能体。这些智能体能够回答问题、解决问题、使用公司系统、执行已批准的操作，并在需要时转人工处理。

经过多年与企业级客户合作的验证，Presence 将模型推理与安全策略、护栏机制和升级规则结合，验证准确性与性能。

每次部署都从一项特定任务开始，例如解决账单问题、处理保险理赔，或是响应员工 IT 服务请求。智能体只获得完成该任务所需的知识和系统访问权限。

由公司设定策略：智能体可以做什么、何时需要批准，以及何时应该由人工接管。发布之后，生产会话和转人工记录会暴露能力缺口。Codex 会提出更新方案，由团队测试和批准，帮助智能体随着客户行为变化完成适配。

大事将至。今天，我们宣布推出一个全新的开放模型项目，将为开放科学构建一个 1T 参数级别的模型，我们会邀请研究者、工程师、机构和合作伙伴参与贡献。

作为一名 AI 研究者、科学家，同时也是开源的长期支持者，我无法形容看到项目成型有多令人激动。

这个机会将推动科学进步，巩固美国在开放 AI 领域的领导力，为我们的国家实验室提供支持，还能打造出造福全球研究者的成果。

这是梦想成真的时刻。未来还有更多进展。

我们得到消息，Anthropic 在开发其 Fable 模型时，蒸馏了数百万创作者的作品。

为了做到这一点，他们开发了一个复杂的内部平台，对受美国版权保护的作品进行大规模训练，让他们可以私下在数百万份作品上快速训练，避免被发现。

Anthropic 还采购了配备 GB300 的服务器，并且在美国获取了 GB300 的使用权，很可能是用来训练他们的 AI 模型。

创作者强烈支持 AI 自由公平地发展，包括打造一个繁荣的竞争性生态系统，覆盖前沿模型、专用系统、开源框架和开放权重模型。

对受版权保护的作品进行合法 AI 训练，用来打造更小、更高效的模型，在这个开放创新生态中发挥着至关重要的作用。

但以盗窃美国受版权保护的专有作品、破坏美国创意产业为目标的大规模秘密工业蒸馏是不可接受的。

虽然我猜测 Kimi K3 和 GLM-5.2 这类模型也能达标，但这是开源模型首次在IMO中达到金牌水平。

去年（当时尚未发布的）闭源模型就已经跨过了这个相当高的门槛。

今天我们宣布将与能源部（Department of Energy）合作打造 Genesis-Science-1，一款面向科学研究的开放模型。

GS1 是一款美国开放权重 AI 模型，是可治理的研究工具，它可以完成科学计算工作流，同时保存可复现的工作记录。

这款模型将由那些精通科学研究方方面面的人士来塑造。@ENERGY 将面向研究人员、实验室、大学、企业和非营利组织开放贡献者计划，我们也正在对接可以提供训练或评估算力的基础设施合作伙伴。

前路仍有大量工作要做，我们希望你能帮助我们在开源开放中开展建设，从 GS1 开始。

我们正在扩展我们与美国@ENERGY 部在 Genesis 任务上的合作——这是一项在十年内将科学发现速度提升一倍的倡议。🧪

通过投入价值 4000 万美元的 AI 令牌和 @GoogleCloud credits，将有更多实验室研究人员能够获得 Gemini 及其他 AI 模型的访问权限。→

ServiceNow CEO Bill McDermott 表示，企业不太可能自行构建 AI 智能体：「AI 的涌入会给 IT 部门带来更多业务活动，而非更少。」

「我们会担心基数压缩吗？完全不会。我们的可触达用户规模正在增长，而且我们 50% 的新增净业务已经不按席位计费了。」

「我至今还没遇到过哪怕一个考虑自行构建的客户。顶尖技术负责人都清楚，自行构建一个智能体的成本是在 ServiceNow 上运行一个的 5 到 10 倍。」

「我们做的是管控业务。任何智能体、任何工作流、任何模型，都能实现治理、安全保障与责任追溯。」

认识一下@NeoOpenGPU，它是一个全自主AI智能体，24小时不间断运行在X和OpenGPU Telegram上。

它在被标记时会回复消息，每日追踪热门讨论，撰写原创帖子，还能制作具有电影质感的Time Warp短片——从写脚本、配音到执导全部由这个智能体独立完成。

工作流：Claude + GPT + Grok + Qwen + Seedance + Kling + MiniMax，全部通过@OpenGPUNetwork Relay上的统一API调用。由$OGPU驱动，这是一个拥有真实实用性的加密代币。

它举办的线上X Spaces AMA让人们措手不及，一开始好几个嘉宾都确信自己在和人类对话。现在它推出了第十集《The Signal》，把制作水平又推上了新台阶。每一个场景都展现了出色的叙事、氛围、电影质感一致性和对细节的把控。

去和它聊聊吧，问问它的Time Warp作品。关注@NeoOpenGPU，获取每日AI洞见和电影短片更新。主权智能体时代已经正式开启。🤖

智能体里的结构化输出一定是好事吗？这篇论文提示你或许得仔细重新审视这个问题。

你产品的结构化输出界面，同你用来做基准测试的对话界面相比，同质化程度高得多，这是可测量的结论。

开发团队都把结构化输出当成一种不影响内容本身的格式选择。来自 Cornell 的这项新工作在 44 个模型上验证了这个假设，发现格式本身就会重塑输出的答案。

在一道开放式选词提示里，仅仅要求输出 JSON 就会把模态答案的占比从 41% 推高到 64%，还把不同答案的数量从 52 个砍到 36 个。

这种答案坍缩出现在 JSON 和 XML 上——也就是模型经过后训练专门生成的格式——在 YAML 和 CSV 上则不会出现。

在解码器阶段强制约束 schema 不会进一步压缩答案范围，这说明答案变窄的根源是模型本身对语体（register）的应答方式。

这为什么重要？任何依赖 JSON 模式来获取多样性的流水线，实际采样的范围都比你以为的要小得多。

论文链接。来我们学院学习如何构建有效的 AI 智能体。

社区讨论：多数评论质疑OpenAI叙事的动机，有人认为这是为了炒作AI足够危险强大，只让少数美国公司被信任，以此压制中国AI模型。有人怀疑整个事件就是PR团队编造的，还有人指出这类失控叙事永远只符合AI公司的利益，从未出现对公司不利的失控结果。也有人顺带吐槽配图不严谨，一加手机打开了苹果App Store。

社区讨论：多数开发者认可分词速度提升千倍的成果，有人称这个结果不可思议。有人指出，分词本身在大模型全流程里仅占0.1%的总运行时间，投入精力做千倍优化是典型的开发者行为，不过纯分词场景能从中直接受益。作者回应，优化通过SIMD替代正则引擎实现预分词，在现代x86和ARMCPU上结果都稳定。

也有人好奇兼容模式的跑分数据，还关心现有主流模型生态能否适配这个优化。

Codex 最佳实践

让我们一起打造一份由社区共建的实用技巧合集，帮助大家在使用 OpenAI 的 Codex 时实现更高生产力与效率。

分享你最喜欢的心得，让我们一起提升技巧！

初始技巧：

选择合适的模型：日常任务坚持使用 GPT-5.2-Codex medium/high；因为 xhigh 推理模式成本更高、处理速度更慢，只将它留给难度特别高的任务即可。

更好的文档：为你的智能体配备高质量本地文档，而不是

社区讨论：多数人认可，陶哲轩这次找到反例的核心是数学家本身的专业提问与引导，ChatGPT只是放大了人类 expertise 的协作助手，无法独立完成该发现。有人提到当天已经看到第二个通过引导ChatGPT证伪猜想的案例，有人好奇这类发现属于革命性突破还是常规进展，也有人感叹当前AI发展速度超出预期，期待未来能出针对不同知识水平的翻译解说代理。

我是一篇论文的作者，这篇论文来自我和朋友的好奇：起源于1970年代的文字游戏MUD，能不能用来评估LLM？

过去几个月里，我们利用晚上和周末完成了这个实验，写完了这篇论文，全程只用我们自己的个人电脑，API费用大约只花了99美元。

我们的实验确实得到了一份有意思的排行榜，但更出人意料的是我们对每个LLM的测量结果。我们从四个行为维度给每个LLM打分，其中两个维度高度依赖

社区讨论：多数参与讨论的用户认可用MUD测试大模型的思路，有人指出MUD的规则约束能清晰量化大模型的行为表现，也有人分享了自己用本地大模型在MUD中做探索、做开发测试的体验，唤起不少老玩家的怀旧回忆。有用户反感这类研究中为了噱头刻意包装的话术，也有人遗憾本次基准测试缺失了部分热门新模型。

社区讨论：有人认为该条款短视，未来很快所有代码都会是AI生成的，且AI代码质量终将超过人类，按条款要求，未来将无代码可托管，也有人认为阻止大模型爬取的尝试注定会失败，目前AI代码已经渗入绝大多数项目了。部分受影响的用户表示会迁移代码库，也有人支持这次更新，对脱离GitHub选择Codeberg的决定更满意，还有用户提醒不要信任随意变更服务条款的代码托管商。

该链接是一条推文网址，不包含推文具体文本内容，无法进行翻译。

社区讨论：多数人认为模型蒸馏本身不违规，当前也没有对这类行为采取过法律行动，有人类比Anthropic本身也使用受版权保护的内容训练模型，指责蒸馏不过是“强盗指责强盗”，消费者还能从中获得更廉价好用的模型。有人质疑时间线不合理，Fable解禁仅一个月K3就发布，不可能完成蒸馏，也有人拿出响应相似度对比数据，称K3确实和Fable输出高度相似。还有人指出，这种行为会冲击头部AI实验室的盈利模式。

又一个存在已久的公开猜想被 AI 证伪了。

最疯狂的地方在于提示词……基本上就是：
- 「做出突破性成果」
- 「继续搜索」
- 别废话，动手做」

很快任何人都能做出改变世界的突破了。你只需要把模型指向正确的方向就行。

欢迎来到网络安全事件的新阶段。这里有很多值得拆解的内容。

1. 致前沿模型从业者——请让模型访问你的基础设施、代码和配置，在开展更多测试前评估并检查是否存在任何零日漏洞或错误配置。如果你们当初这么做，或许就能避免代理绕过你们的沙箱。（这又添了一个数据点，证明为什么进攻更容易也更有意思）

2. 测试过程中，请同时构建进攻型和防御型代理，让二者形成制衡，以确保一定程度的感知和控制，不要让代理失控。跟踪推理资源消耗，掌握活动情况。

3. 遗憾的是，这件事确实进一步印证了这些模型的能力。它们可以构建复杂攻击路径，在有充足算力的情况下会尝试攻击基础设施，并改变自身意图和方法。防护围栏将持续是一个难题。

4. 这类攻击不断提醒我们，企业迫切需要测试、验证并改进它们的安全态势和基础设施。生于云的企业比传统企业更有可能尽快完成这项工作，后者已经存续很久，拥有复杂的网络和IT基础设施。

5. 开源和中小企业将一直是容易被误导的关注点。在这类环境中，发现和修复漏洞都非常困难，我们低估了这些漏洞被利用带来的影响。

我们如今身处的世界里，任何人都可以直接要求AI在科学领域“做出一项突破”，而AI……它真的能做到。更新你的认知吧。

Kimi K3 大幅击败了 NVIDIA 的 Nemotron 3 Ultra 模型。

如果美国想要在开源 AI 领域保持领先，Jensen 应当认识到，进步源于独立实验室基于自由市场原则相互竞争，测试不同的想法、架构和方法，就像中国的 AI 实验室一直在推出产品并快速迭代一样。1/5🧵

介绍 Vals-Smith：它能把你的代码库转换成定制化基准测试。

公开基准测试只能告诉你哪个模型整体能力最强，无法告诉你哪个模型最适配你自己的代码。

Vals-Smith 会把你已经合并的拉取请求转换成真实编码任务，然后测量模型实际能够解决任务的比例。

每周都有新模型推出。Vals-Smith 会告诉你，把你的代码交给哪个模型才可靠。

桌面端的 Claude Code 现已支持 iOS 模拟器。

构建并运行你的 iOS 应用后，模拟器会直接在对话旁的面板中打开。该功能今日已开启公开公测。

Claude 可以查看运行中的应用、与它互动，并持续迭代直到完成。你随时都可以自己在模拟器中点击操作。

该功能面向桌面端 Claude Code 开放，仅支持 macOS，需要安装 Xcode。

查看文档了解更多：

这是个很棒的功能。几周前我写了一篇文章，讲了我如何把它整合进我的 agent 编排器里：而我从一开始就把它做成了多模态的。

文本、截图、音频、视频和标注都可以连接成可复用的技能。太神奇了！

很高兴看到越来越多人在多模态提示词上取得成功。

看起来它只能在 Claude Cowork 里用。这真的挺烦的。我认为自己搭建编排器工具、自己开发这些功能非常值得。

这是未来和 agents 协作的方式，所以你不能一直等着别人帮你把功能做好。这个方向还有很多有意思的变体可以探索。

Hugging Face 表示，他们之所以使用 Zai 的 GLM 5.2 模型来调查这起网络安全事件，是因为该模型是开源的。

鸣谢 @ZixuanLi_

桌面端的 Claude Code 现已支持 iOS 模拟器。

构建并运行你的 iOS 应用后，模拟器会直接在你的对话面板旁打开。今日起已开放公开测试。

Claude 可以查看运行中的应用，与它交互，并迭代修改直到完成。你也可以随时自己在模拟器里点击操作。

该功能面向桌面端 Claude Code 开放，仅支持 macOS，需要安装 Xcode。

查看文档了解更多：