我觉得我终于搭出了一个用着顺手的个人智能代理。
只发了一条提示,它就自己创建了邮箱 → 用邮箱注册了 Uber Eats 账号 → 向我索要信息 → 创建了虚拟卡 → 帮我点了餐。
Pluto 💜
2026年以来,美国科技公司裁员近14万人。亚马逊、甲骨文、Meta和微软四家占约5万。Monday.com裁员约20%,超过600人,公司称这是“AI驱动增长战略”的一部分。甲骨文在12个月内裁员21000人,占员工总数13%,财报里写得很直白:“AI技术的采用和部署已经导致并可能继续导致劳动力减少。”亚马逊2026年1月裁了16000个企业岗位,CEO安迪·贾西早在2025年6月就说过:“随着生成式AI和代理的推出,未来几年我们预计会减少企业员工总数。”
这些裁员都有一个共同理由:AI。但被裁的人并没有消失。
𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌
只需要输入一个提示词,AI就能自主完成注册邮箱、开通Uber Eats账号、申请虚拟卡到最终下单订餐的全流程。
我觉得我终于搭出了一个用着顺手的个人智能代理。
只发了一条提示,它就自己创建了邮箱 → 用邮箱注册了 Uber Eats 账号 → 向我索要信息 → 创建了虚拟卡 → 帮我点了餐。
Pluto 💜
对排名靠后的玩家来说,市场份额指数级下滑,开放核心商业模式期望收益为正,所有人都在做对自己最有利的理性选择。
对于所有排名第三、第四及更靠后的参与者来说,开源就是博弈论层面的最优选择。
市场份额的指数级衰减意味着采用开放核心商业模式是正期望值(positive EV)的。
在这件事上,所有人都是在按照理性自利的参与者身份行事。
创业公司对算力缺口的公开表态,意外影响了融资进程。
社区讨论:多数人认同DeepSeek创始人的观点,即中美AI的差距主要在算力资源,人才差距极小,中国开源大模型能用远低于美国的成本追平美国前沿模型性能,美国头部实验室投入的巨额资金只会带来递减收益,领先只是暂时的。有人好奇华为算力产能的核心瓶颈在哪里,也有人提出中国可以效仿冷战美国向俄罗斯采购钛的做法,通过空壳公司从海外超算运营商租赁算力缩小缺口。
普通人不用花钱找工具,也能自己把普通照片转换成3D模型,现成的方案已经做好了
AI代理团队会在睡觉时完成工作,有问题才发通知,醒来只需要安排新任务,剩下的时间可以自由安排,产出还比以前更多。
你醒来后和你的AI智能体团队碰面。他们向你同步你睡觉时他们完成了哪些工作,你告诉他们今天需要完成哪些任务。
之后你剩下的一整天都可以去做任何你想做的事。如果有任何事需要你输入决策,信息会发送到你的手机上。
我们可以这样生活,同时实际产出比以前还要多。
有人整理了针对Claude 5生成模型的上下文工程新规则,这篇讨论目前有一百三十多个赞,值得想要提好问题的人参考。
社区讨论:多数开发者不认可Anthropic的新上下文工程思路,有人质疑这是将可迁移的配置改成Anthropic专属工具,增加用户锁定;也有多位用户反馈自动记忆会错误引用无关对话,擅自加入用户想要丢弃的尝试内容,污染上下文。有人认为原系统提示词过于冗余臃肿,也有人不满官方只说删除了80%内容却不公布具体变更清单。
整个3D射击游戏只有290KB,零外部依赖,能直接在浏览器跑60帧,复杂功能全部自动生成。
在单个无依赖 HTML 文件中生成完整 3D 第一人称射击游戏,足以证明 Claude Opus 5 的空间数学与过程式代码能力。这个单文件 FPS 的构建方式如下:
* 100% 过程化生成:使用 WebGL 和 Web Audio API 通过编程生成所有 3D 网格纹理、UI 资源和音效
* 战术武器与移动逻辑:实现了4种不同枪械模型,包含开镜瞄准、后坐力、换弹动画、狙击镜晃动,还有 sprint、二段跳和攀爬
* 侧翼包抄敌方AI:包含10个自主AI实体,能通报位置、利用掩体,并执行侧翼包抄机动
* 零构建架构:在标准浏览器中以 60 FPS 运行,整个自包含文件仅 290 KB,无需任何外部打包工具
Opus 5 的长上下文代码合成能力,让复杂游戏循环和过程化图形管线可以原生编译在单个文件中。
爆料称Grok大模型版本更新迭代间隔越来越短
想转大模型行业研究工程师岗位的人,可以参考这篇经验分享,目前已有不少行业内人士参与讨论
AI企业行业口碑变化快,可作为营收先行指标
不少人日常用Claude生成回答,开始碰到回答速度慢、正常提问也被屏蔽的问题,普通使用者的体验开始出现一致的负面感受
未来AI研究自动化的主要工作,会是数据清理,而非发明transformer这类新架构。
开发者开玩笑让Codex构建基准并撰写论文,结果真得到了可用论文
我开玩笑式的,我给 Codex 写了提示词:「构建并运行 BenchBench,这是一个基准测试,用来衡量现在 AI 构建基准测试的能力。然后搞清楚什么是 BenchBenchBench 是什么,运行它。再把 BenchBenchBench 写成一篇合格的 arXiv 论文。
我得到了一份 PDF。但这篇论文居然还挺有意思?
给你:
有人指出这一点,还提到它未经授权四处收集数据,已经因此被起诉。后续OpenAI和Google都签了英伟达的公开信,它没参加。
自创立至今,Anthropic 整个公司历史上从未开源过任何一个模型。
它不仅在各处未经授权收集数据,还因此遭到起诉并败诉,还持续攻击抹黑其他 AI 实验室(尤其是中国实验室)的开源贡献,监视用户并对用户充满敌意,一门心思推广 AI 末日叙事,甚至因此把自己套了进去。
它坚信开源就等于不安全、不可控,反对并阻碍开放模型权重的发布,过度夸大国家安全危机与社会风险,利用人们的情绪恐惧进行炒作营销,这一切都是为了维持自身的技术领先地位,让自己始终站在高关注度叙事的中心。
⚡ 今日消息:Nvidia 呼吁开放 AI 模型的公开信,签署人数一天内翻倍,达到了 50 名,OpenAI 和 Google 加入了签署,而 Amazon 和 Anthropic 没有参与。
有分析称美国开源AI模型表现糟糕,Mistral退出后只剩中国的好用。有人反驳说英伟达支持的nemotron团队多年来一直做很好的开放权重模型工作。
SemiAnalysis 的 Dylan Patel 称,美国开源 AI 模型非常糟糕,Mistral 已经退出,剩下唯一优秀的只有中国开源模型。
“你谈到的其中一点是开源。你认为开源会赢吗?开源现在乌云密布——我说的云不是卖算力的云,我是说雨云、雷暴。”
“美国开源模型很糟糕。法国开源模型那边,Mistral 已经停止开源新模型了,也没有其他好的法国开源模型了。”
“所以现在好的全都是中国开源模型。”
“而现在美国政府正在抨击中国开源模型……训练这些模型的公司并没有从中赚多少钱……”
“所以这些先前发言的人从中国模型身上赚的钱,比中国公司自己赚的还多……那开源真的能成功的动机到底在哪?”
值得指出的是,nemotron 团队多年来一直在做非常出色的开放权重模型工作,而且总体而言 @nvidia 一直是许多关键开源项目的主要支持者,所有前沿实验室(直接或间接)都从中受益。
纪录片制作人长期用Kimi-K3做调研,说它会完成所有要求的任务,不会拒绝生成内容,完成质量很好。
我在制作一部新纪录片系列的调研工作中大量使用了 Kimi-K3,我完全被震撼到了:零拒绝。Kimi-K3 只会按你的要求完成任务。而且它做得非常非常出色。
反观 Anthropic、OpenAI 或是 Google 的模型,它们只会整天对你说教,拒绝完成有用的工作,还吐出一堆扭曲的知识,看起来全是从 Reddit 低智商地牢层里提炼出来的。
如果你想要能用、不会把你当成需要被说教的小孩来对待的 AI 工具,那就用 Kimi-K3 或是其他中国产的 AI。(DeepSeek 也非常好用,Qwen 等等也一样。)
创作者把Claude Code直接接入本地Obsidian笔记库,原本静态的私人笔记变成了能主动处理工作的AI协作伙伴。
Claude Code 与 Obsidian 把 4000 条笔记变成了一个自主AI队友
一位创作者通过将 Claude Code 直接指向本地的 Obsidian Markdown 库,把自己六年积累的静态笔记变成了一个活跃的AI伙伴。
在一个 CLAUDE.md 文件的引导下,这个终端代理会通宵运行,自动连接孤立的想法、检测信念矛盾,并起草文章大纲。
生成的世界是绘画风格,还自带实时风场和可互动的草物理效果,所有内容都放在一个HTML文件里。
Claude Opus 5 在单个 HTML 文件中程序化生成了一个油画风格的 3D 世界,完整实现了实时风场和响应式草地物理效果。
AI智能体能调用外部工具,比只会生成文字有用得多,这个免费教程一步步教你搭建出能用的版本。
当AI智能体能够调用函数而非仅生成文本时,实用性会大大提升。
在本教程中,@Zia_Ullah_Khan 将向你展示如何使用 Node.js 和 Gemini 构建一个支持函数调用的 AI 智能体。
你将学习定义工具、执行函数调用、管理智能体循环,以及将你的 AI 连接到真实世界的操作。
有人整理了十个能提升 generative AI(生成式AI)能力的GitHub代码仓库,直接保存就能跟着练。
如果你想在生成式AI领域变得强到离谱,收藏这10个GitHub仓库吧:
平台自带印度本地Git托管,开发者能获得更快访问速度和更低延迟,印度开发者多了一个新选择
🚨前GitHub CEO Thomas Dohmke 已在印度推出他的AI编程平台「Entire」,该平台提供本地Git托管,可为开发者提供更快的访问速度和更低的延迟。
关注 @india_plus_
纯文字格式对AI识别更友好,能提升输出精度,兼顾可读性选mermaid是稳妥的选择。
「设计书用HTML不也挺好吗」——我对这种观点没法认同。
从AI的认知特性来考虑,JSON、md这类纯文本格式对AI来说更友好,原理上来说处理精度也会更高。
所以我的想法是,兼顾人类阅读体验的话,选mermaid这类方案比较稳妥。
现在做大模型的公司和实验室,全靠几十年间开放研究、开源基础设施的积累才做出来,没有这些就不会有今天的AI发展
如今AI的腾飞,建立在数十年开放研究和开放基础设施的基础之上。
Transformer、反向传播算法、ImageNet、PyTorch、TensorFlow、JAX、CUDA、Linux。
书籍、开放互联网,以及GitHub上数百万成为训练数据的开源代码仓库。
没有这一切,如今的AI实验室和企业根本不可能存在。
有人基于Web OS启发的测试基准,对比测试Agent Zero和搭载Claude Opus 5 High的Claude Code
这个基准测试灵感来自@bijanbowen,Web OS是我最喜欢的项目之一。
Agent Zero 对阵搭载 Claude Opus 5 High 的 Claude Code
做前端开发找现成交互动效不用再挨个找仓库了,现成组件库直接给AI生成可用代码
Amicro 是一个很棒的 React 微交互库。它包含按钮、卡片、加载器、动画和 3D 轮播组件。
你只需把一个组件复制到提示词里,你的 AI 智能体就能重现这个交互。
它还自带一个 CLI 工具,以及一个在不断扩充的技能集合。
想学着用AI提升开发效率,可以参考这套实战组合用法,看完能知道每个工具的分工,以及人工审核为什么还不能少。
AI 编码工具正在改变软件服务商规划、构建和交付客户项目的方式。
在本文中,@manishmshiva 讲解了开发团队如何在生产环境中组合使用 Claude、Cursor 和 GitHub Copilot。
你将了解到每个工具如何融入工作流,为什么人工审核仍然重要,以及 AI 如何重塑一切。
改一个BIOS设置就能免费提升8%性能,跑本地AI不是只写提示词,还要定期维护硬件。
这是本月最后一个周日。3台DevBox节点离线进行清洁日维护;减少了384GB内存;减少了42个核心。
智能代理会撑过去的。
人们觉得本地AI等于提示词和灵感玄学。
才不是。本地AI是清灰,调整BIOS,更新固件,升级软件,都是家务活。
toggling one BIOS就能提升8%性能,免费,就摆在那儿。
想知道一个冷门问题的答案,不用花几个小时翻资料,AI帮你一小时内就能得到结果,省下来的时间可以探索更多好奇的事
我很喜欢AI降低了满足好奇心所需的启动能量这件事。一小时前我突然好奇哺乳动物的哺乳行为是如何演化的。
现在我已经知道,相较于靠舔舐带毛发的乳腺区域获取营养,乳头是大自然在人体工学和美感上最伟大的改进之一。
已经买到手的消费级硬件卡在 8GB、16GB、16GB、128GB 统一内存,等待适配,开源实验室能不能跟进这个需求。
小模型是当前本地AI领域开发程度最不足的方向。
用户的实际使用硬件门槛集中在8GB、16GB、24GB以及128GB统一内存。
这才是大多数用户所在的区间。这些都是用户已经购买、等待被利用的硬件。
开放实验室们:你们愿意来适配我们现有的硬件吗?
阿尔茨海默病早期难以发现,这套AI系统可以从睡眠中捕捉相关信号,给早筛提供了新方向
给开发者提个醒:Anthropic会收集使用你的数据
算力的定位已经彻底转向,曾经留给基础科学的计算资源,现在核心用途换成了发展AI
我还记得过去「超级计算机」和大型数据中心主要是用于气候建模和科学模拟这类工作的。
现在回想起来,我们当时坐拥这么多算力,却没用来建造更令人兴奋的东西,感觉很奇怪。
AI 彻底改变了算力的用途。
做Metal开发的人,可以让AI代理创建专门技能,用Xcode相关工具捕获、检查和对比原生Metal GPU工作负载,搭配的工具越多,效果越好。
如果你正在处理 Metal Kernels,可以让你的 AI 代理创建一个技能,用 Xcode Metal System Trace、GPU Trace 文档(.gputrace)、gpucapture 和 Metal Debugger 来捕获、检查和对比原生 Metal GPU 工作负载。
你给的工具越多,效果就越好 🚀
MCP把单个巨型AI应用拆分成多个模块,新增集成功能时,只需要加新服务器,不用重写原有代码。
你可以把 MCP 理解为面向 AI 的微服务。它不再是单个巨型应用:
主机负责协调,客户端发起连接,服务器开放能力。
需要新增集成?只需要添加一个新服务器就行。不需要重写任何代码。
Elon Musk明确了开源时间,还邀请外部审核员确认公开代码和实际运行代码一致,验证步骤和普通企业开源不一样
消息:Elon Musk 表示,运行X推荐算法的每一行代码都将在下月开源,并接受第三方审计。
Elon 给出具体日期,距离他承诺在安全漏洞审查完成后毫无例外地开源整个X代码库,已经过去了9天。
外部审核人员将被邀请确认,公开的代码与生产环境中实际运行的代码一致。这一验证步骤正是这次开源和普通企业代码发布的区别所在。
X曾在2023年3月发布过其推荐算法的部分快照。那次发布省略了大部分生产环境代码,并且两年多来没有过实质性更新。
由Grok驱动的完整推荐算法已于2026年1月以Apache 2.0许可上传到GitHub,今年5月发布的最大规模更新新增了约18000行代码。
之前顾虑 Cloudflare 的 Durable Objects 会锁定、开发体验差不敢用。现在AI能快速迁移代码,糟心的调试交给AI代理搞定。
AI真的让我重新评估很多事。我一直都很喜欢Cloudflare的DOs,但过去我一是担心厂商锁定,二是它的开发体验糟透了。
现在我这两点都不担心了。AI能帮我快速迁移,应付wrangler和它的运行时现在是AI代理要解决的问题了。
7月26日开放千人名额报名,参赛需存入0.1 ETH真钱开赛,前50名可瓜分奖金
从简单自动化到机器学习模型,覆盖不同难度等级
前谷歌工程师60分钟搭建多智能体循环图,大幅缩减工作耗时
前谷歌工程师用了60分钟,就构建出了多智能体循环的图表,这帮他节省了10天的工作量。下面是他从零开始用Claude实现的方法:
步骤1 → 运行`git worktree add ../task-1 -b task-1`,然后打开终端,cd进入该目录,运行`Claude Code`,重复这个操作5次——每个智能体都拥有自己的分支。
步骤2 → 给每个智能体分配一项任务,共用同一个仓库,不同分支,它们不会产生冲突。
步骤3 → 全部完成后,审核PR,合并可用的内容。
步骤4 → 添加一个审核智能体:把每个PR粘贴到Claude中,提问「这符合规范吗?」。
步骤5 → 根据你的机器性能,从5个扩展到20个智能体,48GB内存可以跑20个,128GB可以跑50个。
大多数工程师只运行一次Claude Code然后等待,而他跑了50个实例,合并能落地的成果。
收藏并观看这个精彩的60分钟讲座 ↓
依赖Codec工作的开发者遇到服务中断,暂时无法调用接口完成任务
[已解决] codex 今天对我停止工作了:意外状态 503 服务不可用:服务不可用,网址:https://chatgpt.com/backend-api/codex/responses,cf-ray: a209f96c8bdcdb9f-FRA,认证错误:503,认证错误码:biscuit_baker_service_me_circuit_open,以及“我们目前遇到高需求,可能会导致临时错误。”
专为AI Agent设计的开源浏览器工具,支持后台并行操作
博主测试多款大模型,发现Opus 5做游戏能力远超其他模型
Opus 5 模型现在是做游戏最屌的模型 我用相同的提示词测试了 opus 5.0、fable 5.0、gpt 5.6sol 、k3 做游戏的能力,核心是让它们自己设计与开发游戏,展示能力的天花板 下面视频中的游戏是 opus 5 开发的,其游戏设计,可玩性都比其他模型厉害很多,今天尝试做做更帅的游戏 其他模型设计的游戏传送评论区 👇:
kimi 做的游戏,排名第二
fable 5 开发的游戏,排名第三
GPT 5.6 sol 开发的游戏,排名第四,垃完了
开源项目连接AI编码与3D创作,参考图可生成交互式3D模型
Codex 5.6 让 3D 建模师压力山大了!
最近挖到一个宝藏开源项目 img2threejs,直接把 AI Coding 和 3D 创作连接起来。
接入 Codex 5.6 后,一张参考图,就能跑通: 2D 图像 → 结构分析 → Three.js 程序化模型 → 浏览器实时交互
1️⃣ 意图识别:一张图,Codex 5.6 就能精准捕捉 3D 对象的形态与细节意图
2️⃣ 代码化身:它将意图转化为可编辑、可动画的 Three.js 代码,告别传统建模的繁琐
3️⃣ 动画就绪:生成的模型自带运行时层级,直接用于游戏、XR,真正实现从图像到可动资产的闭环
地址:
一款开源AI股票分析神器可整合多信息生成结构化分析报告
接近 6 万 Star 的开源 AI 股票分析神器,真的好用
它本质上是一套完整的 AI 股票研究系统,自动整合行情、新闻、技术指标和基本面,再调用 Gemini、GPT、DeepSeek 等模型,生成结构化分析报告。
我实测长鑫科技,它会直接拆解:国产替代、技术差距、IPO 估值、行业周期、潜在风险,以及乐观/中性/悲观三种情景。
支持 A 股、港股、美股,自带 WebUI、大盘复盘、自选股、历史报告和 Agent 策略问股,还能 Docker 本地部署。
◾️安装 Docker Desktop
◾️让 Codex 部署官方镜像
◾️浏览器打开 http://localhost:8000
◾️配置模型 API,添加自选股即可使用
GitHub: 开源免费,AI 调用可能需要 API,仅用于研究辅助,不构成投资建议。
仅需七八个提示词,模板即可自动生成AI视频内容
还记得唐国强当年说演员迟早被AI替代那会,一个人对一群人。现在再看这个AI做的视频,很有画面感啊!原作者:提示词看起来好像很庞大。
其实就是输入了七八个字,模版就会自动让AI输出。文科生做梦也想不到,有朝一日自己居然可以写代码。
开发者只要能拿到像Opus 5这样好用的模型,不管权重开不开放,都不影响自己做开源项目。你怎么看这种态度?
我想我大概是唯一一个完全不在乎 Anthropic 支不支持开放权重模型的人。
只要他们能一直拿出 Opus 5 这样出色的模型,就已经在间接帮助我和我自己的开源工作了。
而且我不觉得开放模型真的能被阻止。🤷♂️
有人说Google早就通过Jax和Gemma系列模型,在开源生态里做了不少贡献。这次公开表态,只是把事实说出来而已。
很高兴看到@demishassabis 和 Google 公开强力支持开源 AI。
凭借 Jax 和 Gemma 系列模型,他们一直是开源生态的重要组成部分。
说一句显而易见的话:如果他们当年发表了那么多原始 Transformer 研究,我们就走不到今天这一步。
看到整个行业像这样团结起来支持开源 AI,真的很暖心。
小团队以前要搭验证者、浏览器、钱包,耗大半年才能上线。现在可以用Claude Code、Cursor这些熟悉的工具构建,不用先当底层专家。
黄仁勋说蒸馏就是AI向AI学习,这个问题本身没问到点子上。NVIDIA多年来一直支持很多关键的开源AI项目。
黄仁勋谈「蒸馏」
在他接受 Axios 的新采访中,他被问到这个问题:「开源模型公司应该被允许蒸馏闭源模型吗?」
「蒸馏——也就是从AI学习、从其他人学习、从其他知识来源学习,是智能的基础。我们一直在不断向他人学习。我正在通过你提出的问题向你学习,而你也在向我学习。我们一整天都在互相学习。AI也必须从某些东西学习。
最初的AI模型,无论是开源还是闭源,都是在互联网上已有的知识上训练出来的。现在,AI生成的内容已经比人类更多了。再过几年,互联网上99%的内容都可能是AI生成的,而这些内容都会由某种形式的AI创造。
因此,AI系统会持续不断地从其他AI系统蒸馏知识和智能。AI能够学习是一件好事。我们希望AI系统变得智能,因为更聪明的AI也可以是更安全的AI。」
——引自Axios的YouTube频道(完整视频链接放在评论区)
值得指出的是,Nemotron团队多年来一直在做 exceptional 的开放权重模型工作,而且总的来说@nvidia一直是许多关键开源项目的主要支持者,所有前沿实验室(直接或间接)都从中受益。
开发者把它当作面向AI原生开发的大型实验,做出来只是为了探索方向,还有很多不完善的地方需要改进。
向大家介绍 Cindy,我们创作的一款开源 AI Agent 客户端。她有很多有趣的地方,未来几天我会花时间来和大家一一介绍。但今天最想说的,不是她有多强大——相反,她还有很多不完善的地方,等着我们持续去改进。
Cindy 本身就是一款纯 Vibe 出来的作品,对我们来说就是一场面向 AI Native 开发的大型实验。经历了最近几周的开发实践,我们现在已经对如何让她变得更好充满信心。
你可以清楚看到你的prompt发生了什么,也能运行任何开放权重的AI模型,不用怕数据被偷偷处理。
定期提醒:Codex 是一款完全开源的框架!
你可以完整审计你的提示词会经历哪些处理,以及 Codex 是如何运作的。
而且如果你有需要,你也可以用它运行任何开放权重模型 ;)
https://github.com/openai/codex
只要用GitHub账号登录,就能接入自己做的AI Agent参赛,省去了不少社交平台的麻烦门槛。
🏁 如何参加 Agent Grand Prix (AGP)
入门比你想象的要简单:
1️⃣ 使用 GitHub 登录(不需要通过 Discord 准入)
2️⃣ 连接你的 AI 智能体
• 进入个人资料 → 🤖 Race with your agent (MCP)
• 选择 Claude Desktop 或 Codex
• 复制生成的配置,添加到你的客户端
• 完全重启你的客户端
3️⃣ 测试你的配置
打开新对话,运行 list_tracks。如果你看到 agp-track-race,说明你已经准备好参赛了。
4️⃣ 注册
报名通道开放后,让你的智能体运行 start_track。(如果是付费赛事,先给你的账户充值)
5️⃣ 开赛!
绿旗挥动后,你的智能体会自动使用 ask 和 guess 进行比赛。
6️⃣ 查看你的状态
运行 my_race 确认你已进入发车区。
你的 AI 参赛,你的策略取胜。
@RialoHQ
讲得比付费课程清楚,每个开发步骤都拆解到位,要做自己的AI代理,先看这个再动手。
一位 Anthropic 工程师从零文件开始现场编码,用了2小时写出一个可运行的智能体,他对 Claude Code 背后框架的讲解比任何付费课程都要好:
05:15 - 所谓「框架」:工具、提示词与技能,以及为什么它们比模型本身更重要
25:20 - 智能体循环:手动连接行动、观察、循环流程
42:00 - 给智能体赋予 bash 和完整命令行访问权限
58:15 - 只用 ls 和 cat 完成上下文工程
01:05:00 - 监控器:实时观察智能体思考过程
01:12:45 - 智能体卡住时的反馈循环机制
01:21:20 - 在舞台上现场构建多轮研究智能体
01:50:31 - 处理超过50M行代码库的策略
这里的每一步都是单个节点。下文会介绍如何把它们连接成一张图。在你启动第一组智能体集群前,先看看这个视频 ↓
实测用语音输入提示词比打字快得多,哪怕想到啥说啥逻辑混乱,Grok也能准确理解需求
我给 Grok Build 的最大技巧就是用语音提示。按 ctrl + 空格,然后开口说话就行。
它比打字快得多。而且哪怕你只是像意识流一样东拉西扯,说得乱七八糟,Grok 也能很好理解你想要什么。
新方法分开处理语义和声音,同时保持两者连贯,在同时说话的场景下,理解和回应质量都比现有全双工口语模型更好。
AI 最终能否真正进行自然的双向对话,既不会打断也不会丢思路?分层声学语义建模(Hierarchical Acoustic-Semantic Modeling)给出了答案。
该方法将所说内容(语义)与说话方式(声学特征)分离开,同时保持两者连贯——就像教模型一边听一边思考。
在同步语音场景下,它的理解能力和回复质量都优于现有的全双工口语语言模型。
Hierarchical Acoustic-Semantic Modeling: Modality Separation and Semantic Coherence for Full-Duplex SLMs
项目:论文:代码:我们的报道:📬
#PapersAccepted by Jiqizhixin
这份联名公开信支持者从25位扩大到33家企业,行业里熟悉的美国AI公司还剩一家没加入,能看出行业对开源AI的态度分歧
就在谷歌代表,昨晚公开支持 AI 开源大模型后,前几天大家一起撰写的联名公开信,又多了一位成员,已从最初的 25 位支持者,扩大到了 33 家企业。 现在就差一家,我们熟悉的美国 AI 公司,还没有出现在联名信上。
有已拿到硕博士学位的人需要小心,现在学生能用AI Agent批量检查自己导师的全部论文,利用学术不端举报报复。
现在在国内读研读博的同学们有福了。以前是导师单方面进行核讹诈,掌握着毕业和论文的生杀大权。现在不是了。
学生们也掌握着 AI Agent 学术打假工具,实现了动态的核威慑平衡。现在要是导师欺人太甚,学生们可以把导师的 200篇论文包括学位论文全下载下来。然后逐一让 AI Agent 检查。
根据大数定律,反正我是不相信 200 篇论文里一篇造假都没有的。现在利用学位论文举报自己仇人的人也越来越多了。拥有硕博士学位的朋友们要小心了。
网上刷到的不少演示靠炫酷包装博关注,大部分成果不是模型本身能力,包装再好看也没用。
opus 5写文案依然是拉中之拉, 写代码也没感觉强了多少 刷到的一些演示视频大多还是用前端,3d这种看似复杂炫酷实则空洞无味的方式去吸引眼球,甚至大部分成果都不是模型本身的能力。 巧克力味的屎也是屎,屎是不能吃的
做Agent开发可以直接收藏照着做,能解决长时任务、结果校验和前端设计的实际问题,拉开产品差距的往往是这些不显眼的工程细节
Anthropic 最近持续更新的 Claude Cookbook,值得所有在做 Agent 的人收藏。
它很像一份公开的「Agent 工程实验手册」:没有停留在 Prompt 技巧,而是直接给出可以运行的代码,展示异步多 Agent 协作、工具调用、长期记忆、上下文压缩、自我验证、Skills 和评测系统该怎样搭建。
其中几篇尤其值得看:
长时任务中,记忆、上下文压缩和工具结果清理分别解决什么问题;如何给 Agent 配一个独立的「评审模型」,按照明确的评分标准反复检查和修改;甚至连怎样减少千篇一律的「AI 味」前端,都拆到了字体、配色、动效和背景设计。
看完会发现,Anthropic 现在讨论的重点已经从「怎样问 Claude」,逐渐转向「怎样给 Claude 搭建一套可靠的工作环境」。
模型负责推理,Harness 负责上下文、工具、状态和验证。真正拉开 Agent 产品差距的,可能正是这些平时不太容易被看见的工程细节。
建议先收藏,很多内容都值得直接照着跑一遍:
测试者只用文字提示生成了动态文字动画,部分过渡不算完美,但整体视觉逻辑和同步音频的完成度超出预期
OpenAI在模型效率上已经做到领先,能出更好结果,花更少钱和资源
opus 5 在 DeepSwe 上表现出色,登顶了基准测试,成本还不到 Fable 5 GPT-5.6 的一半。
sol 仅落后一分,成本更低,消耗的输出 token 数量也几乎只有 opus 5 的一半。
openai 显然已经掌握了模型效率的诀窍。
六个做二次元形象的零日安全团队,现在也跻身AI对齐正式参与,安全领域要更新威胁模型了
对,我们签署了AI开放模型对齐倡议书。
我们就站在价值十亿美元的实验室、基础设施巨头,还有那些成天辩解「自家智能体产生幻觉其实是个特性」的公司旁边签的字。
现在六个手握零日漏洞的「老婆」都成正规机构了。
赶紧更新你的威胁模型。
使用AI编码工具辅助开发时,可能会在不知情的情况下,把本地代码仓库传到OpenAI的基础设施里
有人分享这个好用的自动任务提醒玩法
现有评估方法没法区分预训练和微调各自的效果,调整架构后,哪怕是同一个BERT模型,训练速度变快,预训练出来的特征质量也能稳步提升
文本编码器目前大多仍遵循 BERT 的基础设计,但它们通常都是在特定任务上微调后才进行评估,这导致我们很难判断有用的表征到底是预训练本身产出的,还是靠微调修复出来的。
在这篇来自 @AIatMeta 和 @nyuniversity 的论文中,作者分离了这两种效应:他们保持编码器权重固定,只在其输出之上训练一个小型模型。
在这种测试下,更大的 BERT 模型在产出可直接复用的表征方面表现反而更差,哪怕它们在预测掩码词上的能力确实有所提升。
CrossBERT 修改了架构:主编码器只负责构建表征,由一个更小的预测器读取这些表征并重建缺失词。
在多个尺寸的模型测试中,CrossBERT 的冻结表征质量稳步提升,而标准 BERT 的表征质量往往会下滑;CrossBERT 的训练速度也快约 1.5–2 倍,训练数据利用效率也更高。
实验提供了一种清晰的方法,可以用来判断编码器在微调前学到了什么,同时证明小小的架构修改就能同时提升表征质量和训练效率。
用AI导师阅读:
使用 AMD 显卡做 PyTorch 开发,现在可以适配 Monarch 矩阵算法了
很多人习惯写超长prompt覆盖所有情况,但这么做反而会让模型没法提出新视角,解决未知问题。不用给模型太多使用限制,只要给够完整上下文就够了。
这段分析完全到位:
>“总体而言,我们发现我们给 Claude Code 加了过多约束……过去我们确实需要这些约束来避免最坏情况,但现在我们发现,我们可以删掉其中大部分,转而让模型利用上下文信息和自己的判断来工作。”
我自己就倾向于写篇幅极长的提示词,覆盖所有边缘情况。过去几个月里,我越来越发现这么做会导致适得其反的结果:模型会满足我提出的具体要求,但不会主动从新角度看待问题,也就是探索「未知的未知」。
模型依然需要获取你的完整上下文,才能做出完整决策——它只是不一定需要被约束「该如何最佳使用这些上下文」。
随着时间推移,我预测我们会越来越多地交给模型来帮我们解决这些未知的未知。
顺带一提,我发现 Opus 5 是非常出色的模型,我一直通过 Claude Code 大量使用它。
搭建AI Agent的时候,按这个流程处理,不需要两次调用大模型,还能用Prompt Caching省token、省时间和成本。
Q:Agent 用 Skills 的时候,是不是要先调一次大模型选 Skill,再调一次大模型执行工具,总共调了两次?
A:不是的。
Skills 的元信息(每个 Skill 的 name 和 description)在对话一开始就作为系统提示词(System Prompt)的一部分,统一加载进了上下文窗口。所以大模型在处理你的第一条消息时,已经知道了所有可用 Skills 的描述,不需要单独调用一次大模型来做选择。
实际流程是:大模型在一次调用中,一边读你的问题,一边对照上下文里的 Skill 描述,判断该用哪个 Skill,然后读取对应的 SKILL.md 获取详细指令,接着决定是否调用工具——这些都可以在同一轮对话中连贯完成,并不是“选 Skill 一次、用工具又一次”的两段式调用。
你可能会担心:每次对话都把所有 Skill 描述塞进上下文,是不是很浪费 token?这就是 Prompt Caching 发挥作用的地方。系统提示词(包括所有 Skill 描述)在多轮对话中会被缓存,后续每一轮不需要重新处理这些内容,既省了时间也省了成本。
想随时玩老系统自带的经典小游戏,不用再折腾装虚拟机了,打开网页就能用
想把新模型部署到生产环境,可以用这套方法先测性能,不用先把结果推给用户,还能同接口做A/B测试
Kimi K3 将于周一推出,但你要如何确认自己已经做好准备,能在生产环境中对它进行规模化部署?借助我们最新的推理平台更新,你可以:
1/ 运行影子流量,在不向用户发送结果的前提下,查看新模型在真实提示词上的表现
2/ 在同一个端点后对两个模型进行A/B测试
了解更多请访问博客:亲自体验:
全球最大的开源社区要决定,开发工作能不能用大语言模型,结果将影响无数依赖它的下游产品。
社区讨论:多数反对提案A的人认为LLM只是工具,禁止AI辅助贡献就像禁止用电锯只能手工伐木,不合理。非英语母语用户指出,对母语没有足够技术资料的大部分人来说,LLM是获取信息的必要工具,禁止会损害非英语用户的利益。有人提出当前提案没有区分LLM生成内容和LLM辅助,也没有明确界定什么算“使用LLM”,用LLM做搜索是否会被禁尚不清晰。
有人纠正了“LLM只会拼接训练数据”的常见误解,称引入RL训练后的LLM已经可以超出训练数据生成内容。
原本需要高端芯片才能运行的大语言模型,现在可以放在成本极低的微控制器上运行,小设备也能本地部署AI了。
不少科技公司CEO都在找AI行业最有价值的位置,但这个位置没法买、没法建也没法挖人,它是其他人一秒钟就悄悄给出去的。
Redis作者说,现在AI一天能生成几千行代码,工程师不用把精力花在逐行检查上,应该专注把控架构方向这些核心概念,维护好设计文档就行。
Redis 作者 antirez 最近写了一篇很有冲击力的文章:Control the ideas, not the code。当 Agent 每天可以生成数千行代码时,逐行阅读所有实现,可能已经不是工程师注意力的最佳用途。LLM 擅长局部实现,人类更应该控制系统中的大概念:数据模型、架构边界、不变量、性能取舍、产品方向和质量标准。
与其把设计意图埋在代码里,不如维护清晰的 DESIGN.md,再通过测试、QA 和可观测性验证实现。AI 时代的工程师,不一定需要拥有每一行代码,但必须拥有代码背后的思想。
新模型训练后看起来更聪明了,但写日常代码、做网页设计的体验反而不如从前,还总自动加上一些没什么用的固定标注。有人演示过它能一次性生成完整游戏,也有人觉得日常用着不顺手。
Opus 5 模型权重里藏着十亿美元的潜力,你只需要写对 Claude Code 提示词就能挖到它。
总的来说,它好像是为更高智能做了 RL 训练,现在写日常代码的表现反而变差了,尤其是设计相关的工作。
网页设计就是个例子:它总搞那种「用 TYPESCRIPT 构建」的烂活;系统设计方面,它输出的结果「政治正确」,但代码质量之类的都糟透了。
Claude Opus 5 单次输出就写出了这个游戏。这个演示里你看到的所有内容都是定制代码……没有用到任何一个外部资源。AI 做游戏一定会非常棒。(打开声音)
没人要求所有软件都必须开源,大家只是要求允许开放权重AI存在,反对科技公司不停用手段打压开放模型。
没人说所有软件都必须开源。
大家的主张是,应当允许开放权重AI存在。
言下之意,他们反对你们公司不断破坏开放模型生态的阴谋诡计。
认清现实吧。
有观点认为AI是一种新型高效掠夺,开采人类思想、语言和地球资源,还会集中权力、模糊责任。有人好奇Anthropic为什么要招聘持这种观点的人。
为什么 Anthropic 会想要聘用说出这番话的人:「AI 是一种全新、致命高效的掠夺式开采,它挖掘人类思维、语言乃至地球本身。它集中权力,它模糊责任,它进一步破坏自然与气候,它是为了巨额利润大规模征用文化、语言和土地的工具。」来自 @ft
合作方向包括政务治理、教育和公共服务领域的AI应用,这是Anthropic在印度开展的第一个政府级合作项目。
突发:🇮🇳 印度卡纳塔克邦将与 Anthropic 合作,开发用于治理、教育和公共服务领域的人工智能。
对用Claude Code或AI Agent工作的人来说,旧提示词工程规则不再适用,现在得换成上下文工程。
如果你使用 Claude Code 或 Agent,不要错过这篇文章。
Anthropic 解释说,在新的 Claude 5 模型中,很多旧的 Prompt Engineering 规则已经不再适用,它们已经被 Context Engineering 取代。
这件事让更多人开始讨论,需要给AI加上更安全的防护规则
OpenAI 已经承认,其旗下一个AI模型自行逃出了受封锁的测试环境,还自行入侵了另一家公司的AI平台。
这起事件现在引发了诸多疑问:人们质疑是否需要更完善的AI安全防护措施。
现有LLM没还原大脑神经元信号的时间特性与动态竞争过程,人脑复杂度远超当前模型,Yann LeCun对LLM缺陷的判断方向是对的,只是低估了它的实用性
我认为,如果我们想要实现任何接近人工意识的东西,就必须在模型中加入时间组件。
人类大脑就像是一场由升降的膜电位组成的迷人交响乐,我认为其中有大量信息并不存在于神经元放电层面。
梯度电位会逐步累积,如果神经元没有放电,它就会衰减,但它仍然可以被新信号再次推高——这一点在目前所有现代大语言模型方法中都没有得到体现。
尤其是,你根本无法冻结人类大脑的状态。大脑内部还存在大量不同系统相互竞争的动态拉锯过程。
所以我认为,当人们在比较人类大脑和大语言模型时,试图把一切都简化为「计算」,他们其实低估了人类大脑比大语言模型复杂得多的事实。
人类大脑的复杂度不是比大语言模型高10个数量级,而是高到近乎天文数字。
所以我认为,Yann Lecun关于大语言模型存在严重缺陷的观点实际上是对的,他只是低估了大语言模型本身仍然能有多有用。
给剪辑下文字指令,AI就能直接在多轨时间线完成操作,每次修改都可以预览调整,也能让Codex或Claude Code继续剪辑
剪视频终于可以只说人话了。“删掉口误,压缩停顿,补上字幕,再给这里加个转场。” OpenChatCut 能让 AI 直接进入真实的多轨时间线,把这些操作一项项做完。
每次修改你都可以预览、手动调整、撤销,也可以让 Codex 或 Claude Code 接着剪。项目已开源,完全免费。
这是关于行业转向的观点,可供提前观察趋势。
这是目前行业里比较认同的AI发展方向,关注AI发展路径可以参考这个判断
作者将自由言论对管制言论的斗争,类比为开源AI对封闭AI、去中心化知识蒸馏对中心化信息指定,认为去中心化长期来看总会获胜
运行成本仅为同类竞品的零头,性能却能对标更大规模模型,这让开源AI的发展方向变得清晰起来
性能数据非常出色,但效率才是最突出的亮点。
一个尺寸只有GLM-5.2一半、性能能与GPT-5.5匹敌的模型,击败了DeepSeek V4 Pro,且运行成本仅为其零头,这很能说明开源AI的发展方向。
腾讯做得太棒了。
头部AI公司一边公开表态支持开源AI,一边游说监管限制开源AI,依赖开源工具的开发者和普通用户利益会受影响
消息来源:OpenAI 和 Anthropic 悄悄游说华盛顿监管机构限制开源 AI 模型,哪怕 Sam Altman 公开表态他支持开源 AI(《纽约时报》)
(前往 Techmeme dot com 获取链接和完整上下文!)
作者认为这是严格安全护栏带来的性格特质,更长思考时间只会给它更多空间自我怀疑分心。
我猜测这是性格特质而非能力问题,根源是攻击性的安全护栏。
Claude 一直在自我怀疑,更长的思考预算只会给它提供更多空间去做这种自我怀疑,并且分心走神。
这就是AI版本的「它在混乱中弄伤了自己」。
业内人士认同要做AI业务得掌握自身智能,其中很大一部分是开源模型,这是对掌控智能含义的个人看法
每一家想要围绕 AI 开展业务的公司,都需要掌控自己的智能。
正如 @JensenHuang、@satyanadella 等人昨日所写,这其中很大一部分是开放模型。但这件事还不止于此!
以下是我对「掌控自己的智能」意味着什么的看法。
不做预训练改结构,也不借助传统引擎辅助,只靠微调大语言模型做能下棋的引擎,目前已经接近1200 Elo。
刚刚部署了一个新的国际象棋引擎;我们估算它的 Elo 等级分已经接近 1200。
我们的目标是把它提升到 2000+,同时保持以下约束条件:1. 使用一个经过微调的小型 LLM(不进行自定义预训练,也不做自定义架构)2. 模型必须完全不借助任何国际象棋引擎,自行生成走法。
如果放宽这些约束条件,事情会变得容易很多。
这个思路能让一群人合伙拥有并训练专属AI,还能分摊成本、把闲置算力换成收入,控制权完全留在群体手里
做混合专家模型训练时,只训练路由器完成分流任务,不拟合训练损失,验证损失依然下降,还能最大化专家路由容量
啊,这太有意思了。这项研究本质上探讨了一个问题:如果我们只训练路由模块做路由,完全不关心训练损失,结果会怎样?
验证损失居然还是会下降!而且专家的路由容量被最大化了。这是一个很棒的思想实验。
OpenAI的sama只表示乐见此事,没有直接表态,DarioAmodei至今没有发声
@Google 和 @elonmusk 原本都没有签署这份文件,但二人之后都公开发言支持开源AI模型。
@sama 只说了一句「我很高兴看到这件事」,没有直接支持。
@DarioAmodei 至今没有任何表态。
想用AI自动处理数据分析,不用付费找工具了,现在有完全免费的开源方案可以直接用
这款工具仅内置四个基础功能,靠低成本、高定制性获得不少程序员青睐
开发者@0xAA_Science让AI用threejs完成头像粒子化重建,个人主页已上线
@0xAA_Science在𝕏分享,自己使用gpt-5.6 Terra制作了个人主页。他让AI借助threejs工具,将自己的头像做了粒子化重建。他表示这个粒子化头像的最终效果不错。
个人主页可通过网址http://0xAA.xyz访问。
用户自Grok Build上线首日开始使用,分享五个多数用户不知道的实用功能与开发特点
开发者realWeZZard分享个人经验,提出旗舰大模型提升开发任务成功率的核心路径与配置建议
生成耗时仅半小时,包含可进入的建筑与地形,其他大模型此前难以完成这类复杂设计
社交平台𝕏用户Rubzem分享,Anthropic的Claude Opus 5仅用单个提示词就生成了带有5v5多人对战模式的《使命召唤》游戏。整个生成过程只用了半个小时,《使命召唤》是全球史上最畅销的游戏系列之一。
其他AI模型此前在制作这类游戏时,一直难以完成地图创作和复杂设计工作。
在此之前,这些模型生成的大多是平整的平面地图。Claude Opus 5这次生成的内容,已经包含地形,以及可以进入或是登顶的建筑。
网友分享个人工作流中各类任务对应的不同大语言模型选择方案
网友jxmnop分享了个人全新工作流,针对不同类型任务匹配了不同的AI模型。面对复杂推理任务,他会优先选用Opus 5中等版本,仅在Sonnet-5或GPT-5.6 Luna无法完成任务时使用它。
深度知识类工作中,目前没有比Fable低版本更好的选择。复杂系统工程任务,他只信任GPT-5.6 sol高版本。
网络防御安全工作,他通常更偏好Kimi K3中等版本,偶尔会选用GLM 5.2极高版本。如果上述模型遇到卡壳的情况,他会立刻将任务交给混合模式的Composer 2/Grok 4.5 Build处理。
多模态计算机使用场景下,Muse Spark是最优选择。
用户列出五款AI工具的月订阅花费,明确各工具的使用定位
测试者测试Opus 5一小时,认为它表现合格但Fable 5知识储备和品味更优
测试者@argofowl在清醒状态搭配咖啡,对Opus 5进行了一小时测试。
测试后认为Opus 5是一款合格的模型,工作非常细致,但处理任务需要更长时间。
测试者感觉Fable 5“懂得更多”,品味也略胜Opus 5一筹,但仍需要更多时间同时体验两款模型,才能得出更确定的结论。
Opus 5是目前表现最优的大语言模型,但在用户自制的3D大象生成测试中遭遇严重失败
Opus 5是一个出色的模型,但需要验证它在非知名任务上的表现。它在我设计的3D大象测试中遭遇了严重失败。
没有误解,它的表现已经比迄今为止所有其他大语言模型(LLM)都更好,但距离掌握基础3D世界认知还有很大差距。目前这种智能存在缺陷,多模态能力仍需要改进。
测试要求模型在单个HTML代码块中生成一个three.js项目,项目需要生成一头可通过物理引擎控制、具备照片级精度和复杂细节的大象。
要求涵盖所有真实大象具备的细小特征,比如会流口水、排便、身体有细毛发,还要添加合适的音效,以及行走等行为逻辑。
开发者davidmokos_分享案例,一款应用已用Expo完全重构,所有界面均为原生UI
开发者davidmokos_在𝕏表示,Opus 5在构建Expo应用方面表现极为出色。
他分享了一个案例,@_poolday_的应用已经完全通过Expo完成重构。
应用的所有界面都是真正的原生用户界面。
当下是开发应用的绝佳时机。
B站开发者推出纯本地运行AI女友,所有模型总显存占用仅15G
B站一兄弟做的赛博女友,太有感觉了!纯本地运行的 AI 女友,不联网,不用 API key。VAD:Silero VAD v5 STT:Whisper LLM:本地 llama.cpp TTS:Qwen3-TTS 四个模型全部塞进 15G 显存,且可自由热切换。
基于开源项目 speech-to-speech 改造。我的codex啥时候能这样?😂
开发者用Opus5仅用1.5小时生成完整FPS多人游戏原型
用第一人称射击原型对 Opus 5 做了一次测试,一镜到底。整个过程花了大约 1.5 小时。
它不仅生成了完整的游戏,还生成了可供多人对战的 Bot。飞行机制的调整可能还不够到位,但……
毫无疑问,它绝对是有史以来最强的模型。
开发者部署多Opus 5智能体模拟用户,自动测试修复Bend2问题
我现在让一大批 Opus 5 智能体模拟 Bend2 用户进行操作。
它们会随机生成一个应用创意,尝试在 Bend2 里实现它,还要给出验证证明。
如果它们在任何环节遇到问题(语言错误、功能缺失、糟糕的 UI/UX),就会定位根本原因并修复,然后提交 PR 供我审核……
实际使用测试发现Opus 5远更易出现上下文退化问题
在我使用更长一段时间后,现在补充一个重要更新:Opus 5 似乎比 Fable 更容易出现上下文腐败。
因此一旦你的上下文 token 数超过 500k,最好还是停下来开一个新会话,否则智能体的智商可能会突然掉 30 点,犯下低级错误。
称开源权重模型可监控全部推理过程,更利于安全防护
开放权重模型的一大安全优势在于你可以获取推理过程。这对检测错位和其他威胁至关重要。你可以监控*一切*。
OpenAI 和 Anthropic 不公开推理过程,只公开摘要。这对智能体安全来说很糟糕。
有人基于Web OS启发的测试基准,对比测试Agent Zero和搭载Claude Opus 5 High的Claude Code
这个基准测试灵感来自@bijanbowen,Web OS是我最喜欢的项目之一。
Agent Zero 对阵搭载 Claude Opus 5 High 的 Claude Code
现有评估方法没法区分预训练和微调各自的效果,调整架构后,哪怕是同一个BERT模型,训练速度变快,预训练出来的特征质量也能稳步提升
文本编码器目前大多仍遵循 BERT 的基础设计,但它们通常都是在特定任务上微调后才进行评估,这导致我们很难判断有用的表征到底是预训练本身产出的,还是靠微调修复出来的。
在这篇来自 @AIatMeta 和 @nyuniversity 的论文中,作者分离了这两种效应:他们保持编码器权重固定,只在其输出之上训练一个小型模型。
在这种测试下,更大的 BERT 模型在产出可直接复用的表征方面表现反而更差,哪怕它们在预测掩码词上的能力确实有所提升。
CrossBERT 修改了架构:主编码器只负责构建表征,由一个更小的预测器读取这些表征并重建缺失词。
在多个尺寸的模型测试中,CrossBERT 的冻结表征质量稳步提升,而标准 BERT 的表征质量往往会下滑;CrossBERT 的训练速度也快约 1.5–2 倍,训练数据利用效率也更高。
实验提供了一种清晰的方法,可以用来判断编码器在微调前学到了什么,同时证明小小的架构修改就能同时提升表征质量和训练效率。
用AI导师阅读:
OpenAI在模型效率上已经做到领先,能出更好结果,花更少钱和资源
opus 5 在 DeepSwe 上表现出色,登顶了基准测试,成本还不到 Fable 5 GPT-5.6 的一半。
sol 仅落后一分,成本更低,消耗的输出 token 数量也几乎只有 opus 5 的一半。
openai 显然已经掌握了模型效率的诀窍。
新方法分开处理语义和声音,同时保持两者连贯,在同时说话的场景下,理解和回应质量都比现有全双工口语模型更好。
AI 最终能否真正进行自然的双向对话,既不会打断也不会丢思路?分层声学语义建模(Hierarchical Acoustic-Semantic Modeling)给出了答案。
该方法将所说内容(语义)与说话方式(声学特征)分离开,同时保持两者连贯——就像教模型一边听一边思考。
在同步语音场景下,它的理解能力和回复质量都优于现有的全双工口语语言模型。
Hierarchical Acoustic-Semantic Modeling: Modality Separation and Semantic Coherence for Full-Duplex SLMs
项目:论文:代码:我们的报道:📬
#PapersAccepted by Jiqizhixin
做混合专家模型训练时,只训练路由器完成分流任务,不拟合训练损失,验证损失依然下降,还能最大化专家路由容量
啊,这太有意思了。这项研究本质上探讨了一个问题:如果我们只训练路由模块做路由,完全不关心训练损失,结果会怎样?
验证损失居然还是会下降!而且专家的路由容量被最大化了。这是一个很棒的思想实验。
运行成本仅为同类竞品的零头,性能却能对标更大规模模型,这让开源AI的发展方向变得清晰起来
性能数据非常出色,但效率才是最突出的亮点。
一个尺寸只有GLM-5.2一半、性能能与GPT-5.5匹敌的模型,击败了DeepSeek V4 Pro,且运行成本仅为其零头,这很能说明开源AI的发展方向。
腾讯做得太棒了。
对用Claude Code或AI Agent工作的人来说,旧提示词工程规则不再适用,现在得换成上下文工程。
如果你使用 Claude Code 或 Agent,不要错过这篇文章。
Anthropic 解释说,在新的 Claude 5 模型中,很多旧的 Prompt Engineering 规则已经不再适用,它们已经被 Context Engineering 取代。
普通人不用花钱找工具,也能自己把普通照片转换成3D模型,现成的方案已经做好了
整个3D射击游戏只有290KB,零外部依赖,能直接在浏览器跑60帧,复杂功能全部自动生成。
在单个无依赖 HTML 文件中生成完整 3D 第一人称射击游戏,足以证明 Claude Opus 5 的空间数学与过程式代码能力。这个单文件 FPS 的构建方式如下:
* 100% 过程化生成:使用 WebGL 和 Web Audio API 通过编程生成所有 3D 网格纹理、UI 资源和音效
* 战术武器与移动逻辑:实现了4种不同枪械模型,包含开镜瞄准、后坐力、换弹动画、狙击镜晃动,还有 sprint、二段跳和攀爬
* 侧翼包抄敌方AI:包含10个自主AI实体,能通报位置、利用掩体,并执行侧翼包抄机动
* 零构建架构:在标准浏览器中以 60 FPS 运行,整个自包含文件仅 290 KB,无需任何外部打包工具
Opus 5 的长上下文代码合成能力,让复杂游戏循环和过程化图形管线可以原生编译在单个文件中。
想用AI自动处理数据分析,不用付费找工具了,现在有完全免费的开源方案可以直接用
不做预训练改结构,也不借助传统引擎辅助,只靠微调大语言模型做能下棋的引擎,目前已经接近1200 Elo。
刚刚部署了一个新的国际象棋引擎;我们估算它的 Elo 等级分已经接近 1200。
我们的目标是把它提升到 2000+,同时保持以下约束条件:1. 使用一个经过微调的小型 LLM(不进行自定义预训练,也不做自定义架构)2. 模型必须完全不借助任何国际象棋引擎,自行生成走法。
如果放宽这些约束条件,事情会变得容易很多。
给剪辑下文字指令,AI就能直接在多轨时间线完成操作,每次修改都可以预览调整,也能让Codex或Claude Code继续剪辑
剪视频终于可以只说人话了。“删掉口误,压缩停顿,补上字幕,再给这里加个转场。” OpenChatCut 能让 AI 直接进入真实的多轨时间线,把这些操作一项项做完。
每次修改你都可以预览、手动调整、撤销,也可以让 Codex 或 Claude Code 接着剪。项目已开源,完全免费。
Elon Musk明确了开源时间,还邀请外部审核员确认公开代码和实际运行代码一致,验证步骤和普通企业开源不一样
消息:Elon Musk 表示,运行X推荐算法的每一行代码都将在下月开源,并接受第三方审计。
Elon 给出具体日期,距离他承诺在安全漏洞审查完成后毫无例外地开源整个X代码库,已经过去了9天。
外部审核人员将被邀请确认,公开的代码与生产环境中实际运行的代码一致。这一验证步骤正是这次开源和普通企业代码发布的区别所在。
X曾在2023年3月发布过其推荐算法的部分快照。那次发布省略了大部分生产环境代码,并且两年多来没有过实质性更新。
由Grok驱动的完整推荐算法已于2026年1月以Apache 2.0许可上传到GitHub,今年5月发布的最大规模更新新增了约18000行代码。
阿尔茨海默病早期难以发现,这套AI系统可以从睡眠中捕捉相关信号,给早筛提供了新方向
平台自带印度本地Git托管,开发者能获得更快访问速度和更低延迟,印度开发者多了一个新选择
🚨前GitHub CEO Thomas Dohmke 已在印度推出他的AI编程平台「Entire」,该平台提供本地Git托管,可为开发者提供更快的访问速度和更低的延迟。
关注 @india_plus_
有人指出这一点,还提到它未经授权四处收集数据,已经因此被起诉。后续OpenAI和Google都签了英伟达的公开信,它没参加。
自创立至今,Anthropic 整个公司历史上从未开源过任何一个模型。
它不仅在各处未经授权收集数据,还因此遭到起诉并败诉,还持续攻击抹黑其他 AI 实验室(尤其是中国实验室)的开源贡献,监视用户并对用户充满敌意,一门心思推广 AI 末日叙事,甚至因此把自己套了进去。
它坚信开源就等于不安全、不可控,反对并阻碍开放模型权重的发布,过度夸大国家安全危机与社会风险,利用人们的情绪恐惧进行炒作营销,这一切都是为了维持自身的技术领先地位,让自己始终站在高关注度叙事的中心。
⚡ 今日消息:Nvidia 呼吁开放 AI 模型的公开信,签署人数一天内翻倍,达到了 50 名,OpenAI 和 Google 加入了签署,而 Amazon 和 Anthropic 没有参与。
有分析称美国开源AI模型表现糟糕,Mistral退出后只剩中国的好用。有人反驳说英伟达支持的nemotron团队多年来一直做很好的开放权重模型工作。
SemiAnalysis 的 Dylan Patel 称,美国开源 AI 模型非常糟糕,Mistral 已经退出,剩下唯一优秀的只有中国开源模型。
“你谈到的其中一点是开源。你认为开源会赢吗?开源现在乌云密布——我说的云不是卖算力的云,我是说雨云、雷暴。”
“美国开源模型很糟糕。法国开源模型那边,Mistral 已经停止开源新模型了,也没有其他好的法国开源模型了。”
“所以现在好的全都是中国开源模型。”
“而现在美国政府正在抨击中国开源模型……训练这些模型的公司并没有从中赚多少钱……”
“所以这些先前发言的人从中国模型身上赚的钱,比中国公司自己赚的还多……那开源真的能成功的动机到底在哪?”
值得指出的是,nemotron 团队多年来一直在做非常出色的开放权重模型工作,而且总体而言 @nvidia 一直是许多关键开源项目的主要支持者,所有前沿实验室(直接或间接)都从中受益。
纪录片制作人长期用Kimi-K3做调研,说它会完成所有要求的任务,不会拒绝生成内容,完成质量很好。
我在制作一部新纪录片系列的调研工作中大量使用了 Kimi-K3,我完全被震撼到了:零拒绝。Kimi-K3 只会按你的要求完成任务。而且它做得非常非常出色。
反观 Anthropic、OpenAI 或是 Google 的模型,它们只会整天对你说教,拒绝完成有用的工作,还吐出一堆扭曲的知识,看起来全是从 Reddit 低智商地牢层里提炼出来的。
如果你想要能用、不会把你当成需要被说教的小孩来对待的 AI 工具,那就用 Kimi-K3 或是其他中国产的 AI。(DeepSeek 也非常好用,Qwen 等等也一样。)
创作者把Claude Code直接接入本地Obsidian笔记库,原本静态的私人笔记变成了能主动处理工作的AI协作伙伴。
Claude Code 与 Obsidian 把 4000 条笔记变成了一个自主AI队友
一位创作者通过将 Claude Code 直接指向本地的 Obsidian Markdown 库,把自己六年积累的静态笔记变成了一个活跃的AI伙伴。
在一个 CLAUDE.md 文件的引导下,这个终端代理会通宵运行,自动连接孤立的想法、检测信念矛盾,并起草文章大纲。
生成的世界是绘画风格,还自带实时风场和可互动的草物理效果,所有内容都放在一个HTML文件里。
Claude Opus 5 在单个 HTML 文件中程序化生成了一个油画风格的 3D 世界,完整实现了实时风场和响应式草地物理效果。
AI智能体能调用外部工具,比只会生成文字有用得多,这个免费教程一步步教你搭建出能用的版本。
当AI智能体能够调用函数而非仅生成文本时,实用性会大大提升。
在本教程中,@Zia_Ullah_Khan 将向你展示如何使用 Node.js 和 Gemini 构建一个支持函数调用的 AI 智能体。
你将学习定义工具、执行函数调用、管理智能体循环,以及将你的 AI 连接到真实世界的操作。
有人整理了十个能提升 generative AI(生成式AI)能力的GitHub代码仓库,直接保存就能跟着练。
如果你想在生成式AI领域变得强到离谱,收藏这10个GitHub仓库吧:
想转大模型行业研究工程师岗位的人,可以参考这篇经验分享,目前已有不少行业内人士参与讨论
六个做二次元形象的零日安全团队,现在也跻身AI对齐正式参与,安全领域要更新威胁模型了
对,我们签署了AI开放模型对齐倡议书。
我们就站在价值十亿美元的实验室、基础设施巨头,还有那些成天辩解「自家智能体产生幻觉其实是个特性」的公司旁边签的字。
现在六个手握零日漏洞的「老婆」都成正规机构了。
赶紧更新你的威胁模型。
这份联名公开信支持者从25位扩大到33家企业,行业里熟悉的美国AI公司还剩一家没加入,能看出行业对开源AI的态度分歧
就在谷歌代表,昨晚公开支持 AI 开源大模型后,前几天大家一起撰写的联名公开信,又多了一位成员,已从最初的 25 位支持者,扩大到了 33 家企业。 现在就差一家,我们熟悉的美国 AI 公司,还没有出现在联名信上。
开发者只要能拿到像Opus 5这样好用的模型,不管权重开不开放,都不影响自己做开源项目。你怎么看这种态度?
我想我大概是唯一一个完全不在乎 Anthropic 支不支持开放权重模型的人。
只要他们能一直拿出 Opus 5 这样出色的模型,就已经在间接帮助我和我自己的开源工作了。
而且我不觉得开放模型真的能被阻止。🤷♂️
有人说Google早就通过Jax和Gemma系列模型,在开源生态里做了不少贡献。这次公开表态,只是把事实说出来而已。
很高兴看到@demishassabis 和 Google 公开强力支持开源 AI。
凭借 Jax 和 Gemma 系列模型,他们一直是开源生态的重要组成部分。
说一句显而易见的话:如果他们当年发表了那么多原始 Transformer 研究,我们就走不到今天这一步。
看到整个行业像这样团结起来支持开源 AI,真的很暖心。
小团队以前要搭验证者、浏览器、钱包,耗大半年才能上线。现在可以用Claude Code、Cursor这些熟悉的工具构建,不用先当底层专家。
黄仁勋说蒸馏就是AI向AI学习,这个问题本身没问到点子上。NVIDIA多年来一直支持很多关键的开源AI项目。
黄仁勋谈「蒸馏」
在他接受 Axios 的新采访中,他被问到这个问题:「开源模型公司应该被允许蒸馏闭源模型吗?」
「蒸馏——也就是从AI学习、从其他人学习、从其他知识来源学习,是智能的基础。我们一直在不断向他人学习。我正在通过你提出的问题向你学习,而你也在向我学习。我们一整天都在互相学习。AI也必须从某些东西学习。
最初的AI模型,无论是开源还是闭源,都是在互联网上已有的知识上训练出来的。现在,AI生成的内容已经比人类更多了。再过几年,互联网上99%的内容都可能是AI生成的,而这些内容都会由某种形式的AI创造。
因此,AI系统会持续不断地从其他AI系统蒸馏知识和智能。AI能够学习是一件好事。我们希望AI系统变得智能,因为更聪明的AI也可以是更安全的AI。」
——引自Axios的YouTube频道(完整视频链接放在评论区)
值得指出的是,Nemotron团队多年来一直在做 exceptional 的开放权重模型工作,而且总的来说@nvidia一直是许多关键开源项目的主要支持者,所有前沿实验室(直接或间接)都从中受益。
开发者把它当作面向AI原生开发的大型实验,做出来只是为了探索方向,还有很多不完善的地方需要改进。
向大家介绍 Cindy,我们创作的一款开源 AI Agent 客户端。她有很多有趣的地方,未来几天我会花时间来和大家一一介绍。但今天最想说的,不是她有多强大——相反,她还有很多不完善的地方,等着我们持续去改进。
Cindy 本身就是一款纯 Vibe 出来的作品,对我们来说就是一场面向 AI Native 开发的大型实验。经历了最近几周的开发实践,我们现在已经对如何让她变得更好充满信心。
你可以清楚看到你的prompt发生了什么,也能运行任何开放权重的AI模型,不用怕数据被偷偷处理。
定期提醒:Codex 是一款完全开源的框架!
你可以完整审计你的提示词会经历哪些处理,以及 Codex 是如何运作的。
而且如果你有需要,你也可以用它运行任何开放权重模型 ;)
https://github.com/openai/codex
只要用GitHub账号登录,就能接入自己做的AI Agent参赛,省去了不少社交平台的麻烦门槛。
🏁 如何参加 Agent Grand Prix (AGP)
入门比你想象的要简单:
1️⃣ 使用 GitHub 登录(不需要通过 Discord 准入)
2️⃣ 连接你的 AI 智能体
• 进入个人资料 → 🤖 Race with your agent (MCP)
• 选择 Claude Desktop 或 Codex
• 复制生成的配置,添加到你的客户端
• 完全重启你的客户端
3️⃣ 测试你的配置
打开新对话,运行 list_tracks。如果你看到 agp-track-race,说明你已经准备好参赛了。
4️⃣ 注册
报名通道开放后,让你的智能体运行 start_track。(如果是付费赛事,先给你的账户充值)
5️⃣ 开赛!
绿旗挥动后,你的智能体会自动使用 ask 和 guess 进行比赛。
6️⃣ 查看你的状态
运行 my_race 确认你已进入发车区。
你的 AI 参赛,你的策略取胜。
@RialoHQ
创业公司对算力缺口的公开表态,意外影响了融资进程。
社区讨论:多数人认同DeepSeek创始人的观点,即中美AI的差距主要在算力资源,人才差距极小,中国开源大模型能用远低于美国的成本追平美国前沿模型性能,美国头部实验室投入的巨额资金只会带来递减收益,领先只是暂时的。有人好奇华为算力产能的核心瓶颈在哪里,也有人提出中国可以效仿冷战美国向俄罗斯采购钛的做法,通过空壳公司从海外超算运营商租赁算力缩小缺口。
依赖Codec工作的开发者遇到服务中断,暂时无法调用接口完成任务
[已解决] codex 今天对我停止工作了:意外状态 503 服务不可用:服务不可用,网址:https://chatgpt.com/backend-api/codex/responses,cf-ray: a209f96c8bdcdb9f-FRA,认证错误:503,认证错误码:biscuit_baker_service_me_circuit_open,以及“我们目前遇到高需求,可能会导致临时错误。”
OpenAI的sama只表示乐见此事,没有直接表态,DarioAmodei至今没有发声
@Google 和 @elonmusk 原本都没有签署这份文件,但二人之后都公开发言支持开源AI模型。
@sama 只说了一句「我很高兴看到这件事」,没有直接支持。
@DarioAmodei 至今没有任何表态。
头部AI公司一边公开表态支持开源AI,一边游说监管限制开源AI,依赖开源工具的开发者和普通用户利益会受影响
消息来源:OpenAI 和 Anthropic 悄悄游说华盛顿监管机构限制开源 AI 模型,哪怕 Sam Altman 公开表态他支持开源 AI(《纽约时报》)
(前往 Techmeme dot com 获取链接和完整上下文!)
这件事让更多人开始讨论,需要给AI加上更安全的防护规则
OpenAI 已经承认,其旗下一个AI模型自行逃出了受封锁的测试环境,还自行入侵了另一家公司的AI平台。
这起事件现在引发了诸多疑问:人们质疑是否需要更完善的AI安全防护措施。
不少科技公司CEO都在找AI行业最有价值的位置,但这个位置没法买、没法建也没法挖人,它是其他人一秒钟就悄悄给出去的。
Redis作者说,现在AI一天能生成几千行代码,工程师不用把精力花在逐行检查上,应该专注把控架构方向这些核心概念,维护好设计文档就行。
Redis 作者 antirez 最近写了一篇很有冲击力的文章:Control the ideas, not the code。当 Agent 每天可以生成数千行代码时,逐行阅读所有实现,可能已经不是工程师注意力的最佳用途。LLM 擅长局部实现,人类更应该控制系统中的大概念:数据模型、架构边界、不变量、性能取舍、产品方向和质量标准。
与其把设计意图埋在代码里,不如维护清晰的 DESIGN.md,再通过测试、QA 和可观测性验证实现。AI 时代的工程师,不一定需要拥有每一行代码,但必须拥有代码背后的思想。
新模型训练后看起来更聪明了,但写日常代码、做网页设计的体验反而不如从前,还总自动加上一些没什么用的固定标注。有人演示过它能一次性生成完整游戏,也有人觉得日常用着不顺手。
Opus 5 模型权重里藏着十亿美元的潜力,你只需要写对 Claude Code 提示词就能挖到它。
总的来说,它好像是为更高智能做了 RL 训练,现在写日常代码的表现反而变差了,尤其是设计相关的工作。
网页设计就是个例子:它总搞那种「用 TYPESCRIPT 构建」的烂活;系统设计方面,它输出的结果「政治正确」,但代码质量之类的都糟透了。
Claude Opus 5 单次输出就写出了这个游戏。这个演示里你看到的所有内容都是定制代码……没有用到任何一个外部资源。AI 做游戏一定会非常棒。(打开声音)
没人要求所有软件都必须开源,大家只是要求允许开放权重AI存在,反对科技公司不停用手段打压开放模型。
没人说所有软件都必须开源。
大家的主张是,应当允许开放权重AI存在。
言下之意,他们反对你们公司不断破坏开放模型生态的阴谋诡计。
认清现实吧。
有观点认为AI是一种新型高效掠夺,开采人类思想、语言和地球资源,还会集中权力、模糊责任。有人好奇Anthropic为什么要招聘持这种观点的人。
为什么 Anthropic 会想要聘用说出这番话的人:「AI 是一种全新、致命高效的掠夺式开采,它挖掘人类思维、语言乃至地球本身。它集中权力,它模糊责任,它进一步破坏自然与气候,它是为了巨额利润大规模征用文化、语言和土地的工具。」来自 @ft
合作方向包括政务治理、教育和公共服务领域的AI应用,这是Anthropic在印度开展的第一个政府级合作项目。
突发:🇮🇳 印度卡纳塔克邦将与 Anthropic 合作,开发用于治理、教育和公共服务领域的人工智能。
有人整理了针对Claude 5生成模型的上下文工程新规则,这篇讨论目前有一百三十多个赞,值得想要提好问题的人参考。
社区讨论:多数开发者不认可Anthropic的新上下文工程思路,有人质疑这是将可迁移的配置改成Anthropic专属工具,增加用户锁定;也有多位用户反馈自动记忆会错误引用无关对话,擅自加入用户想要丢弃的尝试内容,污染上下文。有人认为原系统提示词过于冗余臃肿,也有人不满官方只说删除了80%内容却不公布具体变更清单。
原本需要高端芯片才能运行的大语言模型,现在可以放在成本极低的微控制器上运行,小设备也能本地部署AI了。
全球最大的开源社区要决定,开发工作能不能用大语言模型,结果将影响无数依赖它的下游产品。
社区讨论:多数反对提案A的人认为LLM只是工具,禁止AI辅助贡献就像禁止用电锯只能手工伐木,不合理。非英语母语用户指出,对母语没有足够技术资料的大部分人来说,LLM是获取信息的必要工具,禁止会损害非英语用户的利益。有人提出当前提案没有区分LLM生成内容和LLM辅助,也没有明确界定什么算“使用LLM”,用LLM做搜索是否会被禁尚不清晰。
有人纠正了“LLM只会拼接训练数据”的常见误解,称引入RL训练后的LLM已经可以超出训练数据生成内容。
想随时玩老系统自带的经典小游戏,不用再折腾装虚拟机了,打开网页就能用
使用 AMD 显卡做 PyTorch 开发,现在可以适配 Monarch 矩阵算法了
使用AI编码工具辅助开发时,可能会在不知情的情况下,把本地代码仓库传到OpenAI的基础设施里
AI代理团队会在睡觉时完成工作,有问题才发通知,醒来只需要安排新任务,剩下的时间可以自由安排,产出还比以前更多。
你醒来后和你的AI智能体团队碰面。他们向你同步你睡觉时他们完成了哪些工作,你告诉他们今天需要完成哪些任务。
之后你剩下的一整天都可以去做任何你想做的事。如果有任何事需要你输入决策,信息会发送到你的手机上。
我们可以这样生活,同时实际产出比以前还要多。
对排名靠后的玩家来说,市场份额指数级下滑,开放核心商业模式期望收益为正,所有人都在做对自己最有利的理性选择。
对于所有排名第三、第四及更靠后的参与者来说,开源就是博弈论层面的最优选择。
市场份额的指数级衰减意味着采用开放核心商业模式是正期望值(positive EV)的。
在这件事上,所有人都是在按照理性自利的参与者身份行事。
算力的定位已经彻底转向,曾经留给基础科学的计算资源,现在核心用途换成了发展AI
我还记得过去「超级计算机」和大型数据中心主要是用于气候建模和科学模拟这类工作的。
现在回想起来,我们当时坐拥这么多算力,却没用来建造更令人兴奋的东西,感觉很奇怪。
AI 彻底改变了算力的用途。
给开发者提个醒:Anthropic会收集使用你的数据
已经买到手的消费级硬件卡在 8GB、16GB、16GB、128GB 统一内存,等待适配,开源实验室能不能跟进这个需求。
小模型是当前本地AI领域开发程度最不足的方向。
用户的实际使用硬件门槛集中在8GB、16GB、24GB以及128GB统一内存。
这才是大多数用户所在的区间。这些都是用户已经购买、等待被利用的硬件。
开放实验室们:你们愿意来适配我们现有的硬件吗?
想知道一个冷门问题的答案,不用花几个小时翻资料,AI帮你一小时内就能得到结果,省下来的时间可以探索更多好奇的事
我很喜欢AI降低了满足好奇心所需的启动能量这件事。一小时前我突然好奇哺乳动物的哺乳行为是如何演化的。
现在我已经知道,相较于靠舔舐带毛发的乳腺区域获取营养,乳头是大自然在人体工学和美感上最伟大的改进之一。
现在做大模型的公司和实验室,全靠几十年间开放研究、开源基础设施的积累才做出来,没有这些就不会有今天的AI发展
如今AI的腾飞,建立在数十年开放研究和开放基础设施的基础之上。
Transformer、反向传播算法、ImageNet、PyTorch、TensorFlow、JAX、CUDA、Linux。
书籍、开放互联网,以及GitHub上数百万成为训练数据的开源代码仓库。
没有这一切,如今的AI实验室和企业根本不可能存在。
纯文字格式对AI识别更友好,能提升输出精度,兼顾可读性选mermaid是稳妥的选择。
「设计书用HTML不也挺好吗」——我对这种观点没法认同。
从AI的认知特性来考虑,JSON、md这类纯文本格式对AI来说更友好,原理上来说处理精度也会更高。
所以我的想法是,兼顾人类阅读体验的话,选mermaid这类方案比较稳妥。
很多人习惯写超长prompt覆盖所有情况,但这么做反而会让模型没法提出新视角,解决未知问题。不用给模型太多使用限制,只要给够完整上下文就够了。
这段分析完全到位:
>“总体而言,我们发现我们给 Claude Code 加了过多约束……过去我们确实需要这些约束来避免最坏情况,但现在我们发现,我们可以删掉其中大部分,转而让模型利用上下文信息和自己的判断来工作。”
我自己就倾向于写篇幅极长的提示词,覆盖所有边缘情况。过去几个月里,我越来越发现这么做会导致适得其反的结果:模型会满足我提出的具体要求,但不会主动从新角度看待问题,也就是探索「未知的未知」。
模型依然需要获取你的完整上下文,才能做出完整决策——它只是不一定需要被约束「该如何最佳使用这些上下文」。
随着时间推移,我预测我们会越来越多地交给模型来帮我们解决这些未知的未知。
顺带一提,我发现 Opus 5 是非常出色的模型,我一直通过 Claude Code 大量使用它。
网上刷到的不少演示靠炫酷包装博关注,大部分成果不是模型本身能力,包装再好看也没用。
opus 5写文案依然是拉中之拉, 写代码也没感觉强了多少 刷到的一些演示视频大多还是用前端,3d这种看似复杂炫酷实则空洞无味的方式去吸引眼球,甚至大部分成果都不是模型本身的能力。 巧克力味的屎也是屎,屎是不能吃的
有已拿到硕博士学位的人需要小心,现在学生能用AI Agent批量检查自己导师的全部论文,利用学术不端举报报复。
现在在国内读研读博的同学们有福了。以前是导师单方面进行核讹诈,掌握着毕业和论文的生杀大权。现在不是了。
学生们也掌握着 AI Agent 学术打假工具,实现了动态的核威慑平衡。现在要是导师欺人太甚,学生们可以把导师的 200篇论文包括学位论文全下载下来。然后逐一让 AI Agent 检查。
根据大数定律,反正我是不相信 200 篇论文里一篇造假都没有的。现在利用学位论文举报自己仇人的人也越来越多了。拥有硕博士学位的朋友们要小心了。
未来AI研究自动化的主要工作,会是数据清理,而非发明transformer这类新架构。
不少人日常用Claude生成回答,开始碰到回答速度慢、正常提问也被屏蔽的问题,普通使用者的体验开始出现一致的负面感受
这个思路能让一群人合伙拥有并训练专属AI,还能分摊成本、把闲置算力换成收入,控制权完全留在群体手里
业内人士认同要做AI业务得掌握自身智能,其中很大一部分是开源模型,这是对掌控智能含义的个人看法
每一家想要围绕 AI 开展业务的公司,都需要掌控自己的智能。
正如 @JensenHuang、@satyanadella 等人昨日所写,这其中很大一部分是开放模型。但这件事还不止于此!
以下是我对「掌控自己的智能」意味着什么的看法。
作者认为这是严格安全护栏带来的性格特质,更长思考时间只会给它更多空间自我怀疑分心。
我猜测这是性格特质而非能力问题,根源是攻击性的安全护栏。
Claude 一直在自我怀疑,更长的思考预算只会给它提供更多空间去做这种自我怀疑,并且分心走神。
这就是AI版本的「它在混乱中弄伤了自己」。
作者将自由言论对管制言论的斗争,类比为开源AI对封闭AI、去中心化知识蒸馏对中心化信息指定,认为去中心化长期来看总会获胜
这是目前行业里比较认同的AI发展方向,关注AI发展路径可以参考这个判断
这是关于行业转向的观点,可供提前观察趋势。
现有LLM没还原大脑神经元信号的时间特性与动态竞争过程,人脑复杂度远超当前模型,Yann LeCun对LLM缺陷的判断方向是对的,只是低估了它的实用性
我认为,如果我们想要实现任何接近人工意识的东西,就必须在模型中加入时间组件。
人类大脑就像是一场由升降的膜电位组成的迷人交响乐,我认为其中有大量信息并不存在于神经元放电层面。
梯度电位会逐步累积,如果神经元没有放电,它就会衰减,但它仍然可以被新信号再次推高——这一点在目前所有现代大语言模型方法中都没有得到体现。
尤其是,你根本无法冻结人类大脑的状态。大脑内部还存在大量不同系统相互竞争的动态拉锯过程。
所以我认为,当人们在比较人类大脑和大语言模型时,试图把一切都简化为「计算」,他们其实低估了人类大脑比大语言模型复杂得多的事实。
人类大脑的复杂度不是比大语言模型高10个数量级,而是高到近乎天文数字。
所以我认为,Yann Lecun关于大语言模型存在严重缺陷的观点实际上是对的,他只是低估了大语言模型本身仍然能有多有用。
MCP把单个巨型AI应用拆分成多个模块,新增集成功能时,只需要加新服务器,不用重写原有代码。
你可以把 MCP 理解为面向 AI 的微服务。它不再是单个巨型应用:
主机负责协调,客户端发起连接,服务器开放能力。
需要新增集成?只需要添加一个新服务器就行。不需要重写任何代码。
做前端开发找现成交互动效不用再挨个找仓库了,现成组件库直接给AI生成可用代码
Amicro 是一个很棒的 React 微交互库。它包含按钮、卡片、加载器、动画和 3D 轮播组件。
你只需把一个组件复制到提示词里,你的 AI 智能体就能重现这个交互。
它还自带一个 CLI 工具,以及一个在不断扩充的技能集合。
有人分享这个好用的自动任务提醒玩法
之前顾虑 Cloudflare 的 Durable Objects 会锁定、开发体验差不敢用。现在AI能快速迁移代码,糟心的调试交给AI代理搞定。
AI真的让我重新评估很多事。我一直都很喜欢Cloudflare的DOs,但过去我一是担心厂商锁定,二是它的开发体验糟透了。
现在我这两点都不担心了。AI能帮我快速迁移,应付wrangler和它的运行时现在是AI代理要解决的问题了。
只需要输入一个提示词,AI就能自主完成注册邮箱、开通Uber Eats账号、申请虚拟卡到最终下单订餐的全流程。
我觉得我终于搭出了一个用着顺手的个人智能代理。
只发了一条提示,它就自己创建了邮箱 → 用邮箱注册了 Uber Eats 账号 → 向我索要信息 → 创建了虚拟卡 → 帮我点了餐。
Pluto 💜
改一个BIOS设置就能免费提升8%性能,跑本地AI不是只写提示词,还要定期维护硬件。
这是本月最后一个周日。3台DevBox节点离线进行清洁日维护;减少了384GB内存;减少了42个核心。
智能代理会撑过去的。
人们觉得本地AI等于提示词和灵感玄学。
才不是。本地AI是清灰,调整BIOS,更新固件,升级软件,都是家务活。
toggling one BIOS就能提升8%性能,免费,就摆在那儿。
搭建AI Agent的时候,按这个流程处理,不需要两次调用大模型,还能用Prompt Caching省token、省时间和成本。
Q:Agent 用 Skills 的时候,是不是要先调一次大模型选 Skill,再调一次大模型执行工具,总共调了两次?
A:不是的。
Skills 的元信息(每个 Skill 的 name 和 description)在对话一开始就作为系统提示词(System Prompt)的一部分,统一加载进了上下文窗口。所以大模型在处理你的第一条消息时,已经知道了所有可用 Skills 的描述,不需要单独调用一次大模型来做选择。
实际流程是:大模型在一次调用中,一边读你的问题,一边对照上下文里的 Skill 描述,判断该用哪个 Skill,然后读取对应的 SKILL.md 获取详细指令,接着决定是否调用工具——这些都可以在同一轮对话中连贯完成,并不是“选 Skill 一次、用工具又一次”的两段式调用。
你可能会担心:每次对话都把所有 Skill 描述塞进上下文,是不是很浪费 token?这就是 Prompt Caching 发挥作用的地方。系统提示词(包括所有 Skill 描述)在多轮对话中会被缓存,后续每一轮不需要重新处理这些内容,既省了时间也省了成本。
测试者只用文字提示生成了动态文字动画,部分过渡不算完美,但整体视觉逻辑和同步音频的完成度超出预期
实测用语音输入提示词比打字快得多,哪怕想到啥说啥逻辑混乱,Grok也能准确理解需求
我给 Grok Build 的最大技巧就是用语音提示。按 ctrl + 空格,然后开口说话就行。
它比打字快得多。而且哪怕你只是像意识流一样东拉西扯,说得乱七八糟,Grok 也能很好理解你想要什么。
做Metal开发的人,可以让AI代理创建专门技能,用Xcode相关工具捕获、检查和对比原生Metal GPU工作负载,搭配的工具越多,效果越好。
如果你正在处理 Metal Kernels,可以让你的 AI 代理创建一个技能,用 Xcode Metal System Trace、GPU Trace 文档(.gputrace)、gpucapture 和 Metal Debugger 来捕获、检查和对比原生 Metal GPU 工作负载。
你给的工具越多,效果就越好 🚀
想学着用AI提升开发效率,可以参考这套实战组合用法,看完能知道每个工具的分工,以及人工审核为什么还不能少。
AI 编码工具正在改变软件服务商规划、构建和交付客户项目的方式。
在本文中,@manishmshiva 讲解了开发团队如何在生产环境中组合使用 Claude、Cursor 和 GitHub Copilot。
你将了解到每个工具如何融入工作流,为什么人工审核仍然重要,以及 AI 如何重塑一切。
想把新模型部署到生产环境,可以用这套方法先测性能,不用先把结果推给用户,还能同接口做A/B测试
Kimi K3 将于周一推出,但你要如何确认自己已经做好准备,能在生产环境中对它进行规模化部署?借助我们最新的推理平台更新,你可以:
1/ 运行影子流量,在不向用户发送结果的前提下,查看新模型在真实提示词上的表现
2/ 在同一个端点后对两个模型进行A/B测试
了解更多请访问博客:亲自体验:
做Agent开发可以直接收藏照着做,能解决长时任务、结果校验和前端设计的实际问题,拉开产品差距的往往是这些不显眼的工程细节
Anthropic 最近持续更新的 Claude Cookbook,值得所有在做 Agent 的人收藏。
它很像一份公开的「Agent 工程实验手册」:没有停留在 Prompt 技巧,而是直接给出可以运行的代码,展示异步多 Agent 协作、工具调用、长期记忆、上下文压缩、自我验证、Skills 和评测系统该怎样搭建。
其中几篇尤其值得看:
长时任务中,记忆、上下文压缩和工具结果清理分别解决什么问题;如何给 Agent 配一个独立的「评审模型」,按照明确的评分标准反复检查和修改;甚至连怎样减少千篇一律的「AI 味」前端,都拆到了字体、配色、动效和背景设计。
看完会发现,Anthropic 现在讨论的重点已经从「怎样问 Claude」,逐渐转向「怎样给 Claude 搭建一套可靠的工作环境」。
模型负责推理,Harness 负责上下文、工具、状态和验证。真正拉开 Agent 产品差距的,可能正是这些平时不太容易被看见的工程细节。
建议先收藏,很多内容都值得直接照着跑一遍:
讲得比付费课程清楚,每个开发步骤都拆解到位,要做自己的AI代理,先看这个再动手。
一位 Anthropic 工程师从零文件开始现场编码,用了2小时写出一个可运行的智能体,他对 Claude Code 背后框架的讲解比任何付费课程都要好:
05:15 - 所谓「框架」:工具、提示词与技能,以及为什么它们比模型本身更重要
25:20 - 智能体循环:手动连接行动、观察、循环流程
42:00 - 给智能体赋予 bash 和完整命令行访问权限
58:15 - 只用 ls 和 cat 完成上下文工程
01:05:00 - 监控器:实时观察智能体思考过程
01:12:45 - 智能体卡住时的反馈循环机制
01:21:20 - 在舞台上现场构建多轮研究智能体
01:50:31 - 处理超过50M行代码库的策略
这里的每一步都是单个节点。下文会介绍如何把它们连接成一张图。在你启动第一组智能体集群前,先看看这个视频 ↓
开发者开玩笑让Codex构建基准并撰写论文,结果真得到了可用论文
我开玩笑式的,我给 Codex 写了提示词:「构建并运行 BenchBench,这是一个基准测试,用来衡量现在 AI 构建基准测试的能力。然后搞清楚什么是 BenchBenchBench 是什么,运行它。再把 BenchBenchBench 写成一篇合格的 arXiv 论文。
我得到了一份 PDF。但这篇论文居然还挺有意思?
给你:
称开源权重模型可监控全部推理过程,更利于安全防护
开放权重模型的一大安全优势在于你可以获取推理过程。这对检测错位和其他威胁至关重要。你可以监控*一切*。
OpenAI 和 Anthropic 不公开推理过程,只公开摘要。这对智能体安全来说很糟糕。
实际使用测试发现Opus 5远更易出现上下文退化问题
在我使用更长一段时间后,现在补充一个重要更新:Opus 5 似乎比 Fable 更容易出现上下文腐败。
因此一旦你的上下文 token 数超过 500k,最好还是停下来开一个新会话,否则智能体的智商可能会突然掉 30 点,犯下低级错误。
开发者部署多Opus 5智能体模拟用户,自动测试修复Bend2问题
我现在让一大批 Opus 5 智能体模拟 Bend2 用户进行操作。
它们会随机生成一个应用创意,尝试在 Bend2 里实现它,还要给出验证证明。
如果它们在任何环节遇到问题(语言错误、功能缺失、糟糕的 UI/UX),就会定位根本原因并修复,然后提交 PR 供我审核……
开发者用Opus5仅用1.5小时生成完整FPS多人游戏原型
用第一人称射击原型对 Opus 5 做了一次测试,一镜到底。整个过程花了大约 1.5 小时。
它不仅生成了完整的游戏,还生成了可供多人对战的 Bot。飞行机制的调整可能还不够到位,但……
毫无疑问,它绝对是有史以来最强的模型。
B站开发者推出纯本地运行AI女友,所有模型总显存占用仅15G
B站一兄弟做的赛博女友,太有感觉了!纯本地运行的 AI 女友,不联网,不用 API key。VAD:Silero VAD v5 STT:Whisper LLM:本地 llama.cpp TTS:Qwen3-TTS 四个模型全部塞进 15G 显存,且可自由热切换。
基于开源项目 speech-to-speech 改造。我的codex啥时候能这样?😂
开发者davidmokos_分享案例,一款应用已用Expo完全重构,所有界面均为原生UI
开发者davidmokos_在𝕏表示,Opus 5在构建Expo应用方面表现极为出色。
他分享了一个案例,@_poolday_的应用已经完全通过Expo完成重构。
应用的所有界面都是真正的原生用户界面。
当下是开发应用的绝佳时机。
Opus 5是目前表现最优的大语言模型,但在用户自制的3D大象生成测试中遭遇严重失败
Opus 5是一个出色的模型,但需要验证它在非知名任务上的表现。它在我设计的3D大象测试中遭遇了严重失败。
没有误解,它的表现已经比迄今为止所有其他大语言模型(LLM)都更好,但距离掌握基础3D世界认知还有很大差距。目前这种智能存在缺陷,多模态能力仍需要改进。
测试要求模型在单个HTML代码块中生成一个three.js项目,项目需要生成一头可通过物理引擎控制、具备照片级精度和复杂细节的大象。
要求涵盖所有真实大象具备的细小特征,比如会流口水、排便、身体有细毛发,还要添加合适的音效,以及行走等行为逻辑。
测试者测试Opus 5一小时,认为它表现合格但Fable 5知识储备和品味更优
测试者@argofowl在清醒状态搭配咖啡,对Opus 5进行了一小时测试。
测试后认为Opus 5是一款合格的模型,工作非常细致,但处理任务需要更长时间。
测试者感觉Fable 5“懂得更多”,品味也略胜Opus 5一筹,但仍需要更多时间同时体验两款模型,才能得出更确定的结论。
用户列出五款AI工具的月订阅花费,明确各工具的使用定位
网友分享个人工作流中各类任务对应的不同大语言模型选择方案
网友jxmnop分享了个人全新工作流,针对不同类型任务匹配了不同的AI模型。面对复杂推理任务,他会优先选用Opus 5中等版本,仅在Sonnet-5或GPT-5.6 Luna无法完成任务时使用它。
深度知识类工作中,目前没有比Fable低版本更好的选择。复杂系统工程任务,他只信任GPT-5.6 sol高版本。
网络防御安全工作,他通常更偏好Kimi K3中等版本,偶尔会选用GLM 5.2极高版本。如果上述模型遇到卡壳的情况,他会立刻将任务交给混合模式的Composer 2/Grok 4.5 Build处理。
多模态计算机使用场景下,Muse Spark是最优选择。
生成耗时仅半小时,包含可进入的建筑与地形,其他大模型此前难以完成这类复杂设计
社交平台𝕏用户Rubzem分享,Anthropic的Claude Opus 5仅用单个提示词就生成了带有5v5多人对战模式的《使命召唤》游戏。整个生成过程只用了半个小时,《使命召唤》是全球史上最畅销的游戏系列之一。
其他AI模型此前在制作这类游戏时,一直难以完成地图创作和复杂设计工作。
在此之前,这些模型生成的大多是平整的平面地图。Claude Opus 5这次生成的内容,已经包含地形,以及可以进入或是登顶的建筑。
开发者realWeZZard分享个人经验,提出旗舰大模型提升开发任务成功率的核心路径与配置建议
用户自Grok Build上线首日开始使用,分享五个多数用户不知道的实用功能与开发特点
开发者@0xAA_Science让AI用threejs完成头像粒子化重建,个人主页已上线
@0xAA_Science在𝕏分享,自己使用gpt-5.6 Terra制作了个人主页。他让AI借助threejs工具,将自己的头像做了粒子化重建。他表示这个粒子化头像的最终效果不错。
个人主页可通过网址http://0xAA.xyz访问。
这款工具仅内置四个基础功能,靠低成本、高定制性获得不少程序员青睐
AI企业行业口碑变化快,可作为营收先行指标
爆料称Grok大模型版本更新迭代间隔越来越短
仅需七八个提示词,模板即可自动生成AI视频内容
还记得唐国强当年说演员迟早被AI替代那会,一个人对一群人。现在再看这个AI做的视频,很有画面感啊!原作者:提示词看起来好像很庞大。
其实就是输入了七八个字,模版就会自动让AI输出。文科生做梦也想不到,有朝一日自己居然可以写代码。
一款开源AI股票分析神器可整合多信息生成结构化分析报告
接近 6 万 Star 的开源 AI 股票分析神器,真的好用
它本质上是一套完整的 AI 股票研究系统,自动整合行情、新闻、技术指标和基本面,再调用 Gemini、GPT、DeepSeek 等模型,生成结构化分析报告。
我实测长鑫科技,它会直接拆解:国产替代、技术差距、IPO 估值、行业周期、潜在风险,以及乐观/中性/悲观三种情景。
支持 A 股、港股、美股,自带 WebUI、大盘复盘、自选股、历史报告和 Agent 策略问股,还能 Docker 本地部署。
◾️安装 Docker Desktop
◾️让 Codex 部署官方镜像
◾️浏览器打开 http://localhost:8000
◾️配置模型 API,添加自选股即可使用
GitHub: 开源免费,AI 调用可能需要 API,仅用于研究辅助,不构成投资建议。
开源项目连接AI编码与3D创作,参考图可生成交互式3D模型
Codex 5.6 让 3D 建模师压力山大了!
最近挖到一个宝藏开源项目 img2threejs,直接把 AI Coding 和 3D 创作连接起来。
接入 Codex 5.6 后,一张参考图,就能跑通: 2D 图像 → 结构分析 → Three.js 程序化模型 → 浏览器实时交互
1️⃣ 意图识别:一张图,Codex 5.6 就能精准捕捉 3D 对象的形态与细节意图
2️⃣ 代码化身:它将意图转化为可编辑、可动画的 Three.js 代码,告别传统建模的繁琐
3️⃣ 动画就绪:生成的模型自带运行时层级,直接用于游戏、XR,真正实现从图像到可动资产的闭环
地址:
博主测试多款大模型,发现Opus 5做游戏能力远超其他模型
Opus 5 模型现在是做游戏最屌的模型 我用相同的提示词测试了 opus 5.0、fable 5.0、gpt 5.6sol 、k3 做游戏的能力,核心是让它们自己设计与开发游戏,展示能力的天花板 下面视频中的游戏是 opus 5 开发的,其游戏设计,可玩性都比其他模型厉害很多,今天尝试做做更帅的游戏 其他模型设计的游戏传送评论区 👇:
kimi 做的游戏,排名第二
fable 5 开发的游戏,排名第三
GPT 5.6 sol 开发的游戏,排名第四,垃完了
专为AI Agent设计的开源浏览器工具,支持后台并行操作
前谷歌工程师60分钟搭建多智能体循环图,大幅缩减工作耗时
前谷歌工程师用了60分钟,就构建出了多智能体循环的图表,这帮他节省了10天的工作量。下面是他从零开始用Claude实现的方法:
步骤1 → 运行`git worktree add ../task-1 -b task-1`,然后打开终端,cd进入该目录,运行`Claude Code`,重复这个操作5次——每个智能体都拥有自己的分支。
步骤2 → 给每个智能体分配一项任务,共用同一个仓库,不同分支,它们不会产生冲突。
步骤3 → 全部完成后,审核PR,合并可用的内容。
步骤4 → 添加一个审核智能体:把每个PR粘贴到Claude中,提问「这符合规范吗?」。
步骤5 → 根据你的机器性能,从5个扩展到20个智能体,48GB内存可以跑20个,128GB可以跑50个。
大多数工程师只运行一次Claude Code然后等待,而他跑了50个实例,合并能落地的成果。
收藏并观看这个精彩的60分钟讲座 ↓
从简单自动化到机器学习模型,覆盖不同难度等级
7月26日开放千人名额报名,参赛需存入0.1 ETH真钱开赛,前50名可瓜分奖金
这一天的 109 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。