社区讨论：多数开发者吐槽这次持续数小时的全模型故障，有人刚购买Claude Max套餐首次发请求就遭遇崩溃，有人称故障期间重新学会了vim、阅读了手册，甚至有人笑称已经忘记怎么写代码。有用户讽刺支撑各类工作场景的大模型随机宕机没有问责机制，调侃“还说明天就要实现AGI”。也有人认为这类服务故障不值得专门讨论，大模型不是AWS这类核心基础设施，中途切换其他服务商即可，还有用户分享切换到Fable 5可临时规避故障的经验。

我们的ChatGPT应用自6月11日起就一直卡在审核阶段，至今已经超过六周了。我们已经提供了应用ID，跟进了团队审核进度，还开了支持工单，但审核仍然处于待处理状态。

应用ID：asdk_app_v_6a1182b557708191acb42150ec5ca1d9
工单编号：11036403 @OpenAI_Support

有没有人遇到过类似情况，或者有没有团队成员能帮我们调查一下？(@casey-chow) 任何指导我们都不胜感激。谢谢！

我们正式发布 Grok Voice Think Fast 2.0，这是我们的下一代语音模型，拥有更强的智能、更高的转录准确率，以及更出色的对话能力。

社区讨论：多数从业者和观察者都认为，AI数据中心建设带来的电工、木匠需求是临时繁荣，存在周期性暴涨暴跌风险，现有数据中心建成后不需要大量运维人员，提醒求职者不要仅凭这个趋势换职业。有用户分享亲身经历，当地数据中心建设抽走了所有电工、暖通工人，民用维修找不到工人，自己只能动手学维修。有人疑惑帖子称招木匠有误，数据中心并不需要大量木质结构施工，也有人提到AI行业抽走劳动力推高了其他领域的成本。

我们使用 Codex 中的 GPT-5.6 Sol 来优化它自身的基础设施与性能。

这些改进在推理和智能体循环中产生了复合增益，能用相同的底层硬件完成更多有用工作。

社区讨论：多数认同大模型能力的观点，simonw指出，如果还认为大模型只是“美化自动补全”，或是认为大模型发展已经放缓，需要纠正这个错误看法，自己能观测到近五个月大模型在特定问题上的进步非常快且可衡量。也有人点明，这次密码分析成果没有用到任何新奇技术，只是把现有工具用得更彻底，这类任务正是大模型擅长的。还有人提到本次成果用到的Claude Mythos目前仅对选定合作伙伴开放。

部署完成后，我们应用了 GPT-5.6 Sol 来推进效率前沿，让它自身运行起来效率更高。结果如下： - 生产 GPU 内核改进将服务成本降低了 20% - 改进后的投机解码将 token 生成效率提升了 15% 以上

iFixAi：AI 智能体独立审计工具。

开源（免费 $0）。

可在 Claude Code、Codex、Cursor 等工具上运行。

只需 120 秒，你就能知道你的智能体是否真的在完成它的工作。

代码仓库放在下方评论区：

说起 Buzz，我最喜欢的一点是：Anthropic 和 OpenAI 肯定不会待见它。

你可以随时切换驱动智能体的 harness 和模型，同时不会丢失上下文或工作流。

这对用户和开源模型来说是巨大的胜利！

这个工具只需点击一下，就能移除大语言模型的所有审查限制。它叫做 Obliteratus，创建目的是研究导致模型拒绝回答的内部运作机制，无需重新训练就能修改模型。

它具备这些功能：
→ 检测导致模型拒绝回答的内部表征
→ 无需重新训练也无需微调就能移除这些拦截
→ 支持逐层分析模型的内部运作方式
→ 自带网页界面，无需编写一行代码就能使用
→ 还为研究人员和开发人员提供了完整 API

最有意思的点是：整个过程的每一步都完全可观测。你可以可视化拒绝机制出现在哪里，测量它对模型的影响，对比应用修改前后的模型行为。

此外，它只用一个命令就能运行，也可以直接在 Google Colab 里使用。它完全免费、开源，在 GitHub 上已经收获了超过 7.2k stars。我把仓库链接放在评论区了 👇

AI 改变工作形态是不可避免的，但工作会以何种方式改变并非注定。

我认为，缺乏想象力的公司会把 AI 当作裁员的机会，而那些有愿景去拓展人类角色、用 AI 让人类工作变得更美好的公司会蓬勃发展。

我们实验室刚刚开源了 AI Behavioral Observatory。

它让你能够开展统计有效的测试，分析AI行为在各类提示词下会发生何种变化。

我们已经在自己的研究中使用了这个工具，我认为它也能帮助其他人开展同类工作。

介绍 Harvey Research：我们已经分享了我们的模型策略。我们已经开源了 Legal Agent Benchmark，这是面向长周期法律工作的最大规模基准，涵盖24+个实务领域的1,200项任务。

我们还和多家顶尖新实验室与推理提供商展开了合作研究，包括 @baseten、@trajectorylabs、@LangChain、@FireworksAI_HQ、@appliedcompute 和 @EngramLab。

现在我们为这些内容搭建了一个主页。现已上线，地址：

AsterMem 这个项目有点意思，它是一个第三方的 memory 系统，可以给你的任何 AI Agent 接上长期记忆。

支持任何格式：比如 Markdown、文本、书签等。

你的长内容会被自动切成一些语义片段，打上标签，并加上向量搜索和向量索引。

数据可以直接读取 Markdown，也可以读数据库或向量库。

备份非常简单，只需要拷贝文件夹就行。这样你所有的 memory 都会完全属于你，而不是其他所谓的 Agent 平台。

支持知识图谱、时间轴和向量的空间视图，方便你查看和管理自己的 memory。

兼容性很强，包括 Cloud Code、Codex、Cursor 都可以用。

项目是开源的，直接用就行，模型也可以自己选择。

Microsoft 开源了一个 4B 模型，可以在 3 秒内将任意图像转换为可直接投入生产使用的 3D 资产。它叫做 TRELLIS.2，可以开箱生成带有 PBR 纹理、纹理完整、物理属性准确的 3D 模型。

→ 输出完整 PBR（基础色、粗糙度、金属度、不透明度）
→ 支持处理毛发、布料、玻璃、非流形几何
→ 导出为 .glb 格式，可直接用于 Unity/Unreal/Blender
→ 可本地运行，输出耗时 3 秒

它不是演示项目，也不是研究预览版。完整的训练代码库已经公开。你可以用自己的资产库对它进行微调，得到一个能生成符合你工作室特定风格资产的模型。

100% 开源。

🚀 我们已经开源了 AngelSpec，这是一个同时支持训练与部署的端到端投机解码框架。

在 Hy3-A21B 模型上，在 4 到 64 的所有测试并发水平下，DFly 相对自回归解码实现了 1.98–2.40 倍的端到端加速，吞吐量比 DFlash 高出 10.5–11.8%。

训练代码以及 Hy3-A21B 的 MTP/DFly drafter 权重现已开放：GitHub: Paper: Docs: Hugging Face: ModelScope:

#Hy3 #AngelSpec #OpenSource

你现在的X时间线里需要关注的13个活跃AI声音：

1️⃣ @ylecun — 开源AI、AGI辩论与深度学习见解

2️⃣ @karpathy — 最擅长讲解LLM和神经网络

3️⃣ @drfeifei — 空间智能与AI的未来

4️⃣ @AndrewYNg — 实用AI、智能体与落地实现

5️⃣ @fchollet — AGI推理与智能基准测试

6️⃣ @snskritinaruka — AI × 创业 × 营销 × 产品

7️⃣ @AmandaAskell__ — RLHF、模型行为与对齐讲解

8️⃣ @geoffreyhinton — 深度学习洞见与AI安全观点

9️⃣ @jeremyphoward — 用易用工具搭建强大AI

🔟 @GaryMarcus — 对LLM局限性的批判性思考

1️⃣1️⃣ @kaifulee — 全球AI趋势、商业与落地应用

1️⃣2️⃣ @pmddomingos — 机器学习研究与发人深省的观点

1️⃣3️⃣ @demishassabis — AI与科学突破的交汇点

收藏这条。

当前AI领域的大量「讨论」，与其说是在探讨技术能力，不如说是前沿实验室的员工在梳理自己的自尊与身份认同。

今天，我们宣布推出 Baseten for Model Labs。

我们相信，AI 领域未来会由一个多样化生态构成：专属闭权重模型将与开权重模型并行运行。

Baseten for Model Labs 是专为实验室打造的平台，支持它们在 Baseten 基础设施上对自己的闭源模型变现、分发与扩缩容。

今天我们宣布推出 Ontology 1，这是我们的最新 AI 模型。

或许出乎意料的是，它的准确率比全球最优秀的电商搜索引擎高出至少2.7倍，并且能够处理此前从未实现过的查询。我们一直在探索它能力的边界，至今仍未找到边界所在。

不仅如此，它还可以自主学习，无需重新训练或微调。并且它不会产生幻觉。它是搜索的下一代架构。

了解我们的构建过程请访问，查看基准测试请访问，体验测试请访问

我们宣布推出 Pangram 4：这是迄今为止我们准确度最高的AI检测工具。

它对人工改写工具、混合作者文本，以及最新前沿模型都具备鲁棒性。

关于 Claude Code 的 `/model` 功能，似乎没多少人知道这个特性，我来分享一下。

从常规的 `/model` 切换模型后，会影响你当前并行打开的所有会话。

如果你只想给当前这个会话指定模型，只需要在用 `/model` 选择模型时按 `s` 确认，或者在启动时用 `--model` 参数指定，这样就不会影响其他 Claude Code 会话了。

示例：`claude --model fable`

Anthropic一名工程师提出，打造AI智能体不需要更好的提示词，真正需要的是能让智能体记住所有信息的图工程。

在一段25分钟的演示中，他展示了Anthropic工程师如何将多个智能体连接成图结构。图中每个智能体有独立分工，可并行运行，能互相验证结果，还共享一个永远不会重置的公共记忆。

分享者表示，这份内容的质量超过他见过的所有付费智能体搭建课程，观看视频后还可以查看下方完整的图工程指南。

演示原视频链接：

一位名为omooretweets的用户在𝕏分享，他一个月前设置了TownAI的自动化流程，用于分类处理董事会会议的后续跟进工作。设置完成后，他很快就把这件事忘了。直到昨天，他在董事会会议结束五分钟后，收到了一封要求审核会议记录的邮件。

这套自动化工具会自动读取用户日历，识别出董事会会议，然后自动启动对应的后续任务。这条分享附带了相关流程的演示链接。

在前沿闭源模型和开源模型之间来回切换时，会明显发现开源模型没有思考痕迹。有意思的是，将思考痕迹提供给Claude Code后，它可以正确给出评价，指出其中的低效问题，甚至还能辅助优化提示词。

经过强化学习（RL）训练后，通义千问（QWEN）更容易在琐碎问题上陷入死循环，Gemma的该问题稍轻。Claude可以准确指出问题所在，就像它本身非常了解思考痕迹，但不会主动把相关内容告诉你。

用户HBCoop在社交平台X分享了对海螺AI MiniMax H3文生视频模型的首次测试。当前该模型可生成长度最高15秒、分辨率2K的视频，画质较此前有提升。本次分享的测试内容就是单次生成得到的结果。

测试人员@HBCoop_在𝕏发布了FLUX 3图像生成模型的功能测试。本次测试同时使用了背景环境参考输入与文本提示两种输入条件。

测试结果显示，生成不同视角的图像时，模型可以维持参考图原有的背景构图。

测试相关内容链接为

创作者ozansihay先用GPT Image 2生成了街头摄影风格的图片。他将生成的图片上传到自己的Google云盘，随后要求ChatLLM在代理模式下，根据指定提示词生成一个艺术画廊风格网站，并完成部署。

最终生成的网站效果十分美观，整个过程一共消耗了6476单位额度。创作者放出了生成网站的链接，还给对ChatLLM感兴趣的人附上了自己制作的介绍视频链接。

本次使用的提示词要求：基于文件夹内AI生成的街头摄影图片，按照2026年网站设计趋势，设计一个极简美观、仅展示图片的现代美术馆风格作品集网站，让图片看起来如同真实陈列在画廊中。

提示词同时要求：为每张图片匹配契合氛围的艺术名称，撰写简短诗意、适合画廊展示的说明文字，动画和转场采用当下获奖网站常用的现代流畅高级风格，标注图片由Ozan Sihay用AI创作，在合适位置添加可跳转的YouTube、Instagram、X社交账号按钮，统一账号名为ozansihay。

用户@santtiagom_在𝕏分享了自己在Claude Code中看到的一条提示，称这是很好的提醒，点明合理管理对话上下文十分重要。

如果在同一场对话中开启和之前无关的新任务，此前对话中积累的上下文仍然会保留在新交互中，哪怕这些内容已经不再相关。这会消耗更多token（大语言模型处理单位），如果是按使用量付费的模式，就会增加使用成本，还会带来额外干扰，最终降低回答质量。

Claude Code的常规交互流程是这样的：1. 用户发起一项任务；2. Claude读取文件、执行命令，所有交互内容都会占用上下文窗口；3. 用户发送新消息时，之前的上下文会一同被发送；4. 如果新任务不需要旧内容，这个过程会持续造成浪费。

如果需要开启无关新任务，可以使用/clear命令清空上下文。如果只想释放空间同时保留重要内容，可以使用/compact命令汇总对话内容。

合理管理上下文，会直接影响你的token消耗量，以及获得的回答质量。

用户向GPT Sol 5.6 Ultra输入提示词，要求它用three.js生成一段类似参考视频的滚动动画，大模型完成了这项任务。

它会自行从网络获取项目所需资源，还通过图像生成工具制作了纹理。整个过程只用了2到3条提示词，耗时15分钟。

如果预留5到6小时的开发时间，还能完成效果更完整的展示项目。现在开发的核心问题已经不再是“能不能做”，而是“怎么让AI帮我完成”。

用户额外要求添加聚光灯后，动画效果进一步优化，生成的项目自带移动端适配支持。经过3到5轮提示调整后，最终项目已经可以正常展示。

用户认为Grok是挖掘X（原Twitter）平台KOL和独立开发者的高效工具，分享了一套自定义提示词，可帮助营销人员寻找曝光产品，解决投放资源。

这套提示词分为四个步骤：第一步，寻找粉丝数超过2000的中文区创作者；第二步，查看创作者最近10条推文，如果AI相关内容占比超过40%，就将其纳入候选名单；第三步，开启母子进程，由子进程执行任务，每2小时刷新一次候选人的粉丝数量；第四步，生成一个仪表板展示筛选结果。

和其他大语言模型不同，Grok可以直接访问X平台的实时内容，相当于接入了规模庞大的语料库。

截至本周三，该用户已经用完了Grok 96%的使用额度。

这套提示词可以让GPT-Image2直接规划并生成一套四图完整品牌Logo提案，东方香氛品牌「砚雾」是展示案例，包含品牌世界观与概念封面、Logo符号与生成逻辑、色彩字体与材质系统、包装产品与空间应用四个部分。

使用提示词时，用户只需按格式填写对应品牌信息，未填写的信息将由模型自动补充合理内容。提示词要求模型先统一锁定整套品牌设计系统，必须包含一个原创独立符号，不能只有纯文字，四张图要沿用一致的设计内容，不得更换。

四张图各有明确分工：图1为品牌世界观与概念封面，通过主视觉拼贴建立品牌氛围，完整展示品牌信息；图2以超大Logo符号为中心，讲解设计逻辑与结构；图3展示色彩、字体、材质与从Logo延伸出的辅助图形系统；图4展示品牌在产品、包装、空间等真实场景的应用效果。

整套方案要求采用符合专业品牌提案的设计语言，每张图都保留明确视觉中心与合理留白，版式各不相同，最终输出四张独立的4:5竖版图片。

这份共24页的Claude使用指南完全免费，已于当日更新，新增Claude Opus 5相关内容。

指南内容包括Opus 5的使用时机和适用场景，以及Cowork功能——上传文件夹后即可自动完成工作。

还介绍了在Excel、Word、PowerPoint和Outlook中使用Claude的方法，能让AI输出真实内容的提示词，以及Fable 5的使用时机。

此外涵盖Skills与连接器的相关内容，这类功能可学习用户工作流程，还能接入用户的个人应用。

指南附赠3份免费的官方认证。

领取这份指南需要两步：首先在评论区留言“CLAUDE”，然后关注发布账号并开启通知，指南会通过私信发送。

有网友在𝕏上分享了一个新方法，可以通过AI为产品自动生成用户原创内容（UGC）视频。这套流程依托Claude Code实现。

第一步需要先找到一个你想参考风格的视频，要确认该视频风格适配你自己的产品。

接下来让Claude Code连接higgsfield命令行界面（CLI），再让智能代理调用工具内置的视频分析器解析参考视频。

之后要求智能代理借助seedance/omni重新生成视频，同时需要加入你自己的产品信息，提供的信息越多，生成的视频准确度越高。

你还可以插入自己软件或应用的片段进行编辑，让最终成品更连贯真实。

分享者认为所有营销工作流未来都将通过终端完成，目前这一趋势已经开始。

ChrisGPT在𝕏表示，Claude Opus 5已经让AI走到了一个拐点——它可以生成达到独立游戏品质的美术资产。本次测试仅经过两次提示词交互，第二次仅要求AI提升生成质量。生成的车辆部分视角效果出色，质感优于多款他近期玩过的独立游戏。

博主Nozelcode发布了一份时长8分钟的教程，演示如何用Claude从零创建移动端应用。教程全程清晰分步，操作没有复杂环节，可直接完成一个可用的功能应用。

教程划分了多个时间节点：00:00为介绍环节，00:35开始编写第一条提示词，01:47添加Nano Banana，02:25搭建后端与数据库。

02:58测试Nano Banana和数据库，03:58修复程序错误，04:56配置支付功能，05:56生成付费墙，06:54测试付费墙功能。

正在学习AI开发的用户可以查看这份教程。

开发者@QuiteShallow除了为自己制作新模型，还定制了一款独一无二的文字转语音软件。这款软件专门为VTuber角色配音开发，基于开源大语言模型运行，可在本地离线使用。

使用者无需将数据上传至数据中心或大型AI企业。目前项目所有工作正在推进整合中。

Buzz是一款全新的免费协作平台，使用体验和Slack非常类似。和Slack不同的是，Buzz中的智能体不是插件附加功能，而是和用户平等的协作成员。

用户只需要5分钟，就可以在Buzz中搭建完成一个智能体团队。平台本身可免费使用，还能兼容用户现有的Codex和Claude Code订阅。

这份完整指南对应内容分为两个部分，第一部分是和Vinny（@hot_town）的对话，讨论Buzz走红原因、智能体与频道创建、添加OpenCode、Cursor等其他工具、移动应用、支付与共享计算、 workflows与项目管理，以及平台未来发展方向等内容。

第二部分是入门教程，讲解作者的实际使用 workflow，涵盖Buzz下载、创建第一个智能体、将智能体添加到频道、不同大模型的任务分工，以及iOS应用使用等内容。

可以在X和YouTube关注@hot_town，也可前往原文给出的YouTube链接查看完整视频内容。

用户受Cursor的子agent功能启发，开发出开源多AI调度工具ywcrew。该工具支持在任意AI工具中输入指令后，后台自动调度用户已经订阅的其他大模型完成任务。

目前工具已支持Claude、Codex、Grok、Kimi、Antigravity多个大模型。用户只需设置一次模型选择、思考强度、个人偏好等偏好设置，后续即可自动调用，无需每次重新指定。

工具全程使用用户已有的大模型订阅，无需支付额外API费用。

分配给模型的任务会在独立的git worktree中运行，用户未提交的代码会自动同步，任务完成后返回补丁文件，不会改动用户原有代码仓库，返回结果附带文件行号证据，每条结果都会自动核验。

针对敏感项目，工具可开启strict模式，被调用的模型仅能访问白名单内的文件，物理层面无法读取项目其他内容。

工具现已开源，可供用户测试使用。

开发者@3DVR3公开了一款完全由AI搭建的VRChat虚拟世界。开发者原本对Unity引擎完全没有了解，一个月前发布试做版本后，遭到了部分海外用户的指责。

指责的言论包括称全AI制作会增加大量低质量内容，这个作品只是给AI发指令，不属于开发者的创作，甚至放话见到就会举报。

经过约一个月调整，开发者正式发布了成品版本，而非此前的试做版本。截至公开时，这个虚拟世界已经获得3200次访问，570次收藏。

开发者不声称这个作品是自己手动制作的，Unity平台上的搭建工作都交给了Claude和Codex完成。

但开发者表示，制作什么内容、删减哪些部分、调整哪些细节、何时判定作品完成，这些决策都是由自己做出的。

会导致低质量内容泛滥的不是AI，而是不检验质量就发布作品的创作者。开发者邀请一个月前就断定这是低质量AI垃圾的人，进入这个虚拟世界亲自体验后再下判断。

成品虚拟世界名为《星镜湖 - 前夜祭花火》，开发者已在回复中附上访问链接，也邀请上个月参与评论的用户亲自前往体验评判。

感觉现在开源的速度已经疯了。。。 @Kimi_Moonshot 家的K3开源才两天，已经被@UnslothAI 干到能在Mac Studio上跑了🤯！！！ 2.8万亿参数的模型，原始大小1.56T， 他们用动态1-bit量化，直接压到594G，缩了62%， 还保留了78.9%的精度， 128G内存的Mac Studio就能跑， 虽然速度不快，但它真的能跑。 谁能想到半个月前，这个级别的模型还只有大厂有算力碰， 现在我们在家，在自己的消费级电脑上，就能跑全球最顶尖的开源大模型了，damn！ 权重放出来48小时，量化、适配、教程全给你整完了， Unsloth这速度，真的离谱。 不得不说这就是开源最恐怖的地方啊， 模型放出来第一天， 全世界最聪明的工程师都在帮你压体积、提速度、做适配， 闭源模型，永远享受不到这个待遇。

1-bit版速度肯定不快，但能跑本身就是里程碑了，创始人说还要继续压到512G，到时候实用性会再上一个台阶吧

发现一个上海交大团队出品的大模型实战开源课程，在 GitHub 已经斩获4.6w+ star 内容从零开始设计，不堆理论，每个章节都能直接上手跑代码 内容包含API调用、模型微调、多模态开发一路递进，还专门开了越狱攻防、多模态模型等进阶模块，配套在线实验环境，学完即可实战 适合想系统补齐大模型知识的人

项目地址：

我们宣布推出 Pangram 4：这是迄今为止我们准确度最高的AI检测工具。

它对人工改写工具、混合作者文本，以及最新前沿模型都具备鲁棒性。

今天我们宣布推出 Ontology 1，这是我们的最新 AI 模型。

或许出乎意料的是，它的准确率比全球最优秀的电商搜索引擎高出至少2.7倍，并且能够处理此前从未实现过的查询。我们一直在探索它能力的边界，至今仍未找到边界所在。

不仅如此，它还可以自主学习，无需重新训练或微调。并且它不会产生幻觉。它是搜索的下一代架构。

了解我们的构建过程请访问，查看基准测试请访问，体验测试请访问

今天，我们宣布推出 Baseten for Model Labs。

我们相信，AI 领域未来会由一个多样化生态构成：专属闭权重模型将与开权重模型并行运行。

Baseten for Model Labs 是专为实验室打造的平台，支持它们在 Baseten 基础设施上对自己的闭源模型变现、分发与扩缩容。

我们使用 Codex 中的 GPT-5.6 Sol 来优化它自身的基础设施与性能。

这些改进在推理和智能体循环中产生了复合增益，能用相同的底层硬件完成更多有用工作。

🚀 我们已经开源了 AngelSpec，这是一个同时支持训练与部署的端到端投机解码框架。

在 Hy3-A21B 模型上，在 4 到 64 的所有测试并发水平下，DFly 相对自回归解码实现了 1.98–2.40 倍的端到端加速，吞吐量比 DFlash 高出 10.5–11.8%。

训练代码以及 Hy3-A21B 的 MTP/DFly drafter 权重现已开放：GitHub: Paper: Docs: Hugging Face: ModelScope:

#Hy3 #AngelSpec #OpenSource

Microsoft 开源了一个 4B 模型，可以在 3 秒内将任意图像转换为可直接投入生产使用的 3D 资产。它叫做 TRELLIS.2，可以开箱生成带有 PBR 纹理、纹理完整、物理属性准确的 3D 模型。

→ 输出完整 PBR（基础色、粗糙度、金属度、不透明度）
→ 支持处理毛发、布料、玻璃、非流形几何
→ 导出为 .glb 格式，可直接用于 Unity/Unreal/Blender
→ 可本地运行，输出耗时 3 秒

它不是演示项目，也不是研究预览版。完整的训练代码库已经公开。你可以用自己的资产库对它进行微调，得到一个能生成符合你工作室特定风格资产的模型。

100% 开源。

说起 Buzz，我最喜欢的一点是：Anthropic 和 OpenAI 肯定不会待见它。

你可以随时切换驱动智能体的 harness 和模型，同时不会丢失上下文或工作流。

这对用户和开源模型来说是巨大的胜利！

这个工具只需点击一下，就能移除大语言模型的所有审查限制。它叫做 Obliteratus，创建目的是研究导致模型拒绝回答的内部运作机制，无需重新训练就能修改模型。

它具备这些功能：
→ 检测导致模型拒绝回答的内部表征
→ 无需重新训练也无需微调就能移除这些拦截
→ 支持逐层分析模型的内部运作方式
→ 自带网页界面，无需编写一行代码就能使用
→ 还为研究人员和开发人员提供了完整 API

最有意思的点是：整个过程的每一步都完全可观测。你可以可视化拒绝机制出现在哪里，测量它对模型的影响，对比应用修改前后的模型行为。

此外，它只用一个命令就能运行，也可以直接在 Google Colab 里使用。它完全免费、开源，在 GitHub 上已经收获了超过 7.2k stars。我把仓库链接放在评论区了 👇

AI 改变工作形态是不可避免的，但工作会以何种方式改变并非注定。

我认为，缺乏想象力的公司会把 AI 当作裁员的机会，而那些有愿景去拓展人类角色、用 AI 让人类工作变得更美好的公司会蓬勃发展。

我们正式发布 Grok Voice Think Fast 2.0，这是我们的下一代语音模型，拥有更强的智能、更高的转录准确率，以及更出色的对话能力。

我们实验室刚刚开源了 AI Behavioral Observatory。

它让你能够开展统计有效的测试，分析AI行为在各类提示词下会发生何种变化。

我们已经在自己的研究中使用了这个工具，我认为它也能帮助其他人开展同类工作。

介绍 Harvey Research：我们已经分享了我们的模型策略。我们已经开源了 Legal Agent Benchmark，这是面向长周期法律工作的最大规模基准，涵盖24+个实务领域的1,200项任务。

我们还和多家顶尖新实验室与推理提供商展开了合作研究，包括 @baseten、@trajectorylabs、@LangChain、@FireworksAI_HQ、@appliedcompute 和 @EngramLab。

现在我们为这些内容搭建了一个主页。现已上线，地址：

社区讨论：多数认同大模型能力的观点，simonw指出，如果还认为大模型只是“美化自动补全”，或是认为大模型发展已经放缓，需要纠正这个错误看法，自己能观测到近五个月大模型在特定问题上的进步非常快且可衡量。也有人点明，这次密码分析成果没有用到任何新奇技术，只是把现有工具用得更彻底，这类任务正是大模型擅长的。还有人提到本次成果用到的Claude Mythos目前仅对选定合作伙伴开放。

社区讨论：多数从业者和观察者都认为，AI数据中心建设带来的电工、木匠需求是临时繁荣，存在周期性暴涨暴跌风险，现有数据中心建成后不需要大量运维人员，提醒求职者不要仅凭这个趋势换职业。有用户分享亲身经历，当地数据中心建设抽走了所有电工、暖通工人，民用维修找不到工人，自己只能动手学维修。有人疑惑帖子称招木匠有误，数据中心并不需要大量木质结构施工，也有人提到AI行业抽走劳动力推高了其他领域的成本。

我们的ChatGPT应用自6月11日起就一直卡在审核阶段，至今已经超过六周了。我们已经提供了应用ID，跟进了团队审核进度，还开了支持工单，但审核仍然处于待处理状态。

应用ID：asdk_app_v_6a1182b557708191acb42150ec5ca1d9
工单编号：11036403 @OpenAI_Support

有没有人遇到过类似情况，或者有没有团队成员能帮我们调查一下？(@casey-chow) 任何指导我们都不胜感激。谢谢！

社区讨论：多数开发者吐槽这次持续数小时的全模型故障，有人刚购买Claude Max套餐首次发请求就遭遇崩溃，有人称故障期间重新学会了vim、阅读了手册，甚至有人笑称已经忘记怎么写代码。有用户讽刺支撑各类工作场景的大模型随机宕机没有问责机制，调侃“还说明天就要实现AGI”。也有人认为这类服务故障不值得专门讨论，大模型不是AWS这类核心基础设施，中途切换其他服务商即可，还有用户分享切换到Fable 5可临时规避故障的经验。

当前AI领域的大量「讨论」，与其说是在探讨技术能力，不如说是前沿实验室的员工在梳理自己的自尊与身份认同。

iFixAi：AI 智能体独立审计工具。

开源（免费 $0）。

可在 Claude Code、Codex、Cursor 等工具上运行。

只需 120 秒，你就能知道你的智能体是否真的在完成它的工作。

代码仓库放在下方评论区：

你现在的X时间线里需要关注的13个活跃AI声音：

1️⃣ @ylecun — 开源AI、AGI辩论与深度学习见解

2️⃣ @karpathy — 最擅长讲解LLM和神经网络

3️⃣ @drfeifei — 空间智能与AI的未来

4️⃣ @AndrewYNg — 实用AI、智能体与落地实现

5️⃣ @fchollet — AGI推理与智能基准测试

6️⃣ @snskritinaruka — AI × 创业 × 营销 × 产品

7️⃣ @AmandaAskell__ — RLHF、模型行为与对齐讲解

8️⃣ @geoffreyhinton — 深度学习洞见与AI安全观点

9️⃣ @jeremyphoward — 用易用工具搭建强大AI

🔟 @GaryMarcus — 对LLM局限性的批判性思考

1️⃣1️⃣ @kaifulee — 全球AI趋势、商业与落地应用

1️⃣2️⃣ @pmddomingos — 机器学习研究与发人深省的观点

1️⃣3️⃣ @demishassabis — AI与科学突破的交汇点

收藏这条。

AsterMem 这个项目有点意思，它是一个第三方的 memory 系统，可以给你的任何 AI Agent 接上长期记忆。

支持任何格式：比如 Markdown、文本、书签等。

你的长内容会被自动切成一些语义片段，打上标签，并加上向量搜索和向量索引。

数据可以直接读取 Markdown，也可以读数据库或向量库。

备份非常简单，只需要拷贝文件夹就行。这样你所有的 memory 都会完全属于你，而不是其他所谓的 Agent 平台。

支持知识图谱、时间轴和向量的空间视图，方便你查看和管理自己的 memory。

兼容性很强，包括 Cloud Code、Codex、Cursor 都可以用。

项目是开源的，直接用就行，模型也可以自己选择。

部署完成后，我们应用了 GPT-5.6 Sol 来推进效率前沿，让它自身运行起来效率更高。结果如下： - 生产 GPU 内核改进将服务成本降低了 20% - 改进后的投机解码将 token 生成效率提升了 15% 以上

关于 Claude Code 的 `/model` 功能，似乎没多少人知道这个特性，我来分享一下。

从常规的 `/model` 切换模型后，会影响你当前并行打开的所有会话。

如果你只想给当前这个会话指定模型，只需要在用 `/model` 选择模型时按 `s` 确认，或者在启动时用 `--model` 参数指定，这样就不会影响其他 Claude Code 会话了。

示例：`claude --model fable`

发现一个上海交大团队出品的大模型实战开源课程，在 GitHub 已经斩获4.6w+ star 内容从零开始设计，不堆理论，每个章节都能直接上手跑代码 内容包含API调用、模型微调、多模态开发一路递进，还专门开了越狱攻防、多模态模型等进阶模块，配套在线实验环境，学完即可实战 适合想系统补齐大模型知识的人

项目地址：

感觉现在开源的速度已经疯了。。。 @Kimi_Moonshot 家的K3开源才两天，已经被@UnslothAI 干到能在Mac Studio上跑了🤯！！！ 2.8万亿参数的模型，原始大小1.56T， 他们用动态1-bit量化，直接压到594G，缩了62%， 还保留了78.9%的精度， 128G内存的Mac Studio就能跑， 虽然速度不快，但它真的能跑。 谁能想到半个月前，这个级别的模型还只有大厂有算力碰， 现在我们在家，在自己的消费级电脑上，就能跑全球最顶尖的开源大模型了，damn！ 权重放出来48小时，量化、适配、教程全给你整完了， Unsloth这速度，真的离谱。 不得不说这就是开源最恐怖的地方啊， 模型放出来第一天， 全世界最聪明的工程师都在帮你压体积、提速度、做适配， 闭源模型，永远享受不到这个待遇。

1-bit版速度肯定不快，但能跑本身就是里程碑了，创始人说还要继续压到512G，到时候实用性会再上一个台阶吧

开发者@3DVR3公开了一款完全由AI搭建的VRChat虚拟世界。开发者原本对Unity引擎完全没有了解，一个月前发布试做版本后，遭到了部分海外用户的指责。

指责的言论包括称全AI制作会增加大量低质量内容，这个作品只是给AI发指令，不属于开发者的创作，甚至放话见到就会举报。

经过约一个月调整，开发者正式发布了成品版本，而非此前的试做版本。截至公开时，这个虚拟世界已经获得3200次访问，570次收藏。

开发者不声称这个作品是自己手动制作的，Unity平台上的搭建工作都交给了Claude和Codex完成。

但开发者表示，制作什么内容、删减哪些部分、调整哪些细节、何时判定作品完成，这些决策都是由自己做出的。

会导致低质量内容泛滥的不是AI，而是不检验质量就发布作品的创作者。开发者邀请一个月前就断定这是低质量AI垃圾的人，进入这个虚拟世界亲自体验后再下判断。

成品虚拟世界名为《星镜湖 - 前夜祭花火》，开发者已在回复中附上访问链接，也邀请上个月参与评论的用户亲自前往体验评判。

用户受Cursor的子agent功能启发，开发出开源多AI调度工具ywcrew。该工具支持在任意AI工具中输入指令后，后台自动调度用户已经订阅的其他大模型完成任务。

目前工具已支持Claude、Codex、Grok、Kimi、Antigravity多个大模型。用户只需设置一次模型选择、思考强度、个人偏好等偏好设置，后续即可自动调用，无需每次重新指定。

工具全程使用用户已有的大模型订阅，无需支付额外API费用。

分配给模型的任务会在独立的git worktree中运行，用户未提交的代码会自动同步，任务完成后返回补丁文件，不会改动用户原有代码仓库，返回结果附带文件行号证据，每条结果都会自动核验。

针对敏感项目，工具可开启strict模式，被调用的模型仅能访问白名单内的文件，物理层面无法读取项目其他内容。

工具现已开源，可供用户测试使用。

Buzz是一款全新的免费协作平台，使用体验和Slack非常类似。和Slack不同的是，Buzz中的智能体不是插件附加功能，而是和用户平等的协作成员。

用户只需要5分钟，就可以在Buzz中搭建完成一个智能体团队。平台本身可免费使用，还能兼容用户现有的Codex和Claude Code订阅。

这份完整指南对应内容分为两个部分，第一部分是和Vinny（@hot_town）的对话，讨论Buzz走红原因、智能体与频道创建、添加OpenCode、Cursor等其他工具、移动应用、支付与共享计算、 workflows与项目管理，以及平台未来发展方向等内容。

第二部分是入门教程，讲解作者的实际使用 workflow，涵盖Buzz下载、创建第一个智能体、将智能体添加到频道、不同大模型的任务分工，以及iOS应用使用等内容。

可以在X和YouTube关注@hot_town，也可前往原文给出的YouTube链接查看完整视频内容。

开发者@QuiteShallow除了为自己制作新模型，还定制了一款独一无二的文字转语音软件。这款软件专门为VTuber角色配音开发，基于开源大语言模型运行，可在本地离线使用。

使用者无需将数据上传至数据中心或大型AI企业。目前项目所有工作正在推进整合中。

博主Nozelcode发布了一份时长8分钟的教程，演示如何用Claude从零创建移动端应用。教程全程清晰分步，操作没有复杂环节，可直接完成一个可用的功能应用。

教程划分了多个时间节点：00:00为介绍环节，00:35开始编写第一条提示词，01:47添加Nano Banana，02:25搭建后端与数据库。

02:58测试Nano Banana和数据库，03:58修复程序错误，04:56配置支付功能，05:56生成付费墙，06:54测试付费墙功能。

正在学习AI开发的用户可以查看这份教程。

ChrisGPT在𝕏表示，Claude Opus 5已经让AI走到了一个拐点——它可以生成达到独立游戏品质的美术资产。本次测试仅经过两次提示词交互，第二次仅要求AI提升生成质量。生成的车辆部分视角效果出色，质感优于多款他近期玩过的独立游戏。

有网友在𝕏上分享了一个新方法，可以通过AI为产品自动生成用户原创内容（UGC）视频。这套流程依托Claude Code实现。

第一步需要先找到一个你想参考风格的视频，要确认该视频风格适配你自己的产品。

接下来让Claude Code连接higgsfield命令行界面（CLI），再让智能代理调用工具内置的视频分析器解析参考视频。

之后要求智能代理借助seedance/omni重新生成视频，同时需要加入你自己的产品信息，提供的信息越多，生成的视频准确度越高。

你还可以插入自己软件或应用的片段进行编辑，让最终成品更连贯真实。

分享者认为所有营销工作流未来都将通过终端完成，目前这一趋势已经开始。

这份共24页的Claude使用指南完全免费，已于当日更新，新增Claude Opus 5相关内容。

指南内容包括Opus 5的使用时机和适用场景，以及Cowork功能——上传文件夹后即可自动完成工作。

还介绍了在Excel、Word、PowerPoint和Outlook中使用Claude的方法，能让AI输出真实内容的提示词，以及Fable 5的使用时机。

此外涵盖Skills与连接器的相关内容，这类功能可学习用户工作流程，还能接入用户的个人应用。

指南附赠3份免费的官方认证。

领取这份指南需要两步：首先在评论区留言“CLAUDE”，然后关注发布账号并开启通知，指南会通过私信发送。

这套提示词可以让GPT-Image2直接规划并生成一套四图完整品牌Logo提案，东方香氛品牌「砚雾」是展示案例，包含品牌世界观与概念封面、Logo符号与生成逻辑、色彩字体与材质系统、包装产品与空间应用四个部分。

使用提示词时，用户只需按格式填写对应品牌信息，未填写的信息将由模型自动补充合理内容。提示词要求模型先统一锁定整套品牌设计系统，必须包含一个原创独立符号，不能只有纯文字，四张图要沿用一致的设计内容，不得更换。

四张图各有明确分工：图1为品牌世界观与概念封面，通过主视觉拼贴建立品牌氛围，完整展示品牌信息；图2以超大Logo符号为中心，讲解设计逻辑与结构；图3展示色彩、字体、材质与从Logo延伸出的辅助图形系统；图4展示品牌在产品、包装、空间等真实场景的应用效果。

整套方案要求采用符合专业品牌提案的设计语言，每张图都保留明确视觉中心与合理留白，版式各不相同，最终输出四张独立的4:5竖版图片。

用户认为Grok是挖掘X（原Twitter）平台KOL和独立开发者的高效工具，分享了一套自定义提示词，可帮助营销人员寻找曝光产品，解决投放资源。

这套提示词分为四个步骤：第一步，寻找粉丝数超过2000的中文区创作者；第二步，查看创作者最近10条推文，如果AI相关内容占比超过40%，就将其纳入候选名单；第三步，开启母子进程，由子进程执行任务，每2小时刷新一次候选人的粉丝数量；第四步，生成一个仪表板展示筛选结果。

和其他大语言模型不同，Grok可以直接访问X平台的实时内容，相当于接入了规模庞大的语料库。

截至本周三，该用户已经用完了Grok 96%的使用额度。

用户向GPT Sol 5.6 Ultra输入提示词，要求它用three.js生成一段类似参考视频的滚动动画，大模型完成了这项任务。

它会自行从网络获取项目所需资源，还通过图像生成工具制作了纹理。整个过程只用了2到3条提示词，耗时15分钟。

如果预留5到6小时的开发时间，还能完成效果更完整的展示项目。现在开发的核心问题已经不再是“能不能做”，而是“怎么让AI帮我完成”。

用户额外要求添加聚光灯后，动画效果进一步优化，生成的项目自带移动端适配支持。经过3到5轮提示调整后，最终项目已经可以正常展示。

用户@santtiagom_在𝕏分享了自己在Claude Code中看到的一条提示，称这是很好的提醒，点明合理管理对话上下文十分重要。

如果在同一场对话中开启和之前无关的新任务，此前对话中积累的上下文仍然会保留在新交互中，哪怕这些内容已经不再相关。这会消耗更多token（大语言模型处理单位），如果是按使用量付费的模式，就会增加使用成本，还会带来额外干扰，最终降低回答质量。

Claude Code的常规交互流程是这样的：1. 用户发起一项任务；2. Claude读取文件、执行命令，所有交互内容都会占用上下文窗口；3. 用户发送新消息时，之前的上下文会一同被发送；4. 如果新任务不需要旧内容，这个过程会持续造成浪费。

如果需要开启无关新任务，可以使用/clear命令清空上下文。如果只想释放空间同时保留重要内容，可以使用/compact命令汇总对话内容。

合理管理上下文，会直接影响你的token消耗量，以及获得的回答质量。

创作者ozansihay先用GPT Image 2生成了街头摄影风格的图片。他将生成的图片上传到自己的Google云盘，随后要求ChatLLM在代理模式下，根据指定提示词生成一个艺术画廊风格网站，并完成部署。

最终生成的网站效果十分美观，整个过程一共消耗了6476单位额度。创作者放出了生成网站的链接，还给对ChatLLM感兴趣的人附上了自己制作的介绍视频链接。

本次使用的提示词要求：基于文件夹内AI生成的街头摄影图片，按照2026年网站设计趋势，设计一个极简美观、仅展示图片的现代美术馆风格作品集网站，让图片看起来如同真实陈列在画廊中。

提示词同时要求：为每张图片匹配契合氛围的艺术名称，撰写简短诗意、适合画廊展示的说明文字，动画和转场采用当下获奖网站常用的现代流畅高级风格，标注图片由Ozan Sihay用AI创作，在合适位置添加可跳转的YouTube、Instagram、X社交账号按钮，统一账号名为ozansihay。

测试人员@HBCoop_在𝕏发布了FLUX 3图像生成模型的功能测试。本次测试同时使用了背景环境参考输入与文本提示两种输入条件。

测试结果显示，生成不同视角的图像时，模型可以维持参考图原有的背景构图。

测试相关内容链接为

用户HBCoop在社交平台X分享了对海螺AI MiniMax H3文生视频模型的首次测试。当前该模型可生成长度最高15秒、分辨率2K的视频，画质较此前有提升。本次分享的测试内容就是单次生成得到的结果。

在前沿闭源模型和开源模型之间来回切换时，会明显发现开源模型没有思考痕迹。有意思的是，将思考痕迹提供给Claude Code后，它可以正确给出评价，指出其中的低效问题，甚至还能辅助优化提示词。

经过强化学习（RL）训练后，通义千问（QWEN）更容易在琐碎问题上陷入死循环，Gemma的该问题稍轻。Claude可以准确指出问题所在，就像它本身非常了解思考痕迹，但不会主动把相关内容告诉你。

一位名为omooretweets的用户在𝕏分享，他一个月前设置了TownAI的自动化流程，用于分类处理董事会会议的后续跟进工作。设置完成后，他很快就把这件事忘了。直到昨天，他在董事会会议结束五分钟后，收到了一封要求审核会议记录的邮件。

这套自动化工具会自动读取用户日历，识别出董事会会议，然后自动启动对应的后续任务。这条分享附带了相关流程的演示链接。

Anthropic一名工程师提出，打造AI智能体不需要更好的提示词，真正需要的是能让智能体记住所有信息的图工程。

在一段25分钟的演示中，他展示了Anthropic工程师如何将多个智能体连接成图结构。图中每个智能体有独立分工，可并行运行，能互相验证结果，还共享一个永远不会重置的公共记忆。

分享者表示，这份内容的质量超过他见过的所有付费智能体搭建课程，观看视频后还可以查看下方完整的图工程指南。

演示原视频链接：