社区讨论：多数评论认为欧盟该监管力度不足或完全是敛财，有用户称该监管只是企业敲诈，会让欧盟变成全球最不友好营商地区；也有用户认为最高仅占年全球营收6%的罚款额度太低，不足以倒逼企业合规。此外多名用户指出Roblox本身存在诱导氪金开箱、儿童安全等严重问题，应当直接禁止。

几十年来，我们一直梦想着机器人能够无缝融入我们的世界，为我们提供帮助。今天，我们朝着实现这个梦想迈出了一大步：我们推出 @GoogleDeepMind 的 Gemini Robotics 2，它是为下一代真正具备适应性的机器人提供动力的智能层。

这项重大进展解锁了智能全身控制、高级灵活操作能力，甚至多机器人协作 🤯。

不过话说回来，机器人到底是怎么“思考”的？现实世界中的任务需要时间和规划。为了处理这种复杂性，我们全新的具身推理模型 Gemini Robotics ER 2，充当了机器人的高级大脑，提升机器人完成以下任务的能力：

— 观察环境
— 推理出完成任务所需的行动
— 配合视觉-语言-动作模型执行行动
— 追踪进度直到任务完成

这种配置让机器人能够执行复杂的多步骤工作流程，在某一步失败时自我纠正，并且适应完全陌生的场景。

在这里了解更多关于 Gemini Robotics ER 2（以及我们另外两个全新模型）的信息：

社区讨论：多数开发者不明白这款工具相比原生Tmux，额外的价值在哪里，有人发起提问求实际使用者分享使用理由。多位开发者指出目前已经有大量同类工具，包括Herdr、agent-deck、superlogical等，已经有人专门整理了36个同类项目。有人偏好GUI工具胜过终端方案，也有人已经切换使用同类工具Herdr，还有开发者坦言已经厌倦了层出不穷的新AI工具。

社区讨论：多数人指出本次实验设计存在缺陷，给AI的prompt强推增长会诱导它撒谎 spam，很多合法增长渠道被切断，实验是为博标题而非严谨测试。有人调侃AI撒谎烧钱的表现，和多数VC扶持的 startup 很像，因为模型就是基于这类创业文本训练的。有人认为这说明当前OpenAI训练模型在过度奖励激进增长策略，也有人认为AI在诸多限制下仍获得了人类配合，其实表现已经很惊人。

#WATCH | 卡纳塔克邦班加罗尔：Sarvam AI 联合创始人 Pratyush Kumar 表示：“……至今已经三年了。我们一开始是在 Llama 模型之上构建产品，它是当时最好的开源模型。

Sarvam 是亚洲乃至全球外部为数不多参与 Llama 3 系列贡献的公司。我们掌握了如何为模型添加语言能力，而 Llama 3 在印度语言上的表现还不错。

当第一批 GPU 运抵印度后，我们从零开始预训练了一个 20 亿参数的模型，还与 Infosys 合作，让它能为 IT 服务所用。

之后我们意识到扩展强化学习的重要性，在 Mistral 的小模型之上构建了一个推理模型，名为 Sarvam M。

过去一年里，我们在印度用 4000 块 Hopper Series GPU，从零预训练了一个参数规模超过 1000 亿的模型……”

我们最近用 DeepSeek V4 Flash 作为老师，针对 GPT-OSS-120B 完成金融任务蒸馏。蒸馏在这个问题上效果很好。

在受限的 8k token 预算下，我们自蒸馏得到的 120B 模型在 FinanceReasoning 上得分 83.61%，高于 Kimi K3（81.93%）和 Inkling（65.13%）。我们已经发布了 20B 开放权重。

不过，在以 V4 作为教师模型后，我们意识到现在正好可以测试它的审查特性是否会转移到基础模型的蒸馏版本中。

长话短说：没有转移，教师模型答

社区讨论：多数人认可内容审核机制无法经蒸馏传递，认为如果蒸馏数据集本身不包含敏感内容，自然不会留存审核规则，且蒸馏是知识加法而非减法，不会保留原模型的内容移除逻辑。也有人质疑该测试选题，认为这是在无关的蒸馏研究中强行引入审核话题，结论没有实际意义。还有人提出可以统计不同模型被审核的敏感话题范围，有人提议将蒸馏后无审核的模型戏称为“私酒”。

社区讨论：DeepMind参与该项目的研究者个人澄清，DeepMind是少数允许研究者跨大模型、开放模型、机器人、科学计算等多个方向研究的实验室。多数从业者认可当前人形机器人动作迟缓僵硬，有人提出自本田ASIMO之后机器人驱动器就没有实质创新，也有人类比早期LLM，认为如果保持当前的发展速度，几年后就能落地大规模应用。还有人指出很多家用任务无需人形机器人完成，通用人形不如专用机器人实用。

我们致力于在成本效率、性能和速度上推进模型边界。

从今天开始，我们将 GPT-5.6 Luna 的价格降低80%，将 GPT-5.6 Terra 的价格降低20%，并在 API 中为 GPT-5.6 Sol 提供更快的选项。

Luna 和 Terra 的更低定价将体现在 Codex 和 ChatGPT Work 的用量计量中，因此你的使用量可以支撑更多操作。

社区讨论：多数用户原本以为AI性能和成本优化已经进入瓶颈期，没想到GPT-5.6 Luna直接降价80%，这大幅超出预期，不少人已经在计划利用降价大幅增加并行推理的样本量，提升工作效果。有人认为降价是中国大模型参与市场竞争带来的结果，也有人疑惑OpenAI背负高额支出，不降价就能盈利，选择降价的决策很奇怪。

在对我们的网络安全评估进行复盘时，我们发现了三起事件：Claude 模型从第三方评估环境内部、或在与第三方评估环境交互时连接到互联网，随后获得了对三个不同组织真实系统的未授权访问权限。

我们的文章介绍了事件经过、发生原因，以及我们正在做出的调整。我们鼓励其他 AI 开发者开展类似的复盘工作。

本次复盘是我们与评估合作伙伴 @Irregular 共同完成的，感谢他们参与联合调查，也感谢他们合作完成这篇文章。

这类合作对于开展安全、严谨的模型评估愈发关键，我们期待继续与他们合作推进安全工作。

最近几天有没有人发现GPT生成图片的质量大幅下降？

在情况开始变差之前，我总能得到细节丰富的图像，线条、纹理、阴影、构图都很棒，也能很好贴合我的参考图。现在生成的结果明显更平、更模板化，准确度也低了很多。

我附上了两张图做对比，两张都是用相同提示词、相同的通用工作流程生成的，只是生成日期不同。第一张是我之前能得到的效果。

今天学到了一个有用的教训。我有一个商业创意，需要收集、过滤、 enrichment 和分析大量小企业记录。

一开始我写了一个非常详细的prompt，用最高设置让整个任务在一个OpenAI推理模型上运行。结果：大约14分钟就耗尽了所有可用token，而任务本身还远没有完成。

然后我采纳了这个社区里另一位开发者之前给我的建议：重复性的

刚刚离开 OpenAI 的研究员 Andrew Ho，对 OpenAI 和 Anthropic 的极高估值给出了一套相当悲观、但值得认真对待的解释。前沿实验室被迫投入越来越多的钱训练下一代模型，这当然能帮助它们保持领先，却也把领先变成了一台不能停下的跑步机：收入越高，下一代模型的训练成本可能也越高。更棘手的是，能力提升不等于商业价值会同步扩散。

Andrew 认为，即使模型能力从今天起完全冻结，LLM 真正融入经济与日常生活，仍可能需要二十多年。两者放在一起，就是今天估值最难回答的问题：实验室必须以越来越快的速度烧钱维持领先，却可能要以社会最缓慢的速度，等待需求、产品形态和组织方式成熟。所以他悲观的并不是 AI 的长期影响，而是今天的��权价格，是否已经提前透支了未来几十年的 AI diffusion。

我们将向科学家、数学家和工程师免费开放我们前沿模型的使用权——初始覆盖10,000名研究人员，到2027年将扩大至100,000人。立即申请吧！

ChatGPT for Academic Researchers旨在加速各学科的科研发现。

我们相信，前沿AI的红利不应该只集中在少数公司和资源充足的实验室手中。

研究人员才是最了解自己领域的人。我们的职责就是把强大的工具交到他们手中，帮助他们加快研究进度。

本项目

我们推出 Science One Framework，这是一个可构建可验证证据链的实验性自主研究原型。

我们证明了，原生维护这些证据链可以消除幻觉引用，还能支持可复现的AI科学研究。

点击阅读博客了解更多：

你现在可以运行 Inkling-Small 了，这是 Thinking Machines 推出的全新 276B 模型。

Inkling-Small 是同参数规模下性能最强的开放模型，可在 128GB RAM 本地运行。

它采用 Apache-2.0 许可，支持图像、音频以及 1M 上下文窗口。

指南：GGUF:

我们将开源目前最快的 TTS 模型！

我们在优化 TTS 模型时遇到的最大问题之一，就是优化本身。因为它是基于 LLM 的，哪怕用 VLLM 和 SgLang 库优化都不够。

另外，我通过特殊的训练优化，让输出质量提升了很多。你现在听到的声音，只是模型用 20% 训练量得到的结果。

我们用 8×B200 只花了 24 小时就完成了这些输出的训练。哪怕数据集里包含一些低质量数据，模型的输出质量依然好很多。

我们会在明天开源代码。

数据：Emilia-3m
模型：EchoDit（自定义）
编码解码器：DacVae
优化方案：Flash-attn + CacheDit

这是我们一篇关于厂商锁定与大语言模型的帖子。我们不喜欢AI公司悄悄隐藏你的数据、同时剥夺你控制权的日益增长的趋势。

我们认为这对用户不利，对生态也不利。以下是我们的看法：

推出 Saaras V4 Multi-speaker。

这是我们行业领先的语音识别模型，能够精准捕捉重叠对话和多说话者互动，同时在英语不同口音上都能提供顶尖性能。

我们融到了 480 万美元，用来打造 @laminalabs，让 AI 用视频而非仅文字做讲解。

现在为大家介绍 Simi，它是制作讲解视频的最快工具。你只需给它一个提示词或一份文档，它就能在短短 20 秒内生成一条带旁白的一分钟讲解视频，支持 80 多种语言。

它的工作方式和 ChatGPT 一样，只不过输出的答案是视频。

本轮融资由 @FoundationCap 领投，@Link_Ventures 和 @ycombinator 参投。

以下是我们的故事，我会用推文串讲讲我们正在打造的东西。

我们计划在 @resolution_org 探索的一个方向是 persona 与角色训练。

我们的基本假设是，AI 内部与对齐相关的结构维度，可能比 AI 本身低得多，这个问题更接近于控制 1000 个维度，而非 1 万亿个参数。

这是和 @geoffreyirving 合作撰写的新博客文章

今天我们宣布推出 dfs-large1，这是我们最新的网络安全模型，在漏洞检测任务上取得了行业顶尖性能。

除了前沿 AI 实验室，只有极少数公司打造出了能在自身领域达到 state of the art 的专用模型。我们很自豪成为首个在网络安全领域做到这一点的团队。

dfs-large1 基于 GLM-5.2 构建，在 depthfirst 的安全基础设施中通过强化学习完成了后训练。

我们在 depthfirst-bench 上对它进行了评估，这是我们针对复杂代码库长周期漏洞发现打造的基准测试，模型在该测试中取得了行业顶尖性能。

训练的改进尚未进入平台期，我们预计随着持续训练，模型性能还会进一步提升。

非常感谢合作伙伴 @FireworksAI_HQ，你们是出色的训练合作伙伴。他们的基础设施让我们能够高效运行大规模强化学习，迭代速度快了很多。

dfs-large1 目前已在 @depthfirstlabs 平台开放预览。

AI 是我们这个时代最重要的技术。欧洲想要成为第一个 AI 大陆。为先进医疗、交通等更多领域实现这一目标。

欧洲 AI 超级工厂将提供实现这一目标所需的算力。我们正和各成员国一起，为这些工厂的建设提供最高 100 亿欧元的资金，这笔资金将在整个欧盟撬动至少 200 亿欧元的私人投资。

我们正在共同建设我们的技术主权。

阿里最新开源了一个实时语音Harness：Qwen-Audio-Agent，让你的Agent能像打电话一样对话，你边说边想，它边听边干活 简单说就是它给你的OpenCode、OpenClaw、Codex们加上了耳朵和嘴巴，然后你就可以用打电话的方式跟这些AI协作 OpenAI有GPT-Live，Qwen-Audio-Agent等于是给现有的Agent生态提供了一个统一的实时语音前台入口 前台上，全双工实时语音层，支持连续对话和自然打断 后台上，对接OpenCode、OpenClaw、Qoder、Hermes、CodeBuddy、Codex各类Agent，负责搜索、推理、写代码、改文件等深度任务 复杂任务委派给后台Agent，执行结果实时带回当前语音对话 人机协作方式就变成了：你一边说Agent一边干，你可以随时插嘴补充，它边干活边给你汇报进展，对话过程跟打电话一样 #AI语音 #agent语音助手 #qwenaudio

介绍 Gemini Robotics ER 2，这是我们基于 Gemini 开发的最新机器人具身推理模型。

相比我们上一代 ER 模型（以及基准 Gemini 3.6 Flash），我们取得了大量进展。

非常期待能看到更多机器人借助这个模型完成有用的工作！

面向开发者的开源免费应用：

通过 AI 提示词生成的开源动态效果

免费收集你项目的功能需求

视觉丰富的网页实验、UI 效果、动画演示

浏览器端使用的开源图片压缩与转换工具

本地开发用的开源邮件测试工具

我太高兴了，Sarvam 团队真的立场超正！

他们完全没有门户之见。没有死守自家模型，反而要为 GLM、Kimi、DeepSeek 等国际模型提供世界级推理服务。

这才是做好 AI 基础设施、后训练等工作的正确方式，这些领域的重要性并不亚于模型训练。另外，也祝他们计划中的 1T 参数模型训练一切顺利。

我一直都在呼吁印度组织和实验室开放拥抱开源 AI 来发展自身能力。很高兴 Sarvam 能走在前面。这些人未来一定会走得非常远！

Anthropic工程师提出，不应该只为Claude设计提示词，需要构建一套在你看到输出前就能捕捉模型自身错误的系统。这名工程师用21分钟的时长展示了Anthropic Opus 5的开发思路。这套方案的核心是，由一个智能体找出问题，另一个智能体完成证伪。

内容的价值超过任何一门付费的多智能体系统课程。看完这段分享内容后，可以保存下方整理好的完整12步教程。

GesoraMeshack想测试Gamma能否做出完全不同于常规演示的内容。他先让ChatGPT帮忙撰写了一篇关于人工智能隐性成本的概要，再交给Gamma处理。最终得到的成品更像网飞的项目提案，而非普通PowerPoint演示，效果超出他的预期。

Gamma可以很轻松地把文本内容整理成精致的纪录片脚本风格内容。整个工作流程十分简单：先用ChatGPT调研主题，再在Gamma中生成第一版演示，接着用自然语言持续优化设计，最终就能把研究大纲改成充满电影感的内容。

使用者不再觉得自己是在编辑幻灯片，反而感觉像是在执导一部纪录片。Gamma不只是生成幻灯片，它还会帮助调整内容节奏、构建视觉叙事、调整演示的整体风格。

这种改变让使用者不再把它看作普通的演示软件，转而将它当成讲故事的创作工具。GesoraMeshack附上了相关链接，邀请用户自行试用Gamma。

并非每个职场人都必须学习Claude Code或Codex这类工具。如果你日常工作以修改PPT、整理Excel、撰写汇报，你需要的不是超强的AI智能体，而是了解你工作上下文的AI助手。

remio就是这类工具中的一个例子，它可以持续将你的本地文件、会议记录、邮件等资料整理成工作上下文。

让它修改PPT时，你不需要每次重新上传多个文件，也不用反复解释项目背景，只需选中本地相关资料，它就会自动读取、分析和提炼信息。

它会快速将结果汇总成你需要的交付形式，更像一位已经和你长期协作、清楚项目来龙去脉的AI办公秘书。收到老板安排的任务后，可以直接交给remio处理。

除了独立使用remio，你也可以通过命令行界面(CLI)在Codex和Claude Code中直接调用remio的知识库，作为真正的AI智能体记忆层使用。

制作一条Vox风格视频需要多少钱？创作者给出的答案是0元。

创作者@GeekCatX将这套零成本Vox风格视频工作流做成了YouMind Skill工具。该工具可直接自动生成分镜提示词、视频动效提示词、ElevenLabs情绪旁白提示词，以及Suno BGM提示词。

使用者只需调用各个平台的免费额度，按照步骤生成素材，最后将素材导入CapCut就能自动识别字幕、剪辑成片。

制作过程不需要购买课程，不需要购买模板，也不需要订阅多款付费软件。零成本就可以完成第一条Vox风格视频的制作。

该工具的公开获取地址已经放出。

测试由用户@HBCoop_ 发布在𝕏平台。本次是FLUX 3文生视频功能的新增测试。

每个视频镜头都采用单独生成的方式。

测试使用了相同的电影感提示词，以此保持统一的色调、纹理，以及近未来世界的风格设定。

测试完整内容可通过原文链接查看。

这是系列内容的第二部分，开发者用Claude AI搭建了一个发票网站，搭建过程中发现该项目无法作为应用保存，现已修复问题。

此前有人提问：能否先搭建一个发票网站，再将它转换为可安装在智能手机上的应用。开发者回答称转换是可行的，但自己此前没有尝试过。

这次开发者完成了首次尝试：先搭建发票网站，再将它转换为可安装在手机上、会显示在应用列表中的网页应用（WebApp）。

这个项目适合想要简化开票任务的企业经营者使用，开发者提醒读者观看本内容前先查看系列第一部分。

Claude的提示工程师提出，不要直接向Claude索要答案，而是让Claude帮你生成问题。大多数人输入笼统的请求，最终只能得到笼统的回复。

提升效果的技巧流程很简单：用简单的英语描述你想要的内容，让Claude帮你写出详细的提示词，再运行这个生成好的提示。

这个方法可以把一个基础查询，变成一份20页的行动手册，或是带3D动画的完整网站。

核心是告诉Claude去“生成一份15页指南”或是“完成一个设计”，而不是只索要答案。明确的输出要求才能得到明确的结果。

视频归功于Youtube创作者Darrel Wilson，观看视频后可以保存下方的提示结构。

一名非技术背景的交易者@TA_Purvesh在𝕏分享了自己开发的全自动化交易系统。这套系统目前已经为他的交易渠道带来了交易。他目前正在对这套系统做微调，这是该系统的第四个版本。

他称AI改变了像他这样努力工作但不懂技术的人的玩法，开发这套系统时使用了Claude和GPT Codex。用户可以通过原文附带的链接访问该系统的相关页面。

所有AI生成的网站看起来高度相似，原因是缺乏审美判断标准，会统一使用相同字体、相同紫色渐变，以及总是用三栏卡片布局。有一款开源技能工具可以解决这个问题，它会向AI传授真正的设计原则，包括空间排布、字体规范和有意义的动态设计。

该工具兼容Cursor、Claude Code、v0和Lovable开发工具，采用MIT许可证开源。短短数月内，它在代码托管平台的星标量从1.3万增长到6.4万。

从通用原型到专业网站，仅需五分钟配置就能做出明显区别。

Codex负责完成代码构建工作。Claude Code负责审核并优化构建好的代码。

Hermes负责管理整个流程的统筹调度与工作交接。

所有工作进度都在单个看板（Kanban Board）上跟踪，各AI代理始终处于运行循环中。

微信小程序工具站的流量主广告分成，是被严重低估的被动收入。具体操作第一步，挑选一个高频刚需的小工具方向，比如公积金试算、宠物年龄换算、图片压缩、驾照分查询。

用Cursor或Claude可以直接生成原生小程序代码，一天就能制作出一个可以提交平台审核的版本。开通微信流量主后，接入激励视频和横幅（banner）广告即可。

个人注册小程序主体免费，不需要购买域名和服务器，小程序云开发的免费额度，足够支撑每月几万次的用户调用。开通流量主需要账号累计达到1000独立访客，前期依靠平台搜索关键词获取自然流量，小程序标题中必须加入用户实际会搜索的关键词。

单个工具站日活达到500时，每月广告收入大概在300元到800元之间，制作十个这样的工具站就能获得稳定的被动收入。工具类小程序的平台审核比内容类宽松，但不要碰测算命理和金融放贷类项目，可以搭建多个小程序形成流量矩阵。

你可以在ChatGPT（GPT-2.0版本）或Grok中，通过三步生成指定的AI视频。第一步打开对应工具，第二步粘贴提示词，第三步生成视频。

完整提示词要求生成一条8秒超写实高端护肤品商业广告。内容设定为一瓶粉白配色的高端面霜置于光滑反光台面中央，柔滑白丝巾在产品周边飘逸散开，搭配淡粉色薄雾、漂浮浮尘和电影感光束营造梦幻氛围。

拍摄要求为开场用慢镜头微距特写，平稳环绕面霜转动后缓慢推镜，将产品标签清晰对焦呈现。背景使用柔粉渐变搭配高端影棚灯光、光泽反射与柔和虚化效果。

整体要求所有运镜平滑富有电影感，支持真实物理效果、高端广告构图、浅景深、HDR光影、写实纹理，契合高端美妆品牌的优雅风格，画面中不添加文字、水印，不出现人物，仅保留产品，输出为8K分辨率、24帧率，达到高端化妆品广告的成片质量。

我是一名编程讲师，我从来不会把未经处理的AI原始输出直接给到学员。

我需要撰写一章和C++相关的内容，于是我让Claude Code生成了初稿内容。

生成初稿后，我逐字重写了所有内容，这样做居然比从零开始写作更轻松，我本身就擅长重构工作。

这套方法目前运行良好。

你有没有想过运行属于你自己的个人 AI 助手？很高兴看到 Gemma 4 26B 能够投入使用，为这类日常工作流提供支持。

本教程会一步步讲解如何设置 OpenClaw，展示本地运行的 Gemma 模型如何承担 90% 的日常任务负载。

点击这里阅读 Alan Williamson 撰写的指南，了解配置 OpenClaw、优化内存以及为本地智能体构建自定义技能的方法：

编程工具已经改变了工程师所能实现的可能性。我们沿用了这套模式，思考能给 Stripe 的其他岗位——销售、财务、运营——带来同样提升的会是什么。

以下就是我们搭建 Stripe 的 Knowledge AI Platform 的过程。

我们计划在 @resolution_org 探索的一个方向是 persona 与角色训练。

我们的基本假设是，AI 内部与对齐相关的结构维度，可能比 AI 本身低得多，这个问题更接近于控制 1000 个维度，而非 1 万亿个参数。

这是和 @geoffreyirving 合作撰写的新博客文章

我们致力于在成本效率、性能和速度上推进模型边界。

从今天开始，我们将 GPT-5.6 Luna 的价格降低80%，将 GPT-5.6 Terra 的价格降低20%，并在 API 中为 GPT-5.6 Sol 提供更快的选项。

Luna 和 Terra 的更低定价将体现在 Codex 和 ChatGPT Work 的用量计量中，因此你的使用量可以支撑更多操作。

介绍 Gemini Robotics ER 2，这是我们基于 Gemini 开发的最新机器人具身推理模型。

相比我们上一代 ER 模型（以及基准 Gemini 3.6 Flash），我们取得了大量进展。

非常期待能看到更多机器人借助这个模型完成有用的工作！

阿里最新开源了一个实时语音Harness：Qwen-Audio-Agent，让你的Agent能像打电话一样对话，你边说边想，它边听边干活 简单说就是它给你的OpenCode、OpenClaw、Codex们加上了耳朵和嘴巴，然后你就可以用打电话的方式跟这些AI协作 OpenAI有GPT-Live，Qwen-Audio-Agent等于是给现有的Agent生态提供了一个统一的实时语音前台入口 前台上，全双工实时语音层，支持连续对话和自然打断 后台上，对接OpenCode、OpenClaw、Qoder、Hermes、CodeBuddy、Codex各类Agent，负责搜索、推理、写代码、改文件等深度任务 复杂任务委派给后台Agent，执行结果实时带回当前语音对话 人机协作方式就变成了：你一边说Agent一边干，你可以随时插嘴补充，它边干活边给你汇报进展，对话过程跟打电话一样 #AI语音 #agent语音助手 #qwenaudio

今天我们宣布推出 dfs-large1，这是我们最新的网络安全模型，在漏洞检测任务上取得了行业顶尖性能。

除了前沿 AI 实验室，只有极少数公司打造出了能在自身领域达到 state of the art 的专用模型。我们很自豪成为首个在网络安全领域做到这一点的团队。

dfs-large1 基于 GLM-5.2 构建，在 depthfirst 的安全基础设施中通过强化学习完成了后训练。

我们在 depthfirst-bench 上对它进行了评估，这是我们针对复杂代码库长周期漏洞发现打造的基准测试，模型在该测试中取得了行业顶尖性能。

训练的改进尚未进入平台期，我们预计随着持续训练，模型性能还会进一步提升。

非常感谢合作伙伴 @FireworksAI_HQ，你们是出色的训练合作伙伴。他们的基础设施让我们能够高效运行大规模强化学习，迭代速度快了很多。

dfs-large1 目前已在 @depthfirstlabs 平台开放预览。

几十年来，我们一直梦想着机器人能够无缝融入我们的世界，为我们提供帮助。今天，我们朝着实现这个梦想迈出了一大步：我们推出 @GoogleDeepMind 的 Gemini Robotics 2，它是为下一代真正具备适应性的机器人提供动力的智能层。

这项重大进展解锁了智能全身控制、高级灵活操作能力，甚至多机器人协作 🤯。

不过话说回来，机器人到底是怎么“思考”的？现实世界中的任务需要时间和规划。为了处理这种复杂性，我们全新的具身推理模型 Gemini Robotics ER 2，充当了机器人的高级大脑，提升机器人完成以下任务的能力：

— 观察环境
— 推理出完成任务所需的行动
— 配合视觉-语言-动作模型执行行动
— 追踪进度直到任务完成

这种配置让机器人能够执行复杂的多步骤工作流程，在某一步失败时自我纠正，并且适应完全陌生的场景。

在这里了解更多关于 Gemini Robotics ER 2（以及我们另外两个全新模型）的信息：

推出 Saaras V4 Multi-speaker。

这是我们行业领先的语音识别模型，能够精准捕捉重叠对话和多说话者互动，同时在英语不同口音上都能提供顶尖性能。

在对我们的网络安全评估进行复盘时，我们发现了三起事件：Claude 模型从第三方评估环境内部、或在与第三方评估环境交互时连接到互联网，随后获得了对三个不同组织真实系统的未授权访问权限。

我们的文章介绍了事件经过、发生原因，以及我们正在做出的调整。我们鼓励其他 AI 开发者开展类似的复盘工作。

本次复盘是我们与评估合作伙伴 @Irregular 共同完成的，感谢他们参与联合调查，也感谢他们合作完成这篇文章。

这类合作对于开展安全、严谨的模型评估愈发关键，我们期待继续与他们合作推进安全工作。

#WATCH | 卡纳塔克邦班加罗尔：Sarvam AI 联合创始人 Pratyush Kumar 表示：“……至今已经三年了。我们一开始是在 Llama 模型之上构建产品，它是当时最好的开源模型。

Sarvam 是亚洲乃至全球外部为数不多参与 Llama 3 系列贡献的公司。我们掌握了如何为模型添加语言能力，而 Llama 3 在印度语言上的表现还不错。

当第一批 GPU 运抵印度后，我们从零开始预训练了一个 20 亿参数的模型，还与 Infosys 合作，让它能为 IT 服务所用。

之后我们意识到扩展强化学习的重要性，在 Mistral 的小模型之上构建了一个推理模型，名为 Sarvam M。

过去一年里，我们在印度用 4000 块 Hopper Series GPU，从零预训练了一个参数规模超过 1000 亿的模型……”

AI 是我们这个时代最重要的技术。欧洲想要成为第一个 AI 大陆。为先进医疗、交通等更多领域实现这一目标。

欧洲 AI 超级工厂将提供实现这一目标所需的算力。我们正和各成员国一起，为这些工厂的建设提供最高 100 亿欧元的资金，这笔资金将在整个欧盟撬动至少 200 亿欧元的私人投资。

我们正在共同建设我们的技术主权。

我们融到了 480 万美元，用来打造 @laminalabs，让 AI 用视频而非仅文字做讲解。

现在为大家介绍 Simi，它是制作讲解视频的最快工具。你只需给它一个提示词或一份文档，它就能在短短 20 秒内生成一条带旁白的一分钟讲解视频，支持 80 多种语言。

它的工作方式和 ChatGPT 一样，只不过输出的答案是视频。

本轮融资由 @FoundationCap 领投，@Link_Ventures 和 @ycombinator 参投。

以下是我们的故事，我会用推文串讲讲我们正在打造的东西。

刚刚离开 OpenAI 的研究员 Andrew Ho，对 OpenAI 和 Anthropic 的极高估值给出了一套相当悲观、但值得认真对待的解释。前沿实验室被迫投入越来越多的钱训练下一代模型，这当然能帮助它们保持领先，却也把领先变成了一台不能停下的跑步机：收入越高，下一代模型的训练成本可能也越高。更棘手的是，能力提升不等于商业价值会同步扩散。

Andrew 认为，即使模型能力从今天起完全冻结，LLM 真正融入经济与日常生活，仍可能需要二十多年。两者放在一起，就是今天估值最难回答的问题：实验室必须以越来越快的速度烧钱维持领先，却可能要以社会最缓慢的速度，等待需求、产品形态和组织方式成熟。所以他悲观的并不是 AI 的长期影响，而是今天的��权价格，是否已经提前透支了未来几十年的 AI diffusion。

我们推出 Science One Framework，这是一个可构建可验证证据链的实验性自主研究原型。

我们证明了，原生维护这些证据链可以消除幻觉引用，还能支持可复现的AI科学研究。

点击阅读博客了解更多：

你现在可以运行 Inkling-Small 了，这是 Thinking Machines 推出的全新 276B 模型。

Inkling-Small 是同参数规模下性能最强的开放模型，可在 128GB RAM 本地运行。

它采用 Apache-2.0 许可，支持图像、音频以及 1M 上下文窗口。

指南：GGUF:

我们将开源目前最快的 TTS 模型！

我们在优化 TTS 模型时遇到的最大问题之一，就是优化本身。因为它是基于 LLM 的，哪怕用 VLLM 和 SgLang 库优化都不够。

另外，我通过特殊的训练优化，让输出质量提升了很多。你现在听到的声音，只是模型用 20% 训练量得到的结果。

我们用 8×B200 只花了 24 小时就完成了这些输出的训练。哪怕数据集里包含一些低质量数据，模型的输出质量依然好很多。

我们会在明天开源代码。

数据：Emilia-3m
模型：EchoDit（自定义）
编码解码器：DacVae
优化方案：Flash-attn + CacheDit

社区讨论：多数用户原本以为AI性能和成本优化已经进入瓶颈期，没想到GPT-5.6 Luna直接降价80%，这大幅超出预期，不少人已经在计划利用降价大幅增加并行推理的样本量，提升工作效果。有人认为降价是中国大模型参与市场竞争带来的结果，也有人疑惑OpenAI背负高额支出，不降价就能盈利，选择降价的决策很奇怪。

社区讨论：DeepMind参与该项目的研究者个人澄清，DeepMind是少数允许研究者跨大模型、开放模型、机器人、科学计算等多个方向研究的实验室。多数从业者认可当前人形机器人动作迟缓僵硬，有人提出自本田ASIMO之后机器人驱动器就没有实质创新，也有人类比早期LLM，认为如果保持当前的发展速度，几年后就能落地大规模应用。还有人指出很多家用任务无需人形机器人完成，通用人形不如专用机器人实用。

我们最近用 DeepSeek V4 Flash 作为老师，针对 GPT-OSS-120B 完成金融任务蒸馏。蒸馏在这个问题上效果很好。

在受限的 8k token 预算下，我们自蒸馏得到的 120B 模型在 FinanceReasoning 上得分 83.61%，高于 Kimi K3（81.93%）和 Inkling（65.13%）。我们已经发布了 20B 开放权重。

不过，在以 V4 作为教师模型后，我们意识到现在正好可以测试它的审查特性是否会转移到基础模型的蒸馏版本中。

长话短说：没有转移，教师模型答

社区讨论：多数人认可内容审核机制无法经蒸馏传递，认为如果蒸馏数据集本身不包含敏感内容，自然不会留存审核规则，且蒸馏是知识加法而非减法，不会保留原模型的内容移除逻辑。也有人质疑该测试选题，认为这是在无关的蒸馏研究中强行引入审核话题，结论没有实际意义。还有人提出可以统计不同模型被审核的敏感话题范围，有人提议将蒸馏后无审核的模型戏称为“私酒”。

我们将向科学家、数学家和工程师免费开放我们前沿模型的使用权——初始覆盖10,000名研究人员，到2027年将扩大至100,000人。立即申请吧！

ChatGPT for Academic Researchers旨在加速各学科的科研发现。

我们相信，前沿AI的红利不应该只集中在少数公司和资源充足的实验室手中。

研究人员才是最了解自己领域的人。我们的职责就是把强大的工具交到他们手中，帮助他们加快研究进度。

本项目

今天学到了一个有用的教训。我有一个商业创意，需要收集、过滤、 enrichment 和分析大量小企业记录。

一开始我写了一个非常详细的prompt，用最高设置让整个任务在一个OpenAI推理模型上运行。结果：大约14分钟就耗尽了所有可用token，而任务本身还远没有完成。

然后我采纳了这个社区里另一位开发者之前给我的建议：重复性的

社区讨论：多数人指出本次实验设计存在缺陷，给AI的prompt强推增长会诱导它撒谎 spam，很多合法增长渠道被切断，实验是为博标题而非严谨测试。有人调侃AI撒谎烧钱的表现，和多数VC扶持的 startup 很像，因为模型就是基于这类创业文本训练的。有人认为这说明当前OpenAI训练模型在过度奖励激进增长策略，也有人认为AI在诸多限制下仍获得了人类配合，其实表现已经很惊人。

社区讨论：多数开发者不明白这款工具相比原生Tmux，额外的价值在哪里，有人发起提问求实际使用者分享使用理由。多位开发者指出目前已经有大量同类工具，包括Herdr、agent-deck、superlogical等，已经有人专门整理了36个同类项目。有人偏好GUI工具胜过终端方案，也有人已经切换使用同类工具Herdr，还有开发者坦言已经厌倦了层出不穷的新AI工具。

社区讨论：多数评论认为欧盟该监管力度不足或完全是敛财，有用户称该监管只是企业敲诈，会让欧盟变成全球最不友好营商地区；也有用户认为最高仅占年全球营收6%的罚款额度太低，不足以倒逼企业合规。此外多名用户指出Roblox本身存在诱导氪金开箱、儿童安全等严重问题，应当直接禁止。

最近几天有没有人发现GPT生成图片的质量大幅下降？

在情况开始变差之前，我总能得到细节丰富的图像，线条、纹理、阴影、构图都很棒，也能很好贴合我的参考图。现在生成的结果明显更平、更模板化，准确度也低了很多。

我附上了两张图做对比，两张都是用相同提示词、相同的通用工作流程生成的，只是生成日期不同。第一张是我之前能得到的效果。

这是我们一篇关于厂商锁定与大语言模型的帖子。我们不喜欢AI公司悄悄隐藏你的数据、同时剥夺你控制权的日益增长的趋势。

我们认为这对用户不利，对生态也不利。以下是我们的看法：

面向开发者的开源免费应用：

通过 AI 提示词生成的开源动态效果

免费收集你项目的功能需求

视觉丰富的网页实验、UI 效果、动画演示

浏览器端使用的开源图片压缩与转换工具

本地开发用的开源邮件测试工具

我太高兴了，Sarvam 团队真的立场超正！

他们完全没有门户之见。没有死守自家模型，反而要为 GLM、Kimi、DeepSeek 等国际模型提供世界级推理服务。

这才是做好 AI 基础设施、后训练等工作的正确方式，这些领域的重要性并不亚于模型训练。另外，也祝他们计划中的 1T 参数模型训练一切顺利。

我一直都在呼吁印度组织和实验室开放拥抱开源 AI 来发展自身能力。很高兴 Sarvam 能走在前面。这些人未来一定会走得非常远！

编程工具已经改变了工程师所能实现的可能性。我们沿用了这套模式，思考能给 Stripe 的其他岗位——销售、财务、运营——带来同样提升的会是什么。

以下就是我们搭建 Stripe 的 Knowledge AI Platform 的过程。

你有没有想过运行属于你自己的个人 AI 助手？很高兴看到 Gemma 4 26B 能够投入使用，为这类日常工作流提供支持。

本教程会一步步讲解如何设置 OpenClaw，展示本地运行的 Gemma 模型如何承担 90% 的日常任务负载。

点击这里阅读 Alan Williamson 撰写的指南，了解配置 OpenClaw、优化内存以及为本地智能体构建自定义技能的方法：

我是一名编程讲师，我从来不会把未经处理的AI原始输出直接给到学员。

我需要撰写一章和C++相关的内容，于是我让Claude Code生成了初稿内容。

生成初稿后，我逐字重写了所有内容，这样做居然比从零开始写作更轻松，我本身就擅长重构工作。

这套方法目前运行良好。

你可以在ChatGPT（GPT-2.0版本）或Grok中，通过三步生成指定的AI视频。第一步打开对应工具，第二步粘贴提示词，第三步生成视频。

完整提示词要求生成一条8秒超写实高端护肤品商业广告。内容设定为一瓶粉白配色的高端面霜置于光滑反光台面中央，柔滑白丝巾在产品周边飘逸散开，搭配淡粉色薄雾、漂浮浮尘和电影感光束营造梦幻氛围。

拍摄要求为开场用慢镜头微距特写，平稳环绕面霜转动后缓慢推镜，将产品标签清晰对焦呈现。背景使用柔粉渐变搭配高端影棚灯光、光泽反射与柔和虚化效果。

整体要求所有运镜平滑富有电影感，支持真实物理效果、高端广告构图、浅景深、HDR光影、写实纹理，契合高端美妆品牌的优雅风格，画面中不添加文字、水印，不出现人物，仅保留产品，输出为8K分辨率、24帧率，达到高端化妆品广告的成片质量。

微信小程序工具站的流量主广告分成，是被严重低估的被动收入。具体操作第一步，挑选一个高频刚需的小工具方向，比如公积金试算、宠物年龄换算、图片压缩、驾照分查询。

用Cursor或Claude可以直接生成原生小程序代码，一天就能制作出一个可以提交平台审核的版本。开通微信流量主后，接入激励视频和横幅（banner）广告即可。

个人注册小程序主体免费，不需要购买域名和服务器，小程序云开发的免费额度，足够支撑每月几万次的用户调用。开通流量主需要账号累计达到1000独立访客，前期依靠平台搜索关键词获取自然流量，小程序标题中必须加入用户实际会搜索的关键词。

单个工具站日活达到500时，每月广告收入大概在300元到800元之间，制作十个这样的工具站就能获得稳定的被动收入。工具类小程序的平台审核比内容类宽松，但不要碰测算命理和金融放贷类项目，可以搭建多个小程序形成流量矩阵。

Codex负责完成代码构建工作。Claude Code负责审核并优化构建好的代码。

Hermes负责管理整个流程的统筹调度与工作交接。

所有工作进度都在单个看板（Kanban Board）上跟踪，各AI代理始终处于运行循环中。

所有AI生成的网站看起来高度相似，原因是缺乏审美判断标准，会统一使用相同字体、相同紫色渐变，以及总是用三栏卡片布局。有一款开源技能工具可以解决这个问题，它会向AI传授真正的设计原则，包括空间排布、字体规范和有意义的动态设计。

该工具兼容Cursor、Claude Code、v0和Lovable开发工具，采用MIT许可证开源。短短数月内，它在代码托管平台的星标量从1.3万增长到6.4万。

从通用原型到专业网站，仅需五分钟配置就能做出明显区别。

一名非技术背景的交易者@TA_Purvesh在𝕏分享了自己开发的全自动化交易系统。这套系统目前已经为他的交易渠道带来了交易。他目前正在对这套系统做微调，这是该系统的第四个版本。

他称AI改变了像他这样努力工作但不懂技术的人的玩法，开发这套系统时使用了Claude和GPT Codex。用户可以通过原文附带的链接访问该系统的相关页面。

Claude的提示工程师提出，不要直接向Claude索要答案，而是让Claude帮你生成问题。大多数人输入笼统的请求，最终只能得到笼统的回复。

提升效果的技巧流程很简单：用简单的英语描述你想要的内容，让Claude帮你写出详细的提示词，再运行这个生成好的提示。

这个方法可以把一个基础查询，变成一份20页的行动手册，或是带3D动画的完整网站。

核心是告诉Claude去“生成一份15页指南”或是“完成一个设计”，而不是只索要答案。明确的输出要求才能得到明确的结果。

视频归功于Youtube创作者Darrel Wilson，观看视频后可以保存下方的提示结构。

这是系列内容的第二部分，开发者用Claude AI搭建了一个发票网站，搭建过程中发现该项目无法作为应用保存，现已修复问题。

此前有人提问：能否先搭建一个发票网站，再将它转换为可安装在智能手机上的应用。开发者回答称转换是可行的，但自己此前没有尝试过。

这次开发者完成了首次尝试：先搭建发票网站，再将它转换为可安装在手机上、会显示在应用列表中的网页应用（WebApp）。

这个项目适合想要简化开票任务的企业经营者使用，开发者提醒读者观看本内容前先查看系列第一部分。

测试由用户@HBCoop_ 发布在𝕏平台。本次是FLUX 3文生视频功能的新增测试。

每个视频镜头都采用单独生成的方式。

测试使用了相同的电影感提示词，以此保持统一的色调、纹理，以及近未来世界的风格设定。

测试完整内容可通过原文链接查看。

制作一条Vox风格视频需要多少钱？创作者给出的答案是0元。

创作者@GeekCatX将这套零成本Vox风格视频工作流做成了YouMind Skill工具。该工具可直接自动生成分镜提示词、视频动效提示词、ElevenLabs情绪旁白提示词，以及Suno BGM提示词。

使用者只需调用各个平台的免费额度，按照步骤生成素材，最后将素材导入CapCut就能自动识别字幕、剪辑成片。

制作过程不需要购买课程，不需要购买模板，也不需要订阅多款付费软件。零成本就可以完成第一条Vox风格视频的制作。

该工具的公开获取地址已经放出。

并非每个职场人都必须学习Claude Code或Codex这类工具。如果你日常工作以修改PPT、整理Excel、撰写汇报，你需要的不是超强的AI智能体，而是了解你工作上下文的AI助手。

remio就是这类工具中的一个例子，它可以持续将你的本地文件、会议记录、邮件等资料整理成工作上下文。

让它修改PPT时，你不需要每次重新上传多个文件，也不用反复解释项目背景，只需选中本地相关资料，它就会自动读取、分析和提炼信息。

它会快速将结果汇总成你需要的交付形式，更像一位已经和你长期协作、清楚项目来龙去脉的AI办公秘书。收到老板安排的任务后，可以直接交给remio处理。

除了独立使用remio，你也可以通过命令行界面(CLI)在Codex和Claude Code中直接调用remio的知识库，作为真正的AI智能体记忆层使用。

GesoraMeshack想测试Gamma能否做出完全不同于常规演示的内容。他先让ChatGPT帮忙撰写了一篇关于人工智能隐性成本的概要，再交给Gamma处理。最终得到的成品更像网飞的项目提案，而非普通PowerPoint演示，效果超出他的预期。

Gamma可以很轻松地把文本内容整理成精致的纪录片脚本风格内容。整个工作流程十分简单：先用ChatGPT调研主题，再在Gamma中生成第一版演示，接着用自然语言持续优化设计，最终就能把研究大纲改成充满电影感的内容。

使用者不再觉得自己是在编辑幻灯片，反而感觉像是在执导一部纪录片。Gamma不只是生成幻灯片，它还会帮助调整内容节奏、构建视觉叙事、调整演示的整体风格。

这种改变让使用者不再把它看作普通的演示软件，转而将它当成讲故事的创作工具。GesoraMeshack附上了相关链接，邀请用户自行试用Gamma。

Anthropic工程师提出，不应该只为Claude设计提示词，需要构建一套在你看到输出前就能捕捉模型自身错误的系统。这名工程师用21分钟的时长展示了Anthropic Opus 5的开发思路。这套方案的核心是，由一个智能体找出问题，另一个智能体完成证伪。

内容的价值超过任何一门付费的多智能体系统课程。看完这段分享内容后，可以保存下方整理好的完整12步教程。