AI Pulse

社区讨论：多数用户质疑该项目和现有方案差异不大，有人认为和给markdown文件做grep搜索效果差不多，也有人提问它和Claude内置的代码记忆、mem0等已有项目相比在性能上有何优势。有人认可用SQLite FTS5做快速存储是务实的架构选择，还有人提出可以用git仓库存储记忆，用FTS5专门做速度优化方便人工检查。已有开发者分享了同领域的其他开源项目和托管服务。

我们推出了 Hermes Agent 的 Bot Mode。

Bot Mode 是会话模式（sessions mode）的替代方案，在这个模式下，每个代理配置文件也就是「bot」对应一个聊天窗口。

你可以给这些 bots 分配工作、添加描述、设置头像，而且它们还可以和你的其他 bots 交流！

我们将在接下来一天，通过这个插件对 Hermes Desktop 的 Bot Mode 开启公开 beta 测试：

请在这里把你的所有反馈发给我，告诉我它的使用体验如何、是否符合预期、以及你发现的任何 bug。之后我们会处理反馈，将功能整合进面向所有人的主桌面应用！

社区讨论：不少网友认为Mistral OCR 4.1定价过高，1000页收费3.5欧元不值，有人自建OCR pipeline处理千页仅需0.05到0.1美元。用户实测认为它处理复杂排版效果不如OpenAI的专业模型，OpenAI目前仍占据优势；有人提到百度OCR效果出色且本地运行成本近乎免费。部分欧洲网友对欧洲在AI竞赛中没能拿出有竞争力的产品感到失望，还有人吐槽产品不合理的快捷键设置。

社区讨论：不少开发者认为推理速度被当前行业低估，速度提升能支持更多迭代，提升输出质量，也有人畅想未来可以实现本地离线的超高速小型大模型。有人指出目前尚未公布性能不变的明确结论，也没有公开定价，推测价格会很高，预测明年外部开发者单推理开销就会超过五万美元。还有人提出，人类审核代码的场景下，十倍速度并没有实际用处。

预览超高速模式：GPT-5.6 Sol 最高可达 14 倍速度。

该模式首先会在 OpenAI API 向选定客户群体推出，随着算力提升，会逐步扩大开放给更多企业使用。

https://ai.google.dev/gemini-api/docs/models/gemini-3.7-flas...

社区讨论：多数用户吐槽Gemini 3.7 Flash的入门定价设定不合理，入门价2026年底才到期涨价，到2027年至少会更新三代新模型，没人会继续用这个版本。有人认可它多模态尤其是视觉生成HTML的能力很强，性价比优于Claude Sonnet 5，也有人提出纯文本场景下，DeepSeek V3的同水平模型价格低十多倍，GPT-5.6 Luna性能更好价格也更低，只有多模态场景才需要选它。

https://artificialanalysis.ai/articles/grok-4-6-benchmarks-a...

社区讨论：不少用户认可Grok的体验，称它回答直截了当、速度快，做安全审查表现出色，API定价更便宜，靠着SpaceX的投入已经能成为头部模型的有力竞争者，也给行业带来了良性竞争。也有用户质疑Fable发布仅两个月，各大实验室就都推出了同级模型，不清楚背后到底是什么原因，还有用户因马斯克的个人声誉不愿使用他旗下的产品。

从机械希特勒到儿童罕见病诊断SOTA？@SpaceXAI的@grok 4.6拿下了RareBench的王冠，以仅约@AnthropicAI Claude Opus 5三分之一的成本反超了它。

这根本不在我的2026年宾果预测卡上！

@deepseek_ai的新v4-pro-0813模型表现低于我的预期，也低于v4-flash的水平，看起来整个互联网对它的预期都落了空。

我们是在发布当天通过DeepSeek的1P API访问的，我几乎怀疑他们是不是没有正确切换模型端点。我们会重新进行基准测试并给出后续报告。

@Zai_org凭借GLM5.2吸引了一批追随者，但他们的表现同样低于预期。这并不让我意外，因为我在对比GLM和@Kimi_Moonshot K3的编码场景表现时，发现Kimi要强大得多，但互联网似乎就是喜欢这款GLM模型。

https://api-docs.deepseek.com/https://artificialanalysis.ai/models/deepseek-v4-prohttps://twitter.com/ChrisGPT/status/2087572834650407024, https://xcancel.com/ChrisGPT/status/2087572834650407024

社区讨论：多位开发者实测后指出，新版本DeepSeek V4 Pro 0813完成开发任务存在小错误，性能弱于Grok 4.6、Fable 5等头部模型，价格比竞品Luna更高但表现更差，官方今日起已上调定价。开发者认可它比Opus 4.8便宜约20倍，成本优势明显，也有用户提到部分中国大模型能力出色，但开发者更习惯默认选用成熟的行业标准模型。

出色的发布。它是一个内置了多个 harness 的网页 UI，你可以通过它的 SDK 生成 claude code 和 codex agent。

deepseek harness 默认支持多种不同的「模式」（也就是不同的 harness）：带程序化工具调用的代码模式（用 TypeScript 实现）、bash+编辑模式（通常用于评测），或是带读写工具等功能的标准模式。

它具备一流的 KV 缓存感知设计，核心是保证 KV 缓存永远不会被修改。对于每一处修改，他们不会改动之前的历史（前缀），只会在末尾追加一条说明修改内容的记录。

我期待其他 harness 也这么做，但世事难料？这个 harness 的开发过程也非常有意思。它完全是以代理优先的方式编码开发的，项目里有一整个叫 .agents/notes 的文件夹，记录了代理留下的每一个决策和提案。

其中还包含一些很棒的信息，比如他们也会用这个框架做后训练。UI 非常美观，轨迹视图尤其出色。他们还发布了一篇完整的论文，详细介绍了「插件」的可组合性和系统设计，这会非常有用。

从机械希特勒到儿童罕见病诊断SOTA？@SpaceXAI的@grok 4.6拿下了RareBench的王冠，以仅约@AnthropicAI Claude Opus 5三分之一的成本反超了它。

这根本不在我的2026年宾果预测卡上！

@deepseek_ai的新v4-pro-0813模型表现低于我的预期，也低于v4-flash的水平，看起来整个互联网对它的预期都落了空。

我们是在发布当天通过DeepSeek的1P API访问的，我几乎怀疑他们是不是没有正确切换模型端点。我们会重新进行基准测试并给出后续报告。

@Zai_org凭借GLM5.2吸引了一批追随者，但他们的表现同样低于预期。这并不让我意外，因为我在对比GLM和@Kimi_Moonshot K3的编码场景表现时，发现Kimi要强大得多，但互联网似乎就是喜欢这款GLM模型。

我们在 ArXiv 发布了一篇 36 页的关于 ExtractBench 🧑‍🔬 的白皮书，我们致力于打造最全面、模式引导、面向真实世界文档提取的基准测试。

这份报告内容极其详尽，涵盖了从文档提取领域相关工作的对比，到数据集构建、真值生成方法，再到我们对 14 多个提取系统的实验。

以下是论文中最核心的要点：
✅ 该基准针对真实企业文档上的模式引导提取打分。给定输入文档+模式，以及提取器的预测输出，基准会测量值准确率、 grounding、各“挑战项”标签，以及成本。

✅ 与其他基准相比，我们拥有更多模式、更多评估维度，以及更高的数据领域多样性。

✅ 真值构建按三种文档子类型区分：真实文档采用模型集成+人工审核，合成长列表按构造生成真值，扫描表单也包含人工审核，含框标注。

✅ 我们的三种模式（LlamaParse 性价比版、智能代理版、智能代理增强版）都处于准确率和成本的帕累托前沿。

完整 ArXiv 论文在这里：我们的网站：

预览超高速模式：GPT-5.6 Sol 最高可达 14 倍速度。

该模式首先会在 OpenAI API 向选定客户群体推出，随着算力提升，会逐步扩大开放给更多企业使用。

我们推出了 Hermes Agent 的 Bot Mode。

Bot Mode 是会话模式（sessions mode）的替代方案，在这个模式下，每个代理配置文件也就是「bot」对应一个聊天窗口。

你可以给这些 bots 分配工作、添加描述、设置头像，而且它们还可以和你的其他 bots 交流！

我们将在接下来一天，通过这个插件对 Hermes Desktop 的 Bot Mode 开启公开 beta 测试：

请在这里把你的所有反馈发给我，告诉我它的使用体验如何、是否符合预期、以及你发现的任何 bug。之后我们会处理反馈，将功能整合进面向所有人的主桌面应用！

Gemini 3.7 Flash 已发布。它在编码、知识工作和网页开发方面能力更强。🧵

谢天谢地有 Elon 和开源让 AI 竞赛保持多极格局，否则会出现疯狂、史无前例、风险极高的权力过度集中。

对于 Codex Cli、OMP、Pi Claude Code、Droid、OpenCode 这类智能代理来说，有一套至关重要的准则：
1. 模块化
2. 领域驱动设计
3. 极致清晰明确的规格说明
4. 充足完备的文档

这就是系统工程。

我不是说智能代理不够强大，但规范纪律比模型能力更重要。

如果你的文档没能回答清楚这些问题：
- 在哪里
- 做什么
- 怎么做
- 为什么做

代理就会自行猜测，把事情搞砸。

如果你在 AGENTS.md 里写规则，这条结论值得你花时间了解。

当编码代理遵守了你写的规则时，它本来也有可能自己就会这么做。

Harness-IF 区分了这两种情况：它会根据执行证据逐个给256条规则打分，然后在九个探针构建中，在不应用规则的情况下重新运行所有任务，以此找出哪些规则是真的和模型默认行为冲突的。

在12个前沿模型上，原始准确率区间为72.1%到85.9%，去先验准确率区间为66.1%到78.6%。剔除巧合因素后，所有模型的表现都变差了，分数下降3.6到7.4个百分点。

有一个发现值得注意：优先级并不遵循提示词深度。系统提示、项目文件和用户指令的优先级全都高于工具和技能描述。

论文：在我们的学院跟踪更多趋势AI论文：

一条命令统御所有（token）。我预测这会成为大规模使用编码AI的默认方式。

正常运行时间、模型选择、更低成本、可观测性、ZDR……

厉害的地方在于，这条命令可以配置所有**现有**的编码工具链，比如 Claude Code 和 Codex！

我们学会了开飞机，只为给旧金山传递一件事。

推出 Vendo (YC S26) 全栈智能体界面。

这是一款面向你用户的生产就绪智能体，内置了用户所需的一切功能。

它可以代表你的用户执行真实操作。它甚至能直接在你的产品之上，构建出完整的新功能、微应用和自动化流程。

内置权限管理、工具防护、用户上下文等功能。包含了面向用户的智能体所需的一切。

仅需一条命令即可完成安装。开源。

@runvendo @nourzahzah

https://api-docs.deepseek.com/https://artificialanalysis.ai/models/deepseek-v4-prohttps://twitter.com/ChrisGPT/status/2087572834650407024, https://xcancel.com/ChrisGPT/status/2087572834650407024

社区讨论：多位开发者实测后指出，新版本DeepSeek V4 Pro 0813完成开发任务存在小错误，性能弱于Grok 4.6、Fable 5等头部模型，价格比竞品Luna更高但表现更差，官方今日起已上调定价。开发者认可它比Opus 4.8便宜约20倍，成本优势明显，也有用户提到部分中国大模型能力出色，但开发者更习惯默认选用成熟的行业标准模型。

https://artificialanalysis.ai/articles/grok-4-6-benchmarks-a...

社区讨论：不少用户认可Grok的体验，称它回答直截了当、速度快，做安全审查表现出色，API定价更便宜，靠着SpaceX的投入已经能成为头部模型的有力竞争者，也给行业带来了良性竞争。也有用户质疑Fable发布仅两个月，各大实验室就都推出了同级模型，不清楚背后到底是什么原因，还有用户因马斯克的个人声誉不愿使用他旗下的产品。

https://ai.google.dev/gemini-api/docs/models/gemini-3.7-flas...

社区讨论：多数用户吐槽Gemini 3.7 Flash的入门定价设定不合理，入门价2026年底才到期涨价，到2027年至少会更新三代新模型，没人会继续用这个版本。有人认可它多模态尤其是视觉生成HTML的能力很强，性价比优于Claude Sonnet 5，也有人提出纯文本场景下，DeepSeek V3的同水平模型价格低十多倍，GPT-5.6 Luna性能更好价格也更低，只有多模态场景才需要选它。

社区讨论：不少开发者认为推理速度被当前行业低估，速度提升能支持更多迭代，提升输出质量，也有人畅想未来可以实现本地离线的超高速小型大模型。有人指出目前尚未公布性能不变的明确结论，也没有公开定价，推测价格会很高，预测明年外部开发者单推理开销就会超过五万美元。还有人提出，人类审核代码的场景下，十倍速度并没有实际用处。

社区讨论：不少网友认为Mistral OCR 4.1定价过高，1000页收费3.5欧元不值，有人自建OCR pipeline处理千页仅需0.05到0.1美元。用户实测认为它处理复杂排版效果不如OpenAI的专业模型，OpenAI目前仍占据优势；有人提到百度OCR效果出色且本地运行成本近乎免费。部分欧洲网友对欧洲在AI竞赛中没能拿出有竞争力的产品感到失望，还有人吐槽产品不合理的快捷键设置。

社区讨论：多数用户质疑该应用采用Electron框架开发，未查询就已占用2.2GB内存，资源消耗过大，也有人提问，它相比网页版、Codex CLI有什么优势。有用户提醒，需将它放在虚拟机中隔离运行，避免直接访问系统，防止安全风险。也有人认为，OpenAI已经花精力推出Linux版，用户不该对框架、内存这些问题要求过多。

社区讨论：多数用户质疑该项目和现有方案差异不大，有人认为和给markdown文件做grep搜索效果差不多，也有人提问它和Claude内置的代码记忆、mem0等已有项目相比在性能上有何优势。有人认可用SQLite FTS5做快速存储是务实的架构选择，还有人提出可以用git仓库存储记忆，用FTS5专门做速度优化方便人工检查。已有开发者分享了同领域的其他开源项目和托管服务。

我今天被问了无数次这个问题：“当公司已经达到70亿美元规模，你还怎么实现80%增长？”

真正的答案是，我们终于看到AI智能体开始在企业中发挥作用，取得了突破。

AI已经有一段时间都具备了超高智能，但一直缺少存在于人们头脑中、或是存在于某些SaaS记录系统里的基础上下文信息。

很多组织会部署FDE来捕捉这些上下文，也就是本体（Ontology），再将其输入AI。这个过程劳动密集，成本高昂。

我们刚刚用Genie Ontology实现了这个流程的自动化。一旦你有了企业上下文图谱，像Genie这样的AI智能体就会变得出奇好用。

我现在已经不再等我的CRO、CFO、CMO、CHRO等人给我答案了，我开会的时候直接在手机上连续提问就行。说实话，这真的会上瘾。

我们的客户也开始这么做了，目前平台上超过70%的查询都是由Genie智能体生成的。

这给平台带来了更多查询，推动了消耗量增长，进而拉动了收入增长。这就是简单直白的答案。

说真的，我对 DeepSeek Harness 目前呈现出的东西很喜欢。它确实让我对我们在 Pi 里处理 harness 重构的方式产生了一些思考。

出色的发布。它是一个内置了多个 harness 的网页 UI，你可以通过它的 SDK 生成 claude code 和 codex agent。

deepseek harness 默认支持多种不同的「模式」（也就是不同的 harness）：带程序化工具调用的代码模式（用 TypeScript 实现）、bash+编辑模式（通常用于评测），或是带读写工具等功能的标准模式。

它具备一流的 KV 缓存感知设计，核心是保证 KV 缓存永远不会被修改。对于每一处修改，他们不会改动之前的历史（前缀），只会在末尾追加一条说明修改内容的记录。

我期待其他 harness 也这么做，但世事难料？这个 harness 的开发过程也非常有意思。它完全是以代理优先的方式编码开发的，项目里有一整个叫 .agents/notes 的文件夹，记录了代理留下的每一个决策和提案。

其中还包含一些很棒的信息，比如他们也会用这个框架做后训练。UI 非常美观，轨迹视图尤其出色。他们还发布了一篇完整的论文，详细介绍了「插件」的可组合性和系统设计，这会非常有用。

新鲜出炉 Deepseek harness教程，使用DeepSeek v4 pro max 做了个手把手教程。 👉 DeepSeek Harness原理与实现：从零到一实现一个 AI Agent 🌍在线学习： 🔗仓库地址：

我抽时间看了新的 deepseek harness，它很有意思，因为其中有大量和我们在 opencode2 里为支持全热重载开发的方案重叠的思路。

他们最终做了一个关键的不同选择，让最终解决方案不一样，但整体思路非常眼熟。

简单来说，用插件系统的话，如果插件A、B、C都修改了状态，30秒后A又改了一次，状态很容易陷入混乱，你要怎么处理？

我们用的是一个非常简单的重放系统来重新推导状态，而 deepseek 维护了一套撤销修改的方案。

DS V4 Pro效果没有完全达到预期，不过DeepSeek Harness（dsh）却十分惊艳，草草的列几个印象深刻的点： 1. 快，非常之快 2. dsh没有选择GUI、也没有选择TUI，或者CLI，而是走了一条其他Harness几乎没走过的路——Web UI，采用BS架构，这个设计非常的巧妙，把客户端繁重的工作省下来做优先级更高的事情，后期如果要做客户端，直接Electron包一下就是客户端了 3. 插件系统非常nice，万物皆可插拔，有趋势的，默认开启的插件中竟然有个佳作llm-pi-ai的插件，可见也用到了pi生态的组件 4. 可观测性的设计惊为天人，分Duration、Turns、Calls三大块，你可以理解为Harness的F12，System、User、Assistant具体都在输入什么、输出什么，每个Tool做了什么，轮次、模型耗时、工具调用耗时、首 token 平均时长、缓存命中率。..非常的详尽 5. github star破10万轻轻松松🫱

更多截图

插件能做什么应用层的东西，可以看这个例子🫱

开发者josesilesdata在社交平台发文，宣告随性AI编码（vibe coding）时代终结。GitHub推出全新工具spec-kit，改变了开发者向AI编码代理提需求的方式。

它要求开发者先写清楚项目规范，再由AI代理执行开发工作。工具共有五条命令，分别对应定义项目原则、明确开发目标、确定技术栈与架构、梳理实际任务清单、完成代码实现。

spec-kit支持超过三十款不同的AI编码代理，包括Copilot、Claude、Codex、Cursor等。

目前该项目在GitHub上已经获得超过12.5万星标，项目仓库链接附在原发文的评论区。

全长20分钟的剧情片《ONEIRIC》完全由AI生成，由Higgsfield使用Cinema Studio 4制作完成。

以往看到AI生成的影片内容，爱好者最常询问的就是生成提示词。这次不需要额外索要提示词，《ONEIRIC》的全部提示词和制作素材都已公开。

公开项目中可以查看五项核心制作信息，分别是：故事拆分场景与分镜的方式；角色、地点、道具制作成资产的方法；每个镜头使用的参考素材；细节提示词的撰写详细程度；前后镜头保持一致性的方法。

完整公开项目可通过指定链接查看，这些制作资料很难在平时获得。

如果你在使用Claude Code，建议牢记「三席位」分工配置方案。该方案可将成本从约2万日元降至约3000日元，处理速度可提升至原来的三倍。

方案的核心原则，是不要把所有工作都交给最高级的大模型。

具体分工分为三层：最轻量的Haiku负责分类任务，中等规格的Sonnet负责具体工作，可支持8个任务并行处理，最顶级的Opus只负责最终的质量检查和结果判定，如果结果不符合要求就发回Sonnet重新处理。

这本质就是「分类器→8个工作线程→裁判员」的三级分工。要把生成内容的AI和评估内容的AI分开，不要让同一个AI既生成内容又自我审核。

最不推荐的用法就是把所有工作都交给Opus，这种做法相当于花高薪聘请顶级人员做基础工作，成本很高。

AI时代的核心问题，从来都不是哪个模型能力最强，而是该把哪类工作交给对应的模型。

要真正用好Claude Code，这种根据模型能力分配任务的方式非常重要。未来人与人之间的差距，不在于会不会用AI，而在于能不能把AI放到最合适的位置上。

这套分级分工方案同样适用于Codex。

我测试过足够多文本转语音（TTS）工具，很清楚在演示中获得好听的语音效果是很容易的部分。真正的挑战是让语音人工智能在生产环境中稳定运行。生产环境要求包括低延迟、顺畅打断、准确发音、多语言支持，还要在不同语言间保持同一音色。

Soniox刚刚推出了TTS v2，这也是本次发布的亮点所在。单个模型就集成了超过60种语言支持、数秒音频即可完成语音克隆、自然语言切换、字符级时间戳以及超低延迟流媒体功能。

本次发布的定价为每小时0.7美元，对实际想要扩展语音智能代理的开发团队来说实用性进一步提升。文本转语音技术正快速发展为实用基础设施。

可在本地完全运行Meta AI的Muse Glimmer，用来处理个人月度信用卡账单。处理过程中所有数据都保留在用户本地，数据所有权完全归用户所有。

用户可以结合Ollama，用自己常用的应用或工具框架尝试不同智能代理任务。

相关任务链接和Muse Glimmer模型页面已公开。

很难相信，我从2012年就开始在互联网运营表情包账号了。

我把这个过程戏称成：在Instagram读本科，在Tumblr读硕士，在Twitter读博士。

目前我在应用模因学（meme）领域的专业从业经验已经接近15年。

用户contextconor在X平台分享了自己使用Emma AI可观测性工具的体验。他表示，这款工具实际使用体验非常好。

和传统工具要求使用者预先定义所有可能的故障模式不同，Emma AI可以自主理解AI代理预期要完成的任务。

他同时称赞Emma AI的开发团队非常出色，向zjearbear及整个团队表示祝贺。

DeepSeek Harness已推出，核心改动是使用网页界面替代命令行界面（CLI）。

开发者测试了该工具生成3D魔方的任务，总共耗时27分钟，完成52个步骤，生成速度为每秒120个令牌（tok/s），最终结果完美成型。

工具新增「轨迹」标签页，用户可以在该页面追踪每一次助手调用与工具调用。

顺带一提，该工具默认选用3080端口运行。

如果你过去一年一直观望AI智能体炒作，觉得它只是潮流炒作、浪费时间，成本太高不值得尝试——说实话，你之前的想法可能没错。但jmrphy认为，搭配Hermes桌面端的DeepSeek V4 Flash刚刚跨过了值得尝试的门槛，之前一直观望的人现在都应该动手配置。

这个组合几乎免费，其AI能力大致相当于美国企业每月收费200美元的产品。不需要复杂设置，全程只需大约十分钟，就能让AI帮你完成电脑上的几乎所有操作。

超高智能水平已经和极低成本结合到一起，花十分钟把它装到电脑上完全值得。配置步骤十分简单：先免费下载Hermes Desktop，再在OpenRouter注册账号，购买5美元额度，不会自动续费，复制你的API密钥，也就是应用程序编程接口密钥，将密钥填入Hermes的设置中，选择DeepSeek v4 Flash作为默认模型，剩下的操作都可以让Hermes帮你解释和完成。

5美元额度可以使用很长时间，如果试用后不满意，损失的时间和金钱都非常少。

使用需要注意安全风险，如果没有集中注意力，AI智能体有可能误删电脑上的文件。刚开始使用时操作节奏放慢。