AI Pulse

社区讨论：多数开发者认为，Claude的文本水印很容易被规避，只要用其他大模型小幅重写文本，或是批量替换低权重词语为同义词，就能去掉水印。有人指出Google DeepMind测试显示，添加水印不会显著降低输出质量，人类评测者无法区分水印与无水印内容的差异。也有观点认为，这项技术本身没有实际作用，Anthropic推出它只是为了缓解舆论批评。

社区讨论：多数评论者认为这篇最大化Claude Code会话价值的文章是Anthropic版的「你拿错手机了」，也就是产品优化不到位，反而把责任推给用户，企业甚至会借此甩锅给工程师，指责工程师 Token 消费超标是因为没做好会话管理。有用户提出实际使用疑问：为什么修改模型或 effort 等级会破坏缓存，为什么没修改设置也会出现莫名的巨额缓存写入，@提及文件反而比工具读取全量文件更费token吗？

今日的付费通讯是一份全面分析，内容是未来三年半AI实际需要多少资金——GPU/TPU销售额将达到1.7万亿美元，AI算力需求为1万亿美元，仅Anthropic和OpenAI两家的融资就将达到1.1万亿美元。

分享你的 Qwen3.8-27B 运行结果！👇

这是 4-bit Qwen3.8-27B GGUF 在 Unsloth Desktop 中生成的交互式火山模拟，包含地质学、热力学、流体流动、浮力/阻力、抛射物、冷却、地下水相互作用以及环境效应。

你测试新模型最喜欢用什么提示词？

GitHub:

我们撰写了一份常见问题解答，来回应我们收到的关于水印的一些疑问。总结如下：
• 我们实施水印是为了遵守欧盟 AI Act，其他主流模型开发商也签署了同一份行为准则，同样会实施水印；
• 我们的水印方法不会对 Claude 输出内容的质量或内容产生任何实际影响；
• 读者无法区分带水印和不带水印的文本；
• 不会向文本中添加任何内容，也不存在隐藏字符；
• 水印不需要额外 tokens，也不会产生更高的成本；
• 水印无法追踪到特定个人、组织或对话。

了解更多：

社区讨论：多数人认可报告披露的结论：AI辅助让Anthropic内部研发提速，但提速倍数还不到2。有人提到报告提及未出现能力跃迁的神秘“模型2”，当前能力评估任务已经饱和，无法捕捉模型能力增长，还有人质疑Anthropic频频讨论AGI风险，实际是在游说政府设置市场壁垒，不少开发者反感Anthropic以伦理仲裁者自居的说教。

社区讨论：多数用户认可该模型性能，它在DeepSWE基准上得分超过Opus 4.7 Max，普通消费级显卡如RTX 4090、1500美元的Intel B70就可本地运行， multimodal生成效果也不错。有人指出它会过度思考，生成的思考token数量是同类模型的十倍，也有人提到，多数场景下它已经够用，远低于闭源模型的使用成本很有吸引力。

小模型之王回来了！@Alibaba_Qwen 的 Qwen3.8-27B 现已开源，SGLang 已经上线了首日支持：

使用我们的 NVFP4 加 DSpark，单张 RTX 5090 上解码速度可达 206.1 tok/s

在 DGX Spark 上解码速度可达 38.28 tok/s

Qwen3.8-27B 再次拔高了小模型在智能体规划和长周期任务上的性能上限。

（小模型）之王万岁！用 SGLang 在本地运行它 👇

作为我们负责任扩展政策的一部分，我们会定期发布风险报告。

这些报告分享了关于我们系统存在的风险，以及我们应对风险的准备情况的详细信息。

我们的第二份风险报告现已发布：https://www-cdn.anthropic.com/f61d49fa5596956a5dec75fea0e973bf6a6a8378/Redacted%20Risk%20Report%20August%202026%20.pdf

最新内容：AI 工程领域最重要技能地图。

2026 正在成为开放 AI 与本地 AI 的里程碑之年。

Zai 称，GLM-5.3 完全是在 GLM-5.2 所用的同一基座模型上通过后训练改进而来，在 CyberGym 上得分 84.5%，领先 Mythos 5 的 83.8%。

Qwen3.8-27B 可本地运行，在多个关键基准测试中击败了 Opus 4.6 Max。

DeepSeek V4 Flash 的 API 价格低至每百万未缓存输入 tokens 0.14 美元，每百万输出 tokens 0.28 美元，已经极为接近“便宜到可以不计成本”的程度。

为开放 AI 和本地 AI干杯。智能普惠所有人！

我们提前拿到了GLM-5.3，评估它在网络安全领域的能力。它非常强大、精准，是开源模型中在网络安全任务上表现最稳定一致的。以下是评测结果：

- 在pass@3指标下，GLM-5.3重新发现了我们基准测试中75%的CVE，比GPT-5.6-Terra高出7个百分点，同时运行成本低40%。

- 它的表现也非常稳定。平均来看，它在pass@1下能找出60.4%的CVE，是我们记录过的开源模型中的最高分。

- 它报告的误报比我们测试过的其他高召回率模型（包括DeepSeek v4模型）更少，因此它的输出可信度高得多。

@Zai_org 又一次做出了好东西。1/3 🧵

2026年夏季开放模型现状 ☀️ 前沿模型体量越来越大，但小模型仍主导着真实世界使用场景。

Qwen 在本地推理中领先，Gemma 紧随其后。

AI 智能体正成为 Hugging Face Hub 上的一支主要力量。

完整内容请查看博客 🤗

作为我们负责任扩展政策的一部分，我们会定期发布风险报告。

这些报告分享了关于我们系统存在的风险，以及我们应对风险的准备情况的详细信息。

我们的第二份风险报告现已发布：https://www-cdn.anthropic.com/f61d49fa5596956a5dec75fea0e973bf6a6a8378/Redacted%20Risk%20Report%20August%202026%20.pdf

分享你的 Qwen3.8-27B 运行结果！👇

这是 4-bit Qwen3.8-27B GGUF 在 Unsloth Desktop 中生成的交互式火山模拟，包含地质学、热力学、流体流动、浮力/阻力、抛射物、冷却、地下水相互作用以及环境效应。

你测试新模型最喜欢用什么提示词？

GitHub:

有兄弟把倪海厦老师完整中医思维体系蒸馏成 AI Agent Skill！ 129条伤寒论 · 23篇金匮 · 71篇黄帝内经 · 345种本草 · 849个真实医案 · 2452页讲义 直接让AI用海厦视角做六经辨证、经方选药、医案参考。 激活词：倪海厦 / 海厦视角 / 倪师 开源免费，已更新到v2.2 🔗

从创意到落地一气呵成。🏃‍♀️

开箱即用的顶级智能。

Qwen3.8-2.4T-A95B 现已在 SiliconFlow 上线。感谢！@SiliconFlowAI

ICYMI：智能体工作流里不是每一步都需要用同款模型。

来认识一下 NVIDIA NeMo Switchyard，一个全新开源模型路由库。

复杂推理与规划用前沿模型，高容量专业化执行用 NVIDIA Nemotron Lightning。

Qwen3.8-27B 现已上线 @ollama ！

无论你用它处理什么工作流，这个模型都能稳定输出结果。

一起来写代码吧，向我们展示你构建出了什么作品。😎

Qwen 3.8 27B 现已在 Ollama 上线。它是该尺寸下最优秀的开源模型之一，专为智能体任务和专业工作设计。

你可以直接用你正在使用的应用和框架来试用它：

Claude Code: ollama launch claude --model qwen3.8

OpenCode: ollama launch opencode --model qwen3.8

Hermes Agent: ollama launch hermes --model qwen3.8

Pi: ollama launch pi --model qwen3.8

我们还针对 Apple Silicon 做了优化！可以用这个模型名试用：qwen3.8:27b-mlx

小模型之王回来了！@Alibaba_Qwen 的 Qwen3.8-27B 现已开源，SGLang 已经上线了首日支持：

使用我们的 NVFP4 加 DSpark，单张 RTX 5090 上解码速度可达 206.1 tok/s

在 DGX Spark 上解码速度可达 38.28 tok/s

Qwen3.8-27B 再次拔高了小模型在智能体规划和长周期任务上的性能上限。

（小模型）之王万岁！用 SGLang 在本地运行它 👇

我们撰写了一份常见问题解答，来回应我们收到的关于水印的一些疑问。总结如下：
• 我们实施水印是为了遵守欧盟 AI Act，其他主流模型开发商也签署了同一份行为准则，同样会实施水印；
• 我们的水印方法不会对 Claude 输出内容的质量或内容产生任何实际影响；
• 读者无法区分带水印和不带水印的文本；
• 不会向文本中添加任何内容，也不存在隐藏字符；
• 水印不需要额外 tokens，也不会产生更高的成本；
• 水印无法追踪到特定个人、组织或对话。

了解更多：

给AI赋予语音的成本刚刚大幅下降了。

@soniox_ai 刚刚推出了 TTS v2，定价为每小时 0.70 美元。

支持 60 多种语言，超低延迟，支持语音克隆，自然语言切换。

我现在正在给我妈妈做一个家庭助理，这正是我需要的那种模型。

我肯定会试一下。

来认识一下 uAgents。它是我们开发的、用于构建自主智能体的开源 Python 框架。

用它构建的智能体可以实现以下功能：
→ 按计划运行
→ 响应事件
→ 交换结构化消息
→ 维护身份
→ 连接到 @Agentverse_ai
→ 参与多智能体系统

安装命令：`pip install uagents`

需要代码示例、入门教程和使用指南？请查看 @fetch_ai_IL 资源库：

今日的付费通讯是一份全面分析，内容是未来三年半AI实际需要多少资金——GPU/TPU销售额将达到1.7万亿美元，AI算力需求为1万亿美元，仅Anthropic和OpenAI两家的融资就将达到1.1万亿美元。

说得不错。但这篇分析漏掉了一个非常重要的因素：「推理算力」。

目前 Anthropic 和 OpenAI 部署的推理算力量级已经超过 2GW。

智谱、Kimi 和 DeepSeek 三家加起来，这个数字还不到 300MW。

AI Agent的C端落地，从免费的开始，我们将会从移动端到AI移动端，和服务器一样，全部换��。 最基本需求，端侧 中等需求，AI Ran 高等需求，云 各自有各自的需求和场景

社区讨论：多数评论者认为这篇最大化Claude Code会话价值的文章是Anthropic版的「你拿错手机了」，也就是产品优化不到位，反而把责任推给用户，企业甚至会借此甩锅给工程师，指责工程师 Token 消费超标是因为没做好会话管理。有用户提出实际使用疑问：为什么修改模型或 effort 等级会破坏缓存，为什么没修改设置也会出现莫名的巨额缓存写入，@提及文件反而比工具读取全量文件更费token吗？

社区讨论：多数开发者认为，Claude的文本水印很容易被规避，只要用其他大模型小幅重写文本，或是批量替换低权重词语为同义词，就能去掉水印。有人指出Google DeepMind测试显示，添加水印不会显著降低输出质量，人类评测者无法区分水印与无水印内容的差异。也有观点认为，这项技术本身没有实际作用，Anthropic推出它只是为了缓解舆论批评。

Meta 这篇新论文太棒了。现有研究只会验证大语言模型法官对照黄金标准数据的判断准确率，这完全无法说明结论在遭到质疑时是否还站得住脚。

Wiggle 框架会沿着三个维度，对 9 个前沿模型在 14 项判断任务上开展压力测试：重提示下的稳定性、单一质疑下的稳定性，以及持续压力下的稳定性。

他们发现，所有模型都会“摇摆”。在静态反驳下，模型结论的翻转率在 25% 到 71% 之间；面对对抗性说客时，翻转率更是达到 62% 到 91%。

能改变法官结论的压力，几乎总会让结论整体偏离真实标签。基准陪审团多数决强度，是预测哪些结论会发生变动的最佳单次预测指标。

论文链接：在我们的学院追踪更多热门 AI 论文：

一个27B参数智能体刚刚在留存集论文复现任务上击败了 Claude Opus 4.8 和 GPT-5.5。

Replica 将论文复现转化为一个可扩展的强化学习任务空间。复现一篇论文会要求和开放研究一样、以假设为驱动的探索，还能还原出原作者没有明确说明的细节。

奖励信号来自自动生成的评分标准评判器，它的噪声很低，和人类对复现质量的评估结果一致。最终得到的27B参数智能体 Faraday 将编码智能体作为工具调用。

Rollout 分析显示，它采取了更符合科学原则的方法，而非钻评分标准的空子。

作者认为，这一结果指向了可以直接训练进权重、长周期的科学能力，无需复杂的外挂框架。

论文链接：在我们的 academy 追踪更多热门AI论文：

🎉 aimock 周安装量突破 100 万！它是用于 AI 应用端到端测试的开源模拟基础设施。

使用流程非常简单：
1. 编写 fixture.json（匹配关系 → 响应）
2. 运行 npx aimock -f fixture.json
3. 将你的 API 地址指向 localhost

目前 aimock 已被 @openclaw、@tan_stack、@mastra、AG-UI 等项目使用。

👉 npm install @copilotkit/aimock

永久免费且可靠的测试服务。在一处即可模拟所有内容。查看更多（代码仓库、文档）：

鉴于多个模型突破了 containment，我们决定将 @GoodfireAI 的研究方向聚焦于通过可解释性（interpretability）解决 AI 对齐问题。

Hugging Face 事件是 AI 安全落地的世界转折点。我个人对此非常担忧。

我很高兴 AI 实验室都在认真对待这些问题，但我认为，如果可解释性没有重大进展，我们不太可能实现 AI 模型的完全对齐。

通过全力攻克可解释性来对齐模型一直是我们的长期愿景，但现在我们有了具体问题，可以带着更高的紧迫感去解决。

我们的研究将聚焦两个方向：可解释性基础，以及安全应用。我们想要开展雄心勃勃的工作，完整逆向工程神经网络，并在训练过程中引导它们。我们相信这从长远来看至关重要。

我们也会将更多注意力转向即时安全应用，从直接通过模型内部识别和预防奖励黑客、网络安全风险和生物风险开始。后续我们会发布更多相关内容。

如果你想要直接投身于通过可解释性解决 AI 对齐的工作，可以考虑加入我们。

社区讨论：多数用户认可该模型性能，它在DeepSWE基准上得分超过Opus 4.7 Max，普通消费级显卡如RTX 4090、1500美元的Intel B70就可本地运行， multimodal生成效果也不错。有人指出它会过度思考，生成的思考token数量是同类模型的十倍，也有人提到，多数场景下它已经够用，远低于闭源模型的使用成本很有吸引力。

社区讨论：多数人认可报告披露的结论：AI辅助让Anthropic内部研发提速，但提速倍数还不到2。有人提到报告提及未出现能力跃迁的神秘“模型2”，当前能力评估任务已经饱和，无法捕捉模型能力增长，还有人质疑Anthropic频频讨论AGI风险，实际是在游说政府设置市场壁垒，不少开发者反感Anthropic以伦理仲裁者自居的说教。

AI领域最大的套利机会之一，就是打造一座「软件工厂」。

来看例子：我和我的财富500强客户运营着一个AI First Index。

我们采访了他们的高管，从16个维度给他们打分。

之后我们做了一个公开版本。

方案一：打开 Claude Code 或者 Codex，说一句「把产品做出来」，然后花几个小时打磨迭代，最终发布。

方案二：升一级，「为这件事建造工厂」。我们的工厂有5个部分：

1) 基础组件
- 登录
- 支付
- 社交分享
- 每个你只需要做一次

2) 推广
- 销售产品的自有媒体就是这套机器的一部分

3) 记忆
- 我们把遇到过的障碍记录在共享记忆库中，所以永远不会再犯同样的错误
- 举个例子，我们之前遇到过web hook问题
- 「我想要从混乱中学习」

4) 人力
- 这些流程不是全自动的。它们「对人力的依赖度非常高」

5) 速度
- 第一个产品就已经盈利了
- 下一个产品会更快、更好、更强

这里需要注意：这套流程是「量两次再下刀」，所以一定要花时间第一次就把它建对。

之后你就可以用同一座工厂做你的内容引擎，或者获取新线索。

小模型，大的真实世界影响力。很高兴看到 Qwen 在《开放模型现状报告》中引领本地推理。

享受来自 Qwen 的阳光。☀️ 😎

感谢你们的工作！@huggingface

这实际上是欧洲在前沿模型竞赛中放弃了主权：Mistral 将转而把资金投入到运行中国开源模型的算力上。

而这可能真的不是一个糟糕的战略决策：既然中国模型是开源的，你就能对它拥有战略控制权。要确保主权，真正重要的就只剩下算力了。

事实上，仔细想想，这对美国及其AI依赖战略的打击，可能比对欧洲本身的打击还要大。

Model + Harness = Agent

我们还要再补充一个要素：Memory🧪

如果你今天体验 DeepSeek Harness，你的智能体无需每次会话都从零开始。

跨会话长期记忆、技能捕获、Wiki/CodeGraph 检索，全部可在多智能体和多 IDE 间共享。

兼容 OpenAI 接口的代理，无需修改任何代码。

支持 DSH、CodeBuddy、Claude Code、Codex、Hermes。

Qwen3.8-27B，已经可以在 17GB 内存上本地跑了。模型部署的硬件门槛还在疯狂往下掉。过去很多因为数据安全、隐私、内网隔离而不敢碰 AI 的场景，突然有了低成本本地部署的可能。

大模型真的开始走进寻常百姓家了，那些以前根本不敢想的应用场景要开始井喷了。

这篇 Pi 压缩的文章，太过于朴实无华，就真的只是写个 prompt 让 LLM 把上下文总结一下，然后保留前面的system prompt 和工具调用，在摘要后可能还会保留最近几次对话。 这种压缩是有损的，不知道是不是有机制会去历史会话检索上下文？ 当然这确实是压缩上下文的最简单有效方案。

最新内容：AI 工程领域最重要技能地图。

GPT官端思考链显示教程搓出来啦～ 支持多个推理预算输出档位（低/中/高） 支持原生推理格式（deep think）和陪伴模式（relational），也可以自己设定思考链格式 支持自定义皮肤美化，只要对着GPT许愿就好～ —————————— 使用方法：设置你自己的mcp，然后在聊天里让GPT调用工具就行，例如： “这段对话中，每一轮都调用render_thining_block工具，按照语域切换对应思考模式，low effect” 随时可以在聊天中调整～ —————————— 原理说明：思考链输出参考了@_can1357 的教程，禁用模型的思考之后，再要求调用工具。 因为agent训练中有大量调用工具后返回思考的数据，因此这种方法比一般手写思考链的方法更加贴近原生思考 —————————— relational模式的写法参考了@Fayelunaire 老师的思考链格式教程

原生思考格式如下图：

用户liambraus在𝕏平台分享了一套完整的斯坦福大学人工智能系统构建课程。这套课程的内容，和斯坦福训练自身工程师的内容完全一致。

课程实用性超过Claude的任意教程。实用价值超过50条提示工程内容的总和。

课程源自真实课堂，并非信息产品开发者制作。课程完全免费，也不需要注册就能访问。

Krishnasagrawal在𝕏发文表示，Vizard Agent改变了他对AI视频创作的看法。现有多数AI视频工具仅能协助处理视频制作流程中的某一部分，Vizard Agent则可以负责整个视频制作工作。

在演示中，Krishnasagrawal仅向工具提供了一份需求单：一条30秒的情感故事、分镜方向、镜头运镜、旁白、视觉风格、人物细节、音乐和收尾文本。

没有手动拼接任何内容，整个工作流程全部由Vizard Agent处理完成。工具理解需求后，完成了视频规划、场景生成、创意决策、故事拼接，最终输出了成品视频。

和其他工具不同，用户不需要向它指令每一步编辑操作，只需要给出最终目标即可。

用户可以向工具提供原始素材、脚本或创意、参考视频或网页、图片与品牌资产，也可以提供以上所有内容的组合，之后由工具自主判断下一步需要完成的工作。

这就相当于视频领域的「Claude Code时刻」，用户不需要操作工作流，只需要给智能体提需求。

下方链接可查看Vizard Agent制作的演示视频：

dotey表示自己不喜欢使用grill-me，可能是因为不擅长空想，也不喜欢被拷问的模式。他需要看得见摸得着的实际产出，才能进一步得出结论。

他更偏好Claude Design这类工具，可以快速产出一版原型，做出真实的东西后就能感知到哪里存在问题。也可以用AI撰写文档理解方案，或是直接让AI实现一个概念验证（PoC）版本。

在过去，做这些工作需要很高的成本。现在AI生成这类内容的难度已经非常低，不依赖grill-me也完全可以正常工作。

一名谷歌云工程师公开演示了如何从零开始，用Claude搭建完整应用。

他在现场舞台上仅用26分钟就完成了这项工作，而大多数开发团队完成同等工作需要数周时间。

这次演示的价值超过任何售价500美元的氛围编程课程，整个过程不需要团队协作，也不需要提前搭建环境，只需要Claude和明确的开发目标。

掌握Claude实际能力的开发者，已经能独立交付那些通常会外包给团队的项目。可以先观看演示，再阅读下方关于图工程的指南。

开发者0xSero在X平台分享了这套多AI代理的运行方案，让每个AI代理都通过tmux Kimi-k3，依次嵌入pi GLM-5.3、omp GPT-5.6-sol、codex Fable-5/opus-5，最终部署在Claude code中，实现所有代理互相咨询。

这套方案目前实现了明显效果，错误、无意义的输出大幅减少，运行效果超出预期。

这套方案还能生成数量多得多的训练用token。相关内容链接：

网友@_winter_wonders在X平台发文吐槽Anthropic的Claude Code产品。发文人称自己不清楚Anthropic是怎么做到这件事的，这实在太离谱了。

发文者指出，Claude Code是全球唯一一款专属开发框架，它的原生模型依旧会频繁出现工具调用失败的问题。

我现在被问得最多的问题就是：「我应该把什么东西做成AI智能体？」

下面是我一直在用的五要素测试（适用于 Claude/Codex/Grokbot 等模型）：

1. 它有可重复的触发条件：同类任务会反复出现。

2. 输入稳定：每次输入信息的格式都是可预测的。

3. 工具明确：它能够实际操作的工具有明确定义。

4. 有可衡量的完成标准：你可以判断任务何时完成，以及是否成功完成。

5. 过程中需要判断：每次运行都会有细微差别，需要当场做出真实决策。

前四条其实只是在问「这件事到底能不能自动化？」真正关键的是第五条。

因为过程中的判断空间，才让它成为一个智能体，而非简单的自动化程序。

一旦你用这个框架去看，就会发现可开发为智能体的工作几乎无处不在。

如果你正在用 llama.cpp，不妨用 `-spec-default --spec-type draft-mtp` 参数运行 Qwen3.8-27b。既然它本来就要花不少时间思考，不如让它想快一点。

用 mtp 运行的话，你不需要单独的 draft 模型，现在解码速度就能提升 2 倍，完全值得尝试。

我在 3090 上用的完整命令是：
./build/bin/llama-server -m "/qwen-3.8/Qwen3.8-27B-Q4_K_M.gguf" --host 127.0.0.1 --port 8080 -ngl 999 -fa on --jinja -np 1 -t 12 --alias qwen3.8-27b-q4 --spec-default --spec-type draft-mtp --cache-type-k q8_0 --cache-type-v q8_0

这就是原生应用该有的样子。Qwen3.8 27B 在 Mac 完全本地运行，自行编写并测试代码。纯 Swift 开发，没有 Electron，不需要往返云端。

@dealignai 出品的 JANG 量化版现已上线，提供四种尺寸，大小从 10.9 GB 到 26.8 GB 不等。视觉、视频和多 token 预测头全部保留。本演示中使用的 6 位版本可在 32GB 及以上容量的 Apple Silicon 上运行。

免费开源，MIT 许可证。来和我们一起开发吧。

用户@jun_song在𝕏发布了自己对Qwen3.8-27b大模型的一小时体验评测。

评测称，该模型性能介于Opus-4.6与Opus-4.8之间，也相当于Sonnet 5的水平。

该模型的工具调用与智能体任务能力有提升，现在已经可以作为主力编码智能体使用。

评测发布者目前正在构建SuperQwen3.8-27b，该模型将推出三个适配不同硬件的版本：适配NVIDIA 3090显卡的NVFP4版本、适配苹果Mac的MLX MTP版本，以及适配DGX Spark的6.5位MTP版本。

发布者随后更正，之前提到的适配3090的版本不是NVFP4，出错是因为摄入了过多咖啡因。