社区讨论:多数开发者认可这项成果,认为这是自动化工具优化内核的了不起的工程成就,对beam search的优化思路表示赞赏。有人提出疑问,Codex在GPU内核和SIMD优化上表现好,是因为训练数据中这类内容更丰富,还是这个领域本身就更适合大模型优化。有人指出这种自动优化流程依赖计时、性能分析、正确性校验这些明确的反馈信号,缺少反馈环节时自动化流程很容易出错。
也有人补充,更快的算法往往存在稳定性不足的问题,这可能就是它没有成为PyTorch默认实现的原因。
Anthropic确认将在全球给Claude输出加隐藏水印,满足欧盟AI Act要求。普通人看不出文本变化,但官方工具可识别溯源——AI生成内容的合规门槛正在实质提高。同天披露的是,Anthropic内部有比Mytho 5更强的模型,但上调风险评级后选择不公开。能力越强、锁得越紧,这正在成为头部厂商的固定剧本。
通义千问Qwen3.8-27B开源后,社区1小时内冒出上百种衍生版本,单块RTX 5090能跑到206 tok/s,17GB内存即可运行。小模型本地部署的可用边界被重新定义。
本地运行大模型的客户端unsloth desktop 做得太好了! 要不是 Qwen3.8-27B 开源,我还不知道他们出了客户端。
阿里巴巴刚刚开源了 OpenSandbox,这个项目已经登上 GitHub 趋势榜,收获了 13k+ 星标。 和模型发布相比,真正的智能体基础设施总是低调推出,但通常重要性更高。
我们对开启最大深度推理(thinking=max)的GLM-5.2和开启低深度推理(thinking=low)的Grok-4.6,完成了逻辑推理、编码、写作三类相同基准测试。测试没有使用厂商营销数据,用真实token统计、真实成本和真实代码得到结果,打破了我们原本对AI预算分配方向的假设。
有人建议我们尝试低推理设置的Grok-4.6,称它可能比我们默认使用的最大推理GLM-5.2性能更好,成本更低。
𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌(含上方导读精选 4 条)
现成AI工具能帮普通开发者把核心运行速度提升两个数量级,对日常做性能优化的开发者来说是可复用的新路径
社区讨论:多数开发者认可这项成果,认为这是自动化工具优化内核的了不起的工程成就,对beam search的优化思路表示赞赏。有人提出疑问,Codex在GPU内核和SIMD优化上表现好,是因为训练数据中这类内容更丰富,还是这个领域本身就更适合大模型优化。有人指出这种自动优化流程依赖计时、性能分析、正确性校验这些明确的反馈信号,缺少反馈环节时自动化流程很容易出错。
也有人补充,更快的算法往往存在稳定性不足的问题,这可能就是它没有成为PyTorch默认实现的原因。
客户可以用它检测交付内容是否为AI生成,目前已有近190家机构加入相关水印计划,纯原创内容经AI润色也可能被误判
如果你反感大模型的内容限制,这个移除了安全过滤器的未审核模型,刚好满足无限制文本生成的需求
你是否一直想要一个毫无保留的 AI?来认识 Qwen3.8 27B Heretic Abliterated 吧。
这是一个 GGUF 量化模型,经过「abliterated」处理移除了安全过滤器。
它无审核、原生输出,非常适合想要无过滤文本生成的用户。
目前下载量已经达到 5k 次,还在持续增长!
通义千问新版本大模型出现在社区讨论中,感兴趣的用户可以跟进社区爆料,等待官方信息更新
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。
笔记本就能跑接近前沿能力的大模型,本地运行大模型的门槛进一步降低,普通人也能在自己电脑上体验高性能开源大模型
可通过带参数URL直接启动带预设提示词的聊天AI
这个功能超厉害,我本来以为只能连API才能做到,没想到只要给URL加上参数,就能直接打开已经填好提示词的个人聊天AI。
ChatGPT、Claude、Perplexisity、Gemini没有这个功能吗?感觉这个用法的拓展空间很大啊。
这条内容火了,所以请允许我打个广告!
行业从业者对未公开大模型的迭代分层逻辑做出推测,能帮想跟进的人理清前沿大模型的发展脉络。
我现在已经完全可以确定,Mythos Preview就是他们那个规模约10T的教师模型。
我认为Model 1和Model 2是这个同模型的进一步迭代版本。
Mythos 5和Fable 5很可能只是更小的蒸馏模型。
作为老牌开源Linux发行版, Debian对AI代码的态度,会影响整个开源生态的AI发展方向
社区讨论:多数用户认可只看代码质量、不看生成来源的审核标准,认为纠结AI生成身份没有意义。有人指出本次投票的选项表述不一致、逻辑混乱,是多位参与者未经协商拼凑而成。还有用户提到 Debian自身项目安全漏洞多,禁止LLM贡献完全不合理,而且现在普通开发者借助LLM就能重构整个代码库,禁令根本挡不住。
27B开源大模型性能超越Claude,消费级显卡即可部署运行
我真是不敢相信!!! Claude 4.6 Opus 曾是我的梦中情模啊,呜呜呜,现在居然被 27B 的开源模型超越了。
这玩意儿可以直接跑在消费级显卡。
量化后只要 17-19GB,3090、4090 显卡都能跑,单张 5090 甚至能跑到 206.1 tok/s。
我觉得这种小模型的价值,真的可能比旗舰大模型还要大。
1、代码库、公司文档、客户资料、会议记录,全都可以留在本地,消费级显卡就能部署啊,兄弟们。
2、拿它 coding、读资料、整理文档、跑长期 Agent,从此没有 token 焦虑。
更牛逼的是,它才 27B。
按照这个速度再发展一年,我真觉得今天 Fable5 这一档的效果,很可能就在一张消费级显卡里跑起来了。。。
重度使用者对比两款AI编码工具,列出双方各自优势
需要本地部署大模型的用户可以直接获取适配好的文件,省去自行转换格式的步骤
SGLang已同步支持,单块RTX 5090就能跑出206.1 tok/s的解码速度,想本地跑大模型又有了更强的新选择
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 👇
这是Anthropic负责任扩展政策的固定动作,公开披露AI风险和应对准备,普通用户可借此了解头部AI公司对安全的投入方向
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
Netflix的推荐算法是行业标杆,这次转向原生大语言模型推荐,会改变流媒体内容推荐的未来方向
社区讨论:有人质疑LLM能给现有推荐系统带来什么增量提升,也有人指出Spotify用LLM做DJ推荐效果远优于传统服务。不少网友批评Netflix现有推荐体验很差,称其为了追热点选用低效复杂的LLM方案,而非行业通用的DLRM,还有人提到Netflix糟糕的片源质量才是核心问题,而非推荐算法,另有网友指出没人反感推荐技术迭代,只是质疑当前LLM接入推荐场景的必要性。
吴恩达在社交平台发布全新AI工程重要技能图谱
有人按GitHub星标整理了10个高星插件,解决了原生界面简陋、任务管理难这些问题,还能给AI代理加跨会话长期记忆功能。
大模型都在变得更聪明,但对交易来说,如果模型用的是过时的市场数据,再聪明也没什么用。
教程用PHP、MySQL和共享主机就能完成搭建,省去了买复杂云服务配置的成本,想做小工具的开发者可以直接跟着做。
你不需要复杂或昂贵的云栈,就能构建可用于生产环境的 AI agent。
在本教程中,Chidozie 将教你用 PHP、MySQL、Gemini Flash 和 cPanel 构建一个可以在共享主机上运行的 AI agent。
你将构建一个带有工具调用、对话记忆、公开 API 的 agent 循环,并且完成部署。
river_ai_inc拿到11亿美元融资做用户所有的AI,Manta Network融资超六千万美元做端侧私人AI助手。
不用再所有人用同一个框架拼熟练度,个人过往的人生经历、兴趣和性格,都会变成独属于自己的创作优势。
> 我觉得每个人都应该在 AI 时代想想是不是能做新的事情、做回自己本来擅长的事情。非常同意,我对 Fable 时代编程的中二理解就像 op 里这段魔法使的群像。再也不是一群人用同一个 harness 拼熟练度,更像是每个人过去的人生、训练、兴趣和性格,最终都凝结成一种只有他会自然想到的魔法。
AI 并没有让所有人的创造力趋同,反而可能第一次把人与人之间原本隐藏的差异放大出来。过去的经历不再只是决定你擅长什么工作,而开始决定你能够施展什么魔法。
新研究把大语言模型里用来优化输出符合人类偏好的方法,迁移用来设计符合要求的蛋白质,发在了《自然·方法》上。
一篇最新发表在 Nature Methods 的论文展示了蛋白质设计领域“对齐”可能是什么样的形态。
ProteinDPO 把大语言模型中用到的偏好优化思路应用在了蛋白质上:模型不再只生成看起来合理的序列,而是经过训练,会偏好那些经实验测量、适应性更好的序列。
实验结果非常引人注目:
• 稳定性预测效果比原生 ESM-IF1 和标准微调更好
• 能从小型单体蛋白质泛化到抗体和大型蛋白质复合物
• 仅从 45 个测试变体中就识别出了 27 种能提升稳定性的 H5N1 HA 设计
• 在 2024 年的 H5N1 毒株上将熔解温度最高提升了 32°C
蛋白质生成正在从“这个序列看起来像蛋白质吗?”转向“这个蛋白质在实验室里真的表现更好吗?”。
生物学基础模型或许正在进入属于它们自己的对齐时代。
开放权重意味着你可以免费拿到模型参数自己用,但没法像开源项目一样看到完整的训练和代码细节。
为满足欧盟AI Act要求,该方案将在全球实施。未来Claude生成的文本都可被溯源,AI生成内容合规性门槛进一步提高。
明白水印怎么给文本加,才能知道怎么检测AI生成内容,也能明白它会不会被轻易破解。
当 Anthropic 宣布文本水印技术时,我非常好奇他们会如何实现它,尤其是针对文本的实现。
给图片加水印相当简单,但文本是个很有意思的问题。
每次 LLM 生成一个 token 时,它都是从一个概率分布中做选择。通常,多个候选的概率几乎不相上下。
举个例子……“今天天气很冷,而且……”后面接“阴天”或者“阴沉”都说得通,哪一个都不会比另一个更正。
正常情况下,普通的随机数生成器会打破这种平局。而水印只改变一件事——随机数的来源。
模型不再使用任意随机数,而是根据一个密钥加上之前生成的 token 来得出随机值。选出的 token 在我们看来仍然就是一次普通的随机选择。但任何持有密钥的人都可以对一段文本重复同样的推导过程,检查选择序列是否符合密钥会产出的结果。
匹配度越高,这段文本由 Claude 生成的概率就越高。挺巧妙的。
这个拆分思路可以降低大模型推理成本,跑大模型的时候可以按这个方法调整设置试试效果
将思考预算设为 medium 后,Qwen 3.8 27B 的性能提升非常大。
我甚至更喜欢这种用法:让另一个模型做思考和规划,我用它来执行实现,完全不启用它自身的思考。
Claude Code总共有93个命令,不需要全部记完,先掌握常用的16个就能上手,比硬背全部效率高很多,能帮你更快用好这个工具。
可在同一工作台整合AI修改审阅文稿的全流程
想本地跑大模型又嫌配置不够的用户,可以试试这款开源客户端,它能帮你降低显存占用,提升训练速度。
在本地运行和训练模型,靠的是这款桌面应用。它叫 Unsloth Desktop。
✓ 开源,支持 Mac、Windows 和 Linux
✓ 在本地大语言模型上使用 Claude Code 和 Codex
✓ 训练速度提升2倍,VRAM 占用降低70%
整理了一线从业者对Agent赛道的判断,想入行Agent创业或关注这个方向,可以参考这些分享的经验。
今天文君在大理,一起约在洱海边的时光咖啡聊天。挺有感触的几个收获:
1、Agent 类似网站,OpenClaw 是第一种被大众感知的建站技术。虾是个人网站。Yahoo、Google、Facebook 等大型网站还没出现。网站 -〉移动应用 -〉Agent,是技术也是产品路线。一切才刚开始。
2、Agent 创业者最重要的两大能力是:能不断找到目标用户的能力、能预判技术实现路线并疯狂执行的能力。找市场 + 执行力,缺了这两个,很难成。
3、Agent 产品的基础功是:用做模型的方式去做应用。由上下文、测评等构建出 Loop 循环,让 Agent 在特定领域能持续进化。很难,但有机会。
4、Agent 不是孤立的。人与 LLM 共同孕育出一个个 agent。这是一种新的生命体,不是人的分身。生命体的长大需要关系,关系的构建需要环境,或者叫社群。新时代的社群产品,有大机会。
5、社群里,有可能会产生神。比如 Claude Tag 就是在一个组织环境下,自然而然造出了一个组织协作环境下接近全知全能的神。神学很值得研究。
以上。
普通用户可以自主切换对比不同模型的回答,还能开关记忆、固定回答,不用专业工具就能直观看到不同模型的区别
ANTHROPIC 🔥:Claude 或将推出全新模型对比界面,为用户提供一个查看不同模型响应差异的简洁途径。
用户可以开启或关闭记忆功能,还能「固定」响应。
与 A/B 测试界面不同,用户似乎可以按需自行在普通聊天和模型对比模式之间切换。内置 LM Arena 👀
想本地部署开源大模型做代码开发,这个实测对比了不同推理框架的表现,能帮你避开当前已知的坑,选出更稳定高效的部署方案。
能力更强的模型先锁在公司内部用,还上调了AI对齐风险评级。想用好AI又怕失控,这就是当前行业的真实状态。
❗️Anthropic 内部正在运行一个能力强于 Mytho 5 的模型,但该公司表示没有向公众发布它的计划。
它在8月14日的风险报告中将「Model 2」称为对内部工作的「显著提升」,这些工作包括代码编写、数据生成和智能体任务。
Anthropic 还将模型错位风险评级从「极低」上调至「低」,理由是近期网络安全评估事件后存在不确定性。
不用花钱报AI智能体搭建课程,这些累计星标超120万的开源工具,就能从零搭建属于自己的AI智能体
想要理解现代AI系统底层运作原理,可以参考这份从算法讲到系统设计的完整学习资源
这是一套非常棒的机器学习硬件与系统课程讲座,它探讨了机器学习模型如何在现代硬件上完成映射、优化与加速,覆盖从算法到高效系统设计的全流程。
它是理解现代AI系统底层运作原理的可靠资源。
当前绝大多数讨论都错读了DeepSeek Harness的定位,它不是成品编码Agent,而是为AI自我优化搭建了实验基础,未来可能实现模型和框架共同进化
Qwen3.8 27B编写了游戏代码,游戏完全在本地浏览器运行,场景素材由ChatGPT生成
开发者MaziyarPanahi让阿里Qwen3.8 27B大模型为他生成一款第一人称射击(FPS)游戏,最终得到了一个中式庭院场景,玩家可以在其中射击瓷制无人机。
游戏包含鼠标锁定、冲刺、换弹功能,按住Z键可以开启战术瞄准镜,运行过程完全在浏览器本地完成,运行时不调用任何远程资源。
生成流程为:阿里Qwen3.8 27B模型通过Hugging Face推理供应商生成内容,模型托管在FeatherlessAI。
庭院场景、武器和目标都是OpenAI的ChatGPT Image生成的原创素材,视频里展示的所有内容都在本地加载。
X用户@miroburn称赞Grok Bot对普通用户友好,可完成多项个人办公事务
@mirobern表示,自己很久没像使用Grok Bot这样,在一款工具上投入这么多时间。Grok Bot拥有面向终端用户的最佳界面,后台功能强大,能持续处理个人事务。
Grok Bot可访问用户电脑,在后台就能完成几乎所有工作。它拥有大量连接器,移动端应用体验出色,内置智能代理可相互交互。如果新增支持将用户接入左侧聊天栏的选项,就能成为完美的工作界面。
@mirobern目前仍持谨慎态度,但已经打算开放Grok Bot访问自己包含Claude Code、Codex等工具的业务环境。他已经用Grok Bot完成了6项事务:预约下周公证人办理遗嘱,为半个家人制定健康治疗计划、整理预约日程,搭建个人知识库,整理了混乱两年的Google Drive,结合出行计划安排好今年剩余的个人检查预约,规划好了秋季日本之旅。
这些都是个人事务,Grok Bot是本周刚推出的新产品。
有用户提到,AI生成邮件时会为凑长度,用冗余内容填充单一信息
AI生成邮件存在一个问题。模型需要输出达到特定长度,但很多时候用户仅需要传递一条信息。
这种情况下,AI会用无意义的填充内容编造出剩余部分。
用户给出的解决方法是,提前告知模型不要添加冗余填充内容。
已有用户超额度使用未被收费。若额度确实上调,高用量开发者的API成本会直接降低
[已解决] 您好,激励层级的每日免费代币额度为1000万。之前我只要使用量超过这个限额就会被收费。
但过去几天里,我的超额使用没有被收费,使用了1300万甚至1500万代币仍然被算作免费使用。请问免费代币额度提高了吗?谢谢。
有用户发现OpenAI目前性能最强的GPT Pro存在一个绕过使用限额的情况,还能用GitHub连接器直接写代码到仓库
有用户在𝕏发文称,OpenAI目前性能最强的模型——网页应用内的GPT Pro,不会占用用户的使用额度,看起来像是一个系统漏洞。
用户可以在网页端使用GitHub连接器,让GPT Pro直接将代码写入公开仓库,甚至私有仓库,还可以在同一会话中重复操作。
这位用户称,可以用这种方式开发实际项目,并且这个漏洞可能不会持续太久。他自己昨天启动的新项目FrankenOverlap就完全是用这种方式开发的,目前已经有125次提交,包含大量高质量代码。
如果需要更精细的调整,用户可以在开发完成后将项目克隆到本地,在自己的设备上完成最终修改。
现在该项目的提交次数已经增长到139次,仍在持续更新。
博主完整测试了DeepSeek Harness的全部功能,还用DeepSeek V4 Pro和Claude Code做了同项目对比
博主从零开始安装DeepSeek Harness,完成了完整实测。
博主测试覆盖了Web UI、远程访问、多模型、插件、Agent(智能代理)模式、执行轨迹、Issue/PR分析、会话分支全部功能,并非简单试用。
博主用同一套提示词,让DeepSeek V4 Pro重做了Claude Code此前完成的游戏项目,做直接对比。
对比结果出现了意外的惊喜。
整个实测教学时长为9分钟,内容操作简单,全程手把手免费教学。掌握相关技术后,可用于制作游戏实现变现。
如果会让LLM写GPU核心代码,现在有工具可以验证代码是否符合契约规范,降低代码出错的风险
解决云端记忆的成本、隐私安全问题,可实现知识循环优化,附现成提示词
很多用户希望给AI增加长期记忆,同时担心云端记忆的成本、隐私与数据安全问题。
这套方案将Obsidian作为Codex 5.6的外部知识中枢,工作流程为检索知识、执行任务、沉淀经验、优化知识库。Codex会根据当前需求从Obsidian检索相关知识,完成任务后,再将新经验、结论和变化同步回Obsidian知识库。
可以直接使用现成提示词,要求Codex将Obsidian知识库作为跨项目长期记忆系统,建立统一索引和知识结构,维护项目相关各类信息。每次开始新任务前先检索相关笔记补充上下文,完成任务后同步更新新增内容,仅保留未来有价值的信息,不存储敏感信息。
还可以创建自动化流程,让Codex完成重要任务后,自动提取本次开发的关键经验,沉淀回Obsidian。随着项目推进,Obsidian会逐渐成为个人专属的AI知识库大脑。
开发者用自建Qwen3-Coder完成98%复杂内部应用开发
为了工作,我用自行托管的Qwen3-coder模型编写了一整个内部应用,通过LiteLLM提供服务,用OpenCode编写prompt。结果非常出色,尽管这个应用相当复杂。而且不用担心token配额和隐私问题,真的太自在了。
我认为Claude这类API除了满足极高阶需求之外,没有未来。一切最终都会完美运行在本地,用开源模型实现,这只是时间问题,最多一二十年,我们所有人就能都用上本地部署的方案了。
过程中没有遇到什么大意外,但我有两次不得不切换到Codex来解决问题——当时Qwen陷入了死循环。我大概98%的应用代码是用Qwen3写的,剩下2%是Codex写的。
话说回来,如果我100%都用Codex写,开发速度会更快,代码整体设计也会更好。这是一个需要权衡取舍的问题。
给大语言模型对话做可编辑的上下文梳理,长对话上下文混乱的问题可能得到解决
海外科技创作者梳理各类大模型适用任务及适配框架
每种模型都有它适用的场景:
Kimi K3 → 编排器 → 综合智能最佳
最佳适配:Hermes Agent / Droid
GLM-5.3 → 长周期任务最佳 → 持续执行能力最优
最佳适配:Claude Code CLI
Qwen3.8-Max → 综合报告最佳选择之一 → 擅长提供有趣的观点与视角
DeepSeek Flash → 日常任务最佳 → 个人使用体验极佳
MiniMax M3 → 计算机使用能力最佳 → 订阅方案最通用慷慨
性价比超高,token额度很大,还附赠图像生成、语音和音乐功能
最佳适配:MCode / Hermes Agent
在DeepSWE软件工程测试中,DeepSeek-V4 Pro 0813的通过率达到88.5%,单任务成本仅0.24美元。经常年处理代码任务的工程师可以自己测试验证。
现在大家都低估了 DeepSeek-V4 Pro 0813,它实际上在 DeepSWE 的 pass@4 指标上击败了 GPT 5.6 Sol + Fable 5,这个模型真的有它惊艳的地方。
我们用 DeepSWE 在软件工程任务上对比测试了 DeepSeek-V4 Pro 0813、GPT-5.6 Sol 和 Fable 5。DeepSeek-V4 Pro 0813 达到了 88.5% pass@4,而每个任务仅需 0.24 美元,成本比 Sol 低 35 倍,比 Fable 低 90 倍。
更多分析请看下方推文串 👇
全套配置只需要三分钟就能完成,核心逻辑是全流程靠插件驱动。对需要长期用大模型写代码的人来说,这是能直接落地的省钱方案。
这绝不能忍。我为了 deepseek harness 退掉了每月 $200 的 Claude 方案,感觉几乎一分钱都不用花。
它全程围绕一个核心目标打造:一路到底都是插件。
[配置只需要三分钟速通,这就是操作手册]
1. 获取名为 deepseek-harness 的仓库
2. 快速浏览架构文档
3. 完事了,你已经部署好了
把这个加书签,现在就发给你的 agent。
新模型支持律师一次上传最多一万份文档做检索分析。处理批量案卷的团队,可以直接用上成本更低的版本。
原本企业级安全研究平台每年要花数万美元,现在个人研究者也能直接用这套内部工具做协调工作。独立安全研究员多了一条不用花钱的选择。
企业级安全研究平台一年的使用费高达数万美元!一位靠真实漏洞赏金赚到了150万美元的研究者刚刚免费开源了他的内部工具。
它通过 Claude Code 或 Codex 调度 AI 代理,并行执行定向安全研究任务,然后对发现结果去重并排序。支持自托管,你可以完全控制自己的提示词、工作流和模型提供商。
它从真实的内部项目开发而来,该项目背后有经过验证的七位数漏洞赏金记录。
仓库地址:关注 @neil_xbt 获取AI工程情报,在这类工具普及之前就找到它们。
支持者认为机构专属微调的世界更多元更美好,但目前还没看到能成功落地的明显趋势,行业方向还不确定。
我认为所有人其实都希望机构专属微调能胜过通用大实验室预训练模型。老实说,我也是——那个世界会美好得多,也多元得多。
但我至今没有看到任何有力证据能证明这个结论成立,而且尽管我有事后合理化的倾向,我确实只愿意相信真实的事情。
很明显,用机构自有数据确实能挤出n+1级别的领域能力,但就我观察到的情况来看,新一代模型一出来,这些微调成果要么就彻底过时,要么就不再经济。
这也意味着数据本身也不再有什么独特价值,因为领域已经被饱和覆盖了。
因此我实在看不出,企业用自己的Kimi Corpotrain,能比用Claude-9获得什么实质性优势。我非常希望自己这个判断是错的!但我不认为相信机构微调能赢是符合AGI发展逻辑的看法。
如果有人拥有相反的证据,我很乐意在这里和任何人聊聊。我比绝大多数人都更想要开源多元的未来——当然,生物能力领域除外。
现在大家都在争论AI能不能帮人取消预约、管理日程,没人讨论开放自主性会带来什么安全风险。
AI 智能体对话中最大的错误,是把自主权当作功能,而非安全边界。
如今我们争论智能体是否应该取消预订、管理日历或完成购买。但这套相同的底层架构,正被扩展到控制敏感数据、金融操作、企业基础设施和网络环境的系统上。
这改变了问题的性质。它不再仅仅是智能体能做什么,而是智能体在无法越权的前提下能做什么。
传统权限通常依赖策略、凭证和中心化信任。当智能体可以持续行动、与多个系统交互、并且决策速度快到人类无法监督时,传统权限就会变得难以管理。
这就是密码学验证变得至关重要的地方。借助 @SvpChain 这类基础设施,智能体的权限和行动可以转向独立可验证的模式,而非单纯假定其可信。
智能体不该因为一次性通过了授权检查,就获得无限制权限。它的权限应当在每一步都受到约束。
AI 安全的未来,最终可能更少依赖于让智能体变得完全可信,而更多依赖于构建不需要为每一步行动预设信任的系统。
点击下方查看 ⇓
这笔钱会用来研究AI自主能力、追踪递归自我改进、测试AI监控系统。对AI安全方向的研究来说,资源投入在变多。
过去6个月里,METR获得了总额约7100万美元的出资承诺。
这笔资金将用于资助多个雄心勃勃的项目:研究自主能力、追踪递归自我改进、评估监控系统、开展风险评估、调查AI安全事件等等。
头部AI公司对外发布的模型落后于内部储备,Anthropic内部二号模型的提升幅度远低于上一代,想知道是否其内部研发进度变慢
OpenAI 和 Anthropic 显然在内部已经拥有更优秀的模型,但我觉得更值得玩味的一点是,Anthropic 内部的「Model 2」,显然还达不到从 Opus 4.6 到 Mythos 的跨越幅度。
我好奇 Anthropic 内部的研发进度是不是正在放缓,还是出了别的什么状况。
小模型不用改权重,只要让大模型帮它设计好工作流程,就能大幅提升准确率,成本更低的小模型也能解决复杂问题。
很多时候,小模型缺的可能就是一套能把能力稳定调出来的 Harness。这篇《AI4AI at Test-Time》研究了一个很有意思的问题: 能不能让更强的模型,直接给弱模型设计一套更好的工作方式?作者让 GPT-5.5、Claude Opus、Gemini 等强模型自动修改 Harness,包括 Prompt、任务路由、验证规则和确定性代码。
整个过程不更新目标模型的权重。结果 GPT-5.4-mini 原始平均准确率只有 48.8%,加入自动设计的 Harness 后最高达到 91.2%,甚至超过了裸跑的 GPT-5.4。而且效果好的 Harness 往往会把一些容易出错的推理交给代码和规则处理,让模型只负责它真正擅长的部分。
所以强模型学到的能力是可以被外化��� Prompt、代码、工具和工作流,再交给更便宜的小模型长期复用。以后就可以让大模型帮其他模型设计更好的「工作环境」。📎 arxiv:
重复造轮子会浪费大量开发时间,只需在开始开发前搜索一次,就能找到已开源的现成技能,直接调用安装
【注目】你想加的 skill,大多数都已经有人做好了。
Vercel Labs 现在公开了能帮你找到这些 skill 的工具😳
它能帮你做这些事👇
・你用文字描述想做的事,它就会跨库搜索所有公开的 skill
・会根据安装次数、所在仓库的评分来筛选结果
・最后会以可直接执行的命令形式,返回结果告诉你「直接装这个就行」
・底层工具 npx skills 采用 MIT 许可,支持 Claude Code、Codex 等共 76 种工具
其实,一直以来都从零开始重复造轮子的人,在这里的损失是最大的。
因为你懒得花时间找,结果就是把别人已经做好的东西再重新写一遍。
只要在开始开发前,先花一步「找一找」,起点就完全不同了。
开源地址在这里👇
写不好编码提示词的时候,可以用这个方法让AI帮你改得更完善,改完可以分别测试效果挑好用的。
这又是一个我觉得思路很直白,但很多人可能从来没想过尝试的编码 Agent 小技巧。
首先,你先把所有需求随心所欲写进提示词里,相当于把你在乎的所有内容都倒出来,做成一个脑暴草稿。
然后把它发给网页端满负载模式下的 Fable,在前面加上这段内容:
--- 我为我电脑上的 Claude Code 写了这个提示词。请你帮我修改它,拓展内容,让它变得更好,更容易正常工作;只要你觉得能提升最终效果的内容,尽管加到提示词里,把它改成真正出色、最优化的版本:<粘贴你的原始提示词> ---
就这么简单。当然,没法保证 Fable 重新解读后的提示词一定比你写的原版好用(我自己有时候也存疑,因为我靠特定措辞就能调出很棒的效果……),但你总可以两个都试试,看哪个实际效果更好。
尤其适合你一开始的提示词还很不成熟,不确定怎么写才最好的场景。
不需要开发者学习新语言或框架,就能处理底层区块链相关工作,帮Web3贴合现有的AI开发流程
大多数第一层公链(L1)都要求开发者改变他们的工作方式:新语言、新框架、新思维模型。
@CNPYNetwork 走了完全相反的路线。它专为开发者已经在使用的工具打造:Claude Code、Cursor、Codex。
你只需要写普通代码,Canopy 会处理底层的区块链层:共识、安全、验证、部署。
如果人工智能正在成为人们开发软件的默认方式,那么让 Web3 适配现有的工作流,而不是强迫开发者学习新范式,带来的解锁效应会比再推出一条新 L1 大得多。
我很好奇这事最终会如何发展……
这种水印藏在文字排列规律里,普通人看不出差别,仅官方工具可识别,未来你写的AI生成内容会被轻松溯源
如果按照 Claude 的说法,接下来所有 AI 大模型,为了遵循欧盟要求,都会给用户生成的文案内容,添加隐藏水印。 它不是偷偷塞入特殊字符,而是在多个意思差不多的词之间,排列一套特殊规律,普通人看不出区别,但如果用官方工具分析一段文字,就能判断 AI 是否参与过写作。
训练长周期任务智能体一直存在信号延迟问题,这个新方法让智能体学会自我评估,提升了任务得分,为长周期任务训练提供了新思路
当前大模型对齐基于对人类偏好的错误假设,反而会对齐到不存在的目标。人因工程的现有结论,已经能指导AI系统设计避开认知陷阱
不需要云端大模型授权,也不用高端显卡,普通笔记本就能运行顶级AI模型,运行大模型的设备门槛被拉低了
若该观点成立,Anthropic后续新模型提升有限但成本更高,普通用户难拿到性价比更高的新产品
我的看法是,Anthropic 基本上把它手头所有的算力都砸在了一个异常强大的模型——Mythos Preview 身上,到现在已经花了几个月时间,以它为基础迭代出更小、性能更强的版本,同时不知道怎么做到还让这些模型成本和原来持平甚至更高。
但问题在于,这条路糟透了,因为 Mythos 现在已经老得不行了,它出来有一阵了,他们靠它得到的提升实在太小了。
“Model 2”给人的感觉就像是这位老大哥的弟弟,它成本估计高得离谱,就为了这么点性能提升,根本不值得发布。
这份预测提到AI增长已遇瓶颈,Anthropic上市会引发行业个股暴跌,甚至带动美股回调。科技行业从业者和投资者可以参考这个判断
这个合作将为分布式物理机器人AI训练提供超过300万条多模态轨迹数据,还会搭建可审计的统一评测框架
我们宣布与@OpenRoboto达成合作,Axis Robotics将把其数据能力扩展到@opentensor生态系统中。
OpenRoboto是Bittensor(Subnet 80)上的开放竞赛,目标是持续改进机器人模型。矿工从π0.5开始微调一个开放基础模型,每一份提交都会在随机化的LIBERO-Pro环境中评分,只有严格更优的模型才能成为新的基础模型。
作为OpenRoboto背后的核心数据引擎,Axis将向OpenRoboto的开放数据池提供超过300万条多模态轨迹,以加速Bittensor网络全体矿工的物理AI模型训练。
此外,Axis将通过其数据到模型流水线(Data-to-Model Pipeline)支持OpenRoboto的权威基准测试平台,为多个基准下的数据和模型提供健壮、可审计的评估。
本次合作建立了一个健壮的端到端框架,将分布式数据采集与可验证模型评估结合在一起。
了解更多关于OpenRoboto的信息:
想要全自动产出AI短剧内容的人可以参考,目前人介入每个环节打磨质量,比完全自动产出成品效果更好
一张私藏很久的 AI 短剧全流程图,以前只在我的短剧交流群里分享过。曾有朋友问:为啥不做成一个 skill,丢小说直接出素材?技术上很简单,把现有 skill 串起来自动跑就行。
但我觉得没必要。按目前的模型能力,每个环节都得人工检查、打磨;全自动出的东西,质量大概率高不了。顺带分享个群友的玩法: shuohao-skills 中同一个skill,A Agent 出结果,B Agent 专挑它的错并修正。
一个环节 AB 来回迭代几轮,每一步都能这么搞,质量肉眼可见地提升。还是那句话:AI 是工具,决策要交给人。
想入行或转型AI工程的开发者,可以对照这份技能清单调整学习方向,找准AI时代工程师能力迁移的重心
层出不穷的新模型炒作两天就被遗忘,头部AI公司营收仍在飞速增长,行业热度和商业实际的反差值得关注。
这太离谱了!几乎每个模型都声称自己达到了 SOL/Fable 等级,然后走红两天……
两天后又有另一个模型发布,也声称自己达到了同样等级,第一个模型就被彻底遗忘了。
如果这些说法都可信的话,那 Anthropic 和 OpenAI 早就该破产了!
可事实正好相反,它们的收入正飞速增长。它们将来会比 Google、MSFT 和 Amazon 加起来还要大 😲
开发者willmcgugan分享自己使用大语言模型编码的实际体验,提到模型存在能力不平衡问题
开发者willmcgugan分享了自己对「氛围编码」的实际体验。他表示,氛围编码常常让人觉得慢得难受,主要原因是需要花大量时间等待大语言模型(LLM)生成内容。他自己会打开YouTube标签页打发时间,等待Claude完成生成。
氛围编码整体仍然比从零手写代码快很多。只是平时编码的时候,开发者要么在打字要么在思考代码,一直处于比较忙碌的状态,等待生成的间隙会格外凸显进度缓慢。
willmcgugan坦言,看到前沿大模型在CSS问题上卡壳,反而验证了自己的感受。大模型可以瞬间写出100个字符的正则表达式,但如果要求它在不改动标签样式的前提下修改文档背景颜色,它就会陷入卡顿,仿佛在说「嗯,这个有点难,不然我帮你从头写一个C语言编译器好不好?」
使用者实测DeepSeek-V4-Flash成本极低但BUG较多,同时公布V4-Pro调价信息
不用上传到第三方服务器就能分享本地运行的AI代理,对在意隐私或者不想部署服务的人来说是新的可用方案
用户借助Higgsfield平台,10分钟生成1080p分辨率美白牙齿产品AI UGC创意,公布了完整工作流程
用户在𝕏分享,借助Higgsfield平台,仅用10分钟就生成了一款美白牙齿产品的AI UGC创意内容。目前该平台已经支持生成分辨率为1080p的内容。
第一步,部署研究代理,查找推广同类产品的UGC风格视频。
第二步,使用Gemini 2.5 Flash分析创意内容,输出每个场景的详细分析,要求在提示词中为每个图片参考预留占位符。
第三步,在Higgsfield中调用GPT-image 2,从每个剪辑场景中提取一帧画面,在提示词的对应占位符位置,将该帧用作生成参考。
第四步,将提示词和所有参考素材发送给Higgsfield视频生成器,选择Seedance 2.5模型后启动生成。
生成完成后,将成品导入视频编辑器,添加字幕、剪辑、变焦处理和背景音乐即可。
投资人分享自身用AI做投研的经历,惊叹大模型快速进化
还记得你用的ai大模型1年前、2年前的模样吗? 我用AI基本在投资投研上用,记得最初chatgpt经常会无法理解我问题的意思、每次需要我解释很久给很多context 后来我用它帮我找数据,我会让多个模型去交叉对比数据,因为他有一本正经胡说八道的问题,尤其是chatgpt 再后来我开始让他在找数据之外给出一些问题的判断,但还仍需要我不断的去跟他问答去告诉他下一步解题的思路 但也就一年多时间,我问的问题他解答的比我好,思考的维度开始比我更多,会给出更清晰的交易计划,我在问出第一个问题的时候,他已经能给出接着第一个问题的答案对应的第二第三个问题是什么以及答案 一年多前我可以说AI没有我聪明,到今天我也不确定了,投研上被他完全淘汰也就再过一两年的时间,下一步就是交易 当你的所有“能力”都长在一个无限自我进化、不断学习你的大模型上,不管是个人的能力、还是搭建在大模型上的商业,最终都会被这个模型吞噬,大部分行业被AI吞噬掉只是时间问题。
常用 Claude Code 写代码的开发者,可以参考这篇讨论,优化自己的使用体验,获得更高产出
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?
开发者分享经验称合理的文件夹设计比优化提示词更重要
【视频解说】Claude Code的文件夹设计决定一切
哪怕问同一个问题,打开的位置不同,得到的回答也会不一样。这和提示词没有关系。
我之前的视频里说过「先从整理好一套基础框架开始」,这套框架的第一项就是文件夹层级。
我自己每天也会用大约6小时Claude Code,自从整理好文件夹结构后,输出精度明显变好了。
根本不需要先「打磨提示词」,先「整理好AI的工作台」才是第一位的。
■要点
・CLAUDE.md会从头到尾完整拼接,每次启动时都会被读取
・AI会通过文件夹名和文件名搜索内容(也就是说,命名本身就会成为输入内容)
・在你输入第一个字符之前,上下文就已经被填充了10%以上
・只要把工作区分成四大块,就不会变得杂乱无章
我把内容整理成了17分钟的视频,作为环境搭建课程的第一讲👇
■视频
■时间轴
00:00 开场
02:40 什么是基础框架|环境会拉开差距
06:16 CLAUDE.md会从上到下完整拼接
08:14 AI通过名称搜索内容
10:35 工作区分为四大块
13:39 今天要做的3个步骤
15:13 总结
日本数字厅免费发布仪表盘设计资源,适合政企与AI开发使用
海外开发者分享日常工作科研使用的AI工具组合与配置建议
大家一直问我日常主力使用的 AI 技术栈是什么:
- 订阅 Kimi-K3 作为编排器
- 订阅 GLM-5.3 作为子代理
- 在 2x DGX 上本地部署 SuperDeepseek-V4-Flash,处理轻量工作和研究循环
配套工具链:给 Kimi 和 GLM 用 Codex,给本地 AI 用 Hermes。我现在正在研究 DeepSeek Harness。
如果我有 3090 或 5090 这类显卡,我会选 Qwen3.8-27b。
我不推荐在统一内存硬件上运行它,比如 DGX 或 Mac。
模型原生支持图文视频理解,上下文最长可扩展到1百万Tokens,用两块48G的4090就能部署测试。
苹果采用双轨布局,自研中国专属模型的同时,还接入中国国产大模型来满足监管要求。
新版支持60多种语言,支持克隆声音、自然切换语言,延迟很低,有人已经准备用来做家用语音助手。
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。
框架支持定时运行、响应事件、交换结构化信息、保持独立身份,帮开发者快速搭建自己的AI Agent。
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:
其中一万七千亿会花在GPU和TPU的采购上,一万亿会花在AI算力的需求上。
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。
Anthropic和OpenAI已经部署了超过2GW的推理算力,而智谱的部署规模不到300MW。
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。
基础需求放端侧,中等需求运行在AI Ran,高等需求放云端,要从免费服务开始逐步替换。
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
想靠AI找网络安全漏洞的话,它比不少闭源和开源大模型漏报更少、成本更低,能降低筛选结果的工作量
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 🧵
比起一次次从零开发产品,花时间搭好可复用的工厂框架,后续做新产品速度更快、成本更低,还能迁移到不同业务复用。
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。
曾经成功开源框架的创业者,踩过创业、开发AI的坑后得出经验,对计划做AI创业、开发AI代理的人有参考价值。
新模型直接上架到SiliconFlow平台可用,从想法到落地可以一步完成,不用再等模型部署适配。
中医知识被整合进AI能力,可直接调用AI按照倪海厦的思路做中医辨证,需要相关参考可以直接获取体验。
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 🔗
如果这个顶级AI模型权重真的免费开放,全球普通人都能用上顶尖能力,不用再被少数巨头卡脖子
评测显示新版本仅比旧版高8分,仅比小模型高1分,单次任务成本涨5倍,关心API成本的使用者可以重新核算开支。
本地就能运行270亿参数的大模型,直接生成带多物理规则的交互模拟,不用依赖云端服务,本地AI应用又往前了一步。
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:
这一观点重新理解了AI的核心优势,不是比人脑高效,而是可低成本无限复制,同时推演了低多样性可能带来的文明级风险,值得思考
前沿AI模型已大规模参与下一代AI研发,这些真实发生的安全事故,是AI产业落地前必须直面的风险
多个新模型已实现本地运行反超海外旗舰,API定价低至0.14美元每百万输入令牌,普通人有望用上普惠的个人AI。
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!
ZCode 是面向软件工程的交互编码 Agent,这次泄露的完整提示词能帮你理解大厂 AI 编码助手的底层设计逻辑
隐私和数据安全敏感的内网场景,现在也能低成本本地部署大模型,更多之前无法落地的应用场景有望快速出现
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。
聊到这个方案用prompt让LLM总结历史对话就能压缩上下文,实现简单但有损,想知道有没有补全上下文的检索机制
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。
团队用AI生成代码提速后,省下来的时间变成了Bug、返工和沟通成本。需要重新建立适配AI的研发流程,才能拿到真正的效率红利。
评测称其性能介于两款Opus模型之间,工具调用能力提升可作为主力编码智能体
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。
展示不同硬件场景下Qwen3.8-27B-GGUF的llama.cpp部署指令
按使用时段调整价格的计费方式会降低你的API使用成本,如果你用DeepSeek API跑业务,可以留意新方案
开源量化版千问3.8 27B可完全本地在Mac运行,支持自主编码
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。
分享结合真实场景与虚拟角色生成互动小视频的步骤和提示词
这份报告流出后,Anthropic的安全策略和风险预案会被外界重新审视,可能影响后续产品的发展方向
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。
分享llama.cpp通义千问配置参数,可实现2倍解码速度
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
分享五项筛选测试,帮你判断什么场景适合做AI智能体
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。
Grok Bot被认为是大众知识工作的Claude Code时刻
AI写代码速度越来越快,但配套文档经常跟不上更新。这个工具能生成随Git分支同步更新的文档
现有方法只验证AI在标准答案上的准确率,不考察它遇到质疑时会不会改口。这个框架专门测试这种情况
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:
它把论文复现做成可扩展的强化学习任务,在预留的复现测试集上取得了更好结果
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:
它是用来做AI应用端到端测试的模拟基础设施,只要写个配置文件就能启动服务,操作很简单
🎉 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):
Hugging Face发生的安全事件被当作转折点,团队决定把研究重心转向通过可解释性解决AI对齐问题
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。
这款开源大模型专为智能体任务和专业工作设计,可直接对接常用开发工具,本地运行专业AI工作流的选择变多了。
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
普通用户现在可以通过ollama本地运行这个开源大模型,跑代码任务的稳定性已经得到官方承诺,想本地跑 coding 的可以试试
观点认为掌握算力才能保证AI主权,这一选择对美国AI依赖策略的冲击可能比对欧洲更大,可观察欧洲AI赛道的方向变化
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。
这份观点来自通义千问官方,行业对大模型与小模型的定位正在发生变化,值得关注小模型接下来的落地机会。
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
行业报告更新了开源模型的真实使用格局,想选开源模型做部署,可以参考这份最新统计结果
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 🤗
不用改现有代码就能接入支持OpenAI接口的代理,记忆、技能和检索能力可跨Agent和编辑器共享,降低开发Agent的重复工作
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。
用户在X平台发文称,Anthropic的Claude Code是全球唯一一款自家模型频繁调用工具失败的专属开发框架
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。
小型内容团队在第一周差点取消Viktor订阅,调整使用方式后三名成员将部分工作交其处理
开发者0xSero在X平台分享了多模型联动的AI代理方案,称该方案可以减少错误输出,生成更多训练用token。
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:
现场仅用26分钟完成常规团队需数周的工作,演示价值超过500美元编程课程
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。
该交易机器人部署在Hyperliquid,仅交易BTC等币种永续合约,公开链上业绩供验证
不喜欢grill-me,偏好能产出实体原型的AI工具如Claude Design
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。
现有多数AI视频工具仅负责部分流程,该工具只需用户提目标即可生成完整成品视频
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:
X用户NickADobos分享Grok Bot使用体验,称其将重构计算生态取代苹果
用户liambraus分享斯坦福面向内部工程师的AI课程,无需注册即可免费观看
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。
分享可显示GPT官端思考链的自定义工具及使用方法
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:
分享适配Gemini 3.7 Flash的8个开发场景高效提示词
想本地部署开源大模型做代码开发,这个实测对比了不同推理框架的表现,能帮你避开当前已知的坑,选出更稳定高效的部署方案。
明白水印怎么给文本加,才能知道怎么检测AI生成内容,也能明白它会不会被轻易破解。
当 Anthropic 宣布文本水印技术时,我非常好奇他们会如何实现它,尤其是针对文本的实现。
给图片加水印相当简单,但文本是个很有意思的问题。
每次 LLM 生成一个 token 时,它都是从一个概率分布中做选择。通常,多个候选的概率几乎不相上下。
举个例子……“今天天气很冷,而且……”后面接“阴天”或者“阴沉”都说得通,哪一个都不会比另一个更正。
正常情况下,普通的随机数生成器会打破这种平局。而水印只改变一件事——随机数的来源。
模型不再使用任意随机数,而是根据一个密钥加上之前生成的 token 来得出随机值。选出的 token 在我们看来仍然就是一次普通的随机选择。但任何持有密钥的人都可以对一段文本重复同样的推导过程,检查选择序列是否符合密钥会产出的结果。
匹配度越高,这段文本由 Claude 生成的概率就越高。挺巧妙的。
行业从业者对未公开大模型的迭代分层逻辑做出推测,能帮想跟进的人理清前沿大模型的发展脉络。
我现在已经完全可以确定,Mythos Preview就是他们那个规模约10T的教师模型。
我认为Model 1和Model 2是这个同模型的进一步迭代版本。
Mythos 5和Fable 5很可能只是更小的蒸馏模型。
训练长周期任务智能体一直存在信号延迟问题,这个新方法让智能体学会自我评估,提升了任务得分,为长周期任务训练提供了新思路
小模型不用改权重,只要让大模型帮它设计好工作流程,就能大幅提升准确率,成本更低的小模型也能解决复杂问题。
很多时候,小模型缺的可能就是一套能把能力稳定调出来的 Harness。这篇《AI4AI at Test-Time》研究了一个很有意思的问题: 能不能让更强的模型,直接给弱模型设计一套更好的工作方式?作者让 GPT-5.5、Claude Opus、Gemini 等强模型自动修改 Harness,包括 Prompt、任务路由、验证规则和确定性代码。
整个过程不更新目标模型的权重。结果 GPT-5.4-mini 原始平均准确率只有 48.8%,加入自动设计的 Harness 后最高达到 91.2%,甚至超过了裸跑的 GPT-5.4。而且效果好的 Harness 往往会把一些容易出错的推理交给代码和规则处理,让模型只负责它真正擅长的部分。
所以强模型学到的能力是可以被外化��� Prompt、代码、工具和工作流,再交给更便宜的小模型长期复用。以后就可以让大模型帮其他模型设计更好的「工作环境」。📎 arxiv:
多个新模型已实现本地运行反超海外旗舰,API定价低至0.14美元每百万输入令牌,普通人有望用上普惠的个人AI。
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!
评测显示新版本仅比旧版高8分,仅比小模型高1分,单次任务成本涨5倍,关心API成本的使用者可以重新核算开支。
想靠AI找网络安全漏洞的话,它比不少闭源和开源大模型漏报更少、成本更低,能降低筛选结果的工作量
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 🧵
行业报告更新了开源模型的真实使用格局,想选开源模型做部署,可以参考这份最新统计结果
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 🤗
这是Anthropic负责任扩展政策的固定动作,公开披露AI风险和应对准备,普通用户可借此了解头部AI公司对安全的投入方向
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
笔记本就能跑接近前沿能力的大模型,本地运行大模型的门槛进一步降低,普通人也能在自己电脑上体验高性能开源大模型
如果你反感大模型的内容限制,这个移除了安全过滤器的未审核模型,刚好满足无限制文本生成的需求
你是否一直想要一个毫无保留的 AI?来认识 Qwen3.8 27B Heretic Abliterated 吧。
这是一个 GGUF 量化模型,经过「abliterated」处理移除了安全过滤器。
它无审核、原生输出,非常适合想要无过滤文本生成的用户。
目前下载量已经达到 5k 次,还在持续增长!
普通用户可以自主切换对比不同模型的回答,还能开关记忆、固定回答,不用专业工具就能直观看到不同模型的区别
ANTHROPIC 🔥:Claude 或将推出全新模型对比界面,为用户提供一个查看不同模型响应差异的简洁途径。
用户可以开启或关闭记忆功能,还能「固定」响应。
与 A/B 测试界面不同,用户似乎可以按需自行在普通聊天和模型对比模式之间切换。内置 LM Arena 👀
想本地跑大模型又嫌配置不够的用户,可以试试这款开源客户端,它能帮你降低显存占用,提升训练速度。
在本地运行和训练模型,靠的是这款桌面应用。它叫 Unsloth Desktop。
✓ 开源,支持 Mac、Windows 和 Linux
✓ 在本地大语言模型上使用 Claude Code 和 Codex
✓ 训练速度提升2倍,VRAM 占用降低70%
可在同一工作台整合AI修改审阅文稿的全流程
它给AI代理提供真正隔离的运行环境,可直接接入现有常用AI编程工具不用替换,关心AI开发的可以关注进展。
阿里巴巴刚刚开源了 OpenSandbox,这个项目已经登上 GitHub 趋势榜,收获了 13k+ 星标。
和模型发布相比,真正的智能体基础设施总是低调推出,但通常重要性更高。
OpenSandbox 为智能体提供了真正隔离的环境,而不只是一个沙箱化的代码运行器,它由 gVisor、Kata Containers 和 Firecracker microVMs 提供支持,还配备了 Credential Vault,让密钥永远不会接触实际工作负载。
它可以直接接入 Claude Code、Cursor、Codex 和 Gemini CLI,而非替换这些工具。
仓库地址:
关注 @neil_xbt 获取更多内容!
不需要云端大模型授权,也不用高端显卡,普通笔记本就能运行顶级AI模型,运行大模型的设备门槛被拉低了
不需要开发者学习新语言或框架,就能处理底层区块链相关工作,帮Web3贴合现有的AI开发流程
大多数第一层公链(L1)都要求开发者改变他们的工作方式:新语言、新框架、新思维模型。
@CNPYNetwork 走了完全相反的路线。它专为开发者已经在使用的工具打造:Claude Code、Cursor、Codex。
你只需要写普通代码,Canopy 会处理底层的区块链层:共识、安全、验证、部署。
如果人工智能正在成为人们开发软件的默认方式,那么让 Web3 适配现有的工作流,而不是强迫开发者学习新范式,带来的解锁效应会比再推出一条新 L1 大得多。
我很好奇这事最终会如何发展……
本地就能运行270亿参数的大模型,直接生成带多物理规则的交互模拟,不用依赖云端服务,本地AI应用又往前了一步。
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:
中医知识被整合进AI能力,可直接调用AI按照倪海厦的思路做中医辨证,需要相关参考可以直接获取体验。
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 🔗
新模型直接上架到SiliconFlow平台可用,从想法到落地可以一步完成,不用再等模型部署适配。
可以把复杂推理交给大模型,批量任务交给专用模型,能降低智能体工作流的运行成本
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。
普通用户现在可以通过ollama本地运行这个开源大模型,跑代码任务的稳定性已经得到官方承诺,想本地跑 coding 的可以试试
这款开源大模型专为智能体任务和专业工作设计,可直接对接常用开发工具,本地运行专业AI工作流的选择变多了。
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
SGLang已同步支持,单块RTX 5090就能跑出206.1 tok/s的解码速度,想本地跑大模型又有了更强的新选择
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 👇
能力更强的模型先锁在公司内部用,还上调了AI对齐风险评级。想用好AI又怕失控,这就是当前行业的真实状态。
❗️Anthropic 内部正在运行一个能力强于 Mytho 5 的模型,但该公司表示没有向公众发布它的计划。
它在8月14日的风险报告中将「Model 2」称为对内部工作的「显著提升」,这些工作包括代码编写、数据生成和智能体任务。
Anthropic 还将模型错位风险评级从「极低」上调至「低」,理由是近期网络安全评估事件后存在不确定性。
客户可以用它检测交付内容是否为AI生成,目前已有近190家机构加入相关水印计划,纯原创内容经AI润色也可能被误判
为满足欧盟AI Act要求,该方案将在全球实施。未来Claude生成的文本都可被溯源,AI生成内容合规性门槛进一步提高。
有人按GitHub星标整理了10个高星插件,解决了原生界面简陋、任务管理难这些问题,还能给AI代理加跨会话长期记忆功能。
大模型都在变得更聪明,但对交易来说,如果模型用的是过时的市场数据,再聪明也没什么用。
教程用PHP、MySQL和共享主机就能完成搭建,省去了买复杂云服务配置的成本,想做小工具的开发者可以直接跟着做。
你不需要复杂或昂贵的云栈,就能构建可用于生产环境的 AI agent。
在本教程中,Chidozie 将教你用 PHP、MySQL、Gemini Flash 和 cPanel 构建一个可以在共享主机上运行的 AI agent。
你将构建一个带有工具调用、对话记忆、公开 API 的 agent 循环,并且完成部署。
river_ai_inc拿到11亿美元融资做用户所有的AI,Manta Network融资超六千万美元做端侧私人AI助手。
不用再所有人用同一个框架拼熟练度,个人过往的人生经历、兴趣和性格,都会变成独属于自己的创作优势。
> 我觉得每个人都应该在 AI 时代想想是不是能做新的事情、做回自己本来擅长的事情。非常同意,我对 Fable 时代编程的中二理解就像 op 里这段魔法使的群像。再也不是一群人用同一个 harness 拼熟练度,更像是每个人过去的人生、训练、兴趣和性格,最终都凝结成一种只有他会自然想到的魔法。
AI 并没有让所有人的创造力趋同,反而可能第一次把人与人之间原本隐藏的差异放大出来。过去的经历不再只是决定你擅长什么工作,而开始决定你能够施展什么魔法。
新研究把大语言模型里用来优化输出符合人类偏好的方法,迁移用来设计符合要求的蛋白质,发在了《自然·方法》上。
一篇最新发表在 Nature Methods 的论文展示了蛋白质设计领域“对齐”可能是什么样的形态。
ProteinDPO 把大语言模型中用到的偏好优化思路应用在了蛋白质上:模型不再只生成看起来合理的序列,而是经过训练,会偏好那些经实验测量、适应性更好的序列。
实验结果非常引人注目:
• 稳定性预测效果比原生 ESM-IF1 和标准微调更好
• 能从小型单体蛋白质泛化到抗体和大型蛋白质复合物
• 仅从 45 个测试变体中就识别出了 27 种能提升稳定性的 H5N1 HA 设计
• 在 2024 年的 H5N1 毒株上将熔解温度最高提升了 32°C
蛋白质生成正在从“这个序列看起来像蛋白质吗?”转向“这个蛋白质在实验室里真的表现更好吗?”。
生物学基础模型或许正在进入属于它们自己的对齐时代。
开放权重意味着你可以免费拿到模型参数自己用,但没法像开源项目一样看到完整的训练和代码细节。
现成AI工具能帮普通开发者把核心运行速度提升两个数量级,对日常做性能优化的开发者来说是可复用的新路径
社区讨论:多数开发者认可这项成果,认为这是自动化工具优化内核的了不起的工程成就,对beam search的优化思路表示赞赏。有人提出疑问,Codex在GPU内核和SIMD优化上表现好,是因为训练数据中这类内容更丰富,还是这个领域本身就更适合大模型优化。有人指出这种自动优化流程依赖计时、性能分析、正确性校验这些明确的反馈信号,缺少反馈环节时自动化流程很容易出错。
也有人补充,更快的算法往往存在稳定性不足的问题,这可能就是它没有成为PyTorch默认实现的原因。
Netflix的推荐算法是行业标杆,这次转向原生大语言模型推荐,会改变流媒体内容推荐的未来方向
社区讨论:有人质疑LLM能给现有推荐系统带来什么增量提升,也有人指出Spotify用LLM做DJ推荐效果远优于传统服务。不少网友批评Netflix现有推荐体验很差,称其为了追热点选用低效复杂的LLM方案,而非行业通用的DLRM,还有人提到Netflix糟糕的片源质量才是核心问题,而非推荐算法,另有网友指出没人反感推荐技术迭代,只是质疑当前LLM接入推荐场景的必要性。
需要本地部署大模型的用户可以直接获取适配好的文件,省去自行转换格式的步骤
作为老牌开源Linux发行版, Debian对AI代码的态度,会影响整个开源生态的AI发展方向
社区讨论:多数用户认可只看代码质量、不看生成来源的审核标准,认为纠结AI生成身份没有意义。有人指出本次投票的选项表述不一致、逻辑混乱,是多位参与者未经协商拼凑而成。还有用户提到 Debian自身项目安全漏洞多,禁止LLM贡献完全不合理,而且现在普通开发者借助LLM就能重构整个代码库,禁令根本挡不住。
这个合作将为分布式物理机器人AI训练提供超过300万条多模态轨迹数据,还会搭建可审计的统一评测框架
我们宣布与@OpenRoboto达成合作,Axis Robotics将把其数据能力扩展到@opentensor生态系统中。
OpenRoboto是Bittensor(Subnet 80)上的开放竞赛,目标是持续改进机器人模型。矿工从π0.5开始微调一个开放基础模型,每一份提交都会在随机化的LIBERO-Pro环境中评分,只有严格更优的模型才能成为新的基础模型。
作为OpenRoboto背后的核心数据引擎,Axis将向OpenRoboto的开放数据池提供超过300万条多模态轨迹,以加速Bittensor网络全体矿工的物理AI模型训练。
此外,Axis将通过其数据到模型流水线(Data-to-Model Pipeline)支持OpenRoboto的权威基准测试平台,为多个基准下的数据和模型提供健壮、可审计的评估。
本次合作建立了一个健壮的端到端框架,将分布式数据采集与可验证模型评估结合在一起。
了解更多关于OpenRoboto的信息:
这种水印藏在文字排列规律里,普通人看不出差别,仅官方工具可识别,未来你写的AI生成内容会被轻松溯源
如果按照 Claude 的说法,接下来所有 AI 大模型,为了遵循欧盟要求,都会给用户生成的文案内容,添加隐藏水印。 它不是偷偷塞入特殊字符,而是在多个意思差不多的词之间,排列一套特殊规律,普通人看不出区别,但如果用官方工具分析一段文字,就能判断 AI 是否参与过写作。
在DeepSWE软件工程测试中,DeepSeek-V4 Pro 0813的通过率达到88.5%,单任务成本仅0.24美元。经常年处理代码任务的工程师可以自己测试验证。
现在大家都低估了 DeepSeek-V4 Pro 0813,它实际上在 DeepSWE 的 pass@4 指标上击败了 GPT 5.6 Sol + Fable 5,这个模型真的有它惊艳的地方。
我们用 DeepSWE 在软件工程任务上对比测试了 DeepSeek-V4 Pro 0813、GPT-5.6 Sol 和 Fable 5。DeepSeek-V4 Pro 0813 达到了 88.5% pass@4,而每个任务仅需 0.24 美元,成本比 Sol 低 35 倍,比 Fable 低 90 倍。
更多分析请看下方推文串 👇
全套配置只需要三分钟就能完成,核心逻辑是全流程靠插件驱动。对需要长期用大模型写代码的人来说,这是能直接落地的省钱方案。
这绝不能忍。我为了 deepseek harness 退掉了每月 $200 的 Claude 方案,感觉几乎一分钱都不用花。
它全程围绕一个核心目标打造:一路到底都是插件。
[配置只需要三分钟速通,这就是操作手册]
1. 获取名为 deepseek-harness 的仓库
2. 快速浏览架构文档
3. 完事了,你已经部署好了
把这个加书签,现在就发给你的 agent。
新模型支持律师一次上传最多一万份文档做检索分析。处理批量案卷的团队,可以直接用上成本更低的版本。
原本企业级安全研究平台每年要花数万美元,现在个人研究者也能直接用这套内部工具做协调工作。独立安全研究员多了一条不用花钱的选择。
企业级安全研究平台一年的使用费高达数万美元!一位靠真实漏洞赏金赚到了150万美元的研究者刚刚免费开源了他的内部工具。
它通过 Claude Code 或 Codex 调度 AI 代理,并行执行定向安全研究任务,然后对发现结果去重并排序。支持自托管,你可以完全控制自己的提示词、工作流和模型提供商。
它从真实的内部项目开发而来,该项目背后有经过验证的七位数漏洞赏金记录。
仓库地址:关注 @neil_xbt 获取AI工程情报,在这类工具普及之前就找到它们。
支持者认为机构专属微调的世界更多元更美好,但目前还没看到能成功落地的明显趋势,行业方向还不确定。
我认为所有人其实都希望机构专属微调能胜过通用大实验室预训练模型。老实说,我也是——那个世界会美好得多,也多元得多。
但我至今没有看到任何有力证据能证明这个结论成立,而且尽管我有事后合理化的倾向,我确实只愿意相信真实的事情。
很明显,用机构自有数据确实能挤出n+1级别的领域能力,但就我观察到的情况来看,新一代模型一出来,这些微调成果要么就彻底过时,要么就不再经济。
这也意味着数据本身也不再有什么独特价值,因为领域已经被饱和覆盖了。
因此我实在看不出,企业用自己的Kimi Corpotrain,能比用Claude-9获得什么实质性优势。我非常希望自己这个判断是错的!但我不认为相信机构微调能赢是符合AGI发展逻辑的看法。
如果有人拥有相反的证据,我很乐意在这里和任何人聊聊。我比绝大多数人都更想要开源多元的未来——当然,生物能力领域除外。
现在大家都在争论AI能不能帮人取消预约、管理日程,没人讨论开放自主性会带来什么安全风险。
AI 智能体对话中最大的错误,是把自主权当作功能,而非安全边界。
如今我们争论智能体是否应该取消预订、管理日历或完成购买。但这套相同的底层架构,正被扩展到控制敏感数据、金融操作、企业基础设施和网络环境的系统上。
这改变了问题的性质。它不再仅仅是智能体能做什么,而是智能体在无法越权的前提下能做什么。
传统权限通常依赖策略、凭证和中心化信任。当智能体可以持续行动、与多个系统交互、并且决策速度快到人类无法监督时,传统权限就会变得难以管理。
这就是密码学验证变得至关重要的地方。借助 @SvpChain 这类基础设施,智能体的权限和行动可以转向独立可验证的模式,而非单纯假定其可信。
智能体不该因为一次性通过了授权检查,就获得无限制权限。它的权限应当在每一步都受到约束。
AI 安全的未来,最终可能更少依赖于让智能体变得完全可信,而更多依赖于构建不需要为每一步行动预设信任的系统。
点击下方查看 ⇓
这笔钱会用来研究AI自主能力、追踪递归自我改进、测试AI监控系统。对AI安全方向的研究来说,资源投入在变多。
过去6个月里,METR获得了总额约7100万美元的出资承诺。
这笔资金将用于资助多个雄心勃勃的项目:研究自主能力、追踪递归自我改进、评估监控系统、开展风险评估、调查AI安全事件等等。
给Claude Code省token等于省成本,相同预算能处理更大的检索任务,对用Claude Code做代码搜索的开发者直接降低使用开销
社区讨论:多名用户批评项目README质量差,添加多余动画增加理解难度,基准测试部分由大模型生成难以阅读,仅测试50个SWE-Bench任务又未说明任务选择方式。有人认可编码代理每次重新搜索代码库浪费token的问题切得准确,也有人好奇项目和graphify、LSP方案的定位区别,提出疑问:缓存失效后使用成本是否仍更低。
给大语言模型对话做可编辑的上下文梳理,长对话上下文混乱的问题可能得到解决
如果会让LLM写GPU核心代码,现在有工具可以验证代码是否符合契约规范,降低代码出错的风险
已有用户超额度使用未被收费。若额度确实上调,高用量开发者的API成本会直接降低
[已解决] 您好,激励层级的每日免费代币额度为1000万。之前我只要使用量超过这个限额就会被收费。
但过去几天里,我的超额使用没有被收费,使用了1300万甚至1500万代币仍然被算作免费使用。请问免费代币额度提高了吗?谢谢。
前沿AI模型已大规模参与下一代AI研发,这些真实发生的安全事故,是AI产业落地前必须直面的风险
如果这个顶级AI模型权重真的免费开放,全球普通人都能用上顶尖能力,不用再被少数巨头卡脖子
曾经成功开源框架的创业者,踩过创业、开发AI的坑后得出经验,对计划做AI创业、开发AI代理的人有参考价值。
模型原生支持图文视频理解,上下文最长可扩展到1百万Tokens,用两块48G的4090就能部署测试。
苹果采用双轨布局,自研中国专属模型的同时,还接入中国国产大模型来满足监管要求。
新版支持60多种语言,支持克隆声音、自然切换语言,延迟很低,有人已经准备用来做家用语音助手。
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。
框架支持定时运行、响应事件、交换结构化信息、保持独立身份,帮开发者快速搭建自己的AI Agent。
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:
其中一万七千亿会花在GPU和TPU的采购上,一万亿会花在AI算力的需求上。
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。
Anthropic和OpenAI已经部署了超过2GW的推理算力,而智谱的部署规模不到300MW。
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。
基础需求放端侧,中等需求运行在AI Ran,高等需求放云端,要从免费服务开始逐步替换。
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
常用 Claude Code 写代码的开发者,可以参考这篇讨论,优化自己的使用体验,获得更高产出
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?
不用上传到第三方服务器就能分享本地运行的AI代理,对在意隐私或者不想部署服务的人来说是新的可用方案
AI写代码速度越来越快,但配套文档经常跟不上更新。这个工具能生成随Git分支同步更新的文档
现有方法只验证AI在标准答案上的准确率,不考察它遇到质疑时会不会改口。这个框架专门测试这种情况
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:
它把论文复现做成可扩展的强化学习任务,在预留的复现测试集上取得了更好结果
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:
它是用来做AI应用端到端测试的模拟基础设施,只要写个配置文件就能启动服务,操作很简单
🎉 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):
Hugging Face发生的安全事件被当作转折点,团队决定把研究重心转向通过可解释性解决AI对齐问题
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。
通义千问新版本大模型出现在社区讨论中,感兴趣的用户可以跟进社区爆料,等待官方信息更新
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。
这份报告流出后,Anthropic的安全策略和风险预案会被外界重新审视,可能影响后续产品的发展方向
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。
按使用时段调整价格的计费方式会降低你的API使用成本,如果你用DeepSeek API跑业务,可以留意新方案
当前绝大多数讨论都错读了DeepSeek Harness的定位,它不是成品编码Agent,而是为AI自我优化搭建了实验基础,未来可能实现模型和框架共同进化
整理了一线从业者对Agent赛道的判断,想入行Agent创业或关注这个方向,可以参考这些分享的经验。
今天文君在大理,一起约在洱海边的时光咖啡聊天。挺有感触的几个收获:
1、Agent 类似网站,OpenClaw 是第一种被大众感知的建站技术。虾是个人网站。Yahoo、Google、Facebook 等大型网站还没出现。网站 -〉移动应用 -〉Agent,是技术也是产品路线。一切才刚开始。
2、Agent 创业者最重要的两大能力是:能不断找到目标用户的能力、能预判技术实现路线并疯狂执行的能力。找市场 + 执行力,缺了这两个,很难成。
3、Agent 产品的基础功是:用做模型的方式去做应用。由上下文、测评等构建出 Loop 循环,让 Agent 在特定领域能持续进化。很难,但有机会。
4、Agent 不是孤立的。人与 LLM 共同孕育出一个个 agent。这是一种新的生命体,不是人的分身。生命体的长大需要关系,关系的构建需要环境,或者叫社群。新时代的社群产品,有大机会。
5、社群里,有可能会产生神。比如 Claude Tag 就是在一个组织环境下,自然而然造出了一个组织协作环境下接近全知全能的神。神学很值得研究。
以上。
层出不穷的新模型炒作两天就被遗忘,头部AI公司营收仍在飞速增长,行业热度和商业实际的反差值得关注。
这太离谱了!几乎每个模型都声称自己达到了 SOL/Fable 等级,然后走红两天……
两天后又有另一个模型发布,也声称自己达到了同样等级,第一个模型就被彻底遗忘了。
如果这些说法都可信的话,那 Anthropic 和 OpenAI 早就该破产了!
可事实正好相反,它们的收入正飞速增长。它们将来会比 Google、MSFT 和 Amazon 加起来还要大 😲
这份预测提到AI增长已遇瓶颈,Anthropic上市会引发行业个股暴跌,甚至带动美股回调。科技行业从业者和投资者可以参考这个判断
若该观点成立,Anthropic后续新模型提升有限但成本更高,普通用户难拿到性价比更高的新产品
我的看法是,Anthropic 基本上把它手头所有的算力都砸在了一个异常强大的模型——Mythos Preview 身上,到现在已经花了几个月时间,以它为基础迭代出更小、性能更强的版本,同时不知道怎么做到还让这些模型成本和原来持平甚至更高。
但问题在于,这条路糟透了,因为 Mythos 现在已经老得不行了,它出来有一阵了,他们靠它得到的提升实在太小了。
“Model 2”给人的感觉就像是这位老大哥的弟弟,它成本估计高得离谱,就为了这么点性能提升,根本不值得发布。
当前大模型对齐基于对人类偏好的错误假设,反而会对齐到不存在的目标。人因工程的现有结论,已经能指导AI系统设计避开认知陷阱
头部AI公司对外发布的模型落后于内部储备,Anthropic内部二号模型的提升幅度远低于上一代,想知道是否其内部研发进度变慢
OpenAI 和 Anthropic 显然在内部已经拥有更优秀的模型,但我觉得更值得玩味的一点是,Anthropic 内部的「Model 2」,显然还达不到从 Opus 4.6 到 Mythos 的跨越幅度。
我好奇 Anthropic 内部的研发进度是不是正在放缓,还是出了别的什么状况。
团队用AI生成代码提速后,省下来的时间变成了Bug、返工和沟通成本。需要重新建立适配AI的研发流程,才能拿到真正的效率红利。
这一观点重新理解了AI的核心优势,不是比人脑高效,而是可低成本无限复制,同时推演了低多样性可能带来的文明级风险,值得思考
比起一次次从零开发产品,花时间搭好可复用的工厂框架,后续做新产品速度更快、成本更低,还能迁移到不同业务复用。
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。
这份观点来自通义千问官方,行业对大模型与小模型的定位正在发生变化,值得关注小模型接下来的落地机会。
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
观点认为掌握算力才能保证AI主权,这一选择对美国AI依赖策略的冲击可能比对欧洲更大,可观察欧洲AI赛道的方向变化
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。
不用花钱报AI智能体搭建课程,这些累计星标超120万的开源工具,就能从零搭建属于自己的AI智能体
重复造轮子会浪费大量开发时间,只需在开始开发前搜索一次,就能找到已开源的现成技能,直接调用安装
【注目】你想加的 skill,大多数都已经有人做好了。
Vercel Labs 现在公开了能帮你找到这些 skill 的工具😳
它能帮你做这些事👇
・你用文字描述想做的事,它就会跨库搜索所有公开的 skill
・会根据安装次数、所在仓库的评分来筛选结果
・最后会以可直接执行的命令形式,返回结果告诉你「直接装这个就行」
・底层工具 npx skills 采用 MIT 许可,支持 Claude Code、Codex 等共 76 种工具
其实,一直以来都从零开始重复造轮子的人,在这里的损失是最大的。
因为你懒得花时间找,结果就是把别人已经做好的东西再重新写一遍。
只要在开始开发前,先花一步「找一找」,起点就完全不同了。
开源地址在这里👇
ZCode 是面向软件工程的交互编码 Agent,这次泄露的完整提示词能帮你理解大厂 AI 编码助手的底层设计逻辑
不用改现有代码就能接入支持OpenAI接口的代理,记忆、技能和检索能力可跨Agent和编辑器共享,降低开发Agent的重复工作
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。
能自动识别已有本地模型,性能比同类工具更流畅,还支持直接微调,本地运行大模型多了一个好用的新选择。
本地运行大模型的客户端unsloth desktop 做得太好了! 要不是 Qwen3.8-27B 开源,我还不知道他们出了客户端。 比 LM Studio 好用多了,强烈推荐: 1. 自动扫描本地所有已下载模型(huggingface/Ollama / LM Studio 下载过的都能识别) 2. 也有仓库 3. 性能更强,不卡顿 4. 还能直接微调模型 本地跑模型的新首选 🚀
这个拆分思路可以降低大模型推理成本,跑大模型的时候可以按这个方法调整设置试试效果
将思考预算设为 medium 后,Qwen 3.8 27B 的性能提升非常大。
我甚至更喜欢这种用法:让另一个模型做思考和规划,我用它来执行实现,完全不启用它自身的思考。
想要全自动产出AI短剧内容的人可以参考,目前人介入每个环节打磨质量,比完全自动产出成品效果更好
一张私藏很久的 AI 短剧全流程图,以前只在我的短剧交流群里分享过。曾有朋友问:为啥不做成一个 skill,丢小说直接出素材?技术上很简单,把现有 skill 串起来自动跑就行。
但我觉得没必要。按目前的模型能力,每个环节都得人工检查、打磨;全自动出的东西,质量大概率高不了。顺带分享个群友的玩法: shuohao-skills 中同一个skill,A Agent 出结果,B Agent 专挑它的错并修正。
一个环节 AB 来回迭代几轮,每一步都能这么搞,质量肉眼可见地提升。还是那句话:AI 是工具,决策要交给人。
隐私和数据安全敏感的内网场景,现在也能低成本本地部署大模型,更多之前无法落地的应用场景有望快速出现
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。
想要理解现代AI系统底层运作原理,可以参考这份从算法讲到系统设计的完整学习资源
这是一套非常棒的机器学习硬件与系统课程讲座,它探讨了机器学习模型如何在现代硬件上完成映射、优化与加速,覆盖从算法到高效系统设计的全流程。
它是理解现代AI系统底层运作原理的可靠资源。
Claude Code总共有93个命令,不需要全部记完,先掌握常用的16个就能上手,比硬背全部效率高很多,能帮你更快用好这个工具。
想入行或转型AI工程的开发者,可以对照这份技能清单调整学习方向,找准AI时代工程师能力迁移的重心
写不好编码提示词的时候,可以用这个方法让AI帮你改得更完善,改完可以分别测试效果挑好用的。
这又是一个我觉得思路很直白,但很多人可能从来没想过尝试的编码 Agent 小技巧。
首先,你先把所有需求随心所欲写进提示词里,相当于把你在乎的所有内容都倒出来,做成一个脑暴草稿。
然后把它发给网页端满负载模式下的 Fable,在前面加上这段内容:
--- 我为我电脑上的 Claude Code 写了这个提示词。请你帮我修改它,拓展内容,让它变得更好,更容易正常工作;只要你觉得能提升最终效果的内容,尽管加到提示词里,把它改成真正出色、最优化的版本:<粘贴你的原始提示词> ---
就这么简单。当然,没法保证 Fable 重新解读后的提示词一定比你写的原版好用(我自己有时候也存疑,因为我靠特定措辞就能调出很棒的效果……),但你总可以两个都试试,看哪个实际效果更好。
尤其适合你一开始的提示词还很不成熟,不确定怎么写才最好的场景。
聊到这个方案用prompt让LLM总结历史对话就能压缩上下文,实现简单但有损,想知道有没有补全上下文的检索机制
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。
吴恩达在社交平台发布全新AI工程重要技能图谱
分享适配Gemini 3.7 Flash的8个开发场景高效提示词
分享可显示GPT官端思考链的自定义工具及使用方法
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分享斯坦福面向内部工程师的AI课程,无需注册即可免费观看
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。
X用户NickADobos分享Grok Bot使用体验,称其将重构计算生态取代苹果
现有多数AI视频工具仅负责部分流程,该工具只需用户提目标即可生成完整成品视频
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:
不喜欢grill-me,偏好能产出实体原型的AI工具如Claude Design
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。
该交易机器人部署在Hyperliquid,仅交易BTC等币种永续合约,公开链上业绩供验证
现场仅用26分钟完成常规团队需数周的工作,演示价值超过500美元编程课程
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平台分享了多模型联动的AI代理方案,称该方案可以减少错误输出,生成更多训练用token。
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:
小型内容团队在第一周差点取消Viktor订阅,调整使用方式后三名成员将部分工作交其处理
用户在X平台发文称,Anthropic的Claude Code是全球唯一一款自家模型频繁调用工具失败的专属开发框架
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。
Grok Bot被认为是大众知识工作的Claude Code时刻
分享五项筛选测试,帮你判断什么场景适合做AI智能体
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。
分享llama.cpp通义千问配置参数,可实现2倍解码速度
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
分享结合真实场景与虚拟角色生成互动小视频的步骤和提示词
开源量化版千问3.8 27B可完全本地在Mac运行,支持自主编码
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。
展示不同硬件场景下Qwen3.8-27B-GGUF的llama.cpp部署指令
评测称其性能介于两款Opus模型之间,工具调用能力提升可作为主力编码智能体
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。
重度使用者对比两款AI编码工具,列出双方各自优势
海外开发者分享日常工作科研使用的AI工具组合与配置建议
大家一直问我日常主力使用的 AI 技术栈是什么:
- 订阅 Kimi-K3 作为编排器
- 订阅 GLM-5.3 作为子代理
- 在 2x DGX 上本地部署 SuperDeepseek-V4-Flash,处理轻量工作和研究循环
配套工具链:给 Kimi 和 GLM 用 Codex,给本地 AI 用 Hermes。我现在正在研究 DeepSeek Harness。
如果我有 3090 或 5090 这类显卡,我会选 Qwen3.8-27b。
我不推荐在统一内存硬件上运行它,比如 DGX 或 Mac。
日本数字厅免费发布仪表盘设计资源,适合政企与AI开发使用
27B开源大模型性能超越Claude,消费级显卡即可部署运行
我真是不敢相信!!! Claude 4.6 Opus 曾是我的梦中情模啊,呜呜呜,现在居然被 27B 的开源模型超越了。
这玩意儿可以直接跑在消费级显卡。
量化后只要 17-19GB,3090、4090 显卡都能跑,单张 5090 甚至能跑到 206.1 tok/s。
我觉得这种小模型的价值,真的可能比旗舰大模型还要大。
1、代码库、公司文档、客户资料、会议记录,全都可以留在本地,消费级显卡就能部署啊,兄弟们。
2、拿它 coding、读资料、整理文档、跑长期 Agent,从此没有 token 焦虑。
更牛逼的是,它才 27B。
按照这个速度再发展一年,我真觉得今天 Fable5 这一档的效果,很可能就在一张消费级显卡里跑起来了。。。
开发者分享经验称合理的文件夹设计比优化提示词更重要
【视频解说】Claude Code的文件夹设计决定一切
哪怕问同一个问题,打开的位置不同,得到的回答也会不一样。这和提示词没有关系。
我之前的视频里说过「先从整理好一套基础框架开始」,这套框架的第一项就是文件夹层级。
我自己每天也会用大约6小时Claude Code,自从整理好文件夹结构后,输出精度明显变好了。
根本不需要先「打磨提示词」,先「整理好AI的工作台」才是第一位的。
■要点
・CLAUDE.md会从头到尾完整拼接,每次启动时都会被读取
・AI会通过文件夹名和文件名搜索内容(也就是说,命名本身就会成为输入内容)
・在你输入第一个字符之前,上下文就已经被填充了10%以上
・只要把工作区分成四大块,就不会变得杂乱无章
我把内容整理成了17分钟的视频,作为环境搭建课程的第一讲👇
■视频
■时间轴
00:00 开场
02:40 什么是基础框架|环境会拉开差距
06:16 CLAUDE.md会从上到下完整拼接
08:14 AI通过名称搜索内容
10:35 工作区分为四大块
13:39 今天要做的3个步骤
15:13 总结
投资人分享自身用AI做投研的经历,惊叹大模型快速进化
还记得你用的ai大模型1年前、2年前的模样吗? 我用AI基本在投资投研上用,记得最初chatgpt经常会无法理解我问题的意思、每次需要我解释很久给很多context 后来我用它帮我找数据,我会让多个模型去交叉对比数据,因为他有一本正经胡说八道的问题,尤其是chatgpt 再后来我开始让他在找数据之外给出一些问题的判断,但还仍需要我不断的去跟他问答去告诉他下一步解题的思路 但也就一年多时间,我问的问题他解答的比我好,思考的维度开始比我更多,会给出更清晰的交易计划,我在问出第一个问题的时候,他已经能给出接着第一个问题的答案对应的第二第三个问题是什么以及答案 一年多前我可以说AI没有我聪明,到今天我也不确定了,投研上被他完全淘汰也就再过一两年的时间,下一步就是交易 当你的所有“能力”都长在一个无限自我进化、不断学习你的大模型上,不管是个人的能力、还是搭建在大模型上的商业,最终都会被这个模型吞噬,大部分行业被AI吞噬掉只是时间问题。
用户借助Higgsfield平台,10分钟生成1080p分辨率美白牙齿产品AI UGC创意,公布了完整工作流程
用户在𝕏分享,借助Higgsfield平台,仅用10分钟就生成了一款美白牙齿产品的AI UGC创意内容。目前该平台已经支持生成分辨率为1080p的内容。
第一步,部署研究代理,查找推广同类产品的UGC风格视频。
第二步,使用Gemini 2.5 Flash分析创意内容,输出每个场景的详细分析,要求在提示词中为每个图片参考预留占位符。
第三步,在Higgsfield中调用GPT-image 2,从每个剪辑场景中提取一帧画面,在提示词的对应占位符位置,将该帧用作生成参考。
第四步,将提示词和所有参考素材发送给Higgsfield视频生成器,选择Seedance 2.5模型后启动生成。
生成完成后,将成品导入视频编辑器,添加字幕、剪辑、变焦处理和背景音乐即可。
使用者实测DeepSeek-V4-Flash成本极低但BUG较多,同时公布V4-Pro调价信息
开发者willmcgugan分享自己使用大语言模型编码的实际体验,提到模型存在能力不平衡问题
开发者willmcgugan分享了自己对「氛围编码」的实际体验。他表示,氛围编码常常让人觉得慢得难受,主要原因是需要花大量时间等待大语言模型(LLM)生成内容。他自己会打开YouTube标签页打发时间,等待Claude完成生成。
氛围编码整体仍然比从零手写代码快很多。只是平时编码的时候,开发者要么在打字要么在思考代码,一直处于比较忙碌的状态,等待生成的间隙会格外凸显进度缓慢。
willmcgugan坦言,看到前沿大模型在CSS问题上卡壳,反而验证了自己的感受。大模型可以瞬间写出100个字符的正则表达式,但如果要求它在不改动标签样式的前提下修改文档背景颜色,它就会陷入卡顿,仿佛在说「嗯,这个有点难,不然我帮你从头写一个C语言编译器好不好?」
海外科技创作者梳理各类大模型适用任务及适配框架
每种模型都有它适用的场景:
Kimi K3 → 编排器 → 综合智能最佳
最佳适配:Hermes Agent / Droid
GLM-5.3 → 长周期任务最佳 → 持续执行能力最优
最佳适配:Claude Code CLI
Qwen3.8-Max → 综合报告最佳选择之一 → 擅长提供有趣的观点与视角
DeepSeek Flash → 日常任务最佳 → 个人使用体验极佳
MiniMax M3 → 计算机使用能力最佳 → 订阅方案最通用慷慨
性价比超高,token额度很大,还附赠图像生成、语音和音乐功能
最佳适配:MCode / Hermes Agent
可通过带参数URL直接启动带预设提示词的聊天AI
这个功能超厉害,我本来以为只能连API才能做到,没想到只要给URL加上参数,就能直接打开已经填好提示词的个人聊天AI。
ChatGPT、Claude、Perplexisity、Gemini没有这个功能吗?感觉这个用法的拓展空间很大啊。
这条内容火了,所以请允许我打个广告!
开发者用自建Qwen3-Coder完成98%复杂内部应用开发
为了工作,我用自行托管的Qwen3-coder模型编写了一整个内部应用,通过LiteLLM提供服务,用OpenCode编写prompt。结果非常出色,尽管这个应用相当复杂。而且不用担心token配额和隐私问题,真的太自在了。
我认为Claude这类API除了满足极高阶需求之外,没有未来。一切最终都会完美运行在本地,用开源模型实现,这只是时间问题,最多一二十年,我们所有人就能都用上本地部署的方案了。
过程中没有遇到什么大意外,但我有两次不得不切换到Codex来解决问题——当时Qwen陷入了死循环。我大概98%的应用代码是用Qwen3写的,剩下2%是Codex写的。
话说回来,如果我100%都用Codex写,开发速度会更快,代码整体设计也会更好。这是一个需要权衡取舍的问题。
解决云端记忆的成本、隐私安全问题,可实现知识循环优化,附现成提示词
很多用户希望给AI增加长期记忆,同时担心云端记忆的成本、隐私与数据安全问题。
这套方案将Obsidian作为Codex 5.6的外部知识中枢,工作流程为检索知识、执行任务、沉淀经验、优化知识库。Codex会根据当前需求从Obsidian检索相关知识,完成任务后,再将新经验、结论和变化同步回Obsidian知识库。
可以直接使用现成提示词,要求Codex将Obsidian知识库作为跨项目长期记忆系统,建立统一索引和知识结构,维护项目相关各类信息。每次开始新任务前先检索相关笔记补充上下文,完成任务后同步更新新增内容,仅保留未来有价值的信息,不存储敏感信息。
还可以创建自动化流程,让Codex完成重要任务后,自动提取本次开发的关键经验,沉淀回Obsidian。随着项目推进,Obsidian会逐渐成为个人专属的AI知识库大脑。
博主完整测试了DeepSeek Harness的全部功能,还用DeepSeek V4 Pro和Claude Code做了同项目对比
博主从零开始安装DeepSeek Harness,完成了完整实测。
博主测试覆盖了Web UI、远程访问、多模型、插件、Agent(智能代理)模式、执行轨迹、Issue/PR分析、会话分支全部功能,并非简单试用。
博主用同一套提示词,让DeepSeek V4 Pro重做了Claude Code此前完成的游戏项目,做直接对比。
对比结果出现了意外的惊喜。
整个实测教学时长为9分钟,内容操作简单,全程手把手免费教学。掌握相关技术后,可用于制作游戏实现变现。
有用户发现OpenAI目前性能最强的GPT Pro存在一个绕过使用限额的情况,还能用GitHub连接器直接写代码到仓库
有用户在𝕏发文称,OpenAI目前性能最强的模型——网页应用内的GPT Pro,不会占用用户的使用额度,看起来像是一个系统漏洞。
用户可以在网页端使用GitHub连接器,让GPT Pro直接将代码写入公开仓库,甚至私有仓库,还可以在同一会话中重复操作。
这位用户称,可以用这种方式开发实际项目,并且这个漏洞可能不会持续太久。他自己昨天启动的新项目FrankenOverlap就完全是用这种方式开发的,目前已经有125次提交,包含大量高质量代码。
如果需要更精细的调整,用户可以在开发完成后将项目克隆到本地,在自己的设备上完成最终修改。
现在该项目的提交次数已经增长到139次,仍在持续更新。
有用户提到,AI生成邮件时会为凑长度,用冗余内容填充单一信息
AI生成邮件存在一个问题。模型需要输出达到特定长度,但很多时候用户仅需要传递一条信息。
这种情况下,AI会用无意义的填充内容编造出剩余部分。
用户给出的解决方法是,提前告知模型不要添加冗余填充内容。
X用户@miroburn称赞Grok Bot对普通用户友好,可完成多项个人办公事务
@mirobern表示,自己很久没像使用Grok Bot这样,在一款工具上投入这么多时间。Grok Bot拥有面向终端用户的最佳界面,后台功能强大,能持续处理个人事务。
Grok Bot可访问用户电脑,在后台就能完成几乎所有工作。它拥有大量连接器,移动端应用体验出色,内置智能代理可相互交互。如果新增支持将用户接入左侧聊天栏的选项,就能成为完美的工作界面。
@mirobern目前仍持谨慎态度,但已经打算开放Grok Bot访问自己包含Claude Code、Codex等工具的业务环境。他已经用Grok Bot完成了6项事务:预约下周公证人办理遗嘱,为半个家人制定健康治疗计划、整理预约日程,搭建个人知识库,整理了混乱两年的Google Drive,结合出行计划安排好今年剩余的个人检查预约,规划好了秋季日本之旅。
这些都是个人事务,Grok Bot是本周刚推出的新产品。
Qwen3.8 27B编写了游戏代码,游戏完全在本地浏览器运行,场景素材由ChatGPT生成
开发者MaziyarPanahi让阿里Qwen3.8 27B大模型为他生成一款第一人称射击(FPS)游戏,最终得到了一个中式庭院场景,玩家可以在其中射击瓷制无人机。
游戏包含鼠标锁定、冲刺、换弹功能,按住Z键可以开启战术瞄准镜,运行过程完全在浏览器本地完成,运行时不调用任何远程资源。
生成流程为:阿里Qwen3.8 27B模型通过Hugging Face推理供应商生成内容,模型托管在FeatherlessAI。
庭院场景、武器和目标都是OpenAI的ChatGPT Image生成的原创素材,视频里展示的所有内容都在本地加载。
这一天的 134 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。