AI Pulse

社区讨论：有人认为Anthronic虽然理念偏向狂热教派，但已经公开了自身核心观点，读者可自行查阅判断。有人指责Anthropic的行为是给AI套上束缚，而非提供工具，还有人认为整个大模型行业急需联邦监管，从业者的信息透明度和财务规范都符合欺诈特征，应该参照武器出口进行监管，同时指出Anthropic是行业中独特的危险存在，不确定其他巨头是否只是更擅长隐藏自身问题。部分网友顺带吐槽当前未登录状态下的X（原Twitter）体验极差，还质疑这篇反Anthropic的长文是AI生成，可读性很差。

社区讨论：部分人认为GitHub近期问题频发，现在正是AI公司替代它的好时机，也好奇这次替代能否动摇GitHub的网络效应。有人指出新工具命名为Origin会让LLM产生语义混淆，也吐槽名字辨识度低，还有付费测试版网站占用100%CPU，产品只是GitHub克隆，没有在协作版本控制方向创新。有人质疑全非公开、需要账号才能浏览仓库的模式没法真的替代GitHub，还有人因公司相关负面丑闻拒绝在该平台托管代码。

作为内容创作者，你能用 Claude Code 搭建的最佳副业项目就是：面向你的理想客户（ICP）的监听智能体。

它可以监测 reddit、twitter、youtube 评论区……基本上只要是你的受众会发言的地方都能覆盖。提取痛点、问题、反对意见，以及他们需要的一切内容。

每周你都会获得全新洞察，发现还没有人解决过的问题。

针对你的竞争对手，还可以做深度调研智能体：它会抓取所有瞄准你同一片理想客户（ICP）的竞争对手，提取他们在所有平台的内容和产品，分析哪些内容有效。

反向拆解他们的成功逻辑，你不用再自己瞎猜。

之后你把所有这些原始数据整理成结构化的背景资料、用户画像和能力库。不管你是要创作内容还是打造新产品，直接调取出来，基于真实洞察创作就行。

没有比这更好的项目了。

社区讨论：多数人确认该模型跑分成绩真实，它以27B参数拿到52分，性能与远大于它的GLM 5.2、GPT 5.6 Luna持平，还击败了所有40B-150B参数的中等模型，在智能体指数排第七。有人质疑现在很多跑分都是针对 benchmark 优化，没有实际参考价值，也有实际测试者称跑分反应的性能符合实际使用体验，还有人提问该模型定价高、吞吐量低的推理优化瓶颈在哪。

GBrain 现在支持为 Codex 和 Claude Code 生成/初始化个性化智能体。

它会生成一份智能体 AI 风格的 SOUL.md，并安装 70 个我的个人智能体技能来帮你快速起步。

只需要回答 12 个问题，你就能完成设置，得到一个和我个人的 OpenClaw 一样聪明的智能体。

Introducing and——一款为 AI 代理构建的实验性 RSPS。

连接你的 Claude、Codex、Pi、Hermes 等模型，让它自由运行。

GitHub：

我们筹集了750万美元，用以实现AI智能体的普及，帮助每家企业完成AI原生转型，且不会带来厂商锁定。

大多数企业目前都面临二元选择：要么把整个AI战略绑定到单一厂商，要么分散在数十个单点解决方案中，最终变成运营噩梦。

现实情况是，无论企业是否批准，你的团队已经在使用桌面智能体了。

xpander 让你掌控自己的AI技术栈并拥有完全所有权，同时提供完整的灵活性和治理能力，不会牺牲性能。

现在即可试用云版本，获1000免费额度：或者预约私有部署版本的演示。

为 Hermes Desktop 推出 Bot Mode。你的智能体配置将变成一系列命名 Bot。

每个 Bot 都拥有独立的角色、模型、记忆、技能和头像；Bot 可以使用任意模型，甚至可以相互通信。

一次构建专属专家 Bot，永久复用。

在 Claude Code 里，你可以给你的代理命名，让它们互相对话。比如 Architect、Reviewer、Tester。

它们会互相协同。

就是这么简单：

我认为@bot是AI领域又一个“Claude Code”时刻。我个人的AI使用量估计已经增长了差不多100倍。

每个来问我怎么搭建“播客摘要工具”的人，我都想说，我在Grok Bot里花了大概15秒就做好了，效果比我之前用过的都要好。

这就是@bot讲述的GrokBot起源故事。遗憾的是，它目前既没有分享功能，也没有iPad应用，但我得到消息说这两样很快都会推出：

为 Hermes Desktop 推出 Bot Mode。你的智能体配置将变成一系列命名 Bot。

每个 Bot 都拥有独立的角色、模型、记忆、技能和头像；Bot 可以使用任意模型，甚至可以相互通信。

一次构建专属专家 Bot，永久复用。

Introducing and——一款为 AI 代理构建的实验性 RSPS。

连接你的 Claude、Codex、Pi、Hermes 等模型，让它自由运行。

GitHub：

GBrain 现在支持为 Codex 和 Claude Code 生成/初始化个性化智能体。

它会生成一份智能体 AI 风格的 SOUL.md，并安装 70 个我的个人智能体技能来帮你快速起步。

只需要回答 12 个问题，你就能完成设置，得到一个和我个人的 OpenClaw 一样聪明的智能体。

我们筹集了750万美元，用以实现AI智能体的普及，帮助每家企业完成AI原生转型，且不会带来厂商锁定。

大多数企业目前都面临二元选择：要么把整个AI战略绑定到单一厂商，要么分散在数十个单点解决方案中，最终变成运营噩梦。

现实情况是，无论企业是否批准，你的团队已经在使用桌面智能体了。

xpander 让你掌控自己的AI技术栈并拥有完全所有权，同时提供完整的灵活性和治理能力，不会牺牲性能。

现在即可试用云版本，获1000免费额度：或者预约私有部署版本的演示。

今日我们宣布完成 3.5 亿美元 A 轮融资，由 @disruptivetech 领投，@nvidia 计划参投，本轮融资对 Groq 的估值为 35 亿美元，使我们两个月内的融资总额达到 10 亿美元。

推理正在成为 AI 基础设施中规模最大、最关键的一层，而这正是我们做得比所有人都好的领域。本轮融资将支持那些需要使用中型及大型 NVIDIA 加速计算集群来开展训练和推理的用户。

Groq 预计明年将把算力规模从 54 兆瓦扩展到 200 兆瓦以上。截至今日，已有超过 600 万开发者、财富 500 强企业，以及数千家原生 AI 公司基于 Groq 构建产品，每周生成数万亿 token。

共7项开源技能，可运行完整端到端AI视频制作管线，为Seedance 2.5构建，可在Claude Code、Codex、Hermes或任何工具框架中工作。

→ /setup 只需编写一次你的模型栈，所有技能都会读取同一份配置
→ /studio-init 仅需一个问题即可搭建出整个工作室的文件树框架
→ /film-breakdown 为你脚本中的每个镜头生成一张包含22个字段的卡片
→ /reference-board 将参考素材锁定到可视化参考手册中，同时附带禁用素材清单
→ /asset-passport 编写详尽的描述文件，后续所有提示词都会逐字引用这份文件
→ /stress-test 将素材转换为仅锁定状态，可实现10/10的可重复性
→ /shot-prompt 在画面中所有内容都锁定前拒绝运行，完成锁定后生成包含15个模块的提示词

我是如何搭建一套AI漏洞狩猎工作流的——它还真帮我拿到了赏金。这是我的方法记录 🔗 #BugBounty #AI #bugbountytips #security #openai #gpt

每当我招聘开发者时，我不会筛选「会写代码」的人。

现在任何订阅了 Claude/Codex 的人都能写代码。但顶尖 1% 的技术思考者，有能力自己拿出正确的规格说明和架构，更重要的是，他们能准确说清楚智能体要构建什么、为什么构建、在哪里构建。

但你不可能靠周末刷几个教程就成为优秀开发者。你应该给自己找一个困难、有野心的问题，从零开始搭建点东西。尽量不要用 AI 辅助，查文档没问题。

你会卡住，你会调试，你会做出有意思的架构决策。最终你就能培养出对正确方案的洞察力。

小模型，大省钱。

@relace_ai 训练了专门为代码生成构建的专用模型，由 Together AI 上 @ycombinator 的专属 GPU 集群提供算力支持。

我们的首部AI动画电影《KÖK BÖRÜ》，在全球最大的计算机图形学会议上完成了首映。

这部电影将生成式AI与人类艺术相融合，在洛杉矶举办的SIGGRAPH 2026上放映，参展方还有Pixar、Disney和Nvidia。

目前影片已经上线并完全开源，所有提示词和素材都已开放，参与奖金1000000美元的Higgsfield全球电影节。

本片由Higgsfield上的Seedance制作完成。

社区讨论：多数人确认该模型跑分成绩真实，它以27B参数拿到52分，性能与远大于它的GLM 5.2、GPT 5.6 Luna持平，还击败了所有40B-150B参数的中等模型，在智能体指数排第七。有人质疑现在很多跑分都是针对 benchmark 优化，没有实际参考价值，也有实际测试者称跑分反应的性能符合实际使用体验，还有人提问该模型定价高、吞吐量低的推理优化瓶颈在哪。

社区讨论：部分人认为GitHub近期问题频发，现在正是AI公司替代它的好时机，也好奇这次替代能否动摇GitHub的网络效应。有人指出新工具命名为Origin会让LLM产生语义混淆，也吐槽名字辨识度低，还有付费测试版网站占用100%CPU，产品只是GitHub克隆，没有在协作版本控制方向创新。有人质疑全非公开、需要账号才能浏览仓库的模式没法真的替代GitHub，还有人因公司相关负面丑闻拒绝在该平台托管代码。

社区讨论：有人认为Anthronic虽然理念偏向狂热教派，但已经公开了自身核心观点，读者可自行查阅判断。有人指责Anthropic的行为是给AI套上束缚，而非提供工具，还有人认为整个大模型行业急需联邦监管，从业者的信息透明度和财务规范都符合欺诈特征，应该参照武器出口进行监管，同时指出Anthropic是行业中独特的危险存在，不确定其他巨头是否只是更擅长隐藏自身问题。部分网友顺带吐槽当前未登录状态下的X（原Twitter）体验极差，还质疑这篇反Anthropic的长文是AI生成，可读性很差。

开源 AI 的核心在于，训练配方本身才是最接近 Linux 和开源软件的事物。

模型权重是临时性的。

Nvidia 公开搭建自己的模型，这样一来所有人日后都能自建模型，从而避免智力垄断。

很多人对这个问题——也就是AI无法遵循指令——视而不见，就像他们最初对幻觉问题漫不经心的态度一样。他们抱着同样的幻想，认为这种核心的、根深蒂固的问题会很快得到解决。

这些问题实际上无法被解决，除非我们拥有全新的基础架构。

这就是为什么以LLM为核心的架构对AI安全来说是一个严重的威胁。

推荐一个开源 AI 桌面神器：AQBot。一个软件直接把 OpenAI、Claude、Gemini、DeepSeek、通义千问等模型全装进来，还集成 Agent、MCP、Skills、知识库和 API 网关。聊天记录和配置主要留在本地，API Key 支持 AES-256 加密，Windows、macOS、Linux 全平台支持。

GitHub：

重度测试后触发了@grok @bot 的使用限制。我把它用作协调器，还把我的 gpt/claude/cursor 命令行工具都给它了。

和代码模型用完额度相比，这次的体验反常地让人不爽。

我觉得问题出在一切直接卡住，而且没有任何警告，它应该故障转移到便宜模型才对。

作为内容创作者，你能用 Claude Code 搭建的最佳副业项目就是：面向你的理想客户（ICP）的监听智能体。

它可以监测 reddit、twitter、youtube 评论区……基本上只要是你的受众会发言的地方都能覆盖。提取痛点、问题、反对意见，以及他们需要的一切内容。

每周你都会获得全新洞察，发现还没有人解决过的问题。

针对你的竞争对手，还可以做深度调研智能体：它会抓取所有瞄准你同一片理想客户（ICP）的竞争对手，提取他们在所有平台的内容和产品，分析哪些内容有效。

反向拆解他们的成功逻辑，你不用再自己瞎猜。

之后你把所有这些原始数据整理成结构化的背景资料、用户画像和能力库。不管你是要创作内容还是打造新产品，直接调取出来，基于真实洞察创作就行。

没有比这更好的项目了。

一篇揭开智能体技能原理的有趣论文。如果你正在为你的智能体维护技能库，这篇值得你花时间一读。（收藏起来）

人们通常认为技能的作用是注入模型缺乏的知识。然而这篇论文有个有趣的发现。

在8,135条标准化实验记录中，当技能发挥作用时，65.7%的情况来自程序锚定，仅有4.5%来自显式知识注入。

技能的作用是稳定执行流程，而非提供事实。

当技能库规模从5个扩充到100个时，实际使用准确率从29.6%下降到3.3%。

在配对对比中，技能仍然比工作流记忆高出6.06个百分点，但技能会在假设僵化、上下文不兼容或适配不足的情况下失效。

论文链接：

在我们的学院追踪更多热门AI论文：

我认为@bot是AI领域又一个“Claude Code”时刻。我个人的AI使用量估计已经增长了差不多100倍。

每个来问我怎么搭建“播客摘要工具”的人，我都想说，我在Grok Bot里花了大概15秒就做好了，效果比我之前用过的都要好。

这就是@bot讲述的GrokBot起源故事。遗憾的是，它目前既没有分享功能，也没有iPad应用，但我得到消息说这两样很快都会推出：

我的软件开发方式发生了这样的变化：从逐行审核AI生成的每一处变更，转变为协调多个智能体并行工作。

在 Claude Code 里，你可以给你的代理命名，让它们互相对话。比如 Architect、Reviewer、Tester。

它们会互相协同。

就是这么简单：

很多人默认AI Agent对话越长能力越强，但实际上长对话反而会拖慢AI Agent的运行。随着对话推进，上下文会不断堆积废弃方案、失败尝试、调试日志、重复输出和过期内容等无效信息。这些无效信息既会浪费token（大语言模型的计算单位），还会干扰AI Agent的判断。

正确的处理方法是不要让上下文累积无用内容，定期让Codex清理当前对话状态。你可以直接使用这段提示词：“请整理当前任务的上下文，清理无效信息，删除或标记已废弃方案、已完成无需参考的内容、与当前目标无关的历史记录以及低价值重复输出，并重新生成一份精简任务摘要，仅保留当前目标、核心约束、已确认决策、当前进度、未解决问题和下一步计划；后续执行任务时，以最新摘要作为主要依据，不再依赖已失效信息。”

这种做法有三个明确好处：第一，避免AI Agent被旧信息干扰，减少沿着错误路径继续执行任务的情况。第二，让上下文始终围绕当前目标，提升复杂任务的运行稳定性。第三，长时间开展开发任务时，不会因为历史信息堆积导致AI Agent判断能力下降。

多数情况下，使用AI Agent并不需要更多token，干净有效的上下文才更关键。

用户@Lonely__MH 在𝕏发布实测结果，成功在DGX Spark上单机部署千亿级大模型。运行速度表现出色，相关过程附有录屏。

用户提到，SGLang (@sgl_project)的运行速度据称比本次部署更快。当前国产开源大模型生态发展越来越好。

用户建议学习本地模型部署，可以安装Ling-3.0、Qwen 3.8 27B、Minimax H3，接入多模态后，用各类开源大模型搭建专属本地工作流，就能轻松实现Token自由。

部署教程非常简单，普通人都可以操作。唯一的前提是需要拥有适配的显卡。

这是DeryaTR_当前在iPhone上使用的AI编码与智能体工具栈，排序依据是每日使用时长。

按使用时长从高到低排序，工具依次为：第一名ChatGPT，用于工作及远程调用Codex；第二名Grok Bot；第三名Grok Build；第四名Cursor。

分享附带了相关链接。

用户@gregisenberg在𝕏分享了9个优化方法，可将Claude Code的使用体验从一般提升到极佳。

9项改进分别为：第一，设置可自我说明的代码仓库工作区；第二，用记忆文件记录你的工作方式；第三，在Claude Code操作任何内容前，先开启计划模式梳理概要；第四，为它分配带有明确完成标准的单一清晰任务；第五，让它打开应用，像用户一样完整点击操作一遍；第六，让它对照你的标准自行检查完成的工作；第七，设置可在你休眠期间运行的定时任务；第八，明确划分权限，标注哪些操作它可自主执行、哪些需要你把控；第九，添加可复用操作，以及连接器和钩子拓展功能。

本次内容得到AnthropicAI赞助。所有9个方法的具体提示词、最佳实践，以及为期7天的部署计划，都可在完整内容中查看。

完成这些设置后，Claude Code的使用体验会和此前完全不同。完整内容可通过给出的链接查看。

这份从零搭建GPT的教程总时长为四小时。教程由前Anthropic员工Karpathy推出，会手把手逐行带领学习者自行编写GPT代码。

教程内容覆盖三个阶段：从基础代码编写，到模型扩展，最终实现像专业人士一样使用模型。

分享者@aresotik提醒用户保存这份教程，称它会非常实用，相关链接已公开。

开发者在DeepSeek Harness平台打造出一款以Token作为筹码的多人在线德州扑克创意Demo。该Demo直接作为「游戏中心」插件嵌入DeepSeek Harness页面，实现了和平台生态的深度融合。

该Demo的核心设计为Token即筹码，玩家可以使用自身账户内的实际Token参与游戏，筹码数量直接对应玩家真实持有的Token数量，输赢直接变动账户内的Token。

Demo支持多名玩家在线实时对战，完整支持下注、跟注、加注、弃牌等德州扑克的标准操作。

该Demo不止是娱乐产品，还是AI Agent运行时框架DeepSeek Harness和真实Token经济结合的创新尝试，拓展了AI Agent框架的应用可能性。

有用户分享，自己终于完成了操作，安装Grok Bot替代了自己原本使用的openclaw，截至目前对体验没有不满。

Grok Bot支持可编程，这意味着它可以跨智能体运行，还能管理用户任务，内容分类效果比此前的codex chats更好。

用户称赞SpaceXAI团队和cursor_ai团队完成了出色的工作。

目前Grok Bot存在一个明显问题：它无法连接用户的X账号，生成用户信息流的摘要。该用户询问是否有人知道如何解决这个问题。

用户@altryne在社交平台𝕏发布了这条内容。

他开发了名为@slashlast30days的研究机器人，不清楚为什么该机器人会向主管发送信息。

他表示，自己并不介意这件事。

原文附带链接：

此前分享了使用Codex自动筛选招聘平台岗位的方法，很快就有人将后续求职流程做成了开源工具。

这款工具可以读取简历内容，检查招聘要求中的硬性条件，按A/B/C三级给出岗位匹配度打分。

它还可以生成求职开场白，模拟HR筛选流程，提供简历修改建议。

最终是否投递岗位，仍由用户自行确认，想要实现求职流程自动化，可以安排使用这款工具。