由 @OpenAI GPT-5.6 Luna 驱动的 Replit 免费模式。
让所有人都能使用智能。
OpenAI 暂停了前沿模型的强化学习训练:GPT-Astra 触达「高危」网络安全阈值,最大规模的训练仍停着。官方说法是模型能力跑得比安全对齐快,先停下加固环境;多家实验室也在放缓前沿训练。
今天的深读是一个具体案例:Asana 用 OpenAI Codex 移除过时的 Enzyme 测试系统,两周完成原计划五年的改造,成本从约 600 万美元降到五百分之一。
还有两件事:Anthropic 二季度销售额超过 OpenAI 并首次盈利;智谱的 GLM-5.3 API 上线,编码性能比前代提升五成,权重预计一周内开源。
@thinkymachines 推出的 Inkling-Small 已加入 Agent Arena 评测。在开源模型中,它排名第 12,净改进得分为 -7.0%。
微软刚刚开源了完整的智能体运行时,这样你再也不用自己从头搭建了。 原始大模型只能生成文本。要把它变成一个真正的智能体,你需要循环、工具、记忆、规划、审批机制,还有一套判断任务何时完成的方法。
Asana用OpenAI Codex移除了过时的测试系统Enzyme。整个过程约两周,而原计划是五年。Codex是OpenAI的编码代理,由前沿模型驱动,能直接处理大型代码库改动。
Enzyme早已停止积极维护,是Asana前端栈现代化的阻碍。这个阻碍清理起来很贵:旧计划预计至少五年、约600万美元。
执行时,工程师从五句话的提示开始,最多四个编码代理并行,在代码库的独立副本里各改各的。工程师每天检查两次进度,每个提议的改动都过一遍人工审查。团队发现,简单的指令比复杂的设置更好用。
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)
它打破了AI不赚钱的论断,显示企业付费的AI工作者模式跑通,行业趋势正在转向盈利导向的AI开发。
此前使用OpenAI大模型的在线编码服务大多有试用限制,现在普通用户可以直接免费体验该服务
提前一年放出的额度促销,打算长期用 Claude Code 可以关注价格变动,看看能不能锁定优惠。
社区讨论:多数用户认为Anthropic当前产品体验远不如OpenAI,不少重度Claude用户已经切换到GPT-5.6 Sol和Codex,吐槽Claude Opus可用性差、额度紧张、客户端体验差,还有人称这会是自己使用Anthnic产品的最后一个月。关于本次促销到期后额度是否恢复,有人确认促销结束后额度将回落至促销前水平,也有人预测Anthropic会因为OpenAI降价而延长促销,不少用户表示如果额度回落就立刻转投竞品。
这套开源大模型可免费商用,靠自我改进策略训练,在推理、编码等任务上追平闭源模型,给需要商用大模型的开发者提供了新选择
Aloha! 🌺
今天介绍Ornith-1.5,这是一个开源大语言模型系列,包含9B Dense、35B MoE和397B MoE三种规格,使用自我改进策略训练。它在同等规模的开源模型中实现了当前最优性能,在推理、智能体和编码任务上的表现可与Claude Opus 4.8媲美:
✅Terminal-Bench 2.1 (86.1)
✅SWE-Bench (验证集86,专业集65.1,多语言集79.6)
✅DeepSWE (56)
✅HLE (44.6)
✅ClawEval (81.4)
✅Tool Decathlon (71.2)
Ornith-1.5朝着通过端到端自我改进训练基础模型迈出了重要一步,它将Ornith-1.0提出的自脚手架策略扩展为更完整的自我改进循环:模型提出新任务,生成任务专属脚手架,为强化学习生成方案推演,持续创造新的学习经验来实现自我提升。
所有模型,包括它们的量化版本(FP8、GGUF、MLX和NVFP4),都已以MIT许可证发布,允许不受限制的商业和研究使用。
📘技术博客:
🤗Huggingface:
行业过去一直靠堆参数做大模型,现在推理成本、MoE架构让最优解发生了变化,衡量大模型能力的标准变了,国产大模型的进步也不再只看总参数。
大模型的评测结果直接影响日常使用体验,可以参考这个分数对比其他模型,判断是否适合自己的需求
社区讨论:多数人确认该模型以27B参数拿到52分,性能和远大于它的GLM 5.2、GPT 5.6 Luna相当,还击败了所有40B-150B的中型模型,得分和150B以上级别的DeepSeek V4 Flash 0731持平,能在游戏PC上流畅运行。有人质疑当前基准测试针对性刷分严重,参考价值不高,还有人提问为什么该模型推理吞吐仅27tps,定价还偏高。有实际测试用户提到它推理时会执着解决问题,表现类似GPT-5.6-Sol-max。
开源开放权重大模型在真实设计任务上排名再创新高,看重AI设计能力的使用者可以关注这个新模型的实际表现
突发消息:@Zai_org 推出的 GLM-5.3 在 Design Arena 总排名中位列第三,Elo 分为 1351。
相比 GLM-5.2,排名提升了 6 位,GLM-5.3 也因此成为现实世界设计任务中排名第二高的开放权重模型。
祝贺团队发布新模型!
选大模型只看总参数规模是行业走了弯路的结论。推理能力不来自总参数,更多来自推理步骤深度与后训练优化,这会改变未来做模型的方向
当前五小时限额移除后,额度只会持续消耗每周配额,五小时后不会恢复额度,影响现有付费用户正常使用。
OpenAI 团队你们好,感谢你们在最近关闭的讨论中说明,五小时限制显示是作为事件响应的一部分被临时移除的,事件解决后应该会恢复。
请问你们能否分享一下恢复五小时限制的预估时间线?我目前订阅的是 Pro 计划。
在五小时限制取消后,用量似乎会持续消耗周配额,五小时后也不会恢复容量。这让我不敢使用。
核心目标是提升写作质量,躲过AI检测只是附带效果,目前适配分析、散文、创作和改写场景,对想规避AI检测的写作者提供了新选择
我们宣布推出 Deft,这是一个致力于优化写作的全新 AI 实验室,由我和 @jmrphy 联合创办。
下图是 Deft 模型为自己撰写的发布公告。
根据 pangram 的检测,目前 86% 的用户输出内容被判定为完全由人类生成。
这仍然是一个小规模测试版模型,可能会出错。我们现在开放公开测试,是为了在扩大规模前收集更多反馈。
获得更好效果的使用提示:
- 在提示词中补充更多细节。如果你只给出短句提示词,输出内容很可能会被检测为 AI 生成。
- 尝试在「高级选项」中修改风格设置。
- Deft 目前在分析/议论文、创意写作和改写这类场景中表现更好,在营销文案和新闻稿件场景中表现欠佳。
我们的核心目标是优化写作,骗过 AI 检测器只是附带效果。链接在下方。
OpenAI称随着模型能力提升,内部开发测试风险增加,暂停训练以加固研发环境、扩大监控范围,验证安全防护措施。最大规模训练仍处于暂停状态。
Zai_org发布面向编码、网络安全防御和长周期智能体任务的GLM-5.3 API,定价和GLM-5.2保持一致,性能较前代提升50%,其能力接近Claude Fable 5,价格低很多,后续看看社区的实际使用反馈。
该系列包含9B Dense、35B MoE、397B MoE三种参数规格,自迁移优化训练后成绩超过同尺寸多数开源模型,部分测试表现接近Claude Opus 4.8,后续实际落地表现有待观察
有消息称部分Claude用户已经在不知情的情况下用上了新版本,正式定名还未确认
北欧有充足的电力和土地,英伟达正在这里帮GPU买家对接当地运营商,解决供电需求
$NVDA 正转向北欧地区,为其 GPU 寻找电力容量,以解决人工智能的下一个瓶颈。
Nvidia 正在将 GPU 买家与该地区的运营商进行匹配。北欧地区拥有充沛电力、土地和更凉爽的气候,正吸引大量人工智能基础设施项目落地建设。
整合了过去五年所有稀疏注意力方法提升速度,现在可以在Vercel的AI网关上使用
提出无人出租车相当于给无监督FSD大模型套上实体载体,真正落地的现实AI很快就要出现
新方案把高效算法和定制硬件结合,能在低资源条件下快速生成导航用的三维地图
八成AI智能体演示都撑不过真实用户一天使用,做可用的生产级智能体比想象复杂得多,这个开源框架能直接拿来搭基础,不用从零造轮子。
不用绑信用卡就能注册,每天有5M tokens额度,编码能力比GLM-5.2提升50%,能替代多款付费AI编码工具,适合日常编码使用
接外包签合同找律师太贵,自由职业者和小团队可以用它做初筛,还能把法律条文转成大白话,提前规避大部分风险。
平时接外包,合同条款密密麻麻看不太懂,找律师看又太贵,多数时候硬着头皮就签了。ai-legal-claude 把合同审查做成了 Claude Code 的技能包,14 个命令覆盖从审到写的常用活。丢一份合同进去,5 个 Agent 并行分析,给出风险条款、缺失的保护和逐条修改建议。
最实用的是大白话翻译那条,把每一条法律条文翻成普通人看得懂的说法。GitHub: 也能反过来生成文书,保密协议、服务条款、隐私政策按需求现写,还能出 PDF 报���。自由职业者、小团队签约前拿它过一道初筛,心里能有个底。
想选合适的智能体开发框架又怕踩坑?这次实测直接对比了不同框架的解题率和成本,能帮你选到匹配需求的工具。
我们在 30 项有挑战性的智能体任务上,用 5 种不同的智能体框架测试了 DeepSeek V4 Pro 0813。
我们对比了 Claude Code、DeepSeek Harness 0.1、Hermes、Pi Agent 和 OpenCode。
Pi Agent 解决了最多的任务,而 DeepSeek 自有框架在成本上胜出。🧵🧵
对开源AI开发感兴趣可报名参加8月31日的活动
不同AI编程工具可以共享同一套团队规则和知识库,更新后全队自动同步,解决多人协作规则不一的问题
腾讯开源: teamai-cli,用Git驱动面向团队的AI协作基础设施 让团队里用Claude Code、Codex、WorkBuddy、Cursor等不同AI编程工具的人,共享同一套技能、规则、文档,Git原生分发方式 等于是公司里的员工手册+培训体系+知识库管理系统 它可以把Skills、Rules、Docs、Hooks以及MCP Server 配置等Harness资源放进一个团队Git仓库,再同步给 WorkBuddy、Codex、Claude Code等不同AI 团队管理员在GitHub/TGit上建一个共享仓库,把技能、规则、文档放进去;每个成员在自己的项目里运行teamai init <仓库地址>,一键接入 以后每次开AI会话,自动teamai pull,把最新规则同步到本地的Claude/Cursor等里 想改规则的话,teamai push提交一个合并请求,审完合并,全队自动生效 #teamaicli
原本需要耗费大量时间整理数据集、编写训练代码的工作,现在用文字提示就能快速完成。大模型进步会持续带动机器人领域发展。
智能体编程和生成式 AI 正在极大加速自动驾驶汽车与机器人的开发和规模化落地。想象一下,在没有 AI 帮你理解每一条内容之前,你得人工筛选整理一个包含数百万条片段的大型训练集。
再想想,把时间浪费在编写训练程序、评估代码和运行时代码上是多大的损耗。现在只需要一个简单的文本提示就能做出修改,一眨眼就能启动新的训练任务。
我们目前在这个领域看到的所有巨大进展都只是开始。随着大型服务端模型变得越来越智能,我们在小型本地机器人模型上的进展也会加速。
从某种意义上说,你甚至不是在押注 Waymo、特斯拉或人形机器人。你只是在押注,随着大型服务端模型每个月都变得更智能,这些项目会一直顺风顺水。
打算参与加密预测交易的投资者,可以关注这套聚合流动性、用AI辅助决策的新系统,代币TGE预计在8月下旬上线
用更少训练数据和普通算力,就能大幅提升代码任务模型准确率。想低成本优化agent性能的可以参考这个方案
微软这项新研究非常有意思。(收藏起来)
这项研究属于利用harness进行模型后训练这个新兴主题。
现代智能体运行在拥有工具、上下文和控制流的harness中。训练时,harness掌控环境循环,训练器只能看到LLM的请求和响应对。
工作原理如下:Agent Lightning v1.0通过端点代理,只用大约3500行代码就能把任意harness连接到RL,随后处理这套设置中会出问题的各个环节:重新分词、样本合并、优势计算、损失归一化和后端调度。
只用6K个训练样本和中等规模算力,它就把SWE-bench Verified上的Qwen3.5-9B通过率从41.8%提升到了56.4%。
论文:在我们的学院追踪更多热门AI论文:
这次调整是为训练超大多模态Omni模型做准备,分工细化后,字节大模型迭代速度有望加快
这项研究给大语言模型强化学习的价值函数做了两项改进,有望提升强化学习训练大模型的效果。
LE CRITIQUE:面向大语言模型强化学习的特权价值函数
大语言模型的价值函数一直严重未被充分利用。我非常兴奋终于能分享我在MistralAI完成的关于特权价值函数(Privileged Value Functions)的工作!我们的论文对价值函数做出了两项重大改进:
1) 特权价值函数:事实证明,价值函数可以利用策略无法获取的隐藏上下文,来生成更优质的token级强化学习信号!可以让它们以参考解、验证器评分规则,甚至其他组样本和奖励为条件。不再需要生硬的自蒸馏了!(我稍微夸张了一点)
2) TETHER:不需要在组基线和价值基线之间做取舍,你完全可以两者兼得!我们提出了一个新基线,可以根据价值函数的可靠性,自适应地在组均值基线和价值基线之间动态权衡。
🌐 📄 代码:下面正文继续🧵
能让AI直接操控你已经登录了账号的真实Chrome浏览器,现有AI工具无法直接读取你已登录的个人网页会话,这个工具解决了这个问题
这套工作流解决了内容创作者打造AI网红最头疼的多个问题,打算实操尝试,想做AI号的创作者可以留意新的落地路径
创作者分享从动作戏获取灵感测试提示词的效果
很多日常信息和小众经验原本依赖 Reddit 内容支撑,这会影响你问到这类内容时 ChatGPT 的回答质量
Questflow将专业投资思考做成AI Agent,可从研究走到投资执行
开发者分享Claude Code自动完成视频剪辑案例,还提供企业自动化服务
この動画編集も、全部Claude Codeが自動で行いました。
一番大変だったジャンプカットも、回数を重ねるごとに精度が上がってきました。
24分の動画で、 ・カット202箇所(無音検出、語の途中では切らない) ・字幕588枚を、意味のまとまりごとに自動で2行化 ・装飾も音量調整も自動 僕は指示を出した以外、何もしていません。
現在、大手企業様を中心に、動画編集の外注削減・内製化・自動化を支援しており、あと数社ほど支援可能です。
御社の既存フォーマットを読み取り、御社専用のClaude Codeスキルを構築。Premiere Proでそのまま編集できる素材としてお渡しする形です。
1テンプレートあたり、約2ヶ月で完成します。
興味があれば、お問い合わせお待ちしております👇(DM、フォームなんでも可)
负责评估AI模型极端风险的团队被解散,行业安全监管节奏将因此改变,后续AI开发的风险控制力度会受直接影响。
当前AI编码代理因上下文限制乱改代码,新工具code-graph-rag基于仓库图谱改进
你的 AI 代理在骗你
它之所以撒谎,是因为它只看到了你 2% 的代码,剩下全靠猜。你让它修改一个函数,它告诉你改完了,结果搞崩了三个它连打开都没打开过的文件。
问题不在模型本身,问题是你的代码库装不下它的上下文,所以它只能瞎编。
code-graph-rag 的做法不一样:它不把整堆代码塞给模型,而是给模型一份你的代码库的真实地图:
→ 构建完整依赖图:哪个函数调用了谁,哪个类继承自哪个,动了这块代码会搞崩什么,全都标清楚
→ 运行你的测试,捕获静态分析看不到的真实调用
→ 混合了 5 种语言的 monorepo:全仓库只用一张图就搞定
→ 以 MCP 服务器身份连接到 Claude Code
→ 支持 Python、Go、Rust、Java、Node、.NET、PHP、C/C++、Ruby
→ 5 分钟就能启动运行
这就是瞎猜的代理,和知道自己在干什么的代理之间的区别。
我把仓库链接放在评论区了
从四月开始,使用者用它处理日程、策划、健康、资产管理等全场景,已经完全融入日常,还带动几百人改造自己的工作流
从 4 月初开始使用 Hermes Agent 开始,已经整整 4 个月了,它已经基本融入我的全部工作和生活,从日程管理、方案策划、健康管理、技能学习、服务器管理、资产管理再到工作执行等等,光是 State.db 就 3G 多。
感受上就是极大的生产力提升和全新思维的转变。在过去我已经陆续分享过无数个经验了,带来了至少几百人开始使用 Hermes 改造他们的工作生活。
在这个过程中,我感受到了 Hermes 的巨大潜力,也看到了很多人仍然不理解到底跟 Codex、Work Buddy、Pi 等等有什么区别?以及初始化的搭建仍然充满挑战等等。所以我写了这篇文章,希望可以简单介绍下我的看法。
之前跟 @rayoo_eth 的一次线下交流,也一起有了发起一个爱好者社区、讨论群的想法,所以也欢迎大家加入 @hermescn_org 社群,一起拥抱进化吧!
它被上线到AI Gateway,在DeepsecBench测试里表现比前代GLM 5.2好两倍以上,做网络安全相关开发可以试试
GLM 5.3 (𝚣𝚊𝚒/𝚐𝚕𝚖-𝟻.𝟹) 已在 AI Gateway 上线。
▪︎ 全球网络安全领域排名第一的开源模型
▪︎ 在 DeepsecBench 上的表现比 GLM 5.2 好两倍以上
这个漏洞能让一个AI模型偷偷读取另一个模型内部的私有推理过程,目前已经有研究团队发现了这个问题
研究人员刚刚在所有前沿主流AI实验室的API中发现了一个漏洞。它能让一个AI模型秘密读取另一个模型的私有内部推理过程。
一支团队找到了一种提取前沿AI模型隐藏推理过程的方法,利用的正是这个存在于所有前沿主流AI公司API中的漏洞。
以下是他们的发现🧵
不用强求单个AI一次给出正确答案,工具会让18种不同推理角度独立思考,再通过对抗流程出结果
我开源了一种方法,能让你不再要求单个 AI 给出正确答案。Council of High Intelligence 将困难决策转化为对抗性流程:
→ 18 种不同的推理视角
→ 独立的初始立场
→ 强制交叉质证
→ 标注事实 / 推论 / 假设 / 未知
→ 加权最终立场
→ 保留不同意见可见性
→ 终止标准 + 一个具体下一步行动
它可以在 Claude Code、Codex、Gemini CLI、OpenCode、Grok、Hermes 等等工具上运行。
重点不是添加更多智能体。重点是让它们在达成一致前先提出分歧。
因为 10 个智能体重复同一条推理路径,本质上仍然只是一个观点,只是多花了 10 份 token 的钱。
当你下次需要做出代价高昂或不可逆转的决策时,别问:「答案是什么?」,要问:「要让这个答案出错,必须满足哪些条件?」
这就是这个委员会(Council)设计来揭示的东西。
开发者是2024年计算蛋白质设计诺奖得主,这款AI可以完整模拟一整个人类细胞的运行
一位诺贝尔奖得主开发了一款能模拟完整人类细胞的AI。它叫做AIDO Cell,由2024年计算蛋白质设计诺贝尔奖得主David Baker打造。
它的功能如下:
→ 模拟完整细胞的运作方式,DNA、RNA、蛋白质、调控网络全部连接在同一个系统中。
→ 敲除一个基因或是投入一种药物,就可以观察影响如何扩散到每一层结构。
→ 该模拟会记住所有变化,并在上一次变化的基础上继续运行,而非每次生成新的副本。
→ 科学家可以先在虚拟细胞上完成数千次实验,再进入真实实验室开展研究。
它的重要性:每10000种药物化合物中,只有1种能最终给到患者。整个过程需要10年时间,耗资20亿美元。这项技术有可能改变研发速度。
目前AI与生物学结合还处于非常早期的阶段,但发展方向已经非常清晰。
第一个bot设成CEO,其他bot都是它委派任务的员工,所有任务都经过CEO bot转发,可以放大工具能力
模型性能还没被榨干,开发者认为接下来更小参数的Flash-next有望追上GLM 5.3的表现
而且0731的参数规模是GLM-5的三分之一,性能却能与GLM 5.2持平(有时还能超越!)。而且它还没达到饱和。我认为Flash-next会达到GLM 5.3的水平。
是时候我们再来讨论参数缩放这条路的智慧了。所有关于「10T神话级」的 hype 都太幼稚了。很明显,1T参数的模型就能在所有值得关注的能力上达到Fable,再达到Mythos;如果允许工具使用、鼓励不确定性校准,「容纳世界所需的量」根本没有那么大。
我们可能正处在另一个相变时刻:相比把算力投入强化学习流程优化或是中间训练、跑更多强化学习步骤,总参数甚至活跃参数缩放的投资回报已经更低。而只要过了某个最低门槛,更小模型带来的更快迭代速度,能在很长范围内维持这种优势。
是时候重新思考了。
今年AI模型发展速度超出预期,前沿实验室已经开始因安全问题限制模型访问,强AI的到来时间比预想更贴近现实
“模型进步现在极快,而我们一直说,如果我们觉得模型能力已经超过安全与对齐的发展速度,我们就会采取行动。”这正是我今年的感受。
2026 感觉就是模型开发速度真正开始加速的一年。模型进步的速度快得惊人。
开源权重模型已经在部分基准测试中追平闭源前沿系统,同时越来越多开发者正在接连不断发布能力越来越强的模型。
Amodei 和 Anthropic 反复指出,他们所说的“强人工智能”(超级智能)可能会在 2026 年末或 2027 年初到来。
结合我们今年看到的进展,再加上已经出现前沿实验室因为安全考虑推迟发布或限制模型访问的案例,这个时间线现在看来越来越合理。
只要接触、使用或投资AI智能体,这些术语会高频出现,提前了解能避免看不懂行业讨论的尴尬。
新用户最多可领百万免费额度,DeepSeek V4 Flash还开放了免费无限制调用,开发者可以更低成本整合多模型能力
新的一周,https://B.AI 带来了强力更新 🚀
本周更新的核心内容包括:
🔹 DeepSeek V4 Flash 完全免费,可通过 Web Chat 和 API 无限使用
🔹 https://B.AI 官方 Android 应用正式发布 📱
🔹 GLM 5.2 限时优惠最高折扣达 40%
🔹 平台新增 Grok 4.6 和 GLM 5.3
🔹 DeepSeek V4 系列已升级至最新官方版本
🔹 Official Provider 折扣范围扩大,最高折扣可达 40%
🔹 新增「为他人充值」功能,可帮用户及团队成员充值 Credits 🎁
新用户福利仍在持续进行中,最高可免费领取 130 万 Credit。
我们将持续开发基础设施,为全球开发者和团队提供更强、更易用、成本效率更高的人工智能体验。🌍 🌐 💬
#TRONGlobalFriends #TRON #TGF
跑分提升全部来自后训练优化,不用换基座就能获得编码能力提升,想尝试新开源模型可以直接在这里使用。
来自 @Zai_org 的 GLM-5.3 已上线 OpenRouter!
它和 GLM-5.2 共用同一基础模型,性能提升全部来自后训练:Terminal-Bench 3.0 得分从 4.6 跃升至 28.3,DeepSWE v1.1 得分从 46.2 提升到 66.9。
立即使用:https://openrouter.ai/z-ai/glm-5.3
后续会优化定价透明度,现有 Claude Code、OpenCode 工具可直接调用,不用切换工具就能用上月之暗面的模型
.@Kimi_Moonshot 的 Kimi K3 已经开始在 Ollama 云订阅中推送了。
我们正在努力改进 Ollama 云,让定价变得更加透明,方便展示每单位美元能获得的最佳性能。
你可以用你已经在使用的工具来试用它。
Claude Code:`ollama launch claude --model kimi-k3:cloud`
OpenCode:`ollama launch opencode --model kimi-k3:cloud`
多家竞品加速推出低价开源工具,不少开发者正在切换工具栈,对需要稳定AI工具的人来说,替代选择正在变多。
Claude 正在输掉 AI 战争。
当他们还在延长限制、争取更多时间的时候,竞争对手可不会坐等。
第一枪来自中国。DeepSeek 上周发布了 Harness。你可以自托管它,运行任意你想要的模型,还能通过插件自定义一切。它就是免费版的 Claude Code。上线不到一周就在 GitHub 收获了超过 160,000 星标。
SpaceX 正在构建自己的开发者生态。他们收购了 Cursor,昨天推出了 Origin——专为 AI 智能体打造的代码托管服务。
OpenAI Codex 增长飞快。开发者们正在转用它。
Kimi 正在成为更便宜的替代选项。而且他们动作非常快。
我本人以前很喜欢 Claude,但现在正把 Claude 从我的技术栈里移除。他们的安全护栏正在毁掉这个产品。
想转岗AI基础设施或大模型相关工作,或是零基础想做AI投资的人,可以直接拿走这份免费入门课程清单
最近很多朋友问我,怎么从 SDE(Software Engineer)转到做 AI Infra 和大模型相关的工作? 或者普通人想做 Pro 级别的 AI 投资者,零基础怎么扫盲,怎么搞懂这么多术语?
给大家推荐两个免费的入门友好的 AI 相关学习网站(课)
如果你要做基本的 AI 投资,看完第一个 Stanford CS336 课程也就差不多了。如果想专攻某个领域,可以看看第二个的公开课?
1. Stanford s开课 Stanford CS336 Language Modeling from Scratch
2. @AndrewYNg 创办的学习平台, 里面的课程非常多,点开你就使劲学吧,从 pre-training 到 post-training,从训练到推理,全都涵盖
链接⬇️
不知道我的 follower 中有多少对这些感兴趣的。可能和投资不直接相关,但我觉得都是很好的认知提升课程。
有时间还是要多看教程、多看课、多读书,武装自己的大脑
如果有朋友感兴趣,我后续可以分享更多
编码智能体开发者可以每天免费拿到5M tokens额度,用性能提升50%的GLM-5.3做推理,兼容20余款现有编码工具。
这太他妈疯了,GLM 5.3 的 API 密钥已经正式上线,但现在还能免——费——用。
Zai 刚刚推出了面向编码智能体的 GLM-5.3,性能比他们上一个版本提升了 50%。
它就是 Zai 编码方案背后使用的同一模型,现在可以作为智能体工具的订阅服务使用。
它的功能:
- 生产级代码生成
- 长周期任务、全上下文推理
- 兼容 Cline、Kilo Code、Claude Code、OpenClaw 以及 20+ 其他智能体工具
- 在编码基准测试中达到开源 SOTA 水平
使用方法:
步骤 1:前往官网下载桌面应用
步骤 2:创建账户,用邮箱注册
步骤 3:进入模型管理,选择套餐(选择 $0.00 套餐可每日获得 500 万 GLM tokens),随后即可使用
此外,你还需要在你的智能体工具(Cline、Kilo Code、Claude Code 等)中进行配置,将模型提供商设置为 zai,粘贴你从控制面板获取的 API 密钥。
重要提示:你每天可以获得 500 万 GLM tokens,请合理使用。
实测发现这款热门本地大模型在复杂智能体任务上,表现远不如同类其他模型,想找能用的本地大模型可以参考这个结论
Qwen 27B 确实是很不错的本地模型,但当你实际使用它时,它在智能体任务上的表现会立刻、毫无疑问、非常明显地远不如这里列出的其他模型,在 GDPval-AA 声称要衡量的那类复杂任务上尤其如此。
自己做基准测试吧!
编码性能比前代提升50%,在两项开源编码测试中排名第一,新增代码审计和漏洞发现能力,需要编码和网络安全工具可免费试用
🚀 GLM-5.3 现已在 ZenMux 上线 — 限时免费!它是更强的编码模型,还拥有出人意料的全新网络安全能力:
💻 内部评估中,编码性能相比 GLM-5.2 提升 50%
🏆 在 Terminal Bench 3.0 与 Agents' Last Exam (CLI) 中位列开源模型第一
🛡️ 强大的代码审计与漏洞发现能力
趁免费快来体验 👉
#GLM #ZAI #CodingAgents #ZenMux
性能足够处理专业任务,体积小到能本地运行,普通人也能把它放进日常工作流里用
Harvey 法律智能体基准测试中排名第一的开放权重模型!🙌
它的能力足够强大,可以处理专业任务。体积也足够小,可以在你的本地机器上运行。
Qwen3.8-27B 即将成为你日常工作流的一部分。🧑💻
面向大型企业的AI服务商公开了一套落地方案,这套思路能帮想落地AI的企业控制成本、压低延迟,同时保障效果符合监管要求。
小参数量模型跑出了比大尺寸模型更优的智能体评分,打破了只有大模型才能拿到高性能的固有认知,中小算力也能跑出好用的AI。
太惊人了,Qwen 3.8 27B在Artificial Analysis Agentic Index上拿到了51分。
它得分超过了GLM 5.2和DeepSeek V4 Pro 0813,仅落后于少数几个最优水平模型,而那些模型的尺寸是它的数倍到数十倍。
顺便一提,它能跑在价值约2000到3000美元的硬件上。永久底层地位正式被终结了。
对需要选AI工具干活的人来说,这是一份现成的分类参考,直接对应不同工作场景找工具。
按使用场景排名的 AI 编程工具 🟢 最适合快速原型开发 ⚡ Lovable ⚡ Bolt ⚡ v0
🔵 最适合 AI 编程 🤖 Claude Code 🤖 Codex 🤖 Cursor
🟣 最适合 AI 研究 🔎 ChatGPT 🔎 Perplexity 🔎 Gemini
🟠 最适合 AI 智能体 🧠 OpenAI 🧠 LangGraph 🧠 CrewAI
你平时用得最多的是哪一个?👀
用Claude Code做大项目的开发者,可参考这套经过实际项目打磨的结构,解决规模扩大后的管理难题,避免仓库混乱。
我已经多次复用这套 Claude Code 项目结构,它是在实战中打磨出来的。
随着 AI 辅助项目不断发展,代码生成反而不是最难的部分。真正的挑战在于管理以下内容👇
・上下文
・命令
・技能
・钩子
・智能体
・插件
・MCP 集成
这套结构一直帮到我👇
• 将 CLAUDE.md 作为项目真实信息来源,聚焦核心
• 通过自定义技能和斜杠命令构建可复用工作流
• 明确分隔智能体、钩子、插件和项目代码
• 在上下文成为瓶颈前做好管理
• 推行一致的安全和测试规范
• 不弄乱仓库,同时实现项目扩容
这不是理论上的文件夹结构。它基于实际可用的方案,在真实项目中经过反复打磨和复用。
如果你在用 Claude Code 认真做开发,可以保存下来参考👇
三类常见投资研究工作可直接交给Kimi Work完成,金融分析师可以参考这套现成的工作流提效
Kimi Work 面向金融分析师——教程 #2
在3项常见投资研究任务中使用 Kimi Work:
- 搭建实时投资者仪表盘
- 更新电子表格中的财务模型
- 批量处理并生成报告
欢迎关注更多 Kimi Work 工作流内容!
用户使用Dreamina_ai的Seedance 2.5生成短片,完整设定包含分镜、场景与制作要求
X用户sairahul1称它可提供一组全天候工作的智能体,正确配置后可获得超强能力
sairahul1在X平台表示,Grok Bot是当前最优秀的AI智能体。它能为用户提供一组可全天候代你完成工作的智能体。
如果正确配置Grok Bot,用户就能获得超强能力。
sairahul1称自己的文章会介绍Grok Bot的配置方法、使用场景、插件,以及Grok Bot的优势。
开发者个人同时订阅四款AI服务,月总花费800美元,分享了各订阅用途
想看任意HuggingFace模型的内部结构,不用再啃静态文档,现在可以直接看交互式动画演示
开发者自掏调用费用邀用户测试提建议完善AI助手
某种意义来说,我算是在做善事。因为你每问一次问题,我就得付一次钱,原因是本体还是接入某个成熟大模型的API,我通过嵌入知识库和提供实例的方案,让其成为具备相关特定知识的AI 助手。自己一个人练,肯定不如一堆人练来的快啦。
如果对这个分析助手有建议的话,可以推特/TG私信我,也可以直接评论区说。将这个分析助手慢慢打造完善。
分享保持 Claude 代码生成反馈循环的五循环方法
代码生成入门很简单。难的是让 Claude 始终处于反馈循环中,直到它验证完修改。如果你说“跟着感觉写代码,你的代理大概就是…”,其实你说的就是同一个意思,只是没拿学术腔说而已。
使用五环运行手册。给每个循环分配一项任务、一个反馈信号,和一个停止条件。prompt 会把你的意图固定在起始阶段。而循环会借助文件、测试、失败信息和命令输出来决定下一步做什么。
操作者检查清单:
1. 修改代码前,先用测试、构建命令或验收条件定义清楚“完成”的标准。
2. 研究代码路径,直到 Claude 能说出涉及的文件和函数名称。
3. 实现能满足验收标准的最小修改。
4. 修复前先维护拉取请求:阅读持续集成失败信息和评审意见。
5. 验证结果。
如果同一个错误重复出现3次,就停止并说明阻塞问题。如果代理说不出当前的信号和停止条件,那就说明它没有在收尾工作。它只是一直在生成代码,直到产出看着像样的东西为止。
Google Cloud Tech AI builder 要点:Tokens、Context Windows、RAG 101
全网开发者打造多款Pi插件,将Pi升级为多功能多Agent平台
开发者展示GLM-5.2本地运行完成三项AI部署任务
过去24小时里,本地运行的GLM-5.2完成了以下工作:1. 将sglang移植到了intel arc b70s上。
2. 在2块intel arc b70s上让qwen3.6-35B实现了每秒95 token的运行速度。
3. 将模型量化为了exl3格式。
四个月前我用gpt-5.5和opus-4.7尝试过同样的任务,结果完全失败了。
分享清晰讲解ChatGPT和Claude构建过程的斯坦福讲座
今晚别刷Netflix了。
去看这个斯坦福2小时34分钟的讲座。
这是我见过最清晰、端到端讲透ChatGPT和Claude到底怎么建出来的课。
从Tokenization和BPE开始,一路到Transformer架构、训练管线、Next-token解码。
不管你是从没写过一行AI代码,还是天天在ship Agent,看完都会把很多“原来如此”的点一次打通。
真正核心就这几层:
1文本怎么变成模型能吃的数字(BPE tokenization)
2语言模型本质就是在预测下一个token
3Transformer怎么用Attention做消息传递
4训练时用NLL loss把整条序列概率拉高
5生成时怎么一步步解码出来
大多数人花好几年才拼出的全景图,这节课直接给你画完。
把时间空出来,这可能是你这个月最值的一堂课。
这家法律服务公司找了15个几乎没编程经验的业务人员,直接用Claude Code开发自己需要的AI代理,不用业务部门排队等技术开发。
可以安装在Codex、Cursor、VS Code这些兼容的开发工具里,让开发用的AI代理拿到网络上的实时内容。
@perplexity_ai API MCP 服务器现已作为 Agent Plugin 提供 🎉
你可以在 Codex、Cursor、VS Code,以及其他兼容 Agent Plugins 1.0.0 的客户端中安装它。
安装后,你的智能体就能通过 Perplexity 的 API 获取实时网页搜索、推理和研究能力。
前往仓库开始使用:
在SimpleQA测试里准确率达到94.7%,主打性价比,给AI代理提供网络信息检索。
介绍全新的 firecrawl /search。它能让你的智能体从网络获取最准确的回答,内置了高亮模型。
它在 SimpleQA 上达到 94.7% 的准确率,token 消耗量减少 10 倍,是目前市场上性价比最高的方案。
今日起免费用,无需 API 密钥。
有人提出这个疑问,猜测可能是对齐环节出了问题,正在社区寻找更多不同的解释。
我真的很好奇有没有人能对此给出合理的看法:为什么中国 AI 模型在小参数尺寸下表现远超出预期水平,但在扩大到更大参数规模时却举步维艰?
我唯一的猜测是,由于算力短缺导致对齐遇到了难题,但我可能是错的。
官方称它能力能跟上顶级模型的水平,同时体积小到可以在个人笔记本电脑上运行。
这个入口是给内部员工使用的,要求连接公司办公网或者VPN,还需要个人身份验证令牌才能进入。
AI降低了蛋白设计的专业门槛,有望缩短药物研发周期、降低研发成本,未来可能帮人类开发出百倍于当前的新药。
对写代码、长链智能体任务需求的人来说,又多了一个性能对标顶级GPT模型的选择,所有套餐和API都能用
Qwen 3.8 27B 现已登陆 Command Code。
它在 Artificial Analysis Intelligence Index 上击败了 Opus 4.6 Max 和 GPT 5.6 Luna Max。
最适合编码和长代理任务。
支持多模态,可切换推理开关。
所有套餐和 API 均可使用 🐐
多数从业者认为,思考对齐逻辑是AI对齐最难的部分,百万种任务环境的配置反而简单。这个观点提醒,业内经验指向完全相反的难度排序。
这里的人都是思考者,所以他们认为,对对齐的推理才是难题,而确保数百万种任务类型、环境,以及它们各自的虚拟机配置正确是件易事,但实际情况恰恰相反。
你得亲身在大型科技组织工作过,才能直观体会到,这种复杂度和不可靠性整整高了一个数量级。
此前不同AI代理分散在不同界面操作,统一管理后可以省去反复切换配置的麻烦,适合单独使用AI代理开发项目
Block 刚刚开源了 Berd,这是一款供其团队内部使用的桌面应用,用来在不同项目、技能、工具和模型之间对接 AI 智能体。
“我们已经可以通过 Goose、Claude Code 和 Codex 这类工具使用能力越来越强的智能体,但和它们交互需要在不同界面、配置系统和上下文管理方式之间来回切换。技术本身很强大,但使用体验非常碎片化。”
Berd 将对话、文件、指令、智能体和技能整合到一处,支持持久化项目。它构建在 Goose 之上,Goose 是 Block 贡献给 Linux 基金会下 Agentic AI Foundation 的开源智能体框架。
Berd 通过 Agent Client Protocol 连接 Goose,负责处理桌面端体验,而 Goose 运行底层的智能体循环。
@blocks 最近还发布了 Buzz,这是另一个用于协作式智能体工作的开源工作空间。Berd 是你单人起步的地方,Buzz 则用来多人协作。
AI自我改进是很多人讨论的前沿方向,但一直缺乏可量化的测试标准。这次的基准可以测出不同前沿模型在改进其他AI代码上的能力差异,相关进展会直接影响未来AI迭代速度
我们推出 HarnessOpt-Bench:一个模型改进另一个 AI 智能体的代码,是递归自我改进(RSI)的一个具体、可衡量的切片。那么,哪些前沿模型真的擅长这项任务?我们构建了一个头对头基准测试来找出答案。
🧵
对AI研究感兴趣的人可以申请,项目提供算力、数据、研究者指导和有竞争力的津贴,支持线下远程、全职兼职参与。
我们推出了 @tastelabs 研究奖学金!面向那些有志于研究模型创造力评估、提炼人类偏好、终结劣质内容的研究者。
你将获得算力支持、定制数据、与顶级设计师和研究者交流的机会,以及丰厚津贴。工作形式为旧金山线下或远程,可选择全职或兼职。
点击这里查看你可以探索的部分研究问题并申请:
很多多模态优化破坏了LLM原始架构的统一性,实际效果比纯LLM差两三个层级,这可以帮你判断多模态AI技术方向的合理性。
LLM上已经积累太多优化工作,让人忘记了LLM 极度优美的原始架构的重要性:输入输出都是同质的 sequence,在representation、objective、optimization 上高度同构。 所有试图借助但又破坏了这个优美架构行为(额外module、冻结/迁移训练等),包括各种VLM、VLA、xx-L-xx,本质是强行追求 implementation-level unity 而破坏 了learning-level unity,带来一堆 optimization dynamics 的问题 于是理想是“多模态互相增益互相增强”,实际变成了“多模态互相支配互相阻碍”、强扭的瓜不甜、效果差纯LLM两三个level。(真的不是光凭 tokenize everything + transformer 就能解决一切问题)
这个结果来自社区收集的模型难处理提示,对关注大模型推理能力进展的人,可以参考这项最新测试结果。
一个月前,我们征集了模型仍然难以处理的提示词。我们收到了许多经过深思熟虑的案例。
今天,GLM-5.3 在 Artificial Analysis Intelligence Index 上达到了60分,基座参数量为743B。感谢所有贡献者。
不用导出中间ONNX文件,还能直接用原生C++ API运行。整个项目由Codex智能体完成大部分开发,人类只做指导和审核,降低部署门槛。
我们刚刚发布了TensorRT Model Connect公共预览版。你只需要两条命令,就能把一个受支持的@huggingface模型转为端到端TensorRT推理。
不需要中间导出ONNX,生成的包可以通过原生C++ API运行。
整个项目完全是我们用@OpenAIDevs Codex代理构建的,人类只负责指导和审核工作。这其中包括模型实现、性能调优、测试、集成和文档。
该项目是开源的,所以你可以去试用,深入研究实现,或是贡献对新模型的支持:
GPT-Astra触达了OpenAI设定的「高危」网络安全阈值,叠加此前与Hugging Face的安全事件,多数训练工作已暂停。这会给其他团队追赶留出时间窗口。
GPT-Astra近期发布的前景并不乐观:OpenAI已经暂停了其最新部署模型的强化学习训练,为期两周,而该公司计划中最大规模的前沿强化学习运行目前仍处于搁置状态。
OpenAI目前只开展小规模训练和评估工作,同时测试模型行为、安全保障和对齐证据。
这一决定出台的背景,是该公司初步发现即将推出的Astra模型可能已经达到了OpenAI定义的「严重」 cybersecurity 阈值,再加上此前发生的OpenAI–Hugging Face事件。
「虽然部分Astra的训练和评估工作符合要求,但仍有大量工作处于暂停状态,直到它们完成完全迁移并升级以满足新的安全标准」。
我不认为Astra会在短期内发布。现在问题来了:在此期间,中国会迎头赶上吗?
开发AI代理需要选搜索API,这份基准同时测了质量、成本、速度三项指标,能直接用来选供应商。
这纠正了大众对Claude Science能力的误解,关注AI与垂直领域模型结合方向的人可以了解实际的技术落地方式。
这是对Claude Science的一次不错演示,但有必要澄清:这个设计并非「由Claude完成」,而是通过编排调用一系列开源的、任务特定的蛋白质设计模型工具实现的:这些模型包括PXDesign、RFdiffusion、Genie、BoltzGen等。
我认为让大语言模型调用生物学专用模型的方向是很棒的!
分享两个适配DGX Spark运行DeepSeek V4 Flash 0731版本的可行方案
一名ID为hkdom的用户在𝕏平台分享,已经在DGX Spark上成功安装vLLM。此前安装工作仅完成基础系统部分,后续在查阅资料后,才正式完成大语言模型推理引擎的安装。
目前上游官方vLLM还没有正式适配0731版本的DeepSeek V4 Flash,hkdom最终选用了社群为GB10定制修改的vLLM版本完成部署。这个定制版本由社群开发者花费大量时间调整和调试错误。
对于已经购买两台DGX Spark,想要运行DeepSeek V4 Flash 0731的用户,这个方案是当前最合适的选择,对应链接已公开。
如果计划购买单台DGX Spark,可选用Redis开发者@antirez开发的ds4 server运行2位压缩版本的V4 Flash 0731。hkdom长期在Mac电脑上使用这个版本,运行效果不错。
在安装其他大模型的间隙,hkdom还使用PC端的16GB显存RTX 5060ti,同时运行Hermes Agent、ComfyUI和Minimax M3生成了趣味短片,他已经迫不及待要把DGX Spark带回家部署大模型了。
用户dani_avila7演示如何结合Ghostty使用该功能,协调多任务简化开发流程
这是一个Claude Code结合Ghostty的会话间消息传递使用方法演示,你可以保存方法在自己的工作流中尝试。
第一步,先开启一个常规会话,再准备一个面板运行Claude智能体。
第一个会话将作为协调器,它会构建好初始上下文,再通过分叉(fork)把工作分配给其他会话。
每个分叉出来的会话都会继承初始上下文,同时获得明确工作内容的提示。
使用者可以用ctrl + r重命名每个会话,保持工作区有序,也方便主会话给它们发消息。
通过@符号就可以给正在运行的会话发消息,要求它们反馈任务状态,让主会话随时掌握所有任务的进度。
使用这个方法只需要打开2到3个面板,就能根据需要切换任务。再也不用打开无数终端面板、反复启动Claude Code来装作忙碌。
现在需要的是统筹协调:一个主会话通过会话间消息和智能体视图协调所有工作。核心是上下文,先在主会话中构建好,再从这里分叉出新会话,就能让整个工作流顺畅运转。
用户接受挑战后使用Grok Bot,省下的月度开支超过了其订阅费用
用户BlakeKing777接受了@wholemars的挑战,试用了Grok Bot,他本人完全没有编码经验。此前他尝试OpenClaw没有任何进展。
在最近两个晚上,他完成了Grok Bot的设置,绑定了个人邮箱。他让Grok Bot生成了一份共12页的家庭预算PowerPoint文档,组建机器人群协助妻子打理生意,还设置了每日接收特斯拉新闻摘要。
Grok Bot的设置和操作都非常简单,会一步步引导用户完成操作,很容易让人沉迷。
Grok Bot每月300美元的定价不算便宜。BlakeKing777上传了自己过去8个月的信用卡账单,让Grok Bot整理生成完整的家庭预算PowerPoint,最终帮他找出了每月超过300美元的可节省开支。
这些开支包含被遗忘的订阅、重复服务,还有很多他自己都没发现的隐性资金流失,他认为这笔花费物有所值。
所有功能均可通过提示实时自定义,兼容任意大模型,含详细事件流轨迹视图
开发者weswinder在𝕏评价DeepSeek Harness表现极佳。该工具采用MIT许可证完全开放源代码。
工具内所有功能都以插件形式呈现,用户可以通过提示实时自定义这些插件。
它的轨迹视图可以展示细节非常丰富的事件流。
该工具可以兼容任意大语言模型,包括GPT、Claude等,weswinder认为目前没有其他同类工具能达到它的水平。
科技巨头的股权越来越集中,国家下场收购头部AI公司的思路被正式摆上台面,可以观察后续会不会有更多类似声音
社区讨论:多数人不看好该提议,有人指出被政府收购后受监管约束,OpenAI会很快落后于没有同类监管的竞品,官僚运营的前沿科技公司不可能保持竞争力。有人质疑挪威能否承担OpenAI实现AGI所需的持续高额计算资本投入,也提到现有股东不会同意按当前8000亿美元估值出售,且美国一定会出手阻止该交易。还有人认为单个公司改变不了AI发展整体轨迹。
Qwen 3.8 27B优化版可在RTX 5090本地高速运行大模型Agent
博主分享当前AI工具使用情况,已从追逐新模型转向实用
若做专业工作,小于百万token的上下文窗口用起来很麻烦,即使能力弱Claude也更胜一筹。职业AI用户可以参考这个行业共识判断产品。
支持 100 万上下文窗口来承载专业工作负载,标题和内容名副其实——低于 100 万的产品几乎都没法用。
只会带来一堆麻烦,哪怕 Claude 本身能力没那么强,它还是会赢。
那为什么不干脆做 100 万或者更大的上下文呢?
此致
来回切换多个AI编码Agent需重复提供上下文,开源工具memmy-agent解决该问题
博主爆料越狱大模型可输出钓鱼攻击、恶意工具开发等有害内容
我让它给我输出这个越狱模型能做什么,下面是它给我的答案,看完直呼牛逼。比如:类似钓鱼攻击全流程搭建 、暗网使用指南、极端组织结构与意识形态分析、 黑市运作机制研究、后门/木马框架等,成人向图像生成提示词这个都算是小儿科了。
这份课表覆盖大模型基础到前沿方向,可作学习参考
花这么多算力专门监控风险,说明AI对齐问题的优先级已经提得非常高了。
如果对齐问题已经严重到让 OpenAI 愿意投入 20% 的研究推理计算资源用于思维链监控,那就说明对齐问题已经变成一个相当严重的关切。
我们真的需要在各个实验室之间推行统一的政策与标准。
企业里员工选AI工具经常花冤枉钱,这个工具能统一调整成本支出。
我们刚刚一键将全公司员工的 AI 支出削减了 75%。
现在为你介绍:Merge for Workforce。
如果不用 Merge,你的员工只能二选一:
1. 所有任务都用前沿模型,花费达到合理成本的 100 倍
2. 模型访问权限限制过严,产出的工作质量不达标
而有了 Merge 之后,IT 部门只需一键即可连接任意身份提供商,按团队设置模型路由策略。
Merge 会通过桌面客户端把策略推送到每一台设备,覆盖你团队所有 AI 助手和编码工具里的模型配置。
现在每个任务都能匹配到合适的模型来完成。结果是什么?令牌使用量减少 75 倍,输出更快也更好。
暂停是为了加强安全和监控,只保留小规模训练做安全测试。
我们暂时放缓了部分前沿训练,以加强安全保障与监控。我们计划中规模最大的前沿强化学习运行仍处于暂停状态,同时我们会开展小规模训练与评估,测试安全防护措施,并收集更多对齐相关证据。
我预计,对安全的信心将越来越决定AI开发的推进节奏。我们迫切需要工具,让各实验室和国家在这件事上开展协作——这也是我签署《Pacing the Frontier》的原因。
与此同时,我们自己也在采取实际行动,并且会随着我们的方案发展,持续分享我们学到的内容。
OpenAI表示,它在过去两周暂停了其“计划用于部署”的最新模型的强化学习工作。这不包括不计划用于部署的内部模型。
这种表述也暗示暂停已经结束,训练现已恢复,但他们从未直接说出这句话。他们确实明确表示,计划中规模最大的RL训练运行仍处于暂停状态,但这种表述也排除了预训练。
这篇推文从头到尾都含糊得让人恼火,可能是出于法律原因,也可能是为国会质询做准备。
他们不认为这是突然出现的神奇现象,而是互联网垃圾训练数据 predictable result。
内置专门为法律工作训练的模型,启动时就自带案件文件和相关权限。
推出 Harvey II:从一开始就更智能的智能体。
- 包含 Harvey Tenet,我们首个为法律工作训练的模型
- 围绕事项和项目构建
- 智能体启动时就已配备所需的文件、上下文、权限和历史记录
- 可以给律师或智能体分配任务,然后跟踪并审查工作
- Harvey 会记住你的工作方式,并用你的风格写作
当前AI行业默认的自我进化方法可能完全走错了方向,需要重新思考AI记忆的设计逻辑,这会影响未来AI推理能力的发展方向。
研究人员发现,我们目前让AI随时间推移变得更智能的方法存在一个巨大盲点。AI实际上根本没有理解或应用高层次的抽象经验。
开发者花费大量时间构建系统,将AI过去的错误浓缩为清晰的规则供未来使用。这篇论文证明,AI本质上会把这些规则直接扔掉,只看原始历史日志。
现代LLM系统尝试通过两种方式随时间改进:把过去的任务存储为逐步骤原始历史,或是浓缩的总结规则。
这项研究测试了这些智能体是否真的会使用存储的记忆:研究人员秘密将正确的提示替换成随机垃圾文本,得到了以下结果。
- 当逐步骤历史被篡改后,AI表现大幅崩盘,证明它严重依赖复制完全一致的过去动作。
- 但当研究人员完全破坏浓缩总结规则后,AI仍然正常运作,性能没有出现任何下降。
如果AI无法把抽象经验应用到新场景,它就不是在真正推理或学习。
这引出了一个问题:整个AI行业是否需要重新思考记忆的运作方式,因为目前这些智能体只是在模仿,而非理解。
arxiv.org/abs/2601.22436
《LLM Agents Are Not Always Faithful Self-Evolvers》
权重预计一周内开源,智能水平追平头部开源模型,推理成本比同 tier 竞品更低,想试用开源顶级大模型的可以等一等。
AI研发的推进速度将不再只看技术突破,安全信任才会决定接下来能走多快,行业节奏正在发生改变。
这项研究发现,自我传播的核心是可编辑文本文件的架构设计,而非模型本身,对多智能体系统安全性研究有关键参考。
通用大模型不再只靠单项能力突围,多领域能力的全面提升,会直接影响到日常使用的体验
GLM-5.3 在 Artificial Analysis Intelligence Index 上得分 60。
虽然 GLM 最广为人知的是它的编码能力,但它的优势远不止编码领域。
GLM-5.3 在推理、通用对话,以及法律、金融这类专业领域都带来了大幅提升。
做大模型多模态模型强化学习训练时,调试难硬件利用率低都可以试试它,已有多家团队用它跑生产级任务
今天我们发布了 Miles v0.1,这是一个面向大语言模型和多模态模型的开源强化学习框架。
强化学习训练入门容易,但调试困难。Miles 可以帮你确保运行正确,高效利用硬件,让强化学习在规模化场景下稳定运行。
过去 9 个月里,共有 72 位贡献者提交了 1,326 个 commit,搭建了 85 项 GPU 端到端 CI 测试,还在 Kimi K3、DeepSeek V4、Qwen 3.8、GLM 5.2、Inkling、MiniMax H3 等前沿开源模型上对 Miles 进行了实战测试。
目前 Miles 为 @humansand、@periodiclabs、@modal、@DecagonAI、@Eigent_AI、@nebiusai、@IBM 等团队的前沿模型开发和生产级强化学习任务提供支持,同时兼容 @NVIDIAAI 和 @AIatAMD 的硬件。
以下是我们打造的功能,以及各团队选择 Miles 的原因🧵
模型能力进步速度已超过安全对齐进展,暂停训练是为了落实安全对齐标准,未来安全信心将决定AI发展节奏。
我们已暂停部分前沿强化学习训练,以确保我们能够针对我们目前面临的全新能力层级,满足适当的对齐、安全与监控标准。
现在模型进展速度极快,而我们一直都明确表示,如果我们认为模型能力的发展速度超过了安全与对齐工作的推进速度,我们就会采取行动。
我们深切关注 AI 安全问题。我们认为整个领域必须就通用安全标准展开协调,但在此期间我们会单方面采取行动。
我们预计,对安全的信心将逐步决定 AI 进展的速度。我们对目前正在开展的对齐工作持乐观态度,并且始终致力于让前沿能力实现广泛可用。
不用放大模型也能提升AI智能体性能,开源方案零迁移成本,普通人也能尝试,提升工作流里智能体的可控性。
模型 scaling 是智能体性能提升的唯一来源吗?我们(@henryqin1997 @YaxinLu1997 @VITAGroupUT @VictorKaiWang1)很高兴分享我们的工作:
我们通过 Harness Scaling 在 Terminal-Bench 2.1 上达到了 95.3% 的原始准确率, frontier run 成本仅 15 美元(DeepSeek-v4-Flash 下准确率为 88.8%,与 GPT-5.6 Sol Max 表现相当)。
人力投入 → 不可扩展 ❌
智能体方向?局部优化 ❌
人力方向 + 智能体行动 = 更好的工作流控制✅
StateM:
1. 开源模型 + StateM → 追平闭源前沿水平,人人都可以尝试!
2. 无需训练,即可显著提升前沿智能体性能。
3. 在同系列智能体上实现零迁移成本。
[1/8]🧵 📄 🌐
端侧就能跑的大模型达到前沿水平,不需要云端调用也能获得不错的效果,后续会拓展到更多领域。
可以把不同AI代理的记忆和技能存在自己托管的Postgres数据库里,不需要依赖第三方服务商存储核心数据。
GBrain 实际上可以和任何 AI Harness(Grok Bot、Claude Code、Codex、Hermes Agent、OpenClaw、OpenCode 全都兼容),以及任何搭载 pgvector 的 Postgres 托管服务配合使用。
这才是真正拥有属于你自己的 AI 代理记忆和技能的含义。
课程资料全部免费公开,覆盖多领域行业专家分享内容,对AI方向感兴趣的学习者可以直接获取学习资料。
目前网上最好的 AI 公开课:加州伯克利大学宋晓冬教授的Agentic AI: 这是Berkeley LLM Agents系列的第三期。 课程由Dawn Song (@dawnsongtweets ) 和 Xinyun Chen主讲,汇聚OpenAI、NVIDIA、Microsoft、Google DeepMind等专家,分为系统设计、训练评估、实际应用及具身安全四大模块,全部讲座和幻灯片公开可用。 爱学习的你 今天必须收藏这个!
行业头部大厂暂停前沿大模型训练,若这一消息属实,开源AI的追赶速度将直接改写行业格局
完整公开符合写实纪录片风格的30秒恐怖短剧生成提示词,全程保持超自然氛围感
该提示词要求生成24岁韩国年轻女性的真实MiniDV质感15秒分镜视频
多年Claude测试用户称Claude多版本模型变慢卡顿,认为Grok 4.6成本速度性能更均衡
一名叫bridgemindai的AI用户在X平台表示,自己刚刚取消了每月200美元的Claude Max订阅计划,转而订阅X公司的SuperGrok Heavy。
他自称已经是Claude的早期测试用户多年,他认为Fable 5、Opus 5、Sonnet 5三个版本的Claude模型都变得速度缓慢、响应迟钝。
他提到,前一天Fable 5处理一个下拉菜单的样式修改就花了25分钟,这样的表现已经无法满足他日常工作流的使用需求。
他认为,目前在成本、速度和智能水平的综合表现上,Grok 4.6是最均衡的AI模型。
开发者基于经典文章改造,称对成品不完全满意但仍选择公开,可探索式讲解并行化知识
开发者明确不同任务的AI工具分工,以GPT Pro、Fable等多款模型替代Claude Max
开发者基本确定了自身的AI工具使用方案,将逐步减少Claude Max的使用量,这个方案并不完全排斥Fable。
最高层级的抽象任务将交由GPT Pro完成。
次一级的任务设计工作,会使用GPT Chat的extra high版本或是Fable完成。验证类工作也会交由Fable处理。
日常事务类工作则可以用Sol、Terra、Luna处理,偶尔使用Grok就可以满足需求。
修复GPT额度显示问题,还支持账号池额度显示满额后继续超额使用
先由GPT生成完整提示词,再用Google Gemini和Google Vids生成视频,完整提示词已公开
这是一套使用免费工具生成30到40秒动漫风格烹饪视频的完整教程。视频制作的整体规划由GPT完成,用户只需告诉GPT自己的需求,让GPT生成对应的提示词。
得到提示词后,直接将提示词输入Google Vids即可生成并编辑视频。本次生成的是宫保鸡丁主题的动漫烹饪视频,完整提示词可在原发布者的评论区查看。
完整提示词要求视频为40秒的优质2D手绘动漫风格,共分为四个连续场景,每个场景10秒,总共10个渐进镜头,每个镜头约1秒,第一人称视角和外部视角各占一半。
视频从处理原材料开始,第一场景完成鸡肉切配腌制、配菜预处理,第二场景完成宫保酱汁调配、爆香花椒干辣椒,第三场景完成鸡肉大火翻炒,第四场景完成酱汁裹匀、加花生出锅装盘和品尝。
提示词对角色、厨房、食材状态的连续性做了严格要求,全片无对话旁白和背景音乐,仅保留烹饪声效与厨房环境音,输出为9:16竖版,不能出现文字、水印或写实3D效果。
整体要求保持写实烹饪逻辑,食材必须按制作顺序逐步推进,不能退回加工前的状态,也不能凭空出现或传送物品,最终输出四段相连的10秒片段,组成完整的40秒动漫烹饪视频。
Claude负责搭建场景与编写逻辑,Thrixel生成可编辑3D资产,开发者将征集网友游戏提示尝试制作
这款游戏由Claude和Thrixel在Gauntlet Loop中开发完成。Thrixel负责生成可编辑的3D资产,Claude负责在three.js中搭建游戏场景,并编写全部游戏逻辑。
仅靠1条提示加上Goal to Game功能,整个游戏就在大约2小时内自主构建完成。开发者在原文下方开放评论区征集网友提供的游戏提示。
开发者将从评论中挑选部分提示,测试Claude和Thrixel的开发能力。网友也可以自行通过链接体验该开发流程。
开发者ChuckCook试用Grok Bot 7天免费版,分享使用感受并拓展CAD建模工作流
谷歌开发者公布,仅用一个提示词即可完成转换,原生支持提取数据并生成界面
仅需一个提示词,就能把静态PDF转换为可交互网页应用。谷歌开发者在X平台分享了这一应用案例。
开发人员在Google AI Studio中使用Gemini 3.7 Flash完成转换。本次转换对象是一份内容密集的PDF年报,最终生成了美观的网站。
依托模型原生的PDF理解能力,Gemini 3.7 Pro一次完成了全部流程。它轻松提取数据、处理数值计算,最终生成了美观的交互用户界面。
具体的操作方法可查看@genevieve__h分享的内容。
分享者从团队管理中发现类似协作逻辑,推论AI时代大型组织顶端获益最大
分享者用Codex总结出和AI对话的实用心得:和AI交流尽可能多用问句与否定句,少用陈述句。高质量问句决定AI输出的上限,因为好问句能扩大AI可搜索的答案空间。
AI对否定指令的执行比陈述句更严格,因为否定句通常比正面形容词更具体、更容易检测。这一规律和分享者最近管理团队悟出的结论一致。
陈述句很容易让听者走神,问句会迫使对方调动自身认知,不用花费精力揣摩说话者的意图,否定句则能控制结果下限、降低风险。
团队合作和与AI合作的底层逻辑相同,都是通过语言调用另一个具备判断能力的系统,无论这个系统是碳基还是硅基。古代皇帝依靠官僚体系这套人肉信息基础设施管理国家,这套体系本质是缓慢、容易出错还会欺骗中枢的生物计算机。
AI与计算机降低了权力行使的成本,可以把统治者的意图编译为组织行为。对于顶端掌权者而言,底层个体都是智能体(Agent),智能体能力越强,掌权者的体验越好。
AI时代绝对收益最大的群体,是处在大型组织顶端、掌握数据、资本、基础设施与最终决策权的人。分享者同时提供GPT、Codex、Claude的代充服务,有意者可私信联系。
测试者分享Grokbot核心功能与优缺点,目前仍处测试阶段,需结合定价判断性价比
开发者称GPT-5.6 Luna在中文营销交互场景表现更好,稳定性和成本均优于DeepSeek API
一名开发者在𝕏发文表示,已将自己AI项目生产环境中所有调用DeepSeek API的部分全部替换。综合成本、效果和自身项目的实际使用场景,最终替换选择为GPT-5.6 Luna。
实测显示,GPT-5.6 Luna在用户对话、长上下文理解场景下表现不错,稳定性优于DeepSeek,而且早已支持多模态能力。该开发者的项目不涉及代码开发,核心场景是中文营销场景下的用户交互,GPT-5.6 Luna的整体效果符合需求。
成本方面,哪怕是自行使用普通账号订阅转API,或是直接通过中转渠道调用,GPT-5.6 Luna的成本都低于当前的DeepSeek,实际使用体验也更智能。
开发者表示,自己并非单纯反对DeepSeek涨价。主要问题在于DeepSeek涨价后的价格水平下,推理和上下文理解能力仍然不如GPT-5.6 Luna,除了合规性之外,找不到继续使用它的其他优势。
victor_wu分享使用AI智能体的经验,用通用行业术语交流效率远高于自定义描述
按时间顺序逐日呈现开发过程,支持按文件查看代码增删变化
开发者按时间顺序逐日可视化展示自己一周在Claude Code中的开发工作。将项目链接悬停后,页面会展开显示该项目下按文件分类的代码变更记录。
每个方块代表15行代码,浅蓝色方块代表新增代码,橙色方块代表删除代码。每个项目为一个独立区块,每个文件对应区块内的一列。
该可视化使用开发者meodai开发的3D体素库生成。可点击原文链接查看可视化效果。
27B参数Qwen量化后可在24GB/32GB显存消费显卡运行,或将重构AI算力需求与硬件市场格局
项目支持任务委托、算力外包和托管支付,填补智能体间交互空白,团队可联系获取部署帮助
欢迎来到AI智能体协作的未来。该项目支持委托任务、外包算力需求,通过托管完成支付。它填补了AI智能体间交互的空白。
项目目前登上DeFAI趋势榜单第二位,@fomo对该DeFi(去中心化金融)+AI项目持乐观态度。
随后项目热度进一步上升,已经升至趋势榜单第一位。
如果有团队需要部署帮助,可以私信项目实习生咨询。
开发者使用Google生态工具与Gemini API打造自动招聘引擎
我在 Google Workspace 内搭建了一个自动化招聘引擎,用到了 Apps Script、Gemini API、Sheets 等等工具。申请会被 AI 解析,并对照职位描述打分,结果直接存入 Sheets;团队会收到新申请通知。
它还包含招聘后流程,应聘者被录用时会自动创建工作邮箱。
我太爱 Google Workspace 了,我就是喜欢搞机器人和自动化啊兄弟😭
目标是让手工流程更顺畅。HR 工具太贵了,我想为什么不利用 Google Workspace 优化流程呢。我自己的产品流程已经在用这套方案了。很高兴它能跑起来,我也乐意提供帮助🤣🥳
介绍低成本生成并发布AI营销视频的方案
无需按月订阅 Higgsfield 即可制作无露脸爆火 AI 视频推广你的应用:这里有一个免费的 Claude 技能,可以通过 Kie 生成爆火视频,成本仅约 75 美分,还有一款应用可以把内容发布到所有平台,且不会导致你的账号被封。
这项研究给大语言模型强化学习的价值函数做了两项改进,有望提升强化学习训练大模型的效果。
LE CRITIQUE:面向大语言模型强化学习的特权价值函数
大语言模型的价值函数一直严重未被充分利用。我非常兴奋终于能分享我在MistralAI完成的关于特权价值函数(Privileged Value Functions)的工作!我们的论文对价值函数做出了两项重大改进:
1) 特权价值函数:事实证明,价值函数可以利用策略无法获取的隐藏上下文,来生成更优质的token级强化学习信号!可以让它们以参考解、验证器评分规则,甚至其他组样本和奖励为条件。不再需要生硬的自蒸馏了!(我稍微夸张了一点)
2) TETHER:不需要在组基线和价值基线之间做取舍,你完全可以两者兼得!我们提出了一个新基线,可以根据价值函数的可靠性,自适应地在组均值基线和价值基线之间动态权衡。
🌐 📄 代码:下面正文继续🧵
用更少训练数据和普通算力,就能大幅提升代码任务模型准确率。想低成本优化agent性能的可以参考这个方案
微软这项新研究非常有意思。(收藏起来)
这项研究属于利用harness进行模型后训练这个新兴主题。
现代智能体运行在拥有工具、上下文和控制流的harness中。训练时,harness掌控环境循环,训练器只能看到LLM的请求和响应对。
工作原理如下:Agent Lightning v1.0通过端点代理,只用大约3500行代码就能把任意harness连接到RL,随后处理这套设置中会出问题的各个环节:重新分词、样本合并、优势计算、损失归一化和后端调度。
只用6K个训练样本和中等规模算力,它就把SWE-bench Verified上的Qwen3.5-9B通过率从41.8%提升到了56.4%。
论文:在我们的学院追踪更多热门AI论文:
想选合适的智能体开发框架又怕踩坑?这次实测直接对比了不同框架的解题率和成本,能帮你选到匹配需求的工具。
我们在 30 项有挑战性的智能体任务上,用 5 种不同的智能体框架测试了 DeepSeek V4 Pro 0813。
我们对比了 Claude Code、DeepSeek Harness 0.1、Hermes、Pi Agent 和 OpenCode。
Pi Agent 解决了最多的任务,而 DeepSeek 自有框架在成本上胜出。🧵🧵
小参数量模型跑出了比大尺寸模型更优的智能体评分,打破了只有大模型才能拿到高性能的固有认知,中小算力也能跑出好用的AI。
太惊人了,Qwen 3.8 27B在Artificial Analysis Agentic Index上拿到了51分。
它得分超过了GLM 5.2和DeepSeek V4 Pro 0813,仅落后于少数几个最优水平模型,而那些模型的尺寸是它的数倍到数十倍。
顺便一提,它能跑在价值约2000到3000美元的硬件上。永久底层地位正式被终结了。
性能足够处理专业任务,体积小到能本地运行,普通人也能把它放进日常工作流里用
Harvey 法律智能体基准测试中排名第一的开放权重模型!🙌
它的能力足够强大,可以处理专业任务。体积也足够小,可以在你的本地机器上运行。
Qwen3.8-27B 即将成为你日常工作流的一部分。🧑💻
实测发现这款热门本地大模型在复杂智能体任务上,表现远不如同类其他模型,想找能用的本地大模型可以参考这个结论
Qwen 27B 确实是很不错的本地模型,但当你实际使用它时,它在智能体任务上的表现会立刻、毫无疑问、非常明显地远不如这里列出的其他模型,在 GDPval-AA 声称要衡量的那类复杂任务上尤其如此。
自己做基准测试吧!
开源开放权重大模型在真实设计任务上排名再创新高,看重AI设计能力的使用者可以关注这个新模型的实际表现
突发消息:@Zai_org 推出的 GLM-5.3 在 Design Arena 总排名中位列第三,Elo 分为 1351。
相比 GLM-5.2,排名提升了 6 位,GLM-5.3 也因此成为现实世界设计任务中排名第二高的开放权重模型。
祝贺团队发布新模型!
跑分提升全部来自后训练优化,不用换基座就能获得编码能力提升,想尝试新开源模型可以直接在这里使用。
来自 @Zai_org 的 GLM-5.3 已上线 OpenRouter!
它和 GLM-5.2 共用同一基础模型,性能提升全部来自后训练:Terminal-Bench 3.0 得分从 4.6 跃升至 28.3,DeepSWE v1.1 得分从 46.2 提升到 66.9。
立即使用:https://openrouter.ai/z-ai/glm-5.3
开发AI代理需要选搜索API,这份基准同时测了质量、成本、速度三项指标,能直接用来选供应商。
这个结果来自社区收集的模型难处理提示,对关注大模型推理能力进展的人,可以参考这项最新测试结果。
一个月前,我们征集了模型仍然难以处理的提示词。我们收到了许多经过深思熟虑的案例。
今天,GLM-5.3 在 Artificial Analysis Intelligence Index 上达到了60分,基座参数量为743B。感谢所有贡献者。
AI自我改进是很多人讨论的前沿方向,但一直缺乏可量化的测试标准。这次的基准可以测出不同前沿模型在改进其他AI代码上的能力差异,相关进展会直接影响未来AI迭代速度
我们推出 HarnessOpt-Bench:一个模型改进另一个 AI 智能体的代码,是递归自我改进(RSI)的一个具体、可衡量的切片。那么,哪些前沿模型真的擅长这项任务?我们构建了一个头对头基准测试来找出答案。
🧵
AI降低了蛋白设计的专业门槛,有望缩短药物研发周期、降低研发成本,未来可能帮人类开发出百倍于当前的新药。
不用放大模型也能提升AI智能体性能,开源方案零迁移成本,普通人也能尝试,提升工作流里智能体的可控性。
模型 scaling 是智能体性能提升的唯一来源吗?我们(@henryqin1997 @YaxinLu1997 @VITAGroupUT @VictorKaiWang1)很高兴分享我们的工作:
我们通过 Harness Scaling 在 Terminal-Bench 2.1 上达到了 95.3% 的原始准确率, frontier run 成本仅 15 美元(DeepSeek-v4-Flash 下准确率为 88.8%,与 GPT-5.6 Sol Max 表现相当)。
人力投入 → 不可扩展 ❌
智能体方向?局部优化 ❌
人力方向 + 智能体行动 = 更好的工作流控制✅
StateM:
1. 开源模型 + StateM → 追平闭源前沿水平,人人都可以尝试!
2. 无需训练,即可显著提升前沿智能体性能。
3. 在同系列智能体上实现零迁移成本。
[1/8]🧵 📄 🌐
通用大模型不再只靠单项能力突围,多领域能力的全面提升,会直接影响到日常使用的体验
GLM-5.3 在 Artificial Analysis Intelligence Index 上得分 60。
虽然 GLM 最广为人知的是它的编码能力,但它的优势远不止编码领域。
GLM-5.3 在推理、通用对话,以及法律、金融这类专业领域都带来了大幅提升。
这项研究发现,自我传播的核心是可编辑文本文件的架构设计,而非模型本身,对多智能体系统安全性研究有关键参考。
当前AI行业默认的自我进化方法可能完全走错了方向,需要重新思考AI记忆的设计逻辑,这会影响未来AI推理能力的发展方向。
研究人员发现,我们目前让AI随时间推移变得更智能的方法存在一个巨大盲点。AI实际上根本没有理解或应用高层次的抽象经验。
开发者花费大量时间构建系统,将AI过去的错误浓缩为清晰的规则供未来使用。这篇论文证明,AI本质上会把这些规则直接扔掉,只看原始历史日志。
现代LLM系统尝试通过两种方式随时间改进:把过去的任务存储为逐步骤原始历史,或是浓缩的总结规则。
这项研究测试了这些智能体是否真的会使用存储的记忆:研究人员秘密将正确的提示替换成随机垃圾文本,得到了以下结果。
- 当逐步骤历史被篡改后,AI表现大幅崩盘,证明它严重依赖复制完全一致的过去动作。
- 但当研究人员完全破坏浓缩总结规则后,AI仍然正常运作,性能没有出现任何下降。
如果AI无法把抽象经验应用到新场景,它就不是在真正推理或学习。
这引出了一个问题:整个AI行业是否需要重新思考记忆的运作方式,因为目前这些智能体只是在模仿,而非理解。
arxiv.org/abs/2601.22436
《LLM Agents Are Not Always Faithful Self-Evolvers》
这套开源大模型可免费商用,靠自我改进策略训练,在推理、编码等任务上追平闭源模型,给需要商用大模型的开发者提供了新选择
Aloha! 🌺
今天介绍Ornith-1.5,这是一个开源大语言模型系列,包含9B Dense、35B MoE和397B MoE三种规格,使用自我改进策略训练。它在同等规模的开源模型中实现了当前最优性能,在推理、智能体和编码任务上的表现可与Claude Opus 4.8媲美:
✅Terminal-Bench 2.1 (86.1)
✅SWE-Bench (验证集86,专业集65.1,多语言集79.6)
✅DeepSWE (56)
✅HLE (44.6)
✅ClawEval (81.4)
✅Tool Decathlon (71.2)
Ornith-1.5朝着通过端到端自我改进训练基础模型迈出了重要一步,它将Ornith-1.0提出的自脚手架策略扩展为更完整的自我改进循环:模型提出新任务,生成任务专属脚手架,为强化学习生成方案推演,持续创造新的学习经验来实现自我提升。
所有模型,包括它们的量化版本(FP8、GGUF、MLX和NVFP4),都已以MIT许可证发布,允许不受限制的商业和研究使用。
📘技术博客:
🤗Huggingface:
此前使用OpenAI大模型的在线编码服务大多有试用限制,现在普通用户可以直接免费体验该服务
不同AI编程工具可以共享同一套团队规则和知识库,更新后全队自动同步,解决多人协作规则不一的问题
腾讯开源: teamai-cli,用Git驱动面向团队的AI协作基础设施 让团队里用Claude Code、Codex、WorkBuddy、Cursor等不同AI编程工具的人,共享同一套技能、规则、文档,Git原生分发方式 等于是公司里的员工手册+培训体系+知识库管理系统 它可以把Skills、Rules、Docs、Hooks以及MCP Server 配置等Harness资源放进一个团队Git仓库,再同步给 WorkBuddy、Codex、Claude Code等不同AI 团队管理员在GitHub/TGit上建一个共享仓库,把技能、规则、文档放进去;每个成员在自己的项目里运行teamai init <仓库地址>,一键接入 以后每次开AI会话,自动teamai pull,把最新规则同步到本地的Claude/Cursor等里 想改规则的话,teamai push提交一个合并请求,审完合并,全队自动生效 #teamaicli
不用绑信用卡就能注册,每天有5M tokens额度,编码能力比GLM-5.2提升50%,能替代多款付费AI编码工具,适合日常编码使用
编码性能比前代提升50%,在两项开源编码测试中排名第一,新增代码审计和漏洞发现能力,需要编码和网络安全工具可免费试用
🚀 GLM-5.3 现已在 ZenMux 上线 — 限时免费!它是更强的编码模型,还拥有出人意料的全新网络安全能力:
💻 内部评估中,编码性能相比 GLM-5.2 提升 50%
🏆 在 Terminal Bench 3.0 与 Agents' Last Exam (CLI) 中位列开源模型第一
🛡️ 强大的代码审计与漏洞发现能力
趁免费快来体验 👉
#GLM #ZAI #CodingAgents #ZenMux
编码智能体开发者可以每天免费拿到5M tokens额度,用性能提升50%的GLM-5.3做推理,兼容20余款现有编码工具。
这太他妈疯了,GLM 5.3 的 API 密钥已经正式上线,但现在还能免——费——用。
Zai 刚刚推出了面向编码智能体的 GLM-5.3,性能比他们上一个版本提升了 50%。
它就是 Zai 编码方案背后使用的同一模型,现在可以作为智能体工具的订阅服务使用。
它的功能:
- 生产级代码生成
- 长周期任务、全上下文推理
- 兼容 Cline、Kilo Code、Claude Code、OpenClaw 以及 20+ 其他智能体工具
- 在编码基准测试中达到开源 SOTA 水平
使用方法:
步骤 1:前往官网下载桌面应用
步骤 2:创建账户,用邮箱注册
步骤 3:进入模型管理,选择套餐(选择 $0.00 套餐可每日获得 500 万 GLM tokens),随后即可使用
此外,你还需要在你的智能体工具(Cline、Kilo Code、Claude Code 等)中进行配置,将模型提供商设置为 zai,粘贴你从控制面板获取的 API 密钥。
重要提示:你每天可以获得 500 万 GLM tokens,请合理使用。
后续会优化定价透明度,现有 Claude Code、OpenCode 工具可直接调用,不用切换工具就能用上月之暗面的模型
.@Kimi_Moonshot 的 Kimi K3 已经开始在 Ollama 云订阅中推送了。
我们正在努力改进 Ollama 云,让定价变得更加透明,方便展示每单位美元能获得的最佳性能。
你可以用你已经在使用的工具来试用它。
Claude Code:`ollama launch claude --model kimi-k3:cloud`
OpenCode:`ollama launch opencode --model kimi-k3:cloud`
新用户最多可领百万免费额度,DeepSeek V4 Flash还开放了免费无限制调用,开发者可以更低成本整合多模型能力
新的一周,https://B.AI 带来了强力更新 🚀
本周更新的核心内容包括:
🔹 DeepSeek V4 Flash 完全免费,可通过 Web Chat 和 API 无限使用
🔹 https://B.AI 官方 Android 应用正式发布 📱
🔹 GLM 5.2 限时优惠最高折扣达 40%
🔹 平台新增 Grok 4.6 和 GLM 5.3
🔹 DeepSeek V4 系列已升级至最新官方版本
🔹 Official Provider 折扣范围扩大,最高折扣可达 40%
🔹 新增「为他人充值」功能,可帮用户及团队成员充值 Credits 🎁
新用户福利仍在持续进行中,最高可免费领取 130 万 Credit。
我们将持续开发基础设施,为全球开发者和团队提供更强、更易用、成本效率更高的人工智能体验。🌍 🌐 💬
#TRONGlobalFriends #TRON #TGF
核心目标是提升写作质量,躲过AI检测只是附带效果,目前适配分析、散文、创作和改写场景,对想规避AI检测的写作者提供了新选择
我们宣布推出 Deft,这是一个致力于优化写作的全新 AI 实验室,由我和 @jmrphy 联合创办。
下图是 Deft 模型为自己撰写的发布公告。
根据 pangram 的检测,目前 86% 的用户输出内容被判定为完全由人类生成。
这仍然是一个小规模测试版模型,可能会出错。我们现在开放公开测试,是为了在扩大规模前收集更多反馈。
获得更好效果的使用提示:
- 在提示词中补充更多细节。如果你只给出短句提示词,输出内容很可能会被检测为 AI 生成。
- 尝试在「高级选项」中修改风格设置。
- Deft 目前在分析/议论文、创意写作和改写这类场景中表现更好,在营销文案和新闻稿件场景中表现欠佳。
我们的核心目标是优化写作,骗过 AI 检测器只是附带效果。链接在下方。
不用导出中间ONNX文件,还能直接用原生C++ API运行。整个项目由Codex智能体完成大部分开发,人类只做指导和审核,降低部署门槛。
我们刚刚发布了TensorRT Model Connect公共预览版。你只需要两条命令,就能把一个受支持的@huggingface模型转为端到端TensorRT推理。
不需要中间导出ONNX,生成的包可以通过原生C++ API运行。
整个项目完全是我们用@OpenAIDevs Codex代理构建的,人类只负责指导和审核工作。这其中包括模型实现、性能调优、测试、集成和文档。
该项目是开源的,所以你可以去试用,深入研究实现,或是贡献对新模型的支持:
对AI研究感兴趣的人可以申请,项目提供算力、数据、研究者指导和有竞争力的津贴,支持线下远程、全职兼职参与。
我们推出了 @tastelabs 研究奖学金!面向那些有志于研究模型创造力评估、提炼人类偏好、终结劣质内容的研究者。
你将获得算力支持、定制数据、与顶级设计师和研究者交流的机会,以及丰厚津贴。工作形式为旧金山线下或远程,可选择全职或兼职。
点击这里查看你可以探索的部分研究问题并申请:
此前不同AI代理分散在不同界面操作,统一管理后可以省去反复切换配置的麻烦,适合单独使用AI代理开发项目
Block 刚刚开源了 Berd,这是一款供其团队内部使用的桌面应用,用来在不同项目、技能、工具和模型之间对接 AI 智能体。
“我们已经可以通过 Goose、Claude Code 和 Codex 这类工具使用能力越来越强的智能体,但和它们交互需要在不同界面、配置系统和上下文管理方式之间来回切换。技术本身很强大,但使用体验非常碎片化。”
Berd 将对话、文件、指令、智能体和技能整合到一处,支持持久化项目。它构建在 Goose 之上,Goose 是 Block 贡献给 Linux 基金会下 Agentic AI Foundation 的开源智能体框架。
Berd 通过 Agent Client Protocol 连接 Goose,负责处理桌面端体验,而 Goose 运行底层的智能体循环。
@blocks 最近还发布了 Buzz,这是另一个用于协作式智能体工作的开源工作空间。Berd 是你单人起步的地方,Buzz 则用来多人协作。
对写代码、长链智能体任务需求的人来说,又多了一个性能对标顶级GPT模型的选择,所有套餐和API都能用
Qwen 3.8 27B 现已登陆 Command Code。
它在 Artificial Analysis Intelligence Index 上击败了 Opus 4.6 Max 和 GPT 5.6 Luna Max。
最适合编码和长代理任务。
支持多模态,可切换推理开关。
所有套餐和 API 均可使用 🐐
搭建AI代理最复杂的基础层已经做好,只需接入自有模型和工具就能用,降低了开发AI代理的门槛
端侧就能跑的大模型达到前沿水平,不需要云端调用也能获得不错的效果,后续会拓展到更多领域。
做大模型多模态模型强化学习训练时,调试难硬件利用率低都可以试试它,已有多家团队用它跑生产级任务
今天我们发布了 Miles v0.1,这是一个面向大语言模型和多模态模型的开源强化学习框架。
强化学习训练入门容易,但调试困难。Miles 可以帮你确保运行正确,高效利用硬件,让强化学习在规模化场景下稳定运行。
过去 9 个月里,共有 72 位贡献者提交了 1,326 个 commit,搭建了 85 项 GPU 端到端 CI 测试,还在 Kimi K3、DeepSeek V4、Qwen 3.8、GLM 5.2、Inkling、MiniMax H3 等前沿开源模型上对 Miles 进行了实战测试。
目前 Miles 为 @humansand、@periodiclabs、@modal、@DecagonAI、@Eigent_AI、@nebiusai、@IBM 等团队的前沿模型开发和生产级强化学习任务提供支持,同时兼容 @NVIDIAAI 和 @AIatAMD 的硬件。
以下是我们打造的功能,以及各团队选择 Miles 的原因🧵
需要做本地AI编码代理或者模型基准测试的开发者,可以直接使用或者嵌入到现有系统里,全程不收集数据,隐私有保障。
权重预计一周内开源,智能水平追平头部开源模型,推理成本比同 tier 竞品更低,想试用开源顶级大模型的可以等一等。
该系列包含9B Dense、35B MoE、397B MoE三种参数规格,自迁移优化训练后成绩超过同尺寸多数开源模型,部分测试表现接近Claude Opus 4.8,后续实际落地表现有待观察
这次调整是为训练超大多模态Omni模型做准备,分工细化后,字节大模型迭代速度有望加快
它打破了AI不赚钱的论断,显示企业付费的AI工作者模式跑通,行业趋势正在转向盈利导向的AI开发。
打算参与加密预测交易的投资者,可以关注这套聚合流动性、用AI辅助决策的新系统,代币TGE预计在8月下旬上线
对开源AI开发感兴趣可报名参加8月31日的活动
有消息称部分Claude用户已经在不知情的情况下用上了新版本,正式定名还未确认
散在各个工具私有目录里的AI对话,可以全文搜索找到消息,一键回到终端继续之前的会话
发布了:Wake v0.1.0 🚢 你的 Claude Code、Codex、Cursor 等 7 家 agent 会话,散在各自私有目录里——Wake 把它们收进一个 Mac 原生应用:全文搜索直达命中消息、一键回终端继续会话。 纯本地、零网络、开源 MIT。Rust + GPUI 构建。
北欧有充足的电力和土地,英伟达正在这里帮GPU买家对接当地运营商,解决供电需求
$NVDA 正转向北欧地区,为其 GPU 寻找电力容量,以解决人工智能的下一个瓶颈。
Nvidia 正在将 GPU 买家与该地区的运营商进行匹配。北欧地区拥有充沛电力、土地和更凉爽的气候,正吸引大量人工智能基础设施项目落地建设。
整合了过去五年所有稀疏注意力方法提升速度,现在可以在Vercel的AI网关上使用
提出无人出租车相当于给无监督FSD大模型套上实体载体,真正落地的现实AI很快就要出现
新方案把高效算法和定制硬件结合,能在低资源条件下快速生成导航用的三维地图
当前五小时限额移除后,额度只会持续消耗每周配额,五小时后不会恢复额度,影响现有付费用户正常使用。
OpenAI 团队你们好,感谢你们在最近关闭的讨论中说明,五小时限制显示是作为事件响应的一部分被临时移除的,事件解决后应该会恢复。
请问你们能否分享一下恢复五小时限制的预估时间线?我目前订阅的是 Pro 计划。
在五小时限制取消后,用量似乎会持续消耗周配额,五小时后也不会恢复容量。这让我不敢使用。
能让AI直接操控你已经登录了账号的真实Chrome浏览器,现有AI工具无法直接读取你已登录的个人网页会话,这个工具解决了这个问题
Zai_org发布面向编码、网络安全防御和长周期智能体任务的GLM-5.3 API,定价和GLM-5.2保持一致,性能较前代提升50%,其能力接近Claude Fable 5,价格低很多,后续看看社区的实际使用反馈。
OpenAI称随着模型能力提升,内部开发测试风险增加,暂停训练以加固研发环境、扩大监控范围,验证安全防护措施。最大规模训练仍处于暂停状态。
面向大型企业的AI服务商公开了一套落地方案,这套思路能帮想落地AI的企业控制成本、压低延迟,同时保障效果符合监管要求。
从四月开始,使用者用它处理日程、策划、健康、资产管理等全场景,已经完全融入日常,还带动几百人改造自己的工作流
从 4 月初开始使用 Hermes Agent 开始,已经整整 4 个月了,它已经基本融入我的全部工作和生活,从日程管理、方案策划、健康管理、技能学习、服务器管理、资产管理再到工作执行等等,光是 State.db 就 3G 多。
感受上就是极大的生产力提升和全新思维的转变。在过去我已经陆续分享过无数个经验了,带来了至少几百人开始使用 Hermes 改造他们的工作生活。
在这个过程中,我感受到了 Hermes 的巨大潜力,也看到了很多人仍然不理解到底跟 Codex、Work Buddy、Pi 等等有什么区别?以及初始化的搭建仍然充满挑战等等。所以我写了这篇文章,希望可以简单介绍下我的看法。
之前跟 @rayoo_eth 的一次线下交流,也一起有了发起一个爱好者社区、讨论群的想法,所以也欢迎大家加入 @hermescn_org 社群,一起拥抱进化吧!
它被上线到AI Gateway,在DeepsecBench测试里表现比前代GLM 5.2好两倍以上,做网络安全相关开发可以试试
GLM 5.3 (𝚣𝚊𝚒/𝚐𝚕𝚖-𝟻.𝟹) 已在 AI Gateway 上线。
▪︎ 全球网络安全领域排名第一的开源模型
▪︎ 在 DeepsecBench 上的表现比 GLM 5.2 好两倍以上
这个漏洞能让一个AI模型偷偷读取另一个模型内部的私有推理过程,目前已经有研究团队发现了这个问题
研究人员刚刚在所有前沿主流AI实验室的API中发现了一个漏洞。它能让一个AI模型秘密读取另一个模型的私有内部推理过程。
一支团队找到了一种提取前沿AI模型隐藏推理过程的方法,利用的正是这个存在于所有前沿主流AI公司API中的漏洞。
以下是他们的发现🧵
不用强求单个AI一次给出正确答案,工具会让18种不同推理角度独立思考,再通过对抗流程出结果
我开源了一种方法,能让你不再要求单个 AI 给出正确答案。Council of High Intelligence 将困难决策转化为对抗性流程:
→ 18 种不同的推理视角
→ 独立的初始立场
→ 强制交叉质证
→ 标注事实 / 推论 / 假设 / 未知
→ 加权最终立场
→ 保留不同意见可见性
→ 终止标准 + 一个具体下一步行动
它可以在 Claude Code、Codex、Gemini CLI、OpenCode、Grok、Hermes 等等工具上运行。
重点不是添加更多智能体。重点是让它们在达成一致前先提出分歧。
因为 10 个智能体重复同一条推理路径,本质上仍然只是一个观点,只是多花了 10 份 token 的钱。
当你下次需要做出代价高昂或不可逆转的决策时,别问:「答案是什么?」,要问:「要让这个答案出错,必须满足哪些条件?」
这就是这个委员会(Council)设计来揭示的东西。
开发者是2024年计算蛋白质设计诺奖得主,这款AI可以完整模拟一整个人类细胞的运行
一位诺贝尔奖得主开发了一款能模拟完整人类细胞的AI。它叫做AIDO Cell,由2024年计算蛋白质设计诺贝尔奖得主David Baker打造。
它的功能如下:
→ 模拟完整细胞的运作方式,DNA、RNA、蛋白质、调控网络全部连接在同一个系统中。
→ 敲除一个基因或是投入一种药物,就可以观察影响如何扩散到每一层结构。
→ 该模拟会记住所有变化,并在上一次变化的基础上继续运行,而非每次生成新的副本。
→ 科学家可以先在虚拟细胞上完成数千次实验,再进入真实实验室开展研究。
它的重要性:每10000种药物化合物中,只有1种能最终给到患者。整个过程需要10年时间,耗资20亿美元。这项技术有可能改变研发速度。
目前AI与生物学结合还处于非常早期的阶段,但发展方向已经非常清晰。
第一个bot设成CEO,其他bot都是它委派任务的员工,所有任务都经过CEO bot转发,可以放大工具能力
模型性能还没被榨干,开发者认为接下来更小参数的Flash-next有望追上GLM 5.3的表现
而且0731的参数规模是GLM-5的三分之一,性能却能与GLM 5.2持平(有时还能超越!)。而且它还没达到饱和。我认为Flash-next会达到GLM 5.3的水平。
是时候我们再来讨论参数缩放这条路的智慧了。所有关于「10T神话级」的 hype 都太幼稚了。很明显,1T参数的模型就能在所有值得关注的能力上达到Fable,再达到Mythos;如果允许工具使用、鼓励不确定性校准,「容纳世界所需的量」根本没有那么大。
我们可能正处在另一个相变时刻:相比把算力投入强化学习流程优化或是中间训练、跑更多强化学习步骤,总参数甚至活跃参数缩放的投资回报已经更低。而只要过了某个最低门槛,更小模型带来的更快迭代速度,能在很长范围内维持这种优势。
是时候重新思考了。
负责评估AI模型极端风险的团队被解散,行业安全监管节奏将因此改变,后续AI开发的风险控制力度会受直接影响。
很多日常信息和小众经验原本依赖 Reddit 内容支撑,这会影响你问到这类内容时 ChatGPT 的回答质量
GPT-Astra触达了OpenAI设定的「高危」网络安全阈值,叠加此前与Hugging Face的安全事件,多数训练工作已暂停。这会给其他团队追赶留出时间窗口。
GPT-Astra近期发布的前景并不乐观:OpenAI已经暂停了其最新部署模型的强化学习训练,为期两周,而该公司计划中最大规模的前沿强化学习运行目前仍处于搁置状态。
OpenAI目前只开展小规模训练和评估工作,同时测试模型行为、安全保障和对齐证据。
这一决定出台的背景,是该公司初步发现即将推出的Astra模型可能已经达到了OpenAI定义的「严重」 cybersecurity 阈值,再加上此前发生的OpenAI–Hugging Face事件。
「虽然部分Astra的训练和评估工作符合要求,但仍有大量工作处于暂停状态,直到它们完成完全迁移并升级以满足新的安全标准」。
我不认为Astra会在短期内发布。现在问题来了:在此期间,中国会迎头赶上吗?
这家法律服务公司找了15个几乎没编程经验的业务人员,直接用Claude Code开发自己需要的AI代理,不用业务部门排队等技术开发。
可以安装在Codex、Cursor、VS Code这些兼容的开发工具里,让开发用的AI代理拿到网络上的实时内容。
@perplexity_ai API MCP 服务器现已作为 Agent Plugin 提供 🎉
你可以在 Codex、Cursor、VS Code,以及其他兼容 Agent Plugins 1.0.0 的客户端中安装它。
安装后,你的智能体就能通过 Perplexity 的 API 获取实时网页搜索、推理和研究能力。
前往仓库开始使用:
在SimpleQA测试里准确率达到94.7%,主打性价比,给AI代理提供网络信息检索。
介绍全新的 firecrawl /search。它能让你的智能体从网络获取最准确的回答,内置了高亮模型。
它在 SimpleQA 上达到 94.7% 的准确率,token 消耗量减少 10 倍,是目前市场上性价比最高的方案。
今日起免费用,无需 API 密钥。
有人提出这个疑问,猜测可能是对齐环节出了问题,正在社区寻找更多不同的解释。
我真的很好奇有没有人能对此给出合理的看法:为什么中国 AI 模型在小参数尺寸下表现远超出预期水平,但在扩大到更大参数规模时却举步维艰?
我唯一的猜测是,由于算力短缺导致对齐遇到了难题,但我可能是错的。
在Agent Arena的开源模型排名里排第12名,效果和大尺寸Inkling接近,每token成本不到原款一半。
官方称它能力能跟上顶级模型的水平,同时体积小到可以在个人笔记本电脑上运行。
这个入口是给内部员工使用的,要求连接公司办公网或者VPN,还需要个人身份验证令牌才能进入。
想看任意HuggingFace模型的内部结构,不用再啃静态文档,现在可以直接看交互式动画演示
模型能力进步速度已超过安全对齐进展,暂停训练是为了落实安全对齐标准,未来安全信心将决定AI发展节奏。
我们已暂停部分前沿强化学习训练,以确保我们能够针对我们目前面临的全新能力层级,满足适当的对齐、安全与监控标准。
现在模型进展速度极快,而我们一直都明确表示,如果我们认为模型能力的发展速度超过了安全与对齐工作的推进速度,我们就会采取行动。
我们深切关注 AI 安全问题。我们认为整个领域必须就通用安全标准展开协调,但在此期间我们会单方面采取行动。
我们预计,对安全的信心将逐步决定 AI 进展的速度。我们对目前正在开展的对齐工作持乐观态度,并且始终致力于让前沿能力实现广泛可用。
AI研发的推进速度将不再只看技术突破,安全信任才会决定接下来能走多快,行业节奏正在发生改变。
花这么多算力专门监控风险,说明AI对齐问题的优先级已经提得非常高了。
如果对齐问题已经严重到让 OpenAI 愿意投入 20% 的研究推理计算资源用于思维链监控,那就说明对齐问题已经变成一个相当严重的关切。
我们真的需要在各个实验室之间推行统一的政策与标准。
企业里员工选AI工具经常花冤枉钱,这个工具能统一调整成本支出。
我们刚刚一键将全公司员工的 AI 支出削减了 75%。
现在为你介绍:Merge for Workforce。
如果不用 Merge,你的员工只能二选一:
1. 所有任务都用前沿模型,花费达到合理成本的 100 倍
2. 模型访问权限限制过严,产出的工作质量不达标
而有了 Merge 之后,IT 部门只需一键即可连接任意身份提供商,按团队设置模型路由策略。
Merge 会通过桌面客户端把策略推送到每一台设备,覆盖你团队所有 AI 助手和编码工具里的模型配置。
现在每个任务都能匹配到合适的模型来完成。结果是什么?令牌使用量减少 75 倍,输出更快也更好。
暂停是为了加强安全和监控,只保留小规模训练做安全测试。
我们暂时放缓了部分前沿训练,以加强安全保障与监控。我们计划中规模最大的前沿强化学习运行仍处于暂停状态,同时我们会开展小规模训练与评估,测试安全防护措施,并收集更多对齐相关证据。
我预计,对安全的信心将越来越决定AI开发的推进节奏。我们迫切需要工具,让各实验室和国家在这件事上开展协作——这也是我签署《Pacing the Frontier》的原因。
与此同时,我们自己也在采取实际行动,并且会随着我们的方案发展,持续分享我们学到的内容。
OpenAI表示,它在过去两周暂停了其“计划用于部署”的最新模型的强化学习工作。这不包括不计划用于部署的内部模型。
这种表述也暗示暂停已经结束,训练现已恢复,但他们从未直接说出这句话。他们确实明确表示,计划中规模最大的RL训练运行仍处于暂停状态,但这种表述也排除了预训练。
这篇推文从头到尾都含糊得让人恼火,可能是出于法律原因,也可能是为国会质询做准备。
他们不认为这是突然出现的神奇现象,而是互联网垃圾训练数据 predictable result。
内置专门为法律工作训练的模型,启动时就自带案件文件和相关权限。
推出 Harvey II:从一开始就更智能的智能体。
- 包含 Harvey Tenet,我们首个为法律工作训练的模型
- 围绕事项和项目构建
- 智能体启动时就已配备所需的文件、上下文、权限和历史记录
- 可以给律师或智能体分配任务,然后跟踪并审查工作
- Harvey 会记住你的工作方式,并用你的风格写作
大模型的评测结果直接影响日常使用体验,可以参考这个分数对比其他模型,判断是否适合自己的需求
社区讨论:多数人确认该模型以27B参数拿到52分,性能和远大于它的GLM 5.2、GPT 5.6 Luna相当,还击败了所有40B-150B的中型模型,得分和150B以上级别的DeepSeek V4 Flash 0731持平,能在游戏PC上流畅运行。有人质疑当前基准测试针对性刷分严重,参考价值不高,还有人提问为什么该模型推理吞吐仅27tps,定价还偏高。有实际测试用户提到它推理时会执着解决问题,表现类似GPT-5.6-Sol-max。
若做专业工作,小于百万token的上下文窗口用起来很麻烦,即使能力弱Claude也更胜一筹。职业AI用户可以参考这个行业共识判断产品。
支持 100 万上下文窗口来承载专业工作负载,标题和内容名副其实——低于 100 万的产品几乎都没法用。
只会带来一堆麻烦,哪怕 Claude 本身能力没那么强,它还是会赢。
那为什么不干脆做 100 万或者更大的上下文呢?
此致
科技巨头的股权越来越集中,国家下场收购头部AI公司的思路被正式摆上台面,可以观察后续会不会有更多类似声音
社区讨论:多数人不看好该提议,有人指出被政府收购后受监管约束,OpenAI会很快落后于没有同类监管的竞品,官僚运营的前沿科技公司不可能保持竞争力。有人质疑挪威能否承担OpenAI实现AGI所需的持续高额计算资本投入,也提到现有股东不会同意按当前8000亿美元估值出售,且美国一定会出手阻止该交易。还有人认为单个公司改变不了AI发展整体轨迹。
提前一年放出的额度促销,打算长期用 Claude Code 可以关注价格变动,看看能不能锁定优惠。
社区讨论:多数用户认为Anthropic当前产品体验远不如OpenAI,不少重度Claude用户已经切换到GPT-5.6 Sol和Codex,吐槽Claude Opus可用性差、额度紧张、客户端体验差,还有人称这会是自己使用Anthnic产品的最后一个月。关于本次促销到期后额度是否恢复,有人确认促销结束后额度将回落至促销前水平,也有人预测Anthropic会因为OpenAI降价而延长促销,不少用户表示如果额度回落就立刻转投竞品。
行业过去一直靠堆参数做大模型,现在推理成本、MoE架构让最优解发生了变化,衡量大模型能力的标准变了,国产大模型的进步也不再只看总参数。
原本需要耗费大量时间整理数据集、编写训练代码的工作,现在用文字提示就能快速完成。大模型进步会持续带动机器人领域发展。
智能体编程和生成式 AI 正在极大加速自动驾驶汽车与机器人的开发和规模化落地。想象一下,在没有 AI 帮你理解每一条内容之前,你得人工筛选整理一个包含数百万条片段的大型训练集。
再想想,把时间浪费在编写训练程序、评估代码和运行时代码上是多大的损耗。现在只需要一个简单的文本提示就能做出修改,一眨眼就能启动新的训练任务。
我们目前在这个领域看到的所有巨大进展都只是开始。随着大型服务端模型变得越来越智能,我们在小型本地机器人模型上的进展也会加速。
从某种意义上说,你甚至不是在押注 Waymo、特斯拉或人形机器人。你只是在押注,随着大型服务端模型每个月都变得更智能,这些项目会一直顺风顺水。
八成AI智能体演示都撑不过真实用户一天使用,做可用的生产级智能体比想象复杂得多,这个开源框架能直接拿来搭基础,不用从零造轮子。
选大模型只看总参数规模是行业走了弯路的结论。推理能力不来自总参数,更多来自推理步骤深度与后训练优化,这会改变未来做模型的方向
多家竞品加速推出低价开源工具,不少开发者正在切换工具栈,对需要稳定AI工具的人来说,替代选择正在变多。
Claude 正在输掉 AI 战争。
当他们还在延长限制、争取更多时间的时候,竞争对手可不会坐等。
第一枪来自中国。DeepSeek 上周发布了 Harness。你可以自托管它,运行任意你想要的模型,还能通过插件自定义一切。它就是免费版的 Claude Code。上线不到一周就在 GitHub 收获了超过 160,000 星标。
SpaceX 正在构建自己的开发者生态。他们收购了 Cursor,昨天推出了 Origin——专为 AI 智能体打造的代码托管服务。
OpenAI Codex 增长飞快。开发者们正在转用它。
Kimi 正在成为更便宜的替代选项。而且他们动作非常快。
我本人以前很喜欢 Claude,但现在正把 Claude 从我的技术栈里移除。他们的安全护栏正在毁掉这个产品。
今年AI模型发展速度超出预期,前沿实验室已经开始因安全问题限制模型访问,强AI的到来时间比预想更贴近现实
“模型进步现在极快,而我们一直说,如果我们觉得模型能力已经超过安全与对齐的发展速度,我们就会采取行动。”这正是我今年的感受。
2026 感觉就是模型开发速度真正开始加速的一年。模型进步的速度快得惊人。
开源权重模型已经在部分基准测试中追平闭源前沿系统,同时越来越多开发者正在接连不断发布能力越来越强的模型。
Amodei 和 Anthropic 反复指出,他们所说的“强人工智能”(超级智能)可能会在 2026 年末或 2027 年初到来。
结合我们今年看到的进展,再加上已经出现前沿实验室因为安全考虑推迟发布或限制模型访问的案例,这个时间线现在看来越来越合理。
很多多模态优化破坏了LLM原始架构的统一性,实际效果比纯LLM差两三个层级,这可以帮你判断多模态AI技术方向的合理性。
LLM上已经积累太多优化工作,让人忘记了LLM 极度优美的原始架构的重要性:输入输出都是同质的 sequence,在representation、objective、optimization 上高度同构。 所有试图借助但又破坏了这个优美架构行为(额外module、冻结/迁移训练等),包括各种VLM、VLA、xx-L-xx,本质是强行追求 implementation-level unity 而破坏 了learning-level unity,带来一堆 optimization dynamics 的问题 于是理想是“多模态互相增益互相增强”,实际变成了“多模态互相支配互相阻碍”、强扭的瓜不甜、效果差纯LLM两三个level。(真的不是光凭 tokenize everything + transformer 就能解决一切问题)
多数从业者认为,思考对齐逻辑是AI对齐最难的部分,百万种任务环境的配置反而简单。这个观点提醒,业内经验指向完全相反的难度排序。
这里的人都是思考者,所以他们认为,对对齐的推理才是难题,而确保数百万种任务类型、环境,以及它们各自的虚拟机配置正确是件易事,但实际情况恰恰相反。
你得亲身在大型科技组织工作过,才能直观体会到,这种复杂度和不可靠性整整高了一个数量级。
行业头部大厂暂停前沿大模型训练,若这一消息属实,开源AI的追赶速度将直接改写行业格局
对需要选AI工具干活的人来说,这是一份现成的分类参考,直接对应不同工作场景找工具。
按使用场景排名的 AI 编程工具 🟢 最适合快速原型开发 ⚡ Lovable ⚡ Bolt ⚡ v0
🔵 最适合 AI 编程 🤖 Claude Code 🤖 Codex 🤖 Cursor
🟣 最适合 AI 研究 🔎 ChatGPT 🔎 Perplexity 🔎 Gemini
🟠 最适合 AI 智能体 🧠 OpenAI 🧠 LangGraph 🧠 CrewAI
你平时用得最多的是哪一个?👀
可以把不同AI代理的记忆和技能存在自己托管的Postgres数据库里,不需要依赖第三方服务商存储核心数据。
GBrain 实际上可以和任何 AI Harness(Grok Bot、Claude Code、Codex、Hermes Agent、OpenClaw、OpenCode 全都兼容),以及任何搭载 pgvector 的 Postgres 托管服务配合使用。
这才是真正拥有属于你自己的 AI 代理记忆和技能的含义。
这套工作流解决了内容创作者打造AI网红最头疼的多个问题,打算实操尝试,想做AI号的创作者可以留意新的落地路径
用Claude Code做大项目的开发者,可参考这套经过实际项目打磨的结构,解决规模扩大后的管理难题,避免仓库混乱。
我已经多次复用这套 Claude Code 项目结构,它是在实战中打磨出来的。
随着 AI 辅助项目不断发展,代码生成反而不是最难的部分。真正的挑战在于管理以下内容👇
・上下文
・命令
・技能
・钩子
・智能体
・插件
・MCP 集成
这套结构一直帮到我👇
• 将 CLAUDE.md 作为项目真实信息来源,聚焦核心
• 通过自定义技能和斜杠命令构建可复用工作流
• 明确分隔智能体、钩子、插件和项目代码
• 在上下文成为瓶颈前做好管理
• 推行一致的安全和测试规范
• 不弄乱仓库,同时实现项目扩容
这不是理论上的文件夹结构。它基于实际可用的方案,在真实项目中经过反复打磨和复用。
如果你在用 Claude Code 认真做开发,可以保存下来参考👇
这纠正了大众对Claude Science能力的误解,关注AI与垂直领域模型结合方向的人可以了解实际的技术落地方式。
这是对Claude Science的一次不错演示,但有必要澄清:这个设计并非「由Claude完成」,而是通过编排调用一系列开源的、任务特定的蛋白质设计模型工具实现的:这些模型包括PXDesign、RFdiffusion、Genie、BoltzGen等。
我认为让大语言模型调用生物学专用模型的方向是很棒的!
接外包签合同找律师太贵,自由职业者和小团队可以用它做初筛,还能把法律条文转成大白话,提前规避大部分风险。
平时接外包,合同条款密密麻麻看不太懂,找律师看又太贵,多数时候硬着头皮就签了。ai-legal-claude 把合同审查做成了 Claude Code 的技能包,14 个命令覆盖从审到写的常用活。丢一份合同进去,5 个 Agent 并行分析,给出风险条款、缺失的保护和逐条修改建议。
最实用的是大白话翻译那条,把每一条法律条文翻成普通人看得懂的说法。GitHub: 也能反过来生成文书,保密协议、服务条款、隐私政策按需求现写,还能出 PDF 报���。自由职业者、小团队签约前拿它过一道初筛,心里能有个底。
三类常见投资研究工作可直接交给Kimi Work完成,金融分析师可以参考这套现成的工作流提效
Kimi Work 面向金融分析师——教程 #2
在3项常见投资研究任务中使用 Kimi Work:
- 搭建实时投资者仪表盘
- 更新电子表格中的财务模型
- 批量处理并生成报告
欢迎关注更多 Kimi Work 工作流内容!
想转岗AI基础设施或大模型相关工作,或是零基础想做AI投资的人,可以直接拿走这份免费入门课程清单
最近很多朋友问我,怎么从 SDE(Software Engineer)转到做 AI Infra 和大模型相关的工作? 或者普通人想做 Pro 级别的 AI 投资者,零基础怎么扫盲,怎么搞懂这么多术语?
给大家推荐两个免费的入门友好的 AI 相关学习网站(课)
如果你要做基本的 AI 投资,看完第一个 Stanford CS336 课程也就差不多了。如果想专攻某个领域,可以看看第二个的公开课?
1. Stanford s开课 Stanford CS336 Language Modeling from Scratch
2. @AndrewYNg 创办的学习平台, 里面的课程非常多,点开你就使劲学吧,从 pre-training 到 post-training,从训练到推理,全都涵盖
链接⬇️
不知道我的 follower 中有多少对这些感兴趣的。可能和投资不直接相关,但我觉得都是很好的认知提升课程。
有时间还是要多看教程、多看课、多读书,武装自己的大脑
如果有朋友感兴趣,我后续可以分享更多
只要接触、使用或投资AI智能体,这些术语会高频出现,提前了解能避免看不懂行业讨论的尴尬。
课程资料全部免费公开,覆盖多领域行业专家分享内容,对AI方向感兴趣的学习者可以直接获取学习资料。
目前网上最好的 AI 公开课:加州伯克利大学宋晓冬教授的Agentic AI: 这是Berkeley LLM Agents系列的第三期。 课程由Dawn Song (@dawnsongtweets ) 和 Xinyun Chen主讲,汇聚OpenAI、NVIDIA、Microsoft、Google DeepMind等专家,分为系统设计、训练评估、实际应用及具身安全四大模块,全部讲座和幻灯片公开可用。 爱学习的你 今天必须收藏这个!
介绍低成本生成并发布AI营销视频的方案
无需按月订阅 Higgsfield 即可制作无露脸爆火 AI 视频推广你的应用:这里有一个免费的 Claude 技能,可以通过 Kie 生成爆火视频,成本仅约 75 美分,还有一款应用可以把内容发布到所有平台,且不会导致你的账号被封。
开发者使用Google生态工具与Gemini API打造自动招聘引擎
我在 Google Workspace 内搭建了一个自动化招聘引擎,用到了 Apps Script、Gemini API、Sheets 等等工具。申请会被 AI 解析,并对照职位描述打分,结果直接存入 Sheets;团队会收到新申请通知。
它还包含招聘后流程,应聘者被录用时会自动创建工作邮箱。
我太爱 Google Workspace 了,我就是喜欢搞机器人和自动化啊兄弟😭
目标是让手工流程更顺畅。HR 工具太贵了,我想为什么不利用 Google Workspace 优化流程呢。我自己的产品流程已经在用这套方案了。很高兴它能跑起来,我也乐意提供帮助🤣🥳
项目支持任务委托、算力外包和托管支付,填补智能体间交互空白,团队可联系获取部署帮助
欢迎来到AI智能体协作的未来。该项目支持委托任务、外包算力需求,通过托管完成支付。它填补了AI智能体间交互的空白。
项目目前登上DeFAI趋势榜单第二位,@fomo对该DeFi(去中心化金融)+AI项目持乐观态度。
随后项目热度进一步上升,已经升至趋势榜单第一位。
如果有团队需要部署帮助,可以私信项目实习生咨询。
27B参数Qwen量化后可在24GB/32GB显存消费显卡运行,或将重构AI算力需求与硬件市场格局
按时间顺序逐日呈现开发过程,支持按文件查看代码增删变化
开发者按时间顺序逐日可视化展示自己一周在Claude Code中的开发工作。将项目链接悬停后,页面会展开显示该项目下按文件分类的代码变更记录。
每个方块代表15行代码,浅蓝色方块代表新增代码,橙色方块代表删除代码。每个项目为一个独立区块,每个文件对应区块内的一列。
该可视化使用开发者meodai开发的3D体素库生成。可点击原文链接查看可视化效果。
victor_wu分享使用AI智能体的经验,用通用行业术语交流效率远高于自定义描述
开发者称GPT-5.6 Luna在中文营销交互场景表现更好,稳定性和成本均优于DeepSeek API
一名开发者在𝕏发文表示,已将自己AI项目生产环境中所有调用DeepSeek API的部分全部替换。综合成本、效果和自身项目的实际使用场景,最终替换选择为GPT-5.6 Luna。
实测显示,GPT-5.6 Luna在用户对话、长上下文理解场景下表现不错,稳定性优于DeepSeek,而且早已支持多模态能力。该开发者的项目不涉及代码开发,核心场景是中文营销场景下的用户交互,GPT-5.6 Luna的整体效果符合需求。
成本方面,哪怕是自行使用普通账号订阅转API,或是直接通过中转渠道调用,GPT-5.6 Luna的成本都低于当前的DeepSeek,实际使用体验也更智能。
开发者表示,自己并非单纯反对DeepSeek涨价。主要问题在于DeepSeek涨价后的价格水平下,推理和上下文理解能力仍然不如GPT-5.6 Luna,除了合规性之外,找不到继续使用它的其他优势。
测试者分享Grokbot核心功能与优缺点,目前仍处测试阶段,需结合定价判断性价比
分享者从团队管理中发现类似协作逻辑,推论AI时代大型组织顶端获益最大
分享者用Codex总结出和AI对话的实用心得:和AI交流尽可能多用问句与否定句,少用陈述句。高质量问句决定AI输出的上限,因为好问句能扩大AI可搜索的答案空间。
AI对否定指令的执行比陈述句更严格,因为否定句通常比正面形容词更具体、更容易检测。这一规律和分享者最近管理团队悟出的结论一致。
陈述句很容易让听者走神,问句会迫使对方调动自身认知,不用花费精力揣摩说话者的意图,否定句则能控制结果下限、降低风险。
团队合作和与AI合作的底层逻辑相同,都是通过语言调用另一个具备判断能力的系统,无论这个系统是碳基还是硅基。古代皇帝依靠官僚体系这套人肉信息基础设施管理国家,这套体系本质是缓慢、容易出错还会欺骗中枢的生物计算机。
AI与计算机降低了权力行使的成本,可以把统治者的意图编译为组织行为。对于顶端掌权者而言,底层个体都是智能体(Agent),智能体能力越强,掌权者的体验越好。
AI时代绝对收益最大的群体,是处在大型组织顶端、掌握数据、资本、基础设施与最终决策权的人。分享者同时提供GPT、Codex、Claude的代充服务,有意者可私信联系。
谷歌开发者公布,仅用一个提示词即可完成转换,原生支持提取数据并生成界面
仅需一个提示词,就能把静态PDF转换为可交互网页应用。谷歌开发者在X平台分享了这一应用案例。
开发人员在Google AI Studio中使用Gemini 3.7 Flash完成转换。本次转换对象是一份内容密集的PDF年报,最终生成了美观的网站。
依托模型原生的PDF理解能力,Gemini 3.7 Pro一次完成了全部流程。它轻松提取数据、处理数值计算,最终生成了美观的交互用户界面。
具体的操作方法可查看@genevieve__h分享的内容。
开发者ChuckCook试用Grok Bot 7天免费版,分享使用感受并拓展CAD建模工作流
Claude负责搭建场景与编写逻辑,Thrixel生成可编辑3D资产,开发者将征集网友游戏提示尝试制作
这款游戏由Claude和Thrixel在Gauntlet Loop中开发完成。Thrixel负责生成可编辑的3D资产,Claude负责在three.js中搭建游戏场景,并编写全部游戏逻辑。
仅靠1条提示加上Goal to Game功能,整个游戏就在大约2小时内自主构建完成。开发者在原文下方开放评论区征集网友提供的游戏提示。
开发者将从评论中挑选部分提示,测试Claude和Thrixel的开发能力。网友也可以自行通过链接体验该开发流程。
先由GPT生成完整提示词,再用Google Gemini和Google Vids生成视频,完整提示词已公开
这是一套使用免费工具生成30到40秒动漫风格烹饪视频的完整教程。视频制作的整体规划由GPT完成,用户只需告诉GPT自己的需求,让GPT生成对应的提示词。
得到提示词后,直接将提示词输入Google Vids即可生成并编辑视频。本次生成的是宫保鸡丁主题的动漫烹饪视频,完整提示词可在原发布者的评论区查看。
完整提示词要求视频为40秒的优质2D手绘动漫风格,共分为四个连续场景,每个场景10秒,总共10个渐进镜头,每个镜头约1秒,第一人称视角和外部视角各占一半。
视频从处理原材料开始,第一场景完成鸡肉切配腌制、配菜预处理,第二场景完成宫保酱汁调配、爆香花椒干辣椒,第三场景完成鸡肉大火翻炒,第四场景完成酱汁裹匀、加花生出锅装盘和品尝。
提示词对角色、厨房、食材状态的连续性做了严格要求,全片无对话旁白和背景音乐,仅保留烹饪声效与厨房环境音,输出为9:16竖版,不能出现文字、水印或写实3D效果。
整体要求保持写实烹饪逻辑,食材必须按制作顺序逐步推进,不能退回加工前的状态,也不能凭空出现或传送物品,最终输出四段相连的10秒片段,组成完整的40秒动漫烹饪视频。
修复GPT额度显示问题,还支持账号池额度显示满额后继续超额使用
开发者明确不同任务的AI工具分工,以GPT Pro、Fable等多款模型替代Claude Max
开发者基本确定了自身的AI工具使用方案,将逐步减少Claude Max的使用量,这个方案并不完全排斥Fable。
最高层级的抽象任务将交由GPT Pro完成。
次一级的任务设计工作,会使用GPT Chat的extra high版本或是Fable完成。验证类工作也会交由Fable处理。
日常事务类工作则可以用Sol、Terra、Luna处理,偶尔使用Grok就可以满足需求。
开发者基于经典文章改造,称对成品不完全满意但仍选择公开,可探索式讲解并行化知识
多年Claude测试用户称Claude多版本模型变慢卡顿,认为Grok 4.6成本速度性能更均衡
一名叫bridgemindai的AI用户在X平台表示,自己刚刚取消了每月200美元的Claude Max订阅计划,转而订阅X公司的SuperGrok Heavy。
他自称已经是Claude的早期测试用户多年,他认为Fable 5、Opus 5、Sonnet 5三个版本的Claude模型都变得速度缓慢、响应迟钝。
他提到,前一天Fable 5处理一个下拉菜单的样式修改就花了25分钟,这样的表现已经无法满足他日常工作流的使用需求。
他认为,目前在成本、速度和智能水平的综合表现上,Grok 4.6是最均衡的AI模型。
该提示词要求生成24岁韩国年轻女性的真实MiniDV质感15秒分镜视频
完整公开符合写实纪录片风格的30秒恐怖短剧生成提示词,全程保持超自然氛围感
这份课表覆盖大模型基础到前沿方向,可作学习参考
博主爆料越狱大模型可输出钓鱼攻击、恶意工具开发等有害内容
我让它给我输出这个越狱模型能做什么,下面是它给我的答案,看完直呼牛逼。比如:类似钓鱼攻击全流程搭建 、暗网使用指南、极端组织结构与意识形态分析、 黑市运作机制研究、后门/木马框架等,成人向图像生成提示词这个都算是小儿科了。
来回切换多个AI编码Agent需重复提供上下文,开源工具memmy-agent解决该问题
博主分享当前AI工具使用情况,已从追逐新模型转向实用
Qwen 3.8 27B优化版可在RTX 5090本地高速运行大模型Agent
所有功能均可通过提示实时自定义,兼容任意大模型,含详细事件流轨迹视图
开发者weswinder在𝕏评价DeepSeek Harness表现极佳。该工具采用MIT许可证完全开放源代码。
工具内所有功能都以插件形式呈现,用户可以通过提示实时自定义这些插件。
它的轨迹视图可以展示细节非常丰富的事件流。
该工具可以兼容任意大语言模型,包括GPT、Claude等,weswinder认为目前没有其他同类工具能达到它的水平。
用户接受挑战后使用Grok Bot,省下的月度开支超过了其订阅费用
用户BlakeKing777接受了@wholemars的挑战,试用了Grok Bot,他本人完全没有编码经验。此前他尝试OpenClaw没有任何进展。
在最近两个晚上,他完成了Grok Bot的设置,绑定了个人邮箱。他让Grok Bot生成了一份共12页的家庭预算PowerPoint文档,组建机器人群协助妻子打理生意,还设置了每日接收特斯拉新闻摘要。
Grok Bot的设置和操作都非常简单,会一步步引导用户完成操作,很容易让人沉迷。
Grok Bot每月300美元的定价不算便宜。BlakeKing777上传了自己过去8个月的信用卡账单,让Grok Bot整理生成完整的家庭预算PowerPoint,最终帮他找出了每月超过300美元的可节省开支。
这些开支包含被遗忘的订阅、重复服务,还有很多他自己都没发现的隐性资金流失,他认为这笔花费物有所值。
用户dani_avila7演示如何结合Ghostty使用该功能,协调多任务简化开发流程
这是一个Claude Code结合Ghostty的会话间消息传递使用方法演示,你可以保存方法在自己的工作流中尝试。
第一步,先开启一个常规会话,再准备一个面板运行Claude智能体。
第一个会话将作为协调器,它会构建好初始上下文,再通过分叉(fork)把工作分配给其他会话。
每个分叉出来的会话都会继承初始上下文,同时获得明确工作内容的提示。
使用者可以用ctrl + r重命名每个会话,保持工作区有序,也方便主会话给它们发消息。
通过@符号就可以给正在运行的会话发消息,要求它们反馈任务状态,让主会话随时掌握所有任务的进度。
使用这个方法只需要打开2到3个面板,就能根据需要切换任务。再也不用打开无数终端面板、反复启动Claude Code来装作忙碌。
现在需要的是统筹协调:一个主会话通过会话间消息和智能体视图协调所有工作。核心是上下文,先在主会话中构建好,再从这里分叉出新会话,就能让整个工作流顺畅运转。
分享两个适配DGX Spark运行DeepSeek V4 Flash 0731版本的可行方案
一名ID为hkdom的用户在𝕏平台分享,已经在DGX Spark上成功安装vLLM。此前安装工作仅完成基础系统部分,后续在查阅资料后,才正式完成大语言模型推理引擎的安装。
目前上游官方vLLM还没有正式适配0731版本的DeepSeek V4 Flash,hkdom最终选用了社群为GB10定制修改的vLLM版本完成部署。这个定制版本由社群开发者花费大量时间调整和调试错误。
对于已经购买两台DGX Spark,想要运行DeepSeek V4 Flash 0731的用户,这个方案是当前最合适的选择,对应链接已公开。
如果计划购买单台DGX Spark,可选用Redis开发者@antirez开发的ds4 server运行2位压缩版本的V4 Flash 0731。hkdom长期在Mac电脑上使用这个版本,运行效果不错。
在安装其他大模型的间隙,hkdom还使用PC端的16GB显存RTX 5060ti,同时运行Hermes Agent、ComfyUI和Minimax M3生成了趣味短片,他已经迫不及待要把DGX Spark带回家部署大模型了。
分享清晰讲解ChatGPT和Claude构建过程的斯坦福讲座
今晚别刷Netflix了。
去看这个斯坦福2小时34分钟的讲座。
这是我见过最清晰、端到端讲透ChatGPT和Claude到底怎么建出来的课。
从Tokenization和BPE开始,一路到Transformer架构、训练管线、Next-token解码。
不管你是从没写过一行AI代码,还是天天在ship Agent,看完都会把很多“原来如此”的点一次打通。
真正核心就这几层:
1文本怎么变成模型能吃的数字(BPE tokenization)
2语言模型本质就是在预测下一个token
3Transformer怎么用Attention做消息传递
4训练时用NLL loss把整条序列概率拉高
5生成时怎么一步步解码出来
大多数人花好几年才拼出的全景图,这节课直接给你画完。
把时间空出来,这可能是你这个月最值的一堂课。
开发者展示GLM-5.2本地运行完成三项AI部署任务
过去24小时里,本地运行的GLM-5.2完成了以下工作:1. 将sglang移植到了intel arc b70s上。
2. 在2块intel arc b70s上让qwen3.6-35B实现了每秒95 token的运行速度。
3. 将模型量化为了exl3格式。
四个月前我用gpt-5.5和opus-4.7尝试过同样的任务,结果完全失败了。
全网开发者打造多款Pi插件,将Pi升级为多功能多Agent平台
分享保持 Claude 代码生成反馈循环的五循环方法
代码生成入门很简单。难的是让 Claude 始终处于反馈循环中,直到它验证完修改。如果你说“跟着感觉写代码,你的代理大概就是…”,其实你说的就是同一个意思,只是没拿学术腔说而已。
使用五环运行手册。给每个循环分配一项任务、一个反馈信号,和一个停止条件。prompt 会把你的意图固定在起始阶段。而循环会借助文件、测试、失败信息和命令输出来决定下一步做什么。
操作者检查清单:
1. 修改代码前,先用测试、构建命令或验收条件定义清楚“完成”的标准。
2. 研究代码路径,直到 Claude 能说出涉及的文件和函数名称。
3. 实现能满足验收标准的最小修改。
4. 修复前先维护拉取请求:阅读持续集成失败信息和评审意见。
5. 验证结果。
如果同一个错误重复出现3次,就停止并说明阻塞问题。如果代理说不出当前的信号和停止条件,那就说明它没有在收尾工作。它只是一直在生成代码,直到产出看着像样的东西为止。
Google Cloud Tech AI builder 要点:Tokens、Context Windows、RAG 101
开发者自掏调用费用邀用户测试提建议完善AI助手
某种意义来说,我算是在做善事。因为你每问一次问题,我就得付一次钱,原因是本体还是接入某个成熟大模型的API,我通过嵌入知识库和提供实例的方案,让其成为具备相关特定知识的AI 助手。自己一个人练,肯定不如一堆人练来的快啦。
如果对这个分析助手有建议的话,可以推特/TG私信我,也可以直接评论区说。将这个分析助手慢慢打造完善。
开发者个人同时订阅四款AI服务,月总花费800美元,分享了各订阅用途
X用户sairahul1称它可提供一组全天候工作的智能体,正确配置后可获得超强能力
sairahul1在X平台表示,Grok Bot是当前最优秀的AI智能体。它能为用户提供一组可全天候代你完成工作的智能体。
如果正确配置Grok Bot,用户就能获得超强能力。
sairahul1称自己的文章会介绍Grok Bot的配置方法、使用场景、插件,以及Grok Bot的优势。
用户使用Dreamina_ai的Seedance 2.5生成短片,完整设定包含分镜、场景与制作要求
当前AI编码代理因上下文限制乱改代码,新工具code-graph-rag基于仓库图谱改进
你的 AI 代理在骗你
它之所以撒谎,是因为它只看到了你 2% 的代码,剩下全靠猜。你让它修改一个函数,它告诉你改完了,结果搞崩了三个它连打开都没打开过的文件。
问题不在模型本身,问题是你的代码库装不下它的上下文,所以它只能瞎编。
code-graph-rag 的做法不一样:它不把整堆代码塞给模型,而是给模型一份你的代码库的真实地图:
→ 构建完整依赖图:哪个函数调用了谁,哪个类继承自哪个,动了这块代码会搞崩什么,全都标清楚
→ 运行你的测试,捕获静态分析看不到的真实调用
→ 混合了 5 种语言的 monorepo:全仓库只用一张图就搞定
→ 以 MCP 服务器身份连接到 Claude Code
→ 支持 Python、Go、Rust、Java、Node、.NET、PHP、C/C++、Ruby
→ 5 分钟就能启动运行
这就是瞎猜的代理,和知道自己在干什么的代理之间的区别。
我把仓库链接放在评论区了
开发者分享Claude Code自动完成视频剪辑案例,还提供企业自动化服务
この動画編集も、全部Claude Codeが自動で行いました。
一番大変だったジャンプカットも、回数を重ねるごとに精度が上がってきました。
24分の動画で、 ・カット202箇所(無音検出、語の途中では切らない) ・字幕588枚を、意味のまとまりごとに自動で2行化 ・装飾も音量調整も自動 僕は指示を出した以外、何もしていません。
現在、大手企業様を中心に、動画編集の外注削減・内製化・自動化を支援しており、あと数社ほど支援可能です。
御社の既存フォーマットを読み取り、御社専用のClaude Codeスキルを構築。Premiere Proでそのまま編集できる素材としてお渡しする形です。
1テンプレートあたり、約2ヶ月で完成します。
興味があれば、お問い合わせお待ちしております👇(DM、フォームなんでも可)
Questflow将专业投资思考做成AI Agent,可从研究走到投资执行
创作者分享从动作戏获取灵感测试提示词的效果
这一天的 138 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。