AI Pulse

社区讨论：多数开发者认同大语言模型降低了个人定制软件开发的门槛，已有多人靠大模型花半小时就做出满足自身个性化需求的小工具，吐槽现有通用工具功能臃肿框架老旧。有人质疑普通用户不会追求可扩展定制软件，大众只需要够用稳定的成品。还有人指出这篇文章本质偏向Cloudflare OS的推广，很难相信Cloudflare能成为默认基础平台，更可能是谷歌微软先复制成熟模式抢占市场。

社区讨论：多数用户不满谷歌Pixel内置AI，有人吐槽谷歌产品团队不做用户调研，充斥着只冲KPI的利己职员，堆AI只是为了给产品经理交差，做的都是用户不需要的功能。有用户认为三星AI做得更好，也有人表示自己日常用AI添加日历等功能是够用的，只是AI功能做得不够彻底，步骤冗余。

开阔场景是测试 AI 视频模型能否理解除主体外更多内容的良好标准。

MiniMax H3 为创作者提供了相机控制功能，同时支持在同一次生成中使用多个视觉和音频参考。

输入越多上下文，就有越多空间来实际指导场景创作。

目前该模型已在@magnific上线，在 9 月 1 日之前，生成 2K 分辨率视频可享受五折优惠。

来和我们这支有趣的团队一起聊聊，如何把你宝贵的数据转化为能持续迭代模型的环境，我们会聊这些有意思的内容：

- 用真实世界追踪数据创建逼真的世界模型
- 如何把环境和评估当作智能体的训练数据来看待
- 训练实际是什么样的？你该在什么时候开展训练
- 在整个循环的不同阶段，人类需要参与到什么程度，以及为什么需要人类参与

我们将持续改进 Cursor 中的云代理。

这些云代理可以从事件中承接工作，坚持目标直至完成，并能在长会话中保持工作方向。

Muse Spark 1.2 Contributor 现已在 OpenCode Go 上线。

这个模型会基于你的数据训练，因此需要你明确选择启用，且在部分地区受限。

作为交换，你能获得极高的使用额度。

大多数AI基准测试考察的是检索能力——模型能否找到已知答案？

然而，科学领域最困难的问题要求的是发现，系统能否推导出一个还没人拥有的答案？

来认识TRACES 🧭——全球首个用于衡量发现型AI的基准测试：这类AI可以梳理证据、检验假设，并在没有标准答案的问题上得出可验证的结论。

该基准由我们的创始人@tianqiao_chen提出，他定义了它的六项能力。

今天发布了三项内容：「发现型智能」的定义，区分可靠研究和幸运猜测的评分规则，以及面向解题者和出题者的公开征集。

网站：

隆重介绍 S1-mini ✨ 我们首款开放权重的语言模型。

这是一个参数量为 0.6B 的模型，可完全在你的设备上处理转录文本。

今天就在应用中体验它吧。

Ornith-1.5 是开源 AI 向前迈出的重要一步。

通过自我改进训练，它拥有出色的推理、编码和智能体性能，此外还以 MIT 许可证发布了多个尺寸的模型版本。

它看起来会是下一代开源 AI 的强大基础。

我们将继续为前沿模型提供零数据留存服务。

随着AI承担时长更长、自主性更强的工作，为企业创造更大价值，安全系统也需要在相关交互中识别风险。

为帮助应对这些风险，我们推出了Private Safety Processing预览功能，该功能旨在提升安全性，同时不会让OpenAI员工访问原始内容。

隆重介绍 S1-mini ✨ 我们首款开放权重的语言模型。

这是一个参数量为 0.6B 的模型，可完全在你的设备上处理转录文本。

今天就在应用中体验它吧。

Muse Spark 1.2 Contributor 现已在 OpenCode Go 上线。

这个模型会基于你的数据训练，因此需要你明确选择启用，且在部分地区受限。

作为交换，你能获得极高的使用额度。

我们将持续改进 Cursor 中的云代理。

这些云代理可以从事件中承接工作，坚持目标直至完成，并能在长会话中保持工作方向。

送给大家的七夕礼物：《深入理解 AI Agent》开源书发布 2.0 版了！最近一周修订了大量内容： 1. 把第四章中的异步和第九章的多模态重组为第六章，交互：观察和动作空间的扩展。原有第六至八章顺延，实验也重新编号了。

2. 加入了包括 DeepSeek Harness、Anthropic 最新研究在内的新实战案例。3. 评估、后训练、agent 持续进化章节用根据线上 bad case 自动调优 agent 的例子来贯穿。4. 后训练补充 mid-train、数据构造和模型蒸馏的内容。

5. 修正了大量不准确的表述，改进了中文表达。感谢社区增加了希��来语翻译。

现在 Hermes 在安装技能时会利用 NVIDIA 的 SkillEvaluator，在你确认安装前检查 PII、泄露密钥、Unicode 走私、许可证和安全问题。

我们首先将它用在了我们自己捆绑的技能上，并且根据它的发现改进了其中11个技能。

开阔场景是测试 AI 视频模型能否理解除主体外更多内容的良好标准。

MiniMax H3 为创作者提供了相机控制功能，同时支持在同一次生成中使用多个视觉和音频参考。

输入越多上下文，就有越多空间来实际指导场景创作。

目前该模型已在@magnific上线，在 9 月 1 日之前，生成 2K 分辨率视频可享受五折优惠。

我们将继续为前沿模型提供零数据留存服务。

随着AI承担时长更长、自主性更强的工作，为企业创造更大价值，安全系统也需要在相关交互中识别风险。

为帮助应对这些风险，我们推出了Private Safety Processing预览功能，该功能旨在提升安全性，同时不会让OpenAI员工访问原始内容。

结果发现，arc-agi-3 可能真的是技能问题。我们用一个通用编码 agent 让这个基准达到了 100% rhae 饱和度——这个 agent 是 claude code + opus 5，没有额外的工具框架，只多了一项技能。

核心思路非常简单：在每次行动前，强制生成一个可证伪的预测。

这会把每一步操作都变成一次实验，把每一次失误都变成一次精准修正，还能让 agent 通过公开记录错误来学习这个任务。

我们表现力最强的实时语音模型 Eleven v3 Conversational 现已正式可用。

对于构建能带着真实情绪响应的语音体验的开发者来说，Eleven v3 Conversational 支持精细控制的音频标签，并支持 70 多种语言。

社区讨论：多数用户不满谷歌Pixel内置AI，有人吐槽谷歌产品团队不做用户调研，充斥着只冲KPI的利己职员，堆AI只是为了给产品经理交差，做的都是用户不需要的功能。有用户认为三星AI做得更好，也有人表示自己日常用AI添加日历等功能是够用的，只是AI功能做得不够彻底，步骤冗余。

社区讨论：多数开发者认同大语言模型降低了个人定制软件开发的门槛，已有多人靠大模型花半小时就做出满足自身个性化需求的小工具，吐槽现有通用工具功能臃肿框架老旧。有人质疑普通用户不会追求可扩展定制软件，大众只需要够用稳定的成品。还有人指出这篇文章本质偏向Cloudflare OS的推广，很难相信Cloudflare能成为默认基础平台，更可能是谷歌微软先复制成熟模式抢占市场。

社区讨论：多数人明确指出这不是大语言模型，只是用于生成随机名称的超小模型，参数仅为4K。有人质疑该性能数据并不值得惊叹，称自己移植的微型模型也达到了极高速度，还有人提到五个月前就已有C语言移植版本，比Python版本快2500倍。也有开发者讨论了优化空间，认为用Arm SME可实现进一步提速，还有人好奇该项目能否适配Asahi平台。

开源模型正在进入一个全新的时代。

Ornith-1.5 不只是在扩展参数量——它是在扩展模型的学习方式。

这是一个自我提升的循环：模型创建任务、搭建框架、生成解决方案，并通过强化学习（RL）从这些过程中学习。

这对AI的未来来说是一个非常有趣的方向。🔥

Ornith-1.5 是开源 AI 向前迈出的重要一步。

通过自我改进训练，它拥有出色的推理、编码和智能体性能，此外还以 MIT 许可证发布了多个尺寸的模型版本。

它看起来会是下一代开源 AI 的强大基础。

来和我们这支有趣的团队一起聊聊，如何把你宝贵的数据转化为能持续迭代模型的环境，我们会聊这些有意思的内容：

- 用真实世界追踪数据创建逼真的世界模型
- 如何把环境和评估当作智能体的训练数据来看待
- 训练实际是什么样的？你该在什么时候开展训练
- 在整个循环的不同阶段，人类需要参与到什么程度，以及为什么需要人类参与

大多数AI基准测试考察的是检索能力——模型能否找到已知答案？

然而，科学领域最困难的问题要求的是发现，系统能否推导出一个还没人拥有的答案？

来认识TRACES 🧭——全球首个用于衡量发现型AI的基准测试：这类AI可以梳理证据、检验假设，并在没有标准答案的问题上得出可验证的结论。

该基准由我们的创始人@tianqiao_chen提出，他定义了它的六项能力。

今天发布了三项内容：「发现型智能」的定义，区分可靠研究和幸运猜测的评分规则，以及面向解题者和出题者的公开征集。

网站：

在我们的平台上，监控和控制你在每一家提供商处的AI支出。早期用户平均节省了40%。

每周，价格——智能——延迟的边界都在移动，我们预计这一趋势还会持续。延迟、推理能力、成本、服务层级、开源模型和闭源模型之间的权衡一直在不断变化。

Router会将每个请求发送到最适合该任务的模型，并帮你控制你购买的token。我们针对实际工作对它做了基准测试：相同输出下成本降低约40%。

今天我们向所有人开放它。只需两行代码，或者仅修改你的base URL即可使用。不需要@tryramp账户。

免费使用到2026年，首$26由我们承担。现在就前往获取API key：

掌控你自己的代理框架。我对这个全新的开源代理框架感到非常兴奋。

我提前拿到了试用资格，它做得真的很棒！

最棒的一点是，它经过了恰当调优，能为GLM-5.2这类开源模型带来惊人的成本降低——成本下降了75%。

它也支持其他前沿模型。

Inference Engineering 开放给所有人免费阅读：

顺便说一句，你可以用纯英文在 Claude Code 里配置自动模式。分类器是一个独立模型，会审查每一步操作，它在决定允许/阻止什么操作时，只会读取你写的这些规则。加上 `$defaults` 还能同时保留内置规则！

如果你不确定自己的规则是否足够清晰，可以运行 `claude auto-mode critique`。它会标记出所有模棱两可、冗余或是大概率会产生误判的内容。更多信息见文档：

这是一个参数规模90亿的大模型，全程在Wi-Fi断开的离线状态下，完成了一整套自主智能体运行流程。

该模型是OsaurusAI推出的Ornith 1.5，它自主读取了三份表格，交叉引用月度汇总数据，独立写出一份收入分析报告。整个过程中，所有数据都没有离开本地Mac设备。

本次演示使用基于MLX框架、采用MXFP8量化的Ornith 1.5 9B，全程在Wi-Fi断开的状态下录制完成。Ornith官方称，这款90亿参数模型的性能达到或超过了Gemma 4 31B（参数310亿）和Qwen 3.6 35B（参数350亿），实际运行中的规划、读文件和自我修正表现，也符合这一说法。

该项目免费开源，采用MIT许可证。它是原生macOS应用，并非基于Electron框架构建。

一项测试设置了对照实验：使用同一个AI模型完成同一个任务，唯一变量是是否提供一个真实案例作为参考。这项测试由代码索引工具XERJ开展，该工具会对代码（个人代码或开源项目代码）建立索引，在Claude Code开始生成代码前，将索引内容作为真实参考提供给它。

不提供真实参考时，AI需要自行猜测所有设计决策：包括代码结构、需要覆盖的场景、功能边界。这种情况下AI几乎没有答对。提供真实案例参考后，AI不需要自行猜测任何内容，所有要求都已经在参考案例中得到解决。

这次测试没有更换模型，也没有延长提示词，只给AI提供了真实内容供参考，而非让AI凭空想象。AI无法对从未见过的内容做出准确猜测，但可以很好地复制已经摆在面前的内容。

XERJ可以为用户自动查找这类参考内容：它会对用户的代码仓库及同类项目建立索引， ready 提供给Claude使用。

开发者Vtrivedy10分享了自己当前使用的代码开发与环境搭建工作流。这套工作流基于Codex桌面应用搭建。

工作流采用拆分窗格布局，一侧是对话窗口，另一侧是HTML预览器。每次完成重要修改后，都需要更新或新建带新数据的HTML产物预览器，以此确认刚才的修改实际产生了什么效果。

如果需要直接阅读代码，可以打开文件查看器使用。这套工作流适配单屏笔记本使用场景，很少用到第二显示器。

开发者danc_danc在𝕏发文称，自己会在哄睡孩子后开发iOS应用。

他希望结识对以下领域感兴趣的同好：交付个人副业项目、Claude Code、Codex、Cursor、开发工具与自动化。

此外，他的兴趣点还包括独立开发、开源项目，以及从失败中学习。

如果你符合以上描述，可以和他取得联系。