AI Pulse

社区讨论：多数开发者都称Claude 5尤其是Opus 5存在输出冗余啰嗦、违反格式要求的问题，已经困扰他们数周，部分团队甚至考虑将预算转移到Codex或开源模型上。有人质疑，如果全程需要用其他模型清理输出，为什么不直接改用其他厂商的模型。也有人认为对输出措辞的抱怨太过度，大模型只是工具不完美很正常，还有人指出只有Opus 5问题严重，Fable 5表现要好得多。

社区讨论：有用户质疑作者标题和全文标注为Claude，实际多数工作用的是Kimi、DeepSeek等其他模型，表述容易误导读者，也有人调侃Claude已经变成智能体领域的舒洁，成了这类产品的通用代称。不少开发者讨论低价位开放固件的可穿戴硬件，有人推荐同价位的Waveshare ESP32-S3 AMOLED手表，有人希望未来能出现百元级开源的佳明同款运动手表。

透明背景功能现已在 API 的 GPT-Image-2 中开放预览。

你可以生成可复用的资产，将它们放置在任何背景上——用于产品图片、平面设计、网站原型和营销活动。

现在推出：全场景 OpenRouter。一个预付费余额，覆盖你的代理和产品所需的所有 API。

这是每支 AI 团队从第一天就需要的计费与计量层。一个全场景 OpenRouter。

每一次模型调用、搜索、抓取或数据请求——一个密钥，一个余额，按你设定的价格实时计费。差价收益全归你。失败调用不收费。支持下钻到单个用户的完整账目。

覆盖 286+ 提供商，2404+ 端点。现在它已经为我们的消费产品 Locus Founder 提供支撑。

不用再同时管理多个提供商账户、处理月末发票，或是从零搭建自己的使用计费系统。

构建代理产品的团队终于可以像处理其他支出项一样管理 API 开销：定价、设限额，最终计费转嫁给你的用户。

评论「LOCUS」获取优先提前体验资格。预约通话请访问：

AT&T 将更多 AI 工作负载转移至开源模型。

AT&T 表示，目前开源模型处理了 40% 的员工 AI 查询，预计这一比例将上升至 60%-70%，同时该公司计划将对 OpenAI 和 Anthropic 模型的支出大致维持在现有水平。

该公司称，通过 LiteLLM 进行模型路由，AI 编码成本降低了 56%，仅出现了 2% 的性能质量下降。

AT&T 的内部 AI 平台目前每天处理约 450 亿 token，除了将前沿模型用于更复杂的任务外，还使用了包括 Nvidia Nemotron、Meta Llama 和 Google Gemma 在内的模型。

如果AI队友（Grok Bot、Hermes等）无处不在会怎么样？

我们推出Anything出品的Skydive。

- 全渠道覆盖（Slack、email、iMessage、CLI）
- 云原生（始终在线，你睡觉时也能工作）
- 模型中立（支持Fable、GPT、Deepseek等更多模型）

从第一天起，所有人就能获得完整访问权限。

让我们出发吧。🪂

借助全新的 @ExaAILabs 插件，你可以让 ChatGPT Work 和 Codex 访问超过 1000 亿个网站、论文、文档及更多内容。

Grok 4.6 刚刚在 Artificial Analysis Agentic Index 中并列第一

Grok 4.6 (high) — 59
Claude Opus 5 (max) — 59

表现优于 Claude Fable 5 和 GPT-5.6 Sol

我们正在进入智能体时代，而这正是非常重要的一类基准测试：工具调用、规划、自主性和复杂问题解决。

Grok 4.6 现在已经高居榜首。

这点之所以更为重要，是因为 Grok 为 Grok Build 和 Grok Bot 提供动力，在这些场景中，模型必须不止于回答问题，而是实际采取行动、使用工具并完成真实工作。

Grok 的智能体能力正在变得异常强大。

突发消息：Grok 4.6 刚刚在 Artificial Analysis Agentic Index 中并列排名第一。⚡🤖

Grok 4.6 (High) — 59
Claude Opus 5 (Max) — 59

Grok 4.6 现在位居该基准测试榜首，领先于其他领先模型。

Agentic Index 聚焦对现实世界 AI 智能体至关重要的能力：工具使用、规划、自主运行，以及复杂问题解决。

这一结果意义尤其重大，因为 Grok 正在拓展 Grok Build 和 Grok Bot 业务，在这些场景中 AI 需要做的不只是回答问题——它还需要使用工具、完成任务。

来源：Artificial Analysis

突发消息：Grok 4.6 刚刚在 Artificial Analysis Agentic Index 中并列排名第一。⚡🤖

Grok 4.6 (High) — 59
Claude Opus 5 (Max) — 59

Grok 4.6 现在位居该基准测试榜首，领先于其他领先模型。

Agentic Index 聚焦对现实世界 AI 智能体至关重要的能力：工具使用、规划、自主运行，以及复杂问题解决。

这一结果意义尤其重大，因为 Grok 正在拓展 Grok Build 和 Grok Bot 业务，在这些场景中 AI 需要做的不只是回答问题——它还需要使用工具、完成任务。

来源：Artificial Analysis

Grok 4.6 刚刚在 Artificial Analysis Agentic Index 中并列第一

Grok 4.6 (high) — 59
Claude Opus 5 (max) — 59

表现优于 Claude Fable 5 和 GPT-5.6 Sol

我们正在进入智能体时代，而这正是非常重要的一类基准测试：工具调用、规划、自主性和复杂问题解决。

Grok 4.6 现在已经高居榜首。

这点之所以更为重要，是因为 Grok 为 Grok Build 和 Grok Bot 提供动力，在这些场景中，模型必须不止于回答问题，而是实际采取行动、使用工具并完成真实工作。

Grok 的智能体能力正在变得异常强大。

今天我们还预览了 WildArtifactBench，这是一个内部评估框架，用于评估智能体在复杂真实任务上的表现，覆盖多种不同的交付成果格式。

它不采用严格的真值评分标准，而是使用来自人类和智能体偏好裁判的胜率与 Elo 评分，扩展了实际多模态工作流的任务覆盖范围。

我们将发布 WildArtifactBench 中的 10 个任务，以此推进我们衡量多模态智能体实际实用价值的能力：

借助全新的 @ExaAILabs 插件，你可以让 ChatGPT Work 和 Codex 访问超过 1000 亿个网站、论文、文档及更多内容。

如果AI队友（Grok Bot、Hermes等）无处不在会怎么样？

我们推出Anything出品的Skydive。

- 全渠道覆盖（Slack、email、iMessage、CLI）
- 云原生（始终在线，你睡觉时也能工作）
- 模型中立（支持Fable、GPT、Deepseek等更多模型）

从第一天起，所有人就能获得完整访问权限。

让我们出发吧。🪂

SenseNova U1.5 Lite — 更锐利、更可控、更具成本效益。

这是一个开源、轻量的原生统一多模态模型，适用于视觉理解、生成与编辑。专为真实世界视觉工件工作流打造：
🔹原生4K生成，拥有更好的细节、构图与真实感
🔹能完成跨主体、计数、文本、布局与风格的复杂指令跟随
🔹增强了中英文字渲染与多文本布局能力
🔹借助视觉标记、 bounding box 与多图参考，实现精确图像编辑与控制

它仅有8B参数，在指令跟随与编辑保留能力上优于同尺寸模型，同时在文本渲染与复杂布局方面可与大型商用模型竞争。

🛠️GitHub:
🤗HF:
👾Discord:
🎨SenseNova Studio:

AT&T 将更多 AI 工作负载转移至开源模型。

AT&T 表示，目前开源模型处理了 40% 的员工 AI 查询，预计这一比例将上升至 60%-70%，同时该公司计划将对 OpenAI 和 Anthropic 模型的支出大致维持在现有水平。

该公司称，通过 LiteLLM 进行模型路由，AI 编码成本降低了 56%，仅出现了 2% 的性能质量下降。

AT&T 的内部 AI 平台目前每天处理约 450 亿 token，除了将前沿模型用于更复杂的任务外，还使用了包括 Nvidia Nemotron、Meta Llama 和 Google Gemma 在内的模型。

透明背景功能现已在 API 的 GPT-Image-2 中开放预览。

你可以生成可复用的资产，将它们放置在任何背景上——用于产品图片、平面设计、网站原型和营销活动。

现在推出：全场景 OpenRouter。一个预付费余额，覆盖你的代理和产品所需的所有 API。

这是每支 AI 团队从第一天就需要的计费与计量层。一个全场景 OpenRouter。

每一次模型调用、搜索、抓取或数据请求——一个密钥，一个余额，按你设定的价格实时计费。差价收益全归你。失败调用不收费。支持下钻到单个用户的完整账目。

覆盖 286+ 提供商，2404+ 端点。现在它已经为我们的消费产品 Locus Founder 提供支撑。

不用再同时管理多个提供商账户、处理月末发票，或是从零搭建自己的使用计费系统。

构建代理产品的团队终于可以像处理其他支出项一样管理 API 开销：定价、设限额，最终计费转嫁给你的用户。

评论「LOCUS」获取优先提前体验资格。预约通话请访问：

宣布推出 /variate。这是一项开源设计技能，可以通过生成多个设计变体来迭代 UI。

它支持在 Claude Code、Codex 和 OpenCode 中使用。

安装命令：npx skills add nutlope/variate

我们将为专注于 AI 可解释性与对齐研究的学术及非营利研究者提供总价值 100 万美元的免费 Silico 使用额度资助。

我们认为推进对齐方向的可解释性研究是极端紧迫的，我们希望帮助更多研究者推动这项工作向前发展。🧵

社区讨论：有用户质疑作者标题和全文标注为Claude，实际多数工作用的是Kimi、DeepSeek等其他模型，表述容易误导读者，也有人调侃Claude已经变成智能体领域的舒洁，成了这类产品的通用代称。不少开发者讨论低价位开放固件的可穿戴硬件，有人推荐同价位的Waveshare ESP32-S3 AMOLED手表，有人希望未来能出现百元级开源的佳明同款运动手表。

社区讨论：多数开发者都称Claude 5尤其是Opus 5存在输出冗余啰嗦、违反格式要求的问题，已经困扰他们数周，部分团队甚至考虑将预算转移到Codex或开源模型上。有人质疑，如果全程需要用其他模型清理输出，为什么不直接改用其他厂商的模型。也有人认为对输出措辞的抱怨太过度，大模型只是工具不完美很正常，还有人指出只有Opus 5问题严重，Fable 5表现要好得多。

现在 AI 模式（ChatGPT Work/Codex/Chat、Claude Cowork/Code/Chat）和形态（电脑端应用、网页应用）越来越多，有一件事让我很困惑：我已经记不清每种产品都有哪些功能了。🤷‍♂️

在不同产品里，插件、技能、记忆、权限、文件这些功能究竟各是什么情况？

Glen 正在为智能体构建组织学习与上下文层。你的团队运行的每一次智能体会话，都会产生值得留存的推理内容，但几乎所有内容都会在上下文窗口关闭的瞬间被丢弃。

Glen 就是统一你公司运行的所有智能体与模型的层级。它会从 Claude Code、Codex 和 Cursor 拉取智能体会话数据，同时整合 Slack 消息、GitHub PR、工单、文档和通话内容。

当新的智能体接手一项任务时，Glen 会找到相关的过往上下文，将其注入智能体的上下文窗口来引导工作，最终产出的知识工作质量远高于以往，速度更快、成本也更低。准确来说，所需上下文减少 29%，速度提升 21%。

而且 Glen 能做的还有更多……
> 查询任意一行代码对应的原始智能体
> 搜索你组织运行过的每一次会话
> 动态技能蒸馏
> 多玩家智能体
> 可在 Claude Code、Codex 和 Cursor 之间中途交接任务的统一转录文本
> 内嵌在 Slack 中的公司大脑

Glen 目前处于抢先体验阶段，在下方报名加入等候名单即可。

大多数 AI 文档工作流甚至在 LLM 投入运行之前就失败了。我一直在测试 Unstract，这是一个开源平台，可以将 PDF、扫描文档、表单和手写文本转换为干净、结构化的 JSON，无需模板或模型训练。

你可以将结果部署为 REST API 或 ETL 流水线。最值得注意的是，LLMWhisperer 会先处理分析和数据提取，保留视觉布局、表格、复选框和手写内容，这样 LLM 收到的就是干净且结构化的信息。

如果你正在开发文档相关 AI 解决方案、RAG 流水线或自动化工作流，这个工具绝对值得探索。在这里试用 LLMWhisperer OCR：代码仓库：#AI #OpenSource #LLM #DocumentAI #RAG #Automation #Development

💡 借助 Firebase AI Logic 结合端侧 AI 的速度与云的算力 → 我们 Jetpacker 系列的第三部分展示了如何做到以下内容：用 Google Search、Maps 和 URL 数据为聊天bot提供 grounding，用 Hybrid Inference API 实现智能回退，以及构建自定义路由的实时聊天翻译。

要学习人工智能，很难找到比这更好的入门包了。开发 Claude 的团队推出了一门规模庞大的课程，内容从 AI 基础开始，一路延伸到 Claude Code、API、MCP、agent 和技能，现在完全免费、对所有人开放。

他们不只是提供工具，还在培养会使用这些工具的下一代。这次就好好投入学习吧。

我自己刚开始的时候，也是从 Anthropic 的课程入门的。你可以从这里访问：

如果你正在读这篇内容，我相信算法把你推送给我是对的——因为你就是靠评估软件公司吃饭的。

经验丰富的交易团队总爱说自己做了非常全面的尽职调查。我打算告诉你，为什么在AI交易里，他们根本没做到。

如果你想要交付AI原生产品，就预约一次发掘通话：

90%的AI内容都是从未交付过生产级智能体的人写的。这份通讯出自每周都在做这件事的100多个工程团队内部。免费订阅👇

来认识 Hermes3D，这是给 Hermes Agents 打造的实时 3D 指挥中心。

你们中有些人可能还记得 Claw3D，它曾经走红，但它是围绕 OpenClaw 构建的。在我把所有工作流都迁移到 Hermes 之后，继续维护它就说不通了。

所以我为 Hermes 重新构建了整个概念。

Hermes Bot Mode 本来就已经给每个智能体分配了专属角色、模型、记忆、技能、工具和个性。而 Hermes3D 给这个团队提供了一间办公室。

你可以看到哪些智能体正在工作，看到谁被卡住了，查看它们的任务，打开看板，走过去和它们对话。

当智能体之间互相交流、委派工作或是交接任务时，你都能在这间办公室里实时看到整个过程。

你的 AI 团队不应该像是藏在终端标签页里的十个看不见的进程。它应该让你感觉是一个你真的能看见、能掌控的工作场所。

Claw3D 是原型，Hermes3D 才是真正的愿景。

当然了，它是开源的。演示在下方，仓库链接在第一条评论。

Hermes3D Repo

我目前在 Slack/Google Chat 里的智能体架构：

- 一个频道容纳了由 6 个智能体组成的团队，作为基础设施团队，管理其他智能体的运行时、环境、工具、技能开发和各类服务（比如日报、Google Cloud 等等）

- 小型「沙龙」团队，为特定任务、长期实验、创意想法或是快速落地新想法而组建，它们自主工作，有自己的排期，拥有可以向基础设施团队上报问题的工具

- 沙龙会采用不同的结构、不同的智能体数量，还有不同的模型混合组合，用来观察动态变化（比如 3 个工作智能体加 1 个主持智能体，所有工作智能体优先级互相对立等等）

- 用于和人类在特定任务上快速协作的直接一对一智能体

- 一个我可以直接对话的语音智能体，它可以查看任意频道、发送消息，整体通过聊天完成管理

- 任何模型/框架都能轻松部署

这套架构基本可以自主运行，最大的问题是上下文管理。

一年前开始制作AI视频以来，创作者已经测试了99%的现有图像生成方案。他分享了一套可重复运行，并且在他测试过的方案中效果最佳的工作流。

第一步用Claude结合参考图像确定创作风格。第二步在Midjourney v8.2中生成基础图像。第三步在GPT-2中完成图像清理与放大。

创作者认为这套流程非常简单，已经足够得到目前能实现的最优图像输出。完整指南可以在他公开的链接中查看。

创作者邀请用户加入他的免费TG群组获取更多资讯。

用户@AI_EmeraldApple在X平台分享了用开源AI视频模型修复旧AI生成图像的体验。

他把自己旧AI生成的原神角色cos图，还有几张仿冒图，输入到这个AI视频模型中。

这些图像生成于2023年，使用的是旧版SD1.5（Stable Diffusion 1.5）模型，AI成功修复了图像里的部分问题。

目前依然存在重影、幻觉生成及其他图像瑕疵问题，音频效果也不够好。

角色在每个连续镜头间的外观一致性表现不错，动作整体物理逻辑和其他细节看起来都比较可信。

成果仍处在“恐怖谷”区间，但生成效果正在逐步提升。

测试者在NVIDIA RTX 4090显卡上运行了Qwen（通义千问）3.8-27B大模型。测试者仅输入了“开发一个闲鱼app版首页”的简单提示，得到的生成效果超出预期。

测试分别运行了4位量化版本Qwen3.8-27B-AWQ-INT4，和8位量化版本Qwen3.8-27B-FP8。测试者认为4位量化版本的生成效果更好。

测试给出多项核心性能对比数据：推理解码环节，AWQ版本速度为每秒44.9个token，FP8版本为每秒19.6个token。

8路非思考并发聚合环节，AWQ版本速度为每秒302个token，FP8版本为每秒136个token。

5.5万token预填充首包响应时间（TTFT），AWQ版本用时23.2秒，FP8版本用时17.5秒。AWQ预填充速度更慢，原因是4位权重需要先反量化回BF16格式再计算。

本次测试通过Claude Code对接vllm框架完成，测试过程遇到不少问题，测试者表示后续会整理相关经验。

该测试数据验证了相关实验结论：AWQ量化效果优于FP8。

用户测试Seedance 2.5生成AI表演时发现，同一or台词可以实现7种细腻不同的情绪控制，包括心动、欣喜、温柔、笃定、不舍、苦涩、执念。

控制AI演员微表情的核心，是在提示词中加入独立情境，把眼神、呼吸、动作、停顿和台词后的反应完整写清楚。只要把AI演员的内心状态描述清楚，就能得到符合要求的表演效果。完整提示词方法发布在原动态的评论区。

具体操作时，先用参考图锁定人物脸型、发型、服装、场景、光线和机位，后续只调整表演内容，不改动角色本身。把每一种情绪都当作一场独立的小戏设计，不要只笼统告诉AI人物的情绪，要写清楚情绪产生的原因。

撰写提示词可以按照固定顺序：情境触发→第一反应→眼神神态→呼吸/身体动作→台词→台词后的余韵。比如要表现“不舍”，不用只写“眼眶湿润”，可以完整描述事件和动作过程：对方准备离开，她下意识追出半步，抬手想挽留又停住，强撑着笑，眼眶慢慢泛湿，说出指定台词，目光继续追着对方，笑意一点点消失。重点要把真实演员会有的细节反应写清楚，核心是讲清这场戏的起因、人物反应和台词的完整逻辑。

开发者sydneyrunkle在X平台发文，称自己正在用浏览器智能体对Map Tap任务做爬山搜索优化。

他向网友询问两个问题：一是适合简单图像处理的最优模型是什么，二是需要提供哪些地理上下文信息。

sydneyrunkle表示，能在本周末前拿到任务满分会很不错，但他不确定智能体能有多快完成这项任务，还附上了任务进度链接。

几分钟后，他更新了进展：刚把这个问题丢给编码智能体，没一会儿就已经拿到了满分。

他提到，自己还可以继续对任务轨迹做爬山搜索优化，同时附上了更新后的进度链接。

用户danieltvela在𝕏平台分享了对大模型Qwen3.8-27B的评测结果。他表示，Qwen3.8-27B完全可以应用在几乎所有编程相关任务中。

这次使用体验让他联想到了2025年12月使用Opus 4.5时的感受。