AI Pulse

社区讨论：不少人批评Anthropic的决策失误，有人指出承包商在IPO前为压缩小成本引发大规模公关危机，是明显的错误，可能会给公司带来数十亿美元损失。有人呼吁抵制Anthropic，停止使用Claude。也有人担忧全员居家会打断 spontaneous 协作，冲击公司文化，可能让OpenAI、xAI趁机抢占领先位置。

还有人嘲讽该公司估值和安保安排的矛盾，调侃不如让Claude负责安保。

https://www.bloomberg.com/news/articles/2026-08-25/openai-cl..., https://archive.ph/yCTrr

社区讨论：多数人认可OpenAI自研芯片会推动 token 价格持续下跌，也认为行业竞争最终会让消费者受益。有人质疑OpenAI无法跟上专业芯片厂商的研发迭代速度，重蹈特斯拉自研芯片项目失败的覆辙，也有人提出疑问，OpenAI在供应链规模效应上远不如英伟达，难以实现更经济的大规模量产。还有人批评自研芯片只会为普通用户设置计算壁垒，最终只有少数巨头能靠规模获得竞争优势。

我们计划在年底前开始在 OpenAI 的计算基础设施中部署 Jalapeño。这是一个多代路线图的第一步。

第二代已进入深度开发阶段，第三代也正在成型。每一代都会进一步提升效率和速度。

我发现居然能在树莓派上运行一个 35B 参数的 Qwen 模型，智能程度和稳定性都非常出色。

我给它搭建了汽车 ODB 连接器，可以读取车辆内部的所有信息，还接入了厂商云服务，可以用来控制空调、开关车门之类的操作。

我把完整车辆手册这类信息都喂给了它，然后把它接入到我讨论室里的其他代理中。

现在它可以回答诸如「我该什么时候加机油，该加哪种机油？」这类汽车问题，完全离线状态下也能提供帮助，在线时还能……

ChatGPT 扩展现在支持更多你已经在使用的浏览器。

你可以将打开的标签页加入任务，让 Codex 基于你面前的上下文开展工作。

今日我们推出 AC2，即 Applied Compute Agent Cloud，赋能所有团队训练、部署和改进他们自己的前沿模型。

今天我们在 @NVIDIA DGX Spark 上推出了 Portable Computer。

Portable Computer 是完全本地运行的版本的 Perplexity Computer，整个运行环境：编排器 LLM、子代理 LLM、代理工具 harness 全部都在你的本地硬件上运行。

不依赖云端。

介绍 S1，我们全新的可从单个示例中学习的基础模型。无需任何微调，仅通过一个视频提示，就能教会它完成从未见过的、时长10分钟的任务。

快来观看 S1 通过上下文学习实时运作的演示：

自从我们发布了首款自研推理芯片 Jalapeño 以来，我们一直在对它及配套系统进行测试。

测试结果显示这是一次重大进步：每瓦功耗都能支撑更高智能，同时响应速度更快，在同一种架构下同时实现更高吞吐率和更低延迟，且不会牺牲效率。

🚨听完Tibo最新访谈之后，GPT-Astra将是颠覆性的存在！

OpenAI Codex负责人Tibo最新说了句狠话：“现在的Codex，2-3个月后就会显得很原始。”

下一代模型GPT-Astra将会直接把笔记本算力打成瓶颈，Agent必须上云。

ChatGPT和Codex将彻底合体——不再有“编程工具”和“聊天助手”，只有一个高度个性化的Personal AGI，界面自己根据你的任务和习惯变。

Skills、Memory、Sub-Agent这些东西都会消失，你只需要一个真正懂你的伙伴。

Ultra Fast也会变成默认，工作流从“开一堆Agent并发”变成真正的实时Flow。

未来不是加功能，是让Agent消失进你的生活。

全网最硬核的Codex路线图，来了。

#OpenAI #Codex #ChatGPT #AI #AGI #Astra #AIAgents #Tibo

介绍 S1，我们全新的可从单个示例中学习的基础模型。无需任何微调，仅通过一个视频提示，就能教会它完成从未见过的、时长10分钟的任务。

快来观看 S1 通过上下文学习实时运作的演示：

今天我们在 @NVIDIA DGX Spark 上推出了 Portable Computer。

Portable Computer 是完全本地运行的版本的 Perplexity Computer，整个运行环境：编排器 LLM、子代理 LLM、代理工具 harness 全部都在你的本地硬件上运行。

不依赖云端。

今天我们宣布成立 @KeenableAI，这是一个原生 AI 驱动的人类优质知识索引，起步阶段覆盖开放互联网。

AI 看起来什么都懂，但当你问它一个你自己深有研究的问题时，情况就不一样了。它的回答不算错，但也只是非常平庸。我们创立 Keenable 就是为了解决这个问题：所有模型和智能体都应当能够对活的互联网进行查询、推理，并从中持续学习。

Keenable 获得了来自 @Accel 和 @conviction 的 2600 万美元种子轮投资。打造它的团队，曾在 Yandex Search 与 Google 直接竞争，核心成员还包括来自 Amazon AGI、X 和 Perplexity 的研究员与工程师。

面向 AI 的网络搜索 API 与网络查询语言现已上线。二者结合让互联网可以支撑 AI 规模的查询需求。

在今年 9 月底之前，两项服务都可以免费使用。未来七天我们会陆续发布基准测试结果、案例故事和新的产品功能。让你的智能体搜索起来吧。

今日我们推出 AC2，即 Applied Compute Agent Cloud，赋能所有团队训练、部署和改进他们自己的前沿模型。

ChatGPT 扩展现在支持更多你已经在使用的浏览器。

你可以将打开的标签页加入任务，让 Codex 基于你面前的上下文开展工作。

我们完成了4000万美元A轮融资，用于打造智能生物学自动化实验室。上周，我们分享了和Anthropic合作完成的工作：Claude设计了蛋白质，将它们发送到我们的自动化湿实验室，最后获得了真实实验数据。

我们相信生物学未来就是这个方向：AI代理设计实验，在自动化湿实验室运行实验，从结果中学习并迭代。但AI的速度只能追平背后实验的速度。要发挥AI的潜力治愈所有疾病，我们需要建造高通量湿实验室基础设施：一座「生物超级工厂」。

这正是我们Adaptyv正在做的事。过去一年里，我们将实验室通量提升了5倍以上，已经接纳了超过100家客户，覆盖范围很广：从chaidiscovery、boltz_bio这类生物AI实验室，到罗氏（Roche）、诺和诺德（novonordisk）这类药企，再到数十家借助AI大幅加速药物研发的新兴创业公司。

Apple 刚刚发布了搭载 M6 的 Mac mini。AI 性能快了 4 倍。相比 M4，本地大语言模型速度最高快 4.8 倍。

为持续在线的 AI 智能体打造。是时候逃离永恒底层了 👊

DeepSeek 击败 Anthropic：中国开源 AI 主导美国平台

据 SCMP 报道，8 月末，在 Vercel 的 AI Gateway 上，中国开放权重模型的 token 占比达到创纪录的 62%，而 6 月这一数字仅为 28%，原因是开发者越来越多地选择更便宜的替代方案。

🔸 按 token 量计算，DeepSeek-V4-Flash 是使用最多的模型，前五名里中国模型占据四席
🔸 开放权重模型在周二超过了闭源专有系统，占 token 使用量的 54%
🔸 Anthropic 的 Fable 5 在发布后一个月内，仅占企业 token 购买量的 6%，尽管它是该公司定价最高的模型
🔸 这种转变在自主 AI 代理中尤为明显，这类代理在推理、编码和工具调用过程中会消耗大量 token

这一趋势表明，随着价格更低的开放权重模型不断缩小与高端模型的性能差距，成本正在成为 AI 落地应用的决定性因素。

IBM Granite 4.2 现已在 Ollama 上可用。

这是参数规模为 3B、8B、30B 的开源模型，为企业代理打造。

该模型可免费使用，许可证同时允许研究与商业用途。

它的数据整理与训练流程专为企业场景和定制化设计，在结合治理、风险与合规（GRC）评估的同时，还遵循了 IBM 的标准数据清理和文档质量审查流程。

我们计划在年底前开始在 OpenAI 的计算基础设施中部署 Jalapeño。这是一个多代路线图的第一步。

第二代已进入深度开发阶段，第三代也正在成型。每一代都会进一步提升效率和速度。

Qwen3.8 27B 现已同时支持微调与专用模型推理。

你可以用自己的数据对它进行微调，随后将模型部署在专用基础设施上用于生产，无需将分开的训练与服务栈拼接在一起。

Prime Intellect 的这项新研究非常有意思。Prime Agent 是一个令人印象深刻的开源自改进框架。

它是用于长周期智能体任务的框架。一个持久化 IPython REPL 允许模型通过编程处理自身上下文，而持续框架可以在不同任务轨迹间保留历史、记忆、技能、提示词和子智能体规格，因此改进会不断累积，而非每次运行都重置。

在使用同一模型类别的情况下，ARC-AGI-3 RHAE Best@1 准确率从 30% 提升到了 95.5%。

它在长上下文编码、GPU 内核生成和自主 nanoGPT 速通任务上的表现也能匹敌甚至优于原生框架。

论文：

在我们的学院追踪更多热门AI论文：

我发现居然能在树莓派上运行一个 35B 参数的 Qwen 模型，智能程度和稳定性都非常出色。

我给它搭建了汽车 ODB 连接器，可以读取车辆内部的所有信息，还接入了厂商云服务，可以用来控制空调、开关车门之类的操作。

我把完整车辆手册这类信息都喂给了它，然后把它接入到我讨论室里的其他代理中。

现在它可以回答诸如「我该什么时候加机油，该加哪种机油？」这类汽车问题，完全离线状态下也能提供帮助，在线时还能……

https://www.bloomberg.com/news/articles/2026-08-25/openai-cl..., https://archive.ph/yCTrr

社区讨论：多数人认可OpenAI自研芯片会推动 token 价格持续下跌，也认为行业竞争最终会让消费者受益。有人质疑OpenAI无法跟上专业芯片厂商的研发迭代速度，重蹈特斯拉自研芯片项目失败的覆辙，也有人提出疑问，OpenAI在供应链规模效应上远不如英伟达，难以实现更经济的大规模量产。还有人批评自研芯片只会为普通用户设置计算壁垒，最终只有少数巨头能靠规模获得竞争优势。

社区讨论：不少人批评Anthropic的决策失误，有人指出承包商在IPO前为压缩小成本引发大规模公关危机，是明显的错误，可能会给公司带来数十亿美元损失。有人呼吁抵制Anthropic，停止使用Claude。也有人担忧全员居家会打断 spontaneous 协作，冲击公司文化，可能让OpenAI、xAI趁机抢占领先位置。

还有人嘲讽该公司估值和安保安排的矛盾，调侃不如让Claude负责安保。

自从我们发布了首款自研推理芯片 Jalapeño 以来，我们一直在对它及配套系统进行测试。

测试结果显示这是一次重大进步：每瓦功耗都能支撑更高智能，同时响应速度更快，在同一种架构下同时实现更高吞吐率和更低延迟，且不会牺牲效率。

🚨听完Tibo最新访谈之后，GPT-Astra将是颠覆性的存在！

OpenAI Codex负责人Tibo最新说了句狠话：“现在的Codex，2-3个月后就会显得很原始。”

下一代模型GPT-Astra将会直接把笔记本算力打成瓶颈，Agent必须上云。

ChatGPT和Codex将彻底合体——不再有“编程工具”和“聊天助手”，只有一个高度个性化的Personal AGI，界面自己根据你的任务和习惯变。

Skills、Memory、Sub-Agent这些东西都会消失，你只需要一个真正懂你的伙伴。

Ultra Fast也会变成默认，工作流从“开一堆Agent并发”变成真正的实时Flow。

未来不是加功能，是让Agent消失进你的生活。

全网最硬核的Codex路线图，来了。

#OpenAI #Codex #ChatGPT #AI #AGI #Astra #AIAgents #Tibo

新学期开始了，我的「AI对齐的数学基础」课程第一讲已经结束了。

这门课到底教什么？问得好。我们刚好有一整个学期的时间来搞清楚这件事。

Anthropic 最近公开了一款内部员工高频使用的 Claude Code Skill——ELI5。

安装这个 Skill 后，你只需要输入想了解的概念，它就会自动生成一个 HTML 页面，通过“大图 + 少文字”的方式，把复杂的技术原理可视化解释出来。

视频中演示了使用 ELI5 解释 MCP 运行原理，以及 Harness 这一 AI Agent 概念的过程。

相比传统文字解释，它能够通过结构图、类比和简单案例，让复杂知识更加容易理解。

如果你经常学习 AI、编程、Agent、MCP 等新技术，这个 Skill 可以帮助你快速理解和分享复杂概念。

#MCP #Skill #Anthropic #claude

我和@romainhuet一起展示了几个用5.6 Sol开发的实验项目，玩得非常开心。

从创造新乐器，到开发游戏，再到用个人消息训练本地模型，AI如今已经成为另一种创作媒介。在这里，无论你的想法听起来有多疯狂，你都能亲手把它们塑造出来。

我上一篇写的是10个主流AI Agent怎麽选，但很多人选完之后，还是不知道ChatGPT客户端到底要从哪里开始 这几天我会陆续把几个主流产品个别整理简单的教程 今天写的是ChatGPT 我把Chat、ChatGPT Work和Codex三个区域重新整理了一次，也把怎麽下指令、怎样节省额度、Projects、权限模式和一些进阶功能都放进去了，对AI有兴趣还是初学者的伙伴可以参考：

博主在X平台分享了一个免费方法，如果你无法通过nano banana或gpt-image-2获取AI用户生成内容（AI UGC）的写实头像，可以尝试该方案。

用同一个提示词输入seedance 2.5生成图像，提取它生成的第一帧使用就可以。

这种生成图像的方式成本很高，但这是博主试过的生成效果最写实的方法之一。

得到头像后，可以放到seedance 2.0 fast这类成本更低的模型中使用。

对博主个人来说，他不在意成本较高，只想要效果最好、最写实的生成内容。

AI生成用户生成内容（AI UGC）在理论上听起来很不错，但它成本过高，效果也不够自然，难以击败人类生成的UGC。

分享该观点的开发者曾经亲自打造过一个AI UGC平台，意识到上述问题后，他关闭了这个项目。

目前有团队推出了名为Icon的新产品，这套工具可以用一个打包方案批量为任意产品生成真实UGC。

这个团队斥资1200万美元收购了icon.com域名，这笔费用相当于近8700万元人民币。

开发者0xblacklight在X平台分享，当同事dexhorthy不在办公室时，他偶尔会为了乐趣手写EffectTS代码。他觉得手写代码能让人进入平静专注的状态，这是AI编码工具带不来的体验。

他最不喜欢AI编码的一点，是它总会迫使开发者切换多任务等待AI代理运行。一方面，AI可以帮开发者完成浏览器回归测试这类重复工作，省下大量精力，原本一个多月才能完成的项目，一个下午就能搭建完成。

另一方面，他感觉自己和系统、控制流之间的距离变远了，怀念从零开始设计优雅方案的感受。他本身花在思考控制流和程序设计上的时间，比超过90%使用编码AI代理的工程师都要多。

现在，亲手精雕细琢写代码，或是在白板从零开始设计状态机，而非让大模型给出多个选项供选择，已经变成了一种「安静的奢侈」。他认为软件开发的手工技艺感已经被削弱，行业性质也在发生改变。

很有意思的是，我上大学时非常讨厌ARM汇编课。平心而论，当时这门课的讲师和助教都教得很差。

现在回头看，这段经历反而让我十分怀念。我真的很怀念亲手写代码的感觉。

当年从零手写快速排序的作业，在那时候感觉糟透了。但能如此贴近控制流与内存操作，体验其实很奇妙。