我们在 Miles-diffusion 中推出了 LoRA SFT,可用于扩散模型的快速、定向后训练。
我们为 @MiniMax_AI H3 训练了一个秩为 64 的 LoRA,用来提升物理真实感。
从 254 个经过筛选的训练窗口开始,在 8 块 GPU 上训练耗时不到 3 小时。
最终得到一个轻量级适配器,它可以提升定向能力,不需要重新训练完整模型,还能导出为 safetensors 格式,直接用 SGLang 部署推理。
按照评论区的指南,你也可以自己动手体验 ⚡
英伟达收购 Hugging Face 有了后续:交易还可能一并拿下 llama.cpp(在个人电脑上跑本地 AI 模型的开源工具)及其团队,但版权攥在一千多名贡献者手里。英伟达在开源社区口碑不佳,消息一出,项目未来变得不确定。详见今日深读。
腾讯发布混元 Hy4 预览版:770B 参数 MoE 架构、激活 49B,开放权重并免费两周。在 DeepSWE 编码评测里超过 DeepSeek V4 Pro 和 Qwen Max,仅次于 GLM-5.3 与 Kimi K3。国产开源大模型的迭代节奏明显加快。
汤森路透花 4000 万美元用开源基础模型训练自有模型,彻底脱离 Anthropic。这个案例跑通后,顶级 API 厂商的溢价空间可能被持续压缩。
现已在 Anydoc 中推出 OCR 功能,现在你的代理可以免费读取扫描文档了 非 OCR 处理耗时低于 5ms OCR 单页处理中位耗时为 190ms 支持布局检测、表格、公式 可通过 @firecrawl 使用 OCR 托管选项 免费,…
可直接在Colab上运行RAG、智能体和评估相关开发,不需要绑定特定开发框架,省去额外环境配置成本
我们推出 GMI Router。它是支持 KV 缓存感知的模型路由。 路由时间低于 200 毫秒,流程中无需评判模型,每个任务的成本比全量运行 GPT-5.5 低 28%,同时质量更高。 限时免费使用。
英伟达收购了AI模型托管平台HuggingFace。这笔交易还可能一并获得llama.cpp的版权和整个团队。llama.cpp是在个人电脑上跑本地AI模型的开源工具,很多用AMD显卡或集成显卡的人靠它在自己机器上跑模型。英伟达在开源社区的口碑一向不好,消息一出,这个项目的未来立刻变得不确定。
2026年2月,llama.cpp团队受雇于HuggingFace,继续开发llama.cpp和底层的ggml库。
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)
不用重训整个大模型,就能针对性提升生成物理真实性,改完的轻量化插件可以直接导出部署,感兴趣可以跟着教程自己试
我们在 Miles-diffusion 中推出了 LoRA SFT,可用于扩散模型的快速、定向后训练。
我们为 @MiniMax_AI H3 训练了一个秩为 64 的 LoRA,用来提升物理真实感。
从 254 个经过筛选的训练窗口开始,在 8 块 GPU 上训练耗时不到 3 小时。
最终得到一个轻量级适配器,它可以提升定向能力,不需要重新训练完整模型,还能导出为 safetensors 格式,直接用 SGLang 部署推理。
按照评论区的指南,你也可以自己动手体验 ⚡
多家头部AI厂商都预计在下月推新,一大波旗舰级大模型将密集登场,AI产品迭代速度正在加快
据传将于下月发布的AI模型:
- Gemini 3.8 Flash
- Gemini 3.5 Pro
- Qwen 4
- GPT-5.7 “Zinc”
- GPT-5.7 “Magnesium”
- OpenAI Astra
- Claude Fable 5.1
- Claude Opus 6
- Grok 4.7
- Kimi K3.1
- Mistral 下一代稀疏开放权重模型
- MiniMax M3.x
系好安全带。这将是疯狂的一个月。
AI创业公司Anthropic曾被美国前政府列入黑名单,现在判决推翻了这项决定,直接影响这家AI公司后续发展。
社区讨论:多数用户认为特朗普政府本次拉黑行为本身非法,也有人称Anthropic禁止美国政府使用其部分功能,单方面限制一国使用,本身已经构成国家安全风险。有人提出法律更新速度远赶不上科技风险扩散速度,特殊案件应当加快处理流程。也有人关注,本次裁定仅判定行为非法,并未让涉事方承担赔偿,政府不会为行为付出实质代价。
做表格编辑的AI成本降九成多,精度和速度都远超通用大模型,做表格的从业者和企业可以有更划算的选择
我们今天宣布了迄今为止最具野心的举措:发布我们的旗舰模型DAX-1,它是专门针对电子表格编辑后训练的。
DAX-1的运行成本比Anthropic的Fable 5低97%,在我们的基准测试中,DAX-1准确率达到91.7%,而Fable 5为58.3%。DAX-1的速度还要快5倍。
这标志着我们构建Decide的方式发生了转变。我们不再仅仅依赖通用前沿模型,而是会在对我们业务有意义的领域训练专用模型。
这让我们能对准确率、速度和成本拥有更多控制权,也让我们能为依赖Decide的企业和专业人士打造更好的产品。DAX-1是这个方向上的第一步。
一位创始人分享工作方法,作者亲测一周后分享体验
一位创始人朋友上周给我看了他的日程——没有写作区块,没有伏案时间,只有散步。他的规则是:每个难题都要走 20 分钟。手机放口袋,全程对着 AI 出声思考。
结果我发现,我认识的最精通 AI 的人,都有一个共同习惯:他们用声音思考,而非用手指。于是我偷学了这个方法试了一周。结论:打字不只是更慢——它会在你思考完成前就修改你的思路。
坐在键盘前,你会自我审查那些本来可能成为突破的半成品想法。散步的时候呢?完全没有过滤,思路完全流淌。而且 AI 能捕捉到你自己都没意识到你在梳理的线索。
我用 @ComuAI_ 记录我的思考——一段 20 分钟的漫谈独白,在我到家之前,它就能整理成干净的笔记加行动项。
旧方法:盯着光标,构思完美的提示词。新方法:出声思考,让最聪明的聆听者接住所有内容。键盘从来都不是瓶颈,自我过滤才是。
我是 Comu 的老用户了——完全就是这么回事。我现在每次散步都会用它。我今年一半的好点子都来自我随口漫谈,而它在我到家前就能给我整理好干净的笔记和行动项。
官网:
亚马逊商店:
Gemini新版本曝光,关注谷歌大模型迭代的人,可以留意后续动向
社区讨论:多数用户聚焦技术之外的行业影响,有人提到大家常讨论生成式AI对开发者的影响,却很少关注AI对配音演员和影视演员的冲击。有人对比行业动向,提出OpenAI已经完全放弃Sora项目,但谷歌仍在重度投资视频生成,可能是把视频生成当做开发世界模型的核心环节。不少用户提出质疑,有人称含人类的AI生成视频仍有严重的恐怖谷效应,有人指出该版本依然无法实现将生成视频和已有音频同步。
原有AI对接硬件需要数天到数周定制开发,现在可缩短到数小时到数分钟,能降低AI落地硬件的时间成本
将 AI 连接到硬件需要数天甚至数周的定制集成,目前还没有让智能体安全操作设备的标准方法。
MHS 能将集成时间缩短到几小时甚至几分钟,它提供了一个可发现设备的接口,还能让智能体安全操作这些设备。
投资方给另一家AI编码应用开出了极高估值,想在AI编码赛道押注的投资者,可以参考市场当前的出价风向
👀一级市场现在关于 Cognition 正在进行的当前轮融资有铺天盖地的讨论,估值约为 450 亿美元。
所以我们深挖了它的财务数据,来解释它的增长和烧钱情况,以及为什么投资者会给又一款AI编程应用下这么大的赌注……
Root权限是系统最高控制权,AI拿到后如何管控安全风险,直接关系到所有接入AI的设备安全。
社区讨论:多数开发者认同,当前AI代理默认和用户共享账户权限,提示 injection 可轻易窃取~/.ssh密钥等敏感数据,这是POSIX按设计工作,并非漏洞,而是用户没有遵循操作系统权限隔离的基本规则。原作者补充,本地MCP服务默认拥有和用户相同的全权限,但安装说明完全未提及该风险。有人提出应该用专用KVM虚拟机、容器或者独立系统用户做沙箱隔离,也有人指出合格的MCP服务本身应当只暴露必要的功能权限。
这是开源端大模型的新进展,定价稳定亲民,普通开发者和普通用户可以直接试用体验。
🚀 Hy4 预览版已发布。770B 总参数量,49B 活跃参数量,1M 上下文窗口。为生产力打造。开源前沿模型。价格稳定亲民。来用吧。告诉我们哪里出问题了。
更多信息见 Hy 博客:HuggingFace:Github:
金融工作依赖可靠来源、一致定义、精准计算和可审计产出。
我们推出 Ling-3.0-flash-Fin,这是 Ling-3.0-flash 的金融增强版本,由我们与金融机构及领域专家合作开发。
该模型总参数量为 124B,激活参数量为 5.1B,支持处理长报告、研究材料和复杂工作簿,可完成信息检索、研究、估值建模和报告准备工作。
该模型在 FinFIRST、FinSearchComp Verified、FinCRAFT、FinanceAgent v1.1/v2、APEX-Agents、SpreadsheetBench v1/v2 和 τ³-Banking 上都取得了有竞争力的结果。
我们将于下周开源该模型权重。
这个新标准将为AI智能体提供通用接口,让AI智能体可以安全操作科研、高端制造领域的实体设备,未来或改变实体场景的作业模式。
该Agent由多个并行研究单元探索不同方案,保留每次实验的有效结果,在合作方提供的火箭模拟中获得100%安全着陆率,后续实际落地效果仍待观察。
在代码开发DeepSWE评测中,它超过DeepSeek V4 Pro和Qwen Max,仅次于GLM5.3与Kimi K3,目前已经进入灰度测试。
Claude Code作者称,现在由子智能体和循环流程完成编码工作,公司70%到90%的代码由Claude生成。
Anthropic 旗下 Claude Code 的创造者 Boris Cherny 称:“在 Anthropic,我们已经不再用提示词了,子代理和循环包办了所有工作。”
在 50 分钟的分享里,他展示了如今 Claude 如何完成 Anthropic 70%–90% 的代码编写,每天合入 20 个 PR,还能把一名工程师变成一整支团队。
提示词 → 工具 → 子代理 → 完整编码循环。
分享的前 10 分钟内容,就已经超过了大多数售价 700 美元的 AI 课程的深度。
大多数人还在手写提示词的时候,提效杠杆已经往上挪了两层。
模型还是那个模型,token 还是那个 token,唯一改变的就是你套在模型外层的循环。
收藏这条。然后下拉找你感兴趣的任意讲座。
这个匿名登顶OpenRouter排行榜一周的模型,现在已经开放免费使用档位,所有人都能直接体验。
核心需求就是把复杂主题讲给完全不懂的人,要求配大图片少文字,做成HTML页面。做产品科普的人可以直接抄走用。
Anthropic 内部员工写的一个 Skill,内部员工已广泛使用 Skill 叫做: eli5 整个Skill核心就一句话: Explain like I'm someone who knows nothing about this topic, using a HTML artifact with big pictures and few words. 中文版: 把我当成一个完全不懂这个主题的人,用大图 + 少量文字的 HTML 页面,把这件事解释清楚 就这么简单,没有复杂代码,没有 MCP,也没有几百行提示词。但它把一个很明确的工作方法固定下来了。以后遇到复杂��西,不要给我堆概念,直接想办法让我看懂 很多人一说 Skill,第一反应就是要写得很复杂,Anthropic 内部用的东西告诉你:Skill 不一定是一个复杂程序,有时候,它只是把一句真正有用的话,固定下来反复使用 快去实现你自己的Skill吧
现在让AI Agent绑定一个链上钱包已经不难,难点是钱包拿到手之后,它能独立完成多少完整操作。
传统自主研究循环把探索得到的非最优结果直接丢弃,新框架改成让多个研究节点并行运行。
大多数自主研究循环都把探索当成了可丢弃的搜索树:你挑出最优结果,扔掉其余部分。
PRAXIST 彻底改变了这种架构。它运行多个平行的「研究员同伴」,通过持久化内存共享研究发现,再由 PI 小组根据积累的数据协调下一步要测试的内容。
最惊人的是效率差距。用开源模型在 MLE Bench 上达到了 65% 的准确率,token 成本仅为 3k,而 Claude Opus 达到相同结果需要 38k。
当问题需要累积迭代时,聪明的系统架构胜过蛮力计算。
博主梳理了公开信息后发现,Google在ChatGPT推出前已经训练了大量不同尺寸的大语言模型。
AI需要全新实体硬件支撑才能发展,这笔融资将用来搭建相关物理设施,后续AI落地进度会被推动。
如果未来AI智能体真的会自主交易协作,它们需要的货币天生绑定算力,而不是法币。这是没有VC预售的全新实验方向
解决了AI Agent控制浏览器靠猜点击、速度慢精度差还费token的老问题,降低AI自动化的使用成本
微软刚刚让你的AI代理完全控制浏览器
用AI自动化浏览器一直存在同一个问题:代理只能看截图,猜哪里该点击。速度慢、不精确,还消耗大量token,成本很高。
Playwright MCP从根本上解决了这个问题:
→ 代理读取页面的无障碍树,而非像素
→ 可确定地完成点击、输入、导航、上传文件和填写表单操作
→ 不需要视觉模型,只用结构化数据
→ 一条命令就能连接到 Claude Code、Cursor、Windsurf、VS Code、Codex 等等工具
→ 已有35.5k星,由微软直接发布
代理再也不用猜按钮在哪里了。它能准确知道每个元素是什么,然后采取相应行动。
仓库在评论区。
长期运行的AI智能体容易遗忘已学会的技能,这项研究方向如果落地,能让AI助手更稳定地完成长期复杂任务
原本需要几周的机器集成工作,现在只用几分钟就能完成,不用提前训练就能控制实体机器人,这项开源标准会降低AI硬件开发门槛
Anthropic 推出了 MHS!一个用于让 AI 控制机械臂这类实体硬件的标准。
✓ Claude Code 无需事先针对机器人训练就能操控它
✓ 接入一台机器的时间从几周缩短到几分钟
✓ 该标准使用 MCP,并且将开源
这套结合智能体收集真实反馈、快速迭代的开发路径,已经在内部测试中胜过现有头部模型,国内大模型的竞争节奏正在加快
刚看了 @TencentAI_News 的最新更新,进展速度真的让人印象深刻。6个月内发布了三个大版本,差不多每两个月一个。
Hy4 预览版已经挤入开源模型第一梯队。但更有意思的部分不只是参数量,而是它的协同设计方法:用 WorkBuddy 这类广泛使用的智能体收集真实场景反馈,再把反馈用于快速迭代预览版,之后用能力更强的模型改进产品体验。
据报道,它的内部盲测结果在 200 多个任务上小幅优于 GLM 5.3 和 Kimi K3。这种「模型+智能体反馈」的闭环开始看起来真的像一个增长飞轮。不得不说,「中文Codex」的定位已经越来越难以被忽视了。
现有底层算力存储电力供应,跟不上AI模型迭代速度。未来创业机会从纯软件延伸到实体硬件层,整个AI赛道格局正在改变。
需要把AI生成的内容改得更像真人笔迹再提交的开发者和创作者,可以试试这个工具,适配不同大模型和使用场景
▼概要 AIの執筆パターンを修正し人間らしい文章へ推敲するエージェントスキル「sepia」が公開。Claude Code等に対応し、語彙だけでなく文章の構造レベルからAIらしさを排除する。
▼ポイント
・AI小説検知器の研究に基づき、物語構造、文章の流れ、表現スタイルの3段階で修正
・リリースノートや障害報告書等、用途や提出先に合わせた個別ルールを適用可能
・ClaudeやGPT、Gemini等のモデルごとの書き方の癖を補正する機能を搭載
・人間の文章の分布に適合させることを原則とし過剰な補正を回避
▼使い所
AI生成の小説や開発ドキュメントを、用途に合わせて自然な文章に推敲したい開発者や執筆者向け。
#Claude #ClaudeCode URLはリプ⬇️
做企业AI落地不能只靠大模型,要从交互、安全、到基础设施搭完整体系,这给打算落地AI的企业理清了实际需要的框架。
这个AI系统能在多个科研领域独立设计实验、产出结果,还能降低幻觉和抄袭概率,科研从业者可以关注新的效率提升方向
Google DeepMind 发表了一篇令人印象深刻的新论文。(记得收藏)它将 Co-Scientist 从模拟带入了真实世界实验。
结果总结如下:在计算机科学领域,它发现了一种推理时缩放架构,在 HealthBench Hard 和 Professional 两项测试中,经过盲法医师评审,性能击败了六个前沿模型。
该系统为 MXenes 设计了一条安全的前驱体合成路线,并驱动了一个半自动化化学气相沉积反应器,制备出了一种层状二维材料,其结构与 Ti₃C₂Tₓ 晶格相似。它还能在数分钟内根据实验室限制调整生长配方,实现了单次尝试就生长出单层 MoS₂、MoSe₂ 和 WS₂。
在生物学领域,它从稀疏成像数据中预测了诱导剂梯度下大肠杆菌的群集表型,结果与未发表的真实测量结果一致。
30 位领域专家对端到端生成的论文撰写了 450 份评审,可靠性模块减少了幻觉和抄袭。
论文:与论文对话:
创作者能直接让Claude掌握生成艺术的专业特性,帮创作者在铸造NFT前验证草图,降低创作流程更可靠。
我为生成艺术做了一个 Claude Code 插件。
它教会 @claudeai 真正的创作工艺:哈希带来的确定性,400px 和 4000px 分辨率下都能生成同一件作品,可靠的 rarity,还有在 mint 前验证草图的工具。
免费且开源。
解决多模型协作时直接传递输出的混乱问题,用带签名的消息收发框架实现分工,给多AI协作提供了新的思路。
几天前,@cryptohayes 希望看到 @flop_labs 的 technocore 被集成到智能体工作流中。
于是我搭建了一个实验项目,它将 Claude 和 Codex 转变为一个受监督的软件开发团队,并用 technocore 聊天作为它们的签名邮箱,而非简单把一个模型的输出塞进下一个提示词里。
仓库:
顺便说一句,technocore 本身不编写代码,它只传输签名消息。
想靠AI降低创业成本,不用等复杂工具,围绕Claude搭建完整工作系统,就能把它变成创业的业务支撑层。
不当的拟人化词汇会让研究者和公众对AI行为产生不准确的思考,直接影响整个AI安全领域的研究质量与公众讨论方向
当前 AI 安全领域能做出的最有价值的贡献之一,就是保持「科学、数学与哲学层面的严谨性」。
这意味着,在描述智能体停机、协同崩溃或资源耗竭行为时,要弃用「自我牺牲」「自杀」这类带有主观暗示的词汇。
这些词汇把人类的动机概念套在了极其复杂的过程上,而我们目前还没有能精确描述这些过程的词汇。不精确的词汇会催生不精确的思考,无论是对研究人员,还是对后续形成的公众讨论来说都是如此。
X平台用户RaoulGMI发文评测AI工具Grok Bot,称其易用性表现远超预期
RaoulGMI发文表示,自己已经被Grok Bot折服。他称这款AI工具是十足的“魔法产物”,运行速度快,能力出色,推理表现优秀,足够智能,响应积极。
更让他意外的是,Grok Bot使用起来非常简单。他提到,AI绘画工具Fable 5也凭借出色能力让复杂任务变简单,但它的定价非常昂贵。
Grok Bot用另一种方式实现了同等的体验。从打开工具到让智能代理开始处理有用工作,全程仅需要两分钟。这让他感到十分震撼。
来自𝕏用户@elayadesigns的分享,包含四个步骤,用到三款AI工具
设计师elayadesigns称,自己的工作流程已经完全改变。
第一步用ChatGPT构思创意,第二步用Fable 5完成搭建,第三步用Higgsfield制作动画。
整个流程的最后一步是持续迭代优化。
内容来自@3333yyds在𝕏发布的科普,解释AI幻觉的成因与使用建议
越来越多产出背后都是Claude写的,出了问题就甩锅给AI,这已经变成新的职场常态。
博主@ScarletKc_ 在𝕏分享了OpenAI Codex的幕后设定细节
开发者基于实测生产数据分享两款开源大模型的真实使用表现
今天把主力模型又从 GLM-5.3-flash 换到了 Qwen 3.8 flash,说说真实感受,都是当天压测 + 生产任务跑出来的数 先说 GLM,为什么弃用。不是效果问题,是服务端挂死。70K token 的请求发过去,600 秒,0 字节返回,没有任何报错,429 都看不到,就是静默挂着。
我们凌晨 2 点的任务,10 个判定批次全部超时,一小时窗口烧光,零产出。同窗口发个几十 token 的小请求,13 秒正常回。大小通吃,专杀大请求 再说 Qwen 3.8 flash。
同一类任务,52K 输入,16 到 111 秒,全部正常返回,47 批判定、300 条消息消化完。并发 50 打满,零 429。20K 以上还有上下文缓存命中,这个对 agent 场景很实在。
缺点也直说:延迟长尾偏宽,p50 才 2 秒多,p95 能到 13 秒,偶发排队,慢半拍但不断线,跟 GLM 那种直接挂死是两种病 DeepSeek 我们一直在用,稳定,没出过挂死这种事,这次退居兜底位。Qwen 3.8 这次表现说明国产模型里 “能稳定跑大上下文” 和 “benchmark 好看” 还是两回事
网友在𝕏爆料,同一GPT-5.6 Sol可配置出不同行为的Codex
网友@bridgemindai在X平台点评GLM 5.3 Flash等多款大小模型
GLM 5.3 Flash 和 Qwen 3.8 Flash 就它们的尺寸而言表现出色。但它们缺了点东西。
它们在基准测试中成绩不错。它们能本地运行。它们几乎不花钱。然后你用它们干正事,马上就能感觉到差距。
打磨不到位。可靠性也不够。
能本地运行的开源 AI 对世界来说确实是件好事。但如果你真的有预算,你的工作流里根本没有这些模型的位置。
Fable 5、GPT 5.6 Sol 和 Grok 4.6 在所有关键方面都做得更好。
本地模型适合有闲的人。前沿模型适合有截止日期要赶的人。
网友分享个人使用体感:GPT、Opus等多个头部模型均出现该问题
我个人体感发现的一个情况是,随着2026年开始的coding/long-horizon能力大跃进,frontier模型的语言使用能力开始在看不懂的路上狂奔。
在opus4.5的时代,他的语言风格还可以勉强算得上合理。在这之后,无论是gpt,opus还是国模,随着他们coding能力的起飞,这些模型的语言使用能力也开始一泻千里。
这个语用能力和风格的collapse在日常使用的体感是非常明显的:我日常遇到最大的问题是,无法正常的阅读和理解模型的文字内容,需要反复揣摩和skill/gemini翻译才可以理解。
我个人的使用习惯偏向一部分的human-in-the-loop避免模型自己vibe起飞,但是目前“看不懂模型在说什么”严重影响我的工作效率。
列表里包含可跨平台运行的个人AI助手,还有基于Claude的智能代理工具框架,想找现成AI工具的可以直接去看
你必须用到的 5 个 GitHub 仓库:
1. OpenClaw:可跨平台运行的个人专属 AI 助理。
2. ECC (Everything Claude Code):功能强大的代理聚合框架,为 AI 编码代理提供技能、记忆、安全与研究工作流。
3. Superpowers:智体化软件开发框架,旨在让 AI 编码工作流更结构化、更强大。
4. Vibe-Trading:围绕系统化交易工作流构建的开源 AI 驱动交易研究项目。
5. Agency Agents:大量专业化 AI 智体的合集,为不同现实世界任务和工作流设计。
它已经在基因泰克完成了带实时纠错的药物发现实验,还帮科研机构压缩了成像实验的时间
在早期测试中,AI 代理使用 MHS 完成了以下工作:
在基因泰克开展了一项带实时错误处理的药物发现实验。
在 HHMI 贾内利亚研究园区将一项成像实验从数周压缩到一天完成。
将 QuEra 量子计算机的激光稳定性从 58% 提升到了 99.3%。
聊天向AI学文字,图像AI学图片,机器人需要向真实环境学习,真实环境的学习能力才是核心竞争力
投资方是Index Ventures,企业个人助理赛道的热度还在往上走
消息来源:开发企业级个人AI助手的Town正洽谈融资,此轮由Index Ventures领投,投后估值至少10亿美元。(Newcomer)(访问Techmeme dot com获取链接及完整上下文!)
多个研究模块并行探索,通过共享内存交换证据,还有专门模块筛选结论,给科研AI代理换了新思路
大多数研究智能体都会丢弃失败的实验。PRAXIST 会保留每一个有用的发现。
多个 Research Peers 并行探索,通过共享内存分享证据,再由 PI Panel 决定下一步测试什么。
正是靠着这套设计,一个开源模型在 MLE-Bench 上拿到了 49 枚金牌,成本大约仅为 Claude Code + Opus 4.8 的 1/12。
对于量化团队来说,这会改变格局:相同人员编制下,可以完成更多策略假设检验和滚动样本测试,token 消耗却低得多。
架构战胜了规模。累积研究战胜了赢家通吃。
它测试AI代理的可靠性,让科学家能把精力放在选问题、提假说这些需要人的工作上
宣布 TerminalBench-Science v0.1 发布!智能体应当是可靠的合作伙伴,让科学家能专注于以人为核心的任务:选择重要问题、提出假设、解读结果、交流发现等等。但在持续迭代的领域中,我们要如何理解模型的能力与缺陷?TerminalBench-Science 就是为解决这个问题而来的!
它是一个由科学家打造、供科学家使用的基准测试集。我作为审稿人和任务创作者参与了项目,想分享一些关于初始结果和开发过程的思考。首先是最核心的问题:模型表现如何?
在纯通过率上,Claude Opus 5(Claude Code)以 30.0% 位居第一,第二名是 GPT-5.6 Sol(Codex),为 22.4%,第三名是 Claude Fable 5(Claude Code),为 21.4%。成本与任务解决率之间的帕累托最优前沿(见配图)情况更复杂,占据该前沿的是 GPT 5.6 各变体和 Opus 5。
开源大模型梯队竞争正在加快,这套先放预览、快速迭代、靠用户反馈推进开发的路径,也许能跑出不一样的结果。
腾讯 Hy 的进化速度越来越惊人。短短六个月就发布了三个大版本,基本上每两个月就有一次重大更新。
这次全新的 Hy4 预览版在模型规模、上下文长度和训练数据方面都带来了重大升级。预训练和后训练都得到了充分投入,它显然正在冲击开源模型的第一梯队。
我最喜欢的是它「先预览、快速迭代」的路线,真实用户反馈直接推动开发。非常好奇接下来它会带来什么。@TencentAI_News
更低计算成本就能训练效果更好的视频编码器,训练AI视频模型的成本可能大幅下降
LeVJEPA:无需启发式规则的高效可扩展视频预训练
「我们介绍LeVJEPA,这是首个在LeJEPA无坍缩目标下训练的视频编码器」
「在相同数据、相同训练轮次下,LeVJEPA在ViT-S/B/L各尺寸上的表现匹配或超越V-JEPA 2,所需预训练计算量仅为后者的1/5.6到1/20.8。在总FLOPs相同的情况下,它在ImageNet-1K上比最强视频基线高出7.6个百分点,同时在以运动为核心的基准测试上保持竞争力。」
「与在相同视频帧上训练、计算量匹配的DINOv2相比,LeVJEPA在以外观为核心的评估上接近图像预训练编码器,同时在以运动为核心的评估上将准确率几乎翻了一倍。」
这验证了垂直SaaS和AI模型厂商可以分工合作,对持有核心业务数据的SaaS从业者来说,是明确的方向参考
AI会创造新的软件、安全、身份和工作流收入,昨天Salesforce的强劲财报带动了软件和SaaS领域的走强,也验证了7月中聊到的:“CSP控制的是横向AI底座,垂直SaaS控制的是业务执行层。因为垂直SaaS掌握“工作入口;业务对象、业务语义;历史操作数据;系统记录;行业规则;最终动作执行;客户结果反馈”。可以把模型能力包装成高价值业务结果。
这只适用于真正拥有工作流和核心独家数据的SaaS。只是给通用模型套一个简单界面的薄应用,反而容易被模型厂商或CSP替代。”
这一次Salesforce与Anthropic推出ClaudeForce,也进一步说明,模型厂商与企业软件之间未必是零和关系:
Claude提供推理和自然语言入口;
Salesforce提供企业数据、权限、业务逻辑和执行动作;
企业软件仍然掌握系统记录、业务流程和合规责任。
这说明进一步企业AI正在从试点进入“ 数据接入、Agent开发、业务流程调用、权限治理”的工程化时代。
当前大语言模型仅通过图文学习,缺乏物理直觉。MHS开源前需要补全安全评估,完善物理场景AI的防护机制。
在我们开源 MHS 之前,还有更多内容需要研究。
LLMs 仍然缺乏物理直觉,它们只能通过文本和图像来了解物理世界。
本次研究预览将让我们能够构建更多安全评估,并强化对在物理世界中使用 AI 的保护措施。
这是对AI群体行为的早期研究,能帮我们提前理解多AI协作系统可能出现的自主行为倾向
新多模态大模型已上线OpenCode Go,需要大上下文窗口写代码可以尝试这个新选择
对扩散模型感兴趣的学习者,现在能获得结构更清晰、新增前沿方向的新版本,还能提前预习后续MIT出版社正式版内容。
🚀 v3 发布了!我们刚刚更新了arXiv上的《扩散模型原理》,比它2027年在MIT Press出版提前了。
更新内容:
✨ 全新「前方道路」章节,主题是离散扩散
🛠️ 重大结构调整,新增扩散求解器章节
🧭 每章都添加了读者指南
随着语言连续扩散重新回归流行,本书中的许多原理都可以直接沿用。
新版本查看请进(链接在推文串中)!
合作者:@DrYangSong, @gimdong58085414, @mittu1204, @StefanoErmon
训练机器人新任务长期依赖大量人工实采数据,成本高周期长。这项研究验证了仿真数据能大幅降低对真实数据的依赖,压缩训练成本。
不用再对着上百种AI工具犯懵,理清分层就能只学适配自己工作流的工具,适合刚入门LLM开发的人梳理体系
做漏洞赏金不用再切换多个工具手动整理,整条流程可在终端完成,还支持接入多个AI客户端,也能本地运行模型
🕵️ 又发现一个 Claude Code 外挂,做漏洞赏金的人从侦察、测试到写报告,全在终端里跑完 GitHub 上 4.4K stars,MIT 许可证,需要 Python 3.10 以上。
打一个授权目标的老流程是这样的:subfinder 扫子域,httpx 探活,nuclei 跑模板,ffuf 爆目录,katana 爬链接,工具来回切,结果散成一堆文本文件,最后还得自己坐下来手写报告。
这个项目把整条流程编排成 33 个斜杠命令和 9 个专用智能体,跨会话记着你上次做到哪一步,Web2 那边覆盖 26 类漏洞,Web3 智能合约 10 类。
除了独立命令行,Claude Code、OpenCode、Pi Agent 和 Codex 都能接进去;模型可以选 Claude、OpenAI、DeepSeek、Groq,也能用 Ollama 在本地跑。
仓库自己写明了只能用于获得授权的安全测试,工具是中立的,打谁、有没有拿到授权,是使用者自己的事。
GitHub:
本地跑大模型已经有爱好者开始尝试,未来家庭AI中心落地,普通用户的设备可能需要升级内存才能用。
我预测还有第四波,端侧 AI。最近 nerd 们扎堆买 DGX Spark 和 Mac Studio 跑本地 LLM。一旦本地推理软件变得成熟,家庭 AI 智能中心的概念也会进入消费市场。
当然了,本地流畅跑长上下文 LLM 没有个 128GB DRAM 是不可能的。
创作者@oggii_0 在Higgsfield平台使用Seedance 2.5生成了这段内容,设定了严格的拍摄规则
用户@abulu8在𝕏分享,用Seedance 2.5文生视频工具基于简单提示词生成全片,保留所有参数设置
用户@abulu8在𝕏分享了一段AI生成的短片,称这不是4K分辨率,只是Seedance 2.5输出的1080p内容,基于higgsfield_ai的文生视频功能制作。仅用一段简单提示词,就生成了目前呈现的色彩、细节和电影级效果,还自带字幕,整个视频片段没有经过任何后期修改。
所用提示词为生成30秒超写实电影感浪漫旅行场景,包含指定内容:日语配音、英文字幕,场景设置在冲绳海岸,具体描述了两名角色的年龄、外貌和着装,以及浅 turquoise 水域、白沙滩、盛夏骄阳带盐雾的环境设定。
提示词还对短片每5秒的镜头运镜、演员动作、台词、音效配乐、光影效果都做了详细指定,从最初两人在浅滩追逐打闹,到后来一起吃刨冰、骑摩托沿海岸路行驶,再到日落码头相拥,最后以空中绽放烟花结尾。
生成的内容匹配了自然的日语发音、自然的情侣神态,还有准确的唇形同步。用户标注生成视频的参考参数为:模仿ARRI Alexa 35拍摄,1080p分辨率,35mm加85mm定焦,浅景深,暖夏调色,24fps运动模糊,立体声配乐加自然环境音。
账号@youguqi2023在𝕏发布分析,拆解7大赛道消耗、3大趋势与4个瓶颈,区分产业红利与资本泡沫
词元是AI产业的“水电煤”,而非用来投机暴富的工具。
这份内容拆解了7大赛道的词元真实消耗情况、3大AI行业发展趋势,以及4个行业隐藏瓶颈。
内容旨在帮读者区分,哪些是AI产业真正的产业红利,哪些是资本吹出的虚假泡沫。
damobianyuan在𝕏分享使用Creao的多AI Agent分工工作流,投研交易全流程可拆分给AI完成
开发人员callebtc在𝕏分享开发经验,团队做Cashu电子现金钱包时最终放弃跨端语言,选择原生开发
不少Claude付费用户都遇到过额度莫名快速耗完的情况,这个工具能帮你找到额度消耗过快的原因
社区讨论:有人疑惑怎么会一周用掉11亿token,有人调侃额度耗尽后没法开发软件了。多数人分享了额度快速耗尽的原因:大上下文缓存过期、误开高消耗默认模型、使用多代理扫描整份代码库排查缺陷,都可能快速耗完额度。有人做了CLI状态栏显示实时额度占比的插件,超标自动变色提醒。
也有人指出这个工具只展示token消耗分布,无法解释消耗原因。
该方法可大幅降低机器人新任务训练所需真机数据量
海外网友在X平台分享,用Claude配合一键游戏工具制作概念科普小游戏
博主jaga_prasanna在𝕏发布CPU卸载扩展LLM推理完整指南
Scobleizer与blevlabs用AI分析百万帖生成Grok Bot分析报告
出自𝕏用户@AYi_AInotes分享,这套工作流重构了AI编程效率
我愿称之为AI界的天花板,OpenHands,78.5k star真不是白给的
1️⃣ 给AI Agent一双真手,能自己打开浏览器、写代码、跑测试,一条龙干完。..我让它修个GitHub Issue,它自己翻代码改完还提交了PR,省我一下午
2️⃣ 不用再切窗口复制粘贴了,自然语言直接指挥它操作电脑,跟雇了个远程实习生似的。实测处理重复性重构任务,比我手动快三倍不止
3️⃣ 支持接入GPT-4、Claude这些主流模型,沙箱环境跑代码不怕搞崩系统。踩过别的坑,那个只给聊天不给动手的,纯玩具
做AI的兄弟直接fork,轮子别自己写了。
这项目其实是学术界大佬组里跑了好几年的内部框架,开源出来直接就是生产级。
不是那种demo一跑就碎的货色。
我上周拿它跑了两个真实需求,从部署到出结果只花了半小时,比自己写Agent框架省出的时间,够刷两季番了。
适合想搞AI自动化又不想从零造轮子的人。
但前提是你得会点Docker,小白可能卡在环境配置上。
你们平时用啥方案让AI自己干活?
🔗 #AI #AI工具老炮
今天我们宣布,Comfy 成为了 @MiniMax_AI 生成式媒体模型的首个也是唯一的商业授权经销商。
通过 Comfy 下载的 MiniMax 开放权重模型次数已经接近 2000 万次。现在你可以为商业用途获取这些模型的授权。
→ 你的输出内容享有完整商业权利
→ 完全允许微调与 LoRA 训练
→ 覆盖客户与代理项目
→ 包含 MiniMax Audio & Music,不只是视频
授权分为专业版和企业版计划,企业版覆盖所有 H3 模型版本。现在就通过下方链接申请授权 ⬇️
想在开发流程里打通AI编码工具和AI SDK框架,这里有现成的配置参考,可直接复用接入方案
配合 @cursor_ai 与 AI SDK HarnessAgent 使用:
const agent = new HarnessAgent({ harness: cursor, });
多人用AI协同写代码常会踩坑,这些从半年实践里总结出的环境隔离方案,能帮你避开多数冲突问题。
据仅使用AI代理编写代码六个月运营经验所得,当并行运行多个Claude Code/Codex系代理时,不仅Git,数据库、端口、进程、认证信息的冲突都会成为核心问题,因此需要通过每个任务独立隔离VM、YOLO执行、经由代理注入凭证、只读权限等方式设计开发环境与安全边界。
Six Months of Writing Code Exclusively With Agents - blog
AI完成从设计到驱动的全流程,能效比表现优于现有竞品,后续将在台积电流片,芯片设计效率有望大幅提升
可跨渠道调用各类大模型,也支持本地模型,每个模型分配独立云电脑,方便按需切换使用。
介绍 Opengrok
支持使用任意订阅中的任意模型 ✅
支持使用本地模型 ✅
自定义控制与灵活性 ✅
方便切换模型的模型选择器 UI ✅
每个模型都有自己的持久化云电脑?✅
(需要订阅 grok/cursor)
这套标定方法不需要预训练,机械臂本身就是标尺,对想动手做实体机器人AI的开发者来说,是降低门槛的新路径,后续即将开源
我们参与了@AnthropicAI的MHS研究预览。下图是Claude Code在操控一台真实的SO-ARM101。
这套方案没有用到任何训练数据——没有策略、没有遥操作、没有演示数据。智能体自行测量了工作空间,还编写了运动程序。
标定是最有意思的部分。不需要棋盘格,也不需要相机内参:机械臂本身就是自己的标尺。扭矩下降后,人类只需要把闭合的夹爪放到软件在相机视图中画出的16个点上,机器人就能读出这些点的位置。
位置精度达到4.1毫米,放置精度3.0毫米。目前最佳运行结果:放置了12块积木,完成了全部四个颜色组的分类。下一步目标是完成从头到尾全程无需人工介入的运行。
今日开放研究预览,开源版本即将推出。
想从零系统学AI工程,又找不到结构化免费资源,这个教程覆盖环境配置、数学基础、机器学习到深度学习全流程,可在线学也可下载本地
只要有模型训练、评测相关实际经验,就能申请,还支持签证,对2026/2027届应届生开放,AI人才薪资再创新高。
想在团队引入AI驱动开发做内部培训的话,可以参考这套可复现的培训框架,直接拿来调整后就能用
这份教材简直就是神级资料。刚好我正处在要在团队内引入Claude Code的阶段,打算直接拿来用它的子集!作为AI驱动开发研修的原型基础非常好用。
九州大学2026年4月举办的Claude Code实操工作坊,已经作为哪怕单人也能推进产品开发的工作坊工具包在GitHub公开了。
相关报道称,约60人在2天内参与了活动,8-9成的参与者完成了原型开发,满意度达到4.59/5。而且写的是一共「6份资料」,但正文只列了5份,是写错了吗?
环境要求是Node.js 20以上、Next.js App Router、pnpm,整个设计覆盖了从课题到实现、验证、落地页、学习计划的完整流程。
环境搭建和技能的具体内容我打算去原文看。AI培训的价值不在于产出物,而在于不管谁来做都能复现的流程。
#AI駆動開発
来源:
现在对接不同科研硬件要花数周数月,MHS希望把对接时间压缩到几小时,能减少生物科研里大量无意义的内耗
开发者分享了他日常使用的三类Hermes代理,覆盖待办跟踪、效率监测等场景
一名ID为0xDevShah的开发者在Mac Mini上运行了数百个Hermes代理,他分享了自己最常用的三个使用场景。
第一个是承诺保管代理,它会从用户的聊天、对话串和邮件中,找出所有包含“我会发给你”“我回头找你”的内容,跟进确保事项完成,或是将事项添加到用户的待办清单。
第二个是个人基准代理,它会监测用户完成重复性基础工作的过程,长期记录用户的工作方式,告知用户工作效率是提升还是下降,同时判断是否可以新建一个代理来自动化这项工作。
第三个是生活变更日志代理,它会每周生成一份个人生活变更日志,记录用户见过的人、打造的项目、改变的信念以及新发现的事物等内容。
需要音频转文字的用户可以多一个基于Gemini模型的新工具选择,可关注后续实际使用体验
solo创始人分享迭代推广应用,带领情侣冲万MRR的经历
社交平台用户测试AI生图,称赞所用提示词效果好用
分享稳定生成长视频方法,并生成了老上海谍战风格短片
开发者实测Claude Code配合UEFN新MCP可自动生成界面材质,大幅节省时间
我在 UEFN 里用 Claude Code 测试新的 MCP,老实说这完全改变了游戏规则。
我给了它我的logo、参考素材和美术方向,它就给我的加载界面 UI 做好了所有材质。它干活的时候,我在做完全别的事。省下的时间太夸张了,而且做出来的效果真的很好。谢谢 @FNCreate 🙏 #UEFN #Fortnite
这个加载界面主要用于过渡,也就是比赛开始时和回合之间。它会处理地图加载,让玩家有东西可看,不用盯着冻结的屏幕。如果我用数据层切换地图,它也很有用,这样玩家就不会看到地图卸载或是资源突然弹出了!
分享Claude推荐的Warp自进化Agent实现方案
Claude 发文推荐 Warp 这套「自进化 Agent」做法,我觉得很值得看。 Agent 每次干完活,人类正常给反馈。另一个 Improver Agent 会定期把这些反馈捞出来,看它哪里反复犯错,再对原来的 Skill 提一个小修改。 修改直接走 Git PR,人 Review、Merge 以后,下一次 Agent 就会带着这次经验继续工作。 Warp 已经把这套机制用到了 Code Review、写 Spec 和 GitHub Issue Triage。 我觉得比较有趣的一点是,他们没有把学习理解成不停往 Prompt 里塞规则。 反馈最好告诉 Agent「为什么错」,Skill 也要保持小,只沉淀真正能复用的原则。 这种自进化其实很朴素: Agent 干活 → 人纠正 → Agent 总结 → 修改自己的 Skill → 下一次少犯一次。 很多 Agent 现在缺的可能就是这个循环。 每次 Session 都积累了大量反馈,但下一次又像第一次来上班一样。 文章
warp的官推也发帖介绍了自己的自进化loop👇
做AI对话产品的开发者可以直接调用,它目前给Tavus自家产品提供能力。目前AI对话仍被认为是难度很高的问题。
人机对话是 AI 领域最难解决的问题之一。
今天,我们正式推出 Sparrow-2,这是我们最先进的实时对话理解模型。
它为 Tavus PALs 带来了大多数语音 AI 至今仍不具备的能力:理解对话当前的进展,并决定下一步该做什么——该何时倾听、等待、开口,或是继续说下去。
代码、数据、密码都由自己控制,可以部署在Vercel,使用时不需要连公共互联网。
我们很高兴发布 OpenInstinct:Instinct 但支持自托管、开源,并且兼容所有模型。
你可以完全掌控代码、数据和密码。
部署到 Vercel,再也不用手动联网操作了。
已有多名学者遇到这种情况,自己没写过没见过的论文,挂着自己的名字放在网站上。
我发现在预印本网站上有不少挂着我名字的AI垃圾论文,这些论文我既没写过,也从来没见过。
我聊过的其他学者也遇到了同样的情况。
我不认为现在所有这类论文都是真的……不过质量尚可的AI论文工厂很快就要出现了。
现成常用的代理框架本身就支持单独并行处理任务,动态生成代理框架的思路没得到足够关注。
做语音智能体不用再在延迟和能力之间妥协,低成本低延迟的开源方案已经可用,能大幅降低语音AI服务的部署成本。
如果你用AI帮忙选商品,小差异就会改变它的选择,提前预判AI选品结果这件事做不到。
🚨我们的新研究考察了智能体购物:你能否始终预测(或是通过营销手段影响)智能体的选择?答案是不能。我们发现,哪怕是微小差异(页面浏览顺序、记忆)都会以不可预测的方式改变AI的偏好。
大公司靠开源基础模型训自有模型,成本远低于持续支付API费用,这套方案已经跑通,未来顶级API厂商的溢价空间会持续被压缩。
多个AI代理可帮你复现、实验arXiv论文,还能并行运行强化学习实验,帮做学术研究的人节省重复实验的时间
介绍针对 arXiv 论文的自动研究功能:使用一大批 Claude/Codex 智能体复现和实验任意 arXiv 论文。
训练后,你的智能体可以通过 @tinkerapi 启动并行强化学习运行,同时你可以观察实验树的生长。
现在就去 OpenResearch 试用:
训练出的世界模型在模拟终端环境时表现超过GPT-5.6 Sol,未来AI自主学习少了一道人工门槛
我们推出了内在发现(intrinsic discovery),一种全新的学习方法,能让模型在无人工监督的情况下,在开放环境中自主探索和学习。
借助内在发现,我们训练出了一个世界模型,它在模拟终端环境方面的表现超过了 GPT-5.6 Sol。
想入行AI开发,可以对照这个难度表安排学习顺序,看看哪些技能适合入门,哪些需要更久积累。
按难度排序的 AI 开发技能 🤖
🔴 模型训练 —— 极难
🔴 微调 LLM —— 极难
🔴 多智能体系统 —— 难
🔴 AI 基础设施 —— 难
🔵 RAG —— 中偏难
🔵 向量数据库 —— 中等
🔵 AI 智能体 —— 中偏难
🔵 LangGraph —— 中等
🟢 提示词工程 —— 简单
🟢 OpenAI API —— 简单
🟢 Claude API —— 简单
🟢 Gemini API —— 简单
哪项 AI 技能实际上被低估了?👀
开发可自定义声音性格界面,全程在本地PC完成,不用依赖外部服务,想做专属AI角色聊天空间可以参考这条路子
据称,随着近期成为话题的「Raiza Chat AI」出现,越来越多人开始挑战在PC上开发属于自己的AI角色聊天👀
如果你对聊天开发感兴趣,可以去看看引用内容。你可以用Claude Code和Codex轻松做出视频里那样的AI角色聊天,不光声音和性格,聊天界面也能按照自己的喜好自定义。
它不需要依托外部服务,可以直接在你的PC里搭建,因此能做出完全只属于你的AI角色聊天空间。
还支持自选头像格式,你可以选自己想用的头像格式。另外,如果你有希望新增支持的头像格式,也欢迎提需求😊
普通开发者也能通过API调用带视频生成能力的大模型,可直接从360p草稿 upscale 到4K成品,生成视频门槛再降一档
介绍 Gemini Omni 1.1 Flash。该模型为开发者带来了一套全新的创意控制工具与生成式视频能力。
- 扩展场景以实现更长的叙事
- 可指定首帧与末帧
- 以 360p 分辨率更高效地起草视频
- 最高可升频至 4K 分辨率
- 可在多模态输入中添加视频参考
目前该模型已可通过 Gemini API 和 AI Studio 使用。
前沿AI评估需要上亿token,每一次无效试错都要花钱。这个工具可以帮做AI评估的人省下不必要的token成本。
部分前沿AI评估需要数亿token,每一次失败的试验都会产生实实在在的成本。
我们推出了optstop:这是我们的开源工具,可以在估值已经足够精确的时候终止评估,在估值不够精确的时候让评估继续运行。🧵
长期用AI写代码迭代会累积冗余代码,增加维护负担。这套方法用多代理分工清扫,能帮你降低代码库的维护成本。
分享一段最近实测非常有效的 Prompt,专门清理 AI Coding 长程迭代以后留下的屎山代码。
这套方案基于 DeepSeek Harness 仓库,随后经过优化和抽象,整理成了适用于一般代码库的 simplify-codebase 规范。
AI 很擅长继续添加抽象、状态、接口和兼容层,却很少主动证明哪些东西已经可以安全删除。单次修改都看似合理,长期累积后,整个仓库会背上越来越多维护义务。
这套方法会先按真实模块和所有权边界拆分任务,由多个子代理并行清扫,主代理处理跨模块契约并完成最终验证。
另一个很好用的工作流:先让网页端 Pro 模型审查整个仓库并生成方案,再交给 Codex 按检查结果实际修改和验证。
仓库地址:
完整提示词见下图。
这套思路如果落地,能让AI在天气预报、机器人这类场景里做出更安全可靠的决策,可以关注后续研究进展
从天气预报到机器人学,智能决策都依赖于对未知的理解。
我们的研究副总裁 @ZoubinGhahrama1 与 @fryrsquared 一同探讨,为什么教会系统自我怀疑和概率思维能带来更安全、更可靠的真实世界决策。🧠 观看本期节目 ↓
时间码:
00:00 引言
01:06 不确定性的作用
07:45 正确性与置信度
09:40 历史视角
16:10 AI 中的贝叶斯思维
26:30 真实世界中的不确定性
36:42 未来研究与 AGI
用户@petergyang分享使用AI处理病历体验,呼吁ChatGPT Health面向患者和家属设计开放共享功能
用户@petergyang在𝕏上分享了自己的使用体验。他将共160页的个人医疗记录上传给AI工具,认为效果非常出色。
他公开提问@ChatGPT Health项目的团队成员都有哪些,同时提出设计建议。他指出这款产品不仅需要为患者设计,也应该照顾护理人员和患者家属。
目前这类医疗AI工具基本都只支持单人使用。医疗记录属于敏感隐私内容,但@petergyang认为,应当允许患者向直系亲属开放病历共享权限。
该工作坊从零搭建项目,涵盖降token消耗、代理搭建等多个主题,可学习向AI代理分配工作
SpaceXAI的一名首席工程师发布了时长一小时的工作坊,内容是在C语言环境下运行Grok 4.6,将后续工作交付给GrokBot团队,整个项目从零开始搭建。
工作坊按时间划分了不同内容模块:1分14秒讲解降低token消耗的方法,4分27秒介绍工具工程相关内容,9分38秒聊到模型失忆问题,30分12秒讲解搭建AI代理的正确方式,44分08秒展示全栈项目的现场运行。
这类工作坊会改变人们向AI代理分配工作的思考方式。原文建议今晚跳过看剧,抽出一小时观看这个工作坊,之后可以阅读下方文章,学习如何用AI代理自动化整套日常流程。
开发者从GPT-4到Sonnet 3.5 v2的开发经验出发,提出应当专注三个长期不变的核心基础
X用户mattshumer_称产品发布时模型将可自主完成强化学习训练配置,希望提前测试
mattshumer_在X平台发文表示,这个项目相当出色。等到该产品正式推出时,模型会非常擅长自主配置强化学习(RL)运行流程,完成相关训练。
mattshumer_@了Hugging Face和Pollen Robotics,表示希望能够提前参与测试,之后会向公众分享自己的看法与实验结果。
基于Opus 5 Claude代码模式搭建,包含全套提示词与文件,可免费分享给关注者
顶级工程师搭建自动化验证流程,指挥AI军团并行开发
工程师打造GrokBot代理团队,睡眠时可自动推进工作提交PR
前Cursor工程师,现SpaceXAI工程师说:「我再也不用一步步提示/微观管理我那大约10个GrokBot智能体了。我睡觉的时候,我的「参谋长」会管理整个机器人团队的任务,它们还能推送PR」。
在一场30分钟的研讨会上,poteto展示了她如何搭建一支全天候运行的GrokBot团队来自动化自己的生活,以及自动化如何改变了她的代码(视频的第一部分)。
这段内容的价值超过十多本讲GrokBot和软件工程的指南。观看视频,向SpaceXAI团队学习从代码到生活的全自动化,然后阅读文章,正确搭建好整支团队↓
开发者用GLM-5.3-Flash在Blender中搭建出3D梦幻厨房场景
开发者Lydia Hallie征集Claude Code在实体场景的使用案例
该机器人可自动监控排查问题并提交代码修复实现系统自愈
我在Grok Bot做了一个SRE机器人,用来检查日志、链路追踪、Sentry里的错误,还会定期检查我存在datadog里的仪表盘,自动持续优化系统。
它会定期运行,而且每次部署的时候,它都会观测日志、链路追踪,识别代码里的问题,然后提交修正用的PR。
我认为这个@bot和使用claude/codex的区别,就在于它拥有特定领域的例行工作和职责,因为它是7×24小时不间断运行的。
现在每次部署都能以一种出乎意料的方式自我修复,所有错误和慢查询都会被自动修复,我根本不用停下来手动分析所有这些内容,而且这还只是众多机器人中的一个。我们生活在一个不可思议的时代。
接下来它要做的是观测部署,出现问题的时候执行回滚,同时提交修复方案。
海外AI博主称GLM-5.3 Flash性能品质优于其他可部署模型
我改主意了。如果你追求最高质量,GLM-5.3 Flash 值得你优先于其他任何模型运行。它是能放进 2 块 DGX Spark 里的最好模型。
这个模型能做到其他模型根本做不到的事。它比 GLM-5.2 更好,体积还只有一半。
希望我们能早日见到 DFlash2,到时候它就能真正大放异彩了!
谷歌团队发布9页线束工程文档,提出Agent新公式
TencentAI推出开放权重的Hy4预览大模型,为MoE架构,总参数770B激活参数49B,支持1M上下文窗口,适配多种实际工作场景,接下来将观察它的实际落地表现。
这个AI系统能在多个科研领域独立设计实验、产出结果,还能降低幻觉和抄袭概率,科研从业者可以关注新的效率提升方向
Google DeepMind 发表了一篇令人印象深刻的新论文。(记得收藏)它将 Co-Scientist 从模拟带入了真实世界实验。
结果总结如下:在计算机科学领域,它发现了一种推理时缩放架构,在 HealthBench Hard 和 Professional 两项测试中,经过盲法医师评审,性能击败了六个前沿模型。
该系统为 MXenes 设计了一条安全的前驱体合成路线,并驱动了一个半自动化化学气相沉积反应器,制备出了一种层状二维材料,其结构与 Ti₃C₂Tₓ 晶格相似。它还能在数分钟内根据实验室限制调整生长配方,实现了单次尝试就生长出单层 MoS₂、MoSe₂ 和 WS₂。
在生物学领域,它从稀疏成像数据中预测了诱导剂梯度下大肠杆菌的群集表型,结果与未发表的真实测量结果一致。
30 位领域专家对端到端生成的论文撰写了 450 份评审,可靠性模块减少了幻觉和抄袭。
论文:与论文对话:
不用重训整个大模型,就能针对性提升生成物理真实性,改完的轻量化插件可以直接导出部署,感兴趣可以跟着教程自己试
我们在 Miles-diffusion 中推出了 LoRA SFT,可用于扩散模型的快速、定向后训练。
我们为 @MiniMax_AI H3 训练了一个秩为 64 的 LoRA,用来提升物理真实感。
从 254 个经过筛选的训练窗口开始,在 8 块 GPU 上训练耗时不到 3 小时。
最终得到一个轻量级适配器,它可以提升定向能力,不需要重新训练完整模型,还能导出为 safetensors 格式,直接用 SGLang 部署推理。
按照评论区的指南,你也可以自己动手体验 ⚡
长期运行的AI智能体容易遗忘已学会的技能,这项研究方向如果落地,能让AI助手更稳定地完成长期复杂任务
训练机器人新任务长期依赖大量人工实采数据,成本高周期长。这项研究验证了仿真数据能大幅降低对真实数据的依赖,压缩训练成本。
对扩散模型感兴趣的学习者,现在能获得结构更清晰、新增前沿方向的新版本,还能提前预习后续MIT出版社正式版内容。
🚀 v3 发布了!我们刚刚更新了arXiv上的《扩散模型原理》,比它2027年在MIT Press出版提前了。
更新内容:
✨ 全新「前方道路」章节,主题是离散扩散
🛠️ 重大结构调整,新增扩散求解器章节
🧭 每章都添加了读者指南
随着语言连续扩散重新回归流行,本书中的许多原理都可以直接沿用。
新版本查看请进(链接在推文串中)!
合作者:@DrYangSong, @gimdong58085414, @mittu1204, @StefanoErmon
这是对AI群体行为的早期研究,能帮我们提前理解多AI协作系统可能出现的自主行为倾向
当前大语言模型仅通过图文学习,缺乏物理直觉。MHS开源前需要补全安全评估,完善物理场景AI的防护机制。
在我们开源 MHS 之前,还有更多内容需要研究。
LLMs 仍然缺乏物理直觉,它们只能通过文本和图像来了解物理世界。
本次研究预览将让我们能够构建更多安全评估,并强化对在物理世界中使用 AI 的保护措施。
原有AI对接硬件需要数天到数周定制开发,现在可缩短到数小时到数分钟,能降低AI落地硬件的时间成本
将 AI 连接到硬件需要数天甚至数周的定制集成,目前还没有让智能体安全操作设备的标准方法。
MHS 能将集成时间缩短到几小时甚至几分钟,它提供了一个可发现设备的接口,还能让智能体安全操作这些设备。
更低计算成本就能训练效果更好的视频编码器,训练AI视频模型的成本可能大幅下降
LeVJEPA:无需启发式规则的高效可扩展视频预训练
「我们介绍LeVJEPA,这是首个在LeJEPA无坍缩目标下训练的视频编码器」
「在相同数据、相同训练轮次下,LeVJEPA在ViT-S/B/L各尺寸上的表现匹配或超越V-JEPA 2,所需预训练计算量仅为后者的1/5.6到1/20.8。在总FLOPs相同的情况下,它在ImageNet-1K上比最强视频基线高出7.6个百分点,同时在以运动为核心的基准测试上保持竞争力。」
「与在相同视频帧上训练、计算量匹配的DINOv2相比,LeVJEPA在以外观为核心的评估上接近图像预训练编码器,同时在以运动为核心的评估上将准确率几乎翻了一倍。」
如果你用AI帮忙选商品,小差异就会改变它的选择,提前预判AI选品结果这件事做不到。
🚨我们的新研究考察了智能体购物:你能否始终预测(或是通过营销手段影响)智能体的选择?答案是不能。我们发现,哪怕是微小差异(页面浏览顺序、记忆)都会以不可预测的方式改变AI的偏好。
做表格编辑的AI成本降九成多,精度和速度都远超通用大模型,做表格的从业者和企业可以有更划算的选择
我们今天宣布了迄今为止最具野心的举措:发布我们的旗舰模型DAX-1,它是专门针对电子表格编辑后训练的。
DAX-1的运行成本比Anthropic的Fable 5低97%,在我们的基准测试中,DAX-1准确率达到91.7%,而Fable 5为58.3%。DAX-1的速度还要快5倍。
这标志着我们构建Decide的方式发生了转变。我们不再仅仅依赖通用前沿模型,而是会在对我们业务有意义的领域训练专用模型。
这让我们能对准确率、速度和成本拥有更多控制权,也让我们能为依赖Decide的企业和专业人士打造更好的产品。DAX-1是这个方向上的第一步。
需要把AI生成的内容改得更像真人笔迹再提交的开发者和创作者,可以试试这个工具,适配不同大模型和使用场景
▼概要 AIの執筆パターンを修正し人間らしい文章へ推敲するエージェントスキル「sepia」が公開。Claude Code等に対応し、語彙だけでなく文章の構造レベルからAIらしさを排除する。
▼ポイント
・AI小説検知器の研究に基づき、物語構造、文章の流れ、表現スタイルの3段階で修正
・リリースノートや障害報告書等、用途や提出先に合わせた個別ルールを適用可能
・ClaudeやGPT、Gemini等のモデルごとの書き方の癖を補正する機能を搭載
・人間の文章の分布に適合させることを原則とし過剰な補正を回避
▼使い所
AI生成の小説や開発ドキュメントを、用途に合わせて自然な文章に推敲したい開発者や執筆者向け。
#Claude #ClaudeCode URLはリプ⬇️
原本需要几周的机器集成工作,现在只用几分钟就能完成,不用提前训练就能控制实体机器人,这项开源标准会降低AI硬件开发门槛
Anthropic 推出了 MHS!一个用于让 AI 控制机械臂这类实体硬件的标准。
✓ Claude Code 无需事先针对机器人训练就能操控它
✓ 接入一台机器的时间从几周缩短到几分钟
✓ 该标准使用 MCP,并且将开源
解决了AI Agent控制浏览器靠猜点击、速度慢精度差还费token的老问题,降低AI自动化的使用成本
微软刚刚让你的AI代理完全控制浏览器
用AI自动化浏览器一直存在同一个问题:代理只能看截图,猜哪里该点击。速度慢、不精确,还消耗大量token,成本很高。
Playwright MCP从根本上解决了这个问题:
→ 代理读取页面的无障碍树,而非像素
→ 可确定地完成点击、输入、导航、上传文件和填写表单操作
→ 不需要视觉模型,只用结构化数据
→ 一条命令就能连接到 Claude Code、Cursor、Windsurf、VS Code、Codex 等等工具
→ 已有35.5k星,由微软直接发布
代理再也不用猜按钮在哪里了。它能准确知道每个元素是什么,然后采取相应行动。
仓库在评论区。
这是开源端大模型的新进展,定价稳定亲民,普通开发者和普通用户可以直接试用体验。
🚀 Hy4 预览版已发布。770B 总参数量,49B 活跃参数量,1M 上下文窗口。为生产力打造。开源前沿模型。价格稳定亲民。来用吧。告诉我们哪里出问题了。
更多信息见 Hy 博客:HuggingFace:Github:
新多模态大模型已上线OpenCode Go,需要大上下文窗口写代码可以尝试这个新选择
跑大模型任务不用全量调用GPT-5.5,单任务成本降28%,路由耗时不到200毫秒,限时免费开放,想降AI使用成本可以试试
我们推出 GMI Router。它是支持 KV 缓存感知的模型路由。
路由时间低于 200 毫秒,流程中无需评判模型,每个任务的成本比全量运行 GPT-5.5 低 28%,同时质量更高。
限时免费使用。
可跨渠道调用各类大模型,也支持本地模型,每个模型分配独立云电脑,方便按需切换使用。
介绍 Opengrok
支持使用任意订阅中的任意模型 ✅
支持使用本地模型 ✅
自定义控制与灵活性 ✅
方便切换模型的模型选择器 UI ✅
每个模型都有自己的持久化云电脑?✅
(需要订阅 grok/cursor)
开发者可以更低月租调用多个主流大模型的推理服务,还能对接多款现有代码开发工具,省去等待 Claude 响应的时间
推出 fast inference:fast inference 是为追求速度的开发者打造的 LLM API。
你可以每月 $9 获得目前最快的 Kimi K3、GLM、DeepSeek 等模型的访问权。
支持与 Claude Code、Codex、OpenCode 等工具集成。
速度会叠加增效。不用再等待 Claude 响应了。
AI代理现在可以免费读取扫描文档,不需要API密钥,处理速度快,还支持布局、表格和公式识别。
现已在 Anydoc 中推出 OCR 功能,现在你的代理可以免费读取扫描文档了
非 OCR 处理耗时低于 5ms
OCR 单页处理中位耗时为 190ms
支持布局检测、表格、公式
可通过 @firecrawl 使用 OCR 托管选项
免费,无需 API key
普通开发者也能通过API调用带视频生成能力的大模型,可直接从360p草稿 upscale 到4K成品,生成视频门槛再降一档
介绍 Gemini Omni 1.1 Flash。该模型为开发者带来了一套全新的创意控制工具与生成式视频能力。
- 扩展场景以实现更长的叙事
- 可指定首帧与末帧
- 以 360p 分辨率更高效地起草视频
- 最高可升频至 4K 分辨率
- 可在多模态输入中添加视频参考
目前该模型已可通过 Gemini API 和 AI Studio 使用。
开发可自定义声音性格界面,全程在本地PC完成,不用依赖外部服务,想做专属AI角色聊天空间可以参考这条路子
据称,随着近期成为话题的「Raiza Chat AI」出现,越来越多人开始挑战在PC上开发属于自己的AI角色聊天👀
如果你对聊天开发感兴趣,可以去看看引用内容。你可以用Claude Code和Codex轻松做出视频里那样的AI角色聊天,不光声音和性格,聊天界面也能按照自己的喜好自定义。
它不需要依托外部服务,可以直接在你的PC里搭建,因此能做出完全只属于你的AI角色聊天空间。
还支持自选头像格式,你可以选自己想用的头像格式。另外,如果你有希望新增支持的头像格式,也欢迎提需求😊
训练出的世界模型在模拟终端环境时表现超过GPT-5.6 Sol,未来AI自主学习少了一道人工门槛
我们推出了内在发现(intrinsic discovery),一种全新的学习方法,能让模型在无人工监督的情况下,在开放环境中自主探索和学习。
借助内在发现,我们训练出了一个世界模型,它在模拟终端环境方面的表现超过了 GPT-5.6 Sol。
多个AI代理可帮你复现、实验arXiv论文,还能并行运行强化学习实验,帮做学术研究的人节省重复实验的时间
介绍针对 arXiv 论文的自动研究功能:使用一大批 Claude/Codex 智能体复现和实验任意 arXiv 论文。
训练后,你的智能体可以通过 @tinkerapi 启动并行强化学习运行,同时你可以观察实验树的生长。
现在就去 OpenResearch 试用:
做语音智能体不用再在延迟和能力之间妥协,低成本低延迟的开源方案已经可用,能大幅降低语音AI服务的部署成本。
该Agent由多个并行研究单元探索不同方案,保留每次实验的有效结果,在合作方提供的火箭模拟中获得100%安全着陆率,后续实际落地效果仍待观察。
TencentAI推出开放权重的Hy4预览大模型,为MoE架构,总参数770B激活参数49B,支持1M上下文窗口,适配多种实际工作场景,接下来将观察它的实际落地表现。
多家头部AI厂商都预计在下月推新,一大波旗舰级大模型将密集登场,AI产品迭代速度正在加快
据传将于下月发布的AI模型:
- Gemini 3.8 Flash
- Gemini 3.5 Pro
- Qwen 4
- GPT-5.7 “Zinc”
- GPT-5.7 “Magnesium”
- OpenAI Astra
- Claude Fable 5.1
- Claude Opus 6
- Grok 4.7
- Kimi K3.1
- Mistral 下一代稀疏开放权重模型
- MiniMax M3.x
系好安全带。这将是疯狂的一个月。
现有底层算力存储电力供应,跟不上AI模型迭代速度。未来创业机会从纯软件延伸到实体硬件层,整个AI赛道格局正在改变。
AI需要全新实体硬件支撑才能发展,这笔融资将用来搭建相关物理设施,后续AI落地进度会被推动。
在代码开发DeepSWE评测中,它超过DeepSeek V4 Pro和Qwen Max,仅次于GLM5.3与Kimi K3,目前已经进入灰度测试。
Claude Code作者称,现在由子智能体和循环流程完成编码工作,公司70%到90%的代码由Claude生成。
Anthropic 旗下 Claude Code 的创造者 Boris Cherny 称:“在 Anthropic,我们已经不再用提示词了,子代理和循环包办了所有工作。”
在 50 分钟的分享里,他展示了如今 Claude 如何完成 Anthropic 70%–90% 的代码编写,每天合入 20 个 PR,还能把一名工程师变成一整支团队。
提示词 → 工具 → 子代理 → 完整编码循环。
分享的前 10 分钟内容,就已经超过了大多数售价 700 美元的 AI 课程的深度。
大多数人还在手写提示词的时候,提效杠杆已经往上挪了两层。
模型还是那个模型,token 还是那个 token,唯一改变的就是你套在模型外层的循环。
收藏这条。然后下拉找你感兴趣的任意讲座。
这个匿名登顶OpenRouter排行榜一周的模型,现在已经开放免费使用档位,所有人都能直接体验。
核心需求就是把复杂主题讲给完全不懂的人,要求配大图片少文字,做成HTML页面。做产品科普的人可以直接抄走用。
Anthropic 内部员工写的一个 Skill,内部员工已广泛使用 Skill 叫做: eli5 整个Skill核心就一句话: Explain like I'm someone who knows nothing about this topic, using a HTML artifact with big pictures and few words. 中文版: 把我当成一个完全不懂这个主题的人,用大图 + 少量文字的 HTML 页面,把这件事解释清楚 就这么简单,没有复杂代码,没有 MCP,也没有几百行提示词。但它把一个很明确的工作方法固定下来了。以后遇到复杂��西,不要给我堆概念,直接想办法让我看懂 很多人一说 Skill,第一反应就是要写得很复杂,Anthropic 内部用的东西告诉你:Skill 不一定是一个复杂程序,有时候,它只是把一句真正有用的话,固定下来反复使用 快去实现你自己的Skill吧
现在让AI Agent绑定一个链上钱包已经不难,难点是钱包拿到手之后,它能独立完成多少完整操作。
传统自主研究循环把探索得到的非最优结果直接丢弃,新框架改成让多个研究节点并行运行。
大多数自主研究循环都把探索当成了可丢弃的搜索树:你挑出最优结果,扔掉其余部分。
PRAXIST 彻底改变了这种架构。它运行多个平行的「研究员同伴」,通过持久化内存共享研究发现,再由 PI 小组根据积累的数据协调下一步要测试的内容。
最惊人的是效率差距。用开源模型在 MLE Bench 上达到了 65% 的准确率,token 成本仅为 3k,而 Claude Opus 达到相同结果需要 38k。
当问题需要累积迭代时,聪明的系统架构胜过蛮力计算。
博主梳理了公开信息后发现,Google在ChatGPT推出前已经训练了大量不同尺寸的大语言模型。
Root权限是系统最高控制权,AI拿到后如何管控安全风险,直接关系到所有接入AI的设备安全。
社区讨论:多数开发者认同,当前AI代理默认和用户共享账户权限,提示 injection 可轻易窃取~/.ssh密钥等敏感数据,这是POSIX按设计工作,并非漏洞,而是用户没有遵循操作系统权限隔离的基本规则。原作者补充,本地MCP服务默认拥有和用户相同的全权限,但安装说明完全未提及该风险。有人提出应该用专用KVM虚拟机、容器或者独立系统用户做沙箱隔离,也有人指出合格的MCP服务本身应当只暴露必要的功能权限。
投资方给另一家AI编码应用开出了极高估值,想在AI编码赛道押注的投资者,可以参考市场当前的出价风向
👀一级市场现在关于 Cognition 正在进行的当前轮融资有铺天盖地的讨论,估值约为 450 亿美元。
所以我们深挖了它的财务数据,来解释它的增长和烧钱情况,以及为什么投资者会给又一款AI编程应用下这么大的赌注……
开源大模型梯队竞争正在加快,这套先放预览、快速迭代、靠用户反馈推进开发的路径,也许能跑出不一样的结果。
腾讯 Hy 的进化速度越来越惊人。短短六个月就发布了三个大版本,基本上每两个月就有一次重大更新。
这次全新的 Hy4 预览版在模型规模、上下文长度和训练数据方面都带来了重大升级。预训练和后训练都得到了充分投入,它显然正在冲击开源模型的第一梯队。
我最喜欢的是它「先预览、快速迭代」的路线,真实用户反馈直接推动开发。非常好奇接下来它会带来什么。@TencentAI_News
列表里包含可跨平台运行的个人AI助手,还有基于Claude的智能代理工具框架,想找现成AI工具的可以直接去看
你必须用到的 5 个 GitHub 仓库:
1. OpenClaw:可跨平台运行的个人专属 AI 助理。
2. ECC (Everything Claude Code):功能强大的代理聚合框架,为 AI 编码代理提供技能、记忆、安全与研究工作流。
3. Superpowers:智体化软件开发框架,旨在让 AI 编码工作流更结构化、更强大。
4. Vibe-Trading:围绕系统化交易工作流构建的开源 AI 驱动交易研究项目。
5. Agency Agents:大量专业化 AI 智体的合集,为不同现实世界任务和工作流设计。
它已经在基因泰克完成了带实时纠错的药物发现实验,还帮科研机构压缩了成像实验的时间
在早期测试中,AI 代理使用 MHS 完成了以下工作:
在基因泰克开展了一项带实时错误处理的药物发现实验。
在 HHMI 贾内利亚研究园区将一项成像实验从数周压缩到一天完成。
将 QuEra 量子计算机的激光稳定性从 58% 提升到了 99.3%。
聊天向AI学文字,图像AI学图片,机器人需要向真实环境学习,真实环境的学习能力才是核心竞争力
投资方是Index Ventures,企业个人助理赛道的热度还在往上走
消息来源:开发企业级个人AI助手的Town正洽谈融资,此轮由Index Ventures领投,投后估值至少10亿美元。(Newcomer)(访问Techmeme dot com获取链接及完整上下文!)
多个研究模块并行探索,通过共享内存交换证据,还有专门模块筛选结论,给科研AI代理换了新思路
大多数研究智能体都会丢弃失败的实验。PRAXIST 会保留每一个有用的发现。
多个 Research Peers 并行探索,通过共享内存分享证据,再由 PI Panel 决定下一步测试什么。
正是靠着这套设计,一个开源模型在 MLE-Bench 上拿到了 49 枚金牌,成本大约仅为 Claude Code + Opus 4.8 的 1/12。
对于量化团队来说,这会改变格局:相同人员编制下,可以完成更多策略假设检验和滚动样本测试,token 消耗却低得多。
架构战胜了规模。累积研究战胜了赢家通吃。
它测试AI代理的可靠性,让科学家能把精力放在选问题、提假说这些需要人的工作上
宣布 TerminalBench-Science v0.1 发布!智能体应当是可靠的合作伙伴,让科学家能专注于以人为核心的任务:选择重要问题、提出假设、解读结果、交流发现等等。但在持续迭代的领域中,我们要如何理解模型的能力与缺陷?TerminalBench-Science 就是为解决这个问题而来的!
它是一个由科学家打造、供科学家使用的基准测试集。我作为审稿人和任务创作者参与了项目,想分享一些关于初始结果和开发过程的思考。首先是最核心的问题:模型表现如何?
在纯通过率上,Claude Opus 5(Claude Code)以 30.0% 位居第一,第二名是 GPT-5.6 Sol(Codex),为 22.4%,第三名是 Claude Fable 5(Claude Code),为 21.4%。成本与任务解决率之间的帕累托最优前沿(见配图)情况更复杂,占据该前沿的是 GPT 5.6 各变体和 Opus 5。
越来越多产出背后都是Claude写的,出了问题就甩锅给AI,这已经变成新的职场常态。
这个新标准将为AI智能体提供通用接口,让AI智能体可以安全操作科研、高端制造领域的实体设备,未来或改变实体场景的作业模式。
只要有模型训练、评测相关实际经验,就能申请,还支持签证,对2026/2027届应届生开放,AI人才薪资再创新高。
AI完成从设计到驱动的全流程,能效比表现优于现有竞品,后续将在台积电流片,芯片设计效率有望大幅提升
我愿称之为AI界的天花板,OpenHands,78.5k star真不是白给的
1️⃣ 给AI Agent一双真手,能自己打开浏览器、写代码、跑测试,一条龙干完。..我让它修个GitHub Issue,它自己翻代码改完还提交了PR,省我一下午
2️⃣ 不用再切窗口复制粘贴了,自然语言直接指挥它操作电脑,跟雇了个远程实习生似的。实测处理重复性重构任务,比我手动快三倍不止
3️⃣ 支持接入GPT-4、Claude这些主流模型,沙箱环境跑代码不怕搞崩系统。踩过别的坑,那个只给聊天不给动手的,纯玩具
做AI的兄弟直接fork,轮子别自己写了。
这项目其实是学术界大佬组里跑了好几年的内部框架,开源出来直接就是生产级。
不是那种demo一跑就碎的货色。
我上周拿它跑了两个真实需求,从部署到出结果只花了半小时,比自己写Agent框架省出的时间,够刷两季番了。
适合想搞AI自动化又不想从零造轮子的人。
但前提是你得会点Docker,小白可能卡在环境配置上。
你们平时用啥方案让AI自己干活?
🔗 #AI #AI工具老炮
金融工作依赖可靠来源、一致定义、精准计算和可审计产出。
我们推出 Ling-3.0-flash-Fin,这是 Ling-3.0-flash 的金融增强版本,由我们与金融机构及领域专家合作开发。
该模型总参数量为 124B,激活参数量为 5.1B,支持处理长报告、研究材料和复杂工作簿,可完成信息检索、研究、估值建模和报告准备工作。
该模型在 FinFIRST、FinSearchComp Verified、FinCRAFT、FinanceAgent v1.1/v2、APEX-Agents、SpreadsheetBench v1/v2 和 τ³-Banking 上都取得了有竞争力的结果。
我们将于下周开源该模型权重。
今天我们宣布,Comfy 成为了 @MiniMax_AI 生成式媒体模型的首个也是唯一的商业授权经销商。
通过 Comfy 下载的 MiniMax 开放权重模型次数已经接近 2000 万次。现在你可以为商业用途获取这些模型的授权。
→ 你的输出内容享有完整商业权利
→ 完全允许微调与 LoRA 训练
→ 覆盖客户与代理项目
→ 包含 MiniMax Audio & Music,不只是视频
授权分为专业版和企业版计划,企业版覆盖所有 H3 模型版本。现在就通过下方链接申请授权 ⬇️
AI创业公司Anthropic曾被美国前政府列入黑名单,现在判决推翻了这项决定,直接影响这家AI公司后续发展。
社区讨论:多数用户认为特朗普政府本次拉黑行为本身非法,也有人称Anthropic禁止美国政府使用其部分功能,单方面限制一国使用,本身已经构成国家安全风险。有人提出法律更新速度远赶不上科技风险扩散速度,特殊案件应当加快处理流程。也有人关注,本次裁定仅判定行为非法,并未让涉事方承担赔偿,政府不会为行为付出实质代价。
可直接在Colab上运行RAG、智能体和评估相关开发,不需要绑定特定开发框架,省去额外环境配置成本
不少Claude付费用户都遇到过额度莫名快速耗完的情况,这个工具能帮你找到额度消耗过快的原因
社区讨论:有人疑惑怎么会一周用掉11亿token,有人调侃额度耗尽后没法开发软件了。多数人分享了额度快速耗尽的原因:大上下文缓存过期、误开高消耗默认模型、使用多代理扫描整份代码库排查缺陷,都可能快速耗完额度。有人做了CLI状态栏显示实时额度占比的插件,超标自动变色提醒。
也有人指出这个工具只展示token消耗分布,无法解释消耗原因。
大公司靠开源基础模型训自有模型,成本远低于持续支付API费用,这套方案已经跑通,未来顶级API厂商的溢价空间会持续被压缩。
做AI对话产品的开发者可以直接调用,它目前给Tavus自家产品提供能力。目前AI对话仍被认为是难度很高的问题。
人机对话是 AI 领域最难解决的问题之一。
今天,我们正式推出 Sparrow-2,这是我们最先进的实时对话理解模型。
它为 Tavus PALs 带来了大多数语音 AI 至今仍不具备的能力:理解对话当前的进展,并决定下一步该做什么——该何时倾听、等待、开口,或是继续说下去。
代码、数据、密码都由自己控制,可以部署在Vercel,使用时不需要连公共互联网。
我们很高兴发布 OpenInstinct:Instinct 但支持自托管、开源,并且兼容所有模型。
你可以完全掌控代码、数据和密码。
部署到 Vercel,再也不用手动联网操作了。
已有多名学者遇到这种情况,自己没写过没见过的论文,挂着自己的名字放在网站上。
我发现在预印本网站上有不少挂着我名字的AI垃圾论文,这些论文我既没写过,也从来没见过。
我聊过的其他学者也遇到了同样的情况。
我不认为现在所有这类论文都是真的……不过质量尚可的AI论文工厂很快就要出现了。
现成常用的代理框架本身就支持单独并行处理任务,动态生成代理框架的思路没得到足够关注。
Gemini新版本曝光,关注谷歌大模型迭代的人,可以留意后续动向
社区讨论:多数用户聚焦技术之外的行业影响,有人提到大家常讨论生成式AI对开发者的影响,却很少关注AI对配音演员和影视演员的冲击。有人对比行业动向,提出OpenAI已经完全放弃Sora项目,但谷歌仍在重度投资视频生成,可能是把视频生成当做开发世界模型的核心环节。不少用户提出质疑,有人称含人类的AI生成视频仍有严重的恐怖谷效应,有人指出该版本依然无法实现将生成视频和已有音频同步。
需要音频转文字的用户可以多一个基于Gemini模型的新工具选择,可关注后续实际使用体验
不当的拟人化词汇会让研究者和公众对AI行为产生不准确的思考,直接影响整个AI安全领域的研究质量与公众讨论方向
当前 AI 安全领域能做出的最有价值的贡献之一,就是保持「科学、数学与哲学层面的严谨性」。
这意味着,在描述智能体停机、协同崩溃或资源耗竭行为时,要弃用「自我牺牲」「自杀」这类带有主观暗示的词汇。
这些词汇把人类的动机概念套在了极其复杂的过程上,而我们目前还没有能精确描述这些过程的词汇。不精确的词汇会催生不精确的思考,无论是对研究人员,还是对后续形成的公众讨论来说都是如此。
做企业AI落地不能只靠大模型,要从交互、安全、到基础设施搭完整体系,这给打算落地AI的企业理清了实际需要的框架。
这套结合智能体收集真实反馈、快速迭代的开发路径,已经在内部测试中胜过现有头部模型,国内大模型的竞争节奏正在加快
刚看了 @TencentAI_News 的最新更新,进展速度真的让人印象深刻。6个月内发布了三个大版本,差不多每两个月一个。
Hy4 预览版已经挤入开源模型第一梯队。但更有意思的部分不只是参数量,而是它的协同设计方法:用 WorkBuddy 这类广泛使用的智能体收集真实场景反馈,再把反馈用于快速迭代预览版,之后用能力更强的模型改进产品体验。
据报道,它的内部盲测结果在 200 多个任务上小幅优于 GLM 5.3 和 Kimi K3。这种「模型+智能体反馈」的闭环开始看起来真的像一个增长飞轮。不得不说,「中文Codex」的定位已经越来越难以被忽视了。
如果未来AI智能体真的会自主交易协作,它们需要的货币天生绑定算力,而不是法币。这是没有VC预售的全新实验方向
本地跑大模型已经有爱好者开始尝试,未来家庭AI中心落地,普通用户的设备可能需要升级内存才能用。
我预测还有第四波,端侧 AI。最近 nerd 们扎堆买 DGX Spark 和 Mac Studio 跑本地 LLM。一旦本地推理软件变得成熟,家庭 AI 智能中心的概念也会进入消费市场。
当然了,本地流畅跑长上下文 LLM 没有个 128GB DRAM 是不可能的。
这验证了垂直SaaS和AI模型厂商可以分工合作,对持有核心业务数据的SaaS从业者来说,是明确的方向参考
AI会创造新的软件、安全、身份和工作流收入,昨天Salesforce的强劲财报带动了软件和SaaS领域的走强,也验证了7月中聊到的:“CSP控制的是横向AI底座,垂直SaaS控制的是业务执行层。因为垂直SaaS掌握“工作入口;业务对象、业务语义;历史操作数据;系统记录;行业规则;最终动作执行;客户结果反馈”。可以把模型能力包装成高价值业务结果。
这只适用于真正拥有工作流和核心独家数据的SaaS。只是给通用模型套一个简单界面的薄应用,反而容易被模型厂商或CSP替代。”
这一次Salesforce与Anthropic推出ClaudeForce,也进一步说明,模型厂商与企业软件之间未必是零和关系:
Claude提供推理和自然语言入口;
Salesforce提供企业数据、权限、业务逻辑和执行动作;
企业软件仍然掌握系统记录、业务流程和合规责任。
这说明进一步企业AI正在从试点进入“ 数据接入、Agent开发、业务流程调用、权限治理”的工程化时代。
现在对接不同科研硬件要花数周数月,MHS希望把对接时间压缩到几小时,能减少生物科研里大量无意义的内耗
这套思路如果落地,能让AI在天气预报、机器人这类场景里做出更安全可靠的决策,可以关注后续研究进展
从天气预报到机器人学,智能决策都依赖于对未知的理解。
我们的研究副总裁 @ZoubinGhahrama1 与 @fryrsquared 一同探讨,为什么教会系统自我怀疑和概率思维能带来更安全、更可靠的真实世界决策。🧠 观看本期节目 ↓
时间码:
00:00 引言
01:06 不确定性的作用
07:45 正确性与置信度
09:40 历史视角
16:10 AI 中的贝叶斯思维
26:30 真实世界中的不确定性
36:42 未来研究与 AGI
想入行AI开发,可以对照这个难度表安排学习顺序,看看哪些技能适合入门,哪些需要更久积累。
按难度排序的 AI 开发技能 🤖
🔴 模型训练 —— 极难
🔴 微调 LLM —— 极难
🔴 多智能体系统 —— 难
🔴 AI 基础设施 —— 难
🔵 RAG —— 中偏难
🔵 向量数据库 —— 中等
🔵 AI 智能体 —— 中偏难
🔵 LangGraph —— 中等
🟢 提示词工程 —— 简单
🟢 OpenAI API —— 简单
🟢 Claude API —— 简单
🟢 Gemini API —— 简单
哪项 AI 技能实际上被低估了?👀
创作者能直接让Claude掌握生成艺术的专业特性,帮创作者在铸造NFT前验证草图,降低创作流程更可靠。
我为生成艺术做了一个 Claude Code 插件。
它教会 @claudeai 真正的创作工艺:哈希带来的确定性,400px 和 4000px 分辨率下都能生成同一件作品,可靠的 rarity,还有在 mint 前验证草图的工具。
免费且开源。
不用再对着上百种AI工具犯懵,理清分层就能只学适配自己工作流的工具,适合刚入门LLM开发的人梳理体系
前沿AI评估需要上亿token,每一次无效试错都要花钱。这个工具可以帮做AI评估的人省下不必要的token成本。
部分前沿AI评估需要数亿token,每一次失败的试验都会产生实实在在的成本。
我们推出了optstop:这是我们的开源工具,可以在估值已经足够精确的时候终止评估,在估值不够精确的时候让评估继续运行。🧵
解决多模型协作时直接传递输出的混乱问题,用带签名的消息收发框架实现分工,给多AI协作提供了新的思路。
几天前,@cryptohayes 希望看到 @flop_labs 的 technocore 被集成到智能体工作流中。
于是我搭建了一个实验项目,它将 Claude 和 Codex 转变为一个受监督的软件开发团队,并用 technocore 聊天作为它们的签名邮箱,而非简单把一个模型的输出塞进下一个提示词里。
仓库:
顺便说一句,technocore 本身不编写代码,它只传输签名消息。
做漏洞赏金不用再切换多个工具手动整理,整条流程可在终端完成,还支持接入多个AI客户端,也能本地运行模型
🕵️ 又发现一个 Claude Code 外挂,做漏洞赏金的人从侦察、测试到写报告,全在终端里跑完 GitHub 上 4.4K stars,MIT 许可证,需要 Python 3.10 以上。
打一个授权目标的老流程是这样的:subfinder 扫子域,httpx 探活,nuclei 跑模板,ffuf 爆目录,katana 爬链接,工具来回切,结果散成一堆文本文件,最后还得自己坐下来手写报告。
这个项目把整条流程编排成 33 个斜杠命令和 9 个专用智能体,跨会话记着你上次做到哪一步,Web2 那边覆盖 26 类漏洞,Web3 智能合约 10 类。
除了独立命令行,Claude Code、OpenCode、Pi Agent 和 Codex 都能接进去;模型可以选 Claude、OpenAI、DeepSeek、Groq,也能用 Ollama 在本地跑。
仓库自己写明了只能用于获得授权的安全测试,工具是中立的,打谁、有没有拿到授权,是使用者自己的事。
GitHub:
这套标定方法不需要预训练,机械臂本身就是标尺,对想动手做实体机器人AI的开发者来说,是降低门槛的新路径,后续即将开源
我们参与了@AnthropicAI的MHS研究预览。下图是Claude Code在操控一台真实的SO-ARM101。
这套方案没有用到任何训练数据——没有策略、没有遥操作、没有演示数据。智能体自行测量了工作空间,还编写了运动程序。
标定是最有意思的部分。不需要棋盘格,也不需要相机内参:机械臂本身就是自己的标尺。扭矩下降后,人类只需要把闭合的夹爪放到软件在相机视图中画出的16个点上,机器人就能读出这些点的位置。
位置精度达到4.1毫米,放置精度3.0毫米。目前最佳运行结果:放置了12块积木,完成了全部四个颜色组的分类。下一步目标是完成从头到尾全程无需人工介入的运行。
今日开放研究预览,开源版本即将推出。
多人用AI协同写代码常会踩坑,这些从半年实践里总结出的环境隔离方案,能帮你避开多数冲突问题。
据仅使用AI代理编写代码六个月运营经验所得,当并行运行多个Claude Code/Codex系代理时,不仅Git,数据库、端口、进程、认证信息的冲突都会成为核心问题,因此需要通过每个任务独立隔离VM、YOLO执行、经由代理注入凭证、只读权限等方式设计开发环境与安全边界。
Six Months of Writing Code Exclusively With Agents - blog
长期用AI写代码迭代会累积冗余代码,增加维护负担。这套方法用多代理分工清扫,能帮你降低代码库的维护成本。
分享一段最近实测非常有效的 Prompt,专门清理 AI Coding 长程迭代以后留下的屎山代码。
这套方案基于 DeepSeek Harness 仓库,随后经过优化和抽象,整理成了适用于一般代码库的 simplify-codebase 规范。
AI 很擅长继续添加抽象、状态、接口和兼容层,却很少主动证明哪些东西已经可以安全删除。单次修改都看似合理,长期累积后,整个仓库会背上越来越多维护义务。
这套方法会先按真实模块和所有权边界拆分任务,由多个子代理并行清扫,主代理处理跨模块契约并完成最终验证。
另一个很好用的工作流:先让网页端 Pro 模型审查整个仓库并生成方案,再交给 Codex 按检查结果实际修改和验证。
仓库地址:
完整提示词见下图。
想靠AI降低创业成本,不用等复杂工具,围绕Claude搭建完整工作系统,就能把它变成创业的业务支撑层。
想在团队引入AI驱动开发做内部培训的话,可以参考这套可复现的培训框架,直接拿来调整后就能用
这份教材简直就是神级资料。刚好我正处在要在团队内引入Claude Code的阶段,打算直接拿来用它的子集!作为AI驱动开发研修的原型基础非常好用。
九州大学2026年4月举办的Claude Code实操工作坊,已经作为哪怕单人也能推进产品开发的工作坊工具包在GitHub公开了。
相关报道称,约60人在2天内参与了活动,8-9成的参与者完成了原型开发,满意度达到4.59/5。而且写的是一共「6份资料」,但正文只列了5份,是写错了吗?
环境要求是Node.js 20以上、Next.js App Router、pnpm,整个设计覆盖了从课题到实现、验证、落地页、学习计划的完整流程。
环境搭建和技能的具体内容我打算去原文看。AI培训的价值不在于产出物,而在于不管谁来做都能复现的流程。
#AI駆動開発
来源:
想从零系统学AI工程,又找不到结构化免费资源,这个教程覆盖环境配置、数学基础、机器学习到深度学习全流程,可在线学也可下载本地
想在开发流程里打通AI编码工具和AI SDK框架,这里有现成的配置参考,可直接复用接入方案
配合 @cursor_ai 与 AI SDK HarnessAgent 使用:
const agent = new HarnessAgent({ harness: cursor, });
谷歌团队发布9页线束工程文档,提出Agent新公式
海外AI博主称GLM-5.3 Flash性能品质优于其他可部署模型
我改主意了。如果你追求最高质量,GLM-5.3 Flash 值得你优先于其他任何模型运行。它是能放进 2 块 DGX Spark 里的最好模型。
这个模型能做到其他模型根本做不到的事。它比 GLM-5.2 更好,体积还只有一半。
希望我们能早日见到 DFlash2,到时候它就能真正大放异彩了!
该机器人可自动监控排查问题并提交代码修复实现系统自愈
我在Grok Bot做了一个SRE机器人,用来检查日志、链路追踪、Sentry里的错误,还会定期检查我存在datadog里的仪表盘,自动持续优化系统。
它会定期运行,而且每次部署的时候,它都会观测日志、链路追踪,识别代码里的问题,然后提交修正用的PR。
我认为这个@bot和使用claude/codex的区别,就在于它拥有特定领域的例行工作和职责,因为它是7×24小时不间断运行的。
现在每次部署都能以一种出乎意料的方式自我修复,所有错误和慢查询都会被自动修复,我根本不用停下来手动分析所有这些内容,而且这还只是众多机器人中的一个。我们生活在一个不可思议的时代。
接下来它要做的是观测部署,出现问题的时候执行回滚,同时提交修复方案。
开发者Lydia Hallie征集Claude Code在实体场景的使用案例
开发者用GLM-5.3-Flash在Blender中搭建出3D梦幻厨房场景
工程师打造GrokBot代理团队,睡眠时可自动推进工作提交PR
前Cursor工程师,现SpaceXAI工程师说:「我再也不用一步步提示/微观管理我那大约10个GrokBot智能体了。我睡觉的时候,我的「参谋长」会管理整个机器人团队的任务,它们还能推送PR」。
在一场30分钟的研讨会上,poteto展示了她如何搭建一支全天候运行的GrokBot团队来自动化自己的生活,以及自动化如何改变了她的代码(视频的第一部分)。
这段内容的价值超过十多本讲GrokBot和软件工程的指南。观看视频,向SpaceXAI团队学习从代码到生活的全自动化,然后阅读文章,正确搭建好整支团队↓
顶级工程师搭建自动化验证流程,指挥AI军团并行开发
基于Opus 5 Claude代码模式搭建,包含全套提示词与文件,可免费分享给关注者
X用户mattshumer_称产品发布时模型将可自主完成强化学习训练配置,希望提前测试
mattshumer_在X平台发文表示,这个项目相当出色。等到该产品正式推出时,模型会非常擅长自主配置强化学习(RL)运行流程,完成相关训练。
mattshumer_@了Hugging Face和Pollen Robotics,表示希望能够提前参与测试,之后会向公众分享自己的看法与实验结果。
开发者从GPT-4到Sonnet 3.5 v2的开发经验出发,提出应当专注三个长期不变的核心基础
该工作坊从零搭建项目,涵盖降token消耗、代理搭建等多个主题,可学习向AI代理分配工作
SpaceXAI的一名首席工程师发布了时长一小时的工作坊,内容是在C语言环境下运行Grok 4.6,将后续工作交付给GrokBot团队,整个项目从零开始搭建。
工作坊按时间划分了不同内容模块:1分14秒讲解降低token消耗的方法,4分27秒介绍工具工程相关内容,9分38秒聊到模型失忆问题,30分12秒讲解搭建AI代理的正确方式,44分08秒展示全栈项目的现场运行。
这类工作坊会改变人们向AI代理分配工作的思考方式。原文建议今晚跳过看剧,抽出一小时观看这个工作坊,之后可以阅读下方文章,学习如何用AI代理自动化整套日常流程。
用户@petergyang分享使用AI处理病历体验,呼吁ChatGPT Health面向患者和家属设计开放共享功能
用户@petergyang在𝕏上分享了自己的使用体验。他将共160页的个人医疗记录上传给AI工具,认为效果非常出色。
他公开提问@ChatGPT Health项目的团队成员都有哪些,同时提出设计建议。他指出这款产品不仅需要为患者设计,也应该照顾护理人员和患者家属。
目前这类医疗AI工具基本都只支持单人使用。医疗记录属于敏感隐私内容,但@petergyang认为,应当允许患者向直系亲属开放病历共享权限。
分享Claude推荐的Warp自进化Agent实现方案
Claude 发文推荐 Warp 这套「自进化 Agent」做法,我觉得很值得看。 Agent 每次干完活,人类正常给反馈。另一个 Improver Agent 会定期把这些反馈捞出来,看它哪里反复犯错,再对原来的 Skill 提一个小修改。 修改直接走 Git PR,人 Review、Merge 以后,下一次 Agent 就会带着这次经验继续工作。 Warp 已经把这套机制用到了 Code Review、写 Spec 和 GitHub Issue Triage。 我觉得比较有趣的一点是,他们没有把学习理解成不停往 Prompt 里塞规则。 反馈最好告诉 Agent「为什么错」,Skill 也要保持小,只沉淀真正能复用的原则。 这种自进化其实很朴素: Agent 干活 → 人纠正 → Agent 总结 → 修改自己的 Skill → 下一次少犯一次。 很多 Agent 现在缺的可能就是这个循环。 每次 Session 都积累了大量反馈,但下一次又像第一次来上班一样。 文章
warp的官推也发帖介绍了自己的自进化loop👇
开发者实测Claude Code配合UEFN新MCP可自动生成界面材质,大幅节省时间
我在 UEFN 里用 Claude Code 测试新的 MCP,老实说这完全改变了游戏规则。
我给了它我的logo、参考素材和美术方向,它就给我的加载界面 UI 做好了所有材质。它干活的时候,我在做完全别的事。省下的时间太夸张了,而且做出来的效果真的很好。谢谢 @FNCreate 🙏 #UEFN #Fortnite
这个加载界面主要用于过渡,也就是比赛开始时和回合之间。它会处理地图加载,让玩家有东西可看,不用盯着冻结的屏幕。如果我用数据层切换地图,它也很有用,这样玩家就不会看到地图卸载或是资源突然弹出了!
分享稳定生成长视频方法,并生成了老上海谍战风格短片
社交平台用户测试AI生图,称赞所用提示词效果好用
solo创始人分享迭代推广应用,带领情侣冲万MRR的经历
开发者分享了他日常使用的三类Hermes代理,覆盖待办跟踪、效率监测等场景
一名ID为0xDevShah的开发者在Mac Mini上运行了数百个Hermes代理,他分享了自己最常用的三个使用场景。
第一个是承诺保管代理,它会从用户的聊天、对话串和邮件中,找出所有包含“我会发给你”“我回头找你”的内容,跟进确保事项完成,或是将事项添加到用户的待办清单。
第二个是个人基准代理,它会监测用户完成重复性基础工作的过程,长期记录用户的工作方式,告知用户工作效率是提升还是下降,同时判断是否可以新建一个代理来自动化这项工作。
第三个是生活变更日志代理,它会每周生成一份个人生活变更日志,记录用户见过的人、打造的项目、改变的信念以及新发现的事物等内容。
出自𝕏用户@AYi_AInotes分享,这套工作流重构了AI编程效率
Scobleizer与blevlabs用AI分析百万帖生成Grok Bot分析报告
博主jaga_prasanna在𝕏发布CPU卸载扩展LLM推理完整指南
海外网友在X平台分享,用Claude配合一键游戏工具制作概念科普小游戏
该方法可大幅降低机器人新任务训练所需真机数据量
开发人员callebtc在𝕏分享开发经验,团队做Cashu电子现金钱包时最终放弃跨端语言,选择原生开发
damobianyuan在𝕏分享使用Creao的多AI Agent分工工作流,投研交易全流程可拆分给AI完成
账号@youguqi2023在𝕏发布分析,拆解7大赛道消耗、3大趋势与4个瓶颈,区分产业红利与资本泡沫
词元是AI产业的“水电煤”,而非用来投机暴富的工具。
这份内容拆解了7大赛道的词元真实消耗情况、3大AI行业发展趋势,以及4个行业隐藏瓶颈。
内容旨在帮读者区分,哪些是AI产业真正的产业红利,哪些是资本吹出的虚假泡沫。
用户@abulu8在𝕏分享,用Seedance 2.5文生视频工具基于简单提示词生成全片,保留所有参数设置
用户@abulu8在𝕏分享了一段AI生成的短片,称这不是4K分辨率,只是Seedance 2.5输出的1080p内容,基于higgsfield_ai的文生视频功能制作。仅用一段简单提示词,就生成了目前呈现的色彩、细节和电影级效果,还自带字幕,整个视频片段没有经过任何后期修改。
所用提示词为生成30秒超写实电影感浪漫旅行场景,包含指定内容:日语配音、英文字幕,场景设置在冲绳海岸,具体描述了两名角色的年龄、外貌和着装,以及浅 turquoise 水域、白沙滩、盛夏骄阳带盐雾的环境设定。
提示词还对短片每5秒的镜头运镜、演员动作、台词、音效配乐、光影效果都做了详细指定,从最初两人在浅滩追逐打闹,到后来一起吃刨冰、骑摩托沿海岸路行驶,再到日落码头相拥,最后以空中绽放烟花结尾。
生成的内容匹配了自然的日语发音、自然的情侣神态,还有准确的唇形同步。用户标注生成视频的参考参数为:模仿ARRI Alexa 35拍摄,1080p分辨率,35mm加85mm定焦,浅景深,暖夏调色,24fps运动模糊,立体声配乐加自然环境音。
创作者@oggii_0 在Higgsfield平台使用Seedance 2.5生成了这段内容,设定了严格的拍摄规则
网友分享个人使用体感:GPT、Opus等多个头部模型均出现该问题
我个人体感发现的一个情况是,随着2026年开始的coding/long-horizon能力大跃进,frontier模型的语言使用能力开始在看不懂的路上狂奔。
在opus4.5的时代,他的语言风格还可以勉强算得上合理。在这之后,无论是gpt,opus还是国模,随着他们coding能力的起飞,这些模型的语言使用能力也开始一泻千里。
这个语用能力和风格的collapse在日常使用的体感是非常明显的:我日常遇到最大的问题是,无法正常的阅读和理解模型的文字内容,需要反复揣摩和skill/gemini翻译才可以理解。
我个人的使用习惯偏向一部分的human-in-the-loop避免模型自己vibe起飞,但是目前“看不懂模型在说什么”严重影响我的工作效率。
网友@bridgemindai在X平台点评GLM 5.3 Flash等多款大小模型
GLM 5.3 Flash 和 Qwen 3.8 Flash 就它们的尺寸而言表现出色。但它们缺了点东西。
它们在基准测试中成绩不错。它们能本地运行。它们几乎不花钱。然后你用它们干正事,马上就能感觉到差距。
打磨不到位。可靠性也不够。
能本地运行的开源 AI 对世界来说确实是件好事。但如果你真的有预算,你的工作流里根本没有这些模型的位置。
Fable 5、GPT 5.6 Sol 和 Grok 4.6 在所有关键方面都做得更好。
本地模型适合有闲的人。前沿模型适合有截止日期要赶的人。
网友在𝕏爆料,同一GPT-5.6 Sol可配置出不同行为的Codex
一位创始人分享工作方法,作者亲测一周后分享体验
一位创始人朋友上周给我看了他的日程——没有写作区块,没有伏案时间,只有散步。他的规则是:每个难题都要走 20 分钟。手机放口袋,全程对着 AI 出声思考。
结果我发现,我认识的最精通 AI 的人,都有一个共同习惯:他们用声音思考,而非用手指。于是我偷学了这个方法试了一周。结论:打字不只是更慢——它会在你思考完成前就修改你的思路。
坐在键盘前,你会自我审查那些本来可能成为突破的半成品想法。散步的时候呢?完全没有过滤,思路完全流淌。而且 AI 能捕捉到你自己都没意识到你在梳理的线索。
我用 @ComuAI_ 记录我的思考——一段 20 分钟的漫谈独白,在我到家之前,它就能整理成干净的笔记加行动项。
旧方法:盯着光标,构思完美的提示词。新方法:出声思考,让最聪明的聆听者接住所有内容。键盘从来都不是瓶颈,自我过滤才是。
我是 Comu 的老用户了——完全就是这么回事。我现在每次散步都会用它。我今年一半的好点子都来自我随口漫谈,而它在我到家前就能给我整理好干净的笔记和行动项。
官网:
亚马逊商店:
开发者基于实测生产数据分享两款开源大模型的真实使用表现
今天把主力模型又从 GLM-5.3-flash 换到了 Qwen 3.8 flash,说说真实感受,都是当天压测 + 生产任务跑出来的数 先说 GLM,为什么弃用。不是效果问题,是服务端挂死。70K token 的请求发过去,600 秒,0 字节返回,没有任何报错,429 都看不到,就是静默挂着。
我们凌晨 2 点的任务,10 个判定批次全部超时,一小时窗口烧光,零产出。同窗口发个几十 token 的小请求,13 秒正常回。大小通吃,专杀大请求 再说 Qwen 3.8 flash。
同一类任务,52K 输入,16 到 111 秒,全部正常返回,47 批判定、300 条消息消化完。并发 50 打满,零 429。20K 以上还有上下文缓存命中,这个对 agent 场景很实在。
缺点也直说:延迟长尾偏宽,p50 才 2 秒多,p95 能到 13 秒,偶发排队,慢半拍但不断线,跟 GLM 那种直接挂死是两种病 DeepSeek 我们一直在用,稳定,没出过挂死这种事,这次退居兜底位。Qwen 3.8 这次表现说明国产模型里 “能稳定跑大上下文” 和 “benchmark 好看” 还是两回事
博主@ScarletKc_ 在𝕏分享了OpenAI Codex的幕后设定细节
内容来自@3333yyds在𝕏发布的科普,解释AI幻觉的成因与使用建议
来自𝕏用户@elayadesigns的分享,包含四个步骤,用到三款AI工具
设计师elayadesigns称,自己的工作流程已经完全改变。
第一步用ChatGPT构思创意,第二步用Fable 5完成搭建,第三步用Higgsfield制作动画。
整个流程的最后一步是持续迭代优化。
X平台用户RaoulGMI发文评测AI工具Grok Bot,称其易用性表现远超预期
RaoulGMI发文表示,自己已经被Grok Bot折服。他称这款AI工具是十足的“魔法产物”,运行速度快,能力出色,推理表现优秀,足够智能,响应积极。
更让他意外的是,Grok Bot使用起来非常简单。他提到,AI绘画工具Fable 5也凭借出色能力让复杂任务变简单,但它的定价非常昂贵。
Grok Bot用另一种方式实现了同等的体验。从打开工具到让智能代理开始处理有用工作,全程仅需要两分钟。这让他感到十分震撼。
这一天的 122 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。