AI Pulse

我的犀利观点是：Claude Cowork 和 ChatGPT Work 都是不完整的解决方案，而对于非技术用户来说，Grok Bot 才是合格 AI 智能体产品的正确终极形态。

我认为人们可以很轻松地“理解”（grok），它就是一个运行在云端的程序。

如果你让人们解释 ChatGPT Work 和 Codex 的区别（比如说，Work 能运行云端任务但 Codex 不行），或是解释 Claude Cowork 到底是怎么工作的，我打赌绝大多数人都完全不知道。

Rosalind Workbench 将科学问题与专业模型、工具和可复核输出整合在同一个工作流中，涵盖从蛋白质结构、序列分析到测序流程的各类任务。

中国大模型正在不停进步！腾讯的 Hy4 预览版又是一个接近前沿水平的开源模型。

它的水平似乎达到了 Kimi K3 级别，参数量仅 770B，体积还小了三倍！

我尤其对它在科学推理基准测试中的出色表现感兴趣！看起来很不错！

GLM-5.3 现在可以本地运行了！我们将 2 位量化模型的体积从 1.51TB 压缩到 239GB（体积缩减 83%）后，它仍保留了约 81% 的准确率。

可以在 256GB 内存的 Mac 或对应容量的 RAM/VRAM 设备上运行。GLM-5.3 是目前最强的开源模型。

我们正在Ollama上推出GLM-5.3。

私有部署。快速。服务器托管在美国和欧洲。不保留数据。

在我们把GLM-5.3正式上线的同时，快来体验Ollama的GLM-5.3-Flash。速度超快。

Claude Code：ollama launch claude --model glm-5.3-flash:cloud

OpenCode：ollama launch opencode --model glm-5.3-flash:cloud

Hermes Agent：ollama launch hermes --model glm-5.3-flash:cloud

你也可以将它接入其他任何框架或应用。同时也开放API端点。

新研究员课题：Claude 能否自动对齐其他人工智能？

我们给了 Claude 48 小时时间和 1 块 GPU，让它提升小模型的对齐水平。

它独立研究并提出了方法，随后自行训练并测试了模型。

结果效果好得出乎意料。

中国产AI模型「GLM-5.3」如约作为开放模型免费公开，是性能可与Claude Fable 5、GPT-5.6 Sol媲美的高性能模型。

GLM 5.3 Flash 是我第一次体验到，在本地运行的较小模型能在计算用途上表现这么好。

这条提示词用于通过Grok生成符合要求的9:16竖屏自拍风格短视频。设定主角为成年女性，需要穿着两张参考图中的对应服饰，自然披散长发，坐在柔软沙发上。

画面要求为中景到半身构图，镜头保持稳定。主角全程配合口播完成流畅连续的身姿变化，身体保持柔软曲线和呼吸起伏，不能僵硬。

背景要求为动态动画或可视化故事画面，整体为温暖亲密的电影级光影，带有淡淡欲望氛围，不需要杂乱字幕和水印，全程保持主角面部、光线、画风统一，嘴型与动作同步。

视频开场0:00-0:15的动作和画面有详细设计，同时给出了对应口播文案。口播内容称景甜在一段感情中十分谨慎，反复确认对方无法进入北京后才放心开展关系。

新研究员课题：Claude 能否自动对齐其他人工智能？

我们给了 Claude 48 小时时间和 1 块 GPU，让它提升小模型的对齐水平。

它独立研究并提出了方法，随后自行训练并测试了模型。

结果效果好得出乎意料。

中国产AI模型「GLM-5.3」如约作为开放模型免费公开，是性能可与Claude Fable 5、GPT-5.6 Sol媲美的高性能模型。

我们正在Ollama上推出GLM-5.3。

私有部署。快速。服务器托管在美国和欧洲。不保留数据。

在我们把GLM-5.3正式上线的同时，快来体验Ollama的GLM-5.3-Flash。速度超快。

Claude Code：ollama launch claude --model glm-5.3-flash:cloud

OpenCode：ollama launch opencode --model glm-5.3-flash:cloud

Hermes Agent：ollama launch hermes --model glm-5.3-flash:cloud

你也可以将它接入其他任何框架或应用。同时也开放API端点。

GLM-5.3 现在可以本地运行了！我们将 2 位量化模型的体积从 1.51TB 压缩到 239GB（体积缩减 83%）后，它仍保留了约 81% 的准确率。

可以在 256GB 内存的 Mac 或对应容量的 RAM/VRAM 设备上运行。GLM-5.3 是目前最强的开源模型。

一个开源项目可以将任意 LLM 转化为能在浏览器中说话、动作并做出反应的 3D 角色，无需游戏引擎，也无需本地渲染配置。

角色自带记忆系统，可以追踪情绪状态和关系历史，因此回复会根据目前对话中发生过的所有内容变化，而非只参考上一条消息。

完全可自定义：你可以更换 3D 模型、人格提示词、LLM 或文本转语音服务商。

零配置即可免费试用，托管版附赠免费 API 额度供你上手。自托管需要你使用自己的 API 密钥，但能给你完整的修改控制权。

该项目来自 Digital Life Project（CVPR 2024）团队，将在 SIGGRAPH Asia 2025 展示。100% 免费。开源。

现在推出免费无密钥版 firecrawl，你的 AI 智能体现在可以 100% 免费搜索和爬取网页。

- 顶尖搜索准确率（在 simpleqa 上达到 94.7%）
- 爬取耗时低于 3 秒，任意页面都能转成干净的 markdown
- 无需 API 密钥，无需注册

`npx -y firecrawl-cli@latest init --all --browser`

我的犀利观点是：Claude Cowork 和 ChatGPT Work 都是不完整的解决方案，而对于非技术用户来说，Grok Bot 才是合格 AI 智能体产品的正确终极形态。

我认为人们可以很轻松地“理解”（grok），它就是一个运行在云端的程序。

如果你让人们解释 ChatGPT Work 和 Codex 的区别（比如说，Work 能运行云端任务但 Codex 不行），或是解释 Claude Cowork 到底是怎么工作的，我打赌绝大多数人都完全不知道。

中国大模型正在不停进步！腾讯的 Hy4 预览版又是一个接近前沿水平的开源模型。

它的水平似乎达到了 Kimi K3 级别，参数量仅 770B，体积还小了三倍！

我尤其对它在科学推理基准测试中的出色表现感兴趣！看起来很不错！

Rosalind Workbench 将科学问题与专业模型、工具和可复核输出整合在同一个工作流中，涵盖从蛋白质结构、序列分析到测序流程的各类任务。

事实证明，给机器人做上下文学习并没有那么难……

AI能不能自动对齐其他AI？我们搭建了一个智能代理框架，把Claude Opus 4.8包装成了一名自动化对齐研究员，给了它两天时间来改进其他AI的对齐效果。

它独立完成了研究、提出方法，然后全程自主训练并测试了模型。效果非常好。

更多有意思的发现请看下文推文串🧵

社区讨论：多数用户认为Mac Studio跑通Qwen3.8 27B后仅14token/秒的生成速度毫无实用价值，花高价买这类硬件只获得这种速度没有意义。有人质疑实测者的配置操作不当，也有用户发现同参数同量化的Qwen3.8速度比Qwen3.6慢一半，有人指出当前Mac本地大模型工具优化不足。还有用户提到AMD旧数据中心显卡成本更低带宽更高，另有用户分享了自己在苹果芯片上常用的更流畅的替代模型。

GLM 5.3 Flash 是我第一次体验到，在本地运行的较小模型能在计算用途上表现这么好。

更新：对大多数场景而言，目前微调不值得做。开源前沿模型的更新速度太快了。等你优化完一个微调版本，新的基础模型已经比它更好了。而且，随着模型的指令跟随能力变强，技能移植效果更好，移植难度也低得多。

这还没有把推理的成本效益算进去。对达不到超大规模的初创公司来说，让微调后的模型实现高GPU利用率，真的非常非常难😅

微调在「廉价高效开源模型的前沿性能不会每两周就进步一次」的世界里很棒。当一个模型家族每次发布带显著性能提升的新版本间隔一到两个季度时，微调非常有用，直到最近情况都还是这样。

也许几个月后我们会回到那种状态，但就目前而言，一切变化太快，微调还派不上用场（在我看来）。

GLM-5.3的性能表现远超出它自身规模对应的预期水平。

类似DeepSeek-V4-Flash的体验比Pro版本更出色，这次GLM-5.3-Flash的表现好得出乎意料。

它的推理速度也快很多。仅用2台DGX服务器运行GLM-5.3-Flash，就已经完全够用了。

博主让Pi Agent内置的不同大模型逐个完成实际任务：控制Chrome浏览器打开自己的YouTube后台，分析最近的视频数据并给出结论。各款模型的表现各有不同。

GLM 5.3 Flash全程耗时14分钟，最终给出的结论尚可接受，但分析内容比较干瘪。

DeepSeek V4 Flash仅用4分钟就完成分析，最终结论质量相当不错。

GPT-5.6 Terra用2分钟完成了全部任务，数据分析质量是本次测试里最高的。

Kimi K3运行2分多钟后就开始报错，提示任务负荷已超出承载能力。

千问3.8 Flash为后续补测项目，耗时6分半完成任务。它的分析结论和GLM 5.3 Flash比较接近，数据质量比GLM 5.3 Flash稍差一点。

本次测试尚未覆盖千问其他版本，博主认为，国内几款模型中，DeepSeek的综合性能和可用性是最好的。

用户@mylifcc分享了一种能节省token的AI编程方法。操作方式为打开两个窗口，左侧用GPT-5.6 Sol完成项目规划和文档编写。

完成规划后，把左侧的输出复制到右侧窗口，交给能力较弱的模型做代码实现，分享中用到的是grok，Luna也适用。

代码实现完成后，把右侧的输出再发回左侧，让GPT-5.6 Sol做结果校验，之后再把调整要求发回右侧修改。

这种分工模式的好处是，能力最强的模型只负责规划和结果核对，不会出现上下文内容过多溢出的问题。成本更低的token用来承担代码实现工作，能降低整体花费。

X用户@Mayhem4Markets公开向开发者@_can1357致谢，称赞对方开发的编程智能体工具是他目前最喜欢的同类工具。他评价这款工具使用顺畅，能直接满足使用需求。按任务类型或任务难度进行路由分配的功能，对用户来说非常有帮助。

测试人员@LLMJunky在2块RTX 6000显卡上完成了Qwen 3.8 Flash Next的早期测试。本次测试使用的是尚未优化的版本，该模型已经可以实现每秒超过200个词元（tok/s）的推理速度。

就目前测试结果来看，Qwen 3.8 Flash Next相比Deepseek v4 Flash有明确的性能提升。

开启视觉功能后，该模型的上下文开销为430万，可支持高并发量。测试人员同步放出了测试相关的链接。

用户@haskell_brooks在𝕏发起线上聚会邀请，计划于9月5日周六举办本次活动。

本次活动的主题是仅使用Gemini SDK或Anthropic SDK，从零开始搭建AI代理。

活动将深入拆解AI代理的各类核心模块，包括记忆、轨迹、自反馈循环等内容。

整场活动全程为代码实操，没有空洞讲解。

完整版GLM 5.3很快就会正式发布，但GLM 5.3 Flash的表现已经十分出色。

GLM 5.3 Flash目前在原生精度下可实现每秒处理180个token，并发性能的扩展性也非常好，同时还支持视觉能力。

如果完整版GLM 5.3不新增视觉支持，这位开发者可能会一直使用GLM 5.3 Flash。

这条提示词用于通过Grok生成符合要求的9:16竖屏自拍风格短视频。设定主角为成年女性，需要穿着两张参考图中的对应服饰，自然披散长发，坐在柔软沙发上。

画面要求为中景到半身构图，镜头保持稳定。主角全程配合口播完成流畅连续的身姿变化，身体保持柔软曲线和呼吸起伏，不能僵硬。

背景要求为动态动画或可视化故事画面，整体为温暖亲密的电影级光影，带有淡淡欲望氛围，不需要杂乱字幕和水印，全程保持主角面部、光线、画风统一，嘴型与动作同步。

视频开场0:00-0:15的动作和画面有详细设计，同时给出了对应口播文案。口播内容称景甜在一段感情中十分谨慎，反复确认对方无法进入北京后才放心开展关系。