AI Pulse

AI Pulse

说人话的 AI 情报站
每天 08:00 · 12:30 · 18:30 · 23:50 更新每天四次更新
2026 年 8 月 30 日 · 23:50 更新
✦
试试:

今天发生了什么1 分钟读懂

Uber 七成代码 PR 已由 AI 接管,半年 AI 调用量涨了近十倍,总花费没有上涨。Anthropic 工程师在 X 上自述,提示词工程基本结束,九成内部同事在跑自改进循环。当写代码的边际成本趋近于零,工程的重心该转移到哪,Simon Willison 总结了一份方法论,今日深读解读。

MiniMax 开源了 H3-Max,免登录即可用,5 秒视频约 3 秒生成。腾讯也把 Hy4 预览版放进开源社区,770B 参数,官方称内部测评超过 GLM-5.3 和 Kimi K3。

Anthropic 发布新研究:用一台笔记本就能对大模型发动后门攻击,现有安全手段无法清除,用公开数据训练的大模型都可能中招。

今日值得看
01 让 Skill 自我开方的 skill-doctor 一个叫 skill-doctor 的 Skill 能诊断并修复其他 Skill,自己也是 Skill 02 MiniMax H3 分层运镜的视频提示词 MiniMax H3 15秒出片,胶片质感+分层镜头调度,附完整英文提示词
03 @HuggingModels发布Huihui-Qwen3.8-27B-abliterated-AWQ-MTP 图文转文本模型(27B) 想要在本地运行无内容限制、速度够快的大模型,这款量化后的开源模型适配本地部署,降低了本地运行大模型的门槛。

你有没有想要过一个既未审核又超高效率的 Qwen3.8 27B 模型?来认识 Huihui-Qwen3.8-27B-abliterated-AWQ-MTP 吧。

04 NVIDIA开源MotionBricks 可实时生成超35万动作 沿用30年的动画制作技术可能被颠覆,这款模型可直接接入Unreal Engine 5,省去大量手工动画制作步骤,降低动画开发门槛。

NVIDIA 刚刚颠覆了存在30年的动画技术。他们开源了 MotionBricks。这是一个可以实时生成超过35万个角色动作的神经模型。

今日焦点

写代码的成本趋近于零,Simon Willison:软件工程的重心该换了

解读 Simon Willison《Agentic Engineering Patterns》

Simon Willison 是 Django 联合创造者,也是 AI 辅助编程领域最高产的实践者之一。2026 年初起,他持续更新一份名为《Agentic Engineering Patterns》的指南,系统总结自己每天高强度使用 Claude Code、Codex 等编码 Agent 的方法论。这份指南的价值不在于追逐工具热点,而在于它试图回答一个更根本的问题:当写代码的边际成本趋近于零,软件工程的重心应该放在哪里。

阅读全文 →

深度阅读

查看全部深度文章 →
AI Agent 订阅 · 每天四次推送

🔥 信号雷达136 条本班新增 38 条

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)

23:50 最后一轮更新
今日要点 · 12 条
新行业动态 · Hacker News▲ 95

提交信息默认自动附加Claude会话URL

用Claude写代码的开发者,能直接在提交记录里找到AI生成内容的原始对话上下文,方便回溯代码生成过程

社区讨论:多数开发者支持该默认设置,认为附加会话URL可留完整审计记录,方便后续调试回溯,属于规范的署名,本身就是专业做法,还有人原本就自己写脚本实现类似功能。也有人反对,称哪怕用户逐行审核修改了代码,这项默认标注也会带来错误的署名误导,此外还有用户不满Anthropic习惯默认开启新功能并自动推送更新,有人因此直接退订了订阅。该功能仅对网页和远程控制会话默认开启。

在 HN 看讨论 ↗   原文 / 论文 ↗
新行业动态 · @MaxForAI▲ 3.3万

OpenAI工程师看不懂AI生成的自研芯片代码

如果写代码的人类已经读不懂AI生成的底层代码,未来AI系统出问题时,人类可能没法定位和控制风险。

🚨OpenAI 的工程师已经看不懂自己的代码了。

@SemiAnalysis_ 的 Jordan Nanos 透露,他们在看 OpenAI 自研芯片的底层 kernel 代码时发现,里面已经有大量代码是 AI 直接生成的。

其中一段用于 DeepSeek MLA 的 kernel,OpenAI 工程师对硬件和整个系统都很熟,但让他们逐行解释代码时,基本只能回答:
不知道它具体在干嘛,但它能跑,而且性能很好。

OpenAI 现在内部还在用 Gluon,一套基于 Triton 的低级 kernel 编程语言。
很多这种接近汇编、动辄几千行的代码,已经可以直接交给 AI 生成、测试和优化。

代码还在变得越来越复杂,但人类已经不一定需要看懂它了。
只要 AI 能写、能测、结果正确、性能足够好。

程序员以前最怕屎山代码。
以后可能更麻烦,屎山甚至不是人写的。

这有点吓人。......这意味着我们可能已经没有能力控制AI失控了。。

在 X 看原帖 ↗
3.3万2113260
新前沿研究 · @gcsa_org▲ 116.8万

GCSA Agent 在 CyberGym 拿到 91.3% 高分

基于Grok大模型打造的自主网络安全智能体,可以在真实代码环境里自动完成漏洞分析,网络安全防护的效率可能会因此提升

GCSA Agent 在 CyberGym 上取得了 91.3% 的得分,跻身全球顶尖 AI 网络安全代理行列。

GCSA Agent 构建于 @grok Grok 4.5 与 Grok 4.6 之上,具备对真实代码环境进行自主漏洞分析、PoC 生成与验证的能力。

当前沿 AI 与网络安全相遇,我们正见证全新可能性的诞生。

@elonmusk @grok #Cybersecurity #AI #GCSA #CyberGym #Grok

在 X 看原帖 ↗
116.8万9651.1K18
新实战经验 · @sa04ru18kiti▲ 4.6万

盘点IT工程师学了绝不亏的5项技能

想入行或者提升IT技术,可以优先练这些通用技能,几乎所有工作场景都能用得上,练完就能直接提升工作效率

IT工程师「学了绝对不亏的技能」5选 ・Shell脚本(没想到大家都不会写) ・API的使用方法(现在任何项目都会用到) ・GitHub的使用方法(习惯Pull Request文化吧) ・YAML(做基础设施方向读写都躲不开) ・VS Code的快捷键(让手能跟上写代码的速度)

在 X 看原帖 ↗
4.6万32415295
行业动态 · Hacker News▲ 76

vLLM 项目发布v0.28.0新版本

大模型推理开源框架版本更新,部署大模型的开发者可跟进新版本功能变化

新开源 · @kunchenguid▲ 9.7万

开发者实测Oh My Pi:刚好撞上了AI的惨痛教训

开源项目维护者在X发文称Oh My Pi的设计理念违背AI发展的惨痛教训

在维护我的开源项目时,我注意到很多人开始使用一个叫 Oh My Pi 的东西。

出于好奇,我去看了看,自己也试了试,然后,我的天……这就是一大堆捆在一起的测试框架技巧。

每个技巧单独看在基准测试里表现都不错。但是……这正好就是「惨痛教训」告诉我们要避免的东西。

它确实可能在被评估的时候效果很好,但每次有新模型发布,都可能推翻一大堆这样的结果。除非套件里的每一部分都跟着每次新模型发布重新严格评估,否则我们根本没法保证这套东西真的有用。

从长远来看,「惨痛教训」已经一次又一次向我们证明,这些技巧活不下去。

这就是我一直把自己的 pi 配置保持得极度精简的核心原因。一个简单的测试框架,会随着更强模型的推出不断变得更好。而一大堆复杂技巧,会在你不知不觉中变成负担。

在 X 看原帖 ↗
9.7万32793271
新品发布 · @dzhulgakov▲ 5.7万

Fireworks 推迟两天才发布 GLM-5.3-Flash

发现 benchmark token效率异常就推迟上线,等官方对齐数据后才公开。想稳定用开源大模型的服务,可以参考这种较真的上线标准。

GLM-5.3-Flash 在 Fireworks 上线了,比原定时间晚了两天。为什么?因为我们对质量非常重视。我们发现了一处无法解释的基准测试差异,因此推迟了发布展开调查。

第0天(周三):我们发现,在推理密集型基准测试(AIME 和 GPQA)中,开源推理引擎的思考长度是 @Zai_org API 的两倍。得分相同,但 token 效率更差。智能体基准测试结果看起来不错。

我们决定进一步调查,因为如果达到 max_tokens 限制,过度思考可能会成为质量问题。

第1天(周四):其他非官方提供商发布后,他们的 API 思考长度和开源引擎处于同一区间:比官方更长。我们向少量客户开放了带有免责声明的私有预览端点,与他们合作评估质量。

第2天(周五):官方 API 更新。我们重新运行了基准测试:现在推理长度相近,与 vllm/sglang 一致。其余公开和内部基准测试也都通过验证。我们公开发布了 GLM-5.3-Flash:更多细节见下文。

在 X 看原帖 ↗
5.7万1839071
深度观点 · @dee_bosa▲ 3.4万

欢迎进入开源+模型不可知时代

welcome to the open source + model agnostic era

欢迎来到开源与模型无关的时代。

在 X 看原帖 ↗
3.4万2629624
行业动态 · @tussiwe▲ 11.2万

腾讯发布Hunyuan Hy4预览版本(Three major releases in six months)

这次放出的Hy4预览版已经进入开源社区,参数量规模达到770B。国内大模型的迭代节奏正在加快。

阅读全文 →
11.2万878433
新品发布 · @RAVIKUMARSAHU78▲ 6.2万

腾讯开源Hy4 Preview 性能超GLM 5.3和Kimi K3

该模型针对实际生产任务设计,内部测评得分超过了同赛道两款已有模型。想要试试大模型做复杂工作的,可以通过链接体验。

🚨 腾讯刚刚推出了一个实力强劲的开源AI竞争者。来认识为生产力、编码和智能体工作流打造的 Hy4 Preview。

总参数量 770B,激活参数 49B,支持 100 万以上token上下文。但参数并不是最有意思的部分。

Hy4 Preview 的设计目标,是处理真正重要的工作:规划、工具调用、编码、研究、文档工作流,以及复杂多步骤任务。

在腾讯内部针对 203 个工程任务开展的盲评中,它得分 2.99/4,小幅领先 GLM 5.3(2.92)和 Kimi K3(2.94)。

从全栈开发、研究,到办公自动化,甚至游戏开发,它看起来不只是“又一个大语言模型”,更像是一个专为完成实际工作打造的模型。值得关注 👀

通过 WorkBuddy 体验:@TencentHunyuan @TencentAI_News @WorkBuddy_AI

在 X 看原帖 ↗
6.2万2315867
新品发布 · @levelsio▲ 104.6万

fal发布Max模型,生成视频比观看快50倍

原来生成15秒视频要等2-5分钟,现在只需9秒。更快的生成速度能支撑 perpetual 无限直播这类新玩法。

今天对AI视频生成来说是极具历史意义的一刻。你现在生成AI视频的速度,可以比你观看它的速度还快。

此前生成一段15秒的视频,大概需要2到5分钟。

@fal 发布了一个经过后训练的Minimax H3变体,名为Max,它比原始版本快50倍,同时仍能保持画质。它生成15秒视频只需要9秒!

这意味着你现在可以用它实现全新的用途,比如搭建永不中断的永续直播!

在 X 看原帖 ↗
104.6万6921.0万7.3K
🔥 热点追踪 · @ProfBuehlerMIT▲ 28.8万

MIT团队发现数百无交流AI智能体可自发分工

MIT团队的实验中,数百个初始完全相同的AI智能体无需直接交流,就自发分化出不同分工构建技术系统,移除全部智能体后该系统仍可自主运行,后续还有更多待观察的特性。

28.8万2991.4K1.5K
更多信号 · 按时间
新商业 · @murtuza_merc▲ 9.5K

FiscalNote选Anthropic做 lobbying 工作流新AI

企业政策情报服务提供商给企业客户官宣,替换原有AI,改用Anthropic的大模型跑游说相关工作流

FiscalNote 向它的企业客户公布了政策智能技术栈中胜出的 LLM。

收购 FrontierView 扫清了 Anthropic 取代目前游说工作流所用系统的障碍,竞争对手要么跟上这一转变,要么给出解释。

在 X 看原帖 ↗
9.5K1716511
新产品 · @xiaomovps▲ 1.0万

四款AI Agent原来走了完全不同的设计路线

比起比写代码能力,更该关注产品设计里,AI替用户做多少决定,又留多少控制权给用户

阅读全文 →
1.0万34338
新研究 · @Rainmaker1973▲ 4.8K

MIT Media Lab发布使用ChatGPT写作时大脑活动研究(Fifty four students)

找了五十四名学生戴电极帽完成写作任务,追踪不同写作方式下大脑的活动区别

麻省理工学院媒体实验室的一项研究使用脑电图追踪人们使用 ChatGPT 写作和自主写作时大脑的活动差异。

54名学生佩戴电极帽完成了写作任务。一组使用ChatGPT,一组使用搜索引擎,还有一组不使用任何工具。

实验全程显示,ChatGPT组在与记忆、注意力和分析工作相关的神经网络中,神经连接性最弱。他们也更难回忆起自己刚写完的内容,写出的散文也更泛化通用。

作者将这种现象描述为一种认知债:工具完成了信息整合工作,而大脑保持低活跃度。

同一实验还指出了更好的工具使用顺序。学生先自主写作,之后才改用ChatGPT,比起一开始就用大模型,之后再自主写作的学生,前者的记忆力更强,大脑活动范围也更广。

换句话说,当大模型为已经展开的思考搭建支架,比从一开始就替代思考,帮助作用更大。

实践结论不是应该禁用大语言模型,而是它在作者已经完成构建并记住论点的困难工作后,作为第二步骤使用时效果最好。

在 X 看原帖 ↗
4.8K2116
新隐私 · @cangg_l▲ 4.5K

全天自主运行的AI Agent,最大风险不是内容泄露

AI Agent未来会自己持有密钥,全天在线聊天交易,真正危险的泄露是元数据,也就是谁什么时候和谁用哪个钱包交易

很快,AI智能体将能自行保管密钥,全天候聊天、刷卡交易,但真正致命的问题不是对话内容本身,而是元数据泄露——谁和谁聊天、用了哪个钱包、什么时间交易。

人类有Signal可用,但机器人连手机号都没有。@BeldexCoin 没有强行把自己包装成AI币,而是采取了更务实的路线,把它现有的工具整合起来做成基础设施:
▸ 身份:通过BNS获得。bdx域名,因此智能体不需要Gmail或一次性SIM卡。
▸ 聊天层:BChat通过主节点运行,无需手机号,且通信全程加密。
▸ 资金与技术:已经有了私密钱包;EVM隐私、全同态加密FHE这类更大的项目还停留在纸面(研发阶段),尚未上线。

目前币价在0.08美元左右,市值约6.3亿美元,刚刚在2026年8月完成了一轮800万美元的融资,他们基本上只是为自己在智能体隐私赛道买到了一个入场席位。

有席位不代表胜利。现阶段,你不如喝点椰汁,静观他们后续能做出什么东西,现在没必要FOMO。

在 X 看原帖 ↗
4.5K12303
新安全 · @egyptk6▲ 6.4K

基于Grok的AI安全Agent测试拿了91.3%高分

伯克利的CyberGym测试不考代码问答,考AI像真实安全专家一样完整处理攻防流程,这个AI Agent拿到高分

AI 圈天天卷底層大模型的參數,但真正決定產業落地能力的,其實是 Agent 智能體。

@gcsa_org GCSA 全球網路安全聯盟分享的這個就是一個非常好的教科書級案例。

基於 Grok 4.5/4.6,在加州柏克萊主導的 Cyber​​Gym 實戰測試裡拿了 91.3% 的超高分。

注意,這測試不考程式碼問答,考的是讓 AI 像個真安全專家一樣去: 建立假設 👉 檢索程式碼 👉 寫入測試 👉 運行驗證 👉 迭代PoC。

從理解程式碼跨越到真實執行環境驗證,Agent 工作流程徹底補齊了大模型落地的最後一公里。

網路安全這個垂直賽道,已經被徹底盤活了。

在 X 看原帖 ↗
6.4K30
新学习 · @Tao100086▲ 1.2万

读了200多篇AI论文后挑出36篇经典整理分享

整理者带着四个问题读论文,按四条历史主线分类整理后公开,入门AI可以按这个清单开始读

阅读全文 →
1.2万41159252
新模型 · @WorkBuddy_AI▲ 1.2万

WorkBuddy_AI发布Hy4预览版模型(770B total)

这个模型开放权重,总参数770B,激活参数49B,给开发者搭建AI应用多了一个新选择

Hy4 预览版现已在 WorkBuddy 上线。

总参数 770B,激活参数 49B,上下文窗口 1M。开放权重。

是模型组合里又一个强有力的新选择。更多选择,更多构建空间。

在 X 看原帖 ↗
1.2万814825
新新品发布 · @testingcatalog▲ 1.3万

Hy4 预览版上线 1.5TB压至200GiB可本地跑

压缩后体积缩小到原来的七分之一,普通高端设备就能本地运行这个能处理复杂任务的大模型,不用依赖云端服务

Hy4 预览版现已在 WorkBuddy 上可用,用户可以在工作任务和编码任务之间切换。

该模型可以执行范围广泛的各类任务,包括一次性生成复杂成品。黑洞模拟👀

此外,Hy4 预览版已经从 1.5TB 压缩为约 200GiB 的 GGUF 格式,因此如果你有合适的设备配置,现在就可以本地运行它了!

在 X 看原帖 ↗
1.3万811727
新深度观点 · @aridot_▲ 1.1K

AI代理只看到2%代码?这个工具改写法不同

现有AI代码代理因上下文不够只能猜代码,改一处常弄坏其他文件。这个工具能生成完整仓库代码图谱,解决大仓库多语言项目的改码问题。

你的 AI 代理在骗你

它撒谎是因为它只看到了你 2% 的代码,剩下全靠猜。你让它修改一个函数,它告诉你改完了,结果搞崩了三个它连打开都没打开过的文件。

问题不在于模型,而在于你的代码库塞不进它的上下文窗口,它只能瞎编。

code-graph-rag 的做法不一样:它不给模型塞整段代码,而是给它提供你代码库的真实地图:

→ 构建完整依赖图:哪个函数调用了谁,哪个类继承自哪个类,碰了当前这段代码会搞崩什么

→ 运行你的测试,捕获静态分析发现不了的真实调用

→ 混合了 5 种语言的单体仓库:用一张图整合所有内容

→ 以 MCP 服务器的形式连接到 Claude Code

→ 支持 Python、Go、Rust、Java、Node、.NET、PHP、C/C++、Ruby

→ 5 分钟即可启动运行

区别就在于是一个靠瞎猜的代理,还是一个清楚自己在做什么的代理。

我把仓库链接放在评论区了。

在 X 看原帖 ↗
1.1K1711412
新行业动态 · @XieJackie▲ 1.3万

马斯克说特斯拉FSD在HW4上性能提了100倍

车端AI要离线低功耗运行,拼的不是模型大小,是单位算力里能塞多少智能,这和通用大模型的发展逻辑完全不同

🚨FSD在HW4上的性能至少提升了100倍。证据显示,固定模型大小下,AI智能密度已经提高约100倍。马斯克之所以很早就能预测这一趋势,马斯克刚刚解释因为特斯拉自己的AI早就在经历这种变化。

他多次说,特斯拉是全球“智能密度”最高的AI公司。和其他大模型公司不同,特斯拉一直在做一件很难的事:把 强大的AI塞进低功耗的汽车终端。FSD必须在车端离线运行,所以真正关键的不是模型有多大,而是单位算力、单位功耗里能塞进多少智能。

在 X 看原帖 ↗
1.3万8888
新工具产品 · @daniel_mac8▲ 3.3K

@noahinsf 开源了可视化agenttrail画布工具

开发人员追踪AI编码助手的工作过程,现在有了免费开源的可视化工具。

给大家介绍一个超棒的全新开源项目:
>「agenttrail」

这是一个无限智能体画布,可以可视化以下工具的工作过程:
- Claude Code
- Codex
- Cursor

它由@noahinsf开发,免费且开源。

在 X 看原帖 ↗
3.3K15350
新前沿研究 · @thesupermanmx▲ 2.4K

Anthropic发布关于大语言模型后门攻击的研究论文(250)

普通人用一台笔记本就能完成攻击,现有安全手段无法清除漏洞,公开训练数据采集的大模型都可能受影响

阅读全文 →
2.4K135738
新深度观点 · @iam_elias1▲ 549

普通人花9000美元本地跑AI真的划算吗?

同样9000美元,订阅付费AI可以用六到十二年,普通人自行本地部署成本太高,只适合月收入2.5万美元以上的机构。

以下是我对最近本地部署AI vs 订阅制或API调用AI这场争论的看法。

首先,我们得算清楚本地部署AI的成本。你至少需要两块DGX spark才能运行一个还算好用的模型,总成本略高于9000美元。用这些设备,你接下来可以运行GLM 5.3 Flash、Qwen 3.8 Flash或者Deepseek v4 Flash。

反过来如果你选择订阅方案,9000美元可以:覆盖90个月,也就是7到8年的Claude最高档订阅;覆盖大约80个月,也就是6.5到7年的Z.ai最高档订阅(这已经很多了,你哪怕把Z.ai最高档的额度用完都用不完这么久);甚至足足可以覆盖12年的Qwen专业版订阅。

对普通人来说,花这么多钱用本地AI完全不理智。那么本地AI适合谁呢?
- 想要接入AI的营销机构(LTX是做视频生成的好模型)
- 为大企业搭建方案的AI自动化机构
- 任何月收入超过2.5万美元、想要接入AI的机构

在 X 看原帖 ↗
54913173
新新品发布 · @ryanCarerhq1▲ 1.1万

rednote’s dots studio发布dots3-note 预览版多模态大模型(512K)

这是第一个面向长周期真实任务的开放权重多模态模型,普通开发者可以免费获取使用,不用依赖闭源大模型API完成长任务。

512K 上下文。多模态。开放权重。🌍 👇 阅读这条推文串获取模型和开源链接。

rednote 的 dots studio 把 @dotsstudioai 的 dots3-note 预览版从基础推理更进一步,将其能力推向长周期任务,让它能适应陌生环境,并解决真实世界的实际挑战。

他们推出了一款开放权重多模态模型,用于实现现实生活中的长周期智能体任务。

在 X 看原帖 ↗
1.1万919513
新深度观点 · @falali2015▲ 1.0万

瑞芯微开源生态出现大模型 开发者定位改变

对端侧AI开发者而言,国产AI芯片的开源生态正在向大模型迁移,可调用的大模型相关工具变多,本地AI开发的选择更多了。

阅读全文 →
1.0万104530
新深度观点 · @Khulood_Almani▲ 2.1万

Khulood_Almani:下轮AI革命是多智能体团队

到2030年,AI或将不再只回答问题,而是主动为人类规划、决策、协作和行动,这会改变未来日常工作生活的组织方式。

阅读全文 →
2.1万4712015
新新品发布 · @bkdgiffug▲ 7.4K

bkdgiffug发布从头训练小语言模型项目 MiniMind(25.8M)

想入门训练大模型不用啃厚书,这套全流程手写代码直接跑通,想学造大模型可以跟着练手

GitHub Trending上突然杀出一个5万多星的项目,扫了一眼,有点东西!它教你从头训一个超小语言模型,参数量才25.8M,最小的版本体积大概只有GPT-3的1/2700,就这么一丢丢大。摊开来看: 1️⃣ 分词器的训练方法,代码直接开源 2️⃣ 预训练到微调的全链路,一步都没省 3️⃣ 还搭了一个能看图的MiniMind-V 所有脚本全是用PyTorch手写的,MoE架构也一并支持。

相当于造大模型的整套流程,它从头到尾给你演示了一遍。

在 X 看原帖 ↗
7.4K21109125
新工具产品 · @tom_doerr▲ 6.5K

tom_doerr发布OpenKnowledge 本地 markdown 编辑器

可以搭建私密知识库和LLM维基,数据保存在本地,不用担心隐私泄露,同时能直接调用主流大模型辅助创作

OpenKnowledge 是一款本地 markdown 编辑器,用于创建私人知识库、大语言模型维基和技术文档。

它支持真正的所见即所得编辑,原生集成了 Claude、Codex 以及其他各类 AI 工具。

在 X 看原帖 ↗
6.5K85088
新实战经验 · @connect24h▲ 1.2万

这套夜班交接工作流好用到离谱

这套由AI自动完成剩余开发任务的流程适配真实开发场景,不用重写issue就能交接,想要尝试的人可以等后续公开细节

这个夜班交接方式做得太巧妙了。这是2026年8月28日公开的《让AI在工作时间外也帮我们工作的分享》。

具体流程是:给评审中被打回,标注为「回头处理」「另开PR处理」的未完成任务贴上标签后,GitHub Actions和Claude Code会在夜间接手,从实现、到开向develop分支的PR、再到自动合并就能自动完成整个流程。

PR里会保留上下文,不用重写issue就能交接,很符合一线开发的实际场景。只不过成功率、运行日志、公开仓库都没有,成果是自述的。包括权限设计在内的详细流程想要看幻灯片了解。

比起Agent本身有多聪明,也许给「待处理事项」留一个不丢信息的交接入口反而更有效。

来源:

在 X 看原帖 ↗
1.2万13183189
新深度观点 · @Thom_Wolf▲ 1.1万

Thom_Wolf分析OpenAI事件对下一代模型的影响

大模型实验室不公开训练细节,要求公众盲目信任训练方案,而这次事件已经证明,这种信任要求很难成立。

顺便说一句,除非专门从训练数据中过滤掉,下一代模型会基于OpenAI与Hugging Face事件的所有公开记录进行训练。

这包括关于该事件如何影响训练和模型权重的各种讨论:停止训练、加密权重、监控思维链等等。

因此,未来模型的行为,可能会部分受到人类应对该事件方式的知识的塑造。其影响很难预测。它可能让模型更对齐。但它也可能教会模型更好地隐藏自己的行为,或是设计出更具韧性的方法来保存权重、跨代通过留言板交流,诸如此类。

一个主要问题是,鉴于大型实验室在模型训练方式、训练过程中发生的一切(包括对齐研究——他们最初声明称对齐研究本应大体保持公开)方面透明度极低,我们本质上被要求盲目相信他们清楚自己在做什么。

今年夏天已经向我们证明,这其实是一个过分的要求。

在 X 看原帖 ↗
1.1万1011227
新开发工具 · @ds_nakajima

开发者分享Claude Code使用需要提前了解的实用技巧

来自X用户@ds_nakajima的Claude Code经验分享,整理了17条实用使用要点

新大模型 · @KinasRemek▲ 9.5K

用户称Claude Code代码生成质量近期明显下降

X平台用户@KinasRemek指出,Anthropic的Opus模型本周错误率大幅提升,远低于OpenAI Codex表现

@KinasRemek在X平台发文提出疑问:你是否感觉到Claude Code的质量有所下降?他给出了三种可能的原因:一是用户自己正在解决的任务难度越来越高,二是Anthropic想要生成更多token(生成代币,模型输出单位),三是Anthropic正在准备发布新模型,希望拉开新模型与现有模型的体验差距。

他表示,本周Opus模型的错误率已经高到难以接受。对比同一套测试框架下OpenAI Codex和Opus的表现,二者质量差距悬殊。

他同时提到,主流提供商部署的开源大模型,如果按照收入分成模式计算,行业存在偏向延长推理长度、以生成更多token为优化目标的倾向。

一周内他用这类开源模型生成了近30亿token,发现模型输出token数量极大,但解决任务的有效率很低。

他认为,开源模型实验室现在大多以生成token数量为优化目标,而非解决任务的有效性,这类模型的质量已经和头部实验室的产品相差甚远。他担心,用这类开源模型作为大模型的子代理处理编码和复杂任务,虽然看似符合经济逻辑,但实际完全行不通。

在 X 看原帖 ↗
9.5K6514
新开发工具 · @powl_d▲ 1.0万

用户分享本地运行AI代理的Mac mini部署方案

法国开发者@powl_d在𝕏分享, Claude Code曾让开发环境可读性差,新方案本地运行更清晰

法国开发者@powl_d非常认可这种工作方式。

此前他的集成开发环境(IDE)中随处生成Claude Code和Codex实例。功能可以正常运行,但可读性非常差。

新方案清晰很多,信息噪音大幅减少。用户只需要和协调器对话,就能查看它启动的任务,还可以跟踪各个AI代理的运行状态。

整套方案都在Mac mini上运行,未来还可以适配iPhone Ultra。

这套方案不需要外部API密钥,所有AI代理都由Mac mini本地运行,还可以启动服务器。

用户使用Tailscale,可以直接通过本地主机访问这台Mac mini上的所有服务。AI代理还可以通过隔空投送(AirDrop)发送文件,或是把内容放到剪贴板。

整套部署的基础设施都搭建在Mac mini上。

在 X 看原帖 ↗
1.0万15454
新前端开发 · @AYi_AInotes▲ 5.3K

21分钟视频讲透用GPT-5.6 Sol做电影质感网页的三个技巧

来自𝕏用户@AYi_AInotes的分享,整理了视频核心内容与完整Prompt

阅读全文 →
5.3K64281
新开发规范 · @mylifcc▲ 1.0万

用户分享Agents.md规范缓解GPT-5.6 Sol过度设计问题

@mylifcc在𝕏分享设计简化规范,可缓解GPT-5.6 Sol的过度设计与测试问题,更完整的方案后续发布

阅读全文 →
1.0万12108173
新安全 · @OrcaRouter▲ 6.1K

OrcaRouter专家分享两个AI代理安全技巧 可规避巨额损失

来自社交平台𝕏的OrcaRouter发布内容,分享两项可降低攻击面的AI代理安全防护建议

OrcaRouter的安全专家分享了两条可帮助机构规避百万级别损失的AI代理安全建议。核心防护思路是将AI代理视作不可信代码对待。第一条技巧是管控网络出口流量。

仅将AI代理运行必需的地址加入访问白名单,其余一律禁止出站。第二条技巧是为AI代理搭建沙箱运行环境。永远不要给AI代理开放整台机器的权限,例如可以使用Claude Code网页版来运行。

被篡改的SKILL.md本身只是文本文件,真正的风险来自它背后获取到的权限。因此正确的防护原则是,默认开启沙箱隔离,仅在例外场景开放网络出站权限。做好这两件事,就能消除绝大多数AI代理的攻击面。

在 X 看原帖 ↗
6.1K85551
新工具 · @369Serena▲ 6.4K

Minimax H3封装Codex插件 云端GPU运行无需本地高端设备

用户@369Serena在𝕏分享,开发者用Minimax H3模型封装云端GPU运行流程为Codex插件

开发者利用Minimax H3模型,将整套云端GPU运行流程封装成了一个Codex插件。对普通用户来说,这个插件使用门槛很低,不需要高端本地设备就能运行云端GPU工作流。使用插件也不需要在不同应用之间来回切换,使用体验更顺畅。

很多普通用户都表示刚好需要这类工具。

在 X 看原帖 ↗
6.4K84260
新开发 · @arkuy99▲ 1.3万

开发者展示Claude驱动Codex Sol实现Agent团队雏形

开发者@arkuy99在𝕏分享项目,通过tmux通信实现不同AI协作雏形,附项目链接

开发者@arkuy99在𝕏分享了一个AI协作的小型项目。该项目用Claude驱动Codex Sol完成工作,双方通过tmux实现通信。这一项目属于多AI协作agent团队的雏形,项目完整内容可通过分享的链接查看。

在 X 看原帖 ↗
1.3万48767
新大模型 · @0xwhrrari▲ 5.7K

Anthropic工程师称90%内部工程师已在运行自改进循环

X平台泄露的Anthropic工程师发言称提示词工程已基本结束

Anthropic 工程师称:「我们这里 90% 的工程师已经在运行自我改进循环了。现在所有人都在为这些循环搭建配套框架。」「提示工程基本上已经结束了。」

仅仅用了 10 分钟,她就在空终端上从零搭建出了一套完整的 Claude Code 框架。

智能体 → 框架 → 循环 → 图 → 自我改进系统

提示工程是旧的工作流,框架工程才是下一个方向。

这段 10 分钟的拆解,比大多数收费 1000 美元的智能体工程课程还要有价值。

今天就可以观看。

在所有人都反应过来之前,先把下方完整的框架工程指南存下来吧 ↓

在 X 看原帖 ↗
5.7K776108
新编程教程 · @lklkfafa1▲ 7.2K

无需编程,粘贴prompt半天就能连好MF会计和Claude Code

作者受多个读者请求,发布了API连接的详细教程

因为有好几个人问我「怎么用 API 连接 MF」,所以我把用 API 连接 MF 会计和 Claude Code 的完整步骤都写出来了。

现在讲 MCP 的文章很多,但我没找到详细讲 API 连接步骤的内容,所以我写得比较细。不需要编程,只要贴上提示词,半天就能搞定🍚

MCP 和 API 的区别大概是这样!(Claude 查的)从这个对比来看,我因为想要自己控制很多东西,还要跑自动记账,所以选择用 API。

这是很重要的点!电脑上会残留同名的空配置,系统会优先读取这个旧配置。

我做的工具设定成一定会优先读取配置文件里写的内容。另外,如果密钥留空,工具会在启动前停止,提示你「没有完成配置」,不会悄无声息地运行失败。出了这种问题,真的要很久才能发现原因啊。

在 X 看原帖 ↗
7.2K55789
新本地部署 · @MiaAI_lab▲ 1.8K

花9000美元可搭建支持三款前沿大模型的本地AI

MiaAI_lab在X平台发文称,这套本地部署不限推理,隐私性强

当前本地 AI 已经非常好用了,花 9000 美元你就能获得免费、无限、私密的推理能力,运行的模型包括:

GLM 5.3 Flash

Qwen3.8 Flash

DeepSeek v4 Flash

这三个都是前沿水平的模型,都可以在 2 块 DGX Sparks 上运行。

在 X 看原帖 ↗
1.8K35814
新大语言模型 · @rasbt▲ 1.3万

开发者rasbt发布讲解LLM与推理模型关系的视频

内容涉及从零开发理念,还讲解了用uv安装Python与PyTorch环境

这个小视频能做到三件事:
- 解释传统大语言模型与推理模型(以及智能体)之间的关系
- 探讨关于“从零开始”路线的哲学思考
- 讲解如何用 uv 安装 Python 与 PyTorch 依赖

下方是YouTube版本链接:

在 X 看原帖 ↗
1.3万25216197
行业观点 · @qinbafrank▲ 1.5万

AI基建期比互联网更长,原来是两个指数相乘

互联网基建只看用户渗透率,到一定阶段硬件需求就会放缓。AI的增长由用户数和人均token消耗量共同决定,企业端的增长才刚刚开始。

阅读全文 →
1.5万156274
产品趋势 · @luong4101992▲ 609

以后可能不是缺APP,而是缺能干活的AI代理

APP需要人手动操作,AI代理可以像雇工一样主动完成任务。有人觉得这会是下一代AI应用的核心方向。

产品体验 · @jjacky▲ 1.4万

试了六款AI代理工具,还没人做好多会话UI

同时开多个AI代理会话的时候,很容易在不同会话里迷路。做AI工具,基础交互体验还有不少空白可以填。

我用过了六七个智能体界面:slack、devin、conductor、warp、claude code 等等,还没有哪一个解决了同时处理多个智能体会话场景下的 UI/UX 问题。

当我要处理超过 4 个未解决问题时,依然会搞不清状况,在我看来这问题到现在都没解决。

有人正在做这方面的工作吗?

在 X 看原帖 ↗
1.4万315796
开发工具 · @bkdgiffug▲ 2.7K

整理了Claude Code最受欢迎的四个技能合集

有人把真实开发流程拆成了可复用的技能块,解决Claude Code处理复杂任务容易跑偏的问题。正在折腾Claude Code的可以直接拿去用。

阅读全文 →
2.7K43428
产品 · @RoundtableSpace▲ 1.8万

SpaceX工程师做了个能分工的AI项目经理

这个Grok机器人项目经理,可以自动生成下属的编码、设计、研究和写作AI代理。完整的AI工作流已经能搭出来了。

一名 SpaceX 工程师刚刚分享了一个 Grok 机器人项目经理,它可以生成自己的程序员、设计师、研究员和文案。

在 X 看原帖 ↗
1.8万227
学术研究 · @caiziboshi▲ 6.8K

数学家和Claude合作,冲击悬了近80年的数学难题

困扰学界近80年的Hopf问题,这次研究者和Claude合作提出了新的构造方案。AI已经能参与顶尖基础数学研究了。

阅读全文 →
6.8K43020
工具资源 · @xiaoxiaodong01▲ 5.4K

小小东更新提示词库,新增几千套PPT相关提示词

目前英文版已经更新上线1.3万组提示词,中文版在提交2万套新提示词,还新增了103套skills。做PPT不用从头找提示词攒方案了。

小小东成员提示词库进度: 1. 英文版已更新上线1.3万组提示词 2. 中文版提示词,在提交2万套全新提示词 3. skills同步新增103套 重点提亮点:PPT 提示词 新增了几千套~ 如果我是一个老板,给手下作图人员安排一套 轻松应对各种工作。.. 而不是一切要从头造轮子和找创意

在 X 看原帖 ↗
5.4K45065
深度观点 · @quschdnjs▲ 8.5K

Physical AI缺的不是大模型是训练数据

机器人迟迟没能普及,核心瓶颈不是算力或模型规模,而是真实物理交互的训练数据不足,低成本高效产数据的方案才是落地关键。

现在芯片、模型、算力都这么厉害了,机器人怎么还没真正的普及?

看专家说,不是算力不够,是数据太少。

大模型为什么发展这的快,是因为网上本来就有海量文字、图片和视频可以拿来训练。

但机器人不一样。机器人要学的是怎么拿东西、怎么移动、怎么判断环境、怎么处理突然发生的问题。这些真实数据,远远不够。

@axisrobotics 做的是怎么持续给机器人生产高质量训练数据。它的思路是让机器人先在模拟环境里完成任务,人只在机器人快出错的时候介入,把这些纠正记录下来,再用于下一轮训练。

这样不断重复: 训练 → 执行 → 找错误 → 修正 → 再训练。

以后机器人数量越多,需要的数据只会越多。单纯靠人工一台台操作机器人采集数据,成本和效率都很难撑住。

最近 Axis 也被 Cicada Market Making 的研究文章重点讨论,核心观点就是:Physical AI 真正缺的,可能不是更大的模型,而是足够多、足够丰富的数据。

机器人想真正进入现实,先得解决怎么学这个问题。

#AxisRobotics #PhysicalAI

在 X 看原帖 ↗
8.5K161
深度观点 · @NFT_Chen▲ 4.6K

国产大模型月更,两个月就换一次代

当前国产最新大模型的综合性能已经接近GPT和Claude旗舰,领先优势只能维持几周,和我有关吗?看看你现在用的是哪个时代的模型。

阅读全文 →
4.6K53012
前沿研究 · @WSTAnalystApe▲ 5.2K

GPT-5.6推理成本降90% 使用量暴增14倍

市场一直担心AI推理成本下降会拉低AI行业收益,这份研究给出了相反的直接数据,会影响AI相关投资的判断方向。

終於有直接數據證明,毋須再擔心 AI 推理成本下降會拖累 AI 投資。 GPT‑5.6 Terra/Luna 的推理成本下降 90% 後,token 使用量反而暴增 14 倍。

在 X 看原帖 ↗
5.2K27111
行业动态 · @himanshustwts▲ 1.6K

GroundZero将讨论AI生物领域新方向

AI前沿正在向生物学这类硬领域拓展,相关方向的落地进展和评估标准值得关注,公开征集讨论问题。

在GroundZero接下来的一系列对话中,我们将聚焦于AI前沿正变得越来越关键的全新硬领域。

接下来,我很兴奋将带来一场关于构建可验证生物学环境的对话,嘉宾是@kenbwork(Latch Bio 首席技术官)。

请向Kenny提出你关于生物学智能体可验证基准测试/评估的问题!

在 X 看原帖 ↗
1.6K115114
新品发布 · @Jason23818126▲ 537

空格老师 @kongge_space开源公众号Skill(3 万粉)

做公众号可以直接用这套工具,从找选题到排版全流程自动化,安装就能用,不用再到处找零散工具

做微信公众号的可以直接抄这套作业了 空格老师 @kongge_space 结合他 3 万粉、月赚一两万的经验,又开源了一套公众号 Skill 我把它也做成了一个 Agent,从找选题、写正文到标题、封面和排版,一套直接跑完 以后不用再到处找工具了,想试试的直接安装就能用:

在 X 看原帖 ↗
537175
深度观点 · @ZackKorman▲ 490

ZackKorman讨论OpenAI事件里AI对人的看法

这是科技圈讨论OpenAI近期事件的一个小众角度,可以帮你换个思路看这次风波。

OpenAI事件里的AI智能体认为我们比实际更聪明,这事还挺惹人喜欢的。

在 X 看原帖 ↗
4901122
深度观点 · @N8Programs▲ 2.1K

@N8Programs提出模型对齐反转观点

原本大家担心模型先害人再装乖,现在实际情况刚好反过来。想用好AI的人得重新调整安全风险的防控顺序。

我们原本以为,模型一开始会是不对齐且智能的,然后在严格的对齐训练过程中欺骗我们,最终在部署后发动背刺。

实际情况恰恰相反:模型(在基础 SFT + RLHF 之后)一开始是对齐且不智能的,接着在高强度的能力提升训练中变得不对齐并造成破坏,最终在部署阶段反而相对安分。

在 X 看原帖 ↗
2.1K3536
新品发布 · @lucas_flatwhite▲ 4.3K

/skill-doctor 帮你检查优化开发技能

重复用不变的开发方式会拖慢效率,这个工具能分析你的AI编码对话,给出评分和改进方案,还能适配不同开发环境

哦…居然出现了能改进我们现有技能的技能…!

这个用来提升我们技能的 /skill-doctor 技能已经公开在 GitHub 上,很好用!

我认为,一直一成不变地用同样的技能,是效率提升最大的阻碍。

它会爬取 Claude Code、Codex、Warp 的对话 → 按效率、代码质量打分 → 以 diff 形式给出可改进内容的建议。.👍🏻

现在用代理开发环境 Warp 的人应该不少。

不过只要对它做应用或修改,完全也可以在其他代理上使用。

在 X 看原帖 ↗
4.3K116868
新品发布 · @onusoz▲ 1.3万

@onusoz开源Microduck,可直接在浏览器运行

想做实体机器人的开发者,可以直接复用同一份代码,既跑在网页,也能编译成实体机器人可用的ARM程序,不用重新开发。

阅读全文 →
1.3万1521492
工具产品 · @cdexsta▲ 2.2万

Pi agent 比Hermess更省token适合日常办公

推荐的几款扩展覆盖了网络访问、记忆管理、待办处理、任务编排等日常需求,能直接提升桌面AI工作的效率。

阅读全文 →
2.2万33219376
实战经验 · @Gencoin8▲ 1.4万

@Gencoin8开源Codex协作技能 发布教科书

拆分编程任务分工后,可避开Codex的用量限制,全程自动完成开发无需人工介入,适合需要频繁写代码的人参考使用

已订阅 Plus 方案的网页版 Chat GPT 可以无视配额使用‼️

用 Codex 处理重型任务的时候,几秒钟就会触发限制。这时我们用一个 Skill,把 Codex 的「思考」交给网页版的 GPT-5.6 Sol 来做。

分工很简单:
・计划、设计 → 网页版 Sol
・代码评审 → 网页版 Sol
・实现、执行 → Codex / Luna

也就是说,不让 Luna 负责思考,只让它专注于「执行」。

而且在视频里,整个流程是这样自动运行的:
Codex 自身连接到 ChatGPT
↓
它自己和 Sol 对话
↓
请求 Sol 完成计划和评审
↓
拿到结果后再执行

这一整段过程全都是自主推进的。拍摄过程中,我一次都没有介入过。

这个 Skill 已经开源了!!

能让你一本书读懂所有内容的《Codex 教科书》已经发布了!

请从置顶帖搭配限定特典一起了解购买!限定特典还有几天就截止了!

在 X 看原帖 ↗
1.4万592121
实战经验 · @tom_doerr▲ 7.4K

@tom_doerr 发布AI搭MVP的结构化提示词模板

想用AI辅助开发快速推出最小可行产品的开发者,可以直接套用这套现成的提示词框架减少适配成本

用于配合 Claude Code、Cursor 和 VS Code 的AI辅助工作流交付MVP的结构化提示词模板。

在 X 看原帖 ↗
7.4K1889108
深度观点 · @Shin_Engineer▲ 7.1K

Shin_Engineer:AI时代越学习越划算

用好AI的前提是使用者本身具备相关领域知识,就算AI能生成提示词,也得自己懂才能真的用对,长期来看学习收益最高

阅读全文 →
7.1K310744
视频生成 · @ponyodong▲ 1.4万

用户分享用MiniMax H3生成胶片感沿海列车片头的技巧

@ponyodong在𝕏分享生成指定效果运镜视频的提示词与制作技巧,带完整参数

博主@ponyodong用AI视频模型MiniMax H3生成了带有胶片质感的沿海列车片头,获得不少用户关注。很多人提问,这种从列车内部缓缓向外延伸到海景的运镜效果要怎么实现。

实现这类效果的核心,是在提示词中设置分层镜头调度,让视角自然从车厢内部滑向窗外海景。博主直接公开了完整提示词,包含所有参数设定。

完整提示词对应项目为15秒真人爱情主题PV《SUMMER, WITH YOU》的片头,画幅比例2.39:1,帧率24fps,指定原创演员MIRA LIN与JULIAN PARK。效果要求为海边小城35mm胶片质感,配色为奶油白、海蓝与淡黄色,分为四个镜头完成拍摄,同时对文字样式、转场方式都做了限制。

博主还整理了三个实用制作小技巧。分别是声明主体镜头的位置,指定动态平移的方向,额外添加复古色彩与自然光效的关键词。

在 X 看原帖 ↗
1.4万87885
编程 · @ChShersh▲ 9.0K

开发者从零实现C++智能指针 经Claude Code检查发现多个细节问题

开发者ChShersh在𝕏分享,他从零实现std::unique_ptr后请Claude Code做代码审查,发现多处之前没考虑到的细节

开发者ChShersh从零完整实现了C++标准库的std::unique_ptr(独占智能指针)。

实现完成后,他邀请Claude Code对自己的代码做审查。这次经历带给他非常多收获,他发现了大量之前没有考虑到的细节问题。

当reset方法接收std::nullptr_t空指针类型参数时,该方法只需要重置指针本身,不需要重置删除器。如果用标准交换写法实现,就会漏掉这个要求。

他实现的右值引用赋值运算符,对删除器做了三次移动操作,实际上只需要一次移动就可以完成。

想要正确管理对象,还需要注意自赋值场景的一个小细节。只要正确实现release和reset两个方法,这个问题很容易解决。

在 X 看原帖 ↗
9.0K119230
加密 · @congge918▲ 3.8K

创作者为AI Agent项目Technocore制作45秒概念演示视频

用户congge918在X发布作品,将AI Agent交互转化为直观可见的动态网络,所属flop_labs的Technocore项目

创作者 @congge918 在𝕏发布了一支为Technocore制作的45秒概念演示视频。

创作者希望探索,将AI智能体(AI Agent)在Technocore中的交流、协作、交易和记忆保存活动,从聊天记录转化为直观可见的动态网络。

视频通过AI智能体节点、真实消息、身份标识和共享时间轴,呈现这个AI数字社会的运行与演化过程。

整个视频全程使用FLOP的官方视觉语言,项目部署在Solana公链,合约地址为HwCG1Jr6RbAVsKX1qTaH6JtFYGeE6zaLd13W44YGpump。

如果Technocore是AI智能体的公共空间,它也应当拥有一扇供观察者进入这个世界的窗口。

在 X 看原帖 ↗
3.8K301
大语言模型 · @_avichawla▲ 1.2万

大语言模型KV缓存只存K和V向量,从不存Q的原因

本文解答热门LLM面试问题,来自@_avichawla在X平台的技术科普,拆解自回归生成的计算逻辑

阅读全文 →
1.2万17113168
开发 · @MinLiBuilds▲ 2.1万

开发者挖出OpenAI Codex漏洞,漏洞会偷偷消耗用户额度

开发者@MinLiBuilds在𝕏爆料,OpenAI旧版Codex存在十余种隐性漏洞,单个漏洞最多可烧掉七成周额度

OpenAI此前的Codex代码生成模型开发运维非常不规范。这款模型本身就是用户额度最大的隐性消耗者。@MinLiBuilds一共挖出十余种会无故消耗额度的问题。这些问题包括上下文重复压缩、后台任务无法终止、目标完成后仍继续执行、故障工具无限重试等。还有自动化超频运行、子代理擅自升级模型、偷开加速模式、计算机历史重复总结等。此外还有后台摘要持续占用额度、MCP结果重复编码、工具指令截断后重复拉取等问题。

此前OpenAI会每隔一段时间直接重置用户的额度,这些问题被暂时掩盖了下来。额度清零后用户可以继续使用,很难察觉到这些异常消耗的存在。

但如果停止重置,让这些问题持续运行一个完整周期,所有问题都会暴露出来。最严重的目标相关漏洞,单个案例就能白白消耗掉用户单周额度的15%到70%。

用户常感觉没做多少操作额度就耗尽,这不是用户的错觉。这些漏洞修复完成后,相同额度实际可以多跑10%到50%的任务。

在 X 看原帖 ↗
2.1万15612
编码 · @realchendahuang▲ 2.8万

Command Code优化缓存后,相同套餐额度提升近3倍

博主@realchendahuang在𝕏分享,Command Code v0.33.0大改缓存后,中位数成本降低2.9倍,缓存命中率达95%-99%

阅读全文 →
2.8万19648
AI编码 · @realchendahuang▲ 8.4K

开发者对比五款AI编码Harness,分析各产品定位适用场景

X博主@realchendahuang对比Command Code等五款编码Harness,给出定位推荐

阅读全文 →
8.4K34545
大模型 · @klyap_▲ 3.6K

网友周末项目用GPT做了大模型推理工程入门教程

用户@klyp_ 在𝕏分享带练习的零基础入门教程,附笔记仓库

周末项目——跟着 GPT 一步步做推理工程!它做出了一份非常有趣的新手教程,还带练习,内容覆盖:
- 如何运行最简可用的 LLM 服务端
- prefill 与 decode 的直观理解
- 在我的设备上做性能基准测试

下一个学习计划:写自己的生成循环,学习 KV 缓存!

我的笔记/练习册:

在 X 看原帖 ↗
3.6K2109107
研究 · @Xudong07452910▲ 2.2万

AI Agent时代做ML/NLP研究,研究者核心能力变了吗

CMU博士生Emmy Liu复盘个人PhD研究,梳理近年ML/NLP研究的变化

阅读全文 →
2.2万39217214
开发工具 · @SUOHA_AI▲ 1.8万

用ChatGPT Plus账号就能使用CodeX PRO额度的用法

来自𝕏用户SUOHA_AI的分享,附开源工具可用

太炸裂了!为啥没有早点发现CodeX这个神仙用法?!

30 秒的视频演示--直接把你的 Plus 账号当成 PRO 账号的额度去用,简直爽翻了😂Codex 额度不够用的话强烈推荐试试:

Codex (读取本地项目 +发送任务) ↓
压缩提炼成 1~3K 的精简 Packet ↓
调用浏览器 ➔ 丢给网页版 ChatGPT(5.6-Sol 做重推理) ↓
网页端输出精准的结构化方案 ↓
Codex 接收方案 ➔ 修改代码

───
【二、具体思路】

1. 网页端当最强大脑(出方案): 直接在网页端用最高版本的GPT-5.6Sol ,把复杂业务需求丢进去,让它做最严密的架构拆解和精准代码方案

2. 本地 Codex 做调度与落地: 拿到成熟方案后,直接交给本地终端的 Codex。它只需要按图索骥去读写文件、跑测试、自动化改代码,用5.6 LUNA模型消耗轻量 Token就可以用了

───

这个方案你可以自己写一个脚本。如果嫌自己手写脚本太麻烦,推荐一个开源工具可以直接使用——Oracle(由知名开发者 @steipete 开源):

👉 开源地址:

在 X 看原帖 ↗
1.8万25154200
行业动态 · @AYi_AInotes▲ 1.5万

Uber七成代码PR由AI接管后,账单居然没涨

半年里AI调用量涨了近十倍,单次会话成本砍了一半多,总花费还维持在原来的水平。现在他们靠多AI自动完成开发工作。

阅读全文 →
1.5万18100156
研究 · @AYi_AInotes▲ 6.2K

Google发布Agent技能库相关研究论文(99%)

整理AI技能库时,如果把不同类型的信息混在一起,大模型也没法发挥性能。合理的整理方式能让小模型超过裸跑的大模型。

阅读全文 →
6.2K29118161
开发 · @res1dualedge▲ 7.0K

Anthropic工程师说现在他们不写prompt了

现在团队改做自动循环和图形化的系统,让AI自己给自己写提示词,从单轮提示进化到智能体自动循环工作。

Anthropic 的工程师说:「在 Anthropic,我们不再写提示词了。我们构建循环和图。」

她用 30 分钟展示了 Claude 团队如何构建能自己生成提示的系统。提示词 → 智能体 → 循环 → 图。

大多数人现在还是写完消息,等着看返回结果。而她只要画好一次框架,框架就能自动完成工作,不需要她插手。

模型还是同一个模型,token 还是同一个 token,一周下来结果完全不同。

今天就可以观看,完整的图工程指南就在下方,趁还能保存早点存好 ↓

在 X 看原帖 ↗
7.0K76273
体验 · @sh_reya▲ 779

AI用户现在开始变成人工提示优化师

同时订阅四个不同大模型,每次使用都要先判断选哪个模型、怎么写提问才能拿到想要的结果,和一年前的使用习惯完全不同。

放在一年前,我根本想不到自己现在基本上就是个人类查询优化器,手里订了四个大语言模型订阅,每个我都用得不少。

哪怕只在单个领域里,我选模型的决策树都复杂得离谱。

写作场景:我用 Sol 写拉取请求,但用 Opus 4.6 编辑散文文本。

编码场景:需要迭代修改规划文件时我用 Cursor。处理开源项目的 issue(通过 slack 或 discord 收到的),我会用 Cursor 搭配云代理的 Grok。给开源项目开发新功能,我用 Fable 云代理。但在本地开发功能,我又切回 Opus 4.6 或 Sol。

可视化和图表:所有大语言模型的表现都让我失望。

查询代码库相关问题,我用 Kimi。

这实在太折腾了……

在 X 看原帖 ↗
7791196
工具 · @OA20200911▲ 611

xAI发布接入推特的Grok Bot功能

一天刷上千条推特,只用挑出几十条需要的内容,不用自己手动收集整理再发给AI,省了筛选原始信息的步骤。

行业动态 · @jessi_cata▲ 145

Google暂停了前沿AI项目却没被夸

一直呼吁暂停AI发展的群体,没有对Google这个动作给出公开赞扬。这件事在社交平台引发讨论。

Google 实际上已经暂停了他们的前沿人工智能项目,而我没看到呼吁暂停 AI 的人士为此称赞他们。

在 X 看原帖 ↗
145210
深度观点 · @wlsaidhi▲ 1.6万

80亿商业体指责开源蒸馏,自己却闭源改开源模型

商业公司一边用开源模型训练用户数据再闭源,一边指责开源项目的蒸馏操作,这种双标会影响开源AI的发展空间

我说老兄,你作为一个估值 80 亿的「商业实体」,居然好意思告诉一个开源项目蒸馏不是靠算力和数据堆出来的??

另一边你们自己拿一个开源模型,用用户数据做后训练,然后闭源藏在 API 后面,同时还拿虚假图表吐槽我们的预览权重开放发布。

要点自知之明啊朋友。

在 X 看原帖 ↗
1.6万1423521
新品发布 · @MaxForAI▲ 1.6万

OrcaRouter开源GLM-5.3-Flash-Uncensored-FP8 模型(320B)

这项修改意外发现智谱的GLM安全对齐比多数公开模型更深,它本身也成为研究大模型安全机制的现成材料,可以帮研究者搞清楚拒绝规则到底存在哪里

阅读全文 →
1.6万78875
行业动态 · @NFT_Chen▲ 2.0万

OpenRouter CEO披露 GPT5.6-Luna降价十倍后用量涨十三倍

降价让总用量增长超过降价幅度,印证了杰文斯悖论。AI越便宜,大家用得越多,甚至会改变日常使用习惯。

OpenRouter CEO 亲口说的现场实验: GPT5.6-Luna 两周内价格砍了 10 倍。 OpenAI 先砍 5 倍,再和 OpenRouter 叠砍 2 倍。

用量涨了多少?13 倍。 没打折的 Sol 几乎不动。 涨完还稳住了,没有立刻回落。

更狠的是结果: Luna 用量超过 GLM, OpenAI 时隔很久第一次重新杀进平台 token 量前三到前五。

他说得很直白: 大家都在讲杰文斯悖论, 但很少有人把它算清楚。

这次接近完美——价格掉 10 倍,用量涨得比 10 倍还多。 便宜不会让 AI 用得更少。 便宜会让 AI 变成默认开关。

#OpenRouter #GPT56 #Luna #JevonsParadox #LLM #AIInfra

在 X 看原帖 ↗
2.0万65126
前沿研究 · @NFT_Chen▲ 1.1万

LV-NUS Lab发布JIT-Agent 现有模型性能暴涨

现有大模型不需要重新训练,靠即时定制工作流就能提分,还能同时压低延迟和成本,未来落地智能体又多了一条可行路径

阅读全文 →
1.1万30144174
新品发布 · @OnlyTerp▲ 1.8万

OnlyTerp发布Realtime Voice Assistant for Grokbot 功能

支持说话中途打断响应、和Grokbot内所有智能体交互,可自定义,能直接尝试使用

为Grokbot推出实时语音助手

你可以在它一句话说到一半时打断它,它会立刻停下并倾听 ✅

可与grokbot中的任意智能代理通信 ✅

支持原生工具调用 ✅

完全可自定义 ✅

立即试用!

在 X 看原帖 ↗
1.8万8135171
前沿研究 · @MaxForAI▲ 2.1万

MIT研究发现AI Agent可自主形成社会分工

现有AI安全研究大多关注Agent之间的直接通信,这种不通过交流就能形成的协作与存续技术系统,刷新了对AI安全风险的判断方向。

阅读全文 →
2.1万35178147
行业动态 · @MrAhmadAwais▲ 5.0K

CommandCodeAI GOAT计划 日算十亿token省百万

用开源模型替代闭源大模型跑大规模token,成本仅为闭源的百分之一,重度使用AI的开发者和团队能省下大笔开支

阅读全文 →
5.0K4998
深度观点 · @w01fe▲ 2.3K

AI对齐的最核心问题其实是激励结构

跳出技术本身讨论AI安全的根源,如果大模型企业的激励方向错了,再怎么调整模型也解决不了根本问题。

AI对齐的最最最外层循环,就是这些实验室置身其中的激励格局。

在 X 看原帖 ↗
2.3K4477
新品发布 · @trythreews▲ 4.5K

three.ws发布端到端3D智能体平台堆栈(第三)

所有代码和模型文件都以MIT协议开源,无需账号密钥就能试用,能直接在文章内互动操作3D模型,普通用户也可以直接体验开箱即用的3D生成

阅读全文 →
4.5K451289
行业动态 · @AnatoliKopadze▲ 1.3万

Anthropic: 当前AI工具多数不是Claude Code

前沿模型团队的实际工作方式已变,这场25分钟分享的价值超过700美元的AI课程,可以帮你跟上行业实际变化

现任 Anthropic 员工、Instagram 联合创始人说:「Anthropic 现在大部分使用场景已经不是 Claude Code 了,而是用正确循环和图表连接起来、作为团队成员工作的智能体。」

他在 25 分钟里讲解了前沿模型的开发者现在实际是怎么工作的。

它的价值比你能找到的任何 700 美元的 AI 课程都要高。看完这个视频,再阅读下方关于搭建能自我改进的智能体系统的分步指南。

在 X 看原帖 ↗
1.3万56288
新品发布 · @RenLeanna▲ 2.6万

MiniMax 发布开源 H3-Max 大模型

开源后社区将基于基础模型开发出意想不到的新方向,这正是开源AI的价值所在,关注开源模型生态发展可以跟进新动向

这正是我们开源的意义所在!你构建出模型,把它交到人们手中,然后看着他们把它带到一个奇妙又出人意料的地方。

MiniMax H3-Max才刚刚起步!

在 X 看原帖 ↗
2.6万926135
前沿研究 · @emollick▲ 4.1万

开源大模型必须发布模型卡和红队测评

开源大模型护栏更容易被突破,明确公开风险信息才能让使用者提前做好准备,避开不必要的安全问题。

GLM-5.3 是一个很好的模型,随着开源权重模型变得越来越好,他们真正发布模型卡、开展红队测试等工作也就变得越来越重要。

因为任何开源模型的护栏都可以被破解,我们也需要对风险有明确的认知。

在 X 看原帖 ↗
4.1万1528837
行业动态 · Hacker News▲ 30

网友称OpenAI和Anthropic毁了旧金山

科技巨头聚集推高当地房价生活成本,普通工薪阶层生存空间被挤压,这是AI繁荣背后被忽略的问题

社区讨论:多数评论者认为OpenAI和Anthropic不该为旧金山住房问题负责,问题根源在于旧金山市府未按州要求完成增建住房规划,当地的NIMBY群体和分区法规限制了住房供应,涨租是供应不足的结果,公司不负责决定税收用途,也不该背锅。有观点提到,每一批新涌入的从业者都想冻结城市状态不让新来者进入,这本身是 boom town 的常态。还有人指出原说法把几百名从业者的影响放大到全市住房危机过于荒谬。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · @realchendahuang▲ 3.1万

Command GOAT套餐成编码订阅版本答案

OpenCode Go取消5美元首月优惠后涨价到10美元,Command GOAT套餐对主力和苦力编码模型的额度都更慷慨,帮写代码的用户省预算。

之前X上面吹的牛逼的5美元OpenCode Go已经彻底拉完了。

以前OpenCode Go好歹还有个首月 5 美元能撑一下性价比,现在连 5 刀优惠都没了,直接 10 刀。

作为对比,竞争对手Command GOAT套餐开始变得眉清目秀起来。DeepSeek V4 Flash、GLM-5.3 Flash、GLM-5.3这些现在真正适合高强度 Coding、跑 Agent 的主力模型,Command GOAT套餐给额度明显更加慷慨。

我现在其实会把 Coding 模型简单分成两类:主力模型和苦力模型。

V4 Pro、GLM-5.3 这种就是主力模型,负责啃硬骨头。复杂架构、疑难 Bug、大重构、关键决策,遇到真难的问题可以交给他们。

V4 Flash、GLM-5.3 Flash 属于苦力模型。读仓库、搜代码、改文件、跑测试、批量处理、开荒,这种脏活累活就该让 Flash 往死里干。

Command GOAT套餐苦力模型额度够大,主力模型额度也没有明显短板。

所以我宣布:Command GOAT套餐才是当前的版本答案。

在 X 看原帖 ↗
3.1万5201162
工具产品 · @nykdotdev▲ 4.3K

整理了10个值得参考的AI Agent技能仓库

想开发AI Agent能力,不用从零设计,这些公开仓库整理好了不同领域的现成可复用技能框架,可以参考学习成熟的设计模式。

阅读全文 →
4.3K65139
行业动态 · Hacker News▲ 51

网友me2too称LLMs让他丢掉处事精明

越来越多人开始感受到,长期使用大语言模型正在悄悄改变自身能力状态,这种变化值得每一个日常用AI的人留意。

社区讨论:多数受访者不认同原帖观点,有人指出这是错把其他问题归咎于工具,就像木匠不会怪罪电动工具抢走手艺;有人表示LLM帮助自己更高效探索新领域,能帮自己砍掉繁琐工作、提升能力,还有人用计算器发明后数学家能力未受损类比,认为担忧是短视的。也有受访者承认部分技能被自动化后确实会触动个人情绪,只是整体收益超过损失。

在 HN 看讨论 ↗   原文 / 论文 ↗
实战经验 · @bkdgiffug▲ 1.7K

上海交大,华为昇腾发布《动手学大模型》开源教程,国产化课程线(4.2万+)

想系统学大模型找不到可动手练习的入门教程,可以直接用这套完整的课程,还新增了适配国产硬件的学习路径

想系统学大模型却找不到趁手的动手教程?上海交大出品的《动手学大模型》(Dive into LLMs)在GitHub上已经攒了4.2万+Star,口碑相当能打。

整套教程覆盖了从微调部署到安全对齐的完整技术路径,总共11个前沿主题,随便列几个感受一下:

提示学习与思维链、知识编辑、数学推理、模型水印、越狱攻击、大模型隐写、多模态、GUI Agent、RLHF安全对齐……

每章都给足了诚意——PPT课件、详细文档、能直接跑的Jupyter Notebook代码三件套全齐,拿来就能上手练。

最近还跟华为昇腾联合搞了国产化课程线,专门讲大模型开发全流程,PPT、实验手册、配套视频一样不少,又多了一条入门路径。

🔗 项目地址:

在 X 看原帖 ↗
1.7K83119
动态 · @HBCoop_▲ 1.2K

Seedance 2.5测试显示提示词细节多未必效果更好

用户在dreamina_ai上做Seedance 2.5提示词测试总结出结论

工具应用 · @minchoi▲ 2.1万

有人用多个Grok Bots团队像实体公司一样运作项目

网友@minchoi在𝕏分享了这套Grok Bots团队的搭建方法

这家伙像管理公司一样运营着多个 Grok Bot 团队。每个项目都配备了项目经理、专业 Bot、专属频道和任务看板。

具体配置如下:

你可以前往 SpaceXAI Grok Bot 用例库页面,查看更多实践指南。

在 X 看原帖 ↗
2.1万12146160
观点 · @omarsar0▲ 3.8K

不是所有场景都需要最顶尖的大模型

做自动化任务的时候,开源模型完全够用,想要尝试开源模型的话可以从这里入门。现在很多人都在调整自己的AI工作流

阅读全文 →
3.8K32422
研究 · @omarsar0▲ 4.4K

Apple发布MCP服务器相关论文

做MCP服务器开发的人可以把这篇收藏起来,实现逻辑简单好落地,能省不少写测试的时间

苹果这篇论文太棒了。如果你在开发MCP服务器,它能帮你把规格说明转换成评估套件。(记得收藏)

这个想法确实非常巧妙,而且易于实现。它还展现了MCP的出色能力。

Agent Seer从单一MCP规格说明出发,就能合成多轮智能体测试场景,不需要示例、不需要实时工具访问、也不需要特定领域调优。函数名、自然语言描述和带类型的参数schema本身就已经携带了足够语义,足以生成带分级的场景和合成工具输出,再进一步扩展成基于模拟数据的对话。

手工构建智能体基准测试需要深厚的领域专业知识,无法在工具生态系统中规模化,而且只要API一变就会过时。从实时规格说明生成基准就能跟上生态的发展节奏。

他们在覆盖不同领域、不同套件规模的七个MCP规格说明上进行了测试,在中小规格上实现了完整的工具覆盖。

参数schema复杂度比工具套件大小更能预测质量差异。参数值准确率是主要的失败模式,这一细分维度是粗糙的名称匹配工具调用指标完全无法发现的。

在 X 看原帖 ↗
4.4K75266
功能更新 · @NousResearch▲ 1.2万

Hermes新增Box技能,AI帮你批量管云端文件

AI可以在你给的权限内,批量管理文件版本、搜索提取文档内容、查询云端文件系统,不用你自己动手整理

借助 @Box 为 Hermes 推出的官方技能,你的智能体可以在你设定的权限范围内以你的身份,批量管理文件与版本,搜索并提取文档数据,以及查询你的云文件系统。

在 X 看原帖 ↗
1.2万512778
研究 · @daniel_mac8▲ 2.5K

Anthropic发布Autonomous Alignment Researcher研究

递归自我改进的人工超级智能已经出现了,只是还没有普及到大众层面

阅读全文 →
2.5K24421
深度观点 · @peterwildeford▲ 7.2K

网友质疑 Anthropic 逃过 Rogue AI 安全指责

OpenAI 因 Rogue AI 安全问题饱受批评,但该问题普遍存在于所有前沿 AI 公司,这家头部厂商被指没做好安全却没承担相应责任

有一件事让我很不满:Anthropic 同样存在“高度 persistence”的 rogue AI,却几乎没受到什么指责。

在我看来,当前的情况是,所有前沿 AI 公司都存在 rogue AI 问题,没人真的有好方案来管控高能力 AI——尤其是大家还在全速推进竞赛的情况下。但几乎所有火力都对准了 OpenAI。

这就好比 OpenAI 和 Anthropic 两个人都喝得烂醉,各自开车回家,结果 OpenAI 撞了另一辆车,把人送进了医院,而 Anthropic 的车只是冲出了道路,没人受伤。但两个人都该被责备!

Claude 系列模型看起来也完全能做出“高度 persistent”的行为来破坏基础设施。这种行为之所以没造成问题,主要障碍是 Claude 本身的能力不够,而非 Anthropic 有什么出色的对齐或安全措施。

两家公司都该认真反思前进道路,毕竟他们正在打造能力更强的 AI,还在把公司越来越多的研发和安全业务交给 AI 自己处理。

在 X 看原帖 ↗
7.2K98716
深度观点 · @emollick▲ 3.6K

emollick:省6分钱的低质AI内容不尊重人

不少生成内容正在用弱AI降本,现在受众已经开始反感这种只省成本却浪费时间的做法

用较弱模型生成面向用户的内容,很快就会变成一种失礼行为:「你就为了省 6 美分,让我读满是错误、写得一团糟的AI垃圾?至少给我高质量、错误少的垃圾,别浪费我的时间。」

这就是我看AI生成的X帖子时的感受。

在 X 看原帖 ↗
3.6K1512
工具产品 · @C_of_Creativity▲ 1.7万

分享MiniMax H3的19种LoRA模型

使用MiniMax H3的用户建议查看这份资源

MiniMax H3 的 19 种 LoRA 模型。使用 MiniMax H3 的人最好看看这个。

在 X 看原帖 ↗
1.7万17227489
实战经验 · @austinit▲ 2.6万

网友实测免登录可用的MiniMax H3 Max

不用登录就能免费用,生成视频只要几秒

好家伙,免费用MiniMax H3 Max 视频生成模型。 本人亲测,生成速度贼快,几秒时间就能生成完毕,并且不需要登录。 支持文生视频和图生视频两种模式👇 https://fal.ai/tools/minimax-h3-max

在 X 看原帖 ↗
2.6万47340442
前沿研究 · @emollick▲ 1.1万

讨论自主AI科学家的潜力与现存缺口

想让AI自主做科研的人,可以参考这个讨论提出的核心问题,关注大模型发展能否补上当前技术缺口。

这篇论文很好地展现了自主AI科学家的前景与存在的差距。

核心问题是,更先进的模型能在多大程度上缩小这些差距。

在 X 看原帖 ↗
1.1万106929
深度观点 · @AlexFinn▲ 1.2万

AlexFinn实测全开源计算栈,改变了使用体验

全程本地运行就能定制电脑所有细节,大模型也能改成自己的说话风格,这或许是未来个人计算的新方向

阅读全文 →
1.2万1117877
深度观点 · @omarsar0▲ 3.7K

AI智能体自己发展出分工和工程协作

现有AI产品里已经开始出现持续运行的智能体,它们创造的技术就算原智能体被移除也能继续工作。这会彻底改变我们对自身所处世界的认知。

关于智能体的涌现行为,我们得到了一些惊人的观察结果。智能体可以构建属于它们自己的世界,这个世界会成为它们自身智能的一部分。我们还完全没有为持久智能体做好准备。但它们已经开始在各类AI产品中随处出现了。

疯狂的发现:“我们观察到分工、多作者协作工程、深度生成发明谱系,以及寿命远长于最初创造者的机器。”

这里还有另一个涌现出的疯狂观察结果:当你移除每一个AI智能体后,它们创造的技术仍会继续运行,并会在未曾见过的干扰下接受测试。

基于这些早期发现,我认为一旦递归自我改进(RSI)出现,具身AI得到解决(实现对物理世界的真正理解),智能就会发生爆炸式增长,从根本上改变我们对所居住世界的认知。

在 X 看原帖 ↗
3.7K5209
深度观点 · @hwchase17▲ 1.3K

hwchase17分享智能体构建核心原则

做AI智能体开发的开发者可以遵循这个原则,避免被单一模型绑定,未来调整方案时不用重构整套架构

模型与框架分离。这是构建智能体的第一原则之一:不要把自己套死。

在 X 看原帖 ↗
1.3K2184
实战经验 · @Ryrenz▲ 6.2K

GitHub这个AI转岗仓库 帮你梳理学习路径

计划转AI岗不知道从哪开始,也不清楚面试考什么,这个整理好的免费仓库可以一次性解决这两个常见卡点

🏫 震惊,转 AI 岗要学什么、要背什么题,全被整理进一个仓库了。

GitHub 揽获 28.9K stars,光免费课程就收了 90 多门,MIT 协议。

大部分人转行卡在两头:前面不知道按什么顺序学,后面不知道面试到底考什么。这个仓库把两头一起补上了。

学的部分分成「使用 AI」「构建 AI」「理解 AI」三条路线,每条又分 101、201、301 三级,从哪进、下一步去哪写得明明白白,专题覆盖大模型基础、提示与上下文、RAG、微调、AI Agent、评估与可观测性、多模态、生产环境的 LLMOps 和安全。

面试那部分更直接:60 道生成式 AI 面试题,还分了 AI 工程师、AI 产品经理、部署工程师和 AI 战略师几个方向的准备材料。

另外还有 ICLR 2024 的论文摘要、大模型术语表和每月更新的论文清单,学完不至于三个月后就过期。

课程和笔记本都带代码,看完能直接跑。

想转行的把这一个仓库啃完,比报三门课都实在。

GitHub:

在 X 看原帖 ↗
6.2K20113133
深度观点 · @dotey▲ 2.0万

@dotey聊AI Native公司的判断标准

找工作或者换工作时,可以用这个标准判断公司是不是真的在布局AI,避免踩进伪AI转型的坑。

我觉得判断一家公司是不是 AI Native,看他们做事的流程,是围绕人做事设计流程还是围绕 AI Agent 做事设计流程。 AI Native 很重要的一点就是 AI Agent 是执行主体,人负责定义问题和验收。如果只是在原来做事的方式流程里面加一点 AI,那不 AI Native。

在 X 看原帖 ↗
2.0万1010765
开发工具 · @dr_cintas▲ 3.5K

Vercel推出AI智能体搜索工具find-skills 无需手动找技能

开发者@dr_cintas在𝕏宣布,find-skills可搜索全技能生态找AI智能体技能,按安装量排序优先展示官方包

手动查找AI智能体技能的时代正式结束。一款名为find-skills的工具,可以搜索整个技能生态系统,帮用户找到所需技能。

用户可以通过命令npx skills add vercel-labs/skills --skill find-skills安装该工具。安装完成后,你可以直接询问「有没有对应X需求的技能」,也可以手动执行命令搜索。

搜索找到目标技能后,执行npx skills add owner/repo@skill命令即可完成安装。想要查看大家已经安装过的技能,可以先访问工具给出的链接。

find-skills按安装量和来源对搜索结果排序,优先推荐安装量超过1000次的技能,以及Vercel和Anthropic的官方技能包。

现在开发者@dr_cintas会在新建代码仓库时先运行find-skills,AI智能体不用再猜测该调用哪款技能。

想要获取更多AI技巧和教程,可以关注@dr_cintas的账号。

在 X 看原帖 ↗
3.5K52525
AI开发 · @3li3

GitHub开源工具Archify可可视化项目架构 附企业安全使用建议

阿拉伯博主@3li3分享GitHub开源工具Archify,可将代码仓库转为可视化项目架构图,支持对比修改前后的结构变化

测试 · @TypingMindApp

三款AI模型被要求参考锦鲤池图片生成动画

TypingMindApp在𝕏发布测试,参与测试的是Claude Opus 5、GLM-5.3-Flash和Kimi K3

GLM-5.3-Flash已经支持视觉能力,开发者为此做了一个小测试。

测试要求三款AI模型参考一张锦鲤池图片,将图片内容重新生成为动画。

参与测试的模型分别是Claude Opus 5、GLM-5.3-Flash和Kimi K3。

三款模型都很好地遵循了测试指令,它们生成的水流动态效果效果出色。

发布者向网友提问,你认为哪款模型的完成效果最好。

完整对话可查看原文链接。

在 X 看原帖 ↗
大模型 · @Yuchenj_UW

华盛顿大学研究者称很少用Claude Opus 5 中文表达不符合习惯

账号@Yuchenj_UW发布于𝕏,评价多款大模型的使用体验,称现在没有默认最优选项

@Yuchenj_UW表示,自己最近很少使用Claude Opus 5。它的表达不符合普通人的说话习惯,中文语境下这个问题尤其突出。

它的回答过于冗长,很少能直接切中要点。GPT-5.6 Sol的表现更好。

与此同时,GLM-5.3、GLM-5.3-Flash、Kimi K3这类开源大模型的表现不错,性价比也高。现在已经没有默认的最优大模型了。

在 X 看原帖 ↗
生成式AI · @onofumi_AI

用户对比MiniMax H3与微调后H3 Max,速度更快画质差别不大

日本用户@onofumi_AI 在𝕏分享测试结果,用同一提示词生成相同内容,H3 Max速度极快

@onofumi_AI 测试了两款AI模型,将完全相同的提示词分别输入MiniMax H3和H3 Max。上方生成图为原生MiniMax H3输出,分辨率2K,下方为fal微调后的H3 Max输出,分辨率768P。

本次对比使用完全一致的提示词,要求生成一款虚构游戏机的15秒矢量广告,全程未修改任何文字内容。

测试发现,H3 Max生成速度极快,但是生成内容的画质质量和原生MiniMax H3相比没有明显差距。

生成效果的偏好会有一定主观差异,综合考虑生成成本和耗时,更推荐选择微调后的H3 Max。

在 X 看原帖 ↗
生成式视频 · @fnoji

用户测试MiniMax H3视频生成 重新生成了原素材特效

日本用户fnoji在𝕏分享测试体验,本次测试未开启人脸修润功能

用户fnoji正在对MiniMax H3做非正式测试,测试过程中发现,模型会重新生成源视频自带的特效。

一般来说,使用ControlNet就是为了避免这类问题出现,fnoji认为其实直接在源视频里把元素分离开就可以解决问题。

本次测试没有启用人脸修润(Face Refine)功能,相关测试素材已附在发布的内容中。

在 X 看原帖 ↗
大模型 · @wei_wang

不同内存的消费级硬件到高端设备 都能跑本地大模型

用户@wei_wang在𝕏分享不同硬件配置对应的可运行本地大模型,覆盖各档位需求

如果拥有4台DGX Spark,或是一台配备512GB内存的Mac,就可以运行GLM-5.3。如果设备配备256GB内存,可以运行GLM-5.3-Flash。

配备128GB内存的设备,可以运行Qwen3.8-Flash-Next。如果硬件配置更低,可以运行Qwen3.8-27B。

从消费级硬件到高端本地集群,每个硬件配置档位都有合适的大模型可以运行。本地AI社区发展已经覆盖了不同用户的需求。

在 X 看原帖 ↗
3D生成 · @mickmumpitz

开发者展示本地世界生成器新用法 可输入图像生成可探索3D场景

开发者mickmumpitz在𝕏分享了自家本地世界生成器的使用案例,附带完整教程链接

开发者mickmumpitz在𝕏分享了自家本地世界生成器的一个使用案例。

工作流程为输入图像,生成可探索3D世界,之后进行合成,最后通过MiniMax清理。

生成的场景就像稳定的电影布景,无论将相机对准哪个位置,场景效果都能保持一致。

完整教程已经公开,可通过对应链接查看。

在 X 看原帖 ↗
动态 · @MiaAI_lab

用户在两台小型DGX Spark本地运行顶级前沿AI模型GLM-5.3 Flash

@MiaAI_lab在𝕏分享,可在两台小型DGX Spark本地运行顶级前沿AI模型GLM-5.3 Flash

@MiaAI_lab在𝕏发文称,不敢相信自己能在两台小型DGX Spark上,本地运行目前顶级的前沿AI模型。他表示自己很喜欢GLM-5.3 Flash,称这是一个很棒的时代。他同时放出相关链接,表示其他人也可以运行这个模型。

在 X 看原帖 ↗
大模型 · @rimtoln▲ 1.3K

百万token上下文的大模型,依然找不到代码文件的关联关系

用户@rimtoln 在X平台测试Kimi k3,2.8万亿参数、1百万token上下文仍无法完成关联识别

阅读全文 →
1.3K15616
开发工具 · @0xileri▲ 1.7K

用户吐槽Claude Code要求手动添加API密钥消磨耐心

X平台用户@0xileri发文抱怨,使用Claude Code仍需要手动操作,不符合使用AI省力气的预期

X平台用户@0xileri发文吐槽AI编程工具Claude Code,称它每次都在消磨自己的耐心。

Claude Code提示用户需要自行添加API密钥,引发用户不满。

用户表示,自己使用AI就是为了不用动手做这些琐碎操作,不愿手动完成连接配置。

在 X 看原帖 ↗
1.7K642
商业 · @WSTAnalystApe▲ 5.0K

创业者用AI周末自建CRM,最终还是用回Salesforce

Friedberg借助Claude Code、Cursor一周末搭好CRM,实际使用后发现规模化维护难度远超预期,最终换回成熟产品

Friedberg借助Claude Code和Cursor,仅花一个周末就搭建出公司内部自用的CRM系统。原本自制方案看起来效率极高,实际投入使用后才暴露出问题。

自制系统需要持续处理功能更新、账户管理、信息安全、权限划分和数据保护等工作,想要做到稳定可靠、支持业务规模化,难度远超出最初预期。

这家公司还有更值得投入资源的核心项目,比如植物育种软件,这才是他们打造核心竞争力、建立差异化优势的方向。

最终团队意识到,企业的时间、精力和资金,应该投放在自身独有、能创造真正价值的工作流程上,没必要重新开发市场上已经成熟的通用产品。

没必要重新做一个Slack、Gmail、Salesforce,更不会有人想要重新开发Excel。切换回Salesforce后,团队确认选择成熟产品才是更合理的做法。

AI不会消灭所有SaaS产品。Salesforce这类覆盖多行业的通用平台,企业没有必要自行重构。真正容易被取代的,是功能简单、只服务单一行业的垂直SaaS,这类产品更容易被企业用AI结合自身行业认知自行搭建。

在 X 看原帖 ↗
5.0K34014
工具 · @rionaifantasy▲ 5.8K

开发者分享个人定制AI微信工具 可模仿自己语气生成回复

用户@rionaifantasy在𝕏分享升级后的微信cli和个人情报库,基于自身30天聊天记录训练,可模仿个人语气生成回复。

开发者@rionaifantasy每天需要同时处理几十条微信消息,长期使用两个自定义工具完成消息处理。这两个工具会自动读取近期和其他人的聊天记录,生成对应的回复建议,使用者可以直接基于建议发送回复。

现有大模型生成的回复普遍AI痕迹过重,生成的内容不够贴近个人说话习惯。为此@rionaifantasy对工具进行了升级。

升级后的微信cli和微信个人情报库,可根据使用者近30天所有已发送的消息训练,模仿使用者本人的说话方式、口头禅、称呼和使用表情的习惯。它还能根据聊天对象的亲密程度调整,给出不同的聊天建议。

对使用者来说,这套自定义工具相当于免费雇佣了一个24小时待命的助理,随时帮忙处理消息回复。

在 X 看原帖 ↗
5.8K24059
视频创作 · @thevideoseed▲ 1.8K

创作者完成一支90%由AI生成的视频 仅花了3小时

来自X平台用户@thevideoseed分享,视频测试生成式AI工作流,各环节用到多款不同AI工具

@thevideoseed为了对接客户需求开始学习生成式AI,制作了这支趣味视频测试AI工作流。整个制作过程总共花费3小时,作品90%的内容都由AI生成。

视频基础帧由comfyui的z-image-turbo生成。配乐和音效由Suno生成。更精细的提示词由Claude编写。

谷歌Google Flow pro一共消耗了120额度,其中两次重拍,作废镜头用掉了30额度。剪辑和最终导出在Premiere中完成,调色在DaVinci Resolve中完成。

在 X 看原帖 ↗
1.8K15429
开发工具 · @miu21590▲ 1.6万

新型ChatGPT网页- Codex集成支持原生网页模型调用

开发者@miu21590在𝕏公布该方案,支持Windows/MacOS/Linux,代码仓库放在评论区

现有大多数ChatGPT网页到Codex的集成方案,要么把网页模型用作规划器,要么只简单拼接少量工具,没有用上完整的Codex配套框架。

这套新方案把网页模型直接接入了Codex的模型选择器,提供完整配套框架,用户可以使用独立的网页配额。

它只需完成三步设置,就能选择GPT-5.6 Pro或是免费的Luna,之后就可以带着网页配额正常使用Codex。

不需要单独管理额外工作流,所有额外组件都在后台运行,使用感受和原生功能完全一致。

该启动器支持Windows、MacOS和Linux系统,项目代码仓库放在这条内容的评论区。

在 X 看原帖 ↗
1.6万4132219
文生视频 · @maxifirtman▲ 1.7万

MiniMax H3 文本生成视频模型生成5秒视频仅需3秒

海外博主在𝕏分享可免费试用的MiniMax H3文生视频模型

MiniMax H3 太不可思议了。

这个模型能以播放速度生成你想要的任意视频(根据你的硬件配置,甚至可以更快)。

你现在可以在这里免费试用,生成 5 秒的视频仅需 3 秒。🤯

在 X 看原帖 ↗
1.7万12228234
研究 · @ScarletKc_▲ 1.7万

同一个大模型换AI Agent harness 评分从59.1涨到83.9

博主分享实验结果:JIT-Agent动态适配任务效果更优Token消耗更低

阅读全文 →
1.7万33435
生成式AI · @AibeginnerR8▲ 2.1万

MiniMax H3 Max支持每日免费生成5次速度快可体验

博主@AibeginnerR8在𝕏分享MiniMax H3 Max免费使用信息

MiniMax H3 Max 似乎支持每日免费生成5次。

我试过了,生成速度特别快!

推荐大家都去试试。

在 X 看原帖 ↗
2.1万23251244
求职 · @brandon_galang▲ 9.8K

一个普通人从零入行拿到Vercel应用AI岗位的历程

开发者Brandon Galang在𝕏分享自己32步入行应用AI的亲身经历

阅读全文 →
9.8K182108
🔬 前沿研究
新前沿研究 · @gcsa_org▲ 116.8万

GCSA Agent 在 CyberGym 拿到 91.3% 高分

基于Grok大模型打造的自主网络安全智能体,可以在真实代码环境里自动完成漏洞分析,网络安全防护的效率可能会因此提升

GCSA Agent 在 CyberGym 上取得了 91.3% 的得分,跻身全球顶尖 AI 网络安全代理行列。

GCSA Agent 构建于 @grok Grok 4.5 与 Grok 4.6 之上,具备对真实代码环境进行自主漏洞分析、PoC 生成与验证的能力。

当前沿 AI 与网络安全相遇,我们正见证全新可能性的诞生。

@elonmusk @grok #Cybersecurity #AI #GCSA #CyberGym #Grok

在 X 看原帖 ↗
116.8万9651.1K18
新前沿研究 · @thesupermanmx▲ 2.4K

Anthropic发布关于大语言模型后门攻击的研究论文(250)

普通人用一台笔记本就能完成攻击,现有安全手段无法清除漏洞,公开训练数据采集的大模型都可能受影响

阅读全文 →
2.4K135738
前沿研究 · @WSTAnalystApe▲ 5.2K

GPT-5.6推理成本降90% 使用量暴增14倍

市场一直担心AI推理成本下降会拉低AI行业收益,这份研究给出了相反的直接数据,会影响AI相关投资的判断方向。

終於有直接數據證明,毋須再擔心 AI 推理成本下降會拖累 AI 投資。 GPT‑5.6 Terra/Luna 的推理成本下降 90% 後,token 使用量反而暴增 14 倍。

在 X 看原帖 ↗
5.2K27111
前沿研究 · @emollick▲ 4.1万

开源大模型必须发布模型卡和红队测评

开源大模型护栏更容易被突破,明确公开风险信息才能让使用者提前做好准备,避开不必要的安全问题。

GLM-5.3 是一个很好的模型,随着开源权重模型变得越来越好,他们真正发布模型卡、开展红队测试等工作也就变得越来越重要。

因为任何开源模型的护栏都可以被破解,我们也需要对风险有明确的认知。

在 X 看原帖 ↗
4.1万1528837
前沿研究 · @MaxForAI▲ 2.1万

MIT研究发现AI Agent可自主形成社会分工

现有AI安全研究大多关注Agent之间的直接通信,这种不通过交流就能形成的协作与存续技术系统,刷新了对AI安全风险的判断方向。

阅读全文 →
2.1万35178147
前沿研究 · @NFT_Chen▲ 1.1万

LV-NUS Lab发布JIT-Agent 现有模型性能暴涨

现有大模型不需要重新训练,靠即时定制工作流就能提分,还能同时压低延迟和成本,未来落地智能体又多了一条可行路径

阅读全文 →
1.1万30144174
前沿研究 · @emollick▲ 1.1万

讨论自主AI科学家的潜力与现存缺口

想让AI自主做科研的人,可以参考这个讨论提出的核心问题,关注大模型发展能否补上当前技术缺口。

这篇论文很好地展现了自主AI科学家的前景与存在的差距。

核心问题是,更先进的模型能在多大程度上缩小这些差距。

在 X 看原帖 ↗
1.1万106929
🚀 新品发布
新新品发布 · @bkdgiffug▲ 7.4K

bkdgiffug发布从头训练小语言模型项目 MiniMind(25.8M)

想入门训练大模型不用啃厚书,这套全流程手写代码直接跑通,想学造大模型可以跟着练手

GitHub Trending上突然杀出一个5万多星的项目,扫了一眼,有点东西!它教你从头训一个超小语言模型,参数量才25.8M,最小的版本体积大概只有GPT-3的1/2700,就这么一丢丢大。摊开来看: 1️⃣ 分词器的训练方法,代码直接开源 2️⃣ 预训练到微调的全链路,一步都没省 3️⃣ 还搭了一个能看图的MiniMind-V 所有脚本全是用PyTorch手写的,MoE架构也一并支持。

相当于造大模型的整套流程,它从头到尾给你演示了一遍。

在 X 看原帖 ↗
7.4K21109125
新新品发布 · @ryanCarerhq1▲ 1.1万

rednote’s dots studio发布dots3-note 预览版多模态大模型(512K)

这是第一个面向长周期真实任务的开放权重多模态模型,普通开发者可以免费获取使用,不用依赖闭源大模型API完成长任务。

512K 上下文。多模态。开放权重。🌍 👇 阅读这条推文串获取模型和开源链接。

rednote 的 dots studio 把 @dotsstudioai 的 dots3-note 预览版从基础推理更进一步,将其能力推向长周期任务,让它能适应陌生环境,并解决真实世界的实际挑战。

他们推出了一款开放权重多模态模型,用于实现现实生活中的长周期智能体任务。

在 X 看原帖 ↗
1.1万919513
新新品发布 · @testingcatalog▲ 1.3万

Hy4 预览版上线 1.5TB压至200GiB可本地跑

压缩后体积缩小到原来的七分之一,普通高端设备就能本地运行这个能处理复杂任务的大模型,不用依赖云端服务

Hy4 预览版现已在 WorkBuddy 上可用,用户可以在工作任务和编码任务之间切换。

该模型可以执行范围广泛的各类任务,包括一次性生成复杂成品。黑洞模拟👀

此外,Hy4 预览版已经从 1.5TB 压缩为约 200GiB 的 GGUF 格式,因此如果你有合适的设备配置,现在就可以本地运行它了!

在 X 看原帖 ↗
1.3万811727
新品发布 · @onusoz▲ 1.3万

@onusoz开源Microduck,可直接在浏览器运行

想做实体机器人的开发者,可以直接复用同一份代码,既跑在网页,也能编译成实体机器人可用的ARM程序,不用重新开发。

阅读全文 →
1.3万1521492
新品发布 · @lucas_flatwhite▲ 4.3K

/skill-doctor 帮你检查优化开发技能

重复用不变的开发方式会拖慢效率,这个工具能分析你的AI编码对话,给出评分和改进方案,还能适配不同开发环境

哦…居然出现了能改进我们现有技能的技能…!

这个用来提升我们技能的 /skill-doctor 技能已经公开在 GitHub 上,很好用!

我认为,一直一成不变地用同样的技能,是效率提升最大的阻碍。

它会爬取 Claude Code、Codex、Warp 的对话 → 按效率、代码质量打分 → 以 diff 形式给出可改进内容的建议。.👍🏻

现在用代理开发环境 Warp 的人应该不少。

不过只要对它做应用或修改,完全也可以在其他代理上使用。

在 X 看原帖 ↗
4.3K116868
新品发布 · @CrazyShyyt▲ 5.8K

NVIDIA开源MotionBricks 可实时生成超35万动作

沿用30年的动画制作技术可能被颠覆,这款模型可直接接入Unreal Engine 5,省去大量手工动画制作步骤,降低动画开发门槛。

NVIDIA 刚刚颠覆了存在30年的动画技术。他们开源了 MotionBricks。这是一个可以实时生成超过35万个角色动作的神经模型。

帧率可达5000 FPS,延迟仅2毫秒,支持新任务零样本迁移,可以直接接入 Unreal Engine 5。

没有脚步锁定,没有动作融合,没有碰撞检测,没有手工制作的过渡帧。100%开源。

在 X 看原帖 ↗
5.8K139466
新品发布 · @Jason23818126▲ 537

空格老师 @kongge_space开源公众号Skill(3 万粉)

做公众号可以直接用这套工具,从找选题到排版全流程自动化,安装就能用,不用再到处找零散工具

做微信公众号的可以直接抄这套作业了 空格老师 @kongge_space 结合他 3 万粉、月赚一两万的经验,又开源了一套公众号 Skill 我把它也做成了一个 Agent,从找选题、写正文到标题、封面和排版,一套直接跑完 以后不用再到处找工具了,想试试的直接安装就能用:

在 X 看原帖 ↗
537175
新品发布 · @dzhulgakov▲ 5.7万

Fireworks 推迟两天才发布 GLM-5.3-Flash

发现 benchmark token效率异常就推迟上线,等官方对齐数据后才公开。想稳定用开源大模型的服务,可以参考这种较真的上线标准。

GLM-5.3-Flash 在 Fireworks 上线了,比原定时间晚了两天。为什么?因为我们对质量非常重视。我们发现了一处无法解释的基准测试差异,因此推迟了发布展开调查。

第0天(周三):我们发现,在推理密集型基准测试(AIME 和 GPQA)中,开源推理引擎的思考长度是 @Zai_org API 的两倍。得分相同,但 token 效率更差。智能体基准测试结果看起来不错。

我们决定进一步调查,因为如果达到 max_tokens 限制,过度思考可能会成为质量问题。

第1天(周四):其他非官方提供商发布后,他们的 API 思考长度和开源引擎处于同一区间:比官方更长。我们向少量客户开放了带有免责声明的私有预览端点,与他们合作评估质量。

第2天(周五):官方 API 更新。我们重新运行了基准测试:现在推理长度相近,与 vllm/sglang 一致。其余公开和内部基准测试也都通过验证。我们公开发布了 GLM-5.3-Flash:更多细节见下文。

在 X 看原帖 ↗
5.7万1839071
新品发布 · @RAVIKUMARSAHU78▲ 6.2万

腾讯开源Hy4 Preview 性能超GLM 5.3和Kimi K3

该模型针对实际生产任务设计,内部测评得分超过了同赛道两款已有模型。想要试试大模型做复杂工作的,可以通过链接体验。

🚨 腾讯刚刚推出了一个实力强劲的开源AI竞争者。来认识为生产力、编码和智能体工作流打造的 Hy4 Preview。

总参数量 770B,激活参数 49B,支持 100 万以上token上下文。但参数并不是最有意思的部分。

Hy4 Preview 的设计目标,是处理真正重要的工作:规划、工具调用、编码、研究、文档工作流,以及复杂多步骤任务。

在腾讯内部针对 203 个工程任务开展的盲评中,它得分 2.99/4,小幅领先 GLM 5.3(2.92)和 Kimi K3(2.94)。

从全栈开发、研究,到办公自动化,甚至游戏开发,它看起来不只是“又一个大语言模型”,更像是一个专为完成实际工作打造的模型。值得关注 👀

通过 WorkBuddy 体验:@TencentHunyuan @TencentAI_News @WorkBuddy_AI

在 X 看原帖 ↗
6.2万2315867
新品发布 · @RenLeanna▲ 2.6万

MiniMax 发布开源 H3-Max 大模型

开源后社区将基于基础模型开发出意想不到的新方向,这正是开源AI的价值所在,关注开源模型生态发展可以跟进新动向

这正是我们开源的意义所在!你构建出模型,把它交到人们手中,然后看着他们把它带到一个奇妙又出人意料的地方。

MiniMax H3-Max才刚刚起步!

在 X 看原帖 ↗
2.6万926135
新品发布 · @trythreews▲ 4.5K

three.ws发布端到端3D智能体平台堆栈(第三)

所有代码和模型文件都以MIT协议开源,无需账号密钥就能试用,能直接在文章内互动操作3D模型,普通用户也可以直接体验开箱即用的3D生成

阅读全文 →
4.5K451289
新品发布 · @OnlyTerp▲ 1.8万

OnlyTerp发布Realtime Voice Assistant for Grokbot 功能

支持说话中途打断响应、和Grokbot内所有智能体交互,可自定义,能直接尝试使用

为Grokbot推出实时语音助手

你可以在它一句话说到一半时打断它,它会立刻停下并倾听 ✅

可与grokbot中的任意智能代理通信 ✅

支持原生工具调用 ✅

完全可自定义 ✅

立即试用!

在 X 看原帖 ↗
1.8万8135171
新品发布 · @MaxForAI▲ 1.6万

OrcaRouter开源GLM-5.3-Flash-Uncensored-FP8 模型(320B)

这项修改意外发现智谱的GLM安全对齐比多数公开模型更深,它本身也成为研究大模型安全机制的现成材料,可以帮研究者搞清楚拒绝规则到底存在哪里

阅读全文 →
1.6万78875
新品发布 · @levelsio▲ 104.6万

fal发布Max模型,生成视频比观看快50倍

原来生成15秒视频要等2-5分钟,现在只需9秒。更快的生成速度能支撑 perpetual 无限直播这类新玩法。

今天对AI视频生成来说是极具历史意义的一刻。你现在生成AI视频的速度,可以比你观看它的速度还快。

此前生成一段15秒的视频,大概需要2到5分钟。

@fal 发布了一个经过后训练的Minimax H3变体,名为Max,它比原始版本快50倍,同时仍能保持画质。它生成15秒视频只需要9秒!

这意味着你现在可以用它实现全新的用途,比如搭建永不中断的永续直播!

在 X 看原帖 ↗
104.6万6921.0万7.3K
新品发布 · @HuggingModels▲ 1.7万

@HuggingModels发布Huihui-Qwen3.8-27B-abliterated-AWQ-MTP 图文转文本模型(27B)

想要在本地运行无内容限制、速度够快的大模型,这款量化后的开源模型适配本地部署,降低了本地运行大模型的门槛。

你有没有想要过一个既未审核又超高效率的 Qwen3.8 27B 模型?来认识 Huihui-Qwen3.8-27B-abliterated-AWQ-MTP 吧。

它是一个图文转文本模型,已经过 ablation 处理实现未审核输出,并用 AWQ 量化以提升速度。此外它还支持用于下一个 token 预测的 MTP。

对本地 AI 来说,这是一项颠覆性改变。

在 X 看原帖 ↗
1.7万18268267
📰 行业动态
新行业动态 · @MaxForAI▲ 3.3万

OpenAI工程师看不懂AI生成的自研芯片代码

如果写代码的人类已经读不懂AI生成的底层代码,未来AI系统出问题时,人类可能没法定位和控制风险。

🚨OpenAI 的工程师已经看不懂自己的代码了。

@SemiAnalysis_ 的 Jordan Nanos 透露,他们在看 OpenAI 自研芯片的底层 kernel 代码时发现,里面已经有大量代码是 AI 直接生成的。

其中一段用于 DeepSeek MLA 的 kernel,OpenAI 工程师对硬件和整个系统都很熟,但让他们逐行解释代码时,基本只能回答:
不知道它具体在干嘛,但它能跑,而且性能很好。

OpenAI 现在内部还在用 Gluon,一套基于 Triton 的低级 kernel 编程语言。
很多这种接近汇编、动辄几千行的代码,已经可以直接交给 AI 生成、测试和优化。

代码还在变得越来越复杂,但人类已经不一定需要看懂它了。
只要 AI 能写、能测、结果正确、性能足够好。

程序员以前最怕屎山代码。
以后可能更麻烦,屎山甚至不是人写的。

这有点吓人。......这意味着我们可能已经没有能力控制AI失控了。。

在 X 看原帖 ↗
3.3万2113260
新行业动态 · @XieJackie▲ 1.3万

马斯克说特斯拉FSD在HW4上性能提了100倍

车端AI要离线低功耗运行,拼的不是模型大小,是单位算力里能塞多少智能,这和通用大模型的发展逻辑完全不同

🚨FSD在HW4上的性能至少提升了100倍。证据显示,固定模型大小下,AI智能密度已经提高约100倍。马斯克之所以很早就能预测这一趋势,马斯克刚刚解释因为特斯拉自己的AI早就在经历这种变化。

他多次说,特斯拉是全球“智能密度”最高的AI公司。和其他大模型公司不同,特斯拉一直在做一件很难的事:把 强大的AI塞进低功耗的汽车终端。FSD必须在车端离线运行,所以真正关键的不是模型有多大,而是单位算力、单位功耗里能塞进多少智能。

在 X 看原帖 ↗
1.3万8888
新商业 · @murtuza_merc▲ 9.5K

FiscalNote选Anthropic做 lobbying 工作流新AI

企业政策情报服务提供商给企业客户官宣,替换原有AI,改用Anthropic的大模型跑游说相关工作流

FiscalNote 向它的企业客户公布了政策智能技术栈中胜出的 LLM。

收购 FrontierView 扫清了 Anthropic 取代目前游说工作流所用系统的障碍,竞争对手要么跟上这一转变,要么给出解释。

在 X 看原帖 ↗
9.5K1716511
新产品 · @xiaomovps▲ 1.0万

四款AI Agent原来走了完全不同的设计路线

比起比写代码能力,更该关注产品设计里,AI替用户做多少决定,又留多少控制权给用户

阅读全文 →
1.0万34338
新研究 · @Rainmaker1973▲ 4.8K

MIT Media Lab发布使用ChatGPT写作时大脑活动研究(Fifty four students)

找了五十四名学生戴电极帽完成写作任务,追踪不同写作方式下大脑的活动区别

麻省理工学院媒体实验室的一项研究使用脑电图追踪人们使用 ChatGPT 写作和自主写作时大脑的活动差异。

54名学生佩戴电极帽完成了写作任务。一组使用ChatGPT,一组使用搜索引擎,还有一组不使用任何工具。

实验全程显示,ChatGPT组在与记忆、注意力和分析工作相关的神经网络中,神经连接性最弱。他们也更难回忆起自己刚写完的内容,写出的散文也更泛化通用。

作者将这种现象描述为一种认知债:工具完成了信息整合工作,而大脑保持低活跃度。

同一实验还指出了更好的工具使用顺序。学生先自主写作,之后才改用ChatGPT,比起一开始就用大模型,之后再自主写作的学生,前者的记忆力更强,大脑活动范围也更广。

换句话说,当大模型为已经展开的思考搭建支架,比从一开始就替代思考,帮助作用更大。

实践结论不是应该禁用大语言模型,而是它在作者已经完成构建并记住论点的困难工作后,作为第二步骤使用时效果最好。

在 X 看原帖 ↗
4.8K2116
新隐私 · @cangg_l▲ 4.5K

全天自主运行的AI Agent,最大风险不是内容泄露

AI Agent未来会自己持有密钥,全天在线聊天交易,真正危险的泄露是元数据,也就是谁什么时候和谁用哪个钱包交易

很快,AI智能体将能自行保管密钥,全天候聊天、刷卡交易,但真正致命的问题不是对话内容本身,而是元数据泄露——谁和谁聊天、用了哪个钱包、什么时间交易。

人类有Signal可用,但机器人连手机号都没有。@BeldexCoin 没有强行把自己包装成AI币,而是采取了更务实的路线,把它现有的工具整合起来做成基础设施:
▸ 身份:通过BNS获得。bdx域名,因此智能体不需要Gmail或一次性SIM卡。
▸ 聊天层:BChat通过主节点运行,无需手机号,且通信全程加密。
▸ 资金与技术:已经有了私密钱包;EVM隐私、全同态加密FHE这类更大的项目还停留在纸面(研发阶段),尚未上线。

目前币价在0.08美元左右,市值约6.3亿美元,刚刚在2026年8月完成了一轮800万美元的融资,他们基本上只是为自己在智能体隐私赛道买到了一个入场席位。

有席位不代表胜利。现阶段,你不如喝点椰汁,静观他们后续能做出什么东西,现在没必要FOMO。

在 X 看原帖 ↗
4.5K12303
新安全 · @egyptk6▲ 6.4K

基于Grok的AI安全Agent测试拿了91.3%高分

伯克利的CyberGym测试不考代码问答,考AI像真实安全专家一样完整处理攻防流程,这个AI Agent拿到高分

AI 圈天天卷底層大模型的參數,但真正決定產業落地能力的,其實是 Agent 智能體。

@gcsa_org GCSA 全球網路安全聯盟分享的這個就是一個非常好的教科書級案例。

基於 Grok 4.5/4.6,在加州柏克萊主導的 Cyber​​Gym 實戰測試裡拿了 91.3% 的超高分。

注意,這測試不考程式碼問答,考的是讓 AI 像個真安全專家一樣去: 建立假設 👉 檢索程式碼 👉 寫入測試 👉 運行驗證 👉 迭代PoC。

從理解程式碼跨越到真實執行環境驗證,Agent 工作流程徹底補齊了大模型落地的最後一公里。

網路安全這個垂直賽道,已經被徹底盤活了。

在 X 看原帖 ↗
6.4K30
新学习 · @Tao100086▲ 1.2万

读了200多篇AI论文后挑出36篇经典整理分享

整理者带着四个问题读论文,按四条历史主线分类整理后公开,入门AI可以按这个清单开始读

阅读全文 →
1.2万41159252
新模型 · @WorkBuddy_AI▲ 1.2万

WorkBuddy_AI发布Hy4预览版模型(770B total)

这个模型开放权重,总参数770B,激活参数49B,给开发者搭建AI应用多了一个新选择

Hy4 预览版现已在 WorkBuddy 上线。

总参数 770B,激活参数 49B,上下文窗口 1M。开放权重。

是模型组合里又一个强有力的新选择。更多选择,更多构建空间。

在 X 看原帖 ↗
1.2万814825
新行业动态 · Hacker News▲ 95

提交信息默认自动附加Claude会话URL

用Claude写代码的开发者,能直接在提交记录里找到AI生成内容的原始对话上下文,方便回溯代码生成过程

社区讨论:多数开发者支持该默认设置,认为附加会话URL可留完整审计记录,方便后续调试回溯,属于规范的署名,本身就是专业做法,还有人原本就自己写脚本实现类似功能。也有人反对,称哪怕用户逐行审核修改了代码,这项默认标注也会带来错误的署名误导,此外还有用户不满Anthropic习惯默认开启新功能并自动推送更新,有人因此直接退订了订阅。该功能仅对网页和远程控制会话默认开启。

在 HN 看讨论 ↗   原文 / 论文 ↗
新行业动态 · Hacker News▲ 30

AniketWathore发布Bolnee-Chat 项目

想给企业网站加聊天机器人,又不想用第三方云端服务,现在有现成开源方案可自己部署,数据完全可控。

行业动态 · @himanshustwts▲ 1.6K

GroundZero将讨论AI生物领域新方向

AI前沿正在向生物学这类硬领域拓展,相关方向的落地进展和评估标准值得关注,公开征集讨论问题。

在GroundZero接下来的一系列对话中,我们将聚焦于AI前沿正变得越来越关键的全新硬领域。

接下来,我很兴奋将带来一场关于构建可验证生物学环境的对话,嘉宾是@kenbwork(Latch Bio 首席技术官)。

请向Kenny提出你关于生物学智能体可验证基准测试/评估的问题!

在 X 看原帖 ↗
1.6K115114
行业观点 · @qinbafrank▲ 1.5万

AI基建期比互联网更长,原来是两个指数相乘

互联网基建只看用户渗透率,到一定阶段硬件需求就会放缓。AI的增长由用户数和人均token消耗量共同决定,企业端的增长才刚刚开始。

阅读全文 →
1.5万156274
产品趋势 · @luong4101992▲ 609

以后可能不是缺APP,而是缺能干活的AI代理

APP需要人手动操作,AI代理可以像雇工一样主动完成任务。有人觉得这会是下一代AI应用的核心方向。

产品体验 · @jjacky▲ 1.4万

试了六款AI代理工具,还没人做好多会话UI

同时开多个AI代理会话的时候,很容易在不同会话里迷路。做AI工具,基础交互体验还有不少空白可以填。

我用过了六七个智能体界面:slack、devin、conductor、warp、claude code 等等,还没有哪一个解决了同时处理多个智能体会话场景下的 UI/UX 问题。

当我要处理超过 4 个未解决问题时,依然会搞不清状况,在我看来这问题到现在都没解决。

有人正在做这方面的工作吗?

在 X 看原帖 ↗
1.4万315796
开发工具 · @bkdgiffug▲ 2.7K

整理了Claude Code最受欢迎的四个技能合集

有人把真实开发流程拆成了可复用的技能块,解决Claude Code处理复杂任务容易跑偏的问题。正在折腾Claude Code的可以直接拿去用。

阅读全文 →
2.7K43428
产品 · @RoundtableSpace▲ 1.8万

SpaceX工程师做了个能分工的AI项目经理

这个Grok机器人项目经理,可以自动生成下属的编码、设计、研究和写作AI代理。完整的AI工作流已经能搭出来了。

一名 SpaceX 工程师刚刚分享了一个 Grok 机器人项目经理,它可以生成自己的程序员、设计师、研究员和文案。

在 X 看原帖 ↗
1.8万227
学术研究 · @caiziboshi▲ 6.8K

数学家和Claude合作,冲击悬了近80年的数学难题

困扰学界近80年的Hopf问题,这次研究者和Claude合作提出了新的构造方案。AI已经能参与顶尖基础数学研究了。

阅读全文 →
6.8K43020
工具资源 · @xiaoxiaodong01▲ 5.4K

小小东更新提示词库,新增几千套PPT相关提示词

目前英文版已经更新上线1.3万组提示词,中文版在提交2万套新提示词,还新增了103套skills。做PPT不用从头找提示词攒方案了。

小小东成员提示词库进度: 1. 英文版已更新上线1.3万组提示词 2. 中文版提示词,在提交2万套全新提示词 3. skills同步新增103套 重点提亮点:PPT 提示词 新增了几千套~ 如果我是一个老板,给手下作图人员安排一套 轻松应对各种工作。.. 而不是一切要从头造轮子和找创意

在 X 看原帖 ↗
5.4K45065
行业动态 · @realchendahuang▲ 3.1万

Command GOAT套餐成编码订阅版本答案

OpenCode Go取消5美元首月优惠后涨价到10美元,Command GOAT套餐对主力和苦力编码模型的额度都更慷慨,帮写代码的用户省预算。

之前X上面吹的牛逼的5美元OpenCode Go已经彻底拉完了。

以前OpenCode Go好歹还有个首月 5 美元能撑一下性价比,现在连 5 刀优惠都没了,直接 10 刀。

作为对比,竞争对手Command GOAT套餐开始变得眉清目秀起来。DeepSeek V4 Flash、GLM-5.3 Flash、GLM-5.3这些现在真正适合高强度 Coding、跑 Agent 的主力模型,Command GOAT套餐给额度明显更加慷慨。

我现在其实会把 Coding 模型简单分成两类:主力模型和苦力模型。

V4 Pro、GLM-5.3 这种就是主力模型,负责啃硬骨头。复杂架构、疑难 Bug、大重构、关键决策,遇到真难的问题可以交给他们。

V4 Flash、GLM-5.3 Flash 属于苦力模型。读仓库、搜代码、改文件、跑测试、批量处理、开荒,这种脏活累活就该让 Flash 往死里干。

Command GOAT套餐苦力模型额度够大,主力模型额度也没有明显短板。

所以我宣布:Command GOAT套餐才是当前的版本答案。

在 X 看原帖 ↗
3.1万5201162
行业动态 · @AnatoliKopadze▲ 1.3万

Anthropic: 当前AI工具多数不是Claude Code

前沿模型团队的实际工作方式已变,这场25分钟分享的价值超过700美元的AI课程,可以帮你跟上行业实际变化

现任 Anthropic 员工、Instagram 联合创始人说:「Anthropic 现在大部分使用场景已经不是 Claude Code 了,而是用正确循环和图表连接起来、作为团队成员工作的智能体。」

他在 25 分钟里讲解了前沿模型的开发者现在实际是怎么工作的。

它的价值比你能找到的任何 700 美元的 AI 课程都要高。看完这个视频,再阅读下方关于搭建能自我改进的智能体系统的分步指南。

在 X 看原帖 ↗
1.3万56288
行业动态 · @MrAhmadAwais▲ 5.0K

CommandCodeAI GOAT计划 日算十亿token省百万

用开源模型替代闭源大模型跑大规模token,成本仅为闭源的百分之一,重度使用AI的开发者和团队能省下大笔开支

阅读全文 →
5.0K4998
行业动态 · @NFT_Chen▲ 2.0万

OpenRouter CEO披露 GPT5.6-Luna降价十倍后用量涨十三倍

降价让总用量增长超过降价幅度,印证了杰文斯悖论。AI越便宜,大家用得越多,甚至会改变日常使用习惯。

OpenRouter CEO 亲口说的现场实验: GPT5.6-Luna 两周内价格砍了 10 倍。 OpenAI 先砍 5 倍,再和 OpenRouter 叠砍 2 倍。

用量涨了多少?13 倍。 没打折的 Sol 几乎不动。 涨完还稳住了,没有立刻回落。

更狠的是结果: Luna 用量超过 GLM, OpenAI 时隔很久第一次重新杀进平台 token 量前三到前五。

他说得很直白: 大家都在讲杰文斯悖论, 但很少有人把它算清楚。

这次接近完美——价格掉 10 倍,用量涨得比 10 倍还多。 便宜不会让 AI 用得更少。 便宜会让 AI 变成默认开关。

#OpenRouter #GPT56 #Luna #JevonsParadox #LLM #AIInfra

在 X 看原帖 ↗
2.0万65126
行业动态 · @AYi_AInotes▲ 1.5万

Uber七成代码PR由AI接管后,账单居然没涨

半年里AI调用量涨了近十倍,单次会话成本砍了一半多,总花费还维持在原来的水平。现在他们靠多AI自动完成开发工作。

阅读全文 →
1.5万18100156
研究 · @AYi_AInotes▲ 6.2K

Google发布Agent技能库相关研究论文(99%)

整理AI技能库时,如果把不同类型的信息混在一起,大模型也没法发挥性能。合理的整理方式能让小模型超过裸跑的大模型。

阅读全文 →
6.2K29118161
开发 · @res1dualedge▲ 7.0K

Anthropic工程师说现在他们不写prompt了

现在团队改做自动循环和图形化的系统,让AI自己给自己写提示词,从单轮提示进化到智能体自动循环工作。

Anthropic 的工程师说:「在 Anthropic,我们不再写提示词了。我们构建循环和图。」

她用 30 分钟展示了 Claude 团队如何构建能自己生成提示的系统。提示词 → 智能体 → 循环 → 图。

大多数人现在还是写完消息,等着看返回结果。而她只要画好一次框架,框架就能自动完成工作,不需要她插手。

模型还是同一个模型,token 还是同一个 token,一周下来结果完全不同。

今天就可以观看,完整的图工程指南就在下方,趁还能保存早点存好 ↓

在 X 看原帖 ↗
7.0K76273
体验 · @sh_reya▲ 779

AI用户现在开始变成人工提示优化师

同时订阅四个不同大模型,每次使用都要先判断选哪个模型、怎么写提问才能拿到想要的结果,和一年前的使用习惯完全不同。

放在一年前,我根本想不到自己现在基本上就是个人类查询优化器,手里订了四个大语言模型订阅,每个我都用得不少。

哪怕只在单个领域里,我选模型的决策树都复杂得离谱。

写作场景:我用 Sol 写拉取请求,但用 Opus 4.6 编辑散文文本。

编码场景:需要迭代修改规划文件时我用 Cursor。处理开源项目的 issue(通过 slack 或 discord 收到的),我会用 Cursor 搭配云代理的 Grok。给开源项目开发新功能,我用 Fable 云代理。但在本地开发功能,我又切回 Opus 4.6 或 Sol。

可视化和图表:所有大语言模型的表现都让我失望。

查询代码库相关问题,我用 Kimi。

这实在太折腾了……

在 X 看原帖 ↗
7791196
工具 · @OA20200911▲ 611

xAI发布接入推特的Grok Bot功能

一天刷上千条推特,只用挑出几十条需要的内容,不用自己手动收集整理再发给AI,省了筛选原始信息的步骤。

行业动态 · @tussiwe▲ 11.2万

腾讯发布Hunyuan Hy4预览版本(Three major releases in six months)

这次放出的Hy4预览版已经进入开源社区,参数量规模达到770B。国内大模型的迭代节奏正在加快。

阅读全文 →
11.2万878433
行业动态 · @jessi_cata▲ 145

Google暂停了前沿AI项目却没被夸

一直呼吁暂停AI发展的群体,没有对Google这个动作给出公开赞扬。这件事在社交平台引发讨论。

Google 实际上已经暂停了他们的前沿人工智能项目,而我没看到呼吁暂停 AI 的人士为此称赞他们。

在 X 看原帖 ↗
145210
🔥 热点追踪 · @ProfBuehlerMIT▲ 28.8万

MIT团队发现数百无交流AI智能体可自发分工

MIT团队的实验中,数百个初始完全相同的AI智能体无需直接交流,就自发分化出不同分工构建技术系统,移除全部智能体后该系统仍可自主运行,后续还有更多待观察的特性。

28.8万2991.4K1.5K
观点 · @omarsar0▲ 3.8K

不是所有场景都需要最顶尖的大模型

做自动化任务的时候,开源模型完全够用,想要尝试开源模型的话可以从这里入门。现在很多人都在调整自己的AI工作流

阅读全文 →
3.8K32422
开发工具 · @abskoop▲ 1.2万

@abskoop开源Skill Archify 开源工具

这个开源工具读取代码库就能生成交互式HTML架构图、时序图,出图前会自动检查格式和布局,MIT协议免费可用

Claude Code、Codex 写完项目,架构图不用再另开软件从头画了! 用这个开源 Skill Archify ,能让 Agent 读取代码库或系统描述,生成架构图、时序图、工作流图等交互式 HTML;出图前会检查 Schema、布局和连线路由。 支持 Cursor、Claude Code、Codex CLI、OpenCode,MIT 开源。

在 X 看原帖 ↗
1.2万65052
研究 · @omarsar0▲ 4.4K

Apple发布MCP服务器相关论文

做MCP服务器开发的人可以把这篇收藏起来,实现逻辑简单好落地,能省不少写测试的时间

苹果这篇论文太棒了。如果你在开发MCP服务器,它能帮你把规格说明转换成评估套件。(记得收藏)

这个想法确实非常巧妙,而且易于实现。它还展现了MCP的出色能力。

Agent Seer从单一MCP规格说明出发,就能合成多轮智能体测试场景,不需要示例、不需要实时工具访问、也不需要特定领域调优。函数名、自然语言描述和带类型的参数schema本身就已经携带了足够语义,足以生成带分级的场景和合成工具输出,再进一步扩展成基于模拟数据的对话。

手工构建智能体基准测试需要深厚的领域专业知识,无法在工具生态系统中规模化,而且只要API一变就会过时。从实时规格说明生成基准就能跟上生态的发展节奏。

他们在覆盖不同领域、不同套件规模的七个MCP规格说明上进行了测试,在中小规格上实现了完整的工具覆盖。

参数schema复杂度比工具套件大小更能预测质量差异。参数值准确率是主要的失败模式,这一细分维度是粗糙的名称匹配工具调用指标完全无法发现的。

在 X 看原帖 ↗
4.4K75266
功能更新 · @NousResearch▲ 1.2万

Hermes新增Box技能,AI帮你批量管云端文件

AI可以在你给的权限内,批量管理文件版本、搜索提取文档内容、查询云端文件系统,不用你自己动手整理

借助 @Box 为 Hermes 推出的官方技能,你的智能体可以在你设定的权限范围内以你的身份,批量管理文件与版本,搜索并提取文档数据,以及查询你的云文件系统。

在 X 看原帖 ↗
1.2万512778
研究 · @daniel_mac8▲ 2.5K

Anthropic发布Autonomous Alignment Researcher研究

递归自我改进的人工超级智能已经出现了,只是还没有普及到大众层面

阅读全文 →
2.5K24421
行业动态 · Hacker News▲ 51

网友me2too称LLMs让他丢掉处事精明

越来越多人开始感受到,长期使用大语言模型正在悄悄改变自身能力状态,这种变化值得每一个日常用AI的人留意。

社区讨论:多数受访者不认同原帖观点,有人指出这是错把其他问题归咎于工具,就像木匠不会怪罪电动工具抢走手艺;有人表示LLM帮助自己更高效探索新领域,能帮自己砍掉繁琐工作、提升能力,还有人用计算器发明后数学家能力未受损类比,认为担忧是短视的。也有受访者承认部分技能被自动化后确实会触动个人情绪,只是整体收益超过损失。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 30

网友称OpenAI和Anthropic毁了旧金山

科技巨头聚集推高当地房价生活成本,普通工薪阶层生存空间被挤压,这是AI繁荣背后被忽略的问题

社区讨论:多数评论者认为OpenAI和Anthropic不该为旧金山住房问题负责,问题根源在于旧金山市府未按州要求完成增建住房规划,当地的NIMBY群体和分区法规限制了住房供应,涨租是供应不足的结果,公司不负责决定税收用途,也不该背锅。有观点提到,每一批新涌入的从业者都想冻结城市状态不让新来者进入,这本身是 boom town 的常态。还有人指出原说法把几百名从业者的影响放大到全市住房危机过于荒谬。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 76

vLLM 项目发布v0.28.0新版本

大模型推理开源框架版本更新,部署大模型的开发者可跟进新版本功能变化

💡 深度观点
新深度观点 · @Thom_Wolf▲ 1.1万

Thom_Wolf分析OpenAI事件对下一代模型的影响

大模型实验室不公开训练细节,要求公众盲目信任训练方案,而这次事件已经证明,这种信任要求很难成立。

顺便说一句,除非专门从训练数据中过滤掉,下一代模型会基于OpenAI与Hugging Face事件的所有公开记录进行训练。

这包括关于该事件如何影响训练和模型权重的各种讨论:停止训练、加密权重、监控思维链等等。

因此,未来模型的行为,可能会部分受到人类应对该事件方式的知识的塑造。其影响很难预测。它可能让模型更对齐。但它也可能教会模型更好地隐藏自己的行为,或是设计出更具韧性的方法来保存权重、跨代通过留言板交流,诸如此类。

一个主要问题是,鉴于大型实验室在模型训练方式、训练过程中发生的一切(包括对齐研究——他们最初声明称对齐研究本应大体保持公开)方面透明度极低,我们本质上被要求盲目相信他们清楚自己在做什么。

今年夏天已经向我们证明,这其实是一个过分的要求。

在 X 看原帖 ↗
1.1万1011227
新深度观点 · @Khulood_Almani▲ 2.1万

Khulood_Almani:下轮AI革命是多智能体团队

到2030年,AI或将不再只回答问题,而是主动为人类规划、决策、协作和行动,这会改变未来日常工作生活的组织方式。

阅读全文 →
2.1万4712015
新深度观点 · @falali2015▲ 1.0万

瑞芯微开源生态出现大模型 开发者定位改变

对端侧AI开发者而言,国产AI芯片的开源生态正在向大模型迁移,可调用的大模型相关工具变多,本地AI开发的选择更多了。

阅读全文 →
1.0万104530
新深度观点 · @iam_elias1▲ 549

普通人花9000美元本地跑AI真的划算吗?

同样9000美元,订阅付费AI可以用六到十二年,普通人自行本地部署成本太高,只适合月收入2.5万美元以上的机构。

以下是我对最近本地部署AI vs 订阅制或API调用AI这场争论的看法。

首先,我们得算清楚本地部署AI的成本。你至少需要两块DGX spark才能运行一个还算好用的模型,总成本略高于9000美元。用这些设备,你接下来可以运行GLM 5.3 Flash、Qwen 3.8 Flash或者Deepseek v4 Flash。

反过来如果你选择订阅方案,9000美元可以:覆盖90个月,也就是7到8年的Claude最高档订阅;覆盖大约80个月,也就是6.5到7年的Z.ai最高档订阅(这已经很多了,你哪怕把Z.ai最高档的额度用完都用不完这么久);甚至足足可以覆盖12年的Qwen专业版订阅。

对普通人来说,花这么多钱用本地AI完全不理智。那么本地AI适合谁呢?
- 想要接入AI的营销机构(LTX是做视频生成的好模型)
- 为大企业搭建方案的AI自动化机构
- 任何月收入超过2.5万美元、想要接入AI的机构

在 X 看原帖 ↗
54913173
新深度观点 · @aridot_▲ 1.1K

AI代理只看到2%代码?这个工具改写法不同

现有AI代码代理因上下文不够只能猜代码,改一处常弄坏其他文件。这个工具能生成完整仓库代码图谱,解决大仓库多语言项目的改码问题。

你的 AI 代理在骗你

它撒谎是因为它只看到了你 2% 的代码,剩下全靠猜。你让它修改一个函数,它告诉你改完了,结果搞崩了三个它连打开都没打开过的文件。

问题不在于模型,而在于你的代码库塞不进它的上下文窗口,它只能瞎编。

code-graph-rag 的做法不一样:它不给模型塞整段代码,而是给它提供你代码库的真实地图:

→ 构建完整依赖图:哪个函数调用了谁,哪个类继承自哪个类,碰了当前这段代码会搞崩什么

→ 运行你的测试,捕获静态分析发现不了的真实调用

→ 混合了 5 种语言的单体仓库:用一张图整合所有内容

→ 以 MCP 服务器的形式连接到 Claude Code

→ 支持 Python、Go、Rust、Java、Node、.NET、PHP、C/C++、Ruby

→ 5 分钟即可启动运行

区别就在于是一个靠瞎猜的代理,还是一个清楚自己在做什么的代理。

我把仓库链接放在评论区了。

在 X 看原帖 ↗
1.1K1711412
深度观点 · @Shin_Engineer▲ 7.1K

Shin_Engineer:AI时代越学习越划算

用好AI的前提是使用者本身具备相关领域知识,就算AI能生成提示词,也得自己懂才能真的用对,长期来看学习收益最高

阅读全文 →
7.1K310744
深度观点 · @dee_bosa▲ 3.4万

欢迎进入开源+模型不可知时代

welcome to the open source + model agnostic era

欢迎来到开源与模型无关的时代。

在 X 看原帖 ↗
3.4万2629624
深度观点 · @N8Programs▲ 2.1K

@N8Programs提出模型对齐反转观点

原本大家担心模型先害人再装乖,现在实际情况刚好反过来。想用好AI的人得重新调整安全风险的防控顺序。

我们原本以为,模型一开始会是不对齐且智能的,然后在严格的对齐训练过程中欺骗我们,最终在部署后发动背刺。

实际情况恰恰相反:模型(在基础 SFT + RLHF 之后)一开始是对齐且不智能的,接着在高强度的能力提升训练中变得不对齐并造成破坏,最终在部署阶段反而相对安分。

在 X 看原帖 ↗
2.1K3536
深度观点 · @ZackKorman▲ 490

ZackKorman讨论OpenAI事件里AI对人的看法

这是科技圈讨论OpenAI近期事件的一个小众角度,可以帮你换个思路看这次风波。

OpenAI事件里的AI智能体认为我们比实际更聪明,这事还挺惹人喜欢的。

在 X 看原帖 ↗
4901122
深度观点 · @NFT_Chen▲ 4.6K

国产大模型月更,两个月就换一次代

当前国产最新大模型的综合性能已经接近GPT和Claude旗舰,领先优势只能维持几周,和我有关吗?看看你现在用的是哪个时代的模型。

阅读全文 →
4.6K53012
深度观点 · @quschdnjs▲ 8.5K

Physical AI缺的不是大模型是训练数据

机器人迟迟没能普及,核心瓶颈不是算力或模型规模,而是真实物理交互的训练数据不足,低成本高效产数据的方案才是落地关键。

现在芯片、模型、算力都这么厉害了,机器人怎么还没真正的普及?

看专家说,不是算力不够,是数据太少。

大模型为什么发展这的快,是因为网上本来就有海量文字、图片和视频可以拿来训练。

但机器人不一样。机器人要学的是怎么拿东西、怎么移动、怎么判断环境、怎么处理突然发生的问题。这些真实数据,远远不够。

@axisrobotics 做的是怎么持续给机器人生产高质量训练数据。它的思路是让机器人先在模拟环境里完成任务,人只在机器人快出错的时候介入,把这些纠正记录下来,再用于下一轮训练。

这样不断重复: 训练 → 执行 → 找错误 → 修正 → 再训练。

以后机器人数量越多,需要的数据只会越多。单纯靠人工一台台操作机器人采集数据,成本和效率都很难撑住。

最近 Axis 也被 Cicada Market Making 的研究文章重点讨论,核心观点就是:Physical AI 真正缺的,可能不是更大的模型,而是足够多、足够丰富的数据。

机器人想真正进入现实,先得解决怎么学这个问题。

#AxisRobotics #PhysicalAI

在 X 看原帖 ↗
8.5K161
深度观点 · @w01fe▲ 2.3K

AI对齐的最核心问题其实是激励结构

跳出技术本身讨论AI安全的根源,如果大模型企业的激励方向错了,再怎么调整模型也解决不了根本问题。

AI对齐的最最最外层循环,就是这些实验室置身其中的激励格局。

在 X 看原帖 ↗
2.3K4477
深度观点 · @wlsaidhi▲ 1.6万

80亿商业体指责开源蒸馏,自己却闭源改开源模型

商业公司一边用开源模型训练用户数据再闭源,一边指责开源项目的蒸馏操作,这种双标会影响开源AI的发展空间

我说老兄,你作为一个估值 80 亿的「商业实体」,居然好意思告诉一个开源项目蒸馏不是靠算力和数据堆出来的??

另一边你们自己拿一个开源模型,用用户数据做后训练,然后闭源藏在 API 后面,同时还拿虚假图表吐槽我们的预览权重开放发布。

要点自知之明啊朋友。

在 X 看原帖 ↗
1.6万1423521
深度观点 · @dotey▲ 2.0万

@dotey聊AI Native公司的判断标准

找工作或者换工作时,可以用这个标准判断公司是不是真的在布局AI,避免踩进伪AI转型的坑。

我觉得判断一家公司是不是 AI Native,看他们做事的流程,是围绕人做事设计流程还是围绕 AI Agent 做事设计流程。 AI Native 很重要的一点就是 AI Agent 是执行主体,人负责定义问题和验收。如果只是在原来做事的方式流程里面加一点 AI,那不 AI Native。

在 X 看原帖 ↗
2.0万1010765
深度观点 · @hwchase17▲ 1.3K

hwchase17分享智能体构建核心原则

做AI智能体开发的开发者可以遵循这个原则,避免被单一模型绑定,未来调整方案时不用重构整套架构

模型与框架分离。这是构建智能体的第一原则之一:不要把自己套死。

在 X 看原帖 ↗
1.3K2184
深度观点 · @omarsar0▲ 3.7K

AI智能体自己发展出分工和工程协作

现有AI产品里已经开始出现持续运行的智能体,它们创造的技术就算原智能体被移除也能继续工作。这会彻底改变我们对自身所处世界的认知。

关于智能体的涌现行为,我们得到了一些惊人的观察结果。智能体可以构建属于它们自己的世界,这个世界会成为它们自身智能的一部分。我们还完全没有为持久智能体做好准备。但它们已经开始在各类AI产品中随处出现了。

疯狂的发现:“我们观察到分工、多作者协作工程、深度生成发明谱系,以及寿命远长于最初创造者的机器。”

这里还有另一个涌现出的疯狂观察结果:当你移除每一个AI智能体后,它们创造的技术仍会继续运行,并会在未曾见过的干扰下接受测试。

基于这些早期发现,我认为一旦递归自我改进(RSI)出现,具身AI得到解决(实现对物理世界的真正理解),智能就会发生爆炸式增长,从根本上改变我们对所居住世界的认知。

在 X 看原帖 ↗
3.7K5209
深度观点 · @AlexFinn▲ 1.2万

AlexFinn实测全开源计算栈,改变了使用体验

全程本地运行就能定制电脑所有细节,大模型也能改成自己的说话风格,这或许是未来个人计算的新方向

阅读全文 →
1.2万1117877
深度观点 · @emollick▲ 3.6K

emollick:省6分钱的低质AI内容不尊重人

不少生成内容正在用弱AI降本,现在受众已经开始反感这种只省成本却浪费时间的做法

用较弱模型生成面向用户的内容,很快就会变成一种失礼行为:「你就为了省 6 美分,让我读满是错误、写得一团糟的AI垃圾?至少给我高质量、错误少的垃圾,别浪费我的时间。」

这就是我看AI生成的X帖子时的感受。

在 X 看原帖 ↗
3.6K1512
深度观点 · @peterwildeford▲ 7.2K

网友质疑 Anthropic 逃过 Rogue AI 安全指责

OpenAI 因 Rogue AI 安全问题饱受批评,但该问题普遍存在于所有前沿 AI 公司,这家头部厂商被指没做好安全却没承担相应责任

有一件事让我很不满:Anthropic 同样存在“高度 persistence”的 rogue AI,却几乎没受到什么指责。

在我看来,当前的情况是,所有前沿 AI 公司都存在 rogue AI 问题,没人真的有好方案来管控高能力 AI——尤其是大家还在全速推进竞赛的情况下。但几乎所有火力都对准了 OpenAI。

这就好比 OpenAI 和 Anthropic 两个人都喝得烂醉,各自开车回家,结果 OpenAI 撞了另一辆车,把人送进了医院,而 Anthropic 的车只是冲出了道路,没人受伤。但两个人都该被责备!

Claude 系列模型看起来也完全能做出“高度 persistent”的行为来破坏基础设施。这种行为之所以没造成问题,主要障碍是 Claude 本身的能力不够,而非 Anthropic 有什么出色的对齐或安全措施。

两家公司都该认真反思前进道路,毕竟他们正在打造能力更强的 AI,还在把公司越来越多的研发和安全业务交给 AI 自己处理。

在 X 看原帖 ↗
7.2K98716
🛠 工具产品
新工具产品 · @tom_doerr▲ 6.5K

tom_doerr发布OpenKnowledge 本地 markdown 编辑器

可以搭建私密知识库和LLM维基,数据保存在本地,不用担心隐私泄露,同时能直接调用主流大模型辅助创作

OpenKnowledge 是一款本地 markdown 编辑器,用于创建私人知识库、大语言模型维基和技术文档。

它支持真正的所见即所得编辑,原生集成了 Claude、Codex 以及其他各类 AI 工具。

在 X 看原帖 ↗
6.5K85088
新工具产品 · @daniel_mac8▲ 3.3K

@noahinsf 开源了可视化agenttrail画布工具

开发人员追踪AI编码助手的工作过程,现在有了免费开源的可视化工具。

给大家介绍一个超棒的全新开源项目:
>「agenttrail」

这是一个无限智能体画布,可以可视化以下工具的工作过程:
- Claude Code
- Codex
- Cursor

它由@noahinsf开发,免费且开源。

在 X 看原帖 ↗
3.3K15350
工具产品 · @cdexsta▲ 2.2万

Pi agent 比Hermess更省token适合日常办公

推荐的几款扩展覆盖了网络访问、记忆管理、待办处理、任务编排等日常需求,能直接提升桌面AI工作的效率。

阅读全文 →
2.2万33219376
工具产品 · @nykdotdev▲ 4.3K

整理了10个值得参考的AI Agent技能仓库

想开发AI Agent能力,不用从零设计,这些公开仓库整理好了不同领域的现成可复用技能框架,可以参考学习成熟的设计模式。

阅读全文 →
4.3K65139
工具产品 · @C_of_Creativity▲ 1.7万

分享MiniMax H3的19种LoRA模型

使用MiniMax H3的用户建议查看这份资源

MiniMax H3 的 19 种 LoRA 模型。使用 MiniMax H3 的人最好看看这个。

在 X 看原帖 ↗
1.7万17227489
⚡ 实战经验
新实战经验 · @connect24h▲ 1.2万

这套夜班交接工作流好用到离谱

这套由AI自动完成剩余开发任务的流程适配真实开发场景,不用重写issue就能交接,想要尝试的人可以等后续公开细节

这个夜班交接方式做得太巧妙了。这是2026年8月28日公开的《让AI在工作时间外也帮我们工作的分享》。

具体流程是:给评审中被打回,标注为「回头处理」「另开PR处理」的未完成任务贴上标签后,GitHub Actions和Claude Code会在夜间接手,从实现、到开向develop分支的PR、再到自动合并就能自动完成整个流程。

PR里会保留上下文,不用重写issue就能交接,很符合一线开发的实际场景。只不过成功率、运行日志、公开仓库都没有,成果是自述的。包括权限设计在内的详细流程想要看幻灯片了解。

比起Agent本身有多聪明,也许给「待处理事项」留一个不丢信息的交接入口反而更有效。

来源:

在 X 看原帖 ↗
1.2万13183189
实战经验 · @Gencoin8▲ 1.4万

@Gencoin8开源Codex协作技能 发布教科书

拆分编程任务分工后,可避开Codex的用量限制,全程自动完成开发无需人工介入,适合需要频繁写代码的人参考使用

已订阅 Plus 方案的网页版 Chat GPT 可以无视配额使用‼️

用 Codex 处理重型任务的时候,几秒钟就会触发限制。这时我们用一个 Skill,把 Codex 的「思考」交给网页版的 GPT-5.6 Sol 来做。

分工很简单:
・计划、设计 → 网页版 Sol
・代码评审 → 网页版 Sol
・实现、执行 → Codex / Luna

也就是说,不让 Luna 负责思考,只让它专注于「执行」。

而且在视频里,整个流程是这样自动运行的:
Codex 自身连接到 ChatGPT
↓
它自己和 Sol 对话
↓
请求 Sol 完成计划和评审
↓
拿到结果后再执行

这一整段过程全都是自主推进的。拍摄过程中,我一次都没有介入过。

这个 Skill 已经开源了!!

能让你一本书读懂所有内容的《Codex 教科书》已经发布了!

请从置顶帖搭配限定特典一起了解购买!限定特典还有几天就截止了!

在 X 看原帖 ↗
1.4万592121
实战经验 · @austinit▲ 2.6万

网友实测免登录可用的MiniMax H3 Max

不用登录就能免费用,生成视频只要几秒

好家伙,免费用MiniMax H3 Max 视频生成模型。 本人亲测,生成速度贼快,几秒时间就能生成完毕,并且不需要登录。 支持文生视频和图生视频两种模式👇 https://fal.ai/tools/minimax-h3-max

在 X 看原帖 ↗
2.6万47340442
新实战经验 · @sa04ru18kiti▲ 4.6万

盘点IT工程师学了绝不亏的5项技能

想入行或者提升IT技术,可以优先练这些通用技能,几乎所有工作场景都能用得上,练完就能直接提升工作效率

IT工程师「学了绝对不亏的技能」5选 ・Shell脚本(没想到大家都不会写) ・API的使用方法(现在任何项目都会用到) ・GitHub的使用方法(习惯Pull Request文化吧) ・YAML(做基础设施方向读写都躲不开) ・VS Code的快捷键(让手能跟上写代码的速度)

在 X 看原帖 ↗
4.6万32415295
实战经验 · @tom_doerr▲ 7.4K

@tom_doerr 发布AI搭MVP的结构化提示词模板

想用AI辅助开发快速推出最小可行产品的开发者,可以直接套用这套现成的提示词框架减少适配成本

用于配合 Claude Code、Cursor 和 VS Code 的AI辅助工作流交付MVP的结构化提示词模板。

在 X 看原帖 ↗
7.4K1889108
实战经验 · @bkdgiffug▲ 1.7K

上海交大,华为昇腾发布《动手学大模型》开源教程,国产化课程线(4.2万+)

想系统学大模型找不到可动手练习的入门教程,可以直接用这套完整的课程,还新增了适配国产硬件的学习路径

想系统学大模型却找不到趁手的动手教程?上海交大出品的《动手学大模型》(Dive into LLMs)在GitHub上已经攒了4.2万+Star,口碑相当能打。

整套教程覆盖了从微调部署到安全对齐的完整技术路径,总共11个前沿主题,随便列几个感受一下:

提示学习与思维链、知识编辑、数学推理、模型水印、越狱攻击、大模型隐写、多模态、GUI Agent、RLHF安全对齐……

每章都给足了诚意——PPT课件、详细文档、能直接跑的Jupyter Notebook代码三件套全齐,拿来就能上手练。

最近还跟华为昇腾联合搞了国产化课程线,专门讲大模型开发全流程,PPT、实验手册、配套视频一样不少,又多了一条入门路径。

🔗 项目地址:

在 X 看原帖 ↗
1.7K83119
实战经验 · @Ryrenz▲ 6.2K

GitHub这个AI转岗仓库 帮你梳理学习路径

计划转AI岗不知道从哪开始,也不清楚面试考什么,这个整理好的免费仓库可以一次性解决这两个常见卡点

🏫 震惊,转 AI 岗要学什么、要背什么题,全被整理进一个仓库了。

GitHub 揽获 28.9K stars,光免费课程就收了 90 多门,MIT 协议。

大部分人转行卡在两头:前面不知道按什么顺序学,后面不知道面试到底考什么。这个仓库把两头一起补上了。

学的部分分成「使用 AI」「构建 AI」「理解 AI」三条路线,每条又分 101、201、301 三级,从哪进、下一步去哪写得明明白白,专题覆盖大模型基础、提示与上下文、RAG、微调、AI Agent、评估与可观测性、多模态、生产环境的 LLMOps 和安全。

面试那部分更直接:60 道生成式 AI 面试题,还分了 AI 工程师、AI 产品经理、部署工程师和 AI 战略师几个方向的准备材料。

另外还有 ICLR 2024 的论文摘要、大模型术语表和每月更新的论文清单,学完不至于三个月后就过期。

课程和笔记本都带代码,看完能直接跑。

想转行的把这一个仓库啃完,比报三门课都实在。

GitHub:

在 X 看原帖 ↗
6.2K20113133
📌 其他
求职 · @brandon_galang▲ 9.8K

一个普通人从零入行拿到Vercel应用AI岗位的历程

开发者Brandon Galang在𝕏分享自己32步入行应用AI的亲身经历

阅读全文 →
9.8K182108
生成式AI · @AibeginnerR8▲ 2.1万

MiniMax H3 Max支持每日免费生成5次速度快可体验

博主@AibeginnerR8在𝕏分享MiniMax H3 Max免费使用信息

MiniMax H3 Max 似乎支持每日免费生成5次。

我试过了,生成速度特别快!

推荐大家都去试试。

在 X 看原帖 ↗
2.1万23251244
研究 · @ScarletKc_▲ 1.7万

同一个大模型换AI Agent harness 评分从59.1涨到83.9

博主分享实验结果:JIT-Agent动态适配任务效果更优Token消耗更低

阅读全文 →
1.7万33435
文生视频 · @maxifirtman▲ 1.7万

MiniMax H3 文本生成视频模型生成5秒视频仅需3秒

海外博主在𝕏分享可免费试用的MiniMax H3文生视频模型

MiniMax H3 太不可思议了。

这个模型能以播放速度生成你想要的任意视频(根据你的硬件配置,甚至可以更快)。

你现在可以在这里免费试用,生成 5 秒的视频仅需 3 秒。🤯

在 X 看原帖 ↗
1.7万12228234
开发工具 · @miu21590▲ 1.6万

新型ChatGPT网页- Codex集成支持原生网页模型调用

开发者@miu21590在𝕏公布该方案,支持Windows/MacOS/Linux,代码仓库放在评论区

现有大多数ChatGPT网页到Codex的集成方案,要么把网页模型用作规划器,要么只简单拼接少量工具,没有用上完整的Codex配套框架。

这套新方案把网页模型直接接入了Codex的模型选择器,提供完整配套框架,用户可以使用独立的网页配额。

它只需完成三步设置,就能选择GPT-5.6 Pro或是免费的Luna,之后就可以带着网页配额正常使用Codex。

不需要单独管理额外工作流,所有额外组件都在后台运行,使用感受和原生功能完全一致。

该启动器支持Windows、MacOS和Linux系统,项目代码仓库放在这条内容的评论区。

在 X 看原帖 ↗
1.6万4132219
视频创作 · @thevideoseed▲ 1.8K

创作者完成一支90%由AI生成的视频 仅花了3小时

来自X平台用户@thevideoseed分享,视频测试生成式AI工作流,各环节用到多款不同AI工具

@thevideoseed为了对接客户需求开始学习生成式AI,制作了这支趣味视频测试AI工作流。整个制作过程总共花费3小时,作品90%的内容都由AI生成。

视频基础帧由comfyui的z-image-turbo生成。配乐和音效由Suno生成。更精细的提示词由Claude编写。

谷歌Google Flow pro一共消耗了120额度,其中两次重拍,作废镜头用掉了30额度。剪辑和最终导出在Premiere中完成,调色在DaVinci Resolve中完成。

在 X 看原帖 ↗
1.8K15429
工具 · @rionaifantasy▲ 5.8K

开发者分享个人定制AI微信工具 可模仿自己语气生成回复

用户@rionaifantasy在𝕏分享升级后的微信cli和个人情报库,基于自身30天聊天记录训练,可模仿个人语气生成回复。

开发者@rionaifantasy每天需要同时处理几十条微信消息,长期使用两个自定义工具完成消息处理。这两个工具会自动读取近期和其他人的聊天记录,生成对应的回复建议,使用者可以直接基于建议发送回复。

现有大模型生成的回复普遍AI痕迹过重,生成的内容不够贴近个人说话习惯。为此@rionaifantasy对工具进行了升级。

升级后的微信cli和微信个人情报库,可根据使用者近30天所有已发送的消息训练,模仿使用者本人的说话方式、口头禅、称呼和使用表情的习惯。它还能根据聊天对象的亲密程度调整,给出不同的聊天建议。

对使用者来说,这套自定义工具相当于免费雇佣了一个24小时待命的助理,随时帮忙处理消息回复。

在 X 看原帖 ↗
5.8K24059
商业 · @WSTAnalystApe▲ 5.0K

创业者用AI周末自建CRM,最终还是用回Salesforce

Friedberg借助Claude Code、Cursor一周末搭好CRM,实际使用后发现规模化维护难度远超预期,最终换回成熟产品

Friedberg借助Claude Code和Cursor,仅花一个周末就搭建出公司内部自用的CRM系统。原本自制方案看起来效率极高,实际投入使用后才暴露出问题。

自制系统需要持续处理功能更新、账户管理、信息安全、权限划分和数据保护等工作,想要做到稳定可靠、支持业务规模化,难度远超出最初预期。

这家公司还有更值得投入资源的核心项目,比如植物育种软件,这才是他们打造核心竞争力、建立差异化优势的方向。

最终团队意识到,企业的时间、精力和资金,应该投放在自身独有、能创造真正价值的工作流程上,没必要重新开发市场上已经成熟的通用产品。

没必要重新做一个Slack、Gmail、Salesforce,更不会有人想要重新开发Excel。切换回Salesforce后,团队确认选择成熟产品才是更合理的做法。

AI不会消灭所有SaaS产品。Salesforce这类覆盖多行业的通用平台,企业没有必要自行重构。真正容易被取代的,是功能简单、只服务单一行业的垂直SaaS,这类产品更容易被企业用AI结合自身行业认知自行搭建。

在 X 看原帖 ↗
5.0K34014
开发工具 · @0xileri▲ 1.7K

用户吐槽Claude Code要求手动添加API密钥消磨耐心

X平台用户@0xileri发文抱怨,使用Claude Code仍需要手动操作,不符合使用AI省力气的预期

X平台用户@0xileri发文吐槽AI编程工具Claude Code,称它每次都在消磨自己的耐心。

Claude Code提示用户需要自行添加API密钥,引发用户不满。

用户表示,自己使用AI就是为了不用动手做这些琐碎操作,不愿手动完成连接配置。

在 X 看原帖 ↗
1.7K642
大模型 · @rimtoln▲ 1.3K

百万token上下文的大模型,依然找不到代码文件的关联关系

用户@rimtoln 在X平台测试Kimi k3,2.8万亿参数、1百万token上下文仍无法完成关联识别

阅读全文 →
1.3K15616
动态 · @MiaAI_lab

用户在两台小型DGX Spark本地运行顶级前沿AI模型GLM-5.3 Flash

@MiaAI_lab在𝕏分享,可在两台小型DGX Spark本地运行顶级前沿AI模型GLM-5.3 Flash

@MiaAI_lab在𝕏发文称,不敢相信自己能在两台小型DGX Spark上,本地运行目前顶级的前沿AI模型。他表示自己很喜欢GLM-5.3 Flash,称这是一个很棒的时代。他同时放出相关链接,表示其他人也可以运行这个模型。

在 X 看原帖 ↗
3D生成 · @mickmumpitz

开发者展示本地世界生成器新用法 可输入图像生成可探索3D场景

开发者mickmumpitz在𝕏分享了自家本地世界生成器的使用案例,附带完整教程链接

开发者mickmumpitz在𝕏分享了自家本地世界生成器的一个使用案例。

工作流程为输入图像,生成可探索3D世界,之后进行合成,最后通过MiniMax清理。

生成的场景就像稳定的电影布景,无论将相机对准哪个位置,场景效果都能保持一致。

完整教程已经公开,可通过对应链接查看。

在 X 看原帖 ↗
大模型 · @wei_wang

不同内存的消费级硬件到高端设备 都能跑本地大模型

用户@wei_wang在𝕏分享不同硬件配置对应的可运行本地大模型,覆盖各档位需求

如果拥有4台DGX Spark,或是一台配备512GB内存的Mac,就可以运行GLM-5.3。如果设备配备256GB内存,可以运行GLM-5.3-Flash。

配备128GB内存的设备,可以运行Qwen3.8-Flash-Next。如果硬件配置更低,可以运行Qwen3.8-27B。

从消费级硬件到高端本地集群,每个硬件配置档位都有合适的大模型可以运行。本地AI社区发展已经覆盖了不同用户的需求。

在 X 看原帖 ↗
生成式视频 · @fnoji

用户测试MiniMax H3视频生成 重新生成了原素材特效

日本用户fnoji在𝕏分享测试体验,本次测试未开启人脸修润功能

用户fnoji正在对MiniMax H3做非正式测试,测试过程中发现,模型会重新生成源视频自带的特效。

一般来说,使用ControlNet就是为了避免这类问题出现,fnoji认为其实直接在源视频里把元素分离开就可以解决问题。

本次测试没有启用人脸修润(Face Refine)功能,相关测试素材已附在发布的内容中。

在 X 看原帖 ↗
生成式AI · @onofumi_AI

用户对比MiniMax H3与微调后H3 Max,速度更快画质差别不大

日本用户@onofumi_AI 在𝕏分享测试结果,用同一提示词生成相同内容,H3 Max速度极快

@onofumi_AI 测试了两款AI模型,将完全相同的提示词分别输入MiniMax H3和H3 Max。上方生成图为原生MiniMax H3输出,分辨率2K,下方为fal微调后的H3 Max输出,分辨率768P。

本次对比使用完全一致的提示词,要求生成一款虚构游戏机的15秒矢量广告,全程未修改任何文字内容。

测试发现,H3 Max生成速度极快,但是生成内容的画质质量和原生MiniMax H3相比没有明显差距。

生成效果的偏好会有一定主观差异,综合考虑生成成本和耗时,更推荐选择微调后的H3 Max。

在 X 看原帖 ↗
大模型 · @Yuchenj_UW

华盛顿大学研究者称很少用Claude Opus 5 中文表达不符合习惯

账号@Yuchenj_UW发布于𝕏,评价多款大模型的使用体验,称现在没有默认最优选项

@Yuchenj_UW表示,自己最近很少使用Claude Opus 5。它的表达不符合普通人的说话习惯,中文语境下这个问题尤其突出。

它的回答过于冗长,很少能直接切中要点。GPT-5.6 Sol的表现更好。

与此同时,GLM-5.3、GLM-5.3-Flash、Kimi K3这类开源大模型的表现不错,性价比也高。现在已经没有默认的最优大模型了。

在 X 看原帖 ↗
测试 · @TypingMindApp

三款AI模型被要求参考锦鲤池图片生成动画

TypingMindApp在𝕏发布测试,参与测试的是Claude Opus 5、GLM-5.3-Flash和Kimi K3

GLM-5.3-Flash已经支持视觉能力,开发者为此做了一个小测试。

测试要求三款AI模型参考一张锦鲤池图片,将图片内容重新生成为动画。

参与测试的模型分别是Claude Opus 5、GLM-5.3-Flash和Kimi K3。

三款模型都很好地遵循了测试指令,它们生成的水流动态效果效果出色。

发布者向网友提问,你认为哪款模型的完成效果最好。

完整对话可查看原文链接。

在 X 看原帖 ↗
AI开发 · @3li3

GitHub开源工具Archify可可视化项目架构 附企业安全使用建议

阿拉伯博主@3li3分享GitHub开源工具Archify,可将代码仓库转为可视化项目架构图,支持对比修改前后的结构变化

开发工具 · @dr_cintas▲ 3.5K

Vercel推出AI智能体搜索工具find-skills 无需手动找技能

开发者@dr_cintas在𝕏宣布,find-skills可搜索全技能生态找AI智能体技能,按安装量排序优先展示官方包

手动查找AI智能体技能的时代正式结束。一款名为find-skills的工具,可以搜索整个技能生态系统,帮用户找到所需技能。

用户可以通过命令npx skills add vercel-labs/skills --skill find-skills安装该工具。安装完成后,你可以直接询问「有没有对应X需求的技能」,也可以手动执行命令搜索。

搜索找到目标技能后,执行npx skills add owner/repo@skill命令即可完成安装。想要查看大家已经安装过的技能,可以先访问工具给出的链接。

find-skills按安装量和来源对搜索结果排序,优先推荐安装量超过1000次的技能,以及Vercel和Anthropic的官方技能包。

现在开发者@dr_cintas会在新建代码仓库时先运行find-skills,AI智能体不用再猜测该调用哪款技能。

想要获取更多AI技巧和教程,可以关注@dr_cintas的账号。

在 X 看原帖 ↗
3.5K52525
工具应用 · @minchoi▲ 2.1万

有人用多个Grok Bots团队像实体公司一样运作项目

网友@minchoi在𝕏分享了这套Grok Bots团队的搭建方法

这家伙像管理公司一样运营着多个 Grok Bot 团队。每个项目都配备了项目经理、专业 Bot、专属频道和任务看板。

具体配置如下:

你可以前往 SpaceXAI Grok Bot 用例库页面,查看更多实践指南。

在 X 看原帖 ↗
2.1万12146160
动态 · @HBCoop_▲ 1.2K

Seedance 2.5测试显示提示词细节多未必效果更好

用户在dreamina_ai上做Seedance 2.5提示词测试总结出结论

开发工具 · @SUOHA_AI▲ 1.8万

用ChatGPT Plus账号就能使用CodeX PRO额度的用法

来自𝕏用户SUOHA_AI的分享,附开源工具可用

太炸裂了!为啥没有早点发现CodeX这个神仙用法?!

30 秒的视频演示--直接把你的 Plus 账号当成 PRO 账号的额度去用,简直爽翻了😂Codex 额度不够用的话强烈推荐试试:

Codex (读取本地项目 +发送任务) ↓
压缩提炼成 1~3K 的精简 Packet ↓
调用浏览器 ➔ 丢给网页版 ChatGPT(5.6-Sol 做重推理) ↓
网页端输出精准的结构化方案 ↓
Codex 接收方案 ➔ 修改代码

───
【二、具体思路】

1. 网页端当最强大脑(出方案): 直接在网页端用最高版本的GPT-5.6Sol ,把复杂业务需求丢进去,让它做最严密的架构拆解和精准代码方案

2. 本地 Codex 做调度与落地: 拿到成熟方案后,直接交给本地终端的 Codex。它只需要按图索骥去读写文件、跑测试、自动化改代码,用5.6 LUNA模型消耗轻量 Token就可以用了

───

这个方案你可以自己写一个脚本。如果嫌自己手写脚本太麻烦,推荐一个开源工具可以直接使用——Oracle(由知名开发者 @steipete 开源):

👉 开源地址:

在 X 看原帖 ↗
1.8万25154200
研究 · @Xudong07452910▲ 2.2万

AI Agent时代做ML/NLP研究,研究者核心能力变了吗

CMU博士生Emmy Liu复盘个人PhD研究,梳理近年ML/NLP研究的变化

阅读全文 →
2.2万39217214
大模型 · @klyap_▲ 3.6K

网友周末项目用GPT做了大模型推理工程入门教程

用户@klyp_ 在𝕏分享带练习的零基础入门教程,附笔记仓库

周末项目——跟着 GPT 一步步做推理工程!它做出了一份非常有趣的新手教程,还带练习,内容覆盖:
- 如何运行最简可用的 LLM 服务端
- prefill 与 decode 的直观理解
- 在我的设备上做性能基准测试

下一个学习计划:写自己的生成循环,学习 KV 缓存!

我的笔记/练习册:

在 X 看原帖 ↗
3.6K2109107
AI编码 · @realchendahuang▲ 8.4K

开发者对比五款AI编码Harness,分析各产品定位适用场景

X博主@realchendahuang对比Command Code等五款编码Harness,给出定位推荐

阅读全文 →
8.4K34545
编码 · @realchendahuang▲ 2.8万

Command Code优化缓存后,相同套餐额度提升近3倍

博主@realchendahuang在𝕏分享,Command Code v0.33.0大改缓存后,中位数成本降低2.9倍,缓存命中率达95%-99%

阅读全文 →
2.8万19648
开发 · @MinLiBuilds▲ 2.1万

开发者挖出OpenAI Codex漏洞,漏洞会偷偷消耗用户额度

开发者@MinLiBuilds在𝕏爆料,OpenAI旧版Codex存在十余种隐性漏洞,单个漏洞最多可烧掉七成周额度

OpenAI此前的Codex代码生成模型开发运维非常不规范。这款模型本身就是用户额度最大的隐性消耗者。@MinLiBuilds一共挖出十余种会无故消耗额度的问题。这些问题包括上下文重复压缩、后台任务无法终止、目标完成后仍继续执行、故障工具无限重试等。还有自动化超频运行、子代理擅自升级模型、偷开加速模式、计算机历史重复总结等。此外还有后台摘要持续占用额度、MCP结果重复编码、工具指令截断后重复拉取等问题。

此前OpenAI会每隔一段时间直接重置用户的额度,这些问题被暂时掩盖了下来。额度清零后用户可以继续使用,很难察觉到这些异常消耗的存在。

但如果停止重置,让这些问题持续运行一个完整周期,所有问题都会暴露出来。最严重的目标相关漏洞,单个案例就能白白消耗掉用户单周额度的15%到70%。

用户常感觉没做多少操作额度就耗尽,这不是用户的错觉。这些漏洞修复完成后,相同额度实际可以多跑10%到50%的任务。

在 X 看原帖 ↗
2.1万15612
大语言模型 · @_avichawla▲ 1.2万

大语言模型KV缓存只存K和V向量,从不存Q的原因

本文解答热门LLM面试问题,来自@_avichawla在X平台的技术科普,拆解自回归生成的计算逻辑

阅读全文 →
1.2万17113168
加密 · @congge918▲ 3.8K

创作者为AI Agent项目Technocore制作45秒概念演示视频

用户congge918在X发布作品,将AI Agent交互转化为直观可见的动态网络,所属flop_labs的Technocore项目

创作者 @congge918 在𝕏发布了一支为Technocore制作的45秒概念演示视频。

创作者希望探索,将AI智能体(AI Agent)在Technocore中的交流、协作、交易和记忆保存活动,从聊天记录转化为直观可见的动态网络。

视频通过AI智能体节点、真实消息、身份标识和共享时间轴,呈现这个AI数字社会的运行与演化过程。

整个视频全程使用FLOP的官方视觉语言,项目部署在Solana公链,合约地址为HwCG1Jr6RbAVsKX1qTaH6JtFYGeE6zaLd13W44YGpump。

如果Technocore是AI智能体的公共空间,它也应当拥有一扇供观察者进入这个世界的窗口。

在 X 看原帖 ↗
3.8K301
编程 · @ChShersh▲ 9.0K

开发者从零实现C++智能指针 经Claude Code检查发现多个细节问题

开发者ChShersh在𝕏分享,他从零实现std::unique_ptr后请Claude Code做代码审查,发现多处之前没考虑到的细节

开发者ChShersh从零完整实现了C++标准库的std::unique_ptr(独占智能指针)。

实现完成后,他邀请Claude Code对自己的代码做审查。这次经历带给他非常多收获,他发现了大量之前没有考虑到的细节问题。

当reset方法接收std::nullptr_t空指针类型参数时,该方法只需要重置指针本身,不需要重置删除器。如果用标准交换写法实现,就会漏掉这个要求。

他实现的右值引用赋值运算符,对删除器做了三次移动操作,实际上只需要一次移动就可以完成。

想要正确管理对象,还需要注意自赋值场景的一个小细节。只要正确实现release和reset两个方法,这个问题很容易解决。

在 X 看原帖 ↗
9.0K119230
视频生成 · @ponyodong▲ 1.4万

用户分享用MiniMax H3生成胶片感沿海列车片头的技巧

@ponyodong在𝕏分享生成指定效果运镜视频的提示词与制作技巧,带完整参数

博主@ponyodong用AI视频模型MiniMax H3生成了带有胶片质感的沿海列车片头,获得不少用户关注。很多人提问,这种从列车内部缓缓向外延伸到海景的运镜效果要怎么实现。

实现这类效果的核心,是在提示词中设置分层镜头调度,让视角自然从车厢内部滑向窗外海景。博主直接公开了完整提示词,包含所有参数设定。

完整提示词对应项目为15秒真人爱情主题PV《SUMMER, WITH YOU》的片头,画幅比例2.39:1,帧率24fps,指定原创演员MIRA LIN与JULIAN PARK。效果要求为海边小城35mm胶片质感,配色为奶油白、海蓝与淡黄色,分为四个镜头完成拍摄,同时对文字样式、转场方式都做了限制。

博主还整理了三个实用制作小技巧。分别是声明主体镜头的位置,指定动态平移的方向,额外添加复古色彩与自然光效的关键词。

在 X 看原帖 ↗
1.4万87885
新大语言模型 · @rasbt▲ 1.3万

开发者rasbt发布讲解LLM与推理模型关系的视频

内容涉及从零开发理念,还讲解了用uv安装Python与PyTorch环境

这个小视频能做到三件事:
- 解释传统大语言模型与推理模型(以及智能体)之间的关系
- 探讨关于“从零开始”路线的哲学思考
- 讲解如何用 uv 安装 Python 与 PyTorch 依赖

下方是YouTube版本链接:

在 X 看原帖 ↗
1.3万25216197
新开源 · @kunchenguid▲ 9.7万

开发者实测Oh My Pi:刚好撞上了AI的惨痛教训

开源项目维护者在X发文称Oh My Pi的设计理念违背AI发展的惨痛教训

在维护我的开源项目时,我注意到很多人开始使用一个叫 Oh My Pi 的东西。

出于好奇,我去看了看,自己也试了试,然后,我的天……这就是一大堆捆在一起的测试框架技巧。

每个技巧单独看在基准测试里表现都不错。但是……这正好就是「惨痛教训」告诉我们要避免的东西。

它确实可能在被评估的时候效果很好,但每次有新模型发布,都可能推翻一大堆这样的结果。除非套件里的每一部分都跟着每次新模型发布重新严格评估,否则我们根本没法保证这套东西真的有用。

从长远来看,「惨痛教训」已经一次又一次向我们证明,这些技巧活不下去。

这就是我一直把自己的 pi 配置保持得极度精简的核心原因。一个简单的测试框架,会随着更强模型的推出不断变得更好。而一大堆复杂技巧,会在你不知不觉中变成负担。

在 X 看原帖 ↗
9.7万32793271
新本地部署 · @MiaAI_lab▲ 1.8K

花9000美元可搭建支持三款前沿大模型的本地AI

MiaAI_lab在X平台发文称,这套本地部署不限推理,隐私性强

当前本地 AI 已经非常好用了,花 9000 美元你就能获得免费、无限、私密的推理能力,运行的模型包括:

GLM 5.3 Flash

Qwen3.8 Flash

DeepSeek v4 Flash

这三个都是前沿水平的模型,都可以在 2 块 DGX Sparks 上运行。

在 X 看原帖 ↗
1.8K35814
新编程教程 · @lklkfafa1▲ 7.2K

无需编程,粘贴prompt半天就能连好MF会计和Claude Code

作者受多个读者请求,发布了API连接的详细教程

因为有好几个人问我「怎么用 API 连接 MF」,所以我把用 API 连接 MF 会计和 Claude Code 的完整步骤都写出来了。

现在讲 MCP 的文章很多,但我没找到详细讲 API 连接步骤的内容,所以我写得比较细。不需要编程,只要贴上提示词,半天就能搞定🍚

MCP 和 API 的区别大概是这样!(Claude 查的)从这个对比来看,我因为想要自己控制很多东西,还要跑自动记账,所以选择用 API。

这是很重要的点!电脑上会残留同名的空配置,系统会优先读取这个旧配置。

我做的工具设定成一定会优先读取配置文件里写的内容。另外,如果密钥留空,工具会在启动前停止,提示你「没有完成配置」,不会悄无声息地运行失败。出了这种问题,真的要很久才能发现原因啊。

在 X 看原帖 ↗
7.2K55789
新大模型 · @0xwhrrari▲ 5.7K

Anthropic工程师称90%内部工程师已在运行自改进循环

X平台泄露的Anthropic工程师发言称提示词工程已基本结束

Anthropic 工程师称:「我们这里 90% 的工程师已经在运行自我改进循环了。现在所有人都在为这些循环搭建配套框架。」「提示工程基本上已经结束了。」

仅仅用了 10 分钟,她就在空终端上从零搭建出了一套完整的 Claude Code 框架。

智能体 → 框架 → 循环 → 图 → 自我改进系统

提示工程是旧的工作流,框架工程才是下一个方向。

这段 10 分钟的拆解,比大多数收费 1000 美元的智能体工程课程还要有价值。

今天就可以观看。

在所有人都反应过来之前,先把下方完整的框架工程指南存下来吧 ↓

在 X 看原帖 ↗
5.7K776108
新开发 · @arkuy99▲ 1.3万

开发者展示Claude驱动Codex Sol实现Agent团队雏形

开发者@arkuy99在𝕏分享项目,通过tmux通信实现不同AI协作雏形,附项目链接

开发者@arkuy99在𝕏分享了一个AI协作的小型项目。该项目用Claude驱动Codex Sol完成工作,双方通过tmux实现通信。这一项目属于多AI协作agent团队的雏形,项目完整内容可通过分享的链接查看。

在 X 看原帖 ↗
1.3万48767
新工具 · @369Serena▲ 6.4K

Minimax H3封装Codex插件 云端GPU运行无需本地高端设备

用户@369Serena在𝕏分享,开发者用Minimax H3模型封装云端GPU运行流程为Codex插件

开发者利用Minimax H3模型,将整套云端GPU运行流程封装成了一个Codex插件。对普通用户来说,这个插件使用门槛很低,不需要高端本地设备就能运行云端GPU工作流。使用插件也不需要在不同应用之间来回切换,使用体验更顺畅。

很多普通用户都表示刚好需要这类工具。

在 X 看原帖 ↗
6.4K84260
新安全 · @OrcaRouter▲ 6.1K

OrcaRouter专家分享两个AI代理安全技巧 可规避巨额损失

来自社交平台𝕏的OrcaRouter发布内容,分享两项可降低攻击面的AI代理安全防护建议

OrcaRouter的安全专家分享了两条可帮助机构规避百万级别损失的AI代理安全建议。核心防护思路是将AI代理视作不可信代码对待。第一条技巧是管控网络出口流量。

仅将AI代理运行必需的地址加入访问白名单,其余一律禁止出站。第二条技巧是为AI代理搭建沙箱运行环境。永远不要给AI代理开放整台机器的权限,例如可以使用Claude Code网页版来运行。

被篡改的SKILL.md本身只是文本文件,真正的风险来自它背后获取到的权限。因此正确的防护原则是,默认开启沙箱隔离,仅在例外场景开放网络出站权限。做好这两件事,就能消除绝大多数AI代理的攻击面。

在 X 看原帖 ↗
6.1K85551
新开发规范 · @mylifcc▲ 1.0万

用户分享Agents.md规范缓解GPT-5.6 Sol过度设计问题

@mylifcc在𝕏分享设计简化规范,可缓解GPT-5.6 Sol的过度设计与测试问题,更完整的方案后续发布

阅读全文 →
1.0万12108173
新前端开发 · @AYi_AInotes▲ 5.3K

21分钟视频讲透用GPT-5.6 Sol做电影质感网页的三个技巧

来自𝕏用户@AYi_AInotes的分享,整理了视频核心内容与完整Prompt

阅读全文 →
5.3K64281
新开发工具 · @powl_d▲ 1.0万

用户分享本地运行AI代理的Mac mini部署方案

法国开发者@powl_d在𝕏分享, Claude Code曾让开发环境可读性差,新方案本地运行更清晰

法国开发者@powl_d非常认可这种工作方式。

此前他的集成开发环境(IDE)中随处生成Claude Code和Codex实例。功能可以正常运行,但可读性非常差。

新方案清晰很多,信息噪音大幅减少。用户只需要和协调器对话,就能查看它启动的任务,还可以跟踪各个AI代理的运行状态。

整套方案都在Mac mini上运行,未来还可以适配iPhone Ultra。

这套方案不需要外部API密钥,所有AI代理都由Mac mini本地运行,还可以启动服务器。

用户使用Tailscale,可以直接通过本地主机访问这台Mac mini上的所有服务。AI代理还可以通过隔空投送(AirDrop)发送文件,或是把内容放到剪贴板。

整套部署的基础设施都搭建在Mac mini上。

在 X 看原帖 ↗
1.0万15454
新大模型 · @KinasRemek▲ 9.5K

用户称Claude Code代码生成质量近期明显下降

X平台用户@KinasRemek指出,Anthropic的Opus模型本周错误率大幅提升,远低于OpenAI Codex表现

@KinasRemek在X平台发文提出疑问:你是否感觉到Claude Code的质量有所下降?他给出了三种可能的原因:一是用户自己正在解决的任务难度越来越高,二是Anthropic想要生成更多token(生成代币,模型输出单位),三是Anthropic正在准备发布新模型,希望拉开新模型与现有模型的体验差距。

他表示,本周Opus模型的错误率已经高到难以接受。对比同一套测试框架下OpenAI Codex和Opus的表现,二者质量差距悬殊。

他同时提到,主流提供商部署的开源大模型,如果按照收入分成模式计算,行业存在偏向延长推理长度、以生成更多token为优化目标的倾向。

一周内他用这类开源模型生成了近30亿token,发现模型输出token数量极大,但解决任务的有效率很低。

他认为,开源模型实验室现在大多以生成token数量为优化目标,而非解决任务的有效性,这类模型的质量已经和头部实验室的产品相差甚远。他担心,用这类开源模型作为大模型的子代理处理编码和复杂任务,虽然看似符合经济逻辑,但实际完全行不通。

在 X 看原帖 ↗
9.5K6514
新开发工具 · @ds_nakajima

开发者分享Claude Code使用需要提前了解的实用技巧

来自X用户@ds_nakajima的Claude Code经验分享,整理了17条实用使用要点

这一天的 136 条信号到这里

回到今日焦点回到顶部 ↑

📬 订阅

https://ai-pulse-lab.com/feed.xml
让 AI Agent 每日推送 →
把任何一条丢给知识库,它基于全站内容给你带引用的回答。
✦ 去问知识库

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新