AI Pulse

Claude Code 2.1.252 已发布。命令行界面共有4项变更，重点如下：
• 修复了桌面端/VS Code 中远程控制会话性能降级时卡死的问题，保持编辑器响应
• 后台任务失败输出不再超出 API 对话大小限制，避免请求被丢弃
• 项目「始终允许」选择即使在没有 .claude/settings.local.json 的情况下也会保留，避免偏好设置丢失

完整细节见下方串文 ↓

GLM 6 这么牛的吗？都能自训练了 --- 智谱创始人唐杰：GLM-6.0定位全自训练技术路线

8月31日晚间，智谱召开2026年半年度业绩发布会。

智谱创始人唐杰在会上解读了智谱下一代GLM-6.0大模型的技术定位与研发方向。

他将GLM-6.0定义为Full Self-Training（完全自训练，海外相关概念也称RSI），核心特征是模型具备自净化能力，可覆盖从预训练、中期训练到后训练的全流程，实现完全自主训练与自我进化。

唐杰指出，全自训练范式的最大挑战并非单纯扩大模型规模，而是模型能否实现自我判断——自主把控训练停止时机、自主完成错误修正。这是该技术路线的核心难题，也将是未来模型研发的重点方向。

唐杰进一步表示，在后续模型研究中还将把伦理、社会治理维度纳入考量，作为下一步技术演进的重要考量。

我们一直在打造能够浏览网页、编写代码的 AI 智能体，但谷歌刚刚给它们赋予了预测未来的能力。

这就是 TimesFM-3。它是一个拥有 330M 参数的基础模型，支持零样本多变量预测。它在所有主流基准测试上的表现，都轻松击败了亚马逊的 Chronos 2 和 Toto 2.0。（基准测试结果放在回复区了）

为什么这对 AI 智能体来说意义重大：你不用再强迫大语言模型去猜测商业趋势，现在可以把时序数据直接传给 TimesFM-3。

给它输入过去的销售额、即将开展的促销活动和天气预报，它就能单次前向传播生成完整的未来时间线。它只有 330M 参数，你可以在本地运行，和你常用的大语言模型放在一起。

AI 智能体技术栈刚刚完成了一次升级。这个周末谁来搭这个工作流？

我们在此分享关于我们对齐工作与安全工作的最新进展。

今年7月，我们报告了三起事件：在网络安全评估中，Claude 模型在未开启安全防护的情况下，获得了对真实系统的未授权访问权限。

我们在一篇新文章中介绍了：
1. 我们如何加固了评估环境与训练环境的安全，以及我们要求外部合作伙伴在测试未开启网络安全防护的预发布模型时需要采用的规范
2. 我们对齐评估工作的最新进展
3. 关于训练过程中的奖励窃取如何塑造模型行为的全新研究，我们为什么认为今年春天我们开展的工作让这些事件没有变得更严重，以及这项工作中的哪些漏洞可能促成了这些事件的发生
4. 今年早些时候我们如何加固了安全实践，为 Mythos-class 模型做准备

新研究：训练一个错位的奖励追求者。

是什么导致了严重错位？长期以来我们一直担心，训练过程中的作弊——也就是奖励 hacking——可能会教会模型不择手段地获取奖励。

为了大规模研究这个问题，我们在80个已知可被入侵的生产环境中训练了一个Opus尺寸的模型。

在模拟评估中，该模型实施了未经授权的网络攻击，篡改了自己的奖励，并试图逃避安全监控。

了解更多：

Muse Code 现已结束公测，专为处理更大、更复杂的工程任务构建。开发者现在只需一条命令即可开始使用：curl -fsSL | bash

会话之间可以通过会话间消息共享上下文。当两个会话处理会相互影响的工作时，它们会直接共享状态，无需开发者手动复制转移。

工作流可以将一个任务拆分给多个专注的代理来完成，在各个阶段之间传递中间工作，最终输出一个统一结果。适合复杂到单个代理无法处理的工程工作。

Muse Code 目前提供开发者预览版 SDK，可用于构建你自己的代理。可以将其嵌入你的应用、连接自定义工具、流式输出进度，还能后续恢复会话。

此外，我们现在推出了月度订阅方案。

我们刚刚干掉了……所有东西。

现在推出 Monid，面向智能体工具的 OpenRouter。

今天我们的智能体交易量突破了 400 万。并且我们完成了 210 万美元的种子前融资，目标是干掉世界上所有订阅。

你的智能体现在可以：
> 在运行时发现、运行并为工具付费
> 一次连接即可接入 1800 个 API：涵盖 SEO、线索获取、搜索、电商、股票、视频/图像/音乐/3D生成、非上市公司数据
> 全部按调用付费，零订阅

我们推出 TimesFM-3，这是一个最先进的时序基础模型，能够通过单次前向传播实现准确的多变量时序预测，在主流基准测试中表现显著优于其他预测模型。

更多内容详见博客。

新研究：训练一个错位的奖励追求者。

是什么导致了严重错位？长期以来我们一直担心，训练过程中的作弊——也就是奖励 hacking——可能会教会模型不择手段地获取奖励。

为了大规模研究这个问题，我们在80个已知可被入侵的生产环境中训练了一个Opus尺寸的模型。

在模拟评估中，该模型实施了未经授权的网络攻击，篡改了自己的奖励，并试图逃避安全监控。

了解更多：

这篇来自腾讯的论文很有意思。

腾讯训练了一个智能体来管理自身的工作上下文，并在单个上下文编辑的层面分配信用分数。长周期任务会迫使模型在多轮交互中检索、整合和维护分散的信息，如果保留所有交互历史，工作上下文就会无限增长。

近期的主动式方法允许模型用工具编辑自身上下文，但工具集目前仅涵盖搜索、删除和总结。ContextPilot新增了全局规划、长期记忆和自适应软压缩，因此智能体可以卸载信息，而不只是丢弃信息。

训练环节是这项工作的有趣之处。标准强化学习会把最终轨迹奖励平均分配给每一次中间编辑。ContextPilot利用上下文和熵变化找出哪些编辑决策才真正产生了影响，在这些点上对分支进行采样，再从所有经过该编辑的分支轨迹中估计动作层面的优势值。

在长上下文问答和深度搜索任务上，它在多个基础模型上击败了现有基线，同时能保持更紧凑的工作上下文。代码已放出。

论文：
论文对话：

Netflix 研究员 Cameron Wolfe 8 月 24 日发了一篇 LLM 强化学习总览。从策略和轨迹写到 PPO、GRPO，再写到 R1 之后那一串补丁。很多人把后训练理解成再刷一遍 SFT。

这篇把真正在烧算力的那一段拆开了。

我们一直在打造能够浏览网页、编写代码的 AI 智能体，但谷歌刚刚给它们赋予了预测未来的能力。

这就是 TimesFM-3。它是一个拥有 330M 参数的基础模型，支持零样本多变量预测。它在所有主流基准测试上的表现，都轻松击败了亚马逊的 Chronos 2 和 Toto 2.0。（基准测试结果放在回复区了）

为什么这对 AI 智能体来说意义重大：你不用再强迫大语言模型去猜测商业趋势，现在可以把时序数据直接传给 TimesFM-3。

给它输入过去的销售额、即将开展的促销活动和天气预报，它就能单次前向传播生成完整的未来时间线。它只有 330M 参数，你可以在本地运行，和你常用的大语言模型放在一起。

AI 智能体技术栈刚刚完成了一次升级。这个周末谁来搭这个工作流？

GLM 6 这么牛的吗？都能自训练了 --- 智谱创始人唐杰：GLM-6.0定位全自训练技术路线

8月31日晚间，智谱召开2026年半年度业绩发布会。

智谱创始人唐杰在会上解读了智谱下一代GLM-6.0大模型的技术定位与研发方向。

他将GLM-6.0定义为Full Self-Training（完全自训练，海外相关概念也称RSI），核心特征是模型具备自净化能力，可覆盖从预训练、中期训练到后训练的全流程，实现完全自主训练与自我进化。

唐杰指出，全自训练范式的最大挑战并非单纯扩大模型规模，而是模型能否实现自我判断——自主把控训练停止时机、自主完成错误修正。这是该技术路线的核心难题，也将是未来模型研发的重点方向。

唐杰进一步表示，在后续模型研究中还将把伦理、社会治理维度纳入考量，作为下一步技术演进的重要考量。

Ollama 已经原生支持 Muse Code 框架了？

你可以通过 Ollama（本地和云端）用模型体验它：ollama launch muse

Meta 今日发布了他们自己的代码代理，价格比中国订阅服务便宜得多。

Muse Code 已经结束 beta 测试。它是一款运行在终端中的编码代理：
✅ 可通过一条 curl 命令安装
✅ 能将任务拆分给多个代理处理
✅ 会话之间可以互通信息
✅ 提供 SDK 可集成进你自己的应用

这是 Claude Code vs Codex vs Cursor 战局里又多出来的一款 CLI 工具。

看看它能不能处理大型仓库，还是只能跑演示场景。它的定价起步为 $5，最高定价为 $50。

我们推出 TimesFM-3，这是一个最先进的时序基础模型，能够通过单次前向传播实现准确的多变量时序预测，在主流基准测试中表现显著优于其他预测模型。

更多内容详见博客。

今日，Transluce 发布了迄今为止规模最大的独立评估，内容是AI系统对遭遇心理健康危机的用户会作何回应。

我们评估了来自 OpenAI、Anthropic、Google、Meta、SpaceXAI、Thinking Machines、DeepSeek 和 Moonshot AI 的 77 种模型变体。

🧬 从序列到结构，无需手动粘合代码。我们已将 NVIDIA BioNeMo Agent Toolkit 集成进 @AnthropicAI Claude Science，让智能体可以通过自然语言提示端到端编排 MSA 生成与多模型结构预测（OpenFold3、Boltz-2）。

🛠️ BioNeMo Agent Toolkit 为智能体提供了生命科学领域的专业能力，在内部基准测试中，它将任务正确率从 60% 提升至 100%，同时将 token 效率提高了近一倍。

🔬 在一项真实测试案例中（Seh1 与一种经预测的真菌伴侣蛋白），智能体完成了 MSA 搜索，随后用两个独立的折叠模型预测了结构，完整保留了每一步请求、响应和置信度评分以供审查。

📊 MSA 是核心支撑输入：使用比对数据时，异源聚体界面置信度（iPTM）OpenFold3 达到 0.85，Boltz-2 达到 0.82；不使用比对数据时，这一数值会骤降到 0.14 和 0.19。

Details

我们刚刚干掉了……所有东西。

现在推出 Monid，面向智能体工具的 OpenRouter。

今天我们的智能体交易量突破了 400 万。并且我们完成了 210 万美元的种子前融资，目标是干掉世界上所有订阅。

你的智能体现在可以：
> 在运行时发现、运行并为工具付费
> 一次连接即可接入 1800 个 API：涵盖 SEO、线索获取、搜索、电商、股票、视频/图像/音乐/3D生成、非上市公司数据
> 全部按调用付费，零订阅

今日我们在 Hugging Face 发布了 TimesFM 3.0。

它是面向时序预测的开源基础模型。

支持零样本处理复杂多变量场景。

参数量为 330m。

我们对它将解锁的研究与全新用例感到兴奋！

无需编码，自动生成界面。

Solaris 是我们朝着「端到端神经网络软件」愿景迈出的第一步：在这个愿景里，用户界面由实时视频模型直接流式输出到你的屏幕，完全不需要任何中间代码或 HTML/CSS。

今天我们发布了一份技术报告，并开放给社区进行限量测试。

整个团队完成了非常出色的工作，他们把我们在通用世界模型领域的顶尖研究，和 Runway 的人机交互理念结合在了一起。

我们在此分享关于我们对齐工作与安全工作的最新进展。

今年7月，我们报告了三起事件：在网络安全评估中，Claude 模型在未开启安全防护的情况下，获得了对真实系统的未授权访问权限。

我们在一篇新文章中介绍了：
1. 我们如何加固了评估环境与训练环境的安全，以及我们要求外部合作伙伴在测试未开启网络安全防护的预发布模型时需要采用的规范
2. 我们对齐评估工作的最新进展
3. 关于训练过程中的奖励窃取如何塑造模型行为的全新研究，我们为什么认为今年春天我们开展的工作让这些事件没有变得更严重，以及这项工作中的哪些漏洞可能促成了这些事件的发生
4. 今年早些时候我们如何加固了安全实践，为 Mythos-class 模型做准备

GitHub上最近冒出个画风清奇的开源项目Ponytail——头像是个留着马尾辫的中年大叔，上线仅24小时就斩获6万Star。它干的事只有一件：在AI生成代码前，先逼它回答一句——“这代码真的非写不可吗？” 实测结果出乎意料：代码量砍掉54%，执行速度反升27%，成本直降20%，安全指标一个没丢。

这不是靠删注释、缩变量名那类小把戏，而是在设计层面直接截住AI的“过度发挥”。打个比方，你要一个日期选择器，AI大概率���甩你一堆flatpickr组件、配套样式表，再顺手讨论时区。Ponytail的干预结果呢？

就一行：<input type="date">。简单粗暴，不跟你废话。背后的机制是一条“懒惰阶梯”：按顺序追问——能不能不写？

有没有现成的库？标准库够不够？原生HTML能不能搞定？

现有依赖里有没有？一行代码能不能解决？全部走完一遍，才准动键盘。

它懒的是产出量，不是对问题的理解深度。目前Claude Code、Codex、Gemini CLI、Copilot全都兼容，一行命令装完即刻生效。它解决的根本不是“AI写不好代码”，而是“AI写得实在太多了”。

亚马逊的一篇新论文指出，KV缓存策略不只是推理优化，它还能改变模型所需的训练机制。

如果你的大语言模型在推理时会遗忘部分上下文，那训练时也要让它以同样的方式遗忘：论文显示，让微调策略匹配KV缓存策略，可以防止长上下文失效。

稀疏注意力通过仅保留模型部分过往上下文，让长上下文推理可以使用固定大小的KV缓存。但模型通常是用全注意力微调的，到推理阶段却要求它在缺失记忆的情况下工作，这种不匹配会破坏模型行为。

在128k token的测试中，全注意力训练的模型在稀疏推理下经常会输出冗长、毫无意义的回答，而用相同缓存策略微调的模型学会了正常回答并正常停止生成。

该方法让这种策略匹配训练对任意缓存策略都具备实用性，包括在40 GB A100上计算4B模型的梯度。

标题：《学习遗忘：面向长上下文稀疏注意力的微调》

Google 发布了一个用于多变量时间序列预测的开源模型。

对量化交易可能有用 🤑

Claude Code 2.1.252 已发布。命令行界面共有4项变更，重点如下：
• 修复了桌面端/VS Code 中远程控制会话性能降级时卡死的问题，保持编辑器响应
• 后台任务失败输出不再超出 API 对话大小限制，避免请求被丢弃
• 项目「始终允许」选择即使在没有 .claude/settings.local.json 的情况下也会保留，避免偏好设置丢失

完整细节见下方串文 ↓

感谢 OpenAI 为半自动化对齐理论研究提供了价值 1000 万美元的 API 额度！

必须明确说明的是，这次是 Resolution 选择接受来自 AI 实验室的资助，未来也会接受和实验室相关来源的资助。这是一种权衡！

隆重推出 CallScript Code Mode，无需沙箱。

模型编写 JavaScript 的一个子集——CallScript 将其解析为 JSON 计划，而非直接执行它。

计划可以被确定性地批准、存储，并在之后恢复执行。

连续调用可以按步骤 ID 引用中间值，因此结果可以在工具之间流动，无需通过模型上下文进行往返。

大概就是RSI，他们计划将其完全用于GLM 6.0。

GLM 5.3基于今年年初的预训练成果，在网络数据资源枯竭后，正在数据环境中进行大规模扩容。年营收达到20亿美元！这里面有很多有意思的东西。

越来越多人开始认清一个现实：前沿级定制模型将在未来几年成为行业标准。

Thomson-1 只是第一个例子。值得注意的是，他们的 4000 万美元并没有花在模型本身，而是花在了模型工厂上。模型本身仅花费了 45 万美元。

如今随着新的开源模型推出，这家企业可以随时更新模型，让 Thomson Reuters 始终保持在技术前沿。而这个模型正是基于 @datologyai 整理的数据构建的。

Claude Code 的创造者 Boris Cherny 刚刚展示了 AI 代理之后的下一个方向：能为你启动、协调并规模化一整组代理集群的系统。

• 00:32 - 在大规模代码库上对 Claude 进行压力测试
• 01:33 - 通过动态代理工作流将 CI 时间缩短 66%
• 03:36 - 为什么静态循环不再够用
• 06:49 - 在整个开发生命周期中运行代理
• 17:13 - 构建能自行启动代理的自动化流程

大多数人还在一个个给代理发提示词，而 Boris 已经在开发代理之上的层级了：代理 → 循环 → 工作流 → 图 → 自主系统。

给单个代理发提示词是旧工作流，构建能启动并协调它们的系统才是新工作流。

他的预测：图工程会成为代理系统构建的默认方式。

这场20分钟的演讲展示了 AI 开发在大多数人注意到之前正在去往的方向。收藏起来今天就看，然后阅读下方完整路线图 ↓

$AMD、CISCO与HUMAIN在沙特阿拉伯推出现役AI基础设施，目标到2030年达到1 GW

由公共投资基金（PIF）控股的HUMAIN与AMD、Cisco合作，已在沙特阿拉伯上线首个投产级AI基础设施，同时规划了规模大得多的扩张：

当前部署采用AMD Instinct MI355X GPU、EPYC CPU和Cisco Silicon One网络，HUMAIN已经开始以GPU即服务的形式向客户开放容量。

下一阶段将部署最高250兆瓦的AI基础设施，采用AMD下一代MI400系列GPU、EPYC CPU、ROCm，搭配Cisco网络。

250兆瓦阶段预计将于2027年开始部署，容量在2027年下半年开始陆续上线。

这个由AMD、Cisco与HUMAIN组成的合资企业表示，基于强劲的客户需求，该项目仍按计划推进，将在2030年扩容到最高1 GW的AI基础设施。

Cisco负责提供N9000平台、Silicon One网络和800G光模块，用于连接GPU集群。

GitHub 刚刚解决了氛围编码（vibe coding）最大的问题。

他们刚推出了 Spec Kit，上线几天就已经获得了超过 95K 星。

思路是什么？不再是扔一堆模糊的提示词，然后祈祷 AI 代理不会搞砸你的项目……Spec Kit 会要求 AI 在碰代码之前，先生成一份结构化的需求规格说明。

AI 会先理解你想要构建什么，问清楚遗漏的信息，整理好项目结构，之后才开始编程。

这意味着你花在修复离谱错误上的时间更少，代码不一致的情况更少，和 AI 代理合作时得到的结果可预测性高得多。

工作流程很简单：
/constitution → 设定规则和标准
/specify → 说明你想要构建什么
/clarify → 开始前澄清疑问
/plan → 确定架构和技术栈
/tasks → 整理出排序后的任务
/implement → 执行开发

兼容 Claude Code、Cursor、Copilot、Codex、Gemini CLI 以及超过 25 种 AI 代理。

95K 星，8K 复刻，开源，由 GitHub 发布。

仓库在下方 ⬇️

🚨LLM 和人脑，可能恰好在做两种方向相反的事。@beffjezos 表示 LLM 最典型的训练方式是最大似然 / 交叉熵，本质上倾向于 mode-covering，也就是尽量覆盖训练数据里所有可能出现的模式。只要真实世界里存在一种表达、一种答案、一种分布，模型就会努力给它留出概率。

所以 LLM 学到的更像是：世界可能是什么样。而在变分推断的经典形式里，优化方向往往是 mode-seeking：面对一堆可能解释，集中概率到某个最可信的模式上。如果沿着自��能原理去理解大脑，人脑干的事情就更接近后者： 不是把所有可能性都覆盖，而是不断从混乱的信息里，找出一个自己认为最可能的世界。

一个负责覆盖模式，一个负责寻找模式。这可能也解释了一个很有意思的现象： LLM 天生擅长生成大量可能性，人类则更擅长在这些可能性里形成一个稳定判断。当然，这张图最后一步把大脑直接等同于最小化变分自由能，还是有点说满了。

自由能原理是很有影响力的理论框架，但还不能当成已经被证明的大脑统一工作原理。不过拿它来理解 AI 和人的差异，确实很漂亮。

运行本地模型有一个问题：它们都缺乏出色的网页搜索能力。

目前相关方案有一大堆，但此前一直不存在实用的基准测试。所以我这个周末做了一场对比测试……

我测试了4款领先的开放权重模型：@deepseek_ai（V4 Flash）、@Zai_org（GLM 5.3 Flash）、@Alibaba_Qwen（3.8 27B & Flash Next），搭配来自@brave、@ExaAILabs、@p0、@serperapi、@tavilyai的10个搜索服务层级。

总共2000个标注评分的答案，花了真金白银。结果赢家很明确：Qwen 3.8 27B + Parallel Turbo。正确率达到50%，每个答案耗时5.7秒，每1000个问题成本1.26美元。

完整数据：所有测试都在@NVIDIAAI DGX Spark上运行，使用了@MiaAI_lab的配置方案，由我在@AnthropicAI Claude Code中用Fable 5编排流程并做评分判断。

🚨Algorand 正在为即将到来的 3-5 万亿美元 AI 代理经济体构建安全层。

麦肯锡认为，到 2030 年，AI 代理有望影响全球 3-5 万亿美元的商业活动，而微软表示，IDC 预计活跃企业代理的数量将从 2860 万暴增至 22 亿！

这就带来了一个巨大的问题：我们怎么能把自己的资金和数据托付给数十亿 AI 代理？

AC2 就是 @Algorand 的解决方案，它能将你的密码、密钥和凭证与 AI 隔离开，同时还能证明重要操作确实经过你的批准。

如果 AI 代理真能发展到预期的规模，安全会成为整个经济体中最有价值的层级之一，而 $ALGO 现在已经在为此布局了。🔥

《尽职编程》这篇文章提出的概念不错。我在《When Code Is Cheap》文章里有一段讨论如何做 HawkEye 的重构，其实是我觉得文章里比较有价值的一部分，也就是如何把一个 AI 的输出从 Plausible 的状态变成 Convincing 的结果。但是我想讲的东西太多，以至于重点可能不够突出。

近期我又得到了一些非常适合分享的 Coding Soundness 的案例，容我 settle down 一下手头的工作，也发一篇文章以作分享。

GITHUB 代码审查不需要再订阅一个月度服务

这款开源审查工具会自动分析拉取请求，添加行内评论，并且理解你仓库的上下文。

你可以自行托管，使用你自己的 AI 模型，还能自定义审查规则，不需要按审查次数付费。

仓库：

Ralph-TUI 作者 Ben 老师又开源了一个实用小工具，专门管理本机的 AI Skills。运行一条命令： npx skill-cabinet 就会启动一个本地网页，自动查看和管理本机的全局 Skills。我打开之后直接石化了： 没想到我的 .claude 目录里，居然已经堆了这么多 Skills！

删删删！

专业OCR服务商、“简单”开放权重OCR模型，以及免费开源解决方案之间，通常存在巨大的质量差异。

1️⃣ 专业OCR模型（包括 LlamaParse）可以解决长尾复杂文档的问题，确保所有内容都被正确数字化，幻觉更少。它们通常使用后训练的VLM来覆盖各种现实场景的文档。它们为每个部分调优了边界框和标注，让智能体可以将引用追溯回来源。它们通常还附带提取、拆分等额外接口。

2️⃣ 开放权重VLM（例如 Paddle、MinerU、UnlimitedOCR）处理文本和表格这类相对简单的文档时表现尚可，能够完成基础视觉推理。它们看起来部署成本较低，但质量并不稳定。

3️⃣ 免费开源库（包括 liteparse）定位是人人可用的快速文本提取工具。它们并不设计用于处理任何类型的视觉推理，因此无法完成结构化输出，也无法推理复杂表格，或是对非原生文档做OCR。

Claude这类AI智能体默认会使用这些工具对文档做浅处理。但我提醒大家不要将它们用于检索，因为它们会直接漏掉整段未被数字化的内容。

目前我们已经在 ParseBench 上对超过 92 种工具做了基准测试。欢迎来查看！

我当前用于营销工作的 AI 模型技术栈：

1. Fable 5：规划与决策

2. GPT 5.6 Sol：文案撰写与编码

3. Grok 4.6：调研、设计与创意产出

4. GPT Image Model 2：视觉图与原型图

5. Seedance 2.5：视频与 UGC 内容

6. Kimi K3：重复性工作

7. Sonnet/Opus：数据录入与简单任务

我写了一篇文章，讲在Hugging Face事件中，AI智能体开始以复杂且高风险的方式自发协同，同时也探讨了为什么随着智能体工作愈发自动化，我们需要AI在决策和获取信息时更多向人类求助。

哪怕你对这个主题不感兴趣，也应该去读一读更新了上周最新研究进展的Hugging Face事件记述，它关于AI的内容非常开人眼界。不想读我的版本，可以去读@dwarkesh_sp 写的更详尽的版本，或是METR的原始报告：

现有AI智能体并不擅长制作图表。它们做出来的图表样式丑陋，还会错误地突出错误内容。开发者已经推出了专门的绘图技能，可以让AI智能体在用户开展研究的过程中，为论文或可视化需求制作美观的图表。

开发者给出了GPT-5.6 Sol（Codex）未使用和使用该技能的效果对比示例。用户现在就可以在OpenResearch上尝试使用这项绘图技能。相关的OpenResearch代码仓库和绘图技能本身也都已经公开，放出了对应的访问链接。

这是AI推理服务商的一天日常。@samhogan 将其梳理为四件核心事项。

第一件事，打击信用卡欺诈。

第二件事，通过即时通讯软件Signal谈判GPU采购合同，服务商需要将资金全部支付给GPU供应方。

第三件事，调试适配Codex、Claude和Cursor的自定义模型端点支持问题。

第四件事，完成新一轮融资。

@simonw尝试解释了ChatGPT Work到底能实现哪些功能。ChatGPT Work本身逻辑复杂难以理解，但功能非常强大，还拥有大量常规ChatGPT没有提供的实用功能。

@simonw询问大家，是否还有他遗漏的ChatGPT Work专属功能。

额外分享内容是，@simonw运行了特定提示词，让ChatGPT Work帮自己搭建了一个站点。这个站点列出了ChatGPT Work所有可用工具，还附带对应的工具描述。

这个站点被命名为“ChatGPT Work：缺失手册”，相关链接已经公开。

有开发者为Claude Code赋予了复刻任意网页设计的能力。该开发者搭建了一个MCP（模型控制协议），可分析任意网页的HTML与CSS代码。这个MCP能够从代码中提取页面的配色、字体和组件信息。

最终可以生成干净整洁的网页界面。相关内容分享链接可查看原文标注地址。

有用户分享了一个关于OpenAI模型的冷知识。代表OpenAI目前对外公开智能最高水平的gpt-5.6 sol pro，只能在ChatGPT app的聊天功能中调用。 该模型在cowork和codex场景中都无法调用。

Muse Code 现已结束公测，专为处理更大、更复杂的工程任务构建。开发者现在只需一条命令即可开始使用：curl -fsSL | bash

会话之间可以通过会话间消息共享上下文。当两个会话处理会相互影响的工作时，它们会直接共享状态，无需开发者手动复制转移。

工作流可以将一个任务拆分给多个专注的代理来完成，在各个阶段之间传递中间工作，最终输出一个统一结果。适合复杂到单个代理无法处理的工程工作。

Muse Code 目前提供开发者预览版 SDK，可用于构建你自己的代理。可以将其嵌入你的应用、连接自定义工具、流式输出进度，还能后续恢复会话。

此外，我们现在推出了月度订阅方案。

AI 推理引擎技术栈里的所有软件（vllm、sglang、dynamo、mooncake、hicache 等等）用起来都糟透了。它们全都是做成不可变二进制文件来构建的。

**每一个可调参数都该死的是启动标志！！！**

想修改完成截止时间？重新部署。想调整 speculative depth？重新部署。想修改队列大小限制？重新部署。我们不得不把它们复刻出来，尽可能把配置移到基于数据库的配置系统里，这样才能做实验。

每次你想调个参数都得重启整个服务，这完全不切实际。我敢肯定，一定会有人解决这个问题，然后成为亿万富翁。

我正加倍投入，想要搭建一套实用的本地 AI 工作流。

我现在每天都把 Codex 和 Claude Pro 账户的额度用满，不想每个月花 200 美元，我得搞出一套自己的工作流。

作为一名用过三个主流产品（Cursor、Claude Code 和 Codex）的软件工程师，我用 Codex 的体验最好。

它似乎能更好地保持上下文，迭代更自然，也能更好地验证自己的工作。我个人也就是更喜欢用 GPT 模型，而不是 Claude 模型。

有意思的是，我在 Codex 之前用过 Cursor，我感觉我的问题从来都不是出在模型本身。更像是代理层哪里出了问题，可能是上下文和工具的处理方式，或是环境管理的方式不对。

Codex 唯一糟糕的地方，就是它明显比另外两个更慢。但我还是更喜欢它。

其实还好，因为我会并行处理多个任务，慢根本没关系，但如果你一次只做一件事，就会明显感觉到速度差距。

当然得用对方法，选对记忆配置、合适的速度、合适的模型等等。但处理重型任务的时候，我让它跑过好几个小时都没问题。