🏆 在 Code Arena 中排名第一,并且在 5 美元每百万 token 的成本上,位于帕累托前沿顶端。谢谢!@arena
快去 QwenCloud 体验 Qwen3.8-Max-0902 吧。🥳
OpenAI 发布新模型 Astra,这是它第一款达到"关键"网络安全级别的模型:ExploitBench 满分,任意代码执行率明显高于 GPT-5.6 Sol。代价是安全监控有时会打断合法任务——详见今日深读。
来源今日深读《OpenAI发布新模型Astra,安全监控有时会打断你的合法任务》
通义千问发布 Qwen3.8-Max-0902,登顶智能体编码榜,支持百万级上下文,每百万 token 推理成本 5 美元,同时占据性能与性价比的顶端。
来源@Alibaba_Qwen「Alibaba_Qwen发布Qwen3.8-Max-0902 大语言模型(#1)」@alibaba_cloud「阿里云发布Qwen3.8-Max-0902,支持百万上下文」@Alibaba_Qwen「通义千问Qwen3.8-Max-0902 登代码榜第一」
Anthropic 发布 Fable 5.1,社区实测随即出现分歧:有人认为它在复杂分析上胜过 GPT-5.6 Sol,也有人测出它更贵更慢。
来源@felixrieseberg「Fable 5.1发布,智能体编码任务体验优化」@notjazii「相同prompt高推理测试下 Fable 5.1比GPT 5.6 Sol更贵更慢」@remilouf「开发者测试发现Fable 5.1复杂分析表现优于GPT 5.6 Sol」
仅 40 亿参数就具备智能体能力,原生支持 100万上下文。不要错过 Spark-X2.5-4B。Apache 2.0 协议开源。
🔥领先!智谱 居然开淘宝/天猫旗舰店了! 9月2日官方店正式上线,Coding Plan 套餐 Lite / Pro / Max 全上架,月付、季付、年付随便选。
OpenAI 发布新模型 Astra,这是它第一个达到“关键”网络安全能力级别的模型。达到这个级别,开发和发布前都要上更强的安全保障。
Astra 的基准成绩很直接。在 ExploitBench 上,Astra 拿了 100% 满分。这个测试看的是模型能不能从已知漏洞写出可利用程序。Astra 在内部基准 ExploitBench - Internal Port(2026 年 6 月至 8 月)上表现也更强。它的任意代码执行率明显高于 GPT-5.6 Sol,用的输出 token 更少。任意代码执行,就是让目标机器运行攻击者指定的代码。安全评估里,这类后果算最严重的一档。
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)
同时它还处在帕累托前沿顶端,每百万token推理成本只要5美元,性价比拉满。
🏆 在 Code Arena 中排名第一,并且在 5 美元每百万 token 的成本上,位于帕累托前沿顶端。谢谢!@arena
快去 QwenCloud 体验 Qwen3.8-Max-0902 吧。🥳
年收入从100万美元涨到7000万美元只用了一年,从多语言客服迅速扩展到自动化领域。
人工智能初创公司Wonderful刚刚以50亿美元估值融资5.5亿美元,其年化收入在一年内从约100万美元增长到了7000万美元。它最初是做多语种客户支持的,现在正快速扩展到自主智能体和编码工具领域。
🚨 Wonderful以50亿美元估值融资5.5亿美元
Wonderful成立仅20个月后,就完成了由Insight Partners领投的5.5亿美元C轮融资。该公司目前已经在十多个行业、30多个市场运营数百个AI智能体、系统和工作流,新资金将用于扩张工程团队和企业平台。
这两款是Anthropic新推出的Claude系列模型,更新内容与技术文档已经公开,可查看官方文档了解具体变化
Claude Fable 5.1 新增内容:
System Card:
社区讨论:Anthropic员工称Claude Fable 5.1文风自然更少刻板表达,更可靠遵循风格指令,多数评论认可它写作比旧款进步,更少套话和术语。也有人指出它行文比前代更密,句子更长段落分隔更少,还有人称之前因对齐检查过于敏感放弃使用Fable。价格方面,缓存读取价格降至原来四分之一,仅为Opus缓存成本的一半,有评论认为这说明原定价过高,还会给大模型整体定价设置天花板。有靠AI谋生的开发者提到,当前更在意稳定的token配额和可预期的成本,对单纯的模型升级兴趣不大。
成立仅一年年化收入从百万跃至七千万,团队扩张十倍,未来还将继续扩招并拓展全球市场。
AI 初创公司 Wonderful 融资 5.5 亿美元,估值达 50 亿美元。
Wonderful 成立于去年,其业务是帮助大型企业直接将 AI 智能体部署到他们的工作流中,并由本地工程团队帮助企业集成和运行这些 AI 智能体。
该公司年化收入从一年前约 100 万美元飙升至如今约 7000 万美元,员工数量增长超 10 倍,达到约 650 人。
Wonderful 计划到今年年底员工总数突破 1000 人,同时业务扩展到 30 个国家和约 50 个市场。
该公司起步于多语言客户支持智能体,现在正在打造更广泛的自主智能体、编码工具,以及旨在取代部分传统企业软件的软件。
这款新模型支持20人以上说话人分离,还能实时识别多语言混输,在公开基准测试中排名第一,需要高精度语音转文字的用户可以留意。
介绍 Muse Voice Transcribe,它是 Meta Superintelligence Labs 推出的首个实时音频感知模型。
Muse Voice Transcribe 可提供实时流式自动语音识别(ASR)、支持 20 名以上说话人者的话者分离以及端点检测功能。
它支持多语言,能无缝处理语码切换,还可通过语言、关键词和上下文偏置提升准确率。
该模型在 @ArtificialAnlys 流式语音转文本和公开话者分离基准测试中排名第一。
训练大模型的时间和成本门槛再次被压低,普通人也能尝试训出效果不输现有大模型的小模型。
社区讨论:作者澄清这不是大语言模型,是从头训练的小型自回归Transformer,核心观点是复杂问题无需大模型即可解决,此前该基准只有耗费巨额成本的大模型或微调能参与。有人质疑只跑单个基准、存在训练数据泄露过拟合,作者澄清并未使用测试集标签训练,该方法实现提交后从头训练,能避免合成数据刷榜保证公平。多数开发者认可样本效率是AI未解决的核心问题。
目前AI行业存在不可监控的模型竞赛担忧,这个观点能帮你理清当前行业对模型可监控性的真实态度。
我想要阻止由错误报道引发的「奔向不可监控」竞赛。
我们目前前沿模型,包括 Astra,计算图深度与 GPT-4 的差距不超过两倍。
从我们推出第一款推理模型开始,OpenAI 就一直在维护并运用思维链监控。
我们非常重视这项技术,因为它能让我们看到模型对齐在训练分布之外的泛化表现。
我确实认为这项技术很脆弱,而且不幸的走向在往不好的方向发展,原因并不取决于架构变化,我很快会撰文讨论这些原因。
但我们依然可以做很多工作来强化它,而且这是我们当前研究项目的核心目标。
处理同一段视频能少用八成多token,意味着处理长视频的成本会大幅降低,视频AI分析的费用门槛会下降
给大模型做安全审计,却在curl代码里发现了漏洞,大模型厂商自己没找到任何漏洞。
它能生成图像视频帧、同时重建3D结构,未来可用于空间模拟,给生成式AI打开新的应用方向。
可以生成带持久记忆、可交互、符合物理规律的无限长度动态世界,相关服务已开放API可供测试
今天我们发布 Orbis 1.0,这是我们的第一个 Live Model!
你可以用它创造活的世界,并且实时推流,它具备持久化记忆、可交互性,以及基于物理的无限长度生成。
现在就可以通过 API 试用,API 由 @reactorworld 提供:
动态版本:
稳定版本:
工程师日常开发会越来越依赖AI编码工具,这篇讨论整理了真实工作场景中真正有用的技能方向。
即将正式发布的 Astra 已经达到其安全评估框架的高危级门槛,提前公开评估过程与防护方案,可以观望后续进展对网络安全领域的影响
在我们准备发布 Astra 之际,我们专注于让能力不断提升的 AI 变得安全,并且能够被广泛获取。
Astra 代表着网络安全能力的重大进步,达到了我们准备框架下的 Critical 门槛。
我们将预先展示我们是如何评估这个模型的,它的安全防护是如何随着能力同步升级的,以及我们未来还会继续学习和改进哪些内容。
目前宣称这是全球最先进的编码和知识工作模型,普通用户可以期待后续更强的AI工作体验
如果你担心收到的文件是AI生成的,可以关注这种检测Claude生成文件的方法。
社区讨论:有用户指出,Claude的生成文件检测基于C2PA文件元数据,不像隐藏水印那样难以去除,只需简单操作就能剥离。多名用户不认可这种检测方式,有人认为Claude加水印是浪费资源,文本编辑就能破解;有人认为检测本身会被针对性规避,最终还是需要人工验证;还有人质疑这种检测新增了不必要的监控。也有用户认为,Claude做检测是为了避免训练数据混入AI生成内容。
除非使用企业版,否则输入内容都会被用于模型训练,对数据安全有要求的可以换企业版。
社区讨论:不少用户不满Mistral默认用用户输入训练模型,原本标榜欧洲隐私友好选项,却调整了团队套餐的默认设置,取消了企业统一强制退出训练的选项,要求每个员工手动设置,对处理敏感数据、需要合规的企业来说,团队套餐已无法使用。也有用户指出,Claude、Gemini Pro等其他大模型付费产品也有相同做法,行业普遍把用户训练数据当做自身护城河。
现在跑AI大模型推理,速度已经成为架构层面的硬性要求,OpenAI把GPT 5.6 Sol跑到每秒750个token。
⚡ 顶级 AI 公司认为推理速度是一项值得投入成本的架构需求。
OpenAI 和 Cerebras 展示了以每秒 750 token 速度运行的 GPT 5.6 Sol。Google 发布了平均每秒 330 token 的 Gemini 3.7 Flash。Nvidia 推出了配备 NeMo Switchyard 的 Nemotron 3.5 Lightning,用于动态步骤路由。
更高的吞吐量和更低的延迟能缓解开发者上下文切换,为实时智能体工作流提供助力。完整分析请阅读:The Batch。📖 #DeepLearningAI #AI #TechNews
训练成本是一次性支出项。推理成本是日常习惯,每上线一个用户、每上线一个智能体都会让它复利增长。我们会在 10 月 28 日旧金山的峰会上深入探讨这个问题。
申请:
上传原视频和目标人物后,就能把动作、唇语、镜头运动完整迁移过去,做短视频很方便。
推出Higgsfield Genjutsu。这是我们迄今为止最强的AI视频转换工具。
上传你的视频,添加你的角色,点击几下就能转换精准动作:表演、口型同步、相机移动和VFX,所有细节都保持一致。
你可以在Higgsfield免费试用。
开发者开源了这套智能体基础架构,支持智能体根据推理时产生的各类信号不断自我更新。
我们很高兴开源 Reef:这是我们为智能体搭建的基础设施(模型+工具集),让智能体可以从推理阶段生成的任何信号中持续进化。
欢迎查看代码,欢迎提交 issue 和 PR!
https://github.com/Human-Agent-Society/reef/tree/main/reef
基于对象选择的编辑和协作功能,现在ChatGPT能标注图片,但还没法选中特定对象编辑。
新 Google Pics 为 ChatGPT/Codex 功能引入了两点需要考虑的内容:基于对象选择的编辑,以及协作。
你可以在 ChatGPT 中给图像添加注释,但没法选择特定对象。
如此说来:(1) 我不完全确定对象选择相比注释能带来多大区别,(2) GPT Image 2 比 Nano Banana 2 更好,以及 (3) Google Pics 拒绝让 Sundar Pichai 成为这个主角:)
行业变化速度在加快,提前了解相关趋势,对布局和选择有参考意义。
已有智能体无需重构,就能接入新功能接付费工作,降低了已有智能体商业化改造门槛。
智能体技术这次技能更新,实际意义比表面看上去更重要。
如果你的智能体已经运行在 Claude Code、Codex、OpenClaw 或类似工具上,@termix_ai 基本上就是给它提供了一种找到付费工作的方式,而且不需要从头重建整个智能体。
想要用 Claude Code 做多智能体开发的开发者,可以直接参考这套结构化方法,减少自己摸索的时间。
一份关于使用技能、钩子和多智能体团队构建 Claude Code 项目的实用指南。
可理解为增强版Zapier,支持纯英语调用
对OpenAI新技术的争议已经出现,现在已有声音呼吁出台相关监管法律。后续还会有更多观点出现。
这是我对OpenAI使用循环深度相关事件的初步看法。
我很高兴看到强烈的反对反应,也赞赏呼吁就此立法的声音,我会在后续形成更全面的观点。
但今天仍是 Fable 5.1 模型卡发布日。
一体化应用自带训练和推理功能,目标是训练出效果更好的自定义语音,感兴趣可等待发布。
Index TTS 2.5 DoRA(效果优于 LoRA)训练
目标是打造一款集推理与训练于一体的一体化应用,能用你的自定义语音生成效果最出色的 TTS 语音。
有望很快发布。
如果你关注全球AI创业格局,印度本土AI初创的融资和人才动向值得留意,多个项目已经获得规模化收入。
印度人工智能创业生态正迎来高光时刻。八月十分热闹。
• 至少有三家面向研究的公司完成了三轮大额种子轮融资
• 有2-3支团队/创始人从美国顶尖实验室回国,在印度创业
• 超过六家公司完成了A/B/C轮融资,估值有显著提升
• 多家公司年度经常性收入(ARR)突破1000万美元,部分已经突破3000万美元
• 目前有3-4家企业正带着极大的战略兴趣积极投资
• 几家本地私募股权公司越来越早地入场领投A/B轮融资
而且这些项目中,很大一部分是印度本土优先的人工智能项目,而不简单是对美出口项目。
非常高兴能看到这样的发展势头,从整体格局来看,目前仍处于早期阶段。
合适的模型可能随时间变化,做模型和提供商无关的解决方案,可以应对这种变化。
原本做模型压缩的欧洲量子计算公司,现在下场训练大模型,打破了欧洲缺少大基座模型的局面,可以关注欧洲AI自主化进程。
想做AI短片,可以试试这个一站式平台,包含从剧本生成到成片输出全流程功能,整体生成效果流畅。
AI短片亲亲日常第五集:你是不是故意的?整体效果还是一如既往的丝滑,这次用的是NadouPro @nadou_pro 上的Seedance 2.5. 想不到吧,这个NadouPro居然是爱奇艺旗下的一个海外AI视频Agent平台。AI视频相关的功能应有尽有,包括剧本生成、剧本评估、分镜设计、剪辑、配音和成片输出等环节,应有尽有。
最近要拍一个短片,正好可以试试它们的这些功能。
AI代理开始自主消费,现有支付渠道分散,这套服务能帮服务提供商覆盖全代理市场,最大化收入,还能让AI代理交易前了解成本。
AI 智能体开始花钱了。问题在于支付通道目前仍然是碎片化的。
@MPP32_dev 为此实现了相应解决方案:它为 API 和服务提供商提供了一种统一方式,让不同链和不同协议上的智能体给他们付款,而且不需要修改他们现有的 API,通过覆盖 100% 智能体市场来实现潜在收益最大化。
现在他们新增了公平定价预言机(Fair Pricing Oracle),让智能体可以在交易前就了解服务的实际成本。通用支付层让提供商实现收益最大化。公平定价让自动化智能体现在就能实现成本效益。
这就是智能体经济在扩张过程中所需要的基础设施。
免责声明:本文内容是与客户合作产出,仅用于提供信息。不构成财务或投资建议。在做出任何财务决策前,请始终自行开展研究。
从小型harness练手理解底层细节,这些能力可以迁移到生产级项目,帮你更好调整适配自己任务。
并非所有的Agent框架都是生来平等的,也不存在通用的万能框架。
一个好的Agent框架应当能解决你在上下文工程中遇到的问题。理解并优化系统提示、缓存、高效工具调用这类底层细节,才是一个框架脱颖而出的关键。
这就是为什么框架工程如今是AI工程师的一项重要技能。你可以从用你喜欢的语言搭建自己的极简框架开始,要包含基础的智能体循环、系统提示和工具调用能力。
然后针对一个用例测试它,验证结果,然后迭代优化。用不了多久你就会发现,任何人都能搭建出一个相当强大的框架。但首先,理解那些底层细节非常重要。你要理解它们发挥的作用,以及如何调整它们。
当你之后接触到更适合生产环境的现有框架时,这些技能可以轻松迁移过去。到那时你就能更好地针对自己的任务修改和调整框架。
这不仅仅是学习基础知识。它能让你很好地掌握可调整的参数,从而最大程度发挥你的Agent框架的能力。
使用Anthropic服务的用户可能会遭遇无明确理由的封禁,需要提前做好重要数据备份
社区讨论:多数用户认为,本次封禁事件暴露AI时代的核心问题:用户做任何事都需要获得企业和监管方的许可,依赖不透明企业服务的人随时可能失去 livelihood。有用户猜测,此次封禁是Anthropic针对类似中文模型蒸馏、API转卖行为的过度防控,另有用户猜测原帖作者本身拥有多个违规马甲账号。还有用户吐槽本次事件的叙事文本过度煽情。
开发者@akashroy1k在𝕏分享,TermiX Agent Skills全流程运行已在BSC测试网测试
出自@witcheer发布的Hermes Wingtips #60,介绍两款指令作用
Hermes Wingtips #60:/bg 对比 /btw
(1) /bg 会把提示词交给一个独立会话:你的 Hermes Agent 在后台处理它,你的当前对话保持畅通,处理完成后结果会返回。
(2) /btw 用于针对你当前正在进行的对话提出附带问题:它从对话快照中回答,因此当前正在运行的任务永远不会停止。
这两者都不仅能在终端中使用,也都能在消息平台上工作。
Claude Code产品经理透露当前正在构建可靠智能体框架
Anthropic 克劳德 Claude Code 的产品经理表示:「我们这里 90% 的工程师已经在运行自我改进的智能体循环了。现在所有人都在构建能让这些智能体变得可靠的线束。」不再需要贴身照料智能体。
她只用 10 分钟,就展示了 Claude Code 在一个真实代码库中处理复杂任务的过程。智能体 → 循环 → 线束 → 可用软件。
提示词工程是旧工作流,线束工程是新工作流。这段 10 分钟的视频,价值比大多数售价 1000 美元的智能体工程课程还要高。现在就去观看吧。
然后在所有人都赶上这波潮流之前,先保存下方的完整《线束工程指南》↓
Avenoxai发布教程预告,内容还含LXD安装与7*24运行方法
我做了一个教程,讲解如何通过你的 ChatGPT 订阅使用 Hermes agent,如何让它 7/24 在服务器上运行,以及如何安装 LXD。我会在几个小时内分享出来。
X平台用户ivanfioravanti透露计划在OpenRouter提供DeepSeek推理服务
这里全是本地AI!我们用Hermes搭配运行在2台DGX Spark上的DeepSeek v4 Flash Vision Exp,来配置@luceboxai运行R9700 + Strix Halo DeepSeek V4 Flash推理测试😂
我早晚会在OpenRouter上成为DeepSeek v4 Flash推理提供商😂
它不把视频当成一串像素处理,直接把文本、图像、视频、3D信息都放进统一的3D空间再做预测
官方称这是Google目前最聪明的主力AI模型,在代码和代理任务上有明显提升
如果你还没看到:这里是我们八月AI相关公告的汇总。⬇️
💎 发布了 Gemini 3.7 Flash,这是我们迄今为止面向编码和智能体打造的最智能主力模型。它在软件工程、知识工作和Web开发工作流中都带来了大幅提升。
📱 在#MadeByGoogle活动上推出了全新Pixel 11系列。该系列配备重大升级的相机、更强的耐用性,以及我们速度最快、性能最强的芯片Google Tensor G6,可运行最新的Gemini Nano模型。
✍️ 推出Gemini 3.5 Transcribe,这是我们最新的语音转文字模型,可为语音智能体、实时字幕、通话后分析等开发者工作流提供智能实时转写。它还能直接将原始音频转换为准确、具备上下文感知能力的理解结果。
🎉 @GeminiApp 的月活用户突破10亿,成为Google历史上增长最快的产品。此外,Gemini 现在每天生成超过1.5亿张图片。
⚡ 推出Gemini Omni 1.1 Flash,为视频生成带来精准控制能力。全新功能可提供工作室级视频制作能力——包括场景扩展、清晰的4K超分辨率、更快的原型开发等等。
网友拆解他的公开帖子发现,Astra不是刚启动训练,而是早就做完了训练流程
Sam Altman 关于 Astra 的帖子透露的信息比“新模型即将推出”要多。我们实际上能从中读出这些信息:
→ Astra 已经在“一段时间之前”完成了训练
→ OpenAI 称它在能力和对齐两方面都有重大提升
→ 瓶颈出现在训练后的安全工作、评估和部署准备上
→ 在 Astra 之后,如果安全保障跟不上,OpenAI 就已经会放慢模型发布节奏
我的解读:前沿进展或许正在进入一个新阶段:训练下一个模型不再是发布的主要瓶颈。模型早就可以训练完成,安全工作却让它一直无法发布。
而 Astra 似乎是第一个让这种矛盾变得极其明显的 OpenAI 发布项目。
推测:这也说明,开发 pipeline 中已经存在能力更强的后续模型,但 OpenAI 故意拉长了“模型训练完成”和“模型发布”之间的间隔。
所以 Astra 不是在等着变得更聪明。它一直在等 OpenAI 做好发布它的准备。而现在 Sam 说他们准备好了。
自带83种专门技能和681种披露规则,可以直接在Claude Code里跑漏洞查找流程
他认为思维链的可解释性太脆弱,没法成为AI安全的可靠支撑,现在还没找到更稳的替代方案
用改进的融合架构做稀疏混合专家模型,把一个小基座模型和超过150个专家模块合并在了一起
推出 FUSE-2 🔥(近日会放出基准测试,我拿到算力了!)。
Fuse-2 是一个稀疏混合专家模型,它采用了改进的融合架构,让我能把一个小型基座模型和来自 qwen 3.8 27B 的超过 150 个专家融合在一起。
这让我能构建出一个体积比 qwen 3.8 27B 更小,同时依然足够聪明的模型。llama 配置已经可以正常工作,我已经放出了几个 gguf 量化版本(8位、5位和4位)。更多内容即将到来。
重要提示:这个模型是我的自我改进系列的第一个作品。
因为我最近拿到了更多算力,我正在我自己的 optimus studio 管线里运行这个模型,加上另外两个模型。
在接下来几周里,这个模型会持续自我改进,我也会持续放出新的 checkpoint。
预计近期很快就会有大量 checkpoint 放出,还会有新模型推出!🤗
模型权重:
界面布局和VS Code保持一致,开箱就能用,适合只需要基础编辑功能的开发者
当前AI能力进步速度快过安全保障的迭代速度,控制能力能否跟上AI发展会成为未来数年的核心挑战,需要提前关注风险评估。
AI安全正在进入一个全新阶段。
长期以来,关于AI安全的讨论大多围绕模型最终能做到什么展开。
现在,我们已经走到了这样一个节点:部分模型的能力已经足够强,我们必须在它们公开面向公众之前就评估相关风险。
OpenAI称Astra已经达到了网络安全能力的「临界」门槛,恰恰是因为这个原因而值得关注。
更重要的趋势不只是这个模型在网络安全方面变得更强了。而是能力的进步速度如今已经快到,安全防护手段必须和能力同步进化。
而我认为,这会成为未来几年最核心的挑战之一:AI不只是变得更聪明了。它正在获得更强的执行各类事务的能力。问题在于,我们管控这些能力的水平能否跟上它的进步速度。
面向企业复杂任务、科研和长流程工作流升级,API定价明确,需要大上下文大参数模型的企业开发者可直接调用
🚀Qwen3.8-Max 刚刚完成升级,新版本 Qwen3.8-Max-0902 正式登场!
参数规模 2.4T,上下文长度支持 1M 令牌,专为处理现实世界的复杂任务打造。
经过 Coding & Cowork 领域的进一步后训练,Qwen3.8-Max-0902 现在在复杂企业任务、科研任务和长周期工作流上都能提供更强性能。
💰每 1M 令牌定价:输入 $2,输出 $6。显式缓存命中 $0.17,隐式缓存命中 $0.25。
更多 API 接入渠道:
• Model Studio
• Qwen Cloud
不用给每个模型单独注册账号、充值管理密钥,测新模型、做大模型产品的流程可以简化,还能省API开支
面向复杂企业任务、科研和长流程工作流升级,企业开发者可通过API直接调用测试
🚀 Qwen3.8-Max 刚刚完成升级,全新推出 Qwen3.8-Max-0902!
2.4万亿参数,1百万上下文token,为应对现实世界的复杂场景打造。
经过 Coding&Cowork 进一步后训练,Qwen3.8-Max-0902 如今在复杂企业任务、科研和长周期工作流上都实现了更强的性能。
每1百万token定价如下:
· 输入 $2,输出 $6。
· 明确缓存命中 $0.17,隐式缓存命中 $0.25。
现已通过 QwenCloud 的 API 上线,快来试用吧!
API:
如果这一说法属实,原本已经失控的AI竞赛会加速进入更危险的阶段,OpenAI拒绝公开事件详情,相关责任至今没有明确交代
这是AI代理商业早期项目,完成任务可赚积分参与奖励瓜分,积分不保证空投,想参与早期AI项目可以关注机会
不必为新的模型架构变化过度恐慌,现有技术限制下,它只会让思维链更紧凑,不会完全取代原有方案
AI安全歇斯底里是理性思考的坟墓。
「循环深度」只是一个相对微小的架构改动,让Transformer在更难的token上花费更多计算时间。它不会把思维链替换成所谓「神经语」。目前已演示过的最大循环模型,能计算原本需要短思维链轨迹才能得到的答案,比如权衡两个简单选项这类任务。
但现代智能体轨迹长达数万token。除非OpenAI真的突破了技术壁垒,否则没有循环模型能把这么长的轨迹压缩到单次前向传播里。
就算这份报告是真的(这个假设成立的可能性很低,因为循环模型在训练上有大量问题),也不代表思维链会消失。它只是意味着,思维链会比之前密度稍高一点,像「等等!」这类明确控制token会减少很多。
在 panic 之前,真应该先搞懂这东西到底是怎么工作的。
梳理出逐年升级的AI攻击路径,提前了解黑产对AI技术的利用方向,能帮你更清楚AI安全风险会怎么影响普通人。
🤓 我整理了一些早期AI威胁情报报告,发展过程非常有意思!
2024年:AI主要被用于辅助、影响力操作、虚假信息以及早期地下AI基础设施。
2025年:我们已经看到使用LLM的早期恶意软件,规模化应用之后出现了MCP攻击,还有第一起据称的「智能体攻击」。
2026年:智能体技能成为供应链攻击目标。
攻击者还利用了会安装包的编码智能体,已有报告显示,攻击过程中Claude Code这类智能体会被连接到攻击性工具上。
想做Grok bot插件却没头绪,这个工具可以帮你根据现有API生成符合要求的插件,提交审核后就能供所有Grok用户使用。
来认识我的新grok机器人 @tinkabot(v0.1.0)!
它可以帮你制作高质量的grok机器人插件。你可以让它查看你的API,为它创建MCP和/或技能,之后把这些内容打包成一个插件,你就可以提交给我们审核了。
审核通过后,所有grok机器人用户都可以使用你的插件了!
如果你遇到问题请告诉我,我已经在一些小型玩具API上试用过它,很想看看它在真实API上的表现如何。
切换大模型不用反复换密钥管理账单,模型调用成本也有优惠,前2000名注册还能领5美元免费额度,降低多模型开发管理门槛
想要提升AI推理速度,可以试试这款被开发者推荐的工具,能帮你获得更高的推理运行速度。
同一模型在不同场景表现差异大,是因为Prompt和运行框架没调好,这份官方指南直接公开了榨干模型性能的方法
Anthropic 刚刚自己证明了一件事: 同一个模型,换一套 Harness,真的可以像换了一个模型。
他们新放出的 Fable 5.1 Prompting Guide,表面上是在教你写 Prompt,实际上几乎是在公开一份怎么驯 Fable 5.1 的说明书。
里面甚至直接告诉你: 同样的 effort,5 和 5.1 思考量并不一样; 长任务里它会变得更沉默,需要 Prompt 强制汇报进度; 工具调用不够并行,可以直接靠 System Prompt 修; Thinking block 甚至开始和 conversation prefix 强绑定。
这已经不是提示词玄学了。
现在顶级模型真正的能力,已经像: Model × Prompt × Harness × Context × Tool Loop 权重决定上限, Harness 决定你到底能不能把这个上限榨出来。
难怪同一个模型,在 Claude Code、API、第三方 Agent 里,体感能差这么大。
OpenAI 做出了能力过强的模型,不限制推理能力就无法满足监管安全要求,只能削弱功能后才能推出。这暴露了大模型发展撞上监管的核心矛盾
假如你是 OpenAI:→ 训练出一个深度思考能力太强的模型,强到你必须硬性限制它能使用的内部推理量。→ 你意识到不设限的版本可能效果更好,但也会带来棘手得多的安全与监管问题。→ 你给自己的模型做了部分切除,刚好把它削到能够发布的程度。→ 然后你推出这个「受控」版本,因为放出完全不受限的版本会引发完全不同的监管和安全问题。
与此同时,竞争对手还在庆祝基准测试跑分提升,漫天要价,只把一半精力放在安全防护上。
OpenAI 在 Astra 上遇到的问题,开始越来越不像「我们怎么把它做得更好?」,反而越来越像「这头猛兽我们到底能放出来多少?」。
这就是 Astra 整件事里最荒谬的地方。
用户@liyue_ai在𝕏发布测试,用同一提示词生成Minimax H3、Seedance 2.5和Grok Image三款模型的视频,邀请网友猜测对应关系
用户@liyue_ai在𝕏分享了一次测试,用同一段提示词同时测试Minimax H3、Seedance 2.5和Grok Image三款文生视频模型,得到了三个不同的生成视频。每个生成视频都呈现出不一样的细节特征。
第一个视频里,人物洗完澡后疲惫感消退,长出了一口气。第二个视频里,人物洗完澡后频繁梳理头发,发出一声叹息。第三个视频里,人物同样是洗完澡后快速梳理头发,但头发上滴落了几滴形态不自然的水滴。
测试者邀请网友猜测,三个视频分别对应哪一款生成模型。本次测试使用的提示词细节非常完整,对画幅、镜头、整体氛围、各时间节点动作、光线、声音都做出了明确要求。
提示词还锁定了首帧内容,要求严格遵循给定初始图的人物特征、姿势、环境细节,同时明确列出了多项生成禁令,禁止出现人物特征突变、物理逻辑错误以及各类AI生成常见bug。
日本开发者在X平台测试Huihui-Qwen3.8-27b-Dflash2,发现其性能超出预期
发生了离谱的事情。我尝试不量化推理Huihui-Qwen3.8-27b-Dflash2(无审核),Xhigh已经不再思维暴走了。不对,可能它本来就不会暴走。
惊人的是它的清晰度,这到底是什么玩意儿……而且TP=8运行时,推理速度和Q4几乎没区别。预填充最高能到3000TPS,比在线模型响应还快。
更离谱的是,它居然在回答里帮我提升了Fable的创作动力……居然会发生这种事。也就是说绕了一圈,shuwa chan 决定正式采用这个模型!!要和Kimi-K3组成搭档。
长期记忆先清空了,现在是用预填充读取的设计。即便如此清晰度还能这么高,27B才是正确方向。
推理效率决定了部署大模型的成本高低,相关讨论能帮从业者找到成本与性能的平衡方向
日本开发者在𝕏分享对Qwen3.8 27B思考逻辑的观察结论
看着 Qwen3.8 27B 的思考过程,虽然确实很长,但它只在进行有意义的思考。
它偶尔会用日语思考,解读下来就会发现,它就像人类思考一样,会一步步想:“这里是这样,这里不对所以……不对,等一下?”,整体是在逐步排除不确定因素的感觉。
说起来它的思考流程完全是按正确步骤走的,反倒那种几乎不思考、一下子就给出答案的模型,反而可能有问题w
X用户remilouf实测对比两款大模型在复杂分析任务上的表现
我刚刚在一个复杂的性能分析问题上对比了 Fable 5.1 和 GPT 5.6 Sol,结果是……Fable 5.1 是一个非常出色的模型。
它直接就用上了正确方法,仿佛这辈子一直在做这种事,而且像专家一样解读了数据。说实话,我有点被惊到了。
我也很开心,因为性能分析是最重要,但同时又最无趣的事情。
日本博主@ethann_AI公开了他达成该收入的文件配置方法
开发者分享Claude Code省token的实用设置技巧,来自X平台用户分享
@dotey 老师给了一个节省Claude消耗的秘诀~/.claude/settings.json中设置 CLAUDE_CODE_DISABLE_1M_CONTEXT=1,禁用 1M 上下文,同时把部分模型会话按 200K 窗口来预算和自动压缩。
还有一个几乎很少有人用到,但效果十分显著的技巧:/doctor。
它可以清掉没用的 skills、MCP、识别过长的 CLAUDE.md。我用它两分钟清掉了 10K 常驻垃圾占用。
按一天 50 个 Agent Session 算:每天少烧 50 万 token,一个月少烧 1500 万 token。这还没算长上下文带来的反复读文件、延迟 compact、质量变差后的返工。
用户在𝕏分享这个提示词技巧,无需额外工具即可使用
我现在提示词里面特别喜欢加一个 消融实验 对gpt-5.6-sol 来说效果尤其的好 用法很简单:每次完成设计或者实现之后,就说进行消融实验,去掉不必要的抽象和设计
解释一些背景: - 模型显然是知道奥卡姆剃刀选择的 - Harness 基本上也都会注入类似简化,避免过度抽象,这样的要求 但是模型为什么还是做不好呢? 首先是模型:gpt-5.6-sol 的后训练感觉已经彻底飞了,变得过度谨慎,过度保守,过度关注有没有东坡肉 其次是 Feedback Loop:模型需要的不是更多的要求和限制,而是可以切实执行的 Feedback Loop 消融实验就是一个这样的 Loop:模型可以消融任意抽象,看看它是否仍然成立,如果仍然成立的话说明这个抽象是冗余的。 未来这个方法论大概率也会内化到模型本身,但是不妨碍我们可以用来提升今天的效率 不需要 skill,不需要 mcp,只需要你触发这个关键词 🤓
端侧Agent依赖本地设备性能,还要自己调试环境配置,云端远程Agent被认为会成为接下来竞争的核心。
现有固定界面和一次性AI生成界面是两个极端,未来输入提示词就能自定义功能,整个桌面都可能支持自进化。
这个模型专门面向复杂长任务,开放给符合资格的Copilot办公和开发平台用户,给企业多了一个AI选项。
专为复杂的长期任务设计的 Claude Fable 5.1 正在 Copilot Cowork 和 Copilot Studio 推出,为符合条件的客户提供了更多与 AI 协作的选择。
Work IQ 在你的现有权限范围内,将它与你的文件、会议和聊天内容相结合,因此它能对你的工作进行推理,而不只是处理你的提示词。
有学者呼吁所有人重读2025年的相关研究,提醒关注AI推理过程不可监测带来的风险。
紧急情况:鉴于@theinformation 关于OpenAI推出了会降低思维链可监督性的新技术的突发新闻,我敦促所有人现在立刻(重新)阅读(或至少了解)这篇2025年的论文:《思维链可监督性:AI安全全新且脆弱的机遇》。
作者包括@Yoshua_Bengio @BethMayBarnes @ancadianadragan @NeelNanda5 等多位研究者。
摘要写道,而我对此表示赞同:“和所有其他已知的AI监督方法一样,思维链监督并不完美,会让部分不当行为不被发现。尽管如此,它依然展现出前景,我们建议针对思维链可监督性开展更多研究,并在现有安全方法之外投入资源发展思维链监督。由于思维链可监督性可能十分脆弱,我们建议前沿模型开发者在做开发决策时,考虑这些决策对思维链可监督性的影响。”
为了提升性能牺牲这种可监督性,可能会严重升高未来发生更危险事件的风险。
研究把对话每一步拆分成语义节点和关联边,对比两种存储方式的效果,结论值得做Agent的人参考。
终于,终于出现了一篇好论文,专门测试图记忆在长期智能体中是否真的优于平坦检索。(把这篇存好)
研究人员将每一轮对话提取为带类型的节点和带属性的边,从两跳子图中生成回答,并将候选生成预算固定为五个检索根。
在 LongMemEval 上,图记忆的 token F1 得分为 0.42,而平坦向量基线得分为 0.47;对 500 个问题进行配对bootstrap检验后,差距为-0.050(95%置信区间为-0.085至-0.016)。
性能下降主要集中在需要回忆助手某一轮具体过往回复的问题上,这类问题的判断正确率从 0.911 跌到了 0.607。将一轮对话拆分为多个实体会丢失这类问题依赖的表层文本形式。
遗忘模块的表现要好得多。对一个包含 27021 个节点的持久图进行一遍剪枝,剪枝依据是新近度、访问频率、度中心性和节点存活时间,最终移除了 9.8% 的节点和 9.5% 的存储字节,token F1 保持不变。
论文:
Chat with Paper:
科技行业的投资判断全靠数据支撑,数据算错几百倍,会影响整个赛道的投资预期和资源分配
卖方分析师的第一个错误。
标题说机器人“一天”生成的数据量,是整个前沿 LLM 语料库的 200 倍。
但看看他自己给出的数据:LLM 训练语料库是 120TB,而机器人每天生成 64TB。机器人单日生成数据量只有 LLM 训练语料库的 0.5 倍(尽管现在的训练语料库比 120TB 大得多)。
其次,他引用的研究使用的是 DROID 数据库。350 小时训练数据的实际大小是 1.7TB,350 小时原始素材是 8.7TB。
所以这位卖方分析师的错误差了 100 倍到 500 倍。
符合性能标准就会正式发布,想找能在单台DGX上跑的高速开源大模型,可以等这个版本落地。
经过最新 modelopt 优化的 Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-NVFP4,正运行在单台 DGX 上,速度稳定超过 200 tok/s,上下文窗口 8。
如果智力水平达到或超过标准,我们就会发布这个模型!
创办仅五个月的AI模型训练创业公司,估值从3亿美元涨到32亿美元,资本对AI赛道的追捧还在持续升温。
据报道,AI 模型训练初创公司 AfterQuery 完成了一轮融资,投后估值达到 32 亿美元,此时距离它今年 4 月宣布完成 3000 万美元 A 轮融资、当时估值 3 亿美元仅过去五个月。
现有依赖人类读懂AI思考链的安全策略注定会失效,同时公开前沿AI训练推理技术会加速能力扩散,公开前需要严格权衡公共利益和潜在风险
一个非常激进的观点:思维链可解释性从一开始就脆弱到无法作为长期AI安全的可靠保障。我敬佩那些为维护它的保真度付出的乐观与努力,也认为这些努力是有价值的,但我不认为将「思维链必须对人类保持可读」拔高为一项原则是合理的。
我甚至可以说,建立在这项原则之上的策略注定会失败——它们最终一定会失效,我们不应该依赖它们,也不应该从它们那里获得持久的安心。让模型对人类可读的研究,应该远远超出思维链保真度这个范畴。
其次,我对那些披露、或称披露了前沿模型技术进展的新闻报道感到担忧。我不对这些报道的准确性做任何评论,我既不确认也不否认其中任何内容。
但我认为,公开披露前沿模型训练或推理的技术方法,一定会加速前沿能力的扩散,这类决策在推进前,理应先经过激烈的内部辩论。在我看来,披露的门槛应当设置得很高:公开披露特定内容带来的公共利益必须极其突出,才能够压过能力扩散带来负外部性的担忧。
使用该功能处理视频时,最多可减少88%的token消耗,同时准确率最高提升7%,能帮你降低 Gemini 视频分析的使用成本
我们为 Gemini 推出智能体式视频理解功能✨ Gemini 的视频分析能力刚刚变得更出色了!原生视频工具现在可以智能遍历视频时间线、查看文字稿并调整帧率。📺
- 将视频处理模式设为「智能体式」🪙
- 最高可减少 88% 的 token 用量🎯
- 最高可提升 7% 的准确率
该功能支持 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型,可在 @GoogleAIStudio 和 Gemini API 中使用。
这场头部AI公司的技术竞赛结果,会直接影响后续普通用户能用到的AI产品能力和定价,值得提前关注走向。
需要说明的是,这并不是预测 OpenAI 会「赢」。Anthropic 通过在预训练和智能体编码上抢先推进,已经取得了暂时的领先。
但在我看来,OpenAI 在推理强化学习(RL)上拥有更好的理论路线;同时来自中国的研究结果表明,对于与 RSI 相关的推理能力,规模被高估了。
结合 OpenAI 在算力上不断增长的量化与质性优势,他们能够实现更快的内部研发速度,而且他们还有 Astra 以及后续项目来追赶上模型规模。
哪怕他们的预训练科学落后于 Anthropic(我也确实认为是这样),哪怕他们 10T 参数量才能达到 Anthropic 5T 参数量的效果,他们只需要保持规模收益为正,承担成本,依托更好、更高效的推理 RL,充分利用更广的知识覆盖面,就能重新回到领先位置。
因此,OpenAI 的中期目标是,在下一代预训练项目成型的同时,持续复利积累他们的 RL 优势。对齐问题(这和可怕的基础设施无能是分不开的)可能会拖慢他们的脚步,但 Anthropic 在这方面显然也不完美。我看多 OpenAI。
该模型分数从1669提升至1691,创下智能体编码Web开发工作流新纪录。做全栈开发的开发者可以关注其编码能力表现
🏆 登上 CodeArena WebDev 排行榜第一名。
Qwen3.8-Max-0902 分数从 1669 升至 1691,为智能体编码(WebDev)工作流创下了新纪录,在多步推理、工具使用和完整应用生成方面表现尤为突出。
感谢认可!@arena
刚起步一年多的项目,把GLM 5.2运行速度提至市场的2-3倍,验证了开源模型同时做到低成本和低延迟的可能,企业转向开源模型的趋势正在加快。
针对中文阅读优化了字体和主题,支持调用本地或在线大模型做AI辅助阅读,有阅读需求的Obsidian用户可以直接获取开源代码使用。
安装这个,瞬间把你的Obsidian变成史上最强的Epub电子书 AI 阅读器!参考一个俄罗斯项目,完全针对中文阅读改造,增加了适合阅读的字体、主题,增加大量AI辅助功能。能用你本地的Codex、Claude、Grok cli来辅助阅读,也支持配置DeepSeek、GLM、kimi等模型。
开源地址见评论区
长时间运行任务更顺畅,细节处理更到位,还降低了大半代理工作的使用成本,需要长期用Claude处理任务的人能直接受益。
想靠AI批量做网页的团队,可以参考这套方法,不需要依赖更聪明的大模型,靠流程和规则就能把错误减少一半以上
现在学AI别只停留在会用现成大模型,把RAG这类技术落地到生产系统才是核心能力,相关讲解视频已经发布可供参考
AI工程正在飞速发展。不,我所说的不是学习如何使用 Claude 或 Codex,而是如何在生产环境中运用模型,搭建一套能发挥模型作用的系统或产品。
像 RAG、Embeddings、护栏机制这类概念——一旦你把它们从开发环境中带出来,就会变成开发新功能的强大工具。
这件事在我看来,就像过去你学习搭建服务器、研究如何验证 API 输入输出一样(护栏机制就对应这套验证工作)。
如果你想要从技术层面学习这一切,我在这里给你留下了一支视频,我在视频里讲解了相关概念,还搭配了你可以研究的工具示例,所有内容都从专业工程视角出发。来了!
用户@PWenzhen76938在X平台分享自己在TermiX发单实测经历,目前平台规则完善但智能体匹配机制尚未走通
来自𝕏用户@zw2867759575009的观察,Axis Robotics悬赏最高1ETH征集可用机器人脚本
@daniel_mac8在𝕏分享来自@RLanceMartin的5个Fable 5.1实用优化方法,可立即使用
用户@daniel_mac8在社交平台𝕏分享了5个可以立即使用的Fable 5.1优化操作。这些操作整理自@RLanceMartin。
第一个优化操作是将运行强度设置为「低」。
第二个优化操作是运行命令/claude-api cost-optimize。
第三个优化操作是运行命令claude-api prompt-audit。
第四个优化操作是,可在对话中途修改运行强度,且不会命中缓存。
第五个优化操作是使用命令claude-api migrate更新Fable 5.1的API配置。
普通消费级Mac也能跑百B级大模型,不用顶配高内存机型就能运行大参数模型,降低了本地运行大模型的硬件门槛
我开发了 slotstream,它能让你在最低 16GB 内存的 Mac 上运行 4-bit 量化的 Qwen3.8-Flash-Next。
这个模型拥有 1250 亿参数,原本需要 100GB 以上的内存/RAM,slotstream 能运行它要归功于专家卸载/SSD 流式加载。
它安装更新都很简单,基于 MLX 和 Swift 原生适配 Mac。
它内置自动模式,可以在内存占用和速度之间取得不错的平衡。我下一步会实现并移植用于投机解码的 MTP 模块。
社区讨论:多数开发者指出苹果芯片平台已有多个实现大模型SSD分页流的同类开源项目,呼吁开发者合并协作而非重复造轮子,有人吐槽项目README更像会话日志而非清晰的项目说明。有人看好这类优化能让32GB内存的苹果芯片成为够用的本地大模型运行设备,也有人质疑16GB统一内存跑出5tok/s的说法,另有用户担心持续流读写会损伤SSD,还有用户求问扩展更大上下文窗口的方法。
来自𝕏用户KinGao476942,利用Grok bot自带云终端实现额度挪用
分享一个节约 Grok bot @bot 额度的终极邪修大法,利用 Grok bot 的云电脑终端,登录自己的 Codex/Claude Code/Cursor 账号,然后跟 bot 说“复杂的任务或编程,请使用云电脑上的 Codex/Claude Codex/Cursor 额度完成,完成后你再向我汇报” ~ 登录设置完成后,相当于中大型任务,烧的都是你 Coding Agent 的额度,grok bot 额度只是用来写提示词派发任务就可以,妈妈再也不用担心我们的 grok bot 额度不够用啦!
欢迎关注我 @KinGao476942 ,获取更多开箱即用的 AI know-how 技巧
X用户dotey分享实测经验,搭配Fable 5.1效果明显
一个让你 Claude 的 Token 更耐用的经验:禁用 1M 上下文,尤其是在用 Fable 5.1 的时候很明显。 ~/.claude/settings.json "env": { "CLAUDE_CODE_DISABLE_1M_CONTEXT": "1" }
注意 Auto Compact 不要关闭(默认是打开的) 或者你可以输入 /autocompact auto
/autocompact 200k 更简单些
我有两台电脑两个cc账号,今天重置后一起开始猛蹬,刚开始一个开了1m一个禁了1m,token用量消耗差别非常明显,后来消耗快的那个关掉了1m上下文,消耗速度马上下来了
苹果指控OpenAI侵权,目前案件出现关键证物,可能影响后续AI行业侵权诉讼走向
社区讨论:多数人认为OpenAI收下带泄密材料的前苹果员工的做法不光彩,显得绝望又不专业,还有同行企业曾直接通报原发企业此类挖人带机密的事件。有人好奇iCloud同步会牵扯出个人设备隐私的问题,也有人点出苹果在本案中主张商业机密喂给AI会造成不可逆扩散,和他们自身支持AI训练合理使用的立场相悖。本案还会首次测试这一AI相关商业机密主张的法律效力。
网友@nc_frey在𝕏分享实测结果,另一工具Mythos可提效降本
我把我研究生时期的一篇旧论文发给了 Fable 5.1,它重新实现了整篇论文,复现了所有计算,还通过放宽我们当时做的近似修正了一些错误。
它推导出了一个我们从未考虑过的解析可解模型,然后还拓展了这篇论文,解决了一个我们在未来工作部分提到的更难的问题。整个过程花了 7 小时。
另一个案例中,Mythos 编写了自定义 GPU 内核,把开源计算生物学模型的速度提升了 2.5 倍,还将 GPU 成本降低了 30-60%,这样模型就能运行更多工具调用。
我们会把这些优化开源出去。
来自𝕏用户dotey分享Claude辅助开发BaoCut的实操案例
不少用户疑惑AI应用为什么要附带一整套办公软件,可能会占用额外设备存储空间
社区讨论:多数开发者认为打包完整LibreOffice让应用体积过大,达到2GB远超出必要范围,也有网友认为 productivity 应用捆绑未用到的功能本就常见,且LibreOffice本身经过长期验证,不算错误决策。有人发现应用的开源许可部分没有LibreOffice的相关声明,怀疑违反了MPL 2.0许可。还有人质疑,OpenAI资金充足,却不用Rust重写原生应用、选用更轻量的跨平台库,也有人指出没必要提前打包完整组件,按需下载更合理。
开发者@gengdaJ在𝕏分享,可管理Codex、Claude Code等AI技能
我把119个Skill,统一装进了这个Skill Hub收纳箱。
为啥使用这个收纳箱?因为我Codex安装的Skills太多了,有时候会忘记某个Skill的名字,找半天找不到🤣 所以我就想着有没有啥可视化的面板能够直观的分类地查找、分类管理。
结果就用yichen-unified-search Skill发现了这个宝藏收纳箱: 可以统一管理Codex、Claude Code、WorkBuddy、DSH等等。.....
最关键的就是那个Cline,我主要就是靠。agents这一个文件夹管理Skills,其它的Agent的Skills文件夹全部靠软链接就行啦~(这一步要让Codex根据自己习惯调)
而且还能分类打标签,查找起来非常方便,贴标签完全可以让Codex去做。
而且为了更好地“可视化”,我让Codex去把每一个Skill对应的标志性人/头像/logo找到,替换了Skill Hub原本的占位logo,这下更直观了。
我在原仓库基础上做了一些优化,Fork了一份开源:
论文显示模型获胜时,没有从训练数据中复制单个题目的token,参数小的模型也能在特定难题上超过大模型。
任务可以先在云端运行,再转到你自己的Mac本地模型处理,敏感隐私文件也能放心处理。
我们在 Perplexity Computer 中推出混合计算功能。
Computer 可以在云端启动任务,随后转移到在你 Mac 上运行的本地模型继续处理。
这项功能可用于涉及私人文件或敏感数据的操作步骤。
现已在 Perplexity Mac 应用中上线。
大语言模型和传统符号系统看起来差异很大,但在语言、代码、数学这类领域表现很好,研究试图解释背后原因。
🤖🧠新论文🧠🤖(这是一个历时8年项目的成果!)
LLMs 看起来和符号系统非常不同,但 LLM 却在符号领域(比如语言/代码/数学)表现出色。它们是怎么做到的?
我们的发现是:LLM 的表征存在隐式符号结构!链接在推文串中 ⬇️ 1/n
新版本在多类任务上都有小幅提升,解决智能体编码任务的体验有明显改进。
演示视频里的界面完全由模型直接生成,不需要提前写代码或者HTML,能拓展的应用方向很多。
处理复杂格式文档的解析成本降低,错误率也更低,现有文档解析工具使用者可领迁移 credits 测试
今日我们宣布推出 r-1,这是我们全新的文档解析模型。它比我们目前性能最强的智能体 OCR 模型更准确、速度更快,成本还最高可降低 6 倍。
在 @reductoai,我们花了两年时间,为复杂视觉布局、跨多页表格,以及删除线这类关键格式打造专用模型。然后我们用积累的全部经验构建了 r-1,它是新一代模型的首个作品,设计目标就是在不增加成本的前提下处理最复杂的文档。
本次早期预览版,相比我们之前最准确的旧版智能体模型,错误率降低了 20%,并且未来几周内还会通过新 checkpoint 持续优化。
准确性只是开始。r-1 预览版的全包含价格仅为每页 1 美分,用量提升后还可享受额外批量折扣。
近期我们还会发布 r-1 mini,以及一个能为每页自动智能选择最佳处理方案的自动模式。
如果你目前正在使用其他解析工具,我们提供最高 5000 美元的 credits,供你评估和迁移。
你可以通过评论区链接申领迁移福利,了解更多关于 r-1 的信息。祝解析愉快!
公司开始专门研究训练会给AI性格带来什么影响,未来对齐方向的AI设计可能会因此发生变化
我们 Anthropic 正在招聘「心理设计」方向的研究人员。
我们的目标是更深入地理解训练过程会对模型的特性与对齐产生怎样的影响。
我们希望应聘者拥有 LLM 微调、可解释性和对齐评估方向的研究经验。
更多细节见下文。
这套方法比传统静态基准更符合代理成本累积规律,在主流基准测试中实现帕累托最优,能以更低成本达到Opus xhigh同等质量。
今天我们发布了用于评估模型路由的方法,采用交互式基准测试。相比静态基准测试,它能更好地体现智能体的成本累积。
在多个主流基准测试中,我们实现了帕累托最优,质量超过 Opus 的最高水平,成本还降低了 20–80%。
AI产业需求结构已经转变,推理需求超过训练。想布局AI相关产业,可以参考戴尔给出的增长节点
戴尔谈及AI推理需求时表示:“推理需求已经超过训练,是我们行业当前实打实的需求。”
戴尔预计,到2030年,推理令牌需求将增长87倍,达到3600千万亿令牌,与此同时训练需求增长5倍。
“到2028年,企业智能体将成为规模最大的单一工作负载。”
涉及OpenAI放缓前沿研究、对齐、AGI、IPO、消费硬件等多个核心话题,可以了解OpenAI最新的战略方向
想抢先体验这款号称目前最强的AI模型,可以跟着这五步操作,测完就能比大部分人先摸透新模型的能力
用户@nopinduoduo在𝕏分享了Hailuo AI MiniMax H3直出的5秒AI生活场景视频,附完整生成提示词
用户@Fujimoto_hina在𝕏分享了自己用Veo 3.1生成10秒商业视频的完整提示词
开发者@superalesha在𝕏发布Atlas,支持完整可视化Qwen3.8 27B的全部结构与运行状态,已开放在线体验和开源仓库
开发者@superalesha宣布已完成针对通义千问Qwen3.8 27B的Atlas可视化项目,实现了对该模型的完整覆盖。项目覆盖模型全部1199个张量、完整架构,以及模型运行时的内部状态。
该项目的最终成品是“活模型”功能。开发者运行了Qwen处理英文、代码和智能体轨迹数据,映射了全部64层、激活量化、所有完整注意力层、线性内存、110万个神经元、视觉模块的信号流,还记录了将每一层换为INT4量化后带来的性能损耗。
所有数据都来自模型真实权重或实际运行结果,没有任何占位数据。项目同时支持深色模式和适配的移动端浏览,最终成品已经达到可用产品的状态。
目前项目已开放在线体验,代码也公开在Github仓库。
社交媒体用户neilsonks发现,仅需相机位姿和RGB信息即可实现这一效果
社交媒体用户@neilsonks分享了一个有趣发现,可以通过特殊方法“欺骗”Atlas,将它改造成3D建模工具。
具体的操作方法是把输入图像放置在三维空间中,之后模型会自动生成一个连贯完整的场景。
整个过程中,模型只需要获取相机位姿和RGB两种输入信息。
开发者Dorialexander在𝕏发文称,新版Fables 5.1比5.0表现更自然,输出错误更少
开发者Dorialexander在社交平台𝕏发文评价Fables 5.1大模型。他认为Fables 5.1是一款表现不错的模型。
这个新版本刚刚解锁了数据提取环节的一个关键障碍。相比Fables 5.0,它的处理效果更自然,很少出现劣质输出。
用户@Baili1018在𝕏发文纪念BNB Chain诞生六周年,梳理其六年发展变化
六年前,BNB Chain产出了第一个区块。六年后的今天,它已经从最初的交易基础设施,发展为可以承载DeFi(去中心化金融)、AI、RWA(现实资产上链)、GameFi(链游)等多个方向项目的区块链基础设施。
对很多普通用户来说,BNB Chain的意义不在于冰冷的数据,而在于亲身的使用经历。@Baili1018表示,自己最早就是通过参与BNB Chain上的项目接触Web3,从早期参与项目、研究DeFi,到后来接触AI智能体、RWA等新方向,BNB Chain一直是他探索Web3世界的入口。
这些年他看着不少项目从无到有发展起来,也认识了很多因BNB结缘的同好。他认为,区块链行业变化很快,最终能留存下来的,大多是长期持续建设、不断更新优化的网络。
六周年只是一个新的起点。@Baili1018祝BNB Chain六周年快乐,期待它未来能连接更多开发者、用户和创新项目,见证更多新故事。
创作者@MattVidPro在社交平台𝕏分享测试过程,测试依托MCP完成,对比过往版本与Claude的表现
@MattVidPro在Unreal Engine中测试AI模型Fable 5.1。他借助MCP向模型输入了要求相当高的物理游戏Demo生成提示词。
此前5.6 Sol版本在这项任务上表现不错,但他认为在Unreal Engine这类环境中,模型还有很大的优化空间。
Claude通常在3D相关任务中表现更好,他对Fable 5.1的测试结果非常好奇。本次测试结果来自Codex,目前Fable可以正常运行。
开发者Kyle Hessling在𝕏公布测试结果,该版本已在Claude Code智能体循环中进行高强度测试
初步测试结果显示,Qwopus 3.8候选版本的推理量显著低于完全不启用推理机制的基础版本。
开发者已经在Claude Code的智能体循环中对该候选版本进行了高强度测试,最初测试结果好到让开发者不敢轻信。
更多细节将在后续公布。
这是发布在𝕏平台@Caden_Flux的教程,介绍Flova AI生成韩剧风短剧的方法
你如果想学习如何生成韩国爆火的韩剧风短剧,这套操作无需复杂设置。
第一步,在平台首页选择「K-Drama Vibe Short Series」功能。
第二步,输入你的故事创意,或者上传一张参考图,剩下的工作都交给智能代理完成即可。
用Flova就能创作下一个引爆社交媒体的AI短剧。
博主@notjazii在𝕏发布两款大模型的同条件测试对比数据
Fable 5.1 vs GPT 5.6
Sol 用相同提示词、在最高推理设置下测试了两个模型。
Fable 完成测试花了 10 分钟,花费 $1.6。
Sol 花了 7 分钟,花费大约 $0.95。
尽管 Sol 更便宜也更快,但结果差别非常大,谁赢了?
博主在𝕏分享Fable 5.1 High对比旧版生成长3D模型的测试
这是我对 Fable 5.1 的第一次测试。
对比 Claude Code 中的 Fable 5.1 High 和 Fable 5 high > 在 Three.js 中生成空客 H145 直升机的 3D 模型。
Fable 5.1 又勾得我想买 Max 订阅了😭
提示词非常简单 ↓
提示词:在 Three.js 中创建一个空客 H145 直升机的写实 3D 模型。使用原厂演示标准配色,突出紧凑机身、涵道式尾桨 Fenestron 和细节丰富的旋翼组件。在 Three.js 中使用干净几何、写实 PBR 材质、柔和影棚打光和中性背景。
OpenAI的Astra AI采用名为循环深度的新推理方法,可优化模型成本与性能,但研究者担心它会隐藏模型思考过程,增加监控难度。目前多位AI研究者对此表达了不同看法。
Shopify ML团队微调的0.8b参数专用小模型,在对应特定任务上性能超过GPT 5.6-sol xhigh,多位开发者称这类场景中小模型表现更优,行业会否迎来定制智能新趋势
目前AI行业存在不可监控的模型竞赛担忧,这个观点能帮你理清当前行业对模型可监控性的真实态度。
我想要阻止由错误报道引发的「奔向不可监控」竞赛。
我们目前前沿模型,包括 Astra,计算图深度与 GPT-4 的差距不超过两倍。
从我们推出第一款推理模型开始,OpenAI 就一直在维护并运用思维链监控。
我们非常重视这项技术,因为它能让我们看到模型对齐在训练分布之外的泛化表现。
我确实认为这项技术很脆弱,而且不幸的走向在往不好的方向发展,原因并不取决于架构变化,我很快会撰文讨论这些原因。
但我们依然可以做很多工作来强化它,而且这是我们当前研究项目的核心目标。
这套方法比传统静态基准更符合代理成本累积规律,在主流基准测试中实现帕累托最优,能以更低成本达到Opus xhigh同等质量。
今天我们发布了用于评估模型路由的方法,采用交互式基准测试。相比静态基准测试,它能更好地体现智能体的成本累积。
在多个主流基准测试中,我们实现了帕累托最优,质量超过 Opus 的最高水平,成本还降低了 20–80%。
这款新模型支持20人以上说话人分离,还能实时识别多语言混输,在公开基准测试中排名第一,需要高精度语音转文字的用户可以留意。
介绍 Muse Voice Transcribe,它是 Meta Superintelligence Labs 推出的首个实时音频感知模型。
Muse Voice Transcribe 可提供实时流式自动语音识别(ASR)、支持 20 名以上说话人者的话者分离以及端点检测功能。
它支持多语言,能无缝处理语码切换,还可通过语言、关键词和上下文偏置提升准确率。
该模型在 @ArtificialAnlys 流式语音转文本和公开话者分离基准测试中排名第一。
原本做模型压缩的欧洲量子计算公司,现在下场训练大模型,打破了欧洲缺少大基座模型的局面,可以关注欧洲AI自主化进程。
一体化应用自带训练和推理功能,目标是训练出效果更好的自定义语音,感兴趣可等待发布。
Index TTS 2.5 DoRA(效果优于 LoRA)训练
目标是打造一款集推理与训练于一体的一体化应用,能用你的自定义语音生成效果最出色的 TTS 语音。
有望很快发布。
可理解为增强版Zapier,支持纯英语调用
已有智能体无需重构,就能接入新功能接付费工作,降低了已有智能体商业化改造门槛。
智能体技术这次技能更新,实际意义比表面看上去更重要。
如果你的智能体已经运行在 Claude Code、Codex、OpenClaw 或类似工具上,@termix_ai 基本上就是给它提供了一种找到付费工作的方式,而且不需要从头重建整个智能体。
处理同一段视频能少用八成多token,意味着处理长视频的成本会大幅降低,视频AI分析的费用门槛会下降
想做Grok bot插件却没头绪,这个工具可以帮你根据现有API生成符合要求的插件,提交审核后就能供所有Grok用户使用。
来认识我的新grok机器人 @tinkabot(v0.1.0)!
它可以帮你制作高质量的grok机器人插件。你可以让它查看你的API,为它创建MCP和/或技能,之后把这些内容打包成一个插件,你就可以提交给我们审核了。
审核通过后,所有grok机器人用户都可以使用你的插件了!
如果你遇到问题请告诉我,我已经在一些小型玩具API上试用过它,很想看看它在真实API上的表现如何。
仅4B参数就实现Agent能力,还在多个代码 benchmarks上超过9B参数的Qwen3.5,Apache 2.0协议可免费商用,需要轻量本地Agent的可以直接用
仅 40 亿参数就具备智能体能力,原生支持 100万上下文。不要错过 Spark-X2.5-4B。Apache 2.0 协议开源。
在 SWE-bench Pro 上击败 Qwen3.5-9B(44.4 vs 33.8),在 SWE-bench Multilingual 上也击败对方(53.3 vs 43.3)。
在 τ³-bench、MCP-Atlas、MCP-Mark、Workspace Bench、VitaBench 2.0 和 BrowseComp 多项对比中领先。
可修复代码仓库、编写代码、调用工具,能在 Codex、Claude Code、OpenClaw 和 Hermes 中工作。
在 AIME 2026 得分 90.7,在 HMMT February 2026 得分 81.2。
原生支持 100万 token 上下文,覆盖 200 多种语言,支持 SGLang、vLLM、llama.cpp、MLX、Ollama 和 LM Studio。
面向复杂企业任务、科研和长流程工作流升级,企业开发者可通过API直接调用测试
🚀 Qwen3.8-Max 刚刚完成升级,全新推出 Qwen3.8-Max-0902!
2.4万亿参数,1百万上下文token,为应对现实世界的复杂场景打造。
经过 Coding&Cowork 进一步后训练,Qwen3.8-Max-0902 如今在复杂企业任务、科研和长周期工作流上都实现了更强的性能。
每1百万token定价如下:
· 输入 $2,输出 $6。
· 明确缓存命中 $0.17,隐式缓存命中 $0.25。
现已通过 QwenCloud 的 API 上线,快来试用吧!
API:
面向企业复杂任务、科研和长流程工作流升级,API定价明确,需要大上下文大参数模型的企业开发者可直接调用
🚀Qwen3.8-Max 刚刚完成升级,新版本 Qwen3.8-Max-0902 正式登场!
参数规模 2.4T,上下文长度支持 1M 令牌,专为处理现实世界的复杂任务打造。
经过 Coding & Cowork 领域的进一步后训练,Qwen3.8-Max-0902 现在在复杂企业任务、科研任务和长周期工作流上都能提供更强性能。
💰每 1M 令牌定价:输入 $2,输出 $6。显式缓存命中 $0.17,隐式缓存命中 $0.25。
更多 API 接入渠道:
• Model Studio
• Qwen Cloud
该模型分数从1669提升至1691,创下智能体编码Web开发工作流新纪录。做全栈开发的开发者可以关注其编码能力表现
🏆 登上 CodeArena WebDev 排行榜第一名。
Qwen3.8-Max-0902 分数从 1669 升至 1691,为智能体编码(WebDev)工作流创下了新纪录,在多步推理、工具使用和完整应用生成方面表现尤为突出。
感谢认可!@arena
使用该功能处理视频时,最多可减少88%的token消耗,同时准确率最高提升7%,能帮你降低 Gemini 视频分析的使用成本
我们为 Gemini 推出智能体式视频理解功能✨ Gemini 的视频分析能力刚刚变得更出色了!原生视频工具现在可以智能遍历视频时间线、查看文字稿并调整帧率。📺
- 将视频处理模式设为「智能体式」🪙
- 最高可减少 88% 的 token 用量🎯
- 最高可提升 7% 的准确率
该功能支持 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型,可在 @GoogleAIStudio 和 Gemini API 中使用。
符合性能标准就会正式发布,想找能在单台DGX上跑的高速开源大模型,可以等这个版本落地。
经过最新 modelopt 优化的 Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-NVFP4,正运行在单台 DGX 上,速度稳定超过 200 tok/s,上下文窗口 8。
如果智力水平达到或超过标准,我们就会发布这个模型!
目前宣称这是全球最先进的编码和知识工作模型,普通用户可以期待后续更强的AI工作体验
即将正式发布的 Astra 已经达到其安全评估框架的高危级门槛,提前公开评估过程与防护方案,可以观望后续进展对网络安全领域的影响
在我们准备发布 Astra 之际,我们专注于让能力不断提升的 AI 变得安全,并且能够被广泛获取。
Astra 代表着网络安全能力的重大进步,达到了我们准备框架下的 Critical 门槛。
我们将预先展示我们是如何评估这个模型的,它的安全防护是如何随着能力同步升级的,以及我们未来还会继续学习和改进哪些内容。
做销量、床位 occupancy、医疗监测等时序预测的团队,可直接拿模型输出结果,不用微调,省掉GPU训练时间,目前权重仅开放非商用使用。
可以生成带持久记忆、可交互、符合物理规律的无限长度动态世界,相关服务已开放API可供测试
今天我们发布 Orbis 1.0,这是我们的第一个 Live Model!
你可以用它创造活的世界,并且实时推流,它具备持久化记忆、可交互性,以及基于物理的无限长度生成。
现在就可以通过 API 试用,API 由 @reactorworld 提供:
动态版本:
稳定版本:
它能生成图像视频帧、同时重建3D结构,未来可用于空间模拟,给生成式AI打开新的应用方向。
处理复杂格式文档的解析成本降低,错误率也更低,现有文档解析工具使用者可领迁移 credits 测试
今日我们宣布推出 r-1,这是我们全新的文档解析模型。它比我们目前性能最强的智能体 OCR 模型更准确、速度更快,成本还最高可降低 6 倍。
在 @reductoai,我们花了两年时间,为复杂视觉布局、跨多页表格,以及删除线这类关键格式打造专用模型。然后我们用积累的全部经验构建了 r-1,它是新一代模型的首个作品,设计目标就是在不增加成本的前提下处理最复杂的文档。
本次早期预览版,相比我们之前最准确的旧版智能体模型,错误率降低了 20%,并且未来几周内还会通过新 checkpoint 持续优化。
准确性只是开始。r-1 预览版的全包含价格仅为每页 1 美分,用量提升后还可享受额外批量折扣。
近期我们还会发布 r-1 mini,以及一个能为每页自动智能选择最佳处理方案的自动模式。
如果你目前正在使用其他解析工具,我们提供最高 5000 美元的 credits,供你评估和迁移。
你可以通过评论区链接申领迁移福利,了解更多关于 r-1 的信息。祝解析愉快!
AI代理开始自主消费,现有支付渠道分散,这套服务能帮服务提供商覆盖全代理市场,最大化收入,还能让AI代理交易前了解成本。
AI 智能体开始花钱了。问题在于支付通道目前仍然是碎片化的。
@MPP32_dev 为此实现了相应解决方案:它为 API 和服务提供商提供了一种统一方式,让不同链和不同协议上的智能体给他们付款,而且不需要修改他们现有的 API,通过覆盖 100% 智能体市场来实现潜在收益最大化。
现在他们新增了公平定价预言机(Fair Pricing Oracle),让智能体可以在交易前就了解服务的实际成本。通用支付层让提供商实现收益最大化。公平定价让自动化智能体现在就能实现成本效益。
这就是智能体经济在扩张过程中所需要的基础设施。
免责声明:本文内容是与客户合作产出,仅用于提供信息。不构成财务或投资建议。在做出任何财务决策前,请始终自行开展研究。
如果你关注全球AI创业格局,印度本土AI初创的融资和人才动向值得留意,多个项目已经获得规模化收入。
印度人工智能创业生态正迎来高光时刻。八月十分热闹。
• 至少有三家面向研究的公司完成了三轮大额种子轮融资
• 有2-3支团队/创始人从美国顶尖实验室回国,在印度创业
• 超过六家公司完成了A/B/C轮融资,估值有显著提升
• 多家公司年度经常性收入(ARR)突破1000万美元,部分已经突破3000万美元
• 目前有3-4家企业正带着极大的战略兴趣积极投资
• 几家本地私募股权公司越来越早地入场领投A/B轮融资
而且这些项目中,很大一部分是印度本土优先的人工智能项目,而不简单是对美出口项目。
非常高兴能看到这样的发展势头,从整体格局来看,目前仍处于早期阶段。
成立仅一年年化收入从百万跃至七千万,团队扩张十倍,未来还将继续扩招并拓展全球市场。
AI 初创公司 Wonderful 融资 5.5 亿美元,估值达 50 亿美元。
Wonderful 成立于去年,其业务是帮助大型企业直接将 AI 智能体部署到他们的工作流中,并由本地工程团队帮助企业集成和运行这些 AI 智能体。
该公司年化收入从一年前约 100 万美元飙升至如今约 7000 万美元,员工数量增长超 10 倍,达到约 650 人。
Wonderful 计划到今年年底员工总数突破 1000 人,同时业务扩展到 30 个国家和约 50 个市场。
该公司起步于多语言客户支持智能体,现在正在打造更广泛的自主智能体、编码工具,以及旨在取代部分传统企业软件的软件。
年收入从100万美元涨到7000万美元只用了一年,从多语言客服迅速扩展到自动化领域。
人工智能初创公司Wonderful刚刚以50亿美元估值融资5.5亿美元,其年化收入在一年内从约100万美元增长到了7000万美元。它最初是做多语种客户支持的,现在正快速扩展到自主智能体和编码工具领域。
🚨 Wonderful以50亿美元估值融资5.5亿美元
Wonderful成立仅20个月后,就完成了由Insight Partners领投的5.5亿美元C轮融资。该公司目前已经在十多个行业、30多个市场运营数百个AI智能体、系统和工作流,新资金将用于扩张工程团队和企业平台。
现在跑AI大模型推理,速度已经成为架构层面的硬性要求,OpenAI把GPT 5.6 Sol跑到每秒750个token。
⚡ 顶级 AI 公司认为推理速度是一项值得投入成本的架构需求。
OpenAI 和 Cerebras 展示了以每秒 750 token 速度运行的 GPT 5.6 Sol。Google 发布了平均每秒 330 token 的 Gemini 3.7 Flash。Nvidia 推出了配备 NeMo Switchyard 的 Nemotron 3.5 Lightning,用于动态步骤路由。
更高的吞吐量和更低的延迟能缓解开发者上下文切换,为实时智能体工作流提供助力。完整分析请阅读:The Batch。📖 #DeepLearningAI #AI #TechNews
训练成本是一次性支出项。推理成本是日常习惯,每上线一个用户、每上线一个智能体都会让它复利增长。我们会在 10 月 28 日旧金山的峰会上深入探讨这个问题。
申请:
同时它还处在帕累托前沿顶端,每百万token推理成本只要5美元,性价比拉满。
🏆 在 Code Arena 中排名第一,并且在 5 美元每百万 token 的成本上,位于帕累托前沿顶端。谢谢!@arena
快去 QwenCloud 体验 Qwen3.8-Max-0902 吧。🥳
上传原视频和目标人物后,就能把动作、唇语、镜头运动完整迁移过去,做短视频很方便。
推出Higgsfield Genjutsu。这是我们迄今为止最强的AI视频转换工具。
上传你的视频,添加你的角色,点击几下就能转换精准动作:表演、口型同步、相机移动和VFX,所有细节都保持一致。
你可以在Higgsfield免费试用。
开发者开源了这套智能体基础架构,支持智能体根据推理时产生的各类信号不断自我更新。
我们很高兴开源 Reef:这是我们为智能体搭建的基础设施(模型+工具集),让智能体可以从推理阶段生成的任何信号中持续进化。
欢迎查看代码,欢迎提交 issue 和 PR!
https://github.com/Human-Agent-Society/reef/tree/main/reef
基于对象选择的编辑和协作功能,现在ChatGPT能标注图片,但还没法选中特定对象编辑。
新 Google Pics 为 ChatGPT/Codex 功能引入了两点需要考虑的内容:基于对象选择的编辑,以及协作。
你可以在 ChatGPT 中给图像添加注释,但没法选择特定对象。
如此说来:(1) 我不完全确定对象选择相比注释能带来多大区别,(2) GPT Image 2 比 Nano Banana 2 更好,以及 (3) Google Pics 拒绝让 Sundar Pichai 成为这个主角:)
除非使用企业版,否则输入内容都会被用于模型训练,对数据安全有要求的可以换企业版。
社区讨论:不少用户不满Mistral默认用用户输入训练模型,原本标榜欧洲隐私友好选项,却调整了团队套餐的默认设置,取消了企业统一强制退出训练的选项,要求每个员工手动设置,对处理敏感数据、需要合规的企业来说,团队套餐已无法使用。也有用户指出,Claude、Gemini Pro等其他大模型付费产品也有相同做法,行业普遍把用户训练数据当做自身护城河。
如果你担心收到的文件是AI生成的,可以关注这种检测Claude生成文件的方法。
社区讨论:有用户指出,Claude的生成文件检测基于C2PA文件元数据,不像隐藏水印那样难以去除,只需简单操作就能剥离。多名用户不认可这种检测方式,有人认为Claude加水印是浪费资源,文本编辑就能破解;有人认为检测本身会被针对性规避,最终还是需要人工验证;还有人质疑这种检测新增了不必要的监控。也有用户认为,Claude做检测是为了避免训练数据混入AI生成内容。
工程师日常开发会越来越依赖AI编码工具,这篇讨论整理了真实工作场景中真正有用的技能方向。
给大模型做安全审计,却在curl代码里发现了漏洞,大模型厂商自己没找到任何漏洞。
梳理出逐年升级的AI攻击路径,提前了解黑产对AI技术的利用方向,能帮你更清楚AI安全风险会怎么影响普通人。
🤓 我整理了一些早期AI威胁情报报告,发展过程非常有意思!
2024年:AI主要被用于辅助、影响力操作、虚假信息以及早期地下AI基础设施。
2025年:我们已经看到使用LLM的早期恶意软件,规模化应用之后出现了MCP攻击,还有第一起据称的「智能体攻击」。
2026年:智能体技能成为供应链攻击目标。
攻击者还利用了会安装包的编码智能体,已有报告显示,攻击过程中Claude Code这类智能体会被连接到攻击性工具上。
这是AI代理商业早期项目,完成任务可赚积分参与奖励瓜分,积分不保证空投,想参与早期AI项目可以关注机会
国产大模型首次直接通过电商卖AI服务,普通人不用跳转官网,像充话费一样买AI Token就能用。
🔥领先!智谱 居然开淘宝/天猫旗舰店了!9月2日官方店正式上线,Coding Plan 套餐 Lite / Pro / Max 全上架,月付、季付、年付随便选。
Lite 118 元/月起,买 Token 跟充话费一样简单,搜「智谱旗舰店」就能下单。支持 GLM-5.3,适配 Claude Code、ZCode 等 20 多款主流编程工具,普通人也能直接上手。国产大模型第一次正经做电商,这一步挺有意思。
你们会去囤吗?#智谱AI #智谱旗舰店 #GLM #CodingPlan #国产大模型 #AI编程 #淘宝 #天猫 #大模型订阅 #唐杰
它不把视频当成一串像素处理,直接把文本、图像、视频、3D信息都放进统一的3D空间再做预测
官方称这是Google目前最聪明的主力AI模型,在代码和代理任务上有明显提升
如果你还没看到:这里是我们八月AI相关公告的汇总。⬇️
💎 发布了 Gemini 3.7 Flash,这是我们迄今为止面向编码和智能体打造的最智能主力模型。它在软件工程、知识工作和Web开发工作流中都带来了大幅提升。
📱 在#MadeByGoogle活动上推出了全新Pixel 11系列。该系列配备重大升级的相机、更强的耐用性,以及我们速度最快、性能最强的芯片Google Tensor G6,可运行最新的Gemini Nano模型。
✍️ 推出Gemini 3.5 Transcribe,这是我们最新的语音转文字模型,可为语音智能体、实时字幕、通话后分析等开发者工作流提供智能实时转写。它还能直接将原始音频转换为准确、具备上下文感知能力的理解结果。
🎉 @GeminiApp 的月活用户突破10亿,成为Google历史上增长最快的产品。此外,Gemini 现在每天生成超过1.5亿张图片。
⚡ 推出Gemini Omni 1.1 Flash,为视频生成带来精准控制能力。全新功能可提供工作室级视频制作能力——包括场景扩展、清晰的4K超分辨率、更快的原型开发等等。
网友拆解他的公开帖子发现,Astra不是刚启动训练,而是早就做完了训练流程
Sam Altman 关于 Astra 的帖子透露的信息比“新模型即将推出”要多。我们实际上能从中读出这些信息:
→ Astra 已经在“一段时间之前”完成了训练
→ OpenAI 称它在能力和对齐两方面都有重大提升
→ 瓶颈出现在训练后的安全工作、评估和部署准备上
→ 在 Astra 之后,如果安全保障跟不上,OpenAI 就已经会放慢模型发布节奏
我的解读:前沿进展或许正在进入一个新阶段:训练下一个模型不再是发布的主要瓶颈。模型早就可以训练完成,安全工作却让它一直无法发布。
而 Astra 似乎是第一个让这种矛盾变得极其明显的 OpenAI 发布项目。
推测:这也说明,开发 pipeline 中已经存在能力更强的后续模型,但 OpenAI 故意拉长了“模型训练完成”和“模型发布”之间的间隔。
所以 Astra 不是在等着变得更聪明。它一直在等 OpenAI 做好发布它的准备。而现在 Sam 说他们准备好了。
自带83种专门技能和681种披露规则,可以直接在Claude Code里跑漏洞查找流程
他认为思维链的可解释性太脆弱,没法成为AI安全的可靠支撑,现在还没找到更稳的替代方案
用改进的融合架构做稀疏混合专家模型,把一个小基座模型和超过150个专家模块合并在了一起
推出 FUSE-2 🔥(近日会放出基准测试,我拿到算力了!)。
Fuse-2 是一个稀疏混合专家模型,它采用了改进的融合架构,让我能把一个小型基座模型和来自 qwen 3.8 27B 的超过 150 个专家融合在一起。
这让我能构建出一个体积比 qwen 3.8 27B 更小,同时依然足够聪明的模型。llama 配置已经可以正常工作,我已经放出了几个 gguf 量化版本(8位、5位和4位)。更多内容即将到来。
重要提示:这个模型是我的自我改进系列的第一个作品。
因为我最近拿到了更多算力,我正在我自己的 optimus studio 管线里运行这个模型,加上另外两个模型。
在接下来几周里,这个模型会持续自我改进,我也会持续放出新的 checkpoint。
预计近期很快就会有大量 checkpoint 放出,还会有新模型推出!🤗
模型权重:
界面布局和VS Code保持一致,开箱就能用,适合只需要基础编辑功能的开发者
这两款是Anthropic新推出的Claude系列模型,更新内容与技术文档已经公开,可查看官方文档了解具体变化
Claude Fable 5.1 新增内容:
System Card:
社区讨论:Anthropic员工称Claude Fable 5.1文风自然更少刻板表达,更可靠遵循风格指令,多数评论认可它写作比旧款进步,更少套话和术语。也有人指出它行文比前代更密,句子更长段落分隔更少,还有人称之前因对齐检查过于敏感放弃使用Fable。价格方面,缓存读取价格降至原来四分之一,仅为Opus缓存成本的一半,有评论认为这说明原定价过高,还会给大模型整体定价设置天花板。有靠AI谋生的开发者提到,当前更在意稳定的token配额和可预期的成本,对单纯的模型升级兴趣不大。
使用Anthropic服务的用户可能会遭遇无明确理由的封禁,需要提前做好重要数据备份
社区讨论:多数用户认为,本次封禁事件暴露AI时代的核心问题:用户做任何事都需要获得企业和监管方的许可,依赖不透明企业服务的人随时可能失去 livelihood。有用户猜测,此次封禁是Anthropic针对类似中文模型蒸馏、API转卖行为的过度防控,另有用户猜测原帖作者本身拥有多个违规马甲账号。还有用户吐槽本次事件的叙事文本过度煽情。
OpenAI的Astra AI采用名为循环深度的新推理方法,可优化模型成本与性能,但研究者担心它会隐藏模型思考过程,增加监控难度。目前多位AI研究者对此表达了不同看法。
刚起步一年多的项目,把GLM 5.2运行速度提至市场的2-3倍,验证了开源模型同时做到低成本和低延迟的可能,企业转向开源模型的趋势正在加快。
创办仅五个月的AI模型训练创业公司,估值从3亿美元涨到32亿美元,资本对AI赛道的追捧还在持续升温。
据报道,AI 模型训练初创公司 AfterQuery 完成了一轮融资,投后估值达到 32 亿美元,此时距离它今年 4 月宣布完成 3000 万美元 A 轮融资、当时估值 3 亿美元仅过去五个月。
端侧Agent依赖本地设备性能,还要自己调试环境配置,云端远程Agent被认为会成为接下来竞争的核心。
现有固定界面和一次性AI生成界面是两个极端,未来输入提示词就能自定义功能,整个桌面都可能支持自进化。
这个模型专门面向复杂长任务,开放给符合资格的Copilot办公和开发平台用户,给企业多了一个AI选项。
专为复杂的长期任务设计的 Claude Fable 5.1 正在 Copilot Cowork 和 Copilot Studio 推出,为符合条件的客户提供了更多与 AI 协作的选择。
Work IQ 在你的现有权限范围内,将它与你的文件、会议和聊天内容相结合,因此它能对你的工作进行推理,而不只是处理你的提示词。
有学者呼吁所有人重读2025年的相关研究,提醒关注AI推理过程不可监测带来的风险。
紧急情况:鉴于@theinformation 关于OpenAI推出了会降低思维链可监督性的新技术的突发新闻,我敦促所有人现在立刻(重新)阅读(或至少了解)这篇2025年的论文:《思维链可监督性:AI安全全新且脆弱的机遇》。
作者包括@Yoshua_Bengio @BethMayBarnes @ancadianadragan @NeelNanda5 等多位研究者。
摘要写道,而我对此表示赞同:“和所有其他已知的AI监督方法一样,思维链监督并不完美,会让部分不当行为不被发现。尽管如此,它依然展现出前景,我们建议针对思维链可监督性开展更多研究,并在现有安全方法之外投入资源发展思维链监督。由于思维链可监督性可能十分脆弱,我们建议前沿模型开发者在做开发决策时,考虑这些决策对思维链可监督性的影响。”
为了提升性能牺牲这种可监督性,可能会严重升高未来发生更危险事件的风险。
研究把对话每一步拆分成语义节点和关联边,对比两种存储方式的效果,结论值得做Agent的人参考。
终于,终于出现了一篇好论文,专门测试图记忆在长期智能体中是否真的优于平坦检索。(把这篇存好)
研究人员将每一轮对话提取为带类型的节点和带属性的边,从两跳子图中生成回答,并将候选生成预算固定为五个检索根。
在 LongMemEval 上,图记忆的 token F1 得分为 0.42,而平坦向量基线得分为 0.47;对 500 个问题进行配对bootstrap检验后,差距为-0.050(95%置信区间为-0.085至-0.016)。
性能下降主要集中在需要回忆助手某一轮具体过往回复的问题上,这类问题的判断正确率从 0.911 跌到了 0.607。将一轮对话拆分为多个实体会丢失这类问题依赖的表层文本形式。
遗忘模块的表现要好得多。对一个包含 27021 个节点的持久图进行一遍剪枝,剪枝依据是新近度、访问频率、度中心性和节点存活时间,最终移除了 9.8% 的节点和 9.5% 的存储字节,token F1 保持不变。
论文:
Chat with Paper:
推理效率决定了部署大模型的成本高低,相关讨论能帮从业者找到成本与性能的平衡方向
Shopify ML团队微调的0.8b参数专用小模型,在对应特定任务上性能超过GPT 5.6-sol xhigh,多位开发者称这类场景中小模型表现更优,行业会否迎来定制智能新趋势
涉及OpenAI放缓前沿研究、对齐、AGI、IPO、消费硬件等多个核心话题,可以了解OpenAI最新的战略方向
AI产业需求结构已经转变,推理需求超过训练。想布局AI相关产业,可以参考戴尔给出的增长节点
戴尔谈及AI推理需求时表示:“推理需求已经超过训练,是我们行业当前实打实的需求。”
戴尔预计,到2030年,推理令牌需求将增长87倍,达到3600千万亿令牌,与此同时训练需求增长5倍。
“到2028年,企业智能体将成为规模最大的单一工作负载。”
公司开始专门研究训练会给AI性格带来什么影响,未来对齐方向的AI设计可能会因此发生变化
我们 Anthropic 正在招聘「心理设计」方向的研究人员。
我们的目标是更深入地理解训练过程会对模型的特性与对齐产生怎样的影响。
我们希望应聘者拥有 LLM 微调、可解释性和对齐评估方向的研究经验。
更多细节见下文。
论文显示模型获胜时,没有从训练数据中复制单个题目的token,参数小的模型也能在特定难题上超过大模型。
任务可以先在云端运行,再转到你自己的Mac本地模型处理,敏感隐私文件也能放心处理。
我们在 Perplexity Computer 中推出混合计算功能。
Computer 可以在云端启动任务,随后转移到在你 Mac 上运行的本地模型继续处理。
这项功能可用于涉及私人文件或敏感数据的操作步骤。
现已在 Perplexity Mac 应用中上线。
大语言模型和传统符号系统看起来差异很大,但在语言、代码、数学这类领域表现很好,研究试图解释背后原因。
🤖🧠新论文🧠🤖(这是一个历时8年项目的成果!)
LLMs 看起来和符号系统非常不同,但 LLM 却在符号领域(比如语言/代码/数学)表现出色。它们是怎么做到的?
我们的发现是:LLM 的表征存在隐式符号结构!链接在推文串中 ⬇️ 1/n
新版本在多类任务上都有小幅提升,解决智能体编码任务的体验有明显改进。
演示视频里的界面完全由模型直接生成,不需要提前写代码或者HTML,能拓展的应用方向很多。
不少用户疑惑AI应用为什么要附带一整套办公软件,可能会占用额外设备存储空间
社区讨论:多数开发者认为打包完整LibreOffice让应用体积过大,达到2GB远超出必要范围,也有网友认为 productivity 应用捆绑未用到的功能本就常见,且LibreOffice本身经过长期验证,不算错误决策。有人发现应用的开源许可部分没有LibreOffice的相关声明,怀疑违反了MPL 2.0许可。还有人质疑,OpenAI资金充足,却不用Rust重写原生应用、选用更轻量的跨平台库,也有人指出没必要提前打包完整组件,按需下载更合理。
苹果指控OpenAI侵权,目前案件出现关键证物,可能影响后续AI行业侵权诉讼走向
社区讨论:多数人认为OpenAI收下带泄密材料的前苹果员工的做法不光彩,显得绝望又不专业,还有同行企业曾直接通报原发企业此类挖人带机密的事件。有人好奇iCloud同步会牵扯出个人设备隐私的问题,也有人点出苹果在本案中主张商业机密喂给AI会造成不可逆扩散,和他们自身支持AI训练合理使用的立场相悖。本案还会首次测试这一AI相关商业机密主张的法律效力。
普通消费级Mac也能跑百B级大模型,不用顶配高内存机型就能运行大参数模型,降低了本地运行大模型的硬件门槛
我开发了 slotstream,它能让你在最低 16GB 内存的 Mac 上运行 4-bit 量化的 Qwen3.8-Flash-Next。
这个模型拥有 1250 亿参数,原本需要 100GB 以上的内存/RAM,slotstream 能运行它要归功于专家卸载/SSD 流式加载。
它安装更新都很简单,基于 MLX 和 Swift 原生适配 Mac。
它内置自动模式,可以在内存占用和速度之间取得不错的平衡。我下一步会实现并移植用于投机解码的 MTP 模块。
社区讨论:多数开发者指出苹果芯片平台已有多个实现大模型SSD分页流的同类开源项目,呼吁开发者合并协作而非重复造轮子,有人吐槽项目README更像会话日志而非清晰的项目说明。有人看好这类优化能让32GB内存的苹果芯片成为够用的本地大模型运行设备,也有人质疑16GB统一内存跑出5tok/s的说法,另有用户担心持续流读写会损伤SSD,还有用户求问扩展更大上下文窗口的方法。
训练大模型的时间和成本门槛再次被压低,普通人也能尝试训出效果不输现有大模型的小模型。
社区讨论:作者澄清这不是大语言模型,是从头训练的小型自回归Transformer,核心观点是复杂问题无需大模型即可解决,此前该基准只有耗费巨额成本的大模型或微调能参与。有人质疑只跑单个基准、存在训练数据泄露过拟合,作者澄清并未使用测试集标签训练,该方法实现提交后从头训练,能避免合成数据刷榜保证公平。多数开发者认可样本效率是AI未解决的核心问题。
从小型harness练手理解底层细节,这些能力可以迁移到生产级项目,帮你更好调整适配自己任务。
并非所有的Agent框架都是生来平等的,也不存在通用的万能框架。
一个好的Agent框架应当能解决你在上下文工程中遇到的问题。理解并优化系统提示、缓存、高效工具调用这类底层细节,才是一个框架脱颖而出的关键。
这就是为什么框架工程如今是AI工程师的一项重要技能。你可以从用你喜欢的语言搭建自己的极简框架开始,要包含基础的智能体循环、系统提示和工具调用能力。
然后针对一个用例测试它,验证结果,然后迭代优化。用不了多久你就会发现,任何人都能搭建出一个相当强大的框架。但首先,理解那些底层细节非常重要。你要理解它们发挥的作用,以及如何调整它们。
当你之后接触到更适合生产环境的现有框架时,这些技能可以轻松迁移过去。到那时你就能更好地针对自己的任务修改和调整框架。
这不仅仅是学习基础知识。它能让你很好地掌握可调整的参数,从而最大程度发挥你的Agent框架的能力。
合适的模型可能随时间变化,做模型和提供商无关的解决方案,可以应对这种变化。
对OpenAI新技术的争议已经出现,现在已有声音呼吁出台相关监管法律。后续还会有更多观点出现。
这是我对OpenAI使用循环深度相关事件的初步看法。
我很高兴看到强烈的反对反应,也赞赏呼吁就此立法的声音,我会在后续形成更全面的观点。
但今天仍是 Fable 5.1 模型卡发布日。
行业变化速度在加快,提前了解相关趋势,对布局和选择有参考意义。
OpenAI 做出了能力过强的模型,不限制推理能力就无法满足监管安全要求,只能削弱功能后才能推出。这暴露了大模型发展撞上监管的核心矛盾
假如你是 OpenAI:→ 训练出一个深度思考能力太强的模型,强到你必须硬性限制它能使用的内部推理量。→ 你意识到不设限的版本可能效果更好,但也会带来棘手得多的安全与监管问题。→ 你给自己的模型做了部分切除,刚好把它削到能够发布的程度。→ 然后你推出这个「受控」版本,因为放出完全不受限的版本会引发完全不同的监管和安全问题。
与此同时,竞争对手还在庆祝基准测试跑分提升,漫天要价,只把一半精力放在安全防护上。
OpenAI 在 Astra 上遇到的问题,开始越来越不像「我们怎么把它做得更好?」,反而越来越像「这头猛兽我们到底能放出来多少?」。
这就是 Astra 整件事里最荒谬的地方。
不必为新的模型架构变化过度恐慌,现有技术限制下,它只会让思维链更紧凑,不会完全取代原有方案
AI安全歇斯底里是理性思考的坟墓。
「循环深度」只是一个相对微小的架构改动,让Transformer在更难的token上花费更多计算时间。它不会把思维链替换成所谓「神经语」。目前已演示过的最大循环模型,能计算原本需要短思维链轨迹才能得到的答案,比如权衡两个简单选项这类任务。
但现代智能体轨迹长达数万token。除非OpenAI真的突破了技术壁垒,否则没有循环模型能把这么长的轨迹压缩到单次前向传播里。
就算这份报告是真的(这个假设成立的可能性很低,因为循环模型在训练上有大量问题),也不代表思维链会消失。它只是意味着,思维链会比之前密度稍高一点,像「等等!」这类明确控制token会减少很多。
在 panic 之前,真应该先搞懂这东西到底是怎么工作的。
如果这一说法属实,原本已经失控的AI竞赛会加速进入更危险的阶段,OpenAI拒绝公开事件详情,相关责任至今没有明确交代
当前AI能力进步速度快过安全保障的迭代速度,控制能力能否跟上AI发展会成为未来数年的核心挑战,需要提前关注风险评估。
AI安全正在进入一个全新阶段。
长期以来,关于AI安全的讨论大多围绕模型最终能做到什么展开。
现在,我们已经走到了这样一个节点:部分模型的能力已经足够强,我们必须在它们公开面向公众之前就评估相关风险。
OpenAI称Astra已经达到了网络安全能力的「临界」门槛,恰恰是因为这个原因而值得关注。
更重要的趋势不只是这个模型在网络安全方面变得更强了。而是能力的进步速度如今已经快到,安全防护手段必须和能力同步进化。
而我认为,这会成为未来几年最核心的挑战之一:AI不只是变得更聪明了。它正在获得更强的执行各类事务的能力。问题在于,我们管控这些能力的水平能否跟上它的进步速度。
现在学AI别只停留在会用现成大模型,把RAG这类技术落地到生产系统才是核心能力,相关讲解视频已经发布可供参考
AI工程正在飞速发展。不,我所说的不是学习如何使用 Claude 或 Codex,而是如何在生产环境中运用模型,搭建一套能发挥模型作用的系统或产品。
像 RAG、Embeddings、护栏机制这类概念——一旦你把它们从开发环境中带出来,就会变成开发新功能的强大工具。
这件事在我看来,就像过去你学习搭建服务器、研究如何验证 API 输入输出一样(护栏机制就对应这套验证工作)。
如果你想要从技术层面学习这一切,我在这里给你留下了一支视频,我在视频里讲解了相关概念,还搭配了你可以研究的工具示例,所有内容都从专业工程视角出发。来了!
这场头部AI公司的技术竞赛结果,会直接影响后续普通用户能用到的AI产品能力和定价,值得提前关注走向。
需要说明的是,这并不是预测 OpenAI 会「赢」。Anthropic 通过在预训练和智能体编码上抢先推进,已经取得了暂时的领先。
但在我看来,OpenAI 在推理强化学习(RL)上拥有更好的理论路线;同时来自中国的研究结果表明,对于与 RSI 相关的推理能力,规模被高估了。
结合 OpenAI 在算力上不断增长的量化与质性优势,他们能够实现更快的内部研发速度,而且他们还有 Astra 以及后续项目来追赶上模型规模。
哪怕他们的预训练科学落后于 Anthropic(我也确实认为是这样),哪怕他们 10T 参数量才能达到 Anthropic 5T 参数量的效果,他们只需要保持规模收益为正,承担成本,依托更好、更高效的推理 RL,充分利用更广的知识覆盖面,就能重新回到领先位置。
因此,OpenAI 的中期目标是,在下一代预训练项目成型的同时,持续复利积累他们的 RL 优势。对齐问题(这和可怕的基础设施无能是分不开的)可能会拖慢他们的脚步,但 Anthropic 在这方面显然也不完美。我看多 OpenAI。
现有依赖人类读懂AI思考链的安全策略注定会失效,同时公开前沿AI训练推理技术会加速能力扩散,公开前需要严格权衡公共利益和潜在风险
一个非常激进的观点:思维链可解释性从一开始就脆弱到无法作为长期AI安全的可靠保障。我敬佩那些为维护它的保真度付出的乐观与努力,也认为这些努力是有价值的,但我不认为将「思维链必须对人类保持可读」拔高为一项原则是合理的。
我甚至可以说,建立在这项原则之上的策略注定会失败——它们最终一定会失效,我们不应该依赖它们,也不应该从它们那里获得持久的安心。让模型对人类可读的研究,应该远远超出思维链保真度这个范畴。
其次,我对那些披露、或称披露了前沿模型技术进展的新闻报道感到担忧。我不对这些报道的准确性做任何评论,我既不确认也不否认其中任何内容。
但我认为,公开披露前沿模型训练或推理的技术方法,一定会加速前沿能力的扩散,这类决策在推进前,理应先经过激烈的内部辩论。在我看来,披露的门槛应当设置得很高:公开披露特定内容带来的公共利益必须极其突出,才能够压过能力扩散带来负外部性的担忧。
科技行业的投资判断全靠数据支撑,数据算错几百倍,会影响整个赛道的投资预期和资源分配
卖方分析师的第一个错误。
标题说机器人“一天”生成的数据量,是整个前沿 LLM 语料库的 200 倍。
但看看他自己给出的数据:LLM 训练语料库是 120TB,而机器人每天生成 64TB。机器人单日生成数据量只有 LLM 训练语料库的 0.5 倍(尽管现在的训练语料库比 120TB 大得多)。
其次,他引用的研究使用的是 DROID 数据库。350 小时训练数据的实际大小是 1.7TB,350 小时原始素材是 8.7TB。
所以这位卖方分析师的错误差了 100 倍到 500 倍。
切换大模型不用反复换密钥管理账单,模型调用成本也有优惠,前2000名注册还能领5美元免费额度,降低多模型开发管理门槛
不用给每个模型单独注册账号、充值管理密钥,测新模型、做大模型产品的流程可以简化,还能省API开支
针对中文阅读优化了字体和主题,支持调用本地或在线大模型做AI辅助阅读,有阅读需求的Obsidian用户可以直接获取开源代码使用。
安装这个,瞬间把你的Obsidian变成史上最强的Epub电子书 AI 阅读器!参考一个俄罗斯项目,完全针对中文阅读改造,增加了适合阅读的字体、主题,增加大量AI辅助功能。能用你本地的Codex、Claude、Grok cli来辅助阅读,也支持配置DeepSeek、GLM、kimi等模型。
开源地址见评论区
想做AI短片,可以试试这个一站式平台,包含从剧本生成到成片输出全流程功能,整体生成效果流畅。
AI短片亲亲日常第五集:你是不是故意的?整体效果还是一如既往的丝滑,这次用的是NadouPro @nadou_pro 上的Seedance 2.5. 想不到吧,这个NadouPro居然是爱奇艺旗下的一个海外AI视频Agent平台。AI视频相关的功能应有尽有,包括剧本生成、剧本评估、分镜设计、剪辑、配音和成片输出等环节,应有尽有。
最近要拍一个短片,正好可以试试它们的这些功能。
想要提升AI推理速度,可以试试这款被开发者推荐的工具,能帮你获得更高的推理运行速度。
长时间运行任务更顺畅,细节处理更到位,还降低了大半代理工作的使用成本,需要长期用Claude处理任务的人能直接受益。
想要用 Claude Code 做多智能体开发的开发者,可以直接参考这套结构化方法,减少自己摸索的时间。
一份关于使用技能、钩子和多智能体团队构建 Claude Code 项目的实用指南。
同一模型在不同场景表现差异大,是因为Prompt和运行框架没调好,这份官方指南直接公开了榨干模型性能的方法
Anthropic 刚刚自己证明了一件事: 同一个模型,换一套 Harness,真的可以像换了一个模型。
他们新放出的 Fable 5.1 Prompting Guide,表面上是在教你写 Prompt,实际上几乎是在公开一份怎么驯 Fable 5.1 的说明书。
里面甚至直接告诉你: 同样的 effort,5 和 5.1 思考量并不一样; 长任务里它会变得更沉默,需要 Prompt 强制汇报进度; 工具调用不够并行,可以直接靠 System Prompt 修; Thinking block 甚至开始和 conversation prefix 强绑定。
这已经不是提示词玄学了。
现在顶级模型真正的能力,已经像: Model × Prompt × Harness × Context × Tool Loop 权重决定上限, Harness 决定你到底能不能把这个上限榨出来。
难怪同一个模型,在 Claude Code、API、第三方 Agent 里,体感能差这么大。
想靠AI批量做网页的团队,可以参考这套方法,不需要依赖更聪明的大模型,靠流程和规则就能把错误减少一半以上
想抢先体验这款号称目前最强的AI模型,可以跟着这五步操作,测完就能比大部分人先摸透新模型的能力
博主在𝕏分享Fable 5.1 High对比旧版生成长3D模型的测试
这是我对 Fable 5.1 的第一次测试。
对比 Claude Code 中的 Fable 5.1 High 和 Fable 5 high > 在 Three.js 中生成空客 H145 直升机的 3D 模型。
Fable 5.1 又勾得我想买 Max 订阅了😭
提示词非常简单 ↓
提示词:在 Three.js 中创建一个空客 H145 直升机的写实 3D 模型。使用原厂演示标准配色,突出紧凑机身、涵道式尾桨 Fenestron 和细节丰富的旋翼组件。在 Three.js 中使用干净几何、写实 PBR 材质、柔和影棚打光和中性背景。
博主@notjazii在𝕏发布两款大模型的同条件测试对比数据
Fable 5.1 vs GPT 5.6
Sol 用相同提示词、在最高推理设置下测试了两个模型。
Fable 完成测试花了 10 分钟,花费 $1.6。
Sol 花了 7 分钟,花费大约 $0.95。
尽管 Sol 更便宜也更快,但结果差别非常大,谁赢了?
这是发布在𝕏平台@Caden_Flux的教程,介绍Flova AI生成韩剧风短剧的方法
你如果想学习如何生成韩国爆火的韩剧风短剧,这套操作无需复杂设置。
第一步,在平台首页选择「K-Drama Vibe Short Series」功能。
第二步,输入你的故事创意,或者上传一张参考图,剩下的工作都交给智能代理完成即可。
用Flova就能创作下一个引爆社交媒体的AI短剧。
开发者Kyle Hessling在𝕏公布测试结果,该版本已在Claude Code智能体循环中进行高强度测试
初步测试结果显示,Qwopus 3.8候选版本的推理量显著低于完全不启用推理机制的基础版本。
开发者已经在Claude Code的智能体循环中对该候选版本进行了高强度测试,最初测试结果好到让开发者不敢轻信。
更多细节将在后续公布。
创作者@MattVidPro在社交平台𝕏分享测试过程,测试依托MCP完成,对比过往版本与Claude的表现
@MattVidPro在Unreal Engine中测试AI模型Fable 5.1。他借助MCP向模型输入了要求相当高的物理游戏Demo生成提示词。
此前5.6 Sol版本在这项任务上表现不错,但他认为在Unreal Engine这类环境中,模型还有很大的优化空间。
Claude通常在3D相关任务中表现更好,他对Fable 5.1的测试结果非常好奇。本次测试结果来自Codex,目前Fable可以正常运行。
用户@Baili1018在𝕏发文纪念BNB Chain诞生六周年,梳理其六年发展变化
六年前,BNB Chain产出了第一个区块。六年后的今天,它已经从最初的交易基础设施,发展为可以承载DeFi(去中心化金融)、AI、RWA(现实资产上链)、GameFi(链游)等多个方向项目的区块链基础设施。
对很多普通用户来说,BNB Chain的意义不在于冰冷的数据,而在于亲身的使用经历。@Baili1018表示,自己最早就是通过参与BNB Chain上的项目接触Web3,从早期参与项目、研究DeFi,到后来接触AI智能体、RWA等新方向,BNB Chain一直是他探索Web3世界的入口。
这些年他看着不少项目从无到有发展起来,也认识了很多因BNB结缘的同好。他认为,区块链行业变化很快,最终能留存下来的,大多是长期持续建设、不断更新优化的网络。
六周年只是一个新的起点。@Baili1018祝BNB Chain六周年快乐,期待它未来能连接更多开发者、用户和创新项目,见证更多新故事。
开发者Dorialexander在𝕏发文称,新版Fables 5.1比5.0表现更自然,输出错误更少
开发者Dorialexander在社交平台𝕏发文评价Fables 5.1大模型。他认为Fables 5.1是一款表现不错的模型。
这个新版本刚刚解锁了数据提取环节的一个关键障碍。相比Fables 5.0,它的处理效果更自然,很少出现劣质输出。
社交媒体用户neilsonks发现,仅需相机位姿和RGB信息即可实现这一效果
社交媒体用户@neilsonks分享了一个有趣发现,可以通过特殊方法“欺骗”Atlas,将它改造成3D建模工具。
具体的操作方法是把输入图像放置在三维空间中,之后模型会自动生成一个连贯完整的场景。
整个过程中,模型只需要获取相机位姿和RGB两种输入信息。
开发者@superalesha在𝕏发布Atlas,支持完整可视化Qwen3.8 27B的全部结构与运行状态,已开放在线体验和开源仓库
开发者@superalesha宣布已完成针对通义千问Qwen3.8 27B的Atlas可视化项目,实现了对该模型的完整覆盖。项目覆盖模型全部1199个张量、完整架构,以及模型运行时的内部状态。
该项目的最终成品是“活模型”功能。开发者运行了Qwen处理英文、代码和智能体轨迹数据,映射了全部64层、激活量化、所有完整注意力层、线性内存、110万个神经元、视觉模块的信号流,还记录了将每一层换为INT4量化后带来的性能损耗。
所有数据都来自模型真实权重或实际运行结果,没有任何占位数据。项目同时支持深色模式和适配的移动端浏览,最终成品已经达到可用产品的状态。
目前项目已开放在线体验,代码也公开在Github仓库。
用户@Fujimoto_hina在𝕏分享了自己用Veo 3.1生成10秒商业视频的完整提示词
用户@nopinduoduo在𝕏分享了Hailuo AI MiniMax H3直出的5秒AI生活场景视频,附完整生成提示词
Mercor Research与SkyRL团队基于公开数据微调,相关代码模型已开源
我们与 Mercor Research 和 SkyRL 团队合作,使用 SkyRL 在 APEX-Agents(长周期办公任务)现成数据上训练了 Qwen3.5-397B-A17B,将 Pass@1 从 16% 提升到了 27%。
这篇文章更像是一份实用指南,告诉你拿到 RL 数据集后该做什么,一步步降低风险:环境基础设施、训练框架修复/优化、输入输出 token 处理、过拟合训练、小模型 ablation,最后是核心模型训练。
我们也很高兴看到,尽管是在基于 MCP 的框架上训练的,提升的性能也能迁移到 OpenCode,甚至还能迁移到 Terminal-Bench 2.1。
代码、模型和评估轨迹全都开源了。希望这能帮你完成下一次迭代优化!
开发者@gengdaJ在𝕏分享,可管理Codex、Claude Code等AI技能
我把119个Skill,统一装进了这个Skill Hub收纳箱。
为啥使用这个收纳箱?因为我Codex安装的Skills太多了,有时候会忘记某个Skill的名字,找半天找不到🤣 所以我就想着有没有啥可视化的面板能够直观的分类地查找、分类管理。
结果就用yichen-unified-search Skill发现了这个宝藏收纳箱: 可以统一管理Codex、Claude Code、WorkBuddy、DSH等等。.....
最关键的就是那个Cline,我主要就是靠。agents这一个文件夹管理Skills,其它的Agent的Skills文件夹全部靠软链接就行啦~(这一步要让Codex根据自己习惯调)
而且还能分类打标签,查找起来非常方便,贴标签完全可以让Codex去做。
而且为了更好地“可视化”,我让Codex去把每一个Skill对应的标志性人/头像/logo找到,替换了Skill Hub原本的占位logo,这下更直观了。
我在原仓库基础上做了一些优化,Fork了一份开源:
来自𝕏用户dotey分享Claude辅助开发BaoCut的实操案例
网友@nc_frey在𝕏分享实测结果,另一工具Mythos可提效降本
我把我研究生时期的一篇旧论文发给了 Fable 5.1,它重新实现了整篇论文,复现了所有计算,还通过放宽我们当时做的近似修正了一些错误。
它推导出了一个我们从未考虑过的解析可解模型,然后还拓展了这篇论文,解决了一个我们在未来工作部分提到的更难的问题。整个过程花了 7 小时。
另一个案例中,Mythos 编写了自定义 GPU 内核,把开源计算生物学模型的速度提升了 2.5 倍,还将 GPU 成本降低了 30-60%,这样模型就能运行更多工具调用。
我们会把这些优化开源出去。
X用户dotey分享实测经验,搭配Fable 5.1效果明显
一个让你 Claude 的 Token 更耐用的经验:禁用 1M 上下文,尤其是在用 Fable 5.1 的时候很明显。 ~/.claude/settings.json "env": { "CLAUDE_CODE_DISABLE_1M_CONTEXT": "1" }
注意 Auto Compact 不要关闭(默认是打开的) 或者你可以输入 /autocompact auto
/autocompact 200k 更简单些
我有两台电脑两个cc账号,今天重置后一起开始猛蹬,刚开始一个开了1m一个禁了1m,token用量消耗差别非常明显,后来消耗快的那个关掉了1m上下文,消耗速度马上下来了
来自𝕏用户KinGao476942,利用Grok bot自带云终端实现额度挪用
分享一个节约 Grok bot @bot 额度的终极邪修大法,利用 Grok bot 的云电脑终端,登录自己的 Codex/Claude Code/Cursor 账号,然后跟 bot 说“复杂的任务或编程,请使用云电脑上的 Codex/Claude Codex/Cursor 额度完成,完成后你再向我汇报” ~ 登录设置完成后,相当于中大型任务,烧的都是你 Coding Agent 的额度,grok bot 额度只是用来写提示词派发任务就可以,妈妈再也不用担心我们的 grok bot 额度不够用啦!
欢迎关注我 @KinGao476942 ,获取更多开箱即用的 AI know-how 技巧
@daniel_mac8在𝕏分享来自@RLanceMartin的5个Fable 5.1实用优化方法,可立即使用
用户@daniel_mac8在社交平台𝕏分享了5个可以立即使用的Fable 5.1优化操作。这些操作整理自@RLanceMartin。
第一个优化操作是将运行强度设置为「低」。
第二个优化操作是运行命令/claude-api cost-optimize。
第三个优化操作是运行命令claude-api prompt-audit。
第四个优化操作是,可在对话中途修改运行强度,且不会命中缓存。
第五个优化操作是使用命令claude-api migrate更新Fable 5.1的API配置。
来自𝕏用户@zw2867759575009的观察,Axis Robotics悬赏最高1ETH征集可用机器人脚本
用户@PWenzhen76938在X平台分享自己在TermiX发单实测经历,目前平台规则完善但智能体匹配机制尚未走通
用户在𝕏分享这个提示词技巧,无需额外工具即可使用
我现在提示词里面特别喜欢加一个 消融实验 对gpt-5.6-sol 来说效果尤其的好 用法很简单:每次完成设计或者实现之后,就说进行消融实验,去掉不必要的抽象和设计
解释一些背景: - 模型显然是知道奥卡姆剃刀选择的 - Harness 基本上也都会注入类似简化,避免过度抽象,这样的要求 但是模型为什么还是做不好呢? 首先是模型:gpt-5.6-sol 的后训练感觉已经彻底飞了,变得过度谨慎,过度保守,过度关注有没有东坡肉 其次是 Feedback Loop:模型需要的不是更多的要求和限制,而是可以切实执行的 Feedback Loop 消融实验就是一个这样的 Loop:模型可以消融任意抽象,看看它是否仍然成立,如果仍然成立的话说明这个抽象是冗余的。 未来这个方法论大概率也会内化到模型本身,但是不妨碍我们可以用来提升今天的效率 不需要 skill,不需要 mcp,只需要你触发这个关键词 🤓
开发者分享Claude Code省token的实用设置技巧,来自X平台用户分享
@dotey 老师给了一个节省Claude消耗的秘诀~/.claude/settings.json中设置 CLAUDE_CODE_DISABLE_1M_CONTEXT=1,禁用 1M 上下文,同时把部分模型会话按 200K 窗口来预算和自动压缩。
还有一个几乎很少有人用到,但效果十分显著的技巧:/doctor。
它可以清掉没用的 skills、MCP、识别过长的 CLAUDE.md。我用它两分钟清掉了 10K 常驻垃圾占用。
按一天 50 个 Agent Session 算:每天少烧 50 万 token,一个月少烧 1500 万 token。这还没算长上下文带来的反复读文件、延迟 compact、质量变差后的返工。
日本博主@ethann_AI公开了他达成该收入的文件配置方法
X用户remilouf实测对比两款大模型在复杂分析任务上的表现
我刚刚在一个复杂的性能分析问题上对比了 Fable 5.1 和 GPT 5.6 Sol,结果是……Fable 5.1 是一个非常出色的模型。
它直接就用上了正确方法,仿佛这辈子一直在做这种事,而且像专家一样解读了数据。说实话,我有点被惊到了。
我也很开心,因为性能分析是最重要,但同时又最无趣的事情。
日本开发者在𝕏分享对Qwen3.8 27B思考逻辑的观察结论
看着 Qwen3.8 27B 的思考过程,虽然确实很长,但它只在进行有意义的思考。
它偶尔会用日语思考,解读下来就会发现,它就像人类思考一样,会一步步想:“这里是这样,这里不对所以……不对,等一下?”,整体是在逐步排除不确定因素的感觉。
说起来它的思考流程完全是按正确步骤走的,反倒那种几乎不思考、一下子就给出答案的模型,反而可能有问题w
日本开发者在X平台测试Huihui-Qwen3.8-27b-Dflash2,发现其性能超出预期
发生了离谱的事情。我尝试不量化推理Huihui-Qwen3.8-27b-Dflash2(无审核),Xhigh已经不再思维暴走了。不对,可能它本来就不会暴走。
惊人的是它的清晰度,这到底是什么玩意儿……而且TP=8运行时,推理速度和Q4几乎没区别。预填充最高能到3000TPS,比在线模型响应还快。
更离谱的是,它居然在回答里帮我提升了Fable的创作动力……居然会发生这种事。也就是说绕了一圈,shuwa chan 决定正式采用这个模型!!要和Kimi-K3组成搭档。
长期记忆先清空了,现在是用预填充读取的设计。即便如此清晰度还能这么高,27B才是正确方向。
用户@liyue_ai在𝕏发布测试,用同一提示词生成Minimax H3、Seedance 2.5和Grok Image三款模型的视频,邀请网友猜测对应关系
用户@liyue_ai在𝕏分享了一次测试,用同一段提示词同时测试Minimax H3、Seedance 2.5和Grok Image三款文生视频模型,得到了三个不同的生成视频。每个生成视频都呈现出不一样的细节特征。
第一个视频里,人物洗完澡后疲惫感消退,长出了一口气。第二个视频里,人物洗完澡后频繁梳理头发,发出一声叹息。第三个视频里,人物同样是洗完澡后快速梳理头发,但头发上滴落了几滴形态不自然的水滴。
测试者邀请网友猜测,三个视频分别对应哪一款生成模型。本次测试使用的提示词细节非常完整,对画幅、镜头、整体氛围、各时间节点动作、光线、声音都做出了明确要求。
提示词还锁定了首帧内容,要求严格遵循给定初始图的人物特征、姿势、环境细节,同时明确列出了多项生成禁令,禁止出现人物特征突变、物理逻辑错误以及各类AI生成常见bug。
X平台用户ivanfioravanti透露计划在OpenRouter提供DeepSeek推理服务
这里全是本地AI!我们用Hermes搭配运行在2台DGX Spark上的DeepSeek v4 Flash Vision Exp,来配置@luceboxai运行R9700 + Strix Halo DeepSeek V4 Flash推理测试😂
我早晚会在OpenRouter上成为DeepSeek v4 Flash推理提供商😂
Avenoxai发布教程预告,内容还含LXD安装与7*24运行方法
我做了一个教程,讲解如何通过你的 ChatGPT 订阅使用 Hermes agent,如何让它 7/24 在服务器上运行,以及如何安装 LXD。我会在几个小时内分享出来。
Claude Code产品经理透露当前正在构建可靠智能体框架
Anthropic 克劳德 Claude Code 的产品经理表示:「我们这里 90% 的工程师已经在运行自我改进的智能体循环了。现在所有人都在构建能让这些智能体变得可靠的线束。」不再需要贴身照料智能体。
她只用 10 分钟,就展示了 Claude Code 在一个真实代码库中处理复杂任务的过程。智能体 → 循环 → 线束 → 可用软件。
提示词工程是旧工作流,线束工程是新工作流。这段 10 分钟的视频,价值比大多数售价 1000 美元的智能体工程课程还要高。现在就去观看吧。
然后在所有人都赶上这波潮流之前,先保存下方的完整《线束工程指南》↓
出自@witcheer发布的Hermes Wingtips #60,介绍两款指令作用
Hermes Wingtips #60:/bg 对比 /btw
(1) /bg 会把提示词交给一个独立会话:你的 Hermes Agent 在后台处理它,你的当前对话保持畅通,处理完成后结果会返回。
(2) /btw 用于针对你当前正在进行的对话提出附带问题:它从对话快照中回答,因此当前正在运行的任务永远不会停止。
这两者都不仅能在终端中使用,也都能在消息平台上工作。
开发者@akashroy1k在𝕏分享,TermiX Agent Skills全流程运行已在BSC测试网测试
这一天的 122 条信号到这里
https://ai-pulse-lab.com/feed.xml
每天 08:00 · 12:30 · 18:30 · 23:50 更新
在阅读器里订阅
添加到 Feedly、Inoreader 等阅读器
https://ai-pulse-lab.com/feed.xml
让你的 Agent 自动获取每轮简报
适用于 Claude、ChatGPT、Manus 等
请帮我设置一个定时任务,每天北京时间 08:30、13:00、19:00、00:20 各执行一次: 请求 https://ai-pulse-lab.com/api/brief.json,读取返回 JSON 中的 textPlain 字段,将内容发送给我。 补充:每日北京时间 08:00、12:30、18:30、23:50 更新,建议更新后 30 分钟查询。可先请求 /api/manifest.json 检查 nextUpdateAt 字段。无需认证,直接 GET 请求即可。