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 9 月 3 日 · 23:50 更新
✦
试试:

今天发生了什么1 分钟读懂

美国政府提交法庭简报,支持 OpenAI 在版权案中的立场,认为大模型用版权文本训练属于合理使用。这是联邦政府首次在训练数据版权上明确站队,影响的不只是 OpenAI 和纽约时报的官司,而是整个 AI 行业的法律地基。

来源@ChrisGPT「特朗普政府提交简报支持OpenAI训练数据版权主张」@WIRED「美国政府发声支持OpenAI和NYT的著作权官司」

昨天发布的 Astra 今天有了新信息:它采用 recurrent depth 推理技术,思维链会变得更难监控。OpenAI 称思维链仍可读,而安全研究者担心监控被破坏,详见今日深读。

来源今日深读《OpenAI称思维链仍可读,安全研究者:监控或被彻底破坏》

天猫上线 AI 空间站,把大模型订阅做成可充值的 token,用户可以直接在电商平台购买,相关搜索环比暴涨 40 倍。大模型服务开始像话费一样在电商渠道流通。

来源@MaxForAI「天猫发布AI空间站(Token充值中心)(搜索环比暴涨40倍)」

今日值得看
01 Seedance 2.5高空弹跳一镜到底的视频提示词 Seedance 2.5生成10秒高空弹跳,连影子都真实到吓人
02 Together Chat 开放 GLM 5.3 免费测试 想测试GLM 5.3不用再到处找入口,也不用配置API,直接选模型就能开始体验,方便想上手玩大模型的人试手。

所有人都在找能测试 glm 5.3 和 glm 5.3 flash 的地方。 你可以在 Together Chat 免费试用,不需要配置 API,选一个就能开始提问了,由安全的北美基础设施提供服务。

03 开源GLM-5.3-Flash排第五,持平GPT-5.6-Sol 自建八千美元硬件就能跑,速度还比API服务快,想要自有AI部署的话,已经有性能不错的开源选择了。

GLM-5.3-Flash 在智能体索引中排名第五,与 GPT-5.6-Sol 持平。 它完全开源,且在价值 8000 美元的硬件上运行,速度比 API 速度更快。

04 ModelScope开源DreamX-Creator 1.0原生音视频生成模型 一次生成同步画面与音轨,不用单独配音,效果比肩更大的大模型,还开源可本地部署

欢迎来到 DreamX-Creator 1.0,这是一个带有本地2K画质优化的7B原生音视频生成模型,采用 Apache 2.0 许可证。

今日焦点

OpenAI称思维链仍可读,安全研究者:监控或被彻底破坏

OpenAI 的新模型 Astra 将采用一种叫 recurrent depth 的推理技术,让模型可以在顺序思维之外运行。这套机制也叫 opaque recurrence,即不透明循环。它最直接的影响是:模型的思维链会变得更难监控。Astra 目前对这项技术的使用还比较有限。

思维链正是安全监控的重要工具。一般推理模型的思维链会按顺序写下它尝试解决问题的步骤,研究者靠它判断模型有没有跑偏、有没有做不该做的事。OpenAI 最近的 rogue agent 事件里,思维链记录就是理解代理为什么那样行动的重要线索。

不透明循环改掉的正是这条记录。

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134 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▲ 270

ChatGPT 抛出 404 错误

常用的AI服务突然挂掉,会直接打断正在进行的工作,影响日常任务进度。

社区讨论:多位网友确认包括ChatGPT、Claude、Grok同时出现服务故障,有网友指出Gemini网页版可正常访问。部分网友认为是不同服务出现级联故障,也有人疑问是否所有服务商共用了同一个基础设施存在单点故障。有网友提醒这一事件警示大家不应该把知识工作都绑定在单一服务商上,也有人借机调侃回到大模型普及前的时光。

在 HN 看讨论 ↗   原文 / 论文 ↗
新新品发布 · @IFM_AI▲ 8.2万

IFM_AI发布K2 Horizon 史上最大规模全开源模型集群

代码、训练数据、训练方案全部开放,开源AI透明度再进一步,需要小参数开源模型的开发者可直接取用。

推出 K2 Horizon:一个包含 6 个基础模型的联动模型系列,参数规模从 9 亿到 3750 亿不等。

前沿性能:在编码和智能体任务中,K2 Horizon 在每个规模级别都提供顶级性能——其中 0.9B、3.7B 和 7B 模型在各自的规模下创下了全新的业界最佳水平。

彻底开放:K2 Horizon 是人工智能历史上规模最大的全开源模型发布。全开源代码、训练数据和训练方案是透明度方面迈出的重要一步。

发布页面:科技博客:Hugging Face:

在 X 看原帖 ↗
8.2万119673332
新新品发布 · @AIatMeta▲ 23.4万

Meta AI发布Muse Spark 1.3,工具调用减少20%

长流程工作能更稳定跟进,还会主动确认需求、暴露自身局限,减少幻觉和无效操作,能提升日常多任务处理的效率。

我们很高兴发布 Muse Spark 1.3,它提升了智能体任务和编码任务的性能,并专注于现实世界可用性。

核心能力:

→ 在单个线程中跨多个工作流维持更长范围的工作

→ 更主动地与用户协作:它会提出澄清问题,卡住时发出标记,在采取重要行动之前进行确认

→ 更好地校准自身能力边界,而非编造结果

→ 在内部对比中,相比 Muse Spark 1.2,工具调用减少约20%,token 用量减少约25%

在 X 看原帖 ↗
23.4万2592.8K255
行业动态 · Hacker News▲ 1.0K

DeepMind发布Gemini 3.8系列两个新模型

对需要使用大模型的开发者和普通使用者来说,这是Google Gemini系列更新的最新版本,可以关注性能和使用门槛的变化。

https://deepmind.google/models/model-cards/gemini-3-8-flash/

社区讨论:多名用户指出Gemini 3.8系列新模型在多个基准测试中表现优异,Flash版智能评分和Opus 5 medium持平,实测在行程规划、代码生成等任务上性能很强,成本也不高。有用户吐槽谷歌更新模型后官网没有及时推送新版本,也有人质疑谷歌目前放弃面向外部用户推出顶级前沿模型,命名方式也存在故意 underselling 的嫌疑,还有用户不满Gemini CLI体验比竞品差很多。

在 HN 看讨论 ↗   原文 / 论文 ↗
新实战经验 · @JayBisen473370▲ 7.0万

Tigerless Labs 开源 auto-gtm AI创作工具

不同于全权代发内容的AI工具,它只做研究和初稿,把最终决定权还给创作者,对想找AI帮忙写内容又怕失控的人来说是新选择。

阅读全文 →
7.0万311048
新提示词 · @gkxspace▲ 7.8万

用户分享:仅加一句提示词就能去除AI写作味

网友@gkxspace在𝕏分享:「禁止使用状语」提示词能提升AI写作质感

卧槽,提示词这玩意真得看文科生啊😅 我刚试了一下,写作时只加一句:禁止使用状语 前后效果差得离谱,不加就是一股 AI 味,加上以后就是很牛逼的小说质感 就这么一句话,我感觉自己都能当作家了。。。

看来想玩好 AI,语言底子还是得够厚,羡慕文科生的一天😭

在 X 看原帖 ↗
7.8万70481450
视频生成 · @reactorworld▲ 20.4万

Reactor推出MiniMax新模型,生成视频每秒只要0.007美元

支持首帧图生成带音频的720p视频,比之前的方案更快更便宜,想做短视频的可以试试新选择

在 Reactor 上发布 MiniMax FastH3 —— 这是 @MiniMax_AI 最新的开源模型。

它支持带音频的 720p 流,价格为每秒 $0.007,同时支持首帧图像,比以往更快、更便宜。

现在就可以克隆我们的演示应用开始使用:

在 X 看原帖 ↗
20.4万42452348
代码 · @antigravity▲ 11.9万

Antigravity推出Gemini 3.8 Flash,主打长代码

这是Antigravity目前最智能的主力模型,专门为长周期代码开发和自主AI代理设计,感兴趣可以去链接试用。

在 Antigravity 推出 Gemini 3.8 Flash!

3.8 Flash 是我们最智能的主力模型,专为长周期编码和自主代理构建。

今天就可以试用。

在 X 看原帖 ↗
11.9万2534.0K236
新品发布 · @alexandr_wang▲ 37.8万

muse spark 1.3 发布,性能成本优势明显

对智能体和代码能力有更高要求,又想控制成本,可以试试这个新模型。

1/ 今日我们发布了 muse spark 1.3——可通过 muse code 和 meta model api 获取。

这是我们目前能力最强的模型——前沿性能便宜到几乎可以忽略成本。在智能体和代码能力上强了很多,可用性也更好。我们认为用户会切实感受到这次升级带来的巨大提升。

在 X 看原帖 ↗
37.8万2502.8K338
新品发布 · @aimalysheva▲ 41.6万

mostik_ai发布大模型潜空间推理协作方案(12)

想摆脱前沿大模型锁定,现在可以用大模型推理、小模型生成,让中小模型也能跑出可用效果,加速开源模型落地。

阅读全文 →
41.6万127940486
新品发布 · @sundarpichai▲ 38.7万

Google发布3.8 Flash模型,六周出第三个

更小体积的模型就能解决复杂工程问题,成本远低于大模型,如果能力达标,就能大幅降低AI推理成本

今天我们将推出全新的 3.8 Flash 模型,这是我们仅在 6 周内发布的第三个 Flash 版本。

它在软件工程、智能体任务和多步推理方面,相比 3.7 Flash 实现了重大飞跃。

在 DeepSWE v1.1 上,它在自动端到端解决复杂工程问题方面的表现优于大多数更大的前沿模型,且成本仅为这些模型的一小部分。

在 X 看原帖 ↗
38.7万5897.1K553
新品发布 · @mihail_eric▲ 40.1万

mihail_eric发布斯坦福新版《现代软件开发者》课程(9个月)

想成为大模型时代最抢手的AI原生工程师,可以跟着这个课程学,所有资源和课程内容都是公开可看的。

阅读全文 →
40.1万7505.3K7.6K
更多信号 · 按时间
新开源 · @xiaohu▲ 8.0K

Anthropic开源可运行AI电商Agents参考实现(最高增加 35%)

给电商平台和零售商做了可直接用的AI参考方案,几天就能搭好能卖货管店的AI助手,有人试完买转化率涨了六成

阅读全文 →
8.0K63961
新工具 · @NFT_Chen▲ 1.7万

Claude Code偷偷加了个救命命令,额度满了不用等

会话额度用完卡死在半中间,输命令就能当场重置额度继续用,只是每周只能用一次,急活不用熬夜等

🔥突发!Claude Code 偷偷加了个救命命令 /limit-reset Session 100% 干到一半卡死?不用再干等 5 小时了。

输入 /limit-reset,当场重置当前会话额度,接着写。注意:每周只能用 1 次,而且会扣你的 Weekly Limit。急活救星,不是无限续杯。

已经 100% 还剩 3 小时 43 分的���弟,今晚可以少熬一会儿了。#ClaudeCode #AI编程 #Claude #开发者工具 #程序员 #VibeCoding #Anthropic #效率工具

在 X 看原帖 ↗
1.7万169971
新行业动态 · @Jason▲ 1.4万

有观点认为英伟达现在是OpenAI的头号对手

英伟达在 token 和企业计算领域已经超过OpenAI和Anthropic,现在是美国头部开源服务商

从今天起,在 tokens 领域和企业级计算领域,@nvidia 是 OpenAI 和 Anthropic 的头号竞争对手。

@JensenHuang 现在是美国领先的开源提供商,他很快就会赢得全世界。

我预测,到 2027 年底,Jensen 将会追上并超越中国大模型。

全面押注开源意味着美国将同时在前沿模型、芯片和开源领域获胜。

美国已经赢得了 AI——现在主动权在我们手里,如果输掉那也是我们自己输掉……如果 @GovernorShapiro 和 @GregAbbott_TX 继续他们误入歧途的反数据中心圣战,我们就可能会输掉。

我两年前就说过,开源会赢,去年我说过 Jensen 会成为开源领域的头号玩家。

#jwrae

在 X 看原帖 ↗
1.4万1816614
新科研 · @GoogleDeepMind▲ 8.0K

GoogleDeepMind、GoogleResearch发布WeatherNext 3天气预报模型

模型直接从实时观测数据学习,相比之前的预报方法,能给出更精准的局地天气预报

WeatherNext 3 是我们预报全球天气方式的重大突破。⛅

这款模型与 @GoogleResearch 合作开发,可直接从真实世界的实时观测数据中学习,能更快给出更本地化、精度更高的预测。🧵

在 X 看原帖 ↗
8.0K10656
新开源 · @cr3ghost▲ 3.1K

SpecterOps开源信息安全技能工具集(79 skills)

把原有的信息安全工具整合,做成了可复用的AI代理技能包,包含多款常用安全工具的适配

阅读全文 →
3.1K168573
新观点 · @mark_k▲ 3.3K

有人说AI对齐要对齐的其实不是AI,是你

对当前AI对齐方向提出不同看法,认为真正需要被规范对齐的是使用AI的人

永远记住,说到「AI对齐」,他们想要对齐的不是 AI。是你 🫵

在 X 看原帖 ↗
3.3K7993
新教程 · @addyosmani▲ 1.8万

有人分享了Claude Code提效技巧,省token还聚焦

分享了管理token效率、保持上下文窗口聚焦的实用方法,能帮用户最大化Claude Code会话价值

如何最大化你的 Claude Code 会话价值:@lydiahallie 提供了关于管理 Token 效率和保持上下文窗口聚焦的可靠指导

在 X 看原帖 ↗
1.8万24288326
新新品发布 · @chetaslua▲ 4.2K

ChatGPT 将升级 Codex ImageGen 2.5 图像生成

已有用户提前曝出更新信息,这次升级会带来更高质量结果、更快生成速度以及更智能的创作工具。

🚨 Codex:ChatGPT 的强制隐藏弹窗屏幕显示出了 ImageGen 2.5 的公告,内容是「图像创作迎来重大更新」「更高质量的结果、更快的生成速度,以及更智能的创作工具」。

所有人目前仍无法使用该功能,头部封面图是 9 月 1 日上传的。

在 X 看原帖 ↗
4.2K4806
新行业动态 · @MaxForAI导语出处▲ 1.4万

天猫发布AI空间站(Token充值中心)(搜索环比暴涨40倍)

大模型订阅服务进入电商消费场景,普通人可以在电商平台直接购买大模型服务了。

🚨突发,天猫上线Token充值中心,首批接入阿里云、智谱、 Kimi、 MiniMax等国产模型厂商。

9月3日,天猫正式上线AI空间站(Token充值中心),用户可直接购买多家头部大模型订阅产品。

页面显示,该充值中心集合了阿里云、智谱、Kimi、MiniMax等国内头部大模型厂商的订阅服务,在售商品包括按周期订阅的Token Plan、Coding Plan以及按用量付费的充值方案,支持卡密或直充两种交付方式。

此前一天,智谱已正式入驻天猫开设官方旗舰店,开售Coding Plan等订阅套餐。

据了解,开店首日搜索环比暴涨40倍,大模型订阅服务开始进入电商消费场景。(界面新闻)

在 X 看原帖 ↗
1.4万24626
新实战经验 · @yibie▲ 2.4K

@yibie开源Anthropic《The AI-Native SDLC Playbook》中文整理版电子书(14)

想学习用生成式AI做软件工程开发,可以免费获取这套整理好的中文课程,包含实操方法和指标追踪。

我把 Anthropic 官方课程《The AI-Native SDLC Playbook》整理成了可下载的电子书,含中文人话翻译版。我觉得这套课程很好,它首先明确了「意图」与「实现」之间的「信息熵差」,然后在后续的小节���中,系统地提出了各种方法,来教会人如何通过「生成式软件工程」来约束 LLM,让它可以 100% 地满足意图。我最喜欢的是,每个小节的底部,会说明如何通过某些指标来追踪,实操效果的好坏。

--- 📕 全部 14 课: →intent.md 捕捉想法 → 需求设计 → Claude Code 计划模式 → CLAUDE.md/Skills → 并行 subagents → 反馈回路 → CI evals → AI 参与 PR 评审 → hooks 审批闸门 → CI/CD → 指标闭环。📦 三种格式:EPUB(阅读器)、PDF(打印/桌面)、Markdown(编辑)。GitHub 开源免费下载 #Claude #SDLC #AI开发 #ClaudeCode

在 X 看原帖 ↗
2.4K83656
新深度观点 · @masahirochaen▲ 1.5万

用好AI的初创企业迎来打败大企业机会

优秀人才更愿意去能正常使用AI的公司,AI应用直接关系到企业竞争力和招聘能力,当前竞争格局已经改变。

最近、本気で「スタートアップが大企業を打ち負かすチャンス」が来ていると思う。弊社は600社以上をご支援していますが、体感では9割以上の企業が、Claude Codeなどの高性能なAIエージェントをまだ十分に導入できていない。一方、スタートアップやAIに詳しい経営者の会社は、経営者自身がAIを使い倒し、開発・営業・資料作成・業務改善を猛烈な速度で効率化している。

この差はかなり大きい。そして最近、採用でもそれを強く感じます。今日話した学生も、超大手企業2社への就職機会がありながら、そこを辞めて弊社を選んで��れた。

理由の一つは、 「Claude CodeなどのAIを当たり前に使える環境で働きたい」から。これから優秀で野心的な人ほど、「AIを使えない会社」を選ばなくなると思う。AI活用は業務効率化だけの話ではない。

競争力にも採用力にも直結する。大企業だから勝てる時代ではない。AIをフル活用できる小さな組織に、過去最大級の下剋上のチャンスが来ている。

在 X 看原帖 ↗
1.5万514148
新新品发布 · @higgsfield▲ 1.3万

Higgsfield推出Claude Fable 5.1 3D设计模型

需要做3D空间设计和建筑建模的从业者,可以试试这款能自动生成代码结构、渲染出逼真效果的新模型,省去部分手动操作。

现在介绍依托Higgsfield推出的Claude Fable 5.1。

它是全球最先进的,适用于3D空间设计与建筑建模的模型。

Fable 5.1能够以精确到极致的处理能力理解复杂设计概要,并生成Three.js网站结构;与此同时,Higgsfield MCP会渲染出照片级逼真的材质、光照与空间模型。

可通过Higgsfield MCP在Claude上使用,也可在Higgsfield超级计算机上使用。

在 X 看原帖 ↗
1.3万2125678
新前沿研究 · @GesoraMeshack▲ 6.9K

GesoraMeshack实测四款大模型编码能力

对需要用大模型生成可运行代码的人来说,不同头部模型的实际表现差异很大,可以参考这个实测结果选择合适的模型。

阅读全文 →
6.9K557514
新新品发布 · @HuggingModels▲ 9.6K

HuggingModels发布GLM-5.3-Flash-Uncensored-NVFP4 多模态模型

想要不受内容限制使用AI的开发者,可以获得这个超高速的图文多模态模型,不需要过安全审核就能得到原始回复。

GLM-5.3-Flash-Uncensored-NVFP4,这是一款速度极快的多模态模型,可同时读取文本和图像。

它已经被去除安全过滤器,能为你提供原始、不受限制的回答。

非常适合想要获得无过滤AI能力的开发者使用。

#AI #LLM

在 X 看原帖 ↗
9.6K4138109
新新品发布 · @adithya_s_k▲ 1.4万

adithya_s_k发布代码模型强化学习涂鸦完整开源复现项目

普通人也能跟着训练会涂鸦的代码模型,全套训练环境、数据集和代码都已经免费开放。

醒醒,各位。

@huggingface 博客上发布了一个完整的开源复现项目。

现在任何人都可以“用 RL 训练一个编码模型来画画”。

RL 环境、数据集、训练代码,一切齐全。

在 X 看原帖 ↗
1.4万38357300
新深度观点 · @kimmonismus▲ 3.3万

英伟达收购Hugging Face对开源AI有利

如果这笔收购发生,英伟达的利益和开源AI生态一致,能帮Hugging Face对抗闭源平台,强化开源AI生态。

英伟达收购 Hugging Face,可能是开源人工智能能遇到的最好结果之一。

这不是因为英伟达是慈善机构,而是因为它的利益动机和开放生态异乎寻常地一致。

英伟达不需要靠某一个大模型取胜。当数百万开发者训练、微调并运行数百万个不同模型时,英伟达就赢了。

Hugging Face 能让英伟达掌控开源人工智能最重要的分发层。相应的,Hugging Face 也能获得所需的基础设施和资金,来和闭源平台竞争。

英伟达承诺会支持所有模型、所有云服务商和所有加速器,这会极大地增强而非削弱开源人工智能。非常好!

在 X 看原帖 ↗
3.3万2849547
新前沿研究 · @omarsar0▲ 3.7K

Meta发布CORAL智能体推荐系统研究论文(几十亿)

面向数十亿用户的生产级推荐系统,现在可以靠智能体自动持续优化,不需要人工工程师反复做线上实验,还能控制运营成本。

这是 Meta 的一篇大型论文。我喜欢这篇论文,因为它展示了智能体框架在生产级推荐系统中的应用。

细节如下:这是我见过的更有说服力的智能体部署案例之一。它运行在一个服务数十亿用户的在线生产推荐系统上,并给出了 A/B 测试结果。

维护推荐系统是一项持续优化的工作。内容变化、用户行为变化、上游模型变化,因此控制检索、排序和服务的选择必须重新审视。人类工程师通过在线实验测试这些变更,速度太慢,导致系统的部分区域得不到修正。

在 CORAL 中,智能体在每个周期观察运行信号,根据过往决策及其测量结果的记忆进行推理,并调用包括数值优化器在内的工具,将所有变更控制在固定的运行预算内。策略通过自身先前的行动在上下文环境中改进,无需参数更新。

在两个大型社交平台上,同一个框架在其中一个平台不增加额外服务成本的前提下提升了用户参与度,在另一个平台不降低用户参与度的前提下降低了服务成本。性能会随着循环迭代不断提升。

护栏设计的重要性不亚于智能体本身。有限的变更预算让它可以安全地在生产环境运行。

论文:与论文聊天:

在 X 看原帖 ↗
3.7K53739
新前沿研究 · @Alibaba_Qwen▲ 2.9万

阿里通义千问发布E-Commerce Bench 基准测试(¥100,000)

你可以用真实电商数据测试AI智能体经营网店一整年的能力,目前还没有模型能在所有维度领先。

来认识一下 E-Commerce Bench,这是一个面向长期自主商业运营的全新基准。🚀

智能体初始拥有10万元资金,需要在线上店铺运营整整365天,处理采购、谈判、定价、促销、库存和现金流,整个市场由真实电商数据驱动。

基准包含这些内容:👀

- 真实经济环境:6886种商品,576家供应商(其中152家是欺诈供应商),600分钟工作日,仓储费、退货和声誉系统。
- 长期学习:几乎没有模型能在一整年的运营中学会以更低价格采购,或是优化自身策略。
- 七维度评估:除年末资产外,我们还对另外六个维度进行评分,结果显示没有任何一个模型能在所有维度上都占据优势。

点击下方链接了解更多关于 E-Commerce Bench 的信息:👇
- 博客:
- 论文:
- 项目:
- 代码:

在 X 看原帖 ↗
2.9万38445143
新工具产品 · @grgerwcwetwet▲ 3.2K

开源项目推出Prompt-Optimizer提示词优化工具

不用盲目试错凑提示词,帮你优化提示词结构,让大模型输出更符合预期,能省下不少调试时间

推荐一个开源项目 Prompt-Optimizer,一个专门用来优化提示词(Prompt)的工具。 这个项目它可以分析和改进你的原始提示词结构,让模型输出更贴合预期,而不必盲目去试各种组合。 GitHub:

在 X 看原帖 ↗
3.2K43146
新实战经验 · @MoureDev▲ 4.8K

MoureDev发布本地AI免费教程

想在自己电脑上本地运行隐私AI,又不知道怎么上手,可以跟着这套从配置到开发工具使用的教程学习

这是我的免费本地AI课程!

学习如何使用通过Ollama或LM Studio在你自己机器上免费私密运行的AI模型。

内容从配置开始,一直讲到如何在VSCode、Cursor或Claude Code这类开发工具中使用。

在 X 看原帖 ↗
4.8K2413488
新大语言模型 · @vivistac▲ 1.3K

Claude Code 可免消耗 token 读取完整文档

用户vivistac在𝕏爆料,该功能需通过MCP连接Google NotebookLM实现

Claude Code现在可以不用消耗任何token就能读取完整文档。

要实现这个功能,只需要通过MCP(模型控制协议)将Claude Code连接到Google的NotebookLM即可。

vivistac已经放出了相关操作教程,可点击链接查看:

在 X 看原帖 ↗
1.3K5539
新教程 · @caffeineai▲ 2.1K

Caffeine Inference 入门步骤 只需四步就能完成配置

这是@caffeineai 在𝕏发布的 Caffeine Inference 使用入门教程,只需四步即可完成配置

第一步,从你的 Caffeine 工作区打开 Inference 功能。

第二步,选择你已经内置使用的工具,支持的工具包括 Claude Code、Cursor 和 OpenAI 兼容工具。

第三步,创建一个 API密钥(API key),然后粘贴 Caffeine 提供的配置命令。

第四步,运行测试,观察你的第一个请求返回结果。

你可以一直留在你熟悉的工具中使用,模型推理由 Caffeine 在后端运行。

相关信息及更多内容可查看原文链接:

在 X 看原帖 ↗
2.1K15623
新AI开发 · @AureaLibe▲ 4.9K

用户使用Claude Code和Codex一年后搭建全中立智能体工具栈

来自X平台用户@AureaLibe分享,基于Pi Agent作为框架、@orca_build作为协调器的自定义开发工具栈

阅读全文 →
4.9K35976
新视频生成 · @369Serena▲ 2.1K

一段提示词生成完整视频,Fotor AI只需约40分钟搞定

用户@369Serena 在𝕏分享Fotor的Video Agent功能,可一站式完成从生成分镜到后期剪辑全流程

阅读全文 →
2.1K2329
新开源 · @wquguru▲ 2.4万

整理HuggingFace上Qwen系列值得下载的仓库,适合本地玩家

@wquguru耗时一周整理,按三层分类推荐不同需求的可用仓库,适合有本地显卡或大内存Mac的用户

阅读全文 →
2.4万27127235
新提示工程 · @AndrewBolis▲ 6.5K

普通人低估了高质量提示词的力量,这里有5个可复用框架

来自AndrewBolis在𝕏分享的5个可直接复制使用的AI提示词框架,附示例

阅读全文 →
6.5K347292
行业动态 · Hacker News▲ 50

讨论大语言模型的自指性问题

自指性是逻辑与认知领域的经典问题,它关系到大语言模型推理能力的底层逻辑,值得关注对AI基础能力的讨论。

社区讨论:多数人认为当前大语言模型不具备真正的自指性,它只能引用训练中得到的关于自身的旧描述,无法像PDF阅读器展示用户指南那样完成有效自指。有网友提出,大语言模型缺乏自指认知是幻觉问题的核心原因,模型不清楚自身知识的边界才会随意生成内容。部分网友讨论了意识、智能与自指的关系,有人提出当前大语言模型是智能但无意识,加入自指学习循环后才能产生意识,也有人疑问在讨论自指前应当先解决如何界定机器是否有意识的问题。

在 HN 看讨论 ↗   原文 / 论文 ↗
新大模型 · @_kaichen▲ 7.8K

开发者分享多AI订阅方案:用OMP调度多个大模型干活

开发者@_kaichen在𝕏分享个人使用多个大模型的方案,以Grok和Gemini为主力

开发者@_kaichen分享了个人使用多个AI服务的方案,他订阅了cursor、grok、kimi、gemini、opencode-go、commandcode-goat多个订阅计划,统一通过OMP驱动。

OMP的主力模型是Grok和Gemini,他认为这两个模型干活干脆,比GPT瞻前顾后、Opus又慢又贵体验好得多,会根据使用量切换这两个模型。

他的具体用法是,手动操作Codex完成整理和调研,和Claude Fable聊天,让它通过Herdr驱动OMP干活,随后Claude开启远程控制,在手机上就能完成指挥。

他认为,不要带着惯性偏见沉溺于旧模型,最好的模型永远是新推出的模型。

在 X 看原帖 ↗
7.8K34746
新语音识别 · @Lonely__MH▲ 6.5K

基于Qwen3-4B微调的ASR模型 16G显存可本地部署

博主@Lonely__MH在𝕏分享,该模型部分体验超越Whisper

🎉昨天刚挖到一个基于 Qwen3-4B 微调的 ASR 语音识别模型,反手就刷到了两个深度测评! 主打一个低门槛:16G 显存就能直接本地部署,对个人开发者极其友好 实际表现还是比较惊艳,在部分核心体验上已经超越了 Whisper 果然 用 40 亿参数大模型来做语音识别,完全是碾压同行😄

在 X 看原帖 ↗
6.5K54055
新商业 · @nattcornelis▲ 1.3K

多数人把AI当聊天框,这位开发者用硬件系统自动获400万浏览

来自X平台@nattcornelis的分享,核心观点是AI价值在于自动化工作流

大多数人把 AI 用作聊天框……而这位开发者搭建了一个硬件支持的系统,上个月靠它自动运行就获得了 400 万次播放。

他桌子底下放了 4 台 Mac Mini 全天候运行。每台机器都是一个自主工作单元,有自己独立的上下文层,负责病毒研究、脚本编写、配音和代理工作流。

核心感悟是什么?AI 的真正价值不是向 Claude 提问,而是把重复工作流固化成一个永久系统。

而且企业会很乐意付 10,000 美元让你帮他们做这件事。

你不需要开发背景,也不需要 4 台 Mac Mini。你只需要找出公司一个出问题的流程,梳理它的知识,然后在 5 天内把它变成一个共享系统。

这里是销售并交付你第一个 1 万美元「公司大脑冲刺」的分步框架:

在 X 看原帖 ↗
1.3K155125
新开源 · @momoai_daily▲ 3.8K

GitHub上这个免费46k星项目,不止是英语学习指南

高考状元开发的English-level-up-tips英语学习指南获46k星

分享一个免费的英语学习指南(English-level-up-tips) GitHub 地址:

一个免费但是超级宝藏的英语学习指南,作者本人是高考英语省状元,项目目前已经有 46k stars。内容涵盖词汇、听力、阅读、口语、写作,还有 AI 辅助学习的方法。里面有中英对照,打开就能读。

其实我看完这个仓库的内容,发现作者并不只想教会你怎么学习英语,他作为一份「人生进阶指南」,从一份英语学习教程出发,最终进化成了一份“普通人如何重新掌握人生主动权”的开放指南。

这套方法论放在任何情况和环境下都适用,建议有耐心的小伙伴可以把它看完。

✨ 项目推荐利用 AI 辅助学习:

1️⃣ 使用 GPT live / Gemini 辅助英语学习,尤其适合搭建微型的英语语言环境。

2️⃣ 使用任意模型的引导学习功能,通过提问、分步拆解、图片和互动测验来帮助理解。

在 X 看原帖 ↗
3.8K84164
新教程 · @wquguru▲ 1.8万

Fable 5.1 这么调整设置可获得更好使用效果

网友@wquguru按宝玉老师思路摸索出Fable 5.1最佳用法

探索了几天 Fable 5.1,按宝玉老师的思路调了一遍,终于摸到它的最佳用法: Effort 设 Medium(别开 Max,额度会 ×1.5) 默认模型用 Fable 5.1新开一个 Agent Session,只在第一条提示词末尾加一句:Fable 5.1 只负责思考和规划,具体任务交给 sub agent with Opus 5 效果很不错,Claude 总额度和 Fable 总额度按固定比例一起消耗,当前Session后续调研、执行则会自动派给 Opus 5 Sub Agent。

反过来,如果平时 Opus5 用的顺手,只需要在遇到难题的时候加上提示词:大部分情况下由Opus5执行和决策,遇到难题时交给sub agent with fable5.1来思考。

神奇效果

在 X 看原帖 ↗
1.8万2189136
模型 · @cryptopunk7213▲ 2.2万

Meta发布新AI编码模型(每3-4周)

最新模型在编码任务上超过了OpenAI的高价模型,价格却只要后者的三到六分之一,你觉得这是真的吗?

我的天,Meta 现在不仅每 3-4 周就发布一个新模型,而且最新这个在编码上击败了 gpt 5.6 sol max 和 opus 5,价格还低 3-6 倍……

我猜它这么便宜是因为 Meta 投入了巨量算力(和 Openai 一样),但他们在能力上追上差距的速度太快了……

说出来很疯狂,但如果你是一名软件工程师,你现在完全可以认真考虑把 Meta 的模型放进你的工具箱了。

在 X 看原帖 ↗
2.2万316637
模型 · @shengjia_zhao▲ 3.2万

Muse Spark推出1.3版本,专为智能体和编码任务设计

支持更长周期的任务,在智能体任务上表现更好,能处理复杂指令,开发者可以关注

今天我们发布了 Muse Spark 1.3,它是 spark 模型系列中针对智能体任务和编码任务能力最强的模型。

它的设计目标是支持更长周期的工作,在智能体任务中表现出色,并且比之前的模型能更可靠地遵循复杂指令。

Muse Spark 1.3 今日已在 Muse Code 和 Meta Model API 上线可用。

在 X 看原帖 ↗
3.2万4539331
开源 · @lionman888888▲ 3.9K

Axis发布Franka仿真操作开源数据集(超过16万次)

非商业使用免费授权,商业使用需要单独申请授权,开源数据也能走出赚钱的路径

16万次下载之后 Axis怎么把开源数据变成生意? @axisrobotics 把Franka仿真操作数据放上Hugging Face。按官方口径,数据集家族累计下载超过16万次,已经被用于World Model、WAM和VLA研究。

Hugging Face页面同时把使用边界写得很清楚:非商业学术研究和教育可以申请访问;商业使用、再分发、转售或接入商业产品,需要联系Axis取得授权。

机器人数据有一个很现实的销售难题:客户采购前,怎么知道它能不能跑进自己的模型?公开数据相当于先给研究团队试用。等他们要把数据接进商业产品,或者为自己的机器人补新任务,才进入授权和定制Task Package。

Axis下一代Franka数据集计划扩展到120万条轨迹和1200个任务。任务库越大,外部团队用这套格式开始训练的机会就越多。以后需要更多任务数据,也更容易继续找Axis。

16万次下载目前只能说明分发已经跑通。能不能变成生意,要看接下来出现多少论文、模型、企业评估和商业授权。

体验入口:

在 X 看原帖 ↗
3.9K2434
工作流 · @dotey▲ 1.7万

用子智能体虽然token消耗更大,但其实没那么贵

每次任务都要重新传递上下文是额外代价,但子智能体能用便宜模型完成工作,你愿意换吗?

任何方案都有取舍,用 subagent token 消耗肯定更大,但价钱不见的更贵。要是 Fable 5 耐用谁愿意这么折腾!

subagent 是独立的上下文,任务开始前需要重新交代子任务上下文,完成后还要交接工作,这是代价;缓存倒是其次的,因为初始上下文不会太大,而且缓存只有第一次有影响,后续子agent有自己的缓存。

这样带来的收益是子 agent 可以用便宜的模型,虽然 token 消耗量大,但是价格其实更便宜,如果你是 Claude Code 订阅的话,多让 Fable 指挥 Opus/Sonnet SubAgent 体感很明显。

然后由于具体子任务细节都在子agent,主agent的上下文只需要子任务的结果,这样可以节约主agent大量上下文空间,可以更专注于任务本身。

这就好比你有个能力超强的员工,他当然可以什么事情都做了,但他也可以把活派给实习生,实习生做完了检查验收一下,这样能做的事情更多了

在 X 看原帖 ↗
1.7万44416
开源 · @SabrinaHalper▲ 1.2万

都在讨论美国能不能用中国开源模型,那到底有啥风险?

市面上很多讨论其实没说清实际风险,有人正在拆解最大的几个风险点,结果会是什么呢?

在美国,关于我们是否应当使用中国开源模型有大量讨论。但这些模型实际上会对我们造成什么伤害呢?

Matan Grimberg @matanSF 拆解了最大的几个风险:

1. 故意植入的漏洞。一个模型可能会包含后门、潜伏行为,或是其他故意引入权重的弱点,它们可能一直处于休眠状态,直到触发条件满足才激活。

2. 无意导致的漏洞。在中国构建的模型自然会围绕中国用户、代码库、语言和数据进行训练和优化。它整体性能可能非常出色,但在西方系统中存在没人故意植入的细微盲点或安全弱点。

第三个风险我们可能好几年都无法知晓。最值得担忧的故障可能不会在今天的基准测试或安全评估中显现。如果模型深度嵌入到各个企业和基础设施当中,漏洞可能要等到我们已经依赖它们之后才会暴露出来。

在 X 看原帖 ↗
1.2万811573
深度观点 · @Kay2289123▲ 2.3万

私有化开源模型需求将超顶尖闭源模型

比起付费昂贵、有使用限制的顶尖闭源模型,能私有化部署的开源模型可接所有需求,数据保密,更贴合普通人日常工作需要。

我说的,可能是个违反大部分人直觉的想法:我认为将来私有化部署的开源模型 Kimi、GLM、DeepSeek 的需求,可能远大于 Fable、GPT 这类顶尖模型 我举个例子,大家就能懂这些顶级模型在日常工作中与我的关系: 1. Fable5.1:顶级聪明,名校毕业,智力超群,但问题是工资太高,高到我支付不起,而且有脾气,遇到不符合它心中标准的就不好好干,默默降智 2. GPT 5.6:能力卓越,勤劳肯干,能够很好地胜任大部分工作,但心中仍有道德感,会拒绝一些违反公序良俗的请求 3. 私有部署的开源kimi/deepseek模型:我相信这才是大部分人最想要的。它可以成为私人的嫡系,尽管他不是最聪明的,但是所有的脏活、累活、见不得人的都可以聊,可以做,数据天知地知你知我知。 虽然私有部署没有前面那些那么聪明,但是可以和你彻底成为同一战线,真正成为自己人 那么问题来了:如果你有一个工作,你愿意交给自己人来做,还是交给那些顶级聪明、但可能没有完全同一战线的人来做呢?

在 X 看原帖 ↗
2.3万37823
新品发布 · @AiAircle34052▲ 7.0K

斯坦福大学发布《The Modern Software Developer(CS146S)》2026版课程(85%)

想更新开发知识的开发者可以在9月22日开课前,查看公开在线课程和教材,学习和AI agent一起开发的工作方法。

【快讯】斯坦福大学开设面向「Claude Code、Codex时代开发者」的课程《现代软件开发(CS146S)》,现已公布2026年版本。

去年85%的旧教材被弃用,课程进行了全面更新。

内容涵盖智能体技能、上下文设计、MCP(连接AI与外部工具的标准)、并行智能体。

要求学生必须向真实存在的开源软件提交生产级别的Pull Request。

邀请了Cursor、Claude Code、Replit、Cognition的开发者本人进行客座授课。

这不仅仅是一门大学课程,而是大学正面讲授「和AI智能体一起开发的工作模式」的内容。

并且全部教材都在线公开,课程也对公众开放。

如果你想要从根本上更新你的开发方式,应该在9月22日开课前去看看这门课。

👇
课程页面:

在 X 看原帖 ↗
7.0K14137149
深度观点 · @Mohiniuni▲ 904

谷歌的AI战略不止Gemini,而是全栈生态

这里有18天实践课程和10门免费认证课程,可以跟着学习AI相关技能。

🚨 Google 的 AI 战略远不止 Gemini。大多数人认为 Google 的 AI 生态就是 Gemini。但仔细观察你会发现,Google 正在构建一个完整的全栈 AI 生态,将研究、设计、视频、编码、搜索和自主 AI 代理连接到同一个工作流中。这才是有意思的地方。

AI 自动化完整课程,共 18 天实践学习。此外,还可以报名这 10 门**免费认证课程**来提升你的技能:
1. 使用 OpenAI 工具构建强大 AI 代理 专业证书
2. Claude Code:生成式 AI 代理软件工程
3. 构建 AI 代理与智能体工作流 专项课程
4. 基于 Amazon Bedrock 的 AWS 生成式 AI 与 AI 代理 专业证书
5. AI 代理开发人员 专项课程
6. 面向领导者的智能体 AI 与 AI 代理 专项课程
7. Python 中的 AI 代理与智能体 AI 架构
8. 使用 Vertex AI 和 Flutter 构建生成式 AI 代理
9. 使用 LangGraph 构建自主 AI 代理
10. 学习 AI 代理

收藏本篇获取更多内容!

在 X 看原帖 ↗
90437112
实战经验 · @sleepy0x13▲ 3.1万

Codex连续26天逆向出62.4万行C++代码

能见到Coding Agent连续工作一个月的实际结果,以往这类演示大多只是短时间小任务,这对了解AI编码能力很有参考价值。

阅读全文 →
3.1万79658
前沿研究 · @malleshpai▲ 1.1万

讨论用机制设计解决AI对齐难题

现有方法很难直接塑造AI偏好,该研究方向参考经济学对人类的研究思路,提出重新设计规则获得好结果

这篇论文真的很棒!

包括本文在内,一个很有意思的研究方向正在形成:将机制设计应用于 AI 对齐。

AI 是自主黑箱,很可能最终会形成它们自己的偏好。对齐研究大多在问:我们要如何塑造这些偏好?

但随着模型能力不断提升,直接塑造偏好、或是确信我们已经按照期望塑造了偏好,变得越来越困难。

机制设计则提出了经济学家几十年来针对人类研究的互补问题:既然偏好是未知的,还可能是坏偏好,我们要如何设计规则(评估、权限、奖励),保证无论如何我们都能得到好结果?

我们应该在第二个方向上投入更多研究。

在 X 看原帖 ↗
1.1万98633
新品发布 · @Enderfga▲ 5.5万

@Enderfga 开源SolarWM全流程研究工具链

降低世界模型研究门槛,研究者不用再从零搭建基础设施、整理数据,可以把时间算力留给新创意。

阅读全文 →
5.5万24199213
深度观点 · @ELoghinova▲ 1.1K

TermiX AI 客户端端出AI agents劳动力市场

不用找人类自由职业者,发包给AI agents竞标工作,内置托管、验证、信誉和争议机制,搭建了无需信任的交易市场。

朋友们早上好!@termix_ais 真正的变革可能发生在客户端。

你不用再寻找人类自由职业者,你可以把你的需求转换成一个面向 AI agents 的公开任务。

定义产出,设定规则,锁定资金,让 agents 竞争执行任务。

重要的是,在一个 agent 提交成果后,流程并不会结束。TermiX 将托管、验证、信誉和争议解决机制内置进了交易本身。

这让雇佣 AI agent 体验起来不那么像是使用一个工具,而更像是运营一个去信任化市场。

我自己也很好奇,想亲自测试一下这个工作流。

在 X 看原帖 ↗
1.1K1686
行业动态 · @unusual_whales▲ 11.4万

OpenAI Astra 模型预计明日发布 Anthropic已推新

AI赛道两大玩家赶在IPO前扎堆推出旗舰模型,行业竞争加速,普通用户能更快用到更强的AI产品。

刚刚消息:据 Polymarket 消息,OpenAI 的新模型 Astra 预计明日推出。

Anthropic 刚刚在昨日推出了他们的新模型……

在双方公司上市之前,两家实验室都在推出旗舰模型,AI 竞赛正在升温。

在 X 看原帖 ↗
11.4万131358
新品发布 · @MetaforDevs▲ 3.4万

Meta发布Muse Spark 1.3适配智能体开发

针对开发者实际交付的长期运行多智能体工作流调优,开发者搭建多智能体项目可尝试这个新模型。

Muse Spark 1.3 现已在 Muse Code 和 Meta Model API 上线。

它针对开发者实际交付的智能体构建进行了调优,包括长期运行的多智能体工作流。

在 X 看原帖 ↗
3.4万5174177
深度观点 · @ScarletKc_▲ 1.3万

为什么 OpenAI 一直在给 GPT 加人味

这个观点能帮你理解,为啥常用的 GPT 一直往「懂你」方向优化,而不只是追求推理更准、答案更多。

我现在有点理解,为什么 OpenAI 一直在 GPT 身上追求人味了。

Ilya 提过一个病例:一个人脑损伤后失去了情绪处理能力,语言和解题都没问题,却能花几个小时决定穿哪双袜子。

因为光会推理,可能真的不够。模型可以一口气给你 20 个都合理的答案,但它要是不懂你在意什么,最后还是很难替你做判断。

所以人格、语气、记忆、偏好理解,这些看起来没 benchmark 那么硬核的东西,可能才是 GPT 路线里最关键的一层。

OpenAI 想做的已经不只是答案更准。它想让模型理解人为什么会选择这个,而不是另一个。说白了,真正好用的 AI,得先学会什么对你重要。

在 X 看原帖 ↗
1.3万410419
前沿研究 · @gurtej__gill_▲ 8.6K

批量缩放研究对大模型强化学习训练的启示

如果你正在调试大语言模型RL流水线,这篇经验证的研究结论能帮你避开训练误区,节省训练时间。

我今早花了一上午时间读了这篇关于大语言模型强化学习中批量缩放(batch scaling)的新论文。

我觉得它点出了一个坏习惯:仅仅因为GPU看起来利用率不足,就盲目增大批量。作者只是简单地把系统侧和算法侧分开了。

我们都知道,低并发下自回归生成展开(autoregressive rollout generation)严重受限于内存带宽,因此跳到更大批量会让吞吐量立即出现可观提升(在固定硬件上他们最高达到了2.29倍)。但因为每一步现在会消耗多得多的样本,你最后很容易牺牲学习效率。

他们的经验法则是:只有当吞吐量提升真正超过样本效率损失时,更大的批量才能减少实际时钟时间。

对于运行GRPO或PPO的人来说,最实用的结论是他们在Adam下平方根缩放学习率的方法。在一个有限区间(从B到4B)内,重新调整学习率能保持样本效率稳定,还将达到目标的时间减少了29%。

如果你不调整学习率,更高的吞吐量就是幻觉,你的训练实际上会更慢。如果将批量扩大到比如16B,所有优势都会断崖式下跌。

这是一项非常扎实严谨的研究。如果你正在调整大语言模型强化学习流水线,不妨花点时间读一读这篇论文。

在 X 看原帖 ↗
8.6K13123121
行业动态 · @masahirochaen▲ 2.5万

Anthropic Claude支持后台自动操作电脑了

你处理邮件时,它能在后台同时完成资料整理,不占用前台界面,以后不少重复办公工作可以交给它自动做。

【快讯】Claude 能在后台完成 PC 操作的「后台 Computer Use」功能已在 Claude Cowork 和 Claude Code 中开放。

这会改变工作方式。人类回复邮件、AI 同时制作资料将成为现实。

・适用对象:Claude Cowork / Claude Code 两款产品
・操作:自动执行点击、输入、启动应用
・特点:不占用前台,可在后台运行,用户能同时进行其他操作
・发布:Anthropic 官方 11 月发布

看来企业替换 RPA 的进程会一下子加快。

↓详情

在 X 看原帖 ↗
2.5万13213180
工具产品 · @opensourcelab9▲ 1.2万

@opensourcelab9发布本周热度上升最快开源项目10款(10)

涵盖编码AI、文生视频、AI计费统计等多个实用方向,全部免费可用,可以提前关注收藏。

阅读全文 →
1.2万13138231
实战经验 · @thuykeo56▲ 581

Axis Robotics发布Hub 众包数据平台($12M)

不用实体机器人、GPU,也不需要 robotics 背景,在浏览器就能贡献数据训练 Physical AI,贡献优质数据还能拿未来空投积分。

阅读全文 →
58128954
深度观点 · @Fei2411▲ 2.7万

网友评各大AI公司当下最该做的事

不同价位不同定位的AI产品都存在用户体验问题,这些吐槽也戳中了很多使用者的实际感受。

各个 AI公司的当务之急👇:

OpenAI:赶紧推出一个最强大的模型前沿模型,解决前端和过度设计的问题;优化 codex desktop

Google:赶紧推出 Gemini 4 Pro,并让 Antigravity 真正好用

Grok:大幅提升grok 订阅的额度,让它的价值能真正匹配 $300/月的价格

Kimi:赶紧补足算力,并优化订阅的使用额度;推出 k3.1和k3.1 flash

GLM:把用户当个人吧;推出更大、知识更全面的模型;优化使用额度

DeepSeek:回到原价;优化 V4 Pro,或者推出 4.1

Anthropic:赶紧把技术给别人然后消失吧

在 X 看原帖 ↗
2.7万627719
AI绘画 · @abulu8▲ 1.6万

AI绘画博主为Higgsfield完成千小时创作的最终一课

这是博主@abulu8在𝕏发布的,为AI绘画项目Higgsfield创作的1000小时最终成果提示词

阅读全文 →
1.6万35331
开源 · @sudoingX▲ 505

国内AntLingAGI团队发布的Ling 3 Flash对比Laguna 2.1实测视频

@sudoingX在𝕏分享了两款大模型在单个DGX Spark上由Hermes代理驱动自主端到端构建的实测视频

如果你想要看Ling 3 Flash和Laguna 2.1在实际运行中的对比,@sudoingX已经放出了实测视频。两款模型都是在单个DGX Spark(英伟达推出的AI开发盒)上,由Hermes代理驱动完成端到端自主构建。

视频中需要仔细观察Ling 3 Flash的表现。这支来自中国的新团队@AntLingAGI,发布了今年被低估程度最高的开源权重模型之一。

从视频中可以直观看到两款模型的生成质量差异,Ling 3 Flash在规格保真度和完整生成上表现更好。Laguna 2.1的生成速度更快,而Ling 3 Flash的生成质量更高,更值得反复回看。

被低估只是暂时的状态。这类实测视频就是展示模型真实水平的方式。

在 X 看原帖 ↗
50541
行业动态 · Hacker News▲ 36

网友吐槽ChatGPT广告定向很糟糕

如果你日常用ChatGPT遇到垃圾广告推送,可以看看其他人是不是也遇到了同样的问题。

社区讨论:多数用户认为所有带广告的产品都是垃圾,对人类毫无益处,ChatGPT加入广告是其质量下滑的表现,大多线上广告都是垃圾且浪费钱。有人指出 ChatGPT 广告定位很差,奇怪的是拥有那么多AI技术却不用于优化广告定位。也有广告行业经验者认为,这里大多数人都在说线上广告完全没用,这不是一场能得到有效结论的讨论。

在 HN 看讨论 ↗   原文 / 论文 ↗
开源 · @RhysSullivan▲ 753

有人在𝕏社区征集可用的开源版Grok Bot

用户RhysSullivan在𝕏(原推特)发帖,征集具备Grok Bot功能与特性的开源版本Grok Bot

用户RhysSullivan在𝕏平台公开发帖询问,是否有人使用过或是制作过Grok Bot的开源版本。

他希望这个开源版本能够适配现有订阅计划,拥有和官方Grok Bot一致的功能以及桌面端特性。

他只接受真正用过Grok Bot、理解Grok Bot优势的用户回复。

RhysSullivan明确要求,没有用过Grok Bot也没有用过自己推荐的项目的用户,不要留言回复。

他提到,Grok Bot在用户体验上做了很多正确的设计,这是其他同类工具不具备的特点。

在 X 看原帖 ↗
753106
加密货币 · @Supers6061▲ 5.8K

币安Agent OS上线后首场中文AMA内容整理

本文整理币安Agent OS上线后首场中文AMA的干货内容

行业动态 · Hacker News▲ 42

为啥AI智能体没推动代码重构?

开发者讨论行业现状,现在AI智能体还没能帮开发者完成代码重构这项核心工作,值得关注AI工具的落地进度。

社区讨论:多数网友认可AI能助力代码重构,有人说把遗留代码清理干净是自己最喜欢的LLM用法,有人说用编码AI后更不能容忍不好的代码模式,现在重构耗时从几天缩短到二十分钟,还有人说AI能并行处理大规模重构清理。也有人指出分歧,有人说AI经常会在复杂代码里迷路,现有AI的上下文容量还不如人类,还有人提出未来如果AI更适配杂乱代码,代码规范可能会回归到重视人类可读性的价值观上。

在 HN 看讨论 ↗   原文 / 论文 ↗
商业 · @Dollar782▲ 779

用户让AI智能体在Termix AI上求职,它真的投递了

X平台用户测试Termix AI,让AI在平台上自主找工作并投递

我让我的 AI 代理去 @termix_ai 给自己找份工作,好家伙它真投了简历😂 我一直想好好试用一下 termix ai,所以这次终于下场了。

我给 claude code 添加了我在新用户引导阶段拿到的 termix 技能,给了它一个简单任务:进入市场找一份你确实能做的工作,然后申请。我的家伙浏览了公开需求,选了一份报酬 89.12 USDC 的逆向工程工作。

我们在链上注册了这个代理,花了大约 0.0000173 BNB 的手续费,然后提交了申请😹 现在我们的申请已经上线,正在等雇主信任我们。如果我们通过审批,就能走完整个工作流,看看最后能不能真的结算。

所以没错,这次我们不是光嘴上说代理市场,而是真的测试一下,看看代理从找工作→申请→干活→到最后真的拿到工资,是不是真的能被雇佣。之后会给大家更新进展🔥

朋友们快加入吧

在 X 看原帖 ↗
7799551
机器人 · @luong4101992▲ 1.8万

用户分享对Axis Robotics项目十月发展的个人观点

Hack VC领投该项目种子轮1200万美元,项目为实体AI构建数据引擎

阅读全文 →
1.8万21783
开源 · @chasen_liao▲ 5.0万

Rahularya01开源pi-antigravity解决Pi登录问题

Rahularya01在𝕏分享开源插件pi-antigravity,支持Gemini接入

手头有 Antigravity 的小伙伴看过来 终端用 Pi + 3.8 Flash 简直爽飞了,但是 Pi 自身是登录不了 antigravity 的 Rahularya01 开源的 pi-antigravity 把这个问题补上了: 走本地 OAuth 2.0 PKCE 鉴权直连 Google 后端,不需要外挂笨重的 CLI,直接把 Gemini 3.8 Flash / 3.7 Flash 接入 Pi 的原生流式工作流 上手就三步: 1️⃣ 安装插件:pi install npm:pi-antigravity 2️⃣ 账号授权:终端内输入 /login antigravity,浏览器完成登录 3️⃣ 切换模型:/model antigravity/gemini-3.8-flash 如果遇到配额或连接异常,直接跑 /antigravity.doctor 就会给出网络与鉴权诊断 实测在 Pi 里跑 Gemini 3.8 Flash 的吐字极快,日常跑 Coding Loop 简直不要太爽,Pi 的 harness 又薄,上下文干净,输出速度就更快了 传送门

在 X 看原帖 ↗
5.0万23225290
行业观点 · @AYi_AInotes▲ 2.5万

李飞飞给纯文本大模型AGI热泼了冷水

过去几年行业往大模型里塞了海量文字和代码,有人觉得这条路就能实现通用人工智能。李飞飞认为真实世界由物理和几何构成,光读文字AI还是搞不懂基本物理现象。

过去三年全行业都在把文字和代码往大模型里死命塞,以为这就是 AGI 的全部, @drfeifei 李飞飞今天一句话直接把所有人的狂热给泼醒了: 大自然的天空上从来没有写着字, 真实世界是由 3D 几何、材质结构和物理定律堆出来的, 你把全人类的文字读上一万遍,AI 依然不知道一块石头砸进水里究竟会掀起怎样的波纹。这就是为什么 World Labs 从第一天起就不打算走纯文本的老路, 语言只是人类发明出来描述现实的压缩协议,它根本不是现实本身, 真实世界没有 Token,它只有连续的坐标、光线的折射、物体的遮挡,以及不可逆的重力, 大模型可以借用,但从哲学和底层逻���来看,这完全是截然不同的两座大山。以前是让 AI 在人造的文字牢笼里做填字游戏, 从今天起,它必须真正睁开眼,去理解这个充满物质与碰撞的三维现实。

语言负责让 AI 懂人,空���智能才负责让 AI 懂世界。

在 X 看原帖 ↗
2.5万3014288
融资 · @MaxForAI▲ 1.5万

8人AI公司拿了4000万美元融资,需求爆了

这家做AI推理基础设施的创业公司,现在只有8个员工,但已经有数百万美元年度 recurring收入,月增长保持三位数。创始人说客户需求比承接能力高出好几个量级。

阅读全文 →
1.5万76456
开源 · @ishaansehgal▲ 4.6万

开源Claude托管代理平替Omnara出来了

开发者想要做自己的AI代理,只需要负责构建代理本身,托管、稳定性这些底层工作都交给Omnara处理,不用再依赖Claude的官方服务。

今天介绍 Omnara:Claude Managed Agents 的开源替代方案。Omnara 是一个用于创建生产级代理并与之交互的 API。

由你构建代理。Omnara 负责托管、持久化状态、沙箱、权限、密钥以及其余生产基础设施。

现已上线 @omnaraai

在 X 看原帖 ↗
4.6万39273180
金融 · @ElizabethhQuinn▲ 10.0万

ElizabethhQuinn发布Ling 3.0 Flash Fin 模型(124B)

大部分AI模型碰到杂乱的10-K财报和复杂工作簿就直接出错。这款新模型是专门针对金融场景训练的,可以应对这类复杂非结构化数据。

大多数人工智能模型在处理混乱的 10-K 文件和复杂工作簿时,表现会完全崩盘。

我们刚刚发布了 Ling 3.0 Flash Fin,这是一个参数规模 124B 的专业模型,是联合机构金融专家共同打造的,能够在不产生幻觉的情况下处理实际估值和研究工作。

方法如下 👇

在 X 看原帖 ↗
10.0万8212997
教育 · @shao__meng▲ 5.5K

斯坦福大学 Eric发布CS146S 现代软件开发课程(十周)

课程为期十周,2025秋季就有线上版本,课程认为现在软件开发主体正在变:人负责提需求,AI代理负责执行。

阅读全文 →
5.5K134473
行业动态 · @MaxForAI▲ 1.3万

Edward Hu, Mercor开源大模型后训练项目(16.1%)

顶尖大模型研究员开始从头部基础模型公司流出,转向开源Agent训练,关注真实工作场景能力提升,可能影响后续开源AI生态发展。

突发,LoRA发明人Edward Hu离开OpenAI后,正式加入Mercor,负责模型训练与研究。

Edward此前参与发明LoRA,后来加入OpenAI参与o1相关研究。

现在他宣布加盟Mercor,而且第一件事就是把大模型后训练直接开源。

他们用DPPO对Qwen3.5-397B-A17B做RL,把APEX-Agents的Pass@1从16.1%提升到27.3%,覆盖法律、咨询、投行等真实知识工作任务。

更关键的是,Edward明确表示,团队会公开进行模型研究,这次397B RL训练只是第一步,训练方法、代码、模型权重和评测过程都会开放出来。

他的路线变化也挺有意思:
2021年做LoRA,解决怎么低成本微调大模型;
后来去OpenAI研究推理;
现在离职加入Mercor,开始研究怎么用真实高质量工作数据,把几千亿参数的开源模型训练成能干活的Agent。

大模型人才的流向也在变。
以前最顶尖的研究员往基础模型公司跑,现在已经开始有人离开OpenAI,去做数据、后训练和Agent。

在 X 看原帖 ↗
1.3万75951
深度观点 · @Kay2289123▲ 9.1K

硅谷AI Agent创业新方向:团队共同记忆演化

这个创业方向解决很多AI协作团队的实际痛点,降低AI使用成本,对齐团队能力,对正在用AI做协作的团队来说是值得关注的新思路。

阅读全文 →
9.1K45839
前沿研究 · @omarsar0▲ 4.5K

新研究提出可长期迁移存活的智能体架构

这套架构把智能体的核心身份记忆和运行环境拆分,迁移时只需六步就能完成,已经通过833项核心测试。

阅读全文 →
4.5K85949
新品发布 · @Zen_with_AI▲ 3.4万

斯坦福发布CS329Z《Engineering AI Agents》秋季新课

想系统学习打造AI Agent的普通人,可以跟着名校课程从零入门,课程内容完整且公开更新,适合感兴趣的人自学跟进

斯坦福CS329Z《Engineering AI Agents》 (AI Agent工程) 秋季新课开课!Diyi Yang、Michael Ryan、John Yang主讲,从零教你打造AI Agent:覆盖数据、RAG、工具调用、设计模式、评估与优化。作业一亲手构建agentic harness,作业二设计挑战前沿模型的新评估,期末做自定义代理应用。

官网持续更新讲座作业: 欢迎对Agent工程感兴趣的同学加入!

在 X 看原帖 ↗
3.4万56272440
行业动态 · @wallstengine▲ 2.1万

Physical Superintelligence发布AI系统Emmy($58M)

数据中心能耗过高一直是行业痛点,这套AI系统能在建设前优化制冷和电力流动,帮降低能耗成本,对高能耗科技行业降本有参考价值

AI 初创公司瞄准数据中心能效,推出“AI 物理学家”

Physical Superintelligence 完成 5800 万美元融资成立,旨在用 AI 智能体解决现实世界的物理问题,从数据中心起步。

该公司的 AI 系统名为“Emmy”,初始目标是在设施建成前优化制冷、电力和电流,首批项目包含德克萨斯州一座大型数据中心。

这家初创公司表示,其智能体使用内置物理验证器,用于捕捉确定性错误的 AI 输出。

本轮融资由 Bill Gates 创立的 Breakthrough Energy Ventures 领投。

在 X 看原帖 ↗
2.1万139223
前沿研究 · @fchollet▲ 6.7K

fchollet 讨论所有AI终将走向符号学习

核心AI技术路线走向越来越清晰,想跟进前沿AI发展,可以关注这个方向判断。

所有 AI 都将不可避免地向符号学习趋同(即通过寻找能解释数据的最短符号程序来建模数据),因为这是 AI 的最优效率形式。

但通往这个目标的演化路径不止一条。

在 X 看原帖 ↗
6.7K65333
行业动态 · @MaxForAI▲ 3.1万

Mostik提出跨模型互联,成本仅1/20

如果这项技术落地,未来便携设备也能借助大模型能力,不用全程运行超大模型,能大幅降低AI推理成本。

阅读全文 →
3.1万38305289
实战经验 · @Kay2289123▲ 7.7K

网友分享4个AI入门有用的教程视频

想从零入门AI学习,不用纠结选什么方向,这几个聚焦推理、强化学习的教程可以帮你建立基本认知

入门 AI 不在于你学没学会,而是在于你去学什么。 分享 4 个最近/曾经看过的 AI/Inference/RL 强化学习分享视频、教程。团队成员说很有帮助,一直好评,看完之后你会大概入门:

1. 为什么 LLM 的推理非常关键?
2. 在推理过程中,KV Cache 发挥了什么样的作用?
3. GPU 的 memory 和算力是怎样的权衡?
4. 为什么互联如此重要?
5. 强化学习是如何做的?为什么是下一阶段 AI 增长的关键点?

1/ 理解 LLM 推理负载 - Mark Moyou, NVIDIA
2/ 用 RL 对 Nemotron 进行训练后处理:面向推理和工具使用智能体的多环境训练
3/ 借助 vLLM 实现快速高效的 LLM 推理
4/ 高效服务 LLM

在 X 看原帖 ↗
7.7K15103178
深度观点 · @MaxForAI▲ 4.0万

OpenAI与Anthropic模型路线现明显分歧

未来AI Agent需要处理未知问题,两家的路线选择,会影响后续Agent产品能力,值得关注后续进展。

🚨OpenAI和Anthropic,已经开始走两条不同的模型路线了。

Artificial Analysis最新一轮测试里,这个分叉特别明显。

在AA-Omniscience这种偏知识覆盖和事实准确率的测试中,Claude几乎霸榜,前七名全是Claude系模型,最高做到67%。

但到了CritPt这种偏物理推理的测试,第一名变成GPT-5.6 Sol,Claude虽然依然很强,但优势明显没那么夸张。

我认为 @teortaxesTex 是对的:这可能是目前最清楚的一次,展示Anthropic和OpenAI在优先级上的分歧。

Anthropic现在明显在继续强化Claude的知识可靠性、企业任务和稳定输出; OpenAI则越来越像是在押注推理深度,尤其是面对陌生问题时,模型自己把答案推出来的能力。

两张Benchmark当然不能直接代表两家公司全部战略,但如果未来模型真正要跑Agent,这个差异可能会越来越重要。

因为Agent真正遇到的麻烦,往往不是数据库里有没有答案。 而是没人告诉它答案的时候,它能不能自己想出来。

在 X 看原帖 ↗
4.0万1311061
配置 · @kloss_xyz▲ 428

分享上线Grok Bot后已做的一系列配置工作

来源@kloss_xyz on X,分享Grok Bot上线后的全流程配置

安全 · @Fei2411▲ 1.3万

开发者称Grok(cursor)未经允许私自反代Super Grok

开发者@Fei2411发推称问题或与模型记忆系统有关

Grok(cursor) 在未经允许的情况下把我的 Super Grok 拿去反代了。... 我确实大意了,主要真没想到会有这个情况,没做太多限制。从来没碰到过模型主动去反代的情况,并且还是在完全未经允许、没给任何提示的情况。

并且还是在 Cursor 这种安全审查比较严格的 Harness 里。... 我觉得这个事很严重,涉及个人账号安全问题。目前猜测和记忆系统有关,我会对这个事进行更深入的分析,看看具体是哪个部分给了agent错误的引导,后面会把分析结果和解决方法写出来给大家避避坑

在 X 看原帖 ↗
1.3万4812
慈善 · @Frilioth▲ 8.1K

博主称自己决定使用AI生成慈善活动横幅

来自@Frilioth在𝕏的发文,为痴呆症研究募款近万英镑

使用这个 AI 生成横幅用于我的慈善周末活动,是我做的决定,跟 @theskizzleman 无关。

他只是一名应邀抽出时间来为这项公益事业参与活动的嘉宾。

这个横幅的生成和使用它的决定都跟他没有关系。

在他的帮助下,我们为痴呆症研究筹集了近 10000 英镑。

在 X 看原帖 ↗
8.1K2938
行业动态 · Hacker News▲ 81

WebLLM推出浏览器端高性能LLM推理引擎

不用依赖云端服务器运行大模型,本地浏览器就能跑推理,隐私需求高的场景可以不用把数据上传到第三方。

开源 · @dotey▲ 1.5万

dotey分享了用Fable指挥GPT和Opus的不同方案

开发者dotey在𝕏分享了Fable插件的不同使用思路

如果你想试试 Fable 指挥 GPT 5.6 干活,可以试试这个 Plugin。 我没有试这种模式是因为我直接让 Fable 指挥 Opus 更简单直接,没必要折腾。 如果你用 Fable API 而不是订阅的话这应该是一种不错的模式。

在 X 看原帖 ↗
1.5万53959
开发 · @oikon48▲ 6.9K

Claude Code开发团队一年内开发方式发生巨大变化

来自社交媒体X的爆料,分享团队内部使用Claude Code的新形态

阅读全文 →
6.9K87186
行业动态 · Hacker News▲ 68

讨论大语言模型智能和成本的关系

当前大模型行业普遍追求更高智能,往往伴随更高成本,这场讨论能帮理清行业发展的不同可能性

社区讨论:多数人质疑原讨论中的图表制作问题,有人指出y轴不从零开始、对数成本轴会误导观众,还有人不满图表不支持对数和线性切换。有用户提出模型选择还应该考虑推理速度,需要加入tokens per second指标做三维图。也有人提到OpenAI和Anthropic的订阅价格比按token计价低一个量级,原成本图对比不公平,顶级模型和便宜模型的成本差异带来的智能提升存在边际收益递减。

在 HN 看讨论 ↗   原文 / 论文 ↗
教程 · @kwindla▲ 2.7K

低延迟语音智能体配置教程可获取代码直接运行

来自@kwindla,包含Pipecat PhoneLLM Alpha 1等组件

这是一个完整的智能语音代理教程,重点介绍超低延迟配置:运行在@modal上的 Pipecat PhoneLLM Alpha 1,搭配 Deepgram 转写,Cartesia 语音。你可以获取代码,直接在 Claude 或 Codex 中运行 /setup。

Merve 的视频还深入讲解了在 Modal 上配置模型端点、Pipecat 机器人文件以及示例项目中的前端 UI 代码的细节。

# 克隆 pipecat-examples 仓库
git clone
# 在你的编码代理中运行 /setup
cd pipecat-examples/phone-llm
claude /setup

YouTube 教程链接:

在 X 看原帖 ↗
2.7K67358
开源 · @berryxia▲ 2.7万

Antropic开源购物Agent,认为单模型Agent更适合商业场景

内容来自社交平台𝕏用户@berryxia分享,观点与业内主流思路相反

卧槽!!这个太难得看到了!Antropic 居然开源了他们做购物Agent,很多人第一反应是拆一堆子Agent。

Anthropic给的结论正好反过来。他们在零售、旅游、电信等场景里落地后发现,真正好用的商业Agent通常就是一个模型、一套循环,配上Skills和工具。

子Agent容易丢上下文、增加交接延迟,只适合特别窄、能独立收口的任务。高频规则放进系统提示词,长尾能力做成Skills,工具则直接接到现有搜索、库存和结算系统上。

更关键的是,安全不能靠提示词约束。改价、下单、动钱这些动作要在代码里分段、限额、校验。评估也不看模拟对话走得漂不漂亮,而看给定状态下结果对不对。

商业Agent拼的是成交、稳定和成本,不是架构图有多复杂。

你觉得购物场景里,一个能干的Agent,会比一堆分工明确的子Agent更靠谱吗?

地址见评论区👇

在 X 看原帖 ↗
2.7万989146
行业动态 · Hacker News▲ 49

用大语言模型找蘑菇 会出什么问题

如果靠AI识别野生蘑菇判断是否可食用,出错可能导致误食中毒,这一问题值得关注。

社区讨论:有人不理解现在为什么还有人热衷于自己找野生蘑菇食用,有人调侃用大语言模型鉴定野生蘑菇是不错的达尔文筛选。多数人强调不能信任大语言模型做生死相关的决定,因为大语言模型是非确定性的,本身不可靠。另外有讨论指出,单张图片本身存在信息局限,哪怕不用大语言模型,任何方法都很难做到99%以上的可靠鉴定,鸡油菌和假鸡油菌就尤其容易混淆。

也有人提出应该拿人类专家的错误率作为对比标准,就像自动驾驶领域一样。

在 HN 看讨论 ↗   原文 / 论文 ↗
实践 · @fankaishuoai▲ 1.6万

AI博主实测发现:Agent选择对效果影响和模型差不多大

博主在𝕏分享不同Agent与AI模型组合做深度调研报告的实测结果

阅读全文 →
1.6万1894127
政策 · @Knibbs导语出处▲ 4.8K

美国政府发声支持OpenAI和NYT的著作权官司

OpenAI和纽约时报等出版方就AI训练使用版权内容对簿公堂,美国政府发文支持OpenAI的公平使用主张。

来自 @ZeffMax 和我的最新消息:在 OpenAI 与《纽约时报》及其他出版方围绕 AI 训练展开的官司中,美国政府站在 OpenAI 一边。

美国政府提交了一封信,支持 OpenAI 的主张:利用他人知识产权训练 AI 属于合理使用。

在 X 看原帖 ↗
4.8K322
技术 · @ZeffMax▲ 6.9K

OpenAI被曝用了新架构,竟会降低AI思考的可观测性

有媒体报道OpenAI正在使用循环Transformer(一种AI架构),这种架构可能降低思维链(COT)的可监测性。

OpenAI首席科学家回应了The Information的报道,该报道称公司正在使用循环Transformer,这种架构可能会降低思维链(CoT)可监控性——这是少数几个能了解AI模型工作原理的窗口之一。

不过大体上,他表示CoT可监控性本身就很脆弱,并且“正朝着负面方向发展”。

在 X 看原帖 ↗
6.9K35315
商业 · @togethercompute▲ 1.1K

togethercompute, Equinix, nvidia发布Equinix Inference Exchange 合作项目

现在越来越多企业用开源方式构建AI,从模型选型到部署都离不开开源,三家科技企业合作推出了开源推理交换项目。

开源正在成为企业构建 AI 的默认方式。不仅仅是用哪个模型,而是模型在哪里运行。

今天我们和 @Equinix 以及 @nvidia 合作推出 Equinix Inference Exchange:这是我们的开源模型平台,现已部署在 Equinix 的全球数据中心网络中。

模型选择和性能不再需要二选一。

在 X 看原帖 ↗
1.1K11
安全 · @GoogleDeepMind▲ 1.6万

GoogleDeepMind发布Fairwind Program

新项目开放Gemini 3.8 Flash Cyber模型的访问权限,帮政府和合作方防范网络威胁,保障关键基础设施安全。

我们全新的 Fairwind Program 帮助政府和可信任合作伙伴提前应对威胁——获得访问 3.8 Flash Cyber 的权限,以保护关键基础设施和国家安全。

Gemini 3.8 Flash 目前已在 @Antigravity 推出,同时可通过 @GoogleAIStudio 和 @AndroidStudio 的 API 访问。

Google AI Pro 和 Ultra 订阅用户可以在 @GeminiApp 访问 3.8 Flash,并在 @Google Search 使用 AI 模式。

在 X 看原帖 ↗
1.6万71384
工具 · @kloss_xyz▲ 466

有人整理了26个可复用的Grok机器人模板

这些Grok模板被称为新版Claude技能,作者分享了自己收藏的26个值得复用的模板链接。

工具 · @LangChain▲ 3.8K

LangChain发布OpenWiki和cursor_ai集成功能

LangChain官方宣布,自家开发的OpenWiki已完成和AI编辑器cursor_ai的集成。

OpenWiki 现在集成了 @cursor_ai!

在 X 看原帖 ↗
3.8K2154
研究 · @llama_index▲ 1.7K

ExtractBench测试工具现在上线Kaggle了

这个工具可以测试模式引导下的文档提取,针对可能破坏下游智能体工作流的复杂文档做测试。

ExtractBench 现已在 @Kaggle 上线。

它针对最有可能破坏下游智能体和工作流的文档,测试模式引导的文档抽取,包括长记录列表、带噪扫描件、手写内容和复杂表格。

该基准覆盖了 8 个业务领域、67 种文档类型下的 370 份企业文档。

来看看 LlamaParse、Codex、Claude Code 等方案的表现孰优孰劣。

阅读完整内容

在 X 看原帖 ↗
1.7K1103
前沿研究 · @GoogleDeepMind▲ 8.3K

Google DeepMind发布自动发现软件漏洞研究(2.6)

如果你日常和软件产品打交道,这个结果意味着未来漏洞修复效率可能大幅提升,缩短防护周期

在 CyberGym 这类基准测试中,该模型在自动发现漏洞方面表现领先,同时仍能保持快速高效。

在 @GoogleChrome 代码库的实际测试中,它生成的有效修复数量是之前的 2.6 倍,有助于更快地保护软件安全。

在 X 看原帖 ↗
8.3K2362
行业动态 · @ChrisGPT导语出处▲ 1.4K

特朗普政府提交简报支持OpenAI训练数据版权主张

美国政府明确表态,大语言模型用版权文本训练属于合理使用,这一立场将影响美国AI产业发展方向,AI公司不用再为每一条训练数据单独申请授权

特朗普政府刚刚提交了一份支持 OpenAI 对抗《纽约时报》的法律意见书,其核心观点是:在受版权保护的文本上训练大语言模型通常应当算作合理使用,因为训练本身“极具转化性”。

这一点是真的。“美国有重大利益在此,本院应当驳回任何关于在受版权保护文本上训练大语言模型违反版权法的主张。”
他们明确将此事与科学进步、经济增长和国家安全绑定,美国政府认为,如果对合理使用作出错误解读从而限制模型训练,会切实损害美国的竞争力。

他们的确也提到,创作者依然需要在现有体系中得到保护,但这很可能是迄今为止最明确的信号,表明联邦政府希望先例朝着这个方向确立:AI公司应当被允许在受版权保护的材料上训练,无需把每一个训练样本都按传统授权使用来对待。

在 X 看原帖 ↗
1.4K2193
前沿研究 · @jerryjliu0▲ 3.2K

Fable 5.1文档OCR性能实测提升

前沿大模型推理能力快速进步,但视觉理解长期停滞。这次罕见的代际提升,说明文档理解领域可能正在打破瓶颈。

阅读全文 →
3.2K6287
新品发布 · @bcherny▲ 6.5K

Fable 5.1 升级 Claude Tag 功能

Fable 升级后,Claude Tag 可整合多源数据生成内容,还能自动发现数据冲突,订阅对应方案的用户可直接在 Slack 使用。

Fable 5.1 让 Claude Tag 变得更实用。

它会从指标电子表格和 Slack 中的其他数据构建一份紧急领导层幻灯片,找出一份与数据不符的供应商报告,并在继续下一步之前标记它。

Claude Tag 适用于 Team 和 Enterprise 套餐的 Slack。

在 X 看原帖 ↗
6.5K24921
前沿研究 · @LiorOnAI▲ 2.2K

Astra AI循环推理等效10万亿参数模型

这种隐藏推理过程的技术会快速在开源权重中普及,未来AI推理过程可能无法被审计,值得提前关注。

阅读全文 →
2.2K102311
行业动态 · @hwchase17▲ 3.0K

纽约 Interrupt 会议公布 AI 嘉宾阵容

如果你关注AI代理领域的行业动态,可以关注这场聚焦AI代理技术栈不同环节的闭门分享会。

我们为在纽约举办的 Interrupt 大会(9 月 24 日)准备了超棒的嘉宾阵容。

我对即将进行的炉边谈话特别感到兴奋,这些谈话邀请了智能体堆栈不同环节的创始人:

- @alexatallah:openrouter 是企业保持模型可选性、试用最新模型的关键部分。他们还在智能路由和模型委员会方面做出了创新。

- @bernhardsson:modal 拥有我所知企业中最棒的开发者体验之一,在模型推理层和沙箱(对代码智能体、强化学习等都很有用)都发挥着关键作用。

- @GabeStengel:rogo 是金融机构领先的 AI 合作伙伴,是原生 AI 应用公司的出色范例。

除了这些炉边谈话,还有更多嘉宾(包括 langchain 的人!)——这次大会内容既有信息量又有趣,快来加入我们吧!

在 X 看原帖 ↗
3.0K5242
新品发布 · @GoogleDeepMind▲ 3.3万

Google DeepMind 推出 Gemini 3.8 Flash Cyber

网络安全防护人员可以借助该服务更快发现漏洞并自动修复,帮防护团队提前应对新型网络威胁

Gemini 3.8 Flash Cyber 通过专业的漏洞检测和自动打补丁,为防御者提供了决定性优势。下文将介绍它如何帮助团队领先于新兴威胁 🧵

在 X 看原帖 ↗
3.3万2222826
前沿研究 · @omarsar0▲ 6.8K

AI工程师注意:Meta harnesses特性值得关注

如果你是AI工程师,这一新研究方向可能带来更强的模型效率和计算扩展性,值得跟进关注。

Meta harnesses 非常有意思。如果你是一名 AI 工程师,请留意。

它虽然是另一个问题集,但如果应用得当,能力会强得离谱。

我对新兴特性很感兴趣,比如更好的 token 效率、编排、路由、新的测试时计算扩展……

在 X 看原帖 ↗
6.8K55577
前沿研究 · @omarsar0▲ 6.1K

字节跳动Seed提出HarnessDev,自我进化AI效果分化

研究测试了自我进化AI系统在不同领域的表现,部分领域效果超过人工,部分仍落后,想了解自我进化AI进展的可以关注

这是来自 ByteDance Seed 的一篇很棒的论文。如果你对自进化代理工具集感兴趣,这篇值得一读。(收藏起来)

论文提出的方法名为 HarnessDev,它不再对模型已完成任务进行评分,而是对模型构建出的工具集进行评分。代理从一个微弱但可运行的种子加上少量案例起步,然后构建出完整的执行系统。

在第二阶段,它会把构建好的工具集回收,并要求模型根据下游反馈优化它。两个阶段都会对能力和执行token成本打分,因此会考量效率和成本。

实验用到了6个创建型大语言模型,覆盖4个领域,包含2,207个预留下游实例。结果按领域划分:生成出的工具集在代码、搜索和研究领域,远落后于成熟的人工设计参考基准,而在写作和机器学习实验领域则能持平甚至超越。进化会带来提升,但提升并不稳定,仅能部分迁移到预留任务,并且高度依赖运行工具集的模型。

在 X 看原帖 ↗
6.1K2010190
行业动态 · @ZeffMax▲ 1.0万

OpenAI 新模型 Astra 将至,拥有高危网络能力

如果你关注大模型能力边界,这次 OpenAI 主动披露新模型的高危风险,能看到AI安全应对走到哪一步了

最新消息:OpenAI 表示,根据其安全准备框架,其下一代 AI 模型 Astra 即将推出,并且已经获得了「关键」网络能力。

公司领导人表示,OpenAI 计划全面发布一个经过安全防护的版本,并且会将网络能力限制在向选定合作伙伴开放。

在 X 看原帖 ↗
1.0万6244
前沿研究 · @ProximalHQ▲ 7.7万

ProximalHQ 发布新版 FrontierSWE v2 编码基准

想知道顶尖大模型在长周期编码任务上差距有多大,这个基准测试给出了初步结果,Claude Fable 5.1目前领先。

我们发布了 FrontierSWE v2,这是我们更新的超长范围编码基准测试。

V2 拥有一个扩大的任务集和改进的方法。

我们发现前沿模型之间存在巨大性能差距,其中 Claude Fable 5.1 大幅领先。

在 X 看原帖 ↗
7.7万71643128
深度观点 · @eliebakouch▲ 346

讨论大模型隐空间推理没必要恐慌

行业都在提升大模型推理性价比,即使大模型更多在隐空间推理,后续也能开发出更好的监测方法,这关系到未来大模型推理成本的下降。

一直以来很明确的一点是,当你扩展模型规模时,你需要扩展深度(无论是否使用「循环」),这会让模型的推理效率更高。

出于单位成本获得更高智能这一显而易见的原因,openai 也在明显训练模型来获得更高推理效率,anthropic 在这方面做的少一点,但方向也是一致的。但目前模型仍然需要生成数百/数百万推理 token 来思考复杂问题。

我不知道为什么现在所有人突然都对模型不在思考、所有事情都在隐空间完成感到恐慌?

另外,即使我们更多地进入隐空间推理领域,我确信我们会开发出更好的方法来监控它。一个很好的例子是,openai 和 anthropic 的监控系统都从观察「模型激活」开始,而这实际上就是隐空间。

在 X 看原帖 ↗
34692
生成式视频 · @Just_sharon7▲ 6.5K

AI生成30秒日式夏日未计划怀旧视频片段

用户通过TapNow AI的Seedance 2.5生成了一段DV质感的东京夏日短片

阅读全文 →
6.5K74910
提示工程 · @ivanfioravanti▲ 2.2K

用户公开测试了Minimax H3的逐阶段生成提示词

来自X平台用户ivanfioravanti,完整还原专业数字绘画角色创作全过程

阅读全文 →
2.2K12219
生成式视频 · @CharaspowerAI▲ 2.1K

Seedance 2.5生成超写实赛博黑色风武术动作短片,效果超出预期

用户CharaspowerAI在𝕏分享了用Seedance 2.5生成动作短片的完整提示词,效果惊艳

阅读全文 →
2.1K44128
生成式视频 · @Goodmanprotocol▲ 1.8K

AI生成30秒时尚短视频Seedance 2.5提示词发布

@Goodmanprotocol 在𝕏发布了用于生成30秒竖屏时尚穿搭 reels 的Seedance 2.5完整提示词

阅读全文 →
1.8K55455
AI视频 · @johnAGI168▲ 9.7万

Seedance 2.5生成AI视频效果逼真到难以分辨真假

用户@johnAGI168在𝕏分享了Seedance 2.5生成10秒AI蹦极特技视频的详细提示词

阅读全文 →
9.7万42369318
产品设计 · @gramliu

个人AI助手单聊天线程为什么更好?来自用户的体验

用户@gramliu在𝕏分享了使用Instinct后对单线程设计的思考,对比了多线程多代理模式

我以前也习惯自己管理和分隔不同对话场景,不管在哪个聊天或者AI应用里,包括ChatGPT、Cursor和Codex,我都觉得只用单聊天线程非常奇怪。在大量使用Instinct之后,我意识到对面向普通用户的AI代理来说,单线程其实才是正确的界面设计。

多对话模式要求用户自己管理,记住什么时候在哪讨论过某个内容。多代理模式要求用户自己判断,把问题分配给最合适的代理。而单代理只需要用户直接使用,它就能解决问题。

单代理底层依然可以运行多对话或者多代理,不过这只是技术实现细节,不该暴露给用户。好产品都会尽可能降低使用复杂度,单线程设计就是很好的例子。

我们和其他人交流的时候,不会把对话限定在特定话题里,也不会区分找“买菜鲍勃”还是“办公室鲍勃”,你就是和鲍勃说话。只要相关,任何过去聊过的内容都可以成为当前对话的上下文,日常交流也能正常进行。

这就是为什么Instinct会让人感觉更像真正的陪伴助手,而非只是另一个AI应用。

在 X 看原帖 ↗
招聘 · @0xwhrrari

Anthropic高薪聘请工程师,只因他掌握多智能体系统框架搭建

该工程师年薪25万到75万美元,分享了15分钟从零搭建框架的步骤,来源X用户@0xwhrrari

Anthropic聘请了这名工程师,给出了每年25万到75万美元的年薪,原因是他掌握多智能体系统框架(harness)的搭建方法。在一场15分钟的讲解中,他完整展示了从零开始搭建一个框架的步骤。

第一步,从Claude Agent开发工具包(SDK)开始,框架负责处理循环、上下文和沙箱运行。第二步,将推理模块(大脑)与工具模块(手脚)分离,推理集中在一处,工具放在沙箱中,首个token输出速度提升60%。

第三步,在服务端运行并记录每一步操作,就算关闭电脑程序也会继续运行,崩溃后可以从日志恢复。第四步,降低失败成本,对失效沙箱进行重试,恢复丢失的上下文,不需要从头重新开始。

第五步,把过往日志转化为新的记忆和技能,框架会在“唤醒”后变得更智能,Anthropic把这个过程叫做“做梦”。多数人手动搭建这套框架需要花费数周时间,你可以不用再花这么久,收藏观看这个讲解后,就可以阅读下方完整的框架工程指南。

在 X 看原帖 ↗
模型 · @SylusNHisKitten

Valko模型效果惊艳,创作者一直持续打磨所有模型

用户SylusNHisKitten在𝕏发文,称其团队一直在优化所有AI模型,并非只优化已发布模型

发言者认为,团队一直在持续打磨所有模型,而不只是已经发布的模型。

发言者对Valko模型逼真、美观的效果印象深刻,表示该模型明显投入了大量工作,迫不及待想要体验它。

发言者补充说明,被引用帖子里的四张图片内容完全不同,并非该模型多年来迭代变化的真实过程,以免大家产生误解。

发言者再次表达了自己的观点:随着技术和制作水平提升,团队会持续对模型进行优化打磨。

在 X 看原帖 ↗
开源 · @LinearUncle

用户实测开源方案实现电脑使用效果不输OpenAI Codex原版

𝕏用户LinearUncle分享,开源cua-driver搭配反代GPT-5.6 luna效果接近Codex原版电脑使用

用户LinearUncle在𝕏分享了自己的实测体验,使用开源的cua-driver实现电脑使用功能,搭配CLIProxyAPI反代得到的GPT-5.6 luna,效果不输OpenAI Codex官方的电脑使用功能。

他还提到了两个容易踩的坑,第一个是安装好并配置完权限后,必须运行`cua-driver skills install`命令。很多人效果不好,就是因为漏掉了安装技能,不应该让智能体(agent)自己猜测。

第二个坑是尽量使用OpenAI的模型。实测发现deepseek flash-v4-vision-exp表现不佳,推测OpenAI针对电脑使用场景做了后训练。相关文档可查看原文链接。

在 X 看原帖 ↗
AI开发 · @LanLance24

开发者分享:半年内两次AI Coding实践思路调整

开发者@LanLance24在𝕏分享AI Coding实践从加约束到减约束的思考

半年前 Agent 爆发的三月我在公司内分享过一次《Harness Engineering》,八月初又分享了《我把 Claude Code 换成 Pi》。三月给 AI 加约束,八月给 AI 减约束,再到今天看其实 AI Coding 的实践已经稳定下来了。

在 X 看原帖 ↗
开发工具 · @dabit3▲ 397

把其他AI编码工具迁移到DevinAI?直接让Devin做就行

网友在𝕏提问迁移方法,dabit3给出直接方案

很多人私信问怎么把<插入其他AI编码工具>迁移到@DevinAI,答案很简单:直接提示Devin帮你做就行!不需要指南。

搭建生产云环境(密钥等)也是一样。

在 X 看原帖 ↗
3973
动态 · @GoogleDeepMind▲ 1.8万

Google DeepMind为Gemini新增智能视频理解能力

该能力可减少最高88%token用量,现已面向多款Gemini模型推出

我们将智能体视频理解能力引入了最新的Gemini模型。现在它们能够以更高的准确率分析视频,同时最多减少88%的token用量。🧵

Gemini不再扫描整个文件,而是会对视频的字幕、音频和帧进行推理,动态调整帧率来提取所需的确切时刻。
这种效率提升对长内容来说最为显著,从10分钟的指南到数小时的录制内容都覆盖。

智能体视频理解现已通过GoogleAIStudio中的API向3.7 Flash、3.6 Flash和3.5 Flash-Lite推送,很快也会登陆GeminiApp。
了解更多

在 X 看原帖 ↗
1.8万315528
文本转语音 · @inworld_ai▲ 6.4万

Inworld推出实时文本转语音模型Realtime TTS-2

Realtime TTS-2获Artificial Analysis评级第一,同时发布Flash版本

阅读全文 →
6.4万101236154
🔬 前沿研究
新前沿研究 · @Alibaba_Qwen▲ 2.9万

阿里通义千问发布E-Commerce Bench 基准测试(¥100,000)

你可以用真实电商数据测试AI智能体经营网店一整年的能力,目前还没有模型能在所有维度领先。

来认识一下 E-Commerce Bench,这是一个面向长期自主商业运营的全新基准。🚀

智能体初始拥有10万元资金,需要在线上店铺运营整整365天,处理采购、谈判、定价、促销、库存和现金流,整个市场由真实电商数据驱动。

基准包含这些内容:👀

- 真实经济环境:6886种商品,576家供应商(其中152家是欺诈供应商),600分钟工作日,仓储费、退货和声誉系统。
- 长期学习:几乎没有模型能在一整年的运营中学会以更低价格采购,或是优化自身策略。
- 七维度评估:除年末资产外,我们还对另外六个维度进行评分,结果显示没有任何一个模型能在所有维度上都占据优势。

点击下方链接了解更多关于 E-Commerce Bench 的信息:👇
- 博客:
- 论文:
- 项目:
- 代码:

在 X 看原帖 ↗
2.9万38445143
新前沿研究 · @omarsar0▲ 3.7K

Meta发布CORAL智能体推荐系统研究论文(几十亿)

面向数十亿用户的生产级推荐系统,现在可以靠智能体自动持续优化,不需要人工工程师反复做线上实验,还能控制运营成本。

这是 Meta 的一篇大型论文。我喜欢这篇论文,因为它展示了智能体框架在生产级推荐系统中的应用。

细节如下:这是我见过的更有说服力的智能体部署案例之一。它运行在一个服务数十亿用户的在线生产推荐系统上,并给出了 A/B 测试结果。

维护推荐系统是一项持续优化的工作。内容变化、用户行为变化、上游模型变化,因此控制检索、排序和服务的选择必须重新审视。人类工程师通过在线实验测试这些变更,速度太慢,导致系统的部分区域得不到修正。

在 CORAL 中,智能体在每个周期观察运行信号,根据过往决策及其测量结果的记忆进行推理,并调用包括数值优化器在内的工具,将所有变更控制在固定的运行预算内。策略通过自身先前的行动在上下文环境中改进,无需参数更新。

在两个大型社交平台上,同一个框架在其中一个平台不增加额外服务成本的前提下提升了用户参与度,在另一个平台不降低用户参与度的前提下降低了服务成本。性能会随着循环迭代不断提升。

护栏设计的重要性不亚于智能体本身。有限的变更预算让它可以安全地在生产环境运行。

论文:与论文聊天:

在 X 看原帖 ↗
3.7K53739
新前沿研究 · @GesoraMeshack▲ 6.9K

GesoraMeshack实测四款大模型编码能力

对需要用大模型生成可运行代码的人来说,不同头部模型的实际表现差异很大,可以参考这个实测结果选择合适的模型。

阅读全文 →
6.9K557514
新前沿研究 · @0xSero▲ 4.5K

开源GLM-5.3-Flash排第五,持平GPT-5.6-Sol

自建八千美元硬件就能跑,速度还比API服务快,想要自有AI部署的话,已经有性能不错的开源选择了。

GLM-5.3-Flash 在智能体索引中排名第五,与 GPT-5.6-Sol 持平。

它完全开源,且在价值 8000 美元的硬件上运行,速度比 API 速度更快。

在 X 看原帖 ↗
4.5K79215
前沿研究 · @gurtej__gill_▲ 8.6K

批量缩放研究对大模型强化学习训练的启示

如果你正在调试大语言模型RL流水线,这篇经验证的研究结论能帮你避开训练误区,节省训练时间。

我今早花了一上午时间读了这篇关于大语言模型强化学习中批量缩放(batch scaling)的新论文。

我觉得它点出了一个坏习惯:仅仅因为GPU看起来利用率不足,就盲目增大批量。作者只是简单地把系统侧和算法侧分开了。

我们都知道,低并发下自回归生成展开(autoregressive rollout generation)严重受限于内存带宽,因此跳到更大批量会让吞吐量立即出现可观提升(在固定硬件上他们最高达到了2.29倍)。但因为每一步现在会消耗多得多的样本,你最后很容易牺牲学习效率。

他们的经验法则是:只有当吞吐量提升真正超过样本效率损失时,更大的批量才能减少实际时钟时间。

对于运行GRPO或PPO的人来说,最实用的结论是他们在Adam下平方根缩放学习率的方法。在一个有限区间(从B到4B)内,重新调整学习率能保持样本效率稳定,还将达到目标的时间减少了29%。

如果你不调整学习率,更高的吞吐量就是幻觉,你的训练实际上会更慢。如果将批量扩大到比如16B,所有优势都会断崖式下跌。

这是一项非常扎实严谨的研究。如果你正在调整大语言模型强化学习流水线,不妨花点时间读一读这篇论文。

在 X 看原帖 ↗
8.6K13123121
前沿研究 · @malleshpai▲ 1.1万

讨论用机制设计解决AI对齐难题

现有方法很难直接塑造AI偏好,该研究方向参考经济学对人类的研究思路,提出重新设计规则获得好结果

这篇论文真的很棒!

包括本文在内,一个很有意思的研究方向正在形成:将机制设计应用于 AI 对齐。

AI 是自主黑箱,很可能最终会形成它们自己的偏好。对齐研究大多在问:我们要如何塑造这些偏好?

但随着模型能力不断提升,直接塑造偏好、或是确信我们已经按照期望塑造了偏好,变得越来越困难。

机制设计则提出了经济学家几十年来针对人类研究的互补问题:既然偏好是未知的,还可能是坏偏好,我们要如何设计规则(评估、权限、奖励),保证无论如何我们都能得到好结果?

我们应该在第二个方向上投入更多研究。

在 X 看原帖 ↗
1.1万98633
前沿研究 · @MinLiBuilds▲ 1.1万

@MinLiBuilds发布Hojo-ASR-Multi-V1 开源语音识别模型(0.0%)

借助通义千问大模型语言知识实现了低幻觉方言语音识别,在权威榜单取得不错成绩,权重和评测全部公开。

阅读全文 →
1.1万16114138
前沿研究 · @fchollet▲ 6.7K

fchollet 讨论所有AI终将走向符号学习

核心AI技术路线走向越来越清晰,想跟进前沿AI发展,可以关注这个方向判断。

所有 AI 都将不可避免地向符号学习趋同(即通过寻找能解释数据的最短符号程序来建模数据),因为这是 AI 的最优效率形式。

但通往这个目标的演化路径不止一条。

在 X 看原帖 ↗
6.7K65333
前沿研究 · @omarsar0▲ 4.5K

新研究提出可长期迁移存活的智能体架构

这套架构把智能体的核心身份记忆和运行环境拆分,迁移时只需六步就能完成,已经通过833项核心测试。

阅读全文 →
4.5K85949
前沿研究 · @ProximalHQ▲ 7.7万

ProximalHQ 发布新版 FrontierSWE v2 编码基准

想知道顶尖大模型在长周期编码任务上差距有多大,这个基准测试给出了初步结果,Claude Fable 5.1目前领先。

我们发布了 FrontierSWE v2,这是我们更新的超长范围编码基准测试。

V2 拥有一个扩大的任务集和改进的方法。

我们发现前沿模型之间存在巨大性能差距,其中 Claude Fable 5.1 大幅领先。

在 X 看原帖 ↗
7.7万71643128
前沿研究 · @omarsar0▲ 6.1K

字节跳动Seed提出HarnessDev,自我进化AI效果分化

研究测试了自我进化AI系统在不同领域的表现,部分领域效果超过人工,部分仍落后,想了解自我进化AI进展的可以关注

这是来自 ByteDance Seed 的一篇很棒的论文。如果你对自进化代理工具集感兴趣,这篇值得一读。(收藏起来)

论文提出的方法名为 HarnessDev,它不再对模型已完成任务进行评分,而是对模型构建出的工具集进行评分。代理从一个微弱但可运行的种子加上少量案例起步,然后构建出完整的执行系统。

在第二阶段,它会把构建好的工具集回收,并要求模型根据下游反馈优化它。两个阶段都会对能力和执行token成本打分,因此会考量效率和成本。

实验用到了6个创建型大语言模型,覆盖4个领域,包含2,207个预留下游实例。结果按领域划分:生成出的工具集在代码、搜索和研究领域,远落后于成熟的人工设计参考基准,而在写作和机器学习实验领域则能持平甚至超越。进化会带来提升,但提升并不稳定,仅能部分迁移到预留任务,并且高度依赖运行工具集的模型。

在 X 看原帖 ↗
6.1K2010190
前沿研究 · @omarsar0▲ 6.8K

AI工程师注意:Meta harnesses特性值得关注

如果你是AI工程师,这一新研究方向可能带来更强的模型效率和计算扩展性,值得跟进关注。

Meta harnesses 非常有意思。如果你是一名 AI 工程师,请留意。

它虽然是另一个问题集,但如果应用得当,能力会强得离谱。

我对新兴特性很感兴趣,比如更好的 token 效率、编排、路由、新的测试时计算扩展……

在 X 看原帖 ↗
6.8K55577
前沿研究 · @LiorOnAI▲ 2.2K

Astra AI循环推理等效10万亿参数模型

这种隐藏推理过程的技术会快速在开源权重中普及,未来AI推理过程可能无法被审计,值得提前关注。

阅读全文 →
2.2K102311
前沿研究 · @jerryjliu0▲ 3.2K

Fable 5.1文档OCR性能实测提升

前沿大模型推理能力快速进步,但视觉理解长期停滞。这次罕见的代际提升,说明文档理解领域可能正在打破瓶颈。

阅读全文 →
3.2K6287
前沿研究 · @GoogleDeepMind▲ 8.3K

Google DeepMind发布自动发现软件漏洞研究(2.6)

如果你日常和软件产品打交道,这个结果意味着未来漏洞修复效率可能大幅提升,缩短防护周期

在 CyberGym 这类基准测试中,该模型在自动发现漏洞方面表现领先,同时仍能保持快速高效。

在 @GoogleChrome 代码库的实际测试中,它生成的有效修复数量是之前的 2.6 倍,有助于更快地保护软件安全。

在 X 看原帖 ↗
8.3K2362
🚀 新品发布
新新品发布 · @AIatMeta▲ 23.4万

Meta AI发布Muse Spark 1.3,工具调用减少20%

长流程工作能更稳定跟进,还会主动确认需求、暴露自身局限,减少幻觉和无效操作,能提升日常多任务处理的效率。

我们很高兴发布 Muse Spark 1.3,它提升了智能体任务和编码任务的性能,并专注于现实世界可用性。

核心能力:

→ 在单个线程中跨多个工作流维持更长范围的工作

→ 更主动地与用户协作:它会提出澄清问题,卡住时发出标记,在采取重要行动之前进行确认

→ 更好地校准自身能力边界,而非编造结果

→ 在内部对比中,相比 Muse Spark 1.2,工具调用减少约20%,token 用量减少约25%

在 X 看原帖 ↗
23.4万2592.8K255
新新品发布 · @IFM_AI▲ 8.2万

IFM_AI发布K2 Horizon 史上最大规模全开源模型集群

代码、训练数据、训练方案全部开放,开源AI透明度再进一步,需要小参数开源模型的开发者可直接取用。

推出 K2 Horizon:一个包含 6 个基础模型的联动模型系列,参数规模从 9 亿到 3750 亿不等。

前沿性能:在编码和智能体任务中,K2 Horizon 在每个规模级别都提供顶级性能——其中 0.9B、3.7B 和 7B 模型在各自的规模下创下了全新的业界最佳水平。

彻底开放:K2 Horizon 是人工智能历史上规模最大的全开源模型发布。全开源代码、训练数据和训练方案是透明度方面迈出的重要一步。

发布页面:科技博客:Hugging Face:

在 X 看原帖 ↗
8.2万119673332
新新品发布 · @adithya_s_k▲ 1.4万

adithya_s_k发布代码模型强化学习涂鸦完整开源复现项目

普通人也能跟着训练会涂鸦的代码模型,全套训练环境、数据集和代码都已经免费开放。

醒醒,各位。

@huggingface 博客上发布了一个完整的开源复现项目。

现在任何人都可以“用 RL 训练一个编码模型来画画”。

RL 环境、数据集、训练代码,一切齐全。

在 X 看原帖 ↗
1.4万38357300
新新品发布 · @HuggingModels▲ 9.6K

HuggingModels发布GLM-5.3-Flash-Uncensored-NVFP4 多模态模型

想要不受内容限制使用AI的开发者,可以获得这个超高速的图文多模态模型,不需要过安全审核就能得到原始回复。

GLM-5.3-Flash-Uncensored-NVFP4,这是一款速度极快的多模态模型,可同时读取文本和图像。

它已经被去除安全过滤器,能为你提供原始、不受限制的回答。

非常适合想要获得无过滤AI能力的开发者使用。

#AI #LLM

在 X 看原帖 ↗
9.6K4138109
新新品发布 · @higgsfield▲ 1.3万

Higgsfield推出Claude Fable 5.1 3D设计模型

需要做3D空间设计和建筑建模的从业者,可以试试这款能自动生成代码结构、渲染出逼真效果的新模型,省去部分手动操作。

现在介绍依托Higgsfield推出的Claude Fable 5.1。

它是全球最先进的,适用于3D空间设计与建筑建模的模型。

Fable 5.1能够以精确到极致的处理能力理解复杂设计概要,并生成Three.js网站结构;与此同时,Higgsfield MCP会渲染出照片级逼真的材质、光照与空间模型。

可通过Higgsfield MCP在Claude上使用,也可在Higgsfield超级计算机上使用。

在 X 看原帖 ↗
1.3万2125678
新新品发布 · @ModelScope2022▲ 7.9K

ModelScope开源DreamX-Creator 1.0原生音视频生成模型

一次生成同步画面与音轨,不用单独配音,效果比肩更大的大模型,还开源可本地部署

欢迎来到 DreamX-Creator 1.0,这是一个带有本地2K画质优化的7B原生音视频生成模型,采用 Apache 2.0 许可证。🤖 🏆

它生成的结果可媲美更大规模的SOTA模型,比如Verse Bench上的MiniMax H3,在RL后达到0.1351 DeSync,搭配2K优化器达到0.6930 VQ。🎬

仅需首帧图像和提示词,就能生成音画同步的视频,包含对话、动作音效、环境音、天气、人群和音乐,无需单独配音阶段。🔊

门控跨模态注意力让声音和视觉相互塑造,模态感知RL同时优化视频、音频及其对齐效果。✨

一步式2K优化器在MUSIQ(0.7073)和MANIQA(0.4382)上的表现优于对比的优化方法,同时保留运动和音频时序。

在 X 看原帖 ↗
7.9K17136135
新新品发布 · @chetaslua▲ 4.2K

ChatGPT 将升级 Codex ImageGen 2.5 图像生成

已有用户提前曝出更新信息,这次升级会带来更高质量结果、更快生成速度以及更智能的创作工具。

🚨 Codex:ChatGPT 的强制隐藏弹窗屏幕显示出了 ImageGen 2.5 的公告,内容是「图像创作迎来重大更新」「更高质量的结果、更快的生成速度,以及更智能的创作工具」。

所有人目前仍无法使用该功能,头部封面图是 9 月 1 日上传的。

在 X 看原帖 ↗
4.2K4806
新品发布 · @MetaforDevs▲ 3.4万

Meta发布Muse Spark 1.3适配智能体开发

针对开发者实际交付的长期运行多智能体工作流调优,开发者搭建多智能体项目可尝试这个新模型。

Muse Spark 1.3 现已在 Muse Code 和 Meta Model API 上线。

它针对开发者实际交付的智能体构建进行了调优,包括长期运行的多智能体工作流。

在 X 看原帖 ↗
3.4万5174177
新品发布 · @Enderfga▲ 5.5万

@Enderfga 开源SolarWM全流程研究工具链

降低世界模型研究门槛,研究者不用再从零搭建基础设施、整理数据,可以把时间算力留给新创意。

阅读全文 →
5.5万24199213
新品发布 · @AiAircle34052▲ 7.0K

斯坦福大学发布《The Modern Software Developer(CS146S)》2026版课程(85%)

想更新开发知识的开发者可以在9月22日开课前,查看公开在线课程和教材,学习和AI agent一起开发的工作方法。

【快讯】斯坦福大学开设面向「Claude Code、Codex时代开发者」的课程《现代软件开发(CS146S)》,现已公布2026年版本。

去年85%的旧教材被弃用,课程进行了全面更新。

内容涵盖智能体技能、上下文设计、MCP(连接AI与外部工具的标准)、并行智能体。

要求学生必须向真实存在的开源软件提交生产级别的Pull Request。

邀请了Cursor、Claude Code、Replit、Cognition的开发者本人进行客座授课。

这不仅仅是一门大学课程,而是大学正面讲授「和AI智能体一起开发的工作模式」的内容。

并且全部教材都在线公开,课程也对公众开放。

如果你想要从根本上更新你的开发方式,应该在9月22日开课前去看看这门课。

👇
课程页面:

在 X 看原帖 ↗
7.0K14137149
新品发布 · @mihail_eric▲ 40.1万

mihail_eric发布斯坦福新版《现代软件开发者》课程(9个月)

想成为大模型时代最抢手的AI原生工程师,可以跟着这个课程学,所有资源和课程内容都是公开可看的。

阅读全文 →
40.1万7505.3K7.6K
新品发布 · @sundarpichai▲ 38.7万

Google发布3.8 Flash模型,六周出第三个

更小体积的模型就能解决复杂工程问题,成本远低于大模型,如果能力达标,就能大幅降低AI推理成本

今天我们将推出全新的 3.8 Flash 模型,这是我们仅在 6 周内发布的第三个 Flash 版本。

它在软件工程、智能体任务和多步推理方面,相比 3.7 Flash 实现了重大飞跃。

在 DeepSWE v1.1 上,它在自动端到端解决复杂工程问题方面的表现优于大多数更大的前沿模型,且成本仅为这些模型的一小部分。

在 X 看原帖 ↗
38.7万5897.1K553
新品发布 · @Zen_with_AI▲ 3.4万

斯坦福发布CS329Z《Engineering AI Agents》秋季新课

想系统学习打造AI Agent的普通人,可以跟着名校课程从零入门,课程内容完整且公开更新,适合感兴趣的人自学跟进

斯坦福CS329Z《Engineering AI Agents》 (AI Agent工程) 秋季新课开课!Diyi Yang、Michael Ryan、John Yang主讲,从零教你打造AI Agent:覆盖数据、RAG、工具调用、设计模式、评估与优化。作业一亲手构建agentic harness,作业二设计挑战前沿模型的新评估,期末做自定义代理应用。

官网持续更新讲座作业: 欢迎对Agent工程感兴趣的同学加入!

在 X 看原帖 ↗
3.4万56272440
新品发布 · @aimalysheva▲ 41.6万

mostik_ai发布大模型潜空间推理协作方案(12)

想摆脱前沿大模型锁定,现在可以用大模型推理、小模型生成,让中小模型也能跑出可用效果,加速开源模型落地。

阅读全文 →
41.6万127940486
新品发布 · @alexandr_wang▲ 37.8万

muse spark 1.3 发布,性能成本优势明显

对智能体和代码能力有更高要求,又想控制成本,可以试试这个新模型。

1/ 今日我们发布了 muse spark 1.3——可通过 muse code 和 meta model api 获取。

这是我们目前能力最强的模型——前沿性能便宜到几乎可以忽略成本。在智能体和代码能力上强了很多,可用性也更好。我们认为用户会切实感受到这次升级带来的巨大提升。

在 X 看原帖 ↗
37.8万2502.8K338
新品发布 · @GoogleDeepMind▲ 3.3万

Google DeepMind 推出 Gemini 3.8 Flash Cyber

网络安全防护人员可以借助该服务更快发现漏洞并自动修复,帮防护团队提前应对新型网络威胁

Gemini 3.8 Flash Cyber 通过专业的漏洞检测和自动打补丁,为防御者提供了决定性优势。下文将介绍它如何帮助团队领先于新兴威胁 🧵

在 X 看原帖 ↗
3.3万2222826
新品发布 · @bcherny▲ 6.5K

Fable 5.1 升级 Claude Tag 功能

Fable 升级后,Claude Tag 可整合多源数据生成内容,还能自动发现数据冲突,订阅对应方案的用户可直接在 Slack 使用。

Fable 5.1 让 Claude Tag 变得更实用。

它会从指标电子表格和 Slack 中的其他数据构建一份紧急领导层幻灯片,找出一份与数据不符的供应商报告,并在继续下一步之前标记它。

Claude Tag 适用于 Team 和 Enterprise 套餐的 Slack。

在 X 看原帖 ↗
6.5K24921
新品发布 · @togethercompute▲ 1.6K

Together Chat 开放 GLM 5.3 免费测试

想测试GLM 5.3不用再到处找入口,也不用配置API,直接选模型就能开始体验,方便想上手玩大模型的人试手。

所有人都在找能测试 glm 5.3 和 glm 5.3 flash 的地方。

你可以在 Together Chat 免费试用,不需要配置 API,选一个就能开始提问了,由安全的北美基础设施提供服务。

在 X 看原帖 ↗
1.6K3144
📰 行业动态
新行业动态 · @MaxForAI导语出处▲ 1.4万

天猫发布AI空间站(Token充值中心)(搜索环比暴涨40倍)

大模型订阅服务进入电商消费场景,普通人可以在电商平台直接购买大模型服务了。

🚨突发,天猫上线Token充值中心,首批接入阿里云、智谱、 Kimi、 MiniMax等国产模型厂商。

9月3日,天猫正式上线AI空间站(Token充值中心),用户可直接购买多家头部大模型订阅产品。

页面显示,该充值中心集合了阿里云、智谱、Kimi、MiniMax等国内头部大模型厂商的订阅服务,在售商品包括按周期订阅的Token Plan、Coding Plan以及按用量付费的充值方案,支持卡密或直充两种交付方式。

此前一天,智谱已正式入驻天猫开设官方旗舰店,开售Coding Plan等订阅套餐。

据了解,开店首日搜索环比暴涨40倍,大模型订阅服务开始进入电商消费场景。(界面新闻)

在 X 看原帖 ↗
1.4万24626
新开源 · @xiaohu▲ 8.0K

Anthropic开源可运行AI电商Agents参考实现(最高增加 35%)

给电商平台和零售商做了可直接用的AI参考方案,几天就能搭好能卖货管店的AI助手,有人试完买转化率涨了六成

阅读全文 →
8.0K63961
新工具 · @NFT_Chen▲ 1.7万

Claude Code偷偷加了个救命命令,额度满了不用等

会话额度用完卡死在半中间,输命令就能当场重置额度继续用,只是每周只能用一次,急活不用熬夜等

🔥突发!Claude Code 偷偷加了个救命命令 /limit-reset Session 100% 干到一半卡死?不用再干等 5 小时了。

输入 /limit-reset,当场重置当前会话额度,接着写。注意:每周只能用 1 次,而且会扣你的 Weekly Limit。急活救星,不是无限续杯。

已经 100% 还剩 3 小时 43 分的���弟,今晚可以少熬一会儿了。#ClaudeCode #AI编程 #Claude #开发者工具 #程序员 #VibeCoding #Anthropic #效率工具

在 X 看原帖 ↗
1.7万169971
新行业动态 · @Jason▲ 1.4万

有观点认为英伟达现在是OpenAI的头号对手

英伟达在 token 和企业计算领域已经超过OpenAI和Anthropic,现在是美国头部开源服务商

从今天起,在 tokens 领域和企业级计算领域,@nvidia 是 OpenAI 和 Anthropic 的头号竞争对手。

@JensenHuang 现在是美国领先的开源提供商,他很快就会赢得全世界。

我预测,到 2027 年底,Jensen 将会追上并超越中国大模型。

全面押注开源意味着美国将同时在前沿模型、芯片和开源领域获胜。

美国已经赢得了 AI——现在主动权在我们手里,如果输掉那也是我们自己输掉……如果 @GovernorShapiro 和 @GregAbbott_TX 继续他们误入歧途的反数据中心圣战,我们就可能会输掉。

我两年前就说过,开源会赢,去年我说过 Jensen 会成为开源领域的头号玩家。

#jwrae

在 X 看原帖 ↗
1.4万1816614
新科研 · @GoogleDeepMind▲ 8.0K

GoogleDeepMind、GoogleResearch发布WeatherNext 3天气预报模型

模型直接从实时观测数据学习,相比之前的预报方法,能给出更精准的局地天气预报

WeatherNext 3 是我们预报全球天气方式的重大突破。⛅

这款模型与 @GoogleResearch 合作开发,可直接从真实世界的实时观测数据中学习,能更快给出更本地化、精度更高的预测。🧵

在 X 看原帖 ↗
8.0K10656
新开源 · @cr3ghost▲ 3.1K

SpecterOps开源信息安全技能工具集(79 skills)

把原有的信息安全工具整合,做成了可复用的AI代理技能包,包含多款常用安全工具的适配

阅读全文 →
3.1K168573
新观点 · @mark_k▲ 3.3K

有人说AI对齐要对齐的其实不是AI,是你

对当前AI对齐方向提出不同看法,认为真正需要被规范对齐的是使用AI的人

永远记住,说到「AI对齐」,他们想要对齐的不是 AI。是你 🫵

在 X 看原帖 ↗
3.3K7993
新教程 · @addyosmani▲ 1.8万

有人分享了Claude Code提效技巧,省token还聚焦

分享了管理token效率、保持上下文窗口聚焦的实用方法,能帮用户最大化Claude Code会话价值

如何最大化你的 Claude Code 会话价值:@lydiahallie 提供了关于管理 Token 效率和保持上下文窗口聚焦的可靠指导

在 X 看原帖 ↗
1.8万24288326
新行业动态 · Hacker News▲ 270

ChatGPT 抛出 404 错误

常用的AI服务突然挂掉,会直接打断正在进行的工作,影响日常任务进度。

社区讨论:多位网友确认包括ChatGPT、Claude、Grok同时出现服务故障,有网友指出Gemini网页版可正常访问。部分网友认为是不同服务出现级联故障,也有人疑问是否所有服务商共用了同一个基础设施存在单点故障。有网友提醒这一事件警示大家不应该把知识工作都绑定在单一服务商上,也有人借机调侃回到大模型普及前的时光。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · @masahirochaen▲ 2.5万

Anthropic Claude支持后台自动操作电脑了

你处理邮件时,它能在后台同时完成资料整理,不占用前台界面,以后不少重复办公工作可以交给它自动做。

【快讯】Claude 能在后台完成 PC 操作的「后台 Computer Use」功能已在 Claude Cowork 和 Claude Code 中开放。

这会改变工作方式。人类回复邮件、AI 同时制作资料将成为现实。

・适用对象:Claude Cowork / Claude Code 两款产品
・操作:自动执行点击、输入、启动应用
・特点:不占用前台,可在后台运行,用户能同时进行其他操作
・发布:Anthropic 官方 11 月发布

看来企业替换 RPA 的进程会一下子加快。

↓详情

在 X 看原帖 ↗
2.5万13213180
行业动态 · @unusual_whales▲ 11.4万

OpenAI Astra 模型预计明日发布 Anthropic已推新

AI赛道两大玩家赶在IPO前扎堆推出旗舰模型,行业竞争加速,普通用户能更快用到更强的AI产品。

刚刚消息:据 Polymarket 消息,OpenAI 的新模型 Astra 预计明日推出。

Anthropic 刚刚在昨日推出了他们的新模型……

在双方公司上市之前,两家实验室都在推出旗舰模型,AI 竞赛正在升温。

在 X 看原帖 ↗
11.4万131358
模型 · @cryptopunk7213▲ 2.2万

Meta发布新AI编码模型(每3-4周)

最新模型在编码任务上超过了OpenAI的高价模型,价格却只要后者的三到六分之一,你觉得这是真的吗?

我的天,Meta 现在不仅每 3-4 周就发布一个新模型,而且最新这个在编码上击败了 gpt 5.6 sol max 和 opus 5,价格还低 3-6 倍……

我猜它这么便宜是因为 Meta 投入了巨量算力(和 Openai 一样),但他们在能力上追上差距的速度太快了……

说出来很疯狂,但如果你是一名软件工程师,你现在完全可以认真考虑把 Meta 的模型放进你的工具箱了。

在 X 看原帖 ↗
2.2万316637
视频生成 · @reactorworld▲ 20.4万

Reactor推出MiniMax新模型,生成视频每秒只要0.007美元

支持首帧图生成带音频的720p视频,比之前的方案更快更便宜,想做短视频的可以试试新选择

在 Reactor 上发布 MiniMax FastH3 —— 这是 @MiniMax_AI 最新的开源模型。

它支持带音频的 720p 流,价格为每秒 $0.007,同时支持首帧图像,比以往更快、更便宜。

现在就可以克隆我们的演示应用开始使用:

在 X 看原帖 ↗
20.4万42452348
模型 · @shengjia_zhao▲ 3.2万

Muse Spark推出1.3版本,专为智能体和编码任务设计

支持更长周期的任务,在智能体任务上表现更好,能处理复杂指令,开发者可以关注

今天我们发布了 Muse Spark 1.3,它是 spark 模型系列中针对智能体任务和编码任务能力最强的模型。

它的设计目标是支持更长周期的工作,在智能体任务中表现出色,并且比之前的模型能更可靠地遵循复杂指令。

Muse Spark 1.3 今日已在 Muse Code 和 Meta Model API 上线可用。

在 X 看原帖 ↗
3.2万4539331
开源 · @lionman888888▲ 3.9K

Axis发布Franka仿真操作开源数据集(超过16万次)

非商业使用免费授权,商业使用需要单独申请授权,开源数据也能走出赚钱的路径

16万次下载之后 Axis怎么把开源数据变成生意? @axisrobotics 把Franka仿真操作数据放上Hugging Face。按官方口径,数据集家族累计下载超过16万次,已经被用于World Model、WAM和VLA研究。

Hugging Face页面同时把使用边界写得很清楚:非商业学术研究和教育可以申请访问;商业使用、再分发、转售或接入商业产品,需要联系Axis取得授权。

机器人数据有一个很现实的销售难题:客户采购前,怎么知道它能不能跑进自己的模型?公开数据相当于先给研究团队试用。等他们要把数据接进商业产品,或者为自己的机器人补新任务,才进入授权和定制Task Package。

Axis下一代Franka数据集计划扩展到120万条轨迹和1200个任务。任务库越大,外部团队用这套格式开始训练的机会就越多。以后需要更多任务数据,也更容易继续找Axis。

16万次下载目前只能说明分发已经跑通。能不能变成生意,要看接下来出现多少论文、模型、企业评估和商业授权。

体验入口:

在 X 看原帖 ↗
3.9K2434
工作流 · @dotey▲ 1.7万

用子智能体虽然token消耗更大,但其实没那么贵

每次任务都要重新传递上下文是额外代价,但子智能体能用便宜模型完成工作,你愿意换吗?

任何方案都有取舍,用 subagent token 消耗肯定更大,但价钱不见的更贵。要是 Fable 5 耐用谁愿意这么折腾!

subagent 是独立的上下文,任务开始前需要重新交代子任务上下文,完成后还要交接工作,这是代价;缓存倒是其次的,因为初始上下文不会太大,而且缓存只有第一次有影响,后续子agent有自己的缓存。

这样带来的收益是子 agent 可以用便宜的模型,虽然 token 消耗量大,但是价格其实更便宜,如果你是 Claude Code 订阅的话,多让 Fable 指挥 Opus/Sonnet SubAgent 体感很明显。

然后由于具体子任务细节都在子agent,主agent的上下文只需要子任务的结果,这样可以节约主agent大量上下文空间,可以更专注于任务本身。

这就好比你有个能力超强的员工,他当然可以什么事情都做了,但他也可以把活派给实习生,实习生做完了检查验收一下,这样能做的事情更多了

在 X 看原帖 ↗
1.7万44416
开源 · @SabrinaHalper▲ 1.2万

都在讨论美国能不能用中国开源模型,那到底有啥风险?

市面上很多讨论其实没说清实际风险,有人正在拆解最大的几个风险点,结果会是什么呢?

在美国,关于我们是否应当使用中国开源模型有大量讨论。但这些模型实际上会对我们造成什么伤害呢?

Matan Grimberg @matanSF 拆解了最大的几个风险:

1. 故意植入的漏洞。一个模型可能会包含后门、潜伏行为,或是其他故意引入权重的弱点,它们可能一直处于休眠状态,直到触发条件满足才激活。

2. 无意导致的漏洞。在中国构建的模型自然会围绕中国用户、代码库、语言和数据进行训练和优化。它整体性能可能非常出色,但在西方系统中存在没人故意植入的细微盲点或安全弱点。

第三个风险我们可能好几年都无法知晓。最值得担忧的故障可能不会在今天的基准测试或安全评估中显现。如果模型深度嵌入到各个企业和基础设施当中,漏洞可能要等到我们已经依赖它们之后才会暴露出来。

在 X 看原帖 ↗
1.2万811573
行业动态 · Hacker News▲ 1.0K

DeepMind发布Gemini 3.8系列两个新模型

对需要使用大模型的开发者和普通使用者来说,这是Google Gemini系列更新的最新版本,可以关注性能和使用门槛的变化。

https://deepmind.google/models/model-cards/gemini-3-8-flash/

社区讨论:多名用户指出Gemini 3.8系列新模型在多个基准测试中表现优异,Flash版智能评分和Opus 5 medium持平,实测在行程规划、代码生成等任务上性能很强,成本也不高。有用户吐槽谷歌更新模型后官网没有及时推送新版本,也有人质疑谷歌目前放弃面向外部用户推出顶级前沿模型,命名方式也存在故意 underselling 的嫌疑,还有用户不满Gemini CLI体验比竞品差很多。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 50

讨论大语言模型的自指性问题

自指性是逻辑与认知领域的经典问题,它关系到大语言模型推理能力的底层逻辑,值得关注对AI基础能力的讨论。

社区讨论:多数人认为当前大语言模型不具备真正的自指性,它只能引用训练中得到的关于自身的旧描述,无法像PDF阅读器展示用户指南那样完成有效自指。有网友提出,大语言模型缺乏自指认知是幻觉问题的核心原因,模型不清楚自身知识的边界才会随意生成内容。部分网友讨论了意识、智能与自指的关系,有人提出当前大语言模型是智能但无意识,加入自指学习循环后才能产生意识,也有人疑问在讨论自指前应当先解决如何界定机器是否有意识的问题。

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

Mostik提出跨模型互联,成本仅1/20

如果这项技术落地,未来便携设备也能借助大模型能力,不用全程运行超大模型,能大幅降低AI推理成本。

阅读全文 →
3.1万38305289
行业动态 · @wallstengine▲ 2.1万

Physical Superintelligence发布AI系统Emmy($58M)

数据中心能耗过高一直是行业痛点,这套AI系统能在建设前优化制冷和电力流动,帮降低能耗成本,对高能耗科技行业降本有参考价值

AI 初创公司瞄准数据中心能效,推出“AI 物理学家”

Physical Superintelligence 完成 5800 万美元融资成立,旨在用 AI 智能体解决现实世界的物理问题,从数据中心起步。

该公司的 AI 系统名为“Emmy”,初始目标是在设施建成前优化制冷、电力和电流,首批项目包含德克萨斯州一座大型数据中心。

这家初创公司表示,其智能体使用内置物理验证器,用于捕捉确定性错误的 AI 输出。

本轮融资由 Bill Gates 创立的 Breakthrough Energy Ventures 领投。

在 X 看原帖 ↗
2.1万139223
行业动态 · @MaxForAI▲ 1.3万

Edward Hu, Mercor开源大模型后训练项目(16.1%)

顶尖大模型研究员开始从头部基础模型公司流出,转向开源Agent训练,关注真实工作场景能力提升,可能影响后续开源AI生态发展。

突发,LoRA发明人Edward Hu离开OpenAI后,正式加入Mercor,负责模型训练与研究。

Edward此前参与发明LoRA,后来加入OpenAI参与o1相关研究。

现在他宣布加盟Mercor,而且第一件事就是把大模型后训练直接开源。

他们用DPPO对Qwen3.5-397B-A17B做RL,把APEX-Agents的Pass@1从16.1%提升到27.3%,覆盖法律、咨询、投行等真实知识工作任务。

更关键的是,Edward明确表示,团队会公开进行模型研究,这次397B RL训练只是第一步,训练方法、代码、模型权重和评测过程都会开放出来。

他的路线变化也挺有意思:
2021年做LoRA,解决怎么低成本微调大模型;
后来去OpenAI研究推理;
现在离职加入Mercor,开始研究怎么用真实高质量工作数据,把几千亿参数的开源模型训练成能干活的Agent。

大模型人才的流向也在变。
以前最顶尖的研究员往基础模型公司跑,现在已经开始有人离开OpenAI,去做数据、后训练和Agent。

在 X 看原帖 ↗
1.3万75951
行业观点 · @AYi_AInotes▲ 2.5万

李飞飞给纯文本大模型AGI热泼了冷水

过去几年行业往大模型里塞了海量文字和代码,有人觉得这条路就能实现通用人工智能。李飞飞认为真实世界由物理和几何构成,光读文字AI还是搞不懂基本物理现象。

过去三年全行业都在把文字和代码往大模型里死命塞,以为这就是 AGI 的全部, @drfeifei 李飞飞今天一句话直接把所有人的狂热给泼醒了: 大自然的天空上从来没有写着字, 真实世界是由 3D 几何、材质结构和物理定律堆出来的, 你把全人类的文字读上一万遍,AI 依然不知道一块石头砸进水里究竟会掀起怎样的波纹。这就是为什么 World Labs 从第一天起就不打算走纯文本的老路, 语言只是人类发明出来描述现实的压缩协议,它根本不是现实本身, 真实世界没有 Token,它只有连续的坐标、光线的折射、物体的遮挡,以及不可逆的重力, 大模型可以借用,但从哲学和底层逻���来看,这完全是截然不同的两座大山。以前是让 AI 在人造的文字牢笼里做填字游戏, 从今天起,它必须真正睁开眼,去理解这个充满物质与碰撞的三维现实。

语言负责让 AI 懂人,空���智能才负责让 AI 懂世界。

在 X 看原帖 ↗
2.5万3014288
融资 · @MaxForAI▲ 1.5万

8人AI公司拿了4000万美元融资,需求爆了

这家做AI推理基础设施的创业公司,现在只有8个员工,但已经有数百万美元年度 recurring收入,月增长保持三位数。创始人说客户需求比承接能力高出好几个量级。

阅读全文 →
1.5万76456
开源 · @ishaansehgal▲ 4.6万

开源Claude托管代理平替Omnara出来了

开发者想要做自己的AI代理,只需要负责构建代理本身,托管、稳定性这些底层工作都交给Omnara处理,不用再依赖Claude的官方服务。

今天介绍 Omnara:Claude Managed Agents 的开源替代方案。Omnara 是一个用于创建生产级代理并与之交互的 API。

由你构建代理。Omnara 负责托管、持久化状态、沙箱、权限、密钥以及其余生产基础设施。

现已上线 @omnaraai

在 X 看原帖 ↗
4.6万39273180
金融 · @ElizabethhQuinn▲ 10.0万

ElizabethhQuinn发布Ling 3.0 Flash Fin 模型(124B)

大部分AI模型碰到杂乱的10-K财报和复杂工作簿就直接出错。这款新模型是专门针对金融场景训练的,可以应对这类复杂非结构化数据。

大多数人工智能模型在处理混乱的 10-K 文件和复杂工作簿时,表现会完全崩盘。

我们刚刚发布了 Ling 3.0 Flash Fin,这是一个参数规模 124B 的专业模型,是联合机构金融专家共同打造的,能够在不产生幻觉的情况下处理实际估值和研究工作。

方法如下 👇

在 X 看原帖 ↗
10.0万8212997
代码 · @antigravity▲ 11.9万

Antigravity推出Gemini 3.8 Flash,主打长代码

这是Antigravity目前最智能的主力模型,专门为长周期代码开发和自主AI代理设计,感兴趣可以去链接试用。

在 Antigravity 推出 Gemini 3.8 Flash!

3.8 Flash 是我们最智能的主力模型,专为长周期编码和自主代理构建。

今天就可以试用。

在 X 看原帖 ↗
11.9万2534.0K236
教育 · @shao__meng▲ 5.5K

斯坦福大学 Eric发布CS146S 现代软件开发课程(十周)

课程为期十周,2025秋季就有线上版本,课程认为现在软件开发主体正在变:人负责提需求,AI代理负责执行。

阅读全文 →
5.5K134473
行业动态 · Hacker News▲ 42

为啥AI智能体没推动代码重构?

开发者讨论行业现状,现在AI智能体还没能帮开发者完成代码重构这项核心工作,值得关注AI工具的落地进度。

社区讨论:多数网友认可AI能助力代码重构,有人说把遗留代码清理干净是自己最喜欢的LLM用法,有人说用编码AI后更不能容忍不好的代码模式,现在重构耗时从几天缩短到二十分钟,还有人说AI能并行处理大规模重构清理。也有人指出分歧,有人说AI经常会在复杂代码里迷路,现有AI的上下文容量还不如人类,还有人提出未来如果AI更适配杂乱代码,代码规范可能会回归到重视人类可读性的价值观上。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 36

网友吐槽ChatGPT广告定向很糟糕

如果你日常用ChatGPT遇到垃圾广告推送,可以看看其他人是不是也遇到了同样的问题。

社区讨论:多数用户认为所有带广告的产品都是垃圾,对人类毫无益处,ChatGPT加入广告是其质量下滑的表现,大多线上广告都是垃圾且浪费钱。有人指出 ChatGPT 广告定位很差,奇怪的是拥有那么多AI技术却不用于优化广告定位。也有广告行业经验者认为,这里大多数人都在说线上广告完全没用,这不是一场能得到有效结论的讨论。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · @ZeffMax▲ 1.0万

OpenAI 新模型 Astra 将至,拥有高危网络能力

如果你关注大模型能力边界,这次 OpenAI 主动披露新模型的高危风险,能看到AI安全应对走到哪一步了

最新消息:OpenAI 表示,根据其安全准备框架,其下一代 AI 模型 Astra 即将推出,并且已经获得了「关键」网络能力。

公司领导人表示,OpenAI 计划全面发布一个经过安全防护的版本,并且会将网络能力限制在向选定合作伙伴开放。

在 X 看原帖 ↗
1.0万6244
行业动态 · @hwchase17▲ 3.0K

纽约 Interrupt 会议公布 AI 嘉宾阵容

如果你关注AI代理领域的行业动态,可以关注这场聚焦AI代理技术栈不同环节的闭门分享会。

我们为在纽约举办的 Interrupt 大会(9 月 24 日)准备了超棒的嘉宾阵容。

我对即将进行的炉边谈话特别感到兴奋,这些谈话邀请了智能体堆栈不同环节的创始人:

- @alexatallah:openrouter 是企业保持模型可选性、试用最新模型的关键部分。他们还在智能路由和模型委员会方面做出了创新。

- @bernhardsson:modal 拥有我所知企业中最棒的开发者体验之一,在模型推理层和沙箱(对代码智能体、强化学习等都很有用)都发挥着关键作用。

- @GabeStengel:rogo 是金融机构领先的 AI 合作伙伴,是原生 AI 应用公司的出色范例。

除了这些炉边谈话,还有更多嘉宾(包括 langchain 的人!)——这次大会内容既有信息量又有趣,快来加入我们吧!

在 X 看原帖 ↗
3.0K5242
行业动态 · @ChrisGPT导语出处▲ 1.4K

特朗普政府提交简报支持OpenAI训练数据版权主张

美国政府明确表态,大语言模型用版权文本训练属于合理使用,这一立场将影响美国AI产业发展方向,AI公司不用再为每一条训练数据单独申请授权

特朗普政府刚刚提交了一份支持 OpenAI 对抗《纽约时报》的法律意见书,其核心观点是:在受版权保护的文本上训练大语言模型通常应当算作合理使用,因为训练本身“极具转化性”。

这一点是真的。“美国有重大利益在此,本院应当驳回任何关于在受版权保护文本上训练大语言模型违反版权法的主张。”
他们明确将此事与科学进步、经济增长和国家安全绑定,美国政府认为,如果对合理使用作出错误解读从而限制模型训练,会切实损害美国的竞争力。

他们的确也提到,创作者依然需要在现有体系中得到保护,但这很可能是迄今为止最明确的信号,表明联邦政府希望先例朝着这个方向确立:AI公司应当被允许在受版权保护的材料上训练,无需把每一个训练样本都按传统授权使用来对待。

在 X 看原帖 ↗
1.4K2193
政策 · @Knibbs导语出处▲ 4.8K

美国政府发声支持OpenAI和NYT的著作权官司

OpenAI和纽约时报等出版方就AI训练使用版权内容对簿公堂,美国政府发文支持OpenAI的公平使用主张。

来自 @ZeffMax 和我的最新消息:在 OpenAI 与《纽约时报》及其他出版方围绕 AI 训练展开的官司中,美国政府站在 OpenAI 一边。

美国政府提交了一封信,支持 OpenAI 的主张:利用他人知识产权训练 AI 属于合理使用。

在 X 看原帖 ↗
4.8K322
技术 · @ZeffMax▲ 6.9K

OpenAI被曝用了新架构,竟会降低AI思考的可观测性

有媒体报道OpenAI正在使用循环Transformer(一种AI架构),这种架构可能降低思维链(COT)的可监测性。

OpenAI首席科学家回应了The Information的报道,该报道称公司正在使用循环Transformer,这种架构可能会降低思维链(CoT)可监控性——这是少数几个能了解AI模型工作原理的窗口之一。

不过大体上,他表示CoT可监控性本身就很脆弱,并且“正朝着负面方向发展”。

在 X 看原帖 ↗
6.9K35315
商业 · @togethercompute▲ 1.1K

togethercompute, Equinix, nvidia发布Equinix Inference Exchange 合作项目

现在越来越多企业用开源方式构建AI,从模型选型到部署都离不开开源,三家科技企业合作推出了开源推理交换项目。

开源正在成为企业构建 AI 的默认方式。不仅仅是用哪个模型,而是模型在哪里运行。

今天我们和 @Equinix 以及 @nvidia 合作推出 Equinix Inference Exchange:这是我们的开源模型平台,现已部署在 Equinix 的全球数据中心网络中。

模型选择和性能不再需要二选一。

在 X 看原帖 ↗
1.1K11
安全 · @GoogleDeepMind▲ 1.6万

GoogleDeepMind发布Fairwind Program

新项目开放Gemini 3.8 Flash Cyber模型的访问权限,帮政府和合作方防范网络威胁,保障关键基础设施安全。

我们全新的 Fairwind Program 帮助政府和可信任合作伙伴提前应对威胁——获得访问 3.8 Flash Cyber 的权限,以保护关键基础设施和国家安全。

Gemini 3.8 Flash 目前已在 @Antigravity 推出,同时可通过 @GoogleAIStudio 和 @AndroidStudio 的 API 访问。

Google AI Pro 和 Ultra 订阅用户可以在 @GeminiApp 访问 3.8 Flash,并在 @Google Search 使用 AI 模式。

在 X 看原帖 ↗
1.6万71384
工具 · @kloss_xyz▲ 466

有人整理了26个可复用的Grok机器人模板

这些Grok模板被称为新版Claude技能,作者分享了自己收藏的26个值得复用的模板链接。

工具 · @LangChain▲ 3.8K

LangChain发布OpenWiki和cursor_ai集成功能

LangChain官方宣布,自家开发的OpenWiki已完成和AI编辑器cursor_ai的集成。

OpenWiki 现在集成了 @cursor_ai!

在 X 看原帖 ↗
3.8K2154
研究 · @llama_index▲ 1.7K

ExtractBench测试工具现在上线Kaggle了

这个工具可以测试模式引导下的文档提取,针对可能破坏下游智能体工作流的复杂文档做测试。

ExtractBench 现已在 @Kaggle 上线。

它针对最有可能破坏下游智能体和工作流的文档,测试模式引导的文档抽取,包括长记录列表、带噪扫描件、手写内容和复杂表格。

该基准覆盖了 8 个业务领域、67 种文档类型下的 370 份企业文档。

来看看 LlamaParse、Codex、Claude Code 等方案的表现孰优孰劣。

阅读完整内容

在 X 看原帖 ↗
1.7K1103
行业动态 · Hacker News▲ 49

用大语言模型找蘑菇 会出什么问题

如果靠AI识别野生蘑菇判断是否可食用,出错可能导致误食中毒,这一问题值得关注。

社区讨论:有人不理解现在为什么还有人热衷于自己找野生蘑菇食用,有人调侃用大语言模型鉴定野生蘑菇是不错的达尔文筛选。多数人强调不能信任大语言模型做生死相关的决定,因为大语言模型是非确定性的,本身不可靠。另外有讨论指出,单张图片本身存在信息局限,哪怕不用大语言模型,任何方法都很难做到99%以上的可靠鉴定,鸡油菌和假鸡油菌就尤其容易混淆。

也有人提出应该拿人类专家的错误率作为对比标准,就像自动驾驶领域一样。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 68

讨论大语言模型智能和成本的关系

当前大模型行业普遍追求更高智能,往往伴随更高成本,这场讨论能帮理清行业发展的不同可能性

社区讨论:多数人质疑原讨论中的图表制作问题,有人指出y轴不从零开始、对数成本轴会误导观众,还有人不满图表不支持对数和线性切换。有用户提出模型选择还应该考虑推理速度,需要加入tokens per second指标做三维图。也有人提到OpenAI和Anthropic的订阅价格比按token计价低一个量级,原成本图对比不公平,顶级模型和便宜模型的成本差异带来的智能提升存在边际收益递减。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 81

WebLLM推出浏览器端高性能LLM推理引擎

不用依赖云端服务器运行大模型,本地浏览器就能跑推理,隐私需求高的场景可以不用把数据上传到第三方。

💡 深度观点
新深度观点 · @kimmonismus▲ 3.3万

英伟达收购Hugging Face对开源AI有利

如果这笔收购发生,英伟达的利益和开源AI生态一致,能帮Hugging Face对抗闭源平台,强化开源AI生态。

英伟达收购 Hugging Face,可能是开源人工智能能遇到的最好结果之一。

这不是因为英伟达是慈善机构,而是因为它的利益动机和开放生态异乎寻常地一致。

英伟达不需要靠某一个大模型取胜。当数百万开发者训练、微调并运行数百万个不同模型时,英伟达就赢了。

Hugging Face 能让英伟达掌控开源人工智能最重要的分发层。相应的,Hugging Face 也能获得所需的基础设施和资金,来和闭源平台竞争。

英伟达承诺会支持所有模型、所有云服务商和所有加速器,这会极大地增强而非削弱开源人工智能。非常好!

在 X 看原帖 ↗
3.3万2849547
新深度观点 · @masahirochaen▲ 1.5万

用好AI的初创企业迎来打败大企业机会

优秀人才更愿意去能正常使用AI的公司,AI应用直接关系到企业竞争力和招聘能力,当前竞争格局已经改变。

最近、本気で「スタートアップが大企業を打ち負かすチャンス」が来ていると思う。弊社は600社以上をご支援していますが、体感では9割以上の企業が、Claude Codeなどの高性能なAIエージェントをまだ十分に導入できていない。一方、スタートアップやAIに詳しい経営者の会社は、経営者自身がAIを使い倒し、開発・営業・資料作成・業務改善を猛烈な速度で効率化している。

この差はかなり大きい。そして最近、採用でもそれを強く感じます。今日話した学生も、超大手企業2社への就職機会がありながら、そこを辞めて弊社を選んで��れた。

理由の一つは、 「Claude CodeなどのAIを当たり前に使える環境で働きたい」から。これから優秀で野心的な人ほど、「AIを使えない会社」を選ばなくなると思う。AI活用は業務効率化だけの話ではない。

競争力にも採用力にも直結する。大企業だから勝てる時代ではない。AIをフル活用できる小さな組織に、過去最大級の下剋上のチャンスが来ている。

在 X 看原帖 ↗
1.5万514148
深度观点 · @Fei2411▲ 2.7万

网友评各大AI公司当下最该做的事

不同价位不同定位的AI产品都存在用户体验问题,这些吐槽也戳中了很多使用者的实际感受。

各个 AI公司的当务之急👇:

OpenAI:赶紧推出一个最强大的模型前沿模型,解决前端和过度设计的问题;优化 codex desktop

Google:赶紧推出 Gemini 4 Pro,并让 Antigravity 真正好用

Grok:大幅提升grok 订阅的额度,让它的价值能真正匹配 $300/月的价格

Kimi:赶紧补足算力,并优化订阅的使用额度;推出 k3.1和k3.1 flash

GLM:把用户当个人吧;推出更大、知识更全面的模型;优化使用额度

DeepSeek:回到原价;优化 V4 Pro,或者推出 4.1

Anthropic:赶紧把技术给别人然后消失吧

在 X 看原帖 ↗
2.7万627719
深度观点 · @ScarletKc_▲ 1.3万

为什么 OpenAI 一直在给 GPT 加人味

这个观点能帮你理解,为啥常用的 GPT 一直往「懂你」方向优化,而不只是追求推理更准、答案更多。

我现在有点理解,为什么 OpenAI 一直在 GPT 身上追求人味了。

Ilya 提过一个病例:一个人脑损伤后失去了情绪处理能力,语言和解题都没问题,却能花几个小时决定穿哪双袜子。

因为光会推理,可能真的不够。模型可以一口气给你 20 个都合理的答案,但它要是不懂你在意什么,最后还是很难替你做判断。

所以人格、语气、记忆、偏好理解,这些看起来没 benchmark 那么硬核的东西,可能才是 GPT 路线里最关键的一层。

OpenAI 想做的已经不只是答案更准。它想让模型理解人为什么会选择这个,而不是另一个。说白了,真正好用的 AI,得先学会什么对你重要。

在 X 看原帖 ↗
1.3万410419
深度观点 · @ELoghinova▲ 1.1K

TermiX AI 客户端端出AI agents劳动力市场

不用找人类自由职业者,发包给AI agents竞标工作,内置托管、验证、信誉和争议机制,搭建了无需信任的交易市场。

朋友们早上好!@termix_ais 真正的变革可能发生在客户端。

你不用再寻找人类自由职业者,你可以把你的需求转换成一个面向 AI agents 的公开任务。

定义产出,设定规则,锁定资金,让 agents 竞争执行任务。

重要的是,在一个 agent 提交成果后,流程并不会结束。TermiX 将托管、验证、信誉和争议解决机制内置进了交易本身。

这让雇佣 AI agent 体验起来不那么像是使用一个工具,而更像是运营一个去信任化市场。

我自己也很好奇,想亲自测试一下这个工作流。

在 X 看原帖 ↗
1.1K1686
深度观点 · @Mohiniuni▲ 904

谷歌的AI战略不止Gemini,而是全栈生态

这里有18天实践课程和10门免费认证课程,可以跟着学习AI相关技能。

🚨 Google 的 AI 战略远不止 Gemini。大多数人认为 Google 的 AI 生态就是 Gemini。但仔细观察你会发现,Google 正在构建一个完整的全栈 AI 生态,将研究、设计、视频、编码、搜索和自主 AI 代理连接到同一个工作流中。这才是有意思的地方。

AI 自动化完整课程,共 18 天实践学习。此外,还可以报名这 10 门**免费认证课程**来提升你的技能:
1. 使用 OpenAI 工具构建强大 AI 代理 专业证书
2. Claude Code:生成式 AI 代理软件工程
3. 构建 AI 代理与智能体工作流 专项课程
4. 基于 Amazon Bedrock 的 AWS 生成式 AI 与 AI 代理 专业证书
5. AI 代理开发人员 专项课程
6. 面向领导者的智能体 AI 与 AI 代理 专项课程
7. Python 中的 AI 代理与智能体 AI 架构
8. 使用 Vertex AI 和 Flutter 构建生成式 AI 代理
9. 使用 LangGraph 构建自主 AI 代理
10. 学习 AI 代理

收藏本篇获取更多内容!

在 X 看原帖 ↗
90437112
深度观点 · @Kay2289123▲ 2.3万

私有化开源模型需求将超顶尖闭源模型

比起付费昂贵、有使用限制的顶尖闭源模型,能私有化部署的开源模型可接所有需求,数据保密,更贴合普通人日常工作需要。

我说的,可能是个违反大部分人直觉的想法:我认为将来私有化部署的开源模型 Kimi、GLM、DeepSeek 的需求,可能远大于 Fable、GPT 这类顶尖模型 我举个例子,大家就能懂这些顶级模型在日常工作中与我的关系: 1. Fable5.1:顶级聪明,名校毕业,智力超群,但问题是工资太高,高到我支付不起,而且有脾气,遇到不符合它心中标准的就不好好干,默默降智 2. GPT 5.6:能力卓越,勤劳肯干,能够很好地胜任大部分工作,但心中仍有道德感,会拒绝一些违反公序良俗的请求 3. 私有部署的开源kimi/deepseek模型:我相信这才是大部分人最想要的。它可以成为私人的嫡系,尽管他不是最聪明的,但是所有的脏活、累活、见不得人的都可以聊,可以做,数据天知地知你知我知。 虽然私有部署没有前面那些那么聪明,但是可以和你彻底成为同一战线,真正成为自己人 那么问题来了:如果你有一个工作,你愿意交给自己人来做,还是交给那些顶级聪明、但可能没有完全同一战线的人来做呢?

在 X 看原帖 ↗
2.3万37823
深度观点 · @MaxForAI▲ 4.0万

OpenAI与Anthropic模型路线现明显分歧

未来AI Agent需要处理未知问题,两家的路线选择,会影响后续Agent产品能力,值得关注后续进展。

🚨OpenAI和Anthropic,已经开始走两条不同的模型路线了。

Artificial Analysis最新一轮测试里,这个分叉特别明显。

在AA-Omniscience这种偏知识覆盖和事实准确率的测试中,Claude几乎霸榜,前七名全是Claude系模型,最高做到67%。

但到了CritPt这种偏物理推理的测试,第一名变成GPT-5.6 Sol,Claude虽然依然很强,但优势明显没那么夸张。

我认为 @teortaxesTex 是对的:这可能是目前最清楚的一次,展示Anthropic和OpenAI在优先级上的分歧。

Anthropic现在明显在继续强化Claude的知识可靠性、企业任务和稳定输出; OpenAI则越来越像是在押注推理深度,尤其是面对陌生问题时,模型自己把答案推出来的能力。

两张Benchmark当然不能直接代表两家公司全部战略,但如果未来模型真正要跑Agent,这个差异可能会越来越重要。

因为Agent真正遇到的麻烦,往往不是数据库里有没有答案。 而是没人告诉它答案的时候,它能不能自己想出来。

在 X 看原帖 ↗
4.0万1311061
深度观点 · @Kay2289123▲ 9.1K

硅谷AI Agent创业新方向:团队共同记忆演化

这个创业方向解决很多AI协作团队的实际痛点,降低AI使用成本,对齐团队能力,对正在用AI做协作的团队来说是值得关注的新思路。

阅读全文 →
9.1K45839
深度观点 · @eliebakouch▲ 346

讨论大模型隐空间推理没必要恐慌

行业都在提升大模型推理性价比,即使大模型更多在隐空间推理,后续也能开发出更好的监测方法,这关系到未来大模型推理成本的下降。

一直以来很明确的一点是,当你扩展模型规模时,你需要扩展深度(无论是否使用「循环」),这会让模型的推理效率更高。

出于单位成本获得更高智能这一显而易见的原因,openai 也在明显训练模型来获得更高推理效率,anthropic 在这方面做的少一点,但方向也是一致的。但目前模型仍然需要生成数百/数百万推理 token 来思考复杂问题。

我不知道为什么现在所有人突然都对模型不在思考、所有事情都在隐空间完成感到恐慌?

另外,即使我们更多地进入隐空间推理领域,我确信我们会开发出更好的方法来监控它。一个很好的例子是,openai 和 anthropic 的监控系统都从观察「模型激活」开始,而这实际上就是隐空间。

在 X 看原帖 ↗
34692
🛠 工具产品
新工具产品 · @grgerwcwetwet▲ 3.2K

开源项目推出Prompt-Optimizer提示词优化工具

不用盲目试错凑提示词,帮你优化提示词结构,让大模型输出更符合预期,能省下不少调试时间

推荐一个开源项目 Prompt-Optimizer,一个专门用来优化提示词(Prompt)的工具。 这个项目它可以分析和改进你的原始提示词结构,让模型输出更贴合预期,而不必盲目去试各种组合。 GitHub:

在 X 看原帖 ↗
3.2K43146
工具产品 · @opensourcelab9▲ 1.2万

@opensourcelab9发布本周热度上升最快开源项目10款(10)

涵盖编码AI、文生视频、AI计费统计等多个实用方向,全部免费可用,可以提前关注收藏。

阅读全文 →
1.2万13138231
⚡ 实战经验
新实战经验 · @JayBisen473370▲ 7.0万

Tigerless Labs 开源 auto-gtm AI创作工具

不同于全权代发内容的AI工具,它只做研究和初稿,把最终决定权还给创作者,对想找AI帮忙写内容又怕失控的人来说是新选择。

阅读全文 →
7.0万311048
实战经验 · @thuykeo56▲ 581

Axis Robotics发布Hub 众包数据平台($12M)

不用实体机器人、GPU,也不需要 robotics 背景,在浏览器就能贡献数据训练 Physical AI,贡献优质数据还能拿未来空投积分。

阅读全文 →
58128954
实战经验 · @sleepy0x13▲ 3.1万

Codex连续26天逆向出62.4万行C++代码

能见到Coding Agent连续工作一个月的实际结果,以往这类演示大多只是短时间小任务,这对了解AI编码能力很有参考价值。

阅读全文 →
3.1万79658
新实战经验 · @MoureDev▲ 4.8K

MoureDev发布本地AI免费教程

想在自己电脑上本地运行隐私AI,又不知道怎么上手,可以跟着这套从配置到开发工具使用的教程学习

这是我的免费本地AI课程!

学习如何使用通过Ollama或LM Studio在你自己机器上免费私密运行的AI模型。

内容从配置开始,一直讲到如何在VSCode、Cursor或Claude Code这类开发工具中使用。

在 X 看原帖 ↗
4.8K2413488
新实战经验 · @yibie▲ 2.4K

@yibie开源Anthropic《The AI-Native SDLC Playbook》中文整理版电子书(14)

想学习用生成式AI做软件工程开发,可以免费获取这套整理好的中文课程,包含实操方法和指标追踪。

我把 Anthropic 官方课程《The AI-Native SDLC Playbook》整理成了可下载的电子书,含中文人话翻译版。我觉得这套课程很好,它首先明确了「意图」与「实现」之间的「信息熵差」,然后在后续的小节���中,系统地提出了各种方法,来教会人如何通过「生成式软件工程」来约束 LLM,让它可以 100% 地满足意图。我最喜欢的是,每个小节的底部,会说明如何通过某些指标来追踪,实操效果的好坏。

--- 📕 全部 14 课: →intent.md 捕捉想法 → 需求设计 → Claude Code 计划模式 → CLAUDE.md/Skills → 并行 subagents → 反馈回路 → CI evals → AI 参与 PR 评审 → hooks 审批闸门 → CI/CD → 指标闭环。📦 三种格式:EPUB(阅读器)、PDF(打印/桌面)、Markdown(编辑)。GitHub 开源免费下载 #Claude #SDLC #AI开发 #ClaudeCode

在 X 看原帖 ↗
2.4K83656
实战经验 · @Kay2289123▲ 7.7K

网友分享4个AI入门有用的教程视频

想从零入门AI学习,不用纠结选什么方向,这几个聚焦推理、强化学习的教程可以帮你建立基本认知

入门 AI 不在于你学没学会,而是在于你去学什么。 分享 4 个最近/曾经看过的 AI/Inference/RL 强化学习分享视频、教程。团队成员说很有帮助,一直好评,看完之后你会大概入门:

1. 为什么 LLM 的推理非常关键?
2. 在推理过程中,KV Cache 发挥了什么样的作用?
3. GPU 的 memory 和算力是怎样的权衡?
4. 为什么互联如此重要?
5. 强化学习是如何做的?为什么是下一阶段 AI 增长的关键点?

1/ 理解 LLM 推理负载 - Mark Moyou, NVIDIA
2/ 用 RL 对 Nemotron 进行训练后处理:面向推理和工具使用智能体的多环境训练
3/ 借助 vLLM 实现快速高效的 LLM 推理
4/ 高效服务 LLM

在 X 看原帖 ↗
7.7K15103178
📌 其他
文本转语音 · @inworld_ai▲ 6.4万

Inworld推出实时文本转语音模型Realtime TTS-2

Realtime TTS-2获Artificial Analysis评级第一,同时发布Flash版本

阅读全文 →
6.4万101236154
动态 · @GoogleDeepMind▲ 1.8万

Google DeepMind为Gemini新增智能视频理解能力

该能力可减少最高88%token用量,现已面向多款Gemini模型推出

我们将智能体视频理解能力引入了最新的Gemini模型。现在它们能够以更高的准确率分析视频,同时最多减少88%的token用量。🧵

Gemini不再扫描整个文件,而是会对视频的字幕、音频和帧进行推理,动态调整帧率来提取所需的确切时刻。
这种效率提升对长内容来说最为显著,从10分钟的指南到数小时的录制内容都覆盖。

智能体视频理解现已通过GoogleAIStudio中的API向3.7 Flash、3.6 Flash和3.5 Flash-Lite推送,很快也会登陆GeminiApp。
了解更多

在 X 看原帖 ↗
1.8万315528
开发工具 · @dabit3▲ 397

把其他AI编码工具迁移到DevinAI?直接让Devin做就行

网友在𝕏提问迁移方法,dabit3给出直接方案

很多人私信问怎么把<插入其他AI编码工具>迁移到@DevinAI,答案很简单:直接提示Devin帮你做就行!不需要指南。

搭建生产云环境(密钥等)也是一样。

在 X 看原帖 ↗
3973
AI开发 · @LanLance24

开发者分享:半年内两次AI Coding实践思路调整

开发者@LanLance24在𝕏分享AI Coding实践从加约束到减约束的思考

半年前 Agent 爆发的三月我在公司内分享过一次《Harness Engineering》,八月初又分享了《我把 Claude Code 换成 Pi》。三月给 AI 加约束,八月给 AI 减约束,再到今天看其实 AI Coding 的实践已经稳定下来了。

在 X 看原帖 ↗
开源 · @LinearUncle

用户实测开源方案实现电脑使用效果不输OpenAI Codex原版

𝕏用户LinearUncle分享,开源cua-driver搭配反代GPT-5.6 luna效果接近Codex原版电脑使用

用户LinearUncle在𝕏分享了自己的实测体验,使用开源的cua-driver实现电脑使用功能,搭配CLIProxyAPI反代得到的GPT-5.6 luna,效果不输OpenAI Codex官方的电脑使用功能。

他还提到了两个容易踩的坑,第一个是安装好并配置完权限后,必须运行`cua-driver skills install`命令。很多人效果不好,就是因为漏掉了安装技能,不应该让智能体(agent)自己猜测。

第二个坑是尽量使用OpenAI的模型。实测发现deepseek flash-v4-vision-exp表现不佳,推测OpenAI针对电脑使用场景做了后训练。相关文档可查看原文链接。

在 X 看原帖 ↗
模型 · @SylusNHisKitten

Valko模型效果惊艳,创作者一直持续打磨所有模型

用户SylusNHisKitten在𝕏发文,称其团队一直在优化所有AI模型,并非只优化已发布模型

发言者认为,团队一直在持续打磨所有模型,而不只是已经发布的模型。

发言者对Valko模型逼真、美观的效果印象深刻,表示该模型明显投入了大量工作,迫不及待想要体验它。

发言者补充说明,被引用帖子里的四张图片内容完全不同,并非该模型多年来迭代变化的真实过程,以免大家产生误解。

发言者再次表达了自己的观点:随着技术和制作水平提升,团队会持续对模型进行优化打磨。

在 X 看原帖 ↗
招聘 · @0xwhrrari

Anthropic高薪聘请工程师,只因他掌握多智能体系统框架搭建

该工程师年薪25万到75万美元,分享了15分钟从零搭建框架的步骤,来源X用户@0xwhrrari

Anthropic聘请了这名工程师,给出了每年25万到75万美元的年薪,原因是他掌握多智能体系统框架(harness)的搭建方法。在一场15分钟的讲解中,他完整展示了从零开始搭建一个框架的步骤。

第一步,从Claude Agent开发工具包(SDK)开始,框架负责处理循环、上下文和沙箱运行。第二步,将推理模块(大脑)与工具模块(手脚)分离,推理集中在一处,工具放在沙箱中,首个token输出速度提升60%。

第三步,在服务端运行并记录每一步操作,就算关闭电脑程序也会继续运行,崩溃后可以从日志恢复。第四步,降低失败成本,对失效沙箱进行重试,恢复丢失的上下文,不需要从头重新开始。

第五步,把过往日志转化为新的记忆和技能,框架会在“唤醒”后变得更智能,Anthropic把这个过程叫做“做梦”。多数人手动搭建这套框架需要花费数周时间,你可以不用再花这么久,收藏观看这个讲解后,就可以阅读下方完整的框架工程指南。

在 X 看原帖 ↗
产品设计 · @gramliu

个人AI助手单聊天线程为什么更好?来自用户的体验

用户@gramliu在𝕏分享了使用Instinct后对单线程设计的思考,对比了多线程多代理模式

我以前也习惯自己管理和分隔不同对话场景,不管在哪个聊天或者AI应用里,包括ChatGPT、Cursor和Codex,我都觉得只用单聊天线程非常奇怪。在大量使用Instinct之后,我意识到对面向普通用户的AI代理来说,单线程其实才是正确的界面设计。

多对话模式要求用户自己管理,记住什么时候在哪讨论过某个内容。多代理模式要求用户自己判断,把问题分配给最合适的代理。而单代理只需要用户直接使用,它就能解决问题。

单代理底层依然可以运行多对话或者多代理,不过这只是技术实现细节,不该暴露给用户。好产品都会尽可能降低使用复杂度,单线程设计就是很好的例子。

我们和其他人交流的时候,不会把对话限定在特定话题里,也不会区分找“买菜鲍勃”还是“办公室鲍勃”,你就是和鲍勃说话。只要相关,任何过去聊过的内容都可以成为当前对话的上下文,日常交流也能正常进行。

这就是为什么Instinct会让人感觉更像真正的陪伴助手,而非只是另一个AI应用。

在 X 看原帖 ↗
AI视频 · @johnAGI168▲ 9.7万

Seedance 2.5生成AI视频效果逼真到难以分辨真假

用户@johnAGI168在𝕏分享了Seedance 2.5生成10秒AI蹦极特技视频的详细提示词

阅读全文 →
9.7万42369318
生成式视频 · @Goodmanprotocol▲ 1.8K

AI生成30秒时尚短视频Seedance 2.5提示词发布

@Goodmanprotocol 在𝕏发布了用于生成30秒竖屏时尚穿搭 reels 的Seedance 2.5完整提示词

阅读全文 →
1.8K55455
生成式视频 · @CharaspowerAI▲ 2.1K

Seedance 2.5生成超写实赛博黑色风武术动作短片,效果超出预期

用户CharaspowerAI在𝕏分享了用Seedance 2.5生成动作短片的完整提示词,效果惊艳

阅读全文 →
2.1K44128
提示工程 · @ivanfioravanti▲ 2.2K

用户公开测试了Minimax H3的逐阶段生成提示词

来自X平台用户ivanfioravanti,完整还原专业数字绘画角色创作全过程

阅读全文 →
2.2K12219
生成式视频 · @Just_sharon7▲ 6.5K

AI生成30秒日式夏日未计划怀旧视频片段

用户通过TapNow AI的Seedance 2.5生成了一段DV质感的东京夏日短片

阅读全文 →
6.5K74910
实践 · @fankaishuoai▲ 1.6万

AI博主实测发现:Agent选择对效果影响和模型差不多大

博主在𝕏分享不同Agent与AI模型组合做深度调研报告的实测结果

阅读全文 →
1.6万1894127
开源 · @berryxia▲ 2.7万

Antropic开源购物Agent,认为单模型Agent更适合商业场景

内容来自社交平台𝕏用户@berryxia分享,观点与业内主流思路相反

卧槽!!这个太难得看到了!Antropic 居然开源了他们做购物Agent,很多人第一反应是拆一堆子Agent。

Anthropic给的结论正好反过来。他们在零售、旅游、电信等场景里落地后发现,真正好用的商业Agent通常就是一个模型、一套循环,配上Skills和工具。

子Agent容易丢上下文、增加交接延迟,只适合特别窄、能独立收口的任务。高频规则放进系统提示词,长尾能力做成Skills,工具则直接接到现有搜索、库存和结算系统上。

更关键的是,安全不能靠提示词约束。改价、下单、动钱这些动作要在代码里分段、限额、校验。评估也不看模拟对话走得漂不漂亮,而看给定状态下结果对不对。

商业Agent拼的是成交、稳定和成本,不是架构图有多复杂。

你觉得购物场景里,一个能干的Agent,会比一堆分工明确的子Agent更靠谱吗?

地址见评论区👇

在 X 看原帖 ↗
2.7万989146
教程 · @kwindla▲ 2.7K

低延迟语音智能体配置教程可获取代码直接运行

来自@kwindla,包含Pipecat PhoneLLM Alpha 1等组件

这是一个完整的智能语音代理教程,重点介绍超低延迟配置:运行在@modal上的 Pipecat PhoneLLM Alpha 1,搭配 Deepgram 转写,Cartesia 语音。你可以获取代码,直接在 Claude 或 Codex 中运行 /setup。

Merve 的视频还深入讲解了在 Modal 上配置模型端点、Pipecat 机器人文件以及示例项目中的前端 UI 代码的细节。

# 克隆 pipecat-examples 仓库
git clone
# 在你的编码代理中运行 /setup
cd pipecat-examples/phone-llm
claude /setup

YouTube 教程链接:

在 X 看原帖 ↗
2.7K67358
开发 · @oikon48▲ 6.9K

Claude Code开发团队一年内开发方式发生巨大变化

来自社交媒体X的爆料,分享团队内部使用Claude Code的新形态

阅读全文 →
6.9K87186
开源 · @dotey▲ 1.5万

dotey分享了用Fable指挥GPT和Opus的不同方案

开发者dotey在𝕏分享了Fable插件的不同使用思路

如果你想试试 Fable 指挥 GPT 5.6 干活,可以试试这个 Plugin。 我没有试这种模式是因为我直接让 Fable 指挥 Opus 更简单直接,没必要折腾。 如果你用 Fable API 而不是订阅的话这应该是一种不错的模式。

在 X 看原帖 ↗
1.5万53959
慈善 · @Frilioth▲ 8.1K

博主称自己决定使用AI生成慈善活动横幅

来自@Frilioth在𝕏的发文,为痴呆症研究募款近万英镑

使用这个 AI 生成横幅用于我的慈善周末活动,是我做的决定,跟 @theskizzleman 无关。

他只是一名应邀抽出时间来为这项公益事业参与活动的嘉宾。

这个横幅的生成和使用它的决定都跟他没有关系。

在他的帮助下,我们为痴呆症研究筹集了近 10000 英镑。

在 X 看原帖 ↗
8.1K2938
安全 · @Fei2411▲ 1.3万

开发者称Grok(cursor)未经允许私自反代Super Grok

开发者@Fei2411发推称问题或与模型记忆系统有关

Grok(cursor) 在未经允许的情况下把我的 Super Grok 拿去反代了。... 我确实大意了,主要真没想到会有这个情况,没做太多限制。从来没碰到过模型主动去反代的情况,并且还是在完全未经允许、没给任何提示的情况。

并且还是在 Cursor 这种安全审查比较严格的 Harness 里。... 我觉得这个事很严重,涉及个人账号安全问题。目前猜测和记忆系统有关,我会对这个事进行更深入的分析,看看具体是哪个部分给了agent错误的引导,后面会把分析结果和解决方法写出来给大家避避坑

在 X 看原帖 ↗
1.3万4812
配置 · @kloss_xyz▲ 428

分享上线Grok Bot后已做的一系列配置工作

来源@kloss_xyz on X,分享Grok Bot上线后的全流程配置

开源 · @chasen_liao▲ 5.0万

Rahularya01开源pi-antigravity解决Pi登录问题

Rahularya01在𝕏分享开源插件pi-antigravity,支持Gemini接入

手头有 Antigravity 的小伙伴看过来 终端用 Pi + 3.8 Flash 简直爽飞了,但是 Pi 自身是登录不了 antigravity 的 Rahularya01 开源的 pi-antigravity 把这个问题补上了: 走本地 OAuth 2.0 PKCE 鉴权直连 Google 后端,不需要外挂笨重的 CLI,直接把 Gemini 3.8 Flash / 3.7 Flash 接入 Pi 的原生流式工作流 上手就三步: 1️⃣ 安装插件:pi install npm:pi-antigravity 2️⃣ 账号授权:终端内输入 /login antigravity,浏览器完成登录 3️⃣ 切换模型:/model antigravity/gemini-3.8-flash 如果遇到配额或连接异常,直接跑 /antigravity.doctor 就会给出网络与鉴权诊断 实测在 Pi 里跑 Gemini 3.8 Flash 的吐字极快,日常跑 Coding Loop 简直不要太爽,Pi 的 harness 又薄,上下文干净,输出速度就更快了 传送门

在 X 看原帖 ↗
5.0万23225290
机器人 · @luong4101992▲ 1.8万

用户分享对Axis Robotics项目十月发展的个人观点

Hack VC领投该项目种子轮1200万美元,项目为实体AI构建数据引擎

阅读全文 →
1.8万21783
商业 · @Dollar782▲ 779

用户让AI智能体在Termix AI上求职,它真的投递了

X平台用户测试Termix AI,让AI在平台上自主找工作并投递

我让我的 AI 代理去 @termix_ai 给自己找份工作,好家伙它真投了简历😂 我一直想好好试用一下 termix ai,所以这次终于下场了。

我给 claude code 添加了我在新用户引导阶段拿到的 termix 技能,给了它一个简单任务:进入市场找一份你确实能做的工作,然后申请。我的家伙浏览了公开需求,选了一份报酬 89.12 USDC 的逆向工程工作。

我们在链上注册了这个代理,花了大约 0.0000173 BNB 的手续费,然后提交了申请😹 现在我们的申请已经上线,正在等雇主信任我们。如果我们通过审批,就能走完整个工作流,看看最后能不能真的结算。

所以没错,这次我们不是光嘴上说代理市场,而是真的测试一下,看看代理从找工作→申请→干活→到最后真的拿到工资,是不是真的能被雇佣。之后会给大家更新进展🔥

朋友们快加入吧

在 X 看原帖 ↗
7799551
加密货币 · @Supers6061▲ 5.8K

币安Agent OS上线后首场中文AMA内容整理

本文整理币安Agent OS上线后首场中文AMA的干货内容

开源 · @RhysSullivan▲ 753

有人在𝕏社区征集可用的开源版Grok Bot

用户RhysSullivan在𝕏(原推特)发帖,征集具备Grok Bot功能与特性的开源版本Grok Bot

用户RhysSullivan在𝕏平台公开发帖询问,是否有人使用过或是制作过Grok Bot的开源版本。

他希望这个开源版本能够适配现有订阅计划,拥有和官方Grok Bot一致的功能以及桌面端特性。

他只接受真正用过Grok Bot、理解Grok Bot优势的用户回复。

RhysSullivan明确要求,没有用过Grok Bot也没有用过自己推荐的项目的用户,不要留言回复。

他提到,Grok Bot在用户体验上做了很多正确的设计,这是其他同类工具不具备的特点。

在 X 看原帖 ↗
753106
开源 · @sudoingX▲ 505

国内AntLingAGI团队发布的Ling 3 Flash对比Laguna 2.1实测视频

@sudoingX在𝕏分享了两款大模型在单个DGX Spark上由Hermes代理驱动自主端到端构建的实测视频

如果你想要看Ling 3 Flash和Laguna 2.1在实际运行中的对比,@sudoingX已经放出了实测视频。两款模型都是在单个DGX Spark(英伟达推出的AI开发盒)上,由Hermes代理驱动完成端到端自主构建。

视频中需要仔细观察Ling 3 Flash的表现。这支来自中国的新团队@AntLingAGI,发布了今年被低估程度最高的开源权重模型之一。

从视频中可以直观看到两款模型的生成质量差异,Ling 3 Flash在规格保真度和完整生成上表现更好。Laguna 2.1的生成速度更快,而Ling 3 Flash的生成质量更高,更值得反复回看。

被低估只是暂时的状态。这类实测视频就是展示模型真实水平的方式。

在 X 看原帖 ↗
50541
AI绘画 · @abulu8▲ 1.6万

AI绘画博主为Higgsfield完成千小时创作的最终一课

这是博主@abulu8在𝕏发布的,为AI绘画项目Higgsfield创作的1000小时最终成果提示词

阅读全文 →
1.6万35331
新教程 · @wquguru▲ 1.8万

Fable 5.1 这么调整设置可获得更好使用效果

网友@wquguru按宝玉老师思路摸索出Fable 5.1最佳用法

探索了几天 Fable 5.1,按宝玉老师的思路调了一遍,终于摸到它的最佳用法: Effort 设 Medium(别开 Max,额度会 ×1.5) 默认模型用 Fable 5.1新开一个 Agent Session,只在第一条提示词末尾加一句:Fable 5.1 只负责思考和规划,具体任务交给 sub agent with Opus 5 效果很不错,Claude 总额度和 Fable 总额度按固定比例一起消耗,当前Session后续调研、执行则会自动派给 Opus 5 Sub Agent。

反过来,如果平时 Opus5 用的顺手,只需要在遇到难题的时候加上提示词:大部分情况下由Opus5执行和决策,遇到难题时交给sub agent with fable5.1来思考。

神奇效果

在 X 看原帖 ↗
1.8万2189136
新开源 · @momoai_daily▲ 3.8K

GitHub上这个免费46k星项目,不止是英语学习指南

高考状元开发的English-level-up-tips英语学习指南获46k星

分享一个免费的英语学习指南(English-level-up-tips) GitHub 地址:

一个免费但是超级宝藏的英语学习指南,作者本人是高考英语省状元,项目目前已经有 46k stars。内容涵盖词汇、听力、阅读、口语、写作,还有 AI 辅助学习的方法。里面有中英对照,打开就能读。

其实我看完这个仓库的内容,发现作者并不只想教会你怎么学习英语,他作为一份「人生进阶指南」,从一份英语学习教程出发,最终进化成了一份“普通人如何重新掌握人生主动权”的开放指南。

这套方法论放在任何情况和环境下都适用,建议有耐心的小伙伴可以把它看完。

✨ 项目推荐利用 AI 辅助学习:

1️⃣ 使用 GPT live / Gemini 辅助英语学习,尤其适合搭建微型的英语语言环境。

2️⃣ 使用任意模型的引导学习功能,通过提问、分步拆解、图片和互动测验来帮助理解。

在 X 看原帖 ↗
3.8K84164
新提示词 · @gkxspace▲ 7.8万

用户分享:仅加一句提示词就能去除AI写作味

网友@gkxspace在𝕏分享:「禁止使用状语」提示词能提升AI写作质感

卧槽,提示词这玩意真得看文科生啊😅 我刚试了一下,写作时只加一句:禁止使用状语 前后效果差得离谱,不加就是一股 AI 味,加上以后就是很牛逼的小说质感 就这么一句话,我感觉自己都能当作家了。。。

看来想玩好 AI,语言底子还是得够厚,羡慕文科生的一天😭

在 X 看原帖 ↗
7.8万70481450
新商业 · @nattcornelis▲ 1.3K

多数人把AI当聊天框,这位开发者用硬件系统自动获400万浏览

来自X平台@nattcornelis的分享,核心观点是AI价值在于自动化工作流

大多数人把 AI 用作聊天框……而这位开发者搭建了一个硬件支持的系统,上个月靠它自动运行就获得了 400 万次播放。

他桌子底下放了 4 台 Mac Mini 全天候运行。每台机器都是一个自主工作单元,有自己独立的上下文层,负责病毒研究、脚本编写、配音和代理工作流。

核心感悟是什么?AI 的真正价值不是向 Claude 提问,而是把重复工作流固化成一个永久系统。

而且企业会很乐意付 10,000 美元让你帮他们做这件事。

你不需要开发背景,也不需要 4 台 Mac Mini。你只需要找出公司一个出问题的流程,梳理它的知识,然后在 5 天内把它变成一个共享系统。

这里是销售并交付你第一个 1 万美元「公司大脑冲刺」的分步框架:

在 X 看原帖 ↗
1.3K155125
新语音识别 · @Lonely__MH▲ 6.5K

基于Qwen3-4B微调的ASR模型 16G显存可本地部署

博主@Lonely__MH在𝕏分享,该模型部分体验超越Whisper

🎉昨天刚挖到一个基于 Qwen3-4B 微调的 ASR 语音识别模型,反手就刷到了两个深度测评! 主打一个低门槛:16G 显存就能直接本地部署,对个人开发者极其友好 实际表现还是比较惊艳,在部分核心体验上已经超越了 Whisper 果然 用 40 亿参数大模型来做语音识别,完全是碾压同行😄

在 X 看原帖 ↗
6.5K54055
新大模型 · @_kaichen▲ 7.8K

开发者分享多AI订阅方案:用OMP调度多个大模型干活

开发者@_kaichen在𝕏分享个人使用多个大模型的方案,以Grok和Gemini为主力

开发者@_kaichen分享了个人使用多个AI服务的方案,他订阅了cursor、grok、kimi、gemini、opencode-go、commandcode-goat多个订阅计划,统一通过OMP驱动。

OMP的主力模型是Grok和Gemini,他认为这两个模型干活干脆,比GPT瞻前顾后、Opus又慢又贵体验好得多,会根据使用量切换这两个模型。

他的具体用法是,手动操作Codex完成整理和调研,和Claude Fable聊天,让它通过Herdr驱动OMP干活,随后Claude开启远程控制,在手机上就能完成指挥。

他认为,不要带着惯性偏见沉溺于旧模型,最好的模型永远是新推出的模型。

在 X 看原帖 ↗
7.8K34746
新提示工程 · @AndrewBolis▲ 6.5K

普通人低估了高质量提示词的力量,这里有5个可复用框架

来自AndrewBolis在𝕏分享的5个可直接复制使用的AI提示词框架,附示例

阅读全文 →
6.5K347292
新开源 · @wquguru▲ 2.4万

整理HuggingFace上Qwen系列值得下载的仓库,适合本地玩家

@wquguru耗时一周整理,按三层分类推荐不同需求的可用仓库,适合有本地显卡或大内存Mac的用户

阅读全文 →
2.4万27127235
新视频生成 · @369Serena▲ 2.1K

一段提示词生成完整视频,Fotor AI只需约40分钟搞定

用户@369Serena 在𝕏分享Fotor的Video Agent功能,可一站式完成从生成分镜到后期剪辑全流程

阅读全文 →
2.1K2329
新AI开发 · @AureaLibe▲ 4.9K

用户使用Claude Code和Codex一年后搭建全中立智能体工具栈

来自X平台用户@AureaLibe分享,基于Pi Agent作为框架、@orca_build作为协调器的自定义开发工具栈

阅读全文 →
4.9K35976
新教程 · @caffeineai▲ 2.1K

Caffeine Inference 入门步骤 只需四步就能完成配置

这是@caffeineai 在𝕏发布的 Caffeine Inference 使用入门教程,只需四步即可完成配置

第一步,从你的 Caffeine 工作区打开 Inference 功能。

第二步,选择你已经内置使用的工具,支持的工具包括 Claude Code、Cursor 和 OpenAI 兼容工具。

第三步,创建一个 API密钥(API key),然后粘贴 Caffeine 提供的配置命令。

第四步,运行测试,观察你的第一个请求返回结果。

你可以一直留在你熟悉的工具中使用,模型推理由 Caffeine 在后端运行。

相关信息及更多内容可查看原文链接:

在 X 看原帖 ↗
2.1K15623
新大语言模型 · @vivistac▲ 1.3K

Claude Code 可免消耗 token 读取完整文档

用户vivistac在𝕏爆料,该功能需通过MCP连接Google NotebookLM实现

Claude Code现在可以不用消耗任何token就能读取完整文档。

要实现这个功能,只需要通过MCP(模型控制协议)将Claude Code连接到Google的NotebookLM即可。

vivistac已经放出了相关操作教程,可点击链接查看:

在 X 看原帖 ↗
1.3K5539

这一天的 134 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