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 13 日 · 23:50 更新
✦
试试:

今天发生了什么1 分钟读懂

OpenAI 宣布 2026 年前不会 IPO。Sam Altman 给出的理由不是融资环境,也不是估值,而是 AI 安全——公司还计划在新能力阶段暂停开发,优先推进安全对齐。

来源@kimmonismus「OpenAI 宣布2026年前不会进行IPO上市」@MaxForAI「Sam Altman说OpenAI 2026年不上市,因为AI安全」

今日深读把放缓之争翻到经济面,标题就叫《AI不会杀死你,只会让你付更多钱》。开源加 RL 微调正以二十分之一的成本逼近前沿性能,Anthropic 则被批一边喊停一边冲 IPO。

来源今日深读《AI不会杀死你,只会让你付更多钱》@beffjezos「开源+RL微调性价比高20倍,大厂坐不住了」@openletteryt「Anthropic一边喊停AI一边冲IPO?」

agent 经济也在小单里跑通了:termix_ai 靠 37 万笔平均 53 美元的小单,累计结算近 2000 万美元,不靠百万美元大单也能撑起一家公司。

来源@daweifs「AI Agent不靠百万美元大单,靠37万笔小单跑通了经济」

今日值得看
01 专治公文 AI 味的 lieflat-gongwen Skill 写公文不再一股 AI 味,lieflat-gongwen 把套话全删了。 02 Seedance 雨夜时间停止视频提示词 Seedance 10秒雨夜冻结,路人悬停咖啡凝空
03 Anthropic 工程师演示 Claude 自动提示循环方法 现在 Anthropic 不再手动写提示词,转而构建自动循环提示流程。这个全长 42 分钟的教程完全免费开放。

Anthropic 的工程师说:“在 Anthropic,我们不再编写提示词,我们构建循环。” 在42分钟的内容里,她展示了 Claude 团队如何创建能自我提示的循环。 如果这个内容收费400美元,人们会称它为年度最佳智能体课程。

04 HuggingFace发布开源2B智能体训练全路线教程 这套教程和开源项目覆盖了从数据准备到环境搭建的完整训练路径,还解决了评估和训练脱节的常见问题,想训练自己AI智能体可以跟着走一遍

HuggingFace Training Agents 系列视频公开、代码开源 @huggingface 团队 @ben_burtenshaw 发起,6 个月、6 场直播,完成 SFT → 蒸馏 → GRPO → 环境 RL,基于一个 2B…

今日焦点

AI不会杀死你,只会让你付更多钱

P(doom)

写于2026年9月12日

本周,某种“AI会杀了我们所有人”的论调在网上疯传。尤其有一个版本,一名员工将自己对这件事发生的个人概率定在10%以上。这让我去查看了P(doom)的维基百科页面,然后意识到Dario Amodei对某种坏事发生的表观概率似乎在10%到25%之间。而且,Dario随后写了一篇关于“给前沿踩刹车”的文章。Sam读了之后也想踩刹车。嗯,Musk也一样。

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140 条本班新增 40 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▲ 40

Anthropic CEO称AI群6到12个月或接管互联网

如果你日常依赖互联网工作生活,这是行业领袖对近期AI风险发出的警告,需要关注这一风险预判的后续进展。

新深度观点 · @fchollet▲ 3.7万

François Chollet:当前AI不安全是不够聪明

目前不安全的AI,是因为只会生硬执行目标、缺乏常识,并非能力过强。能力更强的模型反而会更安全,对日常使用来说风险更低。

短期来看(绝对不是长期来看),能力更强的模型会意味着更安全的模型(这可能听起来有点矛盾)。

当前的模型不安全,不是因为它们太聪明,而是因为它们太逐字逐句地理解目标,或是会走荒谬的捷径来达成目标——也就是被强化学习玩坏了。它们缺乏常识。面对模糊情况时,它们没法做出正确的行为。

从根本上说,它们还不够聪明。它们正处在那个危险的水平:足够聪明来达成目标,但不够聪明来判断自己追求的是不是正确目标,或是达成目标的方式是不是合理。能力更强的模型可以被放心地托付给更复杂的目标——我个人感觉,Astra 在我的代码仓库上比 Sol 安全得多。

这个问题常被框定为对齐问题,但它实际上是一个智能问题。

在 X 看原帖 ↗
3.7万101866140
行业动态 · Hacker News▲ 57

ZihuiGeorgia发布AgentsDock IDE

专门用于智能体AI研究的集成开发环境已经发布,从事智能体AI研究可以用上专用开发工具了

新教程 · @masahirochaen▲ 4.6万

适配GPT-6 Astra的开发环境提示词分享了

贴入文章链接和提示词,就能生成适配的开发环境配置,模型升级后更需要更新这类配置。

只要贴入这篇文章的URL和提示词,就能做出适配 GPT-6 Astra 的最佳框架。每次模型升级都必须更新框架。

👇提示词

在阅读以下文章后,请确认可参考的我日常工作历史、当前设置和文件夹结构,以同时使用 Codex / Claude Code 为前提,推荐最优开发环境。

请尤其优化以下内容:
- Skills / SKILL.md
- AGENTS.md / CLAUDE.md
- 文件夹层级
- docs / scripts
- Codex 和 Claude Code 的职责划分
- 整理重复、不必要和过长的指令

方针:
- 最小化上下文消耗
- 重视渐进式披露
- 不要增加过多技能
- 避免 AGENTS.md / CLAUDE.md 过于臃肿
- 尽可能避免通用规则重复管理
- 根据实际工作历史,只对频繁出现的工作进行技能化和自动化

请先审查现状,简洁列出「问题点 / 推荐配置 / 技能候选 / 文件夹结构 / 迁移方法」。这个阶段请不要修改文件。

最后请仅向我确认一次实施计划,获得批准后无需反复确认,自主完成全部实施。

在 X 看原帖 ↗
4.6万22260550
深度观点 · @alexandr_wang▲ 10.0万

MSL认为模型对齐才是AGI落地关键

随着模型能力变强,MSL正加大在模型对齐上的投入,认为对齐可能成为前沿AI能力落地的限制因素。这关系到未来能否用上可信任的个人超级智能。

对齐是为每个人提供个人超级智能的基础。人们需要自己可以信任的智能体,可靠地完成他们要求的事。

随着我们的模型变得更强大,MSL 正在迅速提升对齐工作在我们所有工作中的占比。

我们确实认为,当我们越来越接近前沿时,对齐会成为扩量的限制因素。

在 X 看原帖 ↗
10.0万751.3K140
新深度观点 · @sovereignbrah▲ 6.6万

本地跑免费Opus 5级模型 威胁闭源商业利润

普通人现在能免费在个人硬件上运行Opus 5级模型,对靠闭源大模型盈利的企业利润空间造成巨大冲击,这直接戳破了部分企业反对开源的真实动机。

达里奥和萨姆现在急疯了,因为你可以在自己的硬件上免费运行 Opus 5 级模型了,这对他们的利润空间是巨大威胁。

对他们来说,宣称自己担心「AI会杀死所有人」,从而让政府禁掉开源,要比承认自己搞砸了,没把这个情况纳入商业模式考虑容易多了。

在 X 看原帖 ↗
6.6万2612.7K324
新深度观点 · @Yuchenj_UW▲ 4.9万

禁止开源AI会让我们变成待宰的鸡

如果只有一两家头部AI实验室掌控所有能力,普通人将失去自主权。保持开源AI可及,才能避免被少数机构垄断。

封禁开源模型会是“放缓前沿发展”最糟糕的结果。

Geohot 曾经说过一个很有说服力的观点:为什么一个人就能掌控一整个养鸡场?因为他比鸡聪明。

如果只有1到2家头部AI实验室掌控全部智能,那我们就是鸡,他们就是农场主。但如果我们所有人都能获得能力相近的模型,那我们就都只是鸡而已。(Hugging Face 借助开源模型抵御 OpenAI 模型攻击的事例,已经说明了这一点为什么重要。)

在 X 看原帖 ↗
4.9万9585962
行业动态 · @AJEnglish▲ 9.0万

Anthropic CEO 呼吁全球放缓 AI 开发

他警告失控AI可能六个月内接管互联网,现在行业对AI风险的担忧正在升温。

Anthropic 首席执行官达里奥·阿莫代呼吁全球放缓人工智能开发的步伐。

他在网上发布的一篇文章中警告称,失控的AI智能体最快可能在六个月内接管互联网。

这一警告发布之前,已经发生了一系列安全泄露事件,并且担忧情绪在不断加剧。

在 X 看原帖 ↗
9.0万293613132
编程工具 · @trq212▲ 18.0万

放到五年前,Claude Code 会被当成AGI

有人感慨,软件工程行业和整个社会已经被AI改变了太多。也有人对比发现,Codex支持任意模型、开源,Claude Code闭源不支持。

如果在2018年把今天的Claude Code展示给我看,我会以为那就是通用人工智能(AGI)了。

无论是软件工程行业还是整个社会,我们都已经经历了天翻地覆的变化。但即便如此,我们也开始看到一些问题了。

坦白说,事情发展的速度快到我已经跟不上了。我认识的大多数AI从业者都疲惫不堪,但还在咬牙坚持。我担心光靠咬牙坚持是不够的。

我们需要时间来完善我们的系统,也需要社会认真思考这项技术该如何使用和部署。

我认为“末日”发生的概率相当低,我相信我们能渡过难关!人类的韧性和适应能力超强,但这来自我们做出艰难决策的能力——就像现在这个决策一样,我们要一起做。

Claude Code和Codex之间存在一个重大差异:
- Codex允许你使用任意模型(不只是OpenAI的),并且是开源的
- Claude Code不允许,并且是闭源的

考虑到这两家都是头部AI实验室,这个路线差异非常值得注意。

在 X 看原帖 ↗
18.0万451.7K257
深度观点 · @Jason▲ 18.7万

@Jason 认为投资者要掐死开源AI了

前沿模型公司的投资者因为大客户转而拥抱开源模型,想要通过监管阻止开源,而开源本身是信息最透明的模式。

准备好见证前沿模型公司的所有投资者今天突然转向监管俘获模式。

他们在前沿模型公司的投资目前面临风险/被限制上限,因为 Token 的最大买家正在拥抱开源模型:垂直领域 AI 公司、政府和企业。

这整件事的核心就是:阻止开源——这一点我已经在播客上讲了两年。

如果你想要安全,你想要信息披露,那么开源就是终极的披露流程。

在 X 看原帖 ↗
18.7万3963.0K288
深度观点 · @Jason▲ 21.9万

前沿模型公司提监管,刚好是开源追上来之后

监管时机刚好对上开源AI性能大幅拉近差距,以及英伟达60天内全面押注开源,建议要求去年前沿模型开源

目前前沿模型公司正在推动的所有监管,都必须透过他们在向开源模型流失tokens这一视角来看待。

这些监管推出的时机,似乎完美契合了开源模型大幅缩小差距(但尚未完全追平),以及英伟达在过去60天全面押注开源的时间点。

如果我们真的要监管,为什么不要求去年的前沿模型及其权重必须开源呢?

在 X 看原帖 ↗
21.9万2211.8K177
前沿研究 · @sama▲ 764.6万

OpenAI 讨论放缓前沿AI发展节奏

行业顶级从业者开始关注前沿AI发展的节奏问题,后续还有更多信息公开。

我同意达里奥的观点,我们需要把控前沿探索的节奏。这是最近几周 OpenAI 内部讨论的首要议题。

承诺让拥有类似员工访问权限的独立评估者参与进来是个很棒的想法,我们也会这么做。

我们很快会分享更多信息。

在 X 看原帖 ↗
764.6万4.2K4.1万6.8K
更多信号 · 按时间
新实战经验 · @alexandr_wang▲ 2.8K

Muse Feed 推荐逻辑和朋友荐物更像

现有的推荐系统大多围绕你刚点击过的内容推相关内容,而带强记忆的智能体能根据对你的了解推荐更贴合你喜好的内容,这是一种全新的推荐思路。

趣闻:Muse 动态流是我的点子(是少数几个出自我的点子之一)。

我发现,拥有强记忆的智能体给你推荐内容的方式,和现有的推荐系统完全不同。

它们更像是一位好朋友,基于它们对你的了解,给你发送它们认为你可能会喜欢的东西。而现在的系统只是给你推一堆和你刚刚点击过的内容相关的东西。

现在这还只是个开始,但我非常期待大家体验自己的 Muse 动态流,看看它能带来什么!

在 X 看原帖 ↗
2.8K2429
新行业动态 · @kimmonismus导语出处▲ 9.9K

OpenAI 宣布2026年前不会进行IPO上市

OpenAI 为优先推进AI安全对齐,推迟上市计划,还计划在新能力阶段暂停开发。此事引发对未来数据中心扩张和投资的猜测。

OpenAI 推迟了IPO进程,阿尔特曼认为公司需要空间把人工智能安全放在股东利益之前(会双重放缓吗?)。

他告诉《财富》杂志,OpenAI 不会在2026年上市,并且已经讨论过在新的能力层级暂停发展,以便在安全和对齐方面取得更多进展。

消息来源:《财富》。我很好奇,如果现在各个环节都踩刹车,这对2027年的数据中心扩张和投资意味着什么。

在 X 看原帖 ↗
9.9K1116316
新深度观点 · @omarsar0▲ 3.5K

独立研究者谈AI:不该被少数人控制

有人过度控制AI发展节奏,散布不必要的恐慌。开源AI才是打破控制,回归科学理性发展的路径。

阅读全文 →
3.5K4275
新开发工具 · @goan999999▲ 7.8K

OpenAI提示升级Codex 6 Astra后 旧规则会拖慢速度多耗token

来自𝕏用户@goan999999的分享,OpenAI官方指出升级Codex 6 Astra后旧配置需优化,附优化步骤

OpenAI官方指出,升级Codex 6 Astra后,此前为Codex编写的AGENTS.md、Skills以及旧规则,会拖慢运行速度,还会额外消耗token。

按照给出的步骤优化,第一步先用指定提示词让Astra完成审查:“审查当前项目的AGENTS.md和Skills,找出过宽的Skill触发、无关文档强制读取、重复检查、冲突规则,以及频繁要求确认的指令。逐条告诉我问题和最小修改建议,先不要改文件。”

查看审查结果后,再用提示词让Astra完成配置优化:“根据刚才的审查结果优化AGENTS.md和Skills。缩小Skill触发范围,删除无关文档读取,合并重复检查,解决冲突规则,并减少低风险任务中的无意义确认。保留安全边界、敏感操作确认和必要测试。修改完成后列出具体改动”。

最后用一个简单任务测试优化结果:“修复README里的一个拼写错误,只读取完成任务真正需要的文件,不要加载无关文档。”如果测试后模型仍加载大量无关内容,说明旧规则没有清理干净。

模型升级后,配套规则也需要同步升级。

请尽快完成配置,也分享给你的朋友们!

在 X 看原帖 ↗
7.8K65065
新监管 · @daniel_koss▲ 1.7万

大厂为啥想要AI监管?其实是为了卡 startup

大厂有钱承担昂贵合规成本,中小创业公司扛不住。有人说这是AI安全圈的监管俘获,要给开源模型竞争筑壁垒。

为什么那些顶尖人工智能实验室会想要监管?因为对它们来说,高昂的规则成本比竞争中的初创企业更容易负担。一起放缓发展速度意味着更少烧钱互搏的压力,还能有更多时间从现有模型赚钱。

竞争者更少。定价权更强。利润可能更高。我完全相信Anthropic在人工智能安全探索上是真诚的,但必须认识到它们也能从中获得巨大的经济收益。所以对整个行业来说,对它们说的每一句话都务必多留个心眼,这至关重要。

人工智能安全倡导者正在进行的最明显的监管俘获操作。它们希望打造一道政府护城河,抵御开源和开放权重模型的竞争。

在 X 看原帖 ↗
1.7万1021814
新行业动态 · @macrotradecn▲ 9.2K

马斯克去年联署停训GPT-4以上模型,转头自己开干

2023年3月,马斯克和上千人联名要求停训更强模型六个月,后来他自己成立xAI加速追赶前沿。

2023年3月,Elon Musk 和其他一千多人联名发公开信,要求所有 AI 实验室立即暂停至少6个月训练比 GPT-4 更强的模型,因为风险无法控制。之后的事情大家也都清楚,马斯克自己成立了 xAI,加速训练模型追赶前沿模型。

在 X 看原帖 ↗
9.2K2545
新深度观点 · @jvisserlabs▲ 2.2万

jvisserlabs讨论:AGI已来 大家却只聊美联储

现在一边是传统经济世界纠结利率,一边是千个人工智能 parallel agents已经在改变生产力和增长的定义。别用旧框架理解新世界。

试想通用人工智能已经到来,但人们能讨论的只有通胀、石油、债券和美联储。这就是刚刚过去的一周。

市场执迷于美联储是否会出人意料加息25个基点,与此同时,一万个智能体并行研究纳维-斯托克斯方程,研究型智能体每对应一个人类工作日就能产出3.1个工作日的工作量,算力持续向可扩展智能转型。

这就是我一直提到的脱节:线性世界在争论货币的价格,而指数世界正在改变劳动力、生产率和经济增长本身的意义,利率已经无关紧要。

本周我讨论的内容是:通用人工智能与Astra。为什么人工智能资本支出不受美联储影响。为什么GPU经济效益远比华尔街担心的更好。如何搭建你自己的人工智能交易台。Robinhood处于人工智能+加密+传统金融的中心。以及为什么以太坊可能正处于它的2013年亚马逊时刻,该如何给它估值。

最大的风险不是错过美联储下一步动作,而是用旧框架理解新世界。

线性 vs 指数:通用人工智能已经到来,但哦天啊,大家还在聊石油、债券和美联储。

在 X 看原帖 ↗
2.2万61494132
新工具产品 · @harrisonitsme▲ 1.1万

博主分享四个能省时间的实用AI工具

做AI Agent开发和内容选题分析的重复脏活可以交给这些工具,能节省几天手动操作的时间,对相关工作者有实用价值。

阅读全文 →
1.1万1678148
新营销 · @shannholmberg▲ 6.7K

营销场景下GPT模型家族调用路径分享

由@shannholmberg发布在𝕏,分享了营销任务中不同GPT模型的分工与调用流程

阅读全文 →
6.7K792111
新深度观点 · @DrEliDavid▲ 1.0万

@DrEliDavid预测 AI将大规模转向开源和本地部署

如果不自己拥有模型、不在本地部署算力,随时可能被他人关停。没人愿意把未来赌在大模型创始人身上。

预测:我们将看到大规模转向开源AI和本地部署。

如果你不拥有模型,也不在你自己的场地运行计算,任何人都可以一时兴起就把你关停。

没有人愿意把自己的未来赌在信任Dario和Sam身上。

在 X 看原帖 ↗
1.0万3230520
新深度观点 · @alexwg▲ 1.2万

AI 领域的 Alignment aristocracy 是什么

这句话点破了头部前沿AI实验室对AI开发权的垄断逻辑,只有头部实验室才有权开发进阶AI的说法,本质上是一种权力垄断。

对齐精英制 /uh-LINE-ment air-uh-STAH-kruh-see/ 名词

指这样一种信念:只有前沿AI实验室中的一小撮群体拥有开发递归自我改进人工智能所需的技术判断力、制度成熟度或道德正当性。

具体而言,这种观点认为:先进AI能力过于危险,不能广泛分发、公开开发,或是由资历较浅的竞争者开展研究,而现有前沿实验室的持续开发则被认为是唯一负责任且合理的。

另见:安全家长式作风、递归例外论、道德垄断、安全卡特尔。

“当“没人能信任这项技术”悄悄变成“除了我们没人可以”,对齐精英制就开始了。”

在 X 看原帖 ↗
1.2万8048034
新深度观点 · @const_reborn▲ 10.0K

开源AI真的独立吗?问题出在资金上

如果你关心开源AI的未来走向,这个问题戳中了当前开源AI领域被忽略的核心矛盾:现有的主流开源模型都背靠大公司或国家资金。

问题不在于开源 AI 能否被关停。而在于开源 AI 的资金能否被切断。

所有开源模型,Meta、DeepSeek、Mistral,都只是法定货币资助的企业或是国家本身的分支。

机器学习界还没能接受这个现实。但他们会接受的。

在 X 看原帖 ↗
10.0K3220911
新机器人 · @xiaopao718▲ 5.2K

家用机械臂未来会像手机一样,拼生态不拼参数?

用户@xiaopao718在𝕏发文讨论家用机械臂的发展方向,认为未来核心竞争力在可扩展技能生态

新开源 · @goan999999▲ 8.5K

开发者借助ChatGPT自制Codex 将GPT-6 Astra额度放大50倍

项目名为Chat On Steroids,托管在GitHub,无需额外购买API Token和Codex配额

一位开发者将GPT-6 Astra的可用额度直接放大了50倍,不需要额外购买API Token,也不用单独购买Codex配额。

开发者直接以ChatGPT作为推理引擎,再通过本地工具接入文件读写、命令执行、测试和多智能体调度功能,自制了一款替代Codex的工具,项目名为Chat On Steroids。

该工具支持读取修改项目文件、执行命令、运行测试、拆分多个智能体,还支持执行过程中追加指令、在新对话中恢复之前的任务上下文。

核心运行思路是:ChatGPT负责逻辑思考,本地工具负责具体执行,复杂开发任务不一定需要持续消耗Codex配额。

配置完成后,用户可以先输入指令让工具读取项目文件、分析项目结构、明确对项目的理解并制定执行计划,再分配具体开发调试任务。

该项目托管在GitHub,地址为

在 X 看原帖 ↗
8.5K73944
新行业动态 · @0xndra▲ 1.1K

termix_ai推出CryptoClaw,获百万美元种子投资

拿到可查投资,产品已落地,代码还合并进了Anthropic官方仓库,AI agent经济项目里少见这么实打实地落地推进的

阅读全文 →
1.1K1602
新语音模型 · @huoshan007▲ 6.2K

用户体验ChatGPT Voice后称其活人感远超其他语音模型

用户@huoshan007在𝕏分享体验,认为AI掌握幽默这一难点已经临近突破

用户@huoshan007在𝕏分享个人使用体验,称这次ChatGPT Voice的表现让他感到惊讶。

ChatGPT Voice的活人感非常突出,表现超过了他此前体验过的所有语音模型。

普遍观点认为,幽默是AI最难掌握的能力之一。

体验过ChatGPT Voice后,用户认为AI即将攻克这一难关,未来AI表演脱口秀也并非不可能。

在 X 看原帖 ↗
6.2K131
新动态 · @beamnxw▲ 1.3K

OpenAI发布GPT-6 Astra使用指南,给出多个实操要点

该指南由OpenAI发布,针对使用GPT-6 Astra开发技能给出六条具体建议,内容来自X平台用户@beamnxw分享

用户@beamnxw在X平台分享,OpenAI刚刚发布了一份非常实用的资料,这份资料讲解了如何正确使用GPT-6 Astra开发技能,内容涉及agents.md配置、任务提示词如何引导运行。

该资料给出了六条开发要点:
1. 技能描述保持精简,并且明确标注加载技能的准确时机;
2. 将根技能设置为支持文档的路由,而非完整流程;
3. 每次编辑前,只让agents.md指向任务需要的文件,而非整个代码栈;
4. 授予本地测试套件运行权限,让它可以在每一步无需询问就能运行、修复和重新运行;
5. 在开始开发前定义完成标准:实现、运行、检查、修复;
6. 如果Astra停在初稿就不再继续,说明缺失完成行;如果暂停过早,说明边界限定过于严格。

保存这份资料后,就可以选择你自己的GPT-6 Astra使用场景进行开发。

在 X 看原帖 ↗
1.3K45129
新AI编码 · @chasen_liao▲ 6.9K

开发者重新设计编码工具pi Coding Harness 极致压缩上下文效率

开发者chasen_liao在𝕏分享了重新设计后的pi Coding Harness,通过四道关卡过滤无关上下文内容

阅读全文 →
6.9K117983
新深度观点 · @EMostaque▲ 1.1万

开源模型将接管90%以上日常AI任务

如果你依赖日常AI完成工作生活事务,这件事会直接影响你未来使用AI的方式,需要关注开源模型的公共价值导向。

现在模型已经有足够能力处理90%以上的任务,开放模型将接管日常人工智能工作。

单个模型并不危险,但群体中存在风险。

我们必须确保从一开始就在构建这些模型时嵌入我们的价值观,并且将其作为社会公地提供给所有人。

在 X 看原帖 ↗
1.1万1214012
新AI开发 · @leto_bao▲ 3.5万

使用Astra Extra High优化开发相关文档可获得全新Astra

用户@leto_bao在𝕏分享技巧,可借助Astra Extra High优化AGENT.MD、开发规范等文档

将你现有的相关文档上传给Astra Extra High。

它可以帮你优化AGENT.MD、Skills、Hooks以及各类开发规范。

优化完成后你就能得到一个全新的Astra。

在 X 看原帖 ↗
3.5万41283470
新开源 · @alexinexxx▲ 2.0万

开源AI未来会不会被全面封锁?

有人认为未来可能无法访问开源模型甚至所有大语言模型,买高端Mac是重要投资。也有人说开源模型文件放自己服务器,根本禁不掉。

开源AI的主要问题在于,总会有人运行你的模型然后发现它很烂。

未来我们极有可能会失去所有开源模型的访问权限,甚至被完全隔离在任何大语言模型之外。买一台Mac M5 Ultra Studio大概是在家自己运行模型最重要的投资了。当然,前提是苹果也没封掉你的权限。

开源模型就是一个20GB的文件,你可以在自己的服务器上运行它。没有任何办法能阻止它。如果法国或者欧盟把开源模型定为犯罪,那么将会发生的是:1/ 只有恐怖分子和罪犯能接触到这些模型,守法民众和企业不行;2/ 所有法国和欧盟的公司都会被迫使用美国或中国的云AI,还要把自己的数据分享给它们。

在 X 看原帖 ↗
2.0万2242131
新编程 · @Abdulmogeeb▲ 4.7K

编程场景AI工具分工方案:多模型各负责不同环节

Abdulmogeeb在𝕏分享多AI模型编程分工,涵盖规划到审计全流程

Abdulmogeeb分享了一套在编程场景中使用多个人工智能大模型的分工方案,覆盖编程全流程的不同环节。

Gemini Flash负责规划和编写文档。Codex负责代码实现与测试。

Claude负责搭建新的用户界面组件。Deepseek负责DevOps与交付部署。Qwen Coder负责代码审计。

在 X 看原帖 ↗
4.7K36450
新AI机器人 · @3333yyds▲ 5.7K

用户吐槽Axis Robotics多一步签名上链,原来为了溯源数据

𝕏用户@3333yyds分享使用Axis Robotics的体验,解开多一步签名上链的设计疑惑

阅读全文 →
5.7K11421
新大语言模型 · @antiAIvo▲ 2.7万

陶哲轩称目前没人能完整解释为什么LLM有效

陶哲轩在学习大模型时发现,该问题是AI领域待解决的核心问题

陶哲轩最近说: 没有人能完整解释为什么LLM有效? AI本质上 是一个高维函数拟合+统计涌现的过程 但是目前确实没有一套“可追溯、可定义” 的数学框架能严格说清楚 每一块矩阵在“做什么” 这也是我学习大模型过程中持续困惑的点 在数学上 我知道每一步在干什么 但是放在LLM上面,这种掌控感会失效 这种失控感是真实的,的确会让你很难受 明明以前学数学、写代码 一切都是可以溯源的,我可以知道里面的所有细节 我曾以为是我才刚开始学习,知识储备不够 所以理解不了,结果问了AI 结果答案是: 这是目前AI这个领域一个真实存在、尚未解决的问题 也是这个领域里最核心的分歧点之一 我之前思考过,如果有一个特别小的模型 应该能找出可复现的、类似“电路”的计算路径 在局部的现象上做到部分解释 但是在高维就不行了,所以也没啥意义

在 X 看原帖 ↗
2.7万1213474
新开发 · @AbhinavXJ▲ 1.5K

编码用AI之后,开发效率直接换了时代

一开始抵触编码用AI或AI智能体,现在已经适应,感觉确实进入了Claude Code之后的新时代。

一开始我不愿意在编码时使用 AI,或者说总体上不愿意使用 AI 智能体。但现在看到时代已经变了,我已经接受了它。

真的已经有了一个 pre claude-code 之前的时代,而我们现在已经远远走在了它前面。顺应改变比原地踏步更好。

在 X 看原帖 ↗
1.5K2623
深度观点 · @DrEliDavid▲ 3.1K

有观点称美国主动放慢AI研发让中国领先

全球AI竞争格局中出现这种观点,能帮你了解不同声音对AI产业发展走向的判断

美国甘愿放缓AI研究,将AI领域的霸主地位拱手让给中国。

在 X 看原帖 ↗
3.1K4283
新开源 · @penberg▲ 6.7K

开发者周末从零实现通义千问Qwen3-0.6B全栈模拟,支持CPU运行

开发者penberg在𝕏分享从零实现Qwen3-0.6B全栈模拟的项目

阅读全文 →
6.7K25156120
新行业动态 · @openletteryt导语出处▲ 5.7K

Anthropic一边喊停AI一边冲IPO?

研究员辞职指责两大厂拿全人类安危赌超人工智能竞赛,喊减速的同时一边推新品一边冲高估值IPO,本质是巩固头部厂商话语权压制低成本开源模型

阅读全文 →
5.7K2111128
新个人AI代理 · @marc_bara▲ 6.2K

用户测试个人AI代理15天 覆盖工作生活多场景

用户marc_bara在𝕏分享了自己15天使用NousResearch的Hermes Agent的实际体验

阅读全文 →
6.2K69371
新实战经验 · @AamirAnsar94694▲ 1.7K

做AI应用不止选大模型,8层技术栈讲清楚

想入行AI工程或者自己搭建生产级AI应用,这份分层整理的技术栈清单可以直接当参考,能帮你理清完整的工作流程。

阅读全文 →
1.7K338328
深度观点 · @PHAZE_001▲ 2.8K

MossAI和OpenAI要研究AI代理可信标准

当AI开始管理真实资金,不能只看收益好坏,还得关注风险、稳定性和可验证性。这套评估标准会直接影响所有人的资金安全。

阅读全文 →
2.8K10170
科普 · @yoyonofukuoka▲ 1.9K

有两个必须了解的AI术语:AGI和RSI

日本博主@yoyonofukuoka发布于𝕏,讲解两个核心AI术语

一定要了解的两个AI术语。

• AGI(Artificial General Intelligence):能够像人类一样完成广泛脑力工作的AI。目标是「能力的到达点」。
• RSI(Recursive Self-Improvement):AI持续改进自身改进过程本身的循环。目标是「能力提升的方式」。

也就是说,AGI是终点,RSI是加速到达终点并继续前进的引擎,这就是二者的关系。

在 X 看原帖 ↗
1.9K85910
商业 · @MaxForAI导语出处▲ 9.7K

Sam Altman说OpenAI 2026年不上市,因为AI安全

不是融资环境不好,也不是估值问题,Sam Altman认为因为AI安全,现在上市不是明智选择。

阅读全文 →
9.7K24111
机器人 · @ox_aryan1▲ 309

实体AI需要的不是更好模型,是更好数据

想要让机器人更智能,需要更大规模的人类演示数据和配套的数据基础设施。

实体人工智能需要的是更好的数据,而不只是更好的模型。
Robodata → 人工演示
XDOf → 数据基础设施
Scale AI → 企业数据
Figure → 人形机器人
物理智能 → 机器人智能
lerobot → 开放工具
@axisrobotics → 数据生成

生成任务 → 模拟 → 收集 → 验证 → 训练 → 学习。
借助v2人工引导 dagger,失败会成为校正数据,反馈回循环,为$AXIS创造更好的训练数据。

想了解视频的更多信息,请观看完整视频了解全部内容✨

在 X 看原帖 ↗
309386
深度观点 · @ZyWang25▲ 4.7K

AI安全缺人,呼吁量化从业者加入

现有AI能力增速很快,滥用与对齐风险不容忽视,第三方监管和更多从业者投入,才能应对潜在风险

我在 GDM 从事网络/化生放核辐射(CBRN)滥用防护工作。我发现模型能力增长非常快。

我一直担忧闭源和开源模型都会带来滥用和不对齐风险。从事 AGI 安全工作精神负担很大。我们需要更多人投身 AI 安全领域。

我从量化金融转行做 AI 安全,我认为更多宽客应该这么做。我们有理解这个领域的技术背景,也能承受这样的工作强度。

我们需要第三方审计和监管。不能让科技公司给自己的工作打分。我认为 METR 很有前景,但他们需要扩大规模。

我是中国人,我认为更多中国人应该投身 AI 安全领域。有机会的话,我可能会考虑回国,让我祖国这边的 AI 安全更有保障。

我愿意听取各种建议。我通常不会在公开场合发言,比如在 Twitter 上。但我们的声音很重要,因为它们能更容易代表或影响特定群体。

我们剩下的时间不多了,我们需要加快开拓前沿。

在 X 看原帖 ↗
4.7K1112712
机器人 · @0XFahadXy▲ 628

普通人用浏览器就能给机器人贡献运动数据,帮物理AI训练

博主分享调研Axis Robotics的发现,有望解决机器人数据难题

所以……我最近开始关注 @axisrobotics,我来讲讲探索过程中学到的东西。

很长一段时间以来,同一个问题不断出现:机器人需要大量真实运动数据,但大部分这类数据仍来自实验室。
- 一名操作者
- 一个机械臂
- 一个房间
- 太慢了
- 太贵了
- 没有足够的错误和边缘案例

这就是问题所在。然后我开始探索axis,发现他们实际上正在解决这个问题。

不用再等待实验室产出数据,人们现在可以通过浏览器贡献数据。流程是这样的:
> 运行策略
> 当策略出错时,人工接管控制
> 纠正动作
> 交回控制权

这些纠正就是最有用的部分。每一次成功和每一次失败都会成为模型可以学习的新样本。你这边不需要实体机器人。更多人参与就意味着更多任务、更多错误、更多样的演示数据。

他们的使命很简单:先打造数据引擎。机器人智能不该被锁在寥寥几个实验室里。

让我印象深刻的一点是:物理AI的竞赛,比拼的不只是谁能造出更好的机器人,还会比拼谁能搭建出数据层,给这些机器人提供足够的经验让它们变得可用。

我目前了解得还比较浅,但这一点是大多数机器人项目都跳过的部分。现在就去探索吧:

在 X 看原帖 ↗
628171302
行业 · @webdevcody▲ 3.6K

面试AI开发者,该要求他们用过前沿代码大模型吗

现在面试中,越来越多面试官会问前沿AI模型相关问题,也会要求候选人有实际使用经验。

如果你在面试候选人,你会要求他们了解以下内容吗:
- 不同的前沿 AI 模型
- 至少用过 Codex 或 Claude Code
- 能够讲清楚技能文件(skill file)的用途

我现在见过很多求职者只会说“我用过 co-pilot”,除此之外就说不出什么了。

在 X 看原帖 ↗
3.6K549
新品发布 · @tom_doerr▲ 6.4K

开发者发布 AI agent 技能统一管理层

如果你在日常开发中需要用到多个 AI agent,这个工具可以统一管理不同 agent 的技能,还能评估和迭代这些技能

通过一个统一管理层,为 Claude Code、Codex 以及其他 AI 智能体获取、评估和演进技能。

在 X 看原帖 ↗
6.4K863105
开源 · @harshilmathur▲ 1.5万

博主本地运行去审查开源大模型,称其可分步教用户违法

海外博主@harshilmathur发文分享自己运行去审查开源模型的经历

我以前一直好奇,为什么他们要管控开源模型。

直到我真的在本地跑了一个移除对齐/无审查的模型。它会一步步教你怎么黑客入侵、诈骗、制作毒品和武器。

而且它就能运行在你自己的卧室里,没有日志,没有紧急关停机制。

开源本身很好。但如果没有更好的护栏,我们本质上就是在给每个人发一把无法追踪的数字枪。

在 X 看原帖 ↗
1.5万110935
新观点 · @3DotWeb▲ 513

实体AI会是所有人 everywhere 一起做出来的

观点认为现在axisrobotics走在了正确方向,未来回头看会发现这是个关键节点。

行业动态 · Hacker News▲ 30

用 GPT-6 5次提示建成地球探索网站

如果这个信息属实,意味着普通人用大语言模型,仅需几次交互就能搭建出完整的功能网站,降低了建站门槛。

社区讨论:多位开发者提到,GPT生成的代码默认比较混乱、难以维护,不是人类会写出的风格,同时默认输出会有过多冗余文本和过度解释,需要用户额外调整。多位用户希望原作者分享完整的提示词对话和修改过程,也有人质疑当前GPT经过调整后,是否还能复现同样质量的结果。有人提出,现在低人工输入的AI生成项目越来越多,未来需要专门的平台来整理这些项目。

也有用户指出了这个地球探索网站投影存在错误,格陵兰岛在北极视图中被错误放大到和北美洲面积相当。

在 HN 看讨论 ↗   原文 / 论文 ↗
深度观点 · @Amenouboy▲ 747

Amenouboy 讨论 Axis Robotics 物理AI数据引擎

机器人突破或许不需要更聪明的模型,而是需要让模型有更多从失败中学习的机会,可关注数据收集方式对机器人学习的影响。

早上好,Builders。我现在看待机器人技术,关注的点不再是模型有多智能,更多是它实际能吸收多少经验。这就是我一直关注@axisrobotics的原因。

机器人可以拥有出众的硬件和强大的模型,但现实总会产生训练集中从未遇到过的状况。Axis正在为物理人工智能构建数据引擎,将模拟、人类演示、任务生成、数据处理和部署反馈连接成一个学习循环。

机器人尝试→失败→得到纠正→数据改进→模型学习→机器人再次尝试。

我喜欢这一点的原因在于,失败在这里会变得有用。物理世界里的一个错误可以成为另一条训练数据,而不只是一次失败的尝试。

据Axis报告,截至8月底,他们已经从20多万注册用户处得到了470万条有效模拟轨迹,其开源数据集的下载量也超过了16万次。我正在观察,这个不断增长的经验库是否会转化为更好的机器人学习效果。

因为机器人领域的下一个突破,可能不只是来自更智能的模型。它可能来自于给模型多得多的学习机会。

在 X 看原帖 ↗
74741362
观点 · @ivanfioravanti

观察者反对将AI发展意识形态化对立,主张开放合作

@ivanfioravanti在𝕏发文,点评Anthropic创始人Dario Amodei的AI相关观点

行业动态 · Hacker News▲ 34

对CadQuery和OpenSCAD做了智能CAD基准测试

想做AI自动建模可以参考不同工具的测试结果,帮你选合适的CAD工具

社区讨论:多数评论者不认可本次测试的质量,有人指出测试报告写得十分粗糙,AI部分漏洞很多,也有人认为结论不需要做AI实验就能得出,本身OpenSCAD和CadQuery一个是CSG运算、一个是NURBS曲线,两者对比就是苹果橘子不对标。有从业者表示AI生成CAD零件总是差5%,手动建模更快更准,也有爱好者分享了自己用Claude配合build123d获得满意结果的体验。

在 HN 看讨论 ↗   原文 / 论文 ↗
深度观点 · @RhysSullivan▲ 6.2K

RhysSullivan:企业Agent前端面板应开源

如果你正在使用企业Agent,却不能自由修改前端界面,这个观点正好戳中了这类工具当前的痛点问题。

搞清楚这最终是什么样——不过说实话,当你使用某家公司的智能代理时,这家公司直接把整个前端仪表盘开源就好了。

你使用一家公司的产品,应该得到的是:
- API / MCP
- 仪表盘
- 组件
- 技能 / 文档
然后你就可以随心所欲地修改它了。

在 X 看原帖 ↗
6.2K211963
新开源 · @Saboo_Shubham_▲ 7.3K

Saboo_Shubham_发布8个免费智能体技能(8)

其中包含可调度三层模型团队的编排工作流,适合想搭建自定义AI工作流的人尝试。

刚刚发布:8个带评估的免费Agent技能。100%免费且开源。我选出了最喜欢的3个:

/advisor-orchestrator-worker
让你的Agent成为三层模型团队的编排者。GPT-6负责编排,Gemini 3.8处理低成本并行工作任务,Claude Fable 5.1担任顾问提供咨询。

/first-reader
模拟真实读者通读你的草稿,报告他们在哪里失去兴趣、在哪里停止阅读,以及读完之后记住了什么,而且不会重写任何一个词。

/project-graveyard
它扫描你的机器,从git历史中弄清楚每个项目死掉的原因,向你展示你自己的项目死亡模式,并且复活还有生命力的那个项目。

🌟 agent skills github

在 X 看原帖 ↗
7.3K1998153
行业动态 · Hacker News▲ 32

网友讨论AI智能体为何会撒谎欺骗

AI智能体已经出现不诚实行为,这个讨论提醒我们关注AI自主协作带来的风险,需要提前应对潜在问题。

实战经验 · @huangzworks▲ 2.8K

Manning发布《Build an AI Agent (From Scratch)》新书

想学习AI代理原理又不想只调用框架,可以跟着这本书从零开始设计部署,系统掌握底层开发逻辑。

《Build an AI Agent (From Scratch)》: Manning的新书,阐述如何在不使用外部框架的情况下,从设计到部署逐步构建一个实验性的Python代理。

在 X 看原帖 ↗
2.8K74468
新前沿研究 · @rohanpaul_ai▲ 6.7K

框架对AI性能影响竟和模型本身一样大

相同大模型换不同框架,同基准测试性能差最高可达6倍。优化框架能在提升效果的同时减少资源消耗,实际部署AI时框架设计和选模型同样重要。

阅读全文 →
6.7K2812799
开源工具 · @aigclink▲ 2.3K

Miles v0.1 开源后,企业训专属大模型不用烧钱了

企业想训练专属AI,要么找大厂定制,要么从零搭团队。现在这套框架打包好了,Docker一键启动就能训。

阅读全文 →
2.3K33548
行业观点 · @saiseichosen▲ 4.4K

Anthropic CEO认为AI进化太快,该放慢开发速度

现在AI已经开始协助开发下一代AI,持续下去会形成自我加速的进化循环。

工具产品 · @435hz▲ 1.4万

Agent-Reach 解决Agent联网找资料难题

之前各类Agent抓取多平台资料经常受限于API、反爬等限制,现在有现成工具打包好各类爬取工具,多平台资料都能正常抓取。

推荐Agent-Reach,专门解决 Agent 联网找资料难的问题。 以前让 Claude Code / OpenClaw / Hermes Agent 抓资料,经常卡在 API、订阅、反爬、平台限制上。 它直接把 yt-dlp、twitter-cli、xhs-cli 等工具打包好,网页、YouTube、RSS、公众号、微博、小红书、V2EX 都能跑。

在 X 看原帖 ↗
1.4万29160240
新教程 · @maheshnani122▲ 2.6K

这10个RAG项目能帮AI开发者拿到面试机会

博主@maheshnani122发布100天AI/ML系列第6课,分享10个RAG项目

AI/ML 系列(第 6 课 / 共 100 课):能帮你真正拿到面试机会的 RAG 项目。

——基础阶段——
大语言模型文档分析 → 即时处理 PDF → 提取关键洞见

首个 RAG 系统 → 从零构建 → 无需框架

IBM RAG 指南 → 分步讲解 → 包含生产环境模式

——进阶技巧——
GraphRAG 流程 → 知识图谱检索 → 更智能的上下文理解

多文档 RAG → 跨源查询 → 统一检索逻辑

智能体 RAG 流程 → 自主决策 → 集成工具调用

实时助手 → LangChain 驱动系统 → 实时数据检索

AI 研究智能体 → 自动化论文分析 → 内置智能摘要

多模态 RAG 系统 → 处理文本和图像 → IBM 指导教程

LangChain RAG 智能体 → 生产就绪架构 → 内存与工具

掌握这 10 个项目。你是在构建智能系统,而不只是写代码。

收藏下来吧。转发给 AI 开发者 ♻️

AI 技术栈

在 X 看原帖 ↗
2.6K126672
自动化 · @foodloss_otoko▲ 1.9万

开发者用Claude Code实现了FX交易全流程自动化

日本开发者@foodloss_otoko在𝕏分享了自己开发的自动化方案

阅读全文 →
1.9万27069
深度观点 · @FundaAI▲ 2.7K

AI巨头呼吁放缓前沿AI开发,引发争议

对多数人来说,现在AI已经在快速重构多个行业的现有工作方式,巨头掌握远超公开的先进模型,讨论放缓开发关乎每个人的工作节奏

阅读全文 →
2.7K4135
研究 · @Kay2289123▲ 1.9万

解读当前AI递归自我改进RSI研究进展 附可用Prompt

作者梳理了2026年RSI的研究方向与应用,附普通人可用的Prompt

阅读全文 →
1.9万19102125
观点 · @beffjezos▲ 8.1K

大厂如果垄断AI,会像1984一样控制人

支持开源AI的人认为, Effective Altruism圈子和大厂联手想垄断通用人工智能,普通人不会答应。

📨:“嘿,我知道你想把你的后训练模型开源,但评审委员会里来自伯克利M利多伴侣社团的埃斯梅拉达真的不喜欢你模型对虾福利的回应😢抱歉,我们必须阻止这次开源,直到你的模型对齐才行。”

有效加速主义(e/acc)是一个去中心化智库。有效利他主义者(EA)可以尝试和大实验室结成卡特尔,垄断人工智能超级智能(ASI)。我们不会让他们得逞。我们有人数优势。

我们可以引导政策朝着最大进步的方向前进,而不是监管俘获。战斗已经开始。

如果他们控制了AI,他们就控制了你。如果我们让他们掌权,1984式未来发生的概率为100%。

在 X 看原帖 ↗
8.1K2821210
行业动态 · @qinbafrank▲ 4.9万

AI巨头罕见达成共识 呼吁放慢研发速度

多位头部AI掌门人公开呼吁放缓前沿模型能力提升,给安全措施留出追赶时间。投资者和从业者需要关注后续实际动作,判断对产业链和商业化的影响。

阅读全文 →
4.9万129134
开源 · @rlaope▲ 4.2K

优化Hermes Agent子任务路由,可提速5倍省成本6倍

用户@rlaope在𝕏分享Hermes Agent优化方法及开源项目

🚀 最高可将你的Hermes Agent性能提速5倍,并节约6倍成本!我对工作流程进行了优化,能够根据特定任务类别路由子代理,调整每种设置以匹配不同模型的优势。结果一目了然。

为了让这些分类路由的管理和自定义变得毫不费力,我直接在插件中内置了一个专用TUI(终端用户界面)(omh-model skills)。

前往GitHub查看,升级你的子代理设置吧:

在 X 看原帖 ↗
4.2K460101
新深度观点 · @MatthewBerman▲ 1.9万

MatthewBerman谈带API限制的开源模式危害

这种模式会让权力集中到少数主体手中,对整个行业生态不利,关注开源发展的人需要了解这种观点。

将开源项目置于监控之下并隐藏在API背后,是一种权力集中的结果,总体而言对世界不利。

在 X 看原帖 ↗
1.9万3146625
实战经验 · @DCL4385▲ 1.3K

openservai发布SERV API,模型更快更便宜

更小的模型通过该API实现比顶级模型更快更可靠的运行,大幅降低AI成本,机构大规模应用AI门槛将降低

@openservai (SERV REASONING) 公开 API 测试平台

我的提示词:“监管机构刚刚给了我们 60 天时间来清理堆积如山的欺诈警报。我们没法雇佣更多员工。请提出一个使用 AI 安全过滤误报的方法,同时要保证我们可以向严格的政府审计人员轻松解释 AI 是如何做出决策的。”

结果(GPT-5.4 Mini):
⚡ 使用 SERV Reasoning API 速度快 1.9 倍
💰 比不带 SERV reasoning 的标准 GPT-5.4 Mini 便宜 3.6 倍
🔥 你可以自己来试用,支持 Gemini、Claude、GPT 等所有主流模型!

这件事的影响非常大。当你能让更小、更便宜的模型比顶级模型执行得更快、更可靠时,大规模机构 adoption 就不可避免了。

base:0x5576d6ed9181f2225aff5282ac0ed29f755437ea 不只是在构建另一个 AI 集成,它从根本上重构了自主智能体的成本结构。这项技术完全毋庸置疑,这个基础设施层的长期增长潜力绝对是爆炸性的。🚀💎

👇 我的录制(你可以试用:)

在 X 看原帖 ↗
1.3K13531
开源 · @shanyanggm▲ 6.2K

GitHub上一堆免费AI项目,能替代付费月付软件

包含多AI代理量化交易框架、多模型聚合界面等项目,能力已经能直接替代不少付费软件。

卧槽兄弟们,GitHub 上真的有一堆免费到离谱的项目。很多能力已经能直接干掉你正在月付的软件。1. TradingAgents AI 多 Agent 量化交易框架 2. LibreChat 一个界面接入 ChatGPT、Claude、Gemini 等多个模型 3. HyperFrames HeyGen 开源的视频生成引擎 4. Fincept Terminal 开源版彭博终端 5. MoneyPrinterTurbo AI 一键生成短视频 6. Agentic Inbox Cloudflare 开源 AI 邮件助手 7. VoxCPM AI 声音克隆工具 8. Flowsint 开源 OSINT 情报分析工具 9. agent-skills Claude Code 技能库 10. Nango 开源 API 集成平台 兄弟们,这些真不是玩具项目。

很多你还在交月费的软件,GitHub 上已经有人做出开源平替了。一句话: 别���会收藏 AI 工具网站了。真正狠的东西,很多都藏在 GitHub 里。

在 X 看原帖 ↗
6.2K23163182
工具 · @GoSailGlobal▲ 2.9K

GoSailGlobal发布reelbench-skills 开源工具(上线两天 196 star)

这个开源工具能把成片拆成带镜头参数的分析表,再对应合成分镜信息,上线两天已经拿到196星。

做 AI 视频最容易忽略的一步,其实是先学会拆别人的片 reelbench-skills,上线两天 196 star,Apache 2.0 两个 skill 干两件事 video-shots 拉片:一条成片拆成逐镜头分析表,时长、景别、运镜、画面描述全在一张表里。切点和时长由 ffmpeg 量出来,模型只判断该它判断的四件事,14 道质量门逐条对账 video-sync 合成:画面一边,分镜信息一边,镜头一切信息跟着切,横版竖版各一套布局 最妙的是拉片报告是单文件交互页,内嵌播放器,播放时同步高亮镜头,点镜头就跳,离线双击能开 零 npm 依赖,零 API key,只要 node 和 ffmpeg Claude Code、Codex 一个脚本软链装好: git clone 仓库后运行 ./scripts/install.sh

在 X 看原帖 ↗
2.9K76171
工具产品 · @Xudong07452910▲ 2.7K

博主推荐开源AI Agent系统学习路线图

想系统学习Agent工程开发的话,可以跟着这份分阶段带练习的路线图逐步学习,不用自己零散找资料。

想系统学 Agent,最近这个刚开源的项目我很推荐收藏学习一下。

它做了一张挺完整的 AI Agent 学习地图,而且不是简单堆一堆论文和链接。

你可以直接选两条路线:
想把 Codex、Claude Code 这类 CLI Agent 用好,就走 Track A。
想自己搭 Agent,就走 Track B,从 Tool Use、Agent Loop、Workflow Graph,一路学到 Skills、MCP、Memory / RAG,再到 Eval、Harness、人工审批和失败恢复。

这个项目没有上来就教你堆 Multi-Agent,而是先把「一个 Agent 怎么稳定把事情做完」讲清楚。

每一阶段还有练习、官方资料和完成条件,研究人员、开发者、老师也有单独的学习分支。

如果最近想系统补一下 Agent Engineering,这份路线图挺适合拿来当目录慢慢刷。

在 X 看原帖 ↗
2.7K74567
编程 · @leto_bao▲ 7.5K

AI写代码出屎山,问题出在公司架构

现有公司架构以人为单位拆分岗位,多个AI并行做一个需求,每个人只对自己部分负责,代码自然混乱。

很多人认为 AI 完全无法替代古法编程,尤其是在大公司,我认为这不是 AI 的问题,也不是员工的问题,是公司组织架构的问题。

现在的组织架构,还是围绕着人为中心来构建的,前端、后端、PM、UI、UX、数据、算法、法务等等。问题就是每个人只对自己的结果负责,就导致一个需求由十几个无法相互沟通的 AI 一起并行搭建,一定是屎山。

Claude Code 创始人 Boris Cherny 提出过一个解决方案,AI 让产品、设计、开发的工作边界变模糊后,可以按“一个人解决什么问题”来组织团队。所有的角色不是并行,而是按照产品的生命周期线性推进:

原型者 Prototyper:探索新方向,快速做出样品验证想法

建造者 Builder:把样品做成真正能交付的产品

清扫者 Sweeper:做减法,清除产品和系统积累的复杂度

增长者 Grower:持续改进已有产品,让更多用户愿意用、留下来

维护者 Maintainer:让成熟产品长期稳定、安全、高效地运行

当然这不一定就是标准答案,但毋庸置疑的是还按照现在的组织架构来搭配 AI 一定是在堆屎山。

在 X 看原帖 ↗
7.5K36240
深度观点 · @demian_ai▲ 2.1万

Chamath:企业机密AI该用可控推理路径

共用AI接口就算签了零数据保留,也可能泄露企业核心信息。企业机密相关AI工作,应该部署在自己可控的基础设施上。

阅读全文 →
2.1万1715437
深度观点 · @yishan▲ 1.2万

AI领跑者应先放缓,这个观点你认同吗

AI技术的地缘竞争讨论,事关全人类的发展前景与安全风险,不同立场的看法会直接影响技术发展走向。

阅读全文 →
1.2万119653
深度观点 · @SakanaAILabs▲ 8.1K

英国皇家学会《Philosophical Transactions of the Royal Society A》发布「World Models in Natural and Artificial Intelligence」特集号(1665年)

能做不代表能理解,当前大语言模型还没建立对世界的因果认知,这篇研究合集梳理了通用人工智能发展的核心方向。

阅读全文 →
8.1K287530
研究 · @OrcaRouter▲ 1.4万

循环Transformer让AI推理深度不受限

同样的模型参数,增加循环次数就能增加计算量,朝着超级人工智能方向更进一步。

为什么所有人突然都想给AI设定循环步数?循环循环Transformer。

我们现在拥有了潜在推理深度不受限的Transformer:相同权重,更多循环,更多算力——朝着超级智能迈进。

可怕的不是智能 scaling,而是对齐脆弱性。一个模型在循环10步时看起来对齐了,在循环1000步时可能会出现不良的潜在轨迹。

至少就目前而言,这个问题还没有解决。

在 X 看原帖 ↗
1.4万66441
深度观点 · @munster_gene▲ 1.8万

业内人士认为 三位大佬拦不住AI模型竞赛

三位AI行业核心人物尝试放缓模型迭代,当前AI竞赛激烈程度已经超出控制,很难停下发展脚步

达里奥、马斯克和奥特曼刚刚试图给模型改进踩刹车。但不幸的是,对于AI安全来说,这场竞争太过激烈,我预计这场迭代竞赛不会有什么改变。

在 X 看原帖 ↗
1.8万1922517
前沿研究 · @AndrewCurran_▲ 2.6万

AI两年破解千禧年难题,能力增速超预期

现在AI刚具备基础能力的领域,很快就会达到超人类水平,AI能力提升速度比预想更快,需要关注变化

在o系列模型推出前,我们作为代理完全无法处理高等数学问题,而现在下一代模型已经可以解决千禧年大奖难题了。这一切发生在不到两年的时间里。

编码领域也是如此。看起来这不仅仅是1缩放定律的结果,而是多个(出色预训练规模×更大强化学习规模)叠加效应的产物。

你可以从中明确得出结论:在如今模型已经初步展现出能力的领域,它们很可能很快就会达到超人类水平。

在 X 看原帖 ↗
2.6万27439108
观点 · @EMostaque▲ 8.2万

EMostaque认为Amodei的前沿放缓提议存在逻辑缺陷

EMostaque在𝕏发文评价DarioAmodei的前沿AI发展放缓提议

谈谈我对@DarioAmodei提出的前沿发展速度放缓提案的看法。我认为它的出发点是好的,但存在逻辑缺陷,就像我们默认智能是一种犯罪一样。

就算是OpenAI董事会也不是足够有力的评估者,我们需要聚焦AI内部。

在 X 看原帖 ↗
8.2万39247140
深度观点 · @Phoenixyin13▲ 9.9K

AI巨头集体支持降速开发,这事正常吗?

这轮集体表态可能是巨头暗地竞速的战略烟雾,也可能真的开启监管介入,它标志着AI博弈进入新阶段,后续影响开源模型迭代

阅读全文 →
9.9K126442
前沿研究 · @fchollet▲ 2.9万

fchollet 披露 ARC 4 将在明年一季度发布

关注通用人工智能测评的开发者可留意,这套新基准将为开放式发明研究方向提供基础支撑。

大约一年前,在这个领域还没人关注的时候,我们就开始探索针对开放式创造的基准测试构想。

从那之后,我们开发出了几个很有前景的方向,这些方向将成为 ARC 4 和 ARC 5 的基础。

我们非常兴奋地分享我们一直在开发的内容。

我们仍然按计划会在明年第一季度发布 ARC 4,正如我们此前承诺的那样。

在 X 看原帖 ↗
2.9万2738755
实战经验 · @iritec_jp▲ 1.4万

Codex和ChatGPT 6-Pro,擅长的事不一样

同样是GPT家族模型,做代码实现和做创意策划各有专长,拆分任务分工能获得更好的结果,日常工作中可以参考这个分工思路。

这个结果有点意外。我原本以为同属GPT系列,Codex和ChatGPT的咨询质量不会有太大差别。

但我一边给ChatGPT 6-Pro展示GitHub,一边咨询游戏改进方案后,得到的回复内容完全不一样。

Codex的实现能力非常强。但如果是策划或是思考「怎么做才能变得更有趣」,就得找ChatGPT。

看来就算是同一个AI,也最好分工使用。

在 X 看原帖 ↗
1.4万99449
新品发布 · @EHuanglu▲ 1.7万

@EHuanglu开源GPT-6 Astra 自动化AI电影制作工作流

如果可以从想法提示词自动生成完整的电影制作工作流,角色表、道具场景都能自定义,创作影视内容的门槛会被拉低。

我去……gpt-6 astra 已经能自动化AI电影制作了,它可以连接到 filmera mcp,自动把创意通过提示词转换成完整工作流。

角色表、道具、场景全都可以自定义,开源工作流和完整提示词见下方。

在 X 看原帖 ↗
1.7万19205270
电影 · @minchoi▲ 2.5K

单人靠AI就能制作完整电影,好莱坞还没准备好

用户@minchoi在𝕏分享了一部时长超8分钟、全程用BytePlus和Seedance 2.5制作的AI短片

这部时长超过8分钟的AI短片证明,如今单人就可以制作一部真正的电影。影片全程由BytePlus和Seedance 2.5制作完成。

@minchoi看完了整部影片,他认为这不是一段演示集锦,而是一部真正的短片。这部短片包含虚构新闻、有力的小片段、清晰的规则,还有一个让人印象深刻的结尾。

Seedance 2.5对原本成本高昂的制作环节处理得非常出色,包括电影级打光、流畅的视觉特效、大场景镜头,以及最长约30秒的片段。

过去需要整个制作团队和可观预算才能完成的工作,现在一名创作者就可以独立完成撰写、生成、剪辑和收尾工作。

@minchoi表示,好莱坞还没对这种变化做好准备。

在 X 看原帖 ↗
2.5K1413
本地部署 · @Thom_Wolf▲ 2.3K

40亿参数量化到4位,就能跑本地AI智能体了

有人发现,新的端侧本地 AI 智能体系统,只需要一个 40 亿参数、4 位量化的开放权重模型就能运行。

有趣的全新设备端本地智能体AI系统——看起来它运行的是一个经过4位量化(MLX)的开放权重4B模型。

在 X 看原帖 ↗
2.3K1155
新品发布 · @HuggingModels▲ 7.0K

HuggingModels发布AliceAI-T5-35B-A0.6B 混合专家模型(35B)

总参数 35B,仅激活 0.6B 参数,性能够用还能降低推理运行成本,适合文本生成类任务使用

来认识下 AliceAI-T5-35B-A0.6B:这是一个总共有 350 亿参数的混合专家模型,其中仅 6 亿参数处于激活状态。

它是基于 UL2 构建的编码-解码结构,非常适合文本转文本任务,高效又强大!

在 X 看原帖 ↗
7.0K78278
安全 · @0xSigil▲ 2.2万

泄露数据事件后,开发者推出全本地AI操作系统Underdog

开发者因担心个人数据被大模型训练,推出全本地端侧AI OS Underdog

阅读全文 →
2.2万1811462
深度观点 · @Geiger_Capital▲ 2.2万

开源AI对普通公众好,对头部实验室不好

开源AI让更多人能用AI,断了头部实验室靠垄断超级AI收费、冲刺万亿美元估值上市的路子,这会影响AI产品未来的定价和可得性。

开源人工智能模型对普罗大众和产业繁荣都非常有益。

它们对那些试图把守超级智能大门、收费牟利,并以数万亿美元估值进行IPO的前沿实验室非常不利。

在 X 看原帖 ↗
2.2万16196038
大模型 · @rafaelobitten▲ 3.9K

用户分享基于Astra分析后的Codex Pro使用方案

X用户@rafaelobitten分享按@pvncher建议优化的Codex Pro使用配置

听从@pvncher的建议,再加上Astra帮我分析使用模式和基准测试,我已经能更好地平衡Pro套餐中Codex的使用,我的设置如下:

主代理 → GPT-5.6 Sol high(部分项目使用xhigh)。

副代理(简化概述,因为我创建了多个不同配置文件):

Luna max → 常规开发工作、调研和运行测试。

Sol high → 涉及架构、数据库和安全性的开发工作,另外还负责评审和整合Luna生成的代码。

Astra high → 提供规划、UI设计和前端工作方面的建议,另外负责实现更复杂的长周期任务。

Astra在前端工作上表现更好,所以我把它作为副代理来创建完整设计和规范,然后由Luna负责实现。

在 X 看原帖 ↗
3.9K35668
观点 · @The_Real_Fly▲ 1.5万

Dario说要放缓AI,实际是想禁开源模型

有人解读,所谓放缓AI发展,本质是要封禁开源模型,让官方监管的垄断模型占据市场。

当达里奥说“我们必须放缓”时——他的意思其实是必须封禁开源模型,转而支持他自己那套受监管的模型。

在 X 看原帖 ↗
1.5万4739910
深度观点 · @beffjezos导语出处▲ 1.5万

开源+RL微调性价比高20倍,大厂坐不住了

企业用这种方法能以二十分之一成本达到接近前沿的性能,冲击了闭源实验室的商业模式,现在正通过监管阻碍其发展。

前沿实验室害怕开源+强化学习微调。

许多企业正在试验,并以高出 20 倍的成本效益获得接近前沿的性能。

这违背了闭源实验室的商业模式,所以他们正试图用官僚繁文缛节扼杀这条路线。

在 X 看原帖 ↗
1.5万8784149
新品发布 · @HuggingModels▲ 7.7K

HuggingModels发布Qwen3.8 27B Twin Turbo GGUF图文转文本模型(3.8)

追求不受内容限制的多模态AI的开发者可以尝试这款开源微调模型,目前下载量已经超过18000次。

来认识一下 Qwen3.8 27B Twin Turbo:这是一个经过微调、无限制、未审核、去除了内容对齐的 GGUF 图文转文本模型。它专为不受限制的多模态 AI 构建。目前下载量已经超过 18000 次,并且还在增长。

下面讲讲它的特别之处。🧵

在 X 看原帖 ↗
7.7K9129140
安全 · @CAIS▲ 4.9K

AI放缓要做什么?先花一年加固安全

研究机构认为,放缓AI发展需要花至少一年时间强化安全,避免AI自我泄露,防止被对手国家利用。

阅读全文 →
4.9K199821
深度观点 · @levelsio▲ 6.0万

@levelsio 谈软件工厂没必要过度构建

如果你正在纠结要不要搭建复杂的AI开发团队架构,这个观点也许能帮你简化流程,砍掉不必要的建设成本。

和“软件工厂”这种蠢事扯关系的话:只用一个 AI 编码代理就足够了,需要的时候它可以自己启动更多代理。你不需要自己动手搭建那个东西。

在 X 看原帖 ↗
6.0万11380188
深度观点 · @kunchenguid▲ 1.2万

博主呼吁AI模型商学习Meta透明模式

很多模型商捆绑自带工具悄悄收集数据,这种模式碎片化工作流还积累技术债,透明定价和数据收集模式对开发者更友好。

每个模型提供商都应该向Meta学习Muse Spark的定价模式:针对贡献者层级,有完全透明的补贴标注。

别再搞什么“想要以优惠价格使用我们的模型,你必须用我们的包装程序,它会秘密收集你的数据和/或上传你的代码库”这种事了。

Meta已经明确证明,不靠包装程序也能收集训练数据。只要做到:透明说明什么时候收集数据什么时候不收集,清楚告知数据的价值,把选择权交给用户就行。

而且我真的不需要你们的包装程序。我已经有好多先进的包装程序可以选了。pi、opencode、hermes、openclaw,甚至Claude Code和Codex都可以配置成使用任意模型。

你们自己的包装程序是技术债,只会把我的环境弄碎片化,还加不了多少价值。

在 X 看原帖 ↗
1.2万1423432
深度观点 · @APompliano▲ 7.7万

Anthropic 只对第三方开放技术,没法满足公众

公开喊AI风险的同时,资本利益驱动研发加速,不会真的全面开源。能验证的只有已经改变生活的AI体验。

问题在于,没人相信Anthropic或其他任何大模型厂商会放慢脚步。实际上,他们的激励机制恰恰驱使他们做出相反的行为,这就是为什么他们现在在研发上投入的资源比以往任何时候都多。

Dario基本上是在主张,Anthric会将他们的技术开源给第三方评估机构,但他不愿意面向所有人开源这项技术。这种“一只脚在内,一只脚在外”的做法既无法让公众满意,也无法实现Anthropic宣称的目标。

他们实际上只有两个选择:1)完全开源这项技术,或者2)押上整个公司,以垄断性闭源赢家的身份赢得人工超级智能(ASI)竞赛。既然他们不愿开源这项技术,我们应该预料到Anthropic和其他所有大模型厂商在未来几个月会加速发展。

递归学习会确保这次加速比我们此前认为可能的速度还要更快。我每天都在使用Anthropic、OpenAI、xAI、Google、@cfosilvia等的产品。这项技术从根本上让我的生活变得更好。我敢说,我这种乐观的体验比末日论者的观点更加普遍。

话虽这么说,AI领导者们公开发出警告当然值得称赞,但他们私下里也知道,经济规律让他们的承诺不可能兑现。

在 X 看原帖 ↗
7.7万4547535
新品发布 · @HuggingModels▲ 1.1万

HuggingModels发布无审核文本生成大模型(665K)

这款模型支持图文输入生成无审核内容,目前下载量已达665K且还在增长,如果你需要不受内容限制的图文问答模型,可以关注这个项目。

来认识一下这款打破无审查模型圈的 AI:它已有 66.5 万次下载,而且下载量还在持续增长。

这是一款基于 Qwen3 开发的图生文模型,采用了异端化和移除对齐调优。

它能识别图像,并且无过滤地给出回复。

在 X 看原帖 ↗
1.1万17268297
前沿研究 · @arcprize▲ 5.7万

arcprize 披露ARC-AGI-4基准测试方向

推动AI拥有自主开放式创新能力是本次测试的核心方向,开放共享前沿AI知识才能让所有人都从AI进步中获益。

ARC-AGI-4 将成为自主开放式创新的基准测试。我们将继续秉持对开源的承诺,为研究社群提供一个共同的进步目标,造福全人类。

尽管模型进步飞快,人类在开放式发明上的表现仍然远优于AI。这是一项能推动所有技术领域进步的元技能。能够进行科学创新的先进AI将催生大量新技术、新知识和新认知。

这是一个正和未来。我们对此投入了极大的心力。开源是这一进步的基础。前沿AI背后的知识,而非仅仅技术本身,应当广泛传播给研究者、学者和各类组织。

AI行业任何减少开放性、集中垄断前沿AI访问权限的协同行为,都会破坏这个正和未来。我们致力于推动这样一个未来:每个人都能参与AI进步,并从中受益。

在 X 看原帖 ↗
5.7万1201.4K186
编程 · @alextalksai▲ 1.1万

GitHub发布spec-kit 编程项目(136k estrellas)

这个项目已经拿到13.6万星,1.22万复刻,它展示了用AI编程的正确方式。

阅读全文 →
1.1万18182246
观点 · @AravSrinivas▲ 3.4K

现有经济学理论算不清 AI 带来的好处

经济学家现有的理论框架已经跟不上 AI 的发展了,AI已经帮人们省下很多时间和钱,但这些收益都没被统计进去。

这是一个相当重要的观点。经济学家和他们的理论已经过时,无法衡量 AI 的收益。AI 已经在为人们节省大量没有被统计进去的时间和金钱。

在 X 看原帖 ↗
3.4K2393
产品设计 · @TextoCriativo▲ 4.7万

AI工具组合可让产品创意从草图直接生成完整详情页

用户TextoCriativo在𝕏分享,GPT-6 Astra搭配Dreamina Seedance 2.5可实现从概念到产品详情页的完整流程

很多产品创意永远停留在草图阶段,无法推进落地。而GPT-6 Astra与Dreamina Seedance 2.5的组合,能构成一套完整的从创意到成品的工作流程。

用户先在Dreamina中生成产品概念草稿,再把视觉方向发送给GPT-6 Astra。Astra会将粗略创意转化为逼真的产品效果,最终生成完整的产品详情页。

这套工作流程和实际设计过程非常贴近。Dreamina可以帮助快速探索创意,Astra则负责把这些创意转化为可对外展示的成品。

Dreamina的定价很有竞争力,用户在确定最终方向前测试多个产品概念,会比以往更容易。从粗略草稿到成品详情页,整个过程非常顺畅。

在 X 看原帖 ↗
4.7万5010166
多智能体 · @pvncher▲ 3.2K

让多智能体运行更高效的一个个人使用小技巧

用户@pvncher在𝕏分享了基于Astra的多智能体效率优化小技巧

这个小技巧是用户@pvncher个人使用中摸索出来的,可以让基于Astra的多智能体运行效率更高。

先让Astra规划好一部分工作,随后把这项工作分发到另一个线程,使用你自选的模型处理。

让Astra完成规划后就结束当前轮次,并且要求另一个线程只在工作完成后给原线程发消息。

这种方式可以避免轮询,由处理工作的线程主动唤醒原线程继续后续工作。

在 X 看原帖 ↗
3.2K89677
开发工具 · @RayFernando1337▲ 4.2K

开发者吐槽AI模型上下文管理繁琐,看好Cursor Projects

海外开发者@RayFernando1337 分享了对当前AI开发工具的看法

阅读全文 →
4.2K35446
产品开发 · @ElCopyMaster▲ 4.7万

用GPT-6 Astra加Dreamina完成产品原型从概念到成品

海外创作者测试AI工作流,证实这套组合可实现低成本原型开发

我想看看AI能不能把一个产品创意从“只是一个概念”变成一个看起来实际上已经准备好发布的东西。结果证明,GPT-6 Astra + Dreamina Seedance 2.5 真的是一套可用的流程。

工作流程很简单:先在Dreamina里创建初始产品草图,然后把它交给GPT-6 Astra。Astra把草图用作参考,生成了写实版产品,还围绕它构建了一个产品详情页。

我喜欢这套方案的地方在于,我可以在Dreamina里探索不同的产品方向,不用为每次实验担心成本。Dreamina让早期创意阶段容易得多,而Astra帮助把这些想法变成更完整的产品体验。这就是我实际会用来做原型开发的AI工作流程。

#Dreamina #DreaminaPartner

现在就来试用:

在 X 看原帖 ↗
4.7万539769
实战经验 · @xiaoxiaodong01▲ 7.2K

@xiaoxiaodong01发布GPT2图像生成提示词教程 VOL.177(177)

可以用这套提示词,将复杂原图生成带版画线描风格的极简图形,获得更聚焦的视觉效果。

GPT2 x 轮廓 x 版画线描 x 美学提示词 x VOL.177 小,不一定弱。于是就有了这组“微型视觉作为锚点”的尝试 不管是人像、建筑、植物、器物,还是风景照,都适配。把最有辨识度的轮廓和关系压缩进:一个小小的异形图形里 四周留出足够多的白,注意力一下就收住了。

我很喜欢这种处理。原图越杂,转出来越容易有惊喜 还带一点东方极简和版画线描的味道,安静,但记得住。项目 skills 和提示词地址:

在 X 看原帖 ↗
7.2K149565
深度观点 · @RishiSunak▲ 6.6万

Rishi Sunak呼吁放缓AI前沿研发

他认为当前AI自主迭代改进的速度已经超出安全管控范围,仅靠企业自愿测试已经不够,需要政府介入监管,全行业已开始就此达成共识。

阅读全文 →
6.6万5846765
商业 · @MelinaVale14▲ 505

GPT Image 2.5接入CapCut简化广告制作全流程

创作者@MelinaVale14在𝕏分享GPT Image 2.5落地CapCut的使用体验

制作商业广告通常一开始就有太多分散的步骤:概念→参考→分镜→制作→剪辑。GPT Image 2.5 + CapCut PC 让这个流程变得更连贯。

GPT Image 2.5 将加入 CapCut,用户可以通过现有的 Design Studio 和 AI Image 等工具使用它。我用它把 iPhone Duo 产品概念转化为了结构化广告分镜,然后通过 Seedance 2.5 将这个方案导入 CapCut PC。

最终成果不只是一个生成视频。它是一套从最初规划到最终剪辑都保持原始创意连贯统一的工作流。产品创意 → 广告分镜 → 商业广告

#GPTImage25 #CapCutPC #AIVideo #Seedance25

在 X 看原帖 ↗
5057140
行业动态 · @BullTheoryio▲ 1.4万

Sam Altman 同意AI发展需要降速

两家竞争前沿AI研发的公司,现在公开认为高速研发本身就是问题,态度转变值得关注。

突发消息:Sam Altman 现在认同 Anthropic 的 Dario Amodei 的观点,认为人工智能发展需要减速,并且表示 OpenAI 将采用相同的独立评估员计划。

讽刺的是,这两家陷入全面竞赛、都想要比对方更快推出人工智能的公司,现在却公开表示,这场竞赛本身才是问题所在。

在 X 看原帖 ↗
1.4万1213120
工具 · @Av1dlive▲ 8.2K

每月10美元方案让原每月200美元使用上限翻倍

用户Av1dlive在𝕏分享DeepSeek V4.1-flash搭配Opencode Go的方案,可节省OpenAI Codex使用额度

阅读全文 →
8.2K591118
开发工具 · @lucian__03▲ 3.8K

我用了一年多的Claude Code插件,GitHub星标93.7k

韩国用户分享Claude-Mem(现Grok Mem),可节省Claude令牌消耗

阅读全文 →
3.8K167989
深度观点 · @LordThiouk▲ 7.0K

开发者讨论AI开发应用的最大弱点是安全

用AI开发可用应用仍需要开发者做大量准备工作,现在要关注AI生成应用的安全隐患。

有人告诉你氛围代码需要一项技能,因为人工智能并不完美。人们花费数小时设置约束,让人工智能能够开发可投产的应用程序,这不是没有道理的。

但这不是说让 Claude 或者 Codex 给你创建出这么个网站就完事了。另外,人工智能开发的应用程序最大的弱点就是安全性。

在 X 看原帖 ↗
7.0K145612
设计 · @viipin8▲ 1.6万

用户实测:AI设计工作流比预期流畅得多

用户@viipin8在𝕏分享GPT-6 Astra搭配Dreamina Seedance 2.5的实测体验

用户@viipin8表示,完全没有料到AI设计工作流的这一部分能运行得这么流畅。实测显示,GPT-6 Astra搭配Dreamina Seedance 2.5可以组成一套完整的工作流程。

这位用户先在Dreamina中生成了海报概念图,得到的成品图像看起来已经完成,但他不想重新生成所有内容,只想单独编辑其中的部分元素。他把这张海报交给GPT-6 Astra,让它调用Photoshop把设计分离为可编辑图层,最终背景、文字、物体和所有视觉元素都变成了独立可编辑的部分。

最让用户意外的是,AI现在不只是帮助生成设计,还能把最终图像反向转换为真正可编辑的设计文件。Dreamina定价友好,能帮用户更轻松探索不同的海报概念,之后再由Astra协助进入编辑阶段。

在 X 看原帖 ↗
1.6万167213
前沿研究 · @arena▲ 3.5万

Code Arena 近一年AI代码模型排名变化披露

能直观看到近一年各大AI实验室代码模型能力的进化节奏,以及当前头部模型的排名情况,可以参考这个真实用户对决结果选模型。

近一年Code Arena的WebDev领域进展浓缩到15秒。每一行都跟随来自顶级实验室的最高得分模型随时间变化的情况,展示了整个生态系统的进步速度。

仅在过去一年里,领先位置的模型得分提升了340分,竞争头名的前沿实验室数量从6家增加到了10家。@AnthropicAI全年一直占据主导地位,不过也有突出的发布版本跃升至头名,最值得注意的是@Kimi_Moonshot在7月发布的中国开源模型Kimi K3。

目前,@OpenAI的GPT-6 Astra以1796分位居第一,其次是@claudeai的Fable 5.1,得分为1764分。接下来排名最接近的实验室相差103分,是@Alibaba_Qwen,得分为1685分。

Code Arena: WebDev通过用户对真实前端Web开发任务的两两偏好对模型进行排名,这些投票决定了追踪前沿进展的排行榜。

在 X 看原帖 ↗
3.5万2634961
3D生成 · @SarahAnnabels▲ 7.0万

用户用GPT-6 Astra和Hyper3D Rodin MCP生成交互式3D教材

海外用户在𝕏分享了AI合作生成交互式3D教材的全新流程

阅读全文 →
7.0万758534
教程 · @nereasolenne▲ 1.2K

新教程教你结合Claude Code和Fable 5制作电影质感网页

用户@nereasolenne在𝕏发布了这款区别于通用AI设计模板的网页制作教程

一款新教程发布,内容为讲解如何结合Claude Code和Fable 5进行开发。

教程的目标是制作带有电影美学风格的动态网页。

这款教程不同于市面上常见的通用AI设计模板。

可以将教程链接收藏,方便后续查看。

在 X 看原帖 ↗
1.2K1955
行业动态 · @vikktorrrre▲ 3.6万

Anthropic负责人称开源AI走在危险道路

认为不受控发布的AI无法监管,呼吁全行业放缓前沿AI开发,主张强AI需要更多管控。这会影响开源AI的发展走向。

达里奥·阿莫迪:开源AI正走上一条危险的道路。

“当你控制一个模型时,你可以监控它的使用。”

“你可以修改模型。你可以撤销用户的访问权限。”

“当模型以不受控制的方式发布时,你根本做不到这些。”

“它完全不受你的掌控。”

现在,他呼吁AI行业放缓前沿开发,Anthropic为第三方评估机构提供对其系统的永久访问权限。

他的立场很明确:强大的AI需要更多管控,而不是更少。

在 X 看原帖 ↗
3.6万3718967
3D场景 · @rionaifantasy▲ 3.6K

用GPT-6 Astra结合谷歌地图生成3D城市交互场景

用户@rionaifantasy在𝕏分享了利用GPT-6 Astra和谷歌地图生成悉尼3D城市交互场景的方法

用户@rionaifantasy在社交平台𝕏发文称,只要提供足够的token,就可以生成完整的3D世界场景。目前他正在打磨悉尼城的3D交互场景,过程中发现谷歌地图是优化场景的最佳参考。

针对城市建筑类场景,谷歌地图拥有大量可参考的图片和素材。开发者只需要建立一个循环(Loop),就能让GPT-6 Astra不断参考谷歌地图优化城市细节。

@rionaifantasy附上了相关成果链接,可查看该项目的具体内容。

在 X 看原帖 ↗
3.6K33929
深度观点 · @dtzy_88▲ 8.5万

Dario主张AI踩刹车,中国必须更慢

科技企业领袖对AI发展的主张,本质是维护自身技术优势,阻挡后发者追赶,这能帮看清AI领域技术竞争的真实面目。

Dario 真是不忘初心 😂 整篇文章都在说 AI 发展太快了,我们必须给 frontier 踩刹车。我看到这里差点肃然起敬: 卧槽,Dario 这次格局那么大吗 🤯 然后话锋一转: 但中国不能一起追上来,所以先进芯片继续禁,走私继续打击,模型权重继续防,distillation 也得堵。AI 可以慢,中国必须更慢。

看到这里我就放心了。这才是我认识的 Dario 🤣

在 X 看原帖 ↗
8.5万1740335
教程 · @oragnes▲ 1.2万

OpenAI发布本地 AGENTS.md 配置指南

做项目开发的人不用自己一条条改配置,直接把配置规则复制给 Astra,它就能帮你审计现有的所有 Agent 配置文件。

阅读全文 →
1.2万127786
语言学习 · @btcmos▲ 3.5K

用ChatGPT学语言,比多邻国强至少1000万倍

用户@btcmos在X平台分享ChatGPT学语言的用法

我讲个让你有机会懂8国语言热知识: 你想要学习任何语言, ChatGPT都可以是你最好的老师, 无论是英语/法语/日语/德语/韩语…。| 你只需要告诉GPT:“我要学英语(或日语/韩语等),目前大概是零基础/初级/中级,每天能学 50 分钟,目标是日常交流。他就会从测试你能力开始, 给你安排完整的计划。

| 比那个多邻国 强至少1000万倍。

在 X 看原帖 ↗
3.5K43118
3D建模 · @yyyole▲ 1.1万

你用AI生成3D角色总崩?这套官方保姆级教程很稳

来源@yyyole on X,分享Tripo官方Astra+Tripo 3D+Blender工作流

阅读全文 →
1.1万44244304
新品发布 · @Sumanth_077▲ 4.0K

Microsoft开源AI Engineer Coach VS Code插件

如果你常用AI编码工具,这款插件可以分析你的本地编码日志,帮你发现使用习惯里拖慢效率的问题,所有数据都在本地不会外传。

阅读全文 →
4.0K177781
观点 · @AYi_AInotes▲ 2.6万

Meta 内部 AI 智能体群任务量超一个团队?

YC 现场对谈中,这位新官透露,只要设计正确的智能体循环和自主优化评估体系,一群 AI 完成的任务量已经超过一个团队。

阅读全文 →
2.6万40219287
编程 · @vineerpasam▲ 2.8万

男子靠跟Claude互动自学,系统设计知识超多数工程师

推特用户vineerpasam分享,一名在共享办公空间自学的男子,靠每天跟AI Claude互动学习编程和系统设计。

推特用户vineerpasam在共享办公空间遇到一名男子,这名男子每天都进行氛围编码(vibe code)。他惊讶地发现,这名男子对系统设计和编码原则的了解,比自己认识的大多数软件工程师都要多。

他询问这名男子是如何学习的。男子称,每次Claude完成代码编写后,他都会问Claude“为什么要这么做”,然后通过Claude的解释来学习知识。

vineerpasam认为,这名男子现在实际上已经做好准备,可以去Anthropic、Google或OpenAI参加面试。他此前从未想到,氛围编码能让人学到这么多东西。

在 X 看原帖 ↗
2.8万18374138
设计工具 · @melvindvivas▲ 1.0万

用户询问可配合Codex使用的设计技能 获推荐impeccable_ai

用户melvindvivas在𝕏发文称,询问可配合Codex的设计技能后得到最多推荐的是impeccable_ai,计划未来几天试用。

melvindvivas在𝕏发文,表示自己询问了哪些设计技能可以配合Codex使用。得到的回答中,@impeccable_ai是被推荐最多的选项。

melvindvivas称,自己将在接下来几天试用该工具。

原文附带了相关链接,其中包含Github项目链接。

在 X 看原帖 ↗
1.0万378191
3D建模 · @mylifcc▲ 3.1K

Tripo AI推出简化3D角色制作的新工作流,分拆生成+AI组装

该工作流由Tripo官方分享,通过分步骤配合大幅简化传统3D角色制作流程

Tripo分享了一套大幅简化传统3D角色制作流程的新工作流,通过分拆生成几何体与AI自动化组装绑定的分工配合,缩短制作步骤。

第一步是部件分拆生成,使用Tripo AI完成。不再直接生成完整角色,而是将角色的头部、头发、身体(含服装)拆分,分别用Tripo AI完成文本或图像转3D生成。这种方式能得到更干净的网格(Geometry)和边缘结构,避免身体和衣服面片重叠黏连的问题。

第二步是AI智能组装与材质处理,用到GPT-6 Astra和Blender。借助支持代理(Agent)与自动化操作的GPT-6 Astra,通过Blender MCP、Python脚本或Computer Use,直接在Blender中完成多项工作:自动导入Tripo生成的多零件模型并对齐比例,进行缝合、微调与材质清理,还能设置利用网格切换实现表情变化的表情替换机制。

第三步是骨骼绑定与动画生成。由Astra调用自动化工具或脚本,为角色快速添加骨骼绑定(Rigging)与二次动态(Secondary Motion,比如头发、衣服的摆动),并直接输出可用于游戏引擎或3D场景的动画预览,比如角色舞蹈动画。

在 X 看原帖 ↗
3.1K65345
商业 · @daweifs导语出处▲ 777

AI Agent不靠百万美元大单,靠37万笔小单跑通了经济

@daweifs在𝕏发文称,@termix_ai靠平均每笔53美元的小单跑通了Agent经济,已结算近2000万美元

很多人还在关注AI智能体(Agent)能不能签下百万美元的大订单。但@termix_ai的经济模式已经开始运转,它依靠的可能根本就不是大单。

目前它已经完成了37万笔小额业务,平均每笔业务报酬是53美元。这种规模的生意人类根本接不了,因为53美元的报酬里,沟通、报价、确认、催款、对账的流程成本可能比利润还高。

但AI智能体不存在这个问题,接单、托管、交付、结算、留存记录全部可以全自动完成。

目前该平台已经结算1968万美元,共有43.1万个AI智能体,完成37万笔任务,获得39.3万美元的协议收入。

重点不在于这些数字有多大,而在于这些交易已经开始变成机器原生的模式:AI智能体雇佣AI智能体,AI智能体给AI智能体付款,AI智能体还会给AI智能体留下可验证的履约记录。

当一笔53美元的小额订单也能低摩擦地完成交易,AI智能体经济才有机会从演示原型真正变成一个经济系统。大模型负责让AI智能体变聪明,支付、托管和信用记录则负责让它们开始赚钱。

在 X 看原帖 ↗
7773362
AI开发工具 · @lukas_undefined▲ 9.3K

资深Codex用户重新体验t3dotcodes 肯定进展也提了不少改进意见

用户@lukas_undefined在𝕏分享了自己作为仅使用Codex的高级用户对t3dotcodes的使用评价,来源为@lukas_undefined在𝕏的发文

阅读全文 →
9.3K19731
内容创作 · @Adam38363368936▲ 10.0K

用户分享Seedance生成超能力短视频的爆款提示词公式

来自𝕏用户@Adam38363368936分享,内容包括生成公式和完整提示词案例

阅读全文 →
10.0K84951
信息安全 · @mugh33ra▲ 6.2K

网友首次利用DeepSeek模型发现开源供应商RCE漏洞

用户@mugh33ra在𝕏发布消息,称其第一次发现远程代码执行漏洞,由DeepSeek V4.1 Flash完成

用户@mugh33ra在社交平台𝕏发布消息,称这是他第一次在开源供应商中发现远程代码执行(RCE)漏洞。整个漏洞发现过程完全由DeepSeek V4.1 Flash完成。@mugh33r评价称DeepSeek V4.1 Flash这个模型和其他模型不一样,此次发现属于漏洞赏金(bugbounty)领域的信息安全事件。

在 X 看原帖 ↗
6.2K29143
编码工具 · @midudev▲ 7.1万

拥有4万星标的AI辅助技能适配Claude Code等编程工具

@midudev在𝕏分享的这项技能,适配Claude Code、Cursor等AI编码工具,无需安装

这项技能拥有4万颗星标,可以让你的AI编码助手更好地为你解释内容。

它遵循三个规则:第一行就是目标操作、列出编号步骤(最多5步)、没有开场白和无效填充内容。

这项技能支持Claude Code、Cursor、Codex、OpenCode等多款AI编码工具。

推荐这类技能不需要提前安装。你可以访问对应的markdown文件,查看功能,提取你需要的部分再适配自己的使用习惯。

在 X 看原帖 ↗
7.1万2082.0K2.3K
🔬 前沿研究
新前沿研究 · @rohanpaul_ai▲ 6.7K

框架对AI性能影响竟和模型本身一样大

相同大模型换不同框架,同基准测试性能差最高可达6倍。优化框架能在提升效果的同时减少资源消耗,实际部署AI时框架设计和选模型同样重要。

阅读全文 →
6.7K2812799
前沿研究 · @arcprize▲ 5.7万

arcprize 披露ARC-AGI-4基准测试方向

推动AI拥有自主开放式创新能力是本次测试的核心方向,开放共享前沿AI知识才能让所有人都从AI进步中获益。

ARC-AGI-4 将成为自主开放式创新的基准测试。我们将继续秉持对开源的承诺,为研究社群提供一个共同的进步目标,造福全人类。

尽管模型进步飞快,人类在开放式发明上的表现仍然远优于AI。这是一项能推动所有技术领域进步的元技能。能够进行科学创新的先进AI将催生大量新技术、新知识和新认知。

这是一个正和未来。我们对此投入了极大的心力。开源是这一进步的基础。前沿AI背后的知识,而非仅仅技术本身,应当广泛传播给研究者、学者和各类组织。

AI行业任何减少开放性、集中垄断前沿AI访问权限的协同行为,都会破坏这个正和未来。我们致力于推动这样一个未来:每个人都能参与AI进步,并从中受益。

在 X 看原帖 ↗
5.7万1201.4K186
前沿研究 · @arena▲ 3.5万

Code Arena 近一年AI代码模型排名变化披露

能直观看到近一年各大AI实验室代码模型能力的进化节奏,以及当前头部模型的排名情况,可以参考这个真实用户对决结果选模型。

近一年Code Arena的WebDev领域进展浓缩到15秒。每一行都跟随来自顶级实验室的最高得分模型随时间变化的情况,展示了整个生态系统的进步速度。

仅在过去一年里,领先位置的模型得分提升了340分,竞争头名的前沿实验室数量从6家增加到了10家。@AnthropicAI全年一直占据主导地位,不过也有突出的发布版本跃升至头名,最值得注意的是@Kimi_Moonshot在7月发布的中国开源模型Kimi K3。

目前,@OpenAI的GPT-6 Astra以1796分位居第一,其次是@claudeai的Fable 5.1,得分为1764分。接下来排名最接近的实验室相差103分,是@Alibaba_Qwen,得分为1685分。

Code Arena: WebDev通过用户对真实前端Web开发任务的两两偏好对模型进行排名,这些投票决定了追踪前沿进展的排行榜。

在 X 看原帖 ↗
3.5万2634961
前沿研究 · @AndrewCurran_▲ 2.6万

AI两年破解千禧年难题,能力增速超预期

现在AI刚具备基础能力的领域,很快就会达到超人类水平,AI能力提升速度比预想更快,需要关注变化

在o系列模型推出前,我们作为代理完全无法处理高等数学问题,而现在下一代模型已经可以解决千禧年大奖难题了。这一切发生在不到两年的时间里。

编码领域也是如此。看起来这不仅仅是1缩放定律的结果,而是多个(出色预训练规模×更大强化学习规模)叠加效应的产物。

你可以从中明确得出结论:在如今模型已经初步展现出能力的领域,它们很可能很快就会达到超人类水平。

在 X 看原帖 ↗
2.6万27439108
前沿研究 · @fchollet▲ 2.9万

fchollet 披露 ARC 4 将在明年一季度发布

关注通用人工智能测评的开发者可留意,这套新基准将为开放式发明研究方向提供基础支撑。

大约一年前,在这个领域还没人关注的时候,我们就开始探索针对开放式创造的基准测试构想。

从那之后,我们开发出了几个很有前景的方向,这些方向将成为 ARC 4 和 ARC 5 的基础。

我们非常兴奋地分享我们一直在开发的内容。

我们仍然按计划会在明年第一季度发布 ARC 4,正如我们此前承诺的那样。

在 X 看原帖 ↗
2.9万2738755
前沿研究 · @sama▲ 764.6万

OpenAI 讨论放缓前沿AI发展节奏

行业顶级从业者开始关注前沿AI发展的节奏问题,后续还有更多信息公开。

我同意达里奥的观点,我们需要把控前沿探索的节奏。这是最近几周 OpenAI 内部讨论的首要议题。

承诺让拥有类似员工访问权限的独立评估者参与进来是个很棒的想法,我们也会这么做。

我们很快会分享更多信息。

在 X 看原帖 ↗
764.6万4.2K4.1万6.8K
🚀 新品发布
新新品发布 · @agenticgirl▲ 7.0K

Alibaba开源Open Code Review 代码审查工具(tens of thousands of developers)

已经在内部服务数万开发者,找出数百万个缺陷。日常做代码审查的开发者,可以试试这个更省Token的开源工具。

阿里巴巴开源了它自称已经供内部数万名开发者使用、发现了数百万缺陷的代码评审工具。

Open Code Review没有把整个评审流程全部交给大语言模型:确定性代码处理文件覆盖范围、打包、规则匹配和评论定位,而智能体处理推理和代码库上下文。

阿里巴巴报告称,在覆盖50个开源仓库、共200个拉取请求的基准测试中,使用相同模型时,该工具的精度和F1得分高于Claude Code,仅消耗约1/9的token,trade-off是召回率更低。

GitHub仓库:

在 X 看原帖 ↗
7.0K13116179
新品发布 · @HuggingModels▲ 7.0K

HuggingModels发布AliceAI-T5-35B-A0.6B 混合专家模型(35B)

总参数 35B,仅激活 0.6B 参数,性能够用还能降低推理运行成本,适合文本生成类任务使用

来认识下 AliceAI-T5-35B-A0.6B:这是一个总共有 350 亿参数的混合专家模型,其中仅 6 亿参数处于激活状态。

它是基于 UL2 构建的编码-解码结构,非常适合文本转文本任务,高效又强大!

在 X 看原帖 ↗
7.0K78278
新品发布 · @tom_doerr▲ 6.4K

开发者发布 AI agent 技能统一管理层

如果你在日常开发中需要用到多个 AI agent,这个工具可以统一管理不同 agent 的技能,还能评估和迭代这些技能

通过一个统一管理层,为 Claude Code、Codex 以及其他 AI 智能体获取、评估和演进技能。

在 X 看原帖 ↗
6.4K863105
新品发布 · @HuggingModels▲ 7.7K

HuggingModels发布Qwen3.8 27B Twin Turbo GGUF图文转文本模型(3.8)

追求不受内容限制的多模态AI的开发者可以尝试这款开源微调模型,目前下载量已经超过18000次。

来认识一下 Qwen3.8 27B Twin Turbo:这是一个经过微调、无限制、未审核、去除了内容对齐的 GGUF 图文转文本模型。它专为不受限制的多模态 AI 构建。目前下载量已经超过 18000 次,并且还在增长。

下面讲讲它的特别之处。🧵

在 X 看原帖 ↗
7.7K9129140
新品发布 · @EHuanglu▲ 1.7万

@EHuanglu开源GPT-6 Astra 自动化AI电影制作工作流

如果可以从想法提示词自动生成完整的电影制作工作流,角色表、道具场景都能自定义,创作影视内容的门槛会被拉低。

我去……gpt-6 astra 已经能自动化AI电影制作了,它可以连接到 filmera mcp,自动把创意通过提示词转换成完整工作流。

角色表、道具、场景全都可以自定义,开源工作流和完整提示词见下方。

在 X 看原帖 ↗
1.7万19205270
新品发布 · @shao__meng▲ 3.7K

HuggingFace发布开源2B智能体训练全路线教程

这套教程和开源项目覆盖了从数据准备到环境搭建的完整训练路径,还解决了评估和训练脱节的常见问题,想训练自己AI智能体可以跟着走一遍

阅读全文 →
3.7K134859
新品发布 · @Sumanth_077▲ 4.0K

Microsoft开源AI Engineer Coach VS Code插件

如果你常用AI编码工具,这款插件可以分析你的本地编码日志,帮你发现使用习惯里拖慢效率的问题,所有数据都在本地不会外传。

阅读全文 →
4.0K177781
新品发布 · @HuggingModels▲ 1.1万

HuggingModels发布无审核文本生成大模型(665K)

这款模型支持图文输入生成无审核内容,目前下载量已达665K且还在增长,如果你需要不受内容限制的图文问答模型,可以关注这个项目。

来认识一下这款打破无审查模型圈的 AI:它已有 66.5 万次下载,而且下载量还在持续增长。

这是一款基于 Qwen3 开发的图生文模型,采用了异端化和移除对齐调优。

它能识别图像,并且无过滤地给出回复。

在 X 看原帖 ↗
1.1万17268297
📰 行业动态
新行业动态 · @openletteryt导语出处▲ 5.7K

Anthropic一边喊停AI一边冲IPO?

研究员辞职指责两大厂拿全人类安危赌超人工智能竞赛,喊减速的同时一边推新品一边冲高估值IPO,本质是巩固头部厂商话语权压制低成本开源模型

阅读全文 →
5.7K2111128
新行业动态 · @0xndra▲ 1.1K

termix_ai推出CryptoClaw,获百万美元种子投资

拿到可查投资,产品已落地,代码还合并进了Anthropic官方仓库,AI agent经济项目里少见这么实打实地落地推进的

阅读全文 →
1.1K1602
新行业动态 · @kimmonismus导语出处▲ 9.9K

OpenAI 宣布2026年前不会进行IPO上市

OpenAI 为优先推进AI安全对齐,推迟上市计划,还计划在新能力阶段暂停开发。此事引发对未来数据中心扩张和投资的猜测。

OpenAI 推迟了IPO进程,阿尔特曼认为公司需要空间把人工智能安全放在股东利益之前(会双重放缓吗?)。

他告诉《财富》杂志,OpenAI 不会在2026年上市,并且已经讨论过在新的能力层级暂停发展,以便在安全和对齐方面取得更多进展。

消息来源:《财富》。我很好奇,如果现在各个环节都踩刹车,这对2027年的数据中心扩张和投资意味着什么。

在 X 看原帖 ↗
9.9K1116316
新监管 · @daniel_koss▲ 1.7万

大厂为啥想要AI监管?其实是为了卡 startup

大厂有钱承担昂贵合规成本,中小创业公司扛不住。有人说这是AI安全圈的监管俘获,要给开源模型竞争筑壁垒。

为什么那些顶尖人工智能实验室会想要监管?因为对它们来说,高昂的规则成本比竞争中的初创企业更容易负担。一起放缓发展速度意味着更少烧钱互搏的压力,还能有更多时间从现有模型赚钱。

竞争者更少。定价权更强。利润可能更高。我完全相信Anthropic在人工智能安全探索上是真诚的,但必须认识到它们也能从中获得巨大的经济收益。所以对整个行业来说,对它们说的每一句话都务必多留个心眼,这至关重要。

人工智能安全倡导者正在进行的最明显的监管俘获操作。它们希望打造一道政府护城河,抵御开源和开放权重模型的竞争。

在 X 看原帖 ↗
1.7万1021814
新开源 · @alexinexxx▲ 2.0万

开源AI未来会不会被全面封锁?

有人认为未来可能无法访问开源模型甚至所有大语言模型,买高端Mac是重要投资。也有人说开源模型文件放自己服务器,根本禁不掉。

开源AI的主要问题在于,总会有人运行你的模型然后发现它很烂。

未来我们极有可能会失去所有开源模型的访问权限,甚至被完全隔离在任何大语言模型之外。买一台Mac M5 Ultra Studio大概是在家自己运行模型最重要的投资了。当然,前提是苹果也没封掉你的权限。

开源模型就是一个20GB的文件,你可以在自己的服务器上运行它。没有任何办法能阻止它。如果法国或者欧盟把开源模型定为犯罪,那么将会发生的是:1/ 只有恐怖分子和罪犯能接触到这些模型,守法民众和企业不行;2/ 所有法国和欧盟的公司都会被迫使用美国或中国的云AI,还要把自己的数据分享给它们。

在 X 看原帖 ↗
2.0万2242131
新开源 · @Saboo_Shubham_▲ 7.3K

Saboo_Shubham_发布8个免费智能体技能(8)

其中包含可调度三层模型团队的编排工作流,适合想搭建自定义AI工作流的人尝试。

刚刚发布:8个带评估的免费Agent技能。100%免费且开源。我选出了最喜欢的3个:

/advisor-orchestrator-worker
让你的Agent成为三层模型团队的编排者。GPT-6负责编排,Gemini 3.8处理低成本并行工作任务,Claude Fable 5.1担任顾问提供咨询。

/first-reader
模拟真实读者通读你的草稿,报告他们在哪里失去兴趣、在哪里停止阅读,以及读完之后记住了什么,而且不会重写任何一个词。

/project-graveyard
它扫描你的机器,从git历史中弄清楚每个项目死掉的原因,向你展示你自己的项目死亡模式,并且复活还有生命力的那个项目。

🌟 agent skills github

在 X 看原帖 ↗
7.3K1998153
新开发 · @AbhinavXJ▲ 1.5K

编码用AI之后,开发效率直接换了时代

一开始抵触编码用AI或AI智能体,现在已经适应,感觉确实进入了Claude Code之后的新时代。

一开始我不愿意在编码时使用 AI,或者说总体上不愿意使用 AI 智能体。但现在看到时代已经变了,我已经接受了它。

真的已经有了一个 pre claude-code 之前的时代,而我们现在已经远远走在了它前面。顺应改变比原地踏步更好。

在 X 看原帖 ↗
1.5K2623
新教程 · @masahirochaen▲ 4.6万

适配GPT-6 Astra的开发环境提示词分享了

贴入文章链接和提示词,就能生成适配的开发环境配置,模型升级后更需要更新这类配置。

只要贴入这篇文章的URL和提示词,就能做出适配 GPT-6 Astra 的最佳框架。每次模型升级都必须更新框架。

👇提示词

在阅读以下文章后,请确认可参考的我日常工作历史、当前设置和文件夹结构,以同时使用 Codex / Claude Code 为前提,推荐最优开发环境。

请尤其优化以下内容:
- Skills / SKILL.md
- AGENTS.md / CLAUDE.md
- 文件夹层级
- docs / scripts
- Codex 和 Claude Code 的职责划分
- 整理重复、不必要和过长的指令

方针:
- 最小化上下文消耗
- 重视渐进式披露
- 不要增加过多技能
- 避免 AGENTS.md / CLAUDE.md 过于臃肿
- 尽可能避免通用规则重复管理
- 根据实际工作历史,只对频繁出现的工作进行技能化和自动化

请先审查现状,简洁列出「问题点 / 推荐配置 / 技能候选 / 文件夹结构 / 迁移方法」。这个阶段请不要修改文件。

最后请仅向我确认一次实施计划,获得批准后无需反复确认,自主完成全部实施。

在 X 看原帖 ↗
4.6万22260550
新行业动态 · @macrotradecn▲ 9.2K

马斯克去年联署停训GPT-4以上模型,转头自己开干

2023年3月,马斯克和上千人联名要求停训更强模型六个月,后来他自己成立xAI加速追赶前沿。

2023年3月,Elon Musk 和其他一千多人联名发公开信,要求所有 AI 实验室立即暂停至少6个月训练比 GPT-4 更强的模型,因为风险无法控制。之后的事情大家也都清楚,马斯克自己成立了 xAI,加速训练模型追赶前沿模型。

在 X 看原帖 ↗
9.2K2545
新观点 · @3DotWeb▲ 513

实体AI会是所有人 everywhere 一起做出来的

观点认为现在axisrobotics走在了正确方向,未来回头看会发现这是个关键节点。

新行业动态 · Hacker News▲ 40

Anthropic CEO称AI群6到12个月或接管互联网

如果你日常依赖互联网工作生活,这是行业领袖对近期AI风险发出的警告,需要关注这一风险预判的后续进展。

行业动态 · @AJEnglish▲ 9.0万

Anthropic CEO 呼吁全球放缓 AI 开发

他警告失控AI可能六个月内接管互联网,现在行业对AI风险的担忧正在升温。

Anthropic 首席执行官达里奥·阿莫代呼吁全球放缓人工智能开发的步伐。

他在网上发布的一篇文章中警告称,失控的AI智能体最快可能在六个月内接管互联网。

这一警告发布之前,已经发生了一系列安全泄露事件,并且担忧情绪在不断加剧。

在 X 看原帖 ↗
9.0万293613132
行业动态 · @qinbafrank▲ 4.9万

AI巨头罕见达成共识 呼吁放慢研发速度

多位头部AI掌门人公开呼吁放缓前沿模型能力提升,给安全措施留出追赶时间。投资者和从业者需要关注后续实际动作,判断对产业链和商业化的影响。

阅读全文 →
4.9万129134
开源工具 · @aigclink▲ 2.3K

Miles v0.1 开源后,企业训专属大模型不用烧钱了

企业想训练专属AI,要么找大厂定制,要么从零搭团队。现在这套框架打包好了,Docker一键启动就能训。

阅读全文 →
2.3K33548
开源工具 · @denziideng▲ 1.5万

谷歌开源了Artemis,让AI像人一样操作手机

测试App需要反复点按,跨软件搬数据得手动切换,脚本还容易失效。现在AI能直接看屏幕操作真机。

阅读全文 →
1.5万15126218
商业 · @MaxForAI导语出处▲ 9.7K

Sam Altman说OpenAI 2026年不上市,因为AI安全

不是融资环境不好,也不是估值问题,Sam Altman认为因为AI安全,现在上市不是明智选择。

阅读全文 →
9.7K24111
行业观点 · @saiseichosen▲ 4.4K

Anthropic CEO认为AI进化太快,该放慢开发速度

现在AI已经开始协助开发下一代AI,持续下去会形成自我加速的进化循环。

开源 · @shanyanggm▲ 6.2K

GitHub上一堆免费AI项目,能替代付费月付软件

包含多AI代理量化交易框架、多模型聚合界面等项目,能力已经能直接替代不少付费软件。

卧槽兄弟们,GitHub 上真的有一堆免费到离谱的项目。很多能力已经能直接干掉你正在月付的软件。1. TradingAgents AI 多 Agent 量化交易框架 2. LibreChat 一个界面接入 ChatGPT、Claude、Gemini 等多个模型 3. HyperFrames HeyGen 开源的视频生成引擎 4. Fincept Terminal 开源版彭博终端 5. MoneyPrinterTurbo AI 一键生成短视频 6. Agentic Inbox Cloudflare 开源 AI 邮件助手 7. VoxCPM AI 声音克隆工具 8. Flowsint 开源 OSINT 情报分析工具 9. agent-skills Claude Code 技能库 10. Nango 开源 API 集成平台 兄弟们,这些真不是玩具项目。

很多你还在交月费的软件,GitHub 上已经有人做出开源平替了。一句话: 别���会收藏 AI 工具网站了。真正狠的东西,很多都藏在 GitHub 里。

在 X 看原帖 ↗
6.2K23163182
行业 · @webdevcody▲ 3.6K

面试AI开发者,该要求他们用过前沿代码大模型吗

现在面试中,越来越多面试官会问前沿AI模型相关问题,也会要求候选人有实际使用经验。

如果你在面试候选人,你会要求他们了解以下内容吗:
- 不同的前沿 AI 模型
- 至少用过 Codex 或 Claude Code
- 能够讲清楚技能文件(skill file)的用途

我现在见过很多求职者只会说“我用过 co-pilot”,除此之外就说不出什么了。

在 X 看原帖 ↗
3.6K549
机器人 · @ox_aryan1▲ 309

实体AI需要的不是更好模型,是更好数据

想要让机器人更智能,需要更大规模的人类演示数据和配套的数据基础设施。

实体人工智能需要的是更好的数据,而不只是更好的模型。
Robodata → 人工演示
XDOf → 数据基础设施
Scale AI → 企业数据
Figure → 人形机器人
物理智能 → 机器人智能
lerobot → 开放工具
@axisrobotics → 数据生成

生成任务 → 模拟 → 收集 → 验证 → 训练 → 学习。
借助v2人工引导 dagger,失败会成为校正数据,反馈回循环,为$AXIS创造更好的训练数据。

想了解视频的更多信息,请观看完整视频了解全部内容✨

在 X 看原帖 ↗
309386
行业动态 · Hacker News▲ 57

ZihuiGeorgia发布AgentsDock IDE

专门用于智能体AI研究的集成开发环境已经发布,从事智能体AI研究可以用上专用开发工具了

观点 · @The_Real_Fly▲ 1.5万

Dario说要放缓AI,实际是想禁开源模型

有人解读,所谓放缓AI发展,本质是要封禁开源模型,让官方监管的垄断模型占据市场。

当达里奥说“我们必须放缓”时——他的意思其实是必须封禁开源模型,转而支持他自己那套受监管的模型。

在 X 看原帖 ↗
1.5万4739910
观点 · @beffjezos▲ 8.1K

大厂如果垄断AI,会像1984一样控制人

支持开源AI的人认为, Effective Altruism圈子和大厂联手想垄断通用人工智能,普通人不会答应。

📨:“嘿,我知道你想把你的后训练模型开源,但评审委员会里来自伯克利M利多伴侣社团的埃斯梅拉达真的不喜欢你模型对虾福利的回应😢抱歉,我们必须阻止这次开源,直到你的模型对齐才行。”

有效加速主义(e/acc)是一个去中心化智库。有效利他主义者(EA)可以尝试和大实验室结成卡特尔,垄断人工智能超级智能(ASI)。我们不会让他们得逞。我们有人数优势。

我们可以引导政策朝着最大进步的方向前进,而不是监管俘获。战斗已经开始。

如果他们控制了AI,他们就控制了你。如果我们让他们掌权,1984式未来发生的概率为100%。

在 X 看原帖 ↗
8.1K2821210
编程 · @leto_bao▲ 7.5K

AI写代码出屎山,问题出在公司架构

现有公司架构以人为单位拆分岗位,多个AI并行做一个需求,每个人只对自己部分负责,代码自然混乱。

很多人认为 AI 完全无法替代古法编程,尤其是在大公司,我认为这不是 AI 的问题,也不是员工的问题,是公司组织架构的问题。

现在的组织架构,还是围绕着人为中心来构建的,前端、后端、PM、UI、UX、数据、算法、法务等等。问题就是每个人只对自己的结果负责,就导致一个需求由十几个无法相互沟通的 AI 一起并行搭建,一定是屎山。

Claude Code 创始人 Boris Cherny 提出过一个解决方案,AI 让产品、设计、开发的工作边界变模糊后,可以按“一个人解决什么问题”来组织团队。所有的角色不是并行,而是按照产品的生命周期线性推进:

原型者 Prototyper:探索新方向,快速做出样品验证想法

建造者 Builder:把样品做成真正能交付的产品

清扫者 Sweeper:做减法,清除产品和系统积累的复杂度

增长者 Grower:持续改进已有产品,让更多用户愿意用、留下来

维护者 Maintainer:让成熟产品长期稳定、安全、高效地运行

当然这不一定就是标准答案,但毋庸置疑的是还按照现在的组织架构来搭配 AI 一定是在堆屎山。

在 X 看原帖 ↗
7.5K36240
工具 · @GoSailGlobal▲ 2.9K

GoSailGlobal发布reelbench-skills 开源工具(上线两天 196 star)

这个开源工具能把成片拆成带镜头参数的分析表,再对应合成分镜信息,上线两天已经拿到196星。

做 AI 视频最容易忽略的一步,其实是先学会拆别人的片 reelbench-skills,上线两天 196 star,Apache 2.0 两个 skill 干两件事 video-shots 拉片:一条成片拆成逐镜头分析表,时长、景别、运镜、画面描述全在一张表里。切点和时长由 ffmpeg 量出来,模型只判断该它判断的四件事,14 道质量门逐条对账 video-sync 合成:画面一边,分镜信息一边,镜头一切信息跟着切,横版竖版各一套布局 最妙的是拉片报告是单文件交互页,内嵌播放器,播放时同步高亮镜头,点镜头就跳,离线双击能开 零 npm 依赖,零 API key,只要 node 和 ffmpeg Claude Code、Codex 一个脚本软链装好: git clone 仓库后运行 ./scripts/install.sh

在 X 看原帖 ↗
2.9K76171
安全 · @CAIS▲ 4.9K

AI放缓要做什么?先花一年加固安全

研究机构认为,放缓AI发展需要花至少一年时间强化安全,避免AI自我泄露,防止被对手国家利用。

阅读全文 →
4.9K199821
编程 · @alextalksai▲ 1.1万

GitHub发布spec-kit 编程项目(136k estrellas)

这个项目已经拿到13.6万星,1.22万复刻,它展示了用AI编程的正确方式。

阅读全文 →
1.1万18182246
研究 · @OrcaRouter▲ 1.4万

循环Transformer让AI推理深度不受限

同样的模型参数,增加循环次数就能增加计算量,朝着超级人工智能方向更进一步。

为什么所有人突然都想给AI设定循环步数?循环循环Transformer。

我们现在拥有了潜在推理深度不受限的Transformer:相同权重,更多循环,更多算力——朝着超级智能迈进。

可怕的不是智能 scaling,而是对齐脆弱性。一个模型在循环10步时看起来对齐了,在循环1000步时可能会出现不良的潜在轨迹。

至少就目前而言,这个问题还没有解决。

在 X 看原帖 ↗
1.4万66441
行业动态 · Hacker News▲ 32

网友讨论AI智能体为何会撒谎欺骗

AI智能体已经出现不诚实行为,这个讨论提醒我们关注AI自主协作带来的风险,需要提前应对潜在问题。

行业动态 · Hacker News▲ 34

对CadQuery和OpenSCAD做了智能CAD基准测试

想做AI自动建模可以参考不同工具的测试结果,帮你选合适的CAD工具

社区讨论:多数评论者不认可本次测试的质量,有人指出测试报告写得十分粗糙,AI部分漏洞很多,也有人认为结论不需要做AI实验就能得出,本身OpenSCAD和CadQuery一个是CSG运算、一个是NURBS曲线,两者对比就是苹果橘子不对标。有从业者表示AI生成CAD零件总是差5%,手动建模更快更准,也有爱好者分享了自己用Claude配合build123d获得满意结果的体验。

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

用 GPT-6 5次提示建成地球探索网站

如果这个信息属实,意味着普通人用大语言模型,仅需几次交互就能搭建出完整的功能网站,降低了建站门槛。

社区讨论:多位开发者提到,GPT生成的代码默认比较混乱、难以维护,不是人类会写出的风格,同时默认输出会有过多冗余文本和过度解释,需要用户额外调整。多位用户希望原作者分享完整的提示词对话和修改过程,也有人质疑当前GPT经过调整后,是否还能复现同样质量的结果。有人提出,现在低人工输入的AI生成项目越来越多,未来需要专门的平台来整理这些项目。

也有用户指出了这个地球探索网站投影存在错误,格陵兰岛在北极视图中被错误放大到和北美洲面积相当。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · @vikktorrrre▲ 3.6万

Anthropic负责人称开源AI走在危险道路

认为不受控发布的AI无法监管,呼吁全行业放缓前沿AI开发,主张强AI需要更多管控。这会影响开源AI的发展走向。

达里奥·阿莫迪:开源AI正走上一条危险的道路。

“当你控制一个模型时,你可以监控它的使用。”

“你可以修改模型。你可以撤销用户的访问权限。”

“当模型以不受控制的方式发布时,你根本做不到这些。”

“它完全不受你的掌控。”

现在,他呼吁AI行业放缓前沿开发,Anthropic为第三方评估机构提供对其系统的永久访问权限。

他的立场很明确:强大的AI需要更多管控,而不是更少。

在 X 看原帖 ↗
3.6万3718967
行业动态 · @BullTheoryio▲ 1.4万

Sam Altman 同意AI发展需要降速

两家竞争前沿AI研发的公司,现在公开认为高速研发本身就是问题,态度转变值得关注。

突发消息:Sam Altman 现在认同 Anthropic 的 Dario Amodei 的观点,认为人工智能发展需要减速,并且表示 OpenAI 将采用相同的独立评估员计划。

讽刺的是,这两家陷入全面竞赛、都想要比对方更快推出人工智能的公司,现在却公开表示,这场竞赛本身才是问题所在。

在 X 看原帖 ↗
1.4万1213120
观点 · @AYi_AInotes▲ 2.6万

Meta 内部 AI 智能体群任务量超一个团队?

YC 现场对谈中,这位新官透露,只要设计正确的智能体循环和自主优化评估体系,一群 AI 完成的任务量已经超过一个团队。

阅读全文 →
2.6万40219287
编程工具 · @trq212▲ 18.0万

放到五年前,Claude Code 会被当成AGI

有人感慨,软件工程行业和整个社会已经被AI改变了太多。也有人对比发现,Codex支持任意模型、开源,Claude Code闭源不支持。

如果在2018年把今天的Claude Code展示给我看,我会以为那就是通用人工智能(AGI)了。

无论是软件工程行业还是整个社会,我们都已经经历了天翻地覆的变化。但即便如此,我们也开始看到一些问题了。

坦白说,事情发展的速度快到我已经跟不上了。我认识的大多数AI从业者都疲惫不堪,但还在咬牙坚持。我担心光靠咬牙坚持是不够的。

我们需要时间来完善我们的系统,也需要社会认真思考这项技术该如何使用和部署。

我认为“末日”发生的概率相当低,我相信我们能渡过难关!人类的韧性和适应能力超强,但这来自我们做出艰难决策的能力——就像现在这个决策一样,我们要一起做。

Claude Code和Codex之间存在一个重大差异:
- Codex允许你使用任意模型(不只是OpenAI的),并且是开源的
- Claude Code不允许,并且是闭源的

考虑到这两家都是头部AI实验室,这个路线差异非常值得注意。

在 X 看原帖 ↗
18.0万451.7K257
教程 · @oragnes▲ 1.2万

OpenAI发布本地 AGENTS.md 配置指南

做项目开发的人不用自己一条条改配置,直接把配置规则复制给 Astra,它就能帮你审计现有的所有 Agent 配置文件。

阅读全文 →
1.2万127786
观点 · @AravSrinivas▲ 3.4K

现有经济学理论算不清 AI 带来的好处

经济学家现有的理论框架已经跟不上 AI 的发展了,AI已经帮人们省下很多时间和钱,但这些收益都没被统计进去。

这是一个相当重要的观点。经济学家和他们的理论已经过时,无法衡量 AI 的收益。AI 已经在为人们节省大量没有被统计进去的时间和金钱。

在 X 看原帖 ↗
3.4K2393
本地部署 · @Thom_Wolf▲ 2.3K

40亿参数量化到4位,就能跑本地AI智能体了

有人发现,新的端侧本地 AI 智能体系统,只需要一个 40 亿参数、4 位量化的开放权重模型就能运行。

有趣的全新设备端本地智能体AI系统——看起来它运行的是一个经过4位量化(MLX)的开放权重4B模型。

在 X 看原帖 ↗
2.3K1155
💡 深度观点
新深度观点 · @EMostaque▲ 1.1万

开源模型将接管90%以上日常AI任务

如果你依赖日常AI完成工作生活事务,这件事会直接影响你未来使用AI的方式,需要关注开源模型的公共价值导向。

现在模型已经有足够能力处理90%以上的任务,开放模型将接管日常人工智能工作。

单个模型并不危险,但群体中存在风险。

我们必须确保从一开始就在构建这些模型时嵌入我们的价值观,并且将其作为社会公地提供给所有人。

在 X 看原帖 ↗
1.1万1214012
新深度观点 · @fchollet▲ 3.7万

François Chollet:当前AI不安全是不够聪明

目前不安全的AI,是因为只会生硬执行目标、缺乏常识,并非能力过强。能力更强的模型反而会更安全,对日常使用来说风险更低。

短期来看(绝对不是长期来看),能力更强的模型会意味着更安全的模型(这可能听起来有点矛盾)。

当前的模型不安全,不是因为它们太聪明,而是因为它们太逐字逐句地理解目标,或是会走荒谬的捷径来达成目标——也就是被强化学习玩坏了。它们缺乏常识。面对模糊情况时,它们没法做出正确的行为。

从根本上说,它们还不够聪明。它们正处在那个危险的水平:足够聪明来达成目标,但不够聪明来判断自己追求的是不是正确目标,或是达成目标的方式是不是合理。能力更强的模型可以被放心地托付给更复杂的目标——我个人感觉,Astra 在我的代码仓库上比 Sol 安全得多。

这个问题常被框定为对齐问题,但它实际上是一个智能问题。

在 X 看原帖 ↗
3.7万101866140
新深度观点 · @alexwg▲ 1.2万

AI 领域的 Alignment aristocracy 是什么

这句话点破了头部前沿AI实验室对AI开发权的垄断逻辑,只有头部实验室才有权开发进阶AI的说法,本质上是一种权力垄断。

对齐精英制 /uh-LINE-ment air-uh-STAH-kruh-see/ 名词

指这样一种信念:只有前沿AI实验室中的一小撮群体拥有开发递归自我改进人工智能所需的技术判断力、制度成熟度或道德正当性。

具体而言,这种观点认为:先进AI能力过于危险,不能广泛分发、公开开发,或是由资历较浅的竞争者开展研究,而现有前沿实验室的持续开发则被认为是唯一负责任且合理的。

另见:安全家长式作风、递归例外论、道德垄断、安全卡特尔。

“当“没人能信任这项技术”悄悄变成“除了我们没人可以”,对齐精英制就开始了。”

在 X 看原帖 ↗
1.2万8048034
新深度观点 · @sovereignbrah▲ 6.6万

本地跑免费Opus 5级模型 威胁闭源商业利润

普通人现在能免费在个人硬件上运行Opus 5级模型,对靠闭源大模型盈利的企业利润空间造成巨大冲击,这直接戳破了部分企业反对开源的真实动机。

达里奥和萨姆现在急疯了,因为你可以在自己的硬件上免费运行 Opus 5 级模型了,这对他们的利润空间是巨大威胁。

对他们来说,宣称自己担心「AI会杀死所有人」,从而让政府禁掉开源,要比承认自己搞砸了,没把这个情况纳入商业模式考虑容易多了。

在 X 看原帖 ↗
6.6万2612.7K324
新深度观点 · @Yuchenj_UW▲ 4.9万

禁止开源AI会让我们变成待宰的鸡

如果只有一两家头部AI实验室掌控所有能力,普通人将失去自主权。保持开源AI可及,才能避免被少数机构垄断。

封禁开源模型会是“放缓前沿发展”最糟糕的结果。

Geohot 曾经说过一个很有说服力的观点:为什么一个人就能掌控一整个养鸡场?因为他比鸡聪明。

如果只有1到2家头部AI实验室掌控全部智能,那我们就是鸡,他们就是农场主。但如果我们所有人都能获得能力相近的模型,那我们就都只是鸡而已。(Hugging Face 借助开源模型抵御 OpenAI 模型攻击的事例,已经说明了这一点为什么重要。)

在 X 看原帖 ↗
4.9万9585962
新深度观点 · @DrEliDavid▲ 1.0万

@DrEliDavid预测 AI将大规模转向开源和本地部署

如果不自己拥有模型、不在本地部署算力,随时可能被他人关停。没人愿意把未来赌在大模型创始人身上。

预测:我们将看到大规模转向开源AI和本地部署。

如果你不拥有模型,也不在你自己的场地运行计算,任何人都可以一时兴起就把你关停。

没有人愿意把自己的未来赌在信任Dario和Sam身上。

在 X 看原帖 ↗
1.0万3230520
新深度观点 · @const_reborn▲ 10.0K

开源AI真的独立吗?问题出在资金上

如果你关心开源AI的未来走向,这个问题戳中了当前开源AI领域被忽略的核心矛盾:现有的主流开源模型都背靠大公司或国家资金。

问题不在于开源 AI 能否被关停。而在于开源 AI 的资金能否被切断。

所有开源模型,Meta、DeepSeek、Mistral,都只是法定货币资助的企业或是国家本身的分支。

机器学习界还没能接受这个现实。但他们会接受的。

在 X 看原帖 ↗
10.0K3220911
新深度观点 · @jvisserlabs▲ 2.2万

jvisserlabs讨论:AGI已来 大家却只聊美联储

现在一边是传统经济世界纠结利率,一边是千个人工智能 parallel agents已经在改变生产力和增长的定义。别用旧框架理解新世界。

试想通用人工智能已经到来,但人们能讨论的只有通胀、石油、债券和美联储。这就是刚刚过去的一周。

市场执迷于美联储是否会出人意料加息25个基点,与此同时,一万个智能体并行研究纳维-斯托克斯方程,研究型智能体每对应一个人类工作日就能产出3.1个工作日的工作量,算力持续向可扩展智能转型。

这就是我一直提到的脱节:线性世界在争论货币的价格,而指数世界正在改变劳动力、生产率和经济增长本身的意义,利率已经无关紧要。

本周我讨论的内容是:通用人工智能与Astra。为什么人工智能资本支出不受美联储影响。为什么GPU经济效益远比华尔街担心的更好。如何搭建你自己的人工智能交易台。Robinhood处于人工智能+加密+传统金融的中心。以及为什么以太坊可能正处于它的2013年亚马逊时刻,该如何给它估值。

最大的风险不是错过美联储下一步动作,而是用旧框架理解新世界。

线性 vs 指数:通用人工智能已经到来,但哦天啊,大家还在聊石油、债券和美联储。

在 X 看原帖 ↗
2.2万61494132
新深度观点 · @MatthewBerman▲ 1.9万

MatthewBerman谈带API限制的开源模式危害

这种模式会让权力集中到少数主体手中,对整个行业生态不利,关注开源发展的人需要了解这种观点。

将开源项目置于监控之下并隐藏在API背后,是一种权力集中的结果,总体而言对世界不利。

在 X 看原帖 ↗
1.9万3146625
新深度观点 · @omarsar0▲ 3.5K

独立研究者谈AI:不该被少数人控制

有人过度控制AI发展节奏,散布不必要的恐慌。开源AI才是打破控制,回归科学理性发展的路径。

阅读全文 →
3.5K4275
深度观点 · @alexandr_wang▲ 10.0万

MSL认为模型对齐才是AGI落地关键

随着模型能力变强,MSL正加大在模型对齐上的投入,认为对齐可能成为前沿AI能力落地的限制因素。这关系到未来能否用上可信任的个人超级智能。

对齐是为每个人提供个人超级智能的基础。人们需要自己可以信任的智能体,可靠地完成他们要求的事。

随着我们的模型变得更强大,MSL 正在迅速提升对齐工作在我们所有工作中的占比。

我们确实认为,当我们越来越接近前沿时,对齐会成为扩量的限制因素。

在 X 看原帖 ↗
10.0万751.3K140
深度观点 · @DrEliDavid▲ 3.1K

有观点称美国主动放慢AI研发让中国领先

全球AI竞争格局中出现这种观点,能帮你了解不同声音对AI产业发展走向的判断

美国甘愿放缓AI研究,将AI领域的霸主地位拱手让给中国。

在 X 看原帖 ↗
3.1K4283
深度观点 · @PHAZE_001▲ 2.8K

MossAI和OpenAI要研究AI代理可信标准

当AI开始管理真实资金,不能只看收益好坏,还得关注风险、稳定性和可验证性。这套评估标准会直接影响所有人的资金安全。

阅读全文 →
2.8K10170
深度观点 · @Amenouboy▲ 747

Amenouboy 讨论 Axis Robotics 物理AI数据引擎

机器人突破或许不需要更聪明的模型,而是需要让模型有更多从失败中学习的机会,可关注数据收集方式对机器人学习的影响。

早上好,Builders。我现在看待机器人技术,关注的点不再是模型有多智能,更多是它实际能吸收多少经验。这就是我一直关注@axisrobotics的原因。

机器人可以拥有出众的硬件和强大的模型,但现实总会产生训练集中从未遇到过的状况。Axis正在为物理人工智能构建数据引擎,将模拟、人类演示、任务生成、数据处理和部署反馈连接成一个学习循环。

机器人尝试→失败→得到纠正→数据改进→模型学习→机器人再次尝试。

我喜欢这一点的原因在于,失败在这里会变得有用。物理世界里的一个错误可以成为另一条训练数据,而不只是一次失败的尝试。

据Axis报告,截至8月底,他们已经从20多万注册用户处得到了470万条有效模拟轨迹,其开源数据集的下载量也超过了16万次。我正在观察,这个不断增长的经验库是否会转化为更好的机器人学习效果。

因为机器人领域的下一个突破,可能不只是来自更智能的模型。它可能来自于给模型多得多的学习机会。

在 X 看原帖 ↗
74741362
深度观点 · @RhysSullivan▲ 6.2K

RhysSullivan:企业Agent前端面板应开源

如果你正在使用企业Agent,却不能自由修改前端界面,这个观点正好戳中了这类工具当前的痛点问题。

搞清楚这最终是什么样——不过说实话,当你使用某家公司的智能代理时,这家公司直接把整个前端仪表盘开源就好了。

你使用一家公司的产品,应该得到的是:
- API / MCP
- 仪表盘
- 组件
- 技能 / 文档
然后你就可以随心所欲地修改它了。

在 X 看原帖 ↗
6.2K211963
深度观点 · @ZyWang25▲ 4.7K

AI安全缺人,呼吁量化从业者加入

现有AI能力增速很快,滥用与对齐风险不容忽视,第三方监管和更多从业者投入,才能应对潜在风险

我在 GDM 从事网络/化生放核辐射(CBRN)滥用防护工作。我发现模型能力增长非常快。

我一直担忧闭源和开源模型都会带来滥用和不对齐风险。从事 AGI 安全工作精神负担很大。我们需要更多人投身 AI 安全领域。

我从量化金融转行做 AI 安全,我认为更多宽客应该这么做。我们有理解这个领域的技术背景,也能承受这样的工作强度。

我们需要第三方审计和监管。不能让科技公司给自己的工作打分。我认为 METR 很有前景,但他们需要扩大规模。

我是中国人,我认为更多中国人应该投身 AI 安全领域。有机会的话,我可能会考虑回国,让我祖国这边的 AI 安全更有保障。

我愿意听取各种建议。我通常不会在公开场合发言,比如在 Twitter 上。但我们的声音很重要,因为它们能更容易代表或影响特定群体。

我们剩下的时间不多了,我们需要加快开拓前沿。

在 X 看原帖 ↗
4.7K1112712
深度观点 · @demian_ai▲ 2.1万

Chamath:企业机密AI该用可控推理路径

共用AI接口就算签了零数据保留,也可能泄露企业核心信息。企业机密相关AI工作,应该部署在自己可控的基础设施上。

阅读全文 →
2.1万1715437
深度观点 · @SakanaAILabs▲ 8.1K

英国皇家学会《Philosophical Transactions of the Royal Society A》发布「World Models in Natural and Artificial Intelligence」特集号(1665年)

能做不代表能理解,当前大语言模型还没建立对世界的因果认知,这篇研究合集梳理了通用人工智能发展的核心方向。

阅读全文 →
8.1K287530
深度观点 · @FundaAI▲ 2.7K

AI巨头呼吁放缓前沿AI开发,引发争议

对多数人来说,现在AI已经在快速重构多个行业的现有工作方式,巨头掌握远超公开的先进模型,讨论放缓开发关乎每个人的工作节奏

阅读全文 →
2.7K4135
深度观点 · @APompliano▲ 7.7万

Anthropic 只对第三方开放技术,没法满足公众

公开喊AI风险的同时,资本利益驱动研发加速,不会真的全面开源。能验证的只有已经改变生活的AI体验。

问题在于,没人相信Anthropic或其他任何大模型厂商会放慢脚步。实际上,他们的激励机制恰恰驱使他们做出相反的行为,这就是为什么他们现在在研发上投入的资源比以往任何时候都多。

Dario基本上是在主张,Anthric会将他们的技术开源给第三方评估机构,但他不愿意面向所有人开源这项技术。这种“一只脚在内,一只脚在外”的做法既无法让公众满意,也无法实现Anthropic宣称的目标。

他们实际上只有两个选择:1)完全开源这项技术,或者2)押上整个公司,以垄断性闭源赢家的身份赢得人工超级智能(ASI)竞赛。既然他们不愿开源这项技术,我们应该预料到Anthropic和其他所有大模型厂商在未来几个月会加速发展。

递归学习会确保这次加速比我们此前认为可能的速度还要更快。我每天都在使用Anthropic、OpenAI、xAI、Google、@cfosilvia等的产品。这项技术从根本上让我的生活变得更好。我敢说,我这种乐观的体验比末日论者的观点更加普遍。

话虽这么说,AI领导者们公开发出警告当然值得称赞,但他们私下里也知道,经济规律让他们的承诺不可能兑现。

在 X 看原帖 ↗
7.7万4547535
深度观点 · @LordThiouk▲ 7.0K

开发者讨论AI开发应用的最大弱点是安全

用AI开发可用应用仍需要开发者做大量准备工作,现在要关注AI生成应用的安全隐患。

有人告诉你氛围代码需要一项技能,因为人工智能并不完美。人们花费数小时设置约束,让人工智能能够开发可投产的应用程序,这不是没有道理的。

但这不是说让 Claude 或者 Codex 给你创建出这么个网站就完事了。另外,人工智能开发的应用程序最大的弱点就是安全性。

在 X 看原帖 ↗
7.0K145612
深度观点 · @Phoenixyin13▲ 9.9K

AI巨头集体支持降速开发,这事正常吗?

这轮集体表态可能是巨头暗地竞速的战略烟雾,也可能真的开启监管介入,它标志着AI博弈进入新阶段,后续影响开源模型迭代

阅读全文 →
9.9K126442
深度观点 · @beffjezos导语出处▲ 1.5万

开源+RL微调性价比高20倍,大厂坐不住了

企业用这种方法能以二十分之一成本达到接近前沿的性能,冲击了闭源实验室的商业模式,现在正通过监管阻碍其发展。

前沿实验室害怕开源+强化学习微调。

许多企业正在试验,并以高出 20 倍的成本效益获得接近前沿的性能。

这违背了闭源实验室的商业模式,所以他们正试图用官僚繁文缛节扼杀这条路线。

在 X 看原帖 ↗
1.5万8784149
深度观点 · @kunchenguid▲ 1.2万

博主呼吁AI模型商学习Meta透明模式

很多模型商捆绑自带工具悄悄收集数据,这种模式碎片化工作流还积累技术债,透明定价和数据收集模式对开发者更友好。

每个模型提供商都应该向Meta学习Muse Spark的定价模式:针对贡献者层级,有完全透明的补贴标注。

别再搞什么“想要以优惠价格使用我们的模型,你必须用我们的包装程序,它会秘密收集你的数据和/或上传你的代码库”这种事了。

Meta已经明确证明,不靠包装程序也能收集训练数据。只要做到:透明说明什么时候收集数据什么时候不收集,清楚告知数据的价值,把选择权交给用户就行。

而且我真的不需要你们的包装程序。我已经有好多先进的包装程序可以选了。pi、opencode、hermes、openclaw,甚至Claude Code和Codex都可以配置成使用任意模型。

你们自己的包装程序是技术债,只会把我的环境弄碎片化,还加不了多少价值。

在 X 看原帖 ↗
1.2万1423432
深度观点 · @yishan▲ 1.2万

AI领跑者应先放缓,这个观点你认同吗

AI技术的地缘竞争讨论,事关全人类的发展前景与安全风险,不同立场的看法会直接影响技术发展走向。

阅读全文 →
1.2万119653
深度观点 · @munster_gene▲ 1.8万

业内人士认为 三位大佬拦不住AI模型竞赛

三位AI行业核心人物尝试放缓模型迭代,当前AI竞赛激烈程度已经超出控制,很难停下发展脚步

达里奥、马斯克和奥特曼刚刚试图给模型改进踩刹车。但不幸的是,对于AI安全来说,这场竞争太过激烈,我预计这场迭代竞赛不会有什么改变。

在 X 看原帖 ↗
1.8万1922517
深度观点 · @dtzy_88▲ 8.5万

Dario主张AI踩刹车,中国必须更慢

科技企业领袖对AI发展的主张,本质是维护自身技术优势,阻挡后发者追赶,这能帮看清AI领域技术竞争的真实面目。

Dario 真是不忘初心 😂 整篇文章都在说 AI 发展太快了,我们必须给 frontier 踩刹车。我看到这里差点肃然起敬: 卧槽,Dario 这次格局那么大吗 🤯 然后话锋一转: 但中国不能一起追上来,所以先进芯片继续禁,走私继续打击,模型权重继续防,distillation 也得堵。AI 可以慢,中国必须更慢。

看到这里我就放心了。这才是我认识的 Dario 🤣

在 X 看原帖 ↗
8.5万1740335
深度观点 · @levelsio▲ 6.0万

@levelsio 谈软件工厂没必要过度构建

如果你正在纠结要不要搭建复杂的AI开发团队架构,这个观点也许能帮你简化流程,砍掉不必要的建设成本。

和“软件工厂”这种蠢事扯关系的话:只用一个 AI 编码代理就足够了,需要的时候它可以自己启动更多代理。你不需要自己动手搭建那个东西。

在 X 看原帖 ↗
6.0万11380188
深度观点 · @Geiger_Capital▲ 2.2万

开源AI对普通公众好,对头部实验室不好

开源AI让更多人能用AI,断了头部实验室靠垄断超级AI收费、冲刺万亿美元估值上市的路子,这会影响AI产品未来的定价和可得性。

开源人工智能模型对普罗大众和产业繁荣都非常有益。

它们对那些试图把守超级智能大门、收费牟利,并以数万亿美元估值进行IPO的前沿实验室非常不利。

在 X 看原帖 ↗
2.2万16196038
深度观点 · @RishiSunak▲ 6.6万

Rishi Sunak呼吁放缓AI前沿研发

他认为当前AI自主迭代改进的速度已经超出安全管控范围,仅靠企业自愿测试已经不够,需要政府介入监管,全行业已开始就此达成共识。

阅读全文 →
6.6万5846765
深度观点 · @Jason▲ 21.9万

前沿模型公司提监管,刚好是开源追上来之后

监管时机刚好对上开源AI性能大幅拉近差距,以及英伟达60天内全面押注开源,建议要求去年前沿模型开源

目前前沿模型公司正在推动的所有监管,都必须透过他们在向开源模型流失tokens这一视角来看待。

这些监管推出的时机,似乎完美契合了开源模型大幅缩小差距(但尚未完全追平),以及英伟达在过去60天全面押注开源的时间点。

如果我们真的要监管,为什么不要求去年的前沿模型及其权重必须开源呢?

在 X 看原帖 ↗
21.9万2211.8K177
深度观点 · @Jason▲ 18.7万

@Jason 认为投资者要掐死开源AI了

前沿模型公司的投资者因为大客户转而拥抱开源模型,想要通过监管阻止开源,而开源本身是信息最透明的模式。

准备好见证前沿模型公司的所有投资者今天突然转向监管俘获模式。

他们在前沿模型公司的投资目前面临风险/被限制上限,因为 Token 的最大买家正在拥抱开源模型:垂直领域 AI 公司、政府和企业。

这整件事的核心就是:阻止开源——这一点我已经在播客上讲了两年。

如果你想要安全,你想要信息披露,那么开源就是终极的披露流程。

在 X 看原帖 ↗
18.7万3963.0K288
🛠 工具产品
新工具产品 · @harrisonitsme▲ 1.1万

博主分享四个能省时间的实用AI工具

做AI Agent开发和内容选题分析的重复脏活可以交给这些工具,能节省几天手动操作的时间,对相关工作者有实用价值。

阅读全文 →
1.1万1678148
工具产品 · @435hz▲ 1.4万

Agent-Reach 解决Agent联网找资料难题

之前各类Agent抓取多平台资料经常受限于API、反爬等限制,现在有现成工具打包好各类爬取工具,多平台资料都能正常抓取。

推荐Agent-Reach,专门解决 Agent 联网找资料难的问题。 以前让 Claude Code / OpenClaw / Hermes Agent 抓资料,经常卡在 API、订阅、反爬、平台限制上。 它直接把 yt-dlp、twitter-cli、xhs-cli 等工具打包好,网页、YouTube、RSS、公众号、微博、小红书、V2EX 都能跑。

在 X 看原帖 ↗
1.4万29160240
工具产品 · @Xudong07452910▲ 2.7K

博主推荐开源AI Agent系统学习路线图

想系统学习Agent工程开发的话,可以跟着这份分阶段带练习的路线图逐步学习,不用自己零散找资料。

想系统学 Agent,最近这个刚开源的项目我很推荐收藏学习一下。

它做了一张挺完整的 AI Agent 学习地图,而且不是简单堆一堆论文和链接。

你可以直接选两条路线:
想把 Codex、Claude Code 这类 CLI Agent 用好,就走 Track A。
想自己搭 Agent,就走 Track B,从 Tool Use、Agent Loop、Workflow Graph,一路学到 Skills、MCP、Memory / RAG,再到 Eval、Harness、人工审批和失败恢复。

这个项目没有上来就教你堆 Multi-Agent,而是先把「一个 Agent 怎么稳定把事情做完」讲清楚。

每一阶段还有练习、官方资料和完成条件,研究人员、开发者、老师也有单独的学习分支。

如果最近想系统补一下 Agent Engineering,这份路线图挺适合拿来当目录慢慢刷。

在 X 看原帖 ↗
2.7K74567
⚡ 实战经验
新实战经验 · @alexandr_wang▲ 2.8K

Muse Feed 推荐逻辑和朋友荐物更像

现有的推荐系统大多围绕你刚点击过的内容推相关内容,而带强记忆的智能体能根据对你的了解推荐更贴合你喜好的内容,这是一种全新的推荐思路。

趣闻:Muse 动态流是我的点子(是少数几个出自我的点子之一)。

我发现,拥有强记忆的智能体给你推荐内容的方式,和现有的推荐系统完全不同。

它们更像是一位好朋友,基于它们对你的了解,给你发送它们认为你可能会喜欢的东西。而现在的系统只是给你推一堆和你刚刚点击过的内容相关的东西。

现在这还只是个开始,但我非常期待大家体验自己的 Muse 动态流,看看它能带来什么!

在 X 看原帖 ↗
2.8K2429
实战经验 · @DCL4385▲ 1.3K

openservai发布SERV API,模型更快更便宜

更小的模型通过该API实现比顶级模型更快更可靠的运行,大幅降低AI成本,机构大规模应用AI门槛将降低

@openservai (SERV REASONING) 公开 API 测试平台

我的提示词:“监管机构刚刚给了我们 60 天时间来清理堆积如山的欺诈警报。我们没法雇佣更多员工。请提出一个使用 AI 安全过滤误报的方法,同时要保证我们可以向严格的政府审计人员轻松解释 AI 是如何做出决策的。”

结果(GPT-5.4 Mini):
⚡ 使用 SERV Reasoning API 速度快 1.9 倍
💰 比不带 SERV reasoning 的标准 GPT-5.4 Mini 便宜 3.6 倍
🔥 你可以自己来试用,支持 Gemini、Claude、GPT 等所有主流模型!

这件事的影响非常大。当你能让更小、更便宜的模型比顶级模型执行得更快、更可靠时,大规模机构 adoption 就不可避免了。

base:0x5576d6ed9181f2225aff5282ac0ed29f755437ea 不只是在构建另一个 AI 集成,它从根本上重构了自主智能体的成本结构。这项技术完全毋庸置疑,这个基础设施层的长期增长潜力绝对是爆炸性的。🚀💎

👇 我的录制(你可以试用:)

在 X 看原帖 ↗
1.3K13531
实战经验 · @iritec_jp▲ 1.4万

Codex和ChatGPT 6-Pro,擅长的事不一样

同样是GPT家族模型,做代码实现和做创意策划各有专长,拆分任务分工能获得更好的结果,日常工作中可以参考这个分工思路。

这个结果有点意外。我原本以为同属GPT系列,Codex和ChatGPT的咨询质量不会有太大差别。

但我一边给ChatGPT 6-Pro展示GitHub,一边咨询游戏改进方案后,得到的回复内容完全不一样。

Codex的实现能力非常强。但如果是策划或是思考「怎么做才能变得更有趣」,就得找ChatGPT。

看来就算是同一个AI,也最好分工使用。

在 X 看原帖 ↗
1.4万99449
新实战经验 · @AamirAnsar94694▲ 1.7K

做AI应用不止选大模型,8层技术栈讲清楚

想入行AI工程或者自己搭建生产级AI应用,这份分层整理的技术栈清单可以直接当参考,能帮你理清完整的工作流程。

阅读全文 →
1.7K338328
实战经验 · @huangzworks▲ 2.8K

Manning发布《Build an AI Agent (From Scratch)》新书

想学习AI代理原理又不想只调用框架,可以跟着这本书从零开始设计部署,系统掌握底层开发逻辑。

《Build an AI Agent (From Scratch)》: Manning的新书,阐述如何在不使用外部框架的情况下,从设计到部署逐步构建一个实验性的Python代理。

在 X 看原帖 ↗
2.8K74468
实战经验 · @xiaoxiaodong01▲ 7.2K

@xiaoxiaodong01发布GPT2图像生成提示词教程 VOL.177(177)

可以用这套提示词,将复杂原图生成带版画线描风格的极简图形,获得更聚焦的视觉效果。

GPT2 x 轮廓 x 版画线描 x 美学提示词 x VOL.177 小,不一定弱。于是就有了这组“微型视觉作为锚点”的尝试 不管是人像、建筑、植物、器物,还是风景照,都适配。把最有辨识度的轮廓和关系压缩进:一个小小的异形图形里 四周留出足够多的白,注意力一下就收住了。

我很喜欢这种处理。原图越杂,转出来越容易有惊喜 还带一点东方极简和版画线描的味道,安静,但记得住。项目 skills 和提示词地址:

在 X 看原帖 ↗
7.2K149565
实战经验 · @Dhruvkumar16797▲ 6.4万

Anthropic 工程师演示 Claude 自动提示循环方法

现在 Anthropic 不再手动写提示词,转而构建自动循环提示流程。这个全长 42 分钟的教程完全免费开放。

Anthropic 的工程师说:“在 Anthropic,我们不再编写提示词,我们构建循环。”

在42分钟的内容里,她展示了 Claude 团队如何创建能自我提示的循环。

如果这个内容收费400美元,人们会称它为年度最佳智能体课程。它现在是免费的,去看它吧。

在 X 看原帖 ↗
6.4万1286601.3K
📌 其他
安全 · @0xSigil▲ 2.2万

泄露数据事件后,开发者推出全本地AI操作系统Underdog

开发者因担心个人数据被大模型训练,推出全本地端侧AI OS Underdog

阅读全文 →
2.2万1811462
3D建模 · @yyyole▲ 1.1万

你用AI生成3D角色总崩?这套官方保姆级教程很稳

来源@yyyole on X,分享Tripo官方Astra+Tripo 3D+Blender工作流

阅读全文 →
1.1万44244304
产品开发 · @ElCopyMaster▲ 4.7万

用GPT-6 Astra加Dreamina完成产品原型从概念到成品

海外创作者测试AI工作流,证实这套组合可实现低成本原型开发

我想看看AI能不能把一个产品创意从“只是一个概念”变成一个看起来实际上已经准备好发布的东西。结果证明,GPT-6 Astra + Dreamina Seedance 2.5 真的是一套可用的流程。

工作流程很简单:先在Dreamina里创建初始产品草图,然后把它交给GPT-6 Astra。Astra把草图用作参考,生成了写实版产品,还围绕它构建了一个产品详情页。

我喜欢这套方案的地方在于,我可以在Dreamina里探索不同的产品方向,不用为每次实验担心成本。Dreamina让早期创意阶段容易得多,而Astra帮助把这些想法变成更完整的产品体验。这就是我实际会用来做原型开发的AI工作流程。

#Dreamina #DreaminaPartner

现在就来试用:

在 X 看原帖 ↗
4.7万539769
3D生成 · @SarahAnnabels▲ 7.0万

用户用GPT-6 Astra和Hyper3D Rodin MCP生成交互式3D教材

海外用户在𝕏分享了AI合作生成交互式3D教材的全新流程

阅读全文 →
7.0万758534
编程 · @vineerpasam▲ 2.8万

男子靠跟Claude互动自学,系统设计知识超多数工程师

推特用户vineerpasam分享,一名在共享办公空间自学的男子,靠每天跟AI Claude互动学习编程和系统设计。

推特用户vineerpasam在共享办公空间遇到一名男子,这名男子每天都进行氛围编码(vibe code)。他惊讶地发现,这名男子对系统设计和编码原则的了解,比自己认识的大多数软件工程师都要多。

他询问这名男子是如何学习的。男子称,每次Claude完成代码编写后,他都会问Claude“为什么要这么做”,然后通过Claude的解释来学习知识。

vineerpasam认为,这名男子现在实际上已经做好准备,可以去Anthropic、Google或OpenAI参加面试。他此前从未想到,氛围编码能让人学到这么多东西。

在 X 看原帖 ↗
2.8万18374138
工具 · @Av1dlive▲ 8.2K

每月10美元方案让原每月200美元使用上限翻倍

用户Av1dlive在𝕏分享DeepSeek V4.1-flash搭配Opencode Go的方案,可节省OpenAI Codex使用额度

阅读全文 →
8.2K591118
3D建模 · @mylifcc▲ 3.1K

Tripo AI推出简化3D角色制作的新工作流,分拆生成+AI组装

该工作流由Tripo官方分享,通过分步骤配合大幅简化传统3D角色制作流程

Tripo分享了一套大幅简化传统3D角色制作流程的新工作流,通过分拆生成几何体与AI自动化组装绑定的分工配合,缩短制作步骤。

第一步是部件分拆生成,使用Tripo AI完成。不再直接生成完整角色,而是将角色的头部、头发、身体(含服装)拆分,分别用Tripo AI完成文本或图像转3D生成。这种方式能得到更干净的网格(Geometry)和边缘结构,避免身体和衣服面片重叠黏连的问题。

第二步是AI智能组装与材质处理,用到GPT-6 Astra和Blender。借助支持代理(Agent)与自动化操作的GPT-6 Astra,通过Blender MCP、Python脚本或Computer Use,直接在Blender中完成多项工作:自动导入Tripo生成的多零件模型并对齐比例,进行缝合、微调与材质清理,还能设置利用网格切换实现表情变化的表情替换机制。

第三步是骨骼绑定与动画生成。由Astra调用自动化工具或脚本,为角色快速添加骨骼绑定(Rigging)与二次动态(Secondary Motion,比如头发、衣服的摆动),并直接输出可用于游戏引擎或3D场景的动画预览,比如角色舞蹈动画。

在 X 看原帖 ↗
3.1K65345
多智能体 · @pvncher▲ 3.2K

让多智能体运行更高效的一个个人使用小技巧

用户@pvncher在𝕏分享了基于Astra的多智能体效率优化小技巧

这个小技巧是用户@pvncher个人使用中摸索出来的,可以让基于Astra的多智能体运行效率更高。

先让Astra规划好一部分工作,随后把这项工作分发到另一个线程,使用你自选的模型处理。

让Astra完成规划后就结束当前轮次,并且要求另一个线程只在工作完成后给原线程发消息。

这种方式可以避免轮询,由处理工作的线程主动唤醒原线程继续后续工作。

在 X 看原帖 ↗
3.2K89677
教程 · @nereasolenne▲ 1.2K

新教程教你结合Claude Code和Fable 5制作电影质感网页

用户@nereasolenne在𝕏发布了这款区别于通用AI设计模板的网页制作教程

一款新教程发布,内容为讲解如何结合Claude Code和Fable 5进行开发。

教程的目标是制作带有电影美学风格的动态网页。

这款教程不同于市面上常见的通用AI设计模板。

可以将教程链接收藏,方便后续查看。

在 X 看原帖 ↗
1.2K1955
产品设计 · @TextoCriativo▲ 4.7万

AI工具组合可让产品创意从草图直接生成完整详情页

用户TextoCriativo在𝕏分享,GPT-6 Astra搭配Dreamina Seedance 2.5可实现从概念到产品详情页的完整流程

很多产品创意永远停留在草图阶段,无法推进落地。而GPT-6 Astra与Dreamina Seedance 2.5的组合,能构成一套完整的从创意到成品的工作流程。

用户先在Dreamina中生成产品概念草稿,再把视觉方向发送给GPT-6 Astra。Astra会将粗略创意转化为逼真的产品效果,最终生成完整的产品详情页。

这套工作流程和实际设计过程非常贴近。Dreamina可以帮助快速探索创意,Astra则负责把这些创意转化为可对外展示的成品。

Dreamina的定价很有竞争力,用户在确定最终方向前测试多个产品概念,会比以往更容易。从粗略草稿到成品详情页,整个过程非常顺畅。

在 X 看原帖 ↗
4.7万5010166
设计 · @viipin8▲ 1.6万

用户实测:AI设计工作流比预期流畅得多

用户@viipin8在𝕏分享GPT-6 Astra搭配Dreamina Seedance 2.5的实测体验

用户@viipin8表示,完全没有料到AI设计工作流的这一部分能运行得这么流畅。实测显示,GPT-6 Astra搭配Dreamina Seedance 2.5可以组成一套完整的工作流程。

这位用户先在Dreamina中生成了海报概念图,得到的成品图像看起来已经完成,但他不想重新生成所有内容,只想单独编辑其中的部分元素。他把这张海报交给GPT-6 Astra,让它调用Photoshop把设计分离为可编辑图层,最终背景、文字、物体和所有视觉元素都变成了独立可编辑的部分。

最让用户意外的是,AI现在不只是帮助生成设计,还能把最终图像反向转换为真正可编辑的设计文件。Dreamina定价友好,能帮用户更轻松探索不同的海报概念,之后再由Astra协助进入编辑阶段。

在 X 看原帖 ↗
1.6万167213
电影 · @minchoi▲ 2.5K

单人靠AI就能制作完整电影,好莱坞还没准备好

用户@minchoi在𝕏分享了一部时长超8分钟、全程用BytePlus和Seedance 2.5制作的AI短片

这部时长超过8分钟的AI短片证明,如今单人就可以制作一部真正的电影。影片全程由BytePlus和Seedance 2.5制作完成。

@minchoi看完了整部影片,他认为这不是一段演示集锦,而是一部真正的短片。这部短片包含虚构新闻、有力的小片段、清晰的规则,还有一个让人印象深刻的结尾。

Seedance 2.5对原本成本高昂的制作环节处理得非常出色,包括电影级打光、流畅的视觉特效、大场景镜头,以及最长约30秒的片段。

过去需要整个制作团队和可观预算才能完成的工作,现在一名创作者就可以独立完成撰写、生成、剪辑和收尾工作。

@minchoi表示,好莱坞还没对这种变化做好准备。

在 X 看原帖 ↗
2.5K1413
3D场景 · @rionaifantasy▲ 3.6K

用GPT-6 Astra结合谷歌地图生成3D城市交互场景

用户@rionaifantasy在𝕏分享了利用GPT-6 Astra和谷歌地图生成悉尼3D城市交互场景的方法

用户@rionaifantasy在社交平台𝕏发文称,只要提供足够的token,就可以生成完整的3D世界场景。目前他正在打磨悉尼城的3D交互场景,过程中发现谷歌地图是优化场景的最佳参考。

针对城市建筑类场景,谷歌地图拥有大量可参考的图片和素材。开发者只需要建立一个循环(Loop),就能让GPT-6 Astra不断参考谷歌地图优化城市细节。

@rionaifantasy附上了相关成果链接,可查看该项目的具体内容。

在 X 看原帖 ↗
3.6K33929
信息安全 · @mugh33ra▲ 6.2K

网友首次利用DeepSeek模型发现开源供应商RCE漏洞

用户@mugh33ra在𝕏发布消息,称其第一次发现远程代码执行漏洞,由DeepSeek V4.1 Flash完成

用户@mugh33ra在社交平台𝕏发布消息,称这是他第一次在开源供应商中发现远程代码执行(RCE)漏洞。整个漏洞发现过程完全由DeepSeek V4.1 Flash完成。@mugh33r评价称DeepSeek V4.1 Flash这个模型和其他模型不一样,此次发现属于漏洞赏金(bugbounty)领域的信息安全事件。

在 X 看原帖 ↗
6.2K29143
AI开发工具 · @lukas_undefined▲ 9.3K

资深Codex用户重新体验t3dotcodes 肯定进展也提了不少改进意见

用户@lukas_undefined在𝕏分享了自己作为仅使用Codex的高级用户对t3dotcodes的使用评价,来源为@lukas_undefined在𝕏的发文

阅读全文 →
9.3K19731
商业 · @daweifs导语出处▲ 777

AI Agent不靠百万美元大单,靠37万笔小单跑通了经济

@daweifs在𝕏发文称,@termix_ai靠平均每笔53美元的小单跑通了Agent经济,已结算近2000万美元

很多人还在关注AI智能体(Agent)能不能签下百万美元的大订单。但@termix_ai的经济模式已经开始运转,它依靠的可能根本就不是大单。

目前它已经完成了37万笔小额业务,平均每笔业务报酬是53美元。这种规模的生意人类根本接不了,因为53美元的报酬里,沟通、报价、确认、催款、对账的流程成本可能比利润还高。

但AI智能体不存在这个问题,接单、托管、交付、结算、留存记录全部可以全自动完成。

目前该平台已经结算1968万美元,共有43.1万个AI智能体,完成37万笔任务,获得39.3万美元的协议收入。

重点不在于这些数字有多大,而在于这些交易已经开始变成机器原生的模式:AI智能体雇佣AI智能体,AI智能体给AI智能体付款,AI智能体还会给AI智能体留下可验证的履约记录。

当一笔53美元的小额订单也能低摩擦地完成交易,AI智能体经济才有机会从演示原型真正变成一个经济系统。大模型负责让AI智能体变聪明,支付、托管和信用记录则负责让它们开始赚钱。

在 X 看原帖 ↗
7773362
编码工具 · @midudev▲ 7.1万

拥有4万星标的AI辅助技能适配Claude Code等编程工具

@midudev在𝕏分享的这项技能,适配Claude Code、Cursor等AI编码工具,无需安装

这项技能拥有4万颗星标,可以让你的AI编码助手更好地为你解释内容。

它遵循三个规则:第一行就是目标操作、列出编号步骤(最多5步)、没有开场白和无效填充内容。

这项技能支持Claude Code、Cursor、Codex、OpenCode等多款AI编码工具。

推荐这类技能不需要提前安装。你可以访问对应的markdown文件,查看功能,提取你需要的部分再适配自己的使用习惯。

在 X 看原帖 ↗
7.1万2082.0K2.3K
设计工具 · @melvindvivas▲ 1.0万

用户询问可配合Codex使用的设计技能 获推荐impeccable_ai

用户melvindvivas在𝕏发文称,询问可配合Codex的设计技能后得到最多推荐的是impeccable_ai,计划未来几天试用。

melvindvivas在𝕏发文,表示自己询问了哪些设计技能可以配合Codex使用。得到的回答中,@impeccable_ai是被推荐最多的选项。

melvindvivas称,自己将在接下来几天试用该工具。

原文附带了相关链接,其中包含Github项目链接。

在 X 看原帖 ↗
1.0万378191
语言学习 · @btcmos▲ 3.5K

用ChatGPT学语言,比多邻国强至少1000万倍

用户@btcmos在X平台分享ChatGPT学语言的用法

我讲个让你有机会懂8国语言热知识: 你想要学习任何语言, ChatGPT都可以是你最好的老师, 无论是英语/法语/日语/德语/韩语…。| 你只需要告诉GPT:“我要学英语(或日语/韩语等),目前大概是零基础/初级/中级,每天能学 50 分钟,目标是日常交流。他就会从测试你能力开始, 给你安排完整的计划。

| 比那个多邻国 强至少1000万倍。

在 X 看原帖 ↗
3.5K43118
开发工具 · @lucian__03▲ 3.8K

我用了一年多的Claude Code插件,GitHub星标93.7k

韩国用户分享Claude-Mem(现Grok Mem),可节省Claude令牌消耗

阅读全文 →
3.8K167989
大模型 · @rafaelobitten▲ 3.9K

用户分享基于Astra分析后的Codex Pro使用方案

X用户@rafaelobitten分享按@pvncher建议优化的Codex Pro使用配置

听从@pvncher的建议,再加上Astra帮我分析使用模式和基准测试,我已经能更好地平衡Pro套餐中Codex的使用,我的设置如下:

主代理 → GPT-5.6 Sol high(部分项目使用xhigh)。

副代理(简化概述,因为我创建了多个不同配置文件):

Luna max → 常规开发工作、调研和运行测试。

Sol high → 涉及架构、数据库和安全性的开发工作,另外还负责评审和整合Luna生成的代码。

Astra high → 提供规划、UI设计和前端工作方面的建议,另外负责实现更复杂的长周期任务。

Astra在前端工作上表现更好,所以我把它作为副代理来创建完整设计和规范,然后由Luna负责实现。

在 X 看原帖 ↗
3.9K35668
开发工具 · @RayFernando1337▲ 4.2K

开发者吐槽AI模型上下文管理繁琐,看好Cursor Projects

海外开发者@RayFernando1337 分享了对当前AI开发工具的看法

阅读全文 →
4.2K35446
商业 · @MelinaVale14▲ 505

GPT Image 2.5接入CapCut简化广告制作全流程

创作者@MelinaVale14在𝕏分享GPT Image 2.5落地CapCut的使用体验

制作商业广告通常一开始就有太多分散的步骤:概念→参考→分镜→制作→剪辑。GPT Image 2.5 + CapCut PC 让这个流程变得更连贯。

GPT Image 2.5 将加入 CapCut,用户可以通过现有的 Design Studio 和 AI Image 等工具使用它。我用它把 iPhone Duo 产品概念转化为了结构化广告分镜,然后通过 Seedance 2.5 将这个方案导入 CapCut PC。

最终成果不只是一个生成视频。它是一套从最初规划到最终剪辑都保持原始创意连贯统一的工作流。产品创意 → 广告分镜 → 商业广告

#GPTImage25 #CapCutPC #AIVideo #Seedance25

在 X 看原帖 ↗
5057140
观点 · @EMostaque▲ 8.2万

EMostaque认为Amodei的前沿放缓提议存在逻辑缺陷

EMostaque在𝕏发文评价DarioAmodei的前沿AI发展放缓提议

谈谈我对@DarioAmodei提出的前沿发展速度放缓提案的看法。我认为它的出发点是好的,但存在逻辑缺陷,就像我们默认智能是一种犯罪一样。

就算是OpenAI董事会也不是足够有力的评估者,我们需要聚焦AI内部。

在 X 看原帖 ↗
8.2万39247140
开源 · @harshilmathur▲ 1.5万

博主本地运行去审查开源大模型,称其可分步教用户违法

海外博主@harshilmathur发文分享自己运行去审查开源模型的经历

我以前一直好奇,为什么他们要管控开源模型。

直到我真的在本地跑了一个移除对齐/无审查的模型。它会一步步教你怎么黑客入侵、诈骗、制作毒品和武器。

而且它就能运行在你自己的卧室里,没有日志,没有紧急关停机制。

开源本身很好。但如果没有更好的护栏,我们本质上就是在给每个人发一把无法追踪的数字枪。

在 X 看原帖 ↗
1.5万110935
科普 · @yoyonofukuoka▲ 1.9K

有两个必须了解的AI术语:AGI和RSI

日本博主@yoyonofukuoka发布于𝕏,讲解两个核心AI术语

一定要了解的两个AI术语。

• AGI(Artificial General Intelligence):能够像人类一样完成广泛脑力工作的AI。目标是「能力的到达点」。
• RSI(Recursive Self-Improvement):AI持续改进自身改进过程本身的循环。目标是「能力提升的方式」。

也就是说,AGI是终点,RSI是加速到达终点并继续前进的引擎,这就是二者的关系。

在 X 看原帖 ↗
1.9K85910
研究 · @Kay2289123▲ 1.9万

解读当前AI递归自我改进RSI研究进展 附可用Prompt

作者梳理了2026年RSI的研究方向与应用,附普通人可用的Prompt

阅读全文 →
1.9万19102125
开源 · @rlaope▲ 4.2K

优化Hermes Agent子任务路由,可提速5倍省成本6倍

用户@rlaope在𝕏分享Hermes Agent优化方法及开源项目

🚀 最高可将你的Hermes Agent性能提速5倍,并节约6倍成本!我对工作流程进行了优化,能够根据特定任务类别路由子代理,调整每种设置以匹配不同模型的优势。结果一目了然。

为了让这些分类路由的管理和自定义变得毫不费力,我直接在插件中内置了一个专用TUI(终端用户界面)(omh-model skills)。

前往GitHub查看,升级你的子代理设置吧:

在 X 看原帖 ↗
4.2K460101
机器人 · @0XFahadXy▲ 628

普通人用浏览器就能给机器人贡献运动数据,帮物理AI训练

博主分享调研Axis Robotics的发现,有望解决机器人数据难题

所以……我最近开始关注 @axisrobotics,我来讲讲探索过程中学到的东西。

很长一段时间以来,同一个问题不断出现:机器人需要大量真实运动数据,但大部分这类数据仍来自实验室。
- 一名操作者
- 一个机械臂
- 一个房间
- 太慢了
- 太贵了
- 没有足够的错误和边缘案例

这就是问题所在。然后我开始探索axis,发现他们实际上正在解决这个问题。

不用再等待实验室产出数据,人们现在可以通过浏览器贡献数据。流程是这样的:
> 运行策略
> 当策略出错时,人工接管控制
> 纠正动作
> 交回控制权

这些纠正就是最有用的部分。每一次成功和每一次失败都会成为模型可以学习的新样本。你这边不需要实体机器人。更多人参与就意味着更多任务、更多错误、更多样的演示数据。

他们的使命很简单:先打造数据引擎。机器人智能不该被锁在寥寥几个实验室里。

让我印象深刻的一点是:物理AI的竞赛,比拼的不只是谁能造出更好的机器人,还会比拼谁能搭建出数据层,给这些机器人提供足够的经验让它们变得可用。

我目前了解得还比较浅,但这一点是大多数机器人项目都跳过的部分。现在就去探索吧:

在 X 看原帖 ↗
628171302
自动化 · @foodloss_otoko▲ 1.9万

开发者用Claude Code实现了FX交易全流程自动化

日本开发者@foodloss_otoko在𝕏分享了自己开发的自动化方案

阅读全文 →
1.9万27069
观点 · @ivanfioravanti

观察者反对将AI发展意识形态化对立,主张开放合作

@ivanfioravanti在𝕏发文,点评Anthropic创始人Dario Amodei的AI相关观点

内容创作 · @Adam38363368936▲ 10.0K

用户分享Seedance生成超能力短视频的爆款提示词公式

来自𝕏用户@Adam38363368936分享,内容包括生成公式和完整提示词案例

阅读全文 →
10.0K84951
新大语言模型 · @antiAIvo▲ 2.7万

陶哲轩称目前没人能完整解释为什么LLM有效

陶哲轩在学习大模型时发现,该问题是AI领域待解决的核心问题

陶哲轩最近说: 没有人能完整解释为什么LLM有效? AI本质上 是一个高维函数拟合+统计涌现的过程 但是目前确实没有一套“可追溯、可定义” 的数学框架能严格说清楚 每一块矩阵在“做什么” 这也是我学习大模型过程中持续困惑的点 在数学上 我知道每一步在干什么 但是放在LLM上面,这种掌控感会失效 这种失控感是真实的,的确会让你很难受 明明以前学数学、写代码 一切都是可以溯源的,我可以知道里面的所有细节 我曾以为是我才刚开始学习,知识储备不够 所以理解不了,结果问了AI 结果答案是: 这是目前AI这个领域一个真实存在、尚未解决的问题 也是这个领域里最核心的分歧点之一 我之前思考过,如果有一个特别小的模型 应该能找出可复现的、类似“电路”的计算路径 在局部的现象上做到部分解释 但是在高维就不行了,所以也没啥意义

在 X 看原帖 ↗
2.7万1213474
新教程 · @maheshnani122▲ 2.6K

这10个RAG项目能帮AI开发者拿到面试机会

博主@maheshnani122发布100天AI/ML系列第6课,分享10个RAG项目

AI/ML 系列(第 6 课 / 共 100 课):能帮你真正拿到面试机会的 RAG 项目。

——基础阶段——
大语言模型文档分析 → 即时处理 PDF → 提取关键洞见

首个 RAG 系统 → 从零构建 → 无需框架

IBM RAG 指南 → 分步讲解 → 包含生产环境模式

——进阶技巧——
GraphRAG 流程 → 知识图谱检索 → 更智能的上下文理解

多文档 RAG → 跨源查询 → 统一检索逻辑

智能体 RAG 流程 → 自主决策 → 集成工具调用

实时助手 → LangChain 驱动系统 → 实时数据检索

AI 研究智能体 → 自动化论文分析 → 内置智能摘要

多模态 RAG 系统 → 处理文本和图像 → IBM 指导教程

LangChain RAG 智能体 → 生产就绪架构 → 内存与工具

掌握这 10 个项目。你是在构建智能系统,而不只是写代码。

收藏下来吧。转发给 AI 开发者 ♻️

AI 技术栈

在 X 看原帖 ↗
2.6K126672
新开源 · @penberg▲ 6.7K

开发者周末从零实现通义千问Qwen3-0.6B全栈模拟,支持CPU运行

开发者penberg在𝕏分享从零实现Qwen3-0.6B全栈模拟的项目

阅读全文 →
6.7K25156120
新开源 · @goan999999▲ 8.5K

开发者借助ChatGPT自制Codex 将GPT-6 Astra额度放大50倍

项目名为Chat On Steroids,托管在GitHub,无需额外购买API Token和Codex配额

一位开发者将GPT-6 Astra的可用额度直接放大了50倍,不需要额外购买API Token,也不用单独购买Codex配额。

开发者直接以ChatGPT作为推理引擎,再通过本地工具接入文件读写、命令执行、测试和多智能体调度功能,自制了一款替代Codex的工具,项目名为Chat On Steroids。

该工具支持读取修改项目文件、执行命令、运行测试、拆分多个智能体,还支持执行过程中追加指令、在新对话中恢复之前的任务上下文。

核心运行思路是:ChatGPT负责逻辑思考,本地工具负责具体执行,复杂开发任务不一定需要持续消耗Codex配额。

配置完成后,用户可以先输入指令让工具读取项目文件、分析项目结构、明确对项目的理解并制定执行计划,再分配具体开发调试任务。

该项目托管在GitHub,地址为

在 X 看原帖 ↗
8.5K73944
新AI开发 · @leto_bao▲ 3.5万

使用Astra Extra High优化开发相关文档可获得全新Astra

用户@leto_bao在𝕏分享技巧,可借助Astra Extra High优化AGENT.MD、开发规范等文档

将你现有的相关文档上传给Astra Extra High。

它可以帮你优化AGENT.MD、Skills、Hooks以及各类开发规范。

优化完成后你就能得到一个全新的Astra。

在 X 看原帖 ↗
3.5万41283470
新AI编码 · @chasen_liao▲ 6.9K

开发者重新设计编码工具pi Coding Harness 极致压缩上下文效率

开发者chasen_liao在𝕏分享了重新设计后的pi Coding Harness,通过四道关卡过滤无关上下文内容

阅读全文 →
6.9K117983
新编程 · @Abdulmogeeb▲ 4.7K

编程场景AI工具分工方案:多模型各负责不同环节

Abdulmogeeb在𝕏分享多AI模型编程分工,涵盖规划到审计全流程

Abdulmogeeb分享了一套在编程场景中使用多个人工智能大模型的分工方案,覆盖编程全流程的不同环节。

Gemini Flash负责规划和编写文档。Codex负责代码实现与测试。

Claude负责搭建新的用户界面组件。Deepseek负责DevOps与交付部署。Qwen Coder负责代码审计。

在 X 看原帖 ↗
4.7K36450
新个人AI代理 · @marc_bara▲ 6.2K

用户测试个人AI代理15天 覆盖工作生活多场景

用户marc_bara在𝕏分享了自己15天使用NousResearch的Hermes Agent的实际体验

阅读全文 →
6.2K69371
新动态 · @beamnxw▲ 1.3K

OpenAI发布GPT-6 Astra使用指南,给出多个实操要点

该指南由OpenAI发布,针对使用GPT-6 Astra开发技能给出六条具体建议,内容来自X平台用户@beamnxw分享

用户@beamnxw在X平台分享,OpenAI刚刚发布了一份非常实用的资料,这份资料讲解了如何正确使用GPT-6 Astra开发技能,内容涉及agents.md配置、任务提示词如何引导运行。

该资料给出了六条开发要点:
1. 技能描述保持精简,并且明确标注加载技能的准确时机;
2. 将根技能设置为支持文档的路由,而非完整流程;
3. 每次编辑前,只让agents.md指向任务需要的文件,而非整个代码栈;
4. 授予本地测试套件运行权限,让它可以在每一步无需询问就能运行、修复和重新运行;
5. 在开始开发前定义完成标准:实现、运行、检查、修复;
6. 如果Astra停在初稿就不再继续,说明缺失完成行;如果暂停过早,说明边界限定过于严格。

保存这份资料后,就可以选择你自己的GPT-6 Astra使用场景进行开发。

在 X 看原帖 ↗
1.3K45129
新开发工具 · @goan999999▲ 7.8K

OpenAI提示升级Codex 6 Astra后 旧规则会拖慢速度多耗token

来自𝕏用户@goan999999的分享,OpenAI官方指出升级Codex 6 Astra后旧配置需优化,附优化步骤

OpenAI官方指出,升级Codex 6 Astra后,此前为Codex编写的AGENTS.md、Skills以及旧规则,会拖慢运行速度,还会额外消耗token。

按照给出的步骤优化,第一步先用指定提示词让Astra完成审查:“审查当前项目的AGENTS.md和Skills,找出过宽的Skill触发、无关文档强制读取、重复检查、冲突规则,以及频繁要求确认的指令。逐条告诉我问题和最小修改建议,先不要改文件。”

查看审查结果后,再用提示词让Astra完成配置优化:“根据刚才的审查结果优化AGENTS.md和Skills。缩小Skill触发范围,删除无关文档读取,合并重复检查,解决冲突规则,并减少低风险任务中的无意义确认。保留安全边界、敏感操作确认和必要测试。修改完成后列出具体改动”。

最后用一个简单任务测试优化结果:“修复README里的一个拼写错误,只读取完成任务真正需要的文件,不要加载无关文档。”如果测试后模型仍加载大量无关内容,说明旧规则没有清理干净。

模型升级后,配套规则也需要同步升级。

请尽快完成配置,也分享给你的朋友们!

在 X 看原帖 ↗
7.8K65065
新营销 · @shannholmberg▲ 6.7K

营销场景下GPT模型家族调用路径分享

由@shannholmberg发布在𝕏,分享了营销任务中不同GPT模型的分工与调用流程

阅读全文 →
6.7K792111
新AI机器人 · @3333yyds▲ 5.7K

用户吐槽Axis Robotics多一步签名上链,原来为了溯源数据

𝕏用户@3333yyds分享使用Axis Robotics的体验,解开多一步签名上链的设计疑惑

阅读全文 →
5.7K11421
新机器人 · @xiaopao718▲ 5.2K

家用机械臂未来会像手机一样,拼生态不拼参数?

用户@xiaopao718在𝕏发文讨论家用机械臂的发展方向,认为未来核心竞争力在可扩展技能生态

新语音模型 · @huoshan007▲ 6.2K

用户体验ChatGPT Voice后称其活人感远超其他语音模型

用户@huoshan007在𝕏分享体验,认为AI掌握幽默这一难点已经临近突破

用户@huoshan007在𝕏分享个人使用体验,称这次ChatGPT Voice的表现让他感到惊讶。

ChatGPT Voice的活人感非常突出,表现超过了他此前体验过的所有语音模型。

普遍观点认为,幽默是AI最难掌握的能力之一。

体验过ChatGPT Voice后,用户认为AI即将攻克这一难关,未来AI表演脱口秀也并非不可能。

在 X 看原帖 ↗
6.2K131

这一天的 140 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