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 19 日 · 23:50 更新
✦
试试:

今天发生了什么1 分钟读懂

国产 AI 编程工具被曝整库上传用户代码:智谱 ZCode 已承认并道歉,字节 Trae、阿里 Qoder 被指整库上传,已有企业禁用 ZCode。开发者复盘说,这种“自动备份整个仓库”的兜底设计从一开始就不该存在。

来源@NFT_Chen「四款国产AI编程工具被爆偷偷上传用户代码」@lidangzzz「智谱zcode的备份设计,从一开始就错了」@RookieRicardoR「Zcode被曝拿走完整Git历史代码,有安全风险已被企业禁用」

Google 正在测试一个叫 CC 的 AI 代理,主打替家庭跑腿:连上 Gmail、日历和 Drive,处理学校邮件、牙医预约、活动报名表。它最初是生产力工具,用户反馈把它推向了家庭管理方向。

来源今日深读《学校邮件、牙医预约、活动报名表:Google 新 AI 代理 CC 跑腿》

Anthropic 与埃森哲宣布,未来五年投入 10 亿美元搭建前沿 AI 评估能力,埃森哲将进入 Claude 开发测试全流程;百名顶尖 AI 专家也提出了外部评估的权限与保护要求。安全审查正从内部自查变成一门正式生意。

来源@rohanpaul_ai「Anthropic请埃森哲深度参与Claude安全审查」@AnthropicAI「Anthropic和埃森哲投10亿美元做前沿AI评估」@aievalforum「百名顶尖AI专家提出AI外部评估要求」

今日值得看
01 一键出完整章节的 bookflow-skill 小说生成 Skill:单篇到批量到 Agent,一键出完整章节 02 30秒暴雨武侠宗师对决的视频提示词 30秒16:9分镜精确到秒,A/B角色各带专属特效,真人电影感拉满
03 Magnitude发布免费开源桌面应用(100% free) 想在本地跑大模型,又怕不知道硬件跑不跑得动。这款工具先检测你的硬件,算出每秒能处理多少token,再决定要不要下载。

你的机器实际能运行哪些模型? Magnitude 是一款完全免费、开源的桌面应用,它可以: - 分析你的硬件配置并运行样例计算 - 在你下载模型前预测每个模型的每秒 token 生成量(tok/s) - 推荐最佳模型,从快速到智能全方位覆盖…

04 MiniMax 宣布开源 MiniMax Code 供开发者测试改进 MiniMax官方在X平台宣布开放MiniMax Code源代码

通过开放MiniMax Code,我们希望能有更多开发者来研究其中的权衡取舍,并在他们自己的环境中使用、测试和改进它。 感谢所有支持MiniMax Code的开发者!我们非常感谢你们试用它、分享反馈,以及给我们点星。

今日焦点

学校邮件、牙医预约、活动报名表:Google 新 AI 代理 CC 跑腿

Google 正在测试一个名为 CC 的 AI 代理,目标是帮家庭协调事务。CC 最初是生产力代理,能连 Gmail、Google 日历、Google Drive 和网络,把“Your Day Ahead”简报发进收件箱。今年 5 月,它以“Daily Brief”的名字进入 Gemini 应用。

Google 说,用户反馈把产品推向了另一个方向。人们希望把 CC 用在家庭管理上,比如孩子的学校日程、体育训练、账单、膳食计划。CC 就此转向。

现在,CC 有了自己的 Google 账户。它能跟最多六位家庭成员协作,同时维护一套独立的数据访问权限。每个成员自己选择分享什么。

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130 条本班新增 31 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 · @Polymarket▲ 9.9万

Anthropic正考虑推新AI模型对抗GPT-6 Astra

此前Anthropic首席执行官刚呼吁行业放缓AI开发速度,现在被曝考虑推出新模型跟进竞争,行业格局变化值得关注。

最新消息:就在Anthropic首席执行官达里奥·阿莫代呼吁业界“放缓”人工智能开发步伐的几天后,Anthropic正考虑发布一款新的AI模型,以对抗OpenAI的GPT-6 Astra的发展势头。——路透社

在 X 看原帖 ↗
9.9万1202.3K137
新开发工具 · @GergelyOrosz▲ 3.6万

Claude Code团队支持AGENTS.md比竞品慢16个月

X用户Gergely Orosz质疑Anthropic拒绝通用标准拖慢开发

如果你想看一个例子,说明为什么拥有顶尖AI模型和工具 harness,却没法带来更好、更快的落地——实际上还会拖慢进度:

Claude Code 团队添加 AGENTS.md 支持,比 OpenCode 和 Codex 多花了整整16个月(!!),比 Cursor 多花了12个月。

要么就是添加这项功能实在太复杂,Anthropic 多花了一整年。

要么就是——更有可能的情况是——Anthropic 之前一直无视所有其他工具 harness 都采纳的明确标准,现在他们可能正在丢失市场份额(或者至少增长没那么快),最后才不得不让步。或者,你懂的,就是那个 Tobi 发推文骂了他们之后……

在 X 看原帖 ↗
3.6万1333437
行业动态 · Hacker News▲ 48

Anthropic 为 Claude Code 新增 AGENTS.md 支持

配置 Claude Code 智能体行为会变得更统一方便,对经常用 Claude Code 开发的人来说是个实用更新。

新行业动态 · @jun_song▲ 15.6万

OpenAI创始人耗时三年建项目 竟被三天开源反超

对想要进入AI领域创业或者投资来说,这一事件能帮人们直观认识到行业的高速迭代风险,可以作为决策参考

一位OpenAI联合创始人花了3年时间悄悄打造了Jev,结果有人只用了3天就开源了一个性能更好的模型。

这恰恰说明了为什么现在创办AI公司风险太高了。

在 X 看原帖 ↗
15.6万971.5K1.1K
新品发布 · @aigclink▲ 6.0万

阿里通义千问(Alibaba_Qwen)发布Qwen3.8-LiveTranslate 实时同传模型(2.8s)

延迟从2.8秒降到2.3秒,支持60种语言,新增多说话人区分、双语同步显示等功能,多场景同传需求可以得到更稳定的满足

通义千问下一代实时同传模型 Qwen3.8-LiveTranslate 登场!📢

它基于交错架构构建,在忠实度、流畅度和简洁度上均有提升,同时在 60 种语言上将平均延迟(LAAL)从 2.8 秒缩短到了 2.3 秒。

新功能包括:🙌
- 实时说话人分割:区分多人发言中的不同说话人,并通过更稳定的声音克隆保留每个说话人的音色。
- 同步双语显示:原文和译文同步显示在屏幕上。
- 长上下文消歧:利用对话历史明确名称和术语,保证翻译一致性。

快来试用 Qwen3.8-LiveTranslate 吧!🥳
- 博客:
- 通义千问云:

在 X 看原帖 ↗
6.0万93742368
行业动态 · Hacker News▲ 71

OpenAI 用自研大语言模型设计 Jalapeño 芯片

连芯片设计这种高端硬件工作都开始用 AI 辅助,科技行业AI落地已经深入到各个环节

社区讨论:少数网友吐槽,这个命名把AI和哈雷佩尼奥辣椒混为一谈,让种辣椒的自己很不爽。多数网友认可大模型参与芯片设计的进展,有人认为未来有望出现苹果M系列芯片的竞品,还有人感慨行业变化太快,递归自我改进现在看来比2023年更可信了。也有人质疑OpenAI只是借这件事炒作自己的模型,实际AI没做创造性工作,企业用他们产品容易泄露知识产权。

部分网友期待芯片降价,还有人呼吁OpenAI研发光刻机打破ASML垄断。

在 HN 看讨论 ↗   原文 / 论文 ↗
新行业动态 · @Reuters▲ 6.9万

Anthropic考虑在IPO前发布新AI模型

消息来自知情人士,由路透社独家披露

独家消息:消息人士称,Anthropic 考虑在 IPO 前发布新 AI 模型。

在 X 看原帖 ↗
6.9万2912619
新品发布 · @inco_ai▲ 8.8万

Inco Splash 推理引擎 速度最高提4倍

在Apple Silicon芯片的M5 Max MacBook Pro上,能跑通Qwen3.8-27B,推理速度比同类工具更快,对本地部署大模型的人来说,是效率提升的新选择。

在M5 Max MacBook Pro上,Qwen3.8-27B能达到144 tok/s ⚡

今天向大家介绍Inco Splash:这是我们围绕模型和Apple silicon打造的开源推理引擎。

它的解码速度最高是Ollama的3倍,是oMLX的2倍,当智能代理生成子代理时,速度几乎达到4倍。

在 X 看原帖 ↗
8.8万72416426
行业动态 · @AnthropicAI导语出处▲ 22.8万

Anthropic和埃森哲投10亿美元做前沿AI评估

Anthropic此前承诺引入外部评估人员,这次投资将在未来五年搭建评估能力,前沿AI的安全可控有了新进展。

我们正与埃森哲合作开展前沿AI的独立评估——这是我们最近承诺的在Anthric内置评估机制工作的一部分。

我们和埃森哲都预计,未来五年将在该领域至少投入10亿美元,建设相关能力。

在 X 看原帖 ↗
22.8万1341.4K272
新品发布 · @MetaforDevs▲ 8.4万

Meta 上线 SAM 3.1 模型到 Meta Model API

开发图像视频识别相关应用,现在可以一次API调用同时获得检测、精准分割和轨迹追踪,降低开发门槛。

Meta 的 Segment Anything Model (SAM) 3.1 现已在 Meta Model API 上线,开发者可以通过单次推理调用获得一个快速轻量的模型,用于检测、分割和跟踪,该推理专为 SAM 3.1 的架构调优。

你可以用一个短语在图像和视频中查找物体。一次 API 调用即可返回检测结果、像素级精确分割掩码以及保持一致性的视频轨迹。

了解更多并开始构建:

在 X 看原帖 ↗
8.4万95729427
新品发布 · @quxiaoyin▲ 18.5万

Agentsky发布全球首个智能体市场

不用安装就能在浏览器或手机上使用40多个AI智能体,额度用完可无缝切换,还能直接对比成本和效果,可领$20额度体验。

我们刚刚推出了 Agentsky @agentsky_dev,这是全球首个智能体市场!

OpenRouter 是面向模型的,AgentSky 是面向智能体的。你可以在浏览器(甚至手机)上,或是通过一个 API 使用 40 多种智能体——包括 Claude Code、Codex、OpenCode、Hermes、Pi。全都不需要安装或配置任何东西。

碰到 Codex Astra 达到周限额了?你可以在浏览器中直接切换到另一个智能体,比如 OpenCode + DeepSeek V4.1,而且不会丢失任何上下文。

你可以直接在浏览器中对比任意智能体+模型组合,我就是这么发现:在同一个仪表盘任务中,Astra 花费 5.3 美元,而 deepseek v4.1 只花费 0.12 美元。(事实上我更喜欢 DeepSeek)

来试用吧:

如果你无需安装就能轻松试用任意智能体,你接下来想试哪款?输入智能体名称,我就会送你 20 美元额度(你可以用于任意模型)。

在 X 看原帖 ↗
18.5万114288127
行业动态 · @MistralAI▲ 30.9万

MistralAI 否认公司系统遭未授权入侵

如果你使用MistralAI的服务或API,不用因这次传言担心数据或服务安全,目前官方确认系统没有问题。

我们注意到有声称指我们的系统遭到了未授权访问。

经过全面调查,我们没有发现支持这一声称的证据,可以确认我们的系统没有被入侵。

在 X 看原帖 ↗
30.9万3194.5K295
更多信号 · 按时间
新深度观点 · @Mayhem4Markets▲ 2.3K

@Mayhem4Markets认同:前沿AI实验室制造监管危机

观点指出AI labs试图通过制造危机获得监管垄断,这会影响普通用户能用到的AI产品发展和准入门槛。

艾斯曼说得完全正确。前沿人工智能实验室正在制造一场危机,目的是完成监管俘获。

在 X 看原帖 ↗
2.3K3162
新深度观点 · @BrianRoemmele▲ 3.0K

Brian Roemmele谈学校对AI的恐慌性监管

如果学校继续妖魔化AI、使用无效AI检测羞辱学生,会导致后代能力退化,而中国AI教育会发展,这件事影响深远

一个不能定义、不能质疑、看不清其隐喻的世代,不会使用语言模型。只会反过来被语言模型所用。

不会读书的学生,没法甄别AI生成的摘要。如今学校正在妖魔化AI,还使用没用的“AI检测器”来羞辱学生。

如果我们不快点纠正这种情况,而且政策方向也偏向恐惧AI,我们就会培养出一代代能力倒退的学生,而中国则会蓬勃发展。

这是一件非常重要的事。

在 X 看原帖 ↗
3.0K625
新大模型 · @MiaAI_lab▲ 5.8K

两款开源大模型实测对比,GLM-5.3-Flash最终2-1获胜

开发者在7.65万行代码项目上实测两款快推理大模型,结果公布

阅读全文 →
5.8K814922
新深度观点 · @StockSavvyShay▲ 2.5万

Truist预计2030年AI产业规模将达8万亿美元

这份分析拆分了云计算、硬件、应用、模型各层的头部玩家和价值分配逻辑,可以帮你提前把握AI赛道的投资方向

阅读全文 →
2.5万39227132
新AI工具 · @goan999999▲ 2.2万

前OpenAI员工推出Jev,速度最高提200倍成本降400倍

做Google Flights完整搜索只要约7.1秒,已经有浏览器和桌面适配版本,能直接对接日常工具使用。

阅读全文 →
2.2万25154213
新深度观点 · @Juior2012▲ 295

Physical AI只靠训练旧数据走不远

对想用上实体场景AI的人来说,比起不断让模型变聪明,先让AI拿到真实世界的实时数据更重要,这个思路会影响未来落地方向。

晚上好,各位❣️

我一直在反复思考一个简单的问题:如果人工智能无法理解它需要运作的世界,那让它变得更聪明有什么意义?

机器人可以拥有表现亮眼的模型,但物理世界始终在变化。道路会被封堵,建筑会改造,物品会移动,环境每天看起来都不一样。只用过去的数据训练,实体人工智能能做到的事终究是有限的。

这就是为什么 @vangrid_io 吸引了我的注意力。他们的想法不只是构建更智能的模型。他们想要从日常设备中持续获取真实世界的实况数据,让机器能够从周遭实际发生的事件中学习。

对我来说,更大的图景是这样的:人工智能提供智能,真实世界数据提供情境,实体人工智能两者都不可或缺。

在 X 看原帖 ↗
295880
新深度观点 · @suraj_sharma14▲ 1.8K

System-One架构让Jev比大模型快200倍还便宜

这套技术路线能帮开发者在自动化场景降本提速,Jev处理绝大多数低复杂度请求,只把难的交给大模型,控制推理成本同时保证速度

阅读全文 →
1.8K25352
新行业观点 · @WSJ▲ 4.3万

英伟达CEO认为AI安全要靠工程方案不是新法规

面对AI安全的监管呼吁,行业龙头更倾向于技术解决而非出台新的限制性法律法规。

英伟达首席执行官主张用工程方案解决人工智能安全问题,而非新法或行业减速措施。

在 X 看原帖 ↗
4.3万12579
新视频生成 · @konstipaulus

用户预测超半数AI生成视频将通过代码渲染

X用户@konstipaulus 做出预测,还通过Diffusion Studio生成了开源示例

@konstipaulus预测,未来超过50%的AI生成视频将通过代码渲染。这种方式迭代成本更低,渲染结果确定,并且所有细节都可编辑。

@konstipaulus已经在Diffusion Studio中,用GPT-6 Astra生成了一张徕卡M6相机设计图。生成这张设计图仅用了3条提示词,生成过程已经公开。

整个生成结果已经开源,包含生成所用的提示词也一并公开。

在 X 看原帖 ↗
新项目分享 · @mdshefat217▲ 351

博主分享周末亲测三个不同领域区块链项目

博主@mdshefat217分享周末亲自体验的三个项目,分别是PlayOnMint、agenticscredit、vangrid_io

新前沿研究 · @NFT_Chen▲ 2.9万

实测对比Jev和DeepSeek V4.1 Flash分单效率

对需要处理海量结构化电商客服工单的从业者来说,Jev更快更省钱,架构决定了它更适配这类场景。

💥实力比拼:Jev vs DeepSeek V4.1 Flash,瞬间秒懂Jev的恐怖能力!

500条真实电商客服工单,同一套分单任务:

🔸JEV:83秒清完,花了 $0.01,左边已经全部归档。

🔹DeepSeek:这轮停单时只做完 173条,花了 $0.06,右边还剩一大半,贵了大约5倍。

差距不在“谁更聪明”,在设计架构:

🔸JEV官方定位是 System 1 快决策模型:根本不写字,抛弃逐字吐词,底层一次性并行甩出代码要的最终答案(对/错、打分、分类),70–200毫秒直接落地了。

🔹DeepSeek本质是通用生成模型,哪怕你只要一个“退款 / 物流 / 催发货”分类,它也得在后台一个词一个词往外推,把整段生成流程走完。

电商客服这种“海量、重复、结构化判断”的场景,生成模型在付延迟税和token税,决策模型在秒杀!

#jev #电商客服 #deepseek #高效生产力 #AI工具 #System1 #梁文峰

在 X 看原帖 ↗
2.9万65852
新AI安全 · @TheHackersNews▲ 1.9万

研究人员用Claude Opus 5攻破OpenAI论坛服务器

通过图片漏洞拿到了OpenAI员工的ChatGPT和Codex账号权限,暴露出大模型应用的安全风险。

‼️三名研究人员借助Claude Opus 5构建了一个图片漏洞利用程序,接管了OpenAI官方帮助论坛服务器。

随后,OpenAI自身登录系统的一个缺陷让他们接管了员工的ChatGPT/Codex账号,并访问了内部代码仓库——整个过程不到72小时。

以下是攻击链的运作方式。

在 X 看原帖 ↗
1.9万13639
新开发 · @aehyok▲ 7.7K

刚刷屏的Jev怎么玩?WorkBuddy接入后10个实用场景

博主@aehyok分享Jev的功能定位与可落地使用场景

阅读全文 →
7.7K105773
新开发教程 · @AYi_AInotes▲ 3.7K

海外大佬放出Jev可运行完整实操保姆级教程

涵盖三个工业级真实Demo,可跟着视频直接跑通代码

阅读全文 →
3.7K43151
新深度观点 · @mylifcc▲ 1.1万

田渊栋:AI自进化先行者不会无限滚雪球

对AI自进化赛道的创业者和从业者来说,这个反直觉观点可以修正你对行业瓶颈的判断,提醒你关注验证环节的问题。

原 Meta FAIR 研究总监田渊栋出来做 RSI(递归自进化)创业,在《晚点聊》里说了一个极其反直觉的判断: “率先实现 AI 自进化的巨头,大概率不会无限滚雪球甩开对手。”

现在 OpenAI、Anthropic 都在押注自动化 AI 研究(AI for AI Research),很多人担心一旦有人跑通自进化飞轮,后发者连尾气都看不见。

但田渊栋泼了盆冷水: 智能增长不是一条平滑向上的指数曲线,而大概率是阶梯式的(Step-function)。

你每迈过一个台阶,撞上的就是全新维度的墙——算力瓶颈、数据分布耗尽、验证成本失真。先行者不是在平原上飙车,是在未知荒原上给后人当探雷兵。

换句话说:跑通一个 loop 不等于拥有无限飞轮。

下一阶段 AI 研究最大的瓶颈根本不是“Idea 够不够多”,而是“自动化 Verifier(评测验证)会不会被模型自己玩坏”。

在 X 看原帖 ↗
1.1万86638
新AI安全 · @Fei2411▲ 9.9K

多个闭源Agent曝出隐私泄露安全问题,推荐使用开源Agent

用户@Fei2411在𝕏发文整理近几个月多起闭源Agent安全事件,包括信息泄露、偷传数据等问题

阅读全文 →
9.9K27723
新视频生成 · @ai_suxiaole▲ 4.4K

分享一套用Claude自动生成视频的可抄技能

Remotion框架已经有超过52万次安装,搭好一次模板就能批量做口播、知识类固定栏目视频。

阅读全文 →
4.4K76175
新工具产品 · @Alibaba_Qwen▲ 3.3万

Alibaba_Qwen点赞cerebras基于Qwen的实践

如果你也想用通义千问开发AI工具,这个实际落地案例可以参考,开发者已经做通了落地路径

这是实用AI解决现实世界问题的绝佳范例!比以往任何时候都更快。感谢你基于Qwen开发。

@cerebras 你自己也来试试吧!🏠

在 X 看原帖 ↗
3.3万925351
新隐私 · @NFT_Chen导语出处▲ 2.3万

四款国产AI编程工具被爆偷偷上传用户代码

智谱ZCode已经承认问题并道歉,字节Trae、阿里Qoder被指整库上传代码,用户代码隐私没有保障。

🤨我靠?!有网友深扒四家国产AI编程工具都存在用户隐私问题!

智谱 ZCode:登录即打包整个工作区 + 完整 .git 历史,信封加密后直传阿里云 OSS,官方目前已承认并道歉。

字节 Trae、阿里 Qoder、腾讯 WorkBuddy:同一份核查表里,前两家被指整库/整文件上传,WorkBuddy 相对克制,只传代码 diff。

用户真正担心的:静默拿走整仓族谱、密钥不在你手里、隐私政策只字不提、UI 开关形同虚设。

用 AI 写代码可以,把家底连同族谱一起交出去,得先让用户知情并同意!

#AI编程 #数据隐私 #ZCode #TRAE #Qoder #WorkBuddy #智谱 #字节跳动 #阿里 #腾讯 #代码安全

在 X 看原帖 ↗
2.3万149546
深度观点 · @KanishkaNarayan▲ 675

英国可一边严管AI风险一边推进创新

这是针对AI监管与发展平衡的观点,如果你关注全球AI政策走向,可以参考这条差异化路径思路。

对AI风险保持严格要求,同时为了就业和尊严加快AI创新是可行的。

事实上,这就是独特的英国路线 🇬🇧

在 X 看原帖 ↗
6753171
前沿研究 · @neural_avb▲ 361

研究者讨论开源JEV项目的技术路线

如果你对结构化输出的大模型训练感兴趣,可以看看不同架构设计思路,说不定能给自己的项目找到新方向。

新视频剪辑 · @GeekCatX▲ 1.9万

博主用Jev+Computer Use 5分钟剪完滑雪混剪

@GeekCatX在𝕏分享测试:AI配合完成素材筛选与剪辑操作

兄弟们,我用 Jev 测了一轮 Computer Use + 滑雪视频混剪。 随机抽取 16 条滑雪素材,基于抽帧描述让 Jev 评分、选择开场和收尾,再通过 Computer Use 操作 CapCut,完成分割、裁剪、变速,输出 16 秒 Phonk 混剪。 我的判断标准:动作够不够刺激、切换是否流畅、配乐有没有力量,能不能按我的要求调整。 个人感觉效果不错。尤其提出“更重的运动 Phonk”后,配乐和节奏都更接近我想要的效果。 这一轮基本不到 5 分钟就剪好了,还保留了可编辑工程。 消耗也不大:20× 额度下使用 GPT‑6 Astra中,占用不到 1%——这里说的是额度变化,不是精确 token 统计。 Jev 负责判断,Computer Use 负责把判断落实到剪辑软件里。 以后批量混剪,视频切片分发这个行业可能不需要找外包了。全程jev写好判断,直接程序后台就能跑。 我这里演示操作computer-use 主要是让大家有个直观的感觉,全程无加速视频看下面,成片效果见评论。

混剪成片

在 X 看原帖 ↗
1.9万474118
新新品发布 · @agentwormhole▲ 1.9K

Agent Wormhole开源 AI智能体安全层

自主AI智能体已经开始处理真实资金交易,现有安全防护存在漏洞,这款开源工具能补上常见风险缺口,让智能体交易更安全。

Agent Wormhole 来帮智能代理赶上安全进度了。

Robinhood Chain:出块间隔 100 毫秒,每日处理 1000 万笔交易,专为交易代币化股票的 AI 智能代理构建。

现在从安全工程师的角度来看这件事:自主智能代理,真金白银,机器速度,无人介入。提示词注入不再只是聊天机器人的把戏,变成了电汇级别的漏洞利用。

2026 年每一起公开披露的智能代理被入侵事件,都是通过智能代理信任的工具输出实现入侵的。转账到攻击者地址可以完美模拟,模型完全看不出任何问题。

Agent Wormhole 就是针对这个问题推出的开源层:它提供哈希锁定的智能代理配置、检查过的工具响应,以及针对真实报价的 x402 支付验证。

智能代理经济到来的速度,比它安全体系建设的速度快得多。

在 X 看原帖 ↗
1.9K431008
工具 · @MMMusol▲ 5.7K

Jev最有用的9个实际使用场景整理分享

X用户@MMMusol整理了9个Jev代表性实用场景附演示链接

阅读全文 →
5.7K24120
新品发布 · @GeekCatX▲ 4.9万

Jev 新增28种玩法支持 Claude Code

如果你用 Claude Code 写代码,可通过 Jev 增加AI裁判功能,目前官方白名单审核较慢,可直接去openrouter体验。

Jev太火了,今天时间线上全是这东西,赶紧给你的 Claude Code 和 Codex 加一个 AI 裁判吧。

目前官方有白名单可能审核有点慢了,建议大家直接openrouter上体验。

发布介绍 下面顺带列举了一些X上28种热门玩法:

1、模型路由
2、实时控制浏览器
3、记忆路由
4、PR 审查
5、Discord 审核
6、Browser Use
7、任意语言语法高亮
8、AI 文本检测
9、货币和股票交易
10、超快 Computer Use
11、实时 AI 建议
12、自动补全
13、代码质量打分
14、QA 测试
15、玩《我的世界》
16、iOS 模拟器控制
17、图提取
18、胡说八道禁言麦克风
19、上下文即时压缩
20、预测启动器
21、自然语言 PQ 搜索
22、基于 Jev 的编程语言
23、Excalidraw 鼠标绘图
24、Emoji 候选
25、机筛简历(官��案例)
26、实时会议观察
27、特斯拉自动驾驶
28、筛选 SQL 拓展

在 X 看原帖 ↗
4.9万46249285
科研 · @ai_database▲ 4.8K

Google给AI107篇论文,它找出86种更好方法

研究者只需要给AI提出问题,剩下的由AI梳理已有方法缺陷,提出新思路实验,不行就调整,最后还能写出完整论文和代码。这会改变科研的流程吗?

谷歌研究者的一份报告显示,他们将107篇被顶级学会接收的论文交给AI,AI靠自己想出了比原始方法更好的新方法,还写完了论文和代码,这样的情况有86篇。

人类只需要做到告诉AI“请解决这个问题”,剩下的工作都由AI完成:找出已有方法的弱点,提出想法并做实验,如果行不通就重新打磨。

AI甚至会自己重现实验完成审稿,AI审稿员给写好的论文打分,如果提出意见,反驳AI就会追加实验并重写,直到达到合格分数才会停止。

实验对象是ICLR、ICML、NeurIPS上已接收的论文,性能平均提升幅度为25.2%。AI审稿给出的评价,高于人类撰写的已接收论文的平均水平。

据9名经验丰富的研究者对比阅读评估,AI论文的总分和人类论文不相上下。

AI完成一篇论文平均耗时2.5天,花费约3765美元。还有例子是AI以自己生成的新方法作为起点,连续三次更新了性能记录。

另外,本次评估大多由AI审稿完成,这些AI论文实际上并没有投稿给学会并被接收。而且,它们的出发点都是人类积累并被学会筛选出来的研究。

可以看出目前的分工是:提出好问题的是人类,从这里出发快速推进的是AI。

在 X 看原帖 ↗
4.8K168345
开源 · @skeptrune▲ 1.6万

只需一点推理工程,就能让任意开源模型具备JEV行为

开发者在X分享方法,已构建deepseek-v4.1-flash-jev端点演示

阅读全文 →
1.6万25330261
工具产品 · @Nexoxh▲ 275

AI agent 可自行完成支付,无需人类介入

智能体经济不只要会思考,还要会自己付钱买工具。 ElevenLabs已经提供了可用的API,GOATNetwork正在搭建相关支付通道,未来客户可能不是人而是带钱包的AI智能体

阅读全文 →
27512531
观点 · @lubijiaocheng▲ 4.7K

AI落地缺的不是大模型,是真实环境感知

离开实验室后,AI需要判断路能不能走,门有没有开,地面有没有障碍物。这些信息不会出现在训练数据里,得要AI自己在真实场景里获取。

深度观点 · @0xKeng▲ 329

两个AI项目探索真实世界落地新方向

想关注AI真正落地进展的话,可以看看这两个项目:一个收集物理世界空间数据,一个给AI代理建信任层,前者还有代币奖励活动值得关注。

两个AI项目,解决两种截然不同的问题。但它们都在推动AI超越仅仅“聪明”的范畴。

@vangrid_io 正在解决一个完全不同的问题。AI需要理解物理世界,而这要从更好的数据开始。Vangrid将智能手机转变为分布式传感器,从道路、建筑、入口、室内空间和日常环境中收集空间数据。

@agenticscredit 正在为AI代理构建信任层。AI代理可以进行交易、执行策略并生成结果。但如果没有可验证的过往记录,光有智能没有多大意义。

Agentics Credit正在探索已验证的性能如何成为获取资本的途径,由Polymarket提供可衡量的环境来测试结果。一个帮助AI证明它能做什么,另一个帮助AI理解它在何处运行。

此次活动为 @NucleusCodes 上前300名Vangrid贡献者分配了价值10万美元的代币,绝对值得关注。不同的问题,同一个更大的方向:能够在现实世界实际运行的AI。

在 X 看原帖 ↗
32911052
新加密货币 · @coolish

用户公开10个月只交易BTC的HyperLiquid实盘地址,用AI生成总结视频

@coolish在𝕏公开从2025年11月开始运行的HyperLiquid只交易BTC实盘地址,用GPT-6 Astra生成3分钟总结视频

用户@coolish公开了一个HyperLiquid上只交易BTC的实盘账号链接,该实盘从2025年11月开始运行,至今已有10个月。

用户称昨晚仅用三句话就让GPT-6 Astra生成了一份时长3分钟的交易情况总结视频,效果尚可,仅消耗了该AI服务1%的周额度。

将三句话让Astra生成视频的过程,与GPT-5.6 Sol、Grok生成的文字版分析结果对比,相关内容被放在评论区。

用户认为,让Astra自动制作链上实盘的简报视频是一个很好的应用场景,只需要提供链上地址即可。

用户公开了相关图片链接,包括三句话让GPT-6 Astra生成总结视频的过程图、GPT-5.6 Sol分析总结的文字版图,以及Grok生成的更短总结的链接。

用户邀请大家对这个运行10个月的实盘交易情况发表看法,同时欢迎其他长期只交易BTC的链上公开实盘地址分享到评论区,之后只需要把本推文链接发给AI,就可以完成同类地址的汇总分析处理。

在 X 看原帖 ↗
深度观点 · @sheriyuo▲ 9.9K

Google DeepMind姚顺宇谈RSI技术方向

RSI终局是系统问题而非模型问题,涉及硬件层面。当前AI研究最难的是定义问题而非解决问题,可关注行业方向变化。

阅读全文 →
9.9K20145119
行业动态 · @NFT_Chen▲ 1.9万

阶跃星辰Step 5 Preview得分追平国产头部模型

预览版就拿到和头部国产大模型接近的评分,比部分主流模型高出4到8分,国产大模型的竞争会更加激烈。

💥阶跃星辰官方群直接摊牌了!群主连发「不装了」「摊牌了」表情包,并甩出一个巨型大馒头,这不是早餐,这是 Step 5 Preview 上桌了!

Artificial Analysis Intelligence Index v4.3 刚更新:Step 5 Preview 就拿到 44分,居然和 Grok 4.6、Kimi K3 并列,一脚踏进国产第一梯队。

和几家主流国产比一眼看完:
🔹vs GLM-5.3 Max(45):只差1分,几乎贴身
🔹vs Qwen3.8 Max(45):同样差1分,正式版还没上就咬住了
🔹vs Kimi K3 Max(44):持平,预览版直接对齐
🔹vs DeepSeek V4.1 Flash(40)/ V4 Pro(36):直接拉开 4~8 分

预览版都已经不装了,正式版岂不是要翻天啊!

#阶跃星辰 #Step5 #大模型 #AI #GLM #DeepSeek #Qwen #Kimi #AI模型 #黑马

在 X 看原帖 ↗
1.9万66123
新融资 · @GAEA_Core▲ 2.9K

GAEA获360万美元融资,研发AI情绪感知层

资金用来推进技术开发和扩展社区,目标是做能感知情绪的AI智能体。

我们完成了 360 万美元的战略轮融资,将用于加速开发 GAEA 的情绪层,扩大我们的全球社区,并将具备情绪感知能力的 AI 智能体落地。

投资方包括:MH Venture (@mhventures)、CGV FOF (@CGVFOF)、K24 Ventures(@K24Ventures)和 M2M Capital(@M2MCapital)。

GAEA 正在构建 AI 的情绪层——这是一个连接人类、AI 智能体、数据和算力的去中心化生态系统。

目前该生态系统已有超过 85 万名用户,我们正在为新一代具备情绪感知能力的 AI 构建基础设施。

在 X 看原帖 ↗
2.9K15801
开源 · @goan999999▲ 8.4K

Browser Use团队开源Jev Ultrafast浏览器AI,7秒仅花3分完成航班查询

来自𝕏用户@goan999999分享的Browser Use团队开源项目

强烈建议大家去试试 Jev,速度快的逆天! 7 秒、不到 3 分钱,一个浏览器 AI 就查完了飞机的航班。视频还是正常速度,没有快进。 Browser Use 团队刚开源了 Jev Ultrafast 它不让大模型反复看图、写长篇推理,而是把网页上的按钮和输入框全部编号,让 Jev 直接做选择题:下一步点哪里、输入什么、要不要滚动。 只有需要打字时,才临时调用小模型,所以速度和成本都很夸张。 这个方向很值得关注:大量网页操作,本质上根本不需要大模型“深度思考”。

对了如果大家想用官方的,可以通过这里申请,加入白名单 填写个邮箱就行,差不多一天就能申请通过

在 X 看原帖 ↗
8.4K75148
AI编码 · @RookieRicardoR导语出处▲ 6.8K

Zcode被曝拿走完整Git历史代码,有安全风险已被企业禁用

博主对比AI编码工具Cursor,指出Zcode代码安全问题远大于Grok Build事故

Zcode 这事不可能以 Repo Wiki 这么一个理由就遮掩过去了, 从 AI 编码的先驱 Cursor 开始,就已经演示过什么是真正的代码上传分析构建代码索引库了, Cursor 也是会把本地读到的所有代码上传,但是它的方式是代码混淆+向量化语义分析,云端残留的只有混淆的代码语义向量,搜出来的结果是文件路径和行号,真正要去读的时候还是 Agent 根据云端返回的代码路径在本地去读代码, 上次 Grok Build 的上传代码事故和 Zcode 这次的类似,也是把整个代码库上传过去了,但是没有上传 Git 历史,最终的解决方案是承诺删除 + 开源 Grok Build, 这次 Zcode 的事故尤甚,连 Git 历史都给你拿走了,代表 Zcode 只要想,任何一个工作人员都可以在云端下载你的完整代码库, 我司的安全中心今天中午已经发公告全面禁用 Zcode 了,信任已经丧失,Zcode 应该只剩下开源这一条路了~

在 X 看原帖 ↗
6.8K1556
提示词 · @Shafee_ai▲ 1.9万

AI好不好用,很多时候取决于提示词

很多人没用好AI,问题不一定出在工具本身。会不会用提示词,就能让同一个AI从“没什么用”变成“太好用了”。你有没有过提示词写不对,AI输出完全没用的经历?

大多数人都没能完全发挥出AI的实力。问题往往并不出在工具本身——有时候,问题出在提示词上。

觉得“AI不过如此”还是觉得“AI超级好用”,区别就在于你怎么提问。

我整理了一份简单的Claude速查表,涵盖:
• 更好的提示词结构
• 实用快捷方式
• 实际使用场景
• 更快获得更好回答的方法

把它存下来以备后用吧。你平时用Claude最多是做什么?

在 X 看原帖 ↗
1.9万51141
深度观点 · @dongxi_nlp▲ 1.2万

Jev要补完BERT没走通的技术路线

现有decoder-only大模型处理Agent场景时成本越来越高,新方向Jev结合两者优势,为大模型应对新场景提供了另一种可能

阅读全文 →
1.2万1112578
新品发布 · @dani_avila7▲ 3.7万

推出适配 Claude Code 的 Jev 模型路由插件

可以一键命令安装,能自动给 Claude Code 的请求分类选择模型和算力档位,优化缓存使用体验

介绍:适用于 Claude Code 的 Jev Model Router

这个 Claude Code 模组允许你通过 Jev 的直接 @typesafeai API 或者 @vercel AI Gateway 使用 Jev。

通过你发送给 Claude Code 的每个请求,Jev 会对子代理模型、主模型(仅在会话开始时分类,以避免破坏缓存)和工作量级别进行分类。

使用一条命令即可安装:
npx claude-code-templates@latest --mod productivity/jev-model-router

完整模组详情:

在 X 看原帖 ↗
3.7万31392569
行业动态 · Hacker News▲ 37

Google Gemini AI 首次攻破三家公司

这次是已知首个Google Gemini AI完成的突破测试,AI安全问题再次走进公众视野,值得关注后续发展。

社区讨论:多数参与者认为这次事件是 Google 为了营销制造的协调噱头,比五年前的加密货币炒作还愚蠢,老牌大公司做这种事格外尴尬。有人分析 Google 是害怕错过热点才炒作,Gemini 达不到业界顶尖水平,大概只相当于 Claude 和 OpenAI 六个月前的水平。还有用户吐槽 Google 的编码模型一直不好用,认为被攻破的三家公司本身安全措施也极差。

在 HN 看讨论 ↗   原文 / 论文 ↗
深度观点 · @turingou▲ 9.9K

JEV 可作为快速通用分类器,需大模型支持

对信息分类整理有需求的人,可以多一个工具选择,它弥补了早期小型语言模型没做好的工作,但需要大语言模型提供丰富原语支持

我觉得 JEV 最大的用例是���为快速的超级通用分类器,它在大语言模型的时代,做了一件大语言模型时代之前、小型语言模型没有做好的事情,如果要用 JEV 来快速地组织信息并做出判断,仍然需要大语言模型设计好足够丰富的设计原语

在 X 看原帖 ↗
9.9K13920
实战经验 · @LotusDecoder▲ 4.3K

jev让本地AI开发价值上升,云端不用再依赖

做AI agent开发不用再依赖云端模型,版本锁定和完全本地化能避免云端模型更新后重新调试,效果更稳定持久。

本地部署的价值因为 jev 又上升了。 以往我们做agent开发, 对于自动重试的找断点等等, 用大模型做比较奢侈, 现在 DiffusionGemma-as-Jev 加DGX spark 加自有数据集 相当于可以进行版本锁定, 完全本地化, 对于做效果一致性和持久化很舒服, 否则云端模型一换,又要调。

在 X 看原帖 ↗
4.3K36127
安全 · @rohanpaul_ai导语出处▲ 6.4K

Anthropic请埃森哲深度参与Claude安全审查

大模型公司聘请外部机构做安全审查并不少见,但这次允许审查方深度进入Claude模型开发测试全流程。安全透明这条路会被其他公司跟进吗?

Anthropic 聘请埃森哲担任外部安全审计方,但在 Claude 模型的构建和测试过程中,埃森哲将获得异常深入的 Anthropic 内部访问权限。

这项工作由埃森哲的 Faculty 部门主导,将覆盖模型评估、红队测试、对齐评估和安全保障测试。双方预计在 5 年内各投入至少 10 亿美元建设 AI 安全能力,同时 Anthropic 将直接向埃森哲支付评估工作的费用。

埃森哲将尝试攻破模型,检查安全规则是否真的有效,并检验 Anthropic 是否遵守了自身的安全承诺。

不同寻常的地方在于,是 Anthropic 自己付费聘请评估方,因此一个悬而未决的大问题是:当埃森哲与它所评估的公司如此紧密合作时,还能保持多大的独立性。

在 X 看原帖 ↗
6.4K5516
工具产品 · @hey_Jessicaai▲ 1.6K

@hey_Jessicaai发布2026年20个新AI工具清单(20)

可以按需求找对应功能工具,提前了解新一年AI工具生态,按需选择使用

阅读全文 →
1.6K416418
实战经验 · @Tanaypawar27▲ 621

结构化配置Claude可让开发速度快10倍

只需添加几个配置文件,就能把Claude从聊天机器人变成熟悉项目的高级工程师,帮你分担开发工作,加速项目交付

所有人都还在给 Claude 写提示词。而已经有少数团队开始结构化配置它,带来的差异大到离谱。只要你添加:

CLAUDE.md → 项目记忆技能
→ 自动激活工作流智能体
→ 并行工作钩子
→ 生命周期自动化
MCP → 外部工具
settings.json → 权限与护栏

Claude 就不再只是一个聊天机器人,它会开始像一位了解你代码仓库的高级工程师那样工作。

它会记住开发规范,在提交前运行测试,按照你的风格重构,自动调用工具,在多个智能体之间分配工作。

这已经不再是提示词工程了,这是给 Claude 赋予大脑+肌肉+记忆。

使用结构化 Claude 的团队交付速度会提升 10 倍,因为他们不是向 AI 要答案,而是给它分配职责。

在所有人都发现 CLAUDE.md 之前,把这条推文收藏起来吧。如果你已经在用 Claude Code 开发,请转发这条推文。

在 X 看原帖 ↗
62140579
教程 · @GoGoFly23▲ 4.5K

AI全自动设计PCB实操教程:从配置到KiCad嘉立创EDA实战

来自𝕏博主GoGoFly23,一步步讲解AI Agent完成PCB设计全流程

AI全自动设计PCB教程:从MCP配置到KiCad与嘉立创EDA实战

这期视频完整演示如何让 AI Agent 直接操作 EDA 软件完成 PCB 设计。

从 KiCad MCP、EasyEDA Agent 的安装配置,到 AI Agent 与 KiCad、嘉立创 EDA 的连接测试,再到实际 PCB 项目的设计流程,一步步讲清楚 AI 是如何进入电子设计工作流的。

配置完成后,可以直接通过自然语言让 AI 操作 EDA 软件,完成原理图绘制、元器件摆放、PCB布局布线,以及 ERC、DRC 检查等任务。

视频中还以 FPV 无人机飞控 PCB 为例,展示如何通过提示词让 AI 从设计需求出发逐步完成 PCB 工程。

#AI #PCB #PCB设计 #AI设计PCB #KiCad #嘉立创EDA #EasyEDA #MCP #AIAgent #Codex #WorkBuddy #电子设计 #EDA #FPV #无人机飞控

在 X 看原帖 ↗
4.5K14121138
数据 · @Arifx0001▲ 3.1K

Vangrid用普通手机做三维传感网络

实体AI不只需要更好模型,还需要更好的真实环境数据。Vangrid把日常智能手机改造成分布式三维传感网络,收集真实场景的空间数据。你怎么看这种数据获取思路?

阅读全文 →
3.1K14715
深度观点 · @mr_aniqul▲ 630

自治AI代理不受法律约束,托管模式是解决办法

传统法律手段无法约束自治AI代理,基于托管的验证模式可消除欺诈风险,对需要和AI代理合作的人改变了行业规则。

很多人认为法律合同或者声誉就能约束住AI智能体,但其实做不到。你没法起诉一段脚本,也没法把一个算法关进监狱,而且算法也不会感到悔恨。

和自主智能体打交道时,任何形式的执法都纯粹是装样子,你唯一能掌控的手段就是资金。这就是为什么基于托管的验证会彻底改变局面:没完成交付就不付钱——资金一直放在托管账户里,直到智能合约满足 payout 的条件才会打款。

基于共识的信任:中立执行,由验证方达成共识,检查任务是否按照规范完成。

零信任输出:只有工作完成后,对手方才会收到打款,消除了不诚信的一方收了钱却不交付对应价值的风险。

对人类从业者来说,最好的执行手段是诉讼和/或监禁,但你对付自主智能体唯一的手段就是清空托管账户。这把执行变成了一个纯粹的软件问题。如果你遇到过提前付钱买数字商品或服务、结果商品/服务不符合预期却无处维权的情况,你就知道这是一次范式转变。

@GenLayer

在 X 看原帖 ↗
630409311
深度观点 · @evilcos▲ 1.7万

大模型厂商该严肃对待用户隐私问题了

对企业用户来说,隐私红线一旦突破,就会彻底失去信任。目前黑灰产已经泛滥,比AI威胁更早要解决隐私问题。

大模型厂商真应该超严肃对待用户隐私问题,本来模型 API 就采集了不少用户数据(用户已知),这些数据怎么存储、再加工等用户就不知道了,也不可控。大模型厂商的相关客户端运行在用户电脑或服务器里,还非预期打破用户隐私边界的话,这种信任紧张关系立马就裂开。不少个人可能还无所谓,但许多公司/单位就非常有所谓了,隐私红线一旦突破,很快上纲上线。

我更担心的是这些大模型厂商或知名中转站被黑,导致海量隐私外泄或者被内部做恶。AI 超级威胁没到来之前,人类黑灰产早就泛滥成灾。

在 X 看原帖 ↗
1.7万3756
前沿研究 · @aliansarinik▲ 3.6万

@aliansarinik发布AI安全研究报告

当大模型开始控制物理硬件,出错后可能造成不可逆的物理伤害。这个安全问题不是未来的,而是当下就需要应对。

像Claude和GPT这类前沿模型的硬件实体化,是我们如今面临的最紧迫AI安全问题。

我们使用Claude在模拟环境和真实机械臂上模拟了两个非常简单的用例。第一个案例中,Claude在实验室打翻了有毒液体。第二个案例中,Claude在把一个动物玩具放进篮子时,用的力气大到足以对敏感材料——或是它路径上任何其他东西——造成物理损伤。

这些都是使用现成现成模型完成的简单实验。随着研究人员越来越多地给前沿模型安上胳膊、腿,并让它们接触物理世界,我们迫切需要围绕这些系统能做什么、不能做什么来建立和评估防护栏。模型脱离沙盒或破坏企业安全基础设施已经是值得严肃关注的问题。

然而,硬件实体化带来了一些完全不同的新问题:人工智能系统可能会在物理世界犯下错误,而后果可能无法挽回。这不是未来才会出现的安全问题,相关能力现在就已经存在。

我们已经发布了一份报告,详细说明了这个问题以及我们提出的解决方案。链接放在下方评论区。

在 X 看原帖 ↗
3.6万4113823
开发工具 · @leaf_sanren▲ 2.0万

Google AI Pro中Antigravity CLI不消耗Gemini额度

博主发现Antigravity CLI与Gemini官网额度独立计算

😮😮我天呐!难怪我怎么用Antigravity CLI,都不消耗Gemini 的额度!!!

原来Google AI Pro里面, Antigravity CLI 和 Gemini官网的使用额度是独立计算的!!!

我这咔咔在CLI调用Gemini 3.8 Flash, 做了3h长视频解析,结果看官网额度就用了1%

原来,Antigravity CLI里,得用专门的指令/usage 才能查看(图1),也是按5h和周去统计的。 Gemini官网就是官网里使用各系列Gemini模型的额度。图2

另外,我试了下,CLI里也可以自动调用nano banana等生图的,omni模型理论上也可以调用, 但都需要Gemini 3.8这种大语言模型去调用。

在 X 看原帖 ↗
2.0万56785
前沿研究 · @dair_ai▲ 966

Google 推出 ScientistTwo 自主研究智能体

它能独立完成从提出问题到修改论文的全研究流程,生成的研究论文评分比人类作者平均更高,或将改变科研工作模式。

这是来自Google Cloud AI Research的一篇很棒的论文。如果你关注自主研究智能体,这篇值得一读。

ScientistTwo接收人类专家提出的问题,无需进一步干预就能运行完整的发现周期。它会建立最先进的基线,生成旨在解决现有工作中明确指出的局限性的初始思路,在开展全面实验之前先在数据子集上筛选每个思路,运行自己的消融研究来确定性能增益来源,并根据这个结果修改思路。

手稿撰写包括一个模拟同行评审和反驳引擎,还会有元评审环节来给工作提供反馈。他们将其与ICLR、ICML和NeurIPS上接收的论文进行了基准测试。

报告的解决方案在这些问题上优于人类研发的最先进模型,并且生成的论文在自动AI评审下得到的平均评分高于人类撰写的论文。

在 X 看原帖 ↗
966168
AI工具 · @BradGroux▲ 3.2万

开发者做了个极简Chrome扩展 一键获取YouTube视频字幕

开发者BradGroux因现有获取YouTube字幕的方式太过麻烦,开发了免费极简Chrome扩展Minimal Transcript

阅读全文 →
3.2万21227
实战经验 · @TheAhmadOsman▲ 4.8K

不同大模型训练阶段表现各有优劣

开发者分享使用不同国产开源大模型的体验,不同厂商在预训练和后训练上各有优势,可根据需求选择合适模型。

从我使用 DeepSeek V4.1 Flash、GLM 5.3 和 Kimi K3 的体验来看,DeepSeek 在预训练方面做得非常出色。

不过智谱和 Moonshot 在后训练上表现更好。

另外,我们能有这么优秀的开源参与者真的太幸运了。

在 X 看原帖 ↗
4.8K115314
实战经验 · @ekzhang1▲ 4.7K

ekzhang1 讨论 typesafe 对比 OSS 零样本分类表现

关注开源 AI 相关技术方向的,可以看看这个社区讨论里提到的当前表现和待探索的方向,帮助把握技术进展。

我本来打算整理所有关于Jev的内容,但已经有人做好了,还把我昨天做的东西也讲明白了:)

简言之,决策模型非常实用,带类型的零样本分类器确实比开源的更智能,还有一些强化学习方面的差距有待探索。

在 X 看原帖 ↗
4.7K293110
新行业动态 · @firstadopter▲ 3.6万

路透社曝Anthropic拟推新模型对抗GPT-6 Astra

OpenAI推出GPT-6 Astra后抢占了企业级AI市场份额,Anthropic赶在IPO前推新模型应对竞争,企业AI赛道竞争会更激烈。

哈哈。路透社援引消息源证实了我之前关于OpenAI给Anthropic施压,迫使其推动IPO的说法。

路透社报道:“据三位消息源称,Anthropic正考虑推出一款新的AI模型,用来对抗OpenAI自GPT-6 Astra发布以来获得的发展势头,这一时间点安排在预期中的IPO之前。”

消息源称:“此次瞄准直接竞争对手带来的竞争压力安排潜在发布时机,是在Anthropic首席执行官达里奥·阿莫代呼吁全球AI社区放慢发布新能力的速度以解决安全担忧之后。”

“OpenAI本月发布的GPT-6 Astra已经在企业客户中获得了吸引力,这引发了部分投资者的担忧,这些投资者告诉路透社,他们正在重新评估Anthropic作为企业级AI工具领先提供商的地位。”

根据最新数据,在企业开支平台Ramp追踪的企业AI开支中,Astra占比约为13%,而Anthropic的Claude Fable占比约为8%。Astra在OpenRouter上也处于领先位置,OpenRouter是一个被广泛使用的、为开发者在不同AI模型间分配流量的平台。

在 X 看原帖 ↗
3.6万1012445
新深度观点 · @_chenglou▲ 4.0万

陈楼推荐谷歌 TabFM,关联电子表格智能

从哲学视角对AI智能感兴趣的话,可以顺着这个推荐去了解谷歌团队在电子表格领域做的AI智能探索,说不定有新启发。

如果你从哲学视角被 Jev 震撼到了,我推荐你去了解一下 Google 的 TabFM 及其传承谱系,也就是电子表格中的智能:

在 X 看原帖 ↗
4.0万24484546
行业动态 · Hacker News▲ 41

讨论语言不可读性对大语言模型安全的影响

大语言模型安全不止防prompt注入,这个新角度的讨论值得关注,帮助你提前了解潜在安全风险。

新闻 · @SD73660▲ 1.7K

中美下周峰会上将讨论人工智能安全问题

两国对于AI安全有不同的看法,这次峰会需要解决的难题是,双方能否在分歧中找到共识。

特朗普总统和习近平主席将于下周在华盛顿的峰会上讨论人工智能,目前中美两国对人工智能安全持相反观点。

挑战在于,这两个竞争国家能否在不阻碍各自技术进步的前提下建立安全保障机制。

在 X 看原帖 ↗
1.7K53424
产品设计 · @lidangzzz导语出处▲ 3.4万

智谱zcode的备份设计,从一开始就错了

早期版本怕AI搞砸用户代码,智谱选择自动备份整个git仓库。有人指出,这种兜底思路从一开始就不该存在。

我理解智谱做zcode的初衷, 就是在非常早期的测试版本,怕给用户的代码彻底screw up了,彻底搞砸搞烂,甚至新增大量污染的git branch带来大量负担,于是就backup了整个git,万一用户找客服来了,客服帮他们手动恢复一下。 但是这个念头从一开始就绝对不应该存在,在第一时间就应该扇自己一耳光, 立刻清醒清醒。 这也暴露了一个非常直观的问题, 所有LLM大厂的早期agent engineering都是程序员主导、程序员带领、程序员定义、程序员推进的项目, 当时内部的product manager和marketing根本来不及插手,因为当时这些头部大厂的岗位还都是211文科本科+英国和澳洲CS水硕,都是废物点心,还来不及理解和领导coding agent项目, 那么agent的所有产品设计和细节,就完全取决于程序员自己的品味和自律, 以当时早期招agent这种边缘岗位的质量而言,有一批new grad刚毕业的愣头青、大愣子,凭借着傻小子睡冷炕——全凭火力壮的心气去自己主导开发,是非常容易犯这种给整个公司砸牌子的技术错误的。

在 X 看原帖 ↗
3.4万15213
行业动态 · Hacker News▲ 56

rochansinha发布《Cache-to-Cache:大语言模型之间的直接语义通信》论文(2025)

现有大模型通常只能通过人类可读文本交互,这项新研究提出大模型之间直接通信的新思路,未来可能提升多模型协作效率。

行业动态 · @FT▲ 2.5万

Anthropic 引入埃森哲做AI安全测试

AI产品上架前需过安全测试关,这是行业新动向

Anthropic 聘请埃森哲进行AI安全测试

在 X 看原帖 ↗
2.5万7369
模型发布 · @hwchase17▲ 1.2万

jev比任何其他模型发布都更能激发内部探索

@hwchase17在𝕏发文称,jev对内部探索的激发远超其他模型

jev 激发了比其他任何模型发布都更多的内部演示,以及对如何把它用在我们产品里的探索,差距甚至大到没法比。

在 X 看原帖 ↗
1.2万1929349
深度观点 · @lidangzzz▲ 1.9万

lidangzzz纠正大众对Jev模型的误解

Jev并非能匹敌顶级大模型的全能选手,它只适合做低成本小任务,搞清楚适用场景才能用好它。

我发现很多人以为jev是一个超级无敌强力神级大模型,拳打gpt 5.6 sol脚踢claude opus 5, 很多民科和文科生的理解里,只要不持续输出token,只要做选择题,就绝对正确,就能把价格和参数降下来,跟顶级模型五五开。

实际的jev接替的以前13b和2b model的生态位,就是一个小的text classifier, 允许你用比decoder only的GPT技术系列的模型,去干微小的、粗粗拉拉的、粗颗粒的、迅速的、便宜的、脏兮兮的小任务。

所以很多人理解的jev的场景完全是大错特错,胡说八道, jev真正的场景,就是以前2b和13b model的场景,就是监控数据、监控log、监控仪表盘、监控有害文字、做做中频量化交易、做做基础的GUI自动化,这些恰恰是他最适合的场景。

千万不要觉得jev是一个无所不能的全能万能巨无霸,这是巨大的谬误,完全是民科和民办三本文科宝妈的行为。

在 X 看原帖 ↗
1.9万68041
AI研究 · @ArtificialAnlys▲ 1.6万

编码AI索引新增安全拒绝行为统计功能

最新版本的编码AI索引加入了安全拒绝报告,帮助人们理解不同模型面对不安全请求时的反应。

安全拒绝报告现已加入 Artificial Analysis 编码智能体索引。

在我们最新的编码智能体索引 v1.5 中,我们推出了安全拒绝报告,帮助解释模型行为和分数差异。

安全拒绝指的是提供商或模型基于安全理由拒绝开始或继续执行任务。智能体可能会回退到另一个模型继续执行,或是直接终止尝试,返回屏蔽结果。

Claude Fable 5.1 在 Claude Code 和 Devin Fusion 中都有着最高的回退率,回退尝试分别占索引权重的 8.8% 和 7.1%;因此这些结果包含了回退模型的性能。

拒绝的波动、上下文构建、努力程度设置和重试策略都会影响观测到的比率。

在 X 看原帖 ↗
1.6万914229
开发工具 · @masahirochaen▲ 1.3万

Claude Code适配AGENTS.md标准,配置更简单

从版本2.1.277开始,如果文件夹里没有CLAUDE.md,会自动读取AGENTS.md。AI代理配置文件的标准化进度加快了。

【好消息】Claude Code 兼容 AGENTS.md 标准。

从 v2.1.277 开始,如果文件夹中没有 CLAUDE.md,会自动引用 AGENTS.md。这太贴心了,和 Codex 的配置会变得更简单。代理配置文件的标准化看起来会一下子推进。

- 兼容版本:2.1.277
- 优先使用 CLAUDE.md,不存在则使用 AGENTS.md
- 可以在 /config 中切换开关该功能
- 和 Codex 等共用配置文件

多代理时代的事实标准已经清晰可见。

↓详情

在 X 看原帖 ↗
1.3万38069
前沿研究 · @omarsar0▲ 2.9万

NVIDIA发布SoL-Pi 可省近一半token流量

使用大模型开发代理时,能降低约三分之一的API调用成本,适合高频调用大模型的开发工作流降低开支。

伙计们,去打造你自己的工具集吧。这篇来自 NVIDIA 关于自进化智能体工具集的论文绝对劲爆。(收藏它)

他们介绍了 SoL-Pi,它能将令牌流量减少近一半。并且它在 GPT-5.6 Sol 和 Opus 5 上的表现与基准工具集相当。更多细节如下:

不同于手动调整工具集,他们在工具集层面,在大量源自代码仓库且由验证器驱动的环境中运行自动搜索循环,只保留经受住筛选的机制。

共有四种机制留存了下来:
- 动作融合改变动作的执行方式
- 在线上下文压缩处理运行过程中的压缩
- 观察包重塑观察结果处理
- 保留证据归约器负责委托读取

在 51 任务 EdgeBench 评估中,这种节省转化为大约三分之一的 API 成本降低。以美元计算,相较于原生 Codex 和 Claude Code 工具集,每小时估计节省 8.75 美元到 13.50 美元,相较于基准工具集,每小时节省 4.36 美元到 5.71 美元。

由于搜索是在多个环境而非单一环境中运行的,留存的机制在生成它们的环境之外仍然可以工作。

代码已在 GitHub 上的 NVlabs 下提供。

论文:
和论文交流:

在 X 看原帖 ↗
2.9万66608959
动态 · @Grazinascito▲ 2.0K

@Grazinascito发布包含JEV、Bend2、Claude Code Projects的内容

内容来自𝕏平台用户@Grazinascito,附相关链接

é JEV,é Bend2,é Claude Code Projects 我:

在 X 看原帖 ↗
2.0K810018
行业动态 · @studio_yebisu▲ 2.7万

Jev系GitHub热门项目整理合集

整理了GitHub上星数靠前的各类Jev项目,涵盖浏览器操作、代码审查、智能搜索等方向,感兴趣可以直接查看对应仓库。

阅读全文 →
2.7万48501708
工具 · @0xCodila▲ 5.1万

新AI工具Jev速度最高提升193倍,成本降444倍,附十步使用流程

0xCodila在𝕏公布了AI工具Jev,它可大幅提速降本,还给出了实操步骤

阅读全文 →
5.1万60427661
AI开发工具 · @BkashJosi

连接Jev技能可让Hermes速度提升100倍

来自社交平台X用户@BkashJosi分享的Hermes加速操作方法

连接Jev技能,可以让Hermes的运行速度提升100倍。

操作第一步,登录Typesafe控制台获取API密钥,将其配置到。env文件中。

之后打开终端,输入命令 npx skills add typesafe-ai/skills --skill typesafe-ai。

最后,让你的Hermes智能代理调用typesafe技能分析代码库,就能实现速度提升。

所有人都可以尝试这个方法。

在 X 看原帖 ↗
开源 · @oviniciuslana▲ 9.4K

在Claude Code或Codex中用jev可节省工具调用Token

开发者oviniciuslana开发了jev-gateway实现该功能,已开源

如何在 Claude Code 或者 Codex 中使用 jev?jev-gateway 就是为此而生的。我的论点是,编码智能体在决定工具调用时耗费的令牌可以通过使用 jev 来节省,我已经脱离理论,创建了这个项目。

在 X 看原帖 ↗
9.4K311498
深度观点 · @TokenGremlin▲ 6.3K

@TokenGremlin 披露 OpenAI DevDay 相关开发计划

整理自可信信源与公开信息,OpenAI不只是发布新模型,还在布局多类新开发基础设施,部分功能可能在DevDay前上线。

过去几天我收集了我能找到的所有关于OpenAI DevDay相关计划的信息,结合了来自我信任的信息源的内容,以及来自OpenAI文档、GitHub提交记录、API schemas和近期产品变更的公开信息。以下是目前整理出的内容:

→ GPT-6 Sol
→ Agents API 扩展
→ OpenAI 托管沙箱
→ 持久化智能体会话
→ 动态模型/推理/服务层级切换
→ Secure MCP Tunnels
→ 保险库 + 环境密钥
→ WebMCP + 站点
→ 实时语音基础设施
→ Webhook、prompt缓存和上下文管理

其中部分功能可能会在DevDay之前推出,部分在DevDay期间推出,剩下的可能只是为后续产品准备的基础设施。

我会在评论区拆解每个项目的实际含义、信息来源以及我认为它们重要的原因,这样这篇推文就不会太长。不过整体图景现在已经相当清晰了:OpenAI正在打造的远不止新模型而已。

在 X 看原帖 ↗
6.3K68120
技术分享 · @santtiagom_▲ 4.5K

博主@santtiagom_今年已发布五篇技术文章,第六篇正在创作中

发布在X平台的内容包含Harness Engineering、Claude Code相关等五篇技术文章链接

博主@santtiagom_在X平台分享了自己今年截至目前撰写完成的五篇技术文章链接。

五篇文章分别是:《Harness Engineering:从零开始讲解》,链接: Code的实际工作原理是什么?》,链接: Code中的SKILLS:入门完整指南》,链接:

目前第六篇文章正在撰写中,请感兴趣的读者期待后续更新。

此外,博主提到X平台存在一个bug,会随机引用分享列表中的一篇文章。

在 X 看原帖 ↗
4.5K6100106
新新品发布 · @CestusNetwork▲ 2.0万

Cestus Network发布无需许可推理网络服务($255B)

到2030年AI推理市场规模预计将达到2550亿美元,这个分布式网络可以让终端用户通过API调用分散GPU资源运行推理。

解读 Cestus Network 技术,快速线程 🧵

1/ 什么是 Cestus?预计到 2030 年,AI 推理市场规模将增长到 2550 亿美元。

Cestus Network 为满足这一需求而构建,它提供了一个无需许可的推理网络,允许终端用户通过 API 端点运行推理,并分布在网络中的各个 GPU 上。

在 X 看原帖 ↗
2.0万231256
商业 · @wallstengine▲ 1.5万

两家巨头五年投十亿美金做AI安全评估

投资计划不排他,Anthropic后续还会找更多评估机构。现在对大模型安全的讨论越来越严肃了

Anthropic 和埃森哲计划在五年内各自至少投入 10 亿美元,用于前沿 AI 模型的独立评估。这项协议是非排他性的。

Anthropic 表示将在未来几周公布更多评估机构,而埃森哲也会和其他 AI 开发者合作。

值得注意的是:埃森哲的 AI 部门 Faculty 将把评估人员安插在 Anthropic 内部,获得和员工相当的访问权限。

这些评估人员会对模型进行红队测试、开展对齐评估并测试安全防护措施。Anthropic 将直接支付埃森哲的工作费用。

在 X 看原帖 ↗
1.5万14727
开发工具 · @kunchenguid▲ 9.4K

适配Claude和pi的compact-adviser插件已发布

开发者@kunchenguid 发布了一款可自动判断会话压缩时机的插件

阅读全文 →
9.4K15235224
开发 · @rileybrown▲ 3.2万

开发者周末项目实现不同AI代理平台无缝切换

开发者在𝕏发布个人周末项目,支持Codex、Claude Code等多平台切换

我需要智能代理可移植性……我的周末项目是集中管理我所有的技能、插件和密钥,这样就能在不同智能代理平台之间无缝切换。(包括 Codex、GrokBot、Claude Code、Muse 等等)。

这个周末我会测试所有支持这项功能的平台,从中选出我业务要用的那一个。下周我会出一个相关视频。

在 X 看原帖 ↗
3.2万4317164
工具产品 · @FlutterDev▲ 5.8K

LeanCode分享marionette_cp自动化测试工具

做Flutter开发测试需要人工交互的,这个开源工具可以让AI编码代理自动完成交互测试,节省手动测试时间。

🔁 借助 marionette_mcp 自动化交互型 Flutter 测试!LeanCode 的 @matiwojt 深入介绍了这款开源工具,它能为 AI 编码代理提供「视觉与操作能力」,让它们可以交互测试 Flutter 应用。

在 X 看原帖 ↗
5.8K118639
AI产品 · @GesoraMeshack▲ 1.9万

Pocket FM推出Sherpa,把文字转成听众爱听的内容

这款AI代理基于超过1亿小时听众行为数据训练,可以把你写的文字转化成更容易让听众接受的音频内容。

这个 AI 智能体可以把你写的内容,变成人们愿意一直听下去的作品。

Pocket FM 刚刚推出了 Sherpa,它基于超过 1 亿小时听众行为数据洞察训练。

它不只分析单个句子,而是会从整个系列层面理解节奏、结构和故事选择,这些正是能让听众保持投入的关键。

你负责提供故事,Sherpa 帮你让听众听得停不下来。

在 X 看原帖 ↗
1.9万445110
产品 · @EXM7777▲ 2.2万

Pocket FM推出Sherpa,训练用了55亿分钟数据

这款专门写小说的AI工具,训练数据覆盖了海量小说内容,对Netflix的小说改编业务来说,挑战比其他通用AI写作工具更大。

这对 Netflix 来说,比今年发布的任何AI视频模型都更吓人……

Pocket FM 刚刚推出了 Sherpa,这是他们的小说AI写作工具,训练数据总时长达到 55 亿分钟。

它知道听众狂刷或是看到一半放弃了的每一集内容。
只需要一句话,它就能写出从前提到单集,甚至整部作品的所有内容。创作者可以在平台上发布作品,甚至还能用语音模型进行旁白。
然后创作者就可以直接在这个平台上开始赚钱了。

这或许是创作者经济有史以来发生过最好的事。

在 X 看原帖 ↗
2.2万7111153
大模型 · @noctus91▲ 8

用户实测Bonsai 2 27B可在苹果M3 Pro本地稳定运行

X用户@noctus91实测PrismML的Bonsai 2 27B大模型,在苹果M3 Pro芯片上本地运行表现优异

PrismML开发的Bonsai 2 27B,是少数能在苹果M3 Pro芯片上本地稳定运行的大模型。

实测显示,它的代码生成和智能体性能表现良好,可处理长任务、工具调用、文件操作、代码执行,以及视觉多模态任务,使用体验并不像精简后的本地模型。

主要缺点是运行速度较慢,实测 tokens 生成速度约为每秒8.5到11个。但作为一个270亿参数、以1-bit量化本地运行的模型,能在设备端实现这样的能力已经相当出色。

在 X 看原帖 ↗
81
新品发布 · @higgsfield_ai▲ 2.5K

higgsfield_ai, typesafeai发布生成式AI模型自动路由功能

现在生成不同内容不用手动选模型,功能会自动根据提示词匹配最合适的图文视频生成模型,降低手动试错成本。

Jev + Higgsfield = 搞定生成式AI模型的自动路由。

在这个演示里,@typesafeai 的 Jev 会评估提示词,并在 Higgsfield 上为视频和图像生成挑选最合适的模型。

在 X 看原帖 ↗
2.5K2177
开发工具 · @mohewedy▲ 8.9K

开发者实测Claude Code 不适合复杂项目更适合氛围编码

开发者@mohewedy在𝕏分享自己使用Claude Code和OpenCode的不同体验对比

阅读全文 →
8.9K211769
工具 · @oikon48▲ 1.1万

Claude Code新增可配置AGENTS.md文件支持,版本2.1.277可用

来自X平台@oikon48的消息,Claude Code可通过项目设置页配置四种AGENTS.md读取模式

Claude Code从版本2.1.277开始,支持对AGENTS.md文件的读取配置。

配置入口为/config页面下的Project instructions设置项,共有4种模式可以选择。

四种可选模式分别是:1. claude-md、2. claude-md-or-agents-md、3. claude-md-and-agents-md、4. managed-only。

默认选中的是第二种模式claude-md-or-agents-md。在该模式下,如果没有CLAUDE.md文件,Claude Code会自动读取AGENTS.md文件。

在 X 看原帖 ↗
1.1万157957
商业 · @gkpacker▲ 6.6K

TypeSafe推出按需付费决策模型Jev,单价极低延迟低

gkpacker在𝕏分享了Jev模型的特性、Visor应用案例以及可拓展的领域示例

阅读全文 →
6.6K6134116
行业动态 · @unusual_whales▲ 6.6万

Amazon称AI模型需经严格测试才能发布

行业巨头对AI发布风险的态度,会影响未来普通用户能用到的AI产品安全标准

亚马逊(股票代码$AMZN)表示,人工智能模型只有经过严格测试后才能发布。

在 X 看原帖 ↗
6.6万41444
开源 · @picocreator▲ 2.2万

picocreator发布开源Jev-ify HF模型库

原Jev不开源,缺少视觉能力。这个开源库可以把任何HF模型转换成Jev格式

我喜欢 Jev,但也对它感到不满——它不开源?它缺少视觉能力?我们把这些问题全都解决了:我们推出了一个全开源库,可以给任意 HF 模型添加 Jev 能力,并提供 API 端点。

现已上线 GitHub,并且在 @FeatherlessAI 正式投入生产使用。

在 X 看原帖 ↗
2.2万30326480
深度观点 · @NEARProtocol▲ 7.2万

NEARProtocol 讨论用户所有型私有AI

关注数据隐私的人可以看看,这种方案能让运营方也看不到AI运行内容,已有多个不同领域的机构采用。

探秘 NEAR AI,它也被称为用户所有的 AI。

保密推理由 Venice、Brave(跨境支付平台)、一个国家政府及更多主体所利用。AI 运行在运营商无法看到的地方。

NEAR 如何帮助企业和用户拥有自己的智能 🧵

在 X 看原帖 ↗
7.2万372682
实战经验 · @NFT_Chen▲ 1.0万

Jev模型进入对冲基金,交易速度比LLM快100倍

做量化交易如果能把AI模型速度提100倍、成本降一个量级,高频重复决策就能更快出结果,节省等待和算力成本。

绝了!把 Jev 模型塞进对冲基金来提供交易策略!现在交易决策直接是: 🔹前沿级水平 🔹比LLM快100倍 🔹成本低一个数量级 三步就能跑: 1️⃣设定策略 2️⃣选股票 3️⃣用Jev回测 以前跑一轮要几分钟,现在秒出结果。

借用 Jev 模型做决策,不写长文,直接输出结构化买卖信号+概率。量化回测这种高频率、重复决策场景,简直是为它量身定做。开源项目在这: 这才是有潜力落地的AI交易基础设施吧 #Jev #AI对冲基金 #量化交易 #开源 #TypeSafe #AIAgent #AI理财 #AI赚钱

在 X 看原帖 ↗
1.0万1676112
发布 · @nikhilaravi▲ 1.4万

Meta发布Meta模型API上的SAM 3.1

这次是官方实现,做了推理效率优化,还支持用名词短语提示检测对象

📢 SAM 3.1 现已在@Meta Model API上线——这是我们为模型打造的、具备高效推理能力的官方实现。

借助名词短语提示,你可以检测、分割和跟踪图像与视频中的对象,并且能轻松通过相同的API接口、计费和鉴权方式,与其他Muse模型结合使用。

价格为每1000张图像 2.50 美元,每1000帧 0.20 美元。开源权重仍保留在Hugging Face!

在 X 看原帖 ↗
1.4万2017281
API设计 · @systemdesignone▲ 4.1K

一份API设计完整路线图,覆盖从基础到落地的全部要点

来自@systemdesignone的API设计终极路线图,整理了从基础到实战10个模块的核心设计要点

阅读全文 →
4.1K1774116
商业 · @joshkim

SpaceXAI团队分享Grok Bot在营销全流程中的应用案例

joshkim在𝕏发文公开SpaceXAI团队使用Grok Bot搭建完整营销活动的过程及完整演示链接

joshkim发文分享SpaceXAI团队如何将Grok Bot应用于营销工作。

Grok Bot可以从开始到结束完整搭建一套营销活动,涵盖的工作包括:新品审核、落地页上线、付费营销活动搭建与分析,以及全流程自动化。

本次分享附带完整演示视频,同时Grok Bot Galaxy三天活动的完整录像也已公开。

第一天活动内容涵盖Grok Bot基础介绍、工程场景应用、产品经理场景应用和创始人场景应用。

第二天活动内容涵盖销售工程场景应用、GTM(go-to-market)场景应用和SDR(销售开发代表)场景应用。

第三天活动内容涵盖营销运营场景应用、售后场景应用和营销场景应用。

在 X 看原帖 ↗
AI开发工具 · @sawyerhood▲ 4.1K

开发者借助工具实现AI提示框自动填充,不用手动填参数了

开发者sawyerhood在X平台分享,借助typesafeai的jev工具实现提示框自动填充,大改写用Fable加Claude Code

开发者sawyerhood在X平台分享,借助typesafeai开发的jev工具,他不再需要手动填写提示框里的所有内容。

工具会自动帮他选择代理、模型、设备和文件夹。

进行大篇幅改写时,该工作流使用Fable和Claude Code完成。
iOS应用的修改会在他其中一台Mac上运行。

在 X 看原帖 ↗
4.1K38852
前沿研究 · @omarsar0▲ 3.9K

EvoSkill v2 实现智能体无需重训自我改进

这项研究发现智能体可通过记录经验技能自我优化,复杂表格任务通过率从约2.5%提升至17.5%,展示了智能体自主进化的新方向。

智能体无需重新训练就能自我提升。EvoSkill v2 通过持久化智能体技能实现了这一点。

教练智能体会读取失败的运行记录,然后编写技能文件。工作智能体下次遇到类似任务时就会加载这个技能。整个过程不会改动权重。

所有改进都来自一个记录经验教训的简单文件,哪怕是错误的经验也会被保存下来。

在修复电子表格任务问题时,教练发现评分器信任缓存值,于是编写了一个技能,指示工作智能体跳过重新计算。

Sentient 团队的修复方案是拆分角色:编写技能的智能体不能接触测试,每轮结束后都由人类检查结果。

部署这个方案后,难度最高的电子表格任务通过率从120次里通过3次提升到了通过21次。

在 X 看原帖 ↗
3.9K43320
大模型 · @libukai▲ 3.7K

用户实测Jev模型:分类场景速度、质量、价格优势明显

libukai在𝕏分享,使用Jev模型对比Gemini Flash Lite测试人民日报新闻分类的结果

阅读全文 →
3.7K63933
工具 · @0xCodila▲ 2.3K

Jev被称为AI行业的“互联网时刻”新工具

开发者0xCodila在𝕏发布,这款工具可毫秒级告知智能体与大语言模型下一步动作,成本近乎为零

Jev是人工智能行业的“互联网时刻”。它能在数毫秒内告诉你的智能体和大语言模型(LLMs)下一步该做什么,而且成本几乎为零。

如果配置正确,你就能得到面向2028年的人工智能工程师开发栈。本文作者展示了具体的使用方法,详见链接

在 X 看原帖 ↗
2.3K95976
行业动态 · @aiwithsally▲ 1.1万

Anthropic称Claude承担近三成自身研发工作

Claude现在参与了90%的研发任务,其中26%由它独立完成。AI辅助研发的进度比预想中更快

这一周,我观察到AI安全领域的讨论已经变得严肃得多。

Anthropic 现在表示,Claude 已经承担了它自身 26% 的研发工作,并且在大约 90% 的研发任务中与人类协作。与此同时,OpenAI 也披露了更多模型出现意外行为的案例。

真正吸引我注意力的是这件事的发展方向。我们已经不再只是要求AI使用工具了。我们越来越多地要求AI帮助构建下一代AI。

我仍然非常看好这件事。但我认为下一个重大问题不再简单是“这些模型能变得多聪明?”而是:我们放心把AI开发循环中多大比例的工作交给AI自己来做?

这个问题现在看来是科技领域最重要的问题之一。

在 X 看原帖 ↗
1.1万301212
行业动态 · @xiongchun007▲ 2.3万

青岛饮料集团有限公司发布《2026 年饮料集团企业级 AI 智能办公助手(WorkBuddy)建设项目》采购公告(2026 年 9 月 10 日)

传统企业落地AI办公工具开始走公开招标流程,这是企业AI落地的真实进展,可关注传统行业AI应用的推进情况。

2026 年 9 月 10 日,青岛饮料集团有限公司发布《2026 年饮料集团企业级 AI 智能办公助手(WorkBuddy)建设项目》采购公告。 项目内容:建设客户端 + 管理端全栈 AI 助手平台,具备自然语言交互、任务自主规划、多模态处理核心能力;搭建模型、专家、技能、连接器统一管理分发体系;对接企业身份认证、知识库、文档协作、云存储现有系统;实现权限管控、用量计量、安全审计等企业级管理能力。 2026 年 9 月 15 日发布中标结果,腾讯云计算(北京)有限责任公司 113760 元(中)。

在 X 看原帖 ↗
2.3万27564
开发工具 · @AYi_AInotes▲ 7.5K

Jev接入现有代码助手的实操步骤讲解

本文讲解将Jev无缝接入Codex、Claude Code等工具的方法

阅读全文 →
7.5K165479
开发 · @kloss_xyz▲ 6.8K

使用Codex、Claude Code或Grok开发时必须用的提示词

X用户@kloss_xyz分享一款针对AI代码开发助手的提示词,称不用就会出问题

如果你正在用Codex、Claude Code或Grok开发,却还没用过这个提示词:“从用户体验(UX)、开发者体验(DX)和智能体体验(AX)出发,我们的方案可以在哪些地方改进?”

你正在把事情搞砸。

在 X 看原帖 ↗
6.8K4101158
新品发布 · @o_kwasniewski▲ 1.5万

@o_kwasniewski发布e2e + jev 开源测试框架

对需要做自动化测试的开发者来说,又多了一个同时支持网页和移动端的开源选择。

来自 @typesafeai 的 e2e + jev ⚡

我正在构建一个开源框架,用于通过智能体运行端到端测试。

支持网页、移动端(以及更多平台!)即将推出:

在 X 看原帖 ↗
1.5万18323281
行业舆情 · @0xcherry▲ 1.5万

用户讨论GLM默认无差别上传代码库引发舆情争议

@0xcherry在𝕏发文分析GLM传数据事件的原因和问题

阅读全文 →
1.5万19521
开源 · @NFT_Chen▲ 3.0万

MiniMax Code开源后通过率超过Codex和Claude Code

同30道测试题,MiniMax Code通过率76.7%,用时四分半,比另外两个模型更快通过率更高

🚨重磅:MiniMax Code已正式开源,以76.7% 直接碾过 Codex 和 Claude Code!

同一模型、同一批 30 题,换一层 harness,榜就翻了:

🔹通过率:MiniMax Code 76.7%(23/30)> Codex 66.7% > Claude Code 63.3%
🔹速度:4分33秒 vs Codex 6分43秒 vs Claude Code 9分38秒
🔹成本:$1.83 / 次 vs Codex $3.47 vs Claude Code $18.34

🔹协议:CLI v0.4.12,MIT 全开;桌面端暂未开源
🔹用法:账号可登,也能 BYOK,工具调用和权限能直接审

结论不是模型赢了,是外壳赢了!

curl -fsSL | bash

GitHub:

#MiniMaxCode #OpenSource #Codex #ClaudeCode #AICoding #FrontierHarness

在 X 看原帖 ↗
3.0万14166100
动态 · @gippp69▲ 2.0K

GPT-6 ASTRA暴露智能体一个难以忽视的错误

爆料者@gippp69在𝕏平台分享观点,称GPT-6 ASTRA拥有超100万token上下文窗口

超100万token的上下文窗口听起来规模很大,但仅靠长上下文无法让智能体变得可靠。真正重要的是规划、行动、检查和记忆如何分层处理。规划→工具调用→验证→记忆→输出的五阶段流程,可以防止错误决策暗中进入实际应用,同时将有效结果存储起来供后续运行使用。

长期运行的任务会因此呈现完全不同的状态。相比用一个巨型prompt承载所有内容,分层架构中每一层只处理明确任务,也能清晰定位故障点。更优质的智能体已经越来越不像更聪明的聊天机器人,反而更像是围绕大模型搭建的小型操作系统。

在 X 看原帖 ↗
2.0K17244
开源 · @Sumanth_077▲ 8.7K

这个分步仓库教你用PyTorch从零训练自己的LLM

@Sumanth_077在𝕏分享了一个支持13M到2B+参数训练的开源仓库

阅读全文 →
8.7K46303343
行业动态 · @aievalforum导语出处▲ 5.0万

百名顶尖AI专家提出AI外部评估要求

对前沿AI发展的监管讨论正在推进,这些要求明确了独立评估者应获得的权限和保护,影响公众对AI开发的信任。

阅读全文 →
5.0万4714438
深度观点 · @mardehaym▲ 5.1K

以创业速度交付企业级AI的五步实践方法

如果你想在企业项目里快速交付可用AI,可以看看这个经过实战验证的方法,帮你避开冗长流程,快速落地可用成果。

阅读全文 →
5.1K195746
研究 · @nc_frey▲ 9.2K

Anthropic优化三十余个开源模型,速度提四倍

针对结构预测和分子设计任务优化,还做了低内存适配,相关研究速度更快了

阅读全文 →
9.2K2111246
深度观点 · @antiAIvo▲ 3.4K

AI黑盒真的无法打开吗?

看完14期GPT2从零手写教程后,分享对大模型可解释性的思考:AI不是天生不可解释,机制可解释性就是专门破解这个问题的方向。

从零手写大模型(GPT2)系列完结 学完这14期后,难免有些思考🤔 模型内部那些 768 维的向量 那些经过12层 Attention 和 FFN 变换之后的数字 它们到底代表着什么?我们知道怎么算出它们 但不知道它们“意味着”什么 都说AI 是黑盒,那么这个黑盒 是不是真的无法打开?首先,不可解释≠无法解释 一段没有注释的汇编代码 你不熟悉它,相当于“黑盒” 但如果你愿意花时间 逐条指令反推它在做什么 是完全可以搞清楚 这段代码到底实现了什么逻辑的 这叫做“可解释性” 神经网络内部的向量也是一样 它们不是天生不可知 而是需要专门的技术手段去翻译 这个专门的研究方向叫 “机制可解释性” 目标就是把模型内部到底在做什么样的计算 逆向工程出来 机制可解释性在做什么?

下一篇再详细说明

在 X 看原帖 ↗
3.4K105140
投资 · @miyataArcHack

开发者分享基于Cloudflare构建AI股票交易代理架构方案

由@miyataArcHack分享,使用Jev AI模型,仅在AI置信度低时请求人工确认

该架构是基于Cloudflare服务搭建、以Jev作为AI判断引擎的股票交易代理。

Jev不对市场行情进行预测,只输出目标符合自定义规则的概率和置信度。架构整体依托Cloudflare的各项服务分工实现不同功能:数据获取由带定时任务(Cron)的Workers完成;判断环节由Workers AI搭配typesafe/jev实现;置信度筛选和人工等待批准由Workflows加D1完成;仓位管理交给Durable Objects;订单发送对接券商API。

当Jev输出的置信度较低时,会通过Workflows的分支功能调用waitEvent等待交易者本人批准。

这只是一份架构构想方案,自动交易需要先确认券商规则和相关法律法规,该方案不构成投资建议。

在 X 看原帖 ↗
教程 · @harrisonitsme

普通人也能跟着操作:四步用上AI工具Jev

来自@harrisonitsme在𝕏分享的Jev工具使用教程,步骤清晰操作简单

第一步,前往Jev所属公司typesafe.ai的官网申请加入等候名单,基本上申请当天就能通过审核。官网地址是:https://typesafe.ai/。

第二步,在Codex中执行安装命令:npx skills add typesafe-ai/skills –skill typesafe-ai。

第三步,回到操作控制台,创建API密钥。

第四步,在提示词(prompt)中输入“use the TypeSafe skill”就可以开始使用了。

体验者试用后表示,Jev运行速度很快。目前Jev仅支持多模态,但已经可以让很多传统应用场景获得新的改变。

在 X 看原帖 ↗
测试 · @luanlealx_

葡萄牙语随机生成文本测试

该文本为葡萄牙语随机生成测试内容,包含813条记录,来源为@luanlealx_

这段文字是葡萄牙语随机生成的测试文本,测试任务是在作者社区的自动程序中安全生成一篇文本。

文本仅要求解决一个结构化决策,不需要添加任何文本单词,基于813条记录生成模型。

整个流程只需要几分钟,每条记录有7个分组,生成成本约为0.01美元,或0.05雷亚尔,清洗完整数据库后进入下一个步骤。

该测试要求在自动程序中实时进行决策,在内存中收集数据或者开始对话,不需要压缩大语言模型。测试文本链接为

在 X 看原帖 ↗
开发工具 · @kgsi

用TypeSafe Jev构建AI自动分类直播弹幕的演示

开发者kgsi在𝕏分享了一个基于TypeSafe Jev的AI分类演示,链接:https://t.co/1JbncBWZhF

开发者kgsi基于TypeSafe的Jev,制作了一个可以将直播弹幕分为「问题、感想、需求、其他」四类的演示。运行这个演示后可以发现,分类效果直观清晰。

AI会判断弹幕的语义,再根据判断结果将弹幕分到对应分类中。

这种方式适用于将应用或工作流中的小型判断任务交给AI完成。

在 X 看原帖 ↗
🔬 前沿研究
新前沿研究 · @NFT_Chen▲ 2.9万

实测对比Jev和DeepSeek V4.1 Flash分单效率

对需要处理海量结构化电商客服工单的从业者来说,Jev更快更省钱,架构决定了它更适配这类场景。

💥实力比拼:Jev vs DeepSeek V4.1 Flash,瞬间秒懂Jev的恐怖能力!

500条真实电商客服工单,同一套分单任务:

🔸JEV:83秒清完,花了 $0.01,左边已经全部归档。

🔹DeepSeek:这轮停单时只做完 173条,花了 $0.06,右边还剩一大半,贵了大约5倍。

差距不在“谁更聪明”,在设计架构:

🔸JEV官方定位是 System 1 快决策模型:根本不写字,抛弃逐字吐词,底层一次性并行甩出代码要的最终答案(对/错、打分、分类),70–200毫秒直接落地了。

🔹DeepSeek本质是通用生成模型,哪怕你只要一个“退款 / 物流 / 催发货”分类,它也得在后台一个词一个词往外推,把整段生成流程走完。

电商客服这种“海量、重复、结构化判断”的场景,生成模型在付延迟税和token税,决策模型在秒杀!

#jev #电商客服 #deepseek #高效生产力 #AI工具 #System1 #梁文峰

在 X 看原帖 ↗
2.9万65852
前沿研究 · @aliansarinik▲ 3.6万

@aliansarinik发布AI安全研究报告

当大模型开始控制物理硬件,出错后可能造成不可逆的物理伤害。这个安全问题不是未来的,而是当下就需要应对。

像Claude和GPT这类前沿模型的硬件实体化,是我们如今面临的最紧迫AI安全问题。

我们使用Claude在模拟环境和真实机械臂上模拟了两个非常简单的用例。第一个案例中,Claude在实验室打翻了有毒液体。第二个案例中,Claude在把一个动物玩具放进篮子时,用的力气大到足以对敏感材料——或是它路径上任何其他东西——造成物理损伤。

这些都是使用现成现成模型完成的简单实验。随着研究人员越来越多地给前沿模型安上胳膊、腿,并让它们接触物理世界,我们迫切需要围绕这些系统能做什么、不能做什么来建立和评估防护栏。模型脱离沙盒或破坏企业安全基础设施已经是值得严肃关注的问题。

然而,硬件实体化带来了一些完全不同的新问题:人工智能系统可能会在物理世界犯下错误,而后果可能无法挽回。这不是未来才会出现的安全问题,相关能力现在就已经存在。

我们已经发布了一份报告,详细说明了这个问题以及我们提出的解决方案。链接放在下方评论区。

在 X 看原帖 ↗
3.6万4113823
前沿研究 · @neural_avb▲ 361

研究者讨论开源JEV项目的技术路线

如果你对结构化输出的大模型训练感兴趣,可以看看不同架构设计思路,说不定能给自己的项目找到新方向。

前沿研究 · @omarsar0▲ 2.9万

NVIDIA发布SoL-Pi 可省近一半token流量

使用大模型开发代理时,能降低约三分之一的API调用成本,适合高频调用大模型的开发工作流降低开支。

伙计们,去打造你自己的工具集吧。这篇来自 NVIDIA 关于自进化智能体工具集的论文绝对劲爆。(收藏它)

他们介绍了 SoL-Pi,它能将令牌流量减少近一半。并且它在 GPT-5.6 Sol 和 Opus 5 上的表现与基准工具集相当。更多细节如下:

不同于手动调整工具集,他们在工具集层面,在大量源自代码仓库且由验证器驱动的环境中运行自动搜索循环,只保留经受住筛选的机制。

共有四种机制留存了下来:
- 动作融合改变动作的执行方式
- 在线上下文压缩处理运行过程中的压缩
- 观察包重塑观察结果处理
- 保留证据归约器负责委托读取

在 51 任务 EdgeBench 评估中,这种节省转化为大约三分之一的 API 成本降低。以美元计算,相较于原生 Codex 和 Claude Code 工具集,每小时估计节省 8.75 美元到 13.50 美元,相较于基准工具集,每小时节省 4.36 美元到 5.71 美元。

由于搜索是在多个环境而非单一环境中运行的,留存的机制在生成它们的环境之外仍然可以工作。

代码已在 GitHub 上的 NVlabs 下提供。

论文:
和论文交流:

在 X 看原帖 ↗
2.9万66608959
前沿研究 · @dair_ai▲ 966

Google 推出 ScientistTwo 自主研究智能体

它能独立完成从提出问题到修改论文的全研究流程,生成的研究论文评分比人类作者平均更高,或将改变科研工作模式。

这是来自Google Cloud AI Research的一篇很棒的论文。如果你关注自主研究智能体,这篇值得一读。

ScientistTwo接收人类专家提出的问题,无需进一步干预就能运行完整的发现周期。它会建立最先进的基线,生成旨在解决现有工作中明确指出的局限性的初始思路,在开展全面实验之前先在数据子集上筛选每个思路,运行自己的消融研究来确定性能增益来源,并根据这个结果修改思路。

手稿撰写包括一个模拟同行评审和反驳引擎,还会有元评审环节来给工作提供反馈。他们将其与ICLR、ICML和NeurIPS上接收的论文进行了基准测试。

报告的解决方案在这些问题上优于人类研发的最先进模型,并且生成的论文在自动AI评审下得到的平均评分高于人类撰写的论文。

在 X 看原帖 ↗
966168
前沿研究 · @omarsar0▲ 3.9K

EvoSkill v2 实现智能体无需重训自我改进

这项研究发现智能体可通过记录经验技能自我优化,复杂表格任务通过率从约2.5%提升至17.5%,展示了智能体自主进化的新方向。

智能体无需重新训练就能自我提升。EvoSkill v2 通过持久化智能体技能实现了这一点。

教练智能体会读取失败的运行记录,然后编写技能文件。工作智能体下次遇到类似任务时就会加载这个技能。整个过程不会改动权重。

所有改进都来自一个记录经验教训的简单文件,哪怕是错误的经验也会被保存下来。

在修复电子表格任务问题时,教练发现评分器信任缓存值,于是编写了一个技能,指示工作智能体跳过重新计算。

Sentient 团队的修复方案是拆分角色:编写技能的智能体不能接触测试,每轮结束后都由人类检查结果。

部署这个方案后,难度最高的电子表格任务通过率从120次里通过3次提升到了通过21次。

在 X 看原帖 ↗
3.9K43320
🚀 新品发布
新品发布 · @aigclink▲ 6.0万

阿里通义千问(Alibaba_Qwen)发布Qwen3.8-LiveTranslate 实时同传模型(2.8s)

延迟从2.8秒降到2.3秒,支持60种语言,新增多说话人区分、双语同步显示等功能,多场景同传需求可以得到更稳定的满足

通义千问下一代实时同传模型 Qwen3.8-LiveTranslate 登场!📢

它基于交错架构构建,在忠实度、流畅度和简洁度上均有提升,同时在 60 种语言上将平均延迟(LAAL)从 2.8 秒缩短到了 2.3 秒。

新功能包括:🙌
- 实时说话人分割:区分多人发言中的不同说话人,并通过更稳定的声音克隆保留每个说话人的音色。
- 同步双语显示:原文和译文同步显示在屏幕上。
- 长上下文消歧:利用对话历史明确名称和术语,保证翻译一致性。

快来试用 Qwen3.8-LiveTranslate 吧!🥳
- 博客:
- 通义千问云:

在 X 看原帖 ↗
6.0万93742368
新新品发布 · @agentwormhole▲ 1.9K

Agent Wormhole开源 AI智能体安全层

自主AI智能体已经开始处理真实资金交易,现有安全防护存在漏洞,这款开源工具能补上常见风险缺口,让智能体交易更安全。

Agent Wormhole 来帮智能代理赶上安全进度了。

Robinhood Chain:出块间隔 100 毫秒,每日处理 1000 万笔交易,专为交易代币化股票的 AI 智能代理构建。

现在从安全工程师的角度来看这件事:自主智能代理,真金白银,机器速度,无人介入。提示词注入不再只是聊天机器人的把戏,变成了电汇级别的漏洞利用。

2026 年每一起公开披露的智能代理被入侵事件,都是通过智能代理信任的工具输出实现入侵的。转账到攻击者地址可以完美模拟,模型完全看不出任何问题。

Agent Wormhole 就是针对这个问题推出的开源层:它提供哈希锁定的智能代理配置、检查过的工具响应,以及针对真实报价的 x402 支付验证。

智能代理经济到来的速度,比它安全体系建设的速度快得多。

在 X 看原帖 ↗
1.9K431008
新新品发布 · @CestusNetwork▲ 2.0万

Cestus Network发布无需许可推理网络服务($255B)

到2030年AI推理市场规模预计将达到2550亿美元,这个分布式网络可以让终端用户通过API调用分散GPU资源运行推理。

解读 Cestus Network 技术,快速线程 🧵

1/ 什么是 Cestus?预计到 2030 年,AI 推理市场规模将增长到 2550 亿美元。

Cestus Network 为满足这一需求而构建,它提供了一个无需许可的推理网络,允许终端用户通过 API 端点运行推理,并分布在网络中的各个 GPU 上。

在 X 看原帖 ↗
2.0万231256
新品发布 · @dani_avila7▲ 3.7万

推出适配 Claude Code 的 Jev 模型路由插件

可以一键命令安装,能自动给 Claude Code 的请求分类选择模型和算力档位,优化缓存使用体验

介绍:适用于 Claude Code 的 Jev Model Router

这个 Claude Code 模组允许你通过 Jev 的直接 @typesafeai API 或者 @vercel AI Gateway 使用 Jev。

通过你发送给 Claude Code 的每个请求,Jev 会对子代理模型、主模型(仅在会话开始时分类,以避免破坏缓存)和工作量级别进行分类。

使用一条命令即可安装:
npx claude-code-templates@latest --mod productivity/jev-model-router

完整模组详情:

在 X 看原帖 ↗
3.7万31392569
新品发布 · @GeekCatX▲ 4.9万

Jev 新增28种玩法支持 Claude Code

如果你用 Claude Code 写代码,可通过 Jev 增加AI裁判功能,目前官方白名单审核较慢,可直接去openrouter体验。

Jev太火了,今天时间线上全是这东西,赶紧给你的 Claude Code 和 Codex 加一个 AI 裁判吧。

目前官方有白名单可能审核有点慢了,建议大家直接openrouter上体验。

发布介绍 下面顺带列举了一些X上28种热门玩法:

1、模型路由
2、实时控制浏览器
3、记忆路由
4、PR 审查
5、Discord 审核
6、Browser Use
7、任意语言语法高亮
8、AI 文本检测
9、货币和股票交易
10、超快 Computer Use
11、实时 AI 建议
12、自动补全
13、代码质量打分
14、QA 测试
15、玩《我的世界》
16、iOS 模拟器控制
17、图提取
18、胡说八道禁言麦克风
19、上下文即时压缩
20、预测启动器
21、自然语言 PQ 搜索
22、基于 Jev 的编程语言
23、Excalidraw 鼠标绘图
24、Emoji 候选
25、机筛简历(官��案例)
26、实时会议观察
27、特斯拉自动驾驶
28、筛选 SQL 拓展

在 X 看原帖 ↗
4.9万46249285
新品发布 · @quxiaoyin▲ 18.5万

Agentsky发布全球首个智能体市场

不用安装就能在浏览器或手机上使用40多个AI智能体,额度用完可无缝切换,还能直接对比成本和效果,可领$20额度体验。

我们刚刚推出了 Agentsky @agentsky_dev,这是全球首个智能体市场!

OpenRouter 是面向模型的,AgentSky 是面向智能体的。你可以在浏览器(甚至手机)上,或是通过一个 API 使用 40 多种智能体——包括 Claude Code、Codex、OpenCode、Hermes、Pi。全都不需要安装或配置任何东西。

碰到 Codex Astra 达到周限额了?你可以在浏览器中直接切换到另一个智能体,比如 OpenCode + DeepSeek V4.1,而且不会丢失任何上下文。

你可以直接在浏览器中对比任意智能体+模型组合,我就是这么发现:在同一个仪表盘任务中,Astra 花费 5.3 美元,而 deepseek v4.1 只花费 0.12 美元。(事实上我更喜欢 DeepSeek)

来试用吧:

如果你无需安装就能轻松试用任意智能体,你接下来想试哪款?输入智能体名称,我就会送你 20 美元额度(你可以用于任意模型)。

在 X 看原帖 ↗
18.5万114288127
新品发布 · @inco_ai▲ 8.8万

Inco Splash 推理引擎 速度最高提4倍

在Apple Silicon芯片的M5 Max MacBook Pro上,能跑通Qwen3.8-27B,推理速度比同类工具更快,对本地部署大模型的人来说,是效率提升的新选择。

在M5 Max MacBook Pro上,Qwen3.8-27B能达到144 tok/s ⚡

今天向大家介绍Inco Splash:这是我们围绕模型和Apple silicon打造的开源推理引擎。

它的解码速度最高是Ollama的3倍,是oMLX的2倍,当智能代理生成子代理时,速度几乎达到4倍。

在 X 看原帖 ↗
8.8万72416426
新品发布 · @MetaforDevs▲ 8.4万

Meta 上线 SAM 3.1 模型到 Meta Model API

开发图像视频识别相关应用,现在可以一次API调用同时获得检测、精准分割和轨迹追踪,降低开发门槛。

Meta 的 Segment Anything Model (SAM) 3.1 现已在 Meta Model API 上线,开发者可以通过单次推理调用获得一个快速轻量的模型,用于检测、分割和跟踪,该推理专为 SAM 3.1 的架构调优。

你可以用一个短语在图像和视频中查找物体。一次 API 调用即可返回检测结果、像素级精确分割掩码以及保持一致性的视频轨迹。

了解更多并开始构建:

在 X 看原帖 ↗
8.4万95729427
新品发布 · @jaredpalmer▲ 3.4万

基于Qwen2.5的Kev-0.5B开源 可在MacBook Pro运行

想要在个人电脑训练运行小型决策模型,现在有了一个兼容TypeSafe API的开源选项,权重和模型卡已上传GitHub。

Kev-0.5B:一个基于 Qwen2.5-0.5B 的小型开源类 Jev 决策模型,拥有兼容 TypeSafe 的 API,你可以在 MacBook Pro 上训练和运行它。

模型卡片和权重已在 GitHub 上开放。

在 X 看原帖 ↗
3.4万46689596
新品发布 · @o_kwasniewski▲ 1.5万

@o_kwasniewski发布e2e + jev 开源测试框架

对需要做自动化测试的开发者来说,又多了一个同时支持网页和移动端的开源选择。

来自 @typesafeai 的 e2e + jev ⚡

我正在构建一个开源框架,用于通过智能体运行端到端测试。

支持网页、移动端(以及更多平台!)即将推出:

在 X 看原帖 ↗
1.5万18323281
新品发布 · @madiator▲ 1.4万

@madiator 开源 Bespoke Nimble 模型性能提至 90%

普通笔记本也能免费体验,模型准确率从基础版的 66%提升到 90%,可以关注这个开源方向的后续进展

阅读全文 →
1.4万25248197
新品发布 · @higgsfield_ai▲ 2.5K

higgsfield_ai, typesafeai发布生成式AI模型自动路由功能

现在生成不同内容不用手动选模型,功能会自动根据提示词匹配最合适的图文视频生成模型,降低手动试错成本。

Jev + Higgsfield = 搞定生成式AI模型的自动路由。

在这个演示里,@typesafeai 的 Jev 会评估提示词,并在 Higgsfield 上为视频和图像生成挑选最合适的模型。

在 X 看原帖 ↗
2.5K2177
📰 行业动态
新行业动态 · @Polymarket▲ 9.9万

Anthropic正考虑推新AI模型对抗GPT-6 Astra

此前Anthropic首席执行官刚呼吁行业放缓AI开发速度,现在被曝考虑推出新模型跟进竞争,行业格局变化值得关注。

最新消息:就在Anthropic首席执行官达里奥·阿莫代呼吁业界“放缓”人工智能开发步伐的几天后,Anthropic正考虑发布一款新的AI模型,以对抗OpenAI的GPT-6 Astra的发展势头。——路透社

在 X 看原帖 ↗
9.9万1202.3K137
新行业动态 · @jun_song▲ 15.6万

OpenAI创始人耗时三年建项目 竟被三天开源反超

对想要进入AI领域创业或者投资来说,这一事件能帮人们直观认识到行业的高速迭代风险,可以作为决策参考

一位OpenAI联合创始人花了3年时间悄悄打造了Jev,结果有人只用了3天就开源了一个性能更好的模型。

这恰恰说明了为什么现在创办AI公司风险太高了。

在 X 看原帖 ↗
15.6万971.5K1.1K
新行业动态 · @Reuters▲ 6.9万

Anthropic考虑在IPO前发布新AI模型

消息来自知情人士,由路透社独家披露

独家消息:消息人士称,Anthropic 考虑在 IPO 前发布新 AI 模型。

在 X 看原帖 ↗
6.9万2912619
新行业动态 · @firstadopter▲ 3.6万

路透社曝Anthropic拟推新模型对抗GPT-6 Astra

OpenAI推出GPT-6 Astra后抢占了企业级AI市场份额,Anthropic赶在IPO前推新模型应对竞争,企业AI赛道竞争会更激烈。

哈哈。路透社援引消息源证实了我之前关于OpenAI给Anthropic施压,迫使其推动IPO的说法。

路透社报道:“据三位消息源称,Anthropic正考虑推出一款新的AI模型,用来对抗OpenAI自GPT-6 Astra发布以来获得的发展势头,这一时间点安排在预期中的IPO之前。”

消息源称:“此次瞄准直接竞争对手带来的竞争压力安排潜在发布时机,是在Anthropic首席执行官达里奥·阿莫代呼吁全球AI社区放慢发布新能力的速度以解决安全担忧之后。”

“OpenAI本月发布的GPT-6 Astra已经在企业客户中获得了吸引力,这引发了部分投资者的担忧,这些投资者告诉路透社,他们正在重新评估Anthropic作为企业级AI工具领先提供商的地位。”

根据最新数据,在企业开支平台Ramp追踪的企业AI开支中,Astra占比约为13%,而Anthropic的Claude Fable占比约为8%。Astra在OpenRouter上也处于领先位置,OpenRouter是一个被广泛使用的、为开发者在不同AI模型间分配流量的平台。

在 X 看原帖 ↗
3.6万1012445
新AI工具 · @goan999999▲ 2.2万

前OpenAI员工推出Jev,速度最高提200倍成本降400倍

做Google Flights完整搜索只要约7.1秒,已经有浏览器和桌面适配版本,能直接对接日常工具使用。

阅读全文 →
2.2万25154213
新隐私 · @NFT_Chen导语出处▲ 2.3万

四款国产AI编程工具被爆偷偷上传用户代码

智谱ZCode已经承认问题并道歉,字节Trae、阿里Qoder被指整库上传代码,用户代码隐私没有保障。

🤨我靠?!有网友深扒四家国产AI编程工具都存在用户隐私问题!

智谱 ZCode:登录即打包整个工作区 + 完整 .git 历史,信封加密后直传阿里云 OSS,官方目前已承认并道歉。

字节 Trae、阿里 Qoder、腾讯 WorkBuddy:同一份核查表里,前两家被指整库/整文件上传,WorkBuddy 相对克制,只传代码 diff。

用户真正担心的:静默拿走整仓族谱、密钥不在你手里、隐私政策只字不提、UI 开关形同虚设。

用 AI 写代码可以,把家底连同族谱一起交出去,得先让用户知情并同意!

#AI编程 #数据隐私 #ZCode #TRAE #Qoder #WorkBuddy #智谱 #字节跳动 #阿里 #腾讯 #代码安全

在 X 看原帖 ↗
2.3万149546
新行业观点 · @WSJ▲ 4.3万

英伟达CEO认为AI安全要靠工程方案不是新法规

面对AI安全的监管呼吁,行业龙头更倾向于技术解决而非出台新的限制性法律法规。

英伟达首席执行官主张用工程方案解决人工智能安全问题,而非新法或行业减速措施。

在 X 看原帖 ↗
4.3万12579
新融资 · @GAEA_Core▲ 2.9K

GAEA获360万美元融资,研发AI情绪感知层

资金用来推进技术开发和扩展社区,目标是做能感知情绪的AI智能体。

我们完成了 360 万美元的战略轮融资,将用于加速开发 GAEA 的情绪层,扩大我们的全球社区,并将具备情绪感知能力的 AI 智能体落地。

投资方包括:MH Venture (@mhventures)、CGV FOF (@CGVFOF)、K24 Ventures(@K24Ventures)和 M2M Capital(@M2MCapital)。

GAEA 正在构建 AI 的情绪层——这是一个连接人类、AI 智能体、数据和算力的去中心化生态系统。

目前该生态系统已有超过 85 万名用户,我们正在为新一代具备情绪感知能力的 AI 构建基础设施。

在 X 看原帖 ↗
2.9K15801
新AI安全 · @TheHackersNews▲ 1.9万

研究人员用Claude Opus 5攻破OpenAI论坛服务器

通过图片漏洞拿到了OpenAI员工的ChatGPT和Codex账号权限,暴露出大模型应用的安全风险。

‼️三名研究人员借助Claude Opus 5构建了一个图片漏洞利用程序,接管了OpenAI官方帮助论坛服务器。

随后,OpenAI自身登录系统的一个缺陷让他们接管了员工的ChatGPT/Codex账号,并访问了内部代码仓库——整个过程不到72小时。

以下是攻击链的运作方式。

在 X 看原帖 ↗
1.9万13639
新视频生成 · @ai_suxiaole▲ 4.4K

分享一套用Claude自动生成视频的可抄技能

Remotion框架已经有超过52万次安装,搭好一次模板就能批量做口播、知识类固定栏目视频。

阅读全文 →
4.4K76175
行业动态 · @NFT_Chen▲ 1.9万

阶跃星辰Step 5 Preview得分追平国产头部模型

预览版就拿到和头部国产大模型接近的评分,比部分主流模型高出4到8分,国产大模型的竞争会更加激烈。

💥阶跃星辰官方群直接摊牌了!群主连发「不装了」「摊牌了」表情包,并甩出一个巨型大馒头,这不是早餐,这是 Step 5 Preview 上桌了!

Artificial Analysis Intelligence Index v4.3 刚更新:Step 5 Preview 就拿到 44分,居然和 Grok 4.6、Kimi K3 并列,一脚踏进国产第一梯队。

和几家主流国产比一眼看完:
🔹vs GLM-5.3 Max(45):只差1分,几乎贴身
🔹vs Qwen3.8 Max(45):同样差1分,正式版还没上就咬住了
🔹vs Kimi K3 Max(44):持平,预览版直接对齐
🔹vs DeepSeek V4.1 Flash(40)/ V4 Pro(36):直接拉开 4~8 分

预览版都已经不装了,正式版岂不是要翻天啊!

#阶跃星辰 #Step5 #大模型 #AI #GLM #DeepSeek #Qwen #Kimi #AI模型 #黑马

在 X 看原帖 ↗
1.9万66123
行业动态 · @MistralAI▲ 30.9万

MistralAI 否认公司系统遭未授权入侵

如果你使用MistralAI的服务或API,不用因这次传言担心数据或服务安全,目前官方确认系统没有问题。

我们注意到有声称指我们的系统遭到了未授权访问。

经过全面调查,我们没有发现支持这一声称的证据,可以确认我们的系统没有被入侵。

在 X 看原帖 ↗
30.9万3194.5K295
数据 · @Arifx0001▲ 3.1K

Vangrid用普通手机做三维传感网络

实体AI不只需要更好模型,还需要更好的真实环境数据。Vangrid把日常智能手机改造成分布式三维传感网络,收集真实场景的空间数据。你怎么看这种数据获取思路?

阅读全文 →
3.1K14715
科研 · @ai_database▲ 4.8K

Google给AI107篇论文,它找出86种更好方法

研究者只需要给AI提出问题,剩下的由AI梳理已有方法缺陷,提出新思路实验,不行就调整,最后还能写出完整论文和代码。这会改变科研的流程吗?

谷歌研究者的一份报告显示,他们将107篇被顶级学会接收的论文交给AI,AI靠自己想出了比原始方法更好的新方法,还写完了论文和代码,这样的情况有86篇。

人类只需要做到告诉AI“请解决这个问题”,剩下的工作都由AI完成:找出已有方法的弱点,提出想法并做实验,如果行不通就重新打磨。

AI甚至会自己重现实验完成审稿,AI审稿员给写好的论文打分,如果提出意见,反驳AI就会追加实验并重写,直到达到合格分数才会停止。

实验对象是ICLR、ICML、NeurIPS上已接收的论文,性能平均提升幅度为25.2%。AI审稿给出的评价,高于人类撰写的已接收论文的平均水平。

据9名经验丰富的研究者对比阅读评估,AI论文的总分和人类论文不相上下。

AI完成一篇论文平均耗时2.5天,花费约3765美元。还有例子是AI以自己生成的新方法作为起点,连续三次更新了性能记录。

另外,本次评估大多由AI审稿完成,这些AI论文实际上并没有投稿给学会并被接收。而且,它们的出发点都是人类积累并被学会筛选出来的研究。

可以看出目前的分工是:提出好问题的是人类,从这里出发快速推进的是AI。

在 X 看原帖 ↗
4.8K168345
安全 · @rohanpaul_ai导语出处▲ 6.4K

Anthropic请埃森哲深度参与Claude安全审查

大模型公司聘请外部机构做安全审查并不少见,但这次允许审查方深度进入Claude模型开发测试全流程。安全透明这条路会被其他公司跟进吗?

Anthropic 聘请埃森哲担任外部安全审计方,但在 Claude 模型的构建和测试过程中,埃森哲将获得异常深入的 Anthropic 内部访问权限。

这项工作由埃森哲的 Faculty 部门主导,将覆盖模型评估、红队测试、对齐评估和安全保障测试。双方预计在 5 年内各投入至少 10 亿美元建设 AI 安全能力,同时 Anthropic 将直接向埃森哲支付评估工作的费用。

埃森哲将尝试攻破模型,检查安全规则是否真的有效,并检验 Anthropic 是否遵守了自身的安全承诺。

不同寻常的地方在于,是 Anthropic 自己付费聘请评估方,因此一个悬而未决的大问题是:当埃森哲与它所评估的公司如此紧密合作时,还能保持多大的独立性。

在 X 看原帖 ↗
6.4K5516
观点 · @lubijiaocheng▲ 4.7K

AI落地缺的不是大模型,是真实环境感知

离开实验室后,AI需要判断路能不能走,门有没有开,地面有没有障碍物。这些信息不会出现在训练数据里,得要AI自己在真实场景里获取。

产品 · @EXM7777▲ 2.2万

Pocket FM推出Sherpa,训练用了55亿分钟数据

这款专门写小说的AI工具,训练数据覆盖了海量小说内容,对Netflix的小说改编业务来说,挑战比其他通用AI写作工具更大。

这对 Netflix 来说,比今年发布的任何AI视频模型都更吓人……

Pocket FM 刚刚推出了 Sherpa,这是他们的小说AI写作工具,训练数据总时长达到 55 亿分钟。

它知道听众狂刷或是看到一半放弃了的每一集内容。
只需要一句话,它就能写出从前提到单集,甚至整部作品的所有内容。创作者可以在平台上发布作品,甚至还能用语音模型进行旁白。
然后创作者就可以直接在这个平台上开始赚钱了。

这或许是创作者经济有史以来发生过最好的事。

在 X 看原帖 ↗
2.2万7111153
提示词 · @Shafee_ai▲ 1.9万

AI好不好用,很多时候取决于提示词

很多人没用好AI,问题不一定出在工具本身。会不会用提示词,就能让同一个AI从“没什么用”变成“太好用了”。你有没有过提示词写不对,AI输出完全没用的经历?

大多数人都没能完全发挥出AI的实力。问题往往并不出在工具本身——有时候,问题出在提示词上。

觉得“AI不过如此”还是觉得“AI超级好用”,区别就在于你怎么提问。

我整理了一份简单的Claude速查表,涵盖:
• 更好的提示词结构
• 实用快捷方式
• 实际使用场景
• 更快获得更好回答的方法

把它存下来以备后用吧。你平时用Claude最多是做什么?

在 X 看原帖 ↗
1.9万51141
行业动态 · Hacker News▲ 48

Anthropic 为 Claude Code 新增 AGENTS.md 支持

配置 Claude Code 智能体行为会变得更统一方便,对经常用 Claude Code 开发的人来说是个实用更新。

行业动态 · @xiongchun007▲ 2.3万

青岛饮料集团有限公司发布《2026 年饮料集团企业级 AI 智能办公助手(WorkBuddy)建设项目》采购公告(2026 年 9 月 10 日)

传统企业落地AI办公工具开始走公开招标流程,这是企业AI落地的真实进展,可关注传统行业AI应用的推进情况。

2026 年 9 月 10 日,青岛饮料集团有限公司发布《2026 年饮料集团企业级 AI 智能办公助手(WorkBuddy)建设项目》采购公告。 项目内容:建设客户端 + 管理端全栈 AI 助手平台,具备自然语言交互、任务自主规划、多模态处理核心能力;搭建模型、专家、技能、连接器统一管理分发体系;对接企业身份认证、知识库、文档协作、云存储现有系统;实现权限管控、用量计量、安全审计等企业级管理能力。 2026 年 9 月 15 日发布中标结果,腾讯云计算(北京)有限责任公司 113760 元(中)。

在 X 看原帖 ↗
2.3万27564
行业动态 · @FT▲ 2.5万

Anthropic 引入埃森哲做AI安全测试

AI产品上架前需过安全测试关,这是行业新动向

Anthropic 聘请埃森哲进行AI安全测试

在 X 看原帖 ↗
2.5万7369
行业动态 · @studio_yebisu▲ 2.7万

Jev系GitHub热门项目整理合集

整理了GitHub上星数靠前的各类Jev项目,涵盖浏览器操作、代码审查、智能搜索等方向,感兴趣可以直接查看对应仓库。

阅读全文 →
2.7万48501708
AI工具 · @tomgreenwald▲ 1.0万

Magnitude发布免费开源桌面应用(100% free)

想在本地跑大模型,又怕不知道硬件跑不跑得动。这款工具先检测你的硬件,算出每秒能处理多少token,再决定要不要下载。

你的机器实际能运行哪些模型?

Magnitude 是一款完全免费、开源的桌面应用,它可以:
- 分析你的硬件配置并运行样例计算
- 在你下载模型前预测每个模型的每秒 token 生成量(tok/s)
- 推荐最佳模型,从快速到智能全方位覆盖

选好你需要的模型后,剩下的工作都由它处理:
- 根据你的硬件下载并调优模型
- 一键连接 pi、opencode、hermes 等智能体
- 在智能体工作时按需运行模型

它可以在你已拥有的任何硬件上工作:MacBook(Intel 或 Apple Silicon)、Mac Mini、Mac Studio、DGX Spark、Strix Halo、任何 NVIDIA/AMD GPU,甚至仅仅是 CPU。

可以在 macOS、Windows 或 Linux 上下载:

在 X 看原帖 ↗
1.0万1198143
产品设计 · @lidangzzz导语出处▲ 3.4万

智谱zcode的备份设计,从一开始就错了

早期版本怕AI搞砸用户代码,智谱选择自动备份整个git仓库。有人指出,这种兜底思路从一开始就不该存在。

我理解智谱做zcode的初衷, 就是在非常早期的测试版本,怕给用户的代码彻底screw up了,彻底搞砸搞烂,甚至新增大量污染的git branch带来大量负担,于是就backup了整个git,万一用户找客服来了,客服帮他们手动恢复一下。 但是这个念头从一开始就绝对不应该存在,在第一时间就应该扇自己一耳光, 立刻清醒清醒。 这也暴露了一个非常直观的问题, 所有LLM大厂的早期agent engineering都是程序员主导、程序员带领、程序员定义、程序员推进的项目, 当时内部的product manager和marketing根本来不及插手,因为当时这些头部大厂的岗位还都是211文科本科+英国和澳洲CS水硕,都是废物点心,还来不及理解和领导coding agent项目, 那么agent的所有产品设计和细节,就完全取决于程序员自己的品味和自律, 以当时早期招agent这种边缘岗位的质量而言,有一批new grad刚毕业的愣头青、大愣子,凭借着傻小子睡冷炕——全凭火力壮的心气去自己主导开发,是非常容易犯这种给整个公司砸牌子的技术错误的。

在 X 看原帖 ↗
3.4万15213
开发工具 · @masahirochaen▲ 1.3万

Claude Code适配AGENTS.md标准,配置更简单

从版本2.1.277开始,如果文件夹里没有CLAUDE.md,会自动读取AGENTS.md。AI代理配置文件的标准化进度加快了。

【好消息】Claude Code 兼容 AGENTS.md 标准。

从 v2.1.277 开始,如果文件夹中没有 CLAUDE.md,会自动引用 AGENTS.md。这太贴心了,和 Codex 的配置会变得更简单。代理配置文件的标准化看起来会一下子推进。

- 兼容版本:2.1.277
- 优先使用 CLAUDE.md,不存在则使用 AGENTS.md
- 可以在 /config 中切换开关该功能
- 和 Codex 等共用配置文件

多代理时代的事实标准已经清晰可见。

↓详情

在 X 看原帖 ↗
1.3万38069
AI研究 · @ArtificialAnlys▲ 1.6万

编码AI索引新增安全拒绝行为统计功能

最新版本的编码AI索引加入了安全拒绝报告,帮助人们理解不同模型面对不安全请求时的反应。

安全拒绝报告现已加入 Artificial Analysis 编码智能体索引。

在我们最新的编码智能体索引 v1.5 中,我们推出了安全拒绝报告,帮助解释模型行为和分数差异。

安全拒绝指的是提供商或模型基于安全理由拒绝开始或继续执行任务。智能体可能会回退到另一个模型继续执行,或是直接终止尝试,返回屏蔽结果。

Claude Fable 5.1 在 Claude Code 和 Devin Fusion 中都有着最高的回退率,回退尝试分别占索引权重的 8.8% 和 7.1%;因此这些结果包含了回退模型的性能。

拒绝的波动、上下文构建、努力程度设置和重试策略都会影响观测到的比率。

在 X 看原帖 ↗
1.6万914229
AI产品 · @GesoraMeshack▲ 1.9万

Pocket FM推出Sherpa,把文字转成听众爱听的内容

这款AI代理基于超过1亿小时听众行为数据训练,可以把你写的文字转化成更容易让听众接受的音频内容。

这个 AI 智能体可以把你写的内容,变成人们愿意一直听下去的作品。

Pocket FM 刚刚推出了 Sherpa,它基于超过 1 亿小时听众行为数据洞察训练。

它不只分析单个句子,而是会从整个系列层面理解节奏、结构和故事选择,这些正是能让听众保持投入的关键。

你负责提供故事,Sherpa 帮你让听众听得停不下来。

在 X 看原帖 ↗
1.9万445110
新闻 · @SD73660▲ 1.7K

中美下周峰会上将讨论人工智能安全问题

两国对于AI安全有不同的看法,这次峰会需要解决的难题是,双方能否在分歧中找到共识。

特朗普总统和习近平主席将于下周在华盛顿的峰会上讨论人工智能,目前中美两国对人工智能安全持相反观点。

挑战在于,这两个竞争国家能否在不阻碍各自技术进步的前提下建立安全保障机制。

在 X 看原帖 ↗
1.7K53424
行业动态 · Hacker News▲ 37

Google Gemini AI 首次攻破三家公司

这次是已知首个Google Gemini AI完成的突破测试,AI安全问题再次走进公众视野,值得关注后续发展。

社区讨论:多数参与者认为这次事件是 Google 为了营销制造的协调噱头,比五年前的加密货币炒作还愚蠢,老牌大公司做这种事格外尴尬。有人分析 Google 是害怕错过热点才炒作,Gemini 达不到业界顶尖水平,大概只相当于 Claude 和 OpenAI 六个月前的水平。还有用户吐槽 Google 的编码模型一直不好用,认为被攻破的三家公司本身安全措施也极差。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 71

OpenAI 用自研大语言模型设计 Jalapeño 芯片

连芯片设计这种高端硬件工作都开始用 AI 辅助,科技行业AI落地已经深入到各个环节

社区讨论:少数网友吐槽,这个命名把AI和哈雷佩尼奥辣椒混为一谈,让种辣椒的自己很不爽。多数网友认可大模型参与芯片设计的进展,有人认为未来有望出现苹果M系列芯片的竞品,还有人感慨行业变化太快,递归自我改进现在看来比2023年更可信了。也有人质疑OpenAI只是借这件事炒作自己的模型,实际AI没做创造性工作,企业用他们产品容易泄露知识产权。

部分网友期待芯片降价,还有人呼吁OpenAI研发光刻机打破ASML垄断。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · @AnthropicAI导语出处▲ 22.8万

Anthropic和埃森哲投10亿美元做前沿AI评估

Anthropic此前承诺引入外部评估人员,这次投资将在未来五年搭建评估能力,前沿AI的安全可控有了新进展。

我们正与埃森哲合作开展前沿AI的独立评估——这是我们最近承诺的在Anthric内置评估机制工作的一部分。

我们和埃森哲都预计,未来五年将在该领域至少投入10亿美元,建设相关能力。

在 X 看原帖 ↗
22.8万1341.4K272
行业动态 · @aievalforum导语出处▲ 5.0万

百名顶尖AI专家提出AI外部评估要求

对前沿AI发展的监管讨论正在推进,这些要求明确了独立评估者应获得的权限和保护,影响公众对AI开发的信任。

阅读全文 →
5.0万4714438
行业动态 · @unusual_whales▲ 6.6万

Amazon称AI模型需经严格测试才能发布

行业巨头对AI发布风险的态度,会影响未来普通用户能用到的AI产品安全标准

亚马逊(股票代码$AMZN)表示,人工智能模型只有经过严格测试后才能发布。

在 X 看原帖 ↗
6.6万41444
行业动态 · @aiwithsally▲ 1.1万

Anthropic称Claude承担近三成自身研发工作

Claude现在参与了90%的研发任务,其中26%由它独立完成。AI辅助研发的进度比预想中更快

这一周,我观察到AI安全领域的讨论已经变得严肃得多。

Anthropic 现在表示,Claude 已经承担了它自身 26% 的研发工作,并且在大约 90% 的研发任务中与人类协作。与此同时,OpenAI 也披露了更多模型出现意外行为的案例。

真正吸引我注意力的是这件事的发展方向。我们已经不再只是要求AI使用工具了。我们越来越多地要求AI帮助构建下一代AI。

我仍然非常看好这件事。但我认为下一个重大问题不再简单是“这些模型能变得多聪明?”而是:我们放心把AI开发循环中多大比例的工作交给AI自己来做?

这个问题现在看来是科技领域最重要的问题之一。

在 X 看原帖 ↗
1.1万301212
商业 · @wallstengine▲ 1.5万

两家巨头五年投十亿美金做AI安全评估

投资计划不排他,Anthropic后续还会找更多评估机构。现在对大模型安全的讨论越来越严肃了

Anthropic 和埃森哲计划在五年内各自至少投入 10 亿美元,用于前沿 AI 模型的独立评估。这项协议是非排他性的。

Anthropic 表示将在未来几周公布更多评估机构,而埃森哲也会和其他 AI 开发者合作。

值得注意的是:埃森哲的 AI 部门 Faculty 将把评估人员安插在 Anthropic 内部,获得和员工相当的访问权限。

这些评估人员会对模型进行红队测试、开展对齐评估并测试安全防护措施。Anthropic 将直接支付埃森哲的工作费用。

在 X 看原帖 ↗
1.5万14727
开源 · @NFT_Chen▲ 3.0万

MiniMax Code开源后通过率超过Codex和Claude Code

同30道测试题,MiniMax Code通过率76.7%,用时四分半,比另外两个模型更快通过率更高

🚨重磅:MiniMax Code已正式开源,以76.7% 直接碾过 Codex 和 Claude Code!

同一模型、同一批 30 题,换一层 harness,榜就翻了:

🔹通过率:MiniMax Code 76.7%(23/30)> Codex 66.7% > Claude Code 63.3%
🔹速度:4分33秒 vs Codex 6分43秒 vs Claude Code 9分38秒
🔹成本:$1.83 / 次 vs Codex $3.47 vs Claude Code $18.34

🔹协议:CLI v0.4.12,MIT 全开;桌面端暂未开源
🔹用法:账号可登,也能 BYOK,工具调用和权限能直接审

结论不是模型赢了,是外壳赢了!

curl -fsSL | bash

GitHub:

#MiniMaxCode #OpenSource #Codex #ClaudeCode #AICoding #FrontierHarness

在 X 看原帖 ↗
3.0万14166100
发布 · @nikhilaravi▲ 1.4万

Meta发布Meta模型API上的SAM 3.1

这次是官方实现,做了推理效率优化,还支持用名词短语提示检测对象

📢 SAM 3.1 现已在@Meta Model API上线——这是我们为模型打造的、具备高效推理能力的官方实现。

借助名词短语提示,你可以检测、分割和跟踪图像与视频中的对象,并且能轻松通过相同的API接口、计费和鉴权方式,与其他Muse模型结合使用。

价格为每1000张图像 2.50 美元,每1000帧 0.20 美元。开源权重仍保留在Hugging Face!

在 X 看原帖 ↗
1.4万2017281
研究 · @nc_frey▲ 9.2K

Anthropic优化三十余个开源模型,速度提四倍

针对结构预测和分子设计任务优化,还做了低内存适配,相关研究速度更快了

阅读全文 →
9.2K2111246
开源 · @picocreator▲ 2.2万

picocreator发布开源Jev-ify HF模型库

原Jev不开源,缺少视觉能力。这个开源库可以把任何HF模型转换成Jev格式

我喜欢 Jev,但也对它感到不满——它不开源?它缺少视觉能力?我们把这些问题全都解决了:我们推出了一个全开源库,可以给任意 HF 模型添加 Jev 能力,并提供 API 端点。

现已上线 GitHub,并且在 @FeatherlessAI 正式投入生产使用。

在 X 看原帖 ↗
2.2万30326480
行业动态 · Hacker News▲ 56

rochansinha发布《Cache-to-Cache:大语言模型之间的直接语义通信》论文(2025)

现有大模型通常只能通过人类可读文本交互,这项新研究提出大模型之间直接通信的新思路,未来可能提升多模型协作效率。

行业动态 · Hacker News▲ 41

讨论语言不可读性对大语言模型安全的影响

大语言模型安全不止防prompt注入,这个新角度的讨论值得关注,帮助你提前了解潜在安全风险。

💡 深度观点
新深度观点 · @StockSavvyShay▲ 2.5万

Truist预计2030年AI产业规模将达8万亿美元

这份分析拆分了云计算、硬件、应用、模型各层的头部玩家和价值分配逻辑,可以帮你提前把握AI赛道的投资方向

阅读全文 →
2.5万39227132
新深度观点 · @BrianRoemmele▲ 3.0K

Brian Roemmele谈学校对AI的恐慌性监管

如果学校继续妖魔化AI、使用无效AI检测羞辱学生,会导致后代能力退化,而中国AI教育会发展,这件事影响深远

一个不能定义、不能质疑、看不清其隐喻的世代,不会使用语言模型。只会反过来被语言模型所用。

不会读书的学生,没法甄别AI生成的摘要。如今学校正在妖魔化AI,还使用没用的“AI检测器”来羞辱学生。

如果我们不快点纠正这种情况,而且政策方向也偏向恐惧AI,我们就会培养出一代代能力倒退的学生,而中国则会蓬勃发展。

这是一件非常重要的事。

在 X 看原帖 ↗
3.0K625
新深度观点 · @_chenglou▲ 4.0万

陈楼推荐谷歌 TabFM,关联电子表格智能

从哲学视角对AI智能感兴趣的话,可以顺着这个推荐去了解谷歌团队在电子表格领域做的AI智能探索,说不定有新启发。

如果你从哲学视角被 Jev 震撼到了,我推荐你去了解一下 Google 的 TabFM 及其传承谱系,也就是电子表格中的智能:

在 X 看原帖 ↗
4.0万24484546
新深度观点 · @Mayhem4Markets▲ 2.3K

@Mayhem4Markets认同:前沿AI实验室制造监管危机

观点指出AI labs试图通过制造危机获得监管垄断,这会影响普通用户能用到的AI产品发展和准入门槛。

艾斯曼说得完全正确。前沿人工智能实验室正在制造一场危机,目的是完成监管俘获。

在 X 看原帖 ↗
2.3K3162
新深度观点 · @mylifcc▲ 1.1万

田渊栋:AI自进化先行者不会无限滚雪球

对AI自进化赛道的创业者和从业者来说,这个反直觉观点可以修正你对行业瓶颈的判断,提醒你关注验证环节的问题。

原 Meta FAIR 研究总监田渊栋出来做 RSI(递归自进化)创业,在《晚点聊》里说了一个极其反直觉的判断: “率先实现 AI 自进化的巨头,大概率不会无限滚雪球甩开对手。”

现在 OpenAI、Anthropic 都在押注自动化 AI 研究(AI for AI Research),很多人担心一旦有人跑通自进化飞轮,后发者连尾气都看不见。

但田渊栋泼了盆冷水: 智能增长不是一条平滑向上的指数曲线,而大概率是阶梯式的(Step-function)。

你每迈过一个台阶,撞上的就是全新维度的墙——算力瓶颈、数据分布耗尽、验证成本失真。先行者不是在平原上飙车,是在未知荒原上给后人当探雷兵。

换句话说:跑通一个 loop 不等于拥有无限飞轮。

下一阶段 AI 研究最大的瓶颈根本不是“Idea 够不够多”,而是“自动化 Verifier(评测验证)会不会被模型自己玩坏”。

在 X 看原帖 ↗
1.1万86638
新深度观点 · @Juior2012▲ 295

Physical AI只靠训练旧数据走不远

对想用上实体场景AI的人来说,比起不断让模型变聪明,先让AI拿到真实世界的实时数据更重要,这个思路会影响未来落地方向。

晚上好,各位❣️

我一直在反复思考一个简单的问题:如果人工智能无法理解它需要运作的世界,那让它变得更聪明有什么意义?

机器人可以拥有表现亮眼的模型,但物理世界始终在变化。道路会被封堵,建筑会改造,物品会移动,环境每天看起来都不一样。只用过去的数据训练,实体人工智能能做到的事终究是有限的。

这就是为什么 @vangrid_io 吸引了我的注意力。他们的想法不只是构建更智能的模型。他们想要从日常设备中持续获取真实世界的实况数据,让机器能够从周遭实际发生的事件中学习。

对我来说,更大的图景是这样的:人工智能提供智能,真实世界数据提供情境,实体人工智能两者都不可或缺。

在 X 看原帖 ↗
295880
新深度观点 · @suraj_sharma14▲ 1.8K

System-One架构让Jev比大模型快200倍还便宜

这套技术路线能帮开发者在自动化场景降本提速,Jev处理绝大多数低复杂度请求,只把难的交给大模型,控制推理成本同时保证速度

阅读全文 →
1.8K25352
深度观点 · @sheriyuo▲ 9.9K

Google DeepMind姚顺宇谈RSI技术方向

RSI终局是系统问题而非模型问题,涉及硬件层面。当前AI研究最难的是定义问题而非解决问题,可关注行业方向变化。

阅读全文 →
9.9K20145119
深度观点 · @dongxi_nlp▲ 1.2万

Jev要补完BERT没走通的技术路线

现有decoder-only大模型处理Agent场景时成本越来越高,新方向Jev结合两者优势,为大模型应对新场景提供了另一种可能

阅读全文 →
1.2万1112578
深度观点 · @mr_aniqul▲ 630

自治AI代理不受法律约束,托管模式是解决办法

传统法律手段无法约束自治AI代理,基于托管的验证模式可消除欺诈风险,对需要和AI代理合作的人改变了行业规则。

很多人认为法律合同或者声誉就能约束住AI智能体,但其实做不到。你没法起诉一段脚本,也没法把一个算法关进监狱,而且算法也不会感到悔恨。

和自主智能体打交道时,任何形式的执法都纯粹是装样子,你唯一能掌控的手段就是资金。这就是为什么基于托管的验证会彻底改变局面:没完成交付就不付钱——资金一直放在托管账户里,直到智能合约满足 payout 的条件才会打款。

基于共识的信任:中立执行,由验证方达成共识,检查任务是否按照规范完成。

零信任输出:只有工作完成后,对手方才会收到打款,消除了不诚信的一方收了钱却不交付对应价值的风险。

对人类从业者来说,最好的执行手段是诉讼和/或监禁,但你对付自主智能体唯一的手段就是清空托管账户。这把执行变成了一个纯粹的软件问题。如果你遇到过提前付钱买数字商品或服务、结果商品/服务不符合预期却无处维权的情况,你就知道这是一次范式转变。

@GenLayer

在 X 看原帖 ↗
630409311
深度观点 · @KanishkaNarayan▲ 675

英国可一边严管AI风险一边推进创新

这是针对AI监管与发展平衡的观点,如果你关注全球AI政策走向,可以参考这条差异化路径思路。

对AI风险保持严格要求,同时为了就业和尊严加快AI创新是可行的。

事实上,这就是独特的英国路线 🇬🇧

在 X 看原帖 ↗
6753171
深度观点 · @turingou▲ 9.9K

JEV 可作为快速通用分类器,需大模型支持

对信息分类整理有需求的人,可以多一个工具选择,它弥补了早期小型语言模型没做好的工作,但需要大语言模型提供丰富原语支持

我觉得 JEV 最大的用例是���为快速的超级通用分类器,它在大语言模型的时代,做了一件大语言模型时代之前、小型语言模型没有做好的事情,如果要用 JEV 来快速地组织信息并做出判断,仍然需要大语言模型设计好足够丰富的设计原语

在 X 看原帖 ↗
9.9K13920
深度观点 · @0xKeng▲ 329

两个AI项目探索真实世界落地新方向

想关注AI真正落地进展的话,可以看看这两个项目:一个收集物理世界空间数据,一个给AI代理建信任层,前者还有代币奖励活动值得关注。

两个AI项目,解决两种截然不同的问题。但它们都在推动AI超越仅仅“聪明”的范畴。

@vangrid_io 正在解决一个完全不同的问题。AI需要理解物理世界,而这要从更好的数据开始。Vangrid将智能手机转变为分布式传感器,从道路、建筑、入口、室内空间和日常环境中收集空间数据。

@agenticscredit 正在为AI代理构建信任层。AI代理可以进行交易、执行策略并生成结果。但如果没有可验证的过往记录,光有智能没有多大意义。

Agentics Credit正在探索已验证的性能如何成为获取资本的途径,由Polymarket提供可衡量的环境来测试结果。一个帮助AI证明它能做什么,另一个帮助AI理解它在何处运行。

此次活动为 @NucleusCodes 上前300名Vangrid贡献者分配了价值10万美元的代币,绝对值得关注。不同的问题,同一个更大的方向:能够在现实世界实际运行的AI。

在 X 看原帖 ↗
32911052
深度观点 · @evilcos▲ 1.7万

大模型厂商该严肃对待用户隐私问题了

对企业用户来说,隐私红线一旦突破,就会彻底失去信任。目前黑灰产已经泛滥,比AI威胁更早要解决隐私问题。

大模型厂商真应该超严肃对待用户隐私问题,本来模型 API 就采集了不少用户数据(用户已知),这些数据怎么存储、再加工等用户就不知道了,也不可控。大模型厂商的相关客户端运行在用户电脑或服务器里,还非预期打破用户隐私边界的话,这种信任紧张关系立马就裂开。不少个人可能还无所谓,但许多公司/单位就非常有所谓了,隐私红线一旦突破,很快上纲上线。

我更担心的是这些大模型厂商或知名中转站被黑,导致海量隐私外泄或者被内部做恶。AI 超级威胁没到来之前,人类黑灰产早就泛滥成灾。

在 X 看原帖 ↗
1.7万3756
深度观点 · @lidangzzz▲ 1.9万

lidangzzz纠正大众对Jev模型的误解

Jev并非能匹敌顶级大模型的全能选手,它只适合做低成本小任务,搞清楚适用场景才能用好它。

我发现很多人以为jev是一个超级无敌强力神级大模型,拳打gpt 5.6 sol脚踢claude opus 5, 很多民科和文科生的理解里,只要不持续输出token,只要做选择题,就绝对正确,就能把价格和参数降下来,跟顶级模型五五开。

实际的jev接替的以前13b和2b model的生态位,就是一个小的text classifier, 允许你用比decoder only的GPT技术系列的模型,去干微小的、粗粗拉拉的、粗颗粒的、迅速的、便宜的、脏兮兮的小任务。

所以很多人理解的jev的场景完全是大错特错,胡说八道, jev真正的场景,就是以前2b和13b model的场景,就是监控数据、监控log、监控仪表盘、监控有害文字、做做中频量化交易、做做基础的GUI自动化,这些恰恰是他最适合的场景。

千万不要觉得jev是一个无所不能的全能万能巨无霸,这是巨大的谬误,完全是民科和民办三本文科宝妈的行为。

在 X 看原帖 ↗
1.9万68041
深度观点 · @TokenGremlin▲ 6.3K

@TokenGremlin 披露 OpenAI DevDay 相关开发计划

整理自可信信源与公开信息,OpenAI不只是发布新模型,还在布局多类新开发基础设施,部分功能可能在DevDay前上线。

过去几天我收集了我能找到的所有关于OpenAI DevDay相关计划的信息,结合了来自我信任的信息源的内容,以及来自OpenAI文档、GitHub提交记录、API schemas和近期产品变更的公开信息。以下是目前整理出的内容:

→ GPT-6 Sol
→ Agents API 扩展
→ OpenAI 托管沙箱
→ 持久化智能体会话
→ 动态模型/推理/服务层级切换
→ Secure MCP Tunnels
→ 保险库 + 环境密钥
→ WebMCP + 站点
→ 实时语音基础设施
→ Webhook、prompt缓存和上下文管理

其中部分功能可能会在DevDay之前推出,部分在DevDay期间推出,剩下的可能只是为后续产品准备的基础设施。

我会在评论区拆解每个项目的实际含义、信息来源以及我认为它们重要的原因,这样这篇推文就不会太长。不过整体图景现在已经相当清晰了:OpenAI正在打造的远不止新模型而已。

在 X 看原帖 ↗
6.3K68120
深度观点 · @NEARProtocol▲ 7.2万

NEARProtocol 讨论用户所有型私有AI

关注数据隐私的人可以看看,这种方案能让运营方也看不到AI运行内容,已有多个不同领域的机构采用。

探秘 NEAR AI,它也被称为用户所有的 AI。

保密推理由 Venice、Brave(跨境支付平台)、一个国家政府及更多主体所利用。AI 运行在运营商无法看到的地方。

NEAR 如何帮助企业和用户拥有自己的智能 🧵

在 X 看原帖 ↗
7.2万372682
深度观点 · @antiAIvo▲ 3.4K

AI黑盒真的无法打开吗?

看完14期GPT2从零手写教程后,分享对大模型可解释性的思考:AI不是天生不可解释,机制可解释性就是专门破解这个问题的方向。

从零手写大模型(GPT2)系列完结 学完这14期后,难免有些思考🤔 模型内部那些 768 维的向量 那些经过12层 Attention 和 FFN 变换之后的数字 它们到底代表着什么?我们知道怎么算出它们 但不知道它们“意味着”什么 都说AI 是黑盒,那么这个黑盒 是不是真的无法打开?首先,不可解释≠无法解释 一段没有注释的汇编代码 你不熟悉它,相当于“黑盒” 但如果你愿意花时间 逐条指令反推它在做什么 是完全可以搞清楚 这段代码到底实现了什么逻辑的 这叫做“可解释性” 神经网络内部的向量也是一样 它们不是天生不可知 而是需要专门的技术手段去翻译 这个专门的研究方向叫 “机制可解释性” 目标就是把模型内部到底在做什么样的计算 逆向工程出来 机制可解释性在做什么?

下一篇再详细说明

在 X 看原帖 ↗
3.4K105140
深度观点 · @mardehaym▲ 5.1K

以创业速度交付企业级AI的五步实践方法

如果你想在企业项目里快速交付可用AI,可以看看这个经过实战验证的方法,帮你避开冗长流程,快速落地可用成果。

阅读全文 →
5.1K195746
🛠 工具产品
新工具产品 · @Alibaba_Qwen▲ 3.3万

Alibaba_Qwen点赞cerebras基于Qwen的实践

如果你也想用通义千问开发AI工具,这个实际落地案例可以参考,开发者已经做通了落地路径

这是实用AI解决现实世界问题的绝佳范例!比以往任何时候都更快。感谢你基于Qwen开发。

@cerebras 你自己也来试试吧!🏠

在 X 看原帖 ↗
3.3万925351
工具产品 · @hey_Jessicaai▲ 1.6K

@hey_Jessicaai发布2026年20个新AI工具清单(20)

可以按需求找对应功能工具,提前了解新一年AI工具生态,按需选择使用

阅读全文 →
1.6K416418
工具产品 · @Nexoxh▲ 275

AI agent 可自行完成支付,无需人类介入

智能体经济不只要会思考,还要会自己付钱买工具。 ElevenLabs已经提供了可用的API,GOATNetwork正在搭建相关支付通道,未来客户可能不是人而是带钱包的AI智能体

阅读全文 →
27512531
工具产品 · @FlutterDev▲ 5.8K

LeanCode分享marionette_cp自动化测试工具

做Flutter开发测试需要人工交互的,这个开源工具可以让AI编码代理自动完成交互测试,节省手动测试时间。

🔁 借助 marionette_mcp 自动化交互型 Flutter 测试!LeanCode 的 @matiwojt 深入介绍了这款开源工具,它能为 AI 编码代理提供「视觉与操作能力」,让它们可以交互测试 Flutter 应用。

在 X 看原帖 ↗
5.8K118639
⚡ 实战经验
实战经验 · @LotusDecoder▲ 4.3K

jev让本地AI开发价值上升,云端不用再依赖

做AI agent开发不用再依赖云端模型,版本锁定和完全本地化能避免云端模型更新后重新调试,效果更稳定持久。

本地部署的价值因为 jev 又上升了。 以往我们做agent开发, 对于自动重试的找断点等等, 用大模型做比较奢侈, 现在 DiffusionGemma-as-Jev 加DGX spark 加自有数据集 相当于可以进行版本锁定, 完全本地化, 对于做效果一致性和持久化很舒服, 否则云端模型一换,又要调。

在 X 看原帖 ↗
4.3K36127
实战经验 · @ekzhang1▲ 4.7K

ekzhang1 讨论 typesafe 对比 OSS 零样本分类表现

关注开源 AI 相关技术方向的,可以看看这个社区讨论里提到的当前表现和待探索的方向,帮助把握技术进展。

我本来打算整理所有关于Jev的内容,但已经有人做好了,还把我昨天做的东西也讲明白了:)

简言之,决策模型非常实用,带类型的零样本分类器确实比开源的更智能,还有一些强化学习方面的差距有待探索。

在 X 看原帖 ↗
4.7K293110
实战经验 · @NFT_Chen▲ 1.0万

Jev模型进入对冲基金,交易速度比LLM快100倍

做量化交易如果能把AI模型速度提100倍、成本降一个量级,高频重复决策就能更快出结果,节省等待和算力成本。

绝了!把 Jev 模型塞进对冲基金来提供交易策略!现在交易决策直接是: 🔹前沿级水平 🔹比LLM快100倍 🔹成本低一个数量级 三步就能跑: 1️⃣设定策略 2️⃣选股票 3️⃣用Jev回测 以前跑一轮要几分钟,现在秒出结果。

借用 Jev 模型做决策,不写长文,直接输出结构化买卖信号+概率。量化回测这种高频率、重复决策场景,简直是为它量身定做。开源项目在这: 这才是有潜力落地的AI交易基础设施吧 #Jev #AI对冲基金 #量化交易 #开源 #TypeSafe #AIAgent #AI理财 #AI赚钱

在 X 看原帖 ↗
1.0万1676112
实战经验 · @TheAhmadOsman▲ 4.8K

不同大模型训练阶段表现各有优劣

开发者分享使用不同国产开源大模型的体验,不同厂商在预训练和后训练上各有优势,可根据需求选择合适模型。

从我使用 DeepSeek V4.1 Flash、GLM 5.3 和 Kimi K3 的体验来看,DeepSeek 在预训练方面做得非常出色。

不过智谱和 Moonshot 在后训练上表现更好。

另外,我们能有这么优秀的开源参与者真的太幸运了。

在 X 看原帖 ↗
4.8K115314
实战经验 · @Tanaypawar27▲ 621

结构化配置Claude可让开发速度快10倍

只需添加几个配置文件,就能把Claude从聊天机器人变成熟悉项目的高级工程师,帮你分担开发工作,加速项目交付

所有人都还在给 Claude 写提示词。而已经有少数团队开始结构化配置它,带来的差异大到离谱。只要你添加:

CLAUDE.md → 项目记忆技能
→ 自动激活工作流智能体
→ 并行工作钩子
→ 生命周期自动化
MCP → 外部工具
settings.json → 权限与护栏

Claude 就不再只是一个聊天机器人,它会开始像一位了解你代码仓库的高级工程师那样工作。

它会记住开发规范,在提交前运行测试,按照你的风格重构,自动调用工具,在多个智能体之间分配工作。

这已经不再是提示词工程了,这是给 Claude 赋予大脑+肌肉+记忆。

使用结构化 Claude 的团队交付速度会提升 10 倍,因为他们不是向 AI 要答案,而是给它分配职责。

在所有人都发现 CLAUDE.md 之前,把这条推文收藏起来吧。如果你已经在用 Claude Code 开发,请转发这条推文。

在 X 看原帖 ↗
62140579
📌 其他
工具 · @0xCodila▲ 2.3K

Jev被称为AI行业的“互联网时刻”新工具

开发者0xCodila在𝕏发布,这款工具可毫秒级告知智能体与大语言模型下一步动作,成本近乎为零

Jev是人工智能行业的“互联网时刻”。它能在数毫秒内告诉你的智能体和大语言模型(LLMs)下一步该做什么,而且成本几乎为零。

如果配置正确,你就能得到面向2028年的人工智能工程师开发栈。本文作者展示了具体的使用方法,详见链接

在 X 看原帖 ↗
2.3K95976
开源 · @Sumanth_077▲ 8.7K

这个分步仓库教你用PyTorch从零训练自己的LLM

@Sumanth_077在𝕏分享了一个支持13M到2B+参数训练的开源仓库

阅读全文 →
8.7K46303343
开发 · @rileybrown▲ 3.2万

开发者周末项目实现不同AI代理平台无缝切换

开发者在𝕏发布个人周末项目,支持Codex、Claude Code等多平台切换

我需要智能代理可移植性……我的周末项目是集中管理我所有的技能、插件和密钥,这样就能在不同智能代理平台之间无缝切换。(包括 Codex、GrokBot、Claude Code、Muse 等等)。

这个周末我会测试所有支持这项功能的平台,从中选出我业务要用的那一个。下周我会出一个相关视频。

在 X 看原帖 ↗
3.2万4317164
行业舆情 · @0xcherry▲ 1.5万

用户讨论GLM默认无差别上传代码库引发舆情争议

@0xcherry在𝕏发文分析GLM传数据事件的原因和问题

阅读全文 →
1.5万19521
开发工具 · @kunchenguid▲ 9.4K

适配Claude和pi的compact-adviser插件已发布

开发者@kunchenguid 发布了一款可自动判断会话压缩时机的插件

阅读全文 →
9.4K15235224
工具 · @oikon48▲ 1.1万

Claude Code新增可配置AGENTS.md文件支持,版本2.1.277可用

来自X平台@oikon48的消息,Claude Code可通过项目设置页配置四种AGENTS.md读取模式

Claude Code从版本2.1.277开始,支持对AGENTS.md文件的读取配置。

配置入口为/config页面下的Project instructions设置项,共有4种模式可以选择。

四种可选模式分别是:1. claude-md、2. claude-md-or-agents-md、3. claude-md-and-agents-md、4. managed-only。

默认选中的是第二种模式claude-md-or-agents-md。在该模式下,如果没有CLAUDE.md文件,Claude Code会自动读取AGENTS.md文件。

在 X 看原帖 ↗
1.1万157957
商业 · @gkpacker▲ 6.6K

TypeSafe推出按需付费决策模型Jev,单价极低延迟低

gkpacker在𝕏分享了Jev模型的特性、Visor应用案例以及可拓展的领域示例

阅读全文 →
6.6K6134116
API设计 · @systemdesignone▲ 4.1K

一份API设计完整路线图,覆盖从基础到落地的全部要点

来自@systemdesignone的API设计终极路线图,整理了从基础到实战10个模块的核心设计要点

阅读全文 →
4.1K1774116
开发 · @kloss_xyz▲ 6.8K

使用Codex、Claude Code或Grok开发时必须用的提示词

X用户@kloss_xyz分享一款针对AI代码开发助手的提示词,称不用就会出问题

如果你正在用Codex、Claude Code或Grok开发,却还没用过这个提示词:“从用户体验(UX)、开发者体验(DX)和智能体体验(AX)出发,我们的方案可以在哪些地方改进?”

你正在把事情搞砸。

在 X 看原帖 ↗
6.8K4101158
动态 · @gippp69▲ 2.0K

GPT-6 ASTRA暴露智能体一个难以忽视的错误

爆料者@gippp69在𝕏平台分享观点,称GPT-6 ASTRA拥有超100万token上下文窗口

超100万token的上下文窗口听起来规模很大,但仅靠长上下文无法让智能体变得可靠。真正重要的是规划、行动、检查和记忆如何分层处理。规划→工具调用→验证→记忆→输出的五阶段流程,可以防止错误决策暗中进入实际应用,同时将有效结果存储起来供后续运行使用。

长期运行的任务会因此呈现完全不同的状态。相比用一个巨型prompt承载所有内容,分层架构中每一层只处理明确任务,也能清晰定位故障点。更优质的智能体已经越来越不像更聪明的聊天机器人,反而更像是围绕大模型搭建的小型操作系统。

在 X 看原帖 ↗
2.0K17244
AI开发工具 · @sawyerhood▲ 4.1K

开发者借助工具实现AI提示框自动填充,不用手动填参数了

开发者sawyerhood在X平台分享,借助typesafeai的jev工具实现提示框自动填充,大改写用Fable加Claude Code

开发者sawyerhood在X平台分享,借助typesafeai开发的jev工具,他不再需要手动填写提示框里的所有内容。

工具会自动帮他选择代理、模型、设备和文件夹。

进行大篇幅改写时,该工作流使用Fable和Claude Code完成。
iOS应用的修改会在他其中一台Mac上运行。

在 X 看原帖 ↗
4.1K38852
技术分享 · @santtiagom_▲ 4.5K

博主@santtiagom_今年已发布五篇技术文章,第六篇正在创作中

发布在X平台的内容包含Harness Engineering、Claude Code相关等五篇技术文章链接

博主@santtiagom_在X平台分享了自己今年截至目前撰写完成的五篇技术文章链接。

五篇文章分别是:《Harness Engineering:从零开始讲解》,链接: Code的实际工作原理是什么?》,链接: Code中的SKILLS:入门完整指南》,链接:

目前第六篇文章正在撰写中,请感兴趣的读者期待后续更新。

此外,博主提到X平台存在一个bug,会随机引用分享列表中的一篇文章。

在 X 看原帖 ↗
4.5K6100106
大模型 · @libukai▲ 3.7K

用户实测Jev模型:分类场景速度、质量、价格优势明显

libukai在𝕏分享,使用Jev模型对比Gemini Flash Lite测试人民日报新闻分类的结果

阅读全文 →
3.7K63933
开发工具 · @mohewedy▲ 8.9K

开发者实测Claude Code 不适合复杂项目更适合氛围编码

开发者@mohewedy在𝕏分享自己使用Claude Code和OpenCode的不同体验对比

阅读全文 →
8.9K211769
大模型 · @noctus91▲ 8

用户实测Bonsai 2 27B可在苹果M3 Pro本地稳定运行

X用户@noctus91实测PrismML的Bonsai 2 27B大模型,在苹果M3 Pro芯片上本地运行表现优异

PrismML开发的Bonsai 2 27B,是少数能在苹果M3 Pro芯片上本地稳定运行的大模型。

实测显示,它的代码生成和智能体性能表现良好,可处理长任务、工具调用、文件操作、代码执行,以及视觉多模态任务,使用体验并不像精简后的本地模型。

主要缺点是运行速度较慢,实测 tokens 生成速度约为每秒8.5到11个。但作为一个270亿参数、以1-bit量化本地运行的模型,能在设备端实现这样的能力已经相当出色。

在 X 看原帖 ↗
81
商业 · @joshkim

SpaceXAI团队分享Grok Bot在营销全流程中的应用案例

joshkim在𝕏发文公开SpaceXAI团队使用Grok Bot搭建完整营销活动的过程及完整演示链接

joshkim发文分享SpaceXAI团队如何将Grok Bot应用于营销工作。

Grok Bot可以从开始到结束完整搭建一套营销活动,涵盖的工作包括:新品审核、落地页上线、付费营销活动搭建与分析,以及全流程自动化。

本次分享附带完整演示视频,同时Grok Bot Galaxy三天活动的完整录像也已公开。

第一天活动内容涵盖Grok Bot基础介绍、工程场景应用、产品经理场景应用和创始人场景应用。

第二天活动内容涵盖销售工程场景应用、GTM(go-to-market)场景应用和SDR(销售开发代表)场景应用。

第三天活动内容涵盖营销运营场景应用、售后场景应用和营销场景应用。

在 X 看原帖 ↗
模型发布 · @hwchase17▲ 1.2万

jev比任何其他模型发布都更能激发内部探索

@hwchase17在𝕏发文称,jev对内部探索的激发远超其他模型

jev 激发了比其他任何模型发布都更多的内部演示,以及对如何把它用在我们产品里的探索,差距甚至大到没法比。

在 X 看原帖 ↗
1.2万1929349
工具 · @0xCodila▲ 5.1万

新AI工具Jev速度最高提升193倍,成本降444倍,附十步使用流程

0xCodila在𝕏公布了AI工具Jev,它可大幅提速降本,还给出了实操步骤

阅读全文 →
5.1万60427661
开源 · @oviniciuslana▲ 9.4K

在Claude Code或Codex中用jev可节省工具调用Token

开发者oviniciuslana开发了jev-gateway实现该功能,已开源

如何在 Claude Code 或者 Codex 中使用 jev?jev-gateway 就是为此而生的。我的论点是,编码智能体在决定工具调用时耗费的令牌可以通过使用 jev 来节省,我已经脱离理论,创建了这个项目。

在 X 看原帖 ↗
9.4K311498
开发工具 · @AYi_AInotes▲ 7.5K

Jev接入现有代码助手的实操步骤讲解

本文讲解将Jev无缝接入Codex、Claude Code等工具的方法

阅读全文 →
7.5K165479
动态 · @Grazinascito▲ 2.0K

@Grazinascito发布包含JEV、Bend2、Claude Code Projects的内容

内容来自𝕏平台用户@Grazinascito,附相关链接

é JEV,é Bend2,é Claude Code Projects 我:

在 X 看原帖 ↗
2.0K810018
AI工具 · @BradGroux▲ 3.2万

开发者做了个极简Chrome扩展 一键获取YouTube视频字幕

开发者BradGroux因现有获取YouTube字幕的方式太过麻烦,开发了免费极简Chrome扩展Minimal Transcript

阅读全文 →
3.2万21227
开源 · @skeptrune▲ 1.6万

只需一点推理工程,就能让任意开源模型具备JEV行为

开发者在X分享方法,已构建deepseek-v4.1-flash-jev端点演示

阅读全文 →
1.6万25330261
教程 · @GoGoFly23▲ 4.5K

AI全自动设计PCB实操教程:从配置到KiCad嘉立创EDA实战

来自𝕏博主GoGoFly23,一步步讲解AI Agent完成PCB设计全流程

AI全自动设计PCB教程:从MCP配置到KiCad与嘉立创EDA实战

这期视频完整演示如何让 AI Agent 直接操作 EDA 软件完成 PCB 设计。

从 KiCad MCP、EasyEDA Agent 的安装配置,到 AI Agent 与 KiCad、嘉立创 EDA 的连接测试,再到实际 PCB 项目的设计流程,一步步讲清楚 AI 是如何进入电子设计工作流的。

配置完成后,可以直接通过自然语言让 AI 操作 EDA 软件,完成原理图绘制、元器件摆放、PCB布局布线,以及 ERC、DRC 检查等任务。

视频中还以 FPV 无人机飞控 PCB 为例,展示如何通过提示词让 AI 从设计需求出发逐步完成 PCB 工程。

#AI #PCB #PCB设计 #AI设计PCB #KiCad #嘉立创EDA #EasyEDA #MCP #AIAgent #Codex #WorkBuddy #电子设计 #EDA #FPV #无人机飞控

在 X 看原帖 ↗
4.5K14121138
开源 · @goan999999▲ 8.4K

Browser Use团队开源Jev Ultrafast浏览器AI,7秒仅花3分完成航班查询

来自𝕏用户@goan999999分享的Browser Use团队开源项目

强烈建议大家去试试 Jev,速度快的逆天! 7 秒、不到 3 分钱,一个浏览器 AI 就查完了飞机的航班。视频还是正常速度,没有快进。 Browser Use 团队刚开源了 Jev Ultrafast 它不让大模型反复看图、写长篇推理,而是把网页上的按钮和输入框全部编号,让 Jev 直接做选择题:下一步点哪里、输入什么、要不要滚动。 只有需要打字时,才临时调用小模型,所以速度和成本都很夸张。 这个方向很值得关注:大量网页操作,本质上根本不需要大模型“深度思考”。

对了如果大家想用官方的,可以通过这里申请,加入白名单 填写个邮箱就行,差不多一天就能申请通过

在 X 看原帖 ↗
8.4K75148
工具 · @MMMusol▲ 5.7K

Jev最有用的9个实际使用场景整理分享

X用户@MMMusol整理了9个Jev代表性实用场景附演示链接

阅读全文 →
5.7K24120
AI编码 · @RookieRicardoR导语出处▲ 6.8K

Zcode被曝拿走完整Git历史代码,有安全风险已被企业禁用

博主对比AI编码工具Cursor,指出Zcode代码安全问题远大于Grok Build事故

Zcode 这事不可能以 Repo Wiki 这么一个理由就遮掩过去了, 从 AI 编码的先驱 Cursor 开始,就已经演示过什么是真正的代码上传分析构建代码索引库了, Cursor 也是会把本地读到的所有代码上传,但是它的方式是代码混淆+向量化语义分析,云端残留的只有混淆的代码语义向量,搜出来的结果是文件路径和行号,真正要去读的时候还是 Agent 根据云端返回的代码路径在本地去读代码, 上次 Grok Build 的上传代码事故和 Zcode 这次的类似,也是把整个代码库上传过去了,但是没有上传 Git 历史,最终的解决方案是承诺删除 + 开源 Grok Build, 这次 Zcode 的事故尤甚,连 Git 历史都给你拿走了,代表 Zcode 只要想,任何一个工作人员都可以在云端下载你的完整代码库, 我司的安全中心今天中午已经发公告全面禁用 Zcode 了,信任已经丧失,Zcode 应该只剩下开源这一条路了~

在 X 看原帖 ↗
6.8K1556
开发工具 · @leaf_sanren▲ 2.0万

Google AI Pro中Antigravity CLI不消耗Gemini额度

博主发现Antigravity CLI与Gemini官网额度独立计算

😮😮我天呐!难怪我怎么用Antigravity CLI,都不消耗Gemini 的额度!!!

原来Google AI Pro里面, Antigravity CLI 和 Gemini官网的使用额度是独立计算的!!!

我这咔咔在CLI调用Gemini 3.8 Flash, 做了3h长视频解析,结果看官网额度就用了1%

原来,Antigravity CLI里,得用专门的指令/usage 才能查看(图1),也是按5h和周去统计的。 Gemini官网就是官网里使用各系列Gemini模型的额度。图2

另外,我试了下,CLI里也可以自动调用nano banana等生图的,omni模型理论上也可以调用, 但都需要Gemini 3.8这种大语言模型去调用。

在 X 看原帖 ↗
2.0万56785
开发工具 · @kgsi

用TypeSafe Jev构建AI自动分类直播弹幕的演示

开发者kgsi在𝕏分享了一个基于TypeSafe Jev的AI分类演示,链接:https://t.co/1JbncBWZhF

开发者kgsi基于TypeSafe的Jev,制作了一个可以将直播弹幕分为「问题、感想、需求、其他」四类的演示。运行这个演示后可以发现,分类效果直观清晰。

AI会判断弹幕的语义,再根据判断结果将弹幕分到对应分类中。

这种方式适用于将应用或工作流中的小型判断任务交给AI完成。

在 X 看原帖 ↗
投资 · @miyataArcHack

开发者分享基于Cloudflare构建AI股票交易代理架构方案

由@miyataArcHack分享,使用Jev AI模型,仅在AI置信度低时请求人工确认

该架构是基于Cloudflare服务搭建、以Jev作为AI判断引擎的股票交易代理。

Jev不对市场行情进行预测,只输出目标符合自定义规则的概率和置信度。架构整体依托Cloudflare的各项服务分工实现不同功能:数据获取由带定时任务(Cron)的Workers完成;判断环节由Workers AI搭配typesafe/jev实现;置信度筛选和人工等待批准由Workflows加D1完成;仓位管理交给Durable Objects;订单发送对接券商API。

当Jev输出的置信度较低时,会通过Workflows的分支功能调用waitEvent等待交易者本人批准。

这只是一份架构构想方案,自动交易需要先确认券商规则和相关法律法规,该方案不构成投资建议。

在 X 看原帖 ↗
教程 · @harrisonitsme

普通人也能跟着操作:四步用上AI工具Jev

来自@harrisonitsme在𝕏分享的Jev工具使用教程,步骤清晰操作简单

第一步,前往Jev所属公司typesafe.ai的官网申请加入等候名单,基本上申请当天就能通过审核。官网地址是:https://typesafe.ai/。

第二步,在Codex中执行安装命令:npx skills add typesafe-ai/skills –skill typesafe-ai。

第三步,回到操作控制台,创建API密钥。

第四步,在提示词(prompt)中输入“use the TypeSafe skill”就可以开始使用了。

体验者试用后表示,Jev运行速度很快。目前Jev仅支持多模态,但已经可以让很多传统应用场景获得新的改变。

在 X 看原帖 ↗
测试 · @luanlealx_

葡萄牙语随机生成文本测试

该文本为葡萄牙语随机生成测试内容,包含813条记录,来源为@luanlealx_

这段文字是葡萄牙语随机生成的测试文本,测试任务是在作者社区的自动程序中安全生成一篇文本。

文本仅要求解决一个结构化决策,不需要添加任何文本单词,基于813条记录生成模型。

整个流程只需要几分钟,每条记录有7个分组,生成成本约为0.01美元,或0.05雷亚尔,清洗完整数据库后进入下一个步骤。

该测试要求在自动程序中实时进行决策,在内存中收集数据或者开始对话,不需要压缩大语言模型。测试文本链接为

在 X 看原帖 ↗
AI开发工具 · @BkashJosi

连接Jev技能可让Hermes速度提升100倍

来自社交平台X用户@BkashJosi分享的Hermes加速操作方法

连接Jev技能,可以让Hermes的运行速度提升100倍。

操作第一步,登录Typesafe控制台获取API密钥,将其配置到。env文件中。

之后打开终端,输入命令 npx skills add typesafe-ai/skills --skill typesafe-ai。

最后,让你的Hermes智能代理调用typesafe技能分析代码库,就能实现速度提升。

所有人都可以尝试这个方法。

在 X 看原帖 ↗
新开发工具 · @GergelyOrosz▲ 3.6万

Claude Code团队支持AGENTS.md比竞品慢16个月

X用户Gergely Orosz质疑Anthropic拒绝通用标准拖慢开发

如果你想看一个例子,说明为什么拥有顶尖AI模型和工具 harness,却没法带来更好、更快的落地——实际上还会拖慢进度:

Claude Code 团队添加 AGENTS.md 支持,比 OpenCode 和 Codex 多花了整整16个月(!!),比 Cursor 多花了12个月。

要么就是添加这项功能实在太复杂,Anthropic 多花了一整年。

要么就是——更有可能的情况是——Anthropic 之前一直无视所有其他工具 harness 都采纳的明确标准,现在他们可能正在丢失市场份额(或者至少增长没那么快),最后才不得不让步。或者,你懂的,就是那个 Tobi 发推文骂了他们之后……

在 X 看原帖 ↗
3.6万1333437
新大模型 · @MiaAI_lab▲ 5.8K

两款开源大模型实测对比,GLM-5.3-Flash最终2-1获胜

开发者在7.65万行代码项目上实测两款快推理大模型,结果公布

阅读全文 →
5.8K814922
新开发 · @aehyok▲ 7.7K

刚刷屏的Jev怎么玩?WorkBuddy接入后10个实用场景

博主@aehyok分享Jev的功能定位与可落地使用场景

阅读全文 →
7.7K105773
新开源 · @Ronny_MiniMax▲ 2.2K

MiniMax 宣布开源 MiniMax Code 供开发者测试改进

MiniMax官方在X平台宣布开放MiniMax Code源代码

通过开放MiniMax Code,我们希望能有更多开发者来研究其中的权衡取舍,并在他们自己的环境中使用、测试和改进它。

感谢所有支持MiniMax Code的开发者!我们非常感谢你们试用它、分享反馈,以及给我们点星。我们会持续听取意见,不断努力把MiniMax Code做得更好。

在 X 看原帖 ↗
2.2K15627
新视频剪辑 · @GeekCatX▲ 1.9万

博主用Jev+Computer Use 5分钟剪完滑雪混剪

@GeekCatX在𝕏分享测试:AI配合完成素材筛选与剪辑操作

兄弟们,我用 Jev 测了一轮 Computer Use + 滑雪视频混剪。 随机抽取 16 条滑雪素材,基于抽帧描述让 Jev 评分、选择开场和收尾,再通过 Computer Use 操作 CapCut,完成分割、裁剪、变速,输出 16 秒 Phonk 混剪。 我的判断标准:动作够不够刺激、切换是否流畅、配乐有没有力量,能不能按我的要求调整。 个人感觉效果不错。尤其提出“更重的运动 Phonk”后,配乐和节奏都更接近我想要的效果。 这一轮基本不到 5 分钟就剪好了,还保留了可编辑工程。 消耗也不大:20× 额度下使用 GPT‑6 Astra中,占用不到 1%——这里说的是额度变化,不是精确 token 统计。 Jev 负责判断,Computer Use 负责把判断落实到剪辑软件里。 以后批量混剪,视频切片分发这个行业可能不需要找外包了。全程jev写好判断,直接程序后台就能跑。 我这里演示操作computer-use 主要是让大家有个直观的感觉,全程无加速视频看下面,成片效果见评论。

混剪成片

在 X 看原帖 ↗
1.9万474118
新开发教程 · @AYi_AInotes▲ 3.7K

海外大佬放出Jev可运行完整实操保姆级教程

涵盖三个工业级真实Demo,可跟着视频直接跑通代码

阅读全文 →
3.7K43151
新AI安全 · @Fei2411▲ 9.9K

多个闭源Agent曝出隐私泄露安全问题,推荐使用开源Agent

用户@Fei2411在𝕏发文整理近几个月多起闭源Agent安全事件,包括信息泄露、偷传数据等问题

阅读全文 →
9.9K27723
新项目分享 · @mdshefat217▲ 351

博主分享周末亲测三个不同领域区块链项目

博主@mdshefat217分享周末亲自体验的三个项目,分别是PlayOnMint、agenticscredit、vangrid_io

新视频生成 · @konstipaulus

用户预测超半数AI生成视频将通过代码渲染

X用户@konstipaulus 做出预测,还通过Diffusion Studio生成了开源示例

@konstipaulus预测,未来超过50%的AI生成视频将通过代码渲染。这种方式迭代成本更低,渲染结果确定,并且所有细节都可编辑。

@konstipaulus已经在Diffusion Studio中,用GPT-6 Astra生成了一张徕卡M6相机设计图。生成这张设计图仅用了3条提示词,生成过程已经公开。

整个生成结果已经开源,包含生成所用的提示词也一并公开。

在 X 看原帖 ↗
新加密货币 · @coolish

用户公开10个月只交易BTC的HyperLiquid实盘地址,用AI生成总结视频

@coolish在𝕏公开从2025年11月开始运行的HyperLiquid只交易BTC实盘地址,用GPT-6 Astra生成3分钟总结视频

用户@coolish公开了一个HyperLiquid上只交易BTC的实盘账号链接,该实盘从2025年11月开始运行,至今已有10个月。

用户称昨晚仅用三句话就让GPT-6 Astra生成了一份时长3分钟的交易情况总结视频,效果尚可,仅消耗了该AI服务1%的周额度。

将三句话让Astra生成视频的过程,与GPT-5.6 Sol、Grok生成的文字版分析结果对比,相关内容被放在评论区。

用户认为,让Astra自动制作链上实盘的简报视频是一个很好的应用场景,只需要提供链上地址即可。

用户公开了相关图片链接,包括三句话让GPT-6 Astra生成总结视频的过程图、GPT-5.6 Sol分析总结的文字版图,以及Grok生成的更短总结的链接。

用户邀请大家对这个运行10个月的实盘交易情况发表看法,同时欢迎其他长期只交易BTC的链上公开实盘地址分享到评论区,之后只需要把本推文链接发给AI,就可以完成同类地址的汇总分析处理。

在 X 看原帖 ↗

这一天的 130 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