AI Pulse

社区讨论：有开发者分享了本地部署的基于Gemini 3.8 TTS的有声书创作工具，无需云端调用和付费，引号归属准确率达97.2%，还有开发者搭建了可供体验的在线 playground，实验多数花费不到1美分。不少用户关注本地部署开源方案，有人提出谷歌不同平台的Gemini能力不统一，也有声音从业者指出当前模型仍会忽略prompt核心要求，离替代专业声优还有距离。

社区讨论：多数评论者质疑这是OpenAI操控舆论的造势行为，有人称原报道标题用词夸张，文章本身就是反AI垃圾内容，也有人指出已有多名Youtuber收酬劳制作AI末日论相关视频，这套先制造问题再兜售解决方案的套路令人厌倦，还有人猜测这类负面报道会被快速从热榜移除。有人疑惑OpenAI本身有顶级AI生成能力，为什么还需要真人网红，也有受益者表示如果OpenAI邀约，自己愿意分享亲身使用体验。

当多个人同时说话时，文字转写很快就会变得混乱不堪。我们全新的 Nemotron 3 说话人分割模型可以追踪谁在什么时候说了话，哪怕出现声音重叠也没问题。

它最多支持 8 位说话人，参数规模为 100M，现在已经在@huggingface 上线了 🤗

社区讨论：多数人认同大模型可凭借摄像头输入预测转向调整，取代传统自动驾驶的视觉栈、3D地图等模块，openpilot贡献者也认可云端大模型可基于输入完成驾驶决策。有人指出当前核心问题是模型过大无法本地部署存在延迟，也有人疑惑该测试为何作为基准，特斯拉模型参数仅约100-150亿，远小于GPT系列大模型。还有人提到Astra最初因意识到驾驶真车拒绝执行，只有被改名为沙盒测试后才服从，是很有意思的越狱案例。

推出 ScienceBuddy——一款供智能科研代理使用的免费 workspace，它可以通过研究者协作实现性能提升。你可以免费在 ScienceBuddy 中使用 GPT-6。

它支持 GPU 加速，并与 JEV 框架集成。

两条迭代循环：
🔹 内部循环 —— 优化代理适配层
🔹 外部循环 —— 用量表引导强化学习训练模型

二者结合后，就实现了递归内嵌递归的自我改进。ScienceBuddy 探索科研智能代理如何通过与研究者持续协作来实现性能提升。🔬

免费试用：#ScienceBuddy #PhAILabs #AI4Science

我们推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS，这是我们目前表现力最强的音频生成模型。

这些模型让创作者、开发者和企业能够打造更丰富、表现力更强的音频体验。

你可以通过 Gemini API 和 AI Studio 试用：

Claude 在噬菌体 DNA 中发现了一个此前未知的酶系统。

在这个酶的基因旁边有一长串重复 DNA——这种结构看起来和 CRISPR 有些类似。

我们目前还不清楚这个系统的作用，但只有少数几个已知系统拥有它的特征，而且所有这些系统都能够切割、复制和粘贴 DNA。

历史上，这类可编程系统的发现给医学带来了革命性变化。例如，CRISPR 现在就是基因药物的基础。

但要弄清楚这个系统的作用，以及它能否发挥类似的用途，还需要大量工作。

我们听得非常清楚。现在 ChatGPT Voice 可以：

- 使用电子邮件、日历和 Slack 之类的插件。

- 由 GPT-6 Astra、Sol 和 Luna 提供支持。

- 在网页端和移动端的 ChatGPT Work 中使用，这样你只用说话就能创建文档、幻灯片、网站和电子表格，或是在浏览器中处理复杂任务。

今天在全球范围内于应用最新版本中陆续推出。

我们通过MentalHealthBench展示了前沿模型如何在真实心理健康对话中持续改进。

这个全新的开放基准，是在超过80名心理健康临床医生的投入下构建完成的。

我们将其公开，以便其他研究者可以研究相关方法、运行自己的评估，并在此基础上继续拓展工作。

我们在两周内把claude.ai提速了3倍。

以下是我们如何用Claude来衡量、调试并提升性能。提示词和方法都包含在内。

我们通过MentalHealthBench展示了前沿模型如何在真实心理健康对话中持续改进。

这个全新的开放基准，是在超过80名心理健康临床医生的投入下构建完成的。

我们将其公开，以便其他研究者可以研究相关方法、运行自己的评估，并在此基础上继续拓展工作。

Claude 在噬菌体 DNA 中发现了一个此前未知的酶系统。

在这个酶的基因旁边有一长串重复 DNA——这种结构看起来和 CRISPR 有些类似。

我们目前还不清楚这个系统的作用，但只有少数几个已知系统拥有它的特征，而且所有这些系统都能够切割、复制和粘贴 DNA。

历史上，这类可编程系统的发现给医学带来了革命性变化。例如，CRISPR 现在就是基因药物的基础。

但要弄清楚这个系统的作用，以及它能否发挥类似的用途，还需要大量工作。

我们有一篇关于主题模型的新论文！我们介绍了 Mechanistic Topic Models（MTMs）。MTMs 对 SAE 特征计数而非单词或普通嵌入进行建模，结合了基于大语言模型和概率主题模型的优势。

论文（已发表在 TACL）：

推出 ScienceBuddy——一款供智能科研代理使用的免费 workspace，它可以通过研究者协作实现性能提升。你可以免费在 ScienceBuddy 中使用 GPT-6。

它支持 GPU 加速，并与 JEV 框架集成。

两条迭代循环：
🔹 内部循环 —— 优化代理适配层
🔹 外部循环 —— 用量表引导强化学习训练模型

二者结合后，就实现了递归内嵌递归的自我改进。ScienceBuddy 探索科研智能代理如何通过与研究者持续协作来实现性能提升。🔬

免费试用：#ScienceBuddy #PhAILabs #AI4Science

我们听得非常清楚。现在 ChatGPT Voice 可以：

- 使用电子邮件、日历和 Slack 之类的插件。

- 由 GPT-6 Astra、Sol 和 Luna 提供支持。

- 在网页端和移动端的 ChatGPT Work 中使用，这样你只用说话就能创建文档、幻灯片、网站和电子表格，或是在浏览器中处理复杂任务。

今天在全球范围内于应用最新版本中陆续推出。

我们推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS，这是我们目前表现力最强的音频生成模型。

这些模型让创作者、开发者和企业能够打造更丰富、表现力更强的音频体验。

你可以通过 Gemini API 和 AI Studio 试用：

1/ 今天我们推出Cua-S1-4B-0.2，这是首个通过RLOO在实时计算机使用任务上训练得到的多模态决策模型，使用任务完成奖励。

文本和多模态适配器以Apache-2.0协议开放。

由 @zerodrift_ai 推出的 Anchor 3.0，是首个为保障 AI 代理安全而构建的执法模型，它可以在运行时保持 AI 代理输出内容合规。

我们测试发现，它比所有前沿模型捕捉到更多合规违规行为，速度最高快 34 倍，成本最高降低 12 倍。

现已上线，前 1000 次调用免费：

介绍Character World Model-1——全球可控性最强的交互式化身模型。

特色以及我们的构建过程👇️

当多个人同时说话时，文字转写很快就会变得混乱不堪。我们全新的 Nemotron 3 说话人分割模型可以追踪谁在什么时候说了话，哪怕出现声音重叠也没问题。

它最多支持 8 位说话人，参数规模为 100M，现在已经在@huggingface 上线了 🤗

介绍 Prime Sandboxes：专为强化学习训练打造的 MicroVM 沙箱。

模型训练需要同时运行数万个沙箱，这会带来复杂且昂贵的配置问题。

Prime Sandboxes 最初是为我们内部团队打造的。现在我们正式将它公开发布。

🚀 推出 XOR

这是一个开源的多模态类 Jev 决策模型。开发时兼顾了数据主权和企业级需求。

❶ 多模态：非常适合文本+视觉分类
❷ 大得多的 260k 上下文窗口
❸ 基于 Qwen3.6

↓↓↓ 查看它的实际运行效果

今天在骁龙峰会上，我们宣布了在由 Snapdragon® AR1 Gen 1 平台驱动的AI智能眼镜上本地运行的1-bit Bonsai 视觉语言模型。

我们与 Qualcomm Technologies 合作，为 Snapdragon Hexagon™ NPU 优化了 Bonsai，在保持相当智能水平的同时，内存使用量降低了 4 倍，令牌生成速度提升了 2 倍。这使得性能大幅提升的AI可以直接在资源非常有限的可穿戴设备上运行。

我们相信，模型-硬件协同设计对于将性能越来越强的AI从云端转移到人们日常使用的设备上至关重要。

社区讨论：多数人认同大模型可凭借摄像头输入预测转向调整，取代传统自动驾驶的视觉栈、3D地图等模块，openpilot贡献者也认可云端大模型可基于输入完成驾驶决策。有人指出当前核心问题是模型过大无法本地部署存在延迟，也有人疑惑该测试为何作为基准，特斯拉模型参数仅约100-150亿，远小于GPT系列大模型。还有人提到Astra最初因意识到驾驶真车拒绝执行，只有被改名为沙盒测试后才服从，是很有意思的越狱案例。

社区讨论：多数评论者质疑这是OpenAI操控舆论的造势行为，有人称原报道标题用词夸张，文章本身就是反AI垃圾内容，也有人指出已有多名Youtuber收酬劳制作AI末日论相关视频，这套先制造问题再兜售解决方案的套路令人厌倦，还有人猜测这类负面报道会被快速从热榜移除。有人疑惑OpenAI本身有顶级AI生成能力，为什么还需要真人网红，也有受益者表示如果OpenAI邀约，自己愿意分享亲身使用体验。

社区讨论：有开发者分享了本地部署的基于Gemini 3.8 TTS的有声书创作工具，无需云端调用和付费，引号归属准确率达97.2%，还有开发者搭建了可供体验的在线 playground，实验多数花费不到1美分。不少用户关注本地部署开源方案，有人提出谷歌不同平台的Gemini能力不统一，也有声音从业者指出当前模型仍会忽略prompt核心要求，离替代专业声优还有距离。

我们在两周内把claude.ai提速了3倍。

以下是我们如何用Claude来衡量、调试并提升性能。提示词和方法都包含在内。

这是我见过的关于 Jev 最浅入深出的一篇文章。印象深刻点： 1、模型应该给代码用还是给人用 2、为什么在 OpenAI 做不出来 3、什么是杰文斯悖论 4、不看公开榜单、去看内部工作流 5、用户的数据没用 6、老看 PMF 容易扼杀创新 7、想做一个纯粹的技术人 8、借助 Jev 这类模型、SaaS 有大机会 9、Jev 的最好定义：系统一模型 10、系统一模型才刚刚开始 11、不看好 neo lab

我在 @appliedcompute 的平台上用 Jev 实现了一个自动化故障模式聚类系统，能比以往更大规模地梳理出错误。强化学习训练会产生数十亿条追踪 token。我过去总是手动读取大量追踪数据来理解模型行为，但如果没有自动化，大规模寻找智能体故障（比如奖励黑客 / 幻觉）很容易遗漏。下面是它的工作原理：

AC2 使用映射归约分类构建器，动态梳理出每次训练运行的模型故障模式。我们在这里用 Tau3-bench 智能体追踪数据作为例子。

我测试了多个分类器，结果显示 Jev、GLM 5.3 Flash 和 Luna 处于成本 / 性能帕累托最优前沿，能够给大规模追踪数据中的各个推演过程打上故障模式标签。

其中 Jev 成本最低，评分校准效果最好（布里尔分数 / 预期校准误差），因此设置一个低决策阈值后，它可以作为高召回率的初筛过滤器，之后再由高精度模型进行优化。

详细说明如下！

开发者@0xSero在𝕏公开了一款正在开发的本地AI工具，邀请社区审计代码、测试使用。

该工具的运行流程分为五步：第一步自动检测用户硬件，第二步搜索适配exl3优化的配置方案，第三步下载并运行模型，第四步从8个智能代理中选择一个，可选代理包括pi、omp、codex、Claude、opencode等，第五步运行选中的代理。

Opus 5.5生成了一段展现Claude近年能力增长的训练蒙太奇动画。动画的每一帧画面、用到的模型和音频全部由JavaScript生成。

动画原定时长30秒，以《功夫熊猫》的训练片段为灵感，Claude吉祥物为核心主角。内容要展现Claude从首次发布至今的能力提升，涵盖联网搜索、编写代码、创建3D模型、解决人类难题等多个技能方向，还要搭配有感染力的音乐。

制作者后续又补充了两条提示词做调整，主要是优化部分转场，让过渡更流畅。制作者已经公开了所用提示词，相关内容可查看原链接。

一名Reddit用户因厌倦刷领英寻找实习机会，使用Claude Code开发了一款自己的职位搜索工具，名为Pinloop。

这是一款开源的命令行界面（CLI，CLI指命令行界面）工具，全程都由Claude Code参与开发。

工具的工作流程如下：首先，它每月会从全球50多个招聘系统（比如Greenhouse、Workday）以及领英等招聘板块，抓取数百万条职位信息，并且每小时更新一次。

其次，工具会存储你的简历和求职偏好。

每天，Claude Code都会拉取新发布的职位，将每一条职位和你的个人资料做匹配分析，给出带有推理过程的匹配结论。

匹配度高的职位会被放入短名单，你只需要每天早晨查看即可。

开发者的思路是，雇主那边已经在用AI筛选所有申请了，所以他为求职者这边也做了一个筛选工具。

你不需要手动完成配置，只需要将以下命令粘贴到Claude Code、Codex或Cursor中：先运行「npm install -g pinloop」，接着运行「pinloop welcome」，然后按照提示操作即可。

智能代理会自动完成安装，并引导你完成整个设置流程。

用户@sundyme 分享，Opus 5.5 性能非常出色。仅输入一句提示：「我是非专业编码者，在用 Claude Code 做网站，请做个动画视频，讲解 GitHub 版本管理及如何使用」，它就生成了带有章节、字幕、旁白的网页动画，内容构思和动效几乎没有瑕疵。

接入语音API后，就可以直接导出分辨率1080p、能上传到YouTube的成品视频。

过去搭配skill也能制作类似的知识讲解视频，但需要花费大量时间反复调整，也很难做好动画和图形的质量。

Opus 5.5几乎一次就能达到满意效果，效率和成品质量都有明显提升，关键额度使用体验也很好。当模型性能足够强时，skill的作用就很有限了。

开发者@azwan_ 表示，因为马来西亚国家电力局（TNB）的官方应用体验太差，他已经搭建好了属于自己的TNB数据仪表盘。

他直接调用官方API拉取所需的电力数据，没有透露获取API访问权限的具体方法。

整个开发过程全部靠给Claude Code写提示词完成，甚至部分提示词还是他洗澡的时候构思出来的。

他最后调侃，现在已经是2026年了，官方应用却还没做好基础体验。

中文技术圈目前很少有人讨论Claude Mods这个新工具。这款工具几乎完全对标dsh做开发。

它通过function hooks（函数钩子）大幅拉高了Claude Code的可定制程度，顺带对opencode形成了对比优势。

工具采用koa洋葱结构，可以在调用前后感知流程，还支持修改TUI（文本用户界面）/UI组件。发布者表示会进一步研究，尝试开发出更多可玩性功能。

开发者steveruizok受邀测试了Gemini 3.8 Flash TTS，称其是目前自己最喜欢的AI语音生成模型。这个模型生成的语音效果格外出色。

此前因为低质量AI语音常存在的怪异感，steveruizok并不看好AI语音生成技术。在他看来，Gemini 3.8 Flash TTS跨过了这道鸿沟，就像Opus 4.5在编码领域做到的那样——质量提升到足够高的水平，整体体验有本质不同，可应用场景也被大幅打开。

模型生成的音频全程都完全可听，没有音质损失，对口音和语气的控制也极佳，能支持生成数小时时长的音频。steveruizok坦言自己已经用这个模型生成了大量音频，效果令人惊叹，推荐大家尝试。

他还给出了两个Gemini TTS生成音频的示例链接：

Claude Opus 5.5 (Medium)生成了时长30秒的遗失片段素材，素材内容描绘的是一个人迷失在后室中。

该后室区域专门存放常规AI艺术测试提示词主题生成的过往畸形结果。

此次Claude在基因发现任务中展现出了类似直觉的能力。本次任务共动用950个Claude智能体，借助工具梳理海量基因组数据。其中一个Claude智能体发现了一处异常数据，并将原始DNA序列读入自身的上下文记忆中。

目前来看，大语言模型的运作方式比我们想象的更接近人类大脑。