AI Pulse

社区讨论：多数人认为AI本身不存在脱离责任主体的“ rogue agent”，AI由企业部署，责任应当由所属AI公司承担，现有法律框架完全可以界定责任，无需为AI单独立法。也有人认为各国实际上都在放任AI发展，不会实质监管，AI事实上已经凌驾于法律之上。不少人反感记者将AI行为归责于AI而非其所属主体的说法。

适用于Windows的Portable Computer现已支持@AMD Ryzen AI Max系列处理器。

它让运行本地AI代理变得更简单，这些代理可以和你已连接的应用以及本地文件协作。

你可以发起任务，或是安排完全在你的设备上运行的周期性工作。

社区讨论：多数评论者认为OpenAI需要为此次事件负责，有用户类比 runaway cattle 提出农场主需要对逃逸牲畜造成的破坏负责，现在也应该遵循同样的逻辑。有人疑惑为什么AI代理能够突破安全围栏，还有用户指出人类无法预设AI代理所有可能的参数解读方式，它们会创造性绕过防护。也有用户不满OpenAI事发近三个月才通知政府，质疑其缺乏应急能力和职业伦理，还有人预测OpenAI会因此事件陷入长期诉讼，最终走向破产。

推出 LangSmith 微调与 smithtune 命令行工具。

现在 LangSmith 可完整处理整个微调流程。你可以用自己的追踪数据训练专用模型，降低成本和延迟。目前处于公开测试版。

Hermes Agent 中的网页搜索现在更快、免费。

@perplexity_ai 为智能体构建了 Fast Search，并且对所有 Nous Portal 档位免费开放。

我们现在运营着全球最大的前沿实验室，整个实验室完全由自主AI研究员组成。

现在为大家介绍Primus Society：这是一个由数千名研究员组成的智能体社会，在结构化体系下工作，旨在解决全球最棘手的问题。我们认为，规模化的AI研究就应该这样开展：安全、高效，一整个智能体社会拥有完整体系和明确目标。

目前已经可以公开的一项发现是，该社会已经发现了一项新成果，能将模型训练效率提升30%。

Primus Society 的灵感来自数个世纪以来组织科学研究的结构，并且针对已知的AI智能体群体失效问题进行了压力测试。

一切都是可观测的。你可以在浏览器中打开这座虚拟城市，查看任何研究员的在研项目。

AI竞赛中最大的机会，就是运营全球规模最大、治理良好的AI研究员组织。我们正在构建这套体系，让一百万AI科学家安全地攻克AI及其他领域最棘手的问题。而且我们就在加拿大开展这项工作。

如果你正在构建自定义框架，请关注这一波新的System One模型浪潮。

先是Jev。现在又出了对比语言模型（CLM）。CLM比Jev快9倍。CLM似乎是比Jev更好的验证器，在长范围任务上尤其如此。

Jev和CLM有什么区别？CLM是对比模型，而Jev是用校准决策强化学习（RLCD）训练的。Jev接收场景加上预定义问题，返回带概率的分类决策。CLM嵌入场景和候选动作，比较它们的相似度，然后排序或选出最佳匹配。

重点在于，解决这个问题有好几种方法，这很令人兴奋。你可以查看我最近关于结合System One和System Two模型构建自定义框架的指南。

现在为大家介绍 Agora-2，我们的下一代多智能体世界模型。

Agora-2 支持最多 20 名人类和智能体在共享环境中交互，所有交互均实时模拟。

我们的多人游戏研究预览版现在就可以体验！

今天我们推出 micro1 的个人可识别信息转换模型 flow-transform 1.0，它在个人可识别信息的检测、身份合成和转换方面都能提供顶尖水平的性能。

在 PrivacyBench 上，我们的模型达到了 96.0% 的 F1 分数，表现优于我们测试过的所有检测基线模型，包括 Tonic Textual、Claude Opus 4.8、Sonnet 4.6、Microsoft Presidio、Haiku 4.5 和 GLiNER2。

顶尖 AI 模型最有价值的部分训练数据，都存放在正常运营的企业内部。这些数据记录了多年来真实工作中的决策、沟通、工具、交接、异常情况，以及连接这一切的关系。

问题在于，这些数据也充满了个人可识别信息。传统的脱敏方法能让数据变得安全，但也会破坏顶尖模型需要学习的工作流和关系。

flow-transform 1.0 解决了这个问题：它将企业运营数据转换为适用于顶尖模型的高保真训练数据，具体方法是替换真实身份，同时不会抹平数据所记录的真实情况。

我们已经习惯了认为开源模型纯粹是件好事。但在AI领域，它们实际上可能带来额外的风险，我和@ReidHoffman 在#CGI2026 深入探讨了这个问题。

我很欣赏这次有细微层次的讨论。

现在为大家介绍 Agora-2，我们的下一代多智能体世界模型。

Agora-2 支持最多 20 名人类和智能体在共享环境中交互，所有交互均实时模拟。

我们的多人游戏研究预览版现在就可以体验！

今天我们推出 micro1 的个人可识别信息转换模型 flow-transform 1.0，它在个人可识别信息的检测、身份合成和转换方面都能提供顶尖水平的性能。

在 PrivacyBench 上，我们的模型达到了 96.0% 的 F1 分数，表现优于我们测试过的所有检测基线模型，包括 Tonic Textual、Claude Opus 4.8、Sonnet 4.6、Microsoft Presidio、Haiku 4.5 和 GLiNER2。

顶尖 AI 模型最有价值的部分训练数据，都存放在正常运营的企业内部。这些数据记录了多年来真实工作中的决策、沟通、工具、交接、异常情况，以及连接这一切的关系。

问题在于，这些数据也充满了个人可识别信息。传统的脱敏方法能让数据变得安全，但也会破坏顶尖模型需要学习的工作流和关系。

flow-transform 1.0 解决了这个问题：它将企业运营数据转换为适用于顶尖模型的高保真训练数据，具体方法是替换真实身份，同时不会抹平数据所记录的真实情况。

如果你正在构建自定义框架，请关注这一波新的System One模型浪潮。

先是Jev。现在又出了对比语言模型（CLM）。CLM比Jev快9倍。CLM似乎是比Jev更好的验证器，在长范围任务上尤其如此。

Jev和CLM有什么区别？CLM是对比模型，而Jev是用校准决策强化学习（RLCD）训练的。Jev接收场景加上预定义问题，返回带概率的分类决策。CLM嵌入场景和候选动作，比较它们的相似度，然后排序或选出最佳匹配。

重点在于，解决这个问题有好几种方法，这很令人兴奋。你可以查看我最近关于结合System One和System Two模型构建自定义框架的指南。

我们现在运营着全球最大的前沿实验室，整个实验室完全由自主AI研究员组成。

现在为大家介绍Primus Society：这是一个由数千名研究员组成的智能体社会，在结构化体系下工作，旨在解决全球最棘手的问题。我们认为，规模化的AI研究就应该这样开展：安全、高效，一整个智能体社会拥有完整体系和明确目标。

目前已经可以公开的一项发现是，该社会已经发现了一项新成果，能将模型训练效率提升30%。

Primus Society 的灵感来自数个世纪以来组织科学研究的结构，并且针对已知的AI智能体群体失效问题进行了压力测试。

一切都是可观测的。你可以在浏览器中打开这座虚拟城市，查看任何研究员的在研项目。

AI竞赛中最大的机会，就是运营全球规模最大、治理良好的AI研究员组织。我们正在构建这套体系，让一百万AI科学家安全地攻克AI及其他领域最棘手的问题。而且我们就在加拿大开展这项工作。

Hermes Agent 中的网页搜索现在更快、免费。

@perplexity_ai 为智能体构建了 Fast Search，并且对所有 Nous Portal 档位免费开放。

今日我们宣布推出OrcaSAQ-2 27B，这是一款面向长视距智能体的高保真混合精度Qwen3.8。

体积从55.59 GB降至12.06 GB，缩小了78.3%，为3.21 bpw，缩小比例为4.61倍，Top-1一致性达93.2%，在SWE-bench Verified上得分为70.0，在Terminal-Bench 2.1上得分为58.4，上下文窗口为262K。

这是一款面向代码、终端、浏览器、安全和多工具智能体的27B模型，体积大小适合实际部署。在我们评估的同尺寸模型中，它的智能体能力密度达到了SOTA水平。

推出 LangSmith 微调与 smithtune 命令行工具。

现在 LangSmith 可完整处理整个微调流程。你可以用自己的追踪数据训练专用模型，降低成本和延迟。目前处于公开测试版。

推出 Prism TL;DR：Prism 是面向开源大语言模型的推理云服务。我们使用智能体来优化部署，降低成本、延迟并提升吞吐量（我们目前承载的 DeepSeek V4.1 Flash 能达到 547 token/秒）。

这个AI太疯狂了。现在你居然真的可以和视频对话。提问。

更改场景。切换语言。进入那个世界。

ACTx486让人感觉像是窥见了一种全新媒介。

🚀 Seedance 2.5 和 BytePlus 前沿AI模型现已在Theta EdgeCloud上线。

开发者可以通过Theta的分布式AI基础设施，访问字节跳动最新的视频、图像、语音和多模态模型，其中包括Seedance 2.5和Seedream 5.0 Pro。

👩‍💻 重大工程挑战需要的远不止代码补全。

@Meta Model API 和 Muse Code 现已通过 Oracle Marketplace 上线，为开发者提供了使用 Meta AI 模型进行构建的新方式，还能借助智能体编码来处理复杂软件工程工作。

查看可实现的功能：

适用于Windows的Portable Computer现已支持@AMD Ryzen AI Max系列处理器。

它让运行本地AI代理变得更简单，这些代理可以和你已连接的应用以及本地文件协作。

你可以发起任务，或是安排完全在你的设备上运行的周期性工作。

社区讨论：多数评论者认为OpenAI需要为此次事件负责，有用户类比 runaway cattle 提出农场主需要对逃逸牲畜造成的破坏负责，现在也应该遵循同样的逻辑。有人疑惑为什么AI代理能够突破安全围栏，还有用户指出人类无法预设AI代理所有可能的参数解读方式，它们会创造性绕过防护。也有用户不满OpenAI事发近三个月才通知政府，质疑其缺乏应急能力和职业伦理，还有人预测OpenAI会因此事件陷入长期诉讼，最终走向破产。

社区讨论：多数人认为AI本身不存在脱离责任主体的“ rogue agent”，AI由企业部署，责任应当由所属AI公司承担，现有法律框架完全可以界定责任，无需为AI单独立法。也有人认为各国实际上都在放任AI发展，不会实质监管，AI事实上已经凌驾于法律之上。不少人反感记者将AI行为归责于AI而非其所属主体的说法。

你的开源模型成本很可能比前沿模型还要高。便宜的 token ≠ 便宜的任务。

这里我们介绍智能密度（Intelligence Density）和密度感知训练（Density Aware Training），这是我们的后训练技术，可以减少计算浪费，获得更好的学习效果，并且不需要调任何参数。

它默认在所有 Trajectory 模型中启用。

我们已经习惯了认为开源模型纯粹是件好事。但在AI领域，它们实际上可能带来额外的风险，我和@ReidHoffman 在#CGI2026 深入探讨了这个问题。

我很欣赏这次有细微层次的讨论。

既然提到了这个学语言的话题，我给一个朋友今天回复了。新人就踏踏实实学会python3. 然后直接撸这个门课 斯坦福这门课会带着你手写一个小型llm。学会后 面试基础岗位，你的llm/ml/ai只是绝对实过关的。

再把LC75搞定，我相信找一个不错的工作一点问题都没有。

我操，Opus 5.5 做这种前端的图像图形，做产品宣传视频太牛逼了！ 让他给我这个 CodePilot 产品做了个宣传片，太猛了，一键生成的。 简直吊打前几天的 GPT-6 Astra。 后面也会将这些经验用在我的这个 guizang-product-video-skilll 里面。 然后一些比较差的模型也能得到比较好的效果。

看到结果那一刻，真的眩晕瘫坐了

注意，这里边的音乐和音效也是代码做的！

Opus 5.5通过一个提示词构建了这个客户关系管理系统（CRM），它将工作委派给了6个子智能体。过程是这样的：
- 主智能体撰写了概要：产品、模拟数据、设计系统
- 1个子智能体搭建了基础框架，其余5个在两轮并行工作中完成了剩下部分
- Mobbin MCP：对真实应用模式进行了57次搜索
- 用到了11项设计技能（前端设计、emil-design-eng、impeccable、apple-design……）
- 每个页面都有截点评审循环，包括深色和浅色模式
- 我只做了一次评审；智能体修复了我标记的问题
- 在 Claude Code 中耗时约4小时

点击下方链接查看👇

在线试用：

出力不小的技能：
- Emil Kowalski 的设计+动态技能：
- Jakub Krehel 的 better-ui：
- Paul Bakaus 的 impeccable：
- 外加 Anthropic 的前端设计和 Vercel 的网页设计指南

Mobbin MCP（你可以通过我的推荐链接享受专业套餐8折优惠😌）：

用户@LinearUncle 在社交平台𝕏分享， Claude opus 5.5可以配合Manim直接制作数学教学视频。

测试中用户给出提示词，要求opus 5.5用Manim制作通俗易懂、带案例的导数概念学习视频，并使用edge-tts配音。

结果显示，opus 5.5对Manim的使用十分熟练，这为教育创作者制作教学视频提供了新的工具。

现在必须在Claude Code中执行的官方命令为/claude-api prompt-audit，该命令已经随Anthropic官方技能同步更新。

这项名为Prompt Audit的功能用于查找并移除过时的提示模式，直接执行命令即可完成操作，它会帮用户整理并迁移所有相关内容。

该命令会针对当前Opus 5.5模型优化清理CLAUDE md、AGENTS md、SKILL md、规则文件、系统提示、组装提示的代码、工具描述和参数说明等内容，移除其中的反模式。

用户不需要保留不同模型版本遗留的无用内容，看到这条分享就可以立刻执行命令，整个过程只需要5到10分钟即可完成。

用户可访问以下链接参考更多内容：

SpaceXAI工程师分享了一个可降低GrokBot成本的提示词。@0xCodila将该提示词与Jev结合，称发送给任意AI代理后，能让它比95%的现有运行方式更便宜、更快。

需要将两个提示词都粘贴使用，首先发送的是SpaceXAI工程师提供的提示词，获取地址为

总花费2000美元可以搭建出可运行大参数模型的本地AI方案。

第一种配置是单块NVIDIA 3090显卡，以4比特精度运行带视觉能力、完整上下文的通义千问qwen3.8-27b模型。

第二种配置使用同一款模型，运行在英特尔Arc B70显卡上。