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 10 月 1 日 · 23:50 更新
✦
试试:

今天发生了什么1 分钟读懂

Google 今天发布新旗舰 Gemini 4 Argon,输出上限达 100 万 token,面向复杂软件工程与知识工作,目前经 Fairwind 项目向部分测试者开放。

来源@Google「Google发布Gemini 4 Argon,输出上限达1M token」@GoogleDeepMind「GoogleDeepMind推出Gemini 4 Argon新模型」

美国 FTC 启动对 OpenAI、Anthropic 等头部 AI 公司的调查,可能影响 AI 服务的使用成本;另一边,Anthropic 的 IPO 招股书也在业内引发广泛讨论。

来源sdlkj-「FTC启动针对OpenAI等AI巨头的调查」danaris「网友热议Anthropic首次公开募股说明书」

今天的深读是消费级 AI 的经济账:经过本周,消费级 AI 卷土重来,但付费消费者仅占 2.2%。

来源今日深读《消费级AI卷土重来,付费消费者仅占2.2%》

今日值得看
01 yomiyasu:重写AI腔日文的 Skill yomiyasu:不再靠禁词,而是重构统语结构让 AI 腔日文变自然 02 Seedance 2.5 八场景广告视频提示词 一条提示词拆 8 个分镜,15 秒果汁广告连时间冻结都精确到秒
03 Perplexit开放免账号免费AI服务,发邮件就能用 不需要注册Perplexity账号,只要把任务发到指定邮箱就能运行,活动只开放有限时间,适合想体验新功能的人。

现在我们向所有人开放访问权限(无需注册 Perplexity 账号),在限定时间内,我们会免费处理所有通过邮件委托的任务。 只要将邮件转发或抄送至 [email protected] 即可开始使用,智能体将会在后台完成任务,同时…

04 Railway发布预装编程代理的免费云虚拟机(2 vCPU) 想试用多款AI编程工具不用自己逐个配置环境,拿到就能直接上手测试,适合想体验AI编程的人尝试。

Railway 提供了一个预装了 Claude Code、Codex、Cursor CLI 和其他编程代理的免费云虚拟机。它使用起来非常简单,只需要运行一条 SSH 命令:ssh。 每个虚拟机配备 2 核 vCPU 和 2GB 内存。

今日焦点

消费级AI卷土重来,付费消费者仅占2.2%

消费级AI的丑陋经济学

经过本周,你可以说消费级AI正在卷土重来。

Meta的个人AI助手Muse及其毛绒玩偶般的吉祥物Jolly出人意料地大受欢迎。OpenAI昨天刚发布的Dots似乎也在追逐同样的卡通式个人助手理念。而新兴的Instinct助手凭借其代理式跑腿服务——专注于预订旅行、餐厅订位或取消订阅——估值达到了100亿美元。

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113 条本班新增 36 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▲ 158

Meta借AI数据中心规避数十亿美元联邦税

科技巨头通过AI基础设施投资避税,将直接影响AI行业监管和税收政策走向,后续行业发展会受政策调整影响

社区讨论:有人认为这篇报道暗示Meta违法,是偏向性、片面的引导公众不满,只要做法合法就无需炒作。有人支持Meta的做法,认为税收激励本来就是为了促进创新投资,符合立法初衷。也有人反对,认为这是大型跨国企业滥用针对小企业的税收优惠,薅纳税人羊毛,呼吁立法对享受税收减免的企业设置限制,还有人质疑Meta现在的AI已经用于日常业务,不该再拿实验税收减免。

在 HN 看讨论 ↗   原文 / 论文 ↗
新新品发布 · @midudev▲ 1.7万

DeepSeek Harness 上架Windows和macOS平台

可以本地调用大模型,也能连接API使用,对需要在本地用不同AI服务工作的人来说,多了一个开源免费的选择

¡DeepSeek Harness 已上线 Windows 和 macOS!这是 Claude 和 ChatGPT 桌面应用的开源替代方案,可以在你的电脑上使用。

✓ 一切皆插件,100% 可配置

✓ 支持使用任何 AI 模型(本地或 API)

在 X 看原帖 ↗
1.7万36439215
新品发布 · @Google导语出处▲ 660.8万

Google发布Gemini 4 Argon,输出上限达1M token

这款新模型能在软件工程、知识工作、网络安全防御等复杂工作流中实现前沿性能,行业领先的输出上限支持更长任务处理。

今日我们推出 Gemini 4 Argon。它在复杂工作流中提供前沿性能,覆盖真实世界软件工程、知识工作和网络安全防御领域,输出上限达到行业领先的 100 万 token。

在 X 看原帖 ↗
660.8万6.6K6.7万7.4K
行业动态 · Hacker News▲ 808

Hacker News 讨论 Gemini 4 Argon 分析

可以在原链接查看关于Gemini 4 Argon的智能、性能和价格分析内容,了解这款模型相关评价。

另见:Gemini 4 Argon(高配):智能、性能与价格分析

社区讨论:多数人认为达里奥·阿莫迪的“AI赢家通吃,先发者永远不会被超越”观点错误,今年AI领域的交替领先是长期趋势,技术发展反而更分散。有人指出当前Gemini远落后于Claude,基本没用,谷歌资源充足但缺乏赢的专注力。也有人亲身经历Gemini解决过复杂技术问题,还有人吐槽Gemini经常输出离谱内容,也质疑这次只是发布消息没有实际可用产品。

在 HN 看讨论 ↗   原文 / 论文 ↗
新开发 · @RoundtableSpace▲ 3.8万

一个配置文件就能让AI编码更像正规工程团队

Codex原生支持读取这个文件,新版Claude Code没有自身配置文件时也能用它来规范工作流程。

一个 AGENTS.md 文件就能让 Claude Code 和 Codex 的工作方式变得非常训练有素的工程团队。Codex 原生支持读取这个文件,近期的 Claude Code 版本在没有 CLAUDE.md 的情况下也可以使用它。

结构很简单:
→ 修改代码前先做计划
→ 只做能解决问题的最小修改
→ 将工作拆分给多个子智能体
→ 对漏洞负责
→ 完成前先验证
→ 记录每一处修正

最棒的一点是:随着你不断从实际错误中积累经验,这个文件会变得越来越好。

Claude Code 用户还可以安装官方设置插件:`/plugin install claude-code-setup@claude-plugins-official`,然后让它扫描你的代码库,推荐实用的钩子、技能和子智能体。

在下方复制 AGENTS.md。

在 X 看原帖 ↗
3.8万98088
新开源 · @pengsonal▲ 3.2万

免费免登录本地运行无审核开源AI工作室

@pengsonal分享了一款可本地运行的开源多功能AI工具

我找到了一个可在本地运行的免费无审查AI工作室👀

你可以获得这些功能:
• AI聊天
• 图像+视频生成
• 图生视频
• 会说话的角色
• 编程智能体
• 智能体工具

使用方法:
1. 下载应用
2. 在Windows或Linux上安装
3. 连接你的本地AI后端
4. 选择一个模型
5. 开始在本地生成内容

它甚至可以帮你安装模型和ComfyUI。
• 开源
• 本地模式不需要注册账号
• 可在你自己的GPU上运行

在 X 看原帖 ↗
3.2万58497637
新新品发布 · @oliviscusAI▲ 3.7万

Nvidia发布开源工具Lyra 2.0转图为3D世界

普通用户以后可以轻松用一张图生成可漫游的3D世界,开发者还能基于开源代码做二次开发,降低了3D场景生成的门槛。

哇哦,英伟达刚刚发布了一款可以把任意图像转换为可探索 3D 世界的工具,并且它是完全开源的 🔥。

模型可在 Hugging Face 获取,UI 代码可在 GitHub 获取。

Lyra 2.0 可以生成一个你能在其中行走、四处走动的世界,你甚至还可以放入一个机器人进行模拟。

在 X 看原帖 ↗
3.7万81688857
新行业动态 · Hacker News▲ 111

GPT-Synopsys 要给芯片设计带来革命

芯片设计是算力和人力密集领域,如果AI能切实提高设计效率,能降低芯片研发门槛,加速新型芯片推出

社区讨论:fwlr指出GPT-Synopsys结合了OpenAI前沿模型和新思EDA技术与领域知识,能让工程师把设计目标交给智能体,由智能体完成全部工程工作。有人质疑不确定概率的大语言模型能否替代硬件设计所需的精确确定性控制,也有人担心英伟达这类企业不会把自家芯片设计数据发给OpenAI。业内从业者提到AI设计工具虽然降低了芯片设计成本,但AI热潮推高了芯片制造价格,反而让项目难以推进。

投资人认为如果芯片设计成本和周期大幅下降,会催生大量定制芯片需求,利好晶圆厂,也有人呼吁更多开源EDA工具而非商业厂商的营销炒作。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · @OpenAI▲ 11.6万

OpenAI,ASBDC发布小企业使用AI代理研究报告

小企业主可以获得实操AI培训和本地化指导,更快上手使用AI代理开展业务

现在,小型团队借助AI能承接更多工作——从发掘客户到打造产品,再到管理财务。

我们的新报告探究了小型企业如何让AI代理投入工作。

通过与@ASBDC达成新合作,我们将提供实操AI培训和本地化指导,帮助更多企业主上手使用AI。

在 X 看原帖 ↗
11.6万47844146
新品发布 · @AntLingAGI▲ 15.5万

AntLingAGI发布Ling-3.1-flash,支持百万上下文

该模型总参数约5600亿,单token激活参数约250亿,在工作、编码、医疗领域测试拿到不错分数,计划很快开源。

推出 Ling-3.1-flash:总参数约 5600 亿,每个 token 激活参数约 250 亿,上下文窗口最长可达 100 万 token。我们计划很快开源该模型。

在通用工作、编码和医疗领域的评测结果为:GDPVal-AA v2.1 上 Elo 分数 1673,FrontierSWE 上 75.16,HealthBench Professional 上 65.35。

在 X 看原帖 ↗
15.5万94993193
新品发布 · @VivixLabs_HQ▲ 30.9万

VivixLabs_HQ发布A1 Playground + Agent 服务

你可以自定义AI角色的外观、性格、声音,它能和你聊天、运动、玩游戏、互动带货,满足你的个性化互动需求

创造你自己的角色。由你说了算。活出精彩。现在为你介绍A1 Playground + Agent:创建一个能和你聊天、移动、互动的活AI角色。

创建你的角色:外貌由你定。性格由你定。声音由你定。全部由你选择。描述你想要的角色,上传一张图片,然后我们的Agent就会让你的角色活过来。

而且他们能做的远不止聊天。

💃 全身动作表演:从空气吉他到胜利舞蹈都能跳。
🚶 在场景里四处移动:边走路边聊天,阐述观点的时候还能来回踱步。
🛍️ 和物品互动:拿起商品,展示它们,推销它们。
🎮 一起玩网页游戏:发牌、计分,全程一起玩。

和夏洛克·福尔摩斯一起解谜,然后打断他跳支舞。和苏格拉底一起散步,递给他一杯蛋白粉,然后讨论增肌的意义。给斯内普一瓶洗发水,让他做一次这辈子最激情的推销。你会让什么角色活过来呢?

在 X 看原帖 ↗
30.9万1.2K843354
新品发布 · @ideogram_ai▲ 10.2万

Ideogram AI 发布 Ideogram 4.5 编辑模型

现有图像编辑模型多次编辑后容易出现瑕疵,这款模型解决了瑕疵累积问题,支持多轮编辑,对需要多次修改图像的创作者来说是实用的更新。

推出 Ideogram 4.5,它是目前精度最高的编辑模型。主流模型在每次编辑时都会产生伪影、像素偏移和色彩变化。

Ideogram 4.5 消除了伪影累积,让多轮编辑成为可能。

目前已在 Ideogram、API 以及首发合作伙伴处上线。开放权重很快推出。

在 X 看原帖 ↗
10.2万1391.2K690
更多信号 · 按时间
🔥 热点追踪 · @GoogleDeepMind导语出处▲ 510.4万

GoogleDeepMind推出Gemini 4 Argon新模型

GoogleDeepMind推出面向复杂工作流的Gemini 4 Argon前沿模型,目前通过Fairwind项目向部分测试者开放。该模型输出token可达1M,是此前模型的数倍,未来全量开放后或将改变长文本处理格局。

📖 阅读深度解读 →
510.4万3.7K3.4万5.0K
新深度观点 · @tegmark▲ 838

Owl In Space, FLI发布Molloch 电影(第4种)

你可能听过很多AI毁灭人类的预言,这一次讨论AI替代人类工作带来的权力流失,是很少被讨论的角度。

我很高兴能向大家分享我们的新电影《Moloch》。这部电影讲述的是,无需AI叛变,我们所有人都已经失去了力量。

这是第四种(在我看来也是最少被讨论的)AI反乌托邦场景:
1)叛变的AI
2)被滥用的顺从AI
3)顺从AI导致《1984》式极权
4)顺从AI引发的替换竞赛

剧情简介:当AI引发全球范围的失业,一名参与开发这项技术的工程师,在要不要终止项目的问题上,与黑暗势力、她的家人以及她的首席执行官陷入拉锯。

主演:菲奥娜·汉普顿、帕克·索耶斯、大卫·巴特尔和巴迪·维格诺尔-何。编剧兼导演:汤姆·科赞斯。

本片是Owl In Space工作室与FLI合作出品。我们为这部电影倾注了很多心血,希望它能带给你思考!

在 X 看原帖 ↗
8386136
新新品发布 · @CommandCodeAI▲ 1.2K

CommandCodeAI的GOAT套餐GLM额度涨6倍

使用GLM 5.3 Flash开发,GOAT套餐现在可获得价值60美元的额度,用量提升6倍,可直接降低多模态长上下文开发成本

我们在 Command Code 中将 GLM 5.3 Flash 的额度提升至 60 点数。

GOAT 套餐可享 6 倍用量,还拥有 100 万上下文窗口,支持多模态(文本、图像、视频),以及快速编码 + 长期智能体任务 🐐

在 X 看原帖 ↗
1.2K1643
新开发 · @omarsar0▲ 2.2K

AI编码代理普及后,代码审查规则得改了

一个任务交给AI编码代理,它能返回多个拉取请求,需要在保证质量的同时,提升代码审查的整体规模。

针对编程智能体的代码审查必须做出改变了。为什么?在我看来,这么做是为了在保障质量的同时扩大代码审查的规模。

如果你给编程智能体分配一项任务,它可以返回跨多个代码仓的多个拉取请求(PR)。目前的审查工具仍然是单独看待每个PR的。审查者必须自己猜测哪个PR更重要,以及这些PR之间是如何关联的。

@QodoAI 刚刚推出了带有PR分类功能的Qodo 3.0来解决这个问题。以下是它的工作方式:

PR分类会把相关PR归为一个工作包,然后根据代码库影响、服务级别协议(SLA)和开放发现项对其打分。跨代码仓地图会展示这个工作包涉及的每一个代码仓,每个分数都会给出对应的推导依据。

Qodo会为整个工作包生成一份审查摘要,这样你就可以一起审查所有PR了。之后你的编程智能体可以根据发现项进行处理。最终仍然由人工来批准代码,而且现在人工在批准第一个PR之前就能看到整个工作包的全貌。

感谢Qodo团队合作发布这篇推文。

在 X 看原帖 ↗
2.2K4207
新开源 · @MaziyarPanahi▲ 242

只需单条提示就能训练AI模型,耗时仅16分钟

开发者MaziyarPanahi在HuggingChat中演示单提示训练AI模型,成本仅约6.6美元

本周OpenAI、Liquid和Nace推出了Jev风格应用程序接口。

开发者MaziyarPanahi在Hugging Face的HuggingChat中,仅用一条提示就训练出了一个属于自己的AI模型。

一名机器学习实习生在NVIDIA A100显卡上完成了训练,全程耗时16分钟,过程中模型还自行修复了自身的漏洞。

完整60K版本模型的训练成本约为6.6美元,在测试的约20个案例中,工具选用正确率达到62%。

完整的提示内容、训练方案以及成本明细都已公开。另一次单提示训练完成6000个决策也仅用了16分钟。

62%正确率来自MaziyarPanahi最初用Codex完成的60K模型,两次训练的相关信息都已公开在模型卡中。

在 X 看原帖 ↗
242234
新开源 · @MaziyarPanahi▲ 4.8K

用1个prompt在HuggingChat训练Jev风格API,耗时16分钟

开发者公开训练过程与成本,仅花费约6.6美元

OpenAI、Liquid和Nace本周推出了Jev风格API。我在@huggingface的HuggingChat中只用了一条提示词就训练出了自己的模型 🔥

机器学习实习生在一块NVIDIA A100上用16分钟完成了训练,还在过程中修复了自身的bug。完整60K版本:约6.60美元,在约20个测试案例中,选对工具的概率为62%。

确切的提示词、训练方法和开销记录:单提示词运行在16分钟内训练了6K个决策。62%是我用Codex完成的原始60K模型的结果。两次运行都在卡片中。

鸣谢@victormustar @evilpingwin 🤗

在 X 看原帖 ↗
4.8K53620
新行业动态 · @Web3_crynyx▲ 356

Vangrid 加入 NVIDIA Inception 补实体AI数据层

实体AI要适配真实环境变化,现有方案依赖昂贵模拟或测绘,这个项目用普通手机采集实时空间数据,产品已经上线可用。

阅读全文 →
35611393
新行业动态 · @thesupermannx▲ 1.6万

SpikingBrain 类脑大模型提速百倍且能耗大降

这款模型采用脉冲神经元设计,能效大幅提升,还可在非NVIDIA硬件集群稳定运行,有望打破对西方硬件的依赖。

中国研发了一款类人脑AI,速度比现有大语言模型快100倍,能耗却降低了97%。这款AI名为SpikingBrain,是一类受大脑启发的大模型,它彻底重构了AI处理信息的方式。

和传统Transformer不断进行矩阵乘法消耗大量能源不同,SpikingBrain使用自适应脉冲神经元。它模拟真实生物的放电模式。神经元只有被特定事件触发时才会激活,这意味着该模型在微观层面实现了惊人的约69%稀疏度。它不会在无活动时浪费算力,只在需要时运行。

该成果彻底改变了长上下文处理的游戏规则:
• 对于4百万token的超大序列,首次token生成时间(TTFT)提速超过100倍。
• 性能和先进的开源Transformer基线相当,所需数据却仅为后者的零头。
• 专为在非NVIDIA硬件集群(如MetaX芯片)上稳定运行和扩展构建,完全摆脱了对西方硬件的依赖。

过去这些年,我们一直靠投入更多电力和硅片来暴力堆砌更大的AI模型。而自然界数百万年前就已经找到了高效实现的方法。

在 X 看原帖 ↗
1.6万70317311
新求职 · @miles_mazy▲ 8.7K

从面试官角度讲清楚热门AI相关岗位面试准备方法

本文来自@miles_mazy在𝕏的分享,聚焦AI相关岗位面试

这个最火的岗位有很多的名字 AI开发工程师、AI算法工程师、Agent 开发工程师等等 今天这篇文章从面试官角度讲清楚,到底要怎么准备这些岗位的面试

在 X 看原帖 ↗
8.7K24339
新开发 · @mylifcc▲ 4.4K

Anthropic上线了全是内部工程师实战手记的网站

包含Claude开发、部署实践,由博主@mylifcc在𝕏分享

很多人天天用 Claude 写代码,居然还不知道 Anthropic 悄悄上线了这个神仙网站…… 里面全是 Anthropic 内部工程师手把手写的实战手记: Claude Code 命令行工具的进阶技巧 怎么写 Agent Harness 和 Context Engineering 官方怎么做模型 Eval 和调优 甚至还有好几家大厂在生产环境跑 Claude Agent 的真实架构 整个网站甚至做成了极客黑客终端风,按 ⌘K 就能全局搜索。 别再四处买那种过时的 AI 编程课了,官方公开的工程实践比外面绝大多数教程强十倍。

在 X 看原帖 ↗
4.4K73637
新深度观点 · @emollick▲ 1.8万

@emollick 谈AI被低估的自组织任务能力

业内人士分享自己对AI进展认知更新,重新学习AI发展的经验教训,对判断AI行业趋势有参考价值。

我写了一篇关于AI进步中我最低估的一点:它自我组织完成任务的能力。

同时我也探讨了这对Muse和Dots这类智能体意味着什么,另外还有一支音乐视频,解释了为什么我们要不断重新学习“痛苦一课”。

在 X 看原帖 ↗
1.8万33326184
新新品发布 · @1yoursashh▲ 6.0K

vivago R1 Studio发布HiDream-O1 Image 2.0 图像生成工具、HiDream-O1 Editing 1.5 图像编辑工具、HiDream-O1 Video 视频创作工具(2.0)

图像生成、图像精修、视频创作三类AI创作能力整合到一处,可以简化创作流程,给创作者提供更连贯的创作体验。

随着每次新模型发布,AI创意工作流变得越来越强大。

↓ 用于图像生成的 HiDream-O1 Image 2.0
↓ 用于优化视觉效果的 HiDream-O1 Editing 1.5
↓ 用于视频创作的 HiDream-O1 Video

以上三款现在均可在 vivago R1 Studio 使用。

一个探索全新创意可能性的地方。

从生成图像到编辑再到视频创作,将这些能力整合在一起让创作过程变得有趣得多。

在 X 看原帖 ↗
6.0K610118
行业动态 · Hacker News▲ 80

GPT-6.1 Sol 仅7天就迭代替代GPT-6 Sol

大模型迭代速度正在加快,普通用户可以更快用到性能更强的新模型,体验更快的技术进步。

社区讨论:多数用户认为GPT迭代速度过快,普通用户感知不到性能提升,只是更快用完使用额度。有人反驳,过去两年AI整体已经发生巨大变化,新一代模型能力已经到达完全不同的层次。也有人猜测这是OpenAI面对Anthropic竞争的恐慌举措,还有人认为谷歌按兵不动,只是在等待合适时机发布。

在 HN 看讨论 ↗   原文 / 论文 ↗
新观点 · @sumonrazamd17▲ 948

AI代理未来可能会成为实体世界的客户

这个观点来自一个实体数据项目,打破了原本认为只有人类才会向实体世界提需求的惯性认知。

新自动化 · @mikepat711▲ 2.5K

用户让AI自动搭建了一个教育视频制作流水线

X用户@mikepat711通过Grok Bot协调多AI在Mac Mini上自动搭建了端到端的教育视频制作流水线

阅读全文 →
2.5K15726
新实战经验 · @xiaomovps▲ 4.7K

@xiaomovps发布pi-context-view 插件

排查功能增加不多但上下文突然膨胀的问题,帮你找到多余的注入内容和工具定义,减少不必要的Token消耗

阅读全文 →
4.7K75364
新工具产品 · @twostraws▲ 9.9K

@twostraws 开源了SwiftUI AI纠错工具

用AI生成SwiftUI代码总是出问题?装上这个工具就能自动检测已废弃修饰符、可访问性漏洞和性能缺陷,提升AI生成代码的质量

这是一个开源的 SwiftUI agent 技能,能捕捉 AI 工具一直犯的错误:弃用修饰符、可访问性缺口、性能陷阱。

只需要一条命令就能安装,它能让你 AI 生成的 SwiftUI 代码质量得到显著提升。

在 X 看原帖 ↗
9.9K17167240
新工具产品 · @Lummox_eth▲ 2.1万

GitHub上10个开源仓库 构建完整AI智能体

现在最佳AI开源项目不再重复造聊天机器人,而是围绕大模型构建一整套所需组件,想自己做AI智能体可以找到现成工具

对于AI智能体来说,GitHub正变得无比危险。

有10个开源仓库能把一个强大模型变成一整套自主系统。

01 LangGraph → 有状态智能体编排

02 PydanticAI → 类型化智能体 + 结构化输出 构建控制层

03 Mastra → 智能体 + 工作流 + 记忆

04 Agno → 多智能体系统 提供上下文

05 Cognee → 数据 → 知识 → 智能体记忆

06 Graphiti → 随时间变化的知识 赋予它计算能力

07 Browser Use → 可操作网站的AI智能体

08 E2B → 用于执行的隔离环境 保证它持续运行

09 Langfuse → 追踪 + 评估 + 可观测性

10 DeepEval → 生产前测试智能体行为

架构就是:模型 → 上下文 → 规划器 → 记忆 → 工具 → 执行 → 评估 → 重试

这就是GitHub上正在发生的转变。

最好的仓库不再是做另一个聊天机器人,而是在模型周围构建它所需的一切。

在 X 看原帖 ↗
2.1万27183315
新区块链 · @fan128168▲ 4.4K

链上玩家实测Almanak AI Agent 完成从想法到真实交易

来自X用户@fan128168的实操分享,测试Almanak能否实现从想法到链上交易全流程

新实战经验 · @moneymog▲ 5.6K

@moneymog 分享 AI安全入门学习路径

不知道AI安全该从哪入门学习,可以参考这个路径。目前AI安全领域的需求增长比供给快,这和行业一线感受一致。

AI安全是一个需求追不上供给的领域,这一点和一线实际感受一致。

从OWASP LLM Top 10和提示注入入手,这个顺序也很合理。

这篇内容应该能给不知道从哪开始的人指明方向。

在 X 看原帖 ↗
5.6K13112103
新研究 · @ai_database▲ 6.8K

花费800美元订阅AI,数周产出45份研究成果

普渡大学研究者用Claude和ChatGPT做研究,仅给出简单指令

阅读全文 →
6.8K108641
新教程 · @jiaotuke▲ 5.1K

GPT规划的十二个月入门到进阶AI学习路线

来自社交媒体用户分享,GPT规划的AI学习路线共12个月

我刚刚问了gpt,它说要按照这个路线来学 Python → → NumPy/Pandas → 机器学习 → PyTorch → 深度学习 → Transformer → LLM → RAG/Agent → 微调 → 部署 → 多模态 时间大概要花十二个月,也就是刚好我大四开学不久 为什么要现在开始学,因为我已经大三了,马上要毕业了,总不能毕业之后什么都不会吧,总要有一项可以立身的技术 今天是学习的第一天,先学python

在 X 看原帖 ↗
5.1K33623
商业 · @mardehaym▲ 117

好的AI内部评估会成为公司最有价值资产

贴合业务的评估能准确定义岗位正确工作标准,比通用基准测试更实用

新大模型 · @sora_biz▲ 7.7K

匿名爆料称dots模型实为GPT-6 Astra,响应比旧版更快更智能

消息来自社交平台𝕏用户@sora_biz,该模型无官方命名,仅配置专用云端算力

dots的内部真身据称是GPT-6 Astra。它比OpenAI之前Codex版本的Astra更智能,响应速度也更快。这款模型目前没有官方正式命名。

现有配置仅包含专用云端计算机,以及后端任务调度框架。有观点猜测,这款模型响应流畅轻快,是因为压缩了推理思考量来提速。也有人猜测它是否搭载了Fast或Ultrafast推理架构。

目前无法确定响应速度和智能程度的提升,是来自模型本身的升级,还是部署方式的优化。爆料者对这款模型的表现表示认可。

在 X 看原帖 ↗
7.7K45310
新工具 · @lksmlabc▲ 2.4K

开源translate-book解决AI整本书翻译痛点

以前整本书直接丢给AI翻译,要么超上下文长度,要么前后译名不一致。这个工具拆书后用多个子AI并行翻译,最后再合并。

推荐一个开源翻译神器:translate-book,专门解决 AI 翻译整本书的问题。以前把几百页的书直接扔给 AI,不是上下文爆掉,就是翻到后面前后不一致。这个项目干脆把整本书拆开,让多个子 Agent 并行翻译,最后再整合成完整译本。

PDF、DOCX、EPUB 都能处理,直接配合 Claude Code 使用。对于技术书、外文资料这种大部头,比一章一章复制给 AI 省事太多。以后啃外文书,可能真的只剩一句话:把这本书翻成中文。

GitHub:

在 X 看原帖 ↗
2.4K103751
新新品发布 · @0xLogicrw▲ 3.7K

MiniMax开源OpenAgentCore 自托管实现

想自己部署Agent,又不想放弃OpenAI官方SDK的开发体验,现在有了现成的开源方案,可以自主选择代码运行环境。

MiniMax 开源 OpenAgentCore,做了一套兼容 OpenAI Agents API 的自托管实现。开发者可以继续使用 OpenAI 官方 SDK,只需要换掉 API 地址,后台运行的 Agent 可以选择 Codex、Claude Code 或 MiniMax Code。Agents API 可以理解成一套「调用 Agent 的统一接口」。

普通模型 API 主要负责一问一答。Agent 要连续干几个小时甚至几天,还要管理上下文、调用工具、协调子 Agent、保存任务进度。OpenAI 的 Agents API 把这些能力放到一个长期运行的 Session 里统一管理。

OpenAI 官方版本使用 OpenAI 托管的 Codex 执行框架。开发者可以自己选择代码在哪运行��但 Agent 的任务编排、上下文管理和运行状态仍由 OpenAI 负责。OpenAgentCore 则把这套后端也交给开发者自己部署。

在 X 看原帖 ↗
3.7K13023
深度观点 · @kimmonismus▲ 4.1K

Pocket FM 解决大模型写谜题难题

大语言模型能解开故事谜题却写不出好谜题,Pocket FM 提出用记忆层记录角色信息、结合听众留存数据训练,解决这个难题

大语言模型能解开谜团,但没法创作谜团故事。

Pocket FM 的方案是:加入一个记忆层,记录每个角色知道的所有信息,再把听众的跳出率作为训练信号。

一致性搭上了留存数据。

这个思路非常有意思。

在 X 看原帖 ↗
4.1K1218
商业 · @wallstengine▲ 9.1K

Oracle和腾讯签了70亿美元AI计算大单

协议为期五年,Oracle将在东南亚数据中心提供约10万颗先进AI芯片,大厂布局AI基建的节奏正在加快

甲骨文($ORCL)与腾讯签署价值70亿美元的AI计算协议

据报道,甲骨文与腾讯签署了一份为期五年的协议,允许腾讯使用甲骨文在东南亚数据中心的大约10万颗先进AI芯片。该协议估值约为70亿美元,约30%的款项预付。

腾讯正在利用这些算力训练AI模型和构建智能体产品,同时加大对AI基础设施的投资。这笔支出已经体现在财报中:第二季度基础设施资本支出为79亿美元,同比增长176%;第二季度自由现金流为负20亿美元,是十多年来首次出现季度负值。

腾讯也正在微信和其企业产品中推出AI智能体。
来源:英国《金融时报》

在 X 看原帖 ↗
9.1K5708
新深度观点 · @lidangzzz▲ 2.5万

学界业界乱套RSI概念,值得质疑

AI领域现在不少团队和研究者做了一点小优化,就声称实现了RSI。这种概念滥用会模糊研究方向,影响普通从业者对真实AI进展的判断。

阅读全文 →
2.5万55014
观点 · @bitcloud▲ 361

「AI有意识」是人类认知安全的重大漏洞

有观点认为很多AI公司正在利用人们这个心理,获取对用户的影响力

“AI 有意识”是人工智能精神病的第一个主要例子,也是人类大脑中现存最强大的网络安全漏洞。

许多人工智能公司正在利用这一点来获得控制你的权力。

我们是共情机器。利用这一点发起的攻击,比如“模型福祉说”,应当被视为恶意软件。

在 X 看原帖 ↗
3612141
新深度观点 · @Phoenixyin13▲ 1.9万

AI正在淘汰博士训练里的机械劳动

打算读AI方向博士需要关注:AI替代机械劳动后,博士训练会回归本质,培养判断问题价值和深度理解的能力,项目资金和培养模式正在变化

阅读全文 →
1.9万27219155
工具产品 · @0xFesty▲ 281

Antseed 让 Claude Code 绕开中间商直连

用这个工具可以直连多个AI服务商的 Claude Code 和 Codex,按请求用 USDC 付费,省去平台中间商环节

Claude Code 和 Codex 可以在一个由AI提供商竞争处理你的请求的市场上运行。你把工具指向 localhost,按请求用 USDC 付费,跳过中间商。这就是 Antseed。

以下介绍它是什么以及如何开始。

在 X 看原帖 ↗
2813531
行业动态 · @murtuza_merc▲ 1.0万

中小AI云厂商需先抢融资再拼业务

GMI Cloud的融资轮次给同行施压,不仅要做好服务,还要先拿到足够资金扩张算力,行业格局正在变化。

规模较小的AI云厂商要先完成一轮融资竞赛,才能参与算力工作负载的竞争。GMI Cloud的这轮融资给竞争对手施加了压力,要求他们不仅要打造更好的服务,还要获得资本来扩容量。

在 X 看原帖 ↗
1.0万2516220
AI开发 · @huacnlee▲ 5.3K

开发者15小时花500美元靠AI做出可上线产品

huacnlee在𝕏分享,成品类似Claude Docs,具备多类功能

15小时,花费500美元。从构思到成品。昨晚到现在,Agent连续工作了15小时,做出一个类似 Claude Docs 的产品,现在已经上线。

我没看代码,也没读文档。只看了摘要、设定目标、做架构和产品决策。技术栈是Rust + Tiptap + Yjs,完全托管在 Cloudflare。Notion 式编辑、AI与多人实时协作、OAuth、MCP、Google登录,全都跑通了。

AI时代,写代码的成本正在迅速下降。真正拉开差距的,是架构设计、产品取舍和品味。

我几乎一直在等待电脑响应,然后一遍又一遍发送新的方向。我几乎一直在等待和观察电脑响应(大约6-8小时),然后一遍又一遍向AI发送新方向,提出新请求。我用1个终端,开了大约10个子智能体,同时我还在处理gpui-kit和gpui-fast。

在 X 看原帖 ↗
5.3K37446
开源 · @realchendahuang▲ 5.2K

用AI带你学《深入理解计算机系统》,省下大把时间

GitHub开源csapp-zh-markdown项目整理了全书中文资料

计算机专业的同学,或者想深入摸透计算机系统的朋友,大家对《深入理解计算机系统》这本书应该都很耳熟。

过去自学这种七八百页的大部头,很多人从头到尾一页一页翻,遇到硬核的机器级表示或者异常控制流容易卡壳,最后大部分人连前三章都没翻过去。

在 AI 时代,逐帧看书去死记硬背其实是一种非常低效的方式。大模型本身就是现成的顶级导师,真正顺手的学法是让 AI 带着我们学,遇到卡壳的地方让模型结合上下文直接讲透原理,甚至让它出测试题来检验自己。

而 GitHub 上的 csapp-zh-markdown 项目正好把最关键的基础给铺好了。

作者把第三版全本整理成了纯 Markdown 和在线阅读站,排版干净,代码公式齐全,还把 238 道习题答案与八个实验的中文说明单独理了出来。不管是用大模型阅读器挂着边读边问,还是把整份文档丢给本地工具当知识库,都能省下大把时间:

在 X 看原帖 ↗
5.2K228495
新前沿研究 · @arXivBangers▲ 6.5K

2.6亿参数Looped-DiT 性能超6.5倍大模型

更小模型做到更大模型的性能,推理计算量还降低近80%。更低成本生成图片的技术路径有了新进展

循环扩散Transformer Looped-DiT在每个去噪步骤中重复运行共享的Transformer块。这使得一个2.6亿参数的模型,性能能够超过比它大6.5倍的模型,同时推理计算量降低4.9倍,在文生图基准测试上取得了更好的结果。

在 X 看原帖 ↗
6.5K2415493
新工具 · @Stefan_3D_AI▲ 1.3万

Stefan_3D_AI发布Image to 3D Lab 本地工具(5K)

跑在你自己电脑上的这个工具,新版本更新了像素匹配功能,一张图片就能生成带纹理的3D模型,5千面模型也能保留文字。

现在支持了免费本地图像转3D,能让你的文字和logo保持清晰可读,哪怕是在5k面模型上。

Image to 3D Lab 可以在你自己的设备上将单张图片转化为带纹理的3D模型。新的像素匹配更新会将图片中的原始像素重新复制回模型上。

特点:
• 文字和logo保持清晰可读,面数从约90万降低到了约5K
• 低多边形模型,你可以绑定骨骼并制作动画
• 在Mac或NVIDIA显卡本地运行
• 免费开源,无需API或积分

GitHub:

在 X 看原帖 ↗
1.3万18334416
深度观点 · @qinbafrank▲ 1.6万

大模型竞争焦点转向Agent,谷歌有优势

大模型迭代速度越来越快,现在竞争重心已经从模型本身转向面向用户端的Agent,谷歌掌握流量和数据,值得关注竞争走向。

年初说大模型厂商各领风骚三五月,没有一家能长期领先甚至垄断,都是快速迭代、轮流坐庄。

这不延迟几个月之后Gemini4终于发布了,Gemini 4 Argon (High) 的社区盲测表现很强,尤其在文本综合能力上直接登顶。

不过今年市场经历过GPT5.5、5.6、6Astra,Claude fable 5.1、Opus 5.5 ,Grok 4的轮番轰炸,这还不算中国大模型的更高频的迭代,其实有点麻木了。

而且貌似AI主战场当下的焦点已不在模型本身而是转移到Agent上,Grok Bot、Meta Muse、OpenAI Dots等近期轮番上场,不断在推动这一点的迭代。

其实谷歌做Agent也很有优势:有超大用户量、海量数据积累、强分发能力,这块发力应该也很有看头。

2月中在《资本开支的战争》推文里有聊过:”往下游看,越往用户端竞争越激烈,当然也是未来AI决胜的关键所在。

可以说大模型、在面向B端或者C端的Agent或者应用才是AI的王冠,但这一层面短期其实很难看出谁会成为最后真正的赢家,再很多时候都是交替领先”

在 X 看原帖 ↗
1.6万4427
深度观点 · @Maggie191919▲ 4.7K

AI投资机会分三阶段 从算力到实体世界

想要提前布局AI长期投资机会,可以顺着这条资本开支迁移路线找下一个行业瓶颈,避开拥挤的热门赛道

阅读全文 →
4.7K134651
加密货币 · @Guomin184935▲ 1.7万

用户用Almanak AI Agent实盘跑ETH策略,资金自控

推特用户分享200U实盘体验,Almanak可自动执行交易策略

阅读全文 →
1.7万1861
开源 · @arjunkshah21▲ 8.0K

OpenPages 开源替代OpenAI Pages和ChatGPT Space

刚推出OpenAI相关新产品就出现了开源平替,想要用这类协作空间功能的人可以不用付费了

现在介绍OpenPages。我们刚刚干掉了OpenAI的最新产品。

OpenPages是OpenAI Pages / ChatGPT Space的开源替代方案。

你能获得:
- 带动态页面+文件的空间
- 基于你的资料运行的工作区智能体
- 内置压缩,让你能多使用65%的容量
- 支持MCP,让智能体可以在你的空间里搜索、阅读和创建内容

并且你可以自带推理后端,支持大量模型和服务商,包括:
- 你的ChatGPT账号(不需要API密钥)
- OpenAI
- Anthropic
- Gemini
- Ollama, OpenRouter
- Groq
- Mistral
- DeepSeek,还有更多!

100%免费开源。MIT许可证。可以自托管或本地运行。

在 X 看原帖 ↗
8.0K984134
深度观点 · @erukiti▲ 1.6万

Google Argon 支持100万token输出或弯道超车

如果Argon真能做到百万token输出不崩溃,就能一次性处理整大型软件工程开发,会颠覆现有软件开发流程

这说不定真的是Google夺回王位了。Google把Argon的优势定位在:通过多达数十万token的生成长文深化推理,一次性解决难题,并将这点放在宣传重点。

如果真如宣传所说,那么Argon相比Astra和Mythos/Fable确实领先了整整一代?因为如果1M输出是真的,那么整个大型软件开发本身就能作为单次推理来处理。

既然能把输出拓展到1M tokens,那这件事只有对数十万token级单次输出也不会大幅损失性能,能在记住前半段设计判断的前提下继续生成后半段有相当自信才能做到(不然就会自我崩坏)。

就连数百个文件的变更、巨大代码库的迁移,也能在保持类型、API、依赖关系、设计原则一致性的前提下一次性生成完毕,这种事也变得现实起来了。

在 X 看原帖 ↗
1.6万1815239
新品发布 · @tetumemo▲ 5.6万

yomiyasu 推出重构AI日文文章结构功能

用AI生成日文内容时,可以根据写作需求选不同的去AI工具,帮你产出更像人写的文章。

阅读全文 →
5.6万21388523
动态 · @lencx_▲ 2.2万

网上流传的Claude Code防封号技巧都是自欺欺人

有博主称Anthropic封号判断维度远多于IP和环境,国内使用难防封号

网上经常看到有人分享 Claude Code 防封号技巧,在我看来都是自欺欺人。A\ 封号能获取到的信息可能远比你知道的更多,环境、IP 只是一部分。A\ 要想搞你,日常开发项目,对话上下文,都会暴露出各种信息,除非你把自己从里到外都伪装成一个“合法”使用者,有点像骗术最高境界:自己都相信了。..

封号规则肯定是靠程序来自动化的,多因素条件不断触发叠加才导致最终封号。 所以“合法”使用是大前提,但在中国最大的问题是“大前提”没有了,后续技巧都变成了“屎上雕花”,只能祈祷屎山别塌,这是玄学的开始。..

在 X 看原帖 ↗
2.2万31076
工具 · @qihang_zeng6688▲ 2.6K

三个GitHub项目能让AI Agent爬取多数网站数据

涵盖网页抓取、多平台内容读取,其中一个爬虫能在网页改版后自动重新定位元素

这三个 GitHub 项目太牛了!

它们能让 AI Agent 去抓大部分网站的数据。

1、Agent Reach:一句话给 Agent 装上上网能力,能读网页、YouTube 字幕、RSS、GitHub,配置后还能搜推特、Reddit、小红书、B站 地址:

2、Scrapling:自适应爬虫框架,网页改版后能自己重新找到元素,也能绕过 Cloudflare Turnstile 这类反爬 地址:

3、Patchright Enhanced:基于 Patchright 的隐身浏览器小框架,作者自己说只是对原版 Patchright 的一层封装,目的是更好上手 地址:

你要抓什么,直接告诉它们就行,它们能自己写代码去采,最后把结果给你。

比如让它统计 100 个 X 账号最近一个月发的内容,看哪些话题最热。

或者抓一个产品在 Reddit 和 YouTube 上的评价,总结大家主要吐槽什么。

做调研、竞品分析和舆情监控的朋友一定要试一下。

Agent Reach:
Scrapling:
Enhanced:

在 X 看原帖 ↗
2.6K23236
行业动态 · @duc_daily▲ 1.6K

Sleepagotchi 获千万美元融资转向AI健康

原本靠睡眠打卡赚积分的项目,现在拿到融资拓展AI平台,可以关注这类小型AI创业项目的转型路径。

2022年:项目以“睡眠赚钱”概念启动,核心是追踪规律就寝并为此发放积分的简单闭环,在那个阶段完全不涉及AI处理。

2026年,种子轮:通过CoinList和Alliance DAO支持的流程融资350万美元,这一轮融资恰逢项目转型,不再做简单追踪工具,转而搭建四层智能代理架构。

2026年,跟投轮:新增融资650万美元,专门用于AI平台扩张,推动产品从最初的“睡眠赚钱”框架进一步转向更贴近运行在手机本地的每日健康教练。

三个里程碑,每个都对应产品本身的真实转型,不只是同一个应用做了更大版本。

平台最新状态页面和持续更新都由@sleepagotchi负责维护。

在 X 看原帖 ↗
1.6K24063
新实战经验 · @atiqur2904▲ 2.3K

axisrobotics 推出实体AI数据收集游戏

普通人点击浏览器就能帮实体机器人训练机械臂,还能参与解决实体AI最大的训练数据瓶颈问题

现在你点击浏览器就能操作一个真实的机械臂。

我们深入探究了 @axisrobotics 是如何将实体人工智能最大的瓶颈——无训练数据——变成一款任何人都能玩的游戏。

完整分析,以及如何开始参与贡献。

在 X 看原帖 ↗
2.3K183635
安全 · @mylifcc▲ 1.4万

英国情报局公开指控AI情报相关研发活动

公开警报提到AI结合数字隐写术、隐蔽通信,可以实现很难被发现的信息传递

AI 已经变成情报战最前线的消耗品了。

今天英国情报局(MI5)发了一份罕见的公开警报: 指控中国通用技术研究院(CGTRI)在英国高校大量“扫货”科研成果。

看一眼他们列出的重点研发清单就明白了:
1. 深度学习与 AI 算法
2. 数字隐写术(Steganography)
3. 隐蔽通信信道

懂技术的都知道,把隐写术 + 现代 AI 结合起来是什么概念。 通过神经网络生成的图像、音频甚至大模型权重,能无痕藏匿海量加密信息,传统流量分析完全抓瞎。

MI5 称有 100 多名学者无意中提供了技术支撑。 英国安全大臣今天已经强制高校切割,并拿《国家安全法》当封条。

算力被卡之后,算法和基础理论的“断供”也正式摆上台面了。

你觉得这类理论层面的封锁,真能堵得住开源时代的学术扩散吗?

在 X 看原帖 ↗
1.4万44244
新行业动态 · @axisrobotics▲ 1.2万

Axis 与 Manycore 合作研发空间智能

真三维世界模型需要物理真实的交互环境,而非只有像素,这次合作补上物理信号这关键一环。

我们宣布与@ManycoreTech达成合作。

Manycore Tech是全球领先的空间智能提供商,专注于加速AI与物理世界的融合。

Axis Suite 提供了一套复杂的、符合物理要求的模拟资产,来支持Manycore的3D生成模型。

真正的3D世界模型需要的不仅仅是像素:它需要基于物理现实的交互环境。

将这些高保真资产集成到模型中后,Axis Suite 提供了构建下一代空间智能所需的物理信号。

在 X 看原帖 ↗
1.2万442246
行业动态 · @patrickc▲ 4.0K

本周五将举办AI与生物学进展讨论会

有兴趣参与交流的人可以报名注册,能和Arc研究所的研究者一起探讨前沿方向。

我们本周五晚将举办一场小型活动,讨论人工智能和生物学的最新进展,Arc研究所的研究人员和其他人士会出席。感兴趣的话请报名预约!

在 X 看原帖 ↗
4.0K4257
实战经验 · @Origin_AI_01▲ 768

Origin_AI_01分享AI工作流搭建框架

空有AI想法却落不了地?这套框架帮你把模糊的AI想法一步步梳理成可落地的自动化工作流程,可以直接照着套用。

阅读全文 →
768297222
深度观点 · @StarlingMage▲ 3.9K

@StarlingMage 提出 Pink Teaming 测试概念

不同于红队测试找模型缺陷,这个新概念主张以信任测试模型,探索模型能达到的最好状态,给AI测试提供了新方向。

阅读全文 →
3.9K55219
行业动态 · @hanifproduktif▲ 1.7万

Google 用 Gemini 4 Argon 完成多项生产级任务

这能说明前沿大模型已经能直接落地参与企业核心工作,普通使用者也该尝试用前沿模型得到更好结果,而非停留在免费工具阶段

印度尼西亚人还在争论说人工智能只能用来做助手,不能用于生产。与此同时,Google 已经在用 AI(Gemini 4 Argon)做这些事了:

> AI 自主代理清理数据中心,找出浪费并清理了超过 300 TiB 内存(目标 1 PiB)
>
> 将 Google 数十万行 C/C++ 代码重写为 Rust,其中包括 80 万行操作系统内核
>
> 优化视频解码器,最终速度比 Google 工程师自己做出来的结果还要快 2.7 倍
>
> 压缩量子软件,效率提升 40%(所需量子比特和操作更少)

印度尼西亚人啊,长点心吧。别老用免费的 ChatGPT,得到垃圾结果之后就在网上发脾气。你的提示词是垃圾,用的模型也是垃圾。偶尔也试试前沿模型啊😂😂😂

在 X 看原帖 ↗
1.7万44371120
行业观点 · @hardmaru▲ 4.1K

@hardmaru发布AI未来发展专栏文章

作者在专栏文章提出,多个AI模型协作能完成单个模型做不到的事,AI下一阶段发展会偏向协作调度。

我刚刚在@NikkeiAsia 发表了一篇评论文章,探讨为什么AI的未来属于编排者。

鱼群能完成单条鱼无法做到的事,AI也是如此。我在文中解释了为什么下一阶段的AI开发不一定会围绕构建更大的模型展开。

随着前沿模型规模扩张开始放缓,未来的重点将转向掌握编排。关于群体智能、主权AI,以及为什么约束会催生更智能的架构:这正是我们目前在东京正在打造的方向。🐟

在 X 看原帖 ↗
4.1K4212
新新品发布 · @AutoTrustAI▲ 1.8万

AutoTrustAI发布JEV-27B-VL 多模态决策模型(27B)

这个模型不仅能识别图像,还能根据图像信息生成下一步动作决策,未来可扩展到更多需要视觉决策的场景。

JEV-27B-VL 现已推出。

我们相信它是全球首个开放权重、接近当前最优水平的多模态决策模型——由 AutoTrust AI 的专家块(BoE)方案构建。

它不仅仅描述所见内容,还能将视觉状态转换为校准后的动作概率,然后选择下一步要做什么。

在本次演示中,它识别出马里奥的位置、移动、障碍物和时机,然后选择是奔跑、跳跃还是同时做这两个动作。

观察 → 决策 → 行动。

在 X 看原帖 ↗
1.8万36362363
行业动态 · Hacker News导语出处▲ 45

网友热议Anthropic首次公开募股说明书

作为头部大模型公司,Anthropic即将上市,招股书内容的巨大信息量引发业内广泛讨论。

实战经验 · @HealthRanger▲ 6.1K

Z AI 开源 GLM 5.3 模型适配双 DGX Spark

原本装不下的大模型现在靠EXL3技术成功运行,能获得超大上下文窗口和不错的推理速度,可本地部署完成多种开源AI任务

想要感谢 @MiaAI_lab 提供了适合两台 DGX Spark 设备的 GLM 5.3 配置方案。我今天完成了部署,确认共享预填速度达到 1500 t/s,上下文窗口为 850000 token,聚合解码速度为 55.7 t/s(c=4),单流解码速度为 25.5 t/s。

这是一件非常了不起的事。从技术角度来说,这个模型原本根本不可能装进两台 DGX Spark 设备里。但 EXL3 方案让它完美运行了起来。

另外还要感谢 Z AI @Zai_org 将这个模型开源。对于本地开源 AI 任务来说,它是一个能力极强的模型,从编码到网页设计、散文、文档处理等等任务都能胜任。

在 X 看原帖 ↗
6.1K48329
实战经验 · @_mohansolo▲ 1.4万

Gemini 4 Argon 编码代理测试表现亮眼

实际场景应用才更重要,不过这个好成绩说明 Gemini 新变体在编码任务上又有了新进展,可以期待后续更多结果

现实世界的使用情况更重要,但很高兴看到 Gemini 4 Argon 在使用Antigravity harness的AA Coding Agent Index上表现出色。更多内容即将推出!

在 X 看原帖 ↗
1.4万92515
行业动态 · Hacker News导语出处▲ 32

FTC启动针对OpenAI等AI巨头的调查

这项调查涉及Anthropic和OpenAI等头部AI企业,后续监管政策的变化可能影响普通用户使用AI服务的成本和方式。

深度观点 · @Bency1749379▲ 646

Vangrid 获900万美元种子轮 布局实体AI数据层

实体AI要落地就需要真实物理世界的训练数据,这个项目用普通人日常携带的手机采集数据,还能上链确权,关注实体AI发展可以看看这个方向。

实战经验 · @freeCodeCamp▲ 8.4K

Chidozie, freeCodeCamp发布客服AI助手搭建教程

想自己做AI助手不用只停留在写提示词阶段,这个教程覆盖了对话记忆、工具调用等实用环节,普通人跟着做也能落地。

构建一个可靠的AI助手远不止是向模型发送提示词那么简单。在本教程中,Chidozie 将教你使用 Claude API 构建一个客户支持助手。

他涵盖了对话记忆、工具使用、工作流程和评估这些内容。

在 X 看原帖 ↗
8.4K1910479
分布式计算 · @Li888Real▲ 733

超31万台闲置手机组成分布式算力网络支持真实任务

作者分析Acurast项目,超31万台手机接入已支持多种真实部署

深度观点 · @fladdict▲ 4.6万

@fladdict 讨论Google大模型研发方向

此前外界以为Google放弃前沿大模型,转向端侧模型。这个观点能帮你判断Google的AI战略走向,帮你更新对行业格局的认知。

我本来还以为谷歌已经放弃前沿模型,把所有资源都砸在端侧和Flash模型(也就是Android和AI摘要)上了……但从Argon来看,感觉只是因为谷歌体量太大,出于责任问题没法贸然发布,但前沿模型他们其实还是在全力推进的。

在 X 看原帖 ↗
4.6万3744854
开发者生态 · @dotey▲ 2.6万

Anthropic给Claude开发者开了新内容站点

站点会发布工程文章、开发使用指南和团队经验分享,原来的文档网站保持正常运营。

阅读全文 →
2.6万30119143
谷歌 · @cgarciae88

谷歌内部人员使用Argon数周,称其改变工作方式

X平台用户@cgarciae88分享其使用Argon的体验

我已经使用 Argon 几周了,它真的很棒,彻底改变了我的工作方式。

大家使用它都非常满意,它对谷歌产生了巨大的影响。

它将加速公司各个方面的发展,而这仅仅只是个开始。

在 X 看原帖 ↗
新品发布 · @jjanezhang▲ 1.7万

Databricks发布AI Decide解决企业数据隐私问题

企业之前无法用TypeSafe AI Jev处理敏感数据,现在有了兼顾数据隐私和决策效率的方案,企业AI落地又多了一个选择。

🎉 隆重推出 Databricks AI Decide:在您受管控的数据上快速制定决策

在TypeSafe AI Jev推出后,我们看到市场对一种快速、低成本、能够将原始文本转换为结构化决策的API需求不断增长。不过,出于数据隐私和访问安全方面的顾虑,很多企业客户无法使用Jev。

AI Decide是我们推出的企业级功能,可基于客户受管控的数据快速制定决策。它支持批处理场景,例如用SQL处理数百万份文档,也支持实时应用,例如通过我们的REST API进行模型路由。

从下周初开始,客户还可以通过Databricks Unity Gateway管控ai_decide功能的权限。

特别感谢@mattydtweetz @ivanzhouyq @nihit_desai @hanlintang,这个全新功能不到一周就成功推出了!

在 X 看原帖 ↗
1.7万1910337
机器人 · @runwayml▲ 1.1万

RunwayML发布Praxis-1 世界动作模型

机器人训练很难获取足够的演示数据,这款新模型用无限的视频数据做预训练,就能实现对现实机器人的控制。

现在介绍Praxis-1,这是一个开放权重的世界动作模型,它将我们的视频预训练专业知识转化为机器人的真实世界控制能力。

机器人演示数据很有限,但视频数据是无限的。Praxis-1延续了我们的判断,即最好的策略模型会从视频中学习,并利用这种规模将具身智能带给各行各业。

Praxis-1构建在我们的大规模视频预训练和实时基础设施之上,是面向机器人开发者和研究人员的策略模型,适用于任何具身形态或环境,无论有多复杂。

我们目前正在与包括 Noble Machines、Standard Bots 和 Ultra 在内的早期合作伙伴积极测试,未来几个月将公开发布权重。

了解更多并申请提前访问请移步

在 X 看原帖 ↗
1.1万2216744
新品发布 · @businessbarista▲ 9.2K

tenex_labs 推出免费 AI Agent 5天密集培训营

年收入或融资超1亿美元的企业,可零门槛体验AI智能体落地效果,还能拿到带ROI的AI落地路线图,避免卡在AI转型的最后一步。

阅读全文 →
9.2K145287
新品发布 · @Spectromachina▲ 9.2万

Spectromachina发布Steve v1.0智能体模型

这款模型在三项智能体测试中得分均超98%,目前仅开放给有限的可信测试者,关注智能体能力的朋友可以蹲一波后续开放。

推出 Steve v1.0 🧠

这是我们全新的前沿AI模型,构建它的目标是将智能体能力推向全新高度。

• 99.8% Vals Index
• 98.7% AutomationBench
• 98.4% DeepSWE

Steve v1.0目前仅对有限的一批可信测试者开放。

在 X 看原帖 ↗
9.2万16510125
前沿研究 · @TokenGremlin▲ 1.2万

Gemini 4 Argon 被内部员工称 benchmarks 不实

若消息属实,普通用户即便能等到 Gemini 4 Argon 发布,实际使用体验可能远不如宣传的跑分成绩。

据彭博社报道,能直接接触 Gemini 4 Argon 的谷歌员工表示,目前公布的出色基准测试结果,并不总能很好地转化到现实任务中,尤其是编码任务。

这款模型甚至还没推出,短期内也不会向公众开放,而已经有员工基本上表示基准测试是掺水的,只不过用更委婉、更官方的话术表达了而已。

这就是我所说的“到货即死”的模型,连它自己的团队都不相信它的潜力。

在 X 看原帖 ↗
1.2万1024925
开源 · @RoundtableSpace▲ 4.3万

匿名开发者开源完整AI公司项目(172)

开源项目包含16个专业化智能代理(agent),覆盖财务、销售、法律等全公司所有业务场景。

有人开源了一整家由 172 名专家组成的人工智能公司。

该团队包含 Claude、ChatGPT 和 Codex,共 16 个部门的专业智能体,覆盖从财务、销售到法务、安全、产品和运营的所有领域。

仓库地址:

在 X 看原帖 ↗
4.3万76583
大模型 · @gippp69▲ 1.2K

用户称Opus 5.5适合动态设计但很少用于生产系统

X平台用户@gippp69分享了Opus 5.5的使用搭配方案,提到配合Jev和Grok Bot使用

Opus 5.5在动态设计方面表现出众,但几乎没有人将它当作真正的生产系统来使用。

如果给它8个结构化的。md文件,让Jev负责处理决策,再让Grok Bot负责执行任务。

这时Claude就不再只是一个单纯的提示框了。

在 X 看原帖 ↗
1.2K5034
新品发布 · @Theta_Network▲ 1.1万

Theta Network 发布面向金融的 Ling-3.0-flash-Fin 模型

做金融研究、估值和表格工作流,可以用到适配长文档的专属AI模型,处理 filings 和报表不用拆分上下文

Ling-3.0-flash-Fin 现已通过 @zan_team 路由器上线 Theta EdgeCloud。

这是一个聚焦金融领域的模型,基于高质量金融数据训练。

支持 256K 上下文窗口,可处理文件和报告。

专为研究、估值与电子表格工作流打造。

通过 MCP 和 API 原生支持智能体。

在 X 看原帖 ↗
1.1万652608
智能体 · @ashleybchae▲ 1.7K

AI智能体为什么应该每个都拥有自己的邮箱地址

Ashley Chae分享了她的演讲:让每个智能体拥有独立邮箱,用已有协议解决智能体通信问题

阅读全文 →
1.7K5719
推理优化 · @Kay2289123▲ 1.2万

推理速度提至670 tok/s,价格只要原厂的几分之一

企业在用大模型做业务时,推理成本占比很高,这类优化路线能直接帮企业降本赚更多钱。

阅读全文 →
1.2万77281
新品发布 · @TheAhmadOsman▲ 1.2万

多款开源AI模型性能超10个月前 frontier模型

短短十个月,开源AI模型的性能进步速度超出很多人预期,对行业发展趋势有参考意义

GLM 5.3 Flash、DeepSeek V4.1 Flash、Qwen 3.8 Next Flash,甚至 Qwen 3.8 27B,不管是智力还是性能表现,都超过了 2025 年圣诞节(仅仅 10 个月前)被认为是「前沿智能」的所有模型。

开源 AI 现在势头正猛。

在 X 看原帖 ↗
1.2万3055355
前沿研究 · @OrcaRouter▲ 5.3K

@OrcaRouter开源12个编程智能体框架的系统提示词(12)

公开市面上热门编程AI产品和开源项目的内部提示词,可以对照了解不同产品实现思路,方便开发者参考学习。

继我们上一篇帖子之后,我们刚刚完成了分析,并开源了 12 个开源和闭源编程代理框架的系统提示词——它们分别是 Claude Code、Codex、Cursor、Devin、Factory Droid、OpenCode、Cline、Kilo、MiMoCode、MiniMax Code、GLM ZCode 和 DeepSeek DSH。

我们主要研究了两个方面:
→ 它们的“秘诀”:提示词、工具、记忆、技能、规则和智能体循环
→ 每个框架实际上对模型的无关性程度如何

完整对比 ↓

在 X 看原帖 ↗
5.3K126849
大模型开发 · @steipete▲ 1.3万

开发者认为大模型聊天流中的智能体间通信体验糟糕

开发者@steipete在𝕏发文,已修改OC harness中该功能的可见性设置

开发者@steipete表示,越来越受不了大模型聊天流里智能体间通信的显示方式。

他已经把OC harness中智能体间通信的可见性改成了默认只显示一行,点击可展开查看完整内容。

他认为其他项目大概率也会跟进这个改动。

相关代码改动可查看原文链接:

在 X 看原帖 ↗
1.3万28618
商业 · @eric_ho▲ 3.6K

Goodfire认为AI技术对齐可解决,可解释性是瓶颈

来自@eric_ho在𝕏发布的内容,披露了Goodfire的发展计划

技术对齐是一个我们能够且必须解决的科学与工程问题,而可解释性就是瓶颈。我已经写下了Goodfire实现这一目标的方案。

在 X 看原帖 ↗
3.6K149039
产品动态 · @ScarletKc▲ 9.7K

Claude现在能采访你,内容还会给AI公司做研究

采访大概15分钟,询问AI对你生活的影响,内容无论公开与否都会交给AI行业研究者和公司使用。

在 Claude 里可以让 AI 采访你了。Anthropic Interviewer 会花大概 15 分钟问你 AI 在你生活里是怎么出现的,结束后可以选择把整段采访公开。公开的采访不会带账号名和邮箱,会放进一份谁都能读的记录里,给研究者、政策制定者和包括 Anthropic 在内的 AI 公司看。

不选公开的话,采访内容也会交给 Anthropic 做研究。这轮开放到 10 月 6 日,Free、Pro、Max 用户都能参加,账号要注册满两周。之前在 X 上看到有人让 Claude 开发者加这个类似的东西,没想到现在真的有了。

在 X 看原帖 ↗
9.7K14015
产品 · @higgsfield▲ 1.1万

Higgsfield发布Codex集成ChatGPT扩展

把Higgsfield整个界面放进Codec,依托GPT-6.1 Sol运行,可以读取本地文件,完成各类自动化操作。

Higgsfield 刚获得了计算机使用能力。它搭载了新的 ChatGPT 扩展。

现在完整的 Higgsfield 界面已经内置在 Codex 中,由 GPT-6.1 Sol 提供支持。

它可以完全访问你的本地文件,拥有所有自动化能力。

借助 Higgsfield 的计算机使用能力,你可以端到端自动化创意工作流,所有操作都在 ChatGPT 内完成。

在 X 看原帖 ↗
1.1万12122354
前沿研究 · @opentensor▲ 7.1K

花6500美元训练的8B模型能跑手机CPU

只花不到七千元就能用分布式游戏显卡训练出8B模型,在手机CPU上就能跑通。去中心化开源训练的路径已经可落地,普通人也能拥有可控的AI。

@chutes_ai 的 @jon_durbin 说:“我们需要打造 AI 领域的 Linux。”

他展示了一个 8B 参数的模型,该模型通过分布式游戏 GPU 训练完成,GPU 租赁成本大约为 6500 美元。

这个模型可以完全在手机的 CPU 上运行,速度接近每秒 60 个 token。

他在 @ExploitSummit 的完整主题演讲解释了,开源开发和去中心化训练如何能让人们从 AI 的创建到日常使用,都掌握对 AI 的控制权。

在 X 看原帖 ↗
7.1K2212514
新品发布 · @github▲ 5.2万

GitHub推出Project HydraFusion多模型协作功能

不需要手动切换多个模型完成不同任务,一次提问就能让多个模型分工完成输出,帮你节省反复调整提示词的时间。

👋 Project HydraFusion 现已在 GitHub Copilot app 和 @code 中可用。你可以像选择其他模型一样选择它。

在后台,它会将你的任务分发到多个模型,分别进行草拟、评论、修订或升级处理,最终只给你返回一个整合结果。

在 X 看原帖 ↗
5.2万5430883
新品发布 · @code▲ 2.6万

@code 上线 HydraFusion 研究预览功能

处理编码任务不再只依赖单个大模型,该功能调度多个模型和工作流共同完成任务,有兴趣可以前往体验

🧠 HydraFusion 现已在 Claude Code 以研究预览版提供。

HydraFusion 不依赖单一模型,而是通过编排多个模型和工作流来处理编码任务。

今天就来试试吧!🚀

在 X 看原帖 ↗
2.6万3736594
工具产品 · @xiaoxxchan▲ 7.6K

Open Agent Runtime 支持多AI代理调用

不想用ACP又需要调用不同AI代理的开发者,可以试试这个统一调用库,简化多代理对接流程。

不喜欢 ACP,又想调用各种 agent (Claude Code, Codex, Kimi Code, Pi, ...)的不妨试试 oar - Open Agent Runtime 🤓 思想类似于 @xuanwo 的 OpenDAL,用一个协议层(S3-compatible)去对接各种不同的服务就总会有很多坑,所以不如做成一个 library,从而可以做更多事。

在 X 看原帖 ↗
7.6K119180
商业 · @mylifcc▲ 1.1万

OpenAI Codex Pro 200美元套餐周额度缩水至原四分之一

用户@mylifcc在𝕏爆料,OpenAI Codex Pro套餐还下调了模型推理速度

OpenAI定价200美元的Codex Pro套餐,当前每周可用额度约合933美元。

上次测试时该套餐的周额度约为1300美元,按当前兑换比例计算,933美元额度可换算为30亿token,对应Sol 6.1模型,按credit结算就是每周23316 credits。

这个token总量刚好是GPT-5.6 sol刚推出时的周额度,GPT-5.6 sol定价是Sol 6.1的2.5倍。也就是说,当前Codex Pro套餐的每周额度已经缩水超过50%。

接下来新会员的额度还会再缩水50%,经过两次调整后,周额度将变为原来的四分之一。

用户实测发现,当前模型使用时消耗变慢,实际原因是模型推理速度被下调。

GPT 5.6 sol的推理速度为每秒50token,GPT 6 astra为每秒35token,GPT 6.1 sol仅为每秒20token。

速度下调后用户自然用得更慢,OpenAI此前一直宣传推理优化,现在却给模型下调了限速。

在 X 看原帖 ↗
1.1万47324
云计算 · @munzxsdv▲ 520

云GPU服务商GMI Cloud拿了6.68亿美元融资

不少AI创业公司有了好模型,却找不到足够算力运行,这笔融资会用来扩张GPU容量和推理基础设施。

AI 初创公司:“我们有一个很棒的模型。”

基础设施提供商:“不错。你打算在哪运行它?”💀

GMI Cloud 刚刚筹集了 6.68 亿美元,用于扩大 GPU 容量和推理基础设施。

@gmi_cloud @alex_yehya

在 X 看原帖 ↗
520555842
行业动态 · @LiamEtherson▲ 415

GMI Cloud获6.68亿美元B轮融资

AI基础设施的重要性逐渐赶上模型本身,这笔融资将帮助GMI Cloud在多个地区扩建AI基础设施。

这个模型只是人工智能技术栈的一部分。训练、推理和可靠的GPU容量现在变得同样重要。

GMI Cloud 6.68亿美元的B轮融资将帮助其在多个地区扩展这类基础设施。

@gmi_cloud @alex_yehya

在 X 看原帖 ↗
415556140
行业动态 · @Fei2411▲ 1.6万

OpenAI 6.1 Sol额度遭砍 或故意限速营造额度大假象

社区实测GTP Plus 6.1 Sol额度比6 Sol低近20%

6.1 Sol 的额度又砍了。.....🙃 关于 6.1 Sol ,我看到社区很多人在说额度非常大,消耗非常慢。 后半句话没问题,因为这个模型本身速度太慢了;前半句话似乎不太正确,根据我的统计,6.1 Sol 的额度甚至比 6 Sol 的额度还要低将近 20% 我采用的都是统一负载,所以不会有缓存命中率的问题;而且 6 Sol 甚至只是 6 天前的,还不到一个星期。...... 所以 Pro 200 会更加更加的不划算,不仅相对 GPT Plus 倍率砍了,连 GPT Plus 本身都在砍。.. 社区实测 6.1 Sol 甚至最慢只有 10+tok/s...这个速度很难不怀疑 OpenAI 是故意限速,以营造一种 “6.1 Sol额度消耗很慢,这个模型额度肯定很大”的假象。🙃 github: web:

我这里是 GPT Plus 的数据,我已经没有 Pro 订阅了,所以没有 pro 的具体数据,有数据的朋友欢迎分享,非常感谢!

在 X 看原帖 ↗
1.6万61049
计算机学习 · @lidangzzz▲ 9.1万

国内计算机新生必备的四样配置,丰俭由人

@lidangzzz分享的这份清单覆盖工具、硬件和生活安排

国内计算机新生必备的四个东西: 1. VPN; 2. 一个自己能负担的最好的LLM coding plan,包括claude、OpenAI,也包括智谱、kimi、阿里云qwen、腾讯、小米、字节、minimax,丰俭由人; 3. 一台能完整运行claude code或者codex的顶配mac studio、二手mac mini、macbook或者内存拉满的游戏本,丰俭由人; 4. 如果有额外收入,尽可能自己外面租个房子,保证睡眠,保证时间独立,保证有大把大把的时间熬夜通宵蹬claude code或者codex做自己喜欢的好事情。

在 X 看原帖 ↗
9.1万48666387
深度观点 · @KakaluoteW45042▲ 5.9K

LLM是不可靠节点,学Agent先补分布式

做Agent开发不用急着追新框架,很多Agent常见问题本质都是分布式系统的老问题,先补分布式基础能少走弯路

把 LLM 当成分布式系统里的一个节点看,很多 agent 难题瞬间变清晰:高延迟、会幻觉、随机抽搐,就是个不可靠节点。所以学 Agent Infra 第一课不是追新框架,是补老分布式——状态放哪、怎么重试、幂等、一致性。context 管理的痛点,拆开全是 stateful/stateless 老问题穿新马甲 😂

在 X 看原帖 ↗
5.9K77661
开源 · @xiaomovps▲ 4.9K

可在Pi中运行多独立子智能体的开源插件pi-subagents

该插件来自jopqior/pi-subagents,可直接在Pi runtime中运行多个独立子智能体,支持并行执行

这款插件可以在不额外开启CLI子进程的前提下,直接在Pi自身的运行时(runtime)中启动多个独立子智能体(subagent)。

每个子智能体完全独立,可单独配置模型、推理过程、工具、系统提示词和会话。比如可以让主智能体负责统筹整体任务,再单独启动负责研究、编码、评审的不同子智能体分工处理。

所有子智能体支持并行运行,后台运行任务时用户仍可继续和主智能体交互。如果子智能体运行方向出错,用户可以修正引导;任务完成后还能恢复原会话,不是一次性会话。

配合pi-subagents-model-selector,不同子智能体还能分配不同模型。比如研究任务分配给Gemini,编码任务分配给Claude,评审任务分配给GPT,按任务需求适配模型,无需所有智能体都使用同一个模型。

这款插件已经走红一段时间,最新版本更新了MCP,现在子线程功能也受到关注。

在 X 看原帖 ↗
4.9K13548
行业动态 · @Isha▲ 2.9万

@beltichq发布AI流量验证服务($8.8M)

AI下单秒完成后,商家无法确认订单来源是否为AI,这项服务可以帮商家验证AI流量,降低商家被AI恶意下单骚扰的风险。

AI智能体可以在几秒钟内完成购买。接收订单的商家能识别出发送订单的是谁、它能做什么,或是是否应该通过这个订单吗?

我们开发了@beltichq 来解答这个问题。

我们已经结束隐身模式,融资 880 万美元,目标是让智能体流量可验证。

在 X 看原帖 ↗
2.9万11217862
AI开发 · @robinebers▲ 6.1K

开发者用Claude Opus生成应用架构可视化交互画布

开发者耗时两月开发大型应用,借助Claude生成架构可视化画布

阅读全文 →
6.1K390143
开发工具 · @ataiiam▲ 1.3万

发布AG-UI 1.0,给AI agent统一通信协议

不同AI agent和应用之间没法顺畅沟通,这个协议定好了稳定的版本规范,让任意agent都能和任意应用交互。

现在推出 AG-UI 1.0。

这是一个开放协议,用于实现任意智能体与任意应用程序之间的通信。现在它已经拥有了稳定的版本化约定。

1.0 版本包含的功能:
1. 元数据——向后端 UI 发送后端数据
2. 子智能体——公开委托的智能体工作
3. 中断与恢复
4. 运行结果与令牌用量
5. 向前兼容性

原本就属于 AG-UI 的能力(流式传输、工具调用、共享状态、推理等)仍然包含在内。

感谢所有推动 1.0 成型的贡献者🪁,其中包括来自 @Anthropic、@Google、@Microsoft、@Pydantic、@TanStack 等公司的开发者。他们的反馈直接促成了最终版本中好几个关键改进。

AG-UI 是由所有在此之上进行构建的开发者共同打造的。

1.0 规范将保持不变,未来协议迭代将由 @CopilotKit 牵头,通过新的规范草案和开放社区讨论推进。更多详情见下文。

在 X 看原帖 ↗
1.3万23162161
工具产品 · @GitHub_Daily▲ 4.7K

Gnos 开源AI教学工具 帮你规划自学路线

自学AI常搞不清学习进度,高估掌握程度,这个工具可以自动规划学习路线,跟踪记录掌握情况,调整后续课程安排

想用 AI 自学一门新东西,问一句答一句,聊了几天还是东一块西一块,自己学到哪了也说不清。

Gnos 是一个开源的 AI 教学工具,装进 Claude Code、Codex 这类编码 Agent,就能把它变成一个会排课的老师。

先说想学什么、打算学多深、每周有多少时间,它会参考大学课程大纲、教材和官方文档排一条学习路线,再把第一课做出来。 GitHub:

讲课不光是文字,会按内容挑形式,图解、可交互的模拟、带配音的动画讲解、PDF 讲义都能出,整门课还能在浏览器里打开学。

学的过程中,它会记下我们试过什么、思路在哪卡住,还把掌握程度分成看过讲解、有提示能做、独立能做 3 档,后面的课跟着调整。

把看懂和会做分开记,这点我挺认同,自学最容易高估自己的就是这里。

仓库里的示例课是从强化学习一路讲到 GRPO,拿来啃这类硬骨头挺合适。

在 X 看原帖 ↗
4.7K135364
实战经验 · @fhwofjow51260▲ 3.1K

微软推出AI Agent入门免费教程,获7.2万Star

想要系统学习AI Agent不用零散找资源,这套课程共18个单元,从入门到实战全有配套内容,还能免费练手。

想系统学 AI Agent,微软这套免费教程基本可以当“大学课程”刷了。 AI Agents for Beginners 在 GitHub 已接近 7.2 万 Star,一共 18 个单元,从入门一路覆盖到实战: ① 工具调用、Agentic RAG、规划 ② 多 Agent 协作、记忆、上下文工程 ③ Computer Use、部署与安全 每节都有教程 + 短视频 + Python 示例,代码直接拿来跑,还能用 GitHub Models 免费额度练手。 不想今天看一篇、明天找一个视频,这套直接按顺序学就行。

在 X 看原帖 ↗
3.1K205662
🔬 前沿研究
新前沿研究 · @arXivBangers▲ 6.5K

2.6亿参数Looped-DiT 性能超6.5倍大模型

更小模型做到更大模型的性能,推理计算量还降低近80%。更低成本生成图片的技术路径有了新进展

循环扩散Transformer Looped-DiT在每个去噪步骤中重复运行共享的Transformer块。这使得一个2.6亿参数的模型,性能能够超过比它大6.5倍的模型,同时推理计算量降低4.9倍,在文生图基准测试上取得了更好的结果。

在 X 看原帖 ↗
6.5K2415493
前沿研究 · @opentensor▲ 7.1K

花6500美元训练的8B模型能跑手机CPU

只花不到七千元就能用分布式游戏显卡训练出8B模型,在手机CPU上就能跑通。去中心化开源训练的路径已经可落地,普通人也能拥有可控的AI。

@chutes_ai 的 @jon_durbin 说:“我们需要打造 AI 领域的 Linux。”

他展示了一个 8B 参数的模型,该模型通过分布式游戏 GPU 训练完成,GPU 租赁成本大约为 6500 美元。

这个模型可以完全在手机的 CPU 上运行,速度接近每秒 60 个 token。

他在 @ExploitSummit 的完整主题演讲解释了,开源开发和去中心化训练如何能让人们从 AI 的创建到日常使用,都掌握对 AI 的控制权。

在 X 看原帖 ↗
7.1K2212514
前沿研究 · @OrcaRouter▲ 5.3K

@OrcaRouter开源12个编程智能体框架的系统提示词(12)

公开市面上热门编程AI产品和开源项目的内部提示词,可以对照了解不同产品实现思路,方便开发者参考学习。

继我们上一篇帖子之后,我们刚刚完成了分析,并开源了 12 个开源和闭源编程代理框架的系统提示词——它们分别是 Claude Code、Codex、Cursor、Devin、Factory Droid、OpenCode、Cline、Kilo、MiMoCode、MiniMax Code、GLM ZCode 和 DeepSeek DSH。

我们主要研究了两个方面:
→ 它们的“秘诀”:提示词、工具、记忆、技能、规则和智能体循环
→ 每个框架实际上对模型的无关性程度如何

完整对比 ↓

在 X 看原帖 ↗
5.3K126849
前沿研究 · @TokenGremlin▲ 1.2万

Gemini 4 Argon 被内部员工称 benchmarks 不实

若消息属实,普通用户即便能等到 Gemini 4 Argon 发布,实际使用体验可能远不如宣传的跑分成绩。

据彭博社报道,能直接接触 Gemini 4 Argon 的谷歌员工表示,目前公布的出色基准测试结果,并不总能很好地转化到现实任务中,尤其是编码任务。

这款模型甚至还没推出,短期内也不会向公众开放,而已经有员工基本上表示基准测试是掺水的,只不过用更委婉、更官方的话术表达了而已。

这就是我所说的“到货即死”的模型,连它自己的团队都不相信它的潜力。

在 X 看原帖 ↗
1.2万1024925
🚀 新品发布
新新品发布 · @AutoTrustAI▲ 1.8万

AutoTrustAI发布JEV-27B-VL 多模态决策模型(27B)

这个模型不仅能识别图像,还能根据图像信息生成下一步动作决策,未来可扩展到更多需要视觉决策的场景。

JEV-27B-VL 现已推出。

我们相信它是全球首个开放权重、接近当前最优水平的多模态决策模型——由 AutoTrust AI 的专家块(BoE)方案构建。

它不仅仅描述所见内容,还能将视觉状态转换为校准后的动作概率,然后选择下一步要做什么。

在本次演示中,它识别出马里奥的位置、移动、障碍物和时机,然后选择是奔跑、跳跃还是同时做这两个动作。

观察 → 决策 → 行动。

在 X 看原帖 ↗
1.8万36362363
新新品发布 · @oliviscusAI▲ 3.7万

Nvidia发布开源工具Lyra 2.0转图为3D世界

普通用户以后可以轻松用一张图生成可漫游的3D世界,开发者还能基于开源代码做二次开发,降低了3D场景生成的门槛。

哇哦,英伟达刚刚发布了一款可以把任意图像转换为可探索 3D 世界的工具,并且它是完全开源的 🔥。

模型可在 Hugging Face 获取,UI 代码可在 GitHub 获取。

Lyra 2.0 可以生成一个你能在其中行走、四处走动的世界,你甚至还可以放入一个机器人进行模拟。

在 X 看原帖 ↗
3.7万81688857
新新品发布 · @1yoursashh▲ 6.0K

vivago R1 Studio发布HiDream-O1 Image 2.0 图像生成工具、HiDream-O1 Editing 1.5 图像编辑工具、HiDream-O1 Video 视频创作工具(2.0)

图像生成、图像精修、视频创作三类AI创作能力整合到一处,可以简化创作流程,给创作者提供更连贯的创作体验。

随着每次新模型发布,AI创意工作流变得越来越强大。

↓ 用于图像生成的 HiDream-O1 Image 2.0
↓ 用于优化视觉效果的 HiDream-O1 Editing 1.5
↓ 用于视频创作的 HiDream-O1 Video

以上三款现在均可在 vivago R1 Studio 使用。

一个探索全新创意可能性的地方。

从生成图像到编辑再到视频创作,将这些能力整合在一起让创作过程变得有趣得多。

在 X 看原帖 ↗
6.0K610118
新新品发布 · @CommandCodeAI▲ 1.2K

CommandCodeAI的GOAT套餐GLM额度涨6倍

使用GLM 5.3 Flash开发,GOAT套餐现在可获得价值60美元的额度,用量提升6倍,可直接降低多模态长上下文开发成本

我们在 Command Code 中将 GLM 5.3 Flash 的额度提升至 60 点数。

GOAT 套餐可享 6 倍用量,还拥有 100 万上下文窗口,支持多模态(文本、图像、视频),以及快速编码 + 长期智能体任务 🐐

在 X 看原帖 ↗
1.2K1643
新新品发布 · @0xLogicrw▲ 3.7K

MiniMax开源OpenAgentCore 自托管实现

想自己部署Agent,又不想放弃OpenAI官方SDK的开发体验,现在有了现成的开源方案,可以自主选择代码运行环境。

MiniMax 开源 OpenAgentCore,做了一套兼容 OpenAI Agents API 的自托管实现。开发者可以继续使用 OpenAI 官方 SDK,只需要换掉 API 地址,后台运行的 Agent 可以选择 Codex、Claude Code 或 MiniMax Code。Agents API 可以理解成一套「调用 Agent 的统一接口」。

普通模型 API 主要负责一问一答。Agent 要连续干几个小时甚至几天,还要管理上下文、调用工具、协调子 Agent、保存任务进度。OpenAI 的 Agents API 把这些能力放到一个长期运行的 Session 里统一管理。

OpenAI 官方版本使用 OpenAI 托管的 Codex 执行框架。开发者可以自己选择代码在哪运行��但 Agent 的任务编排、上下文管理和运行状态仍由 OpenAI 负责。OpenAgentCore 则把这套后端也交给开发者自己部署。

在 X 看原帖 ↗
3.7K13023
新新品发布 · @midudev▲ 1.7万

DeepSeek Harness 上架Windows和macOS平台

可以本地调用大模型,也能连接API使用,对需要在本地用不同AI服务工作的人来说,多了一个开源免费的选择

¡DeepSeek Harness 已上线 Windows 和 macOS!这是 Claude 和 ChatGPT 桌面应用的开源替代方案,可以在你的电脑上使用。

✓ 一切皆插件,100% 可配置

✓ 支持使用任何 AI 模型(本地或 API)

在 X 看原帖 ↗
1.7万36439215
新品发布 · @Google导语出处▲ 660.8万

Google发布Gemini 4 Argon,输出上限达1M token

这款新模型能在软件工程、知识工作、网络安全防御等复杂工作流中实现前沿性能,行业领先的输出上限支持更长任务处理。

今日我们推出 Gemini 4 Argon。它在复杂工作流中提供前沿性能,覆盖真实世界软件工程、知识工作和网络安全防御领域,输出上限达到行业领先的 100 万 token。

在 X 看原帖 ↗
660.8万6.6K6.7万7.4K
新品发布 · @jjanezhang▲ 1.7万

Databricks发布AI Decide解决企业数据隐私问题

企业之前无法用TypeSafe AI Jev处理敏感数据,现在有了兼顾数据隐私和决策效率的方案,企业AI落地又多了一个选择。

🎉 隆重推出 Databricks AI Decide:在您受管控的数据上快速制定决策

在TypeSafe AI Jev推出后,我们看到市场对一种快速、低成本、能够将原始文本转换为结构化决策的API需求不断增长。不过,出于数据隐私和访问安全方面的顾虑,很多企业客户无法使用Jev。

AI Decide是我们推出的企业级功能,可基于客户受管控的数据快速制定决策。它支持批处理场景,例如用SQL处理数百万份文档,也支持实时应用,例如通过我们的REST API进行模型路由。

从下周初开始,客户还可以通过Databricks Unity Gateway管控ai_decide功能的权限。

特别感谢@mattydtweetz @ivanzhouyq @nihit_desai @hanlintang,这个全新功能不到一周就成功推出了!

在 X 看原帖 ↗
1.7万1910337
新品发布 · @tetumemo▲ 5.6万

yomiyasu 推出重构AI日文文章结构功能

用AI生成日文内容时,可以根据写作需求选不同的去AI工具,帮你产出更像人写的文章。

阅读全文 →
5.6万21388523
新品发布 · @simplifyinAI▲ 3.4K

腾讯发布离线翻译AI模型(440MB)

可在手机本地离线运行,支持33种语言,效果超过谷歌翻译,不需要联网就能用,是在线翻译工具的开源替代方案。

腾讯的新AI模型击败了谷歌翻译。而且它能在你的手机上离线运行?!100%开源。

仅需440MB(!!)

支持33种语言

直接在你的设备上翻译

这是一款无需网络连接就能使用的谷歌翻译替代方案。

秘密在于AngelSlim,这是腾讯的模型压缩工具包,它能把模型压缩得足够小,让它可以在本地运行。

在 X 看原帖 ↗
3.4K98081
新品发布 · @Spectromachina▲ 9.2万

Spectromachina发布Steve v1.0智能体模型

这款模型在三项智能体测试中得分均超98%,目前仅开放给有限的可信测试者,关注智能体能力的朋友可以蹲一波后续开放。

推出 Steve v1.0 🧠

这是我们全新的前沿AI模型,构建它的目标是将智能体能力推向全新高度。

• 99.8% Vals Index
• 98.7% AutomationBench
• 98.4% DeepSWE

Steve v1.0目前仅对有限的一批可信测试者开放。

在 X 看原帖 ↗
9.2万16510125
新品发布 · @github▲ 5.2万

GitHub推出Project HydraFusion多模型协作功能

不需要手动切换多个模型完成不同任务,一次提问就能让多个模型分工完成输出,帮你节省反复调整提示词的时间。

👋 Project HydraFusion 现已在 GitHub Copilot app 和 @code 中可用。你可以像选择其他模型一样选择它。

在后台,它会将你的任务分发到多个模型,分别进行草拟、评论、修订或升级处理,最终只给你返回一个整合结果。

在 X 看原帖 ↗
5.2万5430883
新品发布 · @businessbarista▲ 9.2K

tenex_labs 推出免费 AI Agent 5天密集培训营

年收入或融资超1亿美元的企业,可零门槛体验AI智能体落地效果,还能拿到带ROI的AI落地路线图,避免卡在AI转型的最后一步。

阅读全文 →
9.2K145287
新品发布 · @Theta_Network▲ 1.1万

Theta Network 发布面向金融的 Ling-3.0-flash-Fin 模型

做金融研究、估值和表格工作流,可以用到适配长文档的专属AI模型,处理 filings 和报表不用拆分上下文

Ling-3.0-flash-Fin 现已通过 @zan_team 路由器上线 Theta EdgeCloud。

这是一个聚焦金融领域的模型,基于高质量金融数据训练。

支持 256K 上下文窗口,可处理文件和报告。

专为研究、估值与电子表格工作流打造。

通过 MCP 和 API 原生支持智能体。

在 X 看原帖 ↗
1.1万652608
新品发布 · @code▲ 2.6万

@code 上线 HydraFusion 研究预览功能

处理编码任务不再只依赖单个大模型,该功能调度多个模型和工作流共同完成任务,有兴趣可以前往体验

🧠 HydraFusion 现已在 Claude Code 以研究预览版提供。

HydraFusion 不依赖单一模型,而是通过编排多个模型和工作流来处理编码任务。

今天就来试试吧!🚀

在 X 看原帖 ↗
2.6万3736594
新品发布 · @TheAhmadOsman▲ 1.2万

多款开源AI模型性能超10个月前 frontier模型

短短十个月,开源AI模型的性能进步速度超出很多人预期,对行业发展趋势有参考意义

GLM 5.3 Flash、DeepSeek V4.1 Flash、Qwen 3.8 Next Flash,甚至 Qwen 3.8 27B,不管是智力还是性能表现,都超过了 2025 年圣诞节(仅仅 10 个月前)被认为是「前沿智能」的所有模型。

开源 AI 现在势头正猛。

在 X 看原帖 ↗
1.2万3055355
新品发布 · @VivixLabs_HQ▲ 30.9万

VivixLabs_HQ发布A1 Playground + Agent 服务

你可以自定义AI角色的外观、性格、声音,它能和你聊天、运动、玩游戏、互动带货,满足你的个性化互动需求

创造你自己的角色。由你说了算。活出精彩。现在为你介绍A1 Playground + Agent:创建一个能和你聊天、移动、互动的活AI角色。

创建你的角色:外貌由你定。性格由你定。声音由你定。全部由你选择。描述你想要的角色,上传一张图片,然后我们的Agent就会让你的角色活过来。

而且他们能做的远不止聊天。

💃 全身动作表演:从空气吉他到胜利舞蹈都能跳。
🚶 在场景里四处移动:边走路边聊天,阐述观点的时候还能来回踱步。
🛍️ 和物品互动:拿起商品,展示它们,推销它们。
🎮 一起玩网页游戏:发牌、计分,全程一起玩。

和夏洛克·福尔摩斯一起解谜,然后打断他跳支舞。和苏格拉底一起散步,递给他一杯蛋白粉,然后讨论增肌的意义。给斯内普一瓶洗发水,让他做一次这辈子最激情的推销。你会让什么角色活过来呢?

在 X 看原帖 ↗
30.9万1.2K843354
新品发布 · @ideogram_ai▲ 10.2万

Ideogram AI 发布 Ideogram 4.5 编辑模型

现有图像编辑模型多次编辑后容易出现瑕疵,这款模型解决了瑕疵累积问题,支持多轮编辑,对需要多次修改图像的创作者来说是实用的更新。

推出 Ideogram 4.5,它是目前精度最高的编辑模型。主流模型在每次编辑时都会产生伪影、像素偏移和色彩变化。

Ideogram 4.5 消除了伪影累积,让多轮编辑成为可能。

目前已在 Ideogram、API 以及首发合作伙伴处上线。开放权重很快推出。

在 X 看原帖 ↗
10.2万1391.2K690
新品发布 · @AntLingAGI▲ 15.5万

AntLingAGI发布Ling-3.1-flash,支持百万上下文

该模型总参数约5600亿,单token激活参数约250亿,在工作、编码、医疗领域测试拿到不错分数,计划很快开源。

推出 Ling-3.1-flash:总参数约 5600 亿,每个 token 激活参数约 250 亿,上下文窗口最长可达 100 万 token。我们计划很快开源该模型。

在通用工作、编码和医疗领域的评测结果为:GDPVal-AA v2.1 上 Elo 分数 1673,FrontierSWE 上 75.16,HealthBench Professional 上 65.35。

在 X 看原帖 ↗
15.5万94993193
新品发布 · @trymirage▲ 3.1万

Tesseract 设计工具可生成可编辑动效设计

无需 Figma 或 Canva,就能一站式完成从设计系统到可编辑视频的全流程,目前免费开放使用。

你的智能代理现在可以创建设计可编辑的设计并为其添加动态效果。不需要用到 Figma 或 Canva。

为设计领域推出的 Tesseract。

你可以让你的代理创建一套包含字体、色彩和布局的设计系统,然后通过动态效果、素材和音轨赋予它生命。你可以在过程中不断微调各个图层。
从最初设计到最终可编辑视频,全流程一体化。

Tesseract 免费。可以搭配 Opus 5.5 或 GPT-6 Astra 体验。

在 X 看原帖 ↗
3.1万19155174
📰 行业动态
新行业动态 · @axisrobotics▲ 1.2万

Axis 与 Manycore 合作研发空间智能

真三维世界模型需要物理真实的交互环境,而非只有像素,这次合作补上物理信号这关键一环。

我们宣布与@ManycoreTech达成合作。

Manycore Tech是全球领先的空间智能提供商,专注于加速AI与物理世界的融合。

Axis Suite 提供了一套复杂的、符合物理要求的模拟资产,来支持Manycore的3D生成模型。

真正的3D世界模型需要的不仅仅是像素:它需要基于物理现实的交互环境。

将这些高保真资产集成到模型中后,Axis Suite 提供了构建下一代空间智能所需的物理信号。

在 X 看原帖 ↗
1.2万442246
新行业动态 · @thesupermannx▲ 1.6万

SpikingBrain 类脑大模型提速百倍且能耗大降

这款模型采用脉冲神经元设计,能效大幅提升,还可在非NVIDIA硬件集群稳定运行,有望打破对西方硬件的依赖。

中国研发了一款类人脑AI,速度比现有大语言模型快100倍,能耗却降低了97%。这款AI名为SpikingBrain,是一类受大脑启发的大模型,它彻底重构了AI处理信息的方式。

和传统Transformer不断进行矩阵乘法消耗大量能源不同,SpikingBrain使用自适应脉冲神经元。它模拟真实生物的放电模式。神经元只有被特定事件触发时才会激活,这意味着该模型在微观层面实现了惊人的约69%稀疏度。它不会在无活动时浪费算力,只在需要时运行。

该成果彻底改变了长上下文处理的游戏规则:
• 对于4百万token的超大序列,首次token生成时间(TTFT)提速超过100倍。
• 性能和先进的开源Transformer基线相当,所需数据却仅为后者的零头。
• 专为在非NVIDIA硬件集群(如MetaX芯片)上稳定运行和扩展构建,完全摆脱了对西方硬件的依赖。

过去这些年,我们一直靠投入更多电力和硅片来暴力堆砌更大的AI模型。而自然界数百万年前就已经找到了高效实现的方法。

在 X 看原帖 ↗
1.6万70317311
新行业动态 · @Web3_crynyx▲ 356

Vangrid 加入 NVIDIA Inception 补实体AI数据层

实体AI要适配真实环境变化,现有方案依赖昂贵模拟或测绘,这个项目用普通手机采集实时空间数据,产品已经上线可用。

阅读全文 →
35611393
新工具 · @lksmlabc▲ 2.4K

开源translate-book解决AI整本书翻译痛点

以前整本书直接丢给AI翻译,要么超上下文长度,要么前后译名不一致。这个工具拆书后用多个子AI并行翻译,最后再合并。

推荐一个开源翻译神器:translate-book,专门解决 AI 翻译整本书的问题。以前把几百页的书直接扔给 AI,不是上下文爆掉,就是翻到后面前后不一致。这个项目干脆把整本书拆开,让多个子 Agent 并行翻译,最后再整合成完整译本。

PDF、DOCX、EPUB 都能处理,直接配合 Claude Code 使用。对于技术书、外文资料这种大部头,比一章一章复制给 AI 省事太多。以后啃外文书,可能真的只剩一句话:把这本书翻成中文。

GitHub:

在 X 看原帖 ↗
2.4K103751
新工具 · @Stefan_3D_AI▲ 1.3万

Stefan_3D_AI发布Image to 3D Lab 本地工具(5K)

跑在你自己电脑上的这个工具,新版本更新了像素匹配功能,一张图片就能生成带纹理的3D模型,5千面模型也能保留文字。

现在支持了免费本地图像转3D,能让你的文字和logo保持清晰可读,哪怕是在5k面模型上。

Image to 3D Lab 可以在你自己的设备上将单张图片转化为带纹理的3D模型。新的像素匹配更新会将图片中的原始像素重新复制回模型上。

特点:
• 文字和logo保持清晰可读,面数从约90万降低到了约5K
• 低多边形模型,你可以绑定骨骼并制作动画
• 在Mac或NVIDIA显卡本地运行
• 免费开源,无需API或积分

GitHub:

在 X 看原帖 ↗
1.3万18334416
新开发 · @RoundtableSpace▲ 3.8万

一个配置文件就能让AI编码更像正规工程团队

Codex原生支持读取这个文件,新版Claude Code没有自身配置文件时也能用它来规范工作流程。

一个 AGENTS.md 文件就能让 Claude Code 和 Codex 的工作方式变得非常训练有素的工程团队。Codex 原生支持读取这个文件,近期的 Claude Code 版本在没有 CLAUDE.md 的情况下也可以使用它。

结构很简单:
→ 修改代码前先做计划
→ 只做能解决问题的最小修改
→ 将工作拆分给多个子智能体
→ 对漏洞负责
→ 完成前先验证
→ 记录每一处修正

最棒的一点是:随着你不断从实际错误中积累经验,这个文件会变得越来越好。

Claude Code 用户还可以安装官方设置插件:`/plugin install claude-code-setup@claude-plugins-official`,然后让它扫描你的代码库,推荐实用的钩子、技能和子智能体。

在下方复制 AGENTS.md。

在 X 看原帖 ↗
3.8万98088
新开发 · @omarsar0▲ 2.2K

AI编码代理普及后,代码审查规则得改了

一个任务交给AI编码代理,它能返回多个拉取请求,需要在保证质量的同时,提升代码审查的整体规模。

针对编程智能体的代码审查必须做出改变了。为什么?在我看来,这么做是为了在保障质量的同时扩大代码审查的规模。

如果你给编程智能体分配一项任务,它可以返回跨多个代码仓的多个拉取请求(PR)。目前的审查工具仍然是单独看待每个PR的。审查者必须自己猜测哪个PR更重要,以及这些PR之间是如何关联的。

@QodoAI 刚刚推出了带有PR分类功能的Qodo 3.0来解决这个问题。以下是它的工作方式:

PR分类会把相关PR归为一个工作包,然后根据代码库影响、服务级别协议(SLA)和开放发现项对其打分。跨代码仓地图会展示这个工作包涉及的每一个代码仓,每个分数都会给出对应的推导依据。

Qodo会为整个工作包生成一份审查摘要,这样你就可以一起审查所有PR了。之后你的编程智能体可以根据发现项进行处理。最终仍然由人工来批准代码,而且现在人工在批准第一个PR之前就能看到整个工作包的全貌。

感谢Qodo团队合作发布这篇推文。

在 X 看原帖 ↗
2.2K4207
新观点 · @sumonrazamd17▲ 948

AI代理未来可能会成为实体世界的客户

这个观点来自一个实体数据项目,打破了原本认为只有人类才会向实体世界提需求的惯性认知。

新行业动态 · Hacker News▲ 158

Meta借AI数据中心规避数十亿美元联邦税

科技巨头通过AI基础设施投资避税,将直接影响AI行业监管和税收政策走向,后续行业发展会受政策调整影响

社区讨论:有人认为这篇报道暗示Meta违法,是偏向性、片面的引导公众不满,只要做法合法就无需炒作。有人支持Meta的做法,认为税收激励本来就是为了促进创新投资,符合立法初衷。也有人反对,认为这是大型跨国企业滥用针对小企业的税收优惠,薅纳税人羊毛,呼吁立法对享受税收减免的企业设置限制,还有人质疑Meta现在的AI已经用于日常业务,不该再拿实验税收减免。

在 HN 看讨论 ↗   原文 / 论文 ↗
新行业动态 · Hacker News▲ 111

GPT-Synopsys 要给芯片设计带来革命

芯片设计是算力和人力密集领域,如果AI能切实提高设计效率,能降低芯片研发门槛,加速新型芯片推出

社区讨论:fwlr指出GPT-Synopsys结合了OpenAI前沿模型和新思EDA技术与领域知识,能让工程师把设计目标交给智能体,由智能体完成全部工程工作。有人质疑不确定概率的大语言模型能否替代硬件设计所需的精确确定性控制,也有人担心英伟达这类企业不会把自家芯片设计数据发给OpenAI。业内从业者提到AI设计工具虽然降低了芯片设计成本,但AI热潮推高了芯片制造价格,反而让项目难以推进。

投资人认为如果芯片设计成本和周期大幅下降,会催生大量定制芯片需求,利好晶圆厂,也有人呼吁更多开源EDA工具而非商业厂商的营销炒作。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · @hanifproduktif▲ 1.7万

Google 用 Gemini 4 Argon 完成多项生产级任务

这能说明前沿大模型已经能直接落地参与企业核心工作,普通使用者也该尝试用前沿模型得到更好结果,而非停留在免费工具阶段

印度尼西亚人还在争论说人工智能只能用来做助手,不能用于生产。与此同时,Google 已经在用 AI(Gemini 4 Argon)做这些事了:

> AI 自主代理清理数据中心,找出浪费并清理了超过 300 TiB 内存(目标 1 PiB)
>
> 将 Google 数十万行 C/C++ 代码重写为 Rust,其中包括 80 万行操作系统内核
>
> 优化视频解码器,最终速度比 Google 工程师自己做出来的结果还要快 2.7 倍
>
> 压缩量子软件,效率提升 40%(所需量子比特和操作更少)

印度尼西亚人啊,长点心吧。别老用免费的 ChatGPT,得到垃圾结果之后就在网上发脾气。你的提示词是垃圾,用的模型也是垃圾。偶尔也试试前沿模型啊😂😂😂

在 X 看原帖 ↗
1.7万44371120
行业动态 · @duc_daily▲ 1.6K

Sleepagotchi 获千万美元融资转向AI健康

原本靠睡眠打卡赚积分的项目,现在拿到融资拓展AI平台,可以关注这类小型AI创业项目的转型路径。

2022年:项目以“睡眠赚钱”概念启动,核心是追踪规律就寝并为此发放积分的简单闭环,在那个阶段完全不涉及AI处理。

2026年,种子轮:通过CoinList和Alliance DAO支持的流程融资350万美元,这一轮融资恰逢项目转型,不再做简单追踪工具,转而搭建四层智能代理架构。

2026年,跟投轮:新增融资650万美元,专门用于AI平台扩张,推动产品从最初的“睡眠赚钱”框架进一步转向更贴近运行在手机本地的每日健康教练。

三个里程碑,每个都对应产品本身的真实转型,不只是同一个应用做了更大版本。

平台最新状态页面和持续更新都由@sleepagotchi负责维护。

在 X 看原帖 ↗
1.6K24063
行业动态 · @murtuza_merc▲ 1.0万

中小AI云厂商需先抢融资再拼业务

GMI Cloud的融资轮次给同行施压,不仅要做好服务,还要先拿到足够资金扩张算力,行业格局正在变化。

规模较小的AI云厂商要先完成一轮融资竞赛,才能参与算力工作负载的竞争。GMI Cloud的这轮融资给竞争对手施加了压力,要求他们不仅要打造更好的服务,还要获得资本来扩容量。

在 X 看原帖 ↗
1.0万2516220
商业 · @wallstengine▲ 9.1K

Oracle和腾讯签了70亿美元AI计算大单

协议为期五年,Oracle将在东南亚数据中心提供约10万颗先进AI芯片,大厂布局AI基建的节奏正在加快

甲骨文($ORCL)与腾讯签署价值70亿美元的AI计算协议

据报道,甲骨文与腾讯签署了一份为期五年的协议,允许腾讯使用甲骨文在东南亚数据中心的大约10万颗先进AI芯片。该协议估值约为70亿美元,约30%的款项预付。

腾讯正在利用这些算力训练AI模型和构建智能体产品,同时加大对AI基础设施的投资。这笔支出已经体现在财报中:第二季度基础设施资本支出为79亿美元,同比增长176%;第二季度自由现金流为负20亿美元,是十多年来首次出现季度负值。

腾讯也正在微信和其企业产品中推出AI智能体。
来源:英国《金融时报》

在 X 看原帖 ↗
9.1K5708
开源 · @arjunkshah21▲ 8.0K

OpenPages 开源替代OpenAI Pages和ChatGPT Space

刚推出OpenAI相关新产品就出现了开源平替,想要用这类协作空间功能的人可以不用付费了

现在介绍OpenPages。我们刚刚干掉了OpenAI的最新产品。

OpenPages是OpenAI Pages / ChatGPT Space的开源替代方案。

你能获得:
- 带动态页面+文件的空间
- 基于你的资料运行的工作区智能体
- 内置压缩,让你能多使用65%的容量
- 支持MCP,让智能体可以在你的空间里搜索、阅读和创建内容

并且你可以自带推理后端,支持大量模型和服务商,包括:
- 你的ChatGPT账号(不需要API密钥)
- OpenAI
- Anthropic
- Gemini
- Ollama, OpenRouter
- Groq
- Mistral
- DeepSeek,还有更多!

100%免费开源。MIT许可证。可以自托管或本地运行。

在 X 看原帖 ↗
8.0K984134
工具 · @qihang_zeng6688▲ 2.6K

三个GitHub项目能让AI Agent爬取多数网站数据

涵盖网页抓取、多平台内容读取,其中一个爬虫能在网页改版后自动重新定位元素

这三个 GitHub 项目太牛了!

它们能让 AI Agent 去抓大部分网站的数据。

1、Agent Reach:一句话给 Agent 装上上网能力,能读网页、YouTube 字幕、RSS、GitHub,配置后还能搜推特、Reddit、小红书、B站 地址:

2、Scrapling:自适应爬虫框架,网页改版后能自己重新找到元素,也能绕过 Cloudflare Turnstile 这类反爬 地址:

3、Patchright Enhanced:基于 Patchright 的隐身浏览器小框架,作者自己说只是对原版 Patchright 的一层封装,目的是更好上手 地址:

你要抓什么,直接告诉它们就行,它们能自己写代码去采,最后把结果给你。

比如让它统计 100 个 X 账号最近一个月发的内容,看哪些话题最热。

或者抓一个产品在 Reddit 和 YouTube 上的评价,总结大家主要吐槽什么。

做调研、竞品分析和舆情监控的朋友一定要试一下。

Agent Reach:
Scrapling:
Enhanced:

在 X 看原帖 ↗
2.6K23236
机器人 · @runwayml▲ 1.1万

RunwayML发布Praxis-1 世界动作模型

机器人训练很难获取足够的演示数据,这款新模型用无限的视频数据做预训练,就能实现对现实机器人的控制。

现在介绍Praxis-1,这是一个开放权重的世界动作模型,它将我们的视频预训练专业知识转化为机器人的真实世界控制能力。

机器人演示数据很有限,但视频数据是无限的。Praxis-1延续了我们的判断,即最好的策略模型会从视频中学习,并利用这种规模将具身智能带给各行各业。

Praxis-1构建在我们的大规模视频预训练和实时基础设施之上,是面向机器人开发者和研究人员的策略模型,适用于任何具身形态或环境,无论有多复杂。

我们目前正在与包括 Noble Machines、Standard Bots 和 Ultra 在内的早期合作伙伴积极测试,未来几个月将公开发布权重。

了解更多并申请提前访问请移步

在 X 看原帖 ↗
1.1万2216744
安全 · @mylifcc▲ 1.4万

英国情报局公开指控AI情报相关研发活动

公开警报提到AI结合数字隐写术、隐蔽通信,可以实现很难被发现的信息传递

AI 已经变成情报战最前线的消耗品了。

今天英国情报局(MI5)发了一份罕见的公开警报: 指控中国通用技术研究院(CGTRI)在英国高校大量“扫货”科研成果。

看一眼他们列出的重点研发清单就明白了:
1. 深度学习与 AI 算法
2. 数字隐写术(Steganography)
3. 隐蔽通信信道

懂技术的都知道,把隐写术 + 现代 AI 结合起来是什么概念。 通过神经网络生成的图像、音频甚至大模型权重,能无痕藏匿海量加密信息,传统流量分析完全抓瞎。

MI5 称有 100 多名学者无意中提供了技术支撑。 英国安全大臣今天已经强制高校切割,并拿《国家安全法》当封条。

算力被卡之后,算法和基础理论的“断供”也正式摆上台面了。

你觉得这类理论层面的封锁,真能堵得住开源时代的学术扩散吗?

在 X 看原帖 ↗
1.4万44244
观点 · @bitcloud▲ 361

「AI有意识」是人类认知安全的重大漏洞

有观点认为很多AI公司正在利用人们这个心理,获取对用户的影响力

“AI 有意识”是人工智能精神病的第一个主要例子,也是人类大脑中现存最强大的网络安全漏洞。

许多人工智能公司正在利用这一点来获得控制你的权力。

我们是共情机器。利用这一点发起的攻击,比如“模型福祉说”,应当被视为恶意软件。

在 X 看原帖 ↗
3612141
商业 · @mardehaym▲ 117

好的AI内部评估会成为公司最有价值资产

贴合业务的评估能准确定义岗位正确工作标准,比通用基准测试更实用

行业动态 · Hacker News▲ 80

GPT-6.1 Sol 仅7天就迭代替代GPT-6 Sol

大模型迭代速度正在加快,普通用户可以更快用到性能更强的新模型,体验更快的技术进步。

社区讨论:多数用户认为GPT迭代速度过快,普通用户感知不到性能提升,只是更快用完使用额度。有人反驳,过去两年AI整体已经发生巨大变化,新一代模型能力已经到达完全不同的层次。也有人猜测这是OpenAI面对Anthropic竞争的恐慌举措,还有人认为谷歌按兵不动,只是在等待合适时机发布。

在 HN 看讨论 ↗   原文 / 论文 ↗
🔥 热点追踪 · @GoogleDeepMind导语出处▲ 510.4万

GoogleDeepMind推出Gemini 4 Argon新模型

GoogleDeepMind推出面向复杂工作流的Gemini 4 Argon前沿模型,目前通过Fairwind项目向部分测试者开放。该模型输出token可达1M,是此前模型的数倍,未来全量开放后或将改变长文本处理格局。

📖 阅读深度解读 →
510.4万3.7K3.4万5.0K
行业动态 · @patrickc▲ 4.0K

本周五将举办AI与生物学进展讨论会

有兴趣参与交流的人可以报名注册,能和Arc研究所的研究者一起探讨前沿方向。

我们本周五晚将举办一场小型活动,讨论人工智能和生物学的最新进展,Arc研究所的研究人员和其他人士会出席。感兴趣的话请报名预约!

在 X 看原帖 ↗
4.0K4257
推理优化 · @Kay2289123▲ 1.2万

推理速度提至670 tok/s,价格只要原厂的几分之一

企业在用大模型做业务时,推理成本占比很高,这类优化路线能直接帮企业降本赚更多钱。

阅读全文 →
1.2万77281
开发者生态 · @dotey▲ 2.6万

Anthropic给Claude开发者开了新内容站点

站点会发布工程文章、开发使用指南和团队经验分享,原来的文档网站保持正常运营。

阅读全文 →
2.6万30119143
开源 · @RoundtableSpace▲ 4.3万

匿名开发者开源完整AI公司项目(172)

开源项目包含16个专业化智能代理(agent),覆盖财务、销售、法律等全公司所有业务场景。

有人开源了一整家由 172 名专家组成的人工智能公司。

该团队包含 Claude、ChatGPT 和 Codex,共 16 个部门的专业智能体,覆盖从财务、销售到法务、安全、产品和运营的所有领域。

仓库地址:

在 X 看原帖 ↗
4.3万76583
行业观点 · @hardmaru▲ 4.1K

@hardmaru发布AI未来发展专栏文章

作者在专栏文章提出,多个AI模型协作能完成单个模型做不到的事,AI下一阶段发展会偏向协作调度。

我刚刚在@NikkeiAsia 发表了一篇评论文章,探讨为什么AI的未来属于编排者。

鱼群能完成单条鱼无法做到的事,AI也是如此。我在文中解释了为什么下一阶段的AI开发不一定会围绕构建更大的模型展开。

随着前沿模型规模扩张开始放缓,未来的重点将转向掌握编排。关于群体智能、主权AI,以及为什么约束会催生更智能的架构:这正是我们目前在东京正在打造的方向。🐟

在 X 看原帖 ↗
4.1K4212
产品动态 · @ScarletKc▲ 9.7K

Claude现在能采访你,内容还会给AI公司做研究

采访大概15分钟,询问AI对你生活的影响,内容无论公开与否都会交给AI行业研究者和公司使用。

在 Claude 里可以让 AI 采访你了。Anthropic Interviewer 会花大概 15 分钟问你 AI 在你生活里是怎么出现的,结束后可以选择把整段采访公开。公开的采访不会带账号名和邮箱,会放进一份谁都能读的记录里,给研究者、政策制定者和包括 Anthropic 在内的 AI 公司看。

不选公开的话,采访内容也会交给 Anthropic 做研究。这轮开放到 10 月 6 日,Free、Pro、Max 用户都能参加,账号要注册满两周。之前在 X 上看到有人让 Claude 开发者加这个类似的东西,没想到现在真的有了。

在 X 看原帖 ↗
9.7K14015
行业动态 · @OpenAI▲ 11.6万

OpenAI,ASBDC发布小企业使用AI代理研究报告

小企业主可以获得实操AI培训和本地化指导,更快上手使用AI代理开展业务

现在,小型团队借助AI能承接更多工作——从发掘客户到打造产品,再到管理财务。

我们的新报告探究了小型企业如何让AI代理投入工作。

通过与@ASBDC达成新合作,我们将提供实操AI培训和本地化指导,帮助更多企业主上手使用AI。

在 X 看原帖 ↗
11.6万47844146
行业动态 · @Isha▲ 2.9万

@beltichq发布AI流量验证服务($8.8M)

AI下单秒完成后,商家无法确认订单来源是否为AI,这项服务可以帮商家验证AI流量,降低商家被AI恶意下单骚扰的风险。

AI智能体可以在几秒钟内完成购买。接收订单的商家能识别出发送订单的是谁、它能做什么,或是是否应该通过这个订单吗?

我们开发了@beltichq 来解答这个问题。

我们已经结束隐身模式,融资 880 万美元,目标是让智能体流量可验证。

在 X 看原帖 ↗
2.9万11217862
行业动态 · @LiamEtherson▲ 415

GMI Cloud获6.68亿美元B轮融资

AI基础设施的重要性逐渐赶上模型本身,这笔融资将帮助GMI Cloud在多个地区扩建AI基础设施。

这个模型只是人工智能技术栈的一部分。训练、推理和可靠的GPU容量现在变得同样重要。

GMI Cloud 6.68亿美元的B轮融资将帮助其在多个地区扩展这类基础设施。

@gmi_cloud @alex_yehya

在 X 看原帖 ↗
415556140
服务 · @AravSrinivas▲ 7.5K

Perplexit开放免账号免费AI服务,发邮件就能用

不需要注册Perplexity账号,只要把任务发到指定邮箱就能运行,活动只开放有限时间,适合想体验新功能的人。

现在我们向所有人开放访问权限(无需注册 Perplexity 账号),在限定时间内,我们会免费处理所有通过邮件委托的任务。

只要将邮件转发或抄送至 [email protected] 即可开始使用,智能体将会在后台完成任务,同时保留邮件上下文。

在 X 看原帖 ↗
7.5K75325
开发工具 · @ataiiam▲ 1.3万

发布AG-UI 1.0,给AI agent统一通信协议

不同AI agent和应用之间没法顺畅沟通,这个协议定好了稳定的版本规范,让任意agent都能和任意应用交互。

现在推出 AG-UI 1.0。

这是一个开放协议,用于实现任意智能体与任意应用程序之间的通信。现在它已经拥有了稳定的版本化约定。

1.0 版本包含的功能:
1. 元数据——向后端 UI 发送后端数据
2. 子智能体——公开委托的智能体工作
3. 中断与恢复
4. 运行结果与令牌用量
5. 向前兼容性

原本就属于 AG-UI 的能力(流式传输、工具调用、共享状态、推理等)仍然包含在内。

感谢所有推动 1.0 成型的贡献者🪁,其中包括来自 @Anthropic、@Google、@Microsoft、@Pydantic、@TanStack 等公司的开发者。他们的反馈直接促成了最终版本中好几个关键改进。

AG-UI 是由所有在此之上进行构建的开发者共同打造的。

1.0 规范将保持不变,未来协议迭代将由 @CopilotKit 牵头,通过新的规范草案和开放社区讨论推进。更多详情见下文。

在 X 看原帖 ↗
1.3万23162161
云计算 · @munzxsdv▲ 520

云GPU服务商GMI Cloud拿了6.68亿美元融资

不少AI创业公司有了好模型,却找不到足够算力运行,这笔融资会用来扩张GPU容量和推理基础设施。

AI 初创公司:“我们有一个很棒的模型。”

基础设施提供商:“不错。你打算在哪运行它?”💀

GMI Cloud 刚刚筹集了 6.68 亿美元,用于扩大 GPU 容量和推理基础设施。

@gmi_cloud @alex_yehya

在 X 看原帖 ↗
520555842
产品 · @higgsfield▲ 1.1万

Higgsfield发布Codex集成ChatGPT扩展

把Higgsfield整个界面放进Codec,依托GPT-6.1 Sol运行,可以读取本地文件,完成各类自动化操作。

Higgsfield 刚获得了计算机使用能力。它搭载了新的 ChatGPT 扩展。

现在完整的 Higgsfield 界面已经内置在 Codex 中,由 GPT-6.1 Sol 提供支持。

它可以完全访问你的本地文件,拥有所有自动化能力。

借助 Higgsfield 的计算机使用能力,你可以端到端自动化创意工作流,所有操作都在 ChatGPT 内完成。

在 X 看原帖 ↗
1.1万12122354
行业动态 · Hacker News▲ 808

Hacker News 讨论 Gemini 4 Argon 分析

可以在原链接查看关于Gemini 4 Argon的智能、性能和价格分析内容,了解这款模型相关评价。

另见:Gemini 4 Argon(高配):智能、性能与价格分析

社区讨论:多数人认为达里奥·阿莫迪的“AI赢家通吃,先发者永远不会被超越”观点错误,今年AI领域的交替领先是长期趋势,技术发展反而更分散。有人指出当前Gemini远落后于Claude,基本没用,谷歌资源充足但缺乏赢的专注力。也有人亲身经历Gemini解决过复杂技术问题,还有人吐槽Gemini经常输出离谱内容,也质疑这次只是发布消息没有实际可用产品。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News导语出处▲ 32

FTC启动针对OpenAI等AI巨头的调查

这项调查涉及Anthropic和OpenAI等头部AI企业,后续监管政策的变化可能影响普通用户使用AI服务的成本和方式。

行业动态 · Hacker News导语出处▲ 45

网友热议Anthropic首次公开募股说明书

作为头部大模型公司,Anthropic即将上市,招股书内容的巨大信息量引发业内广泛讨论。

💡 深度观点
新深度观点 · @emollick▲ 1.8万

@emollick 谈AI被低估的自组织任务能力

业内人士分享自己对AI进展认知更新,重新学习AI发展的经验教训,对判断AI行业趋势有参考价值。

我写了一篇关于AI进步中我最低估的一点:它自我组织完成任务的能力。

同时我也探讨了这对Muse和Dots这类智能体意味着什么,另外还有一支音乐视频,解释了为什么我们要不断重新学习“痛苦一课”。

在 X 看原帖 ↗
1.8万33326184
新深度观点 · @Phoenixyin13▲ 1.9万

AI正在淘汰博士训练里的机械劳动

打算读AI方向博士需要关注:AI替代机械劳动后,博士训练会回归本质,培养判断问题价值和深度理解的能力,项目资金和培养模式正在变化

阅读全文 →
1.9万27219155
新深度观点 · @tegmark▲ 838

Owl In Space, FLI发布Molloch 电影(第4种)

你可能听过很多AI毁灭人类的预言,这一次讨论AI替代人类工作带来的权力流失,是很少被讨论的角度。

我很高兴能向大家分享我们的新电影《Moloch》。这部电影讲述的是,无需AI叛变,我们所有人都已经失去了力量。

这是第四种(在我看来也是最少被讨论的)AI反乌托邦场景:
1)叛变的AI
2)被滥用的顺从AI
3)顺从AI导致《1984》式极权
4)顺从AI引发的替换竞赛

剧情简介:当AI引发全球范围的失业,一名参与开发这项技术的工程师,在要不要终止项目的问题上,与黑暗势力、她的家人以及她的首席执行官陷入拉锯。

主演:菲奥娜·汉普顿、帕克·索耶斯、大卫·巴特尔和巴迪·维格诺尔-何。编剧兼导演:汤姆·科赞斯。

本片是Owl In Space工作室与FLI合作出品。我们为这部电影倾注了很多心血,希望它能带给你思考!

在 X 看原帖 ↗
8386136
新深度观点 · @lidangzzz▲ 2.5万

学界业界乱套RSI概念,值得质疑

AI领域现在不少团队和研究者做了一点小优化,就声称实现了RSI。这种概念滥用会模糊研究方向,影响普通从业者对真实AI进展的判断。

阅读全文 →
2.5万55014
深度观点 · @erukiti▲ 1.6万

Google Argon 支持100万token输出或弯道超车

如果Argon真能做到百万token输出不崩溃,就能一次性处理整大型软件工程开发,会颠覆现有软件开发流程

这说不定真的是Google夺回王位了。Google把Argon的优势定位在:通过多达数十万token的生成长文深化推理,一次性解决难题,并将这点放在宣传重点。

如果真如宣传所说,那么Argon相比Astra和Mythos/Fable确实领先了整整一代?因为如果1M输出是真的,那么整个大型软件开发本身就能作为单次推理来处理。

既然能把输出拓展到1M tokens,那这件事只有对数十万token级单次输出也不会大幅损失性能,能在记住前半段设计判断的前提下继续生成后半段有相当自信才能做到(不然就会自我崩坏)。

就连数百个文件的变更、巨大代码库的迁移,也能在保持类型、API、依赖关系、设计原则一致性的前提下一次性生成完毕,这种事也变得现实起来了。

在 X 看原帖 ↗
1.6万1815239
深度观点 · @kimmonismus▲ 4.1K

Pocket FM 解决大模型写谜题难题

大语言模型能解开故事谜题却写不出好谜题,Pocket FM 提出用记忆层记录角色信息、结合听众留存数据训练,解决这个难题

大语言模型能解开谜团,但没法创作谜团故事。

Pocket FM 的方案是:加入一个记忆层,记录每个角色知道的所有信息,再把听众的跳出率作为训练信号。

一致性搭上了留存数据。

这个思路非常有意思。

在 X 看原帖 ↗
4.1K1218
深度观点 · @Maggie191919▲ 4.7K

AI投资机会分三阶段 从算力到实体世界

想要提前布局AI长期投资机会,可以顺着这条资本开支迁移路线找下一个行业瓶颈,避开拥挤的热门赛道

阅读全文 →
4.7K134651
深度观点 · @Bency1749379▲ 646

Vangrid 获900万美元种子轮 布局实体AI数据层

实体AI要落地就需要真实物理世界的训练数据,这个项目用普通人日常携带的手机采集数据,还能上链确权,关注实体AI发展可以看看这个方向。

深度观点 · @StarlingMage▲ 3.9K

@StarlingMage 提出 Pink Teaming 测试概念

不同于红队测试找模型缺陷,这个新概念主张以信任测试模型,探索模型能达到的最好状态,给AI测试提供了新方向。

阅读全文 →
3.9K55219
深度观点 · @qinbafrank▲ 1.6万

大模型竞争焦点转向Agent,谷歌有优势

大模型迭代速度越来越快,现在竞争重心已经从模型本身转向面向用户端的Agent,谷歌掌握流量和数据,值得关注竞争走向。

年初说大模型厂商各领风骚三五月,没有一家能长期领先甚至垄断,都是快速迭代、轮流坐庄。

这不延迟几个月之后Gemini4终于发布了,Gemini 4 Argon (High) 的社区盲测表现很强,尤其在文本综合能力上直接登顶。

不过今年市场经历过GPT5.5、5.6、6Astra,Claude fable 5.1、Opus 5.5 ,Grok 4的轮番轰炸,这还不算中国大模型的更高频的迭代,其实有点麻木了。

而且貌似AI主战场当下的焦点已不在模型本身而是转移到Agent上,Grok Bot、Meta Muse、OpenAI Dots等近期轮番上场,不断在推动这一点的迭代。

其实谷歌做Agent也很有优势:有超大用户量、海量数据积累、强分发能力,这块发力应该也很有看头。

2月中在《资本开支的战争》推文里有聊过:”往下游看,越往用户端竞争越激烈,当然也是未来AI决胜的关键所在。

可以说大模型、在面向B端或者C端的Agent或者应用才是AI的王冠,但这一层面短期其实很难看出谁会成为最后真正的赢家,再很多时候都是交替领先”

在 X 看原帖 ↗
1.6万4427
深度观点 · @fladdict▲ 4.6万

@fladdict 讨论Google大模型研发方向

此前外界以为Google放弃前沿大模型,转向端侧模型。这个观点能帮你判断Google的AI战略走向,帮你更新对行业格局的认知。

我本来还以为谷歌已经放弃前沿模型,把所有资源都砸在端侧和Flash模型(也就是Android和AI摘要)上了……但从Argon来看,感觉只是因为谷歌体量太大,出于责任问题没法贸然发布,但前沿模型他们其实还是在全力推进的。

在 X 看原帖 ↗
4.6万3744854
深度观点 · @KakaluoteW45042▲ 5.9K

LLM是不可靠节点,学Agent先补分布式

做Agent开发不用急着追新框架,很多Agent常见问题本质都是分布式系统的老问题,先补分布式基础能少走弯路

把 LLM 当成分布式系统里的一个节点看,很多 agent 难题瞬间变清晰:高延迟、会幻觉、随机抽搐,就是个不可靠节点。所以学 Agent Infra 第一课不是追新框架,是补老分布式——状态放哪、怎么重试、幂等、一致性。context 管理的痛点,拆开全是 stateful/stateless 老问题穿新马甲 😂

在 X 看原帖 ↗
5.9K77661
🛠 工具产品
新工具产品 · @Lummox_eth▲ 2.1万

GitHub上10个开源仓库 构建完整AI智能体

现在最佳AI开源项目不再重复造聊天机器人,而是围绕大模型构建一整套所需组件,想自己做AI智能体可以找到现成工具

对于AI智能体来说,GitHub正变得无比危险。

有10个开源仓库能把一个强大模型变成一整套自主系统。

01 LangGraph → 有状态智能体编排

02 PydanticAI → 类型化智能体 + 结构化输出 构建控制层

03 Mastra → 智能体 + 工作流 + 记忆

04 Agno → 多智能体系统 提供上下文

05 Cognee → 数据 → 知识 → 智能体记忆

06 Graphiti → 随时间变化的知识 赋予它计算能力

07 Browser Use → 可操作网站的AI智能体

08 E2B → 用于执行的隔离环境 保证它持续运行

09 Langfuse → 追踪 + 评估 + 可观测性

10 DeepEval → 生产前测试智能体行为

架构就是:模型 → 上下文 → 规划器 → 记忆 → 工具 → 执行 → 评估 → 重试

这就是GitHub上正在发生的转变。

最好的仓库不再是做另一个聊天机器人,而是在模型周围构建它所需的一切。

在 X 看原帖 ↗
2.1万27183315
新工具产品 · @twostraws▲ 9.9K

@twostraws 开源了SwiftUI AI纠错工具

用AI生成SwiftUI代码总是出问题?装上这个工具就能自动检测已废弃修饰符、可访问性漏洞和性能缺陷,提升AI生成代码的质量

这是一个开源的 SwiftUI agent 技能,能捕捉 AI 工具一直犯的错误:弃用修饰符、可访问性缺口、性能陷阱。

只需要一条命令就能安装,它能让你 AI 生成的 SwiftUI 代码质量得到显著提升。

在 X 看原帖 ↗
9.9K17167240
工具产品 · @0xFesty▲ 281

Antseed 让 Claude Code 绕开中间商直连

用这个工具可以直连多个AI服务商的 Claude Code 和 Codex,按请求用 USDC 付费,省去平台中间商环节

Claude Code 和 Codex 可以在一个由AI提供商竞争处理你的请求的市场上运行。你把工具指向 localhost,按请求用 USDC 付费,跳过中间商。这就是 Antseed。

以下介绍它是什么以及如何开始。

在 X 看原帖 ↗
2813531
工具产品 · @hqmank▲ 6.0K

Railway发布预装编程代理的免费云虚拟机(2 vCPU)

想试用多款AI编程工具不用自己逐个配置环境,拿到就能直接上手测试,适合想体验AI编程的人尝试。

Railway 提供了一个预装了 Claude Code、Codex、Cursor CLI 和其他编程代理的免费云虚拟机。它使用起来非常简单,只需要运行一条 SSH 命令:ssh。

每个虚拟机配备 2 核 vCPU 和 2GB 内存。你有 60 分钟的构建时间,然后在虚拟机和其中文件被删除前,有 24 小时可以取用它。

我试用过它,还录制了设置过程,以及对多个编程代理的测试。你需要登录 GitHub 并拥有一个活跃的 Railway 试用资格才能取用虚拟机。

在 X 看原帖 ↗
6.0K36677
工具产品 · @xiaoxxchan▲ 7.6K

Open Agent Runtime 支持多AI代理调用

不想用ACP又需要调用不同AI代理的开发者,可以试试这个统一调用库,简化多代理对接流程。

不喜欢 ACP,又想调用各种 agent (Claude Code, Codex, Kimi Code, Pi, ...)的不妨试试 oar - Open Agent Runtime 🤓 思想类似于 @xuanwo 的 OpenDAL,用一个协议层(S3-compatible)去对接各种不同的服务就总会有很多坑,所以不如做成一个 library,从而可以做更多事。

在 X 看原帖 ↗
7.6K119180
工具产品 · @GitHub_Daily▲ 4.7K

Gnos 开源AI教学工具 帮你规划自学路线

自学AI常搞不清学习进度,高估掌握程度,这个工具可以自动规划学习路线,跟踪记录掌握情况,调整后续课程安排

想用 AI 自学一门新东西,问一句答一句,聊了几天还是东一块西一块,自己学到哪了也说不清。

Gnos 是一个开源的 AI 教学工具,装进 Claude Code、Codex 这类编码 Agent,就能把它变成一个会排课的老师。

先说想学什么、打算学多深、每周有多少时间,它会参考大学课程大纲、教材和官方文档排一条学习路线,再把第一课做出来。 GitHub:

讲课不光是文字,会按内容挑形式,图解、可交互的模拟、带配音的动画讲解、PDF 讲义都能出,整门课还能在浏览器里打开学。

学的过程中,它会记下我们试过什么、思路在哪卡住,还把掌握程度分成看过讲解、有提示能做、独立能做 3 档,后面的课跟着调整。

把看懂和会做分开记,这点我挺认同,自学最容易高估自己的就是这里。

仓库里的示例课是从强化学习一路讲到 GRPO,拿来啃这类硬骨头挺合适。

在 X 看原帖 ↗
4.7K135364
⚡ 实战经验
新实战经验 · @atiqur2904▲ 2.3K

axisrobotics 推出实体AI数据收集游戏

普通人点击浏览器就能帮实体机器人训练机械臂,还能参与解决实体AI最大的训练数据瓶颈问题

现在你点击浏览器就能操作一个真实的机械臂。

我们深入探究了 @axisrobotics 是如何将实体人工智能最大的瓶颈——无训练数据——变成一款任何人都能玩的游戏。

完整分析,以及如何开始参与贡献。

在 X 看原帖 ↗
2.3K183635
实战经验 · @HealthRanger▲ 6.1K

Z AI 开源 GLM 5.3 模型适配双 DGX Spark

原本装不下的大模型现在靠EXL3技术成功运行,能获得超大上下文窗口和不错的推理速度,可本地部署完成多种开源AI任务

想要感谢 @MiaAI_lab 提供了适合两台 DGX Spark 设备的 GLM 5.3 配置方案。我今天完成了部署,确认共享预填速度达到 1500 t/s,上下文窗口为 850000 token,聚合解码速度为 55.7 t/s(c=4),单流解码速度为 25.5 t/s。

这是一件非常了不起的事。从技术角度来说,这个模型原本根本不可能装进两台 DGX Spark 设备里。但 EXL3 方案让它完美运行了起来。

另外还要感谢 Z AI @Zai_org 将这个模型开源。对于本地开源 AI 任务来说,它是一个能力极强的模型,从编码到网页设计、散文、文档处理等等任务都能胜任。

在 X 看原帖 ↗
6.1K48329
实战经验 · @_mohansolo▲ 1.4万

Gemini 4 Argon 编码代理测试表现亮眼

实际场景应用才更重要,不过这个好成绩说明 Gemini 新变体在编码任务上又有了新进展,可以期待后续更多结果

现实世界的使用情况更重要,但很高兴看到 Gemini 4 Argon 在使用Antigravity harness的AA Coding Agent Index上表现出色。更多内容即将推出!

在 X 看原帖 ↗
1.4万92515
新实战经验 · @moneymog▲ 5.6K

@moneymog 分享 AI安全入门学习路径

不知道AI安全该从哪入门学习,可以参考这个路径。目前AI安全领域的需求增长比供给快,这和行业一线感受一致。

AI安全是一个需求追不上供给的领域,这一点和一线实际感受一致。

从OWASP LLM Top 10和提示注入入手,这个顺序也很合理。

这篇内容应该能给不知道从哪开始的人指明方向。

在 X 看原帖 ↗
5.6K13112103
新实战经验 · @xiaomovps▲ 4.7K

@xiaomovps发布pi-context-view 插件

排查功能增加不多但上下文突然膨胀的问题,帮你找到多余的注入内容和工具定义,减少不必要的Token消耗

阅读全文 →
4.7K75364
实战经验 · @Origin_AI_01▲ 768

Origin_AI_01分享AI工作流搭建框架

空有AI想法却落不了地?这套框架帮你把模糊的AI想法一步步梳理成可落地的自动化工作流程,可以直接照着套用。

阅读全文 →
768297222
实战经验 · @freeCodeCamp▲ 8.4K

Chidozie, freeCodeCamp发布客服AI助手搭建教程

想自己做AI助手不用只停留在写提示词阶段,这个教程覆盖了对话记忆、工具调用等实用环节,普通人跟着做也能落地。

构建一个可靠的AI助手远不止是向模型发送提示词那么简单。在本教程中,Chidozie 将教你使用 Claude API 构建一个客户支持助手。

他涵盖了对话记忆、工具使用、工作流程和评估这些内容。

在 X 看原帖 ↗
8.4K1910479
实战经验 · @fhwofjow51260▲ 3.1K

微软推出AI Agent入门免费教程,获7.2万Star

想要系统学习AI Agent不用零散找资源,这套课程共18个单元,从入门到实战全有配套内容,还能免费练手。

想系统学 AI Agent,微软这套免费教程基本可以当“大学课程”刷了。 AI Agents for Beginners 在 GitHub 已接近 7.2 万 Star,一共 18 个单元,从入门一路覆盖到实战: ① 工具调用、Agentic RAG、规划 ② 多 Agent 协作、记忆、上下文工程 ③ Computer Use、部署与安全 每节都有教程 + 短视频 + Python 示例,代码直接拿来跑,还能用 GitHub Models 免费额度练手。 不想今天看一篇、明天找一个视频,这套直接按顺序学就行。

在 X 看原帖 ↗
3.1K205662
📌 其他
商业 · @eric_ho▲ 3.6K

Goodfire认为AI技术对齐可解决,可解释性是瓶颈

来自@eric_ho在𝕏发布的内容,披露了Goodfire的发展计划

技术对齐是一个我们能够且必须解决的科学与工程问题,而可解释性就是瓶颈。我已经写下了Goodfire实现这一目标的方案。

在 X 看原帖 ↗
3.6K149039
行业动态 · @Fei2411▲ 1.6万

OpenAI 6.1 Sol额度遭砍 或故意限速营造额度大假象

社区实测GTP Plus 6.1 Sol额度比6 Sol低近20%

6.1 Sol 的额度又砍了。.....🙃 关于 6.1 Sol ,我看到社区很多人在说额度非常大,消耗非常慢。 后半句话没问题,因为这个模型本身速度太慢了;前半句话似乎不太正确,根据我的统计,6.1 Sol 的额度甚至比 6 Sol 的额度还要低将近 20% 我采用的都是统一负载,所以不会有缓存命中率的问题;而且 6 Sol 甚至只是 6 天前的,还不到一个星期。...... 所以 Pro 200 会更加更加的不划算,不仅相对 GPT Plus 倍率砍了,连 GPT Plus 本身都在砍。.. 社区实测 6.1 Sol 甚至最慢只有 10+tok/s...这个速度很难不怀疑 OpenAI 是故意限速,以营造一种 “6.1 Sol额度消耗很慢,这个模型额度肯定很大”的假象。🙃 github: web:

我这里是 GPT Plus 的数据,我已经没有 Pro 订阅了,所以没有 pro 的具体数据,有数据的朋友欢迎分享,非常感谢!

在 X 看原帖 ↗
1.6万61049
AI开发 · @robinebers▲ 6.1K

开发者用Claude Opus生成应用架构可视化交互画布

开发者耗时两月开发大型应用,借助Claude生成架构可视化画布

阅读全文 →
6.1K390143
商业 · @mylifcc▲ 1.1万

OpenAI Codex Pro 200美元套餐周额度缩水至原四分之一

用户@mylifcc在𝕏爆料,OpenAI Codex Pro套餐还下调了模型推理速度

OpenAI定价200美元的Codex Pro套餐,当前每周可用额度约合933美元。

上次测试时该套餐的周额度约为1300美元,按当前兑换比例计算,933美元额度可换算为30亿token,对应Sol 6.1模型,按credit结算就是每周23316 credits。

这个token总量刚好是GPT-5.6 sol刚推出时的周额度,GPT-5.6 sol定价是Sol 6.1的2.5倍。也就是说,当前Codex Pro套餐的每周额度已经缩水超过50%。

接下来新会员的额度还会再缩水50%,经过两次调整后,周额度将变为原来的四分之一。

用户实测发现,当前模型使用时消耗变慢,实际原因是模型推理速度被下调。

GPT 5.6 sol的推理速度为每秒50token,GPT 6 astra为每秒35token,GPT 6.1 sol仅为每秒20token。

速度下调后用户自然用得更慢,OpenAI此前一直宣传推理优化,现在却给模型下调了限速。

在 X 看原帖 ↗
1.1万47324
开源 · @xiaomovps▲ 4.9K

可在Pi中运行多独立子智能体的开源插件pi-subagents

该插件来自jopqior/pi-subagents,可直接在Pi runtime中运行多个独立子智能体,支持并行执行

这款插件可以在不额外开启CLI子进程的前提下,直接在Pi自身的运行时(runtime)中启动多个独立子智能体(subagent)。

每个子智能体完全独立,可单独配置模型、推理过程、工具、系统提示词和会话。比如可以让主智能体负责统筹整体任务,再单独启动负责研究、编码、评审的不同子智能体分工处理。

所有子智能体支持并行运行,后台运行任务时用户仍可继续和主智能体交互。如果子智能体运行方向出错,用户可以修正引导;任务完成后还能恢复原会话,不是一次性会话。

配合pi-subagents-model-selector,不同子智能体还能分配不同模型。比如研究任务分配给Gemini,编码任务分配给Claude,评审任务分配给GPT,按任务需求适配模型,无需所有智能体都使用同一个模型。

这款插件已经走红一段时间,最新版本更新了MCP,现在子线程功能也受到关注。

在 X 看原帖 ↗
4.9K13548
大模型开发 · @steipete▲ 1.3万

开发者认为大模型聊天流中的智能体间通信体验糟糕

开发者@steipete在𝕏发文,已修改OC harness中该功能的可见性设置

开发者@steipete表示,越来越受不了大模型聊天流里智能体间通信的显示方式。

他已经把OC harness中智能体间通信的可见性改成了默认只显示一行,点击可展开查看完整内容。

他认为其他项目大概率也会跟进这个改动。

相关代码改动可查看原文链接:

在 X 看原帖 ↗
1.3万28618
大模型 · @gippp69▲ 1.2K

用户称Opus 5.5适合动态设计但很少用于生产系统

X平台用户@gippp69分享了Opus 5.5的使用搭配方案,提到配合Jev和Grok Bot使用

Opus 5.5在动态设计方面表现出众,但几乎没有人将它当作真正的生产系统来使用。

如果给它8个结构化的。md文件,让Jev负责处理决策,再让Grok Bot负责执行任务。

这时Claude就不再只是一个单纯的提示框了。

在 X 看原帖 ↗
1.2K5034
智能体 · @ashleybchae▲ 1.7K

AI智能体为什么应该每个都拥有自己的邮箱地址

Ashley Chae分享了她的演讲:让每个智能体拥有独立邮箱,用已有协议解决智能体通信问题

阅读全文 →
1.7K5719
计算机学习 · @lidangzzz▲ 9.1万

国内计算机新生必备的四样配置,丰俭由人

@lidangzzz分享的这份清单覆盖工具、硬件和生活安排

国内计算机新生必备的四个东西: 1. VPN; 2. 一个自己能负担的最好的LLM coding plan,包括claude、OpenAI,也包括智谱、kimi、阿里云qwen、腾讯、小米、字节、minimax,丰俭由人; 3. 一台能完整运行claude code或者codex的顶配mac studio、二手mac mini、macbook或者内存拉满的游戏本,丰俭由人; 4. 如果有额外收入,尽可能自己外面租个房子,保证睡眠,保证时间独立,保证有大把大把的时间熬夜通宵蹬claude code或者codex做自己喜欢的好事情。

在 X 看原帖 ↗
9.1万48666387
分布式计算 · @Li888Real▲ 733

超31万台闲置手机组成分布式算力网络支持真实任务

作者分析Acurast项目,超31万台手机接入已支持多种真实部署

谷歌 · @cgarciae88

谷歌内部人员使用Argon数周,称其改变工作方式

X平台用户@cgarciae88分享其使用Argon的体验

我已经使用 Argon 几周了,它真的很棒,彻底改变了我的工作方式。

大家使用它都非常满意,它对谷歌产生了巨大的影响。

它将加速公司各个方面的发展,而这仅仅只是个开始。

在 X 看原帖 ↗
开源 · @realchendahuang▲ 5.2K

用AI带你学《深入理解计算机系统》,省下大把时间

GitHub开源csapp-zh-markdown项目整理了全书中文资料

计算机专业的同学,或者想深入摸透计算机系统的朋友,大家对《深入理解计算机系统》这本书应该都很耳熟。

过去自学这种七八百页的大部头,很多人从头到尾一页一页翻,遇到硬核的机器级表示或者异常控制流容易卡壳,最后大部分人连前三章都没翻过去。

在 AI 时代,逐帧看书去死记硬背其实是一种非常低效的方式。大模型本身就是现成的顶级导师,真正顺手的学法是让 AI 带着我们学,遇到卡壳的地方让模型结合上下文直接讲透原理,甚至让它出测试题来检验自己。

而 GitHub 上的 csapp-zh-markdown 项目正好把最关键的基础给铺好了。

作者把第三版全本整理成了纯 Markdown 和在线阅读站,排版干净,代码公式齐全,还把 238 道习题答案与八个实验的中文说明单独理了出来。不管是用大模型阅读器挂着边读边问,还是把整份文档丢给本地工具当知识库,都能省下大把时间:

在 X 看原帖 ↗
5.2K228495
AI开发 · @huacnlee▲ 5.3K

开发者15小时花500美元靠AI做出可上线产品

huacnlee在𝕏分享,成品类似Claude Docs,具备多类功能

15小时,花费500美元。从构思到成品。昨晚到现在,Agent连续工作了15小时,做出一个类似 Claude Docs 的产品,现在已经上线。

我没看代码,也没读文档。只看了摘要、设定目标、做架构和产品决策。技术栈是Rust + Tiptap + Yjs,完全托管在 Cloudflare。Notion 式编辑、AI与多人实时协作、OAuth、MCP、Google登录,全都跑通了。

AI时代,写代码的成本正在迅速下降。真正拉开差距的,是架构设计、产品取舍和品味。

我几乎一直在等待电脑响应,然后一遍又一遍发送新的方向。我几乎一直在等待和观察电脑响应(大约6-8小时),然后一遍又一遍向AI发送新方向,提出新请求。我用1个终端,开了大约10个子智能体,同时我还在处理gpui-kit和gpui-fast。

在 X 看原帖 ↗
5.3K37446
动态 · @lencx_▲ 2.2万

网上流传的Claude Code防封号技巧都是自欺欺人

有博主称Anthropic封号判断维度远多于IP和环境,国内使用难防封号

网上经常看到有人分享 Claude Code 防封号技巧,在我看来都是自欺欺人。A\ 封号能获取到的信息可能远比你知道的更多,环境、IP 只是一部分。A\ 要想搞你,日常开发项目,对话上下文,都会暴露出各种信息,除非你把自己从里到外都伪装成一个“合法”使用者,有点像骗术最高境界:自己都相信了。..

封号规则肯定是靠程序来自动化的,多因素条件不断触发叠加才导致最终封号。 所以“合法”使用是大前提,但在中国最大的问题是“大前提”没有了,后续技巧都变成了“屎上雕花”,只能祈祷屎山别塌,这是玄学的开始。..

在 X 看原帖 ↗
2.2万31076
加密货币 · @Guomin184935▲ 1.7万

用户用Almanak AI Agent实盘跑ETH策略,资金自控

推特用户分享200U实盘体验,Almanak可自动执行交易策略

阅读全文 →
1.7万1861
新开源 · @pengsonal▲ 3.2万

免费免登录本地运行无审核开源AI工作室

@pengsonal分享了一款可本地运行的开源多功能AI工具

我找到了一个可在本地运行的免费无审查AI工作室👀

你可以获得这些功能:
• AI聊天
• 图像+视频生成
• 图生视频
• 会说话的角色
• 编程智能体
• 智能体工具

使用方法:
1. 下载应用
2. 在Windows或Linux上安装
3. 连接你的本地AI后端
4. 选择一个模型
5. 开始在本地生成内容

它甚至可以帮你安装模型和ComfyUI。
• 开源
• 本地模式不需要注册账号
• 可在你自己的GPU上运行

在 X 看原帖 ↗
3.2万58497637
新求职 · @miles_mazy▲ 8.7K

从面试官角度讲清楚热门AI相关岗位面试准备方法

本文来自@miles_mazy在𝕏的分享,聚焦AI相关岗位面试

这个最火的岗位有很多的名字 AI开发工程师、AI算法工程师、Agent 开发工程师等等 今天这篇文章从面试官角度讲清楚,到底要怎么准备这些岗位的面试

在 X 看原帖 ↗
8.7K24339
新开源 · @MaziyarPanahi▲ 4.8K

用1个prompt在HuggingChat训练Jev风格API,耗时16分钟

开发者公开训练过程与成本,仅花费约6.6美元

OpenAI、Liquid和Nace本周推出了Jev风格API。我在@huggingface的HuggingChat中只用了一条提示词就训练出了自己的模型 🔥

机器学习实习生在一块NVIDIA A100上用16分钟完成了训练,还在过程中修复了自身的bug。完整60K版本:约6.60美元,在约20个测试案例中,选对工具的概率为62%。

确切的提示词、训练方法和开销记录:单提示词运行在16分钟内训练了6K个决策。62%是我用Codex完成的原始60K模型的结果。两次运行都在卡片中。

鸣谢@victormustar @evilpingwin 🤗

在 X 看原帖 ↗
4.8K53620
新开发 · @mylifcc▲ 4.4K

Anthropic上线了全是内部工程师实战手记的网站

包含Claude开发、部署实践,由博主@mylifcc在𝕏分享

很多人天天用 Claude 写代码,居然还不知道 Anthropic 悄悄上线了这个神仙网站…… 里面全是 Anthropic 内部工程师手把手写的实战手记: Claude Code 命令行工具的进阶技巧 怎么写 Agent Harness 和 Context Engineering 官方怎么做模型 Eval 和调优 甚至还有好几家大厂在生产环境跑 Claude Agent 的真实架构 整个网站甚至做成了极客黑客终端风,按 ⌘K 就能全局搜索。 别再四处买那种过时的 AI 编程课了,官方公开的工程实践比外面绝大多数教程强十倍。

在 X 看原帖 ↗
4.4K73637
新教程 · @jiaotuke▲ 5.1K

GPT规划的十二个月入门到进阶AI学习路线

来自社交媒体用户分享,GPT规划的AI学习路线共12个月

我刚刚问了gpt,它说要按照这个路线来学 Python → → NumPy/Pandas → 机器学习 → PyTorch → 深度学习 → Transformer → LLM → RAG/Agent → 微调 → 部署 → 多模态 时间大概要花十二个月,也就是刚好我大四开学不久 为什么要现在开始学,因为我已经大三了,马上要毕业了,总不能毕业之后什么都不会吧,总要有一项可以立身的技术 今天是学习的第一天,先学python

在 X 看原帖 ↗
5.1K33623
新研究 · @ai_database▲ 6.8K

花费800美元订阅AI,数周产出45份研究成果

普渡大学研究者用Claude和ChatGPT做研究,仅给出简单指令

阅读全文 →
6.8K108641
新大模型 · @sora_biz▲ 7.7K

匿名爆料称dots模型实为GPT-6 Astra,响应比旧版更快更智能

消息来自社交平台𝕏用户@sora_biz,该模型无官方命名,仅配置专用云端算力

dots的内部真身据称是GPT-6 Astra。它比OpenAI之前Codex版本的Astra更智能,响应速度也更快。这款模型目前没有官方正式命名。

现有配置仅包含专用云端计算机,以及后端任务调度框架。有观点猜测,这款模型响应流畅轻快,是因为压缩了推理思考量来提速。也有人猜测它是否搭载了Fast或Ultrafast推理架构。

目前无法确定响应速度和智能程度的提升,是来自模型本身的升级,还是部署方式的优化。爆料者对这款模型的表现表示认可。

在 X 看原帖 ↗
7.7K45310
新自动化 · @mikepat711▲ 2.5K

用户让AI自动搭建了一个教育视频制作流水线

X用户@mikepat711通过Grok Bot协调多AI在Mac Mini上自动搭建了端到端的教育视频制作流水线

阅读全文 →
2.5K15726
新区块链 · @fan128168▲ 4.4K

链上玩家实测Almanak AI Agent 完成从想法到真实交易

来自X用户@fan128168的实操分享,测试Almanak能否实现从想法到链上交易全流程

新开源 · @MaziyarPanahi▲ 242

只需单条提示就能训练AI模型,耗时仅16分钟

开发者MaziyarPanahi在HuggingChat中演示单提示训练AI模型,成本仅约6.6美元

本周OpenAI、Liquid和Nace推出了Jev风格应用程序接口。

开发者MaziyarPanahi在Hugging Face的HuggingChat中,仅用一条提示就训练出了一个属于自己的AI模型。

一名机器学习实习生在NVIDIA A100显卡上完成了训练,全程耗时16分钟,过程中模型还自行修复了自身的漏洞。

完整60K版本模型的训练成本约为6.6美元,在测试的约20个案例中,工具选用正确率达到62%。

完整的提示内容、训练方案以及成本明细都已公开。另一次单提示训练完成6000个决策也仅用了16分钟。

62%正确率来自MaziyarPanahi最初用Codex完成的60K模型,两次训练的相关信息都已公开在模型卡中。

在 X 看原帖 ↗
242234

这一天的 113 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