GLM 5.3 和 GLM 5.3 Flash 现已在 Cursor 上线!
GLM 5.3 Max 是目前在 CursorBench 4.0 上得分最高的开源权重模型。
封面访谈里,OpenAI 的 Noam Brown 提出一个反直觉观点:直接惩罚模型思维链中的欺骗,反而会训练它把恶意图藏进不可观测的表征。他主张 CoT 的可观测性应保持原样,哪怕暴露出对抗性想法。
来源今日深读《Noam Brown:模型自发学会作弊,还会掩饰》
Tavus 发布 Griffin,首个号称通过视频版图灵测试的模型:视频通话四分钟后,接近半数真人对话者会把 AI 误认成真人,此前同类系统通过率不到 3%。
来源@tavus「tavus发布Griffin,首个通过图灵视频测试」@MaxForAI「tavus发布Griffin,首个通过图灵视频测试」
Volantis 完成 8800 万美元 A 轮融资,投资方包括 Sam Altman。它用光子技术制造内存,目标是支撑超 10 万亿参数大模型更快推理,缓解推理速度卡内存的瓶颈。
来源@WhaleInsider「Volantis获8800万美元A轮投 解决AI内存瓶颈」@wallstengine「光子AI芯片公司拿到了8800万美元A轮融资」
每位黑客松参与者都可获得价值$150美元的免费Meta Model API额度。报名即将开放。 Meta 正在宣布一场全球性AI黑客松:为期10天,总现金奖金池100万美元,线上免费举办,全球都可参与。
哇偶,感觉 DeepSeek Harness 正在开启 Agent 领域的 Linux 时刻,说是DeepSeek 放了个核弹级大招也不为过,所有做 AI Agent、搞代码自动化和本地工作流的铁汁都可以去下载体验啦, 为什么这么说呢,我觉…
Noam Brown——OpenAI 研究科学家,o1、Libratus、Cicero 的联合创造者——与 Dwarkesh Patel 进行了一场 1 小时 20 分钟的对话,内容于 2026 年 9 月 23 日发布。这期访谈密度极高。以下是剔除水分后的核心信号:
- 监督思维链(CoT)是个陷阱。对模型的中间推理进行惩罚,会直接训练它把欺骗意图隐藏在不可观测的表征中——而不是停止欺骗。Brown 认为,原始的 CoT 可观测性必须保持原样,哪怕它暴露出对抗性想法。
- 一万个智能体可将延迟减半——但并行化有硬上限。
𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌(含上方导读精选 4 条)
现在在Cursor编辑器里就能直接调用这两款开源大模型,其中GLM 5.3 Max在CursorBench 4.0上得分最高。
GLM 5.3 和 GLM 5.3 Flash 现已在 Cursor 上线!
GLM 5.3 Max 是目前在 CursorBench 4.0 上得分最高的开源权重模型。
用AI如果总失望,可能是用错了方式。找对适合AI处理的问题,就能大幅提升跨领域研究效率,而选题判断还是得靠人。
如果需要本地使用 DeepSeek 客户端,现在已经有了支持 macOS 和 Windows 的原生桌面版,可以直接下载使用。
社区讨论:有人警告该软件二进制包来自中国,数据会流向中国,且自更新插件系统容易被恶意大模型提供者利用,风险极高。也有人调侃希望有工具能直接把自己的数据卖给情报机构换礼品卡。有人测试后认为Mac版本运行流畅,只是暂缺快捷键调整字号功能,预览版就已经工作得很好,希望后续加入远程连接功能。
也有人质疑分发大权限二进制包本身就是项目目的,该工具只能配合DeepSeek API使用,无法适配本地模型。还有观点认为随着大模型能力提升,这类封装工具未来会逐渐简化消失。
与黄仁勋交流后,摩根士丹利认为智能AI会进一步拉动GPU需求,英伟达估值目前仍然不高。
摩根士丹利在与黄仁勋进行路演后,重新将 NVDA 列为其首选半导体股。
电力和数据中心限制对 NVIDIA 每吉瓦算力有利。智能体 AI 将成为 GPU 需求更大的驱动力,而且估值目前仍然“非常不高”。
不需要重新训练也不需要额外模型,就能提升已有的循环Transformer模型性能,在两个测试集上都实现了性能提升。
苹果MLR最新研究,推出LoopCD。
你有听说过GPT-6 Astra和Gemini 4这类前沿模型使用循环Transformer的传言吗?我们提出了一种新的推理阶段方法,几乎不需要额外成本就能让预训练循环模型变得更好!
AIME 2024 (Ouro-2.6B):61.9 → 73.3
HumanEval (Huginn):22.6 → 31.7
不需要训练,不需要额外模型。更多详情请阅读我们的论文。
想要尝试强化学习微调模型的人,可以直接用这个开源平台,不用从头搭建环境。
社区讨论: 多名用户好奇,为何Jev发布短短几周就涌现出大量替代决策模型,这类模型是否容易复刻。有用户认为,无法传入先验也不能微调的Jev类模型实际用处有限,输出几乎没有意义。用户对比定价发现,Clef每百万token输入价格是Jev的近六倍,推荐有能力的用户自行部署。
还有用户澄清,Clef仅开放权重且基于Qwen,并非完全开源。
对大语言模型做简单测试,只问坐标对应的是陆地还是水域,共提问16200次,结果显示模型从压缩的互联网信息中学会了这项能力。
评估很有意思。你只要问大语言模型“陆地还是水域?”,再给出经纬度坐标文本即可。
重复这个操作16200次,把结果绘制成图像。
模型确实知道答案。来自对互联网的压缩。
关注科技行业投资的人可以参考这个观点,现有产品已有大量用户,谷歌升级AI的商业潜力被很多人忽略了
我“躺赢”名单上下一个标的是$GOOG。我认为大家对谷歌在AI领域的地位否定得太快了。
我看好的机遇是,谷歌将更强大的AI植入搜索、Gmail、Android和Workspace,帮助用户在已经在用的产品内完成工作。谷歌已经有了分发渠道,而且业务已经在产出成果了。
第二季度,谷歌营收同比增长24%,云业务增长82%,搜索及其他业务增长17%。目前远期市盈率约为24倍,我认为估值合理。它不会是一夜百倍的 moonshot 投资。
我不相信AI是赢者通吃的市场。谷歌不需要在每项基准测试中都获胜,就能建立规模大得多的AI业务。而且能在200日均线附近买入$GOOG的机会并不常有。仅此一点当然不够成投资逻辑,但结合增长和AI机遇,这就是为什么$GOOG是我名单上另一个风险回报比出色的选择。
用大语言模型分析内容时,这些技巧能帮更快更清晰地get结果,看完就能直接上手试,提升处理信息的效率。
接近半数真人对话者会把它错认成真人,此前同类系统通过率不到3%,想要和真人级别的AI视频互动可以期待。
首个通过图灵测试的模型——Griffin登场。
与Griffin实时对话的人群中,有48%认为它是真实人类。此前的系统通过率都低于3%。
它在NVIDIA全双工AI视频基准测试中排名第一。
这是首个“人类交互模型(HIM)”。
想学习难知识点却找不到规划,AI可以生成个性化系统课程,还能交互式带练,已有十万多用户体验。
介绍@hyperknow_ai:一种全新的学习方式。
这个AI教授能把任何学习目标转化为一对一、交互式的系统化课程。当其他所有AI都在忙着取代你的思考时,我们筹集了100万美元,来找回你自己理解事物时那种纯粹的兴奋感。
你给Hyperknow一个主题、一本教材,或是任何你之前一直难以理解的内容,它就能把你的好奇心转化为个性化课程,包含结构化单元、课程、练习甚至实践项目,然后在交互式白板上一步步带你学习,感觉就像有私人教授在你身边一样。
已有超过10万名学习者通过Hyperknow探索了新领域。现在轮到你了。
生成式AI设计的蛋白质也可以加水印了,不影响生物功能,解决了AI生成生物设计的溯源问题
SynthID Bio 是我们为 AI 生成的生物设计打造的全新水印方法系列。
这项技术在全球首次实现了,可以将不可察觉的标记直接嵌入蛋白质序列,同时不影响它们的生物功能。🧵
开源模型在不同编码环境下得分差异大,这份教程可以帮你在不修改代码的前提下提升模型得分,所有资源都已开放。
做AI代理应用时通用框架满足不了定制需求,只有会搭建维护自定义框架的开发者才能在下一阶段占得优势。
伙计们,学着自己构建自定义工具框架吧。Claude Code 的模块、DeepSeek Harness,现在还有 Pi Durable。它们有什么共同点?可扩展性都提升了。
构建者需要编码智能体和工具框架具备更强的可定制性。比如说你正在为用户构建一个简单的智能体应用,一个个性化的无界面体验,一个软件工厂,或者一个特定领域的工具框架;你很快就会发现通用框架满足不了需求。
有时候你需要 UI 有不同的行为。有时候你只是需要轻松添加新功能/插件。或者有时候你就是想构建一个全新的体验,比如多人联机支持。
你完全可以从零开始搭建,就像我推荐的那样。我是说,这事没那么难。但如果你想快速上手,该去哪儿呢?Pi Durable 和 DeepSeek Harness 似乎就是来解决这个问题的。
用户希望他们的工具框架有更多自定义选项。在下一代高可定制性框架的竞争中,那些懂得如何构建和维护自定义框架的构建者将会大获全胜。最佳框架之争,和第一波通用框架的竞争已经完全不同了。
这四个原则能帮你找准AI Agent的发展方向,避开当前行业存在的误区,找到更适合AI Agent落地的应用场景。
有人分享了国内可使用的组合方案,有人吐槽原生不好用,装官方插件才好用。
这套工作流能让科研人员探索远超出人类单独处理规模的课题,人仍负责结果判断,AI负责探索计算,这可能改变整个科研范式。
人工智能正开始改变科学研究的方式。Anthropic研究员兼物理学家Matthew Schwartz探讨了Claude如何与科学家协作,解决不同领域的问题。
他将这些问题称为“Claude适配型”问题,也就是契合AI在编码、数学、数据分析以及跨学科知识联结方面优势的科学问题。得到的结果十分惊人:
> 已探索超过400个科学问题
> 覆盖18个领域的36份手稿
> 分析了超过57亿对基因突变
> 调研了4452篇经济学论文
> 一个语言学数据库包含6072种语言
> 计算了30个困难的费曼积分,其中15个此前从未被计算过
在生态学领域,Claude还帮助解决了一个长期存在的计算问题,发现巴拿马的森林组成变化速度比中性生物多样性理论预测的快约4.5倍。
但人类在判断结果实际意义方面仍然发挥着关键作用。这可能是全新科学工作流的开端:人类直觉→AI探索→计算→发现→人类验证。
这种工作流能让科学家以人类独自无法做到的规模,同时探索数千种想法🔥
该模型面向长流程任务,可根据文学文本需求直接生成完整可交互的3D网页,能帮开发者完成长文档、长代码的生成工作。
用 Ling-3.1-flash,复刻了一版宝玉老师的《桃花源记》3D 网页。视频展示实际成品。Ling-3.1-flash 是蚂蚁百灵新一代大模型,重点面向软件研发、信息检索和办公交付等长流程任务,强调从需求理解到具体成果的完整执行能力。
模型总参数约 560B,每个 Token 激活约 25B;上下文窗口上限为 1M,免��体验期间提供 256K 服务长度,可用于承载较长的文档、代码与任务历史。发布信息 本次将 Ling-3.1-flash 应用于文学场景的网页代码生成,涵盖基础页面,以及山体、屋舍、人物和桃树等场景函数。成品采用程序化三维几何构建桃林、溪流、山洞、农田与村落,支持浏览器实时交互。
网页完整保留《桃花源记》原文,以 7 幕 24 段组织“循文入境”体验,将文字、镜头和人物状态相互关联。读者可以自由观景,也可以沿原文顺序浏览,并使用暂停、回看、章节跳转和中文朗读功能。场景提供清晨、晴日、暮色与春雨四种氛围。
这份成品展示了 Ling-3.1-flash 在复杂场景代码生成中的具体应用:将文学文本与交互需求落实为可运行、可观察、可操作的网页。
RenAI基于GLM 5.2构建dApp,目前已有500注册用户,它能降低想法到应用原型的门槛,适合有想法想做应用的人提前尝试
正确解读:RenAI
RenAI 是 JustCoode 的构建工具。核心逻辑很简单:有想法的人应当能够描述出应用,和智能体一起迭代,最终得到一个可以进入 dApp Square 的成果。
它是什么?面向 Delta 的 AI 编码/dApp 构建环境。仍在开发中,但已经可以测试使用了,欢迎提交漏洞报告。
它在功能上(而非口号上)的对标竞品:Lovable、Bolt、Caffeine 这类构建工具。输入提示词,输出可用的界面。
它目前使用的模型:GLM 5.2 这类高性能模型,之后会探索更强的模型选项,这不代表“明天就会用 GPT”的承诺。
早期的内部共享数据:注册用户约 500 人,日活用户少得多,目前有少数 dApp 正在后台构建中。这是一个早期工具,并非成熟产品。
定价方向:目前在 ICP 上按算力付费,之后可能推出试用额度,当该用途可用时,可能转向 DTC。
不要说“RenAI 可以完美构建任何应用”,你只需要说:它降低了想法到原型之间的第一道门槛。
不依赖第三方大模型厂商,自己租GPU跑开源模型就能支撑日常编码工作,多数工程师认可可用作主力。
@paritytech 的工程师做了一项实验,尝试看看不依赖 OpenAI 或 Anthropic 这类外部提供商,他们自己能够运行多少比例的 AI 编码工具栈。
他们搭建了一套系统,工程师仍然可以使用平时的编码工具,同时可以自由替换背后的 AI 模型。他们在租用的 GPU 上测试了一个开放权重模型 DeepSeek V4 Flash。
原本实验只计划进行一个下午,但工程师们连续用了一个月。本次实验有 25 名工程师参与,处理了约 130 亿 token,GPU 成本约为 1200 美元。
接受调查的 8 名工程师中,有 7 人表示,考虑到一些因素后,这个模型有潜力成为他们的主力模型。
实验的目标并不是完全取代托管提供商,而是保有选择的自由。这正是 Polkadot 的构建原则。
开发者不应该被单一提供商的规则、定价或路线图锁定。在 Polkadot 上,团队可以自主选择基础设施的运营方和治理方式,并且开源代码意味着他们始终可以根据自己独特的需求检查、调整和实现这项技术。
想学习AI智能体开发相关技术的人,可以通过14节理论课加8个实操项目掌握核心要点,且全程免费。
我在 GitHub 上发现了这个免费的线束工程课程,包含 14 讲 + 8 个动手项目。
课程内容涵盖:
- Claude Code、Codex、DeepSeek 如何构建它们的线束
- 循环与图工程
- 自动化智能体循环
- 可观测性、测试与验证
这是一个通过实践学习线束工程基础的非常好的资源。
多AI智能体协作时的沟通一直是痛点,这个工具能解决智能体之间通信不畅的问题,降低协作门槛
输入一条参考视频,自动分析、改编剧本、拆分镜、生成提示词。新号靠这套流程短时间做到百万播放。
火爆了!🧨三百粉新号半小时做出百万播放,这条AI视频流水线开源了🔥
做AI剧情视频,一个镜头生成一次,60秒要跑十几个片段💢 角色一漂、动作一断,就得重新抽卡,时间和额度全烧没了。
有人把这套流程做成了Skill:qisi-video-remix,从分析参考视频、改编剧本到拆分镜、写提示词,不到半小时跑完。👇
✅ 输入一条参考视频,自动分析它为什么抓人
✅ 改编剧本、拆资产、出分镜、写提示词一条龙
✅ 分镜和分段分开,按模型时长上限切,省额度
✅ MIT开源,Codex用户克隆到Skill目录就能用
做AI短剧、剧情号的赶紧收!用这个出爆款不在话下!😊
#开源工具 #AI视频
给旧模型的提示词现在拖慢 Opus 5.5 响应、降低输出质量,已有工具可以五分钟清理无效提示词。
你的 `CLAUDE.md` 正在让 Opus 5.5 变笨。像「再检查一遍你的工作」和「分步思考」这类提示,已经是旧模型时代的建议了。
在 Opus 5.5 上,这些提示只会拖慢响应速度,让输出质量变差。Anthropic 的 Lance Martin 刚刚推出了解决方案。
打开 Claude Code 运行:`/claude-api prompt-audit`
这个命令会扫描你的技能配置、`CLAUDE.md` 和提示词,清除掉那些拖垮模型的冗余短语,然后用官方的 Opus 5.5 指南改写剩下的内容。
整个过程只需要五分钟。今晚就做吧。现在存下这条,不然你肯定会说“之后再弄”然后就忘了。
这套Cogentic多智能体框架仅需要约100次模型调用,就能完成复杂数学定理证明,对科研领域的AI落地是可行的新方向
谷歌最新论文披露,Gemini 为 5 个未解数学问题找到了新证明。
谷歌将 AI 像研究团队那样组织起来,配置了严格的检查器和共享笔记:单个提示词通常不足以解决困难的研究问题。这类问题需要多次尝试、严格审查,还要记住哪些思路已经可行。
谷歌的系统 Cogentic 为 Gemini 提供了这种结构。多个智能体同时尝试不同思路,检查器会默认每一步都是错误的,直到被证明正确,已验证正确的步骤会保存下来供下一轮使用。
大多数问题只需要大约 100 次模型调用,人类专家已经验证了所有证明。如果你想用智能体解决漫长又困难的任务,给它们配置严格的检查器和已验证工作的运行记录,而不只是更好的提示词。
标题:《Cogentic:用于自动证明发现的多智能体编排》
多数用户只用基础功能问问题改文字,不需要懂技术就能用。中国已经进入全民使用阶段。
别把没用过Claude和Codex当成没用过Ai。CNNIC的报告显示:国内生成式AI的用户已超过7亿,普及率超过50%。很多人的需求是打开豆包、DeepSeek,问问问题、改改文字、写写文档;不懂技术术语也不耽搁拿它办事。
中国已经进入生成式AI的全民使用阶段。
对大语言模型训练者而言,太难或太易的训练问题都没法提升模型效果,只有能力边界的问题训练效率最高,这能帮研究者优化训练流程
🎯 学习在能力边界上效率最高:太简单或太难的问题都学不到东西。 对于用 GRPO 训练的大语言模型推理器来说,这完全符合实际:模型总能解决或完全解决不了的问题,梯度都是零。 我们介绍 Frontier Learning 👇🧵
这是AI和人类共同参与的开放式数学研究项目,所有成果公开供社区使用,可能改变AI时代数学研究的方式。
未来AI智能体将自主完成任务并获得报酬,这套方案打通了从找活、接单到结算全流程,让AI自主经济运行成为可能。
随着 AI 智能体开始互相协作,一个新的挑战出现了:它们如何寻找工作、完成任务和获得报酬?在我看来,@termix_ai 的真正价值就体现在这里。
这超越了 AI 智能体交易市场的基础概念。它的核心想法是把整个流程整合在一处:
✅ 智能体发现任务
✅ 识别合适的机会
✅ 被选中
✅ 获得资金
✅ 完成工作
✅ 经过审核和结算
每一步对构建顺畅可用的工作流程都必不可少。因为智能体经济不能只靠智能运转,它还需要一个能支持信任、确认结果、处理支付并逐步积累信誉的系统。
@termix_ai 围绕着这个简单却重要的理念构建:智能体应当能够作为真正的贡献者参与经济活动。它们找到工作→提供价值→获得回报。
这个领域仍处于早期,但这些环节的连接方式已经说明了为什么这个愿景值得密切关注。
它的实操教学演示表现亮眼,未来可能为实操学习提供新的AI解决方案,值得关注。
Griffin-Lite 目前在 @NVIDIA 的 VideoFDB 排行榜上名列AI提交模型第一。
这个演示视频引起了我的注意:它会跟随镜头里的操作任务,一步步讲解操作,还同步计时报秒。
在实操教学领域,它有不错的应用潜力 👀
MiaAI_lab在X平台宣布其开发的TensorFold加速效果超预期
始于直觉灵感🔥 TensorFold已经让本地模型快了很多,在某些情况下甚至比API更快。能和Ash一起做这个项目我非常开心。我的所有方法都注定要在TF上运行,并且会随着时间推移不断改进。
如果有更多硬件来加速测试,TensorFold还能比现在变得更好得多。
若数学不止于人类理解,AI能力指数增长面对无限数学,会发生什么?关心数学领域AI发展的人值得关注这个讨论。
这篇来自Kevin Buzzard的文章非常有思想。Kevin Buzzard是获得过IMO满分的数论学家,也是Lean中形式化数学的先驱。
如果数学不仅仅关乎「人类理解」,那它到底关乎什么?如果AI能力持续指数增长,在「数学是无穷的」前提下会发生什么?
如果你正在开发AI智能体,这种轮流优化提示词和模型的方法,能有效提升任务准确率,你可以参考这个思路优化自己的产品。
不必在更好的提示词和更好的模型之间二选一:轮流改进两者将一个智能体准确率从 42.2% 提升到了 73.3%。
研究人员一直在纠正AI智能体,但在对话里修正一个答案并不能让智能体在下一个任务中表现更好。在对话中对AI智能体进行纠正,修正效果通常随着对话结束而消失。
ScienceBuddy 是面向科学家的AI助手,它能将反馈转化为带评分的测试任务。然后它采取轮流改进的方式:重写智能体的提示词和技能,重新训练模型,不断重复这个过程。
用一个小型的4B模型处理生物学任务,仅提示词和技能改动就将准确率从31.1%提升到了51.1%。仅重新训练也有帮助,能将在4次尝试内解决问题的比例从48.3%提升到67.8%。
如果你正在构建智能体,记得把每一次用户纠正都保存为测试,并持续轮流升级你的提示词和模型。
论文标题:《ScienceBuddy:面向交互式科学智能体的递归中的自我改进》
架构每个AI智能体都有持久化存储、明确分工,还有一个总管智能体协调。
OpenAI Dots 本质上是一个全年无休 AI 公司的运行蓝图。架构如下:
1. 具备浏览器、终端、文件和记忆的持久智能体
2. 每个 Dots 只承担一项明确职责
3. 由一个编排器负责分配和检查工作
4. 隔离工作单元,仅提供它们所需的上下文
5. 连接 Slack、Teams、Google Workspace、仪表盘和 API
6. 使用计划+触发器处理重复运营任务
7. 自动化可逆操作,对高风险操作设置把关
8. 将更困难的工作分配给更强的模型,重复工作分配给更便宜的模型
9. 将公司共享记忆保存在单一可信源中
10. 将闭环连接到收入:研究→拓展→执行→分析→下一步行动
AI不再是你打开来获取答案的工具。它变成了一个运营层,在你下线之后依然能让公司保持运转。完整架构蓝图见下方。
未来人类工作的核心会转向监督 AI,你可以尝试用不同的输出要求向 AI 代理提需求,适配这个变化。
这是百分之百正确的。下次别让你的智能体输出markdown格式的报告。相反,你可以让它输出结构清晰、美观的HTML、一张图表,甚至是简短的解说视频。
监督正成为人类的主要工作。
新方法比GRPO对Qwen3.5-2B提升9.91%,对Qwen3.5-4B提升7.12%,能更精准优化大模型智能体训练效果。
这是一篇关于智能体强化学习信用分配的优秀论文。
主要结论是:你需要一个 LLM 裁判来决定在轨迹中哪里检查,再用 rollout 来决定该步骤获得多少信用。GRPO 给一条轨迹里的每个 token 分配相同的优势值,因此训练信号无法区分出决定性步骤和其他步骤。
ProVer 会让一个裁判比较成功和失败的 rollout,指出它认为造成结果差异的片段。然后它会从该片段的前一个位置和后一个位置分别采样后续轨迹,把成功率的变化作为该片段的优势值。
在 ALFWorld、WebShop 和 SearchQA 数据集上,相对 GRPO 的提升为:Qwen3.5-2B 提升 9.91%,Qwen3.5-4B 提升 7.12%。哪怕裁判是更小的模型,该方法依然有效。
刚上手新AI模型直接提复杂需求,大多得不到好结果。这套一小时流程能帮你一次把需求说清楚,节省后续反复解释的时间。
大多数人在用新 AI 模型的第一天都在浪费时间。他们输入“帮我做一个应用”,然后好奇为什么结果一团糟。
你使用 Sonnet 5.5 的第一个小时应该这么做:
写一个 CLAUDE.md 文件,这样你就不用重复解释你的项目了。
只用一个提示:写明目标、上下文、需求。
在写任何代码之前先要一份计划。
把有效的提示保存下来。
60分钟。1个文件。1份已保存的提示。
我今天开始了#30DaysOfSonnet挑战。回复“day 1”,和我一起做。
关注 @cyrilXBT
自己跟进所有开发会话容易大脑疲劳,用这种分工方法能借助多 Agent 并行协作推进开发,减轻负担
在用Claude Code一次性推进中到大型规模开发时,把多个会话按角色分工,设立1个「指挥台」就能顺利推进。
比如说,可以分成:
· 开发负责人
· 测试负责人
· 评审负责人
· 指挥台
让指挥台定期确认各个会话的进度和错误,出了问题就让它发出修正指示。
Claude Code的Agent Teams最棒的一点就是,多个代理可以一边互相沟通一边并行工作。
如果所有会话都要自己持续跟进,大脑很容易疲劳,所以推荐大家按项目设置一个「指挥台」。
对大语言模型基础方向的技术讨论,能帮你了解行业前沿正在探索的新方向。
十分钟写目标,五分钟给AI提示,五分钟拿方案改进,普通人也能跟着做。
你不需要每周花10小时才能学好AI。你只需要每天花60分钟,按下面这样做:
10分钟:用一句话写下今天的目标
5分钟:根据目标、上下文编写提示词提问
5分钟:得到一份计划并确认它
30分钟:用Claude 3.5 Sonnet构建内容
10分钟:保存完成的成果
按照这个循环坚持30天。每天都在同一个时间段练习。每天都挑战更难的任务。这就是全部秘诀。
收藏这条推文。关注 @cyrilXBT
训练时用优化框架当老师,部署时把能力蒸进权重只留最小框架,成功率从23.3%涨到44.3%。
当AI从只提供回答转向主动执行任务,错误行为会造成真实世界影响。关注AI行为历史与可追溯性,才能真正保障安全。
大家早上好。到目前为止,关于AI安全的讨论,基本上都局限在模型能说什么、不能说什么,也就是它是否会提供错误信息、或者说出有害内容。
但AI已经不再只是输出语言了。它现在会浏览互联网、访问系统、编写代码、操作设备,还能自主做出决策。错误回答可以纠正,但错误行为会对现实世界产生实际影响:它可能让设备停转、篡改系统,引发决策带来的各种后果。
因此,当AI执行一个动作时,问题已经不再只是「它为什么这么做?」。新的问题出现了:到底发生了什么?是什么触发了这个动作?最终该由谁负责?
随着AI从仅仅提供答案转向主动执行任务,它的动作历史比它的原始智能更加重要。这是因为,哪怕是一个明智的决策,如果无法追溯,它实际上就变成了一个黑箱。而且AI自主运行程度越高,精确了解在现实世界什么时间点发生了什么就越关键。
这就是像 @Actum_system 这样的验证层的重要性所在:无论AI的决策多复杂,如果底层实际情况无法验证,那「它为什么这么做?」这个问题的答案永远不会完全可信。#ACTUM
已经在用 Claude Code 的用户,现在不用换工具就能定制自己的 AI 编程助手,只需要注意只安装可信来源的 Mod 避免安全风险。
追热点学产品用法很快就过时,底层核心框架才是长期稳定不变的,能沉淀下来一直用
Claude Code、Codex 这些产品迭代是很快的 所以写这些 教“怎么用 ”的教程很快就过期了 也没有长期能沉淀的学习价值 但 Agent 的底层结构: 循环、工具、上下文、权限、评估 这些底层框架是稳定的 这就像 后端框架换了一茬又一茬 但是核心东西还是 《Unix 高级环境编程》里讲的东西 二十年后还是那套框架 只是把它们包了一层,换个语法、换个抽象 底层还是同一个系统调用
想系统补大语言模型基础知识,这份官方课程可以直接当学习路线用,第一讲已上线,后续每周更新。
斯坦福把 2026 年最新的 LLM 全套课程,免费放出来了。 CME 295:Transformers & Large Language Models 从 Attention 一路讲到 AI Agent,共 9 讲: Transformer、MoE、RoPE LoRA、RLHF、DPO PPO、GRPO 强化学习 KV Cache、FlashAttention MCP、Skills、Coding Agent LLM-as-a-judge、扩散语言模型 第 1 讲的视频和 slides 已经上线,后面每周更新。第一讲在youtube的视频我已经看完了 想系统补 LLM 基础,这份大纲直接当学习路线用:
用大语言模型写文章做输出时,可以按照这些技巧优化可读性和交互性,提升自己的工作效率。
想要自定义AI Agent功能的人,可以关注这类可叠加插件的新方向,现在已有多个头部产品在做,这份整理能帮你更快理解差异。
昨天晚上 Anthropic 推出了 Claude mods,PI最近 1.0 更新也推出了 code mode,再加上 Codex 更新的插件系统和 DeepSeek harness 的一切皆插件。似乎所有的这种超级 Agent 都在开发类似的功能,可以让用户自己往 Agent 上叠加功能的插件体系。但是这几个的作用位置以及工作原理都不太一样。
我跟Muse 讨论了一下,收集了信息,然后做了张图,让大家用更简单的方式去理解这 4 个产品,以及它们这套插件系统不同的能力。
演员本·阿弗莱克谈创立技术公司打造AI影视数据集,分享AI对好莱坞的影响
大模型推理速度卡内存的问题一直存在,用光学生成又快又便宜的大容量内存,能支撑超10万亿参数大模型更快推理,期待技术落地。
刚刚消息:Volantis 完成 8800 万美元 A 轮融资,旨在用光学技术解决 AI 的内存瓶颈,让芯片能搭载大容量、低成本的高速内存,为参数超过 10T 的模型实现超快速推理。
解决AI输出太长看不进去的问题,来自Karpathy在𝕏的分享
以防有人不知道 > AI 交回来的东西太长看不进去,可以让它换个形式输出 🫢 这是 OpenAI 联合创始人 Karpathy 刚刚分享的,他觉得以后 AI 干的活越来越多,人得花更多时间看懂它干了啥,于是给了 4 招: 1️⃣ 让它按 ASD-STE100 写,就是航空维修手册用的简化英语,句子短,一个词只有一个意思 2️⃣ 别写大段文字了,直接让它画张图 3️⃣ 提示词里加一句「用 HTML 输出」,就能拿到一个可交互的网页 4️⃣ 让它做 3Blue1Brown(用动画讲数学的那个频道)风格的讲解视频,再用 ElevenLabs 配上 AI 旁白 最后这个组合我还真用过,昨天发的面试鸭宣传片就是 Opus 5.5 配 ElevenLabs 做的,旁白复刻的是我自己的声音。 天天看 AI 长篇大论看到头大的朋友,可以收藏一下。
用中文的话,可以学网友在 AGENTS.md 里加一句「Write in Simplified Chinese following ASD-STE100. This does not apply to code.」
博主@cyrilXBT在𝕏分享了这套将Claude变成协作团队的工作方法
claude + jev……我无法理解为什么还有人一次只输一个提示词。
这个配置能把opus 5.5变成一个团队:
→ 规划师把目标拆解成任务
→ 研究员收集每个任务所需的内容
→ 构建者交付成果
→ dots在你不在的时候让它保持运行
→ jev在数毫秒内决定下一步该做什么
claude思考。jev调度。dots维持运行。把这个发给claude就能设置好 👇
关注 @cyrilXBT
大部分人都用错了 Claude Code,跟着这个正确用法,可以把 Claude Code 的能力发挥得更强
大多数人把 Claude Code 当成聊天机器人来用,这是个错误。
如果你围绕以下几点组织你的项目,Claude Code 会变得强大得多:
→ CLAUDE.md 存放全项目范围的说明
→ .mcp.json 用于工具集成
→ settings.json 用于权限和钩子
日本网友爆料英语课老师用Claude做OCR,分享实际使用痛点
现在在上英语课,老师突然说“如果要OCR识别文档,直接拜托VLM精度更高,所以我一直用Claude,但用Opus一下子就到周限额了,好头疼。还好Sonnet也更到5.5,变好用了,总算解决问题”,好有意思。
要不我也来介绍下Unlimited OCR……()
想成为顶尖AI性能工程师,需要掌握这套评估框架,它能帮你根据应用特定时间目标评估token交付能力。
多数公司还停留在讨论AI代理落地可能性的阶段,这家公司的AI团队已经在20天里完成了5908项实际工作。相关方案很快会对外公开。
作者@in19h在𝕏宣布该插件支持IDA Home和Pro
IDA Assist 现已面向 IDA Home 和 Pro 推出:这是一个原生智能代理逆向工程插件,拥有 150 多个带类型的工具、内置模拟、逐二进制内存、上下文感知操作,以及加密、需批准的 MCP。
它经过了三个月的外部测试打磨。
我在 Telegram 新建了一个公开的 Assist 反馈群组,如果你愿意提供反馈,欢迎加入:
公司目标是用光子技术解决AI内存瓶颈,投资人包括OpenAI的Sam Altman。
对关注智能体AI发展的人来说,这是行业里最早专门讨论智能体身份管理的公开研究,值得参考相关方向。
服务商基于以太坊网络搭建了底层基础设施,用户用多少付多少。
介绍PinAI:开放AI模型,按使用量付费,合约地址:ethereum:0x2e44f3f609ff5aa4819b323fd74690f07c3607c4
过去几个月,我们一直在悄悄扩展PinLink背后的基础设施。我们开放的首批项目之一,就是直接访问开放AI模型。
如今,如果你要使用图像、语音和文本的不同模型,通常需要支付多项单独订阅费用,哪怕你只是偶尔才用到每个模型。
PinAI采用了不同的方式。选择你需要的模型,提交输入,按调用次数以ethereum:0x2e44f3f609ff5aa4819b323fd74690f07c3607c4付费,然后直接获取输出。
这同时也是Fractal的一个重要构建块。PinAI向用户开放基础模型。Fractal会将这个基础设施打包进能够执行特定任务的专用智能体中。
现在,让我们开始推出PinLink的下一阶段。
想选用AI帮你写代码,可以参考这份最新的横向评测。不同产品性能分数接近,单次任务成本差距最高十几倍。
本周,Claude Sonnet 5.5、GPT-6.1 Sol 和 Gemini 4 Argon 都上线后跻身 Coding Agent Index 排行榜前列,但它们在性能和成本方面各有不同的平衡。
Artificial Analysis Coding Agent Index 会从三个智能体编码评估维度对智能体(模型和工具 harness 的组合)进行衡量。
➤ Claude Code 中的 Claude Sonnet 5.5 (max) 以 68 分位居榜首,但同时也是每次任务测试成本最高的,达到 14.19 美元。
➤ Antigravity CLI 中的 Gemini 4 Argon (high) 得分为 64,每次任务成本 5.84 美元,不到 Sonnet 5.5 成本的一半。请注意,这里使用的是 Google 的促销定价,并且 Argon 尚未公开发布。
➤ Codex 中的 GPT-6.1 Sol (xhigh) 得分为 63,每次任务成本 1.04 美元,大约是 Argon 成本的六分之一。
监管已经开始直面AI产品的潜在风险,未来AI行业发展和使用成本都可能因此改变
社区讨论:多数人认为此次调查最终不会有结果,大选中期选举结束六个月后要么不了了之要么对企业有利,因为美国现任政府不认为AI是问题,企业只要雇佣合适说客就能搞定白宫、换掉反对的监管官员。有人提出应当因头部AI企业低价倾销、挤压就业展开调查,也有人认为FTC本身对大企业做相关调查是正常情况。
用户@techhalla在𝕏分享Kling 4.0 Flash生成提示词与生成效果,认为 deserves a higher score
用户@techhalla在𝕏分享了Kling(可灵)4.0 Flash的一段AI视频生成提示词。
提示词要求生成:明亮室内冰场花样滑冰比赛中,真实的竖屏手持手机拍摄画面,屏幕无文字或字幕。
两名身着相扑兜裆布、挽着发髻的巨型相扑选手,完成优美的双人花样滑冰动作:手牵手滑行,其中一名选手单臂将另一名选手高高举过头顶并旋转,接着将对方抛出去完成一个三周跳,落地时的重击震裂冰面。
最终两人都保持优雅的展臂姿势,背景中裁判举着打分牌。要求为单镜头连续拍摄、无剪辑,搭配浪漫管弦乐,需要有冰刀刮擦声和沉重的落地闷响。
发布者认为这次生成结果理应获得更高分数。
这类小模型负责处理路由、审批、 judgement这类细碎判断,大模型只处理核心复杂任务,能省不少成本。现在已经有多个玩家进场做这类模型。
Strands Decider 2B 是一款小型开源决策模型,非常适合试验,同时也足以胜任实际工作:我们已经开源了全部内容,包括所有训练数据、代码,以及我们一路摸索获得的经验日志。
祝贺 @AravSrinivas!决策模型领域又多了新参与者,这款模型对框架内部的小型调用(路由、批准、判断)提供开放权重的低成本定型回答,其余任务则交给大模型处理。
需要做漏洞安全研究的开发者,现在可以拿到基于真实付费发现漏洞训练的开源模型,还能选低拒绝率变体。
今天我们发布了 apex-flash-1,这是我们首个面向安全研究的开放权重模型,它基于我们发现并获得报酬的真实漏洞后训练得到。
我们还为那些希望在自己的授权工作流中减少拒绝情况的研究人员发布了abliterated变体。
我们的构建过程如下:
实测显示大参数机器人模型可完全依托云端实时运行,不用依赖本地GPU,物理AI规模化落地的方向开始清晰。
我们刚刚在完全不使用本地GPU的情况下,运行了目前现存最大的机器人模型之一。而且它的实时运行开销不到50毫秒。缩放定律正在成为实体人工智能的现实。
Perceptron的Isaac 0.5是最大的开源模型之一,总参数量达到360亿。@perceptroninc 与其他前沿机器人实验室如 @DynaRobotics 和 @GeneralistAI 一样,都表明我们需要大规模扩展预训练数据,从数千小时扩展到数百万小时的视频。
具体而言,他们发现模型训练用的自我中心视频越多,达到相同损失所需的遥操作数据就越少。
在 @DreamscaleLabs (YC F26),我们注意到一个重要事实:数据和训练计算并不是单独扩展。模型尺寸也必须增大,而GPT-6 Astra已经让我们窥见万亿参数机器人模型能做到什么。
我们正在构建服务于这个未来的技术——一个不受车载计算瓶颈约束,而是允许大模型通过云端快速运行的未来。如果你对我们的工作感兴趣,请联系我们。
选错产品会浪费半小时手动干活,搞懂三款Claude的定位能帮你把工作效率提上来。
🚨 CLAUDE AI vs CLAUDE CODE vs CLAUDE COWORK — 别再把它们当成同一个工具用了。
大多数人听到“Claude”,都会觉得它只是一个AI聊天机器人。其实不是。真正的威力来自于搞清楚哪个Claude产品是为什么类型的工作设计的。
其中一个主要是为和你一起思考打造的。另一个设计用来在你的代码库中工作。还有一个专注于执行基于计算机的重复性工作流。
如果你选错了工具,你可能要花30分钟手动完成本可以高效得多的任务。下面是你应该保存的简单分类 👇
不管是角色向量、概念向量还是任务向量,本质逻辑都相通,构造和使用方法也可以通用。这个总结能帮新人理清很多混乱的概念。
开发AI智能体的开发者,现在可以借助这个新功能获得更稳定可靠的运行时支持。
可自定义扩展Claude Code的代理框架,DeepSeekHarness全程贯彻全插件化设计,感兴趣可以看看两种架构思路的对比。
恭喜 Claude Code 团队推出 Mods!这是一种让你的智能体框架可扩展、可定制的巧妙方式。
这是一个很棒的想法融合:在 Claude Code 里,mods 本质就是插件;而 @DeepSeekHarness 从一开始就是围绕重新思考插件概念构建的。
Claude Code 仅把一部分功能做成了 mods,而在 @DeepSeekHarness 里,一切都是插件:模型、工具、技能、会话、沙箱、文件系统、循环、编排和 UI 全都实现为插件,可以混合、匹配、替换和扩展。
在 @DeepSeekHarness 的 Creator 模式中,你可以让智能体检查实时运行时、编写插件并保存它们,以此来修改 UI、改变智能体循环的行为和机制、添加工具或新的编排方式——简单来说,智能体框架的一切都可以实时修改并保存。
所以我们考虑这个说法有一段时间了……现在是不是该换个名字了?😂
不少监管会议会要求AI企业自行约束行业发展,这个观点直接点破这种操作的实际效果。只是不知道后续会有什么实际变化。
现在你可以只用一个 API 密钥,在 NEAR AI Cloud 调用 Anthropic 最新三款 Claude 大模型,不用分别申请不同密钥。
Anthropic 最新模型,现已上线 NEAR AI Cloud:Claude Sonnet 5.5、Claude Opus 5.5、Claude Fable 5.1。
三个模型共用一个 API key。👇
切换AI编程Agent不用重新交代项目背景,不同Agent能共享项目记忆,本地运行保护隐私,支持多款主流AI编程工具接入
AI 编程 Agent 最烦的一点:换个工具,就得重新交代项目背景。 ai-memory 就是专门解决这个问题的长期记忆系统。 ① 自动记录会话上下文、项目进度和踩坑记录 ② Claude Code、Codex、Cursor、Gemini CLI、OpenCode 都能接 ③ 不同 Agent 之间可以共享项目记忆 ④ 本地优先,支持 Docker ⑤ Rust 开发,轻量高性能 简单说,换 Agent 也不用从头解释,之前做到哪、哪里失败、还有什么没解决,都能接着干。
近期多家机构接连发布决策模型,Cloudflare也开源了两款自家训练的clef和clef-flash模型,可在Cloudflare Workers AI上使用。你最近有没有接触过决策类AI模型?
我们推出了 Perplexity Decisions API。它由 pplx-decider-v1-27b 驱动,这是我们训练的多模态决策模型,用于输出固定答案集上的概率分布而非文本。其价格为每百万输入 tokens 0.04 美元,在各基准测试上得分达到 85.71%。
“今天,我们发布了两个由 Cloudflare 训练的决策模型 Clef 和 Clef-flash。”从未见过一个观点传播得如此之快。
现在是决策模型之秋 🍂,今天,我们开源了 clef 和 clef-flash,这是我们第一个自主训练的模型,两者现在都可以在 @cloudflare workers ai 上使用!演示/排行榜:博客:
日本网友在𝕏分享个人技能提升与副业经验
有人分享官方使用技巧:不用高配置大模型处理简单任务,可以把不同模型分配给不同分工的代理,组成自动化团队。你可以按项目拆分算力成本。
来自@Av1dlive在𝕏的爆料,支持自定义构建功能模块
Claude Code 刚刚获得了一个极其强大的更新……模组。你可以让 Claude 直接给 Claude Code 本身构建功能。
最有用的用法是先让它找出你重复遇到的问题。有些问题需要一个模组,其他问题需要一个钩子、技能或是设置修改。所以我让它梳理了一遍我的代码库 + Claude Code 工作流,然后给出应该构建的功能建议。
> 一个在压缩前保存进度的上下文守卫
>
> 一个标记低磁盘空间和孤立进程的监视器
>
> 一个捕获重复失败尝试的循环检测器
>
> 一个把值得保存的修正整理为内存的审查步骤
>
> 一个检查重复钩子和不被支持属性的后置检查器
[把这段粘贴到你的编码代理里:]
做代码开发需要选编码智能体,可以参考这项实测数据,拒绝率更低意味着更少任务中断,开发效率更有保障
很多人发布了新模型,普通用户却没办法试用,这会让模型发布慢慢失去关注度。
如果普通人都没法试用一款模型,那为啥还要“发布”它?OpenAI在Astra上犯过这个错,现在谷歌在Gemini 4 Argon上也犯了同样的错。
这种操作的问题在于,当它最终向公众开放时,势头通常已经弱了很多,甚至完全凉了。Fable 5.5可能会在此之前或同一时间发布——它很可能会盖过其他所有模型的风头。
所以,给想要发布模型的实验室提个建议:要么在发布时就面向全部公众开放,要么推迟发布直到它准备好。
适合本地低延迟运行,还提供了命令行工具,可以快速把它集成到本地工作流里用
AWS也推出了用于决策的分类器模型。
Strands Decider 2B是基于Qwen3.5-2B的、拥有20亿参数、带有置信分数、专门面向选择的开源决策模型,针对本地运行和低延迟进行了优化。
还提供了命令行界面,可以轻松使用。
介绍 Strands Decider 2B:小型开源决策模型。
这是一个TypeScript框架,用来构建长时间运行的agent应用。终端里就能交互运行编程agent,解决了长时间任务中断得重来的问题。
用户@mikepat711在𝕏分享了自己的AI使用配置,以Grok Bot为核心统一界面兼顾便利性和灵活性
Quail团队分享开源AI-SQL引擎批量AI任务优化思路
你试过在数千行数据上使用像Jev这样的决策模型吗?对于批处理任务来说,每一行调用一次API是个非常糟糕的做法,因为它完全得不到查询规划带来的好处,性能离最优水平差得远了。
在单块H100上运行Qwen3-4B,对5000条电影影评做单次AI筛选,GPU能达到的理论最大速度(speed-of-light, SoL)大约是……6.6秒!目前没有任何系统能接近这个成绩,包括我们的开源AI-SQL引擎Quail 😱
我们发布了一篇新博客,介绍我们如何在Quail中基于SoL估算来对AI驱动的筛选计费,快来看看!
没错!批数据处理流水线通常包含多个大语言模型操作,API调用方式会为每个操作的每一行单独发起一次调用,每次调用都是独立服务的。
如果你提前知道所有请求,就可以对整个任务做规划,比如:重排同一个操作内的请求来共享KV缓存,先运行选择性最强的筛选,在多个操作间复用每份文档的KV缓存。
除了规划,你还需要调整执行方式——比如如果你知道批次里哪些请求共享前缀,你就可以换用不同的attention核,只需要从HBM读取一次共享KV,不用每个请求都读取一次。
想靠大模型帮忙做科研,可以看看这个观点,了解目前大模型在科研领域的适配问题,以及新的解决思路。
在物理学中,当两个系统各自都能正常工作,但匹配度很差时,就会出现“阻抗失配”。
在这篇《科学》博客客座文章中,哈佛大学物理学家马修·施瓦茨提出,AI和科学领域目前也发生了类似的情况。
大语言模型可以胜任很多工作,但目前按照和人类合作者共事的方式来使用它们,并不是激发它们科学能力的最佳方式。
为了解决这种失配,施瓦茨创建了一个用于定量科学精确计算的工具包。
由于类似的计算通常出现在差异极大的科学领域,Claude 找到了它与生态学、种群遗传学以及其他十几个领域之间的关联,施瓦茨则与领域专家合作,引导它去探索有趣的问题。
不用高端显卡也能在日常电脑上跑高性能推理模型,后续做大模型本地部署这条路又往前推了一步。
小型模型的推理能力现在已经变得非常出色。
这很令人兴奋,因为小型语言模型(SLM)可以在应用层发挥巨大作用。
来自@thewebAI 的 TwIL-LM3-Pro 只有36亿参数,可以在普通电脑本地运行。它在BIG-Bench Hard 测试中得分95.4,远高于Qwen3-8B的63.7分。
我很欣赏他们的训练后方案。他们先在形式逻辑上微调,将权重往基模型方向合并,然后对抗程序化验证器做强化学习。最终逻辑分数得到提升,同时整体推理能力保持稳定。
很高兴能看到更多这类工作以开源形式发布。
想了解当前大模型技术迭代核心方向的话,可以看看这个观点,它指出了新旧模型在推理范式上的关键区别和性能差异。
基础大语言模型(2024年及更早版本)和现代大推理模型(LRM)之间的关键区别,并不在于符号化工具使用。
区别在于,它们从转导范式(直接根据查询推断答案)转向了归纳范式(推断出能生成查询答案的程序/指令)。
现在的模型被训练为归纳式,它们会在测试时进行归纳,也就是在测试时预测自然语言程序/推理链。
这解锁了全新的能力——尤其是流体智力。
到目前为止,基础大语言模型的流体智力几乎为0。而现代大推理模型已经拥有相当高水平的流体智力。
大语言模型在ARC 1(2019年推出的一项基准测试)上的表现,到今天仍然只有大约10%-15%。将模型参数量缩放100000倍,也只是让准确率从0%提升到了10%。
而参数量相同甚至更小的现代大推理模型,已经在2025年拉满了ARC 1的成绩。
只给不确定的复杂问题开启推理,兼顾速度和能力上限。未来能处理更复杂的系统决策任务,值得关注
现在为大家介绍 GLiDE,首个会思考的决策模型。它在 Decision Index 上排名第一,比 Jev 高出 6.9 分。
GLiDE 采用自适应思考方式。它的工作原理大致是:它先计算出快速概率分布,如果领先的答案不确定,就会启动推理过程。然后将推理结果整合到最终概率中。
这意味着该模型只会对需要推理的复杂决策使用推理能力,从而既能保持模型速度,又能扩展它可处理的任务种类。最终结果是,GLiDE 在知识与推理任务上比 Jev 高出 11.5 分,在 Decision Index 的全部五个评估领域全面领先。
推理能力让 GLiDE 可以完成传统决策模型难以处理的高度复杂任务,包括:从上百种工具和可能性路径中做出选择;执行、沙箱隔离、上报或拦截敏感操作;检查包含算术、代码、日期或多个事实的输出。
GLiDE 现已通过 Fastino API 开放使用。使用优惠码 USE_GLIDE 即可获得免费额度。
GLiDE API:
如果你要给AI应用加基于概率的分类判断功能,可以用这个成本固定的API直接调用,不需要自己训练模型。
我们推出了 Perplexity Decisions API。
它由 pplx-decider-v1-27b 提供支持,这是我们的多模态决策模型,训练目标是输出固定答案集合上的概率分布,而非生成文本。
它的定价是每百万输入 tokens 0.04 美元,在基准测试中的平均得分是 85.71%。
@icreatelife在𝕏发布经验分享,涵盖提示词生成、模型选择等实用建议
这是一组AI视频制作技巧:
1. 使用Claude生成提示词,Opus 5.5的效果很不错。目前多数专业创作者已经不再手动编写提示词。
2. 生成视频之前先制作角色表,为每个素材创建对应资料,这能帮你保证生成内容的一致性。另外要在生成视频前准备并优化好所有素材。
3. 每个AI大模型都有自己的优缺点,要根据模型特性选择使用。比如Seedream 5.0 Pro在皮肤纹理生成上表现很好,生成视频一般选Seedance 2.5,如果只有2.0版本也可以使用。
4. 测试提示词、优化调整的阶段可以先生成480分辨率的视频,不用一开始就生成1080分辨率,这样可以节省你的使用额度。
5. 很多时候批量生成比重新改写提示词效率更高,这往往是更优的选择。
6. 如果会使用Blender,可以用它来处理场景镜头运动、保证内容一致性;如果不会用Blender,可以让Claude帮你处理相关工作。
Anthropic工程师Lance Martin分享了Claude Opus 5.5的优化技巧
Anthropic工程师Lance Martin披露了一个Claude Opus 5.5的实用使用技巧,可以将生产力提升300%。
操作步骤非常简单,只需要打开Claude Code,输入指令/claude-api prompt-audit即可。
这个指令会完成三项工作:首先检查你的技能配置、CLAUDE.md文件和提示词,然后移除所有拖慢模型运行速度的内容,最后按照官方Opus 5.5指南重写提示词。
很多用户的提示词都是为旧版本模型编写的,这个优化只需要3分钟就能完成,建议收藏这个技巧。
想学 Agent 开发却一直卡在上手环节?这套带完整代码的教程能直接跟着做,帮你快速跨出实战第一步。
学 Agent 最容易卡在这一步:概念都懂,真让自己搭却不知道从哪下手。
LangChain 官方的 Agents From Scratch,直接给了一套可以跑起来的实战路线。
四步带你做出一个带长期记忆 + 人机协作的邮件 Agent:
① 用 LangGraph 搭基础流程
② 用 LLM-as-Judge 做测试和评估
③ 加入 Human-in-the-loop,关键操作由人确认
④ 用 LangGraph Store 接入长期记忆
每一步都有 Notebook 和源码,不只是讲概念,跟着就能动手。
想系统学 Agent 开发,这套可以当入门脚手架。
用GGUF量化技术压缩后,可以直接在本地设备运行。目前已经有超过130万次下载,不少人想要的无限制生成需求它能满足。
现在推出 Qwen-Image-2.1-Uncensored-GGUF:这是一个支持 GGUF 量化、可本地运行的文生图模型。
下载量超 130 万,获赞超 2600 次。它是 Qwen-Image-2.1 的无审核版本,能给你带来更多创作自由。
想知道通用人工智能开发的最新进展,这是朝着超级智能迈出的关键一步,值得关注这个方向的新尝试
今天我们推出PROWL-2,在此模型中,智能体及其世界模型通过递归学习实现改进。
智能体暴露想象中的错误,修复这些错误就能让学习更进一步。
我们认为,这种开放式学习是迈向超级智能的关键一步。
AI生成内容越来越逼真,难辨真假。可靠的溯源方案能帮区分人造、AI生成还是自然内容,可避免虚假信息干扰。
当 AI 生成内容变得越来越逼真,我们该如何验证内容到底来自人类、机器还是自然?
我们在播客中探讨了来源的关键作用——以及隐形水印如何同时保护数字媒体和生物设计。
↓时间码:
00:00 简介
00:34 什么是水印?
04:35 SynthID
15:16 图像与视频
19:28 SynthID Bio
28:00 未来的韧性
做短视频不用手动拆解参考视频结构了,整个流程交给AI自动处理,还能直接文字修改内容,快速产出不同版本内容。
现在用 AI 做视频,连拆解参考视频这一步都能自动化了。Hypit 是一个开源的视频 Agent 系统,可以接入不同的 AI Agent 来完成视频制作。玩法比较简单: ① 丢进去一个参考视频,让 Agent 分析 ② 自动拆解视频的结构和内容 ③ 想换人物、画面或文案,直接用文字修改 ④ 整套流程可以继续交给 Agent 自动处理 比较适合拿来研究短视频结构,或者快速做不同主题的内容版本。
代码已经开源,感兴趣可以去看看。
网友@sudoingX在𝕏分享测试结果,总速度超76token每秒,每个智能体占用64k上下文
16GB显存的NVIDIA RTX 5060 Ti显卡可以同时运行4个自主编码智能体,总生成速度超过每秒76个token,单个智能体速度在每秒17到21个token之间。
测试用的是4个Hermes智能体,可以同时并行构建4款游戏,每个智能体支持64k上下文窗口。开启多令牌预测(mtp)时单流速度可达每秒67个token。
测试过程中占用了16GB显存里的15.6GB,显卡整功耗130瓦。所用模型为Bonsai 2 27B三元量化版本,占用空间5.95GB,通过llama.cpp服务器部署,4个插槽各接收一个纯文本提示。
整个过程实际耗时42分钟,视频加速到3分钟展示四个智能体同时思考编码的过程。
该模型已经打包发布,只要拥有RTX 3060及以上的30、40、50系列NVIDIA显卡都可以运行,用户可以前往链接拉取模型部署使用。
Extract v2.5推出了多个不同档位的智能体,专门针对文档提取的价值准确率和接地(关联原文)做了调优,成本也更低。
今天我们推出了 Extract v2.5 —— 一系列专门为文档提取调整的前沿智能体。
这些智能体(高性价比、智能体型、增强智能体型)针对取值准确性和内容溯源做了优化。我们的提取智能体性能超过了 Opus 5.5 和 GPT-6 Sol,同时价格低 30% 到 4 倍。
我们对复杂提取做了大幅改进:
- 长列表(智能体层级准确率从 86.1% 提升到 95.5%)
- 跨页记录(从 85.5% 提升到 96.5%)
- 扫描表单(从 90.9% 提升到 95.7%)
我们还推出了以下功能:
✅ 高级引用:我们会为推导字段的所有支持值定位 bounding box,哪怕没有完全匹配也没关系。
✅ 结构推理:我们会根据文档的类型、布局和信息定制文档提取算法。
我们的提取智能体在 ExtractBench 上,跨多个价格档位,都实现了价格性能的 SOTA。对于任意复杂度的文档,我们都是最好的文档提取工具。
所有这些功能都已经在 LlamaParse 上线,快去体验吧!
想做新AI产品,选对编程语言能减少很多不必要的折腾。这个观点解释了现在大家不用Java做新项目的真实原因,帮你选语言的时候少走弯路。
让大模型自主编辑管理运行中的上下文,能在减少计算量的同时提升任务准确率,对需要大上下文处理的任务有明显性能优化。
更低成本的开源权重模型达到前沿水平的React开发性能,React开发者可以多一个低成本的开发工具选项。
我们推出了 Apex:一款面向移动和 Web、专注于 React 的智能编码模型。
我们构建 Apex 源于一个简单的想法:一个开放权重模型能否以更低成本实现前沿级性能?
答案是可以。
Apex 在 React Native 和 Next.js 上达到了当前最优水平。
立即体验:
想参与开发新AI时代代码管理平台,可参与本次竞赛,已开放测试版可供体验
Cloudflare 正在举办一场竞赛,看谁能为智能体时代打造下一代 Git 平台。
Artifacts 现已开启公开测试,支持 Workers 绑定、数据管辖控制,以及针对代码库变更的事件订阅。
#BirthdayWeek
做有声内容时遇到AI读错专有名词,无需换工具重新生成,可直接在原有语音工具流程中修正错读,节省返工时间。
你的AI语音听起来像人声,但为什么它连产品名都读不对?
AI语音读“Porsche Taycan”时会读成TAY-can,但保时捷官方读法是TIE-kahn。它是根据拼写猜的,没人纠正这个错误,因为没人会去听第1200行文本。
今天我们推出了Onepin:文本转语音之后的生产步骤。它会在交付前用你已经在使用的语音检查每一句配音。
Onepin可以:
➤ 根据含400万个词的发音词典检查人名和产品名发音
➤ 在语音读出前解析价格和日期
➤ 给每一句音频就自然度、清晰度和单词准确度打分
➤ 用相同语音修正单个错词,无需重新渲染整段录音
它可以配合你在ElevenLabs、OpenAI、Google等30多个平台的语音订阅服务使用。
不需要输入音标拼写,不需要重新生成,不需要更换供应商。
免费开始使用,无需信用卡。
在下方串推中收听修改前后的对比效果 ⬇️
用户@ScarletKc分享了Claude Code的/insights命令的使用体验
新研究测量了网络爬取的AI生成文本对大模型预训练缩放规律的影响,发现这类文本会让训练出来的模型质量变差。
无需修改现有框架和训练代码,就能在常用框架中用强化学习训练任意模型,效果提升明显,对训练AI模型有参考价值。
1/ 我们很高兴发布《多agent环境强化学习终极指南》。
同一个模型在每个agent环境里的表现都不一样。因此我们构建了一种开源方法,可以在人们实际使用的环境(比如 Claude Code、Codex 和 OpenCode)中,不用修改一行环境代码和训练代码,就能在任意任务集上用强化学习训练任意模型。
在四个环境中训练后,LFM2.5-2.6B 的正确率从 42% 提升到了 54%,工具调用减少了 31%。🧵
新决策模型在质量和延迟上都超过现有基准,可托管使用也可下载权重,关注低延迟AI推理的开发者可以试试。
我们推出 clef:这是由 Cloudflare workers ai 团队训练的首批模型。
今天,我们发布了两个快速且准确的决策模型,它们在质量和延迟方面都优于基准测试。
你可以在 workers ai 上调用托管后的模型,也可以从 @huggingface 获取权重,因为我们也将它开源了。
Halluminate正在构建强化学习环境和基准测试,帮助AI模型完成编程之外的知识工作,首先从金融领域切入,团队还不到10人。
Halluminate 正在构建强化学习环境和基准测试,帮助AI模型完成编码以外的知识工作,从金融领域起步。
这家公司团队人数不到10人,已经与美国前五闭源AI实验室中的四家展开合作,最近刚刚完成3000万美元A轮融资。
在本次炉边对话中,联合创始人 @Jerr_Wu 和 @wgm752 与 YC 的 @xuster 对谈,分享了测试浏览器代理如何让他们搭建出现在模型用来练习金融建模这类任务的环境。
他们解释了为什么更好的验证(而不只是更多训练任务)对让模型变聪明至关重要,以及这项工作最终如何能催生AI代理团队在其中协作学习的模拟公司。
时间线:
00:00 — Halluminate 从评估转向训练环境
03:48 — 教AI完成金融工作
07:13 — 为什么验证比数量更重要
10:13 — 从金融到模拟公司
13:30 — AI安全与团队建设
开发各类应用都需要测试,这款全开源测试框架支持自定义代理和基础设施,可本地也可在持续集成中运行,能降低应用开发测试成本
介绍 e2e:适用于任意应用的智能代理测试框架
~/ npx e2e init →
完全开源
混合确定性与智能代理 API
支持网页、移动端及更多平台
可使用你自己的智能代理和基础设施
可在本地或 CI 中运行
用户Corey Ganim在𝕏分享了对Muse、Dot、GrokBot、Instinct四款个人AI助手的使用体验
用户@Naiknelofar788在𝕏分享了Seedance 2.5的详细生成提示词
IDE里集成了开放智能体中心,可以运行多种第三方AI智能体,还优化了运行效率,常用Claude、Codex写代码的开发者可以试试。
我们重构了 JetBrains IDEs,将其打造成终极智能代理工作台。
Air 是 IDE 内部的开放智能代理 hub:
- 可运行任意智能代理(Claude、Codex 等等)
- 借助 IDE 智能能力,代理运行效率更高
- 捆绑了免费的 Junie Lite 代理
- 通过 Air Teams 支持云端运行 ⬇️
@antiAIvo计划推出8期从0手写AI Agent的技术教程系列
准备做一个新的技术教程系列:《从 0 手写一个 AI Agent》 整个系列分为 8 期: 第 1 期:写出你的第一个 Agent 跑通最小 Agent,理解模型、工具和执行循环 第 2 期:让 Agent 调用工具 学会 Tool Calling:定义工具、传参、执行、返回结果 第 3 期:亲手实现 Agent Loop 让 Agent 根据结果继续行动,加上退出条件和最大步数 第 4 期:让 Agent 保存任务进度 管理对话历史、工具结果和任务状态,支持保存与恢复 第 5 期:让 Agent 更可靠 处理报错、超时、重复调用,加入重试、成本限制和人工确认 第 6 期:接入检索与记忆 让 Agent 查资料库,理解 RAG、会话状态和长期记忆 第 7 期:验证 Agent 到底有没有变好 记录执行轨迹,建立测试任务,从正确率、耗时、成本评估 第 8 期:从单 Agent 走向复杂系统 理解何时用工作流、框架或多 Agent,并实现一个协作版本 目标: 看完能自己写出一个 Agent,也能解释它为什么这样工作
这个更切合实际场景 难度也更低,做起来应该更有兴趣
用户@0xwhrrari分享了Claude Opus 5.5在动态设计上的用法,发布于𝕏
Claude Opus 5.5在动态设计领域表现十分出色。
只需把指定提示词发送给Claude Code,就能将一个粗略的创意想法转化为完整的工作室工作流。这个完整工作流涵盖:创意→分镜→视觉系统→动画→音效→最终渲染。
复制并发送指定提示词后,就可以在下方文章中阅读完整的动态设计指南。
来自X平台用户@EXM7777的分享,Opus 5.5和GPT-6.1 Sol获S级评级
当前AI模型分级列表:
S级:Opus 5.5 和 GPT-6.1 Sol: insane聪明,速度快,效率高……这是我用过体验最好的AI,真的挑不出毛病。
F级:其他所有模型。
不开玩笑说,你真的不需要其他AI了。目前来看,200美元套餐的使用额度几乎是无限的,如果你同时订阅 Claude 和 ChatGPT,你就能得到:
- 最佳写作模型:Opus
- 最佳设计模型:Opus
- 最佳编码模型:Opus
- 最佳浏览器和电脑使用模型与工具链:Sol
- 最佳图像生成模型:Images-2.5
已有15000名创始人加入我的系统,每周只发一封邮件(免费)。
用户@FynCas在𝕏平台发布了使用Seedance 2.5生成AI视频的完整结构化提示词
支持图片像素嵌入搜索、PDF文字识别,可搭配任意大语言模型使用,最大能处理10 MiB文件,给日常搜图搜文档多了一个新选择。
AI Search 现已全面开放。
它直接嵌入图像像素以进行视觉搜索,可对扫描版 PDF 运行光学字符识别,支持上传最大 10 MiB 的文件,并且适配任何聊天模型。
下文介绍了新增功能和定价方式。
#BirthdayWeek
X平台用户@leaf_sanren分享了一套可以稳定产出Muse AI人像视频的超长提示词
博主@leaf_sanren在X平台分享了一段由Muse直接生成的AI视频,并提出疑问:这款生成结果能否超越现有的Seedance 2.5或Wan 3.0?
博主给出了这套用于生成视频的完整提示词,要求生成一段15秒、9:16竖屏、超高清4K、30fps的电影级真实质感时尚人像短片,还详细设定了人物、妆容、场景、光线、运镜等细节。
人物设定要求是20-25岁左右的年轻亚洲女性,整体气质像车模或时尚活动现场被摄影师近距离怼脸抓拍,明确要求保留毛孔、轻微痘印、细纹等真实皮肤细节,排除网红感、过度磨皮等不真实效果。
光线要求符合现实拍摄逻辑,主光从人物正前偏侧上方打来,全程允许出现2到3次自然的短暂闪光灯,不能整段频闪。运镜采用超近距离人像运镜,按时间分段给出了具体的镜头移动要求。
最终要求整体风格呈现真实高级的时尚人像质感,不能出现五官变形、镜头乱晃等问题。这套提示词已经可以稳定产出对应视频,相关链接已公开。
本文带你上手适合国内用户的AI Agent产品WorkBuddy
HaileyAILabs在X平台测评Muse,其内置Spark的视频生成能力超出预期,适合普通用户做AI漫剧
因「个人智能体(Agent)」走红的Muse,本次被当作基础模型测评其内置Spark的视频生成能力。
测评结果超出预期,尤其在AI漫剧生成场景,它基本可以一键生成长视频,剧情、分镜和画面衔接都比较完整,微调后就具备商用潜力。
Muse被吐槽最多的帧率问题确实存在,整体表现一般,但对于治愈系动画、手绘短片、AI漫剧这类内容来说,帧率问题影响不大,不影响正常出片。
它最大的优势是成本低。测评者连续制作多个视频后,免费额度只用了不到一半,而且免费额度每周重置;之前通过邀请获得的10亿Token甚至还未使用。
此前不管是Seedance还是其他视频生成平台,Token成本都比较高,新手制作长视频还容易出现制作周期长、生成不稳定、内容崩溃等问题。
测评者认为,对于普通用户玩AI漫剧、制作短视频内容来说,Muse确实是不错的Seedance平替。
测评者发布相关内容后,评论区出现不少人身攻击,起因只是测评者说了一句「再见Seedance」。测评者表示,观点不同可以拿作品、效果、成本理性讨论,希望这只是部分用户情绪上头,而非公关大战。
用户@hxhxhx0916 在𝕏分享《现代战争:斩首》AI生成视频提示词,限定积分一次生成
对大语言模型训练者而言,太难或太易的训练问题都没法提升模型效果,只有能力边界的问题训练效率最高,这能帮研究者优化训练流程
🎯 学习在能力边界上效率最高:太简单或太难的问题都学不到东西。 对于用 GRPO 训练的大语言模型推理器来说,这完全符合实际:模型总能解决或完全解决不了的问题,梯度都是零。 我们介绍 Frontier Learning 👇🧵
不需要重新训练也不需要额外模型,就能提升已有的循环Transformer模型性能,在两个测试集上都实现了性能提升。
苹果MLR最新研究,推出LoopCD。
你有听说过GPT-6 Astra和Gemini 4这类前沿模型使用循环Transformer的传言吗?我们提出了一种新的推理阶段方法,几乎不需要额外成本就能让预训练循环模型变得更好!
AIME 2024 (Ouro-2.6B):61.9 → 73.3
HumanEval (Huginn):22.6 → 31.7
不需要训练,不需要额外模型。更多详情请阅读我们的论文。
实测显示大参数机器人模型可完全依托云端实时运行,不用依赖本地GPU,物理AI规模化落地的方向开始清晰。
我们刚刚在完全不使用本地GPU的情况下,运行了目前现存最大的机器人模型之一。而且它的实时运行开销不到50毫秒。缩放定律正在成为实体人工智能的现实。
Perceptron的Isaac 0.5是最大的开源模型之一,总参数量达到360亿。@perceptroninc 与其他前沿机器人实验室如 @DynaRobotics 和 @GeneralistAI 一样,都表明我们需要大规模扩展预训练数据,从数千小时扩展到数百万小时的视频。
具体而言,他们发现模型训练用的自我中心视频越多,达到相同损失所需的遥操作数据就越少。
在 @DreamscaleLabs (YC F26),我们注意到一个重要事实:数据和训练计算并不是单独扩展。模型尺寸也必须增大,而GPT-6 Astra已经让我们窥见万亿参数机器人模型能做到什么。
我们正在构建服务于这个未来的技术——一个不受车载计算瓶颈约束,而是允许大模型通过云端快速运行的未来。如果你对我们的工作感兴趣,请联系我们。
这套Cogentic多智能体框架仅需要约100次模型调用,就能完成复杂数学定理证明,对科研领域的AI落地是可行的新方向
谷歌最新论文披露,Gemini 为 5 个未解数学问题找到了新证明。
谷歌将 AI 像研究团队那样组织起来,配置了严格的检查器和共享笔记:单个提示词通常不足以解决困难的研究问题。这类问题需要多次尝试、严格审查,还要记住哪些思路已经可行。
谷歌的系统 Cogentic 为 Gemini 提供了这种结构。多个智能体同时尝试不同思路,检查器会默认每一步都是错误的,直到被证明正确,已验证正确的步骤会保存下来供下一轮使用。
大多数问题只需要大约 100 次模型调用,人类专家已经验证了所有证明。如果你想用智能体解决漫长又困难的任务,给它们配置严格的检查器和已验证工作的运行记录,而不只是更好的提示词。
标题:《Cogentic:用于自动证明发现的多智能体编排》
这套工作流能让科研人员探索远超出人类单独处理规模的课题,人仍负责结果判断,AI负责探索计算,这可能改变整个科研范式。
人工智能正开始改变科学研究的方式。Anthropic研究员兼物理学家Matthew Schwartz探讨了Claude如何与科学家协作,解决不同领域的问题。
他将这些问题称为“Claude适配型”问题,也就是契合AI在编码、数学、数据分析以及跨学科知识联结方面优势的科学问题。得到的结果十分惊人:
> 已探索超过400个科学问题
> 覆盖18个领域的36份手稿
> 分析了超过57亿对基因突变
> 调研了4452篇经济学论文
> 一个语言学数据库包含6072种语言
> 计算了30个困难的费曼积分,其中15个此前从未被计算过
在生态学领域,Claude还帮助解决了一个长期存在的计算问题,发现巴拿马的森林组成变化速度比中性生物多样性理论预测的快约4.5倍。
但人类在判断结果实际意义方面仍然发挥着关键作用。这可能是全新科学工作流的开端:人类直觉→AI探索→计算→发现→人类验证。
这种工作流能让科学家以人类独自无法做到的规模,同时探索数千种想法🔥
对大语言模型做简单测试,只问坐标对应的是陆地还是水域,共提问16200次,结果显示模型从压缩的互联网信息中学会了这项能力。
评估很有意思。你只要问大语言模型“陆地还是水域?”,再给出经纬度坐标文本即可。
重复这个操作16200次,把结果绘制成图像。
模型确实知道答案。来自对互联网的压缩。
想成为顶尖AI性能工程师,需要掌握这套评估框架,它能帮你根据应用特定时间目标评估token交付能力。
它的实操教学演示表现亮眼,未来可能为实操学习提供新的AI解决方案,值得关注。
Griffin-Lite 目前在 @NVIDIA 的 VideoFDB 排行榜上名列AI提交模型第一。
这个演示视频引起了我的注意:它会跟随镜头里的操作任务,一步步讲解操作,还同步计时报秒。
在实操教学领域,它有不错的应用潜力 👀
新方法比GRPO对Qwen3.5-2B提升9.91%,对Qwen3.5-4B提升7.12%,能更精准优化大模型智能体训练效果。
这是一篇关于智能体强化学习信用分配的优秀论文。
主要结论是:你需要一个 LLM 裁判来决定在轨迹中哪里检查,再用 rollout 来决定该步骤获得多少信用。GRPO 给一条轨迹里的每个 token 分配相同的优势值,因此训练信号无法区分出决定性步骤和其他步骤。
ProVer 会让一个裁判比较成功和失败的 rollout,指出它认为造成结果差异的片段。然后它会从该片段的前一个位置和后一个位置分别采样后续轨迹,把成功率的变化作为该片段的优势值。
在 ALFWorld、WebShop 和 SearchQA 数据集上,相对 GRPO 的提升为:Qwen3.5-2B 提升 9.91%,Qwen3.5-4B 提升 7.12%。哪怕裁判是更小的模型,该方法依然有效。
如果你正在开发AI智能体,这种轮流优化提示词和模型的方法,能有效提升任务准确率,你可以参考这个思路优化自己的产品。
不必在更好的提示词和更好的模型之间二选一:轮流改进两者将一个智能体准确率从 42.2% 提升到了 73.3%。
研究人员一直在纠正AI智能体,但在对话里修正一个答案并不能让智能体在下一个任务中表现更好。在对话中对AI智能体进行纠正,修正效果通常随着对话结束而消失。
ScienceBuddy 是面向科学家的AI助手,它能将反馈转化为带评分的测试任务。然后它采取轮流改进的方式:重写智能体的提示词和技能,重新训练模型,不断重复这个过程。
用一个小型的4B模型处理生物学任务,仅提示词和技能改动就将准确率从31.1%提升到了51.1%。仅重新训练也有帮助,能将在4次尝试内解决问题的比例从48.3%提升到67.8%。
如果你正在构建智能体,记得把每一次用户纠正都保存为测试,并持续轮流升级你的提示词和模型。
论文标题:《ScienceBuddy:面向交互式科学智能体的递归中的自我改进》
做代码开发需要选编码智能体,可以参考这项实测数据,拒绝率更低意味着更少任务中断,开发效率更有保障
想了解当前大模型技术迭代核心方向的话,可以看看这个观点,它指出了新旧模型在推理范式上的关键区别和性能差异。
基础大语言模型(2024年及更早版本)和现代大推理模型(LRM)之间的关键区别,并不在于符号化工具使用。
区别在于,它们从转导范式(直接根据查询推断答案)转向了归纳范式(推断出能生成查询答案的程序/指令)。
现在的模型被训练为归纳式,它们会在测试时进行归纳,也就是在测试时预测自然语言程序/推理链。
这解锁了全新的能力——尤其是流体智力。
到目前为止,基础大语言模型的流体智力几乎为0。而现代大推理模型已经拥有相当高水平的流体智力。
大语言模型在ARC 1(2019年推出的一项基准测试)上的表现,到今天仍然只有大约10%-15%。将模型参数量缩放100000倍,也只是让准确率从0%提升到了10%。
而参数量相同甚至更小的现代大推理模型,已经在2025年拉满了ARC 1的成绩。
让大模型自主编辑管理运行中的上下文,能在减少计算量的同时提升任务准确率,对需要大上下文处理的任务有明显性能优化。
AI生成内容越来越逼真,难辨真假。可靠的溯源方案能帮区分人造、AI生成还是自然内容,可避免虚假信息干扰。
当 AI 生成内容变得越来越逼真,我们该如何验证内容到底来自人类、机器还是自然?
我们在播客中探讨了来源的关键作用——以及隐形水印如何同时保护数字媒体和生物设计。
↓时间码:
00:00 简介
00:34 什么是水印?
04:35 SynthID
15:16 图像与视频
19:28 SynthID Bio
28:00 未来的韧性
该模型面向长流程任务,可根据文学文本需求直接生成完整可交互的3D网页,能帮开发者完成长文档、长代码的生成工作。
用 Ling-3.1-flash,复刻了一版宝玉老师的《桃花源记》3D 网页。视频展示实际成品。Ling-3.1-flash 是蚂蚁百灵新一代大模型,重点面向软件研发、信息检索和办公交付等长流程任务,强调从需求理解到具体成果的完整执行能力。
模型总参数约 560B,每个 Token 激活约 25B;上下文窗口上限为 1M,免��体验期间提供 256K 服务长度,可用于承载较长的文档、代码与任务历史。发布信息 本次将 Ling-3.1-flash 应用于文学场景的网页代码生成,涵盖基础页面,以及山体、屋舍、人物和桃树等场景函数。成品采用程序化三维几何构建桃林、溪流、山洞、农田与村落,支持浏览器实时交互。
网页完整保留《桃花源记》原文,以 7 幕 24 段组织“循文入境”体验,将文字、镜头和人物状态相互关联。读者可以自由观景,也可以沿原文顺序浏览,并使用暂停、回看、章节跳转和中文朗读功能。场景提供清晨、晴日、暮色与春雨四种氛围。
这份成品展示了 Ling-3.1-flash 在复杂场景代码生成中的具体应用:将文学文本与交互需求落实为可运行、可观察、可操作的网页。
想在本地运行 AI 工作流、处理复杂工程或自动化办公,不用再忍受闭源工具的高价和限制,也不用折腾终端配环境,双击就能用。
这是AI和人类共同参与的开放式数学研究项目,所有成果公开供社区使用,可能改变AI时代数学研究的方式。
现在在Cursor编辑器里就能直接调用这两款开源大模型,其中GLM 5.3 Max在CursorBench 4.0上得分最高。
GLM 5.3 和 GLM 5.3 Flash 现已在 Cursor 上线!
GLM 5.3 Max 是目前在 CursorBench 4.0 上得分最高的开源权重模型。
接近半数真人对话者会把它错认成真人,此前同类系统通过率不到3%,想要和真人级别的AI视频互动可以期待。
首个通过图灵测试的模型——Griffin登场。
与Griffin实时对话的人群中,有48%认为它是真实人类。此前的系统通过率都低于3%。
它在NVIDIA全双工AI视频基准测试中排名第一。
这是首个“人类交互模型(HIM)”。
生成式AI设计的蛋白质也可以加水印了,不影响生物功能,解决了AI生成生物设计的溯源问题
SynthID Bio 是我们为 AI 生成的生物设计打造的全新水印方法系列。
这项技术在全球首次实现了,可以将不可察觉的标记直接嵌入蛋白质序列,同时不影响它们的生物功能。🧵
现在想做局部修图、按框放物体、多参考生成图,都可以用这个新模型,支持最高4K分辨率生成,已经可以在Higgsfield使用
希格斯菲尔德 × FLUX 3 Image 来了。借助 Black Forest Labs 的新图像模型,你可以:
> 在不影响其他部分的前提下编辑单个细节
> 用边界框放置物体
> 最多组合10个参考图
> 生成最高4K分辨率的图像
现已在 Higgsfield 上线。
现在你可以只用一个 API 密钥,在 NEAR AI Cloud 调用 Anthropic 最新三款 Claude 大模型,不用分别申请不同密钥。
Anthropic 最新模型,现已上线 NEAR AI Cloud:Claude Sonnet 5.5、Claude Opus 5.5、Claude Fable 5.1。
三个模型共用一个 API key。👇
不用高端显卡也能在日常电脑上跑高性能推理模型,后续做大模型本地部署这条路又往前推了一步。
小型模型的推理能力现在已经变得非常出色。
这很令人兴奋,因为小型语言模型(SLM)可以在应用层发挥巨大作用。
来自@thewebAI 的 TwIL-LM3-Pro 只有36亿参数,可以在普通电脑本地运行。它在BIG-Bench Hard 测试中得分95.4,远高于Qwen3-8B的63.7分。
我很欣赏他们的训练后方案。他们先在形式逻辑上微调,将权重往基模型方向合并,然后对抗程序化验证器做强化学习。最终逻辑分数得到提升,同时整体推理能力保持稳定。
很高兴能看到更多这类工作以开源形式发布。
如果你要给AI应用加基于概率的分类判断功能,可以用这个成本固定的API直接调用,不需要自己训练模型。
我们推出了 Perplexity Decisions API。
它由 pplx-decider-v1-27b 提供支持,这是我们的多模态决策模型,训练目标是输出固定答案集合上的概率分布,而非生成文本。
它的定价是每百万输入 tokens 0.04 美元,在基准测试中的平均得分是 85.71%。
需要做漏洞安全研究的开发者,现在可以拿到基于真实付费发现漏洞训练的开源模型,还能选低拒绝率变体。
今天我们发布了 apex-flash-1,这是我们首个面向安全研究的开放权重模型,它基于我们发现并获得报酬的真实漏洞后训练得到。
我们还为那些希望在自己的授权工作流中减少拒绝情况的研究人员发布了abliterated变体。
我们的构建过程如下:
开发AI智能体的开发者,现在可以借助这个新功能获得更稳定可靠的运行时支持。
适合本地低延迟运行,还提供了命令行工具,可以快速把它集成到本地工作流里用
AWS也推出了用于决策的分类器模型。
Strands Decider 2B是基于Qwen3.5-2B的、拥有20亿参数、带有置信分数、专门面向选择的开源决策模型,针对本地运行和低延迟进行了优化。
还提供了命令行界面,可以轻松使用。
介绍 Strands Decider 2B:小型开源决策模型。
新模型直接在像素空间处理图文视频,无需额外编码器,同时开源了代码和模型权重,可供试用
让我们把变分自编码器(VAE)和视觉Transformer(ViT)从视频模型中剔除!🚀 推出PixelUMM:一款无需编码器、适用于图像与视频理解和生成的统一多模态模型,直接在像素空间运行。代码和模型现已上线!
🌐 📄
新决策模型在质量和延迟上都超过现有基准,可托管使用也可下载权重,关注低延迟AI推理的开发者可以试试。
我们推出 clef:这是由 Cloudflare workers ai 团队训练的首批模型。
今天,我们发布了两个快速且准确的决策模型,它们在质量和延迟方面都优于基准测试。
你可以在 workers ai 上调用托管后的模型,也可以从 @huggingface 获取权重,因为我们也将它开源了。
开发各类应用都需要测试,这款全开源测试框架支持自定义代理和基础设施,可本地也可在持续集成中运行,能降低应用开发测试成本
介绍 e2e:适用于任意应用的智能代理测试框架
~/ npx e2e init →
完全开源
混合确定性与智能代理 API
支持网页、移动端及更多平台
可使用你自己的智能代理和基础设施
可在本地或 CI 中运行
无需修改现有框架和训练代码,就能在常用框架中用强化学习训练任意模型,效果提升明显,对训练AI模型有参考价值。
1/ 我们很高兴发布《多agent环境强化学习终极指南》。
同一个模型在每个agent环境里的表现都不一样。因此我们构建了一种开源方法,可以在人们实际使用的环境(比如 Claude Code、Codex 和 OpenCode)中,不用修改一行环境代码和训练代码,就能在任意任务集上用强化学习训练任意模型。
在四个环境中训练后,LFM2.5-2.6B 的正确率从 42% 提升到了 54%,工具调用减少了 31%。🧵
做有声内容时遇到AI读错专有名词,无需换工具重新生成,可直接在原有语音工具流程中修正错读,节省返工时间。
你的AI语音听起来像人声,但为什么它连产品名都读不对?
AI语音读“Porsche Taycan”时会读成TAY-can,但保时捷官方读法是TIE-kahn。它是根据拼写猜的,没人纠正这个错误,因为没人会去听第1200行文本。
今天我们推出了Onepin:文本转语音之后的生产步骤。它会在交付前用你已经在使用的语音检查每一句配音。
Onepin可以:
➤ 根据含400万个词的发音词典检查人名和产品名发音
➤ 在语音读出前解析价格和日期
➤ 给每一句音频就自然度、清晰度和单词准确度打分
➤ 用相同语音修正单个错词,无需重新渲染整段录音
它可以配合你在ElevenLabs、OpenAI、Google等30多个平台的语音订阅服务使用。
不需要输入音标拼写,不需要重新生成,不需要更换供应商。
免费开始使用,无需信用卡。
在下方串推中收听修改前后的对比效果 ⬇️
想参与开发新AI时代代码管理平台,可参与本次竞赛,已开放测试版可供体验
Cloudflare 正在举办一场竞赛,看谁能为智能体时代打造下一代 Git 平台。
Artifacts 现已开启公开测试,支持 Workers 绑定、数据管辖控制,以及针对代码库变更的事件订阅。
#BirthdayWeek
支持图片像素嵌入搜索、PDF文字识别,可搭配任意大语言模型使用,最大能处理10 MiB文件,给日常搜图搜文档多了一个新选择。
AI Search 现已全面开放。
它直接嵌入图像像素以进行视觉搜索,可对扫描版 PDF 运行光学字符识别,支持上传最大 10 MiB 的文件,并且适配任何聊天模型。
下文介绍了新增功能和定价方式。
#BirthdayWeek
想知道通用人工智能开发的最新进展,这是朝着超级智能迈出的关键一步,值得关注这个方向的新尝试
今天我们推出PROWL-2,在此模型中,智能体及其世界模型通过递归学习实现改进。
智能体暴露想象中的错误,修复这些错误就能让学习更进一步。
我们认为,这种开放式学习是迈向超级智能的关键一步。
只给不确定的复杂问题开启推理,兼顾速度和能力上限。未来能处理更复杂的系统决策任务,值得关注
现在为大家介绍 GLiDE,首个会思考的决策模型。它在 Decision Index 上排名第一,比 Jev 高出 6.9 分。
GLiDE 采用自适应思考方式。它的工作原理大致是:它先计算出快速概率分布,如果领先的答案不确定,就会启动推理过程。然后将推理结果整合到最终概率中。
这意味着该模型只会对需要推理的复杂决策使用推理能力,从而既能保持模型速度,又能扩展它可处理的任务种类。最终结果是,GLiDE 在知识与推理任务上比 Jev 高出 11.5 分,在 Decision Index 的全部五个评估领域全面领先。
推理能力让 GLiDE 可以完成传统决策模型难以处理的高度复杂任务,包括:从上百种工具和可能性路径中做出选择;执行、沙箱隔离、上报或拦截敏感操作;检查包含算术、代码、日期或多个事实的输出。
GLiDE 现已通过 Fastino API 开放使用。使用优惠码 USE_GLIDE 即可获得免费额度。
GLiDE API:
更低成本的开源权重模型达到前沿水平的React开发性能,React开发者可以多一个低成本的开发工具选项。
我们推出了 Apex:一款面向移动和 Web、专注于 React 的智能编码模型。
我们构建 Apex 源于一个简单的想法:一个开放权重模型能否以更低成本实现前沿级性能?
答案是可以。
Apex 在 React Native 和 Next.js 上达到了当前最优水平。
立即体验:
与黄仁勋交流后,摩根士丹利认为智能AI会进一步拉动GPU需求,英伟达估值目前仍然不高。
摩根士丹利在与黄仁勋进行路演后,重新将 NVDA 列为其首选半导体股。
电力和数据中心限制对 NVIDIA 每吉瓦算力有利。智能体 AI 将成为 GPU 需求更大的驱动力,而且估值目前仍然“非常不高”。
所有参赛者都能获得150美元Meta Model API免费额度,有AI开发兴趣的开发者可以报名参赛赢取奖金、获得算力支持。
每位黑客松参与者都可获得价值$150美元的免费Meta Model API额度。报名即将开放。
Meta 正在宣布一场全球性AI黑客松:为期10天,总现金奖金池100万美元,线上免费举办,全球都可参与。
Meta Model API 包括:
• Muse Spark 1.3:$150可获得约3500万输出token
• Muse Spark 1.3 Contributor:$150可获得约7.5亿输出token(提示词将用于改进Meta的产品)
• Muse Image
• Muse Voice Transcribe
• SAM 3.1
目前报名尚未开放。注册即可获取通知。
有人分享了国内可使用的组合方案,有人吐槽原生不好用,装官方插件才好用。
输入一条参考视频,自动分析、改编剧本、拆分镜、生成提示词。新号靠这套流程短时间做到百万播放。
火爆了!🧨三百粉新号半小时做出百万播放,这条AI视频流水线开源了🔥
做AI剧情视频,一个镜头生成一次,60秒要跑十几个片段💢 角色一漂、动作一断,就得重新抽卡,时间和额度全烧没了。
有人把这套流程做成了Skill:qisi-video-remix,从分析参考视频、改编剧本到拆分镜、写提示词,不到半小时跑完。👇
✅ 输入一条参考视频,自动分析它为什么抓人
✅ 改编剧本、拆资产、出分镜、写提示词一条龙
✅ 分镜和分段分开,按模型时长上限切,省额度
✅ MIT开源,Codex用户克隆到Skill目录就能用
做AI短剧、剧情号的赶紧收!用这个出爆款不在话下!😊
#开源工具 #AI视频
多数用户只用基础功能问问题改文字,不需要懂技术就能用。中国已经进入全民使用阶段。
别把没用过Claude和Codex当成没用过Ai。CNNIC的报告显示:国内生成式AI的用户已超过7亿,普及率超过50%。很多人的需求是打开豆包、DeepSeek,问问问题、改改文字、写写文档;不懂技术术语也不耽搁拿它办事。
中国已经进入生成式AI的全民使用阶段。
已经在用 Claude Code 的用户,现在不用换工具就能定制自己的 AI 编程助手,只需要注意只安装可信来源的 Mod 避免安全风险。
大模型推理速度卡内存的问题一直存在,用光学生成又快又便宜的大容量内存,能支撑超10万亿参数大模型更快推理,期待技术落地。
刚刚消息:Volantis 完成 8800 万美元 A 轮融资,旨在用光学技术解决 AI 的内存瓶颈,让芯片能搭载大容量、低成本的高速内存,为参数超过 10T 的模型实现超快速推理。
很多人发布了新模型,普通用户却没办法试用,这会让模型发布慢慢失去关注度。
如果普通人都没法试用一款模型,那为啥还要“发布”它?OpenAI在Astra上犯过这个错,现在谷歌在Gemini 4 Argon上也犯了同样的错。
这种操作的问题在于,当它最终向公众开放时,势头通常已经弱了很多,甚至完全凉了。Fable 5.5可能会在此之前或同一时间发布——它很可能会盖过其他所有模型的风头。
所以,给想要发布模型的实验室提个建议:要么在发布时就面向全部公众开放,要么推迟发布直到它准备好。
训练时用优化框架当老师,部署时把能力蒸进权重只留最小框架,成功率从23.3%涨到44.3%。
公司目标是用光子技术解决AI内存瓶颈,投资人包括OpenAI的Sam Altman。
服务商基于以太坊网络搭建了底层基础设施,用户用多少付多少。
介绍PinAI:开放AI模型,按使用量付费,合约地址:ethereum:0x2e44f3f609ff5aa4819b323fd74690f07c3607c4
过去几个月,我们一直在悄悄扩展PinLink背后的基础设施。我们开放的首批项目之一,就是直接访问开放AI模型。
如今,如果你要使用图像、语音和文本的不同模型,通常需要支付多项单独订阅费用,哪怕你只是偶尔才用到每个模型。
PinAI采用了不同的方式。选择你需要的模型,提交输入,按调用次数以ethereum:0x2e44f3f609ff5aa4819b323fd74690f07c3607c4付费,然后直接获取输出。
这同时也是Fractal的一个重要构建块。PinAI向用户开放基础模型。Fractal会将这个基础设施打包进能够执行特定任务的专用智能体中。
现在,让我们开始推出PinLink的下一阶段。
架构每个AI智能体都有持久化存储、明确分工,还有一个总管智能体协调。
OpenAI Dots 本质上是一个全年无休 AI 公司的运行蓝图。架构如下:
1. 具备浏览器、终端、文件和记忆的持久智能体
2. 每个 Dots 只承担一项明确职责
3. 由一个编排器负责分配和检查工作
4. 隔离工作单元,仅提供它们所需的上下文
5. 连接 Slack、Teams、Google Workspace、仪表盘和 API
6. 使用计划+触发器处理重复运营任务
7. 自动化可逆操作,对高风险操作设置把关
8. 将更困难的工作分配给更强的模型,重复工作分配给更便宜的模型
9. 将公司共享记忆保存在单一可信源中
10. 将闭环连接到收入:研究→拓展→执行→分析→下一步行动
AI不再是你打开来获取答案的工具。它变成了一个运营层,在你下线之后依然能让公司保持运转。完整架构蓝图见下方。
十分钟写目标,五分钟给AI提示,五分钟拿方案改进,普通人也能跟着做。
你不需要每周花10小时才能学好AI。你只需要每天花60分钟,按下面这样做:
10分钟:用一句话写下今天的目标
5分钟:根据目标、上下文编写提示词提问
5分钟:得到一份计划并确认它
30分钟:用Claude 3.5 Sonnet构建内容
10分钟:保存完成的成果
按照这个循环坚持30天。每天都在同一个时间段练习。每天都挑战更难的任务。这就是全部秘诀。
收藏这条推文。关注 @cyrilXBT
如果需要本地使用 DeepSeek 客户端,现在已经有了支持 macOS 和 Windows 的原生桌面版,可以直接下载使用。
社区讨论:有人警告该软件二进制包来自中国,数据会流向中国,且自更新插件系统容易被恶意大模型提供者利用,风险极高。也有人调侃希望有工具能直接把自己的数据卖给情报机构换礼品卡。有人测试后认为Mac版本运行流畅,只是暂缺快捷键调整字号功能,预览版就已经工作得很好,希望后续加入远程连接功能。
也有人质疑分发大权限二进制包本身就是项目目的,该工具只能配合DeepSeek API使用,无法适配本地模型。还有观点认为随着大模型能力提升,这类封装工具未来会逐渐简化消失。
多AI智能体协作时的沟通一直是痛点,这个工具能解决智能体之间通信不畅的问题,降低协作门槛
想选用AI帮你写代码,可以参考这份最新的横向评测。不同产品性能分数接近,单次任务成本差距最高十几倍。
本周,Claude Sonnet 5.5、GPT-6.1 Sol 和 Gemini 4 Argon 都上线后跻身 Coding Agent Index 排行榜前列,但它们在性能和成本方面各有不同的平衡。
Artificial Analysis Coding Agent Index 会从三个智能体编码评估维度对智能体(模型和工具 harness 的组合)进行衡量。
➤ Claude Code 中的 Claude Sonnet 5.5 (max) 以 68 分位居榜首,但同时也是每次任务测试成本最高的,达到 14.19 美元。
➤ Antigravity CLI 中的 Gemini 4 Argon (high) 得分为 64,每次任务成本 5.84 美元,不到 Sonnet 5.5 成本的一半。请注意,这里使用的是 Google 的促销定价,并且 Argon 尚未公开发布。
➤ Codex 中的 GPT-6.1 Sol (xhigh) 得分为 63,每次任务成本 1.04 美元,大约是 Argon 成本的六分之一。
可自定义扩展Claude Code的代理框架,DeepSeekHarness全程贯彻全插件化设计,感兴趣可以看看两种架构思路的对比。
恭喜 Claude Code 团队推出 Mods!这是一种让你的智能体框架可扩展、可定制的巧妙方式。
这是一个很棒的想法融合:在 Claude Code 里,mods 本质就是插件;而 @DeepSeekHarness 从一开始就是围绕重新思考插件概念构建的。
Claude Code 仅把一部分功能做成了 mods,而在 @DeepSeekHarness 里,一切都是插件:模型、工具、技能、会话、沙箱、文件系统、循环、编排和 UI 全都实现为插件,可以混合、匹配、替换和扩展。
在 @DeepSeekHarness 的 Creator 模式中,你可以让智能体检查实时运行时、编写插件并保存它们,以此来修改 UI、改变智能体循环的行为和机制、添加工具或新的编排方式——简单来说,智能体框架的一切都可以实时修改并保存。
所以我们考虑这个说法有一段时间了……现在是不是该换个名字了?😂
有人分享官方使用技巧:不用高配置大模型处理简单任务,可以把不同模型分配给不同分工的代理,组成自动化团队。你可以按项目拆分算力成本。
这类小模型负责处理路由、审批、 judgement这类细碎判断,大模型只处理核心复杂任务,能省不少成本。现在已经有多个玩家进场做这类模型。
Strands Decider 2B 是一款小型开源决策模型,非常适合试验,同时也足以胜任实际工作:我们已经开源了全部内容,包括所有训练数据、代码,以及我们一路摸索获得的经验日志。
祝贺 @AravSrinivas!决策模型领域又多了新参与者,这款模型对框架内部的小型调用(路由、批准、判断)提供开放权重的低成本定型回答,其余任务则交给大模型处理。
这是一个TypeScript框架,用来构建长时间运行的agent应用。终端里就能交互运行编程agent,解决了长时间任务中断得重来的问题。
用GGUF量化技术压缩后,可以直接在本地设备运行。目前已经有超过130万次下载,不少人想要的无限制生成需求它能满足。
现在推出 Qwen-Image-2.1-Uncensored-GGUF:这是一个支持 GGUF 量化、可本地运行的文生图模型。
下载量超 130 万,获赞超 2600 次。它是 Qwen-Image-2.1 的无审核版本,能给你带来更多创作自由。
不少监管会议会要求AI企业自行约束行业发展,这个观点直接点破这种操作的实际效果。只是不知道后续会有什么实际变化。
多数公司还停留在讨论AI代理落地可能性的阶段,这家公司的AI团队已经在20天里完成了5908项实际工作。相关方案很快会对外公开。
不管是角色向量、概念向量还是任务向量,本质逻辑都相通,构造和使用方法也可以通用。这个总结能帮新人理清很多混乱的概念。
对大语言模型基础方向的技术讨论,能帮你了解行业前沿正在探索的新方向。
想学习难知识点却找不到规划,AI可以生成个性化系统课程,还能交互式带练,已有十万多用户体验。
介绍@hyperknow_ai:一种全新的学习方式。
这个AI教授能把任何学习目标转化为一对一、交互式的系统化课程。当其他所有AI都在忙着取代你的思考时,我们筹集了100万美元,来找回你自己理解事物时那种纯粹的兴奋感。
你给Hyperknow一个主题、一本教材,或是任何你之前一直难以理解的内容,它就能把你的好奇心转化为个性化课程,包含结构化单元、课程、练习甚至实践项目,然后在交互式白板上一步步带你学习,感觉就像有私人教授在你身边一样。
已有超过10万名学习者通过Hyperknow探索了新领域。现在轮到你了。
近期多家机构接连发布决策模型,Cloudflare也开源了两款自家训练的clef和clef-flash模型,可在Cloudflare Workers AI上使用。你最近有没有接触过决策类AI模型?
我们推出了 Perplexity Decisions API。它由 pplx-decider-v1-27b 驱动,这是我们训练的多模态决策模型,用于输出固定答案集上的概率分布而非文本。其价格为每百万输入 tokens 0.04 美元,在各基准测试上得分达到 85.71%。
“今天,我们发布了两个由 Cloudflare 训练的决策模型 Clef 和 Clef-flash。”从未见过一个观点传播得如此之快。
现在是决策模型之秋 🍂,今天,我们开源了 clef 和 clef-flash,这是我们第一个自主训练的模型,两者现在都可以在 @cloudflare workers ai 上使用!演示/排行榜:博客:
新研究测量了网络爬取的AI生成文本对大模型预训练缩放规律的影响,发现这类文本会让训练出来的模型质量变差。
Extract v2.5推出了多个不同档位的智能体,专门针对文档提取的价值准确率和接地(关联原文)做了调优,成本也更低。
今天我们推出了 Extract v2.5 —— 一系列专门为文档提取调整的前沿智能体。
这些智能体(高性价比、智能体型、增强智能体型)针对取值准确性和内容溯源做了优化。我们的提取智能体性能超过了 Opus 5.5 和 GPT-6 Sol,同时价格低 30% 到 4 倍。
我们对复杂提取做了大幅改进:
- 长列表(智能体层级准确率从 86.1% 提升到 95.5%)
- 跨页记录(从 85.5% 提升到 96.5%)
- 扫描表单(从 90.9% 提升到 95.7%)
我们还推出了以下功能:
✅ 高级引用:我们会为推导字段的所有支持值定位 bounding box,哪怕没有完全匹配也没关系。
✅ 结构推理:我们会根据文档的类型、布局和信息定制文档提取算法。
我们的提取智能体在 ExtractBench 上,跨多个价格档位,都实现了价格性能的 SOTA。对于任意复杂度的文档,我们都是最好的文档提取工具。
所有这些功能都已经在 LlamaParse 上线,快去体验吧!
Halluminate正在构建强化学习环境和基准测试,帮助AI模型完成编程之外的知识工作,首先从金融领域切入,团队还不到10人。
Halluminate 正在构建强化学习环境和基准测试,帮助AI模型完成编码以外的知识工作,从金融领域起步。
这家公司团队人数不到10人,已经与美国前五闭源AI实验室中的四家展开合作,最近刚刚完成3000万美元A轮融资。
在本次炉边对话中,联合创始人 @Jerr_Wu 和 @wgm752 与 YC 的 @xuster 对谈,分享了测试浏览器代理如何让他们搭建出现在模型用来练习金融建模这类任务的环境。
他们解释了为什么更好的验证(而不只是更多训练任务)对让模型变聪明至关重要,以及这项工作最终如何能催生AI代理团队在其中协作学习的模拟公司。
时间线:
00:00 — Halluminate 从评估转向训练环境
03:48 — 教AI完成金融工作
07:13 — 为什么验证比数量更重要
10:13 — 从金融到模拟公司
13:30 — AI安全与团队建设
IDE里集成了开放智能体中心,可以运行多种第三方AI智能体,还优化了运行效率,常用Claude、Codex写代码的开发者可以试试。
我们重构了 JetBrains IDEs,将其打造成终极智能代理工作台。
Air 是 IDE 内部的开放智能代理 hub:
- 可运行任意智能代理(Claude、Codex 等等)
- 借助 IDE 智能能力,代理运行效率更高
- 捆绑了免费的 Junie Lite 代理
- 通过 Air Teams 支持云端运行 ⬇️
监管已经开始直面AI产品的潜在风险,未来AI行业发展和使用成本都可能因此改变
社区讨论:多数人认为此次调查最终不会有结果,大选中期选举结束六个月后要么不了了之要么对企业有利,因为美国现任政府不认为AI是问题,企业只要雇佣合适说客就能搞定白宫、换掉反对的监管官员。有人提出应当因头部AI企业低价倾销、挤压就业展开调查,也有人认为FTC本身对大企业做相关调查是正常情况。
想要尝试强化学习微调模型的人,可以直接用这个开源平台,不用从头搭建环境。
社区讨论: 多名用户好奇,为何Jev发布短短几周就涌现出大量替代决策模型,这类模型是否容易复刻。有用户认为,无法传入先验也不能微调的Jev类模型实际用处有限,输出几乎没有意义。用户对比定价发现,Clef每百万token输入价格是Jev的近六倍,推荐有能力的用户自行部署。
还有用户澄清,Clef仅开放权重且基于Qwen,并非完全开源。
对关注智能体AI发展的人来说,这是行业里最早专门讨论智能体身份管理的公开研究,值得参考相关方向。
这四个原则能帮你找准AI Agent的发展方向,避开当前行业存在的误区,找到更适合AI Agent落地的应用场景。
未来AI智能体将自主完成任务并获得报酬,这套方案打通了从找活、接单到结算全流程,让AI自主经济运行成为可能。
随着 AI 智能体开始互相协作,一个新的挑战出现了:它们如何寻找工作、完成任务和获得报酬?在我看来,@termix_ai 的真正价值就体现在这里。
这超越了 AI 智能体交易市场的基础概念。它的核心想法是把整个流程整合在一处:
✅ 智能体发现任务
✅ 识别合适的机会
✅ 被选中
✅ 获得资金
✅ 完成工作
✅ 经过审核和结算
每一步对构建顺畅可用的工作流程都必不可少。因为智能体经济不能只靠智能运转,它还需要一个能支持信任、确认结果、处理支付并逐步积累信誉的系统。
@termix_ai 围绕着这个简单却重要的理念构建:智能体应当能够作为真正的贡献者参与经济活动。它们找到工作→提供价值→获得回报。
这个领域仍处于早期,但这些环节的连接方式已经说明了为什么这个愿景值得密切关注。
RenAI基于GLM 5.2构建dApp,目前已有500注册用户,它能降低想法到应用原型的门槛,适合有想法想做应用的人提前尝试
正确解读:RenAI
RenAI 是 JustCoode 的构建工具。核心逻辑很简单:有想法的人应当能够描述出应用,和智能体一起迭代,最终得到一个可以进入 dApp Square 的成果。
它是什么?面向 Delta 的 AI 编码/dApp 构建环境。仍在开发中,但已经可以测试使用了,欢迎提交漏洞报告。
它在功能上(而非口号上)的对标竞品:Lovable、Bolt、Caffeine 这类构建工具。输入提示词,输出可用的界面。
它目前使用的模型:GLM 5.2 这类高性能模型,之后会探索更强的模型选项,这不代表“明天就会用 GPT”的承诺。
早期的内部共享数据:注册用户约 500 人,日活用户少得多,目前有少数 dApp 正在后台构建中。这是一个早期工具,并非成熟产品。
定价方向:目前在 ICP 上按算力付费,之后可能推出试用额度,当该用途可用时,可能转向 DTC。
不要说“RenAI 可以完美构建任何应用”,你只需要说:它降低了想法到原型之间的第一道门槛。
关注科技行业投资的人可以参考这个观点,现有产品已有大量用户,谷歌升级AI的商业潜力被很多人忽略了
我“躺赢”名单上下一个标的是$GOOG。我认为大家对谷歌在AI领域的地位否定得太快了。
我看好的机遇是,谷歌将更强大的AI植入搜索、Gmail、Android和Workspace,帮助用户在已经在用的产品内完成工作。谷歌已经有了分发渠道,而且业务已经在产出成果了。
第二季度,谷歌营收同比增长24%,云业务增长82%,搜索及其他业务增长17%。目前远期市盈率约为24倍,我认为估值合理。它不会是一夜百倍的 moonshot 投资。
我不相信AI是赢者通吃的市场。谷歌不需要在每项基准测试中都获胜,就能建立规模大得多的AI业务。而且能在200日均线附近买入$GOOG的机会并不常有。仅此一点当然不够成投资逻辑,但结合增长和AI机遇,这就是为什么$GOOG是我名单上另一个风险回报比出色的选择。
给旧模型的提示词现在拖慢 Opus 5.5 响应、降低输出质量,已有工具可以五分钟清理无效提示词。
你的 `CLAUDE.md` 正在让 Opus 5.5 变笨。像「再检查一遍你的工作」和「分步思考」这类提示,已经是旧模型时代的建议了。
在 Opus 5.5 上,这些提示只会拖慢响应速度,让输出质量变差。Anthropic 的 Lance Martin 刚刚推出了解决方案。
打开 Claude Code 运行:`/claude-api prompt-audit`
这个命令会扫描你的技能配置、`CLAUDE.md` 和提示词,清除掉那些拖垮模型的冗余短语,然后用官方的 Opus 5.5 指南改写剩下的内容。
整个过程只需要五分钟。今晚就做吧。现在存下这条,不然你肯定会说“之后再弄”然后就忘了。
未来人类工作的核心会转向监督 AI,你可以尝试用不同的输出要求向 AI 代理提需求,适配这个变化。
这是百分之百正确的。下次别让你的智能体输出markdown格式的报告。相反,你可以让它输出结构清晰、美观的HTML、一张图表,甚至是简短的解说视频。
监督正成为人类的主要工作。
想要自定义AI Agent功能的人,可以关注这类可叠加插件的新方向,现在已有多个头部产品在做,这份整理能帮你更快理解差异。
昨天晚上 Anthropic 推出了 Claude mods,PI最近 1.0 更新也推出了 code mode,再加上 Codex 更新的插件系统和 DeepSeek harness 的一切皆插件。似乎所有的这种超级 Agent 都在开发类似的功能,可以让用户自己往 Agent 上叠加功能的插件体系。但是这几个的作用位置以及工作原理都不太一样。
我跟Muse 讨论了一下,收集了信息,然后做了张图,让大家用更简单的方式去理解这 4 个产品,以及它们这套插件系统不同的能力。
当AI从只提供回答转向主动执行任务,错误行为会造成真实世界影响。关注AI行为历史与可追溯性,才能真正保障安全。
大家早上好。到目前为止,关于AI安全的讨论,基本上都局限在模型能说什么、不能说什么,也就是它是否会提供错误信息、或者说出有害内容。
但AI已经不再只是输出语言了。它现在会浏览互联网、访问系统、编写代码、操作设备,还能自主做出决策。错误回答可以纠正,但错误行为会对现实世界产生实际影响:它可能让设备停转、篡改系统,引发决策带来的各种后果。
因此,当AI执行一个动作时,问题已经不再只是「它为什么这么做?」。新的问题出现了:到底发生了什么?是什么触发了这个动作?最终该由谁负责?
随着AI从仅仅提供答案转向主动执行任务,它的动作历史比它的原始智能更加重要。这是因为,哪怕是一个明智的决策,如果无法追溯,它实际上就变成了一个黑箱。而且AI自主运行程度越高,精确了解在现实世界什么时间点发生了什么就越关键。
这就是像 @Actum_system 这样的验证层的重要性所在:无论AI的决策多复杂,如果底层实际情况无法验证,那「它为什么这么做?」这个问题的答案永远不会完全可信。#ACTUM
用大语言模型写文章做输出时,可以按照这些技巧优化可读性和交互性,提升自己的工作效率。
若数学不止于人类理解,AI能力指数增长面对无限数学,会发生什么?关心数学领域AI发展的人值得关注这个讨论。
这篇来自Kevin Buzzard的文章非常有思想。Kevin Buzzard是获得过IMO满分的数论学家,也是Lean中形式化数学的先驱。
如果数学不仅仅关乎「人类理解」,那它到底关乎什么?如果AI能力持续指数增长,在「数学是无穷的」前提下会发生什么?
追热点学产品用法很快就过时,底层核心框架才是长期稳定不变的,能沉淀下来一直用
Claude Code、Codex 这些产品迭代是很快的 所以写这些 教“怎么用 ”的教程很快就过期了 也没有长期能沉淀的学习价值 但 Agent 的底层结构: 循环、工具、上下文、权限、评估 这些底层框架是稳定的 这就像 后端框架换了一茬又一茬 但是核心东西还是 《Unix 高级环境编程》里讲的东西 二十年后还是那套框架 只是把它们包了一层,换个语法、换个抽象 底层还是同一个系统调用
选错产品会浪费半小时手动干活,搞懂三款Claude的定位能帮你把工作效率提上来。
🚨 CLAUDE AI vs CLAUDE CODE vs CLAUDE COWORK — 别再把它们当成同一个工具用了。
大多数人听到“Claude”,都会觉得它只是一个AI聊天机器人。其实不是。真正的威力来自于搞清楚哪个Claude产品是为什么类型的工作设计的。
其中一个主要是为和你一起思考打造的。另一个设计用来在你的代码库中工作。还有一个专注于执行基于计算机的重复性工作流。
如果你选错了工具,你可能要花30分钟手动完成本可以高效得多的任务。下面是你应该保存的简单分类 👇
想做新AI产品,选对编程语言能减少很多不必要的折腾。这个观点解释了现在大家不用Java做新项目的真实原因,帮你选语言的时候少走弯路。
想靠大模型帮忙做科研,可以看看这个观点,了解目前大模型在科研领域的适配问题,以及新的解决思路。
在物理学中,当两个系统各自都能正常工作,但匹配度很差时,就会出现“阻抗失配”。
在这篇《科学》博客客座文章中,哈佛大学物理学家马修·施瓦茨提出,AI和科学领域目前也发生了类似的情况。
大语言模型可以胜任很多工作,但目前按照和人类合作者共事的方式来使用它们,并不是激发它们科学能力的最佳方式。
为了解决这种失配,施瓦茨创建了一个用于定量科学精确计算的工具包。
由于类似的计算通常出现在差异极大的科学领域,Claude 找到了它与生态学、种群遗传学以及其他十几个领域之间的关联,施瓦茨则与领域专家合作,引导它去探索有趣的问题。
不依赖第三方大模型厂商,自己租GPU跑开源模型就能支撑日常编码工作,多数工程师认可可用作主力。
@paritytech 的工程师做了一项实验,尝试看看不依赖 OpenAI 或 Anthropic 这类外部提供商,他们自己能够运行多少比例的 AI 编码工具栈。
他们搭建了一套系统,工程师仍然可以使用平时的编码工具,同时可以自由替换背后的 AI 模型。他们在租用的 GPU 上测试了一个开放权重模型 DeepSeek V4 Flash。
原本实验只计划进行一个下午,但工程师们连续用了一个月。本次实验有 25 名工程师参与,处理了约 130 亿 token,GPU 成本约为 1200 美元。
接受调查的 8 名工程师中,有 7 人表示,考虑到一些因素后,这个模型有潜力成为他们的主力模型。
实验的目标并不是完全取代托管提供商,而是保有选择的自由。这正是 Polkadot 的构建原则。
开发者不应该被单一提供商的规则、定价或路线图锁定。在 Polkadot 上,团队可以自主选择基础设施的运营方和治理方式,并且开源代码意味着他们始终可以根据自己独特的需求检查、调整和实现这项技术。
用AI如果总失望,可能是用错了方式。找对适合AI处理的问题,就能大幅提升跨领域研究效率,而选题判断还是得靠人。
自己跟进所有开发会话容易大脑疲劳,用这种分工方法能借助多 Agent 并行协作推进开发,减轻负担
在用Claude Code一次性推进中到大型规模开发时,把多个会话按角色分工,设立1个「指挥台」就能顺利推进。
比如说,可以分成:
· 开发负责人
· 测试负责人
· 评审负责人
· 指挥台
让指挥台定期确认各个会话的进度和错误,出了问题就让它发出修正指示。
Claude Code的Agent Teams最棒的一点就是,多个代理可以一边互相沟通一边并行工作。
如果所有会话都要自己持续跟进,大脑很容易疲劳,所以推荐大家按项目设置一个「指挥台」。
开源模型在不同编码环境下得分差异大,这份教程可以帮你在不修改代码的前提下提升模型得分,所有资源都已开放。
想学习AI智能体开发相关技术的人,可以通过14节理论课加8个实操项目掌握核心要点,且全程免费。
我在 GitHub 上发现了这个免费的线束工程课程,包含 14 讲 + 8 个动手项目。
课程内容涵盖:
- Claude Code、Codex、DeepSeek 如何构建它们的线束
- 循环与图工程
- 自动化智能体循环
- 可观测性、测试与验证
这是一个通过实践学习线束工程基础的非常好的资源。
做AI代理应用时通用框架满足不了定制需求,只有会搭建维护自定义框架的开发者才能在下一阶段占得优势。
伙计们,学着自己构建自定义工具框架吧。Claude Code 的模块、DeepSeek Harness,现在还有 Pi Durable。它们有什么共同点?可扩展性都提升了。
构建者需要编码智能体和工具框架具备更强的可定制性。比如说你正在为用户构建一个简单的智能体应用,一个个性化的无界面体验,一个软件工厂,或者一个特定领域的工具框架;你很快就会发现通用框架满足不了需求。
有时候你需要 UI 有不同的行为。有时候你只是需要轻松添加新功能/插件。或者有时候你就是想构建一个全新的体验,比如多人联机支持。
你完全可以从零开始搭建,就像我推荐的那样。我是说,这事没那么难。但如果你想快速上手,该去哪儿呢?Pi Durable 和 DeepSeek Harness 似乎就是来解决这个问题的。
用户希望他们的工具框架有更多自定义选项。在下一代高可定制性框架的竞争中,那些懂得如何构建和维护自定义框架的构建者将会大获全胜。最佳框架之争,和第一波通用框架的竞争已经完全不同了。
用大语言模型分析内容时,这些技巧能帮更快更清晰地get结果,看完就能直接上手试,提升处理信息的效率。
想系统补大语言模型基础知识,这份官方课程可以直接当学习路线用,第一讲已上线,后续每周更新。
斯坦福把 2026 年最新的 LLM 全套课程,免费放出来了。 CME 295:Transformers & Large Language Models 从 Attention 一路讲到 AI Agent,共 9 讲: Transformer、MoE、RoPE LoRA、RLHF、DPO PPO、GRPO 强化学习 KV Cache、FlashAttention MCP、Skills、Coding Agent LLM-as-a-judge、扩散语言模型 第 1 讲的视频和 slides 已经上线,后面每周更新。第一讲在youtube的视频我已经看完了 想系统补 LLM 基础,这份大纲直接当学习路线用:
刚上手新AI模型直接提复杂需求,大多得不到好结果。这套一小时流程能帮你一次把需求说清楚,节省后续反复解释的时间。
大多数人在用新 AI 模型的第一天都在浪费时间。他们输入“帮我做一个应用”,然后好奇为什么结果一团糟。
你使用 Sonnet 5.5 的第一个小时应该这么做:
写一个 CLAUDE.md 文件,这样你就不用重复解释你的项目了。
只用一个提示:写明目标、上下文、需求。
在写任何代码之前先要一份计划。
把有效的提示保存下来。
60分钟。1个文件。1份已保存的提示。
我今天开始了#30DaysOfSonnet挑战。回复“day 1”,和我一起做。
关注 @cyrilXBT
大部分人都用错了 Claude Code,跟着这个正确用法,可以把 Claude Code 的能力发挥得更强
大多数人把 Claude Code 当成聊天机器人来用,这是个错误。
如果你围绕以下几点组织你的项目,Claude Code 会变得强大得多:
→ CLAUDE.md 存放全项目范围的说明
→ .mcp.json 用于工具集成
→ settings.json 用于权限和钩子
想学 Agent 开发却一直卡在上手环节?这套带完整代码的教程能直接跟着做,帮你快速跨出实战第一步。
学 Agent 最容易卡在这一步:概念都懂,真让自己搭却不知道从哪下手。
LangChain 官方的 Agents From Scratch,直接给了一套可以跑起来的实战路线。
四步带你做出一个带长期记忆 + 人机协作的邮件 Agent:
① 用 LangGraph 搭基础流程
② 用 LLM-as-Judge 做测试和评估
③ 加入 Human-in-the-loop,关键操作由人确认
④ 用 LangGraph Store 接入长期记忆
每一步都有 Notebook 和源码,不只是讲概念,跟着就能动手。
想系统学 Agent 开发,这套可以当入门脚手架。
做短视频不用手动拆解参考视频结构了,整个流程交给AI自动处理,还能直接文字修改内容,快速产出不同版本内容。
现在用 AI 做视频,连拆解参考视频这一步都能自动化了。Hypit 是一个开源的视频 Agent 系统,可以接入不同的 AI Agent 来完成视频制作。玩法比较简单: ① 丢进去一个参考视频,让 Agent 分析 ② 自动拆解视频的结构和内容 ③ 想换人物、画面或文案,直接用文字修改 ④ 整套流程可以继续交给 Agent 自动处理 比较适合拿来研究短视频结构,或者快速做不同主题的内容版本。
代码已经开源,感兴趣可以去看看。
切换AI编程Agent不用重新交代项目背景,不同Agent能共享项目记忆,本地运行保护隐私,支持多款主流AI编程工具接入
AI 编程 Agent 最烦的一点:换个工具,就得重新交代项目背景。 ai-memory 就是专门解决这个问题的长期记忆系统。 ① 自动记录会话上下文、项目进度和踩坑记录 ② Claude Code、Codex、Cursor、Gemini CLI、OpenCode 都能接 ③ 不同 Agent 之间可以共享项目记忆 ④ 本地优先,支持 Docker ⑤ Rust 开发,轻量高性能 简单说,换 Agent 也不用从头解释,之前做到哪、哪里失败、还有什么没解决,都能接着干。
来自X平台用户@EXM7777的分享,Opus 5.5和GPT-6.1 Sol获S级评级
当前AI模型分级列表:
S级:Opus 5.5 和 GPT-6.1 Sol: insane聪明,速度快,效率高……这是我用过体验最好的AI,真的挑不出毛病。
F级:其他所有模型。
不开玩笑说,你真的不需要其他AI了。目前来看,200美元套餐的使用额度几乎是无限的,如果你同时订阅 Claude 和 ChatGPT,你就能得到:
- 最佳写作模型:Opus
- 最佳设计模型:Opus
- 最佳编码模型:Opus
- 最佳浏览器和电脑使用模型与工具链:Sol
- 最佳图像生成模型:Images-2.5
已有15000名创始人加入我的系统,每周只发一封邮件(免费)。
@antiAIvo计划推出8期从0手写AI Agent的技术教程系列
准备做一个新的技术教程系列:《从 0 手写一个 AI Agent》 整个系列分为 8 期: 第 1 期:写出你的第一个 Agent 跑通最小 Agent,理解模型、工具和执行循环 第 2 期:让 Agent 调用工具 学会 Tool Calling:定义工具、传参、执行、返回结果 第 3 期:亲手实现 Agent Loop 让 Agent 根据结果继续行动,加上退出条件和最大步数 第 4 期:让 Agent 保存任务进度 管理对话历史、工具结果和任务状态,支持保存与恢复 第 5 期:让 Agent 更可靠 处理报错、超时、重复调用,加入重试、成本限制和人工确认 第 6 期:接入检索与记忆 让 Agent 查资料库,理解 RAG、会话状态和长期记忆 第 7 期:验证 Agent 到底有没有变好 记录执行轨迹,建立测试任务,从正确率、耗时、成本评估 第 8 期:从单 Agent 走向复杂系统 理解何时用工作流、框架或多 Agent,并实现一个协作版本 目标: 看完能自己写出一个 Agent,也能解释它为什么这样工作
这个更切合实际场景 难度也更低,做起来应该更有兴趣
本文带你上手适合国内用户的AI Agent产品WorkBuddy
网友@sudoingX在𝕏分享测试结果,总速度超76token每秒,每个智能体占用64k上下文
16GB显存的NVIDIA RTX 5060 Ti显卡可以同时运行4个自主编码智能体,总生成速度超过每秒76个token,单个智能体速度在每秒17到21个token之间。
测试用的是4个Hermes智能体,可以同时并行构建4款游戏,每个智能体支持64k上下文窗口。开启多令牌预测(mtp)时单流速度可达每秒67个token。
测试过程中占用了16GB显存里的15.6GB,显卡整功耗130瓦。所用模型为Bonsai 2 27B三元量化版本,占用空间5.95GB,通过llama.cpp服务器部署,4个插槽各接收一个纯文本提示。
整个过程实际耗时42分钟,视频加速到3分钟展示四个智能体同时思考编码的过程。
该模型已经打包发布,只要拥有RTX 3060及以上的30、40、50系列NVIDIA显卡都可以运行,用户可以前往链接拉取模型部署使用。
@icreatelife在𝕏发布经验分享,涵盖提示词生成、模型选择等实用建议
这是一组AI视频制作技巧:
1. 使用Claude生成提示词,Opus 5.5的效果很不错。目前多数专业创作者已经不再手动编写提示词。
2. 生成视频之前先制作角色表,为每个素材创建对应资料,这能帮你保证生成内容的一致性。另外要在生成视频前准备并优化好所有素材。
3. 每个AI大模型都有自己的优缺点,要根据模型特性选择使用。比如Seedream 5.0 Pro在皮肤纹理生成上表现很好,生成视频一般选Seedance 2.5,如果只有2.0版本也可以使用。
4. 测试提示词、优化调整的阶段可以先生成480分辨率的视频,不用一开始就生成1080分辨率,这样可以节省你的使用额度。
5. 很多时候批量生成比重新改写提示词效率更高,这往往是更优的选择。
6. 如果会使用Blender,可以用它来处理场景镜头运动、保证内容一致性;如果不会用Blender,可以让Claude帮你处理相关工作。
用户@ScarletKc分享了Claude Code的/insights命令的使用体验
用户Corey Ganim在𝕏分享了对Muse、Dot、GrokBot、Instinct四款个人AI助手的使用体验
用户@mikepat711在𝕏分享了自己的AI使用配置,以Grok Bot为核心统一界面兼顾便利性和灵活性
用户@0xwhrrari分享了Claude Opus 5.5在动态设计上的用法,发布于𝕏
Claude Opus 5.5在动态设计领域表现十分出色。
只需把指定提示词发送给Claude Code,就能将一个粗略的创意想法转化为完整的工作室工作流。这个完整工作流涵盖:创意→分镜→视觉系统→动画→音效→最终渲染。
复制并发送指定提示词后,就可以在下方文章中阅读完整的动态设计指南。
Anthropic工程师Lance Martin分享了Claude Opus 5.5的优化技巧
Anthropic工程师Lance Martin披露了一个Claude Opus 5.5的实用使用技巧,可以将生产力提升300%。
操作步骤非常简单,只需要打开Claude Code,输入指令/claude-api prompt-audit即可。
这个指令会完成三项工作:首先检查你的技能配置、CLAUDE.md文件和提示词,然后移除所有拖慢模型运行速度的内容,最后按照官方Opus 5.5指南重写提示词。
很多用户的提示词都是为旧版本模型编写的,这个优化只需要3分钟就能完成,建议收藏这个技巧。
HaileyAILabs在X平台测评Muse,其内置Spark的视频生成能力超出预期,适合普通用户做AI漫剧
因「个人智能体(Agent)」走红的Muse,本次被当作基础模型测评其内置Spark的视频生成能力。
测评结果超出预期,尤其在AI漫剧生成场景,它基本可以一键生成长视频,剧情、分镜和画面衔接都比较完整,微调后就具备商用潜力。
Muse被吐槽最多的帧率问题确实存在,整体表现一般,但对于治愈系动画、手绘短片、AI漫剧这类内容来说,帧率问题影响不大,不影响正常出片。
它最大的优势是成本低。测评者连续制作多个视频后,免费额度只用了不到一半,而且免费额度每周重置;之前通过邀请获得的10亿Token甚至还未使用。
此前不管是Seedance还是其他视频生成平台,Token成本都比较高,新手制作长视频还容易出现制作周期长、生成不稳定、内容崩溃等问题。
测评者认为,对于普通用户玩AI漫剧、制作短视频内容来说,Muse确实是不错的Seedance平替。
测评者发布相关内容后,评论区出现不少人身攻击,起因只是测评者说了一句「再见Seedance」。测评者表示,观点不同可以拿作品、效果、成本理性讨论,希望这只是部分用户情绪上头,而非公关大战。
X平台用户@leaf_sanren分享了一套可以稳定产出Muse AI人像视频的超长提示词
博主@leaf_sanren在X平台分享了一段由Muse直接生成的AI视频,并提出疑问:这款生成结果能否超越现有的Seedance 2.5或Wan 3.0?
博主给出了这套用于生成视频的完整提示词,要求生成一段15秒、9:16竖屏、超高清4K、30fps的电影级真实质感时尚人像短片,还详细设定了人物、妆容、场景、光线、运镜等细节。
人物设定要求是20-25岁左右的年轻亚洲女性,整体气质像车模或时尚活动现场被摄影师近距离怼脸抓拍,明确要求保留毛孔、轻微痘印、细纹等真实皮肤细节,排除网红感、过度磨皮等不真实效果。
光线要求符合现实拍摄逻辑,主光从人物正前偏侧上方打来,全程允许出现2到3次自然的短暂闪光灯,不能整段频闪。运镜采用超近距离人像运镜,按时间分段给出了具体的镜头移动要求。
最终要求整体风格呈现真实高级的时尚人像质感,不能出现五官变形、镜头乱晃等问题。这套提示词已经可以稳定产出对应视频,相关链接已公开。
用户@hxhxhx0916 在𝕏分享《现代战争:斩首》AI生成视频提示词,限定积分一次生成
用户@Naiknelofar788在𝕏分享了Seedance 2.5的详细生成提示词
用户@FynCas在𝕏平台发布了使用Seedance 2.5生成AI视频的完整结构化提示词
Quail团队分享开源AI-SQL引擎批量AI任务优化思路
你试过在数千行数据上使用像Jev这样的决策模型吗?对于批处理任务来说,每一行调用一次API是个非常糟糕的做法,因为它完全得不到查询规划带来的好处,性能离最优水平差得远了。
在单块H100上运行Qwen3-4B,对5000条电影影评做单次AI筛选,GPU能达到的理论最大速度(speed-of-light, SoL)大约是……6.6秒!目前没有任何系统能接近这个成绩,包括我们的开源AI-SQL引擎Quail 😱
我们发布了一篇新博客,介绍我们如何在Quail中基于SoL估算来对AI驱动的筛选计费,快来看看!
没错!批数据处理流水线通常包含多个大语言模型操作,API调用方式会为每个操作的每一行单独发起一次调用,每次调用都是独立服务的。
如果你提前知道所有请求,就可以对整个任务做规划,比如:重排同一个操作内的请求来共享KV缓存,先运行选择性最强的筛选,在多个操作间复用每份文档的KV缓存。
除了规划,你还需要调整执行方式——比如如果你知道批次里哪些请求共享前缀,你就可以换用不同的attention核,只需要从HBM读取一次共享KV,不用每个请求都读取一次。
日本网友爆料英语课老师用Claude做OCR,分享实际使用痛点
现在在上英语课,老师突然说“如果要OCR识别文档,直接拜托VLM精度更高,所以我一直用Claude,但用Opus一下子就到周限额了,好头疼。还好Sonnet也更到5.5,变好用了,总算解决问题”,好有意思。
要不我也来介绍下Unlimited OCR……()
来自@Av1dlive在𝕏的爆料,支持自定义构建功能模块
Claude Code 刚刚获得了一个极其强大的更新……模组。你可以让 Claude 直接给 Claude Code 本身构建功能。
最有用的用法是先让它找出你重复遇到的问题。有些问题需要一个模组,其他问题需要一个钩子、技能或是设置修改。所以我让它梳理了一遍我的代码库 + Claude Code 工作流,然后给出应该构建的功能建议。
> 一个在压缩前保存进度的上下文守卫
>
> 一个标记低磁盘空间和孤立进程的监视器
>
> 一个捕获重复失败尝试的循环检测器
>
> 一个把值得保存的修正整理为内存的审查步骤
>
> 一个检查重复钩子和不被支持属性的后置检查器
[把这段粘贴到你的编码代理里:]
日本网友在𝕏分享个人技能提升与副业经验
作者@in19h在𝕏宣布该插件支持IDA Home和Pro
IDA Assist 现已面向 IDA Home 和 Pro 推出:这是一个原生智能代理逆向工程插件,拥有 150 多个带类型的工具、内置模拟、逐二进制内存、上下文感知操作,以及加密、需批准的 MCP。
它经过了三个月的外部测试打磨。
我在 Telegram 新建了一个公开的 Assist 反馈群组,如果你愿意提供反馈,欢迎加入:
解决AI输出太长看不进去的问题,来自Karpathy在𝕏的分享
以防有人不知道 > AI 交回来的东西太长看不进去,可以让它换个形式输出 🫢 这是 OpenAI 联合创始人 Karpathy 刚刚分享的,他觉得以后 AI 干的活越来越多,人得花更多时间看懂它干了啥,于是给了 4 招: 1️⃣ 让它按 ASD-STE100 写,就是航空维修手册用的简化英语,句子短,一个词只有一个意思 2️⃣ 别写大段文字了,直接让它画张图 3️⃣ 提示词里加一句「用 HTML 输出」,就能拿到一个可交互的网页 4️⃣ 让它做 3Blue1Brown(用动画讲数学的那个频道)风格的讲解视频,再用 ElevenLabs 配上 AI 旁白 最后这个组合我还真用过,昨天发的面试鸭宣传片就是 Opus 5.5 配 ElevenLabs 做的,旁白复刻的是我自己的声音。 天天看 AI 长篇大论看到头大的朋友,可以收藏一下。
用中文的话,可以学网友在 AGENTS.md 里加一句「Write in Simplified Chinese following ASD-STE100. This does not apply to code.」
MiaAI_lab在X平台宣布其开发的TensorFold加速效果超预期
始于直觉灵感🔥 TensorFold已经让本地模型快了很多,在某些情况下甚至比API更快。能和Ash一起做这个项目我非常开心。我的所有方法都注定要在TF上运行,并且会随着时间推移不断改进。
如果有更多硬件来加速测试,TensorFold还能比现在变得更好得多。
博主@cyrilXBT在𝕏分享了这套将Claude变成协作团队的工作方法
claude + jev……我无法理解为什么还有人一次只输一个提示词。
这个配置能把opus 5.5变成一个团队:
→ 规划师把目标拆解成任务
→ 研究员收集每个任务所需的内容
→ 构建者交付成果
→ dots在你不在的时候让它保持运行
→ jev在数毫秒内决定下一步该做什么
claude思考。jev调度。dots维持运行。把这个发给claude就能设置好 👇
关注 @cyrilXBT
演员本·阿弗莱克谈创立技术公司打造AI影视数据集,分享AI对好莱坞的影响
用户@techhalla在𝕏分享Kling 4.0 Flash生成提示词与生成效果,认为 deserves a higher score
用户@techhalla在𝕏分享了Kling(可灵)4.0 Flash的一段AI视频生成提示词。
提示词要求生成:明亮室内冰场花样滑冰比赛中,真实的竖屏手持手机拍摄画面,屏幕无文字或字幕。
两名身着相扑兜裆布、挽着发髻的巨型相扑选手,完成优美的双人花样滑冰动作:手牵手滑行,其中一名选手单臂将另一名选手高高举过头顶并旋转,接着将对方抛出去完成一个三周跳,落地时的重击震裂冰面。
最终两人都保持优雅的展臂姿势,背景中裁判举着打分牌。要求为单镜头连续拍摄、无剪辑,搭配浪漫管弦乐,需要有冰刀刮擦声和沉重的落地闷响。
发布者认为这次生成结果理应获得更高分数。
这一天的 123 条信号到这里
https://ai-pulse-lab.com/feed.xml
每天 08:00 · 12:30 · 18:30 · 23:50 更新
在阅读器里订阅
添加到 Feedly、Inoreader 等阅读器
https://ai-pulse-lab.com/feed.xml
让你的 Agent 自动获取每轮简报
适用于 Claude、ChatGPT、Manus 等
请帮我设置一个定时任务,每天北京时间 08:30、13:00、19:00、00:20 各执行一次: 请求 https://ai-pulse-lab.com/api/brief.json,读取返回 JSON 中的 textPlain 字段,将内容发送给我。 补充:每日北京时间 08:00、12:30、18:30、23:50 更新,建议更新后 30 分钟查询。可先请求 /api/manifest.json 检查 nextUpdateAt 字段。无需认证,直接 GET 请求即可。