AI Pulse

宣布 Pi API 开启 Beta 测试。

我们已经与不同行业的多家公司展开合作，让我们的模型适配他们的机器人和应用，从收割草莓到组装服务器都有覆盖。

现在我们将向更多团队开放访问权限。

我和其他人一样，也支持AI安全，但如果你是OpenAI负责训练模型说普通人语汇的员工，那你造成的损害比所有“错位”行为加起来都大。

今天我们发布了 LFM2.5-24B-A2B，这是目前 LFM2.5 家族规模最大的成员。它是一款高效的本地模型，可以在笔记本电脑和个人电脑上，在常用智能体工具框架内完成多步骤任务。

总参数超过 240 亿，每个 token 激活参数 20 亿。
上下文长度扩展至 131K token。
词表大小为 128K token。
预训练 token 规模为 33 万亿。
属于推理模型。
非常容易微调与定制。

在智能体和工具使用任务上，表现可与 Qwen3.6-35B-A3B 竞争，后者的总参数和激活参数都比它多约 50%。

基础权重和微调后权重已在 @huggingface 开放 🤗
1/

Gemini 4 Argon 仅仅通过观看一段视频就教会了一个机器人玩 Cornhole 沙包球。

它测绘出了物理规则，编写了自己的模拟程序，还教会了 @Apptronik 的 Apollo 人形机器人连续投中 7 次。

我们很高兴推出 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full，这是我们目前能力最强的模型。

这两个都是前沿模型，旨在为个人和专业代理任务提供最先进的性能。

现在，你可以通过 Meta Model API 和 Muse Code 使用 Muse Wonder。

Muse Wonder Full 现已对 Muse Code 订阅用户开放。

不久后，Muse Wonder 也将为我们的个人代理产品 Muse 提供能力支持，会先向订阅用户陆续推出。

抬头看！Mistral 模型已经进入轨道🌍。我们很荣幸能与 @NVIDIAAIInfra 一同加入 @orbitworksspace 和 @LoftOrbital 首创的人工智能卫星星座项目。

我们工程博客上新发布了：创建内部源码控制。

五月份，我们每天大约合并 2500 次代码变更。

到九月份，我们每天合并超过 30000 次代码变更。

结果，为人类规模（而非智能体规模）构建的开发者基础设施成为了我们的瓶颈。

本文中，我们将分享我们如何在五个月内构建了一个全新的版本控制系统，并且将我们的单体仓库从 git 完全迁移过来。

使用过 Gemini 4 你就会意识到，其他多少模型肯定都是蒸馏自 Claude/GPT（或是使用了类似的训练流水线）。它给人的感觉和其他模型相当不一样。

这件事也值得思考。

现在，用AI搭建一个可用的东西仍然需要，大概，30分钟到几个小时，然后你还需要数天/数周/数月来打磨。

如果我们假设这个速度会越来越快，那么到某个时间点，AI模型生成整个成品只需要一秒甚至更短。

想象一下这样一个未来：你可以在不到一秒的时间里创造任何东西。这会如何改变我们选择创造的事物？人类还会亲自创造吗，还是说所有创意都来自AI智能体？

那下一个瓶颈就会转到物理层面？比如，如果AI可以快速生成硬件图纸，打印它仍然需要30分钟，所以也许下一轮速度和智能优化将会在硬件领域发生，最终做到在一分钟左右从生成创意到生产出实体物品。

我不确定，但这非常有意思，就像我们上个月看到的实时视频模型（比如我的Infinite Slop项目），如果生成速度能这么快，内容行业会变成什么样？🤔

这是目前从创意到成品30秒AI K-pop表演中，流程最简洁的一条路径。

只需一次连接APOB MCP，然后在Codex中描述偶像形象和创作概念，锁定第一帧，就能得到完整的带编排舞蹈的团体视频，人脸和造型保持一致，不需要在不同工具之间来回切换。

健身房的演示已经验证了这个概念的可行性。创作者好奇，生成更长的系列视频或是更换场景后，人物身份识别的一致性还能否保持。

该流程仅需一次连接、一次提示词，就能生成人脸一致的完整K-pop团体舞蹈视频，健身房演示效果稳定。

我们工程博客上新发布了：创建内部源码控制。

五月份，我们每天大约合并 2500 次代码变更。

到九月份，我们每天合并超过 30000 次代码变更。

结果，为人类规模（而非智能体规模）构建的开发者基础设施成为了我们的瓶颈。

本文中，我们将分享我们如何在五个月内构建了一个全新的版本控制系统，并且将我们的单体仓库从 git 完全迁移过来。

Gemini 4 Argon 仅仅通过观看一段视频就教会了一个机器人玩 Cornhole 沙包球。

它测绘出了物理规则，编写了自己的模拟程序，还教会了 @Apptronik 的 Apollo 人形机器人连续投中 7 次。

我们公布 Exploration-Distillation，这是一个强化学习框架，相比 DAPO 这类标准算法，它可以实现更强的探索，并大幅提升性能。

原则上，大语言模型可以在强化学习过程中发现新事物，但现有算法在这方面存在不足。

下面介绍我们的实现方式。 🧵1/n

从算力和数据开销到选择要运行哪些实验，所有这些工作都是由人类研究人员决定的。要替代他们，模型需要拥有这种判断力。

我们推出了 FrontierML，这是一个基准测试，用于测试智能体在 21 项具有挑战性的端到端机器学习任务上，利用资金提升模型性能的能力。

今天我们发布了 LFM2.5-24B-A2B，这是目前 LFM2.5 家族规模最大的成员。它是一款高效的本地模型，可以在笔记本电脑和个人电脑上，在常用智能体工具框架内完成多步骤任务。

总参数超过 240 亿，每个 token 激活参数 20 亿。
上下文长度扩展至 131K token。
词表大小为 128K token。
预训练 token 规模为 33 万亿。
属于推理模型。
非常容易微调与定制。

在智能体和工具使用任务上，表现可与 Qwen3.6-35B-A3B 竞争，后者的总参数和激活参数都比它多约 50%。

基础权重和微调后权重已在 @huggingface 开放 🤗
1/

我们很高兴推出 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full，这是我们目前能力最强的模型。

这两个都是前沿模型，旨在为个人和专业代理任务提供最先进的性能。

现在，你可以通过 Meta Model API 和 Muse Code 使用 Muse Wonder。

Muse Wonder Full 现已对 Muse Code 订阅用户开放。

不久后，Muse Wonder 也将为我们的个人代理产品 Muse 提供能力支持，会先向订阅用户陆续推出。

现在介绍 XERJ Corpus Hub，面向 AI 智能体的参考记忆。

为你的智能体提供一个匹配任务的语料库，看着它变得超级智能。

它可以：
> 在索引后的专家知识中找到答案
> 将知识应用到你的代码、研究和项目中
> 适配任何模型

永久免费开源，采用 Apache 2 许可证，一条命令即可安装：
> 安装 XERJ（文档：为项目的源代码、文档和日志建立索引，然后作为参考记忆中心连接）

5200万美元种子轮融资。超过1500万用户。但这是我们迄今为止最引以为傲的成果。

推出 Drama 3：世界上情感最丰富、可控性最高的文本转语音模型。而且是的，它是开放权重模型。

你现在可以控制单个单词的发音，改变它的音调，还可以在句子中途转换音色。Uncle Roger 也对此印象深刻。

在接下来 48 小时内评论“DRAMA”即可获得 1 个月免费试用。如果你是企业用户，第一个月由我们买单：

抬头看！Mistral 模型已经进入轨道🌍。我们很荣幸能与 @NVIDIAAIInfra 一同加入 @orbitworksspace 和 @LoftOrbital 首创的人工智能卫星星座项目。

我和其他人一样，也支持AI安全，但如果你是OpenAI负责训练模型说普通人语汇的员工，那你造成的损害比所有“错位”行为加起来都大。

我们推出了 FastH3-Omni。它是由 @MiniMax_AI 出品的最快、质量最高的开源版实时 H3，由 FastVideo @haoailab 和 @nuvalab 联合后训练。

在 2026 年 10 月 20 日之前，可以在 Reactor API 上独家预览。

• 支持首尾帧条件生成
• 支持音频输入 + 强大对话能力
• 最多支持 3 张参考图
• 前沿级性能

宣布 Pi API 开启 Beta 测试。

我们已经与不同行业的多家公司展开合作，让我们的模型适配他们的机器人和应用，从收割草莓到组装服务器都有覆盖。

现在我们将向更多团队开放访问权限。

我们推出 Amos 1，包含四个开放权重决策模型，参数从 0.5B 到 27B。

在 Decision Bench 上准确率超过 94.9%，领先于 Perplexity、Gemini 和 Jev。

在 JevBench 难题上比 Jev 高出 10 分。

支持读取图片并用框选作答。

决策响应时间为 27 到 122 毫秒，提供免费 API，采用 Apache 2.0 许可。

扩散模型能在不用分类器自由引导（CFG）的情况下生成高质量图像吗？当然可以！

我们介绍✨扩散模型修正训练✨，它无需依赖分类器自由引导就能显著提升采样质量。

项目页面：🧵 (1/n)

介绍 Eleven：让你的 AI 代理帮你做逆向工程。我一直希望随便打开一个应用就能直接问它某个函数是做什么的，而不是盯着汇编代码看几个小时，所以我做了这个工具。

使用 Eleven，你可以：

→ 打开 Mac 应用、Android APK、Windows 和 Linux 二进制文件，把每个函数读作伪代码、汇编代码、图表或者十六进制形式
→ 向 Claude、Codex、Gemini、Cursor 或任何 ACP 代理询问代码相关问题。它会和你一起读取二进制文件，你可以看到每一步操作
→ 你的代理会重命名函数并留下注释作为建议。你可以接受或者跳过，所有操作都可以撤销
→ 安全修补字节（始终操作副本，绝不会修改原文件），比较两个构建版本，用 lldb 调试。完全免费开源。

这件事也值得思考。

现在，用AI搭建一个可用的东西仍然需要，大概，30分钟到几个小时，然后你还需要数天/数周/数月来打磨。

如果我们假设这个速度会越来越快，那么到某个时间点，AI模型生成整个成品只需要一秒甚至更短。

想象一下这样一个未来：你可以在不到一秒的时间里创造任何东西。这会如何改变我们选择创造的事物？人类还会亲自创造吗，还是说所有创意都来自AI智能体？

那下一个瓶颈就会转到物理层面？比如，如果AI可以快速生成硬件图纸，打印它仍然需要30分钟，所以也许下一轮速度和智能优化将会在硬件领域发生，最终做到在一分钟左右从生成创意到生产出实体物品。

我不确定，但这非常有意思，就像我们上个月看到的实时视频模型（比如我的Infinite Slop项目），如果生成速度能这么快，内容行业会变成什么样？🤔

使用过 Gemini 4 你就会意识到，其他多少模型肯定都是蒸馏自 Claude/GPT（或是使用了类似的训练流水线）。它给人的感觉和其他模型相当不一样。

REA 创作者刚刚发布了一组提示词，能把任意 AI 代理变成逆向工程工具，危险到离谱……只需粘贴一次，你的代理就能：

• 逆向工程任何付费应用
• 打开 Android、iPhone 应用、Windows .exe 文件和固件
• 在没有源代码的情况下拆解任意应用
• 而且这还只是开始……

把它发给 Claude Code、Codex、Cursor、Muse Code，过后回来谢我。运行它之前，请先阅读下面这篇文章：

不用谢：

哇哦…… 😲 一个全新的 2B 本地模型宣称，它能帮你减少 34% 的 Claude 使用量！

ColGrep-Agent-2B 会执行代码搜索，然后只把 Claude 需要的文件和代码行传给 Claude。这意味着更少的搜索轮次和更少的使用量。

官方称准确率基本保持不变，但在我看来这还需要验证。它的大小只有 2.5 GB，而且搜索过程中你的代码不会离开你的本地机器。它也支持 Codex 和 OpenCode。

看起来挺有意思，我打算试试看！

这是目前从创意到成品30秒AI K-pop表演中，流程最简洁的一条路径。

只需一次连接APOB MCP，然后在Codex中描述偶像形象和创作概念，锁定第一帧，就能得到完整的带编排舞蹈的团体视频，人脸和造型保持一致，不需要在不同工具之间来回切换。

健身房的演示已经验证了这个概念的可行性。创作者好奇，生成更长的系列视频或是更换场景后，人物身份识别的一致性还能否保持。

该流程仅需一次连接、一次提示词，就能生成人脸一致的完整K-pop团体舞蹈视频，健身房演示效果稳定。

X平台用户 Haleeeemahh 经过数分钟测试后分享，Google 的 Gemini 4 Argon 速度极快，速度和成本都优于 OpenAI 的 Opus 5.5。

同一提示词在 Opus 5.5 上运行了25分钟，而 Gemini 4 Argon 只用了3分钟就完成了任务，两者耗时相差22分钟。

Haleeeemahh 称 Google 团队为这个模型付出了很多努力，很快会分享更多测试结果，同时提醒开通了 Pro 或 Ultra 订阅计划的用户不要错过体验机会。

Opus 5.5已经完全替代了动效设计师的工作。通过Claude Code和Remotion，任何人都可以拥有属于自己的个人动效设计工作室。

你只需要提供需求说明、素材和参考，就能得到可编辑的React代码形式的动效场景。

第一步，你可以指定场景布局、排版、配色以及可复用组件。第二步，添加动态效果，包括时长、缓动、关键帧、过渡和分层动画。第三步，优化结果：预览帧画面，调整间距和节奏，最终渲染出MP4视频。

这套流程最巧妙的地方在于，动效视频以代码形式存储。如果你需要修改标题、字体、格式或者动效曲线，重新渲染一遍即可。

相关工具获取地址：项目仓库可访问 create-video@latest即可启动项目；通过命令npx skills add remotion-dev/skills可添加官方Remotion工具；编码代理工具可访问

完整工作流程为：需求说明→分镜→素材→布局→动画→预览→优化→渲染。

你可以保存上述内容，然后前往Opus 5.5动效工程完整指南阅读更多内容：完整指南可访问

近三周来，@darasoba没有直接打开Figma客户端进行设计，全程通过Claude Code在Figma内完成设计工作。

@darasoba目前正在撰写一篇文章，主题是2026年设计行业发展方向，以及AI时代设计师应当采用的工作流程，文章已接近完成。

此外，@darasoba还会在UDC（Untitled Designers Conference）针对这个主题开展一场工作坊，活动在周六举行，尚未购票且计划参加的用户可以前往购票。

这是一款可在浏览器中自由漫游的《小王子》主题3D剧情游戏，名为The Little Prince: Across the Stars（小王子：穿越星辰）。

创作者Saccc_c一人完成全流程开发，仅耗时16天。这款游戏的所有3D场景资产，包括星球、星空、麦田与小狐狸，都由Tripo批量生成。

Blender负责自动排布材质与光影，Opus 5.5完成底层剧情调度与3D网页渲染代码的编写。

传统开发模式中，这种多场景、带独立美术风格和交互剧情的3D游戏，十几人的独立团队至少需要花费几十万元预算，耗费大半年时间人肉编写代码。

现在仅靠一人，借助大模型的代码工程能力和3D生成管线，两周多时间就打破了传统游戏工业的美术和程序壁垒。

当创作者的审美和故事创意，搭配能编写3D逻辑的顶级大模型，单个人就能构成一个完整的独立游戏工作室。

这款游戏目前支持在线试玩，作者后续会开源完整游戏工程与制作SOP（标准操作流程）。

开发者@chasmmmmmmmmmmm完成了个人首个游戏字节匹配反编译项目：目标是经典游戏《Excitebike 64》。他花费约一周时间搭建了自己的AI驱动反编译工具链，最终全程耗时约20小时完成整个项目。

本次反编译的具体拆分情况如下：《Excitebike 64》100%的游戏代码实现字节匹配，共包含1274个函数、18.6万条指令。整个过程从空白文件夹开始，全程不带有任何符号信息，总耗时不到22小时。

其中2小时用于环境配置，包括编译器识别、代码拆分和平台适配。5个半小时完成了90%函数的反编译，这一步使用Haiku集群处理。剩下10%的函数耗时13小时，使用Opus处理大型函数，最后一个待处理函数包含1.05万条纯C语言指令。

本次反编译的成本有两种计算方式：按API市场价计算约为2400美元，如果使用月费200美元的Claude套餐，消耗约一周80%的额度，成本约为37美元。

目前开发者正着手制作带有大量现代功能的PC移植版，开发者称在完成反编译前自己甚至没玩过这款游戏，实际体验后发现它非常有趣，其物理引擎在那个时代表现十分出色。

开发者@jumperz在𝕏分享，自己被氛围编码（vibe coding）的体验震撼到了。制作一款游戏一直是他的梦想，但他此前从没想过自己真能做成这件事。

仅用10天开发，这款游戏目前已经处于不错的可用状态。玩家不需要额外下载，直接在浏览器里就可以在线游玩。

开发者表示，如果你喜欢《魔兽世界》（WoW）、《英雄联盟》（League）或其他玩家对抗竞技（PvP）类游戏，应该会喜欢这款作品。这款游戏由多个AI模型开发完成，包括opus 5.5、sol 6.1以及其他一些低成本模型，目前开发仍在推进中。

一名开发者在应用中集成Haiku 5.5，为自己的客户提供了流畅快速、体验良好的聊天服务。

在聊天场景下，Haiku 5.5的表现明显优于DeepSeek V4.1 Flash和GLM-5.3 Flash。

它能以远低于Claude的成本提供接近Claude的使用体验，在合适的上下文和提示工程设置下，甚至有用户询问当前使用的模型是不是Claude Opus。

目前已有1.5万名创业者加入该开发者的免费邮件周报系统。

做严谨的开发工作，只能用GPT这种实用模型。

只要要求它实现需求1到10，它就真的会把这1到10全部做完。

不过GPT经常存在过度设计、过度防御的问题，产出的内容也不够通俗易懂。

这条观点获得了一名网友的认同点赞。