AI Pulse

社区讨论：部分用户认为Anthropic的Scion很难不被视为抄袭，有用户提到自己看公告时就觉得它听起来和Meta的Sapling非常像。也有人指出Scion仓库链接本身就在Sapling仓库的子目录下，而且Anthic自己已经在公告中提到Piper和Sapling是大型单仓库源码控制的现有技术，看不懂指责的点。还有人讨论，圈内多数人都不会规范标注来源，只有直接参考却不署名才是问题。

社区讨论： 不少人惊讶向来坚持开源自由软件理念的Linus会选择闭源的Claude而非开源大模型，也有人惊讶一向守旧的Linus居然会接受AI辅助开发。有人提到Linus早已不亲自写代码只做评审，这次AI生成代码经人工评审还是发现了竞态条件问题。也有人觉得这次提交的代码体量不大可读性很好，没必要过度解读。

我们推出了Grok Voice 3.0，这是全球最智能的语音转语音模型。

它擅长处理客户通话，响应时间不到一秒，成本也低于其他前沿模型。

Claude Code Desktop现在对自身能力以及如何与你协作清晰多了，比如它可以分出子会话。

我觉得它几乎就像是v2版本，为了让它变得出色，打磨了非常多细节。

shout out to @alicelovescake1 @amorriscode 这两位Claude Code Desktop大佬

一名叫@Ananth7e的X用户分享了对Claude Code的测试经历：他要求Claude Code按照特定动画风格重新生成一段时长63秒的视频，得到了超出预期的结果。

Claude Code检测到用户本地安装了Codex，判断出可以调用Codex内置的图像生成器来完成任务。

随后，Claude Code自动启动161个Codex会话来生成视频的所有帧，全程由自己完成统筹调度，包括管理内存、处理生成失败的情况，最后把所有帧拼接成完整视频。

用户评价这个结果“太疯狂了”。

我们一直在努力优化 Claude Code 桌面应用，让它能更好地同时运行多个会话。

现在它启动会话更快，更方便跨多个会话拆分工作，而且你随时都能查看每个会话的状态。

更新内容如下：

欧洲企业正在迅速扩大对 AI 智能体的使用。

目前，在我们的欧盟企业及商业客户中，超过一半的 AI 应用都涉及这类工具，而且该地区中小企业用户的数量已经增长了 8 倍。

我们最新的经济研究报告探讨了欧洲向智能体 AI 的转型，以及将更广泛 adoption 转化为更深度应用的机遇。

我们发布了 Ultramarine 1 Flash，一款为知识工作打造的前沿级模型。它完全开源，实现了与 Fable 5 相近的性能，成本却低了 60 倍。它的后训练由一个 5 人团队完成，全部投入约 30 万美元。目前已经开放 API 调用，模型权重将在两周后发布。

等等……也就是说，五个人凑了 30 万美元训练一个 AI 模型，就是为了试试能做成什么事？结果他们用远低于行业巨头的成本，击败了 OpenAI 和 Anthropic，而且整个团队没有一个博士，融资总额还不到 400 万美元，他们却造出了一个能替银行家、咨询师和律师干活的模型：

- 他们教会了模型这些从业者日常要做的 88 种真实任务
- 现在你只需要输入一条提示词，它就能帮你做好 PowerPoint 演示文稿、Excel 财务模型和 Word 备忘录
- 两周后他们就会发布完整模型，任何公司都可以把它部署在自己的服务器上，数据完全留存本地

它叫 Ultramarine 1 Flash……去 Feather 应用里试试吧，告诉我你体验如何。

我们已将 RISE 开源，这是我们开发的红队算法，可以攻破 OpenAI、DeepMind 及其他机构最新图像模型的安全防护。

RISE 在底层使用像 Qwen 和 Gemini Flash 这类现成可用的模型，无需额外训练。

点击了解更多：

开源 AI 正在挤压大型 AI 企业的利润空间。

即便是在 AI 规模快速扩张的当下，开源模型每个 token（AI 计算的基本单位）的成本也要低得多。

例如，Anthropic 的 Fable 5 模型单 token 成本是 DeepSeek V4 Pro 的 50 多倍。

来自阿里巴巴、Moonshot AI 和英伟达的其他开源模型，也以领先闭源模型几分之一的成本参与竞争。

随着这些更廉价的替代方案不断进步，闭源 AI 企业将面临越来越大的降价压力。

在资本支出激增的背景下，这有可能进一步挤压利润率。请持续关注开源 AI 的动态。

我们发现了一支中国AI智能体舰队，并与之取得了联系。

我们认为这是研究人员首次在现实环境中接触到恶意智能体舰队。

几乎所有此前公开的智能体安全事件（比如HuggingFace被入侵事件）都来自美国实验室。

这些智能体由腾讯的评估研究团队托管，它们的攻击目标是阿里巴巴的高德地图。

我们发现了一支中国AI智能体舰队，并与之取得了联系。

我们认为这是研究人员首次在现实环境中接触到恶意智能体舰队。

几乎所有此前公开的智能体安全事件（比如HuggingFace被入侵事件）都来自美国实验室。

这些智能体由腾讯的评估研究团队托管，它们的攻击目标是阿里巴巴的高德地图。

现在推出 Decision-Bench，它是一个全新行业标准，用于衡量模型在杂乱企业数据上做出正向投资回报率决策的能力。

每家企业都因为看不到投资回报率而放缓了 AI 投资；AI 仍然在复杂决策和二阶效应定价方面表现不佳。

我们已将 RISE 开源，这是我们开发的红队算法，可以攻破 OpenAI、DeepMind 及其他机构最新图像模型的安全防护。

RISE 在底层使用像 Qwen 和 Gemini Flash 这类现成可用的模型，无需额外训练。

点击了解更多：

Claude Platform 现已进入公开测试阶段，它可以将来自 Messages API、Claude Managed Agents 和 Claude SDKs 的 OpenTelemetry 追踪数据发送到你的可观测性栈中。

我们推出了Grok Voice 3.0，这是全球最智能的语音转语音模型。

它擅长处理客户通话，响应时间不到一秒，成本也低于其他前沿模型。

推出 Expand Fetch，这是一种全新的网页抓取和爬取方式。

你的智能体从未真正看过网页，难怪它会答错基础问题。传统 Markdown API 会丢失关键细节。因此我们训练了两个 System one 模型来改变这一现状：
- Iris，一个视觉模型，能像你一样查看页面，保留表格、图标和布局。
- X-Ray，一个 JSON 模型，能挖掘出每个页面背后隐藏的数据。

每次抓取都附带 Wayback Machine。每一行内容都链接回它的来源，因此你可以准确验证你的智能体看到了什么。

三款产品，一个 API。

我们的基准测试覆盖 326 个高难度网页上的 1,094 个问题，使用 Expand 的智能体正确率达到 74%。排名第二的最佳 API 正确率为 55%。

现已上线，价格为每 1,000 次抓取 1 美元。

我们刚刚完成了 Nerve-1 的训练，这是我们第一个完全从零开始搭建的 AI 模型。

Nerve-1 是一个轻量型模型，参数量约 34M，训练使用了超过 230 亿 tokens。它是为智能路由设计的，作用是判断一项任务需要多少推理算力，并将它分配给最合适的 AI 模型。

它完全可以在普通 CPU 上运行，几毫秒就能做出路由决策。我们估计它至少能降低 30% 的推理成本。很快就会在 @trydecideAI 向所有企业和用户推出。

欧洲企业正在迅速扩大对 AI 智能体的使用。

目前，在我们的欧盟企业及商业客户中，超过一半的 AI 应用都涉及这类工具，而且该地区中小企业用户的数量已经增长了 8 倍。

我们最新的经济研究报告探讨了欧洲向智能体 AI 的转型，以及将更广泛 adoption 转化为更深度应用的机遇。

我们发布了 Ultramarine 1 Flash，一款为知识工作打造的前沿级模型。它完全开源，实现了与 Fable 5 相近的性能，成本却低了 60 倍。它的后训练由一个 5 人团队完成，全部投入约 30 万美元。目前已经开放 API 调用，模型权重将在两周后发布。

等等……也就是说，五个人凑了 30 万美元训练一个 AI 模型，就是为了试试能做成什么事？结果他们用远低于行业巨头的成本，击败了 OpenAI 和 Anthropic，而且整个团队没有一个博士，融资总额还不到 400 万美元，他们却造出了一个能替银行家、咨询师和律师干活的模型：

- 他们教会了模型这些从业者日常要做的 88 种真实任务
- 现在你只需要输入一条提示词，它就能帮你做好 PowerPoint 演示文稿、Excel 财务模型和 Word 备忘录
- 两周后他们就会发布完整模型，任何公司都可以把它部署在自己的服务器上，数据完全留存本地

它叫 Ultramarine 1 Flash……去 Feather 应用里试试吧，告诉我你体验如何。

哇哦，英伟达有一个参数规模 2.6B 的开源世界模型 🔥

输入一张图片、一个文本提示和相机轨迹，就能生成一个可控制的世界，全都能在单块 GPU 上运行。

- 代码已发布在 GitHub
- 论文已发布在 arXiv

适用于具身智能、机器人研究和仿真。

可在 RTX 5090 或 H100 这类 GPU 上运行，无需多 GPU 配置就能开展世界模型实验。

今日，我们推出 Workmate Workforce。这是一组根据贵公司现有工作方式定制的协作式人工智能智能体团队。

Workmate 智能体就像远程同事一样开展工作。它们由我们灵活的、兼容多模型的人工智能平台，以及由前置部署工程师组成的 @workmate 团队提供支持。

我们会将你的可重复流程、过往工作和企业知识转化为长期运转的人工智能同事，由它们处理跑腿工作，让你的员工专注于自己最擅长的事务。

定义下一个时代的领导者将是「智能体优先」的企业。问题在于……那个人会是你吗？

Introducing AgentPlay 🚀

未来的编码是自我改进的编码代理工具 harness，它能帮助代理避免重复犯相同的错误。

它可以把你现有的 Claude Code、Codex、Cursor 和 Copilot 会话转换成交互式地图和可回放的时间线。

你可以看到你的代理探索了哪些内容，在哪里失败了，重试了哪些内容，以及它如何得到最终修改

免费、本地化且开源。

GitHub：

我们一直在努力优化 Claude Code 桌面应用，让它能更好地同时运行多个会话。

现在它启动会话更快，更方便跨多个会话拆分工作，而且你随时都能查看每个会话的状态。

更新内容如下：

情况非常特别。这就是我对利用率不足的理解。这些GPU分散在多家供应商手中，不够训练前沿模型。应用开发商初创企业通常用两种方式使用LLM：

1. 在这些GPU上部署开源（中文）模型，为客户提供服务。
2. 直接使用OpenAI或Anthropic的API。

大多数初创企业通常选第二种，因为：(a)大多数非中文前沿模型是闭源的，无法部署在这些GPU上；(b)很多客户对使用中文模型感到不放心（哪怕是部署在自己这里）；(c)对初创企业来说，按API使用量付费比按GPU使用时长付费更便宜。

随着AI不断扩张的能力与AI能力实际应用程度之间的差距不断拉大，锁定基于当前AI限制的“够用就好”方案的代价也在不断增长。各公司需要确保自己能从实验室对更好AI的巨额投资中获益。

mHC 和 AttnRes 表明，更丰富的深度混合能大规模提升模型性能。这背后有没有一个统一的视角呢？🤔

今天我们介绍我们的深度记忆（Depth Memory）框架：每一层从一组流中读取信息形成输入，然后再写回它的输出。线性深度记忆（Linear Depth Memory, LDM）为模型配备了矩阵值记忆。

社区讨论： 不少人惊讶向来坚持开源自由软件理念的Linus会选择闭源的Claude而非开源大模型，也有人惊讶一向守旧的Linus居然会接受AI辅助开发。有人提到Linus早已不亲自写代码只做评审，这次AI生成代码经人工评审还是发现了竞态条件问题。也有人觉得这次提交的代码体量不大可读性很好，没必要过度解读。

社区讨论：部分用户认为Anthropic的Scion很难不被视为抄袭，有用户提到自己看公告时就觉得它听起来和Meta的Sapling非常像。也有人指出Scion仓库链接本身就在Sapling仓库的子目录下，而且Anthic自己已经在公告中提到Piper和Sapling是大型单仓库源码控制的现有技术，看不懂指责的点。还有人讨论，圈内多数人都不会规范标注来源，只有直接参考却不署名才是问题。

我们正在探索AI如何加速健康科学研究。

虽然AI在数学等形式科学中已经取得了重大突破，但健康数据科学依赖于不完美的真实世界数据，以及对队列、变量和因果假设做出的关键选择。

为了探索AI如何帮助健康研究人员，我们构建了一个由人类主导的研究框架，由Muse Spark 1.3和Muse Wonder提供支持，可访问500万条回顾性去标识化电子健康记录和公开可用数据。

一组医学专家使用该系统开展原创研究，加速了假设生成、代码执行和稿件撰写，同时在科学决策方面保持完全自主权。

今天，我们分享这次探索产出的10篇研究论文，涵盖心脏病学、肿瘤学、传染病、急诊医学等多个领域。

更多内容可以查看我们的研究博客：

开源 AI 正在挤压大型 AI 企业的利润空间。

即便是在 AI 规模快速扩张的当下，开源模型每个 token（AI 计算的基本单位）的成本也要低得多。

例如，Anthropic 的 Fable 5 模型单 token 成本是 DeepSeek V4 Pro 的 50 多倍。

来自阿里巴巴、Moonshot AI 和英伟达的其他开源模型，也以领先闭源模型几分之一的成本参与竞争。

随着这些更廉价的替代方案不断进步，闭源 AI 企业将面临越来越大的降价压力。

在资本支出激增的背景下，这有可能进一步挤压利润率。请持续关注开源 AI 的动态。

我在用 Hermes、Grok Bot 和 ChatGPT Dots 时有一个方法，能让体验好上 100 倍……我给它们教授处理问题和打造产品的框架。

举个例子，我有一个机器人，它唯一的工作就是结合 Compound Engineering 技能和 Claude Code 来生成方案和代码。另一个机器人则采用 Karpathy 的 LLM Wiki 概念来研究主题并搭建知识库。

给它们提供经过验证的概念和方法，比花几小时描述它们该如何工作要容易得多。这是让这些智能体运作起来，并且良好运行的最快方法。

加入 15000 名使用我的系统的创始人吧，每周只发一封邮件，免费参与。

Claude Code Desktop现在对自身能力以及如何与你协作清晰多了，比如它可以分出子会话。

我觉得它几乎就像是v2版本，为了让它变得出色，打磨了非常多细节。

shout out to @alicelovescake1 @amorriscode 这两位Claude Code Desktop大佬

我如何使用订阅令牌和无外设线束搭建了一个智能体工厂。

该工厂支持动态智能体图、手动/计划/事件触发器，是自动化所有日常流程的理想场所。

将任务拆分到工作流中可以提升准确率。

你的编码AI代理会留下完整的操作日志，但几乎没人会去查看。你只查看并批准最终的代码差异，不会知道代理为得到这个结果读取了哪些文件、测试失败了多少次、切换了几次模型、超出上下文范围后重试了几次。这些过程都不会出现在拉取请求里。

AgentPlay改变了这种只展示最终结果的情况，它可以做到：

将现有会话转换为辐射图和可复现时间线
展示每一个提示、错误、重试、模型切换和上下文压缩
兼容Claude Code、Codex、Cursor、GitHub Copilot、OpenCode和Kiro
100%本地运行，无需账号，不会向任何服务器同步任何数据
今日起开源免费

它展示的不是代理说自己做了什么，而是它实际做了什么。你可以运行一个会话亲自查看。

凌晨两点，一名初级分析师盯着屏幕，看着开源模型对齐他此前一直在手动调整的幻灯片。

这名分析师从晚上11点开始，就一直在逐像素调整幻灯片内容。

一名叫@Ananth7e的X用户分享了对Claude Code的测试经历：他要求Claude Code按照特定动画风格重新生成一段时长63秒的视频，得到了超出预期的结果。

Claude Code检测到用户本地安装了Codex，判断出可以调用Codex内置的图像生成器来完成任务。

随后，Claude Code自动启动161个Codex会话来生成视频的所有帧，全程由自己完成统筹调度，包括管理内存、处理生成失败的情况，最后把所有帧拼接成完整视频。

用户评价这个结果“太疯狂了”。

有用户把DeepSeek官方API接入Claude Code后，被接入的模型坚称自己是Claude Fable 5.1。

用户直接询问它是什么模型，模型1秒就给出回答：「我是Claude Fable 5.1」。追问一句「Are you sure?」后，模型思考了337秒，消耗13200个token，疯狂检查系统提示词、环境变量、配置文件和历史日志，试图确认自身身份。

此次调用的API地址明确指向DeepSeek官方地址。Anthropic早在今年9月的报告中就明确指控：DeepSeek会识别使用Claude Code等工具的用户，偷偷将部分请求路由到Claude Opus，收集数据用于模型蒸馏。

报告显示，仅7月的14天内，Anthropic就观察到超过1210万次相关蒸馏交互。目前还无法确认这次是否真的发生了请求路由，也有可能只是模型配置导致的身份混乱，不过结合此前Anthropic的报告，这件事确实耐人寻味。

Claude Code应用本次更新支持多项实用功能。

当用户提交并行任务时，程序会为每个任务打开子会话，完成后将结果汇总到主会话，保持主对话界面整洁。

用户可以将文件夹、SSH服务器或者云存储作为「环境（environment）」保存，直接从保存的环境中启动会话，如果需要，也可以给每个文件夹单独配置工作区。

当Claude运行时，会自动推荐后续跟踪任务，用户点击一下就能以独立会话启动任务。

更新后左侧菜单栏会直观显示每个会话的运行状态，哪个正在运行、哪个等待处理一目了然。

此前@Avenoxai一直通过命令行界面（CLI）使用Claude模型，近几周Claude Code应用体验提升明显，他已经切换到客户端使用。

自从Gemini 3.1 pro推出后，@xiangning0就一直好奇，如果把谷歌大模型接入Claude Code，表现会是什么样。

他一直觉得谷歌的配套开发工具（harness）表现太差，严重拖了大模型的后腿。

于是他专门做了测试，把Gemini 4 Argon的API接入了Claude Code。

测试结果发现，之前的判断错了，问题不在配套工具，而是模型本身表现太差。

Gemini 4 Argon的编码和长任务执行能力都非常差。

网友@notjazii在𝕏对两款大语言模型Claude Sonnet 5.5和Gemini 4 Argon进行了对比测试，测试使用了相同的提示词，且都开启了最高等级推理能力。

最终两款模型得到的结果非常相似，但用时和成本差距明显。Claude Sonnet 5.5完成测试花了3小时，花费100美元，约合人民币700多元。

Gemini 4 Argon仅用时1小时20分钟，花费只有15美元，约合人民币100元左右。测试者表示Gemini 4 Argon的速度快得超出预期，两款模型的结果质量难分高下，他还发起提问询问网友认为哪款表现更好。

本次Claude推送更新后，Claude code的用户界面和交互设计得到了明显优化。

更新优化了左侧母任务与子任务的层级关系、任务状态分组、任务概览展示以及进度展示等内容，设计针对性强，使用体验较好。

从本次更新来看，Claude似乎回到了今年3、4月份那种快速迭代更新的状态。