AI Pulse

隆重推出 FrontierCode 2.0：我们全新的编程基准，用于衡量模型超越规范的能力。

大多数编程评测衡量的是模型编写符合规范代码的能力。而在 FrontierCode 1.0 中，我们提出了一个新问题：你真的会合并这个 PR 吗？

FrontierCode 2.0 包含更多样化的任务，具有更大的范围和更高的可合并性标准。我们现在要问的是：你不仅会合并这个 PR，而且你应该合并吗？

FrontierCode 2.0 的一个关键特性是未明确说明的提示。提示中没有包含每一个工程决策，而是故意含糊不清，让模型有空间展示其判断力。

结果是一个远未达到饱和的基准，顶级模型的得分仅为 45%。

很多人可能不理解世界模型的用途，但我认为 Genie 4 让我们更清楚地看到，它们如何帮助我们更接近 AGI。

Google 已经在把 Genie 和 Gemini 结合起来（可惜在实时循环里用的是 3.8 Flash）。Gemini 可以观看模拟过程，把目标拆解成更简单的步骤，并在世界发生变化时调整自己的计划。

最终，把 LLM 的推理能力和世界模型学到的物理动态结合起来，可能会让智能体拥有一种测试动作、提升时空推理能力的方式。这类似于人类在做某件事之前，能够想象真实世界的场景，并思考可能会发生什么。

这给了智能体一个地方去比较不同动作，并在真实世界中尝试之前，先从模拟结果中学习——前提是模拟足够准确。我认为这可以帮助解决模型目前仍然难以处理的一些空间和物理推理问题。

人类可以在脑海中预演自己即将要做的事。但 LLM 只能进行基于文本的推理，只能用文字描述物理和数学上的可能性，而一个可交互的世界模型给了 AI 一种把这些可能性实际推演出来的方式。

显然，物理效果和长期一致性还有待改进，但这是朝着让 AI 拥有更丰富的环境去交互和学习迈出的一大步。

这是 Genie 4，我们迄今为止最逼真、交互性最强的世界模型。🌐 实时探索动态环境，观察场景如何响应、发声，以及其中的人物如何移动、反应和说话。

今天我们正式推出 @tryAlanAI，让开发者不用再盯着自己的编程智能体干活。

我们自己也一直遇到同样的问题。即便智能体写代码的能力越来越强，我们却沦为了自家 AI 的高级按钮操作员：每次运行都要手动启动、给它们喂上下文、解决报错、再检查它们的产出。我们打造 Alan，就是为了改变这一点。

思维链（Chain-of-thought）彻底改变了 AI 的推理方式，但它仅限于文字。物理世界的对应物是什么？

现在推出 Ψ-0.6，这是一个以“思维流”进行推理的模型：文字、深度、运动、相机位姿和想象的场景。而且它能学会何时使用哪种模态！🧵

一个 27B 的模型能推动自主研究的帕累托前沿，并击败 1T–2.8T 的巨头吗？来认识一下由智源研究院牵头，联合中国科学技术大学和中国人民大学打造的 AREX-2（27B）（基于 Qwen3.8-27B 构建）。

我们将递归式自我改进（RSI）转化为一种实用的测试时扩展范式，并精准定位了自我进化的两个关键：深度反思与长周期执行。

通过强化算法优化任务，AREX-2 展现出卓越的深度反思和长周期执行能力，显著提升了其在复杂编程和深度研究方面的表现，登顶 MLE-bench Lite（81.8），并在 BrowseComp（84.0）和 HLE（52.6）上创下 ≤40B 模型的新 SOTA 👇

隆重推出 Parallel Decisions API：首个基于网络的决策引擎。像 Jev 这样的决策模型可以瞬间给出答案，但它们缺乏最新的新闻时效性。现在，您可以在一次调用中同时获得两者。

Decisions API 今日上线，每次请求 $0.001。免费试用 5,000 次请求：

以下是我们一直在尝试的一些示例：
- 对内容进行事实核查（@Grok 这是真的吗？）
- 更新过时的银行记录
- 用最新信号对公司和潜在客户进行分类
- 回测交易策略
- 跟踪竞争对手的电商库存

介绍 Querio。

首个将你的整个数据栈放入你自己拥有的 git 仓库的分析平台。

Querio 让你的智能体在处理你的数据时保持 100% 一致性。

评论“data teams”，我会把我们的开源仓库发给你，帮你把 BI 工具迁移到你自己拥有的 git 仓库。

我们刚从 @ycombinator 和 @BroomVentures 融资 130 万美元，用来打造 AgentRel。我们为开发者工具提供以下支持：

- 可发现性：ChatGPT、Claude 或 Gemini 会推荐你，还是你的竞争对手？
- 可用性：Claude Code 在使用你的产品时，会在哪些地方遇到困难？

Profound、Peec 以及其他大多数 AI 可见性工具，其实都只是在测量噪音。每个认真做营销的人都清楚这一点，这些公司自己也心知肚明。

我们反其道而行之：为你提供准确的数据，并帮助你据此采取行动。

回复你的品牌名称，我会为你免费开通一个 Pro 版工作区。

社区讨论：多数人指出标题存在误导，法院已裁定用书籍训练模型属于合理使用，Anthropic 被罚的核心原因是从 LibGen 盗版渠道获取书籍，而非训练行为本身。有人质疑为何斯坦福教授的作品被侵权就格外受关注，也有人认为知识不应被学术精英垄断，应当普惠大众。还有评论指出，将侵权比作“奴役劳动”属于不当类比，二者存在本质区别。

社区讨论：多数评论质疑生存场景下使用本地大模型的必要性，认为传统知识库搭配搜索功能更可靠，还指出紧急断电时根本无法运行需要电力的本地模型。也有人反驳，认为大模型可以作为语义搜索工具，帮用户找到合适的资料，不必完全信任其输出。还有人提到普通消费级设备上该模型准确率不足七成，容易产生幻觉，不如直接购买实体书籍靠谱。

大家好，我想介绍一下我正在进行的项目，这个项目是我（在 codex-cli 的帮助下）共同创作的。这个非常有用的命令行工具提供了一种自然语言方式来描述你想在终端中发生什么。

AI 为这个领域带来了许多崭露头角的新开发者，它对 CLI 初学者非常有用，让所有人都能更方便地使用终端。它对有经验的用户也很有帮助——非常适合用来构建复杂的管道命令，或者像 `netstat` 这样你很少使用的命令。

我希望你会喜欢它。

https://github.com/neilenns/terminal-ai-assistant

我理想中的 AI 智能体工具：
- Opus 5.5 级别的模型（绝不降级委托给更差的模型）
- 能启动云端和本地代码会话
- Dots 级别的实时语音 / 工具调用
- 本地会话中具备 Codex 级别的计算机操作能力
- Claude Artifacts 级别的演示文稿、文档和设计质量
- 移动端应用作为双人协作的界面
- 内嵌迷你应用（就像 Grokbot 在邮件和 Slack 上做的那样，但要支持更多工具）
- Webhooks（像 Grokbot 那样）
- 内置跨所有平台的社交媒体访问能力
- 插件（当然要有）

总结一下：我想要一个全天候在线、由前沿模型驱动的员工，它能操作自己的电脑，也能 24/7 操作我的电脑，并且能把所有任务自动整理到不同频道里，方便我随时追踪我们一起完成的所有事情。

我还希望能通过移动端、网页端、桌面端控制这个智能体，最重要的是，能通过实时语音控制它。

深入拆解我们是如何打造设计智能体的（附开源代码）。我每周至少会用它几次，用来做幻灯片、动图、图片等。

我正在用 Claude AI 制作视频。有几个人问我这是怎么做的，想要教程……我们就来聊聊这个吧。

这种视频风格是我在 YouTube 上看到的。我把它下载下来，交给 Claude，告诉它我想要一个类似这样的视频。这是动画视频，所以 Claude 能制作这种视频。我还告诉它，需要多少张图片，就给多少张图片的提示词。

这需要准备：图片、配音音频。

我用 Gemini AI 批量图片生成工具来制作图片。是免费的。链接在评论区。

配音：我用 Ai33 Pro 付费工具。里面有个叫 AI Markup 的东西。把它交给 Claude，再给它我的 API 密钥，它自己就会知道怎么制作配音。链接在评论区。

首先，我告诉它我的主题。AI 技巧、工具和新闻。泰米尔语的 60 秒视频。它每次都会给出几个主题。我一选好，它就给脚本。我一批准，它就问我要什么声音，然后给图片的提示词。我把那些图片做好，直接在聊天里发给它。然后它就会自己制作出完整的视频。

图片工具：
配音工具（联盟链接）：

X用户@fankaishuoai更新了自己的本地AI员工团队配置，总规模为9人。

核心配置分为三个角色：主力搬砖工由Pi搭配DeepSeek担任，在算力谷时切换为夜场工；包工头负责设计方案，使用Copilot搭配Opus5.5；验收工负责把关验收，使用Pi搭配GPT-6 Astra。

大部分场景下只需要这4个AI员工就能完成工作，剩下的5个使用频率较低。该用户表示，包工头设计、搬砖工开发、验收工验收的配合流程非常顺畅，Codex已经完全用不上了。

用户HaileyAILabs在X平台分享了自己用AI工具制作MV的体验。

她之前的思路是用GPT设计角色，Muse生成跳舞动作，再让Opus 5.5根据舞蹈制作音乐和3D舞台。

这次她换了个玩法，直接用Grok Bot生成音乐，搭配GPT设计的3个二次元少女，一起丢给Muse生成完整的女团MV。

她表示效果超出预期，跳舞动作自然，音乐卡点准确，连镜头切换和舞台效果都自动生成了。

不过她也提到，之前用Opus写代码搭建舞台的好处是可以自由调整灯光、特效和镜头，还能跟着音乐和舞步变化，不用每次都重新生成视频。

她计划下次尝试Grok Bot生成音乐、Muse生成舞蹈、Opus生成舞台的组合，对比哪种方案效果更好。

用户 @victormustar 在社交平台 X 上分享了 DeepSeek Flash 的3D建模实测效果，称其是“非常好的模型”。

整个流程由 DeepSeek Flash 主导完成：先用 threejs 搭建出野猪骑士的基础3D模型，再自动完成投影纹理映射，随后搭配 AnyMove 工具完成角色绑定与动画制作。

为了让动画适配这个专属角色，团队渲染了500张随机姿态的画面，专门训练了一套基于 DINOv2 的关节追踪器，仅针对这只野猪生效。

后续从 H3 生成的视频中提取正面与侧面视角画面，这套专属追踪器就能自动识别关节位置，把视频里的运动匹配到3D模型的骨骼上，最终导出带动画的完整模型。

X用户@18sep65分享了自己用AI工具制作短剧的完整工作流。整个流程从用Claude和Codex撰写剧本开始，脚本确认无误后，由Claude生成给Codex的任务指令。

Codex负责生成角色形象图，同时对接ElevenLabs制作配音。如果是带配音的视频，Codex会把生成的图片导入Google Flow制作成片；没有配音的视频则用Meta AI处理，最终输出分镜头素材。

素材回到Claude完成剪辑拼接，最终产出不超过2分钟的短剧。@18sep65表示目前成片效果还不够自然，自己还在摸索阶段，试错过程消耗了大量付费额度，制作一条视频耗时较长，全程都有成本，还需要继续学习，也欢迎其他人给出建议。

设计师MengTo在X平台分享了自己的最新创作：他用7张单张图片，分别生成了7个小型3D世界。每个世界对应一张图片、一个角色。ViggleAI推出的JST-2世界模型将这些图片转换为高斯泼溅（Gaussian splat）3D场景，同时为角色绑定了骨骼，所有内容都可以直接在浏览器中运行。

接入了PINOC MCP的Claude Code引导名为Fern的角色走遍所有3D世界，并完成了镜头调度。MengTo表示这些内容完全是3D形式，可以用作落地页、游戏或者可供用户探索的演示内容。

X用户poolmoon6分享了自己使用多款大模型解决深度问题的经历。GPT-5.6发布时被普遍称赞，但他用它探讨深度问题时始终无法得到切中要点的回答。

Fable-5发布后，他感觉思考顺畅了很多，一度认为找到了适配的模型。但升级到Fable-5.1后，探讨问题再次陷入停滞。

情急之下，他让Fable-5.1把问题总结后发给Gemini-4-argon，最终取得了突破，再把结论返回给Fable继续推进。

他提出疑问：既然模型能力已进入平台期，连数学界、计算机界的定理猜想根基都受到冲击，为什么这些模型还是会卡在具体问题上？他猜测未来可能需要GPT-6-Bel、Fable-5.5、Gemini-4-Carbon等更多模型协作，但到时候大概率还会遇到新的瓶颈。

他认为人类对智能的上限一无所知，碳硅协同的潜力还远远没有被挖掘出来。

反无人机无人机的相关内容十分震撼。这是博主mreflow30天15条视频计划中的第8条，他正在测试让AI在剪辑中承担越来越多的工作。

他希望在接下来的几周里，这些视频的质量能逐步提升。

这批视频实现了多重目标：完成X平台的视频发布配额、测试新的AI剪辑改进效果、分享自己在AI辅助剪辑方面的学习心得。

他同时把内容发布到其他所有社交平台，以提升这些平台的互动量。

X用户@Tanghulu188分享了自己日常使用AI Agent的经验，他表示如果只是用Plus套餐生成图片，额度基本够用，一天生成几张图不会有问题。 但他明确表示已经受够了Codex的执行速度，日常使用中只会让Codex负责生图，其余的工作都会放到其他Agent里完成。 他提到自己常用Cursor的Grok模型来处理剪映草稿，这类工具的每个技能都可以单独执行，用户可以下载下来自行尝试。

如果你一直想入门机器人，X用户@0xKapri整理了一套配套3D交互实验室的完整学习路径。整套路径全部可以在浏览器中完成，不需要额外搭建本地硬件环境。

学习内容覆盖电子基础、Arduino、ESP32、电机驱动、传感器应用、无人机六大模块。整套路径包含17个学习资源、6个实操练习，以及对应每个学习阶段的检查清单。

创作者@YourAlphaMom在X平台发布了Seedance 2.5与Kling 4.0的同提示生成视频对比，两款工具均通过makeugc生成。

实测结论显示，Seedance生成的画面真实感更强，但Kling的表现差距不大。两款工具都能准确遵循提示词指令，但Seedance需要3次尝试才能得到合格结果，Kling第一次生成就符合要求。

成本方面，Kling的价格约为Seedance的1/16。如果只看纯画质，Seedance是更优选择，但如果把时间、成本和重试次数纳入考量，Kling是性价比更高的可靠替代方案。

本次实测使用的是15秒6镜头的健身房vlog提示词，要求模拟16mm手持磁带摄像机的质感，包含轻微手抖、对焦延迟、画面过曝等复古录像效果，人物设定为20岁美国模特Mila，场景为晚间健身房的瑜伽垫区域。