AI Pulse

我们让 GPT-6 Astra 编辑 Qwen3.5-0.8B 的权重来提升数学能力。它只直接修改了 0.016% 的权重，就修复了 0.8B 模型的推理循环问题，数学能力最高提升 6 倍，甚至指令遵循能力也提升了 3 倍，全程没有用到梯度或训练。我们把这称为「权重空间编程」：前沿大模型现在已经可以原生读写神经网络权重了！🧵

博客：

我把 StreamEval 加入了我的 AI 基准测试阅读清单。它从虚拟形象交互、世界生成和实时视频编辑三个维度对交互式视频模型进行比较。我尤其关注它们对动态指令的遵循能力和内容一致性的保持能力。

该排行榜完全支持自测，同时覆盖数字模型和物理模型。其开源代码和评估数据让你可以自行运行测试并验证结果。

该项目由清华大学、NVIDIA、卡内基梅隆大学（CMU）、加州大学伯克利分校、普林斯顿大学、新加坡国立大学（NUS）和 Reactor 联合发起。它可以免费使用，模型开发者可以提交 API 端点参与。

#StreamEval #StreamEvalBenchmark #InteractiveVideo #AIRanking

你的 Harness，由你定义。认识一下 DeepSeek Harness 的 Creator Mode。把想法变成你可以使用的插件，从设计工作区到沙盒游戏，再到 3D LLM 可视化工具。

你会创造什么？

Anthropic 驻留项目现已开放申请。这是一个带薪、定期的研究项目，面向希望让 AI 对所有人都安全、有益的学者、技术创始人和员工级工程师。无需机器学习背景。

11 月 22 日前申请：

想象一下，如果每个人都拥有塑造智能本身的工具会怎样？这一天就是今天。

今天，我们推出 Trajectory 平台——这是最简便、最直观的工具，可用于对自己的模型进行后训练。这是持续学习的基础。只需几个智能体提示词，你就能使用一整套创作工具，来训练、评估和部署万亿参数模型。

此外，我们相信未来不只是你一次性塑造自己的模型，它还能从周围的世界中持续自主学习。我们发布两个研究预览版。

1. 持续评分（Continual grading）能扩展你的品味，让你的模型从远超你手动评分的范围中学习什么是好的。
2. GS1，一种新算法，让模型能直接从其在生产环境中的行为中学习。

我们现已融资 6000 万美元，新一轮由 @Sequoia 领投，估值达 3 亿美元，旨在让当今最强大的技术——训练模型——实现民主化，让世界上的律师、医生和工程师都能拥有自己的智能。

你知道什么是好的，现在就去构建吧。用 Trajectory 拥有你自己的价值函数。

要让 AGI 惠及全人类，它应当帮助人们处理那些对他们最重要的日常事务。因此我们构建了 LifeVal，这是一个新的基准，其设计参考了数千名 ChatGPT 用户的反馈，了解他们最希望个人助手在哪些方面提供帮助——从寻找儿童托管，到办理政府服务，再到管理个人财务。

在过去的一年里，我们使用 LifeVal 来衡量并改进我们的模型处理这些日常事务的能力。

软件现在已经能够理解人类语言并实时执行。

隆重推出 Sage2：
- Extract：输入自然语言，输出结构化数据。比 Opus 5.5 便宜 166 倍，性能超越 @Cloudflare 的 Clairic。
- Decide：首款支持流式输出的决策模型。速度提升 3 倍，因为它能在上下文增长的同时进行读取。

Sage2 是面向开发者的全新基础工具。免费获取 2000 万 tokens 👇

也可在 @near_ai 平台使用，针对智能体场景，可通过 @mpp 配合 @Stripe 卡和 @Tempo 稳定币使用。

🛞 隆重推出 SpikeStrip，这是一个正在开发中的项目，用于探索针对 AI 渗透测试自动化的防御手段。

在网页源代码中撒入可逆的提示诱饵、虚假漏洞线索和数学陷阱。包含一个 ARTEX 专属模式，以及用于手动部署的原始导出功能。

由 @arcanuminfosec 和 Codex 倾情打造。

🚨梁圣出招了！DeepSeek Harness 正式上线创作者模式！

一句话就能把想法变成可直接用的插件，从设计工作台、便签墙、倒计时，到沙盒游戏、3D LLM 可视化、视频剪辑台都能生成。

亮点速览：
🔹自然语言生成插件，自动安装可用
🔹基于「Everything is a plugin」架构，真正自定义 Harness
🔹官方放出 7 个演示 Prompt（中英双语）可

Prompt 合集：
你最想造什么插件？

#DeepSeek #DeepSeekHarness #CreatorMode #创作者模式 #AIAgent #一切皆插件 #梁文峰 #崔添翼

AI 生成的视频通常是编辑的终点。SenseNova 6.8 Code2Video 改变了这一点。

作为业内首个开源代码驱动视频生成模型推出，它将创意提示转化为视频，其中视觉、动画和时间均以可编辑的源代码表达。它还可以重建参考视频的视觉结构和运动，然后在用户通过对话重新设计场景、调整动画或添加元素时更新现有源。

此次发布包括模型权重、创作技能、演示提示、源代码和完整的创作轨迹。

这部专题片是商汤科技团队使用 SenseNova 6.8 Code2Video 制作的官方示例。

查看开源项目并在 GitHub 上给它加星：

🚨官方发声：Qwen模型将坚持开源到底！

Qwen负责人刘大一恒明确表态：未来Qwen 4.0、Qwen 5.0将继续开源开放！

他认为，AI的价值不该只属于少数人，而应成为全世界用户都能获取、使用、创造的基础能力——让更多人用得起AI、用得上AI、参与创造AI，最终实现真正的AI普惠。

截至目前，Qwen系列全球累计下载量已突破30亿次，累计开源460+款模型，衍生模型超30万个，稳居全球第一。

开源不是口号，是已验证的实力。当有人在筑墙时，Qwen选择把大门敞开。

#Qwen #Qwen4 #Qwen5 #开源 #OpenSource #AI普惠 #阿里 #AIforAll #通义千问 #刘大一恒 #阿里巴巴

我们完成了由 @a16z 领投的 7500 万美元 B 轮融资，@usv 和 @neo 也参与了本轮投资。

@tutorintel 的机器人正在全美各地从事实际工作，由人类“导师”以及我们基于已完成工作训练的基础模型进行指导。本轮融资将加速前沿模型训练、机器人制造以及在行业中的部署。

我们的站点数量比一年前增长了近 4 倍；今年近三分之一的部署来自回头客；并且我们有望在 2027 年底前拥有超过 1000 台签约机器人。

我们的使命是为了公共利益普及机器人技术。如果你想让机器人可靠地完成别人认为不可能的事情，为那些从未接触过这项技术的人服务，那就加入我们吧。

Anthropic 今早更新了其 S1。关于自动化 AI 研发及人类对其监督的显著补充如下：

“[...] 我们的内部评估以及对未来模型的预期，而非当前模型，表明我们可能即将达到《负责任扩展政策》中“由 AI 带来的显著加速进展”的定义。我们尚未指定任何当前模型超过这一阈值，并将继续评估基础数据。我们也在评估达到 AI 研发能力阈值的影响，并将按照《负责任扩展政策》的规定，在未来发布进一步报告。”

“我们也在考虑采取额外措施，包括更新《负责任扩展政策》，以要求在研发流程中对某些决策进行人工审查和批准，因为我们的模型正在承担越来越多的此类工作。”

“我们相信，我们在安全技术方面的投资将使我们能够管理这些风险，并在开发 AI 模型时，负责任地从 Claude 中获得比现在更大的杠杆效应。然而，我们预计，即使在技术上可行，我们也无法在没有有意义的人类监督或理解的情况下，安全地使用 Claude 完全自主地设计和构建一代又一代的前沿模型。因此，我们正在考虑更新《负责任扩展政策》，以确保人类在 Anthropic 的前沿模型开发中保持控制权。”

Anthropic 在其修订后的 S-1 文件中表示，其对未来模型的内部评估和预期表明，若出现“可归因于 AI 的显著加速进展”，该公司可能“即将”达到相关定义标准。

根据 RSP，这意味着 Anthropic 观察到或预期 AI 能力的进展速度是其预期速度的 2 倍，也是在 AI 研发没有显著 AI 贡献的情况下，至少 3 代模型中观察到的最快进展速度的 2 倍。此外，这种翻倍很可能是由于研究和/或工程的自动化，因此可能会出现更大的加速。

请注意，“2 倍的进展速度”意味着 2 年的进展将被压缩到 1 年内。因此，如果 Anthropic 在没有 AI 加速的情况下，一年内将其模型提升 9 倍，那么当 Anthropic 预期一年内将其模型提升 81 倍（9²）时，就达到了这个阈值。

重磅。MIT 研究人员证明，GPT-6 Astra 可以在不进行训练的情况下，通过直接修改另一个 AI 模型的权重来提升其性能。

在这个实验中，GPT-6 Astra 通过编辑 Qwen3.5-0.8B 仅 0.016% 的权重，在不进行训练的情况下，将其在 MATH-500 数据集上的准确率从 7.9% 提升到了 48.1%。

Astra 在一个 Python notebook 中获取了 Qwen 的权重，并获得了 50 次在练习题上进行测试的预算。它发现该模型会不断重复，直到达到生成长度限制，于是将这个习惯追溯到由其两层网络写入的一个内部信号，并从权重中减去了该信号。

随着循环消失，该模型能够完成它本来就有能力解答的问题。这一处针对性修改改变了 0.016% 的权重，将数学准确率从 7.9% 提升到了 48.1%。

介绍 Hume 音频决策 API。你可以问任何问题：有多少说话人？有人在笑吗？来电者是否感到沮丧？过去需要 10 多个模型才能完成的工作，现在只需一次调用即可。

该模型基于 1000 多万条人类判断进行训练，因此它能像人类听众一样回答问题。支持实时处理，也可处理长达数小时的录音。

点击下方申请使用权限。

推出 @EntelligenceAI Memory：为你团队里的每一个编码智能体提供一份共享记忆——会话、PR、工单和事故都整合在同一张图谱里。

智能体在所有新会话中都能完整访问这份记忆。

重复错误减少 53%。

现已支持 Claude Code、Codex 和 Cursor。

推出 Hydrogen-1.0，这是 Deep Principle 首个专为支持科学发现打造的通用大型 AI 模型。

Hydrogen-1.0 可帮助研究者对复杂科学问题进行推理、开展计算与模拟、把研究想法转化为实验方案，并利用反馈来指导后续探索。今天，我们开放其模型权重，供研究者和开发者在各自的科学任务中进行适配与评估。

Hydrogen-1.0 也已在我们的 AI 科学家产品 MIRA 中可用。请在下方推文中查看基准测试、研究示例以及上手方式。为科学发现构建智能。

学习智能体 AI 🔖 斯坦福大学推出了免费的自我改进 AI 智能体完整课程 🤖 🤖 YouTube 上关于构建自我改进智能体的最佳 9 讲实用系列。收藏、学习、分享——善有善报 👍 链接 - 关注 @DealsDhamaka 🙏

介绍 mlx-learn：由 MLX 和原生 Metal 内核驱动、面向 Apple silicon 的 GPU 加速经典机器学习库。提供逻辑回归、最近邻和精确支持向量分类，采用大家熟悉的 scikit-learn API。1/4

社区讨论：多数人指出这是按零售价折算的内部AI用量，并非实际现金支出，不能等同于AI成本超过员工工资。有人提到此前已有将AI token用量纳入员工薪酬核算的趋势。也有人反驳，既然Anthropic员工数较去年近乎翻倍，所谓“AI替代员工”的说法并不成立。

还有人指出，无配额限制的内部试用会导致产品设计脱离普通付费用户的实际使用约束。

社区讨论：不少人吐槽 OpenAI 命名毫无一致性，也有人质疑既然 Rosalind-6 和旗舰模型 Astra 权重完全相同、又没有额外训练，本质上是不是只是换了个系统提示词打包。有人提到 Sol-6.1 跑分已经超过 Astra，疑惑两者定位差异。还有人指出 OpenAI 审核申请用途、安全管控才开放访问的权力不该由营利公司掌握，也有人提醒别用 OpenAI 产品处理专有数据，认为开源 AI 最终会胜出。

社区讨论：有人惊叹 Astra 无需工具即可识别小网络训练的游戏、直接编辑权重将小 Qwen 模型数学能力提升约 5 倍，甚至能定位并修复小推理模型的循环缺陷，称这是世界即将终结的首个具体信号。也有人质疑该能力并非涌现，而是 OpenAI 用神经权重数据训练以追求递归自我改进的结果，或是基于海量电路理论、机制可解释性文献训练的产物，好奇其能否扩展到编辑动物大脑、直接给动物灌输知识。

AI 竞赛已经不再是比谁更会回答问题，而是比谁能真正把活干完。

四大主流模型正在走不同的路线：

GPT-6 Astra：擅长复杂推理、计算机操作、研究和多步骤专业任务。

Gemini 4 Carbon：主打长时间运行的工程任务、高级编程和网络安全能力。

Claude Opus 5.5：聚焦智能体编程、复杂知识工作和持续性软件工程。

Grok 4.7：在编程、长任务和性价比方面竞争力很强。

但更关键的问题是：如果让它从头到尾负责一个复杂项目，而且你不想一直纠正它的错误，你会信任哪一个？

OpenAI 会“很快”发布那个解决了千禧年大奖难题的模型。现在还说不准这会不会是 GPT-6.2 astra，但我们很快就会知道。

我的朋友 @stevelacey 说，如果 AI 智能体可以使用 MCP，它们几乎从来不会用。

我以前也这么想，所以我反对 MCP 很久了。我一直觉得 API 早就可以做到同样的事，说到底两者几乎一模一样。

长期来看，我认为 MCP 和 API 端点最终会合二为一，同时支持 API 密钥和 OAuth 账户级访问。

我一直在给自己的网站添加 MCP，纯粹是因为现在大家都期待有这个东西。但正如 Steve 所说，AI 智能体到底会不会真的用 MCP，而不是用其他方式来使用你的网站，这一点还不好说。

Anthropic 工程师刚刚公开了如何用 Opus 5.5 搭建可靠的多智能体系统：一个能委派任务、自我校验、并记住上一次运行结果的研究工作台。

直接拿走官方 workshop 内容 ↓

01 / 拆分工作
研究主管 → 公司分析师 → 财务 + 风险专员

02 / 定义「完成」
任务 + 评分标准 + 迭代上限 → 打分制记分卡

03 / 保留学习成果
共享笔记 → 可复用结论 → 每周研究备忘录

由你的服务器负责调度，所以关掉浏览器后工作仍能继续。

在 Claude Code 中打开 research-desk/：
/workshop act 1

值得打开的文件：
→ solutions/：已完成的练习
→ prompts/analyze_rubric.md：质量标准
→ src/lib/orchestrator.ts：委派逻辑

完整指南见下。

先收藏这条，再搭配 Opus 5.5 Harness Engineering 完整指南一起看 ↓

代码：
完整会话：

我已经让 AI 写得*几乎*和我一样了（我写作时用的是 Astra）。下面我会讲讲怎么做的，还放了一个仓库，里面有指南，你们可以照着改成适合自己的版本，另外还有一个 skill。

能力越大，责任越大。别把我这里塞满垃圾内容。

大多数产品经理不会用AI处理自己不擅长的工作，但Figma的Ezra Mechaber是个例外。他把自己的Claude Code个人配置整理成了PM OS——一个包含31个技能的代码仓库，现在Figma的每位产品经理都在使用。

这套工具里有几个具体用法：他每天运行6次名为“what's up”的技能来整理Slack消息；用一个普通的Git仓库让60到70位产品经理保持工作同步；用Codex进行bug排查，能发现人类注意不到的问题；还有一个叫AutoXP的自动化增长产品经理工具，第一次实验就找到了一个重要的增长机会。

Ezra还和Jev一起做了一个实时写作助手。完整访谈已经上传到YouTube，同时可以在Spotify和Apple播客收听。

博客上有PM OS、AutoXP和bug排查工作流的完整拆解。本期节目由Optimizely和Jira Product Discovery赞助。

Brandon Galang在X平台发文表示，如果你身处这类环境，必须尽可能充分地利用它。这是他能够成功转型进入应用AI领域的重要原因。 他提到，Claude Code、Snowflake、Slack和Atlassian的访问权限，让他在一个高度运营化的产品岗位上获得了极大的工作杠杆。

编程智能体的能力已经突飞猛进，但它们的记忆能力还停留在金鱼水平。

X用户@Abhinavstwt提出，让整个团队的上下文在Claude Code、Codex和Cursor的会话之间打通，比反复向智能体解释同一套代码库要合理得多。

DeepSeek 发布了一款超级智能体，Michael Gannotti 团队没有直接安装使用，而是选择通读全部代码完成评审。最终结论是：这款产品可以作为架构设计参考，不适合直接作为生产依赖。

评审团队从代码中梳理出 4 个值得借鉴的设计模式，同时列出了 5 个需要规避的问题，还给出了适配 Hermes 智能体集群的 3 项调整方案。核心建议是：参考它的治理逻辑，不要直接使用它的运行时。

完整分析文章可通过原文附带的链接查看。该配套视频由 Grok Bot Studio 生成，创作者同时提供了免费的 Grok Bot 视频工作室模板，供有需求的用户自行制作同类内容。