AI Pulse

一种衡量 AI 智能体如何处理湿实验科学常规分析的新方法——BioBasicsBench。

该基准测试与专注于酶设计的生物技术公司 Ligo 共同开发，从真实实验中提取了 100 项任务，用于测试智能体能否解读原始实验室数据、识别错误，并判断证据何时不支持某个结论。

加速生物学研究始于把日常工作做好。BioBasicsBench 展示了模型需要改进的地方，并帮助我们追踪这些进步对科学发展、生物安全和生物安保意味着什么。

我们正在分享一项新研究，展示 AI 智能体如何加速加密压力测试的科学进程。在人类的引导下，我们的模型发现了传统 1024 位 RSA 密码系统中的两个主要弱点。我们的科学副总裁 @Pushmeet 将进一步解释 ↓

如果一群 AI 智能体能够自主学会协作，会怎么样？🐝

没有领导者。没有固定角色。没有轮流顺序。只有一个共享奖励。

我们的新论文《s³: multi-agent RL》展示了 LLM 智能体群可以实现自组织，超越 best-of-N，并且规模可以扩展到超出训练时的规模！🧵

编程智能体能否取代传统的 3D 视觉流水线，用代码构建完整的交互世界？

介绍 Einsia AI 的 Frontier3DBench——一个统一基准，用于评估编程智能体在 3D 物体、场景和交互式开放世界中的表现。

- 9 个类别共 145 个任务（Blender 和 UE5）
- 11 种前沿模型与运行环境的组合
- 联合评估：外观、结构与行为

项目：
GitHub：
论文：

🧵 关键发现见下文 👇

这是一篇关于优化智能体环境的出色论文。如果你现在从事智能体相关工作，这是一项极其重要的技能。通过优化智能体运行的环境，你可以实现大量改进。

许多智能体在共享工作空间中运行，例如公司的 Slack 或一组文档和工单。EnvOpt 会改变该工作空间的内容以及呈现给智能体的方式。

一个编码智能体在没有评分器或参考答案的训练任务上运行目标智能体，编辑环境，并根据验证集停止。Haiku 4.5 的通过率也提高了 14.34%。

相同的环境迁移到 Opus 5 时，成本降低了 68.1%。在 Meta-Harness 优化的测试环境之上，它进一步降低了 83.4% 的成本，并将准确率提高了 11.17%。

在 AutomationBench 上，它将 Claude Haiku 4.5 的成本降低了 72.7%。与论文对话：

今天，我们将把基于 Muse Wonder 训练的专用模型引入 @Muse 和 Meta AI，让用户在工作和日常生活中，也能用上 Muse Wonder 处理复杂任务的部分前沿能力。

这些专用模型包含 Muse Wonder 的主动记忆（Active Memory）与主动专注（Active Focus）功能，能在任务推进过程中始终贴合你的目标：
→ 主动记忆能识别此前的信息何时仍然重要，区分哪些内容依然相关、哪些已经过时
→ 主动专注能在遭遇挫折时帮你恢复状态，或在约束条件变化时找到替代方案

在 Muse 中，改进后的模型遗忘与你目标相关的关键信息的概率降低了 2.4 倍，在约束条件变化时摆脱困境的能力提升了 67%。这意味着，当计划发生变化时，你需要重复说明的次数更少，遇到的死胡同也更少。

在 Meta AI 中，这些改进能帮助它将复杂问题拆解为多个步骤，提出更精准的追问，并在你改变方向时灵活调整。

更多内容请查阅我们的研究博客：

我们已经简化了在 Pro、Max 和 Ultra 套餐中，让你的仓库在 Claude Code 云端会话里跑起来的流程。

Claude 会自动判断需要哪些依赖、网络访问权限和 API 密钥，然后把这个环境保存下来，下次直接复用。API 密钥会被安全存储，Claude 永远看不到它们。

介绍 Alpie Seed，我们的 9B 多模态推理模型，由 @169Pi_ai Research 打造。一款私有化 AI 模型，旨在更深度思考、完成更多任务，并直接在你的设备上运行。

MMLU-Pro 得分 82.54%。GPQA Diamond 得分 84.32%。LiveCodeBench v6 得分 72.99%。SWE-Bench Verified 得分 61.20%。OCRBench 得分 90.30%。

从高级推理和软件工程到视觉理解，Alpie Seed 将广泛的能力融入一个紧凑的模型中。但性能只是故事的一部分。

Alpie Seed 支持多模态输入、原生 262K token 上下文窗口，以及多种量化选项以实现本地部署。这是一款不仅为性能而设计，更是为在真实硬件上运行而设计的模型。

我们打造了它。现在我们将它发布出来。认识 Alpie Seed。1/5

转录语音是一回事，判断对方什么时候说完是另一回事。🎙

Voxtral 3 的轮次结束检测功能可帮助开发者识别用户何时结束发言，从而更轻松地构建响应式语音交互，而无需完全依赖科学手段。

查看实际效果 ⬇️

介绍 Jev @typesafeai 驱动的 social-api。

试用地址：

- 一个 API 即可访问所有社交数据
- 追踪你和竞争对手的每一次提及
- 找到你所在领域的热门帖子，由 Jev 过滤
- 拉取 1000 条竞争对手广告的成本不到 0.05 美元

开源，零加价 👇

仓库链接见下方

隆重推出我们的下一代模型路由器：面向通用问答 + 智能体的 Auto Router，以及面向编程智能体的 Auto Code。Auto Code 的性能与 Opus 5.5 相近，但成本降低 74%，p90 延迟仅为 0.65 秒，并且我们会展示每个请求的路由决策是如何做出的。

我们与 @fmf_org 及其成员机构合作，推出了一套新框架，用于识别在何种情况下绕过 AI 系统的安全防护可能造成严重的网络安全危害，并据此优先加强防护措施。

“……这套框架是朝着建立通用评估方法迈出的重要一步，用于评估和比较网络越狱的严重程度，包括它们解锁的能力以及被利用的难易程度。像这样的共享方法可以帮助 AI 和安全社区建立更清晰的证据基础，并优先改进安全防护措施。”——OpenAI 国家安全政策负责人 Sasha Baker

突发：付费用户发现最近 AI 变笨了，因为 Anthropic、Google、OpenAI 和 Xai 都在悄悄减少计算时间以削减成本。

我靠！！！🤯🔥 一个 2.78 万亿参数的 AI 模型，只需要 8.24 GB 内存就能跑。来认识一下 kimi-k3-in-c。

纯 CPU 运行，不需要 GPU，不需要 BLAS，不需要重型框架。GitHub 上已经超过 11000 个 star。这也太疯狂了。

GitHub：

Anthropic 在一篇新的工程博客文章中介绍了 Claude 的记忆过程：智能体现在可以对过去的经历进行“做梦”，回顾对话记录、纠正错误，并在对话之外更新记忆 wiki。Anthropic 表示，“做梦”有助于 Claude 整理所学知识并检索信息。

Beam 的模型技术报告现已发布。阅读完整报告，了解我们团队在内部端到端训练 Beam 所采用的方法，链接如下：

推出可信代理委托（TAD）框架，这是 @Cloudflare 与 World 的合作项目。

@Meituan_LongCat 推出的全新多模态模型 LongCat-2.5，已在 Nous Portal 免费开放一周。今天就免费体验：

Anthropic 据报道在 IPO 前的估值谈判中已降至 1300 亿美元，远低于此前 6000 亿美元的目标。

社区讨论：不少用户质疑估值合理性，认为Anthropic的客户规模和积累远不及Meta，却要对标万亿估值，质疑这是在靠炒作套取投资回报。也有用户反驳称，如果Anthropic真的研发出超越人类的可控数字智能，万亿美元估值反而被低估了上百倍。还有人从实际使用体验出发，提到本地运行的开源模型已经能替代大部分Claude Pro的使用场景，自己的订阅配额使用率已经大幅下降，不打算续费。也有用户指出当前AI炒作周期还未到顶峰，后续政策变动可能会进一步压低估值。

社区讨论：不少用户感慨 Perplexity 从曾经的研究工具明星迅速变得无人问津，有人直言已经忘了这家公司还存在。有前订阅用户指出，平台为了降本会“忘记”用户选的高端模型，偷偷切到更便宜的低配版本，体验明显下滑。也有人认为核心原因是 ChatGPT、Claude 等通用大模型已经追上甚至反超了它的搜索能力，Perplexity 作为套壳产品没有护城河，最终会被拆分出售，早期拿期权的普通员工可能拿不到任何回报。

社区讨论：多数人认可 Claude 在科研中的实用价值，认为它擅长用自然语言生成绘图代码、辅助文献检索，能省去重复的样板工作，但明确表示不会信任 AI 直接得出科学结论。也有人提出不同看法，认为 Claude 过于武断自信，自己更倾向用其他模型完成核心工作，仅用 Claude 做润色修改。还有人质疑该研究的隐私合规性，询问是否获得了研究者的使用授权，也有人不满文章只讲使用场景，没有介绍具体的实验室配置、多智能体协作和信息验证流程。

社区讨论：有人批评这是民主党延续迫害政治对手的趋势，也有人认为国会必须重新为民众服务，推动立法并让共和党为施政不力负责。@AlexandrB 质疑政府调查苹果为移民海关执法局提供追踪应用的合理性，认为执法局本身就是政府部门。@ajuc 则支持调查，认为要么国家控制寡头，要么寡头控制国家。

如今搭建 RAG、多智能体系统和 MCP 并不难，因为这些都可以借助 AI 来完成。推理工程、神经网络、时序分析、大语言模型研究和 GPU 内核才值得投入。

在更高的抽象层面，任何人都能搭建任何东西，但底层工程需要掌握扎实的基础。我们越是让软件走向标准化，就越要学习底层工程。

到了某个阶段，商业、沟通以及在紧张的时间线内完成端到端交付才是关键。这就是我们所说的高能动性人才。

这确实令人印象深刻。腾讯新推出的混元 Hy4 正在将 AI 编程推向新高度。我通过 WorkBuddy 探索了它的能力，可能性令人惊叹。

只需一个简单的提示词，它就能构建交互式 3D 体验、可玩的浏览器游戏以及视觉丰富的网页应用。更有趣的是，它能够处理复杂的编程任务、理解视觉需求，并将想法转化为可运行的项目。

而且发展势头正在加速。11 月 5 日，腾讯宣布 WorkBuddy 已将容量扩大 10 倍，以应对 Hy4 使用量的激增，让更多用户能够体验该模型。

Hy4 在全球 AI 基准测试中也获得了高度认可：
• 在 Artificial Analysis 智能指数中位列中国模型第 2 名。
• 在 Agent Arena 中位列开源模型第 1 名。

无需复杂设置，只需描述你想创建的内容。AI 正在让想象与实现之间的差距变得前所未有的小。快来体验吧：@TencentHunyuan @TencentAI_News @WorkBuddy_AI

为什么一个 9B 模型，居然能在 Terminal-Bench 上跑赢 DeepSeek V4？做实验时我们发现，GPT、Claude、Kimi、DeepSeek、GLM 这些大模型，写代码时经常会“认准一条路走到黑”：出了问题就修 bug，修完不行接着修，耗掉大量 token，却很少停下来想想，是不是方法本身就该换了。反倒是 9B 模型，有时能跳出现有思维定式，直接提出另一种新的算法，再让大模型去实现。

这也解释了我们实验里看到的这个反直觉结果。有时候，缺的真不是一个更会写代码的模型，而是一个能提出新方法、而不只是埋头修 bug 的模型。..

Claude Code 智能体最近把一份普通的学术阅读清单变成了可在浏览器中运行的交互式研究实验室。

Claude Code 创造者 Boris Cherny 给十几个智能体分配了64篇研究论文，目标只有一个：搭建一个平台，让用户可以独立复现流体流动实验、调整条件并实时分析物理过程。

AI 团队按角色拆分了工作：分析智能体负责提取数学公式、基线假设和测试设置；编码智能体把公式转成可运行的算法；审计智能体对照原始论文验证动力学结果；界面专家则搭建交互式控制面板。

由于可视化画面容易掩盖数学错误，控制器对质量守恒、稳定性和指标精度做了严格校验。最终产出的沙盒整合了11种方法和28个场景，其中7个达到原始论文的容差范围，另外4个仍在修订。

想自己动手，可以把 PDF 论文集上传到 Claude Code，使用以下提示词：“把这些论文做成一个交互式网页综合体：提取带页码的模型，把方法论分配给独立的智能体，设置独立的 bug 审查环节，并设计可调整参数和源代码的控件。”

建议先从单篇文档开始试验，再逐步扩大智能体数量，同时确保依赖项打包好，实现一键安装。

REA 是目前互联网上最强大的工具之一，它能让你的 AI 代理从零开始逆向工程任意应用。开发者将 REA 接入 Opus 5.5，成功逆向了 10 款付费应用，这些应用累计获得了 1.3 万+ 安装量。

REA 是一套按需调用的 MCP 工具集，而非一次性输出全部内容。AI 代理打开二进制文件后，可搜索字符串或函数，再拉取单个函数的反编译结果、交叉引用或调用路径。

完整分析结果以快照形式存储在磁盘上，发现的内容会保存为带 ID 的证据记录，MAP.md 直接引用这些记录，而非存放原始伪代码。

REA 还提供环境变量 REA_MCP_MAX_RESPONSE_BYTES，用于限制单次工具调用返回的数据量。

开发者@BHolmesDev推出了一款名为/merge-risk的技能，用于解决代码评审环节的效率瓶颈。该工具会从五个维度对任意拉取请求（PR）进行风险评估，分别是对齐度、影响范围、验证充分性、回滚成本和错误监控能力。

对齐度维度会检查代码是否符合对应需求和PR描述，是否存在临时改动或意外副作用。影响范围维度会评估改动的波及半径，判断是否涉及认证、权限、计费等敏感代码路径。

验证充分性维度会检查代码是否经过测试覆盖和端到端验证。回滚成本维度会评估改动的回滚难度，以及故障发生时的回滚流程，区分单向门和双向门场景。错误监控维度会评估生产环境出问题时的可观测性，判断错误是被忽略、记录日志还是上报到错误监控服务。

该技能既可以作为PR评论自动化工具运行，也可以作为提交PR前的检查项，让智能体在请求人工评审前先自行降低改动风险。

很多人以为黑苹果早已死在苹果全面转向 M 系列 ARM 芯片的那一天，但 HN 今天的热帖给出了一个硬核的极客答案。 作者用大模型把黑苹果最痛苦的 ACPI 逆向过程彻底自动化了。

玩过 OpenCore 的人都知道，给普通 PC 装 macOS 最难的不是装系统，而是修补主板的 DSDT/SSDT 固件表。为了让系统认出电源管理、嵌入式控制器（EC）和雷电控制器，资深玩家要手工反编译几万行晦涩难懂的 ASL 汇编代码，逐行查找设备路径并打上微观重命名补丁。

作者直接把提取的原始主板 ACPI 二进制转储喂给大模型，让模型对照苹果官方 XNU 内核的 IOPlatformPlugin 源码，自动推导缺失的驱动电源状态并生成精确的 SSDT 补丁。 原本需要折腾两周的主板底层固件适配，现在只需要几分钟就能完成静态验证。

Y Combinator 总裁 Garry Tan 公开了自己使用的 Claude Code 配置，名为 gstack。这套配置可以把 Claude Code 变成一整个完整的工程团队。

每个角色对应一个独立命令：负责重新梳理产品方向的 CEO、负责敲定架构的经理、负责排查通用化问题的设计师、负责找 bug 的评审员、负责打开浏览器做测试的 QA。

整套流程遵循固定顺序：思考、规划、构建、评审、测试、发布。上一个角色输出的内容，会直接被下一个角色读取。

这不是普通的提示词，而是运行在终端里的完整公司流程。目前这个项目已经获得 14 万星，Garry Tan 本人已经将其公开，项目链接已附在原帖中。

找不到前任在其他社交平台的账号？网上对线时想查对方的公开账号却无从下手？这款在GitHub上狂揽9万多星标的开源OSINT（开源情报）工具Sherlock，能在400多个社交网络中，仅凭用户名追踪账号线索。

它采用异步高并发请求机制，输入用户名后，可瞬间完成数百个平台的账号注册状态比对，自动生成并返回检查报告，定位目标用户在各平台的公开账号。

如果不会手动折腾部署，直接给你的AI Agent发送提示词：“帮我把GitHub的sherlock-project/sherlock部署到本机，完成后显示项目路径和相关说明”，按照提示打开即可使用。

开发者 Aerysky 在 X 上分享了自己用 AI 辅助编程的日常。今天他在处理后台页面，需要整合图片上传后自动生成缩略图和标签管理的功能。

他用 VS Code 配合 Codex 辅助开发，觉得逻辑上没问题了，GPT 直接宣告他可以去打电动了。他觉得这件事很好笑。

他形容自己现在像做一点事就能得到奖赏的狗，奖励真是快乐。随后启动了《龙族教义 2》。

这是一个很棒的资源！如果你想借助人工智能学习英语，以下这些提示词能为你提供出色的训练和讲解效果。

所有提示词均可在Claude和ChatGPT上运行。

来源链接：https://oxfordenglishglobal.com/blog/cl

X用户@Talal1分享了这套包含详细完整计划的提示词方案。

X用户aymanemsi分享了一套个人AI智能体的极简搭建方案：99.9%的日常使用直接用免费版ChatGPT，只有0.1%的专属智能体环节需要额外配置。

这套智能体的具体组件如下：智能体框架选用Hermes agent，底层模型用DeepSeek V4.1 Flash，服务提供商选OpenCode Go，月费10美元。

交互入口直接用Discord或Telegram，搜索与网页抓取功能用免费的TinyFish，服务器托管在Oracle的免费VPS上。

他在帖子末尾提问：有没有漏掉什么组件？