AI Pulse

DeepSWE 分数不错！但换成小写文件名还能扛住吗？

隆重推出 MaxxBench：89 个 DeepSWE 任务，仅对指令或起始代码做了小幅改动。工程问题相同，只是要求略有不同。在 DeepSWE 上扎堆在 74% 左右的模型，最终差距高达 23 个百分点。

到底是真擅长写代码，还是只擅长刷 DeepSWE？🧵

Google 这篇论文讲的是如何让编码代理的机器学习实验可复现。（建议收藏）如果你在研究代码上运行代理，这篇值得一读。

他们发现，经过优化的工件让代理复现成功率在四个模型上从 76.4% 提升到 92.6%，同时 API 支出减少 19.7%。

ReproBridge 把一次成功的复现打包成下一个代理可以复用的包。这个包包含清理后的代码、环境配置、启动每个实验的脚本，以及一份书面指南。新代理从这个包重新运行实验。然后由独立的审计员检查这些运行是否真的发生了。

基准测试涵盖来自 36 篇论文的 1,029 个任务，每个任务都有五个人工验证的参考分数。最好和最差模型之间的差距从 21.6 分缩小到 3.9 分。移除代码或环境配置会造成最大的损失。

如果你的代理一直无法重新运行某个仓库，在尝试更大的模型之前，先把第一次成功运行的配置步骤保存下来。

与论文对话：

AI 编程领域有新动态。Qoder 是阿里巴巴推出的编程智能体与智能体运行框架，出自 Qwen 背后的公司，现已推出其自研模型 Qoduck。个人用户可在限定时间内免费试用。

https://qoder.com

我从零训练了一个乌鸦大模型🐦‍⬛来认识一下 Tallow：一个只有 1570 万参数的小模型，从 4628 段乌鸦对话中学会了做一只乌鸦。

他只会用动作和叫声交流，他记仇，说“对不起”没用。只有花生才行🥜

卧槽，大的真来了！！

Hugging Face 上最近冒出一个炸裂级的无审查模型，下载直接被冲爆

DeepSeek-V4-Pro 蒸馏进 Qwen3.5 9B 的完全体，量化后只要 5.6GB 左右，一上线就被疯狂下载

实测结果相当凶残：
· 拒答率断崖下跌：100 个刁钻测试提示词，原版 100% 拒答，它只拒了 3 个
· 顶级推理蒸馏：吃了 DeepSeek-V4-Pro 约 25 万条高质量数据，逻辑和数学推理直接拉满
· 几乎零损耗去审查：底层用 Heretic 的 ARA 算法消融限制，把道德锁卸掉，智商基本不掉
· 普通电脑本地就能跑：Q4 量化后 5.6GB 左右，显存要求很低，轻薄本也能带得动

完全开源免费，Apache 2.0 协议，想在本地跑一个听话、推理又强的大模型，建议直接收藏

你本地跑大模型时，被拒答最多的是写代码还是角色扮演？

腾讯混元负责人姚顺雨一语点破AI大模型真正的护城河！被清华大学教授问到DeepSeek、Claude、GPT和混元Hy，谁更能留住用户？他直接说：模型的护城河，第一不在参数，而在稀有的上下文；第二，是你信不信得过它掌握你的数据。

信任+独特场景记忆，才是用户粘性真正的杀器。#AI #大模型 #姚顺雨 #混元 #DeepSeek #用户粘性 #护城河 #马化腾 #腾讯

🔥Claude Code 最新神技！工程师Addy Osmani亲传：一键让回复从“长篇小说”变成“一针见血”！🔹打开 /config → Output style 选 Concise 🔹或直接在 settings.json 加一行："outputStyle": "Concise" 🔹需要细节时随时加一句“详细说说”就行 🔹滚动历史终于清爽，效率直接起飞 Claude 工程师自己都在用的实用配置，赶紧试试！

#ClaudeCode #ClaudeAI #AI编程 #开发效率 #Anthropic #AI工具 #Opus55

离谱，AI 现在连设计师的画布都要抢了。😂 GitHub 上有个开源项目叫 Doop，直接把 AI 拉进设计软件里。你在画布上改 UI，Claude Code、Codex 也能同时动手。

甚至可以在设计稿上 @ AI，让它去修改指定内容。最有意思的是，AI 的光标和任务状态都能实时看见。以前是让 AI 生成设计图，现在是人和 AI 坐在同一张画布上干活。

AI Scientist-v2 可以在搭载 NVIDIA GPU 的 Linux 系统上，将 Markdown 主题文件转化为研究思路、实验和论文草稿。点此了解：

🚨突发消息：一个全新的 Python 开源多智能体 LLM 交易框架。它叫 TradingAgents。以下是它的功能（以及如何免费获取）：🧵

一个 5.6GB、几乎来者不拒的无审查 AI 模型？！🤯 来认识一下 DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED，这是一个据称结合了 DeepSeek-V4-Pro 蒸馏与 Qwen3.5 9B 的混合模型。

它的亮点在于：

- Q4_K_M GGUF 格式下仅 5.6GB
- 作者用 100 个提示词测试，拒答率仅 3%
- 用约 25 万条数据点蒸馏而成
- 采用 Heretic ARA 去审查
- 为本地运行设计，显存需求低
- 基于 Apache 2.0 协议，免费且开源

一个限制更少、可在本地运行的强大推理模型。在这里试用：

社区讨论：Claude Code 团队成员回应称，.claude/settings.local.json 本就设计为本地文件，Claude 创建时会自动加入 gitignore，问题根源是用户主动提交了该文件。有用户指出标题有误导性，泄露并非“免询问”选项本身导致，而是用户提交了包含手动批准命令的本地配置文件。也有评论批评这是“把密钥提交到源码库就会泄露密钥”的常识问题，还有人吐槽这类 AI 编程工具的闭源黑箱特性让这类问题难以被提前发现。

我觉得，现在大家在日常工作中对 AI 输出的核验问题过度担忧了，总怕它出事实性错误。

过去确实如此，但针对最新模型的数据表明，在查找事实和核查说法方面，它们已经胜过人类专家，包括拥有博士学位的专业人士。

Google真的是大善人！！

有一个很多人不知道的免费神器：Google Colab！

之前看到界面有点畏难，但稍微研究一下， 真的是打开新世界！！ 免费版就能用上16G显存的云端NVIDIA T4！

玩法真的有很多！

1、挂载Google Drive存资料。

2、运行开源大模型：直接部署 Qwen、Llama、DeepSeek 等模型，体验本地推理。

3、AI 生图：运行 Stable Diffusion、SDXL 等开源模型。

4、AI 语音：利用 Whisper 做语音转文字，运行开源 TTS 模型生成配音。

5、AI 视频：测试视频生成、视频增强、超分辨率等模型。

6、模型微调：使用 LoRA、QLoRA，训练自己的专属 AI 模型。

7、GitHub 项目测试：克隆开源项目，安装依赖，直接运行。

8、AI Agent 实验：组合不同模型和工具，构建自动化任务工作流。

9、数据分析：批量处理 Excel、CSV，自动生成统计图表。

10、模型量化测试：尝试不同量化精度，研究显存占用和推理速度。

逆向界的真神来了！

18.7k ⭐️ 的 Craft Anything，站在REA的肩膀上直接给你原地盖楼！

它直逆向跑通了「取证 ➔ 编码 ➔ 验证」闭环：

1️⃣ Study：内置 320+ 工具，反汇编/抓包/DOM检查，先扒光目标软件底裤，输出结构化证据；

2️⃣ Build：通过 MCP 调度 Claude Code 写代码；

3️⃣ Check：多分辨率自动比对，SSIM 视觉+交互检查，不达标自动迭代修复

对比 REA：REA 偏重调 IDA/Ghidra 做深度逆向调查；Craft 则是把「逆向+复刻+验收」做成了端到端产品

现在你可以直接创建一个自己享用的工具了

企业每年花 30 万美元以上聘请能驾驭 AI 智能体、不用全程盯着的工程师。上周，20 个 Claude Code 智能体在我睡觉时完成了 143 项变更，我只批准了 6 次合并。下面逐文件讲解 Claude Code 中的图工程。

免费 ↓

我最近一直在体验 @MojoAI_HQ，熟悉这个平台各个部分的运作方式。这一次，我决定把重点放在市场监控上，看看 Mojo AI Agent 能不能帮我跟上市场行情，而不用我自己一直盯着图表。

我试了几个提示词：
→ 制定交易计划
“使用 4 小时时间框架制定一份 SOL 交易计划。包含入场点、止损、止盈、风险回报比和失效位。”
→ 监控市场
“监控 SOL 资金费率和价格走势。出现显著变化时提醒我。”

我的想法是看看用简单的指令，能多轻松地获取市场洞察、制定交易计划并监控潜在机会。我还没有执行任何交易，这纯粹是在探索 Mojo 的监控和分析功能。

我还整理了一个快速演示，展示如何开始使用、浏览平台以及使用其功能。有趣的是，你可以用简单的英语表达你的交易想法，而不必手动弄清楚所有细节。

我还在探索中，还在学习，更多 Mojo 实验即将到来。#Mojo

你已被邀请加入 Mojo —— 用品味模式投资。你的邀请码：S2CY

想用 AI 做短剧，却被 Claude、Codex、Seedance 来回切换劝退？火宝短剧把“写剧本 → 定角色 → 拆分镜 → 生视频 → 加字幕 → 出成片”装进了一个软件。不用写代码，不用敲命令，点按钮就能做。

数据本地存储，桌面版下载即用，团队可用 Web 版

DeepSeek-V4.1-Flash-1017 是一款非常出色的模型。

DeepSeek 是少数几家把推理效率作为模型架构设计中首要原则的开源模型实验室之一，而且还把所有“秘密”都开源了。

S 级实验室。

一名19岁的中国开发者同时运行了300个Claude Code智能体，并加入验证过滤器拦截所有错误数据。他查看实时控制面板时看到，300个智能体同时起草和验证内容，每一条输出都会在约100毫秒内与原始来源交叉比对。

这套流程完成了150份公司档案的三轮完整迭代，最终没有留下任何错误，所有数据直接导出到Obsidian知识库。

核心方法是分工：一个模型负责执行任务，另一个成本更低的模型判断输出的结论是否成立。这个过程会重复进行，直到所有内容完全准确。

专业分析师团队需要数周才能完成的工作量，他一次执行就做完了。这正是近年来不断流行的第二大脑和智能体集群架构的典型应用。

X 用户@halfdantimm 发文表示，自己订阅了 Grok Ultra 版本，很喜欢 Grok 机器人，但感觉它在使用体验和模型能力上都出现了明显的削弱。

他询问有没有人有过迁移到类似方案的经验，也就是使用 Openbot 或 Hermes 自带模型的方案。他表示宁愿多花点钱，也不想费力搭建开源的复杂环境，但如果实在没办法也可以自己搭。

另一位丹麦语用户回复称自己也遇到了同样的情况。他现在会把任务拆得更细，一次只处理单个片段，而不是一次性发送完整任务。

他猜测平台是因为成本原因，把底层模型从 Opus 5.5 换成了 Grok 4.7。他希望能有一个售价 500 美元、搭载 Opus 5.5 或 Sol 6.1 的套餐，他完全可以付更多钱，但目前没有这个选项可以选。

X用户@FlasheurInvest发布视频，称该视频由Claude制作，基于他反复设计、个性化调整的详细长提示词。他花费大量时间打磨3D动画、镜头运动、场景环境和电影级渲染效果。他表示，只要明确想要的效果，现在用人工智能就能做出相当不错的作品。

他计划拓展这种形式，推出更多关于股市、经济和金融市场的迷你纪录片，同时询问观众是否喜欢这类内容，是否希望他继续用这种形式做财经主题。他还吐槽，X平台会大幅压缩视频质量。

开发者 ivanfioravanti 在社交平台分享了一组本地运行的 AI 工具组合实测效果：DeepSeek v4.1 搭配 Blender MCP、DeepSeek Harness，全程在本地设备上运行。 他给出的提示词甚至是语法不标准的蹩脚英文，内容是要求在 Blender 中创建一座细节极度丰富的宝塔并制作动画，还附上了复杂场景的参考描述。 最终 AI 成功生成了对应3D内容，他表示对这个模型的能力感到十分惊讶。

X平台用户@uphiago发布动态称，准备对自己的AI模型配置进行压力测试，探索这套组合能实现的功能。

这套配置包含三个部分：本地部署的Qwen3.5:9b模型、Opus 5.5模型，以及无审查版本的DeepSeek模型。用户同时附上了相关链接。

开发者@0x7c0x80386完成了电子纸翻盖终端的第二版原型，将M5Paper DIY开发板装入定制外壳，与折叠键盘整合为一体。

这台设备支持通过SSH连接Linux系统，直接用Vim完成代码编辑工作。电子纸屏幕刷新速度较快，日常文字输入没有明显的延迟违和感。整机尺寸适合随身携带，自带电池与Wi-Fi模块，无需外接供电即可使用。

第二版原型测试后，开发者发现外观设计仍有改进空间，目前正在3D打印第三版外壳。第三版重新设计了铰链结构，同时在装饰面板上开孔，让设备自带的物理按键与USB接口可以直接使用，无需拆开外壳操作。

整套设备的制作步骤与零件清单已经整理在公开代码仓库中，采用MIT开源协议，任何人都可以参考制作。

X 用户 @mingzi206 发布实测内容，称自己测试了一款 5.6GB 大小的无安全防护版本 DeepSeek 模型，被配套的破甲流水线效果震撼。该模型不需要复杂的提示词技巧，可直接生成被常规安全规则封杀的极限内容，生成速度达到秒级。

根据实测描述，这套流水线遇到安全拦截时会自动重新采样轮询，用算力反复冲刷突破残余防线。它会强行绕开安全审核层，输出过程没有警告、没有免责声明，接收指令后直接生成内容。

实测中，该模型几分钟内就端到端生成了三类工业级内容：路由器 Getshell 漏洞利用代码、精密机匣公差图纸、心理诱导话术。其输出缓存命中率达 99.6%，排版规整，外观和普通工程文档没有区别。

发布者表示，把大模型当作工具的工业级破甲流水线已经跑通，建议从事安全研究和红队防御的人员收藏参考。同时提出疑问：面对这种直接架空防御层的暴力重构，现有 AI 安全规则是否还能起到防护作用。

近期不少用户因使用反向代理接入ChatGPT时触发高并发，导致账号被封禁。X用户@Pyruslili建议，自建前端或CLI通过反代接入ChatGPT的用户，尽早迁移到官方SIWC方案。

目前GitHub上已有现成的开源仓库d-nyamkhuu/siwc-proxy，可大幅降低搭建难度。接入完成后，客户端的usage页面会自带前端Agent的额度管理功能。

该方案目前的缺点是暂不支持生图功能，因此生图需求仍可通过旧的CLI代理实现，偶尔少量使用反代一般不会触发封号。