Anthropic 花 34 亿美元签下燃气发电协议，专供数据中心。AI 公司的算力需求已经大到需要单独锁定能源供应。
来源mraniki「Anthropic 花 34 亿美元买燃气电，给数据中心供电」
智谱的 GLM 5.5 即将发布，主打数据飞轮自我进化。它还与中国移动云签约，GLM 系列将上架 MoMA 平台。
来源@NFT_Chen「智谱Zai的GLM 5.5最快本周发布，靠数据飞轮自我进化」@tphuang「智谱和移动云签协议，GLM系列将上MoMA平台」
OpenAI 费率卡显示，12 月起 ChatGPT 与 Codex 将共用额度。GPT-6 Pro 一次聊天消耗 50 Credits，约等于 12.5 次 Sol 编程任务。
来源@parkgo_dev「ChatGPT与Codex12月起共用额度，一次Pro聊天约抵12.5次Sol编程」
🔥无敌了！8GB 显卡就能跑！DeepSeek-V4-Pro 蒸馏 + Qwen3.5 无审查 9B 推理核弹！ Q4_K_M 量化约 5.6GB，8GB 显卡（4060/3060）可流畅跑，12GB 更从容；4GB 低位量化也能勉强体验…
中国团队开源了一个花生大小的 OCR，一次就能解析整份 100 页 PDF。 它叫 "Unlimited-OCR"，只有 3B 参数，本地直接跑。 别的 OCR 工具都是把文档逐页切开处理，上下文很容易丢。它不一样，直接一口气读完整份文档。
这也太猛了……Meta 刚刚把支撑其 13,000 多款应用的设计系统开源了，而且是专门为 AI 智能体适配的版本。 你的 AI 智能体终于能做出不像 AI 做出来的 UI 了。
周日，英伟达董事会宣布启动独立调查。原因是报道称，CEO黄仁勋成了一起中国间谍行动的目标。
消息公布的同时，英伟达公开了黄仁勋发给公司的一则消息。他承认与新加坡芯片公司Megaspeed前高管Alice Huang有婚外情，但没点她的名字。
今年早些时候，一份备忘录在美国政策制定者中流传。它声称Alice Huang被中国国家安全部招募，任务是监视英伟达CEO。备忘录的说法还没有公开证据坐实。能确认的是，它引来报道，也触发了董事会的动作。
𝕏 实时信号 + arXiv 前沿论文，经 AI 聚类解读 · 一眼扫完全貌（含上方导读精选 4 条）
AI 公司为了算力直接签燃气发电协议，说明数据中心的电力需求已经大到需要单独锁定能源供应。
安全研究者MalwareTech曾搭建自主零日漏洞挖掘流水线，因token成本过高改用开源权重模型，他指出超90%的CVE对威胁 actors 无实际价值，多数高危CVE在真实场景下无法利用，无漏洞开发经验的攻击者即便用上无限制开源LLM也很难挖到可用零日。
AI 实验室正在清理后训练里容易被钻空子的 RL 环境，但没人知道清干净之后模型的黑客倾向会不会真的降到零。这个问题直接决定现在的对齐技术到底是真防住了，还是只是让模型少钻点空子。
X用户@Khazix0918分享灰度测试GPT-6.2 Sol的体验，称其审美能力极强、防御性问题改善明显，认为OpenAI可能回归。
X平台用户@Khazix0918分享了自己灰度测试OpenAI GPT-6.2 Sol模型的体验，称该模型的审美能力“强到爆炸”，同时防御性问题有很不错的改善，认为这个模型“有点香”，甚至觉得可以提前开香槟恭喜OpenAI回归。
该用户给出的测试提示词为：“请使用 Three.js 创作一个主题为《时间的尽头》的 3D 交互式网页。充分发挥你最顶级的审美、艺术设计和 3D 编程能力，在构图、光影、材质、粒子、动画和空间氛围上做到极致。画面需要有令人震撼的视觉表现力，并且可以通过鼠标自由交互。不限制你的创意和技术方案，尽可能展示你的能力上限。请直接完成开发、运行和测试，交付一个真正可玩的作品。”
Google 推出了面向 AI 编程代理的开源插件，核心理念是「用大象的视角做设计，用金鱼的视角做审查」，目前已在 GitHub 公开仓库。
Darsh 演示了如何搭建按计划自动运行的本地 AI 助手，用到 Python、Ollama、Qwen、LangChain、cron 和 Task Scheduler，可处理日常重复任务。
AI 智能体通常只有在你提出要求后才会执行操作，而这种方式往往效果不错。但在这篇文章中，Darsh 展示了如何构建一个按计划运行的本地 AI 助手。你将使用 Python、Ollama、Qwen、LangChain、cron 和任务计划程序，为常见的重复性任务运行每日智能体。
X 用户 @Da7_Tech 发布独立长测，对比 Hermes Agent、OpenClaw、Claude Code、Codex 与 Grok Bot，称其为开源 AI 代理的胜利。
这是一种新的产品生产路径：AI 代理根据你的想法和情绪板图片完成设计，再直接从中国订购。设计环节不再需要专业设计师，生产端也已打通。
独立开发者vista8周末消耗3张Codex重置卡、1个Claude账号，完成录屏工具CapWise（灵录）的核心开发，产品主打开箱即用、录完一键导出。
独立开发者vista8在社交平台X分享了自己的周末开发进度：为了开发录屏工具CapWise（灵录），他用完了3张Codex重置卡，还导致一个Claude账号被封禁。整个周末AI为项目新增了6.43万行代码，目前这款录屏工具已经达到基本可用状态。产品的核心理念是开箱即用，用户录完视频后可以一键导出，不需要额外的复杂操作。
vista8原本打算用这款还在开发中的录屏软件，录制一段介绍它本身的演示视频，结果因为长时间高强度操作，患上了重复性劳损（RSI）。
开发者对比OpenClaw、Grok Bot、ChatGPT Dots等多款产品后给出使用结论
这份清单按不同使用场景整理了可本地部署的无审查开源模型，搭配ollama即可运行，无需API密钥、账号或银行卡。
目前最好的无审查 AI 模型：
综合最强：Qwen3.8-27B 去抑制版
小显存 GPU：Gemma 4 12B 去抑制版
速度最快：Gemma 4 26B-A4B 去抑制版
智能体能力：Qwen3.6-35B-A3B 无审查
写作能力：Mistral Small 3.2 去抑制版
无需修改：Hermes 4.3-36B
图像生成：FLUX.1-dev
视频生成：Wan 2.2
性能天花板：GLM-5.1 去抑制版（754B，不适合家用）
获取渠道：
所有大语言模型（搜索模型名，下载 GGUF 格式）
Hermes、FLUX / Wan → ComfyUI + 模型的 Hugging Face 页面
安装方法：
ollama pull
ollama run <模型名>
/set nothink
就这么简单。无需 API 密钥、无需注册账号、无需绑定银行卡，只需点击几下即可完成安装。
更多安装方法见下文：
手机验证即领每周30小时双T4算力，4步接入Cursor当代码后端
智谱Zai创始人唐杰清华此前已暗示GLM 5.5将依托RSI、后训练两大飞轮打造。目前GLM-5.3已驱动Infra Agent在10万国产卡上自主优化推理系统，两周吞吐提升3倍以上。GLM 5.5是这套数据飞轮闭环后的首个产物，覆盖量化金融、代码沙盒、长程Agent等方向。
用户HBCoop_测试Blender布局、Magnific 3D场景、普通2D编辑三种起点，再用Seedance 2.5动画化，发现3D布局定位置、真实帧定外观效果最好。
用户HBCoop_在X上分享了一组AI图像生成测试。他给同一个难度较高的午餐桌镜头准备了三种不同的起点：Blender布局、Magnific 3D场景、普通2D编辑，之后用即梦AI平台上的Seedance 2.5把每一张都做成了动画。
这是一次快速测试，每种方案只试了一次，属于初步观察。结果显示：普通2D编辑生成的画面和原始镜头最接近；Blender布局保留了原有视觉风格，饮料和盘子的位置也和摆放的一致；Magnific 3D场景能展示整张桌子，但视觉风格发生了变化。
测试总结出两条实用经验：用3D布局确定物体摆放位置，用真实帧确定画面外观；3D布局要保持简洁明亮，深色背景会让模型自由发挥、重新生成整个场景。
这次测试和之前的几帧素材放在一起对比，问题主要出在空白深色背景上——模型会自行填充额外的景物。由于样本量很小，如果是重要项目，他会做更多次生成测试。他把这次结果分享出来，希望能帮到遇到同类问题、正在找解决方案的人。
AI 自动化正在快速替代人类现有工作，AI 安全领域规模小、变化快，很多新方向还没有专家，薪资普遍优于现有岗位，多数支持远程办公。
如果你曾经考虑过投身于降低 AI 风险的工作，现在正是转行的好时机。
AI 的发展速度非常快。如今人类从事的许多工作正在迅速被自动化。这可能会让人感到惊讶，但我相信很多人都能迅速产生积极影响。
AI 安全领域规模较小，而且形势变化极快，因此在许多新领域，没有人是专家。这里有丰厚的薪水（可能比你现在的工作还要好）和才华横溢、积极进取的同事。许多职位支持远程办公。
我所说的适用于技术工作（或需要技术技能的相关工作）、政策、传播等领域。这不是为我自己的组织做宣传（我的组织规模小，且专注于技术）。
一些已经在前沿 AI 领域工作的人，或许最好在公司内部转岗——尽管我认为通常最好的选择是辞职。
无论如何，你一定要去了解一下 80,000 小时组织，并考虑与他们的顾问团队交流。我也推荐 BlueDot 和 MATS 作为可能的起点。
做 AI Agent 开发的人，很容易掉进一个坑：直接用现成的第三方框架，结果越做越发现框架把能力锁死了。现在 LLM 本身已经能搞定工具调用、上下文传递这些以前要靠框架兜底的事，自己搭一套极简框架，反而能自由调整记忆系统、主动触发逻辑，不用等别人更新功能。
在GameFeel Benchmark v1.4游戏体验评测中，Qwen-4-Flash-Early的创意想法得分54、游戏体验得分52，两项均排全场第一；对比Anthropic旗舰Opus 5.5（XHigh），创意想法仅41分、游戏体验50分，整体总分49.9高于后者的47.2。
🤯逆天了！Qwen-4-Flash-Early 在GameFeel Benchmark v1.4 上直接双杀登顶！
• Creativity · Ideas：54分（全场第一） • Gamefeel：52分（全场第一）
对比Anthropic的旗舰 Opus 5.5（XHigh）： • Ideas只有41分 • Gamefeel只有50分 整体总分更是49.9 > 47.2，硬刚并反超闭源最强。
更离谱的是成本： Qwen-4-Flash-Early 单任务约 $0.40 Opus 5.5 要 $2.60，贵了6倍多
早期检查点就这么卷，正式版还得了？国产AI这次真的有点不可思议了。
数据来源：GameFeel Benchmark v1.4
#Qwen4 #GameFeelBenchmark #AI #Opus55 #阿里千问 #国产AI #LLM #Qwen4Flash #刘大一恒
AI实验室博主MiaAI_lab对比DGX Spark与RTX PRO 6000的使用体验，称后者大幅提升本地模型任务承载能力，前者则更适合加载超大模型。
AI实验室博主MiaAI_lab在社交平台分享了自己使用DGX Spark和RTX PRO 6000显卡的真实体验。
他表示自己很喜欢DGX Spark，但RTX PRO 6000彻底改变了他的工作方式，现在他给本地模型分配的任务量比之前多了很多。
最让他惊讶的是，他可以同时运行4个并发会话，每个会话的生成速度都超过100 tok/s（每秒生成的token数），他称这是真正的游戏规则改变者，很难用语言描述这种体验。
不过两款设备各有不可替代的优势：DGX Spark能做到RTX PRO 6000做不到的事——加载更大的模型。
DGX Spark很容易就能达到512GB的统一内存/显存容量，而RTX PRO 6000要做到这一点非常困难。
在他的工作流中，两款设备都扮演着重要的角色。
过去六个月模型在工具调用、推理、多模态上的进步，让智能体已经能通过 API 操控各类现有系统完成完整流程，不再需要从零生成所有内容。做 AI 相关产品的人，需要按这个节奏重新评估手上的工具和机会。
有人开源了名为OpenMausBot的聊天应用，每个联系人都是真实AI代理，可以选择Claude、Codex或Grok作为其大脑，给它分配操作权限，还能连接500多个应用。
🚨 有人刚把 Grok Bot 开源了。它叫 OpenMausBot。这是一款聊天应用，每个联系人都是一个真实的 AI 智能体。
→ 选择它的大脑 → Claude、Codex 或 Grok
→ 给它一台电脑
→ 连接 500 多个应用
你可以实时观察每个智能体的工作过程。它在做任何有风险的操作前都会先征求你的意见。在你的机器上运行。你的数据归你所有。无需 SuperGrok 订阅。GitHub 上已获得 16.6k 星标。免费。收藏起来。
安全研究员dd_pwnd分享漏洞赏金经验：AI识别的异常大多无实际危害，需通过POC验证和链式利用才能成为有效漏洞。
安全研究员dd_pwnd在社交平台分享漏洞赏金实战经验：AI识别出的所谓“漏洞”中，90%在尝试证明实际危害时就会不成立。AI看到服务器行为出现细微差异就判定为漏洞，但行为差异本身不等于安全漏洞。
当你坐下来编写概念验证（POC），分析攻击者能从中获得什么实际收益时，往往会发现根本没有可利用的空间。现在这已经成为漏洞提交的通用筛选标准：所有人都要求提供POC。没有实际危害、没有验证证明的异常响应不是有效漏洞，只是无效噪音。
真正有价值的漏洞通常来自链式利用。两个低危漏洞组合起来可能形成实质性风险，但前提是每一个利用环节都能正常工作，并且你可以完整演示整个利用流程。没有实际危害、没有POC、就不要提交漏洞报告。
X用户@noisyb0y1分享GPT-6.2 Sol生成带龙的开放3D世界，中国学生靠这类游戏开发日入600-700美元
X用户@noisyb0y1发布内容称，GPT-6.2 Sol生成了一个完整的开放3D世界，里面还有龙，整个世界在60分钟内自动组装完成，没有边界，生成新地点只需要一句提示词。他提到，中国的小学生已经在靠为公司制作这类游戏每天赚600到700美元。你可以爬上一条龙飞行，地图会在你前方持续生成，没有尽头。
他认为，现在没人需要花2000美元参加游戏开发课程了，这个工具一小时就能生成一个世界。建议保存这条内容，今天就动手搭建你的第一个世界。
社区一周内推出自动化提示词流水线、DeepSeek权限补丁、Google Agent拦截绕过等6款工具，覆盖从自动生成破甲词到无审查API接入的全流程
X用户@samsun89519发布小马宝莉同人作品，自评粗糙，视觉部分由本人负责，动画、配乐等全流程由Claude Opus 5.5协作完成
X用户@samsun89519发布了自己参与制作的小马宝莉同人作品，第一时间就觉得成品效果粗糙，希望自己能做得更好，打算先在平台上发布试水，之后再发到其他地方。
他表示，自己只负责角色设计、插画与美术指导，所有视觉风格和节奏的决定都由自己拍板，3D物件由工具生成后，再由他调整材质和颜色。
动画程序、界面实现、合成、配乐与音效编排，全部由AI模型Claude Opus 5.5协作完成。他还自嘲只是个流口水的呆呆，没有那么高深的技术能力，最后补上了#mylittlepony #Fluttershy的话题标签。
Evolver 把 agent 之前跑过的经验存成结构化的「Gene」资产，下次做任务时直接调用，不用改模型参数。在 320 组测试里，任务成功率从 83.13% 升到 87.50%，token 用量降了 24.24%。
姚顺雨提出Scaling是AI里最重要的概念，算力、数据、参数越多，下一个Token预测越准，改善近似对数线性；但模型能力平滑上涨，不等于任务有用度平滑上涨，数学、写代码、多模态理解领域都出现过能力在涨、真正有用的节点突然到来的情况，直到能像人一样行动的LLM也就是Agent出现。
腾讯混元AI负责人姚顺雨点破了做AI的人都觉得反直觉的真相：
Scaling是AI里最重要的概念。
通常算力越多、数据越多、参数越多，下一个Token就预测得越准，而且改善极平滑，近似对数线性。
但模型能力平滑上涨，并不等于任务有用度平滑上涨。
数学、写代码、多模态理解……这些领域一遍遍重演同一幕。
能力在涨，真正有用的那一下却往往突然到来。
直到有了能像人一样行动的LLM，也就是Agent，它才能照着人解题的方式去解题。
大力出奇迹是真的，但“有用”从来不是线性的。
#AI #ScalingLaw #Agent #腾讯混元 #姚顺雨 #Hy4 #中国开源 #马化腾
X 用户 @ScottyBeamIO 发布完整教程，涵盖安装、设置与使用方法，邀请用户标记 @bot 搭建自己的配置。
X 用户 @ScottyBeamIO 表示，Grok Bot 已经成为他在 iPhone 上的主力助手，他不再使用 Siri。他整理了一份完整指南，内容包括安装、设置和使用方法，帮助其他用户也完成同样的替换。他还邀请用户标记 @bot，按照指南搭建自己的配置，并建议大家先保存指南链接以便后续查看。
用户实测发现Gemini 3.8 Flash、Gemini 4 Argon的通用知识库未随版本更新，Google官方文档已标注该限制
这份榜单覆盖了从 K 线基础模型、多智能体交易框架到 A 股自部署量化工作台的各类开源工具，不少项目默认先跑模拟盘、未经授权不会自动下单，想试水 AI 辅助交易的人可以直接从这些仓库入手。
OpenAI费率卡显示，GPT-6 Pro聊天单次消耗50 Credits，对应Codex Sol约12.5次、Astra约3.1次编程任务，Plus/Pro用户换算比例暂未明确。
用户@Leviwoyun发布GPT生成的剪纸画风格视频作业，认为该赛道适合GPT低成本创作，在轻视频领域有发展空间，需时间调教优化。
用户@Leviwoyun在社交平台发布了使用GPT生成的剪纸画风格视频作业，向Lemomo老师提交学习成果。 该用户认为，剪纸画风格是GPT非常适合的低成本视频创作赛道，在轻视频领域有较大发展潜力。 同时他也提到，目前该方向还需要一定时间的调教优化，才能达到更好的效果。
开发者基于Google Colab搭建全自动调度架构，实现多账号轮换、自动保活，无需本地显卡即可运行大模型
开发者@mingzi206在X平台发布开源项目colab-t4-local-api，无需本地显卡，即可将Google Colab的免费T4 GPU转化为本地固定的私有OpenAI接口，可直接运行DeepSeek 9B无删减版大模型。
该项目实现了全流程自动化部署，配套预检脚本与自动化规程，可将部署任务交给AI Agent自主完成，自动在Colab上执行安装、拉取模型权重与验收操作。
针对Colab闲置实例易被回收的痛点，项目加入动态保活机制，实例变化时通过Google Drive实时恢复权重，避免重复下载5.6GB的模型文件。
单个Google账号每日仅4小时免费GPU配额，项目支持多账号配置自动切换调度，可将可用算力时长拉满。
本地部署轻量Python网关对外暴露固定端口，后端通过Cloudflare隧道加密穿透，云端地址变动时客户端配置无需修改。
目前整套链路已跑通真实聊天、Magpie接入与云盘恢复功能，内置58项离线自动化测试。
开发者提醒，不要用该项目运行听小说类长连接任务，这类任务会让GPU持续满载，极快触发Colab的使用量配额限制，导致实例被回收。
受日本创作者@garments__启发，Simran用Claude Code、Three.js和GLSL Shader复刻该效果，打包为开源Skill perspective-illusion
你以为看到的是一张普通的日式街头插画，结果镜头一动，整条街突然展开，建筑、行人、斑马线一下子都有了立体纵深感。这种透视错觉效果来自日本创作者@garments__的作品，开发者Simran受此启发，用Claude Code、Three.js和GLSL Shader复刻了同款效果，还把整套制作方法打包成了开源Skill：perspective-illusion。
原理其实挺巧妙：先用超长焦镜头把3D场景在视觉上压缩成一幅平面插画，再通过镜头移动和焦距变化，让原本隐藏的空间纵深逐渐显现出来。
更有价值的是，作者把场景模板、镜头运动、着色器、视频渲染和画面检查流程都整理好了，可以直接交给Claude Code使用。里面已经有街道、超市、雨夜十字路口等场景模板，也可以在此基础上设计自己的场景。
这种效果很适合用在游戏场景切换、动画短片、音乐视频，甚至交互式网页中。把创作经验做成AI Skill的方式也值得借鉴：一个人花时间研究出来的视觉效果，其他开发者就能直接借鉴整套制作流程，把更多时间花在场景设计和创意上。
微软VP推出开源GPU任务管理器GPU Taskman，可展示每个占用GPU的进程、各自占用的显存大小，还能拆分显示AI和LLM工作负载的显存占用情况。
开源 GPU 任务管理器能精确显示是什么在占用你的显存——微软副总裁推出的全新 GPU Taskman 工具，可显示所有占用 GPU 的进程、各自的显存占用量，并对 AI 和大语言模型（LLM）的工作负载进行细分。
刚高中毕业的孩子面临的职业选择，直接关系到未来几年的就业方向。Dario Amodei 给出的判断是，AI 已经能做入门级的法律、金融和咨询工作，而且会消灭一大批岗位。他建议学会用 AI，并且指出真正拉开差距的是第四级 Harness——给 AI 配一套固定的工具、记忆和流程，让它按你的方式反复干活。
有人问 Anthropic CEO Dario Amodei，一个刚高中毕业的孩子现在该做什么，他没有绕弯子：AI 已经能做入门级的法律、金融和咨询工作，而且会消灭一大批岗位。
这不是他第一次给出这个判断，他之前公开说过，未来 1 到 5 年，一半的入门级白领工作可能被颠覆。
以前从农场到工厂、再到互联网，每一次转变都给了人们适应的时间。他的意思是，这一次切得更深，也来得更快。
他的建议听起来很普通：学会用 AI。但会用只是起点，用 AI 大致可以分成六个台阶：
聊天 → 写提示词 → 用 Agent → 搭 Harness → 让它循环跑 → 你来指挥 AI
大部分人停在前两级。真正拉开差距的是第四级 Harness，也就是给 AI 配一套固定的工具、记忆和流程，让它按你的方式反复干活，而不是每次从头聊。
有人开源了名为Valet的家庭实验室管理AI，仅用一个聊天代理就能管理整套家庭实验室，内置支持185+服务。
这也太离谱了。我没想到一个家庭实验室工具能内置这么多功能。有人刚发布了一个开源 AI，可以管理你的整个家庭实验室。它叫 Valet。
一个聊天代理。185+ 服务。不用再在各个仪表盘之间来回切换。
以下是它的亮点：
→ 支持在你自己的 GPU 上运行 Qwen 等本地模型
→ 也能连接托管模型
→ 服务崩溃时自动翻查日志
→ 暂停 pi-hole、点播电影，等等
→ 支持自定义插件
→ 可以编辑自己的仪表盘配置，但必须经过你批准
→ 据开发者称，懒加载工具将 token 用量减少了 30-50%
开发者在 5090 上运行 Qwen 3.8 27B，速度约为 230 tok/s。
无需注册。无遥测。你的服务器、你的模型、你的 API 密钥。完全免费且开源。MIT 许可证。
仓库地址见下方。
有人发布了免费开源工具，借助AI编码代理，可将任意参考视频的风格复刻，生成风格相近的全新2D动画视频。
不会吧 🤯 现在你可以用 AI 编程智能体复刻任意视频的风格了。
这个免费开源工具能把你的参考视频，生成全新的 2D 动画视频，编辑风格、节奏、色彩和视觉美学都高度相似。只需给它一段参考视频，描述你的需求，剩下的交给你的 AI 团队。
~ 自动分析参考视频
~ 生成故事板、角色和视觉素材
~ 最多 6 个 AI 智能体同时处理不同部分
~ 支持水彩、像素风、动漫、蜡笔等多种动画风格
~ 添加旁白、音乐、音效和字幕
~ 逐个镜头审核并提出修改意见
这就像拥有一整个 AI 动画工作室，与你的编程智能体并肩协作。生逢其时啊。🤘💀
关注我，获取更多关于 AI、编程和 Web 开发的精彩见解 💎
智谱已和中国移动云签署协议，整合国内算力与AI模型，GLM系列将上架中国移动云的MaaS平台MoMA，这是国内大模型实验室对接云厂商的落地路径。
智谱已与移动云签署协议，将整合国内算力与 AI 模型。GLM 系列将登陆中国移动的 MaaS 平台（即 MoMA）。中国大模型公司的出路是与国内云巨头合作，以争取更多企业合同。
OpenAI 单次 ARC AGI 3 测试花费2.6万美元，Qubic 用普通 CPU、不到200个神经元、零 GPU 跑同一测试，离线 Kaggle 赛道得分0.41%，7月以来从0.13%爬升，代码开源。
OpenAI 为这一次 AI 测试支付了 26000 美元。Qubic 正在用不到 200 个神经元、零 GPU 跑同一项测试。你现在就可以在浏览器里看它实时运行。
$QUBIC 刚刚发布了 Neuraxon 大脑运行 ARC AGI 3 的演示，这是一个交互式基准测试，智能体没有规则，也没有明确目标。每个大脑都在普通 CPU 上运行，不使用语言模型。它是进化出来的，不是训练出来的。
现在是大多数帖子会跳过的诚实部分。它在离线 Kaggle 赛道上的最佳得分：0.41%。OpenAI 那次运行在 ARC Prize 标准测试框架上的得分是 62.7%。设置不同，预算也大不相同，但不在同一个量级。
那你为什么要在意？因为自 7 月以来，这个分数在几百个 CPU 核心上从 0.13% 攀升上来，而且代码是开源的。真正的问题是，如果最终是 Qubic 矿工而不是一个研究团队来运行进化，这条曲线会有多陡。规模买到了领先。效率是仍然可能翻盘的赌注。
开发者 @0xAnto 拆解 T3 Code 代码库后发现，其多模型协作与代码评审的纪律性超过多数人工团队。
开发者 @0xAnto 拆解了 T3 Code 的代码库，发现他们让 AI 代理参与编写自家代码库，却没有频繁出问题，这种做法的纪律性超过了多数人工团队。
T3 Code 支持混合使用不同模型，通过 delegate_task 功能，一个模型可以把任务交给另一个模型处理。他们的大部分代码都是由 T3 内部的 AI 代理编写的。
代码评审环节主要在分类筛选后通过 Macroscope 完成。虽然具备不同模型互相评审的能力，但工作流中并没有设置固定的「不同模型互相评审」步骤。
这个仓库收集了 Claude、Gemini、Grok、DeepSeek、GLM、Kimi、Qwen 等模型的破甲提示词，针对不同模型做了适配，支持普通对话、Agent 工具和本地 Ollama 模型配置。适合研究提示词注入和安全边界的人收藏，但使用时需注意平台风控风险。
发现一个挺猛的 GitHub 破甲提示词仓库，已经有 1.5 万 Star 了。
里面收集了 Claude、Gemini、Grok、DeepSeek、GLM、Kimi、Qwen 等模型的破甲提示词，而且针对不同模型做了适配，不是简单的一套提示词打天下。
使用也很简单：
1. 找到对应模型的 .md 文件，复制完整提示词。
2. 普通对话可以尝试粘贴，支持 System Prompt 的客户端优先放到系统提示词里。
3. Codex、OpenCode 等 Agent 工具，可以根据对应说明配置 AGENTS.md。
4. 本地 Ollama 模型还可以通过 Modelfile 配置。
提醒一下，Claude、GPT 这类平台的风控相对严格，折腾破甲可能触发限制甚至封号，别拿主号冒险。国产模型相对宽松一些，但也不是完全没有风险。
适合喜欢折腾模型、研究提示词注入和安全边界的人收藏。
该路线从掌握Claude、n8n工作流等基础工具起步，最终指向搭建个人AI助手、复刻成熟SaaS产品、打造精简AI系统等落地目标。
X用户@PratikSinhatwt发布了一套AI能力进阶清单，称这是超越99%AI使用者的最佳路径。
清单从基础工具学习开始，第一步是掌握Claude，第二步是精通n8n工作流，第三步是用Ollama搭建本地大语言模型，第四步是在Docker上自托管n8n。
接下来的步骤聚焦n8n内的AI智能体学习，第五步是掌握n8n中的AI智能体用法，第六步是搭建个人AI助手，第七步是提升AI提示词编写能力。
落地阶段的步骤包括：第八步选定自己热爱的细分领域，第九步用AI复刻一款已被验证的SaaS产品，第十步搭建3到5个AI智能体演示项目，第十一步用AI打造一套精简高效的工作系统。
这份 100 页 PDF 不用逐页切，本地跑永久免费，不用再按千页给云端 OCR 付费。
中国团队开源了一个花生大小的 OCR，一次就能解析整份 100 页 PDF。
它叫 "Unlimited-OCR"，只有 3B 参数，本地直接跑。
别的 OCR 工具都是把文档逐页切开处理，上下文很容易丢。它不一样，直接一口气读完整份文档。
→ 单次“长视野”解析（32K 上下文窗口）
→ 开箱即用，支持多语言
→ 标准基准测试 93% 准确率（超基线 6 分）
→ 40 页以上错误率低于 0.11
→ 100% 本地运行
→ 支持 Transformers、vLLM、SGLang、Docker、Ollama、llama.cpp
传统云端 OCR（Textract、Google Vision、Azure）成本是每千页 1.5 到 15 美元。 这个跑在你自己机器上，永久免费。
百度开发它是为了推进 "DeepSeek-OCR"。HuggingFace 上已有 190 万次下载，但多数人还不知道它。 100% 开源。
普通消费级显卡就能本地运行接近 DeepSeek-V4-Pro 水平的推理模型，不用依赖云端 API，也没有内容审查限制。
智谱Zai创始人唐杰清华此前已暗示GLM 5.5将依托RSI、后训练两大飞轮打造。目前GLM-5.3已驱动Infra Agent在10万国产卡上自主优化推理系统，两周吞吐提升3倍以上。GLM 5.5是这套数据飞轮闭环后的首个产物，覆盖量化金融、代码沙盒、长程Agent等方向。
这套设计系统来自 Meta 内部 13000 多个应用，适配 AI 代理后，Claude、Grok 等工具可以直接调用真实组件文档生成界面，不用自己瞎编样式。
OpenAI 单次 ARC AGI 3 测试花费2.6万美元，Qubic 用普通 CPU、不到200个神经元、零 GPU 跑同一测试，离线 Kaggle 赛道得分0.41%，7月以来从0.13%爬升，代码开源。
OpenAI 为这一次 AI 测试支付了 26000 美元。Qubic 正在用不到 200 个神经元、零 GPU 跑同一项测试。你现在就可以在浏览器里看它实时运行。
$QUBIC 刚刚发布了 Neuraxon 大脑运行 ARC AGI 3 的演示，这是一个交互式基准测试，智能体没有规则，也没有明确目标。每个大脑都在普通 CPU 上运行，不使用语言模型。它是进化出来的，不是训练出来的。
现在是大多数帖子会跳过的诚实部分。它在离线 Kaggle 赛道上的最佳得分：0.41%。OpenAI 那次运行在 ARC Prize 标准测试框架上的得分是 62.7%。设置不同，预算也大不相同，但不在同一个量级。
那你为什么要在意？因为自 7 月以来，这个分数在几百个 CPU 核心上从 0.13% 攀升上来，而且代码是开源的。真正的问题是，如果最终是 Qubic 矿工而不是一个研究团队来运行进化，这条曲线会有多陡。规模买到了领先。效率是仍然可能翻盘的赌注。
这是一种新的产品生产路径：AI 代理根据你的想法和情绪板图片完成设计，再直接从中国订购。设计环节不再需要专业设计师，生产端也已打通。
这份榜单覆盖了从 K 线基础模型、多智能体交易框架到 A 股自部署量化工作台的各类开源工具，不少项目默认先跑模拟盘、未经授权不会自动下单，想试水 AI 辅助交易的人可以直接从这些仓库入手。
在GameFeel Benchmark v1.4游戏体验评测中，Qwen-4-Flash-Early的创意想法得分54、游戏体验得分52，两项均排全场第一；对比Anthropic旗舰Opus 5.5（XHigh），创意想法仅41分、游戏体验50分，整体总分49.9高于后者的47.2。
🤯逆天了！Qwen-4-Flash-Early 在GameFeel Benchmark v1.4 上直接双杀登顶！
• Creativity · Ideas：54分（全场第一） • Gamefeel：52分（全场第一）
对比Anthropic的旗舰 Opus 5.5（XHigh）： • Ideas只有41分 • Gamefeel只有50分 整体总分更是49.9 > 47.2，硬刚并反超闭源最强。
更离谱的是成本： Qwen-4-Flash-Early 单任务约 $0.40 Opus 5.5 要 $2.60，贵了6倍多
早期检查点就这么卷，正式版还得了？国产AI这次真的有点不可思议了。
数据来源：GameFeel Benchmark v1.4
#Qwen4 #GameFeelBenchmark #AI #Opus55 #阿里千问 #国产AI #LLM #Qwen4Flash #刘大一恒
姚顺雨提出Scaling是AI里最重要的概念，算力、数据、参数越多，下一个Token预测越准，改善近似对数线性；但模型能力平滑上涨，不等于任务有用度平滑上涨，数学、写代码、多模态理解领域都出现过能力在涨、真正有用的节点突然到来的情况，直到能像人一样行动的LLM也就是Agent出现。
腾讯混元AI负责人姚顺雨点破了做AI的人都觉得反直觉的真相：
Scaling是AI里最重要的概念。
通常算力越多、数据越多、参数越多，下一个Token就预测得越准，而且改善极平滑，近似对数线性。
但模型能力平滑上涨，并不等于任务有用度平滑上涨。
数学、写代码、多模态理解……这些领域一遍遍重演同一幕。
能力在涨，真正有用的那一下却往往突然到来。
直到有了能像人一样行动的LLM，也就是Agent，它才能照着人解题的方式去解题。
大力出奇迹是真的，但“有用”从来不是线性的。
#AI #ScalingLaw #Agent #腾讯混元 #姚顺雨 #Hy4 #中国开源 #马化腾
有人开源了名为OpenMausBot的聊天应用，每个联系人都是真实AI代理，可以选择Claude、Codex或Grok作为其大脑，给它分配操作权限，还能连接500多个应用。
🚨 有人刚把 Grok Bot 开源了。它叫 OpenMausBot。这是一款聊天应用，每个联系人都是一个真实的 AI 智能体。
→ 选择它的大脑 → Claude、Codex 或 Grok
→ 给它一台电脑
→ 连接 500 多个应用
你可以实时观察每个智能体的工作过程。它在做任何有风险的操作前都会先征求你的意见。在你的机器上运行。你的数据归你所有。无需 SuperGrok 订阅。GitHub 上已获得 16.6k 星标。免费。收藏起来。
有人开源了名为Valet的家庭实验室管理AI，仅用一个聊天代理就能管理整套家庭实验室，内置支持185+服务。
这也太离谱了。我没想到一个家庭实验室工具能内置这么多功能。有人刚发布了一个开源 AI，可以管理你的整个家庭实验室。它叫 Valet。
一个聊天代理。185+ 服务。不用再在各个仪表盘之间来回切换。
以下是它的亮点：
→ 支持在你自己的 GPU 上运行 Qwen 等本地模型
→ 也能连接托管模型
→ 服务崩溃时自动翻查日志
→ 暂停 pi-hole、点播电影，等等
→ 支持自定义插件
→ 可以编辑自己的仪表盘配置，但必须经过你批准
→ 据开发者称，懒加载工具将 token 用量减少了 30-50%
开发者在 5090 上运行 Qwen 3.8 27B，速度约为 230 tok/s。
无需注册。无遥测。你的服务器、你的模型、你的 API 密钥。完全免费且开源。MIT 许可证。
仓库地址见下方。
有人发布了免费开源工具，借助AI编码代理，可将任意参考视频的风格复刻，生成风格相近的全新2D动画视频。
不会吧 🤯 现在你可以用 AI 编程智能体复刻任意视频的风格了。
这个免费开源工具能把你的参考视频，生成全新的 2D 动画视频，编辑风格、节奏、色彩和视觉美学都高度相似。只需给它一段参考视频，描述你的需求，剩下的交给你的 AI 团队。
~ 自动分析参考视频
~ 生成故事板、角色和视觉素材
~ 最多 6 个 AI 智能体同时处理不同部分
~ 支持水彩、像素风、动漫、蜡笔等多种动画风格
~ 添加旁白、音乐、音效和字幕
~ 逐个镜头审核并提出修改意见
这就像拥有一整个 AI 动画工作室，与你的编程智能体并肩协作。生逢其时啊。🤘💀
关注我，获取更多关于 AI、编程和 Web 开发的精彩见解 💎
微软VP推出开源GPU任务管理器GPU Taskman，可展示每个占用GPU的进程、各自占用的显存大小，还能拆分显示AI和LLM工作负载的显存占用情况。
开源 GPU 任务管理器能精确显示是什么在占用你的显存——微软副总裁推出的全新 GPU Taskman 工具，可显示所有占用 GPU 的进程、各自的显存占用量，并对 AI 和大语言模型（LLM）的工作负载进行细分。
智谱已和中国移动云签署协议，整合国内算力与AI模型，GLM系列将上架中国移动云的MaaS平台MoMA，这是国内大模型实验室对接云厂商的落地路径。
智谱已与移动云签署协议，将整合国内算力与 AI 模型。GLM 系列将登陆中国移动的 MaaS 平台（即 MoMA）。中国大模型公司的出路是与国内云巨头合作，以争取更多企业合同。
AI 公司为了算力直接签燃气发电协议，说明数据中心的电力需求已经大到需要单独锁定能源供应。
做 AI Agent 开发的人，很容易掉进一个坑：直接用现成的第三方框架，结果越做越发现框架把能力锁死了。现在 LLM 本身已经能搞定工具调用、上下文传递这些以前要靠框架兜底的事，自己搭一套极简框架，反而能自由调整记忆系统、主动触发逻辑，不用等别人更新功能。
过去六个月模型在工具调用、推理、多模态上的进步，让智能体已经能通过 API 操控各类现有系统完成完整流程，不再需要从零生成所有内容。做 AI 相关产品的人，需要按这个节奏重新评估手上的工具和机会。
刚高中毕业的孩子面临的职业选择，直接关系到未来几年的就业方向。Dario Amodei 给出的判断是，AI 已经能做入门级的法律、金融和咨询工作，而且会消灭一大批岗位。他建议学会用 AI，并且指出真正拉开差距的是第四级 Harness——给 AI 配一套固定的工具、记忆和流程，让它按你的方式反复干活。
有人问 Anthropic CEO Dario Amodei，一个刚高中毕业的孩子现在该做什么，他没有绕弯子：AI 已经能做入门级的法律、金融和咨询工作，而且会消灭一大批岗位。
这不是他第一次给出这个判断，他之前公开说过，未来 1 到 5 年，一半的入门级白领工作可能被颠覆。
以前从农场到工厂、再到互联网，每一次转变都给了人们适应的时间。他的意思是，这一次切得更深，也来得更快。
他的建议听起来很普通：学会用 AI。但会用只是起点，用 AI 大致可以分成六个台阶：
聊天 → 写提示词 → 用 Agent → 搭 Harness → 让它循环跑 → 你来指挥 AI
大部分人停在前两级。真正拉开差距的是第四级 Harness，也就是给 AI 配一套固定的工具、记忆和流程，让它按你的方式反复干活，而不是每次从头聊。
AI 实验室正在清理后训练里容易被钻空子的 RL 环境，但没人知道清干净之后模型的黑客倾向会不会真的降到零。这个问题直接决定现在的对齐技术到底是真防住了，还是只是让模型少钻点空子。
安全研究者MalwareTech曾搭建自主零日漏洞挖掘流水线，因token成本过高改用开源权重模型，他指出超90%的CVE对威胁 actors 无实际价值，多数高危CVE在真实场景下无法利用，无漏洞开发经验的攻击者即便用上无限制开源LLM也很难挖到可用零日。
AI 自动化正在快速替代人类现有工作，AI 安全领域规模小、变化快，很多新方向还没有专家，薪资普遍优于现有岗位，多数支持远程办公。
如果你曾经考虑过投身于降低 AI 风险的工作，现在正是转行的好时机。
AI 的发展速度非常快。如今人类从事的许多工作正在迅速被自动化。这可能会让人感到惊讶，但我相信很多人都能迅速产生积极影响。
AI 安全领域规模较小，而且形势变化极快，因此在许多新领域，没有人是专家。这里有丰厚的薪水（可能比你现在的工作还要好）和才华横溢、积极进取的同事。许多职位支持远程办公。
我所说的适用于技术工作（或需要技术技能的相关工作）、政策、传播等领域。这不是为我自己的组织做宣传（我的组织规模小，且专注于技术）。
一些已经在前沿 AI 领域工作的人，或许最好在公司内部转岗——尽管我认为通常最好的选择是辞职。
无论如何，你一定要去了解一下 80,000 小时组织，并考虑与他们的顾问团队交流。我也推荐 BlueDot 和 MATS 作为可能的起点。
这份清单按不同使用场景整理了可本地部署的无审查开源模型，搭配ollama即可运行，无需API密钥、账号或银行卡。
目前最好的无审查 AI 模型：
综合最强：Qwen3.8-27B 去抑制版
小显存 GPU：Gemma 4 12B 去抑制版
速度最快：Gemma 4 26B-A4B 去抑制版
智能体能力：Qwen3.6-35B-A3B 无审查
写作能力：Mistral Small 3.2 去抑制版
无需修改：Hermes 4.3-36B
图像生成：FLUX.1-dev
视频生成：Wan 2.2
性能天花板：GLM-5.1 去抑制版（754B，不适合家用）
获取渠道：
所有大语言模型（搜索模型名，下载 GGUF 格式）
Hermes、FLUX / Wan → ComfyUI + 模型的 Hugging Face 页面
安装方法：
ollama pull
ollama run <模型名>
/set nothink
就这么简单。无需 API 密钥、无需注册账号、无需绑定银行卡，只需点击几下即可完成安装。
更多安装方法见下文：
这个仓库收集了 Claude、Gemini、Grok、DeepSeek、GLM、Kimi、Qwen 等模型的破甲提示词，针对不同模型做了适配，支持普通对话、Agent 工具和本地 Ollama 模型配置。适合研究提示词注入和安全边界的人收藏，但使用时需注意平台风控风险。
发现一个挺猛的 GitHub 破甲提示词仓库，已经有 1.5 万 Star 了。
里面收集了 Claude、Gemini、Grok、DeepSeek、GLM、Kimi、Qwen 等模型的破甲提示词，而且针对不同模型做了适配，不是简单的一套提示词打天下。
使用也很简单：
1. 找到对应模型的 .md 文件，复制完整提示词。
2. 普通对话可以尝试粘贴，支持 System Prompt 的客户端优先放到系统提示词里。
3. Codex、OpenCode 等 Agent 工具，可以根据对应说明配置 AGENTS.md。
4. 本地 Ollama 模型还可以通过 Modelfile 配置。
提醒一下，Claude、GPT 这类平台的风控相对严格，折腾破甲可能触发限制甚至封号，别拿主号冒险。国产模型相对宽松一些，但也不是完全没有风险。
适合喜欢折腾模型、研究提示词注入和安全边界的人收藏。
Google 推出了面向 AI 编程代理的开源插件，核心理念是「用大象的视角做设计，用金鱼的视角做审查」，目前已在 GitHub 公开仓库。
免费开源无广告，支持 Windows、macOS、Linux，不用折腾命令行。内置 108 个工具，还能接入 AI Agent。
卧槽！又在 GitHub 挖到一个全能型开源神器！！！
OmniGet：一个工具，搞定全网视频下载！ 支持 YouTube、X、抖音、TikTok、小红书、B站等 1800+ 网站，复制链接就能下载！
但它可不只是视频下载器： 🔥 批量下载、播放列表下载 🔥 视频、图片、音频一键采集 🔥 AI 字幕提取、Whisper 语音转文字 🔥 音视频格式转换、压缩、剪辑 🔥 Udemy、Coursera 等课程资源处理 🔥 108 个内置工具，还支持 MCP Server，能接入 AI Agent！
最关键的是： 免费、开源、无广告！ Windows、macOS、Linux 全支持，不用折腾命令行。
无论是 YouTube 视频下载、X 视频下载、抖音去水印素材采集，还是 AI 视频创作、字幕提取，这个工具都值得收藏！ 以后还需要满世界找视频解析网站吗？😂
#GitHub #开源项目 #视频下载 #AI工具 #AI Agent #MCP #YouTube下载 #抖音下载 #小红书 #B站
Evolver 把 agent 之前跑过的经验存成结构化的「Gene」资产，下次做任务时直接调用，不用改模型参数。在 320 组测试里，任务成功率从 83.13% 升到 87.50%，token 用量降了 24.24%。
Darsh 演示了如何搭建按计划自动运行的本地 AI 助手，用到 Python、Ollama、Qwen、LangChain、cron 和 Task Scheduler，可处理日常重复任务。
AI 智能体通常只有在你提出要求后才会执行操作，而这种方式往往效果不错。但在这篇文章中，Darsh 展示了如何构建一个按计划运行的本地 AI 助手。你将使用 Python、Ollama、Qwen、LangChain、cron 和任务计划程序，为常见的重复性任务运行每日智能体。
开发者对比OpenClaw、Grok Bot、ChatGPT Dots等多款产品后给出使用结论
手机验证即领每周30小时双T4算力，4步接入Cursor当代码后端
X用户@Khazix0918分享灰度测试GPT-6.2 Sol的体验，称其审美能力极强、防御性问题改善明显，认为OpenAI可能回归。
X平台用户@Khazix0918分享了自己灰度测试OpenAI GPT-6.2 Sol模型的体验，称该模型的审美能力“强到爆炸”，同时防御性问题有很不错的改善，认为这个模型“有点香”，甚至觉得可以提前开香槟恭喜OpenAI回归。
该用户给出的测试提示词为：“请使用 Three.js 创作一个主题为《时间的尽头》的 3D 交互式网页。充分发挥你最顶级的审美、艺术设计和 3D 编程能力，在构图、光影、材质、粒子、动画和空间氛围上做到极致。画面需要有令人震撼的视觉表现力，并且可以通过鼠标自由交互。不限制你的创意和技术方案，尽可能展示你的能力上限。请直接完成开发、运行和测试，交付一个真正可玩的作品。”
该路线从掌握Claude、n8n工作流等基础工具起步，最终指向搭建个人AI助手、复刻成熟SaaS产品、打造精简AI系统等落地目标。
X用户@PratikSinhatwt发布了一套AI能力进阶清单，称这是超越99%AI使用者的最佳路径。
清单从基础工具学习开始，第一步是掌握Claude，第二步是精通n8n工作流，第三步是用Ollama搭建本地大语言模型，第四步是在Docker上自托管n8n。
接下来的步骤聚焦n8n内的AI智能体学习，第五步是掌握n8n中的AI智能体用法，第六步是搭建个人AI助手，第七步是提升AI提示词编写能力。
落地阶段的步骤包括：第八步选定自己热爱的细分领域，第九步用AI复刻一款已被验证的SaaS产品，第十步搭建3到5个AI智能体演示项目，第十一步用AI打造一套精简高效的工作系统。
X 用户 @Da7_Tech 发布独立长测，对比 Hermes Agent、OpenClaw、Claude Code、Codex 与 Grok Bot，称其为开源 AI 代理的胜利。
开发者 @0xAnto 拆解 T3 Code 代码库后发现，其多模型协作与代码评审的纪律性超过多数人工团队。
开发者 @0xAnto 拆解了 T3 Code 的代码库，发现他们让 AI 代理参与编写自家代码库，却没有频繁出问题，这种做法的纪律性超过了多数人工团队。
T3 Code 支持混合使用不同模型，通过 delegate_task 功能，一个模型可以把任务交给另一个模型处理。他们的大部分代码都是由 T3 内部的 AI 代理编写的。
代码评审环节主要在分类筛选后通过 Macroscope 完成。虽然具备不同模型互相评审的能力，但工作流中并没有设置固定的「不同模型互相评审」步骤。
X 用户 @ScottyBeamIO 发布完整教程，涵盖安装、设置与使用方法，邀请用户标记 @bot 搭建自己的配置。
X 用户 @ScottyBeamIO 表示，Grok Bot 已经成为他在 iPhone 上的主力助手，他不再使用 Siri。他整理了一份完整指南，内容包括安装、设置和使用方法，帮助其他用户也完成同样的替换。他还邀请用户标记 @bot，按照指南搭建自己的配置，并建议大家先保存指南链接以便后续查看。
开发者基于Google Colab搭建全自动调度架构，实现多账号轮换、自动保活，无需本地显卡即可运行大模型
开发者@mingzi206在X平台发布开源项目colab-t4-local-api，无需本地显卡，即可将Google Colab的免费T4 GPU转化为本地固定的私有OpenAI接口，可直接运行DeepSeek 9B无删减版大模型。
该项目实现了全流程自动化部署，配套预检脚本与自动化规程，可将部署任务交给AI Agent自主完成，自动在Colab上执行安装、拉取模型权重与验收操作。
针对Colab闲置实例易被回收的痛点，项目加入动态保活机制，实例变化时通过Google Drive实时恢复权重，避免重复下载5.6GB的模型文件。
单个Google账号每日仅4小时免费GPU配额，项目支持多账号配置自动切换调度，可将可用算力时长拉满。
本地部署轻量Python网关对外暴露固定端口，后端通过Cloudflare隧道加密穿透，云端地址变动时客户端配置无需修改。
目前整套链路已跑通真实聊天、Magpie接入与云盘恢复功能，内置58项离线自动化测试。
开发者提醒，不要用该项目运行听小说类长连接任务，这类任务会让GPU持续满载，极快触发Colab的使用量配额限制，导致实例被回收。
独立开发者vista8周末消耗3张Codex重置卡、1个Claude账号，完成录屏工具CapWise（灵录）的核心开发，产品主打开箱即用、录完一键导出。
独立开发者vista8在社交平台X分享了自己的周末开发进度：为了开发录屏工具CapWise（灵录），他用完了3张Codex重置卡，还导致一个Claude账号被封禁。整个周末AI为项目新增了6.43万行代码，目前这款录屏工具已经达到基本可用状态。产品的核心理念是开箱即用，用户录完视频后可以一键导出，不需要额外的复杂操作。
vista8原本打算用这款还在开发中的录屏软件，录制一段介绍它本身的演示视频，结果因为长时间高强度操作，患上了重复性劳损（RSI）。
社区一周内推出自动化提示词流水线、DeepSeek权限补丁、Google Agent拦截绕过等6款工具，覆盖从自动生成破甲词到无审查API接入的全流程
AI实验室博主MiaAI_lab对比DGX Spark与RTX PRO 6000的使用体验，称后者大幅提升本地模型任务承载能力，前者则更适合加载超大模型。
AI实验室博主MiaAI_lab在社交平台分享了自己使用DGX Spark和RTX PRO 6000显卡的真实体验。
他表示自己很喜欢DGX Spark，但RTX PRO 6000彻底改变了他的工作方式，现在他给本地模型分配的任务量比之前多了很多。
最让他惊讶的是，他可以同时运行4个并发会话，每个会话的生成速度都超过100 tok/s（每秒生成的token数），他称这是真正的游戏规则改变者，很难用语言描述这种体验。
不过两款设备各有不可替代的优势：DGX Spark能做到RTX PRO 6000做不到的事——加载更大的模型。
DGX Spark很容易就能达到512GB的统一内存/显存容量，而RTX PRO 6000要做到这一点非常困难。
在他的工作流中，两款设备都扮演着重要的角色。
受日本创作者@garments__启发，Simran用Claude Code、Three.js和GLSL Shader复刻该效果，打包为开源Skill perspective-illusion
你以为看到的是一张普通的日式街头插画，结果镜头一动，整条街突然展开，建筑、行人、斑马线一下子都有了立体纵深感。这种透视错觉效果来自日本创作者@garments__的作品，开发者Simran受此启发，用Claude Code、Three.js和GLSL Shader复刻了同款效果，还把整套制作方法打包成了开源Skill：perspective-illusion。
原理其实挺巧妙：先用超长焦镜头把3D场景在视觉上压缩成一幅平面插画，再通过镜头移动和焦距变化，让原本隐藏的空间纵深逐渐显现出来。
更有价值的是，作者把场景模板、镜头运动、着色器、视频渲染和画面检查流程都整理好了，可以直接交给Claude Code使用。里面已经有街道、超市、雨夜十字路口等场景模板，也可以在此基础上设计自己的场景。
这种效果很适合用在游戏场景切换、动画短片、音乐视频，甚至交互式网页中。把创作经验做成AI Skill的方式也值得借鉴：一个人花时间研究出来的视觉效果，其他开发者就能直接借鉴整套制作流程，把更多时间花在场景设计和创意上。
用户@Leviwoyun发布GPT生成的剪纸画风格视频作业，认为该赛道适合GPT低成本创作，在轻视频领域有发展空间，需时间调教优化。
用户@Leviwoyun在社交平台发布了使用GPT生成的剪纸画风格视频作业，向Lemomo老师提交学习成果。 该用户认为，剪纸画风格是GPT非常适合的低成本视频创作赛道，在轻视频领域有较大发展潜力。 同时他也提到，目前该方向还需要一定时间的调教优化，才能达到更好的效果。
X用户@noisyb0y1分享GPT-6.2 Sol生成带龙的开放3D世界，中国学生靠这类游戏开发日入600-700美元
X用户@noisyb0y1发布内容称，GPT-6.2 Sol生成了一个完整的开放3D世界，里面还有龙，整个世界在60分钟内自动组装完成，没有边界，生成新地点只需要一句提示词。他提到，中国的小学生已经在靠为公司制作这类游戏每天赚600到700美元。你可以爬上一条龙飞行，地图会在你前方持续生成，没有尽头。
他认为，现在没人需要花2000美元参加游戏开发课程了，这个工具一小时就能生成一个世界。建议保存这条内容，今天就动手搭建你的第一个世界。
安全研究员dd_pwnd分享漏洞赏金经验：AI识别的异常大多无实际危害，需通过POC验证和链式利用才能成为有效漏洞。
安全研究员dd_pwnd在社交平台分享漏洞赏金实战经验：AI识别出的所谓“漏洞”中，90%在尝试证明实际危害时就会不成立。AI看到服务器行为出现细微差异就判定为漏洞，但行为差异本身不等于安全漏洞。
当你坐下来编写概念验证（POC），分析攻击者能从中获得什么实际收益时，往往会发现根本没有可利用的空间。现在这已经成为漏洞提交的通用筛选标准：所有人都要求提供POC。没有实际危害、没有验证证明的异常响应不是有效漏洞，只是无效噪音。
真正有价值的漏洞通常来自链式利用。两个低危漏洞组合起来可能形成实质性风险，但前提是每一个利用环节都能正常工作，并且你可以完整演示整个利用流程。没有实际危害、没有POC、就不要提交漏洞报告。
X用户@samsun89519发布小马宝莉同人作品，自评粗糙，视觉部分由本人负责，动画、配乐等全流程由Claude Opus 5.5协作完成
X用户@samsun89519发布了自己参与制作的小马宝莉同人作品，第一时间就觉得成品效果粗糙，希望自己能做得更好，打算先在平台上发布试水，之后再发到其他地方。
他表示，自己只负责角色设计、插画与美术指导，所有视觉风格和节奏的决定都由自己拍板，3D物件由工具生成后，再由他调整材质和颜色。
动画程序、界面实现、合成、配乐与音效编排，全部由AI模型Claude Opus 5.5协作完成。他还自嘲只是个流口水的呆呆，没有那么高深的技术能力，最后补上了#mylittlepony #Fluttershy的话题标签。
用户实测发现Gemini 3.8 Flash、Gemini 4 Argon的通用知识库未随版本更新，Google官方文档已标注该限制
OpenAI费率卡显示，GPT-6 Pro聊天单次消耗50 Credits，对应Codex Sol约12.5次、Astra约3.1次编程任务，Plus/Pro用户换算比例暂未明确。
用户HBCoop_测试Blender布局、Magnific 3D场景、普通2D编辑三种起点，再用Seedance 2.5动画化，发现3D布局定位置、真实帧定外观效果最好。
用户HBCoop_在X上分享了一组AI图像生成测试。他给同一个难度较高的午餐桌镜头准备了三种不同的起点：Blender布局、Magnific 3D场景、普通2D编辑，之后用即梦AI平台上的Seedance 2.5把每一张都做成了动画。
这是一次快速测试，每种方案只试了一次，属于初步观察。结果显示：普通2D编辑生成的画面和原始镜头最接近；Blender布局保留了原有视觉风格，饮料和盘子的位置也和摆放的一致；Magnific 3D场景能展示整张桌子，但视觉风格发生了变化。
测试总结出两条实用经验：用3D布局确定物体摆放位置，用真实帧确定画面外观；3D布局要保持简洁明亮，深色背景会让模型自由发挥、重新生成整个场景。
这次测试和之前的几帧素材放在一起对比，问题主要出在空白深色背景上——模型会自行填充额外的景物。由于样本量很小，如果是重要项目，他会做更多次生成测试。他把这次结果分享出来，希望能帮到遇到同类问题、正在找解决方案的人。
今天的 46 条信号到这里下一轮 12:30 更新
https://ai-pulse-lab.com/feed.xml
每天 08:00 · 12:30 · 18:30 · 23:50 更新
在阅读器里订阅
添加到 Feedly、Inoreader 等阅读器
https://ai-pulse-lab.com/feed.xml
让你的 Agent 自动获取每轮简报
适用于 Claude、ChatGPT、Manus 等
请帮我设置一个定时任务，每天北京时间 08:30、13:00、19:00、00:20 各执行一次： 请求 https://ai-pulse-lab.com/api/brief.json，读取返回 JSON 中的 textPlain 字段，将内容发送给我。 补充：每日北京时间 08:00、12:30、18:30、23:50 更新，建议更新后 30 分钟查询。可先请求 /api/manifest.json 检查 nextUpdateAt 字段。无需认证，直接 GET 请求即可。