AI Pulse

AI 首次从数学层面证明 @signalapp 的协议安全可靠，且验证已深入到代码层面。我们利用突破性的 AlphaProof Code 框架，对这款即时通讯应用的加密系统进行了验证——该系统每天为数十亿条私人消息提供保护。

(1/10) 今天，我们分享来自 @OpenAI 的新研究：CoT 可监控性（无 CoT 能力和 CoT 可控性）在模型训练生命周期中是如何演变的？我们得出了一些意料之中但令人警醒的发现：随着我们向更智能的系统扩展，模型正变得越来越难以通过其 CoT 进行监控。🧵

你的心脏、大脑和免疫系统共享同一套 DNA 序列。那么，为什么一个单字母的改变会在某些细胞中引发疾病，而其他细胞却安然无恙？AlphaGenome 2 是我们新推出的 AI 模型，它能放大观察特定细胞，帮助科学家理解疾病的驱动机制。

🧵

2014 年，我把自己的第一家公司 Loom 卖给了 Dropbox。今天，我很自豪地宣布推出 Roma 2.0（YC F26）：这是第一款专为 AI 智能体打造的待办清单。

每个人用的智能体都不一样：Claude、Grok Bot、Muse……直到现在，它们还无法协同工作。Roma 会自动创建任务，并把任务交给合适的智能体。让你和你的智能体在共享上下文中协同工作。

点这里试用：

隆重推出 Grok Bot 1.0。AI 队友，与你的整个团队并肩协作。分享 Bots，在 Slack 和 Teams 中与它们协作，邀请它们参加会议，看着它们不断学习并变得更有帮助。

YouArt 桌面应用正式发布：你的 AI 创意搭档，现已登陆电脑端。它采用 Fable 5.2 等顶尖大语言模型来制作创意内容。

它能操控你电脑上的创意软件，包括 CapCut、DaVinci Resolve、Adobe Premiere 等众多工具。

它能将客户反馈呈现在原生画布上，你可以一边喝咖啡，一边让智能体处理所有评论。

这是性价比最高的视频智能体。它支持所有第三方 API 密钥，并通过智能路由将每个视频片段发送给成本最低的服务商。

玩得开心！

推出由 Gemini Decision 1 驱动的 Gemini Decisions API，这是我们全新的多模态决策模型。

可一次性针对最多 1000 个问题，跨文本、图像、音频、视频和 PDF 格式，快速获得经过校准的决策结果。

今天即可在 AI Studio 中体验，也可通过 Gemini API 调用。

来认识一下 Iris-Z：首个融合外观与几何信息的通用图像模型，性能超越 MoGe-3 等专用深度模型。

可生成图像并输出深度图；可估计深度并以深度为条件进行生成。单一骨干网络。9B/32B 两种规格。完全开放：权重、代码、演示（Apache 2.0）🌐

要替你办事，AI 智能体就得读取你的邮件、日历、消息和文件。到头来它对你生活的了解，可能比你大多数朋友还多，所以你应该能选择它在哪里运行。

今天我们发布 QVAC BotPsy，这是一个 0.8B 参数的模型，能通过调用相应的工具来设置闹钟、调整会议时间和回复消息。它体积小到可以在你的手机上运行，而手机，正是一个掌握你这么多信息的智能体应该待的地方。

模型：

AWS Emulator 来了！今年，构建 API 模拟器对亚马逊团队来说是一件大事。我们让智能体在本地环境中反复对依赖项进行反馈循环测试。内部最受欢迎的模拟器是模拟 AWS API 的：它 100% 由智能体构建，现已开源。

软件工厂：

博客：

源代码：

评估：

用户指南：

今天在纽约 ElevenLabs 峰会上，我们分享了接下来要为智能体打造的新功能。以下是我们公布的内容：

微调：未来几个月，企业可以与我们的团队合作，基于自身数据持续微调我们的文本转语音和语音转文本模型，以及开源大语言模型。

交互引擎：一个新系统，能为对话的每个时刻选择合适的大语言模型。简单请求使用成本较低的模型，退款等复杂请求则使用前沿模型，这样既能获得理想结果，又不会在 token 上超支。

ElevenAgents 中的记忆功能：智能体可以记住对话中顺带提及的信息，方便企业据此采取行动。

ElevenAgents 中的例程功能：智能体现在可以在对话前后执行操作，比如预先筛选抵押贷款申请人并回电，或在账单引发纠纷前就其发送短信沟通。

ElevenAI：一款全新的工作 AI 助手，支持在任意应用中语音输入、记录会议笔记、在智能体和人员之间传递上下文，并在通话过程中提供实时协助。

自主运行、无剪辑、1 倍速。这是 GR00T 2 控制真实的灵巧手，端到端完成一次化学实验（还自己收拾干净）。

新系列第 1 期！我会持续发布实时机器人视频，不会像往常那样在角落标上“4 倍速”或“8 倍速”。除了奇异博士，没人能给现实加速 ;)

2015 年，我开发了一款能早期检测癌症的 AI。今天，我们推出 Rayline 的 ARC：全球首个用于 AI 路由的统一模型。

> 达到 Opus 5.5 97.5% 以上的质量
> 成本最高仅为其 1/10
> 完全开源

它能为你的智能体工作的每一步，选择最合适的模型和最合适的思考深度。

点击此处试用，技术报告见下方：

据报道，字节跳动创始人张一鸣已向其 AI 团队表示，要在前沿 AI 领域追赶 OpenAI 和 Anthropic，可能要到 2029 年或 2030 年。

据彭博社报道，他还承认，字节跳动的 Seed 模型所用的预训练数据集，比美国竞争对手小了好几个数量级。

该公司正准备在数周内推出一款类似 Meta Muse 的 AI 助手。

🚨 想象一下，发布了这么强的模型，还把权重免费开放出去。MiniMax H3 Image：4K Boss 战、完整 HUD、有名字的 Boss，10 秒搞定。闭源实验室现在有麻烦了。

@MiniMax_AI #H3Image @Hailuo_AI 提示词如下。

来认识一下 Déjà View，这是一个能把不同角度拍摄的照片转换为 3D 几何结构和相机位置的模型。

通过循环使用单个 transformer 模块，这个参数量为 1.17 亿的模型在五个基准测试中，以相当或更少的计算量，达到了与参数量大 10 倍的模型相当甚至更好的表现。

研究人员可以调整循环次数，以适配自己的计算预算。#NeurIPS2026 口头报告论文 + 代码：

我们发布了 Raon-1 nano，这是一款高效的 1.5B 稠密大语言模型，采用逐层嵌入，总参数量为 3.1B。⚡ 我们从 PUBG Ally 出发，继续向端侧大语言模型迈进。

我们使用 MoE 转稠密方法对 Raon-1 mini preview（30B-A4B）进行了剪枝和蒸馏，随后在 3T 个 token 上进行了进一步训练，接着进行了 SFT、OPD 和 RL。

专为自然对话设计，可保持对话上下文、遵循指令，并支持韩语和英语的工具使用。小模型。智能交互。敬请体验！😊 🤗

模型权重（Apache 2.0 许可证）：
📄 MoE 转稠密（NeurIPS 2026 Oral）：
🪖 了解更多关于 PUBG Ally 的信息：

我们的技术能让大语言模型的训练速度提升最高 26%，而且是开源的。

训练模型需要大量算力，但在多块 GPU 之间协调任务时，最多可能有 30% 的算力被闲置。GPU 把时间花在互相等待上，而不是用来训练。正因如此，我们开发了 YaFSDP，并随后将其开源。

有时候还挺失落的。以前花了十几年学的东西： 数据结构、算法、设计模式、内存管理、性能优化、并发编程、多线程、异步 IO、网络协议、交叉编译、链接原理、编译器优化、分布式架构、数据库调优…… 多少个熬夜排查 Bug 的夜晚，才换来今天这点工程师本领。现在可能只需要跟 AI 说一句： 「帮我实现一下，注意性能和稳定性。

」 代码是写得越来越快了。但总感觉，自己苦练多年的武功，突然有人发明了枪。你们会有这种失落感吗？

社区讨论：多数人认为该估值严重虚高，指出 Anthropic 没有自有数据中心、火箭、社交平台或盈利互联网服务，核心模型仅领先竞品约三个月，且几乎所有硬件都是从竞争对手处高价租赁。也有人反驳称，Claude 比竞品略聪明、企业客户愿意为该优势付费，加上已锁定足够算力，存在 AI 迭代引发连锁反应的可能性，因此估值合理。还有人提醒，Anthropic 主动攻击开源权重模型，付费用户其实是在资助一家将免费模型视为社会威胁的公司。

社区讨论：多数人质疑航司根本无法有效拦截AI代理，用Claude驱动Chrome插件、或是通过工具操控普通浏览器的行为，和真人操作没有区别，网站无法区分二者。有人指出航司的真实动机是避免AI代理成为比谷歌搜索、比价平台、OTA更强的中间方，同时减少AI高频搜索带来的服务器成本，也有人认为航司是怕AI批量抓取最优低价，打乱自家的动态定价体系。还有人吐槽航司本就靠复杂的预订页面藏起最优价格，与其搞拦截军备竞赛，不如直接提供有竞争力的服务和价格。

各位好，我正在做一款用到视觉能力的产品，最近为它微调了 GPT-4o。我遇到了一个奇怪的问题：用 Chat Completions API 时，微调后的模型能给出预期的（微调后的）结果。但用 Responses API 时，它的表现就跟普通 GPT-4o 一样——完全没有体现微调后的行为。

有没有其他人遇到过这个问题？知道为什么 Responses API 没有调用微调后的模型吗？非常感谢大家的见解！

我觉得有必要提醒大家：据我所知，OpenAI、Anthropic（以及其他所有 AI 公司）用来确保超级人类 AI 系统对齐的计划，是用 AI 来自动化 AI 安全研究——而这些 AI 越来越难以监控，甚至可能本身就不对齐——然后靠它们来解决对齐问题。

我有时会和外部的人交流，他们以为这些公司大概有比“以后用 AI 来帮我们完成对齐作业”更复杂的方案。但据我所知，基本上就是这个计划。

它有可能成功！但把希望寄托在这件事上，实在是疯狂。如果公众和各国政府明白这是多么巨大的一次信仰跳跃，明白它有多可能导致无法挽回的灾难，他们一定会极度震惊。

抢先体验早期测试版，并向我的智能体反馈：

AI 智能体真正让我喜欢的一点，是它们能接手工作中那些枯燥、耗时的部分。Ploid Deep Research 正是为在线调研做这件事。而且它能在 Claude 和 Codex 里直接使用，体验更好。

持久型智能体是 AI 使用的下一个突破口。我们在 AI 上的支出现在有 45% 花在持久型智能体上。

不幸的是，对 Anthropic 来说，Claude Tags 很糟糕。OpenAI 的 Slack 智能体更差。我们主要使用 Perplexity Computer，它会调用很多不同的模型。Perplexity 的 Harness 完胜。

有趣的是，Perplexity 在我们的用例中主要使用 Anthropic 的模型，但 Anthropic 的产品做得很烂，而且他们对产品的任何反馈都不太接受。OpenAI 也是如此。

我喜欢 Perplexity 的地方在于，他们对任何功能需求的响应都非常快。虽然这个品类不是他们发明的，但他们是快速跟进者，任何需要的改动都能在 24 小时内实现。甚至连名字都是今年 2 月从我们这里得到的。

如果你的智能体只在生产环境中出问题，说明你测试的世界不对。Plurai Simulation 现已上线，对所有 AI 工程师免费开放。

→ 从你的代码生成真实智能体、工具和环境的数字孪生
→ 模拟用户和任务，精准命中关键边缘场景
→ 自动评估智能体的实际操作，而不仅仅是它说了什么
→ 每次失败都附带运行记录和可验证的修复方案
→ 针对每个新版本回放任何生产环境故障

它可以在 Claude Code、Codex 或 GitHub Copilot 中运行。

免费开始：

安全研究者@nisedo在社交平台X上发文称，过去几个月里，他耗费了大量token，测试了自己能想到的所有AI智能体审计技术与提示词。 他表示，最终筛选出了5种确实有效的方法，这些内容来自他在Summit DeFi的演讲，相关链接已附在推文中。

Anthropic在Claude Fable 5.2的官方提示词指南中公布了一组反直觉的实验数据：仅在提示词中加入「这个代码库归你管」，编程Agent主动整合重复代码的比例就从不到10%提升至接近50%。

如果再追加一句「任务没做完别停」，官方测试中Agent中途提前结束任务的情况直接减少了一半。

这恰好击中了日常使用编程Agent的常见痛点：不少用户反馈GPT6Astra遇到小错误就原地待命，任务做一半就开始输出总结邀功。

发布者@t20000622yy认为，很多时候问题不在于模型能力不足，而是用户没有向Agent明确交代职责范围和工作边界。

他参考Anthropic的这份新指南，结合自己的使用经验，整理了一套可直接放入AGENTS.md的全局提示词。这套提示词要求Agent遇到普通问题先自行排查，尽量完成任务，该测试的测试、该验证的验证，同时明确权限和修改边界，避免放权后随意改动代码。

完整英文版提示词已发布在GitHub Gist，官方指南链接也已同步放出。

特斯拉官方拒绝为搭载HW3硬件的Model Y升级到HW4，一位车主选择自行动手改装。他拆开车辆侧面板，在中控下方安装了一块RX 9060 eGPU。

这套改装使用的是comma_ai推出的Chestnut eGPU，安装位置在中控台下方，车主表示该区域空间充足。加装后可以运行大型开源openpilot AI模型，获得与HW4相当的算力水平。

Fable 5.2 仅凭一条提示词，就完成了一整套爆款短视频的创作流程。

它通过 AI/ML API 的 MCP 接口，自动检索 X、Instagram、TikTok 三个平台当周的热门趋势，锁定了《GTA 6》相关热点，随后分析了头部视频和评论内容，最终调用 Seedance 2.5 与 Gemini Omni 生成了专属视频。

整个流程只用到一个 MCP 接口、一条提示词，从趋势发现、内容分析到视频生成全部串联完成。这套能力兼容 Claude、Codex、Cursor 与 Hermes，用户只需将自己的智能体连接到对应地址即可使用。AI/ML API 对所有 AI 模型不收取任何加价，加价比例为 0%。

X 用户 @gippp69 分享了一个 Claude Code 配置技巧：Fable 5.2 不再只选一个方案，而是生成三个版本，用它们没见过的案例测试，保留有验证结果的那个。

操作方法是把这段内容粘贴到你的 Fable 5.2 配置里。

下方文章里有关于协调器、评估器和记忆规则的完整指南。

附带的参考资源包括：Claude Code 中的子代理、记忆与 CLAUDE.md、Hooks、用于并行构建的 Git worktrees，以及构建高效代理的方法。

开发者 sermakarevich 在 X 平台发布系列梳理内容，聚焦一个具体问题：你输入提示词之后，编码代理在把请求发给大模型之前，到底做了哪些事。

这次梳理覆盖了 40 多款编码代理工具，拆解维度包括运行循环、首次请求构造、工具集、子代理机制、输出处理和权限设计，对比不同工具在这些环节的差异，以及这些差异对实际使用的影响。

内容分为三个部分发布，目前已放出全部三部分的链接。

X 用户 @ScarletKc 发布实测体验，称自己正在使用 Gemini 4 Carbon 编写代码，整体表现不佳。

速度方面，该用户表示 Gemini 4 Carbon 运行速度很慢，甚至比 GPT 更慢。它经常进入长时间的深度思考状态，每次编写代码前都要花费较长时间读取文件，大量占用上下文窗口。

能力方面，该用户认为它的问题不是完全不懂内容，而是容易忽略细节。用户指出，只要提醒它，它立刻就能理解，但自己就是想不到相关的点。它不是遗忘，而是在某些场景下根本不会往对应的方向思考，连一些显而易见的事情都会漏掉，考虑不够周全，容易陷入单一思路，缺乏发散性。

该用户表示，这种使用感受和部分国产模型（比如 GLM）类似，而 GPT 不会出现这类问题。GPT 的思考更为周密，甚至会考虑到一些基本不可能发生的情况。

基于体验，该用户建议开启 medium 思考档位。就算开启 high 档位，它也只是进行无效思考，效果还不如 medium。

此外，该用户还提到 Gemini 系列长期存在一个问题：过于依赖预训练阶段记忆的知识，不愿意主动调用工具获取外部信息。

X 用户 @chesny 近日分享了一款名为 VoiceStudio 的免费语音工具，它可以完全在用户自己的电脑上运行，无需注册账号，定位是 ElevenLabs 的免费替代方案。目前该项目在 GitHub 上的星标数量已经超过 10.8 万。

这款工具的使用流程分为三步：首先在 macOS、Windows 或 Linux 系统上安装应用；其次可以通过一段参考录音克隆目标声音，也可以直接描述想要的声音特征；最后就可以用生成的声音完成视频配音、语音输入、文字转录或者有声书旁白等工作。

所有处理过程都在用户本地设备上完成，不会将音频数据上传到外部服务器。@chesny 表示这款工具实用性很强，建议用户收藏使用，项目链接附在原帖下方。

X用户@john87445528 发布了一套完整的AI短片生成提示词，目标是用seedance 2.5生成一部30秒的21:9宽银幕短片《谁动手谁洗碗》。短片设定为1974年意大利奇幻恶搞动作喜剧风格，采用35毫米Techniscope胶片质感，带有粗粝颗粒、老式变形宽银幕镜头效果和零星尘点划痕，故事背景放在雨夜的重庆老茶馆。

提示词锁定了四位怪客的固定造型：怪嘴怪、法老、机械绅士、龙虾怪，同时通过参考图固定男女主的面容、服装和体格比例，以及茶馆的空间布局——低木梁、格窗、烧水砖灶、茶柜台、木楼梯和中央厚木桌。

全片只有四句重庆话对白，分别是老板开场宣布规矩“哪个先动手，哪个洗碗”、法老挑衅“来嘛，打我嘛”、老板判定“你先动的手”、女主收尾“钳子也算”。剧情围绕四位怪客找茬却接连自撞、最后龙虾怪用双钳抓住同伴犯规、被迫洗碗展开。

提示词对动作连续性做了严格约束：男女主全程不主动攻击，前三位怪客始终背手只用肩胸碰撞，龙虾怪必须先抓住同伴才被判罚，背景茶客反应错开半拍，不加入打斗。音频部分要求加入雨声、喝茶声、老电影夸张碰撞拟音，以及口哨、木吉他和口琴配乐。