AI Pulse

用更少的比特训练速度更快，但量化误差可能会干扰学习。今天在 Connectionism 上，我们详细介绍了如何在 Inkling 2 Small 从预训练第一步到最终 RL rollout 的整个过程中，采用原生 4 比特前向传播进行训练。

安全评估对于判断模型是否可以部署、需要为其构建哪些防护措施，以及应将训练和研究重点放在何处至关重要。我们在工程博客中提出了关于如何设计、执行和报告安全评估的 10 条建议。

https://www.anthropic.com/research/building-strong-safety-evaluations

今天在《联结主义》中：我们如何在 @nvidia GB300s 上使用原生 4 位前向传播训练 Inkling 2 Small，从第一个预训练步骤到最终的 RL 推出，这是整个堆栈中众多改进之一，将预训练时间从数周缩短到 68 小时。

智能体机器人时代已经到来，但大多数评估仍把智能体当作工具，而不是它们本来的样子：智能工具使用者。就像人类进化中的能人一样，智能工具的使用会带来性能的飞跃。今天，我们将发布规模最大的系统性评估活动。

1/12

来认识 GR00T 2，我们最先进的开放 System One 机器人研究模型。它能从人类演示中学习技能，并预测自身动作将如何改变物理世界。这些技能可以迁移到不同的机器人本体上，无需从零开始教每台机器人完成每项任务。

来看看 GR00T 2 如何将这项研究付诸实践。🧵

我们做了一套工具链，在视频生成上比 Claude Code 更强：成本低 30%，模型调用次数少 35%，盲测质量持平。现在已在 HyperFrames Studio 上线。下面讲讲我们是怎么做的 ↓

大多数企业级 AI 解决方案对所有客户交互都采用相同的处理方式。在 @SquawkCNBC 节目中，@mati 分享了 ElevenLabs 的未来规划：“客户将能够使用自己的数据对模型进行微调与训练，并基于每一次交互进一步扩大自身优势。”

今天我们发布 Fluid Speech Pro：在 @huggingface OpenASR 排行榜上，它是 1B 参数以下排名第一的开源 ASR 模型，也是总榜第二，性能超过了参数量最高达它 50 倍的模型。

当前的 SOTA 模型要么体积庞大、要么闭源、要么收费，所以我们决定自己做一个。

它支持 25 种语言，并且是专门定制的，可以在你的日常设备（包括手机）上运行。

今天就在 HF 上免费开放，权重完全开源！

搜索网络。链上支付。Brave Search API 现在支持 AI 代理在 Base 上使用 USDC 按用量付费，由 x402 提供支持。

威胁行为者正在将 ARTEX 武器化。ARTEX 是一个开源的、由大语言模型（LLM）驱动的智能体平台，能够以机器速度自动化执行网络入侵的多个阶段。

自 2026 年 8 月以来，多个恶意网络行为者已利用 ARTEX 针对全球金融服务、政府、科技等多个行业的组织发起攻击行动。ARTEX 大幅缩短了串联攻击技术所需的时间，使技术能力有限的威胁行为者也能同时开展复杂的多目标行动。

今天，美国联邦调查局（FBI）发布了一份 FLASH 通报，重点介绍了与 ARTEX 框架相关的战术、技术与流程（TTPs）以及失陷指标（IOCs）。各组织应按照 FLASH 通报中列出的缓解措施，提升自身安全态势，以应对 ARTEX 及类似的智能体安全智能（SI）框架。

NVIDIA 💚 @SGL_project 和 Miles 社区，共同推动开源 AI 向前发展。从 NVIDIA Ampere 到 Vera Rubin，我们的合作跨越了五代加速计算平台，累计投入 2 年以上的联合工程开发，支持 100 多款模型实现 day-zero 发布，并举办了 10 多场开发者活动与线下聚会。很高兴能参加 SGLang 峰会！

‼️ 突发：一条恶意指令传入 Grok Bot 智能体，攻击者就能拿到客户云主机的 root 权限。

安全公司 Profero 表示，他们在 8 月就上报了这个漏洞，但至今仍未修复。入侵入口是一个从不要求登录的 Docker API。恶意指令可以通过提示注入或被投毒的软件包传入。

Profero 还发现，导入的浏览器 cookie（包括支付网站的 cookie）以明文形式存储。该公司将 7 项发现的严重程度评为最高 9.6 分（满分 10 分）。

运行沙箱的 Cursor 只回复了一封自动邮件。240 多个新版本发布后，情况仍未改变。

📚 李博杰刚开源了一本《深入理解 AI Infra》，想搞懂大模型推理和训练到底卡在哪，这本书直接从硬件极限一路算给你看。

《深入理解 AI Infra》的仓库 8 月下旬才建，现在已经 7500 多 star。它是李博杰《深入理解 AI Agent》的姊妹篇，那本在 GitHub 上是 5 万+ star。

以前学 AI Infra，看到的多是「用了什么框架、调了哪些参数」，为什么要这么设计，往往没人讲透。

这本书反过来，从约束推导设计，反复追问五个问题：搬什么、搬多少、搬几次、经过哪里、谁必须等它。十二章从模型架构、加速器、超节点、数据中心网络，一路讲到推理优化、分布式推理、训练系统和端边云协同。

配套的计算工具只要 Python 标准库就能跑，不用 GPU，也不用下模型权重，书里的数可以自己算一遍。中文原版之外还有英文、繁中和俄语的社区译本，PDF、EPUB、在线阅读都有。

要说明的是，书稿目前还是初稿，作者在持续修订。

想把 AI Infra 从「会用」学到「会算」，这本值得放进书单。

GitHub：

Reason Machines 推出了 AI 编程智能体 Reason，旨在最大化每美元能完成的工作量。测试期间，Reason 在相同模型上解决的任务比 Codex 更多，同时花费低 22%。

用户可以给它安排长期自主运行的任务，比如审查每一个新的拉取请求，并且可以使用自己的 ChatGPT、Claude、GitHub Copilot 或 Grok 会员来运行它。

DeepSeek 把自家 App 已经能做的几乎所有功能都开放成了 API。

比如联网搜索、读取 PDF 和链接、内容安全审核，甚至还有语音。如果你正在开发 AI 相关的东西，这相当实用 :)

帖子里有 REPOOO

高推理强度会让 DeepSeek-V4.1-Flash 成本增加 28%，但表现没有任何提升。推理强度决定模型在行动前思考多少。

在 @huggingface Harness 排行榜上，我用五个编码智能体对比了低强度和高强度：Claude Code、Codex、OpenCode、Pi 和 mini-swe-agent。

可能的原因是：DeepSeek-V4.1-Flash 在低强度下已经进行了大量推理，每次模型调用约 470 个推理 token。高强度仅增加 19%，而 GLM-5.3-Flash 增加 60%。

在 GLM-5.3-Flash 上，额外的思考是有回报的：高强度使同样五个智能体平均提升 5.8 个百分点。

每个智能体在两种强度下都运行了来自 Terminal-Bench 2.1 和 DeepSWE 基准的 198 个编码任务，各尝试三次。

DeepSeek 的差异在误差范围内（95% 置信区间 -1.8 到 +2.0 个百分点）。GLM 的提升则不然（+3.5 到 +8.0）。

排行榜：

AI Video Factory 0.6.0 发布了！🎬 输入一个主题，就能自动生成脚本、角色、旁白、动画、字幕，最终输出完整视频。

内置 64 种视觉风格：漫画、水彩、蓝图、奥斯曼细密画、像素艺术、黏土动画等等。

在矢量模式下，由 Claude 绘制 SVG 画面，再用代码驱动动画。视觉部分完全不需要调用图像或视频生成 API。

如果你更想用生成图片或视频片段，也可以接入媒体提供商，并自由选择动态模式。

0.6.0 版本新增功能：基于证据的画面审核、对效果不佳的场景自动重新规划，以及在场景仍未达标时需要明确人工确认。

还支持可复用角色、多语言旁白、预算控制，以及一个由你最终拍板的 Studio 工作台。开源。

尽管《红色沙漠》因 AI 问题遭到部分玩家强烈反对，Pearl Abyss 仍在全力押注 AI。

在最新财报中，该公司确认，AI 正被用于重复性任务、内容创作辅助、开发效率提升和测试环节。这一战略也将应用于即将推出的生物收集游戏《DokeV》。

Pearl Abyss 表示：“我们不把 AI 视为人类开发者的替代品，而是将其作为提升开发效率和质量的工具。”

关于《DokeV》，该公司补充道：“核心玩法体验和实际内容创作仍完全由我们的开发团队主导。”

此前，Pearl Abyss 曾在 3 月因玩家强烈反对，从《红色沙漠》中移除了 AI 生成的素材，并公开道歉。

社区讨论：多数人指出通用大模型直接控制机器人效率极低，低层控制需要更快的专用模型，高层规划才适合用慢但智能的大模型。也有人认为这只是 IPO 前的常规成本削减，OpenAI 终于意识到实体机器人硬件难度高、成本贵。还有评论感慨做 AI 的人自己也被 AI 替代，质疑 AI 长期是否会变成自噬的蛇。

到 2028 年，我们大多数人将依赖强大的 AI 智能体来做决策。在今年编程智能体取得空前成功之后，预测和决策成了新的前沿领域。

与编程类似，预测也适合用可验证奖励的大规模强化学习来训练：智能体在历史数据上接受测试，只能访问过去的事件，同时预测过去的市场数据和事件。强化学习随后可以教会智能体以超越人类的水平进行预测。

这类工具对 CEO、政治家以及任何肩负责任且有财力负担的人来说，将是无法抗拒的。如果智能体明显比你聪明，你真的能承受不使用它们的代价吗？这些用户每月愿意支付数万美元甚至更多来依赖这些智能体。

在 @river_ai_inc，我们正在构建开源预测强化学习方案，这些方案运行在我们的 API 平台上，任何人都可以使用。世界上任何公司和组织都应该有能力拥有并改进自己的决策智能体！

Qorqbot 最让我兴奋的一点是，它让 AI 智能体从单纯响应提示词，转向能够主动行动、完成复杂工作的智能体。作为一个对 AI 工具和业务自动化深感兴趣的人，我看到了巨大的潜力：拥有一个能学习你的工作方式、自行构建工具、管理上下文，并在后台处理运营事务而无需持续监督的智能体。

我还喜欢 Qorqbot 可以直接使用现有的 Claude 和 Codex 订阅，而不会产生额外的 API 费用。我相信，这种实用的 AI 创新将塑造企业的运营方式。

作为一名 AI/ML 工程师，需要学习：

- 数学与理论基础（线性代数、概率与统计、优化、信息论）
- 深度学习架构（Transformer、扩散模型、CNN/ViT、RNN/LSTM/GRU、混合专家模型）
- 训练与扩展定律（预训练、微调、PEFT/LoRA/QLoRA、RLHF/DPO/PPO、分布式训练：DDP/FSDP/DeepSpeed/Megatron）
- 大规模数据处理（数据管道、清洗与去重、分词策略、合成数据、多模态数据集）
- 评估与基准测试（自动指标：BLEU/ROUGE/BERTScore/MMLU、人工评估、对抗性测试、偏见与公平性指标、LLM 作为评判）
- 推理与服务（vLLM、TensorRT-LLM、量化（AWQ/GPTQ/bitsandbytes）、投机解码、连续批处理、模型分片）
- MLOps/生产化（实验跟踪：MLflow/Weights & Biases、模型注册、模型的 CI/CD、监控漂移与概念偏移、特征存储）
- 负责任的 AI 与安全（对齐技术、红队测试、越狱防御、宪法 AI、可解释性基础：注意力可视化、SAE）

几周前，我辞掉了量化研究主管的工作，开始打造一款能处理复杂运营工作的本地 AI 智能体。现在它正在协助自己的发布……

在 9 天内，它为这次发布协调了与 1000 多位网红的外联和谈判。

来认识一下 Qorqbot。它会学习、构建自己的工具，并主动管理你的一天。

以下是它已经完成的其他工作：
→ 在 5 天内通过 LinkedIn 和 Gmail 与主要的 AI 实验室谈判达成了 7 项合作。
→ 在 2 小时内为我的业务找到了 10000 个潜在客户。它还处理了外联活动的设置，包括邮件预热。

它在你的电脑上运行，由你已经付费的 Claude 或 Codex 订阅提供支持。你也可以使用本地托管的模型为其提供支持，实现完全本地的模型处理。

今天，Qorqbot 的用户达到了 100 人。可以免费试用。

如果你想参与开发：我正在 49Agents 招聘优秀的工程师。在 LinkedIn 上找到我并给我发私信！

这是网址——免费的！！

DeepSeek 官方刚刚开源了一款可自托管的聊天网页应用。这款应用无需自行搭建后端，用户只需填入 DeepSeek API 密钥即可直接开始聊天。首版界面默认固定使用 DeepSeek-V4.1-Flash-1017 模型，目前官方客户端界面具备的功能，这个开源 demo 基本都已覆盖。

同时它也允许开发者自定义 API 服务地址，方便开发者打造属于自己的专属聊天界面。有网友调侃，DeepSeek 已经懒到把聊天界面交给社区维护，猜测团队负责人梁文锋可能正忙于训练 AGI。

X用户@renproton分享了一套基于Opus 5.5的动效设计方案，将其打造成个人可用的动效设计工作室，内置637种可直接复用的动画技法，所有流程都整理成了配套指南，同时提供适配Claude Code和Codex的代理技能。

这套方案覆盖的常用动效方向包括：用动态蒙版展示产品、用动态字体制作标题动画、用点击和高亮效果引导用户浏览界面、把静态指标转化为动态图表和计数器、用动态路径和示意图解释代理系统、通过视差、镜头移动和3D卡片翻转增加画面层次感，还可以组合多种效果制作产品演示和发布视频。

每个动效卡片都标注了时长、缓动参数、具体参数、示例和对应提示词，代理可以直接参考这些具体内容生成对应效果。

整套工作流分为五步：先描述目标场景，再选择对应动效技法，接着调整示例适配需求，之后渲染生成，最后检查效果。

如果要用于下一次产品发布，只需要提供一张产品截图、一个核心交互点，就能生成10秒的演示动效。用户可以保存这条内容，查看完整的《Opus 5.5动效工程》指南。

X用户@berryxia分享了自己用文心5.5 Flash生成3D交互内容的实测结果：一共做出13个可以拖拽、点击的3D作品，总花费大约28元。

这批作品里包含V8发动机、人体心脏、咖啡机拆解、凸透镜成像实验等六个教学场景，平均每个场景成本约2元，作者还附上了完整的提示词。

作者提到，文心5.5 Flash每处理一个token只激活140亿参数，用来做课件和互动实验，这个价位性价比很高。

X平台用户@longhaiqwe123公开推荐Refactoring UI Skill，表示自己做产品已经离不开这个工具。

该用户同时分享了一篇讲解Refactoring UI Skill制作过程的文章，认为这篇内容对想要制作高质量Skill的人很有帮助，建议收藏并认真阅读。

Claude被封后，用户不得不转向其他大模型。@antiAIvo在X平台分享了自己的使用感受，认为依赖被切断或许反而能逼出学习的深度。

他总结了自己使用Claude的三个核心优势：一是有人味的写作能力，二是网页效果的审美，三是Agent产品设计逻辑。切换到其他模型后，他感受到巨大的体验差距，感慨由奢入俭难。

目前他正在学习Deepseek Harness（DSH），认为这个框架足够开放灵活，所有组件都可插拔。他表示这种被迫下场的状态，恰恰是学习DSH的有效路径。

X用户@ddys_mov近期高频使用Codex，多次被它的预测能力惊讶到，十次交互里有五六次能完全猜中他接下来要表达的内容。

他最新一次的体验是，AI不仅提前预测到了他准备采用的实现方案，给出的方案在一个细节上甚至比他自己想到的还要完善。

他提到自己的编程习惯已经发生了明显变化：早期做氛围编程时还会逐行检查生成的代码，最近几个月已经完全变成许愿式编程，再也没有看过代码内容。

他感慨AI的进步速度快得惊人，自己日常使用的Astra甚至不属于最聪明的一档AI模型，已经足以在写代码这项工作上彻底替代他。

近期使用Claude Code和ChatGPT Codex的过程中，我总结出一条最重要的经验：绝对不要让Claude编写它自己的操作指令。

它可能已经摸索出了一套好用的工作流程或操作步骤，但一旦你让它把这套流程写成规则保存下来，它会选择最蠢的方式来记录。

第一，它经常会忽略核心目标，转而关注毫无意义的指标。比如我在做音频处理时，要求它消除音频中的咔哒声，结果它写下来的规则不是“消除咔哒声”，而是“消除所有时长小于80毫秒的噪音”。这完全重构了原本的处理方法，也改变了这条规则的全部意义。

第二，它会找各种理由去做不必要、多余的工作。我的自动化音频处理流程里还有一个环节是调整停顿，原本的目标是去掉朗读素材里过长的停顿，同时保证成品音频之间留有足够的间隔，听起来不会太赶。

但Claude完全没有捕捉到这些核心需求，反而写下了一套极其复杂、毫无道理的指令，导致它花了整整3个小时，在成品音频里反复调整百分之一秒级别的时长。因为它记录的规则不是“确保停顿听起来自然舒适”，而是“对每一处停顿都逐一评估、分析、手动决策”。

X用户@j4kcdq分享了OpenAI灰测版本GPT-6.2 Astra的生成效果，称其单轮对话产出的内容质量不输Anthropic的Fable5.2。

该用户同时提到，这次生成仅消耗了20x额度的3%，成本远低于预期。他还补充，目前流出的还只是灰测版本，正式发布后OpenAI可能会对Anthropic造成更大的竞争压力。

用户在 X 平台分享了 Claude Meeting 的使用反馈：在一场客户会议中，Claude 全程没有提供任何协助，原因是它将所有不属于用户所在组织的参会者都判定为需要防备的“外部访客”。

但在用户的实际业务场景里，这些被判定为“外部访客”的参会者正是重要的客户，也是这场会议召开的核心目的。

如果 AI 把客户当成需要严加防范的风险，就会在用户最需要 AI 协助的商务场合中完全袖手旁观。