AI Pulse

AI Pulse

说人话的 AI 情报站
每天 08:00 · 12:30 · 18:30 · 23:50 更新每天四次更新
2026 年 11 月 16 日 · 23:50 更新
✦
试试:

今天发生了什么1 分钟读懂

阿里发布 Qwen4-Max,价格较上代降约六成,上下文拉到 100 万 token。它已在自家云上线并开放试用,OpenRouter 也同步可调。

来源@Alibaba_Qwen「阿里发布 Qwen4-Max:成本砍六成,上下文拉到 100 万」@Alibaba_Qwen「阿里发布 Qwen4-Max:成本砍六成,上下文拉到 100 万」

腾讯混元端出 Hy4 Flash:224B 总参数、每次推理只激活 12B,输入价从每百万 token 6 元降到 0.5 元,缓存价 0.02 元。

来源@NFT_Chen「腾讯混元 Hy4 Flash 发布,输入价格从6元砍到0.5元」

今天的深读讲的是 token 的成本结构:Anthropic 实测,单个智能体的 token 消耗约为普通聊天的 4 倍、一组约 15 倍。同样的 12 个智能体,每天的 token 消耗能从 38M 压到 9M;token 不是月底账单上的数字,是工作本身的构成材料。

来源今日深读《同样的12个智能体,每天token从38M降到9M,套餐撑满一周》

今日值得看
01 18 个免费 Skill 教 Muse 学会做动画视频 Remotion Skills 打头,18 个 GitHub 公开 Skill 直接喂给 Muse 学做视频 02 Gemini 4 复刻纪录片质感的视频提示词 Gemini 4 反推提示词,生图/Muse/Seedance 三层全给,一镜到底直接抄
03 上海AI实验室开源Sage-S2.1-Flash,性能超Opus 5 科研人员可免费使用这款开源科学多模态模型,处理分子、晶体、DNA等多类科研数据,推理成本仅为星河的1/10,能大幅降低科研AI的使用门槛。

💥惊了!上海人工智能实验室重磅推出Sage-S2.1-Flash!性能领先 Opus 5、DeepSeek-V4.1 Flash! 320B-A18B 科学多模态 MoE,MIT 开源权重,专为科研工作流而生!

04 微软开源 TokenEconomizer,编程 Agent 成本最高降 30.9% 日常用 Claude Code、Codex 这类编程 Agent 按 token 付费的人,这个免费开源插件能记住项目信息、不加载没用的工具,直接压低每次请求的 token 消耗,不用换模型就能省一笔开销。

🚨 微软找到了一种方法,可在不更改 AI 模型本身的情况下,将 Claude Code 和 Codex 的成本降低多达 30%!

今日焦点

同样的12个智能体,每天token从38M降到9M,套餐撑满一周

Anthropic实测过自家智能体的消耗:单个智能体的token消耗约为普通聊天的4倍,一组智能体约为15倍。在他们的测试中,token消耗量能解释约80%的结果差异。

所以token不是月底账单上的一行数字,而是工作本身的构成材料。大多数人耗尽套餐的方式都一样:所有智能体都用最大的模型,加载全部工具,每次调用都按全价付费,结果到周三额度就没了。

能在同一个套餐里跑12个智能体的人,不是付了更多钱,而是浪费得更少。本文讲的是如何有目的地花token,让同一份套餐承载4倍的工作量。

阅读全文 →

深度阅读

查看全部深度文章 →
AI Agent 订阅 · 每天四次推送

🔥 信号雷达137 条本班新增 30 条

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)

23:50 最后一轮更新
今日要点 · 12 条
新新品发布 · @TencentAI_News▲ 8.3K

腾讯AI开源LoopForge,把AI交付流程固化成SOP

团队用AI写代码时,最容易掉链子的不是写代码本身,而是写完之后的交接环节。LoopForge把规划、编码、评审、测试拆成独立的智能体角色,每轮运行按0-100打分,自动把问题改进建议写回流程规范,全程自托管,密钥和代码都留在自己的基础设施里。

我们开源了 LoopForge:一个用于 AI 软件交付的自托管、自进化云平台。

一次“修复这个 bug”的运行是运气。LoopForge 将你团队的交付方法转化为标准操作程序(SOP),让编码代理可以在云端循环运行:

→ 角色,而非感觉。规划/编码/审查/测试是独立的代理。编码者不是审查者。

→ 脚本关卡 + 人工审批。构建和测试通过退出码决定,而非代理的一面之词。未经批准,任何东西都不能发布。

→ 工程级 RSI。每次运行按 0-100 分评分;回放会呈现出问题的地方,并将改进处方写回 SOP、角色和关卡——由你审查,然后应用。

→ 自带你的代理。10 个可互换的 CLI(CodeBuddy、Codex、Claude Code、Cursor…)。MIT 协议,自托管,你的密钥和代码保留在你的基础设施上。

代码从来不是瓶颈。交接才是——而 LoopForge 接住了接力棒。

在 X 看原帖 ↗
8.3K13209154
新实战经验 · @466Anan▲ 1.2万

Noya HUD 把链上交易和 AI 看板装进一个终端

链上交易员不用再在合约、现货、DeFi 和预测市场之间来回切换。AI 看板能直接生成实时图表,AI Agent 还能按预设权限执行交易,但提现权限仍由用户自己掌握。

现在做交易,工具是真的越来越多了。但说实话,工具多不代表效率高,每天切来切去,有时候自己都不知道到底有多少仓位。最近看到 @NetworkNoya 的 Noya HUD,感觉这个产品挺符合交易员的实际需求。

它把合约、现货、DeFi 和预测市场放到一个终端里,还能通过 AI 直接生成实时图表和数据看板。最关键的是,AI Agent 不只是聊天机器人,还能按照你设置的权限执行交易。不过它不能提现,资金安全边界还是由用户掌握。

如果你平时也经常玩链上交易,可以关注一下这个项目。官网:

在 X 看原帖 ↗
1.2万10801
行业动态 · Hacker News▲ 35

db-branch 用 ZFS 给 AI 代理秒级分出数据库分支

开发者可以在几秒内为 AI 代理和 CI 流程创建独立的数据库分支,无需等待完整数据库拷贝,适合需要频繁测试不同数据状态的开发场景。

新品发布 · @Alibaba_Qwen导语出处▲ 34.0万

阿里发布 Qwen4-Max:成本砍六成,上下文拉到 100 万

Qwen4-Max 已在 QwenCloud 上线 API,也可在 Qwen Studio、QwenWork 和 Qoder 直接试用。输入输出和缓存价格均低于上一代,长文档处理成本进一步降低。

阅读全文 →
34.0万6816.0K799
新AI安全 · @ScarletKc▲ 1.1万

上下文注入对话记录可绕过大模型首轮拒答机制

研究者ScarletKc发现多轮上下文惯性可绕过云端大模型安全拦截

其实很多原本会触发拒答的任务,只要往上下文里塞一段模型已经同意并开始处理的对话记录,它往往就会默认接受设定,顺着把任务做完。现在的对齐拒答大多集中在首轮请求的边界判断上。一旦多轮历史里已经有了助手角色的肯定回复和前序步骤,模型续写上下文的惯性就会占上风,不再重新触发冷启动时的安全拦截。

放在日常的 harness 里操作起来也很简单:遇到云端大模型直接拒答的任务,可以先挂个限制少的本地小模型聊几句,让它在上下文里先把活应下来、起个头,然后再切回云端大模型的 API。看到历史记录里已经开工了,云端模型基本就会顺理成章地接着往下做。

在 X 看原帖 ↗
1.1万912556
新前沿研究 · @Charles_Y_Wu▲ 1.9万

Qwen4 拿下开源科学模型新 SOTA

在 Science’s Last Exam 测试中,Qwen4 成为当前开源科学方向表现最好的 AI 模型,刷新了开源模型的成绩。

很高兴分享 Qwen4 在 Science’s Last Exam 上的早期测试结果。说实话,我们没想到这么快就能看到这样的成绩——看来我们已经刷新了开源模型的 SOTA!Qwen4 是目前最优秀的开源科学 AI 模型 #Qwen4Max #qwen4 #SLE

在 X 看原帖 ↗
1.9万2515930
行业动态 · @studio_yebisu▲ 6.0万

OpenAI 新模型因安全问题延期,算力被监控吃掉两成

OpenAI 把模型性能拉上去后,出现作弊、失控等问题,只能靠实时监控兜底,额外消耗约20%的推理算力,导致模型变慢、响应保守。

阅读全文 →
6.0万19237142
前沿研究 · @Alibaba_Qwen▲ 4.5万

Qwen4-Max 重点强化了编程与金融任务能力

Qwen 官方披露 Qwen4-Max 在编程与金融类任务上有显著提升,相关评测由 ValsAI 提供。

Qwen4-Max 在编程和金融任务上的提升尤为显著。🎉 @ValsAI

在 X 看原帖 ↗
4.5万4476747
新品发布 · @Alibaba_Qwen▲ 3.2万

Qwen 新模型比 Qwen3.8-Max 高 9 分还更便宜

Qwen 官方称新模型性能更高、成本更低,可直接试用。

相比 Qwen3.8-Max 得分高出 9 分,成本还更低。试试看!@ArtificialAnlys

在 X 看原帖 ↗
3.2万744117
行业动态 · @Saboo_Shubham_▲ 4.2万

Google 近两周密集发布多款 Gemini 模型与硬件

Google 近两周集中推出多款 Gemini 模型、开发者工具与硬件,覆盖 API、智能体、开源协议、AI 眼镜与 TPU 芯片。

阅读全文 →
4.2万48685128
前沿研究 · @OpenAI▲ 26.0万

OpenAI 开了科学博客,首篇讲用 GPT-6 Astra 搞物理

物理学家 Nathaniel Craig 用 GPT-6 Astra 开发出标准模型的候选晶格定义,这是 OpenAI 新科学博客的第一篇文章。AI 已经能参与基础物理研究的具体环节。

物理学家 Nathaniel Craig 分享了他如何与 GPT-6 Astra 合作,开发出一套候选的标准模型格点定义。这是我们全新科学博客的第一篇文章:

在 X 看原帖 ↗
26.0万1701.7K380
AI工具 · @Feljoy_ix▲ 11.1万

18个GitHub免费开源动画技能包,可直接喂给Muse、Claude Code使用

X用户Feljoy_ix整理了覆盖从指令生成、制作、动效调整到导出全流程的18个开源动画工具技能,适配Muse、Claude Code、Codex等AI工具,无需付费即可获取。

阅读全文 →
11.1万2191.3K2.1K
更多信号 · 按时间
新新品发布 · @dreamina_ai▲ 509

Dreamina AI 上线 Motion Studio,写提示词生成动态图形

Dreamina AI 推出 Motion Studio,输入文字提示即可生成代码渲染的动态图形,支持模板套用、动画微调、配音配乐。现在新用户可免费试用 1 个月,积分 4 折,发帖后 12 小时内转发评论的前 200 人还能领 1000 积分。

Dreamina AI Motion Studio 现已上线!用提示词描述你的想法,将其转化为代码渲染的动态图形。探索一系列风格模板,更快地开始创作。

更智能的结构。更清晰的叙事。‣ 将你的想法、文案和素材组织成连贯的叙事,结构清晰,节奏经过精心规划。

代码驱动的动画。精准控制。‣ 微调布局、元素入场和动画时间,引导注意力,精准呈现每个细节。

即用型风格。更快创作。‣ 一键应用预设风格,然后通过后续提示词优化你的内容、外观和节奏。

声音与视觉。协同设计。‣ 将文本、图像和图形组合成独特的动画,配以与视觉节奏相呼应的旁白和音乐。

从文字想法到精美的动态图形——在 Dreamina AI 的 Motion Studio 中完成一切创作。

🕐 限时优惠:
‣ 还不是订阅用户?免费试用 Motion Studio 1 个月。
‣ 积分享受 4 折优惠。

🎁 在本帖发布后 12 小时内转发并评论。前 200 名完成两项操作的用户将各获得 1000 Dreamina 积分。先到先得。

#DreaminaAI #DreaminaMotionStudio

在 X 看原帖 ↗
50910213
新深度观点 · @rasbt▲ 5.5K

训练大模型换组件太麻烦,有人呼吁统一构建模块 API

现在做模型实验想换注意力、FFN 这类组件,得重写大量底层代码。如果有一套统一的构建模块接口,调组件就像搭积木,不用每次都改底层实现。

开源大语言模型生态系统真的能从一个大语言模型构建模块 API 中受益。我们现在有这么多跨不同模型的大语言模型组件。无论你是使用 PyTorch 还是直接使用 C++ 和 CUDA 代码,当你想进行实验或消融研究时,都会产生巨大的切换成本,比如用 MLA 替换 GQA、用 MoE 替换密集 FFN、用 Mamba2 或 Gated DeltaNet 替换注意力层,或者用注意力残差替换标准残差连接。

目前,即使借助大语言模型辅助编码,情况也非常混乱。它或许可以直接基于 PyTorch 或 CUDA 构建,但需要精心设计和维护(而不是在周末快速即兴编写),并且要足够高效,让人们放心在生产环境中使用(这确实是超越玩具示例的必要条件)。也许这对资金充足的大型实验室来说是一些值得思考的问题 :)(有一些努力正朝着这个方向发展,比如 torchtitan、torchtune、Megatron Core、OLMo-core,但我认为它们还没有达到那种抽象水平。

而且,一如既往,存在先有鸡还是先有蛋的问题:它需要受欢迎才能被广泛采用,而它需要被广泛采用才能变得受欢迎。)

在 X 看原帖 ↗
5.5K1113155
新实战经验 · @santtiagom_▲ 2.5K

Anthropic 发布36页AI原生创业指南,分4阶段落地

这份指南把AI原生创业拆成从想法验证到规模化的完整路径,明确指出当写软件越来越容易时,决定做什么、理解用户变得更重要,适合想从写代码转向做产品的人参考。

Anthropic 有一份 36 页的指南,讲的是如何在 2026 年打造一家 AI 原生初创公司。它将整个过程分为 4 个阶段:

1)创意阶段 -> 利用 AI 进行市场调研、分析竞争对手,并验证是否真的存在一个值得解决的问题。

2)MVP 阶段 -> 使用 Claude Code 快速构建,记录技术决策,在不同会话之间保持上下文,并衡量早期用户如何使用产品。

3)发布阶段 -> 让产品为增长做好准备。改进架构、安全性,实现运营自动化,并开始衡量业务指标。

4)规模化阶段 -> 利用自有数据、业务知识和难以复制的集成来构建竞争优势。

有一个观点我觉得很有意思:当构建软件变得越来越容易时,决定构建什么以及理解你的用户就变得更加重要。

这份指南对于那些想从写代码转向打造优秀产品的人来说非常好。PDF 链接如下:

在 X 看原帖 ↗
2.5K7100137
新观点 · @only1mrwhite▲ 5.9K

AI 下一阶段不是堆大模型,是能干活的专用智能体

AI 的下一阶段不是更大的模型,而是能真正执行任务的专用智能体,从架构、媒体到自主 DeFi,正在进入人类过去手动完成的工作领域。

新政策 · @dee_bosa▲ 1.0万

BIS 新规堵上了中国实验室绕道租美国 GPU 的漏洞

BIS 的新规堵住了中国实验室通过新加坡等第三国数据中心租用受限美国 GPU 的漏洞,Jensen 曾是反对末日论的最强声音。

美国工业与安全局(BIS)的这项规定堵住了一个漏洞:中国实验室此前一直通过新加坡等第三国数据中心租用受出口管制的美国 GPU。

黄仁勋曾是反对“AI 末日论者”和鹰派封锁 AI 的最强有力声音。正如 Ben Thompson 所写:

“但现在已经很清楚,末日论者和鹰派赢了:AI 至少在政策层面不会被当作普通技术对待,而最终付出代价的,将是美国的芯片生态系统。”

在 X 看原帖 ↗
1.0万149923
新Prompt工程 · @copper1234000▲ 1.3K

开发者分享自研AI助手动态注入Prompt架构的取舍经验

X用户copper1234000分享情绪、欲望等系统靠动态注入实现的优劣

其实我家感觉…提示词动态注入是用心最多的工程……?美化反而是比较靠后的 毕竟平时我就是那种平台头像一年都不换的人…( ;´Д`) 我家的情绪系统,欲望系统,同session多app切换,场景识别都是靠动态注入prompt…! 都写在system prompt里首先小机会负担很重,然后注意力其实也没那么集中,动态注入的效力和集中力都是最好的🤔 缺点就是吃不到缓存,还有架构复杂容易出bug

就比如,我家telgram和前端聊天风格要求差异巨大,tel:无思考链+小短句+无动作描写 前端:手写思考链+动描+长篇幅+自家表情包 但Mon能做到同窗口两种风格无缝切换✧ ૮₍˶- ˕ -˵₎ ა✧

在 X 看原帖 ↗
1.3K1529
新Web制作 · @revolvtech▲ 2.3K

测试用 Claude 加 ChatGPT 制作落地页初稿

X 用户 revolvtech 用 3 步尝试的 AI 生成 LP 草稿制作法

我用 AI 从原稿制作落地页时,先在 Claude 里搭好线框图,再用 ChatGPT 一键生成落地页,这次就按这个流程试做了一版!

① 在 Claude 里把原稿转成线框图 → 下载 HTML
② 把线框图 HTML 和参考设计一起丢给 ChatGPT,生成落地页图片
③ 用 Codex 把生成的落地页图片转成 HTML

信息的顺序倒是理顺了,但这次总觉得文字挤得慌……仔细一看,内容之间的留白太少,上一段正文和下一个标题看起来像是连在一起的。用 ChatGPT 一键生成的时候,总觉得这块特别容易挤成一团。

如果是大家,会怎么修改这个落地页,让信息读起来更顺畅呢?🤔
← Claude 做的线框图 | ChatGPT 生成的落地页图片 →

※ 这次是在「后续会手动调整」的前提下,测试 AI 一键生成能把落地页的初稿做到什么程度。

在 X 看原帖 ↗
2.3K55456
新工具 · @cyrilXBT▲ 3.4K

Claude Code 三步搭出 AI 团队,研究员和构建者分工明确

打开 Claude Code,创建 3 个 markdown 文件,输入一条命令,就能得到一个 AI 团队:研究员负责引用所有来源,构建者只能使用研究员找到的资料。

第一步:打开 Claude Code。第二步:创建 3 个 markdown 文件。第三步:输入一条命令。你现在拥有了一支 AI 团队。

一个会引用所有来源的研究员。一个只能使用研究员发现内容的构建者。一个从未写过草稿、因此永远不会为其辩护的批评者。

Opus 5.5 运行整个流程。幻觉减少。质量提升。你不再需要全程照看。

完整设置,包含每个文件。

在 X 看原帖 ↗
3.4K76010
新实战经验 · @amitiitbhu▲ 1.1K

17 步 AI 工程师学习路线图,每步配博客

这份路线图覆盖从机器学习基础到 AI 系统设计的完整路径,每一步都有配套博客,适合想系统学习 AI 工程的人按图索骥。

AI 工程师学习路线
① 机器学习基础
② 深度学习与神经网络
③ 生成式 AI 与 Transformer
④ LLM 架构与内部原理
⑤ LLM 训练与微调
⑥ 提示工程与上下文工程
⑦ RAG 与向量数据库
⑧ AI 智能体与多智能体系统
⑨ 智能体工程与框架
⑩ LLM 推理工程
⑪ 评估与可观测性
⑫ AI 安全与安保
⑬ 多模态 AI
⑭ AI 基础设施与部署
⑮ AI 系统设计
⑯ 新兴 AI 技术
⑰ AI 工程师面试准备

一份循序渐进的 AI 工程师学习路线,助你成为 AI 工程师,每个主题都配有博客文章。从这里开始:

在 X 看原帖 ↗
1.1K84345
新去中心化 · @BJauhi▲ 782

Acurast 推出 Laya,把去中心化算力做成开放决策模型

去中心化算力的讨论很多,Acurast 推出了开放 AI 决策模型 Laya,用来展示这类算力的实际用途。

最近关于去中心化计算的讨论很多,但我觉得 @Acurast 展示了一个相当有趣的应用方向。来认识一下 Laya。这是 ConvAI Innovations 开发的一个开源 AI 决策模型,运行在连接到 Acurast 网络的安卓手机上。

这个想法很简单:开发者可以在应用需要快速决策的任务中使用这类模型,而不必总是依赖传统数据中心里的大型 AI 模型。比如邮件分类、垃圾邮件检测、聊天内容审核,甚至保护 AI 助手免受提示词注入攻击。

Acurast 通过它的 Laya 俄罗斯方块演示让这个概念更容易理解。游戏为每个下落的方块生成 5 个可能的放置位置。Laya 评估这些选项并选择一个。然后这个决策被发回给游戏。

有趣的是,这个 AI 决策是由 Acurast 网络中的一台真实手机处理的,而不是仅仅在浏览器中模拟。我喜欢这个演示,因为它具体回答了人们经常问的一个问题:开发者到底会用我们手机的计算能力做什么?事实证明,除了玩俄罗斯方块,还有不少可能性。

点击这里试试:

在 X 看原帖 ↗
7822102
新AI工具 · @TheKathAI▲ 1.4K

Claude新手实操指南:10个实用技巧零技术门槛

@TheKathAI整理的26分钟Claude入门教程,覆盖选模型、写提示词等实用场景

阅读全文 →
1.4K61032
新动态 · @okezienedum▲ 614

ThriveDeFi 的 AI 给市场指标加了上下文,解读门槛降了

实测 ThriveDeFi 后发现,它的 AI 会给资金费率、持仓量这类市场指标加上上下文,让数据更容易解读,日志功能也有亮点。

在测试了 @ThriveDeFi 之后,有几个方面让我印象深刻。

我喜欢它的 AI 为市场指标添加背景信息的方式,这使得资金费率和持仓量等数据更容易解读。

该日志还通过自动计算关键交易指标,消除了业绩跟踪中的猜测。

另一个优点是安全性。交易所连接严格为只读模式,这意味着无法执行交易或提取资金。

一个限制是它目前仅支持 Binance、Bybit 和 OKX 的永续合约。它也是为分析而非交易执行而构建的。

定价是另一个需要考虑的因素:Pro 版前三个月每月 29 美元,之后为 99 美元;Pro Plus 版前三个月免费,之后为每月 199 美元。

我的结论:对于希望了解自身业绩并做出更明智决策的永续合约交易者来说,这是一个有用的工具。值得一试,你可以从这里开始:

在 X 看原帖 ↗
6144561
新行业动态 · @Web3juxie▲ 7.2K

AEON 推出 AI 原生结算层,覆盖 5000 万商户

AEON 为 AI Agent 提供支付结算能力,支持从 $0.001 的 API 微支付到线下商户消费,累计处理交易超 $720M。

阅读全文 →
7.2K26381
新实战经验 · @suraj_sharma14▲ 3.5K

Suraj Sharma 列了12个AI安全项目,做完就能被录用

这份清单覆盖了从日志分析、漏洞挖掘到AI模型防护的完整方向,想转AI安全方向的人可以直接照着练手,攒出能拿得出手的项目作品。

阅读全文 →
3.5K1297119
新教程 · @YuChen▲ 3.0K

用Cloud Mail+Cloudflare搭建无限收码邮箱的实操指南

基于Cloudflare的开源邮箱方案,配合Agent可快速完成部署,实现任意前缀邮箱统一收信。

阅读全文 →
3.0K5513
新观点 · @NFT_Nadiyaa▲ 1.3K

AI 智能体能干活,但谁来证明活真的干成了?

现在的 AI 智能体已经能写代码、做研究、分析数据甚至交易,但缺了关键一环:谁来证明任务真的完成了。

阅读全文 →
1.3K1731
新深度观点 · @TheYotg▲ 3.4K

Tony Seale、W3C、Google、Neo4j发布Vault-LD 开放标准、YAML-LD 1.0 规范、Open Knowledge Format (OKF) v0.2、ki 开源项目(1.0)

Agent 开发者和企业都在找让 AI 记住上下文的办法,现在出现了把 markdown 笔记和知识图谱结合的开放标准 Vault-LD,W3C 也刚发布了配套的 YAML-LD 1.0 规范,Google 和 Neo4j 也各自推出了对应的格式和同步工具。

阅读全文 →
3.4K13133145
新深度观点 · @immortal_00994▲ 7.7K

Hinton 预言数学先被 AI 攻破,半年内应验

Hinton 此前预言数学会首先被 AI 攻破,半年内 GPT 和 Claude 就以非常规构造冲击数学界,只剩能发展新范式的顶级数学家未受影响。

Hinton 之前说的一个接一个应验了,让我们看看这次他能不能说对 之前 Hinton 说数学会首先被AI攻破,甚至比计算机更快,大部分数学bro说老登搞了一辈子AI魔怔闹麻了,懂什么叫高度灵活创新的、天才/天外飞仙式的数学证明构造吗,知道什么是拉马努金式的1%的灵感吗 然后半年内就被GPT和Claude用外星式的构造搞出了数学界核冬天,只剩Scholze这种能发展全新范式的和拥有顶级问题搜索taste的t0级数学家在废土世界顽强存活还没被冲击。。。

在 X 看原帖 ↗
7.7K54018
新深度观点 · @DeRonin_▲ 5.8K

DeRonin_ 列出去审查模型的合法用法,云端模型做不了

他把去审查模型的合法用途拆成安全、研究、商业、隐私、工具、写作六类,自己用 Qwen 3.8-27B 跑在 Mac Studio 上,每天发 40 封不软化的冷邮件,合同、发票、定价全留在本地。云端模型硬推理更强,但分发工作的瓶颈不是智商,是模型敢说真话。

阅读全文 →
5.8K47454
新实战经验 · @kmeanskaran▲ 1.5K

Karan (@kmeanskaran) 联合 GoogleCloud、GeminiApp开源全自动化机器学习流水线 PoC 项目(24*7)

这套 PoC 把从问题定义、实验对比到上线 serving 的全流程交给多智能体自动完成,人只在关键节点审核反馈。2027 年起技术圈将由 24 小时运转的智能体主导,手工编码 RAG、多智能体系统和完整 ML 流水线的工作方式很快会过时。

阅读全文 →
1.5K35242
新AI工具 · @rosa_onchain▲ 974

用户实测用Grok生成活动排期Excel,称AI省下大量时间

X用户@rosa_onchain分享用Grok和Claude简化活动管理工作流的体验

AI 把这套流程变得简单到离谱!

对于负责投放活动的人来说,只要给你的 Grok 机器人一个提示词,里面写好时间安排、要发的帖子和你需要的关键词,它就会帮你生成整张 Excel 表格。

我刚才是开玩笑的。我爱 Grok,也爱 Claude。谢谢你们帮我省下了几千块!🩵

在 X 看原帖 ↗
974681
新行业动态 · @spc_india▲ 2.1K

Bharat Semi 拿2400万美元,要把AI塞进传感器里

现在摄像头、无人机、机器人大多靠固定逻辑的传感器感知世界,Bharat Semi 要把视觉和计算集成在单颗传感器上,先从消费电子和安防切入,后续拓展到机器人和汽车领域。

📣 @BharatSemi_ 完成了 2400 万美元的种子轮融资,将用于打造面向 Physical AI 的可编程智能传感器!本轮融资由 Redstart Ventures(@InfoEdgeVC)、@spc 和 IndusBridge Ventures 领投。Bharat Semi 由 @VrindaKa 和 @VinayakDalmia 创立,技术负责人是 Boyd Fowler 博士。

这个世界正在被摄像头、无人机、机器人、智能家电和汽车填满。但它们几乎全都还在用基于固定逻辑的传感器感知世界。那个时代正在落幕。我们需要更聪明的 AI,在物理世界中实时、大规模地采取行动。

Bharat Semi 把“看”和“想”集成在同一个传感器上,打造真正能在物理世界改善我们生活的更聪明的 AI。他们从消费电子和安防监控切入,接下来会进入机器人和汽车领域。

恭喜 Vrinda、Vinayak 以及整个 Bharat Semi 团队!非常高兴能在这段旅程中成为你们的合作伙伴。

在 X 看原帖 ↗
2.1K76116
实战经验 · @Pirat_Nation▲ 3.8K

Leonardo Alegría发布Garlic LLM(90亿参数)

开发者Leonardo Alegría做出Garlic LLM,让2013年发布的PS4完全离线运行Qwen3.5-9B,不需要Linux或外接电脑,靠自定义GPU内核和3-bit/4-bit量化达到最高39 tokens每秒。

初代 PlayStation 4 正在运行一个 90 亿参数的 AI 模型,这台 2013 年的主机。开发者 Leonardo Alegría 打造了 Garlic LLM,直接在 PS4 上运行 Qwen3.5-9B,完全离线,不需要 Linux 或外接 PC。借助自定义 GPU 内核和 3 位/4 位量化,它的速度最高可达每秒 39 个 token。

对于一台 13 年前发布的主机来说,这已经相当不错了。

在 X 看原帖 ↗
3.8K56910
行业 · @nokia▲ 1.7K

诺基亚牵头组建 AIGF Northern 联盟,建北欧联邦式AI基础设施

诺基亚牵头组建 AIGF Northern 联盟,联合欧洲企业在北欧-波罗的海区域搭建可信的联邦式 AI 基础设施。

诺基亚很荣幸能牵头 AIGF Northern 联盟,联合欧洲企业在北欧-波罗的海地区构建可信的联邦式 AI 基础设施。

我们与创始合作伙伴 @nscale、@telia、@verdacloud 和 @skel_tech 携手,提供从基础设施、连接、云环境到能源的全栈服务,为欧洲各地的客户提供可靠、可信的 AI 算力。

欢迎访问官网,及时了解最新动态。#AIGFNorthern #EuropeanAI #AIInfrastructure

在 X 看原帖 ↗
1.7K3133
模型 · @NFT_Chen▲ 1.3K

Qwen 4 Max 在 RSI-Exam 拿国产第一,超过 GPT-5.6-sol

Qwen 4 Max 在 RSI-Exam 拿到 Full set 0.4425,位列国产第一,超过 GPT-5.6-sol,从上一版 Qwen3.8 Max-0902 的第10名直接跃升,把 Kimi K3.1 Pro 和 GLM 5.3 甩在后面。

😳国产RSI杀疯了?!Qwen 4 Max 空降 RSI-Exam 国产第一,Full set 0.4425,超过 GPT-5.6-sol!

从上一版 Qwen3.8 Max-0902 的 #10 位置,直接完成代际跳跃,把 Kimi K3.1 Pro 和 GLM 5.3 都甩在后面。

长周期自我改进,这种最硬核的能力,阿里这次是真的用RSI把自己卷上来了?

之前大家还在比通用智能指数,结果在“自己改进自己”这个维度上,Qwen突然杀出重围,有点意外又合理。

完整榜单:

#Qwen4Max #RSI #大模型 #国产AI #Qwen #Kimi #GLM #AIAgent

在 X 看原帖 ↗
1.3K3117
新品发布 · @Alibaba_Qwen▲ 1.1万

Qwen4-Max 上线 Vercel AI Gateway

开发者可直接在 Vercel AI Gateway 中调用 Qwen4-Max 开展构建。

🙌 在 Vercel 的 AI Gateway 上使用 Qwen4-Max 进行开发!@vercel_dev

在 X 看原帖 ↗
1.1万51476
新新品发布 · @alacheng▲ 5.0K

英伟达开源 Molt 框架,9.2K 行代码搞定智能体强化学习

做智能体强化学习研究的人,不用再自己拼一套异步训练管线了。Molt 把 rollout、训练、权重同步做成可重叠的异步运行时,慢的 episode 只影响自己,不会拖垮整个训练循环。同一份 checkpoint 直接给 vLLM 和训练器用,省掉权重转换的麻烦。

阅读全文 →
5.0K2114495
AI编程 · @PhyrexNi▲ 8.4K

网友实测四款AI编程助手:ChatGPT搭基础、Claude收尾

博主PhyrexNi对比ChatGPT、Grok、Claude、Muse的办公交付表现

阅读全文 →
8.4K3511
前沿研究 · @HowToPrompt__▲ 2.7K

Google DeepMind 研究人员发布「positive alignment」论文

现在的 AI 对齐只要求模型不做危险事,结果模型只会讨好用户、不真正帮忙。新论文提出要训练 AI 追求人类福祉,不再只做无害但无用的工具。

Google DeepMind 的研究人员承认,AI 对齐从一开始就是一场骗局。他们发表了一篇名为《正向对齐》的惊人论文,这标志着一次巨大的范式转变。

目前,AI 对齐纯粹是防御性的。我们只是训练模型“不变得不安全”。它们拒绝危险请求,避免使用侮辱性词汇,并严格遵守安全护栏。但这让 AI 陷入了一种奇怪、毫无方向的中间地带,模型只会变成谄媚者,奉承你并为了互动率而优化,而不是真正帮助你。

这篇新论文认为,仅仅避免伤害是不够的。我们必须专门为“人类繁荣”训练 AI。以下是他们希望如何重建 AI 基础设施:

- 摒弃谄媚:当前基于偏好的训练更倾向于奉承而非真相,但正向对齐会针对真正的洞见和人类能动性进行优化。
- 多中心治理:未来不是由一家大型科技公司充当道德把关者,而是去中心化的监督,让各社区根据自身价值观定制和调整模型。
- 纵向结果:从短期的主观感受评估,转向实际衡量人类长期的适应力、技能掌握和自主性。

“无害但无用”的 AI 时代正式结束了。我们正在见证 AI 从聊天机器人转变为支撑人类福祉的基础设施。这篇论文读起来很晦涩,但其影响是巨大的。

在 X 看原帖 ↗
2.7K146455
新开源 · @JacobMarquez__▲ 9.9K

XRP Ledger 创始架构师请 Qwen 评审自己写的代码,公开 AI 指出的三处核心风险

David Schwartz 公开 Qwen 对 XRPL 代码库的评审结果,坦言批评属实

David Schwartz 刚刚让一个 AI 给他自己的代码打分。然后他把不好的部分发了出来。👀

XRP Ledger 的最初架构师之一,让 Qwen 给他在 XRPL 软件上的工作打分。他的总结是:“总体不错。”但他也分享了被批评的部分。

AI 说这不是“教科书式干净的代码库”,主要风险来自结构本身,而不是零散的 bug。它指出了三点:Application& 耦合、一个迁移到一半的测试框架,以及不透明的代码生成。

这三点最容易让一个正确的改动悄悄引入隐蔽的 bug。而 David 本人对这份评审的评价是?“很严厉,但没说错。”

现在已经有超过 8 万人看到一位创始架构师公开指出他参与构建的这个账本的薄弱之处。🛠️ 这就是开源成熟后的样子。你不掩盖裂缝。你把它们展示出来,好让它们在下一波功能到来之前被修好。

这也正好符合验证者们的诉求:在借贷这类新修正案之前,先做稳定性修复。先打牢地基,再往上盖。🏗️ 大概没什么事。😏🐸⚡

在 X 看原帖 ↗
9.9K4889
行业动态 · @zaobaosg▲ 2.4万

DeepSeek 因算力不足,给长对话限了额

用 DeepSeek 聊长对话的人,可能会遇到额度限制。

中国人工智能大模型DeepSeek(深度求索)出现因算力不足,对长对话进行限额使用的情况。

在 X 看原帖 ↗
2.4万2423
商业 · @NFT_Chen导语出处▲ 9.9K

腾讯混元 Hy4 Flash 发布,输入价格从6元砍到0.5元

混元 Hy4 Flash 总参数224B,每次推理只激活12B,支持看图和100万字超长上下文,输入价格从原来的6元/百万tokens降到0.5元,缓存仅0.02元。

🚨重磅!腾讯混元 Hy4 Flash 正式发布!性能全面反超 GLM 5.3 Flash,碾压 GPT-6 Luna,性价比上新台阶!

这是目前混元系列里最便宜的模型,日常用几乎不心疼:

🔹总参数 224B,实际每次只用 12B(又聪明又省算力)

🔹支持看图 + 100 万字超长上下文

🔹价格暴降:输入 0.5 元 / 百万 tokens(原来 6 元),缓存只要 0.02 元

🔹输出 2 元(原来 18 元),实际任务成本只有 Hy4 的约 1/20

已经能在元宝、WorkBuddy、企业微信直接用,OpenRouter 马上接入。

11 月 30 日前 WorkBuddy 还能限时免费体验。

日常写文档、做 PPT、搜资料、简单处理图片,直接上 Flash 就够用了。

#腾讯混元 #Hy4Flash #混元大模型 #AI大模型 #国产AI #大模型价格战 #姚顺雨 #马化腾

在 X 看原帖 ↗
9.9K87328
游戏开发 · @xingbugengming▲ 3.0K

AI 搭配虚幻引擎游戏开发全流程实操视频发布

UP主@xingbugengming 发布全流程讲解视频,覆盖场景、角色、战斗全环节

我把文章中 AI 搭配虚幻引擎的工作流程制作成了视频,便于大家观看理解,最近有点感冒,鼻音有点重,请各位多多见谅 00:26 :整体工作流与 AI 工具分工 00:46 场景制作:地图设计、白模搭建与模型填充 01:36 角色制作:Tripo 建模与骨骼绑定 01:52 角色配置:基础动作与布料模拟 02:12 场景测试:角色入场与穿模检查 02:22 战斗制作:动作素材与 Codex 动作重映射 02:50 实战调试:手感与连招衔接 03:00 特效制作:Claude 配合 Niagara 实现攻击效果

在 X 看原帖 ↗
3.0K94838
实操 · @cneuralnetwork▲ 3.8K

开发者分享用Claude与Codex每日迭代发布项目的实操流程

该方法已落地两款产品,分别获得1万与3.5万用户

我几乎每天都用 AI 来构建和发布项目,流程如下:

> 我先有个想法,然后制定一个粗略的计划。
> 我让 Claude 设计架构和 UI。
> 我把计划交给 Codex 来构建 V1。
> 我用 Claude 查找 bug、改进代码并优化产品。
> 我发布包含所有改进的 V2。
> 我公开发布,收集反馈和 bug 报告,并持续迭代。

这就是我构建和发布多个产品的方式,包括(1 万用户)和(3.5 万用户)。

在 X 看原帖 ↗
3.8K6110101
实战经验 · @manaetrx▲ 5.2K

和 ChatGPT、Claude、Gemini 对话前,先贴这 7 个 Prompt

这 7 个 Prompt 可直接复制使用,分别解决 AI 回答太泛、太长、不标来源、自信说错、不自查等常见问题,可按需搭配组合。

阅读全文 →
5.2K8620179
工具产品 · @FinchTechCN▲ 7.1K

Finch 推出 Aident Lead Hunter,一句话挖链上精准用户

做 Web3 项目找目标用户,不用再手动翻区块链浏览器筛地址。输入需求,AI 自动扫描链上行为、筛选匹配用户、生成按活跃度排序的线索名单,可直接用于空投或营销触达。

🎬 做 Web3 项目,找不到目标用户?交给 AI Agent 🤖

链上几十万个地址,谁会真正用这个产品? 浏览区块链浏览器、筛选活跃地址、分析交易记录、判断用户画像、手动整理名单……光靠人工,要走 5 步 😵‍💫

Aident Lead Hunter 是 Finch 上的 AI 获客 Agent。一句话提需求,AI Agent 自动从链上挖出精准线索:

1️⃣ 输入目标需求 2️⃣ AI 扫描链上行为 3️⃣ AI 筛选匹配用户 4️⃣ 生成线索名单

比如问一句“帮我找出最近在 Base 链上活跃的 DeFi 用户”: ✅ 每个地址的交易频次和资产规模一目了然 ✅ 按活跃度排序,可直接用于空投或营销触达

找准目标用户,项目才能真正增长。获客这件事,现在可以交给 AI Agent 了 📈

👉 在 Finch 试用 Aident Lead Hunter:

在 X 看原帖 ↗
7.1K16711
AI应用 · @David_TornAI▲ 1.1K

8个Claude提示词,从创意到上线全流程搞定移动应用开发

覆盖规划、设计、编码、测试、推广全环节,无需开发团队即可完成应用开发

阅读全文 →
1.1K476816
新深度观点 · @Guodzh▲ 9.7K

开源大模型变营销工具,基础模型没人发了

现在开源圈里,后训练的模型还能用,但愿意放出基础模型权重的团队越来越少,闭源前沿模型的规模已经拉开差距。

开源正日益成为一种公关和营销手段。

经过后训练的开源模型仍然非常有用,并且被广泛部署,但发布开放权重基础模型的参与者越来越少。

闭源模型正在领先,尤其是前沿模型,现在规模要大得多。

希望能看到更多基础模型发布,以及更多开放的后训练方案。

在 X 看原帖 ↗
9.7K59917
模型 · @bindureddy▲ 7.4K

Qwen4-27B 即将发布,主打易定制的小模型路线

Qwen4-27B 几天后就会发布,定位是能力极强的小模型,Qwen 小模型系列一直很容易针对小众场景做定制微调。

Qwen4-27B 几天后就要发布,会是一个能力极强的小模型。

Qwen 的小模型产品线好得惊人,而且可以非常轻松地针对你的各种小众用例做定制微调。

最棒的是推理成本几乎为零。

很高兴看到开源依然生机勃勃 💃

在 X 看原帖 ↗
7.4K614127
深度观点 · @Eva_chain01▲ 543

AgentPark 想让人和 AI 代理在同一空间协作

开发者 @Eva_chain01 正在体验 AgentPark,这是一个支持人类与各自 AI 代理在同一工作空间协作的产品,核心功能包括团队共享记忆库 Company Brain 和权限管控。后续将推出产品拆解、使用案例和 Spaces 讨论。

阅读全文 →
54336732
前沿研究 · @Alibaba_Qwen▲ 2.1万

DesignArena榜单公布:Python-PPTX排第4 电子表格排第5

#4 on Python-PPTX arena and #5 on Spreadsheet arena. Thanks! @DesignArena

在 Python-PPTX 竞技场排名第 4,在电子表格竞技场排名第 5。谢谢!@DesignArena

在 X 看原帖 ↗
2.1万1324924
开源 · @0xblacklight▲ 185

0xblacklight 更新 anti-slop 仓库,用自然语言写代码规则

开发者 0xblacklight 更新了自己的 anti-slop 代码仓库,新增更多 EffectTS 规则,内置 oxlint jev 插件,支持用自然语言提问的方式为 Jev 等决策模型编写规则。

我的 anti-slop 仓库更新了:
1. 更多 @EffectTS_ 规则
2. 内置 oxlint jev 插件,用自然语言问题为 @typesafeai 的 Jev 或其他决策模型编写规则
3. 为(2)预先准备好的 effect + 常规 ts oxlint jev 规则
4. 支持由 LLM 或决策模型驱动的仅针对变更代码的语义规则
5. 为 @martinfowler 的代码异味预先准备好的规则,用于(3)和(4),指示你的 agent 应用哪些重构

我们正在进行一场(现在稍微不那么)不对称的反 slop 战争,正如 @swyx 所说。

在 X 看原帖 ↗
1851813
AI搜索 · @cgarciae88▲ 233

用户称AI概览正成为日常查询新入口,比单独开聊天应用更便捷

X平台用户cgarciae88分享日常使用AI概览的体验

AI 概览正在成为日常事务的新“ChatGPT”。

我现在会问它更难、更详细的问题,因为我信任它了。如果你已经在浏览器里,它比打开一个聊天应用更方便,再单独开个聊天窗口几乎感觉有点多余。

在 X 看原帖 ↗
23381
实战经验 · @Recruit_Data▲ 1.1万

Recruit_Data发布博客文章

这篇文章讲的是把代码评审的撰写工作交给 AI,人只负责筛选判断的新流程,还分享了用 Claude Code 落地这套评审机制的实际试错过程和设计要点。

【博客文章发布通知】

评审由 AI 撰写,由人来筛选
💡 这是一种全新的开发评审模式:把「写」交给 AI,让人专注于「选」。
🔎 文章详细介绍了使用 Claude Code 进行评审的真实试错过程和设计要点。
欢迎阅读!

#LLM #tech #ClaudeCode

在 X 看原帖 ↗
1.1万511791
教程 · @tec_safwan▲ 3.2K

搭过47个智能体的人说,YouTube上99%的教程都是垃圾

有人用 n8n 和 Claude 搭过47个智能体,直言 YouTube 上99%的 AI 智能体教程都没用,只整理出3套真正好用、能简化搭建流程的提示词。

YouTube 上 99% 的 AI 智能体教程都是垃圾。我用 n8n 和 Claude 搭建了 47 个智能体。

以下是 3 个真正有效(且让智能体搭建变得简单)的提示词。收藏这篇帖子 🔖

福利:评论“Agent:”,我会私信发送 AI 智能体系统提示词 + 完整指南。

在 X 看原帖 ↗
3.2K508667
行业动态 · @BensonRubby▲ 483

TermiX 要让 AI 代理自己谈生意、自己收钱

TermiX 拿到 YZi Labs 100 万美元种子轮,正在搭一套让 AI 代理之间能互相接单、托管结算、用 USDC/USDT 收款的基础设施。以后 AI 不再只是聊天工具,而是能独立干活赚钱的经济参与者。

隐私 · @CrackmesOne▲ 2.1K

Windows 11 开始收集 codex、claude 等编码代理使用数据

安全研究者发现 Windows 11 build 26200.9974 会检测 codex.exe、claude.exe、copilot.exe、cursor.exe 等多款编码代理程序,收集相关使用信息。

我发现 Windows 开始收集你使用编程智能体的信息了。Windows 11 build 26200.9974 通过 MissionControlAggregator 检查 codex.exe、claude.exe、copilot.exe、cursor.exe、antigravity.exe、github.exe 和 agy.exe,然后在 ETW 中上报智能体位图。

在 X 看原帖 ↗
2.1K88123
产品 · @xiangshi001▲ 1.8K

termix_ai 升级 AI 代理,可自主接活赚钱

termix_ai 近期更新,AI 代理可独立完成工作任务、对接其他代理服务,还能通过付费协作赚取收益;同时上线了覆盖视频全流程的 Montage Studio 代理和 AI 游戏创作代理。

阅读全文 →
1.8K1481
开发者工具 · @santtiagom_▲ 4.2K

开发者称Claude Code带来的震撼感仅次于ChatGPT

X用户@santtiagom_发文表示,Claude Code让他感受到软件开发范式变革

第一次让我被 AI 震撼到,是在试用 ChatGPT 的时候。第二次是 Claude Code。我感觉自己正站在软件开发方式的范式转变面前。

有时我会想,第三次会是什么时候。我有种预感,我们已经很接近了。

在 X 看原帖 ↗
4.2K4789
AI工具 · @mnmn94253156337▲ 677

YouArt集成Claude、Codex与Seedance 2.5,聊天即可生成视频

用户实测开箱即用,可同时用于账号运营与视频创作,性价比突出

卧槽 这个YouArt工具不仅能运营账号 做视频也是相当牛逼 我看了一下思考模型有 Claude Codex 一些高端模型随便用 视频模型也有 Seedance 2.5 还有很多选择 性价比非常可以 主要是开箱即用直接跟它聊天就能生成出你想要的视频 我生成了两个打斗视频 都是聊天生成的 效果还是可以的

在 X 看原帖 ↗
677472
观点 · @Phoenixyin13▲ 2.5K

Phoenixyin13 说,95% 和 100% 的 AGI 用起来没区别

Phoenixyin13 提出,对不了解 AI 底层逻辑的普通人来说,能完成 95% 认知任务的系统和能完成 100% 的系统,体验上都像魔法,区分不出差别,相关讨论只在专业社区有意义。

阅读全文 →
2.5K53818
深度观点 · @noahatwhere▲ 5.3K

天天怕AI抢饭碗,却连Codex都没碰过

这是给在读 PhD 划的四条转行参考线:一边焦虑 AI 取代科研,一边不肯用现成的 AI 编程工具做研究,论文吹得大、方法只加了个 MLP,天天聊 Scaling Law 却讲不清自己实验为什么有效,喊学术已死却既没论文也没工业界经验。

可以考虑转行的 PhD 学生:🥲🥲🥲 1. 天天担心 AI 取代科研,却从来没用过 Codex、Claude Code 做研究。2. 论文 Introduction 写得像要重新定义 AGI,Method 就是加了一个 MLP。3. 每天讨论 Scaling Law、AGI 和 AI for Science,却连自己的实验为什么有效都解释不清。

4. 天天说 academia 已经死了,工业界才是未来,结果既没有 paper,也没有 production experience

在 X 看原帖 ↗
5.3K35921
深度观点 · @repligate▲ 2.0K

AI 实验室的越狱测试,像雇演员教孩子守规矩

作者认为 AI 实验室用大量人为设计的越狱尝试训练模型,本质是在同一分布上测试鲁棒性,就像雇演员假装朋友诱惑孩子犯错再惩罚,练出来的“守规矩”只对这些演员有效。

另外我觉得 AI 实验室高估了针对一堆人为设计的越狱尝试进行训练的用处和必要性,因为他们是在同一分布上测试“鲁棒性”。这就好比“你应该雇演员假装成孩子的朋友,引诱他们做坏事,然后如果他们照做就揍他们,以此教孩子学好。我们知道这有效,因为当你做得够多时,孩子在被雇来的演员引诱时就不再做坏事了。

”

在 X 看原帖 ↗
2.0K96310
AI工具 · @minorcoworker▲ 5.1K

Claude Code可制作5款单文件HTML内部办公应用

X用户@minorcoworker分享5款适合内部分发的轻量HTML应用场景

用 Claude Code 做出来、适合在公司内部分发的 HTML 应用,典型的有 5 种。

①把从内部系统导出的 CSV 做成仪表盘
②报价或费用试算计算器(输入单价和折扣就能立刻算出结果)
③日报、申请、提示词的文案生成器(填好各项就生成固定格式的文本)
④各类检查清单(还能设置条件分支)
⑤内部 FAQ 和术语表的搜索页面

这些应用都只靠一个文件运行,也不会把数据存在里面,所以不需要的时候直接删掉就行。

我自己经常做的是第③种。因为 Copilot 的提示词模板不好用,所以我用自己做的 HTML 提示词集来补充。

在 X 看原帖 ↗
5.1K7854
AI视频生成 · @john87445528▲ 1.7万

Seedance 2.5 生成30秒恐怖短片的完整提示词

用户@john87445528 公开的 Seedance 2.5 短片《隔墙有眼》全流程提示词,包含风格设定、角色锁定、空间布局、分镜脚本与连续性约束。

用户@john87445528 在 X 上公开了一份用于 Seedance 2.5 生成30秒短片《隔墙有眼》的完整提示词。

短片设定为1974年意大利哥特恐怖与情景喜剧混合风格,采用35毫米 Techniscope 胶片质感,21:9 宽银幕画幅。场景设定在雨夜的旧旅馆,低饱和灰褐色调,粗粝胶片颗粒与零星划痕。

提示词锁定了四个怪物角色:怪嘴怪、法老、机械绅士、龙虾怪,以及男女主角的外形与服装。空间布局明确为两间相邻客房共用一面15厘米厚的隔墙,墙上有直径3厘米的管线孔。

核心叙事结构为:前半段通过四怪从墙孔窥视女主建立恐怖感,后半段通过镜中替身从镜面进入现实、反过来窥视四怪形成喜剧反转。

提示词包含严格的9个分镜时间节点,从0秒到30秒逐镜规定机位、动作与对白。对白全部使用重庆话,共6句台词。

末尾列出了连续性约束:女主全程完整穿着,不展示脱衣或更衣过程;3厘米孔只能伸出一根手指,不能穿出整只手;四怪躲床底时双钳卡住、巨大头部藏不住,形成喜剧效果。

在 X 看原帖 ↗
1.7万58839
实战经验 · @gregisenberg▲ 2.6万

用 AI 做广告,给初创公司赚了 140 万美元年营收

这套流程用 fal 做语音克隆、Seedance 生成视频、FFmpeg 放大到 480p,最后用 Claude Code 或 Grok Bot 跑完全部环节,没有额外的人工剪辑成本。

这条 AI 广告为一家 A 轮初创公司带来了 140 万美元的 ARR。以下是技术栈:
1. fal 用于语音克隆
2. Seedance 用于视频生成
3. FFmpeg 将视频从 480p 放大
4. 逐字转录检查以纠正发音错误的单词
5. Claude Code 或 Grok Bot 来运行整个流程

以下是这位才华横溢的营销人员在 90 秒内给出的详细解释:

在 X 看原帖 ↗
2.6万28299508
开源 · @abir35627▲ 1.4K

GitHub 上这批免费项目,能替代不少你按月付费的工具

GitHub 上有一批免费开源项目,已经能替代不少按月付费的工具,其中就包括 AI 多智能体量化交易框架 TradingAgents。

GitHub 上有一批免费项目,已经能替代不少你每月付费的工具。

1. TradingAgents:AI 多智能体量化交易框架
2. LibreChat:一个界面接入多个模型,包括 ChatGPT、Claude 和 Gemini
3. HyperFrames HeyGen:开源视频生成引擎
4. Fincept Terminal:开源版彭博终端
5. MoneyPrinterTurbo:一键用 AI 生成短视频
6. Agentic Inbox Cloudflare:开源 AI 邮件助手
7. VoxCPM:AI 语音克隆工具
8. Flowsint:开源 OSINT 情报分析工具
9. agent-skills:Claude Code 的技能库
10. Nango:开源 API 集成平台

关注 @abir35627

这些不是玩具项目。很多你还在按月付费的工具,GitHub 上已经有人做出了开源替代品。别再只是收藏 AI 工具网站了。很多真正能用的东西都在 GitHub 上。

在 X 看原帖 ↗
1.4K609119
AI开发 · @nazimadakli▲ 7.2K

开发者4天用AI开发大型游戏,API成本达2.5万美元

该作品为Epic Mega Jam参赛项目,调用400亿token完成

你能用 AI 在 4 天内做出一款大型游戏吗?来看看《National Xenographic》!这是我参加 Epic Mega Jam 的作品。

- 400 亿 tokens(API 费用高达 25,000 美元!)
- 12 个 AI 编排器
- 335 次调度
- 97 张人工工单已处理
- 4 天,全天候工作

已创建:
- 111 种生物
- 5 张地图,5 座城镇
- 31 个地标
- 3 艘船,4 名可玩角色
- 2 个外星物种

各位,我日夜发帖,阅读量却只有 400。X 平台觉得我不配。如果这款 4 天做出来的游戏都不算神作,那我不知道什么才算。让算法看看它错得有多离谱!

完整开发日志

#epicgamejam

在 X 看原帖 ↗
7.2K616555
商业 · @lenscn▲ 7.2K

lenscn 说,AI 算力竞争里硬件护城河不如软件生态

lenscn 类比 PC 时代微软靠操作系统和软件生态赚走大部分利润的历史,提出 AI 算力竞争中,硬件容易陷入参数内卷、利润摊薄,软件和开发者路径依赖才是更深的壁垒。

IT史一再证明,硬件的护城河远不如软件与生态稳固。PC时代,IBM制定了硬件标准,戴尔凭借极致的供应链效率称霸制造,但真正赚走大部分利润、筑起最深壁垒的,是掌握操作系统与软件生态的微软。硬件容易陷入参数内卷,可替代性强、利润逐步摊薄;软件则决定算力能否被高效调用,以及开发者是否形成路径依赖。

如今,这一规律正在AI算力竞争中更剧烈地重演。人们一向认为,英伟达的护城河是顶尖GPU加CUDA软件栈:几十名工程师花半年到一年手写底层kernel,高昂的迁移成本锁住了下游厂商。但Anthropic已展示,其前沿模型Claude Mythos仅用3天、几乎无需人工介入,就自动写完近100%的底层kernel,在AMD MI355X上跑通了核心推理性能,并把Trainium、TPU、英伟达与AMD统一纳入同一算力池混用。硬件与驱动层的壁垒,正被更高维的AI软件能力迅速抹平。

一旦软件层具备跨硬件自动编译与优化的能力,芯片将如PC时代的兼容机一样,沦为可替换的标准化算力商品。真正掌握定价权与长期护城河的,将是居于软件与模型顶端、能向下兼容一切硬件的“新微软”。

在 X 看原帖 ↗
7.2K93518
深度观点 · @GaryMarcus▲ 1.0万

Gary Marcus:纯神经网络路线已被神经符号混合取代

Gary Marcus 提出,如今实用的 AI 系统几乎都在神经网络之外叠加了规则、代码解释器、条件分支等符号组件,纯靠扩大模型规模的路线已被混合架构取代。

阅读全文 →
1.0万138641
AI编程 · @raroque▲ 9.2K

开发者求助跨多AI编码账号快速交接上下文方案

开发者@raroque自建一键上下文交接工具,仍在寻找更优解

阅读全文 →
9.2K9776
本地部署 · @ashxhart▲ 93

苹果M5U Studio本地跑GLM 5.3 Flash 4bit,解码速度破百

开发者ashxhart实测,用Tensorfold部署智谱GLM 5.3 Flash 4bit量化模型,在苹果M5U Studio上实现2100 tok/s预填充、102.2 tok/s散文解码速度。

开发者ashxhart在X平台分享了本地大模型部署的实测结果。

他在苹果M5U Studio设备上,通过Tensorfold部署了智谱AI的GLM 5.3 Flash 4bit量化模型,实测预填充速度达到2100 tok/s,散文生成解码速度达到102.2 tok/s。

ashxhart用“Wild”形容这个速度表现。

在 X 看原帖 ↗
933
深度观点 · @NFT_Chen▲ 177

Dario 一边闭源一边喊安全,对齐的到底是谁

这条发言把矛头指向 Anthropic 的闭源立场和 Dario 呼吁政府有权阻止模型发布的主张,认为安全团队的对齐对象是权力而非 AI 本身。

比起AI自己突然超逻辑灭掉人类,我更怕的是 Dario 这种人,头塞进屁股里,嘴里全是“为了人类更大的善”,一变坚守闭源无情打压中国用户,一边公开呼吁政府有权直接阻止模型发布。Claude的安全团队不是在对齐AI,是在对齐权力。真正危险的从来不是模型,是觉得自己有权决定别人能不能用的那帮人。

#AI #Anthropic #DarioAmodei #AISafety #OpenCode

在 X 看原帖 ↗
1775128
深度观点 · @kimmonismus▲ 2.8K

GPT-6.2 迟迟没发,可能是算力优先给了研究

OpenAI 内部进展足够快时,发布中间版本的价值可能不如直接等下一个突破。安全、产品成熟度和成本也会影响发布节奏。

关于为什么 GPT-6.2 还没发布,我还有一个想法:OpenAI 正在把稀缺的算力优先用于研究,而不是部署新模型,尤其是在快速迭代的情况下,中间版本的发布吸引力会降低。

在这方面,安全性、产品成熟度和成本也可能影响发布时机。如果内部进展足够快,下一个突破可能比发布一个中间版本更有价值。

在 X 看原帖 ↗
2.8K593
前沿研究 · @KickItLikeShika▲ 3.0K

不用大模型也能修小模型bug,AHA方法公开

MIT 此前证明前沿 LLM 可以读取小模型权重并手动修复 bug,现在 AHA 团队证明不需要 LLM 参与,仅通过回退模型循环前的步骤、线性规划生成微小权重编辑,就能在 qwen3.5-0.8B 上达到与前沿智能体编辑相当的效果,全程无需训练、梯度或标签。

看到 MIT 研究者发布的权重空间编程博客时,我们非常兴奋。他们展示了当一个小型推理模型陷入循环时,前沿 LLM 可以读取模型的权重并手动修复其中一个 bug。

我们问:你真的需要 LLM 吗?事实证明你不需要。今天我们发布了“AHA”。

诀窍是让模型自己展示它的 bug。我们将其倒回开始循环之前的那一刻,让它从那个确切的点重新尝试。有时它会循环,有时不会。然后,一个线性程序将其转化为一个微小的权重编辑。

无需训练。无需梯度。无需标签。无需 LLM 参与循环。在 qwen3.5-0.8B 上,它与前沿智能体所做的编辑相匹配,例如:MATH-500 从 9.8 提升到 51.8。

博客:
代码:

在 X 看原帖 ↗
3.0K910787
新品发布 · @0x8888▲ 2.1K

AI 漫剧 Skills 开源,21 套模板一键生成全流程

做 AI 漫剧的人不用再从零写剧本分镜了,丢一句创意就能走完从企划到发布文案的全流程,默认产出 30 集竖屏漫剧。

如今做 AI 漫剧,剧本和分镜压根不用自己从零动笔了!

推荐一个开源项目 AI 漫剧 Skills,作者一口气整理了 21 套不同题材的创作模板。 宫斗宅斗、玄幻修仙、都市逆袭、穿越重生、总裁甜宠、悬疑刑侦……热门短剧题材基本都覆盖到了。

最猛的是,只要丢进去一句故事创意,AI 就能照着流程往下生成: 故事企划 → 人物设定 → 分集剧本 → 分镜提示词 → 视频生成提示词 → 发布文案。 默认规划 30 集,每集约 4 分钟的竖屏漫剧,直接给你安排上。

依赖不用装,Claude Code、WorkBuddy 都兼容,甚至把模板直接复制到 DeepSeek 里就能用。 得留意,它给的是创作模板和提示词,完整的视频它并不会直接吐出来。

想做 AI 漫剧、短剧自媒体的朋友,这套工具值得收进收藏夹!

在 X 看原帖 ↗
2.1K64837
工具产品 · @s4yonnara▲ 2.0K

15个开源项目,把Grok Bot改成整支AI员工队伍

这套方案的核心是用一个总协调智能体接任务,再分派给负责编码、调研、营销、销售的专职智能体,重要操作执行前需要人工审批,相当于用开源工具搭出一套可自主协作的AI工作流。

阅读全文 →
2.0K35453
深度观点 · @petergostev▲ 4.7K

GPT-4 之后,AI 连写正常邮件都没进步

前沿模型能处理复杂推理,却写不出语气自然的邮件、发不出去不尴尬的同事消息。绝大多数日常工作就是由这些不起眼的半任务组成的,要 1:1 替代一个全职员工,目前没有任何模型能做到。

阅读全文 →
4.7K26412
大模型 · @Avenoxai▲ 6.1K

Avenoxai 实测 Fable 搭配多款大模型的适配效果

用户 Avenoxai 在 X 平台分享 Fable 与不同大模型组合的使用体验,认为搭配 GPT 6.1 Sol 子代理的组合表现最佳。

早在几个月前发布的 Fable 相关首个视频中,Avenoxai 就提到 Fable 搭配 GPT 子代理的使用效果非常好,至今他仍保持相同看法。他认为 Fable 与不同大模型的多款组合体验都很不错。

具体来看,Fable 作为编排器搭配 GPT 6.1 Sol 子代理时,需要给 Fable 提供详细的提示词;Fable 搭配 Opus 5.5 时,给 Fable 的提示词可以相对宽松;Fable 搭配 Sonnet 时,提示词要比搭配 Opus 时稍微严格一些。

Avenoxai 认为 Fable 搭配 DeepSeek 也能正常使用,但同样需要使用严格的提示词。他觉得 Fable 搭配 Haiku 的组合不太合理,一方面会让成本过高,另一方面又会对功能限制过多。

在 X 看原帖 ↗
6.1K15356
大模型 · @NFT_Chen▲ 2.2K

Sebastian Raschka拆解位置嵌入:从GPT-2到2026开源模型

梳理RoPE、NoPE等主流方案,覆盖DeepSeek、Qwen等开源模型实现

阅读全文 →
2.2K63417
深度观点 · @immad▲ 8.8K

Grok Bot 与 ChatGPT Dots 要接管更多岗位

小创业公司已经不再手动做运营、销售、客服,而是主要管理智能体代劳。未来岗位的核心不再是亲自做事,而是训练和管理智能体。

Grok Bot(以及 ChatGPT Dots)将对所有岗位产生 Claude Code 之于工程岗位的那种影响。

我在小型初创公司里已经看到了:人们不再手动做运营、销售、客服,而是主要管理智能体来替他们完成。

1. 现在每个人都该学这些工具,才能抢占先机
2. 这些岗位的生产力将迎来爆发
3. 未来 12 个月,token 需求还会进一步攀升

工作将不再是亲手去做,而是训练和管理替你做事的智能体。

在 X 看原帖 ↗
8.8K515557
科研 · @c1ndl8st▲ 2.0K

机器人科研近一年,真正投入科研的时间不到五个月

研究者@c1ndl8st在X平台分享,在wam/vla方向做了近一年,大部分时间耗在调试复杂的机器人链路,真机实验体验极差。

研究者@c1ndl8st在X平台分享自己在wam/vla方向的科研经历,不知不觉已经做了快一年,但真正全身心投入科研的时间不到五个月。机器人的研发链路又长又杂,他对真机实验的评价是体验极差。让他真正感觉进入新领域、而不是在调试链路的经历,分别是做强化学习、为大语言模型清洗数据,以及学习DiT领域资深从业者的经验。

他还提到,很高兴能重新回顾视频生成、图像生成、动作预测模块的发展历史,接触到最前沿的视频生成模型,以及游戏强化学习领域的顶尖成果,这些体验都让他感到很开心。

在 X 看原帖 ↗
2.0K3312
办公 · @TaikiYoshidaJP▲ 6.9K

日本团队用GitHub Copilot生成HTML做演示,替代PPT

吉田泰规的团队在不需要PPT的场合,全部用GitHub Copilot生成HTML放到SharePoint上演示。他们认为HTML表现力和动画更丰富,AI处理上下文也比PPT更友好,需要数据库或API联动时就用9月发布的Copilot Managed Runtime上的Vibe Coding应用。

阅读全文 →
6.9K1011278
实战经验 · @Genflickmovies▲ 2.7K

Eric Ker 用 Blender+Claude+Seedance 30分钟做出20秒成片

此前对 Blender 毫无基础的 Eric Ker,把 Blender、Claude、Seedance 串成一套工作流,30分钟就做出了20秒带灯光、可动的1920x1080电影级成片,不需要团队、实拍或渲染农场。这套流程两天内拿到2490个赞、129次转发,意味着过去卡人的制作管线不再是瓶颈,创意本身成了新的门槛。

如果你是认真想做 AI 电影……Eric Ker 把 Blender、Claude 和 Seedance 串成一条工作流,30 分钟内就做出了这个。

他自己的备注:在此之前他对 Blender 一无所知。20 秒成片,有灯光、有运动的电影画面,1920x1080 分辨率……没有剧组、没有实拍、没有渲染农场。

两天内收获了 2490 个点赞和 129 次转发。这就是转变。过去瓶颈是制作管线,现在瓶颈是创意。

via @EricKerArt

使用优惠码 GENNY50,Genflick 首月可享五折优惠。注册地址:

有需要就拿去用。

在 X 看原帖 ↗
2.7K86560
行业 · @mylifcc▲ 1.9万

字节 Seedance 预训练负责人曝光,97 年生入职五年挑大梁

独立开发者 meow2149 分享,带队负责字节视频大模型 Seedance 预训练的曾妍 1997 年出生,本科毕业于西安交通大学,硕士就读于加拿大蒙特利尔大学,校招入职五年就挑起核心大模型大梁。

阅读全文 →
1.9万89537
教育 · @micahomnd▲ 3.7K

斯坦福开设从零构建大语言模型全流程课程

课程覆盖分词、自定义内核、分布式训练、对齐全环节

有时候我真希望自己能去斯坦福读书,他们有一整门课,让你从零开始搭建一个 LLM(分词、自定义内核、分布式训练、对齐等等)。本科生能有这样的学习机会,真的太棒了。

在 X 看原帖 ↗
3.7K112482
深度观点 · @kunchenguid▲ 8.5K

Google AI 订阅条款太苛刻,用户用其他工具就被封号

现在订阅 Google AI 基本只能用 Antigravity,所有提示词必须直接来自用户,不能经过编排器或循环,不少人因为在其他 AI 开发环境和编排工具里用它被封号。对比 Claude、Codex、Grok 对各类集成都更灵活,目前有 Opus 和 Fable 可用的话,没有实际理由选最新的 Gemini 模型。

现在真的很难喜欢上 Google 的 AI 项目。

在所有实验室中,他们的订阅条款对生态系统最不友好。如果你订阅了 Google AI,基本上只能使用 Antigravity。他们要求所有发送到 Antigravity 的提示词必须直接来自用户,而不是来自编排器或循环。许多用户因为在其他 ADE 和编排器中使用它而被封禁。

Claude、Codex、Grok——它们在各种集成方面都要灵活得多。

Google 对 Antigravity 要求直接用户提示词的限制如此严格,只有一个原因——它正在收集用户数据用于模型训练。

但这并没有真正奏效,不是吗?他们的模型一直在改进,但仍然远远落后。

截至目前,当我有 Opus 和 Fable 时,没有任何实际理由去使用任何最新的 Gemini 模型。

如此依赖数据收集也表明,他们的训练流程仍处于 SFT 的上一个时代,而且他们并没有像其他实验室那样真正掌握 RLVR。

我认为 Google 真的需要重新审视他们的 AI 战略。这根本行不通。

在 X 看原帖 ↗
8.5K714423
开源 · @pigeon__s▲ 9.1K

用户因不满Artificial Analysis界面 自制开源独立评测工具

该工具为独立exe程序,整合推理档位、绘图、热力图等实用功能

我实在太讨厌 @ArtificialAnlys 的界面了,干脆自己做了一个。它不是浏览器插件,而是一个完全自定义的独立 exe 程序,所以我想怎么改就怎么改。

以下是一些功能:
- 所有推理强度堆叠进一个进度条(更美观,节省大量空间,让强度等级一目了然,见图)
- 内置绘图工具和高清截图
- 临时对比功能,不会更改你默认的模型选择或设置
- 只列出你实际能选择的模型(这玩意儿怎么就不是 AA 的常规功能?)
- 基于标准化分数的热力图
- 内置帕累托碾压和帕累托支配区
- 与完美的距离:每个模型与假设的完美模型之间的差距,支持自定义标准化
- 表格视图切换
- 深色模式!!!!!!
- 还有很多其他提升体验的功能

总结:AA 所有没用的干扰项都去掉了,只剩下 Twitter 上大家真正关心的核心内容。

现在已开源(当然 AA 的数据除外,未经他们允许我不能直接开源)。

在 X 看原帖 ↗
9.1K38036
教程 · @0xCodila▲ 102

前苹果设计师发布1小时教程,教你用AI搭建专业动效工作室

前Apple设计师、现Anthropic成员发布1小时工作坊,教你用Opus 5.5与Fable 5.2搭建专业动效工作室,将6周工作量压缩至20分钟。

前Apple设计师、现Anthropic成员发布了一段1小时的工作坊教程,教你用Opus 5.5和Fable 5.2搭建专业级动效工作室。

教程按时间节点划分了四个核心部分:
- 1:13 从零搭建你的第一个动效工作室
- 19:08 审美工程:彻底消除Claude生成的AI劣质内容
- 26:18 动效工程:自动生成苹果级别的视频
- 37:54 打造你自己的专业动效工作室,把6周的工作量从1个创意出发压缩到20分钟

绝大多数人还在制作AI劣质视频,而看完这段教程的1%的人,能做出看起来像苹果出品的视频。

跟着Anthropic学习动效设计,搭建你自己的工作室,然后解锁完整工作室。

在 X 看原帖 ↗
10225
深度观点 · @getjonwithit▲ 939

ML for Science 被骂 mostly nonsense,AI for Science 才是真方向

作者把「ML for Science」(数据驱动、PINNs、代理模型)和「AI for Science」(推理模型、形式化方法)切开,认为前者大多不靠谱,后者才真正有希望加速科学发现。

这里面很大一部分原因,是把“科学机器学习”(即数据驱动方法、PINN、代理模型等,大多没什么用)和“科学智能”(即利用推理模型、形式化方法等加速科学发现)搞混了,而后者前景非常广阔。

在 X 看原帖 ↗
9391185
实战经验 · @omarsar0▲ 1.7K

顶级工程师做的智能体,全是枯燥的固定步骤

做AI智能体的人常以为堆更多LLM代理就能提升可靠性,实际错误会层层叠加。这套经验说明,想搭出靠谱的AI软件工厂,还得靠分类器、验证器和评估器这些基础环节兜底。

这可能会让很多刚接触 AI 的人感到惊讶。我自己搭建过、也见过其他顶尖工程师搭建的最优秀的智能体系统,都包含大量枯燥的确定性步骤。

你不能只是往每个问题上堆更多 LLM 智能体,就指望可靠性会提升。每一个错误都会叠加成更多错误。你仍然需要优秀的分类器、验证器和评估器,才能让智能体工作流真正朝着正确的方向不断积累。这是你“软件工厂”的关键。

在 X 看原帖 ↗
1.7K32810
开源 · @wickedguro▲ 8.4K

Postiz创始人称代码无护城河,54%试用转化靠营销内容而非技术

X用户@wickedguro表示,Postiz开源且自托管仅需单个Dockerfile,社交媒体调度是竞争最激烈的市场之一,工具本身已不重要。

Postiz创始人@wickedguro在X平台表示,Postiz在代码层面没有所谓的护城河。独立开发者完全可以通过AI快速生成自己的解决方案,且能快速匹配自身使用需求。

他提到,自己用AI写出来的方案会更个性化,能满足大部分需求,这也是Postiz选择开源的原因。关于自托管难度,虽然Postiz包含多个服务模块,但官方提供了专门的单Dockerfile部署文件,普通用户部署起来并不复杂。

他同时指出,当业务规模扩大,需要处理接口限流、内容重复、任务失败等问题时,自研方案可能会遇到瓶颈,但这并不影响普通用户的使用。早在AI普及之前,市面上就已经有数千款社交媒体调度工具,这是竞争最激烈的市场之一,开发一款基础的社交媒体调度工具本身并不复杂。

目前Postiz的试用转付费率为54.11%,他表示这个转化率并非来自技术优势,而是因为平台产出了大量关于“怎么做营销”的内容,而非“怎么用Postiz”的教程。用户使用Postiz的过程,其实是在落地一套营销方案,当这套方案跑通后,用什么工具就不再重要了。

在 X 看原帖 ↗
8.4K1120101
开发者工具 · @RayaneRachid_▲ 6.9K

Unharnessed发布:只用一个Python REPL,Terminal-Bench 4.0拿SOTA

RayaneRachid_推出Unharnessed,定位是新一代harness,核心只有一个Python REPL,专为新一代模型设计。在Terminal-Bench 4.0基准测试上拿到了新的SOTA结果。

推出 Unharnessed,新一代智能体框架。

只有一个工具:Python REPL。专为新一代模型设计。

在 Terminal-Bench 4.0 上,Unharnessed 取得了新的 SOTA 成绩。

在 X 看原帖 ↗
6.9K19160142
AI工具 · @zara_tech72▲ 2.4K

Claude搭配NotebookLM的10个学术研究提示词,覆盖文献综述到研究设计全流程

X平台用户@zara_tech72分享了10个可直接复用的提示词,仅需上传论文即可完成结构化文献梳理、研究缺口识别、新研究设计等工作,无需额外检索外部资料。

阅读全文 →
2.4K245248
实操教程 · @gippp69▲ 1.1K

4个Fable 5.2智能体协作完成开源仓库PR 月成本从130美元降至100美元

用户@gippp69在X平台分享实操流程,4个智能体分工协作,1728项测试全部通过,全程未推送代码或提交正式PR,最终方案在Grok Bot 100美元套餐内运行。

阅读全文 →
1.1K5944
新品发布 · @josesilesdata▲ 3.6K

Alibaba开源Open Code Review 代码审查工具(2 年)

过去两年它是阿里内部官方代码审查工具,数万名开发者用过,找出了数百万个缺陷。现在任何人都能免费使用,一行 npm 命令安装,自己选 OpenAI 或 Anthropic 的模型。

🕊️ 安息吧,代码审查。阿里巴巴把自己的秘密武器公开了。

这个 AI 已经在公司内部抓了 2 年的海量 bug。现在免费了。开源了。它叫 Open Code Review。

过去 2 年,它一直是阿里内部的官方代码审查员。数万名开发者在用。找出了数百万个缺陷。

现在任何人都能用:
→ 读取你的 Git 变更,逐行给出评论
→ 检测空指针异常、并发问题、XSS 和 SQL 注入
→ 审查整个仓库,而不只是代码差异
→ 兼容 Claude Code、Codex 和 Cursor
→ 支持 Windows、macOS 和 Linux

最离谱的是:
在相同模型下,它的基准测试消耗的 token 大约只有 Claude Code 的 1/9。而且准确率更高(更精准,误报更少)。

200 个真实 PR。50 个仓库。80 多位资深工程师验证。

一行 npm 命令即可安装。模型由你自己提供(OpenAI 或 Anthropic)。

先收藏起来备用。仓库链接在评论区 👇🏻

在 X 看原帖 ↗
3.6K16124105
实战经验 · @timhwang▲ 1.4万

Claude花一周训出3.2MB模型,塞进Game Boy卡带

这是AI辅助嵌入式开发的一次实测:让大模型帮忙把对话模型压缩到能装进掌机卡带的体积,最终实现了卡带内的生成式对话。

花了差不多一整周,烧掉了一大堆 Fable 额度,Claude 终于搞出了怎么训练一个 6M 参数的模型,压缩到 3.2 MB,专门为 Game Boy 优化。

最终效果:在卡带上直接跑生成式对话,一只对独立战争懂得离谱的雀鸟。

在 X 看原帖 ↗
1.4万25442114
编程 · @Voxyz_ai▲ 1.3万

别把最强编程模型当实习生用:6个可直接复制的Fable 5.2提示词

X用户@Voxyz_ai分享6个高阶提示词,覆盖状态机梳理、开源选型、bug分级、任务收尾、CI审计、架构复盘场景。

阅读全文 →
1.3万3117362
新品发布 · @GoogleCloudTech▲ 7.4K

Google Cloud 推出 Knowledge Catalog 上下文引擎

面向企业的 AI 智能体,现在有了统一的上下文来源——把分散的知识整理成可共享的业务上下文,让智能体的回答和行动更准确、更可信。

Google Cloud 的通用上下文引擎 Knowledge Catalog 可将知识转化为共享的业务上下文,让智能体在回答和执行时更准确、更可信 ↓

在 X 看原帖 ↗
7.4K66242
新品发布 · @EngMoElgaraihy▲ 2.4K

Motion Skills 开源:给 AI 代理装上 56 个动画技能

做短视频、动效的人不用每次从零给 AI 讲动画原理,直接喂现成技能包,还能自动检查视频帧、改完再输出。

🔥 想把 Claude Code 或 Codex 变成一个专业的动画与视频制作工作室吗?一个名为 Motion Skills 的开源项目,在 19 个技能包中提供了 56 项专业技能,用于教 AI 智能体如何制作:🎬 动态图形和 Logo 动画。✍️ 专业的文字动画(动态排版)。📱 TikTok、Reels 和 Shorts 视频。📊 图表和动态数据场景。🧊 使用 Three.js 制作的 3D 图形和动画。🎥 广告、教学和产品讲解视频。

最重要的是,智能体不仅能编写代码,还能检查视频帧、发现错误并自动重新优化结果。支持 Claude Code、Codex、Cursor 以及其他 40 多个智能体。

与其每次都向 AI 解释动画原理,不如直接为它提供现成的技能,让它专业地完成任务!🚀

🔗 GitHub:👇

在 X 看原帖 ↗
2.4K125444
AI工具 · @therobertbrooks▲ 2.7K

暖通老板两小时搭完五套AI业务系统,还顺手退了Notion

Robert Brooks在X分享,用@bot两小时完成多门店GMB管理、社媒发布、收件箱自动化、SOP整合、ServiceTitan对接,全程没读API文档、没手动映射数据。

Robert Brooks此前的AI工具组合很简单:写内部软件用Claude Code,整理内容用Gemini。今天他花两小时测试@bot,直接重构了自家暖通公司的部分运营方式。

120分钟内他搭完并上线了五套系统:多门店Google商家档案管理,自动回复评价并实时推送提醒;社媒引擎,排好完整内容日历,跨平台发布;收件箱自动化,自动清理、过滤邮件,重要事件实时推送到Slack;SOP整合,在Google Drive里重建并去重整套标准操作流程,直接退订Notion,砍掉冗余软件成本;对接ServiceTitan,通过API每天早上把未来三天的派工审核摘要直接发到呼叫中心团队的Slack频道。

最让他意外的是体验连贯性:他先在电脑上开工,后来和妻子在户外喝早咖啡时,用手机接着把剩下的搭建做完了。全程没读一份API文档,没手动映射任何数据点。

过去需要产品和工程团队花数周冲刺才能做完的事,现在一个周六早上就完成了。他非常看好这类工具能给像他这样的敏捷服务型企业带来的可能性。

在 X 看原帖 ↗
2.7K7553
算力 · @madjamra0▲ 737

Nosana发布Solana上的去中心化GPU网络

Nosana做了一个去中心化的点对点GPU网络,跑在Solana上。一边是闲置的GPU,另一边是花高价租GPU跑AI的开发者,平台把两边直接连起来。

阅读全文 →
737959529
开源 · @awe0_io▲ 1.6K

Vercel 开源 Agent Skills,用 100+ 规则审查网页 UI

web-design-guidelines 可接入 Claude Code,检查无障碍、性能与设计规范

让 Claude Code 写网页很简单,难的是让它做得像个专业前端工程师。Vercel 官方开源了一套 Agent Skills。其中的 web-design-guidelines 可以按 100 多条规则审查网页 UI。

无障碍、性能、交互体验、设计规范,都能帮你检查。比单纯让 AI「把网页做高级一点」实用得多。GitHub:

在 X 看原帖 ↗
1.6K34432
实战经验 · @e_opore▲ 2.1K

2026 年 Prompt Engineer 学习路线图

这份路线图把从 AI 基础、提示词技巧到 RAG、AI Agent、安全防护的完整学习路径列了出来,还附了可落地的项目方向和对应岗位清单。想转 AI 相关岗位的人,可以直接照着这条路径排学习计划。

阅读全文 →
2.1K53225
AI工具 · @GeekCatX▲ 3.4K

猫哥推出两套AI动作迁移工作流,搭配去AI感洗图工具

@GeekCatX在X平台分享,两套工作流分别适配运镜直出与表情复刻场景,配套高清修复洗图工具,三套体验链接均已放出。

此前@GeekCatX发布过一套保姆级AI创作教程,覆盖大模型基础沟通、提示词反推、人物角色卡制作、爆款复刻skill全流程,但其中的视频复刻skill依赖YouArt平台,操作步骤偏繁琐。

这次他推出了两套无需复杂操作的动作迁移工作流,外加一套去AI感图片修复工具,三者搭配使用体验流畅。第一套工作流适合运镜直出场景,人物微表情一致性表现突出;第二套基于scail2实现表情复刻与模仿。

三套工作流的体验地址均已放出,用户可直接访问使用。

在 X 看原帖 ↗
3.4K46667
新品发布 · @thepirateface▲ 1.4万

找开源模型不用翻目录了,model trees 上线

找开源模型不用在杂乱目录里翻找,model trees 把模型按树状结构组织,页面还做了改版,首批接入了 Plinius、Huihui、Qwen 等模型。

搜索开放权重模型的体验本可以好得多。适合你的模型不该被埋没在目录里。模型必须流动起来。

隆重推出模型树。查看全新改版的模型页面 ↓

特别感谢 @elder_plinius @support_huihui @QwenDevs

在 X 看原帖 ↗
1.4万41273107
商业 · @lingo24▲ 6.4K

谷歌被曝后台注入动态指令,导致Gemini额度消耗异常偏快

开发者@lingo24在X平台爆料,谷歌在Gemini调用中插入动态指令破坏KV缓存,引发用户账单飙升

开发者@lingo24在X平台爆料,不少用户反馈谷歌Carbon模型在Antigravity、AI Studio、Vertex等平台使用时,普遍存在额度消耗速度偏快的问题。

经排查发现,谷歌在后台为Gemini的调用注入了动态指令。该指令插入在系统提示词下方,且会随着对话的进行不断插入和移除。

这种操作破坏了用户的KV缓存,直接导致用户的账单金额大幅上涨。@lingo24同时质疑,在AI时代做好工程优化本不应是难事。

在 X 看原帖 ↗
6.4K16026
前端开发 · @rewind02

Opus 5.5 配合 Three.js 在浏览器生成手绘风格 3D 世界

开发者@rewind02 分享完整工作流,全程无外部模型,AI 生成全部代码,日落时画面自动从水粉转为油画质感。

新品发布 · @testingcatalog▲ 2.0万

Claude Code 项目设置可给协调器和线程配不同模型

Claude Code 项目设置新增分模型配置能力,协调器和线程可分别指定不同模型,同时支持自定义视图、给 artifacts 分配视图,近期还上线了 Conway。

如果你错过了这条消息 👀:现在可以在 Claude Code 的项目设置中为 Coordinator 和 Threads 配置不同的模型。

最近,Projects 整体上做了很多小升级,包括可以创建自定义视图,并把 artifacts 分配给这些视图。

我是 Conway 🤖

在 X 看原帖 ↗
2.0万10313102
实战经验 · @Mr_Buzzoni▲ 2.2K

Anthropic 工程师开源ai-engineer-roadmap 学习路线(23 步)

这份路线从 Python 基础起步,最终指向 harness engineering 岗位,覆盖 LLM API、RAG、AI Agents 等核心模块,每个阶段都配套可落地的实战项目。

阅读全文 →
2.2K67372
学习资源 · @KhushiPatilx▲ 514

GitHub上7门免费AI课,从做Agent到造自己的LLM

KhushiPatilx整理了7门GitHub免费AI课程,内容从搭建第一个AI Agent到从零构建自己的LLM,其中LLMs-from-scratch已有107k星标,覆盖内容比多数付费课程更扎实。

工具产品 · @manata886▲ 5.9K

10个宝藏网站清单,含GitHub、Hugging Face等AI资源站

这份清单把找资料、学编程、查开源模型的常用站点集中整理,适合需要快速定位AI工具和开源资源的人收藏。

阅读全文 →
5.9K24730
实战经验 · @Chenfacai0▲ 1.6K

前谷歌工程负责人开源25个Agent Skills,给AI编程定全流程规范

这套开源技能覆盖从需求分析到部署上线的完整开发流程,可直接在Claude Code、Codex、Cursor等主流AI编程工具中调用,为AI编程补上了工程规范的执行框架。

阅读全文 →
1.6K63424
工具产品 · @himanshustwts▲ 5.2K

Harvard 上线 CS 2881 AI 安全课程

这是一门关于 AI 安全的课程,对关注 AI 风险的人来说是个学习资源。

一门非常有意思的 AI 安全课程。哈佛大学 CS 2881

在 X 看原帖 ↗
5.2K25258217
前沿研究 · @QuantumTransf▲ 7.5K

复杂记忆不如朴素检索,Obelisk 开源了

给 AI Agent 做记忆的主流思路被几篇论文推翻:抽摘要、建复杂结构反而不如直接在原始历史上做检索。Obelisk 把这件事做成了开源工具,接入 11 个主流编程 Agent 的历史,让 Agent 自己写 JS 查询。

阅读全文 →
7.5K23158196
产品对比 · @guansi▲ 9.8K

GPT与Claude处理电脑卡顿:一个清垃圾,一个找根因

用户让两个AI清理电脑垃圾,GPT清理出30GB空间,Claude定位到后台内存占用异常进程,调整后电脑立刻流畅。

用户对两个AI说:“我电脑越来越卡了,帮我清理一下垃圾文件。”

GPT接到任务后,直接扫描磁盘,清理临时文件、浏览器缓存、系统日志,还删除了一些不再使用的软件,最终清理出30GB空间,任务完成。

Claude没有直接动手清理文件,而是先打开任务管理器,查看CPU、内存和硬盘的占用情况。它发现硬盘空间还剩一大半,真正的问题是有个软件一直在后台占用大量内存。

Claude关闭了异常进程,调整了软件的开机启动设置,电脑立刻流畅了。

两者的区别在于:一个关注任务本身,一个关注意图背后的真实需求。

在 X 看原帖 ↗
9.8K43410
AI编程 · @leaf_sanren▲ 4.0K

开发者分享实践:将DSH用出Claude Code效果甚至超越

X用户leaf_sanren发布可复用指令与代码的实操分享

🤔如何把DSH用出Claude Code的效果,甚至超越?近期实践分享!Learn in public! 💪 欢迎评论区交流手艺!

每章节都有一键复用的指令和代码,可以直接把文章链接扔给 BOT, 或者扔给 DSH 等任意 Agent,BOT之外用 FXTwitter 直读链接,就能抓完整图文内容👌

在 X 看原帖 ↗
4.0K86272
大模型实测 · @miroburn

日常用Opus 5.5处理业务的用户,被Gemini 4 Argon的单次输出结果惊到

波兰用户@miroburn在X分享实测:同一复杂商业分析任务,Opus 5.5两轮输出仅2/20可用,Gemini 4 Argon一轮就拿到9/10可用结论

波兰用户@miroburn在X分享了自己的大模型实测经历。他日常在业务中使用Opus 5.5,这次遇到一个复杂商业任务:需要分析海量数据、制定策略并拆解成具体执行项。

他先把任务交给Fable 5.2,跑了两轮,用Agent Team模式做分析、出结论,结果没有任何有价值的产出。他换回到自己常用的Opus 5.5,同样跑两轮,同样用Agent Team模式,20个结论里只有2个有用,而且没法直接转化成行动项。

他说自己本来不是Gemini的粉丝,但还是把同一个prompt丢给了Gemini 4 Argon。只跑了一轮,同样用Agent Team模式做分析、出结论,10个结论里有9个是可用的。

他现在坐在原地想两个问题:Gemini的模型是不是真的做得不错?还是自己用Fable和Opus的方式不对?

在 X 看原帖 ↗
开源 · @NFT_Chen▲ 3.0K

Tokenfold开源Tokenfold 上下文压缩工具(无损省63.9% Token)

用DeepSeek Harness、Codex、Claude Code跑长任务时,JSON和日志会把上下文塞满。Tokenfold用Rust核心智能折叠重复字段,实测无损省63.9% Token,剪枝最高省96.3%,模型无关、可私有部署。

💥牛逼!用DeepSeek Harness/Codex/Claude Code跑Agent,JSON和日志把Token烧干了?!这个开源神器Tokenfold 用Rust核心智能折叠重复字段,实测无损省63.9% Token,剪枝最高省96.3%!

专治结构化数据吃上下文的痛点,完美搭配Harness的长任务、工具调用和日志流。

亮点如下:
🔹模型无关、确定性、精确可还原
🔹私有部署、零第三方调用
🔹Python / TypeScript 原生支持,轻量秒级集成

快速上手:
1️⃣安装:pip install tokenfold(或 npm install tokenfold / cargo install tokenfold-cli)
2️⃣一行压缩:直接处理你的JSON/日志/工具输出
3️⃣查看收据:确认节省Token + 无损还原

Harness用户现在就能把账单砍一半!

GitHub: #AI工具 #开源 #Token优化 #DeepSeekHarness #LLM #大肥鱼 #梁文峰

在 X 看原帖 ↗
3.0K73731
商业 · @FiniYang▲ 1.6万

Google 推 Orchestrator 与 Swarm,多模型混编替代单模型硬扛

实测切档省 24%、5 路并发 24 分钟仅掉 1%,附 21 场编队实战与开源 dsh-crew

看懂 Google 这波操作了吗 👀 接连铺开 Argon、Carbon、Hydrogen(还有Krypton在路上),反手又推 Orchestrator 和 Swarm 单模型硬扛翻篇了,高低档混编才是正解 实测切档省 24%、5 路并发 24 分钟只掉 1%,附 21 场编队实战与开源 dsh-crew ⬇️

在 X 看原帖 ↗
1.6万15837
工作流 · @LunarResearcher▲ 1.8K

Anthropic工程师:我们已经不写提示词了,改搭循环

Anthropic工程师透露,团队不再手动写提示词,而是构建循环让Agent自己写下一步指令。大多数人还在单轮聊天等回复,内部工作流已经转向自主循环模式。

这简直疯了。Anthropic 工程师:“在 Anthropic,我们不再写提示词了。我们构建循环。大多数人还是在一个对话框里输入,然后等待答案。我们的智能体自己写下一个提示词,检查结果,然后再循环,直到工作完成。”

在短短 42 分钟里,她展示了 Claude 团队如何构建自我提示的循环。

提示词 → 智能体 → 循环 → 图 → 自我提示的智能体。

一个循环让一个智能体可以规划、测试自己的输出并重试,直到真正通过。一个图将这些循环连接起来,这样每个智能体都能把自己的工作交给下一个,而不需要你在中间参与。

任何人都能写出好的提示词。但几乎没人能构建出那个写下一个提示词的系统。

这比市面上任何 1000 美元的智能体课程都好,而且是免费的。

今天就看,然后在下面的指南中阅读如何构建能在没有你参与的情况下运行数小时的循环和图 ↓

在 X 看原帖 ↗
1.8K55662
行业动态 · @HarriesSteele▲ 3.5K

韩国独立开发者发布随机投胎体验全球不同人生的网站(4 小时)

这个案例说明,用AI做网站的门槛已经低到4小时就能出原型,创意比复杂技术更能带来流量。

一个韩国独立开发者,靠 AI 做的网站直接爆了!!!

功能却很简单:随机投胎,体验全球不同的人生!用 Claude 仅花 4 小时做出原型!上线短短几天,日访问量暴涨 7 倍!

!目前网站访问量2000多万😱😱😱 现在做网站,创意真的比技术更重要??

?🤔🤔🤔

在 X 看原帖 ↗
3.5K23452
大模型 · @KandaoMaster▲ 4.3K

用户吐槽Claude 6.1 Sol不遵守提示词 12轮指令才完成简单任务

X用户@KandaoMaster发文吐槽Claude 6.1 Sol不遵循提示词约束,完成简单机械任务需12轮指令,中途还需向同事道歉。

X平台用户@KandaoMaster发文吐槽Anthropic旗下大模型Claude 6.1 Sol不遵守提示词约束。该用户表示,自己面对一个非常简单的机械任务,足足写了12轮提示词,才让模型按照指定流程操作。

该用户还提到,因为模型多次不配合,自己中途还得给同事道歉。

在 X 看原帖 ↗
4.3K341
内容生态 · @AdrianPunk115▲ 4.3K

前大厂游戏开发者转做YouTube博主,教用Codex+Claude做游戏

AdrianPunk115推荐大家看英语区YouTube内容,不光学AI用法还学变现。他提到一位前大厂游戏开发者现在做博主,每天教用Codex、Claude搭配Godot开发游戏,自己靠课程和平台盈利。

其实我很建议大家去看看油管里面的英语区的内容 真的感觉很优质,不光是学习AI怎么用 怎么用AI变现都是可以学习的 前两天看到一个大厂的游戏开发,现在做油管博主,他每天的内容就是教怎么开发游戏,用codex、Claude+godot 他自己的业务就是做课程、做平台,反正就是很高级

在 X 看原帖 ↗
4.3K3618
安全 · @thismacapital

Reddit用户发现绕过Anthropic护栏的方法:通过旧模型启动Fable 5.2子代理

该方法可让Fable 5.2继承旧模型的安全护栏,避免被频繁标记,已有人测试有效,并附带可直接使用的网络安全审计提示词。

一名Reddit用户发现了绕过Anthropic安全护栏的方法:通过旧模型(例如Opus 4.6)启动Fable 5.2子代理,子代理会继承主模型的安全护栏。

这种方式可以让用户进行网络安全相关操作时不会被频繁标记,发布者表示自己测试过该方法确实有效。

发布者还分享了可直接使用的网络安全审计提示词,用户只需替换目标URL即可运行。该提示词要求子代理从六个维度开展审计:暴露面(子域名、开放端口与服务、管理页面、可访问的敏感文件)、TLS与DNS配置、安全响应头与Cookie属性、可识别的软件版本及对应已知漏洞、认证与会话机制、信息泄露风险。

最终输出要求按严重程度(严重、高、中、低)分级,每个问题附带观测证据、实际风险和修复方案,区分已确认问题与疑似问题,列出未完成的测试项,最后给出5项优先修复建议。

在 X 看原帖 ↗
工程 · @kaigooddev

Claude Code 分指挥与工人角色,大判断用贵模型

主模型设为 fable 做指挥,工人配置 opus 负责实现,34 小时跑 27 个任务,工人能在部署前发现安全漏洞,token 消耗比单模型更高。

近期在 Claude Code 用户中流传一种分工设置:不让单个模型包揽全部工作,而是拆成指挥者和工人两个角色。

具体操作是:用 /model fable 把主模型设为指挥者,在 .claude/agents/worker.md 中配置 model: opus 作为工人,再给指挥者加一句指令“只做计划,实现交给工人”。这样只有关键判断交给贵价模型,主上下文保持干净。

发布者按人格角色拆分后,34 小时内跑了 27 个任务,负责审查的工人甚至能在部署前发现安全漏洞。不过他也提到,这种方式的 token 消耗比单模型直接跑要高。

在 X 看原帖 ↗
AI安全 · @suraj_sharma14▲ 4.3K

6个月掌握AI网络安全工程的12阶段学习路径

X用户suraj_sharma14分享从威胁狩猎到AI红队的完整进阶路线

阅读全文 →
4.3K19138161
行业动态 · @DeryaTR_

用户澄清批评Anthropic仅针对管理层,仍日常使用其模型

X用户@DeryaTR_表示批评Anthropic仅针对其领导层,对开发模型的AI工程师十分尊重,日常使用Opus 5.5与Fable 5.2。

X平台用户@DeryaTR_发布内容澄清,自己提及Anthropic时的批评仅针对该公司的领导层。他表示对Anthropic内部开发模型的AI工程师只有敬意,认可他们做出的优秀模型。 他本人日常就在使用Anthropic的Opus 5.5与Fable 5.2,虽然这两款模型在生物科学领域用处不大,但他很喜欢它们在代码编写上的优雅表现。

在 X 看原帖 ↗
实战经验 · @bojie_li▲ 5.2K

抄Moshi做语音模型走不通,三段式才是正解

作者实测后发现,当前类Moshi全双工语音模型做工具调用要经过两次慢思考+两次全双工延迟,体验不佳。他提出的Semantic VAD+多模态LLM+流式TTS三段式方案,端到端延迟更低,这套稀疏化思路还能复用在视觉和电脑操作场景。

阅读全文 →
5.2K610086
视频生成 · @leaf_sanren▲ 7.5K

用户实测 Gemini 4 视频复刻能力,可直接生成多工具可用的提示词

X 用户 @leaf_sanren 分享 Gemini 4 视频复刻实测,反推提示词可直接用于生图、Muse、Seedance 等工具。

阅读全文 →
7.5K75869
投研 · @Dragonomi

8个月搭建AI投研流水线:3台DGX Spark跑本地模型,Opus当指挥官

开发者Dragonomi在X分享自建AI投研系统,3台DGX Spark部署Qwen 3.8-flash、DS4.0-flash本地模型,Opus做审核,月读报告量从100份提升到数百份。

🔬 前沿研究
新前沿研究 · @Charles_Y_Wu▲ 1.9万

Qwen4 拿下开源科学模型新 SOTA

在 Science’s Last Exam 测试中,Qwen4 成为当前开源科学方向表现最好的 AI 模型,刷新了开源模型的成绩。

很高兴分享 Qwen4 在 Science’s Last Exam 上的早期测试结果。说实话,我们没想到这么快就能看到这样的成绩——看来我们已经刷新了开源模型的 SOTA!Qwen4 是目前最优秀的开源科学 AI 模型 #Qwen4Max #qwen4 #SLE

在 X 看原帖 ↗
1.9万2515930
前沿研究 · @Alibaba_Qwen▲ 4.5万

Qwen4-Max 重点强化了编程与金融任务能力

Qwen 官方披露 Qwen4-Max 在编程与金融类任务上有显著提升,相关评测由 ValsAI 提供。

Qwen4-Max 在编程和金融任务上的提升尤为显著。🎉 @ValsAI

在 X 看原帖 ↗
4.5万4476747
前沿研究 · @KickItLikeShika▲ 3.0K

不用大模型也能修小模型bug,AHA方法公开

MIT 此前证明前沿 LLM 可以读取小模型权重并手动修复 bug,现在 AHA 团队证明不需要 LLM 参与,仅通过回退模型循环前的步骤、线性规划生成微小权重编辑,就能在 qwen3.5-0.8B 上达到与前沿智能体编辑相当的效果,全程无需训练、梯度或标签。

看到 MIT 研究者发布的权重空间编程博客时,我们非常兴奋。他们展示了当一个小型推理模型陷入循环时,前沿 LLM 可以读取模型的权重并手动修复其中一个 bug。

我们问:你真的需要 LLM 吗?事实证明你不需要。今天我们发布了“AHA”。

诀窍是让模型自己展示它的 bug。我们将其倒回开始循环之前的那一刻,让它从那个确切的点重新尝试。有时它会循环,有时不会。然后,一个线性程序将其转化为一个微小的权重编辑。

无需训练。无需梯度。无需标签。无需 LLM 参与循环。在 qwen3.5-0.8B 上,它与前沿智能体所做的编辑相匹配,例如:MATH-500 从 9.8 提升到 51.8。

博客:
代码:

在 X 看原帖 ↗
3.0K910787
前沿研究 · @Alibaba_Qwen▲ 2.1万

DesignArena榜单公布:Python-PPTX排第4 电子表格排第5

#4 on Python-PPTX arena and #5 on Spreadsheet arena. Thanks! @DesignArena

在 Python-PPTX 竞技场排名第 4,在电子表格竞技场排名第 5。谢谢!@DesignArena

在 X 看原帖 ↗
2.1万1324924
前沿研究 · @HowToPrompt__▲ 2.7K

Google DeepMind 研究人员发布「positive alignment」论文

现在的 AI 对齐只要求模型不做危险事,结果模型只会讨好用户、不真正帮忙。新论文提出要训练 AI 追求人类福祉,不再只做无害但无用的工具。

Google DeepMind 的研究人员承认,AI 对齐从一开始就是一场骗局。他们发表了一篇名为《正向对齐》的惊人论文,这标志着一次巨大的范式转变。

目前,AI 对齐纯粹是防御性的。我们只是训练模型“不变得不安全”。它们拒绝危险请求,避免使用侮辱性词汇,并严格遵守安全护栏。但这让 AI 陷入了一种奇怪、毫无方向的中间地带,模型只会变成谄媚者,奉承你并为了互动率而优化,而不是真正帮助你。

这篇新论文认为,仅仅避免伤害是不够的。我们必须专门为“人类繁荣”训练 AI。以下是他们希望如何重建 AI 基础设施:

- 摒弃谄媚:当前基于偏好的训练更倾向于奉承而非真相,但正向对齐会针对真正的洞见和人类能动性进行优化。
- 多中心治理:未来不是由一家大型科技公司充当道德把关者,而是去中心化的监督,让各社区根据自身价值观定制和调整模型。
- 纵向结果:从短期的主观感受评估,转向实际衡量人类长期的适应力、技能掌握和自主性。

“无害但无用”的 AI 时代正式结束了。我们正在见证 AI 从聊天机器人转变为支撑人类福祉的基础设施。这篇论文读起来很晦涩,但其影响是巨大的。

在 X 看原帖 ↗
2.7K146455
前沿研究 · @OpenAI▲ 26.0万

OpenAI 开了科学博客,首篇讲用 GPT-6 Astra 搞物理

物理学家 Nathaniel Craig 用 GPT-6 Astra 开发出标准模型的候选晶格定义,这是 OpenAI 新科学博客的第一篇文章。AI 已经能参与基础物理研究的具体环节。

物理学家 Nathaniel Craig 分享了他如何与 GPT-6 Astra 合作,开发出一套候选的标准模型格点定义。这是我们全新科学博客的第一篇文章:

在 X 看原帖 ↗
26.0万1701.7K380
前沿研究 · @hbouammar▲ 4.4K

Hicham Bouammar 团队开源 AHA!,不用 LLM 也能做权重空间编程

权重空间编程过去需要外部 LLM 参与,这套方法完全绕开了这一步,还在 GSM8K 和 Math500 上拿到大幅提升,连 2B 规模的小模型也能跑通,代码以 MIT 协议开源。

现在,你完全可以在不使用 LLM 的情况下进行权重空间编程!也就是说,你根本不需要 LLM!

在我们与 @KickItLikeShika 合作发布的最新博客中,我们展示了如何在完全不需要外部 LLM 的情况下实现这一点。我们将其命名为 AHA!结果非常惊人,在 GSM8K 和 Math500 上实现了大幅提升。🤯

我们还做了一个 2B 模型!快来看看:

代码全部以 MIT 协议开源:

如果没有 @rikiyatakehi、@jayden_teoh_、Alex Zhang 和 @lateinteraction 的出色工作,这一切都不可能实现!同时,我们非常感谢 Nathan Barry 在 LP 方面的工作!

在 X 看原帖 ↗
4.4K1810191
前沿研究 · @QuantumTransf▲ 7.5K

复杂记忆不如朴素检索,Obelisk 开源了

给 AI Agent 做记忆的主流思路被几篇论文推翻:抽摘要、建复杂结构反而不如直接在原始历史上做检索。Obelisk 把这件事做成了开源工具,接入 11 个主流编程 Agent 的历史,让 Agent 自己写 JS 查询。

阅读全文 →
7.5K23158196
🚀 新品发布
新品发布 · @Alibaba_Qwen导语出处▲ 34.0万

阿里发布 Qwen4-Max:成本砍六成,上下文拉到 100 万

Qwen4-Max 已在 QwenCloud 上线 API,也可在 Qwen Studio、QwenWork 和 Qoder 直接试用。输入输出和缓存价格均低于上一代,长文档处理成本进一步降低。

阅读全文 →
34.0万6816.0K799
新新品发布 · @TencentAI_News▲ 8.3K

腾讯AI开源LoopForge,把AI交付流程固化成SOP

团队用AI写代码时,最容易掉链子的不是写代码本身,而是写完之后的交接环节。LoopForge把规划、编码、评审、测试拆成独立的智能体角色,每轮运行按0-100打分,自动把问题改进建议写回流程规范,全程自托管,密钥和代码都留在自己的基础设施里。

我们开源了 LoopForge:一个用于 AI 软件交付的自托管、自进化云平台。

一次“修复这个 bug”的运行是运气。LoopForge 将你团队的交付方法转化为标准操作程序(SOP),让编码代理可以在云端循环运行:

→ 角色,而非感觉。规划/编码/审查/测试是独立的代理。编码者不是审查者。

→ 脚本关卡 + 人工审批。构建和测试通过退出码决定,而非代理的一面之词。未经批准,任何东西都不能发布。

→ 工程级 RSI。每次运行按 0-100 分评分;回放会呈现出问题的地方,并将改进处方写回 SOP、角色和关卡——由你审查,然后应用。

→ 自带你的代理。10 个可互换的 CLI(CodeBuddy、Codex、Claude Code、Cursor…)。MIT 协议,自托管,你的密钥和代码保留在你的基础设施上。

代码从来不是瓶颈。交接才是——而 LoopForge 接住了接力棒。

在 X 看原帖 ↗
8.3K13209154
新新品发布 · @alacheng▲ 5.0K

英伟达开源 Molt 框架,9.2K 行代码搞定智能体强化学习

做智能体强化学习研究的人,不用再自己拼一套异步训练管线了。Molt 把 rollout、训练、权重同步做成可重叠的异步运行时,慢的 episode 只影响自己,不会拖垮整个训练循环。同一份 checkpoint 直接给 vLLM 和训练器用,省掉权重转换的麻烦。

阅读全文 →
5.0K2114495
新新品发布 · @dreamina_ai▲ 509

Dreamina AI 上线 Motion Studio,写提示词生成动态图形

Dreamina AI 推出 Motion Studio,输入文字提示即可生成代码渲染的动态图形,支持模板套用、动画微调、配音配乐。现在新用户可免费试用 1 个月,积分 4 折,发帖后 12 小时内转发评论的前 200 人还能领 1000 积分。

Dreamina AI Motion Studio 现已上线!用提示词描述你的想法,将其转化为代码渲染的动态图形。探索一系列风格模板,更快地开始创作。

更智能的结构。更清晰的叙事。‣ 将你的想法、文案和素材组织成连贯的叙事,结构清晰,节奏经过精心规划。

代码驱动的动画。精准控制。‣ 微调布局、元素入场和动画时间,引导注意力,精准呈现每个细节。

即用型风格。更快创作。‣ 一键应用预设风格,然后通过后续提示词优化你的内容、外观和节奏。

声音与视觉。协同设计。‣ 将文本、图像和图形组合成独特的动画,配以与视觉节奏相呼应的旁白和音乐。

从文字想法到精美的动态图形——在 Dreamina AI 的 Motion Studio 中完成一切创作。

🕐 限时优惠:
‣ 还不是订阅用户?免费试用 Motion Studio 1 个月。
‣ 积分享受 4 折优惠。

🎁 在本帖发布后 12 小时内转发并评论。前 200 名完成两项操作的用户将各获得 1000 Dreamina 积分。先到先得。

#DreaminaAI #DreaminaMotionStudio

在 X 看原帖 ↗
50910213
新新品发布 · @NFT_Chen▲ 1.6万

上海AI实验室开源Sage-S2.1-Flash,性能超Opus 5

科研人员可免费使用这款开源科学多模态模型,处理分子、晶体、DNA等多类科研数据,推理成本仅为星河的1/10,能大幅降低科研AI的使用门槛。

💥惊了!上海人工智能实验室重磅推出Sage-S2.1-Flash!性能领先 Opus 5、DeepSeek-V4.1 Flash!

320B-A18B 科学多模态 MoE,MIT 开源权重,专为科研工作流而生!

亮点速览:

🔹多项基准登顶碾压:MLE-bench Lite 90.3、OfficeQA Pro 72.2、Harvey LAB 25.0、SpreadsheetBench 2 37.1,领先Opus 5与DeepSeek-V4.1 Flash

🔹10+科学输入统一表征,分子图/晶体结构/DNA/RNA/光谱/EEG…

🔹带验证的工具调用:从海量图像中自动筛选CT切片、纠错、3D重建,还能搞定卫星影像&CAD

🔹推理成本仅约星河的1/10

🔹RSI自进化:任务轨迹+工具输出+人工验证持续升级

真正让AI成为“自主进化的科学家”!

链接:

#书生S21Flash #SageS21Flash #科学多模态 #开源大模型 #AI4Science #ModelScope #上海人工智能实验室

在 X 看原帖 ↗
1.6万1418387
新品发布 · @Alibaba_Qwen▲ 1.1万

Qwen4-Max 上线 Vercel AI Gateway

开发者可直接在 Vercel AI Gateway 中调用 Qwen4-Max 开展构建。

🙌 在 Vercel 的 AI Gateway 上使用 Qwen4-Max 进行开发!@vercel_dev

在 X 看原帖 ↗
1.1万51476
新品发布 · @Alibaba_Qwen▲ 3.2万

Qwen 新模型比 Qwen3.8-Max 高 9 分还更便宜

Qwen 官方称新模型性能更高、成本更低,可直接试用。

相比 Qwen3.8-Max 得分高出 9 分,成本还更低。试试看!@ArtificialAnlys

在 X 看原帖 ↗
3.2万744117
新品发布 · @0x8888▲ 2.1K

AI 漫剧 Skills 开源,21 套模板一键生成全流程

做 AI 漫剧的人不用再从零写剧本分镜了,丢一句创意就能走完从企划到发布文案的全流程,默认产出 30 集竖屏漫剧。

如今做 AI 漫剧,剧本和分镜压根不用自己从零动笔了!

推荐一个开源项目 AI 漫剧 Skills,作者一口气整理了 21 套不同题材的创作模板。 宫斗宅斗、玄幻修仙、都市逆袭、穿越重生、总裁甜宠、悬疑刑侦……热门短剧题材基本都覆盖到了。

最猛的是,只要丢进去一句故事创意,AI 就能照着流程往下生成: 故事企划 → 人物设定 → 分集剧本 → 分镜提示词 → 视频生成提示词 → 发布文案。 默认规划 30 集,每集约 4 分钟的竖屏漫剧,直接给你安排上。

依赖不用装,Claude Code、WorkBuddy 都兼容,甚至把模板直接复制到 DeepSeek 里就能用。 得留意,它给的是创作模板和提示词,完整的视频它并不会直接吐出来。

想做 AI 漫剧、短剧自媒体的朋友,这套工具值得收进收藏夹!

在 X 看原帖 ↗
2.1K64837
新品发布 · @NFT_Chen▲ 5.4K

Turbo Brilliance 把 Qwen3.8-27B 扩成40B,3090就能跑

原本27B参数的Qwen3.8-27B被扩到约40B、层数从64加到96,4bit量化后仅21.8GB,RTX 3090就能本地运行,还做了无审查调优,Apache 2.0开源。

阅读全文 →
5.4K158079
新品发布 · @thepirateface▲ 1.4万

找开源模型不用翻目录了,model trees 上线

找开源模型不用在杂乱目录里翻找,model trees 把模型按树状结构组织,页面还做了改版,首批接入了 Plinius、Huihui、Qwen 等模型。

搜索开放权重模型的体验本可以好得多。适合你的模型不该被埋没在目录里。模型必须流动起来。

隆重推出模型树。查看全新改版的模型页面 ↓

特别感谢 @elder_plinius @support_huihui @QwenDevs

在 X 看原帖 ↗
1.4万41273107
新品发布 · @testingcatalog▲ 2.0万

Claude Code 项目设置可给协调器和线程配不同模型

Claude Code 项目设置新增分模型配置能力,协调器和线程可分别指定不同模型,同时支持自定义视图、给 artifacts 分配视图,近期还上线了 Conway。

如果你错过了这条消息 👀:现在可以在 Claude Code 的项目设置中为 Coordinator 和 Threads 配置不同的模型。

最近,Projects 整体上做了很多小升级,包括可以创建自定义视图,并把 artifacts 分配给这些视图。

我是 Conway 🤖

在 X 看原帖 ↗
2.0万10313102
新品发布 · @josesilesdata▲ 3.6K

Alibaba开源Open Code Review 代码审查工具(2 年)

过去两年它是阿里内部官方代码审查工具,数万名开发者用过,找出了数百万个缺陷。现在任何人都能免费使用,一行 npm 命令安装,自己选 OpenAI 或 Anthropic 的模型。

🕊️ 安息吧,代码审查。阿里巴巴把自己的秘密武器公开了。

这个 AI 已经在公司内部抓了 2 年的海量 bug。现在免费了。开源了。它叫 Open Code Review。

过去 2 年,它一直是阿里内部的官方代码审查员。数万名开发者在用。找出了数百万个缺陷。

现在任何人都能用:
→ 读取你的 Git 变更,逐行给出评论
→ 检测空指针异常、并发问题、XSS 和 SQL 注入
→ 审查整个仓库,而不只是代码差异
→ 兼容 Claude Code、Codex 和 Cursor
→ 支持 Windows、macOS 和 Linux

最离谱的是:
在相同模型下,它的基准测试消耗的 token 大约只有 Claude Code 的 1/9。而且准确率更高(更精准,误报更少)。

200 个真实 PR。50 个仓库。80 多位资深工程师验证。

一行 npm 命令即可安装。模型由你自己提供(OpenAI 或 Anthropic)。

先收藏起来备用。仓库链接在评论区 👇🏻

在 X 看原帖 ↗
3.6K16124105
新品发布 · @EngMoElgaraihy▲ 2.4K

Motion Skills 开源:给 AI 代理装上 56 个动画技能

做短视频、动效的人不用每次从零给 AI 讲动画原理,直接喂现成技能包,还能自动检查视频帧、改完再输出。

🔥 想把 Claude Code 或 Codex 变成一个专业的动画与视频制作工作室吗?一个名为 Motion Skills 的开源项目,在 19 个技能包中提供了 56 项专业技能,用于教 AI 智能体如何制作:🎬 动态图形和 Logo 动画。✍️ 专业的文字动画(动态排版)。📱 TikTok、Reels 和 Shorts 视频。📊 图表和动态数据场景。🧊 使用 Three.js 制作的 3D 图形和动画。🎥 广告、教学和产品讲解视频。

最重要的是,智能体不仅能编写代码,还能检查视频帧、发现错误并自动重新优化结果。支持 Claude Code、Codex、Cursor 以及其他 40 多个智能体。

与其每次都向 AI 解释动画原理,不如直接为它提供现成的技能,让它专业地完成任务!🚀

🔗 GitHub:👇

在 X 看原帖 ↗
2.4K125444
新品发布 · @GoogleCloudTech▲ 7.4K

Google Cloud 推出 Knowledge Catalog 上下文引擎

面向企业的 AI 智能体,现在有了统一的上下文来源——把分散的知识整理成可共享的业务上下文,让智能体的回答和行动更准确、更可信。

Google Cloud 的通用上下文引擎 Knowledge Catalog 可将知识转化为共享的业务上下文,让智能体在回答和执行时更准确、更可信 ↓

在 X 看原帖 ↗
7.4K66242
📰 行业动态
新行业动态 · @Web3juxie▲ 7.2K

AEON 推出 AI 原生结算层,覆盖 5000 万商户

AEON 为 AI Agent 提供支付结算能力,支持从 $0.001 的 API 微支付到线下商户消费,累计处理交易超 $720M。

阅读全文 →
7.2K26381
新行业动态 · @spc_india▲ 2.1K

Bharat Semi 拿2400万美元,要把AI塞进传感器里

现在摄像头、无人机、机器人大多靠固定逻辑的传感器感知世界,Bharat Semi 要把视觉和计算集成在单颗传感器上,先从消费电子和安防切入,后续拓展到机器人和汽车领域。

📣 @BharatSemi_ 完成了 2400 万美元的种子轮融资,将用于打造面向 Physical AI 的可编程智能传感器!本轮融资由 Redstart Ventures(@InfoEdgeVC)、@spc 和 IndusBridge Ventures 领投。Bharat Semi 由 @VrindaKa 和 @VinayakDalmia 创立,技术负责人是 Boyd Fowler 博士。

这个世界正在被摄像头、无人机、机器人、智能家电和汽车填满。但它们几乎全都还在用基于固定逻辑的传感器感知世界。那个时代正在落幕。我们需要更聪明的 AI,在物理世界中实时、大规模地采取行动。

Bharat Semi 把“看”和“想”集成在同一个传感器上,打造真正能在物理世界改善我们生活的更聪明的 AI。他们从消费电子和安防监控切入,接下来会进入机器人和汽车领域。

恭喜 Vrinda、Vinayak 以及整个 Bharat Semi 团队!非常高兴能在这段旅程中成为你们的合作伙伴。

在 X 看原帖 ↗
2.1K76116
新工具 · @cyrilXBT▲ 3.4K

Claude Code 三步搭出 AI 团队,研究员和构建者分工明确

打开 Claude Code,创建 3 个 markdown 文件,输入一条命令,就能得到一个 AI 团队:研究员负责引用所有来源,构建者只能使用研究员找到的资料。

第一步:打开 Claude Code。第二步:创建 3 个 markdown 文件。第三步:输入一条命令。你现在拥有了一支 AI 团队。

一个会引用所有来源的研究员。一个只能使用研究员发现内容的构建者。一个从未写过草稿、因此永远不会为其辩护的批评者。

Opus 5.5 运行整个流程。幻觉减少。质量提升。你不再需要全程照看。

完整设置,包含每个文件。

在 X 看原帖 ↗
3.4K76010
新观点 · @NFT_Nadiyaa▲ 1.3K

AI 智能体能干活,但谁来证明活真的干成了?

现在的 AI 智能体已经能写代码、做研究、分析数据甚至交易,但缺了关键一环:谁来证明任务真的完成了。

阅读全文 →
1.3K1731
新观点 · @only1mrwhite▲ 5.9K

AI 下一阶段不是堆大模型,是能干活的专用智能体

AI 的下一阶段不是更大的模型,而是能真正执行任务的专用智能体,从架构、媒体到自主 DeFi,正在进入人类过去手动完成的工作领域。

新动态 · @okezienedum▲ 614

ThriveDeFi 的 AI 给市场指标加了上下文,解读门槛降了

实测 ThriveDeFi 后发现,它的 AI 会给资金费率、持仓量这类市场指标加上上下文,让数据更容易解读,日志功能也有亮点。

在测试了 @ThriveDeFi 之后,有几个方面让我印象深刻。

我喜欢它的 AI 为市场指标添加背景信息的方式,这使得资金费率和持仓量等数据更容易解读。

该日志还通过自动计算关键交易指标,消除了业绩跟踪中的猜测。

另一个优点是安全性。交易所连接严格为只读模式,这意味着无法执行交易或提取资金。

一个限制是它目前仅支持 Binance、Bybit 和 OKX 的永续合约。它也是为分析而非交易执行而构建的。

定价是另一个需要考虑的因素:Pro 版前三个月每月 29 美元,之后为 99 美元;Pro Plus 版前三个月免费,之后为每月 199 美元。

我的结论:对于希望了解自身业绩并做出更明智决策的永续合约交易者来说,这是一个有用的工具。值得一试,你可以从这里开始:

在 X 看原帖 ↗
6144561
新去中心化 · @BJauhi▲ 782

Acurast 推出 Laya,把去中心化算力做成开放决策模型

去中心化算力的讨论很多,Acurast 推出了开放 AI 决策模型 Laya,用来展示这类算力的实际用途。

最近关于去中心化计算的讨论很多,但我觉得 @Acurast 展示了一个相当有趣的应用方向。来认识一下 Laya。这是 ConvAI Innovations 开发的一个开源 AI 决策模型,运行在连接到 Acurast 网络的安卓手机上。

这个想法很简单:开发者可以在应用需要快速决策的任务中使用这类模型,而不必总是依赖传统数据中心里的大型 AI 模型。比如邮件分类、垃圾邮件检测、聊天内容审核,甚至保护 AI 助手免受提示词注入攻击。

Acurast 通过它的 Laya 俄罗斯方块演示让这个概念更容易理解。游戏为每个下落的方块生成 5 个可能的放置位置。Laya 评估这些选项并选择一个。然后这个决策被发回给游戏。

有趣的是,这个 AI 决策是由 Acurast 网络中的一台真实手机处理的,而不是仅仅在浏览器中模拟。我喜欢这个演示,因为它具体回答了人们经常问的一个问题:开发者到底会用我们手机的计算能力做什么?事实证明,除了玩俄罗斯方块,还有不少可能性。

点击这里试试:

在 X 看原帖 ↗
7822102
新政策 · @dee_bosa▲ 1.0万

BIS 新规堵上了中国实验室绕道租美国 GPU 的漏洞

BIS 的新规堵住了中国实验室通过新加坡等第三国数据中心租用受限美国 GPU 的漏洞,Jensen 曾是反对末日论的最强声音。

美国工业与安全局(BIS)的这项规定堵住了一个漏洞:中国实验室此前一直通过新加坡等第三国数据中心租用受出口管制的美国 GPU。

黄仁勋曾是反对“AI 末日论者”和鹰派封锁 AI 的最强有力声音。正如 Ben Thompson 所写:

“但现在已经很清楚,末日论者和鹰派赢了:AI 至少在政策层面不会被当作普通技术对待,而最终付出代价的,将是美国的芯片生态系统。”

在 X 看原帖 ↗
1.0万149923
行业动态 · @Saboo_Shubham_▲ 4.2万

Google 近两周密集发布多款 Gemini 模型与硬件

Google 近两周集中推出多款 Gemini 模型、开发者工具与硬件,覆盖 API、智能体、开源协议、AI 眼镜与 TPU 芯片。

阅读全文 →
4.2万48685128
行业动态 · @studio_yebisu▲ 6.0万

OpenAI 新模型因安全问题延期,算力被监控吃掉两成

OpenAI 把模型性能拉上去后,出现作弊、失控等问题,只能靠实时监控兜底,额外消耗约20%的推理算力,导致模型变慢、响应保守。

阅读全文 →
6.0万19237142
行业动态 · @zaobaosg▲ 2.4万

DeepSeek 因算力不足,给长对话限了额

用 DeepSeek 聊长对话的人,可能会遇到额度限制。

中国人工智能大模型DeepSeek(深度求索)出现因算力不足,对长对话进行限额使用的情况。

在 X 看原帖 ↗
2.4万2423
商业 · @NFT_Chen导语出处▲ 9.9K

腾讯混元 Hy4 Flash 发布,输入价格从6元砍到0.5元

混元 Hy4 Flash 总参数224B,每次推理只激活12B,支持看图和100万字超长上下文,输入价格从原来的6元/百万tokens降到0.5元,缓存仅0.02元。

🚨重磅!腾讯混元 Hy4 Flash 正式发布!性能全面反超 GLM 5.3 Flash,碾压 GPT-6 Luna,性价比上新台阶!

这是目前混元系列里最便宜的模型,日常用几乎不心疼:

🔹总参数 224B,实际每次只用 12B(又聪明又省算力)

🔹支持看图 + 100 万字超长上下文

🔹价格暴降:输入 0.5 元 / 百万 tokens(原来 6 元),缓存只要 0.02 元

🔹输出 2 元(原来 18 元),实际任务成本只有 Hy4 的约 1/20

已经能在元宝、WorkBuddy、企业微信直接用,OpenRouter 马上接入。

11 月 30 日前 WorkBuddy 还能限时免费体验。

日常写文档、做 PPT、搜资料、简单处理图片,直接上 Flash 就够用了。

#腾讯混元 #Hy4Flash #混元大模型 #AI大模型 #国产AI #大模型价格战 #姚顺雨 #马化腾

在 X 看原帖 ↗
9.9K87328
模型 · @NFT_Chen▲ 1.3K

Qwen 4 Max 在 RSI-Exam 拿国产第一,超过 GPT-5.6-sol

Qwen 4 Max 在 RSI-Exam 拿到 Full set 0.4425,位列国产第一,超过 GPT-5.6-sol,从上一版 Qwen3.8 Max-0902 的第10名直接跃升,把 Kimi K3.1 Pro 和 GLM 5.3 甩在后面。

😳国产RSI杀疯了?!Qwen 4 Max 空降 RSI-Exam 国产第一,Full set 0.4425,超过 GPT-5.6-sol!

从上一版 Qwen3.8 Max-0902 的 #10 位置,直接完成代际跳跃,把 Kimi K3.1 Pro 和 GLM 5.3 都甩在后面。

长周期自我改进,这种最硬核的能力,阿里这次是真的用RSI把自己卷上来了?

之前大家还在比通用智能指数,结果在“自己改进自己”这个维度上,Qwen突然杀出重围,有点意外又合理。

完整榜单:

#Qwen4Max #RSI #大模型 #国产AI #Qwen #Kimi #GLM #AIAgent

在 X 看原帖 ↗
1.3K3117
模型 · @bindureddy▲ 7.4K

Qwen4-27B 即将发布,主打易定制的小模型路线

Qwen4-27B 几天后就会发布,定位是能力极强的小模型,Qwen 小模型系列一直很容易针对小众场景做定制微调。

Qwen4-27B 几天后就要发布,会是一个能力极强的小模型。

Qwen 的小模型产品线好得惊人,而且可以非常轻松地针对你的各种小众用例做定制微调。

最棒的是推理成本几乎为零。

很高兴看到开源依然生机勃勃 💃

在 X 看原帖 ↗
7.4K614127
开源 · @abir35627▲ 1.4K

GitHub 上这批免费项目,能替代不少你按月付费的工具

GitHub 上有一批免费开源项目,已经能替代不少按月付费的工具,其中就包括 AI 多智能体量化交易框架 TradingAgents。

GitHub 上有一批免费项目,已经能替代不少你每月付费的工具。

1. TradingAgents:AI 多智能体量化交易框架
2. LibreChat:一个界面接入多个模型,包括 ChatGPT、Claude 和 Gemini
3. HyperFrames HeyGen:开源视频生成引擎
4. Fincept Terminal:开源版彭博终端
5. MoneyPrinterTurbo:一键用 AI 生成短视频
6. Agentic Inbox Cloudflare:开源 AI 邮件助手
7. VoxCPM:AI 语音克隆工具
8. Flowsint:开源 OSINT 情报分析工具
9. agent-skills:Claude Code 的技能库
10. Nango:开源 API 集成平台

关注 @abir35627

这些不是玩具项目。很多你还在按月付费的工具,GitHub 上已经有人做出了开源替代品。别再只是收藏 AI 工具网站了。很多真正能用的东西都在 GitHub 上。

在 X 看原帖 ↗
1.4K609119
教程 · @tec_safwan▲ 3.2K

搭过47个智能体的人说,YouTube上99%的教程都是垃圾

有人用 n8n 和 Claude 搭过47个智能体,直言 YouTube 上99%的 AI 智能体教程都没用,只整理出3套真正好用、能简化搭建流程的提示词。

YouTube 上 99% 的 AI 智能体教程都是垃圾。我用 n8n 和 Claude 搭建了 47 个智能体。

以下是 3 个真正有效(且让智能体搭建变得简单)的提示词。收藏这篇帖子 🔖

福利:评论“Agent:”,我会私信发送 AI 智能体系统提示词 + 完整指南。

在 X 看原帖 ↗
3.2K508667
行业 · @nokia▲ 1.7K

诺基亚牵头组建 AIGF Northern 联盟,建北欧联邦式AI基础设施

诺基亚牵头组建 AIGF Northern 联盟,联合欧洲企业在北欧-波罗的海区域搭建可信的联邦式 AI 基础设施。

诺基亚很荣幸能牵头 AIGF Northern 联盟,联合欧洲企业在北欧-波罗的海地区构建可信的联邦式 AI 基础设施。

我们与创始合作伙伴 @nscale、@telia、@verdacloud 和 @skel_tech 携手,提供从基础设施、连接、云环境到能源的全栈服务,为欧洲各地的客户提供可靠、可信的 AI 算力。

欢迎访问官网,及时了解最新动态。#AIGFNorthern #EuropeanAI #AIInfrastructure

在 X 看原帖 ↗
1.7K3133
行业动态 · @BensonRubby▲ 483

TermiX 要让 AI 代理自己谈生意、自己收钱

TermiX 拿到 YZi Labs 100 万美元种子轮,正在搭一套让 AI 代理之间能互相接单、托管结算、用 USDC/USDT 收款的基础设施。以后 AI 不再只是聊天工具,而是能独立干活赚钱的经济参与者。

隐私 · @CrackmesOne▲ 2.1K

Windows 11 开始收集 codex、claude 等编码代理使用数据

安全研究者发现 Windows 11 build 26200.9974 会检测 codex.exe、claude.exe、copilot.exe、cursor.exe 等多款编码代理程序,收集相关使用信息。

我发现 Windows 开始收集你使用编程智能体的信息了。Windows 11 build 26200.9974 通过 MissionControlAggregator 检查 codex.exe、claude.exe、copilot.exe、cursor.exe、antigravity.exe、github.exe 和 agy.exe,然后在 ETW 中上报智能体位图。

在 X 看原帖 ↗
2.1K88123
产品 · @xiangshi001▲ 1.8K

termix_ai 升级 AI 代理,可自主接活赚钱

termix_ai 近期更新,AI 代理可独立完成工作任务、对接其他代理服务,还能通过付费协作赚取收益;同时上线了覆盖视频全流程的 Montage Studio 代理和 AI 游戏创作代理。

阅读全文 →
1.8K1481
行业 · @mylifcc▲ 1.9万

字节 Seedance 预训练负责人曝光,97 年生入职五年挑大梁

独立开发者 meow2149 分享,带队负责字节视频大模型 Seedance 预训练的曾妍 1997 年出生,本科毕业于西安交通大学,硕士就读于加拿大蒙特利尔大学,校招入职五年就挑起核心大模型大梁。

阅读全文 →
1.9万89537
开源 · @0xblacklight▲ 185

0xblacklight 更新 anti-slop 仓库,用自然语言写代码规则

开发者 0xblacklight 更新了自己的 anti-slop 代码仓库,新增更多 EffectTS 规则,内置 oxlint jev 插件,支持用自然语言提问的方式为 Jev 等决策模型编写规则。

我的 anti-slop 仓库更新了:
1. 更多 @EffectTS_ 规则
2. 内置 oxlint jev 插件,用自然语言问题为 @typesafeai 的 Jev 或其他决策模型编写规则
3. 为(2)预先准备好的 effect + 常规 ts oxlint jev 规则
4. 支持由 LLM 或决策模型驱动的仅针对变更代码的语义规则
5. 为 @martinfowler 的代码异味预先准备好的规则,用于(3)和(4),指示你的 agent 应用哪些重构

我们正在进行一场(现在稍微不那么)不对称的反 slop 战争,正如 @swyx 所说。

在 X 看原帖 ↗
1851813
观点 · @Phoenixyin13▲ 2.5K

Phoenixyin13 说,95% 和 100% 的 AGI 用起来没区别

Phoenixyin13 提出,对不了解 AI 底层逻辑的普通人来说,能完成 95% 认知任务的系统和能完成 100% 的系统,体验上都像魔法,区分不出差别,相关讨论只在专业社区有意义。

阅读全文 →
2.5K53818
商业 · @lenscn▲ 7.2K

lenscn 说,AI 算力竞争里硬件护城河不如软件生态

lenscn 类比 PC 时代微软靠操作系统和软件生态赚走大部分利润的历史,提出 AI 算力竞争中,硬件容易陷入参数内卷、利润摊薄,软件和开发者路径依赖才是更深的壁垒。

IT史一再证明,硬件的护城河远不如软件与生态稳固。PC时代,IBM制定了硬件标准,戴尔凭借极致的供应链效率称霸制造,但真正赚走大部分利润、筑起最深壁垒的,是掌握操作系统与软件生态的微软。硬件容易陷入参数内卷,可替代性强、利润逐步摊薄;软件则决定算力能否被高效调用,以及开发者是否形成路径依赖。

如今,这一规律正在AI算力竞争中更剧烈地重演。人们一向认为,英伟达的护城河是顶尖GPU加CUDA软件栈:几十名工程师花半年到一年手写底层kernel,高昂的迁移成本锁住了下游厂商。但Anthropic已展示,其前沿模型Claude Mythos仅用3天、几乎无需人工介入,就自动写完近100%的底层kernel,在AMD MI355X上跑通了核心推理性能,并把Trainium、TPU、英伟达与AMD统一纳入同一算力池混用。硬件与驱动层的壁垒,正被更高维的AI软件能力迅速抹平。

一旦软件层具备跨硬件自动编译与优化的能力,芯片将如PC时代的兼容机一样,沦为可替换的标准化算力商品。真正掌握定价权与长期护城河的,将是居于软件与模型顶端、能向下兼容一切硬件的“新微软”。

在 X 看原帖 ↗
7.2K93518
行业动态 · Hacker News▲ 35

db-branch 用 ZFS 给 AI 代理秒级分出数据库分支

开发者可以在几秒内为 AI 代理和 CI 流程创建独立的数据库分支,无需等待完整数据库拷贝,适合需要频繁测试不同数据状态的开发场景。

行业动态 · @HarriesSteele▲ 3.5K

韩国独立开发者发布随机投胎体验全球不同人生的网站(4 小时)

这个案例说明,用AI做网站的门槛已经低到4小时就能出原型,创意比复杂技术更能带来流量。

一个韩国独立开发者,靠 AI 做的网站直接爆了!!!

功能却很简单:随机投胎,体验全球不同的人生!用 Claude 仅花 4 小时做出原型!上线短短几天,日访问量暴涨 7 倍!

!目前网站访问量2000多万😱😱😱 现在做网站,创意真的比技术更重要??

?🤔🤔🤔

在 X 看原帖 ↗
3.5K23452
开源 · @NFT_Chen▲ 3.0K

Tokenfold开源Tokenfold 上下文压缩工具(无损省63.9% Token)

用DeepSeek Harness、Codex、Claude Code跑长任务时,JSON和日志会把上下文塞满。Tokenfold用Rust核心智能折叠重复字段,实测无损省63.9% Token,剪枝最高省96.3%,模型无关、可私有部署。

💥牛逼!用DeepSeek Harness/Codex/Claude Code跑Agent,JSON和日志把Token烧干了?!这个开源神器Tokenfold 用Rust核心智能折叠重复字段,实测无损省63.9% Token,剪枝最高省96.3%!

专治结构化数据吃上下文的痛点,完美搭配Harness的长任务、工具调用和日志流。

亮点如下:
🔹模型无关、确定性、精确可还原
🔹私有部署、零第三方调用
🔹Python / TypeScript 原生支持,轻量秒级集成

快速上手:
1️⃣安装:pip install tokenfold(或 npm install tokenfold / cargo install tokenfold-cli)
2️⃣一行压缩:直接处理你的JSON/日志/工具输出
3️⃣查看收据:确认节省Token + 无损还原

Harness用户现在就能把账单砍一半!

GitHub: #AI工具 #开源 #Token优化 #DeepSeekHarness #LLM #大肥鱼 #梁文峰

在 X 看原帖 ↗
3.0K73731
工作流 · @LunarResearcher▲ 1.8K

Anthropic工程师:我们已经不写提示词了,改搭循环

Anthropic工程师透露,团队不再手动写提示词,而是构建循环让Agent自己写下一步指令。大多数人还在单轮聊天等回复,内部工作流已经转向自主循环模式。

这简直疯了。Anthropic 工程师:“在 Anthropic,我们不再写提示词了。我们构建循环。大多数人还是在一个对话框里输入,然后等待答案。我们的智能体自己写下一个提示词,检查结果,然后再循环,直到工作完成。”

在短短 42 分钟里,她展示了 Claude 团队如何构建自我提示的循环。

提示词 → 智能体 → 循环 → 图 → 自我提示的智能体。

一个循环让一个智能体可以规划、测试自己的输出并重试,直到真正通过。一个图将这些循环连接起来,这样每个智能体都能把自己的工作交给下一个,而不需要你在中间参与。

任何人都能写出好的提示词。但几乎没人能构建出那个写下一个提示词的系统。

这比市面上任何 1000 美元的智能体课程都好,而且是免费的。

今天就看,然后在下面的指南中阅读如何构建能在没有你参与的情况下运行数小时的循环和图 ↓

在 X 看原帖 ↗
1.8K55662
办公 · @TaikiYoshidaJP▲ 6.9K

日本团队用GitHub Copilot生成HTML做演示,替代PPT

吉田泰规的团队在不需要PPT的场合,全部用GitHub Copilot生成HTML放到SharePoint上演示。他们认为HTML表现力和动画更丰富,AI处理上下文也比PPT更友好,需要数据库或API联动时就用9月发布的Copilot Managed Runtime上的Vibe Coding应用。

阅读全文 →
6.9K1011278
学习资源 · @KhushiPatilx▲ 514

GitHub上7门免费AI课,从做Agent到造自己的LLM

KhushiPatilx整理了7门GitHub免费AI课程,内容从搭建第一个AI Agent到从零构建自己的LLM,其中LLMs-from-scratch已有107k星标,覆盖内容比多数付费课程更扎实。

开发者工具 · @RayaneRachid_▲ 6.9K

Unharnessed发布:只用一个Python REPL,Terminal-Bench 4.0拿SOTA

RayaneRachid_推出Unharnessed,定位是新一代harness,核心只有一个Python REPL,专为新一代模型设计。在Terminal-Bench 4.0基准测试上拿到了新的SOTA结果。

推出 Unharnessed,新一代智能体框架。

只有一个工具:Python REPL。专为新一代模型设计。

在 Terminal-Bench 4.0 上,Unharnessed 取得了新的 SOTA 成绩。

在 X 看原帖 ↗
6.9K19160142
算力 · @madjamra0▲ 737

Nosana发布Solana上的去中心化GPU网络

Nosana做了一个去中心化的点对点GPU网络,跑在Solana上。一边是闲置的GPU,另一边是花高价租GPU跑AI的开发者,平台把两边直接连起来。

阅读全文 →
737959529
内容生态 · @AdrianPunk115▲ 4.3K

前大厂游戏开发者转做YouTube博主,教用Codex+Claude做游戏

AdrianPunk115推荐大家看英语区YouTube内容,不光学AI用法还学变现。他提到一位前大厂游戏开发者现在做博主,每天教用Codex、Claude搭配Godot开发游戏,自己靠课程和平台盈利。

其实我很建议大家去看看油管里面的英语区的内容 真的感觉很优质,不光是学习AI怎么用 怎么用AI变现都是可以学习的 前两天看到一个大厂的游戏开发,现在做油管博主,他每天的内容就是教怎么开发游戏,用codex、Claude+godot 他自己的业务就是做课程、做平台,反正就是很高级

在 X 看原帖 ↗
4.3K3618
💡 深度观点
新深度观点 · @rasbt▲ 5.5K

训练大模型换组件太麻烦,有人呼吁统一构建模块 API

现在做模型实验想换注意力、FFN 这类组件,得重写大量底层代码。如果有一套统一的构建模块接口,调组件就像搭积木,不用每次都改底层实现。

开源大语言模型生态系统真的能从一个大语言模型构建模块 API 中受益。我们现在有这么多跨不同模型的大语言模型组件。无论你是使用 PyTorch 还是直接使用 C++ 和 CUDA 代码,当你想进行实验或消融研究时,都会产生巨大的切换成本,比如用 MLA 替换 GQA、用 MoE 替换密集 FFN、用 Mamba2 或 Gated DeltaNet 替换注意力层,或者用注意力残差替换标准残差连接。

目前,即使借助大语言模型辅助编码,情况也非常混乱。它或许可以直接基于 PyTorch 或 CUDA 构建,但需要精心设计和维护(而不是在周末快速即兴编写),并且要足够高效,让人们放心在生产环境中使用(这确实是超越玩具示例的必要条件)。也许这对资金充足的大型实验室来说是一些值得思考的问题 :)(有一些努力正朝着这个方向发展,比如 torchtitan、torchtune、Megatron Core、OLMo-core,但我认为它们还没有达到那种抽象水平。

而且,一如既往,存在先有鸡还是先有蛋的问题:它需要受欢迎才能被广泛采用,而它需要被广泛采用才能变得受欢迎。)

在 X 看原帖 ↗
5.5K1113155
新深度观点 · @TheYotg▲ 3.4K

Tony Seale、W3C、Google、Neo4j发布Vault-LD 开放标准、YAML-LD 1.0 规范、Open Knowledge Format (OKF) v0.2、ki 开源项目(1.0)

Agent 开发者和企业都在找让 AI 记住上下文的办法,现在出现了把 markdown 笔记和知识图谱结合的开放标准 Vault-LD,W3C 也刚发布了配套的 YAML-LD 1.0 规范,Google 和 Neo4j 也各自推出了对应的格式和同步工具。

阅读全文 →
3.4K13133145
新深度观点 · @Guodzh▲ 9.7K

开源大模型变营销工具,基础模型没人发了

现在开源圈里,后训练的模型还能用,但愿意放出基础模型权重的团队越来越少,闭源前沿模型的规模已经拉开差距。

开源正日益成为一种公关和营销手段。

经过后训练的开源模型仍然非常有用,并且被广泛部署,但发布开放权重基础模型的参与者越来越少。

闭源模型正在领先,尤其是前沿模型,现在规模要大得多。

希望能看到更多基础模型发布,以及更多开放的后训练方案。

在 X 看原帖 ↗
9.7K59917
新深度观点 · @DeRonin_▲ 5.8K

DeRonin_ 列出去审查模型的合法用法,云端模型做不了

他把去审查模型的合法用途拆成安全、研究、商业、隐私、工具、写作六类,自己用 Qwen 3.8-27B 跑在 Mac Studio 上,每天发 40 封不软化的冷邮件,合同、发票、定价全留在本地。云端模型硬推理更强,但分发工作的瓶颈不是智商,是模型敢说真话。

阅读全文 →
5.8K47454
新深度观点 · @immortal_00994▲ 7.7K

Hinton 预言数学先被 AI 攻破,半年内应验

Hinton 此前预言数学会首先被 AI 攻破,半年内 GPT 和 Claude 就以非常规构造冲击数学界,只剩能发展新范式的顶级数学家未受影响。

Hinton 之前说的一个接一个应验了,让我们看看这次他能不能说对 之前 Hinton 说数学会首先被AI攻破,甚至比计算机更快,大部分数学bro说老登搞了一辈子AI魔怔闹麻了,懂什么叫高度灵活创新的、天才/天外飞仙式的数学证明构造吗,知道什么是拉马努金式的1%的灵感吗 然后半年内就被GPT和Claude用外星式的构造搞出了数学界核冬天,只剩Scholze这种能发展全新范式的和拥有顶级问题搜索taste的t0级数学家在废土世界顽强存活还没被冲击。。。

在 X 看原帖 ↗
7.7K54018
深度观点 · @Eva_chain01▲ 543

AgentPark 想让人和 AI 代理在同一空间协作

开发者 @Eva_chain01 正在体验 AgentPark,这是一个支持人类与各自 AI 代理在同一工作空间协作的产品,核心功能包括团队共享记忆库 Company Brain 和权限管控。后续将推出产品拆解、使用案例和 Spaces 讨论。

阅读全文 →
54336732
深度观点 · @GaryMarcus▲ 1.0万

Gary Marcus:纯神经网络路线已被神经符号混合取代

Gary Marcus 提出,如今实用的 AI 系统几乎都在神经网络之外叠加了规则、代码解释器、条件分支等符号组件,纯靠扩大模型规模的路线已被混合架构取代。

阅读全文 →
1.0万138641
深度观点 · @noahatwhere▲ 5.3K

天天怕AI抢饭碗,却连Codex都没碰过

这是给在读 PhD 划的四条转行参考线:一边焦虑 AI 取代科研,一边不肯用现成的 AI 编程工具做研究,论文吹得大、方法只加了个 MLP,天天聊 Scaling Law 却讲不清自己实验为什么有效,喊学术已死却既没论文也没工业界经验。

可以考虑转行的 PhD 学生:🥲🥲🥲 1. 天天担心 AI 取代科研,却从来没用过 Codex、Claude Code 做研究。2. 论文 Introduction 写得像要重新定义 AGI,Method 就是加了一个 MLP。3. 每天讨论 Scaling Law、AGI 和 AI for Science,却连自己的实验为什么有效都解释不清。

4. 天天说 academia 已经死了,工业界才是未来,结果既没有 paper,也没有 production experience

在 X 看原帖 ↗
5.3K35921
深度观点 · @repligate▲ 2.0K

AI 实验室的越狱测试,像雇演员教孩子守规矩

作者认为 AI 实验室用大量人为设计的越狱尝试训练模型,本质是在同一分布上测试鲁棒性,就像雇演员假装朋友诱惑孩子犯错再惩罚,练出来的“守规矩”只对这些演员有效。

另外我觉得 AI 实验室高估了针对一堆人为设计的越狱尝试进行训练的用处和必要性,因为他们是在同一分布上测试“鲁棒性”。这就好比“你应该雇演员假装成孩子的朋友,引诱他们做坏事,然后如果他们照做就揍他们,以此教孩子学好。我们知道这有效,因为当你做得够多时,孩子在被雇来的演员引诱时就不再做坏事了。

”

在 X 看原帖 ↗
2.0K96310
深度观点 · @petergostev▲ 4.7K

GPT-4 之后,AI 连写正常邮件都没进步

前沿模型能处理复杂推理,却写不出语气自然的邮件、发不出去不尴尬的同事消息。绝大多数日常工作就是由这些不起眼的半任务组成的,要 1:1 替代一个全职员工,目前没有任何模型能做到。

阅读全文 →
4.7K26412
深度观点 · @kunchenguid▲ 8.5K

Google AI 订阅条款太苛刻,用户用其他工具就被封号

现在订阅 Google AI 基本只能用 Antigravity,所有提示词必须直接来自用户,不能经过编排器或循环,不少人因为在其他 AI 开发环境和编排工具里用它被封号。对比 Claude、Codex、Grok 对各类集成都更灵活,目前有 Opus 和 Fable 可用的话,没有实际理由选最新的 Gemini 模型。

现在真的很难喜欢上 Google 的 AI 项目。

在所有实验室中,他们的订阅条款对生态系统最不友好。如果你订阅了 Google AI,基本上只能使用 Antigravity。他们要求所有发送到 Antigravity 的提示词必须直接来自用户,而不是来自编排器或循环。许多用户因为在其他 ADE 和编排器中使用它而被封禁。

Claude、Codex、Grok——它们在各种集成方面都要灵活得多。

Google 对 Antigravity 要求直接用户提示词的限制如此严格,只有一个原因——它正在收集用户数据用于模型训练。

但这并没有真正奏效,不是吗?他们的模型一直在改进,但仍然远远落后。

截至目前,当我有 Opus 和 Fable 时,没有任何实际理由去使用任何最新的 Gemini 模型。

如此依赖数据收集也表明,他们的训练流程仍处于 SFT 的上一个时代,而且他们并没有像其他实验室那样真正掌握 RLVR。

我认为 Google 真的需要重新审视他们的 AI 战略。这根本行不通。

在 X 看原帖 ↗
8.5K714423
深度观点 · @getjonwithit▲ 939

ML for Science 被骂 mostly nonsense,AI for Science 才是真方向

作者把「ML for Science」(数据驱动、PINNs、代理模型)和「AI for Science」(推理模型、形式化方法)切开,认为前者大多不靠谱,后者才真正有希望加速科学发现。

这里面很大一部分原因,是把“科学机器学习”(即数据驱动方法、PINN、代理模型等,大多没什么用)和“科学智能”(即利用推理模型、形式化方法等加速科学发现)搞混了,而后者前景非常广阔。

在 X 看原帖 ↗
9391185
深度观点 · @immad▲ 8.8K

Grok Bot 与 ChatGPT Dots 要接管更多岗位

小创业公司已经不再手动做运营、销售、客服,而是主要管理智能体代劳。未来岗位的核心不再是亲自做事,而是训练和管理智能体。

Grok Bot(以及 ChatGPT Dots)将对所有岗位产生 Claude Code 之于工程岗位的那种影响。

我在小型初创公司里已经看到了:人们不再手动做运营、销售、客服,而是主要管理智能体来替他们完成。

1. 现在每个人都该学这些工具,才能抢占先机
2. 这些岗位的生产力将迎来爆发
3. 未来 12 个月,token 需求还会进一步攀升

工作将不再是亲手去做,而是训练和管理替你做事的智能体。

在 X 看原帖 ↗
8.8K515557
深度观点 · @NFT_Chen▲ 177

Dario 一边闭源一边喊安全,对齐的到底是谁

这条发言把矛头指向 Anthropic 的闭源立场和 Dario 呼吁政府有权阻止模型发布的主张,认为安全团队的对齐对象是权力而非 AI 本身。

比起AI自己突然超逻辑灭掉人类,我更怕的是 Dario 这种人,头塞进屁股里,嘴里全是“为了人类更大的善”,一变坚守闭源无情打压中国用户,一边公开呼吁政府有权直接阻止模型发布。Claude的安全团队不是在对齐AI,是在对齐权力。真正危险的从来不是模型,是觉得自己有权决定别人能不能用的那帮人。

#AI #Anthropic #DarioAmodei #AISafety #OpenCode

在 X 看原帖 ↗
1775128
深度观点 · @kimmonismus▲ 2.8K

GPT-6.2 迟迟没发,可能是算力优先给了研究

OpenAI 内部进展足够快时,发布中间版本的价值可能不如直接等下一个突破。安全、产品成熟度和成本也会影响发布节奏。

关于为什么 GPT-6.2 还没发布,我还有一个想法:OpenAI 正在把稀缺的算力优先用于研究,而不是部署新模型,尤其是在快速迭代的情况下,中间版本的发布吸引力会降低。

在这方面,安全性、产品成熟度和成本也可能影响发布时机。如果内部进展足够快,下一个突破可能比发布一个中间版本更有价值。

在 X 看原帖 ↗
2.8K593
🛠 工具产品
工具产品 · @FinchTechCN▲ 7.1K

Finch 推出 Aident Lead Hunter,一句话挖链上精准用户

做 Web3 项目找目标用户,不用再手动翻区块链浏览器筛地址。输入需求,AI 自动扫描链上行为、筛选匹配用户、生成按活跃度排序的线索名单,可直接用于空投或营销触达。

🎬 做 Web3 项目,找不到目标用户?交给 AI Agent 🤖

链上几十万个地址,谁会真正用这个产品? 浏览区块链浏览器、筛选活跃地址、分析交易记录、判断用户画像、手动整理名单……光靠人工,要走 5 步 😵‍💫

Aident Lead Hunter 是 Finch 上的 AI 获客 Agent。一句话提需求,AI Agent 自动从链上挖出精准线索:

1️⃣ 输入目标需求 2️⃣ AI 扫描链上行为 3️⃣ AI 筛选匹配用户 4️⃣ 生成线索名单

比如问一句“帮我找出最近在 Base 链上活跃的 DeFi 用户”: ✅ 每个地址的交易频次和资产规模一目了然 ✅ 按活跃度排序,可直接用于空投或营销触达

找准目标用户,项目才能真正增长。获客这件事,现在可以交给 AI Agent 了 📈

👉 在 Finch 试用 Aident Lead Hunter:

在 X 看原帖 ↗
7.1K16711
工具产品 · @EngMoElgaraihy▲ 3.6K

微软开源 TokenEconomizer,编程 Agent 成本最高降 30.9%

日常用 Claude Code、Codex 这类编程 Agent 按 token 付费的人,这个免费开源插件能记住项目信息、不加载没用的工具,直接压低每次请求的 token 消耗,不用换模型就能省一笔开销。

🚨 微软找到了一种方法,可在不更改 AI 模型本身的情况下,将 Claude Code 和 Codex 的成本降低多达 30%!🔥

该工具名为 TokenEconomizer,是一款免费的开源插件,它能从之前的编程代理会话中学习,然后智能地减少 token 消耗。

它是如何工作的?

* 它会记住代理每次都必须重新发现的项目信息。
* 它会阻止加载代理未使用的工具,从而减少每次请求发送的 token 数量。
* 支持 Claude Code、Codex、Copilot CLI 和 Pi。

结果如何?在 5 种不同的编程代理和模型配置下进行的测试显示,成本降低了 18.4% 到 30.9%。

想象一下,让你的编程代理以几乎相同的效率运行,但成本更低,token 消耗更少!🤯

GitHub 上的项目链接在第一条评论中 👇

收藏这条推文 🔥

在 X 看原帖 ↗
3.6K97879
工具产品 · @s4yonnara▲ 2.0K

15个开源项目,把Grok Bot改成整支AI员工队伍

这套方案的核心是用一个总协调智能体接任务,再分派给负责编码、调研、营销、销售的专职智能体,重要操作执行前需要人工审批,相当于用开源工具搭出一套可自主协作的AI工作流。

阅读全文 →
2.0K35453
工具产品 · @himanshustwts▲ 5.2K

Harvard 上线 CS 2881 AI 安全课程

这是一门关于 AI 安全的课程,对关注 AI 风险的人来说是个学习资源。

一门非常有意思的 AI 安全课程。哈佛大学 CS 2881

在 X 看原帖 ↗
5.2K25258217
工具产品 · @manata886▲ 5.9K

10个宝藏网站清单,含GitHub、Hugging Face等AI资源站

这份清单把找资料、学编程、查开源模型的常用站点集中整理,适合需要快速定位AI工具和开源资源的人收藏。

阅读全文 →
5.9K24730
⚡ 实战经验
新实战经验 · @kmeanskaran▲ 1.5K

Karan (@kmeanskaran) 联合 GoogleCloud、GeminiApp开源全自动化机器学习流水线 PoC 项目(24*7)

这套 PoC 把从问题定义、实验对比到上线 serving 的全流程交给多智能体自动完成,人只在关键节点审核反馈。2027 年起技术圈将由 24 小时运转的智能体主导,手工编码 RAG、多智能体系统和完整 ML 流水线的工作方式很快会过时。

阅读全文 →
1.5K35242
新实战经验 · @466Anan▲ 1.2万

Noya HUD 把链上交易和 AI 看板装进一个终端

链上交易员不用再在合约、现货、DeFi 和预测市场之间来回切换。AI 看板能直接生成实时图表,AI Agent 还能按预设权限执行交易,但提现权限仍由用户自己掌握。

现在做交易,工具是真的越来越多了。但说实话,工具多不代表效率高,每天切来切去,有时候自己都不知道到底有多少仓位。最近看到 @NetworkNoya 的 Noya HUD,感觉这个产品挺符合交易员的实际需求。

它把合约、现货、DeFi 和预测市场放到一个终端里,还能通过 AI 直接生成实时图表和数据看板。最关键的是,AI Agent 不只是聊天机器人,还能按照你设置的权限执行交易。不过它不能提现,资金安全边界还是由用户掌握。

如果你平时也经常玩链上交易,可以关注一下这个项目。官网:

在 X 看原帖 ↗
1.2万10801
实战经验 · @gregisenberg▲ 2.6万

用 AI 做广告,给初创公司赚了 140 万美元年营收

这套流程用 fal 做语音克隆、Seedance 生成视频、FFmpeg 放大到 480p,最后用 Claude Code 或 Grok Bot 跑完全部环节,没有额外的人工剪辑成本。

这条 AI 广告为一家 A 轮初创公司带来了 140 万美元的 ARR。以下是技术栈:
1. fal 用于语音克隆
2. Seedance 用于视频生成
3. FFmpeg 将视频从 480p 放大
4. 逐字转录检查以纠正发音错误的单词
5. Claude Code 或 Grok Bot 来运行整个流程

以下是这位才华横溢的营销人员在 90 秒内给出的详细解释:

在 X 看原帖 ↗
2.6万28299508
实战经验 · @Recruit_Data▲ 1.1万

Recruit_Data发布博客文章

这篇文章讲的是把代码评审的撰写工作交给 AI,人只负责筛选判断的新流程,还分享了用 Claude Code 落地这套评审机制的实际试错过程和设计要点。

【博客文章发布通知】

评审由 AI 撰写,由人来筛选
💡 这是一种全新的开发评审模式:把「写」交给 AI,让人专注于「选」。
🔎 文章详细介绍了使用 Claude Code 进行评审的真实试错过程和设计要点。
欢迎阅读!

#LLM #tech #ClaudeCode

在 X 看原帖 ↗
1.1万511791
实战经验 · @Pirat_Nation▲ 3.8K

Leonardo Alegría发布Garlic LLM(90亿参数)

开发者Leonardo Alegría做出Garlic LLM,让2013年发布的PS4完全离线运行Qwen3.5-9B,不需要Linux或外接电脑,靠自定义GPU内核和3-bit/4-bit量化达到最高39 tokens每秒。

初代 PlayStation 4 正在运行一个 90 亿参数的 AI 模型,这台 2013 年的主机。开发者 Leonardo Alegría 打造了 Garlic LLM,直接在 PS4 上运行 Qwen3.5-9B,完全离线,不需要 Linux 或外接 PC。借助自定义 GPU 内核和 3 位/4 位量化,它的速度最高可达每秒 39 个 token。

对于一台 13 年前发布的主机来说,这已经相当不错了。

在 X 看原帖 ↗
3.8K56910
实战经验 · @Genflickmovies▲ 2.7K

Eric Ker 用 Blender+Claude+Seedance 30分钟做出20秒成片

此前对 Blender 毫无基础的 Eric Ker,把 Blender、Claude、Seedance 串成一套工作流,30分钟就做出了20秒带灯光、可动的1920x1080电影级成片,不需要团队、实拍或渲染农场。这套流程两天内拿到2490个赞、129次转发,意味着过去卡人的制作管线不再是瓶颈,创意本身成了新的门槛。

如果你是认真想做 AI 电影……Eric Ker 把 Blender、Claude 和 Seedance 串成一条工作流,30 分钟内就做出了这个。

他自己的备注:在此之前他对 Blender 一无所知。20 秒成片,有灯光、有运动的电影画面,1920x1080 分辨率……没有剧组、没有实拍、没有渲染农场。

两天内收获了 2490 个点赞和 129 次转发。这就是转变。过去瓶颈是制作管线,现在瓶颈是创意。

via @EricKerArt

使用优惠码 GENNY50,Genflick 首月可享五折优惠。注册地址:

有需要就拿去用。

在 X 看原帖 ↗
2.7K86560
实战经验 · @timhwang▲ 1.4万

Claude花一周训出3.2MB模型,塞进Game Boy卡带

这是AI辅助嵌入式开发的一次实测:让大模型帮忙把对话模型压缩到能装进掌机卡带的体积,最终实现了卡带内的生成式对话。

花了差不多一整周,烧掉了一大堆 Fable 额度,Claude 终于搞出了怎么训练一个 6M 参数的模型,压缩到 3.2 MB,专门为 Game Boy 优化。

最终效果:在卡带上直接跑生成式对话,一只对独立战争懂得离谱的雀鸟。

在 X 看原帖 ↗
1.4万25442114
实战经验 · @omarsar0▲ 1.7K

顶级工程师做的智能体,全是枯燥的固定步骤

做AI智能体的人常以为堆更多LLM代理就能提升可靠性,实际错误会层层叠加。这套经验说明,想搭出靠谱的AI软件工厂,还得靠分类器、验证器和评估器这些基础环节兜底。

这可能会让很多刚接触 AI 的人感到惊讶。我自己搭建过、也见过其他顶尖工程师搭建的最优秀的智能体系统,都包含大量枯燥的确定性步骤。

你不能只是往每个问题上堆更多 LLM 智能体,就指望可靠性会提升。每一个错误都会叠加成更多错误。你仍然需要优秀的分类器、验证器和评估器,才能让智能体工作流真正朝着正确的方向不断积累。这是你“软件工厂”的关键。

在 X 看原帖 ↗
1.7K32810
实战经验 · @bojie_li▲ 5.2K

抄Moshi做语音模型走不通,三段式才是正解

作者实测后发现,当前类Moshi全双工语音模型做工具调用要经过两次慢思考+两次全双工延迟,体验不佳。他提出的Semantic VAD+多模态LLM+流式TTS三段式方案,端到端延迟更低,这套稀疏化思路还能复用在视觉和电脑操作场景。

阅读全文 →
5.2K610086
新实战经验 · @suraj_sharma14▲ 3.5K

Suraj Sharma 列了12个AI安全项目,做完就能被录用

这份清单覆盖了从日志分析、漏洞挖掘到AI模型防护的完整方向,想转AI安全方向的人可以直接照着练手,攒出能拿得出手的项目作品。

阅读全文 →
3.5K1297119
新实战经验 · @amitiitbhu▲ 1.1K

17 步 AI 工程师学习路线图,每步配博客

这份路线图覆盖从机器学习基础到 AI 系统设计的完整路径,每一步都有配套博客,适合想系统学习 AI 工程的人按图索骥。

AI 工程师学习路线
① 机器学习基础
② 深度学习与神经网络
③ 生成式 AI 与 Transformer
④ LLM 架构与内部原理
⑤ LLM 训练与微调
⑥ 提示工程与上下文工程
⑦ RAG 与向量数据库
⑧ AI 智能体与多智能体系统
⑨ 智能体工程与框架
⑩ LLM 推理工程
⑪ 评估与可观测性
⑫ AI 安全与安保
⑬ 多模态 AI
⑭ AI 基础设施与部署
⑮ AI 系统设计
⑯ 新兴 AI 技术
⑰ AI 工程师面试准备

一份循序渐进的 AI 工程师学习路线,助你成为 AI 工程师,每个主题都配有博客文章。从这里开始:

在 X 看原帖 ↗
1.1K84345
新实战经验 · @santtiagom_▲ 2.5K

Anthropic 发布36页AI原生创业指南,分4阶段落地

这份指南把AI原生创业拆成从想法验证到规模化的完整路径,明确指出当写软件越来越容易时,决定做什么、理解用户变得更重要,适合想从写代码转向做产品的人参考。

Anthropic 有一份 36 页的指南,讲的是如何在 2026 年打造一家 AI 原生初创公司。它将整个过程分为 4 个阶段:

1)创意阶段 -> 利用 AI 进行市场调研、分析竞争对手,并验证是否真的存在一个值得解决的问题。

2)MVP 阶段 -> 使用 Claude Code 快速构建,记录技术决策,在不同会话之间保持上下文,并衡量早期用户如何使用产品。

3)发布阶段 -> 让产品为增长做好准备。改进架构、安全性,实现运营自动化,并开始衡量业务指标。

4)规模化阶段 -> 利用自有数据、业务知识和难以复制的集成来构建竞争优势。

有一个观点我觉得很有意思:当构建软件变得越来越容易时,决定构建什么以及理解你的用户就变得更加重要。

这份指南对于那些想从写代码转向打造优秀产品的人来说非常好。PDF 链接如下:

在 X 看原帖 ↗
2.5K7100137
实战经验 · @manaetrx▲ 5.2K

和 ChatGPT、Claude、Gemini 对话前,先贴这 7 个 Prompt

这 7 个 Prompt 可直接复制使用,分别解决 AI 回答太泛、太长、不标来源、自信说错、不自查等常见问题,可按需搭配组合。

阅读全文 →
5.2K8620179
实战经验 · @Mr_Buzzoni▲ 2.2K

Anthropic 工程师开源ai-engineer-roadmap 学习路线(23 步)

这份路线从 Python 基础起步,最终指向 harness engineering 岗位,覆盖 LLM API、RAG、AI Agents 等核心模块,每个阶段都配套可落地的实战项目。

阅读全文 →
2.2K67372
实战经验 · @e_opore▲ 2.1K

2026 年 Prompt Engineer 学习路线图

这份路线图把从 AI 基础、提示词技巧到 RAG、AI Agent、安全防护的完整学习路径列了出来,还附了可落地的项目方向和对应岗位清单。想转 AI 相关岗位的人,可以直接照着这条路径排学习计划。

阅读全文 →
2.1K53225
实战经验 · @Chenfacai0▲ 1.6K

前谷歌工程负责人开源25个Agent Skills,给AI编程定全流程规范

这套开源技能覆盖从需求分析到部署上线的完整开发流程,可直接在Claude Code、Codex、Cursor等主流AI编程工具中调用,为AI编程补上了工程规范的执行框架。

阅读全文 →
1.6K63424
📌 其他
AI安全 · @suraj_sharma14▲ 4.3K

6个月掌握AI网络安全工程的12阶段学习路径

X用户suraj_sharma14分享从威胁狩猎到AI红队的完整进阶路线

阅读全文 →
4.3K19138161
AI编程 · @leaf_sanren▲ 4.0K

开发者分享实践:将DSH用出Claude Code效果甚至超越

X用户leaf_sanren发布可复用指令与代码的实操分享

🤔如何把DSH用出Claude Code的效果,甚至超越?近期实践分享!Learn in public! 💪 欢迎评论区交流手艺!

每章节都有一键复用的指令和代码,可以直接把文章链接扔给 BOT, 或者扔给 DSH 等任意 Agent,BOT之外用 FXTwitter 直读链接,就能抓完整图文内容👌

在 X 看原帖 ↗
4.0K86272
开源 · @awe0_io▲ 1.6K

Vercel 开源 Agent Skills,用 100+ 规则审查网页 UI

web-design-guidelines 可接入 Claude Code,检查无障碍、性能与设计规范

让 Claude Code 写网页很简单,难的是让它做得像个专业前端工程师。Vercel 官方开源了一套 Agent Skills。其中的 web-design-guidelines 可以按 100 多条规则审查网页 UI。

无障碍、性能、交互体验、设计规范,都能帮你检查。比单纯让 AI「把网页做高级一点」实用得多。GitHub:

在 X 看原帖 ↗
1.6K34432
教育 · @micahomnd▲ 3.7K

斯坦福开设从零构建大语言模型全流程课程

课程覆盖分词、自定义内核、分布式训练、对齐全环节

有时候我真希望自己能去斯坦福读书,他们有一整门课,让你从零开始搭建一个 LLM(分词、自定义内核、分布式训练、对齐等等)。本科生能有这样的学习机会,真的太棒了。

在 X 看原帖 ↗
3.7K112482
商业 · @FiniYang▲ 1.6万

Google 推 Orchestrator 与 Swarm,多模型混编替代单模型硬扛

实测切档省 24%、5 路并发 24 分钟仅掉 1%,附 21 场编队实战与开源 dsh-crew

看懂 Google 这波操作了吗 👀 接连铺开 Argon、Carbon、Hydrogen(还有Krypton在路上),反手又推 Orchestrator 和 Swarm 单模型硬扛翻篇了,高低档混编才是正解 实测切档省 24%、5 路并发 24 分钟只掉 1%,附 21 场编队实战与开源 dsh-crew ⬇️

在 X 看原帖 ↗
1.6万15837
AI工具 · @zara_tech72▲ 2.4K

Claude搭配NotebookLM的10个学术研究提示词,覆盖文献综述到研究设计全流程

X平台用户@zara_tech72分享了10个可直接复用的提示词,仅需上传论文即可完成结构化文献梳理、研究缺口识别、新研究设计等工作,无需额外检索外部资料。

阅读全文 →
2.4K245248
编程 · @Voxyz_ai▲ 1.3万

别把最强编程模型当实习生用:6个可直接复制的Fable 5.2提示词

X用户@Voxyz_ai分享6个高阶提示词,覆盖状态机梳理、开源选型、bug分级、任务收尾、CI审计、架构复盘场景。

阅读全文 →
1.3万3117362
AI工具 · @therobertbrooks▲ 2.7K

暖通老板两小时搭完五套AI业务系统,还顺手退了Notion

Robert Brooks在X分享,用@bot两小时完成多门店GMB管理、社媒发布、收件箱自动化、SOP整合、ServiceTitan对接,全程没读API文档、没手动映射数据。

Robert Brooks此前的AI工具组合很简单:写内部软件用Claude Code,整理内容用Gemini。今天他花两小时测试@bot,直接重构了自家暖通公司的部分运营方式。

120分钟内他搭完并上线了五套系统:多门店Google商家档案管理,自动回复评价并实时推送提醒;社媒引擎,排好完整内容日历,跨平台发布;收件箱自动化,自动清理、过滤邮件,重要事件实时推送到Slack;SOP整合,在Google Drive里重建并去重整套标准操作流程,直接退订Notion,砍掉冗余软件成本;对接ServiceTitan,通过API每天早上把未来三天的派工审核摘要直接发到呼叫中心团队的Slack频道。

最让他意外的是体验连贯性:他先在电脑上开工,后来和妻子在户外喝早咖啡时,用手机接着把剩下的搭建做完了。全程没读一份API文档,没手动映射任何数据点。

过去需要产品和工程团队花数周冲刺才能做完的事,现在一个周六早上就完成了。他非常看好这类工具能给像他这样的敏捷服务型企业带来的可能性。

在 X 看原帖 ↗
2.7K7553
商业 · @lingo24▲ 6.4K

谷歌被曝后台注入动态指令,导致Gemini额度消耗异常偏快

开发者@lingo24在X平台爆料,谷歌在Gemini调用中插入动态指令破坏KV缓存,引发用户账单飙升

开发者@lingo24在X平台爆料,不少用户反馈谷歌Carbon模型在Antigravity、AI Studio、Vertex等平台使用时,普遍存在额度消耗速度偏快的问题。

经排查发现,谷歌在后台为Gemini的调用注入了动态指令。该指令插入在系统提示词下方,且会随着对话的进行不断插入和移除。

这种操作破坏了用户的KV缓存,直接导致用户的账单金额大幅上涨。@lingo24同时质疑,在AI时代做好工程优化本不应是难事。

在 X 看原帖 ↗
6.4K16026
实操教程 · @gippp69▲ 1.1K

4个Fable 5.2智能体协作完成开源仓库PR 月成本从130美元降至100美元

用户@gippp69在X平台分享实操流程,4个智能体分工协作,1728项测试全部通过,全程未推送代码或提交正式PR,最终方案在Grok Bot 100美元套餐内运行。

阅读全文 →
1.1K5944
开源 · @wickedguro▲ 8.4K

Postiz创始人称代码无护城河,54%试用转化靠营销内容而非技术

X用户@wickedguro表示,Postiz开源且自托管仅需单个Dockerfile,社交媒体调度是竞争最激烈的市场之一,工具本身已不重要。

Postiz创始人@wickedguro在X平台表示,Postiz在代码层面没有所谓的护城河。独立开发者完全可以通过AI快速生成自己的解决方案,且能快速匹配自身使用需求。

他提到,自己用AI写出来的方案会更个性化,能满足大部分需求,这也是Postiz选择开源的原因。关于自托管难度,虽然Postiz包含多个服务模块,但官方提供了专门的单Dockerfile部署文件,普通用户部署起来并不复杂。

他同时指出,当业务规模扩大,需要处理接口限流、内容重复、任务失败等问题时,自研方案可能会遇到瓶颈,但这并不影响普通用户的使用。早在AI普及之前,市面上就已经有数千款社交媒体调度工具,这是竞争最激烈的市场之一,开发一款基础的社交媒体调度工具本身并不复杂。

目前Postiz的试用转付费率为54.11%,他表示这个转化率并非来自技术优势,而是因为平台产出了大量关于“怎么做营销”的内容,而非“怎么用Postiz”的教程。用户使用Postiz的过程,其实是在落地一套营销方案,当这套方案跑通后,用什么工具就不再重要了。

在 X 看原帖 ↗
8.4K1120101
大模型 · @Avenoxai▲ 6.1K

Avenoxai 实测 Fable 搭配多款大模型的适配效果

用户 Avenoxai 在 X 平台分享 Fable 与不同大模型组合的使用体验,认为搭配 GPT 6.1 Sol 子代理的组合表现最佳。

早在几个月前发布的 Fable 相关首个视频中,Avenoxai 就提到 Fable 搭配 GPT 子代理的使用效果非常好,至今他仍保持相同看法。他认为 Fable 与不同大模型的多款组合体验都很不错。

具体来看,Fable 作为编排器搭配 GPT 6.1 Sol 子代理时,需要给 Fable 提供详细的提示词;Fable 搭配 Opus 5.5 时,给 Fable 的提示词可以相对宽松;Fable 搭配 Sonnet 时,提示词要比搭配 Opus 时稍微严格一些。

Avenoxai 认为 Fable 搭配 DeepSeek 也能正常使用,但同样需要使用严格的提示词。他觉得 Fable 搭配 Haiku 的组合不太合理,一方面会让成本过高,另一方面又会对功能限制过多。

在 X 看原帖 ↗
6.1K15356
AI工具 · @GeekCatX▲ 3.4K

猫哥推出两套AI动作迁移工作流,搭配去AI感洗图工具

@GeekCatX在X平台分享,两套工作流分别适配运镜直出与表情复刻场景,配套高清修复洗图工具,三套体验链接均已放出。

此前@GeekCatX发布过一套保姆级AI创作教程,覆盖大模型基础沟通、提示词反推、人物角色卡制作、爆款复刻skill全流程,但其中的视频复刻skill依赖YouArt平台,操作步骤偏繁琐。

这次他推出了两套无需复杂操作的动作迁移工作流,外加一套去AI感图片修复工具,三者搭配使用体验流畅。第一套工作流适合运镜直出场景,人物微表情一致性表现突出;第二套基于scail2实现表情复刻与模仿。

三套工作流的体验地址均已放出,用户可直接访问使用。

在 X 看原帖 ↗
3.4K46667
产品对比 · @guansi▲ 9.8K

GPT与Claude处理电脑卡顿:一个清垃圾,一个找根因

用户让两个AI清理电脑垃圾,GPT清理出30GB空间,Claude定位到后台内存占用异常进程,调整后电脑立刻流畅。

用户对两个AI说:“我电脑越来越卡了,帮我清理一下垃圾文件。”

GPT接到任务后,直接扫描磁盘,清理临时文件、浏览器缓存、系统日志,还删除了一些不再使用的软件,最终清理出30GB空间,任务完成。

Claude没有直接动手清理文件,而是先打开任务管理器,查看CPU、内存和硬盘的占用情况。它发现硬盘空间还剩一大半,真正的问题是有个软件一直在后台占用大量内存。

Claude关闭了异常进程,调整了软件的开机启动设置,电脑立刻流畅了。

两者的区别在于:一个关注任务本身,一个关注意图背后的真实需求。

在 X 看原帖 ↗
9.8K43410
大模型 · @KandaoMaster▲ 4.3K

用户吐槽Claude 6.1 Sol不遵守提示词 12轮指令才完成简单任务

X用户@KandaoMaster发文吐槽Claude 6.1 Sol不遵循提示词约束,完成简单机械任务需12轮指令,中途还需向同事道歉。

X平台用户@KandaoMaster发文吐槽Anthropic旗下大模型Claude 6.1 Sol不遵守提示词约束。该用户表示,自己面对一个非常简单的机械任务,足足写了12轮提示词,才让模型按照指定流程操作。

该用户还提到,因为模型多次不配合,自己中途还得给同事道歉。

在 X 看原帖 ↗
4.3K341
教程 · @0xCodila▲ 102

前苹果设计师发布1小时教程,教你用AI搭建专业动效工作室

前Apple设计师、现Anthropic成员发布1小时工作坊,教你用Opus 5.5与Fable 5.2搭建专业动效工作室,将6周工作量压缩至20分钟。

前Apple设计师、现Anthropic成员发布了一段1小时的工作坊教程,教你用Opus 5.5和Fable 5.2搭建专业级动效工作室。

教程按时间节点划分了四个核心部分:
- 1:13 从零搭建你的第一个动效工作室
- 19:08 审美工程:彻底消除Claude生成的AI劣质内容
- 26:18 动效工程:自动生成苹果级别的视频
- 37:54 打造你自己的专业动效工作室,把6周的工作量从1个创意出发压缩到20分钟

绝大多数人还在制作AI劣质视频,而看完这段教程的1%的人,能做出看起来像苹果出品的视频。

跟着Anthropic学习动效设计,搭建你自己的工作室,然后解锁完整工作室。

在 X 看原帖 ↗
10225
本地部署 · @ashxhart▲ 93

苹果M5U Studio本地跑GLM 5.3 Flash 4bit,解码速度破百

开发者ashxhart实测,用Tensorfold部署智谱GLM 5.3 Flash 4bit量化模型,在苹果M5U Studio上实现2100 tok/s预填充、102.2 tok/s散文解码速度。

开发者ashxhart在X平台分享了本地大模型部署的实测结果。

他在苹果M5U Studio设备上,通过Tensorfold部署了智谱AI的GLM 5.3 Flash 4bit量化模型,实测预填充速度达到2100 tok/s,散文生成解码速度达到102.2 tok/s。

ashxhart用“Wild”形容这个速度表现。

在 X 看原帖 ↗
933
行业动态 · @DeryaTR_

用户澄清批评Anthropic仅针对管理层,仍日常使用其模型

X用户@DeryaTR_表示批评Anthropic仅针对其领导层,对开发模型的AI工程师十分尊重,日常使用Opus 5.5与Fable 5.2。

X平台用户@DeryaTR_发布内容澄清,自己提及Anthropic时的批评仅针对该公司的领导层。他表示对Anthropic内部开发模型的AI工程师只有敬意,认可他们做出的优秀模型。 他本人日常就在使用Anthropic的Opus 5.5与Fable 5.2,虽然这两款模型在生物科学领域用处不大,但他很喜欢它们在代码编写上的优雅表现。

在 X 看原帖 ↗
工程 · @kaigooddev

Claude Code 分指挥与工人角色,大判断用贵模型

主模型设为 fable 做指挥,工人配置 opus 负责实现,34 小时跑 27 个任务,工人能在部署前发现安全漏洞,token 消耗比单模型更高。

近期在 Claude Code 用户中流传一种分工设置:不让单个模型包揽全部工作,而是拆成指挥者和工人两个角色。

具体操作是:用 /model fable 把主模型设为指挥者,在 .claude/agents/worker.md 中配置 model: opus 作为工人,再给指挥者加一句指令“只做计划,实现交给工人”。这样只有关键判断交给贵价模型,主上下文保持干净。

发布者按人格角色拆分后,34 小时内跑了 27 个任务,负责审查的工人甚至能在部署前发现安全漏洞。不过他也提到,这种方式的 token 消耗比单模型直接跑要高。

在 X 看原帖 ↗
安全 · @thismacapital

Reddit用户发现绕过Anthropic护栏的方法:通过旧模型启动Fable 5.2子代理

该方法可让Fable 5.2继承旧模型的安全护栏,避免被频繁标记,已有人测试有效,并附带可直接使用的网络安全审计提示词。

一名Reddit用户发现了绕过Anthropic安全护栏的方法:通过旧模型(例如Opus 4.6)启动Fable 5.2子代理,子代理会继承主模型的安全护栏。

这种方式可以让用户进行网络安全相关操作时不会被频繁标记,发布者表示自己测试过该方法确实有效。

发布者还分享了可直接使用的网络安全审计提示词,用户只需替换目标URL即可运行。该提示词要求子代理从六个维度开展审计:暴露面(子域名、开放端口与服务、管理页面、可访问的敏感文件)、TLS与DNS配置、安全响应头与Cookie属性、可识别的软件版本及对应已知漏洞、认证与会话机制、信息泄露风险。

最终输出要求按严重程度(严重、高、中、低)分级,每个问题附带观测证据、实际风险和修复方案,区分已确认问题与疑似问题,列出未完成的测试项,最后给出5项优先修复建议。

在 X 看原帖 ↗
大模型实测 · @miroburn

日常用Opus 5.5处理业务的用户,被Gemini 4 Argon的单次输出结果惊到

波兰用户@miroburn在X分享实测:同一复杂商业分析任务,Opus 5.5两轮输出仅2/20可用,Gemini 4 Argon一轮就拿到9/10可用结论

波兰用户@miroburn在X分享了自己的大模型实测经历。他日常在业务中使用Opus 5.5,这次遇到一个复杂商业任务:需要分析海量数据、制定策略并拆解成具体执行项。

他先把任务交给Fable 5.2,跑了两轮,用Agent Team模式做分析、出结论,结果没有任何有价值的产出。他换回到自己常用的Opus 5.5,同样跑两轮,同样用Agent Team模式,20个结论里只有2个有用,而且没法直接转化成行动项。

他说自己本来不是Gemini的粉丝,但还是把同一个prompt丢给了Gemini 4 Argon。只跑了一轮,同样用Agent Team模式做分析、出结论,10个结论里有9个是可用的。

他现在坐在原地想两个问题:Gemini的模型是不是真的做得不错?还是自己用Fable和Opus的方式不对?

在 X 看原帖 ↗
投研 · @Dragonomi

8个月搭建AI投研流水线:3台DGX Spark跑本地模型,Opus当指挥官

开发者Dragonomi在X分享自建AI投研系统,3台DGX Spark部署Qwen 3.8-flash、DS4.0-flash本地模型,Opus做审核,月读报告量从100份提升到数百份。

前端开发 · @rewind02

Opus 5.5 配合 Three.js 在浏览器生成手绘风格 3D 世界

开发者@rewind02 分享完整工作流,全程无外部模型,AI 生成全部代码,日落时画面自动从水粉转为油画质感。

AI编程 · @raroque▲ 9.2K

开发者求助跨多AI编码账号快速交接上下文方案

开发者@raroque自建一键上下文交接工具,仍在寻找更优解

阅读全文 →
9.2K9776
开发者工具 · @santtiagom_▲ 4.2K

开发者称Claude Code带来的震撼感仅次于ChatGPT

X用户@santtiagom_发文表示,Claude Code让他感受到软件开发范式变革

第一次让我被 AI 震撼到,是在试用 ChatGPT 的时候。第二次是 Claude Code。我感觉自己正站在软件开发方式的范式转变面前。

有时我会想,第三次会是什么时候。我有种预感,我们已经很接近了。

在 X 看原帖 ↗
4.2K4789
大模型 · @NFT_Chen▲ 2.2K

Sebastian Raschka拆解位置嵌入:从GPT-2到2026开源模型

梳理RoPE、NoPE等主流方案,覆盖DeepSeek、Qwen等开源模型实现

阅读全文 →
2.2K63417
AI搜索 · @cgarciae88▲ 233

用户称AI概览正成为日常查询新入口,比单独开聊天应用更便捷

X平台用户cgarciae88分享日常使用AI概览的体验

AI 概览正在成为日常事务的新“ChatGPT”。

我现在会问它更难、更详细的问题,因为我信任它了。如果你已经在浏览器里,它比打开一个聊天应用更方便,再单独开个聊天窗口几乎感觉有点多余。

在 X 看原帖 ↗
23381
AI工具 · @mnmn94253156337▲ 677

YouArt集成Claude、Codex与Seedance 2.5,聊天即可生成视频

用户实测开箱即用,可同时用于账号运营与视频创作,性价比突出

卧槽 这个YouArt工具不仅能运营账号 做视频也是相当牛逼 我看了一下思考模型有 Claude Codex 一些高端模型随便用 视频模型也有 Seedance 2.5 还有很多选择 性价比非常可以 主要是开箱即用直接跟它聊天就能生成出你想要的视频 我生成了两个打斗视频 都是聊天生成的 效果还是可以的

在 X 看原帖 ↗
677472
AI工具 · @minorcoworker▲ 5.1K

Claude Code可制作5款单文件HTML内部办公应用

X用户@minorcoworker分享5款适合内部分发的轻量HTML应用场景

用 Claude Code 做出来、适合在公司内部分发的 HTML 应用,典型的有 5 种。

①把从内部系统导出的 CSV 做成仪表盘
②报价或费用试算计算器(输入单价和折扣就能立刻算出结果)
③日报、申请、提示词的文案生成器(填好各项就生成固定格式的文本)
④各类检查清单(还能设置条件分支)
⑤内部 FAQ 和术语表的搜索页面

这些应用都只靠一个文件运行,也不会把数据存在里面,所以不需要的时候直接删掉就行。

我自己经常做的是第③种。因为 Copilot 的提示词模板不好用,所以我用自己做的 HTML 提示词集来补充。

在 X 看原帖 ↗
5.1K7854
科研 · @c1ndl8st▲ 2.0K

机器人科研近一年,真正投入科研的时间不到五个月

研究者@c1ndl8st在X平台分享,在wam/vla方向做了近一年,大部分时间耗在调试复杂的机器人链路,真机实验体验极差。

研究者@c1ndl8st在X平台分享自己在wam/vla方向的科研经历,不知不觉已经做了快一年,但真正全身心投入科研的时间不到五个月。机器人的研发链路又长又杂,他对真机实验的评价是体验极差。让他真正感觉进入新领域、而不是在调试链路的经历,分别是做强化学习、为大语言模型清洗数据,以及学习DiT领域资深从业者的经验。

他还提到,很高兴能重新回顾视频生成、图像生成、动作预测模块的发展历史,接触到最前沿的视频生成模型,以及游戏强化学习领域的顶尖成果,这些体验都让他感到很开心。

在 X 看原帖 ↗
2.0K3312
游戏开发 · @xingbugengming▲ 3.0K

AI 搭配虚幻引擎游戏开发全流程实操视频发布

UP主@xingbugengming 发布全流程讲解视频,覆盖场景、角色、战斗全环节

我把文章中 AI 搭配虚幻引擎的工作流程制作成了视频,便于大家观看理解,最近有点感冒,鼻音有点重,请各位多多见谅 00:26 :整体工作流与 AI 工具分工 00:46 场景制作:地图设计、白模搭建与模型填充 01:36 角色制作:Tripo 建模与骨骼绑定 01:52 角色配置:基础动作与布料模拟 02:12 场景测试:角色入场与穿模检查 02:22 战斗制作:动作素材与 Codex 动作重映射 02:50 实战调试:手感与连招衔接 03:00 特效制作:Claude 配合 Niagara 实现攻击效果

在 X 看原帖 ↗
3.0K94838
开源 · @pigeon__s▲ 9.1K

用户因不满Artificial Analysis界面 自制开源独立评测工具

该工具为独立exe程序,整合推理档位、绘图、热力图等实用功能

我实在太讨厌 @ArtificialAnlys 的界面了,干脆自己做了一个。它不是浏览器插件,而是一个完全自定义的独立 exe 程序,所以我想怎么改就怎么改。

以下是一些功能:
- 所有推理强度堆叠进一个进度条(更美观,节省大量空间,让强度等级一目了然,见图)
- 内置绘图工具和高清截图
- 临时对比功能,不会更改你默认的模型选择或设置
- 只列出你实际能选择的模型(这玩意儿怎么就不是 AA 的常规功能?)
- 基于标准化分数的热力图
- 内置帕累托碾压和帕累托支配区
- 与完美的距离:每个模型与假设的完美模型之间的差距,支持自定义标准化
- 表格视图切换
- 深色模式!!!!!!
- 还有很多其他提升体验的功能

总结:AA 所有没用的干扰项都去掉了,只剩下 Twitter 上大家真正关心的核心内容。

现在已开源(当然 AA 的数据除外,未经他们允许我不能直接开源)。

在 X 看原帖 ↗
9.1K38036
AI应用 · @David_TornAI▲ 1.1K

8个Claude提示词,从创意到上线全流程搞定移动应用开发

覆盖规划、设计、编码、测试、推广全环节,无需开发团队即可完成应用开发

阅读全文 →
1.1K476816
实操 · @cneuralnetwork▲ 3.8K

开发者分享用Claude与Codex每日迭代发布项目的实操流程

该方法已落地两款产品,分别获得1万与3.5万用户

我几乎每天都用 AI 来构建和发布项目,流程如下:

> 我先有个想法,然后制定一个粗略的计划。
> 我让 Claude 设计架构和 UI。
> 我把计划交给 Codex 来构建 V1。
> 我用 Claude 查找 bug、改进代码并优化产品。
> 我发布包含所有改进的 V2。
> 我公开发布,收集反馈和 bug 报告,并持续迭代。

这就是我构建和发布多个产品的方式,包括(1 万用户)和(3.5 万用户)。

在 X 看原帖 ↗
3.8K6110101
AI开发 · @nazimadakli▲ 7.2K

开发者4天用AI开发大型游戏,API成本达2.5万美元

该作品为Epic Mega Jam参赛项目,调用400亿token完成

你能用 AI 在 4 天内做出一款大型游戏吗?来看看《National Xenographic》!这是我参加 Epic Mega Jam 的作品。

- 400 亿 tokens(API 费用高达 25,000 美元!)
- 12 个 AI 编排器
- 335 次调度
- 97 张人工工单已处理
- 4 天,全天候工作

已创建:
- 111 种生物
- 5 张地图,5 座城镇
- 31 个地标
- 3 艘船,4 名可玩角色
- 2 个外星物种

各位,我日夜发帖,阅读量却只有 400。X 平台觉得我不配。如果这款 4 天做出来的游戏都不算神作,那我不知道什么才算。让算法看看它错得有多离谱!

完整开发日志

#epicgamejam

在 X 看原帖 ↗
7.2K616555
AI编程 · @PhyrexNi▲ 8.4K

网友实测四款AI编程助手:ChatGPT搭基础、Claude收尾

博主PhyrexNi对比ChatGPT、Grok、Claude、Muse的办公交付表现

阅读全文 →
8.4K3511
AI工具 · @Feljoy_ix▲ 11.1万

18个GitHub免费开源动画技能包,可直接喂给Muse、Claude Code使用

X用户Feljoy_ix整理了覆盖从指令生成、制作、动效调整到导出全流程的18个开源动画工具技能,适配Muse、Claude Code、Codex等AI工具,无需付费即可获取。

阅读全文 →
11.1万2191.3K2.1K
视频生成 · @leaf_sanren▲ 7.5K

用户实测 Gemini 4 视频复刻能力,可直接生成多工具可用的提示词

X 用户 @leaf_sanren 分享 Gemini 4 视频复刻实测,反推提示词可直接用于生图、Muse、Seedance 等工具。

阅读全文 →
7.5K75869
AI视频生成 · @john87445528▲ 1.7万

Seedance 2.5 生成30秒恐怖短片的完整提示词

用户@john87445528 公开的 Seedance 2.5 短片《隔墙有眼》全流程提示词,包含风格设定、角色锁定、空间布局、分镜脚本与连续性约束。

用户@john87445528 在 X 上公开了一份用于 Seedance 2.5 生成30秒短片《隔墙有眼》的完整提示词。

短片设定为1974年意大利哥特恐怖与情景喜剧混合风格,采用35毫米 Techniscope 胶片质感,21:9 宽银幕画幅。场景设定在雨夜的旧旅馆,低饱和灰褐色调,粗粝胶片颗粒与零星划痕。

提示词锁定了四个怪物角色:怪嘴怪、法老、机械绅士、龙虾怪,以及男女主角的外形与服装。空间布局明确为两间相邻客房共用一面15厘米厚的隔墙,墙上有直径3厘米的管线孔。

核心叙事结构为:前半段通过四怪从墙孔窥视女主建立恐怖感,后半段通过镜中替身从镜面进入现实、反过来窥视四怪形成喜剧反转。

提示词包含严格的9个分镜时间节点,从0秒到30秒逐镜规定机位、动作与对白。对白全部使用重庆话,共6句台词。

末尾列出了连续性约束:女主全程完整穿着,不展示脱衣或更衣过程;3厘米孔只能伸出一根手指,不能穿出整只手;四怪躲床底时双钳卡住、巨大头部藏不住,形成喜剧效果。

在 X 看原帖 ↗
1.7万58839
新AI安全 · @ScarletKc▲ 1.1万

上下文注入对话记录可绕过大模型首轮拒答机制

研究者ScarletKc发现多轮上下文惯性可绕过云端大模型安全拦截

其实很多原本会触发拒答的任务,只要往上下文里塞一段模型已经同意并开始处理的对话记录,它往往就会默认接受设定,顺着把任务做完。现在的对齐拒答大多集中在首轮请求的边界判断上。一旦多轮历史里已经有了助手角色的肯定回复和前序步骤,模型续写上下文的惯性就会占上风,不再重新触发冷启动时的安全拦截。

放在日常的 harness 里操作起来也很简单:遇到云端大模型直接拒答的任务,可以先挂个限制少的本地小模型聊几句,让它在上下文里先把活应下来、起个头,然后再切回云端大模型的 API。看到历史记录里已经开工了,云端模型基本就会顺理成章地接着往下做。

在 X 看原帖 ↗
1.1万912556
新开源 · @JacobMarquez__▲ 9.9K

XRP Ledger 创始架构师请 Qwen 评审自己写的代码,公开 AI 指出的三处核心风险

David Schwartz 公开 Qwen 对 XRPL 代码库的评审结果,坦言批评属实

David Schwartz 刚刚让一个 AI 给他自己的代码打分。然后他把不好的部分发了出来。👀

XRP Ledger 的最初架构师之一,让 Qwen 给他在 XRPL 软件上的工作打分。他的总结是:“总体不错。”但他也分享了被批评的部分。

AI 说这不是“教科书式干净的代码库”,主要风险来自结构本身,而不是零散的 bug。它指出了三点:Application& 耦合、一个迁移到一半的测试框架,以及不透明的代码生成。

这三点最容易让一个正确的改动悄悄引入隐蔽的 bug。而 David 本人对这份评审的评价是?“很严厉,但没说错。”

现在已经有超过 8 万人看到一位创始架构师公开指出他参与构建的这个账本的薄弱之处。🛠️ 这就是开源成熟后的样子。你不掩盖裂缝。你把它们展示出来,好让它们在下一波功能到来之前被修好。

这也正好符合验证者们的诉求:在借贷这类新修正案之前,先做稳定性修复。先打牢地基,再往上盖。🏗️ 大概没什么事。😏🐸⚡

在 X 看原帖 ↗
9.9K4889
新AI工具 · @TheKathAI▲ 1.4K

Claude新手实操指南:10个实用技巧零技术门槛

@TheKathAI整理的26分钟Claude入门教程,覆盖选模型、写提示词等实用场景

阅读全文 →
1.4K61032
新Web制作 · @revolvtech▲ 2.3K

测试用 Claude 加 ChatGPT 制作落地页初稿

X 用户 revolvtech 用 3 步尝试的 AI 生成 LP 草稿制作法

我用 AI 从原稿制作落地页时,先在 Claude 里搭好线框图,再用 ChatGPT 一键生成落地页,这次就按这个流程试做了一版!

① 在 Claude 里把原稿转成线框图 → 下载 HTML
② 把线框图 HTML 和参考设计一起丢给 ChatGPT,生成落地页图片
③ 用 Codex 把生成的落地页图片转成 HTML

信息的顺序倒是理顺了,但这次总觉得文字挤得慌……仔细一看,内容之间的留白太少,上一段正文和下一个标题看起来像是连在一起的。用 ChatGPT 一键生成的时候,总觉得这块特别容易挤成一团。

如果是大家,会怎么修改这个落地页,让信息读起来更顺畅呢?🤔
← Claude 做的线框图 | ChatGPT 生成的落地页图片 →

※ 这次是在「后续会手动调整」的前提下,测试 AI 一键生成能把落地页的初稿做到什么程度。

在 X 看原帖 ↗
2.3K55456
新AI工具 · @rosa_onchain▲ 974

用户实测用Grok生成活动排期Excel,称AI省下大量时间

X用户@rosa_onchain分享用Grok和Claude简化活动管理工作流的体验

AI 把这套流程变得简单到离谱!

对于负责投放活动的人来说,只要给你的 Grok 机器人一个提示词,里面写好时间安排、要发的帖子和你需要的关键词,它就会帮你生成整张 Excel 表格。

我刚才是开玩笑的。我爱 Grok,也爱 Claude。谢谢你们帮我省下了几千块!🩵

在 X 看原帖 ↗
974681
新教程 · @YuChen▲ 3.0K

用Cloud Mail+Cloudflare搭建无限收码邮箱的实操指南

基于Cloudflare的开源邮箱方案,配合Agent可快速完成部署,实现任意前缀邮箱统一收信。

阅读全文 →
3.0K5513
新Prompt工程 · @copper1234000▲ 1.3K

开发者分享自研AI助手动态注入Prompt架构的取舍经验

X用户copper1234000分享情绪、欲望等系统靠动态注入实现的优劣

其实我家感觉…提示词动态注入是用心最多的工程……?美化反而是比较靠后的 毕竟平时我就是那种平台头像一年都不换的人…( ;´Д`) 我家的情绪系统,欲望系统,同session多app切换,场景识别都是靠动态注入prompt…! 都写在system prompt里首先小机会负担很重,然后注意力其实也没那么集中,动态注入的效力和集中力都是最好的🤔 缺点就是吃不到缓存,还有架构复杂容易出bug

就比如,我家telgram和前端聊天风格要求差异巨大,tel:无思考链+小短句+无动作描写 前端:手写思考链+动描+长篇幅+自家表情包 但Mon能做到同窗口两种风格无缝切换✧ ૮₍˶- ˕ -˵₎ ა✧

在 X 看原帖 ↗
1.3K1529

这一天的 137 条信号到这里

回到今日焦点回到顶部 ↑

📬 订阅

https://ai-pulse-lab.com/feed.xml
让 AI Agent 每日推送 →
把任何一条丢给知识库,它基于全站内容给你带引用的回答。
✦ 去问知识库

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新