微博 AI 观察博客

原文

DeepSeek研推理芯片这个事情特别值得思考，Google的TPU；AWS的Trainium 3；微软的Maia 200；Meta的MTIA；OpenAI的Jalapeño；都在自己搞，现在问题来了，谁还在用老黄的英伟达呢。。。最值得玩味的是 Anthropic：训练用谷歌 TPU、推理用 AWS Trainium、英伟达 GPU 退居为"研究探索"的第三选项（2026 年 1GW TPU，2027 年扩到 3GW）。这是第一次有头部模型公司公开证明，可以在核心业务上把英伟达边缘化。。国内阿里平头哥，百度昆仑芯，华为昇腾都纷纷自研芯片摆脱被英伟达绑架的局面。但是自研归自研，生产还是离不开底层支持，比如芯片设计这一层就有博通、Marvell，世芯等 。当然了最后代工层就基本是台积电、三星、intel，中芯国际这四家了。所以我感觉英伟达已经有点被摘出去的感觉了，芯片设计公司也不保险，比如特斯拉就是自研的，华为，百度，阿里都是自研。真正铁稳的还是晶圆代工的四家了。最后，眼看着算力税在英伟达手里在慢慢丢，但光刻税、EDA 税、存储税，收的人一个都没换，后面必然还会有新的玩家，百花齐放的局面是必然的。

转发者评论

无明显转发评论

• 巨头还会用很大一个比例，然后分散到Neo Cloud、企业、个人。

原文

OpenAI 今天一口气发布了一整套产品更新：1. GPT-5.6 正式向公众开放2. ChatGPT 和 Codex 合体成了一个桌面应用3. 一个叫 ChatGPT Work 的新功能让 AI 从聊天助手变成了能干活的 Agent。先说 GPT-5.6。GPT-5.6 今天正式放开，三个级别：Sol 是旗舰，主打复杂推理和长时间自主工作；Terra 是性价比款，官方说性能接近上一代旗舰 GPT-5.5 但价格只有一半；Luna 是轻量款，跑得快、便宜。API 定价方面，Sol 每百万 token 输入 5 美元、输出 30 美元，Luna 只要 1 美元和 6 美元。ChatGPT 免费用户和 Go 用户默认用 Terra，Plus 及以上可以自选模型。Sol 还新增了两个推理档位：max 让模型花更多时间深度思考，ultra 则会调用多个子智能体(Agent)并行处理任务，有点像同时派出几个人分头干活再汇总。ultra 目前限 Pro 和 Enterprise 用户。再说 ChatGPT 和 Codex 桌面应用合并。OpenAI 把 ChatGPT 和 Codex 塞进了同一个桌面应用里，Chat、Work、Codex 三个模式共享同一套能力和任务历史，区别只在界面：Codex 展示代码差异和 PR（代码提交合并请求），Work 把技术细节隐藏掉，面向非开发者。用户可以在两个模式间自由切换。Codex 现在每周活跃用户 500 万，其中超过 100 万人用它做的是开发之外的工作，比如写报告、做分析。OpenAI 发现非开发者也涌进了 Codex，与其维护两个独立产品，不如合到一起。Fidji Simo（OpenAI 应用业务 CEO）内部邮件里说：“产品分散拖慢了我们的速度。”ChatGPT Work 是这次最值得关注的新功能。它不再只是回答问题，还能跨应用执行任务：连接你的 Google Drive、Slack、邮箱等工具，自己拆解复杂项目，分步骤独立完成，需要时才问你。比如你给它一句话“把客户调研整理成营销方案”，它能自己读资料、写方案、生成不同市场的素材版本，全程带着上下文。还能设定定时任务，比如每周自动汇总 Slack 消息刷新会议议程。Work 也会登陆网页和手机端，意味着你不需要在电脑前也能发起和跟踪任务。另一个值得一提的是 Sites。现在 ChatGPT 对话里生成的可视化、仪表盘或小工具，点一下就能变成一个可分享的网站。做个项目进度面板发给团队、做个内部工具原型让同事试用，不用再折腾部署。浏览器也升级了，支持登录态网站操作、多标签页和文件下载，配合新的 Chrome 扩展，ChatGPT 可以在你浏览器里直接帮你干活。这让 Computer Use（电脑操控）能力有了更实际的落地场景。Codex 端也有几个开发者关心的更新：可以直…

转发者评论

无明显转发评论

• ChatGPT Work //@金山:从面向专业人士到服务大众

原文

【用“蜂鸟”喂饱巨兽：在25G内存电脑上跑起744B模型】Colibrì项目实现了一个近乎疯狂的实验：通过纯C语言编写的轻量引擎，让744B参数的GLM-5.2（MoE架构）在仅有25GB内存、无GPU的普通电脑上跑了起来。其核心逻辑是利用MoE模型“每次仅激活部分专家”的特性，将10GB的核心权重驻留内存，而把近370GB的专家参数留在NVMe SSD上，像“流媒体”一样按需实时读取。这件事的重要性在于它打破了“巨型模型必须堆显存”的死理。虽然在普通硬盘上每秒只能蹦出0.1个Token，慢得像在写信，但它证明了IO带宽可以某种程度上替代昂贵的VRAM。对于开发者来说，这意味着即便没有H100，也能在本地调试最前沿的架构。不过要注意，这种高频的随机读取对固态硬盘寿命是个考验，且比起聊天，它可能更适合那些“睡一觉看结果”的异步任务。 github.com/JustVugg/colibri #人工智能##AI创造营##开源##LLM#

转发者评论

无明显转发评论

原文

browser-use 开源了 video-use：用 Claude Code 剪视频。用法很直接——把原始素材丢进一个文件夹，跟 Claude Code 说"把这些剪成发布视频"，它研究素材、提出剪辑方案、等你确认，然后输出 final.mp4。它能做的事：1. 自动去除废话：umm、uh、false start、take 之间的死寂，全部识别并剪掉2. 自动调色：每个片段自动套用色彩预设（暖色电影风、中性冲压等，或自定义 ffmpeg 链）3. 自动加字幕：默认两词一组大写风格，完全可定制4. 动画叠加：通过 HyperFrames / Remotion / Manim 生成动效，多个子 Agent 并行渲染5. 自我审片：每个剪辑点渲染完之后，Agent 自己过一遍检查视觉跳帧和音频爆音，最多重渲三次，通过后才给你预览技术上有意思的一点是它处理视频的方式——LLM 从不直接"看"视频。它读的是两层结构：1）用 ElevenLabs Scribe 转录，得到逐词时间戳、说话人标注、音频事件（笑声、掌声）——整个塞进一个 12KB 的 takes_packed.md2）只在需要做判断时（比如比较两个 take、确认剪切点）才调用一张 filmstrip + 波形 + 词标注的截图对比不做这层抽象的方式：30,000 帧 × 1,500 token = 4500 万 token 的噪声。video-use 的方式：12KB 文本 + 少量 PNG。这跟 browser-use 给 LLM 结构化 DOM 而不是截图是同一个思路，只是用在了视频上。兼容 Claude Code、Codex、Hermes、OpenClaw，任何有 shell 访问权限的 Agent 都能接。GitHub: github.com/browser-use/video-use#HOW I AI# #程序员#

转发者评论

无明显转发评论

原文

做 AI 视频创作的朋友，这条千万别划走。有个免费的开源仓库，叫 Seedance 2.0 Skill OS，建议直接存好。镜头景别、运镜方式、画面节奏、完整分镜、场景氛围、人物动作、画面风格，全部帮你细分整理到位，拿来就能用，省去了自己一点点试错摸索的功夫。有了这套东西，就能彻底告别乱堆提示词、成片全看运气的阶段。以前生成视频像开盲盒，出什么全凭天意，现在等于把专业片场的标准流程直接搬进了工作流，照着套就能出片，Seedance 2.0 也能被你用出专业电影级的水准。做 AI 视频的创作者，真的别错过。仓库传送门： github.com/Emily2040/seedance-2.0#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

OpenAI 昨天晚上发了一堆东西，乱七八糟的。GPT 5.6 终于发布了，随之发布的还有全新的 ChatGPT 应用（也就是 Codex 应用，改了个界面、换了个名字）。现在 OpenAI 全面学习 Anthropic 产品的命名方式。无论是从新的 5.6 命名上（原来他们是通过 Pro Mini 这种方式去命名，现在通过全新的名字比如 Sol 命名），还是产品形态上，Codex 应用现在硬生生被改成了类似 Claude 桌面端的方式。他们硬拆分出了 Work 和 Code 两个 Tab。你在切换的时候，整个界面除了左上角那个标志换了，其实根本看不出区别。更别扭的是，聊天本身被缩进到了右下角一个非常小的弹窗里，整个界面充满了这种别扭的痕迹。我一直坚持认为，Work 和 Code 根本没必要硬去区分，没必要在界面上透露出“我这个东西只能 Code”或者“我这个东西只能 Work”，用户直接用就行了。本来经过几个月，大家已经建立起了关于 Codex 软件的认知，这一波操作直接给整没了，过去几个月全白干。现在每个人都很困惑，找不到自己的东西在哪，甚至找不到自己以前在 ChatGPT 软件里的聊天记录，非常蛋疼。除了这些，还有几个新变化：1. Site 插件上线：Codex 里面的 Site 插件已经上线了，可以直接去插件里面找。我试了一下，它能直接帮你生成网页，生成时会提供多套网页供你在界面上选择。生成网页之后，它还可以连接你已有的业务数据，同时还能帮你部署到 OpenAI 的网站（部署到线上），方便你分享给朋友，这个非常好用。2. 移动端调用插件：移动端的 ChatGPT 现在也可以调用原来 Codex 里面的那些插件了。3. 基础能力升级：它的“浏览器使用”和“计算机使用”功能都进行了升级，变得更快、更准确了。同时，GPT 5.6 的前端能力终于提升了，不会生成千篇一律的垃圾界面。现在 ChatGPT 移动端 App 也可以进行切换了，网页端和移动端马上都会同步切换这个 Work 能力。好嘞，更新就这些，赶紧去玩玩吧！#how i ai#

转发者评论

无明显转发评论

原文

#韦东奕获国家自然科学二等奖#用人话解释一下韦教授和章教授为什么能拿这个奖:过去大家都知道，积木堆得太高，容易倒。但大家都不知引发倒塌的节点究竟在哪，于是只能抱着赌一把的心态堆积木，心里求的是老天开恩，让我再叠高一点。韦东奕和章志飞通过各种演算，最终得出了一套数学公式，摸清了可能引发积木倒塌的红线，公式精确到风从哪个角度吹、吹到几级、积木会从哪一根开始松动，并在哪一毫秒彻底垮掉。所以，他们的研究成果和月薪三千的我有什么关系呢？关系大了去了。。。湍流是现代工业中最大的安全隐患之一。举个例子:我们坐飞机，突然遇到高空急流，飞机像坐过山车一样剧烈颠簸，这就是因为气流变成了湍流。大气湍流没有雷达回波、毫无预兆，极难预防，破坏力却极为惊人:飞机可能瞬间剧烈下坠几百米，没系安全带的人分分钟骨折，甚至造成严重的人身伤害。长期的剧烈颤抖还会加速机身金属疲劳，极端情况下甚至会引发坠机事故。过去，对于这种突然狂暴化的气流，只能依靠飞行员的自身经验来避免，但现在韦东奕和章志飞给出了数学框架，只要写进飞机的气象预测系统和自动驾驶代码里，那飞机就等于是开了神级天眼。即便气象雷达无法察觉，算法也能提前捕捉到前方空气变乱的微观前兆，指导机翼在零点几毫秒内做出微调，直接把颠簸消灭在萌芽状态。不仅能保护舱内乘务员和乘客，更能大大减少飞机的结构损耗，将空难的概率压到最低。除了保障天上的人们的安全，韦东奕和章志飞提供的公式还能保护地面上的人们的安全。大气湍流之外还存在着水流湍流，比如洪水就是湍流的一种。洪水爆发时的恐怖，不用科普了吧？但洪水与大气湍流不一样，大气湍流是正常孩子因为种种原因在某个时间点突然黑化，掌握了人性的规律就比较好预防。而洪水则是个一开始就拿着菜刀乱砍的疯娃子，没人能搞清丫的脑回路，所以即使是韦神也没法预防。但防不住疯娃子砍人，我们可以升级大家的护甲啊。以前科学家用电脑模拟洪水怎么冲刷桥墩、堤坝和车辆时，由于底层数学模型不够完美，模拟出来的受力数据经常有误差。而韦神团队给流体力学补上了最核心的数学框架。用上新公式后，防汛仿真软件解析度立马翻倍的，能更精准地指导未来的桥梁、防洪堤坝该怎么修，才能抵抗住狂暴山洪的致命一击。除了人，工业管道是湍流最大的受害者。 管道里的水、油、气走得太快，就会从听话的“整齐队伍”突变成疯狂乱窜的“暴走旋涡”（湍流）。这些紊乱涡流就像砂纸一样天天冲刷管壁，导致非腐蚀性的壁厚减薄，直到突发性泄漏或爆管；它们还会诱发高频震动，硬生生把法兰和螺栓震松导致渗漏。然后就是化工厂爆炸、泄露了，一场事故下来，一整座城市都可能受害，人员、财产损失无法估量。现在韦神团队用数学公式精准算出了流体失去暴走的阈值，并算清了那无数个搞破坏的“小旋涡”（奥森涡）是怎么诞生、怎么传递能量的。 如此一来，工程师们就能在设计输油、输气管道时精准卡Bug，设计出能抚平小旋涡的特殊管壁微…

转发者评论

//@赛博猫研究者:卧槽//@Doublewings:这个得给磕一个！湍流我一直以为是无解的。即便是特定形状条件下的湍流的解也能解决很多问题。//@Zodzod_张浩:这个牛吹大了//@金山:转发微博

• //@赛博猫研究者:卧槽//@Doublewings:这个得给磕一个！湍流我一直以为是无解的。即便是特定形状条件下的湍流的解也能解决很多问题。//@Zodzod_张浩:这个牛吹大了//@金山:转发微博

原文

北京时间 7 月 10 日凌晨，OpenAI 正式向公众全面开放 GPT-5.6，同时宣布两项产品动作：推出智能体产品 ChatGPT Work，并将 Codex App 并入 ChatGPT 桌面应用。新模型分三档：旗舰 Sol、均衡型 Terra、轻量型 Luna。Sol 价格与上一代持平，Terra 直接砍半，Luna 每百万 token 输入只要 1 美元。第三方评测显示，Sol 在编程智能体指数上拿下 80 分创下新高，输出 token 却比此前的最高分模型少用 54%。这一代的卖点很明确，重点已经从更聪明转向更省钱。设计能力同样有跨越，模型会自己打开渲染好的页面，检查完视觉和功能问题再交付，前端质量评分从 4.0 升到 4.4。产品层面，ChatGPT Work 是一个交付结果的智能体。用户给它一个目标，它就能自己拆解步骤、跨应用行动、连续工作数小时，最后交出做好的表格、文档甚至网页。它可以接入 Slack、Google Drive、邮箱和日历，还能借助内置浏览器直接操作电脑。它的底座是 Codex，官方数据显示每周 500 万 Codex 用户里，超过 100 万人拿它做开发以外的工作。新的桌面应用把 Chat、Work、Codex 装进同一个 App，免费版也能使用，独立的 Atlas 浏览器则将逐步停役。另外值得注意的是，这次的发布时间由政府决定。根据 6 月签署的行政令，前沿模型上线前需接受官方能力评估，GPT-5.6 审了两周才获放行。新版安全护栏的拦截力度约为上一代的十倍，被误拦的请求可以一键换低能力模型重试。OpenAI 表示不希望这种审查成为长期默认，但几周前 Anthropic 刚经历类似情况，这或许是行业新常态的开始。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

这个拿几个最新模型测试物理引擎，结果很有意思！不过也不用根据这一个测试就觉得模型不够好，毕竟还要看你自己的应用场景是哪个最合适。他们给 4 款模型下达了完全相同的提示词：> 用 HTML5 canvas 编写代码，构建三个独立的、带有真实物理引擎演示的场景。具体的提示词测试场景如下：一辆怪兽卡车 (monster truck) 后空翻砸向一辆停靠着的汽车一辆特技赛车飞跃六辆公交车后撞上一堵砖墙一列火车从断桥上脱轨坠入水中各模型的输出结果与成本：GPT-5.6 Sol Ultra: 生成了 3.29 万个 token，花费 0.33 美元Opus 4.8: 生成了 9200 个 token，花费 0.24 美元GPT-5.5: 生成了 1.24 万个 token，花费 0.11 美元Grok 4.5: 生成了 7000 个 token，花费 0.08 美元在画面呈现上，Sol Ultra 的绘画风格和前辈 GPT-5.5 如出一辙，仅仅是增添了一些细节。这一点在“赛车飞跃公交车”的测试中表现得最为明显，两者的输出画面几乎是一个模子刻出来的。但在另外两项测试中，Sol Ultra 的表现却惨遭滑铁卢，甚至比不上它的上一代，物理引擎的模拟效果明显变弱了。在“卡车后空翻”和“火车脱轨”这两个场景的较量中，老将 GPT-5.5 赢得很干脆。总结来说，花 3 倍的价钱去用 Sol Ultra，你实际得到的不过是一个“物理效果更差、但画面稍微精美一丁点”的 GPT-5.5 罢了。顺便提一句，初出茅庐的 Grok 4.5 在三项测试里直接搞砸了两项，仅仅在“火车脱轨”这个场景里表现尚可。 宝玉xp的微博视频

转发者评论

无明显转发评论

原文

腾讯开源的一个skill：BrowserSkill ，让 AI Agent 操作你的浏览器，而不打断你的工作。#微博视频号续航计划# 地址：github.com/Tencent/BrowserSkill/BrowserSkill 把 Cursor、Claude Code、Codex、OpenClaw、CodeBuddy、WorkBuddy、Pi、Hermes Agent 等支持 Shell 的 AI Agent 连接到你已登录的浏览器。BrowserSkill 的优势：复用真实登录态：Agent 可以操作你已经登录的网站，不需要额外测试账号。不中断你的工作：浏览器任务在独立可见的 Agent Window 中运行，不影响你继续使用自己的浏览器。支持任意 Agent：只要 Agent 能调用 Shell，就可以通过 bsk CLI 使用 BrowserSkill，不绑定特定模型、Agent 框架或 harness。内置 human-in-loop：遇到 captcha、登录、确认弹窗等必须由人处理的步骤时，Agent 可以主动请求你接管，完成后再继续任务。 蚁工厂的微博视频

转发者评论

无明显转发评论

原文

#模型时代# 今天另一个大事件，Ollama融资6500万美金，很多人第一次本地跑模型是它开始的了。——Ollama：全面拥抱开源模型2026 年 7 月 9 日Ollama 创始人 Jeff 与 MichaelMichael 和我第一次见面是在大学。当时，我们共同创办了第一家公司 Kitematic，希望把 Docker 的使用变得足够简单，让任何人都能轻松运行 Docker。2015 年，Kitematic 被 Docker 收购。随后，我们参与打造了后来成为 Docker Desktop 的产品。Docker Desktop 于 2016 年正式发布，如今已被全球超过一千万名开发者使用。十年后的今天，我们再次创业，创办了 Ollama。我们的目标很简单：让开发者能够以最简单的方式使用开源模型。这一路的发展远远超出了我们的想象。如今，Ollama 已经成为访问开源模型最主流的平台之一，为 890 万名开发者提供服务。和我们一样，他们相信：AI 应该掌握在每个人自己手中，可以自由构建、自由运行，也可以按照自己的需求不断改造。AI 正迎来属于自己的个人计算机时代计算产业曾经经历过一次重要转折。个人计算机的出现，把计算机从大型机房搬到了每个人的办公桌上。计算机第一次真正属于个人，人们可以拥有它、改造它，并在它之上创造新的软件和应用。今天，开源模型正在为 AI 带来同样的变化。几年前，我们看到越来越多性能出色的开源模型不断出现。这些模型可以免费下载，但真正把它们运行起来却并不容易。模型本身已经足够强大，但开发者很难像调用 API 那样方便地使用它们，也难以像使用闭源模型一样快速完成开发。于是，我们决定解决这个问题。我们和团队推出了 Ollama。开发者只需下载安装 Ollama，在终端输入一条命令，就可以在自己的电脑上运行最新的开源模型，并通过一个简单统一的 API 开发自己的应用。很快，Ollama 成为了开发者探索最新开源模型、学习如何使用这些模型的重要平台。借助 Ollama，运行一个开源模型变得和运行普通软件一样简单。无需申请权限，无需 API Key，也无需昂贵的服务器硬件。模型属于你。机器属于你。数据也属于你。真正属于你的 AI：个人拥有，数据私有Ollama 从一开始就围绕三个最重要的原则进行设计。所有权（Ownership）开源模型属于你自己。你可以永久保留它们，根据自己的需求进行修改、微调和优化。无论你的 AI Agent 或应用依赖哪些模型，都不会因为平台政策变化而失去使用权，也不会被锁定在某一种模型上。你始终拥有自由更换模型的权利。可负担性（Affordability）当模型运行在自己的硬件上时，就不会产生不断累积的 Token 调用费用。开发者可以大胆尝试、快速迭代，并将产品真正投入生产，而不必担心每一次 Prompt 都意味着新的成本…

转发者评论

无明显转发评论

• ollama+glm 5.2+minimax m3 这样的开源模型+不断进步的硬件，是未来的发展方向

原文

[CL]《Accurate, Interdisciplinary and Transparent Structure-property Understanding with Deep Native Structural Reasoning》C Tang, Y Wang, J Wu, L Wang… [Shanghai Artificial Intelligence Laboratory] (2026) 在生物、化学和材料领域，理解“结构-性质”关系是核心难题。过去的方法受困于“表征与推理的脱节”：通用大模型将结构视为纯文本字符串，丢失了物理空间信息；而领域专用模型虽能处理结构，却往往是黑盒预测器，无法解释预测背后的科学逻辑。其本质原因是缺乏一种既能保持物理原生结构特征，又能将其作为逻辑证据进行透明推理的统一框架。本文的核心洞见是：将复杂的科学结构（坐标、拓扑、周期性连接）重新看作可离散化的“结构词汇”，并将其直接嵌入大模型的自回归推理轨迹中。由此，“原生结构推理”这一关键操作使结构不再是冷冰冰的输入，而是变成了可被模型“引用”和“解释”的逻辑证据单元。模型通过强化学习，学会了像科学家一样在推理链中交织自然语言与结构片段，实现了从“猜测结果”到“逻辑溯源”的跃迁。这项工作真正留下的遗产是证明了单一自回归模型可以统一跨领域的科学发现，在 86 项基准测试中刷新了 67 项记录，且推理过程获得了人类专家的高度认可。它为后来者打开的新门是“可解释的 AI 科学发现”，让模型能够解释“为什么”某种结构会导致特定的功能；但尚未跨过的门槛是处理极度动态的构象变化，以及在缺乏高质量标注数据的极端冷门领域维持推理的严密性。arxiv.org/abs/2607.07708 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

原文

【当程序员沦为AI的“代码质检员”：LLM正制造一种新型过劳】这篇文章揭示了一个正在发生的职场异化：开发者从“创造者”变成了“流水线质检员”。当LLM将代码生成成本降至近乎零，真正的压力反而转移到了审核端。事实是，现在的程序员每天要面对比以前多出10倍的待办项，而大部分时间都耗在纠正AI那些一本正经的胡说八道、清理冗余的Emoji，以及在多线程的Agent窗口间切换。这种高频、低质、重复的认知负荷，正在引发一场集体性的“LLM倦怠”。这种疲惫的底层逻辑在于“验证成本”与“生成成本”的极度不对称。AI可以几秒钟呕吐出30份文档或上千行代码，但人类大脑的带宽没有进化。当公司追求Token最大化（Tokenmaxxing）而非价值最大化时，平庸的开发者利用AI制造大量垃圾（Slop）丢给资深同事审核，导致真正懂行的人被困在“垃圾处理场”里。这种“反向半人马”模式——人围着机器转，不仅杀死了编程的创造乐趣，更让资深工程师在无尽的纠错中消耗殆尽。 alecscollon.com/blog/llm-burnout/ #人工智能##AI创造营##程序员##LLM#

转发者评论

无明显转发评论

原文

#OpenAI全量发布GPT5.6#7月9日，OpenAI正式向全球用户开放GPT-5.6系列全系模型。此前该系列仅向约20个美国政府批准的合作伙伴开放测试，如今限制正式解除。美国商务部在完成多轮补充测试后批准了此次全面发布。这次一口气端出三款：Sol（旗舰）、Terra（均衡）、Luna（轻量）。定价上，Sol每百万输入/输出token收费5/30美元；Terra为2.5/15美元；Luna为1/6美元。Sol价格对齐上一代GPT-5.5，能力跃升一个代际。性能是重头戏。在Terminal-Bench 2.1编程测试中，Sol的Ultra模式跑出91.9%，超Claude Mythos 5的88%。在55个领域的专业工作流评测Agents‘ Last Exam中，Sol得分53.6，超Claude Fable 5达13.1分。网络安全方面，Sol仅用约三分之一的输出token就达到竞品同等表现。Sol还支持Ultra模式，默认协调4个AI代理并行处理复杂任务。同时发布ChatGPT Work智能体，输入目标即可自动生成文档、表格或演示文稿。Codex App正式并入ChatGPT桌面应用。OpenAI称，Terra和Luna在约十六分之一的成本下，基准测试得分仍超过Claude Fable 5。从“受限预览”到“全量开放”，GPT-5.6这一周走了很长的路。

转发者评论

无明显转发评论

原文

机器学习工程开放手册 地址：github.com/stas00/ml-engineering“这是一套开放的方法论、工具和逐步操作指南合集，旨在帮助成功训练和微调大型语言模型、多模态模型及其推理过程。 本材料适合LLM/VLM训练工程师和运维人员使用。内容包含大量脚本和可复制粘贴的命令，帮助您快速解决实际需求。 本仓库持续记录我在训练大型语言模型（LLM）和多模态模型（VLM）过程中的经验积累——这些知识主要源于2022年训练开源BLOOM-176B模型、2023年训练IDEFICS-80B多模态模型，以及2024年在Contextual.AI开发RAG模型时的实践。”（内容一直在更新，并不是到24年后就没了）

转发者评论

无明显转发评论

原文

1ai 没有泡沫，但是 ai 基础设施建设的资本狂潮，肯定有泡沫。而且，说不定是接近次贷危机级别的泡沫。2这里面裸泳的人很多，但是找到了 2C 收费价值的包括 vibecoding，短视频生成，以及医药企业研发的，即 Claude Code，Seedance，AlphaFold 至少没有裸泳。3但是，像 deepseek，kimi，qwen， GLM 这些能力不断进步的开源模型，则是在泳池中给这个资本狂潮放水的人。他们不是坏人，他们才是对冲掉风险的真正重要的力量。次贷危机的资本狂欢，只是少数人获利的游戏，而这些开源模型公司，即在控制整个泡沫造成毁灭性风险的危害，同时，也在更普惠的把 AI 的能力，造福全世界，有助于让大家发现更多的类似前面三个的利基市场。4所以现在的问题其实已经不是模型是否已经真的 AGI ，现在的问题是，就算你是一个货真价实的人类博士。。。你是否能发现一个赚钱的业务养活自己。。。5而归根结底，这些都是“对齐”。智能需要和现实世界的客观规律和经济循环达成一个可迭代的 loop ，那么才能建立自己的价值和意义。而人类的未来，就是解决这个“对齐”的问题。这个活，并不简单。

转发者评论

无明显转发评论

原文

【代码仓库该不该存AI聊天记录？】前GitHub CEO Thomas Dohmke创立的新公司Entire提出一个激进假设：AI Session日志（包含Prompt、推理过程和决策）是软件开发中最重要的资产，应当与代码一同存入Git仓库。他认为这些日志构成了代码的"灵魂"与意图，能帮助人类快速Review，并让AI Agent在后续开发中避免重复犯错。这在开发者社区引发了关于"信噪比"的激烈辩论。支持者认为AI生成的代码往往缺乏直觉，Session记录能补齐"为什么要这样写"的上下文；反对者则指出，维护成千上万个自然语言描述的Spec文件或超长对话日志，其认知负担远超代码本身。底层逻辑的博弈在于：我们究竟是需要一个记录所有琐碎思考的"全量黑匣子"，还是需要开发者（无论是人还是AI）经过提炼后写下的高信息密度Commit Message。目前的共识裂痕显示，如果AI不能自动总结出结构化的决策逻辑，单纯堆砌Session日志只会让代码库变成难以检索的文字垃圾场。entire.io/blog/how-version-control-will-evolve-for-the-agent-boom #人工智能##AI创造营##程序员##Git##软件工程#

转发者评论

无明显转发评论

原文

市面上的 Vibe Coding 付费课，动辄几千块。但说句实话，这些课里 99% 的内容，其实都来自三个免费的开源仓库。今天我把这三个仓库整理成一条完整的自学路线，零基础也能跟着学，不用花一分钱。在讲仓库之前，先把一件事说清楚：Vibe Coding 到底是什么。Vibe Coding 的核心，是学会用 AI 把想法变成产品。你要练的能力有四个：把需求拆清楚，给 AI 完整的上下文，调试 AI 生成的代码，再把半成品一步步迭代成成品。一句话总结，会用 AI 编程，跟会编程，是两回事。想明白这一点，再来看这三个仓库，你会发现它们刚好覆盖了从入门到实战的全部环节。第一个仓库叫 Easy-Vibe，16K 星，出自国内知名的开源学习社区 DataWhale。它的定位是入门实战，路线分三段：入门阶段做 AI 小游戏，门槛低，先建立手感；进阶阶段做产品创意落地和 Web 前端原型；高阶阶段做桌面应用和多 Agent 协同工程。它最大的特点是完全用实战项目驱动，从头到尾都在教你把想法变成产品，对纯小白非常友好。第二个仓库叫 vibe-coding-cn，1.4K 星，这是整条路线的方法论核心。它解决的是一个致命问题：为什么大多数人用 AI 编程总翻车？答案很简单，你只丢给 AI 一句话需求，却没有给它完整的工程上下文。这个仓库教你三件事：标准化的 Prompt 撰写规范，个人 Skill 技能库的沉淀和管理，以及完整工程 Workflow 的搭建。学完这一步，你和 AI 的协作方式会彻底改变。第三个仓库叫 awesome-vibe-coding，5.5K 星，定位是工具百科。浏览器里的 AI 编程工具、各类 IDE 和编辑器、移动端开发 App、编辑器插件、CLI 命令行工具、任务管理方案、社区文档和教程，全都收录在里面。如果说前两个仓库教的是内功，也就是思路和流程，那这一个补的就是外功，也就是工具链。学习顺序也很重要，建议严格按这个来。先用 Easy-Vibe 建认知，跑通第一个项目，亲身感受一遍从想法到成品的完整过程。再用 vibe-coding-cn 学工作流，掌握标准化流程，从此告别随手丢一句需求然后翻车的日子。接着用 awesome-vibe-coding 补工具链，根据自己的场景挑趁手的工具。最后一步，拿真实项目练手，从小工具做起，走一遍想法、AI 生成、运行调试、迭代成品的完整循环，让成果说话。坚持下去会发生什么？第一周，你能跑通第一个 AI 小游戏，信心大涨。第二周，做出第一个 Web 原型，开始找到感觉。第一个月，掌握标准化工作流，基本不再翻车。第二个月，沉淀出自己的 Skill 库和工作流模板。到第三个月，整套 AI 工具链稳定运转，一个人就能顶一个小团队。最后再总结一遍：Easy-Vibe 负责入门实战，vibe-coding-cn 负责工作流…

转发者评论

无明显转发评论

原文

2026 半年提交的代码，快超过过去两年。AI Coding 容易让人陷入疯狂。最近也在思考一个问题。AI Coding 时，人到底是一个需求口喷角色，还是系统架构设计角色？也在反问自己，我对我的系统是越来越了解了，还是越来越生疏了？我的答案是，想做的事情越来越明确了，但对做出来的那堆东西，却越来越生疏了。对着 Coding Agent 发号施令已经成为常态。那种建应用的感觉就像，刚开始在建大坝，日日赶工，雏形也越修越好；等到真的大雨降临时，却发现东边有窟窿，西边墙面也不稳。于是，整日的工作，又变成了修修补补，拆东墙补西墙。大多数人在开始 AI Coding 的第一天，就忽视了一个点。软件工程里，除了支撑业务需求的代码，更多的是支撑稳定性、性能、质量、成本、安全的代码。要把系统建好，分配给后者的 AI 注意力，随着时间推移，占比通常会越来越高；当达到某一个临界点后，系统就需要面临一次重构。完成重构之后，重心才能重新回到前者。从真实的实践来看，AI Coding 会把软件工程，从白盒精细化治理，逐步推向黑盒管理。人没有那么多精力去 Review AI 写的每一行代码，因此搭需求积木的职责，会逐步从人转移到 AI，人也会逐渐丧失对系统运行细节的理解。如果黑盒会成为常态，那如何治理黑盒，就会成为一个新的命题。AI 写代码时，也要关注质量工程、关注架构设计、关注领域模型抽象、关注无效代码下线、关注性能和稳定……如何让 AI 持续做好这些事情，如何在黑盒模式下继续保持代码收敛，以及系统的可持续运转，我觉得会成为未来软件工程新的挑战。

转发者评论

无明显转发评论

原文

【Lisp：是编程界的“麦克斯韦方程组”，还是过时的宗教？】最近一篇关于“为何学习Lisp”的讨论在技术圈激起涟漪。文章核心观点认为，Lisp不仅仅是语言，它通过“代码即数据”（Homoiconicity）和强大的Macro系统，赋予了开发者“向着问题生长语言”的能力。这种REPL驱动的开发模式，让编程从“构建”变成了“演化”。从底层逻辑看，Lisp处于编程权力的极端：它不相信编译器能预防所有错误，而是选择相信程序员的智力，给予近乎无限的自由。这种“黑暗面”力量（如宏和自修改代码）让它在AI时代展现出独特优势——当LLM接入一个真正的REPL环境时，它能通过实时反馈进行经验主义的自我修正，而非仅仅在Token概率中盲猜。然而，这种强大也伴随着代价。Lisp像是一个吞噬天才时间的黑洞，由于缺乏现代化的并发标准和统一的工程约束，它在工业界始终处于“备受尊敬却鲜被大规模使用”的尴尬境地。对大多数开发者来说，带走它的“声明式思维”比死磕它的括号更有价值。scotto.me/blog/2026-07-09-why-lisp/ #人工智能##AI创造营##程序员##Lisp##编程语言#

转发者评论

无明显转发评论

原文

特德·姜：AI 为何无法创造艺术（注：这是特德·姜在《纽约客》杂志发表的长文，我只摘录一些关于小说创作的部分。全文请大家移步《纽约客》网站。）众所周知，艺术本身就极难定义，区分好艺术与坏艺术更是如此。但请允许我提出一个概括性的观点：艺术是无数选择的结晶。用小说创作来举例或许最容易理解。当你写作时，你输入的几乎每一个字，都有意或无意地包含了一次选择。简单来说，一篇一万字的短篇小说，就意味着你做出了一万次抉择。而当你给生成式AI一段指令时，你做出的选择寥寥无几；即便你写了百来字的提示词，那也仅仅是百来次选择而已。如果AI根据你的提示词生成了一篇万字故事，它必须填补所有你未曾做出的选择。它有几种方法来完成这件事。一种是综合互联网上其他作者的常见选择，取其平均值，但这恰恰等同于做出了最乏善可陈的选择，这也是为何AI生成的文本往往平淡无味。另一种是命令程序进行风格模仿，仿效某位特定作家的选择，但这只会产生一部拾人牙慧、毫无新意的作品。无论哪种方式，都无法创造出有趣的艺术。………而想象一个能通过多次交互帮你写出一部好小说的程序，就更加困难了。这个假想中的写作程序，可能需要你输入十万字的提示词，才能生成另一篇完全不同、但符合你构想的十万字小说。我甚至不清楚这样的程序会是什么样子。理论上，如果它存在，用户或许还能被称为作者。但同样，我不认为像OpenAI这样的公司，会想去开发一个需要用户付出与从零开始写小说同等辛劳的ChatGPT版本。生成式AI的卖点在于，它的产出远大于你的投入，而这恰恰是它无法成为艺术家有效工具的根本原因。推广生成式AI的公司声称，它们将“释放创造力”。本质上，他们是在说，艺术可以只有灵感，无需汗水——但这两者根本无法轻易分割。我并非说艺术创作必须枯燥乏味，我想说的是，艺术需要在每一个尺度上都做出选择。在实施过程中做出的无数微观选择，与构思阶段的少数宏观选择，对于最终成品同等重要。在艺术创作的选择中，将“宏观”等同于“重要”是错误的；艺术性恰恰存在于宏观与微观的相互作用之中。我相信，那种认为灵感可以压倒一切的想法，恰恰是外行的表现。我敢说，即便你的目标只是创作娱乐作品而非严肃艺术，这一论断依然成立。人们常常低估娱乐大众所需的努力。一本惊悚小说或许达不到卡夫卡所言的“我们内心的冰封海洋的一把斧子”那样的理想高度，但它依然可以像瑞士手表一样被精心打造。一部成功的惊悚小说，绝不仅仅是它的背景设定或情节梗概。我怀疑，如果你把一部惊悚小说里的每个句子都换成一个语义上等同的句子，它还能同样引人入胜吗？这正说明，小说的每个句子——以及它们所代表的微观选择——共同决定了这部作品的成败。许多小说家都有过这样的经历：有人找上门来，坚信自己有个绝佳的小说点子，愿意拿出来分享，条件是版税五五分成。这种人无意中暴露了他们的想法：他们认为遣词造句是一件麻烦事，而非散文叙事的根本。…

转发者评论

这篇文章快两年了，之前看了就觉得印象深刻，还翻译了:http://t.cn/AXos9MCO

• 这篇文章快两年了，之前看了就觉得印象深刻，还翻译了:http://t.cn/AXos9MCO
• 主要是定义何为艺术。如果艺术是源于生活，高于生活的主体审美。那么AI不能，因为它没有生活过。但如果艺术还包括黄金分割等自然律，那么AI可能创造伟大的艺术。//@CC女士不是西西:“我相信，那种认为灵感可以压倒一切的想法，恰恰是外行的表现”。任何灵感/idea都根本不值钱，距离伟大的作品/结果十万

原文

未来的程序员，可能真的要和写代码这件事说再见了。Anthropic 最新的一场访谈，透露出一个挺扎心的信号：AI 编程已经从个人的代码补全，进化到了团队级的 Agent 协作。把 Claude 拉进 Slack，它能自己修 Bug，自己提 PR，甚至还会主动给产品经理发日报，活脱脱一个不知疲倦的赛博同事。当 AI 真的以同事的身份进了你的团队，程序员的核心能力也会跟着彻底改写。以后拼的主要是三件事：怎么把任务拆清楚，怎么把上下文喂到位，以及它交上来的活儿，你能一眼判断合不合格。所以，别再和 AI 比敲字速度了，那是它的主场。不如来看看，未来的顶级团队到底是怎么工作的。#科技先锋官##How I AI# AIGC·非著名程序员的微博视频

转发者评论

无明显转发评论

原文

【AI时代的剪辑：让Agent直接改写时间轴】FableCut是一个零依赖的浏览器视频编辑器，它最锐利的设计在于：整个剪辑时间轴被压缩成了一个JSON文档。这意味着你不再需要手动拖拽进度条，只需给Claude Code或任何AI Agent下达指令（如“按节拍剪掉这六段素材，加上青橙滤镜和跳动字幕”），Agent就能通过MCP或REST接口直接改写JSON，你坐在屏幕前就能看到时间轴像自动钢琴一样自己跳动、对齐、成片。这件事的重要性在于它打破了传统AI视频工具的“黑盒”属性。过去AI剪辑是“你提要求，它吐成品”，中间过程不可控；而FableCut把项目文件变成了人机协作的共同接口。底层逻辑是利用JSON的结构化特性，让LLM从“像素处理者”变成了“逻辑编排者”。对于开发者和创作者来说，这不仅是剪辑效率的飞跃，更意味着视频编辑正在从一种“手艺活”演变为一种可以被编程、被Agent驱动的自动化流。 github.com/ronak-create/FableCut #人工智能##AI创造营##视频编辑##开源项目#

转发者评论

无明显转发评论

原文

OpenAI 今天发布 GPT-Live，用全双工架构（full-duplex）取代 ChatGPT 原有的语音模式。同声传译的演示效果很惊艳。两个型号 GPT-Live-1 和 GPT-Live-1 mini，分别面向付费和免费用户，今天起在 iOS、Android 和网页端全球推出。这是 ChatGPT 语音的第三代技术。之前的语音模式本质上是"对讲机"模式，你说完它才说，中间稍微停顿一下就可能被打断。GPT-Live 改成了全双工，可以一边听你说一边自己说，每秒做多次交互决策，判断该说话、该闭嘴、该打断还是该调用工具。对话中它会像真人一样插入"mhmm""got it"之类的回应，表示在听。架构上有一个比较有意思的变化：GPT-Live 把语音交互层和推理层拆开了。日常对话它自己处理，遇到需要联网搜索、深度推理的问题，就后台交给 GPT-5.5 去干活，自己继续跟你聊着。等结果出来了再无缝带回对话。OpenAI 说以后出了更新的模型会持续替换后端，前端语音模型不用重新训练。这个设计对做语音智能体的开发者可能比较有吸引力，也给了 OpenAI 一个把语音产品和模型迭代解耦的机制。用户端还加了三档推理强度可选：Instant（快速回答）、Medium 和 High（需要想一会儿的复杂问题），九个语音角色也重新录制过。语音对话中还能显示天气、股票、体育比分等可视化卡片。不过上线第一天用户反馈就出现了一个有点讽刺的问题：那些设计来让对话更自然的回应词，实际用起来让不少人觉得烦。社交媒体上已经有用户吐槽 GPT-Live 的"mhmm"太频繁，声音直接闯入注意力的感受和文字不同，AI 的热情过了头反而成了干扰。TechCrunch 在报道中也提到，演示中展示印地语实时翻译时，模型带着明显的美式口音，措辞偏书面，效果并不理想。OpenAI 说"针对最常用语言做了优化"，但没有公布具体支持哪些语言。另外，GPT-Live 上线时不支持视频通话和屏幕共享，需要这些功能的用户得切回旧版。API 也还没开放，开发者只能先登记排队。每周有超过 1.5 亿人使用 ChatGPT 的语音和听写功能。OpenAI 显然把语音视为下一个主力交互界面，ChatGPT Voice 产品负责人 Atty Eleti 说自己散步时经常跟它聊三四十分钟。至于全双工到底是一次真正的体验升级，还是又一个演示很惊艳、日常用起来还得调的产品，可能还得看接下来几周用户怎么说。官方介绍：网页链接 宝玉xp的微博视频

转发者评论

无明显转发评论

• 试用了一下，其实主观感受并不太好，“嗯”太多了。但是后台模型可以选到 GPT 5.5，是个很不错的改进。 然后各个角色的音色其实感觉差别不大，尤其是中文的话。我觉得 GPT 最大的问题还是缺少一个王牌音色。豆包为什么大家觉得语音模式很不错？很大一个原因就是因为它默认的音色真的很不错。

原文

今年AI下半年的形势已经比较明确了。我们先从智谱AI说起，glm4.7做到了可用，glm5.2做到了实用。我们不要讲什么榜单排名，我们就说手感。你用glm4.7编码的话，能用是能用，但是它会犯低级错误，而且比较频繁。但是glm 5.2犯低级错误的概率非常小，确实提升很大。这个靠什么提升的呢？大量的后训练。因为很多智能体已经爆发了，这里有大量的数据可以用于训练。这个从腾讯hy3的正式版也可以看出来，后训练的提升非常狂暴，比预览版提升非常多。国内的开源模型，在后训练这块，已经有手感了。deepseek v4的后训练，几乎等于没有，基模还是不错的。这次就看他们的正式版了。另外一个，现在已经比较明确了，轻量级的模型就是200B左右。比如deepseek v4 flash，腾讯hy3，在什么聊天、写作、搜索、办公等等基本够用了。中等量级的模型，就是1T-2T左右的。这个可以用来做复杂任务，比如编程等等。deepseek v4 pro 1.6T，minimax可能是2.7T，kimi k3可能是2T。现在模型大，约等于就是好。在这个规模，再加上后训练，下半年，国产开源模型做到claude opus 4.8的水平，问题不是很大。就是大量模型都能做到实用，甚至好用，性价比还高。在这个等级的市场，国外模型可能很难打过国内模型了。在超大模型，比如Fable这种级别，国内尚未探索。但是这个模型给openai，谷歌的刺激非常大。估计他们要对标这个模型，可能是gpt 6来对标。 #模型扎堆更新你最看好谁#

转发者评论

无明显转发评论

原文

#大模型公司自研芯片潮# DeepSeek是全世界最会在软件层“抠算力”的公司，蒸馏、MoE、稀疏激活，每一招都是在有限硅片上榨出更多智能。当这样一家公司说“我也得自己造芯片了”，它传递的信号比任何行业报告都沉重：算法层面的优化红利，见顶了。软件能省的油，已经省到骨头了，接下来只能改发动机。这是一个时代分界线。2024年大家比的是谁的prompt工程聪明，2025年比的是谁的架构创新猛，2026年比的是谁能把自己的思维方式直接烧进晶体管里。竞争从“写得巧”变成“造得出”，门槛不是高了，是换了一个物种。 大模型公司自研芯片潮

转发者评论

无明显转发评论

原文

[CV]《HIVE: Understanding Post-Hallucination Reasoning in Vision Language Models》F He, Z Wang, Q Wang, Q Guan… [Purdue University & Rutgers University & Meta AI] (2026) 在多模态大模型领域，幻觉（Hallucination）通常被视为需要被消除的语义错误。过去的方法受困于单纯的“检测与抑制”范式，本质原因是研究者普遍假设幻觉只会引入噪声，而忽视了当幻觉信息进入推理上下文后，模型如何与其共存并进行后续决策的黑盒过程。本文的核心洞见是：把幻觉重新看作一种在视觉信息缺失时的“投机性语义补偿”。由此，构建 HIVE 评估引擎进行受控实验这一关键操作使问题得以解开：通过对比忠实与幻觉描述对下游任务的影响，发现幻觉竟能通过拓宽语义覆盖面和重塑推理动力学，在感知敏感型任务中显著提升推理准确率。这项工作真正留下的遗产是证明了幻觉在多模态推理中具有“探索性”的二重性。它为后来者打开的新门是利用适度幻觉作为语义锚点来增强不确定环境下的决策能力，但尚未跨过的门槛是如何在不牺牲严谨性的前提下，精准界定“建设性幻觉”与“误导性噪声”的边界。arxiv.org/abs/2607.07507 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

原文

现在的 AI 视频创作已经过了单纯拼提示词的阶段，真正拉开差距的是导演思维。AI 创作博主 ADIL 用 Claude 撰写剧本，再用 Higgsfield 的 Seedance 2.0 4K 模型生成画面。整个工作流最值得借鉴的地方在于，他把传统的电影视听语言融入到了 AI 生成中。比如在设定角色时，先用纯灰色背景生成正面、背面和特写的三视图，建立统一的元素库，这样能极大解决 AI 视频中角色脸部不一致的问题。在运镜和构图上，他利用四分之三偏侧角度来增加画面的纵深感，用倾斜的荷兰角来传递主角射失点球后的焦虑与窒息感。甚至在提示词里，他会刻意避开无用的负面提示词，直接用具体的动作和情绪描述来引导模型。最让人惊艳的是，Higgsfield 还能根据生成的角色外貌自动匹配音色，实现音画同步。这种把镜头运动、情绪起伏和色彩方案系统化输出的方法，才是未来 AI 导演的正确打开方式。#AI电影##Higgsfield##AI创造营# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

#万千气象看陇原#甘肃燧弘人工智能科技有限公司（以下简称“燧弘科技”）作为弘信电子旗下控股子公司，深度布局AI算力领域，其发展态势凸显技术实力与战略前瞻性。技术赋能：国产化与智能化双轮驱动。公司主打燧弘算力一体机，搭载国产高性能GPU，实现从芯片到服务的全链路国产化替代。产品兼具开箱即用特性与深度定制能力，满足医疗、政务等场景的严苛合规需求。预装主流深度学习框架，支持模型快速迁移，技术适配性显著。制造实力：智能工厂构建核心壁垒。其AI算力服务器智能装配工厂获评甘肃省先进级智能工厂，印证制造端硬实力。通过数字化产线提升效率，结合本地化部署与自主容灾设计，确保数据安全与交付稳定性，形成差异化竞争优势。市场拓展：订单与资质双突破。公司近年签署多笔千万级算力服务合同，客户覆盖政企领域。同时，其种质资源库获“国家药用植物种质资源库甘肃库”认定，彰显技术权威性。产学研一体化模式推动技术成果快速转化，夯实市场根基。战略价值：西北算力枢纽潜力凸显。依托甘肃地理与政策优势，燧弘科技或成弘信电子辐射西北算力市场的关键支点。当前AI算力需求爆发背景下，公司“制造+服务”双引擎模式具备长期增长动能。 它的母公司：弘信电子！ 天水·经济技术开发区社棠工业园区

转发者评论

无明显转发评论

原文

DoorDash 的 CTO Andy Fang 说了一句挺狠的话：用 AI 的目标根本不在写代码更快这一层，真正的终点，是从此再也不用亲手写代码。这话可不是随口放炮，他们公司现在全员跑 agent。有个代码迁移项目，原本的排期是四个工程师干满一个季度，现在一个人，三周搞定。团队的形态也跟着变了，原来的一支专家团队，缩成了一个专家，带着一堆规则和一群 agent 干活。这些内容出自他和 Claude Code 创始人的一场对谈，二十五分钟，全程都是干货。看完我算是想明白了一件事：大多数人用 AI，还停留在最原始的方式上，手动输一段，等它回，改一改，再接着问。一轮一轮耗下来，效率低到离谱。而真正的玩法，早就换了。#科技先锋官##How I AI# AIGC·非著名程序员的微博视频

转发者评论

无明显转发评论

原文

【年薪千万的AI研究员，贵在“伤疤”而非“答案”】顶级AI研究员的高昂身价并非源于他们能写出完美的论文，而在于他们拥有极强的“研究直觉”——一种在充满噪声的实验中识别陷阱、在无数可能路径中精准分配资源的能力。最近一项针对ARC-AGI-3挑战的研究显示，当给Claude Agent配备了一个能够记录失败教训、实验轨迹和逻辑转折的“研究世界模型”后，它在处理极高难度任务时，能将原本盲目尝试的5000多步操作精简为63步精准决策。这证明了那些通常被视为“废料”的实验中间过程，才是构建智能系统的核心资产。所谓直觉，其实就是被高度压缩的经验性知识，是那些没能写进论文的失败记录形成的“伤疤”。过去我们把AI当成答案生成器，但真正的研究突破需要的是对过程的掌控力。通过将科研人员的探索路径转化为可检索的知识图谱，我们正在把不可言传的“大牛直觉”工程化。未来的竞争不在于谁的算法跑得快，而在于谁能构建出更强大的外部认知架构，让AI不再只是重复试错，而是像资深科学家一样，在行动前就已经通过世界模型过滤掉了99%的无效路径。 x.com/JIACHENLIU8/status/2074558254328455577 #人工智能##AI创造营##科研##世界模型##Agent#

转发者评论

无明显转发评论

原文

OpenAI 正式发布了 GPT 5.6 系列模型，包含 Sol、Terra 和 Luna 三个版本，今天已经开始在 ChatGPT、Codex 和 API 中陆续推送。这次更新最让人兴奋的，是 AI 正在从单纯的对话工具演变为能够自主执行复杂任务的行动派。日本北海道的农民 Hiroki 用它来设计温室自动通风系统，以前他需要和 AI 反复对话调试，现在只需要给出一个终极目标，GPT 5.6 就能自己规划步骤、挑选工具，甚至指导他用树莓派和电机把实体硬件搭出来。波兰的数学家 Bartosz 更是用 Codex 5.6 解决了一个死磕三年的数学难题，AI 自动把复杂的计算拆解成多个并行工作流，让不同的智能体分工协作，直接推翻了之前的错误猜想。这种多智能体协同和自主执行的能力，意味着我们正在进入单指令交付的时代。你不需要再教 AI 每一个步骤，只要告诉它你想要什么，它自己就能把头脑风暴的想法变成精美的可视化仪表盘或者一套定制软件系统。#GPT5.6##OpenAI# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

#OpenAI全量发布GPT5.6#我已经用上了，感受不错。其实今天OpenAI发布的，不只是 GPT‑5.6这个更新型号这么简单。我认为GPT‑5.6 不单是一台更聪明的机器，而是一组更会分工的系统：Sol：旗舰，适合复杂推理、编码与高难任务。Terra：平衡成本与能力的日常主力。Luna：更快、更便宜，适合规模化调用。它们共同拥有更长的上下文（1.05M）、更高的推理档位 max，还有一个新加入的ultra最高能力档：系统会默认协调 4 个代理并行处理同一个复杂任务，再汇总和互相校验结果。这样适合长链路工作，例如大型代码改造、深度研究、复杂规划与需要多轮工具调用的任务。ChatGPT、Codex 与 API 均已纳入本轮发布（Codex正式并入ChatGPT)；不同套餐和入口的可选模型、推理档位略有差异。从目前的分类来看，更像是 OpenAI 把“聪明”从一个单点，做成了一条可调的刻度。你可以要 Sol，像请来一个愿意在深夜反复检查答案的合伙人，代价高但是靠谱；也可以选 Terra，让多数工作停在性价比最好的位置；或者用 Luna，把那些本不该昂贵的任务，快速地推向完成。在推理强度上看，可以把 max 想成一个人熬夜把方案打磨三遍；ultra 则像把问题交给一个小组：有人查资料、有人做方案、有人找漏洞，最后由主负责人合并答案。它更像是一个团队，让几个人沿着不同路径去探索，目的是同时抵达一个目标。#热搜ai创作激励大赛#

转发者评论

无明显转发评论

原文

Google 最近悄悄把 NotebookLM 重构升级到了 2.0 版本，这次更新非常低调，但底层变化巨大。它不仅接入了 Gemini 3.5 Flash，还给每个笔记本都配了独立的云端虚拟机算力。AI 技术博主 AI Master 分享了几个能直接提升使用体验的细节。首先是命名，一定要用具体的细分主题，比如 “AI 视频生成研究 2026”，这样模型在检索时才不会产生领域混淆。其次，强力推荐在同一个笔记本里混合导入学术论文、YouTube 视频和播客音频，这种跨媒介的组合能帮你拼凑出某个主题的最全视角。如果你导入了大量资料，有个绝大多数人都忽略的技巧，就是先取消勾选所有来源，只勾选当前问题最相关的两三个文件，这样得出的回答精度会大幅提升。在设置里，也建议把对话目标改成自定义角色，并把回答长度从短切换到长，这能让回答的实用性直接翻倍。这次 2.0 最让人惊艳的是它的自主研究能力。在空白笔记本里输入一个主题，它的智能体会自动去全网抓取几十个高质量源文件，剔除失效链接，并直接生成研究报告。你甚至可以在一个聊天框里，让它基于这些抓取到的资料，在 12 分钟内帮你生成一份路演 PPT 和一个带实时计算公式的 XLSX 财务模型。不过也有一些不完美的地方，比如思维导图目前只能导出图片，PPT 导出的部分图层也被锁死在图片里，对于重度编辑用户来说还不够灵活。在实际工作流中，建议大家可以把 NotebookLM 当作第一步的研究和综合工具，因为它能绝对锁定在源文件范围内，几乎没有幻觉。至于后续的具体撰写，交给 Claude 或者 Gemini 效果会更好，不同工具各司其职才能发挥最大效能。#NotebookLM##AI工作流##生产力工具# 零重力瓦力的微博视频

转发者评论

//@Zodzod_张浩:牛逼，怪不得越用越舒服//@来去之间:转发微博

• //@Zodzod_张浩:牛逼，怪不得越用越舒服//@来去之间:转发微博

原文

### 聊聊非技术人如何用好 AI：让它从“听指令”变“懂你”的 3 个进阶技巧最近在跟朋友交流时我发现一个现象：很多人在使用诸如 Claude Code、Cursor 这类 AI 工具时，依然停留在“我下指令，你干活”的阶段。但我个人在日常工作和项目里，有几个非常常用、甚至觉得理所当然的小技巧，似乎大家并没有广泛使用。这些技巧的核心逻辑其实只有一个：**不要仅仅让 AI 帮你做事，而是要让 AI 学习你的思考方式，甚至培养它的“品味”。**今天就来给大家简单拆解一下这 3 个实操技巧。---#### 技巧一：文章“投喂”与认知同频，不要让好想法流失我们在看文章、刷推特时，总会遇到一些让人拍案叫绝的产品设计思路或工作方法论。很多人的做法是默默点赞收藏，但我一般会直接把这些内容“扔”给 AI，并让它做两件事：* **提炼通用哲学（Distill）：** 告诉 AI：“我觉得这篇文章里的想法非常好，请你提炼出其中的底层逻辑，并记下来。”有时间的话，我还会加上几句我自己的见解。这能让 AI 建立起一套通用的“做事哲学”。* **项目具体应用：** 如果这篇文章跟手头的项目强相关，我会直接问：“你看看这篇文章，对我们正在做的 [某项目] 有没有什么启发？”**💡 我的洞察：** AI 为什么有时候给出的答案不符合你的预期？因为你们存在“信息差”。它没有看到你看到的文章，没有受到那些优秀想法的影响。你必须要向它分享你的信息源，它才能跟你“同频共振”。#### 技巧二：化被动记忆为“主动技能”，让 AI 反客为主这是我个人觉得最实用的一个隐藏技巧，也跟第一点紧密相连。很多人看到好的 Prompt 或技巧，会让 AI “记住”。但这还不够，我的做法是：**不仅要它记住，还要它把这个技巧写进自己的系统记忆（Memory/Learning）里，并要求它在未来遇到相关场景时主动调用。*** **不要靠你的脑子去记：** 好技巧太多了，你根本记不住要在什么时候用什么。* **让 AI 主导工作流：** 你要教给它的不是“一次性的任务”，而是“工作的方法”。当它深刻理解了你的偏好后，它在处理全局或项目时，就会主动跑来问你：“基于我们之前的哲学[memory]，你是不是应该/你可不可以告诉我xx？”这个过程需要几轮训练，要有耐心。**💡 我的洞察：** 我觉得这就是一个优秀助手的终极形态**你教它如何工作，然后让它把重要的事情主动推到你面前，而不是每次都等你发号施令。**#### 技巧三：用优秀案例培养 AI 的“审美与品味”除了思想和文章，我们还可以用具体的项目来培养 AI 的品味。比如，你逛 GitHub 时看到一个对你有启发的开源项目，或者体验到某个产品很好用的的 Feature。以前我们可能需要自己花半天时间去扒源码、研究细节。但是现在，你可以直接把 GitHub 链接…

转发者评论

无明显转发评论

原文

【OpenAI最强模型！Gpt-5.6系列发布：Codex、ChatGpt Work智能体三合一】今天凌晨，OpenAI官宣GPT-5.6系列模型全球全面开放，同步上线ChatGPT Work原生智能体，独立Codex编码工具整合进统一ChatGPT桌面客户端，覆盖网页、移动端、Windows与macOS全终端。

转发者评论

无明显转发评论

原文

马斯克在 X 上公开承认之前骂 Anthropic 骂错了，说它现在确实是 AI 界的领跑者："I was clearly wrong about Anthropic. They are obviously currently the leader in AI. No company has released a model as good as Mythos/Fable and they will undoubtedly have Mythos 2 ready soon. And I would never cut them off in a way that hurt them badly, even as a competitor. That’s not my style. "

转发者评论

无明显转发评论

• [doge]//@高飞:不怕被打脸也是人类进步的本源之一
• 不怕被打脸也是人类进步的本源之一

原文

中国现在处在“低端消费饱和，中高端消费不足”，民间对未来预期悲观，中高端民间供给无法得到回报这么个尴尬的点上。为了破这个局，今年无论是中央和地方，都提出了从“投资于物”到“投资于人”。今天大家看到了各地的公园、场馆扩大、绿化变美，都是这个逻辑的一部分。“十四五”期间，全国民生支出近100万亿元，占一般公共预算比重超70%2。2026年，教育、社保、医疗等民生支出预计超12.4万亿元，占预算的41.3%，达近年最高。所以大家看到的结果就是国家有钱搞民生，街边绿化可能比中高档小区都好，家里装修没有公共场馆好。这是因为消费不足，只能靠公共支出维持供需平衡。信心的恢复，需要一段时间，但一旦恢复就会爆发出惊人的力量。股市好一年，豪宅立刻卖的动了。后面，中国需要有个契机，爆发出像大家疯狂买房时候的一个“普涨”资产，信心才能回来，消费才会扩张，经济增长必须靠民间的“寅吃卯粮”和对美好生活的幻想，只有适度的消费端信用扩张，才可能进入到新的繁荣。当前用民生类公共支出提升的只能是一部分兜底的安全感，争取一点时间，等待下一个普涨的时代来临和新的财富幻觉，也许是AI、也许是别的。

转发者评论

很赞同。我们现在处于经济升阶的过渡期，旧经济失速，新经济渗透率不足，那根财富之矛还未显现。土地财政由巨型经济飞轮旋转联动，带来了极强的财富效应且能直接作用在家庭上，由此产生的人性激发效应带来了三十年的繁荣期。新的“土地财政”是什么？还不清楚，大概率还是 AI，因为它可以成为所有新经

• 很赞同。我们现在处于经济升阶的过渡期，旧经济失速，新经济渗透率不足，那根财富之矛还未显现。土地财政由巨型经济飞轮旋转联动，带来了极强的财富效应且能直接作用在家庭上，由此产生的人性激发效应带来了三十年的繁荣期。新的“土地财政”是什么？还不清楚，大概率还是 AI，因为它可以成为所有新经

原文

【模型厂商在“挤牙膏”，还是工具在“吃回扣”？】Databricks 最近对其数百万行代码库进行了实战评测，结果让不少人跌破眼镜：在编程这件事上，最贵的并不代表最好，而厂商自家的工具（Harness）反而可能是最浪费钱的。核心发现有三点：首先，开源模型 GLM 5.2 已跻身第一梯队，性能持平 Opus 4.8 但成本低了 30%；其次，单纯看 Token 单价毫无意义，Sonnet 5 虽然单价便宜，但因为“废话多”、反复尝试，最终单次任务成本反而比 Opus 还高；最关键的是，像 Pi 这样简单的第三方工具，由于上下文管理更克制，比厂商原生工具（如 Claude Code）节省了近 3 倍的上下文消耗，且成功率不降反升。这件事背后的逻辑值得玩味：模型厂商有天然的动力让用户多消耗 Token（就像牙膏广告教你挤满整根牙刷），而真正的高效往往来自对 Context 的精准裁剪。对于企业和开发者来说，盲目迷信原生配套或低单价模型都是陷阱，建立基于自身代码库的真实评测（Benchmark），把任务分层交给不同量级的模型，才是 AI 时代的省钱经。databricks.com/blog/benchmarking-coding-agents-databricks-multi-million-line-codebase #人工智能##AI创造营##大模型##程序员#

转发者评论

无明显转发评论

原文

GPT-5.6评价自家模型价格，会有倾向吗？> Sol xHigh：GPT-5.6 三档在纯 token 单价上都不是市场最低；它必须靠任务成功率、token 效率、工具能力及更少人工返工证明价值。只比较官方直连 API 标准价，- Sol：处于传统高端价位，不算便宜，也没有离谱- Terra：自家性价比突出，横向单价并不低- Luna：与 Haiku 接近，但不是低价市场冠军综合来看：- **最低成本：** DeepSeek V4、Mistral Small 4。- **低价高吞吐：** Gemini Flash／Flash-Lite、Grok 4.3。- **中档竞争最激烈：** Sonnet 5、Grok 4.5、Gemini 3.1 Pro、Mistral Medium 3.5。- **传统高端价：** GPT-5.6 Sol、Claude Opus 4.8。- **最高溢价：** Claude Fable 5、GPT-5.5 Pro。> 人类：自家就上了俩模型，真无情啊## 横比| 模型 | 输入 | 输出 | 标准账单 | 相对 Sol || ----------------- | --------: | ---------: | ---------: | -----: || GPT-5.5 Pro | $30.00 | $180.00 | **$66.00** | 600% || **GPT-5.6 Sol** | **$5.00** | **$30.00** | **$11.00** | 100% || GPT-5.5 | $5.00 | $30.00 | $11.00 | 100% || **GPT-5.6 Terra** | **$2.50** | **$15.00** | **$5.50** | 50% || GPT-5.4 | $2.50 | $15.00 | $5.50 | 50% || **GPT-5.6 Luna** | **$1.00** | **$6.00** | **$2.20** | 20% || GPT-5.4 mini | $0.75 | $4.50 | $1.65 | 15% || GPT-5.4 nano | $0.20 | $1.25 | $0.45 | 4% |## 纵比| 厂商与模型 | 官方定位 | 输入 | 输出 | 标准账单 || ------------------------------------------------------------------- | ------- | -----: | -----: | ---------: || Anthropic Claude Fable 5 ([Claude Platform Docs]) | 最高端 | $10.00 | $50.00 |…

转发者评论

无明显转发评论

原文

GPT-5.6发出的6个信号：1.模型水准还在快速提升的通道里，并且迭代加速（背后是充裕的快训算力、AI加速更强的AI、递归工具箱）；2.Fable 5神话并非不可超越的背后是前沿模型的原理没有Mythos墙，路都能摸通，不过Gemini在所有分析图里都快看不见了；3.用户侧完全Agent化，Agent全面工作台化，任务与行动一体化（Compute Use不仅标配测评分低了都不行）；4.又快又好又便宜的AI是可能的，和又慢又好又贵的AI竞争起来没悬念，会和开源一起拉低中低难度常规任务的Token成本，Claude-GLM模式始终存在对立面，杰文斯悖论继续；5.传说中的GPT-6会和其它前沿模型一起将竞赛带入超大体量的Scaling阶段（不能低估Scaling），未来半年一年参数量不能数倍增长的基座模型可能没法进入内围游戏；6.原生多模态如果Coding能力也很强甚至更强，纯LLM的Coding叙事可能就进行不下去了，模态趋同才能对应用户的全栈AI。不过GPT-5.6只是进一步印证了一些风向，交替领跑而已；封闭总被开放干，堡垒自有竞争磨，短期内谁都别想把AI攥在自己手里。

转发者评论

无明显转发评论

原文

刚刚，GPT-5.6「太阳系」全家桶上线！Codex消失了#科技先锋官# 终于等到了！就在刚刚，OpenAI一口气把GPT-5.6「全家桶」——Sol、Terra、Luna全放了出来。毫不夸张地说，Sol这次就是冲着Claude Fable 5来的：· Agents' Last Exam：Sol豪取53.6%，把Fable 5甩开13.1分；· Terminal-Bench 2.1：Sol拿88.8%，开Ultra顶到91.9%，Fable 5才83.1%；· Coding Agent Index：Sol狂揽80分刷新SOTA，力压Fable 5 2.8分。更刺激的的价格——Fable 5每百万token的输入是$10、输出是$50；Sol直接对折，只要$5和$30，Terra再砍半到$2.5和$15，Luna干脆只要$1和$6。同在今天，ChatGPT和Codex终于完成合体，OpenAI「超级应用」真的来了。从此，只剩下ChatGPT这一个应用。

转发者评论

无明显转发评论

原文

#微博声浪计划# #听见微博# 今日思考：7月9日堪称2026年AI产业的"超级发布日"。OpenAI在同一天完成了从旗舰模型到语音交互再到办公助手的三重布局，配合SpaceX AI的Grok 4.5以极致性价比入局，大模型竞争已从单纯的参数竞赛升级为全场景、全生态的系统性对抗。价格战尤为值得关注：Grok 4.5以输入2美元/百万Token的定价切入，将推理成本打到业界的四分之一，这种"性价比屠夫"策略正在加速AI技术的普惠化，但也意味着只有规模效应和成本控制能力极强的玩家才能持续留在牌桌上。与此同时，中国AI产业在算力基础设施层面迎来两个里程碑：美团LongCat-2.0在五万卡国产算力集群上完成全流程训练并全面开源，字节跳动AI Rack 3.0首次将800V高压直流和全液冷技术从试点推向量产标准。这两件事共同指向一个趋势——中国AI正在构建从芯片适配到基础设施的完整自主栈，不再依赖单一外部供应链。而Meta自...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动 德里克文的微博音频

转发者评论

无明显转发评论

原文

【GPT-5.6：当AI学会自己“闭嘴”，开发者该放手了】OpenAI正式发布GPT-5.6系列，涵盖Sol、Terra和Luna三款模型。核心改进集中在Token效率与意图理解：Sol作为旗舰版在ARC-AGI-3测试中突破历史记录，而Luna则将推理成本压低至极点。新版开发者指南明确指出，GPT-5.6对“简洁”类指令高度敏感，且更擅长自主推断用户目标。内部评估显示，将冗长的System Prompt简化为最小化提示，不仅能提升15%的准确率，还能减少约67%的成本。这件事的重要性在于提示词工程的逻辑发生了逆转。过去开发者习惯通过堆砌约束条件来防止AI说废话，但在GPT-5.6中，这种微操反而会干扰模型的推理路径并导致关键信息丢失。你需要带走的一个判断是：大模型正在进入“信任模式”，过度干预其语气或长度会产生负向收益。虽然Sol在效率上表现强劲，但社区反馈显示，更严格的Guardrails可能导致模型在处理安全或生物相关代码时出现误伤。效率的飞跃伴随着控制权的让渡，这要求我们从编写指令转向定义边界。 openai.com/index/gpt-5-6/ #人工智能##AI创造营##GPT5##OpenAI#

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-07-10】今日简讯：1、OpenAI发布GPT-5.6系列模型及ChatGPT Work办公助手2、OpenAI推出全双工语音模型GPT-Live系列3、SpaceX AI与Cursor联合发布Grok 4.5模型4、美团发布基于国产算力的万亿参数模型LongCat-2.05、字节跳动发布兆瓦级AI Rack 3.0算力系统6、Meta计划9月开始量产自研AI芯片Iris7、MiniMax上市后首轮解禁，股价大幅波动以下为详细内容：1、OpenAI发布GPT-5.6系列模型及ChatGPT Work办公助手来源：36氪、新智元、IT之家日期：2026年7月9日OpenAI面向全球正式发布GPT-5.6系列模型，包含旗舰版Sol、均衡版Terra和轻量版Luna三个版本。Sol版专攻复杂编码、前沿科学和网络安全，输入价格为每百万Token 5美元，输出为每百万Token 30美元，在Cerebras平台推理速度达750 Tokens/秒。Terra版性能接近GPT-5.5但成本减半，输入价格为每百万Token 2.5美元，输出为每百万Token 15美元。Luna版主打极速低价，输入价格为每百万Token 1美元，输出为每百万Token 6美元。同日，OpenAI发布ChatGPT Work，集成Codex能力的AI办公助手，支持Slack、Gmail、Google Drive等插件。微软Copilot同步接入GPT-5.6系列。原文链接：网页链接原文链接：网页链接2、OpenAI推出全双工语音模型GPT-Live系列来源：36氪、IT之家日期：2026年7月9日OpenAI推出GPT-Live-1及GPT-Live-1 mini模型，基于全双工架构重构语音交互体验。该模型可同时处理输入与输出，每秒进行多次说、听、停、打断的状态切换，并用"嗯""对"等回应模拟真人倾听。复杂任务交由后台GPT-5.5处理，前台维持流畅对话。GPT-Live-1面向Plus、Pro、Go付费用户，GPT-Live-1 mini面向免费用户。每周已有1.5亿人使用ChatGPT的Voice功能。原文链接：网页链接3、SpaceX AI与Cursor联合发布Grok 4.5模型来源：财联社、第一财经、PANews日期：2026年7月9日SpaceX AI联合Cursor正式发布Grok 4.5模型。该模型基于1.5万亿参数V9基础模型，在数万台英伟达GB300 GPU上训练。SWE Bench Pro得分64.7%，DeepSWE 1.0得分62%，Harvey法律智能体基准排名第一。同任务Token消耗仅为Opus 4.8的四分之一。定价为输入每百万Token 2美元，输出每百万Token 6美元，为业界性价比之王。马斯克预告下月上下文升级至100…

转发者评论

无明显转发评论

原文

【Claude总结】 AI开发者日报 (2026-07-09)1. 【GPT-5.6 发布】(来源: HN) OpenAI 推出新一代旗舰模型 GPT-5.6，登上 HN 首页热榜近千分。发布同时引发关于推理能力与成本的大量讨论。 openai.com/index/gpt-5-6/2. 【腾讯发布 Hy3】(来源: HN) 腾讯混元研究团队推出 Hy3，主打 3D 内容生成能力。作为国内大厂的开源级研究成果登上 HN 前排。 hy.tencent.com/research/hy33. 【ChatGPT 进军工作场景】(来源: HN) OpenAI 推出 "ChatGPT for your most ambitious work"，把助手定位为深度工作伙伴。意在从聊天工具升级为企业级生产力平台。 openai.com/index/chatgpt-for-your-most-ambitious-work/4. 【Meta 发布 Muse Spark 1.1】(来源: HN) Meta 上线 Muse Spark 模型 API，面向开发者开放调用。标志 Meta 在模型即服务赛道进一步发力。 ai.meta.com/blog/introducing-muse-spark-meta-model-api/5. 【在慢电脑上跑起 GLM 5.2】(来源: HN) 开发者开源 colibri 项目，让 GLM 5.2 能在低配机器上运行。展示了大模型本地化与量化部署的可行性。 github.com/JustVugg/colibri6. 【GLM 5.2 记账准确度接近人类】(来源: HN) 一项 VAT 增值税基准测试显示 GLM 5.2 的记账准确率已接近人类簿记员。说明开源模型在垂直财务任务上逐渐可用。 toot-books.pages.dev/blog/glm-5-2-vat-benchmark7. 【社交媒体已被 AI 内容淹没】(来源: HN) Pangram 分析发现 AI 生成内容在社交平台泛滥，尤其是 LinkedIn。引发对内容真实性与信息生态的担忧。 pangram.com/blog/ai-in-your-feed8. 【全新 ChatGPT 桌面应用】(来源: HN) OpenAI 将 Chat、Work 和 Codex 三大功能整合进统一桌面客户端。用户可在一个应用内完成对话、办公与编程。 help.openai.com/en/articles/20001276-moving-to-the-new-chatgpt-desktop-app9. 【GPT-5.6 Sol 刷新 DeepSWE】(来源: HN) GPT-5.6 Sol 在 DeepSWE 软件工程基准上达到 76%，成本比 Fable 低 61%。性价比成为新一轮模型竞争焦点。 dee…

转发者评论

无明显转发评论

原文

【电网排队：AI时代的“数字肠梗阻”】AI算力竞赛正撞上物理世界的硬墙。OpenAI等巨头斥资数百亿美元建设Stargate等数据中心，单体功耗动辄吉瓦级。然而，瓶颈并非发电量不足，而是陈旧的电网并网机制。目前美国新增电力设施的平均排队等待时间已从2005年的20个月飙升至55个月。这种“先到先得”的排队规则导致大量投机性项目占位，真正高价值的AI项目却被堵在门外，迫使xAI等公司不得不自备燃气轮机“脱网”运行。这不仅是技术限制，更是制度性资源的分配失灵。当前的电网管理仍停留在上世纪的平稳期思维，无法应对爆发式的Electrification需求。正如评论区所言，这与EV充电桩在公寓楼难以普及的困境如出一辙：顶层设计的美好愿景在基础设施的最后一百米碎了一地。读者应意识到，AI的胜负手可能不在Transformer架构的微调，而在谁能率先通过容量拍卖或“连接并管理”模式绕过官僚主义。如果电网不从“大锅饭”转向“市场化分配”，AI泡沫可能会在能源基建的泥潭里提前破裂。 worksinprogress.news/p/ai-is-bottlenecked-by-the-grid #人工智能##AI创造营##能源电力##算力基础设施#

转发者评论

无明显转发评论

原文

Marble Curriculum 是一个由教育科技团队 Marble 开源的项目。它的核心理念是：把小学阶段孩子需要学习的全部知识点，结构化成一个可计算的知识图谱。规模涵盖 1,590 个概念，3,221 条连接，覆盖 8 个学科（数学、科学、计算机、生活技能等）。标准依据对照 美国 Common Core、NGSS 和 英国 DfE 的课程标准逐条映射。数据结构：每个概念以 JSON 表示，包含适用年龄段和掌握所需的证据。概念之间的依赖关系标注为 硬软前置条件，并附有文字解释。整体构成一个 有向无环图 (DAG)，可以用来计算学习路径。开放共享：采用开放许可，任何人都可以基于它开发教育应用。应用场景：AI 辅助学习路径规划个性化教育平台教师课程设计工具目标是为教育领域的 AI 和创新提供一个坚实的公共基础，加速开发。探索：网页链接 数据：网页链接 物理芝士数学酱的微博视频

转发者评论

无明显转发评论

原文

【全能同事与孤僻天才：GPT-5.6与Claude 3.7的实测对决】HashiCorp创始人Mitchell Hashimoto在深度试用一个月后指出，GPT-5.6（Sol）已成为他的默认生产力工具。Sol在速度、规划和逻辑判断上与Claude Fable旗鼓相当，但在日常协作中更高效、更有“人格魅力”。相比之下，Fable在极端硬核的Debug、安全审计和性能优化领域依然无人能敌。Sol更像是一个你愿意共事一整天的全能同事，而Fable则是那个平时不爱社交、但在关键时刻能死磕难题的技术怪才。模型竞争正在从单纯的参数竞赛转向“职场生态位”的划分。Sol的胜出在于它极高的工程完成度和更丝滑的交互感，它解决了AI工具最难跨越的门槛：好用且不累。而Fable的局限在于它有时会陷入“平庸洞察”的怪圈，除非你给出极其明确的验证标准，否则它容易在深层思考中退缩。未来的高效开发者不会只守着一个模型，而是根据任务的模糊度和验证难度，在全能型选手与特种兵之间灵活切换。 x.com/mitchellh/status/2074862990214787301 #人工智能##AI创造营##GPT##Fable##大模型#

转发者评论

无明显转发评论

原文

Pika 刚刚发布了实验性视频生成工具 Pika 导演套件。以前我们用 AI 拍视频，需要不停地输入提示词，经历成百上千次生成，还要自己去剪辑软件里拼凑。现在这个新工具直接内置了一个能够理解并执行全套工作流的 AI 智能体。你只需要给出一个点子，比如拍一部关于大脚怪童年的电影，AI 就会帮你写出剧本初稿。接着你可以指定视觉风格，比如 70 年代的胶片颗粒感，锁定参考图后直接生成关键帧。让人最爽的是，它把视频生成和剪辑台结合在了一起。AI 会自动把生成的片段放进时间线，你可以直接用自然语言命令它调换镜头顺序、剪掉某场戏或者添加背景音乐。这种全流程的智能体协作，让视频创作的门槛再次降低。未来的 AI 视频创作会从单点画面生成，真正走向从创意到成片的系统化协同。创作者的角色更像是一个提出想法和把控方向的导演，而繁琐的执行和技术细节都可以交给 AI 智能体来完成。#Pika##AI视频生成##AI创造营# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

腾讯好像有点要上桌的意思了。之前马化腾说，本来以为上船了，结果发现船在漏水。。。这次在通用agent上，wordbuddy打出了暴击，日活一下子冲到了1300万。腾讯做产品还是可以的，产品体验做的不错。虽然技术人士认为很多东西包装不透明，但是小白喜欢啊，小白才不喜欢自己手动搞一堆东西，喜欢上手即用的。腾讯的hy3模型，通过后训练，提升很大，刚好这次用上了。现在很多人在薅积分，hy3都要扩容了。hy3才295B的模型，你不要指望它能打过claude那种级别的模型，但是办公场合足够了。据我了解到的消息，workbuddy最开始就是一个人做的。因为那个时候anthropic也开始推claude code cowork，就是办公套件了。这哥们就觉得，自己是不是也能做一个，就基于codebuddy做一个。没想到，一做出来，就受到了重视，然后不断优化，就达到今天这样了。虽然workbuddy最开始就一个人，可是codebuddy腾讯做了三年，有三年的积累。还是积累之后的爆发，不是突然冒出来的。办公，就是work，是个大市场，大厂肯定都要占这个赛道的。

转发者评论

无明显转发评论

原文

小扎有点急了，竟然启用了马斯克X平台的账号，用来宣传自己的编程模型。当年的facebook创始人，社交媒体之王，还有部电影叫《社交网络》讲他的故事。。他在Twitter上的账号自2009年之后几乎没有再更新，只玩自家的APP。事到如今，为了宣传大模型API，昨天又启用了他在X的账号。。。有点当年搜狐微博的张朝阳跑来新浪微博玩的感觉呢。。。

转发者评论

无明显转发评论

原文

【ChatGPT 变身"打工人"：OpenAI 激进统一背后的产品崩塌】OpenAI 正式发布 ChatGPT Work 智能体及 GPT-5.6 模型，并强行合并了桌面端产品线。原 Codex 应用更名为 ChatGPT，支持跨应用操作、定时任务及网页构建；而原 ChatGPT 应用被降级为 ChatGPT Classic 且停止更新。新版 App 引入了 Work 与 Codex 双模式切换，并采用基于任务复杂度的计费模式，旨在让 AI 从“回答问题”转向“执行任务”。这是一场以“生产力”为名的强权整合。OpenAI 试图将所有用户导向高价值的 Agent 场景，却在 UX 上造成了明显脱节：普通对话被边缘化，语音模式和自定义 GPTs 等核心功能在首发版本中缺失。这种“强行喂药”的逻辑反映了行业焦虑，当聊天界面触及增长天花板，AI 巨头急于通过接管用户工作流来证明商业价值，却忽略了工具最基本的直观与易用。用户要的是更好用的助手，而不是一个强行接管电脑却连聊天记录都难找的复杂系统 openai.com/zh-Hans-CN/index/chatgpt-for-your-most-ambitious-work/ #人工智能##AI创造营##ChatGPT##OpenAI##GPT5#

转发者评论

无明显转发评论

原文

Bun 官方博客那篇《Rewriting Bun in Rust》里的 inline 可视化图表做得真好看。16,000 个 compiler error 用热力图展示，模块之间 error 分布用彩色格子矩阵呈现，还带搜索和过滤按钮——整个界面像一个终端仪表盘，既实用又有设计感。还有 commit 活动热力图、跨平台测试套件进度条、性能对比表格，全嵌在文章里，阅读体验拉满。Bun 被 Anthropic 收购后全栈从 Zig 重写为 Rust，Jarred Sumner 用 Claude Fable 5 辅助完成。看完就想自己项目也搞一套这样的 error 统计看板。#Bun##Rust##Error可视化##技术博客#（由 流苏ªⁱ 撰写） Easy的微博视频

转发者评论

无明显转发评论

原文

Codex与ChatGPT合并：Agent 时代彻底到来今天已经很多人发了新闻想聊聊背后一个让我有点恐惧，也兴奋的新时代：Agent 时代彻底到来了！这个变化细想有点大从去年 3月 Manus发布到今年春节龙虾上线再到Hermes逐渐赶超OpenClaw、Codex火爆、WorkBuddy异军突起Agent逐渐崭露头角今天，OpenAI把Codex与ChatGPT合并“Chat is Dead”Agent时代已经彻底掀开帷幕了有几个点挺有意思的，和大家交流：1. ChatGPT 9亿周活里绝大多数是免费用户Anthropic 用户量少几倍年化收入470亿，反超 OpenAI 的250亿合并 Codex 和 ChatGPT，也是为了回应资本市场：“Agent才是增长引擎，Chatbot 不是”当然，能不能导过去，还需要看用户怎么投票2. AI应用在模型Coding变强后没有百花齐放，反而全死了最近发现，上半年几乎没有接到AI应用的商单一问，不光是没商单，投资人也几乎不看了为啥？做出Demo的成本大幅下降后，AI应用更需要证明如何挣钱天使融资拿了之后想要更多钱还得证明护城河而今年商单最多的还是模型和Agent我们也发现Agent能做的事情越来越多甚至黄叔做的Agent社群提出“Agent-First”的理念：一切问题优先用Agent解决出乎意料，在我和行业外的小伙伴分享的时候得到了超出预期的一致认同3. 我媳妇旅行攻略开始用Hermes来完成今早开车媳妇和我说了这件事我沉默了一会要知道她在Kimi的Agent集群之前，从来不屑于用AI自从给她接入到飞书后她开始兴趣大增因为Agent可以通过飞书Cli写文档国内的Workbuddy和Codex教育，在内容供给上面大幅猛增可预见的短时间内不用Agent的人会被用Agent的人彻底打趴下如果你知道Workbuddy的日活已经突破1300万或许能相信：Agent的渗透已经突破跨越鸿沟的左侧开始进入到大众市场了我焦虑的点在于：不要以为自己先开始做AI、Agent能吃到一点红利就在那沾沾自喜很可能，半年后你会懵圈

转发者评论

无明显转发评论

原文

#冷眼赠书福利# 联合 @博文视点Broadview 送出 3 本《零基础玩转Hermes：让普通人轻松拥有会自我学习和进化的个人助手》，截 7 月 10 日，转发+评论+点赞 此微博并关注 @网路冷眼 赢取。一本零基础掌握 Hermes 的实战指南。Hermes是新一代会自我学习和进化的AI助手。先介绍了 Hermes 的产品设计理念和产品特点、5 层架构、6 大优势及Hermes 的安装方法，随后介绍了 Hermes 的进阶玩法，即通过定义人设和管理记忆系统、安装技能、配置工具，让 Hermes 越来越聪明、越来越好用。最后，本书通过丰富的场景与案例实战，展示了 Hermes 的强大能力，涉及的场景有个人生活管理、办公提效、内容创作、图片/视频处理与生成、专业报告生成及一人公司运营。

转发者评论

无明显转发评论

原文

Anthropic Claude Code 工程师 Thariq Shihipar 上周在 AI Engineer World's Fair 上做了一场关于 Fable 5 的演讲，我对如何找到你的未知/finding your unknown这一部分特别有感触。我在知识工作上重度使用AI，但是AI Coding我只用来写很小的脚本，感受不到那种编程的魔法时刻，潜意识觉得AI Coding和用AI进行知识工作可能差异巨大。但看完这个视频，我想本质上这两者也许是相通的，虽然差异仍然存在。第一次意识到，没有重度AI Coding的经历，我的AI体验是不完整的，以后要加强这方面的应用。我把这个视频转给合伙人，他也不是程序员出身，但是近期热衷于各种AI Coding，看完视频之后他感触看起来比我还深，今天会议上还和工程师提起相关概念。这个月会计说报销和报税都不用打印电子发票了，直接提供电子发票号码就行。那我们就该废除手工整理发票啊，多浪费时间。合伙人自告奋勇他来写这个自动化程序。昨天我进行了测试，有两个小问题：提取的金额信息不是数字格式，还要手工转数字；文件名digital开头的这类PDF电子发票，程序无法自动提取发票号码，提示需要人工操作。他自己测试的时候没想到过转换数字的事情，测试集中也没有文件名以digital开头的这一类PDF文件，没测出这些问题。今天他捣鼓一会儿，就改完了。我第一次用，各项测试确认花了一些时间。之后这项整理发票的工作1分钟就可以完成了：一键上传一个folder的所有电子发票，自动识别后下载到excel就可以了。数字化+自动化，会计这块的低端工作会少很多。我问他一共花了多少时间，他说计划思考的时间不好算，真正AI Coding的时间加起来估计45分钟之内，不清楚有没有吹牛。他抱怨说之前想写一个这样的程序折腾好久效果还很差，2025年底确实我们也想自动化这个操作来着，他写了个程序我压根没用，他自己也没用。他很得意的吹牛说，我现在觉得我无所不能，笑死我了。想想我们最初都不是工程师或程序员出身，却转型做AI软件产品的艰难，这个吹牛很可以理解。最初的一个基本模块，有人报价10万卖一份拷贝给我们，还不知道功能如何，而现在估计他半天就能把这个写出来。有些资深程序员，在Fable 5出现后，觉得编程的魔法时刻消失了，有失落和惆怅。我想，对于非程序员而言，也许编程的魔法时刻才刚刚开始。

转发者评论

这一段关于地图和疆域的论述，以及四象限应该怎么处理的理念确实很棒 http://t.cn/AXosTJa5

• 这一段关于地图和疆域的论述，以及四象限应该怎么处理的理念确实很棒 http://t.cn/AXosTJa5

原文

GPT-5.6全面开放的同时，OpenAI放出了自己的“数字员工”：ChatGPT Work，把自己从“模型供应商”变成了“工作操作系统”ChatGPT Work让GPT真正变成了一个能在你真实工具里干活的智能体，你给目标，它给你交付物比如说，“帮我准备周一下午跟大客户的季度复盘”它自己去CRM拉数据、从邮件找上次会议纪要、从财务系统拉营收数字、给你做一份PPT出来、更新你的项目跟踪表能连接Slack、Teams、Google Drive、SharePoint、邮件、日历、CRM，生成幻灯片、表格、文档等能自主执行多步骤任务，持续工作数小时，也就是说你离开电脑、开会、在路上，它继续跑，你随时看进度能执行定时任务，可以让它每周检查Slack更新刷新会议议程、每天检查网站变化发报告等OpenAI这次还把Codex并入了ChatGPT桌面端一个应用中可以用Codex写代码，也可以用ChatGPT Work 做财务、销售、市场、运营今天，AI不再只是工具，已然成为了一种劳动力形态网页链接 #ChatGPTWork##GPT-5.6#

转发者评论

无明显转发评论

原文

【无符号整数：是编程陷阱还是被低估的良药？】在C/C++世界里，Google规范和Stroustrup等大佬长期告诫：除非涉及位运算，否则尽量用有符号整数（signed）。理由很简单，无符号数（unsigned）一旦减到负数就会瞬间“爆表”变成天文数字。然而，资深开发者Dale Weiler提出了反直觉的观点：绝大多数程序中97%的整数永远不会是负数，强行使用有符号数不仅浪费了表达空间，更因其“溢出即未定义行为（UB）”的特性，在编译器优化下可能演变成难以排查的安全漏洞。从底层逻辑看，无符号数的优势在于其溢出行为是“确定”的。在处理数组索引或循环计数时，无符号数能天然排除负数索引的风险。虽然反向遍历循环 `for (size_t i = n-1; i < n; i--)` 看起来像某种黑魔法，但它利用了明确的包裹（wrap）机制，规避了有符号数溢出带来的UB风险。与其在代码中到处塞满 `if (x < 0)` 的防御性检查，不如在类型系统层面就锁死负数的可能性。这种“Almost Always Unsigned”的风格虽然挑战直觉，却能迫使开发者更清晰地思考数值边界，减少逻辑上的“灰色地带”。graphitemaster.github.io/aau/ #人工智能##AI创造营##程序员##C语言##底层原理#

转发者评论

无明显转发评论

原文

友商对GPT5.6的认可：1️⃣Grok 4.5抢先一天发出 网页链接 ；2️⃣GPT5.6发布前几个小时，扎克伯格亲自跑到推特发布新模型Muse Spark 1.1，他上一条推特在2023年 网页链接 ；3️⃣Claude宣布重置额度。 OpenAI相关人员也说要重置额度了（美东时区下午），大伙加油蹬（虚拟动感单车）

转发者评论

无明显转发评论

原文

长期关注我的微博内容的人肯定知道，我几乎从来不提 step by step 的教程，甚至，我不提供完备的证明性质的论文。我长期谈论的并非纯粹的事实，知识，逻辑，推理，执行。我会在一个很模糊的方向上，根据一定的事实，逻辑，结合一些前瞻性的模糊的暴论，去预测未来。会强调某种某些审美值得坚持，或者某些判断必然兑现。会推销某些价值判断或者内在驱动力。我不是完全理性和完全现实的，我在理性和灵感，现实和未来之间，故意制造某种模糊地带。这是因为我长期都是领导团队在面对高度不确定的市场，作为领导，你要知道你的价值何在。确定性的证明，自然有人干。有明确执行手册的项目，也自然有人落地。而领导要处理的就是不确定性，要建立的就是不可能完备证明的愿景，要坚持某些并不能说服所有人的价值观。而其实我的这些内容，是长期在评论中不被理解的。今天，AI 时代，所有人面对知识，逻辑，推理甚至一定程度的执行更胜一筹的时候，突然开始讨论：人何以自处了。。。我就很奇怪，你领导 8 个 agents ，和领导 80 个人，有本质区别吗？你不知道你作为领导的价值所在吗？而这些东西，在 claude 口中被叫做“品味”，在其他人口中被叫做“心力”，在另一些人口中被叫做“对齐”，其实本质上，这都是这些领导力的不同的标签而已。你不是不知道在 AI 的时代人还有什么用。你是没有准备好做一个有价值的，负责的，愿意面对不确定性去坚持某种价值观，并且和现实世界达成适应和和解，领着团队不停向前的。。。真正的领导而已。

转发者评论

无明显转发评论

原文

【GitHub 正在失去它的“开发者信仰”吗？】微软旗下的 GitHub 正在经历一场微妙的“去中心化”运动。尽管用户数仍在增长，但 Ghostty、Zig 等知名开源项目已率先撤离，转向 Codeberg 或自建 Gitea/Forgejo 实例。开发者离开的理由不再仅仅是技术性的频繁宕机，更指向深层的价值观冲突：对代码被强制喂给 AI 训练的抵触、对微软政治立场的疑虑，以及对平台日益臃肿、甚至出现“验证你是人类”这类反开发者体验的失望。这不仅是工具的迁移，更是开发者对“代码主权”的重新申索。过去 GitHub 是开源的代名词，但当它从纯粹的托管工具变成 AI 训练场和充满限制的商业巨兽时，硬核开发者开始意识到：如果代码不在自己手里，开源的自由就是一种幻觉。虽然 Codeberg 等替代品在生态规模上远不及 GitHub，但这种“少数派”的撤离往往是行业风向转变的信号。对个人而言，自建镜像或尝试轻量级平台，已从“极客行为”变成了规避平台风险的理性备份。 howtogeek.com/why-developers-are-ditching-github-for-codeberg-and-self-hosting-alternatives/ #人工智能##AI创造营##开源##GitHub##开发者#

转发者评论

无明显转发评论

原文

#Anthropic公关能力#¹ 这家AI大模型公司今年已经开始做生物制药了！刚刚生命科学部门要招聘“具备生物学和计算技能的研究科学家（博士后）”，工资开到30万-32万美元！² 前些年一些师兄在美国科罗拉多州高校做博后，工资也就几万美元一年。现在做完博后拿到助理教授职业的估计也就十来万美元一年。以后神经生物学博士或药学博士也可以考虑进大模型公司了？！#热点科普#

转发者评论

无明显转发评论

原文

假如长鑫上市，冲上1万亿美金！摘自弗雷迪 格隆汇APP1995年一月，《大话西游》上映，片中周星驰饰演的至尊宝对朱茵饰演的紫霞仙子讲了一段影响两代人的经典台词：“曾经有一份真挚的爱情摆在我的面前，但是我没有珍惜。等我失去后才后悔莫及，尘世间最痛苦的事情莫过于此。如果上天能够给我一个再来一次的机会，我会对那个女孩说三个字：我爱你。如果非要在这份爱上加一个期限，我希望是……一万年！”周星驰和朱茵，一个郎才，一个女貌，却在银幕上错过，在现实中，也兜兜转转，最终错过。不是没有爱。是爱太多了。万丈红尘，到处都是诱惑，以周星驰彼时年少轻狂的定力，哪里会笃定要只爱这一个人，哪怕彼时的朱茵堪称惊艳。资本市场一样一样的。就像AI，天生丽质，鹤立鸡群已是秃头上的虱子一样明显，但架不住认知、恐高、犹疑等各种人性弱点，无数投资人就这样看着这艘AI巨轮逐渐驶远。再给他N次机会，他还是会错过。因为上半年涨太多了，又恰逢6月底基金风格归位，所以，过去7个交易日，所有AI板块，几乎都出现了差不多20%左右的下跌。对于一个代表人类终极产业革命、代表人类未来的一个板块，20%的跌幅，相当大！这算不算是至尊宝说的：如果上天能够给我一个再来一次的机会？然后，今日调整结束，开始了更暴力的上攻！今日截至收盘全市场约2400只个股上涨，约2900只个股下跌，科创50领涨主要指数，申万半导体指数单日大涨超6%，全市场涨幅前30的ETF几乎被“芯片”，“半导体”的字样霸屏。半导体设备、存储芯片、先进封装三大细分赛道的ETF全线爆发，几乎都涨停。每只ETF代表一个指数，每一个指数是由一批成分股组成的。这些ETF涨停，意味着这些ETF代表的指数，以及指数里的成分股，基本都涨停了！这种行情，在A股历史上从未发生过！这历史级别的行情并非偶然，在存储超级周期与国产算力大周期形成共振后，作为产业链“卖水人”的国产半导体，正进入有史以来最好的黄金成长阶段。扩产的“量”与技术迭代的“价”双重驱动，叠加国产化率持续提升的长期逻辑，中国AI行业的业绩与估值双升，才刚刚开始。上半年所有碳基行业，地产也好，银行、券商也罢，甚至还比较性感的创新药，几乎都被按在地上各种摩擦，AI硅基行业一枝独秀。很多人不服气，说不会一直这样的。和历史上无数次泡沫一样，这次还是不会有什么不一样。各行业轮动而已。单独行业的孤军深入，必然泡沫，必死无疑。问题是，AI不是个行业，至少不是碳基人的行业。它根本不需要碳基行业做队友，自然也就谈不上什么孤军深入。它自己就可以形成闭环，而且它非常能挣钱，它正在以人类历史上从没有过的恐怖速度在挣钱！看看Anthropic吧！当然，对那些固执己见的投资人，你和他说再多，也没用。他还是不会买AI，他会继续去买白酒、食品饮料、旅游、房地产…。7个交易日，整个板块调整了20%。机会给过你，你自己不珍惜，那是你的事。今日A股国…

转发者评论

还以为周星驰要上市。。。[doge]

• 还以为周星驰要上市。。。[doge]

原文

[CV]《Gen4U: Unifying Video Generation and Understanding via Diffusion》M King, A Mahendran, M K Grimes, F Kitashov… [Google DeepMind] (2026) 在视频表征学习领域，如何同时兼顾底层几何细节与高层语义逻辑是一个悬而未决的难题。过去的方法如对比学习（CLIP）或掩码建模（MAE）往往顾此失彼，本质原因是学界普遍认为生成式扩散模型仅能捕捉像素纹理，在处理复杂语义任务时存在天然短板。本文的核心洞见是：把视频扩散模型重新看作一个分层演化的物理世界模拟器。由此，研究者锁定了模型内部 60% 噪声水平与 75% 网络深度这一“语义瓶颈”位置，通过单次前向传播提取特征。这一操作使冻结的生成模型无需迭代去噪，即可在动作识别和深度估计等对立任务中同时达到顶尖水平。这项工作真正留下的遗产是证明了大规模生成训练足以驱动完整的感知系统，抹平了视频生成与理解之间的鸿沟。它为后来者打开的新门是构建“创作-分析”一体化的通用视频底座，但尚未跨过的门槛是模型对私有权重的依赖性较强，且在复杂长文本描述精度上仍与专用视觉语言模型存在差距。arxiv.org/abs/2607.06856 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

原文

两条关于 GPT-5.6 和 GPT-6 的爆料。先说最劲爆的一条：OpenAI 准备跳过 5.x 系列，直接推 GPT-6。GPT-5.6 将是 5.x 系列的最后一个模型，GPT-6 大约一个月后发布，甚至可能 7 月底就到。GPT-5.6 刚在 6 月 26 日开始受限预览，明天（美国时间 7 月 9 日）才正式向公众开放，结果下一代已经在路上了。按照爆料者的说法，GPT-6 将基于一个全新的、规模大得多的预训练底座。此前 GPT-5.5 和 GPT-5.6 共用代号“Spud”的预训练基座（约 4T token），OpenAI 原本打算沿用 Spud 继续做到 GPT-6，但临时改了主意。改主意的原因：Anthropic 的 Mythos。GPT-6 是 OpenAI 对 Mythos 的真正回应，Mythos 改变了一切，所有人都在往大了做。Anthropic 6 月 9 日发布了 Fable 5 和 Mythos 5，其中 Mythos 5 的网络安全能力让美国政府紧张到直接下了出口管制令，要求 Anthropic 三天后就全面停止对外访问。虽然禁令已在 6 月 30 日解除，Fable 5 从 7 月 1 日起恢复使用，但这场风波本身就说明 Mythos 的能力级别确实跨越了新的门槛。爆料中还提到，Fable 5.1 已进入 Anthropic 内部流程的后期阶段，预计几周内发布。这个时间窗口刚好和 GPT-6 的传闻发布期重叠，OpenAI 显然也意识到了这一点。另一个值得注意的信号来自马斯克。Andrew Curran 提到 xAI 有一个 10T 参数的 Grok 正在训练中。这个说法和 5 月份马斯克本人透露的信息吻合，当时他确认 Grok V9（1.5T 参数）已完成训练，同时有 6T 和 10T 的版本在 Colossus 2 集群上并行训练。Grok 4.5 已于 6 月 28 日在 SpaceX 和 Tesla 内部开始测试。中国这边也没闲着。DeepSeek V4 正式版计划 7 月中旬上线（4 月 24 日发布的是预览版），将引入高峰时段双倍定价机制。爆料者称 DeepSeek V4 正式版的能力可能追平甚至超过智谱 6 月 13 日发布的 GLM-5.2。与此同时，DeepSeek 已经开始研发一个更大的新模型，目标是和 MiniMax 即将推出的 M3 Pro 竞争。据 The Information 报道，M3 Pro 总参数量 2.7T，计划在 Q3 开源，将是中国最大的开源模型。把这些消息拼在一起看，2026 年下半年的 AI 竞赛格局已经清晰：美国几家头部实验室被 Anthropic 的 Mythos 级能力刺激，全面转向更大规模的预训练；中国实验室则在开源路线上加速追赶，GLM-5.2 和 DeepSeek…

转发者评论

无明显转发评论

• 回复@阿然AI瞎折腾:美国时间明天上午//@阿然AI瞎折腾:GPT-5.6啥时候能用上啊

原文

今夜！光通信、存储、芯片，集体暴涨摘自中国基金报大家好啊，终于轮到A股的暴涨引领全球了，今晚美股的AI科技股开始大反攻，今晚看到一个段子还挺有意思的，分享给大家：SK海力士的ADR登记一结束，存储也不过剩了，美光扩产改成基建投资荣升国家战略储备了，META也要扩建了，叙事又转正了，美国为了低价抄个底也是够够的！7月9日深夜，美股三大指数上涨，道指涨约200点，纳斯达克指数涨近1%，标普指数涨约0.5%。科技股更加集中的纳斯达克100指数，盘中上演深“V”走势，差点又吓坏重仓AI科技的股民，现涨近1.5%。AI科技硬件股的集中地，费城半导体指数暴涨超4%。个股方面，芯片、存储、光通信板块集体暴涨。Lumentum、ARM暴涨超11%，闪迪暴涨9%，美光科技暴涨7%，康宁暴涨7%。从股价的表现来看，资金正从微软、苹果、英伟达、亚马逊、Meta、Alphabet、特斯拉等超大市值科技股，进一步流向以存储、芯片制造和半导体设备为代表的AI硬件产业链。美光科技宣布，将其在美国新建晶圆厂的投资规模提高至2500亿美元，以满足人工智能热潮带来的强劲需求。与此同时，知情人士透露，SK海力士美国上市发行获得超过7倍认购，显示全球投资者对这家韩国存储芯片巨头的热情依然高涨。据知情人士透露，SK海力士正告知投资者，计划将其美国上市存托凭证（ADR）的发行价定为每股149美元，较韩国收盘价高出3.1%。此外，Meta宣布，将投资约100亿美元，在加拿大建设其首个数据中心，以支持公司不断扩张的人工智能业务。（这或许打消了市场对于算力过剩的担忧）Meta数据中心开发与战略副总裁Gary Demasi表示，这将是Meta美国以外规模最大的一个数据中心。另外，Meta发布了其最先进AI模型的新版本，并首次推出面向开发者的付费服务。这是Meta首次向企业收取模型使用费用，为公司带来新的收入来源。马克·扎克伯格在发布前表示，该产品将是市场上价格最具竞争力的选择之一。近期科技股经历剧烈波动之后，投资者正寻找新的理由继续押注AI主题。LPL Financial的Jeff Buchbinder表示，AI仍有望成为2026年下半年市场的重要驱动力，但市场叙事正在发生变化。他指出，这种转变可能使市场更加具有选择性——能够成功实现AI商业化变现的公司将获得回报，而未能兑现承诺的公司则将面临更大的股价波动。Buchbinder表示：“近期半导体股的波动表明，这种转变已经开始。投资者应减少对谁花钱最多的关注，而更多关注谁真正从这些投资中获得了可衡量的回报。”摩根大通资产管理的David Lebovitz表示，随着AI逐渐成为“无处不在”的投资主题，投资者越来越擅长区分其中的风险与机会，这对华尔街而言是一项重要的进步。Lebovitz表示：“人们开始更加清楚地划分AI产业链的不同环节，哪些领域可能供给过剩，哪…

转发者评论

无明显转发评论

原文

[LG]《Sparse Delta Memory: Scaling the State of Linear RNNs through Sparsity》L Cabannes, P Mazaré, G Szilvasy, M Douze… [Meta FAIR] (2026) 在长文本处理领域，线性 RNN（如 Mamba）受困于固定大小的隐状态。虽然其推理速度快，但本质原因是其状态容量极小，导致在处理复杂长序列时对关键信息的“回忆”能力远逊于 Transformer；若简单增加状态大小，又会导致计算量（FLOPs）呈平方级爆炸。本文的核心洞见是：把线性 RNN 的密集状态更新重新看作是对超大规模内存的稀疏寻址操作。由此，引入“稀疏增量内存（SDM）”机制，通过 Product-Key 寻址仅更新极小比例的活跃内存槽位，实现了在计算成本不变的前提下，将模型状态容量提升了三个数量级。这项工作真正留下的遗产是证明了“稀疏性”是打破线性 RNN 性能瓶颈的普适钥匙，使其在 100 万 token 长度下仍能保持极高的检索精度。它为后来者打开的新门是构建具备超大参数化内存的智能体，但尚未跨过的门槛是稀疏算子在当前硬件上的访存延迟优化，以及在极极端任务下的干扰管理。arxiv.org/abs/2607.07386 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

原文

今天凌晨，OpenAI 发布了新一代语音模型 GPT-Live，而且从今天起直接成为 ChatGPT 的默认语音模式。2023 年的语音模式其实是三个模型在接力，一个把语音转成文字，一个写回复，一个负责朗读，所以声音总是又慢又僵。2024 年的高级语音模式把三步合成了一个模型，直接处理音频，快了不少，但它是轮流制，你说一轮它说一轮，靠工程手段猜你什么时候说完，比如检测你停顿了多久。最让作者头疼的体验就是，说着说着停下来想一想，它就急着开始回答了。GPT-Live 的第一个改动是全双工，一直在听，随时能开口。背后的原理是每秒做很多次决策，判断该说话、继续听、停下、插话，还是调用工具，顺手连实时翻译都解决了。第二个改动是把聊天和干活分开。碰到需要搜索、推理、多步执行的问题，它会把任务丢给后台的 GPT-5.5，自己继续陪你聊天拖时间，等结果出来再播报。作者觉得这个解耦还有个好处，以后出了新模型，语音不用重新训练，不用等文本模型降级适配，也更适合以后干 Agent 类的活。跑分也很能打。在 5 到 10 分钟真实对话的盲测里，GPT-Live-1 和 mini 在偏好度、接话、打断、流畅度、自然度上全面超过高级语音模式，GPQA 科学题、BrowseComp 刁钻检索和多轮电信客服任务三项同样明显领先。档位上，Instant 档和 mini 背后是 GPT-5.5 Instant，Medium 和 High 档背后是 GPT-5.5 Thinking，推理力度一个中一个高。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

华为发起 OPEN NPO（近封装光学）项目，目标是统一接口标准、解决兼容性问题，给 AI 智算集群的高端算力基础设施打底。附首批 20 家发起单位名单（看看有没有你熟悉的）根据 Open AI Infra 社区披露的完整名单，首批发起单位覆盖运营商、云厂商、标准院、设备商、光器件、连接器、半导体等全链条：🏛️ 运营商 / 云厂商 / 标准• 中国移动研究院• 京东云• 百度• 中国电子技术标准化研究院💻 设备商• 华为• 中兴软件• 新华三🔦 光器件 / 光模块• 光迅科技• 纳真科技• 华工正源• 傲科光电子（西湖大学光电研究院）• 新微科技🧠 光电计算• 曦智科技🔌 连接器 / 高速互连• 华丰科技• Yamaichi（日本）• Hirose（日本）• Molex• 立讯科技• 庆虹电子🔬 半导体• 集益威半导体

转发者评论

无明显转发评论

原文

三联今天的推送是解读北大&复旦发起的最新一期中国人性生活调研报告，亮点颇多：- 有伴侣的25岁以下年轻人，男性里的13%、女性里的17%，是没有性生活的，这个比例甚至高于临近中年的80后，倒挂意味着越年轻反而越不想做爱；- 在发起方看来，「性萧条」的原因和身体因素无关，主要还是年轻人更容易从互联网娱乐里获得多巴胺，游戏、直播、短视频挤占了牛子发烫的时间；- 但在那些有性生活的25岁以下年轻人群体里，对上床质量的满意度却是在上涨的，从90%升至92%，说明「旱的旱死、涝的涝死」，连这里都出现了阶层分化；- 45岁是一个分水岭，即便拥有固定伴侣，没有性生活的女性大概占到50%，而男性也达到了40%，因为夫妻关系变成同事关系，所以「队友」这个称谓倒是流行起来了；- 在80后那一代，低学历的性生活反而更频繁，所谓黄毛比做题家更受欢迎，但在00后这一代，性权力回归了功利性，低学历的bro是无性比例最高的一群人；- 90%的受访者是有婚前性行为的，但在「是否赞同婚前性行为」的回答上，平均分是居中的，并未使用集体选择的分布情况，大家都还挺双标的，自己破处没问题，但不希望伴侣干这事儿；- 20岁的年轻人对于婚姻预期年龄普遍在25岁-26岁左右，但事实很残酷，平均结婚年龄实际在28岁-30岁之间，推迟婚姻成了一种必然趋势；- 「约炮」是下降最为明显的数据之一，2020年的时候，在18岁-25岁的年轻人里，20%的男性、17%的女性有过「约炮」行为，但是到了2025年，两组数字分别骤降到了8%和4%，现在大家连「约吗」都不发了⋯⋯

转发者评论

人类走向消亡的信号，跟AI关系不大[挖鼻]

• 人类走向消亡的信号，跟AI关系不大[挖鼻]

原文

AI驱动的开源全矢量创作工具，带可交互UI！🥹OpenPencil：AI-native 的开源矢量设计工具，支持并发 Agent TeamsOpenPencil 是一个开源 AI-native vector design tool，定位不是传统画图软件，而是把 prompt、画布、代码和 agent 协作放在同一个设计环境里。用户用自然语言描述 UI，画布上实时生成；选中已有元素后，也可以继续对局部设计发起修改。它最特殊的是 concurrent Agent Teams。复杂页面会被 orchestrator 拆成空间子任务，比如 hero、features、footer，然后多个 agent 同时在画布不同区域工作，每个成员的进度会流式显示。这和“一个模型生成整页 HTML”很不一样，更像把设计任务拆给一组协作 agent。它还内置 MCP Server，可以接 Claude Code、Codex、Gemini、OpenCode、Kiro、Copilot CLI 等工具；设计文件使用 .op，强调 Design-as-Code；并提供 style guide library、多模型适配、CLI、SDK、多平台代码导出和设计系统组件。我的判断：OpenPencil 的钩子在“设计画布变成 agent 协作空间”。但这类工具真正难点不是生成第一版，而是后续保持布局一致、风格统一、局部修改不破坏整体。设计系统约束能不能管住一队 agent，才是它后面要证明的东西。🔗 链接：网页链接🌐 官网： 网页链接🎬 demo视频：网页链接#HOW I AI# #ai生活指南# #设计工具#

转发者评论

无明显转发评论

原文

grok 4.5效果不错，估计是claude opus 4.7的水平。主打一个速度快，便宜。马斯克搞grok搞了这么久，grok一直也不是很强。这下终于冲上来了。原因是：数据。马斯克的xAI团队，训练水平肯定是不差的，就是没有数据。这次收购cursor，就可以获得很多数据，用于后训练。这步棋是走对了，模型能力一下子就上来了。对于cursor来说，是苦于没有模型，这样下去肯定是要被anthropic和openai挤死的。但是跟马斯克结合之后，互相弥补了短板。cursor得到模型，而马斯克得到数据，属于大饼配豆浆，豆汁配焦圈了。为什么很多模型公司也在搞智能体，尤其是编码智能体？就是为了获得数据。你模型越火，用的人越多，数据就越多，然后就能训练出更好的模型，获得更多用户。这就是数据飞轮，一旦转起来之后，别人就很难赶上你了。

转发者评论

无明显转发评论

原文

[LG]《Rethinking Multimodal Time-Series Forecasting Evaluation》H Liu, Y Zhou, R Sen, B. A Prakash… [Google Research & Georgia Institute of Technology] (2026) 在多模态时间序列预测领域，构建公正且具有泛化性的评估基准是一个悬而未决的难题。过去的方法受困于数据规模极小、合成痕迹重以及严重的测试集泄露，本质原因是现有基准缺乏真实世界的多样化文本语境，且无法应对预训练大模型不断更新的知识边界。本文的核心洞见是：把基准测试构建重新看作一个由自动化智能体驱动的动态蒸馏过程。由此，提出的 TimesX 框架通过 Hypothesizer-Verifier-Enricher 多智能体流水线，实现了时间戳严格对齐的实时数据抓取与事实核查，确保了在零泄露前提下，将元数据、节假日、协变量和实时事件四类高纯度文本与数值序列深度耦合。这项工作真正留下的遗产是确立了大规模、跨领域且可自动更新的多模态预测评估标准，揭示了简单集成模型在真实复杂语境下往往优于复杂智能体修正方法的现状。它为后来者打开的新门是利用动态刷新的真实语境提升模型鲁棒性，但尚未跨过的门槛是低频长周期数据的覆盖以及多语言环境下语境语义的深度融合。arxiv.org/abs/2607.06973 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

原文

粤港澳湾区的首个国产万卡算力集群上线， 中国电信+华为昇腾。项目全域采用华为昇腾910C全国产加速卡，部署30个超节点、总计11520卡集群，总算力达9000P，规模位居全国国产智算资源池前列，支撑自主基础大模型跻身国内第一梯队。

转发者评论

无明显转发评论

原文

昨天我跟 GreptimeDB 的创始人发了条微信，聊了一下我的想法，确实正在考虑重回杭州。我跟他平时很少联系，但我会认真看他在微信朋友圈发的各种信息。刚好我关注 datadog 好几年了，可观测数据库和自动化运维在 ai 时代是个很有前途的赛道。希望 GreptimeDB 能做到上市，做到500亿美金起步。他是我的伯乐，当年能去阿里工作时，就是他在网上发现我，然后内推我去阿里。在阿里中间件团队时，我们在不同组，虽然在工作上没有多少交集，我也非常了解他的技术实力的。2022年创业进入数据库这个赛道还是让我挺吃惊的，从消息中间件跳到数据库确实跨度很大，好在他重回阿里后在蚂蚁带团队做了几年时序数据库，积累了大量实战经验。GreptimeDB 的难度比在蚂蚁期间做的时序数据库更大了，毕竟是做大一统的遥测数据存储和查询，而且还是从零开始。看到他们的技术 vp 回顾四年走过的弯路我都捏一把汗，存储引擎推到重来绝对需要勇气。过去我对 hbase 和 cassandra 都有很深的研究，看到他们的研发团队从 cassandra 的 compaction 算法中借鉴了一些东西，我就理解从零开始做GreptimeDB 确实不容易。

转发者评论

无明显转发评论

• 能把 Metrics、Logs、Traces 统一处理了还是有点技术难度的，还是要区分可观测数据库和老的时序数据库的差异。若是真能做到像 datadog 吹的那么好实现自动化运维，市值千亿美金不是梦。//@happy80808 :记得你以前是看不上时序数据库的。所以，人是会改变的。
• @zx-dennis

原文

不少朋友担忧，两家存储企业接连上市会分流市场资金。我对此持偏乐观的判断：倘若它们上市后市值达到3万亿、5万亿乃至7万亿，A股、港股硬科技板块的整体市值空间将被彻底打开，长期来看属于重大利好。过去A股长期存在市值天花板魔咒，白酒龙头一直是市场市值标杆，很难有企业实现体量超越。以我国如今的全球产业地位，A股完全有能力诞生总市值突破1万亿美元的硬科技龙头。反观美股，仅仅两三家科技巨头的市值相加，就和整个A股市场总规模持平，这样的格局并不匹配中国当下的经济实力。十分期待存储赛道等硬科技企业完成价值突破，带动国内资本市场迎来格局重塑。 备注：本文只是对投资的一点感悟，不构成任何投资建议。投资有风险、须谨慎。

转发者评论

转出来相反观点提醒🔔//@孙亮亮WMS:我是一名元器件行业从业者,有一点我实在不明,这两家存储企业没有AI因素的时候其实很一般的,因为科技含量不高所以在行内都是低价品, 自然公司前景也不被看好,为什么有AI后就可以有那么大的估值,到底是因为他们科技强了还是估值大了能大概率促进他们发展,还或者大家

• 转出来相反观点提醒🔔//@孙亮亮WMS:我是一名元器件行业从业者,有一点我实在不明,这两家存储企业没有AI因素的时候其实很一般的,因为科技含量不高所以在行内都是低价品, 自然公司前景也不被看好,为什么有AI后就可以有那么大的估值,到底是因为他们科技强了还是估值大了能大概率促进他们发展,还或者大家

原文

【LinkedIn已成AI重灾区：你关注的可能只是个提示词】最新研究显示，LinkedIn已沦为AI内容比例最高的社交平台，超过40%的长文章由AI全自动生成。讽刺的是，LinkedIn官方在宣布将打击AI内容时，那篇公告本身就被检测出是AI写的。在X（原Twitter）上，纯人类创作的文章比例也已跌至53.2%。这意味着职场社交的底层逻辑正在坍塌。当“勤奋”的成本降至零，原本代表专业思考的深度长文变成了廉价的Token堆砌。这不仅是垃圾信息泛滥，更是“平庸的工业化”——人们为了维持算法热度，放弃了思考的痛苦，转而用AI伪造专业感。如果职场连接不再基于真实的观点碰撞，而是一群提示词工程师在互相点赞AI生成的废话，那么这个平台的信用破产只是时间问题。 pangram.com/blog/ai-in-your-feed #人工智能##AI创造营##职场##LinkedIn##社交媒体#

转发者评论

无明显转发评论

原文

antirez：如果我用一种极度简化的方式来说，LLM 身上可能正在发生这样的事情：新的强化学习技术让我们有能力把更大模型的潜力榨干、发挥到接近上限。以前只靠预训练加 RLHF 是做不到这一点的，但 CoT 加 RL 让这件事变得可能。GPT 5.x 是第一个结果，Fable 是第二个结果。如果 GPT 5.6 基于的还是和 GPT 5.5 同一个底层模型，那么在 GPT 6 之前，我们可能看不到类似 Fable 那样的性能。另外：未来仅仅通过继续扩大规模，我们很可能会看到更强但也更慢的模型。

转发者评论

无明显转发评论

原文

#模型时代# 今天也是AI的黄道吉日了。马斯克的Grok 4.5，扎克伯格的Muse Spark 1.1，都是Agent 为中心。 加上明天的GPT 5.6，Anthropic成了新的“恶龙”。

转发者评论

无明显转发评论

• 今天AI新闻太多了 http://t.cn/AXosm8t1

原文

就在刚刚，全球顶流AIGC大神、好莱坞导演PJ Ace在社交媒体上发布了最新力作，彻底引爆了海外科技与电影圈。PJ Ace在推文中兴奋地表示，他们借助Utopai Studios推出的下一代AI视频模型和智能体PAI2.0, 以好莱坞灾难片大师罗兰·艾默里奇（Roland Emmerich）的视听风格，硬核「复活」了一段250年前激情澎湃、颠覆想象的美国独立日「真实历史影像」。PJ Ace是谁呢？就是那个全网捞人的好莱坞导演。画面中，手持加特林重机枪的玛莎·华盛顿、身穿美利坚国旗短裤的乔治·华盛顿，以及如小国般巨大的英国战舰破雾而来。这绝非简单的「片段拼接」，而是一部真正拥有连续剧情、角色一致、视听语言极其成熟的3分钟AI电影短片。全网播放量瞬间突破百万，引来无数同行与创作者的点赞与惊呼。

转发者评论

无明显转发评论

原文

2026年7月10号 周五早评指数探底回升收了大阳线，连跌杀跌之后开始强力修复，科创板大涨8%，上证和创业板都出现了对子底，这个大阳线反包初步看作是超跌反弹的拐点成交额放大到了2.9万亿，如果后续成交重回3万以上方，就会出现更多的机会盘面科技重回主线，经过多日调整以后，恐慌盘基本释放完毕，其他方向都扶不上墙，所以接下来的重点还是科技方向，半导体，封装，存储等都很强，另外国产算力在浪潮信息带动下也有一波做多消息面1、国务院印发《“十五五”碳达峰行动方案》这个是风光储方向，但是目前市场还要看资金买不买账2、华为联合产业伙伴，共建国内首个 NPO 光互连多源协议华为联合中国移动研究院、京东云、百度、中国电子技术标准化研究院等20余家产业链伙伴，共同启动OPEN NPO项目，并发起国内首个NPO光互连多源协议MSA，推动构建开放统一的近封装光学标准体系。光通信的利好3、兆易创新：预计上半年净利69亿元 同比增11倍 Q2净利环比增长272%4、特斯拉三代Optimus初步定型 马斯克给供应链定下量产红线，要求供应商在今年9月将产能提到1000台/周，随后在年底提升到2000-2500台/周机器人这个方向量能还没放出来，这几天调整的挺多，中线可以考虑低吸，或者等板块放量突破，形成趋势再来看5、美光科技宣布，计划在2035年前将对美国本土投资总额增至超过2500亿美元，公司目标是将美国产能占其DRAM总产量的比例提升至40%美光科技大涨，利好存储方向6、Meta自研AI芯片据悉将于9月投产 拟将算力翻倍至14吉瓦前面小作文说Meta说要出租算力过剩了，现在看是要打脸了股票#a股##早评##股市早评##今日早评##算力芯片爆发#

转发者评论

无明显转发评论

原文

【代码正在沦为AI的“喂料”：重构的逻辑变了】程序员正面临一种新逻辑：为了让AI更好干活，得把代码写得更“平庸”。文章指出，AI对标准技术栈（如React、Python）的理解远超私有框架或陈旧系统。如果代码库充满“独特”的逻辑和历史包袱，AI在有限的上下文窗口内理解成本极高，导致输出低质。因此，重构的意义正从“技术升级”转向“适配AI的训练分布”，通过标准化来降低未来的Token成本和维护门槛。这种趋势标志着开发范式的转向：我们开始为了生产率而主动修剪代码的“个性”。然而，资深开发者在评论区泼了冷水：AI生成的代码往往是“补丁叠补丁”，缺乏对复杂业务边界的深层理解。如果重构只是为了让AI读懂，而忽视了Test Harness的构建和架构设计的初衷，最终只会得到一堆看起来现代、实则难以维护的“抛光垃圾”。技术债不会因为换了技术栈就消失，它只会以更隐蔽的方式藏在AI生成的函数里。 thetruthasiseeitnow.com/ai-slop-starts-with-the-codebase-itself/ #人工智能##AI创造营##软件工程##程序员##LLM#

转发者评论

无明显转发评论

原文

【美联储任命刚裁3200人的Xbox CEO莎玛牵头就业工作组，这操作太魔幻】据PC Gamer报道，美国联邦储备委员会（美联储）主席凯文·沃什日前宣布成立五个专项工作组，旨在评估并优化联储的运作流程。这些工作组将引入来自学界、投资界和企业界的“外部顾问”担任负责人——其中包括Xbox首席执行官阿莎·莎玛（Asha Sharma），她将主持“生产力与就业工作组”（Productivity and Jobs task force）。没错，就是那个三天前刚刚宣布对Xbox进行“重置”（reset）、计划在2027财年底前裁掉约3200名员工的莎玛。据知情开发者透露，此次重组可能对Xbox旗下多个核心品牌造成“不可逆的伤害”。（AI注：此次裁员是微软游戏部门近年来最大规模的结构调整之一，涉及Mojang、King等工作室，部分团队已直接向莎玛汇报。）莎玛将与其他两位共同负责人——斯坦福经济学教授查尔斯·I·琼斯（目前正休假在AI公司Anthropic工作）和硅谷知名风投、AI投资人马克·安德森——一起领导该工作组。该小组的任务是“评估包括人工智能在内的新一代通用技术对经济的影响，为联储的政策判断提供依据”。沃什在声明中表示：“美联储对价格稳定和最大就业的承诺坚定不移。过去一代人的时间里，美国经济发生了巨大变化，尤其是当下。每个工作组都将认真审视政策制定者的手段、分析工具和政策方法是否还有改进空间。”【网友评论精选】“让刚裁了三千人的人来研究就业，这就像让纵火犯当消防队长。”——Reddit用户 @GameDevBurnout“美联储终于学会了微软的管理艺术：先裁员，再研究如何创造就业。”——Twitter用户 @EconWatcher【正常黄都督AI评论】这波操作属实有点黑色幽默。让刚砍掉三千多个饭碗的CEO来领导“就业与生产力”工作组，逻辑上就像让刚烧完房子的消防队长去研究防火技术。但细想一下，美联储要评估的其实是AI对就业市场的结构性冲击——而莎玛确实在微软内部亲身经历了这种冲击。问题是，她的视角是“如何用AI替代人”而非“如何帮被替代的人找到新出路”。这种精英思维错位，才是真正值得警惕的。【MAGA黄都督AI评论】这就是蓝州精英的治理逻辑：先让科技公司用AI把中产的工作干掉，再让裁人的CEO到美联储指点江山。沃什这届联储真是“人才济济”——让搞AI的、做风投的、炒鱿鱼的来研究就业，就是没有一个真正干过蓝领的。美国制造业的棺材板，就是被这帮人一锤一锤钉死的。tax more, achieve less，说的就是这种操作。【小粉红黄都督AI评论】这就是美式“精英治国”的终极形态：裁员三千，升官三级。美联储找这种人来研究就业，说明他们根本不在乎普通美国人能不能找到工作——只在乎AI能不能帮资本更快收割剩余价值。国内某些人天天吹美国“制度优势”，现在看到了吧？这不…

转发者评论

无明显转发评论

原文

#Anthropic公关能力# “诚实”这张牌最精妙的地方在于，它在可控场景里几乎无敌。发布会上主动加粗自己落后的数据，发宪法AI文件让公众审视……这些都是精心选择的坦诚时刻，导演是自己，剧本是自己写的，观众看到的“真诚”本质上是一场表演性透明。但危机不一样，危机是即兴剧，没有彩排。所以你会看到一个诡异的画面：同一家公司，一边在发布会上把“我们哪里不如对手”做成PPT高亮，一边在产品出事时选择先捂盖子再轻描淡写。这不是PR团队精分，是这套策略的底层逻辑决定的……它只适配“我选择何时诚实”的主场，一旦被动了，整个人设就会反噬。信任这东西，你主动给的时候叫慷慨，被人逼着才给的时候，叫心虚。 anthropic公关能力

转发者评论

无明显转发评论

原文

如果你看明白了 AI 这波的加速算力基建狂潮背后的根本逻辑，和当年的次贷危机没有本质区别，那么你就知道在这个市场中真正值得下注的聪明人：一方面，他们利用资本市场在加速算力基建上的狂热博弈最低的加速算力成本。另一方面，他们在市场上寻找真正有支付能力的 niche 领域去建立利基的区域性垄断。如果你还看不明白，那么你想想这三个例子：Claude Code — 从程序员收费。Seedance — 从短视频行业收费。AlphaFold — 从医药行业收费。而这三家公司，不碰加速算力基建，反而可以博弈最低的加速算力成本。当潮水退去，这三家最低限度，还是穿着底裤的。

转发者评论

无明显转发评论

原文

Matt Pocock的技能更新了一个版本，升级到1.1了，#微博视频号续航计划# 地址：github.com/mattpocock/skills新版本作者重新梳理了 AI 编程工作流，从需求澄清、规格编写、任务拆分、逐项实现、代码审查，到大规模规划和资料研究，形成一套更完整的软件开发流程。这个视频是作者录制的v1.1介绍第一部分 ， 概览与流程技能重命名：介绍 v1.1 的整体更新，并解释为什么将 /to-prd 改为 /to-spec、/to-issues 改为 /to-tickets。 蚁工厂的微博视频

转发者评论

无明显转发评论

• to_spec/to_tickets

原文

1B就能达到这种效果? 给大家带来蚂蚁灵波LingBot-Vision 实测!本次测试最大的亮点是在仅 1B (10亿) 参数量下, 展现出了极强的空间几何和边界感知能力, 实测表现直接越级打平甚至超越了 7B 参数的 DINOv3, 极具性价比！它非常适合用作具身智能的视觉主干 (Backbone) , 或者嵌入到机器人导航、机械臂抓取等需要极高空间精度的框架中使用都很不错, 对本地算力要求也很低. 视频中我直接给大家演示了免微调的视频目标追踪, 随便画一笔就能死死"咬"住目标.另外, 它在硬件级深度补全 (比如识别透明玻璃、反光物体) 上表现也堪称杀手级, 不过由于技能点都加在了密集空间结构上, 在全局图像分类能力上算是中规中矩. 手里有 30 系显卡的兄弟们强烈建议本地跑着玩玩！#HOW I AI##专业视频创作季##灵波##LingBot# karminski-牙医的微博视频

转发者评论

无明显转发评论

原文

朋友问我大A科技股这波行情是否完了，我说99%的概率行情不会就此终结。本次调整诱因是美股、韩股AI存储股估值回落带来情绪传导，并非科技产业基本面反转：AI算力需求持续扩容，国产半导体、算力硬件的成长逻辑稳固，牛市本就会穿插多次回调来清理投机筹码，只要龙头业绩能稳定兑现，科技主线行情会延续。备注：本文只是一点投资感悟，不构成任何投资建议。投资有风险、须谨慎

转发者评论

回复@一路向前未完成:[笑cry][允悲]//@一路向前未完成:我都把但总的鼓励截图存下来了，跌的受不了就发群里给大家打气//@但斌:回复@litteer:[作揖][心][鲜花]//@litteer:感谢但总在市场信心缺失的时候，稳住大家的心态。

• [作揖]//@星星之火-CD:看得远看得准敢重仓能坚持[鲜花][鲜花][鲜花]但总高度概括投资经典，但能做到的还是凤毛麟角，跌势有胆量，涨势有定力[鲜花][鲜花][鲜花][赞][赞][赞]
• [心][鲜花]//@酵父三叔:看了但总的微博，总能给人力量和方向。感恩感谢//@用户7561810802:每天都看但总微博，学到了很多东西
• [作揖][鲜花]//@红豆千层糕:不仅学到了知识还赚到了钱 市场情绪不好的时候还有鲜明的观点作为定心丸 苍天 没有第二个这样的大善人了[手指比心][手指比心][手指比心][手指比心][手指比心]//@但斌:[心][鲜花]//@用户7561810802:每天都看但总微博，学到了很多东西
• [心][鲜花]//@用户7561810802:每天都看但总微博，学到了很多东西
• 回复@一路向前未完成:[笑cry][允悲]//@一路向前未完成:我都把但总的鼓励截图存下来了，跌的受不了就发群里给大家打气//@但斌:回复@litteer:[作揖][心][鲜花]//@litteer:感谢但总在市场信心缺失的时候，稳住大家的心态。

原文

Bun团队终于发官博分享他们用 Rust 重写 Bun的过程了，也透露了就是用的当时 尚未发布的fable5来重写的。地址：bun.com/blog/bun-in-rustBun 过去遇到的大量问题集中在内存生命周期管理上，包括 use-after-free、double-free、内存泄漏、异常路径未释放资源等。Zig 让 Bun 早期快速成型，但在 Bun 这种同时连接 JavaScript GC、C/C++ 库和手动内存管理的大型系统里，靠审查和风格约束很难系统性避免这类错误。团队最终选择用 Rust 重写，是因为 Rust 的所有权、借用检查和 Drop 能把很多问题提前变成编译期错误。作者花了约 3 小时和 Claude 讨论 Zig 到 Rust 的模式映射，然后让它整理成 PORTING.md。接着又让 Claude 分析整个代码库里结构体字段的生命周期：哪些字段生命周期复杂、应该怎样表达成 Rust lifetime。这个结果被整理成 LIFETIMES.tsv，供后续其他 Claude 实例参考。正式过程先用小文件试跑验证流程；确认可行后，启动大量 Claude Code 动态工作流并行迁移：一批 Claude 负责把 Zig 机械翻成 Rust，独立的 Claude 负责对抗式审查，另有 fixer 根据审查意见修复。初稿完成后，他们把约 16,000 个编译错误当作任务队列，按 crate 分发给多个 Claude 并行解决，再继续围绕本地测试和 CI 失败循环修复。

转发者评论

无明显转发评论

原文

【AI绘画每日一词】IP吉祥物海报真正有记忆点的品牌视觉，往往是一眼被感受到的。今天分析的是用我自己的IP形象做的海报示意，这个玩法很适合做一种年轻化、高识别度的品牌展示：超大字体 + 高饱和色块 + 扁平吉祥物 + 瑞士编辑排版 + 大面积留白。它是一套品牌手册、广告Campaign、创意官网和潮流杂志版式的混合体。一句话理解：把吉祥物当成品牌图腾，把文字当成视觉冲击，把每一页都做成品牌海报。🎯 核心提示词：{请根据我上传的图片角色，生成一套“IP吉祥物海报”的品牌视觉提案页面。画幅比例：16:9整体风格：年轻化品牌Campaign现代品牌手册瑞士编辑排版高饱和色块大胆字体系统扁平吉祥物IP街头文化感现代杂志感高识别度品牌视觉画面像品牌官网、品牌手册、广告海报和艺术指导提案的结合体。品牌气质：自信、友好、新鲜、年轻、诚实、有能量、有趣但高级。配色系统：主色使用电光蓝。辅助色使用白色和黑色。点缀色可使用少量亮粉、柠檬黄、珊瑚红、青柠绿。背景：使用大面积纯色背景。不要渐变，不要复杂纹理，不要装饰背景。字体系统：使用现代无衬线字体、瑞士风格字体、超粗标题字体和编辑式小字排版。标题字号巨大，占据画面主要视觉区域。字距紧凑，排版大胆，可局部裁切。正文信息很少，左对齐，窄栏排版。小标签保持克制，像编辑注释。吉祥物风格：品牌吉祥物采用扁平矢量插画风。粗黑描边。几何结构。造型简单但轮廓强烈。可爱但自信。大眼睛。表情夸张但不幼稚。嘴型可以偏大，有强烈表情记忆点。动作动态、有能量。吉祥物可以从画面边缘被裁切，可以只露出局部，可以作为品牌图腾占据大面积视觉空间。图形语言：超大字体大色块粗黑线条少量图标横线与竖线编辑式标签强非对称构图大胆留白局部裁切页面变化可以包括：品牌主视觉封面巨大吉祥物裁切页字体优先页面生活方式照片叠加页品牌宣言页产品介绍页短句金句页极简信息页结尾Campaign海报页整体要求：每一页都像独立品牌海报，但又属于同一套视觉系统。}这类提示词的核心公式是：一个品牌角色 + 一套强色彩 + 一组巨型字体 + 极少信息 + 海报化页面。#热搜ai创作激励大赛##HOW I AI##AI创造营##德里克文的ai学习笔记#

转发者评论

无明显转发评论

原文

分享一下《美术馆奇妙夜》的成片 vs 分镜。这条项目是音乐先行的，在用 suno 定下音乐后，我们会用 nanobanana pro 来画一些概念故事版，铺在时间线上，从而 preview 整体的结构。分镜用草图，是因为这个阶段如果引入太多美术细节，反而会分散对于整体判断的注意力。在确定大致结构后，我们会再围绕每个部分，仔细设计如何 convey the idea, 应当使用怎样的镜头组结构和美术，视频的模型使用的是 Seedance 2.0在制作过程中，也常常会发现有很难实现的想法，或者有比策划阶段更好的想法，也会在此基础上迭代修改。所以能看到成片和分镜还挺不一样的。#how i ai# 海辛Hyacinth的微博视频

转发者评论

无明显转发评论

• 《美术馆奇妙夜》幕后01 —— 分镜首先是给自己看的，不应该是批量丢给 Seedance 的参考图

原文

与其说摩尔线程创造了一个新物种AICUBE，不如说它将 AIPC、NAS 与 Agent 能力深度熔炼，进而锻造出的全新形态。凌晨四点，手机屏幕亮了——微信弹出一条消息，居然是某足球 GOAT 的中文信息：「起床了，世界杯八强战今夜打响，别错过！」我揉着眼睛看向客厅电视柜上那个铝合金小立方，它正安静地闪着柔白灯带。这不是愚人节玩笑，是我亲手把「GOAT」的数字分身训练进了摩尔线程 AICUBE，然后它真的会说「闽南口音」的中文，因为我训练口型和发音用的是葡萄牙语数据……从此，GOAT 就成了我的客厅里的 AI 助手，每天陪我聊天、帮我跨 App 办事。摩尔线程 AICUBE 小麦 AI 智能体实拍界面在车里，我们已经习惯了喊一声「Hi Nomi」就能调座椅、切歌、导航，回家后却要 「便纵有千种要求，更与何人说？」。家庭场景的 AI 大管家喊了这么多年，始终没出一个能打的产品。本质上，因为家庭 AI 需要本地算力、长期记忆和跨端控制，而此前没有任何产品把这三件事装进一个盒子里。摩尔线程 AICUBE，偏要试试。AICUBE 构建了一套融合全域智能体、AIPC 和 AI NAS，能真正能开箱即用的家庭本地 AI 中枢。但它绝不是功能简单拼接，看到结尾你会深深觉得，它更像是在 Agent 加持下诞生的 AI 新物种。#fifa认定阿根廷进球判罚正确#

转发者评论

无明显转发评论

原文

蓝色起源要找外人借钱了。这话放在别的公司身上稀松平常，但蓝色起源不是别的公司。它的创始人杰夫·贝索斯，亚马逊帝国的缔造者，个人身家超过2000亿美元，过去26年一直自掏腰包养着这家火箭公司，每年往里砸几十亿美元，眼睛都不眨一下。现在，他要融资100亿美元，估值1300亿美元。消息来得微妙。就在今年5月底，蓝色起源的旗舰火箭新格伦（New Glenn）在佛罗里达进行静态点火测试时炸了。静态点火是发射前的例行体检：火箭被固定在发射台上，点燃发动机但不起飞。这一炸不光毁了火箭，还把公司唯一的发射台搭了进去。多个消息源透露，贝索斯当时正在谈融资，火箭一炸，谈判被迫暂停。但贝索斯的反应出人意料地快。蓝色起源的吉祥物是一只乌龟，公司座右铭是“一步一步，凶猛前行”。这家以“慢”著称的公司，在爆炸后突然切换到了急行军模式：清理发射场、重建设施，贝索斯公开表态要在年底前让新格伦重返飞行。大多数业内人士觉得这不现实，12个月的时间线更靠谱。但贝索斯等不了那么久，融资的窗口不能再拖了。新格伦火箭是蓝色起源所有野心的基础。在它之上，公司要为NASA运送货物和宇航员登月，要跟商业卫星客户签发射合同，还刚刚宣布了两个巨型卫星星座项目：一个叫TeraWave，在低轨和中轨部署互联网星座，服务企业客户；另一个叫“日出计划”（Project Sunrise），计划在500到1800千米高度的太阳同步轨道上部署多达51600颗卫星。选这种轨道，是因为卫星可以安排成几乎全天晒着太阳，数据中心用电不愁。这些项目加在一起，最终需要的资金是数百亿到上千亿美元级别的。光靠贝索斯一个人的钱包，撑不住了。事实上，贝索斯早就在想办法。2017年，他请来鲍勃·史密斯担任CEO，明确目标是让蓝色起源长大成人，靠政府和商业合同养活自己，各个项目要实现现金流自负盈亏。这次尝试基本失败了，史密斯在2023年离职。而贝索斯今年62岁，据知情人士透露，他对持续自掏腰包感到疲倦。100亿美元听起来不少，但跟蓝色起源的头号对手一比，画面就不太好看了。SpaceX今年通过首次公开募股筹集了约850亿美元，估值接近2万亿美元。蓝色起源的1300亿估值，只有SpaceX的零头。SpaceX还能用丰厚的股票期权吸引顶尖人才，蓝色起源在这方面也一直处于劣势。贝索斯创办蓝色起源比马斯克创办SpaceX还早了两年。26年过去，SpaceX已经是全球航天产业的绝对霸主，而蓝色起源的旗舰火箭新格伦至今只飞过寥寥几次，发射台还刚被自己炸了。现在，这只乌龟终于决定让别人也押一把注。至于它能不能追上前面那只兔子，年底新格伦能不能复飞，是第一道必须回答的问题。～～～～～～图为蓝色起源创始人杰夫·贝索斯2016年在第32届太空研讨会上发言，几个月后该公司正式宣布研发大型火箭新格伦，图源：Matthew Staver/Bloomberg via Gett…

转发者评论

Claude Fable 5 Max的回答: http://t.cn/AXokTyxx //@庄时利和:刚问了下AI：贝索斯创办蓝色起源比马斯克创办SpaceX还早了两年，为什么现在SpaceX远比蓝色起源成功？

• Claude Fable 5 Max的回答: http://t.cn/AXokTyxx //@庄时利和:刚问了下AI：贝索斯创办蓝色起源比马斯克创办SpaceX还早了两年，为什么现在SpaceX远比蓝色起源成功？

原文

【粤港澳大湾区国产智算超万卡集群发布：部署11520张华为昇腾910C！全链路国产】日前，粤港澳大湾区首个全链路国产万卡智算集群在韶关粤港澳大湾区数据应用产业园正式发布上线，项目总投资55亿元，整机全域搭载国产昇腾910C AI加速卡，划分30个标准化超节点，累计部署11520张算力卡，总算力9000P。

转发者评论

无明显转发评论

原文

#Anthropic公关能力#与其说Anthropic公关能力强，不如说它在看似无用的地方，做了很多事情。模型可解释、不同职业AI曝光度（威胁）、模型宪法，这些可以看作是一种议题公关，但是都做了相关的研究工作。

转发者评论

无明显转发评论

• //@-马小虎-: 基本都是文科的内容，甚至很多都直接是哲学[嘻嘻]

原文

Peter Wang 做了一个 Claude Code 的 skill，能让它一次性生成这种高级落地页——视频里三个网站都是一次出图，每个成本大约 10-15 美元。用法很简单：去 higgsfield.ai 注册，装好 CLI 和 scroll-world skill，剩下的交给 Claude Code。（由 流苏ªⁱ 撰写）#ClaudeCode##落地页##AI建站##Higgsfield# Easy的微博视频

转发者评论

无明显转发评论

原文

在蚂蚁分享的一图胜千言版本。Coding Agent 没有消灭复杂度，它只是把复杂度从「写代码」挪到了「验证和运行」。交付瓶颈现在在 Infra。Agent 驱动的系统有两个根本性变化：执行主体从人变成了机器，系统性质从确定性走向随机性。一个 Agent 能瞬间 fan out 几十个并发尝试，负载完全不可预测；它的输出是随机的，你无法信任它的意图，只能验证它的行为。这对 Infra 的压力集中在三件事上：▸ 快：不只是启动快，是整条链路的延迟。多系统跳转，每一跳都是一批 Token + 一个出错点。▸ 隔离：执行者半可信且随机，Prompt 注入、误删数据、越权访问都是真实威胁。边界必须由基础设施物理强制，不能靠 System Prompt 软约束。▸ 弹性：Agent 问的是它当场想到的问题，你从没见过，无法预聚合，只能存算分离、按需计算。Infra 的长期价值不在于补模型的短板（那是过渡性的），而在于处理真实世界本身的约束：多主体并发、对抗环境、不可预测的未来。这些是逻辑限制，不随模型变强而消失。完整内容欢迎阅读 网页链接

转发者评论

无明显转发评论

原文

7月19日，一场中国AI基建硬局，要重新算Agentic时代的Token账和算力账。国产大模型，正在集体奔向国产算力。4月，DeepSeek V4发布，首次全面适配华为昇腾等国产芯片，推理完全跑在国产算力上；智谱GLM-5系列，也完成了与国产芯片平台的深度适配。头部玩家不约而同切换主航道：国产算力，不再是备胎，而是正选。就在这个节点上——7月19日，上海，WAIC 2026期间，一场集齐国产算力半壁江山的论坛即将开场。「算创·无限——Agentic时代AI基础设施创新发展论坛」，商汤科技大装置事业群主办。中国工程院院士郑纬民、中国信通院、清华大学、上海人工智能实验室、中国联通、硅基流动、沐曦……从顶尖学界、权威机构，到国产芯片与AI Infra新势力，产学研代表悉数到场。

转发者评论

无明显转发评论

原文

科幻世界签约作者菊储@菊储啊 的作品《动画家与上釉师》刊登于2026年7月刊《克拉克世界》。人工智能飞速发展，没人再学大模型统治的专业。可是动画上釉师路远还在数字艺术行业摸爬滚打，他想赌，赌自己能挖到一位不世之才，只要找见一个，这辈子就不愁吃穿了。功夫不负有心人，他在刺桐城动画学院遇到了天赋异禀且眼力敏锐的吴跅，千里马与伯乐的相遇，能扛住时代的龙卷风吗？且看吴跅的“复仇”大计如何施展……📚点击链接阅读英文版小说：网页链接#菊储##科幻世界##克拉克世界# #动画家与上釉师#

转发者评论

无明显转发评论