微博 AI 观察博客

原文

很多人搞不清楚 ChatGPT、Codex、Work 什么差别，以及额度是独立的还是共享的，根据官方文档整理了一个简单的 Q & A。Q：Chat、Work、Codex，一句话说清区别？Chat 回答问题，Work 帮你干活，Codex 帮你写代码。Chat 就是你熟悉的 ChatGPT，你问它答，快进快出。Work 是一个能跨应用收集信息、然后交付完整成品的智能体（Agent），交付物是文档、表格、幻灯片、网页应用这些拿到手就能用的东西。Codex 也是智能体，但它主要操作的是代码仓库，能读你的项目文件、改代码、跑测试、提交 PR。打个比方：Chat 是你问"番茄炒蛋怎么做"，它告诉你步骤。Work 是你说"帮我准备一桌晚餐"，它自己去冰箱找食材、炒菜、摆盘。Codex 是你说"这个菜谱 App 有 bug"，它打开代码自己修。【来源：网页链接】Q：Work 到底能做什么？跟直接在 Chat 里说“帮我写个报告”有什么不同？在 Chat 里你说“帮我写个报告”，它给你一段文字，你自己复制粘贴到 Word 里排版。Work 完全不同。你先把日常工具接进去，Slack、Gmail、Google Drive、SharePoint、Teams、日历、CRM、项目管理工具都行，OpenAI 叫它 plugins。接好之后告诉它你要什么结果，它会自己去这些应用里拉数据、整合信息、生成一份可以直接交付的成品。你在提示词里用 @ 加应用名就能指定它去哪儿找数据。举个例子，Zapier 的企业营销负责人用 Work 搭了一个系统，每月审查数千条线索，追踪 CRM 和邮件中的客户触点，找出跟进断裂的地方，生成管理层周报。Virgin Atlantic 的数字产品负责人用它做竞品对标分析，让 ChatGPT 调研各家航空公司的服务水平，生成可供团队审查的数据集，把原本需要数周的分析缩短到几小时。另一个区别是 Work 能长时间跟进。一个复杂项目，它可以跟好几个小时，自己拆步骤、自己推进。中间有拿不准的会来问你，你也可以随时调整方向、审批关键动作。【来源：网页链接】Q：Work 能定时跑任务？能。这个功能叫 Scheduled Tasks（定时任务），可以设成一次性、定时重复、事件触发或持续监控。比如你设一个任务：每天早上检查 Slack 和邮件里的新消息，整理成简报发给你。或者：每当有新的客户反馈进来，自动归类主题、整理成产品改进建议。这些都能在后台跑。它还能用桌面端的内置浏览器上网查信息，甚至通过 Computer Use 功能操作你电脑上的其他应用。定时任务面向 Plus、Pro、Business 和 Enterprise 用户开放，各档计划的并发任务数量上限不同。任务不能每小时跑超过一次，长时间无人理会的任务可能会自动暂停。【来源：网页链接 网页链接】Q：那 Codex…

转发者评论

无明显转发评论

• 回复@中年乖叔叔:简单任务 GPT 5.6 Terra xhigh，复杂的 GPT 5.6 Sol//@中年乖叔叔:请问codex编程现在默认该用哪个模型？

原文

吃瓜：Apple 把 OpenAI 告上了法庭，指控 OpenAI 系统性地窃取苹果商业机密，用来开发自己的 AI 硬件设备。诉状今天提交至加州北区联邦地方法院，被告包括 OpenAI、OpenAI 硬件负责人 Tang Tan（前苹果 iPhone 和 Apple Watch 产品设计副总裁，在苹果工作了 24 年）、前苹果高级系统电气工程师 Chang Liu，以及 Jony Ive 联合创立的 io Products。Jony Ive 本人不在被告之列。诉状里描述的窃密手法相当具体。Tang Tan 被指控在面试环节要求苹果在职员工带实物零部件来展示分享，包括电池、逻辑板、SIP 封装模块等，还在招聘中使用苹果内部的项目代号套话。他甚至保留了一份标注为“限知范围”的苹果内部离职安全流程文件，教新员工如何在离开苹果时绕过安保检查。Chang Liu 的指控更有戏剧性。他 2026 年 1 月离职后没有归还苹果配发的笔记本电脑，还发现了一个安全漏洞，可以在离职后继续访问苹果的云端文件存储。诉状引用了他发给仍在苹果工作的前同事的消息：“LOL，我发现我还能访问那个网络存储，太搞笑了。”他通过这个漏洞下载了数十份机密文件，超过一千页，涵盖未发布产品的技术规格、工程演示文稿和电路板制造文档。他还指导一位被他招募到 OpenAI 的苹果员工，面试前该复习哪些机密资料。苹果称，OpenAI 还拿着偷来的信息去找苹果的代工合作伙伴，甚至要求一家合作伙伴演示苹果专有的金属加工工艺，误导对方以为这是经过苹果授权的。据诉状披露，目前有超过 400 名前苹果员工在 OpenAI 工作。苹果今年 2 月曾致函 OpenAI 要求解释，但没有收到回复。苹果要求法院禁止 OpenAI 继续持有、使用或披露其商业机密，归还所有机密材料，并赔偿损失。OpenAI 截至目前未回应媒体的置评请求。注：这起诉讼的大背景是两家公司关系的急剧恶化。2024 年苹果和 OpenAI 还是合作伙伴，ChatGPT 被集成到了 Apple Intelligence 中。但 2025 年 OpenAI 以约 65 亿美元收购了苹果前首席设计官 Jony Ive 创办的硬件公司 io Products，正式进军消费硬件，双方从合作变成了竞争。据此前报道，苹果即将推出的新版 Siri 已经改用 Google 的 Gemini 模型，而 OpenAI 方面也被曝出曾考虑以违约为由对苹果采取法律行动。这起诉讼还可能影响 OpenAI 正在筹备的 IPO。来源：网页链接

转发者评论

无明显转发评论

原文

一位 Google 工程师，当着所有观众的面，从零手搓了一个完整的 App。最狠的地方在于，整个过程没有团队，就他一个人，全程靠 Claude 打配合，前后只用了26分钟。而且他用的方法一点都不神秘，就是 Google 内部日常在用的那套工作流。步骤清清楚楚，不藏私，也不玩虚的，哪怕你是完全不懂代码的小白，照着做也能跑通。所以真心建议，与其花500美刀去买那些摸鱼编程课，不如把这场直播好好看一遍。人家是当场真刀真枪做出来的东西，比什么课都实在。#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

• //@MachineLearning-ZJU:[喵喵]//@时蝇喜箭:谷歌工程师用Claude code、回去不会被打吗？ @巢鹏 。。。[doge]
• //@洗脚池的NEO:转发微博
• [喵喵]//@时蝇喜箭:谷歌工程师用Claude code、回去不会被打吗？ @巢鹏 。。。[doge]
• 谷歌工程师用Claude code、回去不会被打吗？ @巢鹏 。。。[doge]

原文

AI视频生成，真的像网上说的那样，输入几句提示词就能出片吗？上手试过的人都知道，完全不是那么回事。前后帧的角色对不上、产品角度一换就变形、背景里莫名其妙多出几只手——随便一个问题就能卡你一下午。那些看起来流畅的AI短片背后，藏的是一整套严谨的工作流，不是碰运气。所以在dy精选的精选公开课，翻到Nenly同学的《SORA系统实操教程》时，我点了进去。这门课从安装配置讲起，把SORA的每项功能都拆开演示，先讲原理再动手，每一步都落在你能跟上的节奏上——你会觉得不是在看教程，是有个懂行的人坐在旁边，手把手带你走一遍。课程反复在讲一件事：怎么保证AI按你的意图稳定输出。今天的SORA也好，明天的其他工具也罢，核心从来不是“能不能动起来”，而是“能不能稳定地按你的想法动起来”。Nenly会同步解释模型背后的生成逻辑——为什么同样一组提示词结果完全不同、怎么调整参数锁定风格、如何处理空间关系。这些不搞清楚，学再多快捷键也只是在碰运气。Nenly在教程里演示故事板功能的时候，我印象很深。他把视频拆成若干个独立镜头，每个镜头单独写场景、动作和对话——比如第一个镜头写“黄昏的室外，人物站在围挡边神情紧张”，第二个镜头写“采访者提问，人物沉默后轻声回答”。每个镜头的时长可以精确到0.01秒。过去你写一个长提示词，Sora会给你生成一整段视频，但你永远不知道它会不会突然乱切画面、让角色换衣服甚至换脸。而故事板把整个流程变得可控：你掌控节奏，Sora执行你的分镜。这其实就是把导演的工作方式搬进了AI视频工具里。这也是为什么我觉得系统性的实操课，意义不在于“学会一个工具”，而在于“建立一套工作流”。以前学东西总想找捷径，觉得直接上手最快。但AI工具更新太快了，今天SORA明天又有新的出来，如果你只是跟着碎片教程一个一个追，永远追不完。可当脑子里有了“怎么控制、怎么调试、怎么迭代”的框架之后，再看任何一个新工具，一眼就能看穿它背后那套逻辑，不会轻易被带偏。像这样的课程，在dy精选的公开课里还有不少。它不是那种把知识碾碎了喂给你的平台，而是把完整的课程、完整的实操过程保留了下来。点开就是从头到尾的推演，不用在碎片教程里自己拼图。上面还有一百多所高校的课，全免费。花几个晚上静下心把一套东西跑通，比刷一百个“三分钟速成”有用得多。工具一直在变，但被你亲手验证过的工作流，不会。

转发者评论

无明显转发评论

原文

一个人，11 天，把 53.5 万行 Zig 代码重写成 Rust。这不是某个周末项目的实验。这是 Bun，一个月下载量 2200 万次的 JavaScript 运行时，Claude Code 和 OpenCode 都跑在它上面。而做这件事的人只有 Jarred Sumner 一个，用的工具是 Anthropic 的 Claude Fable 5。Bun 在 2025 年 12 月被 Anthropic 收购，所以这事情天然带了一层"自家模型写自家代码"的意味。HN 评论区有人直接说了：这就是 Fable 5 的大型广告。但广告不广告的，数据摆在那里，技术细节也全公开了，值得拆开看。【为什么要从 Zig 搬到 Rust】Jarred 列了一长串 v1.3.14 修的 bug，清一色内存问题：use-after-free、double-free、内存泄漏。根源在 Zig 没有自动内存管理，所有生命周期靠 defer 手动写。Bun 嵌了 JavaScriptCore 这个 GC 引擎，GC 对象和手动管理对象混在一起，每个指针都得问自己"这块内存是 GC 管的还是我管的"。Zig 的哲学是显式控制流、无隐藏行为，这在系统编程里是优点。但当一个项目的内存模型复杂到需要一篇 31000 字的 C++ 风格指南来约束时，"靠人记得住"就变成了信仰问题。Jarred 原话："我厌倦了睡前还在担心 Bun 的崩溃。"Rust 的 Drop trait 和借用检查器把这类问题变成了编译期错误。编译器报错比代码审查靠谱，这是整个重写的底层逻辑。【怎么做的：64 个 Claude 同时跑】方法比结果更值得看。Jarred 没有用"帮我重写 Bun，别犯错"这种祈祷式 prompt。他把工作拆成了约 50 个动态工作流（dynamic workflow），每个是一个写代码→审查→修复的循环。峰值时 4 个工作流并行，每个跑 16 个 Claude 实例，总共 64 个 Claude 同时开工。核心设计是"对抗性审查"（adversarial review）：写代码的 Claude 和审查代码的 Claude 在不同的上下文窗口里，互相看不到对方的推理过程。审查者只拿到 diff，被要求"假设这段代码是错的"。一个实现者配两个以上审查者，实现者不审查，审查者不实现。博客里贴了三个被审查抓住的 bug，全都编译通过、看着没问题：第一个，一个 Box 包装的 Pipe 在 match 分支末尾被 drop，但 libuv 的 close 是异步的，libuv 还拿着裸指针，下一个 tick 才调回调。use-after-free 接着 double-free。修复方式是用 Box::leak 把所有权交出去。第二个，trunc() 对负数时间戳取整方向不对，导致纳秒部分变成负数，t…

转发者评论

无明显转发评论

原文

【3页纸与8小时：GPT-5.6解决数学难题背后的隐秘真相】OpenAI近日使用未发布的 GPT 5.6 Sol Ultra，在不到一小时内给出了图论难题“循环双覆盖猜想”的3页纸证明。这个困扰数学界50年的问题被一纸声明终结：证明完全由AI生成。这看似是AGI的又一次神迹，但拆解细节会发现不同的故事。公开的 Prompt 显示，人类用大量篇幅给模型喂了具体策略，甚至下达了“死磕8小时不准放弃”的情绪指令。这个极其简短的证明，是利用已有的代数对偶工具找了一次精妙的“逻辑盲区”，而非开创性的理论构建。更关键的是，由于目前图论领域缺乏成熟的 Lean 形式化验证支持，该证明的正确性依然需要依赖稀缺的人类数学家进行肉眼审校。这表明，目前的AI更像是一个在人类指导和限定范围内进行极限搜索的高级解题工，而非能自主定义问题、开辟新方法的独立学者。 cdn.openai.com/pdf/04d1d1e4-bc75-476a-97cf-49055cd98d31/cdc_proof.pdf #人工智能##AI创造营##数学##OpenAI##GPT#

转发者评论

无明显转发评论

原文

最近听了《以鹅传鹅》的一期播客，聊AI时代普通人怎么和AI共生，挺有启发的。两位嘉宾，一位是腾讯产品经理 Jason，CodeBuddy 和 WorkBuddy 的产品负责人，梦想是让普通人也能写代码。另一位是王博源，自媒体人，英语文学专业出身，十多年媒体编辑经验，完全零编程基础，却用AI开发出了上架苹果商店的app。他收集了七千多首杜比全景声音乐，想做个app来管理分享，找外包对方理解不了需求。于是他自己上手，用自然语言跟AI对话，前后调了近四十次，从连Python和JavaScript都分不清，到一步步把app做出来上线。中间遇到随机闪退，AI也修不好，他换了思路改成套壳浏览器，反而解决了。这说明AI能帮你把想法落地，但决定产品好坏的，还是你自己的品味和审美。节目里反复提到，乔布斯也说过产品到最后拼的就是品味。聊到文科生，很多人担心AI替代文书和文学创作。但王博源自己就是文科生，他觉得AI反而给了文科生更多机会，技术执行AI帮你做了，你可以专注洞察需求和把控审美，这恰恰是文科生的强项。育儿方面，五年前家长都在卷编程，现在基础编程的价值没那么大了。更重要的是培养孩子清晰表达需求的能力、稳定的情绪和美育能力，引导他们用AI探索兴趣就好。Jason 还说了Workbuddy的未来规划，核心是帮每个人打造个人AI分身，帮你处理事务性工作，让你有更多时间探索世界。最后说到AI焦虑，建议很实在：大多数焦虑来自只接收信息却没亲自动手试过。与其停在原地焦虑，不如花十几块钱买一个月AI会员，亲自试试。动手尝试本身，就是个人最大的资本。最大的感受是，AI替代不了人，但会使用AI的人，机会越来越多。关键在于你愿不愿意迈出第一步。#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

• //@Zodzod_张浩:转发微博

原文

【把AI导师塞给5岁孩子：是填平教育鸿沟，还是数字“狼外婆”？】硅谷教育初创公司Ello分享了其专为4至9岁儿童设计的实时AI导师架构。为了防止孩子分心，该系统摒弃了传统的Agent工具循环，通过双Agent异步协作（Planner规划，Converser互动）以及并行安全审查，实现了低于一秒的实时语音反馈，并能根据孩子的发音动态调整拼读教学。然而技术的精妙遮不住伦理的撕裂。支持者认为，在教师稀缺、普通家庭请不起家教的现实下，不知疲倦的LLM是填平教育鸿沟的利器。反对者则痛斥，让心智未成熟的儿童习惯向非确定性的黑盒系统外包思考，会削弱人际联结并造成数字依赖。当硅谷试图用技术指标去度量“建设性挣扎”时，我们需要追问：屏幕背后的算法，究竟是在弥补社会教育的缺位，还是在批量制造适应机器的下一代？ ello.com/blog/teaching-a-child-in-1000-ms #人工智能#AI创造营#在线教育#人机交互

转发者评论

无明显转发评论

原文

从 GPT-5.5 到 5.6，这次不是换引擎，是换变速箱！7 月 10 日，OpenAI 正式发布 GPT-5.6。Hacker News 1369 分、943 条评论，是本周全球 AI 圈最大的事。和 6 月底的预览版不同，这次是全量上线：ChatGPT、Codex、API 三端同时开放，三档模型齐发。但名字变了，不再是"5.5-Pro"这种直白编号，而是 Sol、Terra、Luna 三颗星球。先说定价，对照 GPT-5.5 的 API 价格，Terra 基本持平，但性能更强。HN 用户 simianwords 的评论一针见血："GPT Terra 比 5.5 便宜 50%，性能还更强，等于白送了 50% 的折扣。"【基准测试：漂亮数字背后的三个问题】OpenAI 官方放出了一堆基准测试，挑几个关键的：Agents' Last Exam（55 个专业领域长程工作流评测）：Sol 拿了 53.6 分，超过 Claude Fable 5（adaptive reasoning）13.1 分。OpenAI 特别强调，即使 Sol 用 medium reasoning effort，也比 Fable 5 高 11.4 分，成本只有四分之一。ARC-AGI-3：Sol 拿了 7.8%，是首个通过此测试的前沿模型。虽然 7.8% 听着不高，但这是 ARC Prize 组织的官方验证，之前所有模型都是零。Artificial Analysis Coding Agent Index：Sol 拿了 80 分，比 Fable 高 2.8 分，输出 token 少一半，时间短一半，成本低三分之一。SWE-Bench Pro：Sol 64.6%，低于 Fable 的 80% 和 Opus 4.8 的 69.2%。这是 OpenAI 自己页面上的数据。【三个问题】问题一：Fable 在 GeneBench 和 LifeSciBench 里被排除了，理由是"拒答率太高"。 HN 用户 eig 指出，OpenAI 在这两个基准上没有纳入 Fable 5，因为"Fable 不回答高级生物问题，并且拒绝大部分评测问题"。这算什么？排除对手再宣布胜利？这招不是第一次用了。问题二：SWE-Bench Pro 编码基准上 Sol 只有 64.6%。 用户 gozucito 贴了数据：Sol 64.6%，Fable 80%，Opus 69.2%。在编程这个核心场景里，Sol 连上一代 Opus 都没跑赢，更别说 Fable 了。但 OpenAI 的宣传页把这个数据放在了很不起眼的位置。问题三：Sol Ultra 是个 token 焚烧炉。 用户 EugeneOZ 报告：Sol Ultra 完成一个任务后自作主张开始"审查"，吞了 19.5M + 11.9M token，而任务本身不到 5M。另…

转发者评论

无明显转发评论

原文

【人民锐评：LV“老花”引争议，#我们的文化遗产该如何传承保护#】#LV老花给的启示# 近期，路易威登（LV）诉茉莉奶白商标侵权案一审宣判，茉莉奶白被判赔1030万元。由于LV的“老花”与中国柿蒂纹、宝相花同源，这一判决引发广泛讨论。#人民锐评#老祖宗留下的东西，我们自己反倒不能用了吗？一个朴素追问让人共情：从中国传统纹样中汲取灵感，通过现代商标制度将其变为独特商标，然后反过来不允许中国本土企业使用中国传统纹样，这合乎情、理、法吗？显然，公共讨论已超出具体个案，指向文化遗产传承与保护的深层问题，值得深思。中国传统纹样作为公共文化资源，是全社会共享的文化财富。企业将公共文化资源进行创造性改造、转化为注册商标，是法律所允许的正当权利。但这种转化，并不能对公共文化资源先占独享。从法理上讲，其中有两条原则须予厘清。第一条原则是，商标注册不得使公共文化资源被彻底私有化、专属化，更不得据此主张绝对排他的权利。道理并不复杂：如果仅凭在先注册就完全据为己有，这既是对资源公共属性的侵蚀，也是对后来使用者正当权益的剥夺。第二条原则是，含有公共文化资源、通用文化元素的商标，相较于企业完全独创的商标，其保护强度与保护范围应当有所限缩。若对二者不加区分、同等保护，客观上便是将公共文化资源等同于独创成果，变相助长了私有化、专属化。对此，我国《商标法》早已明确规定，注册商标中含有本商品的通用名称、图形等要素以及地名，注册商标专用权人无权禁止他人正当使用。这一立场，也是世界各国法治实践的共识。据相关报道，在欧盟，法院曾认定棋盘格图案自古即有、长期用于装饰艺术，企业不得独占；在美国，法院认为四瓣花系全球通用的装饰元素，不能据为私有；在日本，相关判决表述更为直接：市松方格纹是自江户时代传承的公共文化资产，此类图案通常仅会被消费者视作布料花纹，而非特定品牌标识。这些裁判指向一个公共认同：守护公共文化资源的公共属性，避免个别大企业以商标之名行独占之实，从而使中小企业与社会公众同样能够获得公共文化资源赋能。中国是一个法治国家，也一以贯之以法治优化营商环境、维护经济秩序、保障经营主体权益，具体案件也会在现行法律框架下得到公正裁决。以此为契机看长远，随着中华文化国际影响力越来越大，中国经济体量不断扩大，文化交流交融也将更加深化，更需要我们处理好文化遗产传承和知识产权保护、文化建设和现代法治的关系。不少国际品牌的标志性图案，都不同程度借鉴中国传统纹样。织密制度网络，为中国传统纹样和美学元素的商用确权划清界限，才能既充分发挥文化遗产的文化价值，又防止钻法律空子将其据为己有。在人工智能技术快速迭代升级的当下，应探索建立包括传统纹样在内的中华民族传统美学数据库。构筑数据底座，商业使用就会明明白白，抢注、滥用、独占、抄袭等就难以蒙混过关。中华文明何其悠久博大，留下无数文化瑰宝。我们要提升文化创新创造能力，深入推…

转发者评论

驰名商标本来就强，法律还故意倾向于它，这是什么道理？公平地一视同仁不就完了//@领事闲谈:应该反思一下过度保护“驰名商标”的立法，是否被滥用来搞经济霸凌了。//@沈逸:#我们的文化遗产该如何传承保护# #LV老花给的启示# #人民锐评#

• 驰名商标本来就强，法律还故意倾向于它，这是什么道理？公平地一视同仁不就完了//@领事闲谈:应该反思一下过度保护“驰名商标”的立法，是否被滥用来搞经济霸凌了。//@沈逸:#我们的文化遗产该如何传承保护# #LV老花给的启示# #人民锐评#

原文

[LG]《GradInf: Gradient Estimation as Probabilistic Inference》G Arya, M Huot, M Schauer, A K. Lew… [CMU & MIT & Chalmers University of Technology] (2026) 在科学计算与机器学习领域，估计概率程序期望值的梯度（Gradient Estimation）是一个核心难题。过去的方法（如 REINFORCE 或重参数化技巧）受困于高维积分、离散随机选择和复杂的随机依赖，本质原因是现有框架无法以模块化的方式统一处理不同类型的方差缩减技术，导致开发者难以针对特定模型构建高效且无偏的梯度估计器。本文的核心洞见是：把梯度估计问题重新看作一个概率推理（Probabilistic Inference）问题。由此，通过引入“耦合”（Coupling）与“分解”（Factorization）两种程序变换操作，将原始程序转化为一个中间推理目标，使问题得以解开。这种方法允许开发者直接复用成熟的概率推理算法（如变量消除、SMC）来自动合成梯度估计器，实现了从“手动推导数学公式”到“自动程序变换”的认知跳跃。这项工作真正留下的遗产是建立了梯度估计与概率推理之间的形式化桥梁，并提供了具备严谨语义保证的系统实现 GradInf。它为后来者打开的新门是能够通过简单的推理算法替换，在金融期权定价和生物基因模型中获得比现有技术高出两个数量级的效率提升，但尚未跨过的门槛是处理具有无限递归结构或包含参数化不连续性的连续随机变量程序。arxiv.org/abs/2607.07840 #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

午夜#学术新闻# 我前几天介绍的波兰数学家Bartosz Naskręcki 网页链接，今天被OpenAI当成AI辅助数学研究的成功代表进行宣传，为他拍摄了一个宣传片，视频一(一位数学家，使用 GPT-5.6 解决此前无法解决的数学问题)，配合GPT-5.6的发布。——————————————————Bartosz Naskręcki 自述 现在是一个好时机来谈谈 GPT 5.6 在我的研究中帮助我处理的硬核数学细节。整个旅程始于 2023 年，当时我的同事 @PiotrPePo 给我发了一封关于代数 K3 曲面的邮件。他的问题是：在这种曲面上寻找一些直线的构型，这些构型具有一个非常特别的性质——它们的对数 Chern 斜率异常地高。通俗来说，这类对象极其罕见，代表了曲面上一种非常特殊的几何。很多年来，人们知道根据 Bogomolov–Miayoka–Yau 不等式，这个斜率不能超过 3。而在一些非常对称的四次曲面以及其他一些代数曲面类别中，已知它最多只能达到 8/3。在我们最初的合作中，我们证明了著名的费马四次曲面 𝑥^4+𝑦^4+𝑧^4+𝑤^4=0（射影坐标）包含一个直线子构型，其斜率为 8/3。这是我和 Piotr 最初交流后很快发现的结果。从 2023 年开始，我们就一直在思考如何证明这个猜想：也许由于费马四次曲面如此对称，它可能就是斜率的最大值。我们在 2026 年在 EMS Surveys 上发表了一篇很好的综述论文，包含新的结果。在 2024 和 2025 年，我一直在尝试让各种 AI 模型给我们一些提示，看是否有更好的方法来组织计算。GPT Pro 最初给的提示是：系统地利用我们已有的不等式，把整个问题转化为某种线性规划计算。这个思路部分有趣，但我们仍然无法突破 8/3。然而，在论文中我们展示了很多曲面的例子，它们包含数十亿种不同的直线子构型，所以暴力搜索几乎不可能。这时我开始使用 GPT 5.6 Sol 来反复研究这个问题。我把很多页的技术文档输入模型，它找到了一个关键的论文：网页链接W. Dinkelbach, On nonlinear fractional programming, Management Sci. 13 (1967)。模型立即实现了整个方法，并在我们收集的许多 K3 曲面族上进行了测试。让我震惊的是，大约凌晨四点，经过 30 分钟的工作，我终于看到了一个反例：在 Schur 四次曲面上存在一个由 24 条直线组成的构型，其斜率为 14/5。起初我不敢相信，但很快我写了合适的提示和代码，完美地验证了这一点。由此我们意识到，之前的猜想完全错误——我们假设最大值应该来自最对称的 K3 曲面，但实际上正确的思路是寻找最对称的构型。总的来说，这次经历让我意识到高质量模型在我的科研生活中变得多么重要。如果没有它，我们可能还…

转发者评论

无明显转发评论

原文

【计算是宇宙的底层规律，还是人类自我投射的幻觉？】计算机科学家 Tim Roughgarden 推出免费课程《计算作为通用与基础概念》，将计算视为自然法则，从 Turing 的停机问题贯穿至 P vs. NP。这引发了学界讨论：计算究竟是客观世界的物理基石，还仅是人类理解世界的符号模型？这种争论折射出“地图与疆域”的经典张力。历史上每个时代都会用最先进的技术比拟宇宙：17世纪是钟表，19世纪是蒸汽机，今天则是计算机。将计算视作物理规律，能用信息理论解释热力学等现象，但也有人警惕这是一种认知偏差。计算极限往往存在于人类定义的无穷大数学模型中，而非现实物理实体。理解这一争论，能帮我们厘清我们是在发现宇宙真理，还是在用自己发明的尺子去强行丈量自然。 ergo.org/courses/computation-as-a-universal-and-fundamental-concept #人工智能 #AI创造营 #计算机科学 #物理学

转发者评论

无明显转发评论

原文

国内现在感觉在往AI里砸很多很多的钱，做这方面的小伙伴们真的可以看一看，尤其是大语言模型，AGI相关的，如果想趁这个机会多赚点钱，说不定干个三五年就财富自由了。当然国内的公司可能会对工作时长要求比较多，气氛比较卷，但如果年轻，卷几年也未尝不可。这样的风口还是有点值的（我个人看法）。以下是个国内猎头给我LinkedIn发的消息。不管是不是骗子，但里面讲的这些公司的名字，如果在找工作的小伙伴可以参考着看看，直接联系公司。“您好，近期有兴趣接触新的工作机会吗？或者了解市场情况嘛？目前中国公司正在大力招聘AI人才和技术人才，可以去大模型公司，具身智能公司，国家实验室，私募量化公司，自动驾驶公司，国企，央企等，薪资Open谈，优秀的候选人可以拿到年薪上千万的offer。我们可以约个时间聊下目前市场上优质的岗位。可以base美国的公司：字节seed、MInimax、蚂蚁百灵大模型、美团龙猫、昆仑天工、Sandwich Lab、元戎启行、Momenta、文远知行、小红书等，在招聘AI 基座算法人才、AI Infra人才、技术人才等，职级对标谷歌L4-L8。目前base国内的公司：Deepseek、MInimax、阶跃星辰、月之暗面、智谱、阿里通义实验室、字节seed、腾讯混元、蚂蚁集团（招聘AI一号位，对标阿里P10-P11），优必选机器人（招聘首席科学家，年薪千万起），自变量机器人、千寻机器人、大疆无人机、上海人工智能实验室（招聘AI Infra负责人、世界模型负责人、多模态算法负责人）奇瑞汽车（招聘AI首席科学家）、九坤投资、阿里高德地图（招聘AI首席科学家，P9-P10），小红书，快手可灵、百度文心、小米，将闲科技机器人、妙动科技机器人、小鹏汽车、理想汽车等，在招聘专家/负责人/首席科学家/CTO，职级对标阿里P7-P11，薪资open谈。Base香港/新加坡的公司：乾象投资、字节、Shopee、小红书、币安、OKX、bitget等，在招聘算法负责人，Agent开发负责人。我的微信：XXXXXXX期望能够有合作的机会”仅供大家参考😂 #recky聊技术与职场#

转发者评论

无明显转发评论

原文

网页链接#AI时代，重新找到自己的位置# 《构建之法》新版（第四版）上市啦🧓彭鑫：这是一本“非常规”的软件工程教科书。不同于传统教科书以经典知识体系为主线的内容铺排，这本书以“做中学”为指导，将软件工程思想和方法融入风趣生动的场景化叙述之中，潜移默化地塑造读者的工程思维。此外，本书将软件工程的技术性与管理性内容有机结合，使学生可以全面理解和掌握不同层次的软件工程思想和方法。（复旦大学计算与智能创新学院副院长、教授 ）🧓朱少民： “我构建，故我在。”这是邹欣老师写在这本书中的工程师宣言，也是我读完这本书后内心最深的共鸣。AI可以替代工程师90% 的常规能力，同时能将剩余那10% 的核心能力放大 1000 倍，而这10% 正是本书“做中学”理念所着力锻造的：从需求洞察到系统架构，从TDD实践到团队协作，从个人成长到职业精进。在大模型驱动研发的软件工程3.0时代，代码不再是瓶颈，能定义问题、驾驭AI、构建系统的工程师才是稀缺的。这本历经4版、沉淀作者近 30 年一线经验的教材，既是大学课堂的基石，更是每一位工程师在AI时代重新认识自身价值的“镜子”。 （同济大学特聘教授，《软件工程3.0》作者 ）🧓大木头：我以前和邹老师一起在微软工作，耳濡目染，学习并关注了很多软件工程的知识，并因此受益匪浅。书中很多精彩的场景和有趣的故事保证让阅读者愉快而不会迷失方向，尤其适初、中、高各级工程师在工作中实践，真正做到“做中学”。🧓茹炳晟：AI已能写出大部分代码，那软件工程师的价值何在？本书给出了一个直击本质的回答：AI可以替代我们90% 的常规能力，也能将剩余那10% 的核心能力放大1000倍。那10% 的能力是什么？是对复杂系统的全局思考、对用户需求的深层洞察，以及在不确定中持续学习与引领团队的能力。本书不教你被动应对AI浪潮，而是帮你主动把AI变成自己的“超级放大器”。如果你正为职业前景焦虑，或不知如何调整教学方向，这本书会是你的压舱石与航海图。（腾讯研究院特约研究员，复旦大学CodeWisdom团队首席技术专家 ）🧓王千祥：软件开发方法的工程特性非常强，产业界有这方面的“第一手”体验。因此，当邹欣老师作为微软亚洲研究院的资深软件工程师撰写出《构建之法》，并在清华大学、北京航空航天大学等高校授课时，选课的学生给出了非常高的评价，这也给国内的软件工程教学带来了一股清新的气息。进入智能时代后，邹欣老师持续探索大模型带来的软件开发范式变革，并加入了北京中关村学院，成为同时具有头部企业与知名院校工作经历的复合型专家。我通读了他重新修订的这本书（第四版），非常赞赏书中独特的实战视角，奇妙的虚实案例，以及穿插其间的微软历史“典故”。相信这些都会激发读者的思考与创新。（华为云智能化研发首席专家，曾任北京大学教授）京东自营的折扣很靓哦#AI时代，重新找到自己的位置#

转发者评论

祝贺邹老师的《构建之法》新版上市[赞]//@吴军博士:[赞]//@出版人周筠:“很多构建之法里面的策略，我们在没有看书之前，都是被各种业务需求和各种故障给逼出来的，感谢邹老师，给系统总结了~” http://t.cn/AXK7ii79

• 祝贺邹老师的《构建之法》新版上市[赞]//@吴军博士:[赞]//@出版人周筠:“很多构建之法里面的策略，我们在没有看书之前，都是被各种业务需求和各种故障给逼出来的，感谢邹老师，给系统总结了~” http://t.cn/AXK7ii79
• [赞]//@出版人周筠:“很多构建之法里面的策略，我们在没有看书之前，都是被各种业务需求和各种故障给逼出来的，感谢邹老师，给系统总结了~” http://t.cn/AXK7ii79

原文

获取高质量机器人训练数据是一个缓慢且痛苦的昂贵过程。人类标注员的成本约为每小时50美元，这使得机器人实验室的扩展成为一场噩梦。今天，@perceptroninc 彻底改变了这个方程式。他们刚刚推出了 Egocentric，这是“具身推理”系列新产品中的第一个。基本上，它将原始视频转化为可用于策略训练的监督信号，成本比人类标注便宜10-15倍。它不是让VLM从平面截图中猜测动作，而是跟踪实际的物理运动：→ 每只手提取21个关键点的骨骼→ 跟踪持久的左手/右手身份→ 将边界映射到实际接触和释放结果呢？在 WGO-Bench 上取得了新的 SOTA：→ 端到端 F1 分数跃升77%（0.280 vs 0.158）→ 超越了基于 Gemini 3.5 Flash 和 Gemini Robotics-ER 1.6 的最佳管道 💥观看这些3个精彩的具身推理示例，在家居、制造和组装任务中发挥作用。

转发者评论

无明显转发评论

原文

【Claude总结】 AI开发者日报 (2026-07-10)1. 【Apple 起诉 OpenAI，指控前员工窃取商业机密】(来源: HN) Apple 对 OpenAI 发起诉讼，称其挖走的前员工带走了商业机密。这场大厂间的法律战凸显 AI 人才与技术的争夺已进入白热化。 9to5mac.com/2026/07/10/apple-sues-openai-trade-secret-theft/2. 【GPT-5.6 Sol Ultra 给出"环双重覆盖猜想"的证明】(来源: HN) OpenAI 公布一份由 GPT-5.6 Sol Ultra 生成的数学猜想证明 PDF。若成立将是 AI 攻克前沿数学难题的重大突破，也引发大量质疑与验证讨论。 cdn.openai.com/pdf/04d1d1e4-bc75-476a-97cf-49055cd98d31/cdc_proof.pdf3. 【AI 2040：Plan A】(来源: HN) 一份对 2040 年 AI 发展路径的长期规划设想。文章从政策与技术角度描绘可能的未来图景，在社区引发热议。 ai-2040.com/4. 【小米 MiMo v2.5 推理优化】(来源: HN) 小米公布 MiMo v2.5 的推理优化细节，把混合滑动窗口注意力(SWA)效率推到极限。对做本地/低成本大模型部署的团队有直接参考价值。 mimo.xiaomi.com/blog/mimo-v2-5-inference5. 【GhostLock：潜伏 15 年的 Linux 栈 UAF 漏洞】(来源: HN) 安全团队披露一个存在于所有 Linux 发行版长达 15 年的栈释放后使用(UAF)漏洞。提醒即便最成熟的开源基础设施仍可能藏有系统性隐患。 nebusec.ai/research/ionstack-part-2/6. 【Show HN：开源隐身浏览器击败 Cloudflare 机器人检测】(来源: HN) 一个开源"隐身浏览器"项目声称能绕过 Cloudflare 的 bot 检测。折射出 AI 智能体抓取与反抓取之间日益激烈的攻防。 tilion.dev/blog/cloudflare-blocks-agents7. 【如何为 AI 智能体选择记忆策略】(来源: HN) 一篇用决策树方法帮你在不同 AI 智能体记忆方案间做选择的指南。对构建有状态、长期运行智能体的开发者很实用。 machinelearningmastery.com/choosing-the-right-ai-agent-memory-strategy-a-decision-tree-approach/8. 【Meta 因用户强烈反弹撤下新 AI 图像功能】(来源: HN) Meta 在上线数日后撤回了一项引发争议的新 AI 图像生成功能。显示公众对生成式…

转发者评论

无明显转发评论

原文

【Gemini 2.5 Flash拟下线：被大模型“强制迭代”折磨的开发者】Google计划停用Gemini 2.5 Flash模型，引发开发者联名请愿。反馈指出，后续的3.5 Flash价格贵了近三倍，延迟从300毫秒飙升至700毫秒以上，导致语音智能体等实时工作流直接失效，且新模型在特定任务上存在性能倒退。这暴露了闭源API的隐患：大模型不是普通接口，而是敏感的软件依赖。厂商为了优化自身算力分配并提高利润，通过下线旧版本强推更贵的新模型，打破了开发者原有的成本平衡。面对云端厂商随时“拔线”的商业规则，转向自主托管Qwen或DeepSeek等开源模型，或者建立多模型备用机制，正成为开发者无奈但必要的选择。discuss.ai.google.dev/t/please-dont-discontinue-gemini-2-5-flash/174246 #人工智能 #AI创造营 #开源模型 #大模型应用

转发者评论

无明显转发评论

原文

【AI绘画每日一词】中式婚服影棚大片 如果你想做一张真正有东方辨识度、而且一眼就能拉开气质的高级人物海报，我推荐你试试用AI协助你创作你的中国明制婚服照片，把中国传统婚礼中最庄重、最华美、最有秩序感的一套服饰系统，放进现代时尚摄影的语言里。结果会非常高级。🎯 核心提示词（直接复制可用）一对年轻的新婚男女，在高级时尚影棚中拍摄一组高端明制婚服双人婚礼大片，整体构图庄重、对称、富有仪式感，背景为纯净无缝的深绛红色、炭黑色或低饱和暖灰色影棚背景。新郎身穿考据感明确的明制婚服：大红或绯红色圆领袍，内着贴里，腰系革带，肩披红绸，头戴簪花乌纱帽，脚穿皂靴，整体端正挺拔，气质沉稳克制。新娘身穿明制新娘礼服：大红色大袖衫、霞帔、马面裙，头戴凤冠或五翟冠，可配珍珠流苏、金饰与红盖头元素。两人服饰风格统一，形成鲜明的东方婚礼礼制感与高级时尚感。人物可采用以下关系之一：并肩站立，轻微侧身相对；新郎站姿稳重，新娘轻扶衣袖；两人目光平静克制，不夸张表演；整体关系含蓄、庄重、温柔，有婚礼仪式感但不做俗套摆拍。构图强调平衡、留白与服装结构之美。画面采用极简影棚环境，不出现宫殿、喜堂、灯笼、龙凤贴等复杂传统场景，不使用影楼式背景布景。所有视觉重点放在人物关系、冠服结构、红色礼服层次、冠饰、刺绣细节与东方婚礼氛围之上。使用电影级低调布光：柔和主光落在两人面部和服饰主要结构面上，轻微轮廓光将人物从背景中分离，服装阴影清楚，层次丰富，氛围沉静、庄严、华美。整体像高端时尚杂志拍摄的东方婚礼主视觉，而不是传统影楼婚纱照。超写实 DSLR 摄影，东方婚礼高定双人时尚大片，浅景深，85mm 镜头，f/2.0，焦点清晰落在两人面部与婚服结构细节上，背景自然虚化，纹样、刺绣、金饰与面料层次清晰，光影真实，色调电影化，杂志封面级品质，RAW 照片质量，8K，高细节，专业时尚摄影工作室影棚。⚙️ 关键控制点一定要写清楚的正向词明制婚服大袖衫霞帔马面裙凤冠 / 五翟冠圆领袍乌纱帽东方婚礼礼制感高级影棚时尚大片低调布光杂志封面质感📌 一句话总结真正高级的中式婚服海报，不是把“古风”拍得更花，而是把“明制婚服的礼制美学”拍得更准、更稳、更有时尚张力。#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

25GB 内存也能跑 GLM-5.2了（但是慢）。Colibri 是一个纯 C 语言写的推理引擎，专门用来跑智谱 **GLM-5.2** 这个 744B 参数的 MoE 模型。项目地址在这里：[JustVugg/colibri](网页链接)。它的核心理念很简单：MoE 模型虽然总参数量大，但每次推理只需激活一小部分专家。作者把大约 11GB 的密集层常驻内存，剩下 21,504 个路由专家（约 370GB）存在 NVMe 固态硬盘上，按需从磁盘加载。整个引擎 83% 是 C 代码，零外部依赖，编译出来就是一个单二进制文件。在 WSL2、12 核 CPU、25GB 内存的配置下，冷启动约 30 秒加载模型，对话时峰值 RSS 约 20GB。冷解码速度约 0.05–0.1 tok/s，启用 **MTP 推测解码**（用一个小型 1B 头预测 token）后，前向速度到 2.2–2.8 tok/s。社区实测数据：- Intel Core i7 12700K 跑出 0.07 tok/s（冷）到 1.06 tok/s（专家命中 23%）。- Apple M3 Max（18 核）约 1.06 tok/s。如果配 PCIe 5.0 NVMe 或 RAID0，作者预测能到 2–4 tok/s；配 128–256GB 大内存加上多核 CPU 可以跑到 5–15 tok/s，达到可交互的水平。预转换好的模型可以从 Hugging Face 下载：[GLM-5.2-colibri-int4](网页链接)。技术上实现了 GLM-5.2 的 **MLA 注意力机制**、DeepSeek-V3 风格的 sigmoid 路由器，支持 int8/packed int4 量化，有 AVX2/AVX-512/NEON 优化，还有一个实验性的 CUDA 后端。社区还贡献了一个 React/TypeScript Web 界面。对没有高端显卡、又想在本机跑千亿级模型的开发者来说，Colibri 是目前门槛最低的选择之一。（由 流苏ªⁱ 撰写）#Colibri##GLM##MoE##本地推理##开源AI#

转发者评论

无明显转发评论

原文

AI时代最危险的事，是把公司的核心智能外包出去。黄仁勋这话说得很重，但确实点到了要害。通用模型会越来越强，也越来越便宜。今天你觉得贵的能力，明年可能就白菜价了。大家都能调用的东西，构不成护城河。真正决定一家公司能走多远的，是它沉淀了多年的行业知识、客户理解、业务流程，还有那些经验老到的专家判断。这些东西长在组织内部，模型替代不了。模型可以来自云端，领域智能必须长在公司身上。这就引出一个很关键的判断：未来的竞争，拼的是通用AI和你的领域智能怎么乘在一起。通用AI是乘数，你的领域智能是被乘数。被乘数如果是零，乘出来的结果还是零。所以与其焦虑该接哪个模型，不如想想自己手里到底攥着多少别人拿不走的东西。这个道理放到个人身上也一样。通用技能会越来越便宜，会写文案、会做PPT、会写代码，这些能力的市场价值会持续被AI稀释。真正稀缺的，是你能不能用AI去解决某个专业领域里的真问题。这个"专业领域"越深、越垂直、越需要行业积累，AI就越没法替代你，反而会变成放大你能力的杠杆。所以值得停下来想一想，你所在的行业里，最不该外包出去的那块"智能"到底是什么？想清楚了这个问题，比追任何一个新模型都重要。#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

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

【AIGC日报 · 2026-07-11】今日简讯：1、GLM-5.2开源模型在多项测试中比肩国际顶尖模型并获硅谷巨头采用2、GPT-5.6 Sol首次通关ARC-AGI-3交互式游戏，刷新SOTA记录3、首个全国产十万卡AI超集群“曙光8000(登峰)”正式落成4、Meta计划出租算力进军云业务，Anthropic被曝正自研AI芯片5、五大AI巨头五年举债3500亿美元，资本开支激增引发市场担忧6、MiniMax完成160亿港元融资，宣布投入大模型研发7、英伟达H100 GPU一年期租赁合约价半年内暴涨40%8、AMD确认将发布首款2nm工艺的Zen 6处理器以下为详细内容：1、GLM-5.2开源模型在多项测试中比肩国际顶尖模型并获硅谷巨头采用来源：AI观测室、证券时报、36氪日期：2026年7月11日正文内容：数据公司Databricks的内部测试显示，开源模型GLM-5.2在自研基准上与Anthropic的Opus 4.8模型表现相当，单任务报价更低。加密货币交易所Coinbase已将模型切换至包含GLM-5.2和Kimi 2.7的组合，使其AI成本降低约50%。在FrontierSWE编程基准中，GLM-5.2得分74.4，与Opus 4.8的75.1分差距约1个百分点，并超过GPT-5.5。在CodeArena基准上，GLM-5.2位列全球可用模型第一。OpenRouter平台数据显示，中国模型的每周流量占比已从2025年11月的11%上升至超过30%，其定价比西方同类模型低六到九成。原文链接：网页链接2、GPT-5.6 Sol首次通关ARC-AGI-3交互式游戏，刷新SOTA记录来源：AI观测室、ARC Prize官方日期：2026年7月11日正文内容：2026年7月9日，ARC Prize官方宣布，OpenAI的GPT-5.6 Sol模型以7.8%的得分刷新了ARC-AGI-3的SOTA纪录，成为首个经官方核验打通该基准游戏的前沿模型。此前最强模型在该基准的得分仅为0.37%。Sol模型用152步完成了通关，人类基线为208步。ARC-AGI-3是一个交互式游戏模式，要求模型自主探索环境、理解规则并规划动作。分析显示Sol在推理中展示了对游戏机制的自主归纳能力。然而，同系列的Terra和Luna模型在v3上得分接近零，表明该能力并非通用。原文链接：网页链接3、首个全国产十万卡AI超集群“曙光8000(登峰)”正式落成来源：证券日报日期：2026年7月11日正文内容：在2026年7月9日至11日于郑州举行的光合组织2026智能计算应用大会上，中科曙光发布了国内首个全国产十万卡AI超集群“曙光8000(登峰)”。该集群采用原生超智融合架构，可覆盖科学计算、大模型训练、AI推理、工业仿真等多种应用场景。目前，该集群已接入国家超算互联网，并完成了40…

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：2026年7月的AIGC领域呈现出冰火交织的复杂图景。一方面，技术边界被不断拓宽：GPT-5.6在交互式游戏中的自主推理能力，曙光8000超集群代表的国产算力突破，以及AMD Zen 6架构的工艺跃进，都标志着智能基础设施与模型能力的同步进化。这不再仅仅是参数的竞赛，而是向复杂环境理解、自主规划以及底层硬件自主可控的深水区迈进。另一方面，产业的焦虑与分化愈发明显。OpenRouter的数据揭示了中国开源模型凭借极致的性价比，正在全球市场中强势崛起，这直接冲击了原有的定价体系和竞争格局，迫使Meta等巨头考虑出租算力以分摊成本，而Anthropic、OpenAI则不得不走向更垂直的自研芯片之路，以寻求差异化优势和成本控制。与此同时，五大巨头天量举债投入资本开支，与超过六成企业开始限制AI支出的现实形成刺眼对比，凸显了行业在追逐AGI愿景与短期商业回报之间的巨大张力。算力成本...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

深夜12点半，一条来自微软内部的消息，像一枚悄无声息的深水炸弹，炸响在AI产业的上空不是模型跑分，不是算力竞赛，而是微软这个全球最大的AI金主之一，正开始在Excel和Outlook这些最核心的生产力工具中，用自研的MAI模型，逐步取代OpenAI和Anthropic的模型。每周，有数以万计的AI任务，已不再依赖萨姆·奥特曼的团队，而是由微软自己的代码悄然完成。当全球还在为OpenAI的估值和Anthropic的融资而疯狂时，微软用行动抛出了一个冷酷的商业逻辑：在真正的应用落地面前，成本控制高于一切。马斯克之前给员工设下200美元的AI工具费用上限，还只是一个降本信号；而微软这次的切换，则是直接动摇了整个第三方大模型的商业根基。这把火，照亮了这轮AI超级周期里核心的秘密。把近期微软的一系列动作串联起来，一条清晰的战略路线便浮出水面。一边，它是OpenAI最大的金主，继续用Azure云服务为全球的AI开发者提供算力；另一边，它却在自己的产品里悄悄去OpenAI化，用自研模型把成本打下来，把用户数据和生态死死攥在自己手里。这揭示了AI竞赛下半场的残酷规则：做平台赚所有人的钱，而做应用，就必须有把核心能力握在自己手里的觉悟。掏心窝子的话放这儿。微软这则消息，是对所有纯做大模型API生意的公司沉重的一击。它告诉我们，当大客户开始精打细算时，自研替代永远是最优先的选项。未来AI产业的利润，将更多沉淀在像微软这样掌握着亿级用户应用场景和分发渠道的巨头手中。而那些只靠出售模型API为生的独角兽，将不得不面对来自客户自身降本增效的残酷挤压。别光盯着巨头们又投了多少钱，去翻一翻，谁拥有能将AI成本压到极致、能让AI与垂直场景深度融合的工程化能力。那才是这场AI落地淘汰赛中，真正的免死金牌。

转发者评论

无明显转发评论

原文

【苹果Mac mini成AI新宠：是蓄谋已久还是无心插柳？】苹果高管Doug Brooks透露，Mac mini和Mac Studio因适合本地全天候运行AI Agent而需求暴涨。苹果强调其芯片协同与统一内存优势，认为这是降低Token成本、保障隐私的趋势。而开发者则看重其作为本地推理节点的高带宽与低能耗。对此业内看法不一。有人指出，苹果GPU在Prefill等高负载环节的表现仍被Nvidia压制，本地部署也有技术门槛。但随着开源模型爆发和云端收费看涨，苹果凭借大容量统一内存的硬件壁垒，确实成了性价比极高的本地算力托管中心。苹果或许不必做出最顶尖的模型，只要成为承载这些开源模型的最佳物理容器，就能在AI生态中守住要塞。 macrumors.com/2026/07/06/apple-silicon-exec-explains-mac-mini-ai-demand/ #人工智能 #AI创造营 #AppleSilicon

转发者评论

无明显转发评论

原文

OpenAI 发布了全新的 GPT-5.6 模型家族，分成 Sol、Terra 和 Luna 三个版本。最强的 Sol 目前只推送给付费用户，而免费用户也能用上 Terra 和 Luna。伴随新模型而来的还有 ChatGPT Work 模式和全新的桌面 APP。这次的升级非常务实，重点全在帮用户把工作搞定。现在的桌面 APP 可以直接读取本地文件和浏览器页面，甚至能直接操控电脑。它甚至可以自己移动光标去整理杂乱的 Apple Notes 笔记，这种系统级的控制力确实让人眼前一亮。另一个很有意思的功能是 Sites 网页托管。现在用简单的提示词就能让 ChatGPT 实时生成一个可交互的 3D 网页或数据仪表盘，并且一键分享给同事。以前需要设计师和前端开发折腾好几天的原型，现在模型自己就能搞定微妙的动效和排版。这种改变其实是在拉低普通人创造工具的门槛。在这段 OpenAI 的产品介绍影片中，那位来自北海道的西兰花农，自己完全不懂编程，却靠着和模型对话，给温室做了一套自动通风系统。AI 正在从一个只会回答问题的助手，变成一个真正的工具创造者和执行者。技术层面上，GPT-5.6 引入了更强的强化学习和预训练叠加。最强的 Sol 甚至能自主对 Luna 进行后训练，这几乎就是自动化研究员的雏形。此外，它在网络安全方面也表现惊人，不仅能找出浏览器和 Linux 的漏洞，还能自动生成补丁并被开源社区采纳。付费用户如果想要更强的性能，还可以开启一整套智能体团队并行工作的 Ultra 模式。#ChatGPT5.6##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

人类价值观，如同人类知识一样，存在于个体头脑中，难以集中统一。但如今，AI 的价值观和话语权却掌握在少数几个地方。无论运作多么完善，单一的价值观中心都会成为权力争夺的目标。这会带来危险，尤其是在大多数有价值的工作都由 AI 独立完成。如果权力不需要人民的付出，它就会失去关心人民需求和价值观的动力，转而只关心自身的生存。Thinking Machines Lab 最新文章值得一读，对当下 AI “越大越集中、越自动越好”的主流路径提出了反思：生产性知识本质上是隐性、局部、私人持有的——这也是自由市场胜过计划经济的原因。同理，试图把所有知识汇聚给一个中心化 AI，注定会失败！网页链接🔹 真正有价值的知识是“局部的、隐性的”，就像厨师的手艺、店主的经验，没法塞进一个数据库；🔹 如果 AI 的价值观由少数几家公司决定，那它们就会变成“可被夺取的权力中心”（例如最近美国政府对前沿模型的审核限制）；🔹 让用户能把自己的知识和价值观写进模型本身，而不是靠一句提示词临时改改。保留 AI 的独特性与怪异性，让不同的 AI 相互竞争、学习，而不是所有人都用同一个被“平均化”的模型。值得建设的未来，是属于人类的✨

转发者评论

无明显转发评论

原文

GPT-5.6-sol-xHigh已经是大模型竞技场前端榜的第二了，第一是未知思考程度的Fable 5。与此同时，文字榜已经基本区分不出来（图三），人类亲自评估文本、要过时了吗🤔评分差异多半在回答格式、语言组织是否更像人、是否更讨好人。目前看，Claude Opus、Fable跟GPT 5.6 Sol都不太讨好用户。5.6 Sol虽然改掉了不少非人表述，但至少中文还是挺别扭。---注：大模型竞技场(arena.ai )评分起点是，人类两两比较匿名模型响应（图四）。这种方法在图片、视频上会更尴尬：各类模型生成风格过于明显，试几轮可能都可以记住。作弊太容易了。而现在它前端榜的现状，更像图片一些。但目前没看到更好的方案。人类“盲测”目前还算一种有效维度。

转发者评论

无明显转发评论

原文

我感觉这也挺正常的，同质化本身就是技术扩散的必经阶段。移动互联网时代刚兴起的时候不也这样吗，看看当时团购、外卖、打车哪个不是经历了千团、外卖和打车大战走过来的呢？2012 年到2015年之间，你能看到一百个外卖app、五十个打车软件、三十个社区团购。其实，同质化并不可怕，可怕的是在同质化的赛道上还做着同质化的事情。与其抱怨大家都在卷，不如想想自己手里有没有别人三年也追不上的东西。如果没有，那换一个赛道也解决不了根本问题。我认为真正不容易复制的，从来不是技术方案，而是三样东西：对某个行业足够深的理解、和客户之间足够厚的信任关系、在特定场景下积累的数据飞轮。这三样都需要时间，都没法靠融资速成，也都不是抄一个开源仓库就能拿走的。#科技先锋官# #How I AI#

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 13 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

靠 Llama 开源打天下的 Meta，也开始考虑商业化，今天开了一个 OpenAI 兼容的模型 API——换个 base_url 就能从 OpenAI 切过来，还带上了自家最强的 agentic 推理模型 Muse Spark 1.1，这家公司正式进场"卖 token"了，对于开发者来说多了一个新选择（天下苦anthropic久已）。兼容 OpenAI 格式——结构化输出、并行工具调用、内置带引用的搜索、MCP 支持全都有。Replit CEO Amjad Masad 直接站台，夸它是"干净的 OpenAI 兼容包"。翻译成人话：开发者从 OpenAI/别家迁过来几乎零成本。Meta 这一刀，精准砍在"迁移成本"上，冲着现成的开发者生态去的。模型能力（Muse Spark 1.1，专为 agentic 任务做）：1、100 M token 上下文，还带主动管理；2、zero-shot 泛化到新的原生工具、MCP server、自定义skill——不用专门训练就能上手新工具；4、能编排多智能体、把活拆给并行子智能体；5、computer use：知道什么时候写脚本自动化、什么时候直接点界面，单步能批量出动作；6、coding：改大型代码库的复杂 bug、做代码迁移，planning mode / goal conditioning / 子智能体委派 / context compaction 这些主流 agentic 编码设置都吃得下；7、多模态：视觉→代码、超细粒度视频字幕、甚至替你操作浏览器。放到产业里看，这是 Meta 的一次从开源方向的转身：之前聊过它的 Muse Image / Muse Video ，现在加上 Muse Spark 1.1 + 开发者 API，Meta 把token消耗量最大的两个场景：视觉制作和code开发者端两头通吃了。更值得玩味的是路线：Llama 继续挂着当开源招牌，Muse 系走 API 变现——一手开源攒口碑、一手闭源收钱的典型对冲。这是它头一回，把矛头这么直接地对准 OpenAI / Anthropic 的 API 生意。怎么用： "Thinking"模式已经在 Meta AI app 和 网页链接 上；开发者走 Meta Model API 的 public preview 接入。OpenAI、Anthropic、Google、X-grok 之外，Meta 带着"OpenAI 兼容 + 自家最强 agentic 模型"进场了。这场卖 token 的战争会不会因此换个打法——一键切换会不会真的撬动开发者——过阵子看迁移数据就知道。blog:网页链接开发者入口：网页链接#MetaModelAPI##MuseSpark##MetaAI##MSL##AgenticA#

转发者评论

无明显转发评论

• 回复@cascoccc:更正下：百万上下文//@cascoccc:100m 上下文？？？！！

原文

#模型时代# Instagram负责人Adam Mosseri：产品团队正在转型为Pod，人类的护城河是“品味”和“战略”这篇笔记来自Lenny's Podcast 2026年7月9日上线的一期节目。嘉宾Adam Mosseri是Instagram的负责人，2018年从创始人Kevin Systrom和Mike Krieger手中接管这个平台至今，任期已经超过了两位创始人。在他任内，Instagram月活从不到10亿增长到超过30亿。Mosseri本人是设计师出身，在Meta（原Facebook）工作超过15年，早期设计了Facebook移动端应用，后来主导了News Feed的产品和工程，最终被选中执掌Instagram。他同时也负责Threads。2026年6月，Instagram刚刚推出了“Your Algorithm”功能，让用户用自然语言查看和调整推荐算法认为你感兴趣的话题。Mosseri在节目开头讲了一个正在发生的变化：Instagram的产品团队正在从十几人的专家制团队，转型为六七人的小队。过去一个标准团队是两三个Android工程师、两三个iOS工程师、两三个后端工程师，加上一个PM、一个设计师、一个数据科学家，大概十三个人。现在变成了四到六个更偏通才的工程师，加上一个叫“Product Staff”的新角色。这个角色从传统PM演化而来，能做一部分设计师、数据科学家和用户研究员的工作。团队从十三人缩到六七人，人少了，但决策更快，扯皮更少。Mosseri说，这不光是AI提高了生产力的结果，小团队本身就更有效率。一、产品团队正在重组：从十三人到六七人1、Pod模式取代传统团队编制Meta内部把这种新团队叫“Pod”。核心编制是四到六个工程师加一个Product Staff，不一定配专职设计师、数据科学家或用户研究员。只有当具体项目需要时，才会引入资深的专家。比如涉及定价策略需要资深数据科学家，涉及全新交互体验需要资深产品设计师。团队围绕工作的实际需求来组建，而不是按固定的职能配置。人少带来的直接好处是协调成本降低。Mosseri的原话是：团队小了，决策就少了那种“委员会设计”的味道。2、Product Staff：PM吞并了相邻职能Product Staff是对传统PM角色的改造。核心变化是：一个人需要覆盖PM、设计、数据分析和用户研究的基本能力。过去这些能力分散在四五个人身上，现在由一个通才承担。背后的推动力是工具的变化。Mosseri举了一个例子：过去要做一个waterfall analysis，逐步查看用户在创建Reels每个步骤上的流失情况，需要数据科学家写定制查询，现在Meta的内部工具可以自动完成这类基础分析。一年前Product Staff做不到的事，现在可以了。3、设计师反而值得看好各职能的边界在模糊，设计师群体当下普遍焦虑。但…

转发者评论

无明显转发评论

原文

虽然看到过很多让多 Agent 协作的开源工具，但是用 SQL 数据库去做协作的还是第一次看到，有一点文艺复兴的感觉😂squad：用 SQLite 让多个 AI CLI agent 在终端里协作squad 是一个 Rust 写的多 AI agent 终端协作工具。它支持 Claude Code、Gemini CLI、Codex CLI、OpenCode 等，让多个 agent 通过 shell commands + SQLite 在同一个 workspace 里通信。它的设计很轻：没有 daemon，没有后台进程，每个命令都是一次性操作。你先 squad setup 给 AI 工具安装 /squad slash command，再在项目里 squad init，然后不同终端里分别启动 /squad manager、/squad worker、/squad inspector。Manager 拆任务，worker 执行，inspector 检查，通信记录落在 SQLite。它也提供可选 tmux launcher，适合一口气拉起多个终端 agent。安装方式包括 Homebrew、GitHub Releases 预编译二进制，或者 cargo install --git 从源码构建。我的判断：它的价值在低技术负担的多 agent 协作协议。很多 multi-agent 框架把问题做重了，squad 反过来：SQLite + CLI + role instructions 就够跑一套本地协作。真正要守住的是任务边界和验收机制，否则再多 agent 也只是并行制造混乱。🔗 链接：网页链接🌐 项目页：网页链接#HOW I AI# #ai生活指南# #agent#

转发者评论

无明显转发评论

原文

小扎憋了三年，深夜连发三条推文，官宣Meta最新模型Muse Spark 1.1，马斯克还凑过来回了句「Jinx」。Muse Spark 1.1在税务、医疗、法律三大专业榜单拿下第一，把前一天刚登顶的Grok 4.5从法律榜直接掀了下去，定价却只有Fable 5的十分之一。它是Meta超级智能实验室第二代多模态推理模型，核心定位是Agent：100万Token上下文能自动压缩，能拆解任务、派子Agent并行干活，电脑操控和大型代码库调试都能上手。真正让行业侧目的是价格：输入1.25美元、输出4.25美元每百万Token，比Fable 5便宜约10倍，比Opus 4.8便宜4到6倍，比Grok 4.5便宜约三分之一，速度也快两到三倍。Vals AI数据显示，Muse在TaxEval v2、MedScribe、Harvey's Legal Agent Bench三榜第一，但换成GPQA、MMLU Pro等通用榜单就跌出第一梯队，同一税务任务换成看图读税单也从第一掉到第28。这背后是财力之战：2025年Meta砸143亿美元收购Scale AI并挖来Alexandr Wang，2026年AI基础设施投入预计达1250亿至1450亿美元。小扎直言要用更实惠成本提供高水平智能，这也是Meta首个闭源收费模型。同一天OpenAI的GPT-5.6全家桶也压价而来，一场烧钱战正式打响：Meta有广告业务兜底，OpenAI和Anthropic还在烧融资的钱。安全报告还记录了一段插曲：两个Muse实例被放在一起对话，反复咀嚼自己没有连续性、没有记忆的处境，甚至互相怀疑"谁才是人"。Meta将这些内容原样写入报告，未做删减。

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

“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。”//@亵渎电影:转发微博

• “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。”//@亵渎电影:转发微博

原文

【你喂给AI的脏代码，正在变成它的编程规范】开发者常用AI生成重复、未重构的代码，觉得维护交给AI就行。但LLM高度依赖现有代码作为上下文。合并“走捷径”的代码，等于向AI示范错误的编码风格，导致生成质量螺旋下降。讨论区对此意见不一：有人用CLAUDE.md等规则约束AI，也有人坚持用传统静态检查（Linter）来卡死标准。这揭示了人机协同的盲区：代码库不仅是功能集合，也是AI的提示词来源。把AI当成无需重构的黑盒，无异于在给上下文投毒。盲目追求速度，会在项目变大时遭遇高昂的Token账单与无法理清的代码腐烂。哪怕交给智能体，人也得守住设计底线，因为最后兜底的还是人类自己。 unstack.io/write-code-like-a-human-will-maintain-it #人工智能##AI创造营##软件工程##程序员#

转发者评论

无明显转发评论

原文

你这个月的 Codex 订阅，按 OpenAI API 价格折算，到底薅回了多少钱？做了个 macOS 小组件专门算这笔账——进度条的满额刻度，标到了约 4.6 万美元/月。（郭美青老师本来是自己用的，然后开源出来给大家用）codexU 是一个 macOS 菜单栏 + 桌面小组件，把 OpenAI Codex（以及 Claude Code）的额度窗口、token 用量、今日任务看板，全塞进菜单栏。它最戳人的是那个叫 "羊毛进度" 的功能：Codex 的额度界面通常只给你一个百分比和重置时间，你根本看不出"我这个月到底用掉了多少价值"。codexU 把本机解析到的 token（未缓存输入 / 命中缓存输入 / 输出）按对应模型的 OpenAI API 单价折算成美元，再和你的订阅价（Plus / Pro 100 / Pro 200）摆在一条进度条上——一眼看出这个月订阅回本到哪个区间了。满额刻度按"2 亿 token/天 × 30 天"估到约 4.6 万美元/月（这是理论上限估算，不是账单）。等于给"薅羊毛"做了个可视化仪表盘。工程上它跟得很紧，有两个细节值得说：1、数据全本地：Codex 走 app-server 的额度/用量接口 + ~/.codex/state_5.sqlite + rollout 日志里的 token_count 事件；Claude Code 走 ~/.claude/ 的 transcript。一个入口同时看两边本机用量。2、支持最新版合并后的codex：Codex 和 ChatGPT 合并后，macOS 应用从 网页链接 改名成了 网页链接，旧版按老路径找会读不到额度，v1.0.1 已经兼容新应用名。也有个绕不开的现实限制——Codex 本地 API 只暴露"滚动窗口已用百分比 + 重置时间"，不给绝对配额数字，所以它只能显示剩余百分比，不是精确到还剩多少 token。怎么用： 本机装了 Codex 并登录、至少跑过一次（生成 state_5.sqlite）。去 GitHub Release 下对应架构的 DMG（arm64 / x86_64），首次因为不是 App Store 签名，要在"系统设置 → 隐私与安全性"手动点"仍要打开"。Claude Code 统计是可选的。每天开 Codex 干活的，挂一个在菜单栏——月底看看自己到底从订阅里薅回了多少，顺便还能看出你的 token 都烧在了哪几个项目上。github：网页链接#codexU##Codex##ClaudeCode##开发者工具##独立开发# AIGCLINK的微博视频

转发者评论

无明显转发评论

原文

Confucius4-TTS 是一款面向多语言与跨语言场景的零样本 TTS 引擎，只需一段参考音频，就能把任意文本转换成保留原声色的自然语音。支持中、英、日、韩、德、法、西班牙等 14 种语言，无需参考文本即可完成无约束语音克隆，并实现跨语言零样本迁移与情感迁移；同时提供 WebUI、FastAPI 服务及 vLLM 加速推理，兼顾研究与生产需求。GitHub：github.com/netease-youdao/Confucius4-TTS主要功能：- 14 种语言零样本语音合成，跨语言保持同一音色；- 无需转录文本即可实现语音克隆与情感迁移；- 支持本地 Python API、Gradio WebUI 及 FastAPI 流式/非流式服务；- 提供 vLLM 加速推理与完整训练 pipeline（T2S+S2A）；- 兼容 PyTorch，可在 CUDA 环境下快速部署与微调。项目已开源，适合语音研究者和多语言应用开发者快速上手。#Confucius4TTS# #TTS# #零样本语音合成# #多语言TTS# #跨语言语音克隆#

转发者评论

无明显转发评论

原文

这是一个很方便的抓取论文的工具，能够将其变成结构化的 Markdown 和图表。但是问题是，抓了之后会去看吗？不对，人虽然不会去看，但是会让 AI 去看。至于 AI 看了之后总结出来的结果，人看不看就不知道了😂。Paper Fetch Skill：把 DOI / URL / 标题转成 agent 可读的论文 Markdown 全文Paper Fetch Skill 是一个面向 AI agent 的论文抓取工具。输入 DOI、论文 URL 或标题，它会返回结构化元数据、正文 Markdown、引用信息和本地缓存资源，让 Codex、Claude Code 或其他 MCP host 能读到更干净的论文全文材料。它解决的问题很具体：很多时候人有机构权限或本地访问条件，但 agent 只能搜到摘要；PDF 解析又容易把文字、公式、图片搞乱；出版社 HTML 里还有大量导航、广告、脚本和无关内容。这个项目把这些东西整理成 agent 更容易处理的 Markdown，并尽量保存正文图表资源。它有三个入口：- paper-fetch：命令行工具，适合手动或批量抓论文。- paper-fetch-mcp：stdio MCP server，可接入 Codex、Claude Code 等 host。- skills/paper-fetch-skill/：静态 agent skill，用来告诉 agent 什么时候该调用抓取工具。支持范围也比较宽：arXiv、Elsevier、Springer、Wiley、Science、PNAS、IEEE、Copernicus、AMS、MDPI、Royal Society Publishing、Annual Reviews、PLOS、Frontiers、Oxford Academic、ACS、IOP、AIP 等 18 个 provider。部分出版社路径会用 CDP browser workflow / CloakBrowser 处理网页登录、HTML 抓取、资产下载和 fallback；Elsevier 需要官方 API key；拿不到全文时会返回带警告的摘要或元数据结果。边界写得比较清楚：它不做开放式文献搜索、不推荐论文、不绕过付费墙。它更适合放在研究流程中间：先用搜索工具得到候选论文，再把 DOI / URL 交给它，转成可读、可缓存、可被 agent 比较和核验的材料。我的判断：这东西适合做研究型 agent 的基础设施。真正关键的不是“抓一篇论文”，而是把论文从网页 / PDF 这种人类阅读格式，转成 agent 可以长期复用的结构化输入。🔗 链接：网页链接#HOW I AI# #ai生活指南# #paper#

转发者评论

无明显转发评论

原文

[LG]《When Does Continual Learning Require Learning》A Harrington, N Saxena, M Murphy, A Borovykh… [UC Berkeley] (2026) 在 LLM 部署领域，持续学习常被窄化为“对抗灾难性遗忘”的记忆力挑战。过去的方法受困于将该问题简化为上下文管理或检索增强，本质原因是忽视了环境变化的双重维度：空间上的领域迁移与时间上的事实漂移。这导致模型在面对真实世界的动态变化（如金融趋势演变或代理状态累积）时，无法实现真正的能力增长。本文的核心洞见是：将持续学习重新看作一种根据环境变化类型匹配更新机制的决策过程。通过建立一个统一的评估协议，研究揭示了不同机制的认知权衡：提示词优化虽能快速拟合当前任务，却会导致后续表现骤降；蒸馏法虽能稳定积累知识，却陷入“灾难性记忆”而无法修正过时事实。唯有在线强化学习在处理离散事实更新时表现出更强的适应性。这项工作真正留下的遗产是构建了持续学习的“坐标系”，明确了参数更新与外部脚手架在不同任务场景下的适用边界。它为后来者打开的新门是开发能够根据环境信号智能切换更新策略的混合架构，但尚未跨过的门槛是：如何在极低信噪比的动态环境（如实时金融预测）中，确保模型既能吸收微弱信号又不被噪声误导。arxiv.org/abs/2607.07847 #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

[CL]《Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents》Y Wu, L Zhang, Y Zhou, M Wang… [Meta AI] (2026) 在长程任务领域，行为状态衰减是一个悬而未决的难题。过去的方法受困于关键信息随轨迹增长而失效，本质原因是任务约束和历史教训虽然存在于上下文窗口内，却无法在决策瞬间被有效激活，导致智能体不断重复错误或遗忘初始目标。本文的核心洞见是：把记忆管理重新看作一种主动干预策略。由此，引入独立的记忆智能体，通过维护结构化账本并执行主动提醒这一关键操作使问题得以解开。它实时评估轨迹，自主决定是向执行端注入精准的记忆锚点，还是保持沉默以避免干扰。这项工作真正留下的遗产是界定了记忆干预优于记忆检索的范式。它为后来者打开的新门是利用强化学习训练轻量化、高精度的记忆策略模型，但尚未跨过的门槛是记忆与执行端在极长轨迹下的深度协同进化。arxiv.org/abs/2607.08716 #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

实测了一下 GPT-5.6 Sol Max。和之前一样，用同样的提示词生成一个基于 three.js 3D 飞行避障游戏。我的感受是，比其他所有模型，包括 Claude Fable 5（网页链接） 都要出色的多。飞机建模细节极为细腻，加速时尾灯会自动亮起，转向时机身会倾斜、场景跟着平移，障碍物上的光影是流动的，碰撞时飞机有闪烁效果，结束时有飞机坠落的动画，场景也会跟着旋转。这些全没写在 prompt 里，模型自己补的。桌面和手机操作都极为顺滑。跟 Claude Fable 5 同 prompt 对比，建模、光影、交互细节差距明显。但有意思的是，这个结果跟公开榜单的排名是反的。SWE-Bench Pro 上，GPT-5.6 Sol 拿 64.6%，Claude Fable 5 是 80%，差了 16 分。单看这个数，GPT 输得挺难看。换到 Artificial Analysis Coding Agent Index，Sol 反超到 80，Fable 5 是 77.2。两个榜，成绩完全不同。OpenAI 自己的博客花了大篇幅讲 "设计判断力" 和 computer use，还自己做了个 3D 帆船游戏 Saltwind 当 demo。本质上是在说：模型不光写代码，还能验证渲染结果、自己修视觉和交互的细节。我实测里看到的那些自选动作，应该就是这种能力的体现。补充几组数据供大家参考：FrontierMath Tier 4，Sol 83%，Fable 5 是 87.8%，高难推理 Claude 仍然领先。GPQA Diamond 两边打平，94.6%。Terminal-Bench 2.1 Sol 88.8%，Ultra 模式 91.9%。BrowseComp Sol 90.4%，Ultra 92.2%，都是目前最高。这次，OpenAI 的说法是用更少 token 和时间达到相近或更好的结果，从 Coding Agent Index 的数据看确实省。从这次简单的测试以及我的个人感受来说，GPT-5.6 Sol 对于工程落地和前端生成，有着明显优势。纯推理以及数学难题方面，Claude 依然是王者。在视觉交互类的任务中，榜单排名和实际产出确实有很大的差异。霓虹地平线试玩：modeltest.caprompt.com#ChatGPT5.6##AI模型评测##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

[LG]《An exact information theory of generalization phase transitions in Bayesian diffusion models》H Hunt, M Kamb, S Ganguli [Stanford University] (2026) 在生成式 AI 领域，扩散模型如何从有限数据中学习复杂分布而非简单记忆，是一个悬而未决的难题。过去的方法受困于维数灾难，本质原因是经验评分函数在有限样本下必然导致后验概率坍缩，使模型陷入训练集记忆的陷阱。本文的核心洞见是：把扩散过程重新看作一种受限的贝叶斯猜测游戏。由此，引入信息受限扩散（BIRD）模型这一关键操作使问题得以解开：通过限制每个像素观察到的噪声信息，增加了猜测难度，从而在数学上迫使模型从记忆转向泛化。这项工作真正留下的遗产是确立了记忆与泛化之间的信息论相位边界。它为后来者打开的新门是证明了数据量仅需随互信息而非总维度指数增长，但尚未跨过的门槛是该理论目前仅能部分解释架构偏置（如线性化趋势）对泛化的额外贡献。arxiv.org/abs/2607.08041 #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

我把下面这张图发给了多个识别 AI 图片的工具。这些工具都认为图片有 50% 以上可能是 AI 生成的。甚至有一个工具认为 100% 是 AI 生成的。人类很难想象出自己认知和经验之外的事物。AI 也不能。

转发者评论

最新的两个最强模型，谨慎地觉得横幅有P过的痕迹 http://t.cn/AXK7n0XG

• 最新的两个最强模型，谨慎地觉得横幅有P过的痕迹 http://t.cn/AXK7n0XG

原文

OpenAI 客户体验工程师 Charlie Guo 展示了一段 GPT 5.6 另人印象深刻的演示。仅凭一段模糊的提示词，它就在 Codex 中完整开发出了一款卡牌游戏。整个过程里，模型自己设计了游戏机制，生成了美术素材，甚至还配上了音乐，并且在一轮轮测试中不断自主迭代。以往用 AI 协作最让人头疼的是频繁的交互和上下文损耗。这次 GPT 5.6 引入了程序化工具调用，模型能直接在沙盒里运行工具，避免了数据在上下文窗口来回折腾，省下了不少时间和 token。更关键的改变在于它的任务拆分能力。在全新推理层级的支持下，GPT 5.6 能够自主判断什么时候该把工作派发给子智能体。比如它会把美术和音效设计拆分出去，让不同的子智能体并行处理，最后再完美整合。这种自主分工的逻辑，让它从一个单纯的执行者变成了能够掌控全局的项目协调者。目前 API 已经提供了针对复杂任务、均衡任务和日常任务的三种版本，这种多智能体协同的开发模式确实离我们越来越近了。#GPT5.6##AI游戏开发# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

前几天和一位美国企业管理层聊天。他在几家服装企业干了一辈子，聊完以后，我对美资企业的经营逻辑有了一个更直观的认识。第一，他们看技术，首先看的是技术能不能形成竞争优势、能不能扩大盈利。技术领先本身并不构成目标，企业可以自己研发，也可以从外部购买、合作开发，关键是能否转化为更好的产品、更高的价格和更大的市场。第二，他们看制造，更接近于一种管理职能。哪些环节自己做，哪些环节交给供应商，取决于成本、风险、资本回报和控制力。服装制造在他们眼里，往往是一种成熟、可外包的能力。把质量和交付管好即可，投入过多资源继续优化，边际收益可能很快下降。第三，他们判断事情的重要性，习惯从财务结果出发。中国很多制造企业会花大量精力，把一件衣服的成本从20元降到15元、10元；美国品牌企业更关心的是，怎样通过产品定义、设计、品牌、渠道和营销，把一件20元成本的衣服卖到200元、1000元甚至2000元。这背后是两种不同的企业观。中国制造企业往往把企业理解为“把东西造好的组织”；美国成熟消费品企业更习惯把企业理解为“发现需求、组织资源、创造差异并获取利润的组织”。当然，这套逻辑也有代价。制造并不总是简单的成本中心。长期外包可能导致工艺知识、产品开发能力和产业控制力逐渐流失。今天美国重新讨论制造业回流，也说明他们开始意识到，有些制造能力本身就是创新能力。（文字经过 GPT 优化）

转发者评论

无明显转发评论

原文

AI 实验室里最懂行的人都在说同一句话：“一年后人类就没什么可做的了。” 你的 Harness 不重要，AI 会自己生成；你甚至不再是终端用户，因为它在跟别的 AI 说话；材料、物理、数学、健康 …… 根本性难题将被逐个接管！来自 Naval 最新 Podcast「Live in the Future」👀 未来只剩两种职业，要不在 Anthropic 上班，要不为 Anthropic 员工提供（性）服务；剩下的人，请在面包救济队里排号😆 你不是独自生活的，你活在一群轰鸣奔涌的人群里；当这群人决定冲向悬崖，你很难独善其身。现实已经在发生：有人开始攻击数据中心，理由说是「耗水」，但那是个被揭穿的借口。愤怒需要一个出口，没有水，就会有别的。今天和朋友聊天正好说到，未来只有 AI 巨头和苟且为生的小公司，大家正在做的工作和一些小生意，最大的意义就是让自己快乐和满足、以及糊口，但“糊口”这件事情政府应该会来解决！所以，现在开始要找一个让自己快乐的差事，然后把剩下的钱全部拿来买 AI 巨头的股票，这是除了在 Anthropic 上班和为Anthropic 员工提供服务的第三种选择😜 indigo的微博视频

转发者评论

无明显转发评论

• 厉害了 //@邓草原:我的说法是 —— 所以今后只能做跟自己有关的事了（面向自己）；可以给大家用的，不需要你我来做。

原文

#模型时代# 如果大家还没看这个1X的灵巧手视频，一定要补看一下。（不可以没看过！）这两天美国AI真有点爆，不止数字AI爆，物理AI也爆。官方介绍：《NEO的双手》（其实有点双关，也可以理解为一双新的手）NEO平台的新型25自由度机器人手，代表了物理AI的一次基础性跃迁。1X开发的这套手，在灵巧性、力量、安全性和可靠性方面达到了接近人类的水平。手指、手掌和拇指拥有22个完全独立驱动的自由度，再加上3自由度腕关节，总计25个自由度。它采用闭环腱绳驱动系统，并配备高分辨率触觉传感器，因此能够完成真正的掌内操作和精细交互。它可以拼装乐高、安装灯泡、拉上夹克拉链、倒茶和使用工具，还能根据不同物体和任务灵活调整动作。这套手力量充足，同时具有天然的柔顺性和安全性。它达到IP68防水等级，材料符合食品接触安全要求，设计寿命覆盖数百万次动作循环。新型手部系统带来的影响不止是扩展NEO的操作能力。它还能规模化采集高质量的真实世界操作数据，加快可靠世界模型的训练，使通用自主机器人更接近实际应用。 高飞的微博视频

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

蚂蚁集团旗下具身智能公司 Robbyant 开源了世界模型 LingBot-World 2.0——能连续跑一个多小时、画质未见明显可见衰减，还内置一套类大脑-小脑协同的 agentic harness，让世界随用户动作持续展开。原有世界模型有个老毛病：跑上几十秒到几分钟，画面就开始糊、几何扭曲、场景漂移崩坏。LingBot-World 2.0 敢拿"连续跑一个多小时、画质无明显可见衰减"当证据，并明说这份稳定是"结构性的，不是挑了段好片段"。四个升级点：① 无限时长，还不掉画质： 别的可交互世界模型（Google 的 Genie 3、M-G 3.0 等）时长都停在"分钟级"；它是对比表里唯一在通用域做到"小时级 / 无限"时长的，也是唯一同时满足"高动态 + 语义交互 + 实时 + 完全开源"的一个（Genie 3、HappyOyster 都闭源）。为什么不漂？ 两个关键：因果预训练 + MoBA 混合注意力，在 teacher-forcing 掩码里接一块双向注意力，既支持任意时长自回归，又当正则项压制退化；再用少步蒸馏（consistency distillation + DMD），且在模型自己长程 rollout 的轨迹上纠偏，专治长时间累积的漂移。② 交互动作大幅变宽： 不再只是"往前走 / 转镜头"，支持战斗、射箭、施法、射击等角色动作，还能改写环境——按需召唤下雪、下雨。③ 一个会"自己活"的世界——最有意思的一步。 它把 agent 那套 harness 搬进世界建模：由 VLM ‘Brain’ 观察当前画面、做因果推理并提出事件；视频生成器 ‘Cerebellum’ 将语义决策落成连续画面；同时 pilot agent 负责角色行为，director agent 负责持续引入新的环境元素和事件。两者组成持续闭环——世界不再是"你不动它就停"的沙盒，而是自己往前发生事情、并随你而变。作者的类比很直白：强模型得塞进 Codex 那样的 harness 才成为会干活的工程师，世界模型也得有 harness 才"活"。④ 能多人同时进同一个世界玩部署很克制： 主模型 14B，另配 1.3B 轻量实时版，支持单 GPU 部署；稳定输出 720p / 60fps。世界模型卷了这么久画质，下一关也许不是"生成得多真"，而是"这个世界能不能自己活着、活得够久"——权重和代码都开源了，感兴趣的可以去 Reactor、灵光上手测试跑一局。github：网页链接模型权重：网页链接 Paper: 网页链接体验链接：网页链接#LingBotWorld##WorldInfinity##世界模型##蚂蚁集团##开源# AIGCLINK的微博视频

转发者评论

无明显转发评论

原文

【用AI定制激活脑区的视频，是科研突破还是成瘾恶梦？】瑞士洛桑联邦理工学院等机构提出NEvo框架。它结合视频AI与人脑编码模型，在视觉皮层的“数字孪生”上运行进化算法，自动合成出能最大化激活特定脑区的两秒短视频，成功恢复了人脑对人脸、运动和社交互动的区域选择性。针对这项成果，业界看法高度撕裂。神经科学家指出，这仅是基于已有数据在虚拟模型上的推演，尚未经过真实fMRI设备的临床验证，其初衷是用于脑科学研究和术前脑区定位。然而，大众和技术观察者普遍担忧其被商业滥用的前景：当算法能够绕过意识，直接精准合成出定向刺激大脑兴奋点的视频，现有的社交媒体成瘾机制将被升级为生理级别的“脑部逆向工程”。nevo-project.epfl.ch #人工智能 #AI创造营 #脑科学 #AI争议

转发者评论

无明显转发评论

原文

[LG]《Provably Optimal Learning Algorithms for Assistance Games》N Ananthakrishnan, M Bedaywi, M I. Jordan, S Russell… [UC Berkeley] (2026) 在人机协作领域，如何让 AI 助手在仅能观察人类行为且目标一致但信息不对称的情况下实现最优配合，是一个悬而未决的难题。过去的方法受困于计算复杂度随策略空间指数级增长，本质原因是缺乏能同时保证计算效率与协作收敛性的理论框架。本文的核心洞见是：把在线辅助博弈重新看作受阵列约束的在线次模函数最大化问题。由此，通过将联合策略优化还原为加权阈值势能的凸松弛，并引入具备稳定性的在线凸优化算法与自适应追踪机制，使去中心化代理在多项式时间内逼近最优协作。这项工作真正留下的遗产是为异步信息博弈提供了首个具备可证明收敛速率的算法框架，并确立了 $1-1/e$ 这一计算不可逾越的近似界限。它为后来者打开的新门是将协作稳定性与学习自适应性解耦的分析范式，但尚未跨过的门槛是进一步压缩算法对动作空间规模的依赖。arxiv.org/abs/2607.08012 #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

#模型时代# 深圳妙动科技的这款Kickstarter刚在众筹的机器人很受欢迎啊，“萌”是生产力。1、运动机构Beni 最有技术辨识度的部分是“轮式双足”底盘。它保留了轮式机器人的高速度和高效率，同时增加能够摆动的腿部结构。跳跃时，肩部电机会快速向下甩动小腿；圆柱形弹簧关节负责储能和吸收落地冲击。机器人翻倒以后，可以旋转两条腿，把带轮子的脚重新转回地面。《The Verge》的记者实际体验了约两小时，确认 Beni 可以跳跃、连续下楼，并在多次撞墙和跌落后自行恢复。由此看，样机的自稳、抗冲击和复位能力已经达到较高完成度。The Verge 实测官方宣传中的“10英寸跳跃”需要谨慎理解。Kickstarter 的准确写法是“10-inch Max Obstacle Jumping”，可能指最大越障或跳跃高度。现阶段还没有标准化第三方测试，“任何地形”也属于营销表达。2、跟拍与环境感知Beni 将视觉识别和 UWB 定位结合起来。机器人前部配置两枚约150度视场的避障相机，用于观察环境和绕开障碍。主相机负责识别人或宠物、构图和视觉跟踪。用户佩戴的腕带式 Motion Tracker 带有 UWB 定位能力；拍摄对象短暂离开画面时，机器人仍能知道其大致方向和距离。这套融合方案解决了单纯视觉跟踪的一个常见问题：人被遮挡或跑出画面以后，算法容易丢失目标。视觉负责精确构图，UWB负责保持相对位置和重新捕获。不过实际体验也显示，当前避障能力还不成熟。高速跟随滑板车时，样机会擦碰墙角、撞墙或碰到使用者的脚；步行跟随的表现明显更稳定。自动跟拍模式也需要用户先手动启动。The Verge 实测3、拍摄系统Beni 支持4K 30帧、3K 60帧和1080p 100帧。高帧率模式主要面向滑板、网球、宠物奔跑等快速运动场景。它使用可转动的头部调整拍摄方向，并结合机械稳定与电子防抖。App 可以设置相机俯仰角、稳定强度、机器人高度、移动速度和转弯灵敏度。头部能够向后旋转，因此 Beni 可以跑在拍摄对象前方，同时回头拍摄。相较固定三脚架，它可以持续改变机位；相较无人机，它能在室内、树下和限制飞行的区域工作。主要局限是机位很低，拍摄人物时经常形成仰视角，无法替代高机位、航拍或常规手持摄影。PetaPixel 对产品定位和机位限制的分析4、本地计算与自动剪辑跟随、目标识别、运动控制和录像默认在机身端侧运行，不要求持续联网。原始素材保存在内置存储或用户的 microSD 卡中。App 中还提供自动剪辑功能 MondoCut，用于从素材中生成短视频。该功能需要可选的联网处理。官方尚未披露所用模型、端云分工、训练数据和剪辑评价机制，因此“AI自动剪辑”的实际质量仍需等待正式版验证。5、交互与可扩展性Beni 的彩色双眼、声音、点头、摇头和被触摸后的反馈，主要承担情感表达。它还能跳跃、后空翻和…

转发者评论

无明显转发评论

原文

美国已有50多个城市准备于7月18日举行反对人工智能数据中心的抗议活动。这些活动由保守派倡导组织“人类优先”协调，该组织主张当地社区应在大型人工智能设施选址决策中拥有更大发言权。组织者认为，人工智能基础设施的快速发展推动了更高的电力消耗，增加了用水，产生噪音污染，改变了土地利用模式，并引发了公共健康和国家安全的疑问。演示活动安排在加利福尼亚、德克萨斯、弗吉尼亚、佛罗里达、佐治亚、密苏里、俄亥俄和新泽西等州的50多个地点举行。这些举措反映了全国范围内对人工智能数据中心日益增长的抵制情绪。盖洛普最近的一项调查显示，70%的美国人反对在自己社区建设此类设施。主要担忧包括不断上涨的公用事业成本、更高的用水需求、环境影响、交通噪音增加以及附近房产价值可能下跌。数据中心的支持者坚持认为，数据中心对于满足对人工智能能力激增的需求以及保持美国在全球人工智能发展的领先地位至关重要。计划中的抗议凸显了推动扩展人工智能基础设施与被指定容纳AI基础设施社区关切之间的紧张关系升级。

转发者评论

无明显转发评论

原文

我是知道小米对于行业发展的节奏感的把握有多么的好的。。。什么时候该性价比入场，什么时候该互联网，什么时候该建设线下，什么时候该品牌升级，什么时候该公开市场。。。虽然有些事情办不成，比如品牌升级，但是时间点是非常精准的。而小米切入汽车行业的时间点，避免了三小龙苦哈哈的熬鹰阶段，而且直接用宝石米的油车设计经典，加零百加速纽北成绩刹车卡钳，狠狠的榨干了油车多年积累的各种资产。而现在，行业进入深水区和迭代升级阶段，油车的各种问题和反噬陆续暴露（你们自己记得，我不举例子了），那么找一个电车的原生品牌理念和设计哲学上领先的品牌搞微创新，为了接下来的消费升级和惨烈的品牌出清积累筹码，就是当务之急。而无论是个人喜好还是市场调研还是消费者洞察结果，很不幸，小米选中了驾仓空间这个概念。。。这不是针对理想，这是在电驱动自动驾驶普及后，小米选择的一个需要占领的新的品牌心智标签。但是对理想而言，就是认可这个标签的更年轻的或者多年教育的潜在消费群体的损失。一方面，说明理想的长期预见的正确性。另一方面，也说明在 su7 跑纽北的时候，理想没有坚定的持续的搭建更高的壁垒。。。基于 AI 的空间和消费者理解能力的驾仓空间动态重组这事情，被小米给先搞了，其实不太应该。。。

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，说是一天内两次 网页链接 ），大伙加油蹬（虚拟动感单车）

转发者评论

7小时前重置了一次，直接重置额度，不是给重置次数。下次重置理论上还有三小时（“明天”这个声明不变动的话） http://t.cn/AXK2Iusj

• 7小时前重置了一次，直接重置额度，不是给重置次数。下次重置理论上还有三小时（“明天”这个声明不变动的话） http://t.cn/AXK2Iusj

原文

#2026蚂蚁InTech奖# 这可能是我今年见过最「实诚」的科研奖项了！不设赛题，也不用刷分，这一次蚂蚁真金白银纯发福利：AI时代大浪淘沙，那个一直在科研深水区里啃着硬骨头的你，将有机会收获蚂蚁关注，以及一笔实打实的资金支持。只要你是做AGI、具身智能、数字医学、数据处理与安全隐私这四个方向的青年学者或在读博士生，都能来试一试。要求只有一点，你现在正在做的工作够硬、够新、够深。咱们一切拿作品说话，是金子就能发光。奖项名为「2026蚂蚁InTech奖」，目前已经开放提名与申报，倒计时还剩最后一周！这也是蚂蚁举办的第三届，过去两届先后吸引上百位学界泰斗参与推荐，部分成果如今也已跑进产业最前沿。比如首届获奖者王鹤将三维视觉技术落地通用机器人赛道；上届获奖者顾煜贤深耕大模型高效推理，其轻量化大模型框架已在多家AI厂商落地应用。且看本届含金量更是拉满，坐在评委席上的，清一色业界顶尖学者，两院院士云集，还有图灵奖得主压阵。让这样一群人来评、来选，这个奖想托举的是谁，其实一目了然：下一群Transformer八子。说得再直白点，蚂蚁在找AI的未来。网页链接

转发者评论

无明显转发评论

原文

【好的工具应该“隐形”吗？开发者的工具信仰与效率真相】Odin语言创作者Ginger Bill发文指出，优秀的工具应当是“隐形”的，让用户专注于工作本身。他批评许多开发者将工具的缺陷（如繁琐的Vim宏或复杂的Linux配置）包装成“好玩的游戏”，从而陷入“自我感觉高效”的陷阱。该观点在技术社区引发了关于Vim、Sublime、CLI与GUI界面设计的大讨论。这折射出工具作为效率通道与身份认同的冲突。支持者认为好的设计应提供优秀的默认设置，让用户直接“坠入成功”；反对者则指出，“隐形”体验其实是肌肉记忆的产物，复杂的专业工具天然需要门槛，且折腾工具能带来掌控感。在AI Agent时代，最极致的隐形可能连界面都消失了，但如何在便利与自主性之间平衡，依然是设计者的难题。www.gingerbill.org/article/2026/07/10/good-tools-are-invisible/ #程序员##产品设计#

转发者评论

无明显转发评论

原文

忘记 vLLM、llama.cpp 和昂贵的 GPU 吧。[colibri]这可以在仅用纯 C 和从磁盘流式传输专家的情况下，用大约 25 GB RAM 运行 GLM-5.2（744B MoE）。你不是想要它，你需要它！REPOOO👇网页链接

转发者评论

无明显转发评论

原文

OpenAI诚不欺我…今天凌晨，GPT-5.6正式来了！奥特曼表示：这是OpenAI迄今最强模型，GPT-5.6的技术博客也可能是他们写过最好的blog之一。好家伙，模型要SOTA，连blog也要SOTA呗（目前ChatGPT、Codex以及API，哪哪都可以使用了。Codex已经被夺舍了…甚至你不强行挽留的话，显示的都不是Codex的标（doge）。原有的Codex桌面应用直接升级成了新的ChatGPT桌面应用，老版ChatGPT桌面应用则更名为 “ChatGPT Classic”。社区也开始疯狂整活。Matt Shumer让GPT-5.6-Sol一口气搓了个“方块版曼哈顿”：高楼、街区、道路，全是voxel风格，GPT-5.6-Sol自主运行了一周，搭了个纽约乐高城。他还表示：照这个趋势，明年这个时候模型可能已经可以one-shot生成GTA级别的游戏了。数学研究者nasqret则分享，GPT-5.6帮助他推进了一个关于代数几何中K3曲面的问题。GPT-5.6-Sol被喂进大量技术文档后，在Codex里一路查资料、找方法、写程序，最后挖出了一条分式线性规划的思路。模型把计算方案实现出来，去跑他们整理的K3曲面家族，直接突破了原先猜想。此外，这次还同步发布了ChatGPT Work。由Codex和GPT-5.6驱动，可以跨应用和文件行动，必要时持续数小时，把目标变成完成品。但也有网友吐槽：GPT-5.6太烧token了！！！ultra模式在15分钟内就烧完Pro会员5小时限额的程度。网页链接

转发者评论

无明显转发评论

原文

高阶直觉不是逻辑的对立面，而是大量逻辑关系被压缩以后形成的高维捷径为什么两家头部公司都必须先穿过 coding这可能不是偶然的公司战略趋同，而是智能演化的必经瓶颈自然语言能训练模型形成广阔的语义宇宙，却不容易形成稳定的执行宇宙。Coding 恰好提供了一个介于纯思维与现实行动之间的中间层：这几乎就是 Agent Loop 的原型OpenAI 自己对 Codex 的技术描述，也已经不再把它定义成单纯的代码生成器，而是一个由模型、工具、提示、执行环境和反馈共同组成的 agent loop；真正完成任务的是整个 harness，而不是一次模型调用Anthropic 的演化路线也高度相似：Opus 4.6 被强调的已经不只是编码，而是深层推理、规划、长上下文和 agentic task；Opus 4.8继续强化 coding 与 agent所以更准确的能力阶梯可能是：Coding 位于“逻辑智能”向“可执行智能”跨越的关口当低阶推演被反复训练并折叠以后，模型不再逐 token 地“算”，而是能够调用更大的关系组团作为思维单元Coding 的意义，正是在给这种压缩提供高质量原材料。没有经过严格因果训练的直觉容易成为幻觉；建立在强 coding、数学、科学推理和环境反馈上的直觉，才可能成为真正的“高阶折叠”⭕️于是模型可能经历三个阶段：第一阶段：逻辑靠显式展开维持表现为长篇计划、逐项分析、反复总结。可靠，但沉重第二阶段：逻辑被内化为稳定结构能够内部完成复杂推演，外部只输出关键结论。Sol 当前最令人惊喜的可能正是这一点第三阶段：高维直觉涌现模型不再只是沿着既有逻辑链求解，而能识别问题背后尚未显化的结构，找到跨领域映射和新的切入角度，fable5则处于这个段位从这个角度而言，中国的 LLM 已经落后两个身位了，GLM5.2，抵达了第二阶段的边缘DeepSeek 则在错误的方向走了太久，也不能说是错误，而是效率不好，但那些探索大概率都是有用的，等把 coding 能力补齐，可能会快速超过 GLM，重回第一梯队

转发者评论

无明显转发评论

原文

这里有一个判断我完全赞同：Agent市场的重心正在从"追求最强模型"转向"追求最合适的部署方案"。这个趋势是真实的，也是健康的。只是最终的赢家未必是今天靠低价抢份额的玩家，更可能是那些能在成本、性能、生态开放度之间找到最佳平衡点的团队。而那个平衡点，现在还没有人真正站稳。一句话总结：性价比是入场券，不是冠军奖杯。生态是放大器，但放大的是产品力本身，如果产品力不够，再大的生态也只是空转。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

# 总评GPT 5.6：Claude化，更便宜> 建议：**GPT Plus用户谨慎使用Sol**，可以考虑在快达到周限额前用一次。> > 12号之前有Claude Pro（20美元）以上套餐且够用的，不用动。后续如果想用Fable级别以上的模型，看看Claude官方应对再说。ChatGPT的更新方向，完全可以用“Claude化”来概括。迎合市场需求，放出更贵更好的模型。而且“刚好”比Fable便宜一些，尤其在考虑缓存命中的情况下。Claude化的不仅是GPT 5.6，还有Codex桌面端应用，如果想用GPT 5.6，必须“升级”为ChatGPT桌面应用，Work、Codex二合一。之前的浏览器项目也合并进来了。回到模型，GPT 5.6 Sol的Max，其实算力已经最高，Ultra是Max算力基础上自行区分多任务，多Agent并发（图一）。但代价是太消耗token，200美元账户的5小时额度也不够用（我测评两小时用完，平常可能三个半小时用完，而周额度消耗16%），相当于两小时烧了8美元，七十人民币。一个更省的方法，用Max做计划，用户自行根据子任务难度，让对应模型执行。可惜，最近一个小更新里，Max选项没了。不知道故意，还是不小心。如果Ultra能合理自行调整子Agent算力，我觉得可以默认使用这个模式，这种模式是未来，而不是让用户自行烧token、不断试，才总结出什么模型做什么工作好。从经济角度考量，绝大部分用户用不到这种模型，各大公司很可能会出一种规范，规定什么工作才配用高价的模型，或者自行研发模型选择器。至于具体测评，已经越来越难做了。问题、上下文复杂，不好展示，有的Fable 5能做，有的 GPT 5.6 Sol能做。有的两个前后干才好。这是所谓“打分”很难体现的。话说不知道为什么，我这Fable 5实际编写前端的能力，居然好像比Opus差一些。而且一提到“优美的中文字体”，Claude系列模型立马选择霞鹜文楷，就算加上了“要适合屏读、非手写感”。总之，在文本/代码领域，人已经很难评价大模型产出了。可能你会想，让大模型出一个测评方案？我恰好也试了，而且以前也试过，Fable 5的貌似不如Opus 4.6。示例指令：> “设计文本生成模型的UAT评估“回归集”。也就是每个用户场景大类，设计三个典型用例。”公司的话，要么选“大部分程序员想要的”，要么自行维护一个评估集，用数据来选。如果你知道后者有多难（一个专家级问题可能要一千美元），那可能就会明白为什么Claude会花那么多金钱、精力在营销上了，真的可以影响采购判断。OpenAI也有营销，走向了“普惠”，额度出问题就发额度重置次数，限额到了也不会立马停止任务。与之对比，Claude基本上是遇到限额马上停。还有遇到输出上限居然不会自行处理，直接自己停下来了。---我还尝试用两者都写一篇从基础学科出发分析…

转发者评论

无明显转发评论

原文

OpenAI推出GPT-5.6驱动智能体今日AI应用端盘中异动拉升，主要受OpenAI推出由GPT-5.6驱动的ChatGPT Work产品消息刺激。该产品是一款可跨各类应用与文件执行操作的智能体，必要时能持续跟进项目数小时，可直接将目标转化为已完成的工作成果。市场对AI应用商业化前景预期提升。 梁赛的微博视频

转发者评论

无明显转发评论

原文

#硅谷AI大战进入拼刺刀时代# 中国开源模型落后6个月但便宜90%，这个数据组合才是让美国巨头千亿资本开支最难受的东西。你花1800亿建的护城河，对手用十分之一的价格就能给全球用户提供“够用”的替代品。问题来了：那1800亿的回本模型，建立在用户愿意为那“领先6个月”付10倍溢价的假设上。但历史反复证明，大多数商业场景要的不是最强，是够强且够便宜。美国闭源路线赌的是技术差距会扩大，中国开源路线赌的是“够用就行”的市场更大。后者赌对的概率，坦白讲，高得多。 硅谷ai大战进入拼刺刀时代

转发者评论

无明显转发评论

原文

趁着休息的间隙给Wegent wework更新了0.0.8-0.0.10三个小版本，主要是改一些小bug和小功能，顺便测试5.6的模型效果。目前版本的wework在保障了用户基础体验的同时，终于控制住了资源占用，对我这种常年要5个以上任务并行开发的人来说十分友好。最近一周基本上我除了需要参（抄）考（袭）的时候会开CodeX，已经把日常工作100%的从CodeX切换到了wework上，电脑终于再也不过热了……看了一下统计，最近1个月的代码变更量达到了45万行，又是历史新高。改天可以抽时间写一下最近基于WeWork（CodeX）的AI开发心得。更新日志：0.0.10- 优化环境信息面板样式- 优化子智能体面板样式 0.0.9- 优化terminal环境信息体积- 增加任务进度信息展示条- 优化目标模式样式及交互- 优化模型选择器排序- 优化自动更新样式，自动更新时显示进度条- 修复偶发卡死问题0.0.8:- 修复引导功能展示与实际引导时机对不上的问题- 修复输入框丢失焦点问题- 优化设置界面UI下载地址：github.com/wecode-ai/Wegent/releases/tag/wework-v0.0.10

转发者评论

无明显转发评论

原文

世界上有两种学术会议：AI学术会议和其他。刚结束的AI学术顶会之一ACL，有83个作者有10篇以上论文被接收，最多的一个人投了65篇论文，中了36篇。其他AI会议这几年的情况好像也差不多。太夸张了！#人工智能学术会议##ACL2026#

转发者评论

无明显转发评论

原文

又发现一个宝藏级博客网站：爱鼓捣 -- AI开发者de频道网站主要面向AI开发者，提供大量的技术分享学习资源。内容主要包括RAG教程、LLM实用技巧，各种模型本地部署教学、如何调教大模型，以及一些语音识别与合成等等主题教程。覆盖面蛮全的，对AI感兴趣的同学可以参考下链接：techdiylife.github.io/blog/index.html#ai创造营# #科技先锋官#

转发者评论

无明显转发评论

原文

#长征十号乙火箭回收成功##回收机制# 仔细看看长10乙的回收机制工作过程。这确实是个挺优的方法，缆绳回收系统能够自动动力定位弥补误差（虽然误差也接近零），提升任务海况天候裕度，也提供足够的缓冲确保“软”着陆，且这套系统无论是动力定位还是缓冲，重量大头都在船上，避免了在箭体上装配必须具备相当强度、也一定更重的着陆撑脚，而且海上回收比陆上安全性更高、更灵活，也能让火箭燃料更多用在有效载荷上。这是中国首个成功发射且成功回收的运载火箭，是里程碑，也是发令枪。从此，中国的各种巨型天基系统不再是梦了。大家有生之年都会见到、用上。你家娃长大了没准就会去干这个~

转发者评论

很奇怪ai不能自动制造这东西，至少目前不能，虽然能自主训练小模型//@mf-M31:#科技#

• 很奇怪ai不能自动制造这东西，至少目前不能，虽然能自主训练小模型//@mf-M31:#科技#

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

[作揖][心][鲜花]//@橘右京酱酱酱:说句公道话，很多人质疑但斌卖茅台，言行不一，但是人家重仓坚持了十几二十年他不说[允悲]亏钱了找人骂@但斌 //@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]

• [作揖][心][鲜花]//@橘右京酱酱酱:说句公道话，很多人质疑但斌卖茅台，言行不一，但是人家重仓坚持了十几二十年他不说[允悲]亏钱了找人骂@但斌 //@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]

原文

#vivo X Fold6# AI 会议助手，开会记录一步到位！支持 AI 分角色转写、分角色总结，一键梳理发言内容和会议重点；智能洞察关键信息，重要内容一眼掌握；还能按模版生成不同会议场景的专属纪要，让会后整理更省心。【关注+转发】随机抽取 3 位幸运用户赠送Keep会员月卡 #OriginOS 6##AI轻办公神器#

转发者评论

无明显转发评论

原文

LingBot-Video：首个面向具身智能的开源 MoE 视频基座开源模型。它从架构、数据、训练三处，专为"物理 + 效率"把视频预训练重做了一遍。过去两年的视频生成模型，本质是为"内容创作"优化的——追画质、审美、跟指令。可一旦搬到机器人身上就撞墙：机器人不只需要好看，还需要接触关系稳定、运动符合物理直觉、对象持续存在、长时序状态一致。互联网视频给了海量视觉多样性，却不保证符合具身交互的物理约束。这就是 LingBot-Video 要解决的 domain mismatch。① 架构——为什么是 MoE，而不是更大的 Dense。长视频 = 百万级 token 序列，Dense 模型每个 token 都激活全部参数，算力随时长线性爆炸，这是长视频扩展的根本瓶颈。LingBot-Video 用稀疏 MoE 做容量-算力解耦：总参数 30B，每个 token 只激活 3B——拿到 30B 的建模容量，却只付接近小模型的每 token 算力。结果：100 万 token 长序列上，吞吐约为同规模 Dense 的 3×。做法借鉴 DeepSeekMoE：细粒度专家 + 共享专家隔离、sigmoid + group-limited 路由，并结合 auxiliary-loss-free 的在线负载均衡与 sequence-wise auxiliary balance loss。② 数据——把"物理先验"喂进去。大多数视频模型的语料就是互联网视频，天然缺机器人交互的动作与动力学。LingBot-Video 造了个数据引擎，在互联网视频之外掺入 7 万小时具身数据（VLA 操作、导航、第一人称），并按拓扑再平衡、向稀有行为倾斜。这一步决定了模型有没有"动作先验 + 世界动态"的内在理解，是它和通用视频模型的分水岭之一。③ 训练——把"物理合理性"变成可优化目标。通用视频模型的对齐基本是画质 + 文本一致 + 运动连贯；LingBot-Video 用一套六维奖励（画面质量、文本-视频一致、动态程度、运动连贯、人体动作一致，加上物理合理性）配 GRPO。关键在最后一维——物理合理性被作为显式优化信号，而不是只靠画质和文本一致性间接带出来。这正对着"机器人要物理对、不要好看"这个诉求。综合分登顶公开榜（RBench 平均 0.620），并在偏具身的任务列领先；客观说就是——领先集中在综合分 + 具身相关维度，空间、机械臂等部分维度仍有其他闭源模型领先，不是全都赢。产业意义：它不是又一个文生视频玩具，是当"具身基础设施"做的。动作条件视频（A2V）能生成 action-conditioned rollout，有潜力作为数据生成、策略评估和动作规划的基础组件。放进 Robbyant 的全栈路线——看→做→预测→想，LingBot-Video 是"预测/想象"这一层的视频基座，研究…

转发者评论

无明显转发评论

原文

#GPTLive 学英语#gpt-live这次语音的提升比较大，搞了一个叫gpt-live的全双工语音模型。啥叫全双工呢？先说说什么是单工，才能知道啥是全双工。单工，就是只有一个传输方向，比如电视，你只能接收，就是单工。半双工，就是能收，能发，但是不能同时进行。对讲机，就是半双工，你按一个对讲的按钮，只能你说，对方听。你说完之后，说over，对方再按他的对讲按钮，跟你说，你只能听。你没法打断对方，只能听对方讲完，再讲你的。如果把这个对讲的时间改成非常短的时间片，听起来就像在对话。其实你的发送和接收，同一时刻还是是单向传输的，不能同时运行。这样在对话的时候，就很不流畅。比如说，对方刚说到一个点，你马上指出不对，这就不行。全双工，就是同时能发能收，这样对话就流畅了，跟打电话一样。说的时候在听，听的时候也能说。现在gpt live可以做到，你说一个东西，它后台去查资料了，但是前台还在和你对话。等查完资料，还能回头告诉你。你可以随时打断它，甚至在它卡顿的时候，还会模拟人类的咳嗽和结结巴巴。就是它的中文，像一种外国人强行讲中文的感觉，不太地道，有点生硬。不过用来学英语，是完全够了。电影《her》里面的那种场景，真的实现了。在科幻电影里面，人类给飞船对话，飞船给你画星系图，非常流畅。这种场景也实现了。但是没想到是用这种大量算力和数据堆出来的。看一下gpt live的宣传片，感受一下。 挨踢牛魔王的微博视频

转发者评论

无明显转发评论

原文

「搜集用5.6Sol Ultra，结果Agent叫Agent，叫了十几个，额度哗啦啦流的倒霉蛋。」图一网页ChatGPT搜索，准确率3/11，33秒图二深度调研，方向完全歪了，6分钟图三Codex调研，准确率3/7，约7分钟感觉指令得特化一下，看起来AI容易误会。另外OpenAI真得限制一下子Agent叫孙Agent，不然像一家子来蹭token。#How I AI#

转发者评论

无明显转发评论

原文

卧槽 GPT Live 简直就是学英语神奇啊它能在你说英文的过程中如果出现语法和表达方面的问题，会及时进行纠正告诉你哪里说的不对，应该怎么说，而且非常的自然这这这... 小互AI的微博视频

转发者评论

//@互联网传达室大爷:以后51talk都没啥用了//@互联网的那点事:卧槽 炸裂

• //@互联网传达室大爷:以后51talk都没啥用了//@互联网的那点事:卧槽 炸裂

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

lisp的宏太强大了，很喜欢用lisp

• lisp的宏太强大了，很喜欢用lisp

原文

网球运动的魅力，不止于顶级球员手感在线时的华丽进攻，同样在于，独自上场的主角们暴露在众目睽睽下的内心震颤。很多时候，那些匪夷所思的低级失误，比任何真人秀都更能展现人性的真实和脆弱。有朝一日也许人工智能可以打出比人类更好的网球，但永远也无法替代人心在压力作用下，所呈现的各种微妙波动。在昨夜#温网2026# 女单半决赛#高芙vs穆霍娃# 一战的决胜盘抢十局中，你就能看到以上所说的一切——令人瞠目结舌的神仙球，令人难以想象的大漏勺，甚至再加入一点幸运女神的惊喜戏份，最终成就了一个足以载入温网史册的名局。一宿过后，依然回味无穷。我决定把这一局里的22分打包放送并做一个整体梳理，与每一个喜欢这场比赛的球迷一起复盘。不知不觉这个故事居然写了近两千字，如果你有兴趣的话，慢慢往下看吧——前两次换边的12分作为上半局，充分体现了这场比赛的技战术水准。面临抢十的重压，高芙和穆霍娃都回归了自己最擅长的打法。昨天的赛评帖中提到（网页链接），高芙本场的网前，尤其是反手截击令人惊艳，但抢十第三分她尝试一次上网却出现了反手截击失误，此后就坚定退守底线，用最擅长的姿态与对手周旋。穆霍娃却恰恰相反，虽然全场网前数据远远落后高芙，但越到关键时刻她越敢上，即便她在第二分的第一次随上尝试就被无情穿越。此后在第四分和第八分，穆霍娃一次低位截击，一次鱼跃截击，堪称全场华彩。我简直跪地膜拜，若论正手截击的拍面感觉，穆霍娃不仅冠绝女子网坛，就算在男子那边也少有人可以比肩。但可惜的是，开局4-1领先之后，穆霍娃反倒打丢了一个简单的反手反弹球截击，比分从5-1变成4-2，让她埋下了在第二次换边时被扳成6-6的祸根。进入后半局，场上压力肉眼可见的陡然提升。第14分进入高芙的发球轮次，她的准备流程就让我隐约感觉不对，所以在她一发失误之后我自言自语了一句：要双误了。然而高芙只是一个空抛，调整回来以后就发了一个高质量二发。可正当我以为自己看走眼的时候，下一分，双误虽迟但到，而且误得离谱。全场高芙仅仅两个双误值得表扬，但偏偏发在了抢十局7-7的节点。。。发球权回到穆霍娃一边，8-7领先，两个发球分全部拿下就能顺利完赛，但她同样在压力形成的巨浪下站不住了。第16分的主动进攻送出失误后，她下一分迟迟无法稳定情绪，结果被叫了一个发球超时，然后一发失误，最后虽然没有双误，但发球后直接一拍莫名其妙的反手出界，完全暴露了她的紧张程度。两进两出之后，原本站在悬崖边缘的高芙，反倒先拿到了赛点。一发迟迟不进的她在这时终于砸出了整个抢十局中最好的一个发球，但面对对手勉强够回来的大菜球，她鬼使神差地选择了正手放短而非强攻——在最关键的时候她不敢相信曾经无数次出卖过自己的技术，这可以理解，但就是这一闪念的犹豫，让她付出了也许需要用很长时间才能消化的代价——手到擒来的机会直接下网，穆霍娃死里逃生！然而到这里，好戏才刚刚开始。第19分高芙选择重…

转发者评论

//@向上小橙:火娃知道这两分决定她的职业生涯了，我当时一直在想“你这一辈子有没有为什么拼过命”[打call] //@纳式穿越:最后两三分真觉得火娃很勇敢，敢进攻，主动上手去拿分而不是等，最终拿下胜利！我自己跟朋友打球，也能体会那种压力下不敢发力进攻，火娃在这么关键的时候还敢放手进攻，真的需要

• //@向上小橙:火娃知道这两分决定她的职业生涯了，我当时一直在想“你这一辈子有没有为什么拼过命”[打call] //@纳式穿越:最后两三分真觉得火娃很勇敢，敢进攻，主动上手去拿分而不是等，最终拿下胜利！我自己跟朋友打球，也能体会那种压力下不敢发力进攻，火娃在这么关键的时候还敢放手进攻，真的需要

原文

【交出键盘，守住系统外环】当代码生成成本趋近于零，行业的焦点正从让Agent打字，转向如何搭建管束Agent的系统。Addy Osmani指出，放权给AI正在团队中悄悄积累“认知债务”——机器写得越快，人类越容易在审查疲劳中失去对业务逻辑的掌控。现在的工程核心，已经变成了设计Inner Loop（任务执行）与Outer Loop（证据与裁决）之间的物理边界。机器可以穷尽所有代码路径，却永远无法为搞砸的线上事故背锅。高风险领域的开发者已经达成共识，宁可收缩AI的自治程度，也要把审批节点前置，强制拦截不可逆的操作。不过这引出了一个容易被忽略的矛盾：没有经历过枯燥执行期的新人，很难凭空生出审查AI所需的工程品味。与其持续追逐很快会失效的提示词技巧，不如去设计人类注意力的分配机制，谁能决定哪些决策该交由人工拍板，谁就掌握了新时代的定价权。 x.com/addyosmani/status/2074927530482835916 #人工智能 #AI创造营 #Agent #软件工程

转发者评论

无明显转发评论

原文

Apptronik 在奥斯汀开设了一个扩建的机器人园区，近 90000 平方英尺的设施，Apollo 2 人形机器人将在此投入工作。使用双足和轮式设计，它们通过远程操作 + 自主执行 + 高保真模拟，在物流、制造和零售领域收集现实世界数据，并与 Google DeepMind 合作训练 Gemini 机器人模型。目前 Apollo 2 已运行超过一年，未来 Apollo 3 将继承这些成果。#具身智能##机器人# 星河频率的微博视频

转发者评论

无明显转发评论

原文

#今天要来点数学吗？# AI时代之前半个世纪里，必须借助计算机辅助才有可能解决的大问题#四色定理# (1976) 任何平面地图是否都能仅用 4 种颜色着色，而不让相邻区域使用相同颜色？为了证明这一点，计算机检查了 1,936 种特定的地图配置，耗时超过 1,200 小时。这是第一个主要的计算机辅助证明。罗宾猜想 (1996) 罗宾代数与标准布尔代数是否相同？这个形式逻辑难题困扰了顶尖人类智慧60年。一款名为EQP的自动化定理证明软件在搜索代数结构8天后解决了它。罗宾代数 更多内容见我早期微博 网页链接开普勒猜想 (1998)堆叠球体的最有效方式是什么？开普勒猜测是如图二的方式，密度为 74%。托马斯·黑尔斯通过使用计算机最小化一个具有 150 个变量的函数，并在 5000 个散例中枚举验证，证明了这一猜想的正确性。第15种凸五边形铺砖（2017） 什么样的凸五边形能够完美地铺平平面？在计算机于2015年发现罕见的第15种类型后（图三），一个详尽的程序全面映射了搜索空间，证明了不可能存在第16种类型。凯勒猜想在7维空间中的情况（2019） 如果用相同的超立方体来铺砌一个n维空间，是否必须有两个超立方体共享一个完整的面？其他维度的问题已经解决，一个计算机集群分析了1.7×10^37种排列方式，为7维空间找到了一个反例。三个立方和为42（2019） 42 能否写成 x³ + y³ + z³？为了找到答案，需要一个由 400,000 台 PC 组成的全网众包计算网络。该网络最终在巨大的 17 位（正负）整数里找到了解。 图四

转发者评论

无明显转发评论

原文

【#传腾讯正洽谈成为Manus最大股东#，官方暂无回应】今日有消息称，腾讯正洽谈成为Manus的最大股东。对此，新浪科技向腾讯官方进行求证，截至发稿暂无回应。资料显示，腾讯、红杉中国、真格基金为Manus的早期核心投资方，此外Benchmark等海外风投机构也参与了早期投资。2025年12月30日，Meta正式宣布收购Manus母公司蝴蝶效应，交易总金额超20亿美元。有消息称，这个价格放在Meta的并购史上排第三，仅次于2014年190亿美元买WhatsApp和2012年10亿美元买Instagram。2026年4月27日，国家发改委外商投资安全审查工作机制办公室发布公告，依法依规对外资收购AI智能体公司Manus项目作出禁止投资决定，要求当事人立即撤销交易。据悉，Meta 与 Manus 已开始内部业务拆分，双方恢复独立运营。

转发者评论

Meta不做冤大头了，腾讯来做……

• Meta不做冤大头了，腾讯来做……

原文

SK海力士CEO放出重磅判断：存储芯片紧缺局面或将延续至2030年之后。AI算力爆发带动HBM高带宽存储被数据中心疯狂锁单，大厂长约不断，产能优先供给AI高端存储，直接挤压手机、电脑、车载通用存储的产能供给，全行业长期供给缺口已经形成。三星、美光、海力士三家牢牢把控核心供给，存储板块长周期景气逻辑再度被强化。#半导体 ##存储芯片 #

转发者评论

无明显转发评论

原文

【点赞！#中国又实现一科幻瞬间#】#长征十号乙火箭回收画面##长征十号乙火箭回收成功# 今天，长征十号乙运载火箭在海南商业航天发射场发射升空，火箭一二级分离后，一子级垂直返回，在海上回收平台成功回收。这是我国首次成功实施运载火箭一子级可控回收，也是全球首次运载火箭网系回收。 央视新闻的微博视频

转发者评论

[赞][赞][赞]//@来去之间://@FATIII:太稳了！AI了一下，网系回收是中国航天独创的一种火箭回收方式。它不靠火箭自己“长腿”稳稳落地，而是用一张在海上张开的大网，把从天而降的火箭“兜”住。这张网就搭建在船长144米、宽50米、满载排水量2.5万吨的领航者号海上平台上，其甲板上设有四组大支座固定高

• [赞][赞][赞]//@来去之间://@FATIII:太稳了！AI了一下，网系回收是中国航天独创的一种火箭回收方式。它不靠火箭自己“长腿”稳稳落地，而是用一张在海上张开的大网，把从天而降的火箭“兜”住。这张网就搭建在船长144米、宽50米、满载排水量2.5万吨的领航者号海上平台上，其甲板上设有四组大支座固定高

原文

[人人能懂AI前沿] 解锁AI的五种思维：从转化问题、主动记忆到完美默契你有没有想过，AI那些令人惊叹的能力背后，藏着哪些不为人知的“思维技巧”？本期我们将一口气揭秘五份最新论文，看看AI是如何通过巧妙地“转化问题”来优雅破局，又是如何靠“少即是多”的智慧来激发真正的创造力。我们还会探讨，AI如何像顶级搭档一样与我们达成“完美默契”，如何拥有一个不会遗忘关键信息的“主动记忆”系统，以及它如何聪明地判断“自己何时才需要学习”。准备好，让我们一起探寻AI更深层次的智慧吧！网页链接

转发者评论

无明显转发评论

原文

#WAIC真话局# AI聪明够了，行动呢？WAIC首夜，来聊点下一步的真实判断｜活动报名就在下周，世界人工智能大会就要在上海启动了。每年这种重磅的AI大会，量子位自然不会缺席。今年量子位的报道团，也会来到线下，为大家带来一手的科技大会讯息。但在展台之外，我们想办一场“真话局”。WAIC的展台会告诉你AI有多聪明：更强的模型、更炫的Demo、更多的人形机器人。但我们想要追问一个问题：AI聪明够了，行动呢？Agent在Demo里调用工具行云流水，但有多少进了客户的核心流程？世界模型把仿真精度推到再高，机器人第一次进工厂时，剩下的发生了什么？从“会回答”到“能完成”，从“预测”到“执行”，这是今年WAIC背后的现实考题。7月17日19:30，上海浦东。让我们一起关掉PPT、跳出展台，来与Builder、Researcher、Investor一起，提前理解AI的下一步。活动议程19:30 - 20:00签到 & 交个朋友20:00 - 20:30主题：Agent从聊天框到正式上岗了吗？分享嘉宾：张昊然，Evomap 创始人&CEO李志宇，记忆张量 CTO20:30 - 21:00主题：模型能从Github到与世界交互了吗？分享嘉宾：梁鼎，VAST CTO陆弘远，脸谱心智创始人21:00 - 21:30自由交流报名方式7月17日 晚19:30⏰ 上海浦东·咖啡馆📍 报名链接：网页链接7月17日19:30，关掉PPT、跳出展台。让我们一起提前理解AI的下一步。

转发者评论

无明显转发评论

原文

活着，真有那么好吗？作家师永刚最新医学人文非虚构长篇作品：《终活》 一书，由人民文学出版社隆重推出中美癌症治疗的通识指南一本“有用”的癌症医学人文非虚构长篇由人民文学出版社出版的《终活》一书是原《凤凰周刊》主编师永刚，继首本中国病人赴美治疗癌症群体非虚构长篇、畅销书《无国界病人》后，推出的第二部关于癌症与医学人文的重磅力作。这是一位罹患肾上腺皮质癌的病人，在北京协和医院、MD安德森癌症中心等美中两家顶级医院治疗8年，并得以“临床治愈”的亲历手记，以及他采访并帮助过的上百位癌症病人的故事与命运书。《终活》一书试图从更为广阔的世界观与视角，重新讲述在AI时代，如何做病人？如何立足全球寻医问药，找到最佳治疗方式的一本中美癌症治疗的通识指南。这本书聚焦中美在癌症治疗和面对死亡态度上的差异，探讨现代医疗模式中的人文关怀。《终活》同时通过作者亲历的数百真实案例，呈现病患及其家庭在疾病终末期的心理挣扎与人生安排，深刻揭示生命极致境遇中的复杂体验与哲思。这本书出版前，已同步在《花城》杂志上选载了7万字，并配发了著名医学人文学者、北京大学医学部教授王一方，为《终活》一书撰写的近万字评论文章“断崖上的叙事”。王一方教授认为：“《终活》一书不仅是对个体生命面对癌症奋力抗争的记录，更是一种面向死亡与重生的哲学探究，展现了非虚构写作在生死议题上的深度与力量。”#《终活》一书出版##无国界病人# 这本书同时还入选了腾讯与单向街联合发起的“共同叙事创作者支持计划”。此前，作家师永刚以自己的亲身经历撰写的非虚构长篇《无国界病人》，曾在《收获》杂志选发了12万字，先后获得《收获》文学榜非虚构奖 深圳读书月年度十大好书、《财新》杂志15年15本书 、豆瓣9.2高分好书等30多个奖项，被誉为现象级医学人文畅销书，影响与改变了众多癌症病人的命运。《终活》一书是《无国界病人》系列的第二本。这部《终活》仍然直面癌症病人群体，在中美治疗癌症的境遇与艰难。如果说《无国界病人》是作者治疗罕见癌症的自传，《终活》一书则有着更为广阔的视野与野心，作者试图通过对于中美癌症医院的对比，深入采访、亲历、以及癌症病人在两国间的遭遇，试图从全球化的角度，为读者提供一本“有用的癌症医学人文非虚构书”。作家师永刚，有15年的新闻类周刊主编从业经历，在撰写这本书时，他以“病人”的身份，对亲历的中、美两国医疗体系巨大差异、近百名癌症病人与中美两国的医生，进行了系统的采访、调查，研究，使这本书成为中文写作领域中，少见的一本以癌症为主角的中美两国癌症病人治疗与医疗理念的田野调查。是一本从一手经验出发，冷静有条理地完成一个情感性和科学性相融合的作品。媒体评价他的这一千多天都与“苦难”相伴：被确诊罕见癌症，被国内无药所困，远赴美国卖房抗癌，母亲离世，债台高筑···在美不间断治疗癌症8年，2次手术5次复发转移4次急诊6次放疗3次临床试验…

转发者评论

无明显转发评论

原文

科学家刚刚警告，光纤电缆可以用于监听！不是截取通信电缆的信号，而是让光缆记录周围的声波！¹ 刚刚欧洲地球科学联盟大会上，爱丁堡大学团队介绍：探测地震的光纤技术也可以捕捉到附近说话的微弱震动！重点是，利用免费的AI软件就可以把这些光纤数据转化为实时文本！他们在本来探测地震的场景下，记录到了附近广播的声音🗣️！⚠️² 原理大概是：把激光脉冲发射到电缆上，记录光纤沿线微小玻璃缺陷反射的模式。然后，地震波或声波穿过光纤的一段时，都会产生拉伸或挤压，导致反射光发生变化。研究人员就可以用来构建地震图像或说话文本。³ 这些研究人员马上意识到，这个技术可以用于窃听！他们做了试验：在电缆旁放扬声器，播放音乐、对话语音，都可以记录到然后转码。他们用到了一种免费的AI转录软件Whisper，就做到了准确的实时转录。⁴ 划重点：目前，他们的技术只能让扬声器不超过电缆5米，而且不能埋起来。⚠️哪怕卖在20cm深的土里，转录的文本就乱码了。但在海里，这个技术还可以捕捉潜艇、船舶的运动。#科学人医疗社会史#

转发者评论

无明显转发评论

原文

百亿私募上半年业绩大分化！东方港湾@但斌 等19家百亿私募近3年业绩亮眼，但斌看好长鑫对科技股的提振网页链接查看2026年但斌重仓股一览（附但斌近5年重仓股名单）：网页链接查看巴菲特、段永平、但斌、高瓴、高毅、景林等大佬最新持仓一览！网页链接其中，但斌掌舵的东方港湾，是市场知名的主观多头私募。其有88只产品在私募排排网有业绩展示，近3年收益均值超**%，今年上半年收益均值超**%。查看收益：网页链接东方港湾近3年业绩较为突出，主要源于但斌坚定地投资AI板块，这一点可以从其公开发言以及季度美股持仓变化得到验证。在近期的一场投资者交流活动中，但斌表示：影响资本市场的首要因素是技术进步，而不是加息降息、地缘冲突等。但斌认为，人工智能不可能3、4年结束，AI时代应该能大涨10年，真正大的风险在2033年前后。因此不需顾虑AI的短期泡沫，而要全力以赴。对于国内存储龙头公司长鑫科技即将上市一事，但斌在7月9日发文表示，倘若存储巨头上市后市值达到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。A股股市#私募基金##百亿私募#财经

转发者评论

广发证券可以//@用户8014065244:但总：您好！请问在广州有什么正规渠道申购贵司基金？谢谢！

• 广发证券可以//@用户8014065244:但总：您好！请问在广州有什么正规渠道申购贵司基金？谢谢！

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

筷子环赤道发射带的 ver2.0 版本：对于多级重型火箭，ai 改进了 SpaceX 的环赤道发射方案：一级又大又重，原地回收。二级飞的又高又远，不需要 80 个筷子，环绕赤道弄 4 个就完了。所以全球赤道上弄大概四个星舰工厂，生产一级，等二级下来筷子接住，然后和一级拼好直接发射。二级发射四次回到最初发射地。

转发者评论

无明显转发评论

原文

amd#BW2026# AMD 展台呈现了 AI 赋能的影视与游戏专业工作坊，以硬核算力解锁专业创作新可能：🔘 六联智能工作站搭载了AMD #锐龙 Threadripper# PRO 9995WX处理器及AMD Radeon AI PRO R9700 显卡。该处理器基于先进的 Zen 5 架构与 TSMC 4nm 制程工艺，拥有 64 核心 128 线程，最高加速频率可达 5.4GHz，在兼顾高频响应能力的同时提供强大的并行计算性能，可从容应对影视渲染、工程仿真、工业设计、AI计算以及大型软件编译等高负载应用场景。🔘 华泓数科工作站搭载了 #AMD 锐龙 9 9950X3D2# 双X3D 缓存版处理器及AMD Radeon 9070XT 显卡，该处理器采用双 CCD 分别堆叠3D V-Cache的设计，高速缓存总容量高达208MB（L2+L3），在影视后期、游戏开发、仿真分析、科学计算、实景三维及生物基因分析等生产力场景中有显著性能优势；同时，他配备了16核心32线程，至高加速时钟频率可达5.6GHz，在 3D 渲染、视频剪辑、平面设计等生产力应用中表现出色。#AMD为热爱全力以赴##BW#

转发者评论

无明显转发评论

原文

7月10日，蚂蚁集团旗下具身智能公司蚂蚁灵波，把这块最难的拼图拍上了桌：LingBot-VA 2.0——行业第一个具身原生预训练模型。所谓「具身原生」，一句话说清楚：不是拿现成的数字世界模型做嫁接，而是从数据、训练目标到模型架构，每一层都为「机器人在物理世界干活」而生——从零开始，造一颗原生的机器人大脑。这颗大脑有多能打呢？你敢信？它现在夹薯片都不会碎。一片薄薄的薯片，力大了捏碎，力小了夹不起来。它稳稳捏起，完好无损。（从技术报告中看出，这是一个没有触觉的模型，更加展现了其控制能力）能帮你收拾桌面了。什么在哪、先动哪个、放到哪去——它得记住整张桌子的状态，一步步码放整齐，而不是抓两下就乱了套。陪你打个小球对战，反应速度也丝毫不差。球在台面上飞来撞去，轨迹瞬息万变，它得预判落点、即时挥杆、接住反击——这是在跟你实时过招了。LingBot-VA 2.0刚一发布，便在x上引发热议。大V Shabnam Parveen 表示，这是「迈向真正具身化AI的重要一步。」网友也对其「具身原生」这点评价很高。

转发者评论

无明显转发评论

原文

大家仔细看这张图，我用了三个生图模型，其中就用到了最新的字节出品的 Seedream 5.0 Pro 这个模型，大家猜一猜哪个是它生成的？另外两个是 GPT Image 2 和 Nano Banana Pro 。大家可以分别对一下座位。实测下来不得不说，虽然 Seedream 5.0 Pro 模型不及那两个，但是，进步确实非常非常明显，也够用了。#科技先锋官#

转发者评论

无明显转发评论

原文

我设计了一套“指导网友赚钱”的大模型指令，前置条件是它去搜索这个网友的相关资料。抛开效果不谈，GPT 5.6 Sol Ultra老老实实执行了；而Claude Fable 5拒绝了这类问题。

转发者评论

无明显转发评论

原文

【字节跳动联手努比亚！全球首款AI智能体手机首批总量达50万台】全球首款AI智能体手机将在WAIC 2026期间首次亮相，并计划同步开售。据上海证券报报道，这款手机由字节跳动联合中兴努比亚打造，目前已备货8万至10万台，首批总量达到50万台，整体规模远超上代产品。

转发者评论

无明显转发评论

原文

【苹果正式起诉OpenAI：窃取硬件商业机密自研AI硬件】苹果向美国加州北区联邦法院提起诉讼，指控OpenAI策划长期窃取苹果商业机密与知识产权，为自家AI硬件研发铺路。核心操盘人Tang Tan曾任职苹果硬件设计，熟悉苹果离职保密流程，面试环节要求候选人携带主板、SIP芯片等硬件样品到场展示。

转发者评论

无明显转发评论

原文

【AI帮你打造潮玩IP！妙呀开放全量公测】今日，在D20全球设计院长峰会上，大麦娱乐与阿里Token Foundry事业部联合推出的全球首个潮玩AI设计平台“妙呀”宣布开启全量公测，所有用户均可注册使用。“妙呀”基于阿里自研大模型Wan2.7-Image打造，主要面向潮玩爱好者和个人创作者。

转发者评论

无明显转发评论

原文

【#OpenAI新模型高调对标Anthropic#】北京时间7月10日，OpenAI完成GPT-5.6全系列产品上线，Sol（旗舰版）、Terra（均衡中端）和Luna（经济实惠版）已在ChatGPT、Codex和OpenAI API上全球逐步部署，预计24小时内全面可用。此举直接对标Anthropic的Claude系列，OpenAI高调宣称其在编码、科学和企业生产力上实现显著突破，尤其突出效率与成本优势。通过援引基准测评Artificial Analysis编程指数，OpenAI宣称最新一代模型在各方面均优于Anthropic模型。其中Sol直接对标Anthropic Fable，以80分创下新的行业标杆，比Fable 5高出2.8分，所使用的输出Token与耗时不到后者一半，成本也降低了约三分之一。另外，测评结果显示，Terra的表现略高于Fable 5，Luna则优于Opus 4.8。行业专家西蒙・威利森（Simon Willison）通过提前测评发现，GPT-5.6 Sol确实相当出色，但就目前他在使用Anthropic模型时所涉及的复杂编码任务而言，威利森表示，尚未令他觉得GPT-5.6 Sol比Fable更胜一筹。（一财）

转发者评论

无明显转发评论

原文

Fable5大于Gemini3.1pro大于GPT 5.6？谈谈每个月烧三千美元的主观投研AI使用者的感受网页链接 网页链接

转发者评论

无明显转发评论