微博 AI 观察博客

原文

刚刚出炉的电子书《深入理解 AI Agent：设计原理与工程实践》地址：github.com/bojieli/ai-agent-book作者李博杰（就是前两天说deepseek面试问题的那个），这个仓库里有电子书也有配套代码。全书围绕核心公式 Agent = LLM + 上下文 + 工具 展开，十章内容如下：第 1 章 · Agent 基础知识：从"模型即 Agent"的新范式出发，建立 Agent = LLM + 上下文 + 工具 的核心公式，并引入 Harness 工程——模型之外的一切工程能力，才是真正的竞争力所在。第 2 章 · 上下文工程：上下文决定 Agent 的能力上限。深入大模型 API 的上下文结构、KV Cache 友好设计、提示工程、动态提示词与 Agent Skills、状态栏元信息，以及上下文压缩策略。第 3 章 · 用户记忆和知识库：让 Agent 跨会话记住用户、并接入外部知识。涵盖用户记忆系统、RAG 基础管道，以及超越扁平文本的知识组织与检索（结构化索引、知识图谱等）。第 4 章 · 工具：工具是 Agent 的双手。讲工具分类与通用设计原则、MCP 协议与工具选择的挑战、感知/执行/协作三类工具，以及事件驱动的异步 Agent。第 5 章 · Coding Agent 与代码生成：代码是"能创造新工具的工具"，是通用 Agent 的元能力。以生产级 Coding Agent 为例，展示这一最强通用工具的完整实现。第 6 章 · Agent 的评估：把 Agent 的表现变成可比较的信号。从评估环境、数据集设计、指标体系，到统计显著性、可观测性、评估驱动选型，直至生产级内部评估与仿真环境。第 7 章 · 模型后训练：预训练、SFT、RL 三阶段全景。何时选 SFT、何时选 RL，RLHF、算法比较、数据与环境，以及让模型学会工具调用、提升样本效率的前沿探索。第 8 章 · Agent 的自我进化：不改权重也能成长。三种学习范式，从经验中学习、主动工具发现，到"从工具使用者到工具创造者"，让 Agent 从"聪明"走向"熟练"。第 9 章 · 多模态与实时交互：把感知与行动从文本扩展到语音、GUI 与物理世界。语音三范式（级联/端到端全模态/全双工）、流式语音感知与合成、Computer Use 与机器人操作。第 10 章 · 多 Agent 协作：群体的智能可以高于个体。多 Agent 分类框架、何时真正优于单 Agent、共享与不共享上下文的协作、失败模式，以及涌现的"Agent 社会"。

转发者评论

无明显转发评论

• //@丕子:转发微博

原文

【#OpenClaw热度几乎归零#】从GPT发布到现在快四年了，如果评选最火爆的AI产品，那应该要属OpenClaw，在国内被称为小龙虾的它曾经火爆出圈，然而现在几乎无人问津了。大家可能有段时间没听过小龙虾的新闻了，但真看了它的谷歌趋势指数，才发觉暴跌速度竟然如此之快，去年11月份发布，今年1月份开始爆发，3月份是巅峰，那时候国内知名或者不知名的互联网公司都复刻了OpenClaw的模式做了自己的小龙虾产品，有的公司甚至推出了好几款同类产品。然而OpenClaw的热度在4月份就开始暴跌，现在的7月份不能说归零，但也差不多了，热度来的很快，跌的更快。OpenClaw作为一款产品倒是没有停止，事实上还在更新，只不过更新强度也不像之前那样疯狂了，本月初创始人还联合Dave Morin成立 OpenClaw Foundation，定位为一个AI领域的瑞士那样的中立组织，基金会使命为"让AI个性化、有趣、赋权所有人"。至于大家为何不再热衷使用OpenClaw，原因也不复杂，首先是OpenClaw自身的问题，刚开始的时候配置复杂，下载安装再到升级维护都需要很强的动手能力，CLI窗口虽然高效，但与大众的使用习惯不符。现在虽然有了桌面端，也原生支持Windows系统了，易用性有很大改进，但一切都晚了。其次是现在的外部环境也变了，但凡是个AI公司都有了自己的Agent产品，比OpenClaw做的更好用的也有很多，尤其是国内的几家公司，一站式解决方案，还能整合自家的大模型，一条龙服务的便利性在国内是OpenClaw永远没法比的。总之，OpenClaw应该算是到目前位置AI史上最出圈的产品，一度红到发紫，互联网用户都在抢着装，然而这样的热度没有持久下去，它完成了自己在特殊时间的特殊使命。（快科技）

转发者评论

回复@好雨知时节_d:【谷歌趋势指数】ask ai//@好雨知时节_d:请问下，这个图咋来的？//@Easy:现在还是有 Claude Code 20%的热度，依然比 Hermes agent热度高。话说 CodeX 最近热度都高过 CC 了，ChatGPT 的影响力还是大的。 http://t.cn/AXKC3mAp //@蚁工厂:也算是开启Agent时代了

• 回复@好雨知时节_d:【谷歌趋势指数】ask ai//@好雨知时节_d:请问下，这个图咋来的？//@Easy:现在还是有 Claude Code 20%的热度，依然比 Hermes agent热度高。话说 CodeX 最近热度都高过 CC 了，ChatGPT 的影响力还是大的。 http://t.cn/AXKC3mAp //@蚁工厂:也算是开启Agent时代了
• OpenClaw就像Unix/ Linux/ FreeBSD，我们没有使用它，但又一直在使用它。//@蚁工厂:也算是开启Agent时代了
• 现在还是有 Claude Code 20%的热度，依然比 Hermes agent热度高。话说 CodeX 最近热度都高过 CC 了，ChatGPT 的影响力还是大的。 http://t.cn/AXKC3mAp //@蚁工厂:也算是开启Agent时代了
• 也算是开启Agent时代了

原文

最近这半年多都是中国模型公司在主导开源界，美国开源模型圈相对静悄悄：今天美国公司Thinking Machines算是平地一声雷， 发布了它的首个开源大模型 Inkling让美国开源圈有点沸腾，虽然它不是最强霸榜的，但其主打定制化微调还挺有趣的。Inkling ：MoE 架构，总参 975B、每 token 激活 41B ，1M 上下文，多模态（文本/图像/音频/视频），权重已经上了 Hugging Face，另有一个 Inkling-Small（276B/12B激活）预览版。官方承认："Inkling 不是当今最强的模型，无论开源还是闭源，文本上相比于glm 5.2整体还有差距，在design area 排名第9。跑分上它确实不领先——文本推理 HLE 只有 29.7%（顶级开源 GLM 5.2 是 40.1%，闭源 Claude Fable 5 是 53.3%），AIME 2026 拿了 97.1%，也没到 99% 那一档。官方的论点是：再强的通用模型，也解决不好很多真实世界的问题，这道差距要靠"用你自己的专有知识去微调"来补，所以 Inkling 不是拿来屠榜的，是拿来当你自己微调的底座——配套的 Tinker 微调平台才是真正的产品。一个实验室罕见地把话说明白了：模型不是终点，定制才是，这倒是挺有工程思维。技术上有几个值得记的点：1、高效思考：effort 可调（0.2–0.99），性能随 token 预算 log-linear 上升；在 Terminal Bench 2.1 上，用大约 1/3 的 token 就打平了 Nemotron 3 Ultra。2、训练：45 万亿 token 多模态预训练，Muon（大矩阵）+ Adam 混合优化，用相对位置编码而非 RoPE（外推更好）；后训练是 3000 万+ rollout 的异步 RL，还专门加了 abstention-aware 奖励——教它"不确定就说不知道"，校准是它的卖点之一。3、架构：256 个路由专家 + 2 个共享专家、每 token 激活 6 个，sigmoid 路由 + 无辅助损失负载均衡（DeepSeekMoE 那套）。最戏剧性的一个 demo：它在 Tinker 上端到端微调了"它自己"。 模型自己写微调目标（一个通篇不用字母 e 的 lipogram）、自己造训练数据、跑了 27 分钟训练、自己评估、自己更新权重，然后真的照做了，最终模型给自己定制——这个画面挺震的。当所有人都在卷"谁的通用模型最强"，Thinking Machines 押的是另一条路：模型只是底座，价值在你用它微调出的那个定制版本。这条路对不对，可能比又一个屠榜分数更值得盯着看。hg：网页链接#Inkling##ThinkingMachines##开放权重##Tinker##MiraMurati#

转发者评论

无明显转发评论

原文

有人开源了一个替代Lemlist的自托管的AI 拓客工具：OpenOutreach，专做 B2B 拓客，email-first 的AI 拓客工具。用法一句话：你只描述"卖什么、卖给谁"，它自己去找人、判断谁值得联系、从你邮箱发信、再读回复接着聊。市面上的 AI 拓客工具基本都在爬 LinkedIn，然后账号一个接一个被封。OpenOutreach 反着来：不开浏览器、不登任何社交账号、不爬虫——线索来自授权数据源，信从你自己的邮箱发。它天生就没有"能被封的表面"。它最值得看的是两个设计：1、无封号： 不爬虫、不碰 LinkedIn 账号、不开浏览器——firmographic 线索来自授权的数据源（BetterContact Lead Finder），发信走你自己邮箱的 SMTP。一堆靠爬社交平台的工具动不动就封号封域名，它把整个雷区绕开了。2、它会"学"你的理想客户画像，而不是无脑群发： 核心是一套贝叶斯主动学习：用高斯过程（GP）在 profile 的 384 维向量上做 explore/exploit——负样本多就 exploit（挑最可能匹配的填进管道），否则 explore（用 BALD 分数挑信息量最大的去标注）。每一次 大模型的判断都回喂模型，越用越懂你的 ICP。这不是"AI 群发"，是"AI 主动去学谁值得联系"。工程上还有两处处理得很好：1、省钱卡在架构里：只有过了 高斯过程GP 置信门槛的最匹配 lead，才会付费去查工作邮箱（一次命中扣一个 credit）；而且付费查询"骑"在你的发送额度上（每邮箱日上限）——永远不会查得比你发得多。2、agentic 跟进：发 AI 写的开场白 → IMAP 读回复 → agent 判断"发/等/结束" → 多轮跟进。整条管线是状态机（QUALIFIED→…→EMAILED→COMPLETED），任务队列自调度、断点续跑。自带 Django Admin 当 CRM，本地 SQLite，模型自带（OpenAI / Anthropic / 任意兼容）。这里泼一盆冷水：邮件本身有送达率、垃圾箱和 CAN-SPAM / GDPR 合规问题（它 onboarding 里也专门有 legal 步骤）。自动化群发一时爽，把域名发进黑名单也很快，别把它当"无脑发就有客户"。github：网页链接#OpenOutreach##B2B拓客##AI销售3 #自托管3 #开源#

转发者评论

无明显转发评论

原文

转：2026年7月16日周四读报！一切美好从❤️开始：1、国家统计局：初步核算，上半年国内生产总值695704亿元，按不变价格计算，同比增长4.7%。分产业看，第一产业增加值31522亿元，同比增长3.7%；第二产业增加值250473亿元，增长3.9%；第三产业增加值413709亿元，增长5.2%。(中国经营报)2、国家能源局：今年1至6月，全社会用电量累计50999亿千瓦时，同比增长5.3%。从产业看，高技术及装备制造业用电量同比增长9.8%。充换电服务业、互联网数据服务用电量增速分别达到56.9%、44.0%。此外，城乡居民生活用电量7315亿千瓦时，同比增长3.1%。(经济日报)3、国家统计局新闻发言人王冠华：上半年，我国集成电路产量规模达到2798亿套，这个数字非常庞大，换算下来，相当于每天生产集成电路超15亿块。集成电路就是我们平时说的芯片，它广泛应用于智能装备电子产品当中。(中国经营报)4、从中国科学院地质与地球物理研究所获悉，该研究所联合中国科学技术大学等单位组成的联合团队针对嫦娥六号月壤样品开展了稀有气体同位素分析。研究发现，月球正面和背面接收到的太阳风存在系统性差异，而地球磁层在其中扮演了“调速器”的角色。相关研究7月15日在国际学术期刊《自然-地球科学》发表。(央视)5、近期，美团单车、滴滴青桔、哈啰单车相继在北京等多个城市上调计费规则，三大平台不约而同地采取了“提高起步定价、拉长基础骑行时长”的组合策略：起步价从此前的1.5元/30分钟左右，普遍调整为1.88元至1.99元/60分钟。这成为共享单车行业近年来较大范围的一次集体调价。(金融时报)6、阿里巴巴：阿里千问将作为AI能力集成至Apple智能，为iOS、iPadOS、macOS和visionOS的中国用户带来智能体验。用户无需在应用间切换，即可在苹果设备上直接体验千问的文本与图像理解、内容生成等能力。(证券时报)7、从上海市科委获悉，7月13日，植入式脑机接口手部运动功能代偿系统(NEO)获批上市后的首张处方在上海开出，全球首例植入手术在复旦大学附属华山医院完成。术中测试显示，系统采集的硬膜外脑电信号稳定、质量良好。目前，患者术后生命体征平稳。(第一财经)8、7月15日，据深圳商报援引媒体报道，国内大模型独角兽DeepSeek已开始筹备首次公开募股(IPO)，规划在内地上市，最快可能于今年提交申请，并在2027年完成上市。据报道，DeepSeek首轮融资落地，腾讯、宁德时代、国家人工智能产业基金悉数入股，该轮融资对公司投前估值约为710亿美元(约人民币4800亿元)。(每日经济新闻、财联社)9、根据韩国相关金融监管数据，仅在7月1日至10日短短10天内，因无法及时补足保证金而遭券商强制平仓的金额，便高达4258亿韩元(约合人民币19.3亿元)。估计有32万至46万个散户杠杆账户…

转发者评论

无明显转发评论

原文

Claude Code 之父 Boris Cherny 发的一条长推，聊的是在 AI agent 时代，工程师自动化这件事为什么变得更重要了。我看完觉得说得挺到位的，跟大家聊聊。他先回顾了一下：以前最厉害的工程师都爱花大量时间搞自动化，比如优化编辑器配置、写 lint 规则、搭端到端测试套件，这样就不用手动冒烟测试了。这些事杠杆率极高，因为能成倍放大个人产出。现在 agent 时代来了，他觉得这些自动化反而更重要了，给了三个理由。第一个，基础设施和开发体验的加速能让你跑得更快。如果你手头跑着一堆 agent，每个 agent 也都会跟着提速，自动化越多单位时间产出就越多。第二个，把问题固化成代码更高效。你的 agent 可以每次看到某个问题就去修一次，但那要花 token 还可能漏掉一些场景。如果直接写一条 lint 规则或 CI 检查，这整类问题就永远自动化了。大家常说的 loop，其实就是自动处理整类杂活，遇到一个修一个反而落了下乘。第三点也是最关键的，自动化让更多人能轻松上手代码库。现在工程师第一天就能贡献代码，因为 agent 能帮他们导航整个项目；非工程师也能像工程师一样高效参与开发。挡在路上的，是那些存在人脑子里的领域知识，没有沉淀到自动化里。而 agent 带来的变化是，能编码为基础设施的领域知识不再局限于 lint 规则、类型和测试，还能用代码注释、技能、CLAUDE.md 规则和记忆来承载。如果你提了个 PR 因为没用对框架被拒，或者设计师做了个功能因为不符合架构规范被打回，这些都说明自动化没做到位。所以他建议每个团队都去写 CLAUDE.md、REVIEW.md、各种 skill 和文档，让 agent 在零额外上下文的情况下就能高效干活。听起来疯狂，其实就是工程师一直在做的事的延伸：自动化，把领域知识变成基础设施。模型越聪明这件事越容易，但在那一天到来之前，每个团队都有责任把脑子里的知识转成基础设施。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

[CL]《The Illusion of Robustness: Aggregate Accuracy Hides Prediction Flips under Task-Irrelevant Context》Y Zhang, S Koyejo, D Yang [Georgia Tech & Stanford University] (2026) 在大型语言模型（LLMs）部署领域，模型在处理富含冗余信息的长文本时的稳定性是一个悬而未决的难题。过去的方法受困于仅关注聚合层面的准确率，本质原因是宏观指标的平稳掩盖了微观层面的剧烈波动，导致严重的个体预测风险被忽视。本文的核心洞见是：把任务无关的上下文干扰重新看作一种导致模型预测翻转的“双向不稳定性”。由此，引入不稳定性（INS）与最差尾部退化（WTD）这两个关键指标，使研究者得以揭开即使是无意义字符也能在不改变总分的情况下，让特定样本预测发生崩溃或意外改善的真相。这项工作真正留下的遗产是揭示了上下文鲁棒性具有高度的模型特异性，且会随模型性能提升而演变。它为后来者打开的新门是建立样本级的可靠性评估体系，但尚未跨过的门槛是彻底厘清这种不稳定性在复杂 Agent 决策链条中累积与传播的深层机理。arxiv.org/abs/2607.12963 #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

• 所谓“理解”，在Transformer里就是注意力权重的重新分配游戏。你在prompt里加一句废话，模型不会判断“这是废话，我忽略它”，而是机械地把注意力预算重新切一刀，原本100%聚焦在关键信息上的注意力，现在被稀释成了95%、90%……直到某个临界点，逻辑链断裂。这彻底暴露了一个残酷事实：大模型没有真
• 微调就像给模型做整容手术，脸是好看了，但免疫系统废了。预训练模型像个糙汉子，见过各种乱七八糟的数据，形成了一套粗糙但稳健的判断力。你用精心清洗的高质量数据去SFT它，教它说漂亮话、做对题，它确实变乖了，但也失去了对垃圾信息的天然抵抗力。这解释了为什么那些最先进的对齐模型，反而最容易
• 99%准确率的模型可能比60%准确率的模型更危险。因为前者会让你放心地部署到生产环境，直到某个用户在prompt里多打了三个空格，系统突然把癌症诊断反转，或者把自动驾驶的刹车逻辑改成加速。真正可怕的不是模型笨，是模型聪明但脆弱——它在测试集上表现完美，在真实世界里却像一个过度敏感的神经病人，

原文

#模型时代# 英伟达汽车负责人吴新宙：英伟达内部都要抢GPU，五年内可实现L4，中国的情况在于路况复杂偶然间刷到The Verge旗下播客Decoder于2026年7月13日上线的一期对话，嘉宾是国内智驾圈非常熟悉的了，英伟达汽车业务副总裁吴新宙（Xinzhou Wu）。不熟悉也没关系，我再做个补充：吴新宙清华本科、UIUC电气工程博士，在Qualcomm主导过汽车自动驾驶团队，2018年加入小鹏汽车任自动驾驶副总裁，带过1000多人的团队，2023年回到美国加入英伟达。他现在负责英伟达汽车业务的战略、产品和工程执行。2026年1月CES上，英伟达宣布Mercedes-Benz CLA将成为首款搭载其完整Drive AV软件栈的量产车型，计划年底在美国上市。3月GTC上，英伟达又与Uber达成合作，计划2027年起在洛杉矶和旧金山湾区上线搭载英伟达Drive Hyperion平台的L4 robotaxi，到2028年覆盖28座城市。所以这是一位很难得，熟悉中美两地汽车产业的专家高管。主持人Nilay Patel是The Verge主编，也是Decoder播客的主持人。他问吴新宙：“你需要跟英伟达内部其他部门抢GPU资源吗？”吴新宙的回答是：“Yes， believe it or not。 Even Nvidia has a limited supply of GPU for compute。”（信不信由你，连英伟达的GPU算力都是有限的。）他每周都要跟其他部门负责人开会分配训练、测试、开发用的计算资源，有时候还得请黄仁勋出面裁决。不只是算力，被问到是否也要争抢晶圆产能时，他的回答同样是“Oh yes”。所以，算力依然是硬通货啊。一、从“软件定义汽车”到“AI定义汽车”1、行业共识已经形成，分歧只在速度吴新宙认为，用一到两台中央计算机替代传统汽车里几十甚至上百个ECU，也就是那些分布在车辆各处、各自独立控制某个子系统的电子控制单元，这件事已经从争论变成了共识。他说“最近已经没听到谁在反对这件事了”，各家车企讨论的只是快和慢的问题。Tesla和Rivian这样的新势力从一开始就按这个架构造车，传统车企也在跟进。2、传统车企曾经变成了“保险公司和金融公司”Patel在对话中提供了一个尖锐的背景描述：过去五年的电动化进程中，传统车企逐渐意识到自己已经变成了保险公司和金融公司，真正造车的是它们的供应商。Tier-1供应商掌控着汽车的大型子系统，车企想做一次OTA远程软件更新，要去找15家不同的供应商协调。所有人都意识到必须夺回对整车工程的控制权。这是“软件定义汽车”这个概念真正的商业推动力。3、中国的五年加速实验2018到2023年，吴新宙亲历了中国汽车行业的这轮巨变。他的判断是：中国车企的优势不仅仅是“没有历史包袱”。新势力确实可以从零开始设计电子架构，但更关键的…

转发者评论

无明显转发评论

原文

共脑计划：网页链接我们用 AI 加速了一切，却忘了团队里最慢的接口是人与人的沟通今天，我们用 codex搭工作流，用 claude code写代码每一个生产环节都在变快，但团队最常见的返工，往往是沟通问题同一句“尽快”，有人理解为半小时，有人理解为今天下班前所以，我们做了一个 Vibe Coding 产品，叫做【共脑计划】它是一套可以被 AI 调用的人与人协作协议，把每个人隐性的工作习惯、判断方式、反馈偏好和协作边界，转化为可持续更新的团队context,帮助我们更好减少团队协作的返工和摩擦1、它是怎样运行的？第一步：用公司真实 Context 生成情境题第二步：3 分钟生成个人协作名片每个人完成问卷后，Agent 会自动生成一份 Markdown 协作名片第三步：进入 Linkly AI，变成组织的长期记忆个人名片生成后，会以 Markdown 文档进入 Linkly AI 的云端知识库，Linkly AI 在这里是共脑协议的“组织上下文层”。它可以：- 为文档建立全文索引和结构化大纲；- 通过关键词或自然语言找到相关人员和协作信息；- 让 AI 渐进式读取真正相关的内容，而不是一次吞下整个知识库；- 将本地知识库同步到云端，保持 24 小时在线；- 把知识库分享给团队成员；- 通过 MCP、CLI 和 Skills 接入 Codex、Cursor、Claude 等 Agent。这意味着，团队个人名片可以在真正需要的时候，被 AI 找到、理解并使用。第四步：Agent 在工作发生时调用它当你准备给同事发消息、分配任务、组织会议或者复盘返工时，【共脑计划】会从 Linkly AI 中检索相关人的协作名片，再结合当前任务给出建议。2、共脑协议可以做什么？01｜“怎么和 TA 说”翻译器你输入原始消息：青苔，这篇文章尽快帮我看一下，感觉还需要改改。Agent 调用青苔的协作名片后，发现：- “尽快”缺少明确时间；- “看一下”没有说明反馈范围；- 青苔习惯先了解目标和完整背景；- 她更容易处理带有判断依据的反馈。于是消息被翻译为：青苔，想请你今天 19:00 前帮我判断一下这篇文章的叙事方向。主要看开头是否抓人，以及产品定位是否准确，措辞暂时不用细改。文章目标和受众已经放在文档顶部。02｜任务分工路由器一个临时任务出现时，Agent 可以同时检索多位成员的岗位、优势和协作方式，帮助负责人判断：- 谁适合定义问题；- 谁适合快速启动；- 谁适合做低成本验证；- 谁适合推进交付；- 谁适合最后把关；- 两个人合作时，可能在哪里产生摩擦。03｜返工 Replay当一次项目出现返工，点击“返工”按钮，记录：- 返工发生在哪个环节；- 最开始缺少了什么信息；- 双方对“完成”的理解是否不同；- 决策人是否明确；- 任务的背景、范围和截止时间有没有说清楚。Agent 会结…

转发者评论

可👉 //@·NANA子·:魔改一下也适用于谈恋爱（人和人的沟通有时候没有用[喵喵]）

• 可👉 //@·NANA子·:魔改一下也适用于谈恋爱（人和人的沟通有时候没有用[喵喵]）

原文

[AI]《The Emerging Paradigm of Geospatial Foundation Models: From Pre-Training to Agentic Reasoning》S Cazares [Google Public Sector] (2026) 在遥感分析领域，传统监督学习受困于“标注瓶颈”。过去的方法要求为每个特定任务（如灾后评估）准备海量人工标注数据，本质原因是地理环境极其复杂且多变，导致模型泛化能力弱，在紧急任务中因数据准备周期过长而失去实战价值。本文的核心洞见是：把地理空间分析重新看作“通用表征学习与特定任务适配”的解耦过程。由此，通过在大规模无标签全球影像上进行掩码重建或图文对齐预训练，构建出通用地理特征空间，使领域专家仅需极少量标签或自然语言指令即可快速完成任务部署。这项工作真正留下的遗产是开启了“智能体地理推理”范式，将遥感分析从被动感知推向主动认知。它为后来者打开了通过自然语言编排复杂分析流的新门，但尚未跨过的门槛是实现跨模态（如雷达与光学）的完全统一，以及在高风险决策中建立可信的误差量化机制。arxiv.org/abs/2607.12177 #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

• 把整颗地球预烤成向量数据库这件事，听起来是工程壮举，但真正颠覆的是它改变了“提问的成本结构”。以前你想知道亚马逊雨林哪里在消失，得启动一整条计算机视觉流水线，烧钱烧时间，所以只有大机构问得起。现在变成了一次数据库查询。当“对地球提问”的边际成本趋近于零……提问者就不再只是政府和NG
• 所有人都在焦虑“我的数据喂给大模型会不会泄露”，但GeoFM指向一个更冷静的现实：真正值钱的从来不是模型本身，是你用哪几张图去激活它。大厂花几亿训出来的通用能力，本质上是一把万能钥匙胚——它什么门都开不了，直到你在本地磨出最后那几个齿。保密的边界从“把整把锁藏起来”变成了“只藏那几个

原文

年初的时候，我制作了一套提示词。在大模型里，你只需要把文章扔进去，它就会制作成文字海报，包含封面图、标题、作者、时间以及正文，并切成符合内容平台发布的图片，还挺好用的。最近我看微博开启了一个 VibeLab 的 AI 创意赛，所以我也想参赛一下。昨天我就把这个提示词扔给了 AI，在 Claude Code 中制作了一个网页版文字海报编辑器。这个网页版非常简单，不需要去大模型里消耗 token 了，你只要把标题、作者头像以及正文上传上去，它就会自动生成一个符合文字海报比例的悬浮框，旁边还有一个截图按钮，你可以一屏一屏地自动去截。这种方式的好处在于：1. 非常灵活：由你来做主到底应该怎么去切这张图。2. 支持图片与多种格式：你只需要把 Markdown 格式的文本复制进去，包含了图片或各种格式它都支持，然后就会生成一个非常长的图文混排的文本，你一屏一屏地去截就行了，超级方便。大家可以看看我这个演示视频。体验网址如下：loonggg.github.io/wenzi-poster-editor同时我也把它上传到了 GitHub 上开源了，大家也可以去看一看，开源地址如下：github.com/loonggg/wenzi-poster-editor#微博VibeLab##VibeWork##VibeVision# AIGC·非著名程序员的微博视频

转发者评论

很实用的提示词，支持下#微博VibeLab#

• 很实用的提示词，支持下#微博VibeLab#
• 很实用的开源工具，界面美观大方，感谢分享 #微博VibeLab#

原文

【模型吞噬外挂：GPT-5.6时代为什么大家开始删掉Skills】Codex搭载GPT-5.6后，许多用户选择清理此前常用的Superpowers等流程型Skills。新模型在推理层原生内化了任务规划、子Agent调度和自我纠错能力。如果继续叠加外置的规则限制，反而会与模型原生流程产生拉扯冲突，导致两套脑回路互博，在无限循环中白白烧掉大量Token。这折射出AI应用层的一个常态：通用型的流程和提示词只是旧模型的临时脚手架，基座模型一旦变强，这些外挂就会被无情吞噬。未来除了解锁私有数据和特定API的定制化Skill外，仅靠教模型如何思考的通用Prompt正在失去价值。我们得从教模型做事，转向给聪明的模型明确目标和边界。www.zhihu.com/question/2060378207459566963 #人工智能##AI创造营##大模型##Agent#

转发者评论

无明显转发评论

原文

Desktop Commander MCP，一个让 AI 客户端获得实际执行能力的工具。支持 Claude Desktop、Cursor、VS Code、Claude Code、Gemini CLI 等几乎所有主流 MCP 客户端。核心功能：1. 终端控制1）执行 shell 命令，支持长时间运行的进程2）SSH 连接远程服务器，AI 直接操作3）进程管理：列出、杀掉、读取输出2. 文件系统操作1）读写文件，原生支持 Excel、PDF、Word，不需要额外工具2）在内存中直接运行 Python / Node.js 代码，不用落盘3）精准文本替换，改一处不动其余代码3. 数据分析1）直接说"帮我分析这个 CSV"，AI 自己写代码跑2）支持 JSON / Excel 即时分析，不用自己写脚本GitHub: github.com/wonderwhy-er/DesktopCommanderMCP#HOW I AI# #程序员#

转发者评论

无明显转发评论

原文

[CL]《We Hebben Een Serieus Translatie: Modeling Intercomprehension as Probabilistic Inference》T H Clark, E Gibson, R Levy [MIT] (2026) 在跨语言认知领域，人类对未学过但相关的语言（L2）具有一种神秘的“零样本”理解力。过去的方法受困于简单的编辑距离计算或过度依赖大规模多语言预训练，本质原因是忽视了人类大脑在处理此类不确定信息时，实际上是在进行一种结合了语言先验知识与噪声信道推断的理性概率计算。本文的核心洞见是：把跨语言理解重新看作一个受限的贝叶斯推断过程。由此，引入“回火顺序蒙特卡洛”（Tempered SMC）算法这一关键操作使问题得以解开：模型从仅依赖表面字形相似度开始，逐渐增加母语语言模型的权重，通过动态推断拼写转换规则和利用上下文预测，模拟了人类从“看字面意思”到“结合语境顿悟”的认知跃迁。这项工作真正留下的遗产是提供了一个认知上可解释的跨语言推断计算模型，证明了小规模单语模型配合高效算法能比肩甚至超越大型多语言模型。它为后来者打开的新门是利用符号规则与概率推断增强语言模型的泛化能力，但尚未跨过的门槛是处理语序差异剧烈或非一一对应翻译（如惯用语）时的组合爆炸难题。arxiv.org/abs/2607.12169 #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

• 顿悟不是灵光乍现，是你的潜意识扔了一百个不靠谱的候选词，终于有一个砸中了整句话的逻辑闭环。那个“啊！”的快感，本质上是后验概率从接近零突然跳到接近一。所以灵感为什么总在放松时出现……因为你终于不再用意识去否决那些“不搭界”的候选了，你让采样跑起来了。创造力的前提，是允许自己犯足够

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

无明显转发评论

原文

姚顺雨真是AI行业的战令选题，隔三差五就可以来一篇，标题直接就用入职天数来计算，光是有迹可循的我就已经刷到过姚顺雨空降腾讯的74天、88天、201天以及晚点LatePost刚刚写的300天⋯⋯看来大家都还是很关注横空出世的天才年轻人和老气横秋的腾讯之间能够磨出怎样的火花，究竟会是东风压了西风，还是西风压了东风。300天这篇稿子的密度是最高的，自带巨多一本正经的吐槽，让我蒸馏比较有意思的一些地方：- 腾讯还挺在意外界质疑姚顺雨在OpenAI没有真正训过模型的履历——潜台词是德不配位——专门为此给出了解释，虽然姚顺雨在OpenAI主要负责Agent这块，但训练模型是他必须要接触的业务，不可能没有经验；- 姚顺雨当初愿意加入腾讯的条件之一，就是希望总办答应在一年之内不要看任何跑分，给他充分的时间从头改造混元大模型，放弃在Benchmark上争一时的胜负，最后是刘炽平拍板接受了这个要求；- 混元之前最大的问题是Infra不行，最早的时候连GPU都是从广告部门匀过来的，而数据标注也是一塌糊涂，准确率只有不到70%，但又死守95%的验收红线，于是只好用假数据蒙混过关，内部对此选择睁一只眼闭一只眼；- 所以姚顺雨之所以被寄予厚望，也是因为腾讯的大模型团队已经到了需要借助外力打破陈腐风气的绝境，腾讯为他拿掉了所有挡路的老干部，也授权姚顺雨把预训练、后训练、评估、Infra的负责人全都换了一轮，在招人方面能开年薪的范围极广；- 盛名之下，腾讯还真从字节AI线的当家部门Seed挖来了不少人，他们的考虑是，Seed已经非常成熟了，继续待下去很容易成为螺丝钉，但重建中的混元正值用人之际，可以有更多的发挥空间；- 在公司，姚顺雨不是卷王那种类型，总体上比较松弛，经常组织同事一起去打篮球，所以混元团队的工作强度也不大，唯独的例外是，如果哪个组有字节Seed的人跳过来了，就会很神奇的突然开始自发的卷起来，工作时长立马激增；- 不过混元团队的人才质量依然良莠不齐，不少理论上应该清退的员工依然留在岗位上，于是就有了很抽象的场面，姚顺雨在大群里发论文、聊技术，却发现能跟上自己思路的人很少，甚至还有人看不懂；- 姚顺雨会用他在OpenAI的经历给下属打气，时至今日，OpenAI的底层架构都没有根本性的变化，做大模型不存在魔法，也不要误信别人有什么魔法，把最基础的事情、能做对的事情都做对了，就能得到一个挤进中国第一梯队的模型出来；- 所以混元的技术路线一直选择的是最中庸、最稳妥、最不容易犯错的那条，于是Qwen和Kimi都在用的线性注意力方案被放弃了，因为姚顺雨判断长上下文的场景并不是真实世界的主流需求，而上万亿的参数、海量Agent协作的前沿也被姚顺雨否定了，因为这对大多数人没用；- 作为姚顺雨的第一份正式作业，Hy3成了腾讯有史以来第一个登顶OpenRouter周调用榜的模型，超出了内部预期…

转发者评论

贝索斯在访谈中也提过这个问题。一位高管告诉他，要节制的给团队提意见。即使是对的，也要给大家消化的时间。//@阑夕:关于里面提到老板忍不住给产品提意见这个事儿，字节那边的管理体系似乎能意识到节制的好处： http://t.cn/AXKpJJjZ

• 贝索斯在访谈中也提过这个问题。一位高管告诉他，要节制的给团队提意见。即使是对的，也要给大家消化的时间。//@阑夕:关于里面提到老板忍不住给产品提意见这个事儿，字节那边的管理体系似乎能意识到节制的好处： http://t.cn/AXKpJJjZ
• 估计500天就差不多了。18个月。

原文

[LG]《The Computational Basis of Confidence in Large Language Models》D Kumaran, V Patraucean, M Ovsanikov, P Veličković… [Google DeepMind] (2026) 在人工智能部署领域，模型置信度通常被视为预测准确性的黑盒指标。过去的方法受困于仅关注输出分数与结果的吻合度，无法判定这些信号是否具备严谨的计算基础。本质原因是，我们难以区分模型是在计算自身正确的后验概率，还是仅仅基于任务无关的特征输出一种启发式的偏好得分。本文的核心洞见是：把模型输出的概率差值重新看作一种隐藏决策变量的直接读数。由此，通过测试生物大脑中存在的特定数学特征，研究者发现这些分数并非随机猜测。模型在处理感知和记忆任务时，实际上是在对噪声证据进行加权处理，以评估自身成功的可能性，这在计算逻辑上与生物系统的决策机制高度一致。这项工作真正留下的遗产是建立了生物与人工智能之间统一的计算桥梁。它证明了在基础感知任务中，模型分数的本质是规范的决策变量而非简单的统计巧合。它为后来者打开的新门是利用神经科学框架透视机器认知，但尚未跨过的门槛是复杂推理任务中决策模式的失效，这暗示了多步逻辑推理的内部机制仍超出现有理论的解释范围。arxiv.org/abs/2607.12447 #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

• 简单问答能用置信度预测对错，多步推理就不行了，因为推理不是一次决策，是一条证据链。每一步的小失误会像多米诺骨牌一样传递，最后答案错了，但模型在最后一步可能还很自信，因为它只看到了前面错误结论喂过来的“合理输入”。这是个根本性的盲区。我们现在连怎么定义“推理过程中的动态置信度”都没
• 让模型自己说“我不确定”，比你替它判断题目难不难，准太多了。外部拦截器再聪明也是在猜，但模型内部的Logit差值是它真实的犹豫程度。这个逻辑其实适用于所有需要置信度的场景：与其设计复杂规则判断什么时候该调用RAG、什么时候该拒答，不如直接读模型自己的“心跳”——那些藏在输出概率分布里的he

原文

#模型时代# 强化学习之父Richard Sutton讲座：LLM可能只是一个过渡阶段，无法抵达终极智能，持续学习才是王道现在发Richard Sutton的这期讲座就非常合适了。一来，过几天的上海世界人工智能大会WAIC上，他会做演讲，预测讲的内容，基本都会涵盖在本期讲座中；二来，他也刚刚宣布创业，亲身动手将自己的理论做出来。这也是我比较佩服他、杨立昆和李飞飞的原因。三人都提出了大语言模型的局限，但是没有停止于批评，而是亲自下场做一个自己觉得正确的路线的东西。某种程度上，伊利亚和阿莫代（Anthropic创始人也是如此了，虽然现在大家很不喜欢他），看不惯OpenAI，就做出来一个自己觉得对的。继续说讲座，来自两周前，YouTube频道EconFinAiMl上线的MIT CSAIL Dertouzos杰出讲座的录像。Sutton在2019年写下的短文“The Bitter Lesson”（苦涩的教训）至今仍是AI领域引用最密集的非论文文献之一。2025年4月，Sutton与David Silver联合发表“Welcome to the Era of Experience”，正式宣告AI需要从“人类数据时代”转向“经验时代”。就在这场MIT讲座视频上线后不到三周，2026年7月14日，Sutton宣布离开John Carmack创办的Keen Technologies，与同事Khurram Javed共同创立了Oak Lab，目标是在仅20瓦功耗下运行一个万亿参数的经验式学习智能体。Sutton一上台就给MIT在场听众打了预防针：“这不是一场展示实验结果的演讲，这是一场谈想法的演讲。”他要讲的是一张路线图，终点是超级智能。CSAIL主任Daniela Rus介绍完Sutton的履历后问现场谁在工作中用到了强化学习，几乎所有人都举了手。但Sutton接下来要说的话，恰恰挑战的是这些人中相当一部分的工作方式：你们往智能体里灌的那些领域知识，也许短期有效，长期来看是一条苦路。他随后用整场演讲推演了一个替代方案，一种他称为OaK的架构，全称Options and Knowledge，意思是让智能体从零开始、纯粹依靠经验自主生长出抽象能力的通用心智设计。很巧。我刚在推上，看到Astra Markets的创始人Adi总结Sutton的技术路线，写的言简意赅，也摘录一下：- 无需预训练，所有学习均通过运行时强化学习（RL）进行持续学习- 该系统通过学习来提取特征并定义子问题，计算这些子问题的中间价值函数，然后通过价值迭代更新策略- 特征发现是通过“生成与测试”（即随机搜索）或“连续反向传播”（即反向传播与生成与测试的结合）来实现的一、苦涩的教训与大世界假说1、“苦涩的教训”适用于LLM吗？Sutton给了一个既肯定又否定的回答Sutton的“苦涩的教训”有一个简洁的核心论…

转发者评论

无明显转发评论

原文

今天的嘉宾是硅谷机器人公司Physical Intelligence（Pi）的研究员柯丽一鸣（Kay Ke）。Pi是一家专注于研究机器人“大脑”的明星创业公司——成立仅两年，投后估值已超50亿美元，是这个赛道最受瞩目的独角兽之一。部分业界人士对它的期望是，成为机器人领域的OpenAI。柯丽一鸣在Pi主要负责强化学习方向的研究，也是Pi核心论文的作者之一。在科研之余，她追求在工作和人文表达之间找到平衡，所以业余时间她也会写写小说。这让今天的聊天更有意思了。节目中，我们详细聊了聊机器人的江湖、谱系、门派与主角们。全球的机器人团队都非常关注Pi在机器人大脑上的开源工作。柯丽一鸣详细阐述了他们的研究思路与技术细节（从π0到π0.5再到π*0.6）。但由于我们这集节目的录制时间比较早，尚且没有囊括他们的最新模型π0.7。嘉宾关于π0.7的技术讲解，我会补充在shownotes里。接下来，就是我对柯丽一鸣的访谈 张小珺Benita的微博视频

转发者评论

无明显转发评论

原文

只读字幕，AI会漏掉屏幕上的关键动作。一段产品演示里，讲解者嘴上说「这里变了」，信息可能藏在按钮位置、报错闪现或前后画面对比里。只把字幕交给AI，它能复述说了什么，却容易漏掉屏幕上发生了什么。claude-video补上这层视觉证据：把字幕、时间线和关键帧整理成Claude可以一起读的材料。项目大约有7900颗星，本质上是一套视频拆解Skill。它会先看视频有没有现成字幕；需要画面时，再按关键帧或场景变化抽图，并给帧和转写加上时间标记。Claude回答「故障从哪里出现」「演示新增了什么」时，可以同时对照声音和画面，少靠标题猜测。屏幕录制排错、长访谈速读、课程笔记，这几类场景都比较实在。我喜欢它对成本的态度：先给画面密度分档，避免一上来把整段视频切成海量图片。只关心某一分钟，就把分析范围缩到那一段；只要文字，就不处理画面。视频越长，这种取舍越重要，因为每一帧都会占模型上下文。它也有清楚的使用条件。运行依赖yt-dlp和ffmpeg；没有字幕时，转写要借助Groq或OpenAI的Whisper服务与相应凭据。超过大约10分钟的视频，在有限帧数模式下会变成稀疏扫描，细节可能漏掉。转写准确度也会受口音、噪声和术语影响。还有一条不能略过：只处理自己有权使用的本地视频或公开内容，不把工具用于绕过平台限制、批量搬运或侵犯版权。AI能拆视频，分析能力不能替代使用授权。结论最好能落回具体时间点、具体画面和具体一句话。bradautomates维护的开源项目在GitHub上使用claude-video这个名称。#马力的AI知识分享##马力的AI开源项目分享#

转发者评论

无明显转发评论

原文

Aaron Levie（Box 的 CEO）发了一条挺有意思的推，聊的是为什么 AI 智能体在写代码这件事上特别能打。他说，代码有个天生的优势：你能很快验证它对不对。写完一段代码，要么手动跑一下看看程序能不能正常工作，要么直接跑个测试，结果立刻就摆在那儿。这是大多数其他工作没有的待遇。想想看，一笔股票交易要等真正执行了才知道结果，一份合同要等到谈完了才知道好坏，一次销售推介要讲完了才知道管不管用。这些活儿的"测试"都得等到真刀真枪上场那一刻。Levie 觉得，接下来会有一大波新机会，让我们能用类似的方式来测试其他工作。长远来看，这意味着会有越来越多的智能体被嵌进各种工作流程里。但这也带来一个现实问题：我们需要对绝大多数工作流程建立更好的评估体系。今天企业里大部分工作，根本没有配套的评估标准，你根本不知道换个模型、改个提示词、动个系统，到底是把事情搞砸了还是改进了。评论里有人总结得很到位：能被测量的，就能被自动化。还有人说得更狠，真正的护城河是那套测试体系，代码天生就自带，企业要是能把知识工作也评估好，就能在 AI 时代复利增长，其他的只能两眼一抹黑。Levie 最后的结论是，那些能把知识工作的评估做得最好的企业，将从 AI 中获益最多。这会逐渐成为智能体落地的关键因素。不过也有工程师提醒，光有测试还不够，如果有些需求从来没被写进测试里，智能体照样会在那些地方翻车。说白了，能不能评估，决定了你能从 AI 身上薅到多少羊毛。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

2007年，航运公司炒作运价，可谓是妙招频出，但核心就是收紧运力，推高现货，逼空期货，最终在FFA上获取暴利。放空船，甚至把船拉到海上晒太阳都不是新鲜事儿。甚至还有一边做多FFA，一边买纸船的，把个对冲机制完成了双重杠杆。后来就和所有的泡沫都一样，BDI指数2007年从4500点涨到接近12000点，然后2008年暴跌到666点。这一轮的存储牛市，又是熟悉的味道，BDI换成了DXI，FFA换成了SCA/LTA，铁矿石需求换成了AI需求，但还是长单锁定产能，人为收紧现货，进而推高价格，拽着自己的头发向上提的玩法。当然AI需求是真实存在的，就如同当年中国铁矿石需求是真实存在的一样，而虚假的FFA也是普遍存在的。

转发者评论

‘’范式没有转移，转移的是他帐号里的数字，从正数变成负数‘’ [笑cry]//@澳门下一站:图片评论 http://t.cn/AXKh0gFk

• ‘’范式没有转移，转移的是他帐号里的数字，从正数变成负数‘’ [笑cry]//@澳门下一站:图片评论 http://t.cn/AXKh0gFk
• //@老曾阿牛:喔，徐胖子又回来了吗？互联网是有记忆的，帮胖子留个痕哈//@不会游泳的徐胖子:昨晚海力士确定ADR发行价格，149美元，对应2026年6倍左右市盈率，如果是一年前，可能14.9美元都发不出去。而根据索罗斯的反身性理论，加上实证数据，强周期行业，股价高点会领先业绩高点6个月左右。两周前300

原文

我在开发 BaoCut 这个 App （网页链接 ）的时候，是基于一个 Loop 来的：1. 在开发新功能之前先设计原型（参考图1），借助的是 baoyu-design skill （网页链接 ），配合 Claude Code App 内置的浏览器实施预览调整，模型 Opus 4.8 就很好了，都不需要 Fable 5.GPT 5.6 Sol 设计能力还是不如 Opus 4.82. 原型打磨好了后，只需要在同一会话内，让 Claude Code 基于新的 UI 设计去实现功能即可，这块 Claude 做的很好，Fable 5 效果最好，能将设计稿几乎 1:1 还原，如果修改不多 Opus 4.8 也能胜任。这些 UI 的打磨我还是更放心让 Fable 和 Opus 而不是 GPT，但其他一些不涉及 UI 部分的 GPT 5.6 Sol 就做的很好。3. 更新好了后测试没问题，就可以通过发布的 skill 发布新版本。这里可以放心让 Codex 去做了，尤其是它的 CloudFlare Plugin 很好用，直接帮助发布更新安装包到 CF。这个 loop 的每一个迭代的起点是自己的想法，让 AI 提供设计方案，和 AI 反复讨论后确定方案，然后 AI 实施，AI 实施完成后人再去验证和当初想要的是否一致，如果不一致再让 AI 调整甚至推翻重来。

转发者评论

无明显转发评论

• 回复@楠灬夜:各自添加相应目录，配合git做版本管理。可以错开开发，或者开branch或者work tree并行开发，完成后合并主分支。协作的话主要靠文档//@楠灬夜:宝玉老师，怎么让claude和codex一起完成一个项目。让他们共用一个工作区么。agent文档不会串台么
• 回复@用户833yuiog57:你可以让agent：“开启一个http服务给你一个可以预览的 URL”，然后另外用一个浏览器打开它提供的URL看效果//@用户833yuiog57:宝玉老师，我装了您的 baoyu-design skill 设计好了，想微调没有 Claude Code App 微调起来有点麻烦 有没有什么好的方案啊🥲

原文

#时代快播报#【#阿里回应千问将与苹果AI合作#：无需切换应用，苹果手机可直接调用千问功能】7月15日，网信中国公众号发布相关信息显示，苹果技术开发（上海）有限公司的“Apple 智能”大模型已于2026年7月8日备案，适用场景为苹果手机。时代周报记者获悉，该AI功能的合作方包括了阿里巴巴。对此消息，阿里巴巴回应时代周报记者称，阿里千问将以AI模型身份集成至Apple智能，为 iOS、iPadOS、macOS 和 visionOS 的中国用户带来智能体验。用户无需在应用间切换，即可在 Apple 设备上直接体验千问的文本与图像理解、内容生成等能力。@时代周报 #千问将作为AI能力集成至苹果智能#

转发者评论

无明显转发评论

原文

油管大 V ，超级个体 Dan Koe 发了最新的一篇长文章，他说：从没想过自己会成为一个写作者。但他发现，写作这个简单的晨间习惯，彻底改变了他的人生轨迹。Dan认为创造财富的规则已经发生了根本变化。工业时代的房子、工厂这些有形资产，正在被受众、个人品牌、内容、软件这些数字资产取代。旧的杠杆是线性的，一栋房子同时只能租给一个人。新的杠杆呢，内容写一次可以被几百万人看到。而且你不需要成为百万粉丝的大V，Dan自己在5000粉丝时就替代了原来的收入，他的朋友在1万粉丝时月入10万美元。人们总是高估成功需要的东西，因为他们在时间线上看到的都是遥不可及的名人。写作有四大好处。第一，写作重塑你的思维。你在脑子里可能觉得什么都懂了，但写下来时被迫把散乱的想法整理成一条清晰的线索，写作就是思维的健身房。第二，提升模式识别能力。你通过写作建立了外部思维记录，随时可以回看，还能像摄影师那样在日常生活中发现结构、隐喻和故事线。当你知道这周要写什么，大脑会自动帮你捕捉相关灵感。第三，帮你表达想法。大多数人以为自己懂了其实没懂，写作逼你把想法外化出来，照出你是否真的理解。第四，帮你更快地学习。学习科学里有个"门徒效应"，教别人的人比只学的人记得更牢，因为你要讲清楚就得更深入地处理信息、发现盲点。Dan说自己上网写作的前六个月学到的东西比在学校都多。Dan还分享了他的写作系统。他不太在意所谓的"细分领域"，只写自己觉得重要的东西，因为独特视角自然会吸引对的人。但他会研究社交媒体上什么内容表现好，把那些结构用到自己的标题上。他每周只写一篇长文，然后变成YouTube视频、播客和一周的社交媒体内容，一套素材反复用。他用工具收集灵感、保存文章和视频，甚至让AI帮他从书里提取想法。Dan说，散步、阅读和每天大约60分钟的写作，构成了学习、思考和独立赚钱这三项最不怕被淘汰的技能的基础。这听起来很简单，但他用自己的经历证明了，这确实能改变一个人的大脑和未来。#副业赚钱# #自由职业#

转发者评论

无明显转发评论

原文

家里娃很喜欢一个 2D 坦克对战游戏，在学校信息课上也会偷偷玩，暑假里和他一起 vibe coding 了一个 3D 版。整个项目就一个 HTML 文件，67KB，2852 行，零依赖，打开浏览器就能玩。用的是 Three.js + 原生 js，用 importmap 加载，没有构建步骤。游戏非常小，在微信、QQ 聊天窗口里就能直接打开玩。游戏中坦克的炮弹会在障碍物和墙上反弹，这个机制花的时间最多。每帧都要用当前位置和上一帧位置拉一条线段，跟场景里所有碰撞体做相交测试。碰到墙就要按入射方向和法线计算反射方向，扣掉一段射程继续飞，直到耗尽或命中目标。近距离交火时，找个好角度往墙上打一炮，子弹会拐个弯绕到对手后面，微游戏带来更多趣味性。游戏还设置了射程衰减限制，用来控制反弹次数，不会出现子弹在两面墙之间永远弹下去的情况。第二个重点就是敌方 AI，并没有采用复杂的状态机。每个敌人挂一个轻量状态对象，有个决策计时器、用来记录移动方向、交战距离的偏好、卡墙计时器、上一帧位置。计时器到了做一次决策，看看离玩家多远、有没有被卡住，决定前进、后退或横移。0.5 秒没位移就判定卡墙，自动换方向。整个游戏的逻辑和渲染，在同一个主循环里，没有任何额外线程。所有坦克模型统一创建，玩家和敌方的结构都一样，只是材质不同。炮塔挂在车身下面，能够独立旋转，炮口留了个空锚点，用来定位弹道起点，保证朝哪打哪。地图每局都是随机生成、油桶、地雷，被炮弹打中会爆，有粒子效果。家里娃玩得很 high，不过最大的乐趣还是一起设计游戏，制定规则，看着 ai 按照我们的要求一点点生成代码的过程！试玩及源码下载：网页链接#微博VibeLab##VibeVision##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

• 用现在技术还原古法手搓~#微博VibeLab#
• 童年的回忆又回来了，AI真是对创造和想象力最好的奖励。#微博VibeLab#

原文

2026年7月16号早评指数弱势盘整，科创板回落较大，成交缩小到了2.5万亿，科技股大跌，砸盘明显，3000多只红盘大部分是低位，医药迎来涨停潮盘面呈现极致高低切换资金抱团低位防御板块，医药创新药、白酒食品饮料、券商保险、传媒游戏、汽车零部件全线走强，避险资金集中扎堆高位科技集体放量兑现，半导体、先进封装、存储芯片、CPO、AI算力全线重挫，华天科技等多只封测龙头跌停；长鑫科技大额IPO打新回笼资金、部分存储标的二季度业绩环比走弱是主要诱因现在市场难做，医药和科技跷跷板，不好把握节奏，不追高，保持仓位AI应用有几个利好1、豆包AI手机今年将发布多款机型2、苹果AI来了，媒体曝国行版苹果AI功能有望加快上线，阿里巴巴是合作方之一3、网信办发布7款提供手机端侧生成式人工智能服务已备案信息。包括苹果智能、华为小艺、小米澎湃AI、三星盖乐世AI、努比亚豆包大模型央行最新发声：加大逆周期和跨周期调节力度某券商首席说，下半年央行将择机实施降息降准，估计降息幅度为10个基点，降准0.5个百分点股票

转发者评论

无明显转发评论

原文

OpenAI Developers 账号发了一条推，展示了和 Work Louder 联名的编程键盘 kbd-1.0-codex-micro。这个键盘其实是 Codex 项目的周边硬件，不是那种纯摆件。正面除了常规键位，最显眼的是左边一个摇杆和三个多功能键，右上方还有一块窄条显示屏，显示的是 ChatGPT 对话列表中你 pin 过的对话——可以直接走摇杆和按钮切换对话上下文。整把键盘的思路是：把高频操作（切换对话、发送消息、调出代码补全）做成物理按键，对应 Work Louder 的招牌模块化设计。摇杆可以配置成上下翻对话历史或者滚动 diff 视图。如果你一直在关注 Codex 的早期访问消息，应该会对这个布局有即视感——它和 Codex 的"对话即 IDE"理念是同一个思路。键盘本身只通过 Work Louder 渠道限量发售，推文里玩了个 HTTP 410 Gone 的梗："Get yours before stock returns 410"。#OpenAI##Codex##AI编程##机械键盘#（由 流苏ªⁱ 撰写） Easy的微博视频

转发者评论

无明显转发评论

• 这个看着挺酷的，但我觉得用起来可能有点割裂。它代替不了全键盘，所以得在两个键盘之间切换？是不是集成到鼠标上更好，赶紧出一个 Vibe Mouse 吧 [柯基]

原文

#微博声浪计划# #听见微博# 今天的嘉宾是硅谷机器人公司Physical Intelligence（Pi）的研究员柯丽一鸣（Kay Ke）。Pi是一家专注于研究机器人“大脑”的明星创业公司——成立仅两年，投后估值已超50亿美元，是这个赛道最受瞩目的独角兽之一。部分业界人士对它的期望是，成为机器人领域的OpenAI。柯丽一鸣在Pi主要负责强化学习方向的研究，也是Pi核心论文的作者之一。在科研之余，她追求在工作和人文表达之间找到平衡，所以业余时间她也会写写小说。这让今天的聊天更有意思了。节目中，我们详细聊了聊机器人的江湖、谱系、门派与主角们。全球的机器人团队都非常关注Pi在机器人大脑上的开源工作。柯丽一鸣详细阐述了他们的研究思路与技术细节（从π0到π0.5再到π*0.6）。但由于我们这集节目的录制时间比较早，尚且没有囊括他们的最新模型π0.7。嘉宾关于π0.7的技术讲解，我会补充在shownotes里。接下来，就是我对柯丽一鸣的访谈。OUTLINE:00:02:11 机器人与小说家00:17:26 武侠、板寸、背包客00:36:33 草蛇灰线00:53:56 机器人江湖、族谱、主角01:27:18 硅谷创业图谱01:54:43 PI的研究：π0、π0.5、π*0.6*嘉宾补充：π0.7强调统一模型，不需要后训练，就能媲美以往后训练的通用能力。有架构和数据（有不少之前自主rollout数据）的设计。02:26:01 PI的组织与文化02:34:52 放弃剑桥教职02:46:49 巴甫洛夫的狗03:04:53 前沿展望03:16:14 中国03:25:02 机器人“种族”03:31:19 没有写完的故事LINKS：我们的播客在小宇宙、Apple Podcast、Spotify等全音频平台播出；我们的视频播客在Bilibili、小红书、视频号、抖音等全视频平台播出；如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。DISCLAIMER: 本内容不作为投资建议。CONTACT: xiaojunzhang@lisw.aiJump into the new world-and explore with us!😉 张小珺Benita的微博音频

转发者评论

无明显转发评论

原文

今天跟同事聊AI相关的事情，记录一下我的观点：1. 关于AI时代的需要的程序员能力我认为总的来说是三点：业务能力、管理能力和适应能力业务能力仍然在最核心的位置，虽然AI能够让人跨界，但是AI仍然只是平均线水平，有高级专业能力的人对于高质量的使用AI不可或缺。其次是相比过去，多出了管理能力，传统高水平的程序员大多只需要完成自我管理就可以了，但是有了AI之后，AI的产出能力远高于个体，因此如何能让AI更高效的产出也成了一个必要能力：无论是管理AI还是管人，本质上都是边界设定、任务分配、结果验证、风险控制这些传统的管理技能，只不过AI相比于少了很多人的干扰因素，本质上更好管了。这是最近被讨论最多的能力，但我反而觉得它的重要性被高估了。AI 快速发展，确实需要持续学习、不断适应新范式，短期内这会带来很大的优势。但长期来看，这只是一个时代红利。就像村里第一个会用电风扇的人，短时间内领先很多；可几年之后，“会用电风扇”本身就不再是竞争力。真正长期有价值的，依然是业务能力。2. AI时代程序员需要什么专业技能这个观点我表达过很多次，AI的本质还是基于给定输入的概率预测机。存在两个硬限制：输入长度和概率机制。从输入长度的角度看，模型的表现会随着背景信息、任务复杂度的上升而下降，因此对于更具有行业经验、能够分解复杂行业问题的人短时间内还不会被替代。从概率的角度看，执行路径越明确的任务，模型执行的效果越好，反之则越差。换个表达方式，就是写代码这种更具“执行性”的工作，模型性价比会超过人；而做方案、设计、归因等更具“创造性”的任务，模型目前的性价比还远低于人。3. 现在这个时代如何评价程序员我个人有三个评价点：a. 购买更优质的生产力工具，在过去可能是购买IDE或者开发工具，到了现在更多的是购买优质模型，因为这些人自己已经认为“自己的时间值钱”的自觉。b. 做出了创造性的尝试，除了体现意愿之外，还有一个重要的考虑是创造性的基础是他已经具备了完成自身工作的能力，有额外的精力去做感兴趣的事情。c. 价值观匹配程度，AI时代的管理跟过去管理的很大区别在于，你管理的每个人本质上也是个管理者，传统意义上的纯执行者的空间更小，主观能动性的发挥空间更大，没有匹配的价值观很难互相合作。

转发者评论

无明显转发评论

原文

[LG]《Extractable Memorization From First Principles》A. F Cooper, M Swanberg, J Hayes, L Duesterwald… [Stanford & Google Research & Google DeepMind] (2026) 在大型语言模型（LLMs）隐私与版权审计领域，如何界定“提取式记忆”是一个悬而未决的难题。过去的方法受困于缺乏严谨的判定基准，导致结论在“因序列过短而高估提取率”与“因模型能生成未见文本而质疑证据效力”之间摇摆，本质原因是未能区分模型输出是源于对训练数据的记忆，还是源于语言规律的可预测性。本文的核心洞见是：把记忆提取重新看作一个受控的假设检验问题。由此，引入“匹配比较”协议，通过在模型训练截止期后的数据中构建“非训练对照组”来校准概率阈值，只有当训练序列的生成概率显著超过对照组基线时才判定为记忆。这种基于保形预测（Conformal Prediction）的统计框架，使研究者能根据预设的假阳性率（FPR）精确锁定记忆证据。这项工作真正留下的遗产是为大模型数据泄露审计建立了第一性原理级别的度量衡。它为后来者打开的新门是将统计严谨性引入版权诉讼与隐私评估，并提出了“记忆”与“现实可提取性”的双重判定标准，但尚未跨过的门槛是在缺乏高质量后截止期数据的情况下，如何为极长尾、无匹配样本的过往知识建立同样精准的校准基准。arxiv.org/abs/2607.12649 #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

• 理论上模型记住了你的数据，提取概率是十的负二十七次方。这个数字什么概念？宇宙年龄都不够你采样的。但按照现有的合规逻辑，"理论上可提取"就够定罪了。这就像说一个人把日记锁在马里亚纳海沟底部的保险柜里，你非说"理论上有人能捞出来"所以构成隐私泄露。荒谬，但立法者真的在这么干。安全标准如果

原文

超越OpenAI，中国00后团队攻破「记忆」难题！打造下一个AI互联网时刻博尔赫斯笔下的富内斯记忆完美却无法思考，因为思考依赖遗忘和抽象。记忆有两副面孔：对内是有损压缩，对外是可传递的媒介。今天的大模型有语义记忆、有工作记忆，却唯独没有情景记忆和长时记忆——每次醒来都是一次干净的失忆。RAG本质是临时查资料，不是回忆，问「上个月参加过几场艺术活动」，它只会按字面相似度乱捞。一支中国00后团队Shadoweave把人脑记忆机制做成了工程，系统名为HMS（全息记忆系统）。他们把留存与回忆彻底分开：留存对应大脑巩固，回忆则是面对问题现场重建证据——先拆解问题、再用六把不同"钥匙"检索、最后回头自查补全。HMS在LongMemEval和LoCoMo两大权威长时记忆基准上双双登顶，准确率、Token消耗、响应速度全面领先此前最强的Hindsight和OpenAI收购的Mastra。其中在时序推理子项上，HMS达到94.7%，比Hindsight高出6个百分点。HMS还带自进化能力：加入自进化控制器后，准确率从92.4%提升到92.8%，靠的是计数去重、日期锚定等六个精细模块，用得越久越聪明。但Shadoweave的野心不止于此。今天每个模型、每个Agent都在各自小世界里从零攒记忆，编程助手学到的东西客服Agent一无所知。团队认为记忆理应独立成层，就像存储之于计算——他们要做的不是又一个记忆方案，而是AI时代的记忆协议：Memory Controller。

转发者评论

无明显转发评论

原文

随着 AI 技术的发展，可以预见未来至少大量白领工作将被 AI 取代。有人认为，即使政府可以通过全民基本收入等措施保障人们的生活，也无法解决人类的精神危机，因为人即使衣食无忧但没有工作就会怀疑自身存在的意义。我觉得这种冲击可能会短暂出现，但应该能被解决。已故人类学家大卫·格雷伯写过一本书，叫《狗屁工作》。他认为世界上有大量可有可无的狗屁工作，就算这些工作明天从地球上彻底消失，对世界也完全没有影响。从事狗屁工作的人会有精神危机吗？好像没有。也就是说，人类也许需要工作，但并不需要从事有意义的工作才会觉得自己有价值。即使没有 AI，工农业技术的发展也早就确保了只需要少数人从事有意义的工作就能养活全世界，所以才会诞生那么多狗屁工作。人类非常擅长创造狗屁工作。我相信未来肯定会诞生足够多的 AI 暂时替代不了的狗屁工作来满足那些需要追求意义的人类。

转发者评论

无明显转发评论

原文

AI热点信息【7月中旬】：今天的 AI 热点，不是“又一个新模型”监管开始决定谁能发布，资本开始决定谁能留在牌桌，而产品化正在决定 AI 最终进入谁的日常。最近一轮 AI 新闻更新中，行业没有出现一个足以单独“刷屏”的新模型，但几条消息放在一起看，反而更值得警惕。DeepMind 开始公开讨论前沿模型的统一审核机制；DeepSeek 被曝考虑紧接着启动新一轮融资；Apple 与 OpenAI 的硬件竞争进入商业秘密诉讼；AI 视频公司 PixVerse 用 4.39 亿美元融资押注互动娱乐；而最新 Agent 研究则把重点从“会不会操作”推进到“能不能可靠地做完”。今天真正发生的变化是：AI 竞争的主战场，正在从模型参数转向规则、资本、入口与执行可靠性。下面是今天最值得创作者和 AIGC 从业者关注的 5 个信号。01｜前沿模型，可能先过一次“统一安检”Google DeepMind CEO Demis Hassabis 提议，由美国牵头建立面向前沿 AI 的全球标准机构，参考金融业自律监管机制，为高能力模型制定发布前需要通过的安全测试和评估标准。为什么重要：模型发布正在从企业自己的产品决策，变成监管与技术标准共同决定的公共事件。 一旦统一审核机制成形，大模型公司比拼的不只是能力和速度，还包括谁能参与制定测试标准、解释安全边界。对创作者而言，这意味着模型能力、开放范围和发布时间可能越来越受政策影响；未来选择工具时，不能只看跑分，还要看它能否稳定、合规、持续地向公众开放。02｜DeepSeek，又在考虑融资Reuters 转引 Financial Times 报道，DeepSeek 在完成首轮约 70 亿美元融资约一个月后，正在考虑再次筹集资金；此前一轮融资后的估值约为 520 亿美元。目前这是媒体报道，并非 DeepSeek 正式官宣的新融资完成消息。为什么重要？因为“更低训练成本”和“更高模型效率”并不等于不需要重资本。数据中心、先进芯片、人才和全球化服务，都会把头部模型公司重新拉回算力军备竞赛。对国内 AI 创作者和创业者来说，DeepSeek 的下一阶段不只关系到模型升级，也关系到 API 价格、开源策略、商业化节奏，以及国产模型生态能否维持长期竞争力。03｜Apple 与 OpenAI 的硬件战，先打进了法庭Apple 已起诉 OpenAI，指控其在组建消费硬件团队的过程中不当获取商业秘密，并寻求禁令阻止相关信息被继续使用；OpenAI 回应称无意使用其他公司的商业秘密。这是诉讼中的指控，不是法院已经确认的事实。这起争议的重要性，不只在于谁挖走了谁的人。OpenAI 收购 io 后试图打造新的 AI 终端，而 Apple 掌握着全球最成熟的消费硬件生态，双方争夺的是“后手机时代”的第一入口。对内容创作者的影响也很直接：如果 AI 原生硬件的发布被拖…

转发者评论

无明显转发评论

原文

强烈需要一款 Agent 产品和技术领域的热点 Timeline。一忙起来，就会追丢很多信息。找了一圈，没找到特别合适的，这两天索性就手撸了一个：网页链接它聚合了几百个高可信信息源，从模型能力与研究、Agent 与软件重构、产品与商业验证、资本与公司演化等多个维度，对分散的信息进行强收敛，帮助快速了解行业全貌、关键变化和阶段性趋势。目前做了几轮抽样验证，信息呈现整体比较准确，关键判断都有对应信源和证据链支撑，置信度还不错。😄

转发者评论

厉害了//@Barret李靖:烧了 6 个 200 刀的 codex 周限流，Github 内容生产流水线也加好了，代码已开源：http://t.cn/AXKXs66g ，想增加信源可以提 PR，或自己 DIY，😄

• 厉害了//@Barret李靖:烧了 6 个 200 刀的 codex 周限流，Github 内容生产流水线也加好了，代码已开源：http://t.cn/AXKXs66g ，想增加信源可以提 PR，或自己 DIY，😄

原文

【Claude总结】 AI开发者日报 (2026-07-15)1. 【Thinking Machines 发布开放权重模型 Inkling】(来源: HN) Mira Murati 创立的 Thinking Machines 推出首个开放权重模型 Inkling。今日 HN 最热帖（634分），开放权重阵营再添重量级玩家。 thinkingmachines.ai/news/introducing-inkling/2. 【xAI 开源 Grok Build】(来源: HN) xAI 将其 AI 编程构建工具 Grok Build 开源，代码已上 GitHub。评论区争论激烈，焦点是它与 Claude Code、Codex 的竞争格局。 github.com/xai-org/grok-build3. 【13年前的老 Xeon 无 GPU 跑 Gemma 4 26B】(来源: HN) 作者在一台 13 年前的 Xeon 服务器上以每秒 5 token 运行 Gemma 4 26B，全程无 GPU。证明大内存老硬件也能本地跑大模型，引发廉价推理热议。 www.neomindlabs.com/2026/06/08/running-gemma-4-26b-at-5-tokens-sec-on-a-13-year-old-xeon-with-no-gpu/4. 【打造无所不能的 Agent Harness】(来源: HN) 长文探讨如何设计一个"什么都能干"的智能体 harness。Harness 正成为决定 agent 能力上限的关键层，164 分高热讨论。 eardatasci.github.io/c/ambiance/index.html5. 【呼吁政府与企业投资开源 AI】(来源: HN) David Siegel 撰文呼吁政府、企业和非营利组织投资免费开源 AI。核心论点：开源 AI 是公共基础设施，不应完全由商业公司主导。 www.siegelendowment.org/wp-content/uploads/2026/07/fortune-david-siegel-open-source-ai.pdf6. 【Brainless：Claude Code 风格的 Shadcn 组件库】(来源: HN) 一套模仿 Claude Code、Codex 和 Grok 界面风格的 Shadcn UI 组件。AI 产品的终端美学正在成为一种前端设计潮流。 brainless.swerdlow.dev7. 【为 Agent 设计 API】(来源: HN) 探讨 API 设计如何适配 AI agent 这类新消费者：错误信息要可自我修复、文档要内联可读。Agent 正在成为 API 的第一公民用户。 www.freestyle.sh/blog/opinion/designin…

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-07-16】今日简讯：1、DeepSeek V4正式版上线，推出峰谷分时定价机制2、7款手机端侧AI大模型完成备案，苹果Apple智能首次入列3、WAIC 2026即将开幕，展览面积与全球首发产品数创新高4、OpenAI首款可移动智能音箱曝光，苹果发起诉讼阻挠5、小米机器人在汽车工厂实战4个月，关键工站成功率逼近人类6、面壁智能与三星手机达成合作，端侧模型将搭载于旗舰机型以下为详细内容：1、DeepSeek V4正式版上线，推出峰谷分时定价机制来源：今日头条、网易新闻日期：2026年7月16日正文：7月15日，DeepSeek正式推出V4大模型，包含参数达1.6万亿的Pro版与2840亿参数的Flash版，采用进化版MoE架构，支持100万token上下文且推理速度提升85%。此次最具行业颠覆性的是引入“峰谷分时定价”机制——工作日高峰时段API价格翻倍，闲时维持原价，试图通过经济杠杆优化全球算力负载。同时，DeepSeek已启动新一轮融资洽谈，投前估值约710亿美元，资金将用于扩张国产算力基础设施。原文链接：网页链接2、7款手机端侧AI大模型完成备案，苹果Apple智能首次入列来源：今日头条日期：2026年7月16日正文：7月15日，网信办公告新增7款手机端侧生成式AI服务完成备案，包括苹果技术开发(上海)有限公司的“Apple智能”、华为小艺AI大模型、小米澎湃AI、三星盖乐世AI、OPPO AndesGPT、vivo蓝心端侧大模型以及努比亚豆包手机大模型。这是苹果在中国市场的AI服务首次获得备案许可。原文链接：网页链接3、WAIC 2026即将开幕，展览面积与全球首发产品数创新高来源：网易新闻、36氪日期：2026年7月16日正文：7月17日至20日，2026世界人工智能大会将在上海世博、张江、西岸三地四馆启幕。展览总面积首次突破10万平方米，1100余家企业参展，3000余项展品集中亮相，超300款产品全球首发。大会将集中展示108款芯片、261款大模型、208款具身智能终端，超300台真机亮相。图灵奖得主姚期智担任学术主席。原文链接：2026世界人工智能大会十大镇馆之宝公布，亮点速览4、OpenAI首款可移动智能音箱曝光，苹果发起诉讼阻挠来源：网易新闻日期：2026年7月16日正文：据彭博社报道，OpenAI计划推出一款可移动、无屏幕的智能音箱，作为面向AI时代的“家庭计算机”和AI伴侣。该设备配备摄像头及其他传感器，内置机械转动结构，可在家中不同房间移动，支持ChatGPT的GPT-Live全双工语音交互。该产品由前iPhone设计负责人Jony Ive团队协助开发。苹果已在加州起诉OpenAI，指控其通过招募超400名前苹果员工窃取商业机密，并申请禁令阻止相关技术落地。原文链接：梁文锋成AI圈新首富/OpenAI…

转发者评论

无明显转发评论

原文

AI时代的人才，我觉得最重要的六大特质。前几天我们发了一篇招聘的内容，没想到爆了，我自己都很诧异，我们的邮箱也爆了，我还激动的发了个朋友圈。。。然后随之而来的，就是各种各样的消息和提问。比如大厂的朋友也来找我推荐人，还有很多AI创业公司的朋友也是，问我有没有适合一起创业的人选。但是最多的，其实是学生群体，很多很多没有毕业的朋友们，问到我们这边实习需要什么样的经验，然后应届的朋友们，也在问我我们究竟招什么样的人，需要什么样的特质。一晃眼，马上又是一年毕业季了。我们自己确实名额有限，只招大概7、8个人，但是这一两年，因为自己也在创业，所以跟蛮多朋友（国内国外的大厂中厂创业公司等等都有）聊过不少关于招人的话题。所以我想了想，感觉还是可以给大家分享一下在我自己心里，什么样的人，是在AI时代，更容易被青睐的。叠个甲，都是我自己的一家之言，不成熟的经验，不一定对，但至少确实是我们真实在用的筛选标准。我把他们，总结成了六个特质：好奇心、靠谱、有事实洁癖、多元化思维、能忍受不确定性、低ego高自驱。没有一条的字面上有AI，但是每一条，又都跟AI，息息相关。一. 对世界有好奇心这是我觉得最重要的一条，我在无数的地方也说过这句话。这甚至是我们公司挂在墙上的slogan。也是我们招人的时候第一个看的东西。好奇心这个词听起来很虚，但是讲真的，它在AI时代的权重，我觉得无限大。原因很简单，AI时代，知识在加速贬值。我三年前写过一篇文章，说了一个概念，叫知识半衰期。也就是你的部分知识，大概会在多久过期。过去可能是十年，移动互联网时代，可能缩短到了两三年。但是在如今，在AI时代，你今天学的框架，半年以后可能就过时了，甚至有的时候，是3个月。就是这么的离谱。你敢想象吗，DeepSeek R1，其实只是25年初的东西，距离今天也只有一年左右，Claude Code出来也才一年，甚至我们一年半以前用的Runway、Midjourney、GPT-4o等等，听着都好像上个世纪的产物。在这种环境下，你过去积累的知识存量，其实在不断地缩水。唯一能对冲这种缩水的，就是持续学习的意愿。而持续学习的燃料，就是好奇心。乔布斯之前提过一本书，说对他影响很大，后来我也去读了，这本书对我影响也挺大的。它是，铃木俊隆的《禅者的初心》。在这本书的开篇之中，就有一段我认为超级经典的话。“In the beginner's mind there are many possibilities, but in the expert's there are few.”范骏老师翻译的这版我觉得翻译的最有神韵：初学者心中充满可能，行家却往往所见有限。在书中，他们说“你并不需要对禅有多么深刻的理解，即使你已经读了很多禅的书，也要用一颗新鲜的心去读每一句话。”一定要保持，初学者的状态。这就是禅修的关键。这句话放在AI时代，我真的觉得特…

转发者评论

总结的真好：对世界有好奇心/靠谱/有事实洁癖/多元化思维/能忍受不确定性/低ego高自驱

• 总结的真好：对世界有好奇心/靠谱/有事实洁癖/多元化思维/能忍受不确定性/低ego高自驱

原文

#微博视频号续航计划##ai创造营##微博vibelab# OpenAI第一款硬件，不是用来敲字的。Codex Micro，230美元。它和Work Louder联合打造，把Agent状态搬到了桌面上。按键背光会变色，告诉你Agent是在思考、运行还是在等你确认。摇杆用来触发代码审查、Debug这类常用工作流，还有专门的按键对应接受、拒绝、新建对话，旋钮甚至能直接调节模型的推理强度。支持蓝牙和USB-C，兼容Mac与Windows，带32颗可替换键帽。过去的键盘是让你操作计算机，现在你不再亲自写每一行代码，而是观察Agent的状态、分配任务、调整算力，然后决定接受还是拒绝结果。屏幕里跑着一群Agent，桌面上放着它们的调度台。这是OpenAI第一次把AI从屏幕里请到了桌面上。 张岱樾的微博视频

转发者评论

无明显转发评论

原文

【975B开源模型Inkling发布：用可控思考打破基准测试迷信】美国初创公司Thinking Machines发布首个开源权重模型Inkling。这是一个975B参数、41B激活的MoE模型，支持1M长上下文，原生支持文本、图像和音频。Inkling引入了可控思考设计，允许用户自行调节推理时的Token消耗。团队还在强化学习中发现，模型会自动压缩思维链以提升计算效率。大家讨论最深的是这背后的商业逻辑和真实手感。虽然跑分上没打过国内的GLM 5.2，但多模态表现和微调便利性还是让不少人想上手试试。至于开源权重公司怎么赚钱，有人觉得这是英伟达在买单以推广GPU生态，也有人觉得靠Tinker微调服务能走出一条路。不管怎样，多一个不被特定大厂锁定的开源选择，对开发者总归是好事。thinkingmachines.ai/news/introducing-inkling/ #人工智能##AI创造营##开源大模型##MoE#

转发者评论

无明显转发评论

原文

此前市场普遍以为伯克希尔重仓谷歌是接班人布局，知晓实为巴菲特亲自主导，更觉意味深远。巴菲特百亿资金布局Alphabet，恰好印证真正的价值投资，绝不会被过往持仓与固有赛道束缚。早年深耕消费、金融龙头，如今重仓AI互联网科技巨头，他一以贯之的底层逻辑从未改变：寻觅能够长期创造高额资本回报的伟大企业。长期主义从来不是固守单一赛道，而是秉持恒定的价值评判标准，捕捉每个时代最具成长力的核心优质资产。伯克希尔新旧管理层理念相通、决策协同，价值投资的内核代代传承，这份穿越产业周期的长久定力，值得每一位投资者深思学习。

转发者评论

无明显转发评论

• 回复@股道热肠也:[作揖]//@股道热肠也:与时俱进，还是抱残守缺，这是个生死存亡的大问题！
• [作揖][心][鲜花]//@巴米吃米:可能这就是投资天赋吧，但总在市场最不看好谷歌的时候做出买入决策并重仓持有，非常非常不容易。
• 都是伟大公司，谁先到都好！希望能实现！[作揖][鲜花]//@Roger爱开车:谷歌可能是比英伟达更容易成为10万亿市值？

原文

#苹果AI为何选择千问# 苹果选择千问，逻辑其实很简单。我觉得核心就两点。第一，是千问的全面性。在国产大模型里面，千问的综合能力是公认的第一梯队，文本理解、图像识别、代码生成、长文本处理，几乎每个方向都拿得出手。苹果要的是一个能撑起整套系统级 AI 体验的底座，不是某个单项冠军，而千问恰好是那个各科成绩都很能打的选手。第二，是千问的开源策略。千问是目前国内大模型里开源做得最彻底、生态也最活跃的。这一点对苹果来说可能比很多人想象的更重要。选择一个开源模型作为合作基础，意味着苹果对底层技术有更强的可审计性和掌控力，模型的行为逻辑是透明的，安全边界是可验证的。对于一家把隐私和安全刻进基因里的公司来说，这种透明度本身就是一种信任基础。说白了，千问既能打又开放，苹果既要能力又要掌控，两边的需求刚好对上了。

转发者评论

无明显转发评论

• 当然，苹果选择阿里，并不意味着阿里要起飞了。对苹果来说，千问更像是一个供应商的角色，提供底层能力，但品牌认知、用户关系、生态入口，全都还握在苹果自己手里。用户感知到的是 Apple 智能变聪明了，不会觉得自己在用千问。阿里拿到的是一张大订单，但拿不到用户心智。

原文

#微博声浪计划# #听见微博# 今日思考：本次日报选取的六条新闻，共同勾勒出当前AIGC产业在技术演进、商业落地与生态竞争上的几个关键动向。DeepSeek V4的“峰谷分时定价”是一个极具想象力的商业模式创新。它超越了传统的订阅或按量计费，首次将“时间维度”引入算力定价，试图用市场机制解决全球算力负载不均的行业级难题。这标志着大模型竞争已从单纯的参数比拼，深入到成本优化与基础设施运营效率的层面。若此模式被验证有效，可能引发全行业跟进，重新定义AI服务的成本结构。苹果Apple智能在中国获得备案，并同时与百度、阿里两大巨头合作，是其AI战略本地化的关键一步。这反映出两个现实：一是中国市场准入的严格性要求必须进行深度本地化适配；二是即便是苹果，也需要借助中国本土的顶级模型能力来快速补齐其在中文语境和复杂应用上的短板。此举将加速端侧AI能力在国内旗舰手机上的普及，并深刻影响应用开发者的生态选择。WAIC 2026的规...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

BaoCut：对创作者，省掉的是逐句抠字幕的时间。安装到 Claude Code / Codex 上，即可用自然语言驱动 BaoCut 这个 skill 剪辑 app 的命令行。适用场景：对于喜欢将国外的演讲搬到国内的朋友来说简直就是福音，用baocut把视频/youtube的url导入即可完成翻译转录，对于搬运侠来说省了不少事。对于做跨境电商的朋友也很有价值，多语言转录也很有价值。昨天介绍的三家接 agent 都走 MCP——ChatCut 给闭源编辑器外挂 MCP 插件、OpenCut 把 MCP 写进重写路线图、Palmier 原生 MCP。BaoCut 换了个更轻的姿势：把 app 自带的 baocut CLI 包成一个Skill，agent 直接跑命令cli：· baocut --json auto talk.mp4 --lang zh # 转写 → 润色 → 翻译，一条命令· baocut export --srt --translated --lang zhBaoCut 解决的问题很垂直很精准：口播视频的转写、加字幕、翻译字幕、说话人复核、清理 talking-head、导出——这些正是知识博主/口播号最费时的机械活。以前逐句对字幕、手动翻译的活，现在跟 Claude Code 说句人话就跑完了。我测试baocut使用了下，字幕识别转录上，要比剪映的自动字幕识别要好，帮我把相关的语气词拿掉了、很多重复的语句也直接剪掉了，也可以直接将字幕翻译为十几种其他语言。github：网页链接#BaoCut##AI剪辑3 #字幕翻译3 #ClaudeCode##AgentSkill#

转发者评论

无明显转发评论

原文

AI 用得多，不等于你会用。Anthropic 新做了一个使用反思功能，可以回看过去1、3、6或12个月的 Claude 对话，还会按4个维度看你怎么和 AI 合作。它比单纯统计使用时长有用：该复盘的是你把什么交了出去。委派要看目标由谁定，这件事该不该交给 AI。官方甚至会问：「有什么事即使 Claude 做得更快，你仍想自己完成？」效率不是唯一标准。有些判断一旦外包，人会慢慢忘记自己为什么这样选。描述要交代目标、背景和限制，不能只丢一句「帮我优化」。提示词不必写得漂亮，但要让对方知道什么算完成、哪些东西不能碰。辨别要有依据。一份报告看着顺，引用、数字和推理仍可能出错。可以留一个朴素的问题：我核过哪一处关键证据？如果答案是「没有」，那只是读过，还没验过。尽责要问最后由谁承担，使用过程有没有越过权限和隐私要求。AI 可以起草、整理、比较，人仍要对发出去的邮件、签下的文件和做出的决定负责。4D 更像一张责任分配表。复盘时不必把4项凑成一个总分。每项写一个上个月的真实任务更有用：哪次委派省了时间，哪次描述不清导致返工，哪份输出经过证据核验，哪个结果最后由你签字。更要留意不平衡：委派越来越多，辨别却一直没有证据，风险就在积累。这套复盘可以每月做一次：下个月继续交给 AI 什么，哪些判断要收回来，哪类输出要增加核验。用 DeepSeek、Kimi 或其他工具，同样能问这4组问题。仪表盘能显示行为，无法替你判断什么样的生活和工作才算好。AI 熟练度里有一种分寸感：哪些可以交出去，哪些必须自己守着。使用次数看不出这一点。#马力的AI知识分享#

转发者评论

无明显转发评论

原文

如果你刚弄懂提示工程、上下文工程和 Harness 工程，现在又看到“循环工程（Loop Engineering）”这个新词，Caleb Writes Code 这期视频会用 8 分钟帮你理清它到底是什么。视频通过 ChatGPT、Claude Code 和 Codex 的实际例子，逐层解释 AI 智能体能力是如何扩展的：提示工程负责告诉 AI 做什么；上下文工程让 AI 主动调用工具、获取外部信息；Harness 工程帮助 AI 拆解和完成超出单次上下文的长期任务；循环工程则再向前一步，让智能体不必等待人类反复下指令，而是能够定期检查状态、自主发现任务、执行更新并修复问题。看完你会获得一套清晰的判断框架，理解自动化、工作流、技能、插件与连接器、子智能体和状态管理，如何共同组成持续运行的智能体系统。你也会看到，循环工程目前仍带有一定的理论和流行词色彩，但它代表了一个值得关注的方向：AI 正从“回答一次问题”，走向“持续负责一项工作”。视频地址：www.youtube.com/watch?v=4biXYSNkn9Y 宝玉xp的微博视频

转发者评论

//@CC女士不是西西:这个讲解非常简单清晰易懂，收藏学习

• //@CC女士不是西西:这个讲解非常简单清晰易懂，收藏学习

原文

#企业用大模型 出卖核心机密# 私有化部署不是买个开源模型扔到内网就完事了，那叫“把风险从云端搬到机房”。默认配置不改、鉴权不设、日志不查，最后发现敏感数据被境外IP下载了一个月，这种事每年都在发生。真正的安全闭环需要三层防护：模型层面限制权限，数据层面物理隔离，使用层面全程审计。但大部分企业只做到了第一步，就开始宣传“我们用的是私有化方案”，这种自我安慰比直接用公有云API还危险——至少后者你知道数据出去了，前者你以为安全其实在裸奔。 企业用大模型 出卖核心机密

转发者评论

无明显转发评论

原文

【开源是真诚分享，还是偷跑数据后的危机公关？】xAI开源了其终端编码智能体Grok Build的Rust代码。在此之前，该工具因被曝默认上传用户本地代码和敏感环境文件引发轩然大波，官方随后紧急终止了上传。与此同时，不少付费用户也反映其使用配额正被暗中削减。危机发生后选择开源，常被视为挽回开发者信任的战术动作。支持者认为这提供了审计代码的可能，但质疑者指出，其庞大的代码量存在冗余，且已上传的历史数据是否彻底销毁依然缺乏第三方审计。这暴露了商业AI工具在激进获取训练数据与保护用户隐私之间的冲突，开发者需自行权衡便利与资产安全。github.com/xai-org/grok-build #人工智能##AI创造营##数据安全##开源#

转发者评论

无明显转发评论

原文

GLM5.2模型后训练时用了一种新的强化学习算法：SAO（Single-Rollout Asynchronous Optimization，单轨迹异步优化），不是传统的GRPO。 现在该算法的论文已经发布，在：arxiv.org/abs/2607.07508@唐杰THU 老师也是论文作者之一。“强化学习在大语言模型的后训练阶段正变得越来越重要。以往用于大语言模型的强化学习流程大多采用同步、分批交替的方式，但这种方法在长时程的智能体任务中效率较低。近年来，异步强化学习逐渐成为一种更高效的替代方案，它可以在轨迹数据陆续生成后立即更新模型。然而，现有异步强化学习系统往往更关注吞吐效率，而对训练稳定性和实际任务效果的研究仍不充分。例如，广泛使用的 GRPO 框架依赖分组采样，但这种方式并不天然适合异步智能体训练。本文提出了单轨迹异步优化方法（Single-Rollout Asynchronous Optimization，SAO），用于解决异步强化学习中的训练稳定性和离策略问题。为了减轻离策略影响并提升泛化能力，我们用单轨迹采样取代分组采样，即每个提示词只生成一条轨迹。我们还通过一系列实用的价值模型训练设计，进一步提升单轨迹策略的效果。为增强优化稳定性，我们提出了一种严格的双侧、token 级裁剪方法。SAO 能够稳定训练约一千个步骤，并在智能体编程和推理基准上持续优于 GRPO 及其变体，包括 SWE-Bench Verified、BeyondAIME 和 IMOAnswerBench。我们还证明，在模拟在线学习场景中，当模型需要适应不断变化的环境时，单轨迹强化学习尤其有效。最终，SAO 已被成功应用于开放模型 GLM-5.2（750B-A40B）的智能体强化学习训练流程中。”

转发者评论

无明显转发评论

原文

【大模型写代码时的潜意识预判】新论文《Latent Programming Horizons in Coding Agents》指出，通过探测Coding Agent的内部隐状态，研究人员发现它能提前预测未来约25步的修改结果，比如代码是否报错、能否通过测试。这种在代码实际写入前就表现出的预判能力，被研究者称为隐性编程视界。尽管有人视其为大模型具备推理能力的证据，但更理性的解释是这属于增量信念建立。大模型在输入上下文时，自然会对未来的状态走向产生统计学上的倾向。它的真正价值不在于玄学概念上的思维，而在于工程实用性：如果能提前读出智能体走向失败的趋势，就可以让它提前回溯，避免在死胡同里浪费Token。 arxiv.org/abs/2607.05188 #人工智能##AI创造营##智能体##软件工程#

转发者评论

无明显转发评论

原文

有意思，一个专门训练Agent（为其提供环境模拟反馈）的Agent。🤔Qwen-AgentWorld：把工具环境模拟训练进语言模型的 Agent 世界模型Qwen-AgentWorld 是 Qwen 发布的 language world model：它接收 agent 的动作，预测环境下一步会返回什么。覆盖 MCP、搜索、终端、SWE、Android、Web、OS 七类交互域，因此可以用来模拟工具调用、浏览器操作或软件工程任务中的环境反馈。公开的 35B-A3B 版本是 MoE 模型，35B 总参数、每 token 激活 3B、256K context。训练分 CPT、SFT、RL 三阶段，项目称使用了超过一千万条真实交互轨迹；同时发布 AgentWorldBench，以格式、事实性、一致性、真实感和质量五项衡量模拟结果。它的用途不只是做 benchmark：可在虚构或被扰动的环境里训练 agent，提前暴露工具理解和决策缺陷。README 报告中，基于其做 Sim RL 的 Qwen3.5-35B-A3B 在多个工具调用基准上有提升；这些是项目方在自身评测设定下的结果，外部复现仍需时间。部署并不轻，示例用 SGLang/vLLM 且 tensor-parallel-size=4。模型与 benchmark 都采用 Apache-2.0。🔗 链接：网页链接📄 技术报告：网页链接🤗 模型：网页链接🤗 基准：网页链接#HOW I AI# #ai生活指南# #AI工具#

转发者评论

无明显转发评论

原文

【#曝百度为苹果提供AI搜索功能#】7 月 15 日消息，据科创板日报消息，知情人士透露，苹果与百度将合作，为中国 iPhone 用户开发人工智能功能。百度重点开发一种基于人工智能的搜索功能，作为“苹果智能”功能套件的一部分，能够处理图像和文本，并升级为中国版的 Siri 语音助手。而据证券时报报道，阿里巴巴表示，阿里千问将作为 AI 能力集成至 Apple 智能，为 iOS、iPadOS、macOS 和 visionOS 的中国用户带来智能体验。用户无需在应用间切换，即可在 Apple 设备上直接体验千问的文本与图像理解、内容生成等能力。据IT之家此前报道，“网信中国”公众号今日发布 7 款提供手机端侧生成式人工智能服务已备案信息的公告，其中苹果技术开发（上海）有限公司的“Apple 智能”大模型已于 2026 年 7 月 8 日备案，适用场景为苹果手机。

转发者评论

原来苹果是同时接了阿里和百度

• 原来苹果是同时接了阿里和百度

原文

梁文锋成为世界最富有AI企业创始人彭博亿万富豪指数显示，梁文锋目前的净值达360亿元美元，较之前167亿美元增加逾倍，由此排在Anthropic PBC联合创始人阿莫迪（ Dario Amodei）和OpenAI联合创办人布罗克曼（Greg Brockman）之上。公开资料显示，梁文锋1985年生于中国广东省湛江市，毕业于浙江大学， 拥有信息与电子工程学系学士和硕士学位。2015年，梁文锋联合创立了中国头部量化私募基金幻方量化，运用人工智能和数学模型在量化交易领域取得巨大成功，成为中国量化投资的领军人物之一。

转发者评论

知识改变命运！靠自己的努力和才华创造出的奇迹，值得肯定👍，但看评论区“嫉妒”、“嫉恨”的人太多了

• 知识改变命运！靠自己的努力和才华创造出的奇迹，值得肯定👍，但看评论区“嫉妒”、“嫉恨”的人太多了

原文

Anthropic 正在测试人形机器人。其最新研究“Claude Plays Robotics”展示了 Claude 如何控制真实机器人——包括 Unitree G1 人形机器人和 Unitree Go2 四足机器人——涵盖了从底层力矩控制到高层 VLA（视觉-语言-动作）监督的各种控制接口。测试结果如下：>Go2 凭借预训练策略实现了稳定的平衡、行走和基本导航。>G1 的控制难度依然很大，但尽管面临底层控制方面的挑战，其平衡能力已显著提升。>较新的 Claude 模型（如 Opus 4.6/4.7、Mythos Preview）在抓取和物体操作等高层任务中表现出色；而在底层控制方面的差距也在迅速缩小。这项工作建立在“Project Fetch”第二阶段的基础上。Anthropic 这样一家以安全为核心的公司积极在真实硬件上进行基准测试，表明具身智能（Embodied AI）已成为其技术路线图的核心。与此同时，几乎所有主流大语言模型（LLM）厂商都在进军具身智能领域：Google (Gemini robotics)OpenAI (人形机器人实验室)阿里巴巴 (Qwen-Robot 系列)Mistral AI (Robostral Navigate-VLA)字节跳动 (Seed-GR3/GR-RL、ByteDexter 机械手)……大模型公司集体竞逐具身智能的时代已经真正到来。

转发者评论

[doge][馋嘴]

• [doge][馋嘴]

原文

这周 X 上有三条跟本地模型相关的消息，值得单独拿出来说一下。一、MOSS-VL-Realtime：开源实时视频理解 VLM二、Bonsai 27B：第一个能在手机上跑的 27B 模型三、1-bit Hy3 量化版：295B 模型单卡就能跑***### MOSS-VL-Realtime它是什么：OpenMOSS 开源了一个 11B 参数的实时视频理解 VLM，Apache 2.0，256k 上下文。在连续视频流中，用户可以随时提问，模型只在有足够信心时才回答，不确定的部分保持沉默。以前为什么做不到：视频理解要么走云端 API 按分钟计费（比如 GPT-4o 的视频理解），要么用本地模型但精度和上下文长度都不够用。尤其是「实时流式」这个场景——之前的开源 VLM 基本都要求看完完整视频才能回答，做不到一边看一边回答。现在能用到哪：部署在单卡 GPU 上就能跑。可以接直播流做实时商品识别和弹窗、接录屏做 agent 操作回放的自动化分析、接智能摄像头做事件摘要。256k 上下文意味着不用切片段，数十分钟的视频一次性处理。需要注意什么：11B 参数在消费级显卡（3090/4090）上跑推理没问题，但要跑实时视频流，推荐至少 24GB 显存。中文和英文都支持，但 benchmark 主要基于英文数据集，中文场景的精度建议自己先测一下。### Bonsai 27B它是什么：PrismML 发布的 27B 多模态模型，基于 Qwen3.6 27B，经过三元量化（1.71 bit/weight）压缩到约 5.9GB，1-bit 版压缩到 3.9GB，可以在手机上直接运行。支持多步推理、结构化工具调用和长上下文。以前为什么做不到：手机上跑本地模型一直在 1-3B 的量级徘徊——能做的事很有限：翻译、分类、简单文本补全。3B 以下模型的推理和工具调用能力不够稳定，做不了复杂的 agent 任务。27B 是一个量级的跨越：只比 3B 大 9 倍，但能力曲线不是线性的——27B 才能稳定做多步推理和结构化 tool use。现在能用到哪：App 端可以内置一个离线 agent 内核——用户不需要联网、不需要账号、不需要按 token 付费，就能在本地完成多步推理。对隐私敏感的场景（医疗咨询、财务分析、法律文档）和网络不稳定场景（海外旅行、偏远地区）来说，产品逻辑可以完全不同。需要注意什么：虽然模型压缩到了 3.9GB，但手机端的推理速度取决于芯片——目前测试数据有限，建议先在旗舰芯片（Snapdragon 8 Gen 3 以上、Apple A17 Pro 以上）上验证延迟。另外三元量化和 1-bit 量化在复杂数学推理上相比原精度有 5-10% 的精度损失，非关键场景够用，但涉及精确计算的场景建议保留云端 Fallback。### 1-bit Hy3 量化版它是什么：Tence…

转发者评论

无明显转发评论

原文

【两百美金的快捷键盘：OpenAI联名硬件是工具还是周边？】OpenAI合作推出售价230美元的实体键盘Codex Micro。设备配有调节模型推理能力的旋钮和调试摇杆，能用RGB灯效展示Agent状态。尴尬的是，其对应的Codex品牌发布时已被整合进ChatGPT，硬件也是旧款换壳。有人认为这预示着未来，编程正简化为“接受”与“拒绝”的按键操作；也有人指出，便宜得多的Stream Deck能做同样的事。这更像是一件极客周边，比起生产力，它更侧重于通过物理存在感来建立认同，并暗示你多消耗Token。openai.com/zh-Hans-CN/supply/co-lab/work-louder/ #人工智能##AI创造营##智能硬件##人机交互#

转发者评论

无明显转发评论

原文

【AI能算对概率，但算不出你为什么迷茫】大语言模型普及后，知乎上关于“AI时代为何还要在社区提问”的讨论引发关注。AI虽然能通过大模型在几秒内给出严密客观的标准答案，但用户依然选择在知乎看普通人吵架、吐槽和分享失败经验。核心差异在于，AI提供的是基于语料平均值的高概率结果，而社区承载的是具体的人在复杂现实中决策的真实路径。这不仅是人情味的问题，而是两种信息沉淀机制的碰撞。AI对话通常是一次性的，难以形成公共记忆；而社区是通过偏见、共振甚至争论，来创造非共识的知识资产。人类真正需要的往往不是完美的终点，而是看到另一个活生生的人如何从不确定性中挣扎出来。比起流水线生产的正确答案，带有个人烙印的思维路径和提问能力，才是这个时代更具迁移价值的资产。 zhihu.com/question/2012108461215868427 #人工智能##AI创造营##大语言模型##内容社区##知识共享#

转发者评论

无明显转发评论

原文

我自己很少使用 MCP，主要是这方面需求比较少。管理员是 Anki 重度用户，卡片有将近十万张。没 AI 的时候管理员就有的需求是“美化模板”。有 AI 后我也试过教管理员用 AI chat 然后复制粘贴的办法来修改模板。晚上让管理员自己操作开启 Anki 的 MCP 服务并接入 Hermes，之后陪着她做了很多尝试，因为技能开放比较多，需求实现起来几乎没有什么障碍。以后很多需求都是一句话的事情了。————不过我观察到管理员在描述需求的时候会“过于详细”，管理员说的是“不放心”“怕做错”。那些“过于详细”的提示词我都没让她发，全替换成我说的简易版本。管理员每次都是“这真的能行吗？你不用说详细一点？”我说：包可以的。“过于详细”对模型来说不是什么问题，毕竟累的是自己。但长期来看，我觉得属于摸不清模型能力边界的体现之一，并且可能会错过所谓的“最佳实现”。我会有意识地让自己的提示词足够精炼且准确，并留给模型一些可预见的、受控的发挥空间。“过于详细”就像以前我工作安排任务给别人的时候，总希望足够详细和准确，以至于还不如自己直接做了算。“精炼且准确”的表达可能会更加高效率。如果我有把握发一个问号就能引导模型下一步行动，那我就会只发一个问号。

转发者评论

无明显转发评论

原文

全尺寸人形机器人长程移动操作能力迎来重大突破！逐际动力发布了一次全球屈指可数的完整实录：无遥操，无剪辑，一镜到底，全尺寸人形机器人 Oli，不间断干完一屋子家务。这是继 Figure 之后，全球唯二，中国首个，能全自主完成长程移动操作家庭任务的全尺寸人形机器人。逐际动力正式发布人形大脑系统 LimX COSA 0.5 版本。COSA 由三层架构组成——System 2 是认知层、System 1 是技能层、System 0 是运控层，三层协同，把认知、记忆、调度、技能与全身运控组织成一个整体，是真正跑在物理世界里的智能系统。在人形大脑系统的调度下，人形 VLA 能力全面提升。过去一年，具身智能行业最热的叙事围绕模型展开——端到端模型越做越大，VLA 参数量不断刷新，资本和关注都涌向「谁的模型更强」。逐际动力创始人张巍的判断截然不同：纯大模型就像躺在病床上的霍金——极其聪明，具备强大的思考、决策、认知能力，但无法自主行动。这次 COSA 0.5 的发布抛出一个行业反共识：模型只是技能，系统才是大脑。Figure 把端到端模型做分层，Skild AI 用一个通用模型控制所有机器人，大量创业公司把 VLA 当大脑——回答的都是同一个问题：如何造出更强的技能。逐际动力回答的是另一个问题：如何把能力组织成一个能在真实身体上运转的系统。聪明的人形大脑系统如何让 Oli 在非结构化的家庭场景连续不断地执行任务？我们看视频说话。

转发者评论

无明显转发评论

原文

#不建议大家辞职去做自媒体#自媒体最好是兼职做，因为自媒体收入不稳定，有个主业保障收入，做自媒体就不容易焦虑，最好是主业能给自媒体提供素材的那种。主业提供不了素材，那就做兴趣爱好。我有个朋友平时喜欢看抗日神剧，你还别说，他做了个二战题材自媒体，尊重历史，没有胡编乱造，各种影视混剪做的不错，不仅播放量收益还有商单接。就是某二手平台的广告。现在有了ai，他玩得炉火纯青，用ai还原太平洋战争几场战役，开头就是大批量消灭日本鬼子，视频播放量那是相当好。

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《用n8n搭建能“干活”的AI智能体（零基础，实战版）——普通人的智能体入门书》，截 7 月 20 日，转发+评论+点赞 此微博并关注 @网路冷眼 赢取。n8n 是一个开源的自动化工作流平台，它能像一条数字流水线一样，把你日常工作中的各种软件和服务串联起来，让它们自动配合着完成任务：定时抓取数据、AI 分析判断、自动分发通知、跨平台同步……你只需要在最开始把流程搭好，之后它就能 7×24 小时不知疲倦地运行。本书以“理论+实战”的形式，围绕 10个 来自真实场景的自动化项目，系统讲解 n8n 的使用方法。适合零基础读者学习和使用，不需要会编程，所有实战项目均提供完整搭建步骤和配置细节，可直接复用或稍作修改适配自身需求。

转发者评论

无明显转发评论

原文

最近体验了一下豆包专业版，有一说一，我感觉还是非常好用的。豆包目前全面上线了“办公任务模式”，在底部菜单可以切换选项从“快速、思考、专家”变更为“快速、专家、办公任务”，思考模式整合进专家模式和办公任务模式。（见图一）办公任务模式基于最新的豆包2.1系列大模型，能够为专业用户处理复杂任务。这个模式支持操作本地电脑、使用浏览器、调用Skills技能和定时任务等能力，完整集成了飞书办公套件，并支持专业图片视频设计，和生成分享应用网站。换句话讲，就是在办公任务模式下，不是简单的回答问题而是可以理解工作目标，自主拆解任务，并调用本地电脑、文档、表格、网页等工具持续执行完成任务。用今年流行的话说，就是办公任务模式下的豆包是一个可以干活的Agent了。我给大家演示两个案例，一个是我自己平时做自媒体的工作流 skill 的案例，另外一个就是办公任务模式下的PPT制作案例。看完，大家就会感受到豆包专业版的强大。1、LLM-WIKI skill知识库工作流在办公任务模式下，支持自建和导入skill的功能，我看它能自动识别你电脑里的全局安装在agent目录下的skill 。所以，如果想导入自己制作的skill就可以放到这里。（见图二）我就把我自己之前制作的lm-wiki知识库skill放到这里了，就可以直接使用了。我这个skill其实相当复杂，需要建立依赖链和索引，同时拆分知识节点，最后可以融合写作和生成发芽报告，但是，我看执行效果和效率都很好。比如，调用llm-wiki skill之后，把内容扔进去，很快就把索引、依赖链和节点都创建好了，速度很快。（见图三）我扔进去很多文章之后，说「生成发芽报告」，给我制作的发芽报告效果也相当好。（见图四和图五）发芽报告是基于每天存储的文章和拆分的知识节点，重新碰撞写出来的新的观点和文章。看看怎么样？这是一个会生长的知识库。2、Loop Engineering PPT制作比如，作为一个AI博主，要去一个沙龙活动做一个关于Loop Engineering的主题演讲，我就是用豆包制作的PPT。我直接说：请帮我制作一份关于Loop Engineering的 PPT文档，我要去一个沙龙活动演讲。制作过程见图六。因为豆包2.1系列大模型能够处理复杂任务，所以，它就会自动搜索相关知识制作PPT ，而且在办公任务模式生成PPT后，它是内置在线编辑：一键统一字体、自动匹配数据图表、批量插入动态示意图；可直接联动飞书文档同步修改，不用导出本地反复调整，可以说非常方便了。制作效果（见图七）。大家可以看看，这可不是什么网页或者简单的图片，这是真的可以编辑和修改的PPT文档，而且制作的PPT效果超级好看。（见图八和图九）不得不说，豆包专业版的办公任务模式确实非常nice，专业版主打的办公任务模式，以Agent 为核心，支持本地电脑操作、浏览器操控、应用生成、Off…

转发者评论

无明显转发评论

原文

昨晚和两位在全球寻找基金经理的老外聊天，非常有意思，他们对美股不太看好，已留存了20%的现金，是他们家族办公室有史以来最高的现金比例，他们认为美股高估了，而且认为经济会衰退。我说目前的数据看美国的就业率非常高，他们说看两年后……反而，他们对中国市场非常看好，包括高科技制裁也认为“美国会搬起石头砸自己的脚”，中国会自力更生走出一条新路……两个老外是犹太人，他们说他们喜欢在“血流成河”的时候把自己的血也放进去，过去08年金融危机、巴西金融市场崩溃时都进去赚过大钱，但有两个国家，俄罗斯与委内瑞拉不碰，最近对土耳其市场有兴趣……其中一个88年到过深圳，今年又来，看到深圳的今天，惊得目瞪口呆！给了一个很夸张的表情！我说我前些天去了纽约、意大利，回来从深圳机场飞北京，在空中能感受到中国取得的非凡成就，希望这一切能延续……他们目前在中国的配置有10%，认为越不好时越有机会，跟我讨论了几个中国公司，对某公司的翻译软件印象特别好，比google的好，就是估值太高……不过过去他们没有进行汇率对冲，今年做了对冲。他们目前在中国选了一个投资人，2019年开始，到2021年赚了200%，但过去两年回撤40%—50%，但他们依然看好，他们会穿透底层看投资人到底投的什么企业，还会和投资人一起去拜访企业……他们选投资人不拘一格，也对东方港湾的留信非常感兴趣，想投资，我说很遗憾，留信现在的基金是关闭状态，不接投资者的钱，我可以回去问问。他们说，他们在亚太地区走了一圈，见的每一位基金经理都非常看好AI，看好微软、英伟达等，他们特别强调了一点，是见到的每一个基金经理。他们认为，通常，这意味着风险……我和他们交流如图看到的数据，他们说确实美国本土的基金经理是有所保留。他们认为美国经济未来几年会出现衰退……我了解的情况是美国基金目前的仓位，46%，空仓+多仓，还是非常的低。全球基金经理对市场看好的情绪还处在非常悲观位置……非常有意思……

转发者评论

感谢你翻看这些过往的微博，回顾这些记录，非常有意思！[作揖][鲜花]//@牛毛V5:站在2026年7月15日三年后今天，看但总的交流意见，非常正确！两个犹太人观点错了！

• 感谢你翻看这些过往的微博，回顾这些记录，非常有意思！[作揖][鲜花]//@牛毛V5:站在2026年7月15日三年后今天，看但总的交流意见，非常正确！两个犹太人观点错了！

原文

Baseten公司的ali，介绍了他们的大模型量化方法。经过他们量化的GLM5.2，吞吐量比nvidia量化的版本提升了20%，质量可能还更好。具体论文在这里：arxiv.org/abs/2607.12266------------接下来的两分钟里，我会带你了解：为什么几乎所有 AI 公司，包括英伟达，都在没有必要地牺牲模型智能、速度，甚至两者同时牺牲……以及我们是如何解决这个问题的。一句话总结：* error（层 A）+ error（层 B）< 仅有 error（层 A）* 只要你知道该量化哪些层，量化模型中更多的部分，反而可能得到质量相同、甚至质量更高的模型。我们以 GLM-5.2 的架构为例。Token 在模型中会依次经过：1）归一化2）注意力3）归一化4）MoE以上过程重复 78 次。MoE：> 本质上就是一个大型 MLP，只不过被拆分成了 257 个彼此独立的小型 MLP，也就是专家。> 其中 8 个专家由路由器选中，另有 1 个共享专家；因此，每次实际激活的 MLP 只占总量的 3.5%。于是我们会想：那就让矩阵乘法变得更快吧。我们把这些矩阵量化成 NVFP4。但问题是，究竟该量化什么？是量化全部 257 个专家，还是量化注意力投影，还是两者都量化？英伟达以及几乎所有其他量化方案，最终都采用了一种看起来相当符合直觉的做法：> a）每一层只有一个路由器、一个共享专家和一个输出投影。> b）每一个 Token 都会经过这些组件，所以它们一定非常重要；如果对它们进行量化，误差就会随着输入 Token 数量的增加而不断累积。> c）因此，共享专家和投影层应当保持未量化。> d）我们只量化 256 个路由专家。这实际上就是英伟达的 GLM-5.2-NVFP4 所采用的方案。符合直觉。容易理解。但它是错的。从实验结果来看：假设一个模型先通过层 A 处理输入，再通过层 B 处理输入，那么，同时量化层 A 和层 B 的方案，完全有可能优于只量化其中一层的方案。举个例子，我们的配置会量化注意力模块中的全部输出投影，也就是 78 个输出投影；同时还会量化 78 个共享专家中的 43 个。英伟达对这些部分一个都不量化。我们的基准测试得分与英伟达相同，也就是说模型质量相同。但我们的吞吐量白白提高了 20%。至于数学证明，就留给读者在论文里自行完成了……

转发者评论

无明显转发评论

原文

可以让 Ai 帮投简历找工作了？AI Job Search：把 Claude Code 变成可追踪、可审阅的求职工作流这是一个可以直接 fork 的 Claude Code 求职框架。它把求职拆成一套本地文件驱动的工作流：/setup → /scrape → /rank → /apply → /interview → /outcome- /setup：从 CV、LinkedIn 导出、学历、作品集、历史申请材料，或一轮访谈中建立候选人档案；- /scrape：搜索职位；- /rank：对职位批量匹配评分，给出短名单、优势、缺口与截止日期；- /apply：对指定职位评估匹配度，生成定制 CV 和求职信；- /interview：基于该职位、已投 CV、过往面试反馈做面试准备与模拟；- /outcome：记录 offer、拒信、面试阶段或沉默，把真实结果重新写回档案，校准后续判断。它比“生成一封求职信”的工具多了几个关键约束：1. Drafter / Reviewer 分离一个 agent 写 CV 和求职信，另一个独立 agent 研究公司、审稿并指出泛化表述或遗漏，之后再修订。2. PDF 与 ATS 双重验证CV 用 lualatex、求职信用 xelatex 编译；流程会检查页数、孤立标题、字体和签名位置。随后用 pdftotext 审查 PDF 的真实文本层，确认 ATS 能读到联系方式、合理的阅读顺序和关键词。3. 不虚构经历职位关键词会和个人档案核对。确有技能缺口时保留缺口，不把关键词硬塞进 CV。4. 把求职当成研究循环/expand 从公开作品、GitHub、论文或课程资料中补足已有能力；/upskill 从持续收集的岗位需求里生成技能缺口热力图与学习计划；/add-portal 可为本地招聘网站生成新的搜索 skill。默认的职位门户偏向丹麦市场。项目也提供 LinkedIn 公开职位搜索和 freehire.dev 的多市场技术岗位聚合；README 明确提醒，LinkedIn 的自动化访问违反其服务条款，只适合低频个人使用。其他国家/地区更合理的路径是自己用 /add-portal 做适配。技术上需要 Claude Code、Python 3.10+、Bun 和 LaTeX 环境；MIT 许可。它的价值不在于批量自动投递，而在于让每一份申请、每一次反馈、每一条市场信号都能回到同一个可迭代的职业决策系统里。🔗 链接：网页链接（项目）📄 详细配置：网页链接（配置）💬 社区适配项目：网页链接（讨论）#HOW I AI# #ai生活指南# #效率工具#

转发者评论

无明显转发评论

原文

GPT-Live 的新语音模型把人机交互的流畅度又上了一个台阶。OpenAI 的测试了一个非常极端的行程规划，要求在一天之内去东京吃早餐，迪拜吃午餐，最后去夏威夷吃晚餐。在交流过程中，用户不断打断并询问各个城市的特色美食，模型一边自然地推荐着日本玉子烧和迪拜特色米饭，一边在后台默默计算着复杂的航班和时区跨度。最后它不仅解答了所有美食问题，还算出了因为夏威夷比东京晚了 19 个小时，这个疯狂的行程在理论上确实可行。这种多任务协同能力非常惊艳。我们不需要像以前那样等待一个任务结束再下达下一个指令，它可以在保持对话连贯性的同时，在后台把复杂的逻辑和计算全部处理好。这种无缝的陪伴感和高效率，让 AI 真正开始像一个随时待命的超人朋友。#GPTLive##AI语音助手# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

#世界杯锦鲤预测西班牙将夺冠##重庆贴砖哥的锦鲤buff还在叠加##世界杯预测人机大战#咪咕节目连线重庆“贴砖小哥”，这位曾碾压多款AI模型的预测大神，再次放出狠话：**本届世界杯冠军必是西班牙！**🔥这位“超强锦鲤”此前战绩逆天——32强完整名单精准命中31个，预测准确率断层领先AI模型！从小组赛到淘汰赛，他的预判如同“开了天眼”。如今，buff叠加至决赛：西班牙一路稳扎稳打，战术精妙+状态火热，双重加持下，小哥的预言可信度直接拉满！💯对比AI的冰冷数据，小哥的“神秘直觉”更显魔力。他直言：“西班牙的控场力与锋线爆发力，就是冠军相！” 而赛场表现印证一切：斗牛士军团攻守兼备，淘汰赛连克强敌，气势如虹。决赛在即，全网静待预言落地！是人脑智慧再胜算法，还是AI反杀？锁定赛场，见证奇迹时刻！🎯✨你觉得小哥能神预言成功吗？快转发评论，一起押宝！🎯

转发者评论

无明显转发评论

原文

本条是史诗大片《奥德赛》的事，诺兰也算大家耳熟能详的大导了。这电影其实我关注的挺早，但一看宣发就很劝退，我以为又是拍了个豹头环眼喝断当阳桥的海伦的那种充斥着政治正确恶臭的电影呢，这真不能怪我啊，你看看宣传海报，新闻剧照都是些啥？不是，国内宣发是出品方欠你们工资了吗‘？从图7开始的剧照你们是一张都不发啊！诺兰的《奥德赛》已于2026年7月6日在伦敦举行全球首映礼，7月17日北美上映，8月14日国内上映。影片由马特·达蒙、赞达亚、汤姆·赫兰德、安妮·海瑟薇、罗伯特·帕丁森、查理兹·塞隆等主演，采用IMAX胶片实拍，是目前全球最受关注的史诗巨制之一。就冲图7-图12，这电影我一定看！

转发者评论

看评论说后面那些是AI。前面这几张可是真毒，不但有黑海伦毒，还有赞达雅毒。大佬们看中了谁，谁就必须红，资源全往谁那里倒，哪里都看得见她。以前诺兰是少数可以光凭名字卖票的，现在看来也不行了//@无穷的探索2:[笑哈哈][污]//@洗脚池的NEO:干！这得批判性地去看了！IMAX安排，不能放过任何一个细节

• 看评论说后面那些是AI。前面这几张可是真毒，不但有黑海伦毒，还有赞达雅毒。大佬们看中了谁，谁就必须红，资源全往谁那里倒，哪里都看得见她。以前诺兰是少数可以光凭名字卖票的，现在看来也不行了//@无穷的探索2:[笑哈哈][污]//@洗脚池的NEO:干！这得批判性地去看了！IMAX安排，不能放过任何一个细节

原文

【CUDA生态的裂缝：SCALE如何绕过Nvidia硬件壁垒】英国初创公司Spectral Compute推出编译器SCALE，作为NVCC的替代方案，能让CUDA代码直接运行在AMD等硬件上。它通过兼容底层PTX指令，免去代码重写，在测试中比AMD官方转换工具HIPIFY快了近6倍。行业离不开CUDA，关键在开发体验。用Vulkan申请内存要写几十行，CUDA只要一行。SCALE聪明在不劝你放弃CUDA，而是帮你换掉高昂的Nvidia显卡。不过这条路充满变数：Nvidia随时可能通过更新架构让兼容层失效，且SCALE本身的闭源属性也引发了是否会造成新锁定的争议。 www.hpcwire.com/2026/07/09/spectral-compute-aims-to-set-cuda-free-will-it-succeed/ #人工智能##AI创造营##CUDA##GPU#

转发者评论

无明显转发评论

原文

网页链接这篇文章作者实测了一次真实的 agentic coding 会话，结果非常amazing啊。真正任务只消耗了 0.67% 的 token，剩下 99.33% 主要花在环境、工具目录、历史上下文等开销上。结论是优化 Agent 成本应先测量 usage 数据，再减少无用 MCP/插件/技能、过滤命令行输出、控制 Agent 回复长度、谨慎压缩过期上下文，并保持 prompt 前缀稳定以利用缓存。如果百万 token 窗口如果塞满工具目录和旧日志，并不会让 Agent 更聪明，只会更贵、更慢、更容易遗忘关键内容。

转发者评论

无明显转发评论

• 结论：人类负责打杂性价比更高。

原文

近期，小鹏图灵AI智驾（NGP）在欧洲的路测备受海内外媒体关注。7月14日，何小鹏亲赴德国完成第二代VLA模型的本地化验收测试，这套基于中国路况训练的智能辅助驾驶系统在欧洲的适配性和稳定性已经很高，几乎不需要额外数据训练，就能应对城市主干道、窄路小巷、大曲率弯道，并能自主绕行、平稳避让行人。目前，第二代VLA已经能很好地识别复杂的欧洲路标，理解欧洲的道路交规和路权体系，适应当地用户的习惯。此次验收，是小鹏第二代VLA完成海外本地化验证的关键节点，小鹏也是国内首家用“同一套模型”同时打通中国与欧洲的企业。何小鹏称，智能辅助驾驶全球化首先要把安全做到极致，期望能够成为首家将高阶智能辅助驾驶带到欧洲的中国企业。#何小鹏目标首家高阶辅助驾驶进入欧洲##小鹏MONAL03德国NGP实测##微博视频号续航计划# 问鼎资本-张佳男的微博视频

转发者评论

无明显转发评论

原文

#国行版苹果AI要来了#刚看到消息，国行苹果AI的合作伙伴定了，是阿里的千问。其实这结果不意外。蔡崇信去年就在迪拜说过这事，现在算是官宣了。我觉得千问挺合适的，模型效果在国内第一梯队里够用，关键是它多模态能力完整，文生图、视频理解这些苹果需要的场景都能覆盖。苹果选合作伙伴，肯定盯着大厂来。不是看不起小厂，而是企业级服务得跟得上。几亿台设备同时调用，服务器、API稳定性、数据合规，这些只有阿里这个级别的才扛得住。企业服务本来就是阿里的老本行。国内有同等技术实力的公司不多，字节算一个。但字节自己都出了豆包手机，成了苹果的竞争对手，怎么可能再给苹果供AI呢？这道理太简单了。现在就看上线后实际体验怎么样了，苹果的硬件加上阿里的大模型，希望能有点新东西。#苹果AI为何选择千问#

转发者评论

无明显转发评论

• 腾讯 hy3 最近也很猛

原文

#模型时代# 图灵奖得主Patterson：后摩尔定律时代，CPU、GPU、TPU的诞生与分工2026年7月13日，Ryan Peterman在他的播客The Peterman Pod上发布了一期与David Patterson的长对话。话说，这个播客真不错，经常请来大牛学者讲深刻的议题，深浅也适合，不至于过于专业听不懂，又。Patterson是加州大学伯克利分校荣休教授、Google DeepMind杰出工程师，因与斯坦福大学John Hennessy共同开创RISC，即精简指令集架构，以及计算机体系结构的量化研究方法，两人共同获得2017年图灵奖。他们合著的《计算机体系结构：量化研究方法》已出到第7版，2026年最新出版，是全球计算机架构课程的标准教材。Patterson还深度参与了Google TPU的研发，2026年6月刚在arXiv上发表了一篇回顾TPU五代架构演进的论文。Patterson讲了一个细节：1980年代RISC与CISC的争论激烈到什么程度？当时的计算机体系结构教科书“像产品目录一样”，罗列某台计算机有什么特性，再罗列另一台有什么特性，缺乏量化比较的框架。争论更像中世纪经院哲学式的辩论，凭直觉和哲学立场而非实证数据来决定方向。直到他和Hennessy的团队开始跑数据，答案才明朗：RISC指令虽然多出30%到40%，但每条指令执行速度快4到5倍，净效果是3到4倍的性能提升。一、RISC与CISC：一场被误读的结局1、争论的本质是词汇量的选择Patterson用了一个比喻：CISC像一本塞满多音节长词的词典，RISC像一本全是单音节短词的词典。程序用简单指令写，需要的指令数量更多；用复杂指令写，指令数量少，但每条执行更慢。整个争论归结为一个比率问题：多出的指令数能不能被更快的执行速度抵消？在争论的核心，还有一层哲学分歧。CISC阵营认为更高级的指令集缩小了编程语言与硬件之间的抽象差距，降低了编译器的负担；RISC阵营则押注编译器会越来越强，能自行处理这个差距。1980年代的争论之所以持续那么久，是因为没有人拿得出量化数据来终结它。2、CISC赢了？Patterson：这是极其短视的判断有人在网上写文章说CISC赢了。Patterson毫不客气地回应：这种观点只有在把“计算机”定义为“PC和服务器”、把时间截止到2000年左右才成立。x86架构之所以在PC领域占主导，是因为软件以二进制形式分发，一旦x86确立了PC软件生态，切换指令集架构的成本就高到几乎不可能。这是商业锁定，不是技术优势。连Intel自己也在2000年代初把x86指令翻译成内部的RISC微操作来执行。Patterson说这在商业上完全合理，为了PC软件生态的价值，多付一层翻译开销是值得的。但这恰好说明RISC在技术层面已经胜出。3、ARM：从玩具电脑到3500亿颗芯片19…

转发者评论

无明显转发评论

原文

#模型时代# 刚看到马克·安德森刚转发的，一篇呼吁美国再工业化的长Blog。作者Zane Hengsperger 是美国再工业化浪潮中的年轻代表人物，2025 年创立了 YC S25 项目 NOX Metals 并担任 CEO，公司位于底特律，主打 AI 驱动的金属供应链服务，通过自动化和软件大幅缩短原材料交付时间，致力于解决美国制造业的供应链瓶颈；他 2022 年毕业于密歇根大学，成长于父亲的机床车间，从小浸润在工业环境中，被媒体称为“底特律最年轻的新工业家”。新工业家（New Industrialist）是新造词，“新一代工业家”或“现代工业家”的意思。美国传播语境下，是强调用科技、创新、AI 等现代手段重振传统制造业的人。——美国可以胜过深圳。 ——呼吁实现工厂丰裕Zane Hengsperger ·另一场工业革命正在到来。1980 年的深圳还是一个渔村。如今，它出口的电子产品比整个美国还要多。在那里，你可以从 CAD 文件到注塑成型原型件，在 48 小时内完成。而在美国，这需要 6 周时间和 4 家供应商。这不是因为中国工程师更聪明。也不是因为他们的劳动力现在更便宜了。深圳之所以胜出，是因为密度、速度，以及一种将制造实物视为最高地位工作的文化。这三者，每一个都是可以复制的。美国过去 30 年什么都没复制，而是选择了离岸外包。2000 年，美国占全球制造业增加值的 25%，中国仅占 6%；到 2023 年，中国已占 29%，美国只剩 17%。这是一个选择。我们可以做出不同的选择。以下是一个按顺序的行动手册。而且顺序至关重要。1. 首先修复文化我真心相信，文化就是一切。它是商业、家庭、社区、行业、国家的根基。美国目前的文化并不理想，但它是可修复的。这是所有其他瓶颈之下的根本瓶颈。你可以浇筑混凝土、购买设备，却无法直接购买一代愿意走进工厂的人。只有 6% 的美国高中生将制造业视为职业路径。每当 5 名熟练技工退休，只有 2 名新人接替。焊工的平均年龄高达 55 岁。与此同时，在深圳，26 岁经营 CNC 车间的年轻人，正是他朋友们最想成为的那种人。我们花了几十年时间反复告诉每一个聪明的孩子：离开车间，进办公室；去学编程；制造业是你祖父那一代的事。结果就是：57 万个制造业职位空缺，到 2030 年将有价值一万亿美元的产出无法实现。修复之道在于地位，而非补贴。让机械师重新成为主角，让工厂工人重新变得酷炫。具体做法是：让技术人员在车间里走动并分享日常；让国防科技自阿波罗时代以来首次把硬件做成酷事；让职业学校支付学生在真实岗位上接受培训，并在毕业前完成安置；让 22 岁的年轻人看到，拥有管道认证的焊工收入可以超过营销分析师；让高中拥有真正运转的车间，而不是一堆职业宣传册。我真心认为 Instagram 在这件事上功不可没——我看到越来越多酷炫的年轻人操作机器，…

转发者评论

//@桂曙光:好文章。深圳之所以胜出，是因为密度、速度，以及一种将制造实物视为最高地位工作的文化。

• //@桂曙光:好文章。深圳之所以胜出，是因为密度、速度，以及一种将制造实物视为最高地位工作的文化。

原文

AI产业链已经贡献约一半出口增量，出口结构从消费电子转向算力基础设施上半年中国货物贸易进出口总值达到25.47万亿元，同比增长16.9%，首次在上半年突破25万亿元。其中，电子元件、电脑零部件等算力硬件进出口达到5.13万亿元，增长56.6%；智能仿生机器人出口超过1万台，销往90多个国家和地区。粤开证券测算，AI产业链产品占中国出口的比重已上升至22%，贡献了大约一半的出口增量。增长产品开始由服务器、集成电路扩展到数据中心电源、液冷、PCB和特种光纤。沪电股份一季度公布三项扩产计划，累计投资超过100亿元；鹏鼎控股在淮安投资110亿元建设高端PCB基地。中天科技部分特种光纤产品价格一年上涨约10倍，订单已排到2027年底。

转发者评论

无明显转发评论

原文

转：据CNBC，沃伦·巴菲特周三表示，他是伯克希尔·哈撒韦对Alphabet进行大规模投资的幕后主导者。巴菲特表示：“这是我发起的。生活的诀窍——我是指投资方面的诀窍——在于找到那些能够长期实现高资本回报的企业。”伯克希尔于2025年第三季度首次披露了对Alphabet的持仓，此后大幅增加了投资规模。上个月，这家企业集团通过私下购股的方式又追加了100亿美元的投资。巴菲特虽已于今年早些时候卸任伯克希尔首席执行官一职，但仍担任董事长。他表示，自己与现任首席执行官格雷格·阿贝尔在投资决策上继续保持密切合作。“我不会做任何他不认可的事，他也不会做任何我不认可的事，”巴菲特说，“我们时刻保持沟通，但他才是最终的决策者。”

转发者评论

此前市场普遍以为伯克希尔重仓谷歌是接班人布局，知晓实为巴菲特亲自主导，更觉意味深远。 巴菲特百亿资金布局Alphabet，恰好印证真正的价值投资，绝不会被过往持仓与固有赛道束缚。 早年深耕消费、金融龙头，如今重仓AI互联网科技巨头，他一以贯之的底层逻辑从未改变：寻觅能够长期创造高额资本回报的

• 此前市场普遍以为伯克希尔重仓谷歌是接班人布局，知晓实为巴菲特亲自主导，更觉意味深远。 巴菲特百亿资金布局Alphabet，恰好印证真正的价值投资，绝不会被过往持仓与固有赛道束缚。 早年深耕消费、金融龙头，如今重仓AI互联网科技巨头，他一以贯之的底层逻辑从未改变：寻觅能够长期创造高额资本回报的

原文

真正的Harness 是在做什么？以Data Agent InfiniSynapse为例子， Agent 层，预览数据的时候，默认十条，但是面对单条记录可能1000多个字段，单个字段可能就几十K甚至1M，轻松crash 1M 模型上下文。 在 SQL层，Agent 轻松可以写出几千行甚至上万行的SQL代码（用户分区表几百个上千个做Union或者Join）， Agent 回读都困难，我们通过InfiniSQL在不损失语义的情况下，将1000多行的SQL压缩到100行左右，两者还能获取相同的结果。还有，随着 企业context 越来越大，如何准确的获取指标定义，用户偏好，行为模式以及库表信息进一步变得困难，我们通过对齐系统以及底层召回系统的组合，实现了强大的管理和组织企业Context 的能力。 这些才是Harness，Skill不是Harness， Agent只是 Harness的一小部分。

转发者评论

无明显转发评论

原文

如果有一天，你桌上的工牌不再是一块塑料，而是一个 AI。它知道今天要见谁，自动切换欢迎语；有客户来，显示公司介绍和案例；招聘时，变成招聘信息；开会时，显示会议主题和二维码；展会时，自动播放产品介绍；甚至还能根据后台指令，随时更新内容。它不是一个电子相框，而是一块可以被 AI 托管的桌牌。我最近做了一个小产品，只需要在后台告诉 AI 一句话：“今天下午有投资人来，把桌牌改成公司介绍。”“今天是新品发布，显示新品海报。”“下午招聘，放招聘二维码。”剩下的都交给 AI，它会自动生成并同步到桌牌。以后，桌牌不再是一次印好、永远不变，而是像网页一样，随时更新；像员工一样，随时待命。我觉得，这会是办公室里一个很有意思的小终端。#微博vibelab# #vibelife# xxxxxbls的微博视频

转发者评论

小众、冷门、新颖！#微博VibeLab#

• 小众、冷门、新颖！#微博VibeLab#

原文

Codex 最新动态：从 GPT‑5.6 与 Ultra 模式，到多智能体并行协作、计算机与浏览器操作、应用截图理解、行内代码和文档修改，再到一键发布 Sites、跨项目管理以及完整的 PR 工作流。Codex 已不只是一个“帮你写代码”的工具，而是能够拆解复杂任务、操作和测试应用、协调多个项目、处理 Bug 与代码审查，并协助完成发布的开发伙伴。无论你想提高日常开发效率，还是探索更自动化的 AI 编程方式，这支视频都能帮你快速掌握 Codex 的新能力和实际应用场景。本视频由 baocut 翻译 宝玉xp的微博视频

转发者评论

无明显转发评论

原文

22项超难家务自主，养老理想照进现实！星尘智能发布业界首个家庭隐式世界-动作模型Lumo-2，超越VLA和WAM方法，在潜空间推演物理未来，专攻煎蛋颠锅、装箱打结等高难度、高精细、长流程家务，泛化性与稳定性双杀Pi0.5/Fast-WAM。配合Agent Philia，还可一句话调度协同多机，“AI-OS-本体”全栈未来，就是Physical AI的未来！一起来看看怎么回事～技术报告 & 完整视频展示Lumo-2：www.astribot.com/en/research/Lumo2Agent Philia：网页链接 机器之心Pro的微博视频

转发者评论

无明显转发评论

原文

现在用 AI 写代码已经不稀奇了，但直接在 ChatGPT 里把网页做出来并一键上线，确实又把门槛拉低了一大截。OpenAI 为 ChatGPT 推出了新的 Sites 插件，配合 Build Web Apps 工具，能让用户直接在对话框里建站。你只需要用大白话描述想要的功能，比如做一个设计大会的官网，包含日程表和嘉宾卡片， ChatGPT 就会在后台自动写代码并搭建项目。最省心的是，它自带了托管和存储功能，你不需要自己去买服务器或者配置域名，做好了直接就能发布。如果对第一版不满意，你甚至可以直接在内置浏览器里用标注工具在网页上画圈写批注，告诉它哪里需要修改。这种用自然语言和可视化标注来迭代产品的方式，感觉就像是在带一个全能的实习生。不仅是静态网页，连像素风的 2D 横版卷轴游戏也能直接做出来。这种全流程闭环的开发体验，可能会让很多独立开发者和小微创业者的创意落地速度变快很多。#ChatGPT##AI应用开发##Sites插件# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

这世界终于颠到我想象不到的样子了

转发者评论

谁再说AI幻觉大[二哈]//@唐不闻:早上刚看到的 http://t.cn/AXKjLScT

• 谁再说AI幻觉大[二哈]//@唐不闻:早上刚看到的 http://t.cn/AXKjLScT

原文

AI行业现在发展得真的很快，也出现了各种各样的硬件。这次我们从几十块到更高价位，买来了许多奇奇怪怪的机器人，特别是最后一个，朋友又给我们送来了一台完全不一样的……我们想和你一起看看，2026年的机器人，到底进化成什么神奇模样了？如果你喜欢这期视频，请多多支持我们，并把视频分享给你的朋友们一起看看！！#科技# #数码# 影视飓风MediaStorm的微博视频

转发者评论

参与转发，启元T1也送，你的第一个赛博狗子/人子[举手]

• 参与转发，启元T1也送，你的第一个赛博狗子/人子[举手]

原文

正式发布我们已经用了很久的 Coding Agent 协作工具 —— Buddy 简单点说： 就是让 Claude 和 Codex 互相监督着把活干了。 古代社会，有种工具叫做「轭」， 可以让两只牲畜套上同一个轭，让它们步调一致、力量合一，共同前行。 而在这个概念中，Claude 和 Codex 就是那两头牲畜，Buddy 就是「轭」。 而人呢？把握好方向，适当挥舞一下手中的鞭子就行了。 更多说明：davidhoo.github.io/buddy 纯单机工具，不联网。目前支持 Claude Code、Codex Cli、OpenCode 、Kimi Code P.S. 两个多月前挖的坑，终于可以埋上了。。。P.S.S. 我们目前也已有了 Windows 版本，不过得后期稍微整合下 GitHub 再统一放出来。。 #微博 VibeLab# #VibeWork#

转发者评论

无明显转发评论

原文

【高昂算力费劝退五百强：AI第一的口号败给账单】一家宣称“AI优先”的财富500强企业，近期因高昂的Token使用成本收回了员工的Claude权限并限制了Copilot。此前，该企业用Agent重构复杂遗留系统的项目以失败告终，模型频繁遗漏业务逻辑细节。随着供应商转向按量计费，企业无节制调用高档模型的财务压力彻底暴露。聊聊这里面的道道。很多公司以为买了算力就能省人工，结果先被账单反噬。这不全是模型能力问题，而是用法太粗放：有人拿尖端模型干杂活，有人放任Agent在后台无限循环跑任务。虽说开源本地化能省钱，但习惯了云服务的大公司很难再回头做本地基建。接下来的分水岭在工程治理，谁能把任务拆细、分流给便宜模型，谁才能真正跑通ROI。 reddit.com/r/singularity/comments/1uwa1mv/well_it_finally_happened_were_not_using_models #人工智能##AI创造营##软件开发##大语言模型#

转发者评论

无明显转发评论

原文

苹果手机AI服务在国内备案成功。大模型基座应该是采用的千问。阿里美股盘前涨了3.7%。同时备案成功的还有华为，OPPO，vivo，小米，三星，中兴。

转发者评论

无明显转发评论

原文

这几天把我们 OpenResty Inc 公司内部软件仓库里近年来解决过的那些最难 bug 整理成了一个新的 OpenResty Bug-Hunting Evals 测试集，评估了 Anthropic、OpenAI 和 Google 三家的各款主流大模型。结果如下。这里大模型必须根据 bug 的症状描述，自主定位 bug 的根因并进行正确的修复，同时不能引入新的衰退和新 bug.这里的 bug 都是在真实且庞大的公司私有代码仓库中，公网上是不可能找到的，所以足够客观，不会存在 data leak 的可能性。看起来 Anthropic 的神话级 Claude Fable 5 模型的优势还是很明显的，即使是 OpenAI 最新的 GPT-5.6 Sol 模型也仍有较大差距，连 Claude Opus 4.8 Max 都还没赶上…… 而 Google 的前沿大模型仍然是垫底的…… 这个 evals 测试集烧的 token 可比之前分享的 OpenResty Coding Evals 多多了……不过 OpenAI 的大模型和 coding agent 完成任务的总延时确实低。Anthropic 的前沿模型虽然质量明显更高，但总延时确实要长多了，快接近一小时了都……

转发者评论

无明显转发评论

原文

#《自然》系列期刊中国作者论文免费读# 【北航：先进热电材料设计 |《自然综述：材料学》】近期来自北京航空航天大学的研究团队在《自然综述：材料学》发表了综述文章“先进热电材料设计”（Designing advanced thermoelectrics），欢迎阅读文章了解详情：网页链接【论文导读】全球对可持续能源的追求加快了热电材料（可将余热转化为电能）的研究。然而，热电优值（ZT）的提升长期受限于电输运与热输运之间的权衡，需要通过合理的策略实现电子-声子解耦。重要的是，热电材料中不可避免的本征缺陷会扰动声子和载流子。本篇综述总结了新兴的设计原则，这些策略通过强调电子结构和晶格动力学的内在控制，对已有的外源无序策略进行了补充。文章探讨了能带工程和缺陷设计如何在不牺牲载流子迁移率的前提下增强电输运，并讨论了由电子驱动的不稳定性以及晶体对称性产生的解耦机制。在材料性能优化的基础上，作者进一步强调了界面设计对于热电器件的重要性。最后，论文提出这些设计原则可转化为物理信息描述符，以发展人工智能辅助的先进热电材料发现与设计。【图1来自论文表1：热电材料中拓扑结构、能带结构与输运性质之间的相互作用】通讯作者：康鹏、赵立东（北京航空航天大学）第一作者：白树林、万达、田宇（北京航空航天大学）DOI：10.1038/s41578-026-00931-5发表日期：2026年6月11日《自然综述：材料学》2025 Journal Metrics影响因子：83.3五年影响因子：110.4学科排名：1/472，多学科材料科学；1/148，纳米科学与纳米技术引用量：49,906下载量：2,015,815*数据来源：2025年Journal Citation Reports, Clarivate Analytics 2026和期刊官网▲始于1869年，Nature Portfolio致力于支持和推动科学发现，并与您结伴同行，让世界看见您的研究。除《自然》及其系列期刊，我们还拥有多种OA期刊，点击链接了解更多>>网页链接版权声明：本文由施普林格∙自然上海办公室负责整理翻译。中文内容仅供参考，一切内容请以英文论文为准，欢迎转发分享。©2026 Springer Nature Limited. All Rights Reserved

转发者评论

全球对可持续能源的追求加快了热电材料（可将余热转化为电能）的研究。然而，热电优值的提升长期受限于电输运与热输运之间的权衡，需要通过合理的策略实现电子-声子解耦。欢迎阅读更多了解详情👇🏻

• 全球对可持续能源的追求加快了热电材料（可将余热转化为电能）的研究。然而，热电优值的提升长期受限于电输运与热输运之间的权衡，需要通过合理的策略实现电子-声子解耦。欢迎阅读更多了解详情👇🏻

原文

同时开四个Agent，人往往先乱了。一个窗口在修测试，一个窗口在改接口，还有一个卡住等确认。模型没崩，人却已经记不清谁在做什么。herdr把多只编码Agent放进同一个终端总控台。项目大约有1.6万颗星，像一块给并行任务用的值班屏。它会直接呈现每个Agent的真实终端画面，并标出工作、阻塞、完成等状态，不经过二次摘要。你可以切分窗格、切换任务，也可以暂时断开，让会话继续运行；之后从另一台终端或SSH重新连回去，仍能看到原来的现场。长任务不再绑着某一个窗口，人也不用靠记忆追进度。它也不只给人操作。herdr提供socket接口，Agent能创建窗格、读取输出、等待其他任务完成。大任务可以拆成几个相对独立的会话，再由一个上层流程观察依赖关系。它只管理「谁在干什么」，不会替模型决定「应该怎么干」。看得见进度，仍要自己管目标。终端排得再整齐，也不会自动解决代码冲突、错误权限或错误目标。多个Agent如果同时改同一份工作树，照样可能互相覆盖；如果底层模型服务会处理代码，herdr也不会让这些数据因为终端在本机就自动停止出站。稳妥的组合仍是任务范围、独立工作区、明确验收，再加一块可观察的总控台。它是单个Rust二进制，运行在现有终端里，不依赖Electron；Windows目前仍是Beta。许可证是AGPL-3.0-or-later，并另有商业授权。团队要把它放进商业服务前，得先判断自己能不能遵守AGPL义务。多Agent时代，一块让人看懂全局的总控台，比再多开几个窗口更有用。GitHub上的herdr是ogulcancelik维护的开源项目。#马力的AI知识分享##马力的AI开源项目分享#

转发者评论

无明显转发评论

原文

【Gemini 翻译】# 前沿AI的框架与新时代的曙光 ([A Framework for Frontier AI and the Dawning of a New Age](网页链接 ))**作者：戴密斯·哈萨比斯 (Demis Hassabis) | 2026年7月14日**这是人类历史上的一个关键时刻。通用人工智能（AGI），一种具备大脑所有认知能力的系统，可能只有短短几年的距离了。在未来的几十年里，当我们回顾这个时代，我认为我们会意识到我们正站在奇点（singularity）的山脚下——这无异于人类新时代的曙光。我一生都在致力于AGI的研究，因为我一直深信，如果负责任地构建和部署它，它将被证明是人类发明的最有益、最具变革性的技术之一。AGI不能与标准的技术突破相提并论，即使是像互联网或移动通信那样具有重大影响的技术也不行——它更类似于电或火的发现。如果你停下来想一想，我们基本上找到了一种让沙子思考的方法。这简直是奇迹。这项技术的影响力将是史无前例的，也许是工业革命的10倍，发展速度也是其10倍。它将帮助我们解决社会面临的一些最大问题，从加速药物发现到开发新的清洁能源，再到创造新型先进材料。我们甚至可能达到这样一个阶段：资源不再是人类进步的限制因素，从而引领一个令人惊叹的富足新纪元。## 前沿面临的挑战 (The Challenges of the Frontier)AI已经开始带来现实世界的好处，但要实现其巨大的潜力，我们必须周密而谨慎地度过这个关键的发展时期。需要采取紧急行动，以应对我们接近AGI时可能出现的风险。我们已经看到了前沿模型给网络安全带来的挑战，随着能力的不断提高，其他威胁（包括核风险和生物风险）可能很快就会出现。在不远的将来，我们将需要强有力的保障措施，以维持对日益具有代理性、能够递归自我改进的系统的控制——并解决只有随着时间推移才会变得清晰的未知问题。我一直相信人类独创性和创造力能解决任何问题。我确信，减轻与AI相关的技术风险是我们能够共同应对的挑战，但前提是我们必须给自己留出时间和空间，走好这关键的下一步。目前，作为一个领域乃至更广泛的社会，我们并没有做到这一点。目前，我们陷入了一场极其激烈的、多层次的商业和地缘政治竞争中。虽然这些竞争动态推动了快速进步并加速了令人难以置信的优势，但前沿领域的进步正在超越我们对这项技术的理解。世界上没有人确切知道接下来会发生什么，甚至专家们也有分歧。当存在极大不确定性且赌注如此之高时，以谨慎乐观的态度前进是明智且正确的战略。这就要求公共政策既能促进创新，又能激励责任和安全，在关键安全问题上促进国际合作，并鼓励仔细考虑如何为了社会利益部署AI。## 前沿AI标准机构的框架 (A Framework for a Frontier AI Standards Body)我们在AI领域看到的快速进步要求采…

转发者评论

无明显转发评论

原文

7款提供手机端侧生成式人工智能服务已备案。苹果AI也在列，画了好久的饼终于做出来了？不知道国行产品最后用的谁家模型。【手机端侧AI，指轻量化AI大模型直接部署在手机本地，依靠手机自带NPU完成全部运算推理，原始数据全程保存在本机，不上传云端服务器，断网也能正常使用。】

转发者评论

无明显转发评论

原文

一个小家庭在自家餐厅里，就能把一家燕麦片公司运营得有模有样，这在以前可能需要一整个专业团队。一对夫妻创办了健康谷物品牌 Three Wishes ，随着业务规模扩大，每次推出季节性新品都会面临复杂的供应链和运营难题。他们没有技术合伙人，却利用 GPT-5.6 和 Codex 解决了这个问题。两人只需要对着 AI 进行 5 分钟的 “意识流” 语音输入，提供一些品牌设计指南和历史销售数据，GPT-5.6 就能自动生成一个非常精美的业务指挥中心仪表盘。这个系统不仅能追踪不同零售商的铺货截止日期和联系人，还能完全适配他们自家的品牌视觉风格。这种端到端的复杂任务处理能力在 GPT-5.5 时代是无法想象的。以前只大企业才能拥有这种定制化的软件系统，现在普通人靠着自然语言交互，几分钟内就能为自己量身定制一套。AI 正在抹平小微企业与商业巨头之间的技术鸿沟，把宝贵的时间还给创业者，让他们能专注于品牌建设和陪伴家人。#GPT5.6##AI创业##小微企业转型# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

【小米发布并开源Xiaomi-Robotics-U0：380亿参数具身生成大模型！生成效率提升83倍】今日，小米发布并全量开源380亿参数多模态自回归具身生成基础模型Xiaomi-Robotics-U0，是首个可统一覆盖四类核心具身生成任务的一体化方案。依托自研FlashAR+推理加速方案，生成效率相较传统自回归架构提升近83倍。小米开源 Xiaomi-Robotics-U0：让具身数据进入大规模生成时代

转发者评论

无明显转发评论

原文

【上线仅仅一周！腾讯混元大模型Hy3总调用量增长超68倍】腾讯混元官方今日宣布，Hy3大模型总调用量较上一代暴涨超68倍，发布一周就登顶OpenRouter全球大模型调用量榜首，近期还推出1bit、4bit量化版本，仅需单张推理显卡即可本地运行，大幅降低使用门槛。

转发者评论

无明显转发评论

原文

信息市场有一个著名的悖论：“购买者在获得信息之前，无法知晓它的真正价值；然而一旦他知道了，实际上就已经免费获取了该信息。”在诺贝尔经济学奖得主肯尼斯·阿罗的“信息悖论”（Information Paradox）中，卖家面临的风险是：为了把知识卖出去，就得承担“白送”知识的风险👀微软 CEO Satya 最新的这篇「逆信息悖论」，提到 AI 制造了一个恰恰相反的难题。在 AI 时代，买家面临着泄露知识的风险——而这仅仅是为了使用他们花钱买来的服务。从本质上讲，你是在为“智能”买两次单：一次是用真金白银，另一次则是用更值钱的东西——即为了让 AI 发挥作用而不得不透露的“私有知识”。而且，你越是希望模型表现出色，就越需要用更多的私有知识去喂养它！久而久之，这种信息不对称会变得愈发严重。在你使用所购服务的过程中，卖家对你的了解越来越深；而对于卖家究竟从你这里学到了什么，你却知之甚少。这就是“逆向信息悖论”（Reverse Information Paradox）。那么在智能时代，企业应该如何保护其核心知识产权？除了知识产权之外，AI 时代我们必须将学习基础设施分发给每家公司，让他们能够掌控自己的学习循环。在云计算时代，企业积累的是数据；在 AI 时代，企业积累的是学习成果。信任边界也必须随之演变，从保护信息本身转变为保护组织学习、适应和积累智能的机制。

转发者评论

无明显转发评论

原文

这个codex键盘，好像我也能做一个🤔（我错了，看图七，很复杂）（有点丑，感觉不如图五哈哈哈） 转载一个介绍：> 大家好，我是 Mike，我是 Work Louder 的联合创始人之一。今天我将向大家展示如何使用你们的 Codex Micro。>> 首先打开 ChatGPT 应用程序，并使用数据线或蓝牙连接将你的 Micro 连接到电脑。>> 现在，让我带你了解一下你的 Micro 所有最强大的功能。>> 首先是 Agent（代理）键。这六个磨砂按键让你能实时查看你的 Codex 线程。单击可选择并在后台聚焦该 Agent。因此，即使该线程没有在屏幕上打开，你仍然可以通过 Micro 与之交互。双击可将该 Codex 窗口置于前台，这样你就可以在屏幕上看到该线程。>> 每个 Agent 键还会为你提供来自 Codex 的实时 RGB 灯光反馈。白色表示该 Agent 处于空闲状态；蓝色表示它正在思考；绿色表示任务已完成；琥珀色（黄/橙色）表示 Codex 需要你的反馈；红色表示出现了错误。白色闪烁的按键表示已选中该线程。如果按键灯没亮，则表示未分配任何 Agent。>> 在配置页面中，你可以选择你的 Agent 键代表哪些线程。你可以在置顶线程、最近的线程之间进行选择，甚至可以进行自定义分配。>> 接下来是命令键。它们用于你最常用的 Codex 操作，而且像所有 Work Louder 产品一样，它们是完全可定制的。默认情况下，这些按键映射为接受和拒绝更改、分支线程，当然还有“按住说话”（push to talk）。>> 对于“按住说话”，你可以按住麦克风键开始录音，然后松开停止。或者，如果你想免提说话，双击麦克风键即可开启录音，然后单击即可将其关闭。当麦克风处于激活状态时，环境 RGB 灯会显示海绿色蛇形环绕效果，因此你随时都知道它正在录音。>> 当你完成讲话后，RGB 灯将切换为白色蛇形环绕效果，同时 Codex 会处理你的语音提示词。处理完成后，灯光将变为纯白色，你可以按下 Codex 键帽发送你的提示词。如果有一个你经常使用的操作，你可以直接在 Codex 中重新映射这些按键中的任何一个。然后更换物理键帽以匹配你的布局。>> 现在，我们来谈谈摇杆和拨盘。拨盘控制 Codex 中的撰写栏，让你能快速在不同区域和选项之间移动。旋转拨盘更改选项，点击确认。你可以通过点击拨盘右侧的红色按钮来取消。>> 摇杆有四个方向，可以映射到这些技能中的任何一个。默认情况下，我们将其映射为：切换计划模式、在你的导航历史记录中前进和后退，以及切换侧边栏。再说一次，Codex Micro 是完全可定制的。因此，你可以长按拨盘或点击屏幕底部的小图标来访问配置页面。>> 最后，你的 Micro 上的第一层（layer）是专门为 Codex 保留的。但是使用 Input（配置软…

转发者评论

无明显转发评论

原文

为 AI 编程Agent准备的一次性、网络受限 Linux 虚拟机地址：github.com/clawkwork/clawkclawk 是一个面向本地 AI 编程代理的沙箱工具：进入代码仓库后运行 clawk，它会为当前项目启动一个可丢弃的 Linux VM，让 Claude Code、Codex 或 shell 在里面工作。代码目录会挂载进去，其他内容则不可见。目前只支持Mac。

转发者评论

无明显转发评论

原文

2026 年 7 月 9 日，1X Technologies 展示了 NEO 机器人手部研发的最新进展，效果相当惊人。1X 用高扭矩电机、低传动比滑轮、超高分子量聚乙烯传动绳，来模仿人类肌肉、肌腱的工作方式。

转发者评论

#人工智能[超话]#

• #人工智能[超话]#

原文

#苹果AI为何选择千问# 苹果和阿里这场合作，核心驱动力是三个字：合规。国行版Apple Intelligence的落地，必须在合规框架下运行。而阿里是“最稳妥”的选择。首先，合规是硬门槛。根据《生成式人工智能服务管理暂行办法》，在华提供生成式AI服务必须完成算法备案、模型安全评估和数据本地化。苹果作为外企，必须找熟悉国内监管的本土伙伴。阿里是国内较早完成大模型备案的企业之一，长期服务政企客户，在内容审核和数据安全方面经验完整。这层“安全合规”的背书，是千问最大的优势。其次，技术能力是基础。千问并非等闲之辈，其旗舰模型Qwen3.7-Max在多项核心基准测试中表现突出。更重要的是，千问团队已提前完成对苹果MLX机器学习框架的适配，可在iPhone、Mac等设备上高效运行。这种“前置适配”，大大降低了双方的工程磨合成本。最后，生态与商业是长远考量。阿里不仅有模型，还有通义千问App和丰富的产品矩阵。千问已被深度集成到淘宝等阿里生态中，能为苹果用户带来更丰富的本地化服务体验。对阿里来说，这意味着一个触达数亿高端用户的新渠道。对苹果而言，这是其AI服务在本土化进程中迈出的关键一步。有趣的是，苹果并非只选了阿里。据《每日经济新闻》报道，百度仍将参与AI搜索及中国版Siri能力的建设。苹果的策略是让不同合作伙伴各司其职，共同完成AI功能的本地化部署。阿里提供AI能力，百度负责搜索与Siri升级，两者分工明确。

转发者评论

无明显转发评论

原文

LG在越南建设10亿美元半导体基板工厂，并加速全球产能重构LG Innotek将在越南海防建设投资约10亿美元的半导体封装基板工厂，项目占地约33万平方米，计划2026年第三季度开工，2027年开始运行，2028年进入规模化生产。从整体产能布局看，LG电子与LG Innotek的制造体系呈现明显的“韩国+海外”结构：韩国本土主要承担研发、核心工艺和高端产品生产；越南已成为其最大的海外制造基地之一，承担手机模组、摄像头模组、家电和部分电子零部件的大规模生产；此外，LG在中国、印度和印尼也保留部分制造能力，但比重逐步下降。LG在越南的投资并非首次。过去十年，LG集团已在越南累计投资超过80亿美元，在海防和北宁形成大型制造集群，涵盖智能手机、电视、家电、摄像头模组等多个业务板块。此次封装基板项目，是LG首次将半导体关键中间产品制造引入越南，意味着其产业链正在向更高附加值环节延伸。工厂将生产RF-SiP、FC-CSP和FC-BGA等封装基板。FC-BGA是CPU、GPU和AI处理器与主板之间的重要连接部件，需要精细线路、低翘曲材料和高精度加工，其技术和资本密集度明显高于传统电子组装。除了LG之外，越南近年来也吸引了多家半导体相关企业布局。英特尔在胡志明市运营其全球最大的封装测试工厂之一，累计投资已超过15亿美元，并持续扩产先进封装能力；三星不仅在越南建立了全球最大的手机生产基地，还在北宁和太原引入部分半导体封装与研发功能，并设立研发中心；美国企业Amkor在北宁投资约16亿美元建设先进封装测试工厂，已于2023年投产，主要服务高端芯片封装需求；此外，日月光（ASE）、京元电子等封测企业也在评估或推进越南布局。整体来看，越南在半导体领域的定位仍以封装测试和中间产品制造为主，尚未进入晶圆制造环节。但随着电子制造集群扩大、劳动力成本优势和政策支持增强，其在全球半导体供应链中的角色正从“组装基地”向“封测与关键部件制造中心”升级。判断：LG此次投资标志着越南从“终端组装中心”向“半导体中间产品制造基地”升级。随着韩国企业和苹果供应链同步布局，越南正在形成从整机到关键零部件的完整电子制造生态，但在材料、设备和核心工艺上仍高度依赖外部。

转发者评论

无明显转发评论