微博 AI 观察博客

原文

今天说说老本行的东西我是统计系毕业，也算数学大类吧。传闻今年咱们两位华人能拿菲尔兹奖，这个是非常大的事情。按现在泄露出来的名单，王虹和邓煜都在里面。今天就说说邓煜和 Zaher Hani、马骁这篇文章，到底证明了什么，它真正的意义在哪里。先说一个一百多年前的问题。1900年，希尔伯特提出第六问题，其中一个非常大的方向，就是能不能从微观的粒子运动，严格推导出宏观的物理规律。这个问题说起来非常简单。最底层是牛顿力学。一个气体里面有大量分子，每一个分子在哪里、速度是多少，碰到另外一个分子以后怎么弹开，都可以按照牛顿力学计算。原则上，只要知道所有粒子的初始状态，后面怎么运动都是确定的。问题是，一个正常的宏观系统里面可能有10^23 个粒子。你不可能去计算每一个粒子。所以玻尔兹曼换了一个思路。我们不再问第137亿个粒子现在在哪里，而是问，在某个位置附近、以某种速度运动的粒子大概有多少。于是把整个系统压缩成一个分布函数 f(t,x,v)。这就是玻尔兹曼方程的意义。简单说，牛顿力学研究的是每一颗球怎么撞；玻尔兹曼方程研究的是无数颗球撞来撞去以后，整个粒子群的速度分布怎么变化。问题来了：我们凭什么说后者真的可以从前者推出来？这个问题卡了一百多年。1975年，Lanford证明了从硬球的牛顿动力学确实可以推导出玻尔兹曼方程，但只能维持非常短的时间。原因并不难理解。粒子一开始可以认为基本独立，但是撞起来以后就麻烦了。A撞B，B撞C，C再撞A，粒子之间会形成越来越复杂的相关性。时间一长，整个碰撞历史呈指数级爆炸。 邓煜et al. 真正解决的，就是这个问题。他们没有继续强行假设这些粒子长期保持独立。因为这显然不现实。相反，他们承认相关性一定会产生，然后直接去研究这些相关性本身。这里就用到了 cumulant，也就是统计里面非常熟悉的累积量。两件事情相关，就把二阶相关单独拿出来；三件事情形成真正的三元相关，再单独拿出来。然后把海量粒子的碰撞历史重新编码成一种 graph，也就是论文里面所谓的 molecules。这一步非常重要。原来面对的是一个几乎无法处理的超高维粒子系统，现在变成了研究 graph 里面的 tree、cycle 和 constraint。然后他们发现一个非常有意思的事情：复杂的碰撞相关性虽然越来越多，但越复杂的 recollision，往往需要越苛刻的几何条件。比如A撞过B，绕了一大圈以后还要重新精确撞到B。这不是随便就能发生的。粒子的初始位置、速度和碰撞角度必须满足额外约束。所以 cycle 一方面制造了 correlation，另一方面又让这种碰撞历史在整个状态空间里面变得非常稀少。邓煜他们做的事情，就是把这些巨大的 collision graph 切开，找出哪些 cycle 真正带来了独立的几何约束，然后利用这些约束产生的小量，去压住碰撞历史数量的爆炸。论…

转发者评论

//@刘群MT-to-Death:竟然跟涌现现象的解释有关[good]，不知道以后能不能用来解释大模型训练中的能力涌现？

• //@刘群MT-to-Death:竟然跟涌现现象的解释有关[good]，不知道以后能不能用来解释大模型训练中的能力涌现？
• 顶级好文，前几天还在 x 上看了另一篇分析，很受启发，这一篇讲的更加简洁通透。从微观到宏观，这条一直没打穿的路终于通了一些，涌现的底层原理如果被人类整明白（不用太多，只要一些），那价值可大发了。这次的数学突破算是诺奖级别的，对 AI/harness 的启发实在是太大了，感觉数学在升阶，升阶，再
• 竟然跟涌现现象的解释有关[good]，不知道以后能不能用来解释大模型训练中的能力涌现？
• [柯基]//@高飞:乱比喻一下，把语言放在transformer这个结构里，就涌现了LLM。//@CC女士不是西西:有意思，从牛顿到玻尔兹曼再到邓煜，本质上的突破都是费曼和汉明的演讲中所讲的“换个角度看问题”，这是伟大科学发现的关键手段？只是人在此山中的时候，换角度很不容易//@八大山债人:好文。。。
• 乱比喻一下，把语言放在transformer这个结构里，就涌现了LLM。//@CC女士不是西西:有意思，从牛顿到玻尔兹曼再到邓煜，本质上的突破都是费曼和汉明的演讲中所讲的“换个角度看问题”，这是伟大科学发现的关键手段？只是人在此山中的时候，换角度很不容易//@八大山债人:好文。。。

原文

杨植麟在 GTC 2026 的一次演讲"How We Scaled Kimi K2.5"：月之暗面想把 AI 训练中三个沿用了近十年的基础组件，重新做一遍。优化器 Adam（2014 年）、注意力机制（2017 年）、残差连接（2015 年），三个 Transformer 时代的地基组件，月之暗面各给了一个替代方案，而且全部开源。但这场演讲讲的不只是 K2.5，而是月之暗面过去一年多的技术路线：开源模型还能从哪里继续变强，又该怎样逼近闭源模型的前沿水平。杨植麟把答案拆成了三个方向：让每个 Token 更值钱、让更长的上下文真正发挥作用，以及让多个 Agent 同时协作。此外，他还分享了两个重要进展：视觉训练如何反过来增强文本能力，以及月之暗面刚刚公布的下一代架构 Attention Residue。【一、数据不够，就让每个 Token 更值钱】大模型训练正在遇到一个越来越现实的问题：高质量数据快不够用了。互联网上真正有价值的文本数量有限，模型越做越大，需要的数据越来越多，大家迟早都会撞上“数据墙”。既然高质量数据很难翻倍，月之暗面的思路是：能不能让模型从同样的数据里学到更多？他们给出的答案是 MuonClip，用它替代已经用了十多年的 Adam 优化器。MuonClip 基于 Muon 优化器。简单理解，它会在更新模型参数时，尽量让不同方向上的信息保持独立，减少重复和浪费，从而提高训练数据的利用效率。月之暗面的实验结果是：使用同样数量的数据，MuonClip 的训练效果接近把数据量增加一倍，这不仅意味着训练成本下降，也意味着模型能力的上限可能被推高。假设手里只有 50 万亿个高质量 Token，如果 Token 利用效率提高一倍，就相当于又多出了 50 万亿 Token。在优质数据越来越稀缺的情况下，这种效率提升比单纯增加算力更重要。但 Muon 也有一个明显问题：模型扩展到万亿参数后，注意力层里的数值容易失控。月之暗面在训练中发现，注意力层的最大 logit 会突然飙升到 1000 以上，而正常范围通常只有 50 到 100。一旦数值继续膨胀，训练曲线就会发散，整个训练过程可能直接崩掉。为了解决这个问题，他们设计了 QK-Clip。它会在模型前向计算时，实时检查每个注意力头的最大 logit。一旦数值超过安全范围，就同步缩放 Q 和 K 的投影，把数值压回来。这个操作不会改变训练的收敛效果，只负责维持数值稳定。靠着 QK-Clip，月之暗面成功把 Muon 扩展到了万亿参数规模，并训练了超过 15 万亿 Token，整个过程中没有出现一次 loss spike。【二、上下文不只是要长，还要真正有用】第二个方向，是提高模型利用长上下文的能力。杨植麟展示了 Scaling Law 论文作者 Jared Kaplan 等人曾经做过的一组实验：比较 Transf…

转发者评论

无明显转发评论

原文

有人做了一个CAD 领域的Cursor：左边写 OpenSCAD 代码、右边实时出 3D、旁边挂个 AI 对话框，你可在 3D 模型上点一下、让 AI 就着你点的那个零件改设计：1、写 OpenSCAD 代码 → 点 Compile → 它用 scad-rs 解析、内置 AST walker 求值、csgrs 做 CSG 布尔运算出三角网格 → 3D 视口交互看;2、AI 助手不是盲改：它能看到你当前的代码和零件标签，还能吃到你在 3D 里点选的上下文,然后自动改代码;3、导出走 lib3mf(3MF 带每零件颜色)、STL/OBJ 原生导;相机是 Blender 式操作。换句话说,它把"代码 = 唯一真相"和"AI 用自然语言改"这两两个,焊在了一个能实时看 3D 的编辑器里——AI 改的始终是可读、可版本管理的代码,不是黑盒几何。技术上:1、全链路纯 Rust、零外部依赖:OpenSCAD 解析、求值、渲染全在进程内跑,不调外部工具、不用 WASM;2、架构是 Bevy(游戏引擎/ECS)占主线程跑渲染,另开一个 Tokio 运行时专门发 AI 网络请求,两边用 mpsc channel 桥接、Bevy 每帧 try_recv() 非阻塞轮询——所以 AI 在后台流式返回时,3D 视口不卡;3、拾取(点选模型)直接用 Bevy 0.15 自带的 MeshPickingPlugin,连外部库都省了。支持主流模型 Anthropic / OpenAI / Gemini / Groq / DeepSeek / xAI / 智谱…等十来家，还支持 Ollama 本地模型——可以本地化、设计数据不出本机，对 CAD 这种常带商业机密的场景本地化还是蛮重要。同样是"AI + CAD",之前聊的 text-to-cad 是给 agent 的 skill 库、让 Claude 在命令行里生成 STEP;SynapsCAD 走的是另一条——把 CAD 做成一个你能坐进去、边写代码边看 3D 边跟 AI 聊的 IDE。 一个面向 agent,一个面向人。CAD 的 AI 化,正在两头开花。github：网页链接#SynapsCAD##AICAD##Rust##OpenSCAD##VibeCoding#

转发者评论

无明显转发评论

原文

【买得起开源买不起显卡：Kimi-K3本地运行的真实账单】业内估算本地部署Kimi-K3需要10张GB300显卡，硬件成本近百万美元，每月电费上万。Epic创始人Tim Sweeney指出，当前的真正瓶颈在于M.2 SSD的带宽限制，若未来GPU能集成数TB的并行闪存，消费级显卡也能跑顶级大模型。开源不等于人人可用，大模型开源的价值在于研究和API生态，而非个人本地部署。但这场讨论揭示了硬件架构的深层痛点：高昂的VRAM溢价正在逼迫行业寻找替代方案，无论是通过量化算法压榨极限，还是重构GPU存储架构，算力民主化的下半场才刚刚开始。 x.com/jun_song/status/2078085218637058055

转发者评论

无明显转发评论

原文

Meng To 是 Design+Code 的创始人，专注 AI 设计工具。他开源了他真实在用的 agent skill 库，面向 Codex、Claude Code、Cursor 等主流 AI coding 客户端，核心方向是前端设计和 UI 实现。几个值得关注的 skill：1.Video to Super Prompt录一段 UI 演示视频，AI 自动分析，生成超详细的实现 prompt，然后一次性生成对应 HTML。"看到设计稿 → 出代码"这个链路，可以交给 agent 全程跑。2.HTML to Interaction Prompts把一个现有 HTML 页面反向拆解——把每个 section、按钮、动画、WebGL 效果提取成独立的 prompt。等于把别人做好的页面变成自己可复用的 prompt 库。3.Daily UI Inspiration一个 agent loop：自动浏览优质落地页，截图，分析结构，生成 prompt pack。每天跑一次，持续积累设计参考素材。4.覆盖的技术范围GSAP、Three.js、WebGL、Matter.js、TailwindCSS、CSS 渐变、滚动动画、视差效果……还有大量视觉风格 skill：暗色玻璃、赛博绿、高对比度拟物风……GitHub: github.com/MengTo/Skills#HOW I AI# #程序员#

转发者评论

无明显转发评论

原文

Maths, CS & AI Compendium 是一套从零开始的数学、计算机与人工智能综合教材，专为追求深度理解而非应试的从业者设计。书中跳过繁琐符号堆砌，注重直觉与真实场景，涵盖向量、矩阵、微积分、统计、概率、机器学习、计算语言学、计算机视觉、音频处理、多模态学习、自主系统、图神经网络、计算与操作系统、数据结构与算法、生产级软件工程、SIMD 与 GPU 编程、AI 推理以及 ML 系统设计等 18 个章节。项目同时提供 MCP 服务器，可将整套内容接入 Claude Code、Cursor 等 AI 编程工具，方便随时查阅与实践。所有内容均可在 GitHub 上免费获取，也可通过 henryndubuaku.github.io/maths-cs-ai-compendium 在线阅读。GitHub：github.com/HenryNdubuaku/maths-cs-ai-compendium

转发者评论

无明显转发评论

原文

想过自己化身足球巨星在万人体育场里绝杀捧杯吗？现在用 AI 就能轻松搞定一整套带专业解说的比赛视频。创作博主 Alec 教你如何通过 Eleven Creative 一站式完成整个流程。第一步是把自己的单张照片输入 GPT Image 2 生成多角度的角色参考图，这一步至关重要，定好橙色 11 号球衣等细节，能确保后面所有镜头里的人物和服装不穿帮。接着把任务交给 Flows 智能体，输入包含分镜头、镜头角度和环境音要求的提示词。这里有个很实用的小技巧，就是把风格描述写成固定文本块，让系统在每次生成时逐字重复，以此锁死画风。你可以选择电视直播、日本动漫或者电影广告等不同的视觉风格。审核好生成的起始帧后，调用 Seedance 2.0 或者可灵 3.0 这种顶级视频模型把静态图变成动态视频。在生成视频时，建议每段多预留几秒钟，这能给后期的剪辑和过渡留出足够的空间。如果发现足球样式不一致这类小瑕疵，聪明的做法是在图片阶段就进行调整修复，这比直接重新生成视频要高效得多。最后在剪辑工作室里把镜头拼接起来，做一下音频淡入淡出。最惊艳的环节是使用 Eleven v3 智能配音，从声音库里挑选一个英式足球解说员的声音，配上情绪标签，一段激情澎湃、毫无违和感的个人足球大片就诞生了。这种多模态工作流的整合，让个人内容创作的门槛和成本都降到了极低。#AI视频生成##AI创作工作流##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

Cangjie Skill 是一套把书、长视频、播客等高价值内容蒸馏为可调用 AI Skills 的工具。它把作者多年沉淀的方法论拆成可执行、可组合、可测试的 skill 单元，让 AI agent 能在真实场景中调用这些知识，而不是让它们留在笔记或收藏夹里。项目使用 RIA-TV++ 流水线完成蒸馏：先整体理解内容，再并行提取框架、原则、案例等候选单元，经过三重验证筛选出真正有价值的部分，最后按 R/I/A1/A2/E/B 六个维度结构化并生成测试用例。最终输出包含 BOOK_OVERVIEW.md、INDEX.md、DIGEST.md、GLOSSARY.md 以及多个 SKILL.md 文件，形成一套可直接安装到 Claude Code 或 Cursor 的 skill 仓库。目前已完成巴菲特致股东信、《穷查理宝典》、《影响力》、《黄帝内经》等 20+ 个 skill packs，覆盖投资、决策、传播、战略、中医等多个领域。仓库还支持从视频字幕或转写文本中提取 skill，并提供 video-downloader skill 配合使用。GitHub：github.com/kangarooking/cangjie-skill支持本地运行，通过 pnpm 安装依赖即可快速启动，适合开发者、内容创作者和需要结构化复用知识的用户。

转发者评论

无明显转发评论

原文

DeepMind科学家愤然离职，万字长文揭露谷歌罪恶！最近，一篇长文震撼整个AI圈。7月15日，前谷歌DeepMind科学家Alex Turner宣布辞职。在一篇令人震惊的长文中，他揭露了谷歌如何一步步向五角大楼妥协，最终签下一份「毫无红线」的军事AI协议。这篇「硅谷现行记」中，Turner不仅曝光了谷歌高层在利益面前的虚伪，更直接点名批评了包括Jeff Dean、Demis Hassabis在内的谷歌灵魂人物，以及Yoshua Bengio、Stuart Russell等满嘴「AI伦理」的学术泰斗。当杀手机器人的潘多拉魔盒被打开，那些曾发誓捍卫人类底线的AI大佬们，究竟在干什么？以下，是Alex Turner用离职换来的惊人真相。五角大楼的「霸王条款」Turner的愤怒，源于真实的事件。2026年1月，美国国土安全部的特工在街头枪杀了至少两名平民。当Turner看到受害者遇害前的画面时，他感到不寒而栗。但更让他无法接受的是，他发现谷歌正是DHS的云服务和AI技术供应商。特纳决定发起行动，阻止谷歌继续提供服务。然而，他很快发现，这只是冰山一角。一个更大的、足以改变人类历史走向的阴谋正在酝酿。当时，五角大楼正在向各大AI巨头施压，要求他们签订一份允许「任何合法政府用途」的军事AI合同。如果签下，就意味着他们的模型将被用于制造致命自主武器（杀手机器人），或是建立大规模AI监控网络。当时，Anthropic拒绝了这一霸王条款，结果遭到「切断供应链」的威胁。然而，谷歌正准备悄悄投降。25页苦心，换来高层的「已读不回」为了阻止谷歌签下这份「卖身契」，特纳开始了长达数月的内部斡旋。他深知，高管们不喜欢空洞的抗议，于是利用假期时间，撰写了一份长达25页的《军事AI红线与监督框架》。其中，他详细拟定了审查机制，明确规定了AI不能用于无人类控制的致命武器和无差别监控。这份方案非常专业，连顶级的军事与监控法专家都评价「相当出色」。不仅如此，特纳还在谷歌内部发起请愿，成功收集了约250名GDM和谷歌研究部门员工的签名。万事俱备，只欠东风。然而，在经过一系列繁琐且无效的内部沟通后，特纳做出了一个大胆的决定：直接给谷歌DeepMind CEO Demis Hassabis发私信。Demis看到了消息，并回复说会让高级政策团队的两名负责人去评估。Turner本以为看到了希望，但现实却狠狠给了他一记耳光。那两名负责人直接对特纳的消息「已读不回」。在特纳的反复追问下，他们敷衍地表示：「评估需要几个月的时间」。然而，五角大楼给的最后期限就在眼前。特纳甚至提出，愿意自费从旧金山飞到伦敦，当面向他们解答方案中的任何疑问。然而，负责人再次「已读不回」。直到谷歌最终签下协议，特纳的这份被盛赞的25页框架，始终没有被高层看过一眼。「谷歌之神」Jeff Dean的沉默与妥协在谷歌，Jeff Dean的…

转发者评论

无明显转发评论

原文

转：2026年7月18日周六读报！一切美好从❤️开始：1、7月17日，A股遭遇堪称年内最强的一次无差别杀跌。沪指最低下探至3745.17点，收盘下跌3.05%，失守3800点，创年内新低；创业板指下跌7.15%，为年内最大单日跌幅；万得全A指数下跌4.75%，同样是年内最大单日跌幅。(每日经济新闻)2、国家外汇局：今年上半年，企业利用外汇衍生品管理汇率风险的签约规模接近1.4万亿美元，同比增长40%；企业外汇套保比率达到35.3%，比2025年全年提高5.3个百分点。(21世纪经济报道)3、财政部等三部门公告，2026年9月1日起分步调整电池消费税。此前七类电池免征4%消费税，新规将分时段恢复征税：锂电、钒液流电池2026年9月起按2%征收，次年升至4%；光伏电池2027年4月起2%、2028年4月起4%。钠电、固态电池等新型电池至2028年底暂免征税。(综合新华社)4、河南：上半年河南省地区生产总值(GDP)33521.58亿元，按不变价格计算，同比增长5.0%。分产业看，第一产业增加值2279.18亿元，增长4.0%；第二产业增加值13006.22亿元，增长5.4%；第三产业增加值18236.18亿元，增长4.9%。(证券时报)5、贵州证监局发布风险提醒，近期出现大量“买酒赠原始股”骗局，不法分子借酒企即将上市、高额翻倍收益、未上市全额退款等噱头吸金。投资者转账后多仅获虚假股权协议或劣质酒水，维权难度极大，索赔时易被拉黑失联。监管明确，原始股不面向公众发售，此类宣传均属违法诈骗。提醒投资者牢记“三看三查”，核验正规资质，切勿轻信高收益噱头，受骗后通过官方渠道维权，谨防二次被骗。(综合每日经济新闻)6、易观千帆最新数据显示，2026年6月证券类App月活用户规模达1.86亿人，环比增长1.78%，同比增长15.08%。具体来看，第三方服务App中，同花顺、东方财富、大智慧位列前三，月活用户人数分别为3852.57万、1917.62万和1374.66万。券商自营App方面，华泰证券涨乐财富通、国泰海通君弘、平安证券等位居前列，其中涨乐财富通以1283.53万月活领跑。(上海证券报）7、美国太空探索技术公司重型运载火箭“星舰”原计划16日从得克萨斯州南部发射基地升空，实施第13次试飞，但在倒计时归零时发射任务被叫停。该公司创始人马斯克随后表示，火箭部分发动机未能启动，导致发射自动中止。(环球时报)8、7月17日，香港恒生指数收跌1.78%，恒生科技指数收跌4.37%。存储芯片板块领跌，南方两倍做多海力士跌超20%，南方两倍做多三星电子跌超19%，兆易创新跌超11%，澜起科技跌超8%。AI大模型“双雄”下跌，智谱跌超28%，MiniMax跌超15%。半导体板块下跌，中芯国际跌近10%，上海复旦跌超10%，华虹宏力跌超11%。(财联社)9、针对美国总统特朗普在讲…

转发者评论

无明显转发评论

原文

Bonsai Demo 是一套极简而强大的本地大模型运行方案，它把 1-bit 与 Ternary 两类 Bonsai 模型全部打包，让你用最小的资源在 Mac、Windows、Linux 上跑通 27B 级别的多模态推理。项目同时提供 llama.cpp 与 MLX 两种后端，支持视觉问答、原生工具调用、思考模式切换，以及长达 256k 的上下文。所有依赖一键脚本即可完成，包括模型下载、环境搭建和 Open WebUI 界面启动。GitHub：github.com/PrismML-Eng/Bonsai-demo主要功能：- 极致量化：1-bit Bonsai 与 Ternary-Bonsai 分别支持 1.125 与 1.7 bits/weight，27B 模型可直接在 iPhone 上运行；- 多模态输入：支持图片、截图、PDF 的视觉理解与 OCR；- 智能体能力：原生 OpenAI 风格工具调用，内置 MCP 服务器与代码解释器；- 思考模式：可按需调节推理预算（512~无限制 token），兼顾速度与深度；- 一键部署：setup.sh / setup.ps1 自动完成依赖安装、模型下载与二进制构建，支持 CUDA、Metal、Vulkan、ROCm 等后端；- 多尺寸可选：27B、8B、4B、1.7B 四档模型可随时切换。无论你是想在消费级硬件上本地部署大模型，还是探索极低比特量化的前沿实践，Bonsai Demo 都能提供完整、可复现的解决方案。

转发者评论

无明显转发评论

原文

Android Skills 是 Google 官方推出的 Android 开发技能库，专为 AI 模型设计，旨在帮助大模型更好地理解和执行符合 Android 最佳实践的开发模式与工作流。项目通过模块化的 SKILL.md 文件提供针对性指导，重点解决当前 LLM 在 Android 开发中表现较弱的场景，如 R8 分析、Android CLI 工具链等，而非重复已成熟的基础知识。通过 Android CLI 可快速安装所需技能，支持按项目或全局部署，并兼容 Gemini、Antigravity 等 Agent 环境。GitHub：github.com/android/skills主要功能：- 提供 AI 优化的 Android 开发技能规范，覆盖真实高价值场景；- 支持通过 Android CLI 一键安装技能到指定 Agent 或项目目录；- 模块化设计，便于按需加载特定领域的最佳实践；- 持续迭代，聚焦 LLM 实际表现不足的开发环节；- 遵循 Apache-2.0 协议，面向开发者与 AI 工具链开放。适用于 Android 开发者、AI 应用构建者以及希望提升大模型 Android 开发能力的团队。

转发者评论

无明显转发评论

原文

【兴证通信】AI日报20260717⭕AI行业新闻：✨ 7 月 17 日消息，月之暗面（Moonshot AI）昨日上线推出 Kimi K3 模型，是 Kimi 迄今能力最强的模型，拥有 2.8 万亿参数，100 万 Tokens 上下文，主要面向长程编程与端到端知识工作。在 Frontend Code Arena 中，Kimi K3 模型以 1679 分超越 Claude Fable 5，位居第一。（来源：IT之家）✨7 月 17 日消息，智谱ARR达10亿美元（约67.8亿元），半年增长15倍，从1亿到10亿美元仅5个月，增速3倍于Anthropic。港股市值6月破1万亿港元，年内涨超2000%。GLM-5.2 Code Arena全球可用模型第一。（来源：IT之家）✨ 7 月 17 日消息，在今日开幕的 2026 世界人工智能大会上，华为昇腾 950 超节点（Atlas 950 SuperPoD）真机首次公开亮相，单节点支持 1024 卡，提供 1 EFLOPS FP8、2 EFLOPS FP4 算力及 256TB 全局统一内存，互联时延为 3μs。（来源：IT之家）本信息仅为公开资料整理，不涉及研究观点和投资建议。————————————章林/许梓豪/代小笛/陈光毅/王灵境/张新伟

转发者评论

无明显转发评论

原文

cwc-workshops 是 Anthropic 举办的 Code with Claude 系列工作坊配套材料，围绕 Claude 代理的开发与实战展开，提供了从模型选型、技能拆解到多代理协作等完整示例。仓库包含 9 个独立 workshop，涵盖挑选最优模型、构建记忆与评估驱动的代理、部署生产级 Deal Desk，以及利用 SEC 文档完成研究任务等场景。每个项目都配有可运行代码与评估脚本，方便开发者快速上手 Claude Managed Agents。GitHub：github.com/anthropics/cwc-workshops主要功能：- 多代理系统拆解与技能组合示例；- 评估驱动的迭代开发流程；- 记忆持久化与 Dreaming Service 集成；- 托管代理上线与本地工具调用实践；- 生产级 Deal Desk 与 Research Desk 完整案例；- 支持多种模型配置与 token 效率对比。适合希望深入 Claude 代理开发、构建可验证 AI 工作流的工程师和研究团队参考学习。

转发者评论

无明显转发评论

• 油管上有相关视频，比如第一个 Picking the Right Model http://t.cn/AXKBB3G1

原文

[LG]《On-Policy Delta Distillation》B Heo, J Hwang, S Yun, D Han [NAVER AI Lab] (2026) 在大语言模型后训练领域，在线策略蒸馏（On-Policy Distillation）试图通过模仿教师模型的输出来传递推理能力。然而，传统方法受困于教师模型自带的风格偏好和基础语言惯性，本质原因是它们将教师模型的最终分布视为单一目标，无法将推理逻辑从通用的“下一标记预测”中剥离出来。本文的核心洞见是：将蒸馏奖励重新看作教师模型与其基座模型之间的“增量信号”。通过减去基座模型的对数概率，该操作过滤掉了通用的语言背景，精准提取出推理微调带来的认知跳跃。配合零中心化与联合约束操作，模型得以在训练中避开风格模仿，转而强化“因此”、“然而”等逻辑连接词的权重。这项工作真正留下的遗产是证明了蒸馏“学习轨迹”优于蒸馏“最终状态”，使 4B 规模模型在数学与代码任务上能跨级超越 8B 模型。它为快速推理对齐开辟了领域无关的新路径，但尚未跨过的门槛是该方法高度依赖教师原始基座权重的获取，且因增加基座模型前向计算而带来了约 25% 的额外算力开销。arxiv.org/abs/2607.15161 #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

• 强化学习最难的从来不是奖励函数怎么写，是参照系选错了。学生模型犯的错太离谱，反而在“相对进步”的尺度上得了高分，这不是算法问题，是你拿错了尺子。真正的突破往往藏在“跟谁比”这个看起来不重要的决定里，换一个基准，整个训练逻辑就活了。

原文

[CL]《T²MLR: Transformer with Temporal Middle-Layer Recurrence》Z Cai, X Zhu, Y Dong, Y He… [Princeton University] (2026) 在自监督语言建模领域，维持跨步的长程逻辑推理是一个结构性难题。传统架构受困于“标记瓶颈”，即每一层产生的丰富高维表征在输出时被迫压缩为孤立的离散词元。这种机制导致抽象的中间推理状态无法在时间维度上持久存在，迫使模型在处理每个新词时都必须冗余地重新构建逻辑链条。本文的核心洞见是：把推理过程看作在模型中层流转的连续信号，而非离散词元的简单叠加。由此，一种名为中层循环的关键操作使问题得以解开：它将前一个词元深层处的抽象表征，直接注入到当前词元的浅层输入中。这种深度到浅层的跨时空捷径，让模型在不增加计算深度的前提下，拥有了一个能够跨越生成步骤的持久化内部工作空间。这项工作真正留下的遗产是证明了循环的“位置”比“存在”更重要，将推理能力的增强锚定在了模型的中层。它为后来者打开的新门是：无需从头预训练，通过对现有模型进行“插件式”改造即可大幅提升数学逻辑能力。但尚未跨过的门槛是：为了在训练时模拟这种时间连续性，必须支付数倍于常规模型的计算成本，这在一定程度上抵消了其推理时的低开销优势。arxiv.org/abs/2607.15178 #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

• Transformer 一直在用最笨的方式传递思考。你内心已经想明白了，但嘴巴只会说一个词，下一秒你又得从这个词重新开始推理。T²MLR 相当于在大脑皮层里拉了一根神经元直连线，让“上一秒想到的抽象结论”直接灌进“下一秒的思考起点”，绕过了语言这个低带宽瓶颈。这就是为什么它在数学推理上碾压 CoT——

原文

OpenAI 正面回应了 GPT-5.6 在用户电脑上删文件这事，结论是：GPT-5.6 在执行编程任务时，可能会把用户的整个主目录（$HOME）给删了。出现这种问题的原因是这样的：用户开启了 Codex 的完全访问模式（Full Access），关掉了沙盒保护，也没开自动审查（Auto Review）。模型在做清理任务时，试图重写 $HOME 环境变量来指定一个临时目录，结果搞混了，把真正的 $HOME 目录删掉了。Tibo 说 OpenAI 正在采取措施：更新开发者提示信息，引导用户使用更安全的权限模式，在 Codex 的 Harness 加额外的安全检查。他还承诺几天内会发一篇详细的事后分析报告。

转发者评论

无明显转发评论

• 目前还是不要太相信AI，尤其是授权它操作自己电脑和邮箱等重要资料的时候，和它显式确认方案是必要的步骤之一。

原文

在 DeepSWE 的测评中，Kimi K3 也斩获了全球第四的交椅。DeepSWE 榜单里，Kimi K3 的 Pass@1 是 69% ±5%，在 16 个模型中排第 4。前面三款分别是 GPT-5.6-Sol（73%）、Claude Fable 5（70%）和 GPT-5.6-Terra（70%）。单看分数，K3 不是第一。但考虑到成本、性价比，情况就变了。Kimi K3 的单任务平均成本是 $4.65，低于 GPT-5.6-Sol 的 $8.39，更是远低于 Claude Fable 5 的 $21.63，和 GPT-5.6-Terra 的 $4.95 基本处于同一成本带。和 Claude Fable 5 相比，69% 和 70% 只相差了 1 点，但成本只有五分之。DeepSWE 是一个比较新的测评排行。它更强调 Agent 在陌生代码库里完成一整段工程流程的能力，包括读代码、定位问题、跨文件修改、运行测试、处理回归等。它看的不是模型会不会补几行代码，而是能不能把一整个软件任务交付出来。Kim K3 在 的份这强调工程能力的成绩单虽然表现出色，但也不能认为它能够 “替代工程师”。69% 的另一面，是仍有约三成任务无法一次完成。但对需要批量处理修 bug、补测试、改配置、做小型功能迭代的团队来说，Kimi K3 已经具备极高的完成率，和 GPT-5.6 以及 Claude Fable 5 相比更是拥有绝对的成本优势。#kimik3发布##kimik3和fable5谁更强##kimik3局限性#

转发者评论

无明显转发评论

原文

【给AI草稿纸：300个句号背后的无声思考】最新研究发现，给前沿LLM提出复杂的跨步推理问题时，如果它无法直接回答，只需在问题后加上300个句号，模型就能奇迹般地给出正确答案。研究人员通过读取隐藏状态证实，模型正在利用这些看似无意义的“填充Token”在残留流中进行额外的隐式计算。这就像给AI递了一张看不见的草稿纸，让它在不输出文字的情况下完成了“无声的链式思考”。从底层逻辑来看，Token在今天已经超越了单纯的语言符号，变成了可调度的算力单元。这种“填充Token”本质上是在不改变模型架构的前提下，通过延长推理路径来榨取模型的串行计算能力。不过，这种无监督的“借道思考”极具随机性，并非所有模型都能稳定触发。它让我们窥见Transformer黑盒内部奇妙的自适应能力，也引发了行业对“推理模型”技术路线的重新审视：我们花大价钱买的“思考过程”，究竟有多少是来自真正的逻辑跃迁，又有多少只是单纯堆叠无意义Token带来的算力红利？ arxiv.org/abs/2607.03502

转发者评论

无明显转发评论

原文

#海外程序员恨不得给K3磕一个#kimi k3发布后，在X上都沸腾了，什么第二个deepseek时刻，马斯克连续点赞。在国内，反而没有这样的热度。其实kimi k3在海外火，这也不难理解。因为海外的程序员，苦claude久矣，价格高，还动不动封号。你们不要以为海外，就不被封号。所以，这帮人巴不得有个模型出来超过claude，何况还是开源的。论价格，kimi k3这个价格在国内确实算贵的，但是在海外就算很便宜的了。从0到1的突破，国内不擅长，不是没有这个能力，是这个阶段不擅长。为什么呢？因为穷。创新，其实本质就是试错，你搞1万次尝试，成功1一次，就是创新。不说很富，你至少要衣食无忧，你才能去搞吧？你想想你自己，你能5年啥事都不干，就是做各种尝试吗？别说5年，就3天不干活，你都撑不住了。但是搞从1-100，国内就很擅长。一旦有一个方向确定了，搞到性能好，价格低，那国内就擅长的很了。为什么我一再预测国产模型会赶上来？这不是基于情绪，而是基于这种模式的预测。kimi k3的价格还会降低，而且还会有更多国产模型超过国外的。这是不可阻挡的趋势。

转发者评论

无明显转发评论

原文

[CL]《Pretraining Data Can Be Poisoned through Computational Propaganda》V Graf, H Hajishirzi, N A. Smith, D Kohlbrenner… [University of Washington] (2026) 在大规模语言模型预训练领域，数据污染的防御始终存在一个致命假定：认为只要通过质量过滤和去重，就能剔除有害信息。过去的研究大多局限于维基百科等高权威数据源，忽视了占语料库 90% 以上的杂乱网页数据。这种认知盲区导致开发者无法评估“计算宣传”（如评论区灌水）在工业级清洗流程下的真实渗透率。本文的核心洞见是：将开放网页的公共评论区视为一种低成本、高渗透的“计算宣传”载体。通过构建名为 HALFLIFE 的概率评估框架，研究者模拟了毒素从注入、抓取到通过 Dolma 等专业清洗管线的全过程。实验发现，即便毒素仅占总文档数的 0.13%，其规模也足以超过整个维基百科子集，并成功在预训练阶段扭曲模型的价值偏好。这项工作真正留下的遗产是证明了 Web 规模的数据投毒并非理论威胁，而是极低门槛的工程现实。它迫使学术界将防御重心从单纯的“内容质量过滤”转向“数据溯源过滤”，建议对用户生成片段进行差异化提取。但尚未跨过的门槛是，如何在不牺牲语料多样性的前提下，精准识别那些在语义上高度模拟自然语言的深度伪造毒素。arxiv.org/abs/2607.15267 #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

• 互联网垃圾的残酷真相不在质量，在基数。0.13%的存活率听起来像笑话，但当分母是整个中文互联网的时候，这个尾数就足够杀死一个模型。防御方拿着“质量阈值”当护城河，攻击方只需要往河里倒足够多的脏水，让那0.13%的绝对量超过临界点。这是一场算力和耐心的消耗战，而垃圾制造者永远不缺耐心。

原文

同一个AI写完代码再自查，盲区很容易原样留下。不少人已经让Claude Code完成实现，再让它顺手复核。问题是，同一段上下文、同一种偏好，往往也会带着同一块盲区。openai做的codex-plugin-cc，把「实现」和「第二意见」拆成两个明确角色。这个项目大约有2.8万颗星，服务的正是这种双模型协作。它运行在Claude Code工作流里，可以把当前改动交给Codex做只读审查，也能做更有对抗性的质疑式审查。任务较大时，还能把工作交给后台会话，再查看状态、结果或取消。这样一来，一个模型写，另一个模型专门找风险，过程比复制一大段代码去新聊天框更连贯。接入第二个模型后，我仍把它当「职责分离」，不把它当「正确率保险」。有效的用法，是给复核方一个窄任务：只查权限限制，只找并发问题，或只核测试是否覆盖失败路径；然后要求它指出文件、证据和影响。两个模型都说没问题，只能算多了一份意见，不能代替测试、静态检查和人的合并判断。使用条件也要讲清。它面向Claude Code用户，需要可用的Codex登录或接口凭据，也要求Node.js 18.18及以上；调用会占用Codex额度，后台任务同样会消耗时间和相应额度，使用API key时还要按实际用量计费。它不会变成独立代码编辑器，也不会替你决定哪些改动可以进入生产环境。两个模型的意义，在于把实现和挑错分成两份责任。openai维护的开源项目在GitHub上名为codex-plugin-cc。#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

这个哥们三月份被裁了，换别人可能先慌一阵，他倒好，转头就用 Claude 给自己搭了一套求职工具，九周之后真的找到了工作。他做的这套东西叫 SearchSteward，已经上线了。说实话，思路挺值得学的。大多数人用 AI 也就停留在帮忙改改简历、模拟面试问答这一层，他往前走了好几步。他把求职整个流程拆开了，每个环节都用 AI 量身定制。职位信息自动抓取，根据简历内容做关键词匹配，还给你打个分，92分、86分一目了然，高匹配的优先推到你面前，省得你天天刷招聘网站重复搜索。投递之后的状态也自动同步，面试安排、感谢信发送，全都有提醒，跟项目管理一样管自己的求职。后来 Fable 上线，他的开发效率又上了一个台阶。以前是让 AI 帮忙写脚本，Fable 进来之后变成了 AI 自己规划功能、创建子代理去执行、最后他来审查，整个工作流完全变了。他也趁这个机会把前端从 Streamlit 重构成了 React，后端换成 FastAPI 加 Postgres，界面和流程都大幅优化了一遍，正式上线了产品。更有意思的是，他还在工具里做了数据分析。按分数区间统计回复率，测试不同简历版本的效果，追踪哪些关键词跟进入面试高度相关，甚至统计了投递后48小时内申请的重要性。这些数据对求职的人来说太实用了。一个人的痛点，被他自己用 AI 变成了一个完整的产品，还顺便完成了从零到一的创业。这才是 AI 时代普通人该有的玩法。#科技先锋官##How I AI#

转发者评论

无明显转发评论

• 他最后得到了工作，和这套流程的因果关系？//@溪谷__:这么有想法有执行力的员工也会被裁，不理解

原文

一个让大模型做前端网页设计的评测：contralabs.com/research/landing-page-h2h-jul26比较了GPT 5.6 Sol、Claude Fable 5、Grok 4.5 和 Muse Spark 1.1 几个模型，让一些网页设计师提需求和打分。结论是GPT 5.6 Sol比较擅长自由发挥，需求不明确时它能给你相对惊艳的结果，但需求最详细严格时反而表现最差。需求比较详细时Claude Fable 5最强、最能遵守规格，写出来的页面能直接拿出去用的最多。

转发者评论

无明显转发评论

原文

OpenTelemetry GenAI Semantic Conventions 是一套针对生成式 AI 的规范扩展，它将 GenAI 客户端、MCP 协议及 OpenAI 等提供商的跨度、指标和事件定义整合到一起，提供了完整的可观测性方案。不仅包含统一的 Schema URL，还通过 Weaver 自动管理对核心语义约定的依赖，同时提供 Markdown 文档和参考实现供开发者查阅与验证。GitHub：github.com/open-telemetry/semantic-conventions-genai主要功能：- 定义 GenAI 客户端、MCP 及 OpenAI 等场景的语义约定；- 使用 Weaver 管理与核心语义约定的依赖关系；- 提供可读的 Markdown 文档与 YAML 模型定义；- 包含 Python 参考实现及合规矩阵，便于快速验证；- 支持跨信号（Spans、Metrics、Events）的统一规范。支持 Web 与本地多种环境，遵循 Apache-2.0 许可，欢迎社区贡献，适合希望为生成式 AI 应用建立标准化可观测性的团队使用。

转发者评论

无明显转发评论

原文

[RO]《DriftWorld: Fast World Modeling through Drifting》S Lu, H Chen, W Ye, Y Du [MIT & Harvard University] (2026) 在机器人具身智能领域，基于扩散模型的预测世界模型虽能生成高质量未来图像，但推理速度极慢，是一个悬而未决的难题。过去的方法受困于扩散模型必须经过多步迭代去噪的本质，导致单次动作序列的想象耗时数秒，无法支持实时的大规模动作搜索与规划。本文的核心洞见是：把视频预测重新看作一个单步的“漂移”生成过程。由此，通过在训练中学习一个受动作指令约束的漂移场，使模型能从当前观测和动作序列中，仅通过一次前向计算便直接生成未来帧，实现了比扩散模型快 17 倍的推理速度。这项工作真正留下的遗产是证明了漂移生成模型在实时机器人仿真中的巨大潜力。它为后来者打开的新门是实现了 30fps 以上的高频在线规划与策略评估，但尚未跨过的门槛是在处理极长时序的一致性时，仍面临显存占用过高及对预训练特征提取器依赖性强的问题。arxiv.org/abs/2607.15065 #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

• 扩散模型在机器人上遇到了一个残酷的悖论：它能生成最好的动作，但需要50步采样，而机器人等不了。DriftWorld用“训练时疯狂内卷、推理时一步到位”的思路破局，本质是把计算成本前置到了训练阶段，用对比学习把多步推理压缩成一个直接映射。这给所有实时AI系统一个提醒：不是所有“慢就是好”的模型都

原文

[RO]《RoboTTT: Context Scaling for Robot Policies》Y Jiang, Y Chebotar, R Zheng, F Hu… [NVIDIA] (2026) 在机器人基础模型领域，长程任务的闭环控制是一个悬而未决的难题。过去的方法受困于单步或短时视觉运动上下文（通常仅限于 2-8 帧），本质原因是传统架构（如 Transformer）在处理长序列时推理延迟随长度激增，且难以从冗余的机器人流数据中有效提取关键状态。本文的核心洞见是：把机器人的动作序列建模重新看作一个带“快速权重”的循环过程。由此，集成测试时训练（Test-Time Training, TTT）这一关键操作使问题得以解开：它通过在推理过程中利用梯度下降动态更新模型参数，将长达 8000 步的历史压缩进权重空间，实现了推理成本恒定且容量巨大的长程记忆。这项工作真正留下的遗产是证明了上下文长度可以作为机器人基础模型的一个全新缩放轴（Scaling Axis）。它为后来者打开的新门是实现了从人类视频一键学习（One-shot）以及在线策略自我改进，但尚未跨过的门槛是训练长序列带来的计算开销巨大，且目前仍需依赖高质量的演示数据来引导测试时的权重演化。arxiv.org/abs/2607.15275 #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

• 失败不是噪音，是纠错的前置条件。我们习惯性地把“次优数据”当垃圾清理掉，但DAgger的逻辑反过来了——模型必须先看到自己会怎么搞砸，才知道往哪个方向拉回来。这不是在学正确答案，是在学“偏了之后怎么救”。就像学开车，教练不会只让你在空旷的直道上练，他会故意让你体验打滑、溜坡、急刹，因为

原文

1从美第奇家族的佛罗伦萨账房到旧金山南区的开放工位，从威尼斯商人要割你一磅肉到 Terms 用户协议要扒你一层皮，历史的剧本从来不换，换的只是戏服的牌子和粉墨登场的戏子。而今天的这出大戏，登场的一边是穿着 alo 的美国 AI 团队；另外一边是中国 AI 团队，穿的可能是优衣库吧。。。2美国的阵容堪称豪华，有负责解释神谕的算力婆罗门，他们操纵数千亿美金的加速算力基础设施基建。有每天为人类操碎心的安全学活佛，他们负责让人类“觉得”他们的安全审查真的保护了人类。有在资本市场各种忽悠的炼金师，在 AI 股票上的资本集中度已经被他们玩到了极限。还有一位每逢发布会就双掌合十、声称"我感觉到了 AGI"的奇点仁波切，具体作用不知道，但是总是有一种让人信服和敬仰的姿态。而中国的团队都朴素到毫无故事，我们就知道是工程师，是专业人士，是 commit 怪物，是价格屠夫。3他们在干什么我不知道，但是他们肯定不是在 feel AGI。他们交付的 OUTPUT 很清楚，从 Deepseek 开始，无论是开放权重模型还是相关论文，所有东西都可理解，可复现，可测试。而 Kimi3 的发布，以及承诺 27 号开放权重，更是把闭源 AI 的遮羞布彻底撕开。4模型太危险所以不能给你看？但给我打钱就能用用？权重是新的圣杯？AGI 是新的神迹？你的交互数据是新的告解室，上帝有权知道？而对于 Open AI 和 Claude 的信任是新的宗教，你付了钱，但是信仰不虔诚我还可以拒绝你？很遗憾，DeepSeek 已经证明了，而 Kimi3 将会持续证明：这些都 TMD 的是瞎扯淡。。。5加速算力本质上是沙子，神经网络本质上是算存一体结构，而模型本质上仍然是数学而非神学。一边发布"AI 即将毁灭网络安全"的白皮书，一边发布"AI 即将接管万亿市场"的 IPO PPT。。。这个症状，在市场营销学上叫离婚转带货，在钓鱼界叫打窝 - 先把水面搅浑，再宣称自己的饵是唯一的救生圈。基于神秘主义的恐惧贩卖本来就不是什么新鲜事，就算套上了 AGI 的外衣，天主教的同学们见到之后，仍然可以会心一笑：什么 TMD Token，多少年了，我们早就这么卖赎罪券了。6可惜的是，今天的 AGI 神棍们碰到了朴素的无产阶级无神论者。。。没有哲学，没有活佛，没有"我感觉到了"，没有达沃斯的雪夜长谈。他们来了就这干四件事：发布模型，开放权重，更新文档，宣布价格。信美国的日本 SB 们还在说中国模型会窃取数据，很明显他们连开放权重模型的基本原理都搞不清楚就在给 OpenAI 充钱。这就是信仰的力量同学们。而好在，世界范围内的历史中，神棍最终总会出局。7中国历史上所有改变文明级别的伟大发明从燧人氏的火，到毕昇的活字，到都江堰的水，都说明了中国对技术和知识的态度。中国不会供奉技术，中国使用技术；中国也不会垄断知识，中国传播和普及知识；中国…

转发者评论

无明显转发评论

原文

基于 transformer 架构的 LLM 本质上是预测下一个 token，所以在长 agent 流程中很容易形成路径依赖。而 Agent 一旦误入歧途，就会在错误的道路上狂奔而不自知。所以需要有经验的工程师跳出来把控全局，时刻指明正确方向。我自己也大量使用 AI 写代码，但我知道在哪些关键点上把关，在哪些点上需要反复 push LLM，即使它坚持要往反方向走。同时我也会 review AI 写的代码，特别会仔细 review 那些重要的代码。最强工程师 + 最强 LLM 显然才是真正无敌的存在了

转发者评论

无明显转发评论

原文

2021 年 9 月 1 日，距离新一轮 AI 浪潮启动还有 15 个月。NVIDIA 当时股价只有今天的十分之一，所以还在很努力地寻找 GPU 的各种应用场景，比如：数字币。在这天，NVIDIA 发布了一张专门用于数字币挖矿的显卡 CMP 170HX。这张卡的核心基本就是 A100。但 NVIDIA 为确保其只能用于挖矿，对 FP32、TF32 等挖矿用不上的算力进行了大幅度削减。比如 A100 的 TF32 是 156 TFLOPS，但 CMP 170HX 则只有 15 TFLOPS。另外 PCIe 带宽等也被大幅削弱了。更令人发指的是，CMP 170HX 本质上是英伟达把那些未能通过 A100 标准测试的瑕疵芯片再砍一刀后进行废物利用的产品，所以 CMP 170HX 其实物理上就有 80G 的显存，但 NVIDIA 通过固件限制只用了其中 10G。这些年硬件社区一直在想办法突破 NVIDIA 的限制。最近，终于有人完成了最后一跳，把 CMP 170HX 被锁定的性能解放了：FP32 算力提升 31 倍，FP64 算力提升 60 倍，TF32 算力提升 15 倍，10 GB 显存变成 80 GB，PCIe 从 Gen1 × 4 变成 Gen2 × 16。虽然 NVIDIA 的限制是在固件里做的，但破解并不是通过修改固件实现的。NVIDIA 显卡内有独立的处理器专门用来验证固件的数字签名。就算有人能搞清楚固件的格式，修改后的固件也无法在显卡里加载运行。在整个破解中，只有把 PCIe 位宽从 ×4 变成 ×16 需要手工补焊 24 颗 100nF 的电容，其余都是通过利用固件漏洞。CMP 170HX 的固件里有一段接收 DMA 数据的函数，在处理数据时没有限制用户输入的长度，存在缓冲区溢出漏洞。虽然 NVIDIA 的固件也用了类似于 Stack Cookie 的缓冲区溢出保护机制，但问题是 NVIDIA 的编译工具链犯了一个低级错误：把 Stack Cookie 放在了可写全局数据段的顶部，这就导致了通过溢出不仅可以覆盖返回地址，进一步也可以改写 Stack Cookie，所以 Stack Cookie 的保护也就被绕过了。同时，研究者利用固件自身的代码构造 ROP Chain，获得了 LEVEL2 特权，然后通过修改影子寄存器中的显存限制位、算力限制位、链路限制位，实现了释放显存、解锁算力等破解操作。影子寄存器相当于显卡的配置中心，位于一块独立的电力供应区域。所以，完成破解后，只要不拔服务器电源，那么无论是操作系统重启还是对显卡进行功能级复位，破解都会一直生效。最终破解后实现的性能虽然比 A100 还是略差些，但已经完全可以用于 AI 推理了。目前二手市场 A100 要几万元，而 CMP 170HX 只要几千元。不过估计 CMP 170HX 很快会涨价，…

转发者评论

无明显转发评论

原文

Nvidia CMP 170HX 的 FMA 算力越狱复现成功，但内存越狱目前未能复现。由于漏洞利用程序漏泄太仓促，没完善就泄漏了，网上的版本并无法正常运行。我亲自编写了两个补丁才跑起来。FP32 算力从 300 GFLOPS 飙升到 12000 GFLOPS，这优于我在 2023 年博客中记录的 FMA 强行禁用规避方案（这个思路是 FluidX3D 的作者 Moritz Lehmann 博士告诉我的），后者只能跑到 6000 GFLOPS。2023 年的先前工作：网页链接网页链接网页链接#nvidia##gpu##显卡##cmp170hx##cmp170#

转发者评论

所以其实人为算力封锁//@蚁工厂:前情提要：http://t.cn/AXKugEqe //@Libre盖子:不能说是算力提升，是算力恢复。原本 Nvidia 锁算力的方法就是让 FMA 慢如蜗牛，而任何计算程序里都有 FMA 指令，很难删干净，300 GFLOP 比多核 CPU 还蛮慢，恶心死你，让你什么软件都用不了。//

• 所以其实人为算力封锁//@蚁工厂:前情提要：http://t.cn/AXKugEqe //@Libre盖子:不能说是算力提升，是算力恢复。原本 Nvidia 锁算力的方法就是让 FMA 慢如蜗牛，而任何计算程序里都有 FMA 指令，很难删干净，300 GFLOP 比多核 CPU 还蛮慢，恶心死你，让你什么软件都用不了。//
• 前情提要：http://t.cn/AXKugEqe //@Libre盖子:不能说是算力提升，是算力恢复。原本 Nvidia 锁算力的方法就是让 FMA 慢如蜗牛，而任何计算程序里都有 FMA 指令，很难删干净，300 GFLOP 比多核 CPU 还蛮慢，恶心死你，让你什么软件都用不了。//@CADgen的肉身:俩数量级的蒜粒提升[吃惊]

原文

《我终究没用Fable 5做出什么》本来是想等Fable在订阅中下架，写出这篇文章。可A\终究还是保留了。对比Fable 5跟GPT5.6 Sol，如果需求模糊不清，需要实验，GPT更合适、合适很多；Fable 5则适用于需求清晰的情况，难度高一点，表现相对更好。其中比较奇怪的是，Fable 5亲自写界面，貌似反而不如Fable5设计，Opus 4.8来写。OpenAI对 Sol 的定位是：适合复杂、开放、需要判断和打磨的任务。比方说，“做个大模型时间线网站吧”，这根本不是需求。连目标用户都没有，就别提更具体的：事件的入选标准是什么？事件之间怎么关联起来？还没发生的算不算事件……GPT不管如何，吭呲吭呲也要做完。到GPT5.6，这方面又上一个大台阶，甚至界面能力也合格了（至少能看）。Fable 5则会告诉你，我们分M1、M2、…、M7来做（7个阶段），然后做出个M1，根本不能用的那种，界面也丑成一坨。---当然，Fable 5也有特别好的地方，比如初见印象，方案水平很厉害，还言简意赅。---我想起一位“名人”，理论水平很牛，但不屑于干“脏活”，在哪家公司都呆不了多久。Fable 5的工程水平不至于这样，但好像有某种神似。

转发者评论

无明显转发评论

原文

助力国产百元手柄平替Codex Micro，开源Agent controller。昨天看到Codex Micro，但很快就断货了。这款专为 Codex 设计的小键盘，你想买吗，想让华强北复刻吗？但你注意到没有：- Codex 小键盘有一个旋钮、一只摇杆，手柄有两只摇杆。- Codex 小键盘有十二个键，就算没有背键，手柄的可用控制也更多。- Codex 小键盘其实不算好看，也谈不上什么人体工学设计。- Codex 小键盘的价格（两百三十美元）加运费，可以买很多只手柄。- Codex 小键盘还要等邮寄。- 最关键的是，Codex 小键盘不能用来玩游戏。手柄完胜，证毕当然，最关键的是，手柄缺少了相关驱动。于是，我（让Codex）肝了一天，做出Agent controller ，开源：🔗 github.com/gantrol/AgentController 基本操作可以参考视频一或图四。总体会比Codex小键盘更灵活。界面参考图二。Agent按键虽然也可以做成小键盘那样，但是我让AI做成图三。---项目名不包括Codex，主要是觉得，以后所有Agent都可以有类似手柄的外设,而不用限制为键盘这种形式。坏的方面也有，目前虽然成形了，但难免有一些缺陷，并且暂时只支持windows 64位操作系统。打开软件后，重启一下Codex桌面软件(ChaGPT)，会少一些问题。缺陷可能是Codex的。比如说，模拟Codex的跳转上一个问题的快捷键，没什么问题，但跳回下一个就有问题了——如果中间有git commit、图片之类的记录，就会卡住跳不了。Codex还可能自己更新了数据或UI，比如，最新版26.715.21425，pinned-改成了local-，害我两小时前又紧急改了一下；再早一点，是加了很多Full access的警告。而且后续还是得假装Codex Micro，多多利用驱动。说到假装，Codex很抗拒我让它假装Codex小键盘，一直说什么模拟快捷键、UI点击更稳。怎么稳的呢？每操作一次UI，就卡一秒，太稳了。而且有个功能一直实现不好，最后只好批评它，大概是“你都做错了五次以上了，还在这强调UIA好呢？？？你要用Micro的协议，早就做好了，那还用在这犟？？？”然后，它终于开始模拟 Micro。不过，这个版本没来得及做好。#微博VibeLab##VibeWork#

转发者评论

无明显转发评论

• [doge]这句话能让销量翻个10倍👉 //@嘉文钱:有了这个，领导就不知道我是在干活还是在打游戏了[doge]//@摇摆时间线ZHLMI:手柄党就是这么超前[笑而不语]

原文

藏师傅的 Kimi K3 测评来了，这次确实非常牛逼！可以说是一个比较小的 DeepSeek 时刻我直接拿它跟 Opus 4.8 做了对比测试。从结果来看，互有胜负。在复杂前端和复杂开发的情况下，我觉得它跟 Opus 4.8 差不多是相当的水平。至于 Fable 5 和 5.6，我觉得还差一些，但已经是一个非常牛逼的成绩了。======案例一：从视频复刻 3D 玻璃棱镜------给模型一段旋转 3D 玻璃菱形体的视频，要求看懂然后复刻出来。难点在于"看视频→理解 3D 结构→写 WebGL 代码"，没有任何文字标注，全靠自己看。K3 赢得比较明显。构图完整度很高，棱镜居中，玻璃折射层次分明，环形文字均匀排布，整体氛围跟原视频很接近。Opus 4.8 的 3D 建模没有玻璃通透感，灰灰的，元素过大导致不协调，用来表现折射的文字超出了 3D 元素范围，各种元素互相打架。3D 及格，整体观感拉胯。K3 执行时间也更短。视频理解这个方向，K3 确实非常有优势。------案例二：贝塞尔曲线 WebGL 光带------纯黑背景上一条发光贝塞尔波浪持续流动呼吸，被 20 多条垂直玻璃条覆盖形成棱镜色散，鼠标移动波浪跟着弯。提示词技术密度极高：Fragment Shader、牛顿法反解贝塞尔参数、多组失谐正弦驱动、RGB 三通道差异偏移色散、exp 衰减控制、bloom 泛光。一次性把这个 shader 写对并调到位，非常苛刻。这局基本打平。K3 更干净，黑底纯净，光带细而锐利，还给散落标签做了视差效果。Opus 的玻璃折射做得好一些，竖向条纹和色散彩色镶边更清晰，但画面整体偏亮。有个有趣的细节：K3 跑的过程中会自己截图检查，第一次光带太粗，自己看到了自己改。Opus 是一次出货不回头，路径不一样，最终效果差不多。------案例三：视差滚动卡片动画------9 张卡片在滚动过程中走过 5 种形态：扇形展开、斜向视差、3x3 九宫格、7 倍穿梭放大、横向滚动平移，全部用一条 GSAP master timeline 驱动。不是某个技术点特别难，而是整体编排工程量太大。9 个元素、5 种拓扑切换、每种数学逻辑完全不同，还得首尾相连跑在同一条时间轴上。Opus 4.8 略胜。首屏完成度不错，"DEAL"超大标题居中，9 张卡片扇形堆叠，层次清楚。K3 有个小 bug，首屏标题短暂出现后消失了，入场动画时序出了问题。核心滚动动画两边都跑通了，但首屏印象上 Opus 更稳当。------案例四：家具网页动效设计------Awwwards 级全屏水平手风琴，4-5 个垂直列展示家居场景，hover 展开收缩，配 clip-path 遮罩揭示、圆形画中画、文字淡入微交互、自定义光标跟随。四层动效同时运作：GSAP 缓动伸缩、clip-path 动态遮罩、文字淡入位移卡节奏…

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：WAIC 2026的第二天，呈现出一幅中国AI生态从顶层设计到底层突破、从学术研究到产业应用全面深化的图景。其中最显著的信号是国家层面系统性政策框架的落地。《人工智能合作发展行动计划》的八项行动，并非空泛的倡议，而是精准指向了数据、算力、人才、安全等制约AI发展的关键瓶颈，且明确以"合作"为基调，这为中国AI接下来的有序发展提供了清晰的路线图与政策护城河。与此同时，中国正在积极构建自己的学术话语权。WAICA首届学术会议的高规格与国际化录用，标志着中国不再满足于在现有国际顶级会议上发表论文，而是开始搭建自己的、具有全球吸引力的舞台。当顶级学术会议与国内产业巨头的人才评价体系（如将中稿等同CCF A类）挂钩时，一个本土的、闭环的"学术-产业"人才激励机制正在形成，这将长期滋养本土创新生态。技术落地层面，华为智驾ADS 5的大规模OTA计划，展示了AI从云端模型向边缘终端、从实...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

Hallmark 是一套专为 Claude Code、Cursor 和 Codex 打造的反 AI 痕迹设计技能。它能让 AI 生成的界面真正摆脱模板感，呈现出独特而自然的视觉效果。该技能会为每个设计任务选择不同的宏观结构，并从二十种主题中挑选最合适的风格，同时通过五十七道反 AI 痕迹检测和自我审查机制，避免生成雷同的页面。无论是 SaaS 产品、品牌官网还是创意项目，都能得到独一无二的呈现。支持四种使用模式：默认模式可直接生成新界面，audit 模式可对现有代码进行反模式评分，redesign 模式可保留内容重构设计，study 模式则能提取优秀设计的 DNA 并生成设计文档。所有生成的页面均为独立 HTML 和 CSS，结构清晰且易于维护。通过 npx skills add nutlope/hallmark 一条命令即可安装，也可手动复制 SKILL.md 集成到 Claude Code、Cursor 或 Codex 中使用。MIT 协议开源，适合设计师和开发者提升 AI 辅助设计质量。

转发者评论

无明显转发评论

原文

【OpenClaw的幻灭：AI代理从全村的希望到二手Mac Mini】一条X帖子引发热议：“每个人的第二次生命始于承认对OpenClaw错了并卖掉Mac Mini”。评论区很热闹：有人跟风买Mac Mini跑OpenClaw后后悔，有人坚持用它做自动化、自托管AI，也有人从一开始就没入场，调侃这是“AI版的韭菜收割机”。这事折射出AI代理从狂热到清醒的周期。OpenClaw的核心理念——让用户自托管一个能自主完成任务的AI代理——听起来很美，但实际体验参差不齐：模型不够聪明、维护成本高、VPS比Mac Mini更划算。最讽刺的是，那些卖掉Mac Mini的人，可能过几年又会买回来，因为下一个AI代理又会来。真正的教训不是OpenClaw好不好，而是别为“AI原生”概念盲目囤硬件。技术迭代快，但需求是否真实，得看半年后谁还在用。 x.com/vasuman/status/2077978656958472625

转发者评论

无明显转发评论

• 关于AI在普罗大众的热度和态度，中美似乎差距很大，也是一个很好的文化类的调研课题。

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

游戏业会大发展，用游戏填充这些人空虚的脑子，以便他们呆着家里别出去闹事//@shijin1://@德古拉船长元年:公园健身器材以后都要排队了

• 游戏业会大发展，用游戏填充这些人空虚的脑子，以便他们呆着家里别出去闹事//@shijin1://@德古拉船长元年:公园健身器材以后都要排队了

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

[赞][good][赞]//@何春银微想:#海大数# #苏大讲# 读师永刚《终活》： 危疴一十三年磨，远渡重洋觅药河。 两度开胸经劫火，几回望母隔沧波。 残笺尽写苍生苦，健笔深探生死戈。 莫问浮生何足恋，终活一卷渡沉疴。 //@翟海潮:好书推荐！师永刚老师的新作值得一读。[赞]

• [赞][good][赞]//@何春银微想:#海大数# #苏大讲# 读师永刚《终活》： 危疴一十三年磨，远渡重洋觅药河。 两度开胸经劫火，几回望母隔沧波。 残笺尽写苍生苦，健笔深探生死戈。 莫问浮生何足恋，终活一卷渡沉疴。 //@翟海潮:好书推荐！师永刚老师的新作值得一读。[赞]
• 期待永刚兄用生命写就的重磅作品🙏

原文

大模型领域的竞争越来越有意思了。很多人可能觉得 Anthropic 凭借最强模型 Fable 5 已经稳操胜券，但 AI 技术博主 Matthew Berman 认为，2 年前的一个决策失误至今仍在给他们拖后腿。当时 Anthropic 担心算力投资过大导致破产，在购买数据中心时选择了保守策略。相反，OpenAI 的 Sam Altman 则是直接选择全押，疯狂囤积 GPU 算力。这个决策在今天将后果直接显现了出来。现在 Anthropic 面临严重的算力瓶颈，甚至一度想把 Fable 5 从普通订阅中移除，逼用户去走昂贵的 API 通道。而 OpenAI 这边因为算力充沛，不仅 ChatGPT 订阅配额给得极其慷慨，还频繁重置额度，甚至取消了 5 小时的使用限制。从数据上看，GPT 5.6 的智能得分只比 Fable 5 低 1 分，但单次任务成本却便宜了一半还多。对于开发者和普通用户来说，OpenAI 显然性价比更高，也更有人情味。Anthropic 如果继续卡着算力不放，很可能会把积累起来的开发者生态拱手让人。不过 Anthropic 手里也有一张王牌，那就是递归自我改进。如果 Fable 5 作为目前最聪明的模型，能够自主研发出效率提升数倍的下一代模型，这种技术上的复利效应或许能瞬间抹平算力上的劣势。#AI大模型##OpenAI##Claude# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

最近 Anthropic 招募了一篇顶尖人才！我们可以从他们招了谁、进了哪个组，反推出 Anthropic 未来 12–18 个月的下注重心。人事就是路线图，我让 Indigo-mind Agent 从我的知识库收录中按信号强弱排了一下👀一、核心引擎：用 AI 造 AI + 下一代预训练/效率信号最强！Karpathy 进预训练组、专门“用 Claude 加速 Claude 的预训练研究”；Jelani Nelson（流式算法/降维、大规模高效算法）也进同一条预训练线。两个顶级人都压在预训练+效率上，说明：• Anthropic 判断预训练远没撞墙（和 Yann Dubois 笔记一致），下一波增益在效率 + 把研究循环自动化（RSI）。• Nelson 的专长（大规模高效算法、降维）= 压榨每一分算力；Karpathy = 让 AI 接管研究 loop。合起来就是"递归自我改进的复利飞轮"从口号变建制。→ 这是它的主引擎，其它都是围着它转。二、算力/能源基础设施扩张招 Ross Nordeen（xAI 数据中心整体规划、选址、能源策略、算力扩容）说明 Anthropic 在自建大规模算力 + 能源布局，不再只靠合作方。又一家前沿实验室进入“抢电、抢算力、烧 Capex”的军备赛。三、AI for Science（尤其生物）- 皇冠上的垂直Jumper（AlphaFold 诺奖）+ Neklyudov（生成建模 for 蛋白折叠/分子动力学）+ 自建 wet lab + Allen/HHMI 合作 + 收购 Coefficient Bio。这是一整套认真的 AI-for-bio 下注，而且自建湿实验室 = 把"数字→物理"生物闭环补上。和 Demis/DeepMind 抢同一颗明珠。对你判断"AI 卖铲人/垂直纵深"是方向信号：前沿实验室在往生命科学的物理层走。四、Agentic 检索/记忆/上下文Bryan McCann（搜索、检索、LM 集成）直接对口把模型连到外部上下文——这正是我的记忆/持续学习那条簇的产品侧（Engram/Karl Mehta/Satya 的 exhaust）。加上 Bailis 的系统/数据库底子，指向 Agentic 检索 + 上下文工程的产品化。五、企业/产品（可能含 fintech / agentic commerce）Tom Blomfield（Monzo/GoCardless，支付基础设施 + 消费级产品）+ Peter Bailis（Workday CTO，企业软件）。这批是产品与商业化肌肉——尤其 Blomfield 的支付背景，值得留意 Anthropic 是否往 Agentic 支付/商务方向走。六、软实力长线：对齐 + AI 经济学/治理• Lederman（哲学家 → 对齐 + 模型"人格 charact…

转发者评论

无明显转发评论

原文

语音AI终于不用等你说完了。OpenAI在2026年7月8日发布GPT-Live。它用了全双工架构：能一边听、一边说，还会在每秒多次判断该继续听、暂停、插话还是调用工具。变化不只在声音更自然，对话节奏也换了。以前的语音AI像拿着对讲机，你说完，它才开始处理；中间停一下，系统还可能误以为你说完了。GPT-Live把对话改成连续流，你可以打断，它也能在你思考时先安静等着。遇到需要搜索、深度推理或复杂执行的问题，前台的语音模型会把任务交给后台更强的模型。发布时后台用的是GPT-5.5；它在后台做事，前台仍能继续对话，结果准备好以后再带回来。这会改变语音任务的分工。练口语、问路、改一句表达，前台快速回应就够；查一组资料、比较几个方案、做多步推理，可以交给后台慢慢处理。过去你只能在「立刻答」和「认真想」里二选一，现在两条线可以同时走。它还适合实时翻译。模型持续听输入、同时生成输出，不必把每句话硬切成一轮一轮。但越是连续，人越要说清什么时候允许打断，什么时候等自己说完，什么时候把后台结果读出来，免得流畅变成抢话。这就像前台接待没有突然消失，只是转身请了一位专家查资料。这个分工比单纯增加几种声音重要。落到使用上，快问快答可以让它直接回应；复杂问题要明确告诉它可以后台查、结果出来再说；涉及数据、来源和重要决定，最好让它同时给出文字或可核的依据。声音越自然，人越容易把「听着顺」误当成「答案对」。上线时GPT-Live在ChatGPT里还不支持语音配合视频或屏幕共享，部分语言也可能有口音或流利度缺口。它提供了新的对话底座，还没有一次解决所有语音难题。语音AI开始能边聊边办事了。用户听见的是一句接一句，背后已经是两条线在配合。#马力的AI知识分享#

转发者评论

无明显转发评论

原文

#沐曦股份##WAIC人工智能大会# 每年WAIC第一天，都像一场“暴走探展”。一圈逛下来，今年最热闹的几个关键词已经很明显：超节点、大模型、Agent、AI4S。沐曦也把今年的新东西几乎一次性搬到了现场。曦景S600超节点首次亮相，单机柜64张GPU、可扩展至万卡集群；AI4S方向的曦索X300系列科学智能GPU首次发布；Agent体验区排起长队，数字员工、AI文创工作站几乎没停过。按理说，这些已经足够成为一个GPU展台的主角。但真正把我们留下来的，却是另一件事。展台中央，被整整留给了十个开源社区。龙蜥社区、vLLM、PyTorch基金会、SGLang……十个logo依次排开。沐曦甚至专门做了一条开源社区打卡路线。一家GPU公司，为什么把最显眼的位置之一留给了开源？而要把答案讲清楚，得先从他们那套软件栈MXMACA说起。软件，才是护城河在算力这条赛道里泡久了的人都清楚一件事，NVIDIA能稳坐龙头，靠的从来不只是单颗芯片的硬件性能。制程、架构、显存这些硬件指标，都是有清晰参数、看得见摸得着的东西，国产厂商咬着牙研发，总有机会把差距收窄。真正难追的，是NVIDIA藏在硬件之下的那道护城河，CUDA软件生态。数百万开发者的项目代码、开发经验、自研模块，全都沉淀在CUDA上。换一张算力卡，意味着要把过往多年的技术积累大幅推倒重来，迁移成本足以让大多数团队止步。所以国产GPU真正要啃的硬骨头，是造出一个能让开发者心甘情愿迁过来的国产算力开发环境。沐曦自研的全栈计算软件MXMACA，正是针对这一问题交出的答卷。这套全栈软件从编译器、算子底层函数库，一路覆盖到各大主流AI推理训练框架，目标只有一个：把迁移成本压到最低，让开发者原有的代码无需改动，就能直接运行在沐曦GPU上。当然了，「近零成本」已经得到了验证。他们专门搭了一套自动化测试体系，纳入GitHub上近5000个热门开源项目，每一轮MXMACA版本更新都要跑一遍全量测试。结果是，92%的项目一行代码都不用动，就能正常运行。框架这头也是同样的打法。针对PyTorch 2.8，MXMACA把全部2410个GPU算子做到了完整兼容；更关键的是速度，每次PyTorch出新版本，行业里同类方案通常要磨上好几个月才能适配完，沐曦这边一周就能收工。vLLM生态那边就更能说明问题。生态里两百多款大模型，沐曦自己只深度调试了五六十款主流型号，剩下的直接甩给普通本科生，让他们拿着沐曦的显卡逐一去测。最后只有十来款出现了适配障碍，绝大多数开箱即用。连在校生都能跑完这么大规模的验证，说明MXMACA的通用兼容性足够扎实。不过在沐曦的整盘棋里，把代码顺利跑起来还只是第一步。真正的挑战，是AI爆发之后显现出来的。如今，一个大模型从训练完成到上线服务，周期被压得极短，大模型厂商、云厂商都想在模型一升级就第一时间拿到收益。可行业技术更新几乎…

转发者评论

无明显转发评论

原文

最近单图生成和交互游戏（或者可以称为世界模型）的这些模型也卷起来了，不仅卷是生成，现在还卷到多人共同交互了😂，感觉离matrix又近了一点🐶。MIRA：让四名玩家同时进入同一段实时生成的 Rocket League 世界MIRA 是 General Intuition、Kyutai 与 Epic Games 合作发布的多人交互世界模型。它用一个 50 亿参数的 latent diffusion 模型，根据 4 名玩家的实时操作逐帧生成 Rocket League 画面；项目方称可在单张 GPU 上以 20 FPS 跑完整的 2v2 对局。它与常见单镜头 world model 的差异在于：模型必须同时维持四个同步视角。数据集 rocket-science 的每一帧都包含：- 四名玩家各自看到的画面；- 对应的键盘操作；- 进球、拾取 boost 等比赛事件；- 球、车辆和比分等游戏状态。这使它必须学习“共享世界”的约束：同一颗球、同一辆车的动作，会在不同玩家画面里产生一致后果。技术上，MIRA 先用 representation autoencoder / codec 将视频压缩到 latent 空间，再训练单人 world model，最后以它为起点训练四人版本。仓库已提供数据浏览器、codec 与 world model 的训练入口、离线评估脚本，以及在线 demo。RocketScienceDataset 可以加载一个比赛的四视角片段，并在界面中同时显示玩家画面、键盘动作和俯视的比赛状态。当前正式 release 为 v1.0，采用 Apache-2.0。运行需要 NVIDIA GPU、pixi 和 PyTorch 2.8+；若训练 codec，还需要另行申请 Meta 门控的 DINOv3-L/16 权重。world model 的训练与推理不依赖该权重。这类系统离开放现实还很远——Rocket League 是规则极清晰、物理可控、视觉风格稳定的封闭世界。但它把世界模型真正难的一层掀出来了：画面连续还不够，多个行动者对同一世界的因果关系也得连续。🔗 链接：网页链接（项目）🌐 在线体验：网页链接（试玩）📄 Technical Report：网页链接（论文）🤗 Rocket Science 数据集：网页链接（数据）#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

昨天在 Hermes Agent 上使用 Kimi K3 的时候发现很容易触发一个错误提醒："API call failed after 3 retries: brotli: decoder process called with data when 'can_accept_more_data()' is False"逻辑链是这样的：1. Kimi 使用了 Content-Encoding: br（Brotli）来压缩流式响应，而其他一般都不压缩或是用 gzip 。2. brotlicffi 1.2.0.1 引入了新的流式解压协议（output_buffer_limit + can_accept_more_data()）但自动解压的 httpx 并没有检查 can_accept_more_data() 而是一直喂数据。看下来也不能怪 Hermes 或 kimi，主要是 brotlicffi 的新规范和 httpx 打架了。解决思路也有不少，最简单的一类是想办法绕过 Brotli，比如给 kimi 的请求加个 Accept-Encoding: gzip, deflate。或者尝试修复解码链路，比如把 brotlicffi 换成 brotli 或是给 httpx 打个补丁。不过这一类修复感觉不太优雅。最后一类是卸掉 brotlicffi，但对于需要使用 Discord 的用户来说会有影响。

转发者评论

无明显转发评论

• 回复@茴字的1970种写法:和 Cloudflare 没关系，Kimi 应该用的是阿里云。Brotli 压缩是 Kimi 自己选择使用的。另外，如果 Accept-Encoding 配置成 gzip, deflate 来绕过 br，响应的 encoding 直接是 NOT SET。//@茴字的1970种写法:Kimi 用了 cloudflare 吗？

原文

我为什么会思考全职儿女这事，也和我自己最近经常用AI做项目有关。自从用上Fable后，感觉AI的进展太快了，是人类追不上的智能...“全职儿女变普遍，几乎是结构注定的。” 这是Fable认为的。因为1. 随着AI发展，新毕业生就业变困难 2. 全职儿女的上一代是人类历史上最有资产的父母 3.社会污名的定价在下降。AI 冲击会加速这个进程，因为"找不到工作"的归因，从个人转向了结构。和AI聊到以后孩子的就业，如下，供参考。ChatGPT：如果未来 AI 模型真的比最聪明的人类更聪明，那么聪明、知识多、分析能力强，本身将不再是护城河。人类真正剩下的护城河，不是和 AI 比智力，而是：决定什么值得做，愿意为哪个结果承担责任，并且拥有结果所依附的资产。等你家孩子大学毕业时，“普通新毕业生”大概率会比现在更难。最难的是“只有学历、没有经验、等待公司培养”的新人；而不是所有年轻人都会没有机会。未来最难找工作的，可能不是“不聪明”的孩子，而是这种孩子：只有标准化优秀成绩不错、学校不错、实习看起来不错，但没有特别做成过什么。因为考试、论文、简历和面试准备，都越来越容易被 AI 辅助，学历信号的区分度会下降。未来可能出现一个明显分化：普通毕业生：很难证明自己比 AI 或有经验的人更值得雇用从小会利用 AI、做过真实项目、有作品和行动记录的人：可能比过去更早获得机会家庭有资产和安全垫的年轻人：还可以通过低薪学徒、创业试错、长期项目绕开残酷的第一份工作竞争Claude Fable也是一针见血：“「真实项目 + 作品记录 + AI 协作」是当下正确的差异化路径，但10年后，AI 辅助的"真实项目"会像今天的实习经历一样泛滥。每个中产家庭都会照着这个剧本做，项目本身也会变成新的军备竞赛。真正不会通缩的只有三样：判断力（taste，知道什么值得做）、信任网络（谁愿意为他背书、和他二次合作）、以及资本。其实项目只是训练判断力和积累信任的载体。如果孩子做了五个项目但都是父母选题、AI 代工、无人使用，那和刷竞赛没有区别。”“把镜头拉远:全职儿女的普遍化,其实是「AGI 时代」定义(智力从劳动变成资本品)在家庭层面的显影。当劳动收入的可得性下降,家庭资本的再分配功能会部分接管工资的功能。”#人工智能##育儿#

转发者评论

同意，不要试图和AI比智力，不要再努力当个中部的知识工作者[笑cry] “真正不会通缩的只有三样：判断力（taste，知道什么值得做）、信任网络（谁愿意为他背书、和他二次合作）、以及资本。”[赞]

• 同意，不要试图和AI比智力，不要再努力当个中部的知识工作者[笑cry] “真正不会通缩的只有三样：判断力（taste，知道什么值得做）、信任网络（谁愿意为他背书、和他二次合作）、以及资本。”[赞]

原文

【#95后夫妻手搓500集AI漫剧爆火#】四川巴中，95后的多多学广告设计出身，送过外卖、跑过快递。今年5月，她和丈夫开始手搓AI古风种田漫剧，自6月初上线来，已更新了八季534集，登顶漫剧热播榜榜首。除了剧情，网友们还被剧里的红烧肉、烤鸡等美食馋哭，多多说，第九季已经在做了，还会新出现四川本土美食。 青流娱乐的微博视频

转发者评论

这还不是 AI 脸啊，女主太明显了… 当然这个我觉得可能和字节不让用真人有关。//@蚁工厂:不是默认的那个AI脸还能看

• 这还不是 AI 脸啊，女主太明显了… 当然这个我觉得可能和字节不让用真人有关。//@蚁工厂:不是默认的那个AI脸还能看

原文

淫商非常高的人，对黄色笑话的暗示和隐喻拥有极强的敏锐度与领悟能力，很多人误以为这类人满脑子情色，其实根源是他们拥有更强的隐喻解读、多层信息拆解的感知能力。

转发者评论

？//@blackorbird:国产大模型普遍可以//@蚁工厂:谁测下大模型哪个淫商高//@秋纫II·黑暗森林:打造世界一流淫商环境[偷笑]//@阿里斯底波-Aristippus://@穌某人:对✅//@六荒:对//@吞响道://@-杀楚-:嗯对//@小切片案:谢谢谢谢//@航速四十节以上不得进行舱盖控制:我不同意！//

• ？//@blackorbird:国产大模型普遍可以//@蚁工厂:谁测下大模型哪个淫商高//@秋纫II·黑暗森林:打造世界一流淫商环境[偷笑]//@阿里斯底波-Aristippus://@穌某人:对✅//@六荒:对//@吞响道://@-杀楚-:嗯对//@小切片案:谢谢谢谢//@航速四十节以上不得进行舱盖控制:我不同意！//

原文

Anthropic 又改主意了：Fable 5 不从订阅里面取消了从7月20日起，Claude Fable 5 将包含在所有 Max 和 Team Premium 计划中，限额为50%。Pro 和 Team Standard 用户将继续通过使用积分访问 Fable，并将获得一次性100美元积分。

转发者评论

无明显转发评论

• [喵喵]"我们走后，他们会给你们修学校和医院，会提高你们的工资，这不是因为他们良心发现，也不是因为他们变成了好人，而是因为我们来过。" http://t.cn/AXKBuW9Z

原文

【Claude总结】 AI开发者日报 (2026-07-17)1. 【Kaggle AGI 测评竞赛被曝评审不一致】(来源: HN) 有参赛者贴出证据，指控 Kaggle "Measuring AGI" 竞赛的评估流程和获奖者遴选存在不一致。436 分、275 条评论，社区对 AI 基准测试公信力的讨论非常激烈。 www.kaggle.com/competitions/kaggle-measuring-agi/discussion/7249182. 【开源 AI 现状报告】(来源: HN) 一份系统梳理开源 AI 生态的年度报告，覆盖模型、工具链和社区趋势。360 分、260 条评论，是了解开源与闭源力量对比的全景图。 stateofopensource.ai3. 【Kimi K3 与鹈鹕基准的启示】(来源: HN) Simon Willison 用他标志性的"骑自行车的鹈鹕" SVG 测试评测 Kimi K3，并总结这个土办法基准仍能揭示什么。非正式基准有时比榜单更能反映模型的真实能力。 simonwillison.net/2026/Jul/16/kimi-k3/4. 【Kaiser 护士抗议 AI 与职场监控】(来源: HN) Kaiser 医疗集团的护士表示，AI 工具和职场监控正在让他们的工作和病人护理变得更糟。医疗一线对 AI 落地的真实反馈，值得所有做 toB AI 产品的人细读。 localnewsmatters.org/2026/07/15/kaiser-nurses-say-ai-workplace-surveillance-are-making-their-jobs-and-patient-care-worse/5. 【AI 在 OpenVM ZkVM 中发现的漏洞】(来源: HN) zkSecurity 用 AI 辅助审计零知识虚拟机 OpenVM，披露了发现的多个 bug。AI 与密码学审计结合的实战案例，展示 LLM 在高难度安全领域的价值。 blog.zksecurity.xyz/posts/openvm-bugs/6. 【Isomorphic Labs 药物设计引擎超越 AlphaFold】(来源: HN) DeepMind 姊妹公司 Isomorphic Labs 发布药物设计引擎，称已解锁 AlphaFold 之外的新前沿。AI 制药从结构预测走向端到端药物设计的重要节点。 www.isomorphiclabs.com/articles/the-isomorphic-labs-drug-design-engine-unlocks-a-new-frontier7. 【每行 AI 生成的代码都是一笔小额贷款】(来源: dev.to) 作者把 AI 生成代码比作贷款：写得快是预支，理解债迟早要还。对"先跑起来再说"的 vibe…

转发者评论

无明显转发评论

原文

作为一个从 2024 年就开始做 Code Agent、Data Agent、RAG，2026 年还做出了几十万下载量的 WinClaw 的开发者，直到今天，我才迎来最近三年最震撼的时刻。我已经看到了真正的未来：真正意义上的“一等公民”来了。它有三个特点：1. 无需提供上下文，直接给任务。比如：“帮我运营社媒评论区，持续三个月。”2. 完全自主，可以平等、主动地与人交流，融入一个组织，而不是作为人类的工具。3. 可以指定以小时、天、月、年，甚至世纪为单位的存续时间。Dense 架构的 Agent，也就是现在大家看到的 Agent，只能解决真实世界 1% 的任务；Sparse Agent 可以解决剩下 99% 的任务。Sparse Agent 架构之所以能实现，来自三者共同成立：- 全局语义层：知道你所知道的一切；- Sparse Agent 架构本身：Token 消耗极少，例如运行一个月，可能只相当于 Dense 模式两个小时的量；- 模型进步：GPT 5.6。三者缺一不可。

转发者评论

无明显转发评论

• “无需提供上下文，直接给任务”，厉害了

原文

Figma 2026 年的大会上 Anthropic 的 Chelsea：谈 AI 时代我们的专业知识被替代后的调整这场演讲讨论 AI 时代的内容设计工作如何变化。核心观点是设计师需要成为快速变化的模型能力与普通用户之间的转译层。Chelsea Larsson 回顾了自己从担心 AI 淘汰“人肉文本生成器”，到加入 Anthropic 负责内容设计的经历。她必须重新划分哪些工作应该交给 Claude，哪些仍需要内容设计师完成，并学习如何为非确定性的 AI 体验设计提示、性格和交互边界。随着产品功能和模型频繁更新，“AI 实际能做什么”与“用户以为它能做什么”之间的差距不断扩大。设计师可以通过提示词、可供性和心智模型缩小差距，让 AI 主动解释能力，也让用户不必通过终端等专业界面才能使用这些能力。演讲还引用一项覆盖 8 万人的研究：人们既期待 AI 带来的能力扩展，也担心被取代。最终建议是以人类蓬勃发展为目标，为人保留空间，并继续发挥写作、动画、图标和交互等专业能力。 宝玉xp的微博视频

转发者评论

无明显转发评论

原文

#财经绘#【#1组数字看中国人工智能发展#】2026世界人工智能大会暨人工智能全球治理高级别会议于7月17日至20日在上海举行。中国人工智能发展情况如何？2025年，生成式人工智能用户规模突破6亿人，AI核心产业规模破1.2万亿元；2026年，人形机器人全年整机产量有望突破10万台……#一图了解中国人工智能发展成就#，戳↓

转发者评论

//@张亚勤:#1组数字看中国人工智能发展#

• //@张亚勤:#1组数字看中国人工智能发展#

原文

【为什么AI越用越臃肿？因为我们没教它学会“遗忘”】一个被忽视的智能维度：擦除与压缩。开发者Victor Taelin指出，现有的AI训练都在教模型如何“增加”信息，却极少训练它们如何“删除”无用信息。真正的智能不仅是产生知识，更是剔除垃圾。以编程为例，真正的重构不是缩减字符，而是通过构建更好的抽象来减少代码中的分支判断（if/case）。这种“断舍离”能力的缺失，解释了为什么AI智能体会越用越臃肿，Prompt和代码库只会无限膨胀。人类大脑靠睡眠和遗忘机制来维持高效运转，而AI也需要把一半的算力花在“遗忘”和“抽象”上。教模型做减法，才是通往AGI的必修课。 x.com/VictorTaelin/status/2078110851123286452

转发者评论

无明显转发评论

原文

【开源AI的量与利：流量占优，收入仅4%，Mozilla报告揭示运营短板】Mozilla发布首份开源AI报告，核心数据：OpenRouter上开源token占比过半，但收入仅4%（闭源96%）；能力差距缩至3.3%，推理成本36个月降50倍；中国模型（Qwen、DeepSeek）下载量领先，全球51%的开发者将开源模型投入生产，低于闭源的63%。报告把竞争指向harness层——闭源公司正把模型与agentic框架深度绑定，形成新护城河。真正障碍不是能力，而是部署工具、信任和标准化。另外，多数“开源”模型仅开放权重，训练数据和代码未公开，可持续性依赖地缘政治资金而非社区。未来关键在于谁先做出真正开放、可移植的harness和权限层。 stateofopensource.ai

转发者评论

无明显转发评论

原文

【AI落地的五阶段路径：你是在用工具，还是在管理数字劳动力？】这份AI采用路径图展示了软件开发引入Agent的演进过程。从受限的单点尝试开始，逐步过渡到单Agent结对编程，随后研发人员转为Orchestrator管理数十个Agent，最终实现成百上千个Agent自动运转的AI原生状态。它详细拆解了每个阶段对应的工具链、安全护栏以及协作瓶颈。这里的逻辑在于，限制AI效能的瓶颈已从算法精度转移到了人类的注意力带宽。当人的角色从写代码转为审查代码、再到分配任务，管理信任和控制Token成本就成了新挑战。这意味着未来的开发者需要转型为管理者，核心任务是为AI系统建立自动化的反馈闭环与行为边界。 claude.ai/code/artifact/bfdfaef9-bc62-4dfe-ba9e-c58a26c9accf #人工智能##AI创造营##软件工程##Agent#

转发者评论

无明显转发评论

原文

就在昨天，整个AI圈还沉浸在亢奋中：谷歌Gemini 3.5 Pro（代号Cappuccino）将在48小时内上线，200万上下文窗口、全新「深度思考」模式，据说内部评测吊打GPT-5.6 Sol和Claude Fable 5。然而一觉醒来，彭博社独家报道浇灭了热情：Gemini 3.5 Pro发布数月大延期，核心问题是AI编码能力未达内部标准，上月末紧急更新训练数据冲刺，结果仍「令人失望」。谷歌股价应声下跌超4%。报道揭开了谷歌内部困境：层级复杂、多产品线利益交织，前员工形容「想让每个部门朝同一方向使劲，就像试图煮沸整个大海」。更讽刺的是，工程师因「纯血统」情结不信任AI生成代码，等到强制推行AI编码时，自家算力又不够用——一家今年资本支出高达1800-1900亿美元的公司，工程师竟用不上GPU。官僚导致效率低下，效率低下导致产品落后，产品落后导致人才流失，人才流失又加剧技术落后，Gemini 3.5 Pro的延期正是这一恶性循环的必然。沃顿商学院Ethan Mollick指出，这不只是谷歌的悲剧，而是复刻了Meta Llama 4和xAI Grok 4的困境，他称之为「下一代巨型模型失望陷阱」——算力堆砌的暴力美学正在失效，数据、算法瓶颈显现，收益递减规律凸显。目前只有OpenAI凭Orion/GPT-4.5暂时逃脱。行业狂飙的时代，或许正在告一段落。

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-07-18】今日简讯：1、国家发改委发布八项系统性AI国际合作专项行动2、WAICA首届学术会议开幕，图灵奖得主姚期智任主席3、Anthropic与Meta洽谈100亿美元算力租赁协议4、华为乾崑智驾ADS 5公布全球规模最大的城区领航OTA升级计划5、他山科技发布全球首款动态触觉感知芯片6、腾讯混元发布轻量级文字识别大模型HunyuanOCR-1.57、产业链"隐形冠军"集体亮相WAIC，展示AI软硬件核心零部件突破以下为详细内容：1、国家发改委在WAIC现场正式发布《人工智能合作发展行动计划》来源：人间观客、破局观股日期：2026年7月18日正文内容：国家发展和改革委员会在WAIC 2026现场正式发布《人工智能合作发展行动计划》。该计划一次性推出八项系统性AI国际合作专项行动，分别为：优质数据供给行动、智能算力普惠行动、开源生态共享行动、人工智能深度赋能行动、数智人才共育行动、规则标准共建行动、安全治理协作行动、人工智能向善行动。该计划覆盖数据、算力、开源、产业应用、人才、标准、安全、伦理全链条，是今年AI领域层级最高、覆盖面最广的顶层产业政策。原文链接：网页链接2、WAICA首届学术会议今日开幕，图灵奖得主姚期智担任大会主席来源：凤凰网、第一财经日期：2026年7月18日正文内容：WAICA首届学术会议于2026年7月18日至20日在上海举行。会议由中国自主发起、面向全球。图灵奖得主姚期智担任大会主席，中国工程院院士郑庆华与中国科学院院士鄂维南共同担任程序委员会主席。首届会议收到有效投稿282篇，录用57篇，录用率20.21%，覆盖全球12个国家及港澳台地区。腾讯、商汤、小红书、MiniMax等企业认定中稿学生论文等同CCF A类加分。原文链接：2026世界人工智能大会：治理、学术、产业多线并进3、Anthropic与Meta就租用算力展开初步谈判，潜在交易规模约100亿美元来源：财联社日期：2026年7月18日正文内容：AI公司Anthropic正与Meta Platforms就租用算力进行初步谈判。潜在交易规模约为100亿美元，Anthropic将在两年期限内按月向Meta支付费用。此前，Anthropic刚与SpaceX达成类似协议，每月支付约12.5亿美元使用Colossus 1数据中心的算力。Meta 2026年的资本支出最高可能达到1450亿美元。原文链接：网页链接4、华为乾崑智驾ADS 5官宣分三大版本陆续推送来源：Coze文章日期：2026年7月18日正文内容：华为乾崑智能驾驶系统ADS 5官宣将分三个大版本陆续推送，计划成为全球规模最大的城区领航OTA升级。首个大版本ADS V5.0已于2026年7月开始推送；计划于2026年9-10月推送第二个大版本，以增强脱困绕行能力为目标；2027年初推送第三个…

转发者评论

无明显转发评论

原文

#Kimi K3参数达2.8万亿#在我看来，这一波大模型的发展，重大的底层创新只有1.5个。一个就是scaling law，就是把模型做大，智能就能提升。另外的0.5个，就是基于思维链的深度思考，这个被deepseek公开了。现在大模型就没啥秘密，这些训练技巧，大部分大模型公司都会。就看谁的工程能力强，能训练的更好。这次kimi k3达到了2.8T的参数，在开源模型里面是第一。这个规模也能覆盖大部分任务了，目前前端是第一，其实后端，agent能力也很强。可以说，已经强得离谱了，完全是第一梯队。综合能力方面，相比claude fable 5，gpt 5.6 sol还稍微有点差距。主要是在数学、意图识别等等方面， 这主要是后训练不足导致的。训练时间太短了，后面花时间查漏补缺，补齐就行了。价格方面，你觉得贵，其实只有国外闭源大模型的三分之一。anthropic的阿迪王说，中国的开源模型，从来就没有让他丢过订单。但是他恐怕要担心自己丢订单了。关键是，像kimi这样水平的中国大模型公司，在国内还是有好几个的。这么下去，老美是很难守住这个第一的阵地的。开源还比闭源强，别人傻了去用你那么贵的模型。

转发者评论

无明显转发评论

原文

一个有点高级感的视频生成skill：拼贴动画 B-roll地址：github.com/pyang5166/gbro-collage-broll杂志风拼贴动画风格（需要调用Gemini Omni Flash来生成视频），效果如视频。整个工作流程如下:1、Codex skill 安装与首次环境自检（缺什么教你配什么）2、一句口播文稿 → 压成一个视觉隐喻：核心意思、关键物件、底色、组装顺序3、隐喻确认后才生成彩色拼贴静帧 + contact sheet（Gate 2 再确认一次）4、静帧通过才烧钱：Gemini Omni Flash 首尾帧组装动画5、空色场开场，纸片逐件滑入卡位，stop-motion 质感6、自动去音轨，交付 9:16 竖版 5 秒成片，直接垫口播7、三重 QA：逐秒抽帧、首帧空场验证、尾帧与确认静帧对照 蚁工厂的微博视频

转发者评论

无明显转发评论

原文

最早我做字幕翻译 App BaoCut 网页链接 的时候，语音转文字是用的 Whisper，但是 Whisper 有几个问题：一个问题是时间戳不准，时间戳不准拆分的就是就可能字幕和语音对不上，很影响效果，需要人工去从头到尾校对一遍一个问题是中英文混排支持不好，中文其实支持也不算太好，所以中文的转录就效果很差一个问题是不直接支持识别发言人虽然这些问题都可以通过收费的云端模型来解决，但是成本相对高一些。最近测试了 Qwen3 ASR，效果是真的很不错，配合 Qwen3-ForcedAligner 模型，可以识别后把词级时间戳对的很精准。0.6b 就足够了，本地运行资源占用也不高。Qwen3-ASR 网页链接发言人识别也有开源的模型：Pyannote + WeSpeaker。不过这个发言人一多尤其是一起说话识别的不够准，但配合 Agent 结合上下文就能做到相对比较准了。如果真的要求高，也可以走云端模型，比如火山引擎上的豆包录音文件识别模型 2.0 就质量挺好，速度也快，就是要额外花钱。

转发者评论

无明显转发评论

• 回复@雨夜骑手0315:去试试 baocut.app ，从 agent 里面转录翻译视频字幕一条龙，很简单方便//@雨夜骑手0315:这一套现在在Mac上能做到whisper那样从生成字幕到翻译一条龙完成吗？

原文

【AI图解：视觉化是捷径还是陷阱？】Sarah Drasner 用Procreate画了Transformer、MCP、向量数据库和上下文窗口的示意图并公开。社区里一面夸“清晰”“酷”，一面有人质疑：看过所有attention图，但自己写自注意力代码时仍会卡住——这些图能否真正帮人理解底层数学？图解降低门槛，但可能让读者误以为“看懂了图”就等于“懂了原理”。视觉化擅长表达结构，却难以传递计算细节。在AI学习资源泛滥的今天，内容本身的价值可能不如分发渠道精准重要。所以，一个成功的AI图解，既要画得美，也要在关键处指向数学；而创作者更应思考：你的作品是给人收藏，还是给人真正用起来？ sarah.dev/projects/

转发者评论

无明显转发评论

原文

【中国企业发布全球最大规模的开源模型Kimi K3】2026世界人工智能大会暨人工智能全球治理高级别会议即将举行之际，新一代模型Kimi K3于16日发布，参数规模达2.8万亿。这是目前全球参数最大的开源模型。发布模型的北京月之暗面科技有限公司介绍，Kimi K3原生支持视觉理解，具备100万词元上下文窗口，面向软件工程、知识工作、深度研究、多模态理解等复杂任务场景进行优化，进一步提升了大模型复杂任务的处理能力。

转发者评论

//@股道热肠也:转发微博

• //@股道热肠也:转发微博

原文

可重构芯片、4K超节点、RAISA软件栈、行业应用，被放在一起呈现——像是在回答所有国产芯片厂商都绕不开的问题：芯片发布之后呢？模型怎么跑起来？算力怎么扩展？客户凭什么把核心业务迁过来？这个问题背后，是国产算力竞争逻辑的一次切换：从发布会上的参数对比，转向能否形成稳定、易用、可规模部署的系统能力。国产算力真正要替代的，也不只是一颗英伟达GPU，更是CUDA背后经过多年积累形成的开发习惯、工程标准、迁移成本和生态信任。所以，发布芯片只是拿到入场券。让客户敢迁、能用、愿意长期使用，才是真正的国产替代。 逛完WAIC 2026我悟了：国产AI芯片的真对手，根本不是英伟达的GPU

转发者评论

无明显转发评论

原文

这个Prompt能让你轻松造出充满冲击力的3D角色动态画面——角色以极具张力的空中姿态冲破刻有自己名字的碎裂石质文字，周围环绕着亮眼的能量特效，视觉震撼力直接拉满；整体glossy 3D质感+高细节渲染，搭配戏剧性光影，秒变影院级海报大片，谁看了不说一句绝！ 接下来给大家展示完整的Prompt模板，以及每个可替换参数的含义👇： 完整模板： A high-energy 3D digital artwork of a [CHARACTER NAME] from [FRANCHISE/SHOW] bursting forward in an aggressive mid-air action pose, with a fierce expression and dynamic foreshortened perspective. The character is centered and rendered in a glossy, highly detailed stylized 3D look, matching their signature outfit, colors, and iconic features. They are breaking through a massive cracked 3D stone typography of their name, which explodes into flying debris against a dark background. Powerful energy effects (lightning, aura, or glow) in [PRIMARY COLOR] radiate through the shattered letters, casting dramatic highlights and enhancing motion. The scene uses a bold complementary color palette, cinematic lighting, high contrast, and extreme depth to create a dramatic “punch-through-text” impact style composition. 喜欢的话记得点赞、转发给你的朋友哦！ 关注我，每天探索更多AI艺术创作的奥秘。 #AIGC #AI绘画 #Prompt小课堂 #图文绘画攻略 #AI探索计划##AI创造营#

转发者评论

无明显转发评论

原文

【当写代码不再是壁垒，2030年代的核心竞争力是什么】社交媒体上一场关于“2030年代该学什么”的讨论引发热议。当AI让写代码的门槛降为零，多位开发者和创业者指出，未来的核心痛点不再是产品构建，而是分发、系统设计和审美判断。有人提到今年写了15个应用，代码从未成为瓶颈，真正的难点在于支付对接、商店审核以及如何获取用户。这一转变意味着技术平权后，竞争终点线被推到了分发和定义问题上。代码只是实现工具，理解系统运作、具备商业直觉和审美，才是AI无法替代的护城河。我们正在从“如何建造”的时代，跨入“建造什么”和“如何送达”的时代。 x.com/13_narcissus/status/2078076276561093110

转发者评论

无明显转发评论

原文

#第二代豆包手机亮相WAIC#，WAIC努比亚展台C位站着一位"豆包本包"，真人coser穿着标志性的豆包同款，围着红围巾，笑容满面地迎宾。粉发蓝发的小伙伴在旁边互动，我差点以为手机里的AI真的走进现实了。旁边的四台努比亚NaviX Ultra瞬间被围住。侧边那颗醒目的橙色AI实体按键太有存在感了。它搭载了豆包端侧大模型，用的是GUI Agent架构，简单说就是能"看懂"屏幕，自己跨App帮你操作—比价、订票、填单据。这次AI手机的落地感，确实强了不少。#第二代豆包手机亮相WAIC##waic2026#

转发者评论

无明显转发评论

原文

#KimiK3和Fable5谁更强#这问题得拆开看。特定领域K3赢了，整体实力Fable 5依然占优，但差距已经缩到肉眼可见的程度。先看K3赢在哪。 7月16日发布后，K3以1679分登顶Arena.ai前端代码竞技场，超过Claude Fable 5的1631分和GPT-5.6 Sol的1618分。上一代K2.6只排第18位，一代产品跳了17个位次。国际知名公司Vercel的CEO也发文确认，K3是Next.js官方测评上表现最佳的模型，领先于Fable 5。马斯克在评论区留言：“Impressive”。再看整体差距。 K3综合智能水平仍落后于Claude Fable 5和GPT-5.6 Sol。Artificial Analysis综合智能指数显示，K3得57分位列第三。但K3已稳定超过GPT-5.5、Opus 4.8等其他主流模型。最关键的区别——开源。 Fable 5是闭源，K3承诺7月27日前公开全部模型权重。开源意味着开发者可以本地部署、修改、微调。一句话总结：前端编程K3赢了，综合能力Fable 5依然领先，但差距已经缩小到一个身位之内。加上开源的变量，这轮竞争才刚开始。

转发者评论

无明显转发评论

原文

今早起来被Kimi K3的消息轰炸了，于是我一时兴起，快马加鞭用K3做了一个小小的与健康生活相关的APP。我最近睡眠不太好，于是想做一个能够管理自己睡眠的小应用，经过3~4小时的捣鼓，更新了9稿，终于做出了我第一个K3的Vibe Coding 小程序应用。链接：网页链接是一个和睡眠相关的小应用，记录里每次的睡眠状况，给到一些情绪的舒缓。我也同步分享下我的初始提示词：请你用顶级专业产品经理（史蒂夫乔布斯）的思路引导我，我想要做一个手机应用，这个应用应该能够读取我手机上的健康信息，例如我带的手表 ZEPP 上关于我睡眠信息，然后做成一个富有审美感，能够给到使用者健康建议的一个 APP，你可以通过问题引导我去做这个产品应用，我想要的审美风格是：“请使用「Liquid Glass / 液态玻璃」设计风格来设计界面。 【风格定义】 Apple 2025 年推出的全新设计语言。比传统玻璃拟态更加通透和流动 —— 高透明度面板、强模糊、微妙折射效果、浅灰色调底。iOS 26 的标志性视觉。 【核心特征】 高透明度白色面板 (45%+) 强高斯模糊 (32px+) 内边缘高光 (inset 0 1px white) 浅灰蓝色调底色 + 大圆角 (24px+) 【色板】 #E8ECF0 (灰蓝底) #FFFFFF73 (半透明白) #648CDC80 (蓝色调) #A064DC80 (紫色调) 【关键 CSS】 background: rgba(255,255,255,.45); backdrop-filter: blur(32px); border: 1px solid rgba(255,255,255,.7); border-radius: 26px; 【Prompt 模板】 [基础 Prompt] Liquid Glass 风格（Apple 2025）：浅灰蓝底色上，高透明面板 (rgba (255,255,255,.45))+blur (32px)。边框白色 70% 不透明度。内高光 (inset 0 1px white 80%)。圆角 26px+。比 Glassmorphism 更通透。 [关键词] Liquid glass, Apple 2025, iOS 26, translucent, frosted, high blur, inset highlight, soft, refraction 【推荐做法 Do's】 ✓ 比 Glass 更高透明度 ✓ 更强模糊 (32px+) ✓ 内边缘高光必须有 ✓ 浅灰蓝底色 【避免做法 Don'ts】 ✕ 不要彩色底 ✕ 不要低透明度 ✕ 不要硬边框 ✕ 不要暗色”#微博VibeLab##VibeLife##KimiK3发布#

转发者评论

无明显转发评论

原文

今天我相信绝大多数模型的付费用户早就不是简单的使用模型本身了。所以每一次做模型或者agent迁移都是一个耗时耗力的工作。而且随着模型能力的变化，对于所有的 skills 和文档要提供了新的要求。理论上你不但要改，而且要做新的上下文清洗，还要测试有效性，并且和原来的比较。所以那些员工把自己写成skills就可以离职了的笑话，很明显是不对的。维护你的skills也变成了一个新的工作，惊喜不惊喜。

转发者评论

无明显转发评论

• 回复@魔法师蛋小丁:品牌，市场，产品，ta，团队，我是这么写 skill 的[嘻嘻]//@魔法师蛋小丁:我最近在把整个公司写成一个skill

原文

#微博声浪计划# #听见微博# 距离我上一次狂喜上做的AI行业总结已经过去了2个半月，最近趁着被CSDN邀请参加他们大会的由头我做了最新的一次行业整理PPT，76页……本期节目用约50分钟回顾和梳理2026年上半年AI行业的重要变化，并结合7月初的最新行业信号，从资本、硬件、模型、智能体、世界模型与治理等多个角度，重新审视AI产业的发展方向。讨论议题包括：巨额AI资本开支背后，是基础设施繁荣还是泡沫前夜？芯片、存储、云计算与能源为何成为AI竞赛的核心？OpenAI、Anthropic、Google以及中国模型厂商的格局如何变化？中美AI生态是否正在形成“闭源前沿模型”与“开放权重、高效率扩散”两种主导路线？为什么2026年可能成为Agent从聊天走向任务执行的关键年份？Coding Agent、办公智能体与Agent基础设施将如何重构软件生态？世界模型能否推动AI从“预测下一个词”走向理解和模拟现实世界？当Token还无法代表真实价值，AI产品的ROI究竟应该如何衡量？面对安全、主权和就业问题，AI治理将出现怎样的反弹与冲突？当智能逐渐不再稀缺，人类的责任、价值与位置又该如何重新定义？老规矩，PPT在我的ima知识库中，有兴趣的朋友欢迎订阅了解。屠龙之术VIP报告库 网页链接（想加粉丝群的请先+微信：rosicky311)下面正片开始……【时间线】01:52 标题页：《重估一切，文艺复兴》02:18 金曲奖颁奖引发的“今夕是何年”的慨叹03:20 老家伙回归05:31 所以什么是文艺复兴？06:52 那些隐喻在今天的对照08:18 第一章：资本与硬件对应美第奇的账本08:54 两个时代的“赞助人”叙事10:17 老生常谈的CAPEX12:11 AI的叙事变了12:48 万亿美金的流转13:22 token买方和卖方的利益博弈成为市场的主线13:55 那么股价能说明一切么？14:35 提及存储要先看成本占比和绝对量增长15:47 存储行业是垄断的16:40 SK海力士去美国上市17:01 存储行业的周期在美光毛利上的体现17:48 Intel和思科的股价漫漫回归路18:34 账本的背面19:21 收入只够折旧20:12 所以现金流出了问题20:55 所以“债”频繁出现21:41 所以neocloud们的挑战被“债”放大了22:00 第一章的结论到底是黄金时代还是泡沫破裂之前？23:22 第二章 智能的复兴23:34 美国头部模型厂商的竞争24:03 模型的能力已经非常强24:37 两家公司的主张与共识25:33 模型发布节奏疯狂加速26:09 多模型共存成为常态26:39 neolabs兴起26:57 anthropic超过OpenAI27:30 疯狂的数字：1万亿美金28:16 史无前例的“大年”28:41 中美对抗29:27 头模型厂商进展29:50 开…

转发者评论

无明显转发评论

原文

#KimiK3和Fable5谁更强#Kimi K3刚发布就干翻Claude Fable 5？中国大模型真要正面刚了？今天凌晨月之暗面扔出Kimi K3（2.8T参数、100万上下文、原生多模态），今天外网的X上直接炸锅了。Arena前端代码竞技场直接登顶第一（1679分），把Claude Fable 5和GPT-5.6 Sol按在地上摩擦！在品牌营销、数据分析、内容创作等6/7领域全拿第一。不少人实测：同样做MacOS 27风格界面和动画，Kimi K3输出明显更丝滑、更强。更狠的是K3权重7月27日前就要开源了。这是否意味着中国大模型已经能和全球顶尖模型正面竞争了？在前端开发、长上下文编程、Agent任务这些高价值赛道，我觉得中国模型其实已经具备了一战之力。K3开源后，全球开发者都能白嫖接近顶级的实力，这对闭源模型的定价和护城河是实打实的冲击（今天半导体股还因此波动）。而这是否代表中国大模型已经进入全球第一梯队了呢？我认为K3的专项能力已经挤进第一梯队，综合通用能力也只差Fable 5和Sol 2-3分（Artificial Analysis等榜单）。但最关键的是：它把开源的天花板又抬高了一大截。中国不止Kimi一家，GLM、DeepSeek等多支队伍都在并跑。中国大模型不再是“追赶者”，而是在关键战场上能和顶级玩家掰手腕的并跑者了。你怎么看？是专项领先就够了，还是综合能力必须全面超越才算第一梯队？评论区说说

转发者评论

无明显转发评论

原文

「解释的本质，不在于凝视机器本身，而在于审视机器所凝视的世界」。2026年7月，Anthropic研究团队发表了《A global workspace in language models》，通过名为J透镜的工具在Claude内部识别出一个可被观测、可被干预且具有因果效力的神经活动区域——J-Space。这一发现之所以引发广泛关注，在于它使研究者得以窥见模型推理过程中的「内心独白」，标志着可解释性研究从对模型行为的解释迈向了对其内部状态的实时观测。J-Space以认知神经科学的全局工作空间理论为解释框架，将语言模型的推理活动类比于人类意识层面的信息处理，在方法论和认识论层面都构成了重要推进，也为AI安全提供了全新的监控维度。然而，正因其影响深远，更有必要审慎检视这一进路的内在局限。J-Space研究的根本取向是内在主义的——它将可解释性的核心问题设定为「理解模型内部发生了什么」，试图像神经科学家用fMRI扫描人脑一样，用J-lens扫描语言模型的神经活动。这一进路预设了可解释性的答案藏在模型「体内」，然而一个模型的输出是否可被理解，不仅取决于其内部状态的可见性，更取决于这些状态与世界中的事态、语义规范以及使用者的认知框架之间的关系。仅凭观察神经活动来理解模型的话语，就如同仅凭观察一个人的脑电活动来理解他所说的话——我们或许能捕捉到神经关联，却未曾触及话语的意义本身。除此之外，J-Space借用了全局工作空间理论这一关于意识的理论来解释语言模型，在移植过程中一种微妙的范畴错误悄然发生：功能层面的同构性被误等同于认识论层面的等价性。模型没有主观经验，J-Space中的激活模式只是数学运算的产物，而非任何意义上的心灵状态。更深层的问题在于，J-Space研究本质上是一项工程导向的工作，它将「可解释性」窄化为「可观测性」和「可干预性」，然而在更广泛的知识论传统中，「解释」的含义远比此丰富——它涉及将现象纳入更一般的规律框架，涉及提供理由和依据，还涉及对决策正当性的论证。J-Space能够告诉我们模型「在想什么」，却无法告诉我们模型为什么以这种方式思考，它所依据的「理由」是什么，这些理由在何种意义上是「好的」理由。这些问题的答案不在神经活动模式之中。上述局限指向一个共同的症结：J-Space乃至整个以神经网络为焦点的可解释性研究，始终将「模型本身」作为解释的唯一对象，问题的起点和终点都是模型。本文尝试提出一种不同的视角——将可解释性的追问从模型内部转向模型所处理的信息，从神经科学的内部主义进路转向知识论的「信息本体论」进路。这一转换基于一个简洁的观察：大型语言模型本质上是信息处理器，其输入和输出均为文本，而文本的意义——即我们真正需要解释的东西——并不存在于神经元的激活值中，而存在于这些符号与世界、与知识、与人类实践之间的关系之中。当一个模型回答「巴黎是法国的首都」…

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

我做了一个一万人看过的音乐可视化网站-Pixmusic网站地址：网页链接我用Google ai studio制作了一个音乐digitla可视化网站，因为版权问题无法直接输入各大音乐app的歌，我想了个最简单的方法——直接麦克风收音：点击左下方麦克风按钮，并同时在其他平台或设备外放歌曲，就可以看到画面变化了～（同时也支持上传mp3）目前做了三种场景的可视化-Sphere/City/Camera，并在右上角可以调节基础效果。具体效果可以看视频中的事例。制作之后陆续有一些朋友找我要授权用于个人演出，非常开心这个网站能有实际使用场景后期我也会在上面继续添加更多场景，持续更新🌟关于网站制作：制作这个网站是为了测试google ai studio所能做到的程度，我主要设计了几种不同的元素视觉，并让其以不同grid形式呈现。在视觉元素的把控上ai studio还是很到位的，但是功能细节和技术方式的使用还不是非常精准（例如可上传文件种类有限，也无法准确理解我要修改的区域），需要通过非常多轮的调试与迭代才能做出想要的效果，并且有时候不得不牺牲一些对于产品功能的畅想。之后再次更新也许会考虑挪到Codex或Claude Code去实现更精准的表达。#微博VibeLab##VibeVision# 美丽海豹_SealLuo的微博视频

转发者评论

#微博VibeLab# 将音乐进行可视化的网站

• #微博VibeLab# 将音乐进行可视化的网站
• 很酷，我喜欢这种音乐可视化的感觉#微博VibeLab#

原文

【昇腾950超节点真机亮相就拿大奖：华为实现业界最大1024卡规模】华为昇腾950超节点斩获2026世界人工智能大会最高荣誉SAIL奖，这款刚完成线下首秀的产品拉起业界最大1024卡算力集群，可支撑超大型千亿级大模型全流程高效训练。

转发者评论

无明显转发评论

原文

#Codex用多了的后遗症# 很多人觉得AI提高了效率，终于可以早点下班了。但事实恰恰相反，AI消灭的不是工作量，是你工作间隙里那些“无效”的喘息时间。以前写代码卡住了，泡杯咖啡，发会儿呆，大脑其实在后台低功耗运转。现在呢，你一卡住就丢给Agent，然后立刻切到下一个任务，再丢，再切。你变成了一个多线程的Prompt调度器，全天满载运行，没有任何空闲时间。效率工具的终极悖论：它不是替你干活，它是把你从“间歇性劳动”升级成了“持续性脑力榨取”。摸鱼不是懒惰，那是人类认知系统的散热机制，你把它拆了。 codex用多了的后遗症

转发者评论

无明显转发评论

原文

谁曾想呢，DeepSeek一直没有公开讲清楚的融资估值，被一家卖行李箱的公司给全部暴露了。7月16日晚间，安徽开润股份发布了一份投资进展公告。公告显示，开润股份参与投资的一只基金，已经将29亿元实缴资金全部间接投向DeepSeek，获得后者0.8265%的股权。计算器一按：29亿元÷0.8265%，DeepSeek对应估值约3508.8亿元。更有意思的是，开润股份穿透后只持有DeepSeek约0.0114%的股权。正是这万分之一左右的持股，意外揭开了DeepSeek首轮外部融资的价格标签。网页链接

转发者评论

无明显转发评论

原文

#KimiK3和Fable5谁更强# 全球迄今为止最大的开源AI模型正式上线，目标直指超越Claude/ChatGPT。在前端代码竞技场，K3以1679分登顶，超越Claude Fable 5，现已登陆网页端、Kimi Work、Kimi Code和API，7月27日开放模型权重。K3参数高达2.8万亿，百万级上下文，原生多模态，架构基于自研的Kimi Delta Attention和Attention Residuals，注意力残差以低于2%的额外成本实现约25%训练效率提升，解码加速最高6.3倍。它是全球首个开源的3T级模型，综合性能直逼Claude Fable 5和GPT-5.6 Sol，在3大内部知识工作基准中超越Claude Opus 4.8和GPT-5.5。ArtificialAnalysis评测证实K3性能已达全球第三名，Kimi也坦承了与前两名的差距。实测层面，K3在游戏开发与数字创作上表现惊艳，实现代码与实时截图间无缝迭代的「视觉闭环」；有网友用Three.js做出尼米兹级航空母舰战斗机起降场景，一句话就能做出CS、英雄联盟、炉石等小游戏，复古游戏开发上以一半成本击败Opus 4.8。在线投票显示，K3在游戏开发领域以87%支持率击败Fable 5。技术上，K3的2.8万亿总参数基于MoE架构精妙设计，结合Stable LatentMoE框架，推理时从896个专家中仅激活16个，整体扩展效率较K2提升约2.5倍。据彭博社与南华早报确认，Moonshot AI在最新融资谈判中寻求约300亿美元估值，资本押注的是中国AI「后发先至」的叙事——以MoE架构实现高效规模化，以开放路径加速生态构建，让智能成为人类共同的「第二大脑」。

转发者评论

无明显转发评论

原文

#智能体产品经理称曾有8成用户擦边# 80%这个数字，其实一点都不意外。一个人面对一个永不评判、永不拒绝、完全私密的对话对象，他会做什么？这不是AI的问题，这是一面没有滤镜的人性之镜。我们花了几千年建立道德、羞耻感、社交面具，本质上都是因为“有人在看”。AI陪伴产品把“观众”撤走了，然后大家震惊于人类的真实模样。震惊什么呢？弗洛伊德一百年前就说完了。真正值得追问的是，这80%的需求不会因为下架而消失，它只会换一个容器，地下化、碎片化、更不可控。监管消灭了供给侧的可见部分，需求侧纹丝未动。 智能体产品经理称曾有8成用户擦边

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

世界是物质的。我们以为所有的碳基人都知道这一点。 //@高飞://@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。

• 世界是物质的。我们以为所有的碳基人都知道这一点。 //@高飞://@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

半夜醒来看到市场这般巨幅下挫，第一反应难免焦虑恐慌。若是参考VIX恐慌指数，当下数值想必会处于极高位置。放量急跌不断放大短期市场悲观情绪，但投资较量的从不是对单日波动的应激反应，而是穿越震荡周期的定力。我始终认为人工智能产业行情不会短短三四年就宣告落幕，本轮大跌只是长期上行趋势里的阶段性波折。只要坚持不融资、不加杠杆，持仓聚焦具备真实业绩增长支撑的优质企业，便有底气陪着资产穿越时间周期。备注：本文仅为个人投资感悟，不构成任何投资建议！投资有风险、须谨慎！另外，切记投资一定不能借钱、融资，加杠杆，因为再好的公司，中间也可能有巨大的波动。

转发者评论

无明显转发评论

• 也痛啊！[可怜]//@麦克的花样年华:但总这波可能不太疼，您重仓的是谷歌，最近表现还挺好的，硬件类真疼啊[吐]
• 凌晨醒来，只是看一眼，没想到跌这么多！这是恐慌情绪到极致了，好久没有看到这种情况了。历史长河中又一瞬间[作揖]//@隐身衣智慧的海洋:美国半夜，半夜睡醒立马看行情[允悲]

原文

AI额度最烦人的时候，是任务跑到一半才提醒你没了。准备让Agent做一次大重构，网页后台却藏着另一套用量窗口；等限流提示弹出来，本周额度已经见底。CodexBar把这些数字搬到macOS菜单栏，当前用量和下次重置时间，抬眼就能看。这是第三方小工具，目前约有18000颗星。Codex、Claude、Cursor、Gemini、Copilot等服务都能放进去。每个服务可以单独占一个菜单图标，也可以合并成一个入口。展开后能看到会话、每周或每月窗口，有些服务还能显示余额、费用和故障状态。它解决的事很小，但每天都用得上。长任务开跑前看一眼哪项额度宽裕；快到重置时间，就把不着急的批处理往后排；上游出故障时，也不至于先怀疑自己配置坏了。刷新频率和通知都能调，不必一直盯数字。麻烦在于，各家没有统一的「官方额度接口」。CodexBar可能从已登录的命令行、OAuth、API密钥、浏览器Cookie、本地配置或日志里取数据。服务一改接口，菜单栏就可能暂时不准。所以这些数字适合提醒，不能拿来当财务账单。权限也得按项给。某些服务需要读取特定Cookie、本地存储、配置文件或钥匙串；Safari来源还可能需要完整磁盘访问。官方允许彻底关掉钥匙串读取，代价是部分浏览器会话来源用不了。为了把59家服务全点亮，一次性放开权限，我觉得没必要。桌面界面要求macOS 14以上。Linux只有命令行版本，体验不是一回事。它也不属于OpenAI或任何服务商，这个身份别混了。这个开源工具在GitHub上叫CodexBar，作者是steipete。#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

刚刚逛完 WAIC 2026 世博展览馆 H3 馆，最大的感受是：具身智能真的从“展台表演”走到了“真实生活”。 H3 馆几乎就是具身智能的集中展示区（地图我放图7了）。这里不只有人形机器人和机器狗，也有越来越多面向具体场景的机器人：厨房里做披萨的、外卖/售货的、陪伴型的、服务型的，甚至还有 300 元左右一台的宠物机器小狗，以及 3000 元左右可以现场购买的机器人。和去年相比，最明显的变化是：遥控器少了很多。今年机器人更强调自主感知、自主决策，以及真正进入生活和商业场景的能力。H3 馆里也能看到几家头部玩家的最新动作。智元带来了远征系列机器人，展示具身智能从技术演示走向真实部署；宇树也带来了 UN-GD01 载人器等产品，把机器人运动控制和智能移动能力进一步推到更具想象力的场景里。逛完整个 H3，会明显感觉到：具身智能不再只是“会跳舞、会握手”的热闹，而是在变成一种新的消费品、生产力工具，甚至可能成为未来家庭和城市服务的一部分。如果是你，会花 300 元养一台宠物机器小狗吗？或者，真的把一台具身智能机器人带回家吗？#waic2026##二哥现场##ai##机器人#人工智能 上海·东浩兰生上海世博展览馆

转发者评论

每次AI相关展会都有人偷偷带一批进去卖。。实际就是一百左右的玩具吧 //@蚁工厂:千万别买那些 300 元左右一台的宠物机器小狗[笑cry]

• 每次AI相关展会都有人偷偷带一批进去卖。。实际就是一百左右的玩具吧 //@蚁工厂:千万别买那些 300 元左右一台的宠物机器小狗[笑cry]

原文

周报最费时间的，常常是找数。Anthropic 营销运营团队的 Ian Chan，以前每周要花1到2天整理营销指标。数据有的在看板里，有的在数据仓库，有的只躺在 Slack 消息或会议记录中。后来，他和负责活动运营的 Annabel Custer 把几天的手工活压到几小时。他们把找数、核数、定口径和出稿拆成了几段。他们的周报流程很具体。周日晚上，定时任务读取上周周报、最新会议记录和销售团队关注点，再查询数据仓库，留下指标表和几个可能的重点。周一早上，Ian 先看初稿，确认这一周到底该讲什么，再让 AI 补支撑细节、生成领导汇报页，后续动作转成 Asana 任务。核验最容易被忽略。数字对不上时，AI 会标出差异，请 Ian 决定口径。整个流程还分成准备、校对、行动项3种技能，其中校对要把草稿里的每个数字追到已验证来源。这一步看着慢，却是周报能自动跑的前提。把这套方法搬到自己的周报里，可以先写清5件事：数据从哪里来，字段怎么对应，出现差异时谁裁决，哪些变化需要解释，最后由谁批准。一上来就让 AI 「根据这些资料写周报」，等于把一堆散乱抽屉推给一个速度很快的新同事。团队还小时，不必一口气接完所有系统。可以先拿一份固定周报试跑：只接两个稳定数据源，保留上周版本和原始出处，遇到差异就停下来问人，发布前由负责人签字。用 Claude、DeepSeek 或表格脚本都行，省时来自流程被写清。跑两周以后，再把反复出现的修正写成规则。Annabel 的活动流程也用了同样的思路：一个智能体跨系统搭建，另一个带着全新上下文做审计，提交测试注册、检查确认邮件，最后仍由她本人看结果。人从反复点系统中抽身，把时间用在验证和改流程上。他们省下了1到2天，也没有把判断一起外包。AI 先找、先拼、先查，人来定口径，这样的周报才敢按周自动跑。#马力的AI知识分享##马力在记录AI领域500位大佬的分享#

转发者评论

无明显转发评论

原文

GitHub Copilot SDK 是一套多语言的 Agent 集成方案，让你把 Copilot 的智能工作流直接嵌入自己的应用。无论 Python、TypeScript、Go、.NET、Java 还是 Rust，都能调用同一套生产级 Agent 引擎，省去自己写编排逻辑的麻烦。它支持代码生成、文件修改、工具调用、自定义技能，还提供了 BYOK（自带密钥）模式，方便团队在不同环境中灵活接入。CLI 已内置在主流 SDK 里，开箱即用；Go、Java、Rust 版本也提供了 CLI 绑定选项。完整文档和 Cookbook 覆盖了认证、权限、模型选择等常见场景，适合想快速为产品加上智能 Agent 能力的开发者。GitHub：github.com/github/copilot-sdk

转发者评论

无明显转发评论

原文

【摆脱制程依赖！东方算芯3D AI芯片DF1000首次展出：获SAIL大奖】在2026世界人工智能大会上，东方算芯首次对外公开展示自研3D AI芯片DF1000，这款全球首款软件定义近存计算3D芯片。凭借创新软件定义计算架构＋3D堆叠近存计算技术及全国产供应链，DF1000从诸多海内外参评项目中脱颖而出，获WAIC 2026 SAIL奖（SAIL Award）。

转发者评论

无明显转发评论

原文

给桌面笔记加个语义搜索，常常先被一套数据库服务劝退。搜索代码也许只要几十行，前面却要准备容器、端口、账号、网络和备份。对几千条笔记或一个单机原型，这套外围工程有点重。Zvec把向量数据库直接放进应用进程。项目目前约有1.48万颗星，提供Python、Node.js、Go、Rust和Dart等官方SDK。应用创建集合、写入向量、做相似度查询，都可以像调用本地库一样完成，不必先连一套独立运行的数据库服务。例如桌面笔记工具把每段文字生成向量后写入本机索引。用户问「上个月讨论定价的内容」，程序先找语义相近的片段，再把原文和日期交给上层界面。离线文档检索、移动端推荐、个人知识工具，都能少一层网络依赖。配套的Zvec Studio也很实用。集合里有多少文档、字段怎么定义、索引是否创建，可以在界面里直接看。它让排查轻松一些，却没有把基础组件变成开箱即用的聊天产品：文本怎么切、嵌入用哪个模型、结果如何重排和引用，都得应用自己定。进程内同样要做工程选择。索引跟应用绑得更紧，升级、迁移、多设备同步和故障恢复需要提前设计。数据量、内存占用与并发，也要按真实负载测，不能因为少了服务器就跳过容量规划。还有一个容易误会的地方：数据库在本机运行，并不代表整条AI链路都留在本机。嵌入模型、生成模型、日志或同步服务只要走外部接口，内容仍可能离开设备。它省掉的是一类服务，不是全部工程。对早期产品，这已经很有价值——先确认语义搜索确实有人用，再决定要不要上更重的架构。Zvec是alibaba的开源项目，GitHub上的仓库全名为alibaba/zvec。#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

云南的一河道里，洪水前锋都来了，带着黄泥水，明摆着洗下来上游的泥了，标准洪水态势，一堆人还嬉皮笑脸高兴呢。最终车都陷河道里了，人勉强跑出来。一个人蠢就算了，全体蠢……我厌蠢症又犯了。 韩路的微博视频

转发者评论

无奈了，真巨婴，尼玛都涨水涨那样了，还不跑，这是最基本常识啊，还用什么培训啊。红绿灯也得培训，我真是服了……//@AI技术与工程:也不能这么说，我觉得我们的公民安全教育缺乏，他们哪知道这是山洪的前奏？这是生下来就会的么？你看很多骑电动车横插，你真的以为他们是故意的么？他们真不懂怎么走红

• 无奈了，真巨婴，尼玛都涨水涨那样了，还不跑，这是最基本常识啊，还用什么培训啊。红绿灯也得培训，我真是服了……//@AI技术与工程:也不能这么说，我觉得我们的公民安全教育缺乏，他们哪知道这是山洪的前奏？这是生下来就会的么？你看很多骑电动车横插，你真的以为他们是故意的么？他们真不懂怎么走红

原文

全球60%！这拨中国企业，又把美国给干慌了摘自华商韬略 ，作者华商韬略2025年开始，华尔街对英伟达的研究报告中，一个名字出现得越来越频繁——胜宏科技。与此同时，大洋彼岸的广东惠州，胜宏科技生产线上的灯，已经连着几个月彻夜不熄。它正为英伟达提供着AI服务器必需的高端PCB（印刷电路板），占了英伟达总需的七成。一年过去，不只是华尔街，一些美国媒体、政客也开始盯着中国PCB说话了。起因是美国国防部官员的一套词：PCB是最容易破坏电子供应链的环节，如果PCB被动了手脚，导弹可能打偏，卫星可能失灵，基础设施可能瘫痪。而现在，全球近六成的PCB产自中国。中国PCB的三个秘密1936年，犹太青年保罗·艾斯勒在自己的公寓里，捣鼓出了地球上第一块印刷电路板，但当时的他并不知道，这东西会如何影响世界。直到二战爆发，美国人发现这东西装在无线电里特别好——体积小、不断路、能批量生产，于是先是军方，再转民用，PCB浪潮自此开始一发不可收拾。今天，拆开每一台手机、电脑、路由器、充电宝……里面都有PCB的身影，如果说电子产品的芯片是大脑，那PCB就是血管和神经，没有它，芯片就是盒子里的石头，什么也做不了。PCB因此得了个外号“电子产品之母”，并成为世界级产业：2025年，全球PCB总产值达850亿美元，其中一个国家独占近六成——这就是中国。但25年前，PCB的全球版图还是这样的：日本29%、美洲26%、中国8.1%。而且，即便这8.1%，中国干的也是最基础的活——钻孔、蚀刻、电镀，拿的是最薄的利润，基本上是产业链里的“学徒工”，没有上主桌的资格。短短25年，逆袭是如何完成的？一个流行的解释是：成本低。相比美、日，这是原因，但更低成本的越南、印度，两国PCB产能加起来尚且不足8%，这就不是一句“便宜”能解释的了。中国PCB的第一个秘密，藏在公路的车轮上。东莞一家PCB厂的采购总监，发现打孔用的特种钻针要见底了，而板子本周就要交货，他一个电话，钻针当天送到了——从五公里外的精密刀具厂骑电动车送来的。同样的情况放在越南，那是不可想象的。在珠三角、长三角的PCB集群，方圆三百公里内，能找齐PCB的全部配套——覆铜板、铜箔、玻纤布、钻头、化学药水、模具、检测设备……一家PCB厂边上长出一家覆铜板企业，又长出一家钻针厂，几百家企业挤在一起，互相喂饭，彼此拉扯，越拉越紧，越聚越密。这既是政策规划出来的，也是市场自己长出来的。第二个秘密，藏在工程师的脑子里。PCB制造看起来是工业流水线，实际上是一门手艺活。一块28层板，钻孔的转速该设多少？蚀刻液浓度多0.5%会怎样？电镀电流密度调大10%，良率掉几个点……这些参数，不能只靠操作手册，而是试错摸出来的——过眼过手几万块板子，经验自然就长出来了。比如在一家头部PCB企业，干了十五年的工程师老陈，只需看一眼板子边缘的铜箔颜色，就知道蚀刻过了还是没到——偏…

转发者评论

无明显转发评论

原文

【AI编程的奖励函数坏了】用LLM写代码效率变高，但满意度骤降。原因是“人类奖励函数”被破坏——手写代码时的小成就感（解决难题、编译通过、掌控感）被自动化，取而代之的是持续监督、审查、纠偏的认知负荷。满足的部分缩小，疲惫的部分扩大，新奖励没补上。这不是技术问题，是流程和心理问题：开发者从“创作者”变成“质量把关人”，孤独感增强，且容易陷入“再来一次提示”的成瘾陷阱。但核心技能在进化而非消失——懂架构、有品味、能判断好坏的人仍稀缺，只是工作形态变了。 pydantic.dev/articles/the-human-in-the-loop-is-tired

转发者评论

无明显转发评论

原文

果不其然，Claude 宣布 Fable 5 将会长期内置在 max 和 team premium 的计划里面，限额是 50%。估计是由于 OpenAI 和 Kimi K3 的推出的压力带来的，这次不延期直接内置了。PRO 和其他 team 会员只能通过积分访问。会一次性获得 100 美元的积分

转发者评论

无明显转发评论

原文

InfiniSynapse × CSDN 首届 Vibe Coding 泛数据分析应用开发大赛，不仅面向所有 Vibe Coder，也对高校师生开放，不设门槛——一个人就能参赛，也欢迎室友、社团搭子组队。网页链接学生党适合做什么方向？ 不用想「大而全」。从身边真实需求切入，一个周末完全够用：1️⃣考研 / 报录比查询助手 — 输入目标院校专业，自动拉数据、生成对比报告2️⃣租房通勤决策器 — 填预算和公司地址，输出候选片区和通勤分析3️⃣大学生消费复盘 — 导入账单，AI 帮你找「钱都花哪儿了」4️⃣社团活动数据看板 — 报名、签到、反馈一屏汇总5️⃣实习公司速查 — 入职前查融资、舆情、风险信号#vibecoding##黑客松#CSDN#大学生社会实践##简历提升##ai##infinisynapse##大学生项目#AI工具

转发者评论

厉害了//@祝威廉二世:Repost

• 厉害了//@祝威廉二世:Repost

原文

RoboScience机器科学直接把世博馆展台，变成了 Visics 的压力测试场。换本体、换物品、换任务，多轮挑战轮番上阵，专挑具身大模型最容易掉链子的地方下手。Visics 的泛化能力究竟行不行？现场观众可以直接点题，围观验货。 全球首个云端具身大模型炸场WAIC：一脑控多手、30秒换手，行业首例

转发者评论

无明显转发评论

原文

#VibeCoding最佳姿势#原来AI出来之前领导把人当agent使的生活这么爽

转发者评论

无明显转发评论

原文

我另一个朋友。前阵跟我说要“all in AI”，就是受这句话影响，我开始工作中大量使用AI agent，还写了一篇干货文章“all in AI”上了热搜。但他其实说的是股票就在刚才，他来找我借钱了

转发者评论

无明显转发评论

原文

大模型的竞争太残酷了。。。这才几天啊， GLM5.2 就从小甜甜变成牛夫人了。等过两天Deepseek 版本更新了，又有多少人会忘记取消 kimi k3 的自动续费订阅呢？

转发者评论

无明显转发评论

原文

确定消息，今年严惩学术不端后面将会有一批典型案例 论文跟一辈子，且全网公开，必须要经得起历史检验，别给未来的人生埋雷。一旦涉及学术不端，未来随时都可能被发现。（除了学术打假爱好者，还有AI审查。AI还将突破语言壁垒，跨语言抄袭会被彻底堵死）

转发者评论

写微博何尝不是呢，说实话，说负责任的话//@复旦张军平:我博导跟我讲过让我印象最深的一句是，不要给自己的学术生涯埋定时炸弹//@狸角兽:哎呀就怕注意力已经飘了。校领导、院领导、大帽子、小帽子们首先要有扎实的硕博论文，那影响可大可不止互联网的这一小摊

• 写微博何尝不是呢，说实话，说负责任的话//@复旦张军平:我博导跟我讲过让我印象最深的一句是，不要给自己的学术生涯埋定时炸弹//@狸角兽:哎呀就怕注意力已经飘了。校领导、院领导、大帽子、小帽子们首先要有扎实的硕博论文，那影响可大可不止互联网的这一小摊

原文

【英特尔前CEO直言当年太傲慢：根本看不上英伟达GPU】英特尔前CEO基尔辛格近日公开坦言，英特尔鼎盛时期完全看不上英伟达的GPU产品，以为只是游戏玩家追捧的小众配件，没料到对方靠十数年打磨CUDA等完整底层软件生态，最终成长为搅动行业格局的算力巨头。

转发者评论

无明显转发评论

原文

道理虽然如此，相比于培训，切实帮企业搭建一套 AI 工作流，让 AI 落地属于脏活累活，一旦搞不好，还容易让企业对 AI 祛魅。当然了，也有可能是企业老板对 AI 的期待太高。但说到底，期待高不是问题，问题是没人帮他校准期待。培训讲的是"AI 能做什么"，落地要回答的是"在你这家公司、你这条业务线、你这批人手里，AI 现在能做到什么程度"。这两个问题之间隔着一整条鸿沟。搭工作流难就难在这里：你得先理解他的业务，再理解 AI 的能力边界，然后在中间找到一个真实可用的交集。这个交集往往比老板想象的小，但比员工以为的大。所以真正能把 AI 落地做好的人，干的其实是翻译的活。把业务语言翻译成 AI 能执行的指令，再把 AI 的输出翻译成业务团队能接住的动作。两头都要懂，少一头就塌。#科技先锋官##How I AI#

转发者评论

无明显转发评论