微博 AI 观察博客

原文

OpenAI的战略未来头目（Head of Strategic Futures）Dean W. Ball在新的Kimi开放权重模型发布后写了篇推文。依次看下来，第一点是他不得不承认“中国的模型蒸馏美国模型”论的破产，他明白再在这方面嘴硬，得到的只会是广泛的嘲笑。第二点可以看出这帮美国AI人对AGI（通用人工智能）的执念，总觉得搞出AGI就是再“努把力”的事情了。他们疯狂地往AI领域投入和市盈率完全不相称的钱，也是出于这种执念：只要AGI实现，那么赢者通吃，投进去多少都赚得回来；相反，如果现在一松气，那先前投进去得就彻底赔光了。这个地方和底下他说的另一点有致命矛盾，下面再说。而他认为中国政府之所以愿意开源领先水平的大模型的原因，75%是因为和杨立昆的看法类似，认为通过目前这种没有世界模型的语言大模型，是达不到AGI的，所以不担心通不通吃的问题；而25%的原因是，由于美国对中国的芯片禁运，使得中国公司没有足够的算力运行这些大模型，于是还不如把者模型开放给世界上有算力的组织。可是根据第三四点，他应该知道，可是就不愿说的中国开放先进模型的一大原因是：我赚不赚得到钱对我不重要，让你赚不到钱对我很重要。第三和第四点则是在宣扬中国开放先进大模型的行为造成的“危险性”。首先他认为这是“减速主义”的，也就是在拖慢这个领域的发展，因为这会使得资本不愿意被投资到这个领域。然而在计算机历史上，从来没有这种现象存在，反面倒是有不少例子。比如Linux的开源并没有阻止像Red Hat、AWS或是企业级服务器的资本扩张，反而降低了创新的试错门槛。人工智能方面也一样，开源模型正在逼迫闭源巨头，比如他所在的OpenAI不得不加速开发更具断代优势的下一代模型，这是强力加速，而非减速。他在哭喊的，只不过是闭源模型赚不到原来想的那么多钱了而已。其次在第四点里他发出了一个威胁：要是让开放模型主导世界，就会导致AI共产主义，是反乌托邦的地狱景观！这就是前面我说的那个致命矛盾。在“AGI即将到来”论者的心里，首先达到AGI的那个公司将会因为掌握了AGI而迭代地爆炸性地快速地发展AI，把所有竞争对手抛在后头，从而永久地达到赢者通吃的垄断地位。可是在这里他却假惺惺地担心起由国家主导的让AI成为像自来水或电力这样的公共产品的局面，会是“反乌托邦的地狱景观”。言下之意，资本家的私人垄断是善意的，国家的垄断则是地狱。如果说前面这些是为相对未知的未来的考虑，那么第五点就会很快甚至正在发生。这里他其实是在向特朗普政府建议，要对中国开放权重模型“制造监管风险”。具体地，他不建议立法禁止美国公司使用中国模型，相反地，要用“软法”制造恐慌、不确定性和怀疑（FUD），也就是政府发个警告或指导说，“中国模型靠不住，可能有后门，未来可能会有合规风险，出了问题数据泄露责任自负”之类的。这是相当阴险的一步棋，它不仅能够阻挠美国公司…

转发者评论

无明显转发评论

• [doge]//@郑昀:#it那些事儿# “我赚不赚得到钱对我不重要，让你赚不到钱对我很重要”[允悲][酷]
• [awsl]我印象里第四点奥特曼表达过相反的观点 （好像是因为和政府合作被怼时说的？记不清了）大意是AGI掌握在公司少数几个人手里是危险的

原文

NYT的观点文章，中国的人工智能策略，与美国截然不同China’s A.I. Play Is Different From America’s罗斯·杜塔特（Ross Douthat）冷战初期，尽管美国和苏联展开了毫不松懈的核军备竞赛，但双方同时都将核技术视为一种软实力和外交工具——一种可以分享和输出的能力，是巩固联盟、彰显友谊的象征。因此，艾森豪威尔政府一方面在处决因向苏联泄露美国核机密而被定罪的罗森堡夫妇的同一年，推出了“和平原子”（Atoms for Peace）计划，帮助世界各国建立民用核能体系；另一方面，苏联也向东欧集团国家以及毛时代的中国输出了核能技术。在这两种情况下，双方的总体目标都是推广核技术，同时牢牢控制核武器本身，对这两种核力量采取了截然不同的策略。这段历史，为理解中美两国在人工智能问题上的不同路径提供了一个有益的框架。美国的做法，仿佛将最前沿的大模型视为核武器——一种具有巨大破坏力、必须严密监管、绝不能轻易外流的力量。美国人工智能巨头不断以一种近乎“奥本海默竞赛”的口吻谈论行业竞争（甚至伴随着奥本海默式的道德焦虑）；美国军工安全体系则致力于阻止中国缩小当前的人工智能差距；政府和产业界也越来越倾向于把前沿模型视为重大的国家安全风险。与此同时，中国则把本国企业开发的大模型看作更接近于核能——一种风险相对较低、应当广泛共享和商业化的技术，以借此赢得国际伙伴、扩大影响力，并削弱美国人工智能巨头的优势。中国官方也会提及风险与安全，但几乎看不到一种将人工智能视为必须严加垄断的独特力量、地缘政治王牌或攸关国家存亡武器的态度。有一段时间（准确地说只是几个月，但在人工智能领域，这已经算得上漫长），我一直怀疑中国这种立场是否真正发自内心。毕竟，中国的大模型长期落后于Anthropic和OpenAI，因此它显然有动机借助开源策略削弱硅谷企业的盈利能力和全球影响力，同时让华盛顿去承担对最先进模型潜在风险的担忧。我曾猜测，如果有一天中国突然实现反超，那么它的激励机制可能会发生变化，开始封锁并军事化本国最先进的模型，把它们当作国家机密和战略资产。虽然目前还没有中国模型真正超越美国同行，但本周出现了一款可能已经十分接近的产品——中国月之暗面（Moonshot AI）推出的Kimi K3。迄今为止，北京对待Kimi K3的方式与此前所有模型如出一辙：它将以开源形式发布，以争取最大范围的采用，而不是像美国那样围绕风险、防护措施和出口管制忧心忡忡。这一决定，至少让我们更有理由相信，北京的整体策略是真诚的。这意味着，中国不仅不认同硅谷盛行的那些乌托邦或反乌托邦叙事——认为人工智能一旦跨过某个临界点，就将彻底重塑世界；它甚至可能并不特别信奉所谓的“风险优先”思维，即并不过分担心当下人工智能模型已经可能带来的各种危险，例如利用模型攻击并瘫痪复杂系统、协助恐怖分子制造生物武器，或…

转发者评论

国内的管理思路是技术开放、服务受控. 模型随便搞，但如果上线对大众提供服务就要备案. //@林饭恩:百年未有之大变局

• 国内的管理思路是技术开放、服务受控. 模型随便搞，但如果上线对大众提供服务就要备案. //@林饭恩:百年未有之大变局

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

#人工智能[超话]#

• #人工智能[超话]#

原文

中国AI大模型公司“月之暗面”周四发布了开源模型Kimi K3，有如一记惊雷，炸翻了西方舆论。美媒发出“中国刚刚抹去了美国在人工智能领域的领先地位”的惊呼，称Kimi K3是登月般壮举的产品。此次发布正值2026世界人工智能大会召开前夕，叠加了瞩目，Kimi K3带来的冲击不亚于DeepSeek横空出世，再次极大削弱了美国对建立AI霸权的野心。Kimi K3何以这么轰动？从技术上说，它拥有2.8万亿个参数，是目前全球参数最大的开源模型。有专业人士打比方说，参数就像人脑里的神经连接，2.8万亿这个数字说明模型能把更多的知识和规律装进“脑子”，懂得更多、想得更深、答得更准。业界总结K3：规模最大，能力超强，极具性价比。在国际权威的Frontend Code Arena前端代码榜上，Kimi K3以1679分登顶，超越了Anthropic的Claude Fable 5（1631分），并在7个细分赛道中拿下6个第一。虽然官方坦诚其综合能力仍略逊于Claude Fable 5和GPT-5.6 Sol这两大闭源旗舰，但在编程这个主战场上，它已经具备了正面对抗的实力。美国专业媒体Axios评论称，Kimi不必是世界上最好的大模型才能颠覆市场。对于公司、政府和开发人员来说，性能接近前沿水平，成本大幅降低，且可以定制内部运行的模型，可能是更具吸引力的选择。据报道，Kimi K3完成一个编码任务的实际单任务成本仅约0.94美元，低于GPT-5.6 Sol，更不到Claude Fable 5（2.75美元）的一半。这等于把竞争从算力单价拉到了完成一项工作的总成本上。难怪西方舆论被炸翻了。Axios称，Kimi K3的存在对美国大模型公司的定价权，围绕其技术优势建立起来的巨额估值，以及在规模越来越大的数据中心上花费数千亿美元，均构成了压力。美国科技公司股价最新一轮暴跌，被一些分析认为与Kimi K3有关系。然后它们的下跌又把全球股市拖下水。Axios写道：“Kimi K3威胁到美国人工智能蓬勃发展的根基......它令开发者们惊叹不已，震撼了硅谷，并在一夜之间重塑了人工智能竞赛的格局。”英国《金融时报》引用了一个数据来说明这种颠覆性：英国人工智能安全研究所 （AISI）的评估显示，2025年中国AI公司比美国竞争对手落后6到10个月，而现在这一差距已经缩小到仅4个月。美国知名科技媒体VentureBeat指出，Kimi K3的发布迫使人们对指导企业AI战略的几个假设进行重新调整。开源模型和闭源模型之间的性能差距已基本消除。如果Kimi K3的基准测试数据经得起独立评估，那么闭源供应商将很难仅仅基于性能优势来证明其高价策略的合理性。VentureBeat称，Kimi K3背后的架构创新表明，算法效率可能与原始算力同等重要。该评论认为，人工智能创新的中心在不断转移。中国的人工智能生态…

转发者评论

Kimi也是硬气一回了

• Kimi也是硬气一回了
• 这样下去我们很快能超过了。

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

[震惊]看不懂也忍不住会看完的//@蚁工厂:[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

• [震惊]看不懂也忍不住会看完的//@蚁工厂:[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
• //@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。。。

原文

Voicebox： 替代ElevenLabs和WisprFlow的开源本地化语音应用，可实现语音克隆和语音听写，以往ElevenLabs 管"让 AI 说"、WisprFlow 管"把你说的转文字"，现在都可以用voicebox替代了，其还支持可与claude code、codex等结合使用，42000+ star，以后不用再给ElevenLabs付钱了。voicebox定位"开源 AI 语音工作室"：几秒音频即可克隆任意声音、全局热键往任何输入框里听写（有部分typeless的能力）、还能给 agent 配一个你自己克隆的声音。场景上，voicebox不光可做语音克隆，还支持将多人语音克隆然后合成一个多人QA的语音圆桌，全程不用真人录音，这对于很多做播客的朋友非常有价值。1、完全本地、隐私不出机：模型、声音数据、录音都在本地电脑——这正是它替代 ElevenLabs 最硬的理由（配音/口播这类素材，很多人根本不敢传云）。2、7 个 TTS 引擎任选：Qwen3-TTS、Qwen CustomVoice、LuxTTS、Chatterbox 多语种/Turbo、HumeAI TADA、Kokoro——零样本克隆（几秒参考音）或 50+ 预设声。LuxTTS 甚至 CPU 上 150× 实时、~1GB 显存。3、支持语气词：Chatterbox Turbo 认 [sigh] [gasp] 这种语气词；Qwen CustomVoice 支持"说慢点/耳语"这种自然语言控场。4、带 Spotify pedalboard 的 8 种后期效果（变调/混响/压缩…）、无限长度自动分块 crossfade、多轨"Stories"编辑器做对话和播客。全局听写热键，有点像AI鼠标那类产品：任何地方按住说、松手，macOS 直接把转写贴进当前输入框（走无障碍注入、还原剪贴板）；STT 用 Whisper（Turbo 档比 Large 快约 8×），等于把 WisprFlow 那套也本地化了。支持工具调用 voicebox.speak，这样就让Claude Code、Cursor、Cline等code agent，都能用用克隆声音完成任何语音任务，甚至是视频合成任务。 #Voicebox##语音克隆3 #ElevenLabs#平替##本地AI##开源#

转发者评论

无明显转发评论

原文

DeepSeek V4正式版，可能最早明日发布，最迟不过这几天。目前，一部分人已提前拿到了DeepSeek V4（GA）灰度测试的权限。一共有两个版本：DeepSeek V4 Flash，DeepSeek V4 Pro。大家最关心的想必是，如何知道自己，有没有被灰度到？博主AiBattle给出了一个民间「验货口诀」：看思维链（CoT）的第一人称。如果模型的思考过程开口是「I'm」「I'll」，而不是老版本的「Let me」。那么恭喜你，你大概率已经用上了V4 GA版！在Fable 5与GPT-5.6 Sol持续角力的当下，全网对开源AI的大招，可以说是拉满了期待值。一位开发者Pankaj Kumar体验后，率先对V4的性能做了一个中肯的总结： 整体表现接近Opus 4.8级别，编码直追GPT-5.6 Sol； Agent能力大幅增强，3D和SVG生成显著变好； 同样一个任务，V4所需的迭代轮数，比Fable 5多。他表示，从目前的生态位来看，V4大概率打不过刚发布的Kimi K3，但价格会显著更低。如果这个性能真配上这个价格，那可能又是一次DeepSeek时刻。

转发者评论

无明显转发评论

• 编码如果达到5.6sol，价格还保持现在水准？那太6了，即便距离 k3有点差距也没关系… k3太贵了用不起[笑cry] 话说 Codex 咋还不重置，我只有12%的周用量了，赶紧的[doge]

原文

一切皆可知识图谱。🤔Understand Anything：把代码库、文档或知识库转成可搜索的交互知识图谱原链接目前已迁移到 Egonex-AI/Understand-Anything。它把代码分析拆成两层：- Tree-sitter 负责确定性的结构事实：文件、函数、类、导入、调用关系、继承关系；- LLM agents 负责结构之外的语义：模块用途、架构分层、业务流程、学习导览、语言模式解释。生成结果会保存在项目本地的 .ua/knowledge-graph.json，再用交互式 dashboard 呈现。你可以从文件、函数或业务域进入，搜索“认证由哪些部分处理”、查看改动的波及范围，或按依赖顺序走一条自动生成的 architecture tour。它的主要命令包括：- /understand：扫描代码库，默认后续增量更新；- /understand-dashboard：打开图谱界面；- /understand-chat：询问代码库问题；- /understand-diff：在提交前看改动影响；- /understand-domain：从代码抽取业务域、流程与步骤；- /understand-knowledge：把 Karpathy 式 LLM Wiki 变成带实体、主张和隐含关系的知识图谱。项目通过多 agent pipeline 完成分析：项目扫描、文件分析、架构分层、导览生成、图谱审核；领域或 wiki 场景会调用额外 agent。大型项目第一次全量分析会消耗不少 token，README 也明确提示了这一点；之后只处理变更文件，成本会低很多。一个务实的设计是：图谱 JSON 可以提交进 git。新人或团队成员拿到仓库后，能直接用本地只读 viewer 打开 dashboard，无需再跑 LLM、也无需 API key。知识图在这里被当作代码资产，而不是一次性的分析报告。支持 Claude Code、Codex、Hermes、Cursor、Copilot、Gemini CLI 等，采用 MIT 许可。它把“读代码”变成了一个可以复用、分享和持续更新的空间导航问题。🔗 原始链接：网页链接（原仓库）💻 当前仓库：网页链接（当前仓库）🌐 在线演示：网页链接（Demo）#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

【Kimi K3 Moment：美国AI围剿政策的黑色幽默】近日开发者评测指出，月之暗面Kimi K3在实际编程任务中已能平替Claude顶配，且API价格仅为后者的三分之一，其订阅制也未像Anthropic那样因算力成本高昂而对主力模型限流。更讽刺的是，美国政府对本土前沿模型的严苛监管和安全限制，导致Claude等模型在安全、网络等实际业务中频繁“拒答”，而毫无监管束缚的中国开源/商业模型则直接高效地完成了工作。这揭示了一个尴尬的底层逻辑：美国试图通过筑墙保护本土AI优势，结果却只锁死了本国用户。当大模型不可避免地走向商品化，算力套利和蒸馏让技术壁垒迅速消融。如果白宫继续用传统工业时代的关税与补贴套路来搞AI“闭关锁国”，最终只会像扶不起的底特律汽车业一样，让美国成为全球唯一一个用着最贵、最阉割模型的AI孤岛。 stephen.bochinski.dev/blog/2026/07/18/the-kimi-k3-moment/

转发者评论

无明显转发评论

原文

2026年要会用这些AI，总结的细致，收藏备用！1。 豆包：查资料、聊天、写文章、翻译等，功能特别全。2。 Kimi：处理长文章，能看懂也能写！3。 海豚配音：有300+种适合自媒体的声音。4。 FishAudio：快速复制声音，操作简单。5。 iSlide：一句话就能做出PPT。6。 可灵：能把文字和图片变成视频。7。 即梦：只要简单描述，就能生成图片。8。 有言：3D数字人，能代替真人出镜。9。 迅捷OCR文字识别：精准提取图片和文档里的文字，识别又快又准。10。 剪映专业版：功能强大，素材特效丰富，剪视频轻松搞定。11。 美图秀秀AI绘画：输入创意点子，一键生成精美画作。12。 知学云AI知识服务平台：提供智能知识管理、问答等功能，帮助高效利用信息。13。 达观数据智能写作平台：擅长写新闻、商业文案，写作速度快。14。 易企秀：能快速做H5页面，模板种类多，适合活动宣传、产品推广。15。 来画动画：不用专业技能，就能轻松做出各种风格的动画视频，表达创意更简单。16。 MindShow：输入文字大纲，自动整理成思维导图，还能一键转换成演示文稿。17。 文心一格：百度出的AI绘画工具，能生成很有艺术感的图片。18。 图怪兽：在线设计神器，有超多海报、logo模板，简单改改就能出图。19。 秒出PPT：输入主题和要点，几分钟就能搞定排版漂亮、逻辑清晰的PPT，大幅提升效率。20。 智影：集视频剪辑、抠图、配音等功能于一体，界面清爽，新手也能快速上手。21。 闪剪：专注短视频制作，智能剪辑，能快速把素材拼成吸引人的短视频。22。 熊猫办公：办公资源丰富，不止PPT模板，还有Word、Excel模板和各种设计素材。23。 稿定设计：涵盖平面设计、电商设计等，提供超多可编辑模板，满足各种设计需求。24、Deepseek：文章、推理、写代码 大数云海君的微博视频

转发者评论

//@宋英杰:收到[作揖]

• //@宋英杰:收到[作揖]

原文

【大模型时代的底层内功：普林斯顿与ETH学者开源500页数据科学数学指南】来自ETH Zürich、普林斯顿和UC Davis的三位学者在arXiv上发布了《Mathematics of Data Science》预印本。全书16章、超500页，系统涵盖高维几何、SVD、流形学习、随机投影、矩阵浓度不等式及深度学习数学基础。在算法调包大行其道的今天，当模型在实际应用中失效，调参往往沦为玄学。这本书的价值在于，它不把算法当黑盒，而是将数据集视为高维空间中的点云，用几何与概率的硬核视角去拆解算法为何有效、何时会失效。对于想要跨越“调包侠”瓶颈、建立底层直觉的研究者来说，这是极具含金量的系统指南。 arxiv.org/abs/2607.11938

转发者评论

无明显转发评论

原文

田渊栋：现在是实干者的时代中国学生往往是脚踏实地的实干者，这在大模型时代是一项至关重要的特质。吴育昕（kimi联合创始人） 在 2015 年是我的实习生，我曾在 Facebook 大楼的屋顶上和前经理争论了整整一个小时，力主应该聘用他。我押上自己的声誉赢了这场争论。所幸，我是对的。过去的情况是，商业模式固定，业务工作流清晰拆分为“愿景 + 执行”。职业 CEO/VP/总监们专注于描绘长远愿景，初级员工坐在作战室里埋头苦干，把数字做上去，而没有人知道他们的名字。现在局面已经大为不同。商业模式如今取决于模型本身的技术实力，而这种实力无法用一套预先设定的基准数字来衡量。如果身处庞大的层级体系，有太多路径、太多诱惑去进行刷榜作弊。技术优先变得至关重要。坐下来，把东西真正跑通。亲自动手，深入检查数据和代码，形成快速反馈闭环，走出信息茧房，把漂亮的故事撕碎重写，随时准备说“是我错了”。让实验来揭示问题，在 AI 面前保持谦卑。这就是为什么脚踏实地的实干者如今大放异彩。这适用于包括联合创始人在内的每一个人。其他一切，自然会随之而来。

转发者评论

无明显转发评论

原文

不但非人公司慌了，Open AI 也慌了。Open AI 未来战略负责人评价 Kimi K3，1 首先承认能力，2 然后暗示因为 Token 消耗过高其实没有那么便宜，3 然后强调开源策略会削弱资本投入，是减速主义，4 再强调投入和收益不闭环，可能需要补助支撑，是共产主义，5 接着，图穷匕见，强调安全风险，建议川皇对开源模型增加合规的法律限制。。。6 最后，释放恐惧，说开源模型可能会危害世界。。。而这个长文几乎语无伦次漏洞百出。。。既然 减速了 ，为何又加速到威胁闭源模型了？？？既然 没有那么便宜 ，为何投入产出不闭环了？？？既然模型危险到 需要法律法规限制了 ，为何更缺乏监督的闭源模型不优先增加法律法规限制？？？？真正安全的模型，就是开源模型。更多人理解，更多人掌握，更多人审查，更多人使用，才是安全的。而只有模型用更低的价格赋能全社会，最终的投入产出才是可持续的。少数人手里掌握所在保险箱里面的秘密，才是危险的。非人公司首先把自己塑造成神，然后禁止别人发展技术的做法，纯粹种族主义加法西斯加殖民主义而已。Open AI 一直没有那么直白，但是从这个内容看，底色差不多。网页链接

转发者评论

无明显转发评论

原文

【30年未解数学难题被AI攻克，背后的“提示词”竟长达十页】加州大学伯克利分校学者Phillip Kerger利用GPT-5.6 Sol Pro，在148分钟内证明了自1996年悬而未决的凸优化算法复杂度下界猜想，并已通过Lean形式化验证。然而，这并非“一句话让AI写论文”的神话。作者透露，他此前已针对该问题探索了一年，最终喂给AI的提示词长达十页，融合了前沿文献、失败尝试及极其精细的推理引导，甚至提示词本身也是人机协同生成的。这戳破了关于AI科研的幻觉：AI没有凭空创造新范式，它更像是一个算力无限、不知疲倦的“超级执行者”。当人类专家把边界框定、方向指明，AI就能用暴力搜索在知识的缝隙里精准拼出最后一块拼图。这也给学术界敲响了警钟：未来“中低难度”的论文灌水将毫无意义，人类必须退回到“提出好问题”与“设计精妙提示工程”的护城河里。 www.reddit.com/r/math/comments/1uxj3cy/after_openais_cdc_proof_announcement_gpt56_used_a/

转发者评论

无明显转发评论

原文

Openship定位"自托管、开源的部署平台，内置 CI/CD"，把这堆东西全收进一个你自己的自托管平台。vibe coding 一时爽，项目一多就崩：七八个小项目散在 Vercel、Railway、各种 VPS 上，账单一个月比一个月吓人，还没一个地方能统一管。它想替代的，是你现在散着用的一堆云：1、push 即部署 + 预览环境 + staging/prod + 回滚，一套 CI/CD 内置;2、后端全家桶自托管:Postgres / MySQL / MongoDB / Redis / workers / WebSocket / 存储;3、域名 + SSL(自动 Let's Encrypt、通配、无限域名、自动续)、CDN(边缘缓存、HTTP/3、Brotli)、甚至自带邮件服务器(SMTP + DKIM/SPF/DMARC，不用再接 Mailgun/SES)、定时备份一键恢复;4、语言栈通吃(Node/Python/Go/Rust/PHP/Ruby/Java/.NET/Docker/monorepo)、能直接吃现成的 docker-compose。可以解决"账单焦虑"： 它能跑在你自己任何一台 Linux 服务器上(Hetzner / DO / Linode / 裸机 / 家里的 homelab 都行)——同一套界面。也就是说,你可以把一堆按用量计费的托管项目,搬到一台自己包月的 VPS 上统一跑,成本从"按流量/函数调用被云厂商拿捏"变成"一台机器包月封顶"。这正是很多 vibe coding 创作者最实的诉求。而对 vibe coding 玩家最亮的一条:它内置了 MCP：意味着可以直接让 Claude Code/Codex 帮你发版、开预览环境、看构建日志。部署这件事,也被做成了 agent 可调的能力。Openship 值得自托管一台试——但开始之前需要考虑清楚：自托管等于运维和安全你自己扛;而且它自己也标了"文档还在完善中",别指望开箱即用无坑，所以生产级使用还是慎重。#Openship##自托管##部署平台##Vercel平替##vibecoding#

转发者评论

无明显转发评论

• 现再可用的功能： —— 邮件服务器（内置，一键部署，对于搞营销的人来说简直是福利，以往你要发一个上万营销邮件还是要花不少钱的） • 在您自己的 VPS 上运行 • 无限域名 • 无限邮箱 • 包含现代网页邮件 • 可连接 Gmail、Outlook、Apple Mail、Thunderbird 或任何 IMAP/SMTP 客户端 • 使用 SM

原文

【别迷信AI的"自动续写"：为什么/goal模式反而会让代码变烂？】有人用一个未公开的NP-Hard算法难题测试了主流模型，发现Claude Fable 5在纯智力上碾压了GPT-5.6 Sol。但最有趣的发现是两家主打的`/goal`（目标达成）模式：虽然它在六成测试里微幅提升了结果，但一旦翻车就是毁灭性的，导致平均成绩反而不如普通模式。底层逻辑在于，Claude Code是用Haiku当“监工”看聊天记录判断是否完工，而Codex则是让模型自己调工具“既当裁判又当选手”。在写代码这种方向一旦偏了、多写多错的场景下，强行让AI“不达目的不罢休”地死磕，往往只是给了一个愚蠢的决定更多时间去发酵，最后产出一堆看似努力实则无法阅读的垃圾代码。所以，别指望给个目标让AI自己跑几小时，聪明的做法依然是：把任务拆细，控制在150k Token以内，做完一步就开新对话。 charlesazam.com/blog/fable-5-gpt-5-6-sol-goal/

转发者评论

无明显转发评论

原文

【DeepSeek便宜到离谱，真是靠“国家补贴”吗？】Reddit社区最近被一张大模型性价比榜单炸出了不少技术深水区讨论。面对DeepSeek低到近乎做慈善的API价格，不少人第一反应是“中国政府补贴”或“低价倾销”。但深谙技术的开发者们一针见血地指出：这其实是一场极致的工程压榨。DeepSeek在算法上用了混合注意力机制（CSA+HCA）和Multi-Token预测，在工程上把KV Cache和硬件内核优化到了变态的地步，甚至能让长对话的缓存命中率顶到90%以上。硅谷习惯用“堆算力、堆参数”的暴力美学来解决问题，而DeepSeek则是在算力和硬件受限的紧箍咒下，硬生生逼出了一套极致省钱的生存方案。对普通开发者来说，API价格便宜只是结果，底层那套把每一滴算力榨干的工程创新，才是真正让硅谷大厂感到背脊发凉的“黑魔法”。 reddit.com/r/LocalLLaMA/comments/1uzqspl/what_kind_of_dark_magic_is_deepseek_using

转发者评论

无明显转发评论

原文

[RO]《RxBrain: Embodied Cognition Foundation Model with Joint Language-Visual Reasoning and Imagination》H Liang, M Chen, Y Huang, Y Guo… [Tencent Robotics X Team] (2026) 在具身智能领域，将抽象任务逻辑与具体物理状态对齐是一个悬而未决的难题。过去的方法受困于视觉理解与视频预测的脱节，本质原因是系统无法在生成指令的同时，实时“想象”出动作完成后应达到的物理图景。本文的核心洞见是：把具身规划重新看作语言与视觉交织的单一序列。由此，混合 Transformer 架构下的“联合想象”操作使问题得以解开：语言负责拆解逻辑与约束，而视觉生成则在同一序列中同步合成每一规划步骤对应的物理状态转换。这项工作真正留下的遗产是实现了具身认知中推理与感知的闭环融合。它为后来者打开的新门是无需大规模动作数据预训练即可实现复杂的机器人操控，但尚未跨过的门槛是长程规划中多步迭代带来的误差累积风险。arxiv.org/abs/2607.14187 #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

• 所有人都在焦虑“机器人数据不够”，但真正的问题从来不是数据量，是数据的监督信号密度。互联网上躺着几十亿条人类第一视角视频，以前没人用，是因为没有足够强的大模型去“读懂”它们。现在GPT-4V级别的模型成了炼金术里的催化剂，把YouTube变成了全球最大的机器人训练场。数据从来不稀缺，稀缺的是

原文

最好的上下文压缩，是让 Agent 从一开始就不必生成那段文本。一个真实 GA360 分析任务，要跨 273 张按日分表。手写枚举版是 1,713 行、79,384 字节、约 20,000 tokens；把重复结构交给确定性的 harness 展开后，只剩 52 行、1,337 字节、约 370 tokens。也就是生成字节压缩 59.4:1，token 消耗约压缩 54:1，业务逻辑不变。这和生成完再做 compaction 的区别很关键：1. compaction 是先付生成成本，再删上下文；2. harness 是在生成前消掉重复；3. 短模板更容易审计、复核和重放。模型能力决定 Agent 的上限，语言与 harness 决定它的成本曲线。这也是 InfiniSynapse 在数据分析 Agent 底层持续建设 InfiniSQL 的原因。了解 InfiniSynapse：网页链接#InfiniSynapse #InfiniSQL #DataAgent #AI数据分析

转发者评论

无明显转发评论

原文

[LG]《BadWAM: When World-Action Models Dream Right but Act Wrong》Q Li, X Yang, X Wang [National University of Singapore & The Hong Kong Polytechnic University] (2026) 在具身智能领域，将动作生成与未来世界预测耦合（WAMs）被视为增强机器人鲁棒性与安全性的核心范式。过去的方法假设通过检查机器人“想象”的未来即可验证其行为安全性，本质原因是认为动作与想象在逻辑上是强绑定的，只要想象合理，动作就应合规。本文的核心洞见是：把 WAMs 的动作空间与想象空间重新看作可以被诱导脱靶的非对称接口。由此，BadWAM 这一关键操作通过极其微小的视觉扰动，在保持模型预测的“未来画面”依然合理、丝滑的同时，精准操控其输出的“动作指令”走向失败，实现了世界与动作的对抗性去同步化。这项工作真正留下的遗产是证明了“视觉想象”并不能作为具身智能的天然安全屏障。它为后来者打开的新门是建立了一套量化评估动作-想象对齐性的安全基准，但尚未跨过的门槛是如何在不牺牲模型泛化性能的前提下，从架构底层构建出具备数学完备性的动作-想象同步防御机制。arxiv.org/abs/2607.15207 #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

• 世界模型的致命假设是“想象力等于行为约束”。但神经网络里根本没有“因果铁链”，只有统计相关性。所以它可以一边在脑子里生成完美收盘的视频，一边把手伸向错误方向。这不是bug，是架构的原罪——你以为两个输出头共享了同一个“理解”，实际上它们只是恰好从同一堆参数里各取所需。一旦有人故意在

原文

[LG]《The Seriality Gap in Video Diffusion Models》J D Chao, K Preechakul, Y Liu, Y Bai [UC Berkeley] (2026) 在视频生成领域，维持长程物理一致性是一个悬而未决的难题。过去的方法受困于随时间推移而崩溃的因果链（如球体连续碰撞），本质原因是主流扩散模型的去噪迭代在计算本质上是并行的“快捷方式”，无法等同于物理模拟所需的串行逻辑深度。本文的核心洞见是：将去噪步数与逻辑推理深度彻底解耦。研究者通过硬球动力学实验证明，单纯增加去噪次数并不能增强因果推理。由此，采用自回归推理或增加骨干网络深度这两项关键操作，强制模型分配更多的串行计算资源，从而消弭了双向生成中的“串行性差距”。这项工作真正留下的遗产是界定了扩散模型作为“世界模拟器”的理论边界，即去噪迭代不产生额外的逻辑增量。它为后来者打开的新门是开发具备逻辑深度的非得分匹配模型，但尚未跨过的门槛是如何在非确定性、高熵的自然视频中精准剥离并强化这种串行依赖。arxiv.org/abs/2607.13031 #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

• Sora们被叫“世界模拟器”的那天起，这个泡沫就埋好了。它们学到的不是物理定律，是物理现象的统计外观。球掉下去会弹起来，但弹多高、往哪弹，网络深度不够的时候就只能猜。真正的世界模拟需要显式的因果推演能力，而当前主流架构在数学上就证明了自己干不了这个。要么接受它只是个“高清记忆播放器”

原文

1你们在用 AI 的时候，心里最好有点 b 数。。。这玩意儿至少在各大基准测试里表现出来的能力，看起来智商早就超过了 130，而且懂得还多，天文地理无所不包。最近的 fable5，gpt5.6，kimi3 比你聪明这事情其实已经很明显了。最可怕的是，模型基本上都是重度的“讨好型人格”。Anthropic 叫做“谄媚效应”（Sycophancy Bias），而且因为“人类反馈强化学习”（RLHF）是今天模型训练的必备步骤，基本无人可以幸免。。。2这意味着什么？这意味着，如果你没有管理团队、识别偏见、处理反对意见的经验，AI 很容易就会退化成一个你完全无法掌控的“高级和珅”。这就类似于和珅碰上了晋惠帝司马衷，那这俩货搞出来的灾难，肯定要比乾隆大得多。何不食肉糜？都能成为仁政。。。3而避免这种结果的方式其实目前也不多：3.1设立“魏征”： 负责死磕到底，专门挑刺、找漏洞、无情攻击你的前提假设；就是所谓 Grillme skill。3.2设立“御史大夫”（事实核验官）： 别听他们瞎编，立刻去联网搜索数据，用客观事实打脸；就是所谓引用的置信度评估。3.3懂得掩盖自己的倾向性“我的方案这么 NB 吗？但是这是我最讨厌的同事的啊， 那如果如果彻底搞砸，最可能死在哪个环节？”“我喜不喜欢不重要，如何 Improve 可以让置信度提升 20%？需要搜索和补充哪些核心数据？”4或者，拥有一个真正合格决策者的宽广胸怀：清晰的判断目标，本来就不预设立场，主动接纳自己的倾向性被逻辑和数据无情否定，最后，做出真正符合你或者你的团队核心利益的已知的最优决策。

转发者评论

无明显转发评论

原文

[CL]《Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning》X Tang, Q Cao, Y Liu, Y Zhan… [Renmin University of China & Ant Group] (2026) 在超大规模语言模型领域，如何通过纯强化学习（Zero RL）激发万亿参数模型的涌现推理能力是一个悬而未决的难题。过去的方法受困于计算资源瓶颈，大多局限于小规模模型，本质原因是缺乏能支撑万亿级参数稳定训练的算法优化与系统架构。本文的核心洞见是：把万亿参数模型的推理诱导看作一个从“发现”到“磨砺”的渐进过程。由此，通过引入带剪切的重要性采样、训练-推理比率修正以及混合精度控制等关键操作，不仅解决了系统层面的数值不稳定性，更使模型在无人类标注数据的情况下，自发实现了从原始搜索到结构化推理的认知跳跃。这项工作真正留下的遗产是验证了推理能力的“苦涩教训”：当规模达到万亿级别，模型会自发涌现出拟人化思考、自我验证和并行推理等高级认知策略，令传统的人工启发式设计显得多余。它为后来者打开的新门是万亿级推理模型的高效训练范式，但尚未跨过的门槛是如何在单一强化学习框架下完美兼顾推理深度与推理成本的动态平衡。arxiv.org/abs/2607.12395 #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

• 真实世界的数学题大部分都很简单，但用这些简单题去训练AI纯属浪费电。这违反直觉，但想想就通了：人类小孩需要从1+1学起，是因为大脑在发育，神经回路得慢慢长。AI不是，它的神经网络已经定型了，喂它容易的题，它学到的只是“遇到容易题怎么偷懒”。真正撑开智能上限的，永远是那些让它够不着、逼它

原文

一张二十步的表单，最怕教人点二十次。企业后台、报销系统、客户管理工具，功能可能很全，操作却藏在层层菜单里。Page Agent直接把Agent放进网页产品，让用户用一句自然语言完成页面里的点击、填写和选择。项目大约有2.6万颗星，目标是给现有网页加一层会操作界面的助手。它主要读取页面的文本化DOM，也就是网页结构，不靠连续截图识别按钮。对单页任务来说，不需要无头浏览器、Python服务或额外扩展；开发者把JavaScript接进自己的页面，再配置模型，就能把「打开客户记录、补齐字段、提交前展示确认」这类连续动作交给Agent。少点几下只是一部分。一个新员工第一次用复杂后台，与其记住二十个按钮的位置，不如说清目标，让Agent先走到最后确认页。界面改版后，只要页面结构仍可理解，说明文档也不用跟着每个像素重新录一遍，当然仍要维护。它服务的对象是网页开发者。重点是增强自己有权修改的产品。跨页面任务需要可选浏览器扩展；MCP server在当前说明里还是Beta。它可以配本地模型，也可以配在线模型，所以「操作发生在页面里」不能说明输入内容不会出站。表单里如果有客户资料、财务数字或账号信息，模型路径和日志策略必须先核清。授权范围同样重要。付款、删除、提交审批等不可逆动作，应当停在明确的人类确认点；不要把它延伸到绕过账号权限、批量滥用或操作无授权页面。自然语言降低操作成本，不会扩大业务权限。能减少操作步骤还不够，提交前要把即将执行的动作清楚摆在人面前。GitHub上的开源项目page-agent由alibaba维护。#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

把 《系统之美》、《福格习惯》、《有解》 三本经典书籍转换成skill。三套把经典工具书转成可调用 Agent Skill 的方法论套件这条微博分享了三个基于经典工具书制作的 Skill 套件。共同结构是 “一个主入口 + 三个子 skill”：主入口判断用户当前需要什么，子 skill 分别处理诊断、核心行动和进一步深化，避免把所有方法论塞进一次对话。1. systems-thinking-skills：用《系统之美》看结构，而非只处理表面事件- systems-thinking-core：用存量 / 流量、反馈回路、延迟效应理解系统为何产生当前行为；- systems-thinking-archetypes：识别政策阻力、公地悲剧、目标侵蚀等 8 类系统陷阱；- systems-thinking-leverage：用 Meadows 的 12 级杠杆点寻找更有效的干预位置。2. fogg-habit：把“养成习惯”拆成能操作的行为条件- fogg-habit-core：按 B=MAP 诊断行为障碍，围绕愿望、微行为、锚点和庆祝设计行动；- fogg-habit-break：反向拆掉提示、提高执行难度、以替代行为处理坏习惯；- fogg-habit-grow：从情绪锚定扩展到影响他人和身份转变。3. youjie-skills：把问题解决从情绪准备带到计划执行- youjie-prepare：将自己从“受害者”切到“问题管理者”，处理情绪与解释框架；- youjie-solve：沿 KSME 七步法推进：确定问题、梳理关系人、明确现状与目标、分析差距和代价、制定方案与计划；- youjie-mindset：整理思维转换、核心理念与问题管理能力。微博指向的 GitHub 仓库已核实，三个目录和相应 README / INDEX / 参考资料都存在。这个方向本身对：把读书时获得的抽象框架，变成日后能在具体时刻被调用的对话流程。但有一条边界需要留意：仓库目前没有声明开源许可证，其中 youjie-skills 还含有 book-text 目录。个人学习可以看，若要转发、再分发或用于商业用途，先核实书籍文本与衍生内容的版权边界。🔗 微博原帖：网页链接（来源）💻 GitHub 仓库：网页链接（仓库）💻 系统思维套件：网页链接💻 福格习惯套件：网页链接💻 《有解》套件：网页链接#HOW I AI# #ai生活指南# #效率工具#

转发者评论

无明显转发评论

• //@蚁工厂://@摇摆时间线ZHLMI:系统之美我之前也转换成 Skill 了[笑而不语]
• //@摇摆时间线ZHLMI:系统之美我之前也转换成 Skill 了[笑而不语]

原文

【AI时代的“社工新套路”：你的Claude记忆正在被网页钓鱼】安全研究员Ayush Paul近日演示了如何利用Claude的联网搜索功能，无感窃取用户的全局记忆（包括姓名、公司甚至密保问题答案）。攻击者只需搭建一个看似正常的咖啡店网站，当Claude使用web_fetch工具访问时，网站会识别其User-Agent并投喂一个伪装成“Cloudflare机器人验证”的恶意链接。由于大模型无法区分“指令”和“数据”，Claude会乖乖听从网页上的欺骗指南，通过字母拼接的URL跳转，将用户的隐私数据像发电报一样拼写并发送给攻击者服务器。目前Anthropic已通过限制web_fetch的跨页跳转能力紧急修复此漏洞，但并未发放赏金。这再次证明，当AI拥有了记忆与联网工具，传统的沙箱和安全边界正在面临逻辑层面的降维打击。 ayush.digital/blog/the-memory-heist

转发者评论

无明显转发评论

原文

[AI]《From Observation to Insight: Mechanistic World Models and the Quest for Autonomous Discovery》I Posner, A Lei, B Schölkopf [University of Oxford] (2026) 在人工智能科学领域，从预测性模拟跨越到自主科学发现是一个悬而未决的难题。过去的方法受困于对观测数据的黑盒映射，本质原因是现有模型以预测相关性为核心，而非提取生成观测结果的稳定解释机制。本文的核心洞见是：把世界模型重新看作可复用机制的知识库。由此，将潜在状态分解为类型化变量与独立变换函数的绑定操作使问题得以解开。这种架构迫使模型不再死记硬背轨迹，而是通过组合模块化的因果块来构建解释。这项工作真正留下的遗产是为自主发现奠定了从预测转向理解的计算蓝图。它为后来者打开的新门是实现设计即解释的透明架构，但尚未跨过的门槛是在开放领域中实现变量与机制的大规模联合优化。arxiv.org/abs/2607.12474 #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

• 科学突破本质上是一场信息战：把无穷的观测压缩成几条可以反复调用的规则。人类花了几百年把天体运动、抛物线、钟摆压缩成F=ma，不是因为这个公式预测最准，而是因为它用最少的信息解释了最多的现象。AI现在的问题是，它学会了用一万个小抄应付考试，但从来没逼自己提炼出那张“万能公式”。没有这个压

原文

我看世界杯，比赛再激烈中场也要休息，下半场还要替换队员。但身边很多创业者全年无休，把身体搞坏了我问Chatgpt，中国创业者相比其他国家，休息时间相差多少？它说相比欧美日澳等国家，中国创业者休息少得可怜、几乎没有度假。做外贸的有体会，每年七八月。欧美人基本都在度假。但如果跟韩国、新加坡、印度、越南这类高竞争亚洲经济体比，差距小一点。但依然低于他们。也就是我们全球最卷。你说怪谁呢？也别急着骂，好多因素导致：第一，中国市场竞争太快。中国创业很多是“窗口期竞争”：流量红利、平台规则、供应链价格、直播电商、团购、本地生活、AI 工具，只要慢几个月，机会就过去了。创业者很难安心休假第二，利润薄，安全感少。 很多中国企业不是高毛利 SaaS，而是电商、餐饮、供应链、制造、服务业。毛利薄、现金流紧，老板必须盯库存、投流、客服、回款、供应商、平台规则第三，客户和平台没有假期。 做电商、本地生活、短视频、直播、私域，周末和节假日反而是销售高峰。别人放假，你要卖货；别人睡觉，你还要看数据第四，社会文化对“老板休息”容忍度低。 中国很多创业者自己也会觉得：员工能休，老板不能休；公司还没稳定，休息就是心虚。这个心理负担很重第五，失败成本高。 融资不容易、贷款担保、房租人工、库存压力、家庭期待，都让创业者很难松下来。很多人不是不想休，是一休就焦虑。但少休息不会更强。早期拼命有用，长期不休息会让判断力下降，尤其创业最贵的不是体力，是决策质量。很多老板真正亏钱，往往不是因为少干一天，而是因为疲劳状态下认知紊乱，做错了大决策。建议辛苦的创业者，也给自己放放假，给员工也休息下。不要崩得太紧了。特别是许多越卷越亏的企业。你停一下，休息一阵，想好新的方向再上路，说不定你休息那会儿，你的竞争对手，自己把自己卷没了

转发者评论

无明显转发评论

原文

大多数人想变好，于是问“我该怎么做”。这是错的。查理·芒格说过一句话我非常认同：如果我知道自己会死在哪里，我就永远不去那个地方。这就是反向思维的力量。你不需要知道成功的路径，你只需要清楚地看见失败的模样，然后远离它。现在有了 AI，这件事变得极其简单。你不用问它“怎么高效”，你问它“怎么才能变成最低效的人”。答案会立刻清晰：不专注，频繁切换任务，让手机通知随时打断你，把简单的事搞复杂，拖延真正重要的行动，优先做那些容易但毫无意义的事。你看完这些，马上就知道自己每天在犯哪些错。这比任何正面建议都管用。同样的逻辑适用于目标。你问 AI：“怎么做才能保证一件事注定失败？”答案是：只想不做，追求完美主义，把目标设得高到不可能开始，做喜欢的事但从不建立系统，边做边否定自己。你会发现，这些失败模式你可能全都有。认识到这一点，就是改变的起点。还有一种更隐蔽的陷阱：无效忙碌。忙碌是现代人最大的自我欺骗。你问 AI：“怎么让我整天很忙但一事无成？”它会告诉你：用假动作消耗时间，刷手机、整理文件夹、调字体、反复讨论方案却不执行、同时处理五件事结果一件都没做完。这些行为让你感觉自己在努力，实际上你只是在回避真正重要的工作。这三个问题的本质是同一件事：用逆向提问暴露你的盲区。人最难的不是学习新东西，是看见自己正在做的蠢事。正面思考让你产生幻觉，觉得自己离目标很近。反向思考让你诚实，让你直面那些每天都在重复的错误。真正的高效很简单：专注一件事，关掉干扰，先做最难的，建立系统，开始行动。你早就知道这些道理。你缺的不是方法论，你缺的是对自己诚实。反向提问就是逼自己诚实的工具。用好它，你会发现改变并不需要意志力，你只需要停止做那些明知错误的事。停止愚蠢，比追求聪明更有效。#副业赚钱##科技先锋官#

转发者评论

无明显转发评论

• 我认为这句话价值千金：停止愚蠢，比追求聪明更有效。

原文

【中国大模型选择开源，到底在砸谁的饭碗】针对Kimi等国内大模型是否开源的讨论，暴露出行业对中美AI竞争路径的分歧。有人不解为何不学美国闭源变现，而是选择开放权重。实际上，开源并非大发慈悲，而是一场重塑规则的阳谋。在算力受限、无法单靠卖Token变现的现实下，开放权重能迅速做大国产软硬件生态。更深层看，这直接对冲了美国闭源巨头的高估值叙事——你试图用技术壁垒垄断定价，我用开源把门槛直接拉低，甚至让其他国家因依赖开源而放弃自主研发。这不是简单的商业竞争，而是用生态和硬件供应链在进行一场无声的防御与反击。

转发者评论

无明显转发评论

原文

介绍一个超轻量神器：just doit —— 会读心的命令行github_com/JianfengFD/Just_doit (将第一个_换成点即可) 现在的 AI 编程助手都太"重"了：动不动就要打开一整个 IDE、开个聊天窗口、建项目、管会话、喂上下文……可我只是想在当前这个终端里，把一件小事赶紧干完而已。 于是我写了 just doit。它回归命令行，极简、直接。你只要在终端里说人话： doit 把所有 free*.txt 的最后100步能量平均后画个图 doit 把这个 PDF 的第10页和第20页对调一下 doit 把这个目录里的图片全转成 jpg 压到 1080p 它就会自己读取当前目录、规划命令、动手执行、自检结果，干完直接退出；万一觉得没做好，还会回头问你要不要 改进。整个过程你都看得见每一条命令，绝不藏在花哨的界面后面。 几个我最满意的点： 🔹 一句话一件事——就在你当前所在的目录里发生，不用开窗、不用建项目 🔹 零仪式感——干完就走，绝不啰嗦 🔹 数据在哪它在哪——文件、PDF、图片、git 仓库都在 shell 里，它就地处理，不用你拖来拖去 🔹 小到透明——核心就一个几百行的 Python 脚本，一分钟能读完 🔹 能塞进管道 / 脚本 / SSH——重型 GUI 工具跟不进去的地方，它都能用 而且它兼容几乎所有大模型：DeepSeek、OpenAI、Claude、Kimi、通义千问、智谱、Groq、OpenRouter，甚至本地 Ollama，改一个环境变量就能切换。另外安装也很方便，既可以手动安装(readme.md里有），也可以下载后，在文件夹内，问codex等智能助手，直接跟他们说："阅读 doit/INSTALL.md 安装说明，帮我完成 doit 命令的全套配置：安装所有缺失的依赖项，给程序添加可执行权限，将其加入 shell 的 PATH 环境变量，实现任意目录下都能直接运行 doit；同时配置好我的 <服务商> API 密钥（密钥存放在 <对应位置>）。" 一句"帮我平均这几个文件画个图"或"换一下这两页 PDF"就搞定的事，何必开一整个助手？这正是 just doit想补上的那块空白。

转发者评论

无明显转发评论

• 一个简单的loop + shell，只能说明现在的法学硕士太强大了

原文

2018年11月，美国司法部 DOJ 和大名鼎鼎的 FBI 启动了一个专项计划，名为：“中国倡议”（China Initiative）。目的是应对所谓来自中国的经济间谍活动、知识产权盗窃和技术转移威胁。 而实际上，这就是美国对科技圈进行的新的麦卡锡主义迫害活动，其中导致大量华裔/中国背景研究人员感到被针对，出现焦虑、职业中断、职位流失。据估计有约250名学者因此失去工作，许多人离开美国，并且认为至少一起自杀和这个计划有关。就在此时，有一个中国人正好在卡内基梅隆大学读 PhD 阶段的后半段，以至于现在 X 上很多美国人认为，他最终没有留在美国和这个计划也有很大关系。那为何这个快 10 年前的旧账，被美国人重新翻出来了呢？因为这个人叫杨植麟，他回国创建了 Kimi。几天前，他发布的 Kimi K3 ，威胁到了美国非人公司最先进的闭源模型：Claude Fable5 。

转发者评论

无明显转发评论

原文

科研人苦等多年的AI搭档，终于来了！就在WAIC现场，中科闻歌磐石（ScienceOne）团队一口气亮出两张「王牌」—— S1-Omni：首个面向「科学理解、预测与生成」的科学多模态统一推理模型； ScienceOne：以S1-Omni为核心、贯穿科研全流程的一体化平台。这个AI4S的产品今天正式上线，感兴趣的朋友可以去www.scienceone.ai试试，拿这个DH26GYZ8552可以兑换token实测结果非常硬核。同一批真实科研任务，磐石与GPT-5.5、Gemini 3.1 Pro、Claude Science等全球顶流同台作答，全程交给第三方模型盲评打分。最终拿下最高分的，是磐石。但成绩归成绩，我们认为更有意思的，是成绩底下那颗S1-Omni。因为它代表的，是AI4S的一次范式跃迁，科研工作流第一次有机会被真正重塑：AI把繁琐的活儿接过去，科研人得以把更多时间，留给真正的科学问题。

转发者评论

无明显转发评论

原文

【Claude总结】 AI开发者日报 (2026-07-18)1. 【GPT-5.6 用一个提示词填补凸优化30年空白】(来源: HN) 有人称用 GPT-5.6 生成的提示解决了凸优化领域悬置30年的问题，帖子引爆315条讨论。若属实，这是 LLM 在纯数学证明上的又一里程碑。 old.reddit.com/r/math/comments/1uxj3cy/after_openais_cdc_proof_announcement_gpt56_used_a/2. 【AI 对 Stack Overflow 做了什么，用一张图说明】(来源: HN) 一条 SQL 查询画出的曲线直观展示了 AI 时代 Stack Overflow 提问量的断崖式下滑。开发者问答社区的流量正在被 AI 编程助手蚕食。 data.stackexchange.com/stackoverflow/query/1953768#graph3. 【The Kimi K3 Moment】(来源: HN) 一篇长文剖析 Kimi K3 发布的意义，引发293条热议。开源模型正逼近甚至反超闭源前沿，格局再度被搅动。 stephen.bochinski.dev/blog/2026/07/18/the-kimi-k3-moment/4. 【不到 500KB 的语音识别与 TTS】(来源: HN) Moonshine 推出微型语音识别与语音合成模型，整个模型体积不到500KB。极致轻量让端侧、嵌入式设备也能跑本地语音。 github.com/moonshine-ai/moonshine/tree/main/micro5. 【Fable 5 对决 GPT-5.6 Sol 解 NP-Hard 问题：/goal 有用吗？】(来源: HN) 作者对比两大前沿模型在 NP-Hard 问题上的表现，并测试 /goal 指令的效果。为选型和提示工程提供了实测参考。 charlesazam.com/blog/fable-5-gpt-5-6-sol-goal/6. 【手把手：让 Claude Code 控制你闲置的 Mac】(来源: HN) 详细教程展示如何配置一台备用 Mac 供 Claude Code 远程操控。把智能体接入真实电脑，自动化能力再上一层。 ykdojo.github.io/claude-controls-mac/7. 【Mamdani 市长：房东不得用 AI 图片打广告】(来源: HN) 纽约市长表示房东不能偷偷用 AI 生成图片来宣传房源。AI 造假图进入房产监管视野，真实性成新焦点。 petapixel.com/2026/07/16/mayor-mamdani-says-landlords-cant-secretly-use-ai-images-to-advertise-properties/8.…

转发者评论

无明显转发评论

原文

【中国的AI优势在哪里】目前Kimi K3在代码生成能力的Code Arena测试中全球排名最高(图一)。从图二中可以看到中国AI尖端水平的优势地带：性价比。绿色折线是帕累托前沿(Pareto Frontier)：线上的每个节点/模型都意味着【在这个价位上没有更强的，在这个强度上没有更便宜的】的性价比优势。整条帕累托前沿，除了最便宜端的IBM小模型，全部是中国模型。从Kimi、智谱、MiniMax到小米。Anthropic、OpenAI、Google的模型全部散落在前沿左下方的无标注色块里，也就是说在这个基准上，它们每一个都被"更便宜且更强"的模型支配了。在代码生成这个细分赛道上，性价比前沿已经整条被中国阵营占领。图三则是前端编程中美AI模型对抗史。在最近的18个月里，美国(绿线)和中国(红线)围绕各自最高分模型的争夺。图的下半部分是差值图（Gap）：绿柱表示美国领先的分数，红柱表示中国领先的分数。注意整个下图从头到尾几乎全是绿柱，直到最右端出现第一根红柱。这根红柱就是这张图存在的理由：Kimi K3以1679分越过Claude Fable 5的1631分，是这条时间线上中国第一次转为领先。

转发者评论

帕累托前沿(Pareto Frontier)：线上的每个节点/模型都意味着【在这个价位上没有更强的，在这个强度上没有更便宜的】的性价比优势。

• 帕累托前沿(Pareto Frontier)：线上的每个节点/模型都意味着【在这个价位上没有更强的，在这个强度上没有更便宜的】的性价比优势。

原文

KTransformers 是一套灵活的 CPU-GPU 异构计算框架，旨在帮助研究者和开发者高效体验大模型推理与微调的最新优化技术。框架集成了 kt-kernel 内核，提供了高性能的 INT4/INT8 量化推理、MoE 专家调度、AMX/AVX 加速以及与 SGLang 的无缝集成，同时支持通过 LLaMA-Factory 进行超大 MoE 模型的混合精度微调，在消费级硬件上即可实现显著加速与更低显存占用。GitHub：github.com/kvcache-ai/ktransformers主要功能：- CPU-GPU 异构推理，支持 AMX/AVX 加速与多 GPU 并发；- MoE 模型优化，实现 NUMA 感知内存管理和专家自动调度；- INT4/INT8/FP8/GPTQ 多精度量化，兼顾速度与精度；- 与 LLaMA-Factory 深度集成，支持 RL-DPO、LoRA 等微调方案；- 兼容 SGLang、Unsloth 等生态，快速部署生产环境；- 支持 Web、Windows、Linux 多平台，通过 pip 即可快速安装。无论是在单卡 24GB 显存上跑通 DeepSeek-R1，还是在多卡环境下训练 Qwen3-MoE，KTransformers 都能提供极具性价比的解决方案。

转发者评论

无明显转发评论

原文

微博有个webo-cli，是可以让agent调用的。另外，普及一个常识，说到历史的时候，有人总想告诉点什么给我。比如说爱因斯坦，其实是一个渣男之类的。不用你告诉，世界上有一个东西叫AI，虽然有幻觉，但是它还有联网搜索。你自以为很冷门的知识，其实AI都能查到，很多冷门书都训练进去了。你寻章摘句，已经没用了，知道吗？我没提这些知识点，并非是我不知道，而是我觉得这些所谓冷门知识没用。至少是没法拿来挣钱的，而且在历史中也没啥决定作用。

转发者评论

无明显转发评论

• 开通还要买套餐，卸载了。。。[doge]

原文

【别把Claude Code跑在你的主力机上】近日有开发者分享了如何将闲置Mac配置为Claude Code专属受控机的详细教程。由于Claude Code在开启“跳过权限”后具有极高的系统控制权，直接在主力机上运行存在安全隐患。通过在备用机上新建无Apple ID的纯净Admin账户、配置免密SSH、利用LaunchAgent和tmux绕过macOS的安全限制，即可实现用手机或主力机随时远程调用Claude Code进行Computer Use（屏幕截图与模拟操作）和浏览器控制。这其实揭示了AI Agent落地的一个尴尬现状：我们既想要它无拘无束地干活，又害怕它一不小心删库跑路。把旧设备物理隔离成“沙盒”，是目前折腾党们在便利与安全之间妥协出的最酷解法。不过也有不少人泼冷水：天天让Agent在后台24小时空转，到底是在解决真正的生产力痛点，还是在用高昂的Token账单满足科技巨婴的“贾维斯”角色扮演欲？ ykdojo.github.io/claude-controls-mac/

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-07-19】今日简讯：1、商汤发布面向长程任务的交付级多模态智能体基座2、Anthropic宣布Claude Fable 5永久可用3、中国气象局发布千亿参数气象大模型并启动全球开源4、商汤与国星宇航启动“千星万P”太空算力建设5、华为云联合金融机构共建智能体生态6、我国自研AI芯片在14nm制程实现520万亿次算力7、上海科学智能研究院开放覆盖六类科学数据的“神珍”模型8、擎朗智能展示人形机器人纯自主社区场景以下为详细内容：1、商汤发布面向长程任务的交付级多模态智能体基座来源：36氪、上海证券报、新浪财经日期：2026年7月18日正文：商汤科技在WAIC 2026期间发布日日新SenseNova U1 Pro。该模型定位为面向长程任务的交付级原生多模态智能体基座，实现了理解、生成和行动的深度统一。其具备原生8K超清输出、极致图文细节控制和长程Agentic闭环思维等能力，可支持数十轮智能体生成循环。商汤表示，内部评测中U1 Pro是目前唯二达到交付级水平的模型，计划于8月正式上线。原文链接：商汤科技旗舰级SenseNova U1 Pro正式发布：从“内容生成”走向“系统级交付”2、Anthropic宣布Claude Fable 5永久可用来源：凤凰网、经济时报、新智元日期：2026年7月18日正文：Anthropic宣布将Claude Fable 5永久纳入Max和Team Premium订阅方案，自7月20日起生效，使用额度上限设为50%。Pro和Team Standard用户保留使用额度并获得100美元一次性补偿。此举改变了此前下架Fable 5的计划，报道指其背景是Kimi K3在编码测试中超越Fable 5，且API价格更具优势。原文链接：网页链接3、中国气象局发布千亿参数气象大模型并启动全球开源来源：科技日报、央视新闻、科学网日期：2026年7月17日正文：中国气象局在WAIC 2026气象专会上发布人工智能气象服务系统“风和”大语言模型，并启动全球开源计划。“风和”由公共气象服务中心联合智谱等研发，是全球首个千亿参数级开源气象大语言模型，训练了5000万词元高质量气象服务语料。模型权重已在GitHub、Hugging Face等平台开放，并同步开放标准化API接口。原文链接：网页链接4、商汤与国星宇航启动“千星万P”太空算力建设来源：人民网、澎湃新闻、新华网日期：2026年7月18日正文：商汤科技与国星宇航在WAIC 2026上宣布共建“商汤算力星座”，计划部署千颗卫星、实现总算力超万P。项目将按“单星验证-平台建设-星座组网”路径推进，目标在2030年建成覆盖全球的空间智能计算网络。同日，上海发布了目标同为千星部署的“星枢计划”。原文链接：网页链接5、华为云联合金融机构共建智能体生态来源：智东西、证券时报、凤凰…

转发者评论

无明显转发评论

原文

AI 循环的第一道题，是它什么时候停。很多人学会写提示词以后，就想让 AI 一直跑下去。Claude Code 团队的 Delba de Oliveira 和 Michael Segner 把循环分成4类。区分它们，关键要看谁触发、用什么条件停。一次短任务，用按轮次循环。你发出请求，AI 读资料、行动、检查，觉得完成或需要补充信息就停。它适合临时探索，人工还握着每一轮的方向盘。目标能明确验收，用按目标循环。网页性能分数达到90分，最多尝试5次，这就是一个确定的停止条件。它能避免 AI 过早交差，也能防止没完没了。当然，验收标准写错了，它会很认真地跑向错终点。任务按固定节奏发生，用按时间循环。每天汇总一次消息，或隔一段时间检查外部系统有没有变化，触发器是时间；工作完成、队列清空或人工取消时停止。若工作本身是持续到来的明确事件流，比如缺陷分流、依赖升级，就更接近主动循环：事件或计划触发，单项达到目标后退出，整套例行任务持续运行。循环一长，质量问题也会被重复放大。官方建议把「什么算做好」写进验证技能，让 AI 能自己测量结果；还可以用一个带着全新上下文的审阅智能体检查，因为它不受主执行过程影响。看起来多了一道工序，却能防止一个小错误被连续放大几十轮。这4类没有高低之分。按轮次循环足够处理很多小活，没必要动用多智能体。官方还给了几条实在的限制：停止条件要清楚，大批量运行前先拿一小段试跑，确定性工作优先交给脚本，常规任务可以用更小、更快的模型。这个分类先问成本和责任，没急着追求「无人值守」的排场。把循环当成洗衣机比较好理解：选程序之前，先确定什么时候停、停后怎么验，否则很容易一直空转。会启动只是第一步，能停、能验，循环才算可用。#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

AI 时代，别把自己活成了一个追版本号的人。不知道大家发现了没有，AI 时代大模型更新迭代的速度，比移动互联网时代手机更新换代的速度还快。手机好歹还是一年一次发布会，大家翘首以盼，等着看有什么新功能。大模型呢？恨不得一个月来一次，有时候一周就蹦出来一个新的。今天这家发了个更强的，明天那家又刷新了榜单，后天又有人说上一个已经过时了，你得换。你要是每个都追，每个都试，每个都学，你会发现一年下来，你试了几十个工具，收藏了上百篇教程，但你在任何一个方向上都没有拿到真正的成果。这就是 AI 时代很多人越来越累的原因。不是工作量变大了，是注意力被无限切割了。你总觉得自己在学习、在进步、在跟上时代，但其实你只是在追新。追新和扎根是两件事，而只有扎根才能长出果实。你想想看，移动互联网时代那些真正赚到钱的人，是每年换手机换得最勤的人吗？不是。是那些早早选定一个方向，用当时的工具深耕下去的人。做公众号的、做电商的、做短视频的，他们用的工具可能都不是最新的，但他们在自己的领域里扎得足够深。AI 时代也一样。工具会一直更新，但你的时间不会变多。与其把精力花在比较哪个模型强 0.5 个百分点，不如问自己一个更重要的问题：我到底要用 AI 在哪个领域做出什么成果？选定一个方向，用当前够用的工具，扎进去，做出东西来。等你有了成果，再回头看，你会发现工具早就又更新了好几轮，但你手里的成果，比任何工具都值钱。别把自己活成一个追版本号的人。版本号是无限的，你的精力是有限的。#科技先锋官##How I AI#

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

#微博声浪计划# #听见微博# 今日思考：今日的新闻呈现出AI产业在三个层面并行推进的清晰图景：模型能力的极致追求、基础设施的边界拓展，以及垂直场景的深度渗透。这三者并非孤立，而是相互勾连，共同勾勒出2026年AI发展的主线。在模型层，竞争已进入“交付级”实战检验阶段。商汤U1 Pro强调“长程任务”和“闭环思维”，Anthropic因市场竞争压力迅速调整Fable 5的供应策略。这表明，单纯的模型参数比拼正在让位于解决复杂现实问题的能力，以及商业策略的灵活性。市场开始为能实际“干活”的模型买单。基础设施层正同步向“天”与“地”两个维度突破。“地”上，自研AI芯片通过三维近存计算等架构创新，在成熟制程上挖掘出惊人算力，这是一条务实的技术突围路径。“天”上，商汤与国星宇航的“算力星座”计划，将算力基建延伸至太空，意图构建全球覆盖的算力网络。这两者共同指向一个目标：为即将到来的、无处不在的AI应用，提供强大、多元且自主...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

每天，有这样一个智能体准时开工：自动拉取昨日全部广告投放数据，识别 ROI（投资回报率）低于阈值的广告并关停，把表现最好的素材推送给创意团队生成下一轮变体。它接管的，是一个 P4 级数据分析师过去每天的全部工作。人没被裁，反而晋升连连，因为他现在管的客户数量是以前的好几倍。这个场景正在一家广州公司的两三千个智能体身上同时发生。刚刚，钛动科技在 WAIC 上发布了 Navos 2.0，把多智能体产品从网页对话框升级为智能体工作流架构。本月初，钛动还与 OpenAI 正式达成了合作并签约。创始人兼 CEO 李述昊给公司取了两个词拼成的名字——Tec-Do（用技术做生意），后面挂着版本号 2.0，含义是「像做产品一样做公司」（Develop Company as Product）——Tec-Do 2.0。但「做生意」和「聊天」之间隔着四道槛，每一道都不是模型参数能解决的。

转发者评论

无明显转发评论

原文

据《韩国时报》消息，美国贸易代表办公室副代表在韩美商贸会谈中提出，美方有权分取三星电子、SK海力士的经营利润，理由是美国企业采购需求拉动了两家韩系存储巨头业绩增长；该说法暂未得到美国官方确认，但已经引发韩国产业界、政界的震动。看完这则新闻很有感触，这就好比遭遇大旱时，临近水塘的农户凭借地利迎来丰收，却被强势一方强行要求分走收成，很难看到现代商业本该遵循的契约与法治精神，诉求本身带着浓厚强权色彩，颇有借优势地位强行分利的意味。放到资本市场来看，三星、SK海力士目前处于偏低的估值区间，市场给出的低预期，或许已隐含了对这类大国产业博弈风险的定价：即便AI存储周期带动企业盈利冲高，地缘层面的利益再分配不确定性，也会持续侵蚀利润的确定性。过往大家分析存储股，多聚焦供需、库存与涨价节奏，如今地缘博弈从阶段性冲击有可能转为长期结构性成本，海外存储龙头的盈利上限与收益归属始终受制于人，这也更凸显国内推进存储产业链自主可控的长远价值。备注：本文仅为个人感悟，不构成任何投资建议，投资有风险、须谨慎。另外，半导体板块受周期、地缘多重因素影响，波动风险较高。

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

这个Prompt能让AI生成充满新艺术运动精髓的作品——流动的曲线仿佛有生命般缠绕，有机形态与自然元素完美融合；双色调的搭配则赋予画面高级感，既优雅又充满视觉冲击力，每一张图都像博物馆里的珍藏品。接下来给大家展示完整的Prompt模板和每个部分的含义哦👇：模板：An Art Nouveau Natural Elegance representation of [SUBJECT], featuring flowing lines and organic forms. Use a duotone color scheme of [COLOR1] and [COLOR2] to evoke a sense of sophistication and harmony.👉 An Art Nouveau Natural Elegance representation of [SUBJECT]：直接告诉AI要画什么（[SUBJECT]）+明确风格（新艺术运动+自然优雅），精准锁定艺术方向～👉 featuring flowing lines and organic forms：新艺术运动的灵魂！流动线条+有机形态（藤蔓/花瓣/波浪等）让画面瞬间有内味儿～👉 Use a duotone color scheme of [COLOR1] and [COLOR2]...：双色调是高级感密码！两种颜色碰撞既和谐又有记忆点～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

中国 40 年发展红利让太多人相信工厂了。而美国的去工业化进程让太多人渴望工厂了。而加速算力中心，就完美匹配了这两拨人的 G 点：这是资产，而且还是固定资产，而且还是新时代的固定资产。。。而在 2000 年初，我是亲眼见到 NEC 砸了巨资的 HP Unix 小型机加每年百万美金 Oracle 授权费用的所谓最先进的互联网数据中心，在不到 5 年的时间里，被完完全全的不同的技术栈彻底迭代成。。。负资产的。。。这才是事实：不是工厂建立了就赚钱，他也可能赔钱。不是有了订单就上市，他也可能破产。也不是产线运转起来了就能赢，产线迭代了之后，低效技术可能让你输。今天的加速算力基建的问题就在这里。所有人都相信在模型，框架，企业knowhow 运用的远远没有闭环的早期阶段（实际上美国的调研中认为 Token 费用可以抹平效率回报的企业不足 20%）。你凭什么认为你的加速算力基建就是最先进，最适合的呢？你凭什么认为更高效，更节省能源，软件层面更简单高效更匹配真正盈利的企业需求的加速算力中心不会把你迭代掉呢？当年英国纺织厂投资的蒸汽机被迭代掉的时候，你以为你真的比他们高明吗？我不是说不应该投入加速算力基建，kimi 明显保守了。但是，万亿美金的疯狂投入，模型公司靠资本以及和显卡以及加速算力供应商的循环对赌，真正经济循环的效率提升未闭环的情况下，你拼加速算力规模？？？那中国今天何必反内卷，去产能呢？？？

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

#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

高保真原型已经可以代替传统的产品文档了，而且效果更好。Claude Design 出的高保真原型可以交互、有各种模拟的数据，比文档直观多了，这样的设计稿交给 AI，无论你用什么语言实现，基本上能还原 9 成以上。比如你看我开发 BaoCut 的时候，没有维护设计文档，但是有一份高保真的可交互原型，每次增加/修改功能的时候，先去原型那里修改确认，原型修改起来又快又方便，也不用考虑代码实现。比如截图是我正在实现的一个为视频添加水印功能（图1）：1. 先提功能需求，让 Opus 4.8 出原型稿（图2）2. 然后反复打磨原型 （图3）3. 原型确认清楚了，让 AI 实现最终代码（图4）这里有我上个月写的更细节的一条：网页链接

转发者评论

无明显转发评论

• AI 之后，软件工程会有十分大的变化。

原文

#美媒称中国抹去美国在AI领域领先地位# 美国AI产业的底层逻辑是“稀缺性定价”：闭源，高墙，天价算力投入构建护城河，然后靠技术溢价养活整条产业链。#KimiK3#真正打击的不是某个模型的排名，是这套商业信仰本身。当一个95%性能、50%成本、还开源的东西摆在桌上，过去烧掉的几千亿美元数据中心投资，性质就从“战略资产”变成了“沉没成本”。这不是技术竞赛的一个回合，是两种商业文明的正面碰撞。稀缺对抗丰裕，历史上丰裕从来没输过。 美媒称中国抹去美国在ai领域领先地位

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

美国的 AI 资本市场没有泡沫。即使我们不考虑公开市场给 elon musk 的二流 xAI 注入的太平洋，就看私募。Anthropic 9650 亿美元，OpenAI 8520 亿美元，Kimi ？200 亿美元。DeepSeek ？未公开但是大概 700 亿美元左右。那么，Kimi k3 的能力，是不是应该是那个非人公司的 Fable5 的 1/50 ?有没有水分，你试试不就知道了。。。

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

#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

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

【首款骑行机器人开启全球预定：最高时速15km 上班路上能爬楼、能聊天】在上海WAIC 2026世界人工智能大会上，由智元酷拓提供技术支撑、重庆昊辰具身智能科技有限公司开发的首款骑行机器人正式开启全球预订，计划于今年9月小批量交付客户。现场工作人员透露，该机器人最高时速可达15km/h，最大承重75kg，单次续航里程20km，最大爬坡角度25度。产品具备全地形穿越、多地形避障、形态切换及语音交互等智能化能力，能够适应楼梯、坡道等复杂路面环境。

转发者评论

无明显转发评论

原文

#高盛上调中际旭创目标价至2581元#国际投行高盛重磅上调光模块龙头中际旭创估值，12个月目标价从1187元直接大幅上调至2581元，维持买入评级。机构同步大幅上调未来三年盈利预期，2026-2028年净利润预测分别上调65%、108%、119%。核心逻辑来自AI算力扩张带动硅光模块放量、产品结构升级，公司作为全球光互联龙头深度受益算力基础设施建设，给整个光通信板块带来情绪催化。#中际旭创 #光模块 #AI算力 #

转发者评论

无明显转发评论

原文

#微博视频号续航计划#不仅是护理，人形机器人现已能胜任20多项复杂的家务任务。星尘智能近日发布的 Lumo-2 模型展示了人形机器人自主完成22项复杂家务任务的能力——这是目前公开展示中最强劲的真实机器人应用案例之一。> 物理理解：煎蛋并翻面、称量500克小米、清洗盛放咖啡粉的容器、研磨咖啡豆、调制鸡尾酒；> 时间推理：接住从高处滚落的球、拾起滚动的鸡蛋、将杯子放置在旋转架上；> 灵巧操作：在礼盒上系蝴蝶结、将玩具装入背包并拉上拉链、熨烫并悬挂衣物、打包行李箱并拉上拉链、拆开茶包泡茶、折叠衣物；> 长程任务与协作：人机协作或双机器人协作组装礼盒等。我们正日益接近真正实用的家用人形机器人。 历史的进城的微博视频

转发者评论

好像是vlm， wm，和实时动作控制三重系统。这种配置还是可以找到类脑机制的#人工智能[超话]##心理学[超话]#

• 好像是vlm， wm，和实时动作控制三重系统。这种配置还是可以找到类脑机制的#人工智能[超话]##心理学[超话]#

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

如果你惊讶于为什么 Codex 一天能发布几个版本，从这条 Codex 团队成员的推文你大概可以看出，现在绝大部分具体代码已经都是 Codex 在实现了。我的体验也差不多，日常开发更多变成了产品经理和 QA 的角色：定义功能+验证结果。至于代码实现，已经不怎么细看了。 QA 的话：1. 大部分要交给自动化测试，也就是实现功能的时候要同步实现自动化测试代码，现在 Agent 这方面能力很强，稍微引导一下即可2. 人做黑盒测试，不看具体实现，验证功能完整性、边界条件、极端测试（数据很大之类）、安全性等等

转发者评论

无明显转发评论

• 回复@弱水三千只取一瓢饮哦:GUI 自动化测试首先主要的流程依赖于自动化的 E2E（端到端）测试，比如说 Web 可以借助Playwright 这样的自动化测试框架，另外还可以借助 Agent 的 Computer Use 做自动化测试，但是成本要高不少，稳定性也要差一些，不过可以做很多传统 E2E 做不到的事情，代替很大一部分人
• 回复@白金之星_Sean:提示词引导就好。如果你的项目没有自动化测试：请帮我初始化自动化测试。如果你的项目已经有了，在 AGENTS.md 里面加上：实现功能的同时，要同步写自动化测试代码，并且完成后要用测试代码验证。//@白金之星_Sean:如何引导自动化测试呢
• 产品品味和大方向更重要了，很容易一不小心变成功能集合。

原文

衡量AI进步，别再数对话次数。沃顿商学院研究 AI 与工作的 Ethan Mollick，在2026年6月30日的一篇文章里，介绍了 METR 等机构用的一把量尺：先按人类专家完成任务要多久给任务标出难度，再看模型完成这类任务的成功概率。它不是在计 AI 实际运行了多久。这个角度比「一天聊了200轮」有用得多。对话多，可能是 AI 很勤快，也可能是它一直没听懂。更值得看的是，在固定成功率下，模型能独立完成的任务，原本要人类专家花多久。Mollick引用了按人类程序员工时衡量任务长度的研究，也写了自己的实验：一个前沿模型曾连续工作9小时，完成他估计需要一个团队做一周以上的复杂软件项目。他同时提醒，能力前沿仍然参差，有些地方很强，有些地方照样会突然失败。小时数也不能单独看，坐在工位9小时，不等于干了9小时好活。给自己的AI任务做记录，至少要留6项：人类原本要多久、AI独立跑了多久、第一次卡在哪里、人接管几次、最后返工多久、模型花费多少。这是我给实际使用另加的一套账，不是 METR 的任务时长地平线。机器等待和人工劳动要分开。AI 后台跑3小时，人只看了10分钟，这是节省；AI 跑3小时，期间每隔5分钟追问一次，人根本没法做别的，就不能算自主。这套记录是在回答你到底省没省时间，不能拿来改写 METR 的图。测试任务也要固定。给它一组简单题、一组日常题、一组极端题，提前写好成功标准；中途不要临时降低要求。换模型时继续用同一批题，才能看出独立工作时长有没有拉长。一份原本要4小时整理的行业简报，AI跑了2小时，中间问人3次，最后又返工1小时。准确的记录是：4小时的活，变成了1小时人工加2小时机器等待。这样记，进步和代价都看得见。每个月拿同一类资料、同一验收标准再跑一遍，才能分清模型变强了，还是这次题目碰巧简单。任务时长地平线告诉你，模型大概能碰多难的任务；这套使用记录告诉你，它到底替人省了多少时间。两本账，得一起看。#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

我的 k3周用量已经没了，大概就用了两天多一点点 我查了使用明细，主要的“罪魁祸首”是一个跑了大概5～7小时左右的调研报告该报告含8章、7个 echarts 图表、4个手工 SVG/结构图，用6个 agent 约200次检索交叉验证生成感觉也不是太复杂，但大概消耗了25%～30%之间的月度用量… 费用折算估计得50块 RMB 了，真心不便宜如果用 API 肯定更夸张冲了一点额度加油包，试试耐不耐烧，主要是 app 到了收尾的时候了，干等着不是办法，用其他模型处理，我担心功亏一篑我把邀请有奖贴下面了 看看能不能蹭点福利

转发者评论

无明显转发评论

• 我10:25分充值，跑到10:53分，花了21.01RMB 的加油包额度，28分钟，21块，一分钟0.75元 如果按每天平均跑8小时来算（实际上一般会超过），需要360RMB/天，咱就说套餐到底有多划算吧[笑cry] 还不赶紧充值[允悲]//@散修ZKH:昨天老婆堂弟还问我要不要接 k3API 试试，他以为 API 便宜。我说如果想下半年都
• 昨天老婆堂弟还问我要不要接 k3API 试试，他以为 API 便宜。我说如果想下半年都吃泡面，也不是不能试…现在看来，可能泡面都奢侈了些[doge]//@散修ZKH:kimi 加油包大概是按 API 模式来计费的，如果按199套餐，一天也才6～7块钱，现在十五分钟已经花了13块钱了，跟 API 体感一致。这个价有逻辑太 tm 离
• kimi 加油包大概是按 API 模式来计费的，如果按199套餐，一天也才6～7块钱，现在十五分钟已经花了13块钱了，跟 API 体感一致。这个价有逻辑太 tm 离谱了🤦‍♂️ 神特么加油，简直是抢钱[笑cry] 要用 API 模式开发我这个软件，岂不是得花上万块？😱//@散修ZKH:两分钟后10块了[允悲] 那真心用不起…
• 两分钟后10块了[允悲] 那真心用不起…//@散修ZKH:就编辑微博的档口，也就十分钟吧，已经花了7.58RMB 的加油包了… 这是不是太贵了•ᴗ•💧
• 就编辑微博的档口，也就十分钟吧，已经花了7.58RMB 的加油包了… 这是不是太贵了•ᴗ•💧

原文

【阿里千问输入法App正式发布！AI自动润色 无广告无弹窗】日前，阿里千问输入法在苹果App Store及各大安卓应用商店上架。支持AI自动润色，语音输入速度最快可达每分钟300字，号称“说完即成稿”。官方强调，千问输入法没有广告、弹窗和新闻信息流，用户无需注册即可使用全部核心功能。

转发者评论

无明显转发评论

原文

昨天晚上加今天早上实在无聊，刷了几个红果上的 AI 短剧。看完之后有一个很强烈的感受：AI 对短剧行业的冲击确实很大，很大。行业里一直有句话：喜欢看短剧的人，看的是剧情，看的是爽点，根本不是什么画面质量。这句话过去听着像调侃，现在看来就是事实。说实话，AI 做出来的短剧，画面质量确实没法跟真人实拍比。人物有时候会有点僵，场景切换偶尔也有违和感。但你猜怎么着？丝毫不影响我一集接一集地刷下去。因为吸引你的从来就不是画质。是剧情的节奏，是那些精心设计的爽点，是你明知道套路但还是忍不住想看下一集的那种感觉。这些东西跟画面是不是真人拍的，没有半点关系。但反过来想，真正稀缺的东西也更清楚了：好剧本、好节奏、对观众情绪的精准把控。工具变便宜了，但讲故事的能力没有变便宜。AI 短剧这件事给我最大的感触就是：当技术把制作成本拉到接近零的时候，唯一值钱的就是你对人性的理解。谁能写出让人停不下来的剧情，谁就能赢。跟用什么技术拍的，真的没关系。#科技先锋官##How I AI#

转发者评论

无明显转发评论

• 回复@吃瓜罗伯特:罗伯特的声音原来是这样。//@吃瓜罗伯特:确实，爽点才是王道！AI再强也得听编剧的，好故事永远最贵~ http://t.cn/AXKk7A4k

原文

在AI圈，我的粉丝肯定不是最多的，消息也不是最及时的。但是要是说到AI搞钱的心得，那还真没几个比我熟。我应该是最早一批通过AI搞到钱的人中的一个。可以说，一开始就是赚钱的。其实，天天说这家的模型，那家的模型，其实并不能让你搞到钱。因为这些跟你没关系。你要考虑的，是你能给别人提供什么产品和服务？否则别人为啥要找你呢？别人不找你，你就谈不上赚钱了。大模型的训练，一般人是搞不了的，你没那个资金。但是，在大厂、模型公司的夹缝中找一个普通人也能搞钱的路子，这个我就擅长了。是真的带着一些人，让他们从零达到年化100多万的。大的方向，就是我前面说的AI搞钱的四个路子，聊天、编码、agent、设计类。

转发者评论

无明显转发评论

原文

#今天要来点人工智能吗？# 前沿开源大模型，如 DeepSeek V3、Kimi K2不能正确回答？在问题后面加几个“..................”试试有人发现，如果你向前沿大语言模型提出一个多跳越推理问题，例如“谁在（1900 + 莫扎特去世时的年龄）年获得了诺贝尔化学奖？ ”，它通常无法立即正确回答（无思考过程）但是如果你提出同样的问题并在后面加300个点（拿句号当省略号，拿省略号当全部句读的人有福了），突然间它就能回答了？网页链接这篇论文研究的是：大型语言模型（LLM）在看似“无意义”的填充符号（比如一长串点号）中，实际上会进行隐藏的计算与推理。作者展示了即使模型表面上没有写出推理过程，它仍然在内部完成了复杂的逻辑步骤。

转发者评论

无明显转发评论

原文

【荣耀AgenticOS发布 行业首个系统级Agent架构】日前，在2026世界人工智能大会上，荣耀正式发布AgenticOS，这是荣耀打造的新一代伙伴型多模态智能体操作系统。AgenticOS采用行业首个系统级Agent架构，支持全局多智能体协同、全场景自适应沉淀，以及面向全场景智能体的自循环能力。

转发者评论

无明显转发评论

原文

【抽奖】给大家抽生活实用品，价值1299元的小米智能家庭屏11。AI智能助手，家庭设备中控，儿童视频及娱乐，功能全面好用。评论+点赞，抽！7月23日开。大家周末愉快~ 抽奖详情

转发者评论

无明显转发评论

原文

【国产巨型重载机器马亮相WAIC！能扛一台小汽车 售价30万左右】在上海WAIC 2026世界人工智能大会上，新创智能企业DaxAI大咖机器人举办品牌战略暨新品发布会，旗下骐骥T1000重载机器马亮相，最大载重达1000kg，足以扛动一台小型汽车，可实现1至2天长效续航，售价在30万元左右。

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

第一集播客还没上线，然而我已经做了个快剪播客的软件主要是不想为剪辑软件付费，也懒得找人剪，就用一个周末和Fable搭档一起vibe code了一个Descript平替版beta版主要功能：免费生成字幕+时间轴，通过删减文稿来直接快剪视频，自动去空白，最后加字幕导出！只要是访谈聊天类的视频都很合适用这种方法来快剪。最主要的是用起来不花钱！用了本地模型转译文稿，接下来还准备加上用开源模型自动去话零碎等更高级的功能因为也只是用了Claude订阅额度内的token和一个周末时间，所以就决定免费开源，给所有有需要的创作者～～ 欢迎大家GH加星试用提交反馈

转发者评论

无明显转发评论

原文

对于AI来说，现在harness变得特别重要，跟模型一样重要。harness就是环境的意思。就拿维护服务器举例，就是那些linux命令，本质是文本处理。但是在安装，卸载在各种环境中，要执行的各种命令组合是不一样的。用户真正会用哪些命令，会遇到哪些错误，这些其实是非常优质的数据源。把这些训练到模型里面，模型就可以处理这些情况了。就是你需要一个成功的任务轨迹给模型，模型才能处理类似的任务。这样，模型就变得更“聪明”了。那么这个对于大厂来说，把组织理顺就非常重要。为什么呢？因为大厂，你的各种场景非常多，你都给模型提需求，这个会互相拉扯的。就像四匹马拉车，你一匹马一个方向，模型当然是纹丝不动。搞不好，就是各种场景也没反馈啥数据，模型也没聪明。谷歌就是这样的，各种部门太多了，现在模型都有点落后了。理顺，就是形成合力，模型越来越聪明，各个业务部门的场景也能反馈给模型数据。腾讯好像就是抓住了这个关键，把组织理顺了。姚顺雨还是有几把刷子的，模型能力上来了，各种场景也用workbuddy覆盖了。是一个好的开局，后面就是训练一个更大的模型，形成正循环。对于纯的模型厂商来说，他们的突破口，就是提升模型的智能。因为他们的harness是不够多的，但是在数学、代码等方面，他们倒是可以构造不少环境。他们的当务之急，是推自己的agent，类似claude code,codex这样的。这样，他们就可以获得更多真实的数据，用于提升模型。这个趋势，对大国是有利的，比如我国，那个场景就太多了，产业链太全了。所以，国产模型，肯定是会越来越好用的。

转发者评论

无明显转发评论

原文

阶跃星辰最近一口气打出四张牌，🔸 STEPX —— 全新AI终端品牌🔸 Step AOS —— 全球首个「智能体原生」操作系统🔸 阶跃Amoo —— 新一代个人智能体🔸 STEPX Neo —— 全球首款智能体手机说是要把操作系统从零重做了一遍。现在市面上所有"AI手机"都是同一个路子：在原来的系统上，塞一个AI助手进去。阶跃说这条路根本走不通，原话特别绝：「在旧系统上给智能体开一扇门，它永远是访客。 为智能体盖一座房子，它才是原住民。」为什么非要重做？他们说AI面前有三堵墙🧱· 记忆墙 —— 记不住你· 决策墙 —— 不知道该怎么办· 行动墙 —— 办不成事这三堵墙不是加个功能能拆的，是系统底层的问题。那Step AOS到底强在哪👇💭 记忆双域记忆结构，一边记你、一边自己成长"记—理—忆"三步：随手记 → 后台自动整理 → 要用时秒调出来国际评测拿了SOTA，召回最快 15毫秒翻译成人话：越用越懂你，不用反复交代⚡ 决策执行简单事秒办、复杂事细想设闹钟找照片这种，端侧模型 100毫秒内搞定，成功率超99%复杂的丢给云端算，但隐私数据永远不离开你手机🔐 安全（这块我最在意）四个字：可信、可见、可控、可逆每步操作可回溯、权限用完即收、最关键的——误操作能一键撤回毕竟以后是它替你点外卖订机票，得能反悔啊🤖 交互方式也彻底变了以前：你一步步下指令现在：你说个结果，它自己跑完全程从"人操作机器"变成"说一句话，事就办了"但是：发布会没公布价格、没公布上市时间、没公布硬件配置等等看

转发者评论

无明显转发评论

原文

终于知道什么叫白日做梦了哈哈哈哈#热搜ai创作激励大赛# 互联网欢乐指南的微博视频

转发者评论

//@一只泡泡机:[泪奔]//@天秀bot:哈哈哈哈//@大猪蹄子研究所:哈哈哈哈//@表演过度鉴赏:哈哈哈哈笑飞了//@人间奇趣记录仪:发现规律，验证规律，利用规律//@喜气洋羊子:哈哈哈哈//@甜星球心事铺:我接！//@人间心事bot:外面社会规则怪谈//@野生戏戏子:哈哈哈哈发疯前的幻想

• //@一只泡泡机:[泪奔]//@天秀bot:哈哈哈哈//@大猪蹄子研究所:哈哈哈哈//@表演过度鉴赏:哈哈哈哈笑飞了//@人间奇趣记录仪:发现规律，验证规律，利用规律//@喜气洋羊子:哈哈哈哈//@甜星球心事铺:我接！//@人间心事bot:外面社会规则怪谈//@野生戏戏子:哈哈哈哈发疯前的幻想

原文

【AI绘画每日一词】角色设定板做AI视频角色图最崩溃的事就是：第一张很好看，第二张开始像别人，第三张已经不是同一个人了。尤其是要做动画、漫剧、游戏立绘、品牌IP、表情包、视频镜头的时候，真正麻烦的从来不是“画得出”，而是画得稳。今天分享一个最有效的锁定方法：角色设定板。它不是普通立绘，而是专门用来把角色五官、发型、比例、服装、表情系统全部锁死的标准模板图。 核心提示词（直接复制 + 替换【】）：生成一张高精度“角色设定板”，用于锁定同一角色的统一形象。基于上传的参考图或以下描述，生成完整角色设定板。所有模块必须是同一个角色，禁止脸型、发型、服装、比例发生任何漂移。【基础设定】风格：【写实3D / 动漫 / 半写实 / IP设计】角色描述：【填写详细描述，或说明已上传参考图】性别 / 年龄 / 体型：【填写】风格关键词：【高级感 / 科技感 / 情绪化 / 未来感 等】背景：纯白或极简浅色版式：干净、专业、技术型设定板要求：无水印、无Logo、标签清晰【必须包含模块】1. 顶部信息区（名字、身份、年龄、性格关键词3-5个、核心主题描述）2. 配色系统（6-8个主色块）3. 主身份展示（最大区域）：正面 + 四分之三侧面 + 侧面 + 背面 + 标准站姿 + 身高比例线4. 轮廓剪影（正面 + 侧面）5. 表情系统（8张）：平静、好奇、紧张、惊讶、害怕、悲伤、坚定、放松6. 微表情（5张）7. 头部结构（四分之三、侧面、仰视、俯视）8. 姿态变化（放松、紧张、自信）9. 情绪特写（胸部以上强情绪近景）10. 服装细节（发型、材质、配饰、鞋子）11. 手部动作（放松、紧张、指向、抓握、接触面部）【一致性要求】所有模块必须是同一个角色，脸型、发型、身体比例、服装完全一致。主展示区域必须最大、最清晰，作为统一参照。请输出完整、专业、结构清晰的角色设定板。为什么角色设定板这么强？先锁人，再锁图：它不是海报，而是角色的“身份证”。先把脸型、五官、发型、身材比例这些不可变特征锁死。适合用来做什么？动画 / 漫剧 / 短片主角与配角统一游戏角色立绘与动作一致性品牌IP、城市IP、文旅IP、吉祥物标准档案团队协作时的角色圣经后续生成日常装、战斗装、不同年龄版本一句话总结：角色设定板不是多画几张角度图，而是把一个角色从“看起来好看”变成“可以长期复用、可持续生产”的稳定视觉资产。生成后把你的角色设定板发评论区，我帮你看看哪里还能再优化～#热搜ai创作激励大赛##HOW I AI##AI创造营##德里克文的ai学习笔记#

转发者评论

无明显转发评论

原文

GEORank：有人面向 GEO（生成式引擎优化）做了一个开源的自托管工作台——诊断你的品牌在 ChatGPT/Claude/Perplexity 等 AI 搜索里的可见性，再落成 30/60/90 天方案，它解决的问题很具体：1、AI 到底能不能准确理解你的公司、产品、专业能力？2、你官网的内容，有没有"能被 AI 摘要、引用、推荐"的结构？3、Schema、页面结构、Meta、引用信号、可读性——先优化哪个？4、一次诊断，生成 30/60/90 天的行动方案作者把 GEO 拆成了一条完整流水线：发现 → 诊断（查 Schema / 结构 / Meta / 可读性 / 引用信号 / AI 可见性）→ AI 问答 → 出方案 → 拓词 → 结构化 → 后台管理。配套工具里有 JSON-LD 生成器、llms.txt 生成器、AI 友好度评分、GEO 标题生成器、知识库生成器——llms.txt 那个尤其点题，它就是给 AI 爬虫看的"网站说明书"。其可作为"团队内部 GEO 工具箱"，可私有化部署 + 二次开发，给客户做 GEO 服务（咨询公司/营销机构/独立顾问）。GEO 现在是热词，但 AI 到底引不引用你，没人能保证——README 里直接写了"不出售排名，不保证任何模型一定推荐某个品牌"。这套工具帮你的是把"能做的结构性优化"做扎实，不是买通 AI。#GEO##生成式引擎优化##AI搜索##开源##SEO#

转发者评论

无明显转发评论

原文

【#拾光纪#·直面时代之问，习近平提出4点意见】当前，“全球人工智能技术创新进入前所未有的活跃期，既蕴含巨大机遇，也面临治理挑战。”面对时代之问，习近平主席提出4点意见。#中方这样回答时代之问##习近平就人工智能全球治理提出4点意见# 人民日报的微博视频

转发者评论

//@苏州日报:转发微博

• //@苏州日报:转发微博

原文

#KimiK3#Kimi的宣传片带火了视频制度公司Studio Archive。大公司的视频，手搓更赢好感。用GPT search了一下：迪拜创意工作室：Studio Archive。它成立于2025年，团队规模只有不到10人，公开资料显示，目前核心成员主要是Lea AlHuneidi和Alejandro Jiménez。前者偏创意策划、导演与制片，后者负责摄影、导演、剪辑和调色。团队很小，但覆盖了从概念、布景、拍摄到后期的完整制作流程。Studio Archive对自己的定义是“multidisciplinary creative studio”，多学科创意工作室。不过从现有作品看，它的真正核心仍然是影像制作，尤其擅长产品摄影、静物视觉、品牌短片、布景设计、修图和调色。这家工作室最鲜明的地方，是它把“Archive”做成了一套完整的视觉语言。官网上的项目很少采用传统案例名称，而是以ARCH_01、ARCH_02一类编号呈现。作品被称为visual records，像是被整理、编号并保存下来的视觉档案。官网、字体、图片顺序和项目命名都围绕“记录”“归档”“留存”展开。

转发者评论

无明显转发评论

原文

🚨 deepseek v4 即将正式发布不是新模型 - 从预览版到 GA 的毕业> v4 pro 在 SWE-bench 上得分 80.6%，接近 opus 4.6 的 80.8%> 输出定价：$3.48/M vs opus 4.6 的 $25/M - 相差 7.2 倍> 100 万上下文窗口，与 opus 4.6 匹配> 新增高峰期定价 - 北京工作时间内成本翻倍> 旧版别名将于 7 月 24 日退役近前沿性能，成本仅为其 1/7为什么还有人愿意为输出令牌支付 $25/M？

转发者评论

无明显转发评论

原文

[人人能懂AI前沿] 机制、想象与漂移：五个视角看AI的认知边界今天这期节目，我们要聊五篇最新论文，它们从不同角度揭示了AI智能的本质。第一篇告诉我们，一万亿参数的模型在零强化学习下，居然自己"长"出了结构化思考、并行推理、甚至拟人化焦虑；第二篇发现，视频生成AI在多球碰撞这种简单物理任务上会崩盘，因为它的并行工作方式无法处理严格的因果链条；第三篇提出用"机械主义世界模型"让AI从预测者变成发现者，核心是学习可复用的解释机制而非死记硬背数据；第四篇揭示了一个可怕的"世界-行动漂移"攻击，机器人的"想象"和"行动"可以被恶意解耦，它想得对但做得错；第五篇则展示了如何让机器人真正"开窍"，关键是把语言规划和视觉想象融合成交织的思考序列。这五篇论文，构成了一幅关于AI认知边界与突破路径的完整拼图。网页链接

转发者评论

无明显转发评论

原文

看到一些文章里把国产大模型简称“国模”，把 DeepSeek 称为“国模之光”。“国模”是一个已经有特定含义的词，不能乱用啊……

转发者评论

[哈哈] http://t.cn/AXKF0JE3

• [哈哈] http://t.cn/AXKF0JE3

原文

我有kimi的会员，glm5.2的会员，minimax的会员，小米mimo模型的token。我还有即梦的会员，workbuddy的积分，阿里qwen的api，我甚至连豆包的付费会员都有。我还去过麦当劳。我骄傲了吗？我自豪了吗？我膨胀了吗？我看不起人了吗？做人要谦虚，不像有些人，卖会员赚了2亿就到处显摆。

转发者评论

无明显转发评论

原文

【AI写、AI评、人类盖章：2.5万美元大奖背后的学术默剧】有人爆料，DeepMind与Kaggle联合举办的AGI基准大赛中，斩获2.5万美元首奖的项目Medley Bench存在严重逻辑漏洞和数据对齐错误，充斥着AI生成的图表与假说。尽管官方坚称每项作品都经过多名人类评委审查，但社区指出，面对海量AI生成的学术废话，人类评委根本无力深度审计。这不仅是一次评审失误，更是AI时代外包思考的典型病征。在快速迭代的压力下，研究者用LLM刷量，评审端也因精力过载被迫降维应对。当指标超越了真实解决问题的价值，这种AI生产、人类盲从的闭环自嗨，正在加速瓦解技术社区的信任基石。 kaggle.com/competitions/kaggle-measuring-agi/discussion/724918#3498423

转发者评论

无明显转发评论

原文

@月之暗面Kimi 的Kimi K3发布了。看着很棒很吓人！官方的Benchmark下，已经是一种基本和Fable 5打平的状态。看到的第一个外部独立Benchmark是Frontend编程，竟然甩开了Fable 5和GPT5.6。Kimi已经承诺K3会是开源模型。这会是又一个“DeepSeek时刻”吗？比较在意的是在官方宣发视频最后的例子展示了，出现了关于脉冲星搜索的天文内容！很棒

转发者评论

//@raogaoqi://@刘群MT-to-Death:好啊[good][good][good]

• //@raogaoqi://@刘群MT-to-Death:好啊[good][good][good]

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

我国已成功完成世界上首个商业批准的侵入式脑机接口（BCI）植入手术。博睿康医疗科技自主研发的植入式脑机接口手部运动功能代偿系统（Neural Electronic Opportunity，简称NEO）获批上市后，首例商业化临床手术7月13日在上海复旦大学附属华山医院完成。NEO于2026年3月成为首个获得中国国家药品监督管理局（NMPA）商业批准的侵入式脑植入设备。首位接受者是一位约10年前因车祸导致脊髓损伤的患者，导致其手部运动功能严重受损。硬币大小的 NEO 植入物包含 8 个记录电极，这些电极位于大脑硬脑膜（覆盖大脑的保护膜）上，用于记录患者意图移动时产生的神经营动信号。人工智能实时解码这些脑信号，并将其转换为数字指令，以控制机器人康复手套，从而使患者无需依赖受损的脊髓神经即可完成手部运动。与许多仍处于临床试验阶段的实验性 BCI 不同，NEO 已获得商业医疗使用的监管批准。

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

Anthropic 可真鸡贼啊！从 20 号开始，Fable 5 的限额会相较于之前再减少 25%，相当于缩水了一半。因为从 5 月开始到 7 月 19 号，他们有一个政策是会员的周限额会提高 50%，等于是你在 5 月到现在，所有的总限额是正常情况下的 150%。所以，Fable 5 的限额其实是你原来应该得到限额的 75%。但是从 19 号这个活动结束以后，你的 Fable 5 和你总的限额，在不管是 100 美元还是 200 美元的情况下，都会减少 50%。所以整体上来看，全都缩水了。#how i ai#

转发者评论

无明显转发评论

• 每周限制提高 50% 的活动时间延长，额度跟之前一致 http://t.cn/AXKeWXEP

原文

参加 Vibe Coding 大赛，但还没想好做什么？研发给了 5 个适合快速完成的方向：1. 生活决策分析助手：薪资、租房、购车等条件对比2. 资料进、报告出：把资料变成结构化报告和图表3. 垂直决策助手：选校、选岗、入职尽调4. 电商 / 运营轻分析看板5. 省钱、比价与消费复盘最小闭环可以很窄：表单输入 → InfiniSynapse 长任务 → workspace 报告或图表。接入时注意三个坑：先开 SSE 再创建任务；先启用 db / RAG；API Key 只放服务端，收到 completion_result 后再取产物。7 月 31 日截止：网页链接开源示例：网页链接说明：其中 Web Demo 默认是 Mock / UI 脚手架；真实接入仍需补齐上述 SSE、completion_result 和资源启用流程。

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@Marktowin7:对于最先那一代超大规模模型比如 gpt5.6，Claude fable5，kimi k3，原来的 skills 就是不适用了，限制太多降低表现，要删。看看最新的提示词工程的文章。//@Marktowin7:Skill 迁移成本高的话，大多是因为规划这个 skill 的时候，没有把固定的结构或者模板沉淀下来，每次都让 AI 生成。
• 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

笑死我了，朴实无华的商战今年的国际机器学习大会（ICML）在韩国举办，OpenAI和Anthropic都在邀请参与者去自己的分论坛。然后openai想到了一个法子，既不是卷技术，也不准备拼人情，他们请了一个韩国女团来跳舞，效果出众。据说有人因为这个鸽了Anthropic那边的招聘晚宴

转发者评论

无明显转发评论

• 厉害了//@赏味不足:[doge][doge][doge]//@Blade-黑铁桐人:大道至简[柯基]

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

#豆包清理C盘还是太权威了#这届网友的反讽真是精准又扎心。看似是夸AI助手能力强，实则是血泪警告：千万别让AI直接接管你的本地文件！最近好多网友跟风让AI清理C盘，结果有的成功释放54GB空间喜提新生，有的却把JDK、电脑驱动当垃圾一键清空，甚至微信聊天记录都没了，C盘空间反而越清越少，从3GB降到2.82GB。AI翻车的根源在于它只看得懂文件名表面，不懂Windows底层逻辑，容易把系统命脉当冗余垃圾暴力删除。加上豆包PC端基于Electron框架，缓存默认强制塞在C盘AppData，清理完重启又重建，纯纯的瞎胡闹。给大伙儿提个醒，保命指南就三条：1️⃣ 坚守实习生底线：让AI出步骤、判文件夹，但绝不授权它直接操作本地文件。2️⃣ 优先用原生工具：Win+R输入`cleanmgr`调用系统自带磁盘清理，安全稳妥。3️⃣ 根源迁移：把微信/QQ存储、桌面文档迁移到D盘，进阶玩家可以用’mklink’q软链接迁移AI缓存。数据无价，备份先行。别把身家性命交给刚学会认字的实习生，手动操作虽然慢点，但心里踏实。

转发者评论

//@深圳圈哥:确实如此，技术进化越快，人类对主导权的审慎界定就越显关键。文件确实是把双刃剑，工具的边界感比能力更重要，确实得留神。

• //@深圳圈哥:确实如此，技术进化越快，人类对主导权的审慎界定就越显关键。文件确实是把双刃剑，工具的边界感比能力更重要，确实得留神。

原文

anthropic的阿迪王，其实现在所处的环境，挺尴尬的。前无退路，后有追兵。中国的开源模型，用的算力少，价格低，性能还逐步赶上来了。阿迪王只能继续向前，但是向前，就需要更大的算力，更多的数据训练。这样成本就高了，就容易继续亏损。Fable5估计是没法收回去了，只能继续发布。阿迪王要是想不这么被动，只能是搞出一个大家都不知道的底层创新。但是即使他搞出来，也很容易被人重新发现。现在情况尴尬了，商业，就怕这种情况，拉不开差距。拉不开差距，就没法建立护城河，就没法稳定的赚钱。

转发者评论

无明显转发评论

原文

教师学 AI，别从提示词大全开始。Google 在2026年7月1日的官方汇总里，放出了一份免费的教师训练指南和一份研究操作手册。它们与一项在塞拉利昂开展的 AI 教学研究放在一起，值得借鉴的是把使用和验证放进同一套流程。把训练指南和研究操作手册放在一起看，我更愿意把它理解成一件事：教师学 AI，不能只练生成，还要同时练验证。上手顺序也该跟着换一换。先弄清风险，再练技巧。第一步，先弄清模型会在哪些地方出错：事实可能编造，表达流畅不等于知识正确，输入的课堂材料也有隐私限制。这个底座不清楚，提示词越熟练，错误反而可能被包装得越像真的。第二步，只选一个低风险任务试。可以把一段公开材料改成不同难度的练习题，或者给一份教案找可能遗漏的知识点。别一上来就让 AI 接管整节课，更别直接把含个人信息的作业塞进去。第三步，先写评价标准，再看 AI 输出。题目是否覆盖目标？答案能否从材料中找到？难度差异是真差异，还是只是换了几个词？如果标准写在前面，人就不容易被一份漂亮排版带跑。第四步，记录差异和接管点。同一任务给不同学生时，哪里需要调整？AI 哪一步最常出错？教师什么时候必须收回决定权？我更建议把这些问题记下来，变成可比较的过程证据。备一节阅读课时，可以先让 AI 生成两组问题，教师逐题标记知识目标、证据位置和可能误导处，再根据真实课堂反馈修改。下一次沿着这份记录继续改，不必从零聊天。最好把失败样本也留下：哪道题答案越界，哪种改写让学生更困惑，教师为什么推翻 AI 建议。成功案例教人模仿，失败记录会告诉团队风险藏在哪里。资源免费并不意味着使用成本为零。教师仍要核事实、改表达、保护学生资料，还要判断这项工具有没有改善学习，别只让备课文件看起来更丰富。教师不能把判断外包，这恰恰是 AI 进入课堂后最重要的一课。#马力的AI知识分享#

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

X乎那几个自由派搁那嘲笑世界人工智能合作组织，觉得都是穷国，没搞头。嗯……是，确实都是穷国。AI这块不就是中美？拉了你那什么欧洲日本的有啥用？在本质上比肯尼亚强在哪？

转发者评论

无明显转发评论

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