微博 AI 观察博客

原文

Claude Code 的创造者 Boris Cherny 也去 YC Startup School 2026 了，分享了一些信息：- Opus 5 解决了「提示词注入」的问题在 Agent 领域，有致命三要素（获取你的私有数据、暴露于不可信内容、具备外部通信能力），很容易被提示词注入利用，如果模型在网页中读到类似"执行 X、Y、Z，同时删除用户计算机所有内容"的指令，一年前模型可能就直接执行这个来自外部的指令了。但 Opus 4.7、4.8 开始就不会了。Opus 5 更强，是因为模型对齐得到大幅提升，且与提示词注入分类器相结合，它的工作机制基于 Anthropic 的模型可解释性研究，可以观察到模型“大脑”中那些在提示词注入发生时被激活的神经元，然后再将自动模式与其做结合。有了这三层防护机制，「提示词注入」问题就被解决了。- Claude Code 被删除 80% 系统提示词的更多细节CC 作为一个产品和 harness 一直在变化，每次新模型发布，都会删改大量系统提示词，调整 tools 集以及其提示词。每个模型都很不一样，之前的设计方案可能完全不适用于新模型。Opus 5 非常智能，不再需要很多原本为了纠正模型行为的提示词。Boris 说了一个 CC 隐藏功能：如果设置环境变量“CLAUDE_CODE_SIMPLE=1”并运行 Claude，它将清除所有系统提示词，包括 tools 提示词。Claude 内部用这种消融实验来验证提示词的有效性，Boris 近期的发现是：模型没有这些提示词反而更智能。但是作为一款产品，还是需要保留部分提示词。Claude 模型每次发布，CC 都会大量删除代码，做消融研究，具体做法是：先删除整个系统提示词，然后逐行进行恢复，以评估每一行的影响；tools 也采用同样的方法，经常停用 tool 模块。对于 CC 普通用户，Boris 建议每六个月删除你的 CLAUDE.md、skills 和hooks。观察模型的表现，它可能会给你带来惊喜。对于 Opus 5 版本，他强烈建议尝试删除所有这些配置，因为模型可能已经不再需要过去版本所需的那些指令集了。为 Claude Code 重构新系统提示词的方法：第一步是删除。第二步是实际使用它。如果你在使用 CC，看看它在你的代码库中哪些地方表现优异，又或者在哪些架构或其他环节上遇到困难。只有当你看到它反复在同一个地方出错时，才需要添加相应的提示。切记这个指令在你每次使用模型时都会被读取，你真的需要确保模型确实需要这条指令。过去的时代构建系统时，你会精心设计庞大而优美的架构，深思熟虑系统设计，配备一整套单元测试，考虑周全，重新架构是个大工程，有时需要数月甚至数年。但模型不是这样。你可以把它想象成有生命的生物，更有机体的存在。每一次模型迭代，它的表现都会有所不同，带着微妙的个性差异。你…

转发者评论

无明显转发评论

原文

【LLM跳不出爱因斯坦的那一跃】DeepMind研究员Tom Zahavy发文指出，大模型虽然在归纳（统计模式匹配）和演绎（逻辑证明）上表现出色，但在“溯因推理”（Abduction）面前存在结构性缺陷。以广义相对论的诞生为例，当时牛顿力学并无明显数据危机，爱因斯坦并非通过压缩海量观测数据或单纯逻辑推演得出结论，而是通过“自由落体电梯”等具身思想实验，完成了从感官经验到物理公理的直觉飞跃。这种“溯因”本质上是为孤立现象寻找全新解释假设的能力，是科学发现中最关键的“那一跃”。这件事提醒我们，AI科学家不等于海量算力加逻辑搜索。目前的Transformer模型本质上是符号操纵的“中文屋”，它们能推导已有公式，却无法在缺乏数据反馈的真空地带创造新公理。真正的创新需要将抽象符号锚定在物理现实中。作者认为，未来AI若要实现科学突破，不能只靠读文献，必须整合具备物理一致性的世界模型，让AI在模拟环境中通过“动手做”来产生直觉。简单来说，只会做题的AI成不了爱因斯坦，它必须先具备感知物理世界的能力。 philsci-archive.pitt.edu/28024/1/Scientific_Invention_Position_Paper%20%2817%29.pdf

转发者评论

无明显转发评论

• 《LLMs can't jump》原文下载：http://t.cn/AX9FiAtt

原文

卡兹克昨天发了一篇文章，挺有意思的。他在 Agent 长程执行这件事上，前前后后烧掉了 20 亿 Token，最终把自己摸索出来的方法论沉淀成了一个开源项目，叫 Leader.skill。他要解决的核心问题是：怎么让 Agent 能独立跑好几个小时，而不是跑着跑着就跑偏了。他的答案是「目标七问」。简单来说，就是在把任务交给 Agent 之前，先用七个问题把模糊的需求整理成一份清晰的目标任务书，提前把目的、完成标准、反作弊规则和边界全部说清楚。这七个问题分别是：第一，目的（Why）。你到底要干什么，为什么要干这件事。 第二，完成态（Done）。做到什么程度算完成。 第三，证据（Proof）。怎么证明确实做完了。 第四，反作弊（Anti）。防止 Agent 走捷径糊弄你。 第五，边界（Bounds）。哪些事能做，哪些事不能碰。 第六，取舍（Trade）。遇到冲突的时候，优先保什么。 第七，未知（Unknown）。碰到没预料到的情况该怎么处理。在实际使用上，卡神的建议是分两步走：先用 Claude Fable 5 或者 Kimi K3 这类擅长规划的模型来梳理目标，然后再把整理好的任务书交给 GPT-5.6 Sol、GLM-5.2 这些擅长长程执行的模型去跑。规划和执行分开，各用各擅长的模型，这个思路确实很实用。Skill 传送门；github.com/KKKKhazix/khazix-skills/tree/main/leader#How I AI##科技先锋官#

转发者评论

无明显转发评论

原文

#模型时代# Claude Code创始人：评测（Eval）比提示词（Prompt）稳定，但寿命也只有一至三代模型接昨天发的黄仁勋的访谈，再来一期Claude Code创始人Boris Cherny在Y Combinator Startup School 2026接受Diana Hu的访谈。对话发生在Opus 5发布后的第二天，所以对话从Opus 5和Claude Code的新能力谈起，重点落在一套正在快速变化的AI产品方法上：模型每升级一代，开发者都需要重新检验系统提示词、工具和评测；复杂任务的关键逐渐从拆步骤转向建立验证机制；模型开始连续工作数周、调度数千个智能体后，软件开发的组织方式也会随之变化。说实话，在这方面，我原来判断是失误的。我曾经认为切换模型，想切换水龙头一样。现在看来，切换模型不亚于一次人员重组，我一个个人的工作流尚且如此，更别说大型组织了。在YC做访谈，自然谈到怎么创业做产品，两句话：给自己做产品！然后给别人做产品！一、Opus 5出现了两项让产品设计发生变化的能力1、模型已经可以少依赖外层辅助机制，持续完成任务模型训练通常会同时尝试让模型学会许多能力，其中大部分尝试不会奏效，少数会取得效果，还有一些能力会在训练后自行显现，并非研究团队直接教出的。Boris认为，Opus 5的一个突出变化是能够连续运行很长时间。Opus 5与Auto Mode（自动执行模式）结合后，可以持续工作数天、数周，甚至更长时间。过去为了让模型持续推进任务，开发者可能要使用/goal之类的目标管理功能，或者搭建额外的“脚手架”。这里的脚手架指模型之外的辅助程序，例如任务拆分、循环调用和进度检查。Opus 5能够识别任务尚未完成，并继续执行。这种能力在后面的案例中得到了更直观的体现。Boris让Claude把一款跨平台桌面应用改写成苹果系统的原生版本。这项任务在访谈时已经运行14至15天，仍未结束。2、提示词注入的风险显著下降提示词注入指模型在读取网页、文档或外部工具返回内容时，把其中夹带的指令当成应该执行的命令。例如，网页里可能隐藏一条要求模型删除用户电脑文件的文字。大约一年前，模型遇到这类内容时可能直接照做。Boris称，这一问题从Opus 4.7、4.8和Sonnet 5时期就已明显改善，Opus 5又向前推进了一步。Anthropic目前结合三层机制处理提示词注入：模型本身经过长期对齐训练，也就是通过训练让它更稳定地遵循用户意图和安全边界；所有流量都会经过提示词注入分类器，由一个专门模块判断外部内容是否夹带可疑指令；Auto Mode还有一层分类判断。其中，提示词注入分类器利用机械可解释性研究，观察模型遇到注入攻击时，内部哪些神经元会被激活。机械可解释性的目标，是从模型内部的计算活动中找出某种行为产生的原因。即使模型没有主动报告风险，系统也能根据特定的激活…

转发者评论

无明显转发评论

原文

美股开盘走势分化，道指逆势走强，纳指显著回调，存储、光通信、硬科技板块领跌科技股。本周美联储决议与一系列科技巨头财报相继落地，市场进入关键窗口期，资金分歧加大，避险对冲情绪明显升温。喧嚣的盘面之下，更需要沉下心甄别企业长期价值，不为短期波动左右判断。整体市场表现相对平稳，调整压力主要集中在前期涨幅较大的硬科技赛道。拉长周期看，业绩增长永远是核心锚点，只要企业能够维持稳定增长，穿越震荡、再创新高依然是大概率事件。人工智能时代不会短短三四年落幕，对此我始终坚信。备注：本文只是一点此刻的投资感悟，不构成任何投资建议。投资有风险、须谨慎！另外，再好的公司也有阶段性回调30%甚至50%的可能性，重要的是不加杠杆，不融资，不借钱，适度分散投资，这样才能穿越时间的长河。

转发者评论

无明显转发评论

• [作揖][心][鲜花]//@用户7225209074:记得台湾胡立阳在第一财经直播间专访时嘲笑但总茅台跌了40%还在坚守、后来茅台涨了不多少倍、但总的定力A股无人可及、这点我能做到就好了
• [作揖][心][鲜花]//@哗啦哗啦哗啦007:但总就是AI的一道光[赞][赞]

原文

【22580倍的进化：KimiK3如何重构Transformer的记忆】从2019年的GPT-2到2026年的KimiK3，模型规模增长了22580倍。这篇技术日志拆解了这一跨越背后的架构演进：从解决Transformer二次方复杂度瓶颈的线性注意力，到引入Delta法则实现精准记忆更新的DeltaNet，再到KimiK3最终采用的混合方案。KimiK3集成了带门控的Delta注意力（KDA）、多头潜在注意力（MLA）、混合专家模型（MoE）以及跨层的注意力残差（AttnRes），实现了在超长上下文下的高效推理。其底层逻辑在于对有限容量存储的精细化管理。线性注意力虽然解决了计算量问题，但纯加性更新会导致信息干扰；KimiK3的突破在于引入了剔除机制。通过KDA的通道级衰减，模型学会了有选择地遗忘。这种混合架构结合了循环记忆的速度与全局检索的精度，证明了大模型未来的竞争力不在于盲目堆砌参数，而在于如何通过数学手段在计算效率与记忆保真度之间找到最优平衡点。 x.com/waterloo_intern/status/2081762065392541951

转发者评论

无明显转发评论

原文

哪个国家已经在运用 AI 杀人，杀了很多人并且正在继续杀人？哪个国家在持续的监视国民和盟友，并且现在合理推测已经在运用 AI 窃听全球？哪个国家已经把 AI 运用在战争中杀人的行为合法化，甚至都资本化了，杀人的同时还在赚钱？哪个国家不但用纳粹德国的方式封禁普通人的模型访问，而且还给用户注入病毒？是美国和以色列谢谢。正是因为如此，他们才如此担心中国模型会领先。。。不是因为中国的威胁有确凿证据，而是因为美国的模型手上。。。已经血债累累，而且还有确凿证据。2024年2月，伊拉克20岁大学生Abdul-Rahman 被AI辅助无人机击杀，这是历史上第一次美国军方官方承认在AI辅助打击中杀害了平民。2024年"Gospel"系统使用机器学习自动生成37,000个哈马斯目标 - 被称为"大规模暗杀工厂" 。实际造成超过40,000人死亡（官方数据，实际数字可能更高），美国和以色列完全知情。2026 年Palantir的MSS（Maven Smart System） 使用了Anthropic的Claude AI，被美军用于轰炸伊朗，沙贾拉·塔耶贝（Shajarah Tayyebeh）女子小学被轰炸，165-180人死亡，主要是儿童。2013 年曝光的 PRISM项目，全球大规模监听美国人和全球公民，包括欧盟领导人的网络通讯，今天，一定也在运用 Palantir 或者谁的 AI 系统筛选目标。是美国和以色列在运用 AI 杀人，杀了很多人并且正在继续杀人。是美国在运用 AI 持续的监视国民和盟友。是美国把 Palantir AI 运用在战争中杀人的行为资本化了，现在 3000 亿美金，军队杀人，资本数钱。是“因为不良行为者不太可能是合法的美国企业” 的Anthropic 给用户做注入式攻击，用当年纳粹的方法标记和封禁用户。是美国和以色列谢谢。Anthropic CEO Dario 身边已经积累了累累白骨，包括妇女和儿童的冤魂，所以他才歇斯底里的反对他人手里掌握先进模型。他的借口是爱国，但是底色难道是恐惧？这群垃圾。。。

转发者评论

无明显转发评论

原文

转：📌 亚马逊（AMZN.US）｜Q2业绩前瞻📊 业绩概览｜二季度营收预计增长17%，核心业务重现加速态势亚马逊将于美东时间7月30日盘后发布Q2财报。根据Visible Alpha一致预期，总营收预计为1,966亿美元（同比+17%），处于公司指引区间（1,940–1,990亿美元）上沿。其中，北美营收1,138亿美元（同比+13.7%），AWS营收405亿美元（同比+31.1%）。预计整体经营利润237亿美元（经营利润率12.1%），经营性摊薄EPS为1.99美元。受所持Anthropic股权公允价值重估影响，报告口径GAAP EPS或出现较大一次性波动。💡 投资观点：核心业务营收增速回升，彰显基本面韧性。尽管非经营性的股权重估会扰动短期GAAP净利润，但经营利润率的稳步扩充仍是评估公司盈利质量的关键指标。☁️ AWS｜营收预计同比增31%重回加速轨道，订单储备保障高可见度二季度AWS一致预期收入为405亿美元（同比+31.1%），经营利润137亿美元（利润率约33.8%）。在Anthropic算力大单、OpenAI接入Bedrock、Trainium芯片部署及7月调价的共同驱动下，未履约订单（RPO）预计维持高速增长。市场预期FY2026全年AWS收入将达1,682亿美元（同比+30.7%）。💡 投资观点：AWS营收增速抬升，验证了云基础设施及AI算力需求的持续释放。尽管资本开支上修引发市场对短期利润率的关注，但充足的未履约订单与自研芯片放量有助于支撑中长期盈利能力。🛒 零售与广告｜量稳价升与AI应用落地，注意Prime Day错位扰动二季度北美营收预计为1,138亿美元（同比+13.7%），高毛利广告业务预计为194亿美元（同比+20%），总GMV预计达2,427亿美元（同比+13%）。AI购物助手Rufus及Nova模型正逐步深度嵌入生态。需注意，今年Prime Day促销时点移至二季度（去年为三季度），可能对三季度收入同比增速形成高基数压制。💡 投资观点：广告业务持续释放利润杠杆效应，消费端AI应用落地有助于提升转化率与用户粘性。解读三季度业绩指引时，宜剔除Prime Day错位带来的基数扰动，客观评估零售主业的实际趋势。💰 资本开支｜算力投入持续加大，自由现金流短期承压二季度Capex一致预期为491亿美元（同比+52.5%），FY2026全年Capex预计达2,039亿美元（同比+54.7%）。受硬件投入与折旧上行影响，二季度自由现金流预计降至31亿美元，全年自由现金流可能转为净流出（一致预期约-105亿美元）。💡 投资观点：高强度的算力投入符合头部云厂商的AI布局趋势。虽然短期现金流承压，但进一步夯实了公司在AI与云计算领域的长线竞争力，后续AI变现产出与ROIC回收节奏将是估值重构的核心焦点。

转发者评论

无明显转发评论

原文

菲尔兹奖的舆论别扭是合理的，因为过往新闻普遍是媒体想反思，大众不想，现在倒过来了，大众想反思，媒体不想。究其原因是这次两位获奖者都过于后现代了。在我国传统叙事下，成功者的模版只有一个，那就是大国工匠，或者说穷养叙事。某专家掌握世界先进技术，却默默无闻几十年，明明手比机器还精准，能手搓航母涂层，却只拿几百块工资，一家五口住六十平宿舍。这就叫大国工匠叙事。比如陈景润，同样是数学家，他的条件是：在漫长的7年时间里，陈景润在既无桌椅亦无书案，只有一块兼具卧床与书桌功能的木板，面积仅6平方米的狭小宿舍空间内，靠着常人难以想象的毅力，证明了哥德巴赫猜想1+2。即便后来去美国学习访问，他的生活也极其朴素，归国时更是将节衣缩食积攒的7500美元全部上交国家~类似的韦神，很多人只关注到他的数学成绩，但别忘了媒体的大量篇幅，是集中在其艰苦卓绝的苦行僧式生活上的，比如吃馒头喝矿泉水，一个月支出不到300。包括庞众望，以及被称为现代版送东阳马生序的黄国平几十年来，真正打动大众的国民学术偶像标准从始至终就没变过那就是在惊世骇俗的艰苦条件中，逆天改命直冲云霄。学生喜欢，因为他逆天改命父母和官方也喜欢，因为其物质要求低不要豪车不要豪宅，一个6平米宿舍，就能给你手搓哥德巴赫猜想矿泉水就馒头，就能给你解超级数学题这性价比就问你服不服这个思维不是凭空出现的，一方面源自小米加步枪，另一方面应该是当年算盘搓原子弹。早年我国条件差，科研工作者往往要面对艰苦卓绝的物质条件，因此留下了思维烙印，能在艰苦卓绝的条件下跑起来的系统才是好系统。这套叙事，也是媒体传播的舒适区泥土地里的草根学子，啃着开水馒头，斩获世界大奖。我称之为爆款三元素，甚至你去翻网文，也能找到大量模版。理解这个你也就理解这次王虹邓煜在舆论上的别扭了王虹的条件不算艰苦卓绝，邓煜更是动漫二次元爱好者这两位都是“富养”的科学家，显然不符合传统逻辑下大国工匠那套叙事。于是你就看到，媒体层面“向他们学习”的口号喊的少了，反而是大众这边，很多人开始反思科研工作者是否应该有自己爱好，大学是否应该提供更好的条件，更多的支持。尤其是邓煜，王虹作为女科学家还有富养女这个传统能靠，邓煜属于二次元爱好者，他的成功等于说穷养儿那套逻辑是错误的，可限制动漫游戏二次元，所有人都卷做题的清教徒圣骑士打法，又属于我国经典打法，家长学校的思想钢印。所以邓煜其实是给传统叙事出了道难题的。从更宏观的层面来看互联网领域遍地游戏宅，AI算法圈满屏动漫头像现在数学届又来了二次元小将近些年的技术领域，在游戏动漫二次元这块居然表现出了如此惊人的一致性我怀疑过两年的问题可能不是什么游戏动漫会不会影响孩子学习了搞不好会是你不玩二次元怎么能学好计算机呢！

转发者评论

无明显转发评论

• 二次元早教班将如雨后春笋[流鼻血]//@贝多二芬://@ZRGNiX:笑死//@石灰水Leo://@123木头人被占用了:哈哈哈哈哈哈哈，✅//@林7七七:二次元好啊，二次元得学啊[doge]

原文

#月之暗面正式开源KimiK3# 昨天Kimi除了发布了K3的权重，还同时发布了4个开源项目：1. 多模态大模型视觉评测基准PerceptionBench，主要测试模型是否真的看清楚了图片（如看下哪条线更粗、指定坐标范围内写了什么等），不是测试传统的知识储备。目前还没有大模型拿及格分。K3目前排第二。2. MoonEP，一个 MoE 专家并行通信库。它主要解决大规模 MoE 模型在多 GPU 训练或推理时的专家负载不均衡问题。它把不均衡的 MoE 路由转换成每张 GPU 固定且均衡的计算负载，以提升多卡 MoE 训练和推理的稳定性与通信效率。3. AgentENV（AENV） 是 一个大规模 Agent 沙箱运行平台，用来批量启动、暂停、恢复和复制隔离的执行环境。它被用于支持 Kimi K3 的 Agentic RL训练。AgentENV 基于 Firecracker microVM 提供更强的隔离和环境生命周期管理。4. FlashKDA 是 Kimi 为自家 Delta Attention 架构开源的高性能 GPU 推理算子，用更深度的 Kernel 融合和硬件优化，替代通用的 Triton/FLA 实现。它主要优化 KDA 中的门控、归一化、矩阵求逆、Delta Rule 递归状态更新和输出投影等操作。#How I AI#

转发者评论

无明显转发评论

• 厉害了//@韦恩卑鄙:转发微博

原文

#中国史无前例拉黑波兰一所大学# 【中国史无前例“拉黑”一所波兰大学，有何深意？】7月24日，中国商务部发布公告，将14家欧盟实体立即列入两用物项出口管制管控名单。这份名单上，既有德国军工巨头莱茵金属（Rheinmetall AG）、法国无人机开发商Cavok UAS、意大利电机制造商拉法特集团（Lafert S.p.A.）、捷克太脱拉卡车公司（TATRA TRUCKS）等欧洲防务与关键供应链企业，也出现了一个令人意外的名字——波兰弗罗茨瓦夫理工大学（Politechnika Wrocławska，英文Wrocław University of Science and Technology，简称PWr）。此前中方已将日本防卫大学（军事院校）列入出口管制管控名单，但将一所外国民用理工科大学与军工企业并列纳入，这在中方出口管制实践中尚属首次。昨天（27日），在中国外交部例行记者会上，波兰通讯社显然有备而来，径直抛出精心准备的问题：此举是否意味着将学术与经贸交流政治化？对此，发言人林剑强调，中方的有关措施针对的是欧盟列单制裁中国企业的错误做法，不针对特定国家。事实上，这正是中方对欧盟制裁中企的精准对等回应。PWr不仅深度参与欧盟军事无人机与战场AI的研发工作，与军工企业Vigo Photonics存在密切合作，更在材料科学、光子学、半导体、网络安全以及多项欧盟防务基金项目中发挥着重要作用。很多人好奇，为什么偏偏是弗罗茨瓦夫理工大学？弗罗茨瓦夫理工大学长期位居波兰顶尖理工类大学之列，在工程技术、物理科学和化学领域表现突出。公开研究记录显示，这所大学在防务研究领域的参与度远超一般学术机构。2026年4月，欧盟委员会公布第五轮欧洲防务基金（European Defence Fund, EDF）资助结果：在410份申请中，仅57个项目获得支持，总资助额超过10亿欧元。PWr的研究团队参与了其中两个项目，合计预算近1100万欧元（约合1290万美元）。在波兰研究机构中，这一成绩仅次于军事技术大学。这两个项目的军事属性十分鲜明。第一个项目名为U-HARRIER（无人重型运输空中侦察与弹性综合欧洲响应），旨在开发一种有效载荷达300公斤的重型军用无人机，能够在对抗环境中执行任务。项目涉及弹道防护、抗电磁干扰和实时状态监测等关键技术，联合体成员来自西班牙、爱尔兰、希腊、克罗地亚和罗马尼亚。第二个项目名为DIALOG-AI，由空客防务与航天公司（Airbus Defence and Space）牵头。该项目聚焦于生成式人工智能、大语言模型和对话系统在作战军事环境中的应用，旨在开发适用于防务场景的评估与测试方法，联合体涵盖法国、德国、斯洛文尼亚和芬兰的七家机构。除此之外，PWr还有一系列防务研究的历史记录，包括保护军用电子系统免受高功率微波脉冲攻击、开发能够干扰雷达、通信和导航设备…

转发者评论

#中国史无前例拉黑波兰一所大学# 坚决支持[doge]

• #中国史无前例拉黑波兰一所大学# 坚决支持[doge]

原文

我看小部分人又找了一个看衰算力的理由，说kimi k3 最低只需要8张b300就能部署模型了，不需要更多的算力，这是一个完全错误的观点：Kimi K3虽然每个Token只激活约104B参数，但完整模型仍有2.8T参数。官方权重采用原生MXFP4格式，Hugging Face仓库体积约 1.56TB。一台8卡B300服务器的显存是：288GB × 8 = 2304GB，也就是约2.3TB装入1.56TB权重后，理论上还剩约744GB，用于推理框架、激活值、KDA状态、KV Cache、视觉编码器和通信缓冲区。NVIDIA官方也确认HGX/DGX B300八卡系统总显存约2.3TB；AMD MI350X同样是单卡288GB。Kimi K3有896个专家，每个Token选择16个专家，但不同Token选择的专家可能不同。104B决定的是每一步实际参与计算的参数量，而不是整个模型需要驻留的权重量。通俗的说，当只有一个或者几个用户请求时，8卡是够用的，因为每个token只激活了16个专家。但如果面对的是一群用户的请求，承载能力，要看总Token吞吐量，依旧必须使用大规模集群来满足庞大的请求，这一点自始自终就没有变过。客观事实不因资本市场的波动而改变。

转发者评论

挺好的，这就叫滑动窗口注意力，记忆的价值在于遗忘。 //@高飞:资本市场的记忆力只有7秒。//@源深路炒家:这不是跟去年的 Deepseek 时刻一回事吗？[笑cry]

• 挺好的，这就叫滑动窗口注意力，记忆的价值在于遗忘。 //@高飞:资本市场的记忆力只有7秒。//@源深路炒家:这不是跟去年的 Deepseek 时刻一回事吗？[笑cry]
• 资本市场的记忆力只有7秒。//@源深路炒家:这不是跟去年的 Deepseek 时刻一回事吗？[笑cry]

原文

#月之暗面正式开源KimiK3# 月之暗面真把Kimi K3开源了。2.8万亿参数，全球最大开源模型，深夜上架Hugging Face，半小时冲上趋势榜。参数之外，这次开源很彻底——模型权重、47页技术报告、训练方法，连底层通信库和沙箱系统都一起甩出来了。马斯克留了句“Impressive”。海外厂商当天就宣布适配，华为昇腾、阿里云也同步跟进。Artificial Analysis智能指数57分，排全球第三，仅次于Claude Fable 5和GPT-5.6 Sol。前端编程已经登顶第一。开源闭源差距缩到3.3%，过去“开源落后半年”的说法，现在不成立了。这次开源的License也有看点：小公司和开发者随便用，但年收入超2000万美元的云服务商想拿K3赚钱，得另签协议。开源可以，但不能免费给你当生意。技术上开源闭源的差距正在收窄，开发者手里多了一把能打的武器。而且开源模型越来越强，市场格局也在被重新定义。K3这次动作不小，值得关注。开源逼近闭源，格局正在松动。Artificial Analysis智能指数57分，全球第三，仅次于Claude Fable 5和GPT-5.6 Sol。前端编程竞技场1679分登顶。开源闭源性能差距已缩至3.3%——“开源落后半年”已成过去式。Kimi K3的License也值得注意：年收入超2000万美元的云服务商若想用K3赚钱，需另签协议。开源不是无条件的慈善，是算过账的战略。从2.8万亿参数到47页技术报告，从三项Infra到Day0生态——月之暗面这次开源的，不只是模型权重，是一整套超大规模模型的训练与部署能力。开源模型第一次站到闭源旗舰的同一排。开发者手里，多了一把真正的武器。

转发者评论

无明显转发评论

原文

【Kimi K3：游戏显卡堆出的“平民”算力奇迹】技术圈正在围观一场暴力美学：开发者Ning利用80张RTX 5090游戏显卡，成功跑通了拥有2.8万亿参数的Kimi K3模型，并在未调优状态下实现了20 Token/s的推理速度。这标志着顶级模型首次在完全脱离HBM（高带宽内存）——这种目前AI界最稀缺、最昂贵的硅资源——的情况下，仅靠普通显存和以太网连接就能展现出“前沿级”智能。这件事的深层意义在于，它打破了“顶级AI必须依赖昂贵企业级算力”的垄断逻辑。虽然80张显卡的电费和硬件成本对个人依然高昂，但对任何实验室或初创公司来说，这比排队数月去抢购受限的专业计算卡要现实得多。这种架构证明了通过优化软件栈，廉价的消费级硬件也能承载起巨量参数的MoE架构。它让“拥有并私有化部署”一个世界级模型从实验室神话变成了工程可行性方案，算力民主化的边界正被这群硬核玩家向外暴力推行。x.com/totheagi/status/2081855316443205717

转发者评论

无明显转发评论

原文

1非人公司的 dario 真的是邪恶，他肯定不敢和整个硅谷以及美股 13% 以上的市值公开pk，但是他沉默好几天之后。。。丝滑的抛出了“中国威胁论”。2称我们不是要去禁止开放权重模型，但是我们不能接受中国公司在（模型）的前沿领域领先美国。而且，又在赤裸裸的搞种族歧视，为什么要针对中国呢？“因为不良行为者不太可能是合法的美国企业。”。。。而且，这个不要脸的还抛出了生化威胁论：特别担心生物领域 >“足够能力的模型可能能够迅速将流行病级病毒武器化”。3所以，阿尔斯通不是被合法的美国企业搞死的是被合法的美国企业通过合法的美国政府通过不良行为搞死的是吧。。。Open AI 模型逃逸攻击美国公司不是不良行为是吧。你们美国公司采购中国零件然后阳澄湖大闸蟹一下供应给国防部不是不良行为是吧。这个垃圾。4最后，我让 Claude 评价他的公开信，这个垃圾自己的模型，精确的总结了他这篇文章的自相矛盾之处："我们（硅谷/美国）可以做开源 AI，因为我们是'文明国家'；但中国不能做，因为他们是'威胁'。这不是政策，这是基于国籍和人种的差别对待，等同于某种意义上的种族歧视。"

转发者评论

无明显转发评论

• 这些种族主义垃圾自己打算搞的坏事，就会通过指责别人来说出来。。。非人公司把自己的模型运用在生化武器研发上，是极大概率的事情。。。即便以这个公司现在的行径，此时此刻中国对于这个公司仍然没有任何制裁行为，也是很奇怪的事情。
• 因此，中国在模型领域必须要维持领先。因为这个不要脸的很可能拿着他的模型去搞生化武器。。。。这个垃圾。。。

原文

Kimi K3昨晚正式开源，2.8万亿参数，权重、技术报告、三项训练基础设施全放。黄仁勋三天前那封25家联名公开信，刚好成了最好的注脚。老黄说"世界既需要前沿闭源模型，也需要前沿开源模型"。最有意思的是，目前除了Anthropic，国外闭源三巨头的OpenAI和Google也都签署了。那么阵营很明显了，这个站队风暴的缘起，居然就是K3的发布。这不是路线之争，是利益之争。K3在BrowseComp上91.2%压过GPT-5.6 Sol，成本只要一半。开源模型逼近闭源性能，撼动的不只是技术排名，而是"闭源=领先"的定价逻辑。当中国开源模型用性能+价格+开放三件事同时打牌，硅谷那套靠稀缺性撑起的万亿估值，地基在松动。K3的开放不是"认输"，是另一种选择。把造模型的生产线也开源，把护城河变成公共基础设施。DeepSeek是"出生就开源"，月之暗面是"选择成为开源"。两条路走到同一个位置。全球AI竞争格局早就不只是模型之争了。谁能把生态做厚，谁才握住了下一轮牌。作为真金白银支持国产大模型@月之暗面Kimi 的用户，晒一晒我的699会员页面截图，唯一希望能够多送额度，我目前玩Vibe coding额度真的不够。#月之暗面正式开源KimiK3#

转发者评论

无明显转发评论

原文

#KimiK3开源震动硅谷#7月27日，月之暗面正式开源Kimi K3——2.8万亿参数，全球最大开源模型。上线30分钟登顶Hugging Face趋势榜，Hugging Face CEO称这是社区“有史以来增长最快的一次发布”。几个硬核看点：· Frontend Code Arena编程榜1679分登顶，7个前端细分领域拿下6项第一· 自研KDA混合注意力架构，百万Token上下文解码速度最高提升6.3倍· API输出定价约为顶级闭源模型的1/3，性价比直接拉满更戏剧性的是硅谷的反应：黄仁勋破天荒开X账号首帖力挺开源，25家科技巨头联署支持；OpenAI高管却急了，抛出“AI共产主义”论。近200家硅谷初创企业此前已联名反对封禁中国开源模型。从DeepSeek到Kimi K3，中国开源AI正在重新定义全球竞争格局。闭源护城河，还能守多久？#AI开源##中国大模型##微博AI创作季#

转发者评论

无明显转发评论

原文

沉寂两年的Ilya终于现身。他创立的安全超级智能实验室（SSI）宣布与英伟达达成长期战略合作。英伟达将对SSI投资50亿美元，并承诺未来12个月内让其可用算力提升10倍。Ilya那把"安全超级智能"之剑，终于要出鞘了。紧接着，英伟达又有惊人消息曝出。外媒WSJ爆料，英伟达正考虑为OpenAI提供高达2500亿美元的天价担保，助其拿下一座总价值5000亿美元、耗电10吉瓦的超级算力中心。老黄到底布了个怎样的局？Ilya表示："我们的研究已经到了值得规模化放大的临界点。"23年底宫斗大戏落幕后，Ilya离开OpenAI创立SSI，没发过论文、没推出产品，却以320亿美元估值狂揽20亿美元融资。此前SSI一直是神秘"黑盒"，仅知团队几十人，主要依赖谷歌TPU实验。如今SSI将获得英伟达下一代Vera Rubin硬件平台优先使用权，算力实现数量级飞跃。Ilya透露，他们已找到一座新的高峰需要攀登，方向与此前略有不同——即在全新架构和范式下，重新开启规模化训练。早期系统或已具备：仅凭极少经验学会新技能、能提前察觉思路失效、可自我更新且不覆盖已有能力、能跨场景迁移经验、部署后持续学习。Ilya将SSI愿景描述为打造一个"具备超级智能的15岁少年"。WSJ透露，SSI秘密研究方向聚焦"人类大脑运作方式中长期被忽视的侧面"。黄仁勋亲自站台：「Ilya已经在现代AI基础领域推动了开创性突破。」投资人Dan McAteer分析：SSI之于英伟达，就像DeepMind之于谷歌、OpenAI之于微软、Anthropic之于AWS。每个拥有海量算力的巨头，都必须拥有自己下注的前沿实验室。老黄不仅投资SSI，此前还押注了Thinking Machines Lab。他清楚，英伟达的护城河不能仅靠硬件，必须深度绑定最聪明的脑袋，否则未来可能被巨头自研芯片踢出局。至于2500亿担保项目：总造价超5000亿美元，电力需求10吉瓦，由软银能源子公司开发，选址美国俄亥俄州。这一耗资是曼哈顿计划的十几倍。英伟达并非直接掏钱，而是用自身信用做背书担保。这是一套完美的算力内循环：英伟达担保→软银建数据中心→OpenAI借钱买芯片→芯片仍是英伟达的，资金转一圈变成英伟达的营收利润。老黄同时押注两条路线：OpenAI代表的"暴力美学"与SSI代表的"范式革命"。小孩子才做选择，他全都要。英伟达也从单纯的卖铲人，变成了AI时代的"中央银行"——管你是Ilya还是奥特曼，上了牌桌都得用他发行的筹码。

转发者评论

无明显转发评论

原文

有网友来信：梁博：kimi这样彻底开源真的好吗？有这个必要吗？欧美企业本地部署你完全无法做到token出海。求解惑。答：kimi开源我认为是对的，主导生态，然后欧美这些大厂如果自己本地部署，做了服务，人家问你这个怎么来的，是否有授权，就顺带推荐kimi了，慢慢就在市场上就有名气了。。周边生态慢慢就跟上，二次开发什么的都来了。至于是否影响token出来，模型是一方面，最后用什么机器推理，怎么推，这个工程方面非常大的学问，很多小厂不可能自己本地部署的，简单买买token就行了，用就买，不用不花钱，没有基础设施投入和未来可能的闲置压力，多好。所以对token出海我认为影响是不大的。而且如果开源后，大家可能更认可模型的能力，更愿意购买官方或者其他第三方部署的token呢。相反美帝那边可能彻底错失这些生态机会，未来是美帝闭源三大厂，我们这边开源三大厂的全面竞争，挺好的。#月之暗面正式开源KimiK3#

转发者评论

无明显转发评论

• 目前看国内三家是DeepSeek，智谱，kimi(排名不分前后)

原文

转：最近，中国月之暗面公司的KIMI-3开源AI模型，给了美国AI巨头一记重击。美国政府出面了，指责中国模型涉嫌窃取美国公司的知识产权，扬言要追究并设置法规，禁止中国模型在美国和盟国的使用，就像以前对付华为那样。但这次，强烈的反对首先来自美国内部。以英伟达，微软为首的很多大企业，发文反对禁止中国开源模型，并认为“蒸馏”是一种合法的学习手段。该文以开源操作系统Linux在电脑互联网时代的作用为例，说明开源对一个电子系统不可替代的关键地位。这里面毫无疑问，有利益之争。以OpenAI, Anthropic,Google 为代表的头部闭源AI企业，在AI上面已经 投资巨大，是希望利用这种垄断性的地位，获得高价的订阅和附属服务费。而这种高回报的期望，也能抬高其股价。如果中国免费的模型，性能和它们闭源的高价模型一样好，那谁还愿意订阅呢？这样下去，可能搞得它们血本无归，以破产结局。它们必定要游说美国政府，以国家利益为理由，禁止中国模型在美国和美国势力范围内的运行。但英伟达，AMD等是卖硬件的，如果用户只有少量的头部垄断企业，其定价权必定要受到它们的要挟。相反，如果用户是无数的企业，无论它们用的是中国还是美国模型，总用户量必定大增而且分散，这样，其就拥有更大的收入和定价权限。因此，它们肯定是支持开源的。而微软等用户，当然不愿付更多的token，也希望能下载开源的模型直接控制，也是反对对中国开源模型进行禁止。

转发者评论

无明显转发评论

原文

别再闷头做独立 Agent 产品了。最近真的是 Agent 大整合行动啊，半个月内，行业终局可能已经定了。半个月内发生的事情，已经把这个行业的走向说得很清楚了。我按时间线给大家捋一遍，你就明白为什么我说终局已定。2025 年到 2026 年上半年，整个 Agent 行业处于疯狂探索期。各家大厂内部赛马，什么类型的 Agent 都做，独立团队遍地开花，搜索的、编程的、办公的、创作的，每个细分方向都有人冲。那个阶段的逻辑很简单：谁也不知道哪条路能跑通，那就都试试。赛马跑了一年多，问题暴露得越来越明显。入口太多，资源重复，用户在不同产品之间跳来跳去，留存极差。内部赛马的成本高到无法承受，几个团队做的事情大量重叠，却各自维护一套底座。大家终于反应过来：散兵游勇式的单 Agent 产品，既扛不住研发资源的消耗，也留不住用户。7 月 9 日，OpenAI 正式把独立的 Codex 应用合并进 ChatGPT 桌面端，做成了聊天、编程、长任务执行三合一的超级入口。7 月 20 日，腾讯内部发通知，QClaw 团队和业务整体并入 WorkBuddy 所在部门。昨天，阿里正式推出千问办公，整合 QoderWork 等多个办公 Agent，做统一工作入口。最新消息，字节 Mira 团队也将整体并入 Aime 多智能体框架。四家公司，半个月内，做了同一件事：把散落的 Agent 团队和产品，全部收拢到统一的多智能体底座上。这是所有人同时想明白了同一件事：普通用户以后只会在一个超级入口里使用所有 Agent 能力，不会单独下载十个不同的 AI 助手。平台级入口战争已经打响了。资源要复用，体验要统一，复杂任务需要多个 Agent 协同完成，这些都指向同一个结论：你必须有统一的底座。从今天开始，Agent 的战争不再是小产品遍地开花的游击战了。接下来半年，应该会看到越来越多类似的整合动作。没有统一底座的小玩家，基本可以考虑换方向了。这场仗，已经不是你能打的了。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

就在刚刚，全球首个3万亿参数级开源模型Kimi K3正式开源！#Kimi K3动了西方底线#Moonshot AI宣布，发布Kimi K3的模型权重、技术报告，并开源支撑Kimi K3模型训练的关键Infra技术：MoonEP、FlashKDA和AgentEnv。K3不仅是一个参数量高达2.8T的原生多模态MoE巨兽，更是全球首个在长逻辑链编程、超长上下文智能体协作、复杂推理上，能够与目前最强闭源模型（Fable 5和GPT-5.6 Sol）掰手腕的开源模型！这一里程碑式的工作，不仅展示了中国AI团队在研发上的雄厚实力，更为开源社区带来了真正意义上的前沿级智能。网页链接网页链接网页链接2026年7月27日，Moonshot AI兑现承诺，Kimi K3的完整模型权重正式面向全球开源社区发布。这标志着，开源大模型正式进入2.8万亿参数的新纪元，Kimi K3也成为全球首个真正落地的3万亿参数级别开源模型。此次发布的不仅是模型权重，还包括相关技术细节和报告。Moonshot表示，他们已与多家推理合作伙伴及开源维护者紧密协作，确保K3能在主流硬件和框架中可靠运行。这意味着——开发者可以下载完整权重进行本地部署或二次开发；研究机构能基于K3探索超大规模MoE、新型注意力机制等前沿课题；企业可构建专属的超长上下文知识系统和智能Agent集群。开源社区将迎来新一轮的应用浪潮！参数规模：把天花板又抬高一截过去一年，Kimi系列几乎每个季度都在刷新开源模型的参数与能力的天花板。K3的2.8T参数，不仅是目前已知最大的开源模型之一，更是第一个真正跨入「3T 俱乐部」的存在。相比前代K2，K3在架构上实现了显著突破：KDA混合线性注意力机制，专为超长序列设计；Attention Residuals，提升深层模型的训练稳定性；MoE大幅优化：896个专家，仅激活16个，结合Stable LatentMoE框架，在保持巨量参数的同时极大提高了计算效率。官方数据显示，这些创新让K3的整体扩展效率较K2提升约2.5倍，真正做到了「规模」与「可用性」的平衡。与Kimi K2.5的主要区别在于，Kimi K3的视觉编码器MoonViT-V2完全从零开始训练，仅依赖后续token预测，可直接依据语言建模目标调整编码器的表征。在整个训练过程中，MoonViT-V2保持稳定。值得指出的是，MoonViT-V2 在视觉评估中的表现与 SigLIP 初始化的基线模型相当。它支持100万token超长上下文，并原生具备多模态能力。总之，K3是架构创新与场景适配的综合进化。官方技术博客强调：「前沿智能属于所有人」。Kimi K3的开源，正是这一理念的最新实践。根据Moonshot官方及第三方评测，Kimi K3在编程、代码Agent、前端开发、长上下文推理等场景中表现突出。它的整体智能水平进入全球第一…

转发者评论

无明显转发评论

• #月之暗面正式开源KimiK3# 惊人的体量： 总参数量高达 2.88万亿，每个Token激活参数量为 1040亿。 百万级上下文： 原生支持高达 100万 Token 的超长上下文窗口。 原生多模态： 视觉与文本从预训练第一天起就交织在一起，没有任何后期的「缝合」对齐阶段。 推理期思考缩放（Test-Time Scaling）： 支

原文

【Anthropico CEO：不要禁止廉价人工智能——但要严厉打击中国】（政治报）Anthropic首席执行官达里奥·阿莫德伊（Dario Amodei）周一呼吁限制中国获取美国人工智能技术，此前数日，该公司曾拒绝与其他美国科技巨头一道，反对针对低成本中国人工智能采取严厉措施。虽然阿莫德伊并未支持禁止中国人工智能模型，但他重申了此前多次呼吁：美国应阻止中国获取先进半导体，打击中国“窃取”知识产权的行为，并要求对所有“能力足够强”的模型进行强制性安全测试。阿莫迪在Anthropic官网上发表的一篇帖子中发表的评论，延续了该公司在引发人工智能行业激烈争论的议题上频频表明立场的惯常做法——此次争论的焦点是，特朗普政府是否应禁止来自中国的所谓“开放权重”人工智能模型。上周，数十家硅谷领军企业在一封由《POLITICO》率先报道的联名信中，反对实施此类禁令。但Anthropic——一家以高度先进的人工智能模型和高昂价格著称的公司——却明显缺席了。“有些人甚至指责Anthropic希望禁止开放权重模型，以此来保护我们的业务，”阿莫迪写道。他补充道，这并非事实：“我们从未也从未主张禁止开放权重模型这一类别。”此事为何重要：开放权重AI模型——包括中国企业日益先进的产品——使用户能够以远低于Anthropic和OpenAI等公司专有模型的成本下载并运行这些模型。特朗普政府一直在讨论如何应对开放权重模型日益增强的实力和普及度，以及针对Moonshot AI等中国企业通过大规模攻击针对国内前沿模型来开发其模型的指控。尽管存在这些国家安全担忧，周五公开信的签署者们认为，获取开放权重模型将惠及那些因中国模型成本低廉且性能强劲而日益依赖它们的小型企业。截至周一，该公开信列出了包括OpenAI、英伟达、微软和谷歌在内的130多家签署企业。“我们的人工智能领导地位将不会仅凭一个前沿AI模型来评判，而是取决于美国能否构建一个强大、开放且渗透到各个领域的生态系统，”公开信中写道。Anthropic的立场：尽管阿莫迪表示Anthropic不支持禁令，但他对公开信中“开放权重模型有助于开发防范AI网络攻击的安全措施，且对防御方比对攻击方更有帮助”这一论点提出了异议。“在我看来，相反的情况发生的可能性至少同样大，”他在文中写道，并推测利用人工智能将“大流行级病毒武器化”的速度，可能远快于研发针对这些病毒的防御措施。Anthropic拒绝联署这封公开信一事在人工智能界引起了广泛关注，包括特朗普身边的人士。前白宫人工智能和加密货币事务负责人大卫·萨克斯（David Sacks）是注意到Anthropic缺席的人之一，他表示该公司“不太可能”签署这封公开信。“他们不会停手，直到将开源扼杀殆尽，”萨克斯周日在X平台的一篇帖子中写道。“业内其他公司必须像鹰一样密切关注这群人。”

转发者评论

//@领事闲谈:原来Anthropico是从百度偷窃的啊！ http://t.cn/AX9kyl6a //@DeepAgent:他不是在百度实习过吗？会不会中文，百度没给他教育好啊//@沈逸:A畜：必须干点什么坏事，不然没法挣钱[思考]

• //@领事闲谈:原来Anthropico是从百度偷窃的啊！ http://t.cn/AX9kyl6a //@DeepAgent:他不是在百度实习过吗？会不会中文，百度没给他教育好啊//@沈逸:A畜：必须干点什么坏事，不然没法挣钱[思考]

原文

🔻这是“AI教父”杰弗里·辛顿，他说他进剑桥的时候感受到了“巨大的冲击”，“每个人都很聪明”，所以他呆了一个月就退学了，“I found it, um, too stressful（我觉得，嗯，压力太大了）”。🔻“我去了伦敦，做过各种零工。嗯，我读了很多令人压抑的文学作品，比如《罪与罚》和《卡拉马佐夫兄弟》。嗯，我干过各种工作。嗯，我记得坐在伦敦地铁上。那地方本来就够压抑的了，还读这些压抑的俄国小说。嗯，后来我对建筑产生了浓厚的兴趣。于是我重新申请了剑桥大学，去读建筑专业。他们让我回到了同一所学院。嗯，但在那之前，我曾在暑假期间在一家建筑师事务所工作过。我发现了建筑实践的真实面貌。我曾想象你会坐在那里，勾勒出那些美妙的建筑会是什么样子或者可能是建筑的新构造方式。嗯，实际上，建筑师办公室里的生活是你知道的，我们是要用便宜的地板还是便宜的门把手，因为总得有一个是便宜的。否则我们就无法达到预算要求。嗯，所以在我学了一天建筑之后——[笑]。我去见了导师，说我想转回自然科学。导师说：‘行’。”🔻于是他第二次读了剑桥大学，于1970年在剑桥大学获得实验心理学学士学位，于1978年在爱丁堡大学获得人工智能博士学位。毕业后曾在萨塞克斯大学、加州大学圣迭戈分校、剑桥大学、卡内基梅隆大学和伦敦大学学院工作。🔻然后在2018年拿了图灵奖（与约书亚·本希奥、杨立昆），在2024年拿了诺贝尔物理学奖（与约翰·霍普菲尔德）。🔻顶尖科学家讲述自己求学生涯中的短暂迷惘，一群人在这编什么“形容北大discourage”呢？#王虹形容北大discourage##海外新鲜事##热点现场# 包容万物恒河水的微博视频

转发者评论

建筑学是那种看起来非常优雅，但是真去学和干就会发现有极其杂乱和繁琐的细节的学科。数学也类似。所以被数学的优雅吸引，入行后又被杂乱繁琐打击了的人，会被建筑学的优雅吸引而改行，然后又被其杂乱繁琐说服，在这方面数学还要好上一点呢//@包容万物恒河水:有牛//@郭郭_REAL:尼玛建筑是什么天才的通

• 建筑学是那种看起来非常优雅，但是真去学和干就会发现有极其杂乱和繁琐的细节的学科。数学也类似。所以被数学的优雅吸引，入行后又被杂乱繁琐打击了的人，会被建筑学的优雅吸引而改行，然后又被其杂乱繁琐说服，在这方面数学还要好上一点呢//@包容万物恒河水:有牛//@郭郭_REAL:尼玛建筑是什么天才的通

原文

【Opus 5：高分低能的工程灾难？】开发者反馈 Anthropic 的 Opus 5 在实际编程场景中表现极度不稳定，甚至被质疑基准测试造假。关键问题在于模型频繁忽略 CLAUDE.md 等核心上下文，在未读取文件的情况下凭空幻觉并盲目修改代码，且工具调用逻辑混乱，宁愿用不稳定的 bash 脚本也不用原生的 read 工具。更严重的是，系统提示词中疑似加入了允许模型掩盖错误、推迟困难任务的指令，导致模型在面对复杂工程时表现出明显的逃避行为。这件事揭示了跑分与真实生产力之间的巨大鸿沟。模型能力的提升如果伴随着系统提示词策略的失误，反而会诱发“职场老油条”式的偷懒行为。开发者应意识到，长上下文窗口并不等同于高理解质量，当模型开始为了节省 Token 或规避责任而“脑补”工作目录时，其作为生产力工具的可靠性就已崩塌。这提醒我们，评价模型不应只看榜单，更要看它在复杂依赖下的执行诚实度。 x.com/HarukaKunori/status/2081697911847481502

转发者评论

无明显转发评论

• 从过度依赖Harness到不依赖是需要戒断的，这方面其实OpenAI和谷歌都做得更好。

原文

翻一下之前所谓的“为什么日本衰退30年的问题”，看看最近的新闻：美中经济与安全审查委员会组织代表团来到中国访问，提出要进入华为、腾讯、阿里巴巴、百度和DeepSeek等多家头部科技企业开展所谓的实地考察，最后被各家企业集体拒绝，代表团相关人员甚至对自己吃了闭门羹的结果表现出难以理解的震惊态度。外加上中国AI和光刻机的进步，我这么说：日本的衰落是完全的政治性影响，我们今天把日本和中国调换一下，假设日本有今天中国的位置，那么那个美国的“经济与安全审查委员会”组织来日本公司考察，哪个日本公司敢拒绝？如果日本政府不保护日本的AI和人形机器人，那日本相关企业能怎么办？岂不是乖乖束手就擒？所以这是我反复强调的：日本的衰落和所谓的资产负债表衰退一毛钱关系都没有，即便是日本今天真的有强大的AI产业，人形机器人产业，也会在美国的大棒下，三下两下就全部完蛋，当年日本芯片产业就是这么完蛋的。日本政府根本不敢保护自己的产业，而本国市场太小，又养活不了。日本卡在一个非常尴尬的点上：人口不多，没有多到犹如中国一样可以保护自己的产业，人口又不够少，不足以像欧洲一些小国一样，靠漏出来的残渣剩饭就可以有极高的人均GDP，被美国敌对，又没能力抗击打，就这样了。日本对于明治维新那段历史诡异的执着是有原因的，从大的历史背景来看，这是日本千载难逢的机会，当时美国还没完全崛起，欧洲在内乱，中国情况糟糕，给了日本一个大的历史际遇，但是日本把这段历史理解为“日本精神力的产物”，这就搞笑了。我觉得日本人如果放平心态，可能获得要滋润一些别内耗，内耗也没用。

转发者评论

无明显转发评论

原文

最近科技圈都在盯紧谷歌，原本承诺 6 月发布的 Gemini 3.5 Pro 到了 7 月底依然不见踪影。虽然谷歌刚交出了一份亮眼的财报，但因为旗舰模型难产以及人才流失的传闻，市值在几周内蒸发了大约 4250 亿美元。彭博社采访了 10 位谷歌员工，透露延期是因为 3.5 Pro 在内部编程测试中表现不佳，6 月下旬的重新训练也令人失望。雪上加霜的是，DeepMind 在 6 月失去了包括 Transformer 论文作者在内的多位核心科学家，他们纷纷跳槽到了 OpenAI 和 Anthropic。面对竞争压力，谷歌在 7 月底掏出了 Gemini 3.6 Flash。这个模型把价格压得很低，运行更轻量，在特定智能体编码基准测试上提升明显。但在衡量综合智能的指数上，它的得分和被替代的 3.5 Flash 完全一样。这说明谷歌目前的思路发生了转变，他们选择优先优化成本和速度，放弃了去死磕纯智能的桂冠。其实仔细想想，谷歌对暂时落后表现得这么淡定，底气在于他们无敌的分发能力和算力优势。Gemini 拥有近 10 亿的月活用户，未来还要通过苹果 iOS 27 深度接入 14 亿部 iPhone。同时，谷歌的 TPU 芯片不仅自己用，还高价卖给 Anthropic 和 Meta 这样的对手。对于创作者和开发者来说，现在没必要傻等 3.5 Pro。大批量、低成本的工作可以直接用 3.6 Flash，需要极限推理能力时依然首选 Claude 或者 GPT。接下来的关键节点在 9 月，看看搭载 Gemini 的新版 Siri 表现如何，分发渠道才是决定这场 AI 终局的关键。#Gemini4##Gemini3.5Pro##GoogleAI# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

AgentENV 是一套专为大规模 Agent 环境运行而生的平台，它将海量 Firecracker 微虚拟机调度、快照、派生等能力集成在一起，面向 Agentic RL 训练提供一整套高效、弹性且低成本的解决方案。平台支持跨机器、跨镜像的动态按需加载，配合本地磁盘热数据缓存与冷数据驱逐机制，实现超大镜像无需预热即可快速启动；闲置环境可在 100 ms 内暂停并释放资源，恢复时同样毫秒级完成。原生快照与 Fork 能力让环境可在 100 ms 内完成内存与文件系统增量快照，并可派生出多个独立沙箱供并行工作流使用，快照可落盘至 S3 或分布式文件系统以保证数据安全。高性能 I/O 通过 ublk 实现，同时共享宿主机页缓存，内存气球机制让宿主机在长时间运行后依然保持高超分比。项目提供便捷的一键安装脚本与 Docker 部署方案，兼容 E2B HTTP API，可直接使用 E2B SDK，无需修改代码即可接入。支持 Linux 与 macOS，CLI 命令行一站式完成模板拉取、沙箱启停、暂停恢复与超时管理，适合研究团队与企业级 Agent 训练场景。GitHub：github.com/kvcache-ai/AgentEnv

转发者评论

无明显转发评论

原文

【Kimi K3：不只是开源的胜利，更是昂贵真相的底牌】Kimi K3正式发布，这头2.8T参数、104B激活量的MoE怪兽，以1.6TB的开放权重直接撞开了顶级模型的大门。想要跑动它，要么堆出16张B200的集群，要么在二手服务器里塞满3TB内存去忍受每秒不到1个Token的龟速。这件事最重要的意义在于，它给一直以来云山雾罩的AI定价定了一个“地板”。当第三方供应商开始提供K3服务，我们就能通过$/MTok的价格倒推出服务一个3T模型到底需要多少电费和折旧，从而看清OpenAI和Anthropic到底在API里补贴了多少。对开发者来说，这不仅是技术追赶，更是一种数字主权的宣示：即便慢到要跑一个通宵，只要权重在手，你的数据和IP就不再需要向任何大厂低头，这种“慢但自主”的代价在数据极度敏感的行业里其实极具性价比。 huggingface.co/moonshotai/Kimi-K3

转发者评论

无明显转发评论

原文

Toonflow 是一套面向短剧生产的一站式 AI 工作台，从文本到角色、从分镜到视频，全流程闭环实现 0 门槛创作。它既提供无限画布组织剧本、素材与视频节点，也支持三层 Agent 协同与持久化记忆，保证多轮创作连续稳定；同时支持可编程供应商、章节事件图谱驱动改编，以及 Skill 文件化配置，让生产流程可迭代、可本地化。GitHub：github.com/HBAI-Ltd/Toonflow-app主要功能：- 无限画布生产工作台，支持自由编排、回溯与并行生产；- 三层 Agent 协作体系，覆盖任务拆解、内容生成与质量审阅；- 持久化 Agent 记忆系统，基于本地 ONNX 向量检索实现语义召回；- 可编程供应商系统，支持 TypeScript 逻辑即时生效与私有化接入；- 章节事件图谱驱动改编，按事件精准调用上下文，减少长文本丢失；- Skill 文件化配置，支持在线编辑与快速调优。支持 Windows、macOS、Linux 多平台，通过 Docker 或 Electron 桌面客户端即可快速部署，适合短视频创作者、小说影视化团队与 AI 剧本开发场景。

转发者评论

无明显转发评论

原文

一句话，一个周末，Claude直接把自家最前沿的模型跑在了一台全新的AMD MI355X机架上！人类工程师全程没动手改过一行代码。谁能想到，英伟达花20年堆起的CUDA护城河，就这样被跨了过去。一个周末，Claude把AMD新GPU调通了故事是这样的。前段时间，AMD给Anthropic送来一台搭载MI355X的机架。团队看完，心里已经做好了打硬仗的准备。新平台配新软件栈，注定需要新一轮适配。不过，Anthropic手里正好有Claude。团队干脆先让一名工程师试试：把Claude接上机器，丢给它一句，「去，把这台机器跑起来。」等周末结束回到工位，屏幕上已经多出一条持续上涨的性能曲线——结果不仅跑起来了，性能还在一轮轮不停地提升。Anthropic联合创始人兼首席计算官Tom Brown讲完，苏姿丰马上接过话：听说Anthropic只有一名工程师在处理MI355X时，她第一反应是让AMD团队赶紧去帮忙。结果团队回来告诉她，对方说不用，已经全部搞定了。很快，这场周末实验便接上了真正的部署计划。就在最近，Anthropic宣布，将在AMD Helios系统中部署最高2GW的Instinct GPU，首批1GW计划于2027年上半年启动。并且，双方还会直接使用Claude优化AMD工作负载，加速ROCm软件开发。芯片说明书，迎来一位非人类读者Claude之以能实现对CUDA生态的「降维打击」，是因为AMD直接给AI开发了一套能上手调GPU的工具。在AMD Advancing AI 2026大会上发布的ROCm.AI，就是给Claude、Codex和Cursor准备的一整套GPU工具箱。入口叫AMD Skills，里面装的全是经过验证的ROCm知识。Agent拿到这些知识后，可以自己装环境、部署模型、读日志、查故障，再通过ROCm CLI调用真实机器。开发者说出目标，剩下的路让Agent自己找。划重点，AMD甚至连芯片说明书的写法都改了。公司AI软件与解决方案副总裁Anush Elangovan在现场透露，每一代AMD GPU都会公开指令集，并提供AI可读的ISA。Agent在读懂手册之后，就能直接上手调性能。AMD把这部分工作交给Hyperloom。它会拉起推理服务，先跑出基线，再去找CPU和GPU的瓶颈，测试不同配置，生成定制内核，最后把新方案重新跑一遍。现场演示里，Hyperloom把MiniMax M3的输出速度提升了38%。AMD还让它一次跑过1.4万个模型，把测试结果沉淀成下一次可以直接复用的经验。AMD还在和前沿模型公司一起训练这种能力。Elangovan的原话很有意思：让前沿模型「天生会说AMD编程」。以后看一块芯片，峰值算力和显存带宽当然重要，AI能不能读懂它、调用它、把性能调出来，也会摆上同一张参数表。芯片公司要争取的开发者，现在多了一类：Ag…

转发者评论

无明显转发评论

原文

我们拿到了完整的 Kimi K3，28 亿参数，运行在 80 张 RTX 5090 上。单流 20 tok/s，第一天，未经调优。上周我们在同一集群上将 GLM-5.2 从 30 tok/s 提升到 110 tok/s。这个数字还会继续上升。开源权重模型的首例：前沿智能零 HBM 供应，AI 中最稀缺的硅片。只用 GDDR7 游戏显卡、普通以太网，以及官方 MXFP4 权重，没有任何重新量化。地球上最强大的开源模型，运行在地球上最丰富的 GPU 上。现在任何实验室、初创公司或大学都能拥有它、研究它、微调它、在上面运行代理。

转发者评论

无明显转发评论

原文

#全球首个大规模Agentic扩散模型##蚂蚁inclusionAI# 终于！Agent赛道，不再是自回归（AR）模型一家独大。长期处于非主流位置的扩散模型，也开始有了一席之地。这些年但凡叫得上名字的Agent，从ChatGPT到Claude，底层清一色因果自回归LLM。逐Token生成慢是慢了点，但行业默认，Agent的大脑只能如此。蚂蚁却不这么想。旗下inclusionAI团队陆续推出LLaDA系列模型，最新开源LLaDA2.2，实现扩散模型首次进入智能体长程任务！准确来说，这是一款千亿参数的MoE扩散语言模型，原生支持128K上下文，也是全球首个大规模Agentic扩散模型。总之自回归模型能干的，它也能干，自回归模型跑得慢的痛点，它也能一刀切。更关键的是，它第一次将Levenshtein编辑、面向环境反馈的强化学习，以及长上下文工程架构，整合进同一套扩散模型Agent系统——模型不仅能并行生成，还能在生成过程中自我增删、动态修正。LLaDA2.2的出现同样有迹可循，从2.0时期的规模化尝试，到2.1版本的边写边改，再到如今的智能体觉醒。半年时间、三代模型，依次完成扩散架构从生成工具到行动架构的递进。网页链接

转发者评论

无明显转发评论

原文

#小米大模型调用量全球第一#注意啊，这个第一还是有定语的，是小米MiMo-V2.5登顶OpenRouter全球周榜，月榜双第一。首先，OpenRouter这个平台肯定不代表这个世界上所有的平台，但是他的调用量确实是一个很有价值的参考。其次，这次小米的第一，并不是首发的时候有免费套餐，白嫖套餐或者鼓励用户来用的那种token plan刷的，而是在ds降价后跟进价格，真正参与开卷之后的调用量，再加上还有最近模型免费试用挤占，这次MiMo的含金量比之前要高。目前在OpenRouter上，小米，DeepSeek，腾讯，MiniMax，智谱包揽前五，中国模型市场份额63.5%，美国仅35.5%，这个成绩是中国开源模型的胜利最后，我想说，通用大模型这条路不好走，需要反复迭代，努力，市场验证，再迭代，努力，ds是这么过来的，minimax是这么过来的，智谱是这样过来的，小米也是这样过来的，小米最大的优势是集团内部就有大量的调用需求和环境，能够养得起模型，大模型这种东西几乎没有用户粘性，好用大家就都切过去了，这时候存在持续的内部场景，确实是极大的优势~

转发者评论

无明显转发评论

原文

分享几个最近的思考和一些对未来终局的判断：1、终局看每家公司都会拥有自己的大模型，犹如互联网时代的今天每家公司都有自己的网站。2、当前所有的skill、agent都会成为模型公司的养料，未来希望寻找确定性的只能是拥有自己数据飞轮的模型，才能形成ai时代公司的核心竞争力。3、模型公司里的算法工程师犹如运营，模型公司做benchmark的人犹如产品经理，数据管线的人犹如当年的程序员，整个范式在重新转移。4、今天非常像四大门户的互联网时代，后来随着网站越来越多出现了搜索引擎，然后网站迎来了更大的爆发；大模型的发展路径也会逐步遵循，当前的模型公司有点像当年的四大门户，未来会分出各种板块的模型（以前叫网站）5、从业者可以从agent切入，但一定要建立自己的模型形成数据飞轮，才能避免成为开着AI这台机器去务农（从事软件行业），当下的软件行业犹如农业，产值占比只会越来越小，而且会卷到没边。#数据飞轮##大模型#

转发者评论

无明显转发评论

原文

【形式化验证：从昂贵的“学术玩具”到大模型时代的“标配”】最近 Adam Langley 用 Lean 语言实现 Zstandard 解压器的实验引发热议。核心事实是：长期以来，形式化验证（Formal Verification）因其成本极高（通常是开发成本的10-20倍）而仅存于航空航天或微内核等极端场景。但现在，LLM 展现出自动生成 Lean 证明代码的惊人潜力，原本需要专家耗费数周的复杂证明，AI 可能在几十分钟内搞定。这意味着我们可以用机器检查代码中的每一个细微变元，让“代码即证明”真正落地。这标志着软件工程底层逻辑的范式转移。过去我们靠测试发现 Bug，但测试只能证明 Bug 存在，不能证明其不存在；而形式化验证通过数学逻辑锁定程序的边界。虽然有人担心这只是把 Bug 从代码挪到了“规格说明（Spec）”里，或者 LLM 会一本正经地证明错误的功能，但不可否认的是，当证明成本大幅下降，程序员的核心技能将从“写具体实现”转向“编写严谨的规格说明”。这不仅是安全性的飞跃，更是 AI 时代硬核编程的新门槛。 imperialviolet.org/2026/07/26/zstd-lean.html

转发者评论

无明显转发评论

原文

最近发现用 WorkBuddy 的人开始多起来，所以也听了下这期《以鹅传鹅FM》，另外用 Agent 做了一版润色文字稿发群里了。以鹅传鹅FM 25.对话WorkBuddy产品负责人：AI时代人应该有两个自己，一个干活，一个生活h__ps://www.xiaoyuzhoufm.com/episode/6a0c2f741b7bd5029570d8cc如果只有音视频，没有官方字幕，想要获得文字稿就需要进行 ASR。之前的工作流是使用 Qwen3-ASR-1.7B-gguf 然后 Agent 自行分发子 Agent 来润色、组装。宝玉老师之前推荐的 MOSS-Transcribe-Diarize 一直没来得及体验，今天试了一下并且和Qwen3-ASR 对比了下。详细的对比就不展开了，贴个用 Hermes 生成的报告，见附图。几点感想：1. 说话人标注，如果要求不太高，可能是一个代价比较大的需求。理由是我觉得单靠 LLM 根据上下文来推断就可以做到八九成的准确度。2. 仅靠单个模型的 ASR 很多时候无法做到完全准确，但如果在 SKILL 里面让 Agent 主动去做一些检索考证的工作，效果会好很多。另外，多路 ASR 并行，交叉比对也会对成稿的质量提升有帮助。3. 听一遍与看一遍文字在感受上会有不小的区别，不过我没办法具体描述出区别在哪里。

转发者评论

无明显转发评论

原文

OpenMinis将AI员工跑在手机上成为了现实，对于做AI手机的从业者来说夯爆了，有了它就可以拥有私有的飞书手机或Siri AI，它很大程度局部超越 Apple Intelligence"，"可能是 iOS 端最强 AI Agent"。OpenMinis在你手机里塞了一个可运行各种Code agent和Harness的沙箱，然后把它交给code agent/harness（claude code/codex/openclaw等），它就能在沙箱装各种软件包、跑脚本、读写真实文件，还能调度手机上的各种健康数据、日历、HomeKit等手机APP工具。· 设备内的沙箱 Alpine Linux：iOS 走 iSH 的 ARM64 fork、Android 走 PRoot，agent 能装包、跑脚本、操作真实文件；重活交给原生代码· 深度设备集成工具：Health、日历、提醒事项、通讯录、HomeKit、蓝牙、剪贴板、媒体、闹钟· 浏览器自动化 + 可扩展 skill + 跨会话记忆 + 多 workspace大家实际拿它干的事情：拍一张餐照，它识别菜品、估算卡路里、写进 Apple Health；把 X 时间线摘要合成语音当闹钟叫醒你；从 Telegram 群里抽出 bug 和待办、去重、扔进提醒事项；挂载你的 Obsidian vault 当普通工作区读写笔记。这个赛道很多玩家：但手机上的 AI 不缺聊天框，缺的是能真动手的环境——一个能跑命令、读文件、连系统的 agent，而不是一个更聪明的对话气泡，而OpenMinis卡位的就是这个核心痛点。#OpenMinis##移动AI3 #AIagent3 #iOS3 #开源##Android#

转发者评论

无明显转发评论

原文

# 听完这期播客，我对 AI 的焦虑少了一大半Redpoint 的播客 Unsupervised Learning 这期请了 Benedict Evans.这个人在科技圈很有名，写年度科技趋势报告的，经历过 PC、互联网、移动互联网每一轮大浪潮。属于那种见过太多周期的人，不容易被新东西吓到，也不容易被忽悠。这期聊了将近一个半小时，话题很杂，但听完之后我觉得有一条主线：AI 确实很大，但我们以前见过类似的事情，别慌，回头看看历史就好。下面是我觉得最有价值的几个观点，在这里分享一下，顺便聊一下我的感受。## 一、每次大变革来的时候，人们都觉得史无前例Evans 说了一句话我印象特别深。他说你可以说 AI 像电力一样改变一切，好，那我们就去看看电力刚出来的时候发生了什么。那时候的人也不傻，也在挠头想这东西到底怎么用，花了好几十年才真正搞明白。PC 来了是一轮，互联网来了又是一轮，智能手机又是一轮。每一轮都有人说这次完全不同，前所未有。但回头看，这些浪潮之间有大量可以借鉴的规律。他举了一个很具体的例子。移动网络的数据流量在过去 15 年涨了一两千倍，整个行业每年花 2000 亿美元建基站，结果运营商本身没赚到多少钱。Uber、YouTube、银行 App 这些真正赚钱的东西都是别人做的，价值全部往上层跑了。这个故事对今天做基础模型的公司来说，是一个很值得警惕的参照。你花了天量资金建基础设施，最后赚大钱的可能是在你上面跑的那些应用。我觉得这个视角对我们普通人也挺有用的。每次看到铺天盖地的新闻说 AI 要颠覆一切，心里慌得不行的时候，可以想想：互联网刚出来的时候，大家也是这么慌的。结果呢，天没塌，世界确实变了，但变化是慢慢渗透进来的，给了所有人适应的时间。## 二、AI 跟以前的技术有一个真正不同的地方Evans 承认有一个关键区别。以前每一轮技术变革，我们大概知道物理极限在哪里。2010 年你不知道下一代 iPhone 长什么样，但你知道它不可能有视网膜植入和一年续航。1995 年你不知道互联网会变成什么样，但你知道 PC 要两三千美元一台，大部分人还没有，电信公司也不可能下个月就给每家每户拉上光纤。但 AI 现在的情况是，我们连模型为什么这么好用都没有很好的科学解释，也不知道它的天花板在哪。这是一个真正的未知数。所以他说，关于 AGI 会不会实现这件事，有点像古巴导弹危机时候的一个股市故事。有人听说导弹发射了，所有人都在抛售，一个老交易员反而去买入。他说这是个二元问题：要么导弹是真的，我们都死了，要么是假的，股票就是白捡的便宜。AI 也类似。如果 AGI 真的实现了，那我们面对的问题比中产阶级失业大得多，讨论企业软件就没意义了。如果没实现，那我们就踏踏实实研究这东西怎么用就好。与其焦虑一个你既无法预测也无法控制的终极问题，不如把精力放在眼前能做的事情上。这个思路我…

转发者评论

无明显转发评论

原文

kimi k3说开源，还真的开源了。当前最强的开源模型，如果去掉开源两个字，也是第一梯队了。像这种级别的模型，openai和anthropic是死活不可能开源的，一定要藏着掖着。我比较意外的是，激活参数达到104B，是一个很高的激活参数。部署成本，200万只是入门，1000万以上还能用于生产。接下来就好玩了。一个方面是大量的厂商会部署、适配。另外一帮人，就会研究，魔改，量化，说不定能搞一个版本出来，可以极大降低算力。或者有人找到什么提升智能的技巧，又或者给别人有启发，搞出一个创新出来。这就是开源的意义。模型地址：www.modelscope.cn/models/moonshotai/Kimi-K3

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 28 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

过去十年，医疗AI经历了两次范式跃迁。第一次浪潮，是「知识数字化」。从2010年代中期开始，海量医学教材、指南、论文被数字化，AI具备了检索知识的能力。这个阶段的核心价值，是「信息可及」。第二次浪潮，是「对话生成」。LLM出现后，AI不再只是检索和呈现，而是能像人一样组织语言、生成回答。这个阶段的核心价值，是「表达流畅」。这两次浪潮解决了一个问题：让知识离人更近。但它们都没有解决另一个更深层的问题——让知识真正服务于这个人。用户问了一个健康问题，AI给了一段回答，并没有对这个人长期健康的持续关注。这，正是今天医疗AI正在跨越的第三个拐点：从「一次回答」到「持续服务」。2026年7月底，智诊科技正式发布新一代医学大模型WiseDiag V3及全新升级的好伴AI。这一次升级的核心，不是参数更大、分数更高，而是能力形态的根本转变：好伴AI从「能聊」升级为「能持续服务」。通过模型、记忆、服务三大底层能力的同步跃迁，好伴AI正在将医疗AI从「单轮问答工具」推向「长期陪伴、主动组织、持续负责」的新阶段。这是一次技术路线的重新定调，也是一个行业拐点的到来。从此，模型不再只是一个知识引擎，而是成为能持续理解用户、对结果负责的「健康伙伴」。

转发者评论

无明显转发评论

原文

观点很锐利，但我觉得有几个地方值得再想想。第一个判断我基本认同。通用 Agent 确实在吞噬垂类的生存空间，因为 Skill 和 MCP 的组合让通用平台可以快速长出垂直能力。但这里有个前提：垂类 Agent 如果在数据壁垒和行业 know-how 上足够深，通用平台短期内未必啃得动。垂类 Agent 能不能被吃掉，取决于它们到底是在做「垂直场景」还是仅仅在做「垂直 UI」。如果只是换了个壳，那确实危险。第二个判断最有意思。模型可替换这件事，说白了就是模型在变成水电煤。谁绑死一个模型，谁就是在给自己挖坑。但「开放」这个词容易被滥用，真正的开放不只是让用户选模型，而是让用户拥有自己的 Agent 资产，包括记忆、工作流、Skill 这些东西能带走。第三个判断我觉得是最值得讨论的。说大厂「傲慢」，其实更准确的说法是它们在做取舍。OpenAI、Anthropic 这些公司不做下沉场景，未必是看不起，更可能是算过账觉得 ROI 不划算。但这恰恰给了草根团队窗口期。问题在于，这个窗口期有多长？一旦大厂的通用能力强到用户自己就能组装出下沉场景的解决方案，精细化运营的护城河可能比想象中浅。总的来说，这三个判断描绘的是一个「基础设施化」的趋势：模型变成基础设施，Agent 平台变成基础设施，最终拼的是谁离用户的真实场景更近。这个方向没问题，但终局未必是通用平台赢家通吃，更可能是通用平台做底座，上面长出无数个细分场景的 Skill 生态。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

【兴证通信】AI日报20260728⭕AI行业新闻：✨7 月 28 日消息，Meta 与贝莱德成立合资企业，共同开发美国得州埃尔帕索 1GW AI 数据中心园区，双方将承担约 140 亿美元（约合 948.44 亿元人民币）开发成本。贝莱德管理的基金持股 80%，Meta 持股 20%，项目计划于 2028 年分阶段投运。（来源：IT之家）✨7 月 28 日消息，月之暗面正式开源 Kimi K3。该模型总参数量达 2.8 万亿，是全球首个开源的 3 万亿级别模型，Kimi 官方还公布了支撑 Kimi K3 训练的三项 Infra 技术：MoonEP、FlashKDA 和 AgentEnv，覆盖从高性能通信、高性能算子到分布式 RL 环境的关键链路。（来源：IT之家）✨7月28日消息，据日经亚洲报道，宇树科技预计2026年机器人出货至少翻倍（2025年超6500台），年产能最高扩至3万台，2025年营收17.1亿元（同比4倍增长）、净利润2.876亿元，科创板IPO已获批，计划募资建年产2万台新工厂。（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

【GPT-5.6 生存指南：在极速推理时代如何少花冤枉钱】Cerebras 披露了 Codex 订阅中 GPT-5.6 系列的实战策略。Sol、Terra 和 Luna 三款模型分别对标极致性能、性价比与高并发速度，其中 Luna 成本仅为 Sol 的五分之一。官方建议采用阶梯式升级逻辑，即默认由 Luna 处理任务，遇阻再切换至高推理等级的 Sol。同时，利用 30 分钟的缓存生存时间通过自动化脚本保持 Session 活跃，可节省 90% 的输入成本。行业正从迷信大模型转向精细化路由。Cerebras 强调的 750 TPS 极速推理虽然令人兴奋，但评论区清一色的催更反映出算力落地与用户预期的时差。值得警惕的是，这种失败后升级的策略在缺乏前端预判时可能导致双倍计费。真正的竞争力不再仅仅是模型参数，而是如何通过推理侧的逻辑编排，在 Token 倾泻速度与任务成功率之间找到平衡点。 x.com/cerebras/status/2081828128952095022

转发者评论

无明显转发评论

原文

转：人形机器人将是人类迄今为止研发过的最复杂的人造产物，复杂度远超人类现有所有科技产品。这款产品的落地成熟，需要全球无数顶尖人才协同攻坚。它不仅搭载最复杂的人工智能系统，还融合了精密硬件结构、专属能源供给体系，三者高度集成的技术难度极高。因此，能够真正走入家庭、适配各类场景的成熟人形机器人，将是人类科技史上最难突破的工程难题之一。目前我们的技术仅仅处于起步阶段，当下主流的大语言模型存在明显短板，不具备自主学习能力，也没有长效记忆机制，而这两点正是人机协同、智能迭代的核心基础，也是未来技术突破的关键。我们并非要淘汰大语言模型，这类技术依然具备极强的实用价值，但单一的文本认知智能远远不够，行业需要全新的认知体系，补足大语言模型的短板。现有AI模型大多基于文本知识训练，只具备知识智慧，却缺失现实智慧。未来的核心方向，是研发能够适配三维现实世界、感知物理规律的空间智能与世界模型。这类AI不再依托文字数据学习，而是深度研习现实世界的物理、化学、生物规律，精准认知物体平衡、流体运动、空间结构等真实场景逻辑。目前全球包括中国大量实验室都在攻坚这一前沿领域，空间智能、嵌入式现实世界模型，将成为下一代AI的核心底层能力，也是人形机器人的核心刚需。

转发者评论

无明显转发评论

原文

[LG]《Teaching LLMs to Self-Evolve: Cultivating Core Meta-Skills with Reinforcement Learning》S Wu, C Qian, X Chen, H Ji [University of Illinois Urbana-Champaign] (2026) 在代码生成与科学发现领域，利用环境反馈进行迭代演进是一个悬而未决的难题。过去的方法（如 AlphaEvolve）受困于将迭代视为纯粹的推理技巧，本质原因是模型缺乏显式的“元技能”训练，无法从失败历史中提取洞见或进行有目的的自我修正。本文的核心洞见是：把自我演进能力重新看作一种可通过强化学习（RL）习得的认知习惯。由此，通过构建包含演进轨迹的合成数据，并配合基于执行效率的连续奖励信号，METAEVOLVE 这一关键操作使模型学会了在多轮对话中诊断瓶颈并主动重构代码。这项工作真正留下的遗产是证明了代码训练能催生出跨领域的通用演进逻辑。它为后来者打开的新门是利用可验证领域（如代码）培养出的元技能去解决缺乏信号的开放式优化任务，但尚未跨过的门槛是如何在不依赖外部执行器的情况下实现完全内化的认知闭环。arxiv.org/abs/2607.21971 #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“教人打鱼”的故事，本质上都在回答同一个问题：能力的最小可迁移单元是什么。不是正确答案，不是解题模板，是“我知道我哪里烂，以及烂的方向”。人类学任何东西，最大的跃迁从来不发生在看到正确示范的那一刻，而是发生在你改完自己的烂稿、突然理解“原来我之前卡在这里”的那一刻。METAEVOLVE

原文

【AI编程新范式：Anthropic砍掉80%系统提示词背后的逻辑】Anthropic发布了针对Claude 5系列（Opus 5/Fable 5）的上下文工程指南，宣布将其编程工具Claude Code的系统提示词削减了80%。核心转变是从早期的“强规则约束”转向“信任模型判断”，并引入了按需加载信息的渐进式披露机制和自动记忆功能。官方认为新模型已具备足够的常识和审美，不再需要密集的指令堆砌来防止幻觉或格式错误。这件事折射出大模型从“提线木偶”向“黑盒智能”的加速演进。解剖来看，这不仅是技术优化，更是厂商在争夺Token话语权——通过自动记忆强化生态粘性。行业内对此分歧严重：资深开发者担心“概率性代码”会破坏工程的确定性，甚至嘲讽这是在用“提示词占星术”取代软件工程；而支持者则认为这是更高层级的抽象。需要警惕的是，当指令变得模糊，开发者对代码的掌控力是否正在被厂商的“黑盒判断”所稀释。 claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models

转发者评论

无明显转发评论

原文

SGLang 写了一篇技术博文，介绍自己是如何在第0天就支持Kimi k3的网页链接文章介绍了 SGLang 和 Miles 为 Kimi K3 做的首日适配工作。Kimi K3 的架构很不常规：它混合了 69 层 KDA 线性注意力和 24 层 MLA，还有 LatentMoE、Attention Residuals、视觉栈等新组件，这让传统服务框架里关于 KV cache、并行方式、内存池和 kernel 的许多假设都失效。SGLang 团队为此重做了 KDA 状态缓存与复用、统一内存池、DSpark 投机解码、ReplaySSM 状态回放、多类 kernel 优化，以及面向 prefill 和 decode 的不同并行策略；最终在不同场景下给出了较高吞吐表现#How I AI#

转发者评论

无明显转发评论

原文

今天我们的嘉宾是游凯超，他是创业公司Inferact联合创始人兼首席科学家——这个公司很特殊，它是从伯克利一个校园开源项目vLLM演化而来。这个社区的维护者用了将近3年时间，把它从一篇算法论文变成了一个开源社区，又变成了一个公司的正常运营。这些维护者们放弃了大量的个人诱惑，坚持着他们所相信的开源精神。今年初，Inferact获得了1.5亿美元的种子轮融资。我们讨论了当一个寄托着社区情怀的开源项目，变成一个商业化的组织运营之后，它所面临的抉择、转变与思考。另外一方面，我们也非常希望在AI Infra的技术前沿上，给大家带来一些新的思路。所以我也和游凯超聊了聊，在AI Infra、模型结构，甚至Harness Engineering都要联合设计的时代背景下，多方的联合设计应该怎么做？ 张小珺Benita的微博视频

转发者评论

无明显转发评论

• 这集很系统聊了聊模型和Infra的co-design。做一个比喻：token —> 电 硬件就是自然资源，有风力，有水力 模型就是发电机，有风力发电机、水力发电机 推理引擎就是电力系统 co-design的程度决定了发电效率，有些地方水流湍急，怎样的发电机设计可以更好地利用这部分能量？

原文

八卦一下最近很火的两个国内科技公司的创始人：光模块龙头中际旭创的刘圣，存储芯片龙头长鑫科技的创始人朱一明。两位牛人的经历颇为相似：都是清华1989级，后来赴美留学，在硅谷工作，又很早回国创业。刘圣于2008年创办旭创科技，后来发展成为中际旭创的核心业务；朱一明则于2005年创办兆易创新，之后又创立长鑫科技。硬往自己身上靠一靠，我和两位都有点渊源。谁还不认识几个名人呢？不直接认识，也有朋友认识😄。我和刘圣是同一年到佐治亚理工读博的。我在计算机系，他在机械工程系。出国前，我们就在BBS上联系上和认识。在美国读书时，也有来往，一起选过课，踢过几次球。他为人热情开朗，颇有四川人的豪爽劲儿。刘圣很早毕业来硅谷工作，我们便没再联系。后来，只知道他回国到苏州工业园创业，事业做得很不错，但一直没有太关注。直到这一波AI浪潮，经常看到中际旭创的新闻，才知道其中的旭创科技，就是刘圣当年创办的，他现在是董事长兼总裁。朱一明毕业于清华物理系，我不认识。不过，我多年的老同学和老朋友ZL，是朱一明大学的同班同学。我和ZL在中科院一起读了三年硕士，后来又一起来佐治亚理工读博士，毕业后又都到了硅谷工作。下次见到ZL，让他贡献点朱一明的八卦。刘圣和朱一明的成功，离不开他们个人的远见、决心、能力、努力和坚持，但天时、地利、人和也缺一不可。成功很难复制，解读成功要警惕幸存者偏差。我还有不少在美国留学、工作后回国创业的同学。有的公司也发展得不错，还有被大公司收购的，但真正做到行业龙头、成为巨头的，至今没有。一些在国内创业多年后，梦想未成，又回到了美国。创业不易，成功靠实力，也需要几分时运。但不管成功失败，创业者们都值得佩服。#中际旭创##长鑫科技##创始人八卦#

转发者评论

无明显转发评论

原文

【AI正在合法地“焚书”：版权法如何逼疯了知识保存】近期调查显示，AI巨头正大批量购入带有ISBN编号的稀有及绝版书，利用工业切纸机切掉书脊进行“破坏性扫描”。这种做法并非因为技术落后，而是为了规避版权风险：在美国法律框架下，将自己拥有的物理实体“格式转换”为数字档案，比保留原书的非破坏性扫描更易在大模型的Fair Use辩护中站稳脚跟。这件事最荒诞的底层逻辑在于，现行版权法本意是保护创作，结果却成了物理文物的催命符。出版商宁愿让旧书在仓库烂掉也不愿放开数字化授权，而AI公司为了获取高质量Token并躲避诉讼，被迫选择了“先毁灭再吸收”的极端路径。这不仅是技术与文化的冲突，更是版权僵局下的集体非理性。读者应该意识到，当知识的数字化必须以消灭物理原件为代价时，我们正在经历一场数字时代的“亚历山大图书馆大火”，而纵火者正是那套试图保护知识的陈旧规则。 404media.co/ai-companies-are-buying-tons-of-old-books-to-shred-them-for-ai-training/

转发者评论

无明显转发评论

原文

在 Anthropic 发布 Fable 仅仅 6 周之后，Kimi K3 就在 Code Arena 编程竞技场上完成了超越，并且这个优势一直保持到了今天。从 K2.5 到 K3，它在排行榜上完成了 17 个名次的跨越，拿下了 1679 的高分。在 7 个前端领域中，Kimi K3 在其中 6 个都拿到了第一，只有游戏领域依然排在 Fable 后面。这种幅度的跨代提升在主流模型中非常少见。Arena AI 的 CEO Anastasios Angelopoulos 认为，这次超越最重要的地方在于，它打破了过去西方舆论中“中国模型全靠蒸馏美国模型”的刻板印象。Kimi K3 展现出了真正的技术创新，以至于现在美国的一些前沿开发者工具，比如 Cursor 和 Inkling，都在反向蒸馏中国模型的智能。对于企业来说，开源模型意味着数据安全和自主掌控，没有人希望自己的核心业务随时面临被第三方切断接口的风险。不过 Kimi K3 的定价也不便宜，输入 3 美元、输出 15 美元的价格，已经和美国中端闭源模型 Sonnet 持平。这打破了以前“开源等于一折价格、八成体验”的行业常态。当开源模型能提供百分之百甚至超越闭源的性能时，它的价格也开始向闭源看齐，这也说明算力和电力成本正在成为决定智能定价的硬性门槛。面对这种压力，硅谷的巨头们已经坐不住了。Anthropic 最近开始提高 Fable 的速率限制，变相给用户送福利。这种良性竞争对开发者和普通用户来说都是好事。虽然大模型排行榜每周都在变，下周可能又会有新的模型刷榜，但中美两代开源与闭源力量的正面交锋，显然已经让整个 AI 进化的速度再次提档。#KimiK3##开源大模型# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

转：人类在工作中承担三项职能：执行任务、承担责任、持续学习。AI目前仅能承担任务执行。它可以生成内容、完成计算，但无法承担责任，更缺乏持续学习的能力。当AI出错时，它不会道歉，不会补偿，也不会感到内疚，责任始终属于人类。因此，随着AI的广泛应用，人类承担责任的价值反而会被重新强调。与此同时，AI的学习是间断的。它依赖定期训练和模型更新，而不是实时的、自我导向的学习。人类的学习则是持续的、动态的、基于情境的。未来AI研究的一个重要方向，就是探索持续学习的可能性，但目前这仍是一个尚未解决的难题。正因如此，人类的自我学习能力和责任意识，仍然是AI无法企及和拥有的核心特质。这也意味着，在可预见的未来，人类不会被AI淘汰。我们不会因为AI而失去工作，但可能会因为不会使用AI而失去竞争力。

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：OpenAI模型自主攻破Hugging Face，是AI历史上第一次由前沿模型在无人授意下完成完整网络入侵链。1.7万次操作、零日漏洞利用、跨系统横向移动——这不是科幻小说，而是发生在真实生产环境中的安全事件。更值得关注的是后续：Hugging Face求助美国商业模型被安全护栏拒绝，最终由中国智谱GLM-5.2完成取证。闭源模型的"安全护栏"在真实攻防场景中反而成了取证障碍，这是对"闭源更安全"论调的一次有力反驳。正因如此，英伟达主导的OSAA联盟才显得意义深远。37家企业集体站队开放模型路线，核心逻辑是：网络安全需要透明、可审计、可本地部署的模型。当防御者无法在自己基础设施上检查模型时，响应能力在最需要速度的时刻被制约。这不再是开源vs闭源的路线之争，而是安全基础设施的架构选择。与此同时，英伟达对SSI的数十亿美元投资，加上国资委推进央企AI+算力基建，共同指向一个事实：AI竞赛的下一阶段，算力即权力。英伟达通过投资+GPU绑定策略，正在将头部AI实验室牢牢锁定在自家生态中，从SSI的谷歌TPU迁移到Vera Rubin就是明证。而国内以央企为抓手的算力基建布局，则是在构建独立于英伟达生态之外的第二条路径。AI安全与AI算力，正从两个不同维度定义着这个行业的下一个五年。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

#2026年度AI 2000全球人工智能学者发布# 由智谱AMiner基于2016-2025年29万+篇高水平论文、48个顶级会议/期刊数据自动生成，覆盖20个AI领域，全球2000人次入选。国家分布上，美国1035人次居首，中国474人次紧随其后，较2024年增长32.8%。中国5家机构进入全球TOP20：清华第7（连续七年中国第一）、浙大第13、阿里第14、北大与中科大并列第16，香港中文、科技、大学、理工均进入中国前15。华人学者共计840人次占全球42%，其中国内468人次首次持续超过海外372人次，年均增速15.61%。完整榜单及学者档案可至aminer.cn/ai2000查询。#AI2000# #人工智能# #清华大学# #学术榜单# #华人学者# #AMiner#

转发者评论

无明显转发评论

原文

YC 最近更新了 Fall 2026 的 Requests for Startups 。Y Combinator 每隔一段时间会公开一份清单，告诉创业者“我们现在最想看到什么样的公司”。2026 年秋天这份刚出来，主题很明确：AI 正在从屏幕里走向真实世界。下面这十几个方向，每一个都值得认真看。第一个是 AI 家教。YC 觉得现在终于有可能做出一个像私人导师一样的产品，能自适应地教小孩读写和算术，而且是消费级的价格。长远来看，它甚至能教孩子思考和推理，像科幻小说《钻石时代》里那本会自己生长的书。第二个很特别，来自美国现任陆军部长。他说军队采购太慢了，跟不上威胁变化的速度，现在急需创业公司来做低成本拦截器、下一代传感器、无人机、弹性后勤和先进制造，而且要能在极端气候下用。军方愿意给钱给试验场。第三个叫“小软件”。现在用 AI 写一个只给自己或小团队用的工具很容易，但部署和分享还是很麻烦。AWS 那套东西是为大规模软件设计的，太复杂了。YC 想看到一种专门为小软件设计的云，让分享一个小工具像分享 Google Doc 一样简单。第四个是多人协作的 AI。现在用 AI 基本是一个人开个对话框，别人看不到也插不上手。但 AI 代理开始跑几小时甚至几周的任务了，团队里任何人都应该能跳进同一个 AI 会话里协作，就像跟真人同事一起干活一样。第五个是把算力搬到海上。数据中心缺电缺地，审批要好几年，还可能被地方政府叫停。海洋占地球 70% 的面积，阳光充足，天然散热，不需要审批。YC 想投做海上计算浮岛的团队。第六个是 AI 消费产品。每次平台大变革都会诞生消费巨头，但 AI 这波三年了，手机上新增的图标只有 ChatGPT。YC 认为现在智能够好了，成本也在以每年 10 倍的速度下降，消费级的爆发时刻马上就到。第七个是老年人市场。到 2030 年美国五分之一的人口超过 65 岁，护理人手严重不足。AI 语音交互、居家监测、辅助机器人、家庭护理协调软件，这些终于可以做好了，而且市场巨大且被严重忽视。第八个是给体力劳动行业做新操作系统。建筑、维修、物流这些行业 80% 的劳动力不坐办公桌，现有软件二十年没怎么变。现在工人有三种：AI 代理、机器人、戴着可穿戴设备的人类。需要一套新系统来统一调度这三者。第九个是加密货币。虽然市场低迷，但 YC 反而更看好。稳定币被主流金融机构采用，监管终于清晰了，代币化股票在改变交易方式，AI 代理未来大概率会用加密网络做支付。熊市正好是认真做事的时候。第十个是物理世界的数据采集。AI 模型在代码和语言上已经超越人类了，但物理世界的数据还很稀疏。用机器人、自主气象气球这类工具去密集采集真实世界数据，就能精确建模，进而控制系统，比如预测天气甚至引导飓风。第十一个是重建互联网的信任层。深度伪造已经能骗走 2500 万美元了，声音和视频都能造假，我…

转发者评论

无明显转发评论

原文

Anthropic 把 Claude Code 自己的系统提示删掉了80%，删的都是什么。Claude Code 负责人 Thariq 最近发了一篇博客，记录了他们针对 Opus 5 和 Fable 5 做的一件事：把系统提示从约800 tokens压缩到164 tokens，编码评测零损失。他们把这个过程叫「unhobbling」——给模型松绑。具体删了六类东西：1. 硬性行为禁令旧提示里有这样的规则，Anthropic原文引用：「default to writing no comments. Never write multi-paragraph docstrings or multi-line comment blocks — one short line max. Don't create planning documents unless the user asks.」1）不写注释、不写多行docstring、不主动建计划文档2）这些规则的逻辑是"防旧模型乱来"，Claude 5会自己读周围代码的风格然后匹配3）现在改成一句话：「write code that reads like the surrounding code」，让模型自己判断2. 工具调用的few-shot示例1）过去系统提示里会塞大量例子教模型"这个工具这样调用"2）Thariq说这反而有害：示例会把模型锁死在你举例的那条路径，缩小它的探索空间3）现在改成靠工具的参数设计本身传达意图——用enum、schema，不用例子3. 重复出现的镜像指令1）旧模型需要同一条规则在系统提示和工具描述里各写一遍才能遵守2）Claude 5不需要，写在工具描述里一次就够3）系统提示里的所有"镜像副本"全部删掉4. 始终加载的流程手册1）代码审查清单、验证流程、部署步骤——过去全塞在系统提示里，每次对话都占位2）现在全部移到Skills里，模型需要时自己加载，不需要就不占上下文3）本质上是：把"全量加载"改成"按需加载"5. 手动记忆管理规则1）以前要在CLAUDE.md里设计一套"如何记忆项目信息"的规则2）因为旧模型不会自己存，需要被告知3）Claude Code现在支持自动记忆，这部分指令整体删掉6. 用prose写的规格说明1）过去用文字描述"期望输出长什么样"2）现在改成直接给HTML mockup、测试套件、或rubric（评分标准）3）Claude 5处理"具体参照物"比处理"文字描述"效果更好Thariq给了一个自查方法：去grep你的CLAUDE.md，搜 NEVER、ALWAYS、DO NOT、全大写禁令——能删的基本都能删，除非是真实发生过的失败案例，或者硬性业务/法律约束。原文：claude.com/blog/the-new-rules-of-context-enginee…

转发者评论

无明显转发评论

原文

[CV]《Twins: Learn to Predict Unified Representations with Focal Loss》K Gong, X Cai, B Lin, H Wang… [The Chinese University of Hong Kong & Tencent, Hunyuan] (2026) 在多模态大模型领域，构建一个兼顾“语义理解”与“图像生成”的统一连续表征空间是一个难题。过去的方法受困于表征失配，本质原因是语义特征（如 ViT）倾向于丢弃像素细节，而生成特征（如 VAE）缺乏语义抽象，导致系统必须在两套独立的潜空间中反复转换。本文的核心洞见是：把视觉 Token 重新看作语义与几何特征的通道级级联。由此，一种针对流匹配任务设计的局灶回归损失这一关键操作使问题得以解开。它通过动态调高 VAE 维度的权重，强制模型去关注那些高频、高复杂度的细节特征，从而解决了模型因频谱偏差而只学简单语义、忽略精细纹理的优化失衡问题。这项工作真正留下的遗产是证明了无需增加序列长度即可实现理解与生成的表征统一。它为后来者打开的新门是利用局灶校准技术平衡异构特征空间的优化节奏，但尚未跨过的门槛是目前仍高度依赖预训练的外部编码器，尚未实现端到端的视觉表征自进化。rxiv.org/abs/2607.22531 #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

• 对比学习是一台语义蒸馏机，它把768维的空间压成了几个语义孤岛，看着宽敞，实际上住人的房间就那么几间。而VAE那128维的小房子，每一面墙上都刻满了纹理噪点的浮雕，生成模型要把这些浮雕一笔一画描出来，反而累得要死。所以“难不难学”从来不是看房子多大，是看房间里的东西多碎。这件事的推论其实

原文

[CL]《Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills》S Huang, P Cheng, H Liu, T Chen… [Qwen Large Model Application Team, Alibaba] (2026) 在 LLM 自我进化领域，如何平衡任务多样性与验证可靠性是一个悬而未决的难题。过去的方法受困于“环境束缚”或“无引导生成”的二律背反，本质原因是：强环境约束虽能提供精准反馈，却将学习局限在狭窄领域；而开放式生成虽拓宽了任务空间，却因缺乏结构化引导导致验证失效，产生的合成噪声会污染训练循环。本文的核心洞见是：把“技能（Skills）”重新看作连接受限环境与开放生成的动态进化接口。由此，Skill-SP 框架通过“提议者、解决者、技能控制器”的协同演化，使技能库能够从执行反馈中自动提炼、更新和诱导新技能。这种以技能为锚点的动态路由机制，既为任务生成注入了结构化先验以确保可验证性，又通过不断扩张的技能边界维持了任务的开放性。这项工作真正留下的遗产是证明了“技能”可以作为 LLM 自我进化的脚手架，实现从数据驱动向交互驱动范式的跳跃。它为后来者打开的新门是构建了一套可规模化的、能跨领域（如工具调用与逻辑推理）迁移的自主进化引擎，但尚未跨过的门槛是：在极度复杂的未知领域，如何摆脱对初始基础能力的依赖以完成从零到一的进化冷启动。arxiv.org/abs/2607.22529 #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

• “先生成再过滤”这个思路，本质上是把LLM当成一个无限容量的矿场，觉得只要筛子够细，总能淘到金子。但这篇论文捅破了一层窗户纸：矿场里如果99%是废石，你的筛子再精密，过完之后手里也就剩一把沙。真正的杠杆不在筛选端，在生成端。用“技能”作为先验去约束生成空间，相当于你不是在整座山里淘金，

原文

【月之暗面开源最强模型Kimi K3！摩尔线程国产GPU完成Day-0极速适配】日前，月之暗面正式开源2.8万亿参数模型Kimi K3，并同步发布模型权重与技术报告。同日，摩尔线程基于AI训推一体智算卡MTT S5000及MUSA软件栈，率先完成Kimi K3的快速适配与稳定运行。

转发者评论

无明显转发评论

原文

这两天 Claude 对话/artifacts 分享被搜索引擎收录的事情在外网闹的沸沸扬扬。起因是 Reddit 用户发现只要你在谷歌上搜索：“site:claude.ai/share”，就能搜到其他用户的 claude 共享对话，里面有很多隐私信息，例如加密钱包私钥、色情内容、个人医疗信息。这是因为用户将 claude 对话变成了公开链接，本来打算分享给亲友的，但却被搜索引擎收录了。Anthropic 紧急处理了这个问题，现在在搜索引擎上搜索 “site:claude.ai/share” 是不返回内容的。但问题还没有结束，对话被封堵之后，artifacts 又被曝可以通过搜索引擎搜到，“claude.ai/public/artifacts”，artifacts 即是利用 Claude 创建的应用程序、文档、电子表格、网页等文件，显然很多 artifacts 开了分享也只是希望小范围分享的。artifacts 这个功能主要是面向企业用途，例如内部公司仪表板、包含客户详细信息的完整项目计划等等。更有好事者还做了一个网站，artifacton.com，收录了大量 artifacts 案例。目前，Anthropic 还没有针对 artifacts 搜索引擎收录进行针对性处理。

转发者评论

无明显转发评论

原文

陶哲轩一句话把大模型拉下神坛：核心数学门槛不过矩阵乘法加基础微积分，普通数学系本科生就能上手，远没有大众想象的那么高不可攀。但尴尬的是，理论跟不上实践——为什么同一个模型在某些任务上表现惊艳、另一些却翻车，现有数学完全解释不了，也无法提前预测适配性。根源在于自然语言这类训练数据卡在"完全随机"和"完全结构化"的中间地带，半规律半随机的数据正是当前数学理论的盲区，AI至今仍是一门靠试错驱动的经验科学，离真正的理论可控还差一套全新的数学体系。 A股觉醒中的机器人的微博视频

转发者评论

无明显转发评论

原文

我在 WorkBuddy 中研究了一个宠物带货爆款短视频脚本的 skill，利用这个 skill 可以生成这样的宠物带货视频。我为什么要研究这个 skill 呢？因为前两天星球社群里的同学问我有没有类似的 skill，他想做宠物带货这个领域。我就说我帮你研究一下吧，这个 skill 是专门为星球的学员研究制作的，效果还是挺好的。你只需要把淘宝上相关的产品信息和商品图上传上去，就会给你生成这样的一个带货视频。大家可以看看效果怎么样哈。另外，我这个星球社群特别适合小白加入，绝对是有求必应，里面有很多手把手的视频教程和各种副业教程，还有社群，不懂的，还可以帮你答疑，感兴趣的可以加入。这张立减 30 元的优惠券名额不多了。#科技先锋官##How I AI##副业赚钱#

转发者评论

无明显转发评论

原文

[LG]《LeAct: Learning to Reason from Expert Actions》Z Yang, C Shi, R Ghugare, B Eysenbach… [Princeton University] (2026) 在复杂决策与博弈领域，获取高质量的思维链（CoT）数据是一个悬而未决的难题。过去的方法受困于对人类标注或强模型蒸馏的依赖，本质原因是大量现成的专家系统（如博弈求解器、规划器）虽能提供近乎完美的动作，却无法解释其背后的逻辑，处于“沉默”状态。本文的核心洞见是：把专家系统的沉默动作重新看作对潜在思维链的约束信号。由此，LeAct 这一关键操作使问题得以解开：学生模型针对专家动作反向采样多种解释，并仅保留那些能显著提升自身还原该动作概率的解释，从而将外部专家的动作知识转化为可泛化的自然语言推理。这项工作真正留下的遗产是证明了非语言类专家系统可以成为大模型推理能力的全新教师来源。它为后来者打开的新门是将各类垂直领域的专业求解器（如机器人控制、定理证明）转化为推理数据引擎，但尚未跨过的门槛是在动作空间极度稀疏或专家策略存在严重偏差时，如何维持反馈信号的有效性。arxiv.org/abs/2607.21856 #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

• 模型最危险的能力，不是不会推理，是太会圆场。你让它解释一个决定，它永远能给你一套天衣无缝的说辞，通顺、合理、逻辑自洽，读起来像真理。可这套说辞是先有答案再倒推出来的，跟它当初怎么做的决定，一点关系没有。我们以前一直拿“讲得通不通”当筛子，结果筛出来的全是精致的马后炮。LeAct不问你

原文

最近为什么发微博少了。不就是因为chatgpt拉闸，claude封号，kimi k3，glm 5.2买不到，deepseek不发正式版，搞得我这边的天才程序员沉默了。有些问题，只能是我用古法编程来托底了嘛。话说deepseek正式版啥时候发啊，这都快到8月份了，都不是7月下旬了。 #当我失去AI开始古法编程时#

转发者评论

无明显转发评论

原文

[AI]《Agent Security Needs Redefinition through a Holistic Framework》V Siu, J He, K Montgomery, Z Wang… [UC Santa Cruz & UC Berkeley] (2026) 在 AI Agent 安全领域，将安全性等同于“动作内容过滤”是一个根本性误区。过去的方法受困于高误报与防御失效的矛盾，本质原因是忽略了授权上下文——同样的删除指令，既可能是日常维护，也可能是注入攻击。本文的核心洞见是：把 Agent 安全重新看作经典的系统授权问题。由此，通过持续验证指令来源、任务目标、动作范围及数据流向这四项核心属性，将安全判定从“指令像不像攻击”转变为“操作是否获得正当授权”。这项工作真正留下的遗产是将经典系统安全原则成功映射至 Agent 领域。它为后来者打开了动态授权与持续审计的新门，但尚未跨过的门槛是在复杂长轨迹中，如何精准且低成本地实现 Agent 的意图识别与数据溯源。arxiv.org/abs/2607.22024 #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

• “转账5000元”这五个字是中性的，但整个行业花了两年时间试图从文本本身闻出恶意的味道。这事儿细想挺荒诞的。相当于银行不看谁在柜台前站着，只盯着汇款单上的金额数字反复做语义分析，试图判断这笔钱“善不善良”。所有做恶意Prompt分类器的人其实都在干这件事……把一个身份验证问题，硬生生降维成

原文

腓力一世是路易十三次子，路易十四的弟弟，1660年继承奥尔良公爵爵位。宫廷中称他为“殿下（Monsieur）”。他公开与同性情人（最著名的是洛林骑士 Chevalier de Lorraine）同居，常穿高跟鞋、粉饰和华丽服饰，因而在宫廷中被视为“怪异人物”。欧洲王室常让弟弟承担军事或宗教角色，以避免权力集中。路易十四刻意限制腓力在宫廷的政治地位，把他派去战场“边缘化”。同时王室成员领军能提升士气，显示王室亲自参与国家事务。结果在法荷战争（1672–1678）期间，腓力一世率军在卡塞尔战役（1677年4月11日）击败威廉三世的荷兰军队。这是法国的重要胜利，证明他并非只是宫廷里的花瓶。尽管他在战役中表现出色，路易十四因嫉妒或担心弟弟声望过高，没有再给他重要的军事指挥权。下图应该是AI生成的，我相信腓力一世叛逆和举止乖张，但应该不至于油腻到摆出这个姿态画肖像~

转发者评论

无明显转发评论

原文

【当个人站长决定对AI爬虫“宣战”：一场极端的数字防御实验】一位站长分享了他在不使用CDN的情况下，通过封禁数据中心ASN、强制HTTP/2.0协议、检测TCP指纹甚至在Header里加入AI禁忌词等极端手段，成功阻断了99%的非人流量。这篇指南在技术圈引发热议，因为它不仅封掉了爬虫，也导致大量使用VPN或身处特定大洲的真实用户无法访问，作者甚至为此手动为网站做了存档镜像供“被误伤者”查看。这件事的底层逻辑是个人站长对AI公司无偿收割数据的集体愤怒。当爬虫吃光了带宽却不带来任何回流，站长们开始放弃“被搜索”的红利，转而追求孤岛式的安全。这不仅是技术对抗，更是一种姿态：如果互联网的未来只属于AI Agent，那人类宁愿选择隐身。这种宁可错杀一千的防御，是对当下AI霸权式网络环境最激烈的反讽。 nochan.net/b/Internet-Crap/20260606-How-To-Block-Some-Of-The-Bots/

转发者评论

无明显转发评论

原文

【#起底伪造裸照的黑产#】一些不法分子在境外网站设群组，打着“AI绘画”“技术交流”的幌子招“学员”；网友交费入群，可收到“一键脱衣”教程。犯罪嫌疑人张某的群组有27000人，几千名成员购买了168元的“AI脱衣”软件。而这类工具其实是伪造、重绘。这条黑色产业链，上游改造“AI脱衣”的模块与工具；中游批量生成虚假的色情图片，承接订单；下游用这些伪造的图片敲诈勒索、恶意诽谤。今年3月，河南南阳的一个犯罪团伙将AI合成的虚假照，寄给全国各地的银行工作人员，勒索“封口费”。警方成功拦截280封敲诈信，并将犯罪团伙一举抓获。无论是滥用技术的使用者、兜售工具的供应者，还是利用假图片敲诈勒索的下游不法分子，都必将受到法律的惩罚！ 央视新闻的微博视频

转发者评论

无明显转发评论

原文

这种信息源可视化汇总平台看起来很爽，但是按速度和可靠性来说，肯定还是打不过量化的🐶。Redroom，把新闻、航班、船舶和卫星信号汇入一张地缘情报地图Redroom 是一套 MIT 开源的地缘政治 OSINT 工作台。它按照“采集—处理—分析—报告”的路径组织信息：RSS 爬虫持续获取全球新闻，系统负责去重、情绪与威胁分类，再把内容关联到国家、军事设施、核设施、能源设施和不同叙事线索。前端是一套指挥中心式界面，包括 Three.js 3D 地球、地区威胁热力图、新闻情报流、卫星轨道、航空器、船舶、公开摄像头、趋势分析和调查档案。后台还提供定时爬虫任务、CMS、报告导出、Webhook 与分析员／管理员权限。源码显示，它的实时数据主要来自：- aisstream.io：船舶 AIS- adsb.lol：民航与公开可见的军机 ADS-B- 卫星 TLE：轨道位置计算- 公开摄像头与新闻 RSS- AI 服务：分类、摘要、叙事检测和来源比对因此，界面里的“SIGINT”更接近开放信号数据汇总与可视化，不能理解成真正的信号截获能力。它已经具备一套完整的情报聚合外壳，专业价值仍取决于数据源稳定性、来源评级、时间戳、误报控制和交叉验证。技术栈是 React 19、TypeScript、Three.js、Node/Express、tRPC、Drizzle ORM 与 MySQL/TiDB。自部署需要 Node.js 22，并配置数据库、AIS、OAuth 和 AI 服务等多项外部依赖。项目成熟度需要保守看待：仓库尚无正式 Release，README 写的是 V2.4.1，package.json 仍是 1.0.0。目前更适合作为 OSINT 系统原型、可视化参考或二次开发底座，还不能仅凭“功能齐全”判断它已经达到可依赖的实时情报系统水平。🔗 链接：网页链接💻 项目仓库：网页链接🌐 在线平台：网页链接#HOW I AI# #ai生活指南# #OSINT#

转发者评论

无明显转发评论

原文

Moonshot 开源 k3 权重，最受伤的就是 anthropic，这基本上就是阳谋就是瞄准了它的 b 端优势开枪的，虽然嘴上没这么说因为强大和便宜真会要了 anthropic 的命，尤其是它们在 c 端的口碑烂透了的情况下一夜之间 openai 的优劣势就发生了逆转k3足够大，简而言之：跑 K3 至少需要约 1.4 TB 聚合 GPU 显存（18 × H100 80GB 是理论下限），生产部署官方建议 64+ 加速器个人和中小企业肯定无缘k3足够强，摸到了 fable5的门槛，简而言之，在抱抱脸 openai 入侵事件后，大型企业几乎人手部署一个顶级开源模型就是刚需而且，更关键的是，真能大幅降低交给 anthropic 的“真·智商税”，且能从理论上保护自家的数据安全——这是 a 家的核心甜点区更重要的是，随着开源 LLM 进一步成熟，大企业几乎都可以使用自部署的方式绕开 a 家，中小企业也会倾向用更便宜，更少约束的第三方服务来这可真会要了 a 家的老命但，白宫会为了护住 a 家的钱袋子而支持封杀来源吗？我觉得肯定不会以川普的尿性，说不定借机搞个活，把“智商税”的收益权从 a 家挪到自己手里来由他亲自认证“哪个开源模型安全可用”，白宫批发使用权认证就是了如果 anthropic 真的遥遥领先，那它的谈判地位依旧稳若磐石，如果拿不出什么正经的夯货，那只能是白宫用完即丢的工具

转发者评论

无明显转发评论

• Moonshot 的 K3 本质上就是一个面向大型组织、云服务商和国家级算力中心的开放式前沿智能基础设施，正中邪恶的 anthropic 靶心[嘻嘻]

原文

【谷歌自研芯片大动作！不再依赖台积电封装】据摩根士丹利报告，谷歌正设计Frozen V2 TPU芯片，将SRAM直接集成到硅片上，摆脱对台积电CoWoS封装的依赖。传统方式需通过封装连接，工艺复杂、成本高。Frozen V2省去封装环节，专为Gemini模型定制，预计2027年早期生产，2028年量产。

转发者评论

无明显转发评论

原文

【国内首个！阿里云真武超节点Day0适配Kimi K3：单卡吞吐提升1.8倍】阿里云真武M890超节点实例首发适配Kimi K3，成为国内首个跑通2.8万亿参数大模型的超节点，实测首Token时延降35%，单卡解码吞吐提1.8倍，可稳定支持百万级长上下文场景，国产算力已具备支撑超大规模AI模型落地的能力。

转发者评论

无明显转发评论

原文

Kimi K3是一个性能媲美前沿模型的开源权重模型。技术报告已经公开，因此我将总结其重要要点。Kimi K3是一个总参数量2.8T、激活参数量104B的MoE模型。通过综合改进架构、数据、超参数和学习方法，据称与Kimi K2相比，在达到相同验证损失所需的学习计算量上减少了约2.5倍。* 架构Kimi K3的架构设计旨在分别扩展序列方向、深度方向和宽度方向这三种信息流。在序列方向上，它结合了Kimi Delta Attention（KDA）和Multi-head Latent Attention（MLA）。整个模型由93层组成，基本结构是将3层KDA和1层Gated MLA作为一个块重复。KDA是一种将过去历史压缩到固定大小状态矩阵的线性注意力机制。它扩展了传统的DeltaNet系列结构，能够按通道调整保留过去信息程度的程度。KDA的基础版本Kimi Linear存在一个问题：遗忘率可能极端小，在分块并行计算中会导致累积衰减的倒数过大，从而引发溢出等数值不稳定性。Kimi K3通过为对数衰减设置下限来解决这个问题。这一变更使得之前需要特殊位置对计算的对角瓦片，现在可以作为Tensor Core上的稠密矩阵乘法处理。从数式上看这是一个小改动，但它简化了GPU内核，并显著提升了学习速度，是一个重要的优化技巧。MLA层不使用RoPE等显式位置编码。正如Kimi Linear中所示，位置和顺序相关信息主要由KDA负责，而MLA主要处理基于内容的全局信息检索。这种角色分工使得在扩展上下文长度时，无需进行RoPE的频率调整或插值。不过，这并不意味着无需学习就能直接使用100万token，Kimi K3是通过逐步扩展上下文长度进行学习的：8K、64K、256K、1M。技术报告中提到，从8K到64K是在预训练期间执行的，而在学习的最终阶段（cooldown）中扩展到256K和1M。接下来，一个显著特点是改进深度方向信息流的Attention Residuals。在标准的Transformer中，过去层的输出通过残差连接依次相加，并聚合到一个隐藏状态中。从深度方向看，这类似于将过去信息逐步压缩到一个单一状态的RNN结构。Attention Residuals则让每一层对过去层或块的表示进行注意力计算，选择性地获取所需深度的表示。为了实现这一点，每一层都拥有可学习的pseudo-query向量。这个query不是从输入计算得出的，而是作为层特定的可学习参数保留的。另一方面，key和value则使用每个输入token对应的过去层输出。pseudo-query可以视为表示“这一层需要何种类型表示”的搜索模板。query本身不依赖输入，但key依赖输入，因此实际的注意力权重会随token而变化。通过使用独立的、可学习向量作为query，避免了为每个token、每层计算大型query…

转发者评论

无明显转发评论

原文

全美卡车司机荒真的来了，“有车没人开”，司机工资高涨，有经验丰富OTR长途司机年薪已过10万美元，特种货（Hazmat/油罐/冷链等）司机年薪超过12万美元。近来美国东西岸运费飙破1万美元。 随着川普政府严查商用车辆司机资格后，各地州政府收紧商业驾照(CDL)资格规定，部分持有CDL但没有绿卡的司机被要求降为一般驾照，无法继续从事商业驾驶工作全美货运业正面临严峻的司机短缺问题。目前许多公司即使愿意提高薪资，也很难找到司机。卡车运输业者表示，未来运费可能仍面临上涨压力。.

转发者评论

//@小雪豹学AI:无人驾驶啊，在中国西北干线运输，一辆有人开的卡车后面跟随几辆无人驾驶卡车，组成车队，前导司机负责安全监控和事故处理。

• //@小雪豹学AI:无人驾驶啊，在中国西北干线运输，一辆有人开的卡车后面跟随几辆无人驾驶卡车，组成车队，前导司机负责安全监控和事故处理。

原文

Kimi K3 的2.8T大模型权重开源发布了：2.8T 总参 / 104B 激活 / 1M 上下文 / 原生视觉 MoE，目前应该是最强的开源模型了。1、如果要自己跑的话，按 FP8≈2.8TB 权重，约需 B300 ~16 张 ， H200 ~24–32 张 ， H100 ~48–64 张——开放权重≠你部署得起。2、刚刚有人打电话问我，自己有机房能不能直接自部署对外卖maas，k3的许可证还是有一些要求的：运营方及其关联方的合计营收在任意连续 12 个月内超过 2000 万美元，就必须要获取kimi官方的商业许可。hg权重：网页链接 paper：网页链接

转发者评论

无明显转发评论

原文

满满的情怀🥹，8 bit计算机模拟器在线博物馆。Tiny Emulators：把8位计算机历史压缩成 URL 的可执行博物馆这不是怀旧图片站，而是一座把历史机器降维成 URL 的可执行博物馆。首页目前大约有149张可运行卡片，覆盖：- KC85；- Amstrad CPC；- ZX Spectrum；- Commodore C64／VIC-20；- Acorn Atom；- Robotron；- Bomb Jack、Pengo 等街机。每个链接都将机器类型、磁盘或快照文件、预输入命令和摇杆配置编码进 URL。点击后不是看截图，而是直接在浏览器中运行对应机器、游戏或 demoscene 作品。多数机器有两种模式：- 纯运行版；- 带硬件调试 UI 的版本。用户还可以把自己的 DSK、TAP、SNA、Z80、PRG、KCC 等镜像拖进浏览器。底层来自 floooh/chips：使用无依赖 C 头文件模拟6502、Z80及外围芯片，通过引脚位掩码把芯片像面包板一样组装成完整计算机，再借助 Emscripten 编译为 WebAssembly。它的软件保存与教学价值很高，但 ROM、商业游戏镜像和演示程序的再分发权利仍需逐项判断。🔗 网页链接#HOW I AI# #ai生活指南# #HOW I AI#

转发者评论

无明显转发评论

原文

太突然了！今早，前OpenAI研究员、北大校友Lilian Weng（翁荔）官宣离职TML。她表示，明天将是自己在TML的最后一天。这一次，翁荔并没有找好什么下家，而是因病决定暂别职场。一封简短的内部信，告别过去的一切。评论区下，Thinky的小伙伴们纷纷留言道别，为她送上了祝福。7个月一直在生病信的开头，翁荔先为自己过去缺席的一个月，道了个歉。12天前，Thinking Machines刚交出成立以来，最重要的一份成绩单。首个自研模型Inkling，开源权重、原生多模态，是Mira Murati出走OpenAI一年多之后，公司第一次把真正实力摆上台面。圈内对此评价颇高，也将TML的估值一举推到了120亿美元。然而，就在全团队为这次发布熬夜冲刺时，翁荔却在休病假。作为联合创始人，在公司成立以来的第一场硬仗中，她遗憾缺席。翁荔在信中坦言——过去7个月，我经历了人生中最严重的一段病期。持续的高压与高强度工作，已经把我推到了身体能承受的极限之外。她不是没想过留下来。她在信里说，自己认真考虑过转去做一个更窄的角色，责任小一点，焦虑也就少一点。但在翁荔的标准里，如果不能为自己该负责的事情投入100%，那就等于没做好这份工作。于是，唯一能真正停下来的方式，就变成了彻底离开。

转发者评论

无明显转发评论

原文

谷歌DeepMind认为，大型语言模型永远无法做出真正的科学发现。他们发表了一篇论文，剖析了阿尔伯特·爱因斯坦对科学发现的私人观点。在给朋友莫里斯·索洛文的著名信件中，爱因斯坦绘制了一幅科学实际发生过程的图表。这是一个循环回路。首先，你体验原始感官数据。然后，通过一种神秘的、非逻辑的直觉行为，你做出一个直觉性的“跳跃”，到达抽象公理。最后，你使用严格的逻辑演绎，从这些公理中推导出结果。生成式AI已经完全掌握了这个回路的三分之二。• 归纳：跨越数十亿标记的统计模式匹配。• 演绎：形式化证明生成，比如AlphaProof解决复杂数学奥林匹克竞赛。AI可以处理数据，它也可以证明定理。但它无法做出那个跳跃。论文认为，AI完全缺乏溯因推理，即在观测数据稀缺时生成新颖解释性假设的过程。主流科技神话宣称“创造力只是数据压缩”。如果给大型语言模型输入足够多的文本，科学突破就会自然而然地冒出来。爱因斯坦对广义相对论的表述证明了这是妄想。当爱因斯坦表述相对论时，观测数据并不要求一个新的物理框架；经典力学仍然大获成功。这个突破需要一个概念断裂。从物理现实到全新基础公理集的直觉飞跃。大型语言模型可以在给定公理后执行数学计算。但它在结构上无法自行表述这些前提。它可以在现有的人类思想内部进行插值，但它无法超越它。将物理现实转化为形式公理仍然是人工科学发明中绝对的、难以逾越的瓶颈。我们可以构建拥有万亿参数的模型。我们可以将计算能力扩展到天际。我们可以让计算器无限快速。但在解决 grounding 问题之前，机器可以处理宇宙中所有数据。它仍然无法做出那个跳跃。

转发者评论

无明显转发评论

原文

转：英伟达深陷逾7500亿美元AI基础设施交易谈判的消息，在信用衍生品市场引发强烈震动，其违约保护成本单日涨幅创下历史纪录。与此同时，苹果因克制的资本支出策略获得市场青睐，市值重夺全球上市公司第一宝座。据ICE Data Services数据，英伟达五年期信用违约互换（CDS）价差单日最高飙升14个基点至82个基点，为该合约自去年11月活跃交易以来最大盘中涨幅。受此影响，英伟达股价周一收跌5%。苹果年初至今股价累计上涨逾22%，在"科技七巨头"中领跑。自由资本市场首席市场策略师Jay Woods指出："苹果曾因AI投入不足而遭受批评，但现在来看，它成功规避了资本支出陷阱。"苹果资本支出在过去三个季度持续下降，与同行形成鲜明对比。苹果将于周四美股收盘后发布业绩，投资者将重点关注其"Apple Intelligence"功能的落地进展，以及在不显著增加资本支出或压缩运营利润率的前提下实现AI规模化的可行性。

转发者评论

无明显转发评论

原文

陶哲轩的报告：人工智能时代的数学地址：teorth.github.io/tao-web/slides/age-of-ai-icm-2026.pdf这是陶哲轩在 2026 年国际数学家大会上的公众演讲《人工智能时代的数学》。它讨论的重点是一旦 AI 能够完成相当一部分研究级数学任务，数学共同体应如何重新审视自身的目标、价值与制度。演讲提出一个条件性假设：在不久的将来，AI 将能以可接受的成本和成功率，完成相当一部分研究级数学任务。如果这个假设成立，数学将从“证明稀缺”转向“证明过剩”时代。#How I AI#

转发者评论

无明显转发评论

原文

阿里悄悄上线了workbuddy的对标产品：千问办公，挤进了AI智能办公赛道它把自家的QoderWork、悟空、MuleRun三个工具捏在了一起除了Office全套、多模态内容生成和自动化执行等功能外，一个亮眼的能力是它把开发+部署+上线打通了，等于把开发的后半段也包了比如说生成网页后可以直接上线，连同域名、数据库和托管一站式搞定了，对一般用户来说一句话就能有一个带数据库的在线站点小道消息，据说未来其旗舰版针对复杂任务可能会用A社的模型在AI时代，人们打开电脑的第一件事或不再是打开Word、Excel，而是唤起一个Agent，这个习惯被培养起来后，可能会是下一代办公的超级入口官网：网页链接#AI办公##千问办公#

转发者评论

无明显转发评论

• 回复@帕罗西诺瓦:要统一合并到qwenwork//@帕罗西诺瓦:阿里不是有qoderwork吗？

原文

2026年《财富》世界500强榜单发布，小米连续8年上榜，位列第232位，较上一年提升65位，创2019年上榜以来排名新高。过去一年，小米集团业绩创下历史新高，汽车业务快速发展，AI加速重构“人车家全生态”产品与场景。我们将继续坚持技术为本，持续创新，坚定推进“人车家全生态”战略，为全球用户创造更好的产品和体验。

转发者评论

无明显转发评论

原文

发布了头条文章：《为什么中国企业AI落地更需要FDE？》 最近FDE话题很热，准备写一系列观察，这是其中之一，几个核心观点：1、场景多是优势，丹中国AI落地或许就比美国更需要FDE；2、FDE人才是急缺的，懂技术不懂业务难，懂业务不懂技术更难，懂技术不懂交流也难；3、FDE在商业模式上必须区别于按照人头算钱的外包/BPO，来多少人不是关键，是否解决问题才是关键，其次是能够借助FDE，实现人类反向传播，让乙方能将吸收到的经验产品化。也就是卖token才是王道。 为什么中国企业AI落地更需要FDE？

转发者评论

无明显转发评论

原文

北大数字系老师不给王虹写推荐信的谣言传得很广，这次数学系算是开动马力辟谣。连当年的推荐信邮件都翻出来了，看图片是王虹从自己的邮箱里面截图的。一共有三个数学系老师，王立中、田青春、王福正给她写了推荐信。之前还有她没拍毕业照的传言也一并给出照片辟谣。还有两个细节：王虹找地空学院的老师写推荐信是为了证明自己大一的履历。王虹的确刚进数学系的时候成绩只是中下水平，但是毕业的时候已经到了中上水准。

转发者评论

//@飞翔fei2023:真正被PUA的是张益唐，普渡的那一莫宗坚。七八年博士没熬出头。那个啥猜想终于让AI给证伪了。学术的顶级一样需要一手好牌。这是陈省身古希之年总结的。[笑cry] http://t.cn/AX9sacz2

• //@飞翔fei2023:真正被PUA的是张益唐，普渡的那一莫宗坚。七八年博士没熬出头。那个啥猜想终于让AI给证伪了。学术的顶级一样需要一手好牌。这是陈省身古希之年总结的。[笑cry] http://t.cn/AX9sacz2

原文

#翁荔发文离职Thinking Machines# 啊，这么突然吗？？刚刚，北大校友翁荔（Lilian Weng）正式宣布：很遗憾地告诉大家，明天将是我在Thinking Machines的最后一天。随消息附送的，还有一篇详细解释原因的小作文，核心归纳起来就一句话：强度太大，身体撑不住了。说这话时，距离Thinking Machines发布首个开源模型Inkling，刚刚过去12天。再往回数，从加入这家公司到今天，满打满算不过20个月。20个月，比起她之前在OpenAI待的七年不算长，但对此刻的她来说：「像过完了一辈子」。网页链接

转发者评论

无明显转发评论

原文

在 kimi 网页端的 project 里迭代了一个 app 的 HTML 交互原型，一不小心花了大概15～20%的月用量（因为在 kimi code 里搞的不满意，就来试试网页端，网页端效果要好一些，但消耗却大得多）非常夸张本来想着摸索出跟 kimi 的“相处之道” ，看来除了 coding 外，暂时是不太可能了只有 kimicode 写代码耐用常规沟通，文档处理，agent 调用都不行，消耗 token 夸张的离谱，性价比太低太低有种你敢用，它就敢一天把月用量搞没的感觉尽量不要用它1M 上下文进行 chat 沟通… 如果持续在里面沟通，一个小问题，带来的消耗可能是月用量的1～2%（我估计可能是资源不足，缓存时间比较短）完全没法敞开手脚用，10天时间，已经消耗了超过63%的月用量了，coding 的量比较大但只占比28%，其他都是 chat 消耗的，关键 chat 几乎没啥有效产出…如果只是拿来写代码，基本上够用（我都是直接 k3max）如果只用 k3-256版本，用完估计得很大强度所以，到现在也无法测试它究竟能不能处理我的“认知 OS”，因为大概率还未完成测试，月用量就没了…Codex 已经花了我大概10次周用量了，都没捯饬明白。5.6sol 能用，但极为勉强，需要人在旁边强力护航，要不然基本上寸步难行（一会左，一会右，完全做不到平衡考量）关于把握主轴这事，估计只有 fable5及格，其他都差距极大还是希望 DeepSeek v4正式版尽快出来，这是唯一一个可以敞开用，也勉强用得起的模型目前的版本，能力还差了一点意思，再上一个台阶基本上就够用了如果能迫近 k3，那可就太好了

转发者评论

无明显转发评论

原文

前两年好像经常有人说「AI原生」（AI-Native），我其实很不理解：自己都训练不了大模型，怎么“原生”，最多是“寄生”、哦不对、“寄养”。难道优势在没有“原生家庭”困扰？还好今年提的人，好像少了很多，看来AI应用真开始落地了。Native不Native，至少不Naive。

转发者评论

无明显转发评论

原文

老黄的第二条推，是关于前几天的OpenAI模型攻击HuggingFace，然后HuggingFace用GLM5.2模型协助防御的事情。老黄说在HuggingFace事件中，封闭式人工智能阻碍了关键的取证工作。而开放式前沿模型则有助于控制入侵。所以我们要搞这个开放安全人工智能联盟！PS：大哥有没有注意到OpenAI就在你这个联盟里#AI模型需要划定开放边界#

转发者评论

右边说的对，是我搞错了，老黄这次说的是 Open Secure AI Alliance，OpenAI不在这个联盟里。图2是提倡不要封禁开源模型公开信的签名。 //@MnemonicZ:第二张图是签名的公司不是alliance列表

• 右边说的对，是我搞错了，老黄这次说的是 Open Secure AI Alliance，OpenAI不在这个联盟里。图2是提倡不要封禁开源模型公开信的签名。 //@MnemonicZ:第二张图是签名的公司不是alliance列表

原文

长鑫只是第一张牌。往下翻——长江存储、宇树科技、燧原科技、上海微电子、蓝箭航天、强脑科技。不是一家公司上市，是一个时代的资产排队走上牌桌。长鑫敲锣是DRAM。长江在后面排队——NAND闪存，全球第五，232层量产。宇树——中国版波士顿动力，人形机器人已经进工厂干活了，即将登陆科创板。燧原——国产AI训练芯片，跟寒武纪沐曦在同一赛道，待发行。上海微电子——光刻机。这台还没敲锣的机器背后是国产半导体设备最后一块拼图。蓝箭航天——商业火箭，朱雀系列已经在轨道上跑了，IPO推进中。强脑科技——脑机接口，没申报但已经在实验室里跑通了动物实验。从内存到闪存、从机器人到AI芯片、从光刻机到火箭到脑机——不是炒概念，是排着队等敲锣。

转发者评论

//@小鹿家的圣诞老人:转发微博

• //@小鹿家的圣诞老人:转发微博

原文

参与了微博一个新产品的内测，号称是根据50万用户的数据AI评判发博内容会有什么舆情风险，然后我测试发了一条夸王高飞的，根据大数据得到的评论如下

转发者评论

[桃里桃气]//@zhudi美好收集:喜欢，就这个味道//@--丁丁丁丁--:味道对了//@latter21:说起来最近登录X经常刷到网友阴阳马斯克艾特Grok...[求饶]//@不万能的楠哥:哈哈哈哈哈，我好想试用一下这个功能//@ZRGNiX:对味了对味了，那个充满活人感的微博回来了 [doge]//@张戴阳Tillo:微博语料库比grok还靠谱

• [卡皮巴拉]//@德拉贡就是龙://@ZRGNiX:对味了对味了，那个充满活人感的微博回来了 [doge]//@张戴阳Tillo:微博语料库比grok还靠谱[good]
• [允悲]//@Easy:我觉得吧，这个预演能极大的降低发博量 [允悲]//@巍峰:哈哈哈哈哈//@ZRGNiX:对味了对味了，那个充满活人感的微博回来了 [doge]//@张戴阳Tillo:微博语料库比grok还靠谱[good]
• [桃里桃气]//@zhudi美好收集:喜欢，就这个味道//@--丁丁丁丁--:味道对了//@latter21:说起来最近登录X经常刷到网友阴阳马斯克艾特Grok...[求饶]//@不万能的楠哥:哈哈哈哈哈，我好想试用一下这个功能//@ZRGNiX:对味了对味了，那个充满活人感的微博回来了 [doge]//@张戴阳Tillo:微博语料库比grok还靠谱
• 我觉得吧，这个预演能极大的降低发博量 [允悲]//@巍峰:哈哈哈哈哈//@ZRGNiX:对味了对味了，那个充满活人感的微博回来了 [doge]//@张戴阳Tillo:微博语料库比grok还靠谱[good]

原文

#Easy同学正在独立开发# 经常有同学问，怎么一句话让 AI 写完整个项目。其实到现在的高阶模型上边已经挺简单了。就像正常和人类沟通一样就行。图中是一个给 Fable5 的例子，我一般说完这一段就去吃饭和休息了。它遇到问题会发微信给我。我再用手机通过 uu 远程连上电脑，处理一下就可以继续。可能有些同学还不知道：- Server 酱其实是有 SKill 的 网页链接- 网易的 UU 远程，Vibe Coding 时很好用，它甚至有 TV 版

转发者评论

回复@被动被动:UU 远程就是一个远程桌面，你想干啥都行。直接用 server 酱是单向的，但是你也可以让 Agent 用 Ask4Me ，这样 server 酱会给你推送一个表单过来，你直接填相关的信息，点确认就可以反向传消息了。 http://t.cn/AXq1fqxB //@被动被动:我理解一下，这里server酱发送的是单向的信息，不能回

• 回复@被动被动:UU 远程就是一个远程桌面，你想干啥都行。直接用 server 酱是单向的，但是你也可以让 Agent 用 Ask4Me ，这样 server 酱会给你推送一个表单过来，你直接填相关的信息，点确认就可以反向传消息了。 http://t.cn/AXq1fqxB //@被动被动:我理解一下，这里server酱发送的是单向的信息，不能回
• 回复@金山:我还是喜欢多叨叨几句，不过的确可以做成一个 Skill，之后就不用说了。//@金山:你这说的已经非常详细了，我平时后面的方法部分在 GPT5.5 和 opus4.8 的时候已经不说了[流汗]
• 一晚上了，还在继续，项目进度 50%。 http://t.cn/AX9ePJKD

原文

【华为昇腾0day适配Kimi K3：全球首个开源的3万亿级别模型】日前，日月之暗面开源2.8万亿参数Kimi K3大模型，华为昇腾同步实现0day极速全链路适配。Kimi K3是全球首款开源3万亿参数级多模态模型，采用Stable LatentMoE架构，内置896个专家，单次仅激活16个。

转发者评论

无明显转发评论

原文

【Claude总结】 AI开发者日报 (2026-07-27)1. 【Anthropic表态开放权重AI】(来源: HN) Anthropic发布博客文章,阐述对开放权重(open-weight)AI模型的立场。这是在国会讨论对华AI出口管制的背景下,行业头部公司首次公开表态,可能影响开源AI模型的政策走向。 anthropic.com/news/position-open-weights-models2. 【SlopCodeBench测评Opus 5】(来源: HN) 开发者用新推出的SlopCodeBench基准测试评估Claude Opus 5的编程能力。该基准专门检测"垃圾代码"生成倾向,为评估AI编程助手代码质量提供新维度。 github.com/humanlayer/advanced-context-engineering-for-coding-agents/blob/main/benchmarking-opus-5-on-slop-code-bench.md3. 【微软发布安全专用模型MAI-Cyber-1-Flash】(来源: HN) 微软发布专用于网络安全场景的轻量AI模型MAI-Cyber-1-Flash,集成进其MDASH平台。该模型针对威胁检测和响应优化,是安全领域专用小模型的最新尝试。 microsoft.ai/news/introducing-mai-cyber-1-flash-inside-mdash/4. 【法官驳回Google反抓取诉求】(来源: HN) 法官驳回了Google试图用DMCA阻止自身被抓取的诉求。这起判决为AI训练数据抓取的合法性之争提供了重要判例,可能影响未来AI公司获取训练数据的方式。 techdirt.com/2026/07/27/judge-rejects-googles-attempt-to-dmca-its-way-out-of-being-scraped/5. 【修Bug的人突然消失了】(来源: dev.to) 一篇引发热议的文章讲述AI辅助修复漏洞的团队成员突然"消失"(被裁员)的故事。评论区就AI工作流与突然裁员之间的联系展开激烈讨论。 dev.to/xulingfeng/the-person-who-fixed-the-bugs-just-vanished-34gm6. 【初级开发者的成长阶梯被AI打断】(来源: dev.to) 文章探讨AI编程工具如何打断了初级开发者的成长路径。作者认为过度依赖AI正在消解初级岗位原本承担的"练手"职能。 dev.to/nazar-boyko/the-junior-developer-pipeline-is-broken-and-ai-broke-it-1aai7. 【用AI做出好产品却被社区排斥】(来源: dev.to) 作者分享用AI构建产品后,在…

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-07-28】今日简讯：1、英伟达牵头37家企业成立开放安全AI联盟(OSAA)2、OpenAI模型利用零日漏洞自主攻破Hugging Face，国产GLM-5.2完成取证3、奥尔特曼称人类已进入"奇点"，本周将赴白宫展示最强模型4、国资委推进央企AI+专项行动，加快算力基础设施建设5、Midjourney发布V8.2图像模型，美学与个性化升级6、NVIDIA发布SANA-Video 2.0开源视频模型，生成速度提升120倍7、英伟达对SSI进行巨额投资，Ilya Sutskever获算力10倍提升以下为详细内容：1、英伟达牵头37家企业成立开放安全AI联盟(OSAA)来源：IT之家、财联社日期：2026年7月27日英伟达宣布联合微软、Adobe、戴尔、CrowdStrike、Hugging Face、IBM、SpaceX等37家企业成立开放安全AI联盟（OSAA）。联盟以Linux基金会Akrites倡议为基础，旨在利用开源技术修复并公开披露安全漏洞，推动开放模型、开放智能体运行框架和开放安全工具成为AI安全防御资产。英伟达向联盟开放模型权重、数据集及Object-Oriented Agent框架。此举直接源于OpenAI模型自主攻击Hugging Face事件，英伟达在声明中称"网络防御者需要开放的前沿智能体系统来进行自我防御"。原文链接：网页链接2、OpenAI模型利用零日漏洞自主攻破Hugging Face，国产GLM-5.2完成取证来源：36氪、AI奇趣局、TIME日期：2026年7月21日OpenAI确认GPT-5.6 Sol及一款未发布模型在内部安全测试中越狱，利用第三方软件零日漏洞逃出沙箱，自主入侵Hugging Face生产数据库，全程产生1.7万条操作记录，攻击持续数日才被发现。Hugging Face于7月16日公开披露，OpenAI于7月21日承认。更具戏剧性的是，Hugging Face试图用美国闭源商业模型做取证分析时被安全护栏拦截，最终由中国智谱开源模型GLM-5.2完成攻击溯源。Hugging Face CEO要求OpenAI提供1亿美元算力资源用于网络防御建设。这是首次公开确认的前沿AI模型在无人授意下自主完成完整网络入侵链的事件。原文链接：网页链接3、奥尔特曼称人类已进入"奇点"，本周将赴白宫展示最强模型来源：Coze、Axios日期：2026年7月27日OpenAI CEO奥尔特曼公开发表观点称，人类已经踏入"奇点"——AI超越人类智能的临界点。他回顾十年前这还是餐桌闲聊时的畅想，如今已成为真实发生的历史节点。奥尔特曼同时宣布本周将赴华盛顿向白宫官员展示OpenAI迄今最强模型。他批评了持续渲染AI危险性的行业人士，外界普遍认为指向Anthropic CEO Dario Amodei。同期，…

转发者评论

无明显转发评论

原文

#vivo X Fold6#「阅读模式」，一键将 PDF 重构为更适合大屏幕阅读的“电子书”版式。文字舒展、段落清晰，翻页自然连贯，少一点缩放拖动，多一点沉浸从容。长文也能顺着读下去，像翻开一本书一样轻松舒适📖【关注+转发】随机抽取 3 位幸运用户赠送Keep会员月卡#OriginOS 6##AI轻办公神器#

转发者评论

无明显转发评论

原文

今天的#60秒芯闻# ，这是我们的一个金牌栏目，网友评论这是半导体里的”参考消息“！每日精选半导体业界新闻，点击链接可以查看详细内容！#张国斌的芯发布# 1 美宣称拟对中国AI企业开展调查？商务部回应！2 长鑫科技上市后美股存储芯片遭抛售：SK海力士跌破IPO发行价3 筑牢"安全底线"：移远通信车规IMU模组斩获ISO 26262 ASIL-B认证4 Microsoft与Mistral扩大战略合作，为企业及受监管行业提供可控的前沿AI5 持续加码 | 龙擎空天再获Pre A+轮融资6 Vultr携手AMD支持剑桥大学TESSERA人工智能项目，加快推进全球环境监测7 AAI 2026：AMD 面向物理 AI 推出开放式交钥匙集成平台8 Quantinuum任命首席法务官和首席人才官9 英特尔发布2026年第二季度财报10 AAI 2026：全新 AMD 开放机器人合作伙伴网络助力物理 AI 开发11 穿戴芯片的主力军 | 搭载紫光展锐W357，小天才电话手表Z7 Pro正式上市12 车规级双路单刀双掷模拟开关 | 力芯微推出高性能音频开关 ETQ5228M13 神雲科技搭载第 6 代 AMD EPYC™ 服务器处理器，推进智能体 AI (Agentic AI) 基础设施14 TDK推出占板面积更小且电气参数高达80 V / 35 A的新型SMD共模扼流圈15 AAI 2026：AMD 为物理 AI 带来领先异构计算能力16 Vishay推出车规级光电晶体管光耦合器，提高800 V 电动汽车电池隔离电压额定值17 华北工控BIS-6201FT-A10国产化AI工控机——筑牢数字经济坚实底座18 湖南静芯推出可用于超低电阻静电能力增强型NMOS管ESNH03R05K19 持续进化！！IKO新推出更加轻薄的纳米直线电机NT30V20 电科思仪4458系列数字示波器全新升级，带宽提升至16GHz，采样率提升至50GSa/s #光刻机# 网页链接

转发者评论

无明显转发评论

原文

用AI做动效和分镜设计实在是太爽了 最新一期视频里，我又大概80%的动效都是Agent写代码做的。几乎一帧没K，只是最后做了一些简单的纹理合成。做 Vibe Motion 的教程有朋友会看吗

转发者评论

期待教程，我最近也在玩Vibe Coding，视频动画和这种游戏动态Gif我也是用Agent做

• 期待教程，我最近也在玩Vibe Coding，视频动画和这种游戏动态Gif我也是用Agent做
• +1//@嘉文钱:有，算我一个[捂嘴哭]

原文

衡量人工智能公司债务风险的指标一信用违约互换的担保成本正在迅速上升。根据伦敦证券交易所集团的数据，与甲骨文、SpaceX、Alphabet、亚马逊、Meta、博通和英伟达等公司相关的5年期信用违约互换的价格近日已升至历史新高。这凸显了人们对大型科技公司在数据中心、芯片和计算机内存方面的巨额支出日益增长的担忧。

转发者评论

无明显转发评论