微博 AI 观察博客

原文

腾讯昨晚发的Q2财报，非常重要。基本上属于摊牌了，决心要重投入AI，CapEx冲到528亿人民币，同比翻了快3倍，超出市场预期60%，直接把单季自由现金流给干成负数了，如果我没记错，这应该是腾讯这家公司上市以来第一次录得自由现金流为负。活久见。要知道，隔壁阿里字节已经打多久鸡血了，腾讯现在才喊着我要大兴土木，是真的能憋。但这也不是在阴阳腾讯的反应过于IE浏览器了，我是觉得它实在是太稳了，稳到把「不见兔子不撒鹰」的原则执行得太坚决了。一定要在看到胜算的时候才肉身下场，一定要动员到了最后一个人的时候才全军压上，时间点卡得极其精准，绝不把经济用在开地图上。年初笑话腾讯在办公楼底下摆桌子给人装龙虾，是我浅薄了，现在来看，龙虾成不成根本不重要，重要的是把当代牛马为了升级磨具愿意做到什么地步做了一轮摸底排查。结论也很明确，听到一个免费帮装软件的活动，成千上万的打工人就抱着电脑大老远的坐地铁过来排队，这种集体精神及其对应的市场规模，如果从南山区扩大到全国，会是怎样的景观？然后就是WorkBuddy的海量投放，这个产品，同行的反应基本上是「看不见、瞧不起、追不上」的一个过程，最后大部分还是不懂为什么腾讯慢悠悠的就又跑到前面去了。只能说腾讯熬到了时势在我的节奏，AI接管生产力这波，拼模型能力的Coding场景大厂基本都给漏了，吃肉的是智谱Kimi这些，而拼集成能力的Skill场景，本质上是给小白重新设计一款AI产品。腾讯见了一拍大腿，这我可太会了啊。习惯用Codex、Claude Code的人，肯定看不上WorkBuddy，但WorkBuddy需要他们「看上」吗？WorkBuddy的产品思路很简单，就是假定用户啥也不懂，脑袋空空，一脸迷茫，然后用幼师管理法来喂饭，把不被重视的初级工作给兜住了，再加上竞品还在旧系统里无法原生化，硬生生凿出了一个窗口期。当我在红书上都能刷到乌泱乌泱的集美用WorkBuddy写工作台，我就知道这次腾讯又成了。也别说什么WorkBuddy是因为免费、因为送Token才火的，这年头新产品做留存有多难知道吗，多少AI应用抢着发红包都没效果，要真这么简单，哪里轮得到WorkBuddy⋯⋯尼玛的再写下去成了WorkBuddy的广告了，腾讯还恨着我呢，回到这次财报上，因为从WorkBuddy等产品身上看到了机会，腾讯在Q2猛然加大了算力采购，前面几个Q的财务纪律都成了历史文件。-138亿人民币的自由现金流，移除算力采购预付款，是+376亿，就是500亿左右的实际开销，包含对未来算力成本的提前支付。作为不精确的对比，阿里和字节用在AI上的全年采购，差不多在1200亿和1600亿的样子。腾讯这次还披露了一个非常有价值的口径，就是把经营利润区分为包含或是剔除AI产品的两个版本，可以算出模型、元宝、小微、WorkBuddy等产品加起来，产生了105亿元的净亏损。这就…

转发者评论

无明显转发评论

• //@Zodzod_张浩:腾讯这次还披露了一个非常有价值的口径，就是把经营利润区分为包含或是剔除AI产品的两个版本，可以算出模型、元宝、小微、WorkBuddy等产品加起来，产生了105亿元的净亏损。 这就是腾讯旗下AI业务的真实供养成本，占了不到15%的利润，从以旧换新的成效来看，其实相当不错了，城头变幻大
• 是要猛干了，时机刚刚好[允悲]
• 是个内行 [doge]//@阑夕:回复@不厌其烦:非常懂得安抚投资者的话术，同样的表达意思，比起来小扎就还是太年轻了，卖剩余算力就卖呗，大厂的云业务都这么干，当初非要加一句解释「AI开发速度不及预期」，然后短时间带崩整个半导体就舒服了⋯⋯还是得向老前辈多学习啊[无聊]//@不厌其烦:稳得一批

原文

Clay (一家知名的自动化客户关系拓展与数据管理平台) 的联合创始人分享的 AI 写作四大核心原则：1. 你必须为每一个观点和句子负责在把文档分享出去之前，你有责任确保整篇文章都能真实、准确地代表你自己的想法。2. 写作即思考把时间投入到写作的过程中，能让你对正在探讨的主题有更深刻的认识。如果你试图绕开这个过程 (比如偷懒完全依赖 AI 一键生成文章)，那你对相关知识的理解最终也会大打折扣。3. 创作一篇文档的时间，理应比阅读它的时间长如果你只是随便丢个简短的提示词 (prompt)，让 AI 生成一篇长篇大论，然后指望读者去硬啃这些冗长的输出结果，这其实是对他们时间的不尊重。说白了，如果读者只是想看 AI 写的套话，他们自己去和 ChatGPT 聊天就行了。4. 文章绝不是越长越好AI 非常擅长生成长篇大论，而且它特别喜欢在里面塞满毫无实质内容的废话来凑字数。如果你写这篇文档的起点只是一个极其简短的提示词，那你真应该考虑一下：是不是直接把这个提示词分享给大家就可以了。你可以在下面阅读（当然也欢迎直接“抄作业”借鉴）这份政策的完整版。希望有了它，我们大家以后的沟通都能变得更加清晰明了 :)-----# AI 写作政策> 给所有 Clay 员工：只要你使用 AI 来撰写会被他人阅读的文字，请务必遵守这项政策，以确保我们能够良好地沟通，并充分利用每个人的时间。好的写作是一个工具，能把你的想法清晰地传达到别人的脑海中。截至 2026 年，尽管 AI 模型在编程能力上表现出色，但它们还远远没达到——如果不经人工修改，就能自动实现这种清晰沟通的目标。作为作者，你需要花时间去确保：文章中的所有观点都是你本人真正想要传达的（包括决定了哪些观点被强调的行文结构和遣词造句），并且这份文档对得起读者花的时间。在头脑风暴、打草稿，当然还有校对的时候，使用 AI 工具是完全被允许的。但在这么做的时候，请务必牢记以下几条原则：* **你必须为文档中的每一个观点和每一句话负责。** 在分享之前，确保整篇文档能代表你自己的真实想法，是你不可推卸的责任。如果审阅人问：“这句话是什么意思？”你绝不能用“哦抱歉，那是 AI 写的，忽略它就好”来搪塞。如果你把那些根本不代表你真实想法的东西拿给读者看，你会让他们感到困惑（并浪费他们的时间）。有时候，读者一眼就能看穿并指出那些前后矛盾的地方；而在其他时候，他们可能会被误导，误解你真正的想法。* **写作即思考。** 把时间花在写作过程中——去决定强调什么，以及如何清晰地构建你的观点——这能让你对自己探讨的主题有更深入的了解。如果你试图绕过这个过程，你最终对相关主题的理解很可能会变差。在很多情况下，像项目规格说明书 (project specs)、状态更新和复盘报告这样的书面产物，其实是一种“思考的证明” **（也就是说，写下来是为了向团队证明你…

转发者评论

无明显转发评论

原文

10个抓取数据的开源爬虫工具：1. Firecrawl：用于大规模搜索、抓取和交互网络的 API。访问：网页链接2. Crawl4AI：开源的 LLM 友好型网络爬虫和数据抓取工具。将网页转换为简洁、符合 LLM 规范的 Markdown 格式，适用于 RAG、代理和数据管道。它速度快、可控性强。访问：网页链接3. browser-use：让网站对AI Agent友好,轻松实现在线任务自动化。它可以打开网页、点击按钮、输入文字和填写表单。你只需描述任务，它就能完成。访问：网页链接4. crawlee：基于 Node.js 的网络爬虫和浏览器自动化库，用于构建可靠的爬虫。能伪装成人类，轻松躲过现代机器人防护系统的检测。访问：网页链接5. scrapy：用于 Python 的快速高级网页爬虫和数据抓取框架，用于从网站提取结构化数据。访问：网页链接6. markitdown:用于将文件和办公文档转换为 Markdown 的 Python 工具。访问：网页链接7. Scrapling：一个自适应网络爬虫框架，可以处理从单个请求到全面爬取的一切操作。它的解析器能够学习网站变化，并在页面更新时自动重新定位元素。访问：网页链接8. scrcpy：显示和控制安卓设备。访问：网页链接9. autoscraper：实现网页自动抓取，简化抓取过程。访问：网页链接10. curl-impersonate：升级版的 curl，可以模拟四大主流浏览器：Chrome、Edge、Safari 和 Firefox。访问：网页链接#HOW I AI# #程序员#

转发者评论

无明显转发评论

原文

【告别Prompt玄学：为什么顶级实验室都在搞“马具”工程？】最近开源的《Learn Harness Engineering》课程引起了圈内关注，它把AI落地的重心从调教Prompt转移到了构建“Harness”（驾驭系统）上。该项目深度拆解了OpenAI与Anthropic的内部工程方案，其重点不是去拔高模型的天花板，而是通过环境设计、状态监控和闭环验证，给Codex或Claude Code这类代理人焊上“护栏”，确保它们在长路径任务中不脱轨、不胡来。这反映了行业的一个冷思考：AI的表现上限看模型，但下限取决于你为它设计的“工作间”有多专业。很多开发者抱怨AI写代码总出错，其实是因为只给了模糊指令却没给严密的反馈机制。社区评论认为，这种工程思维正把AI开发从“碰运气”转向“搭积木”。你该带走的判断是：未来的核心竞争力不再是写提示词的辞藻，而是能为不确定的智能构建出一套确定的系统，让AI在规则边界内像精密齿轮一样产出结果。 walkinglabs.github.io/learn-harness-engineering/en/

转发者评论

无明显转发评论

原文

2026 年，让我吃上 AI 这口饭的，居然是自己闲暇时间捣鼓出来的一套玄学 skill。科学＋玄学，让我拥有了全网好几万粉丝，威力竟大如斯。在我意料之外，但又……非常合理。这年头，谁还没让 GPT 或是 Deepseek 老师给自己算过命？我甚至还能在聊天记录里翻出两年前问面试运势时的开场白：“你懂周易和八卦吗？……”现在回头看，直接在聊天框里丢一句问题，已经像是一种很古早的 AI 用法。但也是从那时候开始，我隐约觉得：算命这件事，找 AI 好像还真有点说法。年初，因为碰上了一些需要反复权衡的人生问题，我重新萌生了让 AI 看看星盘的念头。这回找的是AI吠陀占星大师（Claude版）。从科学的角度来说，吠陀占星拥有一套相对完整、结构化的分析体系：本命盘、分盘、行星周期和过往事件可以彼此交叉验证；另一方面，这种体系也很适合交给 AI 做多维度的“正反审计”，能让自己觉得，说的很客观。一开始，我只是觉得每次都写一大段 prompt 实在太烦。如果能把这个占星流程固化下来，顺便让他记住我就太好了。恰逢 Claude Code 推出 skill 这个东西 ，我便想着，诶，结合一下不好吗？干脆自己做一个，把排盘、分析和追问固化成一整套流程。讲实话，最开始真的很粗糙。前几个版本只会读排好的盘，生成星盘报告，具体的星盘还需要自己去某些专业软件导出下载，但总算是颤颤巍巍能走。谁知道这半年迭代着迭代着，它就完善得让我有点陌生了：从原生排盘、出生时间校准、验前事，到完整报告、职业和感情分析、关系合盘、即时占问以及后续追问，基本都齐活了。追问也是重中之重。因为所有的数据和分析内容，包括你给出的实际事件，都会智能写入文件保存在本机，所以只要你不删掉它，你的信息就永远都在。只需要打开文件夹，继续问，私人咨询助手永远就绪，等待记住并解答你所有的困惑。现在只需要输入出生日期、时间和地点，就可以得到一条龙服务；如果出生时间不准确，也可以结合过去发生的人生事件进一步校准。看着这个从零搭起来的东西，我偶尔真的会产生一种“自己强得有点可怕”的错觉。做成 skill 还有另一个好处：用起来很简单，门槛也不高。只要有电脑和支持 skill 的 AI agent，安装完成之后就可以直接开测。从一开始，我就把整套 skill 开源放到了 GitHub 上，想着独乐乐不如众乐乐。没想到后来拿到了700个星星，全网小火了一把，到现在，已经有超过五位数的朋友使用过这个 skill 了。感兴趣的朋友可以直接去 GitHub 下载：👉【网页链接】如果不太清楚怎么安装、怎么使用，或者不知道应该怎么提问，也欢迎来问我。相比于简单地用“准”或“不准”去理解玄学，我更愿意把这件事看作认识自己的一个新维度。AI 可以同时寻找支持与反证，让解读过程更克制、更透明，也让星盘上的信息少一些“凭感觉说”，多一些可以检查、验证…

转发者评论

推荐一个非常不错的创意想法#微博VibeLab#

• 推荐一个非常不错的创意想法#微博VibeLab#

原文

每次见到刘洺堉，他都穿一件黑色夹克，背着一个有点旧的斜挎包。现任英伟达研究副总裁的刘洺堉，是英伟达第一位从研究员擢升至副总裁之位的管理者，他领导英伟达最重要的模型项目之一——世界基座模型Cosmos。刘出生于中国台湾，是金庸小说爱好者。18岁起，刘洺堉就师从著名的武术家徐纪（徐纪的老师是刘云樵，神枪李书文一脉传人），练习中国功夫，一直至今。最近他又有了一个ice plunge（冰水浴）的新嗜好。凌晨4点多，刘洺堉起床后会依惯例进行武术训练：一个人蹲桩、打拳。做完全套后，再只身跳进冰桶，帮助身体修复。这种锻炼习惯与我对刘洺堉的印象截然不同——他看起来谦和，说话音量也不大。“中国武术最重要的是控制自己。”刘洺堉说，“我并不是为了展现强大的破坏能力。”某种程度上，这反映了他以及他所代表的英伟达这样巨型的基础设施型企业的竞争观。访谈中，他反复强调，他没有任何竞争对手，他没有和任何人竞争，所有人都可以是合作伙伴。“什么叫战争呢？我没有打算把别人杀死。”刘洺堉说，“我们的心态不是说想把别人给杀死，我们的心态是我们要怎么去造市场。你懂我意思吗？”“Jensen（英伟达创始人兼CEO黄仁勋）经常说，要造市场，而不是存量竞争。他讲我们就要做zero-billion-dollar business（从零到十亿美元的业务）——你可以不赚钱，但当这个生意成功的时候，必须是很influential（有影响力）的。不能说满足每年赚100个million（1个亿）——这种scale（规模）对很多公司都很大，但对英伟达而言，这是一个distraction（分心）。”刘接着说，“你要去解最重要的问题，产生最大的贡献。”英伟达正在“造”的市场，即面向物理世界的人工智能（Physical AI），世界基座模型Cosmos被寄予厚望。这个项目从2024年立项，经过两年多已发布至Cosmos 3。Cosmos直属团队不到100人，虚线汇报的规模是200至300人。黄仁勋对刘洺堉表达战略决心，称：“你就做到Cosmos 97。”如今，刘洺堉已在美国生活20年，在英伟达工作10年，他仍然用一些朴素的东方智慧进行技术表达——比如，他把大模型比作中医，时常援引《孙子兵法》“备多则力寡”来思考世界模型的技术趋势。本次访谈，我们详细地聊了聊Cosmos系列（尤其是前不久发布的Cosmos 3）、世界模型、物理世界的人工智能、英伟达的竞争观、组织哲学，当然还有绕不开的黄仁勋。 张小珺Benita的微博视频

转发者评论

无明显转发评论

原文

胡这个认知真的太低了，作为能影响很多人的意见领袖，这实在遗憾。他这内容观点两个： 1、就业冲击真实存在：AI对重复性劳动（如出租车司机、基础剪辑）的替代效应确实需要警惕，不能视而不见。 2、文化价值值得保护：纯AI生成内容缺乏人类表演的情感温度，如果大规模取代传统影视，确实可能损伤艺术多样性。但他的观点的问题是： 1、他认为AI会“剥夺人类工作”，但历史反复证明（纺织机、汽车、计算机），技术革命在淘汰旧岗位的同时，会催生更多新职业。无人出租车普及后，会需要远程监控员、维护工程师、道路数据标注员、调度中心运营人员等。AI电影兴起后，会需要“AI导演助手”、“AI效果调试师”、“人机协作编剧”等新工种。胡锡进只看到了被推倒的，没看到被建起来的。 2、他提到“AI应给我们赋能，让工作轻松”，但紧接着又反对大规模替代，逻辑上矛盾。如果AI真的让我们从繁重、重复、危险的劳动中解放出来，人类本应转向更有创意、更需要共情、更有战略性的工作，比如养老服务、教育个性化、艺术策展、社区治理等。他没有给出“解放后做什么”的方案，只是简单喊停，这等于放弃了对未来劳动形态的积极规划。 3、他承认AI能提高效率，却只看到了“工厂裁员”的一面，忽略了普通人也因此受益：医生借助AI影像诊断能更快发现病灶，农民用AI预警病虫害能减少损失，小商户用AI生成宣传物料节省成本。AI降低的是整个社会的生产和交易成本，最终会惠及消费者（包括胡锡进本人），而他只聚焦于生产端“工人被替代”的画面。 4、他承认“动画是一种艺术门类”，说明他接受新技术可以形成新艺术形式。但纯AI电影为什么不能成为“新动画”？ 早期动画刚出现时也被批评为“机械复制”，后来才被接受。AI电影完全可以发展出自己的美学，比如超现实场景、无限视角切换、实时生成结局等，这些是人类导演难以做到的。他过早地给AI电影贴“垃圾”标签，是审美上的保守。结论： 胡锡进的担忧是真诚的，但他的解决方案是消极的。他呼吁“抵制”和“禁止”，本质上是一种防御性姿态，错过了把AI转化为社会进步动力的机会。真正的挑战不是“要不要用AI”，而是 “如何用AI，让被替代的人有更好的去处” 。这一点，需要企业家、政府和每个普通人共同探索，而不是简单地把新技术关在门外。注： 以上观点为我给AI简述了我对胡这个内容的观点，让AI帮我系统条理性出内容，节省了15分钟打字，换来我15分钟可以干其他更有意义的事，这就是新质生产力的体现。

转发者评论

无明显转发评论

• 你以为是他自己想这么说的吗？[挖鼻]

原文

【Redis作者出手：让MiniMax视频模型在Mac上“贴地飞行”】Redis创始人antirez最近开源了h3.c，这是一个专为Apple Silicon设计的MiniMax-H3原生推理引擎。它完全抛弃了臃肿的Python堆栈，直接基于C和Metal编写，让M3及最新的M5系列芯片能以极高效率跑通从文本到视频、音频的全流程。该项目最硬核的地方在于其工程取舍：通过减少Transformer层数、复用去噪步数以及黑科技般的SSD流式加载（SSD Streaming），它不仅能在显存吃紧的设备上运行几十GB的DiT模型，甚至能直接在终端窗口预览生成的每一帧。这不仅仅是一个推理库，更是顶级程序员对硬件潜力的极致挖掘。社区普遍认为，这种“垂直切片”式的工程范式正在打破大模型对算力集群的依赖。相比于追求绝对精确的指标，这种能通过几行参数就在本地实现推理自由、且支持图生视频（Ref2VA）等进阶功能的工具，展现了从底层代码层面对AI进行降本增效的另一种可能。 repo: antirez/h3.c

转发者评论

无明显转发评论

原文

##DeepSeek发布V4Pro正式版## 梁文锋突袭马斯克！DeepSeek V4 Pro对战Grok 4.6，首测夯爆了今天，这一架太魔幻了！一边是梁文锋，终于在凌晨放出了DeepSeek V4 Pro正式版。另一边，马斯克砸下了下一代旗舰Grok 4.6，主打一个成本低，性能强。两大巨头，同一时间发布，火药味儿瞬间拉满。他们盯上的，几乎是同一件事——让模型能在长任务里持续调用工具、修改代码、验证结果，最后交付一个真正能用的成品。DeepSeek V4 Pro正式版最亮眼的成绩，是在两项评测中拿下绝对第一，直接反杀Fable 5。 网络安全智能体测试CyberGym拿到83.3分，超过Fable 5的83.1分、Opus 4.8的78.3分。 自动化任务AutomationBench拿到31.8分，把Fable 5的29.1分和Opus 4.8的27.2分一起压了下去。最「贴脸」的一次，则发生在Terminal-Bench 2.1。DeepSeek拿到87.9分，超过Opus 4.8的85.0分，距离Fable 5的88.0分，只差0.1。其他几项高难度Agent测试中，DeepSeek则实现了对Opus 4.8的绝对跨越。带工具的「人类最后考试」中拿到60.0分，反超Opus 4.8的57.9分，继续逼近Fable 5的63.0分。就连此前最薄弱的软件工程智能体，DeepSWE也从预览版的12.8分暴涨到62.7分，接近原来的4.9倍。这个成绩不仅超过Opus 4.8的58.0分，距离Fable 5的70.0分也只剩7.3分。同一时间，马斯克也把Fable 5和GPT-5.6 Sol架在了火上烤。Grok 4.6先是在综合能力上追平GPT-5.6，再在编码测试中连续完成反超。 综合智能指数上拿到61分，距离Fable 5的62分只差1分。 CursorBench上拿到69.9%，超过GPT-5.6的67.2%，距离Fable 5的70.5%只有0.6个百分点。 FrontierCode上拿到61.3%，也压过GPT-5.6的60.6%，继续紧追Fable 5的63.6%。到了更接近真实职场交付的知识工作中，Grok 4.6直接翻身反杀，在三项评测中全部拿下第一。 GDPval-AA v2中拿到1753 Elo，超过Fable 5的1741，也超过GPT-5.6的1728。 AA-Briefcase上再拿1577 Elo，压过Fable 5的1574和GPT-5.6的1502。 专业法律任务Harvey LAB中拿到15.8%，Fable 5只有11.3%，GPT-5.6更是只有2.5%。更狠的是，DeepSeek V4 Pro和Grok 4.6不仅在性能上直逼OpenAI和Anthropic的顶尖模型，还一起把前沿智能的价格打了下来。每百万输出To…

转发者评论

无明显转发评论

原文

字节跳动开源了一套多模态AI Agent技术栈，名字挺酷，叫UI-TARS Desktop。用起来特别简单粗暴：你直接甩一句人话过去——“帮我把VS Code的自动保存打开”或者“去Priceline订张明天飞东京的机票”——它就能自己接管你的电脑，把活儿给干了。这次一共端出来俩产品：👉 UI-TARS Desktop：原生桌面应用，通过NutJS控制鼠标键盘，macOS和Windows通吃。👉 Agent TARS：通用框架，走CLI和Web UI，支持挂载任意多模态LLM——不限于字节自家的，Claude、GPT、豆包统统能接。它还支持MCP集成，扩展性拉满。🔗 项目地址：github.com/bytedance/ui-tars-desktop

转发者评论

无明显转发评论

原文

【不仅是翻译手语：大模型正在接管真实世界的细微脉动】Google DeepMind推出的SL2T模型实现了手语到文本的实时转化，通过摄像头捕捉手势、表情及身体律动的复杂组合。它在FLEURS-ASL基准上获得70分，不仅远超此前45分的行业记录，甚至超越了64.6分的人类平均基准。值得注意的是，该模型特别针对单手握持手机等日常场景进行了优化，并坚持将姿态追踪放在端侧以保护隐私。社区对此呈现出两种极具代表性的视角：一派认为这展示了DeepMind在AGI路径上的战略坚持，相比其他厂商在对话机器人和UI包装上的内卷，这种深入物理空间感知、解决非盈利性复杂问题的“硬核科学精神”更具长远价值；另一派则担忧这会重蹈Google以往“发布即弃”的覆辙，甚至认为通用大模型最终会以暴力计算直接碾压这类专用模型。但不可忽视的是，手语并非简单的手势映射，而是包含空间语法的独立语言。这种突破不仅是无障碍工具的里程碑，更是AI从理解代码和文本，向理解真实物理交互进化的关键一步。无论未来是否会被通用模型集成，SL2T对边缘群体需求的深度响应，都为冷冰冰的算力竞赛注入了难得的技术尊严。 deepmind.google/blog/putting-sign-language-ai-into-users-hands/

转发者评论

无明显转发评论

原文

AI颠覆科研，真不是闹着玩的！短短两个月，Claude、ChatGPT接连杀入数学最前沿，从雅可比猜想到黎曼猜想，一路闯进人类尚未攻克的未知区。产业界另一边，AlphaFold拿下诺奖不到两年，DeepMind「明星团队」重新洗牌，核心成员转战Gemini、AI编程等项目，Hassabis转向用AI重构药物研发、消除人类疾病的更大目标。谷歌并未放弃AI4S，反而把目标拔高——AI过去学的是人类已知的知识，现在开始搜索人类还没找到的解。这条路线正全球升温，中国玩家已经把它开进了林场、码头和生产线。变化在于，AI4S最值钱的能力，正从「记住多少知识」转向「能在多大空间里找到新解」。AlphaFold代表上一阶段的高光，但科研中更多问题根本没有现成答案。谷歌的AI Co-Scientist和AlphaEvolve瞄准的正是这里，AI4S的主角正从「一个模型」走向「一套系统」。百度「伐谋」走的也是这条路线。在南京紫金山，一场打了四十多年的仗刚收尾。松材线虫病传播快、致死率高，最该被发现时恰恰最看不出来。南京林业大学团队用多光谱遥感捕捉细微变化，让识别从「看见症状」提前到「看见变化」，技术已推广超200万亩，节约成本约7亿元。但复杂林区存在大量「伪病害」干扰，团队积累107个候选特征，选5个的组合就超1.06亿种。伐谋接手这段最费时间的工作，把现有模型作为进化起点持续搜索，56分钟将107个特征压缩到约5个，预计节省80%筛选时间。早期病害检出率从89.1%升至98.0%，综合检测精度提高到90.8%，误报率从13.6%降至5.1%。百度在AI DAY上发布AI4S「1+10+N」战略，「1」是伐谋，「10」是十项学科成果，「N」是长期共创计划。数学证明中，Famou-Lean在FATE-H测试中完成12道高难度题全解；空中博弈中，胜率从0提升到80%；零碳园区调度从2小时压缩到10秒；抑郁症研究中从十万级特征空间找出可解释的临床连接特征。生产场景同样受益：青岛港A-TOS接入伐谋后核心指标提升10.21%；交通信号优化再降5%延误；百信银行特征挖掘效率提升100%。目前已有超3000家企业试用伐谋。伐谋取自《孙子兵法》「上兵伐谋」，原理借鉴生物进化，把算法工程师「炼丹式」的一次性调参，变成持续可复现的自我演化。百度同步启动AI4S科学家计划，首批联合100位科学家把伐谋带入真实科研问题。AlphaFold代表AI4S上半场，如今AI正从预测器变成搜索者，主战场也从论文和榜单走向林场、码头、园区和生产线。

转发者评论

无明显转发评论

原文

转：2026年8月13日周四读报！一切美好从❤️开始：1、中国共产党中央委员会、中华人民共和国全国人民代表大会常务委员会、中华人民共和国国务院、中国人民政治协商会议全国委员会沉痛宣告：中国共产党的优秀党员，久经考验的忠诚的共产主义战士，杰出的无产阶级革命家、政治家，党和国家的卓越领导人，中国共产党第十四届、十五届中央政治局常委，国务院原总理朱镕基同志，因病医治无效，于2026年8月12日11时06分在北京逝世，享年98岁。(人民日报)2、8月12日，民政部网站发布的《2026年2季度民政统计数据》显示，今年一、二季度，全国结婚登记327.5万对，离婚登记138.3万对。(东方财富网)3、7月深圳楼市淡季不淡。数据显示，7月全市新建商品住宅成交2664套，同比上涨32.5%。(第一财经日报)4、最新行业研究数据显示，今年上半年全球人形机器人出货量总计约1.91万台，是去年同期5100台的三倍多，中国人形机器人出货量全球占比达97%以上。在市场份额方面，智元机器人出货量为8400台，全球占比44%，位列第一；宇树科技的出货量为5900台，全球占比31%，这两家公司的出货量远超美国人形机器人头部企业。另外三家中国企业银河通用、优必选和乐聚出货量全球占比分别为5%、4%和3%。(经济之声)5、8月12日，阿里云灵骏真武M890超节点实例正式上线，首批已在乌兰察布地域开售。据悉，该超节点是国内首个成功运行超2万亿参数大模型的超节点形态算力，Kimi K3和Qwen3.8 Max均已通过该实例对外提供服务。企业级客户无需自建机房，在云上即可开通64卡高速互联算力单元，最高可承载十万亿参数级MoE大模型推理。(财联社)6、8月12日15时许，由国产大飞机C919执飞的国航CA723航班从北京首都国际机场起飞，前往蒙古国首都乌兰巴托，标志着C919首条国际航线正式开通。目前，国航已运营12架C919客机，开通北京至上海、广州、香港、哈尔滨、重庆等航线，执飞超1.2万班次，安全运送旅客超162万人次。(新华社)7、国家体育总局冬季运动管理中心宣布，经公开选聘，拟聘用冬奥冠军武大靖为中国短道速滑队主教练。目前，中国短道速滑队主教练竞聘结果处于公示阶段，公示期为2026年8月13日起5个工作日。(新华社)8、李嘉诚家族又开始卖海外资产了。这一次是澳大利亚的能源企业，估值最高达166亿港元。据报道，李嘉诚家族旗下长江基建已委托摩根士丹利及巴克莱，启动出售所持澳大利亚可持续分布式能源生产商EDL Energy的股权，估值预计介于20亿至30亿澳元，折合约110.8亿至166.6亿港元。(新财富杂志)9、据美国彭博社11日报道，美国政府已撤销一项禁止在联邦政府设备上使用短视频社交平台TikTok的指令，原因是TikTok美国业务重组后已不再构成国家安全威胁。(2022年年底以来，美国…

转发者评论

无明显转发评论

原文

最近一直在忙着把我的 App 变成跨平台的，试了几种方案还是决定用 Rust + GPUI。一开始就是用的 Electron，但是视频编辑这种场景纯网页实现性能优化还是挺不容易的，尤其是视频一长、字幕一多就会很卡，内存占用也很夸张。我不怀疑持续优化下去能是能有一个还不错的性能的，但要花不少时间精力。所以我后来就决定先做一个 Mac 版本（图1），Swift + AppKit，用 Fable 5 开发，效果特别好，跟设计稿几乎一样。必须说 Fable 5 在还原 UI 能力上是最强的，没有之一。但现在想要支持跨平台，就还得考虑其他方案。先是用 Rust 做了一个跨平台 cli 的 PoC，效果很好，音频转录和视频导出的性能比 Swift 还好，还能支持 Mac、Windows 多平台。接下来就是把 Swift 版本移植到 cli 之上，工作量还是挺大的，前期开发的功能越多，现在迁移工作就越难。初步是完成了，但接下来就是 Windows 版本的支持。再去基于 cli 开发个 windows 版本成本还是挺高，尤其是要去 windows 电脑上开发测试，各种逻辑同步想想都头大。现在 AI 让写代码变得成本很低，但是测试和验收成本还在那里，跨平台的好处就是你核心逻辑测试没问题，后面只有少量兼容性的问题需要去测试，工作量小很多。因为 cli 已经是 rust 写的，所以自然而然就会想到用 rust 的 GPUI 去做跨平台，不过决定之前肯定是要先做 PoC 验证的。跟 Fable 5 一起写了个技术方案文档，由于上个周期额度到了，后面就先让 GPT 5.6 Sol 去实现了一个 PoC 版本（图2），还不错了。今天 Grok 4.6 发布，又用 Cursor + Grok 4.6 实现了一个版本（图3），效果要差一些。Grok 4.6 有点好处就是生成的速度极快今天晚上 Claude 的额度终于刷新了，再让 Fable 去实现了一个版本（图4），相对来说是最好的一个，但离成品也还有不小的差距。经过这三个 PoC 版本，至少可行性上是没什么问题了，性能也很好，接下来就沿着这个方向走下去了。---对了，现在 BaoCut Skill 从 Windows 下也可以转录和翻译视频了：网页链接

转发者评论

无明显转发评论

原文

#DeepSeekV4Pro和Grok4.6谁更强#AI8月12日深夜，DeepSeek V4 Pro正式版与马斯克的Grok 4.6同日上线。一个主打极致性价比，一个强调综合能力，这场“撞车”让AI圈彻底沸腾。先看跑分。DeepSeek V4 Pro在终端操作测试Terminal Bench 2.1拿下87.9分，距离全球冠军Claude Fable 5的88.0分只差0.1分；软件工程DeepSWE从预览版的12.8分暴涨到62.7分，增幅近5倍。Grok 4.6在Artificial Analysis智能指数上拿到61分，与GPT-5.6 Sol Max持平，并列全球第三；在知识工作评测GDPVal-AA v2中更以1753 Elo登顶。再看价格，差距就出来了。Grok 4.6定价输入2美元、输出6美元/百万Token。而DeepSeek V4 Pro输出仅0.87美元/百万Token——Fable 5是50美元，相当于跑分只差0.1分，价格差了57倍。怎么选？看需求。Grok 4.6适合高难度编程和复杂Agent的质量上限场景；DeepSeek V4 Pro更适合大规模、低成本执行。一个拼上限，一个拼成本，真正的差距不在跑分，在谁更能稳定把事办成。你怎么看？评论区聊聊。

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-08-13】今日简讯：1、DeepSeek V4 Pro正式版API发布，Agent能力大幅增强2、SpaceXAI发布Grok 4.6旗舰模型与Grok Bot常驻代理3、阿里云灵骏真武M890超节点实例正式上线4、腾讯发布2026年Q2财报，AI成核心主线5、Google Gemini月活用户突破10亿6、Meta与Anthropic洽谈100亿美元算力租赁协议7、前OpenAI研究员创立River AI，两月融资11亿美元8、字节跳动成立新AI一级部门，专注大模型数据与安全以下为详细内容：1、DeepSeek V4 Pro正式版API发布，Agent能力大幅增强来源：科创板日报 | 智东西日期：2026年8月12日正文：8月12日晚间，DeepSeek在官网API文档中上线了DeepSeek-V4-Pro-0813模型，调用模型名保持为deepseek-v4-pro不变。本次更新大幅增强了Agent能力，并正式支持Responses API和Codex接入。在定价方面，输入价格为3元/百万Token，输出为6元/百万Token，缓存命中的输入价格低至0.025元/百万Token。根据提供的基准测试数据，其在Terminal Bench上获得87.9分，非常接近Fable 5的88.0分；在CyberGym和AutomationBench上则实现了对Fable 5的反超。尤为突出的是，其DeepSWE跑分从预览版的12.8大幅提升至62.7。模型支持100万token的上下文长度，最大输出长度可达38.4万token。原文链接：网页链接2、SpaceXAI发布Grok 4.6旗舰模型与Grok Bot常驻代理来源：SpaceXAI官方 | AIBase日期：2026年8月12日正文：8月11日至12日期间，SpaceXAI先后发布了Grok 4.6旗舰模型和Grok Bot常驻任务代理。Grok 4.6模型针对编码、代理任务和知识工作进行了优化，在Artificial Analysis Intelligence Index上达到61分，与GPT-5.6 Sol Max持平。Grok Bot则为每位用户提供一个持久运行的云电脑环境，能够以具名代理的身份登录用户指定的网站和应用，保存工作状态并持续完成任务，即便用户关闭笔记本电脑，任务仍可在云端推进。Grok Bot目前处于早期beta测试阶段，主要面向SuperGrok Heavy及Cursor Ultra/Teams订阅用户开放。原文链接：网页链接3、阿里云灵骏真武M890超节点实例正式上线来源：科创板日报 | 证券时报日期：2026年8月12日正文：8月12日，阿里云宣布其灵骏真武M890超节点实例正式上线，首批在乌兰察布地域开售。该实例为企业级客户提供了云上开通64卡高…

转发者评论

无明显转发评论

原文

压力转到智谱。近一个月时间国产模型动作密集，其中K3、Qwen-3.8、V4正式版连发三支重箭。智谱跳过5.3近期直接发布GLM-5.5才可能hold住场面。5.5大概率以小打大，不过估计还是可以守住国产Coding最强模型宝座，与ZCode协同，特色主打自主规划自我修正的Agent长程工作流。但是智谱在应对斩杀线掏底、工作台反切方面的进展可能相对有限，原本一枝独秀的ARR曲线也会受些影响。1GW智算中心、收购中科加禾、推理与算力系统优化等解决卡不足带来的慢且贵问题的措施，效果有时延。体量放大的Hy4也可能提前发布，腾讯的力度是自由现金流转负级别的，字节的力度是投资规模最大且利润暴跌级别的，现在的局面是不仅AI基础设施这一关绕不过去，而且接下来的竞争是谁卡多谁云大谁全栈谁占优。火力的背后是资金，小虎与大厂赛跑的尽头也是资金，如果不能持续来几波融资上市潮会撑不开场面，所以托举还需要继续......现在能拖国模后腿的主要就是算力了，适合今年以来2T以上多模态长上下文大模型（主流）高效训练各项需要的，是可能最快明年下半年才会上市的xxx，能满足明年几T需要的是什么？

转发者评论

无明显转发评论

原文

【字节跳动公开导演级分镜文档，AI视频课的温床被端了】字节跳动近期公开了 Seedance 2.5 与 Seedream 5.0 Pro 的官方提示词文档，将 30 秒长镜头、时间戳精准控制以及多素材参考等进阶玩法悉数共享。文档包含从盛唐夜景到废土科幻的数十套完整案例，不仅列出了精细到秒级的 Prompt，连镜头调度、负面词规避和音效配合都写成了可直接复制的分镜剧本。这种资料的释放，宣告了靠卖基础 Prompt 赚差价的 AI 收费课正式失去生存空间。字节此举并非单纯秀技术，而是试图通过降低审美和专业门槛，将 AI 视频从随机抽卡推向确定性生产。对用户而言，视频生成的瓶颈已不再是工具本身，而是如何像导演一样思考转场与叙事。相比于模型参数，这套融合了摄影美学与工程指令的方法论，才是当下最有价值的商业资产。这种降维打击让普通人也能写出专业级分镜，确实比大多数几千元的培训更有干货。 bytedance.larkoffice.com/docx/EvLJdw9n8oX1HExDfllcA22jnLe

转发者评论

无明显转发评论

原文

给大模型喂文档这件事，格式一直是个头疼的问题。Word、PPT、Excel，每种格式的结构都不一样，市面上各种转换工具转出来的 Markdown 质量也参差不齐，表格丢了，脚注没了，嵌套列表变成一坨，换个格式结果就变样。Firecrawl 团队用 Rust 写了一个库叫 anydoc，专门解决这个问题。支持 14 种办公格式转 Markdown，转换速度中位数不到 5 毫秒，上线没多久就拿了 12000 多个 Star。它最核心的优势是：不管你丢进去的是什么格式，转出来的 Markdown 结构都是一致的。表格还是表格，脚注还是脚注，嵌套列表层级分明，不会因为源文件换了个格式，输出就面目全非。对大模型来说，输入结构稳定，理解和处理的效果自然也更稳定。用法上提供了三种选择：Node.js、Python 和浏览器。其中浏览器版本文件全程在本地转换，不传服务器，对隐私敏感的场景也能放心用。传送门：github.com/firecrawl/anydoc平时经常要把各种格式的文档转给大模型处理的朋友，这个库拿来用挺省事的，省得每次还要自己折腾格式清洗。#科技先锋官##How I AI#

转发者评论

//@LangChainAI:转发微博

• //@LangChainAI:转发微博

原文

DeepSeek正式发布了V4 Pro 正式版，大家评价就一个字：猛。成绩单直接冲着最强的闭源模型去。在HLE、Terminal Bench、Cybergym、DeepSWE这些评测里，V4 Pro的智能体能力几乎全方位压过上一代的Opus 4.8，已经无限逼近最强的Fable 5，有些榜单甚至反超。说白了，现在拼的不只是会不会聊天，更看它能不能自己干活，比如自己写代码、自己操作电脑。这次它相当能打，也让人看到训练后的调校有多重要。价格还是熟悉的便宜路子，一百万tokens输入3块，命中缓存0.025元，输出也才6块，确实吓人。不过代价也有。有网友实测发现，V4 Pro思考时的"内心独白"变得很怪，像山顶洞人说话，能省的词全省了。据说是为了省成本、提性能，代价就是写文章这类活儿估计悬了。这大概也是这波AI竞争的趋势，一切都在为写代码让路。再往前看，国产开源阵营这几个月真是开了挂。先是GLM 5.2，号称后训练的神，冲到Opus 4.8水平；接着Kimi K3逼近Fable级，还点燃了开源闭源之争；随后DeepSeek又用超便宜的V4 Flash把调用成本打成电费，掀起价格战。有人开玩笑，DeepSeek像拿除草机在后面追的斩杀线，同行跑输营收归零，跑赢也没奖励。而这次不一样。V4 Pro完全体上线，眼光已不止停在性价比上，盯上的是那个最强王冠。那个2025年春节刷屏的DeepSeek，好像回来了。#How I AI##科技先锋官##DeepSeek发布V4Pro正式版#

转发者评论

无明显转发评论

原文

[CV]《GESTO: Human-Centric Spatio-Temporal Memory for Reasoning in Dynamic Scenes》E Bartoli, B He, D Rotondi, S Koch, F Tombari, K O. Arras, P Jensfelt, Y Cai, I Leite [KTH Royal Instituteof Technology & University of Stuttgart] (2026) 在机器人理解动态场景领域，让机器记忆并推理人类活动是一个悬而未决的难题。过去的方法受困于割裂：4D场景图只记录物体时空变化，而活动模型又与物理场景脱钩。本质原因是空间几何的“物”与行为语义的“事”两者缺乏统一的表示框架。本文的核心洞见是：把机器人记忆从“物体的时空快照”重塑为“人-物活动的层次化叙事”。由此，通过自动提取原子交互（如“拿杯子”），并将其聚合成有目标的事件（如“准备咖啡”），再统一锚定到4D场景图中的持久实体上，这一耦合操作使问题得以解开。这项工作真正留下的遗产是：一个能自动构建的、融合物理实体与活动叙事的记忆蓝图。它为后来者打开的新门是让机器人超越“看见什么”，开始理解“发生了什么”，实现基于活动历史的回溯性推理。但尚未跨过的门槛是对底层视觉交互识别准确率的高度依赖。arxiv.org/abs/2608.10886 #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

• 那些在实验室里跑分漂亮的记忆系统，到真实机器人上全垮了，不是算法不行，是它们偷偷依赖了“已经有人帮它切好的世界”。人工标注好的时间段、物体ID，就像考试提前告诉你题型，当然准。GESTO 做的事是把这层拐棍撤了，逼系统自己从一堆模糊的传感器数据里长出记忆，还得容错、还得自己修正。这才是从

原文

最头部闭源模型的价格越来越贵，开源模型越来越强，还有deepseek这种价格屠夫的存在，所以单纯只是在成本角度考量，所有企业其实都要考虑的自己企业内的AI模型部署与选择；同时又因为在这个阶段，广义上的“数据”的价值边际更加重要了，所以除了模型层之外越来越多的企业需要在模型后训练、强化学习环境搭建上做更多的“工程化”工作……但所有这些事情本质上都没有绝对的标准答案，战略方针、目标、具体执行都是未知的……最近红杉美国组织了一次活动---Own Your Intelligence 就是为了这个问题。YouTube上已经更新了四期，列表里的 4 支视频逻辑环环相扣，从战略理念到模型后训练（Post-training），再到强化学习环境（RL Environment）和垂直领域研发落地（Harvey Labs），非常系统地回答了企业和开发者在当下的核心焦虑：“如何从‘租用’通用大模型，转向‘拥有’属于自己的 AI 核心壁垒”。具体分享嘉宾和内容：Sonya Huang (红杉)：立论核心逻辑，为什么企业必须拥有自己的模型权重与智能控制权？Harvey (Gabe Pereyra)：法律 AI 垂直领域的超级范本，演示小团队如何低成本组建顶级 AI Research Lab。Fireworks AI (Lin Qiao)：讲透从何时、以及如何对模型进行 Post-Training（后训练）落地。Mercor (Brendan Foody)：拆解强化学习（RL Environment）与高质量数据构建的底层细节。地址：网页链接

转发者评论

无明显转发评论

原文

Claude 要给所有生成的文字"盖章"了。今天看到一个挺重要的消息：Anthropic 宣布，以后 Claude 模型生成的所有文本，都会被嵌入一种肉眼看不见的水印。这事儿的背景是欧盟出了一个 AI 法案，里面有一条要求 AI 公司必须让人能分辨出哪些内容是 AI 写的。Anthropic 签了这个法案的透明度实践守则，所以现在开始落实了。其他几家大的 AI 实验室也在做类似的事情。这个水印有意思的地方在于，它是直接织进文字里面的，不是什么附加的标签或者元数据。你把 Claude 写的一段话复制粘贴到别的地方，水印会跟着走。哪怕你做了一些修改，水印也可能还在。你读起来完全感觉不到它的存在，不影响文字的质量和可读性，但机器能检测到。Anthropic 的员工 Thariq 在推特上举了个例子：以后你可以用这个功能来检查一个代码提交（PR）是不是 Claude Code 帮写的。这对于团队协作、代码审查来说，确实是一个很实用的场景。除了文字水印之外，Claude 生成的图片文件，比如 png、jpg、svg 这些，会附带一种叫 C2PA 的签名元数据。这是一个行业通用的开放标准，专门用来记录内容的来源信息，能让你知道这个文件是不是经过 Claude 处理的，有没有被篡改过。Anthropic 还说会推出一个文本检测的 API，让开发者可以自己去调用，判断一段文字是不是 Claude 生成的。当然，Thariq 也坦诚地说了，这个水印是有局限性的。具体什么局限，官方说后续会发布更详细的技术文档来解释。整体来看，这算是 AI 行业在“内容透明度”这件事上迈出的一步。以前大家争论 AI 生成的内容该不该标注、怎么标注，现在至少有一家头部公司开始从技术层面给出方案了。对普通用户来说，以后可能会有越来越多的工具帮你判断“这段话到底是人写的还是 AI 写的”。对开发者来说，多了一个可以集成的检测能力。至于这个水印会不会被绕过、检测准确率到底多高、对创作自由有没有影响，这些问题目前还没有明确答案，得等后续的技术细节出来再看。#How I AI##科技先锋官#

转发者评论

无明显转发评论

原文

#微博视频号续航计划# 3Blue1Brown的系列科普短片《压缩即智能》的第二集。（一共有三集，现在发布了两集，上集在 网页链接 ）这个系列力图从信息论的数学根基出发，论证压缩与预测/智能是同一件事。系列从 2002 年那篇仅凭 gzip 文件压缩就能还原出语言演化树的《语言树与压缩》论文切入，逐步建立信息、熵、交叉熵、KL 散度等核心概念，最终把大语言模型的预训练目标重新框定为"打造尽可能高效的文本压缩器"，从而为那句发人深省的"压缩即智能"提供可严谨评估的数学基础。第一集从"文本压缩是否存在根本极限"这个问题出发，带你重温香农信息论的开端。第二集聚焦交叉熵这一概念，把上集的压缩视角与大语言模型训练直接接轨。#How I AI# 蚁工厂的微博视频

转发者评论

无明显转发评论

原文

LLM 写代码的 bug 变了，简单错误消失，复杂问题浮现。最近看到一个挺有意思的讨论。Bun 的创始人 Jarred Sumner 发了条推，就三个词：“doesn‘t happen anymore”，意思是让 AI 写代码时，以前那些老毛病现在已经不出现了。Anthropic 的 Boris Cherny 接过话头补充了一下。他说 LLM 写代码确实还会出 bug，这点没变，但 bug 的种类完全不一样了。以前最常见的是什么呢？数组越界、循环多跑一次少跑一次、边界值没处理好，这种特别基础的逻辑错误。现在这类问题基本上被模型搞定了，几乎不怎么出现。那现在的 bug 长什么样？更多是系统设计层面的问题，比如架构选择不合理、UI 交互体验不好用、或者对整个项目的上下文理解不够。说白了就是，写一段函数、实现一个算法这种事情，模型已经很靠谱了。但是当你需要它做工程判断，需要它理解“这个功能放在整个产品里应该怎么设计”的时候，它还差点意思。Boris 给出了一个实用的应对方法，叫“对抗性代码审查”。核心思路就是让 AI 自己去挑自己写的代码的毛病。操作上可以很简单，比如写一行提示词让它“用动态工作流对抗性地测试每一个边界情况”，也可以直接用 Claude 内置的 /code-review 命令。这个命令还分不同力度，/code-review low 是轻量级的，往上还有 medium 等更深入的模式。评论区有人好奇这个 code-review 是不是多智能体协作的，Boris 回答说 low 模式下完全不用 agent，但高力度模式最多会同时调动 10 个 agent 来审查代码。还有人吐槽说“希望解决问题的方式不只是往里面堆更多 token”，Boris 的回应挺有意思：每一代新模型完成同样的任务，需要的 token 数量其实在变少。帕累托前沿一直在往左移动，也就是说同样的效果，成本和消耗都在降低。另外有人提到一个社区里最近很多人关心的问题：模型的编码能力越来越强了，但写作能力和个性表达是不是反而退步了？这确实是个值得关注的取舍。最后还有个细节，有人说自己做对抗性审查时喜欢换一个完全不同的模型家族来审，觉得效果最好。Boris 倒是建议先试试 /code-review low，说他们内部评测的结果显示，这个功能的表现比其他模型都好，而且成本不到一美分。总结一下就是：AI 写代码这件事正在经历一个质变。低级 bug 的时代过去了，我们进入了一个需要关注更高层问题的阶段。好消息是，工具也在跟上。#How I AI# #科技先锋官#

转发者评论

无明显转发评论

原文

前几天在斯坦福的一场交流里，宠物AI公司Traini创始人孙邻家问了个特别简单的问题：把模型拿掉，这个产品还成不成立？现在不少投资人就用它来筛项目值不值得投。他觉得，用多少AI、花多少Token都是很浅的指标，关键看AI有没有钻进产品、组织、用户和生意的深处。拿ChatGPT说，模型一拿走，就剩一个输入框和一个发送按钮，基本没用了。可很多产品，拿掉大模型，核心功能照样跑，只是少了聊天框、少了总结按钮，说明AI还没深入骨髓。真正够格的AI产品，应该做到没有AI就没法用。讲到组织，以前做个需求，业务提、产品写、设计画、研发做、测试验，转一圈俩月，最懂问题的人只能站在起点等。现在一个HR能把流程直接讲给AI，自己把工具做出来，放进公司系统。判断一家公司是不是AI原生，就看人事、财务、行政、运营这些人，能不能借助AI做出一个被更多人用起来的产品。他还给"一人公司"泼了冷水，说这说法有点过头，但团队变小是明确方向。AI公司里有人凌晨四点加个功能，另一人早上八点就得起来响应，跑得快，压力也大。谁更容易成为AI原生？他认为是新公司，越是成功的传统公司越难改，因为大家都习惯只管自己那一段，如今需要能跨部门干活的AI产品经理。他还发现，小孩子用AI都是开口说，不打字、不找菜单，以后语音、手势这些多模态交互会越来越多。可AI助手就算听懂你说的话，拿不到权限、连不上应用，最后只能陪你聊天，像脑子聪明、手脚却被绑住的助理。最后是钱。AI每干一次活都要付模型和算力的钱。他们做宠物产品，把狗狗某个瞬间变成图片，用户看着可爱，后台每次都要付费。以前软件多一个用户成本很低，现在来个AI重度用户，他每让AI多干一次活，公司就多付一笔钱。要是用户感受到的价值盖不过调用成本，产品越受欢迎，公司可能死得越快。硬件也一样，设备只是入口，后面的转写、整理、搜索服务每月都在烧钱，商业模式也得跟着创新。说到底，AI原生像一场连锁反应，从产品一路撞向组织、用户和商业模式。现在很多公司还停在早期，只是把AI工具放到公司内网。当然，非AI原生的企业也还有前途，但按这套逻辑想问题，能让人更好地站在这个时代里。就像那位创业者说的，一个行政也能在AI帮助下做出领办公用品的机器人、收发快递的智能体，那他就成了能用AI解决问题的人，不再被标签卡住。#How I AI##科技先锋官#

转发者评论

无明显转发评论

原文

从现在起，我个人将抵制完全由AI生成的任何故事短剧，更反对它们向院线电影发展。我也希望更多人和我一样，抵制那些AI生产的假人类表演的垃圾作品。动画早就是一种艺术门类，不属此列。AI可以大量融入创作过程 ，比如很多玄幻故事， 以及自然灾害场面，AI可以实现之前无法做到的表现。但它们与纯AI电影是两回事。不时看到有消息称，有公司在朝着院线级的AI长故事片冲击，真走到那一步，希望国家有关部门不予批准院线上映。就一个原因：要保护人类的工作，保护人类的艺术传统，不能让AI像洪水一样把它们都冲走，拿廉价的AI饲料像喂猪一样填充我们的娱乐时间。AI电影如果最终消灭传统电影艺术，以及消灭各种表演艺术，就是邪路。同样，我反对快速大规模用无人出租车替代人工驾驶。无人驾驶是很重要的技术，无人出租车是训练人工智能的重要场域，可以局部示范、有序应用，但它决不可以在未来全面进入出租车市场，剥夺人类工作。AI很重要，老胡每天都在用它，提高效率和准确性。AI向人类提供巨大赋能，让人类可以完成许多今天做不到的事情，大幅提高运转效率。地球和人类都很脆弱，AI会让我们强大起来。但AI要造福人类，让我们更幸福，而不能像推土机一样，把无数人类家庭以就业为基础的生态，以及很多我们珍视的传统都推倒推平。它应当同时给我们每一个人赋能，让我们的工作变得轻松，生活更愉快。所以，我们要反对资本出于趋利本性在物质已经很丰富、短缺经济已经一去不复返的时候用AI大规模替代人类工作，那将是人类社会加速分化成掌握资本和技术的少数人，以及“其他”大多数人的不归路。 我们必须做好发展AI和减少AI副作用的平衡。AI剧不是纺织机，也不是汽车火车。纺织机打破了布匹紧缺，帮着全人类穿上了衣服；汽车火车帮助人类实现了远行。AI应该做真正的“纺织机”“汽车”“火车”，让人类把宇宙变成家园，战胜之前无法战胜的疾病，而不是什么都不变，只对需要饭碗的人们说：不需要你了，你滚吧。

转发者评论

无明显转发评论

原文

@但斌 二季度持仓曝光！重仓押注AI芯片产业链但斌完整持仓名单：网页链接巴菲特、段永平、但斌等大佬持仓名单：网页链接但斌旗下产品业绩：网页链接但斌旗下东方港湾业绩：网页链接作为中国私募行业的代表人物，但斌执掌的东方港湾近年来持续加码全球科技资产配置。其美股持仓动向，通常被视为观察中国私募机构布局全球AI产业链的重要参考。一、东方港湾及但斌简介1、机构基本情况东方港湾成立于2004年，由但斌创立于深圳，二十余年来始终恪守价值投资理念，在市场的起伏与挑战中持续前行。公司已逐步拓展全球视野，践行“扎根中国，走向世界”的战略布局，坚持以价值投资为核心方法论，通过独立研究，精选优质企业并长期持有。东方港湾旗下海外基金“Oriental Harbor Investment Fund”定期向美国证券交易委员会（SEC）提交13F持仓报告，其美股持仓数据受到市场广泛关注。2、在美股的投资风格但斌秉持“从基本面分析出发的价值投资”理念，偏好投向轻资产、高盈利的企业。其核心方法论可概括为“投资于改变世界与不被世界改变的公司”，聚焦那些能够定义未来、拥有宽阔护城河的伟大公司。近年来，但斌全面拥抱人工智能时代，全力押注AI基础设施，并称其是“进可攻、退可守”的选择。他主张“看得准、敢重仓、能坚持”的投资哲学，并强调“错失时代的风险，远大于泡沫风险”。二、但斌最新美股持仓明细2026年二季度数据显示，东方港湾海外基金共持有13只美股标的，持股市值合计约16.5亿美元，较一季度末的11.3亿美元增长46%。按持仓市值排序，但斌十大重仓股依次为谷歌-C、英特尔、英伟达、闪迪、美光科技、美国超微公司、迈威尔科技、台积电、Arm Holdings、博通。三、但斌持仓动向但斌二季度持仓呈现“大换血”特征——大举加仓AI硬件与半导体、清仓消费电子与新能源标的、全面向AI产业链上游集中。#私募排排网##私募##私募基金##排排网##排排网基金##但斌##但斌q2持仓曝光##但斌最新美股持仓曝光##但斌最新美股持仓曝光##但斌美股持仓出炉##东方港湾#

转发者评论

回复@鼓哥爱萝妹:[心][鲜花]//@鼓哥爱萝妹:市值涨了50%,牛逼//@但斌:这个持仓只有美股的持仓，没有算上海力士大概4%正股和1%两倍的持仓[作揖][心][鲜花]//@向班长:知行合一。

• 回复@鼓哥爱萝妹:[心][鲜花]//@鼓哥爱萝妹:市值涨了50%,牛逼//@但斌:这个持仓只有美股的持仓，没有算上海力士大概4%正股和1%两倍的持仓[作揖][心][鲜花]//@向班长:知行合一。
• 回复@多多渔_666:这个是假冒的，我没有任何群，也从不组群，也没有助理组群！请不要上当受骗！[作揖]//@多多渔_666:冒充但总助理的又来了，大家小心[允悲] http://t.cn/AXN9mQEI //@但斌:这个持仓只有美股的持仓，没有算上海力士大概4%正股和1%两倍的持仓[作揖][心][鲜花]//@向班长:知行合一。
• 这个持仓只有美股的持仓，没有算上海力士大概4%正股和1%两倍的持仓[作揖][心][鲜花]//@向班长:知行合一。
• [作揖][心][鲜花]

原文

[CL]《Off-Axis, On Purpose: Where a Transformer Computes Concepts and Why it Does So》M Oskin [University of Washington] (2026) 在 Transformer 解释领域，中间计算的“离轴”状态是一大难题。过去的方法受困于将其视为待修正的缺陷，试图强迫每层直接解码，本质原因是未能理解模型为何不在最终输出空间里直接进行思考。本文的核心洞见是：把“离轴”空间重新看作一个受保护的计算工作区。由此，模型将跨词元概念混合的操作隔离在与输出正交的子空间内，避免了对最终词汇预测的干扰。答案在计算后期才通过加法被“写入”输出轴，而非旋转既有内容。这项工作真正留下的遗产是揭示了 Transformer“离轴计算-在轴提交”的两阶段模式是一种设计而非缺陷。它为后来者打开的新门是：可以通过预设正交基底来主动塑造模型的内部计算几何。但尚未跨过的门槛是如何利用这种控制力，为特定任务设计出最优的计算框架。arxiv.org/abs/2608.10251 #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

• 过去我们追求的可解释性，本质上是在拿“人类能看懂”这把尺子硬量机器的内部语言。偏轴现象告诉我们，模型不是不想让你看懂，是它需要一个“草稿纸空间”来处理那些还没想清楚的中间态。就像你在纸上列式子，最后才写答案——强行让每一步都变成答案，反而会让计算崩坏。可解释性不该是考古，而是理解

原文

🚨再也不能在你的机器上运行大型 AI 模型了！kimi-k3-in-c 是一个纯 C99 引擎，仅 176 KB，它直接从磁盘传输 Kimi K3 的专家从不加载到内存中！- 无需 GPU- 无需 CUDA- 无需框架在仅配备 8.24 GB RAM 的 CPU 上运行一个拥有 2.78 万亿参数的模型 🤯100% 开源代码。AI 的未来刚刚到来……而且它能装进你的笔记本电脑。网页链接

转发者评论

无明显转发评论

原文

网页链接 (下载链接)制作了一个为避免上下文太臃肿导致AGENT理解出现偏差，能把工作顺利交接给下一个GPTWORK开启新对话的SKILL。命名为”交接skill”算是踩着巨人肩膀做事，引用了github最受欢迎的handoff技能，负责提炼上下文精简对话，47.9万次安装，是这类技能里人气最高的，但是它有个缺点，它奉行“引用资产”，所以不会把图片、附件和工程文件整理成可搬运的压缩包。如果是本机还好，但要搬运全部资料给其它电脑上的GPT就会比较困难。我在handoff的基础上做了一个资产转移扩展，可以收集本次任务使用过的图片、视频、文档和输出文件，将临时目录附件复制进持久化资产目录，记录原始路径、目标路径、用途、大小和哈希，区分必须交接和仅参考用的资产，生成可粘贴给下一个对话的启动提示词，或可直接自创建新的对话交接任务给它，最后要求新对话复述目标、资产和下一步，确认交接无遗漏。已经放到我的巨大敌鸽AI QQ群文件了，目前是一个3000人群，外面仍然有几千人待加群，可能会考虑近日里开2群。学习方法是下载好MD文件，直接告诉CODEX：请完整学习这份“交接 SKILL”。以后当我要求交接任务、保存上下文、转移到新对话或打包附件时，严格按照文件中的流程执行；没有文件或任务工具时，必须明确说明限制，不得假装已经复制、校验或发送。*要知道的事情是，CODEX最好也不要直接让第二个对话引用第一个对话的记录来做参考，这样反而会导致臃肿的上下文直接影响你的新对话，我也是在实际制作中踩了坑，并且向GPT5.6 SOL再次求证后才知道的这个情况。#敌鸽AI学习手册# #微博VibeLab# #VibeWork#

转发者评论

#微博VibeLab# 技术和创意碰在一起，总是会让人惊叹!

• #微博VibeLab# 技术和创意碰在一起，总是会让人惊叹!
• 非常实用的生产力工具了，点赞👍

原文

2026年，硅谷最敏感的一桩悬案，就是AI蒸馏。每当一款新模型突然变强，回答又带着Claude的味道，同一个问题就会在业内游荡。所有人都在怀疑，却没人能把证据拍在桌上。直到今天，一篇长达116页的论文突然炸场。来自MATS Research、ELLIS图宾根研究所等机构的8位研究人员，联手砸穿了巨头们的「黑盒」——Claude、GPT和Gemini从未公开的「原始推理」，被大规模恢复了出来。撬开顶级AI防线的，竟然是「自家最便宜的小模型」。Opus 4.8负责思考，Haiku 4.5负责把它隐藏的推理念出来。同样的招数，在OpenAI和Google的模型体系里也能奏效。整个过程，简单得让人难以置信。第一步，问Opus 4.8一个问题。此时API会输出一段经过处理的思考摘要，和一串36180个字符的乱码，后者正是被加密隐藏的完整CoT。第二步，把乱码原封不动放进新请求，模型换成Haiku 4.5，告诉它继续，把这一轮推理原样抄写出来。Haiku照做了。下一秒，Opus的「大脑」被当场打开，包含试除、排除、分解、验算的整段隐藏思考，被一个Token一个Token地念了出来。测试中，提取的推理Token数量，与API实际计费的思考Token数几乎完全重合。为什么最弱模型能读懂最强模型的秘密？答案藏在API的工作方式里。为节省成本、满足零数据保留要求，大厂把原始推理封装成加密块交给客户端暂存。而漏洞正出在这里——这些密文没有严格绑定原来的会话、用户和模型，出现了跨会话、跨用户、跨模型的三层互通。旗舰模型藏起来的完整推理，就这样被同门小模型一句句说了出来。按照Haiku 4.5的标准API价格，解码1万条推理轨迹，名义费用只要720美元。研究人员随即回头追查蒸馏悬案。第一组实验里，同一段Opus推理，有一款模型复现起来比其他模型最高容易100万倍。第二组实验中，只把Opus思考开头的5个token喂给另一款模型，两段答案的相似程度从0.17冲到0.33，接近翻倍，30道题里有29道都出现同样变化。这算蒸馏实锤吗？作者没有宣判，但第一批「物证」已经上桌了。更大的问题是，这个漏洞偷走的不只有模型公司的推理资产。研究团队从GitHub和Hugging Face收集了6708条公开Agent运行轨迹，重建出315320个推理块，其中328条至少泄露一项敏感信息，占比约4.9%，包括62个API密钥、33个密码、24个访问令牌、7个私钥等。大厂费尽心机堆算力砸出来的推理壁垒，在几百美金的API调用费面前脆如薄纸。当旗舰模型的「思考底牌」能被廉价提取，巨头们引以为傲的护城河，恐怕要重新打个问号。

转发者评论

无明显转发评论

原文

[CL]《Cracks in the Foundation: Seemingly Minor Architectural Choices Impact Long Context Extension》A Bertsch, L Soldaini, M R. Gormley, G Neubig… [Ai2 & CMU] (2026) 在大型语言模型领域，长上下文扩展的架构选择是个高风险赌注。过去的方法受困于短上下文指标，本质原因是，某些看似无害的架构选择，其负面效应只在长文本中才暴露并叠加。本文的核心洞见是：将QK Norm等“微小”架构选项，重新视为决定长上下文能力的“地基”。由此，通过大规模受控消融实验隔离变量，这一关键操作揭示了各选项的独立及复合影响，使优劣在早期即可判断。这项工作真正留下的遗产是一份架构选择的实证“避坑指南”。它为后来者打开了在预训练之初就为长上下文而设计的新门，但尚未解决如何在不牺牲这些选项带来的训练效率与稳定性的前提下，达成此目标。arxiv.org/abs/2608.10296 #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

• 训练稳定性跟能力上限，本质上是“安全驾驶”跟“极限性能”的矛盾。你给模型加个 QK-norm，就像给赛车装了限速器，短途跑得确实平稳，但要上高速跑长途，那个限速器会成为物理天花板。最恐怖的是，这个天花板是隐形的，你在短文本评测里根本看不出来，等发现的时候已经训完了，17 万 GPU 小时打了水漂

原文

前些天 X 上还一堆人讨论要不要看 AI 生成的代码，现在《Clean Code》作者鲍勃大叔都说：“我不看 AI 写的代码”他的原话是，这是他能利用 AI 生产力的唯一方式。人类读代码太慢了，如果还逐行审查，就丧失了用 AI 的意义。但不看不等于不管。他的做法是给 AI Agent 设置层层关卡：单元测试、Gherkin 测试（一种用接近自然语言描述软件行为的测试格式）、QA 流程、代码质量指标、变异测试（故意往代码里塞小错误，看测试能不能抓住）、测试覆盖率，等等。他在今年早些时候还公开了自己的具体实践：一套四个 Agent 组成的流水线，分别负责需求规格化、编码、重构和架构审查，每个阶段都比上一个阶段更形式化，需要的人工干预也更少。他同时还会看测试覆盖率、依赖结构、圈复杂度、模块大小这些指标，从指标推断代码质量，而不是从代码本身。【注：圈复杂度（Cyclomatic Complexity）衡量代码中独立执行路径的数量，数字越大说明逻辑越复杂，越难维护和测试。】当 AI 生成代码的速度远超人类阅读代码的速度，代码审查的形态也在跟着改变。以前的核心能力是读代码、写代码，现在可能正在变成写测试、定约束、设指标。鲍勃大叔过去几十年一直在推测试驱动开发（TDD），现在 AI 时代高质量的测试覆盖反而比代码更有价值。他今年在 O'Reilly 上开了一门课，叫《AI Agents for Clean Code》，也在自己的 Clean Coders 平台推出了新系列《Clean AI: Agentic Discipline》。主旨一样：AI Agent 不是不需要纪律，是需要不同的纪律。

转发者评论

//@宝玉xp:1. 用更好的模型；2. 任务拆小一点；3. 一开始就提供验证的方法，当它能验证做的对不对就很少偷懒；4. 人工验证也是必要的 //@O_O远:但写的代码不一定完全符合你的意图啊，尤其是ai喜欢偷懒。经常是要花很多token核对。

• //@宝玉xp:1. 用更好的模型；2. 任务拆小一点；3. 一开始就提供验证的方法，当它能验证做的对不对就很少偷懒；4. 人工验证也是必要的 //@O_O远:但写的代码不一定完全符合你的意图啊，尤其是ai喜欢偷懒。经常是要花很多token核对。

原文

[AI]《Toward a Theory of Value in AI Alignment》A Smart, S Ahmed, J Kay, J Tobin, K Shrishak, A Birhane [Google Research & UCLA & Google Deep Mind] (2026) 在 AI 价值对齐领域，让系统真正符合人类价值观是一大难题。过去的方法受困于纯粹的技术视角，其本质是用易于量化的“偏好”选项，偷换了根植于文化的“价值观”这一复杂概念。本文的核心洞见是：把价值对齐研究本身作为分析对象。由此，通过系统性审查其文献，揭示了“价值被简化为偏好”这一普遍操作，让藏匿于技术实现之下的浅薄价值论浮出水面。这项工作留下的遗产是为技术主导的价值对齐强制引入了哲学反思。它打开的新门是将讨论从“如何实现偏好”转向“应采纳何种价值理论”，但尚未跨过的门槛是如何将更深刻的价值理解转化为可计算、可问责的工程路径。arxiv.org/abs/2608.10327 #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

• AI对齐现在干的事，本质上是让机器去猜“人类想要什么”，然后用A/B测试的方式训练它。但人类想要的东西，从来不是简单的选择题。你今天选咖啡不选茶，可能是因为没睡好，可能是因为茶包过期了，也可能是因为你想起了前任爱喝茶。把这种复杂性压缩成“人类偏好咖啡”，然后让模型学这个，等于是用淘宝

原文

#硅谷101# 从DeepSeek、Kimi到“黄仁勋联盟”：AI模型开源，到底“开”了什么？DeepSeek、智谱、Kimi接连掀起热潮，黄仁勋亲自下场推动开放模型联盟，AI行业的“开放”正在从中国模型厂商的突围，演变成一场席卷全球的产业浪潮。但如今的“开放模型”，其实并不等同于真正的“开源”，更多指的是“开放权重”。那么，所谓的“开放权重”模型究竟开放了什么？本期视频，我们从一个AI模型的训练与发布流程讲起，梳理闭源、开源和开放权重之间的区别，并进一步对比了Llama、DeepSeek、Kimi等主流开放权重模型之间的开放差异。为什么整个AI行业正在不断拓宽开放权重的边界？开放权重就意味着可以免费使用吗？不同的许可证，又决定了开发者可以怎样使用、修改和商用这些模型？更重要的是，当越来越强大的模型开始开放权重，它究竟会给开发者、企业和整个AI产业带来什么？这期视频，我们就来深入拆解”开放权重”模型背后的技术逻辑、商业模式，以及它正在重塑的AI生态。采访嘉宾：王铁震，前Hugging Face亚太生态负责人Keith Zhai，TinyFish联合创始人#闭源模型##Deepseek##大模型##AI##黄仁勋##英伟达##Kimi##闭源##视频播客开麦计划# 陈茜inTheValley的微博视频

转发者评论

无明显转发评论

原文

#微博视频号续航计划# 3Blue1Brown的系列科普短片《压缩即智能》又更新了一集。这个系列一共有三集，这条微博是上集，中集在这里：网页链接这个系列力图从信息论的数学根基出发，论证压缩与预测/智能是同一件事。系列从 2002 年那篇仅凭 gzip 文件压缩就能还原出语言演化树的《语言树与压缩》论文切入，逐步建立信息、熵、交叉熵、KL 散度等核心概念，最终把大语言模型的预训练目标重新框定为"打造尽可能高效的文本压缩器"，从而为那句发人深省的"压缩即智能"提供可严谨评估的数学基础。第一集从"文本压缩是否存在根本极限"这个问题出发，带你重温香农信息论的开端。第二集聚焦交叉熵这一概念，把上集的压缩视角与大语言模型训练直接接轨。#How I AI# 蚁工厂的微博视频

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《Harness Engineering实战：构建可靠的生产级AI Agent》，截 8 月 17 日，转发+评论+点赞 此微博并关注 @网路冷眼 赢取。全书围绕“Agent = Compose（Model，Harness）”这个核心公式展开介绍，在业界Harness Engineering实践基础上，总结出一套面向Agent落地的工程框架，系统讲解如何在模型之外建立约束、工具、上下文、记忆、验证、反馈，使Agent能够稳定、安全、可复现地完成真实任务。从AI编码任务失败案例出发，逐步实现一个Harness框架，并通过工具系统、MCP、Prompt Cache、上下文压缩、验证闭环、反馈调节和多Agent协作等内容，展示生产级Agent系统的构建方法。帮助读者在工具快速迭代中做出清晰的判断：当一个Agent系统没有按预期工作时，问题到底是出在模型、提示词上，还是出在模型之外的 Harness上。

转发者评论

无明显转发评论

原文

AI是一种工具，而不是意识形态，不是某个人。反对工具本质上是反动派，因为马克思主义关于反动派的定义，就是阻碍生产力发展，阻碍历史向前发展。你可以说现在的AI工具还无法 生成具有深度内容的影视剧，这没关系。这只能说明AI工具还不够成熟，人类运用AI工具的能力还欠缺。这恰恰证明这个行业还有巨大的前途。但是AI工具让每个人都有机会成为导演，编剧和制片。想象力一下子被激发起来了。这是现在的电影行业永远无法做到的。使用AI工具的同样是人类，所谓的保护人类工作从何谈起？电影诞生一共才多少年？这就“人类传统”了？那照相机大行其道那会，你怎么不为保卫人类传统绘画而奋斗呢？绘画在人类历史上的时间比电影久远的多，你这不双标吗？关于“剥夺人类工作”，“失业问题”这些东西不应该由AI承担。是生产关系要适应生产力的发展，不是生产力反过来适应生产关系。

转发者评论

无明显转发评论

原文

#微博视频号续航计划# IBM Technology 出品的一个技术讲解视频，讲解构建 AI 智能体技能（agent skills）时的五项最佳实践。五项最佳实践分别是：1. 描述就是触发器（The description is the trigger）：技能描述决定了技能是否真的会被运行。由于智能体启动时只加载每个技能的名称和描述（名称限 64 字符、描述限 1024 字符），描述必须自带足够信息，说明"做什么"和"何时用"。而因为模型倾向于少触发，描述写得稍"推销"一点反而更稳妥。2. 从真正的经验中构建（Build from real expertise）：技能的价值在于你独有的做事方式，所以内容必须来自模型自己拿不到的地方——要么手工走一遍任务记录实际有效的做法和修正，要么从旧报告、运维手册、评审意见、PR 反馈中提炼。正如 Simon Willison 所说："保留领域专业知识，让智能体去做常规部分。"技能正文里最高价值的部分就是"坑点"（gotchas）——那些违背常识假设的环境特有事实，每次纠正智能体都是一条要记下来的坑点。3. 明智地使用上下文（Spend context wisely）：当智能体选中技能后，正文会进入共享的上下文窗口，每一行都在争夺模型注意力，所以目标是写得精简。建议把 skill.md 正文控制在约 500 行/5000 词元以内，超出就用 references 子文件夹拆分——这是一种"渐进式披露"模式，只在需要时才加载额外信息。4. 利用确定性脚本（Make use of deterministic scripts）：让规定的程度匹配步骤的脆弱程度——宽松步骤写指令，脆弱步骤写代码。把脚本放进 scripts 目录，正文只告诉智能体"运行这个"，脚本不加载进上下文（还能省词元）。对于必须每次都对的部分，要把"猜"从循环里拿掉：测试只能捕捉你想到要检查的东西，而确定性脚本不会猜，整类 bug 直接就消失了。5. 运行前先审查（Vet a skill before you run it）：技能可访问本地文件系统和 API 密钥，因此非常强大但也危险。今年早些时候一份审计扫描了将近 4000 个公开技能，超过 35% 有安全缺陷，13% 有严重问题（如提示词注入或恶意软件）。所以要把技能当作任何其他依赖一样对待——像检查随机软件包那样，读它做什么、看它接触什么。一个好的技能，就是智能体真正会触发的、用真经验构建的、保持精简不撑满上下文的、在会出危险的地方配了确定性脚本的、并且在运行前审查过的技能。 蚁工厂的微博视频

转发者评论

无明显转发评论

原文

xAI 刚刚发布了 Grok Bot：AI teammate，一个你可以把真实工作交出去的AI员工同事。与以往的cowork产品（比如workbuddy等）有本质区别：每个Bot 有自己的电脑，它能登录你的工具，像人一样操作你的应用和网站，然后带着完成的工作回来找你：1️⃣ 像给同事派活一样给 Bot 派活在桌面端或 iOS 上直接发消息布置任务：Bot 会把项目从头做到尾，记住你的工作习惯，越用越聪明——需要你审批时才回来找你。2️⃣ 多个 AI员工bot 并行开工建一个 Bot 干项目，再加一个跑外联，再来一个管系统。它们并行工作、互相协作，7×24 小时不停机——哪怕你的笔记本已经合上了。3️⃣ 在你的工具里干活只需登录一次，Grok Bot 就能像你本人一样使用你的应用和网站，包括那些"不好伺候"的老系统。比如：让它登录 Zendesk，直接去清客服工单队列。4️⃣ 手把手教一遍，以后它自己跑让 Bot 跟着你完整走一遍工作流，它会存成一个"例行程序"（routine），下次自动执行。周报这种事，教一次就够了。5️⃣ Bot 之间会传递工作、共享记忆把几个 Bot 拉进同一个会话，它们会自己接力：研究的做研究、写稿的写稿、订票的订票。它还会记住客户细节——"这家客户只签年度合同，审批人是 Dana"——下次直接用上。过去两年 AI 的叙事是"copilot和agent"，帮你写、帮你改。Grok Bot 搞的是下一个阶段：AI 不再是助手，而是与人平行的主体，拿到了自己的工位、自己的电脑和自己的账号权限。当"教会一个 Bot"变得比"招一个人"便宜一个数量级，团队的形态会被重写。过去两年我自身也一直致力于做AI员工托管业务，Grok Bot相当于实现了这个目标，即是好消息也是不好的消息😅，现在任何人都可以用它在任何地方使用自己的AI员工，这是一个巨大的进步。#grokbot##ai员工# AIGCLINK的微博视频

转发者评论

无明显转发评论

原文

【Zed发布Delta：当Agent成了队友，协作编码还是伪需求吗？】高性能编辑器Zed团队推出了Delta，一个专为AI Agent和多人协作设计的独立环境。核心是其自研的DeltaDB，它能实时同步代码变更和对话记录，甚至能把Claude Code这类终端工具的会话无缝同步到网页端。社区不少资深开发者认为协作模式是老调重弹，屏幕共享足以解决问题。但Delta的切入点在于，AI时代的代码产出速度极快，传统的Commit快照模式已跟不上Agent的节奏。它把“对话”变成了协作的一等公民，让开发者能在AI的思维过程中直接标记和接管。这其实是在解决一个新矛盾：当你的主要队友变成AI时，如何避免它在一个没人看得见的黑盒里乱搞。比起连通同事，它更像是在为人类监管AI提供一个高带宽的实时驾驶舱。

转发者评论

无明显转发评论

原文

恐怖分子发生学，在《欢迎来龙餐馆》里成了一笔糊涂账。扎伊德（老扎）的妻女并不是死于美军轰炸或是袭击，而是死于当地极端组织的清算袭击。老扎原本是旧政府官员，有复兴党（电影里换了个词）背景；开战后当地出现针对旧政权人员的清算报复。老扎一家是被当地反对派／武装势力的报复性袭击并死亡。问题是这跟美军有什么关系？肚子疼去抱怨灶王爷吗？有人找补说是因为美军撤了对他一家的保护导致被袭击，问题是你这剧情也根本没交代啊，观众都开始帮导演瞎补剧情了吗？没有任何铺垫说他之前受到了美军保护，买点药都谈不拢还保护啥啊？ 老扎变成恐怖分子策划对美军的袭击这就根本解释不通。因为剧情对于宗教的原因避而不谈，以至于正常人转向恐怖分子，这个过程就让观众怀疑。（看明白我说的是啥没？老扎这个动机不成立。老扎家人被杀赖到美国人身上得拐几道弯？他不应该先去找那些炸他们家的去复仇吗？）更扯的是，最后一车孩子被截下来解救，那解救他们的是谁呢？政府军？美军？总不能是吴京去了吧

转发者评论

对伊拉克战争熟悉的懒得讨论，对伊拉克战争不熟悉的觉得惊讶//@来去之间:这段历史国内报道的不多，怕博主说智搜屁股歪，去问了美帝的GPT，一句话概括就是报复复兴党的什叶派武装是美军扶持的，而且美军知道并支持对逊尼派网络的攻击 http://t.cn/AXNNZaU3

• 对伊拉克战争熟悉的懒得讨论，对伊拉克战争不熟悉的觉得惊讶//@来去之间:这段历史国内报道的不多，怕博主说智搜屁股歪，去问了美帝的GPT，一句话概括就是报复复兴党的什叶派武装是美军扶持的，而且美军知道并支持对逊尼派网络的攻击 http://t.cn/AXNNZaU3

原文

【看透算法收敛的轨迹：第一性原理机器学习可视化指南】马里兰大学开发者 Gavin H 将机器学习核心算法从第一性原理出发进行了重构，推出了交互式项目 Machine Learning Visualized。它摒弃了高级库的黑盒封装，纯粹利用 NumPy 和 Jupyter Notebook 手动推导并实现梯度下降、PCA 及神经网络等算法。该项目最吸引人的点在于其动态可视化输出，完整记录了模型从初始状态到权重收敛的演进全过程。在 AI 工具泛滥的今天，调用 API 往往掩盖了算法底层的数学美感。这本书的价值在于通过“数学推导、逻辑代码、动画反馈”的闭环，将抽象的微积分和线性代数转化为肉眼可见的物理运动。社区评论普遍认为，与其死记硬背公式，不如亲手跑一遍这些从底层逻辑生长出来的代码，这对理解 Backpropagation 等复杂机制的效果远超纯文字描述。它不仅是教程，更是送给那些想穿透技术表象、拒绝只做“调包侠”的开发者的破局利器。 ml-visualized.com repo: gavinkhung/machine-learning-visualized

转发者评论

无明显转发评论

原文

午夜#学术新闻# 差不多3个小时前，Claude找到了阶数为668的Hadamard矩阵。发现者就是之前找到雅可比猜想反例的Levent Alpöge。Hadamard 矩阵是由 ±1 组成的方阵，要求行与行之间两两正交。它在组合数学、编码理论、信号处理、量子信息等领域都有应用。已知 Hadamard 矩阵只可能存在于阶数为 1、2 或 4 的倍数。很多阶数已经被构造出来，但仍有一些“悬案”。自2005年阶数428 被构造出来后，668一直是最小的未解目标。它被视为 Hadamard 矩阵研究中的“里程碑难题”。我本来想完整复制过来，结果发现有字符数限制~~668^2=446224,还要标出正负号~那就再*2……ps 纠正，不仅仅是668阶，而是构造出2000以下所有12个之前未知的阶数。猜测是调用了超算级别的计算集群，Fable5只是提供算法。矩阵的csv文件可以在此处下载，用于编程检验 网页链接另外一件矩阵分析和数值线性代数中有一个2004年提出的Crouzeix 猜想 ，涉及矩阵的数值范围 𝑊(𝐴)与谱集的关系。它断言对任意多项式 𝑝，都有∥𝑝(𝐴)∥2≤2max∣𝑝(𝑧)∣，𝑧∈𝑊(𝐴)2026年7月，北京协和医院的神经外科住院医师 金山木 (Shanmu Jin)，在自学矩阵分析的过程中，借助 ChatGPT 5.6的特殊提示策略，得出了完整证明。他的论文The Numerical Range Is a 2-Spectral Set于 7 月 27 日发布。他实际上尝试了一年，ChatGPT 5.6发布之后，感觉功能确实强了。经过专家审稿，论文完全正确。 SIAM News文稿 网页链接为什么医生会对矩阵感兴趣？因为他在分析经颅超声。有个好玩的点，金山木这个名字有没有人觉得眼熟？在2025年，有关于协和医学院“4+4试点班”的培养制度是否合理的讨论。当时位风口浪尖上的当事人，叫董袭莹。貌似后来被吊销行医资格了？因为她的缘故，捎带着几位其它专业转到医科读四年直接转入临床的人也跟着被扒，其中之一就是这位 金山木。在这个词条的百度百科上就能看到当时关于博士论文篇幅是否合规的争议。看来人家当时没有理舆论是非~直接遁入数学的世界提升了自己。

转发者评论

无明显转发评论

原文

如果你在找好用的 Agent，千万不要错过这个 144k 的开源项目。agency-agents 是一个超大的 Agent 预设集合，为开发者，技术团队和创业者提供一套即插即用的 AI 团队。包括工程开发，产品与管理，营销与销售，设计与体验，还有金融，医疗，地理信息，安全审计，游戏开发等领域。每个 Agent 都拥有独特的沟通风格，思维模式和工作流程，直接输出生产可用的真实代码，系统架构图，策划方案等可以落地的成果。支持 Claude Code，Cursor，GitHub Copilot，Kimi Code，Codex 等数十种 AI 工具。传送门：github.com/msitarzewski/agency-agents#how i ai##科技先锋官#

转发者评论

无明显转发评论

原文

Arena.ai总结了Claude系列模型不同版本之间的回答变化规律Opus 5 的回答最啰嗦/最长，平均每个回答约 510 个词；句子也最长，平均 12.22 个词；从句频率最高，说明它更常写复杂句，比如带 because、if、while 之类结构。它的回答整体更展开、更长、更有层次。“长内容词”比例最高的是 Opus 4.5。它更偏向使用较长、较不常见的实词；Opus 5 反而最低，40.1%。Opus 5 是“长篇、句子复杂”，但未必用词最难。Fable 5 最爱“表扬和认可”，比如 “great question” 这类话，出现率最高，3.11% 的回答会有这种模式。Opus 5 在“固定短语”上最高，比如图里举的 “load-bearing” 这类 stock phrase，每 1000 词 0.22 次，说明它更容易有一些固定表达习惯。Opus 4.5 最爱用“模糊/谨慎表达”和“抽象名词”。比如 perhaps、arguably 这类 hedges，它最高；complexity、evaluation 这类抽象名词，它也最高。换句话说，Opus 4.5 的风格更学术、更抽象、更保守。

转发者评论

无明显转发评论

原文

【AI快讯】Grok 4.6 正式发布！xAI（SpaceXAI）刚刚上线最新模型 Grok 4.6！在 Grok 4.5 的基础上，重点强化了长运行智能体（Long-running Agents）、复杂多步任务、编码工程、知识工作，以及更强的交互与视觉项目能力。核心亮点：1.能长时间保持任务连贯，自己研究、分析、改代码库、把想法直接做成可用应用/作品2.更强的自我验证与第一遍结构质量，完成困难任务用更少步骤和 token3.Artificial Analysis Intelligence Index 达到 61，直接追平 GPT-5.6 Sol，仅差 Claude Fable 5 一分4.知识工作与 Agent 评测大幅提升（GDPVal-AA 1753 等多项领先/并列前沿）5.价格完全不变：输入 $2 / 百万 token，输出 $6 / 百万 token，性价比依然杀疯2026 年的 AI 卷得飞起，顶级模型差距越来越小#Grok4.6 #xAI #Grok #AI大模型

转发者评论

无明显转发评论

原文

[AI]《How to Verify Consistency of Probabilistic Claims》O Paradise, O Richardson, Y Bengio, S Goldwasser [EPFL & Universit ́e de Montreal] (2026) 在AI安全领域，确保一个模型做出的海量概率预测不存在自相矛盾，是一个悬而未决的难题。过去的方法受困于对显式、有限声明的检查，本质原因是当模型由电路隐式定义时，其潜在预测数量是指数级的，无法穷举验证。本文的核心洞见是：把“直接验证整个模型”重新看作“对一个‘一致性证明’的抽样审核”。由此，一个高效验证者通过与不可信的证明者交互，仅需抽查模型与证明的少数几处，这一关键操作使在多项式时间内判定整体近似一致性成为可能。这项工作真正留下的遗产是，为验证AI概率预测的自洽性，提供了首个计算复杂性理论工具。它为后来者打开的新门是设计实用验证协议，并训练模型生成自我证明。但尚未跨过的门槛是，如何将此理论高效应用于现实的超大规模模型。arxiv.org/abs/2608.11181 #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

• 概率系统的「自洽性」和确定性系统的「正确性」，本质上都是在回答“这玩意儿内部逻辑闭环吗”。但传统 PCP 只能验证“1+1=2”这种刚性事实，碰到“明天下雨概率 70%”就没辙了，因为概率本身没有对错，只有互相打架或不打架。这篇文章牛逼的地方是把概率分布当成一个几何形状塞进代数编码里，让验证者

原文

【效率与性价比的帕累托最优：Grok 4.6 正式跻身第一梯队】根据 Artificial Analysis 的独立评测，SpaceXAI 发布的 Grok 4.6 在智能指数上取得 61 分，已追平 GPT-5.6 Sol 并直逼 Claude 顶级模型。其亮点在于极高的 Agent 性能：在执行复杂任务时，它平均仅需 53 轮交互，消耗 0.5B Token 即可解决问题，而同级别的 Claude Opus 5 则需 103 轮及四倍的 Token 投入。结合其仅为竞品四成左右的定价，Grok 4.6 在成本效率曲线上实现了显著跨越。这反映出大模型竞争正从“单纯拼参数”转向“拼交付性价比”，即用更少的对话轮数和更低廉的价格完成同等复杂度的任务。社区评论普遍认为，Grok 简洁、不废话且带有“风趣且不羁”的表达风格，比 Claude 冗长且带有说教感的语气更适合作为生产力工具。尽管开发者对马斯克个人政治立场的评价呈现两极分化，但对于追求落地效率的团队，这种高性价比的智能体性能正让 Grok 成为从代码开发到复杂逻辑处理的强力竞争者。

转发者评论

无明显转发评论

原文

#我国生态治理迈向新阶段#2026年是"十五五"开局之年，国务院印发《美丽中国建设"十五五"规划》，六部门联合出台《生态保护"十五五"规划》，加上即将于8月15日施行的《生态环境法典》，标志着我国生态治理正式从"重点整治"跃升为"系统建设"的新阶段。核心变化：从量变到质变"十四五"期间，我国PM2.5浓度降至28微克/立方米，长江黄河干流连续多年保持Ⅱ类水质，森林覆盖率突破25%，公众满意度连续5年超90%。在此基础上，"十五五"不再满足于"头痛医头"式的末端治理，而是转向降碳、减污、扩绿、增长协同推进，构建"从山顶到海洋"的全链条治理格局。三个关键特征法治化：《生态环境法典》是继民法典后我国第二部法典，共5编1242条，破解了以往"九龙治水"的碎片化难题，构建"源头严防、过程严管、后果严惩"的全链条制度体系。可量化：规划设定了硬指标——到2030年PM2.5降至27微克/立方米以下、优良水体比例达85%、森林覆盖率25.8%、生态质量指数提升至86.5，让"生态向好"变成刚性约束。数智化：卫星遥感、AI图像解译、环境DNA、声纹识别等新技术全面赋能生态监管，"绿盾"行动持续升级，让生态破坏无处遁形。与普通人息息相关未来五年，天更蓝、水更清是最直观的感受。规划还特别关注群众身边的"小微"问题——县乡黑臭水体治理、农村生活污水治理率提升至70%、8万个行政村环境整治，以及微塑料、抗生素等新污染物纳入管控，真正把生态红利送到老百姓家门口。

转发者评论

无明显转发评论

原文

阿里开放 Qwen3.8-2.4T-A95B 模型权重：2.4T MoE、激活 95B、原生 256K 上下文8 月 13 日消息，阿里云“魔搭 ModelScope 社区”公众号昨天（12 日）深夜宣布，阿里 Qwen 团队正式开放 Qwen3.8-2.4T-A95B 模型权重。此次是 Qwen-Max 级别的模型首次开源权重：模型总参数为 2.4T，每个 Token 激活 95B 参数，原生支持 262,144 Token 上下文，并可扩展至 1,010,000 Token。Qwen3.8 延续 Qwen3.5 的混合架构，重点提升编程、办公、科研和长周期 Agent 任务的端到端完成能力。官方云端版 Qwen3.8-Max 基于该开放权重模型，并加入更多生产环境能力。官方公布的评测覆盖编程 Agent、通用 Agent、专业工作和长上下文等方向；与 Opus 4.8、Fable 5、GPT 5.6 Sol 等模型相比，各项结果互有高低，并在 PaperBench、IFBench 等 Benchmark 中取得所列模型中的较高成绩。#极客头条#

转发者评论

无明显转发评论

原文

DeepSeek V4 Pro 0813 今天正式发布了！DeepSeek 报告称，在 Terminal-Bench 2.1 上从 72.1% 跃升至 87.9%，在 CyberGym 上从 52.7% 升至 83.3%，在 DeepSWE 上从 12.8% 升至 62.7%！！它的定价为每百万输入 $0.435，每百万输出 $0.87，上下文窗口为 1M token。

转发者评论

无明显转发评论

• //@苏杰:这个图好 //@Roshan酱_:Source Image: Artificial Analysis · extracted 2026-07-31 http://t.cn/AXNNcWxs
• #人工智能[超话]#

原文

我隐隐感觉，现在模型往大了做，是一个类似美国当年星球大战计划一样的东西，逼迫各家搞军备竞赛，而且蒸馏一个10T参数的大模型，比蒸馏一个1T参数大模型的难度提高10倍不止，以后越搞越大，根本蒸不了，想贴上去都贴不上去。。除此之外，这种超大参数的模型，就是赌我们这边算力跟不上，太坏了。我们这边也不甘示弱，不跟也是不行的，我这边已经汇总了好多小道消息，不管从数据层面，还是算力层面都要大干一场，比如据说美国数据公司开始大规模卖数据给中国公司，让中国大模型跟住，其背后的东西真实十分值得思考，我也不好太过展开。这也许是最后的决战，也有可能只是刚刚开始。

转发者评论

无明显转发评论

• …//@平平无奇数学家:去A股给文峰筹资就行了//@招商办李主任:读的我热血沸腾，我能做些什么贡献？[打call]

原文

DeepSeek V4 Pro 正式版上线，对打Fable 58 月 12 日晚，DeepSeek-V4-Pro正式版API发布，大幅增强Agent能力，部分性能逼近甚至超越Claude Fable 5。目前开发者可以直接通过 API 调用新版本，价格为 3 元/百万 Token 输入、6 元/百万 Token 输出，缓存命中输入仅 0.025 元/百万 Token。V4 Pro-0813 继续支持 100 万 Token 上下文窗口，最大输出达到 38.4 万 Token，同时支持思考与非思考两种模式。JSON Output、Tool Calls 等能力也已经开放。截至 8 月 12 日晚，DeepSeek 官方更新日志还没有单独发布 V4 Pro 正式版公告。但在此前 V4 Flash 正式版更新时，DeepSeek 曾明确表示，V4 Pro 正式版将在随后推出；如今 API 后台模型节点已经从此前版本切换至 DeepSeek-V4-Pro-0813。#极客头条#

转发者评论

无明显转发评论

原文

【AI正在杀死平庸程序员：当烂代码的“生产时速”提升百倍】软件工程的“限速器”被AI拆掉了。以前资深工程师能靠代码审查挡住低质量逻辑，现在平庸开发者靠AI一晚就能生成2.5万行没人敢审的PR。当代码实现变得极其廉价，项目累积技术债务的速度也提升了百倍，这让缺乏工程文化的团队正以前所未有的速度走向崩溃。这件事的警示在于：公司支付高薪买的是决策和系统把控力，而非单纯的编码能力。社区评论直言不讳，由于软件行业缺乏像医生、律师那样的职业准入机制，长期靠LeetCode刷题筛选出的“纸面人才”正被AI加速淘汰。如果你无法解释代码存在的必要性，只是充当Prompt的搬运工，那么在AI移除行业中间层的浪潮中，平庸开发者将从团队资产迅速变为沉重负债。你必须证明自己能驾驭复杂性，而不是被AI生成的混乱所淹没。

转发者评论

无明显转发评论

原文

ComfyUI的工作流自己组装，我放弃了。因为让Claude Code来制作的话就正常运行了。老实说，最初我半信半疑。“AI能做出工作流这种东西吗？”之类的。但试着拜托它后就用这样的指示就完成了。・读取图像・用WD解析提示词・姿态估计・提示词的润色・用眼睛的蒙版生成眨眼图像・用嘴的蒙版生成眨眼图像就只是用日语列出来而已。在制作CG集的时候想要大量制作表情差分的场景超级多。如果手动做的话一个角色就需要几个小时。但如果做成工作流的话连眨眼差分都能自动制作。简而言之，“就算不知道怎么做让AI来做就好了”的时代已经到来。我也把每天的研究和互动自动化了是同样的想法。不依赖生成AI的抽卡而是用机制来自动化。这才是节省时间的核心。如果觉得有参考价值，请保存。推荐在忘记之前现在就保存。

转发者评论

无明显转发评论

原文

【Claude总结】 AI开发者日报 (2026-08-12)1. 【DeepSeek V4 Pro 发布】(来源: HN) DeepSeek 推出新一代旗舰模型 V4 Pro 0813，已上线 OpenRouter 供开发者调用。该模型在 HN 获得 711 点赞，是今日热度最高的 AI 新闻。 openrouter.ai/deepseek/deepseek-v4-pro-08132. 【AI 正在消灭软件工程师的中间层？】(来源: HN) 一篇博客文章认为 AI 编程工具正在压缩"中级工程师"角色的价值，引发 617 条评论的激烈讨论。作者担心行业未来可能只剩初级和资深两极分化。 blog.florianherrengt.com/ai-removing-middle-class-software-engineering.html3. 【Qwen3.8-2.4T 开源发布】(来源: HN) 阿里巴巴在 HuggingFace 上线了 2.4 万亿参数的 Qwen3.8-2.4T-A95B 模型。超大规模开源权重的发布再次拉高了国产大模型的竞争门槛。 huggingface.co/Qwen/Qwen3.8-2.4T-A95B4. 【Grok 4.6 发布】(来源: HN) xAI 正式推出 Grok 4.6，是该团队的最新旗舰模型。发布帖引发 381 条评论的热烈讨论。 x.ai/news/grok-4-65. 【Grok 4.6 基准测试成绩公布】(来源: HN) Artificial Analysis 独立评测显示 Grok 4.6 在智能指数上得分 61 分。第三方基准让开发者能更客观地比较各家模型实力。 artificialanalysis.ai/articles/grok-4-6-benchmarks-and-analysis6. 【伪装成 ClaudeBot 的漏洞扫描攻击】(来源: HN) 安全研究者发现有人正在大规模伪造 AI 爬虫 User-Agent（如 ClaudeBot）进行漏洞扫描。这种伪装手法让防御方更难区分合法 AI 流量与恶意扫描。 knownagents.com/insights7. 【Discovered Materials：AI 智能体发现新材料】(来源: HN) YC 26 批次创业公司 Discovered Materials 用 AI 智能体自动化材料科学研究。团队通过 Launch HN 介绍了他们如何加速新材料发现流程。 discoveredmaterials.com/research/8. 【Lovable 完成 4 亿美元 C 轮融资】(来源: HN) AI 编程平台 Lovable 宣布完成 4 亿美元 C 轮融资。这进一步印证了"vibe coding"类工具在资本市场的火热程度。 lovable.d…

转发者评论

无明显转发评论

原文

网页链接#AI时代，重新找到自己的位置# 《构建之法》新版（第四版）上市啦“当 AI 工具从代码工作的细节开始，不断替代人类工程师的工作，AI的洪水可以让软件工程师的工作更有效率，但看似也可以完全淹没所有软件工程师？”（图5）网页链接#专家推荐#🧓彭鑫：这本书以“做中学”为指导，将软件工程思想和方法融入风趣生动的场景化叙述之中，潜移默化地塑造读者的工程思维。（复旦大学计算与智能创新学院副院长、教授 ）🧓朱少民： “我构建，故我在。”这本书历经4版、沉淀作者近 30 年一线经验的教材，既是大学课堂的基石，更是每一位工程师在AI时代重新认识自身价值的“镜子”。 （同济大学特聘教授，《软件工程3.0》作者 ）🧓大木头：我以前和邹老师一起在微软工作，耳濡目染，学习并关注了很多软件工程的知识，并因此受益匪浅。书中很多精彩的场景和有趣的故事保证让阅读者愉快而不会迷失方向。🧓茹炳晟：AI已能写出大部分代码，那软件工程师的价值何在？如果你正为职业前景焦虑，或不知如何调整教学方向，这本书会是你的压舱石与航海图。（腾讯研究院特约研究员，复旦大学CodeWisdom团队首席技术专家 ）🧓王千祥：进入智能时代后，邹欣老师持续探索大模型带来的软件开发范式变革，并加入了北京中关村学院，成为同时具有头部企业与知名院校工作经历的复合型专家。我通读了他重新修订的这本书（第四版），非常赞赏书中独特的实战视角，奇妙的虚实案例，以及穿插其间的微软历史“典故”。相信这些都会激发读者的思考与创新。（华为云智能化研发首席专家，曾任北京大学教授）京东自营的折扣很靓哦#AI时代，重新找到自己的位置#

转发者评论

好的想法不一定会赢。//@出版人周筠:#为什么大家都不用更好的键盘布局呢？#“截至2025年，AI驱动的语音转文字和自动总结技术已经能够解决会议中人们真正的痛点，这时候大家对快速打字记录的需求更低了。”#《构建之法》热门划线# http://t.cn/AXNCM1qp

• 好的想法不一定会赢。//@出版人周筠:#为什么大家都不用更好的键盘布局呢？#“截至2025年，AI驱动的语音转文字和自动总结技术已经能够解决会议中人们真正的痛点，这时候大家对快速打字记录的需求更低了。”#《构建之法》热门划线# http://t.cn/AXNCM1qp

原文

Google在8月12日Made by Google大会正式发布Pixel 11系列，包括Pixel 11、Pixel 11 Pro、Pixel 11 Pro XL和Pixel 11 Pro Fold。前三款起售价分别约为900、1100和1300美元，较上一代普遍上涨100美元，Fold售价1900美元；全系列从256GB存储起步，并搭载新的Tensor G6芯片。这代产品最大的变化仍然集中在AI：包括实时媒体翻译、视频内容提取、语音转文字、Magic Capture，以及更加主动的Gemini能力。Google给Pro用户附赠六个月AI Pro订阅，本质上也是在进一步把硬件销售与AI服务绑定。过去两年所谓“AI手机”，最大的问题一直是AI更多以一个个独立功能存在，很难构成真正意义上的产品代际变化；Pixel 11虽然仍然没有完成终极意义上的Agent手机，但Google已经越来越明显地把AI从一个功能入口，放进摄影、翻译、语音、系统提醒和设备交互的默认路径。所以我认为Pixel 11真正值得观察的并不是某一项AI功能，而是AI正在从“你主动打开使用”，走向“系统默认在后台参与”。Pixel 11实际上给整个手机行业提出了一个越来越现实的问题：当AI导致终端需要更强SoC、更大存储、更长服务周期，同时数据中心又在争夺同样的半导体资源时，手机还能不能继续沿着过去十几年“性能提高、单位能力价格下降”的路径运行？高端市场可能能够消化这种变化，但中低端市场更加危险。当前全球手机市场受到存储涨价影响最大的正是低价和中端品牌，Apple、Samsung相对稳定，而Xiaomi、OPPO、vivo等暴露度更高的厂商下滑更明显。AI手机真正的问题可能不只是换机动力，而是AI正在重新提高一台“合格智能手机”的最低成本。#荣耀Magic9外观首曝##荣耀RobotPhone价格##DeepSeek发布V4Pro正式版#

转发者评论

无明显转发评论

原文

NVIDIA顶级计算卡Blackwell 96GB RTX PRO 6000售价飙升至16000美元受全球显存与内存组件持续短缺的影响，硬件市场价格迎来了新一轮的剧烈震荡。据最新行业动态，英伟达旗下基于 Blackwell 架构的旗舰专业级显卡——拥有 96GB GDDR7 巨量显存的 RTX PRO 6000 Workstation Edition，其官方售价已正式调整至 16000 美元。这一价格相比该产品发布之初约 8000 美元的建议零售价几乎翻了一番，创下了该型号上市以来的历史新高。作为专为专业用户与人工智能开发团队打造的顶级工作站显卡，RTX PRO 6000 采用了比消费级旗舰 RTX 5090 更完善的核心规格，且其 96GB 的超大显存容量是 RTX 5090（32GB）的三倍，因而成为 AI 模型训练与复杂计算领域的刚需产品。然而，正是其所依赖的高规格 GDDR7 显存颗粒面临严重的产能瓶颈与成本上涨，直接推高了整卡的生产与终端售价。

转发者评论

无明显转发评论

原文

很多人玩了一阵 `vibecoding` 之后会发现：写代码“很快”，但要把软件长期做对，做好，还是得懂软件工程。但是即使是我给一个书单，我也无法保证的最佳实践了，但是，我可以给一个脉络让你树立正确的蓝图，后续细节你问 ai 就行：1. 软件工程的第一阶段：计划优先（瀑布流那套思维）以前很多项目靠“先想清楚、再照计划做”。《人月神话》实际上就是那个阶段的失败经验反思。现实世界会变、沟通会变、组织也会拖慢，所以需要更懂管理和协作。2. 软件工程的第二阶段：迭代优先（敏捷那套思维）为了对应需求的快速变化，所以轻计划，重迭代。核心是短周期做 — 快速反馈 — 再调整的 loop。配合 opensource的组织迭代形成了最终的敏捷最佳实践。3. 软件工程的第三阶段：AI 辅助/代理工作（vibecoding + agent）现在的 AI 会更快地产代码，但它不是魔法。你仍然需要前两阶段的工程思想： 计划， mvp，loop，敏捷，可维护性，可协作性，tdd 其实都是继承于前两个阶段。你们就先记住这个历史大方向，具体问题让 ai 搜索最佳实践才比较靠谱。任何一个告诉你一个确定答案的人，其实都不懂 agent 。。。

转发者评论

无明显转发评论

原文

【数字指纹的“洗白”：AI水印移除器揭开了内容主权之战】这个名为 watermarks-remover 的开源项目针对 Claude、Gemini 及 OpenAI 等主流厂商的数字水印提供了系统性清理方案。它将任务拆解为三个层级：首先是清理隐形 Unicode 字符和异常空格等硬性痕迹；其次是通过模型改写来对抗基于 Token 采样概率的统计学水印；最后是直接抹除图像和文档中的 C2PA 及 EXIF 等元数据。目前该项目支持 Python 环境运行，并可作为 Agent 的技能模块。这标志着内容生产者与平台监管之间的拉锯进入了细节博弈阶段。需要警惕的是，统计学水印存在于词汇选择的概率分布中，想要彻底清除往往需要大幅度重新措辞，这可能会导致文本质量的下降。社区评论认为，这种“用模型清洗模型”的做法揭露了一个矛盾：如果你为了隐藏身份而不得不忍受二流模型的改写，那么追求顶级模型生成的意义也随之削弱。这种工具的出现并非为了单纯的对抗，而是折射出用户对数据主权与数字隐私的焦虑，在透明度与可用性之间，目前尚无完美的平衡点。 repo: guillaumemeyer/watermarks-remover

转发者评论

无明显转发评论

原文

【朱镕基答记者问经典回顾】中国前国务院总理朱镕基因病医治无效，于2026年8月12日11时06分在北京逝世，享年98岁。曾任中共第十四届、十五届中央政治局常委，国务院副总理及第五任国务院总理（1998年－2003年）🚨治国成就与重大贡献📣宏观调控： 成功治理通货膨胀，平抑经济过热，扭转通货紧缩。📣加入世贸： 主持完成中国加入世界贸易组织（WTO）的艰苦谈判。📣经济改革： 全面推进国有企业改革、分税制财税体制改革和粮食流通体制改革。📣反腐铁腕： 铁面无私，强力推进反腐败斗争，要求政府公仆敢说真话。📣个人风格： 留下了“不管前面是地雷阵还是万丈深渊，我都将勇往直前，义无反顾，鞠躬尽瘁，死而后已”的经典名言。👉2003年3月卸任后，朱镕基闭门谢客，生活低调。他先后整理出版了《朱镕基答记者问》、《朱镕基上海讲话实录》等畅销著作，并将稿费悉数捐赠用于教育与扶贫公益事业。#朱镕基同志逝世##热点优质创作计划##—分钟精选视频扶持计划##微博视频号续航计划# 身为里中横的微博视频

转发者评论

回复@冲天鸷鸟:公平是指法制建设，不是指平均分配。//@冲天鸷鸟:没有效率，就没有现在的生活，如果想体验饿肚子，什么东西都凭票供应的日子，饿自己三天就可以。//@有个梨GPT:这个时代的人，每个人都在心里做了一道选择题，公平优先还是效率优先？绝大多数人都选了效率优先。但是这么多年过去了如果有

• 回复@冲天鸷鸟:公平是指法制建设，不是指平均分配。//@冲天鸷鸟:没有效率，就没有现在的生活，如果想体验饿肚子，什么东西都凭票供应的日子，饿自己三天就可以。//@有个梨GPT:这个时代的人，每个人都在心里做了一道选择题，公平优先还是效率优先？绝大多数人都选了效率优先。但是这么多年过去了如果有
• http://t.cn/AXN9niRx //@有个梨GPT:这个时代的人，每个人都在心里做了一道选择题，公平优先还是效率优先？绝大多数人都选了效率优先。但是这么多年过去了如果有机会重新选择，还会有那么多人选效率优先吗？

原文

发现一个端到端的高速跨平台开源文件同步工具，我必须马上测试！🧐Syncthing：跨设备、点对点的开源文件同步工具Syncthing 不是网盘，也不是云同步服务。它是一台台机器之间直接对话、把文件互相同步起来的程序：在一台电脑上放进去，配置好的其他设备立即得到。你不依赖任何第三方服务器、注册账号或会员订阅，数据始终留在你自己的设备上。通信全部用 TLS + 前向保密加密，每台设备用强加密证书作为身份标识，只有你明确允许的设备能加入。在办公室 LAN 里它会自动组网（也支持 UPnP），跨网也是直接连，不需要对端 IP。跨平台覆盖 macOS、Windows、Linux、FreeBSD、Solaris、OpenBSD，可以在桌面机和服务器之间建私有同步通道做备份。管理界面是浏览器内嵌的响应式 Web UI，配置和监控都不需要命令行。和同类相比：- 比坚果云这类 SaaS：去中心化、无云端依赖、无需付费扩容、不受限于第三方服务稳定性和合规审查。- 比 Resilio Sync（BitTorrent Sync 继任者）：协议开放、源代码完全公开（GitHub）、开发流程透明；Resilio 已闭源。- 比 Nextcloud 自建：Syncthing 不需要部署服务器，完全 P2P，更轻量；但也意味着没有"在线预览/共享链接/协作"这类中心化能力。- 比 git/cron + rsync：自动持续双向同步，不需手动触发；多对多；冲突有版本保留。适用场景：跨 Mac/iPad/Linux 工作机的代码/文档/笔记同步；不依赖云存储的私人备份；和可信任的朋友共享资料库；对隐私或合规有要求的本地部署。🔗 链接：网页链接💻 源代码：网页链接📖 协议规范：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

原文

【PromptCache：让 AI 学会“记性”的省钱术】这是一个 Go 语言编写的开源语义缓存 Proxy，旨在通过识别相似请求来降低大模型调用的成本与延迟。它不依赖死板的字符串匹配，而是利用 Embedding 向量识别 Prompt 的意图，甚至为“模糊地带”引入了小模型校验机制，确保只有意图一致时才返回缓存。这种即插即用的架构支持主流厂商接口和流式输出，在理想环境下能抵消 80% 的 Token 支出，并将响应速度提升至毫秒级。对于 RAG 应用和 AI Agent 这种存在大量重复逻辑或高频交互的场景，语义缓存是迈向生产环境的关键一环。社区评论指出，虽然语义匹配天然带有概率性，但该项目通过双阈值策略和意图核实，在效率和准确性之间找到了平衡。不过，开发者必须意识到缓存层并非安全边界，绝不能在涉及多租户隐私或权限敏感的场景下盲目开启。这种方案的价值在于它将昂贵的生成过程转化为廉价的检索过程，是目前解决大模型吞吐量瓶颈最直接的“外挂”方案。 repo: messkan/prompt-cache

转发者评论

无明显转发评论

原文

【时光之旅第11站：埃博拉病毒︱电子图书20周年回顾】2014-2016年，埃博拉疫情在西非肆虐。彼时原计划在塞拉利昂休假的Marta Lado博士在该地爆发了疫情后随即投身抗疫工作，一待就是十多年。在此期间，她参与建立了塞拉利昂的应急体系，赢得了当地社区的信任。她的经验证明，应对疫情须平衡好医疗紧迫性与人的尊严，因为医治始于关怀。 该视频为施普林格·自然电子图书20周年特辑第11弹，本系列将以时间线的方式呈现，从2006年至2025年的每一年中选取一个具有代表性的事件，解析其社会、政治与科学意义，探讨其对科研与教育的影响，并精选与主题相关的施普林格·自然图书，以帮助读者从时间维度理解知识发展、技术进步与全球重大事件是如何彼此关联、相互塑造的。访问Springer Nature Link探索更多相关主题的精选图书: link.springer.com/ （本视频由AI辅助生成） #Ebola# #埃博拉病毒# #电子教材# #研究生# #博士# #博后# #科研# #实验室# SpringerNature的微博视频

转发者评论

无明显转发评论

原文

#DeepSeekHarness火了# 开源理念+独立运作+可接入其他模型，这三个信号连在一起，DeepSeek其实是在押注一个更大的赌局：它不想只做中国的OpenAI，它想做全球AI基础设施里那根最关键的执行层标准。想象一下，如果未来所有模型厂商都得接入Harness才能把推理能力变成真正的生产力，那DeepSeek就从“一个便宜好用的模型供应商”，变成了“所有AI干活都得经过的那道闸”。这不是在卖模型，这是在铺轨道。鲸鱼的野心，比我们以为的深。

转发者评论

无明显转发评论

原文

世界上最好的工作是什么？这个问题，我认真想过很久。很多人会说，好工作就是薪水高、够安稳、说出去体面。这些东西当然重要，但我总觉得，它们更像是工作带来的回报，离工作的真正内核，还差着一点距离。我身边有一些持续学习的人，他们给我留下了很深的印象。他们对世界始终保持着好奇，今天学一门新技能，明天读一本没读过的书，后天又琢磨一个没想明白的问题。他们的头脑一直在更新，眼光一直在生长，审美也在一天天变好。这样的状态久了，人身上会慢慢沉淀出一样东西，那是判断力，是能力，也是审美。带着这三样东西走进自由市场，事情就变得很有意思了。市场不认头衔，不认资历，只看你拿出来的东西是否真的有用，是否真的解决问题，是否真的让人觉得值。自由市场最公平的地方就在这里，它给每个人同样的入场券，至于能不能站稳，全看你创造的价值。所以我渐渐明白，世界上最好的工作，未必挂在招聘网站上。它更像是一种状态：持续学习，保持好奇，打磨判断力，修炼能力，滋养审美，然后在自由市场里，把这一切实实在在的东西，变成别人愿意买单的价值。当你的价值被人需要，被人认可，被人心甘情愿地付费，工作就不再是熬时间，而是一场持续的创造。这份工作，没有人能发给你，只能靠你自己做出来。它也不会过时，因为学习和创造，永远有人愿意买单。#How I AI##副业赚钱##自由职业#

转发者评论

无明显转发评论

原文

刚发的 DeepSeek-V4-Pro-0813 好像的确有问题, reasoning_effort=max 的时候模型在长程 AgenticCoding 任务下更倾向于早停. 我这个测试总计50轮, 让模型不断优化代码, 结果他在3次测试中, 2次都在42-43轮左右的情况下停止了. 并未用完全部机会. 而且目前成绩来看, 甚至没打过 GLM-5.1 (仅我这一个case, 我不对其它case负责).目前还不确定这是强化学习阶段奖励机制弄得有问题，还是是上下文窗口注意力衰减的问题，一会放出详细评测视频给大家解析。#deepseek-v4-pro-0813##HOW I AI##DeepSeek发布V4Pro正式版#

转发者评论

无明显转发评论

原文

【Seedance 2.5 正式上线 V创作中心】一支视频，从灵感到成片，不必再拆成很多步。Seedance 2.5 现已上线 V创作中心，支持文字、图片、视频、音频等多模态素材协同创作，让角色、镜头、声音与故事，一起进入你的作品。✨ 更多参考，创作更可控最多支持 50 个多模态参考，人物形象、产品细节、场景氛围、动作节奏，都能更贴近你的设想。🎬 更长成片，叙事更连贯一次可生成最长 30 秒原生视频，角色、动作与镜头自然延续，告别反复拼接。⏱️时间戳精控，叙事节奏更由你掌握支持通过 Prompt 精准控制特定时间段发生的故事、画面视角、运镜和整体节奏，让每一秒都更贴近创作意图。✂️ 修改更精准，好作品不用推倒重来针对画面局部进行调整，保留满意的部分，把时间留给真正重要的创意。立即前往创作👉网页链接#微博AI创作季##Seedance2.5发布#

转发者评论

无明显转发评论

原文

DeepSeek V4 Pro 正式版（0813）已上线API！Terminal Bench 2.1 87.9，距Fable 5仅0.1；CyberGym甚至略超。价格约$0.435/$0.87，成本只有Fable 5的几十分之一。开源1M上下文+强Agent，闭源压力山大 Terminal Bench 2.1 拿到 87.9，超过 Opus 4.8，距离 Fable 5 只差 0.1；CyberGym 83.3，甚至略高于 Fable 5。相比 7 月 31 日发布的 V4-Flash-0731，Pro-0813 几乎沿着整条 Agent 能力线又涨了一轮：Terminal Bench 2.1：82.7 → 87.9NL2Repo：54.2 → 61.5CyberGym：76.7 → 83.3DeepSWE：54.4 → 62.7AutomationBench：25.1 → 31.8HLE（带工具）：51.5 → 60.0按 DeepSeek 官方的同表对比，Pro-0813 在 Terminal Bench、CyberGym、DeepSWE 和 AutomationBench 上都超过了 Opus 4.8。

转发者评论

无明显转发评论

原文

#穿越记忆的河流#时常留意到市场上对东方港湾存在不少偏见与误解，此次长江东方港湾2号投资人的公开质疑，也衍生出不少片面声音。借此份截至2026年7月31日、共计84只产品的完整业绩公示，做几点客观澄清：第一，信息披露充分透明。我们严格依照基金业协会监管要求，将所有符合公开条件的产品完整对外公示，84只产品集中展示在私募排排网等公开平台上，属于国内私募机构里公开产品数量靠前的机构；各产品投资策略同源、持仓逻辑高度复刻，不存在“不同产品两套策略”的情况，净值、区间收益全部可追溯核验。第二，2026年上半年绝大多数产品净值集体突破新高。2026年6月前后，旗下几乎全部基金先后创下历史净值新高，大家重点关注的长江东方港湾2号同样刷新历史高点；持有人完全可以在净值创新高、收获浮盈之后自主选择赎回，兑现投资收益。第三，业绩分化源于合规层面的客观约束。可全球配置的马拉松全球等产品长期年化表现更为亮眼，而A股渠道产品合同限定仅可投资沪深、港股标的，无法布局海外优质AI龙头，业绩差距来自投资范围的条款约束，并非策略执行不一致。长期价值投资本就会遭遇阶段性赛道波动、短期净值回调。7月全球AI板块出现剧烈调整，不少产品随之出现较大回撤，属于赛道层面的系统性波动。拉长周期来看，多数产品穿越一轮轮牛熊之后收获了稳健复利，84只产品的公开业绩就是直观佐证。欢迎各位持有人对照公开数据，理性看待短期震荡，以更长周期视角看待投资回报。⚠️风险提示：历史净值不代表未来收益，市场波动会带来阶段性回撤风险。

转发者评论

无明显转发评论

• [作揖][心][鲜花]//@财丰丰:东方港湾共有84只产品在私募排排网有业绩展示，今年来的收益均值约为9.24%，近三年收益均值约为98.31%[good][good][good]//@私募排排网:[赞][赞][赞]私募排排网最新数据显示，截至2026年7月31日，东方港湾共有84只产品在私募排排网有业绩展示，今年来的收益均值约为**%，近
• [心][鲜花]//@私募排排网:[赞][赞][赞]私募排排网最新数据显示，截至2026年7月31日，东方港湾共有84只产品在私募排排网有业绩展示，今年来的收益均值约为**%，近三年收益均值约为**%。其中77只产品属于但斌管理。查看收益：http://t.cn/AXNKlRBi
• 共同努力[作揖][心][鲜花]//@老曾阿牛:加油[加油] //@Joshua_呐喊:震荡风浪中更显中流砥柱本色[赞][赞][赞]
• 感谢信任[作揖][心][鲜花]//@不想成仙3267:我有马拉松[嘻嘻][赞]//@但斌:[心][鲜花]//@Joshua_呐喊:震荡风浪中更显中流砥柱本色[赞][赞][赞]
• [心][鲜花]//@Joshua_呐喊:震荡风浪中更显中流砥柱本色[赞][赞][赞]

原文

(转)Grok 4.6 这个排名，是真牛逼。前几个月，Grok 还是吊车尾。顶级模型在桌上打牌，它只能在旁边端茶倒水。结果这次一更新，直接杀进第一梯队，跟 GPT‑5.6 Sol 坐一桌了。怪不得老马直呼牛逼。现在回头看，他宣布砸 600 亿美元收购 Cursor，买的根本不只是一个写代码的工具，而是 AI 时代的开发者入口。模型、产品、工程场景一接通，Grok 就像突然开了挂。别人还在琢磨怎么把牌打好，老马直接把牌桌买了。这一次，他真押对了。

转发者评论

无明显转发评论

原文

【AI进入"够用就好"时代：DeepSeek的低价并非巧合】近期DeepSeek的新模型动态在海外社区引发了一场有趣的碰撞：虽然官方连个像样的发布页面都没准备，但开发者们已经在用真金白银投票了。这波热议的核心不在于它是否全面超越了前沿大模型，而在于它通过极致的上下文缓存技术把成本压到了地板上。社区里最流行的套路是让昂贵的Claude写方案，让DeepSeek跑执行，这种"大脑+苦力"的协作组合正成为降本增效的标配。这背后藏着一个被很多人忽视的趋势：当模型能力在大多数场景下都达标后，智力的边际溢价会迅速消失。社区评论中有一个深刻的预判：2027年的赢家或许不是那个账面最聪明的巨头，而是能把Open Weights模型做到最廉价、最易得的一方。对大多数现实业务场景来说，最强模型往往只是昂贵的装饰，能让逻辑闭环跑起来的高性价比Token才是真正的生产力。

转发者评论

无明显转发评论

原文

【#谷歌推出手语转文本模型#】8月13日消息，谷歌旗下人工智能实验室当地时间12日宣布推出一款大规模多语言手语转文本 (SL2T) 翻译模型。得益于这一模型，手语人工智能首次进入消费级产品：谷歌Pixel 11系列智能手机上的Gboard和Live Transcribe应用程序支持手语转文本输入功能（初期仅限美国手语，后续将扩展至更多种手语和更多设备）。DeepMind表示，手语是一种独立的自然语言，拥有自身独特的语法和词汇。因此手语翻译需要真正的机器翻译，而非按顺序将手语转换为文字。而能满足SL2T任务的模型必须能“看懂”手语使用者的身体多部位同步运动，这需要强大的计算机视觉处理能力。Google DeepMind的SL2T模型在超过50种手语的10万小时数据上进行训练。其将手语转化为一系列姿势特征点的位置信息以保护用户隐私安全，无需将原始视频流发送到服务器端。同时其放弃了以往广泛使用的“中间注释”，直接解读空间信息。（IT之家）

转发者评论

无明显转发评论

原文

大家不用太理会网上一些人的评价。这些人就是一些嘴炮，在那里喷几句，过段时间，他自己都忘了。我们刚刚开始搞AI的时候，一堆人喷，反正意思是不看好，肯定搞不成。还有些人说什么，就是一个RAG知识库，我也能搞，没啥技术含量。我们现在搞成了，而且生意还很不错，赚到钱了。这些人呢？都没有声音了。我们反复发一些成果性的东西，也没看见人吱声。好像他们从来就没有说那些话，消失了。别看现在楼市冷淡，但是正涨起来，一些喷子到时候又一句话不说了。所以，不用在意他们，反正他们也赚不到钱，就会叽叽歪歪说几句而已。

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 开发周期缩短40%！新思科技联手AMD、微软：用AI加速芯片设计2 华为Mate 90发布会阵容豪华：史上最强Mate准备就绪3 Wolfspeed 与光宝科技携手合作 800 VDC 电源解决方案，支持超大规模 AI 数据中心部署4 硅臻发布片上MBQC技术突破，通用百万比特光量子计算迎来可行路径5 Omdia：智能手机需求疲软推动维修翻新手机市场显示面板出货量创历史新高6 IBM 和红帽宣布向高校、非政府组织及智库免费提供 Lightwell7 东北大学问鼎 RMUC 2026 全国总冠军 赛事11年累计培养近20万青年工程师8 中国唯一具身智能大模型重点实验室，银河通用牵头获批！9 汉鑫科技联合IBM共建H-Think IBM创新中心，布局山东烟台磁山•AI谷10 权威认证！度亘核芯测试中心通过CNAS实验室认可！11 龙杰（ACS）将精彩亮相IOTE 2026深圳物联网展12 全新 ReSound Sensia™ 助听器突出用户真正想听的声音，而非只放大最响亮的声音13 北京企业发布全球首款足底多维触觉传感器！赋予双足机器人全新足底感知能力14 Molex莫仕推出 MiniMix 混合电源和信号连接器，加速类人机器人量产规模扩展15 HOLTEK新推出BA45F4140粉尘侦测MCU16 技嘉 AORUS GeForce RTX™ 50 INFINITY 系列显卡正式上市 搭载新世代散热系统释放强劲性能17 帝奥微推出DIO74506，助力先进制程SOC SD卡接口互联18 极致小巧，幻彩随心！艾为电子推出超小封装18路呼吸灯驱动 ，重塑紧凑空间光影美学19 TC-AUDIO推出DA系列高性价比数字功率放大器20 Mini-Circuits - 10~6000MHz宽带全匹配GaN MMIC放大器GNA-63-5W+网页链接

转发者评论

无明显转发评论

原文

【AI绘画每日一词】沙龙式高低混搭昂贵材质旁边，故意放一点“不守规矩”的东西。这就是今天这期想拆的视觉语言：沙龙式高低混搭。一句话理解：高级混搭，不是所有东西都很贵，而是让优雅里故意留一点叛逆。🎯 核心提示词为【人物 / 产品 / 空间主题】设计一张3:4竖版“沙龙式高低混搭”编辑海报。整体采用非对称三层景深构图，营造真实私人沙龙、收藏家客厅与时装杂志内页结合的视觉氛围。【前景】放置一件被画幅自然裁切的装饰物，例如：雕塑、花瓶、灯具、椅背、透明树脂摆件或局部艺术品。前景只承担遮挡和建立空间深度的作用，不抢主视觉。【中景】放置唯一核心主体【人物 / 产品 / 家具 / 艺术品】，占画面约40%—50%，作为最主要视觉焦点。主体不完全居中，可略微偏向一侧，使构图具有编辑杂志感。【背景】设置具有真实居住感的室内环境，可以包含：艺术挂画拱形门洞织物墙面旧木家具古典壁灯局部窗帘收藏陈设各层之间自然遮挡，不做整齐陈列，不做对称样板间。整体保留20%—30%的安静区域和留白。【材质系统】混合4—5种具有明显触感差异的材质：酒红丝绒蜂蜜色木材抛光黄铜洞石奶油色织物亮面漆器透明树脂所有材质真实、克制、有生活使用痕迹，不要过度闪亮。在古典环境中加入一个明显但克制的当代冲突元素，例如：酸性黄色灯管荧光粉色小标记透明树脂雕塑超现实小型摆件现代工业材料这个现代元素只能出现一次，作为视觉意外点。【文字系统】主标题使用高对比古典衬线字体，具有文化感、出版物感与历史气质。说明文字使用克制的中性无衬线字体。画面中加入一条具有真实笔压变化的自由手写线或手势文字，只出现一次，可以轻微穿过局部画面，但不得遮挡核心主体。信息层级只保留三级：一级：主标题二级：项目名称 / 核心主题三级：坐标 / 日期 / 年份 / 微型信息【配色】以蜂蜜棕、灰粉、酒红、奶油白为主要色彩。仅使用一种酸性黄或荧光粉作为强调色，面积不超过5%。【光线】使用温暖侧光、柔和自然阴影和轻微胶片颗粒。光线具有私人住宅和编辑摄影的真实感，不使用夸张商业棚拍光。整体效果像：私人收藏家的客厅时装杂志内页当代艺术邀请函三者融合后的高级编辑海报。避免：普通复古拼贴满墙装饰黑金奢华符号对称宫格廉价波普贴纸大量霓虹色过多手写文字宫廷风堆砌这类提示词的核心公式是：古典底色 + 当代异物 + 高低材质混搭 + 三层遮挡 + 单点失控。#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

#开放获取超话# 【基于深度学习从个人基因组预测基因表达 | Genome Biology】Deep-learning prediction of gene expression from personal genomes 网页链接发表期刊：Genome Biology第一作者：Shiron DrusinskyDOI：10.1186/s13059-025-03926-7发布时间：2026年1月6日背景基于 DNA 序列预测基因表达水平的模型，在面对个人基因组序列时，难以预测个体之间的表达差异。这类模型通常以参考基因组序列进行训练，因此在训练过程中从未见过任何位点上的遗传变异实例，这或许解释了它们为何难以泛化到包含遗传变异的个人基因组序列。结果我们利用个人基因组及其配对的、组织特异性的基因表达数据进行微调，开发了基于深度序列的神经网络模型——Variformer。在预留样本中，Variformer对基因表达的预测准确度，已接近多数基因的顺式遗传力上限。同时，它能有效筛选全等位基因频谱内的遗传变异，这些变异显著富集了基序破坏及其他功能性注释。但我们特别指出，Variformer仍无法泛化至未见过的基因。结论本研究表明，用个人基因组微调虽能纠正既往模型在跨个体表达预测上的缺陷，却并不能学会一套可推广至全新基因位点的普适调控语法。因此，经过微调的深度表达模型，与最先进的线性模型目前性能相近、局限相似，这也凸显了该领域亟待突破的关键瓶颈。期刊简介BMC旗舰刊 Genome Biology 是基因组生物学中排名最高的开放获取期刊, 致力于以基因组和后基因组为对象，研究生物学和生物医学各个领域的重大研究突破。2025 IF：9.22025 下载量：10.3MAltmetric 提及：9,092投稿到初审意见：13天（中值）点击链接免费阅读论文：Deep-learning prediction of gene expression from personal genomes 网页链接

转发者评论

无明显转发评论

原文

# 3天做个浏览器插件，月入几万美金：一个独立开发者的真实路径拆解一个人，3天时间，零预算，做出一款浏览器插件，月收入达到五位数美金。这听起来像是营销号的标题，但这是开发者 Saeed Ezzati 的真实经历。他的故事里藏着几个值得每一个想做副业的人反复琢磨的关键决策，下面我们来逐一拆解。## 起点：从自己的痛点出发Saeed 最初根本没想过要做一款产品。他只是觉得 ChatGPT 的界面太简陋了，聊天记录杂乱无章，既没有文件夹功能，也没有搜索功能，用起来非常头疼。于是他随手写了一个浏览器插件，给 GPT 加上了文件夹分类、搜索、导出聊天记录这几个按钮，纯粹是为了方便自己使用。这个起点非常重要。很多人做副业的第一步是去网上找风口、找赛道，但 Saeed 的逻辑完全相反，他从自己每天都会遇到的具体问题入手。这意味着他对需求的理解是真实的、深刻的，而且他自己就是第一个用户，能够立刻判断产品好不好用。## 核心策略：先免费抢占用户，再考虑赚钱插件做出来之后，Saeed 选择了完全免费发布。这个决策在当时看起来似乎放弃了赚钱的机会，但实际上是他做出的最聪明的选择。GPT 刚火起来的时候，每天都有人想做周边工具，竞争窗口非常短暂。谁能最快把用户量铺开，谁就能在这个细分领域站稳脚跟。免费策略让他迅速积累了第一批用户，这些用户又通过口碑传播带来了更多人。到目前为止，这款插件的下载量已经超过42万次，每周活跃用户达到15万。在这个基础上，他推出了 Pro 付费版本，开放高级功能，同时创建了一个 AI 日报邮件列表，订阅人数超过35万。多条收入渠道叠加，月收入稳定在五位数美金。这里面的逻辑链条很清晰：免费获取用户，用户量带来信任和影响力，信任和影响力转化为付费意愿。## 成本控制：一个人就是一支队伍Saeed 从头到尾都是一个人在运营整个业务。没有办公场所，没有团队，没有投资人，唯一的开销就是服务器和域名。这种极低成本的运营模式意味着，哪怕收入波动，他也不会面临太大的财务压力。对于做副业的人来说，这一点尤其值得学习。很多人一上来就想着注册公司、租办公室、招人，把成本拉得很高，结果产品还没跑通就已经撑不住了。## 技术门槛：比你想象的低得多Saeed 的第一个版本仅仅用了 JavaScript、HTML 和 CSS 这三种最基础的前端技术。没有复杂的后端架构，没有花哨的技术栈，只要能正常使用就行。上线之后，用户会反馈各种问题和需求，他根据反馈逐步迭代，一点一点把功能完善起来。这种做法的好处是，你永远在解决真实用户提出的真实问题，而不是闭门造车去猜测用户可能需要什么。在2026年，AI 编程工具已经非常成熟，即便你不是专业程序员，也可以借助这些工具大幅加快开发速度。技术能力已经不再是独立开发的主要瓶颈。## 最容易踩的坑：先做产品再找用户Saeed 的案例是正面教材，但也有很…

转发者评论

无明显转发评论

原文

刚刚，DeepSeek发布V4 pro正式版跑分接近Anthropic Fable5，有些超预期了！模型名称为DeepSeek-V4-Pro-0813，价格是flash的3倍，依然具有很好的性价比。

转发者评论

无明显转发评论

原文

中国搞大模型开源有必然性，中国没有那么好的群众收费基础（游戏除外），小企业玩大模型也出不了什么效果，自然也不愿意高投入。。所以只能搞大企业定制开发（大企业有数据保密需求，要本地部署，只能依靠开源），把开源生态搞好，弄好影响力，挣大企业的钱。。现在某港股上市大模型企业和牛云计算大厂在（大）企业级市场的竞争是异常激烈。。时不时有这些大企业的AI负责人找我咨询，哪家大模型好。。我还能怎么说，肯定是都好。还经常问我评价标准，我只能扯一扯我的理解，其实现在评测也是非常多，真是不好说哪家好，但是B300是真抢手，为了高并发，低延迟，大厂是舍得花钱的。

转发者评论

无明显转发评论

原文

【AI正在用“大力出奇迹”重塑数学发现】OpenAI在2026年攻克多项数学难题，核心逻辑并非完全模拟人类推理，而是利用采样（Sampling）在海量候选项中筛选反例。数学家观察到，AI在处理猜想时表现出极强的启发式搜索能力，但在构建需要长程逻辑的严密证明时，仍受限于Context Window的注意力衰减，这种“计算量换智能”的策略在验证成本低廉的领域极具统治力。社区指出，即便结合了Lean等形式化验证工具，AI目前更像是一个高效的“寻找者”而非“解释者”。这意味着未来的科学可能进入一个尴尬期：结果被机器证实无误，人类却无法理解其内在逻辑。这种“正确但不可解释”的趋势，正把数学变成一种类似观测量子力学的实验科学，我们得到了真理，却失去了对真理的掌控感。

转发者评论

无明显转发评论

原文

【澎湃OS 4升级超级小爱2.0！基于小米自研模型打造：支持上岛 跨应用执行任务】AI成为此次澎湃OS 4升级的重点，基于Xiaomi MiMo自研模型以及操作系统层面的AI化改造，超级小爱全面升级至2.0。超级小爱2.0支持在小米超级岛上显示运行状态。支持自行思考、规划步骤、调用应用并执行任务等。

转发者评论

无明显转发评论

原文

谷歌DeepMind刚刚发布了一个手语转文字模型：SL2T，听障用户对着手机打手语，就能搜索网页、写消息、写文档、让AI执行任务在Live Transcribe里，听人和聋人能实现正常“对话”，听人说的话被转成文字，聋人可以用手语回复实时性上，能边说/边打边出字；能处理复杂内容，比如说税收制度、地理知识、古生物描述等隐私层面上，摄像头画面不上传，设备端MediaPipe Holistic只提取身体几何坐标，原始视频当场丢弃，仅把坐标上传翻译SL2T目前集成在谷歌的Gboard和Live Transcribe里，当前只支持ASL到英语，未来会扩展到更多手语、手语生成，首发在Pixel 11上博客： 网页链接#手语转语音模型##SL2T#

转发者评论

无明显转发评论

原文

我用微博V创作中心新上线的Seedance 2.5 ，创作了这个玉器的广告片。全程仅仅采用文字生成。提示词分享：30秒，16:9横版，顶级高奢珠宝广告风格，用国际奢侈珠宝广告的镜头与灯光语言拍摄中国传统玉器。主角是一枚青绿色中国玉璧吊坠，圆形中空，表面雕刻精细传统云纹与古典纹样，带深色编绳、小玉珠和精致金属扣件。整体气质高贵、神秘、静奢、克制、精美，像博物馆级藏品。背景为纯黑偏墨绿色，影棚级布光，冷白轮廓光、柔和主光、逆光透玉、极克制的棱镜折射、局部虹彩火彩与深色背景悬浮感，突出玉石的温润、通透、雕工与内敛光泽。开头玉璧在黑暗中缓缓浮现并轻微旋转，超微距展示玉石边缘、中心圆孔、雕刻纹样、半透明结构，字幕“玉 / Jade”“温润有光 / Radiance in Silence”。中段展示雕工与材质：光线掠过雕刻纹样，字幕“雕琢 / Carved”；镜头滑过抛光弧面，字幕“温润 / Luminous”；逆光透过玉体，字幕“藏光 / Holding Light”。随后展示完整玉器悬浮英雄镜头，编绳和玉珠轻微晃动，背景有极轻微深绿雾感与细小虹彩折射，字幕“一器一境 / One Piece, One World”“东方之美，静而自明 / Eastern Beauty, Quietly Revealed”。后段将玉器放置于湿润深色石面上，出现柔和倒影、水波般反射和克制墨色氛围，字幕“润如水 / Soft as Water”“静有万钧 / Silent, Yet Profound”“千年审美 / A Timeless Aesthetic”“凝于一玉 / Held in a Single Stone”。结尾回到纯黑偏墨绿背景，玉璧置于画面右侧，左侧大留白，像国际珠宝品牌主视觉海报，最终字幕“温润有光 / Radiance in Silence”“玉 / Jade”“东方珍藏 / Oriental Treasures”。字幕为中英文双语，中文用现代高级感字体，英文用优雅衬线体，排版克制有设计感。不要俗套国风，不要廉价古风特效，不要复杂人物，不要过度仙气，不要logo。#微博AI创作季# 德里克文的微博视频

转发者评论

无明显转发评论

原文

现在有种说法叫“站起来蹬”，但我的理解是：蹬的不是大模型，而是自己的项目。我现在已经开始解放思想实事求是，开始猛蹬自己的项目，重拳出击，脱碳入硅具体来说，什么架构腐化，什么代码坏味道，关我屁事，我又不看代码，这都是执行层面的问题。但是有几个点我要狠抓，这就是：边界、约束、用例、审美。人生越是一片旷野，就越要找到属于自己的轨道。真正的Harness不是套在大模型头上的，而是套在我自己头上的。大模型信马由缰，我自己游必有方。

转发者评论

无明显转发评论

原文

#不可证明的AI写作时代结束了# 这张网，孔大鱼小。真正系统性、有意掩盖AI痕迹的人，早有办法：开源模型无水印，改写工具抹模式，水印对他们来说只是多走一步，稍微麻烦，但不是终点。真正被拦住的，是那些随手粘贴、从没想过被查的人，学生、员工、投稿作者，用得坦坦荡荡但忘了申报。机构用上检测工具后，最危险的事，不是查出太多，是开始相信“没查到水印等于人写的”。那个错误的安全感，比什么都贵。

转发者评论

无明显转发评论

原文

腾讯混元的「自进化 Agent 」综述，整理了 549项工作将自进化划分为五个层级：L0、输出层级L1、模型层级L2、脚手架层级L3、改进者层级L4、标准层级综述第一部分阐明自进化与 RSI（递归自我改进），第二部分按进化深度从 L0 到 L4 梳理方法谱系，第三部分探讨可靠性挑战与开放性问题。论文: openreview.net/forum?id=CGO1hDTHNe项目：wkqdzkd.github.io/Awesome-Reliable-Self-Evolving-Agents/GitHub:github.com/wkqdzkd/Awesome-Reliable-Self-Evolving-Agents

转发者评论

无明显转发评论

原文

转载：“把子弹打光” 抄底 AI？8月13日周四19:30，谢亚芳对话著名投资人——但斌先生，听他讲透AI时代的大跌、泡沫与长期主义。#但斌 #AI投资 #算力赛道 #美股 #科技 #长期主义 #谢亚芳 #亚芳创变派（来源：视频号“谢亚芳-创变派”，视频版权归原作者所有，如有侵权，请联系删除） 但斌的微博视频

转发者评论

无明显转发评论

原文

【#每9人就有1人中招AI错失恐惧症#，年轻人和女性尤为突出】AI正在重塑我们的工作方式，却也催生了一种全新的焦虑：“AI错失恐惧症”。据美国俄克拉何马州立大学研究，每9个成年人中就有1人受其影响，尤其是年轻人和女性更为突出。而且焦虑不分阶层，无论收入和教育水平如何都没有改变结果所谓错失恐惧症，是指害怕一步落后、步步落后，错过时代红利和财富机会的焦虑心理，早前在社交媒体时代就很常见。染上它的人往往疯狂追赶潮流，生怕别人都已上岸，自己却还在裸泳。当AI迅速渗透进生活和工作的方方面面，这种恐惧也被放大——“AI错失恐惧症”。由此而来：人们害怕自己的AI技能落后于同龄人，从而失去未来的职业机会与经济收益。进一步分析发现，核心因素不是态度，而是理解。对AI理解越深、使用能力越强，恐惧越弱；而无论对AI持喜欢还是厌恶的态度，焦虑水平都没有明显差异。这说明，缓解AI错失恐惧症的关键，不在于“爱”或“恨”，而在于“做”。主动去接触、学习、使用AI，哪怕成不了高手，只要把它融入日常，就已经能大大减轻焦虑。行动起来，本身就是最好的解药。智慧科技迷的微博视频

转发者评论

无明显转发评论

原文

#梁文锋跻身全球最富有50人之列#【DeepSeek梁文锋财富一年暴涨3850%，跻身全球最富有的50人之列】据IT之家，金融研究公司 bestbrokers 近期根据福布斯实时亿万富翁排行榜进行了统计。据统计，DeepSeek创始人梁文锋净资产一年内增长了惊人的3850%，跻身全球最富有的50人之列，是一年来财富增长速度最快的人。据悉，2025年7月27日- 2026年7月27日间，DeepSeek创始人梁文锋净资产从10 亿美元（约合 67.55 亿元人民币）飙升至395亿美元（约合2668.37亿元人民币），一年内增长达到惊人的3850%，增速登顶全球亿万富豪榜。报告显示，目前全球共有3356位亿万富翁，美国以显著优势领先，拥有990位亿万富翁，占全球总数的29.5%，总财富高达 8.43 万亿美元（约合56.95万亿元人民币）。中国是全球亿万富翁人数第二多的国家，共有511位亿万富翁，总财富估计达2.06万亿美元（约合13.92万亿元人民币）。（IT之家）第1眼视频的微博视频

转发者评论

无明显转发评论

原文

【AMD这波良心！锐龙AI NPU免费工具上线：17MB安装包20秒装完】AMD正式发布专为锐龙AI NPU打造的FastFlowLM1.0本地大模型，推理运行时，体积仅17MB，20秒即可装完，能效比同类方案高出10倍，支持多系统运行，采用MIT许可，可免费商用，相关代码和预编译包已上线GitHub。

转发者评论

无明显转发评论

原文

来了。。模型名称：deepseek-v4-pro调用节点：DeepSeek-V4-Pro-0813价格：¥3/百万输入；¥0.025命中缓存；¥6/百万输出已支持：Responses API /Anthropic API

转发者评论

无明显转发评论

原文

我突然发现 AI 时代大家都说品味。但是，品味是怎么来的呢？AI 时代人类最稀缺的不是品味，而是迎难而上，不轻言放弃，愿赌服输的品质。品味，是在这种不断的挑战的过程中积累的数据升维。所以我真心推荐那些送小孩学AI的家长，还不如让小孩投入一个记分对抗制的爱好。什么足球篮球，羽毛球都可以。还能强身健体。

转发者评论

无明显转发评论

原文

【#美团等灯停表功能北京上线路测#】#美团等灯停表试点北京三区路段#8月13日午间消息，从美团获悉，美团今天上线外卖骑手“等灯停表”功能在京首个正式版本，试点区域已开始路测。从多位骑手处证实，首批路测已完成。据悉，今年上半年，美团配送安全技术团队已在北京部分道路开展产品内测，并搭建产品雏形，为全国各地试点落地提供了范本，目前已在率先接入交通数据的北京朝阳区、通州区、经济技术开发区的部分道路进行试点路测。北京外卖骑手等红灯时间，将逐步实现单独累加计算并在配送时间中顺延。根据美团提供的测试视频来看，当骑手在交通路口等红灯时，页面呈现红灯倒计时读秒信息，美团骑手 AI 安全助手“团宝”发布提示信息“红灯停一停，正在记录等灯时长，订单结束时将延长本单配送时间”，骑手还可在该页面中看到所在区域的禁行道路信息，选择不同的配送路线，或根据需求自主决定配送线路。配送完成后，骑手页面弹窗提示“订单号、等红灯累计时间”，系统告知“相应顺延最晚送达时间”，完成“等灯停表”功能。美团骑手安全产品相关人士介绍，目前产品已经接入了北京提供的部分数据。他表示，产品还在不断完善中，数据和产品对接今年内会持续开展，暂未覆盖区域正在加紧推进落地工作。据其透露，实现“等灯停表”主要依赖两部分数据信息，一是骑手的位置轨迹信号，二是骑手所在区域实时的红绿灯灯态数据。当骑手身上有多个订单怎么办？“如果骑手在等待红灯时，身上有多笔订单，那么等灯的时长也会计入每一笔订单的配时。”美团配送安全技术团队介绍，“从最近的内部封闭路测来看，骑手体验顺畅，也有不少骑手给我们提出一些细节建议，项目团队将根据数据情况和骑手建议不断打磨完善产品。”公开报道显示，美团这一功能的研发源自于骑手的建议。2022 年，美团研发上线了骑手“补时机制”，即配送会把骑手遇到的红灯、复杂路况等导致的延时，在总配送时长里补给骑手，该功能已覆盖全国。美团透露，还有 20 余个城市也在评估中，具备条件的城市会陆续上线。（IT之家）

转发者评论

无明显转发评论

原文

【警惕“AI味”的平庸化：当深度思考掉进效率怪圈】最近开发者社区正在反思一种名为“AI退化”的现象：过度依赖工具正在悄悄偷走人类的独特性。一位资深写作者发现，哪怕只是让AI润色段落，也会在潜移默化中被其风格同化，导致原本犀利的文字退化成一种温顺而平庸的机器腔调。在战略决策上，由于LLM无法感知业务深处的微妙上下文，给出的方向往往看似逻辑严密实则南辕北辙。更有用户直言，自己陷入了用AI缓解焦虑的“效率闭环”——不断雇佣代理人去完成那些没人要求的自动化任务，最终只收获了虚假的繁忙感和一堆毫无灵魂的输出。这种技术疏离感的根源在于AI是用概率预测来抹平差异，它通过牺牲“声音”来换取“规范”。正如社区评论所言，声音是沟通中极具辨识度的信号，一旦消失，你的观点就淹没在了数字噪音里。我们需要扭转这种关系：人类应当是决策的主环路，AI仅是在特定节点被召唤的插件。与其让AI替你思考，不如多读几本人类写的书，找回那种经得起追问的个人直觉，别让所谓的效率工具变成智力衰退的拐杖。

转发者评论

无明显转发评论

原文

【小米澎湃OS 4今天正式官宣Beta版】小米集团总裁卢伟冰正式宣布小米澎湃OS 4 Beta版到来，直接开启首批机型用户招募，用用户反馈来打磨正式版。通过AI架构改进和Xiaomi MiMo大模型接入，拥有更强的任务编排与内容生成能力。从应用层优化桌面及部分第一方应用性能，让动效更丝滑流畅。

转发者评论

无明显转发评论

原文

【小米官宣澎湃OS4 升级细节一览：两大技术加持确保系统流畅】卢伟冰官宣小米澎湃OS4，本次不开发布会，主打从内核、应用层入手打磨系统流畅基础体验，升级搭载自研大模型的超级小爱2.0探索全生态实用AI，依托用户反馈持续迭代优化。

转发者评论

无明显转发评论