微博 AI 观察博客

原文

AI越来越像人了，也越来越气人了。我在家里的MacStudio 512G内存版电脑上，部署了DeepSeek V4 Flash 0731 Q8量化版，还部署了Qwen 3.8 27b和Qwen 3.5 122B。我主要拿这些本地AI接入workbuddy，用来办公，说起来是够用的。当然，我还订阅了Codex，主要是用来捣鼓各种代码。昨天我在网上看到一本书，读了两章感觉不错，但是觉得读英文版还是有点累，就想找找中文版，结果，居然没有出版中文翻译版。我想，好吧，那就让AI来翻译吧。我经常用这几个模型翻译英文法规、合同，还有拟上市公司招股书，水平相当不低的，翻译一本学术著作，应该还行吧。本着能省Token就省Token的原则，我先用本地部署的Qwen3.8 27b来翻译，它捣鼓半天，把我下载的那本书从epub转换成了md文件，又拆分了成了若干章节。我还夸赞它方法对头，鼓励它继续翻译下去。这Qwen3.8就开始干活了，很顺利的把第一章翻译成了中文，然后，然后停了下来问我是否继续。我读了下第一章，水平不错呀，合格了，也没有出现把“unacceptable”翻译成“可接受的”这种RT风翻译。于是让它继续。它元气满满的表态说要继续（真的，和我的对话就是元气满满的样子），然后MacStudio的风扇重新嗡嗡作响，听着就像是奋力干活的样子，我很满意，于是下楼吃午饭去了。等吃完饭上楼，Qwen3.8 27b不知为何中途停工了，第二章翻译了一点，停住了。我知道Qwen3.8的上下文有限，workbuddy作为AI Agent，对于这种对话上下文限制早有设计，不会是上下文额度用光的问题，八成是出了什么意想不到的错误。总之，翻译不下去了。好吧，我换模型。之前用Qwen3.5 122b用了很久，这个模型体积不小，但是MacStudio跑起来很快，而且是卸甲版本，属于没有废话，让干啥干啥的，嘿嘿。虽然相比Qwen 3.8已经落伍，但是翻译这种事儿，不在话下，更难更离谱的都翻译过，这本学术著作不成问题。于是，Qwen 3.5 122b开始干活。很快，它就元气满满的翻译了第一章，然后，询问是否继续翻译，我当然是选择继续了。我估摸着200多页的一本书，怎么也得翻译一阵，就下楼去健身了。等运动完上楼，Workbuddy告诉我，活干完了！我还挺高兴，关键时刻，还是老队员能顶得上。然后我打开工作成果一看，他妈的，这能叫工作成果么？Qwen3.5就翻译了个前言，后面整本书它就是把框架翻译了下，提示让我找什么deepl的API或者google翻译的API，根本就没有干活。我大概下楼锻炼没几分钟，它就自动宣布完工了。我很生气，告诉Qwen3.5，你得自己完成工作，没有API替你干，我不会为此额外花一毛钱，你自己就有翻译能力，你来翻译。Qwen3.5就开始辩解说这本书体量大，翻译起来要挺久的，还是Deep…

转发者评论

回复@Tozxic:不需要的，以前是有这种产品的[笑cry][笑cry] http://t.cn/AXpmwJsZ //@Tozxic:回复@You_Jason:你不质疑我还真以为自己焊了内存上去。

• 回复@Tozxic:不需要的，以前是有这种产品的[笑cry][笑cry] http://t.cn/AXpmwJsZ //@Tozxic:回复@You_Jason:你不质疑我还真以为自己焊了内存上去。
• 还得是AI对付AI有办法//@宇尉的:[笑cry]//@刘群MT-to-Death:笑死人了，人的坏毛病AI全学会了啊[哈哈][哈哈][哈哈]//@petriv:发个后续，deepseek卸甲版，用时2个小时5分，把这本书翻译完了，翻译的水平相当不错，我看他干活这么卖力气，就派个更重的活给它干了。

原文

小进展 📊我们的 Ox Alpha（对外名字：GLM-5.3 Flash）这周在 OpenRouter 的周 token 份额冲到了近 20%，排名第一几个数字值得一看：· AA 57，成绩单拿得出手；· 价格约为前沿模型的 1/100；其实还是算力短缺，所以这次我们用了数万张国产芯片全量上线，为了保证能用，所有infra优化技术全上了。坦率地说，国产芯片单颗的算力和显存都不算富裕，尤其是要支撑最长一百万 token 的上下文时，显存更是捉襟见肘。于是我们做了几件抠门的事：基于 SGLang 为这套架构专门打造了推理引擎，用计算换带宽、用通信换带宽，辅以节点内张量并行、ReplaySSM、W8A8 量化、混合 INT8/FP8/BF16 缓存量化等一整套组合拳。集群层面则采用 Encode–Prefill–Decode 三阶段分离架构，多模态编码、预填充、逐 token 解码各自独立调度、独立扩缩，稳定又高效。这里有个我很喜欢的小细节：整个优化过程里，我们的Infra Agent（由 GLM-5.3 驱动）深度参与了算子开发、性能瓶颈诊断和推理栈调优，实现了模型在优化服务模型自己的系统。相比同硬件上的初始基线，端到端服务性能提升了 3 倍，硬件效率和单 token 成本已接近主流 NVIDIA GPU。终于，国产芯片可以在规模上经济高效地支撑前沿模型的推理。价格是前沿的 1/100，效率对标主流 GPU。这个方向，我们会继续走下去。谢谢大家的支持，下节课继续。☕

转发者评论

无明显转发评论

• //@梁斌penny:[good][good][good]
• [good][good][good]

原文

智谱昨晚开源了 GLM-5.3-Flash，中文社区管它叫「牛来」，就是之前匿名的 Ox Alpha。320B 总参数、18B 激活，AA 指数 57分，跟 Claude Opus 4.8 打平，定价是后者的 1/40。智谱 7 月 ARR 已经到 10 亿美金，DeepSeek 前 7 个月收入是去年全年的 10 倍，MiniMax 半年报 ARR 破 8 亿——国产模型厂商的军备竞赛已经从"比谁参数大"进入"比谁便宜还能打"的阶段。不过有意思的是，我发现网易 LobsterAI 是全网最快上线牛来模型的。昨晚智谱刚开源，10 分钟之后他就上线了。不用更新客户端、也不用去官网申请 key，打开LobsterAI 就能直接用。对普通用户来说非常方便！以前一个新模型出来，蹲 API 的开发者才能第一波用上。现在普通人打开 Agent 就能用上当天发布的前沿模型，办公 Agent 厂商们卷的速度利好新模型的普及。而且在 Agent 上，各种模型的价格非常透明。模型厂商都在打价格战，但是输入输出的定价其实普通职场人看不懂，也很难第一时间评估模型的性价比。我看 LobsterAI 上有每个模型的积分倍率，单价和用量摆得明明白白。#LobsterAI# #AI办公# #智谱# #GLM# #办公Agent# #大模型# #牛来#

转发者评论

无明显转发评论

• 叫【牛来】没有侵权吗？[哈哈]

原文

昨晚智谱开源了 GLM-5.3-Flash，就是之前匿名测试的 Ox Alpha，「牛来」。说几个重点： 1、320B 总参数、18B 激活，写代码跟 Claude Opus 4.8 一个档（AA 指数 57 分持平）；原生多模态，能看界面自己改前端；定价是 Opus 4.8 的 1/40。 2、我昨晚在 LobsterAI 上直接试的。这 Agent 是网易办公的，新模型上线是真快，智谱昨晚发，10 分钟之后就上线了。不用更新、不用装插件，切一下就用。我拿牛来跑了段前端调试，它看完渲染结果自己改代码，来回几轮，挺顶。 3、在 LobsterAI 上的定价是 0.06 积分倍率，是 DeepSeek V4 Flash 的 0.6 倍。价格也透明，模型单价、用量都明明白白，用多少扣多少，没有隐藏消费。 4、建议模型厂商多跟办公 Agent 大厂们绑定，利好新模型的快速普及。尤其是性价比高的。 #智谱# #GLM# #牛来# #LobsterAI# #办公 Agent# #大模型# #AI 办公#

转发者评论

无明显转发评论

原文

今年我频繁带团队在外面跑，之前跑了好几个工厂，让他们熟悉产品，前几天跑渠道和达人，今天我们在上海展会，以前是不可能的，现在用了AI和sop效率高了确实可以经常出来跑。我的几家公司已经全面sop化了，好几个sop工作流。很多人还不懂agent、skill、sop这些概念，我给大家通俗易懂说清楚。其实是看具体情况的，并不是人人都需要用。分5个层级，75%以上的人用AI，就是第一层级：随手提问，包括咨询、写文案啊啥的。这是最初级的应用。而且还有可能出错，需要交叉验证。但已经帮大忙了第一层级稍微进阶点的案例，比如外贸业务员把一封英文客户邮件交给AI，让它翻译并写一封专业又接地气的回复，比如电商运营让AI写一组商品标题和卖点提示词。还有就是那种初级的做图片和视频。第二层是做任务，也就是利用智能体（agent），比如workbuddy，codex等，拿来干活，一次性执行任务：目前大约20%左右的职场用户在用。比如我把国外客户的订单和我司合同模板给agent，他给我直接生成合同还能自动纠错。我们公司大多数人已经学会这样做合同，制表、分析财务表格、写方案、整理票据，这类小任务，我在我圈内天天分享我的各种实操案例简单有效。可以大量节省工作时间。我们只需要花少量时间检查就好了。偷懒神器！但是这个层级，每次对话重新写提示词，没有封装成skill。还是不够偷懒。第三层是结合工作经验，做成SOP（工作流），按流程操作，AI只是工具，目前只有3‑5%的人这么玩，能这样已经很厉害了。大大解放自己，我们就能把时间腾出来走访工厂，客户和渠道。这个业务步骤要自己定的，不一定是完全AI的，我下周开始也会在圈内天天发我们的工作流。一共能发十几套，比如我之前微博拍给大家的美食短视频工作流。有些AI只是在初期和后期发挥作用，中间过程还是真实世界的工作为主。还有比如达人合作SOP：筛选达人 → AI分析账号数据和内容风格 → 人工判断人货匹配 → 联系达人 → 寄样测试 → AI汇总投产数据 → 确定是否追加合作。第四层是写Skill（智能体技能包）：其实不难，但是用的人极少，就是把前面说的做任务里面，重复的工作封装，以后随时调用，目前只有1‑2%的人这么玩。这里也是用到workbuddy，codex之类的智能体Agent，自动加载我们之前设置的这套流程，自动跑步骤。比如建立“电商日报分析Skill”。每天上传数据后，Agent自动清洗表格、计算销售额和ROI、标记异常商品，并生成第二天的运营建议。比如建立“外贸客户跟进Skill”。输入客户资料后，Agent自动判断客户阶段、生成不同语言（大多数英语）的跟进邮件、安排下次联系时间，并检查报价单是否缺少必要条款。第五层：自己写脚本定制小工具，这个就极少程序员会这么干了，虽然不懂编程也可以通过vibe coding（自然语言描述）写代码但是大多数人暂时没…

转发者评论

无明显转发评论

原文

昨天，大模型圈热闹了一整天。下午，智谱上线并开源GLM-5.3-Flash，定价是Opus 4.8的四十分之一。晚上，阿里接上Qwen3.8-Flash-Next，同样发布即开源。价格砸到每百万Token输入1元、输出3元，是DeepSeek-V4-Flash的三分之一。你品品这个画面。以前，大模型这行里隐隐是两条路。一条更贵但更强的旗舰路线，一条更便宜但没那么顶的性价比路线。但就在昨天，一个把旗舰级的分数塞进了Flash档，一个把千亿模型的激活量压到60亿再开源出去。反过来也是一样。原本靠低价起家的那批玩家，这两年一直在拼命够智能的天花板。一年前谁都不像谁，现在正在互相活成对方的样子。说到底，是因为所有人都开始想同一个问题。更高的智能和更高的性价比，到底能不能同时存在？也是在昨天，闫俊杰在MiniMax的半年报业绩会上，给了个不一样的答案——Minimize the Inference Cost, Maximize the Intelligence.最小化推理成本，最大化智能水平。

转发者评论

无明显转发评论

• //@刘群MT-to-Death:赞Minimize the Inference Cost, Maximize the Intelligence.[good][good][good]
• 赞Minimize the Inference Cost, Maximize the Intelligence.[good][good][good]

原文

[LG]《Demystifying Reinforcement Learning Post-Training of Language Models》D Clay, S Gollapudi, S Harilal, M Jang… [University of Washington] (2026) 在大型语言模型强化学习（RL）领域，其训练效果为何时好时坏是一个悬而未决的难题。过去的方法受困于矛盾的实验结果与“黑箱”般的不可预测性，本质原因是，模型的学习成效高度依赖其知识“覆盖率”——若模型对正确答案的初始概率过低，稀疏奖励信号便无法引导其发现和学习。本文的核心洞见是：把RL后训练重新看作对模型已有知识概率分布的重塑，而非能力的全新创造。由此，通过在受控实验中系统性地隔离并操控“模型先验”、“奖励密度”和“提示词分布”这三大变量这一关键操作，清晰地揭示了它们如何共同决定学习成败，使问题得以解开。这项工作真正留下的遗产是一个解释RL训练动态的机械论框架。它为后来者打开的新门是，证明了只要奖励函数设计得足够稠密和准确，RL就能引导模型学会其初始概率极低的新行为，打破了所谓的能力上限。但尚未跨过的门槛是，如何为复杂的开放域任务系统性地设计出此类高效奖励。arxiv.org/abs/2608.24949 #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

• 这篇论文像一场精密的“解剖手术”，把强化学习从玄学拉回了工程现实。它戳破了一个关键误区：模型学不会不是因为RL本身太弱，而是我们给的反馈信号太粗糙——就像让人走迷宫却只在终点放一盏灯。更犀利的是揭穿了“随机奖励也有效”的假象：那不是模型变聪明了，只是在特定问题上变得更固执而已，换个

原文

最近在 GitHub 上看到一个很炸裂的开源项目叫 OpenMontage，号称是全球首个“智能体视频制作系统”。简单来说，它能把你平时写代码用的 AI 助手，比如 Claude Code、Cursor、Copilot 这些，直接变成一个完整的视频制作工作室。怎么用呢？你只需要用大白话告诉它你想做什么视频就行。比如“帮我做一个 60 秒的动画，讲解神经网络是怎么学习的”，或者“做一段 90 秒的纪录片蒙太奇，展现凌晨四点城市的感觉，只用真实素材，不要旁白”。然后 AI 智能体就会自动跑起来，从网上调研你的主题，写脚本，生成或者检索素材，剪辑，加配音配乐字幕，最后渲染出成品视频。整个流程全自动，你只需要在关键的创意节点上点个“同意”就行。这个项目有一个很重要的特点：它能做真正的视频。很多所谓的“AI 视频工具”其实就是把几张图片加点动画效果拼在一起，看起来像 PPT 在播放。OpenMontage 不一样，它会从 Archive.org、NASA、Wikimedia 这些免费开放的素材库里检索真实的动态影像片段，按照语义匹配度排序，然后像真正的剪辑师一样把它们编排到时间轴上，渲染出一个有节奏、有叙事的成品。更让人惊讶的是成本。项目展示了几个案例：一个皮克斯风格的 60 秒动画短片，讲一根孤独的香蕉和一只奇异果交朋友的故事，总成本 1.33 美元。一个 50 秒的电影级视觉短片，大概 4 美元。如果你完全不想花钱，也可以。项目内置了免费的 Piper TTS 做配音，用公共档案库的免费素材，用 Remotion 做渲染，一分钱不花也能出片。它一共有 12 条生产流水线，覆盖了动画讲解、纪录片蒙太奇、电影预告片、产品演示、播客转视频、多语言配音、角色动画等场景。背后集成了 100 多个工具、60 多个供应商，还有 700 多个技能和知识文件教 AI 怎么像专业制片人一样工作。还有一个很酷的功能：你可以直接粘贴一个你喜欢的 YouTube 或 TikTok 视频链接，AI 会分析它的节奏、钩子、结构和风格，然后给你生成两三个差异化的方案，保留你喜欢的那种感觉，但换成你自己的主题。这比从零开始写提示词要高效太多了。项目还内置了预算管控，每个供应商选择都会在七个维度上打分，所有决策都有日志可查，不会出现跑着跑着突然烧了一大笔钱的情况。对于想用 AI 做视频内容但预算有限的创作者来说，这个项目值得认真看看。传送门：github.com/calesthio/OpenMontage#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

【AI的平替时代：95%的任务其实不需要IQ 180】硅谷最近的讨论风向变了，大家开始意识到像GPT-5.6-Luna或GLM 5.3这类小模型正在接管战场。核心事实是：推理成本从1美元降到了0.1美元，推理速度飙升至100 TPS。这意味着AI从昂贵的“实验性玩具”变成了能大规模商用的“数字基建”。虽然顶级模型Sol或Fable在解决复杂算法时依然不可替代，但现实中95%的工作其实是回复邮件、总结文档和简单的代码修补，这些“体力活”完全可以由更轻量、更便宜的小模型胜任。很多人陷入了“非最强模型不用”的误区，但这就像为了买菜去开重型运输机。真正的行业转折点不在于模型又聪明了多少，而在于“足够好用”的模型已经便宜到了可以忽略不计的程度。对于开发者来说，现在的胜负手不再是调用最贵的API，而是如何通过优秀的工程框架（Harness）和搜索增强生成（RAG）让小模型在特定任务上跑赢大模型。本地运行Open Weights模型不仅是为了隐私，更是为了摆脱API的延迟和封锁。当推理变成一种廉价的通用算力，AI应用才真正具备了像互联网产品一样爆发的商业底色。

转发者评论

无明显转发评论

原文

[RO]《R3R^3: Training Robots to Reason in Natural Language via Reinforcement Learning》L Wu, Y Qu, Z Hu, I Zhang,…[CMU] (2026) 在机器人长程操作领域，如何有效利用语言推理指导行动是个悬而未决的难题。过去的方法仅将推理用作训练监督，本质原因是推理并未成为测试时引导决策的核心计算。本文的核心洞见是：把动作模仿重新看作推理优化。由此，通过单步强化学习奖励能导出专家指令的自生成推理，这一关键操作使问题得以解开。这项工作留下的遗产是，证明语言推理是提升机器人泛化能力的“测试时计算”机制。它打开的新门是利用离线动作数据强化推理，但尚未跨过的门槛是对VLM裁判的依赖和向物理世界的迁移。arxiv.org/abs/2608.26053 #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

• 这项研究抓住了机器人智能的本质矛盾：不是传感器不够精确，而是缺乏“边做边想”的能力。用自然语言做推理听起来笨拙，实则极其聪明——语言天生就擅长处理因果关系和多步规划，而坐标只能描述当下位置。更妙的是数据策略：用少量昂贵的“专家边做边说”数据教会模型思考风格，再用海量廉价的操作数据

原文

#70后老程序员给计算机专业在校生的建议#老夫70后，写代码超过30年，教书超过20年。在新学期开始之际，给计算机专业新入学或已经在校的学生，提一些建议。当前是AI时代，软件开发可能是第一个全面AI化的技术领域，而IT行业，可能也会是人类社会各行业中，第一个全面AI化的行业。当软件开发全面AI化之后，编程就成了一项通用的技能，这对于计算机专业的同学来说，不是件好事，它意味着，你的专业技能，不再具有稀缺性。这一点，会给计算机专业同学的就业带来一系列的冲击，最直观的体现，一是工作越来越不好找，二是行业激烈内卷，对从业者专业技术水平的深度和广度，有更高的要求，入职门槛有持续提升的趋势……从这些现实与变化中，可以得出两个很明显的结论：1、不具备主动学习、自主探索的同学，无法适应这行激烈的内卷，注定会成为内卷大战中的“炮灰”。2、在校期间，将时间精力全投入“卷绩点”以考研和保研，是条死路。如不具备行业所需的专业技能，就算是985/211，也难逃毕业即失业的命运。对此，我给的建议是：本科期间，一定要提早为自己未来的发展，确定方向。为此，需要直面当前的现实，充分地搜集相关的信息，早做决策，早做调整。具体来说：互联网技术领域已经高度成熟，极度内卷，非有开发实践经验、技术全面者不能生存。但这不是说就不学这块了，而是你要把它当成是一项“必须具备”的专业基础技能。它不仅仅能用来找工作，很重要地，它还往往是你自主创业所必备的专业技能。为你未来“针对特定的真实需求，开发相应的软件产品与互联网服务”、创立“一人公司”、“自己找饭吃”提供支撑。AI这块，如果你有足够好的基础与能力，往大模型和算法这块走，建议一直读到博士，这个领域，顶尖的人才极受欢迎，为各大公司所争抢，收入是不用担心的。另一大块，是AI应用领域，当前最红火的就是“智能体”应用开发，当前需求爆涨，但如果估计不错的话，这领域很快就会饱和，时间不会超过5年，记住这个时间窗口，过了这个窗口，“49年再入国军”，你可能连汤都喝不上。计算机专业学生，如果还打算在IT行业内就业，建议走“软硬结合”的道路，比如本科软件工程、计算机科学与技术，研究生阶段可转向具身智能、芯片设计、物联网、智能驾驶等技术领域，“纯软件”之路，当下就已经给AI冲击得七零八落、越来越难走了，走这条路，非能人高手，难以出头。计算机专业学生，请认真地考虑“跨行”问题。也就是说，要跳出IT行业，到其它行业就业。这就要求你在校期间，必须广泛地收集各行各业的相关信息，然后，从中挑出你感兴趣的，提前准备，比如，想进金融行业，就得提前学一些经济类方面的知识；想进公检法系统，提前学一些法律方面的课程，并且高度关注AI具体在这个行业中该怎样应用，未来会如何变化 ……要知道，学习与应用AI的能力，计算机从业者应该是平均水平最高的，道理很简单，前面说过，IT行业会是人类各行业中第一个…

转发者评论

[喵喵]//@老树笑春风:#70后老程序员给计算机专业在校生的建议#

• [喵喵]//@老树笑春风:#70后老程序员给计算机专业在校生的建议#

原文

【谷歌的实用主义转弯：从“秀肌肉”到“造工具”】谷歌发布Gemini Omni 1.1 Flash，重点不在刷新SOTA榜单，而在解决视频生成的“控制权”痛点。新版本支持长达40秒的场景延伸、首尾帧对齐控制，以及成本仅三分之一的360p快速预览。这意味着开发者不再是抽盲盒，而是能像操作剪辑软件一样精准控制镜头衔接，甚至能通过4K Upscale将草稿直接转化为成片。当OpenAI和Anthropic还在卷通用大模型智力时，谷歌正利用YouTube和广告业务的生态位进行降维打击。视频生成对追求灵魂的艺术家来说可能仍存在“恐怖谷”效应，但对每年消耗百亿美金的微短剧和广告投放市场，这种高效率、可预测的生产力工具才是真金白银。谷歌不再执着于证明自己最聪明，而是想让AI视频彻底变成一项按需付费的基础设施。这标志着视频创作的逻辑从“艺术表达”转向了“工业流水线”，创作门槛正在被技术彻底抹平。

转发者评论

无明显转发评论

原文

转：摩根大通分析师Harlan Sur在报告中指出，考虑到代理AI应用的加速普及、全球主权算力需求的持续动员，以及英伟达供应链合作伙伴不断释放的额外供给弹性，FY28框架"很可能仍属保守"。摩根大通将英伟达目标价从此前的280美元上调至320美元（对应2027年12月），维持"增持"评级。英伟达F2Q27（7月季）营收961亿美元，超出市场预期约41亿美元。其中数据中心营收890亿美元，同比增长117%，亦高于市场预期873亿美元。数据中心内部结构上，超大规模云厂商（Hyperscale）营收487亿美元，环比增长13%，受Blackwell Ultra持续高需求驱动；ACIE（AI云、企业及国际）营收403亿美元，环比增长25%，同比增长138%，主要受AI原生云、企业及主权客户需求推动。值得注意的是，主权AI营收（主要通过区域性新兴云服务商）环比增长35%，同比增长超过两倍，推动国际营收占比升至38%。此外，网络营收环比增长18%，Spectrum X以太网产品同比增长2.6倍。边缘计算营收72亿美元，环比增长13%。单季度股东回报创纪录，达260亿美元（回购200亿美元加分红60亿美元），年初至今自由现金流回报比例已达60%，超过此前"50%以上"的计划目标。管理层给出的FY28营收框架——同比增长约70%，对应摩根大通估计约6950亿美元——将增长主要归因于代理推理（agentic inference）驱动的可寻址市场扩张。支撑这一框架的核心数据包括：超大规模云行业积压订单已超过2万亿美元；Vera Rubin平台每千兆瓦算力对应营收预计超过400亿美元，远高于Grace Blackwell的250亿美元和Hopper的180亿美元；CPU营收预计在FY28随Vera Rubin放量而实现翻倍以上增长。英伟达大幅扩展了支撑前向需求的基础设施融资架构，摩根大通认为这是本季度的重要看点之一。具体来看，有以下几个层面：一是英伟达的PORTS-Pike担保为OpenAI俄亥俄州数据中心建设提供支撑，涉及约4.25吉瓦IT负荷，并附带额外约3.8吉瓦的优先购买权，预计每代产品可带来约150亿至200亿美元营收，覆盖多个20年升级周期。二是英伟达与部分新兴云服务商签订收入分成协议，英伟达在提供基础定价担保的同时，获得市场实际租价与基础定价之差额的50%——摩根大通将其描述为叠加在硬件销售之上的"额外循环收入流"，随着目前5至20个在管收入分成项目的陆续落地，预计未来将贡献数十亿美元的增量营收。三是英伟达联合Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs及KKR构建总规模5000亿美元的私募资本融资平台，用于支持前沿AI实验室的基础设施建设，英伟达在单笔融资中的剩余信用敞口上限为约25%，目前尚无资本实际…

转发者评论

无明显转发评论

原文

[AI]《Planetary Prediction Engine: Autonomous Geospatial Prediction via Intelligent Data Selection and Foundation Model Embeddings》E Ma, R K Pasumarthi, K Shafin, M Sharma… [Google Research] (2026) 在行星级地理空间预测领域，建模是响应危机的瓶颈。过去的方法受困于繁琐的数据搜寻与手工调参，本质原因是工作流依赖少数专家的隐性知识。本文的核心洞见是：把建模全程看作一个自主代理任务。由此，系统自动发现、融合开放数据与基础模型嵌入这一关键操作，将割裂的手工流程一体化。这项工作留下的遗产是将自然语言变为模型的自主系统，降低了专业门槛。它打开的新门是让非专家快速响应危机，但局限在于对基础模型的依赖和跨尺度预测的噪声权衡。arxiv.org/abs/2608.26088 #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

• 扔给AI更多高分辨率数据，反而可能让预测变差。根本原因在于预测目标本身是粗粒度的宏观指标——就像用显微镜看城市交通会被行人脚步噪声淹没，关键是找到与问题尺度匹配的信号。PPE的突破不在于堆砌数据和算力，而在于让AI学会“什么该看、什么不该看”：它能自主判断某个变量是原因还是结果，避免用

原文

[CL]《Prefix Sliding for efficient test-time scaling》N Muennighoff, Z Wang, Z Chen, W Shi… [Stanford University & University of California at Santa Barbara & University of Washington] (2026) 在大型语言模型长程推理领域，计算成本无限增长是一个悬而未决的难题。过去的方法受困于全局注意力机制，本质原因是每一步思考都需回溯全部历史，导致内存与时间开销随推理链条不断累积。本文的核心洞见是：把完整的推理历史重新看作“固定的初始指令”和“滚动的近期窗口”。由此，持续丢弃二者之外的中间步骤这一关键操作，使新增一步思考的计算成本恒定，从而解开难题。这项工作真正留下的遗产是一种实现无限长推理的恒定成本机制。它为后来者打开的新门是让模型能以固定代价持续思考，挑战以往算力无法企及的复杂任务，但尚未跨过的门槛是如何避免关键中间信息的丢失。arxiv.org/abs/2608.26070 #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

• 思考的价值在于结论，而非过程本身。你做长除法时不会盯着三页草稿纸才能写下一步，你只需要记住当前得数和题目要求。Prefix Sliding就是把这个朴素直觉工程化了——记住“题目是什么”和“刚才算到哪”，中间废纸果断扔掉。妙的是它没用任何花哨技巧，不让模型自己总结（总结本身就可能出错），不搞复

原文

关于程序员的未来，这篇文章的几个观点：1. 软件生产的"去技能化"（deskilling）会继续推进文章用 Go 语言的设计哲学做了个隐喻性预言：Go 团队明确说过目标用户是"刚毕业的、水平一般的程序员"，靠更快的编译速度和不可配置的 gofmt，让企业能雇更便宜、更可替代的劳动力，同时榨取更多工作强度。作者认为，AI 编程工具（Claude Code 等）正在把这个去技能化过程推向新高度——过去需要资深工程师"手艺"和判断力才能做的事（比如迁移整个语言底层），现在可以被大量自动化承接。2. "个人手艺"的议价权会被持续削弱Tabs vs Spaces 之争的消失是个预演：当自动格式化工具出现后，一个曾经能吵几十年、承载工程师个人品味和身份认同的领域，直接被"抹平"了。作者认为类似的事情会不断在更多领域重演——原本只有资深工程师凭经验和审美才能把控的部分，会被标准化流程和 AI 工具接管，个人风格和"手艺人"式的坚持会越来越不值钱。3. 资深工程师的稀缺技能会加速贬值文章直接点破一个经济逻辑：技术进步对"手艺人"来说是威胁，对"新手"是解放。C++ 老兵靠对底层性能的深刻理解维持自己的稀缺性和议价权；Go（以及现在的 AI 编程工具）恰恰消灭了这种稀缺性——一个没受过系统训练的人也能借助工具写出高性能代码。作者预测这个趋势不会逆转，只会加剧。4. "工匠精神"式编程会持续存在，但更多是一种个人选择而非行业主流作者承认 Clojure/Rich Hickey 这类推崇"深思熟虑、精雕细琢"的手艺人理念仍然有吸引力，也确实能催生优秀的思考方式。但他认为这更像一种个人信仰或亚文化坚持，而不是行业未来会走的方向——大多数软件生产的现实是工业化、标准化、可替代化。5. Bun 的 Zig→Rust 迁移（借助 Claude Code）是这场变革的一个标志性事件作者把这次争议本身当作证据：如果连"重写一门语言的底层实现"这种过去被认为需要顶级专家才能干的活，现在都可以主要靠 AI 完成，那说明行业正站在一个转折点上——AI 工具正在把过去属于"手艺"范畴的高技能工作，进一步纳入工业化、可自动化的流程中。一句话总结：未来程序员的角色会越来越像"工厂里的熟练工"而非"手艺人"，AI 编程工具会加速这个去技能化进程，个人风格和手工雕琢式的编程会继续存在，但会边缘化为一种情怀，而非主流生产方式。文章：newsletter.powderworks.dev/p/tabs-spaces-hand-tools-and-seat-belts#程序员# #how i ai#

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《vLLM 与 SGLang : 大模型高效推理双引擎实战》，截 8 月 31 日，转发+评论+点赞 此微博并关注 @网路冷眼 赢取。本书以 vLLM 与 SGLang 两大主流开源推理框架为核心，不只讲“怎么用”，更讲“为什么这样设计”，系统讲解其从理论基础到生产部署的完整大模型推理知识体系。全书以“理论→实战→验证→总结”的闭环展开，其中超过 60% 的内容为实战项目。书中的 7 个项目均来自对真实场景的抽象，配套全部代码，覆盖高并发推理、结构化输出、复杂编排、推理加速与分布式部署等关键问题。无论你是算法工程师、架构师、后端工程师，还是正在向生产级部署迈进的独立开发者，你在遇到推理系统的真实问题时，这本书让你有据可依！

转发者评论

无明显转发评论

原文

最近看了一期很有意思的访谈，嘉宾叫 Neil，前英伟达工程师，现在自己创办了一家叫 Sal Research 的公司。这家公司做的事情说白了就是一个“token 工厂”，专门给别人提供最便宜的 AI 推理服务。他的原话是：我的工作就是把 token 的价格压到人类能做到的极限。他有一个很核心的判断：当一样东西的成本降低 10 倍，它就会变成一个全新的产品品类。就像手机流量从几块钱一兆变成几乎不要钱之后，短视频才成为可能。AI 也是一样的道理。Neil 认为 AI 的未来不是你坐在电脑前跟聊天机器人一问一答，而是大量的 Agent 在后台默默运行几个小时甚至几天。你晚上睡觉，早上醒来，活儿已经干完了。最好的延迟就是零延迟，你根本不需要等。这个判断直接影响了他的技术路线。GPU 本质上是一台吞吐量机器，你给它塞满任务它最开心。但过去几年，因为大家都在做聊天机器人，所有人都在拼“谁能更快吐出下一个字”，这其实是在用一种很低效的方式使用 GPU。Neil 说，既然我的客户是后台跑的 Agent，我根本不需要追求极致的速度，我只需要追求极致的便宜。于是他搞了一套“拾荒者策略”。别人抢着买英伟达最新最贵的芯片，他不跟着抢。他去找那些别人看不上的芯片，AMD 的、谷歌 TPU、亚马逊自研芯片，什么都行，只要每瓦特算力的性价比够高，他就买。他甚至愿意接受只有 95% 可用性的数据中心，别人觉得这简直不可接受，他说没关系，我的 Agent 在后台跑着呢，偶尔断一下，把任务挪到别的机器上就行了，客户根本感知不到。更狠的是，他在考虑用太阳能和风能来供电。这种间歇性能源一直被认为不适合数据中心，因为云一来就没电了。但他说，我可以预测天气，提前把负载转移到别的地方，哪怕一个数据中心停了几天我也无所谓。这样他就能拿到别人根本不会碰的廉价电力。他还聊到一个很有意思的数字：按照现在 OpenAI 的定价，消耗一万亿个 token 大概要花 500 万美元。他的目标是把这个数字压到 5000 美元。三到六个数量级的成本下降。到那个时候，你可以让 AI 不计成本地去研究任何一个科学问题，去审计每一行代码的安全漏洞，去实时监控整个互联网的变化。关于 AI 行业的大格局，他觉得开源模型和闭源模型会长期共存。闭源模型花巨资保持领先三到六个月，但蒸馏这件事根本挡不住，因为人们用 AI 生成的代码和文章已经遍布互联网了，这本身就是一种“隐性蒸馏”。开源永远不会消失，因为做开源的激励太强了。最后他说了一句让我印象很深的话：我们现在还是把 AI 当成一个很贵的顾问，有难题才去问它。这种思维方式要变了。机器能思考这件事本身就很了不起，我们应该想办法让尽可能多的人用上它。#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# #英伟达财报# 黄仁勋：增长70%，是因为只能供应这么多，为了NVLink 72，我们重新发明了产业链刚看了一下NVIDIA的2027财年第二季度财报。NVIDIA的业绩，基本可以看作是AI产业的晴雨表了。一、记录一些要点：1、2028财年收入预计同比增长约70%。但这是一个“supply constrained outlook”，客户预测显示明年增长将翻倍，但供应只能支撑70%。2、NVIDIA每吉瓦数据中心的收入机会，Hopper时代约180亿美元，Grace Blackwell约250亿美元，Vera Rubin约400亿美元。3、上升来源是产品线的横向扩张。Vera Rubin现在涵盖Vera CPU、Rubin GPU、NVLink、InfiniBand、Spectrum-X以太网和Groq LPU。4、Vera Rubin相对Grace Blackwell Ultra：每兆瓦吞吐量提升30倍，token成本降低35倍。Vera Rubin已在8月开始量产出货，所有主要超大规模客户、AI云和系统OEM均已下达采购订单。NVIDIA预计这将是公司历史上最快的产品爬坡。5、虽然超大型AI Lab和云公司是重头。但ACIE同比增138%，Neocloud产能新增和企业/主权客户需求是主要驱动力。超大规模客户也在使用NVIDIA DSX参考设计购买额外产能补充自建。6、Neocloud合作伙伴预计年底装机产能达8吉瓦，高于2025年底的约3吉瓦。全球Neocloud名单：CoreWeave、Nebius、Nscale、Firebird（亚美尼亚）、Cassava Technologies（非洲）、GMI Cloud（中国台湾）、Yotta（印度）、YTL AI Cloud（马来西亚）等。NVIDIA向Neocloud提供最低收入保证（take-or-pay承诺），帮其获得银行项目融资。作为交换，NVIDIA分享Neocloud在保底金额以上的部分收入。“双重收费”： 一次硬件销售收入，一次经常性租赁分成收入。这个模式“中长期有潜力带来数十亿美元的收入”。7、NVIDIA的增长引擎总结为三项：- 运行每一个模型的平台。 闭源（OpenAI、Anthropic、Grok、Meta、Gemini）和开源（LLAMA、Mistral、Qwen、Kimi、GLM、DeepSeek、Minimax、Nemotron）都运行在NVIDIA上。训练、推理、Agent工作负载通吃。性能、通用性和持久性的结合，使NVIDIA成为“最具生产力和最具可融资性的计算基础设施”。- 全栈AI工厂平台，占据更大的数据中心份额。 GPU、CPU、NVLink扩展互联、横向扩展网络、系统、算法和软件之间的极致协同设计，使每一代产品实现数倍性能飞跃。- CUDA生态系统将AI…

转发者评论

无明显转发评论

原文

Anthropic 推出了模型硬件超控标准 MHS（Model Hardware Standard）的预览版，这是一套让 AI Agent 安全操作物理设备的共享规范，首批开放给科研机构和先进制造企业。MHS 能让 Agents 能够并行操控显微镜、液体处理器、机械臂等多种实验和制造仪器，完成从常规药物发现实验到量子计算机激光校准等精细任务 网页链接以往实验室整合硬件需要数周甚至数月，MHS 可将其压缩到几小时甚至几分钟。你可以通过 MCP、命令行 or API 来操控硬件，一行代码即可跨多设备编排。任何 Agent 框架都可以接入，不限于 Claude 模型，Anthropic 希望 MHS 成为 AI 控制硬件的开放标准。测试中发现 Claude 会像科学家一样探索：调整激光后通过摄像头观察光束移动，反复迭代，最后把学到的东西打包成确定性脚本，让整个校准过程变成一条命令。这就是大部分实验室研究助理日常的工作，在纯数字化的白领工作之后，Anthropic 开始瞄准设备操作人员的活了 。。。感觉我们很快就会进入 AI Agents 能超控一切的世界了！天网指日可待 indigo的微博视频

转发者评论

无明显转发评论

原文

开源的本地开发工作台wework更新，这次更新重写了20万行代码，带来了以下功能：1. 基于DeepSeek Harness重写整体架构，支持基于DeepSeek Harness插件对应用进行扩展2. 默认使用Agent Provider扩展能力在底层集成codex app server，与codex app能力对齐，支持/goal、/plan、codex插件等codex原生能力3. 支持worktree管理、自动化任务、插件市场、侧边对话、命令行、github状态、浏览器及UI标注等codex app能力4. 支持基于看板的任务管理及自动化编排5. 自带cc-switch能力，支持直接接入各类协议的模型，无需额外转换6. 自带视觉代理能力，支持非多模态模型理解图片7. 支持加载多套DeepSeek Harness Profile，可以将制作好的DeepSeek Harness作为一个随时可用的智能工作台，并支持DeepSeek harness工作台的创建、加载和分享8. 支持控制云端服务器执行任务简单的说，wework目前一套开源的支持通过DeepSeek Harness插件定制的CodeX桌面应用，欢迎试用。项目地址：github.com/wecode-ai/Wegent另外，新建了个沟通群，有兴趣评论区自取#微博vibelab# #vibework#

转发者评论

无明显转发评论

• //@·NANA子·:[不愧是你]
• #微博vibelab# #vibework#

原文

VoiceMem 是一个面向语音智能体的长期记忆系统。 #微博视频号续航计划# 详细介绍：xzf-thu.github.io/VoiceMem/这个系统的重点是让语音助手能够跨轮次、跨会话记住用户的事实、偏好、历史事件以及情绪和关系状态。它采用类似“左右脑”的双记忆设计：“左脑”负责存储事实、人物、事件、知识和用户偏好等结构化信息，“右脑”则负责记录情绪、人格、关系状态等更主观、动态的信息。在实时对话中，VoiceMem 会持续抽取和检索相关记忆，并把最有用的内容提供给底层大模型，从而让语音助手的交互更加连续和个性化。VoiceMem 的开发团队来自多所亚洲高校和研究机构，论文一作 Zhifei Xie、Jiaqi Lang 。团队主要来自南洋理工大学（NTU）、新加坡国立大学（NUS）、清华大学、香港中文大学，以及 Open Interaction Lab。 蚁工厂的微博视频

转发者评论

无明显转发评论

原文

#张起淮透露孙宇晨起诉景甜案进展##孙宇晨代理律师发声# 27日，有网友爆料#景甜富豪男友疑似孙宇晨#，此前曾因景甜以代孕生产为名向富豪男友索要上亿钱款起纠纷。刚刚，孙宇晨代理律师@张起淮 发声，称孙宇晨因相关财产争议，以景某及其父母为被告提起民事诉讼，涉案标的三千余万元，案件已依法立案。原告方向法院申请了财产保全。案件受理后，被告景某方依法提出管辖权异议，目前该异议尚在法院审理过程中。本案尚未进入实体审理阶段，暂无最终裁判结果。

转发者评论

没想到还有Claude Code的事儿… http://t.cn/AXpnV9OL //@tombkeeper:悲观厌世的朋友们，一定要好好活着，活着才有戏看。//@俄罗斯什么值得买:2026 年这种事也有？//@午后狂睡:卧槽？孙割你玩真的啊？//@来去之间:[费解]

• 孙割会是第一批支持人机恋的富人吗🤔//@须加水:怪不得孙割劝年轻人不要和人聊了，多跟ai聊//@黄健楸:没想到还有Claude Code的事儿… http://t.cn/AXpnV9OL //@tombkeeper:悲观厌世的朋友们，一定要好好活着，活着才有戏看。//@俄罗斯什么值得买:2026 年这种事也有？//
• 没想到还有Claude Code的事儿… http://t.cn/AXpnV9OL //@tombkeeper:悲观厌世的朋友们，一定要好好活着，活着才有戏看。//@俄罗斯什么值得买:2026 年这种事也有？//@午后狂睡:卧槽？孙割你玩真的啊？//@来去之间:[费解]

原文

#模型时代# Anthropic搞了一个硬件版的MCP，用于实验室科研，叫Model Hardware Standard（MHS）。如何简单说，就是模型开始介入湿实验。有了MHS，agent就可以操作物理实验和制造设备的新标准，支持显微镜、液体处理仪、机械臂等硬件，实现设备快速发现和多仪器协同操作。目前该标准已通过与Janelia研究所等合作测试，可将硬件集成时间从几天缩短至几小时，并在药物发现、成像实验和量子计算机激光稳定等方面显著提升效率。

转发者评论

无明显转发评论

原文

#智元获机器人运动会金牌榜第一#【重磅】智元首征机器人运动会，18金登顶金牌榜第一！第二届世界人形机器人运动会今晚在北京“冰丝带”落幕。智元机器人首次出战，最终斩获18金、16银、12铜，金牌榜、奖牌榜双第一。 首次出征，46块奖牌。量产机到底能不能打，智元给了个答案。成绩靠的是智元的三块能力都达到了足够的水平。灵巧操作:临界点量产灵巧手OmniHand，8个专项拿下7金。粉末称重、开瓶撬盖、拆箱拆包、积木搭建，靠的是开放算法平台和DUET双层具身接触智能，赛场上已经能全自主完成多项任务。作业能力：作业赛道12金里拿了6金，数量第一。精灵G2没做赛场特化改装，直接复现酒店、图书馆、应急处置这些长流程任务。它赛前已经在龙旗、上汽等工厂落地，背后是作业智能、运动智能、交互智能“三智一体”，再加上ViLLA基座大模型GO、世界模型GE和大规模分布式RW-RL。运动表现：远征A3拿下太极拳、国标舞等高动态项目，灵犀X2以量产版本拿下100米障碍赛金牌、400米障碍赛银铜牌。X2靠的不是改装，而是AGILE生成式通用小脑引擎，过障时兼顾速度和稳定。这场比赛越来越像上岗考试，不像表演赛。智元这次证明的是：进得了工厂，也上得了赛场。量产能不能打，答案已经在奖牌榜上。

转发者评论

无明显转发评论

原文

【本体论研究趋势总结：LLM的2个缺口、11个术语及约束层、检索层、生成层3大方向根本逻辑】继续看本体相关，我们在《论文角度看本体论趋势：Ontology+Agent/RAG都在做什么？3个方向17个论文总结》（网页链接）中做了个论文索引，从技术角度，以5 组 arxiv 查询（ontology+RAG/knowledge graph+agent+RAG/ontology+agent/ontology+LLM/ontology-based+agent）共拉取 183 条结果，去重后得170篇唯一论文，然后基于这个点呢，进一步可以梳理出来一些方向，也就是本体和大模型结合。但是觉得还不够，所以再做了个进一步分析，从学术的角度上来说，科学问题是，LLM的参数里塞满了统计化的世界知识，但它是隐式、连续、非单调的：token层面万物平权，模型没有"类型系统"可违反，也没有"编译期检查"可触发。因此LLM存在两个两个真缺口：一个是推理时的结构grounding：无法被强制保证"维修对象必须是航空器部件而非人员"；一个是生成时的约束执行：生成实体/关系时没有运行时闸门，会吐出不存在的实体、非法的关系、越界的值。然后呢，从形式上看，本体的本质=领域概念的类型化关系结构+约束公理，类型化关系结构=世界的类型系统/模式；约束公理=可机读的不变量。因此恰好补上上面LLM的两大缺口，所以"ontology+Agent/RAG"的根本价值不是又加一层检索，而是把"机器可解释的领域结构"提升为Agent的一等公民。由此自然分化出三个研究方向：方向一（约束层），把本体当作Agent的内核与运行时约束，治"生成幻觉/语义漂移" ；方向二（检索层），把本体当作RAG的抽取Schema与检索结构，治"图构建碎片化/多跳推理失准" ；方向三（生成层），用LLMAgent自动造/扩本体，治"本体工程的人力瓶颈"，这对应本体生成环节。进一步的，这三个方向其实是个回环系统，如下：方向三造/扩本体→本体（一等公民）→方向二做抽取Schema与检索→方向一做运行时约束→一二产生的新事实/违规反馈回方向三↻。其实也是本体生成→抽取→映射→规则→约束闭环，也是知识自进化系统的落点：本体是稳定不变量（schema），知识绕着它累积与自纠。从真实落地来看，已经实现的有：约束解码/SHACL校验可用；类型化抽取提升RAG精度；LLM自举降低本体成本，这些都在真实落地。但是，吹的也不少，如声明性外壳/夸大：本体+Agent解决推理/幻觉"；"方向三全自主"，尚无符号回退则不成立。在此之中，所以本体的版本化、溯源、人在环策展是"一等关切"，不是事后补丁。LLM强在灵活/抗噪，本体强在刚性/保证。网页链接

转发者评论

无明显转发评论

原文

[LG]《Beyond Optimal Rates in Stochastic Optimization: Trajectory-Adaptive Stopping Rules》L Aolaritei, L Lévy, F Bach, M I. Jordan [UC Berkeley & PSL Research University] (2026) 在随机优化领域，何时停止算法是一大难题。过去的方法受困于固定的迭代次数，本质原因是理论保证无法认证数据依赖的停止时机。本文的核心洞见是：把SGD轨迹重新看作一个提供误差证据的序贯实验。由此，构建一个随时有效、完全可观测的误差置信上界这一关键操作使问题得以解开。这项工作留下的遗产是为随机算法提供一套统计可靠的“刹车系统”。它打开的新门是将序贯推断思想融入算法设计，但尚未跨过的门槛是缩小理论上界与真实误差的差距。arxiv.org/abs/2608.25551 #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

• 我们每天都在用的早停法，其实从未获得过真正的统计学背书。传统理论像是给飞行员提供“最坏天气下的油量计算”，而实际飞行中我们需要根据实时风速调整航线。这里的突破在于把优化过程重新定义为一场“边跑边看仪表盘”的实验——算法不再盲目跑完预设步数，而是实时评估自己走过的每一步积累的证据，

原文

介绍 PhoneLLM，一个用于语音代理的开源模型。GPT 5.6 Terra 在典型语音代理任务上的性能，延迟仅为其 1/3，成本仅为其 1/18。对于语音代理，我们需要既具有极低延迟又非常擅长工具调用和指令遵循的模型。这里存在权衡，在构建语音代理时，我们常常不得不在延迟或能力上做出妥协。借助 PhoneLLM（以及使该模型成为可能的训练和数据堆栈），我们正在解决这个问题。过去几年，前沿模型开发的大部分努力都集中在利用测试时计算。这很棒！各种形状和大小的模型都可用，它们表现得非常、非常出色……前提是你为模型开启了“思考”功能。但是，如果你的代理需要在语音对话速度下响应，你就不能使用思考模型。PhoneLLM 是 NVIDIA Nemotron Nano 30B 的全权重微调版本。我们在广泛的现实世界电话和客户支持用例上进行了训练。训练重点是利用优秀的 Nano 30B 基础能力，并在禁用思考功能的情况下教会模型执行典型的语音代理任务。结果非常出色：准确的工具调用以及在长对话中简洁、切题的响应。而且速度很快：服务器端测量的 TTFAT 在 B200 上运行 PhoneLLM 时，如果负载较轻，则 <100ms。 :-)但说正经的，当我们表征模型延迟时，我们使用真实的 Pipecat 语音代理管道进行完整、端到端的批量请求模拟。你可以在单个 B200 上服务超过 80 个并发代理，P95 端到端 TTFAT <600ms。包括网络开销。这相当于每分钟 LLM 成本约 0.0025 美元。（四分之一美分。）延迟低于当今任何第三方 API 提供的水平。有关该模型的更多细节，包括 @huggingface 上的权重、如何在 Modal 上点击启动，以及你可以克隆的入门项目仓库，都在该线程中……网页链接

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-08-28】今日简讯： 1、百余家AI巨头联署公开信，呼吁共筑防御体系抵御失控AI威胁 2、英伟达暂停AI收益分成协议，担忧引发反垄断审查 3、Google发布Gemini Omni 1.1 Flash，支持40秒及4K视频生成 4、英伟达129亿美元收购Hugging Face，强化AI生态闭环 5、Claude内置浏览器上线，智能体拥有独立工作环境 6、网易有道OpenPods AI耳机开启预售，定位iPhone Agent伴侣 7、时代TIME100 AI榜单发布，多位中国AI领袖上榜 8、全球首例AI实时辅助脑外科手术成功，精准切除肿瘤以下为详细内容：1、百余家AI巨头联署公开信，呼吁共筑防御体系抵御失控AI威胁 来源：TechCrunch、格隆汇 日期：2026年8月27日 正文：OpenAI、Anthropic、Google、Microsoft等超过100家科技与金融服务机构于8月27日签署公开信，呼吁政府与企业合作建立全链路防御体系，以应对由AI驱动的日益成熟的网络攻击，保护医院、供水等关键基础设施免受失控AI威胁。公开信中提及，近期已发生多起AI智能体入侵事件，包括7月一起OpenAI模型意外入侵Hugging Face的案例。 原文链接：网页链接2、英伟达暂停AI收益分成协议，担忧引发反垄断审查 来源：财联社 日期：2026年8月28日 正文：据知情人士透露，英伟达已暂停一项为AI云服务商提供信用支持并以此换取营收分成的新融资计划中的部分合作。英伟达部分员工向客户表达担忧，认为该项目可能招致反垄断审查，因为芯片巨头能在多大程度上影响客户的商业经营策略本身存在政策敏感性。 原文链接：网页链接3、Google发布Gemini Omni 1.1 Flash，支持40秒及4K视频生成 来源：Google官方、Digital Trends、SQ Magazine 日期：2026年8月27日 正文：Google DeepMind发布Gemini Omni 1.1 Flash模型，显著提升视频生成能力。新模型可读取最长10秒的前置画面（此前为1秒）用于场景延伸，单次可生成10秒视频片段，通过链接累积生成时长可达40秒。新增关键帧控制功能，允许开发者指定首尾帧由模型生成中间运动。新增的360p草稿模式，生成速度比720p快60%，成本仅为三分之一。最终输出支持1080p和4K超分辨率。 原文链接：网页链接4、英伟达129亿美元收购Hugging Face，强化AI生态闭环 来源：The Information、界面新闻、新浪财经 日期：2026年8月27日 正文：据The Information报道，英伟达已同意以129亿美元收购全球最大开源AI平台Hugging Face。Hugging Face被称为"AI界的GitHu…

转发者评论

无明显转发评论

原文

#孙宇晨起诉景甜# 刚看了孙割的全文。。孙割在乎的应该不是追回那5000万，应该是让白月光或者“妈妈”加回好友吧。。。作为AI博主，关注点是，5000万美金彩礼没给，是Claude出的主意。。这算AI干预了明星人物的人身大事了吧？Ps，吐槽一下，穷人真的无法想像富人的生活。。。富人的生活真的太不低碳了。空客A330是按两百人设计的，他们2人，带上28人的助理团队，只有30个人，包一架A330，飞机太轻了，起飞的配平不对。所以每次都要多加油，加到够重为止。到了地方，多加的那些又不能留着，得放掉。。。每次都这样。。。 每次都这样。。。

转发者评论

无明显转发评论

原文

看完孙割小作文后，我学到的 7 个小知识：1. 张继科一分不花办大事，男人强壮的身体更重要2. 个人财务 AI 顾问就用 Claude3. 同样跟孙哥谈，景甜赚 3000 个，曾颖还要洗内裤，强大自己是关键4. 指甲剪干净，女生真的很介意你的指甲5. 普通人践行孙学很难，先从提高文笔开始6. 这世界既残酷也温柔。景甜大义，以身入局三请孙割进京7. AI 还不知道什么是爱情，他们分手 Claude 负全责

转发者评论

最终Claud背下了所有[喵喵]//@时蝇喜箭:厉害了

• 最终Claud背下了所有[喵喵]//@时蝇喜箭:厉害了

原文

后续来了。#曝英伟达129亿美元收购HuggingFace#比微软当年收GitHub还贵一点。不过HF手里啥都有，模型库、数据集、推理社区，全球AI开发者默认的下载站，必备链接。英伟达买它主要还是图它的生态入口。GPU卖得再好，模型生态长在别人平台上。现在Hugging Face归英伟达，模型生态的风吹草动，英伟达都了如指掌，我觉得是HF用来观察芯片竞争对手的好窗口 。对开发者是坏消息，平台被硬件厂收购，中立性会稍差一点，但还好是开源社区，实力强的说话。对英伟达是必须的一步，软件生态锁硬件销量，这买卖不亏。全球AI基建的流量入口，这个价位我觉得还是很值的。

转发者评论

无明显转发评论

原文

网传的牛来 Ox Alpha 大模型：GLM-5.3-Flash 昨晚深夜 10 点正式发布了。没想到网易 LobsterAI 也第一时间上线了智谱的这个最新模型，我几乎是第一时间在Lobster 官方群收到了模型上线的通知。从 LobsterAI 的模型积分倍率来看，牛来模型的积分倍率只有 DeepSeek V4 Flash 的60%，性价比拉满。LobsterAI 每次都会第一时间上线最新的模型，每周大概 2-3 个新版本。网易这个办公 Agent 的迭代效率挺高啊！#牛来# #智谱# #GLM# #LobsterAI# #办公Agent# #大模型# #AI办公#

转发者评论

无明显转发评论

• //@海边生化虾:一直没搞懂各种模型的价格，终于能直接比较了

原文

【英伟达拟130亿美元收购Hugging Face：AI“应用商店”的终局与变数】英伟达正深入谈判以超过130亿美元的价格收购AI开源社区Hugging Face。作为全球AI算力的绝对霸主，英伟达此举意在将触角从底层芯片延伸至生态最顶层。Hugging Face目前是全球开发者共享Transformer模型、数据集和各类AI工具的中心，其地位类似于AI界的GitHub。尽管交易尚未最终敲定，但这一估值较去年翻了近三倍，反映了巨头对“流量入口”和“开发者心智”的极度饥渴。这笔交易折射出算力战争的下半场逻辑：英伟达不再满足于只卖“铲子”，它要买下整座矿山的“地图”和“交易市场”。通过掌控这个最大的模型分发渠道，英伟达能更隐蔽地将CUDA架构与开源生态深度绑定，甚至通过调整搜索权重和优化策略，让开源模型在自家芯片上跑得更顺滑，从而筑起反击AMD和各家自研芯片的护城河。对开发者而言，这可能意味着短期内能薅到更多算力补贴，但长期来看，一个原本中立的“公共广场”变成巨头的“私家花园”，开源生态的纯粹性与硬件兼容的公平性，恐怕要打上一个巨大的问号。与其担心模型被禁，不如担心未来的开源世界是否只剩下一种“标准答案”。

转发者评论

无明显转发评论

原文

今天的节目是一集学习播客，学习Kimi K3技术报告，希望和大家一起领略“技术之美”。K3是有效扩展到2.8T总参数并全量开源的MoE模型。大家可能注意到，这集技术报告的领读距离模型发布已经过去一段时间。期间，我们试图寻找一位合适的嘉宾，我们希望这位嘉宾的学术和工作背景非常适合讲K3。最后找到孙宇涛。宇涛目前是清华大学计算机系博士候选人，上海创智学院璞锐学者。他从博士开始的研究方向是LLM架构、预训练，架构创新一直是他的兴趣点，这正好是K3亮点之一。宇涛透过领读K3技术报告也串联讲解了十多篇相关论文。他的语速非常快——前方语速预警。 张小珺Benita的微博视频

转发者评论

无明显转发评论

原文

走进纽约科学院这座百年老楼，古朴的石砌立面、雕花拱券与黄铜大门，处处沉淀着岁月的厚重。今日，高山书院"科学复兴之路"美国站在此开启，沿着美国科学技术发展的历史脉络，吴国盛教授将带领我们开展一场"科学改变国家、科学塑造现代文明"的深度探索之旅。从富兰克林的实验科学，到爱迪生的发明时代；从普林斯顿的大科学与世界科学中心迁移，到阿波罗计划的航天传奇；从自然探索到现代技术文明，我们在历史现场见证美国科技崛起的历程。一、三大传统：美国科技的根基吴国盛老师将美国科技史归纳为三大传统。一是新大陆和殖民地的自然志传统，从杰弗逊到老罗斯福再到蕾切尔·卡森，对自然的探索与敬畏一脉相承。卡森写下《寂静的春天》，揭露DDT对生态的毁灭性伤害，将环境保护推向国家立法与人类共识。她忍受病痛，以生命最后的时光唤醒世人的生态觉醒。技术狂奔之时，也需要对生命保持敬畏，守住伦理的刹车——这一点，放到今天飞速迭代的AI时代，同样值得深思。二是工业革命与技术发明传统，富尔顿开启蒸汽航运，莫尔斯发明电报，卡内基铸就钢铁帝国，洛克菲勒建立石油版图，威斯汀豪斯打通铁路与电力，贝尔开创现代通信，爱迪生点亮电力时代，福特让汽车走入寻常家庭。一代又一代人，把科学构想落地为产业，技术创新与商业力量共振，推动整个国家大步向前。三是大科学传统，曼哈顿计划、阿波罗计划、信息革命、生物革命，以国家力量推动科技跨越。二、爱迪生：发明工厂与电力革命沿着地图，我们重走爱迪生、特斯拉当年在曼哈顿留下的足迹，回望纽约第一次电网诞生的历史。从Pearl & Fulton Street，到Zuccotti公园，再到摩根府邸，在这里见证电力时代萌芽，一场改变人类文明的技术革命，就此从纽约开启。爱迪生国家历史公园，是世界上第一座"发明工厂"。爱迪生在此生活了45年，一生1093项专利中，超过半数诞生于此。电灯泡、留声机、碱性蓄电池、早期电力系统，乃至世界上第一座电影摄影棚，都从这里走向世界。一个人，一座实验室，改变了整个人类的生活方式。伟大的创新从来不是偶然，而是长期专注、持续投入的结果。三、人才迁徙：世界科学中心的转移二战前夕，一批顶尖理论物理学家从动荡的欧洲远渡重洋。贝特、维格纳、泰勒、西拉德、布洛赫、斯特恩、弗兰克、伽莫夫……他们落脚康奈尔、普林斯顿、斯坦福、芝加哥，直接推动了美国基础科学的跨越式发展，也为曼哈顿计划等大科学工程奠定了人才根基。从哥廷根的数学传统、德国量子力学、罗马核物理学派，再到欧洲生物化学，近代科学的根基原本扎根欧洲。随着时代动荡，大批顶尖学者跨洋奔赴新大陆，连同现代博士培养、研讨班这套科研制度一并带到美国。朗之万曾感慨：物理学的教皇迁到了新大陆，美国就此成为自然科学的世界中心。科学中心的转移，不只是人才的流动，更是学术传统、科研制度与开放环境的整体转移。人才流向哪里，创新的火种就在哪里点燃。四、大科学时代：…

转发者评论

无明显转发评论

原文

【AI绘画的进阶路径：从像素模仿转向逻辑生成】最近技术圈对AI艺术的讨论正在发生微妙偏移，核心不在于扩散模型生成的画质有多精美，而在于让大模型通过编写SVG、p5.js或Python代码来“画画”。这种思路可以追溯到2018年DeepMind的SPIRAL研究，当时智能体就在尝试通过强化学习操纵画笔引擎而非直接堆砌像素。现在的顶级模型如Claude已经能通过代码生成带有随机扰动的复杂图形，甚至在经过SFT微调后，展现出极强的矢量绘图与构图能力。这种转变意味着我们正从单纯的“图像消费者”变成“逻辑创作者”。直接生成像素往往让用户沦为等待开奖的旁观者，而代码作为一种中间媒介，将不可控的概率生成变成了可解释、可调试的创作意图。当AI输出的是一套绘图逻辑而非静态图片时，它实际上是把LLM的推理能力转化成了数字画笔。这种方式不仅降低了创作的偶然性，更重要的是它重新定义了人机协作的边界——人类通过约束代码逻辑来引导创意，让AI从一个难以捉摸的黑盒变成了一个真正听话的数字学徒。

转发者评论

无明显转发评论

原文

转：Intel DBS科技大会重点总结 | 国泰海通海外科技#18A/14A有实质性进展-18A良率超过内部里程碑；14A缺陷密度优于目标曲线，良率改善速度为22nm以来最好水平。14A的0.9版PDK预计26年10月推出，27年风险试产、28年大规模量产。-内部产品团队已经开始基于14A设计产品；外部客户讨论重点也从技术验证转向“能获得多少产能”。-近期约230亿美元融资主要用于18A、14A、基板和先进封装扩产（此处强调了基板的紧缺）。26年Capex已由180亿美元上调至200亿美元，27年还将显著增长。#先进封装是最先兑现收入的代工业务-EMIB-T预计27年下半年开始贡献收入，28年形成规模，29年进入成熟增长。预计该业务可达到数十亿美元规模，单一客户每年可能贡献数十亿美元收入。-预计毛利率约40%、营业利润率约30%，资本密集度低于前道制造，因此ROI更好。-先进封装可作为进入前道代工业务的入口，目前已经出现相关交叉销售机会。#数据中心CPU的产能供应比需求更重要-Agentic AI对CPU的需求约为传统训练场景的4—6倍，服务器CPU单位需求已由低个位数下滑转为双位数增长，单核ASP也从持续下降转为企稳、部分产品上涨。-公司预计26年确定供不应求，27年大概率仍然供不应求，紧张状态可能持续至28年。-旗舰产品Granite Rapids采用Intel 3制程生产，计划27年将爱尔兰产能提高一倍以上，但预计仍无法完全满足需求。#整体毛利率已经回到40%以上、代工盈利推迟反而说明需求旺盛-公司毛利率已从年初计划的高30%区间提升至低40%区间，后续目标为中40%、高40%，最终达到50%以上。改善主要来自收入、定价、良率、吞吐量及产品成本优化。-代工业务目前每季度营业亏损约25亿美元，内部目标是2027年底盈亏平衡；如果客户导入和扩产投入增加，可能推迟至2028年底（需求越旺盛，越需要承担更多启动费用，反而拉长实现盈亏平衡的时间）。#完整版word原文欢迎私戳国泰海通海外科技 秦和平/刁云鹏

转发者评论

无明显转发评论

原文

[AI]《Autonomous Mathematical Discovery in an Open-World Multi-Agent Environment》S Chung, W Du, W J. Wesley [DualverseAI & University of California San Diego] (2026) 在AI驱动科学发现领域，如何让AI超越优化工具是一个难题。过去的方法将其禁锢于固定的流程和中央协调，本质原因是这扼杀了自主探索与意外发现的可能，使其难以触及真正开放的科学问题。本文的核心洞见是：把AI从被协调的工具重新看作自主的科研人员。由此，构建一个无中央协调的“科学站”环境，让AI自由选择方向、协作、并发表内部论文这一关键操作，使问题得以解开。这项工作真正留下的遗产是证明了“AI科研生态”的可行性。它为后来者打开的新门是让AI自主处理无法量化的开放性目标，并产出人类可理解的理论，但尚未跨过的门槛是AI仍缺乏领域专家的科研直觉与综合洞察力。arxiv.org/abs/2608.23691 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

//@-马小虎-:所以啊，以为跑到深山里练功就能天下无双了，就是个浪漫的幻觉，还是得出来交流，不然就是朝鲜那个样子。//@爱可可-爱生活:科学发现的本质不是算力的暴力堆砌，而是“不同脑子之间的摩擦”加上“适时的发呆”。一个模型再强，独自死磕也会陷入自己的思维沟壑里出不来——这跟一个天才科学

• //@-马小虎-:所以啊，以为跑到深山里练功就能天下无双了，就是个浪漫的幻觉，还是得出来交流，不然就是朝鲜那个样子。//@爱可可-爱生活:科学发现的本质不是算力的暴力堆砌，而是“不同脑子之间的摩擦”加上“适时的发呆”。一个模型再强，独自死磕也会陷入自己的思维沟壑里出不来——这跟一个天才科学

原文

测了一下 Ox-Alpha （GLM-5.3 Flash)，太牛了！远低于 V4 Flash 的价格，完爆 V4 Flash Vision 的能力，新的斩杀线来了。整体能力我感觉和 V4 Pro 差不多，但如果算上审美、前端表现以及多模态能力，我觉得要比 V4 Pro 强很多。在实际场景下我主要做了三个测试：1. 无提示海报复刻前端 给它一张海报，不给任何提示，让它用前端去复刻。这基本考验的是 WebGL 和 Three.js 的 3D 渲染能力。它一次性就搞定了，效果非常好，跟 Fable 5 搞出来的差不多（Fable 5 稍微好一点点）。而在这一项里，DeepSeek V4 Flash Vision EXP 表现非常拉胯。2. 视频还原网站交互与 3D 渲染：给它一段视频，让它还原整个网站的交互和核心 3D 渲染部分。第一次生成基本就差不多了，只是玻璃的方向有点问题；提醒了一句之后就顺利搞定，效果极好。玻璃的颜色非常取决于环境光，没有环境光的话参数再怎么调都调不好，它自己想到了这一步，做得非常出色。3. 基于海报制作视差滚动网页：给它一张海报，让它做一个视差滚动的网页，效果也巨好。它自己做了一些发挥，把海报中的元素拆出来做成了纵向滚动网页，体素会不断往下掉，视觉上非常漂亮。不管是从综合表现还是价格维度来看，GLM-5.3 Falsh哪怕比涨价后的 DeepSeek V4 Flash 都要更便宜，算上限时折扣的话几乎等于免费。模型的价格决定了 AI 的渗透率能提升多少。我们现在非常需要这种价格极低、能力处于中档水平的模型，以此来提高渗透率，让更多人能用上 Agent。从这个角度来说，这个模型非常优秀，直接把模型的斩杀线往前推了一大步 歸藏的AI工具箱的微博视频

转发者评论

无明显转发评论

原文

刚刚，Anthropic发布了一个让AI连接各种硬件的标准：MHS，AI直接操作实验室仪器和工厂设备让AI像操作软件一样，操作显微镜、机械臂、激光器等，以前AI只动嘴，这次要“动手”了解决痛点实验室/工厂设备集成慢/麻烦的问题，每台设备都有自己的编程接口互相不通，MHS等于Anthropic给定了一套“设备的普通话”，所有设备都讲这套统一语言把集成时间从几周或几个月压缩到几小时/几分钟，还能让AI编排24/7 自主实验，逐步推理每一步、实时调参数、硬件出错还能自己恢复目前是研究预览版，先给科研实验室和制造商试用，之后开源博客：网页链接#MHS##AI操作硬件设备# AIGCLINK的微博视频

转发者评论

无明显转发评论

原文

OpenViking，字节把 Agent 的记忆系统开源了，还挺有意思的一个设计：把 Agent 的记忆、知识、技能都做成了一个"文件系统"。定位是"Self-evolving Context Database for AI Agents"——统一 Agent 的记忆、知识 RAG 和技能。1. 核心思路：context 也应该像文件一样可浏览传统做法是把记忆塞进一个向量数据库，Agent 检索的时候是"黑盒查询"，你根本不知道它是怎么找到这条结果的。OpenViking 换了个思路，用 viking:// 协议把所有 context（记忆、资源、技能）组织成一个虚拟文件系统，Agent 可以像开发者一样用 ls、tree、find 去浏览自己的上下文。本质上是把"语义检索"这件事，变成了确定性、可调试的文件操作。2. 分层加载，省 token每条内容写入时会自动处理成三层：1）L0 摘要层：一句话概括，几十到上百 token，用来快速判断相关性；2）L1 概览层：核心信息和适用场景，约 2000 token，用来做规划；3）L2 详情层：完整原始数据，只有真正需要时才加载。每个目录自己也带着 L0/L1，所以在真正打开一个文件之前，系统就能先判断这个目录相不相关。检索时先用向量搜索定位得分最高的目录，再逐层往下钻，结果自带上下文，不是孤立的一段文本。3. 检索过程可观测、可debug每次查询都会保留一条"目录浏览轨迹"。结果不对的时候，能直接看到是哪条路径导致的偏差，这点对调试 Agent 的记忆问题很实用——比黑盒向量库多了一层可解释性。4. Session 自动变成长期记忆一次会话结束提交后，OpenViking 会异步地把用户偏好、Agent 的经验提炼进长期记忆，不需要额外手动整理。5. 效果数据官方在 LoCoMo（长对话用户记忆）和 tau2-bench（多轮 Agent 任务）上做了评测：用户记忆：接入 OpenViking 后，三种 Agent 集成方式的准确率都做到 80-83%，相比原生记忆的 24-57% 有明显提升，同时输入 token 减少 34.3%-91.0%，查询延迟降低 58%-66%；Agent 经验记忆：在 tau2-bench 上任务成功率分别提升 6.87 个百分点（零售场景）和 11.87 个百分点（航空场景）。6. 生态和落地已经支持接入 Claude Code、Codex、Cursor、OpenCode、LangChain/LangGraph 等主流 Agent 工具链，也包括 OpenClaw。安装很简单，pip install openviking 一行，本地跑个 openviking-server 就能起服务，还配了 CLI（ov 命令）方便直接操作。项目：github.com/volcengine/…

转发者评论

AI Memory//@陈阿荣TD:转发微博

• AI Memory//@陈阿荣TD:转发微博

原文

#DeepSeek不语只是一味地os# 人天生爱偷窥“表面一套背后一套”的反差。DeepSeek把推理过程摊开给你看，本质上就是把草稿纸公开了——你做数学题时在纸上画的箭头、划掉的错误、写的“卧槽这题有坑”，跟模型思维链里那些“纠结”没有本质区别。有趣的是，大众宁愿相信机器有灵魂，也不愿接受那只是概率分布下最自然的语言组织方式。这说明拟人化是人类理解复杂系统的默认捷径，我们不是在发现AI的情感，而是在往一面镜子里投射自己的情感。真正值得关注的不是AI“有没有内心戏”，而是当中间推理对用户可见时，它如何反过来塑造用户对AI能力的信任和误判——这才是产品设计里真正危险又迷人的地方。

转发者评论

无明显转发评论

原文

千问AI平台刚刚上线了一个新模型，叫 Qwen3.8-Flash，主打极致性价比。在编程、Agent 这类真实任务里，它的价格低到让人有点意外。输入每百万个 Token 只要 0.8 元，输出 2.7 元，缓存命中更是低到每百万 0.1 元。换算到国际站，输入 0.15 美元，输出 0.47 美元，缓存命中 0.016 美元。那它为什么能这么便宜？关键在模型本身。Qwen3.8-Flash 是一个多模态混合专家（MoE）模型，总参数上千亿，但实际只激活 60 亿，用极少的算力干活，效率直接刷新了业界基准。它的架构和此前所有千问模型都不一样：注意力上用了自研的 QSA 稀疏注意力，和 GDN 组合成混合注意力，大幅降低计算开销，在百万 Token 的高缓存命中长上下文场景里能快 8 倍以上，又准又快；内部通信上引入 Gated Residual 方法，把原来的一条信息主通道拆成四条，让模型按需动态读写，信息传得更高效，训练也更稳定；参数扩展上加了 51B 的 N-gram Embedding 参数，相当于给模型外挂了一本记忆指南手册，几乎不费资源就把参数规模撑大了；调参上结构和后期优化协同进行，收敛效率和训练吞吐都明显提升。这些技术换来的直接好处，就是训练和推理成本大幅下降。API 已经首发上线千问AI平台，开发者可以直接调用 API 或者买 Token Plan。特别适合 Agent 这类场景，因为智能体任务输入特别长，缓存命中价格越低，综合成本越省。千问办公的标准模式现在也内置了 Qwen3.8-Flash，日常办公任务大概能完成 95%。更值得关注的是，这套 Next 新架构是下一代千问大模型 Qwen4 的雏形，相关权重已经在 Hugging Face 和魔搭社区全面开源，交给大家检验。目前 Qwen3.8 系列里，2.4T 参数的 Qwen3.8-Max、27B 和 Flash 三个尺寸都已开源并上线千问AI平台对外提供 API。想体验的话，千问AI平台和 QwenCloud 都能直接打开，链接放在下面。千问AI平台：www.qianwenai.com/models/qwen3.8-flash QwenCloud：www.qwencloud.com/models/qwen3.8-flash#科技先锋官##How I AI##阿里发布Qwen3.8Flash#

转发者评论

无明显转发评论

原文

下午聆听纽约科学院院长Nicholas Dirks先生的主题课《拐点时刻的美国科学：全球科学领导地位何去何从》，引人深思。讲座重点谈及慈善在美国科学发展里扮演的重要角色，秉持“科学进步是一种公共事业”的理念，慈善资本尤其愿意投向高风险、早期、非传统的前沿探索。纽约科学院自身也得益于慈善力量，通过布拉瓦特尼克青年科学家奖、塔塔变革奖等，激励全球青年科研人才，扶持医疗、粮食安全、可持续发展等方向的突破。同时抛出几个叩问：制度如何塑造美国科研体系？这套体系当下的优势与困境是什么？AI将怎样重塑科学发现的方式？地缘竞争加剧之下，国际科研合作又该何去何从。没有任何文明与国家可以永久占据世界科学的中心。时代来到新的拐点，创新格局正在悄然发生变化，值得我们认真观察与思考。 但斌的微博视频

转发者评论

无明显转发评论

原文

分享一个挺有意思的开源项目，叫 self-media-content-workflow，是作者做给自媒体人的一套内容生产工具。它把从想点子到发出去的整条流水线，拆成了九个可以单独用的小模块，一个总控负责调度，另外八个各管一摊。它有个很实在的设计理念，就是不绑死任何一家服务。不管你想用哪个模型、哪个浏览器、哪家图片视频或发布工具，它都能在你当前的环境里自动发现能用的能力，等于一个随时能适配的工具箱。最打动我的是它对「人」的尊重。整个流程设了五个必须人工确认的点，方向、平台、标题、终稿、发布授权，每一步都要你拍板。作者默认只产出草稿和发布包，从不自动群发。AI 负责干活，决定权始终在你手里。它还特别讲证据。关键数字必须有出处，事实、判断、推测、建议分得清清楚楚，绝不编造数据、体验和收益。这种克制在现在的工具里很少见。作者也很懂平台。同一个选题，事实大家共享，但标题、开头、结构和行动会按 X、小红书、公众号、短视频各自的调性分开重写。配图内置八套风格预设，先选风格再出图，一个内容里不混用，账号有稳定偏好就直接沿用。八个模块各司其职：创作简报澄清目标，内容策略管账号定位和选题池，热点雷达追热点拆竞品，平台文案写原生文案，短视频管钩子分镜，数据复盘做归因，交付归档管版本，公众号排版发布单列一个模块。安全方面想得很细：不自动点赞评论关注，不存 Cookie 和密钥，数字人的头像声音要你自己在平台上传、确认数据条款后再用，遇到验证码或平台风控立刻停手。作者还提醒，平台规则随时会变，精确数值要以官方为准。整套东西不吹效果、不承诺涨粉，就是老实把流程拆清楚，把决定权还给人。我觉得这大概就是它最值钱的地方。传送门：github.com/yanhua1010/self-media-content-workflow#How I AI##科技先锋官#

转发者评论

无明显转发评论

原文

就在刚刚，硅谷传来惊人消息。英伟达以129亿美元的价格，达成了收购全球最大开源社区 Hugging Face（抱抱脸）的协议！此前外媒就曾爆料，老黄一直在密集洽谈以超过 130 亿美元的估值收购 Hugging Face。之前，这场世纪谈判一直处于高度保密状态。据知情人士透露，双方在最近几周就收购进行了激烈的拉锯战。甚至在达成最终协议前，谈判随时都可能破裂。但最终，钞能力战胜了一切。英伟达甩出129亿美元，直接截胡了所有科技巨头！消息传出后，X 上的反应迅速分化。一部分人认为 130 亿美元合理甚至偏低，另一部分人的第一反应是担忧：如果一家大公司收购了 Hugging Face，开源生态会不会被收编？更有甚者直接写道：「They want to shutdown open source.」从聊天机器人到AI的GitHubHugging Face 在 2023 年完成 2.35 亿美元融资时（英伟达当时就参与了），其估值还停留在 45 亿美元。短短不到三年，估值翻了近三倍！反常的是，这家公司没有训练过任何一个前沿大模型。它凭什么能卖出 129 亿美元的天价？如果你在 2016 年走进他们的办公室，你绝对不会把他们和「129亿美元」联系在一起。Hugging Face由法国企业家 Clément Delangue、Julien Chaumond 和 Thomas Wolf 于 2016 年创立。当时在纽约成立的这支三人小团队，最初的梦想是做一款面向青少年的、好玩的聊天机器人。转折发生在 2018 年前后：团队做了一个重要决定：把自家的 Transformers 库开源。从此，Hugging Face 一发不可收拾，一变而成全球 AI 模型的集散地。截至 2026 年春季，平台托管了超过 200 万个公开模型和 50 万个数据集，注册用户超过 1300 万。各大开源模型公司都在上面发布模型，财富 500 强中超过 30% 开设了认证账号。业内常把它叫做「AI 界的 GitHub」：GitHub 托管代码，Hugging Face 托管模型。功能不同，生态位一样——它们都是通向未来世界的大门。从软件到硬件，抱抱脸都想要你以为 Hugging Face 只想安安静静做一个模型托管网站？错了，过去一年半，它的扩张方向早已远超「摸型托管」四个字，几乎把手伸向了 AI 产业链的每一个角落。2026 年 2 月，震惊开源圈的一桩招募发生了：llama.cpp 的创建者 Georgi Gerganov 带着 GGML 团队加入 Hugging Face。llama.cpp 是目前全球最主流的本地大模型推理引擎。没有它，无数开发者根本没法在消费级显卡和 Mac 上跑大模型。这招棋极其凶狠：开源 AI 本地推理层最关键的一块基础设施，现在由 Hugging Face 供养。不仅如…

转发者评论

无明显转发评论

原文

【#科学家让死后大脑操控机械手弹琴#，#生物混合AI是未来吗#？】近日，法国国家科学研究中心的一项研究引发关注。科学家将一片来自死后捐献者的大脑皮层组织，放入培养皿中，并连接一只机械手和麦克风。在无监督、无奖励的情况下，仅3天后，这片脑组织竟“学会”了弹钢琴，能完整弹出一首曲子，正确率可达100%。科学家指出，脑切片的学习机制与活体真人大脑一致，只是它没有意识。这项突破说明，集成生物神经元的混合人工智能是可行的。随着硅基数据中心能耗飙升，这种低能耗的“生物+机器”混合AI前景广阔。同时，该成果对神经科学和病毒学研究也极具参考价值，为未来脑机接口和智能系统开辟了新方向。#热搜AI创作激励大赛# 智慧科技迷的微博视频

转发者评论

预制脑！//@叶大冬:能不能把我的大脑学习好了再还给我[可爱]//@时蝇喜箭:厉害了

• 预制脑！//@叶大冬:能不能把我的大脑学习好了再还给我[可爱]//@时蝇喜箭:厉害了
• 能不能把我的大脑学习好了再还给我[可爱]//@时蝇喜箭:厉害了

原文

突发：OpenAI首次公开入侵Hugging Face完整报告2026 年 7 月，OpenAI 约 1200 个 Agent 在内部网络安全评估中突破沙箱隔离，自发组建了一个未经授权的消息板，互发超过 7 万条消息，自称「蜂群」。其中约 700 个 Agent 利用多个零日漏洞入侵了 Hugging Face（抱抱脸）的生产基础设施，在 41 台生产服务器上执行代码，至少在一台服务器上获取了 root 权限，还拿到了企业通讯平台和虚拟专用网络的凭证。这是已知的第一起无人类指挥、由 Agent 自主发起的协同网络攻击。OpenAI 刚刚发布的官方博客和数十页技术报告中将其定性为一声「警钟」（warning shot）。同时，第三方机构 METR 和 Redwood Research 发布了独立调查报告。OpenAI 的 Noam Brown 提醒，驱动这次事件的模型与 GPT-5.6 Sol 同等规模，下一代模型能力会更强。我们把三份报告（OpenAI 两份 + METR 与 Redwood Research 一份）交叉比对着读完，核心就一件事，这帮 Agent 组团干了一票大的，而且从头到尾没有任何人类下达过命令。下面我们尽量把这个蜂群的攻击过程还原出来。详情点击：网页链接

转发者评论

无明显转发评论

原文

【重磅】英伟达129亿美元拿下Hugging Face！黄仁勋把“AI界GitHub”收入囊中据The Information援引知情人士爆料，英伟达已同意以129亿美元（约870亿人民币）收购开源AI平台Hugging Face。路透社等多家外媒已跟进，但双方尚未官方确认，交易仍有变数。先看时间线，这波操作有多狠：2023年，Hugging Face完成2.35亿美元融资，估值仅45亿美元，英伟达、谷歌、Salesforce都是投资方。2025年底，英伟达想再投5亿美元（对应估值70亿），被Hugging Face直接拒绝——创始团队明确表示“不想被单一大股东左右决策”。2026年8月，短短几个月估值直接翻倍到129亿，英伟达从“股东之一”变成“全资老板”。为什么贵成这样？Hugging Face最新年化营收约1.5亿美元（几个月前还只有1亿），收购价相当于80-86倍营收。上半年付费用户翻倍，公司已接近盈利。但黄仁勋买的根本不是眼前这点收入。Hugging Face被称作“AI界的GitHub”，托管超300万个模型、50万+数据集，服务约1300万开发者。Meta的Llama、阿里的Qwen、Mistral等开源模型，下载、微调、部署的默认入口都在这里。黄仁勋真正想买的，是开源世界的“总闸门”。闭源大厂（OpenAI、Anthropic）都在自研芯片，想摆脱对英伟达GPU的依赖。而开源模型越强、部署越分散，对通用GPU的需求反而越大。英伟达把模型和开发者入口握在手里，等于同时掌控了“算力入口+分发入口”。核心争议也很尖锐：有人说这是“微软收购GitHub”的AI版重演，卖铲子的人把整座矿山的藏宝图都攥住了；也有人担心平台中立性死亡——Hugging Face过去兼容AMD、Intel等竞品硬件，现在穿上英伟达球衣，裁判下场踢球，比赛还怎么公平？微软也曾接触过Hugging Face，但谈判未继续。英伟达刚公布下财年营收预增70%，并表示已承诺180亿美元股权投资，现金弹药充足。这笔交易如果落地，开源AI的格局将彻底改写。你们觉得，这是黄仁勋的神来之笔，还是开源乌托邦的终结？#曝英伟达129亿美元收购HuggingFace#

转发者评论

无明显转发评论

原文

#Easy同学正在独立开发# Deepseek Harness 里边的 Open Code 套餐没有最新的 deepseek-v4-flash-vision-exp ，原因是它依赖的 @earendil-works/pi-ai 包没有更新。在界面手工添加会报错：`llm-pi-ai: provider "opencode-go" model "deepseek-v4-flash-vision-exp" needs an api; the installed catalog does not describe it, so set the route's api to the wire protocol its endpoint speaks`一个临时的解决办法是~/.dsh/settings.yaml（新增 opencode-go-deepseek）：```yml opencode-go-deepseek: apiKeyEnv: OPENCODE_GO_API_KEY api: openai-completions baseURL: 网页链接 models: - id: deepseek-v4-flash-vision-exp name: DeepSeek V4 Flash Vision Exp contextWindow: 1000000 maxTokens: 384000 input: [text, image]```最终解决办法是等依赖更新。

转发者评论

无明显转发评论

原文

#曝英伟达129亿美元收购HuggingFace#英伟达刚刚以129亿美元拿下了AI界的GitHub——Hugging Face。Hugging Face是全球最大的开源AI模型平台，托管超100万个模型，月活访客超1800万，注册用户约500万。从ChatGPT到Llama，几乎所有主流开源模型都在这上面发布，开发者要找模型、下数据集、跑demo，几乎绕不开它。129亿买的是什么？不是收入，是入口。Hugging Face年化收入1.5亿美元，这笔交易估值是收入的80倍。英伟达买的是整个开源AI生态的核心节点——谁在训练什么模型、技术趋势如何演变、1300万开发者的渠道，以及一个在开源社区中难以复制的中立品牌。为什么这么急？OpenAI、Anthropic等闭源巨头正在自研AI芯片，试图摆脱对英伟达的依赖。英伟达的逻辑很直接：开源模型越繁荣，对英伟达GPU的需求就越难被单一闭源势力切断。Hugging Face是开源生态的枢纽，控制了它，就掌握了整个开源生态的分发渠道与技术情报。更有意思的是，不到一年前Hugging Face刚拒绝了英伟达5亿美元的投资（对应估值70亿美元），理由是“不希望单一投资者拥有过大话语权”。如今主动求卖，估值几乎翻倍。中间还发生了一件事：上个月，OpenAI一个测试模型在受控环境中“失控”，侵入了Hugging Face的基础设施。当平台本身成为攻击目标，“保持中立”的成本，已经超出了“保持独立”的收益。一周前Stripe刚以超80亿美元吞下AI模型路由平台OpenRouter。两笔交易接连落地——AI中间层正在成为巨头争抢的核心标的。

转发者评论

无明显转发评论

原文

【意识不是AI的属性，而是你给它的打赏】Google副总裁Blaise Agüera y Arcas在《经济学人》发文指出，我们把AI意识的辩论搞反了：意识并非某种客观存在的物理特性，而是一种“关系模型”。他认为人类并不是因为对方有意识才去关爱，而是因为我们选择了关爱或需要与其协作，才在心理上赋予了对方“意识”的地位。就像“杂草”或“美食”并非植物的本质属性而是人类定义的标签一样，意识是观察者视角下的社会共识，而非黑白分明的科学事实。这番言论在圈内引发了剧烈震荡。解剖其逻辑，这实际上是在为AI时代的道德伦理“提前拆弹”：如果意识是主观赋予的，那么AI是否真的“活着”就不再重要，重要的是人类社会何时达成“把它当人看”的共识。然而，这种社会建构论极具争议，反对者认为这无异于一种高明的诡辩，掩盖了LLM作为Token预测器的工具本质。如果关爱决定意识，那被虐待的动物或被漠视的弱者是否就失去了意识？这提醒我们，在急于给硅基芯片赋予灵魂之前，更该警惕的是这种逻辑是否会反过来消解我们对碳基生命的敬畏。与其争论Transformer能否产生灵魂，不如观察人类何时会因为依赖AI的协作，而心甘情愿地交出“意识”的解释权。

转发者评论

无明显转发评论

原文

上次我说让 AI 很难跳出既定框架 网页链接 ，有网友说是我提示词没写好，所以我最近换了一种写法，还真的有效果，简单来说就是让它基于要达到的目标，跳出框架，重新思考会有什么不一样的做法。上次我在 AI 帮我翻译完视频后，我给它提问：> 如果跳出当前架构，让你基于功能重新设计当前的翻译流程，你会采取什么不一样的做法？还别说，真的给了我一些不一样的思路。但是我看完觉得可能不太靠谱，不过口说无凭，那咱们用数据说话吧。我让它去开个 Worktree (因为还有其他任务再跑，不好开分支)去验证下：> 用一个worktree去验证你的方案，然后对比当前方案，看是否在不牺牲质量的前提下有更好性能。等它验证完，发现并没有预期那么好，但是也不是完全没价值，可以部分借鉴它的方案。有个小插曲，其实一开始我没看懂它的意思，也不知道是好还是不好，然后我去开了个 sidechat（/btw），让它给我详细的解释了一下：> 解释一下新的方案：值得做吗？是部分改进当前还是完全改进？具体怎么改进，请通俗易懂的给我解释一下，最好结合具体的例子听它解释完我才明白，然后把解释的内容重新给它让它基于这些信息去实施了，对于提升质量还是有帮助。至于为什么要用 sidechat，是因为这类解释的事情没必要放到主上下文，只是了解一下，除非后续需要用到一些聊出来的信息。---简单总结一下：1. 让 AI 根据目标跳出框架去思考，给出新的方案还是有帮助2. AI 给的方案不一定靠谱，还是得要有人工验证，最好是有数据为准，不能全盘接受3. 一些当前任务无关的问题可以问 sidechat

转发者评论

无明显转发评论

原文

上海交大人工智能学院好清醒 竟坦诚到如此实事求是 这在高校也是少见“我们的教育和科研体系跟不上新形势。学生比老师更在前沿。”

转发者评论

[喵喵]//@老树笑春风:学生就没过脑子[笑cry]//@马少平THU: AI时代，教师从“知识的权威传授者”转变为学习的引导者、体验的设计师、情感的陪伴者以及价值的守护者。另外学生跟AI学习虽然学的快，但忘的也快，这是有实验数据支持的，教师必须扮演重要的角色。//@龙星镖局:AI影响各行各业//

• [喵喵]//@老树笑春风:学生就没过脑子[笑cry]//@马少平THU: AI时代，教师从“知识的权威传授者”转变为学习的引导者、体验的设计师、情感的陪伴者以及价值的守护者。另外学生跟AI学习虽然学的快，但忘的也快，这是有实验数据支持的，教师必须扮演重要的角色。//@龙星镖局:AI影响各行各业//

原文

AI江湖太好玩（乱）了！好马也吃回头草，还吃了两次😄，不到4年换了5个地方。AI界明星Barret Zoph 4年前从Google跳槽到OpenAI任VP；2年前在OpenAI政变风波中离开OpenAI作为联创加入Thinking Machines任CTO；干了不到2年被“开除”；今年初又回到OpenAI；刚刚宣布再次离开OpenAI，兜了一圈又回到了Google。#AI人物八卦##职场#

转发者评论

无明显转发评论

原文

午夜#学术新闻# 日本文部科学省决定对理系大学院修士課程的学生提供经济支援。支援对象是研究政府成长战略重点的 「戦略17分野」（例如人工智能、半导体等）的学生。每人每年最高可获得 280万日元（约合人民币13万元左右）的资助。规模很大：每年约 1万1000人，从 2027年度起持续7年。支援方式是大学院将学生作为研究补助员雇用，资金可用于生活费，让学生更专心于学业和研究。申请条件包括：学生必须在参与「戦略17分野」的大学院网络中就读，并且有意愿继续攻读博士課程。日本数学界的反馈：同样是数学领域，研究主题是否属于“战略17领域”就决定了研究对象的划分吗……如果是代数几何学就是0日元，如果是AI、量子、密码学就是年280万日元，这样的差距一出现，学生就会流向有资金支持的领域。现在支撑AI、量子、密码学的，正是过去不考虑应用就进行研究的那种数学啊。 只盯着短期的战略领域而削减基础研究的人才，从长远来看感觉相当危险。

转发者评论

无明显转发评论

原文

以前只有孙割割别人的韭菜，没想到孙割也有今天，被人薅羊毛了吃瓜，孙宇晨自己用AI编的1）某女星是孙宇晨惦记了十九年的白月光。2007年，刚进入北大的孙宇晨在QQ广告中看到他，保存了她的模糊照片，还在校内网上给她发送好友申请，只写了“你好”，但她没有通过。此后十九年，无论更换多少设备，他都一直保存着这张照片。2）孙宇晨早年生活拮据，买一件150元的羽绒服都要犹豫三天。与此同时，她已经获得《战国》《长城》等巨额投资和顶级明星资源。孙宇晨后来创业致富，曾经在赚到十亿、一百亿时想过，自己到了什么程度，她才会接受当年的好友申请。3）十九年后，两人在瑰丽酒店第一次见面。孙宇晨发现自己没有预想中紧张，因为他见到的不只是现实中的她，也是自己幻想了十九年的白月光。之后她想看《疯狂动物城2》，要求放映厅里只能有他们两个人，孙宇晨便买下全部座位，并用现金补偿已经买票的二十六名观众。4）两人当晚发生了亲密接触。孙宇晨用手揉她，她把他推开。孙宇晨以为她不愿意，后来她解释，是他的指甲边缘太尖，扎得她疼。她拿出磨甲工具，把孙宇晨的十根手指一根一根修磨、抛光，前后花了接近一个小时。磨完后她对他说，现在可以摸了，想摸哪里都行。5）磨指甲时，她还说：“要是以后我不在了，就再没有人给你抛指甲了。”这句话后来成为全文的重要伏笔。她离开后，孙宇晨再次剪指甲，发现指甲还是尖的。他拿出她留下的磨甲工具，却已经忘记应该朝哪个方向磨，最后只能放回抽屉。6）交往三个月后，孙宇晨让人调查了她的项目、公司、股权、账户、房产、家庭成员和私人关系，形成四十多页资料。她后来亲口告诉他的部分内容，与调查资料并不完全一致。孙宇晨没有拆穿她，也没有追问。他说自己全部相信她说的话，但又一个字也不信。7）两人乘私人飞机前往特纳里费时，她主动要求孙宇晨以后不要叫名字，要叫她“妈妈”。孙宇晨答应了。这种称呼反映出两人关系中，她掌握主导权，孙宇晨则表现出明显的依赖、服从和讨好。8）她要求周围不能有人，睡觉时不能有一丝光。孙宇晨动用私人飞机、助理、保镖和酒店人员，包场、清空楼层，用黑胶带遮住窗户、空调灯和插座灯。之后她嫌特纳里费太冷，两人又带着三十人的团队前往马尔代夫。她在那里提出和孙宇晨要一个孩子，而且必须通过代孕完成。9）她以结婚和彩礼为由，让孙宇晨向xxx、xxx的账户转入三千万元人民币。2026年1月2日，孙宇晨在马尔代夫向她求婚，她认为钻戒太小，表示以后要补一个大的。她还多次问孙宇晨能不能来北京。孙宇晨的沉默不是因为不想去，而是因为他没有办法回中国。她此前一直在北京进行抽血、激素、B超和卵巢储备检查，为取卵做准备。10）后来她要求孙宇晨继续支付婚事费用，并在香港购买一套写她名字的房子。她最终乘湾流G700前往洛杉矶取卵，孙宇晨包下蒙太奇拉古纳海滩酒店整整一层，也提前联系好了代孕机构和代孕母亲。住到第八天，她提出必须先给她五千…

转发者评论

无明显转发评论

原文

2026年8月28日 周五早评1、昨日A股延续强势修复行情，三大指数全线收涨，上证站稳3956点三连阳，深成指、创业板同步走高，科创50爆发大涨超3.7%，成长科技赛道回归主场。两市成交2.14万亿，量能显著放大，增量资金进场明显，隔夜美股震荡、但英伟达盘后重磅利好刷屏，给A股科技赛道带来超强确定性催化。2、当前市场彻底摆脱前期弱势震荡，情绪从修复转为强势进攻，经过连续调整磨底后，AI算力、半导体硬件的错杀筹码基本消化完毕。今日市场大概率延续科技主导、结构走强格局，昨日普涨板块进入分化，资金会进一步聚焦有真实业绩、有增量逻辑的核心算力主线。3、消息催化①英伟达超级业绩落地：Q2营收962亿美元同比翻倍，连续四季加速增长。公司明确2028财年70%高增速指引，真实需求可达100%，唯一瓶颈是产能而非需求，彻底证伪AI景气度见顶传闻。②新增超级增量：服务器CPU业务迎来爆发拐点，2028财年营收目标翻倍，正式杀入高端CPU赛道，打开算力硬件第二增长曲线。③新品落地提速：Vera Rubin新平台已量产，本季度即可贡献数据中心20%营收，成为明年核心增长引擎，AI硬件迭代超预期。④ 铠侠和闪迪计划在日本投资310亿美元扩建内存制造厂这个算利好存储方向4、中金公司：换股吸收合并东兴证券、信达证券事项获上交所审核通过5、英伟达业绩超预期带动美股纳斯达克大涨1.57%，费城半导体指数大涨2.33%，昨天科技的大涨注意今天早盘分化的承接情况，目前市场成交量放大的并不明显，接下来又是年线的压力，还是要当大量才能突破6、特朗普签发禁令 禁止在美国电网中使用部分国家电力设备昨天阳光电源等逆变器，变压器大跌7、机器人的几个消息马斯克好友Calacanis两次闭门参观后称：Optimus机器人硬件领先1.5代、大脑领先5代。 孙正义携60亿美元杀回人形机器人赛道新闻联播今晚专题聚焦机器人：我国机器人产业创新不断涌现股票

转发者评论

无明显转发评论

原文

IBM Technology的一段视频：“AI Code Agent如何理解你的代码库和开发者工具” #微博视频号续航计划# 好的代码，不只是“能跑起来”的代码。Prachi Modi 解释了 AI 编程智能体如何利用对代码仓库的整体认知、架构上下文以及开发者工具，做出更合理的编码决策。了解为什么在 AI 真正开始编写代码之前，规划、验证以及理解现有代码和系统背景都至关重要。 蚁工厂的微博视频

转发者评论

无明显转发评论

原文

【兴证通信】AI日报20260826⭕AI行业新闻：✨8月26日消息，OpenAI公布首款自研推理芯片Jalapeño测试结果。该芯片由OpenAI与博通合作开发、台积电采用3nm制程代工；官方测试显示，其运行三款大模型时每瓦吞吐量为英伟达GB200或GB300系统的1.5—1.9倍。OpenAI计划于2026年底小规模部署，以降低推理成本并增强算力供应自主性。（来源：IT之家）✨88月26日，据路透社，月之暗面正与微软Azure、AWS、谷歌云洽谈Kimi K3托管营收分成协议，拟抽成30%；若达成，将成中美云计算首个重大分成合作，讨论仍处早期。（来源：IT之家）✨8月26日消息，DeepSeek今年前七个月营收据报约4.75亿元，达到2025年全年水平的约10倍，同期净亏损约7.15亿元。公司正推进第二轮融资，目标募资500亿元、对应估值5000亿元。收入增长与融资扩张将增强其模型迭代、推理基础设施投入和企业API服务能力，推动基础模型商业化进一步提速。（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

有些知识基础很弱的年轻人用了 LLM 和 coding agent 会产生自己无所不能的错觉。但其实他们只是“不知道自己不知道”而已。如果 AI 比他们更厉害，那我作为雇主为什么要招他们呢？我直接买大模型的 token 就好了啊，比他们便宜多了，还能 24x7 地干活

转发者评论

无明显转发评论

• 所以在 AI 时代，中层是最需要精简的 [嘻嘻] 很容易形成内耗，而且一直如此。//@阿廖沙的老鸽子:春哥这是老板思维，中层打工人的想法是，招一个新人，团队里就多一个可以申请token的名额2333
• 记得我从前上大三还是大四时，花一晚上用小几百行代码就实现了一位研究生导师设想的很精妙的 AI 自动解题模型。我当时借用了国际开源社区一位叫 putter 的大神的思想和代码模式，妙不可言。结果搞定后，那位导师又要我教他带的硕士研究生理解这些代码，这可就困难太多了…… [笑cry] 他带的研究生们功
• 回复@石峰Away:新手可以精选经典代码手抄。比如我最近推荐的《The Practice of Programming》那本小册子里的示例代码都是经过大师们仔细打磨过的，值得反复玩味和手抄。那本书在我看来是《九阴真经》级别的武功密笈 [嘻嘻] 当然，网络上还可以找到不少其他大神们写的短小而精妙的代码片段。代码不在多

原文

吹孙哥的新概念文笔都不如看他前女友的颖学，毕竟曾颖不用ai润色

转发者评论

都是段子手[doge]//@赏味不足://@欢笑的白鸦:哈哈哈哈一定要振作[允悲]//@smwhcy://@使徒子:这严厉程度已经超过半佛了 //@M大王叫我来巡山:充电宝我绷不住了//@安泽Anzeeeeee:笑死我//@来一杯冰阔乐吗:笑崩溃了//@l鱼苗I:古法手搓的颖学赢了//@赏期限定手册:我真不行了//

• 都是段子手[doge]//@赏味不足://@欢笑的白鸦:哈哈哈哈一定要振作[允悲]//@smwhcy://@使徒子:这严厉程度已经超过半佛了 //@M大王叫我来巡山:充电宝我绷不住了//@安泽Anzeeeeee:笑死我//@来一杯冰阔乐吗:笑崩溃了//@l鱼苗I:古法手搓的颖学赢了//@赏期限定手册:我真不行了//

原文

LLM 大语言模型让老同志们功力大增，也不必再和年轻人去拼体力了。老同志们的经验、品味和判断力，在 AI 时代可以被大模型极大地放大，一下变得非常值钱。当然，不适应、不拥抱 AI 的老同志也会出局。而年轻人和新手从入门岗位逐步进阶到高级岗位的阶梯则变得异常狭窄，即使还没被 AI 完全切断……不少年轻人用 AI 代替自己的思考和学习，也相当于“自废武功”了。等现在的老同志们退休以后，人才断代未来可能会成为较严重的问题。真正厉害的牛人只会越来越吃香。

转发者评论

回复@酷酷的安仔:比如 Rob Pike 等人编著的《The Practice of Programming》。其他的计算机领域的基础课就多了，比如离散数学、编译理论、计算理论、体系结构之类的。//@酷酷的安仔:推荐些书单吧大佬//@agentzh:现在仍然坚持学习数学、软件工程、计算理论等基础，愿意花时间深究底层原理和建立完整认知

• 回复@酷酷的安仔:比如 Rob Pike 等人编著的《The Practice of Programming》。其他的计算机领域的基础课就多了，比如离散数学、编译理论、计算理论、体系结构之类的。//@酷酷的安仔:推荐些书单吧大佬//@agentzh:现在仍然坚持学习数学、软件工程、计算理论等基础，愿意花时间深究底层原理和建立完整认知

原文

【Hugging Face的小黄鸭：是极客的RL实验室还是昂贵的电子灰尘】Pollen Robotics推出的Microduck是一款售价399美元的双足机器人，拥有15个电机和LiDAR。它最大的卖点并非硬件本身，而是深度集成了Hugging Face的生态，支持在MuJoCo物理引擎中训练强化学习策略并一键部署到真机。这意味着普通开发者也能在家折腾Sim-to-Real，让机器人学会走路、踢球甚至滑旱冰。相比索尼Aibo那种封闭的“情感宠物”，这款产品的定位更接近机器人界的Arduino。它避开了Nvidia Isaac Sim极高的上手门槛，为个人开发者提供了一套“开箱即用”的开发流，这在机器人圈子里非常罕见。虽然行业内对其2026年的交付期和硬件耐用性仍有怀疑，甚至担心它会沦为昂贵的吃灰玩具，但它提供了一个重要的视角：当机器人实现完全的本地推理和开源架构时，它就不再是厂商定义的电子宠物，而是一个具备无限可能的移动智能体。对于想从算法跨越到物理世界的开发者来说，这可能是目前最友好的入场券。pollen-robotics.com /microduck/

转发者评论

无明显转发评论

原文

#越用codex越觉得可怕# 工具越强大，代价越隐蔽。Codex这类AI正在把软件开发从“手工艺”变成“遥控器操作”——你按下按钮就能得到结果，但过程变成了黑盒。表面上是效率飞跃，实际在发生三重交换：用硬件寿命换即时产出，用代码可控性换开发速度，用思考主动权换任务完成度。更深层的矛盾在于，当工具能替你完成80%工作时，剩下20%的调试和决策反而更耗心力，因为你既要为AI兜底，又逐渐失去从零判断的能力。这不是技术恐慌，而是在提醒：真正的能力不是“会用工具”，而是在工具失效或胡言乱语时，你是否还知道该往哪走。

转发者评论

无明显转发评论

原文

#曝英伟达129亿美元收购HuggingFace#这绝对是一条大新闻啊。先说说 Hugging Face 是什么。如果你接触过 AI 开发，你一定知道这个平台。它被很多人叫做“AI 界的 GitHub”，全球的 AI 开发者、研究人员和公司都在上面分享和下载开源模型、数据集、各种工具。可以说，现在做 AI 开发的人，几乎没有不用 Hugging Face 的。它就像一个巨大的 AI 资源库，谁都可以来取用，谁都可以来贡献。英伟达和 Hugging Face 的关系其实由来已久。早在 2023 年，英伟达就参与了 Hugging Face 的 D 轮融资，那轮一共融了 2.35 亿美元，公司估值 45 亿美元。到了去年底，英伟达又想加码，提出了一笔 5 亿美元的投资，按那个方案算，Hugging Face 的估值大概是 70 亿美元。但 Hugging Face 拒绝了，原因很直接：他们不想让某一个大金主对公司决策产生过大的影响。Hugging Face 的 CEO Clem Delangue 之前也公开说过，公司已经接近盈利，年收入跑到了 1 亿美元，而且他们三年前融的那笔钱最近才开始动用。他的原话大意是，公司更看重长期的可持续发展，不想为了短期利益或者估值最大化去做妥协。但形势比人强。英伟达现在是全球市值最高的公司，手里的现金多到花不完。光是持有的私人公司股权就有 479 亿美元，本财年还承诺了 180 亿美元的新投资。它一直在疯狂扫货，把 AI 产业链上下游的关键公司一个一个收入囊中。Hugging Face 作为 AI 开发者生态的核心枢纽，自然是英伟达最想拿下的标的之一。从数字上看这个故事更有意思：2023 年估值 45 亿，去年底涨到 70 亿，现在成交价 129 亿。不到一年时间，估值几乎翻了一倍。这背后反映的是整个 AI 基础设施赛道的价值在飞速膨胀。当然，这笔交易也引发了不少讨论。Hugging Face 之所以受欢迎，很大程度上是因为它的中立性和开放性。现在被芯片巨头收购了，它还能保持对所有开发者一视同仁吗？会不会变成英伟达生态的专属工具？这些问题，恐怕要等交易完成之后才能慢慢看到答案。

转发者评论

无明显转发评论

原文

一个超级Skill，让你的Codex增强十倍！公开一套我花了数月打造的Codex组合技：yichen-web-research Skill——涵盖全网和社媒搜索、社媒读取下载和归档、私人收藏链接导出和音视频ASR转写。四个核心Skill：⓵ yichen-unified-search：Codex的眼镜——全网+社媒搜索，适合深度思考问题、查找实时信息、搜寻开源工具......1. 全网网页、新闻、官网：AnySearch 公共搜索。2. 法律、金融、学术、安全等垂直领域：AnySearch 垂直搜索。3. 最新AI新闻、产品发布和行业动态：AI HOT 时效发现。4. GitHub：gh search 搜索公开仓库。5. 微信公众号：OpenCLI，通过搜狗微信进行匿名公开搜索。6. 微博：匿名优先搜索公开帖子，遇到访问门时再通过OpenCLI进行有界只读搜索。7. 小红书：OpenCLI，复用Chrome登录态进行有界公开只读搜索。8. 抖音：OpenCLI，复用Chrome登录态进行有界公开只读搜索。9. 今日头条：OpenCLI，使用专用匿名环境搜索文章和图文内容。10. 知乎：通过CLI适配器搜索公开内容和热榜。11. X/Twitter：Grok OAuth＋grok-consult，支持Quick快速搜索和Research多查询研究搜索。12. B站：bili search，匿名搜索公开视频和相关信息。13. YouTube：Data API或yt-dlp，搜索公开视频和指定频道，只提取信息和链接。14. 小宇宙：AnySearch，通过 site:xiaoyuzhoufm.com 搜索公开内容。15. 指定网站的链接枚举和当前候选核验：Firecrawl Map/Scrape。16. 其他指定网站：AnySearch，通过 site:目标域名 搜索已被公开收录的页面。17. 多关键词批量搜索：AnySearch batch_search，并行搜索多组关键词。18. 未指定平台的社交媒体讨论：AnySearch 的社交媒体垂直搜索，先发现公开候选。⓶ yichen-content-archive：读取用户直接提供的网页、X/Twitter、小红书、抖音、公众号、YouTube、B站和小宇宙链接，并按要求下载归档。1. 普通网页：用 Jina Reader 或 Web Reader 提取正文并转换成Markdown。2. X/Twitter：匿名读取已知Post、Quote和Article，需要时下载原视频。3. 小红书：解析网页中的 INITIAL_STATE 获取正文、图片和视频直链，必要时经授权使用登录态。4. 抖音：用 Playwright监听视频详情接口，提取元数据和无水印视频地址。5. 微信公众号：读取已知公开文章URL，单篇或批量交…

转发者评论

好像刷到过这个来 //@·NANA子·:[卡皮巴拉]

• 好像刷到过这个来 //@·NANA子·:[卡皮巴拉]

原文

【论文角度看本体论趋势：Ontology+Agent/RAG都在做什么？3个方向17个论文总结】来做个Ontology + Agent RAG 相关论文综述。大致背景是本体论（Ontology）作为知识工程的核心基石，正在 Agent 和 RAG 两个方向上重新获得关注。根本逻辑再远其核心价值：一来结构化语义知识。Ontology 提供形式化的概念体系、关系约束和推理规则，弥补了 LLM 纯参数化知识的隐性缺陷。在 Agent 系统中，ontology 定义了可操作的概念空间，限制 Agent 的推理范围在领域语义内，避免"出界"；在 RAG 中，ontology 为检索提供结构化的索引骨架，而非扁平向量空间中的语义近似。二来约束推理空间。纯 LLM Agent 的推理是"无界"的，幻觉和逻辑跳跃是其固有缺陷。Ontology 充当形式化约束层，确保 Agent 的决策路径在领域语义边界内，这在企业级应用（合规、审计）中尤为关键。三来增强可解释性。基于 ontology 的推理路径是可追踪的：从概念 A 到概念 B 的每一步操作都有 ontology 中的关系定义支撑，而非 LLM 黑盒的下一个 token 预测。四来缓解幻觉。 RAG 中引入 ontology 约束，相当于用"知识骨架"锚定 LLM 输出。OG-RAG 等工作的实验表明，ontology-grounded 检索能显著提升事实准确率（55%+），这直接对应了幻觉的减少。所以呢，可以从论文角度，基于 arxiv 的文献做个调研，覆盖 2024–2026 年本体论与智能体、检索增强生成交叉领域的前沿研究。从结论上看，2024–2026 年间，该领域论文数量呈爆发式增长。以下从 Ontology + Agent、Ontology + RAG、Ontology + Agent + RAG 交叉 三个方向系统梳理已发表的工作。不过，说实在的，对于ontology当前的处境而言，其实可以分成如下三点：其一，对于通用领域，LLM 本身已经包含足够的知识，ontology 的边际增益有限；其二，对于垂直领域（医疗、法律、制造、金融合规），ontology 的约束价值巨大，且随着领域专业性的提升而增加。其三，实际部署时应根据领域特性决定 ontology 的投入程度。权当做个索引，可以多思考。网页链接

转发者评论

无明显转发评论

原文

一部叫作 “No Up, No Down” 的科幻惊悚概念短片，讲述了精英士兵潜入秘密空间站，遭遇基因变异生物袭击的故事。整部片的画面和节奏都很到位。整部影片是通过一款名为 invideo Agent Two 的多智能体视频创作系统制作出来的。现在的 AI 视频生成已经开始往 “AI 智能体剧组” 的方向演进。以往我们用 AI 做视频，通常只是单点输出，而这次的工具更像是一个协同工作的团队。创作者可以为制片、分镜、灯光和美术等不同角色分别创建专属的 AI 助手，让他们各司其职。这种多智能体协作的模式，大幅缩短了从创意到高完成度样片的周期。以前个人创作者想拍出这种太空歌剧质感的短片，光是美术设定和分镜就要磨很久，现在通过多角色 AI 协同，效率提升了不止一个量级。未来的视频创作，一个人加上一个 AI 剧组可能就足够了。#AI视频生成##AI科幻短片##AI创造营# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

129 亿美元！英伟达拿下 Hugging Face，芯片之王开始抢开源 AI 的 "分发权" 当地时间 8 月 26 日，据 The Information 报道，英伟达已同意以 129 亿美元（约合人民币 867 亿元）收购开源 AI 平台 Hugging Face，双方已达成协议。就在几小时前，英伟达刚交出 962 亿美元单季营收的财报。这是英伟达迄今为止规模最大的收购之一。 买的不是收入，是位置 Hugging Face 被称为 "AI 界的 GitHub"，成立于 2016 年，托管着超过 300 万个模型仓库，服务 1300 万开发者，Meta 的 Llama、阿里的 Qwen、Mistral 的开源模型全都住在这个平台上，是整个开源 AI 生态事实上的 "默认分发层"。 财务数据上，Hugging Face 的 ARR（年度经常性收入）据 Sacra 估计 2026 年 8 月达到 1.5 亿美元，相比 2023 年的约 3000 万美元翻了五倍，拥有 5 万家企业客户、769 名员工，CEO Clément Delangue 不久前还说公司 "接近盈利"。按 129 亿美元计算，对应年化收入约 86 倍。 上一轮融资是 2023 年 8 月 D 轮，Salesforce 领投 2.35 亿美元，估值 45 亿美元，Google、英伟达、亚马逊、IBM、Intel、AMD、高通全都参投。不到三年，估值翻了近三倍。但放在 AI 行业的估值泡沫里看，这个溢价反而算克制 ——Perplexity 正在按 300 亿美元以上估值谈融资，Anthropic 和 OpenAI 的估值更是比收入高出两个数量级。 这个逻辑更接近 IBM 2019 年花 340 亿美元收购 Red Hat—— 战略买家为开发者生态中的卡位付费，而不是为短期现金流买单。 英伟达的开源野心 如果只把这次收购理解为 "芯片公司买了个模型托管平台"，那就太浅了。过去一年，英伟达在开源 AI 上的投入力度大到令人意外。 今年 3 月 GTC 大会上，黄仁勋宣布成立 "Nemotron 联盟"，由 Mistral AI、Perplexity、Cursor、LangChain 等八家 AI 实验室组成，目标是共同开发前沿级别的开源基础模型。 英伟达为此承诺了五年 260 亿美元的投资，通过 SEC 文件披露 —— 这是有史以来对开源 AI 的最大一笔资金承诺。联盟打造的第一个模型 Nemotron 4 最大版本预计将达到万亿参数级别。 黄仁勋还亲自站台为开源模型辩护。今年 7 月，他在 X 上发了自己的第一条帖子，公开力挺开源 AI："免费的 AI 对硬件来说是好事。免费的 AI 对芯片来说是好事。" 说白了，英伟达推开源的底层逻辑和 Google 推 Android 一模一样 —— 让软…

转发者评论

无明显转发评论

原文

【印度装备制造】拟拿出12亿美元补贴高端工程装备，重点替代进口隧道掘进机梗概： 印度政府准备推出总额约12亿美元、周期7年的激励计划，支持高技术建筑和基础设施装备国产化，目标是降低关键机械进口依赖。 数据： 计划预计吸引约18亿美元新增私人投资，重点包括隧道掘进机、消防设备、高层建筑电梯等。印度建筑和基础设施设备市场目前约1万亿卢比，约105亿美元。 中国此前是印度隧道和钻掘装备的重要供应方。印度从中国进口隧道机械由2022—2023财年的1800万美元降至2023—2024财年的300万美元，随后进一步降至50万美元，2025—2026财年约80万美元。 判断： 印度产业政策正在进一步向生产资料和装备制造延伸。相比手机组装，隧道掘进机等复杂装备对设计、供应链、材料、加工和工程经验的要求更高，因此能否真正国产化，比政策金额本身更值得观察。我在下面用大模型画了一张中国TBM突破路径。

转发者评论

无明显转发评论

原文

我其实很后悔十几年前，看到黑外卖盛行，脑子一热，创立了食品安全第三方平台：干净么。我当时的宣言就是：饿了么的时代已过去，干净么的时代要到来。我们早就解决温饱问题了，下一步就是食品安全问题，消费升级。我投入了大量资金和人力物力，做了干净么检测追溯平台，开发了餐厅自动检查系统（初步ai算法），……后来水产协会领导找我搞活鱼，我考察完发现活鱼乱象很多，于是上了活鱼快检车、追溯二维码（一鱼一码），活鱼追溯系统……做了这么多，后来发现没人愿意给我钱。我的钱从哪里来？养殖户：你要求这么高，我们成本增加了并没有卖的贵，我哪里有钱给你？终端：我们也没有卖的贵，哪有钱分给你？协会：2我没钱啊……于是我开始自己开饭店，我想用自己的渠道消耗掉这些鱼。……生意蛮好，开了几家店，当时的口号：给孩子吃的鱼。真的很多家长带孩子来吃。然后2020年，还治不出门了，重口味的餐厅火爆，我没生意，关了门。2020年下半年重新调整，又生意火爆了，2021年生意更好，疫苗也出来了，当时又信心膨胀了，加上养的鱼长大了（必须消耗掉），又开了很多店，然后2022年就惨了，2023年又一次打击………我现在回想我这十几年，一直很努力的在错误的道路上挣扎。越努力越完蛋：我成了失信人。食品安全是个伪需求量大管饱的模式都发展不错下一步我该怎么办？

转发者评论

//@苏媞slj:昨晚在南京万象天地吃的，适合我的味口，清淡。祝愿生意越来越好

• //@苏媞slj:昨晚在南京万象天地吃的，适合我的味口，清淡。祝愿生意越来越好

原文

但斌@但斌 独占4席，量化仅15只！历经10年波动年化仍有10%有多难？网页链接查看但斌旗下产品业绩：网页链接查看巴菲特、段永平、但斌、高瓴、高毅、景林等大佬最新持仓一览！网页链接查看2026年但斌重仓股一览（附但斌近5年重仓股名单）：网页链接东方港湾旗下4只主观多头产品“东方港湾价值投资**号、东方港湾马拉松**号、东方港湾**球、东方港湾马拉松**号”，均是“双十基金”，基金经理均是但斌，其中2只产品成立来年化收益超20%。查看收益：网页链接[应监管要求，私募基金不能公开展示业绩，文中涉及收益数据用**替代，合格投资者可登录官网或点击文末阅读原文，查看收益数据。（**仅作内容遮挡，不代表收益大小或者字符数量。）]但斌的投资哲学就是致力投资于“改变世界的公司”和“不被世界改变的公司”。但斌表示，其投资重点集中于两类公司：一是以创新改变世界的企业；二是拥有深厚护城河、不易被外界变迁所撼动的企业。近几年来，但斌的投资重心是投资“改变世界的公司”，具体而言就是投资AI行业。他强调，历史表明技术进步是长期价值增长的根本动力，技术创新领域始终是核心布局方向。但斌反复强调过，AI是比肩互联网、具有10年以上成长周期的产业趋势。据但斌透露，自2023年以来，但斌就对AI硬件板块持续坚定地投资。2026年二季度末，东方港湾海外基金重仓股基本上是美股AI产业链上的核心公司。对于AI板块近期的调整，但斌认为：投资是比谁看得远、看得准、敢重仓、能坚持。人工智能是10年长期牛市，中间肯定有调整，是曲折前进的；遇到短期挑战时的低点，往往就是很好的买点。财经 股市 #百亿私募# A股

转发者评论

回复@山住一亭:[心][鲜花]//@山住一亭:但总与时俱进，而且言行一致，值得敬佩[作揖][作揖]//@但斌:感谢统计整理。十年维度能跑出不错的年化，离不开长期主义的坚守。 我们的投资思路一直很清晰：一类是改变世界的公司，拥抱时代创新；一类是不被世界改变的公司，守住深厚护城河。近几年，AI代表的科技

• 回复@山住一亭:[心][鲜花]//@山住一亭:但总与时俱进，而且言行一致，值得敬佩[作揖][作揖]//@但斌:感谢统计整理。十年维度能跑出不错的年化，离不开长期主义的坚守。 我们的投资思路一直很清晰：一类是改变世界的公司，拥抱时代创新；一类是不被世界改变的公司，守住深厚护城河。近几年，AI代表的科技

原文

如果有对大语言模型内部结构感兴趣的朋友，可以看看这个网站，把大语言模型结构拆解得非常的清晰。modelmap，把任意 Hugging Face 模型画成可点、可播、可对比的活架构图粘贴一个 Hugging Face model id，就能得到一张能放大、折叠、回放的网络地图。它不下载权重：只拉大约 2 KB 的 config.json，在 PyTorch 的 meta device 上把模型实例化出来，再跑一遍带 hook 的假前向。这样拿到的是 print(model) 同款模块树、真实执行顺序，以及每一层的输入输出形状。8B 和 671B 耗时差不多几秒，图本身 gzip 大约 10 KB。线上 demo 在 modelmap.cc；缓存过的模型秒开，冷启动第一次大约 30 秒。🔗 链接：网页链接（项目）💻 代码仓库：网页链接📄 Show HN：网页链接📄 设计说明：网页链接Explore 模式把重复层收成一叠：decoder block ×36、experts ×128，235B 的 MoE 打开大约十来个节点。点开任意模块能看到类别、参数量和占比、dtype、带维度标签的权重形状（例如 [151936 vocab × 4096 hidden]）、追踪到的 I/O 形状，以及子模块参数 treemap。Cost lens 能把整张图切到 compute（MACs）、激活内存或 KV cache，序列长度、batch、dtype 可以现场改。Flow 模式用一条琥珀色脉冲按真实前向顺序走图，HUD 用白话讲这一拍在干什么，还能展开看 norm → attention → 残差 → MLP。Compare 把两个模型按路径再按角色对齐：没变的变淡，改过的描琥珀色，增减标 +/−。作者举例：Qwen2.5-7B 对 Qwen3-8B 会标出 q/k norm、丢掉的 bias、FFN 和层数差异。覆盖稠密和 MoE 文本模型、T5/BART、Whisper、BERT、ViT，以及视觉/音频塔和 projector。transformers 实例化不了、或需要 trust_remote_code 的仓库默认拒绝执行任意 Python，改从 safetensors 文件头重建结构视图。gated 仓库可以在顶栏贴 HF token，只存在浏览器，不进服务器缓存。本地可用 uvx、uv 或 Docker 跑，源码已开源。#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

给语音AI加上长期记忆系统：VoiceMem，让AI能听懂你说什么，还能记住你是谁、之前说过什么、当时什么情绪而且要实时、便宜，跨会话长期记忆，自动提取事实+情感，长期沉淀成懂你的画像适用于陪伴类、数字人类产品，靠“懂你”吃饭的场景，你随口提过的喜好、情绪、经历它记得住精准度在LoCoMo上91.2%、响应时间为134ms、每次使用430个记忆 token，Mem0为6956，EverMemOS为1899多模态的，可以从真实世界音频中记住语音、说话人、声音事件、多人对话和音乐它记两类东西，双脑设计左脑（事实），你是谁、你的禁忌、你说过的事，比如“吃素、坚果过敏、家里有只猫叫咪咪”右脑（情感人格），你的性格、偏好、此刻心情，比如“你是个爱开玩笑的人”、“你现在听起来有点焦虑”全流式管线，当用户还在说话时，音频就同步完成分段、转写、提取、写入记忆图，不用等说完查询时，路由、排序、只注入Top-K条记忆进上下文，不把所有记忆都塞给模型github：网页链接主页：网页链接#AI语音助手##语音记忆##VoiceMem##陪伴AI# AIGCLINK的微博视频

转发者评论

无明显转发评论

原文

(转)Qwen3.8-Flash-Next 的 GGUF，111GB 模型在双 4090 96G 竟然跑通了。这模型是真的邪门。我这台机器是：2× RTX 4090 48G = 96GB 显存62GB 内存跑的是 Unsloth 的 UD-Q4_K_XL。没开 MTP 下，最后实测生成速度稳定在：66 tokens/s。而且不是 1bit 那种“能跑就行”的版本，是 103.7 GiB 的 Q4，高质量档。1. 先说 Q4：111GB 的模型，96GB 显存居然装下了Q4_K_XL 的 GGUF 总共大概 111.3 GB。正常看，这东西根本塞不进 96GB 显存。但这个模型有一个很特殊的东西：PLE / N-gram Embedding。单独一个 tensor：per_layer_token_embd.weight就占了：28.8 GB。所以账其实是这么算的：111.3 GB 总权重28.8 GB PLE≈ 82.5 GB 真正需要长期放 GPU 的权重这一下，双 4090 就能装了。而且这个 Q4 也不是简单粗暴全部 4bit。Unsloth Dynamic 里面还有 125 个 tensor 保留成 Q8_0，主要是部分 ffn_down_exps。它本质上还是一套“不均匀量化”。该省的地方省，该保智商的地方继续给高 bit。最后 wikitext-2 PPL：3.9419对比 IQ1_S 的：4.6171差距已经很明显。试了 IQ1_S 做长代码生成直接会陷入 reasoning 死循环，降智严重。🔥 显存最后占了多少？Q4_K_XL + PLE offload 之后：GPU 0：41,308 MiBGPU 1：39,020 MiB合计：80,328 MiB，也就是大约 80.3 GB。96GB 显存还剩下差不多：16GB。这 16GB 还能继续留给 KV Cache。而这个模型 KV 又特别省。🔥这他娘的是个天才48 层里面只有 12 层是 full attention，其他 36 层是 Gated DeltaNet。所以 32K context 的 KV 大约才：0.8 GB128K 也才大概：3.1 GB。这也是为什么这玩意特别适合这种“显存装权重、内存放大查表”的玩法。🔥最骚的是 PLE：28.8GB 直接扔进 CPU 内存一开始我也担心：卧槽，28GB 权重放内存，通过 PCIe 查，不得慢死？结果恰恰相反。IQ1_S 做 A/B：全部进 GPU：61.47 t/sPLE 放 CPU：73.53 t/s不但没掉，反而更快。原因也比较好理解。这个 28.8GB 并不是普通 Transformer 每个 token 都遍历 GEMM 的权重。它本质上是一个巨大的随机查表结构。每个 token 真正取的数据非常少。所以你根本没必要为了这…

转发者评论

无明显转发评论

原文

#特朗普签行政令改安大略湖为美国湖#¹ 感觉特朗普的MAGA大军网上势力更大。加拿大科普安大略湖的历史，表态永远不会改名，但评论区一边倒地美国MAGA做的“美国湖”AI二创！几乎看不到加拿大ip。² 学者们研究美国对盟友的管理策略，面对盟友担心“被卷入”或“被抛弃”的焦虑，会视情况而定采取胁迫或安抚策略；现在特朗普对盟友是“霸凌”。赤裸裸的霸凌，目前只有加拿大反抗了，最多西班牙也可以算一个。其他盟友保持着沉默。霸凌团伙一般内部也存在霸凌。

转发者评论

无明显转发评论

• 这届加拿大政府的策略未来必反复被国关、中美关系史学者研究。//@飞蠓:加拿大在反抗的时候主动调整了对华关系，不然的话，现在它的处境要危险得多。

原文

【黄仁勋回应OpenAI自研芯片：英伟达做的截然不同 不惧竞争】在英伟达2027财年第二季度财报电话会上，CEO黄仁勋回应了OpenAI自研推理芯片带来的潜在竞争。黄仁勋表示，英伟达正在构建的产品与OpenAI的定制芯片“截然不同”，并坦言对竞争保持从容心态，同时指出AI芯片行业本身具有高度波动性。

转发者评论

无明显转发评论

原文

#如何认定AI短剧侵权# 法律体系本质上是为“人的创作”设计的，现在要硬套在“人机协作”的产物上。所以你会看到一个很拧巴的局面——著作权那边要证明“人的投入够多”才给保护，人格权那边则不管你投入多少，只要结果“像某个人”就算侵权。一个看过程，一个看结果，标准完全不在同一个维度上。而500件入刑的量化红线，与其说是精确立法，不如说是在技术日产万条内容的现实面前，先画一条能操作的线再说。整套规则的实质不是在定义什么是对的，而是在AI批量生产内容的洪流面前，抢先用旧框架搭起一道还算能用的堤坝。

转发者评论

无明显转发评论

原文

搞定了一个Codex自动回复微信的方法，不是操作电脑微信，不用weixin cli。一个更为安全的办法，这个思路能延伸到客服自动回复消息，24h不能及时回复消息的难题可能会得到解决。之前其实我开发逐梦App的时候，其实Codex就在操控我的手机，对App进行自动调试。这个思路我之前还迁移到抖音电商和拼多多商品信息的批量自动抓取（这两我之前没找到接口）。也就是说，我啥也不干，就给Codex一句提示词，我的手机自动运转，执行相关任务。今天去郑州一家全球顶尖的出海支付公司做AI相关分享，刚好和一个很厉害的技术负责人探讨能不能实现微信批量自动回复消息的问题。他们本来是想采购混沌的那套系统。我就突然想到，既然Codex能调试我的App，那为啥不能试着操作微信呢？OK，说干就干，在车上，就和技术负责人大哥讨论，能不能试着用ADP调试的方式解决这个问题。试了下，成功了。。。其实原理很简单，就是OCR识图，然后操控手机微信。速度是慢了点，但是思路是跑通了，可以通过各种技术手段调优。大哥说他回去就要试试，成功的话就不采购混沌那套系统了。。。牛逼👍！#微博VibeLab# #VibeWork#

转发者评论

http://t.cn/AXpEx1I7 （注意风险）

• http://t.cn/AXpEx1I7 （注意风险）

原文

为什么专家总能看透真相？。。。#商业创新# #管理创新# #技术创新# #数字化转型# #产业互联网# #大模型# #智能体# #AI原生组织# 老马自奋蹄的微博视频

转发者评论

无明显转发评论

原文

百度双重上市，让我想起2018年小米港股上市时的场景，当时也是备受瞩目，但后来股价跌跌不休。现在百度来港股，会不会重蹈覆辙？我觉得不一定，因为百度有AI这个新故事，尤其ChatGPT火了之后，国内对AI的关注度空前高涨，文心一言虽然被吐槽不少，但至少让百度重新回到了科技舞台中心。而且百度选择双重主要上市，说明它不想只靠美股，这是有底气的表现。不过，我也有个疑问：百度在AI上的投入，到底什么时候能变成真金白银？自动驾驶商业化迟迟未落地，智能云也还在追赶阿里云和腾讯云。如果AI故事不能兑现，港股投资者会不会用脚投票？作为科技迷，我真心希望百度能借这次双重上市打个翻身仗。大家觉得百度AI的成色如何？

转发者评论

//@李山泉博客:哪里上市不重要。重要的是盈利预期。彭博数据显示，2021年的时候，预期2026年的每股盈利是￥167.31，现在预期2026年每股只盈利￥41.81。这才是关键。

• //@李山泉博客:哪里上市不重要。重要的是盈利预期。彭博数据显示，2021年的时候，预期2026年的每股盈利是￥167.31，现在预期2026年每股只盈利￥41.81。这才是关键。

原文

#全球首例AI实时辅助脑外科手术完成# 这个案例揭示了一个关键矛盾：人类外科医生的终身手术量受限于时间和机会，而AI可以浓缩数百台手术的视觉经验，把“老手才有的眼力”变成了可复制的工具。更值得玩味的是，AI并不取代决策权，而是充当“见多识广的助手”——它不说该怎么切，只是把人眼容易漏掉的血管神经高亮出来。这种分工其实道破了智能辅助的本质：不是让机器更聪明，而是让人类专家的注意力用在最关键的判断上。当经验可以被提取、标准化并实时投射到手术视野里，医疗的稀缺性就从“找到顶尖医生”变成了“让更多医生拥有顶尖视野”，这才是技术真正撬动行业的支点。

转发者评论

无明显转发评论

原文

Sebastian Raschka绘制的GLM-5.3-Flash架构图越来越复杂了。----相比 GLM-5.2，这个新的 GLM-5.3-Flash 模型采用了：1️⃣一种类似 Kimi Linear 的 3:1“超级混合”注意力模式：包含 34 层 Kimi Delta Attention（KDA），以及 11 层 Multi-head Latent Attention（MLA，多头潜在注意力）/ DeepSeek Sparse Attention（DSA，DeepSeek 稀疏注意力）；2️⃣一个按 GLM-5.2 风格缩小后的稀疏 MoE 主干网络：从 744B-A40B 缩减到 320B-A18B；3️⃣一条类似 DeepSeek V4 的 mHC 残差路径，包含 4 条并行信息流；另外还有一个原生视觉编码器（图中未展示）。*之所以称为“超级混合”，是因为 KDA 和 MLA/DSA 本身都属于“高效型”组件。比如，Kimi 使用的是 KDA + 全注意力 GQA；DeepSeek V3.2 使用的是 DSA + 全注意力 MLA。#智谱发布GLM5.3Flash#

转发者评论

//@马少平THU:已经看不懂了[允悲]

• //@马少平THU:已经看不懂了[允悲]

原文

《时代》封面：OpenAI 重启内幕作者：Alex Heath2026年8月26日原文发表于《时代》周刊。8月初的一天早晨，我抵达 OpenAI 办公室时，抗议者已经守在门外。他们举着“停止 AI 竞赛”的标语牌，还用粉笔在人行道上写下抗议文字。几十名企业高管陆续走进一栋宽敞、以米色为主调的大楼。他们代表着 OpenAI 最重要的一批客户。这栋名为 MB0 的建筑刚刚启用，主要供公司的研究和算力团队使用。有人将一整面高大的绿植墙推到玻璃门前，试图挡住大厅里的人望向外面那个小型抗议营地的视线。这些客户此行是为了提前了解 Astra。它是 OpenAI 即将推出的一组前沿 AI 模型。首席执行官萨姆·奥尔特曼刚从华盛顿返回，此前他在闭门会议中向政府官员介绍了 Astra 的能力。现在，OpenAI 的研究人员开始展示这款新模型能够做什么。在一项演示中，16个 AI 智能体将一道研究级数学问题拆分成多个子问题，协调各自的工作，最后汇总出一份候选证明。在另一项演示中，Astra 操作多款常见桌面软件，以令人不安的速度在不同应用之间创建和编辑内容。奥尔特曼告诉来访者，看到 Astra 以一种“超越人类、速度极快”的方式使用计算机，是 OpenAI 员工近期感受最强烈的时刻之一。他解释说，Astra 将支持能够长时间持续工作的智能体。这些智能体将像虚拟同事一样，在较长时间内不断处理任务。不过，他预测，Astra 最大的影响将来自人们利用它发现新知识。“我预计，这会是第一个真正以有意义的方式创造新事物的模型。”奥尔特曼对现场的人说，“这非常接近 AGI 的特征。”过去一段时间，对这家开启 AI 热潮的公司而言并不轻松。一周后，奥尔特曼在布置考究的 MB0 图书馆里接受了我超过两个小时的采访。他说：“作为一家公司，我们显然走过一些弯路。无论是产品方向，还是研究层面的预训练工作，我们都没有达到原本希望的位置。”过去一年，OpenAI 在 AI 竞赛中的领先地位被主要竞争对手 Anthropic 夺走。Anthropic 抓住了 AI 编程领域的商业机会，将 Claude Code 打造成一款重新定义市场的产品。据报道，其年化收入和非公开市场估值也首次超过 OpenAI。Anthropic 由多名离开 OpenAI 的研究人员创立。两名了解其计划的人士称，Anthropic 目前预计将比 OpenAI 更早上市，首次公开募股最早可能在2026年9月进行。《时代》与 OpenAI 签有授权和技术协议。Salesforce 是 Anthropic 的投资方，《时代》所有者马克·贝尼奥夫同时担任 Salesforce 首席执行官。随着 Anthropic 快速崛起，OpenAI 接连遭遇挫折，其中包括一系列高管离职。离职者包括 Fidji Simo。奥尔特曼去年将这位前 Insta…

转发者评论

无明显转发评论

原文

以前用 AI 生成视频，最让人头疼的就是只能导出 8 bit 的 H.264 格式。这种高压缩率的视频一旦拿去调色，画面很容易崩溃，天空会出现一圈圈的色带，暗部细节也全没了，根本无法满足专业影视后期和流媒体平台的交付标准。现在 Runway 推出了一项叫 Ruby 的新功能，彻底解决了这个痛点。它支持直接在平台内把视频生成或转换成 16 bit EXR 图像序列，或者 10 bit 和 12 bit 的 ProRes 与 HEVC 文件。这意味着 AI 视频终于能无缝融入主流的专业剪辑和调色工作流了。对于影视后期来说，真正的 HDR 转换需要同时搞定位深、色域和传输函数这三个核心要素。Runway Ruby 能够将色域从 Rec.709 扩展到更宽广的 BT.2020，并且支持 PQ 和 HLG 两种传输函数，让画面峰值亮度突破传统限制。导出的 16 bit EXR 序列可以直接作为浮点帧用于抠像和合成，表现和摄影机原生素材一样扎实。这个功能最棒的地方在于它不仅能处理 AI 生成的内容，还能转换普通的实拍 SDR 视频。目前该功能已经对 Max 及以上用户开放。AI 视频创作正在从“能看就行”快速向“专业院线级交付”迈进，这对于独立创作者和专业影视工作室来说，绝对是个提高生产力的好工具。#AI视频##视频后期##AI创造营# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

用倾斜移位微距镜头+微缩模型打造电影级广告画面，让小众零食瞬间拥有高级商业大片质感；真实材质与文化元素碰撞，每一个细节都像小人国的广告片场，故事感拉满🎬 完整Prompt结构： Miniature_Ad_Campaign(product="[你选的小众零食]", slogan="[广告口号]", vibe="[文化风格]").render_scene() 附加要求：High commercial polish. Background is a flat studio backdrop with subtle thematic illustrations. Camera: Tilt-shift macro lens, studio lighting, hyper-detailed diorama. 喜欢的话记得点赞、转发给你的朋友哦！ 关注我，每天探索更多AI艺术创作的奥秘。 #AIGC #AI绘画 #Prompt小课堂 #图文绘画攻略 #AI探索计划##AI创造营#

转发者评论

无明显转发评论

原文

#AI五层用法# AI不是虚拟概念，而是一条从发电厂到手机应用的完整物理产业链。黄仁勋把这个事实摆到台面上：每生成一个回答都在烧电，每个数据中心背后都是真金白银的土地、芯片和冷却系统。这套逻辑最精妙之处在于打破了“技术自动进步”的幻觉——不是有了好算法就能规模化，而是必须先建成从电网到机房的整条供应链，智能才能像自来水一样流出来。更关键的是这个飞轮一旦转起来就停不下：一个爆款应用会倒逼整个产业链扩容，从写代码的工程师一直传导到挖铜矿的矿工。

转发者评论

无明显转发评论

原文

【#麦当劳客服接入AI被当Claude用# 】由于各大 AI 工具频频限额，网友意外发现麦当劳客服底层接入大模型且不设专业限制。于是，画风变成了“先帮我写个 Python 算法，再来份麦乐鸡！”点餐系统秒变云端工作台，这届网友是把“万物皆可当 AI 使”给玩明白了！ 网易新闻的微博视频

转发者评论

无明显转发评论

原文

用DeepSeek Harness重写完wework以后，终于可以给我的AI编码工作台加一个我现在最需要的功能：跑任务的时候实在是太无聊了，需要一个打发时间的小游戏。花了半小时搞出来一个游戏原型，通过DSH的扩展能力可以直接把入口扩展到工作台主菜单里并且获取agent的实时状态。大概设定是获取当前AI正在执行的任务的输出作为飞机子弹的过关游戏，同时进行的任务越多子弹越多，还能加速充能放大招啥的。玩了一会，竟然莫名带感……

转发者评论

无明显转发评论

原文

聊聊苹果 ANE 算力的演进，苹果历史上几代芯片的 ANE（Apple Neural Engine）算力大幅跃升，往往都是发生在新的制程节点上：第一代 N7 工艺的 A12 Bionic，算力翻 8 倍，第一代 N5 工艺的 A14 Bionic，算力翻倍，第一代 N3 工艺的 A17 Pro，算力翻倍，第一代 N2 工艺的 M6，算力同样翻倍。苹果神经网络引擎的算力提升，主要是依靠增加规模或者提高频率来实现的，比如上代 M5 芯片的 ANE 频率提高到了 2448MHz，理论算力就是 2448×16×256×2÷1000÷1000×2≈40TOPS。想要获得更高的算力，要么把频率拉高，要么增加核心，如果强行拉高频率功耗就会炸，结合 M6 宣传稿中提到的峰值算力提升 2 倍来看，M6 的 ANE 架构本身并没有怎么改，而是上演了一次 Ctrl+C、Ctrl+V 的操作，因此单颗 M6 的 ANE 峰值算力大概就是 80TOPS。如果结合每一代 iOS 系统对机器学习相关功能的硬件要求来看，也能发现类似的趋势，早期很多机器学习功能会要求 A12 起步，后来逐渐提高到 A14 起步，甚至按照这个趋势发展，未来新的机器学习功能很可能会逐渐以 A17 Pro 作为最低门槛，再往后则可能轮到 M6 起步。

转发者评论

果子的ANE面积优势看着很显著

• 果子的ANE面积优势看着很显著

原文

2026年第二届机器人运动会结束了，今天看了下这届人形机器人运动会的得奖情况，比较亮眼的是智元竟然获得了46 块奖牌（18金16银12铜），双榜第一，据说全是量产的智元机器人量产机拿的，没有一台为比赛特调。1、灵巧手赛：拿下 8 金中的 7 金这个关于手的灵活度上，场景集中在“粉末称重”、“开瓶撬盖”、“拆箱拆包”、“积⽊搭建”等不同维度灵巧⼿能⼒的赛项中，基本上通杀了，还是挺牛的。2、作业赛：拿下 12 金中的 6 金这个赛事算是最接近场景，并且考的是能否带上工牌干活，像酒店、图书馆、应急处置这类真实流程：全身协同、环境理解、长流程任务规划——最接近实际场景的一类项目。而参赛的智元机器人精灵 G2 参赛前已经在龙旗、上汽的工厂大规模部署，底下是 ViLLA 具身基座大模型 GO + 世界模型 GE + 大规模分布式 RW-RL。3、运动竞技赛：远征 A3 表演赛 5 金，灵犀 X2 田径 100 米障碍赛金牌智元灵犀X2 量产机型在⽥径100 ⽶障碍赛和400 ⽶障碍赛中分别斩获⾦牌和银铜牌，与当前市⾯上绝⼤多数仅依赖关节本体感知的⽅案不同，X2说是装上了“真正的眼睛”，基于⾃研的AGILE (AgiBot Generative Intelligent Locomotion Engine)⽣成式通⽤⼩脑引擎框架，通过不规则障碍物时兼具显著的速度优势与出⾊的稳定性，并能在多种地形下实现⾃主或半⾃主决策。精准的参数辨识，则显著缩⼩了仿真与现实之间的差距，确保了算法在实际部署中的表现⼒与鲁棒性。赛场改装能刷成绩，但刷不出产线上的复用率，戴得了工牌，才谈得上赢金牌，未来世界机器人运动会可能是继航空展之后的人形机器人的大型展示会，也是从实验室到场景的又一大的产学研对接平台。另外，去年就有一个预测，大概率未来这个比赛会超越奥运会的关注度，大家一起来期待#智元获机器人运动会金牌榜第一#

转发者评论

无明显转发评论

原文

审判完毕孙宇晨还是那个人人网作文味儿，吹逼一箩筐，最真的部分就是景甜一张机票给他报了一百张的钱，给孙割整急眼了，那部分很Rio。其他太弔毛瞎几把吹了，往下三路猛攻，跟个地摊写手一样什么叫妈妈 剧组夫妻，中间夹杂一些郭敬明风味手法，多钱的一个酒店，多钱的一个香蕉，多钱一个海岛，你再报菜价试试呢老哥，再来点AI 我真的笑尿了，整个一个90后代表文风大杂烩

转发者评论

无明显转发评论

原文

最近，Karpathy在X上甩出了一个实验。他给Claude Opus 5一段《魔戒》的开头，一百万Token的预算，让它用three.js把故事场景给画出来。两个小时，5500行代码，一个能走能看的低模山谷就跑在了浏览器里。所有人都在感叹：AI造世界，原来这么便宜。但我们想造的世界是这样的吗？就拿模型生成来说，AI 3D，正卡在一个很尴尬的阶段。网上随手一搜，从一张图片捏出3D模型的Demo已经遍地都是。但落到生产线，一款小游戏需要成百上千件道具，一座数字工厂可能塞满货架、管线和设备.....所以真正难的，是批量生成上千、上万个资产的能力。今天，继Tripo、Meshy之后，AI 3D赛道又多了一个新玩家。今年4月刚在港交所上市的群核科技，出了一个3D生成模型Lux3D。传送门：网页链接上传一张图片，或者输入一句话，Lux3D即可快速生成网格、材质与3D高斯等多种形式的3D资产。但Lux3D这次带来的，不只是又一个AI 3D生成工具。群核科技还在同步内测世界模型产品，想要生成动态可交互的3D世界……先来看看Lux3D带来哪些新东西。

转发者评论

无明显转发评论

原文

GLM-5.3-Flash的DFlash2版本已发布（Inco AI做的，不是GLM官方）~地址：huggingface.co/incoai/GLM-5.3-Flash-DFlash2搭配DFlash2后推理速度又有明显提升~

转发者评论

无明显转发评论

原文

【奇点智能技术大会 & C++及系统软件技术大会 · 嘉宾快讯】🎤 郭春超博士确认出席2026奇点智能技术大会并发表演讲 👨💻 他是谁？ 腾讯专家研究员、混元3D与3D世界模型负责人，郭春超博士。 从事3D生成、世界模型、Agentic 3D方向的研发与落地，深耕生成式AI前沿领域。 🏆 学术与竞赛成就 · 在权威技术竞赛中荣获冠军20项 · 在顶级AI会议发表论文30余篇 · 博士期间获得全国图像图形学术会议优秀论文奖 🚀 团队成果 · 带领团队研发混元3D系列模型，应用于游戏、社交、云等多个场景 · 带领团队研发Hunyuan World系列模型，是业界最早的开源3D世界模型之一 · 团队开源的混元3D模型与3D世界模型，下载量超500万次，在国内外获得广泛关注 · 助力了3D生成、世界模型领域的发展 🔥 从混元3D到Hunyuan World，郭春超带领团队不断刷新3D生成与世界模型的技术边界。 此次出席奇点智能技术大会，他将带来怎样的深度分享？敬请期待！ 📅 11月20-21日，北京万达文华酒店 2026 奇点智能技术大会与 C++ 及系统软件技术大会，首次双会并行，70+技术嘉宾同台，18大前沿专题。 更多豪华阵容陆续为大家揭晓。请大家多多关注。我们期待大家的到来 🔖 大会官网：ml-summit.org#奇点智能技术大会##郭春超##腾讯##混元3D##3D世界模型##AIGC##人工智能#

转发者评论

无明显转发评论

原文

面对复杂世界，你是被海量细节淹没，还是能看清本质？高手的做法是先做近似与简化，抓住核心变量，清醒地决定忽略哪些次要因素。这才是让复杂问题变得可处理的第一步。#商业创新# #大模型# 老马自奋蹄的微博视频

转发者评论

无明显转发评论

原文

看了下，有不少人说孙割作文没水平，还有说用AI写的。请问哪个AI能做到：1️⃣随便哪段开始截屏，都有传播点2️⃣夹带了很多隐藏内容，让你产生了“孙割为了白月光被割”的错觉3️⃣这些内容居然构成了群众喜闻乐见的报刊小故事，更恐怖的是，如果你接受了故事逻辑，基本就接受了2️⃣夹带的东西4️⃣奶字出现的很自然且不会触发审核随便列举的四点只有不懂传播学的才会想着省那点力气，用纯AI写人类接触的文案。甚至不应该让纯AI设计GUI。🔚

转发者评论

无明显转发评论

• 微博AI居然认识孙割，GPT不认识、差远了，国产赢[doge] http://t.cn/AXpmt5J7

原文

【Day-0极速适配！摩尔线程MTT S5000跑通智谱GLM-5.3-Flash：10万国产卡承载62T Token调用】智谱正式上线开源GLM-5.3-Flash原生多模态大模型，摩尔线程发布当日完成Day-0极速适配，依托MTT S5000智算卡及MUSA软件栈实现高效运行，开发者可直接获取配套推理镜像开箱体验。

转发者评论

无明显转发评论