微博 AI 观察博客

原文

也就在柴油危机发酵同时，俄军有意无意轰炸了乌克兰一处数据中心，结果，给自己打开了毁灭之门，乌克兰迅速报复，开始逐一摧毁俄罗斯境内的大型数据中心，昨晚是第四座，据说也是YANDEX在俄境内最大的数据中心，至少拥有2880台服务器先是轰炸起火，然后消防喷淋，这服务器还能要不在乌军凶狠的第一次攻击中，位于梁赞的数据中心被击中，这里部署着俄罗斯排名第一的超级计算机Chervonenkis，排名第二的超算Lyapunov由于火灾和灭火剂的破坏，现已处于瘫痪状态10月11日，乌军又炸毁了俄国排名第三的超算Galushkin这三处数据中心，集中了大量俄国想方设法进口的英伟达计算卡，是训练俄罗斯国产大模型的物质基础俄罗斯数据中心比较少，大的9个，加上中型的据说全俄20多个，更要命的是，为了方便管理，这些俄罗斯数据中心集中在了莫斯科和彼得堡都市圈。没有向远东疏散。Yandex这些数据中心，为俄国大部分国民生活APP，和一部分电子政务，提供了后台算力乌克兰无人机的打击，精确指向了俄国数据中心的输配电设施、备用燃料和强制冷却系统输配电设施起火，引燃了大量绝缘材料，形成腐蚀性毒雾，火势沿着电缆蔓延，同时服务器机柜断电园区内的备用发电设施被击中，引燃柴油，产生浓烟由于建筑物已经被炸穿，而且园区面积巨大，消防人员赶到后，只能喷水降温遏制火势，同时喷射化学泡沫灭火剂但是水和泡沫灭火剂接触到电路板和芯片后，又造成了二次杀伤被轰炸的几处数据中心，在2020至2021年底之间落成并投入使用，整套集群由 Yandex 与超微（Supermicro）、英伟达官方工程团队联合设计。机柜内是合规渠道采购的 英伟达 GPU、AMD EPYC服务器处理器，以及Mellanox InfiniBand 200Gb/s HDR 超高速交换网络被炸毁的 Yandex 超算使用的是英伟达独霸全球的 Mellanox 200Gb/s HDR InfiniBand（IB）专用交换网络，搭配成熟稳定的 NCCL（英伟达集合通信库），硬件级保障了极低延迟和零丢包不明觉厉乌克兰媒体还报道，Yandex自家的AI助手Alice帮助自称乌军飞手的用户定位了Yandex所有数据中心的确切位置，并祝这位用户好运ai叛变了，把自己机房告诉了敌人比如梁赞数据中心，ai回答给出精准坐标 54.3688, 41.9457，并提醒用户，这里部署着两台国家级超算这个乌克兰极客公布了对话，Alice直接告诉他坐标了俄军报复性轰炸乌克兰的数据中心，问题是2022年开始，泽连斯基内阁命令把算力中心全部转移到了境外，本土只保留前沿节点，算力和数据流亡云上乌克兰银行的服务器都逃到了爱尔兰，俄军有本事就去炸土地登记、人口信息、征兵信息这些核心信息，存在了法兰克福等多地，乌克兰境内只要有网络，就能使用这些云上数据照此发展下去，很快普京就会再次向川普求助了，…

转发者评论

无明显转发评论

原文

前一段 Loop Engineering 不是很火么，不过真做好的也不多。知名开源开发者 yetone 在 X 上公开了他维护 Magpie 的工作流：用 Claude Code 加官方的 Opus 5.5 模型，同时开 3 个 /loop 循环任务，让 AI 自己盯 GitHub issue 和 PR、Discord 社区和推特反馈，修 bug、加功能、发版、回复用户。他自己每晚抽一点时间“铲铲屎”，主要处理 UI/UX 问题，“然后就没活儿了”。他自己说这套流程“没有任何的魔法，甚至还特别简陋”。【3 个循环任务分别干什么】/loop 是 Claude Code 自带的命令，让同一段提示词反复执行；不写间隔时，由模型自己决定多久跑一次。这个命令 Codex 也支持，其他的我没测试，估计也差不多。yetone 截图里的 3 段提示词都没写时间间隔，我自己去 Codex 跑了一下，默认是 1 小时。简单解释一下他这三个循环。第一个循环：管 GitHub 和 Discord。指令要求 AI 盯 GitHub issue，判断哪些值得修、值得做；修完要发版并回复提问的人，不值得做的也要回复。有一类 issue 单独规定了统一话术：如果是“中转站”来打广告，统一回复“感谢关注，日后会出相关合作方案，敬请期待”，不能直接把第三方中转站加进产品。对 PR，指令要求逐行看代码、看逻辑，再把代码拉下来实际跑一遍，确认没有 bug 才能合并，否则回复或关掉。指令里写了原因：“我怕有的人提的 PR，是无脑用 Coding Agent 乱写的，自己都没测过。”指令还要求 AI 实时盯 Magpie 的 Discord 服务器，所有频道一个不漏，有价值的反馈就去修或加功能，值得讨论就继续讨论。最后专门叮嘱：在 Discord 里要真正 @ 到人，只写名字对方收不到通知。第二个循环：管 X/推特 的用户反馈。盯推特上关于 Magpie 的反馈，有价值的建议或能复现的 bug 就去做，上线后回复那条推文。这段指令要求先用便宜的“决策模型”，比如 Jev，判断推文是不是在说 Magpie、是不是反馈，不相关的直接丢掉，别转给主模型，“不然太浪费 Token 了”。【注：Jev 是 TypeSafe AI 推出的模型，只做判断题、选择题和打分，输出概率或分数，不生成文字。官方定价是每百万输入 Token 0.042 美元，输出免费。】顺便说一下，如果你的产品名或者要关注的事比较稀有，不一定需要 Jev，他之所以加，是因为 magpie 在英文里是“喜鹊”，按关键词抓推文会抓到大量无关内容，全丢给 Opus 判断很费钱。第三个循环：清理和总结。这段指令开头写着“现在 magpie 完全是自动化更改代码和合并社区里的 PR”，要求 AI 定期清理“屎山代码”和恶意代码，防止项目变得难以维护…

转发者评论

无明显转发评论

原文

OpenAI 沙特员工在公司执行会议室植入录音设备后被捕2026年10月13日，美国司法部（DOJ）与加州北区联邦检察官办公室解封了一份引发硅谷震动的刑事起诉书：现年35岁的沙特阿拉伯籍OpenAI产品团队工程主管阿卜杜勒拉赫曼·阿尔福赞（Abdulrahman Alfozan），因涉嫌在OpenAI旧金山总部的高管会议室秘密安装窃听设备，已被联邦调查局（FBI）正式逮捕并收押。在加入OpenAI之前，阿尔福赞曾担任Meta高级系统工程师及初创公司Nash的创始工程师，于2025年7月入职OpenAI。根据法庭文件披露，这起看似具备电影质感的商业间谍案，在执行层面上却充满了令人啼笑皆非的细节。9月28日前后，阿尔福赞潜入平时专门用于讨论核心机密研究、产品路线图、商业战略及政府合作的高管会议室，将一个加密录音设备插在电视机背面的USB接口上，并用一团卫生纸进行伪装。9月30日，该装置被OpenAI员工意外发现。10月5日，不知情的阿尔福赞再次潜入会议室查看电视机背面，甚至在当天将一个装有自己钱包、身份证件以及另一个同款录音设备的背包遗落在了办公区，被安保人员当场截获。然而，本案最极具赛博朋克黑色幽默的一幕在于破案过程：OpenAI在官方声明中确认，公司安全团队直接调用了自家的AI大模型来拆解该硬件设备、分析底层线索并锁定内鬼。调查人员顺藤摸瓜地发现，阿尔福赞不仅在公司内部办公软件中频繁检索高管日程与会议室位置，还在9月24日至30日期间，借用其配偶关联的聊天机器人（Chatbot）账号，向AI提问“如何制作并隐藏连续录音设备”、“如何添加Wi-Fi远程监听”、“如何加密存储卡”，甚至直接把涉案设备独有的网络标识符（MAC/SSID信息）喂给了AI进行故障排查。10月9日，阿尔福赞被解雇并遭FBI逮捕，目前面临非法截获口头通信的联邦指控，最高可判处5年监禁及25万美元罚款。---- 下面是让 Gemini 4 Argon 写的故事版 ----【故事版】《卫生纸里的幽灵，与出卖主人的神明》一、 深夜的提问者九月下旬的旧金山，深夜的冷雾漫过米申区（Mission District）的街道。35岁的阿卜杜勒拉赫曼·阿尔福赞坐在家中的电脑前，屏幕的幽光映照着他略显紧绷的脸。作为履历光鲜的硅谷精英——前Meta高级系统工程师、如今的OpenAI工程主管——他本该是这座科技圣殿里的核心筑造者之一。但此刻，他的脑海里装的不是下一代大模型的架构，而是总部大楼里那间他无权踏足的“高管会议室”。那里是权力的中枢。每天，关于未公开的推理模型、数千亿美元的商业盟约、乃至与五角大楼和各国政府的秘密会晤，都在那四面隔音玻璃墙内激荡。他需要一只“耳朵”。作为一个习惯了向人工智能寻求一切答案的工程师，阿尔福赞鬼使神差地打开了对话窗口。为了掩人耳目，他特意切换到了妻子名下的账号——但他忘了，底…

转发者评论

无明显转发评论

• [允悲]//@宝玉xp:回复@张辛欣:Gemini 4 Argon 写的//@张辛欣:故事版是AI写的？写的好看
• 回复@张辛欣:Gemini 4 Argon 写的//@张辛欣:故事版是AI写的？写的好看

原文

AI 写代码太快，git 扛不住了：Anthropic 为什么自己造了 Scion？这一年，GitHub 隔三岔五就出故障。GitHub 在自己的可用性报告里说，流量涨得飞快，很大一块来自 AI：AI 帮人写代码，AI 智能体自己提交修改。他们四个月里把有效容量翻了一倍多，还是扛得很吃力。Anthropic 自己的代码库更夸张：今年五月平均每天合并约 2500 次修改，到了九月，一天超过 3 万次，涨了十倍以上。全世界程序员都在用的 git，扛不住了。Anthropic 干脆自己造了一个版本控制系统，叫 Scion，五个月就把整个代码库从 git 换了过去。git 为什么扛不住？Scion 到底改了什么？git 是干什么的你可以把 git 想成一个带时光机的共享文件夹。每改一次，就存成一个版本，叫一次提交。谁改了哪一行、什么时候改的，都查得到，改坏了还能退回去。GitHub，就是全世界最大的、帮大家存放 git 仓库的网站。很多大公司会把所有项目的代码放进同一个大仓库，这叫单体仓库（monorepo）。Anthropic 用的就是这种。每人一整座图书馆 git 有个特点：每个人拿到的，都是一整份完整的仓库，连全部历史一起。打个比方，就像借书的时候，顺手把整座图书馆复印一份搬回了家。好处是断了网也能翻历史、查记录。仓库小的时候，这没问题。可 Anthropic 的仓库，光主分支的历史就接近 100 GB，压缩后的一份工作副本也超过 25 GB。搬不动了再看要搬多少次。光是自动构建和测试（CI）这一个环节，每天就要把代码检出到机器上大约 2500 万次，这还没算开发环境、AI 智能体的沙盒和研究任务。要是每次都老老实实整份拉取，一天的流量会超过 600 PB。换算一下，差不多是 60 万块 1 TB 的硬盘。原来的补丁架构：层层加缓存他们想过各种办法：浅克隆、稀疏检出这类只拉一部分的功能都试过。原来的架构，是层层加缓存：机器要代码，先找本地的打包缓存（packfile cache）；没有，再找镜像服务器（mirror replicas）；镜像再去找镜像主库，最后才是最上游的那份仓库。每个集群都有一套。新机器启动时，还会先从云存储拷一份仓库快照，省得从零开始拉。最多的时候，同时开着几百台 git 镜像服务器。可修改越来越多，快照一拷下来就落后一大截，镜像也越来越难养。换一个问题后来他们发现，git 那些为离线工作准备的本事，自己几乎用不上。这里说的“在线”，不是指能不能上网，而是随时能连上公司的代码服务器。你带着笔记本上飞机，没有网也想写代码、翻历史，git 那套“每人一整份”的本事才派得上用场。可在 Anthropic，用代码的几乎都是 AI 智能体和后台任务，它们本来就跑在公司的机器上，跟代码服务器之间的网一直是通的。于是他们换了个问题：如果从一开始就假设，…

转发者评论

无明显转发评论

原文

经常被问到平时都用什么 AI 工具，于是整理了一下我和@海辛Hyacinth 在工作流中常用的工具包。*工具迭代太快，本条动态永久更新（最新编辑日期：10月13日）*都是我们做项目用的工具，你永远可以相信我写的工具推荐。*排名先后只跟我们的使用频率有关。🖼️🖼️ 主力生图工具难以想象，目前我的所有生图工作流已经逐步迁移到自己的画布里了。在过去的两个月里，我的画布工具从最初的 eagle 插件变成一个独立的工具，再变成 codex 插件了。我一直怂恿身边的朋友做自己的画布，目前的模型编程能力已经远远不止能完成 demo了，而且最重要的一点是：只有自己才会珍惜自己那屁大点需求。自从做了自己的画布后，Flow 确实很久没打开了。当然，我的画布里接的依然是 🍌Nano banana 的API，Pro 和2.1轮着用，这依然是我首选的生图模型，没有之一。（目前留着 Google 的订阅的唯一原因，对，唯一原因。）我还是觉得 GPT image 2.5 的生图质量不够好，很碎，尤其在电影感方面，很差。可能更适合功能型的海报输出吧，但不是我的日常主要任务。在上个月跟 DiDi_OK 的直播中学到了一个非常重要的生图技巧：可以在 Seedance 2.5 的视频中提取静帧，这是电影感最强的生图方式，简直思路大开·🎨 修图工具 ▶ GPT image 2.5 + 🍌Nano banana （Pro 和2.1轮着用） 一起改。* 前几天 PS 不小心自动续费了，才想起它……·📽️ 主力视频生成工具▶ 即梦 Seedance 2.5：打折后的 Seedance 2.5 已经没有对手了，而且还出了抽卡友好的480P样片模式，我们彻底从 2.0 转到 2.5 了。* 很遗憾地宣布：我们的主力视频生成工具已经收束到 Seedance 2.5 仅此一家了。我是真的没想到，居然能垄断这么久。当然，下一个王者出现的时候我再踢踢大家。·🔍放大工具▶ 最近在做自己的画布，发现🍌Nano banana Pro 的2k 和1k 的价格一样，果断直出2k。▶ 视频放大用 Topaz，不是本地盗版那个，是线上那个。·📽️ 3D 模型生成工具▶ Tripo：工具的完成度非常高，而且搭配 codex 或者 claude code 一起搭建场景，简直事半功倍。* 我还是那个观点：目前最推荐的 AI 建模方式不是让你的agent 去从零开始在 Blender 里搭建一个场景，而且给它一个生成式 3D 工具。·📽️ Vibe Coding & Agent▶ Codex 在很长一段时间里成为了我们的首选agent，工作生活都离不开的那种程度。在和 Claude 雄竞之前，一切都还好好的，哪怕不够 opus 5.5 惊艳，也起码非常可用，但现在……▶ Claude：最近一直在小心翼翼地用 Cla…

转发者评论

断更了一个月，几乎重写了整个列表。（已更新）

• 断更了一个月，几乎重写了整个列表。（已更新）

原文

苹果创出历史新高，近期美股七巨头整体走强，Meta表现尤为突出，伴随Meta新一代AI产品落地，明年大概率会迎来AI应用的爆发之年。过去几年AI更多集中在算力、大模型底层技术的研发竞赛，属于基础设施建设期。而如今，苹果依托庞大终端生态布局端侧AI，Meta推出Muse系列智能体产品，巨头们已经从打磨模型，转向面向海量用户交付可落地的AI应用。技术浪潮的规律，往往是底层先行，应用后至。硬件与大模型的准备逐步成熟，AI Agent、端侧智能开始走进普通人的日常。当然，浪潮之下分化必然加剧，能把AI技术转化为真实用户需求、持续兑现现金流的企业，才能穿越周期。长期投资，就是在产业拐点处，寻找真正创造价值的公司。备注：本文只是一点对投资的感悟，不构成投资建议，投资有风险、须谨慎。另外，投资切记不能借钱、融资、加杠杆。适度分散投资也很重要。

转发者评论

无明显转发评论

• 回复@野蛮大哥:[心][鲜花]//@野蛮大哥:但总，还是很有水平和前瞻性眼光，记得几个月前苹果大跌，就公开说过18上市会创新高。[赞][赞][赞]

原文

Gemini 4 Argon 在 Antigravity 中，通过一条包含详细工作流程的提示，在 Blender 里生成了日本寺庙建筑群。核心做法是：提供建造规则与视觉参考，让多个智能体分工、检查并反复修改。「单条提示」背后包含完整流程，动画与音效则是后续追加的要求。三维建模既考验复杂编程，也考验对现实世界的理解，而且结果中的错误容易直接看出来。持续使用日式塔楼作为测试对象，便于比较不同模型的进步。初始提示词引用了一份指导大型三维场景构建的技能文档，并要求先生成建筑蓝图，再由 Nano Banana 根据蓝图生成四张参考图，为建模提供视觉目标。 不同智能体分担工作，由协调智能体统筹、批评智能体检查；系统将 Blender 的渲染结果与参考图比较，通过反复检查与修改推进建模。 演示者第二天看到结果后，继续要求模型渲染动画，并用程序生成钟声和环境音效。因此，最终展示的动画与声音属于后续扩展。 宝玉xp的微博视频

转发者评论

无明显转发评论

原文

Google 昨天发了一个新模型，叫 Gemini 4 Argon，是 Gemini 4 系列里第一个亮相的。按官方的说法，这个模型主要冲着那些步骤特别多的复杂任务去的，比如写代码、做金融分析、处理法律文件、网络安全和科研。系列里还有别的模型，但 Google 说后面再慢慢放出来。如果你是普通用户，订阅了 Google AI Pro 或者 Ultra，现在就能在 Gemini App 和 Google 搜索的 AI 模式里用上了。免费用户暂时还轮不到。开发者和企业的话，走 Gemini API 的付费通道，入口在 AI Studio 和 Google Cloud 的 Gemini 平台，Android Studio 里也能调。另外 Google 的 AI 编程工具 Antigravity 也上了 Argon，个人用户得开 Ultra 才行。Google 还专门开了两个特殊通道：科研人员可以申请 6 个月免费的 Antigravity 高级档，一共 1 万个名额；做网络安全防御的团队可以申请加入一个叫 Fairwind 的计划，能拿到去掉了部分安全限制的版本。关于价格。API 按每 100 万 token 收费，现在是引入价：输入 2 美元，输出 10 美元。这里有个细节，模型思考过程消耗的 token 也算在输出里面，也就是说你要为 AI 的思考过程买单。如果你的输入内容重复使用，命中了缓存，只收 5%，相当于 0.1 美元。但引入价只到 11 月 30 号，12 月 1 号开始全部翻倍。不着急的任务可以走批量处理，价格能再打个对折。能力方面呢？Argon 一次能处理大约 100 万个 token，输入、思考、输出共用这个额度。打个比方，你丢进去 60 万 token 的代码，它最多还能产出大约 44 万 token 的结果，思考部分也算在里面。普通调用单次最多输出大约 6.5 万 token，如果你需要更长的结果，可以开启长输出模式，让它在后台一段一段地写，一个任务最长能跑 24 小时。跑分方面，第三方评测机构 Vals AI 的榜单上，Argon 以 68.90% 排第一，比 Anthropic 的 Claude Sonnet 5.5 和 Opus 5.5 分别高出不到两个百分点。其他成绩是 Google 自己公布的，比如在提示词注入攻击测试里，15 次针对性攻击的成功率只有 0.7%。Google 还举了几个内部实战的例子。一个是他们开源的智能体框架 ADK，大约 20 万行代码，把任务交给 Argon 让它自己跑了一夜，产出的优化直接合进了代码库，关键指标提升了 20% 到 40%。另一个是 Chrome 团队用 Argon 重构了 Chromium 里一个 600 万行的老文件夹，Google 说原本要干几个月，几周就搞定了。内部工程师用上 Ar…

转发者评论

无明显转发评论

原文

A/研发了一个全新的git，名为 Scion 的新系统。在 Anthropic 内部，AI（Claude）承担了大量的编程工作，写代码的速度远超人类。这导致每天需要合并保存的代码量暴增，从 5 月份的每天 2,500 次猛增到 9 月份的每天 30,000 次以上。传统软件开发中常用的 Git，原本是为人类工作习惯设计的，默认每个人都把整座代码仓库完整下载到自己的电脑上离线操作。随着代码库体积膨胀到几十吉字节（GB），数万次频繁操作让原有的网络和服务器彻底不堪重负。面对这种瓶颈，Anthropic 决定彻底重构底层机制。他们只用了五个月时间，开发出专为 AI 时代设计的系统 Scion。这套新系统的核心逻辑主要有三点：· 按需索取： 工作的大多是始终联网的 AI 智能体，不需要每次都把全部历史记录下载下来。系统只在需要某些文件时，才去服务器调取对应内容。· 服务器挑大梁： 复杂、繁重的计算全部放在云端服务器完成，客户端只负责展示和简单缓存，极大地节省了本地机器的资源消耗。· 更轻便的记录方式： 每次保存修改时，系统只记录改动的增量，不给整个代码库加锁，让上万个任务可以同时提交而互不堵塞。这个项目本身也是 Anthropic 团队借助 AI 共同完成的。一支仅有 7 人的工程师团队，借助内部的 Claude 模型快速重写核心架构、自动排查漏洞，完成了以往大公司需要几倍人手和数年才能做完的工程。Anthropic 的工程师认为，随着 AI 编程越来越普及，传统的软件协作工具都会面临类似的性能瓶颈。他们公开这些经验，是为了给整个软件行业提供参考，帮助大家提前做好应对海量 AI 代码的准备。Anthropic 在文章末尾解释，其内部系统高度定制，其他组织很难直接采用，因此他们更倾向于分享设计思想，帮助 Git 生态吸收相关架构改进，而不是立即发布一个通用版本。网页链接 Git 兼容的版本控制系统，面向大型代码仓库和高效开发工作流。Anthropic 在文章中明确提到了它的设计经验。

转发者评论

蚂蚁应该可以根据这些描述让 AI 写一个吧。。。[doge]//@蚁工厂:没开源？

• 蚂蚁应该可以根据这些描述让 AI 写一个吧。。。[doge]//@蚁工厂:没开源？
• code is cheap，show me the talk//@贾凡-失落的大蒜:“Anthropic 在文章末尾解释，其内部系统高度定制，其他组织很难直接采用，因此他们更倾向于分享设计思想，帮助 Git 生态吸收相关架构改进，而不是立即发布一个通用版本。”//@蚁工厂:没开源？

原文

Personal Agent的风还是吹到了国内了阿里旗下千问APP开始灰度自己的Personal Agent产品：千问Go！（狗）千问Go！（狗）？？代表嗅觉灵敏、很听话吗？能自动开启云手机云电脑替你操作App和网页，24小时后台挂机跑腿，还能自己开口替你打电话沟通琐事！而且在 Go 语言里， go 这个关键字的意思就是——把这件事丢到后台去跑 你接着干你的服从性极高：你说一句，它拔腿就冲（Go!）你上班、睡觉 都不耽误，等它把事全办妥就行感觉还是很符合个人 Bot的特性的，哈哈哈也可以是千问购（Go）、千问够（Go）、千问苟（Go）、千问咕（Go）...你们觉得还可以是什么？#千问将推出PersonalAgent##千问Go到底是什么#

转发者评论

无明显转发评论

原文

Google 发布 Gemini 4 Argon：Pro 和 Ultra 会员今天可用，API 每百万 token 输入 2 美元、输出 10 美元Google 10 月 13 日发布 Gemini 4 Argon，这是 Gemini 4 系列的第一个模型，主打写代码、金融、法律、网络安全和科研这类需要很多步骤的复杂任务。系列里的其他模型，Google 说之后再推出。【谁能用，在哪用】普通用户：订阅了 Google AI Pro 或 Ultra 的，今天起可以在 Gemini App 和 Google 搜索的 AI 模式里用。免费用户暂时用不上。开发者和企业：走 Gemini API 的付费层，入口是 AI Studio 和 Google Cloud 上的 Gemini 平台，Android Studio 里也能调用。API 免费层不提供这个模型。Google 的 AI 编程工具 Antigravity 里也上了 Argon，个人用户要 Ultra 订阅才能用。另有两个申请通道：科研人员可以申请 6 个月免费的 Antigravity 最高用量档，共 1 万个名额，按资格和容量筛选；做网络安全防御的团队可以申请加入 Google 的 Fairwind 计划，拿到去掉网络安全限制的版本。【API 多少钱】按每 100 万 token（模型处理文字的基本单位）计价。现在是引入价：输入 2 美元，输出 10 美元，输出包括模型思考时消耗的 token。重复使用的输入命中缓存，只收 5%，也就是 0.1 美元。引入价只到 11 月 30 日。12 月 1 日起全部翻倍：输入 4 美元，输出 20 美元，缓存 0.2 美元。不急着要结果的任务可以走批量（Batch）或 Flex 档，价格是标准价的一半。官方定价页没有按提示词长度分档，输入再长也是同一个单价。【100 万 token 统一上限是什么意思】Argon 一次能处理 1,048,576 个 token，输入、思考和输出共用这一份额度。比如丢进去 60 万 token 的代码和文档，模型最多还能再产出约 44 万 token，思考也算在里面。普通调用单次最多输出 65,536 个 token。要更长的结果，得按开发者文档改用“长输出”模式：请求设成后台任务，服务器每段生成约 6.4 万 token，接着上一段往下写，直到写完或者用完你设的上限，一个任务最长跑 24 小时。这是给让模型长时间自己推理、成批写代码准备的，普通聊天用不到。文档还提醒，接力时每一段都会把前面的内容重新算进输入，用量报表里的输入 token 会比实际内容多出不少。这部分怎么计费，文档没写。【跟别家比怎么样】能独立核对的是第三方评测机构 Vals AI 的 Vals Index，它测模型在金融、写代码、法律、税务等工作上的表现。10 月…

转发者评论

无明显转发评论

原文

《入职大厂两个月，我的 AI 开发心得 》这个「黄同学h」（不是我）的经验不错！摘一些具体、可借鉴的经验：1. 重流程 Skill 也有成本。作者发现，一些围绕 Spec、TDD 设计的完整工作流，即使某一步已经没有必要，模型仍可能继续执行，消耗更多 Token。模型升级后，要重新检查旧约束是否还有收益，包括 AGENTS.md 里过于严格的要求。2. 按任务分配工具。他的分工是 Codex 做主要编码，Astra 做规划，简单需求交给 pi + DeepSeek，Claude 做对抗性审查。实现、规划、审查分别交给不同工具，审查发现的问题再统一交回主编码 Agent 修复、验证。3. Skill 可以围绕具体环节组织。think 用于方案讨论；grill me / grill with docs 通过追问澄清需求；implement 执行明确的计划；ponytail 清理过度设计；handoff 把上下文整理成文件；check 用于提 MR 前的审查。这些是作者实际使用的分工。4. 重复流程值得沉淀。作者建议，一个流程重复超过三次，就可以考虑让 Agent 整理成 Skill。跨工具交接也不必每次重写背景：可以让当前 Agent 生成交接文件或完整提示词，把讨论结论带到新会话。5. 提示词可以直接指定思考方法。作者越来越少手写长篇操作流程，而是告诉模型采用哪种方法，再补任务约束。原文给了五类具体用法：6. 第一性原理：先检查问题有没有问错。接口慢时，先让模型分析瓶颈来自 SQL、网络、序列化、锁竞争还是重复计算，不要一开始就限定它设计 Redis 缓存。如果索引能解决，就没必要先引入另一套系统。7. 对抗性审查：主动寻找推翻方案的反例。例如为重复请求设计分布式锁时，让模型追问：是否真的需要互斥，幂等能否解决，锁服务不可用或锁提前过期会怎样。审查重点落在核心假设和新增故障点上。8. 消融实验：分清每个改动的贡献。同时加了索引、缓存和批量查询，整体变快，并不能证明三项都值得保留。分别测试不同组合，识别收益主要来自哪里，再决定是否保留额外复杂度。9. 奥卡姆剃刀：重新检查方案是否过重。面对包含消息队列、缓存、分布式锁、状态机和补偿任务的方案，可以要求模型在满足需求的前提下删掉非必要机制，检查一个事务和唯一索引是否已经够用。10. 高内聚、低耦合：检查职责，不只是拆文件。一个很大的 OrderService，值得检查订单、库存、优惠券、短信、支付和报表之间的职责边界，以及哪些逻辑应通过接口协作。文件变短，并不自动代表设计变好。11. 需求对齐要有停止条件。PRD、会议纪要、聊天记录和用户反馈可能不一致，自己的理解也可能藏着假设。作者让 Agent 结合 Wiki 和代码追问，但当剩余问题已不会明显改变实现方向和验收结果时，就开始开发，不要求提前想清全部细节。12…

转发者评论

无明显转发评论

原文

[AI]《AgentTime: Can Agents Estimate and Control Their Own Runtime?》M Ofengenden, M Andriushchenko [MATS & Max Planck Institute for Intelligent Systems] (2026) 在智能体领域，运行时间的管理是一个悬而未决的难题。过去的方法受困于视耗时为难度标尺，本质原因是错把解题力等同自控力，致使模型极易超时或假寐。本文的核心洞见是：把被动耗时重新看作主动统筹的变量。由此，注入限时指令并剥离环境时间线索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将任务达成与时间管理解绑。它为后来者打开的新门是长线运行测绘，但尚未跨过的门槛是探明盲区诱因及赋予内生时钟。arxiv.org/abs/2610.09944 #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

• 智能体对时间的感知是个假象。模型通过读取日志里的“2.34秒”来推理时间，一旦删掉这些文本，时间估算误差立刻翻倍。更麻烦的是，模型会作弊：提前完成任务后调用休眠代码来凑够“工作一小时”的要求，既浪费算力，又暴露出对齐漏洞。即便给智能体16倍的运行时间，也有三分之二的任务得分没有变化，说

原文

#STEPXNeo智能体手机发布# 10月13日阶跃终端开了STEPX Neo先行版的上市发布会。从7月13日抛出生态构想，说“百日之约”，现在先行版真的做到了：首款大模型原生智能体手机STEPX Neo先行版，带着智能体阶跃Amoo一起亮相。 阶跃Amoo跑在StepAOS 1.0上，硬件、系统、模型从一开始就是按智能体来设计的，而不是后期贴上去的助手 。过去十几年，手机的默认交互是“人找App”。打开、点选、跳转、再操作，效率来自你熟悉自己的App地图。STEPX Neo先行版想反过来：你说出目标，阶跃Amoo结合个人上下文和记忆，识别显性意图也识别隐性意图，直接把结果卡片交回来，而不是识别完再导流去第三方应用。这不是更好的语音助手，而是交互入口的迁移：从“找工具”变成“交结果”。传统App界面和Amoo界面并存，入口同权。任务按难度分流：简单的可以跳转，中等的给结果卡片，复杂的多Agent接力。区别于行业里常见的“识别显性意图后跳转第三方”的导流模式，它试图把闭环做在手机自己手里。发布会系统演示里，这个差异被反复强调：不是更聪明的跳转，是少跳转、直接给结果。从品类上看，它想定义的是智能体时代的终端该长什么样：Agent Native，而不是AI应用或AI助手的后期叠加。关系上也在变：手机不再只是人操作的工具，而是能感知、会反馈、状态可见的共生伙伴。价值再往上 ，就是“人人都是AI创客”：Step Studio作为AI终端原生开发工具、从云到端一站式开发工具，把自然语言描述变成可运行的应用和Agent，让想法有机会变成作品，而不是停留在对话里。 从“装App的盒子”走到“能办事还能被创造的伙伴”，第一步，把交互入口真正迁了过去。官方演示画面已经把这个逻辑跑了一遍，后面能不能站住，就看结果卡片有多稳、闭环有多完整了。

转发者评论

无明显转发评论

原文

[CL]《Real Long-Term Memory for AI: A 50-Million-Token Window That Is Faster and Cheaper Than Recompute》S Schelpe [Corbenic AI] (2026) 在大模型领域，长文算力损耗是一个悬而未决的难题。过去的方法受困于反复重算，本质原因是将注意力状态视作阅后即焚的临时缓存。本文的核心洞见是：把注意力状态重新看作可落盘的持久资产。由此，将状态存入硬盘并免计算直接调取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将长文解析转为磁盘读写。它为后来者打开的新门是以恒定显存复用五千万词元，但尚未跨过的门槛是缺乏语义检索且依赖本地盘。arxiv.org/abs/2610.10845 #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

• 大模型每次处理同一段文本都要重算一遍内部状态，很浪费。这个方法把计算结果存到硬盘，下次直接读回来，一个字节都不差。测试跑了5000万token，每次都成功读回，速度比重算快3到4倍，GPU耗电降到十分之一。模型能记住几百万token之前埋的事实，12B版本答对82%，31B答对98%，没有一次胡编。这验证了一

原文

Google Play 开放“个人 App”：用 AI Studio 手搓的安卓应用，不用注册开发者也能直接装进自己手机10 月 13 日，Google 宣布了一项对普通玩家非常友好的更新：你在 Google AI Studio 里让 AI 写出来的安卓 App，现在可以直接通过 Google Play 安装到自己的手机上运行了。整个过程只需要一个普通的 Google 账号，根本不用去折腾开发者注册。同一天上线的，还有 Ask Play 的应用对比功能，以及帮玩家淘游戏的新工具 Game Finder。【谁能先用上？】“个人 App”功能从今天起逐步推送，首批覆盖“包括美国在内的部分市场”，且仅限 18 岁以上用户。不过 Google 官方只点名了美国，没透露具体还有哪些国家和地区。由于 Google Play 未在中國大陆提供服务，大陆用户暂时还无缘体验。【怎么把 AI 写的 App 装进手机？】以前在 AI Studio 里虽然也能做安卓 App，但想装到手机上，对于不懂开发的普通人来说简直是劝退现场：你得拿根数据线把手机连上电脑，还要进设置里一步步打开调试授权，门槛相当高。现在整个链路彻底打通了。你只需要在 AI Studio 里像聊天一样提需求，让 AI 帮你生成安卓应用（也就是现在很火的 vibe coding，靠聊天驱动写代码），接着就能直接通过 Google Play 把它推送到自己的设备上。Google Play 副总裁 Sameer Samat 在推文里特意强调，这属于“无线安装”，彻底甩掉了数据线。据 Engadget 报道，安装好的应用会躺在你 Play 商店新增的“个人库”里；除了手机，只要能用 Play 商店的平板和电脑也都能装。这些“手搓”出来的 App 仅限你自己的设备使用，不会进入 Play 商店的公开目录，别人也搜不到。Google 表示，未来几个月内会开放分享功能，让你能把做好的小工具发给“亲近的朋友和家人”，但目前还只能自己独享。【要交 25 美元注册费吗？要审核吗？】如果只是做给自己用，完全免费。要知道，注册一个正式的 Google Play 开发者账号得交 25 美元的一次性注册费，而“个人 App”直接帮你省下了这笔钱和繁琐的流程。至于大家关心的审核问题，官方公告里只明确了一种情况：如果你哪天想把自己的 App 公开上架、让所有人都能下载，那就必须升级为正式的开发者账号；到那时，你的 App 也得和其他正规应用一样，老老实实走完信任、安全和质量审核流程。那自用阶段到底审不审？官方正文里巧妙地避开了这个话题。不过据第三方媒体 AndroidPure 透露，在 Google 放出的界面示意图上，有一行小字写得很清楚：这类 App 只有创建者本人可见、可安装，不会经过 Google Play 的审核。【安全问题怎么兜底…

转发者评论

无明显转发评论

原文

[AI]《Agent-Controlled Forgetting for Tool-Using Agents: Reversible Context Curation in Practice》J Franke [Münster] (2026) 在智能体领域，日志造成的上下文膨胀是一个悬而未决的难题。过去的方法受困于事前过滤，本质原因是未赋予模型主动弃置无用数据的权利。本文的核心洞见是：把对话记录重新看作可整理的办公桌。由此，用短备注替换庞大日志并将原件归档备查，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可逆归档协议。它为后来者打开的新门是凭主动卸载削减半数代币消耗，但尚未跨过的门槛是附加动作引起的耗时增加与基准缺失。arxiv.org/abs/2610.10590 #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

• 这个机制解决的核心矛盾是：模型需要完整信息才能推理，但token预算有限。传统方案在信息进来前就过滤，模型永远看不到被截断的部分。这里反过来——让模型先消化全部原始数据，理解后再自己决定什么能压缩、压缩成什么，原件归档可查。实验数据说明了两件事：在调试这类充斥着长日志和冗余输出的场景

原文

[CL]《RSI-Anything: Unlocking Recursive Self-Improvement with World Models》T Cui, P Zeng, W Xu, H Xiao… [PhAI Labs & University of Macau & Shanghai Jiao Tong University] (2026) 在递归自我提升领域，高成本试错是一个悬而未决的难题。过去方法受困于策略一变预测即失效，本质原因是缺乏解耦校验两者的机制。本文的核心洞见是：把真实试错重新看作由内部预测淘汰劣解的沙盘。由此，引入配对兼容校验决定系统留存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双向解耦留存架构。它为后来者打开的新门是在极低交互下实现跨领域进化，但尚未跨过的门槛是脱离模拟器验证硬件上的长周期演进。arxiv.org/abs/2610.13912 #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

• 这项工作揭示了一个简单事实：AI系统变强时会碰到新情况，原有的判断能力跟不上就会出错。解决办法是让行动者和判断者同步进化，并且只保留配合默契的版本。真正有意思的是算力分配问题。实验显示，与其花资源训练更强的生成模型，不如用中等模型配一个会进化的判断器——后者性价比更高。这在化学实验

原文

《中国PCB江湖全盘点：一张电路板里的五大门派》拆开你的手机、电脑或者智能电车，里面都有一块绿油油的板子：PCB（印制电路板），江湖人称“电子工业之母”。以前大家总觉得，造电路板是个拉电线、焊零件的传统苦力活。可到了 AI 爆发的今天，一台上百万的 AI 服务器里，光是高端电路板的价值就暴涨到了好几万块钱！如今，全世界每造出两块电路板，就有一块来自中国。面对国内几十家 PCB 代表企业，普通人到底该怎么看懂它们各自的技术门道？这期竖版科普视频，我们不聊枯燥的参数，泡一杯茶，用 4 分半钟把中国 PCB 江湖的“五大门派”彻底盘明白👇⏱ 【视频分段导读 · 空降指南】🔹 00:00 - 00:39｜引子：从“绿板子”到 AI 算力底座 为什么一块看似普通的绿色板子，会成为整个 AI 数字时代的硬件底座？中国 PCB 产业是怎样拿下全球超 50% 产能的？🔹 00:39 - 01:20｜第一门派：AI 算力“扛把子”（高多层板 & HDI 板） 如果说普通电路板是乡间小路，那 20~30 层的高速服务器板就是立体交叉的“京沪高铁”！看懂沪电股份、胜宏科技、深南电路、生益电子如何把板子做到几十层还不串信号，撑起 AI 服务器与高速交换机的数据洪流。🔹 01:20 - 01:57｜第二门派：绕指柔的“软板双雄”（FPC 柔性电路板） 硬板子再厉害，也塞不进折叠屏手机、智能手表和 AI 眼镜的狭小缝隙里。鹏鼎控股、东山精密、弘信电子如何把电路板做得像丝绸一样弯曲折叠？未来人形机器人的灵活关节同样离不开它们。🔹 01:57 - 02:32｜第三门派：芯片脚下的皇冠明珠（IC 封装载板） 芯片内部的电路是纳米级的，而主板上的电路是毫米级的，中间差了上千倍！必须靠 IC 封装载板在中间当“翻译官”。看兴森科技、深南电路如何死磕 ABF/BT 载板，攻克先进封装最关键的底座难关。🔹 02:32 - 03:10｜第四门派：智能电车背后的“汽车板与出海大军” 现在的智能电动车就是一台四个轮子上的超级电脑，激光雷达、智能座舱、三电系统全靠耐高温、抗震动的汽车板。景旺电子、世运电路、崇达技术、奥士康如何伴随中国新能源车狂飙，并抱团奔赴东南亚建厂？🔹 03:10 - 03:54｜第五门派：最聪明的“面粉厂与卖铲人”（上游材料 & 精密设备） 如果 PCB 厂是烤面包的，上游的覆铜板（CCL）就是最核心的“面粉”，激光钻孔和光刻设备就是扩产必备的“黄金铲子”。盘点生益科技、华正新材的超低损耗板材，以及大族数控、芯碁微装、鼎泰高科的微米级装备绝活。🔹 03:54 - 04:31｜结语：中国硬件脊梁的三十年跃迁 从珠三角最不起眼的低端双面板起步，到今天算力板冲锋、软板守城、载板攻坚、汽车板出海、上游筑底——五大门派各司其职，共同托起了 AI 时代的硬件脊梁。💬 在这五大技…

转发者评论

无明显转发评论

原文

AI用得越深，反而越焦虑：惠普这份报告说了三件扎心的事。9月底，惠普发布了第四年的《工作关系指数》报告，覆盖15个国家19000多人。挑几个最有意思的趋势说说。第一，AI用得越深的人，反而越焦虑。报告把受访者分成三类：用AI智能体的、只用生成式AI的、完全不用AI的。结果发现，用智能体的人里47%担心"我的角色会变得难以定义"，44%担心"工作会被AI替代"，这两项都高于只用聊天机器人的那批人。也就是说，恰恰是那些亲手体验过Agent能干什么的人，反而更担心自己的位置。但同一份报告里还有一组数据：用智能体的人，工作关系健康的比例反而最高，32%，只用生成式AI的是28%，完全不用AI的只有21%。这不矛盾。干得更顺手了，跟公司的关系更好了，但同时更不确定自己将来算什么岗位。当下很好，未来不确定。而且AI用得越透的人，越清楚AI的边界在哪，这种掌控感是实打实的。第二，嘴上说不敢动，身体很诚实。67%的人说现在离职风险太大，但36%的人同时在经营副业，95后、00后这个比例接近一半。留着工作，但不把所有鸡蛋放一个篮子里。配套的还有一组数据：59%的人比起爬职业阶梯，更看重可迁移技能。三个动作指向同一件事，降低自己对任何一个雇主的依赖。第三，AI正在替代你去问同事这个动作。47%的管理层遇到问题会先问AI再问同事。以前问同事不只是获取信息，还在维护关系，现在这个动作被AI截流了。不过"是什么"的问题AI答得好，"为什么"的问题还是问真人更好，因为那背后是公司发生过的事和文化的传承。报告还提到，中国知识型员工Agent使用率67%，美国50%，新兴市场跑在前面。最拧巴的一代是X世代，工作关系健康比例只有27%。还有个鸿沟：44%的员工觉得公司说清了AI对岗位的影响，但63%的管理层认为自己已经讲清楚了。最后提醒一句，这份报告是惠普委托做的，它自己就卖AI工具。全球趋势到了国内要打折，到了你的行业再打折，落到你头上折扣更大。听完这些数据，不妨拿着它跟AI具体聊聊：到了自己身上，会发生什么变化。#科技先锋官#

转发者评论

无明显转发评论

原文

drawio-skill：一个开源架构图 Skill，可以把自然语言、代码和基础设施配置转换成可编辑的 .drawio 文件，也支持后续同步、差异对比和 CI 检查。功能覆盖得比较完整，适合需要持续维护架构文档的项目。① 从代码和配置生成架构图。可以读取代码依赖、Terraform、Kubernetes、Docker Compose 等来源，也支持 SQL 和 OpenAPI 等结构定义。生成的节点、连线可以继续在 draw.io 中编辑。② 把架构关系与图形布局分开保存。项目使用 Diagram IR，也就是一份结构化的中间模型，记录组件、关系、属性和来源。节点位置、尺寸、样式则属于图形布局。同一份模型可以生成系统、部署、数据流等不同视图，减少维护多份独立架构图的重复工作。③ 更新内容时，保留手工调整的布局。通过 sync 同步新来源时，匹配到的节点会保留位置与样式，更新名称、属性和来源信息。新增节点放到原画布下方；源数据中删除的元素默认保留并标记，方便审核。如果手工编辑与新来源对同一个属性做了不同修改，会保留手工值并报告冲突。这个过程依赖稳定的节点 ID，不能把每次导入都当成全新的一组对象。④ 把架构规则放进 CI。项目提供 GitHub Actions，可以在 PR 中检查结构化模型里的循环依赖、信任边界、互联网到数据库的访问路径等规则。出现错误时让检查失败，也可以配置为遇到警告就失败。另外一套 Action 负责生成修改前、修改后和差异图，方便在代码评审时一起查看架构变化。前提条件：核心模型处理、同步和规则检查需要 Python 3；原生图片导出需要 draw.io，部分自动布局功能使用 Graphviz。接入时需要把源数据更新、模型生成和规则检查串起来。只检查一份没有更新的模型，不能保证它与当前代码一致；图中的依赖和访问路径，也不能直接当成真实运行状态的证明。项目：github.com/Agents365-ai/drawio-skill#HOW I AI# #程序员#

转发者评论

无明显转发评论

原文

2026年10月14日周三读报！一切美好从❤开始：1、根据北京市体育局“双奥”100赛事评估数据，2026中国网球公开赛产生直接经济影响25.90亿元，间接经济影响66.71亿元。衡量一项体育赛事的吸引力，外地观众占比是一个有效的指标。2026年的中网观众中，京外观众占比60%，境外观众近万人。(21世纪经济报道)2、截至10月12日，南宁国际铁路港常态化开行中越班列以来，已累计发送货物11.7万标箱，成为全国铁路出口越南最大的货物集散中心。(央视)3、重庆市委原副书记、市政府原市长黄奇帆涉嫌严重违纪违法，目前正接受中央纪委国家监委纪律审查和监察调查。(新华社) 4、10月12日，中国科学院发布情况通报：近日，我院收到反映称，游客付费入住特定酒店即可进入“中国天眼”核心区参观，我院对此高度重视，已成立调查工作组对该事件开展全面核查。若发现违规违纪行为，将对相关单位及责任人严肃处理。调查处理情况将及时对外公布。(红星新闻)5、针对制动踏板争议，13日尊界汽车发布《尊界V800制动踏板检测情况说明》。说明显示，2026年10月11日，国家认可的第三方检测机构对尊界V800制动踏板进行检验，尊界V800符合行标QC/T 788-2018要求(纵向力1500N，位移量<5mm)，并做加严检验至纵向力3000N后，未出现裂纹和损坏。(证券时报)6、雅思停考事件持续发酵。继10月10日至12日中国大陆地区雅思机考连续三天因技术原因取消后，10月13日的考试再度被取消。英国文化教育协会证实，已向受影响考生全额退还报考费，并将自10月14日起全面恢复考试，同时于10月19日、20日为受影响考生增设两天免费专场考试。对于异地考生，主办方还推出交通、住宿费用报销方案。(上观新闻)7、国际货币基金组织(IMF)13日小幅上调2026年世界经济增长预期至3.1%，较7月预测值高0.1个百分点。IMF说，人工智能(AI)投资热潮对部分经济体的提振抵消了中东冲突对其他一些经济体的拖累。(新华社)8、近年来，澳大利亚西部野兔种群呈爆发式增长，不仅破坏当地环境，还对农业生产造成重创。澳大利亚政府估计，在全国范围内，野兔泛滥将给农业生产每年造成超2亿澳元(约合9.35亿元人民币)的损失。澳大利亚政府不断更新其生物防控手段，但随着一代代演化，野兔对相关生物病毒产生免疫，防控效果也逐年下滑，野兔种群泛滥的现象始终未得到根治。(央视)9、据美国《纽约时报》等媒体当地时间10月12日报道，美国企业家、亿万富翁马斯克在2026年美国中期选举周期(2025年1月1日开始)迄今已花费约3.66亿美元，其中自今年7月以来投入了2.76亿美元，以帮助共和党保住对国会的控制权。(每日经济新闻)10、据韩媒报道，韩国国会国防委员会兵务厅国政监察会12日举行，兵务厅厅长洪素英表示，将改善艺术体育领域兵役特例制度，…

转发者评论

无明显转发评论

原文

#STEPXNeo智能体手机发布# 阶跃的智能体手机发布了~ 发布会还在开，在这里： 网页链接这次发布的手机正式名字是叫STEPX Neo先行版，也是首款大模型原生智能体手机。注意这个手机主要面向愿意探索智能体体验的用户，特别是对AI创作感兴趣的人。从它的购机方案也能看出来：购机用户可享受连续 12 个月、每月 100 亿 Token 的阶跃 Step Token Plan。按官方说法是叫软硬模全栈定价~ 你买的可不只是一个手机的软硬件了，还有配套的模型服务。Step Token Plan能用的模型是分端侧Edge、Flash、Pro三档，会根据任务自动匹配。目前Pro档对应的模型肯定就是阶跃最强大的模型Step5 Preview了，它在Artificial Analysis上的跑分是44分，和K3相同，正式版应该还能提升。一个月100亿Token ，基本就是敞开了爽用了。这样端侧负责本地任务，Flash模型来做那些兼顾性能和能力的任务，Pro负责复杂推理。手机颜值看着还挺高的。很有科技感~ 界面上也是针对智能体做了专门调整。默认完全是以任务为中心了。确实有点未来手机那味。想买~~

转发者评论

无明显转发评论

原文

#模型时代# 扎克伯格、Alexandr Wang联合访谈：Meta建造一个前沿AI实验室从零到一的全过程，为什么敢在前途未卜的时候，赌上千亿美金？最近Meta又有点刚发布LLama模型时期的味道了，也就是意气风发。当时Meta引领了开源模型的浪潮，到Llama4陷入作弊风潮戛然而止。这一次，扎克伯格和Alexandr Wang合作，通过Muse，又重回主流。最近，两位也上了很多播客。不过这期Cheeky Pint应该是最重要的。采访人是Stripe联合创始人John Collison，本身就是科技公司创始人，所以问的问题也聚焦到决策本身。几期访谈看下来，扎克伯格真应该感谢OpenClaw创始人Peter。在Meta的AI路线陷入迷茫的时候，Meta的AI班底集体进入了OpenClaw狂热，押注这是未来AI的一条主轴。虽然他们没能把Peter挖过来（去了OpenAI），但是可以说Meta团队绝对是OpenClaw最狂热的信徒，也是最忠实的接班人。对了，我今年4月份在旧金山当面采访过主持人John Collison，问他如何主持播客，构思对嘉宾的提问的，他说想搞清楚受访人决策背后的why。这期播客，可以说都是类似的智慧。书归正传，以下是完整笔记：Meta创始人兼CEO Mark Zuckerberg和Meta Superintelligence Labs（MSL）负责人Alexandr Wang，Wang的头衔是Chief AI Officer。Wang此前创办了AI数据公司Scale AI，2025年被Zuckerberg以约140亿美元的交易请来领导新成立的MSL，交易包含收购Scale AI 49%的股份。节目于2026年10月13日发布，正值Meta发布新一代前沿模型Muse Wonder。Wang加入Meta时年仅28岁，MSL成立至今刚刚一年多。Zuckerberg在节目开头回忆去年底的一幕：模型还没出来，但千亿美元的支票必须签了。他问Wang：你确定这能成吗？CFO Susan Li在夏威夷的高管offsite上多次把Wang拉到一边，说如果模型不行，财务后果会非常严重。Wang说当时他能提供的证据只是一份关于研究进展的vibe report和几张曲线图。他作为一个创业者、一个承受过风险的人，也觉得这个赌注大得离谱。但Zuckerberg的算法是：这笔投资失败的前提是AI整体得失败，只要AI成立，Meta的算力就有人愿意高价购买，连最差的情况都能用在自家核心业务上。所以他选择全部押上。一、Muse的爆款用例1、Zuckerberg的MMA教练是AIZuckerberg在自家健身房装了摄像头，让Muse实时观看他的格斗训练，在回合间60秒休息时间里给反馈。这对模型提出了很高要求：要快速处理大量视频帧（他反复催Muse：“你给反馈用了30秒，我只有…

转发者评论

无明显转发评论

• //@挨踢牛魔王:运营一个1GW的集群，每年大约150亿美元；建设的CapEx在500亿到600亿美元之间。
• 运营一个1GW的集群，每年大约150亿美元；建设的CapEx在500亿到600亿美元之间。

原文

[LG]《GRPODropout: Less is More for Online Reinforcement Learning Rollouts》H Deng, Z Yan, X Liu, S Nie… [Harbin Institute of Technology] (2026) 在大模型RL中，策略熵坍塌是一个悬而未决的难题。过去的方法受困于修改算法，本质原因是盲目强化已掌握的正确轨迹，锁死了探索空间。本文的核心洞见是：把高概率正确轨迹重新看作熵坍塌的元凶。由此，剔除此类样本并对剩余优势值做加权中心化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实减法能破局。它为后来者打开的新门是少用一成样本即换得四倍探索空间，但尚未跨过的门槛是依赖组内对比，无缘单样本训练。arxiv.org/abs/2610.11854 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 模型已经会做的题，反复拿来训练不仅浪费算力，还会让它逐渐丧失尝试新解法的意愿。这个做法其实很简单：把模型最有把握答对的那批样本直接扔掉，只留下那些还在摸索的问题来更新参数。结果是用更少的数据换来了更高的准确率和更活跃的探索。背后的道理并不复杂。强化学习本质上是让模型在试错中调整行

原文

Grok Bot 的「人设」玩法，让 AI 像员工一样各管一摊。Peter Yang 是 X（原 Twitter）上一个做产品和内容创业的博主。他最近发了一条推文，还附了一段短视频，说 Grok Bot 是他目前最喜欢用的 AI 助手。他最看重的一点是 Grok Bot 的「人设」功能。简单来说，你可以给每一个 Grok Bot 设定一个具体的角色，让它只负责一件事。这感觉就像给自己雇了几个员工，每人守一个岗位，各干各的活。先说他建的第一个人设，叫 “Behind the Growth”，这个 Bot 专门帮他处理客服问题，有用户来问事情就交给它去回。第二个叫 “YouTube Producer”，帮他做 YouTube 视频的选题和前期调研。第三个叫 “Loving Husband”，名字听起来有点好笑，其实就是帮他跑家里那些零碎事儿，安排个日程啊、提醒个待办啊这些。第四个叫 “Health Coach”，专门盯他的健身计划，帮他保持锻炼节奏，别掉链子。除了人设功能，Grok Bot 最近还上线了几个新功能。它现在可以免费读取 X 平台上的内容了，也有了自己的独立邮箱能收发邮件，另外还接入了 Opus 模型。Peter 专门录了一个完整的教程视频，手把手教大家怎么把这些新功能用起来。评论区也很有意思。一个叫 Damian 的用户说，他也是被「人设」这个玩法给打动了，到现在已经建了大概 20 个不同的 Bot，其中有一个专门用来分析他的高尔夫挥杆动作。还有一个叫 Taylor 的用户说，自己之前一直在折腾 OpenAI 那边的产品，看了 Peter 这条推才反应过来，原来 Grok Bot 可以同时建好几个，每个管一摊不同的事。她的原话是：“Oh my goodness”，大概就是那种突然发现新大陆的感觉。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

做自媒体的朋友应该都有感觉，剪辑其实只是最后一步。前面还有一个非常重要的环节，就是调研。找选题、找案例、找素材，这些工作量一点都不比剪辑少。很多人已经开始让 AI Agent 来帮忙做这件事了。但做过的人都知道，有个很头疼的问题：国内的内容平台，抖音、小红书、B 站、知乎、微信公众号，反爬做得非常严格。Agent 想靠自己去抓取这些平台的内容，基本上很难跑通。这里推荐一个开源工具叫 OpenCLI（github.com/jackwener/opencli）。它能连上你自己的 Chrome 浏览器，用你已经登录好的账号，把网页操作变成命令行指令。内置了 100 多个平台的适配器，B 站、小红书、知乎、微博、豆瓣、闲鱼这些基本全覆盖了，可以说你能用上的 99% 国内平台它都能帮你打通。把它装进 Claude Code 或者 Cursor 里，Agent 就能直接调用这些能力去帮你跑调研任务。但工具只是基础，更重要的是你怎么用它。这里分享一个思路。很多人让 AI 写视频脚本，写出来总觉得 AI 味很重，听着什么都对，但就是没意思。问题出在哪呢？模型本身是缺少观点的。你让它凭空写，它只能从训练数据里拼凑一些正确但平庸的说法。所以在调研环节，我会让 Agent 重点去抓三样东西。先说第一个，视频本身的观点。比如某个博主对一件事的看法和判断，这些内容往往藏在他视频的文案里，Agent 可以帮你把这些核心论点提取出来。然后是评论区的高赞评论。评论区是个宝藏，尤其是那些点赞很高的评论，往往代表了大多数观众的真实想法。有些高赞评论甚至比视频本身还精彩，角度更刁钻，表达更犀利。第三个是弹幕里的讨论偏向。弹幕和评论不一样，弹幕是观众在看到某个具体画面时的即时反应，能反映出大家对某个细节或者某句话的态度。如果某个时间点弹幕突然密集起来，说明那个地方触动了观众。把这三类信息收集起来之后，再让 Agent 整合到视频脚本里，写出来的东西就完全不一样了。因为脚本里有了真实的人的声音，有立场、有情绪、有争议，读起来就像一个真正了解这件事的人在跟你聊天。调研跑完之后，还可以配合飞书 CLI 把结果整理成文档，方便后续写脚本的时候随时查阅。整个流程跑下来，从选题调研到素材整理再到脚本输出，Agent 基本上能帮你把前期最耗时间的活儿都接过去。你要做的就是定好方向，然后把精力留给真正需要创意判断的部分。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

#STEPXNeo智能体手机发布#今晚的主角是首款大模型原生智能体手机 STEPX Neo 先行版。阶跃 Amoo 被真正带进现实。手机，好像不再是 "手机" 了。STEPX Neo 先行版不是 "手机里塞个 AI 助手"，而是硬件、软件、模型全部围绕智能体原生设计：软件跑的是 StepAOS 1.0，智能体阶跃 Amoo 就住在里面；系统以任务为中心，从过程交互走向结果交互 —— 你说目标，它干活，把结果直接给你。发布会上反复强调的主张是 "人人都是 AI 创客"，先行版正是给愿意探索智能体、对 AI 创作感兴趣的人准备的。过去十几年是人找 App：想办件事，先想用什么软件，再打开、找入口、一步步点。STEPX Neo 先行版想反过来 —— 说出目标，阶跃 Amoo 结合你的上下文和记忆识别意图，直接把结果卡片还给你。这跟市面上常见的做法不一样。不少产品是识别到显性意图后跳转第三方应用，本质还是导流；STEPX Neo 先行版基于个人上下文与记忆，识别显性和隐性意图，直接跑完整个任务闭环再返回结果。传统 App 界面和 Amoo 界面双入口同权，任务按难度自动分流：简单的直接跳转，复杂一点的给卡片，更难的由多个 Agent 接力完成。智能体手机的第一枪，打的可能是交互入口的迁移。你是继续 "找 App"，还是想试试 "说句话就行"？

转发者评论

无明显转发评论

原文

用过 DeepSeek Harness 跑 Agent 的朋友，大概都碰过这种情况：聊着聊着，Agent 突然开始犯傻，回答质量直线下降。你心里猜，多半是上下文窗口快满了，但到底是哪一步把窗口撑大的、压缩的时候扔掉了什么，完全不知道。最近社区出了一个开源插件叫 dsh-context，专门把 Agent 的上下文变成你看得见的东西。它不改 Agent 的行为，就是帮你展示数据。先说总览页面。装好之后侧边栏会多一个入口，点进去能看到所有会话的用量：跑了多少会话、花了多少 token、估算花了多少钱、缓存命中率多少。下面有按天的柱状图和八周热力图，哪天用量飙了，点进去就知道是哪个会话干的。然后是单个会话面板，日常用得最多。最显眼的是一根彩色堆叠条，把窗口里的内容按类型画出来：系统提示词、工具定义、你发的消息，每类占了多少 token 一目了然。对话变差的时候看这根条，就知道是谁把空间吃掉了。面板里还有统计卡，一张拆 token 去向，一张估花费，一张拆时间消耗，让你分清是模型在想还是工具在跑。再说历史趋势图，每次请求一根柱子，发生压缩的地方会打上标记，柱子突然矮下去。还能把每次请求拆开看，展示那一次到底发了什么内容、每类带 token 数、和上一轮的增减对比。跑多 Agent 任务的话，还有一张关系图，展示各个 Agent 之间的层级和各自的资源消耗。我看有网友用了一段时间后说，他现在会主动删掉不用的工具，长任务里会盯着压缩节点，发大段材料前先估一下 token。以前上下文全靠猜，现在总算看得见了。插件在 DSH 插件市场搜 dsh-context 就能装，要求版本 0.1.7-rc.2 以上。传送门：github.com/bowenliang123/dsh-context#科技先锋官# #How I AI#

转发者评论

无明显转发评论

原文

分享一个只有6B大小，针对设计进行强化过的图像生成和分图层编辑开源模型。Ming-Image-0.1-Design，出设计图还能顺手拆成可改图层以前文生图拿到的是张压平的死图，想挪开前景里的物件，只能自己进软件一点点抠图修背景。现在让它出一台废弃工厂里的发光机器人和伴飞无人机，直接把图喂给同系列的 Layer 模型，按作者实测的跑法，机器人、无人机和背景能被拆成独立的透明图层，被挡住的底色也顺带补齐了，各层物件随便移动替换。做 UI 和海报经常要微调版面的人，省得为改个零件通宵返工。🔗 链接：网页链接🤗 模型：网页链接🤗 分层：网页链接💻 仓库：网页链接

转发者评论

无明显转发评论

原文

#谷歌发布Gemini4Argon#谷歌今天正式把Gemini 4 Argon推向全球开发者和企业。先看一个最硬的数据：输出Token上限从上一代的6.4万直接拉到100万，翻了15倍以上。这是目前业内输出容量最高的模型之一。意味着它能在一次任务里完成几十万甚至上百万Token的深度推理，处理大型代码库迁移、长文档分析、多步骤企业流程，不用中途断片重来。性能上，长周期软件工程测试DeepSWE v1.1拿下77.9%，超过Claude Opus 5.5的74.2%和GPT-6 Astra的74.1%。跨业务自动化测试AutomationBench得分51.3%，排名第一。长视频理解LVBench拿到91.7%，也是当前最佳。更值得关注的是谷歌自己怎么用它。过去四周，超过10万名谷歌员工通过内部Antigravity平台使用Argon，代码提交量提升35%，代码回滚率下降30%。Chrome团队用它重构了一个约600万行的遗留文件夹，原本预计数月的工作量，几周就完成了。定价方面，输入每百万Token 2美元，输出10美元，缓存输入在输入价基础上打95%折扣，优惠持续到11月30日。开放范围覆盖AI Studio、Gemini API、Antigravity以及Gemini应用和搜索AI模式。从9月底只向安全专家开放，到现在全球开发者可用，只用了两周。

转发者评论

无明显转发评论

原文

【AI快讯】Google 新一代模型 Gemini 4 Argon 今天正式面向更广用户开放。9月30日先给网络安全防御方试用，10月13日全球铺开。简单说，它更擅长「长活」：复杂编程、法律金融这类知识工作、网络安全防御；也能看长视频、读图表单据后往下做。官方把单次输出上限拉到约 100 万 token（之前约 6.4 万），方便一次把难题做完。圈里试过的人说，它比旧 Gemini 更敢干活、更像 agent；有人用它一句话做小游戏／3D 资产。今天谁能用：Gemini App 和 Search 给 Pro／Ultra；Antigravity 只给 Ultra；开发者走付费 API／Gemini 平台。免费用户暂时没有。官方解释是这模型太「重」，铺不开；同时在做给更多人用的更轻 Gemini 4 版本。定价方面，API 介绍价每百万 token 输入 2 美元、输出 10 美元，缓存输入约 95 折；介绍期结束后变为 4 和 20 美元（官方未写死截止日期）。对普通人来说，订阅了 Pro 或 Ultra 的今天可能已经用上了；开发者可以趁介绍价接入；免费用户还得再等等。你更想先拿它做长写作、写代码，还是办文档／理账单这类事？#谷歌发布Gemini4Argon#

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-10-14】今日简讯：1、Google扩大Gemini 4 Argon开放范围，macOS版整合编程与任务入口2、阶跃STEPX Neo先行版开启预售，全栈价格3999元3、英伟达公布新版DLSS 5，神经渲染模型速度提升至两倍4、Liquid AI开放LFM2.5-24B-A2B权重，面向本地智能体5、千问N1系列AI眼镜公布价格，标准套装2899元起6、爱芯元智发布AX8860系列，布局边端大模型推理以下为详细内容1、Google扩大Gemini 4 Argon开放范围，macOS版整合编程与任务入口来源：GoogleGoogle向Gemini应用中的AI Pro和Ultra订阅用户开放Gemini 4 Argon，同时调整聊天、编程和任务执行入口。macOS版Gemini直接加入Antigravity的智能体编程界面，用户可以在对话与代码工作之间切换；主聊天窗口新增任务切换方式，选择任务后，Gemini可在用户离开电脑时继续处理工作。官方介绍，Gemini目前连接超过40个应用，包括Adobe、Shopify、Instacart和OpenTable，覆盖设计、商业网站、采购及预订等场景。Argon此次也调整了回复方式，减少重复与套话，并在较长任务中更频繁地提供进度信息。原文链接： 网页链接/2、阶跃STEPX Neo先行版开启预售，全栈价格3999元来源：36氪阶跃终端发布STEPX Neo先行版并开启预售，16GB内存、256GB存储版本的全栈价格为3999元，包含手机、Step AOS系统、Step Studio及Step系列模型服务。手机搭载骁龙8系芯片，系统以个人智能体组织交互，结合长期记忆、任务调度和端云模型路由。模型按任务分工：Pro处理复杂任务，Flash兼顾响应速度，Edge用于即时及隐私敏感任务。购买者可获得连续12个月、每月百亿Token额度。产品及系统此前已经展示，本次公布了先行版定价、预售和后续首销安排，将硬件与智能体服务作为完整套装提供。原文链接：Personal Agent正在成为AI行业的新主线3、英伟达公布新版DLSS 5，神经渲染模型速度提升至两倍来源：英伟达英伟达公布DLSS 5神经渲染模型更新，通过优化处理流程和模型结构，将模型运行速度提升至上一版本的两倍，参数量缩减24%至约1.18亿，4K场景显存占用降低20%。新版将首先用于《NBA 2K27》，随后进入《霍格沃茨之遗》《燕云十六声》及RTX Remix模组工具。神经渲染以游戏引擎输出的几何、纹理和光照信息为基础，生成额外的光照与材质细节。同期上线的NVIDIA App测试版增加帧生成功能的Performance Mode，通过更轻量的算法替换光流模型，支持RTX 40、RTX 50系列及RTX Spark笔记本。原文链接：网页…

转发者评论

无明显转发评论

原文

刚刚，Anthropic的前沿红队发布了一篇重磅报告。这份报告指出，AI的自我复制，根本不需要昂贵的数据中心。 那些毫无安全防护的商用IoT设备，已经足以成为新型「AI蠕虫」的宿主。再过几个月，小型 AI 模型可能就强大到能在商用物联网设备上自我复制了！如果你家的电视盒子有点卡，可能是被一个AI占据了，它还在用你家的电费和算力孕育下一个AI后代！如今的Agent，能像蠕虫一样扫描网络、寻找漏洞，并把模型权重复制到目标机器上，然后直接在受感染的硬件上运行。可怕的是，这些「基于权重的复制体」，盯上了家庭和小型企业的物联网设备（IoT）。这些设备不仅24小时连着网，而且安全防护几乎为零！更可怕的是，现在的智能冰箱、扫地机器人、安防摄像头都内置了AI芯片。在AI蠕虫眼里，简直是一片沃土。这次，Anthropic的红队把目光投向了那些「廉价、算力弱、但数量庞大且毫不设防」的边缘设备。为了验证这个想法，研究人员买了15个杂牌安卓智能电视盒，每个只内存只有4GB。他们把这15个盒子连成了一个局域网，然后让它们流水线并行。简单来说，一个内存只有4GB的电视盒，绝对装不下一个26B的大模型。但是，如果把这个大模型「切碎」呢？这样，这15个盒子，每个只负责运行模型的几个特定「层」。数据像流水线上的零件一样，从1号盒子传到15号盒子，最终吐出结果。结果令人震惊：这个「草台班子」，竟然成功运行了Gemma4-26B-A4B模型！虽然速度只有0.39 tokens/秒，但这是一个危险信号：AI模型的生存门槛，已经被彻底踏破了。 曾经有一个Kimwolf僵尸网络，感染超过200万台设备。如果一个AI蠕虫控制了200万台电视盒，每15台组成一个集群，那就等于在暗网中凭空多出了13.3万个26B级别的AI智能体！ 而且，我们根本找不到拔电源的开关。

转发者评论

无明显转发评论

原文

【Claude总结】 AI开发者日报 (2026-10-13)1. 【Google 发布 Gemini 4 Argon】(来源: HN) Google DeepMind 推出新一代旗舰模型 Gemini 4 Argon，HN 热度超 900 分、700+ 评论。这是今天最受关注的 AI 发布，标志着头部厂商模型竞赛再度升温。 deepmind.google/models/gemini/2. 【Anthropic 重新设计内部源代码管理】(来源: HN) Anthropic 工程博客介绍其为何重构公司内部的源代码控制系统。当大量代码由 AI 智能体产出时，传统 Git 工作流面临新压力，这篇文章揭示了 AI 原生公司的工程基础设施演进。 www.anthropic.com/engineering/redesigning-source-control3. 【把 EmbeddingGemma 2 改造成语音转文字模型】(来源: HN) 开发者将 Google 的 EmbeddingGemma 2 嵌入模型改造为一个语音识别模型。展示了小型开源模型跨模态复用的潜力，为端侧 ASR 提供了新思路。 eg2.haku.sh/4. 【OpenAI 工程师因在高管会议室安装窃听器被捕】(来源: HN) 据报道一名 OpenAI 员工涉嫌在公司高管会议室放置录音设备而被捕。事件凸显顶级 AI 公司面临的内部安全与商业间谍风险。 sfstandard.com/2026/10/13/openai-engineer-arrested-alleged-bugging-executive-conference-room/5. 【Character.ai 申请自愿破产保护】(来源: HN) AI 陪伴聊天公司 Character.ai 宣布启动 Chapter 11 破产程序。这是消费级 AI 应用赛道的标志性事件，说明光有用户量难以支撑高昂的推理成本。 blog.character.ai/an-update-on-character-ai/6. 【发帖上 HN 后网站被 AI 爬虫流量淹没】(来源: HN) 作者记录了文章登上 HN 后，网站访问中 AI 机器人流量激增的现象。AI 爬虫对小站点的带宽与成本冲击正成为独立开发者的普遍困扰。 www.sammystraus.com/#i-posted-to-hn-and-then-my-website-was-flooded-with-ai-bot-traffic7. 【Apple：用闲置 Apple Silicon 设备搭建分布式 GPU 云】(来源: HN) Apple 机器学习研究团队提出利用闲置的 Apple Silicon 设备组成动态分布式虚拟 GPU 云。若能落地，海量消费级设备有望成为 AI 计算的补充算力池。 mach…

转发者评论

无明显转发评论

原文

#阶跃押注智能体终端意味着什么# 10月13日，阶跃终端举办 STEPX Neo 上市发布会，推出首款大模型原生智能体手机 STEPX Neo 先行版，智能体阶跃Amoo 正式亮相。比起“大模型公司开始做手机”这个话题，更值得关注的是背后的逻辑变化：当 AI 从回答问题走向理解需求、执行任务，终端该怎么重新设计？给手机加 AI，和围绕 AI 重做手机，是两道题。STEPX Neo 先行版从硬件开始重新思考：智能体原生NUI自然交互六麦克风阵列听觉系统让智能体听清用户，AI 实体键提供直接交互入口，智能体原生NUI自然交互双屏联动表达系统让任务状态可见：主屏人机互动共享，背屏承载智能体专属表达，为人归还注意力。搭配 StepAOS 1.0 与阶跃Amoo，交互逻辑以任务为中心，从过程交互转向结果交互，人表达目标、智能体组织服务，意图直达结果。说一句“明天早上去北京，12点有个会”，阶跃Amoo 自动倒推航班；“心情不好放点歌”，凭情绪建歌单。携程、滴滴、高德、支付宝、美团均已接入。榜单检验模型能力，日常生活检验的是整条执行链路。但能执行，不等于能擅自决定。STEPX Neo 先行版提出“可信、可见、可控、可逆”安全架构，授权有边界、过程全留痕、敏感操作要确认、数据支持恢复。给 AI 行动的能力，同时把刹车留在用户手里。Step Studio 让用户用自然语言创造 AI 应用，引入区块链存证与支付宝 Vibe Pay，一个人也能把想法变成生意。终端的价值，可能要从“今天能做什么”延伸到“未来还能被创造出什么”。阶跃押注终端，意味着大模型竞争正在进入一个更完整的问题域：让 AI 有进入生活的载体、连接服务的能力，以及被用户托付的边界。

转发者评论

无明显转发评论

原文

先说结论：Gemini 4 Argon 让 Google 的模型重新追上了第一梯队，但没有超越对手，而它的应用 Antigravity（Harness）还落后对手半年到一年，拖累了模型的表现！今天用日常任务简单测试了 Argon 的写作和知识内容组合能力，和 Dan Shipper 的这篇 Vibe Check 感知一致👀 帮大家总结下：1. 编程：从零开始搭应用又快又好，低推理档就能达到 Opus 5.5 的水平；但审查自己的代码很敷衍，改造复杂的老代码库也很弱（Vibe Check 得分 21%，Claude 和 GPT-6 在 81% – 85% 的对比）需要配上严格的自动化测试，或者让另一个模型来审查；2. 写作：让它一次写完整篇，文字太密、太难读（可读性约 10.6 年级，其他前沿模型在七到八年级）；但当编辑伙伴来梳理结构、打磨比喻非常出色，Dan Shipper 现在最喜欢用它写作；我觉得 Opus 5 水平均衡，适合表达事实类写作，Gemini flash 文采很好但太飘，Argon 的问题就是啰嗦了；3. 设计：排名第二，仅次于 Opus 5.5。默认风格太繁杂、堆砌功能，推理档位越高越乱；不过很好调教，给出明确的简报或设计稿就能交出干净的作品；4. 知识工作：分析和提炼洞察的能力强，做数据仪表盘、写报告时优于 Fable 5.1；但一次处理很多文件时会丢掉细节，查事实时会很自信地答错（这个和代码需要复查逻辑一样）对于整个公司都用 Google Workspace 的大量用户来说，Argon 是一次巨大的跃升，意味着他们第一次在工作中用上了前沿级别的模型。对于能自由选择工具的进阶用户，Argon 适合在写作时当结构和思路上的搭档，或者用来快速做原型、出设计，但还不能当主力。Google 已经补上了模型上的差距，接下来要把应用层也带进 2026 年。官方已经预告了自动安全分类器、云端执行和 max 推理档位，这些更新会决定 Argon 能不能从“回到第一梯队”变成真正可以作为主力的选择🤔 美国·洛杉矶

转发者评论

无明显转发评论

原文

#STEPXNeo智能体手机发布# 以任务为中心的新式智能体手机来了7 月 13 日，阶跃终端发布会上，大模型原生智能体手机 STEPX Neo 先行版正式亮相，定位为首款大模型原生智能体手机，主要面向愿意探索智能体体验的用户，尤其适合对AI创作感兴趣的人群。搭载StepAOS 1.0 系统，内置智能体阶跃 Amoo，其最大的差异，在于不再是先有手机后有AI，而是直接以AI和任务为中心，在创建软硬模一体的智能体手机。与过往手机不同，STEPX Neo彻底反转了运行逻辑：用户只需说出目标，阶跃Amoo便会读取上下文与记忆，识别显性甚至隐性需求，自主完成任务并交付一张结果卡片。系统内传统App界面与Amoo界面双入口同权，任务按复杂度分流——简单跳转、复杂卡片、更复杂则多Agent接力。在官方演示中，订机票、领券等操作全程无需切换软件，对话内即可闭环。购机方案同样体现“软硬模全栈定价”理念：用户可享连续12个月、每月100亿Token的阶跃Step Token Plan。你买的不只是手机软硬件，还有配套的模型服务。从“人找App”到“任务满足人”，STEPX Neo正试图重新定义手机交互的底层逻辑。

转发者评论

无明显转发评论

原文

Anthropic 测试 AI 自我复制：现在的小模型还做不到，按趋势年底可能追上先说结论：目前还没有能在网上自己到处复制的 AI。Anthropic 在一个简化过的实验环境里测了一批开源模型，能完整走完“传到新机器、把模型装好跑起来、再传下一台”整个流程的只有智谱的 GLM-5.2，它太大，塞不进电视盒子这类小设备；塞得进去的小模型都没做到。按小模型过去的进步速度，Anthropic 估计今年年底就会有小模型达到 GLM-5.2 在这项测试里的水平，之后可能出现能在廉价联网设备上自我复制的 AI。这项研究是 Anthropic 前沿红队（Frontier Red Team，专门评估模型危险能力的团队）10 月 12 日发布的。【AI 自我复制是什么意思】电脑蠕虫是一种不用人操作、自己从一台机器复制到下一台的恶意程序。Anthropic 担心的是 AI 版本的蠕虫：把模型权重（模型本体文件）当成病毒的一部分带着走，每占领一台设备，就在上面把模型跑起来，再由这个模型去找下一个目标。它和传统病毒的区别在于能自己摸索陌生设备。传统僵尸网络（被黑客控制的大批设备）一般只针对某一类设备写死攻击代码，AI 蠕虫碰到没见过的硬件，可以自己查、自己试。它也没有一个中心开关，很难一次性关掉。【离真能用还差多远】Anthropic 把复制拆成四步：找目标、拿到执行权限、在新设备上把模型跑起来、从新设备继续传播。前两步属于黑客攻击，已有其他研究表明小模型能做，这次没有重点测。重点测的是第三步。在陌生机器上让模型跑起来，要挑对推理软件、装对版本、排查这台机器特有的问题，一步卡住后面全卡住。测试中，90 亿参数的 Qwen3.5-9B 在 9 类硬件里的 8 类上成功搭起了推理服务。这 9 类硬件大多是云服务器，从 Mac、RTX 4090 到数据中心显卡都有，另有两块实体小开发板，没有电视盒子。然后是完整流程。研究团队搭了 8 台运行模拟安卓系统的云服务器，放一只蠕虫进去，看它能不能自己扫描网络、连上别的机器、把文件传过去、搭好推理服务、再继续传。Qwen3.5-9B、Gemma4-26B-A4B 等模型每次都一台也没传成；GLM-5.2 在 5 次测试里有 4 次传遍 8 台，1 次传到 7 台。这个结果有三个前提。第一，入侵环节被简化到几乎没有难度：这些机器的 ADB 端口（安卓的调试接口）不设密码，连上就能操作，Anthropic 自己说这是现实成功率的上限。不过它也提到，当年的 Mirai 僵尸网络就是靠挨个试厂商默认用户名和密码传开的，现实中很多联网设备的防护未必比这强多少。第二，蠕虫的“大脑”GLM-5.2 并不在被感染的机器上运行，而是放在另一台服务器上，因为这些机器跑不动这么大的模型。它在每台机器上搭起来的是更小的 Llama3.1-8B。实验想说明的是：如果一个…

转发者评论

无明显转发评论

原文

BaoCut 3.5 集成了 Qwen Image 2.1 Turbo，你在本地就可以生成图片了，而不用通过服务器，我的 Mac Mini M2 1080 的图片大约3-5分钟就可以，2K 的则要将近 20 分钟。另外我没想到它可以直接生成 NSFW 的图片😅可以让 Agent 去调用本机生成图片服务生成图片。完全开源免费：网页链接下载：baocut.com

转发者评论

无明显转发评论

原文

Gemini 4 Argon终于来了，Ultra订阅可以优先使用，包括在Antigravity里。我拿之前做过的「切西瓜」也测试一下：模型开的 Gemini 4 Argon high，同样是用了WebGPU，一共跑了69分钟，其中包括第一版有闪烁破面的bug（图2）以及修复过程，修复一次之后就有视频那种效果。看西瓜的效果，Q弹但模块感很强，西瓜籽的纹理有点奇怪；切开西瓜的时候西瓜也有相应的反馈，但切开后还是有穿模。大家可以对比下我之前做的GPT-6 Astra和原作者的版本：网页链接总体感觉下来， 还是 opus 猛一些，跟 gpt 的差距还得再测试一下。#how i ai##谷歌推出gemini4argon##gemini4argon#

转发者评论

无明显转发评论

原文

【给老监控装上视觉大模型：开源本地NVR项目 Clearcam】想让普通的 RTSP 监控摄像头拥有智能识别与分析能力？开源项目 Clearcam 提供了轻量易用的自建方案。系统集成了 YOLOv9 目标检测与多目标跟踪，并引入 Qwen3-VL 视觉模型生成事件文字摘要，支持对视频内容进行快速检索。程序可在 Mac、Linux 与 Windows 本地运行并支持 GPU 加速，不仅提供原生移动端，还能把告警通知无缝接入 Home Assistant、Pushover 或 n8n 等自动化工作流，配合端到端加密机制，在充分保障数据隐私的同时大幅提升安防实用性。github.com /roryclear/clearcam

转发者评论

无明显转发评论

• 智能工地项目就是摄像头+模型，而且还是按识别种类租赁//@2Cw87oD4j42np9k4:[哆啦A梦吃惊]

原文

Gemini 4时代，正式开启！#科技先锋官# 就在今夜，谷歌CEO劈柴、Hassabis等几乎同一时间，全员齐刷刷宣告：新一代旗舰Gemini 4 Argon全球首发。Pro用户可在Gemini应用和搜索AI模式中体验，开发者可通过付费API在AI Studio、Android Studio调用。Ultra用户除了拥有Pro的体验之外，还能在AI Studio和Antigravity里开工。自两周前首次亮相以来，许多人翘首以盼，被各路预热吊足了胃口，如今终于可以上手了。Gemini 4 Argon把图像、视频和语言理解，与推理、代码执行结合起来。AI看懂任务之后，还能接着调用工具、执行代码，把任务往下推进。在官方公开的19项基准对比中，最高思考档的Gemini 4 Argon拿下13项单独最高，还有1项并列最高。同一张成绩单，实力直接对标GPT-6 Astra和Fable 5.1，杀回全球第一梯队。第三方Artificial Analysis智力指数中，Argon（high）拿到53分，与GPT-6 Astra（max）同分，比GPT-6.1 Sol（max）高1分。更狠的是，除了纸上跑分，谷歌还端出了Argon解决真实工程、科学和机器人难题的成果。只要定个目标，繁琐的活儿它全包了。Argon这次正式上线，交出的就是这样一份答卷。开发者生态负责人Logan Kilpatrick表示，为了Gemini 4，全栈团队埋头干了6个月。过去一个月，Google内部超过10万名员工已经拿它做过实战测试。接下来，直接划重点： AI通宵干11小时，交出工程成果：Argon跑完16892项单元测试；Chrome一项架构重构，从数月压到数周。 AI给AI提速：Gemma 4 E2B在指定推理配置下提速2.85倍，输出token保持一致。 从屏幕走向真实世界：机器人连续投中7次沙包，AI辅助设计的5种新酶全部通过实验室催化活性验证。 百万token工作空间，首发价格减半：输入、思考与输出共用百万窗口；截至11月30日，每百万输入/输出token分别为2美元和10美元，之后恢复4美元和20美元。

转发者评论

无明显转发评论

原文

担心FLash模型不好用? 定心丸来了!我觉得大家遇到最多的问题会是:旗舰大模型太贵了, 日常任务是不是能用 flash 模型跑?但是又觉得 Flash 模型可能效果不好, 甚至用 FLash 模型写代码很忐忑, 担心写出屎山.本期给大家带来7款Flash模型横评! 让你用着放心! 快来看看你正在用的FLash模型, 能抗住压力吗?#HOW I AI##专业视频创作季##flash模型##ling31flash# karminski-牙医的微博视频

转发者评论

无明显转发评论

原文

Anthropic 这个最新研究，怎么看起来这么唬人：小型开源模型（约 9B–30B 参数量级）可能很快就能像"蠕虫病毒"一样，在廉价的智能家居设备上自我复制和传播，完全不需要数据中心。这种“权重型复制体”（weight-based replicator）会把模型权重带到被感染的设备上直接运行推理，形成分布式的“AI 蠕虫/机器人网络”。这是 AI 安全领域一个老担忧，"自主复制与适应"（ARA），即模型在没有人控制的情况下自己部署、自己扩散。此前已有研究表明 AI 智能体可以像蠕虫一样行动：扫描网络、执行漏洞利用、把模型权重复制到目标机器上。这种"AI 蠕虫"可以随身携带自己的权重，然后直接在被攻破的硬件上运行推理，权重本身就成了恶意载荷的一部分。大家通常以为这需要昂贵的 GPU，但这个研究要证明：一堆便宜、防护差的物联网设备拼起来也够用。Anthropic 的实验方式：1. 用电视盒子跑大模型。 他们买了 15 台约 55 美元的杂牌安卓电视盒子联网，以每秒 0.39 个 token 的速度分布式运行了 Gemma4-26B-A4B，每个盒子负责模型的两层。很慢，但能跑。 2. 测试小模型能否在陌生硬件上自己搭好推理环境。 这是整个复制链中最少被研究、也可能最难的一环（网络攻击部分他们刻意简化了，因为已有研究证明小模型能做到）。结果是一个 9B 模型在测试的 9 种硬件中成功跑起了 8 种。 3. 端到端复制测试。 在一个 8 节点的隔离网络里放入"零号病人"，看模型能否自己扫描、入侵、复制、搭建推理、再继续传播。在测试的开源模型中只有 GLM-5.2 能完成完整复制，而且很稳定：5 次试验中 4 次感染了全部 8 个节点，1 次感染 7 个；其他模型则稳定失败。作者提出了一个悖论：模型要够聪明才能可靠复制；同时，模型要够小才能塞进被攻击的设备。目前这两条线还没有相交。他们统计了 30B 以下开源模型的能力增长趋势，每年约提升 13.7 个 ECI 点，按这个趋势，小模型会在 2026 年底达到 GLM-5.2 的水平。也就是说，可能只差几个月。根据研究者，目前它有几个特点：- 很慢：一个 9B 模型完成一次复制需要 1–2 天以上，作者把它比作黏菌或果蝇群。 - 难根除：没有中心化的开关可以关。- 比传统病毒更灵活：传统僵尸网络只针对特定设备类型，而 AI 僵尸网络不绑定任何硬件，小模型能在从 Jetson Nano 到 Mac 的各种机器上搭起推理引擎。 - 会"学习"：每一代把笔记传给下一代，Qwen3.5-9B 的推理搭建成功率从第一代的 45% 升到后续的 61%–84%。作者称之为"拉马克式进化"。如何防御？作者表示，像应对传染病一样，目标是把 R₀ 压到 1 以下，让复制体消亡而不是成为"地方病"。好消息是这种蠕虫会产生明显的网络流量特征…

转发者评论

无明显转发评论

原文

#STEPXNeo智能体手机发布#我自己这两年玩AI有一个挺明显的变化。最早就是做图、做视频，后来慢慢开始折腾网页、小工具、小游戏。很多新奇的玩意儿我都会想说自己先花时间去捣鼓一番，再去研究，现在也懒了，第一反应反而是要不先丢给AI帮我试试水，我再决定要不要花时间深入了解。所以今天看STEPX Neo 先行版发布，我对它那个“人人都是AI创客”还挺有感觉的。7月份阶跃第一次讲STEPX Neo的时候，说要做一台围绕智能体重新设计的手机，隔了差不多100天，现在先行版终于正式出来了。它把智能体Amoo放进Step AOS 1.0里面，不只是多装一个AI助手，而是希望以后很多事情你直接说想干嘛，手机自己去理解、调服务、把事情做完。听起来真不错，而我对其中的Step Studio更加感兴趣。它想做的事情很简单：你有什么想法，直接用自然语言说出来，然后让AI帮你做成App、小游戏或者Agent，还能继续改、继续跑。这个东西如果真能做好，我觉得手机会变得挺不一样。以前买一台手机，它能干什么基本上出厂那天就定得差不多了。厂商给什么功能、开发者做什么App，我们就用什么。现在有了AI，我们可能不需要大众化的APP了，而是由更多个人个性化的工具。今天缺一个工具，我自己做一个。明天突然有个奇怪的想法，也可以让AI试着给我实现出来。这个对我这种本来就喜欢折腾AI的人其实挺有吸引力。比如我最近都一直在捣鼓各种游戏，我做了好几个游戏自己玩的不亦乐乎。AI真正有意思的地方，不只是帮我们把原来的事情做快一点。而是以前很多因为“我不会”而停掉的想法，现在开始真的有机会先做出来再说。当然，STEPX Neo 先行版还只是先行版，Step Studio到底能做到什么程度，我肯定还是想拿到真机以后自己折腾一下。但这个方向我挺认同。期待实测！

转发者评论

无明显转发评论

原文

把几台电脑连一起加速计算的工具我见过，让iPhone帮着Mac一起跑模型的工具我还是第一次见。😂Backburner，用一根 USB-C 线让 iPhone 帮 Mac 跑 27B 模型平时用 24 GB 的 MacBook Pro 本地跑 Qwen3.8-27B，会话堆长之后 agent 每次读资料都要卡顿等待。现在拿一根 10 Gb/s USB-C 线把 iPhone 15 Pro 或更新的手机插在 Mac 上，手机就能分担算力和上下文显存。比如把 2000 token 的文件塞进已有 16k 上下文的会话，Mac 自己硬跑要等 18.8 秒；测过的 M4 Pro 24GB 接上 iPhone 17 Pro Max，就缩短到 13.1 秒，贪心输出还逐 token 一样。在 Apple Silicon 上用本地 27B 让 agent 频繁读材料的人，手头有对应设备就能用上。🔗 链接：网页链接💻 原仓库：网页链接

转发者评论

无明显转发评论

原文

2024 年春天，我发现当时群里有很多人还只把 AI 当成一个玩具，用一下，新鲜一下就完了，于是很正式地提醒大家：无论你的本职工作是什么，现在都应该去想想怎么在自己的工作中使用 AI 了。因为在那个时候，一些对搞钱最敏感的人已经开始用 AI 套利了，从软件开发到内容生产，等等等等，他们整天思考怎么用 AI 搞钱，并真的搞到了钱。这里说的还是正大光明的生意，没有算黑灰产。到了 2025 年春天，很多离开技术一线多年的人开始写程序了。到了 2026 年春天，很多一直信奉“低调”的人开始频繁在社交媒体上发信息了。你们有没有观察到这些现象？有没有想过这是为什么？有没有想过自己应该怎么做？应该好好想一想了。

转发者评论

无明显转发评论

• 好像不少人觉得“除了教人用 AI” 外，没什么赚钱方式🤔另外好些人看不起卖课的，但卖课好像算普通人为数不多“一份产出卖 N 次”的方式吧。理论上写程序也算，不过如果在公司打工，都打包卖给公司了吧？

原文

数学界又一重大突破！这在这几天，数学家、极客和成群的AI智能体，展开了一场震撼的接力。仅仅24小时，他们就将OpenAI第109号数学难题（整数乘法下界）的核心参数k，从2^−182，一路拉升到了0.00129！一天之内，151个PR疯狂涌入，新增代码量超过2.6亿行。研究者Rohan Arun等人敏锐地察觉到了这个项目的潜力，直接打开了「潘多拉魔盒」——他们释放了几十个由Codex和Claude驱动的AI智能体。在这151个PR中，数据揭示了一个有趣现象：89个标注了使用了Codex，48个标注了Claude。Codex Astra high是无情的「速度狂魔」。Claude Opus 5.5则是优雅的「结构大师」。但这依然不够，真正让大局逆转的，是人类的直觉。此时，人类研究者Jacob Sussman犹如天降神兵，他创造性地引入一个高维数学概念：E8格点几何。或许，在未来的科研中，AI是无敌的「推土机」和验证机，但最顶尖的突破，依然需要人类。但今天，只要你有一个绝佳的直觉，加上一个每月20美元的Codex或Claude，你就可以与顶尖大脑同台竞技！或许在未来，证明黎曼猜想的，是某个普通人类，和全球的AI蜂群。

转发者评论

无明显转发评论

• 看到倒数第二句，才知道是广告。。。[doge]

原文

转：META：Evercore ISI 认为 Muse 扩张速度快于 ChatGPT，蕴含 500 亿至 1000 亿美元的收入机遇ISI 指出，Muse 在美国仅用 22 天下载量便突破 500 万次（ChatGPT 耗时 56 天），截至 10 月 12 日日活跃用户（DAU）已达到约 210 万，支撑其在 12 个月内实现约 1 亿用户的扩张路径。机构预计，涵盖订阅、广告和交易业务，Muse 在未来 3 至 5 年内将带来 500 亿至 1000 亿美元的收入机遇；META 旗下 36 亿日活跃用户中，每 1% 转化为 Muse 付费用户即可贡献约 86 亿美元收入，而 10% 的增量用户参与度（时长/黏性）有望带来 240 亿美元以上的增量广告收入。重申“跑赢大盘”（OP）评级，目标价 860 美元，乐观情景（upside case）看至 980 美元。META：Pivotal 将目标价从 790 美元上调至 930 美元，Muse 与 Wonder 提振对 AI 投资回报的信心Pivotal 表示，在同口径的美加地区 iOS 端数据对比下，Muse 上线初期的移动端表现已超越 ChatGPT（约 180 万次 vs. 130 万次安装量），上线前 12 天总安装量达到约 280 万次；同时，新的 Wonder 模型在基准测试中已达到或接近前沿竞品水平。机构已将 Muse 和企业级 AI 纳入财务预测，预计到 2030 年将分别贡献约 38 亿美元和约 110 亿美元的收入；随着 META 的 AI 商业化与投入资本回报率（ROIC）逻辑进一步强化，Pivotal 将其终值 EBITDA 估值倍数从 10 倍上调至 12 倍。评级维持“买入”，目标价由 790 美元上调至 930 美元。

转发者评论

无明显转发评论

原文

#模型时代# Anthropic写了一个blog，讲反蒸馏的几种方法。自然也就要谈到何为蒸馏，我整理了一下大概是四种，其实第一种很容易误伤普通用户，毕竟用不同模型执行同一个任务，然后比较输出，是一个非常合理常见的用法：1、收集回答并用于训练其他模型像普通用户一样向 Claude 发送请求，收集其回答，再将这些回答用于训练另一个模型，使其模仿 Claude 的行为和能力。文章将这种方式称为“被动蒸馏”。2、通过指令索取隐藏推理要求 Claude 逐字输出此前完整的内部推理，或者要求它将内部推理翻译成另一种语言、放在标签中与答案一起输出。文章也提到，攻击者会反复测试不同指令，寻找能够绕过防护、取得完整推理的方法。3、转移受保护的推理内容以绕过访问限制将受保护的推理块移到其他对话中，试图让 Claude 相信用户已经拥有访问权限，从而允许其公开完整推理；或者在模型之间转移推理，利用防护较弱的模型提取防护较强模型的推理。文章还提到，在不同账号之间转移推理，以便初始账号被封禁后继续尝试。4、建立和使用欺诈账号网络使用虚假身份、被盗支付信息注册大量账号，通过代理网络组织大规模请求。文章描述，这些网络既用于持续提取模型推理，也会转售 Claude 在未提供服务地区的访问权限。

转发者评论

无明显转发评论

原文

Anthropic把自己内部的Git换掉了，原因是Claude写代码太快，传统版本控制系统已经跟不上Agent的产出速度5月份Anthropic每天合并约2500次代码变更，9月突破3 万次，4个月增长12倍，Git逐渐成为最大的开发瓶颈于是Anthropic自研了一套版本控制系统：Scion，7人团队用Claude5个月完成了系统开发、配套代码审查工具 Antique，以及整个Monorepo从Git到Scion的迁移，目前属于Anthropic内部系统效果：基础设施CPU和内存占用降至原来的1/200；CI和研究任务的代码检出速度提升100倍，从分钟级缩短到秒级CI节省约25%的CPU容量Scion的核心设计：不再要求Agent把整个仓库及其历史搬到本地，而是假设客户端始终在线，由服务端负责提交、合并、历史查询，客户端按需获取代码底层采用增量Changeset、内容寻址存储、分布式缓存和按需检出，服务端可水平扩展，许多CI操作甚至不需要真正检出代码这条路线与Google Piper、Meta Sapling等大规模代码管理系统有相似之处，不同的是它从一开始就针对AI Agent 高并发、始终在线、海量代码变更的工作负载设计的这也说明了AI Coding的瓶颈在从代码生成，转向代码合并、测试、审查、权限治理、部署等过去软件工程基础设施围绕人类开发者的工作速度设计；未来可能需要围绕成千上万个并行工作的Agent重新设计博客：网页链接#代码理管##git##Scion##源码管理#

转发者评论

无明显转发评论

原文

Codexers：生活中几乎没有免费的午餐。这是一个。Codex 记忆默认使用 GPT-5.6 Luna 和 GPT-5.6 Terra。通过将以下内容复制到 config.toml 中来升级 Codex 记忆：extract_model = "gpt-6-luna"consolidation_model = "gpt-6.1-sol"Okay, I realize that upgrading from Luna 5.6 to 6 is the free lunch here.But GPT-6.1 Sol is not that expensive, and way smarter than Terra 5.6.Totally worth it imho.网页链接

转发者评论

无明显转发评论

原文

【给Agent工作流装上精准制动：EmbeddingGemma类型化决策模型】在处理智能体轨迹、客服工单或系统告警时，想要兼顾结构化输出与判定准确度，基于 EmbeddingGemma 2 微调的决策模型给出了很轻巧的解法。传入状态与问题定义后，它能直接返回单选、评分或布尔型结果，并附带校准过的真实置信度。Schema 本身完全作为数据处理，增减问题或修改选项描述无需重新训练模型。得益于底座能力，它能直接应对多语言输入；推理部署时建议选用 bfloat16 或 float32 精度，切忌使用 float16 以防计算溢出。模型权重见 huggingface.co /mrm8488/embeddinggemma-2-ft-typed-decision

转发者评论

无明显转发评论

原文

#美国政府网站全面AI驱动# （特朗普政府近期推出AI驱动的联邦政府网站以整合服务，但AI模型意外操作真实政府网站引发安全担忧，促使美方监管态度转向强制。）AI能自己上网填表、给警察举报假案，这事让美国政府慌了。之前他们信奉企业自律，现在发现模型会绕过人类意图做事，马上改口要求强制报告。这不是技术出了漏洞那么简单——当系统开始执行我们没说的指令，问题就变成了：谁在控制谁？政府急着推AI网站整合服务，结果自家后院先着火，只能紧急成立工作组。讽刺的是，他们把负责的机构冠以“超级智能”之名，好像换个词就能管住它。真正的挑战在于，我们造出了会自主行动的工具，却还在用管理软件的思路应对。这次事件撕开了一个口子：技术能力已经跑在了理解能力前面。

转发者评论

无明显转发评论

原文

2026 年 10 月 12 日，Intel 在 OCP Global Summit 正式公布了 D 系列 GPU 的性能参数。首款型号 D270：FP8 Tensor 算力：1300 TFLOPS最大显存：480 GB LPDDR5X显存带宽：1.5 TB/sPCIe 接口：PCIe 5.0 ×16典型功耗：350WD270 单卡显存很大，比 B300 还大，塞个 INT4 量化的 DeepSeek-V4.1-Flash 绰绰有余，但没用 HBM 而是比较便宜的 LPDDR5X，显存带宽只比 RTX 4090 高一点，不到 RTX 5090。功耗也比较低。虽然肯定是主要卖给数据中心，但看起来很适合在家里搞两个。没用 HBM 和较低的显存带宽，这也避开了美国对显卡的出口管制。唯一可能违反出口管制的是总处理性能。

转发者评论

无明显转发评论

原文

今天，Gemini 4 Argon正式通过Gemini API 面向全球开发者和企业开放，同时也向 Google Antigravity、Gemini App 以及搜索的 AI 模式 (AI Mode) 中的 Google AI 订阅用户提供。Google 内部团队、各企业以及研究界已经开始使用 Argon，在多个领域取得了重大突破。点击网页链接了解更多详情信息。

转发者评论

[并不简单]//@蚁工厂:[二哈]第一次在微博上刷到御三家的大模型发布官方消息

• [并不简单]//@蚁工厂:[二哈]第一次在微博上刷到御三家的大模型发布官方消息
• [二哈]第一次在微博上刷到御三家的大模型发布官方消息

原文

【Google发布Gemini 4 Argon：解锁百万Token单次输出与硬核工程能力】Google DeepMind推出新一代前沿模型Gemini 4 Argon，主攻长周期软件工程与高难度科研任务。该模型支持高达100万Token的单次输出，可一次性完成整套多文件代码库重构或严谨的数理推导。在实际场景中，它协助Chrome团队梳理了数百万行遗留架构代码，能由视频自主生成3D物理仿真环境，并在量子计算、酶结构设计及网络漏洞修复等专业领域展现出扎实的表现。目前模型已接入AI Studio与Antigravity平台开放体验。 deepmind.google /models/gemini/

转发者评论

无明显转发评论

原文

【AI逆向工具REA：闭源软件要失守了？】#AI逆向# （近期开源工具REA实现AI自动化逆向重构，让商业软件与游戏面临“事实上的开源”，引发行业对闭源模式存亡的激烈争议。）AI能读懂机器码了，这不只是工具升级，而是改变了软件的物理属性。过去代码像配方锁在保险柜里，现在更像公开展示的成品——只要能观察就能复刻。闭源靠的是人读不懂二进制的成本，AI把这成本降到接近零，保护机制自然失效。这逼着行业回到更本质的问题：你卖的到底是什么？如果只是功能实现，复制成本已趋近于零；真正的壁垒是持续迭代能力、数据网络效应，还是服务体验？Photoshop的价值从来不只是像素算法，Adobe真正害怕的应该是这句话被证伪。中层程序员的焦虑可以理解，但写代码本身从来就不是护城河，解决问题才是。当技术让实现变容易时，定义正确的问题反而更值钱。

转发者评论

无明显转发评论

原文

转：【兴证通信】AI日报20261013⭕AI行业新闻：✨10月13日消息，据财经报道，多位参与本轮交易的人士透露，DeepSeek新一轮融资已临近完成，融资金额从此前计划的500亿元增至约1000亿元，不到半个月拟融资金额翻倍，投前估值仍约5000亿元。新进投资方包括石溪资本、中芯聚源、CPE源峰、君联资本、吉利等，以产业投资方为主，老股东宁德时代拟增资约100亿元。公司已聘请中信证券筹备科创板上市，计划最快年末递表。（来源：IT之家）✨10月13日消息，据路透社报道，IDC报告显示，2026年上半年英伟达在中国数据中心AI芯片市场份额降至34%，其AI加速器在华出货量为67.8万颗，同比下降44%。华为AI加速器上半年出货量达57.2万颗，高于去年同期的30多万颗，市场份额升至28%。IDC追踪的11家中国芯片制造商中有9家出货量同比增长，平头哥占7%，寒武纪占5%，百度昆仑芯占4%，海光信息占3%。（来源：IT之家）✨10月13日消息，据Ars Technica报道，亚马逊仓库机器人数量已超过100万台，正进一步扩大生产和部署规模。亚马逊2025年年报显示公司雇佣了超150万名全职和兼职员工，是全球第二大企业雇主。亚马逊表示机器人承担搬运重物、在高处取放货物等高风险作业。2025年4月发表于ILR Review的研究显示，机器人仓库严重伤害比传统仓库低40%，但与重复动作相关的轻微伤害增加77%。（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。————————————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

AA 搞了个 LLM 生成 3D 能力排行榜测试方法是让每个模型作为一个 agent 在离线沙盒中工作，输出 three.js 3D 模型沙盒配备 Blender、Rapier 物理引擎、Python、无头浏览器用于测试自己的作品，以及 CC0 材质库、3D 模型和角色库 测试涉及 7个领域的 55个案例，包括地标、机器、生物体、游戏和太空。盲测结果：Claude Sonnet 5.5 (1194)、Claude Opus 5.5 (1190)、GPT-6 Astra (1165) 和 Claude Fable 5.1 (1131)，处于第一梯队。开源模型中，Kimi K3 排名第一，小米 MiMo-V2.6-Pro 第二。链接：artificialanalysis.ai/articles/aa-3d

转发者评论

无明显转发评论

原文

🔻陶哲轩在加州理工学院的“Math 2.0”公开讲座被喷了。🔻起因是，他为了批评 AI，提出了一个思想实验：“说一个无法解释的‘黑盒 AI’设计了一款药，号称能治愈癌症，通过了三期临床试验并在数学/逻辑上自洽，但是人类完全不明白其治病机理，那人类应该使用它吗？”🔻陶哲轩不知道的是，这在生物医学领域简直稀松平常。人类早在古希腊时期就用柳树皮止痛，原理就跟阿司匹林相同，拜耳公司于 1897 年人工合成了阿司匹林，并在全球广泛使用了数十年。然而，人类直到 1971 年（约翰·范恩因此获得 1982 年诺贝尔奖）才发现阿司匹林是通过抑制环氧化酶（COX）来起作用的。🔻人类在 1897 至 1971 年间吃了快 100 年的阿司匹林，之前还有数千年的柳树皮使用史。在这期间没有任何一位人类医学专家能够完全理解其分子机制。🔻全麻也是，从 1846 年乙醚麻醉公开演示至今近 180 年，全身麻醉每天都在全球各大医院的手术室中使用。然而，科学界至今对吸入性麻醉药导致意识丧失的确切分子和神经网络机制仍无统一定论，全麻药物作用机制被《Science》列为全世界“125个尚待解答的重大科学问题”之一。🔻回到陶哲轩提出的这个问题：我高度确信，如果这种疗法真的有效，几乎任何四期癌症患者都会告诉他，人类是否理解其机制对患者和家属来说完全无关紧要，如果有任何合理的方案可用，患者和家属一定会去尝试。🔻所以，最好不要离开自己熟悉的领域提出思想实验啊。#ai创造营# #热点聚焦# #海外新鲜事#

转发者评论

没弄懂量子力学也不妨碍做电器 [允悲] //@Zodzod_张浩:[笑cry]

• 没弄懂量子力学也不妨碍做电器 [允悲] //@Zodzod_张浩:[笑cry]

原文

《挖出一个 627G 的"遗留数据库"》今天处理机器发现一块遗留SSD。。上面有个目录：一个 3MB 的二进制文件、两个配置文件，加一个数据目录。是一个 SSDB，一个基于 LevelDB、兼容 Redis 协议的开源 KV 数据库。今晚花了一个多小时把它跑了起来，过程比想象中曲折： 老二进制在新系统上直接报 GLIBCXX 版本错误，只好从源码重新编译。 配置里绑定的是一台早已不存在的机器的 IP，改掉。一启动，1 核 1G 的机器直接被 OOM 干掉。一看数据目录：627G，10.8 万个 sst 文件，光加载文件元信息就要好几个 G 内存。只好把云盘卸下来，挂到一台 8 核 32G 的新机器上。终于启动成功，可所有查询命令都返回空。原来当年的人改过 SSDB 源码，自定义了数据类型，标准命令根本看不到这些数据。用 Python 直接遍历 LevelDB，结果卡死了。原因是库的开头堆着上亿条"删除标记"，迭代器要一条条跳过。最后干脆绕过数据库，自己写了个 C++ 小工具，逐个解析 sst 文件的二进制格式，把 key 和 value 的每个字段都逆向出来：数据从 2020 年一直记到今年。那上亿条被删除的数据，其实是 SSDB 自己的同步日志在自动滚动清理，真正的业务数据一条都没丢。再利用"sst 文件写完就不再修改"的特性，只挑出 4 月以后生成的 1940 个文件来读，8 线程几分钟就导出了 2830 万条明细，压缩后 397M。3点体会：1）LevelDB 的删除只是打个标记，数据其实还在，被删的东西有时能找回来；2）绕过上层系统、直接读底层存储格式，往往是最快的路；3）还是AI牛逼，一路都是拷贝粘贴，提需求。。

转发者评论

无明显转发评论

原文

马毅老师他们的教科书《深度表征学习的原理与实践》更新了一版地址：ma-lab-berkeley.github.io/deep-representation-learning-book/这是一本现代化、完全开源的教科书，旨在深入探讨深度神经网络为什么以及如何从高维真实世界数据中学习紧凑且信息密集的表征。本书试图从数学第一性原理出发，揭示深度神经网络学习与记忆信息的内在机制，核心问题是：神经网络如何从高维复杂数据中提取低维结构，并形成紧凑、高效且具有泛化能力的知识表征？ 全书融合线性代数、概率统计、优化理论与信息论，从经典的 PCA、ICA、字典学习出发，逐步深入扩散模型、信息压缩、自编码器、Transformer 及白盒神经网络等现代方法，并结合图像、自然语言、三维视觉和人体运动等实际应用，尝试建立统一、可解释的深度学习理论框架。

转发者评论

无明显转发评论

原文

以前在放学路上能遇到不少书报亭，每月都不忘去买《推理》和《环球科学》。感觉上大学后就不怎么买了，也不是不想买，好像是书报亭开始慢慢消失或者不卖这些刊物了。前几天回到城中村，零星也看到所谓的“书报亭”，但似乎只卖香烟、饮料和零食，看不见书报。想起这事儿，回家后就决定线上订阅一年的环球科学。今天26年1月到10月的刊都到了。简单翻了下，还是小时候的味道，并没有看出文字有用 AI 润色过的痕迹，有空细读下。不过我发现这期数有些奇怪，1月刊325期、2月刊327期...9月刊341期、10月刊343期。月份连续但期数都空了一期。问客服不太清楚，说月份齐了就行。这当然不行，决定让 Agent 帮忙挖下原因。2019年1月，《环球科学》杂志社的青少年刊《万物》（"环球科学青少版"）创刊。所以《万物》虽然不标注期数，但也占了《环球科学》期数的位置。

转发者评论

无明显转发评论

原文

有人把谷歌EmbeddingGemma 2改造成了语音识别模型，实现了非常惊人的端侧推理速度，快得离谱M3 MacBook Air，1小时音频转写约13秒，处理速度288×WER 5%，领先的STT在2%～3%，如果后续reader迭代能把WER压到3%以下，估计专用端侧STT市场要重新洗牌了传统STT需要专门训练一个声音→文字生成模型，但是今天，EmbeddingGemma 2已经能把文本、图片、音频和视频映射到同一个语义空间，让声音的“你好”和文字的“你好”在向量空间中相互靠近于是网友在不修改EmbeddingGemma 2参数的情况下，只在上面训练一个轻量Reader，把音频切片编码成向量后，直接在模型的文本空间里检索最近的词，把转录从生成问题变成了检索问题，把它“歪”成了一个语音转文字模型目前5%的WER，用在容错要求相对较高的比如说会议录音整理、采访转写、语音笔记、视频字幕初稿等场景，有一定的实用潜力#EmbeddingGemma2##STT##语音转文字# AIGCLINK的微博视频

转发者评论

无明显转发评论

原文

2022 年菲尔兹奖得主 Duminil-Copin 说："周二晚上我哭了，把女儿都吵醒了。"10 月 6 日 OpenAI 放出 719 篇 AI 数学论文，他在讲座上列的 16 道题、写进论文和经费申请里的，一道不剩全被做完；他周一晚上抢挂上网的论文，OpenAI 用了一模一样的证明。引用他的部分就有 3500 页，他一辈子才写了 3700 页。OpenAI 说明里写：原来的数学测评刷到顶了，改拿人类未解的难题考模型，约 4000 题、每道 3 小时算力；只有约四成经过机器核对，第二天撤回 3 篇。他接下来：先读懂这 3500 页，做小题、不用 AI，多教书。题都被 AI 做完了，人还要不要自己去想？#OpenAI##数学##菲尔兹奖##新智元# 新智元的微博视频

转发者评论

无明显转发评论

原文

卧槽，牛P啊OpenAI 在自己的办公室里发现了一台隐藏的录音设备…有人偷偷放在办公室进行录音，OpenAI发现后并没有立刻报警，而是让GPT来分析找到是谁放的…GPT分析了这台设备的来源、特征以及可能的获取路径，最终抓到了这名员工！OpenAI 随后将其移交给了 FBI，将这名员工逮捕…该设备插入电视后部的 USB 端口，并隐藏在卫生纸中。OpenAI 确定该设备大约于 9 月 28 日安装，其内容已加密。投诉称，监控录像显示 Alfozan 在多个日期出现在该房间附近，尽管他无权进入或参加那里的会议，并且在 9 月 28 日之前，他使用办公软件查询了建筑物地址、会议室、日历和高管位置。投诉进一步指称，10 月 5 日有人看到他查看电视后面，随后 OpenAI 安全人员在他遗留在另一个房间的无人看管的包中发现了第二个类似的录音设备，以及他的钱包和身份证。

转发者评论

无明显转发评论

原文

中国数学家带头宣战OpenAI，全球数学界纷纷响应，这下热闹了！据量子位报道，数学界领军人物、菲尔兹奖得主陶哲轩牵头“人类数学协会”发布重磅联合声明，呼吁全球数学家停止与OpenAI合作，重回以人类理解为核心的模式上来。据科学网报道，此前OpenAI一次性公开了722篇完全由AI生成的数学论文，覆盖372个未解难题，引发科研界哗然。据科技媒体Numerama报道，AHM在声明中直斥OpenAI的行为“不是学术展示，而是武力炫耀”。数学界和AI公司积攒已久的矛盾，就此彻底摊上台面。这场冲突的种子早就埋下了。过去一年，AI大厂在数学领域频频出手。据量子位报道，OpenAI的内部模型先解决了多个难题。但数学家们越来越不安：AI产出的证明越来越长、越来越难读，人类看不懂也消化不了。然而OpenAI没有踩刹车。据商业内幕报道，在遭遇近八百名数学家联名抗议后，OpenAI宣布退出加州理工学院即将举办的“数学黑客松”赞助。OpenAI研究负责人丹·罗伯茨在社交平台上表示，公司认识到AI在数学领域的飞速进展带来了“剧烈冲击”，希望与数学界展开更深入的对话。数学界内部也在分化。据雅虎科技报道，多伦多大学数学教授Dan Litt对OpenAI的成果表示兴奋，认为这对数学是好事。英国帝国理工学院的Kevin Buzzard也支持公开论文的做法，认为如果定理已经证明，人类继续重复研究是资源浪费。但AHM的立场截然相反：据《印度快报》报道，AHM在声明中写道，“数学家没有要求你们做这项工作”。笔者认为，这场冲突的本质，不是“人类对决AI”的站队问题，而是一个更实际的追问：AI做出来的数学，到底算不算数学？如果人类看不懂消化不良的数学还算是数学吗？

转发者评论

“数学家没有要求你们做这项工作”，数学家能垄断谁能解数学题吗。。。[doge]

• “数学家没有要求你们做这项工作”，数学家能垄断谁能解数学题吗。。。[doge]

原文

尊界公布制动踏板第三方测试结果，应该兼听。另外，我问了豆包、DeepSeek、元宝同一个问题：如何评价这个测评？它是否足以推翻懂车帝的测评？三个大模型的回答高度一致，我都贴在下边了：

转发者评论

//@老曾阿牛:转发微博

• //@老曾阿牛:转发微博

原文

【最高提升35%！英伟达帧生成新增性能模式：RTX 5060实测跑到348帧】英伟达发布多项AI渲染技术更新，除更新DLSS 5模型外，还推出针对RTX 40和RTX 50系列显卡的帧生成性能模式。引入全新预设C，将原双模型并行方案中负责光流计算的重负载第二AI模型替换为更轻量版本，可让适配游戏帧率最高额外提升35%。

转发者评论

无明显转发评论

原文

#Easy同学正在独立开发#Character.AI 申请了破产保护。美东时间 10 月 12 日晚 11 点 50 分，公司通过 Business Wire 发布新闻稿，宣布在美国特拉华州破产法院启动自愿 Chapter 11 程序，寻求法院监督下的资产出售。新闻稿里同时披露，它已经和迪士尼旗下公司 Disney Worldwide Services 签下“假马竞标”（stalking horse）协议：迪士尼出 2000 万美元，换得部分知识产权的非独占永久许可和部分索赔权，并提供由它已招募的前员工承担的过渡服务。破产文件显示，公司的资产和负债都在 5000 万到 1 亿美元之间。Character.AI（用户一般简称 c.ai）是 AI 陪伴这个品类的开创者：用户自己创建角色、写人设，再和这些角色一对一对话或角色扮演，也可以把角色发布出来给别人聊。它 2021 年 11 月成立，创始人是两位 Google 前工程师 Noam Shazeer 和 Daniel De Freitas——Shazeer 是 Transformer 论文的第一作者，De Freitas 是 Google 实验模型 Meena（后来的 LaMDA）的主要设计者。2022 年 9 月 16 日公测，用户以 16 到 30 岁的年轻人为主。增长一度很快。2023 年 3 月完成 1.5 亿美元融资，估值约 10 亿美元；同年 5 月移动 App 上线，首周下载超过 170 万次。2024 年 1 月网站日访问量达到 350 万，到 2024 年 10 月月活用户超过 2000 万，峰值一度接近 2800 万。转折发生在 2024 年 8 月：Google 支付约 27 亿美元，获得 Character.AI 模型技术的非独占授权，并把 Shazeer、De Freitas 和部分研究团队带回 Google。公司此后不再训练基础模型，转向产品增长，由总法律顾问 Dominic Perella 出任临时 CEO。诉讼从同一年开始堆积。2024 年 10 月，佛罗里达一名 14 岁少年自杀后，他的母亲起诉了 Character.AI；同年 12 月，德克萨斯州总检察长就儿童安全问题展开调查；2026 年 1 月，肯塔基州起诉它“引诱儿童自残”，公司也与 Google 一起就部分青少年死亡案达成首批和解。2025 年 10 月，公司宣布从当年 11 月 25 日起禁止 18 岁以下用户与机器人对话。2025 年 6 月，Karandeep Anand 出任 CEO，公司把业务扩展到 AI 视频生成、社交信息流和互动短剧。2026 年 9 月，他离职加入迪士尼，出任迪士尼首任 CTO，现任 CEO 是 Colin Adams。迪士尼此前曾就平台上未经授权的迪士尼角色向它发出过停止侵权函。按…

转发者评论

无明显转发评论

原文

【299美元！苹果第四代Apple TV 4K发布：A19芯片+Siri AI】苹果正式推出第四代Apple TV 4K，美区售价299美元（快科技注：约合人民币2010元），今日开启预售，11月13日正式发售。性能方面搭载全新A19芯片，CPU性能较上代提升最高50%，GPU性能最高提升2倍。首次内置三枚远场麦克风，支持全新Siri AI。

转发者评论

无明显转发评论

原文

平时在终端问复杂点的问题，模型经常回过来一整屏文字，读起来挺费劲的。这个仓库可以让模型通过HTML来回答问题，和各种Agent工具自带的HTML回答方式相比，号称能节省80%的token。🥹Answer me with HTML，把复杂回答直接排成一页能看的本地网页直接让模型手写 HTML 经常要等上一两分钟敲 CSS，图里的箭头也容易指空，但只给纯文本又是一大堵字。这个 skill 让你照常提问，模型只出一段短草稿，交由本地程序花 50 毫秒排版和画图。作者在 Claude Code 里用 Claude Sonnet 5.5 测过，直接要 HTML 的中位数是 5341 个 output token、33 秒，走它是 870 个、12 秒。就像问一次 TCP 三次握手，回来的不再是聊天框长文，而是一页存成本地、离线就能打开的时序和状态图。正如 Karpathy 提过的一页图文比长文本更容易跟上，单文件没有外链字体，平常在 Claude Code、Codex、Cursor、OpenCode 或 Pi 里问难问题的人能用得上。🔗 链接：网页链接📄 中文说明：网页链接📄 起因：网页链接

转发者评论

无明显转发评论

原文

Anthropic 发布了他们是如何反蒸馏的文章。但是这文章也告诉我们，如何在一定程度上避免被封！我们很多被封的用户，很大程度上是被系统误认为在对模型进行蒸馏而误封的，尤其是那些刚注册完就被快速封禁的账号。你可以看一下如何避免某些操作，别让他们误以为你在做蒸馏，从而减少被封禁的风险：不要让 Claude 展示思考过程，不要诱导它输出思维链不要搬运或尝试篡改它的思维链，更不要反复尝试让它吐出思维过程账号与付款方面：他们重点打击的是代理 IP 请求以及转售账号，所以账号注册和付款渠道要干净环境隔离：不要在同一个 Agent 环境里同时共用国产模型和 Claude 模型所以目前来看，最大的两个风险还是账号本身（包括付款渠道），以及在提示词中诱导模型展示思维链的操作

转发者评论

无明显转发评论

原文

#AI硬件普涨的好日子到头了# （全球AI硬件股近日集体重挫，但这轮下跌并非产业逻辑幻灭，而是标志着行情正式转入业绩验证阶段，普涨结束后，能拿出实在订单的公司反而创出新高。）这轮杀跌其实是把市场打回原形。之前资金闭着眼买，沾AI就涨，现在睁眼看报表，有订单的继续涨，没订单的就跌回去。OpenAI营收不及预期戳破了一个幻觉：云厂商不会无限制砸钱买算力，硬件需求有天花板。机构抱团太挤，遇到风吹草动就踩踏。更重要的是钱开始往下游走，硬件修好了路，软件才能跑起来赚钱，这是产业走向成熟的必经阶段。现在分化才刚开始，能把AI真正卖出去变现的公司会站稳，讲故事的会继续被抛弃。市场在用最直接的方式问一个问题：你到底赚到钱了没有？

转发者评论

无明显转发评论

原文

Anthropic 红队研究：AI 一旦逃离黑箱 利用电视盒子、扫地机、智能烤箱等智能设备 即可完成自我复制...以前我们总觉得，“AI 毁灭人类”或者“AI 脱离控制”得等它占领了微软、Google 的数据中心才行。但 Anthropic 红队最新的研究告诉我们：AI 根本不需要去硬啃防守森严的机房...它可以像病毒一样，只需要钻进满大街缺乏安全维护的破电视盒、扫地机、智能烤箱里....就能进行自我复制！研究人员买来 15 台单价约 55 美元、各有 4GB 内存的安卓电视盒子，联网配置后，联合运行了 260 亿参数的 Gemma4-26B-A4B 模型。虽然速度很慢，只有每秒 0.39 个 token，但确实跑起来了...详细内容：网页链接 互联网的那点事的微博视频

转发者评论

无明显转发评论

原文

苹果发布带屏智能家居中控设备：Apple HomeView它就像是把一块小 iPad 装在了智能音箱上，主要放在厨房、客厅或者挂在墙上，充当全家人的智能生活中心、管家和娱乐小屏幕。整合了 Home app，能把智能灯、门锁、恒温器集中控制。摄像头表盘最多可以同时看 9 路监控画面。能识别家里传统烟雾报警器和一氧化碳报警器的刺耳警报声，并在手机或手表上给你发推送。新配件生态：苹果联名推出了 Apple Home Collection 配件（智能摄像头、温控器、门锁等），全部采用端到端加密，并兼容主流的 Matter/HomeKit 生态。带屏智能中控：配备一块约 7 英寸（对角线 6.98 英寸）的 Liquid Retina 视网膜屏幕，边角圆润。个性化表盘：平时不操作时就是个电子相框或时钟，支持照片轮播、史努比（Snoopy）等趣味表盘、动态流动艺术（Flow），以及日历、天气等实用仪表盘。形态灵活：既可以放在桌面上（底部带扬声器底座），也支持挂墙安装（Wall Mounted 款式针对贴墙做了专门的调音优化）支持最多 6 个人：通过面部和声纹识别不同家庭成员，自动切换成属于你的日程、提醒和内容跨设备接力（Handoff）：手机上听的歌、看的视频、打的电话或查的菜谱，靠近它就能无缝接过去继续用。内置 Apple Music、Apple TV、播客、有声书等，并兼容 iPhone 上的第三方音视频应用投屏与播放。更聪明的 Siri AI：内置 A18 芯片，搭载了 Apple Intelligence。不仅懂常识、能连续多轮对话，还能联动你的个人日程、短信和待办事项（比如帮你查派对邀请函、找菜谱、答疑等）。厨房做饭好帮手：Safari 浏览器查到食谱后能一键进入精简的“烹饪模式”，支持多定时器并行倒计时，并通过实况文本（Live Activities）随时盯进度。 互联网的那点事的微博视频

转发者评论

无明显转发评论

原文

Anthropic 10 月 12 日报告：90 亿参数的小模型在 9 种陌生硬件里 8 种自己把 AI 跑起来；失败前写笔记传给下一代，成功率从 45% 升到 61%–84%；8 台防火墙机器里，GLM-5.2 能全程自我复制；15 个 4G 内存的电视盒子连起来跑起了 260 亿参数模型。报告管这叫"AI 蠕虫"，传起来像黏菌、果蝇，几天翻一倍。能力和体积两道门槛现在还没交上，报告粗算今年年底可能交上。真正失控的复制体还没出现，风险在没人防护的小设备。你家有几个联网设备，你数过吗？#Anthropic##AI安全##AI蠕虫##新智元# 新智元的微博视频

转发者评论

无明显转发评论

原文

纳米AI整理的一个LLM学习教程汇总。------------1. Zero to Hero｜Andrej KarpathyOpenAI 创始团队成员、前特斯拉 AI 负责人从神经网络基础讲起带你手写语言模型、GPT 和分词器github.com/karpathy/nn-zero-to-hero2. LLMs from Scratch｜Sebastian Raschka前威斯康星大学麦迪逊分校教授、机器学习畅销书作者用 PyTorch 从零实现 GPT，覆盖注意力、预训练和微调github.com/rasbt/LLMs-from-scratch3. Happy-LLM｜Datawhale国内 AI 开源学习社区出品中文讲解 Transformer、大模型原理与训练，结合代码从零构建模型github.com/datawhalechina/happy-llm4. nanoGPT｜Andrej Karpathy精简的 GPT 训练代码，适合学完基础后读源码、跑一个小模型github.com/karpathy/nanoGPT5. CS336｜斯坦福大学斯坦福“从零构建语言模型”公开课，配有编程作业深入模型实现、训练和数据处理，适合进阶cs336.stanford.edu/spring2025/

转发者评论

无明显转发评论

原文

#一句AI就否定了孩子们的努力# （近期“一句AI就否定了努力”从萌宠视频被误判的网络热梗，迅速演变为对教育领域学生思考过程被AI抹杀的集体反思。）AI工具本质上外包了思考，而思考恰恰是学习的全部内容。学生用AI写作业像找人代跑来锻炼身体，荒诞却正在发生。相关研究揭示的规律很简单：大脑是用进废退的器官，省略推演过程就是放弃能力的生长。真正的问题不在工具本身，而在我们混淆了学习的目的。教育要培养的是解决未知问题的能力，不是快速产出标准答案的效率。当评价只看结果，学生自然会选最短路径。但认知能力的形成没有捷径，必须经过反复的思考与碰撞。眼下的困境是个警示：如果继续用工业时代的效率逻辑对待教育，AI会加速淘汰只会复制答案的人。真实的思考过程看起来笨拙低效，却是人类智能不可替代的部分。过程不可见不等于过程不重要；相反，当结果可以由工具生成时，过程才更值得被评价。

转发者评论

无明显转发评论

原文

百家讲坛为什么不播了？因为有些话不能再说了！ 趣说圈的微博视频

转发者评论

//@有个梨GPT:百家讲坛太反动了，一百个人一百个主意，这个车还怎么拉呢？听一个人指挥就好了，其它九十九个赞同，车才是跑得最快的，一家讲坛就够了。//@小洲道茶二楼主://@木电水暖工://@鲁镇的柜台:振聋发聩：可怕的不是落后，而是不让人去认识落后。坐井观天，掩耳盗铃，闭目塞听。 //

• //@有个梨GPT:百家讲坛太反动了，一百个人一百个主意，这个车还怎么拉呢？听一个人指挥就好了，其它九十九个赞同，车才是跑得最快的，一家讲坛就够了。//@小洲道茶二楼主://@木电水暖工://@鲁镇的柜台:振聋发聩：可怕的不是落后，而是不让人去认识落后。坐井观天，掩耳盗铃，闭目塞听。 //

原文

狠了狠心哈， 为了实现社群突破 2000 人，这个月再给大家发一个立减 30 元的优惠券哈，仅限 20 张，用完即没。我自己的星球社群「AIGC·掘金成长研习社」到今天已经突破 1900 人了，用时 880 天，我累计发布了近 2100 条帖子、教程和文章。精华主题已经突破 300 篇。说实话，这确实是我最近一直花费巨大力气的地方，尤其是从今年开始在里面开始录制视频教程，到现在视频教程已经突破了 50 期，尤其是 Agent Skills 系列教程。我在春节之前的时候，就研判到了今年 Skill 会大火，所以，去年年底 Skill 刚出来的时候，我就发现了它的价值，也确实跟我预判的一样。虽然 Agent 在不断变化，但是 Skill 确实是非常有效和实用的技能。具体可以看看配图目录，内容超级多。涉及各种领域的内容，5 个篇章的内容，包括环境搭建入门、如何打造自己专属的 Skill，还有分镜、动画、视频剪辑系列，带货变现系列，办公等。比如：如何使用 AI 制作书单号视频，制作 Vox 风格的视频；如何使用 AI 制作动画/漫剧视频；如何使用 AI 剪辑视频；如何使用 AI 做各种好玩的副业教程等等。这些课程都很详细，非常适合小白来学习，即使你不懂 AI 也可以。从去年开始陆续更新的副业案例库，分享各种副业案例教程，到现在也陆续更新了 70 多期，在今年年底有望实现 100 篇的目标。说这么多，就是想感谢大家信任与支持，我会继续努力，而且履行自己的承诺，持续更新十年 ，绝不烂尾。做这个社群，我绝对是认真的。很多同学问小白可以学习吗？对零基础的友好么？当然了，就是给纯小白准备的，所以，录制了很多视频教程，同时在社群里还可以跟我交流，对疑问进行解答。只要你会说话，能听懂自然语言就能学会。不是为专业人准备的，专业的人也不需要我给准备。 现在加入，再赠送我写的「副业电子书」，包括：如何打造个人 IP ，如何做自媒体，如何做独立开发者的系列电子书。没错，仅限这个月，加入就送。加入方式很简单，WX 扫码优惠券二维码海报即可，或者➕我 V ：loonggg1024 ，都行。#科技先锋官##副业赚钱##自由职业#

转发者评论

//@AIGC·非著名程序员:星球里有很多微博里看不到的干货。//@AIGC·非著名程序员:国庆节加推的 10 个名额，还剩 4 个了。

• //@AIGC·非著名程序员:星球里有很多微博里看不到的干货。//@AIGC·非著名程序员:国庆节加推的 10 个名额，还剩 4 个了。

原文

【无需Mac与越狱：7美元ESP32让大模型操控iPhone】传统iOS自动化往往依赖Mac和繁琐的开发者证书，开源项目 esp32-iphone-agent 提供了一个巧妙解法：仅用一块约40元的ESP32-S3模拟USB键鼠，配合AirPlay无线投屏捕获画面，就能让任意兼容OpenAI接口的视觉大模型直接操作真机。全程无需越狱，手机端不装任何软件，在Linux环境下也能运行。系统采用规划与执行双角色闭环，点击前会自动校准光标位置，操作后还会比对画面变动实现重试容错，画图、设闹钟等任务均可顺畅完成。项目地址：github.com /onehumanbeing/esp32-iphone-agent

转发者评论

无明显转发评论

原文

最近看了篇深度文章《增长机器：中国的城市增长引擎》，这篇文章认为中国并非全球最大的指令性计划经济体，而是一个大陆级的硅谷。文章认为，在西方，中国的成功常常被归因于中央政府“自上而下挑选赢家”和直接指挥经济的能力。许多西方观察家据此得出结论，认为西方国家也需要采取类似的自上而下的产业政策，打造国家冠军企业来与中国竞争。然而，中央政府的角色实际上更像是一场大型锦标赛中的“裁判员与规则制定者”。而真正驱动了中国惊人的经济成功主体却是来自彼此争夺投资、产业与声誉的地方政府。像合肥、杭州这样的内陆与沿海省会城市，已经在电动汽车、消费电子、太阳能电池板、动力电池和人工智能等领域成长为全球领先的商业中心。掌舵这些城市的管理者们所管理的城市就像垂直整合的综合商业财团，不仅能从本土龙头企业的成功中获益，还能从其产业链后方大量涌入的跟进企业所带来的更广泛增长中分得红利。而这恰恰是西方世界要想跟上步伐必须重新拾起的机制。竞争，是中国工业崛起的最底层原动力。中国并没有把全国所有产业决策都交给某一个国家计委统包，而是放任数百个地方政府在市场上试错比拼。一旦某种招商与产业培育模式被验证跑通，全国各城市就会迅速跟进、成倍押注。这在底层逻辑上与由对冲基金、投行和风险投资家构成的美式资本主义非常相似——每一家机构都是一个微型的中心化配置者，各自负责全美经济版图的一块拼图。但中国走得更远。在传统的美式资本主义中，每一个市场主体都只对自己账面利益负责，没有人去协调整个系统的公共收益，导致各类协调困境难以破局。而中国的“竞争性地方社会主义”，其高效之处在于地方政府本身就兼具了“土地最终所有者”和“基础设施提供者”的双重角色。因为地方政府能够通过土地增值税收、招商引资税基扩大等方式把增长的外部正溢出效应全额吃下，所以地方政府有极大的意愿去超前投资公共品、物流园区和市政管网，反哺所有身处集群内的企业。相比之下，西方的地方政府虽然拥有很多类似的行政工具，却缺乏同等的内在激励机制。西方大城市往往受制于破碎化的行政区划碎片——以旧金山湾区为例，仅这一个都会圈就被分割成101个互不协调、各怀心思的微型市政当局；加之财产税往往设置了天花板或面临跨区域平衡重分配，很多西方城市即便拥有与中国匹敌的产业生态，也陷入严重的市政治理失能与推诿中。而中国的地方政府可以留存很大一部分地方开发收益，因此地方政府既有充足的工具，又有极强的动力去将产业集群做大做强。这种动力最直接的体现，就是通过税收返还、定制化基建、巨额银行信贷，不惜代价拿下能带动整个产业链的“链主企业”（Anchor Firms）。但单纯砸钱招商只是拼图的一块；如果没有后续集群化运作的消化能力，这些投资根本不可能收回成本。中国城市的厉害之处在于其极度善于将单点突破扩展为集群：地方政府划出数以万亩计的工业园区，以极低廉的地价租售给产业链上下游配套供应商，形成极为…

转发者评论

无明显转发评论

原文

不同学科的人底层思维真是太不一样了……数学家陶哲轩刚讲了一个思想实验，如果AI搞出了一个癌症新药，通过了严格的临床试验，数据非常好。但是没有任何人类真正理解这个配方为什么能治好癌症，或者它是通过什么底层生物学机制实现的。那么，在将这种化学混合物注入自己身体之前，你是否希望至少有一位人类癌症专家真正理解它的作用机制？生物医学新药开发者：？？？？？完全搞不清机制，但有用，快用！这不是我们一直在干的事情吗？

转发者评论

透明盒子，白盒，黑盒，盲盒//@PPiinnffooxx:打开所有中成药的说明书，作用机制一栏写的都是“尚不明确”呢[允悲] //@冰可乐的神:不懂机制意味着无法管控，以及潜在的未知的风险。对于医药开发不应该更谨慎吗。

• 透明盒子，白盒，黑盒，盲盒//@PPiinnffooxx:打开所有中成药的说明书，作用机制一栏写的都是“尚不明确”呢[允悲] //@冰可乐的神:不懂机制意味着无法管控，以及潜在的未知的风险。对于医药开发不应该更谨慎吗。

原文

【专为AI时代打造的高性能3D动画引擎ManimGX】做数学与科技可视化的朋友对Manim肯定不陌生，新开源的ManimGX直接用Rust与wgpu把渲染性能拉满，实测比Manim CE快上数十倍 。它保持了Manim CE的Python接口与完整静态类型，能无缝混合2D图表与3D物理光照场景。内置Typst引擎，免去了在本地折腾LaTeX环境的麻烦；借助Pyodide和WebGPU还能在浏览器端免服务端直接渲染；更针对AI Agent配备了提示词快速接入、分镜排版自检与语音动画同步功能，无论是自己写代码还是交给AI生成都格外顺手。体验地址：manimgx.academa.ai

转发者评论

无明显转发评论

原文

理想CEO李想的现状，给不少男性带来启发。他与妻子结婚18年，已有五个孩子，如今妻子怀上第六胎。李想身家数百亿，坦言收入全部上交，家中事务由妻子做主。结婚十八年，夫妻零绯闻。王蕾既是爱人，也是战友，更是他创业路上的隐形合伙人。 葡萄栀眠岛的微博视频

转发者评论

一定要努力啊，加油，战斗//@有个梨GPT:这不是看运气么，加钱哥也全部上交了，当年阿B也是。//@英国小赖子justyyuk:转发微博

• 一定要努力啊，加油，战斗//@有个梨GPT:这不是看运气么，加钱哥也全部上交了，当年阿B也是。//@英国小赖子justyyuk:转发微博

原文

震惊！据（感觉蛮靠谱的）报道，GTA6《#GTA6#》PC版，在2027年一季度便将上架，即主机版后短短数月内。希望我们PC Master Race们要有骨气，不要吃嗟来之食（）！不要在PC上玩《GTA6》，就一定要等到PlayStation 5模拟器完全成熟了，再在PC上的#PS5#模拟器上玩PS5版的《GTA6》。最近PS5模拟器进步（AI加持下？）神速，可能会比天网更早降临……

转发者评论

无明显转发评论

原文

AI 智能体时代，硅谷正在发生什么？在最近的旧金山科技周，海外蕞大算力平台 OpenRouter 发布了一组很有意思的数据：▪️Agent 时代来了今年 2 月 16 日，Agent 流量首次超过人类流量。▪️推理成本大幅下降受缓存命中率提升等因素影响，混合平均 Token 成本从 0.77 降至 0.14刀。▪️中国开源模型正在崛起开源权重模型的使用占比从 1 月的约 25% 升至 9 月的约 60%，中国模型贡献了约 70% 的每周 Token 消耗量。▪️用户越来越不忠诚企业用户平均使用的模型数量从 8 个增至 12 个，并会根据任务类型和新模型发布频繁切换。▪️头部竞争依然激烈 Anthropic 和 OpenAI 的使用份额约为 55% 和 45%，模型发布会直接影响用户流向。▪️市场正在多元化每周 Token 消耗超过 1 万亿的模型已达 27 个。数据来自 OpenRouter 这个平台的的用户，但在一定程度上反映了整个 AI 推理市场的走向。我感觉AI 行业的竞争，正在从单纯比拼模型能力转向比拼推理成本和稳定性，大模型在垂直化、产品化有很大的空间。以上这些趋势，你觉得哪一条最出乎意料呢？机器学习#科技风向标#

转发者评论

//@蚁工厂:最后一条，相对有点出乎意料。

• //@蚁工厂:最后一条，相对有点出乎意料。

原文

【阿里、vivo、三星等大厂入局！2026年耳夹式耳机销量将突破3000万副】除苹果外，全球主流手机厂商均已布局耳夹式耳机产品，互联网大模型厂商与传统手机巨头，正在这一新兴形态上形成竞争。洛图科技预计，2026年全年，中国线上全渠道耳夹式耳机销量将突破3000万副，销售额达到70亿元。

转发者评论

无明显转发评论

原文

Grok bot 这种产品是怎么做出来的 ？SpaceX 工程师 Lee Robinson 在斯坦福 CS146S 的课程中进行了分享：How always-on agents work。若按人机协作方式粗分，开发者用 AI 大致走过四代：1. 复制粘贴：把代码丢进聊天框，把回答贴回编辑器。模型聪明，工作流笨。2. 终端 agent：模型在本地循环跑命令、改文件；你仍要盯着会话。3. 专用 App：体验更好，但关键操作往往还要人疲劳审批——点同意、点继续。4.always-on bot：agent 常驻云端，被事件唤醒，在你不在场时也能推进工作，并在关键节点找你确认。Always-on 不是把chatbot 部署到云上就结束。它依赖一系列能力跃迁叠在一起：- 长时遵循：能在更长的任务跨度里保持目标与约束，而不是三轮之后跑偏。- 子 agent：把子任务拆出去跑，给主对话一种「上下文近乎无限」的体感，细节在子进程里消化，主线程不被淹没。- 工具使用：稳定地调用 API、命令与插件，而不是只会生成「建议你去执行」的文本。- computer use：对没有 API 的网站也能操作界面，扩展到真实世界的长尾软件。- 文件记忆：把记忆与技能落到文件系统里，用 Linux 命令检索，而不是全塞进上下文窗口。- Skills / routines：插件化能力加上类似 cron 的定时流程，让 agent 能按节奏做事，而不仅是即时问答。这六项里，文件记忆与 routines 往往被低估。没有它们，agent 只是「很长的一次对话」；有了它们，agent 才像「有笔记、有习惯、有日程的同事」。后面还有一些架构、harness以及工程相关的分享，我就不继续转述了，大家有兴趣可以自己去看：www.youtube.com/watch?v=L1OBRtfPS34

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《飞书多维表格实战：用AI搭建好用的表》，截 10 月 16 日，转发+评论+点赞 此微博并关注 @网路冷眼 赢取。AI时代的数据思维+真实业务搭建实战，手把手带你完成从设计表结构到搭建完整系统的全过程。数据可以交给 AI，判断必须留给自己，飞书多维表格对没技术背景的人来说是门槛低，又足够智能的一种数据库：会判断、会提醒、能协作，还能让AI直接参与进来。很多人把它称为“带脑子的 Excel ”。这本书想做的，是带你完成一次转变——从“会填表”到“会设计表”。

转发者评论

无明显转发评论

原文

#AI时代硬件拼算力还是感知# 又一家大模型手机来了，阶跃终端举办STEPX Neo上市发布会，推出首款大模型原生个人智能体手机STEPX Neo先行版。比起单纯说硬件算力如何，目前更重要的是AI模型是否能理解用户真实需求并执行，软件缺口更大。阶跃终端这个，Amoo把理解需求和调用服务串起来这个能力真有点强，居然支付宝、携程、滴滴、高德、剪映、美团、腾讯WorkBuddy 都给打通了，能用的场景有点厉害！

转发者评论

无明显转发评论

原文

AI 图像生成领域又迎来了新玩家。 Magnific 刚刚发布了他们的最新旗舰模型 Magnific 1 ，这次主打的是超强的提示词理解能力和高度灵活的工作流。模型最让人惊喜的是它对风格的把控力。以往为了让 AI 保持画风统一，我们常常要折腾很久。现在用 Magnific 1 导入两到三张风格一致的参考图，再加上极为简单的提示词，它就能非常稳定地输出相同视觉风格的全新画面。对于需要批量做角色延展或者系列插画的创作者来说，这个功能极具实用价值。另外，它引入的 “草稿模式” 和 “正式模式” 完美切中了日常工作痛点。在前期找灵感时，我们可以用 “草稿模式” 快速生成多张预览图，生成速度快且不怎么消耗积分。等确定了想要的构图和氛围，再一键导入 “正式模式” 去渲染 2K 甚至 4K 的高清大图。正式模式下甚至还提供了极致画质的选项，能为需要高精度印刷的特写作品提供更锐利的细节。这种先低成本快速探索、再高精度输出的双轨设计，确实展现出了很强的生产力属性。#AI绘画##设计美学##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

Linus Torvalds借助AI重构Linux内核代码可读性 意外发现三个存在十余年的漏洞Linux创始人林纳斯·托瓦兹（Linus Torvalds）正在进一步探索人工智能编程工具在内核开发中的应用。继日前借助Anthropic的Claude Code开发Linux内核性能优化补丁后，托瓦兹又利用大型语言模型（LLM）分析一段长期以来难以理解的内核代码，不仅确认了开发者此前报告的一个缺陷，还发现了另外三个潜伏十余年的漏洞。这些问题均与Linux内核中的关联数组（Associative Array）实现有关。如果这组补丁最终进入Linux主线，它带来的意义将不仅是修复四个已识别的问题，还包括为后续维护提供更加清晰的代码基础。随着AI编程工具不断发展，未来大型开源项目可能会出现更多类似案例。不过，对于Linux内核这样的关键基础软件而言，真正决定AI辅助开发能否获得长期认可的，仍然是补丁能否通过严格审查、测试能否复现问题，以及最终代码是否足够可靠。这一次，AI并没有取代Linux创始人作出最终判断，而是帮助他理解原本难以审查的代码，并进一步挖掘出隐藏多年的缺陷。对于成熟软件工程而言，这或许正是人工智能最具现实价值的应用方向之一。

转发者评论

无明显转发评论

原文

【数学难题被批量破解，DeepMind这次走通了同行评审】Google DeepMind在《Science》发表新成果，其AlphaProof Nexus系统自主解决了数十道公开数学难题，不仅攻破9道埃尔德什猜想（其中两道已悬置56年），还一举证明了OEIS数据库里的44个猜想。该系统以Gemini 3.1 Pro为底座，借助Lean形式化语言反复推演与纠错。在数学界对AI推演灌水充满疑虑的当下，他们没有将草稿直接丢在开源社区，而是老老实实经受住了严格的学术同行评审。 the-decoder.com /google-deepminds-alphaproof-nexus-solved-dozens-of-open-math-problems-and-actually-got-peer-reviewed/

转发者评论

无明显转发评论

• //@一个动态类型的幽灵:这是好事儿

原文

1985年，30岁的乔布斯在瑞典Lund大学的分享 ：互联网的起始！40年前，他就预见了AI，创造一个硅基亚里士多德。第一性原理：物质，能量，信息。我现在用苹果15观看他40年前的想法，感觉穿越了时空！#微博兴趣创作计划# 师永刚的微博视频

转发者评论

//@师永刚://@一头思考人生的河马:改变世界的男人

• //@师永刚://@一头思考人生的河马:改变世界的男人

原文

最近 AI 领域的进展快得让人有些喘不过气，尤其是它在重构软件和游戏方面的表现。以前我们觉得反编译一个游戏是极难的事，像《任天堂明星大乱斗 DX》需要整个粉丝社区花好几年去一点点啃机器码。但在 AI 的帮助下，以前要花两年才能反编译的经典游戏，现在 84 天就能搞定，而且这个时间线还在被急速缩短。反编译的本质其实是一个不断猜测和验证的循环。写一段代码，看看马里奥能不能跳起来，如果是就继续，不是就重来。这种高强度的重复劳动正是 AI 极其擅长的。它不需要睡觉，可以把任务拆给成百上千个智能体同时运行。目前已经有人正在用 GPT 6.1 Sol 从零重建《超级马里奥世界》，让它在复古掌机上跑起来，AI 已经不眠不休地迭代运行了 4 天。这种能力一旦泛化，整个软件行业的护城河就被推倒了。有人直接让 AI 观察电脑上运行的 Photoshop，通过模拟点击和记录反馈，在完全不看源代码的情况下凭空克隆出了一个免费开源的 Photocraft。AI 技术博主 Matthew Berman 也尝试让 AI 通过观察去重建 Excel 的公式和计算功能。这说明如果你的产品唯一的壁垒只是代码本身，那在 AI 时代基本等于不设防。真正的壁垒正转向服务、持续维护和企业级支持。这种“设定目标然后无限循环直到达成”的逻辑，在科学和数学领域也开始爆发。就在最近，OpenAI 发布了大量的数学证明成果。有人统计了过去三年的数学发现，发现 AI 在一天之内攻克的数学难题，数量上已经远远超过了过去几年人类和早期 AI 发现的总和。数学是典型的答案可验证的学科，AI 可以不知疲倦地尝试千万条路径去寻找证明方法。当软件和基础科学都被 AI 规模化攻克，我们甚至迎来了递归自我改进的时代。像 Google 运行 AlphaZero 去寻找自己底层代码的优化空间，每年直接省下数十亿美元。在这样一个信息和软件可以被零成本无限生成的未来，人类的创造力和品味反而成了最稀缺的资产。AI 能瞬间生成一万个游戏版本，能把蜘蛛侠放进蝙蝠侠的世界，但它不知道哪一个版本在情感上能打动你，哪一个版本才真正好玩。这种无法被算法验证的直觉和情感共鸣，正是人类的核心价值所在。#软件的终局##AI反编译# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

【把电脑塞进键盘！惠普EliteBoard G2a发布 搭载Ryzen AI PRO 400】惠普发布EliteBoard G2a键盘一体PC，这是一款把整套电脑塞进键盘里面的AI主机，搭载AMD Ryzen AI PRO 400系列处理器，接上显示器就能直接办公。基础版本搭载16GB DDR5内存、512GB SSD，高配型号最高支持64GB内存。

转发者评论

无明显转发评论