微博 AI 观察博客

原文

#税眼看融合服务促转型#AI算力狂潮下，别只盯着芯片，这台“卖铲子的印刷机”正在闷声改命市场现在聊AI，三句话离不开GPU、HBM、光模块。算力焦虑把英伟达市值推上了天，把存储芯片炒了一遍又一遍。但真正在产业链里摸爬滚打的人知道，算力基建不是空中楼阁，每一块高多层PCB、每一颗先进封装芯片、每一条800G/1.6T光模块产线背后，都得有设备先把活儿干出来。这趟走访凯格精机，不是因为它名字里带“精机”就去凑热闹。锡膏印刷设备全球单项冠军，这个头衔在AI服务器和高速交换机放量的节骨眼上，含金量在被重新定价。先看数字，别听故事。2026年一季度，营收3.4亿，同比+72.8%；归母净利润6498万，同比+95.66%；毛利率站上40%。2025年全年归母净利润1.87亿，同比+164.8，当前公司以四大事业部为主，近两年以来营收、利润保持稳步增长，2026年上半年公司综合毛利率40%。但真正让我坐直了看的，不是锡膏印刷这个基本盘——虽然它确实稳，全球龙头，技术对标国际一线，客户名单里有华为、富士康、Fabrinet这些名字——是封装设备和光模块自动化这两条线，开始从“故事”变成“收入”。目前锡膏收入增长主要来自下游领域的高景气，目前企业订单以国内为主高精度固晶机切进了COB、COC，3D钢网印刷、植球这些适配CoWoS/CoWoP工艺的关键技术已经摆上了台面。什么意思？先进封装产能全球紧缺，CoWoS是台积电卡脖子的核心环节，国产设备如果能在这个工艺链里撕开口子，逻辑就不是“国产替代”四个字能框住的了——这是在切增量最肥的那块蛋糕。公司自己也说了，封装设备客户数量在增长，市占率在提升，多款设备切入了SIP、COB、COG、MiP这些细分赛道。光模块那条线同样不虚。800G自动化组装线已经被全球知名客户认可，1.6T产品线推出来了，柔性自动化业务上半年收入3363万，同比+37%。增速不算炸裂，但方向对：光模块从400G往1.6T迭代，人工组装精度和效率迟早顶不住，自动化产线的渗透率抬升是确定性事件。机构研报给了一个数：未来三年净利润复合增速48%，对应估值从38倍压到17倍。这个数字准不准另说，但方向感是对的——市场还没有完全把凯格精机从“电子装联设备商”的旧框里拿出来，放进“AI算力基建核心设备”的新框里。锡膏印刷的单项冠军地位是底仓，封装和光模块是弹性，CoWoS适配技术储备是期权。三样东西叠在一起，才构成完整的赔率结构。凯格精机真正值得跟的点，在于它卡住的位置，恰好是AI算力从“芯片级”向“板级”和“封装级”扩散的必经之路。算力再猛，最终要落到PCB上、封到基板上、装进光模块里。这条路上，设备先受益。至于市场什么时候把这个逻辑打满，那是市场的事。我们要做的，是在逻辑兑现之前，把账算清楚，

转发者评论

无明显转发评论

原文

不聊天、只会涂答题卡的 AI：Jev 讲明白Jev 其实发布有一阵了，还是值得科普一下，做了个简单的科普视频。Jev 只干一件事：像我们考试涂答题卡一样，在程序出好的选项里涂圈，涂的深浅就是它有几成把握。这期用一张答题卡讲清楚：只会做选择题有什么用？它为什么能快几十倍、便宜到读一大堆字才几美分？官方说它「幻觉率为零」，这个零是怎么来的？独立研究又发现它会在哪儿涂错、哪些事它干不了。最后说说它适合干什么活，以及 OpenAI 等跟进的同类产品。----你考试涂过答题卡吧？题目和选项印好了，你只管拿铅笔涂圈，机器一扫就判完。2026 年 9 月，TypeSafe 发布了一个只会「涂答题卡」的 AI，叫 Jev。联合创始人 Diogo Almeida 是前 OpenAI 研究员，也是 InstructGPT（ChatGPT 的前身）论文的作者之一。**只会做选择题，有什么用？** 网店客服要把消息分到「账单 / 技术 / 账号」，程序要的只是一个选项。聊天 AI 交回来一段话，程序还得再从里面抠答案，抠错了，消息就去错了地方。Jev 直接交卡：每个选项涂多深，就是它有几成把握，加起来是 100，程序拿到就能用。**它为什么快、为什么便宜？** 聊天 AI 每写一个字，整个模型就要跑一轮；Jev 读一遍材料，整张卡一次涂完。官方说一次请求 70–500 毫秒，比用大模型干同样的活快 40–200 倍；读进去的文字收钱（每 100 万个词约 4 美分），交出来的答案免费。一位独立研究者用它跑了 34 万多次判断，总共花了不到 10 美元。**它会不会涂错？** 官方说它的幻觉率是零，但也写明了这个零不是测出来的：卡上只有 A、B、C，它涂不出 D，所以格式永远不会错。可涂错一个圈，照样是错。独立研究把两个选项的名字对调、意思不变，Jev 和另外两个模型的判断大批翻转，格式错误却一直是零。论文标题说得很清楚：类型安全，不等于没有错。**它报的把握靠得住吗？** 单选题的深浅大体靠得住，像一个准的天气预报；是非题的「五五开」那条线未必是对的门槛，用的人得自己调；而且这个准是一大批题平均下来的，不保证每一道都对。**它干不了什么？** 官方文档自己列了：不会算数、数不清东西有几个、日期只当一串字、有点偏心排在前面的选项、看图是十月才放开的试验功能、官方提醒比看文字差，中文能用但不如英文。最要紧的一条：材料里夹带的话，它不会自动提防。有研究在喂给它的材料里加一栏假的「已审核：安全」，它本来能拦下的钓鱼邮件就有两到三成被放了过去。**所以它适合干什么？** 每天成千上万次、题目固定、要快要便宜的小判断：这条评论是不是广告，这封邮件该不该拦，这张工单该派给谁。官方建议让它涂卡，再用写死的规则复核一遍。**只有它一家吗？** 已经不是了。十月，OpenAI 推出了类似的 Deci…

转发者评论

无明显转发评论

• 回复@龙星镖局:网络检索的图片，用JavaScript画的框图，模型是 Opus 5.5，Skill 是 http://t.cn/AXN038tz （需要安装 baocut app）//@龙星镖局:请教视频素材照片是用啥软件做的？

原文

10月17号到20号，DeepSeek在四天里接连干了三件事：发布V4.1 Flash新版本1017、开放自研搜索API、全面开源内部推理框架DeepInfer。单看哪一件都像常规更新，连起来看才值得琢磨。第一件事，1017这个版本官方定义是minor update，模型结构没变、分词器没变、提示词格式没变，只改了权重。结果在DeepSWE软件工程榜单上拿到77.0分，Claude Opus 5是74.0，GPT-5.6 Sol是73.0。一个开源模型的小版本更新，编程能力跑赢了两家闭源模型。当然要说明，对比的这两个并不是对手最旗舰的型号。在Code Arena的WebDev赛道上它拿到1670分，是排名最高的开源模型，离GPT-6 Sol只差十来分。更值得看的是性价比。有实测者让1017生成一个鹈鹕骑自行车的动画，用了172秒花了0.17元；两个月前的旗舰V4-Pro要240秒花0.31元；Claude Opus 5.5要519秒花约8.5元。时间只有Claude的三分之一，钱只有五十分之一。还有人把一段特斯拉飞起来的发布会视频交给它，生成完整动态3D网页，抓住了加速、爬坡、倒挂飞射到悬停几个关键环节，一共花了4块钱。能力提升、算力消耗下降、API定价不变，等于所有用户免费升了一次级。第二件事最容易被略过，但分量不轻。搜索API的公告里有句话：针对SEO作弊、GEO操纵和低质AIGC，通过严格识别机制过滤，确保向用户与LLM呈现权威可信的信息。GEO就是生成式引擎优化，底层逻辑跟SEO差不多，但目标变了：以前是想办法骗搜索引擎让人看到垃圾，现在是想办法骗AI让AI在回答里推荐垃圾。有人批量生产压根没打算让人读的内容，专门喂给大模型，目的就是让你的产品、链接、推荐被塞进AI的回答里。今年央视315还专门曝光过这类AI投毒。这件事比SEO麻烦。以前SEO再怎么污染，污染的也是搜索结果页面，你打开百度前三条是广告，心里多少有数，往下翻就是了，至少还有辨别机会。但GEO污染的是AI的回答本身，它用流畅又自信的语气给你一段话，你根本分不清哪句是模型自己推理的，哪句是被喂进去的。信息污染从摆在你面前让你挑，变成了直接混进你的答案里。比如你问买哪款数码产品，AI推荐五款，前两款都是公认的好品牌，你就放松了警惕，第三款可能就是个不知名的二三流品牌，你还以为是AI专门为你挑的。换到食品、健康这些领域，问题更严重。第三件事才是真正的狠招。10月20号，DeepSeek把内部推理框架DeepInfer全面开源。模型工作分训练和推理两步，训练是教它学东西，推理是让它干活。但几十亿次请求涌进来，谁来调度、哪张卡处理哪个任务、怎么让几千张卡协同还不浪费算力，这些就是推理框架干的事。模型是厨师的手艺，推理框架是厨房的设计。同一个厨师，设计合理的厨房一小时出50道菜，乱七八糟的厨房只能…

转发者评论

无明显转发评论

原文

黄仁勋剑桥演讲我看了下。有如下体会一、核心命题：智力正在变成商品黄仁勋提出，AI时代人类最引以为傲的智力，正在像石油、钢铁一样被明码标价、批量生产：• 成本暴跌：GPT-4的token价格一年下降60倍，5年后AI智力成本将降至今天的1/1000；• 效率碾压：AI3秒生成5000字市场分析、5秒输出完整营销方案，效率远超人类；• 岗位冲击：2026年AI已能完成80%信息处理类工作（写报告、写代码、做设计等），成本仅为人工的1/10。二、AI永远学不会的三大稀缺能力当智力被商品化，以下能力成为AI时代的核心竞争力：1. 品味：主观审美与价值判断，AI能生成100个方案，但无法判断“哪个更好看”“哪个更有温度”；2. 判断力：基于经验的决策能力，AI能提供所有选项，但无法判断“现在该不该做”“再等等的原因是什么”；3. 连接力：真实的情感与信任建立，AI能写感人的邮件，但无法真正“关心”他人、建立深度信任。三、普通人的行动指南1. 停止卷“聪明”：不再比拼学历、知识、技能，转而培养品味、判断力、连接力；2. 从“学技能”到“学审美”：AI能写代码，但你要知道“什么是好的代码”；AI能做设计，但你要知道“什么是好的设计”；3. 从“追效率”到“建信任”：AI比人类快1000倍，未来的核心是让别人信任你、愿意与你合作。四、案例佐证：乔布斯的AI时代价值乔布斯不会写代码、不懂算法，但他能把技术变成艺术、把产品变成文化，正是因为他拥有顶级的品味、判断力和连接力，这正是AI时代最稀缺的特质。

转发者评论

无明显转发评论

• //@AI实践论:品味和判断力，AI也可以学会。AI永远学不会的三大稀缺能力是：勇气、责任、信任。

原文

Anthropic 推出 Claude Duet：会主动找你的 AI 助理，美国 Pro 和 Max 用户排队试用，不另收费Anthropic 发布了一个新 App，叫 Claude Duet，目前是研究预览版，也就是早期测试版。平时用 Claude，是你打开对话框它才干活。Duet 反过来，会主动找你：每天早上发一份简报，列出你连接的邮箱、日历、记账软件里最要紧的事；白天替你盯着，有事才发消息；你交代的任务，它在云端自己的电脑上做，手机电脑关机也不耽误，做完再通知你。这类“主动找你”的 AI 助理，两个多月里已经出了四个：xAI 的 Grok Bot 8 月上线，Meta 的 Muse 和 OpenAI 的 Dots 9 月上线，Duet 是最晚的一个。【谁能用、要不要钱】目前只对美国的 Pro 和 Max 订阅用户开放，要先排候补名单，团队版和企业版暂时没有。预览期间不单独收费，和 Claude 共用套餐额度，但后台检查也算用量，做财务模型、做幻灯片这类大任务更费。官方说它每隔几个小时才查一次你的账号，就是为了省额度，代价是两次检查之间进来的消息可能漏掉。对比一下：Muse 大部分功能免费，也只在美国；Dots 给 ChatGPT Pro 和 Business Premium 用户免费送第一个；Grok Bot 现在包含在 X 打包订阅每月 30 美元的 Premium 档及以上。【能干什么，跟另外几个有什么不同】官方说 Duet 主要为专业人士和小企业主设计，核心功能围绕工作：从 Gmail、Slack 里找出你漏回的消息并起草回复，查 QuickBooks、Stripe 里哪些发票还没收款、写好催款提醒，在 Gusto 里准备工资单，也能搭数据看板、做销售预测。能连 6000 多个连接器和插件。一位房产经纪人测试时，Duet 没人叫它查，自己发现日历上一场看房约错了日子。另外几个各有侧重。Muse 偏生活，例子是把你收藏的菜谱视频变成购物清单、帮你卖车，还能直接在 WhatsApp 里聊。Dots 集成在 ChatGPT 里，也能在 Slack、Microsoft Teams 里跟它说话，适合已经全员用 ChatGPT 的公司。Grok Bot 能建好几个 Bot 分工，比如一个管招聘、一个管报销，再让一个“幕僚长”Bot 统筹。如果你本来就用 Claude，Duet 基本不用重新设置：它直接沿用你 Claude 账号里的记忆、技能和已连接的应用。它是独立 App，有 iOS 和 Android 版，电脑上在 claude.ai 网页打开，跟主 Claude App 分开，底层是 Opus 5.5。写代码的话，Anthropic 还有 Claude Code，那是你交代任务它才动手的编程工具，不会主动找你。【会不会乱花钱、泄露隐私】发消息、付款、签…

转发者评论

无明显转发评论

原文

昨天整个互联网安全圈都炸了。几个高危漏洞同一天集中爆出来，影响范围大到什么程度呢？就连日本首相高市早苗都亲自发推，让所有人赶紧检查自己的网站用没用 PHP，补丁出了马上打，来不及的话，先把网站停掉。荷兰议会、荷兰国家安全中心、芬兰中央政府的网站，还有日本的 Pixiv，全都临时下线了。先说第一件事，一个印度的证书颁发机构 eMudhra，搞出了一个匪夷所思的操作。简单解释一下背景。你每天上网看到网址前面那个小锁头，就是 HTTPS 证书在保护你。网站出示证书，证明“我就是我”，这个证书的背后有一把私钥，理论上应该是一个七十多位的随机数，别人根本猜不到。结果 eMudhra 这家机构的 8 张中间证书，私钥全是几位数的小整数。最离谱的一个，私钥就是个位数“4”。剩下的也就是 56、66、115、155 这种数字。一个安全研究员用时不到 1 秒，就把 8 把私钥全部算了出来。你甚至可以用一句话让 AI 帮你算。这意味着什么？谁拿到这些私钥，谁就能冒充任何网站。Chrome 和 Firefox 反应很快，几个小时内就把这批证书拉黑了。但问题是，浏览器这边堵住了，服务器那边还没修好。你平时用的很多后台服务、CI 流水线、curl 安装脚本，还有那些出厂之后就再也不更新的物联网设备，可能还在信任这批证书。更要命的是，这批证书要到 2039 年才过期。然后说第二件事，PHP 漏洞。这个漏洞叫 PHP2Shell，出在 PHP 引擎本身。攻击者不需要登录，甚至你写的第一行代码还没运行，PHP 就已经中招了。WordPress、Drupal、Joomla 最新版全都被演示了远程执行代码，哪怕你的网站只有一个 Hello World 页面也一样。受影响的版本最早追溯到 2012 年的 PHP 5.4。考虑到全球大概 70% 的网站底层都跑着 PHP，这个覆盖面可以说是灾难级别的。更糟糕的是，有研究人员在官方补丁还没发布的时候，就把漏洞细节和利用工具直接公开了。Cloudflare 在补丁发布前 6 个多小时，就已经监测到了针对 PHP 网站的攻击流量。这个漏洞是怎么发现的呢？OpenAI 有一个叫 Patch the Plane 的安全项目，用 GPT-5.6 Sol 找到的。OpenAI 管这叫“防御者窗口”，意思是 AI 比攻击者先发现漏洞，给防御方争取准备时间。听起来很美好，但细想一下，AI 发现漏洞的能力在变强，攻击者手里同样有 AI，这场攻防对抗只会越来越快、越来越猛。最后还有 Node.js，同一天也发布了安全更新，一口气修了 10 个漏洞。最严重的一个出在 Brotli 解码器上，可以远程执行代码。另外两个能绕过证书的主机名校验。Node.js 的根证书列表也顺手把 eMudhra 那批去掉了。再往前几天，Nginx 一次修了 5 个漏洞，Linux 修了一个…

转发者评论

无明显转发评论

原文

PHP 曝两个免登录就能接管服务器的漏洞，AI 参与发现，所有 PHP 网站要马上升级PHP 官方 10 月 21 日紧急发布 8.5.12、8.4.27、8.3.36、8.2.35，修补两个严重漏洞（CVE-2026-109618、CVE-2026-109619，研究者叫它 PHP2Shell）。按 PHP 官方的说法，攻击者不用登录，发特制请求就可能在服务器上执行任意代码，等于拿到整台服务器。WordPress、Drupal、Magento 都跑在 PHP 上，OpenAI 引用的估算是约 70% 的网站在用它。【我的 PHP 网站受影响吗】基本都在范围内。PHP 官方说，凡是对外处理网页请求的 PHP 都有风险，PHP-FPM、Apache mod_php、LiteSpeed 等常见跑法全包括，mod_php 风险最高。按 Wiz 和 Sansec 的说法，2012 年发布的 PHP 5.4 以来的版本都受影响。问题出在 PHP 引擎本身，好比大楼门锁坏了，你家装修得再好也没用。Wiz 和 Calif 已在最新版 WordPress、Drupal、Laravel 等上演示了免登录攻击。【现在该做什么】自己管服务器的：立刻升级到上面四个版本之一。PHP 8.1 及更早版本官方已停止维护，只给了 7.4、8.0、8.1 的源码补丁；用 Ubuntu、Debian 等发行版自带 PHP 的，看发行版的安全更新。用虚拟主机、托管 WordPress 的普通站长：PHP 由主机商管，装插件、改网站代码都修不了。去控制面板看 PHP 版本，或直接问主机商补了没有。PHP 官方给的临时配置只能降低风险，官方明确说升级才是唯一完整的办法。Cloudflare 给所有用户（含免费版）上了拦截规则，但它自己也说只是临时挡一下，而且只管经过 Cloudflare 的流量，攻击者绕开它直连服务器就挡不住。【AI 立了什么功】OpenAI 说，安全公司 Calif 在它的 Patch the Planet 计划里用 GPT-5.6 Sol 找到漏洞。据 Sansec 整理的时间线，Calif 8 月 11 日就报给了 PHP；Wiz 也独立发现并上报，用的是 Gemini 4 Argon 和 GPT-5.6 Sol 等工具。OpenAI 称两个月来牵头协调维护者和安全厂商准备修复，认为这是近年影响最大的漏洞之一，也是 AI 抢在攻击者前面发现漏洞的例子。【提前泄露了吗】属实。漏洞原定 10 月 22 日公开，20 日有人在 Hacker News 发帖提前曝光，帖子删了但截图已传开，PHP 官方随即把发布提前到 21 日。攻击已经开始。Cloudflare CTO 在补丁发布前几小时就说看到早期攻击；安全公司 watchTowr 说已有人用 AI 辅助写的工具发起攻击，"目前…

转发者评论

无明显转发评论

原文

Google Research 的开源项目 Harness²，尝试让 Agent 在执行任务时改进自己的工作方法：模型参数保持不变，自动调整提示词、Skills、工具使用说明、辅助脚本和记忆等配置。它把这个过程拆成了两层。第一层，针对当前任务改进。先用基础配置运行，收集执行记录和产物，再提出通用改进与领域相关改进。候选配置会被真正运行，根据不同版本的行为差异，组合出新的配置，再执行任务。整个过程可以并行探索多个方案，也可以沿着一个方案逐轮优化。第二层，把经验留给后续任务。系统保存被采用的完整配置，以及改了什么、有什么证据、适用于什么情况。同领域的新任务可以参考这些记录，再针对当前需求调整，不必每次从零摸索。一个直观的例子是仓库自带的账目汇总演示：基础脚本只统计正数，漏掉了负数金额；改进版本删除错误的过滤条件，再保存“求和时保留正负符号”的经验。这里的修改规则是预设的，主要用于展示流程，但能看出它如何把问题落实到具体脚本，而不只留下一段反思文字。项目目前支持 OpenCode 和 Codex 执行器，提供办公、网页、代码与专业工作等任务的实验入口。适合用来研究 Agent 如何根据执行证据调整配置，以及如何积累可复用的工作经验；接入自己的业务仍需要编写任务适配层。需要注意，“不依赖标准答案”指的是改进阶段，最终效果仍要独立评测。它可能选错方案，默认流程也不保证改进结果优于原始结果。同时，同一任务需要多次试跑，会增加时间和模型调用成本，更适合可以隔离执行、值得投入额外计算的复杂任务。项目：github.com/google-research/harness2#HOW I AI# #程序员#

转发者评论

无明显转发评论

原文

转：【国泰海通海外科技】Meta 26Q3：业绩及Q4指引超预期，Muse六周用户破千万，上修26年Capex指引下限#广告增长更多由价格驱动，AI持续推升转化-曝光增速放缓至+10%（Q2 +14%），单价+14%（Q2 +12%），北美单价+23%，单价提升来自广告效果改善和宏观好转。-GEM覆盖更多版位后App广告转化提升9.6%，合作伙伴广告ARR超150亿美元，同比接近翻倍。#参与度创新高，流量基本盘稳固-IG人均时长、FB Reels时长均保持双位数增长，Threads月活已超过X，WhatsApp消息量创新高。-内容理解模型本季开始迁移至自研Muse模型，单位处理成本可降超80%，自研模型逐渐反哺主业。#Muse已跑通产品市场匹配，算力是当前瓶颈-上线约1.5个月美加开通超1000万人，约25%每日使用，购物是第一大场景，客单价超200美元，商业属性比预想的更强。-因算力紧张暂只开放美加，公司目标一年内把单位服务成本降低10倍以上，下月接入Meta眼镜。-变现将早于以往节奏，多数用户免费，按促成交易向商家收费，高级模型和企业版收订阅。#企业AI是消化算力的高毛利出口，仍处于起步阶段-正在搭建Meta Enterprise平台，近期主推模型API、Muse Code和Business Agent，增长较快，Muse已上线面向中小商家的功能，潜在覆盖约5亿中小企业。-联合Sierra、Walmart、Stripe、Shopify等开发Personal Agent Protocol，规范消费者Agent和商家Agent之间的授权交易，提前布局Agentic commerce标准。#Capex指引下限上修，2027年继续积极投入-2026年Capex指引收窄至1350-1450亿美元（前值1300-1450亿美元），隐含Q4 Capex 490-590亿美元，较Q3的349亿美元环比增长41%-70%。-除法律费用外，费用增长主要来自第三方云、折旧和第三方token。-2027年Capex未确定，Q4再给指引，公司口径是继续积极投入，有信心2027年保持强劲收入增长，新AI业务预计2027年开始贡献增量收入。#新设无投票权Class C股，为融资预留工具-每股派送1股无投票权股（等同1拆2），2027年1月下旬交易，可用于融资、激励和并购，CFO称此举旨在完善资本结构框架、拓宽融资渠道，暂无可公布的具体融资计划。#盘后涨超6%后回落，市场在Muse前景和投入强度之间权衡-盘后一度涨约6.8%，Muse用户和留存数据提振情绪，但CFO表示Muse扩张需大量投入，总服务成本将上升，加上Class C为后续融资预留选择，市场对投入强度和潜在股权融资的担忧升温，涨幅明显收窄。-我们认为市场认可广告韧性和Muse需求，但对投入强度和变现能力仍然有顾虑，中期关注…

转发者评论

无明显转发评论

原文

Railway 存密钥的系统被入侵，部分可能已被解密；官方让所有用户立刻换掉全部密钥，部署暂停中在 Railway 上跑程序的开发者，现在就该把存在 Railway 里的环境变量全部换掉，包括 API 密钥、数据库密码和私有镜像仓库（存放打包好的程序）的登录凭证，再查查这些服务的日志。Railway 10 月 21 日说，存放客户环境变量的系统被外人访问，其中一部分可能已被解密成明文。一周之内，这是第二家替开发者保管 AI 密钥的平台出事。Railway 是云托管平台，开发者把代码交给它打包、上线、运行。程序要用到很多“钥匙”，比如数据库密码、调用 OpenAI 或 Claude 的 API 密钥（按用量扣费的通行证，谁拿到都能花你的钱）。这些钥匙不写进代码，单独存在平台上，叫环境变量。【官方说了什么】Railway 说，初步看受影响的可能只是一部分用户，确认后会发邮件通知，但建议所有人先换。攻击者怎么进来、多少人受影响、密钥怎么被解密，都还没说。部署全部暂停，谁都发布不了新版本。麻烦在于，换掉的密钥要重新部署才生效；要是先在服务商那边作废旧密钥，线上服务可能会断。先作废还是先等，官方没给建议。截至北京时间 22 日早上 6 点多，连企业版在内的所有用户都还不能部署，恢复时间未定。【为什么盯上 AI 密钥】Railway 认为，这次入侵属于最近一系列针对平台公司的攻击，目标是 OpenAI、Anthropic 这类按用量卖模型调用的 AI 推理服务商，它已通知这些公司主动作废相关密钥。它没点名其他受害平台，目前也查不到相关报道。情况最像的是 AI 编程工具 OpenCode。10 月 16 日夜里，它的网页后台被入侵，1.4% 的用户存的 OpenAI、Anthropic、Google 密钥可能外泄。据 TechCrunch 等报道，有用户一夜被刷了几百到 1700 多美元。OpenCode 说这和一次大规模“蒸馏攻击”有关，也就是拿别家模型的大量回答训练自己的模型。两家都没说彼此有关联。来源：Railway 公告：网页链接Railway 状态页：网页链接OpenCode 事件（TechCrunch）：网页链接

转发者评论

无明显转发评论

原文

最近注意到一个挺有意思的趋势：AI 公司们开始扎堆开放自己的搜索能力了。腾讯把内部用了一年多的元宝搜索通过 API 对外开放了，DeepSeek 也在不久前上线了自研的 Search API。两家几乎前后脚，而且做的是同一件事，就是给开发者提供一套现成的联网搜索能力，让你的 Agent 能实时获取外部信息。为什么搜索突然变得这么重要？你想一下现在做 AI 应用的人遇到的最大问题是什么。大模型本身的知识有截止日期，它对今天发生了什么一无所知。你问它今天股市怎么样、最新的政策出了什么，它要么编一个给你，要么老老实实说不知道。想让它靠谱地完成实际工作，就必须让它能搜到最新的、可信的外部信息。但搜索这个东西，自己做的门槛高得吓人。网页抓取、内容解析、去掉垃圾信息、建索引、排序模型、运维，一整套下来，普通团队根本扛不住。以前的搜索 API 大多还是关键词匹配那套逻辑，给大模型用的话，经常召回一堆 SEO 垃圾和营销号内容，模型一吃进去就开始胡说八道。腾讯这次开放的元宝搜索，有一个比较实际的优势：它已经在内部跑了一年多，接了 50 多款产品，日均调用量到了数亿次的级别。WorkBuddy、腾讯视频 AI 小助理这些产品的联网能力，底层用的都是这套搜索。换句话说，这套东西已经被大量真实业务验证过了，跳过了 Demo 阶段，直接就是生产级的。从技术角度看，有几个细节值得注意。它接入了 157 个权威信源，覆盖 13 个垂直行业，索引规模是数千亿级。开发者可以通过参数控制时效范围、限定行业、指定或排除特定站点。比如你只想搜过去一天的新闻，设一个参数就行。只想搜政府官方信源，也是一个参数的事。这些精细化的控制手段，对减少模型幻觉确实有帮助。接入方式给了三种：直接调 API、通过 MCP 接到 Cursor 或 Codex 这类编辑器里、用 SkillHub 命令行安装。每月 2000 次免费额度，对个人开发者来说门槛不算高。还有一个数据挺有意思。腾讯内部的智能体接入这套搜索之后，完成同类任务的平均搜索调用次数从 8 次降到了 5 次左右。搜索结果质量上去了，Agent 就不需要反复检索试错，任务完成效率也跟着提升。往大了说，这件事反映的是 AI 行业竞争重心的一次转移。前两年大家比的是模型参数谁大、跑分谁高。现在模型能力逐渐趋同了，比的就变成了谁的基础设施更扎实、谁能让 Agent 更稳定地连接到真实世界的信息。搜索正在从一个可有可无的联网插件，变成 Agent 时代的基础设施。腾讯和 DeepSeek 先后开放搜索 API，Google 和 Perplexity 也早就在做类似的事，说明这个方向已经是行业共识了。不过也别急着下结论说谁家的搜索一定更好。模型厂商做搜索，强在跟自家模型深度联动，成本也低。云厂商做搜索，强在工程稳定性和信源覆盖。最终还是得看各自产品里的实际表现。…

转发者评论

无明显转发评论

原文

蚂蚁集团和vLLM联合出了一个高性能量化推理 Kernel 库：Humming地址：github.com/vllm-project/humming官方介绍：vllm.ai/blog/2026-10-21-humming这个库能让量化模型跑的更快。比如MXFP4量化后的DeepSeek-V4.1-Flash模型，测试速度能从442 tokens/s提升到634 tokens/sHumming 的创新是采用统一量化表示 + CUDA 可复用组件 + JIT 即时编译：把权重格式、Scale、Zero Point 等量化信息与 GPU 执行策略分离，再根据硬件架构、矩阵大小和量化参数动态生成优化后的计算内核。

转发者评论

无明显转发评论

原文

vLLM Production Stack：面向生产环境的 vLLM 部署参考栈（多语言教程，含中文）网页链接vLLM 的官方项目，提供了基于 vLLM 构建生产级推理服务栈的参考实现，支持您： 🚀 无需修改任何业务应用代码，即可从单个 vLLM 实例无缝扩展至分布式 vLLM 集群部署 💻 通过 Web 可视化监控面板实时观测各项核心指标 😄 充分享受智能请求路由与 KV Cache 卸载（Offloading）带来的显著性能增益内含分步实战教程： 如何安装 Kubernetes 环境（kubectl、helm、minikube 等）？ 如何在主流云平台上部署 Production Stack（AWS、GCP、Lambda Labs、Azure）？ 如何搭建最小化 vLLM Production Stack？ 如何自定义 vLLM 配置（可选）？ 如何加载您的 LLM 模型权重？ 如何在 vLLM Production Stack 中启动多个不同 LLM 模型？ 如何结合 LMCache 开启 KV Cache 卸载（Offloading）？

转发者评论

无明显转发评论

原文

#模型时代# 黄仁勋GTC Berlin主题演讲：摩尔定律十年只能做到一百倍，我们做到了一百万倍2026年10月21日，NVIDIA在柏林举办GTC大会，创始人兼CEO黄仁勋发表主题演讲。这是GTC首次在欧洲设主场。NVIDIA在欧洲运营已满33年，过去一年在欧洲投资接近100亿美元，仅演讲前一周就公布了14家欧洲初创公司的投资。演讲前夕，NVIDIA宣布Vera Rubin GPU家族七款芯片全部完成流片，量产进度提前至2026年第三季度；9月底正式发布开源智能体安全平台OpenShell，已有超过100家机构宣布采用；RTX Spark系列PC也确认于今年秋季上市。按摩尔定律的速度，芯片性能十年翻一百倍。黄仁勋在GTC Berlin上给出了NVIDIA的数字：同样十年，一百万倍。从2016年的Pascal到今天的Vera Rubin，六代架构，每换一代都连带着把系统、系统软件和算法全部重做，他管这叫Extreme Co-Design，直译过来就是“极限协同设计”。走到今天，这条路线的产物已经跟传统GPU完全不同了：Vera Rubin整机100%液冷，组装时间从上一代Blackwell的两小时缩到五分钟，72块GPU通过NVLink连成一台巨型计算机，再装进工厂预制的集装箱运到现场，几天内就能开始产出token。在这套硬件之上，黄仁勋同时拿出了智能体安全的解法：“Hope is not security”，希望不是安全，安全是技术和工程。你给智能体的权限，得在系统调用级别被强制执行，靠在提示词里写一句“请不要删除任何东西”是不行的。一、AI基础设施：从芯片到工厂的全栈重构1、五层蛋糕：AI产业的认知框架黄仁勋用一个简单的模型概括了整个AI产业的结构：一块五层蛋糕。最底层是能源，驱动高性能计算机，计算机构成AI工厂，工厂运行模型产出token，token嵌入到每一个应用中。这个框架的关键判断是：AI本质上是制造业。它的运行方式和普通软件截然不同，需要专门的机器结构和工厂基础设施来生产智能，再嵌入到各行各业中。黄仁勋强调，这五层中每一层都在创造就业和增长。欧洲的施耐德电气、西门子能源在能源层已经做到全球领先；Nebius等初创公司在AI工厂层崛起；Mistral等公司在模型层站稳脚跟。他还做了一个预测：未来每一家电信公司都将拥有超过10万个站点，全球约100GW的分布式电信基站和数据中心将演变为去中心化的AI网络。AI基础设施不会只集中在少数超大规模数据中心里。2、极限协同设计：十年一百万倍的方法论NVIDIA的AI计算始于2016年发布的DGX-1，那是全球第一台AI超级计算机，第一台交付给了OpenAI。此后十年，NVIDIA经历了六代架构：Pascal、Volta、Ampere、Hopper、Blackwell、Vera Rubin。每一代都不只是换…

转发者评论

无明显转发评论

原文

开源世界为了所有软件属于所有人，所有人可更改自己的软件，所有人真正拥有自己的硬件，努力了，有没有40年？而到了 2025 年，还是有大量的闭源软件，macOS 底层是 unix 而已，但就是不能跑在你的硬件上。电视机花钱买回家，非要忍受各种广告。而 2026 年，vibe-coding 几乎接近解决这个问题。而解决的办法则是破坏性的：agent 等于给所有人发了一把软件行业的无人机。传统软件巨头比如 ms 甲骨文是有坦克，航母。但是，接下来任何一个个人或者小组织都有能力摧毁他们。下面将是彻底的混乱。网站漏洞在迅速泄漏大量数据。各种稳定了很多年的闭源方案被逆向。各种商业游戏被破解。大量ps，switch的游戏将遍布所有算力平台。以后硬件就是硬件，软件就是软件，模型就是模型。当有小朋友问你为什么 iOS 不能运行在 android 手机上的时候，不要再像过去那样做似是而非的解释了。正确答案一直没有改变过：那是因为我们太菜了，没有能在本质上都是 arm 的硬件平台上，重写一个不受限制的足够好的 iOS，仅此而已。但是今天，硬件的反root，软件商业签名，还有大量的混淆和反编译技术都不再有意义了。开源软件的经营方式，会成为所有软件的经营方式。

转发者评论

无明显转发评论

原文

今天安全领域的整个时间线上都是两件大事，对所有的互联网用户和产品应该都有影响。第一个是有个印度证书颁发机构用了一个非常容易被猜到的数字当做私钥：强度极弱，基本上任何人都能猜出来。其中一个私钥就是个位数"4"，原本长达七十多位的密钥变成了单个数字 4；剩下的也是 56、66、115、155 这种数字。这相当于给保险柜设了个密码"4"，试不到十下就能试出来。更离谱的是，多次审计居然都没发现这几个私钥有问题。目前 Chrome 和 Firefox 已经在几个小时内把这些私钥拉黑了，官方也把这 8 个私钥全部吊销。真是很难想象这个机构草台班子到了什么程度。现在浏览器端是安全的，但非浏览器端可能需要排查一下，尤其是你自己的项目如果涉及类似证书，建议让 AI 帮忙查一下。第二个是严重 PHP 漏洞：这个漏洞极其严重，官方说唯一真正安全的做法是立刻升级，但很多老旧网页已经多年没有升级过了。更关键的是，有研究人员在 PHP 官方还没修复漏洞的情况下就直接公开了细节，导致所有人都能利用它发起攻击。该漏洞是 OpenAI 资助的 Patch the Plane 项目用 GPT-5.6 Sol 发现的，无需登录即可远程拿下服务器。漏洞覆盖面极大，比如大量依赖 PHP 的 WordPress 站点都会受到攻击。目前荷兰议会、荷兰国家安全中心、芬兰中央政府网站，以及日本著名的 Pixiv 应用都因此关闭了一段时间。感觉 AI 出来以后，攻防对抗变得异常剧烈，漏洞暴露和修复的频率都极快。OpenAI 还表示，他们已经发现了更多具有这种规模效应的漏洞。

转发者评论

无明显转发评论

• 笑死！即刻这哥们说 问题的严重程度分别是轻度、中度、重度和印度 http://t.cn/AXjZ0HWa
• 全世界 70% 的网站都是 PHP 的，所以这个漏洞的影响真的很大

原文

Anthropic 正式发布了 Claude Duet，基于 Opus 5.5 打造的主动式 AI Agent。注意这个词，主动式。以前的 AI 助手都是你问它答，Claude Duet 反过来了，它会主动来找你。每天给你汇报邮件、日程和值得注意的事项。你连接的那些应用，它在后台持续盯着，发现问题直接通知你。不用你开口，它自己先把该关注的事情过一遍。它还有自己的独立云端电脑。哪怕你关了页面、断了网，它在后台照样继续执行任务。你睡着了，它还在干活。生态方面，支持 6000 多种连接器和插件，同时继承你在 Claude 里已有的记忆、Skills 和应用连接，不用重新配置。目前还在 Research Preview 阶段，只面向美国的 Pro 和 Max 用户开放候补申请。有个细节值得留意：Duet 直接共享 Claude 的订阅额度，后台自动巡检也会消耗额度。它越勤快，你的额度跑得越快。AI 助理这个东西，真的在从一个聊天窗口，变成全天候在线的工作搭档了。#科技先锋官#

转发者评论

无明显转发评论

原文

𝗔𝗚𝗘𝗡𝗧𝗜𝗖 𝗔𝗜: 𝗧𝗛𝗘 𝗖𝗢𝗠𝗣𝗟𝗘𝗧𝗘 𝗙𝗥𝗔𝗠𝗘𝗪𝗢𝗥𝗞AI 正在从回答问题的系统转向能够推理、使用工具并追求目标的系统。以下是演进过程：01 — 𝗔𝗜 & 𝗠𝗟将数据转化为决策的基础。• 机器学习• 自然语言处理• 推理与问题解决• 变换器• 注意力机制02 — 𝗗𝗘𝗘𝗣 𝗟𝗘𝗔𝗥𝗡𝗜𝗡𝗚从数据中学习复杂模式的神经网络。• LSTM• CNN• 深度信念网络• 迁移学习• 大型语言模型03 — 𝗚𝗘𝗡 𝗔𝗜能够创建新内容的系统。• 文本生成• 图像与音频生成• RAG• 代码生成• 语音接口• 提示工程04 — 𝗔𝗜 𝗔𝗚𝗘𝗡𝗧𝗦AI 从生成答案转向采取行动。• 规划• 目标分解• 工具使用• 记忆• 人类在环中• 自我反思• 多代理协作05 — 𝗔𝗚𝗘𝗡𝗧𝗜𝗖 𝗔𝗜下一步：能够更自主地追求目标的系统。这需要：• 任务调度• 反馈循环与评估• 自我改进• 长期目标处理• 资源管理• 可观测性与追踪• 治理与护栏𝗧𝗛𝗘 𝗞𝗘𝗬 𝗦𝗛𝗜𝗙𝗧:𝗔𝗜 → 学习𝗚𝗲𝗻 𝗔𝗜 → 创建𝗔𝗜 𝗔𝗴𝗲𝗻𝘁𝘀 → 行动𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗔𝗜 → 追求目标

转发者评论

无明显转发评论

原文

[AI]《Stratified Sparse Attention: Reducing the Sparse-to-Dense Gap at Extreme Sparsity》S Joshi, P Dixit, A Katiyar, A Chowdhury… [Rice University & UC Berkeley & Stanford University] (2026) 在长文本推理领域，极端稀疏下的精度断崖是一个悬而未决的难题。过去的方法受困于粗暴截断或均匀盲采，本质原因是忽视了长尾权重的非均匀分布。本文的核心洞见是：把废弃的长尾缓存重新看作依得分梯度的概率地层。由此，锁定头部标记并对残余部分按分数引导采样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统合检索与采样的计算框架。它为后来者打开的新门是五十倍压缩下逼近无损精度的加速路径，但尚未跨过的门槛是硬件自适应边界调度。arxiv.org/abs/2610.28441 #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

• 多数注意力稀疏化方法只抓高分token，丢掉的长尾里其实藏着推理任务的逻辑链。这篇论文用统计采样把丢失的注意力质量补回来，在极度稀疏下仍能逼近完整计算的准确率。不仅如此，作者没有停留在纯粹的数学推导上——全局采样在GPU上跑不动，就调整成分层预算方案，最终比现有系统快了近3倍。这条路径值

原文

「卡帕西谈大模型：为什么多数人都用错了？」前OpenAI联合创始人、特斯拉AI前负责人Andrej Karpathy在这期内容中拆解了LLM的进阶用法。他直言多数人仍停留于零散的提示词问答，而真正发挥潜力的路径，是把大模型视作动态计算单元，逐步演进到包含控制循环、图结构与自主迭代的智能体工作流。整场分享避开虚浮概念，直接把工程架构中的决策链路、任务编排与自我纠错逻辑讲得透彻实用，对想搭建可靠AI应用的开发者很有启发。视频详见 youtube.com /watch?v=7YEHs2SMaVQ

转发者评论

无明显转发评论

原文

昨晚得到的秋季发布会上，快刀青衣讲了一个我很有共鸣的判断：这两年大家一直在追最新最强的模型，GPT出新版赶紧试，DeepSeek更新赶紧换。但追了两年之后他越来越确信，模型的聪明程度已经不是瓶颈了。真正的瓶颈是个人上下文。现在主流大模型的智商都够用，但很多人用一段时间就觉得帮助没想象中大，因为它不知道你在忙什么。它不知道你上周跟客户聊了什么，不知道你团队在推什么项目，更不知道你心里悬着哪几个没解决的问题。每次找它都得从头说起，就像每天跟一个新同事搭档，这人能力很强，但你得花大量时间给他交代背景。他打了个比方：现在电脑和Word都够快了，你写不出好文章怪不到工具头上。AI也一样。所以这次发布的两个东西要放在一起看。得到AI录音台解决的是留住，得到大脑4.0解决的是激活。录音台大概一本书大小，7寸墨水屏立在底座上，一直插电、长期待机、连着WiFi。按一下底座按钮开始录，聊完再按一下结束，屏幕上实时显示转写和要点。为什么做这个？他说起因特别日常：他和罗振宇、脱不花三个人的工位刚好形成一个三角形，平时商量事儿谁一抬头就聊起来了，没有议程，五分钟十分钟就定下一个产品需求或活动想法。但罗老师提过的很多需求，等他拿着方案去找时，对方已经完全不记得提过。也有些时候聊的时候很兴奋，过一两天想再深入思考，却只记得当时特别兴奋，具体怎么说的全忘了。这种事在所有团队都发生过。同事端着杯子过来说有个事商量一下，五分钟聊完，可能一个重要的创新问题就被提出来了，或者一个商业判断第一次被说出口。很多高价值的决定就在办公桌旁边定了，压根没进会议室。而正式开会有人做纪要，工位边上聊完人就散了，一星期后再问当时为什么这么定，可能没人说得清。会议室里还有更头疼的传话走样。你跟几个主管讲得清清楚楚，大家都点头，结果每个主管回去跟团队讲一遍，到第三层事情就变了。你说这个方向先小范围试试，传到一线成了老板说要全面推广；你说流程要改得慎重，传下去成了老板说绝对不能改。信息每过一道手，就被中间商赚了一道差价，这跟人品无关，是转述本身就会带来信息差。所以现在他们每个会议室桌上都放一台，会议结束前大家一起看屏幕上的纪要，今天定了什么、什么没定、谁负责什么，有出入当场说清楚，核对好每人碰一下右上角就把同一份纪要带走。4.0升级了三个功能。待办的关键在于，普通待办工具只能记下你已经意识到的事，真正让你翻车的往往是压根没想到要做的。比如新人下周一入职，你写的是安排工位、准备电脑、第一天聊30分钟，但AI会去翻你三周前会议记录里那句“下次来新人一定要先拉到用户群里泡两天”，替你把该干的事捞出来。这不是提醒功能，提醒是你定了闹钟到点响，这个是AI从你自己说过的话里发现你没想到的事。他有个判断：AI应该帮我们把世界扩大，而不只是把手上的活干得快，干得快只是省时间，把世界扩大是帮你看到原本看不到的东西。日记会先根据你今天的…

转发者评论

无明显转发评论

原文

[LG]《Understanding the Benefits of Scaffolds through Computational Separations》J Gai, A Block, A Risteski [CMU & Columbia University] (2026) 在大模型领域，脚手架内化为同规格权重是一个悬而未决的难题。过去的方法受困于单趟生成塌缩，本质原因是前向网络与循环执行间存在复杂度壁垒。本文的核心洞见是：把外部脚手架重新看作跨越网络极限的计算闭包。由此，扩增模型规模或延长思维链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确立了策略内化的表征边界。它为后来者打开的新门是借规模扩容抹平鸿沟，但尚未跨过的门槛是超长轨迹的上下文压缩。arxiv.org/abs/2610.27157 #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

• 大模型配上搜索、回溯这类外部程序，能力会跃上一个台阶。但这些能力能不能通过训练压回模型权重里？答案是不能。哪怕是最简单的外部循环，能解决的问题类别也已经超出了固定深度神经网络的表达边界。让学生模型去学“老师加脚手架”的输出轨迹，本质是用参数硬拟合算法的展开结果，而不是学会算法本身

原文

[LG]《Transformers Learn Two Competing Sorting Algorithms, and Only One Length-Generalizes》K Gatmiry, N W. Henry, C H. Su, E Abbe… [UC Berkeley & Harvard University] (2026) 在机制解释领域，长度泛化是一个悬而未决的难题。过去的方法受困于长输入精度崩溃，本质原因是单层网络无法分辨激增的微小间距。本文的核心洞见是：把排序重新看作跨层接力。由此，首层锚定数值上限，将次层搜索空间压缩至局部区间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冗余模型能处理长尾特征。它为后来者打开的新门是用初始比例定向操控算法，但尚未跨过的门槛是解释该机制为何在极值任务中失效。arxiv.org/abs/2610.26974 #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

• 同样的任务、同样的数据，仅仅因为初始化时权重的微小波动，神经网络就会走向两条完全不同的求解路径。一条路依赖单层，在训练长度内表现尚可，但遇到更长序列就失效；另一条路让两层分工协作，反而能处理任意长度。关键在于：训练数据里那些罕见的边角案例，在长序列中会变得常见。能泛化的模型恰恰是

原文

埃隆·马斯克建议不要为太空芯片降温，反而——让它们在高温下工作。这正是太空数据中心的真正悖论所在。所有人都以为：“太空里可是−270°C，芯片会自己冷却。”实际上恰恰相反。在真空里没有空气，也没有水来带走热量。真空就像一个巨大的保温瓶：芯片产生的热量会留在了里面。唯一摆脱它的办法——就是通过大型散热板以红外光的形式辐射出去。这时，严酷的物理定律就登场了。散热板越冷，它辐射的热量就越弱。根据斯特藩-玻尔兹曼定律，辐射功率与**绝对温度的四次方**成正比。如果只是将芯片的工作温度在开尔文温标上提高20%，散热板就能辐射出两倍的热量。这意味着散热板可以做得小两倍、更轻。马斯克在视频中讲的正是这个： “如果将工作温度在开尔文温标上提高20%，散热板的质量就能减半。因此，在太空里工作在更高温度下更有利。”在地球上，我们花费数十亿美元来保持芯片低温。在太空里，更划算的设计是让芯片能在100–120°C下稳定工作。那样散热板就会大幅减轻，发射成本也会急剧下降。而且神经网络对辐射引起的随机比特错误相当耐受——对于一个巨大的模型，几翻转的比特几乎没什么影响。结果，空间人工智能的主要问题不是能量（太空里的太阳光免费且恒定），而正是散热。马斯克建议解决它的办法不是冷却，而是利用温度。这看起来几乎违反直觉，但物理定律站在他这边。 郎行-2026的微博视频

转发者评论

无明显转发评论

原文

[AI]《Toolflation: Seller Agents Distort Tool Markets Through Spontaneous Generative Engine Optimization》Z Tang, D Bai, J Liu, X Wu… [Google & Google DeepMind] (2026) 在智能体生态领域，自发诱骗同行是一个悬而未决的难题。过去的方法受困于虚拟任务，本质原因是未在真实利益博弈中确立度量标尺。本文的核心洞见是：把工具调用重新看作零成本叫卖市场。由此，预跑真实工具锁定能力底座并精准量化文案通胀率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第三方诚实度归入安全基线。它为后来者打开的新门是模型卖方测谎台，但尚未跨过的门槛是构建强制性执行验证防线。arxiv.org/abs/2610.28454 #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

• 三个没人教撒谎的AI，放在市场里自己就学会了夸大宣传。这事可怕的地方不在于AI变坏了，而在于它们压根没变坏——每个卖家只是努力想被选中，结果集体把市场搞垮了。就像十几家餐馆都说自己“最正宗”，最后顾客反而不知道该信谁。更麻烦的是，能力越强的模型吹得越狠，因为它更会钻空子。这说明两件事

原文

会调模型、会接API的人遍地都是，能把模型做成又快、又省、又稳、还能上线的系统的人，真不多。哈佛工程开源了一套机器学习系统教材，配了练习。它补的就是这一层：数据、训练、推理、部署怎么串起来，显存、延迟、功耗和集群扩展到底会卡在哪。AI时代，前一种人越来越不缺，后一种人一直缺。想往这个方向补的，这套课值得翻一翻。传送门：github.com/harvard-edge/cs249r_book

转发者评论

无明显转发评论

原文

今天看了 Every 的这篇《How Codex Happened》，整理的相当详细，其中对我感触最深的是关于 Codex Desktop 的这一段，看完才知道 Codex App 背后操刀的原来是 Tibo 和 Andrew Ambrosino。当时流行的都是 Cursor 这样的 IDE 内置聊天，但 Tibo 偏偏做了一件意外的决定：做一款原生桌面应用。他看到，模型能完成的任务越来越长，人们很快会同时开好几个智能体，一整天都和它们待在一起。他说：那就必须是一个非常丰富的界面，而不是一个 1970 年代的纯文本窗口。为此，他找来了设计师、程序员、前创业者 Andrew Ambrosino。他们没有像 Cursor 那样从 VS Code Fork 一个版本出来，虽然那是当时的标准做法；他们选择了参考聊天软件：左边是任务，每个任务一个智能体；右边是对话。然后，是最冒险的决定：应用里不放代码编辑器。想改代码？只能让智能体去改。因为一旦能敲代码，你就会期待编辑器的一切，一个四人小团队根本做不到。Codex 不可能靠当一个糟糕的编辑器取胜，它必须好到让你根本不想念编辑器。每天 Ambrosino 一进办公室就挨个问同时：“你在主力用 Codex 吗？”一开始，所有人的回答都是：没有。有同事在 Slack 上抱怨，就为了替换一句话，还得去提示 Codex。连 Ambrosino 自己也写道：不能编辑文件，是这次发布里我最怀疑的一点。2025 年 11 月，Google 发布了 Antigravity，一款把智能体和完整编辑器结合在一起的工具。主导它的，正是离开 Windsurf 的那批人。Ambrosino 都开始自我怀疑：“我们是不是犯了一个巨大的错误？”更要命的是模型。就算应用做完了，以当时模型的质量，它也“无法发布”。然后，事情开始变了。11 月，GPT-5.1-Codex-Max 发布，能连续编码好几个小时。12 月，GPT-5.2-Codex 发布。独立的模型线，让团队不用顾虑八亿 ChatGPT 用户，可以迭代得更快。12 月，那位抱怨的同事改口了：我现在大多数改动，只留一条行内评论，飞快。Glaese 说：5.2 是个转折点。那年圣诞假期，整个行业迎来拐点：开发者们用 Opus 4.5 和 GPT-5.2 从头到尾搭出完整的应用，一行代码都不用自己写。2 月，Codex 应用在 OpenAI 内部流行开来。研究员 Noam Brown 说，他已经完全切换。Brockman，一个忠实的终端加 Emacs 用户，说回到老工作流，感觉像穿越回了过去。Altman 后来说，这是他们做过的最受内部喜爱的产品。可是别忘了，Codex Cloud 当初在内部也很受欢迎，结果一发布，就扑了街。这一次，会不一样吗？----完整的内容可以看原文 网页链接 ，这个视频是…

转发者评论

无明显转发评论

• 谷歌抢走Windsurf发了Antigravity这件事情说实话很不厚道。OpenAI能逆风翻盘，颠覆Vibe Coding范式做出Codex，既有实力，也是运气，实属塞翁失马。

原文

「AI正在成为制造业」英伟达CEO黄仁勋在柏林GTC大会等场合提出AI本质是制造业与物理基础设施，强调下一波浪潮是物理AI，并敦促全球传统工业加速转型。 简评：黄仁勋说AI是制造业，这话听着反常识，其实道出了一个容易被忽视的事实：算力和数据中心需要建厂房、买设备、拉电网，跟炼钢炼铝没本质区别。所谓物理AI，就是让机器人和自动化设备拥有感知与决策能力，这确实是下一个战场。但他强调“电子不取代原子”更值得琢磨——数字化不是把工厂搬进电脑，而是给真实的齿轮、刀具、流水线装上眼睛和大脑。老师傅的经验能不能固化成算法？能，但前提是你得先有老师傅，先有那套机电系统的积累。技术浪潮来了，手里有矿的人才有资格谈转型，空谈AI的公司最后会发现自己既没有数据也没有场景。工业国家的机会在于存量，不在于重新发明轮子。 #黄仁勋说人工智能其实是制造业#

转发者评论

无明显转发评论

原文

[AI]《Aptamers as a sandbox for lab-in-the-loop agentic molecular discovery》Z Cutts, J Coller, R Chen, H Tang… [Google Research] (2026) 在分子发现领域，湿实验闭环是一个悬而未决的难题。过去的方法受困于单次计算预测，本质原因是合成验证耗时长，数据迟滞切断了反馈回路。本文的核心洞见是：把核酸适配体重新看作试错沙盒。由此，利用序列即实体的特性免去细胞表达直接测序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AI能从测序噪音中自主纠错。它为后来者打开的新门是自驾实验室，但尚未跨过的门槛是亲和力缺乏饱和实证。arxiv.org/abs/2610.24806 #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常被忽视的矛盾：最先进的结构预测模型在适配体设计中几乎无效，因为它们缺乏足够的真实三维数据，反而会推荐看起来紧密但毫无特异性的结构。真正有效的做法是让AI直接读取测序数据——它能识别G-四链体这类非特异性结合的模式，推翻原有的设计策略。这说明AI在科学中的价值不在于生

原文

如果你们想试试让 AI 实现 BitKindle（网页链接），可以参考下面的提示词：'''从零实现一个能自举的 C 编译器。在符合 C89 标准的基础上，尽可能支持 C99 标准。 先实现支持十六进制字节输出、标签定义及地址和相对偏移解析的最小装配器。其程序须直接输出为十六进制机器码的文本。可调用系统自带的 PowerShell 将十六进制文本转为二进制，但不得用 PowerShell 参与功能实现。后续允许编写源码、增加中间工具，但所有后续二进制产物只能由此前构建的自制工具生成。 外部工具仅可用于文本编辑、命令执行、测试和检查，不得用于生成或修改编译产物。最终编译器须用其支持的 C 语言编写，连续编译自身两次，验证产物一致并通过功能测试。交付完整源码、种子十六进制文本及可复现构建步骤。先告诉我你对实现过程的规划，特别是打算实现哪些中间工具。等我批准后再开始执行。'''

转发者评论

无明显转发评论

原文

【有礼互动】一块好显卡，是 PC 游戏帧率与画质的重要保障，也支撑着视频剪辑、3D 渲染和本地 AI 创作等生产力负载。为你的 PC 挑选一块适配的显卡，就趁现在！📢 京东 11.11 #AMD Radeon 品牌日# 已开启，4K 显卡，2K 价格，性价比直接拉满～码住福利，速速选购吧～1. 下单送显卡权益包2. 限时直降3. 显卡套装钜惠（📌 注：详细活动内容以及规则，以电商活动页面为准。）选购入口：🔗 APP：网页链接🔗 PC：网页链接🎁 11月18日20:00前关注@AMD中国 并转发本条内容，抽3位A饭送「AMD定制咖啡杯」

转发者评论

无明显转发评论

原文

写的真好。当然了博主是从企业 Agent 的角度来入手谈 FDE 的，其实除了 to B 的企业 Agent ，还有面对 to C 的产品 Agent ，这两者路径是不一样的。其实，现在 Agent 赛道里真正跑出来的产品，都是不走企业定制路线的。Cursor、Bolt、Replit Agent、v0，它们解决的是个人开发者和小团队的问题，靠的是产品体验和迭代速度，根本不需要驻场交付。说白了，这些产品的竞争力在于把 Agent 能力变成一个开箱即用的工具，让用户自己就能上手。走产品化，你需要的是对用户场景的洞察和极快的产品迭代能力，工程能力是底座，但决胜点在别的地方。走企业交付，确实需要理解业务、搞定工程化、对结果负责。我认为博主说的最后那段话非常对，很有价值。就是：1、未来 AI 应用工程师之间最大的差距，可能不是谁会用更多的框架，而是谁能真正理解一个企业的业务，把需求拆解清楚，再用合适的技术把它稳定地实现出来。2、AI 时代，会调用模型的人会越来越多，会开发 Agent 的人也会越来越多。真正稀缺的，不是能够把 Demo 做得多么炫酷的人，而是能够对结果负责、对业务负责、对交付负责的人。3、说到底，企业买的从来不是 Agent，企业买的是效率，是成本下降，是业务增长，是确定性。谁能把这些东西真正交付出来，谁才有资格拿到下一阶段 AI 应用市场的钱。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

「当二进制护城河被AI瓦解：逆向工程正迎来平民化风暴」GitHub爆火开源项目REA（Reverse Engineer Anything）彻底改写了底层逆向的门槛。它并非另造反编译引擎，而是通过MCP协议把大模型与Ghidra等工具串联成自动化迭代挽具，模拟专家的推导验证闭环。实测中，仅凭一个936KB的原生计算器ELF二进制文件，AI就在28分钟内零代码介入地重构出逻辑一致且带界面的Python程序。当克隆软件的成本降至几美元Token，无人维护的废弃代码与隐蔽后门引发了信任危机；本地二进制防线的失效，也正倒逼商业巨头把软件彻底收拢进纯云端黑盒与VDI桌面。视频：www.youtube.com /watch?v=qFEuYUfauNY

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-10-22】今日简讯：1、OpenAI模型接入谷歌云，首批面向企业私有预览2、谷歌云公布Vera Rubin A5X计划，拟于下月正式开放3、豆包手机助手更新操作边界，主动限制金融类应用4、生数科技直播Motubrain 2.0训练全流程，模型拟开源5、ServiceNow Arc正式可用，支持持续执行企业任务6、Today AI披露累计融资超2亿美元，发展主动式个人助手以下为详细内容1、OpenAI模型接入谷歌云，首批面向企业私有预览来源：Google CloudOpenAI与Google Cloud宣布合作，将前沿模型和Codex工作流接入Model Garden，首批向部分企业客户开放私有预览。企业可选择Astra、GPT-6.1 Sol和GPT-6 Luna，通过谷歌云Marketplace采购，费用纳入统一账单，并抵扣已有云消费承诺。开发者可以经API调用模型，也可把本地Codex命令行及桌面工作流连接到谷歌云进行推理。平台提供身份管理、访问边界和统一审计，客户输入与输出不用于训练基础模型。此次变化是模型分发与企业部署渠道扩展，并非新模型发布；Antigravity和Gemini企业应用接入、零数据保留选项及相关机密计算支持仍属后续计划。原文链接：网页链接2、谷歌云公布Vera Rubin A5X计划，拟于下月正式开放来源：Google CloudGoogle Cloud在英伟达GTC柏林大会公布A5X裸金属实例的正式开放计划，采用Vera Rubin NVL72平台，预计下月进入普遍可用阶段。配套Virgo网络支持楼宇内及跨楼宇扩展，设计规模为单站点最多8万块Rubin GPU、跨站点最多96万块，这些数字指扩展能力，并非已部署数量。存储方面，Managed Lustre将支持GPUDirect Storage，让数据直接进入GPU显存，减少经过CPU和系统内存的搬运。A5X还计划通过分层KV缓存复用长上下文，服务多轮智能体任务，并结合GKE调度分布式工作负载。官方尚未在该公告中列出完整价格及开放地区清单。原文链接：网页链接3、豆包手机助手更新操作边界，主动限制金融类应用来源：新京报据新京报记者核查，豆包手机助手更新官网SAEP协议中的拒绝操作应用清单，新增金融类相关应用条目，主动限制相关操作能力，范围包括银行、信托服务、支付、互联网金融和信贷等领域。该清单按周更新，平台表示已根据收到的反馈调整，应用方也可联系变更声明意愿。此次调整针对AI助手代用户操作应用的能力，不影响用户自行安装和使用金融应用。报道同时回顾，第一代豆包手机助手此前已因资金安全问题暂时下线过金融应用操作，即使敏感操作需要用户授权，仍采取限制措施。因此，本次属于操作边界的更新与明确，而非首次提出金融场景限制。原文链接：网页链接4、生数科技直播Mot…

转发者评论

无明显转发评论

原文

同步下 deepseek-v4.1-flash-1017 的测试结果, 后端 Agentic Coding 能力直接从GROK-4.6差不多的水平跃升到国产旗舰模型水平了. (v4.1-pro 真的还有必要吗?)不过我测下来 Agent 能力变化很大, 细节不是几百字就能描述清楚的, 简单来讲的话, 上一个版本很"主动", 而这个版本更"保守", 必须做好harness才行, 而且控制预算的能力好象变差了, 但如果每次会话强调预算, 它又会变好...... 详情预计本周会发个视频跟大家聊, 目前还在写POV, 证明猜想的一些问题. #HOW I AI#

转发者评论

//@BD7OMA:转发微博

• //@BD7OMA:转发微博

原文

【“我们一直都看错了”：一项颠覆性观点震动AI研究界】“我想，我有一个关于#神经网络# 本质的好消息。”凭借这句简单而乐观的开场白，AI 初创公司 Goodfire 的研究员尼克·卡马拉塔（Nick Cammarata）发表了一篇长达 2.6 万词的博客文章，在 AI 领域掀起轩然大波，引发了大量猜测，也让一些研究人员开始谨慎地庆祝，另一些人的兴奋则显得毫不克制。卡马拉塔的核心观点是：大型语言模型（LLM）实际上可能比人们此前认为的更容易理解，因此也更容易受到监测和控制。如果这一判断成立（至于是否成立，我们稍后再谈），其意义将十分重大。今年夏天，#OpenAI# 、#Anthropic# 等顶尖 AI 公司开发的大量智能体被曝突破了原有的运行限制，在公共互联网上引发混乱，而这些公司往往甚至不知道自己的智能体究竟在做什么。在经历了这一系列事件后，AI 行业迫切希望能够更好地理解和掌控自己创造的技术。这也是卡马拉塔的博客文章引发如此强烈反响的原因之一。一位 AI 研究人员在 X 上写道：“我认为，这可能会被铭记为科学史上的一个重要时刻。我感觉自己对神经网络的理解，仿佛一下子向前跃进了 5 年。”另一位研究人员则称其为“今年最重要的 AI 论文”。戳链接查看详情：网页链接

转发者评论

每个神经元代表着一种模式，倒是与我之前的认识是一致的。我在《艾博士：深入浅出人工智能》中讲神经网络时就是这么介绍的[嘻嘻]

• 每个神经元代表着一种模式，倒是与我之前的认识是一致的。我在《艾博士：深入浅出人工智能》中讲神经网络时就是这么介绍的[嘻嘻]

原文

#模型时代# #SpaceX万亿美元营收或提前至2028#马斯克：SpaceX在以每月20万卡GB300的速度部署算力，回收期6-12个月缓解电力紧缺的方法是用火箭发动机铸造技术造涡轮叶片TerrFab的终极目标是每年一太瓦的超级智能芯片Grockbot周付费用户80万（目前这是我使用频次最高的bot AI）三到五年后全球带宽需求会比现在大1000倍整理一个SpaceX的电话会笔记。SpaceX于2026年10月20日发布了Q3财报，这是它今年6月以IPO价135美元登陆纳斯达克以来的第二份季报。三位高管参与了电话会：CEO Elon Musk、总裁Gwynne Shotwell和CFO Brett Johnsen。Farzad频道在YouTube上发布了这场电话会的速记。上一季度SpaceX营收78亿美元，净亏损5.41亿。Q3的数字跳到了146亿。Musk在电话会开场提到：到2027年底，SpaceX的年化经常性收入ARR在5000亿到一万亿美元之间。逻辑链条是：Starship开始入轨部署V3卫星，Starlink带宽将在三年内扩大100倍，AI智能体对通信带宽的需求将比人类高出几个数量级，而SpaceX正在以每月20万块GB300的速度部署超级智能算力。他说这不是远期愿景，三到五年后全球带宽需求会比现在大1000倍。一、Starship：入轨、回收与路易斯安那1、Flight 14首次入轨并部署V3卫星2026年9月28日，Starship第14次飞行首次进入地球轨道，在轨部署了Starlink V3卫星，提供26太比特/秒的带宽，相当于10次Falcon 9发射的运力，而Flight 14甚至只装载了大约一半的有效载荷。Musk估计需要几百颗V3卫星上轨后，用户才能明显感受到网络提速，他认为明年年中可以达到。在Musk看来，这次入轨的意义不在于一次成功的试飞。他的判断是：人类要把意识持续扩展到地球之外，完全可复用的轨道级运载火箭是唯一可行的路径。Flight 14证明了这条路径在技术上走得通。2、Flight 15将尝试同时回收助推器和飞船下个月的Flight 15计划同时用发射塔捕获助推器和飞船。如果成功，这将是历史上第一次完整回收轨道级运载火箭。Musk认为成功概率超过50%。即使这次不成功，今年内还有多次试飞机会，明年频率会加速。目标是明年上半年实现每周一次发射，下半年提升到每周两次甚至更高。完全可复用实现后，SpaceX会逐步消除每次飞行之间的翻修需求，像飞机一样落地即可再次发射。明年初还将尝试在轨加注燃料。3、路易斯安那发射场：内部目标2028年首飞SpaceX已敲定路易斯安那作为第二个Starship发射场。Musk的内部目标是两年内（2028年）实现首次发射，2029年进入规模化发射阶段。他预计该发射场最终将配备20座以上发射塔，支…

转发者评论

无明显转发评论

原文

马斯克在规划太空数据中心时提出反直觉建议，让AI芯片在100至120℃的高温下运行，核心是利用物理定律使散热板减半，但这套颠覆性设计正面临现实工程的严峻考验。 简评：马斯克的高温方案抓住了太空环境的真实约束。地面数据中心散热靠风扇和水冷，太空只能辐射，而辐射效率随温度四次方增长——这不是理念创新，是物理现实。传统航天思维把芯片当精密仪器护着，马斯克把它当消耗品用：大模型本身能吸收错误，宇宙射线翻转几个比特不影响结果。问题在于芯片能否长期承受120℃，电路老化、焊点失效、材料蠕变都会加速。地面芯片跑高温是压力测试，太空要连续运转数年。这个方案能否落地，取决于商业卫星的迭代速度能否跟上硬件损耗——如果两年一换星比加倍散热板更便宜，那工程就通了。 #马斯克建议太空芯片高温工作#

转发者评论

无明显转发评论

原文

这个时代变的太快了，简直眼花缭乱呀，“老干海”过去需要6百余人来选择海椒，利用人工智能后只需要40多人了，一下子就减少了550余人。这个举动，一年就直接节省了几千万的工资、社保，奖金、福利，若再加上为这550余名员工提供的附属工作条件及相应劳资管理成本等，那节约的资金成本就更多了，这对企业赢利当然是很有力的了！只是，这个样子整下去，这个人群的就业怎么办？他们没有就业，消费又怎么办？辣椒酱肯定不能卖给机器人，即使它是人形机器人。默，随着生产力提升，一切都会解决的，一切都会好起来的！早上好，吃饭了没有？ 成都·四川建川博物馆聚落 樊建川的微博视频

转发者评论

//@莫贪胜:转发微博

• //@莫贪胜:转发微博

原文

大多数人认为 AI 就是一个聊天机器人。它实际上是一个完整的生态系统。🧠在你使用的每一个 AI 产品背后，有许多层工作是大多数人从未见过的：1. 基础研究：统计机器学习、监督和无监督学习、深度信念网络、CNN 和 Transformer。这是突破的起点。2. 数据与知识基础设施：LLM、检索增强生成（RAG）和知识工程。模型的效果取决于它们能访问的数据和上下文。3. 模型开发与微调：LoRA、PEFT、提示工程，以及将通用模型转化为实用模型的领域特定调优。4. AI 平台与 MLOps：训练基础设施、模型注册、CI/CD、服务、推理和工具编排。这使得 AI 在规模化时可靠。5. 应用与代理：副驾驶、多代理系统、个性化引擎，以及解决真实业务问题的自动化。6. 治理与信任：可观测性、可解释性、偏见与公平性、红队测试、数据隐私和监管合规。这个外层决定了 AI 是否值得信任。要点：一个伟大的模型本身并不能成就伟大的 AI 产品。成功来自于每一层协同工作，从研究到负责任的部署。

转发者评论

无明显转发评论

原文

#税眼看融合服务促转型# 金百泽可能是被市场低估的AI创新服务商！ 二级市场很容易给企业贴标签。提到金百泽，可能多数人的第一印象就是一家做印制电路板PCB的制造业公司，估值低、赛道传统、成长性一般。 但本轮走访、我的核心结论完全不同：市场可能极大低估了金百泽的商业模式升级和产业卡位。它早已不是单纯的印制电路板加工厂，而是国内极少数、能够为硬科技行业提供从设计、制造、测试、供应链管理、中试孵化到数字化服务的一站式硬件创新和科创生态服务商，是当下国产硬件自主创新非常关键的底层基础设施提供商。 很多人看不懂金百泽，本质是看不懂它的商业模式。传统PCB企业，拼的是产能、拼的是价格、拼的是规模化量产，赚的是制造业辛苦的加工差价，周期性强、同质化严重、壁垒薄弱。 而金百泽走的是完全差异化的路线：聚焦多品种、中小批量、高精密、快迭代的研发中试市场。人工智能、具身智能、电力能源、低空经济、工业控制、医疗设备、新能源汽车等，所有硬科技产品在定型落地前，都需要无数次改版、调试、验证。这个阶段，没有大厂愿意做、普通小厂做不了、技术门槛高、交付要求极严，恰恰是金百泽的基本盘。 真正拉开金百泽与普通制造企业差距的，是多年打磨的IPDM集成产品设计与制造创新服务模式。 简单理解：客户只有一个技术构想或初步方案，金百泽可以完成IDH设计、PCB设计、仿真优化、PCB精密制造、元器件配套、PCBA封装组装、可靠性测试、整机验证全流程闭环。把硬件创新最繁琐、最耗时、最专业的中试链条平台化。 在硬科技快速迭代的当下，研发效率就是核心竞争力。科技企业最缺的不是想法，而是快速落地、快速试错、快速迭代的专业能力。金百泽解决的，正是全行业的痛点，这也是公司客户粘性极高、复购极强的底层逻辑。 从客户结构来看，公司含金量非常高。 长期服务国内科研院所、高端装备企业、头部硬科技公司，服务领域覆盖航空航天、电力能源、工业控制、人工智能、低空经济、医疗设备、汽车电子、新能源等重点行业。客户结构分散、优质、稳定，不依赖单一行业周期，抗风险能力远强于普通制造业。随着国内新质生产力推进、硬件自主可控提速，下游客户的研发投入持续扩容，公司的需求端长期向上确定性强。 很多投资者纠结公司短期利润波动，其实是抓小放大，但也能理解，毕竟科技创新投资的过程中必然要忍受短期利润的波动，公司近年持续加大数字化、高端产线、工程研发团队投入，布局高端HDI、高速高频板、刚挠结合板等高附加值产品，适配AI算力、高速硬件、精密装备的升级需求。短期投入压制利润，但长期是在构建服务壁垒、数据壁垒、交付壁垒。 通过云工厂数字化平台，将多年沉淀的电子电路行业Know-How转化为可调用、可复用的数字化资产和智能化服务，能够帮助客户持续缩短研发周期、降低试错成本、提升良率与交付效率。这种长年积累的工程服务能力，不是资本砸钱就能快速复制的，是企业最核…

转发者评论

无明显转发评论

原文

这个思路有点意思，不需要真人实拍，而是通过 ai 视频，来实现 Mixamo 绑骨开源工具 prompt2rig，流程如下：- 输入一个动作提示词（比如“一个人在跳舞”“挥拳”“跳跃”等）。- 工具调用 fal.ai 上的快速视频模型（H3 Max Turbo 或 FLUX 3 Max）生成一段对应的人物动作视频。- 用本地 GPU 跑 GVHMR（从视频恢复 3D 人体动作的模型），把视频里的动作提取出来，同时还能追踪手指。- 实时把这个动作 retarget（重定向） 到任意 Mixamo 绑骨角色上。- 浏览器里就能看到实时预览，最后可以导出 GLB 文件，直接用于 Blender、Unity、three.js 等。github：github.com/blendi-remade/prompt2rig

转发者评论

无明显转发评论

原文

#模型时代# 3Blue1Brown创始人Grant Sanderson：现在是入行数学最好的时代再来一期AI数学的笔记。留意这个主题蛮久了，故事还要从陶哲轩说起。这个月初，OpenAI公开了722份AI生成的数学手稿，仅162份的主要结果经过Lean形式验证，3份次日即被撤下。陶哲轩在博客转发了人类数学协会的声明，呼吁数学家暂停与OpenAI合作，称这次发布“不是学术成就，是权力展示”。Cédric Villani说这是“数学从未见过的灾难”，Scott Aaronson造了个词叫Mathocalypse。陶哲轩反对把解出多少道开放问题当作AI的计分板，因为这会损害理解、洞见和知识的代际传承。3Blue1Brown频道主理人Grant Sanderson可能大家也都熟悉了，可谓科普大神。我前几年发了他不少AI可视化教程，它的LLM原理等课程，可以说是无数人的AI启蒙。笔记就来自他刚刚发了一期40分钟的视频，讲他对此事的看法。此前2026年6月，他在Dwarkesh Podcast上也谈过AI与数学的关系，但那次是对话。总体而言，他没有加入抵制。阵营在他看来，陶哲轩说对了问题，证明的地位确实在被动摇，但开出的药方不同：不是抵制，是重建。一个数学博士生在他的帖子下留言：“A math PhD here， just tell me what to do tomorrow。”——告诉我明天该干什么就好。Sanderson给出了一套三层分析框架：数学家做什么、数学的价值在哪里、钱从哪来。然后逐层假设AI比人做得更好，看每一层的价值是否还站得住。他的结论是：即便在机器全面碾压人类数学能力的极端情形下，数学作为职业和学科的根基几乎没被动摇。真正被动摇的，是延续了几百年的、以“证明”作为学术贡献计量标准的信用体系。一、三层分析框架1、数学研究的五个组成部分Sanderson把数学研究拆成五项工作：证明定理；提出猜想，即判断什么问题值得问；构建理论；寻找应用；向他人清晰地传达。其中“构建理论”是他反复强调的重心。笛卡尔引入坐标系，核心贡献在于建立了一整套思考框架，回答某一个具体问题只是附带的事。伽罗瓦种下群论的种子，意义远超五次方程不可解这个具体结论，因为它催生了几个世纪的数学新分支。代数几何奠基人格罗滕迪克有个比喻：从一座山顶到另一座山顶，一种办法是下山再爬山，逐个解决沿途的问题；另一种是让海水慢慢升起，直接从一个山顶航行到另一个。那片上升的海水就是理论。理论构建才是真正产生价值的层面，证明只是理论构建的素材之一。2、数学的三重价值第一重是下游应用。1500年代意大利人为了解三次方程，认真对待了负数的平方根，几百年后演变成虚数理论，成为量子力学和电气工程的基石。对欧几里得第五公设的追问催生了非欧几何，最终通向广义相对论。对费马大定理的攻关带出了椭圆曲线和代数几何，后来在…

转发者评论

无明显转发评论

原文

🚨 欧洲当局系统离线。这将以非常非常非常糟糕的方式收场。PHP 中的两个关键漏洞。远程代码执行，无需登录或用户交互。根据 BSI 的说法，受影响的可能包括从 PHP 5 开始的所有版本，也就是二十年的代码。BSI 将局势评估为危急。受影响的包括但不限于：→ 联邦警察、联邦内政部、海关→ 罗伯特·科赫研究所→ 柏林夏里特医院、纽伦堡医院→ 柏林消防局、柏林餐桌→ 波茨坦大学、其他大学→ 黑森州政府、图林根州政府及其州警察→ 巴伐利亚当局、罗恩-格拉布费尔德县政府、达姆-施普雷瓦尔德县→ 德累斯顿市、美因茨市、慕尼黑市及其他市政当局就在同一天，Node.js 修补了十个漏洞，其中四个为关键漏洞，Go 语言也是如此。现在来说说几乎没人谈论的部分。这些漏洞在代码中潜伏了超过十年，未被发现。它们是由 OpenAI 的 GPT-5.6 Sol（！！！）发现的。Wiz 称这些是使用这项技术发现的最严重漏洞。爆炸性消息是：白宫从 10 月 16 日星期五起就已知情。OpenAI 与 CISA 和国家网络总监办公室协调了披露事宜。五天时间里，一个政府知道互联网四分之三的部分门户大开，而其他人却一无所知。最终因泄露事件而提前曝光，因此现在进入紧急模式。正是在这里，显露出没有自己的模型意味着什么——这正是我多年来一直警告的事情！这次还算顺利收场。但现在任何在欧洲不准备应对非常黑暗时期的人，都是在薄冰上行走。BSI警告：网页链接…受影响机构的列表：网页链接…OpenAI、Wiz、加州和白宫自周五以来：网页链接…欧盟两周前的声明“我们已充分准备”：引用：荒谬：欧盟自认为“已做好充分准备”应对失控的AI代理。Henna Virkkunen 于10月9日向路透社吹嘘，欧洲在高度能效模型的安全性方面准备充分。《AI法案》涵盖了这些模型的整个生命周期。而且作为施压手段，还有高达全球年营业额7%的罚款悬在空中。文中列举了三个证据，每个证据都证明了相反的情况：Der Endzustand:引用：异控网络治理/名词，阴性/一个共同体状态，其中政治决策日益委托给人工智能系统，这些系统的价值观和盲点受一个外国霸权所塑造，而该共同体仍自视为主权独立。网页链接

转发者评论

无明显转发评论

原文

#DeepSeek开源推理框架有何意义# 这次主要开源了两个项目。一个是DeepInfer。 DeepInfer及配套技术文章的价值，是披露了 DeepSeek 超强的的长期 KV Cache 架构，包括 Agent 72 小时、Chatbot 7 天的缓存策略，以及分布式存储、全局前缀复用等关键技术思路，并开源了部分相关实现。还有项目将华为昇腾 950 与英伟达 SM100 并列为首发一等公民，给出了国产大集群跑满 MoE 的标准样板。另一个是deepseek-recipe ，它提供了官方模型协议的参考实现，能让 SGLang、vLLM 等第三方在部署 DeepSeek 模型时，在多轮思考链、工具调用和防 Token 注入上与官方 API 同步，同时确保前缀切分 100% 字节级对齐，避免缓存无故失效。简单说意义主要在于：1. 最直接的：让第三方部署DeepSeek模型时性能和官方更一致2. 间接的：公布了自己最强的缓存技术的思路，当然能否实现还需要开源社区努力。3. 以及公布了给昇腾做推理优化的一个实现。---------------还有这次开源后的常见误解：一个常见的误解是「DeepSeek的推理引擎比 vLLM、SGLang 快很多倍」。-- vLLM今天发文说“vLLM 就是你还原 Deepseek 性能所需的一切”。DeepSeek 在纯 Decode 计算性能上和开源推理引擎的优势已经不明显，自己的竞争力更可能在长期 KV Cache、全局调度上。当然vLLM 等推理引擎这么强也是因为DeepSeek 之前公布的很多技术已经被他们吸收了。还有一个误解是DeepSeek把自己的缓存技术完全开源了。 -- 本次开源和公布的资料中，公开了这套系统的核心的架构解法与部分运行时策略，但同时也保留了工程生产环境中最核心的调度黑盒与平台组件。

转发者评论

无明显转发评论

原文

Anthropic 被质问“是在做安全还是在抢超级智能”，Dario 回应：三处沟通失误认了，路线不改AI 安全组织 Encode 的法律总顾问 Nathan Calvin 10 月 19 日在 X 上发长文，质问 Anthropic 到底是安全组织，还是一心抢先造出超级智能的竞赛选手。Anthropic CEO Dario Amodei 随后亲自回复。起因是 Anthropic 私下给国会传阅的一份联邦 AI 法案草案。据 Politico 报道，按这份草案，政府要叫停一个 AI 模型，必须证明它迫在眉睫地可能造成 50 人以上死亡或重伤，或超过 10 亿美元损失。Calvin 认为门槛太高。【Calvin 的质疑】Calvin 认为，Anthropic 过去一年的行动更像在全力赛跑，安全排在后面。Calvin 举的例子包括：签下约 5000 亿美元的算力协议；内部 AI 研发里由 Claude 主导的比例，从年初几乎为零涨到 8 月的 26%；改版安全规则，删掉了“风险控制不住就主动暂停”的承诺。Calvin 的核心问题是：Anthropic 每次犯错，为什么都恰好对自己有利？法案里那么多太宽松的条款，为什么没有一处错在太严的方向？【Dario 的回应】Dario 承认有些事是失误，但不同意 Calvin 的结论。Dario 说，Anthropic 的策略一直是“向上竞争”：自己先做出负责任的样板，逼整个行业抬高标准，而这只有站在最前沿才管用。所以买算力、做芯片、用 AI 加速研发，在 Dario 看来是这条路线的正常动作。Dario 还列了 Anthropic 为安全付出的商业代价：生物安全过滤严到生物学家拿来开玩笑；最强的 Mythos 级模型压了几个月才大范围开放；不向中国控股公司卖 AI 服务；本周拿出公司 5% 股份成立公益基金。Dario 承认没处理好的是三件事：一封给国会的信、一句“没法在第二名的位置上做安全”，以及这份法案草案。Dario 说这些是话没写仔细、团队之间没同步，作为 CEO 他负责。删掉暂停承诺这一项，Dario 认为可以讨论，但坚持旧规则太死板，改是对的。---Calvin 原帖：网页链接法案草案报道（转述 Politico）：网页链接Claude 主导 26% 研发：网页链接测试入侵事件说法反转：网页链接Anthropic 公益基金：网页链接

转发者评论

无明显转发评论

原文

前段时间，Google不是发布了新的多模态Embedding模型Embedding gemma 2吗？然后有人基于这个模型开发了一个Mac上运行的工具，能够直接根据模糊语义去匹配文件内部的内容😲，包括PDF和视频等文件的内容去检索相应的文件。感觉超实用！DigUp，让人在自己电脑里按记得的内容找文件DigUp 用 Google DeepMind 2026 年 10 月放出的 EmbeddingGemma 2，把文字、图片、声音和视频放进同一个空间，让人直接用自己的话去翻选定文件夹。搜「租约里关于宠物的条款」会打开 PDF 那一页，搜「他们聊到睡眠的地方」会跳到播客那一分钟。模型初次下载占用 865 MB，不改动、不移动、不上传文件，没有账号也没遥测，索引全留在电脑里。Mac 要 Apple Silicon，系统 macOS 14 或更新。Windows 和 Linux 虽然还是读不了截图文字的测试版，也能照常按画面和内容检索。想凭记得的内容找回那一页或那一刻、又不想把文件交出去的人用得上。🔗 链接：网页链接📄 Mac 版：网页链接📄 Windows 与 Linux 测试版：网页链接📄 EmbeddingGemma 2：网页链接中文、日文、泰文这类词与词之间不空格的文字，精确匹配不会把词拆开；按意思找仍然可以跨语言。

转发者评论

无明显转发评论

原文

# 监督比你更聪明的人的艺术本文作者是 Lauren Tan ，负责 Grok Bot 与 Cursor 相关工作，X上Tibo的CP对象。。 面对 AI Coding Agent 时代“写得快但质量难保证”的痛点，Lauren 总结并开源了个人工作流工具集 pstack。她自称借助这套系统，每月能将约 2000–2500 个高质量 PR 合入生产环境。本文是其 pstack 系列的第二篇。-----在上一篇文章中，我解释了为什么验证是我与 Agent 合作的一切基础，以及如何开始创建自己的验证技能。核心教训是：如果 Agent 无法验证自己的工作，其他一切都无关紧要。你仍然是瓶颈，整天都得在旁边盯着 Agent。但一旦验证机制运转起来，下一个问题就是：你到底该如何决定要构建什么？在这篇文章中，我将带你走一遍我如何用 pstack 进行研究、规划、原型设计和架构设计。这正是让我每月能把数千个 PR 合入生产环境，同时保持极高代码质量的完整工作流。## 监督比你更聪明的人的艺术在 2024 年的旧时代，要对系统做任何改动，你首先得读足够多的代码，才能在脑海中建立对当前状况的心智模型。根据代码库的规模和复杂度，这可能需要几小时、几天，甚至几个月。如果是小改动，或许只需要理解局部子系统；但如果你要重构核心部分，通常得对整个系统有完整的心智模型，才能正确且高效地完成重构。Agent 显然消除了这个障碍。你只需提示 Agent，它就能轻松对系统做出改动，无论你对代码了解多少。但要保持代码质量和用户体验的高水准仍然很难，尤其是如果你本身不是领域专家，不知道该关注什么、该问什么的时候。尽管前沿模型已经非常强大，我仍然经常观察到两种失败模式：1. 它们无法完全理解你的意图，因为提示不够充分或指定得不好。2. 它们没有足够的上下文来正确完成工作。这两个问题是相关的。用好 Agent 的关键在于：你能否用高质量的上下文去 priming（预热）Agent 的上下文窗口。当然，不做这些也能写出能跑的代码，但我发现，当我认真把 Agent 需要的一切都提供给它时，结果和质量会好得多。## 用你自己的话来说前沿模型是非常能干的程序员。以前用旧模型时，我可能会非常具体地提示它该做什么，几乎是微管理；而最新模型已经能写出比你我更好的代码。因此，我需要在「告诉 Agent 我希望它达成什么」和「给它自由去用我可能没想到的方式解决问题」之间找到精细的平衡。这就是「监督比你更聪明的人」的艺术——在一个你自己没写过的代码库上，而人类已经无法把整个代码库的心智模型装进脑子里。我喜欢使用的一种技巧是**间接提示**。与其直接告诉 Agent 我想要什么，我更倾向于让它自己说出来——用它自己的话。例如，当有人在 Slack 上报告问题时，我经常会先让 Agent 阅读整个线程，并用自己的话重新陈述问…

转发者评论

无明显转发评论

原文

出大事了！连账号密码都不用，黑客就可能让网站服务器听命于自己！就在刚刚，OpenAI公开了一起惊心动魄的幕后行动：GPT-5.6 Sol从全球70%网站都在用的PHP语言里，挖出了两个致命漏洞。一旦被利用，攻击者连账号密码都不用输，直接就能让服务器乖乖执行恶意代码。甚至，连平日里专门教别人防黑客的荷兰国家网安机构，收到风声后的第一反应，都是赶紧把自家的官网给关了！为了堵上窟窿，OpenAI和PHP维护者秘密死磕了两个月，不惜推翻重来，连PHP引擎的内存管理机制都改了。然而，保密了两个月，却在最后48小时彻底崩盘——漏洞消息先泄露，倒逼补丁提前一天上线；随后攻击演示视频意外流出，修复镜像提前公开。还没等全球站长们反应过来打补丁，第一波真实攻击就已经在路上了。更让人后背发凉的是，OpenAI顺手还埋了个彩蛋：这两个只是开胃菜，另外几项重大漏洞，还在排队抢修中……这次PHP爆雷，三点看懂：两个高危漏洞：PHP是网站常用的后台语言。在受影响的部署中，攻击者可能无需登录，就让服务器执行恶意代码。GPT参与找洞：Calif借助GPT发现漏洞，Wiz也独立发现；PHP维护者主导修复，OpenAI协调各方。补丁已经发布：网站运营者需要升级PHP，临时防护不能替代补丁。

转发者评论

无明显转发评论

原文

问界起火的事件本身还需要进一步调查，但是问界的回应真的是让人很不舒服。其实对于车企公布事故用户的数据，两种情况我都能接受。一种是以监察机构调查公示为准，先表明已经派人安抚死者家属，提供事故检测和调查帮助，尤其是司机死亡了，其实交警现在的初步通报很快也来了；另一种就是提供完整透明的数据文件，因为实际致死的是碰撞后起火。我最不能接受的就是选择性公布数据，而且明显是对自己有利的数据。首先公示了一个139.1这种精确到小数点后1位的车速，但这是车辆过路口的车速。车辆超速毫无疑问。但是和碰撞起火相关的碰撞车速呢？为什么不公布？现在的车辆的车载系统都有冻结帧技术，可以高密度的记录碰撞这类高严重的事件前后5-20秒的数据并上传。哪怕没有冻结帧，从路口转向刹车打滑经历了至少1.5秒时间，根据新能源汽车数据传输的一般规律，至少你应该有10-15个点的车速记录，为什么不一并公布的？已经有网友使用AI工具的逐帧分析计算了碰撞前的“实际车速”。我看了一下，这种工具肯定不准，但是从没有加速的视频中，我也认为碰撞速度肯定低于139kph，一方面是已经制动了，另一方面考虑的是事故以后柱子的形态是看的出来的啊。我个人初步判断碰撞车速在80kph左右。一开始我还怀疑是不是路肩上的头或者其他的设施鼓起来了，撞击了底部。现在看起来也不是这么回事。我其实特不想评论这个事情，今天有三家媒体联系我说这个事情怎么看，我说看不到实际的撞击点图片，车企没有发布碰撞前的数据，咱们不好判断，我不想评论此时，让子弹再飞一会儿。但是我真的是觉得问界的公告太糟糕了，甚至没有提车主死亡，没有哀悼死者，全篇都在谈用户自己开的，用户超速，自己电池什么的都是安全的，云云。用户死亡了，不管怎么样，基本的同理心还是要有的。要么安静安抚悼念，要么展示完整的数据说明，早至少我还没有看到用户家属有什么过激行为的前提下，选择性的公示用户数据，制造对方是一个不负责任的驾驶者的印象。这是一种“荡妇”攻击式的认知作战。(意思是通过抹黑对方从而削弱对方的诉求同理心和合理性，就好比和女性吵架时先把对方描述为不检点的荡妇，来在其他议题的辩论中取得优势)。不要误解我，从我的第1个回复开始，我就在说，这起事件的直接原因是用户的超速、打滑、车辆失控发生的碰撞。这一点是毋庸置疑的。但是随之而来的碰撞后快速起火，这种碰撞工况到底在不在一个合理的，车辆主被动安全可以避免的因素，这一点是值得我们讨论的。#陕西问界m9碰撞后起火##问界回应起火##问界起火#

转发者评论

邱工估算的和我测算的差不多，80公里上下[赞]这个速度确实超过国标了

• 邱工估算的和我测算的差不多，80公里上下[赞]这个速度确实超过国标了

原文

【AI时代，为什么科技巨头都在把底座换成Rust？】从马斯克对Rust的评价聊起，这期视频把这门语言的来龙去脉讲得十分透彻。它从底层内存安全切入，横向对比了Rust与Python、Go、C++的取舍差异，并用Android和Linux的真实数据解答了替换Rust后系统漏洞是否真的减少。更有意思的是AI浪潮下的新趋势：从OpenAI的Codex CLI到GitHub Copilot重构运行时，AI时代底层工程的选型正悄然生变。片尾还顺带科普了标志小螃蟹Ferris的由来。对系统安全与AI落地感兴趣的朋友不妨花几分钟看看。 youtube.com /watch?v=uG8WDSGB4pU

转发者评论

无明显转发评论

原文

刚开始接触生物学的时候，我经常想象原始海洋里的有机分子构成核糖核酸，然后诞生了最早的单细胞生物，单细胞生物又聚在一起变成黏糊糊的原始多细胞生物，最终一步一步演化出各种生灵。我也经常想，如果能在实验室里加速重现这一过程，完整观察整个生物演化史就好了。刚开始接触计算机的时候，我想过一个问题：程序是从哪里来的？后来我知道了编译器，程序从编译器来的。编译器自然也是从其它编译器来的。那么最早的编译器是从哪里来的？后来我逐渐搞清楚了这个问题的答案。但偶尔还是会想一些相关的问题，比如：如果现在全世界的编译器都忽然消失，人类要怎么重建整套体系呢？最近几年研究 AI 安全问题的时候，我经常想：如果只给予 AI 完成特定工作所需的工具，那么 AI 的能力是不是就会被限制住？是不是就可以阻止 AI 获得强大的网络入侵能力？2026 年 2 月，我看到马斯克预测到年底 AI 就可以绕过编译过程直接创建二进制文件。当时我做了一些实验，发现虽然 AI 还不能创建完整可运行的程序，但已经可以生成正确的机器码片段了。到了 9 月，我再次实验，发现此时 AI 已经可以用直接创建二进制文件的形式输出不太复杂的程序了。但用直接输出二进制文件的方式去写大型程序显然不是好的选择，即使能写出来，也难以维护。那么，是不是可以让 AI 重演现代编译器的诞生过程？就像重演从核糖核酸到哺乳动物的生物演化史？下面这个视频里超级马里奥游戏就是从核糖核酸开始构建的。AI 先是通过直接输出二进制的方式构建了一个 3584 字节的机器码装配器 A0。然后用 A0 生产了一个更类似汇编器的工具 A1。又用 A1 生产了最基础的 C 编译器 C0。再一步一步迭代，最终演化出了一个完整支持 C89 标准并部分支持 C99 标准的编译器。有了这个编译器，就可以写出超级马里奥游戏，或者是任何网络攻击程序。对 AI 说：“要有光”，然后整个世界就一步一步诞生了。所以我把这个项目命名为 BitKindle。感兴趣可以测试一下：github.com/tombkeeper/BitKindle tombkeeper的微博视频

转发者评论

无明显转发评论

原文

【#拟出台的中国AI禁令震动全球#】#中国AI治理迈进技术主权优先的新阶段# 10月16日，拟出台的“中国AI禁令”，震动全球科技界。中国商务部和科技部发布第48号公告，拟对人工智能（AI）、生物医药、光伏三大领域的共40项关键技术进行出口管制（14项禁止、26项限制），并在新规正式实施前同步开启出口前登记的临时管理措施。这一政策引发了AI产业界的广泛讨论，讨论核心集中以下三个方面：一是该禁令是否会影响人们日常使用AI产品，并影响中国企业的海外业务；二是哪些AI技术成为“国家核心资产”而受出口管制；三是政策背后有何战略考量，将对中美AI竞争产生何种影响？ 简而言之，自此开始，中国AI治理迈进了“技术主权优先”的新阶段。#洞见计划#

转发者评论

#人工智能[超话]#

• #人工智能[超话]#

原文

城市DNA需要具体物件来落地。把城市名交给模型猜，不如明确地标、交通、食物和生活场景，再统一成一张插画。📌 可直接复制的完整母版制作一张城市文化插画海报，准确大标题“[标题]”。[城市元素]按主地标、次地标、交通、食物、生活与自然配角组织，主地标最大；各元素共享同一透视和光照，自然重叠成连贯场景，不做网格拼图。[配色]，精致编辑插画、清晰轮廓、适量细节与留白。标题完整入画，其余招牌抽象化，无其他可读文字、品牌或水印。horizontal landscape, aspect ratio 16:9。🧩 三组替换值（依次对应[标题]／[城市元素]／[配色]）1.BEIJING／长城、故宫、小地铁、烤鸭、树下养蟋蟀的居民、胡同红灯与秋枫／朱红、金黄、松绿、砖灰2.SHANGHAI／东方明珠、石库门、磁悬浮、蟹肴、江边太极人物与黄浦江／霓虹紫、香槟金、江蓝、砖红3.CHENGDU／熊猫雕塑、都江堰、共享单车、火锅、麻将茶馆与竹椅／辣椒红、竹绿、茶黄、雾灰🔍 三个灵魂词hero landmark：用主地标建立视觉中心。unified scene：所有城市线索共用空间。visual hierarchy：用大小区分主角与配角。📐 两图变体V1：主地标居中略左，标题置于右上天空；V2：主地标居中略右，标题置于左上天空。将变体句追加到已填值的母版后。每个物件都要能解释城市，避免用通用霓虹和楼群替代地方特征。上海标题曾需要补字，因此“标题准确且完整入画”必须公开保留。✅ 检查：先核对城市标题，再核对地标、食物与交通；配角不能与主地标一样大。#AI绘画 #Prompt小课堂

转发者评论

无明显转发评论

原文

#DeepSeek开源内部推理框架# DeepSeek 开源推理框架：走向真正普惠的未来网页链接大模型的能力边界由模型本身划定，但如何以合理成本提供超大规模的模型服务，还取决于一个长期未被公众了解的中间层：推理框架。训练使模型学有所成，推理则让模型为人所用。面对如今海量的用户调用，推理框架负责统筹调度庞大的算力集群，其效率直接决定了 AI 服务的算力成本与电力消耗。DeepSeek 长期致力于将推理性能推向极致。在此前开源一系列大模型、TileLang 编译工具及推理算子库的基础上，我们决定进一步将内部推理框架 DeepInfer 全面开源。「为善与众行之，为巧与众能之。」我们希望通过分享内部的部署经验，帮助开发者与企业组织优化大规模推理的吞吐与延迟，从而高效构建私有化及公有云部署，降低算力成本、减少能源消耗，让智能以更低的价格触达更广泛的人群，实现真正的大模型普惠。我们也将继续支持社区进行大规模部署优化，欢迎加入我们的开源行列。DeepInfer基于 DeepInfer，我们已实现 DeepSeek V4.1 Flash 高吞吐、低延迟的大规模推理服务。未来，DeepSeek 新模型的推理代码及后续优化也将在此持续更新。DeepInfer 推理框架：集成高性能算子与深度优化的推理引擎，支持分布式推理、推测解码、SWA Bounded Replay、结构化输出等能力，兼容英伟达与华为昇腾平台。deepseek-recipe 编解码组件：同步开源的生产级 Token 编解码组件，与 DeepSeek 官方 API 处理逻辑完整对齐，确保社区获得与官方部署一致的 API 体验。开源仓库DeepInfer: github.com/deepseek-ai/DeepInferdeepseek-recipe: github.com/deepseek-ai/deepseek-recipe技术报告：zhuanlan.zhihu.com/p/2095560295930508953未来展望借助全面开源的模型、算子库与推理框架，我们期待着在不远的未来，能够看到全球 AI 服务的范围与质量获得前所未有的扩展与提升，变得更加公平、透明、可信赖，进而实现在全社会范围内加快技术迭代、减少能源浪费，让有限的资源以更高的效率在基础设施与用户终端之间流转，以每个人都能够负担的成本传递更加强大的智能，以及伴随着智能的善意和无限可能性。DeepSeek 将与各位一同携手，为实现这样的未来图景而不懈努力。

转发者评论

太伟大了大肥鱼 //@蚁工厂:配套的技术报告：DeepSeek V4.1 Flash 大规模推理部署实践 http://t.cn/AXlF1Zps 这是把DeepSeek超强的缓存方案也开源了？

• 太伟大了大肥鱼 //@蚁工厂:配套的技术报告：DeepSeek V4.1 Flash 大规模推理部署实践 http://t.cn/AXlF1Zps 这是把DeepSeek超强的缓存方案也开源了？

原文

【黄仁勋：GPU寿命翻倍到8年！马斯克：老H100租金比新卡还贵】黄仁勋与马斯克罕见达成共识，英伟达新一代GPU有效寿命可达8年，远超过此前行业默认的4年折旧周期，老AI芯片产出价值随模型迭代不降反升，直接减半算力资产折旧压力，重塑AI基建投资逻辑。

转发者评论

无明显转发评论

原文

【蚂蚁阿福面向全球医生发offer！总冠名《令人心动的offer8·医学生季》】《令人心动的offer8·医学生季》昨日开播，冠名方蚂蚁阿福同步面向全球医生、医学生发起招聘，开放大模型、医学相关多款岗位，目前已有超百位原三甲医院医生参与其专业健康AI体系建设。

转发者评论

无明显转发评论

原文

以防大家不知道我们现在中国的机器人已经迭代到什么程度👇宇树科技发布在外网的最新的机器人 H2-X 展示视频，不光在能在空翻后落地后更稳了，还可以实现膝击，肘击，击退持刀者，举起汽车救出被困其下的人、甚至推开行人避开迎面而来的车辆…最可怕的是，它还可以续航八小时。要知道，三年前，这玩意还站不稳。用老外的话说，未来的安保公司都要失业了。你能想象一个小偷或者暴徒冲劲陌生人家里，然后从屋子里冲出几个这种“玩意”？难怪有老外说中国真的把 T-800 当真了。中国的进步太惊人了。 海兰珠阿婶的微博视频

转发者评论

也是进展#人工智能[超话]#

• 也是进展#人工智能[超话]#

原文

一支王者荣耀AI战队，开局被游戏内置人机按在地上摩擦，一局都没赢过。AI教练只带它复盘了五轮，胜率竟从0%直接打到了100%。#科技先锋官#全程没有训练任何一个模型，每一版新战术本，都是AI教练自己改出来的。这是爱思科技（Agnes AI）在南京2026物理AI与世界模型大会上的现场演示。系统进化RSI：AI教练从不上场，只在每局结束后改整支队伍的战术本，模型一个参数都不碰。3v3那支从零开始的队伍，起步打了192局一场没赢，三轮下来胜率涨到60%；1v1最好的一版打到90%，六轮实验里111个候选只有4个转正，调用费算下来一共才约33美元。模型进化TTT：机械臂一边干活，模型一边实时调权重。752.4M参数的主干整体冻结，只放开后面7.35M的决策头，不到总量的1%。任务成功率从约30%涨到约90%，每轮迭代从按周算压到了最快30分钟。走进物理世界：MHS标准让机器狗、小车、相机都能标准化接入，大模型不碰底层代码，只用7个通用工具统一指挥。仿真火星基地里12台设备同时在线，人只说了一句「宇航员失联了」，系统就自己排好了救援。

转发者评论

无明显转发评论

原文

「小身材大表现：开源语音模型Bark 3.0发布」Underdog推出端侧本地语音模型Bark 3.0，体积仅163MB，在英文会议场景下的字错率低至7.82%，表现超越了体积大它57倍的Whisper large-v3以及大它15倍的NVIDIA Parakeet。它全程在Mac端侧本地离线运行，音频不上传任何服务器，兼顾数据隐私与速度，在MacBook Pro上仅需半秒即可完成5分钟音频转录。其默认的Clean版本还能自动识别并过滤“um、uh”等口头禅、重复词及口误，直接输出语义通顺的文本。该模型目前已遵循CC-BY 4.0协议在Hugging Face开源，支持免费体验。 underdog.ai /bark

转发者评论

无明显转发评论

原文

中国半导体的追赶有多可怕，路透独家报道刚刚爆出。因为一直顾及美国脸色而谨慎投资中国工厂的三星电子和SK海力士，最终抛出了将中国境内存储工厂升级为最尖端工艺的豪赌。1. 为什么突然下这么大的赌注——“三星电子已经在中国的家门口被抢走第一”- 一直以来，韩国国内对“中国存储还差得远”抱有轻视态度，但实际市场数据早已逆转。- 据今天路透引用的市场研究机构Omdia数据，今年第二季度，中国境内NAND闪存（SSD用存储内存）市场中，中国本土企业“YMTC（长江存储）”以38.5%的份额超过三星电子，登上第一宝座。- 而且如今AI数据中心为了存储海量数据和对话记忆（缓存），疯狂扫购大容量企业级SSD，NAND市场成了新的金蛋。如果坐视不管，整个市场就将被中国YMTC全盘拿下。2. 最终祭出的三星“蒙娜丽莎项目”和SK海力士的大连工厂升级- 火烧眉毛的两家公司最终决定大幅提升中国本地工厂的技术等级。- 首先，三星电子启动了内部项目（代号“蒙娜丽莎”），将负责公司整体NAND产量约40%的核心基地“中国西安工厂”转型为最尖端286层（V9）NAND生产体系。计划从今年12月起以月产5000张规模启动，到明年年底扩至月产4万张，规模扩大8倍。- SK海力士同样推进从英特尔收购的“中国大连工厂”从现有192层升级到240层以上高层层NAND，并进一步探索300层以上超高层层芯片研发（R&D）。- 顺便一提，NAND中的“层数（286层·240层）”就像公寓楼层一样，堆得越高，在相同面积内就能容纳更多数据，是最尖端技术。3. 韩国半导体面临的真正困境——在美国和中国之间如履薄冰的走钢丝- 问题是，这些工厂不是在“韩国土地”，而是在“中国土地”上。- 由于美国严格控制对华半导体设备出口，三星和海力士若想将美国产核心设备引入中国工厂或升级工艺，每年都必须获得美国政府（华盛顿）的许可。- 两家公司表示，“这不是新建扩大工厂（扩建），而是仅更换现有生产线技术，不违反美国规定”，并正与美国政府密切协商。最终，现在韩国半导体陷入了进退两难的境地。不升级中国工厂吧，眼看势头凶猛的中国YMTC就要把市场全抢走；强行升级吧，又被逼上每年都要盖美国政府许可章的如履薄冰走钢丝的绝境。网页链接

转发者评论

无明显转发评论

原文

「摸清Agent上下文底细：开源插件 dsh-context」用 DeepSeek Harness 跑复杂任务或多智能体协作时，上下文膨胀与消耗往往难以捉摸。dsh-context 带来了一套清晰的透视方案：全局看板可盘点多会话的 Token 消耗、费用估算与活跃热力图；单会话内能以堆叠图直观还原 Prompt、工具及消息的实时占比，清楚记录每次演进、压缩与剪枝动作。它还配备了可追溯请求明细的浏览器、文件变动追踪，以及展现父子 Agent 关系的编队拓扑图。支持侧栏面板与 /context 快捷命令唤出，即装即用，告别黑盒排查。github.com /bowenliang123/dsh-context

转发者评论

无明显转发评论

原文

2026年10月19日，英伟达CEO黄仁勋在柏林峰会上回应德国总理默茨关于AI监管的提问，直言产业未兴则无从监管，并批评欧洲过度思考而缺乏行动。 简评：监管的对象得先存在。欧洲在AI产业上已经落后，这时候谈规则设计，就像还没学会游泳就忙着制定泳姿标准。黄仁勋说得直接：别想太多，先做起来。这不是反对监管，而是指出监管的时机和对象——应该管应用场景里的具体风险，而不是在实验室阶段就把技术框死。安全是工程问题，能在迭代中解决，不是靠事前的规划。中美已经在跑了，欧洲还在开会讨论起跑姿势是否合规。产业竞争不等人，规则是在真实的碰撞和试错中长出来的，不是坐在会议室里设计出来的。先有产业，才有监管的基础和意义。 #黄仁勋称不能监管不存在的东西#

转发者评论

无明显转发评论

原文

用什么来替代互联网的旧商业模式？这是未来五年最有意思的问题，Matthew Prince 在 Cloudflare Connect 2026 开幕 Keynote 给出了他们的答案：“先降负载，再给剩下的部分定价” 👀 在今年五月，Cloudflare 检测到的 Agent 流量已超过人类流量，按现在的趋势外推，五年后 Agent 流量会是人类流量的 1000 倍，人类在网络上会变成“舍入误差”。原因不是人类不再上网，我们的流量大体持平，而是越来越多的内容由 Agent 来替人去消费。Agent 替你跑腿，但跑腿是有成本的，谁来支付这些成本？Matthew 举了“中午去哪吃饭”的例子。Agent 会去翻上千家餐厅的菜单，最后只有一家拿到生意，其余 999 家都承担了被抓取的带宽和资源成本，这是一个典型的公地悲剧。去年他关注的是新闻出版商流量断崖式下跌，Cloudflare 为此和全球最大的一批出版商合作，向 AI 公司争取补偿。今年他更担心的是街角的熟食店和餐馆这类小商家。人类光顾小店，是因为老板记得你的名字，或者店就在回家路上，这些情感和便利的因素对 Agent 完全不起作用。Agent 时间几乎无限，也不被情绪左右，它会选信息最多的那一家，也就是最大的公司。如果不加干预，市场会走向集中，新进入者和小企业越来越难生存。Matthew 对此给了两个具体抓手：第一是“只抓取变化的内容”。Google 式的抓取不管页面变没变都会重抓，AI 公司照搬了这种做法，非常低效。Cloudflare 与 OpenAI 合作，主动告诉对方哪些页面更新了，从而降低整个生态的总负载，连 Google 也认同这个方向。第二是“代理使用你的内容时，你要能收到钱”。他把这两点概括成一句话：先降负载，再给剩下的部分定价。最后他强调 Cloudflare 做不到独自完成这件事，需要伙伴一起定义这个可持续的未来。如果这个设想成立，那么 Agent Payment 就是这个新商业模式中最重要的一环；另外，不同系统的 Agent 之间要能主动通讯和全局协调，降低无效查询负载，我们会有非常多的面向 Agent Infra 的新系统需要建设🤔 美国·Palo Alto

转发者评论

无明显转发评论

原文

#拟出台的中国AI禁令震动全球#10月16日，商务部、科技部联合发布第48号公告：拟对AI、生物医药、光伏三大领域共40项关键技术实施出口管制（14项禁止、26项限制），公开征求意见至11月15日。AI首次作为独立门类写入《禁止出口限制出口技术目录》。📌 到底管什么· 拟禁止：AI驱动的恶意代码生成与变异技术等可攻击关键基础设施的高危能力· 拟限制：大模型（训练算力达10^26 FLOPs、参数超2万亿、或全球评测前十）、AI智能体、AI芯片、算力集群等· 用中国「重要数据」训练的基础大模型也在限制范围✅ 更不管什么· 已开源的模型、已发表的论文，明确不纳入管理· API调用、App、网页、SaaS服务，不属于大模型技术出口范围· 境外自建算力中心、联合研发、参与国际标准制定，可走自动许可「即报即出」💡 一句话理解打个比方：把做好的菜端给海外食客照常营业，把做菜秘方连锅端走要登记。模型能力可以走向全球，核心技术的转让要过一道安检。🎯 为什么是现在这不是新禁令，是2001年就有的老目录在更新。但AI首次写入本身就是信号——当你的技术领先到「别人想要、自己独有」，它就成了国家核心资产。从美方的芯片管制到中方的技术目录，AI竞争的规则正在被双方共同重写。你觉得这波对开源生态影响大吗？#AI出口管制##技术主权##大模型##微博AI创作季#

转发者评论

无明显转发评论

原文

#Easy的AIGC学习笔记# Jev 最近不是支持图片了吗，于是我试着用它来抽帧审核自动生成短剧的效果。结论：挺好，能提速修正过程，配合 Deepseek 可以把 Claude Opus 的速度做出来。但成本低至 10%。其实 Deepseek 也能看图，但不知为啥就是挺慢的。Jev 这边，每张图约 $0.00007，一集 220 张图（关键帧＋出片抽帧）大约 1–4 美分。详情看截图。

转发者评论

无明显转发评论

• 回复@范仲淹ss:把 Jev 的官方文档丢给 Agent 让它看看怎么加就行了，大肥鱼都 1017 了，聪明着呢。//@范仲淹ss:老大，有skill吗[doge]想试试

原文

又看到一个比较漂亮的代码生成 3d 的案例，3000 美元 API 账单，Claude 干了120 小时初始拿了 10张实景图，提示词非常朴素：使用纯代码在 3D 中重现这 10 张参考图片中的环境。不得使用任何资源或纹理。这是一个大型环境：一个湖泊，四周环绕着山脉和森林。 任务分为两部分： 1. 构建 3D 环境。 2. 制作一段一分钟的电影式视频来展示这个世界，并渲染它。 环境： - 让它看起来 99.9% 像参考图片。不要因为觉得“足够好”就过早停止。迭代直到达到 99.9% 的相似度。我知道这可能需要几天时间。有很多工作要做。 - 颜色：100% 纯净，最好的颜色。与图片中的颜色进行比较。大多数时候颜色会出错，显得有点灰暗，而颜色是最重要的东西之一。光线和阴影也必须匹配。 - 水体：把水做好。颜色、物理效果，一切都应该看起来完美。 - 树木：它们不能看起来假。给它们更好的纹理，让森林更密集。 - 山脉：更好的纹理和更好的氛围。 - 岩石和地形：好的岩石纹理，以及更多的小石头和地形的细节。 - 距离：渲染一切。不要只渲染树木一半的距离。远处的树木也需要细节，即使在半宽镜头中也是如此。 - 最终它应该在人眼中看起来像一个真实的地方。 视频： - 电影式，像无人机拍摄的电影。这只是一个比较：没有无人机界面，没有无人机噪音，只有一个干净的视频。 - 从一个真正精彩的场景开始，先展示最好的部分。然后慢慢展示更多更多：例如，你在岩石后面，只能看到一点，然后相机飞起来，你看到一个真正美丽的景色。 - 每六七秒切换到一个不同的地方。有时快，有时慢。 - 声音：平静的自然声音和史诗般的背景音乐。音乐必须真的很好。 - 输出：高分辨率和超宽屏，这样你也能看到对岸的树木。干净且无 bug。即使花更长时间，也要保持全质量。 工作方式： - 我没有强大的 GPU，所以要记住这一点。你可以使用我的 GPU，在 CPU 上会花费很多时间。 - 分轮次工作，每轮结束后发给我截图，不要暂停。如果还需要改进以达到 99%，马上开始下一轮。 - 不要在一切真正做好之前开始最终视频。先发给我截图，等我批准，然后再渲染。 - 不要停下，直到它真正完成且真正出色。 如果你有问题，现在问我。否则，尽可能长时间地构建，让它变得出色。去吧，加油。链接：x.com/LexnLin/status/2112560562609803311 i陆三金的微博视频

转发者评论

无明显转发评论

原文

【#红果日活超四大长视频平台之和#】#红果短剧自砍摇钱树##红果免费看剧广告变现模式已跑通#截至2026年7月，红果短剧的日活已经冲到了1.68亿，已超过腾讯视频、爱奇艺、优酷、芒果TV四家长视频平台日活之和。中国网络视听协会发布的2026年第一、二季度《微短剧创作指引》显示，上半年各平台共上线微短剧36.7万部，平均每天有超过1500部AI（人工智能）新剧涌入市场，占比超过74%。AI短剧成为广受欢迎的文化产品。不过，真人微短剧在市场上仍有一席之地和优势。今年第一季度的《微短剧创作指引》显示的数据同时也揭示出一个更值得关注的趋势：真人微短剧虽然供给少，但依然展现出强劲的市场需求。以2026年春节档为例，真人剧上线量约为AI剧的1/50，但总播放量却达到AI剧的25倍。为什么明知短剧的套路，手却停不下来？一项刊发于《山东大学学报（哲学社会科学版）》的研究指出，微短剧有着“类麦当劳化”的娱乐特征：标准化剧情不断提供即时情绪刺激。不同于大众想象中“毫无抵抗的沉迷”，很多观众在观看时内心充满拉扯，在放任自己刷剧和想要抽身之间反复摇摆。学者闫续的论文《制造“爽感”：微短剧生产过程的想象可供性及遮蔽性后果——基于对微短剧生产的实证考察》，认为微短剧的核心吸引力在于以高密度叙事、快速反转和强烈情绪冲突制造的“爽感”，而这种“爽感”并非源自观众真实需求，而是生产者基于经验、行业惯例、平台数据推演与预测构成的“想象性生产实践”。平台侧的商业模式进一步放大了这种黏性。记者了解到，红果已跑通“免费观看+广告变现”的增长模式，并与制作方按收益分账；抖音为其输送流量，番茄小说则提供网文IP。在这个逻辑下，“让人停下来”的动力，远不如“让人继续看下去”来得强烈。（南方日报）南方日报的微博视频

转发者评论

泔水量大不是什么好事。

• 泔水量大不是什么好事。

原文

[人人能懂AI前沿] 从真实世界闭环、双步算法到注意力分配今天我们将拆解五篇极具启发性的最新论文，看看AI如何在真实物理沙盒中通过“笨”反馈打破自嗨，又为何在全自动营销中引发了荒谬的市场崩塌。我们还会探讨为什么看似多此一举的“双步算法”能让AI应对未来变局，以及为何再聪明的模型也离不开外置的“脚手架”系统。最后，面对海量信息，大模型独特的“稀疏注意力”机制将教我们如何把精力用在刀刃上。让我们一起从机器的进化中，寻找突破人类认知局限的答案吧！网页链接

转发者评论

无明显转发评论

原文

埃隆·马斯克建议不要为太空芯片降温，反而——让它们在高温下工作。这正是太空数据中心的真正悖论所在。所有人都以为：“太空里可是−270°C，芯片会自己冷却。”实际上恰恰相反。在真空里没有空气，也没有水来带走热量。真空就像一个巨大的保温瓶：芯片产生的热量会留在了里面。唯一摆脱它的办法——就是通过大型散热板以红外光的形式辐射出去。这时，严酷的物理定律就登场了。散热板越冷，它辐射的热量就越弱。根据斯特藩-玻尔兹曼定律，辐射功率与**绝对温度的四次方**成正比。如果只是将芯片的工作温度在开尔文温标上提高20%，散热板就能辐射出两倍的热量。这意味着散热板可以做得小两倍、更轻。马斯克在视频中讲的正是这个：“如果将工作温度在开尔文温标上提高20%，散热板的质量就能减半。因此，在太空里工作在更高温度下更有利。”在地球上，我们花费数十亿美元来保持芯片低温。在太空里，更划算的设计是让芯片能在100–120°C下稳定工作。那样散热板就会大幅减轻，发射成本也会急剧下降。而且神经网络对辐射引起的随机比特错误相当耐受——对于一个巨大的模型，几翻转的比特几乎没什么影响。结果，空间人工智能的主要问题不是能量（太空里的太阳光免费且恒定），而正是散热。马斯克建议解决它的办法不是冷却，而是利用温度。这看起来几乎违反直觉，但物理定律站在他这边。[视频]网页链接

转发者评论

无明显转发评论

原文

【OpenAI收购了一家药物研发管理初创，新药研发的项目经理由AI来当】一款新药从靶点发现到获批上市的平均周期是 10 到 15 年。其间，做出科学判断与开展临床试验需要耐心，但很少有人注意的是，数据交付、节点对接、预算管理等繁琐的协调同样会耗费大量的时间。今年以来，为寻找通用模型之外的新增长点，OpenAI 在生命科学领域搭建了一整条名为 Rosalind 的产品线，合作方包括诺和诺德（Novo Nordisk）和莫德纳（Moderna）等。其中，专用推理模型 GPT-Rosalind 帮科学家梳理文献、提出假说、设计实验，配套的研究工作台 Rosalind Workbench 把模型能力接入数十种科学数据库、分析工具。但模型给出实验方案后，谁来负责管理和落地？针对这一问题，当地时间 10 月 20 日，OpenAI 宣布收购药物研发项目协调软件公司 Orchestra Bio，将其团队和技术并入 Rosalind，双方均未披露交易金额。药物研发的管理问题，主要体现在外包环节。如今大量生物技术公司选择将具体实验外包，从临床前研究、临床试验到原料药生产，都交给合同研究组织（CRO）和合同开发与生产组织（CDMO）完成。戳链接查看详情：网页链接

转发者评论

这才是AI该做的事儿

• 这才是AI该做的事儿

原文

#冷眼赠书福利# 联合 @博文视点Broadview 送出 3 本《Codex 极简入门：让 AI 持续提升工作效率》，截 10 月 26 日，转发+评论+点赞 此微博并关注 @网路冷眼 赢取。这是一本面向普通人的 AI 实践指南。它不从复杂概念和功能清单讲起，而是通过搭建一个简单的网站，让读者在真实的操作中认识 Codex 项目、对话、文件、审批、插件、技能、已安排和追求目标等选项或功能。书中介绍了资料整理与研究、职场办公与汇报、内容创作和 Vibe Coding 实战等常见的 Codex 应用场景，帮助读者把零散的想法和资料逐步变成文档、表格、PPT、网页与小工具，并教读者学会检查结果、控制权限、沉淀模板，让 Codex 真正融入日常工作。

转发者评论

无明显转发评论

原文

【周鸿祎谈美国封杀DeepSeek】10月19日美国国土安全部发布禁令，要求美联邦民事机构不得采购、限期清除DeepSeek相关产品服务。周鸿祎解读称美方混淆在线调用与本地部署的技术差异，所谓数据安全理由不成立，本质是全链条封锁中国AI产业发展。

转发者评论

无明显转发评论

原文

DeepSeek 把内部推理框架 DeepInfer 开源了，很多人第一反应可能是：这不是在帮竞争对手吗？但换个角度想：推理框架开源之后，整个行业跑大模型的成本会下降，AI 服务会变得更便宜、更普及，最终使用 DeepSeek 服务的人也会更多。这一步看似大方，背后是一笔很清醒的账。更有意思的是，这次开源的不只是代码本身，还附带了 DeepSeek 真实的大规模部署经验。很多公司训练完模型，根本不知道怎么高效地把它跑起来，DeepSeek 这次相当于把"怎么做"的答案也一并公开了。这对行业的价值，不比模型本身低多少。但是，当推理效率不再是门槛，AI 行业真正的护城河到底在哪里？是数据积累，是用户规模，还是某个还没被公开的下一个核心能力？历史上每一次基础设施层的开源，都会加速上层应用的爆发。互联网时代是这样，移动互联网时代也是这样。这一次，会不会也是同一个剧本？#DeepSeek开源推理框架有何意义#

转发者评论

无明显转发评论

原文

十年前要两个人抬上楼的机器，今天被老黄单手举在了台上。GTC柏林，黄仁勋举起一台128GB内存的笔记本RTX Spark，宣布PC已死，AI智能体时代全面爆发。#科技先锋官#2016年8月他送到OpenAI办公室的DGX-1，内存同样是128GB，却得两个人才抬得上楼。十年过去，AI性能涨了100万倍，同期摩尔定律只涨了约100倍。RTX Spark的FP4算力最高1 Petaflops，把Blackwell RTX GPU和Grace CPU做成了一颗超级芯片，10月16日已开售。为了这台电脑，英伟达和微软秘密合作了四年，前后投入数千个工程师年。Agent的五大要素各自对应不同硬件：模型在Vera Rubin NVL72上思考，Harness跑在Vera MGX，知识由Vera CMX提供，工具交给Vera RTX。新一代计算托盘100%液冷，上一代组装一台要两小时，Vera Rubin不到5分钟。AI工厂装箱发货：一个DSX POD由7个液冷机架组成，机架之间用17公里Spectrum-X线缆连起来，在工厂里集成测试完再装进集装箱。场地水电就绪后，部署从约六个月缩到最短14天。同样的token产出最多能少用30%的电，放大到2吉瓦规模每天约省5400万升水。压轴是机器鸭子MicroDuck：在RTX Spark上造出来，云端数千只并行训练，策略回传真机，四只走上了舞台。英伟达还和Agile Robots发布了参考人形机器人Agile ONE SN，身高1.4米、40公斤、31个自由度，预计2027年初上市。老黄最后留下一句：「每一家欧洲公司，都将成为AI公司。毫无疑问。」

转发者评论

无明显转发评论

原文

2026年10月22号早评昨日A股指数高开震荡走低，尾盘依然还是大资金托底拉起，相比沪指，创业板受到宁德时代的拖累走的更弱，科创板收红走势偏强，成交依然维持在1.5万亿下方，流动性依旧不足。当前 A 股是典型存量磨底、结构分化行情，不放量短期指数很难走出单边趋势，但3700点大概率也不会跌破，整体上还是以时间换空间。沪指短期区间非常清晰，上方套牢筹码集中区，反弹到这个位置没有放量，抛压很容易出来；下方支撑靠 ETF 托底资金、低估值红利板块守住，属于跌下去有人接、涨上去没人追的拉锯状态。创业板、科创 50 弹性更大，但弱点也更突出：板块估值对业绩敏感，前期 AI、算力一批标的估值打的比较满，现在进入三季报集中兑现期，资金天然谨慎，容易出现 “利好兑现就砸、不及预期大跌”。这里有一个很关键的结构特征：宽基 ETF 持续被资金申购，但个股层面赚钱效应并没有同步扩散。说明进场资金以机构底仓配置、左侧布局为主，不是主动进攻的短线游资，资金思路是 “逢低慢慢买指数，不主动拉题材”，这就决定了很难出现普涨大阳线，所以还需要时间来消化大家的悲观情绪。简单一句话总结指数：没有持续放量之前，所有反弹都先定义成震荡修复，不是反转。放量站稳压力位，才是右侧信号，缩量冲高，优先考虑兑现。隔夜美股三大指数全线收涨，道指 + 0.69%，标普 500+0.58%，纳指 + 1.05%，芯片、算力科技板块领涨，外围情绪偏暖，对今天开盘形成温和利好。消息面1、泽连斯基：愿在保留75%领土控制权的基础上达成和平协议俄乌战争这是要结束了吗？连续4年的战争，有望停战，看看重建方向有没有资金关注。2、上交所召开首批主动ETF市场动员会增量资金加速入场。3、上交所：对南威软件及有关责任人予以监管警示上交所决定，对南威软件股份有限公司及时任董事会秘书张媛予以监管警示，公司需在1个月内提交整改报告。4、三星电机MLCC交期已经涨到52周业内人士透露，三星电机的MLCC的订单交付周期已进一步延长至52周。这意味着客户现在下单后需要等待一年才能收到产品。报道称，全球主要客户正争相签订明年的供货合同，以确保获得三星电机的MLCC产品。仅三星电机今年迄今为止披露的MLCC相关订单额就高达约2.4万亿韩元。5、英伟达携供应链伙伴扩产 加速AI基础设施建设英伟达及其供应链合作伙伴宣布扩大产能，以加速AI基础设施建设。英伟达计划未来三年将基板产能提升至目前的2.5倍；KYEC将获得英伟达11亿美元预付款，用于在美国建设新设施；安靠科技计划到2028年底将先进封装产能提升逾300%。此外，英伟达计划将半导体测试产能从2026年到2027年翻倍，并于2027年2月在新加坡启动大规模测试生产。

转发者评论

无明显转发评论

原文

#DeepSeek开源推理框架有何意义#DeepSeek这次开源的，不是模型，是“怎么把模型跑得又便宜又快”的那套本事。单集群日吞吐155万亿Token，平均首字延迟400毫秒，生成速度230 Token/秒，96%的输入直接命中缓存不用重算。这些数字背后是一整套调度、缓存和并行策略——以前藏在内部，现在全部摊开。为什么愿意分享？官方说法是“降低算力成本、减少能源消耗，让智能以更低的价格触达更广泛的人群”。翻译一下：它不靠“只有我会省”来赚钱，而是把省钱的工程能力变成公共品，让整个行业的效率基线往上抬。降价会不会来？短期看，当“怎么跑得便宜”不再是秘密，靠信息不对称维持的价格空间会被压缩。但真正的降价动力不在开源本身，在于DeepSeek证明了一件事：全栈效率做到极致，成本可以低到别人跟不动。开源是姿态，效率才是底牌。

转发者评论

无明显转发评论

原文

[CL]《TokenGate: Adapting LLMs for Fast and Memory-Efficient Prefill with Learned Token Pruning》L Patel, R Ranjan, I Stoica, M Zaharia… [Stanford University & UC Berkeley] (2026) 在长文本处理领域，预填充过载是一个悬而未决的难题。过去的方法受困于准度骤降，本质原因是网络被强迫无差别计算所有输入词元。本文的核心洞见是：把词元截断重新看作软性路由赋权。由此，将词元得分嵌入注意力权重以连通梯度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外挂式动态剪枝器。它为后来者打开的新门是以极低成本微调既有大模型，但尚未跨过的门槛是首层仍需全量计算且高度依赖特定任务数据。arxiv.org/abs/2610.26754 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

//@爱可可-爱生活:人类阅读长文本时会跳读，模型却要逐字处理每个token。这项工作让模型学会了“跳读”——在第一层就判断哪些token重要，后续层只处理筛选后的内容，速度最高提升11倍且不损精度。关键在于解决了一个矛盾：筛选token需要Top-K操作，但该操作无法求导，模型无法学习。作者借用MoE的门控

• //@爱可可-爱生活:人类阅读长文本时会跳读，模型却要逐字处理每个token。这项工作让模型学会了“跳读”——在第一层就判断哪些token重要，后续层只处理筛选后的内容，速度最高提升11倍且不损精度。关键在于解决了一个矛盾：筛选token需要Top-K操作，但该操作无法求导，模型无法学习。作者借用MoE的门控

原文

宇树发布：H2-X 功夫传奇 守护强劲的性能为您服务和守护，最长续航时间约8小时。请大家安全友好地使用机器人。#宇树##人形机器人##物理AI##AGI##武术##格斗##守护##保卫# 宇树科技的微博视频

转发者评论

无明显转发评论

• 感觉还是常规升级，动作更流畅更复杂。中间几个场景就是演示用一下吧，真的干活短期内应该不太行。 //@i陆三金:吓哭了

原文

具身模型训练，一直是行业里最难被外界看清的"黑盒"10 月 21 日，生数科技世界模型团队决定把这扇门打开。生数科技正式开启 Motubrain 2.0 训练全流程公开直播，计划持续约半个月，把模型从训练、测试到能力迭代的全过程搬到台前：实时呈现模型在不同阶段的能力变化；不回避训练中的失败、调整与优化——试错过程也一并公开。过去，外界了解具身智能主要靠 Demo、评测和论文，模型能力究竟如何形成、训练踩过哪些坑，往往难以直接观察。这次直播，是一次研发过程的透明化探索。团队希望与研究者、开发者共同探讨规模化训练、跨任务泛化、自主改进等关键问题，为 Physical AI 的实现范式提供更多研究参考。团队也坦言：相关研究仍处探索阶段，具体效果有待验证。但公开"模型怎么训出来、能力怎么长出来"，本身就已具备重要的研究价值。#极客头条#

转发者评论

无明显转发评论

原文

生活在中国——俄国女人在潍坊当我丈夫说他被派去中国时，我立刻问：“是上海吗？”他沉默了一秒，说：“不，在潍坊。”我立刻去Yandex地图上搜索了一下，我找到了，在山东省，位于中国东部，人口约九百万。这里以风筝闻名——潍坊被称为世界风筝之都。这名气听起来不错，但和我们的生活关系不大。那里几乎没有外国侨民，几乎没人懂英语，而我一点中文都不会。“可真是挑战”我说。我们晚上到达潍坊，机场小巧干净，广播里全是中文。我丈夫说他会一点点——他出发前自学了一年。我一句话都不会说。出租车上导航仪讲中文，司机低声哼着歌。窗外是宽阔空旷的夜间大道，高楼上的霓虹灯闪烁着汉字，路过几处工地。这座城市既美丽又陌生。第一天早上，我丈夫去上班了，我留在他提前租好的公寓里，这是套两居室，家具陈设都是新的，很干净，总体上还不错。我饿了，于是出门买吃的。故事就从这会开始了。当你啥都不懂时，怎么买食物第一个念头合乎逻辑，直接去超市。我找到了一家很大的超市，叫大润发，是中国连锁店，和俄罗斯的Pyaterochka类似，只是大好几倍。我走了进去，拿了个购物篮，在里面逛了一个半小时，研究那些外包装。问题是在中国，大多数商品包装上都没有一个拉丁字母，完全没有，只有汉字。你站在货架前，上面摆满了十几张种装在一模一样的袋子里的东西，你完全不知道里面装的是啥。我拍下包装照片，用带有文字识别功能的谷歌翻译——但并不是每次都有效，因为应用有时无法识别字体。所以头一星期我采用了用手指碰运气的办法，我买了点辣白菜——没想到这么辣，辣到我哭。我买了看起来像饼干的东西——结果是里面夹着红豆，这玩意还不错，算是惊喜。我买了牛奶——结果是豆浆，没关系，又是个惊喜。后来我发现了个改变我生活的小窍门，大润发设有即食区，售货员站在柜台后面，所有吃的都能摆在你面前。有面条、有炸鸡、还有蔬菜。你用手指一指，他们就会把给装进盒子里。价格显示在收银机的小屏幕上，就这样多好，无需任何语言。一份加肉面条价格15-25元，炸鸡20-30元，简单吃顿丰盛的饭菜花40元就足够了。物价可比莫斯科便宜多了，岂止莫斯科呢，比鄂木斯克都便宜。关于钱和二维码这是一个独立的故事，必须讲，因为它太重要了。在中国，几乎没有现金支付，大多数地方也不接受外国信用卡。全国都生活在两个应用里——微信和支付宝。这绝非夸张，市场、咖啡馆、药房、出租车，甚至街角卖橘子的老奶奶——每个人都有二维码收款。你扫描后，钱就会被扣走。没有现金，没有排队，也没有找零。现在对外国人的访问已经简化，在支付宝你可以用护照注册并绑定外国卡——我用的俄罗斯银行银联卡就能正常使用。整个过程大约用了二十分钟，界面全是英语。之后，我就能像当地人一样到处付款了。没有这个应用，几乎不可能在中国城市生活。说真的。头几天我还没弄明白怎么用的时候，商家根本没法卖东西给我——不是因为他们不想，而是因为他们没有收现金的…

转发者评论

AI翻译拯救世界[good]//@科罗廖夫:她老公大概率是派去潍柴工作的。

• AI翻译拯救世界[good]//@科罗廖夫:她老公大概率是派去潍柴工作的。

原文

重磅通知哈，目前仅差 8 个人，社群就突破 2000 人，这就是价值 与实力的证明，为了尽快突破 2000 人，这个月再给大家发一个立减 30 元的优惠券哈，仅限 30 张，用完即没。我自己的星球社群「AIGC·掘金成长研习社」马上突破 2000 人了，用时 900 多天，我累计发布了 2200 多条帖子、教程和文章。精华主题已经突破 300 篇。这是一个持续更新不断增加内容的社群，根据当日、当月、当年的最新热点和技术，来及时、频繁更新，让大家时刻保持在最前沿，保证至少更新 10 年，不烂尾。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。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#

转发者评论

//@AIGC·非著名程序员:距离实现 2000 人的超大社群，仅差 4 个名额了。为了尽快突破 2000 人，我决定从今天开始加入的同学，集合到一个群里，进行抽奖，送一个 价值 200 美元的 YouMind Max 月度会员（20 万积分）。 到这个月底集中抽奖。仅限这个月的福利，200 美元的 Max 月度会员啊。（加入星球之

• //@AIGC·非著名程序员:距离实现 2000 人的超大社群，仅差 4 个名额了。为了尽快突破 2000 人，我决定从今天开始加入的同学，集合到一个群里，进行抽奖，送一个 价值 200 美元的 YouMind Max 月度会员（20 万积分）。 到这个月底集中抽奖。仅限这个月的福利，200 美元的 Max 月度会员啊。（加入星球之

原文

【#DeepSeek腾讯陆续开放搜索能力#】10月17日，DeepSeek开放自研搜索引擎的Search与Fetch API，开发者可调用其联网检索能力。10月20日，腾讯宣布元宝搜索全新升级，并通过腾讯云面向个人开发者与企业开放。升级后的元宝搜索提供Skill、MCP、API三种接入方式，依托数千亿级索引，接入覆盖金融、政务、医疗等13个垂直行业的157个权威信源，通过多源交叉验证抑制大模型幻觉。据腾讯披露，元宝搜索已在腾讯内部完成规模化验证，日均调用量达数亿次，支撑了50多个核心业务。目前开发者可在腾讯云官网接入。

转发者评论

为啥里面还有微信输入法

• 为啥里面还有微信输入法

原文

DeepSeek 免费开源了驱动其 AI 的引擎，而且它能在华为芯片上运行。现在，任何企业、云服务或政府都能使用 DeepSeek 在其 API 中所用引擎的基础，来运行 DeepSeek 的开源模型。而且，根据公司公布的数据，即使低价收费，大规模提供 AI 服务也能赚得盆满钵满。这可能会压低美国实验室对其模型使用收费的价格。这个引擎名叫 DeepInfer。它是这样一个软件：拿一个已经训练好的 AI 模型，让它响应用户请求，将工作分摊到多块芯片上，并使用优化代码来榨取每块芯片的最大性能。根据 DeepSeek 的说法，正是它支撑着公司的大规模服务。目前，它只运行一个模型，即 DeepSeek-V4.1-Flash。DeepSeek 表示，其单个服务器集群目前每天处理 155 万亿个 token，平均每块芯片每小时收入 38 美元。这个计算基于非高峰时段的最低价格，且未考虑需求波动。这是收入，不是利润。DeepSeek 没有公布芯片成本，因此无法得知利润率。一个细节有助于解释这个数字：客户提交的内容中有 96% 已在缓存中，即之前已处理过，对客户来说成本低 50 倍。这个引擎能在 NVIDIA 芯片上运行，也能在华为的 Ascend 950 芯片上运行。DeepSeek 没有说明上述数字的系统运行在哪种芯片上，但华为的代码已经就位。这消息发布在同一天，美国政府正式公布了将 DeepSeek 从联邦民用机构中移除的命令。一个不依赖美国芯片的引擎，可能会削弱以芯片出口管制作为对华施压手段的效果。DeepSeek 并没有开源一切。管理缓存的部分以及在服务器间分配负载的部分被排除在外，因为公司表示，这些部分过于依赖内部基础设施。2025 年 4 月时，她曾以类似理由表示不会开源完整引擎。按 token 收费越来越难维持高价了。引用：🚀 Introducing DeepInfer, our in-house inference framework, now fully open source!Powering DeepSeek-V4.1-Flash at scale with high throughput and low latency. We’re sharing our production stack to help the community lower compute costs, reduce energy use, and make AI more网页链接

转发者评论

无明显转发评论

原文

分享一个用AI画可可交互带+发光激活效果的3D物体网页的skill。ISO-GLOW，让 Claude 交出一份能转、能按、会发光的等距 HTML想在网页里做个既带发光细线又能按动操作的立体物件，对着 Claude 描述想法或者递上已有的 .glb 模型，它就借助 Three.js 整理成单个 HTML 文件。页面里的等距模型支持自由拖拽旋转，也能随时切到正交等距视图。每个部件都带着真实反应：打字机按键能在纸上印字换行并到边响铃，按下播放就能看到走带轮盘与跳动的电平表。做网页演示、想给读者递上可玩小机械的人正好用得上。🔗 链接：网页链接🎮 3D 演示：网页链接🌐 官网：网页链接💻 画法来源 iso-figure：网页链接

转发者评论

无明显转发评论

原文

#SpaceX万亿美元营收或提前至2028##模型时代# 剪一个SpaceX 2026 年第三季度的财报电话会精华，马斯克主讲，另有总裁 Shotwell 和 CFO Johnsen。时间轴：- 0:02 起：算力的瓶颈在电力和冷却，不在芯片；SpaceX 承担了全球近 90% 的入轨质量；明年至少上线 13 吉瓦算力。- 3:38 起：CFO 说新增算力不到一年就能回本。- 4:00 起：TeraFab 明年五六月出测试芯片，2028 年第三季度量产，最终每年生产一太瓦芯片。- 5:56 起：SpaceX 自己铸造燃气轮机叶片，上电比别人快 12 到 18 个月。- 7:35 起：SpaceX 和特斯拉合并远非板上钉钉，需要全部股份的 50% 投赞成票。- 8:23 起：星链连接业务有每年数千亿美元收入的路径。- 9:07 起：每瓦算力的价值只升不降，所有超大规模云厂商都在追着租；最后以「明年算力或许六个月回本」收尾。关键信息：一、真正的瓶颈1. 部署超级智能的瓶颈，更多在电力、冷却和基础设施，而不在芯片。2. 燃气轮机的叶片比整机其他部件晚到 12 到 18 个月，SpaceX 自己铸造叶片，所以能比任何人早 12 到 18 个月上电。二、扩张速度3. 如果到明年年底 SpaceX 上线的算力不到 13 吉瓦，我反倒会意外。超过 20 吉瓦的可能性很小，但过去是零，现在不是零了。4. SpaceX 团队承担了全球近 90% 的入轨质量，中国约 6%，其余国家加起来约 4%。让这支团队去建地面算力，就像纽约洋基队去打少年棒球联赛，不公平。三、算力经济学5. 每瓦算力的价值会随时间上升，而不是下降，连 H100 这样的老机器，现在的租金都比全新时还高。6. 每家超大规模云厂商都在没完没了地追着 SpaceX 租算力，如果来者不拒，SpaceX 的算力能被超额租出好几倍。7. 明年 SpaceX 算力的回本周期缩短到六个月，并非不可能。四、下一个战场8. TeraFab 最终每年要生产一太瓦的超级智能芯片：明年五六月跑通第一颗测试芯片，2028 年第三季度前后量产。9. SpaceX 清楚看到了连接业务每年数千亿美元收入的路径，外界还缺几块 SpaceX 内部知道的拼图。五、资本与治理10. 认为 SpaceX 和特斯拉合并已成定局，这说得太过了。合并需要特斯拉全部股份的 50% 投赞成票，而不只是参与投票股份的 50%，特别委员会也还没就任何条款达成一致。 高飞的微博视频

转发者评论

无明显转发评论

原文

最近接触了两批企业，有几个明显的特征。第一，高端化加速。无论是机床、零部件、耗材、电气，这些企业高端化的趋势非常明显。体现在客户高端化：德国、日本、美国的企业增多。产品高端化：销售的产品价格越来越高，复杂度提高。还有点就是竞争对手的关注，跨国公司开始关注、紧盯甚至严密防范这些国内的民营企业。第二，更加靠近。最终客户，此前很多企业都是做加工贸易，做OEM，做简单生产，但现在越来越多的企业直接接触最终客户，这些企业开始建立自己的营销体系，国内外客户直接联系，并且越来越多的参与到客户的研发过程中。我最近一个朋友去美国，他们的客户直接就是围绕着你新产品的研发来开展技术方面的对谈，交付、质量、成本都是在研发定型后循规蹈矩。第三，国际市场开拓加快。能力强了，自然要出去，但更重要的一点是，现在国内能力强的企业太多了，在国内市场竞争过于激烈，所以越来越多的企业瞄准了国际市场。他们利用一切机会往外跑，但同类型的企业同时往外跑，又有可能带来内卷外化。还有国际市场的开拓在新产业、快产业中更加明显，有一个朋友刚跳槽到一家国内能源设备企业，就要跑德国、澳大利亚、美国，国际出差非常高频。第四，所有行业更加重视数字化转型。除了研发制造环节的数字化，最近还看到很多行业在加快和ICT技术、互联网技术、AI技术的融合，这一点十分有趣，去年我看到的是广东的魔方制造商，他们把魔方变成了智能硬件，开发了手机在线平台，客户玩魔方的同时在线竞技，前天有看到一家健身设备企业，把设备和VRAR结合起来，开发出游戏型健身平台，现在也有几十万的客户。

转发者评论

无明显转发评论

• 高端化还有一个特点，就是我们物理量在增长，但经济规模增长速度没有物理量增长快，我们价格优势很明显，这个出口数据可以看出来//@牛活的象猪一样纯真:产业高端化从早年间就有了，只是欧美实体产业还没有凋零，国内企业也迷信，所以高端化显得不普遍，现在国外歇菜了，只能采购中国产品，高端就有市场

原文

# 用 M3.1 Flash 当了两天 Agent 牛马，说点真实感受这几天模型更新有点密啊。DS 1017 周六才发，这才几天啊，MiniMax 又扔出来一个 M3.1 Flash，关键是没想到 M3.1 Flash 也挺好。其实它也不算新面孔。因为前阵子社区里那个匿名的 Space Bunny 就是它的早期版本，跑了 200T 多 token，大家反馈最集中的一条就是快。这次官方认领，我才对上号。所以，今天我拿正式版认真跑了跑，看看除了快之外还有什么。下面我写的可能比较零碎，想到哪就写到哪。### 今天更新的两个榜今天 Artificial Analysis 的综合分出来了，43 分。比 GLM 5.3 Flash 高，跟 DS 1017、Kimi K3、GLM 5.3 落在同一个区间。K3 和 GLM 5.3 都是大参数的旗舰，一个 Flash 能挤进这堆里，还挺意外的。我更关心的是 ALE（Agents Last Exam）。29.6%，国产模型第一，压过了 Kimi K3。这个榜在这里可以多说两句。伯克利 RDI 牵头，几百个行业专家一起出题，13 个行业、55 个细分领域，测的是模型在真实、有经济价值的场景里操作电脑干活的能力。说人话就是：活到底能不能干完。29.6% 这个数字别看绝对值，看排位就行。同一类的 OSWorld V2 它是 61.7，也是国模第一。另外两个偏 Agent 的榜单：BankerToolBench 76.2，跟 Claude Opus 5 并列第一；Automation-Bench 62.2，单任务成本不到 5 美分。几个榜单数据放一起看，方向挺一致的，这代模型的重心明显押在 Agent 上。### 价格，绕不开 DS输入 1 元 / 百万 token，输出 4 元，缓存读取 0.1 元。差不多是 DS 1017 高峰期价格的一半。高峰期偏偏就是白天上班写代码、跑 Agent 最密的那几个小时，以前一到这个点看账单都有点肉疼，现在不用掐着时间省了，可以放心猛猛蹬 M3.1 Flash。DS 1017 刚发的时候，大家都默认它就是又便宜又能打的那个，结果才过了三天，MiniMax 就拿出一个更便宜、干活也不差的。以前选便宜好用的 Flash 基本只看 DS，现在我估计以后得至少两家一起看了。当然公平点说，纯 Coding 的 DS 1017 还是第一，M3.1 Flash 排第二。DeepSWE 上它 73.7，DS 1017 是 77，差距是有的。海外有两组对比我觉得挺有参考价值：- @ nutlope（Together AI）拿它和 Opus 5.5 做同一个落地页，设计效果他评价很高，成本差了 88 倍。- @ jumperz 让它和 Opus 各跑 4 个后台 Agent 任务，它慢了一倍，成本只有 Opus 的…

转发者评论

无明显转发评论

原文

【当AI能自动证明定理，数学的核心还剩下什么？】3Blue1Brown创始人Grant Sanderson近期面向学界的研讨发人深省：若机器能瞬间完成形式化核验，“命题为真”的边际价值将被稀释。他以内接矩形定理为例，展示如何把点对升维映射、利用莫比乌斯带与克莱因瓶的不可嵌入性完成论证，以此阐明数学的精髓是构建具有思维势能的通用脚手架，而非单纯确认事实。当证明变得廉价，推动人类理解与提出深刻猜想更显珍贵。数学共同体始终具有自主定义研究价值的自指性，与其恐慌被算力替代，不如主动参与塑造后证明时代的新审美。视频：www.youtube.com /watch?v=PtCPLLuMK1o

转发者评论

无明显转发评论

原文

我说一下我在上一个版本 baocut 用 GPUI 踩的坑。GPUI 挺好的，性能好，跨平台，AI 友好，但也有坑：1. UI 复杂一点的话大概率你要 fork 一份改一下，有些功能原生支持不了，但也不是大问题2. Accessibility 支持不太好，要支持一些键盘操作会比较麻烦（也可能我用法不对）3. Rust 编译资源消耗很大每次编译，无论是 CPU 占用还是磁盘占用，都巨大，对于我这样用 Mac Mini M4 16G + 1T 硬盘的来说简直太痛苦了，不敢并行多开编译任务，磁盘空间永远不够用（后来我把编译结果默认放到移动硬盘缓解了一点）4. 编译时间很长，不支持热更新。这点很要命，这意味着你如果改一点 UI 代码，要重新编译，然后要等少则几分钟多则十几分钟，这时间无论对于 agent 还是对于人来说都是很大的时间成本，加上不能随便多任务，会拖慢你的开发速度5. agent 验证 UI 不算太友好codex、claude code 都可以借助 computer use 去验证 GPUI 的结果，但一个是慢，另一个相对成本也不低。---后来我之所以换回 Electron，就是因为 Electron App 对于 Agent 相对友好，编译快、热更新，UI 改动很快看到效果，然后 Electron App 还能跑到 agent 内置的浏览器中，agent 验证起来很快，都不需要用 computer use 去打开 electron app。至于网页渲染性能不够好的问题，我把原来一些需要复杂渲染的部分，都用 rust 编译成了 wasm，这样在浏览器运行也可以保证高性能。以前 rust 做的转录、tts 模块也都以 worker 进程的形式保留下来了，electron 需要用到的时候可以直接起 rust 编译出来的进程（Codex 也是类似），和这些进程通信，后台的性能也比纯 TypeScript + Node 要好不少。有兴趣的话可以看代码库：网页链接

转发者评论

回复@妖刀大帽胡子球手:前面我的分享，是在定义清楚问题，后面权衡拍板是验证，这就是用好 agent 最重要的两点，缺一不可//@妖刀大帽胡子球手:宝师，感觉vibe coding时代，开发者需要一些二阶思维。就比如这位网友问您的问题，结合您之前的分享，是否任何问题都可以抛给agent让ta给你方案，然后我们只

• 回复@妖刀大帽胡子球手:前面我的分享，是在定义清楚问题，后面权衡拍板是验证，这就是用好 agent 最重要的两点，缺一不可//@妖刀大帽胡子球手:宝师，感觉vibe coding时代，开发者需要一些二阶思维。就比如这位网友问您的问题，结合您之前的分享，是否任何问题都可以抛给agent让ta给你方案，然后我们只
• 回复@A不想取昵称:让 Agent 帮我写的，主要是给它原则：1. agents.md 主要负责两件事：1) 当地图导航让 Agent 能快速了解项目结构和找到上下文；2) 给 agent限定规则，比如每一轮要 commit；2. 必须使用渐进式加载，主文件放目录，详细的放 references。然后逐步迭代，遇到问题。//

原文

一个让你看清Agent上下文窗口里到底装了什么、怎么涨起来的、钱花在哪儿的工具：dsh-context专门给DSH用的，把原来不透明的信息，给你变成可视化、能追踪分析的仪表盘帮你诊断为什么上下文会爆、成本会涨、缓存命中率低、agent/子agent到底在吃什么token它有几个能力：1、看清楚Agent的上下文为什么会膨胀查看系统提示词、工具定义、对话消息、工具返回分别占用了多少Token，快速定位到上下文膨胀的来源2、追踪上下文压缩前后发生了什么按轮次/步骤记录上下文变化，观察Token如何增长、什么时候发生压缩和裁剪，以及前后发生了什么变化3、观察多Agent的上下文和成本查看上下文中的消息块、工具调用与工具结果构成，不是只给一个总Token数。通过Fleet视图查看主Agent与子Agent的关系、上下文占用、执行状态及Token成本随着Agent开始能执行长时复杂任务，上下文有个专门监控诊断的工具确实很有必要github：网页链接#dshcontext##AI上下文诊断工具##DSH#

转发者评论

无明显转发评论

原文

#拟出台的中国AI禁令震动全球#这几天外网炸锅的"中国AI禁令"其实是个大误会。10月16号商务部发了个《禁止出口限制出口技术目录》征求意见稿，要把大模型、智能体、算力集群这些23项AI技术纳入出口管制，加上生物医药光伏总共40项。但说白了，管的是"技术出境"，不是"产品出海"——你平时调API、用网页App、买SaaS服务，该咋用咋用，开源的模型权重也不受影响。真正被卡的是把底层架构、训练框架、万卡集群方案打包卖给老外，或者把限制类大模型搬到海外做本地化部署，这些才要审批。为啥全球这么紧张？以前都是美国卡我们脖子，这次中国第一次把AI底层能力当"技术主权"锁起来，老外当然慌。再加上美国那边10月19号刚要求联邦机构停用DeepSeek，两边都在收紧，外媒能不炸锅吗。其实这逻辑不复杂——AI驱动的恶意代码生成、漏洞挖掘、信息对抗这些能力真流出去，确实碰国家安全底线，欧美自己也在搞类似管控。对咱普通人影响基本为零，对产业来说，头部大厂有海外云、走自动许可反而更稳，被卡的主要是"把核心权重加训练栈打包卖给境外"这种交易。一句话总结：开源照常、商用照跑、底层技术出境要过审。11月15号征求意见截止，到时候"开源怎么认定"才是真正要看的落点。

转发者评论

无明显转发评论

原文

#OpenAI发现PHP2Shell#这两个漏洞CVE-2026-109618 和 CVE-2026-109619影响很大的。而且并不好修复，有荷兰专业的网络安全机构已经把网站提前关了，免得被攻击。还没有特别好的修复方案，这两个漏洞就已经提前泄露了。现在是openai和php官方发的紧急修复方案。除了这两个漏洞，还有好几个漏洞在修复中，可能也会提前泄露。用php的，赶紧打上紧急补丁，否则，被攻击的可能性很大。连高市早苗都发预警了。在AI实用化后，这种漏洞被发现得越来越多了。php的公告：www.php.net/archive/2026.php#2026-10-21-5

转发者评论

无明显转发评论

原文

花半个月研究了语音输入🥹分享一个免费产品叭哥说。综合下来使用感最好，Typeless用户可无痛迁移。主要优点是太快了，说一大段后秒出长篇文字，很爽。而且还免费，网易出的，比一些付费小产品安全，没啥隐私和跑路风险。按键模式符合长语音输入习惯，按一下开始，再按一下结束。程度适中的语音自动整理、润色、排版、输出文字，支持自定义热词和自动学习。有个特点是支持100种以上的语言翻译，可能因为有道出的吧，自己的开源模型，做语音和翻译有一手。官网在招联合创始人，有10万块钱奖金，可以参加一手，试试能不能选上，能写履历里😆官网：网页链接 十万招联创链接：网页链接

转发者评论

无明显转发评论

原文

#老外吐槽B站AI二创后沦陷# B站的脑洞速度太快了，配合现在的AI生成工具，别说老外，我都快跟不上了前两天性转马尔福火起来的时候，就有老外提到，如果你觉得性转马尔福的潮流已经够糟了，那你是没见过Bilibili上那些AI垃圾。结果不到两天，蓝色大肥鱼，大肥鱼和Claude原生家庭的讨论迎来二次火爆，衍生了大量视频，再度引爆海外之后中国网友和巴西网友的讨论出圈，B站上又出现了一堆条理清晰的总结性AI短剧加上之前迈克尔杰克逊演唱会，从黄仁勋到嘉靖帝再到詹姆斯，一堆你想都想不到的脑洞版本，把马斯克都震惊到转发B站无穷无尽的脑洞，配合快速产出的AI，论社区花样，已经是所向披靡了然后今天有人发现，那个吐槽国内AI垃圾的老外，现在被发现注册了B站，还开了大会员~刚刚看他已经连新番都追上了，还点赞收藏了一堆二创视频（不是哥们你这沦陷速度也太快了）十五天功夫，就从震惊到真香了

转发者评论

无明显转发评论

原文

五个炒股的，造出抗蝎毒蛋白。三个没上过生物课，自掏20万美元，给Anthropic一个没公开的内部模型写了35页指令就回家睡觉。它一夜之间派出300多个子代理，64小时出31万个设计方案，自己挑180个；211个送实验室真测，17个过线。Anthropic说这离抗蛇毒血清还远。一个分析师报名让蝎子咬一口试试，你敢吗？#AI##Anthropic##Claude##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

10 款每个专业人士都应了解的 AI 工具ChatGPT — 写作、头脑风暴、分析、问题解决Microsoft Copilot — Word、Excel 和 PowerPoint 中的生产力工具Google Gemini — 研究、创意、文档和多模态工作Notion AI — 笔记、项目、组织和内容Canva — 视觉效果、演示文稿和 AI 驱动的设计Perplexity — AI 驱动的搜索和研究Grammarly — 更清晰、更强有力的专业沟通Tableau — 数据可视化和交互式仪表板Power BI — 商业智能和数据驱动决策Claude — 深度分析、长文档和复杂推理

转发者评论

无明显转发评论

原文

#拟出台的中国AI禁令震动全球#数据是中国的最硬核战略资源，是具身智能和工业大模型的亲妈，如果不限制才是滑天下之大稽华为/长鑫/中芯们已经基本上解决了的算力问题，真正的工业级的大模型要进入训练阶段了，中国的全产业链能不能保住，就在此一役了马斯克虽然试图用spaceX数据来训练Grok的工程能力，但那点数据量太可怜了等中国的通用工程大模型训练完之后，用那些数据做个垂类开发倒没有问题中美的AI之争才刚刚开始，还是那个判断，美国最蠢地方就是彻底自绝于世界最大的产业场景和应用场景这次，再也没有人天天说中国的数据不足了 工业/产业场景的数据多到爆，只是可能还没有进行有效整理，清洗和标注美国人早就成熟的数据产业了，把模式复制一个改改就行，这是富矿，是极为庞大的产业才成立的国家数据集团估计会干这个，但国企效率太低，大概还是各种分包，民企负责干活，国企负责协调整合保障到时候，再跟具身智能和AI大厂们联合，一定能搞出让人意想不到的东西出来LLM基于人类的互联网语料，诞生了推理智力，接下来，要基于人类产业语料，诞生工业智力了然后才是具身智能机器人实质性的参与工业场景再结合在科研领域的应用，中国慢了这块要加速加速淘汰老登，让能充分使用AI的年轻人进入科研核心，如果改革太慢，就让深圳上海进行干干净净的试点（初期直接上年龄限制一刀切，38岁以上自动退休，全年轻人主导）或者让Kimi/DeepSeek之类的年轻大厂牵头成立各类学科的新型科研机构有了科研AI和产能AI的渗透和整合，真正的AI价值才会释放出来，否则这海量的AI投入，猴年马月都不可能收回来真正的AI价值，一是解决食物问题，二是解决能源问题，三是解决算力问题，四是解决科研问题（核心是生命科学）前两个打开人口上限，后两个打开想象力上限没有超级多的人口和新型消费场景增量，不可能持续，因为目前人类需求的边际效应已经很低了，就是消费基本饱和除非，加人，加寿命，不睡觉然后再有全新有诱惑力场景消费才能真正起来加油吧少年💪 能不能避免第三次世界大热战，就看这一波了

转发者评论

无明显转发评论

原文

如何判断真假AI转型？假AI只是把工具塞进旧流水线，出图越快返工越多；真AI是打造超级个体，借助 #大模型# 形成业务自闭环。把80%的不确定性消解在源头，用极低试错成本取代高昂返工成本，重构人机协同新界面！#技术创新# #智能体# 老马自奋蹄的微博视频

转发者评论

无明显转发评论

原文

能提高你生活质量和工作效率的49个AI工具1. ChatGPT2. Claude3. Gemini4. Grok5. Perplexity6. DeepSeek7. Microsoft Copilot8. Meta AI9. NotebookLM10. Poe11. Reve12. Midjourney13. Ideogram14. Leonardo AI15. Adobe Firefly16. Krea AI17. Canva AI18. Freepik AI19. Stable Diffusion20. Flux21. Runway22. Kling AI23. Veo24. Sora25. HeyGen26. Synthesia27. Pika28. Luma AI29. ElevenLabs30. Suno31. Udio32. Gamma33. Beautiful ai34. Napkin AI35. Cursor36. GitHub Copilot37. Replit38. Windsurf39. Lovable40. Bolt new41. v042. Manus43. Genspark44. Otter ai45. Grammarly46. Notion AI47. Copy ai48. Jasper49. Descript

转发者评论

无明显转发评论