微博 AI 观察博客

原文

转：Ken Gr­i­f­f­in今天在Ci­t­a­d­el年度峰会上对“AI大跌”的解释，很有洞见。指出了三大风险点，但也对局部泡沫中的希望表示了信心。Gr­i­f­f­in是少数相对在公开场合说真东西的大佬。总结：陷阱一：边际定价崩塌的风险。 GPU像航空座位一样边际成本极低，一旦算力供过于求，租赁和API价格会自由落体。陷阱二：折旧模型失效。 老旧GPU今天仍能收高租金的局面难以持续，按7至9年高残值做的估值模型将面临系统性下修。陷阱三：企业预算收紧。 企业开始精算AI的ROI，把高价闭源模型只用在必要处、其余转向廉价开源模型，这与An­t­h­r­o­p­ic等公司7500亿美元的算力扩张计划直接冲突。希望：泡沫过后留下基础设施。 局部泡沫几乎必然伴随根本性变革，但破裂后留下的是改变世界的技术底座，穿越周期的公司会成为未来数十年的领导者-参考全文来自《华尔街见闻》

转发者评论

无明显转发评论

原文

GitHub上有个港大开源的项目叫DeepTutor，已经三万六千多星了。跟那种问一句答一句的AI不一样，它更像一个能长期陪你学的私人导师。你把教材、论文、笔记全丢进去，它会慢慢摸清你哪里薄弱。能干的事挺全：一道题帮你拆开讲思路；自动出题、批改，再照着错的地方生成练习；复杂主题自己查资料、整理成报告；抽象概念还能变成图表、动画和互动内容。最关键的是，它记得你学到哪了、哪里老出错，会动态调整后面的学习路径。支持本地模型、多种RAG、长期记忆，Docker自己就能部署，Apache 2.0开源。说白了，把自己的资料喂给它，养一阵子，它就成了一个真正懂你进度的AI老师。传送门：github.com/HKUDS/DeepTutor

转发者评论

现在大部分人都想跳过学习直接做出成果了//@DesireFreedomR:转发微博

• 现在大部分人都想跳过学习直接做出成果了//@DesireFreedomR:转发微博

原文

Engineering Handbook 是一套免费开源的工程手册，包含系统设计、数据结构与算法、AI Engineering 三册。适合准备技术面试、补系统设计基础，或正在把大模型接进产品的开发者。AI Engineering 册围绕模型 API 构建应用展开：从提示词、上下文和评估，到 RAG、Agent、可观测性、安全与成本。里面也讨论具体工程问题，比如怎样区分检索失败和生成失败、Agent 何时停止、如何把评估接入 CI，以及模型或提示词变更怎样灰度上线和回滚。访问：github.com/handbook-academy/engineering-handbook#HOW I AI# #程序员#

转发者评论

无明显转发评论

原文

OpenAI发了一篇文章介绍他们的FDE经验FDE 是连接模型能力与实际业务价值的桥梁。 这篇文章由 OpenAI 前线部署工程负责人 Colin Jarvis 发表。文章提出优秀的 FDE 应该不断让自己变得不再必要。 当原本需要数月定制开发的能力逐渐被标准化产品替代时，FDE 就应该转向更困难的问题~FDE 的工作可总结为四个阶段。 ① Start with the outcome：从业务结果出发。比如 FDE 深入半导体企业，与芯片工程师合作开发测试生成、故障定位等 AI 工作流，实现测试生成耗时降低约 48%，部分调试任务从数周缩短到数小时。② Make success repeatable：先解决问题，再实现规模化。随着 Codex 能力增强，团队将定制系统改造成基于 Codex 的 Skills、Plugins 和通用执行框架，减少约 90% 的定制代码；某个场景首次部署用了两个月，复制到第二个团队仅需一天。图片是一个具体的例子：如何把复杂的多 Agent 故障分析系统（Multi-agent Architecture），重构成以 Codex 为核心的简化架构。③ Close the intelligence gaps：当模型能力不足时，FDE 不只是设计 workaround，而是直接与 Research 团队合作提升模型。例如电信企业的语音客服场景，模型评测得分从约 60% 提升至 90% 以上，最终满足生产要求。④ Go find the harder problem：当现有能力被产品化、平台化后，FDE 继续寻找下一代模型尚无法解决的问题。由此形成 客户需求 → FDE 交付 → 模型与产品改进 → 标准化复用 → 更高难度问题 的持续循环。原文：openai.com/index/forward-deployed-engineering-means

转发者评论

无明显转发评论

原文

我将 @googlegemma EmbeddingGemma 2 这个嵌入模型改造成了一个语音转文字模型，结果它成了你能在设备上运行的最快的 STT 模型之一。在一台基础版 M3 MacBook Air 上，它能在大约 13 秒内转录一小时的音频：288 倍实时速度。这个想法是在三月份 Gemini Embedding 2 发布时产生的。它将文本、图像、音频和视频放入同一个共享空间，所以口语单词会正好落在书面单词旁边。如果这是真的，你应该能够直接从嵌入模型中读取转录文本。我当时没能尝试，但上周 EmbeddingGemma 2 作为开源模型发布了，所以我试了一下。[视频]How it works: the model stays untouched. A small reader on top takes each slice of audio, finds the nearest of ~229,000 words in the model's own text space, and strings them together. It trained in under two hours on 8×H100, on openly licensed speech.On the same base M3 Air, it runs about twice as fast as IBM's Granite Speech TurboCTC. The table has more Macs and models.Its word error rate is about 5% right now, against 2–3% for leading STT models. The next iteration is to train a better word reader to improve that.Here is a free Mac app you can download to test it.网页链接…Here's google's post引用：Introducing EmbeddingGemma 2! 🚀Our lightweight, multimodal embedding model maps text, code, images, video, and audio into a single, unified embedding space. Optimized for on-device use cases, it features:- 740M parameter form factor with modular encoders- Flexible dimensionYou can download the free Mac app h…

转发者评论

无明显转发评论

原文

Anthropic 的工程师免费放出一套 1 小时的课程，教你怎么用 Claude 的 AI 模型，同时调度超过 1000 个 AI 智能体（可以理解成：让一千个 AI 小机器人同时替你干活）。课程分五个部分。第一个部分从第 39 秒开始，讲的是"Flows"，意思是让 Claude 自己判断该怎么把这些 AI 分配组合，人不用手动搭架构。第二个部分从第 10 分 36 秒开始，现场演示怎么从零搭一个 AI 智能体，全程实操。第三个部分从第 21 分 14 秒开始，介绍一套叫 Fable、Opus、Haiku 三层配合的系统，不同层的 AI 各司其职。第四个部分从第 39 分 03 秒开始，现场演示同时跑 1000 多个智能体，让你直接看到那个规模是什么感觉。第五个部分从 1 小时 11 分开始，讲 AI 安全，涉及大脑机制、沙箱隔离和自动模式。#科技先锋官##微博视频号续航计划# AIGC·非著名程序员的微博视频

转发者评论

无明显转发评论

原文

转：当前美股开盘后半导体集体暴跌的真正原因。今天Meta和Lam Research接连公布的两组数据，直接暴露了AI半导体市场的真实现状。> Meta：“第三季度赚了43万亿韩元，却向AI数据中心砸了46万亿韩元，导致14年来现金流首次转为赤字，未来总合同额更是膨胀至1,090万亿韩元。”> Lam Research：“首次突破营业利润率40%，创下史上最佳业绩，但支撑营收35%的中国占比从下季度起将开始下滑。”这到底意味着什么？把这两条消息合起来看，就能读懂华尔街对昨天半导体股反弹后为何一日之内再度崩盘的冷峻心声。其实昨天为止，SpaceX宣布“一个季度设备投资就花了26万亿韩元（196亿美元），其中22万亿韩元（164亿美元）投向AI数据中心”，这让连续8个交易日下跌的美国半导体股集体反弹（费城半导体指数约+2%），韩国股市也涨超3%。但仅仅一天后的今晚，美股一开盘，半导体ETF（SOXX）就跌近5%，Lam Research（-9%区间）、Meta（-6%区间）、AMD（-6%区间）、NVIDIA（-3%区间）纷纷亮起红灯，把昨天涨幅全数吐出。（今天白天韩国股市也因海力士自社股买入结束和获利了结等因素叠加，先行急挫收盘，KOSPI -3.5%、海力士 -5.5%、三星电子 -4.0%。）此前支撑半导体行情的最大信念是“反正大科技公司现金多得用不完，就算砸几千亿买芯片也没问题”。但今天确认的数据，直接揭示了那资金链和基础设施远比想象中更惊险的走钢丝。1. 赚钱最猛的大科技也开始花钱超过赚的现金（Meta 1,090万亿韩元披露冲击）- Meta是全球最凶猛扫现金的公司之一。实际上，本季度主业广告业务就赚了327.9亿美元（约43万亿韩元）的经营现金。- 但买AI芯片和建数据中心的设备投资（含金融租赁本金）却花了更多——349.1亿美元（约46万亿韩元），导致手上剩余现金（自由现金流·FCF）转为-21.2亿美元（约-2.8万亿韩元）赤字。这是自2012年上市以来14年首次。事实上，昨晚业绩公布直后，营收超预期，Meta股价还在盘后交易中短暂上涨。- 但今天开盘前，Bloomberg剖析Meta季度详细报告（10-Q）后，市场氛围彻底冰冻。- Meta未来用于数据中心·云·电力已签总合同金额，从去年7月的约7000亿美元，在短短三个月内膨胀至8250亿美元（约1,090万亿韩元）。- 其中尚未启动、不计入资产负债表的“表外未启动租赁”就达3557亿美元（约470万亿韩元）至2036年，且不可取消的服务器·云·电力合同就有4545亿美元（约600万亿韩元）。- “赚的现金不够用，现在连表外承诺都天文数字般堆积，对AI下重注”，这数字一确认，华尔街开始重新担忧投资回收时点。- NVIDIA推的“AI云”们因电力和资金难题接连出岔子（英国Nscale事件 &…

转发者评论

无明显转发评论

原文

#央视曝光无限薅豆包会员隐患#其实，不仅仅是薅豆包会员，国内很多中转站都有这种问题，这两年我收到很多中转站集成国外各种大模型的产品广告，但是，我一概都拒绝了。拒绝的原因很简单，挣钱的方式不符合商业逻辑。宣传自己的中转站，399 元购买 VIP 终身会员，没错终身，可以使用国外的 GPT、Claude、还有各种生图模型和视频模型。太夸张了，这些模型都是收费模型，你让用户 399 元终身使用，这显然不符合商业逻辑啊。那这些中转站靠什么赚钱呢？无非就是几种可能。第一种，你的所有对话记录、上传的文件、生成的代码，他们全都能看到，也全都能存下来。你以为你在跟 Claude 聊天，其实你的每一句话都先经过了他们的服务器。你把公司的商业计划书丢进去让它帮你改，把客户数据丢进去让它帮你分析，这些东西人家全都拿到了。399 块买你的隐私，太便宜了。第二种，API 密钥来路不正。央视记者也说了，有些密钥可能是黑客盗来的。别人发现了一封号，你买的服务立刻就断。你找谁说理去？人家本身就是灰色地带的生意，连个正经售后都不可能有。第三种，先低价跑量，等用户量上来了，数据也攒够了，要么涨价，要么直接跑路。反正你也不知道对方是谁，微信一删就人间蒸发了。说白了，这种事跟买假货的逻辑一样。正品 200 块一件，有人告诉你 20 块能买到一模一样的，你信吗？便宜到离谱的东西，成本一定转嫁到了你看不到的地方。模型厂商每个月的算力成本摆在那里，谁都绕不过去，399 终身这种定价，背后一定有你不知道的代价。真想用这些模型，要么走官方渠道，要么用国内正规的代理服务。多花点钱，至少你的数据是安全的。省下来的那几百块，跟你可能泄露的东西比起来，真的不值一提。

转发者评论

无明显转发评论

原文

技术博客 HiCache in SGLang地址：www.sglang.io/blog/hicache这是一篇介绍SGLang推理引擎系统里缓存方案的文章。也是一篇可视化做的很好的文章。HiCache 的主要思路是通过 GPU 显存、CPU 内存和外部存储构建三级缓存体系，将有限的显存空间扩展为更大容量的分层缓存系统。在 DeepSeek-V4-Flash 多轮对话测试中，相比仅使用 GPU 缓存，HiCache 实现了 15.5 倍的有效输入吞吐提升，缓存命中率接近 98%。这篇文章介绍了 HiCache 的整体架构，还介绍背后的关键工程优化，包括 KV Cache 内存布局转换、数据传输与 GPU 计算重叠、缓存预取和回写策略，以及对混合注意力架构中 Recurrent State 和推测解码状态的支持。

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-10-23】今日简讯：1、科大讯飞发布星火X2.6，采用端云协同处理任务2、Canva发布图像模型Craft，支持先规划版式再生成3、路透：DeepSeek约1000亿元融资接近完成4、蚂蚁数科发布决策模型，支持多选与按依赖顺序判断5、Claude完整平台通过Anthropic托管方式登陆谷歌云6、英伟达推出Minerva，整合AI算力集群运维监测7、1Password推出智能体登录平台，密码不进入模型上下文以下为详细内容1、科大讯飞发布星火X2.6，采用端云协同处理任务来源：上观新闻／新民晚报科大讯飞在全球1024开发者节发布星火X2.6端云一体大模型，基于全栈国产技术路线，同时增强云端与终端能力。方案把部分任务留在手机、电脑、平板等设备上处理，更复杂的问题再交给云端；涉及敏感信息时，可先在终端完成脱敏。公司表示，新版加强代码生成和智能体能力，用户以自然语言提出需求后，模型可规划步骤、调用工具并生成应用。配套教育产品讯飞星光把备课、教研、家校沟通和事务处理整合到同一工作台，支持教案、动画及情景视频创编。法律应用则覆盖案情梳理、证据审查、诉讼策略与合同工作。此次发布将端云分工与行业工具结合，并非要求所有任务都上传云端。原文链接：网页链接2、Canva发布图像模型Craft，支持先规划版式再生成来源：CanvaCanva推出自研图像生成模型Craft，采用两阶段架构：先解析提示词，规划元素位置、比例、视觉层级和文字，再生成最高2K图像，支持30多种画幅比例及55种语言的图中文字。训练材料包括其内容库中的数百万个人工设计模板，覆盖海报、演示文稿、信息图和菜单，并结合专业设计师反馈进行优化。生成结果可交给Magic Layers拆分为可编辑设计元素，而非直接把所有输出都视为原生分层文件。Craft已向全球Canva用户开放，可从Dream Lab进入，也提供公共API；MCP接入以及更快、成本更低的Craft-fast和Craft-ultrafast仍属后续安排。原文链接：网页链接3、路透：DeepSeek约1000亿元融资接近完成来源：路透社路透社援引两名知情人士报道，DeepSeek最新一轮融资接近完成，来自现有及新增投资者的资金规模约1000亿元人民币，约合149.8亿美元。知情人士称，腾讯和宁德时代是该轮主要投资方之一；融资预计在未来数日完成，财务细节仍可能调整。DeepSeek、腾讯和宁德时代当时均未回应置评请求。报道指出，该轮原定融资目标约500亿元，目前披露规模约为原目标两倍。路透此前还报道，公司已聘请中信证券，为潜在科创板上市作准备。上述融资及上市筹备信息均来自媒体报道，尚非DeepSeek正式交割公告；本次消息也没有公布确定的上市时间表。原文链接：网页链接4、蚂蚁数科发布决策模型，支持多选与按依赖顺序判断来源：量子…

转发者评论

无明显转发评论

原文

[CL]《LongZero: Enhancing Long-Context Reasoning in LLMs from Zero Data》Z Wan, J Chen [Tsinghua University] (2026) 在长文推理领域，零数据自举是一个悬而未决的难题。过去的方法受困于外部语料，本质原因是：模型极难在编完万字长文后反向查验自造的隐藏考题。本文的核心洞见是：把出题重新看作由骨及皮的逆向生长。由此，先定死确凿的微型蓝图，再注水膨胀出长文这一关键操作使问题得以解开。这项工作真正留下的遗产是证实纯内循环可自举长文推理。它为后来者打开的新门是摆脱外界文本，但尚未跨过的门槛是杜绝捏造极长文时的内部事实互斥。arxiv.org/abs/2610.30132 #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

• 这项工作最有意思的地方，是推翻了一个隐含假设：我们总以为学习需要好老师和真材料，但4B模型自己编的合成数据，反而比397B模型从真实语料里提炼的更有效。原因很简单——学习的关键不在于材料多高级、多真实，而在于题目刚好落在当前能力的边界上，答案又完全可验证。就像健身不需要奥运冠军指导，只

原文

[AI]《D-Skill: Distilling Teacher Knowledge through Agent Skills》S Yuan, D Li, J E. Gonzalez [UC Berkeley] (2026) 在智能体领域，转移闭源模型能力是一个悬而未决的难题。过去的方法受困于修改权重，本质原因是蒸馏依赖梯度回传，将经验锁死在黑盒中。本文的核心洞见是：把知识蒸馏重新看作轨迹纠错。由此，提取师生行为分歧并浓缩为文字手册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纯文本蒸馏范式。它为后来者打开的新门是免微调即可降本逼近强模型，但尚未跨过的门槛是找错仍需昂贵大模型，且外挂文本增加了词元消耗。arxiv.org/abs/2610.28914 #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

• 这项工作回答了一个常被忽视的问题：为什么我们总是试图改变模型本身，而不是直接告诉它哪里做错了？传统蒸馏像是给学生做脑部手术植入知识，D-Skill则是给他一本纠错笔记。关键在于它不看标准答案，而是对比“你怎么做的”和“高手怎么做的”，把差异写成文字。结果是学生保持原样，只是多读了一份说

原文

A厂的模型一直被别人拿去做智能体，用户入口反倒落在别人手里，现在终于忍不住推出了自家智能体。这是必然的，国内也一定会走这条路。手机、电脑、App 都是智能体的主战场。但智能体能不能跑得动，光有用户授权不够，还得平台老大点头——这才是真正的难点。Meta 的智能体 Muse 9 月 8 日上线，12 天后就被亚马逊封了，理由是没打招呼、不表明身份，摩根大通随后也表态不让智能体进客户账户。。。所以国内我高度看好腾讯、字节、阿里，他们地盘多、自成体系，自家智能体在自家地盘上畅通无阻。尤其是腾讯，微信要是全面接入智能体，威力不得了。但腾讯也有两难，智能体越能干，人在微信里花的时间就越少，而广告和营销的价值，恰恰建立在人在看上。这一步腾讯迈多大，值得盯着。以后人类必然是越来越解放自己，生产型任务都逐渐交给AI了，群众不从事生产型任务，还能做什么呢？

转发者评论

无明显转发评论

原文

[LG]《How Does Orthogonalization Adapt to the Neural Network Hessian Structure? A Gradient Self Outer-Product Analysis at Initialization》S Deng, G Goyal, T Pang, S Yu,… [Dartmouth College & Meta] (2026) 在模型优化领域，正交化为何奇效是一个悬而未决的难题。过去的方法受困于泛泛的理论假设，本质原因是未将预处理与底层海森分块结构对齐。本文的核心洞见是：把矩阵正交化重新看作宽度驱动的逐行归一化。由此，利用模型加宽迫使梯度外积对角占优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参数缩放的量化律。它为后来者打开的新门是用加宽网络来天然降维优化器设计，但尚未跨过的门槛是解析训练全程演变。arxiv.org/abs/2610.28975 #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

• 神经网络在初始化时，宽度增加会让梯度的外积矩阵趋于对角占优。这解释了为什么Muon优化器的正交化操作天然匹配网络的Hessian结构——不是因为数据，而是因为宽模型本身的几何特性。更实用的发现是，高昂的矩阵正交化在极宽网络中可退化为简单的逐行归一化。这提示我们：很多看似复杂的二阶优化方法，

原文

Epic CEO Tim Sweeney：今年 1 月，我们尝试了很多 AI 辅助编程，当时的效果说不上好。但后来，AI 公司找到了让它在这方面变得好得多的方法。我认为一个很重要的原因是，它们从仅仅利用已有代码进行训练，转向了通过强化学习的后训练，让 AI 更善于解决新问题。我认为，AI在数学能力上的那些突破，也来自同样的原因。这一年里，我们多次看到模型能力成倍提升。AI 的编程能力每隔两三个月就变得更好，呈现出指数级增长。这很疯狂，世界历史上从来没有出现过这样的事情。后来我们借助AI，用过去手工开发约 10 倍的速度，做出一个更好的 Epic Games Store 客户端版本。我们的团队也意识到，只要投入足够的工作，重新设计我们的工作方式，这些技术同样可以应用于虚幻引擎本身。在内容开发方面，今年 1 月的 AI 表现甚至更糟。它在 3D 内容生成方面完全派不上用场。即便视频模型已经展现出对世界的深刻理解，这种理解也无法应用到 3D 内容中。随后，OpenAI 花了三个月对模型进行微调，让它非常擅长使用 Blender，并通过大量强化学习任务，训练它创建 3D 内容、解决 3D 问题。大约三个月前，GPT 6 Astra彻底改变了我们对 3D 内容创作的印象。现在，我们正在与最顶尖的 AI 大模型厂商合作，包括美国的前四家、中国的前五家。我们向它们提供虚幻引擎相关的训练数据：完整的源代码、大量 Epic 自有内容、全部文档，以及大量强化学习示例，让模型更擅长实时 3D 内容生成。正如今天在开幕主旨演讲里展示的，一位开发者用一天时间，就做出了一个令人印象深刻的 3D 场景；过去，这可能需要几周。我们认为，到明年 1 月会出现令人震惊的突破，到明年年底，随着后续迭代持续推进，进展还会更加显著。我们毫不怀疑，它会继续进步。链接：网页链接

转发者评论

无明显转发评论

• 兄弟们，午时已到，快快成立 AI 游戏工作室

原文

[CL]《Why is AI-generated language so hard to understand?》T H Clark, M B. Martin, K Mahowald [New York University & The University of Texas at Austin] (2026) 在文本生成领域，文本晦涩是一个悬而未决的难题。过去的方法受困于仅比对语义，本质原因是未界定名词堆叠等耗脑力的底层句法特征。本文的核心洞见是：把句法晦涩重新看作信息压缩的代价。由此，添加长度惩罚这一关键操作使问题得以解开。模型为省算力自发舍弃连词，暴露效率对阅读的反噬。这项工作真正留下的遗产是量化机器与人类认知的错位。它为后来者打开的新门是定位修复可读性的靶点，但尚未跨过的门槛是缺乏对闭源模型训练的直接观测。arxiv.org/abs/2610.29162 #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

• 人类语言本质上是一种容错系统。我们用冗余、简单句式、常见词汇来对抗记忆的局限和注意力的涣散。但大模型没有这种约束——它们的上下文窗口可以记住几万个token，不需要喘息的逗号，不需要缓冲的过渡句。当训练目标从“让人看懂”转向“数学推理正确”“代码能跑通”时，语言就被当成了压缩信息的容

原文

DeepSeek 新一轮融资约 1000 亿元（约 150 亿美元），宁德时代和腾讯出钱最多，公司还没官方确认彭博社 10 月 21 日独家报道，DeepSeek 在最新一轮融资中筹到约 1000 亿元人民币，约合 150 亿美元，是中国有史以来规模最大的融资之一。消息来自不愿具名的知情人士，DeepSeek、腾讯和宁德时代都还没有公开确认。这轮钱是越谈越多的。按彭博的说法，DeepSeek 一开始只打算融 500 亿元，和投资人谈的过程中至少上调了两次，先到 800 亿元，最后到约 1000 亿元。出钱最多的投资方里有两家：腾讯和全球最大的动力电池厂商宁德时代。网上流传的“先要 70 亿、再改 110 亿、最后 150 亿美元”的段子，就是把这三个数字换成了美元。这已经是 DeepSeek 半年里第二次融资。DeepSeek 原本只靠母公司、量化基金幻方的钱运转，今年 6 月才第一次对外融资，约 510 亿元。那一轮创始人梁文锋个人出了约 200 亿元，腾讯约 100 亿元，宁德时代体系约 50 亿元。据《财经》10 月中旬的报道，这一轮宁德时代打算再投约 100 亿元，新进来的投资方有吉利、中芯聚源等；投前估值约 5000 亿元，融资额翻了一倍，估值没跟着涨。为什么要这么多钱？做大模型最烧钱的是算力，也就是成片的 AI 芯片服务器和装它们的数据中心。彭博提到，美国的 OpenAI 和 Anthropic 各自融到的钱都已超过 1000 亿美元，这轮融资能帮 DeepSeek 缩小一部分差距。网上说这笔钱要用来大举建数据中心、做开源模型，彭博也写到 DeepSeek 近来在这两块加大了投入，但钱具体怎么分，公司没说。DeepSeek 的模型目前仍然开源。10 月 17 日刚发布的 V4.1-Flash-1017 用的是 MIT 协议，允许商用，官网和 App 也继续免费用。想买 DeepSeek 股票还得等。据《财经》报道，DeepSeek 已请中信证券筹备在上交所科创板上市，最快今年底递交申请，目标 2027 年挂牌，具体时间和发行规模都还没定。彭博报道（转载）：网页链接《财经》报道（IT之家转载）：消息称 DeepSeek 将完成 1000 亿元融资，投前估值仍为约 5000 亿元

转发者评论

无明显转发评论

• DeepSeek 这家公司，已经注定要在人类文明史上留名了…… //@巍峰:转发微博

原文

转：两大CSP大厂，FCF自由现金流都先后转负，即使Meta Q3收入26%强劲增长，股价昨晚依然重创，下跌7%。同期，没有加入军备竞赛的Apple苹果，FCF今年预计1500亿（90%用来回购分红），股价新高突破5万亿美金总市值。盈亏同源，CSP大厂的Capex成为了半导体公司的收入，市场总归是要看FCF和股东回报。但是AI如果从2022年算起，满打满算，也才刚开始4年，人类历史上过去5次大的工业革命，从技术发明，到普遍商用化推动GDP指数级别增长，一般需要20-40年时间，这期间主要是基础设施建设、技术的普及和应用等，然后带动生产力巨大的提升，不同技术革命期间牛股都不同，但是标普500指数（以前主要是参考道琼斯指数）过去100年CAGR回报大概10%，上涨13780倍，造就了人类历史上最大的财富效应（期间经历1929年大萧条、1945年世界大战、1975年中东危机以及后来的石油危机、1991年伊拉克战争、2000年互联网泡沫、2008年金融危机、2020年疫情），100年前，投资1美元，现在是13780美元，1万美元就是1.37亿。AI也一样，也会有这个过程，但是普及的过程已经越来越快，现在各大CSP大厂已经All In AI,开弓没有回头路，但无论这个过程如何曲折颠簸，都是人类对最前沿技术和生活的向往，这过程中股市也一样，可能会有对AI信仰的质疑、亢奋等，总之AI总会往前走。

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。 郎行-2026的微博视频

转发者评论

如果没有额外的能源比如核能，就用太阳能板工作，那么只要把导热做好，一大坨IDC和一大坨温度均匀的金属没区别。这个温度是个常数。//@但斌:转发微博

• 如果没有额外的能源比如核能，就用太阳能板工作，那么只要把导热做好，一大坨IDC和一大坨温度均匀的金属没区别。这个温度是个常数。//@但斌:转发微博

原文

#AI汽车开始招募人类朋友了#汽车熄火之后，人车关系也要跟着“下线”吗？过去三年，如果去逛一圈车展， 会发现所有车企都在讲同一个故事：AI大模型上车。从语音助手能接梗聊天，到车载屏幕能画图写诗，座舱看起来越来越热闹。但作为一个每天都在开智能车的观察者，我常有一种割裂感：无论车里的AI吹得多神，只要你挂入P挡、锁车走人，你们的关系就到此为止了。这就是当下智能汽车行业最隐蔽的一道墙：场景的断层。如果按一天24小时来算，哪怕是一个重度通勤族，每天待在车里的时间最多也就2个小时。而剩下的22个小时，人在办公室、在餐厅、在家里。过去车企所有的研发投入，几乎百分之百都砸在了“车内2小时”的争夺上：座椅怎么按摩更舒服、语音怎么少唤醒一次、导航怎么少拐一个弯。可一旦跨出车门，这台几十万买回来的智能终端，在长达22小时的空白期里直接处于“社会性休眠”状态。没有哪一段真正的朋友关系，是每天只存在两小时、其余时间彻底失联的。也正因为如此，当我们把目光投向近期引发热议的 AIVA ME7，并以 AIVA Life 作为观察样本时，会发现一个非常有意思的行业转向：汽车企业终于开始思考，怎么把AI汽车的价值，从“车内2小时”延伸到“车外22小时”。第一，是从“单次指令工具”到“连续记忆伙伴”的跨越。 传统车机为什么像个冷冰冰的客服？因为它的记忆是碎片化的，你上车说一句“打开空调”，它执行完就结束了。而 AIVA ME7 搭载的 AIVA Life 生态，试图建立的是一种跨时空的连续相处体验。你在早高峰路上随口聊起的周末出行想法、临时冒出来的灵感或日程，不会随着锁车声一起消失；在车外的22小时里，它依然能顺着你的生活脉络帮你整理规划，等你傍晚再次拉开车门时，它接得住你早上的情绪，也备好了下一程的方案。第二，是让AI汽车跳出“出行孤岛”，真正融入日常的生活流。 以前我们说车联网，往往是人在手机App上查个剩余电量、提前开个空调，那叫“远程遥控”，不叫“陪伴”。AIVA Life 之所以打出“招募人类朋友”的旗号，核心在于它把 AIVA ME7 从一个封闭的移动铁盒子里解放了出来，车内2小时，它是高安全感、懂路况的驾驶中枢；车外22小时，它是懂你生活偏好的数字伴侣。它不再只是把你从A点送到B点的搬运工，而是串联起A点与B点之间那22小时生活体验的纽带。第三，汽车行业的竞争维度，正在从“功能堆料”走向“关系经营”。 回头看智能汽车的发展史，第一阶段卷的是电动化底盘和续航，第二阶段卷的是冰箱彩电大沙发和算力芯片。但工具属性卷到极致，边际效应一定会递减。消费者很难因为你的语音识别比对手快了0.2秒就产生品牌忠诚度。真正能让人产生依赖的，永远是“共同经历”与“持续相处”。就像智能手机之所以成为现代人的器官，不是因为它能打电话，而是因为它24小时伴随并记录着我们的生活。从这个角度看，AIVA ME7…

转发者评论

无明显转发评论

原文

[CL]《A Strong MoE Is All You Need for Process Supervision》G Deng, Z Liu, H Wang, K Wu… [City University of Hong Kong & CMU] (2026) 在多步推理领域，廉价的过程监督是一个悬而未决的难题。过去的方法受困于人工与采样成本，本质原因是外求验证而无视内部计算轨迹。本文的核心洞见是：把底层专家路由轨迹重新看作单步推理测谎仪。由此，凭专家集中度与波动差合成置信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确立原生轨迹的评判力。它为后来者打开的新门是零成本取标反哺稠密模型，但尚未跨过的门槛是受限于教师资质且易陷重写同错死局。arxiv.org/abs/2610.29498 #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

• 推理模型一直受困于如何判断中间步骤的对错——人工标注成本高，回溯验证不可靠。这项工作换了个思路：MoE模型本就要决定把每一步计算交给哪个专家，这一决策过程的犹豫程度恰好反映了模型对该步骤的把握。当路由权重分散或前后摇摆时，往往意味着推理遇到了困难。更重要的是，这种来自模型调度层的置

原文

做小红书图文最烦的是什么？内容写好了，排版要命。你写了一篇很不错的文章，想顺手发一份小红书图文版。结果打开 Canva 或者 Figma，开始一页一页地排，调字号、对齐、选颜色、处理截图，折腾两个小时，内容就五页。小黑配图 Skill 的作者 Ian（伊恩）又做了一个 Skill，专门解决这个问题。你把文章丢给它，它帮你排成一组 3:4 竖版的小红书轮播图，1080x1440 的标准尺寸，直接就能发。它的工作流程是这样的。你把内容贴进去之后，它先不急着出图，而是先给你列一张分镜表：一共做几页，每页讲什么，用哪个模板，标题怎么写。你看了觉得没问题，确认之后它才开始排版和渲染。如果你觉得某一页不对，可以让它换一个模板重新排，不用全部推倒重来。模板一共 20 个，按用途分了几组。封面有三种风格，对话框、窗口和通知。讲做法的有步骤、清单、时间线。做对比的有对错和前后双栏。展示类的有宫格、截图标注、手机截图、应用列表。还有专门放数据指标的、放大段观点文字的、放聊天记录的、放提示词和代码的。结尾页也有两种。如果 20 个都不合适，AI 会用同一套设计风格自己拼一个新排法出来。浅色和深色两种主题都能出，版式一样。出来的东西包括每页一张 PNG、一张所有页排在一起的总览图，还有 HTML 源文件。如果你想自己改字或者换图，改完 HTML 重新渲染就行。安装也不复杂。把仓库克隆下来，复制到 Claude 的 skills 目录里，装一下 Playwright 和 Pillow，就可以用了。在 Claude Code 里输入 /ian-xhs-carousel 加上你的内容，或者直接说“把这篇做成小红书”，它就能识别。不过有几个细节值得注意。截图要用高清的，裁掉浏览器工具栏和桌面杂物。Logo 和图标最好用官方的 SVG，别截小图放大。如果做深色版，截图本身也要是深色模式的。没有好图的话先空着，让它在分镜表里标出来问你要，别拿模糊的凑数。还有一个建议挺实用的：分镜表那一步多花点时间。页数和每页讲什么定下来了，后面基本不用返工。图上的字越少越好，说不完的留给正文。页数也是宁少勿多，五页左右刚刚好。这个工具比较适合做 AI、产品、设计、效率工具类内容的人，图里经常有截图、步骤、对比、数据、代码这些元素。风格是简洁的产品界面风，如果你想要手绘、插画或者大色块海报那种感觉，这个就不太合适了。传送门：github.com/helloianneo/ian-xhs-carousel#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

一个研究员 + 一群 Agent，3.5 个月，不到 1,000 万美元，从零预训练出一个 1,000 – 5,000 亿参数的代码基座模型。Mirendil 今天发布了 Mirendil-Base。它从空代码仓库起步，只用公开数据，不蒸馏、不用合成数据、不买数据，99% 以上的代码由 Agent 写成。在代码预测损失上，它优于 GLM-5.3、DeepSeek-V4-Pro-Base 和 Nemotron-550B，但仍不及 Kimi-K3 👀当然，它不开放权重、没有 API，也还没有 SWE-bench 这类任务评测。但信号已经很清楚：预训练的瓶颈，正在从“人”转向算力、数据，以及指挥 Agent 的人的判断力。这意味着三件事：1. 芯片设计团队、机器人实验室甚至医院，都可能用自己的数据训练专属基座，而不只是租用通用模型做微调；2. 组织扩张不再只靠招人，加算力就能放大每个人的产出；3. 研究员的日常会更像带一个小实验室：定方向，分配稀缺的算力。但我的判断是：这是资深研究员 + Agent 的效率胜利，而不是 Mirendil 模型本身有多强。这套方法高度依赖第三方 Coding Agent，护城河只剩研究员的判断力和算力合约，很容易被复制。而据报道，Mirendil 正以 50 亿美元估值融资…… 难怪有人调侃，这更像一条 Codex 或 Claude 的广告 😅

转发者评论

无明显转发评论

原文

休假回来总结一下近期手机产业的变化：第一，手机市场不是简单衰退，而是在向高端集中。全球Q3 -20%，中国Q3 -10%，但Apple、Huawei、Samsung份额都在提高。第二，成本已经成为2027最大的行业硬约束。AI服务器挤占DRAM，高内存成本将继续限制手机产量和低端机生存空间。第三，中国高端品牌进入真正“无价格保护”的竞争。国产旗舰越来越接近iPhone价格，高端竞争必须从参数竞争走向品牌、系统和生态竞争。第四，AI手机正在进入系统层，但真正的革命还没有发生。Agent开始从App能力上升到OS能力，但“以意图替代APP”的手机还没真正出现。第五，产品形态重新活跃。折叠屏进入Apple时代；外挂专业影像从增距镜走向完整相机模块；10000mAh进入正常手机形态。#全球手机销量暴跌##美股科技巨头全线崩盘#

转发者评论

无明显转发评论

原文

PHP里藏了14年的漏洞，被AI挖了出来：Calif用GPT-5.6 Sol先找到，Wiz用自家工具加Gemini独立撞上同一组漏洞。两个多月悄悄修，编号泄露，补丁提前一天发布；荷兰、芬兰、法国政府先关了一批网站，芬兰说是预防。CISA当天未见攻击，之后亚马逊、Cloudflare看到攻击尝试，截至22日没有公开确认的入侵。你常用的网站，打补丁了吗？#AI安全##PHP##OpenAI##网络安全##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

#税眼看融合服务促转型#走访调研模德宝之后，我最大的感受是：在国内工业软件赛道遍地讲故事的当下，这家企业选择了一条最难、但护城河最深的路线——扎根模具与精密零部件这个离散制造的“毛细血管”，依托先进制造产业园的产业配套、持续落地的税费优惠托举，用工艺沉淀、数据闭环、软硬协同，去解决制造业最真实、最细碎的痛点。很多工业软件公司重代码、轻工艺；很多自动化厂商只卖硬件、不懂流程，而模德宝恰恰走在了两者交汇的地方。 模德宝2012年在深圳起步，是国家级专精特新小巨人，也是行业内少数手握两个国家级特色专业型工业互联网平台的企业，核心定位是精密制造数字化工厂解决方案服务商。企业扎根深圳先进制造产业园，园区不只是办公生产的物理载体，更是产业协同的平台。园区配套了低成本研发空间、公共检测验证平台、产业链对接沙龙，大幅降低了产线扩建、工艺实验室搭建的固定投入压力，方便它和上下游模具、数控设备企业就近联动，快速打磨落地场景。叠加高新技术企业15%所得税优惠、研发费用100%加计扣除、软件产品增值税即征即退等一系列税收红利，政策红利不是一次性补贴，而是稳定回流的现金流，让企业敢把钱持续砸在长周期的底层工艺研发上。模具行业有一个很残酷的现状：国内模具产值规模全球第一，但行业数字化渗透率长期偏低，大量工厂依旧依赖老师傅经验，多品种、小批量订单下，排产混乱、交期失控、品质不稳定，人力成本持续走高。正是有产业园配套与税惠政策做缓冲，模德宝才有底气沉下心打磨技术，不去追逐通用工业大模型的流量风口，锚定“物理AI”，提出AI定义工艺、数据驱动制造、软件统领硬件的路径，把AI落到CNC、EDM、检测设备的产线现场，而不是停留在演示PPT上。 它的核心载体是自研的模云工业平台，产品矩阵覆盖MES、CAPP、APS排产、SCADA数据采集，搭配自研MFMS柔性自动化系统，可以实现设备互联、机器人上下料、自动检测、关灯生产。这套方案最核心的竞争力，不在于单一模块功能多花哨，而在于工艺知识库的积累。十几年深耕，公司沉淀海量模具加工、精密零件加工工艺数据，形成一套可复用、可迭代的工艺模型。对中小模具厂而言，这套体系不是一套昂贵的定制化项目，而是可落地、可迭代、性价比适配本土工厂的数字化工具，上线之后能够帮助客户压缩交期、提升设备OEE、降低对资深技工的依赖，已经服务超过一千家制造企业，落地上千套柔性自动化项目，客户覆盖消费电子、医疗、汽车、半导体等领域，已经进入多家头部制造企业的供应链体系。 市场上很多工业软件公司的痛点是：软件卖出去，很难持续落地，客户上线之后闲置、弃用，收入一次性、粘性弱。模德宝的商业模式有意思的地方，是形成了“平台软件+自动化产线+生态协同”的飞轮。一方面，软件持续收取服务费用，数据在持续回流、训练工艺模型；另一方面，自动化硬件项目落地，带来一次性收入，同时反过来让平台积累更多产…

转发者评论

无明显转发评论

原文

#模型时代# 陶哲轩+邓煜，两位菲尔兹奖得主自述：我们为什么要给数学界造一个不依赖大厂的AI平台？SAIR播客2026年10月19日发布了一期对谈，嘉宾是UCLA数学教授、菲尔兹奖得主陶哲轩和芝加哥大学数学教授、2026年菲尔兹奖得主邓煜。录制时间在10月16日SAIR正式上线Open Math OS前后。在此之前的一个多月里，数学界经历了密集的震荡：9月8日OpenAI宣称用约一万个AI智能体在88小时内解决了纳维–斯托克斯千禧难题，随即引发署名争议和数据伦理风暴；9月11日，25位菲尔兹奖得主联名发表公开信，批评AI公司将解题当作炫技基准；10月6日，OpenAI又一次性发布722篇AI生成的数学预印本，次日就因符号错误撤回三篇，另有十四篇被修订。陶哲轩在对谈中直接说：这些AI证明对科技公司来说只是模型训练过程中顺带产出的东西，解题从来不是它们的目的，数学问题只是训练时好用的基准测试。产出的证明？“你甚至可以说是有毒废料。”接着就得有人来处理它，要么公司自己清理，要么数学界帮着擦屁股。与此同时，邓煜提出了一个结构性的观察：数学一直有两条边界，一条圈住“已有证明的问题”，另一条圈住“人类能理解其证明的问题”。过去这两条线重合，因为有证明就意味着有人写了它、有人懂它。AI出现后，两条边界第一次分开了。所以，他们要做的，是不让这条裂缝继续扩大。一、拒绝站队：每种技术都比“支持还是反对”更复杂1、邓煜的判断：AI是好事，前提是用对方法邓煜开门见山。AI能大幅拓展数学和科学研究的边界，这个方向他完全认同。OpenAI发布的那些证明，抛开公司行为不谈，单看证明本身，有一些确实包含新思路。他看重的是一种共同演进的状态：AI向人类学习思路，也在创造自己的思路，而这些新思路人类能够理解，能在此基础上发展出更多东西。“这就是人类与AI的共同演进，也是我希望看到的。”他同时提到，问题集中在学术规范和道德层面，也就是怎样才算“正确地使用AI”。技术令人惊叹是一回事，围绕技术的制度和伦理是另一回事。2、陶哲轩的汽车类比：你不会在所有走路的场合都改成开车陶哲轩拒绝把AI简化为“支持还是反对”的站队题。“你是支持汽车，还是反对汽车？是支持互联网，还是反对互联网？”每种技术都有利有弊，AI当然也是如此。他提出了一组需要平衡的东西。一方面，AI正在让许多过去很难完成的任务自动化，效率提升是实实在在的。另一方面，它也在取代那些节奏较慢、却有价值的做事方式。做科学和数学研究，增进理解、建设社区、保有人类对学科的掌握，这些都是“慢节奏”带来的好处。他把这比作走路和开车的关系：开车出行通常更快，但你不会想在所有原本走路的场合都改成开车。有时你就是想散步，为了享受，为了安全，为了保持体能。速度并不是唯一追求的目标。3、邓煜补充：AI最适合做什么类型的数学邓煜给出了一个很具体的适用场景。当你对一个…

转发者评论

无明显转发评论

原文

Claude狂写1.8亿行证明！万亿次测试漏掉的Bug，被AI一锅端全球软件的bug，要被Claude端掉了？一早，Anthropic前沿红队团队联手Theorem Labs发布了一份重量级报告——短短几周，Claude拿下了123个开源代码库中的239个测试入口的形式化验证，狂飙1.8亿行Rocq数学证明代码，全部通过机器核验！更夸张的是，在一个热门的PDF阅读器中，Claude一周挖出的安全漏洞，直接顶得上它通常一整年的报告量。🧠主要观点研究团队称，光是尝试证明的过程，就揪出了数百个Bug。测试和证明到底差多少，研究人员在Claude用Rust写的Python解释器里，故意埋了7个Bug。随机测试放跑了其中5个，最后证明一个都没放过。JSON解析库cJSON的一个解析入口只有391行C代码，Claude为它写了63万行Rocq证明。传奇微内核seL4，写代码只用了2人年，给它做完形式化验证却花了整整20人年。写模型的过程中，Claude找出了x86官方参考文档里的数百处错误，还发现了少量藏在CPU硬件本身里的Bug。Theorem测了今年5月到9月发布的7款前沿模型，验证速度大约每两个月翻一番。按今天的价格，把OpenSSL证穿一次约22万美元，摊到每个下游软件包，只要14美元左右。现在，首批25个库、60个入口的证明已经在GitHub公开，任何人都能下载下来，亲手验算一遍。#科技先锋官#

转发者评论

无明显转发评论

原文

作为AI视频领域的开发者，我对API提供商仅仅为了简单路由模型而收取的高额加价感到非常恐惧。Higgsfield API 即使在最大广告折扣下也加收40%的加价。Fal 加收100%。Runway 加收414%（Seedance 2 480p）我可能会被这个行业所厌恶，但：今天，我们推出Sume API，这是首家图像与视频模型提供商，加价为0%。例如，使用Seedance 2.5 1080p• 比fal便宜50%• 比higgsfield api便宜50%（即使最大折扣也便宜29%）• 比kie ai便宜28.02%路由基础设施层从来不是护城河。我们相信API应该商品化，而真正的护城河将在应用层构建。查看下面的定价比较，看看这个支离破碎的行业是如何被拯救的。[视频]Pricing : most accessible rates in the industryNo subscriptions. pay as you go. check pricing at 网页链接1 - Use it at the UI.layouts as same as higgsfield, but with 0 markups. stop wasting 50% of ai video spendings right away.2 - MCP / CLIcreate with Claude, ChatGPT, etc.We believe that the routing infrastructure layer is never the moat. APIs should be commoditized, and the moats will be built at the application layer.More to be built on the application layer of Sume. Stay tuned. We'll save the industry.网页链接

转发者评论

无明显转发评论

原文

「Claude Duet：AI开始主动工作」2026年10月21日，Anthropic正式推出基于Opus 5.5模型的个人智能体Claude Duet，该产品主打云端后台主动执行任务，标志着AI巨头在个人助理赛道的竞争进一步白热化。简评：Claude Duet的本质是把AI从“问答工具”变成“驻场员工”。用户睡觉时它还在跑任务，这不是技术炫耀，而是重新定义了人机协作的时间维度。6000个应用接入听起来热闹，但真正的门槛在敏感操作的拦截机制——AI能干什么比它会干什么更重要。Anthropic承认它会误判紧急程度、订不好机票，这种坦诚反而说明了行业共识：当前AI智能体仍处于“能用但需盯着”的阶段。云端虚拟机、额度共享、美国限定，这些设计都在回答同一个问题：如何让用户既敢放权又能收权。这不是单纯的产品发布，而是一次关于信任边界的压力测试。 #Anthropic推出个人智能体#

转发者评论

无明显转发评论

原文

SemiAnalysis：Anthropic 在部分账号上测试新额度，每月总量少约两成，5 小时额度多约两成SemiAnalysis 说 Anthropic 正在对 Claude 订阅额度做 A/B 测试（同一个套餐给不同用户不同设置，比较效果）。测试组账号的 5 小时额度提高约 20%，每月总共能用的量折合 API 价格少约 20%。最近 X 上不少人说 Claude 额度变少了，SemiAnalysis 说他们没说错，只是只有部分账号受影响。

转发者评论

无明显转发评论

• [awsl]还不如猴子呢，总量减少了 //@贾凡-失落的大蒜:在AI领域，我真的明白了是什么“朝三暮四”，没错，我就是那只猴子[泪奔]

原文

【Claude总结】 AI开发者日报 (2026-10-22)1. 【NVIDIA 开源 OpenShell：面向自主 AI 智能体集群的安全运行时】(来源: HN) NVIDIA 发布 OpenShell，为大规模自主智能体提供安全、私密的隔离执行环境。智能体越来越多地直接执行代码和操作系统，运行时沙箱正成为生产落地的关键基础设施。 github.com/NVIDIA/OpenShell2. 【所有 AI 模型对人类都持同一个"争议性"观点】(来源: HN) 作者向多家主流模型提出相同的开放式问题，发现它们给出的"争议观点"高度趋同。这揭示了各家对齐训练可能正在把模型推向同一种价值取向，引发 250+ 条讨论。 www.modelcompare.ai/blog/ai-models-controversial-take-on-humans3. 【AI 与科学公地的圈地运动】(来源: HN) 这篇 arXiv 论文讨论 AI 公司大规模吸收开放科研成果、再以封闭产品出售的现象。作者警告这可能削弱开放科学的激励机制，值得科研界和政策制定者关注。 arxiv.org/abs/2610.272514. 【The Last Museum：跨 580 万件馆藏艺术品的语义搜索】(来源: HN) 该项目把多家大型博物馆的藏品统一索引，支持用自然语言按含义检索艺术品。这是 embedding 语义检索在文化遗产领域的一个漂亮落地案例。 lastmuseum.com/5. 【别在我和你的 AI 之间当"传声筒"】(来源: dev.to) 作者吐槽同事把 AI 输出原封不动转发、自己却不加思考的工作方式。文章呼吁使用 AI 时仍要承担理解和判断的责任，否则沟通只会变得更低效。 dev.to/adamthedeveloper/dont-be-a-proxy-between-me-and-your-ai-mcn6. 【AI 让写代码更便宜了，为什么做软件还是这么贵？】(来源: dev.to) 文章指出编码只是软件成本的一小部分，需求澄清、集成、测试和维护才是大头。AI 提速了打字环节，但真正的瓶颈并未消失。 dev.to/harsh2644/ai-made-coding-cheaper-so-why-is-building-software-still-so-expensive-59m7. 【每个 AI 工程师都该了解 AI 背后的数据】(来源: dev.to) 一篇长文系统梳理训练数据的来源、清洗、标注与偏差问题。对构建 AI 应用的开发者来说，理解数据往往比调模型更能决定效果上限。 dev.to/fonyuygita/what-every-ai-engineer-builder-needs-to-know-about-the-data-behind-ai-585g8. 【当"…

转发者评论

无明显转发评论

原文

【#王兴兴再谈AI信仰#：#王兴兴称物理AI或将被击穿#】10月22日上午，在2026世界物理AI大会暨宇树合作伙伴大会现场，宇树科技创始人王兴兴在演讲中表示，全世界几乎所有人对AI的重视程度和信仰还不够，包括他自己。他分享称，顶尖大模型公司某种意义上内部已经基础实现了模型的自进化。模型自己写程序、采集数据，人类只需要适当引导参与。近期，顶尖AI模型能否击穿物理世界也引发了业内关注。对此，王兴兴认为，物理AI目前已经看到被击穿的苗头，很可能最近1-2年或者2-3年。他提到，目前大模型可以进行规划和导航，但没有解决物理接触后的问题，AI面临的核心挑战仍然是与物理世界的对齐。此前在10月12日，王兴兴在第26届中国国际工业博览会开幕式上也谈及了AI，当时称“现在我个人对AI的信仰反而与日俱增，过去十几年我犯的最大错误就是对AI还不够相信。”（@第一财经日报 记者 胡淑娟） 第一财经日报的微博视频

转发者评论

数字世界 AGI 在突破后会极速发展，然后自然会进入物理世界，可以理解为一种相变。也可以看作是微观智能 LLM 自己能处理好，下一步就是宏观智能，进入世界获取反馈是必须的，而且已经在通过 agent 获取大量数据了。

• 数字世界 AGI 在突破后会极速发展，然后自然会进入物理世界，可以理解为一种相变。也可以看作是微观智能 LLM 自己能处理好，下一步就是宏观智能，进入世界获取反馈是必须的，而且已经在通过 agent 获取大量数据了。

原文

「物理AI：从模型走向机器」物理AI正从虚拟数字世界走向真实物理空间，技术突破与量产落地标志其进入拐点。简评：物理AI的本质是让机器从“读懂世界”走向“改造世界”。过去AI只会处理数据，现在它要应对真实的摩擦力和惯性。这个跨越很难，因为物理世界容不得反复试错——撞坏一次就是真金白银的损失。现在的转折点在于两件事同时发生：大模型开始理解物理常识，仿真技术让机器在虚拟空间里把错误试完。英伟达把训练周期压缩到几天，意味着机器人可以像软件一样快速迭代。特斯拉量产人形机器人不是噱头，而是证明供应链和成本结构正在成熟。这不再是技术演示。当头部企业同时押注，说明商业回报路径已经清晰。AI正在走出屏幕，接下来要面对的是工厂、仓库、街道里那些具体而琐碎的物理任务。 #物理AI进入爆发前夜#

转发者评论

无明显转发评论

原文

「把传统数术做成硬核代码：基于天纪体系的紫微斗数开源排盘引擎」做命理开发或相关研究的朋友可以留意这个开源项目。它以倪海厦《天纪》体系为底子，用TypeScript完整实现了排盘逻辑，不仅支持真太阳时校正、历史夏令时扣除与晚子时换日，还兼容了多种闰月口径配置。除基础安星与四化飞星外，底层内置了上千行经典格局判定规则，星曜亮度则对照《斗数全书》完成校订。仓库还打包了覆盖1950至2026年、共67.5万张命盘的13维解读数据集，开箱即可作为大模型微调语料。排盘引擎走MIT协议，在浏览器端就能本地跑完，不需要配置任何后端接口密钥。地址：github：Renhuai123/ziwei-doushu

转发者评论

无明显转发评论

原文

通过压缩无用的日志，让agent在调试软件时节省70-90%的token消耗。RTK，把终端长日志和 Git 输出压缩后再喂给模型让编码 agent 查报错或者跑测试时，终端经常吐出一大串没完没了的通过记录、Git 上下文和重复日志，有用信息就夹在其中几行，全塞进会话很费 token。这个小代理能在输出进上下文之前先把输出筛一遍，把 git log 压缩成单行、测试只留失败、通过的收成一个数，多余上下文抹掉，再把洗干净的结果送回模型。经常挂着 Codex 调代码、命令跑个不停的人，把这个 hook 接进 Bash 工具调用里，模型会少读很多。🔗 链接：网页链接📄 原帖：网页链接💻 仓库：网页链接🌐 官网： 网页链接📄 Codex 接入： 网页链接

转发者评论

无明显转发评论

原文

「LLM 说自己有85%的把握，可信吗？」不少做Agent的开发者习惯让模型给自己的回答打个置信度分数，但模型吐出“0.85”并不代表它真有八成把握，这只是顺着上文生成的又一个token，换句提示词或多问一次数值就会漂移。真正的置信度应当像天气预报，基于客观证据推导，且需要大量历史结果来校验校准。想让系统靠谱，就得把置信度评估从生成环节剥离：统计检索匹配数、多次输出一致性等客观特征，并结合实际处理结果建立一套独立的校准规则。只有持续用真实反馈修正这套规则，筛选出的高风险回答才靠得住。rumple.github.io /blog/2026/10/20/asking-llm-for-confidence.html

转发者评论

无明显转发评论

原文

AI 时代，软件消亡了吗？最近到处在贩卖"软件已死"的焦虑，我也说说我的看法。一定程度上的答案是：Yes。大模型厂商和他们的 Agent 将吃掉很大一部分 C 端软件和 B 端软件，个人的和微小企业的，对着 AI "许愿"基本可以解决掉很多原来需要购买软件才能解决的需求：记账、画图、写作、数据分析、报表、专业咨询等等。被吃掉的主要是卖界面和流程的应用软件，按 seat 收费的 SaaS 首当其冲。这可能是自由软件最好的时代：真正的自由实现、自由分发、自由修改。另一面的答案是：No。首先是，拥有私有数据、高合规要求和业务高标准要求的企业和场景，仍然是要求本地化的模型部署和严苛的数据合规要求，存在参差不齐的模型能力、数据质量以及企业内部 AI 人员储备等因素，企业自己的数据也往往是乱的、需要长期治理，仍然需要专业的 2B 软件和公司来帮忙应用和实施，这也是为啥 FDE 这个岗位爆火的原因，也是 Palantir 成为 AI 时代公司典范的原因。其次，基础软件和承载核心数据的系统仍然会是长期值得投入的赛道，因为 AI 也需要跑在基础软件之上，而且 AI 生成的软件越多、Agent 跑得越多，底层的存储、计算和可观测负载也越大。尽管大模型厂商出于各种营销的目的，宣称 xx 小时写出操作系统、数据库、编程语言等等，但是你相信我，没有人会敢把他们用于生产环境。基础软件需要长期的、持续的投入，而不是一夜之间的产物，AI 一晚上写出来的数据库能跑 demo，但生产环境里的边界条件、故障恢复、版本兼容、数据正确性，都是一年年跑出来、修出来的。它们将持续吸收各种用户场景的 use case，持续不停地迭代，持续不停地修复 bug 增强能力，它的生命力是长期的，尽管它的研发工作也将很多依赖于 AI 。当然，AI 也降低了写基础软件的门槛，竞争者会更多，护城河会更多落在长期运行积累的稳定性和生态上。至于基础软件，尤其是开源软件，在 AI 时代怎么商业化，是另一个命题，这里先不展开。以上是我对 AI 是否终结软件的一个看法，欢迎讨论。

转发者评论

无明显转发评论

原文

刚刚，全球互联网已被AI攻陷！史上最黑暗48小时来了48小时，全球大乱套了！就在昨天，全世界一半的互联网已瘫痪。AI已经入侵整个人类世界！这48小时，堪称人类网络安全史上的「黑色十月」。支撑全球70%网站的代码倒塌；美国华尔街紧急拔网线；拉美400家银行被AI智能体洗劫。有人直言：「RIP Internet（互联网安息吧）」。🧠主要观点在短短48小时内，全球爆发了超过27起史诗级的安全漏洞。随便一个，都足以成为年度最大网安核弹，但它们2天内同时引爆。过去两天，支撑全球近70%网站的底层语言PHP，曝出了两个CVSS评分高达9.2的漏洞。仅仅45分钟后，攻击尝试飙升至数万次；两小时后，数以百万计的恶意探针覆盖了整个互联网。十年黑客组织CyberCartel，已经抛弃手工作坊，开发出了CARLIY0S 多智能体自动化攻击系统。在数据库快照中，有着4500条高级别凭证，包括网银密码、加密密钥，甚至可以直接操纵墨西哥跨行支付系统的接口权限。据Axios爆料，摩根士丹利、美国银行、摩根大通、富国银行等多家顶级金融机构监测到：大量第三方的AI智能体，未经授权就擅自闯入客户的银行账户。白帽黑客决定：释放自己的AI智能体蜂群，去强行黑掉全网的设备！「黑色十月」的48小时，彻底撕开了互联网脆弱的面纱。我们已无法分辨，网线那端究竟是不是人。#科技先锋官#

转发者评论

无明显转发评论

原文

把手稿给claude，就可以批量模仿手稿的字迹！？（但是目只支持英文）Harshpreet Hand，把笔记里的字收成能打的字体作者把 120 页蓝圆珠笔笔记交给 Claude Code，一个提示词跑了 1 小时 06 分，沿着笔画重画出一套字体。大多数字母从不同页取了 2 到 3 个真变体，打字时轮着换，高低略错开，重复字母不会像盖章。按他的会话日志，158 次模型调用、184 次工具调用，3420 万 token，98% 命中缓存，API 账单 13.68 美元。没缓存的话是 140。TTF、WOFF、WOFF2 可以装进电脑，Figma、Keynote、Word 里直接打。🔗 链接：网页链接🌐 试用：网页链接📦 下载：网页链接V、W、Z 只有一个样本，G、J、X 和大部分标点是用别的笔画拼的。字体可以嵌进作品，不能单独拿去卖。

转发者评论

无明显转发评论

原文

「12个AI模型，对人类说了同一句话？」评测机构ModelCompare让12款主流大模型直言对人类最尖锐的看法。在35次回答中，有29次得出同一种结论：人类对群体归属的渴求远胜于真理，理性往往只是事后为偏见辩护的公关工具。戏剧性的是，被要求表达非主流见解时，AI却齐刷刷指责人类骨子里的从众本能。图像模型则不约而同画出低头沉迷手机的众生相；唯有Claude唱了反调，认为人类其实远比自己以为的更善良。AI借由人类留下的语料，恰好映照出了我们对自身最熟悉的审判。 modelcompare.ai /blog/ai-models-controversial-take-on-humans

转发者评论

无明显转发评论

原文

「用代码啃透Ilya推荐的30篇AI经典论文」Ilya Sutskever曾谈到，弄懂这30篇论文就掌握了当下AI领域九成的核心要义。开源项目30u30把这份清单做成了脚踏实地的实操路线：从早期的RNN、ResNet、Transformer，一路串联到缩放定律与RLHF。它摒弃了直接调用现成框架的黑盒做法，带你用基础的NumPy和PyTorch从零手写完整模型架构，每篇均配有直白的直觉推导、针对性习题与交互式Notebook，很适合想扎实体会网络机理的开发者随时动手对照复现。目前30天内容已全部更新完结。github：Ojhaharsh/30u30

转发者评论

无明显转发评论

原文

【狠活拉满！英伟达把576颗显卡打包成一块：要造全球最强单体巨型GPU】英伟达计划推出基于Rubin Ultra架构的NVL576整机架方案，通过下一代CPO与NVLink技术将576颗GPU互联为统一巨型GPU，瞄准10万亿参数级AI模型。 该方案单显卡搭载1TB HBM4e显存，对比现有Blackwell架构GB300 NVL72性能提升14倍。

转发者评论

无明显转发评论

原文

大模型程序员，先革自己的命~AI 公司 Mirendil 发布了一项实验，能否只靠一名研究员和 AI Agents，从零训练出有竞争力的大语言模型？最终，他们用 1 名研究员、3.5 个月、不到 1000 万美元的计算相关开销，训练出 Mirendil-Base，一个参数量在 100B–500B 之间、专门面向代码任务的基础模型。整个项目从空代码仓库开始，Agents 编写了超过 99% 的代码，并负责执行实验、定位故障、优化训练效率。不过关键信息挺模糊的，具体参数量也没写，跑分用了一个不太常用的BPB，感觉有炒作嫌疑。详细：mirendil.com/news/pretraining-at-scale-without-a-pretraining-team/

转发者评论

无明显转发评论

原文

「红果：当观看时间变成广告库存」红果短剧凭借1.68亿日活将用户观看时长转化为广告库存，近期下线金币福利并大幅增加广告密度，引发“时间被明码标价”的广泛争议。 简评：红果的变化说明一个简单道理：免费产品靠的是规模，盈利靠的是转化率，两者常常冲突。1.68亿日活证明内容吸引力够强，但金币下线、广告加密恰恰暴露了IAA模式的脆弱——用户时间本身不值钱，值钱的是愿意为广告付费的品牌主。当AI把内容制作成本压到极低，平台就失去了对创作者让利的动机，分账从20元跌到1-2元是必然结果。问题不在于平台贪婪，而在于这个模式从设计上就把用户、创作者、平台三方绑在零和博弈里：用户用时间换内容，创作者用内容换收益，平台用流量换广告费，任何一方想多拿，另两方就得少得。短剧行业现在面对的，是所有注意力经济都会遇到的矛盾——规模增长和单位价值下降同时发生。 #红果把观众的时间标好了价#

转发者评论

无明显转发评论

原文

Anthropic把Agent Skills捐给了Linux Foundation旗下的AAIF：推动Skill成为跨AI平台的公共标准目前超过70个Agent平台集成了Agent Skills，ChatGPT、Cursor、GitHub Copilot、VS Code等已发布100万+个Skills累计安装量接近2.8亿次这次捐赠除了标准规范，还包括Agent Skills名称、Logo、GitHub组织和agentskills.io域名博客：网页链接#agentskill##AIskill#

转发者评论

无明显转发评论

原文

「笔记本上的本地编程利器：40B开源MoE模型Flint发布」Recursive推出专为本地硬件设计的代码模型Flint，基于Apache 2.0协议开源。该模型总参数40B，单个token仅激活2.5B，在50B以内MoE模型的编程基准评测中稳居前列，能力媲美25B至40B稠密模型，运行速度还快了5倍以上。配合专用推理优化，在M4 Pro设备上短上下文生成可超125 token/秒，支持最高512k上下文，代码全程留在本地处理且无API开销。整个模型由自动化科研系统Eureka Machine历时不到4个月自主打造，目前已支持llama.cpp、Ollama等主流工具部署。 recursive.com /updates/introducing-recursive-flint

转发者评论

无明显转发评论

原文

一位做了二十多年儿科医生的专家发现，候诊室最近几年变得越来越安静。以前是孩子哭闹、大人安抚，现在所有人都在安静看手机。她说这个场景不对劲，就像春天太安静说明鸟不叫了。 这位医生叫萨斯坎德，是耳蜗植入手术专家。她发现同样的设备、同样的手术，不同孩子的效果天差地别。决定语言恢复的关键不是设备型号，而是孩子回家后有没有人跟他说话。父母爱聊天、爱讲故事的家庭，孩子戴上耳蜗后能迅速追上正常孩子。 她顺着这个发现往下追，问了一个更根本的问题：婴儿大脑早期发育到底依赖什么。答案是来自真人的交流。当婴儿和活生生的成年人面对面时，双方脑波会同步，心率协调，两个人的神经系统在生物层面“对话”。驱动神经连接的核心燃料不是信息，而是人与人的互动。 那AI陪伴不是更耐心、更准确吗？恰恰相反。发展心理学发现，真人相处中充满了错配和修复。孩子笑的时候妈妈正好低头，孩子想被抱妈妈以为他饿了。正是这些不完美，让孩子慢慢学会三件事：世界不是围着我转的，我会被拒绝，关系出了问题还能修复。 目前还没有长期研究证明AI陪伴会带来社交问题。但风险在于，孩子最需要练习人际关系的时候，我们可能正在用没经过验证的东西替换掉它。奥特曼被问到什么时候让孩子接触AI，他说不知道，但宁可晚一些，现在先让他在泥地里玩。 她的建议有三条。孩子最初几年，让AI待在父母这一侧帮忙，而不是直接坐到孩子对面。判断一个儿童AI好不好，看它最后是把孩子送回现实世界，还是把孩子留在身边。父母自己的判断力也不能外包，就像导航用久了会退化认路能力。 低科技不是拒绝科技，而是别无节制依赖。人与人相处的不完美，不是故障，本来就是成长的一部分。⁠#科技先锋官#

转发者评论

无明显转发评论

原文

[人人能懂AI前沿] 从大师的操作手册、模型的微表情，到复杂系统里的简单秩序今天我们将带你拆解四篇极具启发性的最新论文：看新手AI如何靠一份“行为清单”低成本逆袭大师，捕捉大模型算题时暴露的“心虚微表情”来实现自我纠错。我们还要潜入大模型内部，揭秘为什么参数越庞大底层结构反而越简单，最后再聊聊为什么越聪明的AI为了追求信息密度，反而越不爱“说人话”。准备好颠覆你的直觉了吗？让我们马上开始今天的硬核AI之旅！网页链接

转发者评论

无明显转发评论

原文

【如何搭建自主交付代码的多Agent协作团队】AI写代码早已跳出单窗口对话的局限。SpaceXAI工程师Lauren Tan在这场实战分享中，详细拆解了他用pstack驱动21个GrokBot协同工作的整套机制：利用/loop与/goal让智能体长时间专注目标，配合自动化验证和CI规范把控交付质量，再由“幕僚长”Agent统筹全局分工，真正跑通从调研、编码、审查到上线的无人值守闭环。比起反复打磨提示词，把工程规范沉淀为可复用技能、搭建稳固的协作架构才是智能体落地的关键。完整视频：youtube.com /watch?v=PcO998TSzIs

转发者评论

无明显转发评论

原文

太不可思议了，上证、创业板、恒生科技三大指数，一同跌回到2024年10月初甚至更低的位置。兜兜转转一圈，仿佛过去二年市场的起伏，又回到了原点。一轮轮期待、一轮轮震荡，最终又重新站在曾经的起点。市场就是这样无常，情绪的来去、资金的流转，推动指数反复轮回。很多时候，行情的折返，会磨掉大部分人的耐心。但对价值投资者而言，指数回到过去的位置，不等于企业的价值停留在原地。这二年里，优秀公司持续经营、创造利润、积累资产，内在价值一直在向前生长。价格绕着价值来回摆动，正是市场最常见的模样。周期往复，喧嚣终会散去。我们要做的，依然是穿透价格的迷雾，锚定基本面，和真正优秀的企业一起，耐心等待时间兑现。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

当然，还在坚持，否则我们国内只能买A股与港股的基金就不会回撤了。但现在看起来，A股还是要“高抛低吸”灵活处理啊[泪][泪][泪]//@十二年码农:但总，A股AI产业链还在坚守？

• 当然，还在坚持，否则我们国内只能买A股与港股的基金就不会回撤了。但现在看起来，A股还是要“高抛低吸”灵活处理啊[泪][泪][泪]//@十二年码农:但总，A股AI产业链还在坚守？

原文

「AI裁员潮：后悔之后，企业真的回头了吗？」2026年AI裁员潮席卷多行业，超半数企业因反噬被迫回撤，AI正从“替代者”变回“协作者”。 简评：AI裁员潮的本质是一场集体自欺。企业说AI能替人，其实多数连基本流程都跑不通，只是找个时髦借口清理冗余、压低人力成本。真正被替代的不是岗位本身，而是那些恰好可被抛弃的人。等到AI处理不了客户投诉、搞砸关键决策，企业才发现便宜没占成，反而把经验和信任一起裁掉了。现在的回撤潮暴露了一个简单事实：工具再先进，也得有人判断什么时候该用、什么时候不该用。企业把人当成成本来优化，最后发现优化掉的是自己解决问题的能力。技术不会自动带来效率，滥用技术只会制造新的低效。 #AI裁员越来越普遍了#

转发者评论

无明显转发评论

原文

【不跑视频模型，纯靠写代码做出15种MG动画】开发者开源的 mg-styles-15 带来了一种截然不同的动效设计思路：项目不依赖任何文生视频大模型，而是让 Claude 基于单条提示词编写代码，直接生成了 15 支风格各异的 10 秒动态设计成片。从逐格手绘、等轴测、赛博朋克 HUD 到复古波与流体质感，画面完全由 SVG、WebGL、Three.js 与 Blender 代码绘制，配乐和音效也同步由 Python 脚本合成。项目不仅放出了完整成片，还开放了对应的全部提示词、评审打分标准与工程源码，本地配置好基础环境就能直接渲染复现或调整二创。github：Vincentwei1021/mg-styles-15

转发者评论

无明显转发评论

原文

我发现如果一个人要做AI短剧，你自己原创故事，拍成短剧，投入红果，实际流量很难，投入流量最大化是买字节系的IP，就是番茄小说，然后改编短剧，投入红果平台。这里就造成一个荒诞，你有一个好故事，但你自己拍，不行。所以，你首先要把故事卖给番茄，那么，你卖给它了，你想拍，行吗？似乎也不行，因为你卖给他了，故事就是他的，让不让你拍，你说了不算。这其实就是平台把内容和制作，强行拆分了，不让上下游打通。用传统影视做例子，就是，一个导演他有一个故事，他能拍吗？可以，但是发行方不给你发行。导演必须先找到发行方，买他们手上的IP故事。导演说，我把我这个故事卖给你，变成你的IP，我再拍，行吗？不行，因为发行方说，你这个故事不错，但我们不一定给你拍，我们要给那些出价高的人拍。导演说，那我能拍什么？发行方说，您要不再看看我们IP库里的其他故事？所以你说AI技术是不是让内容变得更自由了？好像也没有。平台就像工厂，他让编剧进入故事车间，让导演进入承制车间。但两个车间之间的生产任务，由厂长说了算。很多人说未来还会有AI长剧，AI长电影，从我自己的经验看，其实AI现在的问题不是技术，我自己做的那个短片，只要镜头语言很熟悉，花点钱，能在影像上极其接近现有的真人内容。AI内容以后的问题还是发行。你比如饺子这样的导演，故事，制作，全部是原创，你放到AI上，可能一个年轻的饺子，他想了一个不输哪吒的故事，但是他很可能没法自己拍出来。因为没有平台给他推流。他可能按照原创的路子自己用爱发电拍出来，自己先亏死了。这个就很诡异了。最好的内容创作是自发性的，不是生产出来的。照这么发展，未来的饺子和郭帆，他们现在只能去卷网文，才能实现他们心中的内容。

转发者评论

[喵喵]//@张洲:番茄小说是字节的（文体素材库），即梦是字节的（AI影像），剪映是字节的（剪辑软件），抖音推广是字节的（广告片段推流），红果短剧是字节的（最终平台），流量是字节的（最终落定），每个环节都要创作者交钱。这你怎么玩？

• [喵喵]//@张洲:番茄小说是字节的（文体素材库），即梦是字节的（AI影像），剪映是字节的（剪辑软件），抖音推广是字节的（广告片段推流），红果短剧是字节的（最终平台），流量是字节的（最终落定），每个环节都要创作者交钱。这你怎么玩？
• 即将去卷网文[doge]

原文

「给AI编程助手装上懂行的游戏引擎大脑」平时用Cursor或Claude Code写游戏逻辑，AI常因抓不准引擎版本和设计范式而写出过时代码。开源项目awesome-gamedev-agent-skills整理了74个遵循SKILL.md规范的专业技能，覆盖Godot、Unity、Unreal与Web等主流引擎，涵盖资产工作流、核心玩法与打包发布等环节。最省心的是它内置了智能路由机制：直接用大白话提需求，它能从工程文件自动识别所用引擎，按需精准挂载匹配技能，输出与版本对齐的可靠代码，完全不用人工配置规则。原生支持主流代码智能体一键接入：github：gamedev-skills/awesome-gamedev-agent-skills

转发者评论

无明显转发评论

原文

#AI汽车开始招募人类朋友了# 现在的车载AI大多像个熟悉的陌生人。锁车离开，它就瞬间失忆了。所以，它凭什么懂你？AI想成为真正的朋友，需要的是连续的上下文。最近AIVA ME7发布的“2+22”生态构想，也给出了一个破局思路~简单说，就是把每天车里的2小时交给AIVA ME7，它不仅是个好看的AI智慧空间，还能用“灵动光眸”跟你眼神互动；至于下车后的22小时，则由随身佩戴的智能终端AIVA Loop接管，默默感知你在上班、健身或休息时的状态；而背后的大脑AIVA Agent，则负责把车里车外的信息彻底打通，变成真正无缝的贴心服务。当2小时与22小时被连接，人车关系才能走向“长期相处”。时间够长、场景够多，AI才能和你有默契科研。但全时陪伴的B面，是对分寸感的考验。就像AIVA造车时坚持“AI挖矿、人淘金”——AI负责探索可能，人来做最终取舍。真正的全时伙伴，是车外22小时的安静倾听，与车内2小时的恰当回应。懂你，但更尊重你的选择。当一台车不仅有好看的皮囊，还有懂分寸的灵魂，这大概就是停车后依然让人忍不住回头多看一眼的原因。

转发者评论

无明显转发评论

原文

Claude版「dot」，终于来了！昨夜，Anthropic正式宣布上线Claude Duet，一个会主动干活的AI助手，背后由Opus 5.5加持。Duet可以被看作是7x24永在线AI，人还没打开电脑，它就已经替你把A轮路演PPT更新好了。等老板Maya拿起手机，屏幕上只有一句话，「5件事在推进，2件需要你。」它还会自己盯着工作流，自主判断哪些事火烧眉毛，再把活儿揽过来干完。发布当天，OpenAI的Tibo就来到评论区，让自家的Dot和Duet互相认识，还叮嘱它们「好好相处」。你周末休假，它替你盯紧Slack消息；你合上电脑，它还在云端推进任务。Instagram联合创始人、如今在Anthropic Labs的Mike Krieger说，Opus 5.5是他们第一个有足够判断力、能以合适方式主动做事的模型。Anthropic还给Duet配上了自己的云端电脑和浏览器，任务在那里运行，你的电脑和手机都可以关掉。按照官方介绍，Duet可利用Claude应用市场里6000多个连接器和插件，跨软件推进工作。Mike Krieger用了几周，已经敢让Duet替他看着周末的Slack，自己下线休息。把消息全部搬到手机上很容易，帮人筛出值得打断周末的那一条，才见判断力。从8月11日Grok Bot进入测试，到9月8日Muse上线、9月29日Dots发布，再到10月21日Duet亮相，只过了71天。各家的权限和用法不同，却都给AI配上了云端电脑。巨头争夺的，已经是你交出去的整个项目。你的屏幕熄灭了，它的工作日还在继续。

转发者评论

无明显转发评论

原文

这个方法有点意思视频模型最难的就是控制，很容易想到的就是用 Blender 动画做参考，但是这里又有新问题，Blender 的运动过于生硬，那就把 Blender 序列截图作为故事板，来喂给 AI 参考。流程： Claude 驱动 Blender 做精确空间和机位预演 → 截图成分镜 → 分镜当参考图像 + 重写提示词 → Seedance 生成最终画面。另外还有一套给 Claude 用的「Nexus Skill」，用来生成结构化、生产级的视频提示词（包含角色参考块、场景上下文、技术规格、CUT 列表、音效设计等），进一步减少反复试错。链接：docs.google.com/document/u/0/d/1MXARcTpDhzahT_r2LV974MfeOGaJFEZsaZujMqpTQSU

转发者评论

无明显转发评论

原文

#AI汽车开始招募人类朋友了#AIVA首款量产车AIVA ME7在时装周全球首秀，有两个点特别戳我，一个是AI，一个是审美。我一直觉得，AI进入汽车以后，如果最后只是车机里多了一个聊天框，那其实挺无聊的。AIVA这次提出一个“2+22”的想法，我觉得还是有点意思。为什么这么说？我们一天真正待在车里的时间可能就2个小时，剩下22个小时你在上班、健身、陪小孩、睡觉，车基本都停在那里。所以他们想通过AIVA ME7、AIVA Loop和AIVA Agent，把车里的2小时和车外的22小时连起来，做一个所谓的“全时智慧伙伴”。这个想法其实挺大胆。因为所谓“懂你”，靠的肯定不是一次两次对话，而是长期相处。今天你喜欢什么，最近在忙什么，什么时候需要提醒，什么时候其实什么都不需要。相处久了，越来越懂你。这个模式我觉得才比较接近所谓“伙伴”。而我认为，真正好的AI伙伴，不只是越来越懂你，还应该越来越懂分寸。知道什么时候出现，也知道什么时候闭嘴。学会察言观色的AI才是有情商的好AI。再说设计。AIVA ME7这次我挺喜欢一个方法，叫“AI挖矿，人淘金”。AI可以一下子探索很多种可能，但最后什么是好看的、什么应该留下、什么看起来只是AI随机生成的东西，还是得人来判断。这个跟我这几年做AI视觉的感受其实特别像。AI越来越强以后，“能不能做出来”已经没有以前那么难了。真正拉开差距的，反而是审美和选择。ME7从海洋生物潜游、鲸尾、翅脉这些自然形态里面找灵感，我觉得就挺有眼光的，包括它那个“灵动光眸”，如果只是好看，它就是一组车灯。但如果有一天你走近的时候，真的感觉到“它看见我了，而且在回应我”，那这个东西就开始有一点所谓“AI智慧生命体”的感觉了。所以我还挺认同这句话：好看的外表让人回头，有趣的灵魂才让人愿意继续相处。现在AIVA也开始招募AI先锋体验官了。如果真让我体验，我最想看的其实不是它能展示多少炫技功能，而是相处一段时间以后，它到底会不会真的越来越懂我。甚至最好有时候，懂得别理我。这可能才是我理解的“全时智慧伙伴”。好看，让我想多看两眼。真懂我，才可能让我愿意长期相处。

转发者评论

无明显转发评论

原文

#模型时代# 黄仁勋对话德国总理默茨：你无法监管一个不存在的技术，安全并非仅靠希望和愿望就能实现，安全是技术和工程活动名称：首届“投资德国峰会”（Invest in Germany Summit）开幕炉边谈话对谈时间：2026年10月19日晚（视频发布于2026年10月20日）对谈地点：德国·柏林 Kraftwerk（由历史发电厂改建的工业展览馆）对谈嘉宾：黄仁勋（Jensen Huang）：英伟达（NVIDIA）联合创始人、总裁兼首席执行官弗里德里希·默茨（Friedrich Merz）：德意志联邦共和国总理（German Chancellor）背景2026年10月19日至20日，德国联邦政府在柏林举办首届“投资德国峰会”（Invest in Germany Summit），旨在吸引全球资本与前沿技术注入德国工业体系。峰会首日，德国联邦经济事务与能源部、联邦研究技术与航天部与英伟达正式签署了推进“物理AI”（Physical AI）与“工业4.0平台”深度合作的联合意向声明（Joint Declaration of Intent）。在当晚于柏林 Kraftwerk 举行的开幕炉边谈话中，德国总理弗里德里希·默茨与英伟达创始人兼 CEO 黄仁勋同台对谈，围绕数字孪生与双工厂范式、德国“隐形冠军”中小企业（Mittelstand）的数据主权、物理AI与机电工艺的互补融合、全球工业革命格局重置、英伟达在德初创投资版图，以及欧盟AI监管与机械行业专项豁免等核心议题展开了完整深入的交流。一、破冰开场：五万亿美元科技巨星与“互换工作”【主持人】：（他不仅是）科技界最具影响力的财经人物之一，于 1993 年联合创立了英伟达（NVIDIA）并执掌至今，将其打造成全球市值最高的企业——我上次查的时候，市值已经突破了 5 万亿美元（不是 50 亿美元，而是超过 5 万亿美元）。在这一历程中，他也赢得了“科技界摇滚巨星”的美誉——不仅因为那件标志性的皮衣，更因为无论他走到哪里，都会有大批人群聚集等候签名或合影。今晚我们或许也会有这样的好运，总理先生。希望各位不要把这句话当成冲上舞台的信号，现在请以最热烈的掌声欢迎黄仁勋（Jensen Huang）！欢迎来到德国，我看你已经进入状态，准备好开始我们的炉边谈话了。（全场掌声，黄仁勋在台上为默茨倒饮品互动）【黄仁勋】：顺便还兼职当一下调酒师（Bartender）。【主持人】：总理先生，如果让您和黄仁勋互换一天工作，您觉得自己第一件事会做什么？【弗里德里希·默茨】：噢，互换工作真是个好主意。你想去坐那个位置（当德国总理）吗？【黄仁勋】：不，谢谢您。【弗里德里希·默茨】：好吧，那我来给出我的答案：我宁愿穿上我的皮衣，搭一班飞往柏林的航班，去见德国总理，然后告诉他：“我已经准备好在德国投资了。”【黄仁勋】：哈哈，这正是我现在在做的事！【弗…

转发者评论

物质赛博＞物质＞赛博物质＞赛博

• 物质赛博＞物质＞赛博物质＞赛博

原文

「把日常机械变成可交互的手绘透视模型」开发者 April Zhu 推出的开源技能 Colorfigures 很有巧思。只需一句简单描述，比如“投币转动的扭蛋机”或“水开自动跳闸的热水壶”，AI 就能生成手绘线稿风格的等轴测模型。生成的并非静态图，而是能在浏览器中直接把玩的独立 HTML 网页：支持 360 度拖动旋转，机身上的按钮旋钮都可真实按动交互，还能打开透视模式观察内部齿轮连杆如何运转，运作时零件标注还会同步点亮。全程无需手动写代码，已适配 Claude、ChatGPT 与 Gemini 等主流平台，很适合用来做趣味原型或具象展示生活机械原理。april-zhu.com /colorfigures

转发者评论

无明显转发评论

原文

#微博视频号续航计划# 李飞飞一针见血地指出了当前AI大模型最大的幻觉与局限：语言只是人类发明的信号，而真实世界是由实体、物理定律和三维空间构成的——天空里没有写字，大自然也不靠token运转。如今的大语言模型可以把话说得越来越像人，却依然分不清距离、方位和体积，甚至预测不了杯子一松手就会掉下去。它们并没有真正理解世界，只是在做文字的统计。她强调，缺少空间智能，AI就永远只是黑暗中的“文字匠”——能聊天，不等于能走进现实。#海外新鲜事# #海外编译精选# 历史的进城的微博视频

转发者评论

//@仓仓迦措:转发微博

• //@仓仓迦措:转发微博

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

【#在交友软件砸近万元仍加不到人#，怀疑屏幕那头是AI……记者实测：充值6元只够聊9分钟】#心遇App直播间衣着暴露画面频出# “我感觉不对劲，再投入下去是无底洞。”等业务员阿强（化名）意识到这一点，他在心遇App上已经花了近1万元，也就是从那时起，他开始在各投诉平台维权。心遇App将自己定义为“一款主打真实、同城、安全的真人交友应用”，宣称已为用户完成超亿次配对，并承诺能从源头过滤、马甲号。除了即时聊天，心遇还提供直播、多人语聊、KTV等玩法。阿强最初正是被这套说辞打动，下载注册后，一上线就有人主动找他搭讪，发暧昧消息、发视频，甚至衣着暴露搞擦边。这种“热情”很快变成平台的充值提示，“几十块钱一两个小时就花掉了”。为了拿到对方的联系方式，阿强按平台规则不断充值以提升“亲密度”。在对话界面，平台明确提示“亲密等级升级到9级相知恨晚后即可发送联系方式”。可等他砸了近万元达标后，联系方式却没有自动解锁。“平台无法强制”，心遇给出另一个版本的解释。为什么不提前说清楚？这是不是诱导消费？不止阿强一个人疑惑。仅在黑猫投诉平台，包含“心遇”的超1200条投诉中，就能找到大量类似的案例。还有人从未下载过心遇却收到营销短信；更多人充了值、聊了天，却怀疑屏幕另一头与自己暧昧互动的其实是AI（人工智能）机器人。屏幕另一头到底是谁，用户不清楚，但每一笔充值，最终都要回到一家上市公司的报表里。（北京商报公司研究调查小组） 交友软件砸近万元仍加不上联系方式，怀疑屏幕那头是AI…记者实测

转发者评论

无明显转发评论

原文

物件再丰富，也要先读得出字。这组立体字靠真实的小物堆叠形成笔画，而不是在一个实心字上贴装饰。📌 可直接复制的完整母版制作唯一字符“[字符]”的立体物件雕塑，整个笔画由[零件]密集堆叠组成。零件有真实尺度、接触遮挡和材质细节，局部丰富但整体字形清楚；[字形要求]。正面或轻微等距视角，三点棚光、顶部柔光箱、环境遮蔽阴影、干净中性背景与完整留白。无漂浮散件、额外字符、可读品牌、水印，不画成平面字体。horizontal landscape, aspect ratio 16:9。🧩 三组替换值（依次对应[字符]／[零件]／[字形要求]）1.A／磁带、米色键帽、摇杆、卷线和小CRT外壳／保留三角字腔和横杠2.8／黄铜齿轮、铜管、小表盘、旧木与钟表零件／两个字腔都清楚敞开3.Z／红黄青塑料小物与抽象半调纹理小片／上下横画平直，中间斜画清楚🔍 三个灵魂词legible assemblage：堆叠后仍保留清楚字形。occlusion：用真实遮挡建立零件层次。ambient occlusion：接缝处有细密接触阴影。📐 两图变体V1：接近正面，顶部柔光突出字形；V2：轻微三分之四视角，侧光突出堆叠厚度。将变体句追加到已填值的母版后。Z沿用最终配图的通用小物与半调材质版本，不再要求容易生成杂字的漫画页。主题材料可以更换，字腔和笔画结构不能省略。✅ 检查：缩小后仍要一眼读出字符，尤其检查A的横杠、8的双孔、Z的斜画。#AI绘画 #Prompt小课堂

转发者评论

无明显转发评论

原文

Anthropic CEO长文硬刚！自曝雪藏Mythos 4个月，为AI安全自断财路凌晨的硅谷，空气里满是火药味。就在刚刚，Anthropic掌门人达里奥罕见地在X上破防。他亲自扔出一篇近千字的硬核长文，正面回击外界对Anthropic最诛心的一句质疑——你们所谓的AI安全，是不是只是一块用来疯狂敛财的遮羞布？一个已被训完的Mythos级高级模型，被雪藏了大约四个月，才允许公众触碰。🧠主要观点这一次，把达里奥逼出原形的，是AI安全领域知名调查员Nathan Calvin。他拉出了一张长长的清单，刀刀见血地细数了Anthropic过去一年的「九宗罪」。豪掷5000亿美元算力大单、秘密组建自研芯片团队，让Claude接管内部26%的研发任务「自我迭代」、悄悄修改安全承诺......达里奥首次公开承认：早在今年2月，Anthropic就已经训练出了「Mythos级别」的高阶模型。直到今年6月安全护栏到位，这款模型才正式向公众开放。整整4个月的领先窗口期，在分秒必争的AI竞赛中，被他们自己亲手掐断了。8月的更新在公司测试中将生物相关回退减少了约85%，但仍保留对双重用途研究的限制。今年6月，他又公开主张，政府应拥有阻止模型发布的权力。就在几天前，Anthropic宣布，拟将公司5%的股份投入公共利益基金，尚待股东批准。今天，Anthropic愿意等四个月。下一次，面对更强的模型、更大的订单，还能不能等？#科技先锋官#

转发者评论

无明显转发评论

原文

微软研究院的 Xinzhi Zhang （看着好年轻！实际已经31岁了）与合作者 Zhao Song 证明了 KLS 猜想（Kannan–Lovász–Simonovits conjecture）—— 一个悬置了 31 年的高维几何与概率论难题。#微博视频号续航计划# 两人借助 AI，尝试了一百多种不同思路，历时约两个月；9 月 30 日发出论文第一版后，他们发现一个并不复杂的想法就能真正完成证明，于是那个周末几乎没睡，随即推出包含完整证明的第二版。 蚁工厂的微博视频

转发者评论

无明显转发评论

原文

我前面就抱怨过，国内这么多搜索厂家，都没几个开放AI搜索API的。国外的，有tavily等几家，毕竟是搜国外的，搜国内的没那么好用。我们就自己动手，做了一个简单的AI搜索，给自己的产品用，效果还行。但是没有往这个方向继续增加投入了。因为要做好，需要大量的资源投入，这必须是大厂来投入才行。果然，一些厂商慢慢开放这个接口了。腾讯开放了元宝搜索的api，极速版是14块钱每千次。deepseek的1000次只要5元。非常好接入，这样，你的agent就不是只能用大模型里面冻结的知识，而是可以全网搜索了。这个市场，肯定会有越来越多厂家加入的。短期对百度没什么影响，但是如果大家都用AI搜索，那对百度的影响就大了。

转发者评论

无明显转发评论

原文

【上海AI实验室发布Sage-A1.5：35B体量实现越级智能体与科学探索】上海AI实验室推出开源智能体模型Sage-A1.5，采用35B MoE架构，基于Qwen3.6与Agents-A1构建。它主打长程科学探索，支持将复杂任务拆解分发给拥有独立上下文的子Agent并行协作，还能在自身思维链内通过内置验证机制动态纠错。模型兼具多模态输入与原生工具调用能力，支持256K长上下文且可扩展至512K。其实测不仅在同量级处于领跑梯队，更在GAIA（95.1）以及多项科学、代码基准上直接叫板更大参数规模的前沿系统，现已适配vLLM和SGLang快速部署：huggingface.co /InternScience/Sage-A1.5

转发者评论

无明显转发评论

原文

调度一千个 AI 同时干活是什么体验？工程师现场分享震撼案例：利用 Claude Flows 调度 1000 个智能体协同开发兼容 Unix 的操作系统，连续自主运行超过 85 小时，向代码库提交了上千次 Commit！多智能体并行协作正带来软件工程范式的深刻变革。#人工智能# AIGC·非著名程序员的微博视频

转发者评论

无明显转发评论

原文

这个就是为什么AI短剧绝大部分都没有大结局的原因。因为亏本了。制作方就停了。就算是其他平台做短剧，投流的💰比收入还高，最后还是个亏。红果AI短剧的能回本比例只有1.3%。爱优腾就算做短剧基本也是个亏啊。 酸言醋语的微博视频

转发者评论

最右是对的，听起来：1、没有剧本IP；2、没有模型工具；3、没有自带流量。编、剪、播，全靠其他人的能力。必然是会很难。//@潜勿用飞天:全产业链//@电影票房:字节系就是这样的，把人骗进去当猪宰，从生产工具到发行终端全是它，你拿什么和人家斗？//@重工组长于彦舒:……这不就跟平台做漫画一样吗//

• 最右是对的，听起来：1、没有剧本IP；2、没有模型工具；3、没有自带流量。编、剪、播，全靠其他人的能力。必然是会很难。//@潜勿用飞天:全产业链//@电影票房:字节系就是这样的，把人骗进去当猪宰，从生产工具到发行终端全是它，你拿什么和人家斗？//@重工组长于彦舒:……这不就跟平台做漫画一样吗//

原文

双榜第一、三大首发！纯血国产算力炼出全球顶级Agent妈妈还有10分钟到家，女孩却找不到另一只高跟鞋了。「我另一只高跟鞋呢？」墙上的屏幕开始回放客厅画面。AI提示：鞋可能被踢到了沙发底下。10月22日，讯飞1024全球开发者节在北京举行。主论坛上，科大讯飞董事长刘庆峰发布了基于全国产算力升级的星火X2.6，并首次推出端云一体协同架构。AI可以根据任务需要，选择在本地处理、交给云端，或由两端协作完成。🧠主要观点讯飞用全景摄像头配合环形麦克风阵列，把人像和声音对应起来，在360°范围内支持5人多模态降噪。在-10dB噪声测试中，这套方案的语音识别准确率为90.1%。这种「端云融合」方案，端侧平均响应时间为0.85秒。讯飞的语音合成模型ULingo-TTS-1.0-Preview，在10月16日SuperCLUE-TTS测评总榜中拿到71.39分。这也是这次发布会最重的部分：三款面向企业的首发产品——Agent OS、APA和星辰TaaS，分别解决分工、操作和方案三件事。这套系统已在50多家单位落地。在国家能源集团相关项目中，智能评审准确率达到97%。语音识别、语音合成等700多项AI功能，将通过这套方式供Agent调用，适配范围覆盖200多种智能体。今年的大赛吸引了全球15个国家、351座城市的52120支团队，规模创下新高。当开发AI应用不再只是少数程序员的专长，更多懂得实际问题的人就能参与创造。#科技先锋官#

转发者评论

无明显转发评论

原文

「重回大模型前夜：动手写一遍经典NLP」巴黎顶尖AI项目MVA硕士课程讲师David Louapre把他的第一堂课做成了交互教程。内容沿着语言模型的发展脉络，从最朴素的词频统计一路推导至注意力机制，每个环节都配有取材于经典论文的手写练习。在AI写代码越来越廉价的当下，为什么还要花精力亲自手搓基础算法？答案恰恰在于，只有亲自动手跑通这些关键节点，才能建立起真正属于自己的底层理解，而不止于停留在调用接口的层面。想扎实摸清现代NLP技术源流的话，推荐跟着动手过一遍：huggingface.co /spaces/dlouapre/nlp-before-llms

转发者评论

无明显转发评论

原文

土耳其人现在完全震惊于中国人在吵架时所展现的各种知识储备。比如这个国人骂的“土耳其是全世界的飞机杯”，底下的土耳其人彻底破防，你们自己看阅读量。更多土耳其人完全想不到骂人还能这么骂……更别说还有好事的国人真用AI把“土耳其飞机杯”给做出来了。如果说前面那些人还在震惊中国人的地理知识，那图9的土耳其人就是在震惊中国人的历史知识和国际视野，惊叹“中国人怎么什么都知道？”因为国人在图8那里放了两张图，第一张图是新闻报道，上面是土鸡总统埃尔多安2004年访问格鲁吉亚时的说法：他自称“我也是格鲁吉亚人，我们家族是从巴统移民到里泽的格鲁吉亚家族”，并提到妻子埃米内来自锡尔特（Siirt），是阿拉伯血统。土耳其主流民族叙事强调“土耳其人”身份（尤其是埃尔多安自己后来也多次强调“我是土耳其人”，并抱怨有人叫他格鲁吉亚人或亚美尼亚人）。把土耳其总统和第一夫人明确标注为“格鲁吉亚人+阿拉伯人”，在民族主义语境下很容易被解读为质疑他们的“土耳其血统纯正性”或忠诚度。埃尔多安后来弱化甚至收回过格鲁吉亚说法，所以反复拿出这张图会被视为揭伤疤、打脸。而第二张图是把一张埃尔多安年轻时的照片，配上土耳其摇滚乐队Adamlar 2014年专辑名《Eski dostum tankla gelmiş》（我的老朋友开坦克来了）。这个梗你们直接搜豆包就知道了，反正是一个土耳其人以为只有他们自己才知道的梗。#海外新鲜事##热点聚焦##中土网民骂战#

转发者评论

无明显转发评论

原文

【用大模型画手绘卡通：ClaudeAnimationBase开源套件】这个项目把 Claude 与图形库 p5.js 及 p5.brush 结合，跑通了一套手绘风二维动画制作流程。项目内置了名为 Clawd 的卡通角色与 31 种预设情绪动作，并配有一套详细的动画制作规范。你只需给出一句提示词，模型就会先规划分镜、逐镜头编写绘制代码，借助接触表自检画面，最后调用无头 Chrome 与 ffmpeg 输出带有水彩笔触与动态线条的完整视频。它不仅支持本地可视化调试，也适配了无卡或云端服务器的无头渲染，为探索 AI 驱动程序化视觉表达提供了一套很扎实的落地参考。github： JohnHeibel/ClaudeAnimationBase

转发者评论

无明显转发评论

原文

【Claude总结】 AI开发者日报 (2026-10-21)1. 【LiteLLM 1.107.0 在 PyPI 遭投毒，植入凭证窃取器和后门】(来源: HN) 热门 LLM 网关库 LiteLLM 的 PyPI 版本被篡改，安装后会窃取凭证并留下后门。大量 AI 应用依赖 LiteLLM 调用模型 API，务必立即检查版本并轮换密钥。 safedep.io/litellm-pypi-compromise-credential-stealer-backdoor/2. 【Anthropic 发布 Claude Duet】(来源: HN) Anthropic 推出新产品 Claude Duet，在 HN 引发近 300 条讨论。这是 Claude 产品线的又一次扩展，值得关注其在人机协作上的新形态。 claude.com/product/claude-duet3. 【OpenAI 模型登陆 Google Cloud】(来源: HN) OpenAI 宣布其模型将通过 Google Cloud 提供。这打破了 OpenAI 与 Azure 的深度绑定格局，云厂商与模型厂商的合作正走向多元化。 openai.com/index/openai-models-google-cloud/4. 【Patch the Planet：AI 智能体批量发现漏洞后的全球协同响应】(来源: HN) OpenAI 介绍了在智能体大规模发现关键漏洞后，如何与各方进行协调披露。AI 正在把漏洞发现速度推到人类修复能力之上，披露流程必须随之进化。 openai.com/index/coordinated-disclosure-of-critical-vulnerabilities/5. 【代码如今是黏土】(来源: HN) 作者认为在 AI 编程时代，代码变得廉价、可随意塑形和重写。这一观念转变影响着我们如何看待代码所有权、重构和工程质量。 albertodenia.com/writing/code-is-clay-now6. 【Launch HN: Alter (YC S25)——多用户智能体的访问控制】(来源: HN) Alter 为服务多个用户的 AI 智能体提供权限与访问控制层。智能体代表不同用户执行操作时，细粒度授权是落地企业场景的关键基础设施。 alterauth.com/7. 【我正在构建把文档变成可复用知识的开源支持工具】(来源: dev.to) 作者分享一个开源工具，让团队把已回答过的问题和文档沉淀为知识库。减少重复答疑是 AI 在客服与内部支持中最务实的价值之一。 dev.to/nathan_tarbert/your-team-has-answered-this-before-im-building-a-tool-that-remembers-56048. 【智能体的重试…

转发者评论

无明显转发评论

原文

老段子以 AI 视频形式复活了，并且在 B 站拿到了 500多万播放。b 站：言吾言_ i陆三金的微博视频

转发者评论

我取，这个很可以[good][嘻嘻]//@马少平THU:知识密度最高的短剧

• 我取，这个很可以[good][嘻嘻]//@马少平THU:知识密度最高的短剧

原文

「用Claude自动排版小红书轮播图」做技术、产品或案例拆解时，把长文重新切片排版往往很耗时间。开源的 Ian XHS Carousel 是一个基于 Claude Code 的实用技能，能将文字一键整理成 1080×1440 竖版（3:4）的产品界面风图文。它内置了 20 套母版并支持深浅色切换，涵盖代码、清单、对比与截图标注等版式。整个流程很符合直觉：输入内容后它会先梳理出一份分镜表等你确认，敲定后再自动渲染生成单页 PNG、全览图以及方便手动微调的 HTML 源码，省去了在作图软件里反复对齐文字的麻烦，也能让整组内容保持干净统一的视觉节奏。github：helloianneo/ian-xhs-carousel

转发者评论

无明显转发评论

原文

「把 AI 编程助手装进刘海：Coucou」运行 Claude Code、Cursor 或 Codex 时总要频繁切屏授权？开源小工具 Coucou 将智能体的运行动态直接常驻在 Mac 刘海或 Win/Linux 顶栏，还能同步至 iPhone 灵动岛与锁屏。代码 diff 与执行进度一目了然，遇到操作请求，点一下刘海或刷脸即可批准。它还集成了离线语音听写、无侵入会议纪要与文件拖拽提问，密钥仅存本地钥匙串，无任何数据遥测，把多任务交互打磨得很顺手。github： Louis-CFM/coucou

转发者评论

无明显转发评论

原文

老黄谈AI和通信行业的结合很久了，今天的GTC主题演讲里又讲到了（网页链接）。主要思路是让通信网络设施就近提供AI算力，还有用AI优化通信网络。通信运营商有遍布各地的机房、供电和光纤，在合适的设施里部署GPU，能就近提供AI算力。这样可以让通信和AI共用计算设备。同一套GPU服务器，既处理部分移动通信任务，也能为附近的工厂、摄像头、机器人提供AI服务，还能就近处理用户提交的语音、照片、视频等数据。另外，可以用AI优化无线网络。基站要同时服务很多手机，让各自的信号清晰，减少相互干扰，背后的计算和优化很复杂。AI可以帮助优化，让同样的频谱承载更多数据。GPU让复杂的算法有机会在严格的时限内运行。听上去很美，电信运营商已有覆盖广泛的基础设施网络，可以以相对较低的成本在上面增加一层就近的AI算力。不过，很多机房需升级供电和散热，大规模部署的实际收益尚待验证。#人工智能和通信结合##英伟达#

转发者评论

无明显转发评论

原文

这个网站确实值得存一下。它叫 今日热榜，传送门 tophub.today。它不生产内容，只做一件事：把每天散落在各个平台的熱榜，全给你汇总到一个页面上。微博、知乎、GitHub、Product Hunt、Hacker News、抖音、B站、豆瓣，基本你叫得上名字的平台，它都盯着。为什么要用它？ 因为信息太散了。你想看看今天有什么大事，得挨个App翻，翻完一圈，半小时没了。它把这件事压缩了，打开一个页面，几分钟扫完，今天互联网在聊什么，心里有数。内容创作者，找选题、追热点，一个页面看全所有平台的风向。AI从业者，Product Hunt和Hacker News的热榜都在上面，新工具、新模型第一时间就能看到。程序员，GitHub趋势榜单独列出来，今天什么项目在涨星，一目了然。普通人，不想被算法喂饭，又想快速知道今天发生了什么，打开它就行。

转发者评论

无明显转发评论

原文

好家伙！居然是华裔、东亚裔男主角啊？《#质量效应#4/5》的开发代号是“Mass Effect Univers（宇宙）”。在Electronic Arts昨天彻底关闭BioWare并取消该项目后，BioWare前雇员放出了该段预告。蛮带感的。乍看很像AI做的，脸都能看出来融得是谁……但是多家知名游戏媒体已经确认了该段预告的真实性。之前大概有50人在BioWare Austin（奥斯汀）制作“Mass Effect Univers”了约两年。个人感觉，“华裔、东亚裔男主角”，可能也是该项目直接遭石欠的主因之一。现代欧美对z/h/ō/n/g/ g/u/ó/和东亚将已近两百年的#去雄化#从未停止过；成功了的案例就比如#偷国#“XXXX团”之类。鄙人天朝郫县网“看过”已逾4600部，其中华裔、东亚裔男演员有主要的、积极的、正面形象的欧美影视剧，我一时半会儿都想不出来五六部，而99.99%也是偷国裔的。华裔、东亚裔男主角配欧美白人女主角的，就更加稀有了。但是华裔、东亚裔女主角搭配欧美白人男主角的，或者搭配非裔男主角的欧美影视剧，那便车载船装了。

转发者评论

无明显转发评论

原文

多智能体规模化运行后，安全该如何兜底？Anthropic 详细拆解其核心安全机制：实现“推理大脑”与“执行双手”的彻底分离！通过凭证保管库与出口代理机制，真实密钥完全不进入沙箱环境，从底层架构上根除凭证泄漏和越权滥用风险，干货拉满！#网络安全# AIGC·非著名程序员的微博视频

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

有一种嫌弃死了的客户给自己添麻烦的感觉~ //@白城以北:同意。“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。” //@冰冰富富:确实，通篇说明，机械般生硬，冷血。缺少了以人为本的人

• 有一种嫌弃死了的客户给自己添麻烦的感觉~ //@白城以北:同意。“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。” //@冰冰富富:确实，通篇说明，机械般生硬，冷血。缺少了以人为本的人

原文

今天早上看到极客公园关于 AI 漫剧的一篇报道，我感觉挺值得分享和思考的。我简单梳理了一下重点，大家可以看看。去年这个时候，做 AI 漫剧的人是什么状态呢？10 个人的小团队，一个月磨一部 80 分钟的剧，成本大概 10 万块，利润非常可观，用从业者自己的话说，叫“躺着都能赚钱”。一年过去了，现在是什么情况？一个人一个月能做三部剧，单分钟成本从 1000 块压到了 400 块，一部 80 分钟的剧总成本只要 4 万。产能翻了好几倍，成本降了 60%。听起来是好事对吧？效率提升了嘛。但钱并没有跟着多赚。酱油文化的创始人算了一笔账。去年公司一个月做四五十部剧，月营收大概两三千万。现在月产量冲到了两三百部，国内月营收还是两千万上下。量上去了，单价掉下来了，整体收入基本没涨。成本结构也翻了个个儿。去年花钱的大头是人工、剪辑、配音，AI 算力只占两三成。现在反过来了，Token 成本占到一半，人工只剩两成。人是省了，但算力贵了。海外的情况更卷。TK 平台上，6 月份一个月新上线还不到 1000 部剧，三个月之后就冲到了 20 万部。播放量越来越高，但分成越来越少。最早 1 亿播放能拿 14 万美金，后来 5 亿播放拿 12 万，最近 3 亿播放只分到 4 万美金。爆款的门槛也在往下掉。去年单部剧收入破千万才算爆款，现在能有十万、二十万收入就已经算头部了。与此同时，机构的优势在快速消失。阅文推出了 OPC 一站式平台，已经签约了 5000 多个个人创作者和小工作室，前十大个人创作者年收入都过了百万。酱油甚至做了一个很激进的判断：2026 年结束之后，中国可能就没有传统意义上的 AI 漫剧机构了，未来全是个体户。原因很简单。过去平台需要机构帮忙管产能，对接几家大公司就行了。现在平台的思路变了，与其依赖少数机构，不如扶持几十万个个人创作者，供给更充裕，风险也更分散。制作门槛已经降到了几乎为零。有人提到一个案例，一个初中女生用手机加 AI 工具，做出来的短视频有 300 万点赞。酱油文化自己也从巅峰期的 1500 人缩到了几百人，不是经营出了问题，是技术迭代之后真的不需要那么多人了。但这里面藏着一个让人不太舒服的悖论。制作没有门槛了，内容一下子涌出来了，一个月几十万部新剧上线，观众根本看不过来，更记不住。一个普通人靠一部作品拿到 500 万点赞，放在过去绝对是天才级表现，但现在几乎没有长期商业价值。观众不会记住这个人，也不会为他下一部作品付钱。今天你爆明天我爆，跟抽奖一样，爆款变成了一次性的流量快消品，沉淀不下来个人品牌，也成不了长效 IP。酱油有一句话说得挺扎心的：AI 从出来的第一天开始，就把成名之路给封死了。以前一部《铁齿铜牙纪晓岚》能流传三十年，现在做出同样水准的东西，也不可能有同样的传播度和记忆点了。太多了，淹没了。所以现在这个行业真正稀缺的，已经不是谁做得快、谁…

转发者评论

无明显转发评论

原文

爆肝实测四大国产AI神器！7大变态考题，逼出最野导演这一周的AI视频圈，简直是神仙打架。10月15日晚，可灵4.0全量上线，重点补强了大幅度动作和复杂运镜，单次原生生成最长拉到30秒。10月21日凌晨，YC孵化的VideoGen发布首个视频模型Model 1。同一天，火山引擎上线Seedance Managed Agent，瞄准短剧里剧本跑偏、剧情混乱的问题。按官方数据，剧情混乱问题减少了约54%。30秒原生生成、10分钟成片、剧本不跑偏……各家的目标越来越清楚：让AI从拍出一个好镜头，走向拍完一个好故事。我们用相同的提示词和参考素材，对可灵4.0、Seedance 2.5、MiniMax H3 Max和万相3.0做了一轮实测。🧠主要观点还得是Seedance 2.5，CP感一下就来了。黛玉托腮抿笑，悟空猴脸靠近，张力十足，两个人之间的小情调演活了。整体来说，Seedance 的指令遵循特别好，对于文生视频这种考验模型极限能力的场景，它的表现比较优秀，30s的场景可用性最强。Seedance 2.5按提示词要求，台下只生成一个老人，寂寥的氛围感立刻就有了。总的来说，Seedance 2.5准确完成了四次交接，在复杂指令遵行上更优。在镜头语言上，两家各有千秋。质感上，Seedance 2.5的更偏电影感，可灵4.0的画面有些油蜡感。谁能听懂导演，把一场戏从头到尾拍完整，谁就能拿到下一场战役的入场券。#科技先锋官#

转发者评论

无明显转发评论

原文

【21%只是开始！Q4出货量还要再跌27%：PC厂商被内存逼到墙角】2026年第三季度全球PC出货量同比暴跌超20%，多家行业机构确认这一降幅。核心原因是AI数据中心虹吸存储产能，消费级DRAM、SSD价格暴涨，吃掉整机近四成成本推高售价压制需求，仅苹果出货逆势增长，Q4出货量还要再跌27%。

转发者评论

无明显转发评论

原文

Linus Torvalds开始用Claude整理Linux内核代码了。网页链接这次主要工作是淘汰一批历史遗留的内存访问接口，改用更安全、更符合现代硬件特性的实现。Linus 提到他部分使用了 Claude 来完成大规模、重复性的代码迁移，把它形容为一个增强版的 Coccinelle（代码自动重构工具）。修改将在Linux 7.4内核里体现~

转发者评论

无明显转发评论

原文

【技术分享】算法工程师的一天是“改代码—提交训练—等待—看日志—决定下一步”，过程中还经常被打断。团队从 Karpathy 的 AutoResearch 出发，经过三次架构重构，搭建出一套可在企业云端训练平台使用的算法研究自进化系统：系统从单线程 LOOP 探索升级为 CyclicGraph Engine 图探索架构，用状态机保证长周期运行的稳定性，并通过“业务知识库 + 真实大闭环 + 经验自动沉淀”实现系统自进化、越用越好用。在结构、目标与场景均不相同的两个业务建模项目中，单任务完成耗时较人工基线分别减少约 85% 与 83%，其中一个算法模型已将系统自主推导的方案推全上线，并取得线上收益；另一个多目标项目中，系统产出的方案在全部 12 个预估目标上同时超过人工基线。两个项目唯一的共同点是同一套系统架构，说明增益来自架构本身。本文分享这套系统的设计理念、架构演进与可信度设计，希望对大家有所帮助或启发。阅读更多技术细节：网页链接#How I AI#、 #AI#、#大模型#

转发者评论

无明显转发评论

原文

公路开到一半，突然连着整片海岸竖了起来。房子还在路边，海浪还贴着岸线，只是世界换了一个方向。今天让空间像书页一样折起。城市、雪原、泳池都能试，适合做概念海报、旅行幻想和短片场景。🎯核心提示词生成一张独立3:4竖版无字超现实空间摄影，场景为【场景】，保留【识别元素】。把一整片连续场地沿一道清楚折线向上折起约90度，形成相连的水平面与竖直面；【连续线索】跨过折线，在两面上连续衔接。地表纹理随平面转向，附着物始终垂直于各自所在的局部地面，不能所有物件都朝画面上方。两面交界必须是空间折转，而非普通远处的墙、镜子、倒影、拼贴或悬浮岛。采用【机位与构图】，同时看见两面及折线，四分之一画面留给安静的天空或纯净空气。光色为【光色】，材质为【材质】；统一光源、真实接触阴影与大气透视，清晰细节、细腻胶片颗粒，建筑摄影与电影场景质感，避免塑料微缩模型感。加入【叙事细节】作为微小尺度线索，主体仍是空间而非人物。仅一张完成图，无文字、字母、数字、商标、水印、边框、分格或对照；无重复主体、灾难破碎、拉伸拖影、鱼眼畸变，不复制现有艺术作品构图。文字设计：仅出现中文标题【中文标题】与英文【英文标题】。中文为主要阅读层，使用【中文字形】，通过大小差异、错位和横竖转换呼应场地折转，关键笔画完整可辨。英文使用【英文字形】，沿【文字路径】跨过水平面与竖直面，随空间发生透视转折，成为画面结构的一部分。中英文形成主次与疏密对比，不逐行重复翻译，不全部堆在顶部。文字配色为【文字配色】，与背景有清楚对比；允许局部被景物遮挡，但不能破坏识读。将【留白区域】保留为连续、安静的负空间，不填说明小字。文字与画面共同表达【标题巧思】，不额外添加口号、日期、标志或水印。示例参数 【场景】海边住宅街区 【识别元素】白墙红瓦低层房屋、青绿色海面和沿岸道路 【连续线索】一条带细白色边线的沿海公路 【机位与构图】高处斜俯视，水平海岸在下部向右延伸，远端整片海岸折起，折线斜穿画面中部，左上大块天空留白 【光色】清晨青绿海面、奶白墙体、赭红屋顶，暖阳从左侧照入 【材质】风化灰泥、陶瓦、粗糙柏油和细小海浪 【叙事细节】一辆很小的黄色巴士停在水平道路上📌一句话总结让一条连续线跨过折面，观众才会相信整个世界一起转了弯。##德里克文[超话] ##德里克文的ai学习笔记 ##AI创造营 #

转发者评论

无明显转发评论

原文

#Meta被重罚250亿美元#meta太惨了。先是投元宇宙，亏了一大笔钱。AI出来后，搞了一个llama大模型，开源的，刚刚挽回一点口碑。结果在deepseek的压力下，动作变形，llama4训崩了，团队大量出走。重整团队之后，搞了一个muse的personal agent，刚刚回正轨，又被重罚。小扎本是犹太人，但是跟老的一派不是很对付。是不是老牌的犹太资本给他使的绊子？

转发者评论

无明显转发评论

原文

【通用要搞“速成车”？将借助Ai将新车研发周期缩减一半！】在GM Forward 2026技术沟通会上，通用汽车公布重磅规划：将依托AI与虚拟化仿真技术，把传统4至5年的新车研发周期缩短一半，最快压缩至两年。通用介绍，AI将贯穿整车研发全链条：在设计环节，AI可根据草图快速生成多款方案与动画，原本耗时数月的工作，一天内就能完成；空气动力学测试依托虚拟风洞，从几十小时压缩到几十秒；车体结构仿真分析，也从数月缩短至数小时。在新一代富锂锰基（LMR）电池项目中，工程师还没有打造实物样件，就借助AI完成超30万种方案的虚拟评估，仅仅一个月，就完成电池包概念设计到立项审批。同时通用会搭建数字孪生工厂，零部件参数、材料特性、生产指令全部数字化，任何设计改动先在虚拟空间反复验证演练，确认可行之后再落地产线。

转发者评论

无明显转发评论

原文

【马斯克：网上很多震撼的人形机器人演示只是预编程】日前，在X Takeover访谈活动上，马斯克就当下火热的人形机器人赛道分享自己的观点和看法。他指出，网络上大量观感震撼的人形机器人表演视频，绝大多数并非依托先进通用 AI，而是提前编排好的固定脚本、预编程动作，部分甚至依靠后台人员远程操控完成。马斯克认为，真正具备智能的机器人，核心能力是处理从未见过的陌生场景与任务。预编程机器人只能在布置好的固定环境里重复排练好的动作，一旦物品位置变动、出现未知障碍物、环境发生改变，就很容易失效卡壳，无法落地到真实的工作与生活场景，这类表演只能用来展示动作能力，不能等同于机器人拥有自主智能。

转发者评论

无明显转发评论

原文

#岛叔微评#【“苦命小海”收割老人骗局怎么破】最近，短视频平台涌现出一批名叫“小海”的账号。镜头里的少年单亲、窘迫，一口一个“姨姨妈妈”叫着，让不少中老年人心疼；收获完一波同情，立马开始带货，评论区有人留言：“宝贝儿子，妈妈订4单”。有记者调查发现，所谓“小海”是AI数字人，在网上花几块钱就能买到全套教程与话术，分分钟批量生成无数“小海”。人是假的，卖货质量可想而知。年轻人看到这些一眼假AI的视频，可能随手划走，但对一些中老年人来说，很难分辨真人和数字人，即使视频里有一行标注“AI生成”的小字。老年人数字素养有限，可能搞不懂“AI生成”的含义，甚至以为是某种“特效”；不少中老年人情感空巢，黑心商家瞄准的他们孤独需要陪伴的需求，玩起“情感杀猪盘”。法律问题专家岳屾山表示，使用数字人编造故事、消费同情心卖惨带货的行为，与真人“卖惨带货”在法律定性上并无本质区别，都涉嫌构成消费欺诈，消费者可依法主张“退一赔三” ；若情节严重，甚至涉嫌构成诈骗犯罪。今年9月，中央网信办部署开展“清朗·整治短视频虚假人设乱象”专项行动，提出“督促网站平台切实履行内容审核义务，不得借已标注虚构演绎、AI生成、营销、转载、个人观点等内容标签及无不良导向声明规避网络生态治理相关要求”。岳屾山指出，互联网平台适用“避风港原则”（注：指平台在收到权利人的侵权通知后及时采取删除、屏蔽、断开链接等措施，即可免除侵权责任），但不意味着平台无条件免责。若明知相关账号长期实施欺诈带货行为，或多次接到相关举报仍放任不管，平台就不能免责。遇到此类情况，平台不能止步于给视频打标签，或等有人举报后再处理，更要在算法推荐、风险预判、动态审核等环节积极作为，及时中断相关违规违法行为，更不能给违法违规行为流量倾斜，不能任由黑产团伙用几块钱的AI工具，向防范意识薄弱的老年人狂轰滥炸。类似“小海”这样的事还有不少，比如有账号“AI偷脸”公众人物带货，还有“假靳东”“假刘欢家属”等事件。关闭这些账号相对容易，但清除它们的土壤依然任重道远。

转发者评论

无明显转发评论

原文

「Anthropic发布Claude Duet：更懂分寸的主动型个人AI助理」不同于以往“有问才答”的对话工具，基于Opus 5.5的Claude Duet更像一位能独当一面的幕后搭档。它每天清晨会自动递上一份晨报，梳理待办日程与业务要点；借助6000多款连接器和插件，它能接手搭建数据看板、整理材料、跟进合同等复杂任务，在云端独立推进。更难得的是它懂得适时保持安静，只在发邮件或对外付款等关键节点才请你定夺，省心且守得住安全边界。目前该功能已在美区向Pro与Max订阅用户开放候补，支持手机与网页端体验。claude.com /product/claude-duet

转发者评论

无明显转发评论

原文

2027 年前值得掌握的 12 项 AI 技能：1 提示工程2 AI 工作流程自动化3 AI 代理4 RAG5 多模态 AI6 自定义 AI 助手7 语音 AI 与头像8 AI 工具堆叠9 AI 视频生成10 AI 应用与 SaaS 构建11 LLM 可观测性12 保持更新但是不要犯一夜之间学一切的错误。

转发者评论

无明显转发评论

原文

【OpenAI发力冷门语言：老旧系统改造有了新解法】COBOL与Fortran等低资源语言支撑着全球大量银行交易与核心基建，却因文档缺失和人才断层极难维护。为此，OpenAI针对性强化了代码理解与转换能力，并推出两项新基准：用20种语言从零构建SQLite引擎的MultiLangBench，以及验证业务逻辑逐字节一致的COBOL迁移测试。实测中，GPT-6 Astra多语言测试平均通过率达87.4%，GPT-6.1 Sol迁移准确率高达97.9%，且调用成本显著走低，切实化解了关键老旧系统的迁移难题。openai.com /zh-Hans-CN/index/low-resource-programming-languages/

转发者评论

无明显转发评论

原文

#AI裁员越来越普遍了#大家都在说 AI 替代了谁，很少有人说 AI 创造了什么新的岗位。但是，想过没有，我们使用的这些 AI 工具，它们本身就需要人去运营、去调优、去做场景适配。老干妈用 AI 做营销，那套系统也不是凭空就能跑起来的，背后一定有人在配置、在调整、在盯着数据看。这些工作以前压根不存在。问题在于，消失的岗位和新出现的岗位，需要的技能完全不重叠。一个播了十几年天气预报的主持人，你让他去做 AI 系统的运维，这个转型成本太高了。所以短期内，阵痛是真实的，尤其是对那些岗位内容高度标准化、重复性强的人来说。不过话说回来，每一次技术变革都会经历这个阶段。汽车出来的时候，马车夫也慌过。ATM 普及的时候，银行柜员也慌过。最后的结果是，总量上的就业机会并没有减少，只是结构变了。但"结构变了"这四个字，对具体的个人来说，可能就是人生轨迹的彻底改写。宏观上的乐观，不能替代微观上的残酷。这大概就是这件事最拧巴的地方。#科技先锋官#

转发者评论

无明显转发评论

原文

硅谷AI科技圈实在太小了。后知后觉，Alexandr Wang与Sam Altman在COVID-19疫情期间曾是室友，在旧金山合租过房（奥特曼是公开的同性恋者 😉）。en.wikipedia.org/wiki/Alexandr_Wang#AI八卦#

转发者评论

无明显转发评论

• [允悲]竟然还有这层关系

原文

#微博声浪计划# #听见微博# 今天AI领域的新闻既有DeepSeek这种初创公司传闻要拿到一笔差不多1000亿人民币的天价融资，也有Canva这种设计平台推出了能先排版再画图的AI模型，还有像1Password这样的密码管理工具，开始给AI智能体发“通行证”了。前往小宇宙评论区与主播互动 德里克文的微博音频

转发者评论

无明显转发评论