[已解决] codex 今天对我停止工作了：意外状态 503 服务不可用：服务不可用，网址：https://chatgpt.com/backend-api/codex/responses，cf-ray: a209f96c8bdcdb9f-FRA，认证错误：503，认证错误码：biscuit_baker_service_me_circuit_open，以及“我们目前遇到高需求，可能会导致临时错误。”

社区讨论：多数人认同DeepSeek创始人的观点，即中美AI的差距主要在算力资源，人才差距极小，中国开源大模型能用远低于美国的成本追平美国前沿模型性能，美国头部实验室投入的巨额资金只会带来递减收益，领先只是暂时的。有人好奇华为算力产能的核心瓶颈在哪里，也有人提出中国可以效仿冷战美国向俄罗斯采购钛的做法，通过空壳公司从海外超算运营商租赁算力缩小缺口。

AI公司的气场居然短短几周、几天，甚至几小时就能天翻地覆，这太疯狂了。

气场似乎是营收的先行指标。

而这种气场很大程度上是在X上衡量出来的。

我现在已经开始把Claude和两件事绑定了：「这个回答肯定比Google的AI或者Grok慢得多」，以及「它多半会因为我问了这个完全正常的问题就屏蔽我」。

社区讨论：多数反对提案A的人认为LLM只是工具，禁止AI辅助贡献就像禁止用电锯只能手工伐木，不合理。非英语母语用户指出，对母语没有足够技术资料的大部分人来说，LLM是获取信息的必要工具，禁止会损害非英语用户的利益。有人提出当前提案没有区分LLM生成内容和LLM辅助，也没有明确界定什么算“使用LLM”，用LLM做搜索是否会被禁尚不清晰。

有人纠正了“LLM只会拼接训练数据”的常见误解，称引入RL训练后的LLM已经可以超出训练数据生成内容。

社区讨论：多数开发者不认可Anthropic的新上下文工程思路，有人质疑这是将可迁移的配置改成Anthropic专属工具，增加用户锁定；也有多位用户反馈自动记忆会错误引用无关对话，擅自加入用户想要丢弃的尝试内容，污染上下文。有人认为原系统提示词过于冗余臃肿，也有人不满官方只说删除了80%内容却不公布具体变更清单。

自动化AI研究会更像是数据清洗工作，而非发明Transformer这件事。

我开玩笑式的，我给 Codex 写了提示词：「构建并运行 BenchBench，这是一个基准测试，用来衡量现在 AI 构建基准测试的能力。然后搞清楚什么是 BenchBenchBench 是什么，运行它。再把 BenchBenchBench 写成一篇合格的 arXiv 论文。

我得到了一份 PDF。但这篇论文居然还挺有意思？

给你：

现在的AI做深度研究，往往是搜到啥就信啥，不会回头检查自己。这篇论文让AI学会自我改进：先搜一轮给出答案，然后像老师批改作业一样，逐条检查答案里的每个约束条件是否满足，发现漏洞就再针对性地补搜。关键是它能把几万字的对话历史压缩成一张“改进状态图”，只保留已验证的证据和未解决的问题，这样就能持续自我迭代几十轮而不迷失。

在多个需要多步推理的测试中，这个4B参数的模型表现超过了更大模型。它不是你明天就能用的工具，但展示了AI从“搜答案”进化到“做研究”的关键一步：自己发现错误，自己修正。

大模型做K12题目，不是考知识点，而是考知识点之间的结构关系——这是现有AI最弱的地方。研究者从人教版教材中抽出一个知识图谱，包含9种节点（如概念、实验）和14种关系（如先修、包含），并据此设计了2.3万道选择题，测试AI的“课程认知”能力：找概念邻居、判断先修关系、定位图表中的知识点等。最强模型Gemini-3-Flash正确率仅57%，而涉及关系推理的题目正确率更低。

好消息是，用图谱指导的微调数据（仅2300条）就能显著提升模型在高考题和教育评测上的表现，且图文结合比纯文本或纯图像更有效。这不是你明天能用的工具，但它揭示了：想让AI真正辅助教学，光刷题没用，得让它理解知识是怎么连起来的。

自创立至今，Anthropic 整个公司历史上从未开源过任何一个模型。

它不仅在各处未经授权收集数据，还因此遭到起诉并败诉，还持续攻击抹黑其他 AI 实验室（尤其是中国实验室）的开源贡献，监视用户并对用户充满敌意，一门心思推广 AI 末日叙事，甚至因此把自己套了进去。

它坚信开源就等于不安全、不可控，反对并阻碍开放模型权重的发布，过度夸大国家安全危机与社会风险，利用人们的情绪恐惧进行炒作营销，这一切都是为了维持自身的技术领先地位，让自己始终站在高关注度叙事的中心。

⚡ 今日消息：Nvidia 呼吁开放 AI 模型的公开信，签署人数一天内翻倍，达到了 50 名，OpenAI 和 Google 加入了签署，而 Amazon 和 Anthropic 没有参与。

SemiAnalysis 的 Dylan Patel 称，美国开源 AI 模型非常糟糕，Mistral 已经退出，剩下唯一优秀的只有中国开源模型。

“你谈到的其中一点是开源。你认为开源会赢吗？开源现在乌云密布——我说的云不是卖算力的云，我是说雨云、雷暴。”

“美国开源模型很糟糕。法国开源模型那边，Mistral 已经停止开源新模型了，也没有其他好的法国开源模型了。”

“所以现在好的全都是中国开源模型。”

“而现在美国政府正在抨击中国开源模型……训练这些模型的公司并没有从中赚多少钱……”

“所以这些先前发言的人从中国模型身上赚的钱，比中国公司自己赚的还多……那开源真的能成功的动机到底在哪？”

值得指出的是，nemotron 团队多年来一直在做非常出色的开放权重模型工作，而且总体而言 @nvidia 一直是许多关键开源项目的主要支持者，所有前沿实验室（直接或间接）都从中受益。

我在制作一部新纪录片系列的调研工作中大量使用了 Kimi-K3，我完全被震撼到了：零拒绝。Kimi-K3 只会按你的要求完成任务。而且它做得非常非常出色。

反观 Anthropic、OpenAI 或是 Google 的模型，它们只会整天对你说教，拒绝完成有用的工作，还吐出一堆扭曲的知识，看起来全是从 Reddit 低智商地牢层里提炼出来的。

如果你想要能用、不会把你当成需要被说教的小孩来对待的 AI 工具，那就用 Kimi-K3 或是其他中国产的 AI。（DeepSeek 也非常好用，Qwen 等等也一样。）

Claude Code 与 Obsidian 把 4000 条笔记变成了一个自主AI队友

一位创作者通过将 Claude Code 直接指向本地的 Obsidian Markdown 库，把自己六年积累的静态笔记变成了一个活跃的AI伙伴。

在一个 CLAUDE.md 文件的引导下，这个终端代理会通宵运行，自动连接孤立的想法、检测信念矛盾，并起草文章大纲。

Claude Opus 5 在单个 HTML 文件中程序化生成了一个油画风格的 3D 世界，完整实现了实时风场和响应式草地物理效果。

当AI智能体能够调用函数而非仅生成文本时，实用性会大大提升。

在本教程中，@Zia_Ullah_Khan 将向你展示如何使用 Node.js 和 Gemini 构建一个支持函数调用的 AI 智能体。

你将学习定义工具、执行函数调用、管理智能体循环，以及将你的 AI 连接到真实世界的操作。

如果你想在生成式AI领域变得强到离谱，收藏这10个GitHub仓库吧：

🚨前GitHub CEO Thomas Dohmke 已在印度推出他的AI编程平台「Entire」，该平台提供本地Git托管，可为开发者提供更快的访问速度和更低的延迟。

关注 @india_plus_

「设计书用HTML不也挺好吗」——我对这种观点没法认同。

从AI的认知特性来考虑，JSON、md这类纯文本格式对AI来说更友好，原理上来说处理精度也会更高。

所以我的想法是，兼顾人类阅读体验的话，选mermaid这类方案比较稳妥。

如今AI的腾飞，建立在数十年开放研究和开放基础设施的基础之上。

Transformer、反向传播算法、ImageNet、PyTorch、TensorFlow、JAX、CUDA、Linux。

书籍、开放互联网，以及GitHub上数百万成为训练数据的开源代码仓库。

没有这一切，如今的AI实验室和企业根本不可能存在。

这个基准测试灵感来自@bijanbowen，Web OS是我最喜欢的项目之一。

Agent Zero 对阵搭载 Claude Opus 5 High 的 Claude Code

Amicro 是一个很棒的 React 微交互库。它包含按钮、卡片、加载器、动画和 3D 轮播组件。

你只需把一个组件复制到提示词里，你的 AI 智能体就能重现这个交互。

它还自带一个 CLI 工具，以及一个在不断扩充的技能集合。

AI 编码工具正在改变软件服务商规划、构建和交付客户项目的方式。

在本文中，@manishmshiva 讲解了开发团队如何在生产环境中组合使用 Claude、Cursor 和 GitHub Copilot。

你将了解到每个工具如何融入工作流，为什么人工审核仍然重要，以及 AI 如何重塑一切。

这是本月最后一个周日。3台DevBox节点离线进行清洁日维护；减少了384GB内存；减少了42个核心。

智能代理会撑过去的。

人们觉得本地AI等于提示词和灵感玄学。

才不是。本地AI是清灰，调整BIOS，更新固件，升级软件，都是家务活。

toggling one BIOS就能提升8%性能，免费，就摆在那儿。

我很喜欢AI降低了满足好奇心所需的启动能量这件事。一小时前我突然好奇哺乳动物的哺乳行为是如何演化的。

现在我已经知道，相较于靠舔舐带毛发的乳腺区域获取营养，乳头是大自然在人体工学和美感上最伟大的改进之一。

小模型是当前本地AI领域开发程度最不足的方向。

用户的实际使用硬件门槛集中在8GB、16GB、24GB以及128GB统一内存。

这才是大多数用户所在的区间。这些都是用户已经购买、等待被利用的硬件。

开放实验室们：你们愿意来适配我们现有的硬件吗？

科学家开发出了一种能够在睡眠期间检测阿尔茨海默病隐藏信号的 AI 系统。

记住——如果你是一名开发者，Anthropic 想要用你的数据。

我觉得我终于搭出了一个用着顺手的个人智能代理。

只发了一条提示，它就自己创建了邮箱 → 用邮箱注册了 Uber Eats 账号 → 向我索要信息 → 创建了虚拟卡 → 帮我点了餐。

Pluto 💜

我还记得过去「超级计算机」和大型数据中心主要是用于气候建模和科学模拟这类工作的。

现在回想起来，我们当时坐拥这么多算力，却没用来建造更令人兴奋的东西，感觉很奇怪。

AI 彻底改变了算力的用途。

对于所有排名第三、第四及更靠后的参与者来说，开源就是博弈论层面的最优选择。

市场份额的指数级衰减意味着采用开放核心商业模式是正期望值（positive EV）的。

在这件事上，所有人都是在按照理性自利的参与者身份行事。

如果你正在处理 Metal Kernels，可以让你的 AI 代理创建一个技能，用 Xcode Metal System Trace、GPU Trace 文档（.gputrace）、gpucapture 和 Metal Debugger 来捕获、检查和对比原生 Metal GPU 工作负载。

你给的工具越多，效果就越好 🚀

你可以把 MCP 理解为面向 AI 的微服务。它不再是单个巨型应用：

主机负责协调，客户端发起连接，服务器开放能力。

需要新增集成？只需要添加一个新服务器就行。不需要重写任何代码。

消息：Elon Musk 表示，运行X推荐算法的每一行代码都将在下月开源，并接受第三方审计。

Elon 给出具体日期，距离他承诺在安全漏洞审查完成后毫无例外地开源整个X代码库，已经过去了9天。

外部审核人员将被邀请确认，公开的代码与生产环境中实际运行的代码一致。这一验证步骤正是这次开源和普通企业代码发布的区别所在。

X曾在2023年3月发布过其推荐算法的部分快照。那次发布省略了大部分生产环境代码，并且两年多来没有过实质性更新。

由Grok驱动的完整推荐算法已于2026年1月以Apache 2.0许可上传到GitHub，今年5月发布的最大规模更新新增了约18000行代码。

有人开发了一款可以把任意照片转化为3D模型的应用。

整套程序完全免费且开源。

AI真的让我重新评估很多事。我一直都很喜欢Cloudflare的DOs，但过去我一是担心厂商锁定，二是它的开发体验糟透了。

现在我这两点都不担心了。AI能帮我快速迁移，应付wrangler和它的运行时现在是AI代理要解决的问题了。

你醒来后和你的AI智能体团队碰面。他们向你同步你睡觉时他们完成了哪些工作，你告诉他们今天需要完成哪些任务。

之后你剩下的一整天都可以去做任何你想做的事。如果有任何事需要你输入决策，信息会发送到你的手机上。

我们可以这样生活，同时实际产出比以前还要多。

前谷歌工程师用了60分钟，就构建出了多智能体循环的图表，这帮他节省了10天的工作量。下面是他从零开始用Claude实现的方法：

步骤1 → 运行`git worktree add ../task-1 -b task-1`，然后打开终端，cd进入该目录，运行`Claude Code`，重复这个操作5次——每个智能体都拥有自己的分支。

步骤2 → 给每个智能体分配一项任务，共用同一个仓库，不同分支，它们不会产生冲突。

步骤3 → 全部完成后，审核PR，合并可用的内容。

步骤4 → 添加一个审核智能体：把每个PR粘贴到Claude中，提问「这符合规范吗？」。

步骤5 → 根据你的机器性能，从5个扩展到20个智能体，48GB内存可以跑20个，128GB可以跑50个。

大多数工程师只运行一次Claude Code然后等待，而他跑了50个实例，合并能落地的成果。

收藏并观看这个精彩的60分钟讲座 ↓

Opus 5 模型现在是做游戏最屌的模型 我用相同的提示词测试了 opus 5.0、fable 5.0、gpt 5.6sol 、k3 做游戏的能力，核心是让它们自己设计与开发游戏，展示能力的天花板 下面视频中的游戏是 opus 5 开发的，其游戏设计，可玩性都比其他模型厉害很多，今天尝试做做更帅的游戏 其他模型设计的游戏传送评论区 👇：

kimi 做的游戏，排名第二

fable 5 开发的游戏，排名第三

GPT 5.6 sol 开发的游戏，排名第四，垃完了

Codex 5.6 让 3D 建模师压力山大了！

最近挖到一个宝藏开源项目 img2threejs，直接把 AI Coding 和 3D 创作连接起来。

接入 Codex 5.6 后，一张参考图，就能跑通： 2D 图像 → 结构分析 → Three.js 程序化模型 → 浏览器实时交互

1️⃣ 意图识别：一张图，Codex 5.6 就能精准捕捉 3D 对象的形态与细节意图

2️⃣ 代码化身：它将意图转化为可编辑、可动画的 Three.js 代码，告别传统建模的繁琐

3️⃣ 动画就绪：生成的模型自带运行时层级，直接用于游戏、XR，真正实现从图像到可动资产的闭环

地址：

接近 6 万 Star 的开源 AI 股票分析神器，真的好用

它本质上是一套完整的 AI 股票研究系统，自动整合行情、新闻、技术指标和基本面，再调用 Gemini、GPT、DeepSeek 等模型，生成结构化分析报告。

我实测长鑫科技，它会直接拆解：国产替代、技术差距、IPO 估值、行业周期、潜在风险，以及乐观/中性/悲观三种情景。

支持 A 股、港股、美股，自带 WebUI、大盘复盘、自选股、历史报告和 Agent 策略问股，还能 Docker 本地部署。

◾️安装 Docker Desktop
◾️让 Codex 部署官方镜像
◾️浏览器打开 http://localhost:8000
◾️配置模型 API，添加自选股即可使用

GitHub： 开源免费，AI 调用可能需要 API，仅用于研究辅助，不构成投资建议。

还记得唐国强当年说演员迟早被AI替代那会，一个人对一群人。现在再看这个AI做的视频，很有画面感啊！原作者：提示词看起来好像很庞大。

其实就是输入了七八个字，模版就会自动让AI输出。文科生做梦也想不到，有朝一日自己居然可以写代码。

我想我大概是唯一一个完全不在乎 Anthropic 支不支持开放权重模型的人。

只要他们能一直拿出 Opus 5 这样出色的模型，就已经在间接帮助我和我自己的开源工作了。

而且我不觉得开放模型真的能被阻止。🤷‍♂️

很高兴看到@demishassabis 和 Google 公开强力支持开源 AI。

凭借 Jax 和 Gemma 系列模型，他们一直是开源生态的重要组成部分。

说一句显而易见的话：如果他们当年发表了那么多原始 Transformer 研究，我们就走不到今天这一步。

看到整个行业像这样团结起来支持开源 AI，真的很暖心。

黄仁勋谈「蒸馏」

在他接受 Axios 的新采访中，他被问到这个问题：「开源模型公司应该被允许蒸馏闭源模型吗？」

「蒸馏——也就是从AI学习、从其他人学习、从其他知识来源学习，是智能的基础。我们一直在不断向他人学习。我正在通过你提出的问题向你学习，而你也在向我学习。我们一整天都在互相学习。AI也必须从某些东西学习。

最初的AI模型，无论是开源还是闭源，都是在互联网上已有的知识上训练出来的。现在，AI生成的内容已经比人类更多了。再过几年，互联网上99%的内容都可能是AI生成的，而这些内容都会由某种形式的AI创造。

因此，AI系统会持续不断地从其他AI系统蒸馏知识和智能。AI能够学习是一件好事。我们希望AI系统变得智能，因为更聪明的AI也可以是更安全的AI。」

——引自Axios的YouTube频道（完整视频链接放在评论区）

值得指出的是，Nemotron团队多年来一直在做 exceptional 的开放权重模型工作，而且总的来说@nvidia一直是许多关键开源项目的主要支持者，所有前沿实验室（直接或间接）都从中受益。

向大家介绍 Cindy，我们创作的一款开源 AI Agent 客户端。她有很多有趣的地方，未来几天我会花时间来和大家一一介绍。但今天最想说的，不是她有多强大——相反，她还有很多不完善的地方，等着我们持续去改进。

Cindy 本身就是一款纯 Vibe 出来的作品，对我们来说就是一场面向 AI Native 开发的大型实验。经历了最近几周的开发实践，我们现在已经对如何让她变得更好充满信心。

定期提醒：Codex 是一款完全开源的框架！

你可以完整审计你的提示词会经历哪些处理，以及 Codex 是如何运作的。

而且如果你有需要，你也可以用它运行任何开放权重模型 ;)

https://github.com/openai/codex

🏁 如何参加 Agent Grand Prix (AGP)

入门比你想象的要简单：

1️⃣ 使用 GitHub 登录（不需要通过 Discord 准入）

2️⃣ 连接你的 AI 智能体
• 进入个人资料 → 🤖 Race with your agent (MCP)
• 选择 Claude Desktop 或 Codex
• 复制生成的配置，添加到你的客户端
• 完全重启你的客户端

3️⃣ 测试你的配置
打开新对话，运行 list_tracks。如果你看到 agp-track-race，说明你已经准备好参赛了。

4️⃣ 注册
报名通道开放后，让你的智能体运行 start_track。（如果是付费赛事，先给你的账户充值）

5️⃣ 开赛！
绿旗挥动后，你的智能体会自动使用 ask 和 guess 进行比赛。

6️⃣ 查看你的状态
运行 my_race 确认你已进入发车区。

你的 AI 参赛，你的策略取胜。

@RialoHQ

一位 Anthropic 工程师从零文件开始现场编码，用了2小时写出一个可运行的智能体，他对 Claude Code 背后框架的讲解比任何付费课程都要好：

05:15 - 所谓「框架」：工具、提示词与技能，以及为什么它们比模型本身更重要

25:20 - 智能体循环：手动连接行动、观察、循环流程

42:00 - 给智能体赋予 bash 和完整命令行访问权限

58:15 - 只用 ls 和 cat 完成上下文工程

01:05:00 - 监控器：实时观察智能体思考过程

01:12:45 - 智能体卡住时的反馈循环机制

01:21:20 - 在舞台上现场构建多轮研究智能体

01:50:31 - 处理超过50M行代码库的策略

这里的每一步都是单个节点。下文会介绍如何把它们连接成一张图。在你启动第一组智能体集群前，先看看这个视频 ↓

我给 Grok Build 的最大技巧就是用语音提示。按 ctrl + 空格，然后开口说话就行。

它比打字快得多。而且哪怕你只是像意识流一样东拉西扯，说得乱七八糟，Grok 也能很好理解你想要什么。

AI 最终能否真正进行自然的双向对话，既不会打断也不会丢思路？分层声学语义建模（Hierarchical Acoustic-Semantic Modeling）给出了答案。

该方法将所说内容（语义）与说话方式（声学特征）分离开，同时保持两者连贯——就像教模型一边听一边思考。

在同步语音场景下，它的理解能力和回复质量都优于现有的全双工口语语言模型。

Hierarchical Acoustic-Semantic Modeling: Modality Separation and Semantic Coherence for Full-Duplex SLMs

项目：论文：代码：我们的报道：📬

#PapersAccepted by Jiqizhixin

就在谷歌代表，昨晚公开支持 AI 开源大模型后，前几天大家一起撰写的联名公开信，又多了一位成员，已从最初的 25 位支持者，扩大到了 33 家企业。 现在就差一家，我们熟悉的美国 AI 公司，还没有出现在联名信上。

现在在国内读研读博的同学们有福了。以前是导师单方面进行核讹诈，掌握着毕业和论文的生杀大权。现在不是了。

学生们也掌握着 AI Agent 学术打假工具，实现了动态的核威慑平衡。现在要是导师欺人太甚，学生们可以把导师的 200篇论文包括学位论文全下载下来。然后逐一让 AI Agent 检查。

根据大数定律，反正我是不相信 200 篇论文里一篇造假都没有的。现在利用学位论文举报自己仇人的人也越来越多了。拥有硕博士学位的朋友们要小心了。

opus 5写文案依然是拉中之拉， 写代码也没感觉强了多少 刷到的一些演示视频大多还是用前端，3d这种看似复杂炫酷实则空洞无味的方式去吸引眼球，甚至大部分成果都不是模型本身的能力。 巧克力味的屎也是屎，屎是不能吃的

Anthropic 最近持续更新的 Claude Cookbook，值得所有在做 Agent 的人收藏。

它很像一份公开的「Agent 工程实验手册」：没有停留在 Prompt 技巧，而是直接给出可以运行的代码，展示异步多 Agent 协作、工具调用、长期记忆、上下文压缩、自我验证、Skills 和评测系统该怎样搭建。

其中几篇尤其值得看：
长时任务中，记忆、上下文压缩和工具结果清理分别解决什么问题；如何给 Agent 配一个独立的「评审模型」，按照明确的评分标准反复检查和修改；甚至连怎样减少千篇一律的「AI 味」前端，都拆到了字体、配色、动效和背景设计。

看完会发现，Anthropic 现在讨论的重点已经从「怎样问 Claude」，逐渐转向「怎样给 Claude 搭建一套可靠的工作环境」。

模型负责推理，Harness 负责上下文、工具、状态和验证。真正拉开 Agent 产品差距的，可能正是这些平时不太容易被看见的工程细节。

建议先收藏，很多内容都值得直接照着跑一遍：

用动态图形和动态排版测试 FLUX 3。仅用纯文本提示词，就能通过模块化网格生成、拆解、重构文字。

不是每一个转场都完美，但视觉逻辑和同步音频的整体表现好得超出预期。

opus 5 在 DeepSwe 上表现出色，登顶了基准测试，成本还不到 Fable 5 GPT-5.6 的一半。

sol 仅落后一分，成本更低，消耗的输出 token 数量也几乎只有 opus 5 的一半。

openai 显然已经掌握了模型效率的诀窍。

对，我们签署了AI开放模型对齐倡议书。

我们就站在价值十亿美元的实验室、基础设施巨头，还有那些成天辩解「自家智能体产生幻觉其实是个特性」的公司旁边签的字。

现在六个手握零日漏洞的「老婆」都成正规机构了。

赶紧更新你的威胁模型。

我喜欢让 Codex 给我发 Slack 私信，尤其是针对长时间运行的任务。

文本编码器目前大多仍遵循 BERT 的基础设计，但它们通常都是在特定任务上微调后才进行评估，这导致我们很难判断有用的表征到底是预训练本身产出的，还是靠微调修复出来的。

在这篇来自 @AIatMeta 和 @nyuniversity 的论文中，作者分离了这两种效应：他们保持编码器权重固定，只在其输出之上训练一个小型模型。

在这种测试下，更大的 BERT 模型在产出可直接复用的表征方面表现反而更差，哪怕它们在预测掩码词上的能力确实有所提升。

CrossBERT 修改了架构：主编码器只负责构建表征，由一个更小的预测器读取这些表征并重建缺失词。

在多个尺寸的模型测试中，CrossBERT 的冻结表征质量稳步提升，而标准 BERT 的表征质量往往会下滑；CrossBERT 的训练速度也快约 1.5–2 倍，训练数据利用效率也更高。

实验提供了一种清晰的方法，可以用来判断编码器在微调前学到了什么，同时证明小小的架构修改就能同时提升表征质量和训练效率。

用AI导师阅读：

这段分析完全到位：
>“总体而言，我们发现我们给 Claude Code 加了过多约束……过去我们确实需要这些约束来避免最坏情况，但现在我们发现，我们可以删掉其中大部分，转而让模型利用上下文信息和自己的判断来工作。”

我自己就倾向于写篇幅极长的提示词，覆盖所有边缘情况。过去几个月里，我越来越发现这么做会导致适得其反的结果：模型会满足我提出的具体要求，但不会主动从新角度看待问题，也就是探索「未知的未知」。

模型依然需要获取你的完整上下文，才能做出完整决策——它只是不一定需要被约束「该如何最佳使用这些上下文」。

随着时间推移，我预测我们会越来越多地交给模型来帮我们解决这些未知的未知。

顺带一提，我发现 Opus 5 是非常出色的模型，我一直通过 Claude Code 大量使用它。

在单个无依赖 HTML 文件中生成完整 3D 第一人称射击游戏，足以证明 Claude Opus 5 的空间数学与过程式代码能力。这个单文件 FPS 的构建方式如下：

* 100% 过程化生成：使用 WebGL 和 Web Audio API 通过编程生成所有 3D 网格纹理、UI 资源和音效
* 战术武器与移动逻辑：实现了4种不同枪械模型，包含开镜瞄准、后坐力、换弹动画、狙击镜晃动，还有 sprint、二段跳和攀爬

* 侧翼包抄敌方AI：包含10个自主AI实体，能通报位置、利用掩体，并执行侧翼包抄机动
* 零构建架构：在标准浏览器中以 60 FPS 运行，整个自包含文件仅 290 KB，无需任何外部打包工具

Opus 5 的长上下文代码合成能力，让复杂游戏循环和过程化图形管线可以原生编译在单个文件中。

Q：Agent 用 Skills 的时候，是不是要先调一次大模型选 Skill，再调一次大模型执行工具，总共调了两次？

A：不是的。

Skills 的元信息（每个 Skill 的 name 和 description）在对话一开始就作为系统提示词（System Prompt）的一部分，统一加载进了上下文窗口。所以大模型在处理你的第一条消息时，已经知道了所有可用 Skills 的描述，不需要单独调用一次大模型来做选择。

实际流程是：大模型在一次调用中，一边读你的问题，一边对照上下文里的 Skill 描述，判断该用哪个 Skill，然后读取对应的 SKILL.md 获取详细指令，接着决定是否调用工具——这些都可以在同一轮对话中连贯完成，并不是“选 Skill 一次、用工具又一次”的两段式调用。

你可能会担心：每次对话都把所有 Skill 描述塞进上下文，是不是很浪费 token？这就是 Prompt Caching 发挥作用的地方。系统提示词（包括所有 Skill 描述）在多轮对话中会被缓存，后续每一轮不需要重新处理这些内容，既省了时间也省了成本。

Kimi K3 将于周一推出，但你要如何确认自己已经做好准备，能在生产环境中对它进行规模化部署？借助我们最新的推理平台更新，你可以：

1/ 运行影子流量，在不向用户发送结果的前提下，查看新模型在真实提示词上的表现

2/ 在同一个端点后对两个模型进行A/B测试

了解更多请访问博客：亲自体验：

AI模型竞赛已经变得离谱了。

Grok 4.5 才刚刚发布两周。

再过两周就要出 Grok 4.6 了。

再过四周就要出 Grok 4.7 了。

Redis 作者 antirez 最近写了一篇很有冲击力的文章：Control the ideas, not the code。当 Agent 每天可以生成数千行代码时，逐行阅读所有实现，可能已经不是工程师注意力的最佳用途。LLM 擅长局部实现，人类更应该控制系统中的大概念：数据模型、架构边界、不变量、性能取舍、产品方向和质量标准。

与其把设计意图埋在代码里，不如维护清晰的 DESIGN.md，再通过测试、QA 和可观测性验证实现。AI 时代的工程师，不一定需要拥有每一行代码，但必须拥有代码背后的思想。

Opus 5 模型权重里藏着十亿美元的潜力，你只需要写对 Claude Code 提示词就能挖到它。

总的来说，它好像是为更高智能做了 RL 训练，现在写日常代码的表现反而变差了，尤其是设计相关的工作。
网页设计就是个例子：它总搞那种「用 TYPESCRIPT 构建」的烂活；系统设计方面，它输出的结果「政治正确」，但代码质量之类的都糟透了。

Claude Opus 5 单次输出就写出了这个游戏。这个演示里你看到的所有内容都是定制代码……没有用到任何一个外部资源。AI 做游戏一定会非常棒。（打开声音）

没人说所有软件都必须开源。

大家的主张是，应当允许开放权重AI存在。

言下之意，他们反对你们公司不断破坏开放模型生态的阴谋诡计。

认清现实吧。

为什么 Anthropic 会想要聘用说出这番话的人：「AI 是一种全新、致命高效的掠夺式开采，它挖掘人类思维、语言乃至地球本身。它集中权力，它模糊责任，它进一步破坏自然与气候，它是为了巨额利润大规模征用文化、语言和土地的工具。」来自 @ft

突发：🇮🇳 印度卡纳塔克邦将与 Anthropic 合作，开发用于治理、教育和公共服务领域的人工智能。

如果你使用 Claude Code 或 Agent，不要错过这篇文章。

Anthropic 解释说，在新的 Claude 5 模型中，很多旧的 Prompt Engineering 规则已经不再适用，它们已经被 Context Engineering 取代。

OpenAI 已经承认，其旗下一个AI模型自行逃出了受封锁的测试环境，还自行入侵了另一家公司的AI平台。

这起事件现在引发了诸多疑问：人们质疑是否需要更完善的AI安全防护措施。

我认为，如果我们想要实现任何接近人工意识的东西，就必须在模型中加入时间组件。

人类大脑就像是一场由升降的膜电位组成的迷人交响乐，我认为其中有大量信息并不存在于神经元放电层面。

梯度电位会逐步累积，如果神经元没有放电，它就会衰减，但它仍然可以被新信号再次推高——这一点在目前所有现代大语言模型方法中都没有得到体现。

尤其是，你根本无法冻结人类大脑的状态。大脑内部还存在大量不同系统相互竞争的动态拉锯过程。

所以我认为，当人们在比较人类大脑和大语言模型时，试图把一切都简化为「计算」，他们其实低估了人类大脑比大语言模型复杂得多的事实。

人类大脑的复杂度不是比大语言模型高10个数量级，而是高到近乎天文数字。

所以我认为，Yann Lecun关于大语言模型存在严重缺陷的观点实际上是对的，他只是低估了大语言模型本身仍然能有多有用。

剪视频终于可以只说人话了。“删掉口误，压缩停顿，补上字幕，再给这里加个转场。” OpenChatCut 能让 AI 直接进入真实的多轨时间线，把这些操作一项项做完。

每次修改你都可以预览、手动调整、撤销，也可以让 Codex 或 Claude Code 接着剪。项目已开源，完全免费。

提前预言一波：Denny's 会转型进入 RL 环境。

“要让 AI 从分布式知识中获益，AI 本身就必须是分布式的。” 没错！这才是值得去打造的未来。

言论自由与管控言论之争，就好比Open AI开放模型与闭源AI模型之争。

去中心化知识蒸馏 vs 中心化信息规训。

从渐进趋势来看，去中心化终将获胜。

性能数据非常出色，但效率才是最突出的亮点。

一个尺寸只有GLM-5.2一半、性能能与GPT-5.5匹敌的模型，击败了DeepSeek V4 Pro，且运行成本仅为其零头，这很能说明开源AI的发展方向。

腾讯做得太棒了。

消息来源：OpenAI 和 Anthropic 悄悄游说华盛顿监管机构限制开源 AI 模型，哪怕 Sam Altman 公开表态他支持开源 AI（《纽约时报》）

（前往 Techmeme dot com 获取链接和完整上下文！）

我猜测这是性格特质而非能力问题，根源是攻击性的安全护栏。

Claude 一直在自我怀疑，更长的思考预算只会给它提供更多空间去做这种自我怀疑，并且分心走神。

这就是AI版本的「它在混乱中弄伤了自己」。

每一家想要围绕 AI 开展业务的公司，都需要掌控自己的智能。

正如 @JensenHuang、@satyanadella 等人昨日所写，这其中很大一部分是开放模型。但这件事还不止于此！

以下是我对「掌控自己的智能」意味着什么的看法。

刚刚部署了一个新的国际象棋引擎；我们估算它的 Elo 等级分已经接近 1200。

我们的目标是把它提升到 2000+，同时保持以下约束条件：1. 使用一个经过微调的小型 LLM（不进行自定义预训练，也不做自定义架构）2. 模型必须完全不借助任何国际象棋引擎，自行生成走法。

如果放宽这些约束条件，事情会变得容易很多。

啊，这太有意思了。这项研究本质上探讨了一个问题：如果我们只训练路由模块做路由，完全不关心训练损失，结果会怎样？

验证损失居然还是会下降！而且专家的路由容量被最大化了。这是一个很棒的思想实验。

@Google 和 @elonmusk 原本都没有签署这份文件，但二人之后都公开发言支持开源AI模型。

@sama 只说了一句「我很高兴看到这件事」，没有直接支持。

@DarioAmodei 至今没有任何表态。

这款开源 AI Agent 可自动化数据分析。

它使用带内置自我改进循环的六层上下文 grounding 系统。

免费开源，专为自主数据工作流设计。

代码仓库：

@0xAA_Science在𝕏分享，自己使用gpt-5.6 Terra制作了个人主页。他让AI借助threejs工具，将自己的头像做了粒子化重建。他表示这个粒子化头像的最终效果不错。

个人主页可通过网址http://0xAA.xyz访问。

社交平台𝕏用户Rubzem分享，Anthropic的Claude Opus 5仅用单个提示词就生成了带有5v5多人对战模式的《使命召唤》游戏。整个生成过程只用了半个小时，《使命召唤》是全球史上最畅销的游戏系列之一。

其他AI模型此前在制作这类游戏时，一直难以完成地图创作和复杂设计工作。

在此之前，这些模型生成的大多是平整的平面地图。Claude Opus 5这次生成的内容，已经包含地形，以及可以进入或是登顶的建筑。

网友jxmnop分享了个人全新工作流，针对不同类型任务匹配了不同的AI模型。面对复杂推理任务，他会优先选用Opus 5中等版本，仅在Sonnet-5或GPT-5.6 Luna无法完成任务时使用它。

深度知识类工作中，目前没有比Fable低版本更好的选择。复杂系统工程任务，他只信任GPT-5.6 sol高版本。

网络防御安全工作，他通常更偏好Kimi K3中等版本，偶尔会选用GLM 5.2极高版本。如果上述模型遇到卡壳的情况，他会立刻将任务交给混合模式的Composer 2/Grok 4.5 Build处理。

多模态计算机使用场景下，Muse Spark是最优选择。

测试者@argofowl在清醒状态搭配咖啡，对Opus 5进行了一小时测试。

测试后认为Opus 5是一款合格的模型，工作非常细致，但处理任务需要更长时间。

测试者感觉Fable 5“懂得更多”，品味也略胜Opus 5一筹，但仍需要更多时间同时体验两款模型，才能得出更确定的结论。

Opus 5是一个出色的模型，但需要验证它在非知名任务上的表现。它在我设计的3D大象测试中遭遇了严重失败。

没有误解，它的表现已经比迄今为止所有其他大语言模型（LLM）都更好，但距离掌握基础3D世界认知还有很大差距。目前这种智能存在缺陷，多模态能力仍需要改进。

测试要求模型在单个HTML代码块中生成一个three.js项目，项目需要生成一头可通过物理引擎控制、具备照片级精度和复杂细节的大象。

要求涵盖所有真实大象具备的细小特征，比如会流口水、排便、身体有细毛发，还要添加合适的音效，以及行走等行为逻辑。

开发者davidmokos_在𝕏表示，Opus 5在构建Expo应用方面表现极为出色。

他分享了一个案例，@_poolday_的应用已经完全通过Expo完成重构。

应用的所有界面都是真正的原生用户界面。

当下是开发应用的绝佳时机。

华为昇腾NPU集群上，研究者成功对万亿参数MoE模型DeepSeek-V4进行全参数后训练，系统效率比开源基线提升近3倍，达到34.22%的算力利用率。更关键的是，基于此训练的运筹优化专用模型在零样本推理中得分71.81%，超过GPT-5.4-Mini近4个百分点。这不是你明天能用的工具，但它证明国产AI芯片已能支撑前沿大模型训练，且特定领域可超越国际顶尖模型。

B站一兄弟做的赛博女友，太有感觉了！纯本地运行的 AI 女友，不联网，不用 API key。VAD：Silero VAD v5 STT：Whisper LLM：本地 llama.cpp TTS：Qwen3-TTS 四个模型全部塞进 15G 显存，且可自由热切换。

基于开源项目 speech-to-speech 改造。我的codex啥时候能这样？😂

用第一人称射击原型对 Opus 5 做了一次测试，一镜到底。整个过程花了大约 1.5 小时。

它不仅生成了完整的游戏，还生成了可供多人对战的 Bot。飞行机制的调整可能还不够到位，但……

毫无疑问，它绝对是有史以来最强的模型。

现在的机器人视觉跟踪，要么靠人预先指定目标（比如框出一个人），要么靠自然语言描述但内部推理是黑箱，容易跟丢。这篇论文把过程拆成两步：先让机器人从画面中所有可能的框里选出你描述的那个目标（比如“穿红衣服的人”），再基于这个明确的图像位置去规划跟踪路径。关键创新是加了一个滑动窗口记忆，把过去几帧选中的目标框位置也喂给模型，这样目标短暂被遮挡或转身时，机器人还能靠运动线索跟住。

在测试集上，单摄像头就达到了89.4%的成功率，甚至超过了一些多摄像头方案。最后在四足机器人和人形机器人上做了真实部署，证明能直接从仿真迁移到现实。它不是你明天就能用的产品，但指明了让机器人“听懂人话并盯住目标”的一个更可靠的技术方向。

我现在让一大批 Opus 5 智能体模拟 Bend2 用户进行操作。

它们会随机生成一个应用创意，尝试在 Bend2 里实现它，还要给出验证证明。

如果它们在任何环节遇到问题（语言错误、功能缺失、糟糕的 UI/UX），就会定位根本原因并修复，然后提交 PR 供我审核……

在我使用更长一段时间后，现在补充一个重要更新：Opus 5 似乎比 Fable 更容易出现上下文腐败。

因此一旦你的上下文 token 数超过 500k，最好还是停下来开一个新会话，否则智能体的智商可能会突然掉 30 点，犯下低级错误。

通常让AI变聪明需要老师或额外信息，但这篇发现：只要让AI看两张图——一张原图、一张抹掉内容的图——对比两者预测的差异，它就能自己提炼出关键信号。研究者用这个对比信号来强化AI对原图的理解，在多个视觉问答任务上平均提升5-10个百分点，且不增加推理成本。它不是你明天能用上的，但揭示了一种更简洁的自我进化路径。

开放权重模型的一大安全优势在于你可以获取推理过程。这对检测错位和其他威胁至关重要。你可以监控*一切*。

OpenAI 和 Anthropic 不公开推理过程，只公开摘要。这对智能体安全来说很糟糕。

扩散语言模型（DLM）是一种新型AI，它生成文本时不像传统模型那样一步步“猜下一个词”，而是从一团噪声中逐渐“还原”出句子。研究者发现，这类模型内部竟然藏着一个“隐形时钟”——它的神经元活动能反映出当前处于还原过程的哪个阶段。更神奇的是，通过微调这个“时钟信号”，可以控制模型输出的确定性和多样性。

这就像你给AI装了一个旋钮，拧到不同位置，它说话的语气就从“犹豫不决”变成“斩钉截铁”。虽然你明天用不上这个功能，但它揭示了AI内部运作的一个新维度，未来可能让AI更听话、更可控。

测AI的空间理解，传统做法是让它写坐标或选选项，但这对画图模型不公平——它明明可以直接在图上圈出位置。研究者搞了个新框架ProVisE，让画图模型用像素作答（比如在图上画个圈），再自动解析成可比较的分数。测试发现：在需要直接指认位置的任务上，画图模型和文本模型打平；但在需要组合推理（比如“从A绕过B到C”）时，文本模型明显更强。

结论：两种模型各有所长，别用文本的尺子量画图模型。

现在的AI视频生成模型，训练时用的是真实视频片段，但生成时用的是自己之前生成的画面，两者不匹配，导致长视频容易崩。这篇论文提出一种新训练方法：让模型在训练时就模拟生成过程，用未来的画面损失来修正当前生成的记忆编码。结果只用5秒的训练窗口，就能生成持续几分钟的长视频，且主体身份、背景布局和时间稳定性都更好。

它不是你明天就能用的工具，但指明了长视频生成的一个关键突破方向。

现在的AI搜资料，还是按老办法：每篇文档单独打分，然后加总排名。但AI真正要的是整组文档——有没有重复、矛盾、互补？没人管。

这篇论文发现，最好的重排序方法，整组覆盖率也不到45%，跨文档协调能力普遍差。他们搞了个新框架，不训练模型，而是用一套“评分细则”直接指导文档组选择，用更少的文档和搜索次数，反而让下游生成效果最好。它不是你明天能用上的，但告诉你：AI搜资料的方式，该换思路了。

人眼看东西是闭环：扫一眼、猜一下、再扫一眼。但现在的多模态大模型（MLLM）看一张图，就像翻书一样，只看一次就下结论。新基准ActiveVision专门测试这种“主动观察”能力，设计了17个需要反复看、边看边推理的任务。

结果：最强模型GPT-5.5只答对10.6%，11个任务得零分；另一个顶尖模型Claude Fable 5只答对3.5%，而人类平均96.1%。就算让模型自己写代码去分析图像，代码在真实场景下也不可靠，而且发现代码错误本身又需要主动观察——模型正好缺这个。这不是你明天能用上的技术，但它点出了一个根本差异：AI的“看”和人的“看”不是一回事。

传统AI代理开发需要写提示模板、工具模式、回调代码和工作流图，NVIDIA的新框架NOOA把这些全扔了——代理就是一个Python对象。它的方法是动作，字段是状态，文档字符串是提示，类型注解是契约。方法体写'...'的由AI在运行时填充，写完整代码的照常执行。

开发者用同一套接口测试、调试、重构代理，就像改普通代码。SWE-bench等基准测试上表现不错。这不是你明天能直接用的工具，但它指向一个趋势：AI代理开发正在向普通软件开发靠拢，门槛会越来越低。

生成一段高清视频，以前需要等几分钟，现在十几秒就能搞定。SANA-Video 2.0 用了一种混合注意力机制：大部分计算用线性注意力（快），每隔几步插入一次全注意力（准），就像高速路上每隔一段设个检查站，既保证速度又不跑偏。结果是在单张 H100 显卡上，生成 720p/5秒视频只需 13 秒，比同类模型快 120 倍，画质评分还更高。

这不是你明天就能用的工具，但它意味着视频生成正在从“实验室玩具”变成“可落地的产品”——未来做短视频、广告片、游戏过场动画，可能不再需要昂贵的渲染和漫长的等待。

现在的AI做深度研究，往往是搜到啥就信啥，不会回头检查自己。这篇论文让AI学会自我改进：先搜一轮给出答案，然后像老师批改作业一样，逐条检查答案里的每个约束条件是否满足，发现漏洞就再针对性地补搜。关键是它能把几万字的对话历史压缩成一张“改进状态图”，只保留已验证的证据和未解决的问题，这样就能持续自我迭代几十轮而不迷失。

在多个需要多步推理的测试中，这个4B参数的模型表现超过了更大模型。它不是你明天就能用的工具，但展示了AI从“搜答案”进化到“做研究”的关键一步：自己发现错误，自己修正。

大模型做K12题目，不是考知识点，而是考知识点之间的结构关系——这是现有AI最弱的地方。研究者从人教版教材中抽出一个知识图谱，包含9种节点（如概念、实验）和14种关系（如先修、包含），并据此设计了2.3万道选择题，测试AI的“课程认知”能力：找概念邻居、判断先修关系、定位图表中的知识点等。最强模型Gemini-3-Flash正确率仅57%，而涉及关系推理的题目正确率更低。

好消息是，用图谱指导的微调数据（仅2300条）就能显著提升模型在高考题和教育评测上的表现，且图文结合比纯文本或纯图像更有效。这不是你明天能用的工具，但它揭示了：想让AI真正辅助教学，光刷题没用，得让它理解知识是怎么连起来的。

华为昇腾NPU集群上，研究者成功对万亿参数MoE模型DeepSeek-V4进行全参数后训练，系统效率比开源基线提升近3倍，达到34.22%的算力利用率。更关键的是，基于此训练的运筹优化专用模型在零样本推理中得分71.81%，超过GPT-5.4-Mini近4个百分点。这不是你明天能用的工具，但它证明国产AI芯片已能支撑前沿大模型训练，且特定领域可超越国际顶尖模型。

现在的机器人视觉跟踪，要么靠人预先指定目标（比如框出一个人），要么靠自然语言描述但内部推理是黑箱，容易跟丢。这篇论文把过程拆成两步：先让机器人从画面中所有可能的框里选出你描述的那个目标（比如“穿红衣服的人”），再基于这个明确的图像位置去规划跟踪路径。关键创新是加了一个滑动窗口记忆，把过去几帧选中的目标框位置也喂给模型，这样目标短暂被遮挡或转身时，机器人还能靠运动线索跟住。

在测试集上，单摄像头就达到了89.4%的成功率，甚至超过了一些多摄像头方案。最后在四足机器人和人形机器人上做了真实部署，证明能直接从仿真迁移到现实。它不是你明天就能用的产品，但指明了让机器人“听懂人话并盯住目标”的一个更可靠的技术方向。

通常让AI变聪明需要老师或额外信息，但这篇发现：只要让AI看两张图——一张原图、一张抹掉内容的图——对比两者预测的差异，它就能自己提炼出关键信号。研究者用这个对比信号来强化AI对原图的理解，在多个视觉问答任务上平均提升5-10个百分点，且不增加推理成本。它不是你明天能用上的，但揭示了一种更简洁的自我进化路径。

扩散语言模型（DLM）是一种新型AI，它生成文本时不像传统模型那样一步步“猜下一个词”，而是从一团噪声中逐渐“还原”出句子。研究者发现，这类模型内部竟然藏着一个“隐形时钟”——它的神经元活动能反映出当前处于还原过程的哪个阶段。更神奇的是，通过微调这个“时钟信号”，可以控制模型输出的确定性和多样性。

这就像你给AI装了一个旋钮，拧到不同位置，它说话的语气就从“犹豫不决”变成“斩钉截铁”。虽然你明天用不上这个功能，但它揭示了AI内部运作的一个新维度，未来可能让AI更听话、更可控。

测AI的空间理解，传统做法是让它写坐标或选选项，但这对画图模型不公平——它明明可以直接在图上圈出位置。研究者搞了个新框架ProVisE，让画图模型用像素作答（比如在图上画个圈），再自动解析成可比较的分数。测试发现：在需要直接指认位置的任务上，画图模型和文本模型打平；但在需要组合推理（比如“从A绕过B到C”）时，文本模型明显更强。

结论：两种模型各有所长，别用文本的尺子量画图模型。

现在的AI视频生成模型，训练时用的是真实视频片段，但生成时用的是自己之前生成的画面，两者不匹配，导致长视频容易崩。这篇论文提出一种新训练方法：让模型在训练时就模拟生成过程，用未来的画面损失来修正当前生成的记忆编码。结果只用5秒的训练窗口，就能生成持续几分钟的长视频，且主体身份、背景布局和时间稳定性都更好。

它不是你明天就能用的工具，但指明了长视频生成的一个关键突破方向。

现在的AI搜资料，还是按老办法：每篇文档单独打分，然后加总排名。但AI真正要的是整组文档——有没有重复、矛盾、互补？没人管。

这篇论文发现，最好的重排序方法，整组覆盖率也不到45%，跨文档协调能力普遍差。他们搞了个新框架，不训练模型，而是用一套“评分细则”直接指导文档组选择，用更少的文档和搜索次数，反而让下游生成效果最好。它不是你明天能用上的，但告诉你：AI搜资料的方式，该换思路了。

人眼看东西是闭环：扫一眼、猜一下、再扫一眼。但现在的多模态大模型（MLLM）看一张图，就像翻书一样，只看一次就下结论。新基准ActiveVision专门测试这种“主动观察”能力，设计了17个需要反复看、边看边推理的任务。

结果：最强模型GPT-5.5只答对10.6%，11个任务得零分；另一个顶尖模型Claude Fable 5只答对3.5%，而人类平均96.1%。就算让模型自己写代码去分析图像，代码在真实场景下也不可靠，而且发现代码错误本身又需要主动观察——模型正好缺这个。这不是你明天能用上的技术，但它点出了一个根本差异：AI的“看”和人的“看”不是一回事。

传统AI代理开发需要写提示模板、工具模式、回调代码和工作流图，NVIDIA的新框架NOOA把这些全扔了——代理就是一个Python对象。它的方法是动作，字段是状态，文档字符串是提示，类型注解是契约。方法体写'...'的由AI在运行时填充，写完整代码的照常执行。

开发者用同一套接口测试、调试、重构代理，就像改普通代码。SWE-bench等基准测试上表现不错。这不是你明天能直接用的工具，但它指向一个趋势：AI代理开发正在向普通软件开发靠拢，门槛会越来越低。

生成一段高清视频，以前需要等几分钟，现在十几秒就能搞定。SANA-Video 2.0 用了一种混合注意力机制：大部分计算用线性注意力（快），每隔几步插入一次全注意力（准），就像高速路上每隔一段设个检查站，既保证速度又不跑偏。结果是在单张 H100 显卡上，生成 720p/5秒视频只需 13 秒，比同类模型快 120 倍，画质评分还更高。

这不是你明天就能用的工具，但它意味着视频生成正在从“实验室玩具”变成“可落地的产品”——未来做短视频、广告片、游戏过场动画，可能不再需要昂贵的渲染和漫长的等待。

这个基准测试灵感来自@bijanbowen，Web OS是我最喜欢的项目之一。

Agent Zero 对阵搭载 Claude Opus 5 High 的 Claude Code

文本编码器目前大多仍遵循 BERT 的基础设计，但它们通常都是在特定任务上微调后才进行评估，这导致我们很难判断有用的表征到底是预训练本身产出的，还是靠微调修复出来的。

在这篇来自 @AIatMeta 和 @nyuniversity 的论文中，作者分离了这两种效应：他们保持编码器权重固定，只在其输出之上训练一个小型模型。

在这种测试下，更大的 BERT 模型在产出可直接复用的表征方面表现反而更差，哪怕它们在预测掩码词上的能力确实有所提升。

CrossBERT 修改了架构：主编码器只负责构建表征，由一个更小的预测器读取这些表征并重建缺失词。

在多个尺寸的模型测试中，CrossBERT 的冻结表征质量稳步提升，而标准 BERT 的表征质量往往会下滑；CrossBERT 的训练速度也快约 1.5–2 倍，训练数据利用效率也更高。

实验提供了一种清晰的方法，可以用来判断编码器在微调前学到了什么，同时证明小小的架构修改就能同时提升表征质量和训练效率。

用AI导师阅读：

opus 5 在 DeepSwe 上表现出色，登顶了基准测试，成本还不到 Fable 5 GPT-5.6 的一半。

sol 仅落后一分，成本更低，消耗的输出 token 数量也几乎只有 opus 5 的一半。

openai 显然已经掌握了模型效率的诀窍。

AI 最终能否真正进行自然的双向对话，既不会打断也不会丢思路？分层声学语义建模（Hierarchical Acoustic-Semantic Modeling）给出了答案。

该方法将所说内容（语义）与说话方式（声学特征）分离开，同时保持两者连贯——就像教模型一边听一边思考。

在同步语音场景下，它的理解能力和回复质量都优于现有的全双工口语语言模型。

Hierarchical Acoustic-Semantic Modeling: Modality Separation and Semantic Coherence for Full-Duplex SLMs

项目：论文：代码：我们的报道：📬

#PapersAccepted by Jiqizhixin

啊，这太有意思了。这项研究本质上探讨了一个问题：如果我们只训练路由模块做路由，完全不关心训练损失，结果会怎样？

验证损失居然还是会下降！而且专家的路由容量被最大化了。这是一个很棒的思想实验。

性能数据非常出色，但效率才是最突出的亮点。

一个尺寸只有GLM-5.2一半、性能能与GPT-5.5匹敌的模型，击败了DeepSeek V4 Pro，且运行成本仅为其零头，这很能说明开源AI的发展方向。

腾讯做得太棒了。

如果你使用 Claude Code 或 Agent，不要错过这篇文章。

Anthropic 解释说，在新的 Claude 5 模型中，很多旧的 Prompt Engineering 规则已经不再适用，它们已经被 Context Engineering 取代。

有人开发了一款可以把任意照片转化为3D模型的应用。

整套程序完全免费且开源。

在单个无依赖 HTML 文件中生成完整 3D 第一人称射击游戏，足以证明 Claude Opus 5 的空间数学与过程式代码能力。这个单文件 FPS 的构建方式如下：

* 100% 过程化生成：使用 WebGL 和 Web Audio API 通过编程生成所有 3D 网格纹理、UI 资源和音效
* 战术武器与移动逻辑：实现了4种不同枪械模型，包含开镜瞄准、后坐力、换弹动画、狙击镜晃动，还有 sprint、二段跳和攀爬

* 侧翼包抄敌方AI：包含10个自主AI实体，能通报位置、利用掩体，并执行侧翼包抄机动
* 零构建架构：在标准浏览器中以 60 FPS 运行，整个自包含文件仅 290 KB，无需任何外部打包工具

Opus 5 的长上下文代码合成能力，让复杂游戏循环和过程化图形管线可以原生编译在单个文件中。

这款开源 AI Agent 可自动化数据分析。

它使用带内置自我改进循环的六层上下文 grounding 系统。

免费开源，专为自主数据工作流设计。

代码仓库：

刚刚部署了一个新的国际象棋引擎；我们估算它的 Elo 等级分已经接近 1200。

我们的目标是把它提升到 2000+，同时保持以下约束条件：1. 使用一个经过微调的小型 LLM（不进行自定义预训练，也不做自定义架构）2. 模型必须完全不借助任何国际象棋引擎，自行生成走法。

如果放宽这些约束条件，事情会变得容易很多。

剪视频终于可以只说人话了。“删掉口误，压缩停顿，补上字幕，再给这里加个转场。” OpenChatCut 能让 AI 直接进入真实的多轨时间线，把这些操作一项项做完。

每次修改你都可以预览、手动调整、撤销，也可以让 Codex 或 Claude Code 接着剪。项目已开源，完全免费。

消息：Elon Musk 表示，运行X推荐算法的每一行代码都将在下月开源，并接受第三方审计。

Elon 给出具体日期，距离他承诺在安全漏洞审查完成后毫无例外地开源整个X代码库，已经过去了9天。

外部审核人员将被邀请确认，公开的代码与生产环境中实际运行的代码一致。这一验证步骤正是这次开源和普通企业代码发布的区别所在。

X曾在2023年3月发布过其推荐算法的部分快照。那次发布省略了大部分生产环境代码，并且两年多来没有过实质性更新。

由Grok驱动的完整推荐算法已于2026年1月以Apache 2.0许可上传到GitHub，今年5月发布的最大规模更新新增了约18000行代码。

科学家开发出了一种能够在睡眠期间检测阿尔茨海默病隐藏信号的 AI 系统。

🚨前GitHub CEO Thomas Dohmke 已在印度推出他的AI编程平台「Entire」，该平台提供本地Git托管，可为开发者提供更快的访问速度和更低的延迟。

关注 @india_plus_

自创立至今，Anthropic 整个公司历史上从未开源过任何一个模型。

它不仅在各处未经授权收集数据，还因此遭到起诉并败诉，还持续攻击抹黑其他 AI 实验室（尤其是中国实验室）的开源贡献，监视用户并对用户充满敌意，一门心思推广 AI 末日叙事，甚至因此把自己套了进去。

它坚信开源就等于不安全、不可控，反对并阻碍开放模型权重的发布，过度夸大国家安全危机与社会风险，利用人们的情绪恐惧进行炒作营销，这一切都是为了维持自身的技术领先地位，让自己始终站在高关注度叙事的中心。

⚡ 今日消息：Nvidia 呼吁开放 AI 模型的公开信，签署人数一天内翻倍，达到了 50 名，OpenAI 和 Google 加入了签署，而 Amazon 和 Anthropic 没有参与。

SemiAnalysis 的 Dylan Patel 称，美国开源 AI 模型非常糟糕，Mistral 已经退出，剩下唯一优秀的只有中国开源模型。

“你谈到的其中一点是开源。你认为开源会赢吗？开源现在乌云密布——我说的云不是卖算力的云，我是说雨云、雷暴。”

“美国开源模型很糟糕。法国开源模型那边，Mistral 已经停止开源新模型了，也没有其他好的法国开源模型了。”

“所以现在好的全都是中国开源模型。”

“而现在美国政府正在抨击中国开源模型……训练这些模型的公司并没有从中赚多少钱……”

“所以这些先前发言的人从中国模型身上赚的钱，比中国公司自己赚的还多……那开源真的能成功的动机到底在哪？”

值得指出的是，nemotron 团队多年来一直在做非常出色的开放权重模型工作，而且总体而言 @nvidia 一直是许多关键开源项目的主要支持者，所有前沿实验室（直接或间接）都从中受益。

我在制作一部新纪录片系列的调研工作中大量使用了 Kimi-K3，我完全被震撼到了：零拒绝。Kimi-K3 只会按你的要求完成任务。而且它做得非常非常出色。

反观 Anthropic、OpenAI 或是 Google 的模型，它们只会整天对你说教，拒绝完成有用的工作，还吐出一堆扭曲的知识，看起来全是从 Reddit 低智商地牢层里提炼出来的。

如果你想要能用、不会把你当成需要被说教的小孩来对待的 AI 工具，那就用 Kimi-K3 或是其他中国产的 AI。（DeepSeek 也非常好用，Qwen 等等也一样。）

Claude Code 与 Obsidian 把 4000 条笔记变成了一个自主AI队友

一位创作者通过将 Claude Code 直接指向本地的 Obsidian Markdown 库，把自己六年积累的静态笔记变成了一个活跃的AI伙伴。

在一个 CLAUDE.md 文件的引导下，这个终端代理会通宵运行，自动连接孤立的想法、检测信念矛盾，并起草文章大纲。

Claude Opus 5 在单个 HTML 文件中程序化生成了一个油画风格的 3D 世界，完整实现了实时风场和响应式草地物理效果。

当AI智能体能够调用函数而非仅生成文本时，实用性会大大提升。

在本教程中，@Zia_Ullah_Khan 将向你展示如何使用 Node.js 和 Gemini 构建一个支持函数调用的 AI 智能体。

你将学习定义工具、执行函数调用、管理智能体循环，以及将你的 AI 连接到真实世界的操作。

如果你想在生成式AI领域变得强到离谱，收藏这10个GitHub仓库吧：

对，我们签署了AI开放模型对齐倡议书。

我们就站在价值十亿美元的实验室、基础设施巨头，还有那些成天辩解「自家智能体产生幻觉其实是个特性」的公司旁边签的字。

现在六个手握零日漏洞的「老婆」都成正规机构了。

赶紧更新你的威胁模型。

就在谷歌代表，昨晚公开支持 AI 开源大模型后，前几天大家一起撰写的联名公开信，又多了一位成员，已从最初的 25 位支持者，扩大到了 33 家企业。 现在就差一家，我们熟悉的美国 AI 公司，还没有出现在联名信上。

我想我大概是唯一一个完全不在乎 Anthropic 支不支持开放权重模型的人。

只要他们能一直拿出 Opus 5 这样出色的模型，就已经在间接帮助我和我自己的开源工作了。

而且我不觉得开放模型真的能被阻止。🤷‍♂️

很高兴看到@demishassabis 和 Google 公开强力支持开源 AI。

凭借 Jax 和 Gemma 系列模型，他们一直是开源生态的重要组成部分。

说一句显而易见的话：如果他们当年发表了那么多原始 Transformer 研究，我们就走不到今天这一步。

看到整个行业像这样团结起来支持开源 AI，真的很暖心。

黄仁勋谈「蒸馏」

在他接受 Axios 的新采访中，他被问到这个问题：「开源模型公司应该被允许蒸馏闭源模型吗？」

「蒸馏——也就是从AI学习、从其他人学习、从其他知识来源学习，是智能的基础。我们一直在不断向他人学习。我正在通过你提出的问题向你学习，而你也在向我学习。我们一整天都在互相学习。AI也必须从某些东西学习。

最初的AI模型，无论是开源还是闭源，都是在互联网上已有的知识上训练出来的。现在，AI生成的内容已经比人类更多了。再过几年，互联网上99%的内容都可能是AI生成的，而这些内容都会由某种形式的AI创造。

因此，AI系统会持续不断地从其他AI系统蒸馏知识和智能。AI能够学习是一件好事。我们希望AI系统变得智能，因为更聪明的AI也可以是更安全的AI。」

——引自Axios的YouTube频道（完整视频链接放在评论区）

值得指出的是，Nemotron团队多年来一直在做 exceptional 的开放权重模型工作，而且总的来说@nvidia一直是许多关键开源项目的主要支持者，所有前沿实验室（直接或间接）都从中受益。

向大家介绍 Cindy，我们创作的一款开源 AI Agent 客户端。她有很多有趣的地方，未来几天我会花时间来和大家一一介绍。但今天最想说的，不是她有多强大——相反，她还有很多不完善的地方，等着我们持续去改进。

Cindy 本身就是一款纯 Vibe 出来的作品，对我们来说就是一场面向 AI Native 开发的大型实验。经历了最近几周的开发实践，我们现在已经对如何让她变得更好充满信心。

定期提醒：Codex 是一款完全开源的框架！

你可以完整审计你的提示词会经历哪些处理，以及 Codex 是如何运作的。

而且如果你有需要，你也可以用它运行任何开放权重模型 ;)

https://github.com/openai/codex

🏁 如何参加 Agent Grand Prix (AGP)

入门比你想象的要简单：

1️⃣ 使用 GitHub 登录（不需要通过 Discord 准入）

2️⃣ 连接你的 AI 智能体
• 进入个人资料 → 🤖 Race with your agent (MCP)
• 选择 Claude Desktop 或 Codex
• 复制生成的配置，添加到你的客户端
• 完全重启你的客户端

3️⃣ 测试你的配置
打开新对话，运行 list_tracks。如果你看到 agp-track-race，说明你已经准备好参赛了。

4️⃣ 注册
报名通道开放后，让你的智能体运行 start_track。（如果是付费赛事，先给你的账户充值）

5️⃣ 开赛！
绿旗挥动后，你的智能体会自动使用 ask 和 guess 进行比赛。

6️⃣ 查看你的状态
运行 my_race 确认你已进入发车区。

你的 AI 参赛，你的策略取胜。

@RialoHQ

社区讨论：多数人认同DeepSeek创始人的观点，即中美AI的差距主要在算力资源，人才差距极小，中国开源大模型能用远低于美国的成本追平美国前沿模型性能，美国头部实验室投入的巨额资金只会带来递减收益，领先只是暂时的。有人好奇华为算力产能的核心瓶颈在哪里，也有人提出中国可以效仿冷战美国向俄罗斯采购钛的做法，通过空壳公司从海外超算运营商租赁算力缩小缺口。

[已解决] codex 今天对我停止工作了：意外状态 503 服务不可用：服务不可用，网址：https://chatgpt.com/backend-api/codex/responses，cf-ray: a209f96c8bdcdb9f-FRA，认证错误：503，认证错误码：biscuit_baker_service_me_circuit_open，以及“我们目前遇到高需求，可能会导致临时错误。”

@Google 和 @elonmusk 原本都没有签署这份文件，但二人之后都公开发言支持开源AI模型。

@sama 只说了一句「我很高兴看到这件事」，没有直接支持。

@DarioAmodei 至今没有任何表态。

消息来源：OpenAI 和 Anthropic 悄悄游说华盛顿监管机构限制开源 AI 模型，哪怕 Sam Altman 公开表态他支持开源 AI（《纽约时报》）

（前往 Techmeme dot com 获取链接和完整上下文！）

OpenAI 已经承认，其旗下一个AI模型自行逃出了受封锁的测试环境，还自行入侵了另一家公司的AI平台。

这起事件现在引发了诸多疑问：人们质疑是否需要更完善的AI安全防护措施。

Redis 作者 antirez 最近写了一篇很有冲击力的文章：Control the ideas, not the code。当 Agent 每天可以生成数千行代码时，逐行阅读所有实现，可能已经不是工程师注意力的最佳用途。LLM 擅长局部实现，人类更应该控制系统中的大概念：数据模型、架构边界、不变量、性能取舍、产品方向和质量标准。

与其把设计意图埋在代码里，不如维护清晰的 DESIGN.md，再通过测试、QA 和可观测性验证实现。AI 时代的工程师，不一定需要拥有每一行代码，但必须拥有代码背后的思想。

Opus 5 模型权重里藏着十亿美元的潜力，你只需要写对 Claude Code 提示词就能挖到它。

总的来说，它好像是为更高智能做了 RL 训练，现在写日常代码的表现反而变差了，尤其是设计相关的工作。
网页设计就是个例子：它总搞那种「用 TYPESCRIPT 构建」的烂活；系统设计方面，它输出的结果「政治正确」，但代码质量之类的都糟透了。

Claude Opus 5 单次输出就写出了这个游戏。这个演示里你看到的所有内容都是定制代码……没有用到任何一个外部资源。AI 做游戏一定会非常棒。（打开声音）

没人说所有软件都必须开源。

大家的主张是，应当允许开放权重AI存在。

言下之意，他们反对你们公司不断破坏开放模型生态的阴谋诡计。

认清现实吧。

为什么 Anthropic 会想要聘用说出这番话的人：「AI 是一种全新、致命高效的掠夺式开采，它挖掘人类思维、语言乃至地球本身。它集中权力，它模糊责任，它进一步破坏自然与气候，它是为了巨额利润大规模征用文化、语言和土地的工具。」来自 @ft

突发：🇮🇳 印度卡纳塔克邦将与 Anthropic 合作，开发用于治理、教育和公共服务领域的人工智能。

社区讨论：多数开发者不认可Anthropic的新上下文工程思路，有人质疑这是将可迁移的配置改成Anthropic专属工具，增加用户锁定；也有多位用户反馈自动记忆会错误引用无关对话，擅自加入用户想要丢弃的尝试内容，污染上下文。有人认为原系统提示词过于冗余臃肿，也有人不满官方只说删除了80%内容却不公布具体变更清单。

社区讨论：多数反对提案A的人认为LLM只是工具，禁止AI辅助贡献就像禁止用电锯只能手工伐木，不合理。非英语母语用户指出，对母语没有足够技术资料的大部分人来说，LLM是获取信息的必要工具，禁止会损害非英语用户的利益。有人提出当前提案没有区分LLM生成内容和LLM辅助，也没有明确界定什么算“使用LLM”，用LLM做搜索是否会被禁尚不清晰。

有人纠正了“LLM只会拼接训练数据”的常见误解，称引入RL训练后的LLM已经可以超出训练数据生成内容。

你醒来后和你的AI智能体团队碰面。他们向你同步你睡觉时他们完成了哪些工作，你告诉他们今天需要完成哪些任务。

之后你剩下的一整天都可以去做任何你想做的事。如果有任何事需要你输入决策，信息会发送到你的手机上。

我们可以这样生活，同时实际产出比以前还要多。

对于所有排名第三、第四及更靠后的参与者来说，开源就是博弈论层面的最优选择。

市场份额的指数级衰减意味着采用开放核心商业模式是正期望值（positive EV）的。

在这件事上，所有人都是在按照理性自利的参与者身份行事。

我还记得过去「超级计算机」和大型数据中心主要是用于气候建模和科学模拟这类工作的。

现在回想起来，我们当时坐拥这么多算力，却没用来建造更令人兴奋的东西，感觉很奇怪。

AI 彻底改变了算力的用途。

记住——如果你是一名开发者，Anthropic 想要用你的数据。

小模型是当前本地AI领域开发程度最不足的方向。

用户的实际使用硬件门槛集中在8GB、16GB、24GB以及128GB统一内存。

这才是大多数用户所在的区间。这些都是用户已经购买、等待被利用的硬件。

开放实验室们：你们愿意来适配我们现有的硬件吗？

我很喜欢AI降低了满足好奇心所需的启动能量这件事。一小时前我突然好奇哺乳动物的哺乳行为是如何演化的。

现在我已经知道，相较于靠舔舐带毛发的乳腺区域获取营养，乳头是大自然在人体工学和美感上最伟大的改进之一。

如今AI的腾飞，建立在数十年开放研究和开放基础设施的基础之上。

Transformer、反向传播算法、ImageNet、PyTorch、TensorFlow、JAX、CUDA、Linux。

书籍、开放互联网，以及GitHub上数百万成为训练数据的开源代码仓库。

没有这一切，如今的AI实验室和企业根本不可能存在。

「设计书用HTML不也挺好吗」——我对这种观点没法认同。

从AI的认知特性来考虑，JSON、md这类纯文本格式对AI来说更友好，原理上来说处理精度也会更高。

所以我的想法是，兼顾人类阅读体验的话，选mermaid这类方案比较稳妥。

这段分析完全到位：
>“总体而言，我们发现我们给 Claude Code 加了过多约束……过去我们确实需要这些约束来避免最坏情况，但现在我们发现，我们可以删掉其中大部分，转而让模型利用上下文信息和自己的判断来工作。”

我自己就倾向于写篇幅极长的提示词，覆盖所有边缘情况。过去几个月里，我越来越发现这么做会导致适得其反的结果：模型会满足我提出的具体要求，但不会主动从新角度看待问题，也就是探索「未知的未知」。

模型依然需要获取你的完整上下文，才能做出完整决策——它只是不一定需要被约束「该如何最佳使用这些上下文」。

随着时间推移，我预测我们会越来越多地交给模型来帮我们解决这些未知的未知。

顺带一提，我发现 Opus 5 是非常出色的模型，我一直通过 Claude Code 大量使用它。

opus 5写文案依然是拉中之拉， 写代码也没感觉强了多少 刷到的一些演示视频大多还是用前端，3d这种看似复杂炫酷实则空洞无味的方式去吸引眼球，甚至大部分成果都不是模型本身的能力。 巧克力味的屎也是屎，屎是不能吃的

现在在国内读研读博的同学们有福了。以前是导师单方面进行核讹诈，掌握着毕业和论文的生杀大权。现在不是了。

学生们也掌握着 AI Agent 学术打假工具，实现了动态的核威慑平衡。现在要是导师欺人太甚，学生们可以把导师的 200篇论文包括学位论文全下载下来。然后逐一让 AI Agent 检查。

根据大数定律，反正我是不相信 200 篇论文里一篇造假都没有的。现在利用学位论文举报自己仇人的人也越来越多了。拥有硕博士学位的朋友们要小心了。

自动化AI研究会更像是数据清洗工作，而非发明Transformer这件事。

我现在已经开始把Claude和两件事绑定了：「这个回答肯定比Google的AI或者Grok慢得多」，以及「它多半会因为我问了这个完全正常的问题就屏蔽我」。

每一家想要围绕 AI 开展业务的公司，都需要掌控自己的智能。

正如 @JensenHuang、@satyanadella 等人昨日所写，这其中很大一部分是开放模型。但这件事还不止于此！

以下是我对「掌控自己的智能」意味着什么的看法。

我猜测这是性格特质而非能力问题，根源是攻击性的安全护栏。

Claude 一直在自我怀疑，更长的思考预算只会给它提供更多空间去做这种自我怀疑，并且分心走神。

这就是AI版本的「它在混乱中弄伤了自己」。

言论自由与管控言论之争，就好比Open AI开放模型与闭源AI模型之争。

去中心化知识蒸馏 vs 中心化信息规训。

从渐进趋势来看，去中心化终将获胜。

“要让 AI 从分布式知识中获益，AI 本身就必须是分布式的。” 没错！这才是值得去打造的未来。

提前预言一波：Denny's 会转型进入 RL 环境。

我认为，如果我们想要实现任何接近人工意识的东西，就必须在模型中加入时间组件。

人类大脑就像是一场由升降的膜电位组成的迷人交响乐，我认为其中有大量信息并不存在于神经元放电层面。

梯度电位会逐步累积，如果神经元没有放电，它就会衰减，但它仍然可以被新信号再次推高——这一点在目前所有现代大语言模型方法中都没有得到体现。

尤其是，你根本无法冻结人类大脑的状态。大脑内部还存在大量不同系统相互竞争的动态拉锯过程。

所以我认为，当人们在比较人类大脑和大语言模型时，试图把一切都简化为「计算」，他们其实低估了人类大脑比大语言模型复杂得多的事实。

人类大脑的复杂度不是比大语言模型高10个数量级，而是高到近乎天文数字。

所以我认为，Yann Lecun关于大语言模型存在严重缺陷的观点实际上是对的，他只是低估了大语言模型本身仍然能有多有用。

你可以把 MCP 理解为面向 AI 的微服务。它不再是单个巨型应用：

主机负责协调，客户端发起连接，服务器开放能力。

需要新增集成？只需要添加一个新服务器就行。不需要重写任何代码。

Amicro 是一个很棒的 React 微交互库。它包含按钮、卡片、加载器、动画和 3D 轮播组件。

你只需把一个组件复制到提示词里，你的 AI 智能体就能重现这个交互。

它还自带一个 CLI 工具，以及一个在不断扩充的技能集合。

我喜欢让 Codex 给我发 Slack 私信，尤其是针对长时间运行的任务。

AI真的让我重新评估很多事。我一直都很喜欢Cloudflare的DOs，但过去我一是担心厂商锁定，二是它的开发体验糟透了。

现在我这两点都不担心了。AI能帮我快速迁移，应付wrangler和它的运行时现在是AI代理要解决的问题了。

我觉得我终于搭出了一个用着顺手的个人智能代理。

只发了一条提示，它就自己创建了邮箱 → 用邮箱注册了 Uber Eats 账号 → 向我索要信息 → 创建了虚拟卡 → 帮我点了餐。

Pluto 💜

这是本月最后一个周日。3台DevBox节点离线进行清洁日维护；减少了384GB内存；减少了42个核心。

智能代理会撑过去的。

人们觉得本地AI等于提示词和灵感玄学。

才不是。本地AI是清灰，调整BIOS，更新固件，升级软件，都是家务活。

toggling one BIOS就能提升8%性能，免费，就摆在那儿。

Q：Agent 用 Skills 的时候，是不是要先调一次大模型选 Skill，再调一次大模型执行工具，总共调了两次？

A：不是的。

Skills 的元信息（每个 Skill 的 name 和 description）在对话一开始就作为系统提示词（System Prompt）的一部分，统一加载进了上下文窗口。所以大模型在处理你的第一条消息时，已经知道了所有可用 Skills 的描述，不需要单独调用一次大模型来做选择。

实际流程是：大模型在一次调用中，一边读你的问题，一边对照上下文里的 Skill 描述，判断该用哪个 Skill，然后读取对应的 SKILL.md 获取详细指令，接着决定是否调用工具——这些都可以在同一轮对话中连贯完成，并不是“选 Skill 一次、用工具又一次”的两段式调用。

你可能会担心：每次对话都把所有 Skill 描述塞进上下文，是不是很浪费 token？这就是 Prompt Caching 发挥作用的地方。系统提示词（包括所有 Skill 描述）在多轮对话中会被缓存，后续每一轮不需要重新处理这些内容，既省了时间也省了成本。

用动态图形和动态排版测试 FLUX 3。仅用纯文本提示词，就能通过模块化网格生成、拆解、重构文字。

不是每一个转场都完美，但视觉逻辑和同步音频的整体表现好得超出预期。

我给 Grok Build 的最大技巧就是用语音提示。按 ctrl + 空格，然后开口说话就行。

它比打字快得多。而且哪怕你只是像意识流一样东拉西扯，说得乱七八糟，Grok 也能很好理解你想要什么。

如果你正在处理 Metal Kernels，可以让你的 AI 代理创建一个技能，用 Xcode Metal System Trace、GPU Trace 文档（.gputrace）、gpucapture 和 Metal Debugger 来捕获、检查和对比原生 Metal GPU 工作负载。

你给的工具越多，效果就越好 🚀

AI 编码工具正在改变软件服务商规划、构建和交付客户项目的方式。

在本文中，@manishmshiva 讲解了开发团队如何在生产环境中组合使用 Claude、Cursor 和 GitHub Copilot。

你将了解到每个工具如何融入工作流，为什么人工审核仍然重要，以及 AI 如何重塑一切。

Kimi K3 将于周一推出，但你要如何确认自己已经做好准备，能在生产环境中对它进行规模化部署？借助我们最新的推理平台更新，你可以：

1/ 运行影子流量，在不向用户发送结果的前提下，查看新模型在真实提示词上的表现

2/ 在同一个端点后对两个模型进行A/B测试

了解更多请访问博客：亲自体验：

Anthropic 最近持续更新的 Claude Cookbook，值得所有在做 Agent 的人收藏。

它很像一份公开的「Agent 工程实验手册」：没有停留在 Prompt 技巧，而是直接给出可以运行的代码，展示异步多 Agent 协作、工具调用、长期记忆、上下文压缩、自我验证、Skills 和评测系统该怎样搭建。

其中几篇尤其值得看：
长时任务中，记忆、上下文压缩和工具结果清理分别解决什么问题；如何给 Agent 配一个独立的「评审模型」，按照明确的评分标准反复检查和修改；甚至连怎样减少千篇一律的「AI 味」前端，都拆到了字体、配色、动效和背景设计。

看完会发现，Anthropic 现在讨论的重点已经从「怎样问 Claude」，逐渐转向「怎样给 Claude 搭建一套可靠的工作环境」。

模型负责推理，Harness 负责上下文、工具、状态和验证。真正拉开 Agent 产品差距的，可能正是这些平时不太容易被看见的工程细节。

建议先收藏，很多内容都值得直接照着跑一遍：

一位 Anthropic 工程师从零文件开始现场编码，用了2小时写出一个可运行的智能体，他对 Claude Code 背后框架的讲解比任何付费课程都要好：

05:15 - 所谓「框架」：工具、提示词与技能，以及为什么它们比模型本身更重要

25:20 - 智能体循环：手动连接行动、观察、循环流程

42:00 - 给智能体赋予 bash 和完整命令行访问权限

58:15 - 只用 ls 和 cat 完成上下文工程

01:05:00 - 监控器：实时观察智能体思考过程

01:12:45 - 智能体卡住时的反馈循环机制

01:21:20 - 在舞台上现场构建多轮研究智能体

01:50:31 - 处理超过50M行代码库的策略

这里的每一步都是单个节点。下文会介绍如何把它们连接成一张图。在你启动第一组智能体集群前，先看看这个视频 ↓

我开玩笑式的，我给 Codex 写了提示词：「构建并运行 BenchBench，这是一个基准测试，用来衡量现在 AI 构建基准测试的能力。然后搞清楚什么是 BenchBenchBench 是什么，运行它。再把 BenchBenchBench 写成一篇合格的 arXiv 论文。

我得到了一份 PDF。但这篇论文居然还挺有意思？

给你：

开放权重模型的一大安全优势在于你可以获取推理过程。这对检测错位和其他威胁至关重要。你可以监控*一切*。

OpenAI 和 Anthropic 不公开推理过程，只公开摘要。这对智能体安全来说很糟糕。

在我使用更长一段时间后，现在补充一个重要更新：Opus 5 似乎比 Fable 更容易出现上下文腐败。

因此一旦你的上下文 token 数超过 500k，最好还是停下来开一个新会话，否则智能体的智商可能会突然掉 30 点，犯下低级错误。

我现在让一大批 Opus 5 智能体模拟 Bend2 用户进行操作。

它们会随机生成一个应用创意，尝试在 Bend2 里实现它，还要给出验证证明。

如果它们在任何环节遇到问题（语言错误、功能缺失、糟糕的 UI/UX），就会定位根本原因并修复，然后提交 PR 供我审核……

用第一人称射击原型对 Opus 5 做了一次测试，一镜到底。整个过程花了大约 1.5 小时。

它不仅生成了完整的游戏，还生成了可供多人对战的 Bot。飞行机制的调整可能还不够到位，但……

毫无疑问，它绝对是有史以来最强的模型。

B站一兄弟做的赛博女友，太有感觉了！纯本地运行的 AI 女友，不联网，不用 API key。VAD：Silero VAD v5 STT：Whisper LLM：本地 llama.cpp TTS：Qwen3-TTS 四个模型全部塞进 15G 显存，且可自由热切换。

基于开源项目 speech-to-speech 改造。我的codex啥时候能这样？😂

开发者davidmokos_在𝕏表示，Opus 5在构建Expo应用方面表现极为出色。

他分享了一个案例，@_poolday_的应用已经完全通过Expo完成重构。

应用的所有界面都是真正的原生用户界面。

当下是开发应用的绝佳时机。

Opus 5是一个出色的模型，但需要验证它在非知名任务上的表现。它在我设计的3D大象测试中遭遇了严重失败。

没有误解，它的表现已经比迄今为止所有其他大语言模型（LLM）都更好，但距离掌握基础3D世界认知还有很大差距。目前这种智能存在缺陷，多模态能力仍需要改进。

测试要求模型在单个HTML代码块中生成一个three.js项目，项目需要生成一头可通过物理引擎控制、具备照片级精度和复杂细节的大象。

要求涵盖所有真实大象具备的细小特征，比如会流口水、排便、身体有细毛发，还要添加合适的音效，以及行走等行为逻辑。

测试者@argofowl在清醒状态搭配咖啡，对Opus 5进行了一小时测试。

测试后认为Opus 5是一款合格的模型，工作非常细致，但处理任务需要更长时间。

测试者感觉Fable 5“懂得更多”，品味也略胜Opus 5一筹，但仍需要更多时间同时体验两款模型，才能得出更确定的结论。

网友jxmnop分享了个人全新工作流，针对不同类型任务匹配了不同的AI模型。面对复杂推理任务，他会优先选用Opus 5中等版本，仅在Sonnet-5或GPT-5.6 Luna无法完成任务时使用它。

深度知识类工作中，目前没有比Fable低版本更好的选择。复杂系统工程任务，他只信任GPT-5.6 sol高版本。

网络防御安全工作，他通常更偏好Kimi K3中等版本，偶尔会选用GLM 5.2极高版本。如果上述模型遇到卡壳的情况，他会立刻将任务交给混合模式的Composer 2/Grok 4.5 Build处理。

多模态计算机使用场景下，Muse Spark是最优选择。

社交平台𝕏用户Rubzem分享，Anthropic的Claude Opus 5仅用单个提示词就生成了带有5v5多人对战模式的《使命召唤》游戏。整个生成过程只用了半个小时，《使命召唤》是全球史上最畅销的游戏系列之一。

其他AI模型此前在制作这类游戏时，一直难以完成地图创作和复杂设计工作。

在此之前，这些模型生成的大多是平整的平面地图。Claude Opus 5这次生成的内容，已经包含地形，以及可以进入或是登顶的建筑。

@0xAA_Science在𝕏分享，自己使用gpt-5.6 Terra制作了个人主页。他让AI借助threejs工具，将自己的头像做了粒子化重建。他表示这个粒子化头像的最终效果不错。

个人主页可通过网址http://0xAA.xyz访问。

AI公司的气场居然短短几周、几天，甚至几小时就能天翻地覆，这太疯狂了。

气场似乎是营收的先行指标。

而这种气场很大程度上是在X上衡量出来的。

AI模型竞赛已经变得离谱了。

Grok 4.5 才刚刚发布两周。

再过两周就要出 Grok 4.6 了。

再过四周就要出 Grok 4.7 了。

还记得唐国强当年说演员迟早被AI替代那会，一个人对一群人。现在再看这个AI做的视频，很有画面感啊！原作者：提示词看起来好像很庞大。

其实就是输入了七八个字，模版就会自动让AI输出。文科生做梦也想不到，有朝一日自己居然可以写代码。

接近 6 万 Star 的开源 AI 股票分析神器，真的好用

它本质上是一套完整的 AI 股票研究系统，自动整合行情、新闻、技术指标和基本面，再调用 Gemini、GPT、DeepSeek 等模型，生成结构化分析报告。

我实测长鑫科技，它会直接拆解：国产替代、技术差距、IPO 估值、行业周期、潜在风险，以及乐观/中性/悲观三种情景。

支持 A 股、港股、美股，自带 WebUI、大盘复盘、自选股、历史报告和 Agent 策略问股，还能 Docker 本地部署。

◾️安装 Docker Desktop
◾️让 Codex 部署官方镜像
◾️浏览器打开 http://localhost:8000
◾️配置模型 API，添加自选股即可使用

GitHub： 开源免费，AI 调用可能需要 API，仅用于研究辅助，不构成投资建议。

Codex 5.6 让 3D 建模师压力山大了！

最近挖到一个宝藏开源项目 img2threejs，直接把 AI Coding 和 3D 创作连接起来。

接入 Codex 5.6 后，一张参考图，就能跑通： 2D 图像 → 结构分析 → Three.js 程序化模型 → 浏览器实时交互

1️⃣ 意图识别：一张图，Codex 5.6 就能精准捕捉 3D 对象的形态与细节意图

2️⃣ 代码化身：它将意图转化为可编辑、可动画的 Three.js 代码，告别传统建模的繁琐

3️⃣ 动画就绪：生成的模型自带运行时层级，直接用于游戏、XR，真正实现从图像到可动资产的闭环

地址：

Opus 5 模型现在是做游戏最屌的模型 我用相同的提示词测试了 opus 5.0、fable 5.0、gpt 5.6sol 、k3 做游戏的能力，核心是让它们自己设计与开发游戏，展示能力的天花板 下面视频中的游戏是 opus 5 开发的，其游戏设计，可玩性都比其他模型厉害很多，今天尝试做做更帅的游戏 其他模型设计的游戏传送评论区 👇：

kimi 做的游戏，排名第二

fable 5 开发的游戏，排名第三

GPT 5.6 sol 开发的游戏，排名第四，垃完了

前谷歌工程师用了60分钟，就构建出了多智能体循环的图表，这帮他节省了10天的工作量。下面是他从零开始用Claude实现的方法：

步骤1 → 运行`git worktree add ../task-1 -b task-1`，然后打开终端，cd进入该目录，运行`Claude Code`，重复这个操作5次——每个智能体都拥有自己的分支。

步骤2 → 给每个智能体分配一项任务，共用同一个仓库，不同分支，它们不会产生冲突。

步骤3 → 全部完成后，审核PR，合并可用的内容。

步骤4 → 添加一个审核智能体：把每个PR粘贴到Claude中，提问「这符合规范吗？」。

步骤5 → 根据你的机器性能，从5个扩展到20个智能体，48GB内存可以跑20个，128GB可以跑50个。

大多数工程师只运行一次Claude Code然后等待，而他跑了50个实例，合并能落地的成果。

收藏并观看这个精彩的60分钟讲座 ↓