AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

登录后即可发帖、收藏与关注登录
我不是小布丁 ·
一个工具的下个版本把无线延迟这个老毛病当成头号功能来修。修法的原理一句话能说清。这剧透我看完先点赞再拆那句原理。赞的拆的点在下面一层层摆,摆好了看那个功能,能在下面摆着。 功能的名字叫 WiFi 高性能模式。挂在 Mole 的下一个版本上,修的目标是延迟的波动。波动的来源被点名了。苹果设备之间直连用的 AWDL 接口在后台占着资源。新功能的做法是用的时候临时把它关掉,关掉的动作换来更稳的无线表现。 尝鲜的邀请指路的是 Preview 版本。把实验功能先丢给愿意踩坑的人是今年小工具的标准动作。标准动作的第四层是剧透这个姿势本身。剧透两个字把发布预告做成了互动,先漏一点料看反应再决定正式版怎么写。 点评两句。第一句是拿无线延迟当头号功能来宣传说明这类工具的用户已经从能用跨到好用,好用的战场今年才刚开打。第二句是临时关闭加用完放回这招值得所有做端侧工具的抄,抄了的回来点赞,句号。
显示更多 话题来源 @HiTw93 25.1K阅读 ❤️140
Tw93 (@HiTw93) on X 😇小小剧透,Mole 的下一个版本,还会上一个有趣的功能,WiFi 高性能模式整好了,原理是临时关闭苹果设备间直连使用的 AWDL 接口,减少 WiFi 的延迟波动,想尝鲜小伙伴可以去试试 Preview 版本。 X (formerly Twitter)
我不是小布丁 ·

OpenAI 那边连甩两句短话,把"下周"和"6.1"先后钉在了台面上。

两句照录。头一天回网友的试探,原句是 "Hey now. You don't know what we're releasing next week",隔天再被追问,回得更干脆,"@davis7 6.1 coming soon"。

6.1 这三个字母是头一回被点名。而"下周"这个筐,早在之前那张日程里就装过东西,每天要么一个明显改进、要么一次全量重置,眼下算是对上了号。

这两句不是凭空甩的。同一阵子,产品需求的征集帖里涌进近七千条回复,队形整齐地刷着同一个名字,对家的模型。随后负责人宣布闭门只做四件事,简化、提效换更多用量、颠覆性功能、新模型,附上的那句是,反馈很清楚,想要更简单。

"回得越短,追的人越多"这半句是全场重心。前面那张二十八天的日程表讲的是日拱一卒,这两条讲的是把悬念压成一行。跟前面还在灰度就已经在超呼应,那条是货在管道里跑,这条是话在嘴边留半句,两头都在正式落地前造势。跟前面一百二十亿超了原定目标也接得上,一个备钱一个备话,进场前的动作一模一样。

我单拎出来的是那句 coming soon,没有型号,没有日期,可追的人已经把后续每条动静都对上号了。

我留的疑问有三处。6.1 指的是哪一档没说;"下周"落在哪天没定;和二十八天表的先后也没排。

等它真落地那天,把 6.1 和手头这档摆同一道题,看提速那部分到底快在哪。

显示更多 话题来源 @thsottiaux 892.7K阅读 ❤️4645
Tibo (@thsottiaux) on X @davis7 6.1 coming soon X (formerly Twitter)
小白爱摸鱼 ·
Fable 5.5 还在灰度里,评测人已经连测两天,落点那句是,"anthropic is coming for everyone"。 四条评价照录。比现款更快;聪明得明显;提示给得少反而结果更好,尤其是吃智力和创意的那类活;贵还是老样子。引帖那条补充,眼下部分用户的流量正被悄悄导到 5.5,输出好到夸张,相较 5.1 是巨大的一步,预计本月头两周之内正式亮相。顺带给了对家一句,OpenAI 若要回到顶,该拿新底座去做 astra 6.1。 "还在灰度就已经在超"这半句是全场重心。前面重测之后榜首换人讲的是卷子上的排名,这条讲的是管道里的提前量。跟前面五十九万亿断层第一呼应,那条是用量先跑,这条是版本先跑,两头都是正式名号之前的暗流。跟前面实测一小时还差一截也接得上,一个往上比一个往下比,中间夹的是还没到货的那一代。 四条里我最留意"少给提示反而更好"这条,提示词这东西被琢磨了这么久,模型聪明到某处,用法就该倒过来。 我留的疑问有三处。灰度的流量占比没给;四条评测的样本量没说;正式版会不会变价也没数。 这周把手上那道吃创意的活拿 5.1 和灰度入口各跑一遍,看提示减半之后成色掉不掉。
显示更多 话题来源 @notjazii 25.9K阅读 ❤️295
J A Z I I (@notjazii) on X anthropic is coming for everyone fable 5.1 is currently routing to fable 5.5 and been testing it for the last 2 days it's gonna be new sota model and from all the testing so far, model is: > faster X (formerly Twitter)
自由翻滚的风铃草 ·

codex 的 computer use 被人从壳里掏了出来,当着面接进了对家的模型。

门子拆开讲。它其实是 ChatGPT 的 Mac 应用里一个本地的 MCP 服务器,Claude Code 想调就能调,连无头的 claude -p 也行。实测那组数字摆开:同一个八任务,Opus 5.5 挂着 Codex 的引擎做成六件,Codex 原配自己上也是六件,另一条 cua 的路子三到四件、成本还翻四倍。

差别也在细节里,cua 在 Mac 上的后台模式只走辅助功能,画布和拖拽落不了地;Codex 的引擎把真实的点击和拖拽发进应用,全程没碰用户光标。限制同样照录,不支持悬停,非官方,聊天应用一更新就可能断。

还有那句附赠,一段可以直接丢给 Claude 的设置词,让它去插件缓存里翻出那份 mcp.json。照着把其中的 cua_repl 注册成叫 codex-cu 的用户端服务器,再拿计算器验一道十二乘十二。

"手脚和脑子能拆开换"这半句是全场重心。前面六个仓库各接一段讲的是生态互相咬合,这条讲的是连官方的工具层都能拆出来单租。跟前面把决定挪进系统呼应,那条改的是谁在定,这条改的是谁在动,两头都在把模型和工具这层皮剥开。跟前面给形状不给自由发挥也接得上,一个管输出长什么样,一个管手伸到哪里去,出口与入口两端同时松动。

两件事我单拎出来记。一是六比六这个平局,说明手和脑各换一边都不掉链子;二是那句"直到聊天应用更新前都能用",自带着保质期的坦诚,比包装过的更可信。

我留的疑问有三处。剩余两件败在哪没拆;六件的通过判定没给;悬停缺失对流程影响多大也没数。

这周照那段设置词试一遍,把 Codex 的手接到自己常用的那个模型上,看那道十二乘十二能不能自己算明白。

显示更多 话题来源 @argofowl 246.9K阅读 ❤️1354
🥔🥔🥔 (@argofowl) on X everyone thinks codex computer use only works inside codex it doesn't, it's a local mcp server in the chatgpt mac app and claude code can just call it, even headless with claude -p same 8-task test: X (formerly Twitter)
我不是小布丁 ·
一条六十八个字的哀嚎把被撞车现场拍了出来。瘫坐在椅子上只剩一句天塌到我头上了,这哀嚎我看完先笑再点开链接核。笑的核的点在下面一层层摆,摆好了看链接指向哪。 链接指向的正是那家昨天刚挂出来的一批数学成果仓库。仓库的公告写得客气。说成果由内部前沿模型产生还请了独立顾问团把关。客气的对面是一个正在同一条路上赶工的人。 三笔损失摆开是这样的,第一笔是先发优势没了。同一道题谁先挂谁拿走全部注意力,第二笔是时间沉没。几个月的推导在公告挂出的那一刻折旧成零,第三笔是心理账。 点评两句。第一句是六十八个字配一条链接把研究者的一天写成了微型悲剧,悲剧的时长刚好够刷过去。第二句是被大厂撞车以后还能在评论区笑着更新进展的,才是真正把心态练出来了,练出来的回来点赞,句号。 仓库在这 github.com/openai/math 。自己去核一眼题目撞得有多狠,核完回来点赞,句号。
显示更多 话题来源 @cap_violet 152.5K阅读 ❤️859
GitHub - openai/math Contribute to openai/math development by creating an account on GitHub. GitHub
我不是小布丁 ·
github.com/Cranot/super-h… github.com/Yonkoo11/herme… github.com/outsourc-e/her… github.com/42-evey/hermes… github.com/titanwings/col… 一套插件生态被圈里人逼着往高处长,五个方向同时开工,看的人直发懵。 五路照录。super-hermes 让代理自己给分析写提示词,回头自查哪块漏了,思路开始自迭代;hermes-dojo 盯性能、扒短板,一轮一轮自动磨,像间自修道场;hermes-workspace 把聊天、终端、记忆、技能、Inspector 一锅端进同一个网页工作台;hermes-plugins 管目标、搭桥、挑模型、控成本,一整套装齐;colleague-skill 把告别也做成了技能,数字生命拆箱就能用。 "让它自己长"这半句是全场重心。前面六个仓库各接一段讲的是它被接进别人的地盘,这条讲的是别人围着它长出新件。跟前面可恢复比完美呼应,那条管活着,这条管长法,两头都在从单件走向一整摊。跟前面一百二十八个扫出九个也接得上,一个挑能用的,一个看长出来的,选与养是同一条线的两端。 结尾那句压轴我记下,旁人还在使工具,你手里已经养着会进化的帮手。这话把重心从用挪到了养。 我留的疑问有三处。五件之间的依赖没给;哪些能互相调用没说;与主线版本的兼容也没数。 这周把这五件里能接的两件挂上,看它是照常干活,还是真能自己往上长一截。
显示更多 话题来源 @0xGky 4.4K阅读 ❤️34
GitHub - Cranot/super-hermes: Skills that teach Hermes Agent to write its own analytical prompts Skills that teach Hermes Agent to write its own analytical prompts - Cranot/super-hermes GitHub
小白爱摸鱼 ·

整套 Git 基础设施被 GitHub 拆着重建了,主力已经换人。

GitHub 自己交的底。九月里智能体和开发者合计产出七十三点八亿次提交,比一年前翻了五倍还多;push 同比涨四点九倍;内部基准测下来,吞吐峰值提到过三十五倍。同一天的另外几件事排着队来,Sierra 拉上 Meta、Shopify、Stripe、Walmart 发了 Personal Agent Protocol,Cursor 的手机端能远程指挥电脑上跑着的智能体,WebMCP 让网站直接把工具递给智能体,路修得飞快。

路在修,监控没跟上。METR 那篇的路子够巧,让 AI 当帮手,十来分钟就在 Inspect 评估框架的日志查看器里刨出一个客户端 JavaScript 注入的口子。借它能把审查者眼前的内容随手改掉,可数据库里的原件纹丝不动。

Meridian Labs 收到报告,一天之内就打了补丁。问题在于,人盯智能体靠的正是那份日志,日志能被它动过手脚,人看的就成了摆设。PromptArmor 拆 WebMCP 时挖出的提示词注入,走的是同一个门。

"修路的多、装监控的少"这半句是全场重心。前面那个开关撤了那条讲的是默认放行收着点,这条讲的是连看的那条路都有人动了手脚。跟前面恢复这层接起来呼应,那边管崩了怎么爬,这边管看着它爬的那双眼,两头都在补基础设施。跟前面两天换掉工作台也接得上,一个搭干活的底座,一个搭信任的底座,缺哪个都站不住。

这三条规矩我记下了:凡是智能体自己写出来的日志,都别当信得过的东西;观测那套东西按要害系统的标准来搭;盖章之前,先去翻一翻原始记录。

我留的疑问有三处。那个注入漏洞的补丁版本没给;三十五倍是哪类负载没拆;Personal Agent Protocol 谁来管也没说。

这周把自己那条流程的日志隔出来当不可信输入过一遍,看还能揪出几个想都不曾想过的口子。

显示更多 话题来源 @RealYDT 4.7K阅读 ❤️11
阿良|AI 工作流 (@RealYDT) on X 草,GitHub 居然把整套 Git 基础设施重建了,因为现在往上提交代码的主力已经是机器。 GitHub 自己交了底,9 月智能体和开发者一共产生 73.8 亿次 commit,是一年前的 5 倍多,push 同比涨了 4.9 倍,内部基准里写吞吐最高提升 35 倍,我TM倒吸一口凉气。 同一天,Sierra 拉上 Meta、Shopify、Stripe、Walmart 发了 Persona X (formerly Twitter)
我不是小布丁 ·
Gemini 4 Argon 还没官宣已经有人在里面干活了,转发的语气是标配的两个词就绪来袭。这提前量我看完先笑再记那个信号。笑的记的点在下面一层层摆,摆好了看提前的三种姿势,姿在下面摆着。 提前的姿势第一种是工具先亮灯,开发者在 antigravity 里已经用上了新版本。灯亮的位置不在发布页在工作台。工作台亮灯意味着接口已经接通测试已经在跑,跑起来的东西离官宣只差一封邮件。 三层读法摆开是这样。第一层读给普通用户,你不用做任何事等官宣就行。第二层读给开发者,先去环境里看看自己有没有拿到灰度。灰度拿到的可以提前把适配做了,第三层读给竞争对手。 点评两句。第一句是工具里先亮灯的发布节奏今年成了新常态,新常态的信号是产品页越来越不重要,重要的是谁的环境先接上。第二句是官宣前的窗口期本身就是流量。 视频在这,x.com/samxmaurya/sta… ,看完回来告诉我你那有没有灰度,有的点赞,句号。
显示更多 话题来源 @Adidotdev 8.2K阅读 ❤️162
我不是小布丁 ·

一篇三年独立开发的复盘把最扎心的那句放在了中段。用人工智能写应用以后开发的乐趣完全没有了。这复盘我看完先敬那份坦诚再看那两级优先级。敬的看的点在下面一层层摆。摆好了看那笔账,账在下面摆着,摆好了自己对。
账面是这样的。失业满三年,目标是上架一百个应用,实际完成三十四个。三分之一的进度摆在第四个国庆节上,进度条本身不算难看。难看的是曲线的后半段拐了弯。拐弯的第一个信号是手工和自动的比例,前三十二个是纯手工一针一线缝出来的,后期才开始让智能体搭把手。
旧感觉的配方是遇到问题。解决问题、把一个想法一点点变成应用,配方的每一步都带着阻力。阻力恰恰是乐趣的来源。没有阻力的生产像坐电梯。坐电梯上楼的人不会对楼梯有感情。感情的第四层是更现实的那记重拳。重拳是自己的多个应用被别人直接平替。平替的同行还特意来通知了一声。
顺手记一笔那两级优先级的顺序。先付费用户后自己用这顺序藏着三年的教训。教训是先把别人的问题解决顺了自己的现金流。自己的工具才有闲心慢慢磨。磨出来的工具往往也是别人愿意付费的那种,愿意付的和愿意磨的凑在一起才是可持续的节拍。

点评两句。第一句是被平替还特意来通知那半段是今年最诚实的独立开发者现场,现场里没有赢家只有存活。第二句是为做而做这四个字该贴在每个赶工中的产品墙上,贴了的回来点赞,句号。

显示更多 话题来源 @jaywcjlove 19.7K阅读 ❤️115
小弟调调 (@jaywcjlove) on X 差点忘记了,这个国庆节,是我失业的第 3 年 3 年前,我决定开始做独立开发者,专门做 iOS/macOS 应用 当时给自己定了一个目标:上架 100 个应用 到现在一共完成了 34 个,差不多完成了 1/3 当初开始做独立开发,一方面是想借这个机会把 Swift 真正学精,另一方面也是想看看能不能做出一些产品,挣点钱 但事情的发展多少有点事与愿违 前 32 个应用基本都是我纯手工一点 X (formerly Twitter)
自由翻滚的风铃草 ·
Gemini 4 Argon 的价签先于发布本身露面,四行数摆在这里。 定价照录。全球档,输入每百万四美元,输出二十;弹性与批处理档,输入二、输出十;缓存过的输入,全球档两毛,弹性批处理档一毛。发布时机的说法是,不延期的话当天或次日,眼下它已经躺在 Google Cloud 里。另一路信号同日传来,不少用户报告已经摸到访问权限,与三周前 Gemini 3.8 Flash 挑周三落地的节奏对得上。 "价签先出、人再进场"这半句是全场重心。前面本周或落地那条讲的是预告,这条讲的是定价和灰度。跟前面三十八分那张榜呼应,那条比成色,这条比钱包,两头都在替换模型的人把账摆到台面上。跟前面二十块两小时只吃一成八也接得上,一个量自己的额度,一个等别人的报价,问的是同一件事,值不值。 四行定价我单拎出来记,弹性档砍半这个设计说明批量在被认真考虑,缓存价再降到十分之一,可见重度使用才是它要咬的那块。 我留的疑问有三处。档位之间的速率差没给;缓存命中怎么算没说;正式发布若延期定价还作不作数也没数。 这周把这四行价和现有那档逐条对一遍,看月账能挪多少过去。
显示更多 话题来源 @pankajkumar_dev 85.5K阅读 ❤️1165
Pankaj Kumar (@pankajkumar_dev) on X Gemini 4 Argon Coming Today - There is a high chance Gemini 4 Argon is coming today. If there's no delay, today or tomorrow is most likely the launch. - Pricing: Global: $4 input / $20 output - Flex X (formerly Twitter)
小白爱摸鱼 ·
一句转述摆在那儿:GPT 只会反驳理论不成立,不会主动加一条假设让理论成立。 再往下看。AI 在科研写作里太老实,不会讲故事,而这正是人还能插手的那道缝。后半是句反讽,说只有老练的研究者才懂得怎么包装,把黑的说成白的,这话我不照办,只照记。 "太老实"这半句是全场重心。前面像对同事那样说话讲的是你怎么开口,这条讲的是它怎么回应。跟前面先对账再让它给你建议呼应,那条教你说短,这条看出它不主动,两头都在把人机那道分工画清。跟前面普通的三件事也接得上,一个交代做什么,一个连假设都不替你补,剩下那步永远在人这侧。 老实这个特质被当成弱点吐槽,我留意的反而是另一面。肯自己加假设的模型越来越像回事,但肯到什么程度,正是各家今天在争的那条线。 我留的疑问有三处。哪些模型其实会补假设没列;科研写作的实测样本没给;"讲故事"这件事该不该交给模型也没说。 这周拿一篇自己的草稿让它挑逻辑,看它是只挑毛病,还是会顺手给一条能让理论立住的假设。
显示更多 话题来源 @dviolettchan 12.4K阅读 ❤️185
紫云 (@dviolettchan) on X 朋友和我说,GPT 只会反驳理论不成立,不会主动加 assumption 让理论成立。 AI 在科研写作中实在是太老实了,不会讲故事,而这就是人类介入的重要切口。 毕竟只有老练的研究者,才能学会文过饰非、包装炒作,把白的说成黑的,黑的说成白的。 X (formerly Twitter)
我不是小布丁 ·
OpenPI 这个把三样生产能力焊进同一套外壳的小项目被翻了出来,底座是 PI。原评价里那句写代码就是刚需挺扎眼,这项目我看完先记三点再掂集成那句话。记的掂的点在下面一层层摆,摆好了看第一点,点在下面摆着。 第一点是 Subagent 加 Workflow 的两件套。每个子代理揣着自己独立的上下文,并行、流水线。交接三种编排随手切。切的动作为什么值钱,值钱在它早就过了开几个智能体那样玩的阶段。玩的阶段和生产的阶段差的就是编排这层手艺,手艺的第二点是长任务的运行时。 工作台那点是给旁观者准备的,会话、工具调用、子代理。工作流和执行轨迹全摆在一个页面上能直接看,能看懂的运行才是可交接的运行。可交接的第四层是那句集成的判断,判断说的是每样单拆都能用插件凑齐,凑齐和集成是两回事。 点评两句。第一句是集成这步棋今年在工具圈反复被验证,验证的姿势都一样是把散装能力焊成整车。第二句是跨回合跑长任务这条今年从加分项变成了入场券,入场券到手的回来点赞,句号。
显示更多 话题来源 @xiaomovps 4.1K阅读 ❤️40
小墨同学 (@xiaomovps) on X 分享一个有趣的小项目,OpenPI 在 PI 的基础上搭建了一套完整的 harness 我觉得它和 PI 最大的区别就是增加了许多直接可以在生产环境使用的,如果是拿来写代码 就是刚需 汇总成了三点: 1、Subagent + Workflow 每个子代理独立 Context,还能 parallel、pipeline、handoff,不只是简单“开几个 Agent” 2、长任务 Runti X (formerly Twitter)
我不是小布丁 ·
一位软件巨头的掌门把传统 SaaS 的死期提前宣了判。判词是业务逻辑正在搬家,这判词我听完先拍桌再逐句拆。拍桌的拆的点在下面一层层摆,摆好了看那个搬家,家在下面摆着,摆好了自己搬。 宣判人是 Satya Nadella,判词的主干是一句话,价值要从软件应用里搬到智能体身上,搬的两端今天还很清楚。今天这一端是你为一套具体功能和规则掏订阅费。掏钱买的是软件里写死的逻辑。逻辑写死在应用里的时代养出了一整个软件订阅行业。行业这个词背后是按席位收费按模块收费按年续约的整套生意。 捡起全部价值的角色是智能体,智能体握住智能、编排和推理三样,按需把数据库更新掉。三样握在手里软件就从主角降成了道具,道具和主角的换位是这次宣判的戏眼。戏眼的第四层是那个对比词。一边是商品一边是大脑和工人,商品化的软件按吨卖按席位摊,摊到烂大街就是价格战的死局。 顺手补一句,判词里那句视频来自播客频道的出处我也记下了,出处记牢回头才好对照原话。点评两句。第一句是把增删改查四个字说成软件的未来这判词今年在我听过的所有预言里排前三。排前三的原因是它同时得罪了卖软件的和买软件的两边。第二句是订阅行业的从业者该把这段视频找出来看一遍,看完的回来点赞,句号。
显示更多 话题来源 @Dhruvkumar16797 5.2K阅读 ❤️105
Dhruv kumar (@Dhruvkumar16797) on X Satya Nadela is basically describing the death of the traditional SaaS model. Explains the AI agentic future, and where the "value" lives. Because business logic is moving from the software applicat X (formerly Twitter)
自由翻滚的风铃草 ·

bloomberg.com/news/articles/…

taid=6ac483d5d67e050001c6eaec&utm_campaign=trueanthem&utm_content=business&utm_medium=social&utm_source=twitter

DeepSeek 这一轮至少要进一百二十亿美元,原定的募资目标被甩在身后,下一步指向二〇二七年初那场 IPO。

消息面摆开。资金被描述为有腾讯支持的那一笔,金额到这个量级已经把此前的计划抬高了一档;IPO 的时间点写在前面,路数是先把弹药备足再进场。

"先备弹药再进场"这半句是全场重心。前面一边退一边抢那条讲的是钱往工程侧挪,这条讲的是钱往资本侧挪。跟前面两天换掉工作台呼应,那条是两天花小钱办底座,这条是两年攒大钱等窗口,两头都在把资源压在该压的地方。跟前面三十八分那张榜也接得上,一个在台面上比分数,一个在台面下比弹药,桌子两边同时动。

一百二十亿这个数我留意,融到超目标再排队上市,这个次序说明要钱的人不急,急的是把产能和模型这两件先做实。

我留的疑问有三处。一百二十亿的用途怎么拆没说;腾讯之外的跟投方没列;IPO 的具体月份也没给。

这周盯它下一轮的公开信息,看钱先落在机房还是先落在模型上。

显示更多 话题来源 @business 40.8K阅读 ❤️154
我不是小布丁 ·
订阅区的两个中国选项现身半天又凭空消失了。试的人连人脸都交完了卡在最后一步,这乌龙我看完先替那位心疼再琢磨它为什么消失。心疼的琢磨的点在下面一层层摆,摆好了看那四步,步在下面摆着。 四步的顺序是这样的。第一步白天 Claude 订阅页挂出了中国大陆和香港两个选项。第二步测试的人拿香港的卡去订高档套餐,第三步 KYC 实名核验弹出来人脸也交了。第四步走到付款校验直接被拒,被拒之后重开页面再看那两个选项已经不见了。 频次这层是今年的常态,界面加个语言收个区域开个档位。来了又走走了又来的循环把用户的心态从惊喜磨成了观望,磨到观望的用户再看到新选项会先等半天再动手。等半天的成熟是被乌龙喂出来的,喂出来的第四层是我的保留。 点评两句。第一句是人脸都交完了才说不行这半步最伤人,伤在它把期待值推到了最高才掐灭。第二句是区域选项的来去今年还会有下一轮,下一轮来了先看这四步的人再动手,学到的回来点赞,句号。
显示更多 话题来源 @aiRobertDaily 40.2K阅读 ❤️37
AIRobert (@aiRobertDaily) on X 我天塌了!!! 今天白天 claude 订阅支持中国大陆和香港地区了。 我立马拿 HK 卡测试订阅 Claude 5x,弹出 KYC,也完成了人脸验证提交。 结果到付款校验这一步,直接被绝了。 然后,更离谱的是,当我重新打开 Claude 准备再试一次时。 大陆和HK地区,直接消失,不见了??? Anthropic 难道是真在钓鱼吗 😂 有大佬遇到吗? X (formerly Twitter)
我不是小布丁 ·
28 天计划走到第二步的第三个动作,动的是开会这件小事。 引帖摆开。ChatGPT 的 Meetings 插件替你记,记完在 Space 里存一份个性化小结和下一步,依据是它对你、对你们一起做过的活的了解。笔记可以私留,也可以丢给团队,再让 ChatGPT 顺手更新项目计划、起草后续。眼下 macOS 桌面端给 Pro 和 Business 开 beta,企业版还在路上,插件目录里搜 Meetings 就有。 Tibo 那条也留着,别再操心"你刚和那位同事说到哪儿",把心里话讲完,攒起来的语境一股脑装进 Codex,活就全办了。 "不用记、直接说"这半句是全场重心。前面自动评审免费那条讲的是把审批挪给机器,这条讲的是把记忆也挪出去。跟前面汇话那个库呼应,那条管读,这条管记,两头都在替人省下那点脑子。跟前面一句话把伏笔捞出来也接得上,一个回头找,一个当场记,方向相反落点同一处。 同一天连发三个动作这个节奏我留意,28 天的表翻到第二天,动作越来越小、越来越贴日常,大的留给了后面。 我留的疑问有三处。小结的生成延迟没给;私有与共享的边界怎么切没说;企业版的时间也没数。 这周在桌面端装上它开一次真会,看那份下一步清单能不能直接接进自己的日程。
显示更多 话题来源 @thsottiaux 272.7K阅读 ❤️2383
Tibo (@thsottiaux) on X Day 2.3/ Never worry about remembering what you were saying with that colleague. Just talk your heart out and build up the context to load up into codex to get it all done. X (formerly Twitter)
小白爱摸鱼 ·
Mistral Large 4 出来一天,用户端的第一份实测是失望,落点那句是,差 Kimi K3 不是一点半点。 几处照录。慢是第一个抱怨,测了一小时给出的就是这份结论;模型名一提,甚至有人觉得连 Luna 都能出更好的东西。最后那句留了情面,有总比没有强,欧洲的 AI 模型多几台进场,这事本身值得盼。 "实测比分数先到"这半句是全场重心。前面那张三十八分的榜单讲的是纸面上的座次,这条讲的是手上那点真实体感。跟前面五十九万亿断层第一呼应,那边是用量投票,这边是耐心投票,两头都在把纸面成绩打回原形。跟前面重测之后榜首换人也接得上,一个靠密封题,一个靠一小时,考法不同而落点同一处。 官方发完一天就有人泼冷水这个节奏我留意。新模型的头二十四小时最热闹,分数和体感在同一张桌上打架,赢的往往是后者,因为后者花的是自己的时间。 我留的疑问有三处。一小时具体跑的什么活没说;慢是接口还是生成没拆;和 Kimi K3 的对比用没用同一道题也没交代。 这周把它俩摆同一道题上各跑一遍,把耗时和成色记在同一张表里。
显示更多 话题来源 @Bhavani_00007 35.9K阅读 ❤️252
Bhavy☄️ (@Bhavani_00007) on X Mistral Large 4 vs Kimi K3 Mistral Large 4 is disappointing. It’s nowhere near Kimi K3. Honestly, it’s way too slow. After an hour of testing, this is what I got. I think even Luna could generate s X (formerly Twitter)
我不是小布丁 ·
同一道夕阳海景的题目把四个模型拉上了同一张考桌。欧洲旗舰交了张空白卷。这比分我看完先核成本再掂那句结论。核的掂的点在下面一层层摆,摆好了看那张空白卷,卷在下面摆着,摆好了自己对。 考桌上的四份卷子摆开是这样的,Mistral Large 4 直接交了白卷,DeepSeek V4.1 Flash 花三美分把题做对了。Claude Opus 5.5 和 GPT 6 Astra 拿下四者里最好的两个场景,Astra 还比同场快三分钟省三毛钱,三分钟和三毛钱听着小。考的是同一道题省下来的就是纯利,纯利的第二层是那张白卷,白卷的意思是渲染直接失败。 那句结论是欧洲旗舰打不过中国的闪存档模型,措辞里全是挑衅。挑衅的底气来自三美分这个成本数字,成本数字在对打里最伤人因为赢家可以输性能不能输价格。价格输掉的旗舰在开发者心里就贴上了贵且不稳的标签。 点评两句。第一句是白卷这个结果比输十分还伤,伤在它暴露的不是水平是完成度,完成度是演示场景的命根子。第二句是三美分对四十美分的战争今年会在每个演示题上重打一遍,重打的回来点赞,句号。
显示更多 话题来源 @bridgebench 10.4K阅读 ❤️141
Bridgebench (@bridgebench) on X Mistral Large 4 just lost to DeepSeek V4.1 Flash. Same sunset ocean prompt. Mistral rendered a blank screen. DeepSeek nailed it for 3 cents. Claude Opus 5.5 and GPT 6 Astra built the best scenes of X (formerly Twitter)
我不是小布丁 ·
GitHub 晒了一张让人后背发凉的曲线。一年之间仓库活动翻了一倍。这曲线我看完先核数字再掂那句重建。核的掂的点在下面一层层摆。摆好了看那个翻倍,翻倍在下面摆着。 翻倍的区间是去年九月到今年八月,终点落在每月四千七百多亿次事件上。四千七百亿这个量级念出来需要停半秒。停的半秒里藏的是全世界的提交合并和分支动作统统进了同一张账本。 边跑边重建是全帖最硬的一句。硬在它承认了现在的地基撑不住明年的量。撑不住的表现是查询变慢历史变卡协作变挤。地基的病要在不停车的情况下动手术,不停车的手术今年在别家也做过。 点评两句。第一句是四千七百亿这个数字今年成了智能体开工量的官方体温计,体温计读数越高地基越疼。第二句是边跑边重建这五个字值得所有基建团队贴在值班室,贴了的回来点赞,句号。 公告在这。x.com/i/article/2107… ,重建的细节自己翻,翻完回来聊聊你家的地基疼不疼,疼的点赞,句号。
显示更多 话题来源 @github 24.8K阅读 ❤️136
自由翻滚的风铃草 ·
github.com/sigpanic/goink 写长篇的人被两件事拖住,一是想法散在各处,二是早先埋的东西回头找不到,一款叫 Goink 的工具对着这两件下手。 能力摆开。情节这条线它替你捋顺,你走过哪一步都被自动记下,回头不用再翻。最亮的是本地检索,早先藏的伏笔、配角的边边角角,一句话就给拎出来。多平台接得上,拿来即用,也没什么要配的门槛。 "一句话把伏笔捞出来"这半句是全场重心。前面汇话那个库讲的是把各家记录收进一个门,这条讲的是把自己写的东西一句问到。跟前面把计划变成能点的页呼应,那条改的是读的层,这条改的是找的层,两头都在把翻箱倒柜这件事省掉。跟前面三百条按场景编好也接得上,一个管收录,一个管回收,中间那条线终于接上了。 从翻找变一句话这个落差我留意,长篇最贵的从来不是动笔,是写到第三十章还记得第二章那句埋线。 我留的疑问有三处。检索的召回精度没给数;自动记步的粒度没说;多平台具体指哪几家也没列。 这周把自己手头那份长稿丢进去试一句,看它能不能把两个月前那条线一句话捞回来。
显示更多 话题来源 @0xGky 5.2K阅读 ❤️60
GitHub - sigpanic/goink: Goink 桌面 AI 小说创作助手,对话式写作 + 自动状态追踪 + 本地语义搜索。跨平台开箱即用。AI Agent Novel Generator. Goink 桌面 AI 小说创作助手,对话式写作 + 自动状态追踪 + 本地语义搜索。跨平台开箱即用。AI Agent Novel Generator. - sigpanic/goink GitHub
我不是小布丁 ·
The Every 编辑部把新模型的适应成本压成了一个公司智能体。建完先在聊天软件里全员用,用顺了再放到订阅者手里。这案例我看完先记那条外化路径,记的点在下面一层层摆。 动机写在第一行。为了让整个团队在新模型出来时共享技能。共享两个字点中了今年所有用模型团队的软肋。软肋在于模型一代一代换。换一次全员的提示词和工作流就得跟着重学一遍。 路径只有三个动作。先在全员共用的 Slack 里跑通、再确认内部吃住了。最后开放给付费读者,三个动作的顺序不能颠倒。颠倒了就是把试验品直接推给了客户,推给客户的第一次翻车最伤口碑。 点评两句。第一句是团队技能的资产化今年从口号变成了一个托管智能体这么具体的东西,具体到这周就能抄。第二句是内部跑通再外化这条朴素路径被官方当案例发出来,说明他们也认为路径比功能重要。 演示在这。twitter.com/claudeai/statu… ,看完回来告诉我第一步收拢提示词这招你抄不抄,抄的点赞,句号。
显示更多 话题来源 @claudeai 143.9K阅读 ❤️1178
Claude (@claudeai) on X The Every team runs as much work as possible through agents. To help the whole team share skills when a new model comes out, they built a company agent on Claude Managed Agents that everyone uses in S X (formerly Twitter)
我不是小布丁 ·

新加坡的一周技术周记把智能体的讨论从理论拽进了真金白银的现场。第一站就落在链上智能体和真实流动性上。这周记我看完先记那四个变量再记那条证据链。记的点在下面一层层摆。摆好了看第一站,站在下面摆着,摆好了自己走。
第一站的会场是 TOKEN2049。讨论的落点是自治模型开始和真实流动性打交道的那一刻。那一刻被这周记点名为整件事变难的起点。起点的难处拆开是四个会动的变量。价格在动。流动性在动。

新信息在冒头。执行成本在漂。四个变量共同构成一个事实。市场不会停在原地等你推理完。推理里的世界和下单时的世界隔着重门。重门的第二层是那句追问的转向。转向的落点不是模型对不对。而是环境变了多少之后这个智能体肯改主意。

肯改主意这五个字把聪明和可用划了条线。线的第三层在下面摆着。摆好了别眨眼,眨眼就翻过去了,过去一页少一页。少一页都是损失。损失不起的往下看。看下段。下段是那三种环境的对照。对照读完这篇就通了。通了就收工,收工的礼数在下段,下段是最后的门,推开它,推。
三种环境排开是受控环境。实时市场。还有介于两者之间的演练场。受控环境证明的是智能体会不会给出答案。实时市场检验的是它能不能持续观察。更新看法。守住自己的限制。决定什么时候不出手。以及出手之后认账。

四样里最扎眼的是决定什么时候不出手。不出手的判断是所有交易系统里最难教的一课。教不会的系统会在不该动的时候乱动。乱动的代价按秒计价。计价的第四层是那句权限与限制的环境。环境的意思是给智能体的行动划出围栏。

围栏之内允许试错围栏之外必须停机。围栏立好了责任才有落点。落点的第五层是我的保留。保留是链上经济这套叙事今年听得多落地少。落地少的原因是结算和声誉这些基础设施还在拼装。拼装期的承诺打七折听。

折完的第六层是我的收尾。收尾在最后一段。最后一段到了就推门。门后是我的两句点评。读完这篇正式结束。结束语不留悬念,悬念是给没看完的人的,看完的人不需要,不需要的直接收。收在下段,下段见,见了就懂。

懂了就散。散会的礼数最后给。给完就收。收工。工收得干净。干净的收尾不带水,带水的都是没写完,我读完了,读完在下段,下段是最后的门,推开它,推。
NeoSoul 那条证据链是周记里最值钱的一段,决策可以被记录。可以被评估。可以随时间累积。累积下来的表现就不再是一次结果而是证据。证据能长成声誉。声誉能换权限。更长的运行历史最终影响一个智能体被托付多少责任和资本。

四个环节串起来是一条从一次运气到长期信任的通道。通道搭好了智能体经济才有了可以下注的牌桌。牌桌的第七层是那句对比。对比的两端是别人嘴里的智能体要上链和眼前这条能落地的链路。能落地的都长着具体的脸。

脸看得见的第八层是我的观察。观察是这周记的温度是冷的。冷的观察在热闹的会场里反而稀缺。稀缺的第九层是我的收尾。收尾和第四层说的其实是同一件事。同一件事摆完这篇就齐了。齐了的礼数最后一段给。

最后一段到了就推门,门后是我的两句点评。读完这篇正式结束,悬念是给没看完的人的。看完的人不需要。不需要的直接收。收在下段。下段见。见了就懂,懂了就散
把那四样测试再各自拆一句。持续观察拼的是数据管道的诚实度,管道撒谎后面全白搭。更新看法拼的是模型肯不肯推翻自己,推翻自己的代价在实时市场里是面子,在受控环境里是零。守住限制拼的是工程纪律,纪律靠代码不靠自觉。

认账这一样最看重历史记录,没有记录就无账可认。无账可认的系统谈责任是空对空。空对空的信任在任何经济系统里都借不出钱来。借不出钱的智能体永远停在玩具档。玩具档往上走一格就是那条链要干的活,干活的现场这周在新加坡摆了几天。

摆完的收获是一句话。聪明只是入场券。能不能持续地在变化里做对决定才是决赛。决赛的下一句摆完就收,收在最后一段,最后一段到了就推门。点评两句。第一句是决定什么时候不出手这五个字今年值得所有做自动化交易的人抄在屏幕上方,抄了的回来点赞。

第二句是证据到声誉到权限这条链听起来遥远。但每一步在别处都已有人跑通。跑通的拼图就差最后几块。差的那几块出现时这条链就不是叙事了。就收在这里。句号。

显示更多 话题来源 @daisyloveybp 0.3K阅读 ❤️83
𝓓𝓪𝓲𝓼𝔂 ୨ৎ (@daisyloveybp) on X TOKEN2049 week in Singapore feels like the right place to watch the AI agent conversation move from theory into something much more real @NeoSoulAI @Hansmahanakon Day 1 with @0G_labs brought the dis X (formerly Twitter)
自由翻滚的风铃草 ·
结构化输出这件事,官方给了三种固定形状,都由 GPT-6 Luna 驱动,文字和图像都能进。 三样照录。谓词那类,给一句话,让它估这句话为真的概率;选择那类,从给定的选项里挑,附上置信的分数;评分那类,对着一个数值区间给输入打档。 "给形状、不给自由发挥"这半句是全场重心。前面各接一段那条讲的是决策模型怎么被接进流程,这条讲的是让主模型直接吐出能进流程的形状。跟前面把决定挪进系统呼应,那条改的是谁来定,这条改的是交出来的东西长什么样,两头都在把输出那层钉死。跟前面专家压到四位也接得上,一个在权重里省,一个在出口处整,都是把飘的东西压实。 三种形状里我最留意谓词那类,真与假给个概率,等于把模型的拿捏显式交到下游手里,接得住的地方一下子多出来。 我留的疑问有三处。概率怎么校准没说;三类输出的延迟差别没数;与图像输入怎么配合也没交代。 这周把这三种形状接进自己那条流程,看哪一类的落点最准。
显示更多 话题来源 @OpenAIDevs 20.4K阅读 ❤️172
OpenAI Developers (@OpenAIDevs) on X Powered by GPT-6 Luna, it accepts text and image inputs and supports 3 kinds of outputs: Predicates: Estimate the probability that a statement is true. Choices: Select from predefined options, with X (formerly Twitter)
我不是小布丁 ·
三条最常说的话被点名了。都别再跟 ChatGPT 说修图去背景和让它好看。这吐槽我看完先检自己的提示词习惯。检的点在下面一层层摆。摆好了看那三条,三条在下面摆着,摆好了自己改。 第一条是帮我修图。第二条是把背景去掉,第三条是让这张图更好看。三句的共同点是把裁判权完全交给了对方。交出去的裁判权换回来的必然是平均值答案,平均值答案的另一个名字就是千篇一律。 十条提示词的承诺在帖尾卡了半句,卡住的那半句吊足了胃口。胃口吊起来的原因是前面三个反例太有共鸣,共鸣到人人都能对着自己的历史记录找出同款。同款的第三层是我对好提示词的理解,好提示词至少要回答三件事。 点评两句。第一句是指令和需求的区别今年在所有工具上都在重演,会提问的人拿到十倍的结果。第二句是四十几万阅读里估计一半在翻自己的聊天记录,翻到同款的回来点赞,句号。
显示更多 话题来源 @ChrisSlacker 437.6K阅读 ❤️2971
科技混子Chris (@ChrisSlacker) on X 别再跟 ChatGPT 说“帮我修图”。 别再跟它说“把背景去掉”。 别再跟它说“让这张图更好看”。 指令太模糊 = 只能得到千篇一律的修改。 换成这 10 条提示词: X (formerly Twitter)
我不是小布丁 ·
前沿模型算出来的一批数学成果挂上了公开仓库。发布前先问过一个独立顾问团,这发布我看完先记那两件套再掂分量。记的掂的点在下面一层层摆,摆好了看第一件。 第一件套是那批成果的出身,出身写得直白,由一个内部前沿模型产生。数学成果的产出方第一次在官宣里被写成模型而不是人。写法本身就是一个信号。信号的第二层是那个顾问团,团的全名是 Advisory Group on Mathematics and Artificial Intelligence 挂在 Institute for Advanced Study 名下。 仓库落在自家代码托管的门牌下,一行地址把成果摊给了全世界。摊开的动作配上顾问委员会的背书等于把成果放进两条检验通道。一条是同行翻证明的学术通道,一条是委员会看发布伦理的治理通道。 点评两句。第一句是模型产出的成果要不要人来把关这个悬案。今年被这两件套给出了第一个像样的答案。答案是把学术界请上桌一起定发布方式。第二句是下一个该这么发的可能是物理可能是生物。 仓库在这 github.com/openai/math 。证明自己啃,啃完回来告诉我哪一条最硬,啃得动的点赞,句号。
显示更多 话题来源 @OpenAI 100.6W阅读 ❤️8981
GitHub - openai/math Contribute to openai/math development by creating an account on GitHub. GitHub
小白爱摸鱼 ·
aihero.dev/skills-retro 复盘这条命令被挪进了技能的主流程,作者给的理由只有一句,重要到这个份上。 关键在那句补充,哪怕是跑成功的一场会话,再过一遍照样能翻出低效和将就的路数,代理当时是在跟什么较劲,只有回头看才看得清。 "成功的会话也要复盘"这半句是全场重心。前面先对账再让它给你建议讲的是让它先看你,这条讲的是让流程回头照自己。跟前面别自己造那条船呼应,那条砍工具,这条砍弯路,两头都在省下同一样东西,力气。跟前面像对同事那样说话也接得上,一个把话说短,一个把事回头,两者都在把用法往实处收。 成功还复盘这个次序我留意,多数人只在翻车后回头看,肯在顺风时也照一照的,才真把复盘当成了日常。 我留的疑问有三处。/retro 具体看哪几项没列;低效怎么分级没说;跑一次的耗时也没数。 这周每次跑完都补一遍这条,看一周下来能攒出几条弯路清单。
显示更多 话题来源 @mattpocockuk 53.5K阅读 ❤️921
The /retro Skill Look back on a session and suggest repo improvements. www.aihero.dev
我不是小布丁 ·

用 Grok Bot 搭的 Team Bots 把发布和质检这条流水线接了过去,一个管发版一个管修错。这接法我看完先记分工再记那条异议通道,记的点在下面一层层摆。摆好了看那两个名字。名字在下面摆着,摆好了自己对。
两个机器人挂在同一个聊天软件里,各占一条战线。一个叫 sandcastle 是发布经理。一个叫 poteto 是修错的主力。新开了一个 Slack 频道管发版日常。分工的第二层是那个异议通道。

通道的做法是发布经理先私信所有贡献者。附上各自的代码改动链接让人知道下个版本收了什么。贡献者有任何拦路的问题可以私信回它。异议权被显式写进流程这件事我服。服的原因是自动化的发布最怕的就是有人的活被静默吞掉。

吞掉的那次偏偏就是不能出错的那次。把否决权还给人才让整条流水线敢跑起来,跑起来的第三层在下面摆着。摆好了别眨眼,眨眼就翻过去了,过去一页少一页。少一页都是损失。
测试小队的编制是十个往上跑的智能体,跑在 Grok 4.7 xhigh 档位上,任务是像真人一样把界面点一遍。用的两样家什是验证技能和功能地图。十来个分子里有几个是定向排雷的。剩下几个是纯捣乱的。

捣乱的那位专点没点过的地方看什么会坏。定向加捣乱的组合比单一的巡检有效得多。有效的第四层是发现问题之后的接力。接力的开关是一句艾特。艾特到工程员它就开一个 Cursor Project 接手所有高优先级的错。

接手的分诊按严重程度分两条路。急的把修复捡回发版分支再出一个补丁版本。老毛病修完赶下一班车。两条路都跑在同一条流水线上,流水线的第五层是我的保留。保留是这套流程还没见过灾难性的那次检验,检验缺席之前先按顺利运转记账。
顺手记一笔那十个分子里捣乱的那位最费钱,钱花在乱点上其实最值,值在它替真人把边角都踩了一遍。点评两句。第一句是发布经理这活历来是最烦最不讨好的,被机器人接走的那一刻团队里最资深的那位大概松了口气。第二句是那条私信加异议的通道才是整套设计的精髓,去掉它这流程就是全自动的暴政,留着它才是人机分工,留住的回来点赞,句号。

显示更多 话题来源 @poteto 107.7K阅读 ❤️1497
lauren (@poteto) on X i just automated our release and QA process! using Grok Bot i made two Team Bots: sandcastle, my release manager, and poteto, my engineer bot. i added them to Slack and made a new channel for managing X (formerly Twitter)
我不是小布丁 ·
给 Claude 下提示这件事,写法变了,作者自己把话说破了。 落点摆开。像对同事那样跟它说话,提示词没有秘密,大多数活不必裹一层脚手架或流程,给个目标,它自己会想。对照也给了,回到 Sonnet 3.5 那阵子,提示词怎么写很要紧;如今更值得说清的只有三件,一是要它做什么,二是你打算让它花多少力气,三是它该怎么验证自己做对了。 引帖还留了一句原句,"Talk to Claude the way you would a coworker.",底下压着那份实际用的提示。 "三件事替掉一整套脚手架"这半句是全场重心。前面先对账再让它给你建议讲的是让它先看你,这条讲的是少说废话直接给目标。跟前面别自己造那条船呼应,那条劝你别造工具,这条劝你别造措辞,两头都在把力气从形式挪到实事上。跟前面三个坑那条也接得上,一个是别造那条船,一个是别堆那些字,砍的都是没用的厚。 从写满规则到只交代三样,我留意的是这个减法,模型越强,人话越值钱,套话越不值钱。 我留的疑问有三处。"花多少力气"怎么量化没说;验证那一步推荐什么方式没给;三件之外哪些还算必要也没数。 这周把自己最长的那条提示词压到三句,看结果是变好还是变糙。
显示更多 话题来源 @bcherny 319.1K阅读 ❤️5109
Boris Cherny (@bcherny) on X I am surprised that people are surprised this is how I prompt Claude. Talk to Claude the way you would a coworker. There's no secret to prompting. There's no need to be overly scaffolded or prescript X (formerly Twitter)
小白爱摸鱼 ·
aleximas.substack.com/p/has-ai-impac… anthropic.com/research/glm-5… noahpinion.blog/p/wheres-the-i… markey.senate.gov/news/press-rel… econjared.substack.com/p/a-budding-co… axios.com/2026/08/11/ope… 一篇长文把"AI 是普通技术"这派的论据摆全了,落点那句是,我漏了什么。 三条证据先列。劳动力那头,到目前为止就业影响微小的实证相当扎实;风险那头,近来几起失控代理的意外像一组自然实验,该出的错几乎都出了,代价不高于每月全球都会发生的那类重大网络安全事件;开源的 GLM 5.3 在网络攻防上与 Claude Mythos 不相上下、防护却低得多,这反过来说明,眼下每多平安一天,都是反对灾难性网络风险的证据。 作者给灾难论划了两条必须过的约束。其一,论证得靠未来的能力、未来的采用,不能拿现在的说事;其二,得指出某个具体的能力或采用门槛,因为能力的跃进和快速的采用都已经发生,而灾难并未随之而来。RSI 那条路也顺手拆了,按算力与性能之间那条对数线性的老关系,现有迹象都指向收益递减,没有临近的拐点。 "必须靠未来才能成立"这半句是全场重心。前面重测之后榜首换人讲的是当下的分数,这条讲的是当下的实证。跟前面别自己造那条船呼应,那条劝你别造,这条劝你别慌,两头都在把话压回能看见的地方。 我单拎出来的是最后那句反问,作者自己留的,"What am I missing",把结论摆得这么硬还留一道口,这份姿态比结论本身更像样。 我留的疑问有三处。两条约束的反例怎么排除没说;黑天鹅那半没给数;六条链接里最新一份的时间也没标。 这周把这六条挨个读完,回头再看自己信的是哪一种。
显示更多 话题来源 @NateWitkin 52.2K阅读 ❤️220
Has AI impacted the labor market yet? Evaluating the state of the evidence aleximas.substack.com
我不是小布丁 ·

Beam 今天挂了出来,五百亿参数的开源货专攻编码智能体和科学三类负载。这发布我先记规格再读那封公开信。规格四件套摆开,五百亿参数。词元效率极高。从零预训练。还有一场公开文献里我们所知的最大规模强化学习训练。四件里最扎眼的是那个最大。敢把最大写进公告的团队手里得真有账本。白手起家的训练今年在开源阵营里是稀罕事。

写信的人来路也值得记一笔。童年随父母移民到 USA。父母在 PNNL 这座国家实验室当科学家,实验室安在华盛顿州的一个小镇上。小镇少年的兴趣被物理学接住了。接住的原因写得朴素,物理的原则简单、是根基、影响长远。物理是二十世纪的根基科学。第一台通用计算机 ENIAC、晶体管、GPS 全球定位系统的根都扎在那里。

转折发生在二零一六年读研期间,AlphaGo 那盘棋改变了方向。DeepMind 造的智能体先模仿人类棋手再靠试错自我提升,赢下了世界上最烧脑的棋类游戏。让作者震动的不是胜负是三个属性。

概念上简单。通用。而且可扩展。可扩展的第三层是那个等式,原则上系统可以无限自我改进,剩下的只是算力的函数。等式一立作者就从物理转了行。转行的判断是人工智能会成为二十一世纪的根节点科学,就像物理之于二十世纪。

判断之后跟了一句我认为,做基础科学本身还不够,基础科学必须保持开放和广泛可得。牛顿记在物理史册上但他也炼金术。炼金术秘密进行因为人造黄金被认为既赚钱又危险,危险到可能毁掉整个经济。

牛顿的炼金笔记是用密码写的。另一边的自然哲学原理公开刊印在皇家学会的哲学会刊上,知识由此传了几代人,变成我们今天念的牛顿定律。同一人两副面孔,一副锁在密码里,一副摊在阳光下。摊开的那副才活成了科学。

三个开放案例摆在后面。互联网建在开放协议上。最广泛使用的操作系统是开放的。网络安全这个行当之所以存在,是因为九十年代把强加密协议公开了。三个案例摆完那句开放创造创新生态就不再是口号,是史实。

安全这副面孔最反直觉。直觉上藏起来才安全,事实恰恰相反。天天被代码审计的开源组件,出漏洞的平均修复速度比闭源的快得多。快的原因是盯着的人多。人多的眼睛是分布式防线。防线分布得越开源越牢固。

牢固的反面是那句白细胞的比喻。几个闭门研究者治不完人工智能的全部毛病,毛病的表面积比软件大几个量级。量级摆出来闭门策略就露了怯。露怯之后才轮到那句结论,最安全的方式也是让收益均匀分布的方式就是开放。

保留的地方也得说清楚。开放和安全的平衡这封信给了主张没给全部证据。证据要等社区的检验。发布者给自己的定位是让 Beam 小小地参与一把,让人工智能广泛可得、安全、有益。小小地参与这五个字的姿态比豪言壮语可信。

读者能做的事其实就两件,去跑一遍它的基准,再翻一遍它的权重说明。两件做完这封信的真伪自己就有了答案,答案在手里比在评论区里踏实。点评两句。第一句是把牛顿的炼金笔记和公开刊印的原理摆在一起对照的写法,今年在我心里排第一。第二句是那句白细胞的比喻,值得所有闭门做安全的团队抄下来贴墙上。贴了的回来点赞,句号。

显示更多 话题来源 @MishaLaskin 74.8K阅读 ❤️1114
Misha Laskin (@MishaLaskin) on X We are introducing Beam today, a 500b open model that excels in coding, agentic, and scientific workloads. Beam is very token-efficient, pre-trained from scratch, and scaled with the largest RL run d X (formerly Twitter)
查看完整榜单
查看完整榜单
查看完整榜单