AI圈子 · AI 圈的最新动态，一条一条刷

🔥 GPT Astra首次公开内部测试输出：这个模型可能改变一切

OpenAI刚刚披露了下一代模型GPT Astra的最新内部测试结果，代号mozaik-alpha-fdm。从泄露的输出来看，这个模型的能力可能远超我们预期。

什么是GPT Astra？

GPT Astra是OpenAI即将推出的下一代大语言模型，被认为是GPT-6的前身。它不是简单的性能提升，而是一个全新的架构设计，专为长程推理和自主Agent场景优化。

首次公开的输出展示了什么？

从泄露的两个测试案例来看，Astra在Max模式下展现了惊人的细节关注度：

1. 复杂推理能力：能够处理需要多步骤逻辑推理的问题，思考过程更加深入
2. 代码生成质量：前端代码生成可能终于解决了之前版本的bug
3. 任务完成度：即使在零样本情况下，也能产出高质量的结果

为什么这个模型如此重要？

OpenAI内部评估显示，Astra已经达到了Critical级别的网络能力，这意味着它在某些方面可能已经超越了人类专家水平。具体来说：

• 在数学和理论计算机科学领域，Astra已经解决了10个十年级别的开放问题
• 在网络安全领域，它的能力强大到OpenAI自己都感到担忧
• 它能够自主规划和执行复杂的多步骤任务

安全问题引发的担忧

正因能力太强，OpenAI不得不暂停了Astra的部分训练工作。这不是因为技术问题，而是因为安全基础设施跟不上模型能力的发展速度。

这就像造了一辆跑车，但刹车系统还没准备好。OpenAI选择先停下来完善安全措施，而不是冒险发布。

发布时间预测

Codex负责人Tibo最近暗示好产品至少需要34天。从8月26日算起，34天后正好是9月29日的OpenAI DevDay。这很可能是Astra正式亮相的时间窗口。

个人思考：

Astra的出现标志着AI发展进入新阶段。我们不再只是讨论模型能做什么，而是开始思考模型该不该做这些事。

对于开发者来说，这是一个需要认真准备的时刻。当一个模型能够自主解决十年级别的开放问题时，它对各行各业的影响将是颠覆性的。

建议持续关注OpenAI的官方动态，特别是DevDay的相关信息。这可能是2026年最重要的AI发布事件。

🚀 免费学谷歌官方 AI + Cloud 资源的机会来了，对 AI、云原生、生成式应用开发感兴趣的朋友别错过！

本次是谷歌官方举办的 Cloud Study Jam 学习营，8月17日正式开营、9月30日结营，报名截止到8月16日（周日）23:59，没有任何门槛，对相关领域有好奇心的朋友都可以报名参加。

参与福利非常实在：
· 免费解锁 Google Skills 平台上的付费学习内容额度
· 参与谷歌开发者专家（GDE）带队的手把手实操 Workshop
· 线上自由安排时间学习谷歌 AI 与 Google Cloud 相关技能
· 结业后可获得 Google Skills 官方数字徽章 + 结业实体纪念礼包
· 活动结束后可参与10月中旬举办的配套黑客松，有机会进一步实践产出

本次学习内容覆盖当下 AI 圈热门的方向，包括 AI Skill-up Bundle、Gemini for Google Workspace、数据分析、数据库管理、Gen AI 开发、Google DeepMind 相关技能、Gemini Enterprise Agent Ready（GEAR）等，不管是入门打基础还是进阶学新工具都很有价值。

据活动分享博主 @lucas_flatwhite 透露，他之前参加过谷歌 campus 的同类活动，整体体验非常不错。

💡 已经报名的朋友评论区举个手？想找黑客松队友的也可以在这留言匹配～

🔗 相关链接
[报名链接]

🔗 相关链接
t.co/37r8VZ4IRI

官网: sites.google.com/view/2026-stud…

🎬 告别CapCut：这个开源工具让AI帮你剪视频

有人做了一个叫Video Use的工具，专门为Claude Code设计的视频编辑器，开源免费。

工作流程简单到离谱：把原始素材扔进一个文件夹，告诉它你想要什么，剩下的它全包。

它能做什么？

• 自动剪切片段
• 删除填充词和静音
• 生成字幕
• 应用色彩校正
• 添加动画效果
• 渲染最终视频

没有时间线，不用手动拖拽片段三个小时，没有月费订阅。

和Remotion有什么区别？

Remotion是一个库，你需要手动组装每一帧。Video Use不同——它直接帮你完成编辑。

你不是在"使用工具"，你是在"指挥AI"。

为什么这很重要？

过去视频编辑是这样的：

1. 导入素材
2. 裁剪、排列、调色
3. 加字幕、动画
4. 导出、渲染

每一步都需要手动操作，一个下午可能只剪出一个30秒的短视频。

现在，Video Use把这些步骤全部自动化了。

你只需要告诉AI："帮我把这些素材剪成一个1分钟的短视频，去掉废话，加上字幕。"

剩下的时间，你可以去做别的事。

开源的意义

这个项目完全开源，在GitHub上可以找到代码。

这意味着：

• 你可以审查代码，确保没有后门
• 你可以根据自己的需求修改
• 你可以贡献功能，让工具变得更好

对于内容创作者来说，这是一个解放生产力的工具。以前需要花一个下午剪辑的视频，现在可能只需要几分钟。

个人思考

AI视频编辑工具正在改变内容创作的格局。

过去，视频编辑是专业技能，需要学习复杂的软件。现在，AI让任何人都能轻松制作高质量视频。

这降低的内容创作的门槛，让更多人能够表达自己的想法。

对于营销人员、教育工作者、自媒体创作者来说，这是个好消息。

不过，这类工具目前还不够完美。AI剪辑的逻辑可能和你的预期有偏差，需要手动调整。

但随着AI模型的进步，未来视频编辑可能会变得和写文档一样简单。

Video Use是一个值得关注的项目，特别是如果你经常需要处理视频内容。

💻 苹果终于摊牌了：M6芯片Mac Mini就是为本地AI量身定做的

苹果发布了搭载M6芯片的新款Mac Mini，起售价899美元。

这不是普通的性能升级——这是专门为本地AI推理打造的硬件。

为什么这很重要？

以前想跑大模型，要么买昂贵的GPU服务器，要么付云端token费用。

现在，一台899美元的Mac Mini（32GB内存）就能跑起来。

能跑什么模型？

• Qwen 3.6 27B：接近GPT-4的质量
• Qwen 3 Coder 32B：完整的编程助手
• Llama 4 8B：全精度运行
• DeepSeek R1 32B：推理任务

性能有多强？

• LLM处理速度比M1快13.5倍
• 比M4快4倍

这意味着什么？以前需要云端才能跑的模型，现在在本地就能实时运行。

如果预算充足呢？

Mac Studio配M5 Ultra（512GB内存）：

• Llama 4 70B高质量量化
• DeepSeek V4，数千亿参数
• 四台Mac Studio通过雷电5集群，可以跑万亿参数模型

苹果看到了什么趋势？

苹果说上季度Mac业务增长了30%，主要是因为人们买来跑AI模型。

与其付云端token费，不如把模型跑在自己桌上。

个人思考：

苹果这次押注本地AI，时机抓得很准。

云端推理的问题：

• 费用高，token计费模式不友好
• 延迟大，网络传输是瓶颈
• 隐私风险，数据要上传

本地推理的优势：

• 一次买断，长期免费
• 无网络延迟，实时响应
• 数据不离机，隐私安全

对于开发者和企业来说，本地AI是更经济、更安全的选择。

不过，本地推理的挑战在于：模型越大，需要的内存越多。苹果通过大内存芯片解决了这个问题。

未来，"推理在本地，训练在云端"可能成为主流模式。苹果已经为这个未来准备好了硬件。

你有没有遇到过这种情况：

跟 AI 说"帮我做个会员系统"，它几分钟就开始写代码，一行没报错。

问题是：你说的会员是订阅制还是一次性解锁，你没说，它也没问，自己选了一个答案。

等代码写完你才发现，它做的是另一个产品。

grillme skill 的出现，从根本解决了这个问题。

核心机制：
AI 在模糊需求下，不再替你做决定，而是先澄清需求。

工作流程：

1. 你提出需求
2. AI 识别模糊点
3. AI 主动提问澄清
4. 确认后再执行

解决的问题：
• 需求理解偏差
• 返工重写
• 时间浪费

适合场景：
• 产品需求不明确
• 功能有多种实现方式
• 需要确认用户意图

本质：
把"AI 猜测"变成"AI 确认"。

你们遇到过 AI 猜错需求的情况吗？

#grillme #Skill #AI编程 #需求澄清 #ClaudeCode

🚀 微软这次真下场了：Agent Framework推出Go版本，专为生产环境打造

微软把Agent Framework搬到Go上了。

这不是玩具demo，是专门用来写能真上生产的AI智能体。

为什么选Go？

Go在后端开发领域已经是主流语言。对于需要高并发、低延迟的AI Agent系统来说，Go是绝佳选择。

微软这次做的，是让Go开发者也能轻松构建企业级AI Agent。

核心特性：

1️⃣ 多模型支持
不锁死一家大模型。OpenAI、Claude、Gemini、本地模型都能接。

2️⃣ 可插拔中间件
想加日志？想加鉴权？想加限流？中间件随便插。

3️⃣ 可视化工作流
一张图把整个工作流串起来：顺序执行、并发处理、条件分支、检查点、人工介入，全都能画出来。

这意味着什么？

以前用Python写Agent的人很多，但Go开发者一直缺少趁手的工具。

现在微软把Agent Framework带到Go生态，意味着：

• Go后端团队可以直接在现有技术栈上构建AI Agent
• 不需要学Python，不需要切换语言
• 高并发场景下性能更优

适用场景：

• 微服务架构：Agent作为微服务运行
• 高并发系统：需要处理大量并发请求的Agent
• 实时应用：低延迟要求的AI助手
• 企业级部署：需要长期稳定运行的生产系统

个人思考：

微软这次做对了一件事：让AI Agent开发融入现有技术栈。

很多公司已经在Go上投入了大量资源。让他们为了AI Agent去学Python，成本太高。

直接在Go上构建Agent，是更务实的选择。

不过，Go生态的AI库确实不如Python丰富。微软需要持续完善Go版Agent Framework，才能真正吸引开发者。

对于Go团队来说，这是一个值得关注的机会。在你的技术栈上构建AI Agent，比迁移到Python更高效。

MCP 协议更新了，这次改动很大。

2026-07-28 版本是 MCP 发布以来最大的一次更新，基于 18 个月的实践经验。

核心变化：

1. 无状态化

以前 MCP 是有状态的，现在改成无状态协议。这意味着部署更简单、扩展更容易。

1. 多轮请求支持

支持多轮往返请求，复杂交互场景（比如需要确认的操作）可以实现了。

1. 扩展机制

新增 MCP Apps、Tasks、Enterprise Managed Auth 等扩展。不再只是简单的工具调用，可以构建更复杂的应用。

1. SDK 更新

Python、TypeScript、C# SDK 都发布了 v2.0.0，API 设计更合理。

1. 生态支持

AWS、Google Cloud、Cloudflare、Supabase 等主流平台都开始支持 MCP。

背后的意义：

MCP 正在从"实验性协议"变成"行业标准"。Anthropic、Google、Microsoft、OpenAI 都参与了这次更新。

对开发者来说：

• 构建 AI Agent 有了更稳定的基础
• 工具集成标准化，不用重复造轮子
• 部署和运维成本降低

你们在用 MCP 吗？遇到什么坑？

#MCP #AIAgent #协议更新 #Anthropic

用 AI 创业，成本是传统方式的 1/100。

有人算了一笔账：

传统创业（硬件公司）：
• 湾流 G700 私人飞机：$220 万
• 维护 + 机组：$3500 万
• 总计：$5000 万

AI 创业（软件公司）：
• Claude Code Pro：$20/月
• 服务器：$100/月
• 总计：$220/月

对比：

• 飞机 vs AI 工具：成本差 2 万倍
• 但都能让你"飞"起来

当然，这是极端对比。但核心逻辑是对的：

AI 让创业门槛大幅降低：
• 不需要买设备
• 不需要租办公室
• 不需要雇大量人
• 一个人 + AI 就能干

实际案例：

• 14 天做出 MVP
• 6 个月做到盈利
• 1 个人顶原来 10 个人

关键不是省钱，是省时间。传统方式 3 年做的事，AI 可能 3 个月搞定。

当然，AI 创业也有局限：
• 做不了重资产行业
• 竞争激烈（门槛低）
• 需要持续学习新工具

你们用 AI 创业/副业吗？省了多少钱？

#AI创业 #ClaudeCode #成本对比 #独立开发

Vibecoding 不只是写代码，现在连 UI 设计都能 AI 生成了。

整理了 6 个新工具：

1. beUI

专注 B 端组件库，生成后台界面很快。适合 admin 面板、数据看板。

1. BoardUI

白板式设计，用 Agent 自动排版。适合快速原型、头脑风暴。

1. ThreeUI

3D + WebGL 界面生成，基于 Three.js。适合展示型网站、产品落地页。

1. Fluid Functionalism

流体设计风格，动效自动生成。适合创意项目、艺术感强的界面。

1. Watermelon UI

轻量级移动端 UI，生成小程序、H5 页面很快。

1. HeroUI Pro

专注首屏设计，AI 生成 hero section。适合 landing page。

共同特点：
• 都支持从文字描述生成界面
• 都能导出代码（React/Vue/HTML）
• 都和 Claude Code/Cursor 能配合

局限：
• 复杂交互还是需要人工调整
• 品牌一致性难保证
• 设计系统级别的项目还不行

适合场景：

• 快速原型验证
• MVP 界面搭建
• 个人项目/小团队

你们用 AI 做设计吗？

#Vibecoding #AI设计 #UI工具 #前端

Cursor 被 SpaceX 收购了。

官方确认：Cursor 团队加入 SpaceX AI，帮助改进 Grok 系列产品。

这意味着什么？

1. Cursor 不会消失，但可能会深度整合进 Grok 生态
2. Grok Build、Grok Bot、Grok API 都会受益
3. Cursor 的技术能力（AI 编程）+ SpaceX 的资源，想象空间很大

几个疑问：
• Cursor 的独立版本还会继续吗？
• 现有的 Cursor Pro 用户怎么办？
• 和 VS Code 的整合会受影响吗？

对用户的直接影响：

• 短期内应该不会有大变化
• 长期看 Cursor 可能会更偏向 Grok 生态
• 竞争对手（Claude Code、Codex）可能迎来机会

这笔收购说明 AI 编程工具的价值被严重低估了。Cursor 才出来多久，就被 SpaceX 这种级别的公司看上。

你们用 Cursor 吗？会因为这个收购换工具吗？

#Cursor #SpaceX #Grok #AI编程

用 AI 做内容，5 个月赚了 15.5 万。

这是一个真实的副业案例。作者用 Codex + Agent 工作流，做了一套内容生产系统。

具体数据：
• 时间：5 个月
• 收入：15.5 万
• 内容量：36 条视频
• 单条均价：约 4300 元

怎么做？

核心是 AgentKey 工作流：

1. 用 Codex 生成脚本和文案
2. 用 Agent 自动分发到多平台
3. 用 AI 分析数据反馈，快速迭代

关键不是工具多高级，是流程跑通了：

• 内容生产自动化（省时间）
• 多平台分发自动化（省精力）
• 数据驱动迭代（提效率）

作者说最开始也是手动做，后来发现重复工作太多，就用 Codex 写了一套 Agent 来自动化。现在基本只需要把控方向，执行都交给 AI。

当然，这 15.5 万不是纯利润，还要扣掉各种成本。但作为一个副业，这个投入产出比已经很不错了。

你们副业用 AI 吗？收入怎么样？

#AI副业 #内容创业 #Codex #Agent

Anthropic 给科学家发福利了：Claude Team 计划免费一年。

覆盖范围：数学、化学、物理等所有科研领域，首批 1 万个名额。

具体政策：
• 标准版：完全免费
• 高级版（5 倍用量）：$15/月，打 8 折（原价 $75）
• 期限：一年
• 对象：PI（项目负责人）及团队成员

为什么这么做？

Anthropic 说 Claude 在科研上的能力越来越强——从高等物理计算到蛋白质设计都有进展。他们之前还搞了 Claude Science 和 AI for Science 资助计划。

这次算是把科研支持体系化了：免费工具 + 资助项目 + 社区建设。

几个看点：

1. 用量限制是核心门槛——科研场景容易触发上限
2. 5 倍用量打 8 折，对重度用户很友好
3. 计划扩展到 1 万名额以上，说明是长期战略

适合谁申请？

• 做 AI for Science 的实验室
• 需要大模型辅助计算/分析的团队
• 想测试 Claude 科研能力的 PI

申请方式：PI 先注册，再添加团队成员。

你们实验室用 Claude 吗？还是 GPT、Gemini 为主？

#Claude #科研 #AIforScience #Anthropic

2025 年 AI 的几个关键趋势，现在回头看准了多少？

年初的预测，年中验证：

1. 端侧 AI 爆发

Google Gemini Nano、Apple Intelligence 都在推本地模型。现在看确实在走这个方向，但体验还不够好，主要是功耗和性能的平衡没解决。

1. Agent 成为主流交互

ChatGPT 的 Tasks、Claude 的 Skills、Codex 的 Agent 模式，都在往这个方向走。但 Agent 的可靠性还是问题，经常中途出错。

1. 多模态成为标配

GPT-4o、Claude 3.5、Gemini 都支持图文音视频。这个预测基本兑现，现在发 AI 产品不带多模态都不好意思说自己是新的。

1. 推理成本大幅下降

DeepSeek、MiniMax 把价格打下来了，但质量也有差异。便宜是真便宜，用不用得看场景。

1. AI 编程工具普及

Cursor、Claude Code、Codex、GitHub Copilot，现在程序员基本都在用。这个是最确定的趋势。

一个意外：Agent 的安全问题比预期严重。从 OpenAI 的 Hugging Face 事件到各种越狱案例，说明 Agent 能力越强，风险也越大。

你们 2025 年初的预测，哪些准了哪些没准？

#AI趋势 #2025回顾 #Agent #多模态

AI Coding Agent 现在很火，但有个根本问题：怎么判断它写得好不好？

Loop Engineering 这个 Newsletter 专门研究这个问题。他们的核心观点是：Agent 需要闭环验证，不能写完就完。

三个关键洞察：

1. Spec → Code → Eval 的闭环

传统开发是：需求 → 代码 → 测试。AI Agent 也需要这个闭环，但 Eval 环节经常被忽略。

1. Coding Loop vs Developer Feedback Loop

Agent 自己跑通代码（Coding Loop）不等于满足开发者需求（Developer Feedback Loop）。后者需要人的反馈。

1. 持续迭代机制

好的 Agent 不是一次写对，而是能快速迭代。每次迭代都有明确的 Spec 变更和 Eval 标准。

实际意义：

• 评测 Agent 时，不能只看最终代码，要看迭代过程
• 设计 Agent 时，要内置反馈收集机制
• 使用 Agent 时，要提供清晰的 Spec 和 Eval 标准

这让我想起之前用 Claude Code 的经历：它第一次写的代码经常有问题，但迭代 2-3 轮后质量就很高。关键是每轮都要给明确的反馈。

你们用 AI Coding Agent 时，怎么给反馈？

#AICoding #Agent #软件工程

用 Codex 做内容出海，7 天做到 B 站 AI 分区 top20。

这是 AgentKey 这个工具的实际案例。他们帮一个做 AI 内容的朋友，用 Codex + Agent 工作流，从 0 开始打爆了一个新账号。

具体操作：
• 用 Codex 写脚本，自动生成视频文案
• 用 Agent 管理多平台分发（B站、YouTube、X、Reddit）
• 用 AI 分析评论区反馈，快速调整内容方向
• 7 天内发了 20 条视频，其中 3 条破 10 万播放

结果是：账号从 0 粉丝做到 5000+，进了 B 站 AI 分区 top20。

关键点不是工具多牛，是工作流设计：

• 内容生产自动化（Codex 写脚本）
• 分发自动化（Agent 跨平台）
• 反馈自动化（AI 分析评论）

当然，内容本身还是要人把关。AI 能提效，但不能替代创意。

AgentKey 在 Product Hunt 上拿了 5000+ 票，有兴趣可以看看。

你们做内容出海吗？用 AI 提效到什么程度了？

#AI内容 #Codex #出海 #Agent

OpenAI 推出了 WebMCP，让 Agent 能直接操控浏览器。

MCP（Model Context Protocol）之前主要是本地工具调用，现在 OpenAI 把它扩展到了 Web 端。

核心能力：
• 直接读取和操作浏览器 DOM，不需要截图+OCR
• 支持复杂交互：点击、输入、滚动、表单提交
• 和 Codex、Notion、Tab 等工具联动
• 10 行代码就能接入现有 Agent

这意味着什么？

以前让 AI 操作网页，要么用 Playwright 写脚本，要么靠视觉模型猜位置。现在 Agent 可以直接"看懂"网页结构，精准操作。

应用场景：

• 自动化测试：直接操作 UI，不用写 XPath
• 数据采集：结构化提取网页内容
• 工作流自动化：自动填表、提交、下载

当然，安全是个问题。Agent 能操控浏览器，意味着也能做坏事。OpenAI 加了权限控制，但具体怎么防滥用，还得看实际运行。

GitHub：github.com/openai/webmcp

你们会让 Agent 操控自己的浏览器吗？

#WebMCP #OpenAI #Agent #浏览器自动化