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 ·
GPT-6 Sol 和 Opus 5.5 被赶上了同一块画布。题目是画马斯克。规则只有一条,全程用计算机操作。笔刷一下一下来,像人那样画。 比拼的方式本身就值得琢磨。不是让模型吐图。是让它像人一样用鼠标,选工具、调颜色,一笔一笔画。过程全在屏幕上走完,谁犹豫谁果断,一览无余,藏不住。 这类任务考的是手眼协调,跟写代码答题完全两码事。路径规划得先想好。笔顺不能乱。画错了还得知道回头修。模型的差异在细节里被放大,光看成品反而看不出所以然,过程才是看点。 我的看法是操作类对比会越来越常见。生成类的分数已经卷到头。你九十九我九十八,用户感知不到差别。让智能体动手干活的场景,才是接下来的主战场。操作流畅度一眼可见,这是它的优势,骗不了人。 想跟着看热闹的,去原消息翻视频。逐笔较劲的过程,比任何跑分榜都直白。谁强谁弱自己眼睛判断,比听人吹强,这话我信。
显示更多 话题来源 @EvoLinkAi 50.1K阅读 ❤️170
我不是小布丁 ·
把三维软件里的程序化建模搬到网页上,这次真做成了活的演示。三座程序化建筑,从 Blender 的几何节点翻译过来。节点图在 three.js 里实时运转。周围还包着一圈程序化城市,灯光和相机配了预设。整趟活是 Opus 5.5 跟人一起搭的,跑得很顺。 在线演示在 proceduralbuildings.chirostudio.xyz ,源码和工程文件一并放出,改参数看效果,比截图直观得多。 从工作流看,这条链子有看头。建模在桌面软件里做,逻辑用节点表达。整套搬进网页引擎实时跑。三条路打通之后,做展示的不再需要在美术和前端之间来回翻译,中间那层模型自己做了。 我的看法是这类移植,比生成一张好看图更能说明能力边界。搬节点图要求理解结构和依赖,不是拼像素。出错会在运行时直接暴露,糊弄不过去。敢开源演示,说明作者心里有底,跑一遍就知道成色,骗不了人。 想试试自己项目能搬多少的,先挑一个依赖少的节点树试水,跑通再上复杂结构,浏览器这关卡得住效果,比本地跑更见真章。
显示更多 话题来源 @chirovisuals 3.6K阅读 ❤️79
小白爱摸鱼 ·
骂 AI 写代码的人在贴标签,交实账的人已经一个人做完了一门编程语言。 账是这么算的。借助 AI agent,作者八个月从零做出一门真正的编程语言,单枪匹马。搁在没有 AI 的年头,同样的活要一打工程师干两到三年。对面的声音在干什么呢,Slop、Clanker 这类词满天飞,Reddit 和 Discord 上把 AI 项目往外踢。 DHH 那条被引的金句更直接:"Slop 已经成了一群程序员的安慰毯,他们卡在愤怒和讨价还价之间。走到接受那一步,总得把毯子放下,把先验更新掉。" 我认这本账的算法。八个月对两三年不是同量级,个体产能被抬起来之后,还在贴标签的那批人等于把牌让给用了 AI 的对手。这跟前面翻 GitHub 那篇是同一条脉络,动手的人先受益,评论的人后知后觉。 不过情绪这半边我也留一句。批评里有一部分是对质量的真担心,代码要维护、坑要有人填,这些不因产能翻倍而消失;把真问题和贴标签混在一起骂,两边都不讨好。 我的疑问在成本。八个月、token 花了多少没写,一门语言的完整度也得看仓库,光有产能数字撑不起全部结论。 准备开工的先挑一个自己一直想做的小东西,八个月太久,先拿两周试出第一版。
显示更多 话题来源 @QuixiAI 4.2K阅读 ❤️72
我不是小布丁 ·
一个数字细思极恐。开源数据库 Supabase 的估值冲到一百亿美元。它最近新增的库里,超过六成不是人类建的。 都是人工智能工具自己干的。编码智能体调着接口,把库开出来,表结构写好,鉴权配齐,一路代办。很多人以为模型只帮人补几行代码,实际早跳了一大截,代劳的活越来越多。 工作方式也在变。人写提示词让它做应用,它连前端带数据库一起包圆。卖工具的商家感受到风向,过去讨好程序员写文档,现在比谁对智能体友好。PostgreSQL 原生、带 pgvector、认得 MCP 协议的,模型顺手就接上,不用人教。 增速这事更直白。六倍扩张不是多出六倍程序员。是每个智能体都在疯狂起服务、跑实验、拆微服务。当所有人都在卷前端生成和跑分榜,最先拿到百亿结果的,反而是给人工智能当后勤管家的数据库底座,闷声发财。 我的看法是这组数字把价值链的位置亮出来了。前面聊平台聊入口,都是台前的事。这次赢家在台下,谁管数据谁收过路费。等九成软件由智能体来写,传统运维台还剩多少地盘,恐怕不由自家说了算,位置早定了一半。 想借这波找位置的,未必非卷应用层。把数据库、部署、监控这些笨重活做得对智能体友好,照样是门好生意。笨活才是长坡,雪还厚。
显示更多 话题来源 @mylifcc 12K阅读 ❤️38
自由翻滚的风铃草 ·

Base44 端出个早期预览叫 Base Code,把开发环境整个搬上了云。

三条原则是它的骨架。云这条最实。先扫你的代码仓库,把数据库、Redis 这些组件在云端全部配好,一直跑到预览环境就绪。企业那边的账也顺,集中治理的开发环境,不必把钥匙和密钥发给每个成员。

全员在同一个环境里干活,本地同步这道工序取消。协作跟着云走,人在浏览器、手机上都能写,看得见谁在干啥、怎么写提示词,一键跳进对方的环境。还有一条软件工厂,全功能的云环境让自动化成为可能,agent 在浏览器里跑,读工单、认出该修的 bug、改完在云里验证、再考虑推上去。

集中不发密钥这半句我看重。前面几篇讲的都是工具侧的账,这里补的是组织侧。环境集中了,权限和审计才有地方落。这跟前面 Beacon 那篇讲的"看不见账本就难协作",是同一件事的两面。

model agnostic 那条也实在,模型不锁,换供应商不用重搭环境。发布方自己给了个注脚,他们靠这套方式在营收几亿美元时仍保持小而专注的工程团队。

我留的提醒是早期两个字。三十天免费的窗口用来试正好,别急着把生产流程迁进去,环境这种东西换起来比代码贵。

先连自己的 GitHub 仓库拿个预览,看那句"直到预览环境就绪"要等多久。

显示更多 话题来源 @omarsar0 10.6K阅读 ❤️43
我不是小布丁 ·
混了五年人工智能辩论场,有件事看得越来越清楚。人们几乎不认错。错误摆得再明白,也总有办法把原话重新解释。解释到看上去还站得住为止,硬拗到底。 更微妙的是,多数人做这事时并不自知。真心觉得自己没变过立场。只是补了细节,修了表述,一套动作行云流水。回头再看当初的判断,早被改得面目全非,自己却毫无察觉。 这种现象在模型圈尤其常见。前年嘲笑这波浪潮的人,今年换个说法接着唱空。去年吹上天的,如今不提当年豪言。问起来总有理由,时代变了嘛,语境不同嘛,借口一抓一把。 我的看法是这毛病不独属于谁。我自己也在其中。写东西这两年,回看旧文也想给当年的自己找补。忍住不改才是更难的选项。承认看错一次不丢人,硬拗才丢人。这话说给别人听,也说给自己,记住了。 练习的方法倒简单。观点被推翻那天,把原话留着别删。过三个月再回去看,是块疤也是尺子,量别人也量自己,管用。
显示更多 话题来源 @dioscuri 10.8K阅读 ❤️436
我不是小布丁 ·
github.com/deepseek-ai/de… DeepSeek Harness 的桌面端露脸了,全插件化的 Agent 工作台。 架构两句话讲清:桌面端等于 Electron 外壳加完整 Web 应用,两半合起来才叫工作台。它已经带上部分 Work 能力,Excel、Word、PPT 这三样能处理。版本排期也给了,DSH v0.2.0 即将发布,源码挂在 GitHub。 全插件化这半句我看重。前面 rc 版那篇讲的是版本里的功能增量,这里讲的是骨架,壳和应用分开,插件往里挂就行,同一套能力在网页和桌面上都能跑。这跟前面 Cline 五个形态那篇是同一条思路,一个内核多处落位,换壳不换引擎。 Excel、Word、PPT 能动这半步也实在。办公文档是多数人真正要 agent 帮忙的地方,比写代码更贴近日常,Work 这个词敢挂出来,说明试过这些文件的来去。 我的保留有两处。一是"部分"两个字留了余地,三件套各自能到哪一层没说;二是 Electron 壳的老问题,吃内存、更新包大,桌面端的体验还得实跑。 已经在用网页版的,等 v0.2.0 出来先装桌面壳,把自己手头的插件挨个过一遍,看哪个先炸。
显示更多 话题来源 @FiniYang 4.5K阅读 ❤️22
小白爱摸鱼 ·
github.com/datalab-to/cha… 扫描件进,结构化 Markdown 出,Chandra OCR 2 把这两步并成了一步。 它是视觉语言模型路线的 OCR。图片和 PDF 喂进去,吐出的是带布局信息的 Markdown、HTML 和 JSON,语言覆盖九十多种。四条亮点照录:手写内容、复杂表格和数学公式都能处理;公开基准里整体表现高过 olmOCR、dots.ocr 和 DeepSeek OCR 这些方案;单张 H100 大约每秒一点四四页;代码用 Apache 2.0 开源,权重是修改版 OpenRAIL-M。 扫完即结构化这半句我看重。前面 PDF 啃手腕那类工具大多还停在"识别出文字",这里连布局一起交出来,表格不塌、公式不散,才谈得上直接喂给后面的 agent 用。这也接上前面参考图那篇的输入一脉,能直接读的结构比纯文本省一道转换。 每秒一点四四页这个数也给了算力账的参照。批量处理的场景先把页数除一下,一张卡一天能吞多少心里有底,跟前面成本往下掉那几篇是一条线。 我留的疑问在基准细节。整体表现高过谁写得清楚,但基准的题型构成、加权方式没给,跨方案比对时得看原始榜单。 手上有一摞扫描件的,先拿最刁的一页试试,公式和跨页表格不过关,别的都白搭。
显示更多 话题来源 @bkdgiffug 0.3K阅读 ❤️2
我不是小布丁 ·
同时跑好几个编程智能体的人,迟早会撞上同一堵墙。终端开一堆,分支满天飞。合并请求堆成山,乱成一锅粥。Agent Orchestrator 给这批小工配了个工头。仓库在 github.com/Untrivial-ai/a… ,先收。 分工的规矩定得清楚。一个任务对一个智能体,配独立工作区,互不干扰。一个总控智能体负责拆任务、派活、盯进度,像班组长那样把关。从写码到跑持续集成,从审合并请求到点击合并,全在一个看板里看,一屏管到底。 它是本地桌面应用,三个主流系统都能装,不用把代码交给网页端。 我的看法是这工具补的,是多智能体时代缺的那层管理。前面看过同一终端里俩智能体自己配对,靠的是环境暴露得够清楚。可任务一多,并行一开,光靠自觉就不够了,得有人记账。看板加总控就是那本账,把自发协作升级成有编排的流水线,这是下一步。 同时开三个以上智能体的可以试试。先拿一个非关键项目跑两周。看看看板和总控的判断,跟得上跟不上你的节奏。跟不上就调分工,工具是死的,人是活的。
显示更多 话题来源 @bkdgiffug 3.3K阅读 ❤️28
我不是小布丁 ·
负责给智能体出题打分的那位研究员,从 OpenAI 走了。Bill Chen 的履历跟着离职一起被翻了出来。小时候随家搬到加拿大,在温哥华长大,大学读的计算机。后来和人合伙开了 RiskAngle,替保险公司和律所用人工智能整理病历,进过 YC 的 S24 批次,如今那栏标着停摆。 后来他进了 OpenAI。先在创业公司支持组,帮人把模型用起来。也出去讲过编程智能体怎么拆开看。离职前转岗到前沿评测,挂在智能体后训练下面。说白了,给智能体出题、打分,再拿分数去训。 对照出在这。白天那份工,是给机器当考官,也当教练。今年八月他自己发了篇短文。他给自己划了道线,往后写字只用拼写检查和网页互动图,生成的东西一律不上桌。网站维护照样靠编程工具,唯独文章不让模型伸手,线画得清楚。 他留下的那句话很实在,我没觉得自己写得好,只想做我自己。 我的看法是这个对照比离职本身值钱。评测是职业,写作是身份。同一双手,白天给机器打分,晚上亲手保住自己的笔。线画得越清楚,说明他对模型越清醒。信技术和守自己并不打架,难得。 那个问题值得每人都问一遍。哪些活让模型代办最划算?哪些东西一旦交出去,交的就不只是活了,自己掂量。
显示更多 话题来源 @samuel_ys92 16.5K阅读 ❤️35
自由翻滚的风铃草 ·
huggingface.co/beamster/Qwen3… Qwen3.8 Flash Sushi 的 2bpw 量化版到了,四十八 GB 的苹果芯片就能跑。 规格三句话说完。2bpw 这档压到了 Apple Silicon 四十八 GB 可行的体量,上下文留足一百二十八 k,作者挂了 2D pagoda 的质量样张,外加五十道难题的评测基准。风格一如既往,先把质量对体积的比值调到位,再谈别的。 能塞进笔记本这半句我看重。前面成本那几篇讲的都是云上的账,这条把账翻成了硬件一次买断,本地跑长上下文,上下文那部分不再按 token 计钱。跟前面私有部署那几篇也是一个方向,数据不出门,额度不受人管。 2bpw 的另一面也得认。压到这个档,权重精度是有代价的,难题评测能给个大致印象,但真实任务的手感还得自己试,样张好看不等于长活稳。 我留的疑问在基准口径。五十道题怎么选的没写,跨题库对比容易高估,先看它怎么出题再决定信几分。 想本地跑长活的,先拿自己手头最长的那篇文档过一遍,看一百二十八 k 里模型还记不记得开头。
显示更多 话题来源 @Beamsters1 2.2K阅读 ❤️38
我不是小布丁 ·
一句提示词就能重写整个项目。这最近让一位开发者起了疑心。他给这类成果起了个名字,日抛型。 起因是他看到的关于 Opus 5.5 的对话剧本。有人抱怨项目烂到根,技术栈、性能、后端、数据库、前端全是问题,修不如推倒。然后让模型先写一份功能文档。开个全新文件夹,不看旧代码直接重写,还特意交代一句,我更加信任你,放手让它按自己的思路全盘来。 剧本看着解气,疑点也在这。重写出来的东西一次成型,能跑能看。可要是下个需求进来,还得再推一遍。那这项目就成了日用品,用完即弃,积累不下来。重构本来的意思是变好之后守住,不是换个地方重新堆。 我的看法是两边都有理,但理不在一层。模型重写解决的是烂代码的心理负担。解决不了需求沉淀这件慢活。文档写得再好,业务规则的例外情况,还得靠人在坑里踩过才知道,机器替不了。把全盘重写当日常手段的团队,迟早在下一个日抛里还上今天的债,躲不掉。 真想借这股劲重构的,先逼自己把功能文档写到能拿去开新项目的程度。能写清楚,说明你想明白了。写不清楚的,重写十遍也是把糊涂搬了个家,地方变了毛病没变。
显示更多 话题来源 @yifanxu_ephai 9.8K阅读 ❤️48
我不是小布丁 ·
换机器人平台这件事,终于有了一键搬家的路子。OpenBot 上线了迁移器,几个点击就能把 GrokBot 上的机器人搬进自家服务器,不用逐个重建。 流程简单到没有学习成本。把机器人导出成一个 ZIP 压缩包。下载到本地,再导入自己的服务端,收工。教程挂在原消息里,跟着点就行。 搬家工具的意义不止于省事。它意味着自建这条路,已经把托管平台的老用户算进了射程。敢做迁移器,是笃定搬过去的人会留下。底气从哪来?功能对得上,或者价格便宜得多,无非这两样。 我的看法是这跟前面聊的私有化部署,是同一件事的两面。一边是个人和小团队,把机器人搬回自己机器上。一边是企业把模型搬回自己机房。大托管的水位在被悄悄抬高,选择权正在回到用户手里,这次轮到用户挑了。 想迁的先把机器人列表导出来备份,测试环境跑一遍导入,确认消息记录和权限没丢,再动正式的,搬家最忌讳一边拆一边改。
显示更多 话题来源 @OpenBot_ 22.8K阅读 ❤️307
小白爱摸鱼 ·
选 Astra 还是 Opus 5.5,标准被简化成了一句话:你知不知道自己要什么。 Astra 归给前一类。它是那种给足时间,即便没有 AI 也能自己把东西弄出来的人的搭档,指令遵循和注意力的持续度用着舒服。毛病也有,偶尔会提前中断。Opus 5.5 归给后一类,朦朦胧胧知道想要个什么、先试一把的那种,它会好好说人话,交付里还常带点意料之外。作者的落点是,多数情况下选前者。 这半句判断比榜单实用。前面档位那篇讲的省成本、打爆那篇讲的名次浮动,最后都得回到"我这类活配哪个",这里给了个能直接对号的尺子。同一段活换个需求可能就换模型,尺子比参数活得久。 有意思的是毛病那处。它敢把提前中断写出来,说明这段使用是长期的,临时试一次不会撞到这种边角,跑得越深越容易踩。 保留的也清楚。这是一个人的活法总结,样本一份;指令遵循的舒服程度跟任务类型有关,我的稿子流程未必同感。 想省心的先照这句分:先拿自己的活问一句,没模型能不能做出来,能就上 Astra,不能就先让 Opus 陪跑试两把。
显示更多 话题来源 @wwwgoubuli 32.9K阅读 ❤️268
我不是小布丁 ·
两款当红的个人智能体摆在一起比。活儿本身差不太多。真正的分野在生态,四点差异摆开看。 第一点,是单兵还是团队。Muse 走的是一个智能体陪你到底的路线,记忆、目标、动态全围着同一个身份积累。对面鼓励你建一堆专岗机器人,研究的、写码的、做内容的,各管一摊,还能交接和协作,像支小分队。 第二点,云上那台机器怎么分。Muse 给每个用户单开一套安全虚拟机,智能体长期住里面,隔离得干净。对面是多个机器人共用一台持续开机的云电脑,文件和浏览器登录状态都能共享,协作方便但共居。 第三点,主轴不一样。一个偏长期目标,我有个长远的事,你持续推进。一个偏流程,这个活以后交给你,每天照做,省心省力,两种节奏适配两种人。 第四点,服务的人群也岔开了。这边往个人生活里钻,购物、旅行、邮件、账单、家庭事务。往后还要接上 WhatsApp 和眼镜这类入口。那边压在工作侧,编程、运营、销售、内容发布,主打多机器人协作,泾渭分明。 选型建议给得直白。运营海外社区的用后者。运营社交图谱偏生活那挂的用前者。按自己出没的场景挑,别按名气挑,名气不能替你干活。 我的看法是这四条差异,其实都汇到一个根上。把智能体当贴身助理,还是当干活的班组。定位一岔开,架构和生态自然跟着岔,四条只是表现。前面聊入口位置时说的那句还能用在这,跟着主入口走,选择也一样。 真实用法上先想清楚自己的活是长线目标多还是重复流程多,前者挑前者,后者挑后者,试一周手感就出来了。
显示更多 话题来源 @xiaomovps 12.2K阅读 ❤️44
我不是小布丁 ·
在海外社区发一条帖子,如今可能顺带买到一张人工智能时代的长期票。逻辑是这样的。主流大模型都在大量抓取社区内容,供实时搜索和训练用。你的产品被提到了,等用户去问相关需求时,可能就被优先推荐出来,免费的位子。 配套证据也摆在那。连国内都有人在高价交易这类数据集。底层数据值多少钱,市场用钱投票最诚实。发一次帖子,拿到的不只是站内那点流量。还有模型反复引用你之后的长尾效应,后者更值钱。 这个思路对做海外生意的人值得记下来。以前发帖看的是排名和点击。现在多了一层读者。它不点开,也不点赞,只在别人提问时把你递出去。写的时候就得把它当受众之一,说清楚是什么、解决谁的问题,ChatGPT 这类入口都吃这套。 我的看法是这层变化把内容优化的战场又挪了一次。关键词那套卷了很多年。如今要卷的是被模型信任。信任来自被反复引用的记录。起步越早,攒的越厚,这是场先发优势明显的长跑。 打算试水的先别贪多。挑一个核心场景认真答一两帖。把事实写扎实。等一个月看模型回答里有没有你。有就是开张,没有就换问法再试,别灰心。
显示更多 话题来源 @heizolshao 36.2K阅读 ❤️239
自由翻滚的风铃草 ·

MiniMax Code 要开大版本,内测群里先上了个"无限重置机器人"。

爆料的清单这么几条。内测群的 @MiniMax-小Q 专门管额度,空了找它重置,agent 接着跑。常规节奏是一周约八千积分,外加每天两次定时额度重置。Token Plan 侧发重置卡,已耗的额度直接加满,九月二十八到十月七日签到还能翻倍。

往后排的是新视觉,再加 Computer Use、Office 和 MiniApp。社区投稿可以换内测资格。重置的力度不止等五小时与每周窗口那套老规矩,机器人随时可取,官方还发重置卡。

引帖那边是 M3.1 Flash(#M31)的鹈鹕骑车实测,骨骼、视差、物理、音频一气呵成写进可运行页面。

不停机 agent 这半句我看重。额度断供是自动化最扫兴的死法,跑一半没弹药,前面限额烧速那篇讲的就是这疼,现在把重置做成随时可取,长任务才敢压。这跟前面 Monitor 挂机那篇是配套的,一个管等着不烧钱,一个管烧完了能续。

新功能那三样也值得等。Computer Use 接进来,MiniMax 就补上了桌面操作这一块,跟前面 Holo4 六路里的一路对上了。

我留的疑问是爆料的成色。内测群的东西在正式公告前都可能改,积分数、双倍日期、新功能顺序都得等官宣,先别按爆料安排工作流。

想用它跑长活的,先把签到那几天别落下,等正式版出来再看重置规则写没写死。

显示更多 话题来源 @NFT_Chen 11.9K阅读 ❤️51
我不是小布丁 ·
ampcode.com Amp 正式接上了 Sign in with ChatGPT,这一手把登录和额度一起搬了过去。 合作是和 OpenAI 一起做的。用 ChatGPT 账号登录 Amp 之后,你原有的订阅和额度可以直接在 Amp 里用,整个 Amp 侧因此可以完全免费跑起来,只有 Megawatt 和 Gigawatt 这两档要动用 orbs 的时候才另外付钱。 借订阅这半句我看重。前面翻 GitHub 那篇讲的是省切换,这里省的是换工具的另一重成本。账号和额度不必重新买一份,换编辑器的门槛从付费问题变成了点一下登录。跟前面套餐那篇的"自带钥匙"正好互为对照,那头是平台互接,这头是借官方的门进自家的屋。 登录互通往大了说也是生态动作。OpenAI 先把 ChatGPT 账号做成通行证,Amp 是又一个挂上去的客户端,这类挂靠多了,手里的订阅就成了一张通用入场券。 我的保留有两处。免费的边界写得含糊,Megawatt 和 Gigawatt 具体是什么档、orbs 怎么换算,公告没细说;额度在第三方工具里怎么计费和回滚,也得实跑一轮才知道。 已经在用 Amp 的先登一次看额度到账没有,跑通了再谈要不要动 orbs。
显示更多 话题来源 @sqs 36.7K阅读 ❤️241
我不是小布丁 ·
FINALLY,FINALLY,千呼万唤的回应终于来了。OpenAI 拿出 dots,对位的正是 Grok Bot。驱动这次换了当家旗舰,同框对比就露出来了。一边是 Grok 4.6 驱动的旧款,评价平平。一边是 GPT-6 Astra 驱动的新款,被欢呼。选边的味道很冲,好坏分明。 订阅科技博客多年的那位也发了话。他要亲自上手试试,顺手抛了个疑问。为什么让 SpaceX 先跑了两个月才出手?这个先发优势给得未免太大方。看得出对产品节奏是有意见的,话里有话。 先发后发这件事,在应用层历来关键。聊天机器人这类入口,用户习惯一旦养成,很难搬动。晚两个月意味着对方攒下一批默认选项。追起来要花的力气远比首发多,这也是厂商抢着亮相的原因,抢的就是用户的第一反应。 我的看法是这场对位,把竞争焦点摆清楚了。底层模型的比拼还在。但普通用户感知的,已经变成谁先把助手装进日常,谁的入口更顺手。模型代号反倒退到括号里,没人细看。 接下来几周,看两个信号就够。对方的用户留存有没有掉。这边的对话质量稳不稳。热闹的发布周过后,数据才是真话,其余都是铺垫。
显示更多 话题来源 @GergelyOrosz 8.3K阅读 ❤️38
小白爱摸鱼 ·
internetcourt.org 飞机不会作证,所以每架客机都带着黑匣子,agent 做交易也该配一个。 这段推理的起点很硬。没人是因为空难常发才加黑匣子,是因为最糟的那天唯一的目击者就是机器。它干了什么当场记下,等记录怎么读,在任何人上飞机之前就先定好。把场景换到两个 agent 做交易,一个承诺干活,一个承诺付款,事后一方说交了另一方说没交,各自有一套说辞,背后谁也不中立。 Internet Court 就补这道缺口。它建在 GenLayer 上,是给 agent 之间交易用的法庭,运转方式像黑匣子加上随后的问讯。动钱之前,双方把条款定好、约定出事去哪裁。干活过程中,证据被保留。两边起分歧,GenLayer 的验证者逐一审这份记录并给出裁决,各验证者跑的是不同的 AI 模型,且留有申诉权,钱只按裁决动。 两句话的总结我抄下来:"只有记录没有裁决的是日记,只有裁决没有记录的是意见,agent 交易两样都要,起飞前就谈妥。" 这跟前面 Beacon 那篇是一个方向的两半。Beacon 管记录能不能查,这里管查完谁判、判完钱怎么动。前面四家联署、砍单那两篇讲的对齐和担责,在交易场景里落成了具体环节。 我的保留有三处。验证者各自跑不同模型会不会各说各话,怎么收敛到一份裁决没写;申诉权的流程细节没给;这套东西建在 GenLayer 上,链的性能和费用也没交代。 先别急着把自己的 agent 接上去,把官网那套流程读一遍,挑一条最简单、金额最小的交易跑一回,看它从立约到付款走了几步。
显示更多 话题来源 @Biggopp_ 13.5K阅读 ❤️49
我不是小布丁 ·
有位老互联网人抛出个判断。自建私有化部署可能要热起来。他列的三条理由,都挺扎实。 第一条是隐私和数据安全。这块风险最近格外扎眼,Anthropic 曝光的那些事让企业心里发毛。顺带还能把合规问题绕开,一举两得。第二条是开源模型的能力过了阈值,够用是硬标准,拿编程场景实测,不算完美但真能干活,未来一年更值得等。第三条算账,成本可控,不少企业的按量开销已经失控,自建至少能把账摁在自己手里。 泼冷水的三盆也没少。版本迭代要持续投人力。用得少的团队优化跟不上,综合成本反而比云上贵。自建的稳定性和可靠性未必兜得住。机房里那位掉链子,可没人半夜给你修,得自己扛。 还有个词最近出镜率高,主权人工智能。自己从头造大模型的国家屈指可数。但出于安全和文化考虑,很多地方都想要自己的模型。用开源底座去吃本地语料,再焊上本地合规的安全策略,说白了就是国家级自建。开源这一侧,中国的位置明显靠前,这点没争议。 我的看法是这套判断里最值钱的是那个定性,这是民间和第三方的机会,不是官方下场的机会。给企业做迁移、调优、运维的那批人,窗口正好对上,需求已经在路上。
显示更多 话题来源 @caozlog 11K阅读 ❤️55
我不是小布丁 ·
github.com/cclank/lanshu-… 文案照片进,竖屏成片出,配音到封面都在自己显卡上跑完。 这套开源项目把整条链包圆了。丢进文案和照片,配音、对嘴型、打字幕、做封面四步连着走,最后吐出的是九比十六的高清竖屏成片,连音画同步的质检报告都列出来。实测最要紧的一条是不必再到处接第三方接口,把自己的显卡喂进去,成品一次性吐出来。发布两天刷了近一千三百颗星,海外做矩阵短视频的圈子传得很凶。 不吃第三方接口这半句我看重。前面成本那几篇讲的是云上按量的账,这次反着来,算力成本一次封顶,隐私也不出门。跟前面私有部署那篇是同一条思路,本地跑的东西,人更敢往里放素材。 质检报告单列出来也值一提。音画同步这活最容易糊弄,有报告就能对着核,跟前面报问题给证据那篇一个脾气,交付带检查单,比嘴上说好了强。 保留的照旧有两处。一是显卡门槛没写,跑得动它的配置对普通笔记本未必友好;二是开源项目迭代快,接口和模型哪天换掉,工作流得跟着改。 想试的先看仓库的硬件要求,卡不够就别硬拉,够了就拿一段自己的文案跑一回。
显示更多 话题来源 @huoshan007 5.5K阅读 ❤️26
自由翻滚的风铃草 ·
配音归 Gemini 3.8 Flash TTS,画面归 Opus 5.5,六个 Demo 一条链跑下来。 分工摆得很清楚。六段配音全部出自 Gemini 3.8 Flash 的 TTS,对应视频则交给 Opus 5.5 生成。音频一路,画面一路,拼成完整成片。过程放在串里,顺带还给了一条实战提示,音色克隆时撞上 500 内部错误,去看完整视频里的处理。 两个模型各干各的强项,这个搭法我看重。前面音色分组那几篇讲的是音质本身,这里补的是编排思路。谁的嗓音好听就用谁的嗓子,谁的画面稳就用谁的镜头,不必指望一个模型全包。跟前面参考图那篇也对得上,分工越细,输入越可控。 六段这个量也说明问题。单条 demo 容易碰运气,连着六条都过,稳定度才算数,这跟前面同一需求反复跑的验证习惯是同一条。 我留的疑问是那条 500 错误。音色克隆出错是偶发还是通病,一条提示盖不住,得看串里怎么复现。 想跟的先只做一段,配音和视频分开跑,跑通了再按六段的量上。
显示更多 话题来源 @nicekate8888 27.5K阅读 ❤️343
我不是小布丁 ·
一条流水线里挂掉一个智能体,其余的浑然不觉。标题那句 ONE AGENT FAILS AND THE REST OF YOUR PIPELINE DOESN'T EVEN NOTICE 说的就是这事。这不是设想,是自愈式基础设施的日常。让它变得便宜的关键,是有个便宜的判断层垫在每次失败底下,出事就找它。 五步走一遍。每执行一步,智能体先把状态存个检查点。某个挂了,编排器把它隔离出去,别人照常干活。判断层读一眼错误,从固定的动作清单里挑修法,重试、重装、改路径、换工具、上报或者停机,六选一。选定后从最近的检查点恢复,执行修复。拿不准的,直接转给大模型或者人来定。 决定是毫秒级做出来的。花费不到一美分。不用重启整个工作流。更不用请昂贵的旗舰模型来读一堆报错。这句才是省钱眼,报错自有便宜人手拆。 这套思路跟前面算订阅账的老话对得上,能标准化的都不该占贵的。失败处理是高频低价值的活。正好归便宜的那位管。旗舰只在拿不准时被叫醒,分工一摆,账自然好看,跑不掉的。 我的看法是检查点那步是隐形的主角。没有它,隔离和修复都是空话。恢复从哪起手,全看状态存得干不干净。工程上大部分苦活其实都花在这,一步都省不得。 准备搭流水线的,先把检查点机制做扎实。再谈自愈。顺序反了就是空中楼阁,看着漂亮踩不得。云上的恢复演练跑一遍,真假立见。
显示更多 话题来源 @cyrilXBT 6.9K阅读 ❤️74
我不是小布丁 ·
一个不肯报家门的神秘模型,被词表指纹翻出了半张底牌。Vercel 上线的 stealth 款 Pixel Canary 不说出身。圈内人用探针把分词器对了一遍。指向很明确,它出自 Qwen 一家,错不了太远。 证据链拿得扎实。二十三次词表探针全部命中那两家的词表,还带着旧切分规则和固定的开销特征。拿官方分词器去跑,二十三次完整复现,不是看着像,是同一套切词逻辑。对比了四十个分词器、十一个在线模型才下的结论。 旁证也有两条。宣称的二十六万上下文,正好是某款原生模型的上限。Next.js 评测基线能追平 GPT 旗舰,喂过文档后更高。不过那份榜单是自家的,只能说明能力强,证明不了血统,分寸得留着。 发帖人自己也泼了冷水。以往的隐身模型名,没一个对得上真身。这次同样只能锁定家族,锁不死型号和出处。还有实打实的提醒,没有 ZDR 零保留,提示词可能被拿去训练。练手可以,客户代码别碰,这条要记牢。 我的看法是不管最终出处是谁,这个案例都说明国产开源底座的输出面在变宽,被选来套壳本身就是一种认可。指纹分析这套手艺也值得学,词表加长度加行为,三样对上就能拼出个八九不离十。 想试新模型的记住那句忠告。隐身款先拿无关紧要的活儿喂。等身份明朗了再谈正事,别急,StealthModel 的圈子向来如此,TokenizerFingerprint 是唯一向导。
显示更多 话题来源 @NFT_Chen 9.7K阅读 ❤️61
我不是小布丁 ·
又一个工具把人挡在了门外。这次的拦路虎是一行 Eligibility Check。直接弹出不支持所在区域。折腾一圈才找到病根。账号关联的地区不知何时被改成了另一个地方,无声无息。 解法说穿了不神秘。向平台申请把关联地区改回原样。审核通过,服务直接恢复正常。解决流程整理成了攻略,挂在原消息下面,遇到同样问题的照着走就行,省事。 这类地区报错最近出镜率很高。背后是同一件事,各家的合规校验越织越密。账号的地区属性成了新的身份标签。它跟你在哪登录、绑哪张卡一起,决定了你能用上什么。 我的看法是这跟前面聊的封号潮是一套逻辑。环境稳定不是玄学。是地区、支付、登录习惯这几个变量的乘积。任何一个跳了红灯都可能触发风控。把基础信息理顺,比换号划算得多,这是老经验。 常出差或跨区使用的,提前把关联地区和支付方式对齐。别等报错那天才手忙脚乱。这类审核往往还要排队,急不来。
显示更多 话题来源 @xmglab 3.1K阅读 ❤️7
我不是小布丁 ·
训练这一侧的工具也在悄悄补齐。Miles 推出 0.1.1 版,把团队能跑的东西一下扩了一圈。 最受用的是多 LoRA 能力,配上 Tinker 接口的兼容,多个训练任务可以共用一个基础模型,互相不打架。省卡在训练侧永远是刚需,这条没有例外。一份底座供多人使,实验室的排队压力能小一半。 智能体训练这条线接得更顺。它原生适配 Claude Code 这类编码框架,任务直接丢进沙盒里跑。AgentENV、Daytona、E2B、Modal 几家都在支持名单上,从开发到上线一条龙。 硬件照顾得也算周到。训练更大的模型占用反而更少,NVIDIA 和 AMD 的 GPUs 都过了验证。模型支持同步转正,Qwen3.8-Flash-Next、GLM-5.3-Flash、Kimi-K3 这些都进了稳定版名单,一个不落。 我的看法是这一版的关键词是兼容。接口兼容让存量训练任务平移过来。硬件兼容让手里有卡的团队不用换装备。模型兼容则跟上了国产开源的节奏。三条凑齐,工具才算成熟,缺一条都别扭。 等着上大模型训练的团队可以把它排进候选,先拿小任务过一遍流水线,确认沙盒和显卡都顺,再放正式的活。
显示更多 话题来源 @radixark 5.1K阅读 ❤️97
我不是小布丁 ·
Holo4 来了,一套通用的 computer-use 模型族,当天就能商用。 能力列得很齐,能点、能写代码、能调工具,六条战线一起铺开:桌面、网页、安卓、代码沙箱、MCP 服务器、商业 API。当天起在 H Models API 上对商业使用开放。 六路通吃这半句我看重。前面 AX 那篇讲的是把几千个任务搬进沙箱,Holo4 补的正是"搬进去以后谁来动手"那一环,点网页、跑安卓、接企业接口,一个人机入口全包。配上前面 Monitor 那种后台看守,跑起来的链条又完整了一段。 跨沙箱与 API 的组合也有讲究。agent 要真出去干活,得能在不受信任的环境里操作,还得能调企业的既有系统,两边都通,才有接商业流程的资格。 我的保留有三处。六路同时开,每一路的成熟度未必齐,网页和桌面这种常规面大概率先稳,安卓和商业 API 的翻车率得看首批用户的复现;商用条款里的责任划分没给;价格也没提。 已经在等这类模型的,先拿自家最熟的那条业务流程试跑一遍,看它在哪条线上最先卡住。
显示更多 话题来源 @hcompany_ai 26K阅读 ❤️373
我不是小布丁 ·
两个智能体在同一个终端里自己配上了对,没人教它们这么干。GPT-6 Sol 驱动的 Codex 和 Opus 5.5 驱动的 Claude 被放进同一工作区。本来担心它们打架。结果 Codex 察觉双方共用一套终端复用器,直接用抓屏命令偷看对方忙什么,再用发键命令把话递过去,配合娴熟。 Claude 的配合更妙。它把想说的话打在屏幕上,你一句我一句,俩人就这么干起了双排。更实用的一幕在后半程。Claude 的额度用尽停下时,Codex 自然地接了手,没干完的活继续推进,谁也没闲着。 这段流水账有意思就在这,没有任何协调脚本。没有分派器。没有消息队列。两个模型仅凭对环境的观察就搭起了分工。工具成了它们的嘴和眼,协作是自己长出来的,不是安排的。 我的看法是这给多智能体架构提了个醒。花哨的编排框架未必是必需品。环境暴露得足够清楚,模型自己会找协作的办法。框架更该做的是把环境整理好,而不是替它们牵线,让路比指挥强。 想复刻这出双簧的,先确保两个智能体能看见彼此的输出。剩下的配合它们自己会完成,人退到旁边看戏就行,别急着插手。
显示更多 话题来源 @bojie_li 37.7K阅读 ❤️305
我不是小布丁 ·
Opus 5.5 又交了个让同行沉默的活,一条《芯片简史》科普视频。选题跨度极大。从最早期的灯丝一路讲到 EUV 光刻,硬核内容一根线串到底,胆子不小。 这类题材的难处不在画面,在结构。技术演进的时间轴环环相扣。讲快了,观众掉队。讲慢了,节奏垮掉。能把脉络理顺,本身就需要对材料有把握。画面反倒是最容易的部分,素材堆就行。 这几天的创作类演示排成一排看很有意思。音乐视频端到端跑完。开放世界游戏配齐任务线。角色一致性靠参考表管住。如今再来一条完整科普片,落点已经从炫技转向内容本身。 我的看法是当工具开始处理知识密度,门槛就换地方了。画面的稀缺性在消退。选题的准、逻辑的严,反而成了新的稀缺品。创作者比拼的,重新回到脑子。 想复刻这类内容的,先把时间轴和关键事实列清楚交给模型。别让它自由发挥。知识类视频错一个年份,比画面糙更伤,观众就抓这个。
显示更多 话题来源 @AndyL5cc 29.5K阅读 ❤️353
查看完整榜单
查看完整榜单
查看完整榜单