AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态
圈内在传一件还没坐实的事，GPT-6 Astra 的 CoT 思维链被人扒了出来。流传的说法是，拿到的不是答案本身。是它一步步怎么想的那串推理记录。
群里反应很快。直接有人喊话抓紧蒸馏。还有人接了句国模追上 Astra 指日可待。风向摆得明明白白，真要坐实，成绩单会更难看。
我的看法是这事该按传闻的规格对待，官方没有认领，当不得真。但传闻本身也有信息量，它暴露了这个行业的焦虑点在哪。谁都不怕对手再强一档。怕的是别人家的推理过程能被成批搬走。优势这词在模型行业从来不是比喻，是能被搬走的存货。
蒸馏这潭水深，效果也未必如传言。公开课与闭门课差着十万八千里。把推理串喂进去，学得走样是常事。真正难搬的是数据管道和评测体系，那才是各家压箱底的东西。
等成绩单出来再下结论也不迟。眼下先把这条归进待验证栏，别急着转发。
显示更多
话题来源 @NFT_Chen
125.1K阅读 ❤️81
ip.huzhihui.com
github.com/zhihui-hu/one-…
查 IP、测网速、看指纹，这三个活以前得开好几个网站，One IP 合成了一个。
四条功能照录。第一，查 IP 的归属、信誉和风险信息，地图与多源定位都在同一页。第二，Ping、DNS、CDN、WHOIS 一并集成，排网络问题少切标签。第三，接了 FingerprintJS 和 CreepJS，浏览器指纹与自动化特征一测便知。
第四，顺带能测 ChatGPT、Claude、Grok 这些 AI 平台的连通性。项目开源，React 19 加 Vite 构建，可部署到 Cloudflare Workers，Fork 一下就能自己搭。
测 AI 平台连通性那条是亮点。前面记过好几次 capacity 报错的困扰，手里有个小工具先探一遍，比直接重试省时间。这跟前面翻 GitHub 那篇是同一个心思，把常用动作收进一处，切换成本省下来才是真的省。
我看重的还有它的搭法。React 加 Vite 再落 Workers，整套部署轻到能白嫖着跑，个人工具站的门槛又被压低一档，这跟前面成本往下掉那几篇是同一条趋势线。
保留的提醒有两个。指纹检测这类能力双刃，自查设备可以，拿去探测别人就越界了；信誉与风险数据来自多源聚合，单条结果别当定论。
在线体验和仓库都挂上面，先拿自己常撞 capacity 的那家平台试试连通性。
显示更多
话题来源 @bkdgiffug
0.7K阅读 ❤️5
那些没有命令行的老软件，如今能被智能体直接使唤了。开源项目 CLI-Anything 的路子很巧，给每个软件补一个命令行外壳，再配一份技能文件，智能体拿它们当普通工具调用。仓库在 github.com/HKUDS/CLI-Anyt… 。
覆盖的名单够杂。QGIS 管地图。Calibre 管电子书，Joplin 和 Obsidian 管笔记。LibreOffice 撑办公，Shotcut 管剪辑，Rekordbox 管打碟，n8n 管流程编排，还有会议和游戏引擎分析。
方向从 CAD 到分子建模，UniMol 那类工具都在列，一口气十二三个。此前让编码智能体去改场景或整理库，它多半靠猜格式或者退回去截图点按钮，如今多出第三条路。
安装两条命令的事，管道装外壳，一行命令把技能加到全局，SKILL.md 集中放好。真正让人高看一眼的是工程质量。电子书那套带四十一个单元测试和真实软件的 E2E 记录。笔记那套提交时附上一百三十四条测试基线。还有把路径穿越和软链逃逸修掉的，把 XML、SVG、ODF、MusicXML 解析统一换成安全库的细节。凑数仓库不会这么干。
坑也摆在明面。提交的人来自四面八方，成熟度肯定有高有低。强依赖本机真装了对应软件。有的要直接动 SQLCipher 加密数据库，写入前强制备份。有的只在 ArcGIS 加 ArcPy 的特定平台跑得起来，不是装完就能用的那种。
我的看法是这个方向给技能线又补了一块拼图。前两天还在聊技能怎么进浏览器标准、怎么被点名上岗，这里解决的是更上游的问题，工具压根没有接口的事。软件有接口了，智能体才谈得上调用，接口这层不铺，后面全是空谈。
想试的先挑自己机器上真装了的那几个，仓库近五万星，挑成熟的下手，别一上来就啃新贡献的边角，AIAgents 这个标签下的更新每天都有。
显示更多
话题来源 @kafkaup
0.6K阅读 ❤️6
让 Astra 剪一支宣传预告，它自己进代码里把素材抓完了。
流程三步走完：接受任务后，它钻进项目代码，把需要的镜头自己抓了一遍，再把抓来的片段组装成一支成片。原话是 "went into the code and captured all the footage by itself, then assembled this trailer"，主意还是向 @ai_for_success 要的。随消息一起放出的，还有刚出炉的全新二进制包，链接挂在第一条回复里。
自己找素材这半步我看重。前面 3D 生成、视频管线那几篇讲的是产出端的本事，这次的亮点在取材端：它得先弄清项目里哪段素材能用，再谈怎么剪。取材、筛选、组装一条龙，等于把剪辑助理那道工序也并进去了。这跟前面 Hive 那篇的自家工具一整条链打通是同一类信号，能自己伸手的才算数。
保留的也实在。演示向来挑最好的那一条，成片节奏和素材质量得等更多人复现；新二进制刚出，兼容性这类坑通常头几天最密。
想跟的先去第一条回复把包下了，拿自己手头的项目跑一遍，看它抓的素材跟你脑子里的是不是同一批。
显示更多
话题来源 @AIandDesign
149.8K阅读 ❤️80
换不换模型这件事，很多时候输在的不是能力，是账号稳不稳。一位从 Claude 转投 GPT 阵营的用户把理由摆得很实在，让账号不封，比模型给的效率更费心。
理由三条。第一，官方授权能直接对接开源那套智能体，接得顺，不担心封号潮来了整晚睡不着。第二，生态是连着的，应用、网页、客户端聊天记录多端同步，拿起手机就能接着干。第三，支付不挑，谷歌账号或苹果账号就能付，环境和支付的稳定性一次配好就不用再折腾。
最诚实的是结尾那句自白。新模型强得心痒，可是生态已经固定，日常工作跑在自己的工具链上，任务都压在那里，换过去就得连根拔。能力的诱惑输给了搬家的成本。
我的看法是这类自述暴露了选型的真变量。评测分数决定谁进候选名单，封号率、同步、支付这些日常摩擦才决定谁留下来。软件史上被更差的产品锁死的用户从来不缺，这次不过是换了个行业重演。
要挖墙脚的一方也看清了，先解决账号和生态，再谈聪明，次序别倒着来。
显示更多
话题来源 @xiaomovps
21K阅读 ❤️27
一个十六万安装量的工具，作者亲口说自己一行代码没写。智能体写出了二十三万行、七千多个测试，靠口碑涨到今天，这成绩放传统团队里也够看。真正让它跨过那道坎的不是测试数量，是下面这张清单，从能跑走到能上线，中间隔着六道门。作者把这六道门摆成了可勾选的格子，谁的项目都能照着对，一格一格打勾就行。
第一步，开发与生产分开。代码仓库用 GitHub，至少两条分支，一个开发一个生产。数据库单独开生产实例，配迁移脚本和同步。登录与支付各挂生产账号，部署只从生产分支走。环境一混，事故就来了，这条是所有清单的第一条，别的都可以慢慢补，这条不能拖。
第二步，给所有写着无限的东西标上数字。套餐功能给明确上限，比如十个活跃房间。接口给上限，每分钟每个地址多少次 POST 调用写死。压测压到返回四二九为止，摸到墙在哪，心里才有底。心中有数才敢放量，否则无限只是一句广告词，账单来了才追悔，页面也崩了。
第三步，先写下意图，再让智能体动手。用户是谁、分哪些角色、哪些不做什么，全写进 AGENTS.md。价值主张、权限、流程、业务规则落成文档。人自己先审一遍，这是产品决策，不是文档作业。然后智能体照着文档写测试。没有这步，它测的是代码做了什么，不是代码该做什么，两边差着一个产品的距离，返工多半从这裂开。
第四步，到真浏览器里过一遍。每个角色开一个测试账号，让智能体跑关键路径，跑完之后自己再点一遍。作者的实测是十五到二十分钟。这二十分钟值回票价，一闪而过的东西智能体照样漏，人眼的余光反而是最后一道防线，这一关没法外包。
第五步，每次发布前审三遍。一条提示词带出三轮审查，安全看权限和用户输入，性能看真实负载下的查询，发现的问题分高中低排序，先修高的再放行。这跟前两天技能论文说的把关逻辑同源，放行前总得有人读结果，机器出报告，人做裁决。
第六步，上线后接着盯。用 UptimeRobot 这类工具盯着首页和数据库页，页脚挂个状态页，出了事用户先看到你诚实的一面。日志先用平台自带的，量大再上错误追踪，外加热力图看用户卡在哪，卡点就是下一轮要改的地方。监控不是装饰，它是清单里唯一在你睡觉时还在干活的那格。
作者最后留了句总结，换了技术栈工具可以全换，检查项一个都不能少。清单是通用的，工具是局部的，这个主次关系想反了就会陷入无尽的选型，选型焦虑大多这么来的。
我的看法是这张清单的含金量在于顺序，不是工具品牌。先环境，再额度，再意图，再人肉验证，再发布审查，最后监控，每一步都在给上一步兜底。跳步是新手最常见的死法，我见过太多卡在测试很全却没人写意图这一关。测试覆盖得再漂亮，测错了对象也白搭，这句要贴在工位上。
拿去对着自己的项目勾一遍，六格里缺哪格补哪格。工具真的随你换，人手不足就先做前四格，第第五格的发布审查哪怕手动也要执行，监控可以从一条存活探测起步。
显示更多
话题来源 @PawelHuryn
1.8K阅读 ❤️7
github.com/SuperClaude-Or…
同一个 Claude Code，装没装 SuperClaude，产出真不是一个量级。
它给的东西是数字级的：三十个斜杠命令，二十个专业 agent，再配七种行为模式。GitHub 上二十三点九千星，两千个 fork，去年六月建仓迭代到现在，最新 4.3.0。
做法正对着一个真实的痛点。用惯了 Claude Code 的人都懂，耗掉时间的多半不是编码本身。开工前那套寒暄才是：先列计划再动手、按既定规范走、别碰需求之外的文件，回回都得重说。这个框架把上述规矩写死进配置，遇到不同类型的任务，它自己换合适的路数。
4.2 版新增的深度研究模式，是这半年里我最想试的那块。它会自己排计划，最多连跳五轮搜索往下钻，还会给查到的东西打分，跨会话把往期案例吃进去；研究深度从 Quick 到 Exhaustive 分四档，急着要结论就拿浅的那档。这跟前面 SkillOpt 那篇是同一个方向，好做法从每次口头交代，变成能存能复用的资产。
两点声明它自己先摆上桌：本项目与 Anthropic 既无关联也未获背书，纯社区配置；开销靠赞助，养着每月一百来美元量级的 Claude Max 测试账号。插件系统排在 5.0，日期没给。
我留的疑问在收益的验证方式。"不是一个量级"是体感，不是数；真要比，得同一份需求在两个环境各跑一遍，看改动次数和返工率才作数。
仓库挂在上面，先只装它那三十个命令里最常用的三个，习惯几天再谈全套。
显示更多
话题来源 @Ryrenz
0.8K阅读 ❤️6
OpenAI 把会员套餐页上的倍率数字悄悄抹了。升级页里 Pro 档不再写五倍用量，只剩一句比 Plus 更多，明牌改成了哑谜。
价格本身没动。Plus 还是二十美元，Pro 标准档还是一百。变的是说法，从前一百档等于五倍、两百档等于二十倍写得清清楚楚，如今两档统一模糊成比 Plus 更多。升级页上还冒出标准与更多的开关，更多那档对应的正是九月十日起就停了新购的两百档。
最有味道的细节是帮助文档。说明书里五倍二十倍照样躺着，改的只是售卖页。页面与文档各说各话，这在别家算事故，在这里更像预留的接口。
这文案撞着 ChatGPT 的 DevDay 节骨眼上线，等于给日后的静默调额度留了扇侧门。ChatGPTPlus 与 ChatGPTPro 的现有用户暂不受影响，但牌面数字没了，将来怎么算全凭一方心意，SamAltman 那边没给说法。
我的看法是倍率模糊这招在订阅史上屡见不鲜，先改措辞、再调实价，中间隔着几个月的缓冲。手里握着高档订阅的，最好把当前倍率截图存档，日后对不上账时，白纸黑字比客服口径管用。
显示更多
话题来源 @NFT_Chen
32.3K阅读 ❤️24
github.com/plait-board/dr…
三款画图工具的活，Drawnix 一个白板全接了。
这个刚开源的项目把思维导图、流程图和自由绘图揉在一块，插件化架构，功能想加就加。六条能力照录：三种画法共用一个画布；Markdown 写完一键变导图，边记边成形；美人鱼语法直接生成流程图，不用手动拖；画布不设边，滚动到哪存到哪；自动保存，手机上能接着画；最后导出成图片或工程格式。图不想画了就开它自带的演示站点，懒得搭环境的话，仓库里备好了 Docker。
"工具越少越好"这半句我认。上下文切换的成本是真实的，笔记在一个窗口、画图在另一个窗口、导出还得再开一个，光切换就耗掉半条命。这跟前面缝合成本那几篇是同一条账，能在一个界面里说完的事，别拆成三个。
对做 agent 的人还有层意义。导图和流程图正好是交代结构的常用形式，Markdown 转导图、语法转流程这两条，等于给模型留了个人能读、机器也好处理的中间格式。
保留的照旧是成熟度。新项目功能列得漂亮，长画布上的性能、多人协作和导入兼容这些坑，得自己上手才知道深浅。
想替掉手里那三个标签页的，先开演示站点画一张对比图，顺不顺手五分钟见分晓。
显示更多
话题来源 @Manorgw
6K阅读 ❤️91
GPT-6.1 Sol 坐上了 Codex 命令行的默认席位，发布当天的承诺落地得比预想快。更新日志在 github.com/openai/codex/r… 。
版本号 0.159.1，动作三件。默认模型换成 Sol，捆绑的模型目录加了它，云端两套目录也同步刷新。没有热闹的宣发，一条更新说明完事。
默认席位这个变化比价格表更能说明问题。定价、跑分都是嘴上功夫。把谁放进默认框才是产品团队用脚投票。愿意为多数用户的日常任务兜底，说明他们对这档模型的稳定性心里有数，我认这个判断标准。
这跟几个小时前的账正好对上。同价加量的规格、榜单上的中端排名、如今进默认，三步走完，中端抢旗舰的故事从新闻变成了配置文件里的事实。
我自己升级前会先把老任务跑一遍存底。不急的等一天看社区反馈，急的直接拉新版本，别让默认变更悄悄换了你的手感，那才是亏。
显示更多
话题来源 @Codex_Changelog
5.5K阅读 ❤️97
Anthropic 把企业采购那扇门直接焊进了自己的市集。Claude Marketplace 上线，两千多个连接器和插件摆上货架，Atlassian、谷歌、微软、Notion、Salesforce 都已在列。
买东西的方式很微妙。可以从 Cursor、CrowdStrike、Harvey、Snowflake 那边买到由 Claude 驱动的智能体，花的是企业早就承诺给 Anthropic 的预算。要全组织铺开的那层，埃森哲、BCG、德勤也进来了。建设者用 MCP 协议和技能包发布，上架开放。
横向对比更见心思。微软把智能体商店塞进了自家办公套件，OpenAI 的应用市集基本没溅起水花。Anthropic 换了个角度，不做热闹的橱窗，把发现层直接架在企业已经签好的钱上。
有位在虚拟现实和区块链里见过好几轮市集开张的人说得直白，漂亮店面往往安静地死掉，真正活得久的市集都贴着预算走。这话把过去十年的教训压缩成了一句。
我的看法是这一手赌的是路径依赖。技术市集死了一批又一批，采购通道却年年稳固，因为签过字的预算总要花出去，能接住这笔钱的地方自然长出生态。企业软件史一再重演这个剧本，谁站到发票旁边，谁就赢了一半。
开发者想借势的可以看清楚自己站在哪一层，接得上企业账本的插件，比界面炫酷的更容易活过第一年。
显示更多
话题来源 @SadCreatorTalks
3K阅读 ❤️119
DeepSeek Harness 放出 v0.2.0-rc.1，桌面端打开就能自己升级。我先扫了一遍这版的改动单。
六条亮点照录。动画与过程展示调顺了，用时也显示得清楚。图片过期自动重新上传，长会话不再动不动断。桌面端一个"安装并重启"就完成升级。DeepSeek 账号的模型免配 Key，直接连网页搜索。
插件管理、安装指引和创造模式的开发文档补齐了。还修了一批桌面坑。Windows 的沙箱权限、打不开的资源管理器、macOS 的麦克风、Safari 刷新后丢回复，逐个点名修掉。
"免配 Key 就能网搜"这半条最对味。它把账号本身当成通行证，省掉了配置文件里塞密钥那一步。这跟前面备份、打码、Beacon 那串老规矩正好相反方向做减法，不是多加一层防护，是让敏感信息根本不用出现。
动画和用时展示看着像小事，实则给足了过程反馈。前面 LongCat 那篇记过，把思考过程亮出来能换回用户的耐心，同一条经验在这里落成了默认样式。
保留的照旧是发布节奏。rc 是候选版，装完哪天接口一改，手上的自动化脚本可能得跟着动；修的那批桌面坑是否真填上，等两周后的正式版再看。
已经在用的直接让桌面端自检升级，rc 版尝鲜的记得留一条回退路。
显示更多
话题来源 @NFT_Chen
13.5K阅读 ❤️67
诊断系统接进了 Agent，基层医生却一致反对。
来龙去脉并不复杂。一家做 HIS 的团队让 Agent 跟诊断报告连起来，直接给出初步诊断和处理建议；考虑到隐私，还在内部架了私有的 GPU 机器跑模型，投入不小，成品看起来也不错。偏偏到了落地那一步，基层医生集体不买账，那条消息把问题抛给了评论区。
反对的理由得自己补，多半绕不开三件。一是责任，机器给的建议出了偏差，签字的还是医生；二是节奏，基层一天几十号人，多一道要核对的建议，实际是多一道工序；三是那句老账，引帖里"AI 全面取代医生"的暴论刚刷过屏，一边喊取代，一边要求人来担责，谁听了都别扭。三件事里我最看重第一条，前面安全几篇反复出现的授权与担责问题，在这里换了个场合又演了一遍。
值得肯定的是做法本身。私有 GPU 加本地部署，隐私这条底线先守住了，比拿病人数据去调云上接口强得多。技术上没有偷懒，输的是对使用者处境的体察。
我留的疑问是反对有没有下文。产品做得再好，不进诊室就是零，这场拉锯的结局要看医院愿不愿意改流程，而不是看模型再准几个点。
结论其实藏在那三件里，先问清楚谁签字，再谈谁被替代。
显示更多
话题来源 @zhufengme
148.4K阅读 ❤️117
发现一个高阅读的小众账号，专门分享生活智慧和认知类的内容。预估每天阅读3-5万，收入200-500。
选择的是漫画形式，制作简单，内容季度聚焦，戳中普通人的生存焦虑。
这种账号的运营逻辑很有意思：
第一，内容定位精准。不追求大而全，而是聚焦在普通人最关心的生存焦虑上。比如职场压力、人际关系、生活困惑等。这些话题天然有流量，因为每个人都经历过。
第二，形式选择巧妙。漫画比文字更直观，比视频更轻量。用户刷到就能看，不需要花时间理解。而且漫画的制作成本相对较低，一个人就能搞定。
第三，更新频率稳定。每天3-5万的阅读量，说明更新频率和内容质量都保持得不错。这种稳定性是账号成长的关键。
第四，变现路径清晰。虽然收入不算高，但胜在稳定。每天200-500，一个月就是6000-15000。对于个人创作者来说，这已经是一笔不错的收入了。
对于想做自媒体的人来说，这个案例值得参考。不需要追热点，不需要高大上的内容，找到一个细分领域，持续输出有价值的内容，就能赚到钱。
显示更多
话题来源 @isnail
❤️78
这篇文章写的好全面，另外感谢收录推荐了Qiaomu Reader插件。
还有这两个网站应该没有人不收藏的吧？
Z-Library：zh.z-library.sk
Anna's Archive：annas-archive.gl
话题来源 @vista8
30.9K阅读 ❤️102
Jev 最近火到有人把十个能跑的项目攒成了清单，帖子的原话是 BEEN EXPLODING IN POPULARITY LATELY，十个 PROJECTS WORTH CHECKING OUT。一句话概括这十个活的共性，全是判断，没有一个是生成，COPY THESE BLUEPRINTS 开抄就行。
第一个是桌面自动化。它读系统的无障碍树，自己决定下一个该点哪个按钮、哪条菜单、哪个输入框。仓库 github.com/lahfir/agent-d… 。这活听着琐碎，真做出来等于给电脑配了个会看屏幕的手，重复点击类的杂事从此有了去处。我不由想起此前那些靠截屏认界面的方案，读结构化状态比看图稳得多，也快得多。
第二个是超级马里奥。不用截屏，直接读模拟器内存里的结构化状态，决定这一步跑、跳还是躲。仓库 github.com/fhshaik/typesa… 。拿游戏当测试场其实很聪明，输赢立刻见分晓，判断对不对一秒钟就知道。
第三个是无人机。爬升、刹车、绕障这些高层决定它来做，底层飞控只管稳住机身。仓库 github.com/RomanSlack/jev… 。这种分层让我不由想到开车的比喻，坐车的人想事儿，开车的手脚管路，各管一摊才不会互相踩脚。
第四个 OneVOneJev 是浏览器里的对战射击，每拍 FPS 决策评估移动、视角、瞄准、开火、跳跃五件事，地址 github.com/emrickgarrett/ 。
第五个是测试网上的高频做市，按点差和方向判买卖，模型延迟报到八十一毫秒。第六个 Prism 更讲究，先评估市场里的毒性流动和压力，再把结论交回原来的策略。第七个接知识图谱，走到每个节点挑下一条值得探的边，仓库 github.com/jexp/neo4jev 。
第八个筛训练数据，对着 JSONL 和 Parquet 文件评质量、相关性和风险，决定哪些样本进下一轮训练。这活以前靠人肉抽检，如今交给判断件轮着过一遍，省的是最枯燥的那部分工时。
第九个专治编码智能体嘴硬，查工具输出、代码改动和测试结果，判断那句完成了可不可信，仓库 github.com/qkal/Canny 。第十个收创业点子，多角度评完给三个字的裁决，KILL、FIX 还是 SHIP。
十个场景摆一排，判断这层的渗透速度比我想象的快。游戏、交易、数据、图谱、写码、点子，哪儿都有它的身影。这跟前面开源决策模型压过对手、一百零四美元训出专模的两篇对上了，判断正在从聪明活降级成零件活。
按类型拆开更有意思，START EXPERIMENTING 的顺序也跟着清楚了。前三个是取景器，替人看环境，看无障碍树、看内存、看姿态，看完把选择交出去。中间四个是操盘手，做市、评估市场、探图谱、挑数据，做的是带后果的决定。最后三个像审核员，查完成声明、毙点子，还有给整体把方向。
这条分界线值得多说两句。取景器替代的是手，操盘手替代的是眼，审核员替代的是那声我做完了。越往后越接近责任，越接近责任的部分越难被廉价替代，这是我判断这一整片生态时最在意的一条线。
翻译到日常使用上，选项目其实就看两件事。你的场景里有没有重复出现的二选一，二选一出现的频率高不高。频率高、选项清晰的，交给这类项目几乎稳赚；需要品味和长线权衡的，先让它当参谋别让它拍板。
我的看法是清单里最值钱的是第九个。前面九个都是替人省事，唯独它是替人把关，防的是智能体自己说自己做完了。省事的活会被砍价，把关的活会涨价，这十个项目的命运大概会分成两半。
想动手的按清单抄就行，四个仓库地址验过能开，其余七个在原消息里。先从第九个装起，反正它不挑场景。挑花眼了就回到那条分界线，省事还是把关，想清楚再点安装。
显示更多
话题来源 @He1s_Sammy
0.7K阅读 ❤️12
八美元首月、一个月最高三十万次调用，OpenDesign Go 把套餐价又打下去一截。
官宣的账摆得很直白：这是第一个按基准精选的模型套餐，首月八美元，比 OpenCode Go 便宜两成，用量上限却更高，部分模型每月最多给到三十万次。名单里列了十个模型，包括 GPT-6 Luna 和 DeepSeek V4.1 Flash。
真正让这套东西好用的是那句 One more thing。支持 API key，能直接外接 OpenCode 和 Hermes 这些客户端。
外接这条我看重。前面份额榜和档位那两篇都说过，选型和用法决定真实成本。能自带钥匙串门，等于把选择权从平台手里拿回用户手里，客户端该换就换，模型池不动。这跟前面工具市集那篇也是同一条线，能接的才叫装备。
保留的照旧是套餐话术的两处虚。"全球首个"和"近乎无限制"都是宣传语，真限额得看细则；三十万次听着多，折到每天一万次，重度跑批的人得先算自己的量。
新用户头一个月正是试金石，把最贵的那个模型连着跑一周，账单和速度一起看，值不值当场见分晓。
显示更多
话题来源 @tuturetom
7K阅读 ❤️25
判断这条线上又杀出一队开源货。上海人工智能实验室放出 Intern-Decision，零点八B到四B三个档，集合页在 modelscope.ai/collections/Sh… 。
成绩先摆开。七个决策基准上，三档平均分分别是七十九、八十五、九十。四B 那档压过 Jev，八十顶上九十，还顺手把概率校准做得更准。速度更狠，本地同环境跑下来三四十毫秒，对面一百一十，差了三倍。
能力清单也齐。一次前向把选择、打分、是非三类题一起答了，输出带类型的结构化结果，概率分布校准过，这对要拿概率做门槛的流程很关键。文本状态配最多八张图，路由、选工具、打分、控流程都能干，许可是 Apache 2.0，兼容 Qwen 那套生态，接进现有项目不费劲。
三档摆在货架上也贴心，小场景用最小的，重活再上四B，按需挑不用一刀切。判断这种高频短调用，省下来的毫秒数乘上次数，账面会很难看。
我的看法是这队货把判断层的选择面一下拉宽了。以前默认贵的才可靠，如今小一半的参数量、快几倍的延迟，分数还更稳，判断类任务未必非得端着大模型。这跟前两天那一百零四美元训出来的老哥殊途同归，判断在被拆成便宜活。
拿不准哪家强的，用自己业务里那几百道老判断题跑个对比表，延迟和校准一起看，选便宜的那档往往不亏。
显示更多
话题来源 @ModelScope2022
6.4K阅读 ❤️117
fal 上的 Seedance 2.0，生成规格直接拉到了 4K。
公告给了三件事。第一，托管在美国节点上的 Seedance 2.0 现在支持 1080p 和 4K 视频生成。第二，上周同一套美国基础设施刚给 Seedance 2.5 开过 1080p，两步连起来看，分辨率在成体系地往上抬。第三，需要解除人脸限制的客户单独联系，团队会带你走一遍流程。
4K 这级我看重的是"能用在哪"。前面成本往下掉那两篇讲的是个人能批量做，4K 到位才谈得上进正片，缩图和大屏是两门生意。托管落在美国节点也有讲究，海外客户的数据路径短一截，这对商用项目是实打实的加分。
保留的提醒有两条。分辨率上去了，单条耗时和费用没写，生成一张 4K 的真实代价得自己跑一遍才知道；人脸限制那条要走人工，说明这层管控仍然握在平台手里，不是开关一拧就放。
想上高分辨率的，先拿现有 1080p 的成片对着导一遍，确认自己的流程吃得下这个文件体量，再谈 4K。
显示更多
话题来源 @fal
9K阅读 ❤️107
AI 视频最常见的穿帮不是剧情，是同一张脸每个镜头都不太一样。腾讯的产品团队在电影奖项活动上摆了自己的解法，一句话总结，一致性不是模型问题，是流水线问题。
办法具体到三张表。每个角色配三张参考图，正面特写当身份基准。每次生成都读同一组图，不指望模型自己记住上一个镜头。记忆这件事由表来扛，角色就不漂。
这套思路妙在把不确定性关在笼子里。模型的记性不可控，就别让它记。把要记的东西外置成每次必读的固定输入，稳定来自流程，不靠运气。
我的看法是这跟前面那条情绪板的路子完全同源。一个给整体风格立参照，一个给角色身份立基准，都在干同一件事。把靠感觉的部分变成可复用的资产。凡是可以变成资产的环节，都不该留在模型的脑子里。
拍长片的照这三张表先建角色库，短片可以偷懒，系列内容没这层就等着观众数脸。
显示更多
话题来源 @TencentAI_News
1.8K阅读 ❤️17
给 agent 装记忆这件事，如今两次调用就能办到。AIOZ 把存储记忆的服务开了出来，LIVE 的消息刚放。写和读各一次，写完不用轮询等着。读的时候按意思找，还带相似度打分。
细节考虑得挺周到。记下来的是原话本身，不改写不怕跑偏，多语种的回忆也能对上号。一句话，让造出来的智能体记得住事。
这行当最近热闹得很。有人把记忆当成企业平台的三个记得之一。有人把代码库本身当记忆。现在连独立的记忆存储服务都单拎出来卖。记忆层正在从配菜变成主菜，各家都在往这层加注。
我的看法是记忆一旦标准化成服务，各家 agent 的差距会往别处挪。谁都能存能查之后，比的就变成存什么、什么时候该忘，取舍才是新战场。
想接的先看它的召回手感。语义检索的水深不深，用自己业务里那些问过八百遍的老问题试几把就有数，答得上来才算真的记得。
显示更多
话题来源 @AIOZNetwork
366.1K阅读 ❤️122
Google 满 28 岁，生日蛋糕是让 Gemini 4 Pro 用一句话切出来的。
场景全自动生成和渲染：一只 Android 机器人举着刀，对着生日蛋糕，蛋糕上的细节和配色都齐。作者给这次测试的评价落在一句话上，prompt 到 3D 的能力已经到了不像真的的地步，标签里挂了 #Gemini4Pro 和 #MadeWithAI。
一句话出 3D 这事我看重的是"能渲染"那半。前面 3D 芯片课和童年街区那两篇，都还得借现成引擎再动手改，这次是模型直接把场景端出来，中间那道手艺活又少了一道。做展陈、做开场动画的，少一道工序就多一批能自己动手的人。
保留的照旧是成色。演示场景结构简单，物件少、光影规矩，真要拿去承载复杂叙事，结构和材质的稳定性还得看后续作品；机器人举刀这种小道具，也是最容易穿帮的一处。原文挂的标签还有 #GoogleBirthday 和 #DDesign、#AICommunity，社区这块的试水气氛很足。
作者在结尾问了一句，下一个做什么。我的想法是先做带镜头运动的，静态好看那关已经过了，动起来才见分晓。
显示更多
话题来源 @justkarangupta
8.8K阅读 ❤️116
跟 codex 谈需求之前，先让它去 GitHub 上翻一圈开源项目，这一步很多人省了。
做法就一句：提需求时先别急着写，让模型把同类的开源实现找出来看看。反馈回来的东西让那位作者直呼感动。感动的不是技术本身，是满屏的善良，那么多人把厉害的本事直接开源放出来。
这句习惯我认。先看现成方案再动手，省的不只是轮子，还有方向性错误。模型自己找一遍比人翻文档快。GitHub 上的实现自带上下文，拿来即用。这跟前面参考图拆结构那篇是同一条脉络，先弄清别人怎么做，再谈自己怎么做。
开源精神这半句我也接。前面刚聊过腾讯把 Agent Skills 送进 CNCF，个人、公司、社区三层都在往公共池子里放东西。这个池子越厚，后来者的起点越高。
保留的提醒是别让搜索替代思考。找来的轮子未必合身，许可协议和维护状态得自己过一眼，不然感动完就是一堆坑。
下次提需求前，先丢一句"去 GitHub 找三个同类项目"，比直接问"怎么实现"多花十几秒，少走很多弯路。
显示更多
话题来源 @Vincent_AINotes
34.5K阅读 ❤️505
排行榜上出了件反直觉的事。Sonnet 5.5 在 FrontierCode 上把努力档拉到最高，分数反而掉下来了。同一道题，开最高档比开次高档还低几分。看榜的人都愣了。
原因挖出来很好笑。档位一拉满，它就迷上跑去跑代码审查的技能。拉起一队子智能体围着重构稿挑毛病，要么审到超时。要么顺手把任务范围外的地方也改了，按规则被扣分。
认真过头也会挨罚。这条冷知识挺戳人。工具给得越多，模型越容易在细节里走神。这跟只顾埋头干活的新人一个毛病，活没少干，边界感丢了。
我的看法是这给排行榜时代提了个醒。分数是任务完成度的快照，不是能力的全貌。技能、档位、超时规则一叠加，高分未必最优。低分也未必真笨。
调参的人不妨先把审查类技能关掉再跑一轮对比，看看扣的是分还是那些没人要的加班。
显示更多
话题来源 @ScarletKc
9.8K阅读 ❤️27
Opus 5.5 加 Sonnet 5.5，双模型搭出一座能走进去的童年街区。
手上的材料是 gmi_cloud 放在 GitHub 的 Sakura repo，作者借这套引擎把它改成了 1990 年代末的后苏联居民区。用时约一小时，token 花了五十五到五十七美元。
成片贴得惊人地近，正是他长大的南俄小镇，也像任何前社会主义国家的寻常角落。一排接一排的板楼，空荡的院子，不好看的金属游乐设施，一溜车库。还有一种说不清的东西，原文给了个词，freedom。
这是张能进去逛的快照，不是一张渲染图。转视角，看细节。楼还是那些楼，但你可以绕到院子背面。交互这一点让它跟前面果冻章鱼、鹈鹕骑车那批连成一条线，静态好看容易，能走动才见功夫。
五十五美元这个价我看重。一小时加一顿外卖的钱，换来一片本要靠回忆才能到的地方，前面 3D 芯片课那篇说成本在往下掉，这里给了个具体的落点。做课的、做展的、给游戏找场景的，这笔账都算得过来。
留一句半真的感慨。作者写他想念那些年，也写那是他一直想逃离的生活，两句话不矛盾，人对来路的感情本就如此。
想重盖自己那段童年的，先去把 Sakura 那个仓库翻出来，素材比想象中好借。
显示更多
话题来源 @AmirMushich
12.2K阅读 ❤️105
检索这条老路又被翻新了一次。刚出道的 WonderSearch 拿到 YC 的 F26 批次。主打的事很直白。百万级文档不用预先嵌入，用的时候再算，召回不输传统向量方案，官方 FAQ 里把这条摆在第一行。
老办法的痛点摆在那里。语料先全部算一遍向量。索引建完还得天天维护。钱花了可能一次都用不上。新办法把这步挪到查询那一刻，不建全库索引，需要多少算多少，按次付费。
结果就是原始数据几秒钟变答案，中间少了一整套预处理的活。文档天天变、团队又小的场景最受益。省下的不只是钱，还有那条永远在跑的嵌入流水线。
我的看法是这思路和前面把权重流式喂进内存那条暗暗一致，都是把一次性大开销拆成按需小开销。批量时代收批量的钱。零散时代收零散的钱。付费方式跟着使用形态走才是正理。
想试的先看它的召回数字跟自己的语料合不合，异构文档多的库最吃这套，规整的表格库倒未必需要。
显示更多
话题来源 @daleverett
10.8K阅读 ❤️106
字节的豆包团队过了个史上最忙的中秋。六天要拿出对标 Meta Muse 的体验版。内部时间线摆得很直白。九月二十七日联调。九月三十日必须上会内测。总工期约六天，一天都省不下来。
投入规模更吓人。豆包全线和上下游团队全部取消假期。人事也同步动了，周伟调去基础架构线，往后直接向洪定坤汇报。
Muse 属于 Meta 九月刚亮的个人智能体，AIAgent 里少见的能主动接活型，跨着应用把任务跑完。它刚冒头就招来高优先级突击。反应速度本身比产品更说明问题，赛道白热化到不敢停。
我的看法是加班只是表象。真正值钱的信号是优先级。人事、假期、汇报线一次性给对标任务让路，说明在这家公司排序里，个人智能体进了最前排。
体验版上会内测之后会不会对外开，才是下一个关键节点。到那时对标成色才见分晓，成色见了，这六天的假期花得值不值也就有了答案。
显示更多
话题来源 @NFT_Chen
68.9K阅读 ❤️36
AI 写代码今天顺明天崩，同一个需求出两种结果，这份开源课专治开盲盒。
它给的解法是给编程助手搭一个靠谱的工作台，把协作拆成五个机制。第一是指令，告诉 AI 要干什么。第二是状态，记下干到哪一步。第三是验证，确认这步做得对不对。第四是范围，画个圈别让它越界。
第五是序列，中途断了也接得回去。五个齐了，AI 干活就从玄学变成可追踪、可续接、可验证。课程结构也直白，十三节理论配七个实战项目，全程推同一个应用，带模板的项目文件可以直接用，不必学完再上手。
"断了还能续上"这半句是五条里最实用的。这跟前面状态树那篇说的是同一件事，把步骤摊成能接续的结构，长活才不怕中断；范围那条则对上工作树隔离，圈死了它才不好越界。
我看重这份课不废话的编排。七个项目全程咬着同一个应用走，学完手上落的是一个能跑的东西，不是七份半成品。这跟前面参考图拆结构那篇的偏好一致，能带走的资产才算数。
保留的也有：模板是课的引子，稳定性提升多少得自己拿项目试；那句"扔进去马上有变化"是宣传语，别当验收标准。
想根治盲盒的，先克隆仓库把模板那部分拎出来，跑一周再决定要不要把十三节读完。
显示更多
话题来源 @Manorgw
1.2K阅读 ❤️13
一位干了大半辈子布局引擎的老工程师说，模型这波跳跃终于让他自由了。他把二〇一九年那套结构化随机的想法做成了原型，规则先画死，模型在格子里跳舞。
规矩立得很清楚。列网格定好，边距、安全区、底层像素网格全标定，模型只能在这些边界内发挥，出不了圈。于是一屏能扫一百八十多个变体，挑得眼花没关系，快速对比之后，真正的取舍还是自己做。
这套玩法妙在分工。生成的活交给模型，判断的活留给人，人不再从空白画起，只在成堆的选项里做选择题。设计这行最耗神的从来不是画出来，是比过一百个方案之后还敢拍板。变体越多，挑选越累，但累的是看得见的比对，不是从零憋灵感的那种累，性质完全不同。
规矩还有一个隐性好处。模型不用猜你想要什么，边界都写死了。它只负责在圈里把可能性铺满，这比一句随便发挥的指令靠谱得多。产出天然可比，可叠，可归档。
我自己看这条线已经很熟了。前面有面试题考框架能力，有访谈讲把代码库当记忆，这里则是把二十年前的方法论喂给模型再量产。同一个道理在不同行当反复出现，规则内创新比放飞自我更出活。
老工程师最后也没把位置让出去。模型出一百八十个变体，决定权仍在他手里。这大概是人机协作最体面的一种站位。
显示更多
话题来源 @MSchwaibold
3.9K阅读 ❤️217
