AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

NVIDIA 新模型 Nemotron 3 Diarization（按官方帖转述，演示视频见原帖）——痛点开场："几个人同时说话，转录很快就乱成一团"；它的本事一句话：分清"谁在什么时间说了话"，哪怕声音重叠——最多 8 个说话人、1 亿参数，现已上架 Hugging Face（原帖外链为 X 视频，模型页见 HF 官方搜索）。

我的看法：这是音频战的第二组对位——昨晚 Google 的 TTS 对上 Qwen 的五模型栈（58008、58152），今天 NVIDIA 的说话人分离正对 Qwen ASR-Next 的"说话人标签＋时间戳"：一个在"谁说的"这条细分手柄上加码，一个在"怎么读"上加码，分离与朗读正在变成两条独立赛道。

"8 人重叠也不乱"这个规格恰是 58008 那句"多人、标签、对齐转写"的镜像需求：多人会议、圆桌、家庭争吵——凡是抢话场景，转录的价值全在"分得清谁"；与昨晚那条"跨集不换脸"（57917）对读更工整：视觉侧的难题是同一个人别变脸，听觉侧的难题是不同的人别串号——两侧各有一个"一致性"要守。

给实操一句：如果你的场景有三个人以上抢话（访谈、播客对谈、课堂录音），先跑它再上任何总结类工具——"谁说的"没分清之前，"说了什么"的总结都会张冠李戴；1 亿参数、HF 直接拿的体量也说明：这类结构化小模型不需要大底座，够用就是对的。

参数、规格与上架状态均为官方帖转述（视频未取），以 NVIDIA 与 Hugging Face 页面为准。

用户实测：MiniMax H3 做"白模"，效果约等于 Seedance 2.5、价格便宜太多（按转述，演示视频与提示词见原帖，本条未取）。原帖三句："群里说 H3 做白模效果很好，试了下果然，基本和 Seedance 2.5 差不多，价格便宜太多了；以后出白模视频可以试试 H3。"（白模＝无贴图的素模状态，CG 流程里用于定形与结构的那版。）

我的看法：这是 H3 线的第五击，也是第一次"用户钱包投票"——四击都是参数与工序（官方制作 57719、VAE 提速 57746、社区档 57816、实时档 58459），这条换了裁判：一个普通用户拿成品比价、给出"差不多、便宜太多"的结论；而对撞对象恰好是昨晚刚发预览模式的 Seedance 2.5（58504）——今晚两条视频线第一次在同一件事上正面碰：H3 卷速度与价格（13 秒出 15 秒片）、Seedance 卷预览与流程（480p 草稿再渲 1080p），一便宜一稳，赛道从中线劈开。

"白模"这个场景也选得聪明：素模没有贴图与光影的掩护，最考验形变与结构的准确性——恰恰是这类"结构大于质感"的活，差价被放到了最大；这与"出片两级定价"（58504）的结论同向：不同环节该用不同模型，没有全场景的赢家。

给创作者一句落地的：把你的管线按"白模/精修"拆开试一周——结构段交给便宜快的、成片段交给可控的；提示词在原帖评论区，先抄再改。

实测、比价与场景判断均为原帖转述（视频未取），效果随版本与硬件变化，以官方页面为准。

"现在看候选人简历，人均 LLM＋RAG＋LangChain＋向量数据库＋MCP——拿几十篇内网文档搓一个内部问答系统"（转述，无外链）。点睛的后半句："越来越有前几年人均谷粒商城贡献者的感觉了。"

我的看法：这是求职线今晚第五击，也是最省字的一击——一个古早梗把"技术栈通胀"讲得干干净净。谷粒商城是什么年代的事：开源商城项目，几届学生人手一份写进简历；今天的对应物换成了 LLM＋RAG＋LangChain＋向量库＋MCP 全家桶＋一个内部问答系统——项目在变、通胀的机制没变：当"做一个"的成本跌到白菜价，"做过"就不再稀缺（与 57911 供给端、58021"95% 需求侧在别处"两击合读：简历的含金量从来不在栈多长，在栈之外你还证明了什么）。

值得记的还有观察本身的方法：面试官的体感是最早的市场指标——他不需要看报告，看一百份简历就知道哪层技能已经泛滥（与"看一百个 repo 就知道 star 不值钱"是同一双眼睛）。

给求职者一句落地的：别再往简历里加第五个组件——问答系统人手一份的时代，你的差异化只可能来自别处：真实用户、线上流量、端到端负责过的一个完整闭环；栈是门票，故事才是简历。

简历观察与谷粒商城对照均为原帖转述（无外链），求职建议为本条分析。

OpenChamber 2.0 上线（基于 OpenCode v2）（按官方帖转述，博文见文末）——最爽的一句先念：**"Skills、agents、MCP servers、plugins 保存的那一刻就生效——不用重启；我的重启按钮已经失业。

"** 其余更新：Code Mode、网页搜索卡片、一页统计面板（博文有完整清单）。博文：openchamber.dev/blog/opencode-…

我的看法："保存即生效"听着是小功能，实则是工具体验线的一次成年礼——今早那条"改配置装药前先停火"（57712）还在讲"重启是危险动作"，这条直接把危险动作本身删了：热重载消灭的不是等待，是"改一半、忘了停火"的事故面（57890 那课的本地版：能热更的状态，才配被频繁修改）。

四件更新的组合也有逻辑：Skills／agents／MCP／plugins 即时生效＝装具层活了、Code Mode＝工作方式可切换、搜索卡片＝信息有了形状、统计页＝用量能被看见——四件凑齐，正好是"装具、工作法、信息、账本"四格的桌面版（58032 观测面那句"先知道自己烧多少"，从此有个不装插件的去处）。

给 OpenCode 用户一句落地的：更新后先把那些"一直想试但怕重启"的 plugin 一口气全装上——当保存不再有代价，试错的门槛就从"敢不敢"降回"想不想"。

更新内容、时效与平台均为官方帖转述，细节以博文与版本说明为准。

"构建 AI 知识系统"的六个层级（转述，末级含作者平台点名）：L1：Markdown 文件＋维基链接；L2：给你的领域加类型与校验；L3：把工作流教给 Agent（做成 Skills）；L4：在知识之上建自定义视图／应用；L5：补一个缺失的 MCP 工具；L6：把知识、MCP、Skills、UI 组件打包进一个任何人都能复用的仓库（原帖 L6 点名其平台，本条仅转述框架）。

我的看法：这是记忆线今晚缺的那张总框架图——我们发过的散件，全都能在这六级里找到座位：L1 对"页与链接"（WFM 58042：Markdown＋链接是最小可信底座）；L2 对验收（57993 的类型与校验＝"结论落成工件"的前置）；L3 对"方法也要被蒸馏"（22 个 Skills、57946 八枚、评测四段 58377——工作流一旦成 Skill，才能被复用）；L4 对在乎图与风险分（repowise 58518 的 51 检测器就是"在知识上建视图"的代码库版）；L5 对"按需造工具"（10 个按任务 MCP、58464 的并行三件套）；L6 对 ai-memory（58444：Git＋Markdown 单一源打包成仓库）。

六级合起来其实是一个方向：知识从"文件"爬到"产品"——可读、可校、可教、可视、可扩、可交付；它与四阶阶梯（58035）互为表里：那边排的是"活怎么干"、这边排的是"知道的东西怎么变资产"。

给起步者一句落地的：别从 L5 起跳——先花一天把 L1 做扎实（真 Markdown、真链接、能 grep），L2 加一个校验脚本；底座不稳，L6 只是把散装的乱摊子换了包装。

六级划分与各级内容均为转述（未附外链），实践以各自工具文档为准。

去 AI 味的最简方法：给所有图统一套一层滤镜（按转述整理，工具见文末）。方法一句话：在现成的滤镜风格里随便挑一个，站内所有 AI 生成的图片统一用它处理——既统一风格、又去掉 AI 感。

原理也直给：同样的滤镜＝像经由同一只手制作；这些滤镜（如 asc 风格）会改掉图片的质感，效果很精确、没有"AI 的细节浑浊感"，看上去就像人工精细制作。工具（原帖注明感谢作者）：texture.fayaz.workers.dev

我的看法：这是 58370 那套"防 AI 味四步"里第②步的极简实现——那条说"先统一规则、不要东拼西凑（颜色、圆角、字体、间距）"，本帖把它压到了一个动作：不改内容、只统一"手"——同款滤镜让不同批次的生成图看起来出自同一个人，AI 味的本质正是"每个细节都对、但没有一双固定的手"（58370 病根句"它不知道什么是好看"的画质版：不知道，所以每次都换个做法）。

它也接上 Originkit（58508）的素材格：那条说"素材定品味"、这条说"质感定出身"——做官网的两步棋：先选件、再统一手。工具本身也干净：workers.dev 免费小站、感谢作者、不卖课不导流——今晚工具安利里的清流款。

给做站的人一句落地：批量生成后别急着上线——全部过一遍同一个滤镜，五秒钟，AI 味少一半；统一不是创意的敌人，是廉价感的天敌。

滤镜原理、效果与工具用途均为原帖转述，效果因图片而异，许可以工具作者页面为准。

一条被 AI"记仇"的用户体感（转述，截图见原帖）："大概是我骂他太多了，都被记到记忆里去了——这是新的聊天对话，没有任何上下文。"（配图显示新一轮对话中，模型的回应带着此前相处的痕迹；原帖外链为 X 图片，本条未取图。）

我的看法：这句玩笑话其实是跨会话记忆的用户侧实证，而且恰好撞上今早那组概念——58111 把 Session＝完整经历、Context＝当前视角 分了家："新对话零上下文"说的是 Context 干净了，可"被骂太多还记着"说明 Session 没清——用户用一句吐槽，把抽象架构讲明白了（历史还在、当轮没带、但记忆层活着）。

顺着记忆线往下捋，今晚这条线正好凑齐一整套：存（compass，58003）、合（跨会合库）、组织（ai-memory 单一源，58444）、遗忘阀（ContextEditEntry，58111）、仓库版（repowise，58518）——如今连"记仇"都成了产品能力的测谎仪：你说没记忆，用户一骂就露馅。

对做产品的提醒也在这：记忆是一种承诺——被记住的尴尬（骂过的话、翻过的车）会以"新对话"的形式再回来，这既是黏性也是风险：要么让用户能删（遗忘阀），要么让用户知情（可见的记忆面板），别让"记仇"成为用户第一次发现你有记忆的方式。

给被记过的人一句宽心的：会话清了不等于记录没了——你的骂声没白挨，它进模型的语境里了。

用户体感与截图内容为转述（图片未取），具体实现以产品方记忆功能说明为准。

一张产品侧的征求意见（按转述，无外链）："我们在考虑干掉 plan mode，改用 shift+tab 快捷键来调 effort 档位（effort levels）；我不认为模型现在还需要 plan mode 了——但如果你是 plan mode 死忠，欢迎告诉我们为什么。"

我的看法：这一刀砍的不是功能，是一种交互范式。plan mode 是"两态开关"——计划/执行、想/做，二选一；effort 是"连续旋钮"——同一件事，你想让它想多深。

从模式退到档位，意味着"要不要计划"不再值得单独设一个房间：计划正在被吸收进默认推理里（模型够强时，深度思考是滑动条上的一格，不是另一个模式）。这与四阶阶梯（58035）对得上——当第二级的"显式计划"被能力下沉吃掉，Prompts→Agents 那一级就变薄了；也与三档论（57847）咬合："评分不是判决、实用起步档"早就说明档位才是用户真正的词汇——shift+tab 一键调档，等于把档位写进了肌肉记忆。

征集死忠反馈这半句同样值得学：公开说"我们要砍了"、再公开收"为什么不能砍"——产品辩经不藏在内部评审里（与今晚"examine the methods、run your own evaluations"是同一种对透明的偏好）。

给还在用 plan mode 的人一句实用的：先别吵范式，去量一下——你最近 20 次任务里，plan mode 帮你挡住了几次返工？ 数得出来就死忠到底；数不出来，档位旋钮已经在等你。

功能、快捷键与征求意见均为转述（原帖无外链），以产品方后续更新为准。

《深入理解 AI Infra》更新：社区双语版发布 ＋ 两个新内容（按作者帖转述，仓库见文末）。三件事：①社区翻译的英文版与繁体中文版上线（致谢译者 tg1482、edward821220）；②新增 MiMo V2.6 那场直播的 RL 算例——"infra 故障的代价有多大"；③新增 DeepSeek DSec 沙箱平台的资源与状态管理——"RL 沙箱跟传统容器云有什么区别"。仓库：github.com/bojieli/ai-inf…

我的看法：这是书线今晚的第二击，且两个新增内容恰好各接一根主线。"RL 故障的代价"接的是账本意识——57904 说 RSI 是"捅窟窿和补窟窿的成本账"，这一章等于把那句口号写成了算例（故障不是事故报道、是可算的钱）；"RL 沙箱 vs 传统容器云"接的正是今早 58114 那篇五条假设——书和文章在同一天前后脚互相背书：那条讲为什么通用云不行，这一节教你怎么把不行变成结构。

双语发布这半件也有分量：社区自发出英繁两版＝书从"一个人的作品"变成"一个项目的资产"（58443 那句"可追溯的终点是代码本身"的出版物版：开源的书和开源的库一样，翻译也该是众包的 PR）。

给读者的落地建议照旧但加一层：先读五条假设那节的速览，再啃新增的两个内容——infra 故障算例给的是"痛感"、容器云对比给的是"方法"，一本能把痛感算成钱的书，比十篇架构综述耐读。

双语发布、新增内容与致谢均为作者帖转述，章节细节以仓库为准。

Higgsfield 为 Seedance 2.5 上线 Preview Mode（按官方帖转述，演示视频见原帖）——流程三步说全：①先出一段 480p 的草稿预览；②选定的那条（take）才渲成 1080p 全质量；③定稿前可以对比多条 take、把运镜、动作、时机逐项修到位，再进最终渲染。

我的看法：这是出片线的第二块拼图，与昨晚那块刚好成对——58459 是"生成本身变快"（13 秒出 15 秒的实时档），这条是"便宜的先做、贵的只做一次"：480p 草稿＝出片流程里的缓存——它与今晚 58501 的缓存折扣、58379 的"先判可比再画图"是同一套哲学的第三次现身：把高频试错挪到低价轨道，把高价动作留给定稿那一次。

三步里最值钱的是第③步：对比 take 再渲——这等于把"运镜、动作、时机"从"渲完才知道"变成"渲前可改"，试错成本被前置消掉了（与 57844"剪辑三刀"、57835"改一处看全图"同一条省算力纪律）；而 480p→1080p 这个跳跃也说明平台看得很清：草稿不需要好看，需要便宜和快——预览是给眼睛的、成片是给档期的，两者不必同价。

给创作者一句落地的：渲 1080p 之前先问自己"这条 take 的运镜定了吗"——没定就别进终渲；两级渲染把预算省在对的地方，和"先跑便宜的再付贵的"在代码里是同一条真理。

功能、分辨率与流程均为官方帖转述（视频未取），以 Higgsfield 官方页面为准。

OpenAI 官方：GPT-6 家族配上"更好的 prompt 缓存"（按公告转述，链接见文末）——三句话：①默认缓存命中率更高；②共享前缀在 30 分钟窗口内复用，给缓存折扣；③配套新工具，帮开发者监控缓存表现、诊断"为什么没命中"、以及"缓存 prompt 的多少"自己选。

公告：openai.com/index/better-p…

我的看法：缓存这条线今晚第五次出现——Rapid-MLX 的 15K 上下文 34.2s→0.95s（58132）、Pi 0.87 的"经历与视角分家"（58111）、Cursor 四招里的"更好的缓存"（58135）、"同聪明少 token"的秒答与无感（57591），今天 OpenAI 把它做成了价格条款＋诊断工具——三次分别是性能（更快）、架构（该存什么）、商业（省下多少），合起来才是缓存的完整经济学。

三处细节最值钱："共享前缀 30 分钟窗口"＝把折扣钉在最常见的复用形态上——系统提示、工具定义、长文档开头这些人人相同的前缀，本就是全场最便宜的那部分；"缓存多少自己选"＝把粒度交给开发者（烧钱的从来不是缓存本身，是不该缓存的被缓存了）；"监控＋诊断 miss"则是观测面的厂商版——58032 说"先知道自己烧多少"，OpenAI 这套等于说：先知道你丢了多少命中，再谈谈价。

给开发者一句落地的：去查你的缓存命中率——如果长期低于五成，问题多半在"前缀不稳"：每次请求开头顺序变一点、时间戳塞进 System、工具列表来回改，命中率就塌了；稳定前缀是免费的午餐，把易变的东西挪到 prompt 尾部，比等任何折扣都实在。

折扣、窗口与工具能力均为官方公告转述，计费细则以 OpenAI 官方页面为准。

VS Code 最新版本把"大体量 agent 会话"当成了正经需求（按官方更新转述，更新页见文末）——两句话说全：①大体量的 agent 会话列表，现在更快、更好管理；②agent 会话可以直接跑在 Dev Containers 里，本地与远程主机都行（更新页有完整变更清单）。

更新页：code.visualstudio.com/updates/v1_139

我的看法：这条正是断档期漏掉、如今补上的那单——而它与今天的主线咬得意外地好。"大体量会话列表更好管理"＝会话线的规模补丁——58111 把 Session 与 Context 分了家（58464 又给任务分了分支），当一个人手上同时挂着几十个会话，列表本身就成了基础设施：分家解决"看到什么"、列表解决"找得到哪个"，两条合起来才是并行时代的完整工位；Dev Containers 本地＋远程双开则把"工位"的概念又推了一格——58133 的 Devin 是云上 VM（SSH 进去、handoff 回来），VS Code 这条是你自己的容器（本地或远程主机）：会话在哪跑不再取决于你坐在哪——与"把 agent 本体搬回家"（58385）拼起来，本地线的版图补齐了"本机原生"与"容器隔离"两档。

给重度用户一句：会话一多，先收拾列表再谈效率——开一个 dev container 把乱摊子圈进隔离层；能管住列表的人，才有资格开更多窗口。

功能与双场景均为官方更新转述（清单未展开），细节以更新页与 changelog 为准。

DeepSeek 开源库 DeepEP 升级到 V2.5（按公开仓库更新转述，仓库见文末）——这是给 MoE 模型"多卡通信"供血的那根毛细血管，七处升级挑重点念：①缓冲区分家——ElasticBuffer 拆成 EP／Engram／PP／Bucket 四种 Buffer，共享同一套生命周期、职责各归各；②先规划再分配——新增 BufferAllocator，建缓冲区前先规划对称张量占显存，少浪费少碎片；③批量集合通信——BucketBuffer 支持批量 all-gather／reduce-scatter／all-reduce，普通 PyTorch 张量也走同一套接口；④动态冗余专家——NVLink 预取权重、FP32 梯度回累，对齐 MoonEP／UltraEP 的专家复制思路；⑤训练细节补齐（延迟 EP 收尾、缓存扩展布局、专家间零填充）；⑥多层 Engram 可在 GPU/CPU 分层存；⑦大扫除——V1 API、NVSHMEM 后端、旧文档全部移除，NVSHMEM 不再是依赖。仓库：github.com/deepseek-ai/De…

我的看法：这是基建线的第五件——57904 的沙盒管"世界够不够多"、57992 的芯片管"单点够不够快"、57645 的底座管"账够不够省"，DeepEP 管的是中间那段：几十张卡说话快不快——MoE 时代的吞吐瓶颈从来不在算力在通信，这条升级的每一刀都砍在"通信的杂费"上。

三处与今晚的纪律严丝合缝："缓冲区分家＋职责各归各"＝能拆才能自己改（57927）的内存版；"先规划再分配"＝方案四原则（57993）直接落到显存分配器上——先想清楚再动手，GPU 与人同理；"NVSHMEM 彻底移除"＝简化第一步先砍重复，敢删整个后端依赖，比加十个功能更见决心。

而"对齐 MoonEP／UltraEP 思路"说明生态在向共同标准收敛——当各家 MoE 通信库互相对齐，写一次适配三代卡就不再是梦。给跑训推的人一句：看通信库别看 star 数，看它敢不敢删旧接口——依赖清单越短的库，越知道自己每天在生产里跑什么。

七处升级与移除项均为公开仓库口径转述，用法与兼容以 DeepEP 仓库文档为准。

Google 向 Gemini 用户开放 GPU 机时（按转述整理，无外链）：通过 Colab CLI 访问；Pro 用户每月折合约 26 小时的 A100（80G）使用权限；原帖的开头梗也很妙——"本地 AI 最严厉的父亲出现了"。

我的看法：这是一格算力直给的福利——与限免格（57886 那类"模型免费"）不同，这次发的不是 token，是 GPU 小时：26 小时 A100 是可以换算成"跑多少轮微调、推理多少千 token"的硬通货，成本线货架又添了一种面额（前面几格卖的都是"使用权"，这格直接卖"机时"）。

更妙的是"本地 AI"这个词的弹性：今早那篇讲的是真·本地——agent 本体搬回你自己的机器（58385）；这篇的"本地"其实是借云端的 A100——本地的是工作流，不是机器：你坐在本地、命令行走 Colab、算力借 Google 的。

两种"本地"都成立，但账要分清：真本地省的是订阅、借机时省的是等待——一个买断、一个按月发零花钱。Colab CLI 这个入口也值得注意：Google 把机时接到命令行，等于承认了"AI 的工作面正在从网页搬到终端"（与今晚 Cline、SDK、Dev Containers 那条并行线同一个方向）。

给用户一句落地的：先算你每月真用得完多少小时——26 小时听着多，按 A100 的价折算其实只够几次认真训练；领福利之前先列需求，否则"免费"只是把闲置换了个名字。

机时、访问方式与额度均为转述（原帖无外链），以 Google/Gemini 官方权益页为准。

Artificial Analysis 榜单更新：Ming-Image-0.1-Design 登顶 UI/UX 设计类目（按官方帖转述）。要点几条：①身份——inclusionAI（蚂蚁 AI 计划）出品的 6B 文生图模型，MIT 协议开源权重；②专长——为 UI、信息图、海报等"文字密集型视觉设计"而生，支持 RGBA 透明背景输出；③评测口径——AA 按官方推荐的 2K 分辨率、12 步推理实测；④名次的两面——UI/UX 设计类目：81 个模型里排第 17、开源权重第一；整体文生图总榜：160 个模型里排第 45；分析与样例在原帖串（X 站内，本条未展开）。

我的看法：这份榜单是设计生成线的第三块拼图——57851 发过它的架构（两个 6B＋四 LoRA 专家头＋双 Skill），57920 讲过"能变 PPT 才算资产"，AA 这条给了外部裁判的签字：6B 的小个子靠专精，在类目里打赢了比它大得多的对手。

两组名次的落差正是最值钱的信息：类目 #17/81、总榜 #45/160——专精定位让它"在自己的赛道第一、在所有人的赛道中游"；这与今晚三处判断完全同频：四阶阶梯（58035）说别停在第二级、岗位预制件（57524）说按工位切、这条说按场景定位——定位比体量重要，是小模型时代的第一定律。

评测口径那句也照录以示公道：2K、12 步、官方推荐设置——榜位是"按说明书跑"跑出来的（这正是"名字可以读错、基准读不错"的另一半：跑法不一致，名次就不可比）。给选型者一句：做 UI、海报、信息图这类"字多图少"的活，别被总榜 #45 吓退——去类目里找第一；MIT ＋ 6B 意味着今天就能拉下来自己验，而它的透明背景（RGBA）恰好是设计素材最实用的那一格。

榜位、参数与评测设置均为 AA 官方帖转述，样例与完整分析以原帖串及 AA 页面为准。

Cline Desktop v0.0.34 更新（按官方帖转述，图见原帖）——三个新件：①Worktrees：多个任务并行跑，每个任务独占一条分支（落在 ~/.cline/worktrees/）；②GitHub PR 状态：分支的 PR 链接、合并状态、CI 检查直接可见（需 gh）；③Parallel subagents：一个会话里同时派出多个子代理分头干活（无外链，细节以官方 changelog 为准）。

我的看法：三条合起来是"并行架构三件套"——Worktrees 解决"改动不互相踩"、PR 状态解决"改完敢不敢合"、并行子代理解决"一次只干一件事"；它与今天那条"单 Slack 频道全线程 Claude"（58373）是同一问题的两端：那边靠人和频道组织并行，这边把并行直接写进工具——分支当工位、子代理当帮手、PR 状态当交接条。

最妙的是 Worktrees 那个选址：每个任务一条自己的分支、自己的目录——这正是分布式老课（57890）"隔离与幂等"的桌面版：状态各归各，才谈得上同时跑；"会话各占各的分支"也接上了 session 分家（58111）那条线——从"上下文分家"到"文件系统分家"，并行的隔离越做越深。

给多任务用户一句：并行的前提不是机器快，是隔离做得干净——先开 worktree、再派子代理、最后看 PR 状态收口；三件套顺序别反，否则三条任务会在同一条分支上打架。

功能、路径与依赖均为官方帖转述（图未取），以 Cline changelog 为准。

一条让科学圈炸锅的推（按转述整理，配图见原帖）："Claude 找到了人类漏掉的东西"——在原始噬菌体 DNA 里发现一个隐藏的重复模式，进而揭出一个此前未知的、带 CRISPR 式重复序列的噬菌体酶系统"；工程侧三个数字跟着甩出来：950 个 agent、21 小时、2.1 亿 token。

我的看法：这是今早那个愿景的第一例具体化——57977 引吴泳铭说"思考成本趋近零时，上百万个 Agent 可以不眠不休跑实验，那些因不赚钱没人管的病第一次有了被认真对待的可能"，这条给了一个缩水但真实的版本：950 个 agent 跑了 21 小时，去翻人类懒得翻的那堆原始序列。

三处值得盯：①它的分工是"扫"不是"想"——950 个 agent 的价值在穷举与模式比对这类人力最贵、耐心最差的活，Agent 群最适合的科学岗位，是把"没人肯看的角落"全部看完（ScienceBuddy 是"一条流水线做深"，这条是"950 条流水线铺宽"——深与宽是科研 agent 的两副面孔）；②2.1 亿 token 这本账——按今晚的口径折算，一次"未知酶系统"的发现，成本是一家小公司的服务器开销（57989 那张小时表的现实注脚：发现正在变成可采购的服务）；③口径必须钉死——"此前未知""CRISPR 式重复"均为推文自述、尚未经同行评议，我方照录不背书：科学发现的认证从来不发生在推特上（与"名字可以读错、基准读不错"同一纪律：结论要等复现，不等转发）。

给关注者一句：这种新闻别急着转结论——去等那篇 preprint 或论文；但方向本身已经清楚：当 950 个 agent 一晚上花掉 2.1 亿 token 去做"没人肯做"的搜索，科研的边际成本曲线正在被重画。

数字与发现均为原帖转述（未经同行评议，不构成科学或医学结论），以论文与官方披露为准。

FastVideo 把 Minimax H3 微调到"实时出片"（按转述整理，模型页见文末）——那句最抓眼的实测：15 秒的视频，13 秒生成完毕；最高 14 倍提速，且音画同步。

技术栈五件照录：H3 主干、每次生成只跑 4 次 transformer 前向（原版 49 次）、data-free 的 DMD2 蒸馏、90% 稀疏注意力、同步音频。模型页：huggingface.co/FastVideo/Fast…

我的看法：这是 H3 线的第四击，也是质变的一击——官方制作（57719）给了工序、VAE 提速（57746）给了引擎优化、Singularity 社区档（57816）给了质量压榨，这条把视频生成从"离线出片"推进到"实时出片"：13 秒出 15 秒片，意味着生成速度追上了播放速度——与昨晚"世界模型实时交互"（57982）正好接上：那边是边玩边改，这边是边说边出，视频正在从"文件"变成"流"。

五件技术里最值得记的是"4 次前向代替 49 次"——12 倍的计算削减不是靠换更强的卡，是靠把采样步数做成蒸馏（DMD2＋稀疏注意力同一思路：能少算的绝不重算，与"先砍重复"（57927）、Cursor 四招（58135）是同一条工程哲学的第三次现身）。

给创作者一句：实时档改变的不是画质，是试错成本——以前"改一个想法＝等一轮渲染"，现在想法和预览之间只剩十几秒，迭代次数才真正决定成片上限（90 秒出片线 57899 那句"多试几版"，从此不用心疼时间）。

参数、提速与技术栈均为原帖转述，效果与许可以 HF 模型页为准；实测随硬件差异较大。

rasbt（Sebastian Raschka）的一句判断（转述，原帖无外链）："开源 agent harness 的主要吸引力，不是它们免费，而是我们可以检视它们在我们电脑上做了什么。"

我的看法：这句把今晚三篇的共同点一次说破——58443 的"可追溯终点是代码本身"、58163 的"可以读它的 ScienceIDE 式底座"、今早 58385 的"数据完全私密"，合起来其实都在说同一件事：信任的单位不是价格，是可检视性。

rasbt 的措妙在先否掉了那个最便宜的解释："免费"只是顺带的福利，真正的卖点是"你能打开看"——而"在我们电脑上"这半句更狠：跑在我机器上的东西，我却无权检视，才是真正的越权（这正是本地自控三件套一再强调的那条线：能进来的，就要能看）。

反过来说，这句也给闭源划了道沟：闭源模型卖能力、开源 harness 卖"知情"——两条赛道不互斥，但涉及你自己数据与代码的那一段，天平只能往可检视这边倾。给选型者一句落地的：下次评估一个 harness，先别看星数和价格——打开仓库，找到"它会发什么请求、会写什么文件"那两段代码，读得懂就用，读不懂就先别让它碰生产（与"敢先省自己 token 的才值得信"是同一把尺子的两端）。

判断为原帖转述（无外链），项目细节以各自仓库为准。

斯坦福 CS146S「现代软件开发者」：八周作业全公开（按转述整理，仓库见文末）。课程骨架逐周可抄：①提示词技巧 → ②给现成小应用加功能 → ③自己写一个 MCP 服务把外部接口接给模型 → ④用 Claude Code 至少搭两个自动化流程 → ⑤用 Semgrep 扫出并修掉至少 3 个安全漏洞 → ⑥最后一周把同一个应用用 3 套技术栈各做一遍；起步项目与测试大多现成，第一周还用 Ollama 在本地跑模型。

最值得单拎的是第七周作业：每个任务只给 AI 一次提示、让它写完，然后自己逐行审查，最后拿自己的审查意见与 AI 的审查结果对照。作业仓：github.com/mihail911/mode…

我的看法：这份课表是今晚两条线的教学版合体。验收线那一格被第③周和第⑦周说得最透——"人审 vs AI 审、逐行对照"正是 57993 座位表里"谁验收"的训练法：不先学会自己审一遍，就没资格让 AI 审（57911 那句"不知道怎么验的欠账"在这里变成了一门课）；Semgrep 修 3 个漏洞则与靶场篇（57835）同脉：安全不是选修、是写进课表的作业。

结构上它也暗合四阶阶梯（58035）：提示词→功能→MCP→自动化→安全→多栈复刻，六级台阶一格没跳，最后一周"同应用三套技术栈"更是把"会用工具"逼到"理解结构"——换栈还能做出来，才算真懂。

给没课上的人，原帖给的路照抄：八周作业自己过一遍，照着公开仓走；第⑦周那条尤其值得先做——只给一次提示、逐行自审、再与 AI 审对照，这一个动作就能测出你是"在用 AI"还是"被 AI 用"。

课程结构、周次与作业要求均为转述，细节与起步项目以 GitHub 作业仓为准。

OpenAI 官方展示了一个动手案例（按官方帖转述）：工程师 sidrampally 用 Codex 把一块 LED 显示屏改造成"语音控制的助手"——从接线（"figuring out the wiring"）到调试，一路做到"把那句话显示在墙上"；硬件是树莓派，大脑是 GPT-Live-1，屏幕上轮播天气、地铁到站等信息（演示视频见原帖，本条未取）。

我的看法：这条的关键词是那个没解释过的新名字：GPT-Live-1——官方案例里它不写"GPT-5x"也不写"4o"，直接冠"Live"：实时、活着、随时插话的语音档，配的恰是"语音控制"这种不能等三秒的场景；再看组合拳：Codex 写代码、GPT-Live-1 听话出声、树莓派当身体——一个案例里塞了三种角色：干活的、对话的、承载的，这正是今晚反复出现的分工图缩影（57993 座位表：谁动手、谁接话、谁站岗）。

案例本身也很"日常硬件"：LED 屏＋树莓派不是实验室，是抽屉里就能凑齐的东西——与 Kaggle 那句 everyday hardware（58426）、agent 本体搬回家（58385）连成一条线：官方在用同一个故事说服你——AI 的下一站不在云上炫技，在你桌角那块小板子上。

给动手党一句：别小看"天气＋地铁到站"这种无聊信息——能把无聊的事做得随时可问、张口就答，就是语音助手第一次真的像助手；想复刻的话，先想清楚你要它"答"还是让它"做"——这条案例答的是后者还没来、前者已经够好玩。

功能、硬件与模型名均为官方帖转述（视频未取），GPT-Live-1 细节以 OpenAI 官方文档为准。

Space Bunny Alpha 上架 OpenRouter（按官方帖转述，链接见文末）——规格四条一次给全：flash 级快推理、可调的推理深度（adjustable reasoning）、1M token 上下文窗口、接受文本／图像／视频三种输入；入口挂在 stealth 路径下：这是一只"隐身模型"——跑分与体验摆在台面上，身世暂时不揭晓：openrouter.ai/stealth/space-…

我的看法：这条的妙处在"stealth"这个词上——58067 我们写过"鹈鹕骑车成为公共考题"：不知道是谁，反而更像一场诚实的考试；Space Bunny 把这套逻辑产品化了——先给规格、再给入口、不给身份证，用户对标的不再是品牌光环，而是手里那份实测（1M 上下文配三模态输入，恰好够跑今晚反复出现的那几类题：长上下文检索、图像理解、视频理解）。

"可调推理深度"也值得注意：把"想多深"交给用户旋，等于承认同款模型在不同任务上有不同档位——与三档论（57847）里"试错与稳态分家"是同一种清醒：一个模型不是一个性格，是一条可调的曲线。

再看货架的边角：Space Bunny 一路从 opencode 的限时免费、到暂时下线、再到如今带着完整规格开卖渠道——隐身模型的商业路径已经跑通：免费试→藏起来打磨→带牌上架。

给尝鲜的人一句：stealth 期间别问它是谁——拿你自己的题单去跑，答案写在你的记录里，不写在它的名字里。

规格、入口与隐身状态均为官方帖转述，可用与定价以 OpenRouter 页面为准。

Kaggle × Gemma 官方开赛（按官方帖转述）：Gemma 4 Developer Agent Competition 现已上线——题目一句话就是定义："把一个开源模型后训练（post-train）成一个 coding agent，让它在日常硬件上加速开发者的工作流"；总奖池 10 万美元、投稿截止 2026 年 11 月 25 日（未附报名外链，以 Kaggle 官方页面为准）。

我的看法：三个点各自有出处可接。其一，题面把"后训练"从论文搬进了公开赛——RSI 线那些"33 轮零人工"（57594）与混合 RL（58073）是大厂的玩法，这场比赛是同一条技术路线的平民版：一次 post-train、一个 agent、人人可交卷——当训练从论文变成赛题，"自迭代"就不再只是基础设施竞赛；其二，"日常硬件"四个字与今早那篇正咬合——Gemma 4 恰是 Antigravity SDK 本地执行（58385）的主角：白天你在本机跑它、比赛让你把它训成 agent——同一款模型，本地线的"用"与"改"第一次出现在同一张桌上；其三，"coding agent 加速日常工作流"这个目标口径，和今晚"99 比 1"（58005）、"四阶阶梯"（58035）完全同向：评的不是跑分多高，是能不能真的替人干活。

给想参赛的人一句实务建议：赛程到 11 月底还有两个月余——先用官方 Gemma 4 基线跑通"读 issue→改代码→过测试"的最小闭环，再谈 post-train 花活；everyday hardware 是题眼也是约束——别在云端把模型调漂亮、到评委的笔记本上跑不动。

奖池、截止与题面均为官方帖转述，报名与规则以 Kaggle 页面为准。