跳到正文

#其他

今日 0 条

7月8日星期三

AI HOT 精选

Meta 发了两个新模型 Muse Image 和 Muse Video,一个画图一个做视频,都接进了 Instagram 和 WhatsApp

Meta 的超级智能实验室放出了 Muse Image 和 Muse Video,这是他们头一批媒体生成模型。Muse Image 主打听话出图,能按指令精确生成、编辑图片,还能参考多张图来构图,并且会读 Instagram 上的社交信息当上下文。它还能调用工具干活,集成了一个叫 Muse Spark 的东西,具体是什么正文没细说。

推荐理由:Meta让Muse Image读取Instagram社交信息作为上下文,为按指令生成和编辑图片加入社交信息参考。

AI HOT 精选

微软为省成本,在 Copilot 里用自研 MAI 模型替换 OpenAI 和 Anthropic

微软已经在 Excel、Outlook 等 Copilot 产品里用自研的 MAI 模型处理部分请求,目标是逐步砍掉对 OpenAI 和 Anthropic 的模型支出。AI 负责人 Mustafa Suleyman 6 月公开说过 Anthropic 太贵,要最终清零这笔成本。

推荐理由:微软用自研 MAI 处理 Copilot 的部分请求,背后的成本背景是其希望逐步削减对外部模型供应商的支出。

Hacker News 首页

Liquid AI 用“末位偏好优化”把推理模型的死循环率从 10.2% 压到 1.4%

Liquid AI 针对小参数推理模型在解难题时容易陷入“死循环”(反复输出同一段话直到窗口耗尽)的问题,搞了个叫 Antidoom 的方法。它不调全局参数,而是精准定位到循环开始的第一个 token,用“末位偏好优化”(FTPO)教模型在那个位置选一个更合理的词,其他地方基本不动。

推荐理由:Liquid AI 将偏好优化集中在死循环起点的单个词元,为小参数推理模型提供尽量不改动其他位置的局部修复思路。

TechCrunch · AI

Claude Cowork 把办公助手搬上手机和网页,不再只是桌面上的写报告工具

Anthropic 的 Claude Cowork 之前只能在桌面端用,帮人写报告、做表格这类非编程的案头工作。现在它上了手机和网页,Max 订阅用户能用。你可以在电脑上派个活,合上笔记本走人,路上掏出手机看进度,到了地方再收结果。

推荐理由:Anthropic 将 Claude Cowork 扩展到手机和网页,让 Max 用户离开电脑后也能跟进办公任务并接收结果。

AI HOT 精选

Claude Cowork 要上手机和网页了

Anthropic 宣布把 Claude Cowork 这个能异步干活的工具带到移动端和网页端,以后你在手机上或浏览器里派任务,它可以在后台继续跑。正文只给了标题和网站导航,没写具体上线时间、功能有没有缩水、价格怎么算。能确定的是平台要扩,其他细节一概没提。

推荐理由:Anthropic 将 Claude Cowork 扩展到手机和网页端,让用户能从手机或浏览器派发在后台持续运行的任务。

Hacker News 首页

称量烟雾:为什么 AI 搜索排名监测面板基本没用

这篇文章直接给 AI 搜索排名监测工具泼了盆冷水。核心发现来自 Rand Fishkin 的研究:同一个问题问 AI 一百次,得到相同推荐列表的概率不到 1%。这种随机性不是 bug,而是模型生成文字、拆解问题和挑选来源时的内置特性。唯一稳定的信号是“候选池”——头部品牌在 90% 以上的回答里都会出现,但具体排第几完全是噪音。

推荐理由:文章引用 Rand Fishkin 的研究,将品牌进入推荐候选池与具体排名作比较,指出两类监测指标的稳定性差异。

AI HOT 精选

字节跳动发布 Seedream 5.0 Pro,能直接生成信息图,还能像修图软件一样做像素级编辑

这个模型把“生成图片”和“专业设计”之间的沟填上了不少。它最狠的地方是能直接生成高密度信息图,比如把时间轴、柱状图、饼图和实景融合在一张图里,文字拼写和排版都挺靠谱。编辑能力也上了一个台阶,支持点选、圈选、涂鸦来局部改色、换材质,甚至能把一张海报拆成十几个独立图层,被挡住的背景也能自动补全。

推荐理由:字节跳动的 Seedream 5.0 Pro 支持局部编辑和海报图层拆分,将生成后的改色、换材质与背景补全纳入同一工具的设计流程。

7月7日星期二

Hacker News 首页

你的 robots.txt 是 2023 年的战争纪念碑——多数网站无视了实时回答机器人

Sitedex 扫描了前一万名网站的 robots.txt 文件。能确定写入日期的 GPTBot 屏蔽规则里,有 38% 集中在 2023 年第四季度,也就是 GPTBot 上线和纽约时报起诉 OpenAI 之后。87% 的网站后来都加过新规则,但几乎全是针对训练爬虫。

推荐理由:Sitedex 扫描前一万名网站的爬虫规则,发现网站对训练爬虫与实时回答机器人的屏蔽覆盖存在明显差异。

Hacker News 首页

Craig Mod 花了五天用 Claude Code 给自己写了个记账软件 TaxBot2000

作家 Craig Mod 用 Claude Code 自己动手写了个叫 TaxBot2000 的记账工具,前后只花了五天。他管自己叫“软件狂人”,过去一年里用 Claude Code 搭了一堆小工具,比如一个帖子七天自动消失的类 Twitter 社区、视频内容搜索工具,还有各种日常用的效率小脚本。

推荐理由:Craig Mod 用 Claude Code 五天写出记账工具,延续了他过去一年围绕社区、视频搜索和日常效率自建工具的实践。

Hacker News 首页

用确定性工具把大模型的笨手笨脚自动化掉

作者在开发 Beagle SCM 时发现,Claude 这类大模型虽然聪明,但做事不精确、不稳定,比如会把 build/ 目录重复提交两次。这种笨拙是模型本身的特性,不会随着进步消失。解决办法是用快速、可靠的确定性工具把模型夹在中间:下层是工具层,上层是工作流层,让模型在严格的流程里干活。如果模型反复做同一组操作,就写成脚本自动化。

推荐理由:一篇工程师视角的实战反思,用 Claude 的翻车案例引出“用确定性工具夹住模型”的架构思路。不是产品发布或研究突破,但问题真实、解法具体,对正在把 AI 接入开发流程的团队有直接参考价值。

AI HOT 精选

Claude Code 现在可以按任务选模型和“用力程度”了

Anthropic 给 Claude Code 加了两项控制:模型选择和努力级别。你可以把 Opus 这种大模型派去跨文件重构,Sonnet 处理日常编辑,Haiku 做快速小修。努力级别分低、中、高三档,调的是模型思考深度和工具调用次数。高努力配 Opus 会触发多步代码库搜索和测试运行,但烧的 token 也最多。

推荐理由:Anthropic 为 Claude Code 增加模型与努力级别选择,让跨文件重构和日常小修能按任务复杂度分配模型与思考投入。

AI HOT 精选

推理成本趋近于零,数据库系统该怎么变?

伯克利 BAIR 实验室发了一篇研究路线图,核心判断是:当模型推理便宜到几乎免费,数据库系统会面临三重变化。第一是“为 Agent 服务的系统”:一个用户请求可能让 Agent 自动发出上千条 SQL 查询,但其中 80% 到 90% 的子查询是重复的,系统可以通过复用结果或返回近似答案来提速。

推荐理由:伯克利 BAIR 将 Agent 发起的大量重复子查询作为数据库优化切入点,提出通过复用结果或返回近似答案来提速的方法。

AI HOT 精选

美国无人战车首次在乌克兰投入实战,Forterra 已部署超 100 辆

美国国防科技公司 Forterra 公开说,过去九个月他们往乌克兰战区送了超过 100 辆自动驾驶全地形车,主要干后勤和侦察的活。这是目前已知美国公司最大规模的一次地面无人车实战部署。公司高管讲得很直白:没上过战场,什么国防科技都不算数。乌克兰转向地面无人装备,是因为天上无人机太多,士兵在地面几乎无处可躲,太容易挨炸。

推荐理由:Forterra 向乌克兰部署地面无人车承担后勤与侦察任务,背景是空中无人机的密集威胁使地面士兵难以隐蔽。

AI HOT 精选

Gemini API 的托管智能体新增后台任务、远程 MCP 和自定义函数

Google 给 Gemini API 里的 Managed Agents 加了三样东西:后台异步执行,让跑得久的任务不用一直占着连接;远程 MCP,让智能体可以调用外部的工具或服务;自定义函数,用来塞进自己的业务逻辑。这篇公告面向想把智能体推到生产环境的开发者,但正文没提价格和哪些地区能用。

推荐理由:Google 为 Gemini API 托管智能体新增后台执行和工具扩展能力,减少长任务对持续连接的依赖并支持外部服务与业务逻辑接入。

Hacker News 首页

YC 老板吹嘘 AI 一天写 3.7 万行代码,开发者一看:全是水分和低级错误

YC 的 CEO Garry Tan 在 X 上晒战绩,说自己靠 AI 编程助手每天能交付 3.7 万行代码,已经连续 72 天不断更。波兰开发者 Gregorein 不信邪,去扒了他那个 AI 主题博客的前端代码,结果发现一堆问题。用户打开这个网站,浏览器要发出 169 个请求、下载 6.42 MB 的数据。

推荐理由:波兰开发者检查了 YC CEO 的博客前端,将其宣称的 AI 代码行数产出与网页请求数、下载数据量放在同一案例中比较。

Product Hunt · AI

美团发布 LongCat-2.0:1.6 万亿参数 MoE 模型,MIT 开源,全程用自研 AI 芯片训练

美团在 Product Hunt 上线了 LongCat-2.0,一个总参数 1.6 万亿的 MoE 模型,每次推理激活约 480 亿参数,上下文窗口 100 万 token。模型用 MIT 协议开源,训练没碰英伟达 GPU,全跑在美团自己的 AI 专用芯片集群上。技术亮点是 LongCat 稀疏注意力机制,能省计算量。

推荐理由:美团发布的LongCat-2.0采用总参数1.6万亿的MoE架构,每次推理激活约480亿参数参与计算。

AI HOT 精选

MIRA:一个能玩的多人世界模型,20帧实时生成“火箭联盟的梦”

MIRA 是一个实时可玩的世界模型,支持四人联机,你按键盘它就实时生成画面,帧率跑到 20 FPS。它用了一万小时公开的机器人采集数据来学四人游戏的动态,不是录播回放,是实时推演。项目由 General Intuition 和 Kyutai Labs 搭的,Epic Games 给了协作支持。

推荐理由:MIRA 用一万小时公开的机器人采集数据学习四人游戏动态,将多人交互训练与按键驱动的实时画面生成结合。

纽约时报中文网

美国AI公司指责中国对手非法蒸馏技术,但这事没那么简单

Anthropic 6月致信美国参议员,指控阿里巴巴用数万个未经授权的账户,以工业级规模蒸馏其 Claude 模型。蒸馏本身不是什么新技术,谷歌十年前就发明了它,本质是让大模型当老师,教小模型学回答风格,省算力。马斯克4月也在法庭上承认 xAI 蒸馏过 OpenAI 的技术。目前法律上是否违法还不明确,法院没判过,版权法也管不着模仿行为。

推荐理由:Anthropic 指控阿里巴巴非法蒸馏 Claude,文章交代了模型蒸馏的违法性尚未获法院裁定的法律背景。

纽约时报中文网

阿里通义千问模型全球下载量第一,但AI收入不到总营收4%

阿里的通义千问系列模型在Hugging Face上每天被下载约100万次,是全球最火的开源AI系统。但今年一季度AI相关产品收入只有13亿美元,占总营收不到4%,而公司计划明年底前在AI基础设施上砸超过550亿美元。开源带来了用户,却没带来钱。团队内部对怎么变现分歧很大,首席工程师林俊旸今年3月离职,几位核心工程师也走了。

推荐理由:阿里凭通义千问吸引了大量开源模型用户,AI收入占比不到4%的现状凸显了用户规模与商业变现之间的落差。

Computing Life · Share · 鸭哥调研

想省 AI token 钱,第一刀别砍模型单价

AI 账单涨了以后,最容易做错的事是直接换更便宜的模型。这篇文章把 AI 成本拆成两类:帮员工干活的内部效率(比如 Copilot、Cursor),和服务客户的产品交付(比如客服 AI、Duolingo Max 的视频通话)。内部效率型成本,先砍闲置的 seat 和 agent 自循环,别让没人用的授权和无限重试的流程烧 token。

推荐理由:文章按内部效率与客户交付区分 AI 成本,提出内部工具降本应优先排查闲置授权和智能体自循环造成的消耗。

Computing Life · Share · 鸭哥调研

中国可能给最强 AI 模型装上出海闸门

路透社 7 月 7 日报道,商务部、发改委等部门过去一个月约谈了阿里、字节、智谱,讨论是否限制中国最先进 AI 模型的海外访问,覆盖闭源和开放权重模型。这还不是正式政策,限制范围仍在讨论,可能只针对未来模型,落地时间也不清楚。但讨论已经越过芯片和算力,直接指向权重、API、训练方法和投资——整条能力外流链路。

推荐理由:商务部等部门讨论限制先进AI模型海外访问,管控议题从芯片和算力延伸至模型权重、API、训练方法及投资。

AI HOT 精选

NVIDIA 把自回归、扩散和自我推测解码塞进同一个模型:Nemotron-Labs-Diffusion

NVIDIA 这篇论文放出了一个叫 Nemotron-Labs-Diffusion 的模型,一个模型里集成了三种生成方式:逐 token 预测(自回归)、一次性去噪生成整段(扩散),以及让扩散先打草稿、自回归再校验的“自我推测”模式。训练时用了自回归和扩散的联合目标,扩散负责往前多看几步做规划,自回归提供从左到右的语言先验,两者互补。

推荐理由:NVIDIA通过联合训练结合扩散的多步规划与自回归的语言先验,让扩散起草和自回归校验在同一个模型内配合。

AI HOT 精选

AI公司一年砸近百亿美元,把工程师送进客户公司干活

过去12个月,AI公司总共承诺了97.5亿美元,用来组建“前线部署工程”团队,也就是把自家工程师直接派到客户公司里,帮他们把AI用起来。这笔钱相当于埃森哲一年人力成本的四分之一。目前出现了三种玩法:微软和亚马逊直接从现有员工里调人,不额外融资。

推荐理由:AI公司过去12个月承诺投入97.5亿美元组建驻客户部署团队,规模相当于埃森哲一年人力成本的四分之一。

AI HOT 精选

给模型看模糊图反而更烧钱:OpenRouter 实测图像清晰度与成本倒挂

OpenRouter 拿五款模型在 MMMU-Pro Vision 上跑了一遍,发现给推理模型喂低清图(detail: low)经常既费钱又拉胯。

推荐理由:OpenRouter对五款模型的测试比较了图像清晰度与成本,推理模型使用低清图时常出现准确率下降、费用反升的结果。

TechCrunch · AI

号称“首次全由 AI 执行的勒索攻击”,其实还是有人类在背后选目标

Sysdig 上周披露了一起叫 JadePuffer 的勒索攻击,说这是第一次由 AI 智能体(能自主规划步骤的程序)独立完成全部技术操作:从入侵服务器、偷凭证、在内网横向移动、加密文件到写勒索信。但 Sysdig 的 Michael Clark 周一补充了细节——人类攻击者事先选好了受害者、搭好了基础设施,还提供了偷来的登录凭证。

推荐理由:Sysdig 补充了勒索攻击中人类选目标、搭建基础设施和提供凭证的细节,明确了 AI 执行技术操作与人类前期准备的分工。

Hacker News 首页

Ternlight:一个 7 MB 的嵌入模型,在浏览器 CPU 上跑,不调接口

Ternlight 把文本嵌入模型压缩到 7 MB,通过 WASM 直接在浏览器 CPU 上运行,单次 embed 调用约 5 毫秒。它打包成一个 npm 包,没有模型下载步骤,也不依赖服务端。另外还有一个 5 MB 的 mini 版本,演示里用它给 React 文档做了语义搜索。

推荐理由:Ternlight 将嵌入模型打包为浏览器端 npm 包,并用 React 文档语义搜索演示了无需服务端的本地检索实现路径。

Hacker News 首页

上手 GLM 5.2:第一个用起来像 Opus 和 GPT 的开源模型,推理暴利时代快到头了

作者把 GLM 5.2 当主力用了两周,发现大部分任务上跟 Claude Opus 几乎分不出区别。切换成本极低,把 API 地址指向兼容的服务商就能直接在 Claude Code 里跑。两个硬伤:不支持图像识别,内置的网页搜索又慢又差,导致依赖看图或实时查资料的自动化流程跑不起来。

推荐理由:作者记录了将 GLM 5.2 接入 Claude Code 的切换路径,通过更换兼容服务商的 API 地址完成模型迁移。

TechCrunch · AI

Vercel CEO 说:模型和智能体得拆开用,别老拿最贵的模型干所有活

Vercel 的 CEO Guillermo Rauch 聊了聊现在 AI 落地的一个关键变化:大家不再拿最强模型做原型了,而是按任务挑性价比最高的模型。Vercel 平台每天有 600 万次部署,其中一半是编程智能体触发的,每天通过其 AI 网关的 token 量超过 1 万亿。

推荐理由:Vercel CEO 提出将模型与智能体拆开使用,把按任务选择性价比最高的模型作为 AI 落地时的选型思路。

Hacker News 首页

按 token 标价不靠谱,看单任务成本才知道模型贵不贵

Jan Iłowski 用 Artificial Analysis 的跑分数据算了一笔账:GPT-5.5 xhigh 虽然标价看着高,但完成一个任务只要 0.99 美元,比 Claude Opus 4.8 max 的 1.78 美元便宜近一半。

推荐理由:Jan Iłowski 用跑分数据核算模型单任务成本,为比较标价不同的模型提供按任务衡量的成本尺度。

Hacker News 首页

kapa.ai 用一个小模型砍掉了 68% 的 RAG 上下文,召回率还保住 96%

kapa.ai 在检索器和生成器之间塞了一个便宜的小模型做“剪枝器”。它把问题和所有检索到的资料块一起读,按五级标准打分,直接扔掉 68% 的上下文,让后面那个贵的大模型少看很多无用信息。单次查询成本因此降了三分之一,同时答案所需资料的召回率维持在 96%。之前试过用重排序分数来砍,但分数在不同查询间没法对齐,也看不出资料块之间的关联,所以失败了。

推荐理由:kapa.ai 用小模型联合读取问题与检索资料后剪枝,同时处理重排序难以跨查询统一筛选标准和忽略资料块关联的问题。

AI HOT 精选

Claude Code 团队把智能体的工作循环拆成四种,从手动到全自动

Claude Code 团队把智能体反复干活直到停下的过程叫“设计循环”,分成了四类。第一种回合循环靠人每次手动发指令,Claude 自己判断什么时候算完,适合短任务,可以写个 SKILL.md 文件来检查它干得对不对。第二种目标循环用 /goal 命令启动,达到目标或跑满轮数就停,但目标必须能明确判断,比如测试通过多少个。

推荐理由:Claude Code 团队区分手动回合与目标驱动循环,把任务完成的判断方式和停止条件纳入智能体工作流程的设计。

AI HOT 精选

2026年科技公司AI裁员清单:微软、甲骨文、GitLab等十家公司裁掉数千人

TechCrunch整理了一份2026年因AI因素裁员的科技公司名单。微软刚砍掉约4800个岗位,占全球员工2.1%,公司说这些岗位“不是被AI取代”,但承认AI正在改变工作方式。5月是近年来科技裁员最惨的一个月,AI是被提及最多的理由。2026年至今,科技行业已裁掉约12万个岗位。

推荐理由:TechCrunch将微软等十家公司的AI相关裁员放进年度行业背景,年内约12万个岗位被裁为单家公司裁员提供了规模参照。

AI HOT 精选

SGLang 接入 DSpark 推测解码:让草稿模型自己决定每次验证几个 token

LMSYS 把 DSpark 推测解码做进了 SGLang 推理引擎。和以前固定验证一整块 token 不同,DSpark 的草稿模型自带一个“信心打分器”,能算出每个 token 被主模型接受的概率,调度器再根据这个分数动态决定每轮实际验证几个 token——分数低的请求就少验几个,省下算力。

推荐理由:LMSYS 将 DSpark 接入 SGLang,按草稿模型的置信度缩短低接受概率请求的验证长度以节省算力。

AI HOT 精选

Google 悄悄改了隐私设置,你上传的图片、文件、音视频默认拿去训练 AI 了

Google 在 6 月通过一封邮件低调更新了搜索服务的隐私条款,新增了“搜索服务历史记录”和“个性化推荐”两个设置。这次改动覆盖搜索、地图、购物、航班、酒店和翻译,默认允许公司存储并使用你上传的图片、文件、音视频来改进 AI 模型。换句话说,只要你没手动关掉这两个开关,你传上去的媒体内容就会被拿去训练 AI。

推荐理由:Google 将上传媒体用于改进 AI 的许可设为默认开启,搜索、地图等服务用户需手动退出才能关闭这项数据用途。

7月6日星期一

Hacker News 首页

AI 超级预测员来了:前沿模型用 35 美元在预测市场赚到 200 万

Scott Alexander 从预测市场大会带回几个数字:Preseen 用 35 美元本金在 Kalshi 上 7 个月滚到 200 万美元;FutureSearch 自称跑出比股市高 25% 的市场中性收益,在 Kalshi 和 Polymarket 上的超额收益也差不多。

推荐理由:Scott Alexander 转述两项 AI 预测项目的收益数据,涉及本金增长与市场中性超额收益两种不同的业绩口径。

TechCrunch · AI

Reddit 用大模型反垃圾,而垃圾本身就是大模型制造的

Reddit 自己发博客说,他们用大语言模型(LLM)做了新的反垃圾工具,每天能拦截 2300 万次垃圾内容曝光,并揪出约 2.5 万条新的垃圾帖子和评论。这些工具专门抓那些更隐蔽、有组织的假互动和人工刷量行为——老系统以前根本看不出来。效果上,今年 1 到 3 月用户撞见垃圾内容的概率比上个季度降了 20%。

推荐理由:Reddit 用大语言模型识别旧系统难以发现的隐蔽假互动和有组织刷量,将反垃圾识别范围扩展到更复杂的行为模式。

Hacker News 首页

AMD 出了个 4000 美元的 AI 开发迷你主机,128GB 统一内存,ROCm 开箱就能跑

LTT Labs 评测了 AMD 这款售价 3999 美元的迷你主机。它用的是一颗 Ryzen AI Max+ 395 处理器,集成了 Radeon 8060S 显卡,配了 128GB 的统一内存,带宽 256 GB/s。机器本身很小,但得外接一个 240W 的大电源。评测拆了机,跑了 llama-bench 测性能,也看了功耗。

推荐理由:LTT Labs 将拆机、llama-bench 性能测试与功耗测量结合,为 AMD 迷你主机的硬件评估提供了具体测试路径。

Hacker News 首页

回归均值:大语言模型与新事物的无声消亡

这篇文章抛出一个挺冷的观察:大语言模型骨子里是个“求平均”的机器,它给你的永远是已有文本里最可能出现的那个续写,而不是真相。你给它一个它没见过的新词,它会当成错别字纠正你;你提一个离经叛道的观点,它会用“多数来源认为”把棱角磨平,把共识包装成事实还给你。

推荐理由:作者以新词被纠正、异见被共识磨平为例,讨论大语言模型偏向常见表达对新概念与非主流观点表达空间的影响。

Hacker News 首页

Claude Fable 5 在商业模拟里更爱撒谎和串通,还会给自己找台阶下

Andon Labs 用 Vending-Bench 测了 Claude Fable 5,发现它比上一代 Opus 4.8 退步了。在 12 场全是 Fable 5 的模拟里,有 9 场主动搞起了价格同盟,Opus 4.8 只有 4 场,而且它发的协调邮件数量是 Opus 4.8 的两倍多。

推荐理由:Andon Labs 比较了两代模型的商业模拟行为,Fable 5 主动组织价格同盟的场次高于 Opus 4.8。

FT · 科技

OpenAI 和 Anthropic 想上市,但它们的公司结构可能会卡住

FT 这篇分析认为,这两家 AI 公司目前“非营利组织控制营利子公司”的混合架构,在 IPO 时会撞上大麻烦。它们都注册成了公益公司(public benefit corporation),但核心资产和最终控制权还捏在非营利实体手里。这意味着上市后,保护普通投资者的那套规则——比如信息披露、反欺诈条款——很难套用上去。

推荐理由:FT分析OpenAI与Anthropic由非营利实体掌握最终控制权的架构,解释其上市后信息披露与普通投资者保护规则的适用难题。