- 博客(38)
- 收藏
- 关注
原创 用 Claude 时嫌麻烦的事,谷歌这 5 个功能让我大为改观!
作者因 Claude 被封转用 Gemini 与 Google Antigravity,经半个月实测后认为 Antigravity 体验并不差且迭代迅速。文章重点对比了 Claude Code、Codex 与 Antigravity 的多智能体协作架构,指出前两者在子进程通信、Token 消耗与文件冲突上的问题,并介绍了 Antigravity 的 /swarm 公开工作群与 Orchestrat
2026-11-17 12:04:10
21
原创 刚刚,Qwen4-Max正式发布!单任务费用砍掉58%,智能体盲测冲上国产第一
阿里千问正式发布Qwen4-Max,重点优化调用成本与长程任务稳定性。相比上代,单任务平均费用从26.58元降至11.16元,降幅58%。模型总参数维持2.4万亿但激活参数从95B减至71B,配合混合注意力机制降低算力消耗。在Code Arena前端开发榜获全球第六、国产第一,DeepSWE代码修复测试排名第一。
2026-11-16 11:53:27
139
原创 刚刚,星舰首次把太空飞船夹回铁塔!马斯克太空AI机房补上关键一环
SpaceX星舰第15次试飞中,助推器因燃料报警放弃回塔落海,但42号飞船在绕地球飞行22小时后成功返回并被发射塔机械臂捕获,实现人类首次回收常规轨道火箭上级。文章厘清星舰上下两级区别,并指出该技术为马斯克与英伟达合作的太空AI机房降低运输成本带来希望。
2026-11-15 08:14:37
196
原创 DeepSeek 把 App 能力开放给开发者,连聊天前端也开源了
DeepSeek 将网页版和 App 背后的整套工具能力开放给开发者 API,包括联网搜索、链接读取、文档图片解析、语音听写与朗读,并开源聊天前端。服务端接管搜索与抓页流程,模型可自动多轮调用工具,兼容 Anthropic、OpenAI 等三种协议。但该能力目前仅限 deepseek-flash(V4.1-Flash),V4-Pro 尚未支持。文章还详解了文件解析的免费与计费边界、图表识别代价及语
2026-11-14 00:22:13
170
原创 用完 Carbon 再切 Hydrogen:谷歌这次总算回归正常了
作者在体验谷歌 Gemini 系列新模型后,认为新上线的 Hydrogen 相比 Carbon 速度提升近十倍,但智能水平有所下降,AA 智商榜得分为 51 分(xhigh 档 54 分),仍不及 Carbon 的 60 分。文章还梳理了社区反馈:Antigravity 自动调度可省 24% 额度,四档思考中默认 high 档性价比最高,以及用户对元素周期表式命名的不满。
2026-11-13 08:12:23
192
原创 用完 Carbon 再切 Hydrogen:谷歌这次总算回归正常了
作者在体验谷歌 Gemini 系列新模型后,认为新上线的 Hydrogen 相比 Carbon 速度提升近十倍,但智能水平有所下降,AA 智商榜得分为 51 分(xhigh 档 54 分),仍不及 Carbon 的 60 分。文章还梳理了社区反馈:Antigravity 自动调度可省 24% 额度,四档思考中默认 high 档性价比最高,以及用户对元素周期表式命名的不满。
2026-11-13 06:56:37
152
原创 一天用掉一半额度,我才发现 Gemini Carbon 有这些坑|附官方指南
作者第一时间体验了谷歌新上线的 Gemini Carbon,一天内周额度消耗过半,并详细记录使用中踩过的坑:模型响应慢、过程无反馈,需求描述不清会导致灾难性返工。文章结合官方使用指南,对比 Carbon 与 Gemini 4 Argon 的差异——Carbon 思考量约为 Argon 三倍,细节更严谨、缺数据时更少编造,但日常任务两者差别不大,建议按需选择模型并合理控制推理深度。
2026-11-12 12:47:50
139
原创 实测谷歌最强推理模型Carbon:从此我可以彻底放弃Claude了
作者第一时间升级 Google AI Ultra,实测谷歌最强推理模型 Gemini 4 Carbon。该模型在 Artificial Analysis 主榜以 58 分位居全球第一,支持 100 万上下文,并同步推出 /swarm 多智能体预览功能。文章围绕复杂图纸精读、物理规律计算、三维机械咬合、复杂交互细节和多 AI 协同五项能力连续实测,首轮让模型仅凭一张上海地铁全网图完成客流推演大屏,展
2026-11-11 09:08:17
129
原创 给 Codex 接上 Atom:一句话搞定视频制作运营全流程
本文介绍作者将 Atom 视频商业工具栈通过 MCP 接入 Codex,把选题、脚本、分镜、图生视频、配音、字幕、封面与发布运营等环节串成可复用 Skill 的实践。Atom 以 MCP 而非零散 Skills 方式提供服务,并支持主流 Agent。作者把个人音色、片尾和制作偏好固化进流程,实现只需提供一个链接即可自动完成视频制作与发布前准备的效果。
2026-11-10 20:37:35
205
原创 OpenAI发布200美元联名掌机,用Codex就能做一款自己的游戏,看完我想买了
OpenAI 与 ModRetro 合作推出 Codex 联名版 Chromatic 复古掌机,售价 200 美元,附带可编程卡带。用户可安装 Codex 插件,通过描述游戏创意自动生成 GB Studio 工程,再经打磨、构建 ROM 写入卡带,实现从想法到实体游戏的完整流程。掌机兼容 Game Boy 系列卡带,预计 11 月 19 日补货,但暂不配送中国大陆。
2026-11-10 09:58:54
127
原创 GPT Images 2.6 实测:能做GIF动图和直出SVG了!
OpenAI 发布 GPT Images 2.6,新增 GIF 动图生成与 SVG 直出,并在 ChatGPT、Codex 和 API 上线。作者实测四组 GIF 案例:玻璃蝴蝶、香水瓶广告、女孩摸柴犬、峡谷瀑布,发现动作衔接和主体一致性总体可用,但细节会变、手部关系出问题,且帧数和尺寸不总按提示词执行。
2026-11-05 09:38:21
279
原创 OpenAI用GPT不到一周设计了台设备
OpenAI 公布实验:两人借助模型 Astra 不到一周完成一台可与 Codex 对话的硬件设备设计,涵盖外壳结构、电路板、界面与软件接入,并由代工厂在不到一个月内做出小批原型。文章同时指出制造前仍经多轮人工审查与修改,模型难以稳定处理公差、装配等生产限制,配套公布的 BenchCAD 2.0 评测也不覆盖可制造性与物理性能。
2026-11-04 09:36:45
85
原创 OpenAI用GPT不到一周设计了台设备
OpenAI 公布实验:两人借助模型 Astra 不到一周完成一台可与 Codex 对话的硬件设备设计,涵盖外壳结构、电路板、界面与软件接入,并由代工厂在不到一个月内做出小批原型。文章同时指出制造前仍经多轮人工审查与修改,模型难以稳定处理公差、装配等生产限制,配套公布的 BenchCAD 2.0 评测也不覆盖可制造性与物理性能。
2026-11-04 06:59:50
166
原创 不重训模型,GPT-6 爆改Qwen 权重:数学能力飙升 6 倍!
MIT CSAIL 团队提出 Weight-Space Programming 方法,让 GPT-6 Astra 直接定位并修改 Qwen3.5-0.8B 模型内部权重,改动仅约 0.016%,数学正确率即从 7.9% 提升至 48.1%。研究先用小型游戏网络验证 AI 识别与修复模型内部逻辑的可行性,再借助 Python 工具处理大规模参数,探索不重新训练模型、直接打权重补丁的新路径。
2026-11-03 12:11:32
111
原创 DeepSeek Harness创造模式:让AI给自己加功能、换界面
DeepSeek Harness 推出「创造模式」,用户可通过对话让 Agent 为 DSH 定制界面、按钮和插件。文章以自制「节奏工作台」鼓机插件为例,演示从输入需求、模型读写文档、生成代码到单次授权安装的完整流程,插件支持 4 轨 16 步编排、Web Audio 合成、预设与 WAV 导出。
2026-11-03 11:59:41
215
原创 Claude Code给游戏复刻加了两句话:改名也在限制内
Anthropic 技术成员 Addy Osmani 确认,Claude Code 使用 Opus 5.5 时新增两句提示词,限制模型复刻现有特定游戏,即使改名或自称原创也不例外;原创游戏、类型化游戏及自研素材作品仍应正常工作。开发者 chasm 于 10 月 30 日公开该规则且无法关闭。文章同时澄清:一次被拒不等于侵权认定,投诉案例中作者已撤回“获授权”说法,官方留出反馈入口但未公布跨模型测试
2026-11-01 13:03:59
165
原创 Gemini 4 Carbon超过Opus 5.5,登顶AA智能指数
谷歌 10 月 28 日发布的 Gemini 4 Carbon 在 Artificial Analysis 智能指数 v5.0 中拿下 59 分,超过 Claude Opus 5.5 Max 的 58 分及 GPT-6 Astra Max,登顶榜首,较上代 Gemini 4 Argon 的 50 分大幅提升。该模型在推理、科学、知识问答和自动化工作流四项测试中排名第一,知识问答幻觉率仅 11%,代
2026-10-29 07:35:22
165
原创 谷歌发布世界模型 Genie 4:打一行字,视频里就下雪;再打一行字,人物开口说话
Google DeepMind 发布世界模型 Genie 4,实现画面、环境声与角色对白的实时同步生成。用户可用自然语言实时修改场景,如打字让湖上下雪、唤出鲸鱼尾巴、指示站务员开口说话。官方称其在物理模拟、人物动作与原生音频上有显著飞跃,背后由两类 Gemini 分别负责真实感与推理连贯性,模拟世界可用于机器人和 AI 代理的训练。
2026-10-28 09:18:03
200
原创 个人智能体真能管事了:用了三天灵光 2.0,我把盯新闻、盯货、翻账单都交给了它
作者实测蚂蚁发布的灵光2.0个人智能体,使用三天后将其用于盯AI新闻、监控iPhone Duo库存和整理选题三件事。灵光2.0新增“帮我管”页面,可将长期任务独立运行并按时推送。作者认为它能自动筛选信息、按规则推送,显著提升了信息获取与任务跟进效率,并从被动找信息转为信息主动找上门。
2026-10-27 10:16:39
220
原创 Kimi K3.1 Pro 上线:比 K3 便宜三分之一,开源权重最晚 11 月 4 日放出
Kimi K3.1 Pro 凌晨上线,仅通过官方四个入口提供服务,开源权重最晚11月4日放出且许可证未明。官方称其在编码与Agent任务上匹配最强专有模型,规格为100万token上下文、MoE架构、总参数2.8T。定价每百万token输入2美元、输出10美元,比K3便宜三分之一。官方成绩单显示Terminal-Bench接近Claude Opus 5.5,幻觉率从23.4%降至8.3%,但独立评
2026-10-24 05:21:48
324
原创 国产模型越来越强了,这次让我意外的是 IQuest-Q1
至知创新研究院9月底开源的IQuest-Q1模型总参数320B、激活15B、上下文512K,仅支持文字输入。技术报告在30项评测中对比6个模型,安全、办公自动化和多轮对话等多项指标领先,但终端长任务与专家级推理仍落后闭源旗舰。文章分析其通过稀疏激活与分层注意力实现长上下文和智能体能力,展现国产模型在Agent基础能力上的快速进步。
2026-10-23 15:50:30
214
原创 Grok Bot 的真正对手来了:Anthropic 发布 Claude Duet,会主动来找你
Anthropic 发布研究预览版 Claude Duet,一款会主动找你的个人 Agent,仅对美国 Pro 和 Max 用户开放,底层用 Opus 5.5,与 Claude 共用套餐额度。它每天早上推送简报、监控邮箱日历 Slack,支持派活做仪表盘、原型和网页应用。相比 Grok Bot、Muse、dots 等竞品,Duet 更聚焦工作场景,主打判断力与克制,自主决定何时提醒用户。
2026-10-22 08:42:28
198
原创 DeepSeek 为什么敢卖这么便宜?它把答案开源了
DeepSeek 开源了内部推理框架 DeepInfer 及编解码组件 deepseek-recipe,并发布技术报告解释其低成本原因。核心在于将推理拆分为 Prefill 和 Decode 两步部署在不同机器上,以及通过 KVCache 缓存命中大幅降低重复计算成本。线上数据显示平均每请求 77K token 输入中 96% 命中缓存,命中与未命中输入价格相差 50 倍,单卡吞吐量差距达 25
2026-10-20 19:42:50
177
原创 MiniMax M3.1 Flash 上线:每百万 token 输入 1 元、输出 4 元,权重稍后开放
MiniMax 正式上线 M3.1 Flash 模型,前身为匿名模型 Space Bunny。该模型支持 100 万 token 上下文及文本、图片、视频输入,定价为每百万 token 输入 1 元、输出 4 元。官方自报其在 Agent 任务和金融业务测试中表现领先,第三方 Arena WebDev 榜排名第 12。模型权重和 Pro 版本均表示稍后开放。
2026-10-19 21:48:25
277
原创 我写代码一行都不看了,只当测试工程师
作者分享了自己将写代码和改 bug 全部交给 AI、本人只充当测试工程师的实践,并引用 Anthropic 报告数据:智能体工时达员工工时 6 倍,Claude Code 团队日变更量从 2500 涨至 3 万,初级岗位占比由 27% 降至 9%。文章讨论按风险分级审批、AI 审 AI 的低效反复,以及留给人的五类关键决策,并对新人减少、未来资深判断力断层表示担忧。
2026-10-17 11:24:42
142
原创 Meta重回开源:美国最强开放模型,两台Mac就能跑
Meta 发布开放权重模型 Muse Spark Open,总参数 8160 亿、每 token 激活 420 亿,支持 100 万 token 上下文与多模态输入。权重在 Hugging Face 免费下载,多数开发者可商用,两台顶配 Mac Studio 即可本地部署。该模型在 Artificial Analysis 综合智能指数中获 39 分,为美国开源第一,工具调用、难题推理和抗幻觉能力领
2026-10-16 09:33:45
154
原创 Claude Code 桌面版大更新,团队成员说“几乎像 v2”
Claude Code 桌面版发布大更新,Pro、Max、Team、Enterprise 付费用户均可使用,Linux 版仍为 beta。新版本将侧边栏按“需要你、正在跑、已完成”分组会话,并支持任务卡片派生嵌套子会话、通过 /btw 旁开小窗提问而不打断主任务。还加入环境/worktree、实时待办和回顾卡片等能力,团队成员称几乎像 v2,社区评价则有好有坏。
2026-10-15 07:50:13
226
原创 OpenAI 高管会议室遭窃听,一名员工被 FBI 逮捕
OpenAI 一名35岁沙特籍工程师被控在旧金山总部高管会议室电视背面偷装加密录音器,于10月9日被FBI逮捕,面临最高5年监禁。OpenAI用自家模型分析设备并锁定该员工后将其解雇。检方称其还计划在其他敏感场所安装设备,动机未明,案件仍在审理,被告尚未定罪。
2026-10-14 14:27:26
189
原创 Anthropic内部弃Git:AI太猛
Anthropic 内部主代码仓库因 AI 生成代码量激增,Git 无法承受每天超 3 万次合并,已迁移至自研 Scion。Scion 采用按需获取文件和服务器端合并,将源码管理中位耗时从 34 分钟降至 3.7 分钟,由 7 人历时 5 个月完成。官方称 Scion 不适合通用场景,数据未获外部核实。
2026-10-14 14:22:58
181
原创 Grok Bot 从0到1保姆教程:装好、建 Bot、拉群干活,一篇讲完
Grok Bot 是一款个人 Agent 产品,以持久化云端 Bot 形态运行,每个 Bot 拥有独立桌面、浏览器和文件系统,可代用户执行真实任务,支持搜索监控 X 平台。马斯克宣布其将按任务选择最优后端模型,并整合 Claude、Midjourney 等。文章介绍其下载安装、账号登录方式,并与 Muse、Cue、Dots 等同类产品对比。
2026-10-09 15:33:00
371
原创 Claude 能直接做看板和动画了:Dashboards 付费可用,Motion 只给 Team 和 Enterprise
Claude 推出 Dashboards 和 Motion 两项 beta 功能:Dashboards 面向付费套餐,可连接 BigQuery、Snowflake 等数据源,用自然语言生成自动更新的看板;Motion 仅限 Team 和 Enterprise,通过 /motion 指令用代码生成动画。同一天 Docs、Slides、Design 取消 beta 标签,向所有套餐开放。
2026-10-09 09:07:32
195
原创 ChatGPT 全面换上 GPT‑6:免费用户今天就能用,回答还能自己长出界面
OpenAI 宣布 GPT-6 正式进入 ChatGPT 聊天模式,付费用户已陆续收到,免费和 Go 用户即日起也可使用。付费档使用 GPT-6 Sol,免费档为 GPT-6 Luna。本次更新最大亮点是 Intelligent UI,模型能自行判断回答形式,生成图表、按钮、表单或可交互组件,如人数加减器、自行车零件分解图等,界面随模型输出逐步呈现。GPT-5.5 将于 10 月 14 日下线。
2026-10-08 11:55:40
212
原创 Gemini 4 Argon追平GPT-6 Astra,但还用不上
Google 发布新模型 Gemini 4 Argon,在 Arena 文本榜排名第一,Artificial Analysis 智能指数追平 GPT-6 Astra。官方基准 19 项中 13 项领先,优势集中在知识工作与法律智能体,但终端和编码任务落后于 Claude Opus 5.5。目前仅限 Fairwind 计划的可信测试者使用,AI Ultra 订阅用户和付费 API 客户尚需等待,输出
2026-10-01 11:51:49
187
原创 DevDay 2026 全解读:OpenAI 开始卖“数字员工“了
OpenAI在DevDay 2026发布20多项更新,核心是推出"永远在线"的AI员工Dots。每个Dot基于GPT-6 Astra,拥有独立云电脑与浏览器,可连接4000多个应用,支持主动研究、任务执行与多端协作。Pro和Business Premium套餐首月免费带一个Dot,OpenAI正式将AI智能体打包为可售卖的"数字员工"。
2026-09-30 08:35:46
450
原创 Muse 之后又来新选手?Manus 新产品 Cue 的第一轮实测
Manus 推出新产品 Cue,定位为永远在线的个人 Agent,为其配备独立邮箱、电话、钱包与云电脑。本文基于 Mac 桌面端进行第一轮实测,介绍其工作台布局:左侧管理多个自主创建的 Agent,中间为对话区,右侧负责设置、支付、自动化与记忆。文章还分享了用邀请码注册的流程和初步体验感受。
2026-09-29 17:45:22
298
原创 Sonnet 5.5 发布:打工人的新旗舰,性能逼近Opus 5.5,价格只要一半
Anthropic 发布 Claude Sonnet 5.5,价格仅为 Opus 5.5 的一半,与上代 Sonnet 5 持平但节省约 30% token 并提速 30%。官方基准显示其性能逼近 Opus 5.5,在 Terminal-Bench、编码和电脑操控等任务上表现突出,AA 智能指数 Max 档超越 GPT 6 Astra,被定位为高性价比的日常主力模型。
2026-09-29 12:34:27
185
原创 Anthropic 用 Claude 发现新酶系统,AI 开始走进生物学的未知地带
Anthropic 利用 Claude 大模型在噬菌体 DNA 数据中发现了一种此前未被完整描述的新型酶系统 ART,其特征与 CRISPR 类似。研究团队让多智能体在 949 个会话中消耗约 2.156 亿 token、耗时约 21.5 小时完成搜索。这标志着通用大模型和 Agent 开始从能力与价格竞争进入基础生物学研究领域。
2026-09-25 23:18:34
215
原创 Anthropic 用 Claude 发现新酶系统,AI 开始走进生物学的未知地带
Anthropic 利用 Claude 智能体在海量噬菌体 DNA 数据中发现了一种此前未被完整描述的新酶系统 ART,其特征让人联想到 CRISPR,但功能与用途尚不明确。搜索共启动 949 个智能体会话、消耗约 2.156 亿 token。文章借此指出,通用大模型与 Agent 正从跑分竞赛走向基础生物学研究,可能成为 AI 参与科学发现的一个分水岭。
2026-09-25 23:00:52
259
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅