A.I. 日报
Tencent Hy@TencentHunyuan
混元图像 3.5 预览版上线了。🚀 专业级图像生成，人类评估中对比混元图像 3.0 胜率提升 30% 文本生图和图像生图均可用。 最高支持 2K。一致性更好。 API： 价格人人可及。腾讯云 API 每张图像 0.024 美元。 我们只对生成的内容收费——你的参考图像免费。 两周免费（仅限 OnSolo 和 Miora）： Miora OnSolo 试试看，然后告诉我们哪里不行。
社区音量
78 条仅显示 2026年9月22日 周二 的内容 · 查看全部日期 →
Tencent Hy@TencentHunyuan
更小的尺寸，同样的智能。 [引用 @ZhihuFrontier]: 腾讯如何将770B参数模型塞进214 GiB 将Hy4 preview的权重从约1.5TB缩小到214 GiB是一个挑战。保留有用能力和实际推理速度是另一个挑战。@TencentHunyuan 是如何同时解决这两个问题的？ 知乎贡献者yghstill，腾讯混元量化团队成员，解释了背后的工程。参数数量保持770B；该模…
Gorden Sun@Gorden_Sun
Paper2Agent：把学术论文一键转成可调用的AI智能体 由斯坦福的师生开源。通过协调多个专门智能体，自动将研究论文及其代码库转化为标准MCP服务与技能。它让编程智能体能直接调用学术论文中的计算方法与算法模型，并自主完成环境配置与科学工作流验证。科研人员无需手动复现繁琐的代码环境，即可在日常分析中直接使用最新发表的研究成果。 Github：
Kevin Weil 🇺🇸@kevinweil
渐渐地，然后突然之间。 [引用 @OpenAI]：我们正在与一个由数学家组成的独立顾问小组合作，帮助 OpenAI 负责任地分享 AI 和数学的进展。 该小组将就我们如何评估和传达新的数学成果、维护学术和专业标准，以及构建支持数学研究和学习的工具提供建议。 通过这项工作，我们希望让数学家们处于塑造未来……的中心。
Alexandr Wang@alexandr_wang
如果你想知道我们在 muse 上花了多长时间，这是我在一年前，也就是 2025 年 9 月为 meta 董事会写的一份文档的节选。 @natfriedman，整个团队和我已经打造 muse 很久很久了。能为大家把这件事变成现实，真是莫大的荣幸 ♥️
Alexandr Wang@alexandr_wang
要疯掉了要疯掉了要疯掉了 [引用 @bubbleboi]：我刚给了我的 Muse agent 访问我银行账户的权限。事情要变得疯狂了。
Guillermo Rauch@rauchg
除了我们类型安全的TypeSafe @aisdk API（懂了吗？），你现在可以在AI Gateway中通过HTTP使用Jev [引用 @vercel_dev]: 通过AI Gateway调用Jev的两种新方式，与AI SDK并列： ▪︎ 类型安全兼容API，相同的eval调用 ▪︎ 适用于任何语言或框架的HTTP API 阅读更多 ↓
Alexandr Wang@alexandr_wang
muse到周二要达到95%！ [引用 @seempaq]: Muse取代了我85-90%的ChatGPT使用，而这还只是周一。
Ethan Mollick@emollick
AI可以成为探索远离编程主题的绝佳工具。 我让Claude Fable 5.1为艾略特的诗《荒原》整理了一份带注释的指南，包含多条穿越诗歌的路径、录音、学术研究等。我印象非常深刻。
Simon Willison@simonw
整理了一些关于 Jev 以及新一类系统一 aka 决策模型的笔记
硅谷王川 Chuan@Svwang1
“幂定律的思维方式里，注意力从做事的清单，转向杠杆着力点。 你不再问要做什么，而是问，可以做点什么事情，让很多其它事毫无必要，或者变得更容易。 这个思维方式听起来反直觉，因为外在没有太多可见的动静。但是它在关键时刻能够产生大量你需要的动静” [引用 @Svwang1]：“理解了幂定律在学习上的应用，就会刻意不再追求效率（和面面俱到）。绝大部分时间，要花在几个核心的，硬核的观点上。边缘的内容可以略过或者推迟。 “这种学习方法开始觉得不舒服，因为违反常规。感觉不完整。但它会产生（比常规）大得多的长期回报。”
François Chollet@fchollet
2026 年夏天是 AI 领域的疯狂时期…… [引用 @arcprize]：ARC Prize 2026 - ARC-AGI-3 进度奖 - 还剩 9 天 37,500 美元奖金将于 *9 月 30 日* 颁发给顶尖开源解决方案 当前排名： 1. Tufa Labs 2. Lord Han Solo 3. NVARC3 哪前三名将夺得开源奖？
clem 🤗@ClementDelangue
训练模型变得越来越容易了——看看这个和 TRL——尤其是有了 agents！ 如果你还在所有任务上都使用现成的模型，那你就错过了！ [引用 @whitecircle]: 介绍 Halo，开源模型后训练的最佳框架。 Halo 的吞吐量最高可达原版 TRL 的 2.8 倍，峰值内存更低，同时模型保持在其原生 HuggingFace 格式。 在 GitHub 上给我们点星：
Logan Kilpatrick@OfficialLoganK
如果你正在用 AI 构建产品，你应该花超过 25% 的时间来做基准测试，并努力让模型实验室关注这些基准。 这是加速公司进步的最简单路径
Nathan Lambert@natolambert
强烈赞同。这种情况比我预期的要少得多——部分原因是制作高质量环境通常涉及相当昂贵的验证（测试强模型）。不过，还可以有更多。 [引用 @Thom_Wolf]：发布许多高质量的开源强化学习环境，是目前任何人能为推动开源前沿所做的最有影响力的事情 相当于在新的 RLVR 范式中分享高质量的预训练数据
Bindu Reddy@bindureddy
模型发布潮刚刚开始 Grok 4.7 来了，价格和 4.6 一样 ❤️ 更多前沿模型即将推出
clem 🤗@ClementDelangue
猛货！ [引用 @ArtificialAnlys]: MiMo-V2.6-Pro 在 Artificial Analysis 智能指数（46）上首次成为排名第一的开源权重模型。每项智能指数任务成本为 0.13 美元，它落在智能与每任务成本帕累托前沿上。 @Xiaomi 刚刚发布了 MiMo-V2.6-Pro，这是一个开源权重模型，相比前代 MiMo-V2.5-Pro（智能指数：26）在智能方面有重大进步。尽管有所改进，它仍保...
Jeff Dean@JeffDean
感谢这次精彩的讨论，@dawnsongtweets！ [引用 @dawnsongtweets]: 我非常荣幸和高兴能与@JeffDean坐下来交谈，这是他离开谷歌后的首次公开演讲，他在谷歌度过了非凡的27年。 很少有人像他那样深刻地塑造了现代计算和AI——从MapReduce和Bigtable到TensorFlow、混合专家模型、TPU和Gemini。 我们的对话涵盖了塑造AI未来的一些最大问题： • 你如何重新……
已经到底了