A.I. 日报
Cursor@cursor_ai
你现在可以从手机控制电脑上的代理。 通过 Cursor iOS 应用查看、回复或启动新任务。
社区音量
全部内容 · 按时间倒序AI 领域头部人物在 X 上的最新观点
Bindu Reddy@bindureddy
美国和欧洲的模型声称达到了GLM 5.2的水平…… 偏偏就在GLM 5.5即将发布之际 西方开源要追上中国模型还得花3-6个月 🤣
Ethan Mollick@emollick
又到了每个AI账号假装自己深谙数论，以便对最新数学突破的重要性发表高见的时候了。
Guillermo Rauch@rauchg
“快速思考，慢̶思考̶ 在置信度阈值下稍微不那么快地思考。” 一个非常简单的功能，我认为它将对大规模AI决策产生极其重大的影响。 [引用 @vercel_dev]: 你的智能体现在可以将不确定的决策升级到回退模型。 当主模型的置信度低于你的阈值时，AI Gateway会在回退模型上重新运行决策。现已推出测试版。
MiniMax (official)@MiniMax_AI
🪩 客户聚焦：SILVERSIDE · "我们带来火焰" 我们长期的创意伙伴兼客户为 MiniMax Music + H3 动画与口型同步带来了大胆的想象力、精美的工艺和令人无法抗拒的魅力。 @Silverside_AI @maxado_ 每一帧都充满个性。每一个节拍都带来火焰 🔥🎶
Teknium 🪽@Teknium
我们刚刚推出了 Hermes Index！ 这结合了我们新的 HermesBench 和另外 3 个领先且相关的代理基准测试的分数，让每位 Hermes Agent 用户都能找到当时的最佳模型，以及给定价格点的最佳模型！ 来看看吧 [引用 @NousResearch]: 介绍 Hermes Index：衡量 Hermes Agent 中模型性能的基准测试平均值。 我们 Hermes Index 的目标是更好地帮助用户选择模型，并向实验室展示它们在 Hermes 中的表现。
Brett Adcock@adcock_brett
我们所有的互联网/浏览器工作都由 Handoff 驱动，它是我们的计算机使用代理——用于购物、预订旅行、点餐、完成差事和日常任务 [引用 @kevskgs]: 哇，@hark_labs 直接做出了一个更优秀的 @Muse。它的框架完全支持在隔离沙箱中使用计算机（而且速度相当快），并使用基于保管库的认证，可以在任何应用中重复使用（对 Google 来说意义重大），而且你真的可以看到云端正在使用的“计算机”。此外，它的 UI 非常干净，与大多数杂乱的三列聊天机器人界面相比，令人耳目一新。 轻松成为最好的 p…
Demis Hassabis@demishassabis
约翰·乌尔谢尔是个了不起的人。几年前我有幸在突破奖上与他共同颁奖——他是个很棒的人，也是一种激励！ [引用 @MLFootball]: 天才：前#乌鸦队进攻锋线球员约翰·乌尔谢尔在26岁时从NFL退役，全职追求数学。 多年后，据报道，乌尔谢尔帮助解决了一个涉及高斯消元的长期数学猜想。 乌尔谢尔获得了4.0的GPA，在宾夕法尼亚州立大学获得了数学学士和硕士学位，并在打球期间在麻省理工学院攻读博士学位……
Percy Liang@percyliang
Astra 今天能够生成/预测一篇在其截止日期之后发表的特定新论文的概率是多少？朴素采样是行不通的（尾部概率小到天文数字级别）。 定价引导的核心思想是，你可以通过模型（Astra）与引导 LLM（拥有该论文的 Astra）之间的对话来给出这个概率的下界，其中我们可以精确核算从引导方发送到模型的信息比特数。也可以把这看作一种针对前沿模型的新评估方式。 [引用 @wen_kaiyue]: LLM 能生成新颖的研究想法吗？我们提出 Priced Guidance，通过压缩来量化这一点！ 我们对 P(LLM 预测未来某篇…
Aravind Srinivas@AravSrinivas
另外，Perplexity Decision API 的价格已减半，现在每百万输入token只需 2 美分。尽情享受吧！ [引用 @perplexitydevs]: pplx-decider-v1.1-27b，我们更新的开放权重多模态决策模型，现已可用。 它在新的 @huggingface Decision Index 0.3 基准测试中得分最高。pplx-decider-v1.1-27b 的成本是 v1 的一半，为每百万输入token 0.02 美元。
Aravind Srinivas@AravSrinivas
工程即设计服务 [引用 @AskPerplexity]: 计算机可以创建设计的交互式3D预览，并将模型导出为可编辑的CAD文件。 它还可以在FreeCAD中进行更改，并录制编辑视频。
Nathan Lambert@natolambert
我也开始认为我们需要在美国将蒸馏合法化。禁止是不可能的，否则几年内战略竞争将变得非常难以维持。 [引用 @natolambert]: Reflection加入了英伟达和Thinking Machines的名单，他们发布了最强大的模型，但落后于中国同行。人们会以很多方式过度思考这一点，但最清晰的结论应该是，中国人在构建LLM方面非常非常擅长。
OpenAI Developers@OpenAIDevs
与 Codex 对话，让你的键盘休息一下： [引用 @codestantine]: 我以前整天坐在办公桌前。 现在我在阳光房里用语音发送演示文稿。☀️
Anthropic@AnthropicAI
我们正在扩展网络验证计划，让安全专业人员能够更广泛地使用我们最强大的模型。 通过该计划，经过验证的安全专业人员可以使用 Claude Mythos 5.1、Opus 5.5 和 Sonnet 5.5，并配有专为防御性工作设计的保障措施。 我们还开放了新的层级，以支持获得授权的攻击性工作，例如渗透测试和红队演练。
Amjad Masad@amasad
完整对话在这里： [引用 @guilleflorvs]: 突发：帕特里克·科里森刚刚告诉硅谷下一个Stripe将在哪里建立。 而且它不是AI实验室。 当被问及如果从头开始他会建立什么时，科里森直接指向了遗留垂直软件——仍然在运行医疗、物流、建筑、金融的几十年前的系统。 整个行业。仍然运行在1990年代的基础设施上。 每个雄心勃勃的创始人都追逐基础模…
Matt Shumer@mattshumer_
我看到的明显 AI 趋势： 我有抱负的朋友们比以往任何时候都工作更长时间。 我朝九晚五的朋友们比以往任何时候都更快乐地摸鱼。
Logan Kilpatrick@OfficialLoganK
Nano Banana 2.1 来了！🍌 对于图像生成和编辑客户来说这是一次不错的更新，它带来了更高质量的图像、修复了之前模型的许多错误，并推出了新的更低价格！ 已在 API、AI Studio 和 Gemini 应用中提供！
Arthur Mensch@arthurmensch
我们正在这个火车站构建AGI [引用 @GuillaumeLample]: ML4 是在我们欧洲数据中心的 3,800 块 NVIDIA Grace Blackwell GPU 上训练的——我们位于 Bruyères-le-Châtel 的集群是利用我们的 B 轮融资建造的。 我们正在大力投资基础设施，我们的 C 轮和 D 轮集群即将上线。这些额外的计算资源将让我们能够训练更长时间、追求更雄心勃勃的后训练，并更快地迭代。 我们预计将会有巨大而快速的改进……
Matt Shumer@mattshumer_
你的下一个百万用户将是代理。 数百万代理已经拥有@AgentMail账户，而AgentID让它们都能在几分钟内登录你的应用。 这是下一个“使用Google登录”。 但规模会大1000倍。 [引用 @haakamaujla]: 介绍AgentID by @agentmail，为AI代理提供“使用Google登录”功能。 数百万代理已经使用AgentMail。AgentID让它们登录你的应用。 用下面的提示集成，回复截图，我们将免费赠送任何AgentMail计划3个月。
clem 🤗@ClementDelangue
对此非常兴奋，我知道权重即将到来（ [引用 @MistralAI]: 认识一下 Mistral Large 4，又名 Le Chonk。 • 1T 参数，原生多模态。49B 活跃。 在美国或欧洲的聚合基准测试中，它是最好的开放权重模型。 • 在关键工作负载上达到最先进水平，包括网络防御、制造业和金融，并在视觉基础上超越了封闭的前沿模型。 • 完全在欧洲锻造，可通过我们自己的 Mistral 从欧洲部署…
Aravind Srinivas@AravSrinivas
Perplexity 在 Hugging Face 决策指数（决策模型基准）上获胜。我们的模型是开放权重的，所有人都可以访问！ [引用 @perplexitydevs]: pplx-decider-v1.1-27b，我们更新的开放权重多模态决策模型，现已可用。 它在新的 @huggingface Decision Index 0.3 基准上得分最高。pplx-decider-v1.1-27b 的成本是 v1 的一半，为每百万输入令牌 0.02 美元。
Yuchen Jin@Yuchenj_UW
很高兴看到 Reflection 的 Beam 和 Mistral Large 4 在过去两天都达到了大致 GLM-5.2 的水平。 这让我怀疑西方与中国开源模型之间真正的差距是不是就这么简单： 中国实验室可以蒸馏 Anthropic 和 OpenAI 的模型。西方实验室不能。
Brett Adcock@adcock_brett
推出 Hark Pro Hark Pro 现已在网页、iOS 和 Android 上线 免费试用：
Sundar Pichai@sundarpichai
介绍EmbeddingGemma 2，一个新的开放多模态模型，为设备端效率设定了标准。 - 我们的第一个开放的、原生多模态嵌入模型 - 在轻量级、模块化的740M参数形式中处理文本、代码、图像、视频和音频任务 - 与Gemma 4配对时，非常适合离线、隐私优先的RAG - 性能超过一些规模是其两倍以上的专业模型 权重现已在Hugging Face上提供。
Aravind Srinivas@AravSrinivas
Perplexity Decider是最好的决策模型 [引用 @alokbishoyi97]: 这是我们运行的一个有趣基准：8个决策模型玩俄罗斯方块。在我们的测试中，@perplexity_ai Decider一直名列前茅！！（抄送@AravSrinivas） 你可以在这里尝试 -
Ethan Mollick@emollick
我认为过去几年密切关注人工智能的大多数人可能会惊讶于，鉴于总共有十亿用户和数亿企业用户，糟糕的人工智能事件相对较少。这并不意味着这种情况会持续，但令人惊讶。
Bindu Reddy@bindureddy
Astra 和 Fable 很有可能便宜得多 🚀 对此超级兴奋，因为这将真正把超级智能带给大众 这些模型被如此低估真是不可思议，因为它们太贵了
Kling AI@Kling_ai
新想象。新故事。新的创作方式。✨ 看看创作者们用 Kling 4.0 和 Kling 4.0 Flash 制作了什么。
Simon Willison@simonw
Mistral现在能鹈鹕了！ [引用 @MistralAI]: 认识Mistral Large 4，又名Le Chonk。 • 1T参数，原生多模态。49B活跃。 在聚合基准测试中，它是来自美国或欧洲的最佳开源权重模型。 • 在关键工作负载上达到最先进水平，包括网络防御、制造和金融，并且在视觉基础上超越了封闭的前沿模型。 • 端到端在欧洲打造，可通过我们自己的Mistral在欧洲部署……
Paul Graham@paulg
有被金钱驱动的竞争对手是件好事。如果他们有能力，他们最终会得到钱，然后就不再工作了。而如果他们能力不行，那就是能力不行。