AI 领域头部人物在 X 上的最新观点
"这是一个令人惊讶的模型。在我们运行的每一个技术基准测试中，它都与 astra、fable 和 opus 不相上下或更好。" "meta 将在大众消费者代理领域大获全胜。" [引用 @boneGPT]: 我提前获得了 muse wonder 的使用权，并作为 slopcannon 制作人试用了它。这是一个令人惊讶的模型。在我们运行的每一个技术基准测试中，它都与 astra、fable 和 opus 不相上下或更好。 在 cannon 中，它有一种细腻的触感，能做出受启发的创造性决策。对于灵魂性并没有真正的基准测试…
非常兴奋地推出我们新的代理长时程基准测试 - LiveBench 2.0 我们有数百个基准测试，但大多数都只是完全损坏且被基准最大化的。我们在过去几周里努力修复了这个问题 - 在 Argon 推出时发布 - 反映现实世界的模型性能 - 你无法在其上进行基准最大化 - 长时程类别非常准确 - 考虑成本/任务 迈向合法超级智能的第一步是让基准测试反映现实世界的性能
我的 X 时间线今天： - 软件已死 - 技术护城河已结束 如果这是真的，那么每个芯片公司都应该只是氛围编码 Nvidia 的 CUDA，每个汽车公司都应该氛围编码 Tesla 和 Waymo 的自动驾驶。 技术护城河没有死。浅层技术护城河死了。
从重建基础到在 14 个月内推动前沿 🚀
Meta 的进展快得令人难以置信 [引用 @finkd]: 推出 Muse Wonder，我们新的前沿模型系列，在个人和专业智能体工作方面具有最先进的性能。
看起来 Meta 又回到了前沿 🫡 [引用 @finkd]: 推出 Muse Wonder，我们的新前沿模型系列，在个人和专业代理工作中具有领先水平。
Meta 回来了？！ Muse Wonder Full： - 人工分析智能指数：仅落后 Opus 5.5 2 分 - DeepSWE v1.1：79.0% 对比 Astra（74.1%）和 Opus（74.2%） - SWE-Marathon：击败 Astra 和 Opus 5.5 请开源 wonder。即使是 Muse Spark 1.3 也会很棒！ [引用 @finkd]: 推出 Muse Wonder，我们新的前沿模型系列，在个人和专业智能体工作方面具有最先进的性能。
MUSE WONDER 这是 msl 超过一年的研究和基础设施工作的成果 自从我们最初在四月发布 muse spark 以来，我们继续在预训练和 RL 方面扩展我们的模型，现在达到了前沿 🏆 查看我们模型在人工分析指数上的改进：
[引用 @finkd]: 推出 Muse Wonder，我们新的前沿模型系列，在个人和专业智能体工作方面具有最先进的性能。
如果你还没有确保在所有账户上开启双重认证，准备好在接到要求汇款的语音电话时使用的家庭密码等，现在是个好时机。 AI 的进步意味着大规模针对个人进行复杂攻击的成本正在下降。
推出 GLM-Legal 基于 GLM-5.3-Flash 构建，GLM-Legal 在主流法律基准测试中达到前沿模型水平。 专为真实法律工作流程设计：合同审查、证据分析、合规等。 技术博客： 申请 API 访问： 试用 AutoClaw：
如果你是研究人员，请考虑公开分享你的 RL 环境！你为某个实验构建的东西可能有助于整个领域向前发展。 我知道我们正处于美国前沿实验室分享的黑暗日子，但我相信这可以对领域和世界产生巨大影响！ [引用 @NaveenKumar__T]: 这就是开源应该有的样子。一个闭源实验室发布研究，几天内社区就将其转化为任何人都可以使用的训练环境。正如 Clem 所说，早期且粗糙，但方向很可爱。#OpenSource #AI
聊天很有趣！谢谢邀请我 @MollySOShea！ [引用 @MollySOShea]: 新消息：我与 Perplexity 创始人兼 CEO Aravind Srinivas（@AravSrinivas）坐下来讨论了为什么 AI 原生的中小企业可以推动下一波美国百万富翁经济繁荣。 @perplexity_ai，估值约 200 亿美元，报告融资约 20 亿美元，截至 8 月年化收入 7.5 亿美元，随着从搜索扩展到自主代理，收入同比增长 5 倍。 Aravind 分享的一个例子是一家单人公司……
我们的新芯片是 🔥 每瓦令牌数增加 40%！ [引用 @satyanadella]: 今天，我们宣布了我们在自有芯片上的最大赌注。 从下一个日历年开始，我们将把 Maia 系列扩展到多吉瓦的部署，使其成为我们自有产品和服务的首要推理系统。 并且我们正在推出 Maia 300，与领先的基于 GPU 的系统相比，它每瓦令牌数增加 40%。 我们已经在美国、欧洲等地部署 Maia 200……
昨天和一位非常聪明但书呆子气的创始人进行了办公时间。当我建议他可能想要一个更外向的联合创始人来做销售时，他说他不想，因为他大部分的销售将会面向代理商。我不得不承认他可能是对的。
我来分享一个Grok Bot的顶级用法吧。 Grok Bot有原生API，其他Agent可以直接调用云端的Grok Bot，例如让Grok Bot生成视频、让Grok Bot搜索X上的内容，可以省去视频API和X API的费用，适合日常主要用Codex或者Claude Code人。 API是在Cursor的后台创建（没错，Grok Bot实际是Cursor Bot，Cursor还是太领先了）。 跟云端Grok Bot做文件交互，则可以通过Cloudflare R2或者Github私有仓库来实现。 谷歌的Gemin…
让人沮丧的是，这个网站上普通的回复机器人已经把它们的回复废话角度转向提出有趣的问题。 这感觉像是真正的智识交流，这让它比只是用‘这就是人们忽略的部分’来复述帖子更糟糕。
GPT-6 Pro 经常在学术论文中发现所谓的错误，这只是它其他工作的一部分。如今确认这些错误并了解其重要性仍然需要大量时间，但会越来越快。我们没有合适的机制来应对大量的更正。
谷歌把EmbeddingGemma 2开源了，商业价值巨大。 可以实现文字、图片、视频，你只需要描述图片里有什么内容，就能把对应的图片搜索出来。 已经有基于这个模型开源的应用： 模型： [引用 @Gorden_Sun]: Google发布首个原生多模态嵌入模型Gemini Embedding 2 单一模型同时处理文本、图像、视频、音频和文档，映射到统一的嵌入向量空间，再也不需要多个模型嵌套来检索多模态内容了。 检索时支持交错输入，可以同时输入图文、音视频，模型能使用输入的多模态数据的关联性。适用于RAG、根据语义…
这是什么震撼首发 [引用 @martianwyrdlord]: 另一个角度是，狗其实在 2 万年前就偶然撞上了对它们而言相当于人工超级智能的东西。对狗来说，奇点早已发生。它们生活在一个无法理解的世界里，被它们完全视作理所当然的奇迹奇观所包围，它们的一切需求都由思想深不可测的存在照料。 结果是……
超级智能很快将解决大众市场机器人问题 让智能体群在物理世界中运行数十亿次机器人模型模拟 挑选最佳机器人模型并在现实世界中测试，以制造大众市场机器人 一个能胜任体力蓝领工作的机器人 🚀
有趣的采访。我们涵盖了： - muse 的故事 - 为什么我 19 岁生日聚会的参加者现在都成了亿万富翁 - 钻石开采 vs 建造摩天大楼 - 我的 200+ 直接下属
事情正在起变化 [引用 @kiwiflysky]: 汉字的信息密度真不是盖的，我个人觉得中文可能是最省 token 的语言了。等 magpie 国际用户变多，我高低要写个把用户消息自动翻译成中文再发给模型的 magpie 插件，一方面帮海外用户省 token，一方面更重要的是，给 A/ 投毒，让他不能再把中文当风控规则。 --《magpie 国际化下菜单栏的灾难表现有感》
Sakana AI 团队的新论文： 通过多智能体自监督实现递归自我改进（MASS） 当任务变得过于复杂、人类无法可靠评估时，我们该如何继续改进 AI？ 对于开放式研究，我们最终会遇到「监督瓶颈」。如果我们让模型自己同时充当求解者、优化者和评估者，它就会陷入同质化循环，不断强化自身的盲点，而不是纠正它们。 为了打破这个循环，我们从马文·明斯基的《心智社会》中汲取了灵感。如果你让单个模型把自身的副本组织成一个结构化的团队，然后把团队学到的东西蒸馏回基础模型，会怎么样？ MASS 在两个循环之间交替： 1/ 工作流优化…
翻出我四月份的这条推文，是因为在LLM能力上的这种认知差距正在*扩大*。现在这已经不太像"两群人在各说各话"，而更像一个急剧收窄的漏斗。 - 粗略算一下，大约有60亿人（约占人口的75%）几乎完全没有接触过LLM。 - 大约有10亿到20亿人（约20%）是免费版ChatGPT类产品的随意且不频繁的使用者。这群人看到的是笨拙的聊天机器人，把它当作一个更好用的谷歌搜索、写作辅助工具之类的东西。也许会有agent尝试帮你订机票。我有一些非技术圈的朋友（在我看来挺合理）说他们根本用不太上这东西。即使许多数学和编程领域之外…
你好恶心！你这纯粹的有罪推论，你凭什么一口咬定我就没有完善的 Code Review 和测试流程？还他妈说「这不代表软件不能被批评」，操你妈了个逼的，你有什么权利不分青红皂白上来就来批评我？看着你挂着 memoh 的官方认证，真的想说你很为 memoh 丢人，操你妈的 [引用 @ThirteenYizuka]: @yetone 你花多少钱订阅模型、让 AI 24 小时写代码，和你有没有认真把控软件质量有什么必然联系？ 恰恰相反，AI 生成代码的速度越快，越需要完善的 Code Review、测试和发布流程。 而且…
用于构建线框设计和交互式原型机器的Anatomy技能，现在已正式成为Hermes Agent中集成的一个可选技能 你可以在技能目录的可选内置技能中找到它，或用以下命令安装： hermes skills install official/creative/anatomy 全部功劳归于 @wheresryan22！ [引用 @wheresryan22]: 隆重推出Anatomy 用一句话描述一台机器。Claude将它变为现实。 - 可旋转、检查和探索的交互式等距线框 - 用于火焰、水、等离子体等的WebGL着色器 -…
你们对 Hark 有什么功能需求？ 把反馈发邮件给我：brett@hark.com
经历或者研究过海啸的人，一般都了解一些基本的微妙的信号，可以警告他提前逃命。比如说潮水如果突然往下迅速退却几十米 （不是每次都发生），露出很多海底生物 ；或者听到类似喷气式飞机飞过或者火车经过的巨大声响 。而且有些海啸是分阶段的，后面几波的高度往往远高于第一波。但很多没有经验的人见到第一波潮水不高，不仅没跑，反而觉得无非如此，继续流连忘返，驻足街头玩耍 （比如 2004年袭击泰国普吉岛的海啸）。 类似的，一些庞氏融资结构的泡沫，即将破灭之前会有很多预警的信号：比如一些提供贷款融资的银行，手上的贷款市价遭遇巨大损失…
我很高兴AI终结了LeetCode面试。 谷歌在大约20年前推广了LeetCode式编程面试。如今，连一个10亿参数的LLM都能一次性做对所有LeetCode困难题。 我几年前就不再使用LeetCode面试了。现在我测试的是候选人使用AI的能力。 [引用 @NaphadShreyas]: 告别LeetCode？谷歌刚刚更新了它的面试流程。AI现在成了其中一部分。 他们引入了一个叫做Code Comprehension的新环节。 这个环节的思路是把候选人放进一个200到500行的代码库中，并允许使用Gemini。…
A.I. 日报