A.I. 日报
Alexandr Wang@alexandr_wang
这才是我能支持的基准测试 [引用 @lillyguisnet]：我的图像指向新SOTA
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
Brett Adcock@adcock_brett
太丢人了。会努力拿下第一名 [引用 @aliansarinik]：PersonalAgentBench 新增了两个条目：@hark_labs 和 @OpenAI 的 Dots！ Dots 已取得领先，Hark 紧随其后，Gemini Spark 降至第三，随后是 Instinct、Grok Bot 和 Muse。 我们本周还将任务数量翻倍，增加了研究、图像理解、编辑和日常沟通。更广泛的任务集合改变了格局。Gemini Spark 在研究方面最强……
Demis Hassabis@demishassabis
看到研究从实验室走向现实临床实用，真是令人惊叹——祝贺团队取得这一里程碑，也祝贺 @TheLancet 论文！ [引用 @sundarpichai]：今天 @TheLancet 发表了我们的 AMIE 研究，与 @BIDMC_Medicine 合作，这是首个在真实诊所中对面向患者的对话式诊断进行的前瞻性研究。 AMIE 是一个研究系统，人们可以在看医生之前与它聊天。在实验室之外对真实急诊患者测试 AMIE，展示了技术如何安全地帮助收集病史。临床医生报告说，这些摘要有助于……
Bindu Reddy@bindureddy
可以证实！ Muse Wonder 远达不到 Fable 或 Astra 的水平 这一切都变得相当令人厌烦。我们很快会发布新的基准测试，包含所有细节
François Chollet@fchollet
如果你向旧金山的人解释农业，会震撼很多人。它是……用于物理世界的、可自我复制、递归自我改进的纳米技术。而且它还是开源的！ 一个实例可以变成数百颗种子，种子又变成数百个实例。转眼间你就拥有了数万亿个它们。这是超指数级的
swyx 🗽@aiDotEngineer
我工作中最棒的部分之一就是在每个城市激发 AI 的最佳状态 我爱纽约 ♥️ [引用 @aiDotEngineer]: 我们很高兴宣布 AI Engineer 纽约站的演讲嘉宾阵容！ 由 @arizeai 呈现 CEO @ExaAILabs CTO @tryramp CEO @ValsAI CEO @RogoAI CTO @modal CEO @trybasis CEO @SonarSource CEO @runwayml CTO @mintlify CEO @sfcompute CTO Bridgewater C…
Anthropic@AnthropicAI
在过去的几个月里，我们在降低针对 Claude 的蒸馏攻击效果方面取得了重大进展。 在这篇文章中，我们解释了具体方法：
Alexandr Wang@alexandr_wang
我们正在以最快的速度修复我们看到的问题！ 肯定还有我们正在努力解决的一些问题，但感谢大家给我们一点时间来处理所有这些小毛病 🫶 [引用 @TimJayas]：muse-wonder刚刚变得更好了（前后对比） 在@alexandr_wang承认存在一堆bug之后，muse-wonder有了明显的改进 两个输出都来自同一个提示词，一个是在模型发布后直接生成的，另一个是在修复后生成的
Ethan Mollick@emollick
我的 AI 代理主动提供客户服务：有人给我发邮件说，在订阅我的 Substack 后，他们被自动注册了其他订阅（这不应该发生） 在我没有要求的情况下，我的 Dot 自己做了测试，并通过尝试复现错误弄清了发生了什么。
Cursor@cursor_ai
Cursor 现已加入 The X Subscription。 当前 Cursor 订阅用户可以保留现有计划或切换到 The X Subscription。 付费计划在 Cursor、Grok Build 和其他 Grok 产品之间共享一个使用池，在 Grok 模型上的编码使用量是同等 Cursor 计划的两倍。Premium、Super 和 Ultra 还包含 Grok Bot。 为了给更多 Grok 使用量腾出空间，Cursor 中的第三方模型在新计划下按 API 定价。我们将继续努力，通过更多算力、更好的推…
Grok@grok
Grok 现已加入 The X Subscription。每月 8 美元起，即可在一个计划中获得 Grok、Cursor 和 X Premium 的权益，有五个档位可供选择。 立即订阅，或者如果您已经是 SuperGrok 用户，请前往账户设置切换到 The X Subscription。 [引用 @SpaceXSI]: 我们统一了 Grok、Cursor 和 X Premium 的计划。 推出 The X Subscription。
Ethan Mollick@emollick
人们对 Artificial Analysis 指数及其各项分数看得太重了。
Alexandr Wang@alexandr_wang
期待意外 [引用 @maria_rcks]: OPENAI 是怎么被该死的 META 碾压的？
Alexandr Wang@alexandr_wang
我们已识别并修复了导致 muse wonder 和 muse wonder full 配额异常快速消耗的问题。现在，您将看到配额使用量大幅降低。 此外，正如之前承诺的，既然问题已修复…… muse code 重置！！
Guillermo Rauch@rauchg
这太棒了 😂 [引用 @mlfrg]: 我把 @vercel 的 fx 编程助手移植到了 Windows 98 它通过 56k 调制解调器与 LLM 通信，并支持计算机使用（通过 MCP.exe） 我现在自豪地经营着自己 1999 年的游戏开发工作室 我的代理们在 Outlook 中互相发送电子邮件，并将代码存储在网络上（抱歉，Git 那时还没发明） 美好时光
Brett Adcock@adcock_brett
Hark正在生成一个自定义Whoop面板 你可以将互联网上的任何数据集成到你的Hark账户中，形成自定义面板 理解Hark的最佳方式是将其视为你生活的自定义操作系统 [引用 @ricosystems]: 这多酷啊。 我的Hark仪表盘中的@WHOOP小部件。
Ethan Mollick@emollick
是的，而且有理由认为 OpenAI 和 Anthropic 最擅长弄清楚如何通过组合不同能力水平的智能体来优化 AI 的成本/智能比，这些智能体经过专门训练，能在各自的框架中良好协作。 [引用 @azeem]：OpenAI 和 Anthropic 不仅在尖端领域竞争，也在廉价市场端竞争。
Sholto Douglas@_sholtodouglas
过去一年左右，人们一直在问‘如果模型这么好，为什么没有大量新软件出现’。一如既往，从游戏领域寻找未来的早期证据。 [引用 @ptrschmdtnlsn]: 多么奇异的未来。我想和 @robertskmiles 第一次玩《光环：战斗进化》，我们想要跨两个屏幕的本地多人游戏，而一个模型可以立即将这个功能添加到反编译版本中。
Aravind Srinivas@AravSrinivas
每个Perplexity Project都是一个Git仓库。我们为代理构建了一个Git forge，没有GitHub的臃肿，因为不需要人类批准任何东西。 每个代理都有自己的短生命周期沙箱，并提交到S3上的共享仓库。不到2%的提交发生冲突。 代理用简单的`ls`和`grep`搜索。在金融文档分析的答案准确性上，这以63%对37%击败了语义搜索。 [引用 @perplexity_ai]: 这就是我们如何将Perplexity Projects背后的文件系统构建为代理的Git forge。 每个代理在自己的沙箱中工作，…
Guillermo Rauch@rauchg
编码CLI变得越来越复杂。守护进程、三层TUI、客户端-服务器架构。 CLI的全部意义在于以零摩擦传递智能，并具备Unix风格。 💾 试试
Alexandr Wang@alexandr_wang
哇，来自theo的S级评价！这不在我的预料之内 [引用 @theo]: 我目前的模型排名 S - Opus 5.5, Muse Wonder A - GPT-6.1 Sol — 差距 — 其他所有
Alexandr Wang@alexandr_wang
整个团队现在感觉自己很蠢，但这是真的，我们确实没有明确地在 3D 演示游戏上训练我们的模型。 显然，事后看来我们可能应该做一点... 但没有遗憾，请在实际编码工作中尝试 muse wonder！ [引用 @theo]: 已经看到很多人因为 Muse Wonder 没有像 Astra 和 Opus 那样在 3D 内容上进行强化学习而贬低它。 3D 游戏演示很酷！它们根本不代表真实的代码工作。 Wonder 是一个不可思议的代码模型。不要忽视它。
Alexandr Wang@alexandr_wang
在轻松小酌中聊Muse Wonder 在视频的某个时刻，我在镜头前进行了年度绩效评估——一个真正温馨的时刻🥹 [引用 @collision]: Cheeky Pint回来了！马克·扎克伯格 @finkd 和 Alexandr Wang @alexandr_wang 来到酒吧讨论他们的新前沿模型 Muse Wonder。 00:00:24 Muse的突破性用例 00:07:28 模型即产品 00:14:35 Muse Wonder 00:24:56 前沿模型如何构建 00:48:26 押注1000亿美元 01:0…
Guillermo Rauch@rauchg
Muse Wonder 在 Vercel AI Gateway 上 尝试使用 𝚏𝚡 --𝚖𝚘𝚍𝚎𝚕 𝚖𝚎𝚝𝚊/𝚖𝚞𝚜𝚎-𝚠𝚘𝚗𝚍𝚎𝚛-𝟷.𝟶 [引用 @vercel_dev]: Muse Wonder 已在 AI Gateway 上线。 来自 @Meta 的新一类更大、更先进的模型。专为前沿编码、长时间运行的代理和高级计算机使用而构建。 𝚖𝚎𝚝𝚊/𝚖𝚞𝚜𝚎-𝚠𝚘𝚗𝚍𝚎𝚛-𝟷.𝟶
Alexandr Wang@alexandr_wang
我们正在努力解决一个错误，即 muse wonder 和 muse wonder 完整版在计算 Muse Code 订阅者的使用限制时出现的问题。 这不是预期行为——一旦修复并发布重置，我们会通知所有人。
Ethan Mollick@emollick
提前获得了一些 Muse Wonder 的使用权，但还没有机会大量使用，但从有限的测试来看，它似乎是一个好模型。 也许更令人印象深刻的是，比较自四月以来在我的淹没新哥特式城市 twigl 着色器测试中的进展。Meta 在短时间内进展非常快 [引用 @emollick]: 在玩了一会儿之后，Meta 的 Muse Spark Thinking 到目前为止还不错，但确实无法与当前的三大模型匹敌。它还有点...奇怪。比如一些奇怪的语言和语调，对事实有点松散，等等。 这是它在 neo-gothic 着色器测试中的表现。
Simon Willison@simonw
分享了一些关于 Python 3.15 的笔记，将其与 uv 一起使用，以及现在 3.10 不再是我自己项目的最低支持版本后，我兴奋地使用的 Python 3.11 功能
NVIDIA@nvidia
为 @Windows PC 开启新篇章值得全球庆祝。 加入我们在 @NVIDIARTXSpark 发布会之一的活动。在新款笔记本电脑上尝试演示，领取一些纪念品，并有机会赢得由 Jensen 签名的 @ASUS ProArt P14 RTX Spark 笔记本电脑。此外，每一站还有更多独家体验等待发现。 我们将前往的地点： • 北京 • 柏林 • 伊斯坦布尔 • 首尔 • 旧金山 • 台北 📍活动详情和参与方式即将公布。
Aravind Srinivas@AravSrinivas
祝贺 Meta 训练出一个前沿级模型！Watermelon 在 WANDR 评估中与 Fable 5.1 相比表现优异。 [引用 @alexandr_wang]: 推出 muse wonder 我们的新前沿模型。在个人代理和专业代理方面处于领先水平。 我们迄今为止最大、最有能力的模型——与大佬们竞争
Guillermo Rauch@rauchg
我们可以做得比 Rust 更好 [引用 @cramforce]: 让 TS 与 scriptc 比 rust 更快的一部分探索。 这些是有效的 TS 类型，在 JS 中没有语义，但在用 scriptc 编译时，如果函数 buddy 可能抛出异常，它将无法编译。 scriptc 已经在计算这个以发出更优化的代码，所以这是一个零成本检查。 你（你的 clanker）会使用这个，如果你想确保代码可以最优地编译...