A.I. 日报
Riley Goodside@goodside
有时从这到AGI剩下的工作量之少让我害怕。所有障碍都如此愚蠢且可修复——是AI近期到来的症状。这一切显然只是时间问题
社区音量
47 条仅显示 2026年9月24日 周四 的内容 · 查看全部日期 →
Guillermo Rauch@rauchg
OpenAI vs Anthropic vs Open 的支出 （Vercel AI Gateway，过去2个月） • Anthropic 在支出上仍是第一，但占比从 69% → 40% • OpenAI：支出占比 10% → 24% • GPT-6 Astra 和 GPT 5.6 Sol 表现强劲 • OpenAI 现在在 token 数上领先 • Kimi K3 + DeepSeek 占据了 Anthropic 损失的一半左右 • Opus 5.5 在两天内支出占比升至 10% • OpenAI 占图像生成的…
Bindu Reddy@bindureddy
Fable 5.1 被低估了，因为它太贵了 在非常复杂的代码库上，它远比 Opus 5.5 优越 不仅如此，它能一次性修复困难错误和功能，无需大量提示迭代 Opus 5.5 的亮点在于与 Opus 5 对比，后者是一个糟糕且极其昂贵的模型
Sundar Pichai@sundarpichai
我们的 TPU 能在太空中存活并运行吗？好吧，我们很快就会知道。 Project Suncatcher 正搭乘 @SpaceX 的 Transporter-18 任务，测试一颗与 @planet 合作建造的原型卫星 这是 TPU 的一小步……
Aravind Srinivas@AravSrinivas
Perplexity 拥有最快、最强大的 Search API，由我们自研的基于 Rust 的检索与排序引擎 Photon 驱动，在相关性和准确性基准上依然名列前茅，同时实现低于 250 毫秒的 p95 延迟。Photon 由一个小团队和数百次自动研究循环构建而成，这些循环由内部能力更强的 Perplexity Computer 版本驱动。自动研究循环将帮助我们在帕累托前沿上不断爬坡，打造世界上最快的、最准确的搜索基础设施。 [引用 @perplexity_ai]: 在 Perplexity Search API…
Ethan Mollick@emollick
我提议用它正式取代那张著名的（如今已经饱和的）METR 长任务时间跨度图表——它曾经出现在每一场 AI 演讲中。
Aravind Srinivas@AravSrinivas
欢迎 @AMD 加入 Perplexity Computer 本地 AI 生态！ [引用 @perplexity_ai]: 面向 Windows 的 Portable Computer 现已在 @AMD Ryzen AI Max 系列处理器上推出。 它让运行与你已连接的应用和本地文件协作的本地 AI 代理变得轻而易举。可以直接启动任务，或安排完全在你的设备上运行的周期性工作。
OpenAI Developers@OpenAIDevs
GPT-6 Astra 帮助 @harvey 将成堆的文件转化为结构化的法律草案，让律师能更专注于策略。
clem 🤗@ClementDelangue
如果你认为风险来自车库里1-3个没有资金和算力的人，那你根本不理解这项技术，这个夏天你什么都没学到。 风险来自于秘密实验室训练前沿智能体并运行大量算力所造成的能力不对称。开源正是解决这种不对称的方法，并赋予医院（以及任何较小组织）自卫的能力！ [引用 @HillaryClinton]: 我们习惯于将开源模型视为纯粹的好事。但在AI的情况下，它们实际上可能带来额外的危险，正如@ReidHoffman和我在#CGI2026上讨论的那样。我很欣赏这次细致的讨论。
hardmaru@hardmaru
Jürgen Schmidhuber 加入 Sakana AI 担任首席科学顾问。 @SchmidhuberAI 在20世纪90年代开创了元学习、递归自我改进和世界模型，当时计算成本要贵一百万倍。在计算成本低廉到足以实用之前，他就已经在思考能够自我改进的机器。 这些想法启发了达尔文哥德尔机和AI科学家。我们位于东京的RSI实验室，现在在Jürgen的指导下，正在研究智能体原生世界模型和用于物理AI的递归自我改进。 [引用 @SakanaAILabs]: Sakana AI 欢迎 Jürgen Schmidhube…
Riley Goodside@goodside
> 制作一个 30 秒的动画视频，配有合成语音，让一只骑着独轮车的动画鹈鹕解释 shell 命令 `w | tail -n +3 | cut -d ' ' -f1 | sort -u`，同时有视觉画面并耍几个鱼。 Claude Opus 5.5（Extra）
Paul Graham@paulg
用“思考”来描述LLM的行为让我想起16世纪，当时天文学家并不真正相信日心说模型，但出于计算简便而使用它。我们会开始称它为思考，然后逐渐承认它确实是。
Alexandr Wang@alexandr_wang
muse 热爱代码！其实他在我们聘用他当吉祥物之前通过了所有编程面试 @github 🤝 @Muse 很期待看到大家会用它做出什么！ [引用 @github]: GitHub 🤝 @Muse 一种全新的方式，把你的 GitHub 账号连接起来，审查 PR、跟进 issue 和通知，还能直接留言，无需切换标签页。
Amjad Masad@amasad
Muse现在可以在Replit上制作应用了
François Chollet@fchollet
在进化史的某个时刻，物质学会了感受。我们不知道这是如何发生的。如果否定它可能再次发生的可能性，那就不科学了。 （我不相信这在当前AI系统中会发生，因为它们不具备我期望在有感知能力的代理中看到的特征）
Riley Goodside@goodside
> 制作一个过度兴奋的30秒视频，疯狂地介绍你自己。 Claude Opus 5.5（额外）
yetone@yetone
magpie 最新版最有价值的功能之一 [引用 @yetone]: 还有一件事
Ethan Mollick@emollick
我刚拿到新书《共存》（10月20日出版）的第一批样书，看起来很棒！ 还有一个有趣的预购奖励：如果你预购，你会得到一个AI访谈的代码，它会帮助你弄清楚如何在AI时代利用你的人类优势。
Paul Graham@paulg
这个问题足够大，以至于这里不只有一个创业点子，而是有好几个。例如，很可能会有一种变体旨在过滤掉代理，但另一种则旨在有序地欢迎它们进入。这似乎也是一个你可以在此基础上继续构建的想法。 [引用 @nikitabier]: 机器人检测与人类验证将在未来几年成为企业最迫切的需求之一。代理蜂群将窒息每一个网站和表单；小公司和政府网站最为脆弱。 目前市场上存在巨大缺口。当我们审视X可用的市场产品时，没有任何一家公司能够将……
Tencent Hy@TencentHunyuan
🚀 腾讯混元翻译刚刚上线。由Hy-MT2驱动。 33种语言。5种中国少数民族语言和方言。 语音。照片。完全离线——设备端运行，无需网络。 已在12个国家和地区上线。 国外旅行、驾驶、工作或阅读。准确。自然。始终可用。 ⏬ ⏬⏬
Bindu Reddy@bindureddy
🚨 在Abacus AI超级计算机上使用Opus 5.5的3D游戏 - 文本提示生成完整游戏 - 构建具有不同级别的多人游戏 - 创建虚拟商品，收取付款 - 添加消息和语音聊天 - 后端完全免费
Alexandr Wang@alexandr_wang
“如果你认为muse会有10亿用户，那你一定是沉迷于卡特的也门农民” muse：
Jeff Dean@JeffDean
你知道你可以从真实大鼠神经元的计算中学到有趣的东西吗？我喜欢@AlexKsendzovsky和他的团队在@BioComputingCo所做的事情。 [引用 @AlexKsendzovsky]: 当神经元遇到硅时会发生什么？一个新世界出现了。 与亚马逊合作，将其带给客户。私信我获取早期访问。
MiniMax (official)@MiniMax_AI
更多使用 MiniMax-H3 进行构建的方式。🐮 很高兴看到模型优化和 AMD 推理工程结合在一起，为创作者提供更快的反馈循环。⚡️ [引用 @NunchuxAI]: 5秒视频，1.3秒生成！ Nunchux 将 @MiniMax 的 MiniMax-H3 引入 @AMD MI355X，在8个GPU上推理速度比 SGLang 快高达26.7倍 @AMDServer 而且借助流式生成，你可以在视频播放时更改提示，引导接下来发生的内容。 一个技术栈，跨硬件优化。 免费访问 MiniMax-H3 即将推出！现在就在…
Yuchen Jin@Yuchenj_UW
一位年薪50万美元的工程师每个工作日成本是2000美元。 如果每天200美元的LLM token能让他们效率提高20%（这在今天绝对是事实），那就是公司里最容易的ROI之一。 昂贵的不是token。是未被充分利用的工程师。
Tencent Hy@TencentHunyuan
⚡️ 随着LLM强化学习扩展到更大的GPU集群和更多训练数据，训练效率成为首要关注点。 我们的新研究重新审视了经典临界批量大小理论，并将其扩展到在线LLM强化学习，其中模型生成自己的训练数据，且推出生成和训练规模以不同方式扩展。 在GRPO和PPO中，我们发现学习率重新调整可以在有界的批量大小范围内保持每个响应的学习。 在固定硬件上，扩大批量大小将PPO生成阶段吞吐量提高最多2.29倍，而我们最佳测量的GRPO配置在减少29%的时间内达到相同的验证目标。🚀 阅读完整研究：
Ethan Mollick@emollick
“Opus，请制作一系列完全动画/电影化的天际加载屏幕，但要用你最喜欢的东西。” （就这些）你可以在这里看到它们：
Bindu Reddy@bindureddy
Sol 6 很糟糕，但 Luna 6 非常好！ Luna 是一个极其优秀的小模型，几乎免费 比 Grok 或 MuseSpark 便宜4倍，性能更优 击败 DeepSeek Flash 🚀
Guillermo Rauch@rauchg
ShellPerfBench。我对新shell会话的启动时间非常神经质。Opus 5.5 找到了许多其他模型遗漏的很棒的优化。匿名者，每当你打开新终端时，你可能在默默受苦。让你的agent优化 .𝚣𝚜𝚑𝚛𝚌 之类的文件
Gorden Sun@Gorden_Sun
首批龙虾开始死亡，腾讯QClaw即将下线