Google DeepMind@GoogleDeepMind
Gemini 4 Hydrogen 把 Google Sheets 变成了一块像素艺术画布。 使用 @Antigravity,该模型缩小了数千个单元格来创作动画场景。
仅显示 2026年11月17日 周二 的内容 · 查看全部日期 →
Gemini 4 Hydrogen 把 Google Sheets 变成了一块像素艺术画布。 使用 @Antigravity,该模型缩小了数千个单元格来创作动画场景。
随着 Meta 的最新模型登陆 Foundry,我们为开发者和企业提供了更多选择和灵活性! [引用 @finkd]:Muse Wonder、Muse Spark 1.3 和 Muse Ember 即将登陆 @Azure 上的 Microsoft Foundry。
不得不说,Jensen 一直是 Nous Research、我们在开源方面的努力以及 Hermes Agent 的鼎力支持者,从我们第一次见面起就是如此,整个 Nvidia 也是如此。 总的来说,我认为 Nvidia 一直是最大、也是少数几家真正支持开源 AI 的大公司之一。我希望这一切能有一个好的结果,并祝愿他和整个 Nvidia 一切顺利! ♥️ [引用 @JensenHuang]:过去一周,我被朋友、业界同行以及素未谋面的人们的关爱和支持深深打动。感谢每一位对我家人和我表达善意的人,这对我意义重大。 53…
🚨 MUSE 功能提醒 🚨 语音功能现已在 Apple Watch 和 Android WearOS 上线。随时和 muse 对话。
Replit Missions 可以启动一群代理,复制任何复杂度的任何类型软件。 [引用 @Replit]:领先的可观测性平台仅为了监控你的应用并发现问题就要价每年 83,700 美元。 于是 Replit Missions 构建了 DataCat: 100% 免费。 这不是原型。代理集群在该领先可观测性平台中探索了数千个工作流,并 1:1 重建了它的功能。
隆重推出 Qwen3.8-27B-pi-adapted 🤗 我们使用强化学习和 LoRA 适配器,专门为 pi 编码代理适配了 Qwen 的模型。 以 pass@1 衡量的结果: 🚀 SWE-bench Pro(Hard 51):29.4% → 62.7% 💻 Terminal-Bench 2.1:39.5% → 55.8% ⚡ 每个任务的工具调用次数减少 55–62% 这就是开放模型的力量:你可以将它们适配到你的工具和你的用例。让我们一起构建吧!💛 开放权重: 方法说明:
哈。当我让 Astra 6.2 用任意它喜欢的设定制作一个解谜间谍游戏时,它把游戏设定在“Bellwether Station”。我觉得这个选择很奇怪,但没意识到这是一种多深层的模式。对模型来说真是个奇怪的吸引子。 [引用 @theo]:我本来想把这个留到视频里,但现在先剧透吧。 Ben 和我在早期测试中都使用 6.2 Astra 制作了游戏的新关卡。他做了《塞尔达传说:梅祖拉的假面》,我做了《星际拓荒》。 我们都是自己写的提示词,但大意是“为[游戏]制作一个有创意的新关卡” 我们都得到了带有音乐主题的水关卡,尤…
用一个可能易于理解的方式说明 Astra 6.2 的强大和问题:我让它用 Blender 和 Unity 制作一个游戏,你要扮演一艘海岸警卫队巡逻艇的驾驶员,穿越回独立战争时期阻止英国入侵纽约。 它做出了令人惊叹的 3D 模型和一个能正常运行、没有错误的游戏——甚至很好玩!但 Astra 迷上了一些不太合理的随机想法,并在没有询问的情况下把它们做了出来,同时还遵循了我的指令:你可以放置假浮标把敌舰引向错误方向(英国人能看懂现代浮标吗?),或者你可以通过和英国舰船对话来说服它们走错方向,或者你会花时间营救港口其他区…
@sarahdingwang 就 AI 加速研究、研究品味等话题采访了我。也很高兴听到 @markchen90 的回答(我们是分别接受采访的)。感谢邀请我! [引用 @a16z]:几十年来,让 AI 自我改进只是一个思想实验。今天,AI 已经在帮助前沿实验室的研究人员运行实验、编写代码和更快地测试想法。那么,距离 AI 能独立开展研究还有多远? 在《Working Theory》第一期节目中,a16z 普通合伙人 Sarah Wang 与两位领先的 AI 研究者探讨递归自我改进:Mark Chen……
用 @eve是首个让构建和部署生产级智能体变得像使用智能体一样简单的技术。 每周240万次下载,eve在142天内做到了Next.js花5年才做到的事……eve开启新时代 😊 [引用 @vercel]: 推出eve 1.0 构建生产级智能体。
像我和其他早期测试者对GPT 6.2 Astra的评测,很好地证明了"氛围基准(vibe benchmarks)"在数字基准之外仍有持续价值。我们缺乏对个性、毅力、创造力、写作清晰度或品味的好衡量方法。但这些都很重要 [引用 @EpochAIResearch]: GPT-6.2 Astra在Epoch能力指数(ECI)上得分为174,与Fable 5.2持平,并与之一起超过了Astra发布前推理模型的趋势预测值。 这是基于我们在发布前仅使用自家基准所做的测试。ECI会随着更多基准结果的可用而持续更新,因此这些数值…
过去四年里,我有幸与Jensen建立了合作关系。他无可争议地是我们这个时代最伟大的运营者之一。让他回来吧! [引用 @JensenHuang]: 过去一周,朋友、业界同僚以及素未谋面的人给予我的关爱和支持让我无比感动。感谢每一位对我和我的家人展现善意的人。这对我意义重大。 53年前我来到美国,成为美国公民是我一生中最大的礼物和最自豪的时刻之一。NVIDIA是我毕生的事业。建设它……
🚨 MUSE发布提醒 🚨 你好,澳大利亚!!muse刚刚抵达南半球🇦🇺 一定要让它远离那些野生小动物哦
哇!Jensen刚刚把他的案子诉诸舆论法庭,直接在X上发了个帖子 说他很抱歉,想回来当CEO 董事会现在面临巨大压力,将别无选择只能屈服。🍿 买入NVDA
🚀 OpenAI 刚刚发布了 Astra 和 Sol 6.2 非常高兴看到它生机勃勃地运行 Astra 将价格降至每百万 40 美元,并且比 Fable 更易于使用 评测即将推出
GPT-6.2 Astra非常出色。每月20美元,你现在就能用上一个在某些领域超越顶尖人类智能的模型。 我最期待看到人们能用它做出什么科学发现。 [引用 @OpenAI]: GPT-6.2 Astra——一个为你最困难的项目打造的前沿模型。它在专业工作和科学研究的评测中创下新高,每项任务成本不到GPT‑6 Astra的三分之一。 你会在幻灯片、网站和3D设计等方面看到差别。
欢迎Hermes最新的认证合作伙伴插件:Adaption AI 你的智能体现在可以借助他们的工具训练新模型、处理数据等。 来看看: [引用 @adaption_ai]: Adaption现在成为@NousResearch旗下Hermes Agent的插件 🎉 开源开发者可以直接在自己的智能体内训练自定义模型。生成和准备数据。使用AutoScientist进行微调。 更好的智能始于你的智能体已经运行的地方。
LLM最近变得更加自主,但当你给它们一个目标时,它们常常误解你,漫无目的地工作,浪费你的token。 今天,我们推出Missions——全球首个智能体集群工具(agentic swarm harness),能在设定预算内完成你交给它的任何目标。 今天就试试类似"帮我找到前10个客户"这样的任务:
GPT 6.2刚发布,他们展示的是GPT 6.0在Blender里的效果(左图),但当GPT 6 Astra发布时,他们展示的是它在Blender里能做到的效果(右图)。 什么……?他们要么是在随着时间推移大幅削弱GPT 6,要么是真的在做一些奇怪的营销操作……
所以GPT-6.2 Astra在编程方面相比GPT-6 Astra毫无进步? 而GPT-6.2 Sol在编程方面实际上比GPT-6.1 Sol还差? 这怎么可能……
GPT-6.2 Astra & Sol 来了! 在专业工作和科学研究方面表现出色,每任务成本大幅降低。 [引用 @OpenAI]: 有些人非常礼貌地询问。有些人只是直接问。 GPT-6.2 Astra 和 Sol 现已可用。 超级高效,专为在关键领域——现实世界中——发挥作用而构建。
GPT-6.2 Astra在Agents' Last Exam 1.1上以5.5分的优势击败Claude Fable 5.2,而成本仅为其5%。 提升每一美元的智能!
我对@nextjs的第一次提交是一个规范。当时我称之为README驱动开发。 在你写̶代̶码̶ 生成代码之前,定义你想要什么。 提示、规范、退出标准、期望结果。自主循环。
devin bots是正确做法的多智能体团队: - 始终在线、主动(但为ROI调优) - 对结果负责而非任务(但可与他人协作) - 管理子智能体团队(并自我审查) - 无处不在(打电话、发短信、Slack什么的,你好 @interaction) - 通过交互式工件(即devinapps而非长聊天)进行一致汇报(HTML就够了™ @trq212) 这是@walden_yan在AIE上给出的预览。我已经试用了它们一周,得以交接我的AEO、QA、跨平台应用移植、个人行政自动化和视频剪辑工作(同时也从本地智能体工作树的泥…
我最近发布了新版Datasette Lite——这是我用WebAssembly和Pyodide在浏览器中完全运行的Datasette Python Web应用构建版——以下是新内容以及它的工作原理
想象一下,你是英伟达的董事会成员,正在考虑CEO的潜在人选,却要一本正经地声称其他人中的一个会做得更好。 [引用 @JensenHuang]: 过去一周,朋友、业界同僚以及素未谋面的人给予我的关爱和支持让我无比感动。感谢每一位对我和我的家人展现善意的人。这对我意义重大。 53年前我来到美国,成为美国公民是我一生中最大的礼物和最自豪的时刻之一。NVIDIA是我毕生的事业。建设它……
OpenAI Daybreak 用于防御北约及其盟国的网络:
昨天,我透露Perplexity的年化收入突破了10亿美元。我们有强劲的利润率和健康的增长率。我们不常谈论财务状况,因为我们专注于建设。关注我们的研究:
这么快!我们今天的代码已经发完了。 明天请留意更多消息。👀 [引用 @MistralAI]: 为了庆祝Mistral Vibe + Le Chonk成为世界上最好的开源模型-工具组合,我们在欧洲前3个月免费提供Vibe。 (是的,它在编码方面确实比GLM / DeepSeek更好)。 通过🧵中的链接使用代码LECHONK。限时,先到先得。
这可能是一种新的预训练方法趋势的开始:不再有学习率衰减阶段。(在Kolibri中也看到了。) 取而代之的是:恒定学习率 + 对最后N个检查点取平均(或运行权重平均)。 我想这在实际中更容易,因为你不必事先确定总训练长度。 基于那些分享训练细节的人的小型元分析: - 经典余弦:Llama 3, OLMo 2, OLMo 3, GLM-4.5, GLM-5, Kimi K3, Phi-4 - WSD(“预热-稳定-衰减”):DeepSeek V3, DeepSeek V4, DeepSeek V4.1-Flash,…