全部 AI 动态 · AI 热点

AITOP

6月26日

15:56

腾讯混元 Tencent Hunyuan@TencentCloud

一位开发者使用简单的文本提示（text prompts）构建了完整的香港主题跳跃游戏，包含视觉和声音。该作品在2026年香港腾讯云日黑客马拉松游戏开发挑战赛中荣获冠军。展示了AI从“不可靠”到如今高效创意生产工具的演变。

技巧 vibe coding 腾讯云香港主题跳跃游戏 AI编程

推荐理由：看看腾讯云黑客松冠军怎么用文本提示就搓出一个香港主题跳跃游戏，视觉和音效全包，效率惊人！

原文

15:55

腾讯混元 Tencent Hunyuan@TencentCloud

6月24日，腾讯云在香港参加大湾区夏季金融科技节2026。腾讯云副总经理Jared Jiang发表演讲，主题为“死软件行尸走肉：AI在金融中杀死什么、幸存什么”。他指出，2026年初的“SaaSpocalypse”导致传统软件股票市值蒸发约2万亿美元，资金正在流向基础设施、专有数据和AI问责领域。活动由香港金融科技协会主办，聚焦跨境合作与行业洞察。

行业 TencentCloud 腾讯云金融科技 SaaSpocalypse FinTech

推荐理由：腾讯云在金融科技节上说了个大实话：传统软件股跌了2万亿美元，钱都跑去AI基础设施和专有数据了。金融圈的人可以看看这个趋势。

原文

15:55

腾讯混元 Tencent Hunyuan@TencentCloud

腾讯云与XLSMART合作，利用AI工具CodeBuddy和WorkBuddy完成大规模云迁移。项目在4.5个月内迁移了1200个微服务、1100个API和超过15TB的核心数据，实现零停机。XLSMART首席信息官Yessie D. Yosetya肯定了协作与可靠性，腾讯云SVP Poshu Yeung表示AI技能已形成可复用的平台。

行业腾讯云 CodeBuddy WorkBuddy XLSMART 云迁移

推荐理由：腾讯云用CodeBuddy和WorkBuddy帮XLSMART4.5个月迁移上千微服务，零停机，比传统方案快多了。

原文

15:54

向阳乔木@vista8

Edgeone Makers 平台预制了 files_*、browser_* 等常用工具，按各框架原生协议封装，可直接挂入 tools 数组使用。持久化由平台底层 Blob 存储统一兜底，无需额外开通 Postgres 服务。底层沙箱按对话生命周期托管，会话内复用、超时回收，并支持自定义工具。每次 LLM 调用、工具调用及会话读写均有 Trace 可查。平台无需申请 API Key，开箱直接调用主流模型，并免费赠送 Token 用于快速验证。

AI产品 Edgeone Makers Blob存储 API Key AI工具托管沙箱

推荐理由：Edgeone Makers 帮你省掉了配工具、搞持久化和申请 API Key 的麻烦，预制工具直接挂，开箱就能用主流模型，还免费送 Token，快试试！

原文

15:42

向阳乔木@vista8

腾讯云EdgeOne发布了「EdgeOne Makers」产品，通过npm install -g edgeone、edgeone makers create --template openai-agents-starter-node等3行命令即可搭建AI Agent开发框架。该工具自动处理上下文、并发和沙箱环境问题，本地启动测试网站后可直接对话查看Agent效果与工具调用细节。线上支持绑定域名和关联GitHub进行持续迭代，目前处于Beta内测阶段，注册可免费领取50万Token。

技巧 EdgeOne EdgeOne Makers 腾讯云智能体部署

推荐理由：腾讯云EdgeOne出了个新工具，3行命令就把AI Agent框架搭好还能直接部署，省去自己搞并发和沙箱的麻烦，还送50万Token试玩。

原文

15:38

berryxia@berryxia

精选

有人用AI做了一个能实时解说世界杯的解说员，支持英语和法语切换。系统实时抓取直播画面帧，让GPT-5.4-mini理解比赛内容并生成解说词，再通过ElevenLabs以体育解说员语气播报。整个过程端到端实时调用，已能跟上比赛节奏。目前主要挑战是延迟和解说精准度，但方向是AI从辅助内容变成实时内容生产者。

AI产品 GPT-5.4-mini ElevenLabs 实时解说语音合成开源项目

推荐理由：开源项目，用GPT-5.4-mini看比赛画面实时生成解说，还能切换法语，挺有意思的。

原文

15:25

Geek@geekbb

AI Berkshire 项目基于 Claude Code 的多 Agent 并行框架，系统化执行巴菲特、芒格、段永平、李录四位大师的价值投资研究方法论。该项目已在 GitHub 开源，用户可通过多个 Agent 同时模拟不同大师的分析逻辑。框架支持从多角度评估投资标的，辅助投资决策。

AI产品 Claude Code 多Agent 价值投资开源项目

推荐理由：这个项目用 Claude Code 同时模拟四位投资大师的思维，帮你从多角度分析公司，很实用的研究工具。

原文

14:58

AI Will@FinanceYF5

MTS联合创始人兼CEO @timourxyz 在采访中指出，当前围绕AI代理的讨论大多集中在单玩家模式，如个人效率提升。他认为更值得关注的是多玩家模式——当你的代理与周围所有人的代理相互交互时会发生什么。他预测未来12-24个月内，每个人都将与一个或多个智能实体协作，届时将有数百万代理代表其人类主体在世界上行动。他强调现在就需要思考这种多代理生态的后果。

行业 MTS JoinEdgeCity AI代理多代理交互

推荐理由：MTS创始人聊了一个被忽略的视角：你的AI代理和别人的AI代理聊起来会怎样？不是工具，是社交网络级别的变化，值得提前想想。

原文

14:57

AI Will@FinanceYF5

现在AI Agent主要停留在单人模式，用于个人提效和管理日程。Edge City联合创始人timour kosters提出新问题：当每个人都有多个Agent并互相交互时会发生什么。他判断未来12-24个月内，多数人会同时拥有多个Agent，单人模式只是起点，多人模式才是真正的变量。

行业 AI Agent Edge City 智能体多人模式未来预测

推荐理由：Edge City的联合创始人聊了个新视角：别只想着自己用Agent干活，想想你的Agent和别人的Agent聊天会怎样？未来一两年这个趋势可能很猛。

原文

14:53

AI Will@FinanceYF5

73°

OpenAI 在其公司内部所有部门推广使用 Codex 作为智能体工具。员工利用 Codex 执行更复杂的任务，这些任务运行时间更长，并涉及跨职能协作。该实践展示了智能体工具如何提升工作效率和团队协作能力。

技巧 OpenAI Codex 智能体编程助手

推荐理由：OpenAI 自己都在用 Codex 干活，说它能让员工做更复杂、跨部门的任务，说明 agent 工具真的有用。

原文

14:52

AI Will@FinanceYF5

88°

应联邦政府审查请求，OpenAI 决定分阶段发布 GPT-5.6，而非一次性开放。这一做法反映了政府希望在模型公开发布前进行安全审查的趋势。OpenAI 尚未公布具体阶段细节和发布时间表。行业内对此分歧明显：部分认为有益于规避风险，另一些则担心延缓创新。

行业 GPT-5.6 OpenAI 联邦政府模型审查行业监管

推荐理由：OpenAI 因为政府要求把 GPT-5.6 拆成几波发，不像以前直接甩出来。想看看监管怎么影响新模型？这条值得看。

原文

14:51

AI Will@FinanceYF5

OpenAI 内部正在全公司部署 agent 工具 Codex，用于处理更复杂、更长周期、跨职能的任务。员工已将其应用于超过 10 个不同部门，包括工程、产品、营销和财务。这些 agent 能够自主编写代码、管理项目进度，并整合多个系统的数据。OpenAI 的实践显示，agent 可将某些多步骤流程的时间从几天缩短到几分钟。

行业 OpenAI Codex agent 智能体

推荐理由：OpenAI 自己用 Codex agent 把跨部门协作的活儿都干了，效率提升几十倍，看看他们怎么用的。

原文

14:24

Lilian Weng@lilianweng

精选74°

Lilian Weng 发布了一篇关于 scaling laws 的博文，详细解释了如何通过缩放定律在数据量和模型尺寸之间做计算最优分配。文章对比了 Kaplan et al.（2020）和 Chinchilla（2022）两篇经典论文的分歧：前者主张模型尺寸随计算量更快增长，后者主张等比例增长。文中还指出数据限制和拟合细节会使外推变得不可靠。

AI模型 Scaling Laws Chinchilla Kaplan et al.计算最优 Lilian Weng

推荐理由：想搞懂 Scaling Laws？Lilian 这篇把 Kaplan vs Chinchilla 的争论讲透了，还有实操建议。

原文

13:57

AI Will@FinanceYF5

Azeem团队自下而上构建了首个去重后的全栈AI支出指标。过去12个月，GenAI经济销售额达1100亿美元。按年化计算，营收规模已超过1750亿美元。该指标覆盖消费者和企业AI支出。

行业 GenAI 消费者AI 企业AI AI经济市场规模

推荐理由：Azeem团队给出了第一个自下而上的GenAI经济规模数据，1100亿销售额、年化1750亿，很具体，值得看。

原文

13:54

AI Will@FinanceYF5

Exponential View发布分析报告指出，AI行业的收入验证强度超过此前所有平台转移。报告认为，当前投资逻辑的核心在于价格下降能否推动足够的token消费量，从而使资本支出获得正回报。该分析对比了历史平台迁移的收入曲线，强调AI需求具有更强的商业支撑。

行业 AI行业投资逻辑收入验证 Token经济资本支出

推荐理由：这份报告分析了AI投资的真实逻辑：收入验证已通过，但回报取决于降价能不能把token量推上去。想看清AI资本开支的方向可以看看。

原文

12:58

Gary Marcus@GaryMarcus

Gary Marcus 在 Financial Times 撰文指出，依赖扩大模型规模无法解决 LLM（大型语言模型）的准确性根本缺陷。他将超大规模投资比作历史上最大的金融失误之一，因为硅芯片折旧快且可能被更高效的模型取代。他还认为 LLM 行业难成科技巨头的垄断格局，更像利润微薄、竞争激烈的航空公司。文章呼吁寻找替代基础架构，而非继续押注超大规模计算。

行业 Gary Marcus Financial Times LLM AI泡沫行业反思

推荐理由：Gary Marcus 在金融时报上警告AI泡沫，说超大规模投资可能是历史最大失误之一，值得一读冷静一下。

原文

12:46

AI Will@FinanceYF5

84°

据The Information报道，美国政府已要求OpenAI在其政府审查期间暂缓发布GPT 5.6模型。OpenAI CEO Sam Altman回应表示这并非公司偏好的长期模式。该事件可能影响GPT 5.6的上市时间表，并引发对AI模型安全审查流程的讨论。

行业 OpenAI GPT 5.6 AI安全监管

推荐理由：美国政府直接要求OpenAI推迟GPT 5.6发布，Sam Altman也表态了，这事关AI监管风向。

原文

12:34

berryxia@berryxia

阿里通义实验室新视频指出，具身智能的核心难点在于物理世界的不确定性。机器人面临传感器噪声、执行延迟、环境变化等挑战，简单抓取动作可能因光线、摩擦差异失败。相比之下，语言和代码世界的scaling law仍在快速进步。

行业通义实验室具身智能机器人物理世界

推荐理由：想看AI在真实世界碰壁？阿里通义实验室这个视频讲透了机器人拿鸡蛋为啥那么难。

原文

12:33

Cohere@cohere

Cohere CEO Aidan Gomez 在推文中强调，使用 Cohere 服务时不存在分阶段发布或突然禁用的情况。他表示客户拥有完全控制权，Cohere 无法查看或关闭客户的模型。这体现了 Cohere 在企业 AI 信任与安全方面的差异化策略。

行业 Cohere 企业AI AI安全信任与控制

推荐理由：Cohere CEO 亲口说客户完全控场，不能偷看也不能关停，想要企业级安全 AI 的可以看看。

原文

11:57

歸藏(guizang.ai)@op7418

OpenAI模型需经美国政府逐一审核B端客户后方可上线。Anthropic指控中国公司蒸馏其模型。GLM 5.2等事件显示模型发布已类同军民两用战略资产。发布节奏将放缓，准入门槛提高。美国模型公司护城河转向安全合规交付能力。

行业 OpenAI Anthropic GLM 5.2 美国政府模型监管

推荐理由：AI模型发布现在要过美国政府审核了，OpenAI和Anthropic的后续动向都会受影响，国内开源模型可能借机上位。

原文

11:56

berryxia@berryxia

精选

Anthropic发布Claude Tag，这是一个运行在Claude Code之上的多玩家Agent。它具备持续记忆和独立身份，能主动推进任务。与单用户Agent不同，Claude Tag支持多人在同一Agent上协作。它被定位为从工具进化为团队成员的角色。

AI产品 Claude Tag Anthropic Claude Code 智能体

推荐理由：Anthropic做了个新Agent Claude Tag，能记住上下文，像朋友一样主动帮忙干活，多个队友还能一起用。

原文

11:54

Gary Marcus@GaryMarcus

Gary Marcus 分享《金融时报》文章，质疑扩展计算规模能否解决 AI 的根本准确性难题。文章指出，尽管算力投入持续增加，但大模型在事实核查和推理任务上仍频繁出错。Marcus 认为依赖更大规模数据与参数并非提升可靠性的出路。该观点挑战了当前主流的大规模训练范式。

行业 Gary Marcus 计算量准确性行业讨论

推荐理由：FT的分析文章，Gary Marcus 转评，核心观点很明确：堆算力解决不了AI的准确率问题，值得看看他为什么这么讲。

原文

11:54

Gary Marcus@GaryMarcus

Gary Marcus在FinancialTimes发文指出，即使AI泡沫破裂，新基础设施可能不会像19世纪铁路那样保留价值，因为芯片折旧快，更好的芯片总会问世。他提到LLM可能被更高效模型取代，减少对大量昂贵AI芯片的依赖。Marcus认为LLM不太可能复制当前科技巨头的近乎垄断地位，更可能像航空公司一样受制于低利润、激烈竞争和高硬件依赖。

行业 GaryMarcus AI泡沫 LLM 硬件贬值行业分析

推荐理由：别被AI乐观派忽悠了，Gary Marcus用铁路和航空的类比讲清了泡沫破裂后硬件可能迅速贬值的现实，值得一看。

原文

11:29

AI Will@FinanceYF5

Anthropic和OpenAI Foundation宣布共同参与一项5亿美元的AI就业转型计划。该计划旨在为因AI技术可能失业的白领工人提供技能培训和再就业支持。此举显示AI公司开始重视技术变革的社会缓冲需求。

行业 Anthropic OpenAI Foundation AI就业转型白领岗位

推荐理由：Anthropic和OpenAI砸5亿美元帮被AI替代的人转行，这格局够大。

原文

11:26

andrew chen@andrewchen

博主Andrew Chen在X上对比2002年“Google it”、2015年“Uber over”到2026年可能的“GPT it”或“Claude it”，指出AI尚未形成通用的动词化品牌。该帖获得157条评论、2次转发和86个赞。讨论聚焦于GPT和Claude两大模型为何未能像Uber或Google那样成为日常行为代名词。

行业动词化品牌化行业趋势 GPT Claude

推荐理由：Andrew Chen发现一个有趣现象：Google和Uber都成了动词，但GPT和Claude还没有。聊聊为什么AI品牌还没渗透到日常用语里。

原文

11:21

shao__meng@shao__meng

91°

据消息，特朗普政府以安全担忧为由，要求 OpenAI 对即将推出的 GPT-5.6 采取分阶段发布策略。OpenAI CEO Sam Altman 在周四向员工表示，政府将逐个客户审批访问权限，这是一种限制性很强的做法。此前 Anthropic 的 Claude Mythos 模型也采用类似有限预览方式，而 Claude Fable 5 则被要求下线且尚未恢复。这一监管干预可能影响 GPT-5.6 的发布时间和范围。

行业 GPT-5.6 OpenAI Anthropic 特朗普政府 AI安全

推荐理由：特朗普政府直接干预 OpenAI 新模型发布，要求逐个审批客户，和以前不一样，想了解大模型监管走向的可以看看。

原文

11:20

shao__meng@shao__meng

精选72°

OpenAI 官方博客数据显示，其内部员工使用 Codex Agent 的 output token 占比从 2025 年 8 月不足 10% 飙升至 2026 年 6 月的 99.8%。约 24% 的 Codex 请求对应人类需 1 小时以上工作，内部重度用户 P99 单日可并行运行 60+ 小时 agent。非开发者用户自 2025 年 8 月以来增长 137 倍。法务、财务部门超 85% 的 output token 已来自 Codex，非技术人员产出的工作中超过 1/4 是工程/编码类。

行业 Codex OpenAI Agent 智能体企业AI应用

推荐理由：OpenAI 自家员工几乎全用 Codex 干活了，律师、财务也一样。看看他们的内部数据，就知道未来工作方式怎么变。

原文

11:19

shao__meng@shao__meng

精选

v0 推出 Design Systems 2.0，该功能可让 v0 一次性学习你的设计系统（组件、tokens、约定），此后所有对话均使用真实组件库生成应用，无需重复描述或贴文档。它通过一个“适配器” skill 存储，指向真实源代码仓库（如 GitHub），声明可安全使用的组件/props/tokens，并告知接入方式（providers、全局样式等）。导入工作流包含5个步骤：收集来源（设计系统包、源码、Storybook 等）、配置环境变量、补充备注、自动生成 v0.json、审查启动应用。v0.json 仅含机器可复用部分，包括 referenceWorkspace.sources（最多3个只读源）、environment.providers、starter。更新 skill 不会自动迁移旧项目，需显式重写。

AI产品 v0 Design Systems 2.0 GitHub 设计系统编程助手

推荐理由：v0 出了一招：把你的设计系统注册成一个 skill，之后每次生成 app 都用真组件，不用反复描述样式，省大事了。

原文

11:01

AI Will@FinanceYF5

精选

Jayden Teoh提出Next-Latent Prediction（NextLat），一种自监督学习方法。该方法教Transformer预测下一个隐状态而非直接预测token。NextLat使模型形成紧凑的世界模型，在推理和规划任务上表现更好。通过自speculative decoding，推理速度最高提升3.3倍。

AI模型 NextLat Transformer 推理模型自监督学习加速推理

推荐理由：Transformer预测隐状态而不是token能加速3.3倍，还能形成世界模型。Jayden Teoh的新框架值得看看。

原文

10:45

OpenRouter@OpenRouterAI

精选

OpenRouter 宣布 GLM-5.2 提供商正在优化推理速度。新增 wafter_ai 和 FireworksAI_HQ 两个快速变体。设置模型为 "z-ai/glm-5.2:nitro" 可根据实时流量自动切换到最快提供商。该功能无需手动切换，持续使用最佳性能。

技巧 GLM-5.2 OpenRouter wafer_ai FireworksAI_HQ 推理模型

推荐理由：OpenRouter 出的省心用法：设成 nitro 模式，GLM-5.2 自动走最快的推理服务商，不用自己选。

原文

10:10

NVIDIA AI@NVIDIAAI

精选

NVIDIA与Linux基金会及行业伙伴共同启动Akrites计划，旨在应对AI驱动的开源软件安全威胁。NVIDIA首席安全官David Reber强调透明与开放协作对AI时代安全至关重要。Akrites将建立共享安全事件响应团队（SIRT）和标准化保密披露流程，在漏洞被利用前进行上游修复。该计划特别针对AI可在数分钟内发现软件漏洞的新挑战。

行业 NVIDIA Linux基金会 Akrites AI安全开源安全

推荐理由：NVIDIA和Linux基金会牵头搞了个Akrites，专门对付AI快速找漏洞的问题，还建了共享安全响应团队，挺实在的。

原文

10:02

shao__meng@shao__meng

71°

Snowflake CEO使用103个dbt任务对GLM和Opus进行3轮测试。GLM原始token消耗860M，Opus 439M，差距约2倍。差距源于GLM平均轮次99次（Opus 80次）、工具调用为原子化（Opus批量化）、缓存命中率53%（Opus 96%）。尾部失败案例主导均值：少数任务中GLM陷入400+次调用。归一化到90%缓存率后，GLM成本$1.12/session，Opus $2.14/session，GLM便宜48%。

AI模型 GLM Opus Snowflake 推理模型成本对比

推荐理由：Snowflake CEO用103个真实任务实测GLM和Opus，发现调整缓存后GLM成本不到Opus一半，适合注重预算的团队。

原文

09:56

向阳乔木@vista8

清华大学一个未公开名称的团队在发布会上展示了人形机器人，无需遥控和剧本即可现场自主互动，包括争论、吐槽和抱怨。据多位在场者反馈，Demo效果令人震惊。该机器人能根据现场环境实时发挥，展现了一定的自主决策能力。

行业清华大学人形机器人 AI互动自主决策

推荐理由：清华团队整了个会吐槽的机器人，现场无剧本乱跑，跟人吵嘴，看着挺有趣。

原文

09:54

Gary Marcus@GaryMarcus

Ramez Naam在推文中警告，若前沿AI仅由少数美国公司掌控并受美国政府意志左右，将带来高反乌托邦风险。他认为应促进激烈竞争、开源模型（open weight models）以及不受白宫控制的AI发展。Gary Marcus转发了这一观点，引发对AI权力集中风险的讨论。

行业 Ramez Naam Gary Marcus 前沿AI 开源模型 AI治理

推荐理由：Ramez Naam和Gary Marcus在聊一个严肃话题：前沿AI被少数美国公司垄断，受政府支配，有反乌托邦风险。他们呼吁开源和竞争，值得看看。

原文

09:39

向阳乔木@vista8

一个团队展示了能实时计数乒乓球颠球数的AI系统，并认为Physical AGI需要满足三个必要条件：统一的多模态大脑（非模型拼接）、在同一个大脑中完成任意模态的理解与生成、理解与生成以流式方式持续运行。最关键的一点是该大脑必须完整运行在端侧。团队还提供了更多介绍和演示视频。

AI模型 Physical AGI 多模态端侧模型智能体

推荐理由：看看这个团队对Physical AGI的看法，他们提出了3+1个必要条件，还做了颠球计数的演示，强调端侧运行和统一多模态大脑。

原文

09:27

Latent.Space@latentspacepod

OpenAI首席研究官Mark Chen在播客中讨论了扩展定律和预训练仍具重要性，解释了OpenAI如何选择研究方向和分配算力。他指出当前AI评估存在危机，并警告基准测试过拟合（benchmark-maxing）的问题。Chen还探讨了多模态推理、长期实际任务处理以及端到端AI研究的未来路径。他认为研究人员需要培养“研究品味”以避开无意义的优化。

行业 OpenAI Mark Chen scaling law 评估危机推理模型

推荐理由：OpenAI研究老大亲口聊评估危机和扩展定律，全是干货，没有废话。

原文

09:24

宝玉@dotey

计算机科学家刘江指出，Codex 发展趋势不仅是成为 AI 时代的 Office 套件，更可能进化为 Agent 操作系统。据观察，OpenAI 全员已从 ChatGPT 转向 Codex，涵盖研发、法务、财务和招聘等所有部门。这一迁移表明 Codex 正从单一工具向平台化演进。刘江认为 Codex 有望成为下一代计算环境的基础设施。

行业 Codex OpenAI 智能体 Agent OS Agent Office

推荐理由：刘江结合 OpenAI 全员转向 Codex 的案例，分析为什么 Codex 不只是办公工具，而是未来操作系统雏形。观点犀利，适合关注 AI 基础设施和 Agent 生态的人。

原文

09:03

@koltregaskes@koltregaskes

87°

所有前沿AI模型在发布前必须经过政府评估和批准。OpenAI已同意对GPT-5.6进行分阶段发布，预览期间客户需逐个申请审批。此前外界认为5.6仅限企业使用是因为其性能大幅提升，但目前看来更可能是监管要求。

行业 GPT-5.6 OpenAI 政府监管模型审批

推荐理由：以后发布顶级AI模型得先过政府这关，OpenAI的GPT-5.6就是第一个例子，预览期客户还得一个一个批。

原文

09:01

Gary Marcus@GaryMarcus

Gary Marcus在推特分析Anthropic的Q3表现，提到tokenmaxxing下降。他指出来自中国模型的进步和缺少xAI一次性补贴的影响。他预测Q3业绩将低于Q2。

行业 Anthropic Gary Marcus xAI 行业趋势

推荐理由：Gary Marcus用三个因素预测Anthropic业绩，直接点出行业竞争影响。

原文

08:55

Fireworks AI@FireworksAI_HQ

精选

Fireworks 宣布对 NVIDIA Nemotron 3 的强化学习微调功能上线，首批支持 Nemotron 3 Super 的 LoRA 微调。训练采用 GRPO 算法，可在一处平台完成训练和部署。计费方式改为按 GPU 小时而非按 token，解决了长多轮对话成本不可控的问题。

AI产品 Nemotron 3 Fireworks 微调 RL训练 GRPO

推荐理由：Fireworks 刚上线了 Nemotron 3 的 RL 微调，按 GPU 小时计费不怕长对话烧钱，用 GRPO 训练一条龙搞定。

原文

仅展示最近 2000 条内容。更早的内容请查阅 AI 日报存档（侧边栏 → AI 日报 → 顶部「往期日报」）。