Boston Dynamics 把轮子装到人形机器人 Atlas 上跑强化学习控制器,测试真实执行器和边缘计算的极限。比起纯双足演示,这种花式折腾更能暴露 RL 控制器落地时的实际问题,做机器人控制的开发者可以看看他们的实验细节。
Latest
The non-obvious shift is that machine-checked proofs, not simulations, become the fitness signal, letting the search escape classical hardware limits entirely. Developers building agent pipelines should study the wiki-plus-conference coordination structure, which avoids duplicate work across teams. Readers tracking quantum computing get concrete cost improvements to watch when hardware matures, and teams in formal verification gain evidence that LLMs can target Lean at scale.
自动驾驶公司 Wayve 把模型训练搬上了 CoreWeave 云,还立了个硬规矩:新模型跑不赢线上版本就不能上路。用大模型思路做自动驾驶的公司现在都开始抢算力了,做端到端或机器人方向的朋友可以看看这套训练迭代机制。
levelsio 又晒操作了,这次一条提示词一分钟就修好 Bug。想知道他提示词怎么写的可以点进去看截图,平时被 AI 修 Bug 折腾半天的同学可以对比下自己的写法差在哪。
这条访谈里 Amjad Masad 讲了两件事:他主动关掉增长很快的 Replit Bounties,因为 agent 会取代接单的黑客;银行客户用 25 万美元干完了估价 1000 万美元的活。如果你在企业里管 IT 预算或者卖软件,这两段都得听听。
YC 创始人 Paul Graham 亲口承认自己几十年的手艺快被 AI 覆盖了,Replit 客户还把 1000 万美元的项目压到 25 万美元。对程序员和创业团队都有启发,访谈里 Amjad 讲的 agent 框架演进逻辑也值得听。
lmsysorg 办的 SGLang Summit 定在 11 月 12-13 日旧金山 Fort Mason。议题很实在:讲怎么用智能体自动调 kernel 和 serving 配置。做推理部署、天天跟 vLLM 和 SGLang 打交道的工程师,这个会值得安排。
NaceAI 的 Drex Max 不生成文字,直接吐概率,183ms 完成一次决策,比 Claude Opus 5.5 的 3.5 秒快近 20 倍。做需要大量高频决策的智能体的开发者可以关注,延迟敏感场景里这差距是实打实的。
这周可能一口气看到 Gemini、GPT-6.2 Sol 和 Qwen 4 的更新,节奏比平时密集很多。不过帖子里全是未证实的泄露说法,连截图都没有,建议当瓜吃,等官方公告再下判断。
Google 把两颗 TPU 8i 拼成一套系统,算力和内存带宽直接翻倍,专门伺候超长上下文;另一款 8tx 走机密计算路线。做大规模推理或对数据安全敏感的团队,可以拿它和 Nvidia 的方案比比价格。
有人同时跑 5 个会话干了好几天活,一周额度才用掉三分之一,省 token 这事对重度用户太实在了。如果你天天拿 Claude 写代码或者跑长任务,这篇实测能帮你判断要不要升级,也算给 OpenAI 和 Gemini 的订阅提了个醒。
模型再强,客户端一堆 Bug 也白搭。这位用户直接点名 OpenAI 的 Windows 桌面端问题,还列了 T3 Code 和 Enjoy dot Dev 当备选。如果你也在 Windows 上天天用 ChatGPT,可以看看这几个替代方案。
朋友转发的 Google 内部模型 Krypton 爆料,输出片段看着挺惊艳,作者甚至拿"递归自我改进"来形容。不过全是社媒泄露,没有官方确认,看看图个新鲜就行,别当真消息传。
字节又发新图像模型了,Seedream 系列直接升到 5.5。做设计或做图相关应用的可以留意,等基准成绩和 API 开放情况出来再决定要不要从 Midjourney 换过来。
这其实是条带强烈立场的推文,作者力挺 Huang 并指责中国实验室,但所谓间谍情节没有官方证据,只有单方说法。想看中美芯片博弈怎么延伸到舆论战的朋友可以读,记得保持怀疑。
METR 用数据量了这件事:AI 帮人做研究的速度提升比去年快了一倍,而且主要功劳是 AI 工具不是算力。做研发、关注 AI 对科研影响的人都该看看它的测量方法。
Garry Tan 直接点名苹果 TV 和 Calendar 应用太烂,建议用几个人加一百个代码生成 agent 的小团队重做。这其实是关于 AI 时代工程团队该多大规模的具体争论,做技术管理的和写代码的都值得看看他的说法靠不靠谱。
Sakana AI 这个一直做研究的团队要出手游端应用了,还在招日本本地 Beta 测试员。如果你人在日本,可以去官网报名当第一批用户,抢先看看他们把研究成果做成了什么产品。
一个只有 51.3M 参数、压缩后约 22MB 的视觉模型,在三星 S26 的 NPU 上 74 毫秒跑完全流程,检测、OCR、空间关系、结构化输出一次搞定。做端侧或嵌入式视觉应用的开发者可以直接下载试试。
做3D动画的美术同学可以看看,腾讯光子跟西安交大、清华做的TailorRig,勾选裙子、袖子这些标签就能自动生成骨骼链,还兼容以前的动作库,古风层叠服装的布料乱扯问题能省不少手工活,后续还会开源。
钓鱼佬和独立游戏爱好者都能用上:站点里有大量 3D 鱼模型,还附制作教程,照着教程让 Claude Code 或 Codex 自己生成新鱼种就行,不用自己建模。想练手智能体编程做个小游戏,这个入口很省事。
The interesting move is giving the model agency over its own memory: compression happens only when the model judges old turns are disposable, which reduces the accuracy loss typical of aggressive auto-summarisation. Developers building long-horizon agents or coding assistants that run for weeks on 100K-token models can drop it in as a proxy layer rather than rewriting prompts. The GitHub release makes it directly testable against naive summarisation baselines.
这条只有链接没有正文,我没法替你概括它说了什么。把原文贴过来,我可以按同样标准写出摘要、分类和标签。
The differentiating detail is that MuJoCo exposes physics steps as differentiable gradients, letting researchers plug simulation directly into learning pipelines instead of treating the simulator as a black box. Reinforcement-learning researchers and robotics teams should clone the repo and benchmark it against Isaac Gym or PyBullet on their workloads before committing to a simulator. Teams running browser-based demos or lightweight evaluation can also use the WebAssembly build without a local install.
Grok Bot 恢复免费重置了,原来几点重置还是几点,不用花一分钱就能清上下文开新对话。发帖人还特意对比了 GPT 那边的重置规则,经常用 X 平台机器人聊天的可以试试。
看完才知道内部版 Codex 强在哪:不是模型更聪明,而是能读公司所有内部数据。想给团队搭编程智能体的人,重点该花在打通内部数据源上,这比换模型见效更直接。
Gergely Orosz 直接问了一个很多人好奇的问题:Microsoft 自家的 MAI 模型到底有人在用吗?连便宜的 MAI-Code-1.1-Flash 都没掀起水花。评论区可能有真实用户现身说法,做技术选型的可以看看。
Nvidia 董事会动用外部律师查 CEO 相关情报指控,股价一天跌掉 6.6%,这在英伟达历史上很罕见。做供应链或出海东南亚的团队要盯紧这案子,新加坡数据中心的合规风险可能跟着变。
特朗普要求每个新 AI 数据中心都得自己建电厂,多余电还要回补给老旧电网。这事直接决定数据中心选址和建设速度,也和中国的电网保障模式形成对照,做算力基建和出海投资的人值得看看原文。
The non-obvious takeaway is that token waste is a property of the task and harness, not the model, so harness design changes may cut costs more than switching to a cheaper model. Engineering teams running coding agents or long multi-step workflows can use the proxy-and-rerun method to audit their own traces. The Kimi-K3 result on SWE-bench Verified shows a 41% token cut with success intact, a concrete benchmark for anyone comparing agent efficiency across frontier models.
Average scores mask regression in self-improving systems: an agent can look better on a leaderboard while silently dropping tasks it once handled and inflating inference cost. Teams running GEPA, HyperAgents or similar prompt-optimisation pipelines should add per-task regression checks, cost tracking and held-out task evaluation before shipping an evolved harness. Engineering leads evaluating agent reliability for production deployments will find the re-testing protocol directly reusable as an evaluation checklist.
DeepMind 的 AGI 经济学总监说了个反直觉判断:智能体再多,GDP 也可能只有 4%-5% 增速,因为价格会被打下来。农业占比从 40% 掉到 2% 就是前车之鉴。做 AI 创业判断市场规模的人值得看看这条论证。
Lisa Su 用 Meta Muse 45 天 1000 万激活这个数字,说明连 AMD 都得把年度计划改成按月滚动,这种一线视角比分析师预测有料多了。做算力预算或跟进基础设施投资的人都该看看。
字节这款还没官宣的模型号称改100次人物都不走样,如果测试属实,对做短视频和广告的创作者会省掉大量返工时间。博主明天拿到内测资格就出实测,可以等一手验证结果。
Musk 把算力扩张做到了 SpaceX 身上,但租来的 GPU 不会等电网审批。这对烧钱自建数据中心的团队是个警示:电力许可可能比芯片采购更难排期。关注算力成本和企业采购节奏的人值得看。
Nace AI 把决策模型这个细分赛道做出了第一名,73 分登顶 Artificial Analysis Decision Index,还能在 Mac 上本地跑。想找低延迟、能跨图像视频做判断的模型的开发者可以先去试用页体验一下。
一句话点出一个有意思的视角:算力紧张的公司学会省钱,算力充裕的公司放开手脚训练。想讨论资源约束如何塑造 AI 公司策略的,可以看看这条原帖自己判断。
Cathie Wood 这段视频讲了个挺有意思的角度:AI 每年把训练和推理成本砍掉 75% 到 99%,但 CPI 和 PPI 根本没算进去。做企业采购或关注宏观经济的朋友可以听听她怎么算这笔账。
日本最受关注的 AI 创业公司 Sakana AI 出面辟谣了,说近期不上市,要先当好日本的国家级 AI 选手。之前市场一直在传它 IPO 的时间表,想投日本 AI 股的朋友先别等了,关注它下一轮融资更实际。
Sakana AI 第一次做移动端产品,正在招 β 测试用户,11 月 15 日前报名就能申请体验。之前他们一直偏研究侧,这次要做消费级 App,想知道这家日本实验室产品化走成什么样,可以直接去占个内测名额。
Only the latest 2000 items are listed; for older ones see the daily archive