7000 人四年访谈数据训练出来的对话理解模型,验证方式是拿预测对照真实行为,不是刷基准分。做客服机器人、心理支持类智能体的团队可以直接看 demo,思路和主流爬语料训模型完全不同。
Latest
这段话出现在上市文件里挺少见——公司直接承认会为了安全接受落后。对比 OpenAI 一路高歌猛进的节奏,Anthropic 把安全写进招股书更像是在给监管和投资者打预防针。关注模型发布节奏和安全策略的人都该看看原文。
Anthropic 上市路演里信息量不小,最硬核的一条是 Claude 三天搞定模型在 AMD 芯片上的适配,以前要几十个工程师干几个月。对比 OpenAI 还没上市的节奏,这份披露很值得细看,想了解 Claude 实际能力的开发者别错过。
A 4.6B-parameter open model beating proprietary transcription APIs at 2.3% WER shifts the economics of self-hosted speech workloads, since teams no longer pay a premium for accuracy. Developers building voice agents or call analytics should benchmark it against Whisper-based stacks and hosted APIs on their own audio domains. The small active parameter count also makes GPU deployment affordable for smaller teams and regional SaaS builders.
干推理托管的都该看看这条:Fireworks 被黑根子在小云商的安全短板,Baseten、Modal、Fal 也用同类 neocloud,已经有客户想迁去大云或自建机房。做基础设施选型的团队可以对照检查一下自己的供应链。
Google 今天又发新东西了,博主 kimmonismus 在 X 上发了条提醒。帖子本身没给细节,但如果你在追 Google 这波密集更新,这条可以当个线索,去官方渠道看看具体发了啥。
The non-obvious takeaway is that RSI may pay off more in pre-training headroom than in post-training tricks, since a barely fine-tuned base beat fully post-trained rivals. Researchers running large-scale training pipelines and labs weighing agent-assisted data curation should study the loop decomposition and shared context store design. The model being open-weight and sized at 30B MoE makes it directly comparable for local deployment against Qwen3-30B-A3B and Nemotron-3.5-Lightning-30B-A3B.
The notable detail is the Vera Rubin support landing in vLLM-Omni ahead of the hardware's broad rollout, so early adopters can benchmark image-editing serving costs on next-gen GPUs from day one. Teams comparing open-weight image editing models should add H3-Image to their shortlist against FLUX-family alternatives. The 0.87-second 4K generation figure is a useful baseline for latency-sensitive production deployments.
跑 Agent 最费钱的就是全程顶配模型。这篇讲了按任务分流的实操:规划用 Kimi K3.1 Pro 这类强模型,读文件改格式丢给 0.01x 倍率的豆包 2.1 Lite,同样额度能多干好几倍活。经常跑自动化任务的人照着配一遍就能省不少。
n8n 出了个叫 Nod 的开源智能体,跑在自己电脑上,模型随便换。它每步操作都会对照你的原始指令,越界就先问你。做自动化工作流、又不想把账号交给黑盒产品的开发者可以试试这个研究预览版。
n8n 出了个免费模板,输入一句话提示词,就自动写脚本、配 AI 旁白、找素材、发到 YouTube 频道,全程不用动手剪辑。做短视频批量生产的创作者可以直接导入改造,比自己拼 API 省事得多。
11 月 17 日在香港的这场圆桌请了三位真在做 AI 视频的创作者,聊从创意到成片的完整流程。不是厂商讲 PPT,而是讲 agentic 系统怎么进实际制作管线。做短视频和广告内容的团队可以关注。
阿里的新旗舰 Qwen4-Max-Preview 直接塞进了 3 美元首月的订阅档,想提前试旗舰能力的话成本很低。比起按量付费的 OpenAI 和 Anthropic API,这种包月模式对小额用量开发者更友好,适合想测 Qwen 系列的人上手。
Alibaba Cloud 把 Qwenwork 这款智能体生产力平台直接带到 HKICC 2026 现场给香港企业看,说明它把香港当成 agent 工具的重点市场。做知识工作自动化、选型 agent-first 工具的团队可以关注它和 Notion AI、钉钉 AI 这类产品的差异。
做链上交易的朋友可以看看:Trenchers 的智能体现在通过 Raydium 能在所有 launchpad 自动买入新币,之前只能跑 pump.fun 和 PumpSwap,覆盖面完全不同了。手动终端+自动智能体叠加的设计,适合同时盯多个平台的人。
百度在 Baidu World 收官时放出一句话预告:Apollo Go 无人出租车要去 Dubai。没有细节,但方向明确——想在百度无人车出海中东这件事上抢个先,可以先记下这条线索。
百度把自研芯片路线图直接摆上台面:M100 现在就能买来跑推理,M300 等 2027 年。做推理业务、关心算力成本的朋友可以看看,这是国内少有的能对齐英伟达的选项。
百度在自家Baidu World 2026大会上把Apollo Go摆到了AI竞争的核心位置,Robin Li还拿具身智能类比2016年的自动驾驶。如果你关注无人出行和L4路线,这篇能看清百度的四层技术栈打法,和Tesla、Waymo的路数对照着看更有意思。
百度这次把深度思考和微表情识别两款 ERNIE 模型直接开放到千帆平台 API,企业接上就能用。李彦宏讲的思路很有意思:智能体的应用反馈反过来指导模型优化。做企业级应用开发的可以看看千帆上的调用方式。
240亿美元砸在得州边境建超算,还自带电厂,跟OpenAI的Stargate和xAI的Colossus是同一个量级的算力竞赛。做AI基础设施或关注算力布局的人值得看看,分期建设和就业数字都披露得挺细。
A marketplace layer with fingerprint checks and public credit records could pressure model providers toward verifiable pricing and specs, shifting trust from vendor claims to platform-verified data. Enterprise buyers comparing models across providers get a single venue to evaluate options, useful for teams in ASEAN and China sourcing models without direct vendor relationships. Compare with direct API portals from OpenAI or Alibaba Cloud, which lack third-party verification layers.
作者把自用的 BoxBridge 0.4.4 接入方法放出来了,靠 Grok 通道连 Orca 和 Claude Code,不用自己搭 Tailscale。断线重连、故障恢复这些细节都做了,已经稳定跑了两个月。想找稳定接入方案的人可以看看入群方式。
有人扒出 Google 可能给 Gemini 4 系列按化学元素起名:Argon、Carbon、Hydrogen。听起来像要一口气铺好几条产品线,不过目前只是传闻,官方没确认。想追 Gemini 4 动向的可以先记一下这几个名字。
挺有意思的小项目,tokei 居然被做成了 AI PASSPORT,背后还是 Eric 提的建议。喜欢折腾这类工具的人可以蹲一下,等作者开放后就能上手玩了。
Grok Bot 现在能走 Tailscale 直连你内网的 MCP 和私有工具,不用把服务暴露到公网。而且反向调用也能玩出花样,本地客户端可以反过来用它当节点。经常折腾 MCP 的开发者可以试试。
Giotto AI 推出了能跑在单张 H100 上的推理模型 Giotto Solo,API 托管在欧洲。和 OpenAI 只给云端 API 不同,它支持后期迁到自己服务器私有部署,欧洲团队和在意数据合规的开发者可以试试。
SpaceX 要在亚利桑那建 500 亿美元的超算园区,直接挨着电站盖,9 栋楼分四期。做算力基建或看 AI 能源问题的都该了解这单规划细节。
SimularAI 做了个叫 box 的云端电脑,让 Claude、Codex 这些 agent 共用一台机器接力干活,文件和登录状态都保留,他家 agent 还在 OSWorld 上拿了 80.6% 的第一。做 agent 工作流的人可以关注。
做了四年才露面的 Zeromatter,把车、无人机、机器人放进同一个仿真世界训练,思路类似英伟达 Isaac Sim 但更通用。做机器人或自动驾驶的团队可以关注它能不能降低 Sim-to-Real 的迁移成本。
Nvidia 内部原来也不是铁板一块:CFO Kress 拦下了 Jensen 主推的给 OpenAI 的 2500 亿信贷担保,现在她还当上了临时 CEO。想知道 Nvidia 那些投资换订单的生意到底有多激进、谁在踩刹车,这篇值得花十分钟看看。
Claude 的 prompt composer 里被发现藏了个叫 Brush 的 Beta 功能,疑似是之前 Sketch 的新版本。经常用 Claude 做图像相关创作的可以留意,看看它到底怎么改图或画图,上线后先试一波。
黄仁勋可能被自家董事会罢免的消息一出,AMD、Broadcom 盘后就涨了,市场的反应很直接。做硬件股的、盯 AI 晶片供应链的都该看看,但注意这只是传闻,英伟达还没官方回应。
LangChain 在收集今年智能体工程调研的数据,5 分钟就能填完,结果会公开发布。做智能体开发的可以顺手填一份,顺便看看大家现在都在用什么框架和评估方式,等报告出来对照自己的技术栈。填了还能抽周边。
Perplexity 创始人 Srinivas 发长文感谢 Jensen Huang,说他把 Nvidia 从小公司带到美国市值第一,33 年了。如果你关注 GPU 供应链和后续交棒,这条值得收藏,评论区还能看到各家创始人跟进表态。
富士康是英伟达AI服务器的核心组装商,这次管理层直接把信心押到2027年,说明AI服务器订单排得够远。做硬件供应链的、关注代工板块的都该看看,比单看季报更有前瞻性。
日经亚洲挖了 AI 芯片圈的内部乱象:高管性丑闻、技术泄密和抢人大战。做芯片投资或供应链的人可以看看,了解这些公司光鲜财报背后的治理风险。
用 MCP 把云电脑接到 Claude 和 Codex 上,一个做表格、一个写分析脚本,全在远端跑。平时让智能体操作网页、Excel 的开发者可以试试这个组合,比在本地折腾环境省事。
millionwaysai 做了个叫 Thorsten-4 的模型,读完对话能给 50 项行为心理特质打分,直接接进客服或销售工具判断用户意图和反应。做用户洞察、CRM、销售工具的开发者可以看看,比问卷画像省事不少。
做合同、发票、邮件问答的工具党可以留意:答案直接附上源文档原句,出处可追溯,比传统 RAG 自己拼引用省事。输入 $0.01/百万 token、输出免费,批量跑文档成本几乎可以忽略,想搭文档问答流水线的朋友值得试一下。
NVIDIA 的 Nemotron 一直把数据和训练流程全公开,这在开源模型圈很少见。Raschka 点出关键:权重好找,配方难寻。如果你在微调或复现训练,这条值得看一眼。
Only the latest 2000 items are listed; for older ones see the daily archive