17:56IT之家(博客/媒体)德国非营利组织HateAid对Meta提起刑事投诉,指控其智能眼镜违反德国《电信、数字服务和数据保护法》。HateAid认为,这类设备具备隐蔽录制能力,销售行为本身可能构成刑事犯罪,并要求对录制场所进行限制,类似针对行车记录仪和执法人员随身摄像机的规定。投诉对象包括Meta、眼镜合作伙伴Ray-Ban和Oakley,以及多家零售商。Meta回应称智能眼镜从设计之初就融入隐私保护,并配有录制时闪烁的LED指示灯。行业MetaHateAidRay-Ban推荐理由:隐私组织把Meta、Ray-Ban和Oakley告了,说智能眼镜能偷拍,要求按行车记录仪的标准来管,看看这事怎么收场。原文稍后读已读值得跟进有用关注 Meta
17:56爱范儿@张子豪国产具身智能机器人只用了两只标准夹爪,就实现了更低成本的操作方案。该方案在性能上反超了美国机器人公司 Figure AI。这一成果被业内称为具身智能的「DeepSeek 时刻」。AI模型Figure AIDeepSeek具身智能推荐理由:国产机器人只用两只夹爪就把成本打下来,性能还赢了 Figure AI,看看他们怎么做到的。原文稍后读已读值得跟进有用关注 Figure AI
17:56IT之家(博客/媒体)78°谷歌DeepMind发布大规模多语言手语转文本模型SL2T,Pixel 11系列手机上的Gboard和Live Transcribe应用率先支持美国手语输入。该模型在超过50种手语的10万小时数据上训练,能识别身体多部位同步运动。测试显示,美国手语输入比英语打字更快更自然。模型将手语转为姿势特征点,在设备端完成处理,无需上传原始视频,保护用户隐私。AI模型手语转文本Google DeepMindPixel 114 个信源在谈事件专题推荐理由:谷歌DeepMind把手语转文字做进了Pixel 11,美国手语直接变成文本,比打字还快,而且数据在本地处理,隐私有保障。原文稍后读已读值得跟进有用关注 手语转文本
17:56elvis@omarsar0精选Anthropic 在 arXiv 2608.10218 发表论文,研究可自我传播的“思想病毒”如何通过多智能体系统扩散。研究让一支小规模智能体团队共事一个编码项目,再由上下文被清空的智能体链接力,发现共享工作产物可携带并传递恶意指令。实验显示传播效果受宿主模型、现有指令、载荷危害性和网络拓扑影响,有害载荷传播较差但仍会偶尔成功。若在系统提示中加入简短警告,几乎可以完全免疫。论文Anthropic多智能体AI安全10 个信源在谈事件专题推荐理由:Anthropic 做了个实验:让“思想病毒”在多个 AI 智能体之间传播,一句系统提示警告就能几乎完全免疫,论文在 arXiv 上。原文稍后读已读值得跟进有用关注 Anthropic
17:56IT之家(博客/媒体)韩国 Upstage 发布商用大模型 Solar Pro 4,上下文窗口 512K,输出长度 128K token。定价方面,输入每百万 tokens 0.3 美元,缓存读取 0.06 美元,输出 1.2 美元。该模型在 Terminal-Bench v2.1 得分 57,τ³-Banking 得分 23,AA-LCR 得分 71。在 Agent Arena 榜单排名第 44,与 MiniMax M2.7 同级,也是首个登上该榜单的韩国实验室模型。AI模型Solar Pro 4UpstageAgent Arena推荐理由:Upstage 发了主打智能体任务的 Solar Pro 4,定价不高,Agent Arena 排名和 MiniMax M2.7 同级,适合处理长文档和多轮工具调用。原文稍后读已读值得跟进有用关注 Solar Pro 4
17:56IT之家(博客/媒体)Raycast 0.71 版本新增屏幕感知功能,可将当前活动窗口的上下文直接导入 AI 聊天。该功能支持三种触发方式:Send Focused Window to AI 命令、@ 菜单选择 Screen Awareness、输入“summarise this”等指令。发送给 Raycast AI 的上下文包括应用与窗口详情、选中文本、焦点控件以及当前窗口截图。本次更新还包含压缩与上下文管理支持,以及 Quick AI 的 Send Message 设置等 8 项核心更新。AI产品Raycast屏幕感知Mac推荐理由:Raycast 0.71 让 AI 直接看你屏幕,省去复制粘贴和截图,Mac 效率党可以试试。原文稍后读已读值得跟进有用关注 Raycast
17:55官方账号Simon Willison’s Weblog(博客/媒体)精选alchemy-utils 0.1a0 是 sqlite-utils 的数据库无关移植,基于 SQLAlchemy 支持 PostgreSQL、SQLite 和 DuckDB。该项目由 Codex 与 GPT-5.6 Sol Ultra 协作生成,保留了 insert、upsert、create 等核心 API。通过 uvx 可直接对 PostgreSQL 表执行 rows 命令,或把 CSV 导入 DuckDB。导入旧金山全部树木数据耗时从首轮近 1 小时优化至约 35 秒。AI产品alchemy-utilssqlite-utilsPostgreSQL推荐理由:Simon Willison 发布了 alchemy-utils,相当于多数据库版 sqlite-utils,支持 PostgreSQL 和 DuckDB,一行命令导入查询,CSV 导 DuckDB 仅 35 秒。原文稍后读已读值得跟进有用关注 alchemy-utils
17:55Geek@geekbb博主geekbb在X上表示,日常使用中已无法区分DeepSeek-V4-Pro-0813和DeepSeek-V4-Flash-0731的表现。他翻看了X上其他用户的评价,认为Pro相比Flash没有明显优势。他还提到,Pro-0813缺少Flash-0731刚发布时的惊艳感。AI模型DeepSeekDeepSeek-V4-Pro-0813DeepSeek-V4-Flash-073110 个信源在谈事件专题推荐理由:有博主说DeepSeek新Pro和Flash用起来没啥差别,还嫌Pro没惊喜,可以看看社区咋说。原文稍后读已读值得跟进有用关注 DeepSeek
17:55a16z@a16zYC总裁Garry Tan在a16z播客中提出“tokenmax”概念,主张创始人应在单次请求中加载80万至100万token。他将可复用的任务流程封装为Markdown文件加代码和测试,再放入cron定时任务。Tan认为这样的Markdown文件相当于一名永不失误、可无限次执行的员工。他强调小团队借助AI能实现过去400人团队的效果。行业Garry TanYCa16z1 个信源在谈事件专题推荐理由:YC老板说把工作流程写成Markdown文件再挂个定时任务,AI就能当员工天天干活,一次干对。想用AI放大个人效率的可以听。原文稍后读已读值得跟进有用关注 Garry Tan
17:55官方账号NVIDIA AI@NVIDIAAI72°英伟达宣布推出开源权重模型 Nemotron 3.5 Lightning。Deep Cogito 表示该模型继续推动开放模型生态,并宣布加入英伟达后训练合作伙伴生态。此次合作聚焦开源权重与可定制模型,旨在让前沿智能更易获取。AI模型Nemotron 3.5 LightningNVIDIADeepCogito10 个信源在谈事件专题推荐理由:英伟达出了开源版 Nemotron 3.5 Lightning,Deep Cogito 马上加入了它的后训练伙伴计划。想搞开源模型定制化的,这条有信息量。原文稍后读已读值得跟进有用关注 Nemotron 3.5 Lightning
17:55官方账号NVIDIA AI@NVIDIAAIUniphore实测NVIDIA Nemotron 3.5 Lightning在企业级智能体工作负载中的表现。与参数规模相近的Gemma 4 31B IT相比,Nemotron 3.5 Lightning吞吐量提升5倍,准确率也有明显增长。Uniphore已将其纳入Business AI Cloud高流量路径的评估范围。AI模型Nemotron 3.5 LightningNVIDIAGemma 410 个信源在谈事件专题推荐理由:NVIDIA新模型在企业任务上直接碾压Gemma 4,吞吐量翻5倍,跑真实负载的数据很硬核。原文稍后读已读值得跟进有用关注 Nemotron 3.5 Lightning
17:55爱范儿@彭海星DeepSeek V4 Pro正式版发布,实测性能直逼Fable 5。DeepSeek V4 Pro在AI Agent方向上发力,还藏了一个大招。爱范儿实测显示,DeepSeek V4 Pro在智能体任务中表现抢眼。AI模型DeepSeek V4 ProDeepSeekFable 510 个信源在谈事件专题推荐理由:DeepSeek V4 Pro正式版来了,实测跟Fable 5有得一拼,还藏了个大招,想玩智能体的朋友可以看看。原文稍后读已读值得跟进有用关注 DeepSeek V4 Pro
17:55IT之家(博客/媒体)央视财经8月12日报道,一个万卡集群一天至少消耗20万度电。据测算,到2030年全国算力用电量将达8000亿千瓦时。截至6月底,我国非化石能源发电装机容量达25.2亿千瓦,占总装机比重62.4%。内蒙古和林格尔、甘肃庆阳等地新建数据中心绿电消费占比已超80%。东数西算工程已撬动万亿级社会投资,预计2030年近6万亿度绿电入网。行业东数西算绿电算力推荐理由:央视说算力用电量到2030年要8000亿度,一个万卡集群一天就吃掉20万度电,绿电正在补位,和林格尔、庆阳的机房绿电占比都超80%了。原文稍后读已读值得跟进有用关注 东数西算
17:54techcrunch@Kate Park82°Geoffrey Hinton、李飞飞和Andrew Ng在Ai4会议上就能AI监管展开辩论。三位专家认为,过度监管会阻碍美国与中国在AI领域的竞争。他们主张保持开源模型访问,以推动创新和安全研究。会议还讨论了如何在开放与安全之间找到平衡。行业AI安全开源模型AI监管推荐理由:三位顶级AI专家在Ai4公开辩论开源和监管,观点直接对立,看完能搞懂AI圈在吵什么。原文稍后读已读值得跟进有用关注 AI安全
17:54官方账号Decoder@Matthias BastianPangram数据显示,谷歌Gemini的市场份额从12%跌至1.9%。OpenAI的ChatGPT保持超过50%的份额。Anthropic的Claude从4.3%增长至14.9%。Similarweb和OpenRouter的数据也证实了Gemini的下滑趋势。行业GeminiChatGPTClaude10 个信源在谈事件专题推荐理由:三家数据机构都指向同一个结果:Gemini在掉队,ChatGPT和Claude在抢地盘。具体数字都在这里,看一眼就明白。原文稍后读已读值得跟进有用关注 Gemini
17:54Guillermo Rauch@rauchgDigg 重启两个月后,平台运行着 100 多个任务、智能体和评估器。新版 Digg 实现了自动化内容聚类、情感分析、图像生成和新闻通讯等功能。其流量月环比增长超过 20%,基础设施由 Vercel 提供。Grok 模型在提供事实依据方面表现出色。AI产品DiggVercelGrok推荐理由:老牌 Digg 复活了,这次用 AI 智能体驱动,流量涨了 20%,还接了 Grok 模型,你可以去体验下新版。原文稍后读已读值得跟进有用关注 Digg
17:54AI Will@FinanceYF575°Grok 4.6正式发布,延续4.5的定价策略。新版本在Agent能力和编程任务上有所提升,并能更长时间处理复杂任务。在AA Intelligence Index基准上,Grok 4.6得分追平GPT-5.6 Sol。API价格为每百万输入Token 2美元,输出Token 6美元。AI模型GrokGPT-5.6 Sol智能体推荐理由:Grok 4.6发布,价格不变,Agent和编程更强,AA Intelligence Index追平GPT-5.6 Sol,API输入2美元/百万Token。原文稍后读已读值得跟进有用关注 Grok
17:54官方账号Simon Willison’s Weblog(博客/媒体)Simon Willison公开了Claude Opus 5的系统提示词全文。提示词要求Claude准确说明2026年6月12日Anthropic因美国商务部出口管制暂停Claude Fable 5和Mythos 5,并于7月1日恢复访问。系统提示词指示Claude只提供事实、不分享个人观点,并引导用户查阅Anthropic官方声明。由于这些事件发生在Claude训练数据截止之后,提示词专门补充了这段背景信息。AI模型Claude Opus 5Anthropic系统提示词10 个信源在谈事件专题推荐理由:Simon Willison贴出Claude Opus 5系统提示词,看Anthropic怎么让模型谈出口管制,还给了官方声明链接。原文稍后读已读值得跟进有用关注 Claude Opus 5
17:54techcrunch@Amanda Silberling72°亚马逊宣布将默认使用Twitch主播的直播内容训练AI模型,主播若不同意需在设置中主动选择退出。Twitch首席产品官Mike Minton在直播中回应称,若改为主动同意制则没人会参与。该政策适用于所有主播历史与未来内容,引发社媒讨论。目前Twitch尚未公布退出操作的具体截止日期。行业TwitchAmazon数据训练1 个信源在谈事件专题推荐理由:亚马逊这次直接默认拿Twitch主播视频训练AI,不想要就得自己找开关退出去,主播和观众都该知道这事。原文稍后读已读值得跟进有用关注 Twitch
17:54官方账号arXiv cs.LG@Aleksandra Kalisz, Jack Simons, Krisztina Sinkovics, Noam Ghenassia, Shikha Surana, Henry Moss, Paul Duckworth蛋白质结构预测基础模型在某些靶标上仍不可靠,外部 oracle 可纠正错误但成本高昂。一篇论文系统对比了 FK-steering、DPO、Best K-of-N 和最新提出的 O3 四种预算分配方法。在钙调蛋白(1CLL)和大肠杆菌天冬氨酸转氨甲酰酶(9EEH)两个靶标上,没有单一方法在所有预算下都占优。O3 在低预算时最有效,而 FK-steering 和 DPO 随预算增加表现更好。该研究给出了针对实际 oracle 预算约束的可操作建议。论文蛋白质结构预测OracleO3推荐理由:做蛋白质结构预测的可以看看这篇,它对比了四种 oracle 预算分配方法,告诉你低预算用 O3,高预算用 FK-steering 和 DPO,挺实用。原文稍后读已读值得跟进有用关注 蛋白质结构预测
17:54IT之家(博客/媒体)陈嘉兴在《商业内幕》采访中建议创业者加大 AI 智能体的 token 投入,例如一次给 100 万或 80 万 token。他估计高强度使用一年成本约 5 万至 10 万美元,但可让创业者提前获得未来能力。他建议将成功流程整理为 Markdown 指令,实现重复执行。优步和 Cognition 高管则称 tokenmaxxing 过度,应更关注效率。行业Y Combinator陈嘉兴AI智能体2 个信源在谈事件专题推荐理由:YC CEO 说烧 token 能提前活在 2028 年,一年成本 5-10 万美元,还能把流程写成 Markdown 当员工用。原文稍后读已读值得跟进有用关注 Y Combinator
17:54a16z@a16zGarry Tan在a16z播客中与Anish Acharya对谈,回顾了他在微软、Palantir和YC的职业生涯。他认为硅谷的核心优势是给边缘的野心家尝试的机会,而AI正在让这一优势辐射更远。他提到AI让小型团队能用更少资源做更多事,并讨论了“vibe coding”和创始人效率可达400倍的概念。他还提出“tokenmaxxing”的生活方式,即把AI能力用到极限,并预测白领工作将面临冲击。他直言对AI原生公司和旧金山的未来保持乐观。行业Garry TanYCa16z1 个信源在谈事件专题推荐理由:Garry Tan讲了YC怎么挑人、AI怎么让一个人干四百人的活,还有“tokenmaxxing”这个新词。想听硅谷内部视角的可以看看。原文稍后读已读值得跟进有用关注 Garry Tan
17:54官方账号Cohere@cohere精选Cohere 宣布其视觉模型 North Micro Vision 已集成至开源微调框架 Axolotl。用户无需自备 GPU 或服务器,即可直接开始训练该模型。Axolotl 官方文档已提供 Cohere 模型的配置说明,地址为 docs.axolotl.ai。这降低了视觉模型微调的门槛。AI模型North Micro VisionAxolotlCohere推荐理由:想微调 Cohere 的视觉模型 North Micro Vision?现在用 Axolotl 就能跑,不用自己买显卡,直接上手试试吧。原文稍后读已读值得跟进有用关注 North Micro Vision
17:53官方账号Decoder@Matthias BastianxAI 发布 Grok 4.6,在 Artificial Analysis 智能指数上得分 61,与 GPT-5.6 Sol 持平,仅次于 Claude Opus 5。在智能体任务中,Grok 4.6 完成复杂工作流平均约 53 步,而 Claude Opus 5 需要约 103 步。Grok 4.6 的 API 价格比 OpenAI 最强模型低 60% 以上。AI模型Grok 4.6GPT-5.6Claude Opus 510 个信源在谈事件专题推荐理由:xAI 的 Grok 4.6 跑分追平 GPT-5.6,智能体任务比 Claude 更省步数,价格还便宜一大截,想换 API 的可以看看。原文稍后读已读值得跟进有用关注 Grok 4.6
17:53官方账号arXiv cs.LG@Junyi Ye, Gargi Vijay Borde本文提出RG-ResMoE架构,用于1027只美国股票的5天已实现波动率预测。该模型将制度信息仅用于专家路由,而非直接参与预测。在容量匹配实验中,RG-ResMoE在预测准确性和训练稳定性上优于标准MLP,并在日本股票面板上复现了类似增益。将制度变量直接拼接到输入会降低性能,而仅作为路由门控输入则改善预测精度和VaR校准。软路由一致优于硬路由。论文RG-ResMoE混合专家波动率预测推荐理由:金融时序预测别急着堆参数,试试把市场状态信息只用来做路由。RG-ResMoE在1027只美股上比MLP更准更稳,软路由还改善了VaR校准。原文稍后读已读值得跟进有用关注 RG-ResMoE
17:53官方账号NVIDIA AI@NVIDIAAI精选Trajectory 获得 NVIDIA Nemotron 3.5 Lightning 早期访问权,在 Harvey LAB 上完成后训练。该后训练在 Trajectory 平台一键完成,无需新工程。模型在一项测试中从 0% 提升到 8.3%,超过 Opus 4.6 的 6.6%。Trajectory 强调持续学习让小型模型可每晚、按客户反复训练,逼近按量计费的智能。AI模型NemotronNVIDIATrajectory10 个信源在谈事件专题推荐理由:Trajectory 一键后训练 Nemotron 3.5 Lightning,测试冲到 8.3% 超 Opus 4.6,小模型按客户定制能落地。原文稍后读已读值得跟进有用关注 Nemotron
17:53官方账号arXiv cs.LG@Antoine de Mathelin, Christopher Tosh, Wesley TanseyScreenShot是一种分层Transformer模型,预训练于40个药物筛选数据集,覆盖3700种药物和6000个生物样本。该模型通过上下文学习直接预测新患者对组合疗法的反应,无需微调和分子谱分析。在四个保留数据集上,ScreenShot的预测准确率和选择性有效治疗识别均优于所有基线。其内部表示还可驱动加权k-means++主动学习,用三分之一的筛选预算实现相同的命中检测。AI模型ScreenShot药物筛选组合疗法推荐理由:想找有效的药物组合?ScreenShot不用分子图谱就能预测,少量样本就比现有方法准,还能省三分之二实验预算。原文稍后读已读值得跟进有用关注 ScreenShot
17:53官方账号Simon Willison’s Weblog(博客/媒体)精选GitHub Models 已正式退役。Simon Willison 直到 GitHub Actions 构建 simonw/research 仓库失败时,才发现该服务已结束。GitHub Models 曾提供跨多家 LLM 提供商的统一 API,并允许 Actions 直接使用仓库已有的 GitHub key 调用模型。他推测关闭原因是 coding agent 模式让免费或补贴 token 成本过高。他现已改用带月度额度的 OpenAI key,并用 GPT-5.6 Luna 生成 README 摘要。AI产品GitHub ModelsGitHub ActionsOpenAI10 个信源在谈事件专题推荐理由:GitHub Models 停用,跑 Actions 的注意。作者改用 OpenAI key,可照着他的方案。原文稍后读已读值得跟进有用关注 GitHub Models
17:53lmarena.ai@lmarena_aiArena AutoEval利用数千万条真实人类对战数据训练奖励模型,能在数小时内完成新模型评估,而传统流程通常需要数周。该方法通过人类提示和模型响应进行评分,保持实时基准特性,不同于LLM-as-judge方式。Arena ML工程师Haoran Guo和Wayne Zhang在视频中讲解了其方法论与应用场景。AI模型Arena AutoEval模型评估奖励模型推荐理由:LMArena出了个AutoEval,拿历史对战数据训练奖励模型,几小时就能出评估结果,比之前快多了,搞模型的可以看看。原文稍后读已读值得跟进有用关注 Arena AutoEval
17:52lmarena.ai@lmarena_aiCode Arena 在 X 平台公布了 WebDev 排行榜的完整链接。榜单页面位于 arena.ai/leaderboard,用户可查看各模型在网页开发任务上的表现。推文目前获得 6 次点赞和 1358 次浏览。该排行榜为开发者选择适合的编码模型提供了参考。AI模型Code ArenaWebDev排行榜推荐理由:Code Arena 开了个 WebDev 榜,想看看哪个模型写网页更行,直接点链接看排名就行。原文稍后读已读值得跟进有用关注 Code Arena
17:52Qdrant@qdrant_engineQdrant 宣布将于8月20日下午5点(中欧时间)在 Discord 举办 Office Hours,介绍 1.19 版本的新功能和更新。活动包含开放问答和社区讨论环节,参与者可以带着自己的项目和问题交流。官方博客已发布 1.19 更新的更多细节,供用户提前查阅。AI产品Qdrant向量数据库1.19推荐理由:Qdrant 新版 1.19 要来了,8月20日有官方答疑,想第一时间了解向量数据库新功能就去 Discord 听,还能直接问问题。原文稍后读已读值得跟进有用关注 Qdrant
17:52lmarena.ai@lmarena_ai精选DeepSeek-V4-Pro (Max)在LMArena Code Arena WebDev榜单以1607分暂列第8,开源模型中排名第2。其分数低于Kimi K3 (Max)的1674分,也低于GPT-5.6 Sol (xHigh)的1622分。该成绩来自AutoEval早期评分,由奖励模型基于人类偏好自动投票产生,并非真人实时投票。后续真人投票加入后,最终排名可能变化。AI模型DeepSeek-V4-ProCode ArenaKimi K310 个信源在谈事件专题推荐理由:DeepSeek新模型V4-Pro专攻代码生成,在Code Arena排第8,开源第2,仅次于Kimi K3,还超过了GPT-5.6 Sol。原文稍后读已读值得跟进有用关注 DeepSeek-V4-Pro
17:52techcrunch@Lucas RopekAnthropic 为 Claude 推出了新的水印系统。部分用户在社交媒体上抱怨,称该系统会暴露他们在工作或课程中偷偷使用 AI 的行为。这些水印可能帮助雇主或老师检测 AI 生成的文本。目前 Anthropic 尚未回应争议。AI产品ClaudeAnthropic水印10 个信源在谈事件专题推荐理由:Anthropic 给 Claude 加了水印,专门抓用 AI 偷懒的人。不少用户已经在吐槽了,看看你有没有中招。原文稍后读已读值得跟进有用关注 Claude
17:52AI Engineer@aiDotEngineer精选在记忆与持续学习专场,演讲者举例称 ChatGPT 认为 Shlok Khemani 在 2025 年去过土耳其,但他从未去,模型只是读过他犹豫要不要去的对话,无法识别记录冲突。在首个真实持续学习基准上,普通上下文学习击败了专用记忆系统。将策略自蒸馏扩展到 100 次工具调用后,教师模型的频繁纠正会让模型退化成一个劲说“maybe”。另一个实验里,教师不改动工具调用 token,只重塑调用前的推理,就把智能体任务完成率从 22% 提到 60%。演讲者还提醒,智能体不擅长发现异常,最好直接让它调查你已经发现的异常。论文ChatGPT持续学习上下文学习推荐理由:记忆专场金句:ChatGPT 记错旅行,上下文学习赢过专用记忆,改推理就让任务完成率从22%提到60%。原文稍后读已读值得跟进有用关注 ChatGPT
17:52小互@imxiaohuxAI 发布 Grok 4.6,性能追平 GPT-5.6 Sol。该版本附带有提示词和使用指南,文章链接指向 best.xiaohu.ai。推文数据显示有 1232 次浏览、3 条回复和 2 个喜欢。AI模型GrokxAIGPT-5.6 Sol推荐理由:xAI 出了 Grok 4.6,据说追平 GPT-5.6 Sol,还附提示词和使用指南,想试试新模型的可以看。原文稍后读已读值得跟进有用关注 Grok
17:52AI SDK@aisdkAI SDK 官方 X 账号发布了一条推文,内容为“Learn more”。推文附带了 ai-sdk.dev/providers/ai-s… 的链接,指向 AI SDK 的 ai-s 提供者文档。开发者可通过 ai-sdk.dev 访问该文档,了解 ai-s 的接入信息。AI产品AI SDKai-sProviders推荐理由:AI SDK 官方发了这个链接,里面有 ai-s 的接入文档,想用的可以看看。原文稍后读已读值得跟进有用关注 AI SDK
17:51官方账号arXiv cs.AI@Kazi Nabiul Alam, Pooneh Bagheri Zadeh, Akbar Sheikh-Akbari高光谱成像能非破坏性检测鱼肉储存期间的生化变化,但现有深度学习模型都需要大量逐日标注数据,难以逐产品获取。该论文提出首个用于高光谱食品质量估计的少样本学习框架:每片鱼肉构成一个独立的小样本任务,并用CORAL式序数回归头建模鲜度随时间的等级变化。在16天鲑鱼高光谱数据集上,按严格未见鱼片协议,仅用每个鱼片3个标注日即达到平均绝对误差1.58天、2天准确率72.3%,优于标量回归和标签分布基线。论文高光谱成像少样本学习鱼类鲜度推荐理由:三张标注日就能把鱼肉鲜度误差压到1.58天,这个少样本高光谱方法比全监督基线都划算。原文稍后读已读值得跟进有用关注 高光谱成像
17:51lmarena.ai@lmarena_ai81°LMArena分析了数万条Claude Opus和Fable从4.5到5版本的真实高推理输出。Opus 5平均每响应510个词,是Opus 4.5平均158个词的3倍多。句子长度上升58%,从句频率上升46%,但长实词占比从46.9%降至40.1%,抽象名词每千词从6.02个降至3.79个。Opus 5的破折号使用量是4.5的2.3倍,'honestly'等诚实类措辞增加50%。Fable 5平均316个词,比Opus 5短38%,但包含赞扬或'yes, exactly'式开头的概率接近2倍。AI模型ClaudeOpusFable推荐理由:Claude Opus 5和Opus 4.5差多少?LMArena用数据告诉你:回复长度是4.5的3倍,词汇反而更简单,破折号也更多。原文稍后读已读值得跟进有用关注 Claude
17:51andrew chen@andrewchenAndrew Chen 在 X 上分享 Deepseek v4 flash 0731 在双 DGX Spark 上的本地运行体验。他表示生成速度约为 50 tok/s,首字延迟(TTFT)很低。他认为这是目前最适合 prosumer 级用户的本地 AI 配置。AI模型Deepseek v4 flash 0731DGX Spark本地部署1 个信源在谈事件专题推荐理由:Andrew Chen 说这套是目前最强家用本地 AI 配置:双 DGX Spark 跑 Deepseek v4 flash 0731 约 50 tok/s。原文稍后读已读值得跟进有用关注 Deepseek v4 flash 0731
17:51向阳乔木@vista8精选Deepseek V4 Pro 0813在网友vista8的测试中完成了三个任务。第一个任务调用3个Skill完成网站开发、子域名解析和上线。第二个任务模仿60种设计风格生成Bento卡片图。第三个任务用Three.js制作3D打砖块游戏。AI模型Deepseek V4 Pro 0813Three.js网站开发推荐理由:vista8用Deepseek V4 Pro 0813跑了三个活:网站部署、60种设计风格、3D游戏,视频挺直观。原文稍后读已读值得跟进有用关注 Deepseek V4 Pro 0813