这位开发者自己逆向了 Anker 录音豆的蓝牙协议,还给它做了 MCP,录音能直接在 Claude Code、Codex 这些工具里被调用,不用翻设备。自己接千问 ASR 本地转录,绕开了原厂绑定。喜欢折腾硬件和想复用录音数据的人可以等他开源。
Latest
这两天四家头部公司一口气发了11条消息,信息密度很高。ChatGPT 抢购物和旅行入口、Claude 改造办公软件这两条值得细看,做产品和关注竞争格局的人能从中看出各家下一步的打法。
出口管制第一次把东南亚和巴西等地的数据中心也纳入许可范围,等于堵上了转租和走私的后门。做跨境算力布局的中国团队、在新加坡和马来西亚经营数据中心的服务商都得重新评估合规风险,对比之前直接禁运的做法,这次是监管思路的升级。
MiniMax 转发了一个用户案例,用 H3-Image 生成 AAA 风格的 3D 游戏环境,光照和场景规模都处理得不错。做游戏概念图或场景设计的可以试试这个模型,看能不能省掉一部分原画工作。
这是对 Dario 十年治愈癌症说法的讽刺段子,Gary Marcus 转发后传播很广。程序员看完会心一笑:路线图全是 SWE-bench 和 Terminal-bench,实习生却在问临床试验和数据才是瓶颈。关心 AI 医疗叙事真实性的朋友可以读读。
Gary Marcus 在 CNBC 上直言当前 AI scaling 投入是史上最大资本错配,但他并不看衰 AI,还呼吁多探索新架构和开源路线。做 AI 投资决策或者纠结要不要 follow 大厂砸算力路线的人,值得听听这个反方观点。
这事值得盯一眼:Anthropic 一年最高要付 SpaceX 1205 亿美元算力租金,现在被曝 2027 年后可能不续约,马斯克直接回应说乐意收回,这些 GPU 可能转去训练 Grok。对关注算力供应链和两家巨头博弈的人来说信息量不小。
豆包工作台现在能直接调用 Kimi 和 DeepSeek 的模型了,不用再开好几个 App 搬内容。写长文选 Kimi,跑推理选 DeepSeek-R1,一个界面搞定。经常同时用多家模型的人可以试试。
a16z 这篇观察挺有意思:Agent 写的代码已经大量进生产,但怎么收钱还没跑通。做开发者工具或想靠 Agent 变现的团队,值得看看他们怎么类比当年的平台迁移。
歸藏让 Fable 5.2 一下午、45 亿 token 做出一款 3D 动作游戏,全部塞进一个 30 MB 的 HTML 文件,模型、场景、动作都是它自己搞的。想看 AI 生成游戏实际到什么水平,直接打开 Demo 玩一把最直观。
Suhail 是 Particle 创始人,他在这里直接回应了 Anthropic 是否要跟所有公司竞争的问题,还给出了自己的答案:把单任务成本压到零。想看模型厂商和应用公司怎么互相博弈的人可以看看这条推文。
如果你也担心“Hey Siri 是不是在偷听”,这篇官方博文把流程拆得很细:先低功耗初筛,再隔离区复核,屏幕指示点校验通过才放行音频。苹果还承诺连自己都拿不到原始录音,做隐私或端侧 AI 的开发者都该看看这套设计。
这篇把一个具体的赚钱路子拆得很细:Fable 5.2 能把户型图变成能走动的 3D 房子,一套卖 5000 到 10000 美元。从找客户、免费出样品到 Blender 加 three.js 建模的流程和提示词全给了,做设计外包或想接单的朋友可以直接照着跑。
这篇推文只用了几句话就给了一个判断:等模型能 RSI,MCP、memory、agents 这些外挂都会被模型自己吃掉,agent 只是模型的一个实例。作者建议把精力放在定义目标、约束和评估上,而不是搭框架。适合正在纠结要不要深耕 agent 工程的开发者对照思考。
机器人流量已过半,Agent 消耗 Token 是人类 14 倍,a16z 说这是 Agent 经济的起点。做 API、内容或流量生意的人都该看看这几个数字。
OpenAI 把财务功能搬上了桌面端,免费用户也能用,还能把自己的财务数据变成可交互的图表组件。美国用户可以直接更新试试,其他地区的朋友可以先看看截图感受一下产品思路。
karminski3 又补了 MiniMax-H3-Image 的实测:16M 像素出图细节还在,但生成速度就掉了,想用细节得靠先大图再缩到 4M。结论是这模型拿去画矢量图更合适,拿它和 Qwen-Image 系列对比选型的开发者可以看看这组数据。
多 agent 接力写代码的场景越来越常见,这篇文章点出了一个容易被忽视的坑:代码能跑不代表决策被传承。如果你在用 agent 搭自动化开发流程,或者在团队里跑多步 agent 工作流,这篇能帮你重新想想交接时该传什么信息。
Sea的Forrest Li说得很直白:做AI云不砸钱建数据中心,而是拼软件和客户关系。和AWS、Google Cloud的重资产路线完全不同,想了解东南亚云市场怎么打的可以看看。
做智能体记忆和长任务训练的可以看看这篇。它没发明新记忆工具,而是把预训练里已有的文件操作技能直接当记忆用,再用异步在线蒸馏把教师的经验迁移过来,增益是最强 OPD 基线的 2.97 倍,还迁移到了 Terminal-Bench 2.1 和 SWE-Bench Pro V2。
这篇讲的是企业到底该把 AI 放云端还是放自己机房里。做数据合规、成本核算的朋友可以看看,尤其是金融、医疗这类对数据出境敏感的行业。
有人把 Anthropic IPO 的两面都摊开讲了:Opus 5.5 赚钱能力强,但 OpenAI 和开源模型追得太快。做 API 选型或关注模型公司估值的开发者可以看看这个框架。
Dylan Patel 说他们 45% 的 AI 花销已经花在持续运行的 agent 上了。他吐槽 Claude Tags 和 OpenAI 的 Slack agent 都不好用,反而推荐底层调多模型的 Perplexity Computer。做 agent 选型的值得看看。
Artificial Analysis 用 Cost per Task 数据算了一笔账:Opus 5.5 开 xhigh 比 Sonnet 5.5 拉满 effort 又快又便宜,Fable 5.2 也压过 Opus。做 Claude API 选型的人该看看这份对比,别只盯着 effort 参数调。
训练时偏好数据常有标注噪声,这套方法能在 token 级别识别并压低被污染 token 的影响,而且只加一次前向传播,训练成本几乎不变。做 RLHF 或 DPO 微调的团队可以直接用他们开源的代码试试,和序列级方法比抗噪能力更强。
The signal here is that agent harness internals, normally proprietary engineering inside Claude Code and Codex, are now teachable with a US$5 budget and MIT-licensed test suites. Self-learners get a concrete path: clone the repo, make the failing tests pass, and only pay for the model-scored portion. Practitioners and educators across ASEAN and China can reuse the material freely with attribution, making it a direct alternative to paid agent frameworks and bootcamp courses.
VulnCheck 复盘了 Anthropic 的 Project Glasswing:37,966 条漏洞发现里只有 2 条真被利用过。Gary Marcus 直接开问是不是营销。做安全评估的同学可以看看这组数据的口径怎么算,别被大数字带偏。
苹果把云端 AI 做成额度制了,Logic Pro 已经开了 49.99 美元用量包的先例。重度用 Siri AI 和照片编辑功能的用户得留意哪些 iCloud+ 套餐含额度,第三方开发者也要关注自家 App 会不会被限额。
做法律工作的人可以看看,Legora 把 Drive、Gmail 和日历接进了自家 Agent,查合同、看往来邮件、起草回复、约会议都在一个地方完成,还沿用你原来的 Google 权限。用 Google 全家桶办公的律所和法务团队用起来最顺,不用再跨应用搬文件。
The pricing shift matters most: charging only for input tokens inverts the usual cost model and makes high-volume evaluation pipelines dramatically cheaper than running a general model like Flash-Lite. Teams building data labelling, content moderation, rubric-based grading or model-eval loops can replace token-heavy generation with a single scoring pass over up to 1,000 questions. The low calibration error claim is what evaluation engineers should verify first, since calibrated confidence is the difference between a useful judge and a noisy one.
DeepMind 这次把变异效应预测细化到了细胞类型层面,比如同一个变异在不同细胞里的影响可以分开看。做基因组解读、罕见病研究的团队会直接用得上,API 已经开放非商业调用。
levelsio 花 3 小时就给 Interior AI 加上了视频转 3D:上传房间 walkthrough 视频,就能得到可漫游、可改墙面家具、还能出平面图的 3D 空间。技术栈是他自己搭的 headless Blender 跑在 VPS 上,没走第三方重建服务。做室内设计或装修可视化产品的人可以直接看看这条实现路径。
做 Interior AI 的 levelsio 发现新玩法:用视频或户型图直接生成可编辑的 Blender 3D 场景,墙面地板随便换色、家具随便挪。他试了 4 年图像模型都搞不定户型图,现在几小时内就要上线这个功能,做室内设计类工具的可以盯一下。
Anthropic 的 Claude Fable 5.2 在机器人评测 AA-Robotics v0.1 上拿到 75 分,超过 OpenAI 的 GPT-6 Astra 和 GPT-6.1 Sol。它还是首个完成 measure box 任务的模型,纯靠视频加卷尺刻度估算尺寸。做机器人方向的人可以关注这套评测。
博主用 Mac Studio M2 Ultra 实测了 minimax-h3-image:6 step 出图,四百万像素只要 140 秒,QwenImage2.1 要 15 分钟。做海报卡通选它,画人像还是 FLUX.2 更稳。
The Information 拿到的独家消息:OpenAI 上季度 API 收入涨了一截,靠的是 GPT 5.6、Astra 和新的图像模型三条线一起发力。做 API 选型或关心 OpenAI 商业化节奏的人可以看看原文里的细节。
这笔交易最狠的不是 330 亿美元的股权,而是 Anthropic 承诺到 2033 年 7 月在 Google Cloud 至少花 1210 亿美元,还不看实际用量。比 Microsoft 绑 OpenAI 的玩法绑定更深。做云采购或用 Claude API 的团队都该看看这条。
李彦宏在 Baidu World 2026 把企业叫作"AI 时代的新工厂",四层技术栈——芯片、云、模型、智能体——都讲了一遍。如果你在推动公司用 AI 改流程、卡在组织层面,这篇演讲的思路挺对味,比单纯卷模型参数更贴落地场景。
Ode 是 Anthropic 投的公司,现在试着按给客户赚了多少钱来收费,目前不到 10% 客户这么付。比起 OpenAI、Anthropic 的订阅模式,这种'用效果换钱'的路子很少见,做 AI 产品定价、企业采购的人可以看看这种模式能不能跑通。
Jason Wei 用三个技术原因解释了为什么在 AI 行业"认识谁"越来越重要:编码智能体拉平了执行门槛,一次 RL 训练要烧几百上千张 GPU,闭源又让贡献难以验证。做 AI 研究或想进大厂的人应该看看,想想自己除了刷技术还要积累什么。
Only the latest 2000 items are listed; for older ones see the daily archive