Firecrawl 给 ChatGPT 和 Claude 加了求职插件,能从 700 万+ 职位里匹配简历,还能从 2.5 亿人库里挖出招聘负责人邮箱。找工作的人可以直接在对话里跑完整个求职流程,不用再一个个网站刷了。
Latest
MiniMax 的 H3 Image 这次展示的是用提示词直接生成 4K 3D 开放世界环境,社区还在评论区互相分享提示词。想学怎么写 3D 场景提示词的,或者在做游戏美术、虚拟场景概念图的,可以去评论区翻翻别人的写法。
用 HeyGen Video 1 走 MCP 接口做视频就能参赛,奖金加额度超 2 万美元,还有 MiniMax 和 ComfyUI 这些工具方一起背书。喜欢折腾智能体工作流或做短视频的朋友可以直接冲,参赛只要发个带标签的视频。
Meta 给 Facebook 推荐系统加了个新玩法:你能直接看到算法给你贴的兴趣标签,还能用自然语言改掉它,Feed 和 Reels 会跟着变。做推荐系统或产品体验的人值得看看这套 LLM 驱动的偏好转换是怎么落的。
TLX shows how Meta handles the gap between Triton's abstractions and new GPU features, an approach OpenAI's Triton team and AMD's compiler efforts have not taken in the same form. Practitioners writing kernels for RecSys or LLM pretraining can adopt cluster and warp-group controls without rewriting in CUDA. Teams benchmarking Triton against vendor-specific alternatives will find the orchestration primitives directly comparable in real training and inference pipelines.
Hugging Face 在直播里讲量化,教你把大模型压到能在自己电脑上跑的体积。想本地部署又怕显存不够的话,这场课正好补上模型压缩这块知识,比看零散教程系统。
卡兹克首次在X上给自己公司招人,6个岗位、16薪不打卡,AI订阅费还公司报销。亮点是全员用Claude和Codex做产品的工作方式,适合想进AI内容行业的写作者、编导和达人运营,base北京,简历投[email protected]。
有人把 67 家抢企业 AI 落地生意的公司画成了一张图,OpenAI、Anthropic、麦肯锡全在列。核心逻辑学的是 Palantir 驻场工程师那套。做 to B AI 的创业者该看看竞争对手都藏在哪。
AI Engineer 大会开幕前的彩排花絮,Kent C. Dodds 这些熟面孔都在讲者名单里。想知道大会讲什么、要不要蹲直播的,可以先看看这条再决定关注 @aiDotEngineer。
Cognition 的 Devin 接入了 Gemini 4,写代码的智能体又多了个模型选择。如果你在 Devin 和 Cursor 这类工具里纠结用哪家模型,这篇能帮你看看 Google 系在实际编程任务里的表现。
Microsoft 的自研模型团队又有新动作,Suleyman 亲自转发官方页面。链接截断了具体型号,点进去能确认是哪个模型、跑分和定价如何。想看 Microsoft 怎么摆脱对 OpenAI 依赖的人可以关注这条线。
Sundar Pichai 亲自转发了一个 AI Studio 的内置应用入口,点开就能直接玩基于 Gemini 的示例应用,不用自己配环境。想快速试试 Google 家模型能力的开发者可以收藏这个页面,比翻文档省事。
Cursor 和 Ramp 都在用的本地化工具拿了 a16z 领投的 2700 万美元。它直接嵌进 React 应用和文档里做翻译,不用手动抠文案。做出海产品的工程师可以看看接入方式。
Anthropic 新上了 Claude Meetings,开会时 Claude 能实时起草方案、画时间线、连工作应用查数据,比单纯会后生成纪要的工具更进一步。经常开会拉任务、做项目排期的团队可以试试。
MiniMax 在 X 上晒了一波 #H3Image 的复古老相机风格首帧,创作者拿它配视频模型做出了僵尸初吻梗图,恐怖又好笑。想给短视频挑高质量首帧、或者好奇图生视频工作流效果的人,可以看看这条实际成片。
MiniMax 新图像模型 H3-Image 有画师拿到早期访问权,画风能做出 90 年代赛璐璐动画那种味道。做插画或怀旧风格内容的可以看看这批样图,判断要不要跟进。
MiniMax 的 Hailuo AI 上线了 H3Image,实测一句提示就能出 CAD 风格的机械爆炸视图,以前这种活要靠语言模型硬啃。做工业设计、机械结构演示的朋友可以拿来快速出示意图,省掉一部分建模渲染时间。
实测很有参考价值:博主喂了 16 张图,让 H3-Image 把 4 个动物角色、蒸汽朋克飞艇和浮空王国拼进一张电影感画面,10 秒出图。多数模型参考图上限只有三四张,做多角色绘本、游戏概念图的人可以看看这个效果再决定换不换工具。
Cognition 把 Gemini 4 Carbon 接进了 Devin Desktop 和 CLI,在 FrontierCode 2.0 上跑出 40.0%,比 Gemini 4 Argon 的 26.3% 高出一大截。用 Devin 的开发者现在可以直接切换试试,写代码的智能体选型又多了一个参考。
MiniMax 的 H3Image 被开发者拿来做游戏素材,AAA 风格场景、3D 环境一张提示词就出图,还有 ARC Raiders 风格的战斗概念图。做独立游戏或概念美术的可以试试省前期画图时间。
AI Futures Project 把顶级 AI 研究员水平模型的预测提前到 2027 年,依据是 METR 关于 Anthropic 进展速度翻倍的估算。对做研发规划和职业判断的人来说,这类时间线变动的理由值得自己核一遍。
Google 把最强的 Gemini 4 Carbon 直接开放给 Ultra 订阅用户和付费 API 开发者,不用再等内测。如果你在对比 OpenAI 或 Anthropic 的旗舰模型,现在可以拿同一套提示词去 API 里实测。做应用开发和重度用户的都该看看接入门槛和价格。
Google 把自家的 Carbon 全量放开了,API 价格还是 2/10 美元那档。三个基准跑到第一还比对手便宜一半以上,做 Agent 和自动化任务的开发者可以直接拿它和 Argon 对比跑分,看看多花的推理 token 划不划算。
Google 新模型 Carbon 已经能在 Devin 的桌面版和命令行里用了,代码基准分比上一代 Argon 高出近 14 个点。写代码嫌模型不够强的可以试试换个模型跑跑看。
Google 这次把 Carbon 的引入价定到 11 月 30 日,输入 2 美元、输出 10 美元,之后翻倍。跑分上被 Claude Fable 5.2 压过一头,但每个任务花费只有 Fable 的一半,性价比明显。做长任务 agent 或自动化流程的开发者可以趁引入期试试,Antigravity 的 /swarm 多 agent 命令也值得上手。
写代码的朋友可以试试了,Gemini 4 Carbon 已经进了 Cursor,在 Cursor 自家的 CursorBench 上高努力档拿了 60.4% 排第一。之前一直用 Claude 或 GPT 写码的话,正好切过去跑跑自己的项目,看看谁顺手。
Google 把 /swarm 多智能体功能直接演示给你看了:Builder 和 Critic 子智能体自己跑 Blender 和 Three.js、自己检查渲染,最后真的做出了能玩的 3D 游戏。做智能体工作流或游戏开发的可以看看这套编排思路,和 Cursor 那种单智能体模式思路不一样。
Nearly half of long-horizon household tasks now complete successfully, up from 12% a year earlier — a pace of improvement that suggests embodied agents are approaching practical utility faster than most roadmaps assumed. Teams building home or service robots should treat the BEHAVIOR task suite as a reference evaluation and study the winning approaches. The all-Chinese podium also matters for anyone tracking where embodied AI talent and compute are concentrating.
Fully synthetic data sidesteps the privacy-approval cycle that typically stalls Japanese-language projects, letting teams start training immediately. Model builders working on PII redaction for regulated sectors like finance and healthcare get ready-made annotations instead of hand-labelling documents. The 10-million-persona scale is rare among Japanese-language datasets, which matters for teams fine-tuning models for the Japan market rather than relying on English-centric synthetic personas.
Google 把 Gemini 4 Carbon 放出来了,现在就能上手试。具体的跑分和价格还没公布,建议先在官方文档里确认上下文和 API 定价,再决定要不要替换现有接入的模型。
GDPx 是少数由领域专家出题的基准,能看清 Fable 5.2 到底强在哪。有意思的是 Anthropic 主动压低了 RSI 任务的表现,分数上直接看得出来。如果你拿模型做芯片、生物或写代码相关工作,这份分项数据很有参考价值。
Databricks 把向量、BM25 和混合搜索直接做进了 Postgres,SQL 就能联查实时数据,不用再维护一套独立搜索引擎和 ETL。如果你的 RAG 应用数据在 Postgres 里,可以先对比 pgvector 看看能否省掉一套基础设施。
The practical shift here is that cost optimisation moves from model selection to infrastructure — a middleware layer can be reused across Claude Code, Codex and other harnesses. Engineering leads running production agents should audit trace logs for repeated context reads and unnecessary tool calls before upgrading to a costlier model. Teams in cost-sensitive markets, including ASEAN startups paying USD-denominated API bills, gain a lever that compounds across every harness they deploy.
The non-obvious takeaway is that the hard part of agent-driven infra optimisation is verification, not code generation — the contract-and-recheck design is what makes the 2.75x speedups real. ML engineers and platform teams running multi-GPU training can apply the same contract-based evaluation to their own agent workflows. The cross-GPU memory of learned models suggests reusable optimisation knowledge across heterogeneous clusters.
这条推文有意思的点在于那个比喻——安全研究从发布会式的炫技变成了控制规程式的谨慎。想了解前沿实验室心态变化的人可以看看这十条转发量很高的评论原文。
AI 2027 那份预测报告的作者们把时间线提前了 5 个月,认为 2027 年就会出现能自己做 AI 研究的超级系统。不管你信不信这个预测,这份报告此前引发了大量讨论,看看他们为什么改主意挺有意思。
微软把语音转录价格打到 0.10 美元一小时,速度还比 GPT-Transcribe 快 10 倍。做会议记录、播客字幕、客服录音分析的工具团队可以立刻去试试,成本敏感的项目用它能省不少钱。
berryxia 用 GPT-image-2.6 做了个二次元塞尔达公主的动态壁纸,效果挺好看。她还提醒这版模型版权审核还没收紧,能直接出任天堂角色。想试图像生成或者做壁纸的可以去看看效果。
Anthropic 这波同底座双版本挺有意思:Fable 面向开发者,Mythos 只给安全机构。FrontierCode 2.0 跑分直接压过 GPT-6 Astra,价格还降了 20%。做硬核编码和自动化工作流的人可以去试试,1M 上下文加多 agent 协调是亮点。
Day-0 support on AMD GPUs, not just NVIDIA, is the notable detail, since open image models frequently arrive CUDA-only. Teams building multi-reference editing or high-resolution text-rendering pipelines can self-host without vendor lock-in. Developers comparing against Qwen-Image or closed APIs should benchmark its 16MP native output and 9-image reference limit in their own workflows.
Only the latest 2000 items are listed; for older ones see the daily archive