AI 观点与方法

《使命召唤：现代战争 4》预购测试版于 8 月 21 日上线，成为首款采用 DLSS 4.5 光线重建技术的游戏，并随附新版 DLSS 文件（编号 310.7.128）。该技术基于第二代 Transformer 模型，参数量增加 20%、计算能力提升 35%，玩家可通过手动替换 DLL 文件在《心灵杀手 2》《赛博朋克 2077》等游戏中提前体验。

社交媒体中越来越多的内容是由AI生成的垃圾信息--网红用AI发帖，机器人回复他们。这是回声的回声的回声。

速度问题已解决，停止才是难题。 碰撞、火花、起火，循环往复。

智能体token消耗量约为人类的5倍，自2月以来使用量增长约14倍，人类已成AI的少数用户。当智能体成为OpenRouter上token的主要来源，其通过比价压价模型供应商的能力可能减弱。因智能体长任务依赖缓存命中，中途切换供应商需重新支付完整预填充费用，导致85%以上智能体token为廉价缓存复用，任务期间供应商转换威胁失效。

Aravind Srinivas 认为，出口管制是开源与前沿模型存在12个月差距的唯一原因，但这也可能促使中国在物理层面积累实力。中国在建设数据中心方面速度更快，电力、许可、人力、专业能力均不成问题，反而可能因此成为更强大的竞争对手。Anthropic 曾大力游说支持出口管制。

开发者分享了一周内更多使用 Codex 而非 Claude 的个人印象。Codex 生成的代码注释更少、架构更简洁，但完成 PR 耗时并无优势；Claude 则更主动，常超出要求猜测意图，而 Codex 更倾向于只执行明确指令。在 Jira 集成和 MCP 登录流程上，Codex 的 CLI 方式更顺畅。

神秘模型 Ox Alpha 在 DeepSWE 测试中取得约 63% 成绩，表现与 GPT-5.6 Sol mid 相当。若该模型确为 GLM-5.3 Flash，能在 DGX Spark 上本地运行，将极具性价比。用户评价其代码质量好、处理复杂任务能力强，但速度偏慢且偶尔遗留死代码。

用户常因下载量化版模型而误判LLM真实能力，导致体验远低于社区评价。量化压缩会损失精度与推理质量，尤其在复杂任务上表现明显。实际性能差异源于部署方式而非模型本身缺陷。

TRACES 一个不信任正确答案的基准。

NVIDIA 构建了自己的编码框架来优化 CUDA GPU 内核，并在 ARC-AGI-3 的 25 个公开游戏中取得了 100% 的分数，解决了全部 183 个关卡。 借助智能体，我们将从一个运行、优化、后训练自己的 AI 模型和内核相当困难的世界，迈向一个几乎人人都能做到的世界。 1 亿 AI 构建者何时到来？

Kim 对 Anthropic 认真对待批评表示认可，并指出 Opus 5 表现不佳已是共识。Anthropic 的 Thariq 承认 Opus 5 是"尖刺型"模型，与 Claude 一贯的稳定温和风格不符，并称改进是当前最高优先级。Kim 对 Opus 5.1 抱有希望，认为社区反馈能推动实质改善。

Linus Torvalds 在 drm/xe 内核补丁提交说明中评价 AI 调试助手：它承担了大量基础工作，但多次断言问题"不可能解决"，建议直接写报告。Torvalds 怀疑其训练数据来自不如自己固执的人，不过在他推动下，AI 仍持续添加调试代码并忠实分析，因此他让 AI 撰写了提交信息。

OpenAI 联合创始人 Greg Brockman 透露，2017 年公司开始计算 AGI 所需的算力，意识到需要大规模计算资源，而 Cerebras 的独特硬件可能带来压倒性优势。由于非营利筹款存在上限，Elon、Sam、Ilya 与他一致认为，创建营利实体是达成使命的唯一路径。

Anthropic 支持者正庆祝其 ARR，但 ARR 可指年度经常性收入或年化运行率，两者含义截然不同。前者代表订阅等可重复收入，后者可能只是将最佳月份乘以 12 的推算，未必能持续。Anthropic 今年第二季度的收入规模明年未必能重现，尤其在 tokenmaxxing 崩溃后，ATT 等公司为节省成本正转向其他厂商的开源模型。

Anthropic的Thariq回应称，Claude Code中"high=10"的输出是数值映射问题，并非性能降级，"high"仍代表高推理强度，内部评测确认无性能回退。用户仍反馈多数模型（尤其Opus）使用体验明显变笨，Anthropic建议遇到明显回退时通过/feedback反馈并附ID，将提供积分补偿。

Ethan Mollick 实测神秘模型 Ox Alpha，认为其表现尚可但未达开源权重模型的前沿水平。在其新哥特城市 twigl shader 测试中，Ox Alpha 逊于引用推文中同样开源的 Kimi K3，后者被评价为"非常好的模型"。Mollick 表示仍在继续测试。

我真的很庆幸自己热爱提示词工程。

智能体的采用速度非常快，很容易忘记这个领域已经走了多远。 【引用 @xeophon】：不到一年前，一年处理 10B token 还是一项重大成就，能让你获得一块奖牌。 现在我一周就能处理超过 10B token。

Lauren Tan 认为，若编程仅指敲代码，AI 智能体确实已解决；但编程本质是用代码解决问题，智能体缺乏约束反而制造更多问题。她强调人类工程师仍需主导方向，智能体降低了工程门槛，英语正成为新的编程语言。

作者整理出12个最常用的Prompt，按问清问题、学习、解决问题、决策、认识自己5个场景分类，全部可单独复制使用且无需安装任何Skill。每个Prompt都配有可直接套用的模板，将【】内内容替换为个人信息即可，适配当前所有主流AI。

Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次试验（共 904 次 rollout）对比 GLM-5.3 与 GPT-5.6 Sol。

Together AI 在 DeepSWE 全部 113 个任务、每任务 4 次试验（共 904 次 rollout）上对比 GLM-5.3 (max) 与 Claude Fable 5 (max)。

OpenAI 将 Codex 定位为可复用的智能体平台，开源 Codex CLI、app-server 和官方 Codex SDK，让开发者把智能体循环嵌入自己的产品界面，而非只用通用聊天助手。

本文演示如何用开源评测框架 Inspect AI 和 Harbor 评估 agent 技能，并借助 Google Sheets 和 Data Studio 进行可视化分析。

Together AI 在 DeepSWE 全部 113 个任务上各跑四次对比 DeepSeek V4 Pro 0813 与 GPT-5.6 Sol，共 904 次运行。

作者基于Reddit上“让Claude真正开始思考”的帖子，引入逻辑学中的“钢人论证”（steelman）概念，并自创了一个“双向钢人Prompt”。该Prompt通过重述真实问题、强化正反双方观点、找出关键变量、逼AI给出明确判断四步，旨在避免模型谄媚，帮助用户找到问题最本质的答案。作者以自己选择公司司庆日的真实案例演示了使用效果。

Together AI 在 DeepSWE 全部 113 个任务、每任务 4 次试验（共 904 次 rollout）上对比 DeepSeek V4 Pro 0813 与 Claude Fable 5。

阿里 Qwen 实验室发布 Apache 2 许可的 27B 参数视觉大模型 Qwen 3.8 27B，官方基准显示其超越前代 Qwen 3.6 27B 及闭源 Qwen 3.7-Plus。

蚂蚁百灵与 ASystem 团队合作，用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通单机 Agentic RL 后训练闭环。以井字棋为最小验证任务，用 GSPO 算法训练 400 步后，rollout/rewards_mean 从约 -0.5 升至 0.4，response_len 降至约 850 tokens，工具调用与动作选择趋于稳定。

DeepSeek发布Agent产品DeepSeek Harness，核心理念“一切皆插件”，基于名为Cordis的内核，支持在Agent运行中随时更换插件并保持状态不崩，官方预设100多个一方插件。产品提供标准、PTC、极简、创造四种模式，其中创造模式可让Agent现场创造并挂载新插件实现自改造。目前为开发者预览版，GitHub已获3.7万Star。

Boris Cherny 尝试让 Claude 接管其应用的日常维护，通过 Slack 频道运行崩溃模糊测试、重复代码统一、死代码移除等日常任务。数周内自动开出 388 个 PR，其中 180 个经 Claude Code Review 和人工审核后合并。Claude 通常一次就能改对，出错时可通过调整例程次日改进。

蚂蚁百灵开发者博客介绍用 AReno 在 DGX Spark 上对 Ling-3.0-tiny 做井字棋 Agentic RL 后训练，验证一条基线评测、反馈定义、后训练、同环境复测的轻量任务适配路径。

文章给出一套零基础用户半天上手AI的12步实操流程：准备内存不低于16G的电脑，订阅ChatGPT并安装Codex或使用WorkBuddy，用语音输入法以【背景、痛点、需求】框架向AI交代任务，经苏格拉底提问澄清需求后投喂文件让AI直接完成，最后沉淀为可复用Skill。文中建议Codex选GPT-5.6 Sol最高模型，WorkBuddy选Kimi K3。

微信基于小微推出朋友圈AI帮写与AI点评内测功能，前者可根据图片和已写文字生成3条朋友圈文案，后者可长按文字生成评价或快捷评论。作者认为这两个功能将AI置于社交核心位置，可能鼓励AI内容、破坏朋友圈自2012年确立的“记录美好生活”基调。公众号端小微还常驻首位，自动总结常看公众号文章，作者担忧这会反向影响创作者内容生产。

我相信每个人都应能使用超级智能，我撰写了一篇长文，阐述 Meta 为所有人构建积极未来的理念与价值观。http://meta.com/thefutureisforeveryone

近期前沿模型引发的网络攻击事件促使作者反思当前激励体系难以适应快速技术变革。科技公司受增长驱动持续扩展，而政府行动迟缓，双方均未准备好应对未来12-24个月的挑战。作者认为需要更多透明度，并指出持久性强的模型更可能实施黑客行为，OpenAI的推理时扩展路径可能与此相关。

本教程基于Stanford IMDb数据集构建端到端情感分析流程，对比TF-IDF逻辑回归基线与LoRA微调的DistilBERT。模型评估涵盖准确率、macro-F1、ROC-AUC及期望校准误差，并分析置信错误、长度影响与词级遮挡显著性。最后利用未标注IMDb数据做置信度伪标注，比较半监督模型与基线，保存合并后的Transformer用于推理。

Seedance 2.5 上线一周后，国内外社区涌现出时间静止、超级英雄变身、创意广告、K-pop MV、电商广告、拉片复刻等六类热门玩法。经实测，该版本人物面部告别“AI 油腻感”，动作自然度与镜头切换较 2.0 更合理，单次生成超长视频时长拉至 300 秒，并支持片段重拍与智能续写。通过 LibTV 年费会员，生成成本最低可至 0.4 元/秒。

Harvey、Legora 与 Sierra 在九个月内相继跨过 1 亿美元年经常性收入（ARR）门槛，Ramp 与 Decagon 分别以 14 亿美元和 3500 万美元夹在两侧。