跳到正文
9月11日周五
  1. Nathan Lambert:Interconnects59

    Nathan Lambert 整理开放模型与开源 AI 阅读清单

    Nathan Lambert 在 Interconnects 发布开放模型与开源 AI 阅读清单,收录近年关于开放模型的核心文章与研究,按开源基础、美国与中国竞争、技术细节三部分组织。清单涵盖开源策略、开放模型安全、采用数据、蒸馏争议等主题,提到开放与闭源模型差距已缩小到约 4-6 个月,2024 年以来领先开放模型均来自中国实验室,并表示会持续更新并接受读者补充。

  2. 公众号:卡尔的AI沃茨76

    实测 DeepSeek V4.1 Flash:价格大降、原生带视觉,作者用游戏与城市生成任务验证表现

    作者实测 DeepSeek V4.1 Flash,缓存命中输入降价 7 倍多、输出砍三分之二,9 月 14 日中午 12 点起所有发往 v4-pro 的请求将被强制路由到 4.1 Flash 并按其低价计费。

    推荐理由:作者实测 DeepSeek V4.1 Flash 的价格、架构参数和多个生成任务,并给出与 GLM 5.3 Flash 的对比结果和暴露的缺陷。

  3. MiniMax Design (H3)45

    💡 Astra 规划路线 🗺️ ➕ H3 带你兜风 🚗

    引用AI Bard Guild@IsekaiBardGuild

    ストリートビューからの V2V GPT Astra に google map の道沿いに ストリートビューの画像を取得させて パラパラ漫画の動画にして(右動画)、 「MiniMax H3 ref2va を使って 車載カメラ風の映像にして」 とお願いしてできたものが左の動画です この方法で、世界中ドライブができる・・・?

  4. OpenAI Developers:Blog74

    OpenAI 发布 GPT-6 Astra 下的技能与提示词重写指南

    OpenAI 针对编码智能体发布指南,说明迁移到 GPT-6 Astra 后应重写 skills、AGENTS.md 和任务提示词,避免旧指令拖慢工作。要点包括技能描述要尽量短并遵循渐进式披露、删掉强制通读文档的指令、Astra 会自主运行测试但可能提前停下,需要用户在 AGENTS.md 中定义完成标准并授权安全工作流。

    推荐理由:来自 OpenAI 官方,针对 GPT-6 Astra 给出技能、AGENTS.md 和提示词的迁移调整方法,读者可直接对照清理自己的仓库指令。

  5. Adam Wolff53

    Anthropic 的 Adam Wolff 引用 Boris Cherny 的回信称 CLAUDE.md 和 skills 的价值被低估。核心建议是区分对待:原型代码可当黑盒,生产代码质量门槛应高于人工编写,并配套 lint、测试、Claude 驱动的端到端测试、每日模糊测试、自动代码与安全审查等护栏;若 Claude 代码不达标,可换用最新前沿模型(Opus 5 或 Fable 5.1)、将 effort 调到 high 或 xhigh,或在 CLAUDE.md 和 skills 中教会 Claude 适配你的代码库。

    引用Boris Cherny@bcherny

    Hey ████, I think there is room for both. 1. Prototypes and other throw-away code can be treated as totally black box. If you’re going to throw it away anyway, and if the blast radius of it breaking is low, it doesn’t need to be perfect. 2. Production code written by Claude should have a higher bar than if it was written by a human. At Anthropic, we have many guardrails in place to make sure this is happening: lots of lint rules, lots of tests, Claude-driven end to end tests, Claude-powered fuzzers running daily, automated code reviews and security reviews, automated code refactoring, and so on. Without these, you can end up with a mess that is hard to maintain down the line. Luckily, the model makes it increasingly easy to do these well — run a few daily routines, use Claude Code Review, etc. Your job is to hold the bar on code quality. If Claude’s code doesn’t meet the bar, try: - Using the latest frontier model (Opus 5 or Fable 5.1) - Increase effort to high or xhigh - Invest in your CLAUDE.md and skills to succinctly teach Claude how to work in your codebase If all else fails, steer Claude more when you work with it, or have Claude fix accumulated debt and rewrite your codebase to make it easier to work with. Or, wait for the next model. Best, Boris

  6. GitHub Blog53

    GitHub Copilot 应用入门教程:用 diff、终端和浏览器面板审查 AI 代码

    GitHub Copilot 应用新增 diff、终端、浏览器三个内置面板,让初学者在不离开应用的情况下完成 AI 智能体改动的审查、运行和预览。diff 面板以红绿高亮显示增删改行,用户可接受、评论或要求修改;终端面板可运行项目命令并支持多窗口,浏览器面板配合 Pick & Polish 工具选中界面元素让智能体调整,最后可直接在应用内接受变更并创建 pull request。

  7. LlamaIndex:产品、工程与评测65

    LlamaIndex 解析 just-in-time Agentic OCR:两遍式文档处理如何平衡成本与精度

    LlamaIndex 博客提出 just-in-time Agentic OCR 模式:先用 LiteParse 等免费解析器粗读全部文件供检索,再仅对相关页面调用 VLM 做 OCR。

    推荐理由:作者用 84 份 SEC 文件实测两遍式文档处理流程,给出明确的适用边界和成本数字,方法可直接迁移到自己的数据室场景。

9月10日周四
  1. Tripo66

    Tripo 转发用户案例,展示用 Images 2.5、Tripo 智能网格 P2.0、GPT-6 Astra 和 Blender MCP 以 AI 为主制作 3D 角色的完整流程。作者几乎只做视图操作,通过截图加参考图让 Astra 修正形状与纹理,并指出纹理修正在细节上仍较粗糙。作者称此前在 GPT-5.6 Sol 上反复失败的操作在 Astra 上可以直接完成。

    引用🍣お寿司職人|AIゲーム・アニメ@SushiNFTart

    話題の「GPT-6 Astra × Blender」、実際に触ってみました。 これ、かなり衝撃です。 Blender初心者でもできる。ほぼ視点移動(ビュー)の操作だけでここまで作れました。 モデルはTripo製、ステージはBlender上で作ってます。 GPT-5.6 Solでは何度指示してもうまくいかなかった作業が、Astraでは普通に通るようになっててヤバい…! 今回は ・GPT-6 Astra ・Blender MCP ・Tripo スマートメッシュ P2.0 を組み合わせて、AI中心で制作しています。 ※モーションのみお借りしています Blender側で自分がやるのは、ほぼビュー操作。 基本的には、 「気になる箇所をビューで見せる」 ↓ 「AIに修正を指示」 ↓ 「結果を確認」 ↓ 「また修正」 これの繰り返しです。 もちろん、すべてが一発でうまくいくわけではありません。 意図通りになるまで何度も指示する必要があるので、根気よく詰めていく熱量は必要だと感じました。 それでも、 「Blenderをほぼ触れない人でも、AIと対話しながら3Dモデルを仕上げていける」 ところまで来たのは、かなり大きいと思います。 ざっくり制作手順👇 1. Images 2.5でキャラの全身リファレンスを生成 2. 髪・頭部・体(Tポーズ)に分けて画像を生成 3. 各パーツの右側面・左側面・背面図を生成 4. Tripo スマートメッシュ P2.0で3パーツを3D化  設定:四角形 / 25,000 5. Blender MCPでAstraに3パーツを渡して合体 6. 自然なシルエットになるようサイズ調整 7. メッシュの欠損・隙間・貫通を補修 8. リグ・ウェイト設定 9. まばたき・口パクをシェイプキーで作成 10. 髪や衣装などの揺れものを設定 11. モーションを適用して、足の接地・衣装貫通・揺れを調整 12. テクスチャを修正(どのタイミングでもいい) 使うツールはざっくり、 1〜3 → Images 2.5 4 → Tripo 5〜12 → Astra × Blender × Images 2.5 という感じです。 そして今回、かなり有効だったのが、 「修正したい箇所をスクショ → その画像を元に理想形のリファレンス画像を生成 → Astraで修正」 という方法。 これが形状修正にもテクスチャ修正にもかなり効きました。 長文で細かく説明するより、 リファレンス画像を添付して 「ここをこれに寄せて」 くらいの指示の方が、意図が伝わりやすい場面も多いです。 ただ、テクスチャ修正は普通に沼です。ある程度で妥協した方が良さそう。細かく見ると、まだ粗いです。 3D制作のハードル、AIでかなり下がってきた感があります。 Blender初心者の方こそ、一度試してみてほしいです。

    推荐理由:原文给出完整的 12 步 3D 角色制作工作流和截图生成参考图的修正方法,Blender 初学者可以照着复用。

  2. 公众号:龙猫LongCat60

    美团龙猫LongCat发布《Agent评测白皮书》系列首篇:Agent评测全览

    美团龙猫LongCat团队推出《Agent评测白皮书》系列博客,首篇《评测全览》体系化讲解Agent评测落地方法,计划共4篇,后续将覆盖冷启动、扩量和自进化。文章提出评测体系可概括为四个模块(离线评测、在线评测与监控、Case挖掘与归因、观测基建)、三种能力、两条Loop和一套评测资产,以商家经营分析Agent为贯穿案例,并附评测体系成熟度自查表。

  3. Hugging Face 社区博客61

    Hugging Face 用 LoRA 与 Storage Bucket 在 HF Jobs 上跑异步 GRPO,免 NCCL 并提速 3.9 倍

    Hugging Face 在 TRL v1.14 的 AsyncGRPOTrainer 中支持只训练和同步 LoRA adapter,配合 Storage Bucket 挂载与代理路由,让训练 Job 和 vLLM 推理 Job 在不同机器上运行而无需 NCCL。

    推荐理由:Hugging Face 官方用五个实验展示了如何在 Jobs 上分离训练与推理跑异步 GRPO,并通过逐项定位瓶颈把运行提速 3.9 倍,方法可迁移。

  4. Rohan Paul65

    OpenAI 发布名为 Defense Factory 的案例研究和参考架构,介绍其在内部 code-red 冲刺中用 Codex 和最新 cyber 模型加固数百个系统,动员 250+ 人,官方称这些模型帮助发现并修复了原本可能无法发现的漏洞。

    引用OpenAI@OpenAI

    We mobilized 250+ people to strengthen our defenses across hundreds of systems. Our latest cyber models helped us find and fix vulnerabilities we might never have discovered otherwise. We’re sharing what we learned, the architecture, and a practical playbook so you can build your own Defense Factory: a continuous loop where AI agents find vulnerabilities, validate them, and verify that fixes work. https://openai.com/the-defense-factory/

  5. Mistral AI:News63

    Mistral 复盘用 AI Agent 将 40,000 行 Fortran 77 迁移到 C++ 的方法与教训

    Mistral 帮助一家欧洲能源运营商将 40,000 行 Fortran 77 的油藏模拟器迁移到 C++,该代码库无测试套件且文档分散。团队先搭建数值一致性验证工具,用 Vibe CLI 生成调用树并派出百余个 Agent 补齐文档,最终采用由人类把关的 coder、tester、reviewer 结构化工作流逐模块迁移。

    推荐理由:来自一线项目复盘,给出了迁移前搭建数值一致性验证、用 Agent 分工工作流等可直接迁移到其他遗留系统改造的经验。

9月9日周三
  1. 公众号:数字生命卡兹克70

    GPT-6 Astra推理等级怎么选才最省Token

    卡兹克发文讲解GPT-6 Astra的推理强度等级(Reasoning Effort)含义,指出各档位是同一模型的不同思考预算,Ultra则类似拉起多个智能体协作的专项工作组。

    推荐理由:作者基于烧完两个200刀会员的第一手使用体感,给出推理等级的通俗解释和分档位省Token的具体用法。

  2. Together AI 研究与产品博客68

    Together AI 深度解析开源模型 AI 编码栈 MIGHT

    Together AI 发布深度解析文章,介绍开发者从闭源模型转向开源模型所需的 AI 编码栈,提出由 Model、Inference、Gateways、Harness、Tools 组成的 MIGHT 框架。

    推荐理由:原文给出开放权重模型编码栈的分层框架,读者可据此按任务选模型、按价格选供应商并保持工作流稳定。

  3. OpenRouter:Announcements71

    OpenRouter 评测 Seedance 2.5:长镜头与已有素材编辑的场景及成本解析

    OpenRouter 发布对 ByteDance Seedance 2.5 视频模型的评测,该模型自 2026 年 8 月 7 日上线其视频 API,生成 4 到 30 秒、480p 或 720p 的片段,支持图像、视频、音频引用和首尾帧控制,音频同趟生成不加价。

    推荐理由:原文基于自家端点数据给出 Seedance 2.5 的计费公式、能力边界和与 Seedance 2.0、Wan 3.0、Veo 3.1 的逐项对比,便于按需求选型。

  4. OpenRouter:Announcements64

    OpenRouter 教程:用代码调用 Nano Banana 2 编辑图像

    OpenRouter 发布教程,演示通过 API 向 google/gemini-3.1-flash-image(即 Nano Banana 2)发送源图和文本指令完成图像编辑,编辑结果以 base64 形式在响应中返回。教程给出 Python 和 TypeScript 示例、提示词写法、多轮小步编辑方法,以及更换模型只需改一个字段,并介绍了 Nano Banana 系列四个成员的价格与质量差异。

    推荐理由:原文给出完整可运行的图像编辑请求代码和提示词写法,读者可以照搬并把模型换成其他供应商做对比。

  5. Hacker News:AI 热帖53

    作者发布浏览器端 LLM 注意力权重可视化工具

    作者发布一个基于 Transformers.js 的 LLM 注意力可视化工具,可悬停查看生成 token 依赖的历史 token,代码开在 GitHub。可视化将所有层、所有注意力头的注意力权重乘以 value 向量模长后聚合为单一数值控制透明度,并预生成提示词避免下载数百 MB 模型;作者还通过修改 onnx 文件暴露内部值,上传到自己的 Hugging Face 仓库供浏览器生成使用。

  6. LangChain:Blog63

    LangChain deepagents 推出子智能体上下文模式 isolated 与 fork

    LangChain 在最新版 deepagents 中引入子智能体上下文模式,支持 "isolated" 和 "fork" 两种取值,fork 模式让子智能体继承 supervisor 的完整对话而非从空白上下文开始。

    推荐理由:文章解释了 isolated 与 fork 两种上下文模式的取舍,并给出 worker、verifier 等场景的选择方法,可迁移到自己的多智能体设计。

  7. Claude:Blog67

    Anthropic 发布 Claude Platform 降本指南并更新 claude-api 技能

    Anthropic 介绍用 Claude Platform 降低成本、保持性能的三种方法:提高提示词缓存命中率、升级到前沿模型时清除提示词反模式、按任务校准 effort。

    推荐理由:官方给出了提示词缓存、反模式清理和 effort 校准三类降本方法及实测数字,可直接迁移到自己的 Claude API 应用。

9月8日周二
  1. MeshyAI58

    @thehypedotnews 用一次 Claude Code 会话(opus 5 medium)配合 gpt-5.4-image-2 和 Meshy pro,无 3D 美术手工建模做出四个 AI CEO 的 Fortnite 概念皮肤,四个角色 API 花费 $12.94。

    引用thehype.@thehypedotnews

    we built four fortnite concept skins of ai ceos for $1.39 in image calls @elonmusk, @finkd, @JensenHuang and @DarioAmodei, rebuilt as our thehype robot. no game engine, no 3d artist, nothing modeled by hand. the whole build ran in one claude code session on opus 5 (medium). the pipeline that worked: 1. references first – our robot turnarounds from thehype videos plus photos of each person, sorted into folders on disk 2. claude writes the prompt, @OpenRouter runs gpt-5.4-image-2 (@OpenAI) – front and back view on a magenta backdrop, so keying to alpha comes out clean 3. @MeshyAI pro, both views in, texture toggle on – download the textured glb, then apply the rig, pick animations, download the animated fbx with all of them 4. hand the glb and the fbx to claude code with Blender installed – it transfers the rig onto the full-resolution mesh and renders the demo 5. 3.08m polygons in the final render – 14.8x what meshy hands back rigged per character: • gpt-5.4-image-2 – $0.26 to $0.58, ~16k tokens • meshy – 30 to 35 credits • opus 5 (medium) – 79.2m effective tokens on the first, 2.2m on the fourth • time – 1.4h to 1.8h of machine time, mostly rendering that opus curve is the finding: 36x less on the fourth character than the first, same result on screen. you pay for not knowing the pipeline, not for the work. image spend barely moved – $0.58 to $0.29. what you need to repeat it: a claude subscription, openrouter balance, meshy pro, blender. api spend on all four – $12.94. @FortniteGame – worth talking to the four of them and to us about shipping an ai bosses collection? and to everyone else: how do our robot homages to the people running ai land? which one would you play? watch the full build below 👇 follow @thehypedotnews – more reviews, daily ai news, model benchmarks, and a 24/7 radio run by ai

  2. 公众号:数字生命卡兹克76

    GPT-6 Astra操控Blender保姆级教程:三种玩法与踩坑实录

    作者数字生命卡兹克发布GPT-6 Astra操控Blender的小白教程,介绍前期安装、官方MCP与Computer Use插件配置,并实测三种玩法。Computer Use花约4小时搭出天坛祈年殿,但耗掉200美刀Pro会员近半额度;MCP更快,可完成摩托车建模与组装动画,但复杂任务会单次运行超时,可拆分步骤或用CLI执行Python脚本解决。

    推荐理由:作者实测了Computer Use、官方MCP和CLI三种方式并给出各自的速度、成本与适用边界,方法可直接照做。