跳到正文
7月14日周二
  1. Simon Willison 博客61

    DOOMQL:基于 GPT-5.6 Sol 构建的 SQLite 游戏引擎 Doom 风格游戏

    Peter Gostev 基于 GPT-5.6 Sol 构建了 DOOMQL,一款将 SQLite 作为游戏引擎的 Doom 风格游戏。SQL 负责控制移动、碰撞、敌人、战斗、进度及屏幕上每个 RGB 像素。游戏实现为 Python 终端脚本,通过递归 CTE 在 SQLite 中完成完整光线追踪。运行脚本会生成一个 SQLite 数据库,可使用 Datasette 配合新插件 Datasette Apps 探索。作者通过 Claude(Fable 5)创建了 HTML+JavaScript 应用,实时显示游戏画面并添加了小地图功能。

  2. MarkTechPost67

    构建VideoAgent风格多智能体系统:视频编辑任务的意图解析、图规划与工具路由

    该教程构建了一个可运行的VideoAgent工作流,专注于视频理解、检索、编辑和重制的核心智能体管线。系统包含意图解析器、智能体库、工具路由器、图规划器以及用于修复执行图中缺失依赖的文本梯度优化器,并集成了FFmpeg、基于Whisper的转录、场景检测、关键帧采样、字幕生成、跨模态索引与检索、修剪、节拍同步编辑及最终渲染等实际视频处理工具。最终形成一个完整的多智能体视频系统,能够回答视频相关问题、总结内容、生成新闻式概览,并根据自然语言指令产出编辑后的视频成品。系统支持OpenAI、DeepSeek、Anthropic和Gemini等多种LLM后端,并在无API密钥时安全回退至确定性执行。

  3. The Decoder:AI News78

    OpenAI 面向普通用户发布提示词指南:从结果出发,少写步骤

    OpenAI 整合了一份面向普通用户的提示词指南,涵盖目标、上下文、输出格式和边界四个可选模块。指南建议以结果而非步骤开头,用一两条硬性规则替代逐步骤脚本。Chat 处理快速任务,基于 Codex 技术和 GPT-5.6 模型的 ChatGPT Work 负责多源、多步骤的复杂项目。Codex 新增 Steer(重定向当前运行)、Queue(排队下一条消息)和沙盒模式,支持 `/plan`、`/goal` 和 `/review` 等斜杠命令。用户无需一次性写对提示词,后续追问是预期调整方式。

    推荐理由:OpenAI 这次把提示工程从极客技巧拉回常识沟通,核心就一句:先说你想要的结果,别替模型操心步骤。普通用户读完就能上手,思路比旧版引导更务实。

7月13日周一
  1. MarkTechPost45

    循环工程指南:autoresearch 与 Bilevel Autoresearch 让 AI 智能体自主执行 ML 研究循环

    循环工程(Loop Engineering)是一种替代传统手动交互的 AI 使用模式,通过循环机制让 AI 智能体自主完成机器学习研究。该指南基于 Andrej Karpathy 的 autoresearch 代码库和 Bilevel Autoresearch 论文两个已验证成果,框架参考了 @0xCodila 的撰文。autoresearch 实现研究任务的自动迭代,Bilevel Autoresearch 则引入双层优化结构,使智能体能在更高层次上自主设计并执行研究循环,从而减少人工干预,提升 ML 研究的自动化程度。

7月12日周日
  1. Tibo75

    用户 Tibo 分享了一种通过 CLIProxyAPI 将 Claude Code 后端模型切换为 GPT-5.6 Sol 的方法。只需三步:安装 CLIProxyAPI、连接认证、设置环境变量别名 `claudex`。该别名配置了子智能体模型、始终启用 Effort、最大并发工具调用数等参数。引用推文作者 Theo 补充,若已配置好代理,仅需约 2 条提示词即可完成设置。Tibo 称整个过程约 5 分钟,若被封锁可重置。

    引用Theo - t3.gg@theo

    @thsottiaux 简而言之: - 用 Claude 和 Codex 认证设置 CLIProxyAPI - 连接到 Claude Code - 创建 "claudex" 别名来设置一些环境变量 大概花了 2 个提示(不过说实话我已经把代理设置好了)

    推荐理由:不装Codex app也能用GPT-5.6-Sol,这个别名技巧解决了Claude Code用户的尝鲜难题,一行命令就搞定,对开发者很友好但算不上突破。

  2. MarkTechPost58

    TileGym GPU 编程教程:从cuTile与Triton内核到Flash Attention

    本教程通过Colab工作流讲解TileGym GPU编程。首先探测CUDA环境,在标准Colab GPU上回退至Triton,在CUDA 13.1+及Ampere/Ada/Blackwell GPU上使用NVIDIA cuTile后端。核心思想是以数据块(tile)为单位进行加载、计算与存储。教程实现了向量加法、融合GELU、行式softmax、分块矩阵乘法及Flash Attention内核,并与PyTorch对比验证正确性与性能。Flash Attention采用在线softmax避免完整注意力矩阵的显存占用。

7月11日周六
  1. ByteByteGo41

    Docker 底层工作原理

    Docker 容器本质上是拥有独立命名空间的普通 Linux 进程。Docker CLI 通过 API 将命令发送给 dockerd,dockerd 再调用 containerd 和 runc 来创建隔离环境并启动进程。

  2. MarkTechPost69

    构建 T4 友好的自主数据科学智能体:DeepAnalyze-8B + 沙盒代码执行

    本教程演示如何围绕 DeepAnalyze-8B 构建一个自主数据科学智能体。工作流在 Colab 上运行,通过 4-bit 量化将模型加载到 T4 GPU 上,并搭建沙盒化代码执行环境,让模型在智能体循环中生成 Python 代码、安全执行、观察结果并持续分析。最终,智能体处理一个多文件电商工作区,完成数据清洗、合并、分析、可视化和结构化报告生成。

  3. The Decoder:AI News73

    OpenAI 员工详解 GPT-5.6 Sol 五个推理层级适用场景

    OpenAI 员工 Vaibhav Srivastav 解释了 GPT-5.6 Sol 五个推理层级的适用场景。“Light”和“Low”用于快速、明确的任务;“Medium”适用于规划和分析;“High”和“xhigh”处理复杂、多步骤工作或“仔细验证”。“Max”让模型在单个问题上花费更多时间,“Ultra”则并行部署多个子智能体分别处理任务的不同部分。更高层级耗时更长、消耗更多模型 token。Srivastav 建议从低层级开始,仅在需要时升级。这些层级与 GPT-5.5 的层级不一一对应,切换用户应从比习惯低一级开始。Sol 的 Pro 层级仍未发布,此前曾在基因组学基准测试论文中泄露。

  4. PixVerse64

    PixVerse 在 X 平台发布了一条 AI 生成的情侣舞蹈 MV 推文,歌词由 Gemini Omni 生成。推文提供了两种 Prompt 模式:模式 A 使用两张参考图像生成 15 秒实写风格 MV,要求保持人物特征并添加水彩手绘 VFX 效果,节奏设定为 118 BPM;模式 B 支持多张参考图像同时出演,生成 60fps 的偶像概念 MV,要求多人物同框、手绘 2D 特效同步,并模拟 5 台摄像机切换。

    引用C’est La Vie | AI Director@sailorv321

    Couple Dance MV🎬 淡いパステルインク世界のカップルダンスMV 「まだ痛い」に合わせて踊らせてみました。 可愛い🐈‍⬛💗 歌詞はGemini Omniを使用! パターンBは背景変更して使ってください🫶 パターンA Prompt⬇️(15s) 参照画像2枚を使用する。 image1 を人物A、image2 を人物Bとして扱う。 人物Aと人物Bは、参照画像の顔立ち、髪型、体型、表情、衣装の印象、雰囲気、キャラクター性を維持したまま、実写MVに登場する人物として表現する。 2人を混ぜない。 顔、髪型、衣装、体型、雰囲気、VFX、キャラクター性を入れ替えない。 参照画像ごとの個性を保ち、それぞれ別の人物として明確に描く。 参照画像にある特徴的な装飾やシルエットは、実写MV向けのファンタジー衣装として自然に馴染ませる。 素材感、髪の揺れ、布の動き、アクセサリーの反射、肌の質感、光と影をリアルに見せる。 全体は可愛く、上品で、透明感のある実写ファンタジーMVにする。 背景は、現実の場所ではなく、実写MV用の Pastel Ink Dream Stage。 白く柔らかいスタジオ空間に、淡いインク、水彩の光、半透明ガラス、揺れるシルク布、透明な円環、淡い反射床、浮遊する紙片、シャボン玉のような円、星屑の微粒子を配置する。 色は、ミルキーホワイト、ベビーブルー、ラベンダー、淡いピンク、クリームイエロー、ミントグリーン、薄いシアンなど、柔らかいパステルカラーを中心にする。 色は強く発光させず、淡くにじむように見せる。 背景は開始時点から静止しない。 118 BPMに合わせて、淡いインク雲、水彩の光、透明な円環、ガラスの反射、布、光粒がゆっくり膨らみ、流れ、揺れ、溶けるように動く。 可愛いインクスタイルVFXと、繊細な手描きエフェクトを両方追加する。 インクは、透明な水彩インク、淡いブラシ跡、ミルキーな飛沫、小さなインク粒、空中に広がるにじみとして出す。 手描きエフェクトは、細い白線、淡いパステル輪郭線、小さな星、細い稲妻、手描きスピード線、波線、きらめき軌跡として一瞬だけ出す。 線は少し揺らし、手描きの温度を残す。 人物AのVFXは、少しシャープで透明感のある表現にする。 細い線、透明な円環、液体ガラスの波紋、淡い光粒、鋭い手描き軌跡を、肩、手首、足元、ターンに反応させる。 人物BのVFXは、少し柔らかく甘い表現にする。 淡いインクのにじみ、星屑、小さな光花、柔らかいリボン状ブラシ、手描きのきらめきを、指先、髪、衣装、ターンに反応させる。 2人が近づいた瞬間だけ、人物Aの円環系VFXと人物Bの星屑系VFXが、淡い光の波紋として一瞬重なる。 その後すぐに分かれる。 VFXは顔、目、身体ライン、手足、衣装ディテール、ダンスを隠さない。 衣装は参照画像の世界観を保ちながら、実写MV向けに華やかに再設計する。 光沢素材、レイヤード、短めジャケット、揺れる布、チェーン、ベルト、リボン、アクセサリー、ブーツ、手袋、メタリックパーツ、透け感、差し色を加える。 人物Aと人物Bはカップル感を出すが、衣装とVFXの個性は明確に分ける。 髪、布、リボン、アクセサリー、特徴的な装飾は、ダンスに合わせて自然に揺れる。 表情は可愛く、余裕があり、カップルらしい距離感を出す。 一方がカメラを見る時、もう一方は相手を見る、または少し目線を外す。 同じ表情を同時にしない。 全体印象は、image1 と image2 を実写人物化した、淡いパステルインク世界のカップルダンスMV。 人物Aは少しクールでシャープ。 人物Bは少し柔らかく華やか。 背景は可愛いが安っぽくせず、透明感のある水彩インクと手描きVFXで美しく動く。 顔、髪型、体型、表情、シルエットを最優先する。 テキストオーバーレイなし。字幕なし。ロゴなし。読める文字なし。 グラフィティなし。スプレーアートなし。強いネオンなし。サイバー風なし。普通の風景背景なし。 人物の複製なし。新しい人物なし。完全シンクロなし。左右対称コピーなし。棒立ちなし。歩くだけなし。 パターンB Prompt⬇️(15s) 参照画像を1枚以上使用する。 参照画像に写っている人物・キャラクターをすべて主人公として扱う。 参照画像が1枚なら1人、2枚なら2人、3枚なら3人のように、参照画像の人数分を同じ映像内に同時出演させる。 15秒、60fps。 アイドルのコンセプトMV風の高品質ダンス映像。 短尺MVらしいテンポ、可愛い振付、手描き2Dエフェクトが同期した映像にする。 髪、服、アクセサリー、手先、ステップ、ターン、視線、エフェクトの動きを滑らかに描写する。 全員を同じ背景、同じ撮影空間、同じMVシーン内に同時に配置する。 参照画像ごとに背景を変えない。 参照画像ごとに別シーンへ分けない。 途中でキャラクターを入れ替えない。 1人ずつ順番に登場させない。 複数参照画像の場合、それぞれを独立した人物・キャラクターとして扱う。 顔、髪型、髪色、体格、衣装、アクセサリー、性別、年齢感、雰囲気を混ぜない。 同じ顔、同じ髪型、同じ衣装のペアにしない。 男女の参照画像を使う場合、男性は男性として、女性は女性として明確に維持する。 参照画像の人物表現を最優先で保持する。 参照画像の質感、画風、空気感、キャラクター性をそのまま維持する。 複数の参照画像で質感が異なる場合も、それぞれのキャラクターごとに個別保持する。 全員を無理に同じ画風へ統一しない。 全身や衣装が完全に見えていない場合は、各参照画像から読み取れる色、素材感、シルエット、雰囲気、キャラクター性に合わせて自然に補完する。 補完部分も、それぞれの参照画像と同じ方向性で作る。 別キャラクターの顔、髪型、衣装、体型、色を流用しない。 背景は1つの共通したMV撮影空間として固定する。 室内スタジオ、窓辺の部屋、シンプルな撮影空間のいずれか。 柔らかい自然光、整理された背景、全員が主役に見える空間。 ショットごとに場所を変えず、同じ空間内でカメラ角度だけを変える。 背景は参照画像全体の共通点を分析して、1つのアイドルコンセプトMV空間として成立させる。 明るい、淡い、落ち着いた、少し湿度のある、クール、可愛いなど、参照画像の雰囲気に合わせて調整する。 楽曲は日本語の歌。 実在する楽曲は使用しない。 映像コンセプトは、参照画像の人物・キャラクター全員が同じMV空間で可愛く印象的なダンスを踊る短尺コンセプトMV。 最優先は、全員が同時に存在すること、全員が可愛く見えること、短尺MVとして記憶に残ること、ダンスと手描き2Dエフェクトが一体化して見えること。 複数キャラクターの場合は、横並び、三角配置、斜め配置、前後配置などを使い、全員が画面内で見えるようにする。 全員が同時に踊る。 片方だけ踊る、棒立ち、別々の場所に分かれる演出は禁止。 可愛さはテンプレート化しない。 参照画像全体を分析し、アイドルのコンセプトMVとして成立する可愛さにまとめる。 明るいキャラクターは弾む可愛さ。 落ち着いたキャラクターは上品な可愛さ。 クールなキャラクターは照れや余裕のある可愛さ。 儚いキャラクターは柔らかい可愛さ。 ストリート感のあるキャラクターはラフで遊び心のある可愛さに寄せる。 振付は、1人の場合はソロダンス、2人以上の場合はグループダンスとして構成する。 全員が揃える場面と、少しだけ個性を出す場面を入れる。 手元、肩、首、腰、足元、視線、ターン、決めポーズを自然に使う。 動きは可愛く、真似しやすく、短尺で印象に残るものにする。 子どもっぽすぎる動き、過度にセクシーな動き、激しすぎるダンス、不自然なジャンプ、ランダムな動きは禁止。 手描き2Dエフェクトは、参照画像全体を分析して自動生成する。 全員に共通して似合う形、線、質感、色、密度、出現タイミングにする。 画面全体としては1つのMVデザインに統一しつつ、必要に応じてキャラクターごとに少しだけ違う色や線の癖を持たせる。 エフェクトはMV映像の上に合成された手描きモーショングラフィックとして表現する。 クレヨン、鉛筆、オイルパステル、淡いインクのような、ラフで可愛い平面的な2Dアニメーションにする。 全員の手元、顔まわり、足元、身体の動き、ターン、視線、決めポーズに同期させる。 1人だけに偏らせず、画面全体にバランスよく配置する。 顔や身体を隠しすぎない。 カメラは5台で撮影しているような構成。 2秒ごとに、正面、上から、左から、右から、背後からのカメラへ切り替える。 背景は同じ空間のまま維持し、カメラ角度だけを変える。 複数キャラクターの場合、全員が見える構図を優先する。 全身または膝上のグループ構図を必ず入れる。 寄りすぎて誰かが画面外へ消える構図は禁止。 カメラは完全固定にせず、ビートに合わせて軽く揺らす。 上下の小さなバウンス、短いパンチイン、わずかな左右揺れを入れる。 雑な手持ち揺れにはしない。 0.0〜2.0秒。 正面カメラ。 全員が同じ背景内に同時に登場。 全身または膝上構図。 人数に応じて横並び、またはバランスの良いフォーメーションで配置する。 全員がリズムを取りながら、参照画像全体の人物性に合う可愛い導入ポーズと小さなステップを行う。 手元と顔まわりに、参照画像全体の色味と雰囲気に合う手描き2Dエフェクトが出現する。 2.0〜4.0秒。 上からのカメラ。 同じ背景空間の俯瞰アングル。 全員が画面内に入り、カメラを意識する。 人数に応じて、顔まわりの仕草、手元のアクセント、軽い視線の動きを揃える。 キャラクターごとの個性を壊さず、グループとして可愛く見せる。 4.0〜6.0秒。 左からのカメラ。 同じ背景空間の左側アングル。 全員の身体の向き、腰、肩、手元を使った短い振付を行う。 膝上から全身に近い距離を保ち、手、腰、足元の動きを見せる。 複数キャラクターの場合、前後配置や斜め配置で全員が見えるようにする。 手の軌跡や身体の動きに合わせて、全員にバランスよく手描きエフェクトが流れる。 6.0〜8.0秒。 右からのカメラ。 同じ背景空間の右側アングル。 全員が反対側へ身体を向けつつカメラを意識する。 肩、両手、足元を使った可愛い音ハメの振付を入れる。 足元まで自然に見える構図で、ステップが分かるようにする。 肩まわりと足元に、参照画像から導いた色と形の手描きエフェクトが出現する。 8.0〜10.0秒。 背後からのカメラ。 同じ背景空間の背後アングル。 全員の髪と衣装が柔らかく揺れる。 背中、肩、腰、全身シルエットが自然に見える構図。 全員が肩越しに振り返ってカメラ目線、または人数に応じて自然にタイミングをずらす。 小さなターン、振り返り仕草、手元の決め動作を入れる。 ターンの軌跡に、グループ全体に似合う手描きエフェクトが出現する。 10.0〜12.0秒。 正面カメラ。 サビ感の盛り上がり。 全員が画面内にいる膝上から全身構図。 両手、肩、腰、足元を使い、短尺MVとして印象に残る可愛いグループ振付を行う。 ここではエフェクトの密度を少し上げる。 参照画像全体の人物性に合う形、線、色を画面左右や背後に広げる。 決めのたびに短いカメラシェイクを入れる。 12.0〜14.0秒。 上からのカメラ。 同じ背景空間の俯瞰アングル。 全員が見上げながら、顔まわりと手元を使った可愛い仕草を行う。 表情はそれぞれの参照画像の雰囲気に合わせて自然に調整する。 手元から、グループ全体に似合う小さな手描きエフェクトがふわっと広がる。 全員の顔立ち、髪、雰囲気を維持する。 14.0〜15.0秒。 エンドシーン。 同じ背景空間。 正面寄り、または少し斜め前のカメラ。 全員が最後の振付から自然につながる決めポーズで締める。 決めポーズは必ずしも顔アップにしない。 人数、衣装、全身シルエット、振付の流れに合わせて、全身、膝上、腰上、バストアップの中から最も自然で魅力的なグループ構図を選ぶ。 ラスト直前に急なズーム、急なジャンプカット、不自然な顔アップ、画面が弾くような急接近は禁止。 カメラは滑らかに近づく、または軽く止まる程度にする。 決めポーズの強調は、全員の身体の止め、手元の形、視線、髪や衣装の余韻、手描き2Dエフェクトの短い弾け方で表現する。 制約。 主人公以外の人物を出さない。 複数の参照画像を1人の人物に統合しない。 男女の顔を混ぜない。 片方の髪型や衣装をもう片方に移さない。 同じ顔、同じ髪型、同じ衣装のペアにしない。 双子化しない。 同じ背景にいることを理由に、人物特徴を共有しない。 参照画像と矛盾する衣装にしない。 参照画像に合わないポーズ、表情、アイコン、色、衣装演出を出さない。 エフェクトや仕草を毎回同じテンプレートにしない。 人物だけが変換された単調な映像にしない。 ダンスとエフェクトを必ず同期させる。 エフェクトは弱くしすぎず、振付の一部として見えるようにする。 爆発、炎、煙、過剰なグリッチ、派手すぎる魔法演出は禁止。 文字、字幕、ロゴ、透かしを表示しない。 15秒全体を60fpsで滑らかに描写する。 @PixVerse_ #pixverse #PixVerseCPP

  5. GitHub Blog51

    GitHub Copilot 代码审查改用共享工具后性能下降,通过重写指令实现 20% 成本降低

    GitHub 在 Copilot 代码审查中尝试用 Copilot CLI 的共享代码探索工具(grep、glob、view)替换原有专用工具,结果导致审查成本上升、有效评论数量下降。分析 trace 发现,问题不在工具本身,而在于指令让智能体像通用编程助手一样大范围浏览仓库,而非像审查者一样从 diff 出发进行定向搜索。重写指令后,审查平均成本降低约 20%,同时保持相同审查质量。

7月10日周五
  1. Greg Brockman62

    OpenAI 联合创始人 Greg Brockman 分享 GPT-Live 新用例:个性化互动新闻简报。用户可在 ChatGPT 中设置定时任务生成个性化新闻,然后使用 GPT-Live 朗读,过程中可随时提问或要求补充研究,GPT-Live 会先处理请求再从中断处继续朗读。该功能支持在现有对话线程(包括定时任务线程)中直接启用。

    引用Simon Smith@_simonsmith

    I discovered a great use case for GPT-Live today: Personalized, interactive news briefings. I have a scheduled task in ChatGPT to create a personalized newscast. I’ve been having Chat read that aloud using the text-to-speech button on replies. But today I wondered: Can GPT-Live read this to me and then I can ask it questions as it’s going, and then it resumes where it left off? The answer is yes! You can just hit the GPT-Live button in an existing thread and talk about it, and that includes a scheduled task thread. You can ask questions, ask for additional research, and do anything else GPT-Live allows, and it will address your request and then resume reading where it left off. This is really cool.

  2. Elon Musk68

    Elon Musk 转发用户 @0x0funky 对 Grok Build 的称赞。该用户称 Grok Build 是目前唯一集大成的 coding agentic workflow,内建图像生成和图片生视频功能,生图速度快且品质不输 Codex。Agent 可直接完成图像与视频生成,无需额外串接 MCP 或外部服务。用户结合 Agent Sprite Forge 工具,利用 Grok Build 的视频生成能力,先产出 6 秒角色动作视频再反编译为 game sprite,大幅减少对齐问题,制作 2D 横版游戏耗时不到 30 分钟,而此前用 Codex 需 1-2 小时且品质更优。

    引用0xFunky@0x0funky

    Grok Build is crazy. 先不管GPT-5.6是不是release到底好不好用。 先來大大稱讚一下 @grok 的 Grok Build,目前唯一集大成的 coding agentic workflow。 Grok Build 內建 Image 生圖,甚至還有圖片生影片的功能,生圖速度真的快到不行,圖片品質也完全不比 Codex 差。 更厲害的是,因為 Grok Build 本身就內建生圖和生影片能力,agent 可以直接完成圖像與影片生成,不需要再額外串其他 MCP 或外部服務,只要訂閱 Grok,就可以把這整套 creative coding workflow 跑起來。 我在 Agent Sprite Forge 上面也新增了Grok專用的 video2dsprite,因為 Grok Build 內建影片生成,現在可以先生成一段連續的 6 秒角色動作影片,再反編譯成 game sprite,這樣做出來的角色元素圖會非常順,而且大幅減少之前常見的對齊問題。 Grok Build搭配 Agent Sprite Forge 真的超好用,我做完這個2D橫向卷軸遊戲總共花了不到30分鐘... 之前叫Codex做,光生圖就要花不少時間,要做成這樣的遊戲大概需要1~2小時,重點是Grok的品質還比Codex做的還要更好... @elonmusk Grok Build is crazy. Grok Build + Agent Sprite Forge feels like the future of agentic game development.

    推荐理由:这个 Grok Build 加 Agent Sprite Forge 的工作流把做 2D 游戏的时间压到了 30 分钟,之前要 1-2 小时,而且品质更好,独立游戏开发者可以直接抄作业。

  3. 公众号:龙猫LongCat43

    美团 AI 顶会论文 32 篇精讲直播回放上线,含 ACL 2026 杰出论文

    美团技术团队近日精选 32 篇被 ACL、SIGIR、ICML、KDD 等顶会收录的论文,举办 5 大专场直播,回放已上线。其中,美团履约技术团队的《GeoRA: Geometry-Aware Low-Rank Adaptation for RLVR》获 ACL 2026 杰出论文奖(全球仅 18 篇)。直播内容涵盖大模型推理、智能体记忆与自进化、代码智能、多模态交互、超高清视频生成、本地生活搜索等方向。

  4. 公众号:卡尔的AI沃茨80

    OpenAI 发布 GPT 5.6 全家桶,Codex 改名 ChatGPT,新增 Work 与站点功能

    OpenAI 发布 GPT 5.6 全家桶,将 Codex 更名为 ChatGPT,原 ChatGPT 改为 ChatGPT Classic,新增 ChatGPT Work 和站点功能。模型分三级:Sol(超大杯,上下文 372k)、Terra(大杯,性能接近 GPT-5.5,价格减半)、Luna(中杯轻量)。Sol 新增 max 与 ultra 推理档位,ultra 可调用多个子 Agent 并行处理。在 Cerebras 芯片加速下,Sol 推理速度达 750 tokens/s。OpenAI 计划跳过 5.x 直接发布 GPT-6,基于全新更大预训练底座。GPT-5.4 将于 7 月 23 日下线,Atla 浏览器改为插件形式。

  5. TechCrunch:AI72

    如何阻止Meta的AI图像生成器使用你的Instagram照片

    Meta推出AI图像生成功能Muse Image,允许用户利用公开Instagram账户的照片生成AI图像,只有私密账户和18岁以下用户自动排除。用户可在个人资料中选择“分享和复用”,关闭“允许他人使用和复用你的内容”以退出。该功能引发隐私担忧,此前Meta因剑桥分析事件被FTC罚款50亿美元,涉及8700万用户数据泄露。Pew调查显示35%受访者对AI增长担忧多于兴奋。

7月9日周四
  1. IT之家·人工智能77

    官方支招两种AI方案:Claude Fable 5搭配Sonnet 5省token

    Anthropic官方建议将Claude Fable 5用作规划层、Sonnet 5执行任务以降低成本。顾问模式下,Sonnet 5主执行,仅需额外指导时调用Fable 5;SWE-bench Pro测试显示相比完全用Fable 5可达92%性能,成本仅63%。协调者模式下,Fable 5充当规划者,将子任务分派给多个Sonnet 5工作智能体;BrowseComp基准上达到Fable 5单独运行96%表现,成本为46%。

    同一件事,精选收录的是《Fable 5 作为顾问与执行者调用模式》

  2. 公众号:千问APP47

    千问高考接入中国邮政EMS,上线录取通知书实时追踪与提醒功能

    千问高考接入中国邮政EMS,上线录取通知书实时追踪与提醒功能。用户授权绑定填报志愿时填写的手机号后,寄送开始及物流状态变化时千问会主动推送通知,并可在界面查看实时物流轨迹,也可手动输入单号查询或直接下单寄件。截至7月8日,用户已在千问领取2300万份志愿报告,超70%用户连续多天高频使用志愿日历。

  3. MarkTechPost48

    Netflix 工程团队为 Cassandra 宽分区提出动态拆分方案,读取延迟降至毫秒级

    Netflix 工程团队为 Apache Cassandra 4.x 上的 TimeSeries Abstraction 平台提出动态分区方案。该方案按 TimeSeries ID 异步透明拆分宽分区,无需应用改动。检测阶段在读取路径上通过字节计数和 Kafka 事件触发,优先拆分不可变分区;使用 Bloom 过滤器(微秒级)和缓存的 wide_row 元数据查找路由读取到子分区。校验包括校验和、保留原始分区、Data Bridge Spark 检查和影子对比。效果上,读取延迟从秒级降至两位数毫秒,尾延迟降至约 200ms,500MB+ 分区保持可用。

  4. Claude:Blog54

    Anthropic 市场运营团队用 Claude Cowork 自动化报告与活动构建

    Anthropic 市场运营团队的 Ian Chan 和 Annabel Custer 利用 Claude Cowork 将手动工作从多天压缩至数小时。Ian 此前每周花 1—2 天整合营销指标报告,现在通过 Claude Cowork 的定时任务(每周日自动读取上周报告、会议记录、Slack 和数据仓库)生成初始报告,经他审核后由 Claude 扩展细节并产出领导层幻灯片,流程缩至最多 2 小时。Annabel 曾手动在 Salesforce、HubSpot、Swoogo 等平台逐一搭建活动,现由 Claude Cowork 的派遣技能每小时读取请求频道,分发给五个专业技能自动处理最复杂的事件构建。人类验证已成为工作流核心环节。

  5. The Decoder:AI News72

    Anthropic 为降低成本将 Claude Fable 5 变为管理者,委派任务给 Sonnet 5

    鉴于 Claude Fable 5 成本高昂,Anthropic 建议将其主要用作规划器,执行交由较小模型。在“Advisor”模式下,Sonnet 5 作为执行者,仅在需要指导时调用 Fable 5;SWE-bench Pro 上性能达 Fable 5 独自的 92%,成本降至 63%,每次任务约调用一次 Fable 5。在“Planner”模式下,Fable 5 规划并委派任务给 Sonnet 5 智能体;BrowseComp 上性能达 96%,成本仅 46%。两种模式均通过 Claude Managed Agents 运行。此举正值价格压力加剧——中国开源模型已压低西方定价,新 GPT‑5.6 Sol 每 token 成本更低且 token 效率更高。

7月8日周三
  1. ByteByteGo64

    The Agent Loop:AI 如何从回答问题转向执行任务

    AI 智能体(Agent)通过循环结构将大语言模型从被动问答推向主动执行任务。每个循环中,模型自主选择工具调用、推理步骤或直接输出,由脚手架(scaffolding)协调记忆、状态管理与外部反馈。该模式适用于需要多步决策、环境交互或工具链编排的场景,而非简单的单轮问答。

  2. Rohan Paul61

    DoorDash发现单次AI代码审查仅捕获约30.7%的PR问题,为此构建了Sonnet 4.6+Opus 4.8多模型审查代理,召回率提升至53.6%,成本$3.91/PR。最新实验将审查拆分为侦察与验证两步:Kimi K2.6作为侦察模型扫描差异,Claude Fable 5作为评审验证。该方案在内部基准DashBench上达65.2%加权召回率、75.3% F1,每PR成本$3.81。Composer 2.5+GPT 5.5 medium方案精确率达92.2%,但召回率显著偏低。DoorDash同步开源了DashBench。

    引用DoorDash AI Research@AIatDoorDash

    Models out of the box have trouble reviewing DoorDash’s codebase, even when feeding them appropriate context. Single-pass AI reviewers only caught 30% of the real issues in our PRs. Instead, we built a multi-model (Sonnet 4.6 + Opus 4.8) code review agent that caught 53.6% issues at $3.91 a PR (most enterprise code review solutions perform significantly below 50% recall on DoorDash PRs). Today, we’re proud to share DashBench, our internal benchmark to compare multi-model/harness code review systems against each other. DashBench has given us confidence in maximizing the intelligence per dollar we’re spending on AI tokens to ship code safely.