Honen
Honen 将团队知识转化为 AI 引导的互动课程，帮助企业自动化员工培训，实时更新内容。
热门产品
Browse.sh
Browse.sh 是一个浏览器自动化技能的开放目录，为 AI 智能体提供可复用的任务配方，帮助代理高效完成网页操作。
Vaani
Vaani 是一款 AI 配音工具，为创作者、品牌和工作室提供 40 多种语言的唇形同步配音，保留原声和音乐，降低成本。
Tamadoggo
Tamadoggo 是一款宠物生活 AI 日记应用，为宠物主人记录日常活动并提供智能建议和文档扫描功能。
开源项目
openmed
本地优先的医疗 AI 工具包，专为临床文本设计的实体提取和 PII 脱敏库，包含 1000+ 预训练模型。一次 pip install 即可离线运行，支持 CPU/CUDA/Apple MLX 加速，并提供 Swift SDK 集成到 iOS/macOS 应用。
espectre
基于Wi-Fi Channel State Information (CSI) 的无线人体运动检测系统，与Home Assistant原生集成。利用ESP32芯片采集Wi-Fi信号变化，通过传统信号处理或实验性ML神经网络（9→32→16→1 MLP）实现运动识别，无需摄像头/麦克风。
system-prompts-and-models-of-ai-tools
收集了Cursor、Claude Code等数十款主流AI工具的系统提示词（System Prompts）和内部模型信息，堪称AI工具提示词大全。亮点在于持续更新覆盖最新工具，对想了解AI产品设计思路或做逆向分析的人极具参考价值。
论文
Your UnEmbedding Matrix is Secretly a Feature Lens for Text Embeddings
大语言模型在零样本任务中表现优异，但作为现成的文本嵌入模型时性能不佳。本文发现其根源：文本嵌入在词汇空间投影时，会过度表达高频但无信息的token，掩盖了细粒度语义。为此，我们提出EmbedFilter——一种简单的线性变换，直接滤除LLM的unembedding矩阵中编码的频繁token子空间，从而抑制高频token影响，增强语义表示。
GENEB: 为什么基因组模型难以比较
基因组基础模型的进展因基准测试分散、评估协议不兼容以及任务特定报告而难以评估。因此，不同模型在优越性或通用性上的声明往往无法直接比较。我们提出了GENEB，这是一个大规模诊断基准，在统一的基于探针的协议（包括少样本场景）下，评估了40个基因组基础模型在100个任务（涵盖13个功能类别）上的冻结表示。
SoCRATES：面向跨领域和社会认知变化的主动式LLM调解可靠自动化评估
评估LLM调解员仍具挑战，因为调解是随争议者情绪、意图和情境变化而实时展开的轨迹。现有测试平台依赖少数专家编写的领域，主要变化策略立场，并对每个话题的每一轮评分，引入离题噪声。 我们提出SoCRATES，一个用于在真实、多领域测试平台中评估主动式LLM调解员的基准。
MMAE: 一个大规模多任务音频编辑基准
我们提出 MMAE（Massive Multitask Audio Editing），这是首个面向通用指令式音频编辑的综合评估测试平台。受智能创作趋势推动，交互式编辑已从视觉领域（如图像的 Nano-banana 2 和视频的 Gemini-Omni）快速扩展到音频领域。然而，当前评估基础设施严重滞后，仍高度碎片化且局限于特定子域或基本操作。
AnchorWorld: 基于视角演化定制的具身化自我中心世界模拟
尽管交互式世界建模是前沿方向，但在实际应用所需的多功能可控性方面仍未充分探索。为填补这一空白，我们提出 AnchorWorld，一个通过增强交互完整性和灵活的世界定制机制来推进自我中心模拟的框架。 首先，我们利用 3D human motion 作为主要交互模态。
通过分解视觉代理的直接3D感知对象插入
对象插入旨在将参考对象无缝合成到背景图像的指定区域。现有基于扩散的方法虽然视觉质量高，但将其视为简单的 2D 修补任务，缺乏对对象 3D 姿态 的显式控制，限制了实际应用。 我们提出 DIRECT（Decomposed Injection for Reference Composition and Target-integration）框架，将交互式姿态操控…
机器人需要的不只是VLA和世界模型
通用机器人智能通常被视为策略扩展问题：收集更多机器人示范、训练更大规模的视觉-语言-动作（VLA）模型，并期望更广泛的泛化。本文论证这一框架是不完整的。核心瓶颈不仅在于策略学习，更在于缺乏将世界上海量非结构化行为数据转化为可用的机器人监督信号的机制。
当工具失效：LLM代理中动态重规划和异常恢复的基准测试
现有基准主要评估LLM在理想化“快乐路径”上的工具集成推理（TIR），忽视了现实中的工具故障。本文提出 ToolMaze，一个针对 TIR 代理动态路径发现与错误恢复的基准。为区分系统性重规划与盲目试错，ToolMaze 采用二维设计：基于 DAG 的拓扑复杂度与工具扰动的 2×2 分类（显式/隐式、瞬态/永久）。
OpenSkill: 面向开放世界的LLM智能体自进化
现有自进化智能体在部署后需要适应，但通常假设存在可用的学习循环（如 curated skills、successful trajectories 或 verifier signals）。真实开放世界部署可能不提供这些，仅给出任务提示。
SubtleMemory：面向长期AI代理的细粒度关系记忆辨别基准
现有的持久性AI助手（如OpenClaw）在长期交互中积累大量相关记忆。随着记忆增长，它们可能相互强化、在不同上下文中分化或直接冲突，使得正确辅助依赖于记忆关系而非孤立回忆。然而，现有长期记忆基准很少探究代理在下游任务中如何保持和利用这些关系。 为解决这一问题，我们提出SubtleMemory，一个用于长期运行AI代理的细粒度关系记忆辨别基准。
UnpredictaBench：评估大语言模型分布随机性的基准
随着大语言模型（LLMs）越来越多地被用作其他实体的替代品（如经济模拟中的人类），许多模型倾向于坍缩到单个合理答案，导致无法捕捉真实系统的不可预测性。近期提升输出多样性的工作对此场景并不充分——模拟需要的是校准到目标分布的样本，而不仅仅是多样化的输出。
UniSHARP: Universal Sharp Monocular View Synthesis
本文聚焦于扩展 SHARP（一种流行的逼真视图合成方法），使其适用于通用单目渲染，能够覆盖从常规透视相机到广角、鱼眼及全景等连续相机系统。为克服 SHARP 对针孔模型的特定假设，核心思想是将不同图像对齐到统一的全方位潜在空间。 为此，我们提出 UniSHARP，该方法在特征空间和高斯空间中进行隐式对齐。
Physics in 2-Steps: Locking Motion Priors Before Visual Refinement Erases Them
图像到视频扩散模型利用输入图像生成视觉上令人惊艳的内容，但常产生违反物理规律的运动。我们揭示了一个令人惊讶的发现：相比于同一模型的 50 步 输出，2 步 生成往往表现出更好的物理一致性。通过频谱分析，我们将此归因于去噪过程中的相位侵蚀：相位从第 2 步到第 50 步显著下降约 18%，而幅度保持相对稳定。
结合反事实链和因果图的 LLM 可解释性
因果图提供了一种高层语言，用于让机制透明化。近期工作利用大语言模型（LLM）恢复外部世界过程的因果图。本文则使用因果图对 LLM 推理本身建模，为利益相关者提供模型如何感知和组织高层概念以产生预测的透明视图。我们提出了一种四阶段方法来构建此类图。
LIMMT: 少即是多的运动追踪
本文认为高质量的运动数据可以在训练早期引导跟踪策略走向更优的优化轨迹。为此，我们提出了 LIMMT（Less Is More for Motion Tracking，少即是多的运动追踪）。据我们所知，这是首个针对基于物理的人形运动追踪的数据为中心的研究。 我们不仅移除低质量和错误片段，还通过三个维度定义运动数据质量：物理可行性、多样性 和 复杂性。
Thinking with Imagination: Agentic Visual Spatial Reasoning with World Simulators
尽管视觉语言模型（VLM）已展现出强大的视觉推理能力，但其空间推理能力仍主要局限于观察到的图像和基于文本的思维链。当仅提供有限的自我中心观察时，模型往往难以推断未观测到的布局、保持跨视角一致性以及从替代视角进行推理。
Watch, Remember, Reason: 基于MLLMs的人类视角视频理解
视频理解正被多模态大语言模型（MLLMs）快速变革，研究从短片段转向长视频、多模态及知识密集型场景。这些场景要求模型处理稀疏证据、长距离依赖、多模态对齐，并在有限计算资源下进行可靠推理。本文提出人类视角（Human-View）的分析框架，围绕观看、记住、推理三大功能能力组织基于MLLMs的视频理解。
dots.tts 技术报告
我们提出 dots.tts，一个 2B 参数的连续自回归文本到语音（TTS）基础模型，在连续潜在空间中建模语音。与现有连续自回归模型相比，我们的核心创新有三点： 1. AudioVAE 多目标训练：通过多个训练目标构建语义结构化且利于预测的连续语音空间。 2. 流匹配头全历史条件：在流匹配头中使用全历史条件以保持长程一致性并减少生成过程中的漂移。
SIA: 具有 Harness 与权重更新的自我改进 AI
人类是构建和改进 AI 的瓶颈。无论是模型本身还是封装它们的代理，都由人类编写、调优和纠正。一种能够自己学会改进自己的 AI 这一长期目标仍然未实现。目前有两个基本独立的研究方向试图突破这一瓶颈：harness-update 学派通过元代理重写任务特定代理的框架（其工具、提示、重试逻辑和搜索过程），同时固定模型权重；
PaperFlow: 跨日常论文流的画像、推荐与适应
科学论文推荐通常被评估为固定候选集上的静态排序，然而真实的科研阅读是一个日常的、纵向的过程，其中兴趣会转移，反馈会积累。我们提出了 PaperFlow 框架，将其组织为三个耦合阶段：画像，从异构冷启动证据中构建并维护结构化的、可检查的学术画像；推荐，在固定展示预算下通过多信号聚合对每日特定论文流进行排序；
动态
Claude Fable 5发布，性能SOTA，质量飞跃，建议大胆使用但注意安全
这是一个非常令人兴奋的发布——Claude Fable 5 与 Mythos 底层模型相同，但增加了安全措施。基准测试结果很好，它在所有指标上都以一定优势达到了SOTA，但我还要补充一点，定性上这也是一个值得重大版本更新的进步（在我看来与11月的Claude 4.5同等级别），尤其在解决极难问题的长会话中表现突出。
Claude Fable 5 改变Claude Code团队工作方式
Claude Fable 5 改变了我们每天在 Claude Code 团队的工作方式。我们过去验证 Claude 是否正确完成任务，现在验证它是否在做正确的任务。以下是 3 个最大的变化：
Fable 5模型从编码助手升级为设计伙伴
Fable 5 是我自11月Opus 4.5以来感受到的最大进步。4.5发布后，我卸载了IDE，因为意识到几周来我100%的编码都是在终端完成的。使用Fable，感觉Claude从编码助手升级为构建产品的思考和设计伙伴。Fable具有判断力、品味和维度，之前的模型没有，让我更信任它处理最复杂的工作。我第一次有这种感觉是让Fable调试时。
Jason从OpenAI辞职，计划在AGI前构建最终产品
我已从OpenAI辞职。今年早些时候我离开Sora，在OpenAI组建了一个团队来构建伟大的产品。但我一直是个创始人，在AGI之前还有最后一个产品需要构建。已经想念我所有的朋友和同事，我相信你们！更多即将到来。
在 Claude Code 中实现嵌套子代理，深度5，今日发布
刚刚在 Claude Code 中实现了嵌套子代理支持。开始更多地尝试让代理启动其他代理，以更好地管理上下文。初始深度限制为5，将在今天的发布中推出。欢迎反馈！
Claude发布Fable 5和Mythos 5模型，标志AI从任务到责任的转变
今天，我们推出Claude Fable 5和Mythos 5，这是我们下一代主要语言模型的两种配置。 通常我会强调数字：它在几乎所有基准测试中都达到了SOTA。但我想谈点别的，因为随着Fable 5的发布，我认为今天悄然开启了第三个时代。 我负责桌面端的Claude Code & Cowork，因此经常思考人们如何利用AI完成工作。
Fable 5模型在Claude Code中可用，性能卓越
Fable 5 现已可在 Claude Code 和 Cowork 中使用 Fable 是我迄今为止用于编码的最佳模型，优势明显。它是一次重大进步，所需的提示和引导更少，代币使用更高效，代码质量更好，工具使用更佳，自我验证更智能，会话运行时间更长，信任度和自主性更高。 祝编码愉快！
谷歌发布Gemini 3.5 Flash实时语音翻译
推出Gemini 3.5 Flash Live Translate，我们的实时语音到语音翻译模型，支持70多种语言（双向），非常自然。现已可在Gemini API、AI Studio和Google翻译中使用，即将登陆Google Meet！
抱怨Mythos阻止了任何工程操作
好吧，第一次使用Mythos，它阻止了任何工程操作，即使是最简单的。那为什么要发布这个呢？
Claude Fable 5访问问题及解决方案
如果你访问Claude Fable 5遇到问题，请尝试运行 /model claude-fable-5。 在Claude Code CLI中，请确保升级到2.1.170。 如果你在使用Claude Desktop应用，请更新到最新版本。
API速率限制重置，用户福利
享受吧！
Fable重置使用限制，给出四条高效使用技巧
我们已重置所有产品的使用限制！ 对于刚开始测试Fable的用户，这里有四条更有效使用它的技巧： 1. 给它分配比以前模型能处理的更大、更有雄心的任务。 2. 默认使用xhigh/high effort以获得最佳性能，使用med以获得更快的交互会话。 3. 重新编写你的skills和CLAUDE.mds。
强调自我验证循环对AI模型长期运行的重要性
我们经常讨论建立自我验证循环的重要性。特别是在能够长时间运行的高性能模型时代，自我验证是一个关键因素，使模型能运行更久，输出更接近预期结果，从而减少对Claude工作的频繁检查。@delbaoliveira 对此做了很好的分解并解释了其重要性。
Midjourney硬件发布邀请，提醒未收到者联系
我们开始为首次Midjourney硬件发布发送邀请，我感觉遗漏了一些重要的互关者。如果你还没收到邀请且觉得自己应该收到，请戳我。我们还剩几个名额。
Anthropic联合创始人建议先读原始材料，后问AI
Anthropic联合创始人Jack Clark的建议让我印象深刻： 阅读原始材料。而不是摘要。不是AI说的内容。而是实际的东西。 先形成自己的观点。然后问模型。永远不要反过来。 在生活中保持一些只有你自己面对世界的实践——运动、乐器、阅读、亲手制作东西。算法无法调节你对自己的认识的空间。 即使AI通常是正确的，也不要依赖它。尤其是当它正确的时候。
Gemma 4 MTP合并到llama.cpp
使用Gemma构建超快体验变得更容易。Gemma 4 MTP现已正式合并到llama.cpp中。开发者现在可以将MTP与Gemma 4 QAT配对，实现快速轻量级的设置。
提醒应设计循环来提示代理，而非直接提示
还有人写嵌套循环吗？
询问是否将codex/goal作为主要工作方式
你偶尔使用codex /goal作为完成事情的主要方式吗？
作者认为Anthropic当前领先，除非GPT-6很快发布。
我早就明确说过GPT 5.5比Opus 4.8好得多，以至于被人说成是付费托。我只是实话实说。目前从Fable来看，除非下个月GPT-6发布，否则很难看不出来Anthropic会遥遥领先。
@skirano获10倍使用限制，继续创造魔法，谁将是下一个？
第一个是@skirano。享受10倍限制，继续创造魔法。下一个是谁？ https://t.co/2L3XWyhikG