Claude Fable 5 恢复上线 安全护栏致大量请求被降级
Fable 5 恢复后安全护栏过严，多数请求被降级到 Opus，开发者付高价却用了旧模型。
行业新闻
Mistral AI 开源 Leanstral 1.5，在形式化证明基准上取得新 SOTA
Leanstral 1.5 证明轻量模型也能在形式化证明领域实现顶尖性能，并实际发现开源软件漏洞。
LongCat-2.0发布，全球首个基于国产算力的万亿参数模型
国产算力首次跑通万亿参数大模型全链路，且通过市场匿名验证，证明降本增效的可行性。
涌生智能 ProtoPilot 实现在生命科学实验室中运行 AI 全闭环
中国初创公司涌生智能让AI真正走进实验室，其系统在Protocol生成与执行上超越OpenAI旗舰模型。
北大与华为提出TaRO框架，优化视频时序推理
.jpg)
TaRO框架教视频大模型真正‘看时间’，通过强化时序感知推理显著提升零样本视频时序定位准确率。
豆包专业版推出Agent模式与定时任务等隐藏功能
豆包专业版隐藏的Agent模式、自定义插件和定时任务，让AI直接替你干活，而不是只陪你聊天。
NVIDIA 推出新商业模式，与资本合作加速 AI 算力基础设施部署
NVIDIA 通过收入分成模式让 AI 云公司更容易获取大规模 GPU 算力，加速 AI 工厂建设并转化为持续收入。
Anthropic 发布面向科学家的AI工作台 Claude Science
.jpg)
Claude Science 将分散的科研工具整合为单一环境，支持自然语言交互、自动生成可审计的图表和分析，让科学家专注于研究而非工具切换。
Google新广告描绘AI协作起草独立宣言
Google用开国元勋和AI协作起草独立宣言的广告展示产品功能，但被批鼓吹AI作用且脱离历史现实。
Midjourney 医疗扫描仪幕后公开，但关键证据仍缺失
Midjourney 跨界医疗硬件，但其扫描仪原理和有效性存疑，行业需警惕缺乏验证的跨界产品。
AReaL 2.0开源：推动Agent自演进的在线强化学习系统
AReaL 2.0 将在线强化学习集成到 Agent 服务中，使 Agent 能在真实交互中自我改进。
微博举办 AI 短剧发布会
微博通过发布会推广 AI 短剧，探索 AI 在内容创作中的新应用。
企业AI从实验转向实效的三个关键问题
本文指出企业AI规模化需解决治理、集成与安全实验三大问题，而非单纯技术突破。
美团履约团队五篇ACL论文聚焦强化学习与多模态交互
美团提出五项技术，分别解决大模型在RL训练、推理效率、用户模拟、记忆管理和实时交互中的关键瓶颈。
达摩院AI智能体ElementsClaw发现4种新型超导体，仅用28 GPU小时
AI智能体结合大原子模型与语言模型，自动筛选、验证并发现超导材料，命中率提升一个数量级，加速材料科学发现。
扎克伯格承认 Meta AI 智能体进展不及预期
Meta 重金投入 AI 却进展缓慢，扎克伯格承认 AI 智能体未能快速取代人力，公司内部困境凸显 AI 落地的现实挑战。
Databricks AI规模训练中GPU故障治理实践
Databricks AI分享了大规模GPU训练中故障分类与治理方法，强调静默故障和数值损坏比崩溃更难检测，并以故障概率公式量化工程难度。
AI 加速运营卓越，但基础流程管理仍是关键
AI 并非替代流程卓越，而是需要建立在现有流程管理基础上才能发挥最大效用。
脸谱心智提出Ego-NeuroLoop范式，用脑电肌电数据训练机器人世界模型
将人类操作中的预测-修正闭环转化为机器人训练数据，使机器人能应对真实世界变化。
Meta 悄然推出 AI 游戏创作应用 Pocket
Meta 低调上线 Pocket，延续其将 AI 创作工具大众化的策略，用户可用自然语言提示生成交互游戏。
热门产品
Glaze by Raycast
Glaze 通过 AI 对话快速生成 Mac 原生应用，适合个人用户按需创造个性化工具。
nxt
nxt是一款AI任务管理器，用户通过自然语言输入想法，自动提取任务并排序优先级，适合需要高效管理任务的人群，核心价值是让任务管理像对话一样简单。
Vox
Vox 是 GitHub Copilot 的语音交互扩展，为开发者提供语音编程辅助，支持 Windows/macOS/Linux 平台。
开源项目
meetily
隐私优先的 AI 会议助手，完全本地运行，无需联网即可实时转录和总结会议。基于 Rust 构建，支持 Whisper/Parakeet 模型和 Ollama 本地摘要，还能用 Claude、Groq 等远程模型。亮点是 4 倍速的 Parakeet 实时转录和说话人分离（PRO 版），且所有数据不出设备，适合对数据主权敏感的团队。
immich
自托管的照片和视频管理方案，支持自动备份、人脸识别、CLIP语义搜索、物体识别等 AI 功能。亮点是高性能、界面精美、开源且社区活跃，快速迭代，已成为替代 Google Photos 的热门自建选择。开源协议 AGPLv3。
unity-mcp
通过Model Context Protocol将AI助手与Unity编辑器连接的桥梁，让LLM能直接管理场景、资源、脚本和自动化工作流。提供47个MCP工具入口，支持Claude、Cursor、VS Code等多种AI客户端，免费MIT开源，且由Aura团队维护并采用学术论文引用。项目与Unity无关，仅供开发使用。
terax-ai
终端优先的AI原生开发工作空间，仅7MB体积，基于Tauri 2构建，集成了AI Agent侧边栏（支持BYOK和本地模型）、CodeMirror编辑器、WebGL终端和Git管理。亮点是轻量开源、无遥测、agent工作流（计划/子agent/项目记忆），且支持自定义agent和inline AI补全，适合追求高效本地的开发者。
论文
Program-as-Weights：模糊函数的一种编程范式
许多日常编程任务难以用清晰规则实现，例如检测重要日志行、修复畸形JSON或按意图排序搜索结果，这些任务越来越多地外包给大语言模型API，牺牲了局部性、可复现性和成本。我们提出模糊函数编程：将自然语言规范编译为紧凑的本地可执行神经工件。
AgenticSTS: 长时域 LLM 智能体的有界记忆测试平台
长时域 LLM 智能体的记忆是一种关于每个未来决策允许看到什么的契约。最简单的契约是将过去的观测、工具调用和反思追加到每个提示中，这使得先前上下文易于访问，但也使其变成混杂的混合物，难以隔离任何单个记忆组件的影响。 我们引入并实现了一种替代的有界契约：每个决策由类型化检索组装的新用户消息作出，不附加原始的跨决策记录。
EvoPolicyGym：评估交互环境中的自主策略演化
现有评估常将智能体的策略改进过程简化为最终分数，或与开放式软件工程进展混淆。我们提出自主策略演化（Autonomous Policy Evolution）这一受控评估框架：在固定交互预算下，测试模型代理反复编辑可执行策略。 基于此框架构建EvoPolicyGym基准，包含紧凑的交互式RL环境。
Morphing into Hybrid Attention Models
混合注意力模型通过仅保留一部分全注意力层，并将剩余层替换为线性注意力，从而提升了长上下文效率。然而，Transformer 到混合模型的转换效果关键取决于哪些层保留全注意力。现有混合层选择方法通常依赖启发式策略（如固定放置模式或逐层评分），隐含地将层重要性视为孤立特征，忽视了全局混合配置下的层间依赖效应。
Multi-Resolution Flow Matching: 通过分阶段采样实现无训练扩散加速
无训练加速文生图扩散的策略（如时间步蒸馏和特征缓存）可减少推理时间，但多分辨率生成方法在潜空间上采样和局部区域选择性修改时，易产生模糊或伪影。针对此问题，本文提出 MrFlow，一种基于低到高分辨率分阶段流水线的无训练多分辨率加速策略，适用于预训练流匹配模型。
AgenticDataBench：数据智能体的综合基准
数据科学旨在从异构原始数据中提取可操作的洞见，释放现代社会海量数据生成的价值。自动化这一过程对于减少数据科学家的劳动密集型工作并实现可扩展的数据驱动应用至关重要。近年来，基于大语言模型（LLM） 的数据智能体成为自动化数据科学工作流的有前景解决方案。然而，该领域缺乏全面的基准，难以在多样化场景下以细粒度严格评估这些智能体。
WorldDirector: 构建具有持久动态记忆的可控世界模拟器
我们提出 WorldDirector，一个高度可控的视频世界模型框架，专为持久动态对象记忆（persistent dynamic object memory）和无限制视角探索而设计。与现有将物理动力学与像素渲染交织并依赖连续视觉观察维持运动的世界模型不同，我们的框架明确地将语义运动编排（semantic motion orchestration）与视觉生成解…
打破失败级联：面向医学多模态推理的步骤感知强化学习
近年来，Multimodal Large Language Models 在临床图像推理中展现出巨大潜力，但现有后训练流程主要关注结果（如最终答案正确性或序列级偏好），导致稀疏的信用分配，难以优化关键的推理过程。分析表明，早期推理阶段的级联错误是医学视觉问答（Medical VQA）基准中错误预测的主要成因。
Logit-Contribution评分识别非字面检索头
在长上下文应用中，大型语言模型常常从相关上下文片段的含义中综合答案，而非直接复制粘贴。识别哪些注意力头执行这种综合对于解释长上下文模型行为至关重要。然而，现有检测器因其内在设计而遗漏了这些头：它们奖励注意力头关注与生成词匹配的token，这是一种字面复制标准，捕获了头读取的位置，但未反映其通过输出值（OV）回路写入的内容，而后者正是承载非字面检索的机制。
SkillCoach: 自我演化的评估标准用于评估和增强智能体技能使用
技能正在成为LLM智能体的可复用操作层，编码了标准操作流程、领域规则、工具工作流、脚本和验证例程。在实际的技能库中，重叠的技能使得可靠的技能使用变得困难。最终的验证器成功过于粗略，无法用于评估和训练，因为智能体可能通过试错选择干扰技能、跳过必要步骤、错误组合工作流或遗漏最终检查。
AutoMem：作为认知技能的记忆自动化学习
记忆管理可以被视为一种可学习的技能，类似于认知科学中的元记忆能力——知道编码什么、何时检索以及如何组织知识。我们提出AutoMem框架，将文件系统操作提升为与任务动作并列的一等记忆动作，让模型自主决定如何管理其记忆。这一记忆技能沿两个维度提升：支持记忆的结构（提示、文件模式、动作词汇）和模型运用该结构的熟练度。
通过分布级奖励优化视觉生成模型
传统强化学习策略用于视觉生成通常采用样本级奖励函数，但这常常导致奖励破解，降低图像多样性并引入视觉异常。为了解决这些限制，我们提出了一种新框架，使用分布级奖励（distribution-wise rewards）微调生成模型，确保更好地对齐真实数据分布。
AGVBench: 面向可靠性的静脉识别数据增强基准
静脉识别是一种安全的生物特征技术，但常受限于有限的标注数据和成像变化。虽然数据增强可以缓解这一问题，但为自然图像设计的策略可能破坏对身份区分至关重要的细粒度拓扑和纹理。 我们提出了 AGVBench，在五个公开手掌和手指静脉数据集上评估了30种代表性增强策略，使用七种骨干架构，涵盖经典 CNN、Vision Transformer 以及静脉专用识别模型。
从 SRA 到 Self-Flow：数据增强还是自监督？
表示对齐已成为加速扩散 Transformer 训练并提升生成质量的有效手段。近期自对齐方法（如 SRA 和 Self-Flow）进一步去除了对外部预训练编码器的依赖，通过在扩散模型内部构建对齐。
When Search Agents Should Ask: DiscoBench for Clarification-Aware Deep Search
大型语言模型（LLM）驱动的搜索代理越来越多地用于解决复杂的信息寻求任务，需要多步检索和推理来实现用户目标。然而，现有基准通常假设用户查询完整明确，忽视了现实世界搜索请求常模糊、不完整甚至事实错误的情况。在深度搜索场景中，这种模糊性会沿着多步推理链传播，导致代理走上错误的搜索轨迹。
InstanceControl: 无需实例标注的可控复杂图像生成
现有可控图像生成方法（如 ControlNet）通过引入视觉条件（如深度图）指导图像生成，性能出色，但在复杂多实例场景中常出现实例间属性混淆。近期方法尝试通过手动实例标注缓解问题，但标注工作耗时耗力。 本文提出 InstanceControl，一种无需实例标注的新型多实例可控生成方法。
PACE：用于智能体能力评估的代理基准
评估 LLM 智能体在 SWE-Bench、GAIA 等智能体基准上的性能通常昂贵且耗时，单次评估可能耗费数千美元并持续数天。相比之下，测试单一能力（如推理、代码生成）的非智能体基准运行快速且成本低廉。本文研究能否通过少量精心选择的原子评估实例的性能准确预测昂贵智能体基准的性能。
AnyGroundBench: A Specialized-Domain Benchmark for Video Grounding in Vision-Language Models
视觉-语言模型(VLMs) 在时空视频定位(STVG) 任务中展现出巨大潜力，但当前评估协议主要局限于通用日常场景的零样本测试，与实际专业应用存在严重脱节。由于模型无法穷尽预训练所有数据分布，领域适应能力至关重要。 为解决这一差距，我们提出 AnyGroundBench，一个面向领域适应的基准，旨在将 STVG 评估从静态零样本测试转向严格的领域适应。
WARP: 基于权重空间分析恢复训练数据组合
基础模型通常公开发布，但用于训练它们的数据配方（如决定不同数据源采样比例的领域混合权重）却很少公开。这造成了访问不对称：研究人员研究最终模型，却缺乏对生成这些模型的训练分布的可见性。先前的工作如成员推断，只能检测单个样本级别，无法描述训练语料的全局组成。 我们提出 WARP，一个从发布权重中直接恢复微调模型训练混合比例的框架。
DuoMem：通过双空间蒸馏实现强大的设备端记忆智能体
基于大语言模型（LLM）的智能体通过多轮交互可解决复杂程序任务，但依赖大模型、长上下文和重复推理，难以部署在资源受限设备上。为此，我们提出 DuoMem，一种双空间蒸馏框架，将程序问题求解能力从大型教师模型迁移至紧凑学生模型。 DuoMem 在两种互补空间进行蒸馏： 1. 上下文空间蒸馏：用教师生成的高质量程序记忆替换学生生成的记忆，并拼接到学生输入；
动态
Yann LeCun批评美国因反对绿色能源而输掉AI竞赛
RT @FPWellman: 中国去年新增了543吉瓦的电网容量，其中434吉瓦来自可再生能源，因为它们建设更快。美国只增加了可怜的53吉瓦。我们正在输掉与中国的“AI竞赛”，因为这些蠢货讨厌绿色能源。这是愚蠢的自杀。
询问Codex仍做不好的事情
你觉得有哪些事情 Codex 仍然做不好，而我们早该解决的呢？
公众AI体验远低于前沿，引发困惑与恼怒
转推 @petergostev: 我们现在处于这样一个位置：只有一小部分人使用Fable或即将到来的GPT-5.6，而其他人对AI的体验停留在8-30B模型级别——谷歌的AI Overviews、Meta AI、ChatGPT免费版，最多可能是MS Copilot。科技圈外的人一定完全困惑这怎么就能取代他们的工作，并对投入数千亿美元感到恼火。
转述用Claude Fable 5构建的演示
RT @MitcheIl: "Honey, why don't you come downstairs and show everyone what you built with Claude Fable 5" https://t.co/D3eGI6NUft
建议用imagegen改进Codex的设计
如果你认为Codex在设计方面很差，试试用imagegen重新想象这个设计并实现它。
推文称赞feature request格式，称其可完美作为Codex提示
这是一个很好的功能请求。我们欢迎更多类似的功能请求。{动机、解释、截图}的组合构成了Codex的完美提示。谢谢。
新版可查看重置到期时间，优化价值最大化策略
在下个版本中，https://t.co/B1RkFJhhSH 可以精确查看重置何时到期，以便您提升 token 最大化 / 价值最大化的游戏水平！ https://t.co/04q26JVtiC
转推@theo的Fable使用指南
转推 @theo: 刚整理了这个指南，助你最大化利用Fable https://t.co/YiFFSxuMsv
讨论API设计细节与agent生成代码，强调质量贯穿始终
一直在做 API 设计，里面有些细节大多数人再也看不到了。agent 会生成大量这类东西，不会关心这些细节。但关于橱柜的那句话让我还是坚持这么做：当你建造一个漂亮的抽屉柜时，你不会用一块胶合板在后面，即使它对着墙。你会用一块好木头，因为你知道它在那里。为了晚上睡得好，质量必须贯穿始终。
Karpathy转推介绍Fable的3D提示词视频
转推：@petergostev: 我在Fable上花了很多时间处理最难3D提示，这是一个45分钟视频，但我有60多个很酷的演示。提示词在下一篇。 https://t.co/QPS5ccWZox
收集社区运行Hermes的配置，包括模型、内存等
RT @witcheer: 我很好奇你们日常是如何运行Hermes的。在下面分享你的设置，我正在绘制社区所使用的方案。 我主要好奇的是： - 模型：你的日常驱动，以及如果运行MOA或本地模型 - 内存：内置、Obsidian 库或其他层 - 界面：TUI、桌面或消息网关 - 编排：看板、delegatetask、tmux 中的子代理、/goal - 你会怀念…
VictoriaLinML斯坦福CS25讲座视频在线，讨论语言模型到多模态智能
转推 @VictoriaLinML：我的斯坦福 CS25 客座讲座视频《从语言模型到原生多模态智能》现已上线。我讨论了 LLMs 背后的核心思想如何塑造了多模态 AI，从架构到训练范式和扩展，以及下一个挑战可能在哪里。🧠🌐 🎥：https://t.co/sUVxSEjrVf
Hermes Agent实现AI主权，无锁定，自改进。
Hermes Agent 旨在实现主权，并按照您希望和需要的方式构建您的AI堆栈。 没有供应商锁定，没有模型限制，最重要的是，您的知识产权通过自我改进循环自动构建。 Hermes 让您自由🪽
信息与能量是长期瓶颈
唯一长期的瓶颈是信息和能量。
抱怨AI代码与之前抱怨人类代码的对比
在AI编程之前，人们会抱怨别人的代码，以显示自己具有某种高雅的品味。现在，人们抱怨AI的代码。历史上，从来没有优秀的人一直在抱怨，伙计们。
求建议：扩展Hermes Agent插件接口以加速开发
独立日快乐！ 我们希望扩展 Hermes Agent 的插件接口，以便许多 PR 等待已久的开发者能够实现稳定的更改，并分享和发布，而不必担心功能合并等问题。我们想听取您的建议，哪些接口应该扩展。 通过插件，您可以实现功能、修复、安全层等任何您能想到的内容，只要这些插件的接口存在。 如果您对应该实现的扩展插件接口有想法，请在此帖子的回复中告诉我们！
Hermes Agent中宠物的进化速度很快
Hermes Agent中宠物的进化速度真快哈哈
Claude Fable 5模型展示强大3D生成能力
RT @arena: Claude Fable 5 回归了——它可能是我们见过的最令人印象深刻的模型。 @petergostev 用它完成了60多个最难的3D生成：现代城市、艺术、世界奇观等。 结果令人难以置信。Fable显然独树一帜。在此观看YouTube视频： https://t.co/IHv42DUeJG
AI时代品味成为关键，学习需重新关注注意力。
关于品味的笔录： 如果你想拥有品味，就必须去品尝。 我认为现在，随着AI让越来越多人能够创造，最大的区别、人们最缺乏的技能，就是品味本身。 这到底是什么意思？品味有点像审美判断，知道什么是美的。但我认为品味实际上是你建模人们会喜欢什么的能力。而这很大程度上要求你不仅仅是消费，对吧？如果你想像一个好厨师，你必须去别人的餐馆吃饭。你不能只看菜单。
调侃删除生产表对模型和人的影响
如果你删除所有生产表，是模型被解雇还是你被解雇。