X：阿易 AI Notes

GLM-5.3 is now open-weight. Our most capable model for agentic coding and cyber defense is now available to download, run, and customize. Weights: https://t.co/v1IbWMXxg4 Tech blog: https://t.co/ekQkO83jCv https://t.co/f8XlJksKyf

A股真的够烂的， 孙哥要彩礼竟然炸出了指甲刀概念股，开盘暴涨📈📈11% 孙哥写了篇青春伤痛文学，回忆十九年的白月光，文章最后提了一句留在抽屉里的指甲刀， 然后A股刀剪第一股张小泉，今天开盘直接拉涨超11%，被网友封为指甲刀概念股，午盘收涨4.54%，报30.88元， 一张带张小泉商标的海报在网上传得到处都是， 我就问你离不离谱， 一个亿万富翁的感情故事里出现了一把指甲刀，一家上市公司的股价就涨了， 没有业绩预告，没有订单增长，没有任何基本面变化，唯一的变量是孙宇晨抽屉里多了个指甲刀， A股的研究员现在可能得连夜补娱乐圈八卦了，以后写研报之前先刷热搜，今天哪个明星提了什么牌子，明天哪个网红用了什么东西，都是投资线索， 基本面分析干不过一篇小作文，估值模型干不过一个梗， 这就是A股最魔幻的现实，资金不关心公司赚不赚钱，只关心今天有没有故事可讲，有没有热点可蹭，有没有散户愿意冲进来接盘， 游资点火，散户追涨，上市公司顺势蹭热度发海报，一套操作行云流水，最后留下站岗的人在山顶吹风， 说真的，一个市场如果靠指甲刀定价，靠八卦选股，靠情绪交易，那它就不是资本市场，是赌场，而且是那种连荷官都在憋笑的赌场， 孙宇晨用十九年没追到白月光，A股用一把指甲刀就追到了涨停板， 你说这到底是浪漫还是荒诞？？？

我的男友孙哥 https://t.co/vZfGbALRZn

BIG ANNOUNCEMENT FROM HUGGING FACE TODAY: We're unveiling Microduck 🐥🤖 It's a tiny $399 open-source robot you can teach new tricks with reinforcement learning. It can walk, pick things up, get back up when it falls, and even roller-skate. Welcome to the era of open-source affordable robots to democratize physical AI and world models! 🤗🤗🤗

给 DeepSeek Harness、Hermes、OpenClaw 等Agent做记忆底座的那个 GitHub 万星团队（MemOS） 刚开源的这个新项目，我真的要吹爆， 可能是今年最值得装的本地 AI 基础设施之一了， 它解决了一个我使用AI Agent 忍了大半年的痛点问题： 换一个 AI 工具就要重新解释一遍项目背景、技术选型、踩过的坑。 每天在 Cursor、Claude Code 和 Codex 之间来回切的人，应该都懂那种吃了苍蝇一样的恶心感， 换个工具就等于给AI重新做一遍入职培训， 项目背景、踩过的坑、做过的重要决策全部要跟它从头再讲一遍。 刚刚开源的 Memmy 直接把这个问题给干掉了， 让所有 AI 都记得同一个你。 它干的事简单且极度务实，但之前几乎没人愿意做。 更关键的是，它本身就是一个形态非常丰满的本地 Agent，支持多种接入方式： →日常用有桌面端 GUI， →极客可以走 CLI/TUI， →还自带 OpenAI 兼容 API 和 MCP 协议， →最新版连 Linux 也已经全平台支持了。 授权后直接去翻你本地所有 Agent 的历史日志， Cursor 的数据库、Claude Code 的 jsonl、Codex 的 session， 几分钟把你过去几个月在各个工具里聊过的废墟， 自动整理成结构化记忆， 然后通过 Skill、Hook、MCP 按需注入到你当前正在用的任何 Agent 里。 全量存在本地 SQLite 数据库， 完全 local-first 不上传， 敏感项目不用慌。 Memmy 这个项目跟 Mem0、Zep 那些记忆库完全不是一个赛道。 那些是给开发者写代码集成的 API， 你要自己写代码接入，或者从今天起重新积累。 Memmy 是直接面向我们这种终端用户， 把你过去几个月在各工具里已经产生的历史一键接管过来。 这一步大多数工具都没做，毕竟是纯脏活累活。 技术底座是同团队的 MemOS，GitHub 一万多星， 做的是记忆操作系统，不是简单的向量库加摘要。 再说几个极其真实的场景： 你在 Codex 里确认了一个架构选型， 切到 Claude Code 它立刻知道， 你在 Cursor 里试错踩过的坑， 新开一个 DeepSeek Harness 不会再踩第二遍。 一个 Agent 额度用完了换另一个，上下文再也不会归零。 代码靠 Git 能同步状态， 记忆同步的， 是你在对话里留下的决策和意图。 这层资产以前被困在每个工具的 session 里， 现在可以跟着你走了。 当然照例泼盆冷水， 这个项目还在 v1.0.x 早期， GitHub 约 1000 星， 各家工具本地格式一升级可能带来兼容问题， 记忆蒸馏和跨项目隔离也还在持续迭代， 但方向我认为是非常对的。 多 Agent 并行时代， 记忆本来就该属于用户自己， 凭什么被锁死在某个工具里。 Switch agents, not context， 让所有 AI 都记得同一个你！！！

卧槽兄弟们，@Weixin_WeChat 微信刚刚干了件特别不微信的事，极其低调但又极其炸裂， 他们把每天给视频号、公众号、朋友圈和电商做搜索推荐的隐形AI，全盘开源了， 真正每天默默影响十几亿人体验的顶级技术，甚至根本不需要和你说一句话 这东西不会写文案，也不会陪你聊天，是那种不露脸的后台苦力， 但这次开源的 WeMM-Embedding，最吓人的根本不是 9B 拿了双榜第一， 而是那个区区 2B 的小版本，跑分直接干翻了上一代 8B 的开源顶流 2个B打赢8个B，靠的是工业级训练配方在抽暴力堆参数的耳光: 几亿级数据对齐加上细粒度蒸馏， 在微信内部 14 个真实业务测试里全线跑赢 做多模态 RAG、视频检索和 Agent 记忆的兄弟，这次真的省大钱了: 文字、多张图、长视频随便混着一次性喂进去， 最绝的是俄罗斯套娃维度，直接把维度截断到 256 维还能保住近 99% 的性能， 向量数据库的存储和检索成本，直接给你砍到了脚脖子 大模型负责在大脑里思考，Embedding 负责在万物里精准找到东西， 两个少了一个，所谓的 AI 智能体全都是盲人摸象 微信把自家每天扛几十亿流量的内容理解底座直接端出来， 对真正做工程落地的人来说，这比再发十个聊天模型都要痛快得多啊

给 DeepSeek Harness、Hermes、OpenClaw 等Agent做记忆底座的那个 GitHub 万星团队（MemOS） 刚开源的这个新项目，我真的要吹爆， 可能是今年最值得装的本地 AI 基础设施之一了， 它解决了一个我使用AI Agent 忍了大半年的痛点问题： 换一个 AI 工具就要重新解释一遍项目背景、技术选型、踩过的坑。 每天在 Cursor、Claude Code 和 Codex 之间来回切的人，应该都懂那种吃了苍蝇一样的恶心感， 换个工具就等于给AI重新做一遍入职培训， 项目背景、踩过的坑、做过的重要决策全部要跟它从头再讲一遍。 刚刚开源的 Memmy 直接把这个问题给干掉了， 让所有 AI 都记得同一个你。 它干的事简单且极度务实，但之前几乎没人愿意做。 更关键的是，它本身就是一个形态非常丰满的本地 Agent，支持多种接入方式： →日常用有桌面端 GUI， →极客可以走 CLI/TUI， →还自带 OpenAI 兼容 API 和 MCP 协议， →最新版连 Linux 也已经全平台支持了。 授权后直接去翻你本地所有 Agent 的历史日志， Cursor 的数据库、Claude Code 的 jsonl、Codex 的 session， 几分钟把你过去几个月在各个工具里聊过的废墟， 自动整理成结构化记忆， 然后通过 Skill、Hook、MCP 按需注入到你当前正在用的任何 Agent 里。 全量存在本地 SQLite 数据库， 完全 local-first 不上传， 敏感项目不用慌。 Memmy 这个项目跟 Mem0、Zep 那些记忆库完全不是一个赛道。 那些是给开发者写代码集成的 API， 你要自己写代码接入，或者从今天起重新积累。 Memmy 是直接面向我们这种终端用户， 把你过去几个月在各工具里已经产生的历史一键接管过来。 这一步大多数工具都没做，毕竟是纯脏活累活。 技术底座是同团队的 MemOS，GitHub 一万多星， 做的是记忆操作系统，不是简单的向量库加摘要。 再说几个极其真实的场景： 你在 Codex 里确认了一个架构选型， 切到 Claude Code 它立刻知道， 你在 Cursor 里试错踩过的坑， 新开一个 DeepSeek Harness 不会再踩第二遍。 一个 Agent 额度用完了换另一个，上下文再也不会归零。 代码靠 Git 能同步状态， 记忆同步的， 是你在对话里留下的决策和意图。 这层资产以前被困在每个工具的 session 里， 现在可以跟着你走了。 当然照例泼盆冷水， 这个项目还在 v1.0.x 早期， GitHub 约 1000 星， 各家工具本地格式一升级可能带来兼容问题， 记忆蒸馏和跨项目隔离也还在持续迭代， 但方向我认为是非常对的。 多 Agent 并行时代， 记忆本来就该属于用户自己， 凭什么被锁死在某个工具里。 Switch agents, not context， 让所有 AI 都记得同一个你！！！

Damn，125B 总参数，每 token 只激活 6B，训练成本砍到上一代的 1/9，SWE-bench Pro 62.5 超过 Claude Opus 4.6 Max 的 53.4。 Qwen 团队今天这波操作真是让我目瞪口呆，， 这根本不是什么 3.8 小更新啊， 简直就是把 Qwen4 的核心架构提前开源出来掀桌了啊， 整篇报告看完，数据简直炸裂: 总参数 125B 加上 51B 嵌入，但每个 token 实际只激活区区 6B 参数， 训练成本直接砍到上一代的九分之一， 但在 SWE-bench Pro 的编程基准里拿下 62.5，正面反超了 Claude 的旗舰模型 通义这次可以说是把大模型的架构刀法彻底改写了: 他们用类似大脑记忆的方式，平时压缩记忆，需要时才做精准检索， 1M 超长上下文的吞吐直接暴涨了 8 倍多 最绝的是加了 51B 的常用词字典，直接放在内存里查表， 几乎不占 GPU 算力，就白白吃下了巨大的模型容量 这根本不是常规的堆算力，而是智能密度和系统效率的全面革命， 故意在全量 Qwen4 发布前把架构权重开源， 就是让开源社区、vLLM 和量化生态先把底座铺满， 再加上输入 1 块钱输出 3 块钱每百万 token 的定价值，完全是要把 Agent 应用的门槛直接打穿le 以前大家总觉得模型越大越好， 现在通义用一台极速跑车告诉你，架构做对了，用极低的成本一样能跑出顶级的智能 属于架构效率狂欢的时代，真被通义给踢开大门了啊

牛来大模型刚被彭博社破案了！ 在 OpenRouter 上悄悄屠榜、调用量超过 DeepSeek 一倍的神秘模型 Ox Alpha， 背后竟然是智谱，更绝的是官方确认今晚直接开源权重， 狂刷了数十万亿 token、在真实 Coding 里跑出 80% 峰值，智谱这次是真的要杀疯了， 前阵子大家都在猜这个匿名模型到底是哪家大厂的马甲， 因为它在排位赛上狂刷了数十万亿 token， 开发者用脚投票把它送上了第一， 它真正狠的地方，是把 Flash 级别的速度和成本，做出了中上游前沿模型的实战能力: 1M 超长上下文、原生支持图片和视频多模态， 而且是推理优先的架构，写代码时会先做规划再调工具 社区独立跑测试，在 10 个高难度真实 Coding 任务里拿下了 80% 的过关率， 全量 DeepSWE 跑出 64.6%， 直接咬住了 Claude Opus 4.8 和 Gemini 3.7 Flash 的身位 它不是那种打虚空跑分的绝对 SOTA， 但一个成本极低、速度极快、能看懂视频还能写复杂代码的 Flash 模型， 今晚一旦把权重放出来，无论是本地部署还是第三方 API，生态杀伤力完全不可同日而语 刚发完开源顶流 GLM-5.3，转头就把这个高频 Agent 生产力核弹开源出来， 大模型的竞争，终于从比拼谁的参数更大，彻底转向谁能让开发者用最低成本把活干完了啊