跳到正文

X

关注 AI 研究者、开发者与机构的动态

当前显示全部 AI 相关新闻
按账号或来源筛选(535)
全部X新闻X:Rohan Paul1450 条X:Kim1216 条X:阿易 AI Notes917 条X:阿里云 / Alibaba Cloud465 条X:Testing Catalog410 条X:cb_doge356 条X:Elvis Saravia355 条X:Elon Musk338 条X:OpenRouter311 条X:Ethan Mollick289 条X:Artificial Analysis285 条X:PixVerse276 条X:Alexandr Wang(Scale AI 创始人/Meta 首席 AI 官)274 条X:ZHO236 条X:Replit226 条X:SemiAnalysis226 条X:OpenAI Developers212 条X:小北184 条X:swyx162 条X:MiniMax157 条X:Gemini156 条X:Dex Horthy(HumanLayer)146 条X:Emad Mostaque135 条X:Tibo130 条X:OpenAI125 条X:Epoch AI119 条X:AI Safety Memes115 条X:X.PIN114 条X:Google AI for Developers103 条X:Thomas Wolf(Hugging Face 联创/CSO)102 条X:蚂蚁百灵101 条X:Runway101 条X:面壁智能 OpenBMB92 条X:Luma AI91 条X:Claude Devs90 条X:Aravind Srinivas(Perplexity CEO)89 条X:马东锡 NLP87 条X:Jason Liu86 条X:Frank Wang 玉伯85 条X:洪明83 条X:Sam Altman81 条X:fofr78 条X:Gabriel77 条X:Perplexity72 条X:Yuchen Jin71 条X:阑夕70 条X:赵纯想70 条X:Nathan Lambert69 条X:Francois Chollet67 条X:Cohere65 条X:Tencent WorkBuddy63 条X:opencode62 条X:Greg Brockman61 条X:Eric Zakariasson60 条X:Claude56 条X:Krea AI56 条X:Microsoft Research54 条X:Peter Steinberger52 条X:Suno52 条X:腾讯混元51 条X:Anthropic49 条X:karminski48 条X:Clément Delangue(Hugging Face CEO)47 条X:Google DeepMind45 条X:Thariq45 条X:OpenClaw44 条X:商汤 SenseTime (@SenseTime_AI)42 条X:Charlie Holtz41 条X:通义千问 / Qwen39 条X:Google AI38 条X:AK36 条X:Boris Cherny34 条X:可灵 Kling AI32 条X:Peter McCrory(Anthropic 首席经济学家)31 条X:百度 Baidu30 条X:Deedy Das30 条X:AI at Meta28 条X:Aidan Gomez(Cohere CEO)27 条X:Josh Woodward26 条X:Mustafa Suleyman(Microsoft AI CEO)26 条X:Viggle AI26 条X:Logan Kilpatrick25 条X:Noam Brown21 条X:李继刚20 条X:Odyssey20 条X:Andrew Milich19 条X:硅基流动 SiliconFlow18 条X:华为云18 条X:SpaceXAI17 条X:Tianyi Cui17 条X:DeepSeek16 条X:Sundar Pichai14 条X:PixVerse (@PixVerse)13 条X:智谱 Z.ai12 条X:Demis Hassabis12 条X:Mark Zuckerberg12 条X:Mistral AI12 条X:ARC Prize (@arcprize)11 条X:fal (@fal)11 条X:唐杰10 条X:Ammaar Reshi10 条X:Andrew Ng(DeepLearning.AI 创始人)10 条X:Arena (@arena)10 条X:Barret 李靖10 条X:DAIR.AI (@dair_ai)10 条X:ElevenLabs (@elevenlabs)10 条X:Eric Mitchell10 条X:Karina Nguyen10 条X:Lee Robinson10 条X:Noah Zweben10 条X:Arthur Mensch(Mistral CEO) (@arthurmensch)9 条X:Fei-Fei Li9 条X:Jensen Huang9 条X:Kimi.ai9 条X:Philipp Schmid(Google DeepMind 开发者体验) (@_philschmid)9 条Tripo(官方 X)8 条X:卡兹克 (@Khazix0918)8 条X:Cognition (@cognition)8 条X:Cursor (@cursor_ai)8 条X:Figure AI (@Figure_robot)8 条X:Gemini Notebook (@Gemini_Notebook)8 条X:Georgi Gerganov(llama.cpp) (@ggerganov)8 条X:Hao AI Lab8 条X:Higgsfield AI (@higgsfield)8 条X:Jeff Dean8 条X:Manus (@ManusAI)8 条X:Meshy (@MeshyAI)8 条X:MiniMax Design (H3) (@Hailuo_AI)8 条X:谢赛宁7 条X:Jim Fan7 条X:Michael Truell7 条X:張小珺 Xiaojùn6 条X:Lisa Su(AMD CEO) (@LisaSu)6 条X:NotebookLM0 条@berryxia · 历史来源430 条@vista8 · 历史来源262 条@op7418 · 历史来源231 条@google · 历史来源30 条@getsuperintel · 历史来源9 条@latentspacepod · 历史来源9 条@android · 历史来源8 条@dreamlabla · 历史来源8 条@mannybernabe · 历史来源8 条@karpathy · 历史来源7 条@alexatallah · 历史来源6 条@ryanleeminimax · 历史来源5 条@theo · 历史来源5 条@aidotengineer · 历史来源4 条@dkundel · 历史来源4 条@reach_vb · 历史来源4 条@dotey · 历史来源3 条@eliebakouch · 历史来源3 条@googlechrome · 历史来源3 条@kilocode · 历史来源3 条@maxforai · 历史来源3 条@newsfromgoogle · 历史来源3 条@richardssutton · 历史来源3 条@skylermiao7 · 历史来源3 条@victorsuortiz · 历史来源3 条@ajambrosino · 历史来源2 条@akashi203 · 历史来源2 条@anatolikopadze · 历史来源2 条@andrewcurran_ · 历史来源2 条@antirez · 历史来源2 条@barrnanas · 历史来源2 条@coreyching · 历史来源2 条@deanwball · 历史来源2 条@designarena · 历史来源2 条@fellmentke · 历史来源2 条@gergelyorosz · 历史来源2 条@gmi_cloud · 历史来源2 条@gravicle · 历史来源2 条@hxiao · 历史来源2 条@id_aa_carmack · 历史来源2 条@jackminong · 历史来源2 条@lennysan · 历史来源2 条@mada299 · 历史来源2 条@microsoft · 历史来源2 条@mikastars39 · 历史来源2 条@mitchellh · 历史来源2 条@nabeelqu · 历史来源2 条@rudrank · 历史来源2 条@sebastienbubeck · 历史来源2 条@zan2434 · 历史来源2 条@___harald___ · 历史来源1 条@_boraturan · 历史来源1 条@0xjaniak · 历史来源1 条@0xkato · 历史来源1 条@47fucb4r8c69323 · 历史来源1 条@559hkdt · 历史来源1 条@aaliya_va · 历史来源1 条@abhikatte42 · 历史来源1 条@abhishekpatiil · 历史来源1 条@aboutberlin · 历史来源1 条@addyosmani · 历史来源1 条@agi2asi · 历史来源1 条@aiaicreate · 历史来源1 条@aimlapi · 历史来源1 条@aisaonehq · 历史来源1 条@aisystemprompt · 历史来源1 条@alemtuzlak · 历史来源1 条@alexxubyte · 历史来源1 条@alupsasca · 历史来源1 条@amasad · 历史来源1 条@ampcode · 历史来源1 条@anas_build_ · 历史来源1 条@aniketmaurya · 历史来源1 条@anitakirkovska · 历史来源1 条@anneliesgamble · 历史来源1 条@antigravity · 历史来源1 条@arafatkatze · 历史来源1 条@argofowl · 历史来源1 条@ashiknewazaj · 历史来源1 条@atabarrok · 历史来源1 条@atomic_chat_hq · 历史来源1 条@awe_automation · 历史来源1 条@awesomekling · 历史来源1 条@awscloud · 历史来源1 条@ayushagarwal · 历史来源1 条@baaadas · 历史来源1 条@bai_agi · 历史来源1 条@bbuddha_xyz · 历史来源1 条@bclavie · 历史来源1 条@beccalytics · 历史来源1 条@benfleming__ · 历史来源1 条@benhylak · 历史来源1 条@benjamineyliu · 历史来源1 条@bfl_ml · 历史来源1 条@bleysg · 历史来源1 条@bolna_dev · 历史来源1 条@bosmeny · 历史来源1 条@boxmining · 历史来源1 条@bozhou_ai · 历史来源1 条@brexhq · 历史来源1 条@brian_armstrong · 历史来源1 条@brianchew · 历史来源1 条@bridgemindai · 历史来源1 条@budgetpixel · 历史来源1 条@cahidarda · 历史来源1 条@calmpromptshq · 历史来源1 条@ce_zhang · 历史来源1 条@cedric_chee · 历史来源1 条@chaitralikakde · 历史来源1 条@chatgpt · 历史来源1 条@chatgptapp · 历史来源1 条@christinetyip · 历史来源1 条@christofsalis · 历史来源1 条@clark__labs · 历史来源1 条@cloudflaredev · 历史来源1 条@cnorth_13 · 历史来源1 条@cnzoecomeback · 历史来源1 条@cocohearts · 历史来源1 条@code_star · 历史来源1 条@codebyaurelia · 历史来源1 条@commandcodeai · 历史来源1 条@consensusnlp · 历史来源1 条@contralabs_ai · 历史来源1 条@cozyblaze265065 · 历史来源1 条@crimedecoder · 历史来源1 条@crtr0 · 历史来源1 条@damnventures · 历史来源1 条@daniellockyer · 历史来源1 条@darioamodei · 历史来源1 条@davidmaliglowka · 历史来源1 条@davidondrej1 · 历史来源1 条@davidsacks · 历史来源1 条@dbirker78883 · 历史来源1 条@deryatr_ · 历史来源1 条@devfun · 历史来源1 条@diegocabezas01 · 历史来源1 条@digitalocean · 历史来源1 条@dimillian · 历史来源1 条@dimitrispapail · 历史来源1 条@discussingfilm · 历史来源1 条@dkthomp · 历史来源1 条@dmitryrybin1 · 历史来源1 条@dmsobol · 历史来源1 条@douglasyaody · 历史来源1 条@duckduckgo · 历史来源1 条@easyrouterio · 历史来源1 条@edgardobriban · 历史来源1 条@eisokant · 历史来源1 条@elliotarledge · 历史来源1 条@encrypted · 历史来源1 条@endpointarena · 历史来源1 条@envato · 历史来源1 条@escanorreloaded · 历史来源1 条@esrtweet · 历史来源1 条@ethanhe_42 · 历史来源1 条@eu_commission · 历史来源1 条@fba · 历史来源1 条@fdavidsont · 历史来源1 条@figmaweave · 历史来源1 条@finn_meeks · 历史来源1 条@first_tree_ai · 历史来源1 条@flavioad · 历史来源1 条@flowith · 历史来源1 条@fminzhou · 历史来源1 条@freddie_spirit · 历史来源1 条@frydwia · 历史来源1 条@futurestacked · 历史来源1 条@garrettlord · 历史来源1 条@garrytan · 历史来源1 条@gavinsbaker · 历史来源1 条@GayaniFigma · 历史来源1 条@genspark_ai · 历史来源1 条@gitlawb · 历史来源1 条@gneubig · 历史来源1 条@gokulr · 历史来源1 条@goodfireai · 历史来源1 条@goodnesmbakara · 历史来源1 条@googleaistudio · 历史来源1 条@gordic_aleksa · 历史来源1 条@gro_tsen · 历史来源1 条@hangsiin · 历史来源1 条@happycapyai · 历史来源1 条@haydenbleasel · 历史来源1 条@helloiamleonie · 历史来源1 条@hey_asiif · 历史来源1 条@hilbertspaess · 历史来源1 条@howtoprompt__ · 历史来源1 条@hq4ai · 历史来源1 条@hypersoren · 历史来源1 条@ianbremmer · 历史来源1 条@interaction · 历史来源1 条@intology · 历史来源1 条@iron_redux · 历史来源1 条@ithilgore · 历史来源1 条@itsreallyvivek · 历史来源1 条@jamesjyu · 历史来源1 条@jameszmsun · 历史来源1 条@jason_young1231 · 历史来源1 条@jawad_rahman_ · 历史来源1 条@jaydendavisnc · 历史来源1 条@jeffbarg · 历史来源1 条@jenzhuscott · 历史来源1 条@jiayuan_jy · 历史来源1 条@jilles · 历史来源1 条@jimcramer · 历史来源1 条@jimsyoung_ · 历史来源1 条@jinjingliang · 历史来源1 条@jjacky · 历史来源1 条@jjackyliang · 历史来源1 条@joefioti · 历史来源1 条@joi___ai · 历史来源1 条@joinhandshake · 历史来源1 条@joinpursuit · 历史来源1 条@joulee · 历史来源1 条@jsconfasia · 历史来源1 条@jsrailton · 历史来源1 条@juminoz · 历史来源1 条@kaizero_ainta · 历史来源1 条@karanganesan · 历史来源1 条@kdaigle · 历史来源1 条@kentherogers · 历史来源1 条@kevinsays · 历史来源1 条@khudonogov · 历史来源1 条@koraykv · 历史来源1 条@kotekjedi_ml · 历史来源1 条@kuberwastaken · 历史来源1 条@kurz_gesagt · 历史来源1 条@kwindla · 历史来源1 条@lafalcemateo · 历史来源1 条@lakshyaaagrawal · 历史来源1 条@larrylv · 历史来源1 条@layoffai · 历史来源1 条@levinstanley · 历史来源1 条@lifeofjer · 历史来源1 条@livekit · 历史来源1 条@lostinlatencyx · 历史来源1 条@lotte_verheyden · 历史来源1 条@lqiao · 历史来源1 条@luciushq · 历史来源1 条@luckeyfaraday · 历史来源1 条@lukaspet · 历史来源1 条@madhavsinghal_ · 历史来源1 条@manassharmahere · 历史来源1 条@markiewagner · 历史来源1 条@marksaroufim · 历史来源1 条@marsxiang_ · 历史来源1 条@maseehg_ · 历史来源1 条@mattshumer_ · 历史来源1 条@mem0ai · 历史来源1 条@mengto · 历史来源1 条@merettm · 历史来源1 条@micahcarroll · 历史来源1 条@michael_chomsky · 历史来源1 条@michaelarnaldi · 历史来源1 条@microsoftai · 历史来源1 条@mike_acton · 历史来源1 条@mikeyyyzhao · 历史来源1 条@minchoi · 历史来源1 条@minimaxagent · 历史来源1 条@minu_who · 历史来源1 条@mkbhd · 历史来源1 条@modal · 历史来源1 条@moritzthuening · 历史来源1 条@moxie · 历史来源1 条@mstockton · 历史来源1 条@mtslive · 历史来源1 条@multimodalart · 历史来源1 条@neelnanda5 · 历史来源1 条@neilrahilly · 历史来源1 条@nickbaumann_ · 历史来源1 条@nirantk · 历史来源1 条@noemititarenco · 历史来源1 条@notjazii · 历史来源1 条@nousresearch · 历史来源1 条@oblomovius · 历史来源1 条@ollama · 历史来源1 条@onlyterp · 历史来源1 条@onlyzhynx · 历史来源1 条@organicgpt · 历史来源1 条@orgrem · 历史来源1 条@p0 · 历史来源1 条@palantirtech · 历史来源1 条@palmerluckey · 历史来源1 条@pandatalk8 · 历史来源1 条@parishilton · 历史来源1 条@patrickcarlyle · 历史来源1 条@patricktoulme · 历史来源1 条@paulg · 历史来源1 条@paulsolt · 历史来源1 条@pbdtokenrouter · 历史来源1 条@pererabinoy · 历史来源1 条@philhchen · 历史来源1 条@pirroh · 历史来源1 条@pjaccetturo · 历史来源1 条@postlive · 历史来源1 条@pranaveight · 历史来源1 条@prathamdby · 历史来源1 条@prince_canuma · 历史来源1 条@pumpkherm · 历史来源1 条@pvncher · 历史来源1 条@qiaoqiao2001 · 历史来源1 条@rajveerbach · 历史来源1 条@randyhaddad6 · 历史来源1 条@rauchg · 历史来源1 条@raveeshbhalla · 历史来源1 条@rayanpal_ · 历史来源1 条@rayfernando1337 · 历史来源1 条@redpoint · 历史来源1 条@ric_rtp · 历史来源1 条@richardsocher · 历史来源1 条@rileybrown · 历史来源1 条@robertvaradan · 历史来源1 条@ronshepherd · 历史来源1 条@rosmine · 历史来源1 条@rthiago · 历史来源1 条@ruben_kostard · 历史来源1 条@runware · 历史来源1 条@rvivek · 历史来源1 条@ryanjunejo · 历史来源1 条@safaricheung · 历史来源1 条@samuelstroschei · 历史来源1 条@sanmking · 历史来源1 条@saranormous · 历史来源1 条@savinovnikolay · 历史来源1 条@scale_ai · 历史来源1 条@scaling01 · 历史来源1 条@sdaily_ai · 历史来源1 条@secscottbessent · 历史来源1 条@seltaa_ · 历史来源1 条@sergiopaniego · 历史来源1 条@servasyy_ai · 历史来源1 条@sethltx · 历史来源1 条@shashankgoyal95 · 历史来源1 条@sherryyanjiang · 历史来源1 条@sherylhsu02 · 历史来源1 条@shl · 历史来源1 条@sighjith · 历史来源1 条@simistern · 历史来源1 条@southpkcommons · 历史来源1 条@sriramkri · 历史来源1 条@sshoaibali · 历史来源1 条@stalkermustang · 历史来源1 条@status_effects · 历史来源1 条@stevencheng · 历史来源1 条@stockanalystpro · 历史来源1 条@suekhim · 历史来源1 条@sultanalfardan · 历史来源1 条@suraj_sharma14 · 历史来源1 条@swisscheese4299 · 历史来源1 条@swmansion · 历史来源1 条@systematicls · 历史来源1 条@teksedge · 历史来源1 条@tftc21 · 历史来源1 条@theahmadosman · 历史来源1 条@themidasproj · 历史来源1 条@theonejvo · 历史来源1 条@therealadamg · 历史来源1 条@timsoulo · 历史来源1 条@tmuxvim · 历史来源1 条@tobi · 历史来源1 条@togethercompute · 历史来源1 条@trackernetwork · 历史来源1 条@trustkerneltech · 历史来源1 条@ttunguz · 历史来源1 条@tuhinchakr · 历史来源1 条@twistartups · 历史来源1 条@ubermenscchh · 历史来源1 条@udayan_w · 历史来源1 条@usefastlane · 历史来源1 条@uzyn · 历史来源1 条@valeriocapraro · 历史来源1 条@vasuman · 历史来源1 条@vdbergrianne · 历史来源1 条@vibeguessing · 历史来源1 条@victoriakimse · 历史来源1 条@victoriawu77 · 历史来源1 条@victortaelin · 历史来源1 条@vikaskansalhq · 历史来源1 条@volchika · 历史来源1 条@walden_yan · 历史来源1 条@warpdotdev · 历史来源1 条@waynesutton · 历史来源1 条@wesroth · 历史来源1 条@whosamberella · 历史来源1 条@xdinodeer · 历史来源1 条@xicilion · 历史来源1 条@xucian_ · 历史来源1 条@yacinemtb · 历史来源1 条@yaojingang · 历史来源1 条@yevr19 · 历史来源1 条@yoheinakajima · 历史来源1 条@yongquanyq · 历史来源1 条@youtubejocoding · 历史来源1 条@yusufg · 历史来源1 条@zachbussey · 历史来源1 条@zeddotdev · 历史来源1 条@zeroxkyle · 历史来源1 条@zhenthebuilder · 历史来源1 条@zicohacks · 历史来源1 条@zixuanli_ · 历史来源1 条@zymazza · 历史来源1 条
14,584 条AI 相关新闻 · 最新在前
6月5日周五
  1. @kimmonismus33

    Kim 回应外界将 Anthropic 的 RSI 讨论视为 IPO 造势的质疑,认为其说法有实证支撑而非空谈。他指出 Dario Amodei 早在 2024 年就谈过 RSI,远早于 2026 年 IPO 计划,OpenAI 也有类似情况。Anthropic 数据显示模型可独立完成任务的时长约每四个月翻倍,此前为每七个月。

    引用Chubby♨️ (@kimmonismus)@kimmonismus

    I believe the majority still doesn't understand the momentous threshold humanity is facing. Anthropic itself states quite clearly that even if development ceased entirely, if all development were frozen, they would still witness massive societal changes: "Even if model capabilities were frozen at today’s level, we would expect major changes to occur in the world. (...) And we are still early in the diffusion of today’s models into the wider economy, where a 100-person company can increasingly do the work of a 1,000-person one, because each employee will sit atop a pyramid of agents." But there's no question of stagnation. Anthropic itself still maintains that development has exceeded its own internal assumptions. Take that statement seriously for a second and consider it. Although Anthropic models internally and assumes exponential development, even this trajectory lags behind actual development, which is even faster. "It's happening faster than we thought, and the implications deserve greater attention." and "The rate at which AI models improve is accelerating. The length of tasks that they can reliably complete on their own has been doubling roughly every four months, up from an earlier trend of doubling every seven months. In March 2024, Claude Opus 3 could complete software tasks that take humans about four minutes to complete. A year later, Claude Sonnet 3.7 managed tasks that took about an hour and a half. A year after that, Claude Opus 4.6 managed 12-hour tasks.1 If this trend holds, tasks that take a skilled person days could come into range this year. So again: there can be no question of standing still. The models are not only getting better, they can also work autonomously for longer. Certainly numerous breakthroughs are still needed, context window is still a problem. But the most likely direction is that the models themselves will find the solutions to the underlying problems. This opens up unforeseen possibilities, and Demis Hassabi's statement that the golden age of science is not a dream, not a utopia, but a purposeful reality, is now confirmed. And finally, it's not just Anthropic, but also OpenAI, that sees this development, considers it feasible, and is moving forward. Most people don't know what's coming. But one thing is certain: it's coming even faster than expected. And it will be even bigger. Myth was just the beginning.

  2. @berryxia58

    腾讯混元联合中国人民大学高瓴人工智能学院开源 PlanningBench,一个用于评测和训练 LLM 规划能力的可验证框架,包含 30 多个真实世界规划任务,覆盖调度、生产、旅行、资源分配、应急响应等六大类。每个任务都有明确成功标准和全自动验证机制,并同时支持评测与训练微调。论文、代码和数据集已发布在 arXiv、GitHub 和 Hugging Face。

    引用Tencent Hy (@TencentHunyuan)@TencentHunyuan

    Planning is where LLMs move from “saying” to “doing.” Tencent Hy, in collaboration with the Gaoling School of Artificial Intelligence at Renmin University of China, is excited to open-source PlanningBench - a scalable, verifiable framework for evaluating and training LLM planning capabilities. With PlanningBench, you get: ✅ 30+ real-world planning tasks ✅ Automated verification ✅ Evaluation and training support See how top-tier LLMs perform on PlanningBench 👇 Resources: arXiv: arxiv.org/abs/2605.20873 GitHub: github.com/Tencent-Hunyuan/P… HuggingFace: huggingface.co/datasets/tenc… #PlanningBench #TencentHunyuan #OpenSource 📷

  3. @berryxia36

    卧槽!这个可以啊! 必须得给个大拇哥了,我今天早上没有注意只是把他复制到公众号哈哈。 这下可省了很多事儿啊! Video

    引用Nicolechan (@stark_nico99)@stark_nico99

    全网独家,YouMind全球首发X文章导入功能! 解决了X文章的一个超级大痛点 不知道大家写X文章的时候,会不会遇到这样的问题 从别的地方写好复制粘贴 结果图片不能粘贴,字符块也不能保留 都得自己手动一个个重新粘贴 YouMind 黑科技彻底解决了这个卡点 每次至少为你节省10-30分钟的排版时间! 至此,YouMind在X文章从创作到发布已经形成闭环 欢迎体验,欢迎留言 Video

  4. @berryxia26

    作者用一个人加一支「AI 团队」,30 分钟完成一篇公众号爆款文章,全程只负责定方向和做决策。流程拆成 7 步:搜热点找空白、6 维度分析爆款数据、找反共识角度、数据驱动生成 10 个标题并选最高分、写正文、配暖色调嵌金句图、一句话生成 HTML 排版。作者还表示做了个视频复刻 Agent,可按需放出。

    引用Berryxia.AI (@berryxia)@berryxia

    x.com/i/article/206272439058…

  5. @MiniMax_AI50

    很高兴通过 @dgrid_ai 将 M3 带给更多开发者 🤝 前沿编程能力、原生多模态、1M-token 上下文——现已在 DGrid 上线。

    引用DGrid AI (@dgrid_ai)@dgrid_ai

    DGrid 🤝 @MiniMax_AI MiniMax M3 is now live on dgrid.ai. Enjoy 50% off through June 7th. ⚡️ With frontier coding performance, a 1M-token context window, and native multimodality, M3 is built for the next generation of #AI applications and autonomous agents.🫡 As AI-native products continue to evolve, they need both advanced model intelligence and reliable gateway infrastructure. #DGrid is proud to support MiniMax’s latest release and make its capabilities more accessible to developers and agents through our decentralized AI gateway.🚀 Looking forward to driving broader adoption of MiniMax models across the ecosystem.👀

  6. @op741828

    歸藏提醒其 PPT Skill 的版权协议要求必须署名并且开源,不想开源可联系走商业授权,并指出有人直接抄代码甚至抄名字。该 Skill 还将继续更新,得益于近期赞助,第三套主题已在计划中,小红书图文卡片积累的经验也会用于新版。

    引用歸藏(guizang.ai) (@op7418)@op7418

    说一下 guizang PPT Skills 还会继续更新啊。 得益于最近的几个赞助,可以找时间去更新第三套主题了,依旧非常惊艳。 同时,在小红书那个图文卡片部分积累的好经验,也会用到 PPT Skills 的新版里面。

  7. @berryxia51

    LM Studio 将 Locally 收为自家手机端应用,并把 LM Link 带到 iPhone,用户可通过端到端加密连接在手机上调用自己最大的模型,目前已在 iPhone 和 iPad 上可用。作者认为这一路线速度很快、能在手机端更好跑本地大模型,但该场景尚未真正挖掘出来,对用户需求的支持还不够好。

    引用Locally AI - Local AI Chat (@LocallyAIApp)@LocallyAIApp

    Locally is now @lmstudio's mobile app, and we are bringing LM Link to your iPhone. Use your largest models from your phone, over a secure, end-to-end encrypted connection. Available on iPhone and iPad.

  8. @AYi_AInotes38

    孙正义在巴黎 CNBC 专访中称,下一个万亿美元机会是 Physical AI 和机器人,AI 革命规模将是互联网泡沫时代的 50 倍。他刚靠 AI 投资重回亚洲首富,并砸 75 亿欧元在法国建 AI 数据中心。Physical AI 即 AI 大脑加物理身体,Tesla、Figure、宇树、智元等被视为下一阶段主角。

    引用AYi (@AYi_AInotes)@AYi_AInotes

    看了新晋亚洲首富孙正义 这个最新访谈睡不着了, 6 月 1 号他在巴黎接受CNBC 专访时透漏了很多未来的财富密码, 明确表示下一个万亿美元机会,是 Physical AI 和机器人。 以及这一波 AI 革命的规模, 大概率是互联网泡沫时代的 50 倍, 是人类经历过最大的一次技术与实现革命。 我看了一圈中文圈的反应, 绝大多数人都把这条当普通新闻刷过去了, 过去三年我们忙着教 AI 写代码、画图、聊天, 但下一个十年,AI很可能会从屏幕里走出来,站起来,迈出腿,动手做事。 也就是说, 我们现在练的所有 prompt 技巧、Agent 编排、内容生成等等本质上都还在无身体的 AI这一层。 未来真正决定下一代生产力地形的是有身体的那一层, 下面这几条,是我把这件事彻底想透之后, 给普通人能用上的一份认知和财富进阶地图 👇 Video

  9. @PixVerse_28

    今天用 PixVerse 的 seedance2.0 试了一下! 发现 PixVerse 上的画布功能可以试用,就上手体验了一下✨ 果然从故事板到视频能一站式完成,真不错🎵 Seedance2.0 #pixverse @PixVerse_ 这让我很开心。太棒了!🔥

    引用むぎ@生成AI全般勉強中 (@mugi_AI_Art)@mugi_AI_Art

    今日はPixVerseのseedance2.0で! PixVerse上でキャンバス機能がお試しで使えるようになっていたので触ってみました✨ やっぱりストーリーボードから動画まで一貫して作れるのはいいね🎵 Seedance2.0 #pixverse @PixVerse_ Video

  10. @AYi_AInotes41

    孙正义在巴黎表示,下一个万亿美元机会是 Physical AI 和机器人,而非聊天、写代码或做视频。人形机器人市场目前约 20-30 亿美元,机构预测 2035 年达 2000 亿,乐观预计 10 年内破万亿;中国已把单台成本压到 5 万美元。作者据此判断软件 AI 红利窗口正走向成熟,建议把具身智能纳入认知系统,关注量产时间表、成本曲线与实际部署场景。

    引用AYi (@AYi_AInotes)@AYi_AInotes

    看了新晋亚洲首富孙正义 这个最新访谈睡不着了, 6 月 1 号他在巴黎接受CNBC 专访时透漏了很多未来的财富密码, 明确表示下一个万亿美元机会,是 Physical AI 和机器人。 以及这一波 AI 革命的规模, 大概率是互联网泡沫时代的 50 倍, 是人类经历过最大的一次技术与实现革命。 我看了一圈中文圈的反应, 绝大多数人都把这条当普通新闻刷过去了, 过去三年我们忙着教 AI 写代码、画图、聊天, 但下一个十年,AI很可能会从屏幕里走出来,站起来,迈出腿,动手做事。 也就是说, 我们现在练的所有 prompt 技巧、Agent 编排、内容生成等等本质上都还在无身体的 AI这一层。 未来真正决定下一代生产力地形的是有身体的那一层, 下面这几条,是我把这件事彻底想透之后, 给普通人能用上的一份认知和财富进阶地图 👇 Video

  11. @op741847

    在 AI Vibe Coding 开发过程中,文档基本上等于 Harness,也就是说文档体系就是 Harness,其他都是不重要的,或者没那么重要

    引用歸藏(guizang.ai) (@op7418)@op7418

    事实上,Codepilot 这种大型代码库 Vibe Coding 非常依赖于文档。 自从 Claude Code 的 Plan 模式废掉以后,我连计划写的都是计划文档,整个文档体系的复杂度和占代码的比例都在快速大幅上升。 所以,文档体系的管理,以及 AI 和人协作下的文档梳理,在整个大型代码库中其实是非常重要的。 我让 Codex 分析了一下 CodePilot 目前的文档体系,以及它跟代码之间的关系。 目前 CodePilot 里面有 26 万行代码和 5.6 万行文档,文档占代码的比例大约是 21%。 说一个事实: 从 CodePilot 的第一个版本到现在,我没有动过一行代码,因为现在确实看不懂了。 但目前基本上所有已知的 bug 我都能修复,所有想要实现的能力也都能实现。 这是当前 Vibe Coding 我自己的一个实践,也是我自己的一个上限。整个重构本来预期是两周,但实际持续了超过一个月零三周。

  12. @op741844

    作者用 Codex 分析 CodePilot 文档体系后发现,项目现有 26 万行代码、5.6 万行文档,文档占比约 21%。自 Claude Code 的 Plan 模式废弃后,作者将计划也写成文档,文档体系复杂度与占比快速上升。作者称自己一行代码未动,但能修复所有已知 bug、实现所有想要的能力,重构实际耗时超过一个月零三周。

    引用歸藏(guizang.ai) (@op7418)@op7418

    CodePilot v0.55.0 正式版已经更新! 重构完成的正式版: 多执行引擎(Claude Code / 自建 Native / OpenAI Codex)、上下文用量可视化、Codex 账号原生能力全部落地为稳定版,并集中修复了 macOS 视觉与托盘、Windows 安装与交互、服务商型号映射等内测反馈问题。 🆕新增功能 多执行引擎,可整体切换也可按会话切换 — 同一个应用里支持 Anthropic Claude Code、CodePilot 自建 Native、OpenAI Codex 三种执行引擎;可以设全局默认,也能在单个对话的输入框下方临时切换,互不影响。 上下文用量可视化 — 聊天里能实时看到本次对话占用了多少上下文、还剩多少,并按来源(系统提示 / 工作区规则 / 技能 / 记忆 / 工具 / MCP)分解,长对话不再"用着用着突然被截断也不知道为什么"。 OpenAI Codex 账号原生能力打通 — 用 Codex 账号登录后,助理记忆、Widget 可视化、定时任务 + 到点通知、Dashboard、CLI 工具这些内置能力在 Codex 引擎下也能用;接不了的能力会如实标注为不支持,而不是假装可用。

  13. @VibeGuessing28

    swyx 引述微软 CEO Satya Nadella 在 No Priors 与 Latent Space 联合播客中的观点:企业必须能获取前沿智能,并找到自身业务的爬坡路径,否则终值可能归零,因此这是必需而非必然。推文还提到 Nvidia GTC 2026 上 Google 首席科学家谈构建新芯片所需的各类智能体,以及 Anthropic 同日披露 AI 研究中的自我改进循环。

    引用sarah guo (@saranormous)@saranormous

    1/ 🔥 @NoPriorsPod x @LatentSpacePod chat with @SatyaNadella at @Microsoft Build. He has the sharpest mental models of any public company CEO I've interviewed. $MSFT is at its heart still a tools company! Big focus on agentic coding, harness & AI evals. Takeaways:👇