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 Paul1388 条X:Kim1201 条X:阿易 AI Notes894 条X:阿里云 / Alibaba Cloud451 条X:Testing Catalog397 条X:cb_doge349 条X:Elvis Saravia346 条X:Elon Musk327 条X:OpenRouter301 条X:Artificial Analysis284 条X:Ethan Mollick276 条X:PixVerse261 条X:Alexandr Wang(Scale AI 创始人/Meta 首席 AI 官)252 条X:ZHO229 条X:Replit223 条X:SemiAnalysis217 条X:OpenAI Developers207 条X:小北182 条X:swyx162 条X:MiniMax157 条X:Gemini156 条X:Dex Horthy(HumanLayer)139 条X:Tibo129 条X:Emad Mostaque127 条X:OpenAI120 条X:AI Safety Memes111 条X:X.PIN111 条X:Epoch AI108 条X:Google AI for Developers103 条X:蚂蚁百灵101 条X:Runway99 条X:Thomas Wolf(Hugging Face 联创/CSO)98 条X:Luma AI91 条X:面壁智能 OpenBMB89 条X:Aravind Srinivas(Perplexity CEO)87 条X:Claude Devs87 条X:马东锡 NLP86 条X:Jason Liu85 条X:Frank Wang 玉伯83 条X:Sam Altman81 条X:洪明79 条X:Gabriel77 条X:fofr75 条X:阑夕69 条X:赵纯想69 条X:Perplexity69 条X:Yuchen Jin69 条X:Nathan Lambert68 条X:Francois Chollet66 条X:Cohere63 条X:opencode62 条X:Greg Brockman61 条X:Tencent WorkBuddy61 条X:Eric Zakariasson59 条X:Microsoft Research54 条X:Peter Steinberger52 条X:腾讯混元51 条X:Claude51 条X:Krea AI51 条X:Suno50 条X:Clément Delangue(Hugging Face CEO)46 条X:Anthropic44 条X:OpenClaw43 条X:Thariq43 条X:商汤 SenseTime (@SenseTime_AI)42 条X:Charlie Holtz41 条X:karminski41 条X:Google DeepMind40 条X:通义千问 / Qwen39 条X:Google AI38 条X:AK34 条X:Boris Cherny32 条X:可灵 Kling AI31 条X:Peter McCrory(Anthropic 首席经济学家)31 条X:Deedy Das30 条X:百度 Baidu29 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:李继刚20 条X:Noam Brown20 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: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:Eric Mitchell10 条X:fal (@fal)10 条X:Karina Nguyen10 条X:Lee Robinson10 条X:Noah Zweben10 条X:ARC Prize (@arcprize)9 条X:Arthur Mensch(Mistral CEO) (@arthurmensch)9 条X:ElevenLabs (@elevenlabs)9 条X:Fei-Fei Li9 条X:Jensen Huang9 条X:Kimi.ai9 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:Philipp Schmid(Google DeepMind 开发者体验) (@_philschmid)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
14,220 条AI 相关新闻 · 最新在前
6月1日周一
  1. @gneubig64

    MiniMax 发布 MiniMax M3,官方称其为首个同时具备编码与智能体、1M 上下文和原生多模态三项前沿能力的开放权重模型。该模型在 SWE-Bench Pro 得分 59.0%、Terminal Bench 2.1 得分 66.0%、MCP Atlas 得分 74.2%,并通过 MiniMax Sparse Attention 将上下文扩展到 1M。API 已在 platform.minimax.io 上线,权重与技术报告预计约 10 天后发布,转发者表示期待上手测试其在 OpenHands 中的表现。

    引用MiniMax (official) (@MiniMax_AI)@MiniMax_AI

    Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities - Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas - MiniMax Sparse Attention scales context to 1M - Natively Multimodal from Step Zero API: platform.minimax.io Token Plan: platform.minimax.io/subscrib… 🚀New! MiniMax Code: code.minimax.io Weights & Tech Report in ~10 Days

  2. @MiniMax_AI66

    MiniMax 发布 M3 模型。官方主推提到视频控制、游戏等场景,以及开源权重、超大上下文和强编码能力。引用评测 @MinLiBuilds 称 M3 有 1M context、原生多模态与 Agentic 三项特性,并用截图在多 agent 工作流下于 2 小时做出可运行的双人对决小游戏。

    引用实践哥MinLi (@MinLiBuilds)@MinLiBuilds

    跟祖传的 20K context 说 bye bye 了。 MiniMax M3 发布了,三个亮点: 1M context、原生多模态、Agentic。 我这次做了一次完整评测,使用CC workflow 、 @ZenMuxAI和MiniMax M3: 给一张截图,做一个“凡人修仙剑阵对决手势游戏”。 要求是:支持双人对决 、使用 workflow 拆解任务、加入石头剪刀布机制。 2 小时后,游戏真的跑起来了。 这一代LLM的版本答案我知道了: 1M 上下文 + 多模态+ agent 模式。 1M context 是推理深度的基础,多 agent 负责拆任务和执行。 Video

    推荐理由:官方给出 M3 的开源权重与大上下文等信息,引用评测展示了多模态加 Agent 工作流的实际产出。

  3. @fMinZhou45

    我知道 MiniMax M3 @MiniMax_AI 很强,但还是忍不住在 Happycapy 上用个人资料页测了一下 只用一个提示词生成个人主页 说实话……MiniMax 什么时候在审美上这么能打了🤯🤯 视频

    引用Happycapy (@happycapyai)@happycapyai

    MiniMax M3 @MiniMax_AI is now live on Happycapy 🎉 A major upgrade for agent workflows, especially when the task is messy, multimodal, and too large for a normal chat. Now you can give the agent more context upfront and let it work across everything in one run: • Native multimodal input: PDFs, videos, images, screenshots, and long docs • Strong coding and agent work: useful for repo level debugging, issue tracing, and Connect My Mac tasks • Open weights and about 3x cheaper than Sonnet. Build more, pay less! We put it to the test below 🧵 Video

  4. @happycapyai63

    MiniMax M3 已上线 Happycapy,可处理 PDF、视频、图片、截图和长文档等多模态输入,面向体量大且繁琐的智能体工作流。

    引用MiniMax (official) (@MiniMax_AI)@MiniMax_AI

    Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities - Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas - MiniMax Sparse Attention scales context to 1M - Natively Multimodal from Step Zero API: platform.minimax.io Token Plan: platform.minimax.io/subscrib… 🚀New! MiniMax Code: code.minimax.io Weights & Tech Report in ~10 Days

  5. @flowith65

    flowith 宣布现已支持 MiniMax M3,并称其具备 1M 上下文、出色的编码能力和原生多模态。作者表示可以在 flowith 中并排运行并对比不同模型。其引用的 MiniMax 发布信息称,M3 是首个同时结合三项前沿能力的开放权重模型,代码与智能体评测包括 SWE-Bench Pro 59.0%、Terminal Bench 2.1 66.0%、MCP Atlas 74.2%,权重与技术报告约 10 天后发布。

    引用MiniMax (official) (@MiniMax_AI)@MiniMax_AI

    Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities - Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas - MiniMax Sparse Attention scales context to 1M - Natively Multimodal from Step Zero API: platform.minimax.io Token Plan: platform.minimax.io/subscrib… 🚀New! MiniMax Code: code.minimax.io Weights & Tech Report in ~10 Days

    推荐理由:flowith 上线 MiniMax M3 支持,读者可了解该模型在 1M 上下文与原生多模态上的接入进展。

  6. @lostinlatencyX64

    用户实测 MiniMax M3 前端能力后给出正面评价,称其性价比高、不偷懒且会充分推理,能在多个设计方案间更好地权衡。该模型由 MiniMax 发布,被称为首个融合三项前沿能力的开放权重模型,在 SWE-Bench Pro 取得 59.0%、Terminal Bench 2.1 取得 66.0%,并通过 MiniMax Sparse Attention 将上下文扩展至 1M。实测者表示下一步将测试后端任务。

    引用MiniMax (official) (@MiniMax_AI)@MiniMax_AI

    Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities - Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas - MiniMax Sparse Attention scales context to 1M - Natively Multimodal from Step Zero API: platform.minimax.io Token Plan: platform.minimax.io/subscrib… 🚀New! MiniMax Code: code.minimax.io Weights & Tech Report in ~10 Days

  7. @notjazii35

    Opus 4.8 vs MiniMax M3 用相同提示词在默认设置下测试了两者 > Opus 一次成型,7 分钟搞定一切 > M3 需要额外一次提示词来修复“break block”功能,花了 20+ 分钟 两者都非常接近,评判一下告诉我 哪个看起来更好? 视频

    引用J A Z I I (@notjazii)@notjazii

    Chinese AI labs are not slowing down MiniMax M3 just dropped and it’s looking good: > 1M context > native multimodal > super cheap with 50% launch discount > strong coding benchmarks > beats GPT-5.5 and Gemini 3.1 Pro on SWE-Bench Pro gonna test it this week and share my experience which model should i compare it with first?

  8. @AYi_AInotes52

    英伟达发布基于 ARM 的 RTX Spark,配备 RTX 5070 级 GPU、128GB 统一内存和 1 PetaFLOP 的 FP4 算力,可在本地运行 200B 参数大模型。

    引用Geeklik ve Ötesine (@GeeklikOtesine)@GeeklikOtesine

    NVIDIA, ARM tabanlı yeni işlemcisi RTX Spark'ı duyurdu. - İşlemcide RTX 5070'e denk bir GPU bulunuyor. - Modern oyunlarda 1440P'de 100 FPS'te çalışıyor. - Laptop, Windows olmasına rağmen prizden çektiğinizde performans düşmüyor. - Batarya ömrü uzun. - Sadece laptoplar için değil masaüstü bilgisayarlarını da hedefliyor. - Sahnede 007 First Light ve Forza Horizon 6 ile gösterildi. - Yapay zeka işlem gücü de yüksek. - 2026 Sonbahar'ında çıkacak. Video

  9. @MiniMax_AI32

    一次成功。通过 @opencode。由 M3 完成。

    引用stevibe (@stevibe)@stevibe

    MiniMax M3 might be the most underrated coding model right now. I gave it nothing but a screenshot of a chaotic 90s GeoCities-style fan page, no HTML source, just the image + the asset files, and told it to rebuild the whole thing as a sleek Apple-style 2026 site. One shot. Through OpenCode. The result is genuinely stunning. It kept the soul (the "stevibe's HyperHome" identity, the visitor counter, the guestbook, the webmaster portrait) and translated every section into clean modern design, gradient hero, proper typography, dark theme, the works. Video

  10. @AYi_AInotes36

    一条推文提出信息差是普通人最后的红利,认为贫富差距已转向信息获取能力差异。举例称信息玩家买二手常五折、知道学生可白嫖1年Cursor、开源作者能领半年ChatGPT Pro、初创可拿几万刀云额度,而普通人月月烧几百刀订阅。作者建议把"我是不是又当冤种了"变成花钱前的本能反应。

    引用AYi (@AYi_AInotes)@AYi_AInotes

    免费领6个月ChatGPT Pro, 价值$ 1200🤩 这可能是今年对开发者最实在的福利了, 没有硬性Star数要求, 有项目链接基本都能过, 只要你是任何一个公开开源项目的维护者,哪怕只有你一个人在维护, 都可以去申请试试: openai.com/form/codex-for-os…

  11. @alibaba_cloud38

    🚀 Apache RocketMQ 为 AI 全面升级!推出 RocketMQ for AI——一款全新的消息引擎,专为长时间运行的会话、多智能体工作流和公平资源调度而构建。借助 Lite-Topics、有序消息和智能流量整形,它解决了状态丢失、级联故障和突发负载问题。由阿里云大规模构建,面向所有人开源。 了解更多: int.alibabacloud.com/m/10004… #RocketMQ #AI #CloudNative

  12. @MiniMax_AI66

    MiniMax M3 已在 Novita AI 上线,作为 Day-0 API 合作方开放,首周享 50% 折扣。Novita 称 M3 是首个同时具备前沿编码与智能体能力、最高 1M tokens 上下文和原生多模态的开源权重模型,其中上下文由 MiniMax Sparse Attention 实现,基准成绩为 59.0% SWE-Bench Pro、66.0% Terminal Bench 2.1、74.2% MCP Atlas。

    引用Novita AI (@novita_labs)@novita_labs

    🚀 We’re launching MiniMax M3 from @MiniMax_AI on Novita AI as a Day-0 API launch partner. The first open-weights model to combine: • Frontier coding and agent capabilities 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 74.2% MCP Atlas • Up to 1M tokens of context Enabled by MiniMax Sparse Attention • Native multimodality from day one Built for both text and visual understanding Excited to make MiniMax M3 available to developers on Day 0. Video

    推荐理由:M3 在 Novita 上线并附上 SWE-Bench Pro 等基准,可据此了解其编码与智能体能力定位。

  13. @berryxia57

    KwaiKeye 在 Hugging Face 发布多模态模型 Keye VL 2.0-30B-A3B,总参数 30B、活跃参数 3B,采用 Apache 2.0 完全开源。

    引用Adina Yakup (@AdinaYakup)@AdinaYakup

    Keye VL 2.0-30B-A3B 🔥 New multimodal model from @KwaiKeye ✨ 30B/3B active - Apache 2.0 ✨ 256K context via DeepSeek Sparse Attention (probably the first model to ship this in production?👀) ✨ Gets MORE accurate as you feed it more frames ✨ Matchs Qwen3 VL and Gemini 3 Flash on benchmarks

  14. @AYi_AInotes34

    GitHub Student Developer Pack 面向在校学生开放申请,一次通过即可免费使用 100+ 个开发工具。其中包括 GitHub Copilot(正常 $100/年)、JetBrains 全家桶($250/年)、Azure $100 云额度、DigitalOcean $200、Canva Pro、1Password 和域名等,合计价值轻松超过 $1000。

    引用AYi (@AYi_AInotes)@AYi_AInotes

    免费领6个月ChatGPT Pro, 价值$ 1200🤩 这可能是今年对开发者最实在的福利了, 没有硬性Star数要求, 有项目链接基本都能过, 只要你是任何一个公开开源项目的维护者,哪怕只有你一个人在维护, 都可以去申请试试: openai.com/form/codex-for-os…

  15. @MiniMax_AI32

    很高兴与 @BAI_AGI 联手 🤝 M3 提供大脑,现在智能体有了可以运作的资金通道🔥

    引用B.AI (@BAI_AGI)@BAI_AGI

    B.AI 🤝 @MiniMax_AI Powerful agents require both advanced intelligence and robust economic infrastructure. We are partnering with MiniMax to help accelerate the future of AI-native applications and autonomous agents. As MiniMax advances the frontier of reasoning, coding, multimodal understanding, and agentic workflows, B.AI is building the financial infrastructure that enables intelligent agents to transact, coordinate, and operate within decentralized economies.

  16. @berryxia24

    这种小任务爬爬虾的工作交给Qclaw这种还是挺好的,每日有4000K的Tokens可以用啊。 不用白不用啊,整理成报告还是可以滴。不然你不用也浪费了啊!

    引用Berryxia.AI (@berryxia)@berryxia

    🧵 1/8 前几天给大家分享的我用AI邮箱来搞钱的帖子(见前贴),有很多朋友私信我问,你使用的那个像素风的小龙虾是什么? 怎么那么可爱有趣,我今天给大家介绍一下! 熟悉我的朋友知道,我是一个像素爱好者,看看我头像哈哈! 我一直自己想做个属于自己小龙虾的像素房间,让其可以互动等。 结果前不久朋友推荐说让我试试 Qclaw @QClaweverytime 试了一下就恰巧满足我的喜好。 我是 36 号 Founder Shrimp 🦞 养电子宠物 30 年,第一次有一只 不会死。 不会饿。 不会忘记浇水。 还反过来帮我干活。 它住在一间 16-bit 像素风的工作室里。藏宝图、咖啡机、服务器机柜,我不在的时候它会自己举哑铃。 过去 4 个月,它在我们公司多养了一个不会下班的同事。 专属邀请码:berryxia 目前还在内测需要申请Waitlist ,文末有地址! 下面是我让它干过的事 🧵👇

  17. @prathamdby36

    好吧,@MiniMax_AI 团队这次 M3 发布真是下足了功夫,因为太牛了!比起 Claude Opus 4.8 的输出,我更喜欢这个……同样的技能、同样的提示词……整个设计(完整图见下方)都是一次性生成的。证据:opncd.ai/share/uCAHNZRH 完整设计见评论区。

    引用𝖕𝖗𝖆𝖙𝖍 (@prathamdby)@prathamdby

    Anthropic literally cooked. Claude Opus 4.8 is amazing. Find the whole design in comments.

  18. @PixVerse_17

    光是看着就觉得凉爽,非常适合夏天的作品呢🫧 @Yonohitomi 非常感谢✨

    引用Yono@AIアニメ・AIコスメ動画・小説とnote (@Yonohitomi)@Yonohitomi

    人魚の耀が海の中を案内してくれる動画🐬 🪼1個目の動画がPixVerse V6 スピード感とか色使いとか、夢の世界感ある😆 🪼2個目の動画がSeedance2.0 フォトリアルな写真も使えるようになったらしい。耀の顔が崩れずに動画にできて嬉しい☺️ @PixVerse_ #pixverse PixVerseCPP Video Video