【AI 英文奏折】2026年07月12日

共收录 20 篇深度内容

---

📋 今日内容速览

快速浏览，点击感兴趣的推文查看详细分析

1. Amira Zairi: iPhone现可高效完成以往需台式机的图片处理任务。
2. Chubby♨️: Robbyant开源LingBot 2.0世界模型，实现60分钟高保真实时交互。
3. Marc Lou: 人类应主导AI创作，品味是核心竞争力。
4. Marc Lou: 作者计划用AI代理构建初创公司交易市场。
5. Charly Wargnier: 高效AI模型节省重试成本胜于低价token。
6. SemiAnalysis: 马斯克AI交易收入远超同行，利润差距显著。
7. Rohan Paul: LingBot-VLA 2.0通过单一策略实现多配置全身控制，优化高质量数据训练。
8. levelsio: 全球推行自动驾驶可年救百万生命但面临监管拖延。
9. corbin: AI大幅提升前端开发效率，颠覆传统工作模式。
10. corbin: AI将凭邮箱和支付接管一切，需突破非原生网站限制。
11. Marc Lou: 低碳饮食严重影响女性健康，恢复碳水摄入后症状改善。
12. Ethan Mollick: 游戏跑图因多重修饰符而复杂化。
13. Alex Prompter: 开源代理智能路由降成本，透明管理模型选择与开销。
14. Chubby♨️: AI正迈向自我意识与自动化社会，实现自我进化与知识创造。
15. Pierrick Chevallier | IA: Firefly Boards整合创意素材，简化角色设计和故事创作流程。
16. Aakash Gupta: 声誉源于无人监督时的诚信积累。
17. levelsio: 手冲咖啡优选不锈钢陶瓷器具，避免塑料更健康便捷。
18. Alex Veremeyenko: 智能任务图框架让小模型通过优化规划媲美大模型性能
19. Aakash Gupta: 婴儿自发发音“dad”和“mama”促成全球相似亲属称谓。
20. Chubby♨️: 美担忧中国开源AI实力强且价格低，或引政策反制。

---

📖 详细内容

Amira Zairi @azed_ai

AI Educator & Creator | Ambassador @Adobe @LeonardoAi & @tripoai | Partner with leading brands | Collaboration → [email protected] | 影响力: 57.13k万粉丝

💡 核心观点: iPhone现可高效完成以往需台式机的图片处理任务。

可信度: 8/10 – 2项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: iPhone现在可以做一些以前需要台式机才能完成的事情 (需通过实测或对比测试验证iPhone与台式机的功能差异，但部分高性能任务（如视频渲染）可能仍需依赖具体应用或硬件配置，无法完全通用化验证。)
• ✓ 可验证: @topazlabs iOS应用支持同时处理多张图片、集中访问增强工作流程和放大结果 (可通过Topaz Labs官网或App Store的官方应用描述、功能介绍或用户评测验证其多图处理、工作流程集成等具体功能。)
• ◦ 观点: 该应用“非常简单且快速” (主观体验描述，取决于用户设备性能和个人操作习惯，无统一客观标准。)

原文内容:

你的 iPhone 现在可以做一些以前需要台式机才能完成的事情。

我在 @topazlabs iOS 应用发布前测试了它，令人惊讶的是，它非常简单且快速。

你可以同时处理多张图片，在一个地方访问所有增强工作流程，并将所有放大结果集中在一起

它的工作原理如下 

⏰ 00:34 | ❤️ 24点赞 | 📝 95字 | 查看原文 →

↑ 返回顶部

Chubby♨️ @kimmonismus

Dream realized! Turned my love for AI into a career – sharing daily. Get my newsletter | 影响力: 225k+万粉丝

💡 核心观点: Robbyant开源LingBot 2.0世界模型，实现60分钟高保真实时交互。

可信度: 10/10 – 3项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: Robbyant 的 LingBot-World 2.0 模型支持 720p 分辨率 60fps，单次不间断 60 分钟会话经过 20 个场景的压力测试，没有明显的衰减。 (可通过官方发布的实时演示或开源代码进行性能测试，但需要实际运行环境验证具体表现，普通用户可能缺乏测试条件。)
• ✓ 可验证: LingBot-World 2.0 包含代理循环机制，由 VLM 提出事件、导演代理播种新内容，实现动态世界展开（如运动、战斗、天气等）。 (开源代码和论文中应包含相关架构描述，可通过审查代码逻辑或论文细节验证其技术实现。)
• ✓ 可验证: Robbyant 开源了 14B 和 1.3B 版本的模型权重及代码，并提供了实时演示。 (开源仓库（如 GitHub）和官方合作伙伴的演示链接可直接访问，模型权重和代码的发布是客观事实。)

原文内容:

开源世界模型迎来了一位精彩的新玩家！

交互式世界模型长期以来一直存在同一个缺陷。它们看起来很棒几秒钟，然后世界就会悄无声息地崩塌。纹理涂抹，几何扭曲，漂移占上风。

Robbyant 的全新 LingBot-World 2.0 是我见过第一个真正突破这一点的模型。这是一个因果世界模型，你可以实时探索，720p 分辨率 60fps，单次不间断 60 分钟会话经过 20 个场景的压力测试，没有明显的衰减。保持那么久的连贯性才是真正的难题，而这就是这里的结果。

让我着迷的部分是上面的代理循环。一个 VLM 在你玩耍时提出事件，而导演代理不断播种新的事情要做，所以世界不断展开而不是静止不动。按需运动、战斗、天气，甚至在一个共享世界中的多人游戏。

而且 Robbyant，蚂蚁集团的具身 AI 公司，开源了模型权重和代码。发布了 14B 模型，论文还描述了一个 1.3B 版本，专为单消费级 GPU 部署设计，权重和代码均可用。还有一个实时演示，由他们的启动合作伙伴 Reactor 托管，你可以直接玩。
@robbyant_brain #ad

⏰ 21:44 | ❤️ 227点赞 | 📝 323字 | 查看原文 →

↑ 返回顶部

Marc Lou @marclou

⭐️ TrustMRR.com $27K/m | DataFa.st $20K/m | SHlPORDIE.COM $20K/mo | 影响力: 170.0k万粉丝

💡 核心观点: 人类应主导AI创作，品味是核心竞争力。

可信度: 6/10 – 2项需进一步确认；3项为观点陈述

事实核查:

• ◦ 观点: 人类没有足够用心去完善AI生成的内容 (该声明基于主观判断，缺乏客观标准或数据支撑“用心程度”，属于个人观点。)
• ◐ 部分可验证: 我们用AI构建的速度比以往任何时候都要快 (AI技术发展速度可通过行业报告或工具迭代记录部分验证，但“比任何时候快”需明确时间范围和量化指标，存在模糊性。)
• ◐ 部分可验证: 我们变得异常擅长辨别AI生成的内容 (可通过研究（如MIT等机构对AI内容识别的研究）部分验证，但“异常擅长”属主观表述，且公众辨别能力难以全面量化。)

原文内容:

“AI 垃圾”

这是我看到这样的图片时的第一反应。

不是因为它是 AI 生成的。
而是因为人类没有足够用心去完善它。

我们用 AI 构建的速度比以往任何时候都要快，但我们也变得异常擅长辨别 AI 生成的内容。

不要让 AI 占据驾驶座。

你的品味就是你的护城河。

⏰ 09:25 | ❤️ 59点赞 | 📝 97字 | 查看原文 →

↑ 返回顶部

Marc Lou @marclou

⭐️ TrustMRR.com $27K/m | DataFa.st $20K/m | SHlPORDIE.COM $20K/mo | 影响力: 170.0k万粉丝

💡 核心观点: 作者计划用AI代理构建初创公司交易市场。

可信度: 8/10 – 2项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 为 @trust_mrr 添加了一个 MCP（围绕公共 API 的封装，用于获取初创公司及其收入、MRR、营销渠道等数据） (需通过访问 @trust_mrr 的官方平台或代码库（如 GitHub）确认是否存在该 MCP 及其功能描述，但公共 API 的具体封装实现可能需要技术验证。)
• ✓ 可验证: 计划围绕 MCP 构建一个 ChatGPT 应用 (当前为未来计划或愿景陈述，无公开产品或开发证据，需后续观察是否落地。)
• ◦ 观点: 目标是将 TrustMRR 打造成以 AI 代理为先的市场 (属于主观愿景或商业定位，无客观事实依据，无法直接验证。)

原文内容:

我刚刚为 @trust_mrr 添加了一个 MCP 

这是一个围绕公共 API 的封装，用于获取列出的初创公司及其收入、MRR、营销渠道等的列表。

最后一步是围绕 MCP 构建一个 ChatGPT 应用。

我想让 TrustMRR 成为一个以 AI 代理为先的市场，我觉得问“找我一个最佳的初创公司交易，低于 10 万美元收购”会很酷 

⏰ 23:18 | ❤️ 209点赞 | 📝 98字 | 查看原文 →

↑ 返回顶部

Charly Wargnier @datachaz

Ex @Streamlit @Snowflake Maestro • I write about AI agents, LLMs and automation • My ❤️ is open source • DM for collabs | 影响力: unknown万粉丝

💡 核心观点: 高效AI模型节省重试成本胜于低价token。

可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: @aimlapi 发布了比较 GPT Sol、Grok 4.5 和 Muse Spark 1.1 的基准测试，测试内容是构建《水果忍者》、《愤怒的小鸟》和《横穿马路》的克隆版 (需检查 @aimlapi 的官方发布或相关基准测试报告，但若测试方法或数据未公开，则无法完全验证结果的可信度。)
• ◐ 部分可验证: Grok 4.5 在测试中以 2.47 美元的成本表现最佳，实现了“完美的物理效果” (需核实测试的具体指标（如“完美物理效果”的定义）和成本计算方式，但若测试细节未公开，则无法独立验证其客观性。)
• ◦ 观点: “最便宜的选择不是每个 token 价格最低的，而是能防止重跑和损坏输出的” (该结论基于对测试结果的解读，属于主观性建议，缺乏普适性数据支持（如未说明重跑频率或损坏输出的具体标准）。)

原文内容:

这就是为什么现在并排 LLM 测试如此宝贵的原因

@aimlapi 刚刚发布了一个新的基准测试，比较了 GPT Sol、Grok 4.5 和 Muse Spark 1.1。

他们给它们一个很棒的测试：第一次尝试就构建可玩的《水果忍者》、《愤怒的小鸟》和《横穿马路》的克隆版。

判决结果：

→ Muse Spark：$1.08（严重落后）
→ GPT Sol：$1.63（在复杂逻辑上卡住）
→ Grok 4.5：$2.47（以完美的物理效果碾压）

@Grok 的成本是 @Meta 模型的两倍，但它真正有效！

要点：

在评估 AI API 时，最便宜的选择不是每个 token 价格最低的那个。

而是那个能防止重跑和损坏输出的那个。

所有 3 个模型现在都可以通过 AI/ML 的单一聚合端点进行测试 ↓

⏰ 21:33 | ❤️ 48点赞 | 📝 181字 | 查看原文 →

↑ 返回顶部

SemiAnalysis @semianalysis_

In-depth research on semiconductors, AI infra & hardware | 影响力: unknown万粉丝

💡 核心观点: 马斯克AI交易收入远超同行，利润差距显著。

可信度: 10/10 – 4项声明可直接验证；1项需进一步确认

事实核查:

• ◐ 部分可验证: 埃隆·马斯克宣布与Anthropic达成首笔交易 (需通过Anthropic或马斯克旗下公司（如xAI）的官方声明或权威媒体报道验证，但未提供具体交易细节（如金额、合作内容）。)
• ✓ 可验证: 埃隆·马斯克在敲定谷歌交易时震惊了业界 (未明确“谷歌交易”的具体内容及“震惊业界”的客观依据，缺乏公开报道或官方声明支持。)
• ✓ 可验证: 埃隆交易每兆瓦的收入是同行收费的三倍和四倍 (未说明“交易”具体指向（电力？算力？），且同行收费数据未提供来源，无法横向对比。)

原文内容:

埃隆·马斯克宣布与Anthropic达成首笔交易时，震惊了AI基础设施界。他在敲定谷歌交易时，再次震惊了业界。埃隆交易每兆瓦的收入大约是同行收费的三倍和四倍。利润每兆瓦的差距当然更大，因为成本结构大致相同。2/3

⏰ 06:00 | ❤️ 63点赞 | 📝 84字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI. The Largest Show on X for AI. | 影响力: 0万粉丝

💡 核心观点: LingBot-VLA 2.0通过单一策略实现多配置全身控制，优化高质量数据训练。

可信度: 10/10 – 2项声明可直接验证；3项需进一步确认

事实核查:

• ◐ 部分可验证: LingBot-VLA 2.0通过全身控制，在20种配置中训练单一策略 (需查看官方发布的训练配置文档或代码库以确认支持的机器人配置数量及策略统一性，但缺乏直接公开的基准测试数据。)
• ◐ 部分可验证: LingBot-VLA 2.0将90,000个原始机器人数据小时过滤为50,000个高质量小时 (数据过滤方法和具体指标（如抖动运动、丢帧等）需依赖论文或技术报告验证，但原始数据规模可能因未公开采集细节而难以完全核实。)
• ✓ 可验证: 在Agilex GM-100上达到66.2%进度和34.4%成功率，领先pi0.5模型 (若推文附带实验对比数据或链接至公开论文/评测平台（如arXiv或机器人竞赛结果），则可直接验证；否则需假设数据来源可信。)

原文内容:

大多数VLA（视觉-语言-行动模型）仅在狭窄、固定的主体内处理任务多样性；

来自@robbyant_brain的LingBot-VLA 2.0通过全身控制，在20种配置中训练单一策略。

此外，为了避免机器人数据集中的破坏性噪声，LingBot-VLA 2.0将90,000个原始小时过滤成50,000个更干净的高质量真实机器人数据小时。

支持20种机器人配置和全身自由度控制。

因此，来自@robbyant_brain的LingBot-VLA 2.0是一个全身机器人策略。它通过单一55维行动格式控制手臂、夹爪、灵巧手、头部、腰部和移动底座，因此同一模型可以从非常不同的机器人主体中学习。

约90,000个原始机器人小时在检查抖动运动、损坏信号、摄像头不匹配、模糊、丢帧和长时间静态期后，剩下50,000小时。

人类视频被过滤以提取手部-物体交互，然后摄像头运动和手部姿势被重建为行动数据。

一个稀疏专家混合模块让每个行动令牌使用几个专用网络，而共享专家保留常见技能。

另一个训练信号要求模型预测当前和未来的深度加上视频特征，推动它跟踪物体几何形状以及下一个行动块期间可能的场景变化。

在Agilex GM-100上，它达到了66.2%的进度和34.4%的成功率，领先于pi0.5的59.1%和32.2%。它还在领域内和分布外测试中，在两个长时程移动任务上领先pi0.5，尽管几个单独的GM-100任务仍然更青睐其他模型。

 1.

⏰ 04:44 | ❤️ 22点赞 | 📝 406字 | 查看原文 →

↑ 返回顶部

levelsio @levelsio

Nomad List & Remote OK. Building in public. Solo maker. | 影响力: 320.0k万粉丝

💡 核心观点: 全球推行自动驾驶可年救百万生命但面临监管拖延。

可信度: 6/10 – 1项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 立即在全球范围内合法化并引入自动驾驶汽车，每年能拯救约100万条生命 (该声明需依赖自动驾驶技术安全性的统计数据（如减少人为错误导致的死亡），但全球统一合法化的假设场景缺乏现实数据支持，且“100万”的具体来源未标注。部分研究（如WHO交通事故报告）可间接验证交通事故死亡基数，但直接因果链需模型推演。)
• ◦ 观点: 政府监管阻力将持续数十年 (这是对监管趋势的主观预测，无具体时间表或政策依据支持，属于观点性陈述。)
• ✓ 可验证: 自动驾驶延迟将导致数千万人死于交通事故，类似COVID死亡人数 (“数千万”为假设性数据，未提供计算模型或对比依据；COVID死亡人数（如WHO统计）虽可验证，但两者关联性属于推测，无法直接验证。)

原文内容:

如果我们立即在全球范围内合法化并引入自动驾驶汽车，每年就能拯救大约100万条生命。

但当然，这将面临数十年的政府监管阻力，以及数千万人在交通事故中丧生的生命损失，类似于COVID的死亡人数！

⏰ 04:31 | ❤️ 274点赞 | 📝 80字 | 查看原文 →

↑ 返回顶部

corbin @corbin_braun

founder of @thumioapp + @techsnif · yt 174K · music is the answer | 影响力: 57.4k万粉丝

💡 核心观点: AI大幅提升前端开发效率，颠覆传统工作模式。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ✓ 可验证: 寓言5刚刚把我的脑子搞炸了。 (该声明描述个人主观体验，无法通过客观事实验证。)
• ◐ 部分可验证: 你即将见证的东西，只花了2小时的工作。 (若推文附有具体成果展示或时间记录，可部分验证；但若无具体证据，则依赖作者单方面说法。)
• ✓ 可验证: 如果我们在这个模型之前尝试用代码实现这个，至少需要多花400%的时间。 (缺乏具体比较对象、实现细节或基准测试数据，无法独立验证时间差异。)

原文内容:

寓言5刚刚把我的脑子搞炸了。

你即将见证的东西，只花了2小时的工作。

为了给点背景，如果我们在这个模型之前尝试用代码实现这个，至少需要多花400%的时间。

此外，在AI出现之前尝试用代码实现这个，我们说的是几周的工作量。

前端开发正式死亡了。

⏰ 03:41 | ❤️ 77点赞 | 📝 99字 | 查看原文 →

↑ 返回顶部

corbin @corbin_braun

founder of @thumioapp + @techsnif · yt 174K · music is the answer | 影响力: 57.4k万粉丝

💡 核心观点: AI将凭邮箱和支付接管一切，需突破非原生网站限制。

可信度: 4/10 – 2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: AI只需要一个电子邮件和支付方式即可运作 (部分AI服务（如OpenAI的API）确实需要邮箱和支付信息，但“运作”范围（如“做任何事”）需具体案例验证，且依赖其他条件（如权限、工具链）。)
• ◐ 部分可验证: AI目前因互联网非AI原生而常被标记为机器人 (部分网站（如Cloudflare）会检测自动化流量，但“大部分”比例无公开数据支持，需实测不同平台验证。)
• ◦ 观点: AI未来能通过AI原生网站为用户“做任何事” (属于对未来技术的假设性描述，无具体实现案例或技术路径支撑，属于主观愿景。)

原文内容:

AI 的终局。

AI 只需要一个电子邮件和支付方式。

一旦它拥有这两者，并且有能力访问 AI 原生网站。

它就能为你做任何事。

目前最大的障碍是互联网的大部分并非 AI 原生。

因此 AI 注册账户时会被标记为机器人。

但如果。

那就是未来。

⏰ 02:55 | ❤️ 26点赞 | 📝 87字 | 查看原文 →

↑ 返回顶部

Marc Lou @marclou

⭐️ TrustMRR.com $27K/m | DataFa.st $20K/m | SHlPORDIE.COM $20K/mo | 影响力: 170.0k万粉丝

💡 核心观点: 低碳饮食严重影响女性健康，恢复碳水摄入后症状改善。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 低碳水化合物/低热量饮食导致作者妻子女性激素水平极低（比最低正常值低3.5倍） (可通过医学研究文献验证极端饮食对女性激素的影响（如《营养学杂志》等），但具体数值（3.5倍）需依赖当事人提供的血液检查报告，无法公开验证。)
• ◐ 部分可验证: 恢复碳水化合物摄入后，作者妻子的睡眠、精力、月经等症状逐步改善 (饮食调整与症状缓解的关联性可通过临床研究间接支持（如《睡眠医学评论》），但个体恢复情况属于主观体验，需长期跟踪数据验证。)
• ✓ 可验证: 作者称其睾酮水平为133 ng/mL（低于正常范围）但整体感觉良好 (个人激素数据未公开检测报告，且“感觉良好”为主观描述，无法客观验证。)

原文内容:

这是一个错误。

在2024年，我和妻子开始尝试低碳水化合物/低热量饮食。

对我来说，影响并不严重：

+ 睾酮水平低（133 ng/mL）
+ 缺乏进行高强度训练的精力
+ 体脂率低，但肌肉得以维持
+ 整体感觉良好

妻子却有截然不同的体验：

+ 体重显著减轻
+ 睡眠被破坏（凌晨2点醒来，无法重新入睡）
+ 整体精力不足（不仅仅是训练时）
+ 女性激素水平降至极低
+ 性欲减退，月经缺失

我们花了将近2年的时间才找到罪魁祸首。

起初，我们归咎于她的睡眠习惯：我们睡前一段时间停止进食，停止喝咖啡，等等。然后我们又归咎于她的训练强度——于是她停止了Hyrox，转而进行更温和的训练，如普拉提。

两个月前，在韩国进行例行的6个月一次血液检查时，她决定同时检查女性激素水平（雌二醇和黄体生成素）。

结果显示水平极低（比最低正常值低3.5倍）

随后我们咨询了韩国的妇科医生，她解释说低热量饮食是所有问题的根源。Wonji开始摄入更多食物（并重新引入碳水化合物），她的症状正一步步消失：

+ 精力更充沛
+ 睡眠接近完美
+ 肌肉和体重合理增加
+ 性欲增强（不错！）
+ 月经恢复

我们盲目追随了@bryan_johnson的理念：“每一卡路里都必须为生存而战。”

我们的错误在于假设对一个48岁有医疗支持的男人有效的做法，也同样适用于一个33岁的女人。

⏰ 17:49 | ❤️ 502点赞 | 📝 427字 | 查看原文 →

↑ 返回顶部

Ethan Mollick @emollick

Professor @Wharton studying AI, innovation & startups. Democratizing education using tech. Author of Co-Intelligence | 影响力: unknown万粉丝

💡 核心观点: 游戏跑图因多重修饰符而复杂化。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ✓ 可验证: 日常挑战修饰符包括缺陷升华3、囤积者、选秀和诅咒 (可通过游戏官方更新日志、公告或游戏内挑战模式界面直接验证这些修饰符是否存在及其具体描述。)
• ✓ 可验证: 囤积者效果为“选择一张牌时获得三张副本” (游戏内机制或官方说明文档通常会明确列出修饰符效果，可通过查阅相关资源验证其准确性。)
• ◐ 部分可验证: 选秀效果为“从有限选择中挑选10张起始牌” (需实测或查看玩家社区验证具体细节（如选择数量是否固定为10张），但基础机制可通过官方渠道部分确认。)

原文内容:

日常挑战修饰符（因为有人问）：缺陷升华3，囤积者（当你选择一张牌时，你会得到三张副本），选秀（从有限选择中挑选你的10张起始牌），诅咒（在关卡获得一个新诅咒，但由于囤积者，你实际上会得到3个）

一场复杂的跑图！

⏰ 02:37 | ❤️ 26点赞 | 📝 84字 | 查看原文 →

↑ 返回顶部

Alex Prompter @alex_prompter

Marketing + AI = $$$
@godofprompt (co-founder) | 影响力: 94.19k万粉丝

💡 核心观点: 开源代理智能路由降成本，透明管理模型选择与开销。

可信度: 10/10 – 3项声明可直接验证；2项需进一步确认

事实核查:

• ◐ 部分可验证: Plano 能在不更改一行代码的情况下降低 AI 代理成本 (需实测对比代理使用 Plano 前后的成本差异，但开源代码和功能描述可部分验证其实现逻辑。)
• ✓ 可验证: Plano 通过 YAML 配置文件实现护栏过滤、智能路由、成本感知选择和模型亲和力 (开源项目的配置文件设计和功能文档可直接检查，技术实现可复现。)
• ◐ 部分可验证: 路由基于 Arch-Router（1.5B 模型），训练数据来自开发者真实选择 (模型架构和规模可通过代码或文档验证，但训练数据来源需依赖项目方披露，真实性需进一步确认。)

原文内容:

这个开源代理能在不更改一行代码的情况下降低你的 AI 代理成本。

Plano 位于你的代理和你的 LLM 提供商之间。每个请求都会经过它。你的代理不知道它的存在。

它处理四件事。请求到达模型前的护栏过滤。智能路由，根据难度将每个提示匹配到合适的模型。成本感知选择，当多个模型符合条件时选择最优的。以及模型亲和力，将获胜模型固定到会话中，这样你的提示缓存就能保持温暖。

所有这些都通过一个 YAML 配置文件运行。更换模型、更改偏好、添加护栏。你的代理代码完全不受影响。

路由运行在 Arch-Router 上，这是一个 1.5B 模型，训练于开发者为每种任务类型实际选择的选项。因此，路由反映真实世界的偏好，而不是基准排名。

它还附带一个可观察性控制台，显示哪个模型回答了每个请求以及成本是多少。如果你曾经好奇你的 API 预算花在哪里，单单这个就值得设置。

6.7k 星。支持 OpenAI、Anthropic、Gemini、Mistral 等。

⏰ 02:26 | ❤️ 60点赞 | 📝 305字 | 查看原文 →

↑ 返回顶部

Chubby♨️ @kimmonismus

Dream realized! Turned my love for AI into a career – sharing daily. Get my newsletter | 影响力: 225k+万粉丝

💡 核心观点: AI正迈向自我意识与自动化社会，实现自我进化与知识创造。

可信度: 8/10 – 1项声明可直接验证；3项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 智谱AI创始人汤杰表示，AI将开始学习“自我”是什么，以及自我意识的含义是什么 (该声明需通过智谱AI官方发布的公开演讲、采访或内部信件验证，但目前仅基于推文提及的“据称内部信件”，缺乏直接公开来源。若官方未正式披露，则无法完全验证。)
• ◐ 部分可验证: AI训练AI已初具雏形，模型能编写代码、合成数据并参与训练循环（如RSI模型） (部分可验证，例如查看智谱AI公开的技术文档或论文是否提及RSI模型及自我训练能力，但“初具雏形”等进展程度需实测或进一步官方确认。)
• ✓ 可验证: 智谱计划开发能重建自身代码并通过自我对弈生成知识的系统，推动递归自我改进 (该声明属于未来技术愿景，目前无公开实现或详细技术方案佐证。若为内部规划，则需官方披露更多细节方可验证。)

原文内容:

天哪：智谱AI创始人（GLM-5.2）汤杰表示，我们正清晰地迈向AGI之路，“AI将开始学习‘自我’是什么，以及自我意识的含义是什么”。

在一封据称的内部信件中，他论证道：
- 自主代理系统正朝着完全自动化的“无人公司”迈进：数千个代理持续工作、协作、评估结果并分配资源。

- 他更具挑衅性的观点：“AI训练AI已经初具雏形。”（RSI）模型越来越能编写代码、合成数据并参与训练循环。智谱希望通过自我对弈、合成数据工厂以及能够在安全沙盒中重建自身代码的系统，将此进一步推进，从而潜在地生成新知识，而非仅仅重组人类输出。

长时程任务 → 自主代理社会 → 完全自动化的“无人公司” → AI训练AI → 自我进化 → 自我意识 → 情感 → 意识 → ASI。

汤杰写道：
“AI将开始学习‘自我’是什么，以及自我意识的含义是什么。除此之外，它可能开始触及人类情感。更远的地方则是意识本身。”

他相信记忆、持续学习和自我评估——这些曾被认为需要全新范式的难题——正在逐渐被克服。
模型已经开始编写代码、合成自身数据并参与未来模型的训练。

智谱现在希望开发出能够重建自身代码并通过自我对弈生成知识的系统。

这是递归自我改进的开端吗？
汤杰似乎相信是这样。他的文章并未止步于更强大的AI工具。它描述了从自动化工作到自我进化智能的直接进程，并最终通往理解自身存在的机器。

简而言之：当今的LLM将通过AGI通往ASI，上下文和记忆问题将被解决，AI将变得自我意识觉醒。

我很少见到有人写出如此乐观的东西。如果不是出自GLM创始人之口，我可能会一笑置之。但他不仅是真正的专家，而且凭借GLM，他们已证明了自己的能力。

鸣谢 @AndrewCurran_ 他让我注意到了这篇文章。

⏰ 02:19 | ❤️ 960点赞 | 📝 557字 | 查看原文 →

↑ 返回顶部

Pierrick Chevallier | IA @charaspowerai

AI VFX Artist & Photoshop Editor for House of David Saison 2 for Amazon | AI Artist & Formateur | 影响力: 0万粉丝

💡 核心观点: Firefly Boards整合创意素材，简化角色设计和故事创作流程。

可信度: 10/10 – 3项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 使用 GPT Image 2 创建了三张完整的角色表和一个故事板 (需实测 GPT Image 2 的功能是否支持生成角色表和故事板，但工具名称（如是否为真实产品）及用户操作细节无法直接验证。)
• ✓ 可验证: 利用 Seedance 2 将故事生动呈现 (Seedance 2 是否为真实工具或具体功能未明确，且无公开资料或链接佐证其存在及用途。)
• ✓ 可验证: Firefly Boards 可将角色表、故事板、提示等素材集中保存 (通过 Adobe Firefly 官网（提供的链接）可验证其 Boards 功能是否支持所述组织管理特性。)

原文内容:

一切始于一块萤火虫画板。
我用GPT Image 2制作了三张完整的角色设定表和故事板，随后在Seedance 2中借助这些素材将故事栩栩如生地呈现出来。

一位年轻的巫师。
他的魔法伙伴。
一个恐怖的死灵法师。

萤火虫画板最让我倾心之处在于，所有素材都集中存储——角色设定表、故事板、提示词、参考素材和迭代版本——这让组织、优化和构建完整的创意工作流程变得异常轻松。

今天我分享了生成这三张角色设定表所用的精确提示词。
记得稍后收藏这篇帖子。

本内容由Adobe赞助发布，作为付费合作的#AdobeFirefly大使项目。

体验Adobe Firefly：
https://firefly.adobe.com

#AdobeFirefly大使 #广告 #AdobeFirefly使用指南 #萤火虫画板

@AdobeFirefly @Adobe

⏰ 02:00 | ❤️ 28点赞 | 📝 173字 | 查看原文 →

↑ 返回顶部

Aakash Gupta @aakashgupta

✍️ product-growth.com 💼 https://t.co/STzr4nqxnm 🤝 https://t.co/SqC3jTyP03 🎙️ https://t.co/fmB6Zf5UZv | 影响力: 278.7k万粉丝

💡 核心观点: 声誉源于无人监督时的诚信积累。

可信度: 6/10 – 1项声明可直接验证；2项为观点陈述

事实核查:

• ◦ 观点: 你的声誉是在无人注视的时刻建立起来的。 (该声明属于主观观点，强调个人品德和行为的隐蔽性对声誉的影响，缺乏客观事实依据，无法通过公开渠道验证。)
• ✓ 可验证: 十年间五百个这样的承诺会为你打开你不知道存在的大门。 (该声明涉及长期行为（十年、五百个承诺）与结果（“打开大门”）的因果关系，属于抽象比喻，无法量化或通过公开数据验证。)
• ◦ 观点: 一个信守的承诺毫无意义。 (这是主观的价值判断，对“承诺的意义”进行否定性评价，无客观标准或事实支撑，属于个人观点。)

原文内容:

你的声誉是在无人注视的时刻建立起来的。你在无人查看时发送的电子邮件。你在无人察觉时信守的承诺。一个信守的承诺毫无意义。十年间五百个这样的承诺会为你打开你不知道存在的大门。悄无声息地出现。

⏰ 01:59 | ❤️ 70点赞 | 📝 87字 | 查看原文 →

↑ 返回顶部

levelsio @levelsio

Nomad List & Remote OK. Building in public. Solo maker. | 影响力: 320.0k万粉丝

💡 核心观点: 手冲咖啡优选不锈钢陶瓷器具，避免塑料更健康便捷。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ✓ 可验证: 使用 Fellow Ode 2 粗磨巴西咖啡豆，配合不锈钢 Hario V60 和 Hario 滤纸、不锈钢 Fellow EKG PRO 壶以及陶瓷 Le Creuset 马克杯手冲咖啡 (Fellow Ode 2、Hario V60、Fellow EKG PRO 壶和 Le Creuset 马克杯均为公开品牌产品，其材质和功能可通过官网或零售商信息验证。)
• ◦ 观点: AeroPress 清理麻烦，Nespresso 完全不像是咖啡 (此为个人主观体验和评价，无客观标准验证其“麻烦”或“恶心”程度。)
• ◐ 部分可验证: V60 的优点是用后可快速扔掉滤纸，操作干净 (Hario V60 滤纸的设计确实可快速丢弃，但“干净”为相对主观描述，需结合具体使用场景判断。)

原文内容:

人们总是问我怎么煮咖啡，所以我就用巴西咖啡豆，我用 Fellow Ode 2 粗磨，然后用不锈钢 Hario V60 和 Hario 滤纸，还有不锈钢 Fellow EKG PRO 壶，以及陶瓷 Le Creuset 马克杯来手冲。

这些年来我试过很多煮咖啡的方法，比如 AeroPress（清理起来很麻烦），Nespresso（完全恶心，我根本不觉得那是咖啡），等等。

V60 很好，因为用完后可以快速扔掉滤纸，很干净。

你在后面需要多准备一个杯子，用来接完冲后的滴水。

另外每个人都喜欢自定义咖啡浓度，我想要 20g，女朋友想要 10g 等等，所以按杯冲比冲一大壶咖啡要优越得多。

这里的一个重要部分是我们避免在每个步骤中使用塑料，这很重要，因为你要处理沸水。

我在巴西时，我们在女朋友父母家发现了一个水壶，里面外面全是白色塑料，非常常见，想象一下在塑料里烧开水！很多 V60 滤网也是塑料做的。我还记得在巴厘岛经常拿到塑料杯装的热咖啡！幸运的是，你可以在这里买到所有不锈钢和陶瓷的东西！

享受吧！

⏰ 01:42 | ❤️ 474点赞 | 📝 310字 | 查看原文 →

↑ 返回顶部

Alex Veremeyenko @alex_verem

Marketing + AI = $$$ 🔑 @godofprompt (co-founder) Also know as: @alex_prompter | 影响力: 96.5k万粉丝

💡 核心观点: 智能任务图框架让小模型通过优化规划媲美大模型性能

可信度: 8/10 – 1项声明可直接验证；3项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 清华大学和华南理工大学的研究人员构建的Atomic Task Graph框架，将7B-8B开源模型转变为GPT-4在复杂代理基准测试上的竞争者，在三项测试中的两项上击败了GPT-4。 (需查阅相关论文或官方发布的基准测试结果以确认具体模型表现对比，但若无公开数据或代码复现则无法完全验证。)
• ✓ 可验证: ATG在ALFWorld基准测试中，8B Llama模型得分为63.65，而使用ReAct的GPT-4得分为41.24。 (若研究论文或公开技术报告包含ALFWorld测试细节及原始数据，可通过交叉比对验证；否则需依赖团队公开代码复现结果。)
• ◐ 部分可验证: ATG将任务分解为有向图并递归原子化，通过并行执行和轻量级“思想实验”减少幻觉率至12%（原ReAct为43%）。 (任务分解方法和幻觉率需通过论文中的实验设计或第三方复现确认，但“思想实验”等具体实现细节可能缺乏公开文档。)

原文内容:

一群研究人员刚刚证明，你不需要更大的模型，你需要更聪明的计划

清华大学和华南理工大学的研究人员构建了一个名为 Atomic Task Graph 的框架。它将 7B-8B 开源模型转变为 GPT-4 在复杂代理基准测试上的竞争者，在三项测试中的两项上击败了它。没有微调。没有额外训练。零参数更新。

当前的 AI 代理以直线方式规划。步骤 1，步骤 2，步骤 3。当步骤 4 失败时，整个链条就会断裂。而且链条越长，模型就会因为推理一个不断膨胀的文本历史而产生更多幻觉。

它的工作原理如下。

1. ATG 将任何复杂任务分解为一个有向图，而不是线性链，其中子任务的输入和输出被明确映射

2. 它递归地将每个子任务分解，直到每个节点都是一个原子工具调用

3. 独立的分支并行运行，而不是排队等待

4. 在任何东西执行之前，一个轻量级的“思想实验”在内部模拟计划，以及早捕捉不良依赖和缺失步骤

5. 当运行时某事出错时，ATG 将故障追溯到导致它的确切子图，并仅修复那部分。已验证的工作保持冻结。

老方法意味着步骤 5 的失败会迫使从头重新规划。幻觉动作会在任务运行得越久而堆积。ReAct 在家庭任务上的幻觉率达到了 43%。

ATG 在 8B Llama 模型上在 ALFWorld 上的得分是 63.65。使用 ReAct 的 GPT-4 在同一基准上的得分是 41.24。幻觉动作下降到 12%。

这些数字之所以出现，是因为有人停止了向问题投入计算资源，并开始思考工作如何组织。

这就是让我着迷的部分。行业正在数十亿美元投入规模。这个团队花时间在架构上。而架构赢了。

⏰ 01:23 | ❤️ 484点赞 | 📝 494字 | 查看原文 →

↑ 返回顶部

Aakash Gupta @aakashgupta

✍️ product-growth.com 💼 https://t.co/STzr4nqxnm 🤝 https://t.co/SqC3jTyP03 🎙️ https://t.co/fmB6Zf5UZv | 影响力: 278.7k万粉丝

💡 核心观点: 婴儿自发发音“dad”和“mama”促成全球相似亲属称谓。

可信度: 10/10 – 3项声明可直接验证；2项需进一步确认

事实核查:

• ✓ 可验证: 婴儿们在1533年之前至少五万年前就发明了“dad”这个词。 (该声明涉及史前语言起源，缺乏直接考古或文字记录证据，无法通过现有公开资料验证五万年前的具体语言现象。)
• ◐ 部分可验证: 多种语言中“父亲”的类似词汇（如tata、tad等）是独立出现的假同源词，源于婴儿发音机制。 (语言学界确实存在“假同源词”理论（如罗曼·雅各布森的研究），且婴儿发音偏好（da/ma等）有语言学支持，但具体词汇是否完全独立演化仍需跨学科验证。)
• ✓ 可验证: “daddy”在1523年被记录，比“dad”（1533年）更早。 (可通过权威英语词源词典（如《牛津英语词典》）查询这两个词的首次书面记录日期，直接验证时间顺序。)

原文内容:

婴儿们在1533年一个成年人终于把它写下来之前，至少五万年前就发明了“dad”这个词。

罗马小孩称他们的父亲为“tata”。威尔士语有tad，爱尔兰语有daid，捷克语有tata，梵语有tatah。这些语言中没有一种是从彼此借来的。语言学家称它们为假同源词，即同一个词在完全无关的语系中独立出现。因为每种语言都来自同一个来源：婴儿的嘴巴。

机制就是婴儿嘴巴的力学。最容易让婴儿发出的声音是开元音加上一个简单辅音：da、ba、ma、ta。所以世界各地的牙牙学语的婴儿在最初的发声中会自然落到“dada”上。父母听到后，指着自己，露出喜悦，并奖励这个声音。婴儿学会了这个特定声音能召唤那个做飞机转圈的大人。一个词就诞生了。又一次。

罗曼·雅各布森在1959年弄清楚了这一点。他甚至解释了为什么“mama”几乎在全世界都意味着母亲（普通话māma，斯瓦希里语mama，克丘亚语mama）：它来自婴儿在哺乳时发出的鼻音咕哝。你生命中最重要的两个词是由一个连自己的头都扶不稳的人创造的。

来自同一本词典的另一个细节：“daddy”在1523年被写下来，比“dad”早十年。这个昵称正式比这个名字更古老。

词典在1533年记录了这个词。婴儿们已经出版它五万年了。

⏰ 13:22 | ❤️ 326点赞 | 📝 392字 | 查看原文 →

↑ 返回顶部

Chubby♨️ @kimmonismus

Dream realized! Turned my love for AI into a career – sharing daily. Get my newsletter | 影响力: 225k+万粉丝

💡 核心观点: 美担忧中国开源AI实力强且价格低，或引政策反制。

可信度: 8/10 – 1项声明可直接验证；3项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 美国科技行业担心中国开源AI模型不断增强的实力和具有竞争力的价格 (可通过行业报告、企业公开声明或媒体报道（如《华尔街日报》等）间接验证，但需具体数据支撑“实力增强”和“价格竞争力”的量化对比。)
• ◐ 部分可验证: 特朗普政府可能再次以行政命令回应中国开源AI模型的发展 (需核查特朗普政府过往的类似行政命令（如对TikTok的禁令）及近期公开表态，但未来行动属于推测，无法完全验证。)
• ✓ 可验证: 中国的开源模型正变得越来越强大 (可通过GitHub等开源平台查看中国AI模型（如阿里、百度的项目）的更新日志、性能测试结果或第三方评测报告（如MLPerf排名）验证。)

原文内容:

美国科技行业越来越担心中国开源AI模型不断增强的实力和具有竞争力的价格——以及特朗普政府是否会再次以一项行政命令作出回应。

我认为这些担忧是有道理的。成本差异巨大，而且众所周知，中国的开源模型正变得越来越强大。

⏰ 23:05 | ❤️ 135点赞 | 📝 95字 | 查看原文 →

↑ 返回顶部