共收录 21 篇深度内容
📌 今日概览
- Agent 编排与安全成为今日主线：Harness-S 用多套 Harness 互补探索补强 GRPO，OpenAI 内部运行 500 多个常驻 Agent 并配套沙箱限权与独立审计。
- Claude Code 桌面版支持 mods 自定义主题，Projects 强化多线程协作，开发者可按描述生成样式，项目协调者也会在群聊里汇报各线程进展。
- 本地与低成本方案受关注：TurboFieldfare 让 Gemma 4 26B-A4B 在 8 GB M2 MacBook Air 上以约 2 GB 内存运行，Rust 容器工具 Kiri 以快速启动和空闲自停切入开发环境。
- 图像与开源生态各有新品：33 个纯 SVG figure 的交互式线稿插画库、Qwen-Image 2.1 复刻热门表情图，以及把真实照片改写为日系复古手绘插画的提示词方案。
🔥 必读 Top3
- Xudong Han 作者介绍论文《Harness-S》的 Agent RL 思路：用不同 Harness 互补探索，配合 Adaptive Harness Router 为 GRPO 补充成功轨迹，使 Qwen3.5-4B 的 SWE-Gym Pass@3 从 24.38% 提升到 38.75%。
入选理由：给出可复现的 Agent RL 方法，Qwen3.5-4B 的 SWE-Gym Pass@3 由 24.38% 提升到 38.75%，数据具体。 - Xudong Han 作者转述 OpenAI 公开文章称其内部运行着 500 多个常驻 Agent，其中数百个基于 OpenClaw，可自动开 PR、跑数据实验。安全上采用可信 Gateway 与 Harness 分离、Codex Sandbox 限权、第二模型自动审查和独立身份审计。
入选理由：转述 OpenAI 内部 500 多个常驻 Agent 的编排与安全设计，说明大规模 Agent 如何自动开 PR 和跑数据实验。 - 数字生命卡兹克 作者认为当前最优的 Agent 自动化开发是让 Claude 做规划与前端、派活给本机 Codex 写后端和数据处理，再由 Codex 做最多三轮审查。文中给出 CLAUDE.md 派活规则与 codex-worker 脚本用法。
入选理由：给出 Claude 做规划与前端、Codex 写后端并三轮审查的实操派活规则与脚本，可直接照做。
🧭 主题分组
- Agent 编排（5 条）—— 从科研论文到生产实践，多套 Harness 互补探索、项目内多线程分工与跨模型派活审查成为提升 Agent 成功率与效率的共同路径。
- 模型与安全（7 条）—— 围绕模型代际价值、训练算力指控与发布节奏的讨论增多，业界更重视证据边界与安全审查流程。
- 本地与工具（4 条）—— 开源社区在降低运行门槛：Mac 上按需读取专家权重、Rust 容器工具快速启停、轻量 SVG 交互库与主题定制共同改善日常开发体验。
- 图像创作（5 条）—— 图像生成从复刻热门表情图延伸到照片改写手绘插画，提示词与本地无审查模型被用于提升还原度并绕开审核。
📖 详细内容
Agent 编排
从科研论文到生产实践，多套 Harness 互补探索、项目内多线程分工与跨模型派活审查成为提升 Agent 成功率与效率的共同路径。
Xudong Han
｜ @Xudong07452910
｜ 影响力: 1.6万粉丝 · 互动分 194.34
Xudong Han
｜ @Xudong07452910
｜ 影响力: 1.6万粉丝 · 互动分 194.34
💡 核心观点: 作者介绍论文《Harness-S》的 Agent RL 思路：用不同 Harness 互补探索，配合 Adaptive Harness Router 为 GRPO 补充成功轨迹，使 Qwen3.5-4B 的 SWE-Gym Pass@3 从 24.38% 提升到 38.75%。
可信度: 88/100
事实核查:
- 原文支持: Qwen3.5-4B 在原始 Harness 下的 SWE-Gym Pass@3，从普通 GRPO 的 24.38% 提升到 38.75%，提高了 14.37 个百分点（给出模型名、基准名与具体数值，并附 arXiv 与 GitHub 链接可供核验。）
- 原文支持: 这来自论文《Harness-S》（原文标注论文名并附 arXiv 链接，可据此核对。）
- 无法核实: Router 还会随着模型能力变化，动态更新选择依据（机制描述与论文摘要口径一致，但需查原文确认实现细节。）
原文内容:
看到一个很巧妙的 Agent RL 训练思路：把 Harness 变成训练阶段的探索工具，帮助模型学会原本难以完成的任务。 这来自论文《Harness-S》，研究团队尝试利用不同 Harness 的互补能力，将外部执行环境带来的能力提升迁移到模型自身。 具体机制分为三个环节： 首先，从基础 Harness 的失败轨迹中分析原因，针对不同问题定向修改执行机制，构建一个各有所长的 Sibling Harness Pool。 训练时，模型先在原始 Harness 下多次尝试。如果全部失败，Adaptive Harness Router 就根据各 Harness 的历史表现和适用场景，选择最合适的几个重新探索，并将新轨迹用于 GRPO 训练。Router 还会随着模型能力变化，动态更新选择依据。 这个设计解决了一个关键问题：当 Agent 多次尝试全部失败，GRPO 很难获得有效的组内奖励信号。 不同 Harness 提供了新的成功路径，让模型有机会从失败任务中继续学习。 论文实验显示，Qwen3.5-4B 在原始 Harness 下的 SWE-Gym Pass@3，从普通 GRPO 的 24.38% 提升到 38.75%，提高了 14.37 个百分点。 所以 Harness 可以在训练阶段帮助模型突破能力边界，再通过强化学习，把这些执行经验逐渐转化为模型自身的能力。 📎 arXiv: https://t.co/rcpBL0niSY 💻 GitHub: https://t.co/cCcgnJzVE5
⏰ 03:47 | ❤️ 115 点赞 | 📝 333字 | 入选: 高赞 115 / 长文 | 查看原文 →
Xudong Han
｜ @Xudong07452910
｜ 影响力: 1.6万粉丝 · 互动分 331.71
Xudong Han
｜ @Xudong07452910
｜ 影响力: 1.6万粉丝 · 互动分 331.71
💡 核心观点: 作者转述 OpenAI 公开文章称其内部运行着 500 多个常驻 Agent，其中数百个基于 OpenClaw，可自动开 PR、跑数据实验。安全上采用可信 Gateway 与 Harness 分离、Codex Sandbox 限权、第二模型自动审查和独立身份审计。
可信度: 68/100
事实核查:
- 原文支持: OpenAI 内部已经跑着 500 多个常驻 Agent，其中数百个基于 OpenClaw（原文称引自 OpenAI 公开文章，但推文未附原文内的具体统计口径。）
- 无法核实: 所有 Agent 操作都经过第二个模型的 Auto-review（原文概述了该机制，未说明覆盖率或例外情形。）
- 无法核实: 开源的 OpenClaw Enterprise（原文提到项目仍处试点，未给出仓库地址或发布状态。）
原文内容:
OpenAI 内部已经跑着 500 多个常驻 Agent，其中数百个基于 OpenClaw，能在后台自动开 PR、持续跑数据实验。 这么多能自己写代码、修改配置、主动执行任务的 Agent，到底怎么保证安全？ OpenAI 刚公开了一篇《Securing persistent agents like OpenClaw at OpenAI》，分享了他们的实际部署方案，值得做 Agent 的人看看。 几个很有参考价值的设计： 把可信 Gateway 和 Agent Harness 分开部署。模型和它生成的代码都视为不可信，放进隔离环境执行。 用 Codex Sandbox 严格限制网络、文件、进程权限。外部域名走白名单，敏感凭据通过 Broker 管理，Agent 无法直接读取。 所有 Agent 操作都经过第二个模型的 Auto-review，减少人工审批的负担，同时保留必要的人类决策。 每个 Agent 都有独立身份，配置变更和执行过程全程记录，出了问题可以追踪。 文章还提到了开源的 OpenClaw Enterprise，尝试把这些安全机制做成通用的 Agent 控制平面，目前仍处于试点阶段。 确实以后常驻 Agent 越来越多，安全边界就得由 Harness 和基础设施真正执行，光靠 Prompt 约束肯定不够。 原文：https://t.co/nTW3Q2VxGJ
⏰ 00:45 | ❤️ 232 点赞 | 📝 295字 | 入选: 高赞 232 | 查看原文 →
数字生命卡兹克
｜ @Khazix0918
｜ 影响力: 11.2万粉丝 · 互动分 704.39
数字生命卡兹克
｜ @Khazix0918
｜ 影响力: 11.2万粉丝 · 互动分 704.39
💡 核心观点: 作者认为当前最优的 Agent 自动化开发是让 Claude 做规划与前端、派活给本机 Codex 写后端和数据处理，再由 Codex 做最多三轮审查。文中给出 CLAUDE.md 派活规则与 codex-worker 脚本用法。
可信度: 48/100
事实核查:
- 无法核实: Codex启动最多三轮审查（属于作者自述的工作流配置，原文未提供实测数据或对比结果。）
- 原文支持: codex-worker是我自己定义的脚本，没用codex的官方插件（作者说明了脚本来源，但未给出公开仓库或可复现细节。）
原文内容:
跟Claude对话，Claude做规划和前端，派活给GPT写后端和数据处理，然后Claude收尾，Codex启动最多三轮审查，可能就是目前Agent自动化开发的最优解了。 所以我的CLAUDE.md里一直有这么一段，用起来还是蛮舒适的（codex-worker是我自己定义的脚本，没用codex的官方插件，官方插件有点麻烦，问题也有点多），给大家分享一下～ ## 派活 - 成块的后端、算法、数据处理和性能活（不是一两行的修补）交给本机的 Codex（GPT-6.1 Sol）写，你定接口和验收标准；前端、视觉、文案、拆解和验收自己做。 - 用 `codex-worker <工作树> "任务"` 派，追加用 `codex-worker --resume <会话ID> <工作树> "追加"`，放后台跑，会话 ID 在输出最后。 - 它只能写工作树和临时目录，提交不了、联不了网：装依赖、联网测试、提交推送由你做。它只看得到任务和工作树，接口、验收标准、要一起改的同类都写进任务。 - Codex 交回后你读 diff、自己跑测试（合并前的审查也是 GPT，你这步才是换家模型的交叉检查）。PR 里有 Codex 写的代码就是混合来源，交付不带 `--agent`。
⏰ 13:54 | ❤️ 410 点赞 | 📝 299字 | 入选: 高赞 410 | 查看原文 →
ClaudeDevs
｜ @ClaudeDevs
｜ 影响力: 82.3万粉丝 · 互动分 17777.5
ClaudeDevs
｜ @ClaudeDevs
｜ 影响力: 82.3万粉丝 · 互动分 17777.5
💡 核心观点: Claude Code 的 Projects 更新了多线程并行协作，项目内的协调者会更主动地在群聊里答疑，并汇报各线程进展。
可信度: 70/100
事实核查:
- 原文支持: In a project, Claude coordinates your tasks across parallel threads.（官方账号直接描述了该并行协调机制。）
- 无法核实: The coordinator is now much more proactive.（属于产品行为描述，原文未附版本说明或演示数据。）
原文内容:
We've made some big updates to Projects in Claude Code! In a project, Claude coordinates your tasks across parallel threads. The coordinator is now much more proactive. It answers your questions in the project chat and gives you updates on the status of your ongoing threads. https://t.co/OQAvXKN1pc
⏰ 22:51 | ❤️ 14999 点赞 | 📝 50词 | 入选: 高赞 14999 | 查看原文 →
向阳乔木
｜ @vista8
｜ 影响力: 13.8万粉丝 · 互动分 169.7
向阳乔木
｜ @vista8
｜ 影响力: 13.8万粉丝 · 互动分 169.7
💡 核心观点: 作者分享成本技巧：日常用 opus 5.5，方案完成后让模型调用智能体交给 Fable 5.2 评估补充，以兼顾成本与效果。
可信度: 48/100
事实核查:
- 无法核实: Fable 5.2 太贵了，还是 opus 5.5 耐用点（价格与耐用性判断为主观经验，原文无计费数据。）
- 无法核实: 它会调用一个智能体用 fable 5.2 评估方案（属可复现的操作技巧，作者未附实际调用记录。）
原文内容:
小技巧：Fable 5.2 太贵了，还是 opus 5.5 耐用点。 但做完方案后，可以说： “你可以请求你自己 Fable5.2 模型评估下方案，看还有什么补充” 这时，它会调用一个智能体用 fable 5.2 评估方案。
⏰ 08:10 | ❤️ 46 点赞 | 📝 58字 | 入选: 互动较好 46 赞 | 查看原文 →
模型与安全
围绕模型代际价值、训练算力指控与发布节奏的讨论增多，业界更重视证据边界与安全审查流程。
向阳乔木
｜ @vista8
｜ 影响力: 13.8万粉丝 · 互动分 253.18
向阳乔木
｜ @vista8
｜ 影响力: 13.8万粉丝 · 互动分 253.18
💡 核心观点: 作者发现自己此前不知道 DeepSeek 还有 TTS、ASR、OCR、深度思考搜索与文件输入等 API，认为其已是
可信度: 82/100
事实核查:
- 原文支持: 第一次知道 DeepSeek 有 TTS 和 ASR 模型（作者自述首次得知，属个人认知陈述，原文无来源佐证。）
- 无法核实: 还有深度思考搜索、文件输入等一堆，真 All in One 了。（原文列出深度思考搜索、文件输入等功能，但未给出文档或截图佐证。）
- 原文支持: 把所有 API 封装成了一个 Skill（作者给出 npx 安装命令与开源地址，可据此核验是否存在该 Skill。）
原文内容:
第一次知道 DeepSeek 有 TTS 和 ASR 模型。 还有深度思考搜索、文件输入等一堆，真 All in One 了。 把所有 API 封装成了一个Skill，方便大家调用。 npx skills add joeseesun/qiaomu-deepseek-api 开源地址见评论区 https://t.co/HVAhlJqzv6
引用 @vista8: DeepSeek 全家桶API，竟然连OCR、ASR和TTS等都有了。
还有搜索、文件输入等。
API申请配置后台也比多数云厂商简单易用得多，牛逼！ https://t.co/1Hc28MImu7
⏰ 01:57 | ❤️ 82 点赞 | 📝 49字 | 入选: 互动较好 82 赞 / 引用讨论 | 查看原文 →
卡卡
｜ @xKaka1456
｜ 影响力: 4683粉丝 · 互动分 234.12
卡卡
｜ @xKaka1456
｜ 影响力: 4683粉丝 · 互动分 234.12
💡 核心观点: 作者认为 GPT-6.2 Astra 的发布时点决定其价值：若早一个月或一周发布堪称惊艳，拖到下周才发则已错过窗口。
可信度: 12/100
事实核查:
- 无法核实: GPT-6.2 Astra 如果能在一个月前发布 绝对是天降猛男（发布时间假设为作者主观推演，原文无官方发布时间信息。）
- 无法核实: 可它要在下周发布（原文未给出任何来源说明该模型下周发布。）
原文内容:
说实话 GPT-6.2 Astra 如果能在一个月前发布 绝对是天降猛男 如果它能在一周前发布 也算是众望所归 如果它能在今天发布 只能说是泯然众人 可它要在下周发布 那它真是吃💩都赶不上热乎的
⏰ 04:54 | ❤️ 162 点赞 | 📝 74字 | 入选: 高赞 162 | 查看原文 →
Robinson · 鲁棒逊
｜ @python_xxt
｜ 影响力: 3.2万粉丝 · 互动分 217.91
Robinson · 鲁棒逊
｜ @python_xxt
｜ 影响力: 3.2万粉丝 · 互动分 217.91
💡 核心观点: 作者引用他人观点称 fable 5.2 能力极强，若 DeepSeek 以十分之一价格追上，将催生大量小团队高并发 Agent 公司；他据此呼吁尽早推出 UBI 政策。
可信度: 22/100
事实核查:
- 无法核实: 价格十分之一（原文未给出任何模型定价数据或对比来源。）
- 无法核实: 期待早点出UBI的政策，否则天下大乱（属作者政策主张与预测，无依据支撑。）
原文内容:
如果deepseek 能追上fable 5.2 ，价格十分之一，我觉得，大家都洗洗睡吧 期待早点出UBI的政策，否则天下大乱
引用 @guansi: fable5.2太恐怖了，这种能力的模型如果被deepseek追上，未来两年会涌现出一大批只有 10 个人、却靠着数万个并发 Agent 运转的新兴公司，它们的研发和运营成本只有传统软件公司的 1/20，产品迭代速度却是 10 倍。
⏰ 08:36 | ❤️ 138 点赞 | 📝 35字 | 入选: 高赞 138 / 引用讨论 | 查看原文 →
歸藏(guizang.ai)
｜ @op7418
｜ 影响力: 18.8万粉丝 · 互动分 355.38
歸藏(guizang.ai)
｜ @op7418
｜ 影响力: 18.8万粉丝 · 互动分 355.38
💡 核心观点: 作者称 Gemini 4 Carbon 写作能力强，并让它总结了 Next Token 过去 9 期共 30 条 AI 领域核心认知。摘录内容多来自橘子、歸藏、向阳乔木、杨攀等人的观点。
可信度: 35/100
事实核查:
- 无法核实: 让它总结了 Next Token 过去 9 期 30 条 AI 领域的核心认知（原文给出了期数与条数，但未附原文链接或逐条出处。）
- 无法核实: Gemini 4 Carbon 写作确实牛逼（属于主观评价，原文没有给出评测或对比依据。）
原文内容:
Gemini 4 Carbon 写作确实牛逼 让它总结了 Next Token 过去 9 期 30 条 AI 领域的核心认知： 1. Token 就是新货币；买一台本地机器跑模型，本质上是在家里铸币。—— 橘子 2. AI 没有泡沫，只有受制于物理基建的供给不足。—— 歸藏 3. 在 AI 时代，别羞于承认自己是卖 Token 的——你不卖 Token，还能卖什么？—— 橘子 4. 好应用不必让用户每次打开都烧 Token；用品味把大量 Token 一次性凝结成无数人能反复消费的作品，边际成本才会降下来。—— 向阳乔木 5. 对大多数人来说，Vibe Coding 不是生产力，而是自由度最高的创造类游戏；充进去的 Token，就是新时代的游戏充值。—— 歸藏 6. 只要 AI 把一件事的起跑线拉到六十分，六十分就是零分。—— 橘子 7. 当一件事靠一句话就能搞定时，凭什么它是你的壁垒，又凭什么它是我的？—— 歸藏 8. 软件和游戏正在网文化：平台不再卡发布，只卡推荐；谁都能上架，但没流量就无人看见。—— 歸藏 9. 按昨天的标准做出来的东西，今天 99% 都只算自用工具；市场扩大了一百倍，但依然只有最头部的 1% 配叫商业产品。—— 杨攀 10. 产品未必是一个 App；只要跑通“发现需求、创作、分发”的闭环，一篇文章、一档播客也是产品。—— 歸藏 11. 当开发只要十分钟、打包签名却要半小时，真正的瓶颈就不再是智能，而是旧世界的交付规则。—— 橘子 12. 过去是软件把 Agent 塞进自己的界面；未来是软件放弃自己做 Agent，主动变成 Agent 调用的插件。—— 杨攀 13. 传统软件思维喜欢把每条路径写死；AI 原生思维只留一个循环，把剩下的交给模型。—— 杨攀 14. 软件上的按钮越少，离 AGI 越近。—— 橘子 15. 面对超级助理，人只该负责说话，不该负责管理会话；需要人手动翻找线程，只说明模型还不够强。—— 橘子 16. 工具随时会换，上下文必须归自己所有——劫持所有 Agent 的记忆，把过程和产物沉淀回自己的仓库。—— 歸藏 17. 人类团队正在向一人闭环演进，别反过来让多 Agent 学人类开会内耗——人类在走向 AI Native，别让 Agent 退回 Human Native。—— 橘子 18. 上一代生成模型在卷“理解”，死磕最后百分之一的物理还原；新一代模型赢在“创造”，一句话把意图编排成完整的故事。—— 歸藏 19. 输出格式不报错，只代表不用重试，不代表判断正确——别把“结构稳定”偷换成“没有幻觉”。—— 杨攀 20. 不能调工具、不能动电脑的所谓 Skill，本质上还是一段提示词润色。—— 歸藏 21. 今天限制模型上限的往往是人自己——你写进提示词里的前提假设，恰恰锁死了模型的发挥空间。—— 杨攀 22. 注意力是今天最稀缺的资源；开源的提示词、Skill 乃至软件，唯一的商业价值都是成为流量入口。—— 橘子 23. 跟模型拼技术注定会输；唯有人与人之间建立的信任与个人品牌，不会被技术进步吃掉。—— 橘子 24. 品牌的本质，是用真名、露脸和沉没成本作抵押，降低别人相信你的成本。—— 向阳乔木 25. 所有生意都在建立信任：To B 让企业信你，To C 让大众信你，To A 让 Agent 信你的信源；三者皆无，就只剩悦己的 To Me。—— 橘子 26. 在公网上主动留下关于自己的真实一手信息；你不定义自己，AI 的幻觉就会替你定义你。—— 歸藏 27. 今天最不缺的就是没有性格的内容；持续输出有变化但一致的“人味”，才是稀缺品。—— 歸藏 28. 还按设计、前后端、QA 切岗位的算不上 AI 原生组织；真正的 AI 原生组织里每个人都是全栈闭环的一人公司，而且它是磨合生长出来的，不是 HR 设计出来的。—— 歸藏 29. 大厂把员工拆成稳定的螺丝钉，也就亲手杀死了长出全局架构师的土壤——架构感是操盘练出来的，不是分工分出来的。—— 歸藏 30. 帮企业做 AI 转型，最该做的不是改造基层流程，而是去培训一号位。—— 向阳乔木 以上内容来自：@oran_ge @op7418 @vista8 @ericyangpan @nexttokentv
⏰ 06:01 | ❤️ 168 点赞 | 📝 1115字 | 入选: 高赞 168 / 长文 | 查看原文 →
卡卡
｜ @xKaka1456
｜ 影响力: 4683粉丝 · 互动分 123.29
卡卡
｜ @xKaka1456
｜ 影响力: 4683粉丝 · 互动分 123.29
💡 核心观点: 作者转述达里奥的说法，称其不会在模型发布前发故弄玄虚的帖子吊胃口，并将此解读为对竞争对手的喊话。
可信度: 30/100
事实核查:
- 无法核实: 我们不会在模型发布前，整天发些故弄玄虚的帖子吊人胃口（原文以引语形式呈现，未给出出处链接或完整上下文。）
- 存在偏差: 达里奥暴力开团竞争对手（属于作者对言论动机的解读，原文没有点名对象。）
原文内容:
达里奥暴力开团竞争对手： 我们不会在模型发布前， 整天发些故弄玄虚的帖子吊人胃口。 https://t.co/QfKKmMiT3e
⏰ 08:04 | ❤️ 63 点赞 | 📝 36字 | 入选: 互动较好 63 赞 | 查看原文 →
宝玉
｜ @dotey
｜ 影响力: 26.9万粉丝 · 互动分 276.86
宝玉
｜ @dotey
｜ 影响力: 26.9万粉丝 · 互动分 276.86
💡 核心观点: 作者梳理 Will Depue 关于中国四家实验室使用禁运 Blackwell 训练最新模型的指控，指出其推文省略了报告自认的多项限制：指纹只能说明权重如何初始化、5 亿美元为估算、芯片来源与合规性无法判断。
可信度: 74/100
事实核查:
- 原文支持: 报告原文写的是，这些痕迹只说明权重“怎么创建”，“支持、但不能证明” Blackwell 参与了训练（原文转述了报告措辞，并附有报告结论与推文的对照。）
- 原文支持: 估算依赖芯片效率、训练数据量、训练时长几项“权重无法证实”的假设（原文称报告作者对这些估算没有把握，并提到发布当天改过数字。）
- 原文支持: 证据“不能说明芯片在哪、怎么拿到的、是否违反出口管制”（原文引用了报告执行摘要的限定表述。）
原文内容:
Depue 称中国模型用了禁运芯片：报告自己承认的限制，推文里都没了 前 OpenAI 研究员 Will Depue 11 月 12 日发推，称找到“确凿的取证证据”：DeepSeek、月之暗面、MiniMax、蚂蚁“用被禁止出口中国的 Blackwell 芯片打造了最新模型”，涉及“超过 5 亿美元”的禁运芯片，“出口禁令显然在严重失效”。 问题在于，这些结论大多不在他自己的报告里。报告承认的几条关键限制，到了推文里全不见了。X 用户 Daebak 앤디（@MyDaebakCafe）当天发长帖逐条拆解，他说：“指望没人读过标题，华盛顿的舆论就是这么制造出来的。” 【指纹只管“第 0 步”】 Depue 找到的，是模型训练开始前那一刻留下的痕迹：训练前要先往模型里填一批随机数，不同芯片填出来的排列不一样，部分排列训练后还留着。 @MyDaebakCafe 也承认这个方法本身没问题，能看出生成初始权重的那台机器是 Blackwell。但他指出，报告原文写的是，这些痕迹只说明权重“怎么创建”，“支持、但不能证明” Blackwell 参与了训练。在他看来，初始化几秒钟就能做完，完全可以在租来的一台机器上生成，再搬到老一代芯片的集群上训练。 Depue 后来回应说，Kimi K3 的初始权重由几十个进程同时生成，更像是整个训练集群在启动，单独生成再搬运说不通。这是他的推断，报告里仍然写着“不能证明”。 【“5 亿美元”不是指纹算出来的】 @MyDaebakCafe 的第二个要点是，几千张卡、5 亿美元这些数字，跟指纹没有关系，Depue 在推文里自己用的词就是“估算”，依据是发布时间和模型参数。 报告写得更清楚：估算依赖芯片效率、训练数据量、训练时长几项“权重无法证实”的假设，作者“对这些估算没有把握”，而且报告发布当天就改了一轮数字。推文里“很可能数十亿美元”，报告没有给出任何算法。 【芯片在哪、合不合法，一概不知】 报告执行摘要最后一句承认，证据“不能说明芯片在哪、怎么拿到的、是否违反出口管制”。@MyDaebakCafe 提醒，Depue 自己的验证也是在租来的云端 GB200 上做的；他说，不在美国实体清单上的公司，在新加坡、日本、中东的云上租 Blackwell，按美国商务部现行规则完全合法，留下的指纹一模一样。 Depue 在推文里也承认芯片可能是境外租的，称之为“国会还没堵上的漏洞”。走私涉嫌违法，境外租用至多是规则漏洞，性质完全不同。Depue 分不清是哪一种，却直接得出“禁令严重失效”。 【其他网友的质疑】 网友 @dodecagonism 指出，报告收了 11 月发布的 Kimi K3.1-Pro，却没把 DeepSeek 9 月发布的最新模型 V4.1-Flash 列进结果，“看起来是故意把方法不适用的模型都排除掉”。报告“局限”一节写了 V4.1-Flash 没找到任何指纹，推文只说四家的“最新模型”用了 Blackwell，对此一字没提。Depue 回应说，这说明方法不会对谁都报 Blackwell，DeepSeek 可能换了生成初始权重的方式；随后又发帖说“可能破解了，看起来像是英伟达”，目前还没公布结果。 网友 @dfranke 认为，报告所有惊人的结论都建立在“用哪种芯片初始化，就用哪种芯片训练”这个假设上，而报告自己就发现，有些模型的初始权重是在普通 CPU 上生成的，说明这个假设并不总成立。Depue 回应说，那是训练程序先在本机 CPU 上生成、再拷到本机显卡，跟跨集群搬运是两回事。 @MyDaebakCafe 在后续帖子里还提出，中国大厂用的是自己改过的训练框架，如果某段自定义代码把布局写死，用老芯片也能留下同样的痕迹。这一条 Depue 没有直接回应。 【谁来背书，为什么是这天】 推文说结果“经过 OpenAI 和 Anthropic 资深研究员独立验证”，报告里没有一个名字。当晚 Depue 又说，私下验证的人大多不愿具名。 @MyDaebakCafe 质问：为什么偏偏在 11 月 12 日、黄仁勋辞去英伟达 CEO 的当天发布？他的解读是，美国闭源模型公司眼看付费 API 的生意被免费的中国开源模型蚕食，这份报告正好递给华盛顿鹰派一个理由，去管控全球云算力、打压开源 AI。 动机属于他的推测，但有几件事是公开的：OpenAI 和 Anthropic 都指控过中国实验室“蒸馏”自家模型，Anthropic CEO Dario Amodei 专门发文支持收紧对华芯片出口；Depue 说发布前和官员通过信；发布约 40 分钟后，他又发帖为自己的新机构 Unemployment Labs 募资 500 万美元。匿名验证者来自利益相关方，发布者也有自己的诉求，这样的结论需要独立复现，目前还没有具名的第三方公布结果。 中国驻美使馆 2 月回应美国官员的同类指控时说，反对“泛化国家安全概念、滥用出口管制、把经贸科技问题政治化”。截至 11 月 13 日，四家公司和英伟达还没有回应这份报告。 Depue 原推：https://t.co/84tVCbTDJX Depue 报告：https://t.co/d41kDvtzMh @MyDaebakCafe 原帖：https://t.co/qWsK5DrPwZ
引用 @willdepue: I have a major result to share.
I’ve found conclusive forensic evidence that the top 4 Chinese AI labs—DeepSeek, Moonshot, MiniMax and Ant Group—have built their newest models on NVIDIA’s most advanced Blackwell chips, which are barred from export to China.
This sounds insane, but I discovered tha…
⏰ 19:16 | ❤️ 128 点赞 | 📝 1365字 | 入选: 高赞 128 / 引用讨论 / 长文 | 查看原文 →
李岳
｜ @liyue_ai
｜ 影响力: 5.6万粉丝 · 互动分 113.96
李岳
｜ @liyue_ai
｜ 影响力: 5.6万粉丝 · 互动分 113.96
💡 核心观点: 作者认为黄仁勋如果下台，主因不是桃色绯闻，而是 Anthropic 的达里奥·阿莫迪和杰克·克拉克暗中推动：他们据信向媒体和民主党参议员沃伦提供黑料，并借 Anthropic 刚能绕开 CUDA 迁移算力，联合大客户把这位创始人架空。
可信度: 22/100
事实核查:
- 无法核实: 4万多人联署要黄仁勋回归，马斯克冲在第一排（原文陈述了联署人数和马斯克签名，但未给出可核验的联署链接或来源）
- 无法核实: 据信源爆料，这场猎巫行动的头号推手，正是达里奥和杰克·克拉克（原文明说是「据信源爆料」，没有点名信源，属于传闻）
- 无法核实: Anthropic 刚宣布能绕开 CUDA 迁移算力（原文提到这一说法，但没有给出公告或技术细节）
原文内容:
这个请愿表哪些人没签更值得关注🎯 4万多人联署要黄仁勋回归，马斯克冲在第一排。 但真正离谱的还在后面。 就在半小时前，名单上的英伟达副总裁 Bryan Catanzaro 突然发推辟谣：我没签，我支持董事会换帅。 决定黄仁勋命运的，从来不是谁在名单上，而是谁不在名单上。 去翻翻那份名单，绝对找不到一个人：达里奥·阿莫迪（Anthropic CEO），还有他的联合创始人杰克·克拉克。 老黄倒下真的只是因为那点桃色绯闻？ 据信源爆料，这场猎巫行动的头号推手，正是达里奥和杰克·克拉克。他们把攒了大半年的黑料，精准喂给了媒体和沃伦等民主党参议员。 你可以这么理解，这就像饭局上大家都在吃老黄做的菜，以前没得选，只能忍着他涨价； 现在 Anthropic 刚宣布能绕开 CUDA 迁移算力，大客户们立马联手民主党政客，把厨子举报送走了。 看着一个干了33年、却只有3.56%股份且没有超级投票权的创始人被董事会6个人架空，还是挺唏嘘的。 老黄的皮衣能挡住风寒，终究还是挡不住华盛顿和硅谷的暗箭。
引用 @liyue_ai: 有幸与世界首富和中国首富一起签名，老黄挺住。
https://t.co/QPBDr0t26M https://t.co/ABpYOF1XRI
⏰ 04:31 | ❤️ 34 点赞 | 📝 340字 | 入选: 互动较好 34 赞 / 引用讨论 / 长文 | 查看原文 →
本地与工具
开源社区在降低运行门槛：Mac 上按需读取专家权重、Rust 容器工具快速启停、轻量 SVG 交互库与主题定制共同改善日常开发体验。
GitHubDaily
｜ @GitHub_Daily
｜ 影响力: 9.2万粉丝 · 互动分 154.47
GitHubDaily
｜ @GitHub_Daily
｜ 影响力: 9.2万粉丝 · 互动分 154.47
💡 核心观点: 作者介绍 TurboFieldfare 让 Gemma 4 26B-A4B 在苹果芯片 Mac 上以约 2 GB 内存运行，按需从 SSD 读取专家权重。作者在 8 GB M2 MacBook Air 上实测每秒 5.1 到 6.3 个 token，24 GB M5 Pro 可达每秒 31 到 35 个。
可信度: 76/100
事实核查:
- 原文支持: 模型权重和缓存只占大约 2 GB 内存（原文给出了内存占用与共享部分大小，属于可复现的技术描述。）
- 原文支持: 作者在 8 GB 的 M2 MacBook Air 上实测，每秒能出 5.1 到 6.3 个 token（原文给出具体机型与速度区间，但未附原始测试日志。）
- 无法核实: 作者还整理了 103 组实验记录（原文提到实验记录数量，未说明是否公开。）
原文内容:
手上只有一台 8 GB 内存的 MacBook Air，想跑个本地大模型，结果模型文件就有 14 GB 多，内存根本塞不下。 TurboFieldfare 能让 Gemma 4 26B-A4B 在苹果芯片 Mac 上跑起来，模型权重和缓存只占大约 2 GB 内存，还带一个原生的 Mac 聊天应用。 它只把 1.35 GB 的共享部分和缓存留在内存里，每生成一个词，再从 SSD 临时读出用得上的那几个专家。 GitHub：https://t.co/oDV9InX1l4 作者在 8 GB 的 M2 MacBook Air 上实测，每秒能出 5.1 到 6.3 个 token，换成 24 GB 的 M5 Pro 能到每秒 31 到 35 个。 运行时是用 Swift 和 Metal 专门为这个模型写的，没用 MLX 或 llama.cpp，作者还整理了 103 组实验记录。8 GB 的 Mac 能跑 26B，我是没想到。 聊天记录存在本地，装上图像扩展包还能看图，另外有命令行和兼容 OpenAI 接口的本地服务。第一次下载模型大约 15 GB。
⏰ 05:30 | ❤️ 76 点赞 | 📝 208字 | 入选: 互动较好 76 赞 | 查看原文 →
Viking
｜ @vikingmute
｜ 影响力: 7.0万粉丝 · 互动分 119.55
Viking
｜ @vikingmute
｜ 影响力: 7.0万粉丝 · 互动分 119.55
💡 核心观点: 作者试用 Rust 编写的容器工具 Kiri，称其 run 与 Docker API 速度很快，并支持 VM 空闲 60 秒自动关机与唤醒。他提到该工具尚在 beta，正在考虑是否替换 OrbStack。
可信度: 52/100
事实核查:
- 无法核实: 还有VM 空闲 60 秒自动关机，唤醒机制（属于作者使用体验描述，原文未给出文档或版本信息。）
- 原文支持: 不过这工具现在是 beta（原文明确说明处于测试阶段，与其稳定性评价一致。）
原文内容:
这个 Kiri 看起来很棒啊 https://t.co/xrhY5FCT77 Rust 写的，用了一下 速度特别快 不管是 run，还是Docker API，而且还有VM 空闲 60 秒自动关机，唤醒机制。 之前深度使用 OrbStack，现在看看要不要换掉，在AI 时代这种工具层出不穷太快了，没有什么用户忠诚度了，不过这工具现在是 beta，估计不太稳定有些 bug 啥的。大家可以关注一下
引用 @hfcorriez: Kiri 启动 Docker 容器居然只要 22ms，对比 OrbStack 的 279ms、Docker Desktop 的 178ms，快了十几倍。用起来太爽了，已经彻底替换 OrbStack。 https://t.co/w9FUotTwVZ
⏰ 03:27 | ❤️ 79 点赞 | 📝 104字 | 入选: 互动较好 79 赞 / 引用讨论 | 查看原文 →
Viking
｜ @vikingmute
｜ 影响力: 7.0万粉丝 · 互动分 225.68
Viking
｜ @vikingmute
｜ 影响力: 7.0万粉丝 · 互动分 225.68
💡 核心观点: 作者推荐一个开源交互式线稿插画库，含 33 个纯 SVG figure，鼠标靠近时有丝滑响应且可调 intensity，认为其效果优于此前用 agent 复刻 Linear 动效的尝试。
可信度: 62/100
事实核查:
- 原文支持: 里面有33 个线稿插画的 figure， 按主题排列，每个 figure 都是纯 SVG 绘制（作者给出数量与实现方式，配有项目链接，可打开 demo 核验。）
- 原文支持: 可以调节 intensity 控制反应强度（属产品功能描述，作者未附截图，需实际访问验证。）
原文内容:
这是我最近看到最漂亮最惊艳的项目 https://t.co/TOM7D0fYop 之前我就非常喜欢 linear 的互动效果，但是用几个 agent 实现都不那么完美。 现在有了这个库，里面有33 个线稿插画的 figure， 按主题排列，每个 figure 都是纯 SVG 绘制，鼠标靠近时会有响应非常丝滑的交互，可以调节 intensity 控制反应强度。 光靠描述感觉不到，去这个网站的 demo 里面感受一下，这是我最近最喜欢的一系列的效果了。
⏰ 14:12 | ❤️ 164 点赞 | 📝 132字 | 入选: 高赞 164 | 查看原文 →
ClaudeDevs
｜ @ClaudeDevs
｜ 影响力: 82.3万粉丝 · 互动分 22452.0
ClaudeDevs
｜ @ClaudeDevs
｜ 影响力: 82.3万粉丝 · 互动分 22452.0
💡 核心观点: Claude Code 桌面版支持用 mods 自定义主题，用户可以改颜色、添加动态背景，也可以直接让 Claude 按描述生成样式。官方还提供了 theme-examples 插件，便于快速上手。
可信度: 72/100
事实核查:
- 原文支持: You can now build custom themes for Claude Code on desktop with mods!（官方账号明确说明功能已上线，并给出上手路径。）
- 无法核实: or get started quickly with the theme-examples plugin（原文提到该插件，但未给出可核验的版本号或安装链接。）
原文内容:
You can now build custom themes for Claude Code on desktop with mods! Change the colors, add an animated background, and make it your own. Just tell Claude how you want it to look, or get started quickly with the theme-examples plugin. We'd love to see what you make! https://t.co/kD4fxkk6Df
⏰ 23:59 | ❤️ 18551 点赞 | 📝 54词 | 入选: 高赞 18551 | 查看原文 →
图像创作
图像生成从复刻热门表情图延伸到照片改写手绘插画，提示词与本地无审查模型被用于提升还原度并绕开审核。
huangserva
｜ @servasyy_ai
｜ 影响力: 4.3万粉丝 · 互动分 167.59
huangserva
｜ @servasyy_ai
｜ 影响力: 4.3万粉丝 · 互动分 167.59
💡 核心观点: 作者称用本地 Qwen3.8-FLASH-NEST 无审查模型从原图提取提示词，再输入 Qwen-Image 2.1 复刻网络热门表情图，借此绕开审核并保持还原度。
可信度: 55/100
事实核查:
- 无法核实: 我先把原图丢给本地的 Qwen3.8-FLASH-NEST 无审查模型提取提示词（原文给出模型名与流程，作者自述操作，无运行日志佐证。）
- 原文支持: 再把提示词直接喂给 Qwen-Image 2.1（模型名在原文中出现，但未提供生成结果对比图。）
- 无法核实: 整套流程既绕开了审核拦截（属作者对效果的判断，原文未说明具体拦截机制。）
原文内容:
我靠，我拿两个模型打了个配合，两步就复刻出了网上这张爆火的表情图！
我先把原图丢给本地的 Qwen3.8-FLASH-NEST 无审查模型提取提示词，然后再把提示词直接喂给 Qwen-Image 2.1
生成最终画面，整套流程既绕开了审核拦截，又拿到了神还原的出图效果。
正向提示词
```
一张由8张照片组成的电影剧照拼贴，2行4列网格布局，每格之间有细白色边框。每一格都是同一位20多岁的东亚女性的极近距离脸部特写：她仰躺在白色枕头和米白
色床单上，黑色长发凌乱湿润，几缕湿发贴在脸颊、额头和脖颈上。她的脸、脖颈和锁骨布满细密汗光，皮肤真实油润，毛孔、细小瑕疵和淡淡泪痕清晰可见，素颜。
暖色调低照度侧光，浅景深，背景是被褥虚化，轻微胶片颗粒，整体肤色偏暖米色。八格是同一段情绪戏的不同瞬间：第一格皱眉闭眼咧嘴大哭露出上排牙齿；第二格
仰头张嘴大口喘气喉部绷紧；第三格眼神向上望向天花板微张嘴急促呼吸；第四格双眼紧闭撅嘴向旁呼气；第五格头歪向一侧枕上闭眼张嘴；第六格眉头紧锁闭眼咬牙
龇齿痛苦表情；第七格眼睛半睁湿润失焦嘴唇微张；第八格头后仰靠在枕上闭眼张嘴疲惫喘息。八个画面人物完全一致，情绪连贯递进，像同一部电影的连续剧照。画
面中没有任何文字。
```
负向提示词（脚本默认值）
```
文字, 水印, logo, 卡通, 塑料感皮肤, 过度磨皮, 多余手指, 畸形手, 拼贴错位, 人物不一致
引用 @servasyy_ai: Seedance 2.5，30 天可以不限量跑 720p，你心动吗？
做 AI 视频最容易低估的，是一个镜头到底要抽几次！
分镜没问题，动作不对，再跑一遍。
动作对了，表情又崩了。
最后成片就几秒，额度已经花出去好几轮了😂
所以 Topview 这波黑五，我先看的是 Seedance 2.5 的用量。Ultra 有 30 天可以不限量跑 720p，手上刚好有一批片子要做，这 30 天就能用来集中试镜头。
价格我也算了一下：
• $600 用 14 个月，平均 $42.86/月
• $1,200 用 30 个月，平均 $40/月，每月 500 credits。按官方的口径，这档跑 Seed…
⏰ 02:25 | ❤️ 109 点赞 | 📝 476字 | 入选: 高赞 109 / 引用讨论 / 长文 | 查看原文 →
阿文AI实战笔记
｜ @AWENIAI
｜ 影响力: 1849粉丝 · 互动分 302.62
阿文AI实战笔记
｜ @AWENIAI
｜ 影响力: 1849粉丝 · 互动分 302.62
💡 核心观点: 作者分享用 AI 把真实照片改写成日系复古手绘插画的提示词方案，强调极简五官、黑色轮廓、巨型黄色字母与大留白排版。
可信度: 22/100
事实核查:
- 无法核实: 3:4 上下双联，摄影与插画对照（属于作者给出的画面设定，原文未展示生成结果或参数。）
原文内容:
Day 75 字影悄然成诗｜附绝美提示词 当真实摄影遇见日系复古手绘，简单的线条与字母，也能创造出独特的视觉美感。✨ 这次用极简插画重新诠释照片，让自由的黑色轮廓、巨型黄色字母与克制的编辑排版，在大面积留白中形成轻盈而鲜明的视觉节奏。🎨 🖼️ 3:4 上下双联，摄影与插画对照 ✒️ 复古手绘 × 极简五官 × 自然线条 💛 巨型黄色字母 × 人物空间穿插 📐 小尺度构图 × 大面积艺术留白 ✨ 自适应大师级排版，每张独立设计 让简单的线条与字母，重新定义照片的视觉表达。 💌 喜欢这种风格，欢迎点赞、收藏、关注！更多原创 AI 视觉提示词持续更新～
⏰ 13:03 | ❤️ 237 点赞 | 📝 207字 | 入选: 高赞 237 | 查看原文 →
黄赟
｜ @huangyun_122
｜ 影响力: 8.7万粉丝 · 互动分 162.03
黄赟
｜ @huangyun_122
｜ 影响力: 8.7万粉丝 · 互动分 162.03
💡 核心观点: 作者分析小红书上一门卖 YouTube 英语素材的生意：客单价 39.9–79.9 元、日均 100+ 单，可用 Kimi、DeepSeek 复刻，去年服务 2 万学员、纸面 ARR 80 万元，并可向私域延伸。
可信度: 45/100
事实核查:
- 无法核实: 39.9 – 79.9 一单，每天 100+ 单（原文给出价格区间与单量，称有 RPA 录制的快照，但快照未公开。）
- 无法核实: 功能用 Kimi, Deepseek 完全可以复刻（属作者判断，原文未给出复刻效果证据。）
- 无法核实: 去年服务了2万个学员，纸面就有 80万 ARR（数字来自作者看到的评论区，原文称原始数据已不可见。）
原文内容:
小红书的这个油管素材生意，被严重低估了 39.9 - 79.9 一单，每天 100+ 单。总结了 3个关键步骤，照抄： 1/ 油管精挑日常化 Vlog, 可以分场景：逛超市，旅游，团；也可以偏专业化：考试，谈判，会议，新闻; 还可以偏口音：印式，法式，美式，英式 2/ 功能用 Kimi, Deepseek 完全可以复刻，不存在技术壁垒，只要买一单就可以抄 3/ 内容更加好做，每做一个视频就可以切片出很多条。我拉了个列表和高赞封面图供参考，就这么点勾子 现在去看这数据没了，幸好我的手机 RPA 及时录下来这个快照。看最近的评论，去年服务了2万个学员，纸面就有 80万 ARR 如果生意你觉得不性感，那么试着把这些学员引流到私域呢： 1/ 学英语的朋友们，同样对交友，留学，旅游有需求吧。读书群，旅游搭子，雅思陪跑，是不是可以搞 2/ 爱学习的人群，对职业有更高要求。高阶领导力陪跑，演讲与口才打造课，是不是可以带一带 首页正在收集 100 个这样的小生意，来翻一翻嘛
⏰ 11:51 | ❤️ 98 点赞 | 📝 308字 | 入选: 互动较好 98 赞 / 长文 | 查看原文 →
CuiMao
｜ @CuiMao
｜ 影响力: 8.1万粉丝 · 互动分 431.02
CuiMao
｜ @CuiMao
｜ 影响力: 8.1万粉丝 · 互动分 431.02
💡 核心观点: 作者说明这段视频由两张人物图、一张场景图和几根导线连接制作而成，并感叹创作门槛在降低。
可信度: 25/100
事实核查:
- 无法核实: 两个人物图，一张场景图，几根导线链接一下就完成了这个视频（制作流程为作者自述，未给出工具名称或操作记录。）
原文内容:
都私信问我如何制作的，其实就如此简单，两个人物图，一张场景图，几根导线链接一下就完成了这个视频。大家的评论我都看了有的人分享了自己和英伟达的故事非常感动，只能说，创作越来越简单，而世界越来越复杂。 https://t.co/0wLSFh2kJ1
引用 @CuiMao: 嘿，Jensen！ 此片献予你！
我是一名来自中国的 AI 开发者，你一定会回来的对吧。对吧
@JensenHuang https://t.co/nkIIGOez08
⏰ 12:21 | ❤️ 289 点赞 | 📝 89字 | 入选: 高赞 289 / 引用讨论 | 查看原文 →
dontbesilent 旧文重发
｜ @dbs_old_tweets
｜ 影响力: 1654粉丝 · 互动分 157.34
dontbesilent 旧文重发
｜ @dbs_old_tweets
｜ 影响力: 1654粉丝 · 互动分 157.34
💡 核心观点: 作者借小红书推广复盘提出“必死工作法”，认为产品完成只占工作量的 1%，标题与首图等推广环节占绝大多数，并称为了整理喂给 AI 的数据耗时三天。
可信度: 28/100
事实核查:
- 无法核实: 这个标题，哪怕是让 AI 写，我为了整理出能喂给 AI 的数据，耗时三天（属于作者个人工时自述，原文未给出方法与样本。）
- 无法核实: 我发一个爆款，是 20w 浏览量（原文给出了浏览量数字，但没有截图或平台后台佐证。）
原文内容:
准备用咪蒙的方法重做一遍小红书 凭直觉，人容易认为先有产品、再去推广。 且认为完成了产品就完成了 95%，负责推广的这篇小红书笔记是最后一公里，占工作量的 5% 这种称之为「必死工作法」 实际上，完成了产品是完成了 1% 的工作，小红书写好了推广正文，是完成了 5% 的工作 写好小红书标题之前，工作还剩 95% 没做 这 95% 的工作，值得用一天去找对标、一天去分析整理分析对标、一天去拆分重组对标，然后再去做自己的标题和首图 为了这张首图，一边付费咨询摄影打光、一边买道具，耗时一星期 而这个标题，哪怕是让 AI 写，我为了整理出能喂给 AI 的数据，耗时三天 以上这些，是我的工作量。 这个工作量 x1000，就是咪蒙和李子柒团队的工作量。 所以她们发一个东西能让全网都看见 我发一个爆款，是 20w 浏览量。她们发一个爆款，可能有 2 亿浏览量。 一发一个不吱声的人，都在用「必死工作法」 出处 dontbesilent · 2024-11-13
⏰ 04:26 | ❤️ 114 点赞 | 📝 309字 | 入选: 高赞 114 / 长文 | 查看原文 →
🔗 引用关系
- @CuiMao 引用 @CuiMao：作者说明这段视频由两张人物图、一张场景图和几根导线连接制作而成，并感叹创作门槛在降低。（原文：嘿，Jensen！ 此片献予你！
我是一名来自中国的 AI 开发者，你一定会回来的对吧。对吧
@JensenHuang https://t.co/nkIIGOez08） - @dotey 引用 @willdepue：作者梳理 Will Depue 关于中国四家实验室使用禁运 Blackwell 训练最新模型的指控，指出其推文省略了报告自认的多项限制：指纹只能说明权重如何初始化、5 亿美元为估算、芯片来源与合规性无法判断。（原文：I have a major result to share.
I’ve found conclusive forensic evidence that the top 4 Chinese AI labs—DeepSeek, Moonsh…）
- @vista8 引用 @vista8：作者发现自己此前不知道 DeepSeek 还有 TTS、ASR、OCR、深度思考搜索与文件输入等 API，认为其已是（原文：DeepSeek 全家桶API，竟然连OCR、ASR和TTS等都有了。
还有搜索、文件输入等。
API申请配置后台也比多数云厂商简单易用得多，牛逼！ https://t.co/1Hc28MImu7）
- @python_xxt 引用 @guansi：作者引用他人观点称 fable 5.2 能力极强，若 DeepSeek 以十分之一价格追上，将催生大量小团队高并发 Agent 公司；他据此呼吁尽早推出 UBI 政策。（原文：fable5.2太恐怖了，这种能力的模型如果被deepseek追上，未来两年会涌现出一大批只有 10 个人、却靠着数万个并发 Agent 运转的新兴公司，它们的研发和运营成本只有传统软件公司的 1/20，产品迭代速度却是 10 倍。）
- @servasyy_ai 引用 @servasyy_ai：作者称用本地 Qwen3.8-FLASH-NEST 无审查模型从原图提取提示词，再输入 Qwen-Image 2.1 复刻网络热门表情图，借此绕开审核并保持还原度。（原文：Seedance 2.5，30 天可以不限量跑 720p，你心动吗？
做 AI 视频最容易低估的，是一个镜头到底要抽几次！分镜没问题，动作不对，再跑一遍。
动作对了，表情又崩了。
最后成片就几秒，额度已经花出去好几轮了😂所以 Top…）
- @vikingmute 引用 @hfcorriez：作者试用 Rust 编写的容器工具 Kiri，称其 run 与 Docker API 速度很快，并支持 VM 空闲 60 秒自动关机与唤醒。他提到该工具尚在 beta，正在考虑是否替换 OrbStack。（原文：Kiri 启动 Docker 容器居然只要 22ms，对比 OrbStack 的 279ms、Docker Desktop 的 178ms，快了十几倍。用起来太爽了，已经彻底替换 OrbStack。 https://t.co/w9FUotT…）
- @liyue_ai 引用 @liyue_ai：作者认为黄仁勋如果下台，主因不是桃色绯闻，而是 Anthropic 的达里奥·阿莫迪和杰克·克拉克暗中推动：他们据信向媒体和民主党参议员沃伦提供黑料，并借 Anthropic 刚能绕开 CUDA 迁移算力，联合大客户把这位创始人架空。（原文：有幸与世界首富和中国首富一起签名，老黄挺住。
https://t.co/QPBDr0t26M https://t.co/ABpYOF1XRI）
🧩 跨推文归纳
共识
- Agent 工程重心正转向编排与安全：Harness-S 用多套 Harness 互补探索，OpenAI 以可信 Gateway、沙箱限权与独立审计管理 500 多个常驻 Agent，数字生命卡兹克与向阳乔木的分工派活方案同向印证。
- 本地与低成本部署成为共同关切：TurboFieldfare 让 Gemma 4 26B-A4B 在苹果芯片 Mac 上按需读取专家权重，Rust 容器工具 Kiri 与轻量 SVG 交互库也指向更低门槛的工具链。
分歧
- 对模型代际价值的判断不一：歸藏称 Gemini 4 Carbon 写作能力强、Robinson 转述 Fable 5.2 能力极强且 DeepSeek 可能以十分之一价格追近，卡卡则认为 GPT-6.2 Astra 若拖到下周发布已错过窗口。
数据来源：X 列表「AI 中文」（22 条候选）· 由 twscrape 采集、grok 整理
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...