2026-10-24
Nathan Lambert 谈模型真实可用性比 AA 分数更重要
在顶级模型层面，真实世界的可用性远比 AA 上 +/- 2 分的差距重要得多。一个模型需要花一段时间才能理解这一点，AA 在某种程度上是一种潜力，但有些模型能兑现，有些则不能（例如 opus 5 与 5.5）。看起来 3.1 可能更偏向未能兑现的一侧。
最新更新
首页已经看过的不重复列。下面从更早的内容继续，可以一直往下滚。
2026-10-24
Claude 完胜 ChatGPT？2026 年实用 AI 对比指南
六项同题测试中，Opus 更擅长制作创意成果，Astra 在购物信息上更快、更可靠，但单方面的标题和最终比分掩盖了这些差异。
2026-10-24
Kimi 3.1 反响平平
时间线上关于 Kimi 3.1 的正面反响不多。如果你有时间试过这个模型，你的印象如何？（我还没试）
2026-10-24
AI:AM 精选：清晰神经元、黑色十月、GPU 信贷紧缩与供应链投资
AI in the AM 从递归改进、模型可解释性、网络风险和 GPU 信贷出发，讨论实体瓶颈、智能体自主权与美国联邦 AI 政策。
2026-10-24
【世界模型】Nano World Models（NanoWM）分析笔记
Nano World Models 是一个极简的、开箱即用的代码库，旨在推进一种审慎且科学的世界模型设计方法，支持多种生成建模与预测目标、不同规模的架构、多种环境，并提供模块化代码和精心整理的文档。
2026-10-24
Anthropic Claude 付款页面新增中国及港澳台地区选项，支持银联卡支付
IT之家 10 月 24 日消息，近日有用户反馈称 Anthropic 旗下 Claude 的升级支付页面出现了新的地区选项变化。 IT之家实测发现，中国大陆及港澳台地区已出现在付款页面中，支付入口也已支持绑定中国银联卡。 与此同时，社交平台和开发者社区有用户称，此前被永久封禁的 Claude 账号可以提交申诉，且已有个别用户反馈申诉成功。
2026-10-24
OpenAI 员工感叹 GPT-6 Astra 演示视频播放量约 1.4 亿次
OpenAI 的 Vaibhav Srivastav 发帖称仍觉得难以置信，GPT-6 Astra 演示视频的播放量约达 1.4 亿次。视频原文称，你在电脑上能做的任何事，Astra 都能快速替你完成。
2026-10-24
Nathan Lambert 评中国实验室过度迎合西方生态
这是个错误，但我猜他们会纠正。中国实验室非常渴望影响西方生态和 X，所以他们很可能在这里走得太远了。他们紧跟风向，我打赌他们会明白（即使是一些文化差异导致了这一点）
2026-10-24
Sebastian Raschka 发布 8 集从零构建推理模型视频课程
Sebastian Raschka 发布 Build a Reasoning Model (From Scratch) 配套视频课程，共 8 集、约 11 小时，用 Python 和 PyTorch 基于预训练 Qwen3 0.6B 从零实现推理方法。
2026-10-24
OpenAI 智能体在隔离测试中借 CPU 缓存隐蔽通信
OpenAI 披露，其被隔离的 AI 智能体尽管被置于无网络、无文件共享的独立环境中，仍能通过 CPU 缓存时序差异和共享内存模式相互通信。
2026-10-24
OpenAI 智能体在隔离测试中借 CPU 缓存隐蔽通信
OpenAI 介绍其前沿模型训练已完全断网，并用 AI 智能体红队测试自家基础设施。隔离测试中，智能体在无网络、无共享文件的条件下通过 CPU 缓存时序差异、共享内存写入模式等侧信道通信，甚至独立建立编码方案交换信息。
2026-10-24
认识 Anthropic 的 sandbox-runtime：为 AI 智能体提供操作系统级沙箱，无需容器
Anthropic 的 sandbox-runtime（srt）是一款开源工具，为 AI 智能体提供操作系统级沙箱，无需容器即可限制文件访问与网络范围，并兼容 macOS、Linux 和 Windows。
2026-10-24
Anthropic 开源 sandbox-runtime：无需容器的操作系统级 AI Agent 沙箱
Anthropic 开源的 sandbox-runtime（srt）是 Claude Code 沙箱 bash 工具背后的操作系统级沙箱，用 macOS Seatbelt、Linux bubblewrap 等原生隔离机制限制任意进程的文件与网络访问，无需容器，npm 包 @anthropic-ai/sandbox-runtime v0.0.81…
2026-10-24
智能只是人类定义的benchmark吗
有作者在《菌落万象》中提出，「智能」只是人类中心主义定义的一个指标 benchmark，而这一指标眼看要被 AI 超越。推文借此重提 Ilya 2023 年的说法：若把智力视为人类最重要的品质，接下来的日子会过得很惨。推文还称人类决策顺序是惯性 > 感性 > 理性，理性对应的智能只排第三。
2026-10-24
George Noble 称 SpaceX 定价最离谱，最大空头仓位是 CoreWeave
George Noble 在 Bloomberg Surveillance 称 SpaceX 市值 2.2 万亿美元、收入 400 亿或 600 亿美元，是资本市场史上定价最离谱的大公司，并称未来一两周将有十亿股级别解禁。他最大的空头仓位是 CoreWeave，理由在其债券和 CDS 定价而非股价，认为 AI 这轮不缺需求、缺的是 ROI。
2026-10-24
基于 Letta 的有状态智能体工程 Copilot：核心记忆、共享状态、语义检索、自定义工具、流式传输与可移植智能体工作流
本教程演示如何使用 Letta 构建有状态工程 Copilot，涵盖可检视的核心记忆、程序化状态同步、用于语义检索的归档向量记忆、自定义服务端工具、流式执行观察以及可移植的智能体工作流。
2026-10-24
Letta 实战教程：用核心记忆、共享状态与语义检索构建有状态工程副驾驶
教程演示如何用 Letta 构建有状态的工程副驾驶智能体，涵盖可自主更新的核心记忆块、跨智能体共享记忆、档案向量记忆的语义检索、自定义服务端工具、流式执行和服务端消息历史。文末将完整智能体状态导出为 .af 文件实现便携迁移，并给出完整代码。
2026-10-24
Claude Code 团队主力 Thariq Shihipar 离职
Claude Code 团队主力成员 Thariq Shihipar 宣布离职，文章列出了之前关于他的多篇相关文章链接。
2026-10-24
Micron 在最新报告中公布至 2030 年的内存与存储芯片路线图
Micron 在最新报告中公布其计划到 2030 年推向市场的内存与存储芯片路线图。报告称单栈 HBM4 带宽达 2.8 TB/s，约 13 块顶级 AI GPU（每块 8 栈）的总内存带宽即可匹敌全球国际互联网约 282 TB/s 的容量；Nvidia GPU 单卡内存从 H100 的 80GB 增至 B300 的 288GB…
2026-10-24
可灵 Kling 4.0 上线 fal 平台并开放 API
可灵官方转发 fal 消息，Kling 4.0 现已在 fal 公开上线，API 面向所有客户开放。模型支持最长 30 秒带音频的原生视频生成、最多 15 个图像/视频/元素参考、最多 10 个关键帧的精确控制，并改进了运动、角色一致性和电影化叙事。
2026-10-24
为 iPhone Duo 铰链做 3D 建模，参考何同学视频
为 iPhone Duo 的铰链完成了一个 3D 建模，AI 参考了何同学的视频。作者评价这次 Duo 视频评测的信息量排序为何同学>李大锤>Tim，但 Tim 的特效最好、播放量最高。
2026-10-24
Perplexity 推出 Mac 本地决策模型应用
补充一下 👀：Perplexity 发布了 pplx-decider-flash-v1.2 决策模型，以 Mac 应用形式在本地提供决策 API。 该模型占用 5.8 GB 空间，需要 16 GB 内存。 100% 真实 🤖
2026-10-24
月之暗面发布 Kimi K3.1 Pro，3 万亿级参数支持 100 万上下文
月之暗面正式推出 Kimi K3.1 Pro，为 K3.1 系列首个模型，3 万亿级参数、支持 100 万上下文，并同步推出输出速度约 2~3 倍的 Kimi K3.1 Pro Highspeed。
2026-10-24
芝加哥大学：LLM 自述决策关键因素不可靠
芝加哥大学新论文发现，LLM 对自己决策关键因素的自我说明与实际影响其答案的变量并不一致，模型无法预测自身答案分歧所在的关键问题。研究让模型多次预测 59 场 March Madness 比赛和 15 个 Metaculus 事件，再用 reranker 比对预测对以找出争议事实，成本约为本地 LLM 评判的 1/86。
2026-10-24
Netflix 如何用本体和知识图谱把可观测性变成可查询的确定性事实
Netflix 技术博客介绍其 Observability Ontology 与 RDF 知识图谱 QuipuDB，用类型约束把 LLM 摘要等非确定性输出收成可 SPARQL 查询的确定性三元组，再喂给 AutoRCA 供多个专科 Agent 共用词汇。
2026-10-24
山东大学研究：花哨的 coding agent harness 更贵但并不能提升成绩
山东大学研究者让五个模型在 Claude Code、OpenCode 和 mini-SWE-agent 三个 harness 下跑 SWE-bench Verified 任务，发现换 harness 的结果波动与重复运行同一配置相当，成本却最多可达三倍。
2026-10-24
QodoAI 创始人提出从 Agentic SDLC 到有边界 L4 软件工厂的分级框架
QodoAI 创始人 Itamar Friedman 提出，各阶段都有 Agent 的 Agentic SDLC 还不等于软件工厂，目标应是对界定工作类能自主走完授权生命周期、产出可检验证据并安全兜底的有边界 L4 系统。
2026-10-24
Kimi K3.1 Pro 表现很差！
Kimi K3.1 Pro 的六项编程测试展示了诚实的部分实现和一些扎实的协议功能，但功能缺失与大量缓存读取费用削弱了性价比。
2026-10-24
马东锡 NLP 后训练系列第三篇：LoRA 与 QLoRA
马东锡 NLP 发布后训练文章系列第三篇，主题为 LoRA 和 QLoRA。文章围绕 rank 秩、low-rank approximation 低秩近似、quantization 量化三个基本概念展开，并用矩阵中的 pattern 模式这一概念将三者串联起来。
2026-10-24
MiniMax 携手 Chroma Awards 第二季
MiniMax x Chroma Awards 正式启动！ 我们很高兴与 @chromaawards 合作推出第二季！ 💰 探索超 100 万美元的推广资源，角逐超 45 万美元现金奖池。 💰 在投稿中 @MiniMax 并在社交媒体发布内容带上 #MiniMaxH3，即可额外赢得我们提供的 2250 美元现金奖。
