Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

请大家重新认识一下，生活在中国的中国人。前端已死，Kimi K3 又一次杀死了前端开发。生活在中国的中国人，和生活在美国的中国人，智力、学校、实验室、实习经验都是一样的。昨晚挂了一个 loop，制作的一个效果对比器。 2.8 万亿总参数，难道他们已经解决了算力问题？哪个大佬在资助他们。诚实看全局的参数，跟 fable5 和 5.6 sol 还有很大的差距。微信输入法口喷口水话，他会帮你组织成结构化表达： /loop 30m 增加一个对比的前端逻辑，具体要求如下：功能实现： (a) 任务选择：可以选择两个已跑完的任务进行对比。 (b) 界面显示：浏览器双屏显示，左边一个，右边一个。 (c) 模式支持：支持物体模式、漫游模式以及镜头播放。 (d)同步响应：鼠标键盘操作，左右两个框需同时响应，以保持相同的视角。开发与测试要求： (a) 代码复用：代码方面尽量复用原来的代码模块。 (b) 验证测试：完成上述功能后，进行相关的验证测试。 (c) 交互建议：从交互角度提出一些建议。

实践哥 Li

17,724 subscribers

52,429 görüntüleme • 2 ay önce •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

11 Yorum

乘风 profil fotoğrafı

乘风2 ay önce

践哥大佬，你这身份可就别这么制造焦虑吧，前端都死了，Kimi以后的前端能力还怎么进步啊？

实践哥 Li profil fotoğrafı

实践哥 Li2 ay önce

计算机从业者热衷于发明机器，干掉自己。

乘风 profil fotoğrafı

乘风2 ay önce

目前的机器还不能自我进化

Niko爱学习 profil fotoğrafı

Niko爱学习2 ay önce

前端都已经变白骨了

Steven Cheng profil fotoğrafı

Steven Cheng2 ay önce

参数大未必等于推理强，前端也没死，只是门槛变了。

Jeffson77 profil fotoğrafı

Jeffson772 ay önce

Deepseek 魂归，黄仁勋再次哭晕在中国马桶里

Oldeng profil fotoğrafı

Oldeng2 ay önce

不要再鞭尸前端了

一页繁华 profil fotoğrafı

一页繁华2 ay önce

前端已经来回死了好多次了的，不怕再多死几次🤣

tmmaopeng profil fotoğrafı

tmmaopeng2 ay önce

Anthropic马上就会来指责Kimi K3蒸馏它们的数据了！

Usama Sha profil fotoğrafı

Usama Sha2 ay önce

Competition is pushing innovation much faster.

清木 profil fotoğrafı

清木2 ay önce

「前端已死」这标题党我先扣个哈哈——你后文不都说了「跟 fable5 和 5.6 sol 还有很大差距」。2.8T 唬人，牛不牛让真实项目说话，别急着开死亡证明。

Benzer Videolar

给大家带来 Qwen3.7-Max 实测! 这次使用了全新的前端测试集, 直接说结论, Qwen3.7-Max 应该是之前测试过的版本中进步特别大的一个, 甚至这次前端测试能完成之前3.6版本不能完成的测试项目. 而且后端能力测试直接刷了个榜一! 它是参与测试的34个模型中唯一一个实现了 IVF-PQ + ADC 索引方案的模型! 直接把后端测试从之前 GPT-5.5-Pro(xhigh) 的4000分拉到了现在的6947分! 不过需要注意的是, 它的测试表现分布并不是很稳定, 所以建议使用中要多review代码, 来达成更高的输出质量. 另外, 本次 Agent 能力也有提升, 达到了第一梯队的水平. 最后, 我还用 Qwen3.7-Max 实现了一个基于AI的磁盘恢复系统, 用来测试模型的实际工程能力. 编写过程很顺畅, 没有遇到阻碍, 大家可以直接看视频里的效果. #qwen #阿里千问 #qwen37max #AIAgent

给大家带来 Qwen3.7-Max 实测! 这次使用了全新的前端测试集, 直接说结论, Qwen3.7-Max 应该是之前测试过的版本中进步特别大的一个, 甚至这次前端测试能完成之前3.6版本不能完成的测试项目. 而且后端能力测试直接刷了个榜一! 它是参与测试的34个模型中唯一一个实现了 IVF-PQ + ADC 索引方案的模型! 直接把后端测试从之前 GPT-5.5-Pro(xhigh) 的4000分拉到了现在的6947分! 不过需要注意的是, 它的测试表现分布并不是很稳定, 所以建议使用中要多review代码, 来达成更高的输出质量. 另外, 本次 Agent 能力也有提升, 达到了第一梯队的水平. 最后, 我还用 Qwen3.7-Max 实现了一个基于AI的磁盘恢复系统, 用来测试模型的实际工程能力. 编写过程很顺畅, 没有遇到阻碍, 大家可以直接看视频里的效果. #qwen #阿里千问 #qwen37max #AIAgent

karminski-牙医

10,514 görüntüleme • 3 ay önce

推荐关注一下 BabelCloud 项目，也是一个类似于 Devin 的 AI 开发工程师，能独立完成相对复杂的前后端项目。从演示视频可以看出：它能将复杂的任务分解成合适的功能模块；它能对每一个模块进行测试和验证，对于遇到的错误能自动修复或者需求人类帮助；它能完成没有训练过的任务：实现一个最新发布的Claude 3的API请求；它能完成相对复杂的项目，一个比较完整的后台管理；它在执行过程中能和人互动，例如寻求帮助；它能基于项目增加新的需求（这个其实有点挑战，但我怀疑它需要很多元数据辅助完成）它有个工作平台直观看到结果项目作者：Hailong Zhang

推荐关注一下 BabelCloud 项目，也是一个类似于 Devin 的 AI 开发工程师，能独立完成相对复杂的前后端项目。从演示视频可以看出：它能将复杂的任务分解成合适的功能模块；它能对每一个模块进行测试和验证，对于遇到的错误能自动修复或者需求人类帮助；它能完成没有训练过的任务：实现一个最新发布的Claude 3的API请求；它能完成相对复杂的项目，一个比较完整的后台管理；它在执行过程中能和人互动，例如寻求帮助；它能基于项目增加新的需求（这个其实有点挑战，但我怀疑它需要很多元数据辅助完成）它有个工作平台直观看到结果项目作者：Hailong Zhang

宝玉

30,089 görüntüleme • 2 yıl önce

Pixverse 发布 R1 实时视频世界模型藏师傅也试了一下前几天测试的 Pixverse R1 终于发布了，这是一个可以实时生成并且可以随时通过提示词介入修改后续内容的世界模型。极限情况下可以实时生成 1080P 的高清视频，感觉成本再下来一点以后 AI 游戏和交互式的影视内容有戏了啊。 ------ 简单介绍一下使用体验，目前他们在一个单独的平台测试需要邀请码。你可以选择预制的的三个主题进行体验，三个主题分别是巨龙巢穴、二战主题、海底世界，正式版本会增加到 6 个。也可以创建自己的主题，选择画面比例、风格输入主题相关提示词就可以了。生成之后主要的互动就是在他播放的过程中输入提示词来改变当前视频生成的剧情走向。而且这里生成的视频居然还是带音乐、音效混合旁白的，比以前所谓的实时生成的模型强了不少。 ------ 算法和架构上主要的优化有：这是个原生的多模态模型支持将文本、图像、视频、音频统一为连续的 Token 流，接受任何模态的输入。 PixVerse-R1 改成了非扩散的自回归架构，用来实现无限连续的生成，还使用了增加注意力机制，确保长时间生成的内容一致性。为了适配实时视频生成的性能，他们将原来的迭代降噪逻辑进行了多项优化，他们叫瞬时响应引擎 (IRE)，主要包括三个优化： Temporal Trajectory Folding：传统模型从噪点到清晰图像需要迭代几十步，他们直接暴力压缩到仅需 1–4 步。 Guidance Rectification：直接将传统的 CFG 逻辑蒸馏到了模型参数内部，节省了时间。 Adaptive Sparse Attention：生成高分辨率的视频的时候让模型学会学会“抓大放小”，自动识别重要区域进行精细计算，大幅降低计算负载。 ------- 目前由于成本问题需要邀请码才能测试，生成的分辨率是 480P，过几天会提高到 720P。

Pixverse 发布 R1 实时视频世界模型藏师傅也试了一下前几天测试的 Pixverse R1 终于发布了，这是一个可以实时生成并且可以随时通过提示词介入修改后续内容的世界模型。极限情况下可以实时生成 1080P 的高清视频，感觉成本再下来一点以后 AI 游戏和交互式的影视内容有戏了啊。 ------ 简单介绍一下使用体验，目前他们在一个单独的平台测试需要邀请码。你可以选择预制的的三个主题进行体验，三个主题分别是巨龙巢穴、二战主题、海底世界，正式版本会增加到 6 个。也可以创建自己的主题，选择画面比例、风格输入主题相关提示词就可以了。生成之后主要的互动就是在他播放的过程中输入提示词来改变当前视频生成的剧情走向。而且这里生成的视频居然还是带音乐、音效混合旁白的，比以前所谓的实时生成的模型强了不少。 ------ 算法和架构上主要的优化有：这是个原生的多模态模型支持将文本、图像、视频、音频统一为连续的 Token 流，接受任何模态的输入。 PixVerse-R1 改成了非扩散的自回归架构，用来实现无限连续的生成，还使用了增加注意力机制，确保长时间生成的内容一致性。为了适配实时视频生成的性能，他们将原来的迭代降噪逻辑进行了多项优化，他们叫瞬时响应引擎 (IRE)，主要包括三个优化： Temporal Trajectory Folding：传统模型从噪点到清晰图像需要迭代几十步，他们直接暴力压缩到仅需 1–4 步。 Guidance Rectification：直接将传统的 CFG 逻辑蒸馏到了模型参数内部，节省了时间。 Adaptive Sparse Attention：生成高分辨率的视频的时候让模型学会学会“抓大放小”，自动识别重要区域进行精细计算，大幅降低计算负载。 ------- 目前由于成本问题需要邀请码才能测试，生成的分辨率是 480P，过几天会提高到 720P。

歸藏(guizang.ai)

16,373 görüntüleme • 8 ay önce

和AI Agent一起工作是一种什么样的体验？扣子空间详细体验评测（下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。也就是你可以像和真人协作一样，和AI一起完成特定任务。通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。支持两种工作方式：自动模式：AI自动帮你完成任务。协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。

和AI Agent一起工作是一种什么样的体验？扣子空间详细体验评测（下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。也就是你可以像和真人协作一样，和AI一起完成特定任务。通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。支持两种工作方式：自动模式：AI自动帮你完成任务。协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。

小互

27,254 görüntüleme • 1 yıl önce

斯坦福团队造了1000个 AI 模拟人，预测真人行为的准确率到了85% 他们做了一个实验：用 AI 创建了1000个代表美国人口结构的虚拟个体，让它们在模拟环境里做各种决策然后拿模拟结果跟真人的实际行为做对比——85% 的吻合度这个数字意味着：AI模拟体的选择，和真人被问到同样问题时的选择，五次里有四次以上是一致的怎么被发现商业价值的？财富500强的CEO们去斯坦福参观看到了这个演示，开始疯狂问市场相关的问题。团队发现这些问题以前没人能回答，但模拟可以于是他们决定把这个研究做成产品：一个 AI 模拟平台，专门帮企业在做重大决策之前先"跑一遍" 想推一个新产品？先让1000个AI消费者试试反应想调价格？先模拟市场会怎么变想进一个新市场？先看模拟人群的接受度市场调研行业可能要被 AI 重新定义了

斯坦福团队造了1000个 AI 模拟人，预测真人行为的准确率到了85% 他们做了一个实验：用 AI 创建了1000个代表美国人口结构的虚拟个体，让它们在模拟环境里做各种决策然后拿模拟结果跟真人的实际行为做对比——85% 的吻合度这个数字意味着：AI模拟体的选择，和真人被问到同样问题时的选择，五次里有四次以上是一致的怎么被发现商业价值的？财富500强的CEO们去斯坦福参观看到了这个演示，开始疯狂问市场相关的问题。团队发现这些问题以前没人能回答，但模拟可以于是他们决定把这个研究做成产品：一个 AI 模拟平台，专门帮企业在做重大决策之前先"跑一遍" 想推一个新产品？先让1000个AI消费者试试反应想调价格？先模拟市场会怎么变想进一个新市场？先看模拟人群的接受度市场调研行业可能要被 AI 重新定义了

Vincent

27,763 görüntüleme • 3 ay önce

Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗? 直接说结论, 能完成我这个大象牙膏测试的一部分, 已经很厉害了, Python 杯子倒水那个测试表现也可圈可点. 来看测试中暴露出来的问题: 首先这个模型生成的样式特别多变, 可以看测试中生成的前端页面的样式和布局, 几乎每次都不一样. 所以实际使用中, 可能会存在稳定性的问题, 建议 prompt 中多做约束, 避免模型过度发挥. 不过这并不全是坏处, 如果拿这个大模型写文, 反而可能会超常发挥, 每次写出来的东西都不一样, 不会呆板. 另外目前发现最大的问题是, 给到模型一大堆数据, 让模型整理一个网页, 结果模型偷懒了, 直接把代码和数据省略掉了, 这个应该还是 GPT-4 时代的问题 (24年上半年) 出现了. 这里猜测可能是高稀疏性专家混合模型或者多词元预测造成的问题, 这两个都会在生成中选择最经济的生成模式, 因此可能会倾向于生成"此处代码省略"这样的代码来替代原本要生成一大堆代码的场景. 召回倒是没太大问题, 鞭炮连锁爆炸那个测试, 虽然模型没有成功写出来, 但是最长的一次还是生成了1100行代码, 我仔细看了下, 基本都考虑到了我 prompt 中要求的逻辑, 只不过实现的代码有 bug 跑不起来而已. 综合来讲, 我觉得这应该是 100B 以内的模型无敌手了, 考虑到定位可能是个新的技术试验模型, 所以期待千问推出更大规模 (例如400B-A15B) 的模型, 带来更好的性能. 测试 prompt: #Qwen3Next #大模型竞技场 #Qwen3

Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗? 直接说结论, 能完成我这个大象牙膏测试的一部分, 已经很厉害了, Python 杯子倒水那个测试表现也可圈可点. 来看测试中暴露出来的问题: 首先这个模型生成的样式特别多变, 可以看测试中生成的前端页面的样式和布局, 几乎每次都不一样. 所以实际使用中, 可能会存在稳定性的问题, 建议 prompt 中多做约束, 避免模型过度发挥. 不过这并不全是坏处, 如果拿这个大模型写文, 反而可能会超常发挥, 每次写出来的东西都不一样, 不会呆板. 另外目前发现最大的问题是, 给到模型一大堆数据, 让模型整理一个网页, 结果模型偷懒了, 直接把代码和数据省略掉了, 这个应该还是 GPT-4 时代的问题 (24年上半年) 出现了. 这里猜测可能是高稀疏性专家混合模型或者多词元预测造成的问题, 这两个都会在生成中选择最经济的生成模式, 因此可能会倾向于生成"此处代码省略"这样的代码来替代原本要生成一大堆代码的场景. 召回倒是没太大问题, 鞭炮连锁爆炸那个测试, 虽然模型没有成功写出来, 但是最长的一次还是生成了1100行代码, 我仔细看了下, 基本都考虑到了我 prompt 中要求的逻辑, 只不过实现的代码有 bug 跑不起来而已. 综合来讲, 我觉得这应该是 100B 以内的模型无敌手了, 考虑到定位可能是个新的技术试验模型, 所以期待千问推出更大规模 (例如400B-A15B) 的模型, 带来更好的性能. 测试 prompt: #Qwen3Next #大模型竞技场 #Qwen3

karminski-牙医

30,709 görüntüleme • 1 yıl önce

空间智能赛道刚刚又出了新模型：Moonlake，能生成3D世界，还能同时处理物理、声音、逻辑规则等多种模态与李飞飞的World Labs不同的是，World Labs偏场景生成，Moonlake更重交互，更像是在构建一个可交互、物理正确、逻辑完整、视听一体的“活世界” 给定一句“在街机室里做一个赛博朋克风格的保龄球游戏”需求它能自动拆解成生成3D模型、加物理、摆位置、写规则等10个阶段，自主完成从零到一的开发过程输出一个实时可玩的虚拟保龄球馆，能交互，拿球、投掷、有声音、有分数变化，所有东西都按物理规律运作的核心机制是所有模态绑定在同一个实体上，一次事件，比如球击中瓶子时，位置、物理状态、分数、音效等全模态同步更新对于做游戏的，原来要用一个团队干的活，现在可能一个人就能完成对于老师，几句话生成学生能实时交互的物理实验场景 #世界模型生成 #Moonlake #WorldLabs #空间智能

空间智能赛道刚刚又出了新模型：Moonlake，能生成3D世界，还能同时处理物理、声音、逻辑规则等多种模态与李飞飞的World Labs不同的是，World Labs偏场景生成，Moonlake更重交互，更像是在构建一个可交互、物理正确、逻辑完整、视听一体的“活世界” 给定一句“在街机室里做一个赛博朋克风格的保龄球游戏”需求它能自动拆解成生成3D模型、加物理、摆位置、写规则等10个阶段，自主完成从零到一的开发过程输出一个实时可玩的虚拟保龄球馆，能交互，拿球、投掷、有声音、有分数变化，所有东西都按物理规律运作的核心机制是所有模态绑定在同一个实体上，一次事件，比如球击中瓶子时，位置、物理状态、分数、音效等全模态同步更新对于做游戏的，原来要用一个团队干的活，现在可能一个人就能完成对于老师，几句话生成学生能实时交互的物理实验场景 #世界模型生成 #Moonlake #WorldLabs #空间智能

AIGCLINK

10,987 görüntüleme • 7 ay önce

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

karminski-牙医

40,242 görüntüleme • 5 ay önce

给大家带来 MiniMax-M3 实测! 本次测试包含了复杂前端, 后端 Agentic Coding, Agent 能力测试, 以及我的使用经验总结. 来看结论: 前端能力上, 可以完全适配 KCORES2026p2 的前端测试题目, 无论是空间理解, 建模精确度, 场景美学都十分在线, 其中我最满意的是美学部分, 它的颜色运用非常好. 不足的地方主要体现在复杂需求不能一次性写对(比如光追引擎), 需要迭代一下就可以了. 后端能力测试这次也是突飞猛进, 得分超过了 deepseek-v4-pro 和其他一众国产大模型, 略逊于 GPT-5.4-Pro(xhigh). Agent 能力上表现同样亮眼, 达成了榜单第二的接单量, 证明它的规划能力特别强。下面是我在测试和实际使用中, 总结出来的 M3 使用经验, 供大家参考: 我的体感是 M3 特别喜欢推理, 它可以单次执行超长的推理. 在咱们的这些前端测试中, 它最长的输出甚至达到了我规定的 64k token上限, 所以, 不要上来就写一个超级复杂的 prompt 让它执行, 而是需要先把需求形成 plan, 然后让 agent 蜂群去执行, 这样才能得到理想的效果, 所以 M3 先天适合放在带 plan 模式的 Coding Agent 中使用. 如果把它嵌入到 Agent 框架中使用, 那么 prompt 编排就一定要做好, 不要一股脑把大量的 tool call 或者超大的 system prompt 丢给它. 还是需要下功夫好好编排一下的. 本次 M3 相比之前的 2.7 版本有了大幅度的提升, 模型偏好上来看, M3 是一个规划能力极强的模型, 所以特别适合用在一些规划性质的 Agent 框架中, 比如任务拆分, 日程管理, 流程设计等. 而本次暴露出来的不足则是执行过程中约束不够强, 比如 prompt 中设置的复杂规则, 一定要增加代码级别的 harness 闭环流程来进行约束, 而不能只靠模型本身来管理自己的行为. #minimaxm3 #minimax #agenticcoding #aiagent #harness

给大家带来 MiniMax-M3 实测! 本次测试包含了复杂前端, 后端 Agentic Coding, Agent 能力测试, 以及我的使用经验总结. 来看结论: 前端能力上, 可以完全适配 KCORES2026p2 的前端测试题目, 无论是空间理解, 建模精确度, 场景美学都十分在线, 其中我最满意的是美学部分, 它的颜色运用非常好. 不足的地方主要体现在复杂需求不能一次性写对(比如光追引擎), 需要迭代一下就可以了. 后端能力测试这次也是突飞猛进, 得分超过了 deepseek-v4-pro 和其他一众国产大模型, 略逊于 GPT-5.4-Pro(xhigh). Agent 能力上表现同样亮眼, 达成了榜单第二的接单量, 证明它的规划能力特别强。下面是我在测试和实际使用中, 总结出来的 M3 使用经验, 供大家参考: 我的体感是 M3 特别喜欢推理, 它可以单次执行超长的推理. 在咱们的这些前端测试中, 它最长的输出甚至达到了我规定的 64k token上限, 所以, 不要上来就写一个超级复杂的 prompt 让它执行, 而是需要先把需求形成 plan, 然后让 agent 蜂群去执行, 这样才能得到理想的效果, 所以 M3 先天适合放在带 plan 模式的 Coding Agent 中使用. 如果把它嵌入到 Agent 框架中使用, 那么 prompt 编排就一定要做好, 不要一股脑把大量的 tool call 或者超大的 system prompt 丢给它. 还是需要下功夫好好编排一下的. 本次 M3 相比之前的 2.7 版本有了大幅度的提升, 模型偏好上来看, M3 是一个规划能力极强的模型, 所以特别适合用在一些规划性质的 Agent 框架中, 比如任务拆分, 日程管理, 流程设计等. 而本次暴露出来的不足则是执行过程中约束不够强, 比如 prompt 中设置的复杂规则, 一定要增加代码级别的 harness 闭环流程来进行约束, 而不能只靠模型本身来管理自己的行为. #minimaxm3 #minimax #agenticcoding #aiagent #harness

karminski-牙医

18,950 görüntüleme • 3 ay önce

我刚才发现自己有了ChatGPT昨天发布的GPTs联动的功能，试了一下确实强大。下面用一个例子看一下如何使用和具体能力，还有一个对简中用户比较重要的操作。我自己看论文会先下载下来让ChatGPT总结，然后会用宝玉的科技文章翻译GPTs对总结的内容进行精细的翻译，以前完成这两步起码需要我切两个窗口，然后复制粘贴一次。现在我只需要在总结完成后输入“@”找到需要的GPTs，输入要求就可以在一次对话中完成，甚至我还可以再搞一个自动发推的GPTs在ChatGPT直接将翻译内容发到推特上。最后一个对简中用户不太友好的BUG：拉起GPTs选择的时候你输入的“@”符号需要在英文输入法下才能调用这个功能，中文输入法下面没办法拉起GPTs选择，OpenAI做产品是真的糙。

我刚才发现自己有了ChatGPT昨天发布的GPTs联动的功能，试了一下确实强大。下面用一个例子看一下如何使用和具体能力，还有一个对简中用户比较重要的操作。我自己看论文会先下载下来让ChatGPT总结，然后会用宝玉的科技文章翻译GPTs对总结的内容进行精细的翻译，以前完成这两步起码需要我切两个窗口，然后复制粘贴一次。现在我只需要在总结完成后输入“@”找到需要的GPTs，输入要求就可以在一次对话中完成，甚至我还可以再搞一个自动发推的GPTs在ChatGPT直接将翻译内容发到推特上。最后一个对简中用户不太友好的BUG：拉起GPTs选择的时候你输入的“@”符号需要在英文输入法下才能调用这个功能，中文输入法下面没办法拉起GPTs选择，OpenAI做产品是真的糙。

歸藏(guizang.ai)

49,750 görüntüleme • 2 yıl önce

很多人谈起移民，总习惯用国家来比较：日本好不好，加拿大怎么样，美国有没有前途。但现实生活往往并不是这样展开的。多数移民真正进入的，并不是一个国家，而是一个族群社会。如果一个人长期生活在华人圈子里，工作环境是华人，朋友是华人，获取信息也主要来自中文媒体，那么他对这个国家的体验，其实很大程度来自这个圈子本身，而不是整个社会。国家在法律和制度上是新的，但生活结构却可能仍然延续着原来的模式。因此，有些人在一个国家生活多年，却始终觉得格格不入。表面上是在评价这个国家，其实反映的往往是自己所处的生活环境。当人始终停留在熟悉的族群网络中时，很难真正接触到当地社会的运行方式和生活节奏。移民改变的只是地理位置，但是否进入一个新的社会，则取决于个人选择。有人愿意走出原有的圈层，与新的社会建立关系；也有人更习惯留在熟悉的群体之中。不同的路径都会形成完全不同的体验。所以，当有人在一个国家生活多年，却始终觉得这个地方不适合自己时，有时候问题并不完全来自这个国家，而是来自自己所在的那个社会圈层。

很多人谈起移民，总习惯用国家来比较：日本好不好，加拿大怎么样，美国有没有前途。但现实生活往往并不是这样展开的。多数移民真正进入的，并不是一个国家，而是一个族群社会。如果一个人长期生活在华人圈子里，工作环境是华人，朋友是华人，获取信息也主要来自中文媒体，那么他对这个国家的体验，其实很大程度来自这个圈子本身，而不是整个社会。国家在法律和制度上是新的，但生活结构却可能仍然延续着原来的模式。因此，有些人在一个国家生活多年，却始终觉得格格不入。表面上是在评价这个国家，其实反映的往往是自己所处的生活环境。当人始终停留在熟悉的族群网络中时，很难真正接触到当地社会的运行方式和生活节奏。移民改变的只是地理位置，但是否进入一个新的社会，则取决于个人选择。有人愿意走出原有的圈层，与新的社会建立关系；也有人更习惯留在熟悉的群体之中。不同的路径都会形成完全不同的体验。所以，当有人在一个国家生活多年，却始终觉得这个地方不适合自己时，有时候问题并不完全来自这个国家，而是来自自己所在的那个社会圈层。

乔志飞

26,795 görüntüleme • 6 ay önce

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

宝玉

304,128 görüntüleme • 2 yıl önce

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。这样就可以让用户和 AI 在任意模态下实时进行交互：你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分：前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。这样就可以让用户和 AI 在任意模态下实时进行交互：你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分：前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

歸藏(guizang.ai)

47,074 görüntüleme • 4 ay önce

卧槽，最近发现一个强的有点离谱的 AI 团队。 96人的团队约 2/3 的研发成员是在校学生，博士、硕士、本科生都有，来自复旦、中科院软件所、中科院自动化所、人大、哈工大、华东师大等高校。本来以为又是什么学生创业项目，结果顺着他们做的东西看下去，发现不太对劲。他们做了一个 Agent 模型，叫 Atria Dawn Preview Atria ASI。官网放出来的 Demo 一个比一个猛。有科研和深度研究，有完整的软件项目，有交互作品和游戏，还有 3D 建模、CAD 机械结构。重点不是让模型生成一张图或者一段代码。而是让模型在一个真实环境里持续推进任务。 Atria Dawn Preview 面向科研、开发和专业工作，可以往下推进资料检索、写代码、调用工具、运行实验，再根据真实结果继续修改。代码能不能跑，文件有没有生成，结果是否符合要求，也可以通过外部工具和环境继续验证。看了一圈，我也拿了用它跑了个任务，因为之前9 月 12 日是世界急救日。我就让它做一个 3D 海姆立克急救法互动学习页面。就用大白话描述需求后，它开始拆任务、写代码、搭 3D 场景、做交互，再根据运行结果继续修改。最后就是视频里的东西。 3D 人体模型、施救位置、操作步骤、动作演示都有，整个页面也可以直接操作和交互。而一个完整的 3D 网页，恰好把 Agent 面对的另一类问题暴露了出来。今天能力比较强的模型接上 Coding、搜索、文件系统和运行环境，都能完成相当复杂的任务。真正难的，正在从能不能做，变成能不能稳定地做完。一个复杂任务可能涉及几十甚至上百步操作。前面查到的信息能不能被后面的步骤正确使用，代码报错后能不能恢复，工具返回意外结果会不会把整个任务带偏，最后的产物有没有经过独立验证。任何一步出问题，都可能沿着任务链一路放大。单步能力越来越强之后，长链路里的错误累积、状态保持和结果验证，反而变得越来越重要。这也是 Atria Dawn Preview 比较强调 Harness、环境和 Verifiable Experience 的原因。模型负责理解、推理和行动，Harness 负责维持目标、状态、上下文和错误恢复，环境则提供真实反馈和验证依据。这套思路关注的已经不只是模型单次回答有多聪明。而是把模型放进一个真实任务里，它能连续干多久，出错之后能不能拉回来，最后交付的结果又能不能被验证。模型能力决定单步能走多聪明。 Agent 系统决定这些聪明的单步，能不能最终连成一个可靠的结果。现在模型的单步能力已经卷得很高了。 AI下一阶段真正值得看的，可能就是谁能把这些能力稳定地串起来。

卧槽，最近发现一个强的有点离谱的 AI 团队。 96人的团队约 2/3 的研发成员是在校学生，博士、硕士、本科生都有，来自复旦、中科院软件所、中科院自动化所、人大、哈工大、华东师大等高校。本来以为又是什么学生创业项目，结果顺着他们做的东西看下去，发现不太对劲。他们做了一个 Agent 模型，叫 Atria Dawn Preview Atria ASI。官网放出来的 Demo 一个比一个猛。有科研和深度研究，有完整的软件项目，有交互作品和游戏，还有 3D 建模、CAD 机械结构。重点不是让模型生成一张图或者一段代码。而是让模型在一个真实环境里持续推进任务。 Atria Dawn Preview 面向科研、开发和专业工作，可以往下推进资料检索、写代码、调用工具、运行实验，再根据真实结果继续修改。代码能不能跑，文件有没有生成，结果是否符合要求，也可以通过外部工具和环境继续验证。看了一圈，我也拿了用它跑了个任务，因为之前9 月 12 日是世界急救日。我就让它做一个 3D 海姆立克急救法互动学习页面。就用大白话描述需求后，它开始拆任务、写代码、搭 3D 场景、做交互，再根据运行结果继续修改。最后就是视频里的东西。 3D 人体模型、施救位置、操作步骤、动作演示都有，整个页面也可以直接操作和交互。而一个完整的 3D 网页，恰好把 Agent 面对的另一类问题暴露了出来。今天能力比较强的模型接上 Coding、搜索、文件系统和运行环境，都能完成相当复杂的任务。真正难的，正在从能不能做，变成能不能稳定地做完。一个复杂任务可能涉及几十甚至上百步操作。前面查到的信息能不能被后面的步骤正确使用，代码报错后能不能恢复，工具返回意外结果会不会把整个任务带偏，最后的产物有没有经过独立验证。任何一步出问题，都可能沿着任务链一路放大。单步能力越来越强之后，长链路里的错误累积、状态保持和结果验证，反而变得越来越重要。这也是 Atria Dawn Preview 比较强调 Harness、环境和 Verifiable Experience 的原因。模型负责理解、推理和行动，Harness 负责维持目标、状态、上下文和错误恢复，环境则提供真实反馈和验证依据。这套思路关注的已经不只是模型单次回答有多聪明。而是把模型放进一个真实任务里，它能连续干多久，出错之后能不能拉回来，最后交付的结果又能不能被验证。模型能力决定单步能走多聪明。 Agent 系统决定这些聪明的单步，能不能最终连成一个可靠的结果。现在模型的单步能力已经卷得很高了。 AI下一阶段真正值得看的，可能就是谁能把这些能力稳定地串起来。

李岳

31,475 görüntüleme • 12 gün önce

最近深度使用了一下 Kimi 3，所以对这个模型的真实编程能力有一定的发言权，正好有做一个录屏软件的需求，之前也说过市面上现在有很多，但是我想按照我的需求深度自定义一个，用来测试一下 Kimi3 的实力，因为这个 case 还是比较复杂的，React UI界面，Rust 核心以及Swift bridge，录制可靠性以及复杂的编辑和交互等等。在使用过程中还是挺惊艳的的，从出 plans，到执行，再到自动化验收，启动数个 sub agents，完成平行任务，几个大任务多 agent 并行连续执行了 5 - 6 个小时，1M 的上下文非常够用，300多个自动化测试，整个过程我就是在交互指导和验收过程中进行过几次微调。最终按照 plan 实现了几个关键功能的 demo，录入屏幕，摄像头和音频，可以自动记录点击和输入事件，可以实现自动 zoom，可以实现导出不同的尺寸，不同画框的尺寸拖拽，可以支持多种背景，纯色渐变和系统壁纸，虽然现在 UI 还没有打磨，但是基本功能都实现了。如果对比一下的话，整体感觉差不多是 Opus 4.8 和 5.5 持平，部分场景有些 5.6 Sol 的感觉，我之后应该会长期使用一下持续关注效果。

最近深度使用了一下 Kimi 3，所以对这个模型的真实编程能力有一定的发言权，正好有做一个录屏软件的需求，之前也说过市面上现在有很多，但是我想按照我的需求深度自定义一个，用来测试一下 Kimi3 的实力，因为这个 case 还是比较复杂的，React UI界面，Rust 核心以及Swift bridge，录制可靠性以及复杂的编辑和交互等等。在使用过程中还是挺惊艳的的，从出 plans，到执行，再到自动化验收，启动数个 sub agents，完成平行任务，几个大任务多 agent 并行连续执行了 5 - 6 个小时，1M 的上下文非常够用，300多个自动化测试，整个过程我就是在交互指导和验收过程中进行过几次微调。最终按照 plan 实现了几个关键功能的 demo，录入屏幕，摄像头和音频，可以自动记录点击和输入事件，可以实现自动 zoom，可以实现导出不同的尺寸，不同画框的尺寸拖拽，可以支持多种背景，纯色渐变和系统壁纸，虽然现在 UI 还没有打磨，但是基本功能都实现了。如果对比一下的话，整体感觉差不多是 Opus 4.8 和 5.5 持平，部分场景有些 5.6 Sol 的感觉，我之后应该会长期使用一下持续关注效果。

Viking

29,355 görüntüleme • 2 ay önce

从中国访问一圈回来的德国总理，在党内集会上讲话表示，每个人都可能会说，我已经做了很多了。但如果你去中国看看，你们就会发现，如果实行所谓的工作与生活平衡，以及每周四天工作制，我国的长期繁荣是无法维持的。我们需要再更努力一些。

从中国访问一圈回来的德国总理，在党内集会上讲话表示，每个人都可能会说，我已经做了很多了。但如果你去中国看看，你们就会发现，如果实行所谓的工作与生活平衡，以及每周四天工作制，我国的长期繁荣是无法维持的。我们需要再更努力一些。

AB Kuai.Dong

83,852 görüntüleme • 7 ay önce

Google 的又一个实验性产品：Learn About 真的很好用感觉可以复制NotebookLM的成功和别的聊天机器人不一样，转为学习和了解知识所打造所以完全以保证信息真实为前提，你可以通过它来深入学习任何领域的知识内容。它会自动帮你获取知识并进行拓展，让你更全面的快速学习。展现形式也很直观，具体看测试视频！现在还是测试阶段，只能美国访问，要想尝试需要把VPN节点切换到美国，全局模式。访问链接：

Google 的又一个实验性产品：Learn About 真的很好用感觉可以复制NotebookLM的成功和别的聊天机器人不一样，转为学习和了解知识所打造所以完全以保证信息真实为前提，你可以通过它来深入学习任何领域的知识内容。它会自动帮你获取知识并进行拓展，让你更全面的快速学习。展现形式也很直观，具体看测试视频！现在还是测试阶段，只能美国访问，要想尝试需要把VPN节点切换到美国，全局模式。访问链接：

小互

68,666 görüntüleme • 1 yıl önce