Claude Skills彻底火了，真的比 MCP 简单太多了。
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~Claude Skills在中文社区彻底火了（仅中文社区）。Anthropic 10月底推出这个功能，12月底爆发。原因很具体，它解决了一个很真实的
阅读全文2025：在参差不齐的智力中，重塑世界 最近很多大佬的年度总结都出来了，比如 karpahty ... ，结合最近的思考，基本都是围绕几个关键变化。 karpathy 说， 我们不是在培养一个持续进化的动物，而是在召唤幽灵。 1. 从scaling到RLVR 今年最大的变数是RLVR，可验证奖励的强化学习 。 以前靠pre-training堆知识，现在靠test time compute 换智商。 通过在数学、代码... 可验证下的强化学习，模型学会了思考。 2.智力参差不齐 现在的模型是jagged intelligence。 即知晓万物，又会被简单的越狱策略骗到。 通用的benchmark越来越不可信，都在针对考试刷题。真实落地的关键，不是榜单第一。 而是需要mid-train，post-train，让模型在真实业务中快速对齐长尾能力。 3.vibe coding & Agent agent是从learning到doing的跳跃。 vibe coding，让代码免费、易用的一个东西了。 claude code给agent指了一条新路：Localhost。openai想在云端搞swarm。 但现实，Agent最好的归宿不是云端，而是在你的电脑里，操作你的环境，碰你的数据。 这才是最具体感的AGI。 4.应用的第一性原理 Cursor的崛起展示了新的应用层：Orchestration。 AI 应用的本质不是做一个新 App，而是替代工种。 要么旧软件AI化，要么创造AI员工。如果一个AI产品不能帮人干活，不能产生实际价值，它就没有生命力。 领域大模型，长期看是个伪命题。本质是想用know-how构建护城河，不想向AI巨头认输。 但最终，领域数据和流程最终都会汇入主模型。 5.下一步：在线学习与记忆 现在的模型最大的痛点是记性和进化 。人类记忆分层（短期、中期、长期），模型也得跟上（Context、RAG、参数）。 更重要的是在线学习（Online Learning）。 模型得有自我评估的能力，知道自己错了，然后自我迭代，而不是每次都回炉重造。 最后： 2026 年会怎样？ 多模态可能会让 GUI 消失，模型直接生成界面。具身智能还在等着数据规模的爆发。 但有一点是确定的：路还很长。
2025：在参差不齐的智力中，重塑世界 最近很多大佬的年度总结都出来了，比如 karpahty ... ，结合最近的思考，基本都是围绕几个关键变化。 karpathy 说， 我们不是在培养一个持续
阅读全文总是收藏从未停止，学习从未开始?这个提升效率100%的免费工具太适合你
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~这段时间，除了Gemini外，飞书多维表格的这个AI功能，已经成为我做内容最高频使用的工具了。👉 模板链接：https://xurl.run/Ze9
阅读全文170次搜索+50次反思：用GLM-4.7盘点2025 Agent行业趋势，结果太震撼！
170+次搜索，50次反思，100多家企业的详细信息。这是昨天晚上，我给智谱新开源的GLM-4.7布置的一个任务，深度调研过去一年Agent哪些行业/企业赚到钱了（通过融资来筛选），第二天，它给我的答
阅读全文Agent元年结束，智能体反而不火了，从飞书、钉钉AI、企微，看AI落地姿势。
今年3月，Manus刷屏了。全球首款通用AI智能体，能自己上网、自己写代码、自己交付完整任务。当时所有人都在说，Agent元年来了，通用智能体要颠覆一切。但是25年要过去了，大家发现没有？聊通用智能体
阅读全文智谱、MiniMax 都在IPO，争夺 全球大模型第一股，你们怎么看？ 再不上市，就来不及了， “六小虎”的故事，正在变成“美腾米字巴”。 六小虎已经变成流浪猫。 > 内容转载@Trisimo崔思莫 五大厂，个个都自带干粮，如狼似虎，不仅有卖模的野心，还有做云计算的野心。 云计算是连环套生意。卖模型，卖数据，卖SaaS，还能租卡，卖卡… 对于大厂来说，这笔账是立体的，如果卖模没有利润，利润可以从其他板块中来，大厂有更多方式进行平账。 现在卖模的生意可以分为： to C（消费者）没有超级入口，或者无法把Chatbot打造成超级入口，就是个赔钱玩意儿。 to B（政企）这种单子需要专门的团队伺候，维护难度很大，最后一算账，可能赔本刷存在感。 to D （开发者）这是目前的黄金生意，来钱事少，但这也是每家都盯着地盘。SWE-bench/ Pro，已经快被刷烂了。 最近的模型小米MiMo V2 Flash，豆包1.8，就是专门来干to D市场的。（小米做了AI Studio，就没做APP，豆包也没更新to C端的体验，这些新模下场就直接抢黄金地盘。） 智谱和MiniMax，当前的重心也转移到了to D，但很明显，没有独特的优势。 不仅没有护城河，甚至可以说，自己可能才是攻城一方，你要趟别家的护城河，这对Startup就有点尴尬了。一旦大厂发动极限价格战，Startup可能颗粒无收，赔本陪跑。 要成为Anthropic，这种Google都啃不动角色哪有那么容易，这个难度和成为OpenAI几乎是等量的。——不仅要好，还要好到大厂望尘莫及。所以，IPO，可能是唯一出路了。 趁着还有故事可讲，赶紧上市，拿到粮草，才有可能在这场持久战中活下来。
智谱、MiniMax 都在IPO，争夺 全球大模型第一股，你们怎么看？ 再不上市，就来不及了， “六小虎”的故事，正在变成“美腾米字巴”。 六小虎已经变成流浪猫。 > 内容转载@Trisim
阅读全文25年用智能体发顶会可太容易了！
看到网友说：“AI智能体在2025年注定失败？”好像还真不是危言耸听。CMU最新研究显示，即便是Claude Sonnet 3.5这类顶尖模型驱动的智能体，在真实任务中的完成率也仅24%，长对话的To
阅读全文价值十万，数字生命卡兹克的内容方法论，被AI化了？
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~今年3月份的时候，晚点对数字生命卡兹克做了一期访谈。卡神说自己做内容，80%的时间不是在写，是在找选题。为了提高效率，他开发了一套自动化系统，每天抓
阅读全文Langchain年终总结：调研1000人后，Agent最大的敌人终于浮出水面了
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~元旦了，Langchain的年末总结来了，调研了1000多位一线人士。结论很简单：Agent已经过了炒概念的阶段，大家在意的不是要不要做，而是怎么做
阅读全文国产Agent第一股要来了？但官网都打不开，什么妖魔鬼怪？
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~早上起来刷到一个新闻，瞬间懵了~国内最大AI数字员工公司冲刺IPO！年入2.4亿，要做企业Agent第一股。数字员工这个词，在国内特别的火，甚至我之
阅读全文n8n、扣子太难用了，Vibe Workflow 才是更大众的解
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~有个很有意思的AI产品，朱啸虎投了，种子轮数百万美金，高瓴也跟了。上周似乎投了一大波流？很多自媒体都在发体验，我上半年就玩过了，体验还不错，还是开源
阅读全文从大模型到多模态，图文混排Agent彻底起飞~
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~上周是智谱的多模态开源周，从GLM 4.6v到Autoglm...看到官方的博客，第一眼比较吸引我的，不是模型本身，是他们给的一个使用场景 - 图文
阅读全文我逆向了ChatGPT的Memory系统，发现它比想象中简单太多了 ChatGPT的Memory多好用不多说了，昨天，有个国外的老哥逆向了一波，发现了它由4层架构构成。 没有向量数据库，没有对历史对话做RAG检索。出乎意外的简单~ ChatGPT的上下文结构。一共由6部分构成。 前2部分是一些高级指令，如system prompt，instrucions。接下来4部分是Memory的核心。四层架构：会话元数据、长期用户记忆、最近对话摘要、当前对话窗口。 最后一部分是最后一条消息。 第一层：会话元数据 每次开启会话时，系统会注入一次性的环境信息，包括设备类型、浏览器、大致位置、订阅等级、使用习惯等。 包括你用深色模式还是浅色模式，屏幕尺寸多大。 这些信息帮助模型适配你的环境，但会话结束就没了，不会永久存储。 第二层：用户记忆 这是真正的长期记忆。ChatGPT有专门的工具来存储和删除关于你的稳定事实。 在我这里，模型存了33条，包括名字、年龄、职业目标、当前项目、学习方向等。 但这些不是猜测的，只有两种情况会存储：你明确说 记住这个 ，或者模型检测到符合条件的事实且你没反对。 想增删？直接说 记住xxx 或 删除xxx 就行。 第三层：最近对话摘要 这部分比较意外。大多数人应该会觉着他们会用RAG检索所有历史对话，其实它用的是轻量摘要。 格式大概是：时间戳 + 对话标题 + 用户消息片段。 只总结你说的话，不包括助手回复。大约保留15条左右。 这给了ChatGPT跨对话的连续感，但不需要拉取完整历史。 传统RAG需要嵌入每条消息、做相似度搜索、拉取完整上下文，延迟和成本都高。 ChatGPT的做法是预计算轻量摘要直接注入，用精度换速度。 第四层：当前对话窗口 这是当前会话的滑动窗口，包含完整对话历史（非摘要）。 具体token限制没问出来，但确认了：基于token数而非消息数计算，超出后旧消息滚动淘汰，但记忆事实和对话摘要始终保留。 在发消息的时候，会话元数据给环境上下文，用户记忆确保回复符合你的背景偏好，对话摘要提供跨对话的兴趣图谱，当前窗口维持会话内的连贯性。 当上下文紧张时，旧消息滚出，但核心记忆始终在。 详细细节可以在这里看到：https://manthanguptaa.in/posts/chatgpt_memory/
我逆向了ChatGPT的Memory系统，发现它比想象中简单太多了 ChatGPT的Memory多好用不多说了，昨天，有个国外的老哥逆向了一波，发现了它由4层架构构成。 没有向量数据库，没有对历史
阅读全文硅谷用开源模型做闭源，阿里千问杀疯了！
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~今天，彭博社爆料，Meta将在明年春季发布牛油果大模型。并且这个闭源模型，是从开源模型中蒸馏来的，其中就包含了千问模型。我们可以很清晰的看到，一个新
阅读全文Anthropic复盘了Agent元年，下半场别再造Agent了。
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~Anthropic 分享了一些最新的insight。一个暴论：别再造 Agent 了，开始造 Skills 吧。早期的时候，他们发现，不同领域的 A
阅读全文智谱AutoGLM开源了，但手机Agent的真正战场才刚开始。 他们的GUI Agent，是怎么应对豆包手机被各大APP封杀的问题呢？ 首先，值得说的是，他们开源的是完整解决方案，模型MIT协议，代码Apache-2.0，50+中文App适配，Phone Use 能力框架与工具链，拿来就能用。 前几天，豆包手机太火了，陆续被各种APP封杀。 说白了，大家都觉得你用AI Agent操作我的App，不安全，不合规，管你是什么大模型，先封了再说。 从技术上讲，GUI Agent和群控软件是两码事。群控是几百台手机批量执行死命令，做流量造假； GUI Agent是让大模型看屏幕，理解意图，模拟真人操作。谁会用大模型token去做群控？太贵了。 但微信不管这些。它的逻辑是：非人操作特征相似，宁可错杀，不放过。 问题来了：我花钱买的手机，我注册的账号，我有权利授权我的 电子助理 帮我操作吗？ 现实中我让别人帮我回微信没问题，换成AI就不行了？ 操作系统本应是App的宿主，但超级App已经长成了国中之国，大到可以反过来要挟OS。 为什么Agent非要走模拟点击这条路？因为App的大门紧锁。 各家都把用户圈在自己的围墙花园里，美团不会开放API让你比价饿了么，淘宝不会让你跨平台一键下单。这等于把流量分发权拱手让人。 所以OS级的Agent想要跨应用服务用户，无路可走。 那AutoGLM怎么做的呢？ 云手机+主动放弃微信等敏感App。数据隔离，先把能做的做好。 这并没有解决根本问题，现阶段可能根本无解。 可能要等到行业被逼出一个标准，等到A2A协议落地。未来也许是这样，各家App内置Sub-Agent接口，OS Agent当总指挥，App Agent当执行者，走标准协议互通。 不需要模拟点击，安全可控合规。 苹果其实早就搞了App Intents想干这事，但Siri太拉，生态跟着荒废了。 回到AutoGLM开源这件事。 智谱说，这件事只在一家公司做是不够的。Agent的爆发，需要所有人一起参与。更重要的是，隐私和控制权要留在使用方这边。通过开源和私有化部署，企业可以在自己的环境里掌控一切。 这才是开源的意义：技术向生态开放，数据留在用户手里。 github.com/zai-org/Open-AutoGLM
智谱AutoGLM开源了，但手机Agent的真正战场才刚开始。 他们的GUI Agent，是怎么应对豆包手机被各大APP封杀的问题呢？ 首先，值得说的是，他们开源的是完整解决方案，模型MIT协议，
阅读全文苹果年度APP出炉。 整体AI味儿有点浓。 不是为了AI而AI，用AI解决了一个具体的、真实的问题成了年度标配。 iPhone年度应用Tiimo，一个给ADHD人群用的AI规划工具。 【ADHD: 注意缺陷多动障碍，是一种神经发展障碍。主要表现为注意力无法持久集中、过度活跃和情绪易冲动等。】 比如给他说，收拾房间，它把任务拆成一步步的小目标，还预估每步要多久。 给他说 我要准备面试，它帮你列出具体要做的事，按优先级排好。 区别于各种通用Agent，它不是帮我们做事情，是帮这类人群，不知道从哪开始 变成 下一步做什么。对ADHD来说，这一步非常的难。 付费用户50万，年收入1390万美元。 iPad年度应用Detail，AI视频编辑工具。核心功能是一键生成短视频片段，AI自动找到视频里最有趣的部分，帮你剪好。 苹果的评价是 民主化了视频制作流程。说人话就是：让不会剪辑的人也能做出能看的内容，非常的迎合短视频、直播时代。 Mac年度应用Essayist，处理论文格式的，适合学生群体，自动完成论文排版、图标、共识、脚注等等。 Apple Watch年度应用Strava，老牌APP了，这次主打的智能是，可以把心率、配速、海报这些整理出人话。 告诉你这次跑得怎么样，哪里可以改进。分析音乐和天气对你运动表现的影响等等。 Strava去年营收3.38亿美元，月活快5000万。AI只是锦上添花，但这个花加得很有意思。 文化影响力奖给了Be My Eyes，给视障人群用的应用。 拍张照，AI告诉你照片里是什么。能识别物体、读标签、描述场景。配合全球几百万志愿者，AI解决不了的问题，真人来帮忙。 中国区入围的有一个拿了苹果设计奖。叫CapWords，对着东西拍照，AI识别后生成词汇贴纸，所见即所学。 支持英语、日语、法语、粤语等。 可以很明显的看到一点，到今天，ChatGPT，3岁了。 AI已经不再是产品卖点，赚钱最多的，往往不是AI功能最炫的，而是把AI用得最 刚好的。
苹果年度APP出炉。 整体AI味儿有点浓。 不是为了AI而AI，用AI解决了一个具体的、真实的问题成了年度标配。 iPhone年度应用Tiimo，一个给ADHD人群用的AI规划工具。 【ADHD
阅读全文年终总结，通用Agent在企业落地，为什么这么难？到底要怎么做？
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~之前咱们分享过，Gartner预测，到2027年底，超过40%的Agentic AI项目将被取消。为什么很多在Demo阶段表现很惊艳，到企业实践里就
阅读全文AI Agent在国内，可能真的不存在。 IT之家今天发了个有意思的资讯，豆包和中兴搞了个联名工程机，结果刚登微信，喜提账号冻结提醒。 https://www.ithome.com/0/902/076.htm @布鲁卡 介绍了这个事情的来龙去脉： 任何试图通过自然语言 模拟点击方式操作微信的，都是高压线。微信在这件事情上非常抵触，所以各厂商即便有这个能力，也都下掉了。 现在的情况是，豆包手机助手涉及微信的操作直接显示 任务失败，明确告诉你不支持微信操作。 也就是说，你想让AI帮你发条消息，那是不可能的。 唯一解法？张小龙自己做？ 一个很现实的问题：海外的AI Agent玩的风生水起，各种浏览器自动化、手机操控、全流程代理，在国内呢？可能在很多应用里边，直接走不通。 安全和便利的博弈，在国内，安全永远赢。AI悄悄给你卡里的几块钱转走，是最容易被扯出来的借口。 但更深层的问题是，应用不可能开放权限让Agent来操作。不然很容易会被干成一个后台程序，这和被干死了没区别。 尤其像微信这种，承载了太多东西，通讯、支付、小程序、社交，它不可能甘心变成别人的基础设施。 所以说，移动端Agent在国内的落地，可能真的需要换一种思路。要么等wx自己做，要么换个App？但这基本不可能。 天下苦wx久矣，但也只能继续苦着。
AI Agent在国内，可能真的不存在。 IT之家今天发了个有意思的资讯，豆包和中兴搞了个联名工程机，结果刚登微信，喜提账号冻结提醒。 https://www.ithome.com/0/902/0
阅读全文Anthropic收购了Bun，Agent 时代，基础设施才是真正的护城河 Bun是一个零收入，720万月下载量，还有4年runway的开源项目。 Claude Code用的就是Bun的单文件可执行文件。Bun崩了，Claude Code就崩了。 这个事情还有个很有意思的地方， Bun 的创始人Jarred Sumner说, Bun 代码库里合并PR最多的用户，是一个 Claude Code 的 bot。 这个bot能自己修 bug、开 PR、写测试、回复 review 评论，完成整个开发流程。Jarred 说这大概领先行业几个月。 当大部分代码由 Agent 生成时，基础设施层会变得比以往任何时候都重要。 原因很简单： Agent 写代码比人快，一分钟可能跑几十个版本的构建-测试-部署循环，运行时不快就是瓶颈。 Agent 的分发需要极致简洁，Bun 的单文件可执行文件正好解决这个问题。编译成一个二进制，用户不用装 Bun 也不用装 Node，直接跑。 上下文窗口寸土寸金，运行环境越可预测、启动越快、输出越干净，Agent 的推理质量就越高。 Claude Code、FactoryAI、OpenCode 这些 AI 工具都在用 Bun 构建。 为什么现在不流行云托管了呢？ 以前投资人问怎么赚钱，标准答案是以后做云托管。 Bun选了第三条路：成为 AI 基础设施的一部分，而不是独立商业产品。 这其实是一种新的开源商业模式。直接让大厂买单。用户也不用担心这项目会不会黄。 Anthropic+Bun 的组合，有点像 Google Chrome + V8、Safari + JavaScriptCore 的关系，但会保持更大的独立性。 最后 Bun 开源不变、MIT 许可不变、原团队继续维护。对普通用户来说，该用继续用，甚至可以更放心用了。 这些都预示着。下一波aI的战场，正从模型下沉到基础设施。
Anthropic收购了Bun，Agent 时代，基础设施才是真正的护城河 Bun是一个零收入，720万月下载量，还有4年runway的开源项目。 Claude Code用的就是Bun的单文件可执
阅读全文DeepSeek开源，Agent能力大升级，剧透2026！
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~DeepSeek 昨晚更新并开源了 V3.2 正式版，同时带来了长思考增强版 V3.2-Speciale。这次更新最大的亮点在于 Agent 能力的
阅读全文为什么所有Memory项目都说自己是SOTA？ 如何让AI记住过去，从而理解未来？ Memory System 似乎变成了一个新的爆发赛道。 最近有很多项目在横评这些系统，今天简单点评梳理一下。 Mem0是 2024年火起来的一个项目。 它的方案也很简单，自动抽取、自动存储，几行代码就能让AI 变得有记忆。但问题也明显：过度抽取、容易漂移、长期一致性差。 它的核心贡献在于，让世界认识了AI记忆，但不是下一代Agent的基础。 Zep是第一个把记忆做成服务的系统，时序图谱、Docker部署、权限体系，企业级可用。而且在很多横评里边，比官方的数据更好，说明整体在持续迭代。 它的定位是 AI的数据层，稳健，但不是大脑层。 MemOS走的是另一条路，记忆本身也应该是可学习的结构。张量化记忆单元，很有研究气质，但系统较重，不适合轻量场景。 MemU把记忆组织成树，层级分类、动态扩展。在用户画像这类结构化任务上表现不错，但开放域推理不足。 有个问题是外部横评分数远低于官方报告，差距是这几家里最大的。 EverMemOS是最晚亮相的，但技术体系最完整。仿生四层架构，按主题而非token切分记忆，快速召回+深度推理。开源版分数92.3%，是唯一在综合得分上超越LLM Full-context的记忆系统。 一句话总结一下：EverMemOS是集大成者，Zep是企业级稳定标杆，MemOS在探索前沿，MemU专注结构化，Mem0完成了早期概念验证。 如果说模型代表推理，工具代表行动，那么记忆就代表身份、历史、偏好。没有记忆的AI，只能像失忆症患者一样依赖上下文。 这场关于记忆的竞争才刚刚开始。 可以在下面地址看到各种评测： https://github.com/EverMind-AI/EverMemOS/tree/main/evaluation https://huggingface.co/datasets/MemTensor/MemOS_eval_result
为什么所有Memory项目都说自己是SOTA？ 如何让AI记住过去，从而理解未来？ Memory System 似乎变成了一个新的爆发赛道。 最近有很多项目在横评这些系统，今天简单点评梳理一下。
阅读全文Agent爆发！一文搞懂智能体所有本质问题
前几天刷到条有意思的视频，“AI智能体在2025年注定失败？”看完才发现，还真不是危言耸听。CMU最新研究显示，即便是Claude Sonnet 3.5这类顶尖模型驱动的智能体，在真实任务中的完成率也
阅读全文Anthropic又承认了，跨上下文窗口工作，Agent还是个弟弟。 Agent做复杂任务，一个对话窗口搞不定怎么办？ Anthropic又提供了一个解决方案~ 目前常见有2种翻车姿势，第一种是贪心，想一口气把所有功能全写完，结果上下文爆了，代码写一半人没了。下一个Agent接手的时候，看着一堆残缺代码，只能靠猜。 第二种更离谱，Agent看了看项目，发现已经有一些功能了，直接宣布大功告成，收工。 解决方案很简单，模仿人的工作方式。 一个两阶段系统： 第一阶段是初始化Agent，只干一件事，把环境搭好。写个init.sh脚本、建个进度文件claude-progress.txt，做第一次git commit。 相当于做一个项目启动会，把需求拆成200多个小功能点，全部标记为 未完成。 第二阶段是干活Agent，每次只做一件事。每个Agent上来先读进度文件和git log，搞清楚现在做到哪了，然后挑一个没做的功能开干。 干完了必须写commit、更新进度文件，保证下一个Agent接手时不抓瞎。 核心在于，让每个Agent都能快速理解项目状态。 有一个细节很有意思。他们发现Agent特别喜欢 自我感觉良好，代码写完就觉得完事了，根本不测。 解决办法是给Agent配个Puppeteer，强制它像真人一样去浏览器里点点点，跑端到端测试。这一招下去，bug发现率直接上来了。 但也有翻车的时候，比如浏览器的alert弹窗，Puppeteer抓不到，Agent就看不见，这些功能就容易出bug。 博客地址：https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents 另外，其实3天前，他们也发了一篇关于ToolUse优化的文章：https://www.anthropic.com/engineering/advanced-tool-use 3板斧 Tool Search Tool， 让模型可以按需搜索。 Programmatic Tool Calling， 让模型从调用api，变成自己写代码处理数据。 Tool Use Examples， 多给一些few shot的工具使用例子。 A社的每一篇博客，其实都在试图把Agent从玄学变成工程学~
Anthropic又承认了，跨上下文窗口工作，Agent还是个弟弟。 Agent做复杂任务，一个对话窗口搞不定怎么办？ Anthropic又提供了一个解决方案~ 目前常见有2种翻车姿势，第一种是贪
阅读全文Ilya 最新访谈，预训练时代终结后，AI行业来到了哪里？
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~llya Sutskever 终于露面了，而且是一场 90 多分钟的深度访谈！达瓦卡什太牛逼了，今年采访到了Rich Sutton，Karpathy
阅读全文一句话做电商套图，提效100倍，这可能是今年最成功的电商垂域Agent了！
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~这几天 Nano Banana Pro太刷屏了。模型即产品已经成了大多数人的共识。但是，其实想让模型做好一个垂域场景，SOTA模型其实只是一个半成品
阅读全文4天100万下载，这个移动端Agent直接给谷歌偷家了。
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~这几天，蚂蚁的灵光真是杀疯了，作为行业首个全模态助手。用了灵光一现，这个名字，真的很妙，离普通人真的非常的近。市场对这个新概念非常买单，上线24小时
阅读全文Nano Banana Pro 好玩。 这几天，奥特曼的日子可能不太好过，专业角度客观分析一下Gemini3 和 Nano Banana Pro。 先说 Nano Banana Pro 把，生成的图好看是基本，分辨率4K。 但这玩意他是一个披着画画的推理模型。 画之前，会先思考。 比如说物理模拟，光从哪来，影子怎么投，人物动作。 已经不是过去靠概率拼像素的时代了，先预演，在把照片拍给你。 所以我们可以看到了，各种，完美处理多格漫画， 非常的连续，把气泡里的英文翻译成中文，还能完美地填回去。 还有一个被所有人低估的一个功能， Grounding with Search。 说白了，就是可以先搜索，把实时的数据，放在预演里边。 谷歌本身掌握着全球最大的实时知识库（Search），又有最强多模态模型，还有硬件，这似乎有点恐怖，3季度巴菲特都开始买谷歌了。 从Gemini3 ，来看 Scaling law， 为什么这玩意又行了？ 从Gemini开发大佬的twitter说的，就是暴力 Scaling Up。Scaling Law 根本没失效，失效的只是你们数据不够了。 马斯克在搞grok wiki，就是因为xAI的数据太脏了，洗不出来。而Google有全球最庞大的高质量私有数据。 Gemini 3 Pro 在预训练和后训练阶段都拉满了 Scaling。虽然感觉复杂代码上似乎还比不上Anthropic，通用认知，世界模型，已经利用数据优势构筑了护城河。 Unseen, Unknown. 最后说个实用的。Nano Banana Pro 的 Prompt 逻辑也变了。 Google 的产品经理 Bea Alessio 给了一套公式： 主体 + 构图 + 动作 + 场景 + 风格 + 编辑指令 它允许你像剪辑视频一样，输入14张图，保持角色一致，然后随意调整光影、角度。 Google 在告诉世界：通往 AGI 的路，必须是原生多模态。 一个能看、能听、能查搜索、还能逻辑自洽的模型，才配叫 AGI。 这才是 AI Native 该有的样子。
Nano Banana Pro 好玩。 这几天，奥特曼的日子可能不太好过，专业角度客观分析一下Gemini3 和 Nano Banana Pro。 先说 Nano Banana Pro 把，生成的
阅读全文