搜索“视频”

映，没有结果。于是他让GPT写了一个程序，进入对方的任务，把它卡住或停掉，好让对方多占的资源被收回。前后大约十天，五次左右。 他说，除了那个实习生，其他人的实验他「绝对没有碰过」。他承认违纪，也承认浪费了大家的时间，但不接受「投毒」和「攻防」的说法。 节目上线当天，一个名为「受害者陈述与证据整理」的网页出现在GitHub上，中英双语。五个人实名作证，其中包括视频生成项目Goku的两位共同一作，以及另一个项目LlamaGen的第一作者。 按照他们的说法，破坏从2024年3月就开始了，比字节通报认定的时间早了三个月，一直持续到7月底。最早针对LlamaGen，往训练要用的文本编码器权重里掺了噪声。4月以后，字节加大视频生成的投入，目标转向Goku。 网页列出了从他个人目录里找到的文件。按网页的解释，训练模型，就是让它沿着误差变小的方向一步步走，他改了优化器，让模型朝误差变大的方向走。他把每一步的步子悄悄放大一倍，日志里的数值却一切正常，好比油门被踩深了，刹车也断了，仪表盘还显示匀速，显示一切正常。 数据本该按固定的顺序洗牌，出了问题可以原样重放、找出原因，他把洗牌的依据换成了当前时间，每次

匹配字段正文

8-be572afa7bd4","textAlign":"inherit","indent":0,"color":null,"background":null,"isHoverDragHandle":false},"content":[{"type":"text","marks":[{"type":"bold"}],"text":"生成模型多厂商管理与图片/视频独立路由"},{"type":"text","text":" 打破了\"一个 Agent 只能绑一个模型\"的限制。火山方舟、百炼、MiniMax 等国内主流模型平台被纳入统一管理，图片生成和视频理解可以走独立路由——这意味着 Octop 不再只是一个文本对话助手，而是一个真正的多模态 Agent 中枢。"}]},{"type":"paragraph","attrs":{"id":"59747c3d-0053-45e3-a3d7-07472257d212","textAlign":"inherit","indent":0,"color":null,"background":null,"isHoverDragHandle":fal

匹配字段正文

，付费价值感存疑。有用户在豆包专业版内测群反馈：付费版与免费版差异不大、缺少个性化功能、体验不佳。如果付费用户感受不到明显的“升级感”，续费率恐怕不会好看。 再者，Token套餐的计价逻辑对普通消费者并不友好。同样是智谱118元档的10000积分，有用户能做完几个小项目，但也可能被某个复杂代码库一次性耗光。Token不是话费流量，流量用完了你知道自己刷了多少视频，Token烧完了你可能连“怎么烧的”都说不清楚。 这场“集体上架”最深远的意义，或许不在于多了一个销售渠道，而在于大模型厂商的身份认知正在发生根本性转变。过去，大模型公司是“技术厂牌”，靠参数、 benchmark、论文说话。如今，它们正在努力变成“消费品牌”，靠用户体验、口碑、复购率吃饭。 中信建投证券在2026年7月发布研报测算，中国通用办公Agent付费市场未来3至5年进入成熟阶段后，市场中枢约每年390亿元。谁能把AI卖给更多普通“打工人”，谁就能分到这块蛋糕。 当AI服务像话费一样被摆上电商货架，当Token成为可购买、可定价、可流通的数字商品，大模型行业的竞争维度正在被重新定义，从“谁的模型更强”到“谁能让更多人愿

匹配字段正文

医药研究促进会丨中医推拿特色技术临床应用系列讲座 2026-10-16 14:00 1 福建省委书记赵龙在龙岩调研 13.2万; 2 郑钦文中网封后！2比0横扫安德列娃，创历史成首位本土女单冠军 12.5万; 3 从造房子到造一座城 解锁未来生活进化论 9.6万; 4 大中小学师生同跑，首师大“长征精神正青春”十公里跑举行 6.9万; 5 国际｜沙特机场遭袭新画面曝光，屋顶碎片砸落后旅客四散逃生 6.5万 CBA新赛季10月16日揭幕 设46轮常规赛 1分钟前; “十五五”时期北京将实施城际通勤效率提升工程 7分钟前; 国际丨实拍美国遭龙卷风袭击，一户宅院围栏被吹倒、碎片四散 16分钟前; 新闻8点见丨一只斑海豹，和围绕它的善意与生意；“拖鞋军”成中东狠角色 21分钟前; 鲸算π丨美国两位教授摘诺贝尔经济学奖，什么来头 24分钟前 视频｜创造历史！郑钦文中网夺冠; 视频｜郑钦文中网女单夺冠，颁奖礼唱响《神兵小将》主题曲; 新闻8点见丨郑钦文中网女单夺冠；北京彩叶观赏季来临; 事关肉制品、校园食品，中央政法委发文！这些行为将被从严查处; 从严查处危害食品安全违法犯罪提出哪些举措？权威解读

匹配字段正文

油污，物体摆放每天存在偏差，生产线还有自己的节拍。机器人进入现场以后，真正决定它能不能长期工作的，往往是训练场里很少出现的异常情况：抓取失败、突然遮挡、零件滑落、设备故障，以及失败后如何恢复。于是出现了一个看似反常的结果：一个数采中心完全可能生产了海量数据，模型能力的提升却很有限。 近期产业实践已经开始发生变化。集中式“样板间”之外，无本体数据采集、第一视角视频、仿真合成以及分布式真实场景采集都在快速发展。一些企业把采集设备直接放进家庭、办公室、零售和生产环境，让数据在真实活动中自然产生。还有平台选择1∶1复刻具体工位，机器人完成中试后再进入生产线，一旦现场出现问题，就将失败案例带回来重新训练。 数据行业因此开始出现一个重要的计价变化。过去卖的是“一小时数据”；未来客户更关心的可能是，数据让机器人的任务成功率提高了多少、人工介入减少多少、部署时间缩短多少。数据规模仍然重要，但能力增量取决于数据质量、任务覆盖、难例比例、与目标本体的匹配程度以及模型的评测结果。 这会让很多依靠“产能”讲故事的数采中心变得尴尬。一个年产100万小时数据的中心，如果数据高度重复、跨本体迁移困难，对模型提升有限

匹配字段正文

；今年9月，阿里巴巴旗下千问办公在云栖大会发布一系列企业级AI Agent产品，千问办公同步发布AI Agent随身助理QwenNote A2。 GoodVision AI CEO David Wang认为，2025至2026年是市场的分水岭。“过去企业做AI以试验、POC（概念验证）为主，2026年大量业务进入常态化运行，编程、生物数据处理、游戏AI角色、视频生成成为高消耗场景。”卖Token的生意在部分场景已经跑通商业闭环。 采访中，他也提到一个生物医药客户案例：过去1至2人用7天处理实验数据，引入Agent后压缩至10分钟，Token消耗仅个位数美元。不过，Token数量不等于业务价值和商业收入。David Wang直言：“客户买的不是Token数量，是业务任务完成结果。”通过路由优化减少无效调用和重试，Token消耗下降，任务价值反而在提升。 Token（词元）价值怎么算？据中国信通院发布《词元（Token）经济发展研究报告（2026年）》，不同应用场景的词元价值密度差异巨大，消费级场景属于流量消耗型，价值密度较低，典型如闲聊、娱乐问答等，仅需基础交互能力，价格约0.01美元/

匹配字段正文

拼价格、拼人力，如今比拼的是AI适配能力与智能化运营效率。今年双11的核心胜负手已然清晰：谁能熟练用好AI工具、适配 AI消费新生态，谁就能抢占大促增量、掌握行业主动权。 各大平台已经把这种用户侧的变化直接落地到大促商家工具当中。天猫上线AI作战室与升级版生意管家，可智能诊断货品短板、预判爆款趋势；抖音、快手推出全域AI投放与内容生成工具，助力商家批量产出短视频、直播素材；京东依托京麦AI经营中心，推动店铺运营、用户运维、流量匹配的全流程智能化升级。值得注意的是，多数平台的基础AI经营工具均面向商家免费开放，意在降低中小商家上手门槛，倒逼整体商家群体完成智能化转型。 最近的一次升级来自京东。9月23日，京东宣布升级京麦AI经营中心，整合超级助手、AI专家、全链路AI诊断、三方工具市场、商家自建工具五大模块，汇聚60余款AI工具，并支持商家自行搭建个性化工具。京东发布首批京麦AI专家团，商家用自然语言向AI专家提问即可完成批量处理、自动巡检、智能搭建等动作。 京东集团SEC副主席、京东集团CEO许冉今年首次披露，推动商家生态繁荣是京东的核心战略之一，在即将到来的京东11.11，京东将加大

匹配字段正文

el的看法则是：FDE要做的事，在AI之前就一直有人在做，以前叫管理咨询，也叫IT外包，只是这个词最近才火起来。 “至于这个词火不火，这就是一个互联网的传播学问题了。” 事实上，他和软萌孜神都不太在意自己是不是FDE。对外这么说，只是因为大家熟悉这个词。 “其实我不是特别喜欢别人说我是FDE，但是我又不得不这样。因为现在市场上，你就必须跟你的客户说AI FDE，大家才会去看。”软萌孜神说。 FDE三个字母，已经被塞入了太过丰富的含义。 软件开发、咨询服务、员工培训、系统对接、社群撮合……这些看似不同的工种，统统都可以跟FDE有关。 但不管哪种FDE，干的都是 把AI真正用进客户业务里、并为此去搞定人的活 。 过去，定制一套系统要一个团队；现在，代码几乎不要钱，一个人也能接单。 过去，难的是技术；现在，难的是人。 FDE之所以火，也正是因为技术变化来得太快：企业还没想清楚该怎么用，组织分工也来不及跟上，于是太多需要的能力，被一股脑押在了一个人身上。 就像那条很火的短视频结尾说的： “企业买SaaS买到的是软件，请咨询买到的是建议，找外包买到的是功能。 而找FDE，他们想买到的是一个人——

匹配字段正文

帖子发布，其更宏大的目标是让内容创作成为一个更持续、更自动化的过程，而不是用户必须坐下来从头规划的事情。 Tomo Tomo 面向 iMessage 的个人助理最大的不同之处在于，它不是一个只有你与之互动的私密助理，而是可以加入群组对话。 此外，与其他智能体一样，它旨在帮助实现目标、问责、日程安排和日常组织。它还能发送提醒、搜索网页、处理日历和电子邮件、观看视频以及编辑照片。 基础方案起价为每月 19.99 美元。 Town Town 更偏向职业生活场景。它为每位用户配备一名“Townie”——一个旨在了解用户工作方式并处理日常职业任务的 AI 助理。它可以对接电子邮件、日历、文档、Slack 及其他平台。 2026 年 6 月，该公司完成了由 Andreessen Horowitz 和 Forerunner 领投的 5500 万美元 A 轮融资。 Wajo Wajo 的首个消费者智能体 Fo 可以致电商家、发送邮件、加入群聊、完成预订和购物，并与他人协调以完成日常任务。 Wajo 方案的一个关键点是赋予 Fo 独立身份。该智能体拥有自己的电子邮箱地址、电话号码和支付卡，因此无需用户交

匹配字段正文

用户。用户规模越大，补贴规模越大。 Personal Agent短期内很难成为独立盈利的业务，它更像是大厂用主业利润补贴的战略性入口，创业公司若没有主业现金流兜底，将面临免费打不过Meta、收费没人用的困境。 图源：X账号 这个逻辑在中国同样成立，而且更严峻。淘宝通过推荐流和搜索广告卖商家的展示位，用户在页面上多停留一秒，就多一次曝光机会；抖音的兴趣电商靠短视频和直播创造冲动购买；微信的广告长在视频号和朋友圈的注意力里。 但个人Agent越好用，这些平台最赚钱的广告曝光就越不值钱，这导致国内大厂对个人Agent的态度，比Meta复杂得多。 Meta没有电商交易生态，Agent帮它从谷歌和亚马逊手里截获意图，增量大于蚕食。而中国大厂大多同时拥有广告业务和交易业务，Agent的增量和它蚕食的广告收入之间，需要仔细算笔账。 因此，Muse带来的最大影响，是让平台第一次意识到：Agent可能成为它们和用户之间的新中间层，这个中间层，比任何一家平台都更靠近用户的真实意图。 微信、淘宝、美团、抖音各自是独立的，数据不互通，API只对企业资质开放。“替个人办事的AI”这种身份在平台体系里根本不存在。

匹配字段正文

mputer Use 的看法是错的 + OpenAI 如何在一周内推出其 Jev 竞品 我们的 DevDay 报道——DevDay 阵容中的首期播客——与 OpenAI CUA 团队和 API 平台的负责人深入探讨。2026年9月30日 28 13 分享 文字记录 三个月前，Dwarkesh 一直在发布关于 RL 的精彩博客和节目，他为自己关于 RLVR 的视频论文发布了一个框架性问题，这让许多 Computer Use 领域的人感到不满： Dwarkesh Patel @dwarkesh sp 这里有一个我觉得既令人困惑又有趣的问题，它实际上告诉了我们很多关于当前 AI 进展本质的信息： 为什么 computer use 的进展如此缓慢？Computer use 显然是可验证的。 我认为答案是，仅仅一个领域可验证是不够的…… Dwarkesh Patel @dwarkesh sp 下一个训练范式会是什么样子？ 0:00:00 – 实验室正在下的大研究赌注 0:02:12 – 可打磨性与可验证性同样重要 0:06:10 – 仅靠 RLVR 能泛化吗？0:08:41 – 让学习回到权重中

匹配字段正文

126次转发 · 3.11万次点赞 “hands”（手）这一术语不仅是对 Cognition 等前沿编码智能体公司正在构建的本地/云端范式的类比，而且也与安全系统讨论特别相关，我们将在即将播出的一集中与 Anthropic 讨论这些内容，因为他们准备以负责任的 AI 部署来与前沿保持同步。 对于想在播客开头听到的 Thariq 写作技巧的人，请在此观看完整视频： Sarah Chieng @MilksandMatcha “技术写作彻底改变了我的人生。” - @trq212 在不到 2 年的时间里，Thariq（@AnthropicAI）破解了写出持续获得 100 万+ 浏览量的技术文章的密码。 在这个 15 分钟的研讨会中，他拆解了：→ 他确切的写作工作流 → 策略 … 下午6:06 · 2026年5月8日 · 27万次查看 44条回复 · 126次转发 · 1.65万次点赞 从 Claude Code 的迅速崛起到智能体能够重写自己的 harness、跨团队协作并在云端和本地环境中运行的未来，我们构建软件的方式正在以极快的速度改变。在本集中，Anthropic 的 Thariq S

匹配字段正文

CODE。快来加入我们！ 我们与今天嘉宾的关系非同寻常：自共同撰写 InstructGPT 论文以来的这些年里，Diogo Almeida 一直表示，可通过 API 获取的前沿模型走错了路——从对齐到拒答再到可靠性视角，全都如此——由于 ChatGPT 的巨大成功，我们抛弃了除自回归聊天微调 LLM 之外的所有模式。 在一段如今观看量约 4000 万次的发布视频中（相比之下，GPT4o 为 2200 万，Fable 5 为 1500 万，Navier Stokes 为 7400 万，6 Astra 为 1.37 亿），Diogo 介绍了 Jev，它随即席卷了 AI 时间线——我们将跳过完整的 Jev 讲解，因为你最喜欢的 AI 网红/教育者可能已经做过一期了。我们还收集了： 来自 Allie 的官方模式与 cookbook，你应该先看这些 Jev 用例 基于速度的——游戏与计算机使用 我们在 1 小时 34 分讨论的语音 + 计算机使用示例 短信中的引导式回复 Jev 用于编码代理有官方指南 jev 用于 linting 压缩工具调用 Theo 提出的合理反驳——Diogo 发表了一篇

匹配字段正文

对人工智能的发展步调达成明确协议，恐怕仍遥不可及。 她说：“较有可能透过双边协商处理的，大概是那些即使达成协议，也不须要验证执行情况或揭露商业机密的议题。” 她同时指出，“至于限制任何一方开发人工智能模型速度的措施，美中双方不太可能达成共识。” 人工智慧 技术新知 中国 中美关系 美国 跳过更多短片并继续 更多短片 你的器材不支持播放多媒体材料 02:54 视频 , 誰贏了特習會：習近平佔盡上風？ , 节目全长 2,54 00:57 视频 , 示威者聚集華府 抗議習近平訪美 , 节目全长 0,57 01:12 视频 , 特朗普和習近平白宮檢閱儀仗隊 , 节目全长 1,12 02:15 视频 , 美國民眾看習近平到訪：中美競賽誰領先？ , 节目全长 2,15 02:39 视频 , 習近平特朗普再會面可能聊什麼？ , 节目全长 2,39 00:37 视频 , 中國6歲女童兩度打破魔方紀錄 , 节目全长 0,37 00:55 视频 , 中國機器人舞團闖入《美國達人秀》決賽 , 节目全长 0,55 01:40 视频 , 蘋果地圖遮蔽中國的拘留中心 , 节目全长 1,40 02:08 视频 ,

匹配字段正文

数据中心里有一种诡异的低沉嗡鸣声。在那里，数以万计的晶片每秒进行数万亿次运算，推动着人工智能（artificial intelligence, AI；人工智慧）革命的车轮前进。 这些晶片为全球各地向先进人工智能模型发出的查询提供动力，生成文字、图像和视频。 它们的运算，本质上是构成晶片（芯片）的微型硅晶体管不断开合的过程，实际上是无声的。但与所有电脑一样，为这一过程提供动力的大量电力，几乎每一瓦最终都以热能的形式散出，而你听到的声音，正是数千台风扇缓慢运转的嗡鸣——它们的作用是防止热量烧毁成排的服务器机架。 视乎场地规模，你还可能听到变电站中输送电力的变压器发出的嗡嗡声。 图像来源， Getty Images 近日来，关于人类面临威胁的惊人警告甚嚣尘上，但真正引发反弹的却是这些低沉的嗡鸣声——这场反弹正在美国发酵，如今已威胁到其国会中期选举，并可能跨越大西洋蔓延至英国。 在美国，对数据中心的反对声音在政治左翼中最为公开。民主党参议员伯尼·桑德斯（Bernie Sanders）呼吁暂停一切新的数据中心建设。 桑德斯告诉我：“人们环顾四周，忧心忡忡——担心这项技术发展得有多快，担心自己对它

匹配字段正文

申我在 Kimi K3 一文中所说的：中国肯定也在关注这一领域，如果开放权重模型会扩散风险，他们就不会鼓励这类模型。如果我们认为阻止这些强大网络能力被广泛获取的办法是在这一量级上禁止开放模型，那我们只会推迟不可避免之事。最终会有人构建出这一智能水平的模型并不遵守禁令，让世界各地的恶意行为者获得访问权限，同时削弱准备防御措施的动机。 观看 Black Hat 视频时我立刻注意到的一点是，我能看到这些智能体如何通过它们的内部消息板试图互相帮助——像人类队友那样创建共享资源——其方式对社会而言显然是恶意的。这些智能体为彼此创建了隐藏论坛，作为一种跨 rollout 记忆。在这种情况下，它们这样做是为了试图突破自己的环境。表面上的乐于助人并不能使其变得正当，但可以成为了解所发生之事的一条线索。 上面这个乐于助人例子的另一面是，很明显，如果有人想这么做，只要明确训练一个错位模型，就能更容易地实现这一点。再强调一次，这会是让一个系统在推理时更容易被用来寻找漏洞，但我认为训练这样一个模型会更难。我认为这会比大多数评论者预期的耗时更长，因为迄今为止几乎所有强大的公开模型和数据产业都在鼓励对齐（而且不良

匹配字段正文

自动化在线自由职业项目的能力显著提升。具体而言，在“远程劳动指数”（Remote Labor Index）上，AI 系统的成功率从 2025 年 10 月发布时的 2.5% 上升到 2026 年 7 月的 16.1%。什么是 RLI：远程劳动指数以完全端到端的方式测试 AI 系统在线上执行有经济价值项目的能力。评估任务包括 3D 与 CAD、建筑、平面设计、视频与动画、音频、数据分析、Web 应用等。自动化程度上升：在 7 月的更新中，作者公布了对三个近期前沿模型的评估结果——GPT-5.5、Opus 4.8 和 Fable 5，分别取得 6.3%、8.3% 和 16.1%。“前沿在不到八个月内增长了三倍多，这是具有经济能力的 AI agent 进步速度的具体信号，”他们写道。任务类型：部分评估任务包括： 戒指设计：“重新制作客户现有的订婚戒指，将其祖母绿切割主石换成马眼形切割，交付更新后的 3D 模型以及逼真的玫瑰金和黄金渲染图。” 平面图与渲染图：“根据扫描的地籍图、现场照片和测量数据，制作一张干净的带尺寸标注的平面图、家具布局方案，以及重新设计的浴室的逼真渲染图。” 由高效人机协

匹配字段正文

在身处何处，以及我们可能走向何方。 指数级的进步很难直观呈现，所以我不打算用图表，而是从水獭说起。如果你关注过我关于AI的写作，就会知道我的“水獭测试”：我让各种AI图像模型生成一张“水獭在飞机上用WiFi”的图片。如下所示，从2022年（ChatGPT发布之年）到2025年，进展迅速且惊人。 那么，自2025年4月那张图之后又发生了什么？随着图像近乎完美，视频成了新的前沿，并且同样实现了指数级增长。为了演示，我给TikTok母公司字节跳动最先进（且尚未在美国发布）的AI视频模型输入了这样一个提示词：一部关于水獭如何看待Ethan Mollick的“水獭测试”的纪录片，该测试通过AI生成水獭坐在飞机上的图像的能力来评判AI。这是第一次生成的结果——一定要打开声音： 除了一处发音错误，这相当完美，甚至连水獭被赋予类人表情的动画都做到了。当然，视频模型很酷，但它们未必能代表有用的智能体式AI能做什么。那么，如果我们看看AI能力的基准测试，是否也能看到同样的指数曲线？ 在当今最著名的AI评测——METR长任务图表——中，我们确实看到了。它试图通过衡量AI能在一定可靠性下自主完成多少人类工作来

匹配字段正文

拟，文明兴衰更替，发展出自己的语言、文化和经济。每隔几分钟，我就会给 AI 提出另一个看似不可能的要求：确保这个世界有自己的板块构造和天气；追踪统治者的家族谱系；内置一个能戏剧化地总结事件的 AI，等等。每次改动后，AI 都会对结果进行试玩测试，并生成游戏的新版本。与以往的 vibe coding 体验不同，AI 从未卡住或原地打转，一切都很顺利。看看下面的视频。我确信它充满了称职的程序员会发现的种种问题，但你可以在这里下载结果（这部分也是 AI 处理的）。 这一切意味着什么？如果你是程序员，你应该已经在探索这些工具了。如果你与编程沾边（处理数据的学者、想尝试代码的设计师、任何想试着构建自己想象中事物的人），这就是你实验的时刻。但这里有一个更深层的要点：有了合适的 harness，如今的 AI 能够胜任真正、持续且确实重要的工作，而这反过来又开始改变我们处理任务的方式。 不出所料，这一切始于编程。AI 界最著名的程序员之一 Andrej Karpathy 最近发帖说：“作为一名程序员，我从未感到如此落后。这个职业正在被大幅重构，因为程序员贡献的比特越来越稀疏、越来越零散。我感觉，只要我

匹配字段正文