←搜索结果

按匹配度 · 共 1629 条结果 清除搜索

星期二

  1. Claude Code:GitHub Releases

    Claude Code v2.1.304 发布

    Claude Code v2.1.304 新增 `/auto-mode-setup` 引导式设置,可读取项目与近期会话让 auto mode 了解环境,并已支持 Bedrock、Vertex、Foundry、Claude apps gateway 及关闭遥测的会话。该版本还新增 `/claude-api managed-agents-secure`,用于对照 Anthropic 公开安全指南检查 Managed Agents 配置且不做任何改动。此外修复了 Linux 沙箱命令启动、`rm -r` 挂载盘安全提示、插件超出 `--max-turns` 继续运行等多项问题。

    ions] 修复了云会话中 composer 的 @ 列表里的文件夹不显示名称的问题;此前选中一个文件夹只会添加一个空格,而不是一个提及 - [Claude Tag] 修复了当频道在任务进行中被共享到多个 Enterprise Grid 工作区后,Claude 会在该线程中静默的问题;现在它会发布一条一次性提示,告知在新线程中 @ 提及它 - [Claude Tag] 修复了在线程外输入 @Claude !fork 得不到可见回复的问题;Claude 现在会向你显示一条私密提示,说明需要在线程内运行该命令 - [Code Review] 为 Code Review 新增了审查级别:所有者可为组织选择 Quick、Standard(默认)或 Deep,并可为单个仓库设置各自的级别 - [Code Review] 在 Code Review 管理设置中新增了一个选项,可审查 GitHub 组织中的每个仓库,包括之后新增的仓库,而无需逐个选择 - [Code Review] 修复了在管理员开启 Code Review 后的一两分钟内打开的拉取请求会被静默跳过的问题;现在它们会被重试并接受审查

    匹配字段正文

  2. NVIDIA:Newsroom

    NVIDIA 在 Jülich 超算中心完成 104 量子比特容错量子计算仿真

    NVIDIA 在德国于利希超级计算中心的 JUPITER 超算上完成 104 量子比特容错量子计算仿真,称这是迄今规模最大的容错量子处理器完整仿真。该仿真验证了 magic state cultivation 方法,所需物理量子比特比此前方法少 90%,并在真实噪声条件下运行。研究团队先在 NVAQC 的 GB200 NVL72 系统上开发方法,再扩展到 JUPITER 的 8192 块 GPU,使用 cuQuantum 和 CUDA-Q 完成计算。

    子计算系统规模的增长,仿真将变得日益重要和复杂。它还展示了加速计算集群(如NVAQC的集群)的实用性,使研究人员能够在借助世界级超级计算机进行最严苛的计算之前,开发和验证仿真方法。 仿真使用NVIDIA cuQuantum软件运行,以实现高度优化的性能和规模,同时利用NVIDIA CUDA-Q™平台的容错逻辑层来表达魔法态电路。 阅读关于JUPITER仿真的GitHub博客。 观看黄仁勋在GTC Berlin的主题演讲并探索相关会议。 关于NVIDIA NVIDIA(纳斯达克股票代码:NVDA)是人工智能和加速计算领域的全球领导者。 本新闻稿中的某些陈述,包括但不限于有关以下内容的陈述:对NVIDIA产品、服务和技术及其相关趋势和驱动因素的 growth、性能、可用性和收益的预期;对NVIDIA第三方安排(包括与其合作者和合作伙伴的安排)的预期;对技术发展及相关趋势和驱动因素的预期;预计的市场增长和趋势;对人工智能及相关行业的预期;以及其他非历史事实的陈述,均属于经修订的1933年《证券法》第27A条和经修订的1934年《证券交易法》第21E条所界定的前瞻性陈述,这些陈述受上述条款所创

    匹配字段正文

  3. AWS Machine Learning

    vLLM 双向 KV 传输如何改善多轮智能体工作负载的 TTFT

    vLLM 新增双向 KV 传输,让 decode 节点在后续轮次把已算好的 KV 缓存回传给 prefill 节点,避免重复计算对话历史。在 Amazon EC2 P5en 的 1P1D 部署上,该机制使 Qwen3-32B 的 TTFT 最高改善 1.6 倍、zai-org/GLM-5-FP8 最高改善 3.3 倍。该能力最初在 AWS Trainium 集群上验证并贡献给 vLLM,作为与加速器无关的特性,需配合 KV-cache-aware 路由器协调跨轮复用。

    Flow diagram contrasting the standard prefill-to-decode KV path (blue) with the bi-directional additions numbered one through six (red)

    V,(5) 当可复用 token 数量达到阈值时排队一次异步接收,并 (6) 在计算剩余后缀之前执行 D→P NIXL READ。 图 1:标准的预填充到解码流程(蓝色)以及双向 KV 传输的新增部分(红色) KV 缓存感知路由器 vLLM 在连接器侧包含对双向 KV 传输的支持,而跨对话轮次协调 KV 复用则需要具备 KV 缓存感知能力的路由器。vLLM GitHub 提供了一个 示例代理 ,它实现了本文所用的流程,可针对你的环境进行调整。 KV 缓存感知路由器是位于客户端、预填充节点和解码节点之间的轻量级有状态控制平面组件。它维护一个内存中的映射,从客户端提供的 conversation id 到解码节点的 kv transfer params路由器只存储块位置元数据,而不存储 KV 张量,并且它从响应流中获取该元数据,而不是单独查询解码节点。 下图展示了路由器如何在多轮对话中管理 KV 元数据。在第一轮中,缓存查找未命中,请求遵循标准的 P→D 流程。随后路由器从响应流中保存解码节点的元数据。在后续轮次中,路由器使用该元数据来检索 conversation id ,以便预填充节点

    匹配字段正文

  4. 钛媒体 · AGI

    AI攻克数学难题后,数学家为何集体抵制OpenAI

    陶哲轩等数学家从公开称赞AI转向联合抵制OpenAI,起因是OpenAI将千禧难题等数学问题当作benchmark刷,9月宣布拿下三维纳维-斯托克斯方程,10月一次性公开722篇模型生成的数学手稿。文章指出,这些手稿仅约42%完成Lean形式化验证,官方撤回3篇、修订14篇,数学家担忧出现证明的消化不良与知识崩塌。作者认为抵制并非全盘拒斥AI,而是主张改革评价体系、落实AI使用强制标注。

    一而再再而三三而不竭地在数学家们的痛点上蹦迪: 9月8日,OpenAI宣布,拿下七大千禧难题之一的三维纳维-斯托克斯方程。 10月6日,OpenAI一次性公开了722篇由其模型生成的数学手稿,涵盖372个成果系列,其中涉及准黎曼猜想、四维挂谷问题、唯一博弈猜想等长期悬而未决的著名难题。 前几天,OpenAI Astra模型又组织了一批AI智能体+研究人员,在GitHub上全球直播协作,24小时内大幅刷新了整数乘法运算下界的历史记录。而整数乘法下界被公认为是数学界难题中的难题。 将这些合起来,陶哲轩的那句“数学正经历哥白尼革命”瞬间变得具象可感。 只不过,革的是数学的命。 说真的,起初看到陶哲轩们又是炮轰又是抵制的,不少人会习惯性地觉得:这群全球顶尖数学家的慌,是因为饭碗要被端吧?毕竟RSI正将硅基替代的影响面扩至那些专家。 我开始也觉得,这不过是碳基超级大脑们被机器超算超越后的应激反应——爱因斯坦、黎曼、麦克斯韦、陶哲轩们=生物算力奇点=人体智能超算,ChatGPT跟Claude们则是机器超算,OpenAI破解了那些数学家都没能破解的数学难题,就是机器超算赶超的直观反映。 可细看数学家

    匹配字段正文

  5. 钛媒体 · AGI

    DeepSeek 上线 Search 和 Fetch 接口,每千次成功请求 5 元、11 月 1 日起收费

    DeepSeek 上线 Search 和 Fetch 两个接口,底层由自研搜索引擎驱动,每 1000 次成功请求收费 5 元(约 0.75 美元),失败、无结果或超时不计费,11 月 1 日起正式收费。两个接口此前在 DeepSeek Harness、Claude Code、Codex 中免费使用,各限速每秒 5 次。横向对比,Tavily 约 8 美元/千次、Brave Search 和 Google Custom Search 约 5 美元/千次,DeepSeek 的价格约为主流海外方案的一折到两折。

    低。 国内维度更有意思。这是主流大模型厂商里少见的"自研搜索引擎对外开放"动作——此前联网搜索要么是模型的内部能力不单独卖,要么走第三方数据源。DeepSeek等于宣布:我不只做模型,还自己养了一套搜索基础设施,并且愿意把它变成一门独立生意。 往深想一层 这笔账对DeepSeek来说是稳赚的。Agent调用搜索是刚性需求,尤其在编程场景里——查API文档、看GitHub issue、追最新库的用法,这些动作每天都在Claude Code和Codex里成规模发生。免费期相当于培养习惯,11月1日开始收费时,切换成本已经很高了。更妙的是,搜索数据本身会反哺DeepSeek对"用户真正在查什么"的理解,这在模型迭代里是稀缺信号。 但也要看到硬币的另一面。自研搜索引擎的索引规模、 freshness、反爬能力,和Google、Bing这种几十年的积累不在一个量级——DeepSeek没有公布任何搜索质量指标,目前所有判断都只能基于"能用"而非"好用"。每秒5次的限速对高并发Agent集群也是个硬约束,企业级负载大概率要排队。另外,把搜索和抓取绑定在自家API里,意味着开发者的数据管道进一步向单一

    匹配字段正文

  6. Unite.AI

    Together AI 推出 Together Post-Training 定制模型服务

    Together AI 于 2026 年 10 月 19 日推出 Together Post-Training,支持用户自定义强化学习与监督微调循环来构建定制模型,前六周 B200 使用价格为每 GPU 小时 9 美元。服务首批支持 Muse Spark Open、GLM 5.3、Kimi K3 和 Qwen 3.8-27B 等开放权重模型,按 GPU 分钟计费,并提供 sample_batch、forward_backward、optim_step、weights_sync 等 SDK 接口。训练完成后可在 Dedicated Model Inference 中以多 LoRA 方式切换适配器,并支持 FP4 精度合并部署。

    preparation step for FP4 inference. Getting started requires the latest Together SDK and the documentation. Together published cookbooks in a post-training-cookbook repository on GitHub covering GRPO training on the GSM8K benchmark, DPO implemented as a custom loss, and training multiple LoRA adapters within the same model resource; the documentation describes the cookbook as a Python library of ready-made loops whose notebooks walk through GRPO, SFT, and multi-adapter training on one model res

    匹配字段正文

  7. Unite.AI

    Town 完成 1.08 亿美元 B 轮融资,估值达 10 亿美元

    Town 于 2026 年 10 月 19 日宣布完成 1.08 亿美元 B 轮融资,由 Forerunner Ventures 和 Menlo Ventures 联合领投,估值达 10 亿美元,a16z 和 First Round Capital 等现有投资方参投。Town 的 AI 工作助手 Townie 此次可以彼此直接协作,互相提问、跨团队连接上下文并交接工作,同时仍按各自用户的授权范围共享信息。公司称自 2026 年 7 月以来付费客户增长 4 倍、付费团队增长 9 倍,并支持 60 多个集成。

    以及在周末跟进后续事项。该公司表示,其自身团队在过去五个月中规模大约翻了一番,其中计入了每月成本低于 100 美元的助手。 Menlo 表示,知识工作者每周在电子邮件、聊天和短信上花费超过 13 个小时。该公司报告称,Town 拥有 60 多个集成,涵盖 Salesforce 和 Affinity 等 CRM 工具、Jira 和 Asana 等项目管理工具、GitHub 和 Cursor 等编码工具,以及 QuickBooks 和 Stripe 等财务工具,并且 Town 默认撰写草稿而非直接发送。Menlo 将 Town 的用户群体描述为从创始人和运营人员,到通过电子邮件经营公司的小企业主、房地产经纪人、行政助理、顾问,以及协调家庭事务的父母。 “2008 年,Menlo 投资了 Siri,以改变互联网的用户界面。2026 年,这项技术已经到来,而机会比以往任何时候都更大,”Menlo Ventures 合伙人 Shawn Carolan 在 Town 的公告中表示。 据 Menlo 介绍,Greze 和 Vincent 自 Dropbox 时期起便已共事,当时 Greze 负责工程

    匹配字段正文

星期一

  1. MarkTechPost

    Mistral AI 发布 Timestral 时间序列基础模型,最大 209M 参数可在 CPU 推理

    Mistral AI 发布首个时间序列基础模型系列 Timestral,包含 5M、28M、123M、209M 四个零样本预测模型,支持最长 32,768 个时间步的上下文。据 Mistral 自测,209M 版本在 GIFT-Eval、TIME 和 fev-bench 上位列零样本预训练模型第一,fev-bench SQL skill 得分为 50.39,高于 TimesFM-3 的 48.99。模型无需 GPU,在 8 线程服务器 CPU 上 209M 版本单次预测耗时 140 ms,权重以 Modified MIT 许可开放,可通过 pip 安装并部署在本地、VPC 或隔离环境。

    ures on their own model pages. From Datadog’s model card. Mistral’s card lists 0.642 / 0.539. How can developers deploy Timestral? Install the package with pip install git+https://github.com/mistralai/timestral.git. It needs Python 3.10+ and torch 2.4+. Dependencies are PyTorch, NumPy, safetensors and huggingface hub. Weights download from Hugging Face: 21 MB for 5M, 111 MB for 28M, 490 MB for 123M. Mistral’s docs list Timestral 1.0 209M as Public Preview. Fine-tuning on proprietary data runs th

    匹配字段正文

  2. Google Developers Blog

    Google 发布 LiteRT Tensor API,支持用 C++ 手写端侧模型图

    Google 发布 LiteRT Tensor API,让开发者在 C++ 中逐算子构建计算图,同一份代码可经 LiteRT 跑在 CPU、GPU(ML Drift)和 NPU 上,或不经模型文件直接通过 XNNPACK 在 CPU 运行。官方用该 API 手写 SAM 2 并部署到浏览器 WebGPU,在 MacBook Pro 上比 Apple MLX 快约 1.5 倍,输出掩码与 Meta PyTorch 参考逐像素一致。该 API 还支持从 .safetensors 直接加载权重,并让预处理、推理与后处理通过共享加速器缓冲区串联,避免数据回传 CPU。

    oct2026_liteRT_tensorAPI

    nt wrote and evolved it from under 10 to over 30 frames per second at 512x512 on WebGPU. See that the complete implementation and the web app are open source in the LiteRT Samples GitHub repo. What is the LiteRT Tensor API? The LiteRT Tensor API provides four key features for authoring and optimizing on-device models: Full control over graph structure: you decide every op in the model graph and every connection between them, from elementwise math to accelerator-optimized LLM composite ops, such

    匹配字段正文

  3. 智东西

    Conway Research 推出本地个人 AI 助手 Underdog

    成立 8 个月的 Conway Research 亮出首款个人 AI 助手 Underdog,完全运行在用户设备上且离线可用,已推出 Mac、Windows 测试版,并获 a16z、Anthropic 投资联合体等投资。其模型包括基于 Qwen3.8 27B 打造的 Saluki 27B(已开源,权重体积为全精度版本的 1/7、保留 96% 性能)和 Woof 4B,配套推理引擎 Husky 在 MacBook 上让 Woof 4B 每秒最多处理 730 个 token,比 MLX 快 4.5 倍。产品还上线了基于 Qwen-Image Flash、Qwen-Image-2.1-Turbo 的本地图像生成与编辑,以及与 Stripe 合作的设备端智能体支付。

    署应用和服务、制作病毒式社交媒体内容来推广产品、给供应商发邮件搭建电商渠道、致电企业为其搭建网站。只要还能负担运营成本,Automaton就会一直运作下去。 不过这款产品上线后评价两极分化。一方面它收获了大量关注。产品刚推出时,Sigil Wen就在X平台发文称,Conway Automaton注册智能体数量已经突破1.8万个;时至今日,Automaton的GitHub开源项目累计收获7300星。 另一方面质疑声同样不少。以太坊创始人Vitalik Buterin曾公开表态,认为所谓Web4的发展方向存在偏差。在他看来,拉长人类与AI之间的反馈链路,对整个世界而言并非好事。Softswiss首席信息官Denis Romanovskiy当时也提出,AI智能体能否实现真正的经济自主,取决于大模型在成熟度、记忆、规划以及工具调用上的能力;而在这些维度上,现有技术尚不稳定,不足以支撑可靠的无人值守运行。 结语:性能不及Muse、Dot,个人Agent跑在终端仍处早期探索阶段 这一轮个人智能体竞赛,主流思路仍是搭建云端虚拟机,让AI在厂商的服务器里持续执行任务。但Agent一旦开始高频循环、反复

    匹配字段正文

  4. 少数派

    派评:紫毫 Hare、Platen、Brink、TVScope 等近期值得关注的 App

    少数派「派评」栏目盘点了近期值得关注的 App:iOS 输入法紫毫 Hare 基于 Rime 引擎与雾凇拼音词库,内置约 6.8MB 的「紫毫口语」模型,基础打字免费、Pro 一次性买断。此外还有还原打字机书写体验的 Platen(单篇笔记上限 3000 字符,Platen Studio 58 元买断)、主打播客文稿转译与 Walk 模式的 Brink(每月 28 元或每年 98 元),以及可在局域网内为 Apple TV 录屏截图的 TVScope。

    引号就更美了。 如果你在 Mac 上习惯了鼠须管,又希望在 iPhone 上拥有省心、注重隐私且无需复杂配置的小鹤双拼体验,紫毫值得尝试。你可以在 App Store 免费下载紫毫 Hare,基础打字功能免费且无广告,进阶功能可通过一次性买断升级为紫毫 Pro(目前未上架国区,具体价格请参考所在地区 App Store)。 不能设置模糊音吗? 没找到呢? 从GitHub 下载白霜拼音编译成功也不能用呢 [链接], 这个好!体验了一下 好丝滑呀 👍 马上来支持了新的双拼输入法了!36 @ElijahLee:在手机上写字,我们习惯了简洁的输入框、光标和键盘。Platen 则尝试在 iPhone 上还原传统的打字机的书写体验,通过纸张纹理、机械部件、打字声音和墨迹效果,将 iPhone 变成一台复古打字机,让日常记录多一些仪式感。 打开 Platen,映入眼帘的是带有纸张质感的书写页面。在页面中,一根黑色的导轨和胶囊滑块,构成了一台简约的打字机。输入文字时,墨迹会呈现出细微的变化,打字机部件也会随着文字移动,配合机械打字声与触感反馈,营造出接近实体打字机的操作体验。 Platen 为用户提供

    匹配字段正文

  5. 腾讯云开发者社区

    WorkBuddy 社区技能 video-intel:自动整理抖音收藏并生成每日情报汇总

    WorkBuddy 社区改造技能 video-intel 可解析抖音、TikTok、YouTube 等视频链接,自动下载视频、抽取关键帧、转录音频字幕并生成摘要与思维导图。该技能在原版手动解析基础上增加定时任务,支持每日批量采集并输出汇总情报,适合自媒体、行业研究员和竞品运营使用。它由社区爱好者二次开发,非官方内置技能,稳定性取决于接口,大量批量任务建议分时段执行。

    YouTube 等视频链接解析 ✅ 自动下载视频、抽取关键画面帧 ✅ 音频转录字幕,识别视频里面口述信息 ✅ 自动提炼要点、生成摘要、思维导图 ✅【核心增强】支持定时任务,每日批量采集,输出一份汇总情报 ✅ 输出内容可直接用于笔记、周报、行业观察 适合人群:自媒体、行业研究员、竞品运营、情报爱好者、需要长期跟踪一批短视频账号的朋友。 获取方式说明 开源地址 Github:https://github.com/dzivkovi/video-intel ClaudSkills 市场页:https://claudskills.com/skills/video-intel/ 原版只有手动解析视频,不带每日自动任务。 安装步骤(workbuddy 内操作) 1.安装 skill 打开 workbuddy,添加 Skill 2.调用skill 3.如何获取抖音的个人首页 我 →右上角☰ →扫一扫,点击抖音码 点右上角分享箭头 →复制链接 粘贴到记事本,会得到短链接:https://v.douyin.com/xxxxxx/ 给workbuddy提示词 用这个skill来帮我抓取每天最新的收藏内容:

    匹配字段正文

星期日

  1. Browser Use

    Browser Use 解读浏览器智能体:工作原理、适用场景与局限

    Browser Use 发布指南,解释浏览器智能体由模型、harness 和浏览器三部分组成,通过观察页面、选择动作、执行并检查结果的循环推进任务。文章建议有可用 API 时优先用 API、流程可预测时用脚本,只有步骤需要判断时才用智能体,并列出结果不稳定、网站拦截、提示词注入和成本不可预测等局限。文中引用其云服务 2026 年 10 月 18 日的数据快照,登录处理占 18% 的运行、结构化数据提取占 14%。

    Browser Agent Loop

    next step needs judgment, but its results still need checking. The Browser Use Cloud quickstart lets you send a task to a hosted web browser agent. Eligible sign-ups with Google, GitHub, or Microsoft include $1 in one-time free credits. Compare 11 MCP servers for browser automation, including Playwright MCP, Chrome DevTools MCP, Browser Use, Browserbase, and Kernel: which browser each controls, install, license, and cost. Gregor Zunic Guides/Oct 15, 2026 Compare Browser Use vs Firecrawl on use

    匹配字段正文

  2. 36氪 · AI

    Alexandr Wang 访谈复盘 Meta Muse:为何绕开 coding agent 做个人 Agent

    Meta 超级智能实验室负责人 Alexandr Wang 在最新长访中复盘 Muse 的诞生:据 Sensor Tower 估算,Muse 9 月 8 日上线后约 22 天达到 500 万美国下载,曾登顶美区 App Store 免费榜。他解释年初全行业涌向 coding agent 时,团队判断个人超级 Agent 才是消费品的终点形态,2 月提交备忘录后一两周做出原型,最终模型加产品团队不到 200 人。他还回应天价挖人,称对不少顶尖研究员薪酬只是净中性,真正吸引力是从零建实验室、清晰的北极星和不被限制的资源。

    agent 是唯一重要的形态,甚至是唯一重要的能力。 就在这个节点,MSL 的 Nat Friedman 成了内部第一个深度使用 OpenClaw 的人。Wang 形容他的体验「介于恐惧和狂喜之间」:他告诉自己的 OpenClaw 想多喝水,这个 Agent 就通过家里的监控画面盯着他喝水,喝完还会夸他「干得漂亮」。 右一为 Nat Friedman,前 GitHub CEO,Muse 的灵魂人物之一。 Wang 自己也很快入坑。他做的第一件事,是跑了 Nat 写的一个「心理分析」提示词 —— 因为 Agent 能访问他的邮件、照片,还能自己上网查信息,几轮深度追问下来,用他的原话,「相当于把三年的心理治疗压缩进了一个瞬间」。 关键在于 Nat Friedman 这个人的「风向标」属性:他是 Stripe 最早的顾客之一,是 GitHub Copilot 的缔造者之一,长期站在开发者浪潮的最前线。所以当他说「这里面真的有东西」时,Wang 把它当成了一个明确信号。 今年 2 月,两人各自写了备忘录递交给 Meta 董事会。Wang 那份的核心观点相当大胆:个人超级 Agent,很可能

    匹配字段正文

  3. 36氪 · AI

    OpenAI宣称证明准黎曼假设后,数学家无条件证明19年悬置难题

    36氪转载新智元文章称,OpenAI于10月6日宣称AI证明了准黎曼假设,随后数学家Cureton与Thorner将相关工具用于有限阶Hecke L函数,社区把无零点区域边界推进到1/32,并由数学智能体AxiomProver生成Lean形式化证明。Frei、Somos与Widmer据此无条件证明了2007年Ellenberg–Venkatesh关于数域类群ℓ-挠的界,并在声明中写明未使用任何人工智能工具。

    将这片「零点自由区」的安全边界,死死钉在了一个极其夸张的数字上:1/32。 安全区被放大了上百倍! 怕出错?怕人类直觉不可靠?没关系,直接上机器验证! 开源社区动用了最无情的裁判——Lean定理证明器。 这是一种只认死理的形式化验证语言。任何一丝微小的逻辑缝隙,都会导致程序崩溃。 相关证明由数学智能体 AxiomProver生成了形式化 Lean证明,在开源Github 上。 1/32的边界,不仅被人类推导出来,更得到了机器逻辑的确立。 arXiv预印本平台上,一篇由Frei、Somos与Widmer共同署名的重磅论文横空出世。 这场由OpenAI引发的学术海啸,终于拍碎了最坚硬的那块礁石。 目标锁定:2007年Ellenberg–Venkatesh界。 这是代数数论领域的一根刺。 2007年,两位数学大佬给出了数域类群ℓ-挠(ℓ-torsion)的一个极其完美的界限。 但它带有一个致命缺陷:它是条件性的。也就是所谓的「空中楼阁」。 两位大佬的证明,必须建立在「广义黎曼猜想(GRH)成立」的前提下。 前提一旦崩塌,结论瞬间作废。 19年来,无数顶尖学者试图抽掉这根拐杖,让证明自己站起来

    匹配字段正文

  4. 36氪 · AI

    Tibo 接手不到一年,Codex 如何从失败发布到成为 ChatGPT 桌面应用底座

    机器之心转述 Every 联合创始人 Dan Shipper 的长篇报道《How Codex Happened》,还原 OpenAI 编程智能体 Codex 从 2025 年 5 月云端版上线遇冷,到转向本地终端与桌面应用的翻盘过程。报道称 Codex 团队一年内做了云端、终端、编辑器侧边栏和桌面应用四种形态,2026 年 7 月 9 日 Codex 桌面应用正式成为新版 ChatGPT 桌面应用,Codex 与 ChatGPT for Work 合计周活超过 4000 万。Tibo 已升任 OpenAI 全部核心产品与平台负责人,统管 ChatGPT、Codex 和 API。

    先一步步推理再作答」训练进了模型本身:同一个模型,多想一会儿,就能在难题上做得更好。 编程是最大的受益者。写代码天然是个闭环:改、运行、几秒内就知道对不对,模型可以自己测试、自己修正。理论上,只要思考时间足够,推理模型能独立完成任何编程任务。 Codex 这个名字本身也有过好几次「开端」:最早的 Codex 是 2021 年基于 GPT-3 微调、支撑初代 GitHub Copilot 的模型。o1 之后,OpenAI 内部好几支队伍又从不同方向重新追逐这个梦想。 两条暗线:一次「感受到 AGI」,一场「自举」 一条线来自 Embiricos。他在 2024 年随自己联合创办的编程协作工具 Multi 被收购而加入 OpenAI,先后在 ChatGPT 桌面应用和 Atlas 浏览器上尝试人机协作,但当时的模型读屏幕又慢又笨。直到 2024 年底,他看到推理模型被接进终端,自己读文件、跑命令、处理报错,那是他第一次真切地「感受到 AGI」。 另一条线来自 Tibo,也就是如今统管 OpenAI 核心产品的那个人。 Shipper 是在 OpenAI 的员工餐厅里采访他的。在 Shipp

    匹配字段正文

星期六

  1. Browser Use

    Browser Use 盘点 11 款浏览器自动化 MCP 服务器并实测四款工具

    Browser Use 发布 2026 年浏览器自动化 MCP 服务器选型指南,按隔离测试、调试、登录态 Chrome、云端并行任务等场景推荐 11 款服务器。作者用 Codex CLI 搭配 GPT-6 Luna 在 BU Bench V2.1 的 100 个公开任务上对比四款工具,Browser Harness 得分 60.4、每题中位输入 token 2.1M、成本 $0.042,与 Playwright MCP 和 Chrome DevTools MCP 的分数差异区间均包含零。Playwright MCP 中位耗时最短为 29.0 分钟,agent-browser 得分 56.3。

    gin, CAPTCHA, payment or local file, then you hand it back. It also runs against a self-hosted steel-browser with STEEL LOCAL=true, one session at a time. Version 3.0.0 ships from GitHub releases and is not on npm. Controls: Steel cloud Chrome, or self-hosted steel-browser License: MIT Cost: $0.08 to $0.10 per browser-hour; free tier with $30 one-time credits, then $250 per month (pricing) claude mcp add steel -e STEEL API KEY=your-steel-api-key -- npx -y github:steel-dev/steel-mcp-server 10. Hy

    匹配字段正文

  2. The New Stack

    红帽工程师用 Claude Code 参照 Windows 驱动补出 Linux 扫描仪驱动

    红帽工程总监 Christian Schaller 让 Claude Code 运行厂商的 Windows 驱动并抓取 USB 流量,与自己的 Linux 驱动对比,几小时内拿到第一张可识别的扫描结果,几天后支持红外扫描。他把这套方法以 MIT 协议开源为 hw-harness,包含控制 Windows 虚拟机的 winctl、抓取流量的 usbcap、切换设备的 hostdev 和 Linux 侧调试的 hwdbg。他还用同样思路修复了 ThinkPad X1 Carbon 的摄像头偏暗偏色问题,提交了内核和 libcamera 补丁,低光测试中画面亮度从 31.1 升到 90.9,但补丁尚未合并。

    a work. A separate Claude-generated Linux page-cache fix recently ran into a race condition during review. Inside the hw-harness toolkit Schaller has since published hw-harness on GitHub. He notes that the released version isn’t the exact tooling he used for the scanner and camera projects. Instead, the setup runs the manufacturer’s Windows driver in a KVM virtual machine, with the physical device passed through to the guest. Claude operates the Windows session remotely while usbmon captures tra

    匹配字段正文

  3. cnBeta

    Claude 网页端和桌面端上线中文界面,但中国大陆仍不在支持地区名单

    Claude 网页端和桌面端新增语言选择,界面已支持中文(简体)和中文(繁體),共三十多种语言,手机 App 尚未跟进。结账页账单国家下拉菜单出现 China,20 美元 Pro 和 200 美元 Max 均可选,但官方支持地区名单仍不含中国大陆及港澳。Anthropic 此前对不支持地区访问有封号与身份验证限制,此次中文界面主要面向海外华人用户。

    语言列表一口气拉到三十多种,网页和桌面端先上,手机App还没跟。 更刺激的在结账页:账单国家的下拉菜单里,China赫然在列,20美元的Pro、200美元的Max,都能选。 X上的中文博主看完,第一句话就是:小心,疑似Dario钓鱼执法新招数! 钓鱼执法,已经演成连续剧 网友这么警惕,是被钓怕了。 9月底,Claude发250美元额度福利。有人上午领完、连上GitHub,中午就收到Anthropic安全团队的封号邮件,理由只有一行:违反“支持地区政策”。 网友总结得精辟:早起的鸟儿有虫吃,早领的号有ban吃。 10月1日,Claude又送实体玩偶。收货表单里,国家一选China,下面立刻多出一栏:National ID Card Number。 别人领的是周边,你领的是一次实名认证。一只橙色小玩偶换18位身份证号,网友自己掂量。 250美元,玩偶,再到中文界面。网友直接对号入座:钓鱼执法,第三季。 别高兴太早,门还锁着 同一位博主很快出来辟谣:结账页能选China是真的,也就到此为止。 官方支持地区名单里,C开头的国家从Chile直接跳到Colombia,中国大陆和中国港澳一个都没有。

    匹配字段正文

  4. Claude Code:GitHub Releases

    Claude Code v2.1.302 发布

    Claude Code 发布 v2.1.302,新增 CLAUDE_CODE_AUTO_MODE_MODEL 环境变量以选择客户端自动模式分类器所用模型,并在 /config 中加入 Idle compaction 开关。该版本还修复了压缩对话时停止回合报“Prompt is too long”、中途切换 Vertex 或 Bedrock 后请求失败、Read 工具将超过 128 MB 的图片源整体载入内存等问题,并改进多插件启动速度与自动模式服务端分类器处理。

    行 - 更改了 ← for agents 页脚提示:会话打开 10 秒后隐藏;等待你处理的代理数量仍会显示 - 更改了 Claude in Chrome 说明在系统提示中的位置,以便新对话可以从共享提示缓存中读取它们 - 更改了提示和代理钩子:同一事件最多同时运行 12 个; 其余排队等待 - 更改了组织策略关闭 /feedback 时显示的消息:现在指向 GitHub issues,而不是组织管理员 - [VSCode] 修复了列表中未闭合代码块之后的文本在回复流式传输时显示为纯文本、随后又变成代码的问题 - [VSCode] 修复了当服务器 URL 包含查询字符串时,从面板登录 MCP 服务器会打开损坏的授权页面的问题 - [VSCode] 修复了在无法访问装有 Claude 扩展的浏览器时, @browser 横幅却显示“Browser connected”的问题 - [云会话] 在例程页面上新增了横幅,说明其上次运行为何没有启动,例如你的组织达到了并发云会话的上限 - [云会话] 修复了云会话中“Rewind to here”除最新消息外对每条消息都失败的问题; 自托管运行器需

    匹配字段正文