棋飞

今天 AI 圈的主旋律是模型与 Agent 基础设施的密集发布:Google 把 Gemini 推到第四代并以网络安全场景为受限入口,DeepSeek 在中文社区独家披露 V4.1 Agent 的训练底座,而消费侧应用(DoorDash、Airbnb)继续把 Agent 嵌入日常交互。整体氛围不再是单纯拼参数,而是各家在不同维度上同时发力。 AI 争霸战陷入尴尬时刻 The AI Race Just Got Awkward · Hacker News · 2026-10-01 Hacker News 首页置顶的 insufferable.dev 长文没有给出机器可读的摘要,但从标题和讨论热度可以判断,作者把视线投向了 AI 实验室之间的竞争态势,尤其是在各家模型能力、产品形态、开源策略与定价互相拉扯时,整个赛道呈现出的那种既胶着又错位的感觉。标题里的 “Awkward” 暗示作者认为当下局面并非外界想象的那样”赢家通吃”,而是每家都有各自的难处。 把这条放在过去 24 小时里看,几乎是一种注脚:Google 把 Gemini 推到第四代、DeepSeek 公开 V4.1 的训练...

OpenAI DevDay 推出 GPT-6.1 Sol 时,给了一句让整个 AI 圈讨论了整整一周的定位:以 Astra 五分之一的价格,获得接近 A 等级的智能。缓存输入价低至每百万 token 0.10 美元,比标准输入便宜 95%,比上一代 GPT-6 Sol 的缓存价也砍掉一半。这一定位天然就指向”高强度、大批量的 Agent / 视频 / 3D 工作流”,而不是单次对话。 但价格便宜不等于能力够用。本文把 GPT-6.1 Sol 和 Claude Opus 5.5 拉到一起,在七项典型创作任务上做横向实测:3D 古风场景、几何变形、500 字创意写作、三蹦子广告短片、建筑方案还原、乐高积木建模、Mac Studio 科普视频,最后还压轴了一个 2 小时 38 分钟的 Unity 游戏”猪猪乐园”。每一项都从输出画面、生成细节、Token 消耗三个维度评估,最后给一张横向对比表。 一、价格与基准:1/5 的价格,52 分的智能先把账算清楚: 维度 GPT-6.1 Sol GPT-6 Astra Claude Opus 5.5 ...

距离 Codex 上一次基础教程已经过去半年。这半年里它从独立的桌面应用,合并进了 ChatGPT 客户端,补齐了站点、办公套件、应用快照、Hooks 等一整套新功能。本文把每一个关键更新都拆开来看,并重点梳理最实用的”省 Token 四件套”,供正在用或者准备用 Codex 的朋友参考。 先说结论:如果你只用 Chat 模式跟 Codex 聊天,这个版本最大的意义是”白嫖 ChatGPT 桌面端”;如果你用 Codex 模式跑工程任务,新增的 Hooks、远程控制、多文件夹项目会让它真正变成一个能上生产环境的 Agent。下面分块讲。 一、桌面端合并:三套模式怎么选新版 ChatGPT 桌面客户端已经合并了 Codex,左上角可以切换 Chat / Worker / Codex 三个模式。三者的定位差异可以总结成一张表: 模式 定位 默认能不能动本机 是否消耗订阅额度 Chat 对话问答 Agent(解释代码、翻译、查资料) 不能 不消耗 Worker 通用办公 Agent(调研、文档、表格、PPT、报告) 能 消耗 Codex 编程与工...

微信视频号一直是个「看得见摸不着」的地方——你能在微信里刷、能点赞、能转发，但想把它存到本地，官方几乎不给你任何按钮。第三方录屏、视频号缓存文件又被加密过，普通用户基本无从下手。 GitHub 上有一款关注度持续走高的开源项目 wx_channels_download（仓库名也叫 wx_video_download，可执行文件就叫 wx_video_download），作者 ltaoo 把整套方案做成了一个只有 8 MB、跨平台、双击就能跑的 Go 二进制。今天这篇文章就带大家把这个项目完整拆开，看看它做了什么、怎么用、能玩出什么花样。 项目地址：https://github.com/ltaoo/wx_channels_download许可证：MIT + Commons Clause（可以免费使用、修改、再分发，但不得以本软件为主体转售商业服务）技术栈：Go 1.x + Gin + SQLite + WebSocket + Cloudflare Workers + MCP代码规模：442 个 .go 文件 + 80 个 .js 文件（含前端 + 注入脚本） 一、它到底解决了...

最近两周 AI 圈最大的事,不是哪个模型又刷榜了,而是 RSI(Recursive Self-Improvement,递归自我改进) 这个老话题终于被 Google 落到了工程层面。 9 月 10 日,一篇 RSI 路线图论文挂出,提出了一个核心判断:靠人堆实验的时代快走到头了,AI 得学会自己进化。 四天后的 9 月 14 日,Google 和 Google DeepMind 联手把上一期的”地图”变成了能跑的”车”,挂出了 Dream-RSI。论文里有一组数字让人不得不停下来: 同一个 Lasso 回归算法发现任务,一个系统调了 51200 次大模型,另一个只调了 317 次。后者发现的求解器,性能反而更好。 317 对 51200,162 倍差距,质量还更高。 这一篇,我们不聊 RSI 是什么(上一篇路线图论文已经讲过了),只聊 Dream-RSI 这套工程方案本身,以及它对写代码的人到底有什么用。 相关阅读 AI 在思考的时候到底在做什么——一份大模型底层逻辑的拆解笔记(理解 Transformer 的能力边界) 一周 AI 行业大事(跟踪 AI 行业节奏) AI...

大模型圈有一类话题永远有热度：”我家显卡只有 X GB，能跑多大模型？” 以前这个问题的答案很残酷——8B 要 16GB，70B 要 80GB，405B 得上 4 卡 H100，Kimi K3 这种 2.8T 的怪物根本别想本地玩。但 GitHub 上有个叫 AirLLM 的项目，把这套心智模型掀了个底朝天： 模型 参数量 AirLLM 实测 VRAM Qwen3-8B / Mistral-7B 8B ~1–2 GB Qwen3-30B / Mixtral 30–47B ~1–3 GB Qwen3.8-27B (含视觉) 27B 3.33 GB Qwen3.8-Flash-Next ~180B (MoE + PLE) 5.95 GB Qwen3-235B 235B ~3 GB Llama 3.x 70B 70B ~4 GB Llama 3.1 405B 405B ~8 GB DeepSeek-V3 671B ~12 GB Kimi K3 2.8T 3.72 GB 你没看错——671B 全量化训练挂一层在 12GB...

过去二十四小时,AI 行业的主线很清晰——一边是 Nvidia 把”Agent 安全”从软件层做到硬件层,平台、芯片、社区讨论三连发;另一边是 Anthropic 用 Sonnet 5.5 重新定义中端模型的成本曲线,Meta 与 AMD 则在企业 AI 与算力版图两端分别落子。下面按编号把这十条新闻挨个拆开。 Nvidia 想给每个 AI Agent 配一颗”看门狗”芯片 Nvidia wants to put a watchdog chip next to every AI agent · Hacker News · 2026-09-28 这条讨论的是 Nvidia 的一个新硬件构想:在每一颗运行 AI Agent 的主芯片旁边,再配一颗专门负责监控的”看门狗”协处理器。背景是 Agent 已经从”对话”走向”自主行动”,软件层 guardrail 不够稳,需要把安全监控下沉到硬件层。 技术上,Nvidia 想让这颗协处理器独立于主 CPU/GPU 运行,持续审计 Agent 的工具调用、系统调用和 I/O 行为,一旦检测到偏离策略的动作,在毫秒级发起熔...

今天 AI 圈的信息量依旧不小:新产品、新融资、新监管、新争议一齐在发酵。 这篇我把 Hacker News、TechCrunch、The Verge、量子位上讨论度最高的 AI 事件筛了一遍,挑出 10 条最有代表性的,按”行业影响 × 讨论热度”排序。每条都附上背景解读,方便你快速 get 到核心。 一、五角大楼承认:过度依赖 AI 是伊朗学校遇袭的原因之一 Pentagon says overreliance on AI contributed to missile strike on Iran school/ Bloomberg,2026-09-23 · Hacker News 970+ 票 9 月初,美军对伊朗核设施发动了一次导弹打击。行动结束后,多家独立调查机构发现其中一所平民学校被卷入袭击。9 月 23 日,五角大楼首次公开承认:目标识别流程过度依赖 AI 系统,是造成平民伤亡的直接原因之一。 这是迄今为止,军事 AI 误伤平民事件里,美军方最高级别的官方确认。消息一出立刻成为 Hacker News 头版第一(970+ 票),因为它戳中了过去两年所有人...

最近 AI 圈有一个奇怪的现象:模型越来越像”会思考的人”,但它们的底层,其实从来没变过。 这一篇我想把”大模型到底是什么”这件事讲清楚。不是讲 API、不是讲 Prompt 技巧,是从最底层——它到底是怎么”吐出下一个字”的——拆给你看。 看完你会发现,我们平时说的”AI 思考”、”AI 推理”,其实都不是它真的在思考。 一、先把一件事说死:AI 不认识字很多人对 AI 的第一误解,就是把 ChatGPT、Claude、文心一言想象成一个”读过全人类书籍的超级大脑”。这个画面很酷,但从原理上就不对。 大模型的输入和输出,从头到尾只有一种东西:数字序列,在专业术语里叫 Token(词元)。 所以当你问 AI “你今天吃饭了吗”这句话,它看到的不是中文汉字,而是一串数字。比如它眼里这句话可能是: 12345你 → 123今天 → 456吃饭 → 789了 → 012吗 → 345 这个”汉字 ↔ 数字”的翻译过程,叫做分词(Tokenization),由一个叫”分词器”的小组件完成。 这里有一个细节容易踩坑:同一个汉字,在不同的模型里对应的数字可能完全不同。同一句话,丢给 GPT...

写在前面如果你正在做 RAG、Agent、智能问答、知识库整理，或者只是想把手头一堆 PDF / Word / Excel / PPT / 图片快速喂给 ChatGPT、Claude、Gemini，那”先把文件转成 Markdown”几乎是绕不开的一步。Markdown 既接近纯文本、token 效率高，又是主流 LLM 原生”会读会写”的结构化格式。 微软开源的 MarkItDown 就是专门为了这件事而生的：把各种办公文档、网页、媒体文件批量转成干净、结构化的 Markdown，直接喂给大模型。 本文基于官方仓库 microsoft/markitdown（MIT 协议、Python 3.10–3.14、仍在快速迭代中），带你看清它的能力边界、上手方式、扩展机制和安全注意事项。 一、它到底是什么1.1 一句话定位 MarkItDown 是一个轻量级 Python 工具，用于将各种文件转换为 Markdown，专供 LLM 和相关文本分析流水线使用。 它的定位很明确： 不是为人类阅读做高保真排版（不像 Adobe Acrobat 那种...