向阳乔木@vista8

50

DeepSeek团队开源视觉语言模型DeepSeek-VL，包含1.3B和7B两个版本，旨在缩小开源模型与GPT-4V在真实场景中的差距。模型从数据、架构、训练三方面优化：数据构建上，采用从真实用户需求倒推的分类体系，并包含70%纯文本以保持语言能力；架构上创新采用SigLIP与SAM-B的混合视觉编码器，分别处理语义与细节特征；训练采用三阶段策略及模态平衡技术，缓解多模态训练对语言能力的侵蚀。

向阳乔木@vista8

60

DeepSeek-VL论文指出，多模态训练会损害语言模型的语言能力，使用100%视觉数据训练将导致语言benchmark性能断崖式崩塌。研究确定最佳训练配方为70%纯文本数据与30%多模态数据结合，并强调视觉与语言模态之间存在固有竞争关系，这种竞争无法通过参数调整来规避。论文结论突显了平衡多模态数据比例对维持模型语言性能的关键作用。

meng shao@shao__meng

57

Glean推出自研的智能搜索专用模型Waldo，旨在将企业AI任务中的“检索规划”与“深度推理”分离。Waldo基于NVIDIA Nemotron 3 Nano构建，作为前置环节运行，专门负责调用Glean Search、员工搜索和Web搜索等工具进行检索规划，并将检索到的上下文直接交给前沿大模型进行综合作答。这种架构避免了让昂贵的前沿模型处理机械的搜索任务，使单次调用延迟降低至约250毫秒，比默认推理模型快10倍以上。集成后，系统端到端延迟降低约50%，Token消耗减少约25%，且约一半查询可走“快路径”无需调用完整前沿模型。该设计印证了专用小模型在处理重复性任务上的效率优势，是智能体AI架构的重要演进。

Artificial Analysis@ArtificialAnlys

56

腾讯发布开源混合专家模型Hy3-preview，总参数量2950亿，激活参数量210亿。其在Artificial Analysis综合智能指数上得分42，落后于近期开源的GLM-5.1、DeepSeek V4 Flash及Qwen3.6 27B等推理模型。具体评测表现不均衡：在真实世界任务基准GDPval-AA上落后于主要竞品，但在研究级物理评测CritPt上与高分模型GLM-5.1持平；其相对弱项在于AA-Omniscience指数，幻觉率较高。模型采用Tencent HY社区许可协议，商业使用受限，已在Hugging Face和SiliconFlowAI平台提供。

Baidu Inc.@Baidu_Inc

47

SBTI迷因测试的流行，揭示了低门槛参与的趋势正驱动AI应用开发工具的演进。Miaoda及其国际版MeDo是一个生成式AI驱动的无代码对话式应用开发平台，用户仅需通过自然语言描述，即可在几分钟内获得功能完整、可部署的应用，无需编写代码。平台背后由10多个专用AI代理协作，覆盖从需求分析到部署的全流程。传统上全球仅0.4%的人口是专业程序员，而该平台已助力创建超50万个商业应用，其中81%的创建者是非程序员，服务超1000万用户。这标志着开发方式从编写代码转向描述意图的根本性变革。

歸藏(guizang.ai)@op7418

49

歸藏(guizang.ai)：我操，Codex 太牛逼了！ 自己给我做了一个类似于《杀戮尖塔》的爬塔游戏，从代码到素材全是自己搞。 我就跟他说了一个要做类似《杀戮尖塔》的游戏，要中国风格…

Chubby♨️@kimmonismus

67

Anthropic的估值在约12个月内从615亿美元跃升至近9000亿美元，增幅达15倍。其年化收入从约10亿美元暴增至400亿美元，推动了这一惊人的价值增长。当前，即使愿意投资50亿美元的投资者也难以获得公司高管的会议机会，这凸显了AI融资市场中资金供给方的主导地位。自2024年初以来，Anthropic估值增长将达50倍，这可能是科技史上最快的价值创造案例。

歸藏(guizang.ai)@op7418

55

该论文介绍了基于DeepSeek-V4-Flash底座的多模态大模型。其核心创新在于模型能同时进行文字推理和“视觉原语”（如画框、打点）思考。该模型以极低的Token成本，在多项前沿指标上达到了与GPT-5.4、Claude、Gemini等模型相当甚至更优的性能。

ginobefun@hongming731

51

京东广告团队推出GRAM架构，旨在通过大模型原生知识工程解决传统CTR模型的瓶颈。该架构构建了毫秒级查询的级联知识图谱，将商品属性与业务规则作为“事实护栏”注入，以杜绝AI幻觉，确保推荐符合现实。它颠覆了依赖历史数据的冷启动模式，即使零销量新品也能通过知识网络的高维特征关联实现精准分发。同时，GRAM将企业内隐知识结构化作为上下文，使大模型能进行复杂的深度决策，而非仅计算曝光。

Berryxia.AI@berryxia

63

姚金刚：开源一个教程Skill 打磨了十几版，效果还不错，已推到GitHub 如果想在五一假期高质量充电，或随时给自己生成一份定制高质量教程 欢迎下载 基本逻辑： …

歸藏(guizang.ai)@op7418

57

歸藏(guizang.ai)：太猛了，Codex 做类《杀戮尖塔》游戏完整关卡演示！ 现在非常细了，除了没有声音以外，其他的都相当完美了！ 主要的场景和角色素材是 GPT-Image 生…

Chubby♨️@kimmonismus

62

Meta、亚马逊、Alphabet和微软2026年第一季度营收均超预期，云业务增长强劲，其中Google Cloud收入暴涨63%首次突破200亿美元。然而，四家超大规模企业2026年资本开支总额预计将超过6500亿美元，巨额AI基础设施投资引发市场焦虑，导致Meta和微软股价在盘后下跌。这些巨头在计算领域的投入规模正重塑全球经济，其投资能否带来相应回报将定义未来十年的科技投资格局。

阿绎 AYi@AYi_AInotes

64

Berryxia.AI：今天看到一条容易被刷掉的消息，但越想越觉得有意思。 LMArena 文本榜最新更新，文心 5.1 Preview 拿下 1476 分，国内第一，全球前十五唯一…

Berryxia.AI@berryxia

55

文心5.1 Preview在LMArena文本榜以1476分位列国内第一，是全球前十五名中唯一的国产模型，排名超越GPT-5.5与DeepSeek-V4-Pro。尽管AI领域热点转向Agent与多模态，但DeepSeek V4与文心5.1等旗舰模型仍以文本为核心。作者强调文本能力是大模型的地基，代码、推理等多维度能力均由此衍生，地基差异直接影响上层性能，因此文本仍是模型拉开差距的关键分水岭。引用推文显示，文心5.1在数学、法律与政府、商业管理及软件服务等类别表现突出。

向阳乔木@vista8

52

歸藏(guizang.ai)：太猛了，Codex 做类《杀戮尖塔》游戏完整关卡演示！ 现在非常细了，除了没有声音以外，其他的都相当完美了！ 主要的场景和角色素材是 GPT-Image 生…

Rohan Paul@rohanpaul_ai

60

Anthropic最新研究利用BioMysteryBench测试平台评估Claude在真实生物信息学问题上的能力。该测试将客观答案隐藏于真实数据集中，涵盖99项任务。在至少一位人类专家解决的76个问题上，Claude Mythos Preview模型准确率约为83%；更值得注意的是，在23个专家小组未能解决的问题上，该模型仍解决了其中约29.6%。然而，模型在困难问题上的成功重复性较低，表明其表现尚不稳定。研究指出，Claude最有效的模式并非充当“先知”，而是扮演快速研究协作伙伴的角色：通过分层使用方法、交叉验证证据并运用广泛背景知识来缩小搜索空间。

Rohan Paul@rohanpaul_ai

69

白宫阻止了Anthropic扩大其新型AI模型Mythos访问权限的计划。该模型能发现并利用软件漏洞，能力足以触发国家安全管控。Anthropic希望新增约70家机构使用，但官员认为扩大访问会加剧安全风险，并可能挤占已授权机构的计算资源。此事反映出Anthropic与华盛顿关系紧张，涉及军事用途争议与信任问题。此类模型能极大缩短漏洞发现与武器化之间的时间，因此推广决策首先是安全决策。白宫的策略是限制访问以降低即时风险，并优先保障已获授权机构的需求。

歸藏(guizang.ai)@op7418

46

歸藏(guizang.ai)：我操，Codex 太牛逼了！ 自己给我做了一个类似于《杀戮尖塔》的爬塔游戏，从代码到素材全是自己搞。 我就跟他说了一个要做类似《杀戮尖塔》的游戏，要中国风格…

Rohan Paul@rohanpaul_ai

56

本文提出Agentic Harness Engineering方法，使编码代理能自动重写自身工具和规则，并通过可审计实验验证每次更改的有效性。传统代理工具调整依赖手动或混乱自我改进循环，缺乏明确证据。该方法将编辑转化为文件级可回滚部分，压缩运行日志为简短失败证据，并让代理为编辑写预测后基于任务结果检查。在Terminal-Bench 2测试中，从小型shell-only工具开始，经10轮进化且基础模型固定，单次尝试成功率从69.7%提升至77.0%，超越其他基线。最终工具可迁移至其他模型和SWE-bench-verified任务，在不同模型家族获得5.1到10.1点提升，并减少12%令牌使用，为昂贵工具工作提供可靠、可控的自我改进途径。

Chubby♨️@kimmonismus

65

Anthropic发布了BioMysteryBench基准测试，包含99个使用原始、杂乱真实生物数据集的开放式生物信息学挑战。最新Claude模型（4.7）解决了大部分人类专家能处理的任务，并在专家小组未能解决的23个难题中攻克了约30%。其能力源于整合数十万篇论文知识，并在不确定时叠加多种分析策略。Genentech和Roche的独立测试（CompBioBench）中，Claude Opus 4.6总体准确率达81%，最难问题准确率69%。两项基准共同表明，AI已在部分最困难的生物学问题上超越人类专家。

Rohan Paul@rohanpaul_ai

47

Andrej Karpathy指出，要最大化利用现有AI工具，关键在于将自身从交互循环中移除，避免成为持续提示的瓶颈。他主张构建完全自主的系统，通过最大化token吞吐量来实现高效率运作。核心目标是提升个人杠杆率：仅需偶尔投入极少量的token，就能驱动系统自动完成大量工作，从而使人从重复性操作中解放出来，专注于更高层次的决策与设计。

Rohan Paul@rohanpaul_ai

55

美国劳工部推出全国性AI学徒门户网站，旨在为AI时代培养劳动力。该网站将资源分为通用AI技能、行业特定模块以及学徒计划的三种整合路径。雇主可选择加入现有计划、创建新的AI重点注册学徒计划，或更新现有计划将AI技能融入现有技能栈。学徒机会由雇主或项目发起方提供，求职者应使用“学徒工作查找器”进行搜索，并直接向雇主或发起方申请。