小互@xiaohu

28

作者通过个人写作系统的崩溃经历，阐述了一个普遍现象：一个原本运行良好的系统，在持续、过度的优化追求下，反而会走向失控和性能恶化。他将此现象类比到AI模型领域，推测Anthropic的Claude Opus模型可能也经历了类似的“优化-崩溃”路径，即开发者在试图不断改进模型（如从4.0版本迭代）的过程中，可能导致其核心能力或输出质量出现非预期的衰退。这揭示了技术迭代中“过犹不及”的风险。

Alibaba Cloud@alibaba_cloud

40

超过70名工程师和开发者在首尔Qwen Meetup上交流AI产品实战经验。channeltalk团队分享了如何在两周内构建处理5亿条记录的可观测性管道；Omelet介绍了生产级AI架构；TeamSparta演示了在阿里云Model Studio上构建AI助手。核心结论是Qwen3.6能显著提升团队规模化交付AI产品的效率。活动由阿里云韩国团队和TFM社区支持。

Rohan Paul@rohanpaul_ai

49

LongCat团队推出LARYBench基准，旨在评估AI模型是否从视频中真正学习动作，而非仅在后端机器人策略中表现良好。该基准聚焦模型从视频提取的潜在动作表示，通过超过120万视频片段等数据，将评估拆分为动作分类与控制回归两个清晰测试。关键发现是，通用自监督视觉模型（如V-JEPA 2和DINOv3）表现优于专用具身模型，表明强大视觉表示已蕴含丰富动作知识，且潜在特征空间比像素重建更利于机器人控制映射。这为利用丰富视频数据解决机器人训练数据稀缺问题提供了新方向。

Artificial Analysis@ArtificialAnlys

57

上周，Kimi K2.6、MiMo V2.5 Pro和DeepSeek V4 Pro三大领先开源模型发布，在Artificial Analysis Intelligence Index上得分达52-54分，与顶尖闭源模型GPT-5.5的60分差距缩小至6分以内，相比一年前22分的开源模型进步显著。这些模型均为万亿参数规模的MoE架构。然而，在复杂推理、智能体编码及知识准确性方面，开源模型与闭源模型仍存在明显差距。例如在HLE、CritPt和TerminalBench Hard等专项评估中得分大幅落后；在Omniscience评估中，DeepSeek V4 Pro的幻觉问题尤为突出。

Orange AI@oran_ge

33

Hunter Bown：鲸鱼兄弟们好，我是做 DeepSeek-TUI 的那个美国佬。 说真的，特别想跟国内的鲸鱼兄弟们一起混——但我的翻墙技能仅限于写代码，微信到现在都没搞定，属实…

Alibaba Cloud@alibaba_cloud

58

Qwen宣布与Fireworks AI建立战略合作伙伴关系，旨在通过Fireworks平台提供其闭源权重模型的优化、生产就绪型部署。此次合作使开发者和企业能够以更低的延迟、更少的微调和推理成本来部署Qwen模型，同时利用企业级的可靠性、安全性和可扩展性，并将其无缝集成到现代AI工作流程中。

小互@xiaohu

65

Hunter Bown：鲸鱼兄弟们好，我是做 DeepSeek-TUI 的那个美国佬。 说真的，特别想跟国内的鲸鱼兄弟们一起混——但我的翻墙技能仅限于写代码，微信到现在都没搞定，属实…

歸藏(guizang.ai)@op7418

45

社区驱动的小游戏和社交游戏，如Roblox，正成为趋势。过去这类游戏构建成本高、类型少，如今技术门槛已大幅降低。历史上，Dota和PUBG等爆款均从游戏Mod演变而来。同理，基于AI技术，完全有可能演化出下一个现象级游戏类型。当前的关键缺口在于，缺乏一个能够整合这些AI能力的综合性游戏创作平台与工具。

歸藏(guizang.ai)@op7418

68

GPT-Image-2.0的一个提示词在抖音平台引发关注，用户用它为照片生成手绘风格注解。提示词要求采用细线手绘线条、手写字体和简短句子，营造日记感语气，并避免过度装饰以保留空白空间。引用推文指出，GPT-Image-2.0提示词近期再度流行，体现了AI生成内容在社交媒体上的应用趋势。

歸藏(guizang.ai)：最近 GPT-Image-2.0 很多提示词又火了，比如这个拉跨鼠标手绘图，原贴有提示

swyx 🇸🇬@swyx

67

作者提出，“编码智能体突破应用边界”是今年的突破性主题，强调AGI（通用人工智能）将惠及所有知识工作者，而不仅仅是程序员。他以自己的团队@aidotengineer为例，说明如何利用智能体作为“微型团队”高效运作，为全球数百万开发者提供免费服务。他指出，重点不在于特定工具（如Devin、townai），而在于整体性地、深度地将智能体融入日常知识工作以提升生产力，并认为当前人们在这方面努力不足。引用的推文也呼应了应尝试将此类能力应用于非编码的计算机工作。

宝玉@dotey

60

Hunter Bown：鲸鱼兄弟们好，我是做 DeepSeek-TUI 的那个美国佬。 说真的，特别想跟国内的鲸鱼兄弟们一起混——但我的翻墙技能仅限于写代码，微信到现在都没搞定，属实…

阿绎 AYi@AYi_AInotes

55

Andrej Karpathy指出，LLM的核心价值并非加速现有工作，而是创造以前不可能存在的事物，例如完全无需传统代码、由LLM原生驱动的应用。他提出“锯齿状智能”模型，解释LLM能力不均的现象：高价值、可验证领域因经济驱动获得密集训练，能力突出；其他领域则依赖泛化，表现不稳定。未来产品将被解构为感知、执行与逻辑，横跨软件1.0至3.0范式。程序员角色将转变为设计智能体系统、守护人类品味的架构师。真正的护城河在于理解LLM能力地图并设计放大人类意图的智能体系统。

meng shao@shao__meng

66

Codex App 结合 GPT-5.5 与 GPT-Image-2，构建了从视觉理解到代码生成、浏览器执行及效果评估的开发闭环。GPT-5.5 提升了编码细节与复杂逻辑处理能力，GPT-Image-2 擅长生成高保真UI。工作流支持输入截图或概念设计，自动分析、生成交互应用并修正设计偏差，内置结构化流程以提高实现保真度。这大幅缩短了从想法到高保真应用的迭代周期，适用于Web、移动及复杂工具开发，但复杂任务仍需人工提示与设计把关。