不是熊 (;´(工)`)

webdesign,UI,F2E,Photographic,3C

[fox hsiao @pirrer]

日本 AI 公司 Sakana AI 今天發表新產品 Sakana Fugu，把「多代理協作」（multi-agent orchestration）整套做成一個模型，對外只開一個 API。使用者像呼叫單一模型那樣呼叫它，背後其實是一整套會自己選模型、分派任務、驗證、再把答案彙整起來的系統。

Fugu 本身就是一個被訓練來「指揮其他模型」的大型語言模型，它能調度一群不同的 LLM，甚至呼叫自己的多個副本，自動完成模型挑選、任務委派、結果驗證、最後合成。這套能力來自兩篇 ICLR 2026 論文，TRINITY 用一個輕量協調器，把三種角色（思考者、執行者、驗證者）多輪動態分派給不同模型；Conductor 則用強化學習，讓系統自己學出一套用自然語言協調代理的策略。

產品分兩個版本，Fugu 走效能與低延遲的平衡，適合日常寫程式、聊天機器人；Fugu Ultra 主打最高準確度，鎖定 Kaggle 競賽、論文重現、資安分析、專利檢索這類硬任務。兩者都走 OpenAI 相容 API，計費只看當下啟用的最高階模型，不會每個模型疊加收費，Fugu Ultra 是每百萬詞元輸入 5 美元、輸出 30 美元。

數字上，Fugu Ultra 直接對標目前的前沿模型。SWE Bench Pro 拿到 73.7，高於 Opus 4.8 的 69.2；LiveCodeBench Pro 90.8，壓過 GPT-5.5 的 88.4；GPQA-D 95.5，略勝 Gemini 3.1 Pro 的 94.3。官方說它達到 Anthropic Fable 5 與 Mythos Preview 的水準，而且不受美國出口管制影響，這句話是寫給那些因地緣政治買不到美系前沿模型的客戶看的。

Sakana AI 這家公司值得花點時間認識，它 2023 年在東京成立，三位創辦人來頭都不小。Llion Jones 是 2017 年 Transformer 論文〈Attention Is All You Need〉的共同作者，等於現代大型語言模型的奠基者之一；David Ha 來自 Google Brain，以「世界模型」（World Models）研究聞名，後來當過 Stability AI 的研究主管；Ren Ito 則負責營運與商務。公司走仿生路線，名字 Sakana 在日文就是「魚」，理念取自魚群、演化這種集體智慧，這次的 Fugu（河豚）也延續同一套命名。

在日本，Sakana 幾乎是國家隊等級的存在。2025 年 11 月的 B 輪募到 1.35 億美元，估值衝到 26.5 億美元，是日本最有價值的 AI 新創。投資人名單裡有日本最大金融集團三菱日聯（MUFG），還有美國中情局的創投部門 In-Q-Tel，加上 Khosla、NEA、Lux 等矽谷基金。它主打能用小資料集訓練、針對日文與日本文化最佳化的模型，被外界稱為「日本版 OpenAI」。

放在更大的脈絡看，Fugu 跟 OpenRouter 三月底推出的 Fusion 是同一個產品方向，對外一個 API，後面藏一堆模型，再合出一個更強的答案。差別在整合方式，Fusion 偏向把同一題丟給多個模型平行作答、再由一個評審模型融合；Fugu 則是訓練出一個會分工、會來回驗收的指揮型模型。模型編排正在從一種工具，變成產品本身。

當前沿模型之間的差距愈縮愈小，會把一群模型指揮得更好的人，可能比再練一個更大模型的人更有優勢。Sakana 選的是一條繞開出口管制的路，把重心放在怎麼編排模型，而非繼續把單一模型練大。

---
📱 請訂閱我的 Threads / Facebook / 電子報「狐說八道」

#SakanaAI #AI #日本AI #AIagent #模型編排 🐡

[Sebastiano Guerriero @guerriero_se]

Drag enough to collapse it.

Demo ↓

[Berryxia.AI @berryxia]

兄弟们，设计和开发终于真正合体了。

@skirano（MagicPathAI CEO，前Anthropic、Brex、Uber、Facebook）刚刚放出重磅演示：

你现在可以把MagicPath直接当原生画布跑在Codex里面。

一边在MagicPath里拖拽设计UI，一边让Codex实时感知整个项目，自动生成代码、编辑组件、完成功能。设计和代码无缝切换，再也不用在Figma和IDE之间反复切来切去。

安装方式超简单：

在Codex里直接粘贴这句命令：
npx skills add https://t.co/FKnStgSXlV --skill magicpath

Codex会一步步带你登录、配置，搞定后整个MagicPath就变成Codex里的原生画布。

我看完演示后最大的感受是：

以前“设计-开发-迭代”要来回切三个工具，现在直接一个窗口全搞定。

这波操作把从idea到可运行App的距离，又狠狠缩短了一大截。

想试的直接去https://t.co/opSb5whOGY看完整教程和视频。

[前端輕鬆聊 @fetalkpodcast]

Oxlint 不帶 type-aware 跑的比 eslint 快 78.9 倍，只用了 eslint 5% 的 memory 🙈
應該還是要用 type-aware 但這好扯，還以為壞了

[Remotion @Remotion]

HTML-in-canvas is now a first-class primitive in Remotion!

It enables new types of effects that were impossible before.

[cortis pics @picsofcortis]

rt if you are 🫂

[不是熊 (;´(工)`) @DesBear]

我12年前就想做這個設計😂但我身邊沒人在做app也沒人覺得這個有價值

[Aurelien @Aurelien_Gz]

using physical motion as another interaction layer.. clever

wizard » @raul_dronca

[sitin @sitinme]

最近又刷到 4 个挺小众、但都很有“动手感”的 GitHub 开源项目

1.CursorLens

现在做产品演示、录教程、录操作视频的人越来越多，但很多录屏工具不是太重，就是导出和编辑体验很别扭。

CursorLens 这种就属于很实用的那类：录屏、摄像头、麦克风、字幕、注释、光标特效这些常用功能基本都给你配齐了，而且整体思路明显是站在创作者和开发者视角做的。

说白了，这种工具不一定是什么“革命性创新”，但它如果顺手，你就会高频用，最后反而特别值钱。

2.OpenBrowserClaw

它有一种“把 AI 助手这件事做轻了”的感觉。现在很多人一提 Agent，第一反应就是要部署、要服务器、要折腾环境，门槛一下就上去了。

但这个项目是直接把浏览器变成运行场，很多事情一下子就简单了。你会发现，真正阻碍大多数人用上 AI 助手的，不一定是能力不够，而是前面的配置流程太烦。

像这种尽量不折腾基础设施、直接把能力塞进浏览器里的方案，我会很看好，因为它更接近普通人真正愿意用的形态。

3.给 Linux 做 Windows 11 风格剪贴板历史的项目

它特别典型：一个看起来不大、但用起来会很上头的需求。很多 Linux 工具的问题不是不能用，而是“能用，但不好用，也不好看”。

这个项目很讨巧，它抓的不是底层大创新，而是日常体验里的那个痛点：剪贴板历史、快捷呼出、多屏适配、GIF、表情这些东西，一旦做顺了，幸福感真的很强。

我一直觉得，开源世界最打动人的地方之一，就是总有人愿意为这种“别人觉得小，但自己每天真会用”的需求认真做产品。

4.AetherViz Master

现在很多人都在讲 AI + 教育，但大部分时候还是停留在“帮你写点内容”“帮你整理资料”这个层面。真正更有价值的，其实是把抽象知识变得更直观、更可感知。

像物理、数学、化学这些内容，很多时候不是学生不努力，而是你光靠文字和静态图真的不够。能把知识点直接转成 3D 交互网页，这件事本身就很有吸引力。

哪怕最后它不是一个大而全的平台，只要能把“理解成本”往下拉一点，我觉得就已经很有意义了。

[阿川 | AI thinking @AI_jacksaku]

微软终于开源了VibeVoice。

24K+ stars，不是玩具，是生产级语音AI。

支持实时语音克隆、情感控制、多语言切换。延迟低到可以实时对话，质量高到难以分辨真假。

这意味什么？

语音交互的门槛，归零了。

以前做语音助手要调ASR、TTS、NLP三件套，现在一个模型全搞定。创业者可以用VibeVoice在几小时内搭建自己的"Her"。

但这里有个问题：当语音克隆变得如此简单，声纹认证还安全吗？

你的声音，正在变成可复制的数据。

技术越开放，风险越隐蔽。https://t.co/CIImwp4wZO

[左子祯 @zuozizhen]

这个号称完美主义者的 UI 框架细节确实到位，包括这种带 Icon 的按钮左右间距看起来视觉不平衡的细节都考虑到了，AI 是真的做不到这个程度啊

https://t.co/FqWTlmSn6P

[开发者Hailey @IndieDevHailey]

最近在开发圈很火的 GitHub 项目 Firecrawl，

一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。

一句话总结：
它可以把任何网站，直接变成 AI 能用的数据。

只要给它一个 URL，它就会自动：

- 抓取整站页面
- 清洗网页内容
- 解析结构信息
- 输出 Markdown / JSON

也就是说：

网站 → 结构化数据 → 直接喂给 LLM。

现在很多 AI 项目的数据流程其实都是：

网站 → Firecrawl → 向量库 → RAG → AI 应用

如果你在做：

- AI Agent
- RAG 知识库
- 自动化数据采集

这个工具基本算是 AI 开发的基础设施了

[高军 @GoJun315]

每月 20 刀的 Perplexity，其实早被一位开发者复刻并开源，已狂揽 31000+ GitHub Star。

这便是 Perplexica，一个完全免费、可直接在本地运行的 AI 搜索引擎。

主打零 API 成本、零数据收集，所有操作完全在你的设备上跑。

核心特性如下：

- 实时联网：直接搜索并整合全网最新信息。
- 精准溯源：提供的每一个回答都会标注信息源出处。
- 本地驱动：兼容对接 Ollama，支持本地运行各种大语言模型。
- 多种模式： 内置通用、学术、YouTube、Reddit 和写作等专属搜索模式。

GitHub：https://t.co/3rk2qJtgHx

对于看重隐私又想拥有强大 AI 搜索的朋友，这个项目可以直接装上体验下。

[Leo｜一个人 + AI @runes_leo]

一个律师把十年执业经验编码成 6 个 Claude Skill，2 人律所干出大所的活。

试过所有垂直法律 AI（Harvey、Spellbook），最后回到通用 Claude。原因很简单：垂直产品卖的是模板，但模板从来不是护城河。

他文章里详细写了怎么让 Claude 分析自己几个月的对话记录，自动识别该建什么 Skill — 这个方法不只适用于律师。

做交易、写代码、搞运营，道理都一样：经验越多的人，AI 用得越猛。

[不是熊 (;´(工)`) @DesBear]

@WSTAnalystApe

[Ray Wang @wangray]

大多数产品团队还没有搞清楚 Karpathy 在说什么。

软件的新分发渠道是 Agent。Agent 不会看你的官网，不会看 demo，不会走新手引导。它直接调你的 CLI，请求你的 MCP server，把你的文档当数据读。如果这些入口都没有，你的产品对它来说根本不存在。

MCP 从零到每月近亿次 SDK 下载，只用了 12 个月，有超过1万个活跃服务器。OpenAI、Google、微软、Cloudflare 全都跟上了。后来，Anthropic 把 MCP 捐给了 Linux 基金会——因为这个标准已经赢了。运行一个 MCP server，现在等同于运行一个 web server，这是产品被发现的新门槛。

一个做得再好看的 React 仪表盘，对凌晨 3 点还在跑工作流的 Agent 来说，没用。

Unix 哲学几十年前设计出来，现在发现它天然就是给 AI Agent 用的。

接下来 24 个月，赢的是现在就在搭“Agent 能接进来”的入口的公司。输的那些，还在优化官网首页落地文案。

[Tom Dörr @tom_doerr]

Converts PDFs to Markdown at 100 pages per second on CPUs

https://t.co/2XTXTXaHrO

[風暴士兵 🪐🪬Taiwan only @dabowagaga]

民眾黨女性全都這種啊，她們很清楚知道民眾黨支持者只會看色，投其所好。

[Tom Dörr @tom_doerr]

Adds OCR layers to PDFs

https://t.co/a1WtywVmOp

[✧ 𝕀𝔸𝕄𝔸𝕀 ✧ @iamai_omni]

https://t.co/o6WgGeUHgZ

[Jakub Krehel @jakubkrehel]

`AnimatePresence` in Motion has three different modes that affect how the exit animation behaves.

I made this component a while ago for an article that visualizes them.