实践哥 Li

🚀 AI Builder｜连续创业，折腾不止
⚡ AI 干货 · 本地大模型 · AI Agent · AI 视频 · AI 产品
🔥 每天与AI 聊25h，尝鲜，探索，洞察，分享，思考🤔
📩 合作: [email protected]

[实践哥 Li @MinLiBuilds]

https://t.co/yLO5pANoyi

[实践哥 Li @MinLiBuilds]

https://t.co/a21iLDbQfz

[实践哥 Li @MinLiBuilds]

@icebakbum 学习了，太详细了。 火前留名

[实践哥 Li @MinLiBuilds]

@wangfengagent 我想到karpathy说他们内部少部分人，都是控制5000个agent在干活。

学习一下不同的控制方法，哪怕没机会摸

[实践哥 Li @MinLiBuilds]

😁 微软在1024 程序员节放出1024 个 AI 程序员一起干活。

使用 GPT-5.6 Sol，6 小时内从零复刻 Pandoc，最终测试通过率：

1 个 Agent：33.89%
128 个 Agent：50.94%
1024 个 Agent：55.06%

🚨10 月 24 日，微软研究院正式开源了 Agensh，一个支持 1024 个 Agent 同时协作写代码的框架。

1024 个 AI 程序员共享代码仓库、聊天室和任务进度，自己组织起来干活：

这些分工在协作过程中逐渐形成。

从 1 个增加到 1024 个，通过率相对提升了约 62%。

🔥从 128 个增加到 1024 个，Agent 数量翻了 8 倍，通过率却只提高了 4.12 个百分点。

👉如果你也想组建这个超级舰队。项目已开源，MIT 协议：

https://t.co/OCGwWvvNrx

[实践哥 Li @MinLiBuilds]

Anthropic 建议减少Multi-Agent 的使用。在多个企业部署发现单一agent：

1. 效果更好：单 Agent + Skills
2. 速度更快：提升两倍速度
3. 成本更低：减少子代理之间的上下文传递、重复推理和 Token 消耗。

这跟我最近的体感几乎一致。

年初模型弱，现在模型强，不用折腾子代理了。而且现在不用 ultracode。多个子代理一起干活，看起来热火朝天，最终效果未必比一个 Agent 跑 Loop 更好。

当然，我的主因是我穷。

现在我经常晚上挂一个 Opus 5.5 loop 迭代具体的任务。一个晚上大概消耗 4–8 个周额度，成本和产出相对可控。

大家现在更倾向于 Multi-Agent，还是单 Agent Loop？实际效果和成本差多少？

原文：https://t.co/XTdjlffLHY

[实践哥 Li @MinLiBuilds]

重置已经到来

[实践哥 Li @MinLiBuilds]

😂 Tibo 又双叒叕 reset 了，Codex 用户集体狂喜。连续三天。

😂 他们家的 dots 能接邮箱，来管理邮件。

其实这套体验，我已经在手机邮箱里用上了，比 dots 更丝滑👇

一句话跟进批量邮件
再一句话，写好3 封草稿

[实践哥 Li @MinLiBuilds]

https://t.co/yLO5pANoyi

[实践哥 Li @MinLiBuilds]

@alin_zone 你看看 可以不可以。 我是网页端

[实践哥 Li @MinLiBuilds]

OpenAI还有比GPT-6 Astra Ultra更强的模型？

[实践哥 Li @MinLiBuilds]

😂 Tibo 又双叒叕 reset 了，Codex 用户集体狂喜。连续三天。

😂 他们家的 dots 能接邮箱，来管理邮件。

其实这套体验，我已经在手机邮箱里用上了，比 dots 更丝滑👇

一句话跟进批量邮件
再一句话，写好3 封草稿

[AI少年 @aehyok]

https://t.co/vQWaSbdtgA

[实践哥 Li @MinLiBuilds]

@DarkerPlayBoy 一般是2点

[实践哥 Li @MinLiBuilds]

@alin_zone 看一下什么时候账单日。 只用支付到账单日的升级费

[实践哥 Li @MinLiBuilds]

@murainwood 他们其实可以基于qwen 4.0 dense来训

[实践哥 Li @MinLiBuilds]

😳 Dense 之王来了。BOSS 直聘竟然把大模型卷到这个地步了？

如果这模型真如指标描述，那确实封神了。

Boss旗下南北阁团队发布 Nanbeige4.3-33B，直接对标 Qwen3.8-27B。

看了一眼官方 Benchmark，有点不敢相信：

Terminal-Bench 2.1：80.9 vs 73.0
DeepSWE：65.5 vs 42.5
Automation Bench：54.2 vs 38.3
DeepPlanning：63.3 vs 49.2

33B Dense，512K 上下文，Apache 2.0 开源。

这还只是教师模型，后面还准备把 Agent 能力蒸馏到 3B。

目前 GSQ-RCO GGUF 量化已经有人做了，单张 48GB 4090 就有机会跑起来。

压力给到 Qwen4 了！😂

[Nanbeige @nanbeige]

🚀Excited to announce Nanbeige4.3-33B!
To push the performance ceiling of small agents, our strategy in Nanbeige4.3 starts with building a powerful teacher first.
Nanbeige4.3-33B delivers SOTA agentic performance among open models at ~30B parameters:
* Strong results on agentic coding and cowork benchmarks.
* When integrated into mainstream agent harnesses, it tackles real-world tasks with cost-efficient inference.
* It will serve as a teacher for upcoming smaller Nanbeige models, starting with Nanbeige4.3-3B.

https://t.co/tSToQgZf2O
https://t.co/D228euvybz

#LLM #Agent

[实践哥 Li @MinLiBuilds]

@alin_zone 这几天astra ultra用爽了，能承受我2小时攻击

[实践哥 Li @MinLiBuilds]

@KobinFlow 太感动了 呜呜呜🥹

[实践哥 Li @MinLiBuilds]

https://t.co/yLO5pANoyi

[实践哥 Li @MinLiBuilds]

@cellinlab 好的，H4 是不是要出来了 现在到车接我们。

[实践哥 Li @MinLiBuilds]

🔥 Grokbot 大使 @li9292 老师家的好东西：EverOS Cloud，专门做 Agent 记忆共享 👇

个人 Agent 最被低估的东西就是记忆
现在手上的 Agent 越来越多：Grokbot、Muse、Dot，后面还会冒出一堆平台

问题来了 😅
在一个地方花了几周调教好，偏好、习惯、项目背景它全懂
换个 bot，又得从零开始教一遍

这跟员工离职再招新人一模一样
新人头一个月的培养，谁带谁烦 😭

所以记忆能共享、能导出，真的是刚需
少掉的不是一点摩擦，是一整个月的磨合

用 Grok Bot 和 Muse 能共用一份记忆，不用二选一
教程写得很细，折腾 Agent 的建议先收藏 💯

[前端哥Liam @jinglian]

https://t.co/qkFgUC22gz

[实践哥 Li @MinLiBuilds]

@yhslgg 那必须的，小数点后 7 位。

[实践哥 Li @MinLiBuilds]

@linheitu 应该能跑到二三十帧吧。

[实践哥 Li @MinLiBuilds]

😭 跪着看完了，这绝对是目前看到的 3DGS+ 传统 Mesh 混合管线最牛逼的工程化落地，而且还是在极其轻量的 Web 端！

🔥 高斯做LBS蒙皮，绑骨。

GS 与 Mesh 混合渲染，场景里的星球和道具是传统 Mesh，主角是 3DGS。

🚀 底层用统一标准骨骼挂胶囊体做微引力物理碰撞，连脚底阴影都完美接上了。

以前大家总觉得 3DGS 只能做静态渲染看个景，这一波直接把轻量级可驱动高斯和传统 Mesh 揉在一起塞进了 Web 实时游戏管线，太牛逼了。

[huangserva @servasyy_ai]

兄弟们，终于等到了！AI 做 3D 游戏终于进化到动嘴就能搞定了！！！
这妥妥的信息差啊！

以前做 3D 游戏，最卡独立开发者的从来不是写代码，而是美术和动作：建模、贴图、绑骨骼、刷蒙皮、找动捕或者一帧帧 K 动画……别说一个人了，一个小团队光调几个动作就能把人送走。

但我们最近用@ViggleAI的3D产品@Viggle_PINOC（用的是他们新发布的JST-2世界模型），直接搓了一款网页就能玩的 3D 小游戏《星芽旅行记》。

简单说，主角从长相到全身十几套动作，全靠打字搞定！而且成本便宜到不可思议。
我来给大家详细盘一下怎么玩的：
1、一张 2D 原画，直接变带骨骼的 3D 角色 给 PINOC 扔一张小园丁的 2D 设定图，它直接吐出一个带完整骨骼绑定的 3D 角色。4.8 万个高斯点，文件压出来只有 1.3MB！传统 3D 里最磨人的建模、拓扑、贴图、手动绑骨蒙皮，这一步直接全省了。
2、动作全靠一句话描述，导出直接用 这个最神！想要什么动作直接打字，比如写一句"手脚并用顺着粗藤往上爬，双臂交替上伸"，很快就拿到一段 4 秒的标准骨骼动画，导出 GLB 直接塞进游戏。 走跑跳、旋转攻击、滑铲钻横杆、前后空翻、下砸、飞扑、爬藤、滑翔、跪地播种……十几套动作，大部分都是一句话生成的，剩下几段直接从 PINOC 自带的免费动作库里挑。 更绝的是它底层共用一套骨骼规范，生成出来直接套在角色身上就能动！
3、成本直接被打骨折 角色、场景加十几套动作，在 PINOC 里一共只消耗了 100多积分。放以前找动捕棚或者外包动画师，光这些动作就得花上一大笔钱、等好几周！

其他环节顺手用 AI 一波流串起来： 道具丢给 Tripo，开场结局过场用即梦，配乐用 Suno，代码让 AI 编程助手写。

故事也很简单：巨大的蛾后卷走了星球上所有的光，小园丁要一路跳过五颗小星球，找回星种，让星球重新发芽。 五颗带微引力的小星球，绕着星球跑圈、下砸弹簧芽弹射起飞、滑铲钻杆、对着魔豆下砸长出通天藤蔓爬上去……类似马里奥银河的玩法几天就搓出来了。

PINOC 底层这个世界模型，厉害在它理解人在三维空间里是怎么动的，而不是一帧一帧去画图。
当 3D 资产和动作的门槛被彻底打穿，独立游戏真的要变天了，大家也快去试试 PINOC～

[实践哥 Li @MinLiBuilds]

@murainwood 确实，夸张了些。我估计他们没有预算练一个基模了。

[实践哥 Li @MinLiBuilds]

@yhslgg 😂

[实践哥 Li @MinLiBuilds]

@qihang_zeng6688 加了 AI 后，减少了大部分摩擦