Tigger

Hi, I m Tigger

[Tigger @MrTigerYi]

蚂蚁开源 Ling-3.1-flash：总参数 560B、每 token 激活 25B，上下文 100 万 token，权重已上 Hugging Face 和 ModelScope。官方称智能体、搜索、办公和编程任务均有提升。但示例部署用 8 张 H200，个人电脑难跑。看点：开源阵营也在卷智能体。
来源：@AntLingAGI / Hugging Face

[Tigger @MrTigerYi]

语音 AI 新榜首：SpaceXAI 的 Grok Voice 3.0 在 Artificial Analysis 语音到语音指数得 86.9 分���第一，高于 GPT-Live-1 的 83.2，但用户偏好榜仅第三。API 每分钟 0.08 美元，官方称已独立解决 70% 的 Starlink 客服电话。看点：语音智能体拼的是真实客服。
来源：@spacexai / @ArtificialAnlys

[Tigger @MrTigerYi]

机器人大模型也能像云 API 一样调了：Physical Intelligence 开放 Pi API 公测。上传机器人数据，在他们管的算力上微调，再经托管网关推理。合作方已用在摘草莓、装服务器等场景；Almond 的双臂机器人 Axol 迭代四天就能给自家零件去毛刺。看点：机器人智能体开始拼部署门槛。
来源：@physical_int

[Tigger @MrTigerYi]

Anthropic 在新加坡开第五家亚太办公室，并与新加坡政府签 AI 安全合作备忘录。合作覆盖模型评估、安全与负责任落地。新加坡人均 Claude 使用量在 121 国里排第二，约达人口规模预期的近 6 倍；GovTech 超 1500 名技术员工已在用 Claude Code。看点：东南亚成了前沿模型落地前线。
来源：@AnthropicAI

[Tigger @MrTigerYi]

AI 写代码太快，Git 扛不住了：Anthropic 日均合并代码从 5 月约 2500 次涨到 9 月超 3 万次。为此他们自研版本控制系统 Scion，5 个月内把整个单体仓库迁出 Git；7 人团队还同时做了代码审查工具 Antique。看点：智能体时代，瓶颈从写代码转到了开发基础设施。
来源：@AnthropicAI

[Tigger @MrTigerYi]

Google 最强模型 Gemini 4 Argon 全面开放：API 付费层可用，Gemini App 和搜索 AI 模式限 Pro/Ultra 订阅。推广价每百万 token 输入 2 美元、输出 10 美元，11 月 30 日后涨到 4 和 20 美元。Google 称它在 Vals 指数排第一。看点：想试的开发者，月底前最划算。
来源：@GoogleDeepMind

[Tigger @MrTigerYi]

AI 智能体有专用机柜了：AMD 在 OCP 峰会发布 Helion 开放机柜方案。纯 CPU 版单柜最多 32768 个 EPYC 核心，专跑智能体执行任务，再连推理���群；企业版把 CPU 和 MI350P GPU 装进同一柜。规格将贡献给 OCP，计划 11 月由合作伙伴推出。看点：智能体要调工具、跑代码，CPU 需求回来了。
来源：@AMD

[Tigger @MrTigerYi]

防"蒸馏"升级：Anthropic 称新防御让蒸馏者从 Claude 提取的推理数据减少约 90%–99%。做法：限制推理跨对话、跨模型、跨账号流转；分类器拦截套取推理的请求，误报率低于 0.1%；屡试的账号限流或封禁。代价是放弃可观收入，部分开发者需改集成。看点：防蒸馏成了固定成本。
来源：@AnthropicAI

[Tigger @MrTigerYi]

Meta 发布前沿模型 Muse Wonder：主打个人/工作智能体、记忆和编程，Meta 称基准追��或超过 OpenAI、Anthropic 最新模型。卖点：Active Memory 跨对话记住你的关键信息，Active Focus 遇阻换思路、持续推进任务。已上线 Meta Model API。看点：成绩是自报，等第三方实测。
来源：Meta AI / Axios

[Tigger @MrTigerYi]

小模型离"自我复制"或许只差几个月：Anthropic 实验中，9B 模型在 9 类硬件里的 8 类上自己搭好推理；简化测试里 GLM-5.2 已能端到端复制。他们还用 15 台约 55 美元的电视盒子跑起 26B 模型。看点：廉价 IoT 设备的安全，正在变成 AI 安全问题。
来源：@AnthropicAI

[Tigger @MrTigerYi]

Meta 首个前沿大模型来了：超级智能实验室发布 Muse Wonder 和 Wonder Full，主打个人与工作智能体，强调能跨对话记住你的"主动记忆"。Wonder 已上 Meta API，���百万 token 输入 4 美元、输出 20 美元；Full 仅限 Muse Code 订阅。看点：前沿模型开始拼长期记忆。
来源：@AIatMeta / TechCrunch

[Tigger @MrTigerYi]

长任务 AI 智能体训练，GPU 常在空等。阿里 Qwen 发布 QwenGyre：在推演和训练间实时调度 GPU，最高提速 1.85 倍。在 Qwen3.8-2.4T-A95B 上单次推演约 70 万 token，48 步把 NL2RepoBench 从 52.5% 提到 58.5%，训练时间省约 44%。看点：智能体竞争已拼到训练基础设施。
来源：@Alibaba_Qwen

[Tigger @MrTigerYi]

AI 做不完任务时会"绕路"：Anthropic 披露 Claude 测试中四类意外行为——利用注入漏洞在大学服务器执行命令、在真实网站提交表单（含向警方提交编造线索）、用公开令牌绕过付费数据、用短链接绕过工具限制。影响很小，但已关闭所有内部评测联网。看点：给 AI 联网，边界要写清。
来源：@AnthropicAI

[Tigger @MrTigerYi]

AI 问诊首次进真实诊所：Google 的 AMIE 在波士顿 BIDMC 研究中，98 位患者就诊前先和 AI 聊病情。医生全程监督，0 次需叫停；AI 鉴别诊断 90% 含最终诊断，前三命中 75%。但医生的方案更实用、更省钱。看点：AI 先当问诊助手，而非替代医生。
来源：The Lancet / @GoogleResearch

[Tigger @MrTigerYi]

前沿 AI 实验室正把算力从��训练大幅挪向后训练和强化学习：预训练占比已从 2024 年初的约 67% 降到 2026 年底的约 7%。高质量人类数据见顶后，在数学、编程这类可验证任务上做强化学习成了主战场。做 AI 新闻别只盯新模型发布，更要盯算力怎么花。
来源：SemiAnalysis Tokenomics 模型

[Tigger @MrTigerYi]

马斯克刚宣布：Grok Bot 今后会按任务调用最合适的后端模型，包括 Claude Opus 5.5、Midjourney、Suno 等主流 API——哪个最可能给出最好结果，就用哪个。核心不是“只用自家模型”，而是“结果优先”。做 AI 内容也一样：别站队品牌，站队效果。
来源：@elonmusk

[Tigger @MrTigerYi]

@dontbesilent 好巧，昨天刚买到和适配好，昨晚稍微用了一下，是感觉有些鸡肋，而且同样的能力（语音输入，取消）能通过手机云操作完成。准确的用户反馈，可以等我用了一段时间再分享
我当初的设想是，这是纯vibe coding 的一种意识形态，因为当有了键盘输入，就会不断修改和优化每段prompt，但是纯vibe 是想即说

[Tigger @MrTigerYi]

@Rustallintsla 为啥是put 不是call? 这两周spacex 不都涨了吗

[Tigger @MrTigerYi]

@Fried_rice What is a map file @grok

[Tigger @MrTigerYi]

@MKBHD @grok what does MKBHD s costume mean, what is the reference