木尺

Ex-Alibaba Engineer | AI Models, Agents & Apps | Hands-on Experiments

[木尺 @MuchiLabs]

卧槽，Muse 这视频额度有点猛。10秒720p，我这次只掉了约1%的周额度。

照这个用量算，一周约1000秒，四周就是4000秒，足足66分40秒。

同样4000秒，按720p API价格算，Veo 3.1标准版要1600美元，Fast版400美元，Runway Gen-4.5约480美元（不带原生音频）。

下面这段天宫长廊就是我用Muse生成的。龙纹巨柱、屋檐细节和镜面倒影都挺有感觉。人物后面越走越大，没一直保持我想要的极小比例，这点还差意思。

想试试可以去 https://t.co/F4GIu3gWfz。我的邀请码是 CEMQ0Q，新用户注册后48小时内兑换，一起领10亿 tokens。

[木尺 @MuchiLabs]

Arena 10 月 8 日发布的评估，竟在 48% 的代码调试会话样本里检出了同一个问题：Agent 没完成，却说完成。

代码没修好，本身并不会被算进这一项。Agent 得明确说已经完成，而且在它说这话时，已有具体证据表明并非如此。
https://t.co/Xrv6n26rJZ

[木尺 @MuchiLabs]

@alexandr_wang So that’s the course of technology: from front view to rear view.

[木尺 @MuchiLabs]

@saranormous All-Gather: bringing people together to disagree.

[木尺 @MuchiLabs]

@josevalim Review feedback can help an engaged contributor understand the code. If they just pass the feedback back to a coding agent without engaging with it, they're not learning from the review.

[木尺 @MuchiLabs]

Thariq 做的 AI Homepage，让 AI 把你常逛的网站内容整理成主页，放进 Chrome 的新标签页。打开新标签页，就能看到这张主页。在他的演示里，主页排得像一份报纸。

浏览记录在这里用来帮 AI 挑选内容来源。扩展先汇总你常访问的网站，AI 根据这份摘要选择要读的页面。随后，扩展打开这些页面，AI 读取里面的内容，再生成主页。

生成过程中，这份摘要和读取到的页面内容都会发给 Anthropic API。页面是在你已登录的浏览器里打开的，因此也可能包含私人内容。

这个项目还处于实验阶段，需要自己搭建，并使用自己的 Anthropic API key。每次生成主页都会产生 API 费用。

原帖：https://t.co/HJzHHAlftp
项目：https://t.co/ee6TFXR6vU

[Thariq @trq212]

you now get Claude API credits with your MAX plans ($100, or 200 matching your plan) every month, use this to build more personal AI for yourself!

I made an AI homepage that's generated everyday based on sites I read and replaces my 'new tab' page in Chrome

[木尺 @MuchiLabs]

@almonk The Claude Code task is “Working.” People still waiting for a Rex invite are “Blocked.”

[木尺 @MuchiLabs]

Claude 新看板有个我很喜欢的细节：每张图都能查看生成它的查询。它目前在付费计划中提供测试版，接入公司的业务数据后，看到一个意外的数字，就能顺着查询找它具体是怎么查出来的。

我还想知道，这条查询能不能按需要自己修改？如果能，下次数据刷新时，看板能否继续使用修改后的查询？

[Claude @claudeai]

With Claude Dashboards, connect a data platform or CRM tool and ask a question in plain language. Claude writes the query and builds a dashboard that updates as your data changes, and every chart shows that query.

In beta on paid plans.

[木尺 @MuchiLabs]

@ClaudeDevs That last parenthesis catches the fist pump for extra Claude Code quota halfway up and gently puts it back on the desk.

[木尺 @MuchiLabs]

@emollick Imagine the guest list for that potato's wedding: the Pope, the world's greatest mathematicians, the President.

[木尺 @MuchiLabs]

@tekbog Average three and seven and, oh good, we've reinvented the five-day workweek.

[木尺 @MuchiLabs]

@bcherny @kevin_t_ngo That moon one with the tiny yellow window is begging for a frame. It’d be lovely to see a JavaScript drawing make itself at home on a wall instead of a screen.

[木尺 @MuchiLabs]

@theo Seeing “Free Research Preview” in the footer feels like finding an old ticket stub.

[木尺 @MuchiLabs]

@jeffholden Tiny machines, big day. Cheers to you and the team, Jeff, on bringing six years of work out of stealth!

[木尺 @MuchiLabs]

@theo “At least once” lol, you’ve got a minimum roast requirement for the video.

[木尺 @MuchiLabs]

GPT-6 Astra 在一次研究实验里，自己发现并修好了回答被截断的问题，却仍把修复后的分数恢复写成了一项研究发现。Epoch AI 在 10 月 8 日发布的报告里，记录了这个有点尴尬的过程。

Astra 原本想研究：AI 代理反复练习却没进步，究竟是没收集到有用的证据，还是不会利用已有证据？它设计了一个猜隐藏规则的谜题，让被测模型试几个输入，再根据输出猜规则。实验比较两种情况：模型自己选输入，或者直接拿到有助于揭示规则的输入。

问题出在选输入这一步：Astra 把每次响应的输出上限设为 4096 token，280 次响应里有 61 次还没报出输入，就被截断了。这些响应仍被算作有效尝试。于是，被测模型少拿到了本该获得的信息，却得继续猜规则。

Astra 后来自己识别了这个错误，提高 token 上限后，被测模型的成绩明显改善。它的报告也提到了低上限和分数恢复，却把这项变化称为“对输入获取预算的敏感性”。这里的“预算”，指的就是模型在选择输入时可用的 token 数。

Epoch 指出，这里的成绩差别来自不完整的响应，不能解释成选择输入时推理投入不同的结果。实验修好了，可把这次分数恢复当成对原研究问题的发现，还是说不通。

来源：Kelly Hong、Greg Burnham / Epoch AI，《Can AI automate Epoch?》
https://t.co/LeIBTux3Y6
本文为中文解读与改写；原作采用 CC BY 4.0 许可：https://t.co/lyhjyIe1cY

[木尺 @MuchiLabs]

@TokenGremlin Ask Sol to sell ChatGPT in that OpenAI job interview you posted earlier and you'd get a pitch for Anthropic.

[木尺 @MuchiLabs]

@cellinlab 最后一行的负数，倒像是 Vibe 程序员给模型发的工资。

[木尺 @MuchiLabs]

“Useless” goes too far. The same paper estimates GLM 5.2 inference costs at $12.12 per run for its minimal single-session harness, Malena, versus $1.95 for AiScientist.

Cache hits weren’t measured, and cache-read prices were uniformly assumed to be 10% of input-token prices. Hardware still dominates total cost.

https://t.co/IGbgrvbVer

[木尺 @MuchiLabs]

@shadcn Imagine calling your phone and having it roll up to you.

[木尺 @MuchiLabs]

Steve Yegge 开着 20 多个 Claude Code 会话，远程操作时，连复制粘贴都老出错，往回翻输出也不顺手。他最近试了 Rex 这个新终端。

Rex 支持远程连接，目前还在 macOS 邀请测试阶段。Steve 在酒店用它的 alpha 版操作同一套环境，说感觉「像在本机」。

哈哈，看完想给他递一个网易 UU 远程 😂