Especialistas en Salud Ocupacional

[Faisal Mahmood @AI4Pathology]

Today we are thrilled to announce Clinical System One (CS1), a fast and efficient general-purpose decision model for medicine.

Read our preprint 📄: https://t.co/hceIIqwbhH
Watch the video 🎬👇
Blog: https://t.co/2TapCNTe16

Healthcare has a scale problem. Every health system holds decades of notes, reports, and timelines. They contain answers to questions we rarely get to ask of more than a few patients at a time. Which patients could join this trial? Who missed a follow-up? What happened to everyone who took this drug? Reading all of it, for every question, has always been too slow and too expensive. That was true even with LLMs.

Thats why our team built Clinical System One (CS1). Its a small, fast decision model tailored for clinical records. Trained on 12.4 million questions and 3.6 million patients, CS1-4B beats open decision models on reading real-world patient records across diverse healthcare systems, and it runs on a single desktop GPU. We show the power of composing CS1 with traditional System 2 LLMs into agentic systems that read dense patient timelines and assess trial eligibility from a pool of a thousand candidates. Imagine trials that find every eligible patient automatically, registries that fill themselves, and care gaps surfaced across a whole population. Thats the future were building toward.

[angel @angeldot_]

EL GANADOR DEL HACKATHON OFICIAL DE ANTHROPIC HA PUBLICADO SU SETUP DE CLAUDE CODE Y ES ORO PURO

68 subagentes, 286 skills, 94 comandos, licencia MIT.

ECC convierte Claude Code en un equipo de ingeniería completo.

El plan va antes que el código.

El test que falla va antes que el arreglo.

Cada cambio lo revisa un contexto que no ha visto cómo se escribió.

→ Planificación: le das una frase y apruebas el plan antes de que exista una sola línea
→ Revisión: un revisor distinto por lenguaje que lee tu diff desde cero
→ Arreglo de builds: un corrector por toolchain, incluidos PyTorch y CUDA
→ Seguridad: barrido OWASP completo y escaneo de inyecciones en la config del agente
→ Arquitectura: detecta errores de diseño cuando aún son baratos, antes de la migración
→ Dominio: bases de datos, pipelines de ML, tests E2E y documentación

La parte de seguridad es la que casi nadie configura.

Una auditoría OWASP externa cuesta cuatro cifras y una semana. Esta la tienes lista antes de comer.

Las skills cubren testing, Python, Go, Rust, Django, Next.js, Docker y CI/CD.

Eso sí, no actives las 286 de golpe o acabarás con una config peor que la que tenías.

Así se integra bien:

→ Haz un fork y léete el README antes de copiar nada
→ Empieza solo con el agente de planificación y el pack de reglas de tu lenguaje principal
→ Copia a tu carpeta .claude únicamente los agentes y skills que vayas a usar esta semana
→ Añade después el revisor de código y el de seguridad, que son los que más rinden
→ Pruébalo primero en un repo pequeño, no en producción
→ Si algo sobra, recórtalo. Si echas algo en falta, añade una sola pieza más

La regla es simple: si no sabes para qué sirve un agente, todavía no lo necesitas.

Quien lo integre bien este fin de semana se pasará el próximo trimestre revisando trabajo en vez de escribiéndolo.

Guárdate este post, me lo agradecerás ���

[Ben Pierron @Ben_escrito]

ESTO ES JODIDAMENTE ORO

475 DEMOS DE VÍDEO CREADAS CON CLAUDE OPUS 5.5 EN UN SOLO REPOSITORIO DE GITHUB

Motion graphics, explicaciones, escenas 3D e incluso juegos, todo creado con HTML, Canvas, SVG y Three.js.

¿La parte más increíble? Cada demo incluye su prompt original y la publicación fuente, así que puedes elegir cualquiera e intentar recrearla tú mismo.

475 ejemplos para aprender y experimentar.

Repo en los comentarios 👇🏻

[GitHubDaily @GitHub_Daily]

想让楼道里的摄像头自动发现垃圾，很多人第一反应就是找一个能识别垃圾的模型。

但模型找到了，摄像头的视频怎么接进来、规则怎么定、发现了又该怎么通知到人。

最近偶然看到 CosmoEdge 这个开源项目，可以给摄像头接入一套 AI 视频分析系统。

GitHub：https://t.co/Ak0dCB2eDi

在网页控制台里拖拽组件就���搭流程，接画面、识别、判断规则、发提醒连���一条线。

还自带人脸比对、烟雾检测、车辆违停、玩手机检测、未穿工服等 29 种场景模板。

想识别新东西也不用重新训练模型，输入提示词就可以尝试让模型在画面中找出对应目标。

对于垃圾桶是否满了、消防柜门有没有关好，这些状态也能交给视觉大模型判断。

可以通过 Docker 一键部署使用，跟着教程选模型、接视频、设规则，先跑通流程体验。

等到有受支持的边缘设备再接入也不迟，不想折腾的朋友也可以选择官方提供的预装设备。

[Andrej Karpathy @karpathy]

We'll be spending a lot more time trying to understand the outputs of language models. A few thoughts, tips & tricks:

Writing. Something I've had success with: Ask your LLM to explain something in ASD-STE100, it's a controlled language specification originally developed for aerospace maintenance documentation. LLMs well-versed in this language and it comes with heavy constraints on clean writing style that I often find a lot more readable. Sometimes I've tried to soften it a bit e.g. ask for "80% of the way to ASD-STE100" because the spec is quite stringent. But even better:

Diagrams / images. Instead of writing, ask your LLM to create a diagram. These can be a lot easier to process, parse, and understand. But even better:

Web pages. Ask for output "in HTML" to get a beautiful, interactive webpage. LLMs are getting really good at frontend and can create beautiful experiences, animations, etc. But even better:

Explainer videos. The output format I am most bullish on is fully custom / bespoke explainer videos generated on any arbitrary topic. Experiment with things like "Create a 3b1b style video explainer on X. Use my ElevenLabs API key for audio narration". (you'd need an API key for the latter or you can ask your LLM to find you decent free alternatives that use your local compute). This is actually starting to work!

In summary:
- As LLMs get better, they will do more and more of the legwork autonomously, and a lot more of our work will rise up the abstractions into oversight and understanding.
- Luckily, LLMs can help here too because as intelligence and code are increasingly abundant, you can ask for large, custom, discardable software artifacts (e.g. web apps, video explainers) that would have never made sense to create before. Push the boundaries here and you'll be surprised.

[Yanhua @yanhua1010]

AI大神Karpathy 最新分享了一个非常实用的观点，值得每一个AI 从业者学习👇

AI 干活越来越多，我们的工作会变成"看懂 AI 的产出"。

他推荐 4 种让 AI 输出更好懂的方式，一种比一种强：

1️⃣ 文字：让它按 ASD-STE100（航空维修的简化英语规范）来写
2️⃣ 图示：让它画图
3️⃣ 网页：让它"用 HTML 输出"
4️⃣ 视频：让它做 3Blue1Brown 风格的讲解视频

不管你是 coding 还是内容创作，都值得尝试。

[liam. @liambraus]

TU AGENTE DE IA YA PUEDE EXTRAER DATOS DE CASI CUALQUIER WEB

X, YouTube, Reddit, foros random, webs sin API… básicamente lo que necesites para research, análisis o monitoring.

acaban de subir a GitHub 3 herramientas open source que le dan a tu agente ese superpoder.

1. Agent-Reach

junta X, YouTube, Reddit, GitHub y más en un solo sitio.

https://t.co/yawDnTZk2g

2. Patchright Enhanced

usa Playwright para escuchar peticiones de webs sin API y sacar los datos con un script.

https://t.co/M5tHnH2aWr

3. Scrapling

scraper de propósito general para cualquier página web.

https://t.co/mQR069yL39

le dices qué datos necesitas → escribe el código → los recolecta → te da el resultado.

ejemplos reales:

"recoge los posts de 100 cuentas de X del último mes y dime qué temas están funcionando"

"saca reviews de este producto en Reddit y YouTube y resúmeme las quejas principales"

básicamente le das a tu agente la capacidad de sacar datos de casi cualquier lugar de internet.

eso abre un nivel de automatización que hasta hace nada era impensable.

[Miguel Ángel Durán @midudev]

Mis modelos de IA favoritos a día de hoy:
Código → Opus 5.5 + Grok 4.7
Escritura → GPT-6 Sol
Imagen → GPT Image 2.5
Música → Eleven Music 2.5
Vídeo → MiniMax H3
OCR → GLM-OCR
Voz → Cartesia Sonic 3.6
Transcripción → Whisper + Parakeet
Scraping → Firecrawl
IA Local → Qwen 3.8 27B

[lifcc @mylifcc]

Nature 刚发了一篇论文，想法很大胆：

以后读论文不用自己啃代码了。每篇论文会自带一个"虚拟通讯作者"，你直接问它，它直接替你跑论文里的方法。

它叫 Paper2Agent，来自 Stanford 的 James Zou 组。🧵

[Avid @Av1dlive]

jev + opus 5.5... i simply can't comprehend why everyone isn't building this yet.

in my workflow, this cut costs and time by ~80%. i think it's one of the best ways to use it.

→ pick relevant project notes before loading the context
→ route suitable tasks to a faster worker
→ choose a recovery path when a tool fails
→ run focused checks before the full test suite

opus handles the hard reasoning. jev picks from options the harness prepares and validates.

i explain how to build the decision layer in the article below:

[angel @angeldot_]

UN INGENIERO DE ANTHROPIC ACABA DE SOLTAR EL MEJOR TRUCO PARA OPUS 5.5

Abre Claude Code y escribe:

/claude-api prompt-audit

→ Audita tus skills, CLAUDE.md y prompts
→ Borra todo lo que frena al modelo
→ Lo reescribe con la guía oficial de Opus 5.5

Tus prompts están escritos para modelos viejos.

Esto lo arregla en 5 minutos.

Guárdalo.

Por: @RLanceMartin

[TypeLLM @TypeLLM]

Jev can’t do any of these:

1. Image inputs
2. String, integer, and number types
3. Dependency execution in a single call

TypeLLM can.

Try it: https://t.co/cDBr9Eja9D

[凡人小北 @frxiaobei]

好工具分享，科研人终于有一个专门画论文图表的 Skill 了。

它可以让 Codex、Claude Code、Cursor 根据你的数据，直接生成能放进论文里的柱状图、折线图、雷达图、趋势图等。

作者把自己发表在 Nature Machine Intelligence、ICML、NeurIPS、ECCV 等论文中的绘图代码，连同配色、布局、设计原则和导出规范，全都整理进了这个 Skill。

最实用的地方是这一整套经过顶会论文验证的绘图标准，还有现成案例可以照着做。

做科研、写论文的朋友可以收一下。

开源地址：https://t.co/gYrgU0rdMO

[PA13L0 @Fluyeporlaweb]

Monid ya es open source

Una clave.
2.000 herramientas.
Pagas solo la llamada.

El agente descubre en caliente scraping, datos de empresas, redes, SEO, imagen, vídeo o audio y lo ejecuta.

Sin tener 72 cuentas abiertas.

Lo de GitHub es la capa de conectores.
Licencia MIT.
Te lo puedes montar tú.
https://t.co/As1U3PE4VO

La versión que ya está en marcha sigue siendo de pago por uso y tiene sentido si no quieres pelearte con cada proveedor.

Si quieres probar de lo que es capaz:
https://t.co/dncahIh4M9

[د. عبدالله البيروتي @aalbeirutty]

والله يا هو برومبت رهيييب ويفكك الأعضاء تفكيك..

حط خيار انشاء صورة واستخدم الكود
explodedview/

وبعدها اكتب اسم العضو اللي تبغاه.

[Dr. Carlos Arnaud @carlos_arnaud]

Imperdible

[山羊赚钱笔记 @shanyanggm]

卧槽兄弟们，GitHub 上真的有一堆免费到离谱的项目。

很多能力已经能直接干掉你正在月付的软件。

1. TradingAgents
AI 多 Agent 量化交易框架
https://t.co/3T1sPPQ6TL

2. LibreChat
一个界面接入 ChatGPT、Claude、Gemini 等多个模型
https://t.co/HZJQEij5h1

3. HyperFrames HeyGen
开源的视频生成引擎
https://t.co/o0OnS8iJMG

4. Fincept Terminal
开源版彭博终端
https://t.co/n5COGtvHc4

5. MoneyPrinterTurbo
AI 一键生成短视频 https://t.co/Po8sGObI7q

6. Agentic Inbox Cloudflare
开源 AI 邮件助手
https://t.co/S7XDWi1yTD

7. VoxCPM
AI 声音克隆工具
https://t.co/wkSGMchuq2

8. Flowsint
开源 OSINT 情报分析工具 https://t.co/RwFvhurB0P

9. agent-skills
Claude Code 技能�� https://t.co/c2NifSzKM1

10. Nango
开源 API 集成平台
https://t.co/tNbwrMEzZn

兄弟们，这些真不是玩具项目。

很多你还在交月费的软件，GitHub 上已经有人做出开源平替了。

一���话：

别只会收藏 AI 工具网站了。

真正狠的东西，很多都藏在 GitHub 里。

[fred @heyfredds]

LA IA TE HACE PROGRAMAR MÁS RÁPIDO.

Pero también te llena el código de basura que nadie entiende.

→ funciones repetidas por todos lados
→ nombres de variables random
→ nada de estructura, todo pegado con cinta

hay un método para limpiar todo eso en 10 minutos y dejarlo mantenible.

guárdalo 🔖

[Oliver Prompts @oliviscusAI]

microsoft quietly open-sourced one of the best ai data analysis tools out there.

it's called data-formulator.

connect any source, csv, postgres, bigquery, even a live url, then build charts with a mix of drag-and-drop and plain english.

the ai agent writes the sql and transforms underneath and hands you a chart you can actually edit, not a code dump.

- drag fields onto x/y/color and it builds the chart
- anchor a cleaned result so follow-ups don't drift back to raw data
- branch any chart to explore a variation
- connect live data with auto-refresh

bring your own model key and it runs locally.

[Miguel Ángel Durán @midudev]

Esto es hermoso. morphicons es una biblioteca que transforma un icono en otro con animaciones fluidas.

Sin dependencias y sólo ~7KB de tamaño.

De código abierto y fácil de usar:
→ https://t.co/6d5RBZTMf2