CE

无栈程序员、架构师，转战物理世界，跨界新材料开发。

[CE @echen41158342]

@wangyuanzju 是啊，修修补补把功能搞好了，留下什么坑很难说。

[CE @echen41158342]

在良好的Harness的帮助下小尺寸模型可以通过更多试错探索完成复杂任务，从结果来说任务确实完成了，那么问题是这个试错过程有副作用吗？

[CE @echen41158342]

欧洲没条件参与“算力工程”的竞争,比较实际的做法是不要拒绝AI，在中美死磕 coding 的时候在欧洲强势的领域不惜代价的使用，沉淀这些领域的harness，创造真实的价值。 万一死命用也创造不出什么增量的价值，那就笑看中美烧钱就行了。

[Ursula von der Leyen @vonderleyen]

AI is the most important technology of our time.

Europe wants to become the first AI Continent.

For advanced healthcare, for the transport sector and so much more.

European AI Gigafactories will provide the necessary computing power to make this possible.

Together with our Member States, we are funding their construction with up to €10 billion, which are set to unlock at least €20 billion in private investements across the EU.

Together, we are building our technological sovereignty.

https://t.co/Vxko4TRXVL

[CE @echen41158342]

小米N90 空间腾挪方面的功能很酷，但感觉是个低频场景？这些炫酷功能花了成本总要在其他地方找回来…

[Xiaomi @Xiaomi]

Meet Xiaomi SkyNomad N90 Max, a spacious 7-seat SUV.
Featuring a 2+2+3 seating layout, it is designed to make room for every way of life, bringing greater ease and freedom to every journey.
Join us for the official livestream on July 30 at 7pm (GMT+8) to discover more.

[CE @echen41158342]

这个傻x在瞎说，这张图至多只能说明语料的相似，在模型吞噬了几乎所有可触及的语料的情况下相似性不可避免。

[BridgeMind @bridgemindai]

If you have not seen this chart already I would check it out.

All of these models are distilling Fable 5.

[CE @echen41158342]

今天在一个涉及分析一周内约10余份某项材料研发的实验记录和相关文档的任务中，Qwen 3.8显著的胜出了 Gemini 3.1 Pro （thinking level 都设置为最高），主要表现在对文档关键细节的捕获与正确还原以及进一步做外部文献资料查询时的幻觉问题。 此任务的特点为文档不是一次性注入，而是需要 Agent 在一个工作区中探索，步骤较长。 。而 Qwen 3.8 存在的问题是上下文积累后速度呈现较明显的下降。

[CE @echen41158342]

Gemini 3.5 pro 还在挣扎中，个人认为除非Google全力推进在Gemini 在主流harness中的大量使用（类似 DeepSeek 的低价策略或明确开放第三方 Harness 使用订阅额度）否则很难在长程代理任务，尤其 coding 任务上大幅进步。当然SVG画的更好是完全有希望的。

[CE @echen41158342]

智谱这波涨价是在想啥，完全可以在下个版本模型推出时再调整，现在这虎狼环伺的情况下这么搞不智啊。

[CE @echen41158342]

DeepSeek 依托超高性价比，在短时间内初步完成了长程代理的数据积累任务，表现出真正的实力了，以 Flash 模型来说这个 benchmark 数据称得上凶残！

[CE @echen41158342]

猜测豆包收费远低于预期，而飞书既没像样的Agent Harness 可用也没集团自有的 SOTA 模型可用。一定程度就源自豆包和飞书各干各的。 阿里也有类似问题，但千问C端产品化能力太差，2B变成关键，反倒使Qwen模型还比较顶用。

[PANews丨APP全面升级 @PANewsCN]

字节整合豆包、飞书，成立新产品团队

据凤凰网，字节跳动今天上午发内部邮件，宣布飞书产品团队和豆包产品团队合并，成立新的豆包产品团队。

同时，飞书销售、市场团队会和火山引擎整合，成立新的ToB组织"创造力服务平台"，统管字节云服务的市场销售。

这是字节2021年业务板块化以来对ToB业务最大的一次调整。整合后飞书原有产品服务不变，但会和豆包在办公场景上有更深协作。

背景上，阿里、腾讯此前已分别整合了自己的AI办公产品（千问办公、WorkBuddy），字节这次调整被视为在AI办公入口争夺战中加速跟进的动作。

[CE @echen41158342]

随着公司内AI使用的增加（非Coding），最近在考虑供应链安全的问题，境外服务主要用Vertext 的Gemini（封号之类幺蛾子相对少，隐私政策明确）。境内按：1. 有SOTA多模态模型；2.有企业级token plan（承诺数据数据不用于训练）；3. 算力资源相对充足。 盘下来貌似只有千问平台的团队版Token Plan。

[CE @echen41158342]

昨天起Kimi K3的速度快了不少， 终于开始感受到一些优势。在一个调用栈比较深，又涉及异步调用的场景中纠正一个数据被错误缓存的bug，GLM 5.2 能看出在向着问题解决的方向进步但进展过于缓慢，只得放弃，过程中做了一些意义不大的排查，K3仅用了不到一半时间很直接的找到了问题。参数规模更大的模型似乎需要的试错次数更少？

[CE @echen41158342]

资料搜索类任务用Qwen 3.8和Minimax M3做了简单对比，Qwen 3.8暂时表现出完成任务的路径更短，从调用日志看减少了很多无用功，但样本较小还无法下结论。

[CE @echen41158342]

订阅千问团队版把Qwen 3.8 接入到公司研发平台试用，发现调研分析类任务有胜过Gemini 3.1 Pro 的趋势，表现为输出更加结构化，对一些疑点不像Gemini那样迷之自信，而是更加谨慎。材料研发的相关专业知识也暂未见明显破绽。团队版虽然贵些但明确说明数据不用于训练。缺点是白天速度略慢。

[CE @echen41158342]

订阅千问团队版把Qwen 3.8 接入到公司研发平台试用，发现调研分析类任务有胜过Gemini 3.1 Pro 的趋势，表现为输出更加结构化，对一些疑点不像Gemini那样迷之自信，而是更加谨慎。材料研发的相关专业知识也暂未见明显破绽。团队版虽然贵些但明确说明数据不用于训练。缺点是白天速度略慢。

[CE @echen41158342]

Kimi K3 的算力问题还是没缓解 ... 现在只能扔个任务让他连夜跑. 否则根本用不掉额度...

[CE @echen41158342]

虽然GPT 5.6在视觉上进步很大，但可以看到Gemini在视觉方面依然领先，且便宜快速。就我的工作、生活场景而言，因为这点还是离不开Gemini。

[SkalskiP @skalskip92]

GPT 5.6 Sol is the best "vision" model OpenAI ever released

massive gains in object detection and counting.

still very strong in OCR

↓ deep GPT 5.6 dive

[CE @echen41158342]

用过DeepSeek的API平台网站，你会发现DeepSeek 不仅不太在乎2C，2B也不太care，企业关注的隐私策略都没个清晰的说明。 DeepSeek只关注AGI……

[CE @echen41158342]

从“算力工程”的角度还看不明白中国境内公司会如何竞争，能源、硬件很难被整合为某一家公司的竞争力, 软件在头部几家伴随人才流动又很难真正拉开差距。