lulyon

Coder. To strive for perfection, Writing code.

[宝玉 @dotey]

杨植麟在 GTC 2026 的一次演讲"How We Scaled Kimi K2.5"：月之暗面想把 AI 训练中三个沿用了近十年的基础组件，重新做一遍。优化器 Adam（2014 年）、注意力机制（2017 年）、残差连接（2015 年），三个 Transformer 时代的地基组件，月之暗面各给了一个替代方案，而且全部开源。

但这场演讲讲的不只是 K2.5，而是月之暗面过去一年多的技术路线：开源模型还能从哪里继续变强，又该怎样逼近闭源模型的前沿水平。

杨植麟把答案拆成了三个方向：让每个 Token 更值钱、让更长的上下文真正发挥作用，以及让多个 Agent 同时协作。

此外，他还分享了两个重要进展：视觉训练如何反过来增强文本能力，以及月之暗面刚刚公布的下一代架构 Attention Residue。

【一、数据不够，就让每个 Token 更值钱】

大模型训练正在遇到一个越来越现实的问题：高质量数据快不够用了。

互联网上真正有价值的文本数量有限，模型越做越��，需要的数据越来越多，大家迟早都会撞上“数据墙”。既然高质量数据很难翻倍，月之暗面的思路是：能不能让模型从同样的数据里学到更多？

他们给出的答案是 MuonClip，用它替代已经用了十多年的 Adam 优化器。

MuonClip 基于 Muon 优化器。简单理解，它会在更新模型参数时，尽量让不同方向上的信息保持独立，减少重复和浪费，从而提高训练数据的利用效率。

月之暗面的实验结果是：使用同样数量的数据，MuonClip 的训练效果接近把数据量增加一倍，这不仅意味着训练成本下降，也意味着模型能力的上限可能被推高。

假设手里只有 50 万亿个高质量 Token，如果 Token 利用效率提高一倍，就相当于又多出了 50 万亿 Token。在优质数据越来越稀缺的情况下，这种效率提升比单纯增加算力更重要。

但 Muon 也有一个���显问题：模型扩展到万亿参数后，注意力层里的数值容易失控。

月之暗面在训练中发现，注意力层的最大 logit 会突然飙升到 1000 以上，而正常范围通常只有 50 到 100。一旦数值继续膨胀，训练曲线就会发散，整个训练过程可能直接崩掉。

为了解决这个问题，他们设计了 QK-Clip。它会在模型前向计算时，实时检查每个注意力头的最大 logit。一旦数值超过安全范围，就同步缩放 Q 和 K 的投影，把数值压回来。

这个操作不会改变训练的收敛效果，只负责维持数值稳定。

靠着 QK-Clip，月之暗面成功把 Muon 扩展到了万亿参数规模，并训练了超过 15 万亿 Token，整个过程中没有出现一次 loss spike。

【二、上下文不只是要长，还要真正有用】

第二个方向，是提高模型利用长上下文的能力。

杨植麟展示了 Scaling Law 论文作者 Jared Kaplan 等人曾经做过的一组实验：比较 Transformer 和 LSTM 在不同上下文长度下的预测效果。

LSTM 读到一定长度之后，效果很快就不再提升。继续增加上下文，模型也很难从中获得更多信息。Transformer 则不同。上下文越长，模型对后续内容的预测通常越准确，而且很难看到明显的饱和点。

这个特点在 Agent 时代尤其重要。复杂 Agent 任务可能持续几天甚至几周。模型需要记住之前做过什么、得到过哪些结果、哪些方向已经失败，以及接下来该做什么。如果长上下文不能持续提供有效信息，Agent 的任务链条就很容易断掉。

问题是，标准的全注意力机制成本太高。它的计算量会随着上下文长度平方增长。上下文扩大十倍，注意力计算量可能增加一百倍。到了百万 Token 级别，训练和推理成本都会变得非常高。

月之暗面的解决方案是 Kimi Linear，核心是一种名为 KDA，也就是 Kimi Delta Attention 的线���注意力机制。KDA 的关键，是让模型学会“哪些信息要长期保留，哪些信息可以快速忘掉”。

传统线性注意力通常只有一个全局衰减系数，控制整个模型的记忆速度。这有点像所有内容共用同一个遗忘按钮：要么一起记住，要么一起忘掉。KDA 把一个衰减系数拆成了多个。不同信息通道可以使用不同的遗忘速度：

- 有些通道衰减得很慢，负责保留长距离信息
- 有些通道衰减得很快，及时腾出空间吸收新内容

实际使用时，Kimi Linear 并没有完全抛弃全注意力，而是把线性注意力层和全注意力层按照 3∶1 的比例混合。

杨植麟称，这是第一个在短上下文、长输入和长输出任务上，都能全面超过全注意力的架构。上下文扩展到百万 Token，甚至更长时，它的效率优势会更加明显。

【三、从一个 Agent，变成一支 Agent 团队】

前两个方向都在提升单个模型的能力。第三个方向，则是让多个 Agent 一起工作。月之暗面把这种方式叫作 Agent Swarm，也就是“智能体集群”。

它的组���方式很像一家公司。一个主 Agent 充当 CEO，负责理解目标、拆解任务，并把不同子任务分配给多个子 Agent。子 Agent 可以分别扮演研究员、程序员、数据分析师和事实核查员等角色。任务完成后，主 Agent 再汇总结果。

这样做最大的价值是把串行任务改成并行任务。过去，一个 Agent 可能需要依次搜索资料、阅读文档、分析数据、编写代码、检查事实。现在，这些工作可以交给几十个甚至几百个 Agent 同时完成，从而大幅缩短复杂任务的执行时间。

不过，要让模型真正学会并行协作并不容易。训练 Agent Swarm 时，月之暗面设计了三种奖励：

第一种是“实例化奖励”，鼓励主 Agent 创建更多可以并行执行的子任务，避免它退化回单 Agent 串行工作。

第二种是“完成奖励”，要求子任务必须真正完成，防止模型为了获得实例化奖励，批量创建没有意义的空任务。

第三种是最终结果奖励，用来判断���个任务是否真正解决。

这三种奖励的权重会随着训练过程动态变化。训练前期更重视任务拆解、并行化和子任务完成率，后期则逐渐把重点转向最终结果。

从演示结果看，Agent Swarm 在复杂任务上能明显缩短执行时间。比如：

- 同时下载、阅读几百个信息源并完成研究
- 并行撰写一份上百页文献综述的不同章节
- 同时分析十个不同的数据集

Kimi K2.5 发布时，Agent Swarm 已经支持最多 100 个 Agent 并行工作，整个任务最多可以执行 1500 个步骤。4 月发布的 K2.6 又把并行 Agent 的上限提高到了 300 个。

【四、一个意外收获：练“视觉”，也能让“大脑”变聪明】

K2.5 和前代 K2 之间，一个重要变化是采用了“早期融合”训练。

过去很多开源多模态模型采用的是“后期融合”：先用大量文本训练出一个语言模型，再用相对少量的视觉数据补上看图能力。

例如��先训练 20 万亿个文本 Token，再用大约 2 万亿个多模态 Token 把视觉能力“贴”上去。

K2.5 的做法不同。

它从训练一开始，就把视觉和文本数据混在一起。在 K2 文本基座的基础上，K2.5 又训练了约 15 万亿个混合 Token。

这种方式带来了两个让杨植麟感到兴奋的结果。

第一个发现是：只训练视觉任务，也能提升模型的文本推理能力。

研究团队只让模型完成数数、识别图片和视觉问答等任务，没有加入数学或编程训练。结果模型的文本推理能力也变强了。

换句话说，模型在练习“看”的同时，“想”的能力也得到了提升。

第二个发现则来自相反的方向：如果文本基座足够强，模型甚至不一定需要专门的视觉 SFT 数据。

K2.5 采用了“零视觉 SFT”方案。所有监督微调数据都是纯文本，然后再通过文本与视觉联合的强化学习，让模型获得视觉能力。最终，它在视觉任务上的表现依然接近最先进水平。

杨植麟认为，这种双向��移来自早期融合。

当文本和视觉被放进同一个表征空间后，一种模态学到的能力，就有机会迁移到另一种模态。这也是 K2.5 能够“看图写代码”的基础。

如果视觉和文本仍然像两个彼此分开的“大脑”，这样的跨模态能力就很难自然出现。

【五、下一步：用注意力机制替代残差连接】

演讲快结束时，杨植麟介绍了月之暗面刚刚发布的一项新研究：Attention Residue，也就是“注意力残差”。这篇论文发布于 3 月 15 日，距离演讲只有两天。

残差连接是现代深度神经网络最重要的基础技术之一。2015 年，何恺明等人提出残差网络，此后残差连接逐渐成为 Transformer 的标准组件。它的基本做法是：每一层不仅处理上一层的结果，还保留一条直接传递信息的通道。这样即使模型很深，信息和梯度也能顺利通过，模型才有可能稳定训练。

杨植麟引用了 Ilya Sutskever 的一个说法：残差连接可以被理解为“旋转了 90 度的 LSTM”——LSTM 在时间维度上传递信息，残��连接则在网络深度上传递信息。

月之暗面顺着这个类比继续往前走了一步。

既然 Transformer 已经用注意力机制替代了 LSTM 在时间维度上的循环结构，那么在深度维度上，是否也能做同样的替换？

Attention Residue 就是这个思路的产物。

标准残差连接主要使用上一层的输出。Attention Residue 则允许当前层查看所有前序层的输出，再通过注意力机制决定：哪些历史信息值得保留，哪些信息可以忽略。

也就是说，模型不再只能被动接收上一层的结果，而是可以主动从整个计算历史中挑选信息。

为了控制计算成本，月之暗面实际采用的是分块版本 Block Attention Residual。它会把模型层分成多个块，比如每 16 层组成一个块。块内继续使用标准残差连接，块与块之间才使用注意力残差。

实验显示，大约 8 个块就能获得大部分收益。

Attention Residue 带来了约 24% 的 Token 效率提升。

按照杨植麟的算法，如果有 50 万亿个高质量 Token，效率提高 24%，就相当于额外增加了 12 万亿个 Token。它��� GPQA、MATH 和 HumanEval 等推理、数学与编程测试上的提升尤其明显。

【三个用了近十年的组件，都还有改进空间】

演讲最后，杨植麟把月之暗面的三个替代方案放在了一起：

- Adam → MuonClip
- Full Attention → Kimi Linear
- Residual Connection → Attention Residue

它们分别对应大模型训练中的三个基础问题：

- 怎样从有限的数据中学到更多
- 怎样更高效地利用超长上下文
- 怎样让深层网络更灵活地传递信息

三个方案都可以相对独立地替换现有组件，也都已经开源。

这些技术能否直接叠加，增益能否简单相乘，目前还没有经过完整验证。但它们至少说明了一件事：很多被认为“已经足够好”的基础组件，可能远没有到达终点。

在优质数据越来越少、训练成本越来越高的情况下，继续堆参数和算力并不是唯一的路。重新设计优化器、注意力机制和残差连接，同样可能带来可观的提升。

这也是杨植麟整场演讲真正想表达的观点。

正如他最后所说：

> “Open models cannot be just open; they have also to be great.”

开源模型不能只是开放，还必须足够强。

注��本视频由 https://t.co/L0sZizDFrd 翻译

[0x鸣人 @LuBtc888]

建议所有兄弟们花2小时耐心看完这部《国富论》，

《国富论》全称《国民财富的性质和原因的研究》，是现代经济学开山之作，核心内容是：国家如何变富裕。

2小时也就一部电影的时间，看完一部电影你毫无收获，但你看完《国富论》可以培养你自己大局观。

收藏起来反复品味阅读，受益一生！

[Vince 聊开发 @vincemask]

一个 Google Cloud 工程师演示用 Claude从零开始开发应用。

重点是穿插把 Claude Code 的核心工作流讲透了：CLAUDE.md、上下文管理、从开发到部署、以及如何让 Claude 承担真实工程任务。

这 30 分钟，讲透了vibe coding的本质。

[Vince 聊开发 @vincemask]

这场 workshop 比较难得的一点，是 Anthropic 直接把他们内部常用的用法拆开讲了

包括：

1、Prompt 怎么组织
2、Context 怎么管理
3、Role 怎么设
4、示例怎么给
5、输出怎么约束
6、多轮任务怎么拆

[Phoenix Yin @Phoenixyin13]

这是我最重要的信息转发之一。

这篇论文的第一作者是我极为钦佩的人，也是我的好朋友，来自@Tsinghua_Uni 姚班顶尖选手Guowei Xu，现在他在@Harvard 进行人工智能大模型的科研工作。

Guowei这篇论文精准击中了目前LLM搜索的两个致命瓶颈：
① 只有最后一步对错的sparse verification
② 所有候选答案都靠自回归生成，永远困在模型自己概率分布的entropy shell里

由此，Guowei和他的团队提出BES这个全新的搜索框架，引入Forward Evolution，让大模型像生物演化一样思考，打破大模型原有的概率限制，逼它组合出平时根本写不出来的神仙脑洞。同时进行Backward Decomposition，把大任务拆成一堆一眼就能看出对错的子目标。这样大模型在往前走的时候，每走一步都有及时的Dense Feedback，走偏了立刻能纠正。
BES 在理论上成功证明了演化算子能帮大模型跳出思维定势，而倒推法可以指数级减少模型试错所需的样本量。

当目前主流的Post-training提升算法都失效时，BES 依然能带得动并且让模型能力持续输出稳定提升，这无���是打破了主流算法的天花板，值得许多人关注学习。

我认为，Guowei这篇论文给Agent指明了新路。
对于现在大火的 AI Agent 任务流、多智能体协同来说，这种一边基因重组思路，一边倒推拆解目标的方式，提供了一套更高效、更不容易跑偏的底层搜索算法。

值得一提的是，@Kevin_GuoweiXu 同学不仅在清华姚班极其优秀，他曾经也是2022 年第 52 届国际物理奥林匹克竞赛（IPhO）的世界第一，金牌。他未来会在美国直博，大家可以多多关注follow！

[nini @nini_incrypto_]

Google 把内部工程师的代码审查（Code Review）规范公开啦

这几乎是目前业界最顶级的标准

很多程序员只会写代码，但不知道怎么审代码，可以看看 Google 是怎么做的

1.双向指南：不仅教审查者怎么挑毛病，还教作者怎么写出容易通过的代码

2.术语科普：解释了 Google 内部常用的 LGTM（看起来不错）和 CL（变更列表）到底意味着什么

3.实战价值：这套规范不是理论，而是 Google 每一位工程师都在用的实际操作准则

如果你想提升团队的代码质量，或者想知道顶级大厂的开发门槛，这份文��必读！

https://t.co/OdaozRkMYn

[淘沙者(TheSandPicker) @Etudecn]

这哥们28分钟的视频教怎么写提示词
我看过300刀的课都没他前10分钟讲得透
Claude文档、记忆快捷键、并行对话、提示模式全给拆明白了
最骚的是完全免费
刚才点开一看已经5万多播放了
硬核分享

[Hickerzed @Hicker_Moledao]

不敢苟同这番论调

想法再好终究要靠代码落地，抛开编码空谈业务价值，这不是本末倒置了么

深耕架构、算法、性能优化的硬核码农，一直都是行业紧缺人才，压根谈不上失业

再者 AI 写出来的顶多就是玩玩而已的演示代码，和严苛的线上生产应用完全两码事

容错处理、安全风控、高并发承载、系统迭代排障这些我就不提了

编程硬实力始终是无法撼动的核心门槛，只会和 AI 替聊天代不了实打实的技术能力

纯���的技术开发者永远不会被轻易取代

[huangserva @servasyy_ai]

Karpathy 的 CLAUDE.md 登上了 GitHub Trending 第一。

22 万星标，但大多数开发者还没读过。

它只有 65 行。

却把 AI 编码准确率从 65% 提升到了 94%。

里面的 4 条规则：

→ 先思考再编码
明确你的假设。不确定就提问。绝不猜测。

→ 简单优先
只写解决问题的最少代码。不要做没人要求的抽象。

→ 外科手术式修改
不要动与需求无关的代码。每一行修改都必须能追溯到需求。
→ 目标驱动执行
在写任何代码之前，把模糊的指令转化为可验证的成功标准。

就这些。
65 行。4 条规则。94% 准确率。

趁别人还没看到，先收藏。

[Ren @Ryrenz]

GitHub 上一个叫《Learn Harness Engineering》的开源课程最近上了 Hacker News 首页（155 分、5.1k stars），
主题是 AI coding agent 的可靠性工程——也就是 OpenAI 和 Anthropic 最近几个月一直在讲的 harness engineering。

https://t.co/y0BYMumpCA

作者是清华 SIGS 的开源团队 walkinglabs，课程内容 12 节 lecture + 6 个实战项目，全部围绕同一个压轴项目（一个 Electron 知识库 app），目前已经有 13 种语言版本。

核心讲的是这几条：

1、Harness Engineering 是新概念但绝不只是营销：
OpenAI 2026 年 2 月在 Codex 官方博客正式提出，Anthropic 同期发了两篇配套工程文章。这门课是把这两家分散的工程内容系统整理成中文可读的体系，不是发明新东西；

2、核心论点是模型不是问题，环境才是：
Anthropic 自己跑过一个对照实验，同样的 Opus 4.5、同样的提示词（"做一个 2D retro 游戏编辑器"），没 harness 花 $9 跑 20 分钟出不来；有完整 harness（planner + generator + evaluator）花 $200 跑 6 小时跑出来一个能玩的游戏。差距不在模型，在环境；

3、Harness 的 5 个子系统：
Instructions（agent 看什么）、State（已经做了什么）、Verification（怎么算完成）、Scope（一次只做一个 feature）、Lifecycle（会话起手和收尾）；

4、最小起手 4 个文件：
AGENTS.md（操作手册）、https://t.co/vGBn7j7LRZ（每次起手跑的环境检查脚本）、feature_list.json（机器可读的功能边界）、claude-progress.md（会话之间的进度交接）。这 4 个文件直接丢进你现有代码库就能用，不用读完 12 节课；

5、为什么 agent 总是搞砸（课程反复回答的几个问题）：
一次想做 3 件事但 3 件都只做一半；说"done"但其实 test 跑不过；跨会话完全没有记忆，这次写到一半下次重头来；没有验证流水线就没有真完成（只有 test pass + lint pass + e2e pass 三件齐了才算）；

6、6 个项目渐进式演进：
P01 prompt-only vs rules-first 对照看差距、P02 把代码库改成 agent 能读的结构、P03 跨会话续接、P04 加运行时反馈控制范围、P05 让 agent 自验、P06 完整 harness 加可观测性；

7、压轴项目是个 Electron 知识库 app：
每个项目的答案就是下一个项目的起手代码——app 在演进，你的 harness 技能也在演进；

总结：

"AI agent 工程师"这个角色正在从"会写提示词的人"变成"会搭 harness 的人"。

这门课本身不算硬核，但它把 OpenAI 和 Anthropic 两家工程博客分散的内容系统整理成了中文索引，对中文圈想入门这个方向的人来说，能省下读 5 篇英文工程博客的时间。

[小盖 @xiaogaifun]

讲 Harness 最透彻的一个演讲。

这应该是我看到过的、关于 Harness Engineering 最透彻的一次分享，推荐大家看一下。

视频链接：https://t.co/kxo2ZjvqKk

整场演讲就 20 分钟，IBM 的工程师 Tejas Kumar 用一个例子，挺巧妙的把 Harness 的价值讲清楚了，通俗易懂。

整场分享的观点其实就一句话，模型只是大脑，真正让 AI 进入真实世界工作的是 Harness。

这句话经常听到，但通过这个例子，能直接看出来为什么是这样。

把我的笔记分享出来，希望对大家有启发。

1
让一个没有怎么做 Harness Engineering 的 Agent 去给 Hacker News 上的帖子点 upvote。流程看起来非常简单。

打开链接，如果没登录就跳到登录页，登录后再返回帖子页面，点一下 upvote，任务结束。

但裸模型的 Agent 碰到��录页就不知道怎么办了。它搞不定登录，却稀里糊涂告诉用户任务已经搞定，upvote 成功。

实际上根本没点，Agent 撒谎了。去年大家但��用过 Agent，一定碰到过类似的情况。

面对这个问题，把提示词写得再细，或者换一个更强的模型，都未必管用。问题在于这个 Agent 根本没有 Harness。

说到这里，顺带讲一下到底什么是 Harness。

其实可以这么理解，Harness 就是包裹在模型外面的一整套基础设施。一个完整的 Harness 一般包含下面这几部分。

1）工具注册表，决定模型能调用哪些工具。

2）上下文管理，控制哪些信息继续留在上下文里，哪些信息该压缩或丢掉。

3）护栏，给 Agent 运行过程设定边界，比如最多执行多少轮、最多调用多少次工具，或者遇到异常状态就立刻停止。

4）Agent Loop，让模型一轮一轮地观察、思考、调用工具、接收结果。

5）验证步骤，任务结束后核对结果到底有没有真的完成。

为什么需要这层东西？因为模型不像程序那样，给定输入就一定沿着固定路径执行。

它可能正常完成任务，也可能中途跑偏、忘记目标、误判状态，甚至任务都失败了还声称自己搞定了。

Harness 的作用，就是在模型外面加一层确定性的控制系统。哪些工具能调用，任务什么时候该停，上下文怎么压缩，结果到底算不算完成，都交给确定性的代码来管理。

像 Claude Code、Cursor、Codex 这些产品，都是 Harness 包裹起来的 Agent。它们之所以好用，不全是因为背后接的模型聪明，更因为外面这层基础设施做得比较到位。

2
回到刚才的案例。开始在 Agent 外面一层一层加 Harness。

先加两层最基础的运行控制。

一层是迭代上限。一个没有任何约束的 Agent，很容易陷入死循环。有时候碰到卡点，它会反复点同一个按钮，然后在一个死循环里绕不出来。

Harness 可以给 Agent 设一个明确的运行边界。比如执行轮数超过���值，就直接中断，标记失败。这样至少能保证，一个失败任务会在可控成本内结束。

另一层是上下文管理。浏览器返回的 HTML 本来就长，几轮工具调用日志一叠加，上下文窗口很快就塞满了。

一旦塞满，Agent 就开始被自己的历史淹没，越往后越糊涂，连最初的目标都记不清。

Harness 可以定期压缩历史上下文，只保留对下一步决策还有价值的信息。这样就可以避免 Agent 因为上下文过长，被历史信息拖垮的问题。

加完这两层后，Agent 至少开始变得可控。但还有一个更关键的问题没有解决。它说任务完成了，这件事系统怎么才能确认是真的。

3
所以下一层的 Harness，就是要解决 Agent 结果验证的问题。

之前的流程中，Agent 跑完一圈任务回来说搞定了，系统也就默认任务真的已经完成。

但其实模型说自己完成，很可能是幻觉，跟它实际做了什么是两码事。

所以这层 Harness 要做的事，��是把判断权从模型的单一输出，转移到对真实执行���录的核查上。

在 Hacker News 的例子里其实很简单，加一层单独的验证逻辑就行。任务结束后，Harness 再跑一轮额外的验证，从执行过程中的工具调用历史里看一遍。

它访问了哪些 URL，点了哪些按钮，DOM 状态有没有真的发生变化。如果 DOM 变了，比如 upvote 按钮被点亮，任务就算成功。

如果没变，那任务肯定执行失败了，不管模型最后怎么总结。

这一步看起来简单，但其实是所有 Agent 必加的环节。模型自己说什么不重要，重要的是有一套任务是否完成的标准。

我知道，很多人面对 Agent 不靠谱的第一反应是模型不够强。但很多时候问题真不在模型。

再聪明的模型，只要没有一个机制去核对它到底有没有完成，这事就无解。

4
有了验证之后，再回头解决 Hacker News 登录的问题。前面那些 Harness 策略，不管是迭代上限、上下文压缩还是验证步骤，都是在��� Agent 本身加约束、加监督。

但登录需要 Agent 像人一样，真的可以输入用户名和密码，完成登录这一步。

具体做法是��Harness 在每一轮循环里，单独检查一下浏览器当前的 URL。如果发现当前页面进入了登录态，就不再把控制权交给模型，而是触发预先写好的登录逻辑。

这段逻辑完全不依赖模型推理，而是确定性的程序执行，从环境变量里拿账号密码，定位到输入框，填进去，点提交。

登录成功之后，把浏览器导回原来的页面，再把控制权交还给 Agent，让它继续做原来的任务。

整个过程，Agent 完全不知道发生了什么。它只是发现自己刚才在 A 页面，现在还在 A 页面，但身份状态变了，可以继续往下走了。

这个设计背后有一个很重要的认知，不是所有事情都该让模型来做。

模型适合处理开放问题。需要理解、判断、泛化的场景，它很强。但登录不是。

更准确的说法是，Harness 在这里做了一件事，识别出哪些场景是模型不擅长的，然后用代码把这些场景接管掉，做完之���再把世界恢复到模型能继续发挥的状态。

加上这一层之后，整个 Agent 终于能跑通了。同样的模型，同样的 prompt，没有任何改动，但它现在可以稳定地打开 Hacker News，跳到登录页，登录，回到原帖，点 upvote，确认完成。

从一个连登录都过不去的 Agent，变成一个能跑通完整流程的 Agent。

5
回过头看这四层 Harness，会发现一个挺有意思的事情。

第一层迭代上限，处理的是会不会失控。第二层上下文压缩，处理的是能不能跑完。

第三层验证步骤，处理的是有没有真的做成。第四层登录接管，处理的是哪些事情根本不该让模型自己做。

这四层加起来，做的其实是同一件事。用确定性的工程系统，去约束和支撑一个非确定性的模型。

这就是为什么模型是大脑，Harness 是身体这个说法成立。

模型本身只负责推理，但真实世界是一个由状态、权限、页面、网络和异常流程组成的系统。只有推理能力，是无法稳定进入真实工作流的。

Harness 做的，是把这些复杂性重新收敛成模型能够稳���处理的运行环境。

这个例子最值得琢磨的一点是，从头到尾，Agent 的模型没换，Prompt 没改，改的全是它外面的执行框架。

但 Agent 的表现，已经从一个连登录都过不去的系统，变成了一个能稳定跑通完整流程的 Agent。

这件事翻译过来就是，很多时候，真正决定 Agent 稳定性的，其实是 Harness。

模型进步当然重要。但很多 Agent 的问题，并不是模型能力问题。

更重要的是，Harness 不是玄学。它是一整套可以被拆解、被测试、被优化的软件工程问题。

[Rajat K. Luthra @rajatkluthra]

HD Portrait Tests with @SkyReels

[Tiezhen WANG @Xianbao_QIAN]

SkyReels A1 Talking Head: It was interesting.

link below.

[Vadoo AI @vadooai]

Video Model Comparison: Text to Video

• Wan 2.1
• Veo2
• SkyReels
• Pixverse
• Minimax
• Kling pro
• ⁠Kling standard

Prompt: A giant panda with jetpack paws soars through a cyberpunk city, its fur glowing with neon patterns. It munches on a holographic bamboo stick while dodging flying cars, leaving behind a trail of sparkling bamboo leaves in the air.

Overall, the results are incredible across the board. AI video generation is evolving fast, and the possibilities are endless!

Want to create your own AI videos? Try Vadoo AI for stunning, high-quality results.

Drop your results in the comments 👇

[This Frame Doesn't Exist @norealframe]

Just created a mini teaser of Splinter's origin story - realistic and raw version! Made with Skyreels, I first did a text-to-video of the alley and the rat, then created another text-to-video for the rat about to eat radioactive waste. For the transformation, I exported a frame and animated the complete transformation from there. All with just 3 total generations.
I'm really impressed with @SkyReels - there's so much potential here. I thought it wouldn't be so precise with animals, but it's incredibly good. Plus the transformation and realistic 80s John Landis-style morphing is amazing! (remember An American Werewolf in London? That was my inspiration). It's kind of like a Batman Begins for the Ninja Turtles :P #skyreels #TMNT #Splinter | @Diesol @dustinhollywood @TheoMediaAI @Alterverse_AI @techhalla

[Jaynit Makwana @JaynitMakwana]

This is WILD.

SkyReels released audio-driven portrait image animation pipeline?

https://t.co/15RKGMUU21

[el.cine @EHuanglu]

omg… the first text-to-film AI agent is here

this new SkyReels AI now can generate film script, storyboard, consistent character, video, voice, lip sync, and music automatically and..

it's new AI video editor can edit the film on its own

step by step tutorial:

[lulyon @lulyon]

@elonmusk 有点意思，也是一种地理套利啊