sleep magician

An anesthesiologist building practical Medical AI, clinical agent workflows, and open-source research tools.

[sleep magician @sleepmagican]

@AYi_AInotes 补充一下MIT不是Ivy League。

[sleep magician @sleepmagican]

@JensenHuang @nvidia Wow ~

[宝玉 @dotey]

Anthropic 今天发布了 Claude Opus 5。API 价格为每百万输入 Token 5 美元、输出 Token 25 美元，与上一代 Opus 4.8 完全相同，但只有 Fable 5 的一半。官方给出的定位是：以一半的价格，提供接近 Fable 5 的前沿智能。

Fable 5 是 Anthropic 于 6 月 9 日发布的最强公开模型，输入、输出价格分别为每百万 Token 10 美元和 50 美元，是史上最昂贵的通用模型。同一底座的 Mythos 5 则只向 Project Glasswing 的少数合作伙伴开放。

【1】性能

在 Frontier-Bench v0.1 上，Opus 5 的成绩是 Opus 4.8 的两倍多，单任务成本反而更低。在 CursorBench 3.2 上，使用最高 Effort 档时，它与 Fable 5 峰值成绩的差距不到 0.5%，每项任务的成本却只有后者的一半。

【注：Effort 是可调节的思考强度档位。档位越高，模型思考得越多，价格也越高。】

ARC-AGI 3 测试的是模型解决未见过的新题的能力，Opus 5 的得分达到第二名模型的三倍。Zapier AutomationBench 测试的是模型能否将一项业务从头到尾完整执行；在成本相同的情况下，Opus 5 的任务通过率约为第二名的 1.5 倍。即使使用最低 Effort 档，它完成的任务也比其他所有模型更多。在电脑操作评测 OSWorld 2.0 上，它仅用 Fable 5 三分之一出头的成本，就超过了后者的最佳成绩。

在有机化学任务上，Opus 5 比 Opus 4.8 高出 10.2 个百分点；在蛋白质相关任务上，则高出 7.7 个百分点。

【2】几个比分数更能说明问题的例子

有一道题给了 Opus 5 一张机械零件图纸，要求它编写代码，在 FreeCAD 中重建三维模型，但故意不让模型直接“看”图。Opus 5 自己编写了一套计算机视觉流程，从原始像素中提取几何形状，再还原出整个零件，而且能够反复成功。同样配置下，其他模型尝试五次都没能完成。

在一个开源包管理器的真实 Bug 中，社区补丁遗漏了一个边界情况。Opus 5 找到了根因，并补上了这个缺口；对照模型则只修复了表面症状，随后便宣布 Bug 已解决。

一位交易公司的工程师使用 Opus 5，在一个会话中完成了新交易所的行情数据接入。由于找不到实时数据进行验证，Opus 5 便自行搭建了一套测试框架，用来检查解析结果是否正确。

【3】谁现在就能用

Claude Max 的默认模型已经切换为 Opus 5，Pro 用户目前能够使用的最强模型也是它。开发者可以通过 `claude-opus-5` 调用 API。Fast 模式的速度约为普通模式的 2.5 倍，价格则翻倍。

此次上线的两个 Beta 功能，对开发 Agent 的人很有实际价值。

一是对话进行到一半时，即使更换工具，也不会导致 Prompt 缓存失效。过去只要修改一次工具列表，整段缓存就会作废，成本随即上升。

二是 API 可以启用自动降级功能。被安全分类器拦截的请求会自动转交给其他模型处理，而不是直接失败。

【4】安全与拦截

Anthropic 表示，Opus 5 是其迄今为止对齐程度最高的模型。在自动化行为审计中，它的综合失准得分为 2.3，低于 Opus 4.8、Sonnet 5 和 Fable 5，欺骗行为所占比例也是最低的。

网络安全部分有一个值得注意的细节：Anthropic 刻意没有使用网络攻防任务训练 Opus 5，但随着通用能力提升，它发现漏洞的水平已经接近 Mythos 5。不过，在将漏洞转化为可用攻击代码方面，两者仍有很大差距。

安全分类器允许 Opus 5 在源代码中寻找漏洞，但会拦截二进制层面的漏洞扫描、渗透测试和 Exploit 生成。它的拦截频率比 Fable 5 低约 85%。在 https://t.co/aTfkxmbzQe、Claude Code 和 Cowork 中，被拦截的请求默认会回退至 Opus 4.8。

生物领域的限制则有所放宽：原本在 Fable 5 上被拦截的生物类请求，现在会转交给 Opus 5，而不是此前的 Opus 4.8。Anthropic 称，Opus 5 是目前面向科研场景能力最强的公开模型，但它在长时间自主研究任务上仍存在明显限制。

[OōEli.eth @ooeli_eth]

小红书上王虹获菲尔兹奖的新闻下面的评论，说出了真相：

[sleep magician @sleepmagican]

@yushanshan1123 跳广场舞的不分年龄就是一群傻逼

[sleep magician @sleepmagican]

@Smile4Yes @btcmos 为什么要回国？回来收到屠呦呦一样的冷遇么，还是学会敬酒当奴才？

[sleep magician @sleepmagican]

@nj30t @dutyge 不止无锡，国内都是贫瘠土壤

[Gyomei @Gyome1_]

https://t.co/XZPxfRnaCv

[sleep magician @sleepmagican]

@J02Cw @Ellieorange8 在监狱里的感受，幸福吗？

[sleep magician @sleepmagican]

@Xianzhong_1953 土共一贯嘴脸

[王长富 @wangchangfu88]

卧槽

苹果太会整活了

来自官网的“人文关怀”

[极客杰尼 @seekjourney]

再推荐一个好东西！非常适合研究 Coding Agent System Prompt 的项目：Phistory。

它会归档 Claude Code、Codex、Kimi、OpenCode、Pi 等 Agent CLI 的系统提示词版本快照，并提供 Prompt Diff。

System Prompt 本质上是 Harness 的控制平面。

源码展示系统具备哪些能力，Prompt Diff 价值巨大。

对于研究 Claude Code、Codex 和 Harness Engineering，非常值得收藏。

https://t.co/YDHFmG0ohJ

[codila @0xCodila]

Andrew Ng just dropped 8-page PDF on 4 agentic steps "from Loops to Graphs from scartch"

The twist: agent has amnesia without both: Loops let agents think - Graphs let agents remember

here's 4 workflows, step by step:

step 1 → reflection - agent writes, second prompt critiques, agent rewrites - one self-review loop beats a smarter model with none

step 2 → tool use - give it search, code execution, APIs - thinking without tools is hallucinating

step 3 → planning - break the task into JSON steps before running - Step fails? Agent replans around it

step 4 → multi-agent - stop running one agent - run a team - one codes, one reviews, one tests

how to wire this today:

step 5 → add one critique call after every generation - 10-30% quality lift, one day of work

step 6 → connect all 4 into a graph - agents share memory instead of transcripts - agent forgets, graph doesn't

the result: a weak model with 4 steps destroys a strong model without them - same cost, it's the architecture

this 8-page PDF is what comes after loop engineering

save this - then read the full build workflow in the article below ↓

[Nandini @N_and_ni]

Be honest,

who do you think will dominate Al by 2030?

[歸藏(guizang.ai) @op7418]

Codex 更新了，现在你可以在 Codex 里直接使用 GPT Live 实时的语音模型。

相较于手机端来说，这个体验简直太爽了！

你完全可以脱离键盘等任何输入设备，纯语音跟 Codex 交互。

比如你戴个带个 AirPods，就可以在家里的任何地方和它对话，用语音询问它生成的结果。

它还可以帮你执行 Codex 上的任何命令，这意味着你所有的 vibe coding 都可以脱离键盘和按键，只靠说话来完成了。

它会一直处于待命状态。如果你像官方演示那样，放个投影或者把电脑连接到电视上，就可以边干活、边玩游戏或做其他事。

即使是上厕所，你都能随时掌握你的 Codex 进度。我刚才简单试了一下，真的很爽！

[Max For AI @MaxForAI]

深度：美国AI这么发达，为什么没有引起大规模的失业呢？🤔

@AnthropicAI 经济学主管 Peter McCrory @PeterMcCrory 刚刚写了一篇很好的文章，解释了这个看似矛盾的现象。

AI已经进入了大量工作，但预期中的大规模失业并没有出现。

原因是目前的AI更像是一种偏向高技能、增强劳动的技术。

它能够自动化一份工作中的部分任务，却很难独立承担完整的岗位。

现实中的工作通常包含沟通、判断、规划、责任、隐性知识，以及大量没有标准答案的异常情况。

模型能力虽然进步很快，边界仍然高度锯齿化：它可能完成最复杂的分析，却在某个看似简单的环节突然失效。

因此，人类仍然需要负责定义目标、提供专业知识、检查结果，并在Agent跑偏时接管工作。

这也是为什么AI目前更容易放大专家的能力，而不是直接消灭专家。

软件工程已经给出了一个很典型的例子。

Coding Agent让开发者可以同时管理更多任务，单位时间内生产的软件大幅增加。

但这些代码依然需要人类提出需求、拆解项目、审查结果和处理复杂系统中的意外情况。

与此同时，软件生产成本下降，也让大量过去成本太高、不值得开发的项目变得可行。

公司没有因此减少对软件的需求，反而开始在更多业务流程中开发软件。

类似的变化还会出现在法律、金融、咨询、设计和科研等领域。

当AI把一项服务的成本降低，市场往往不会只维持原来的产量，然后减少员工。

更低的成本会创造新的客户、新的产品和新的使用场景，最终扩大整个市场。

这就是Jevons悖论：效率提高之后，资源的总需求反而可能继续上升。

至少在现阶段，AI对劳动力市场最大的影响，还不是让整个职业突然消失。

它正在重新划分每个岗位内部的工作，把人的价值推向专业判断、任务定义、结果验证和异常处理。

真正值得警惕的可能是另一个变化：

岗位仍然存在，但企业对每个人的产出要求会越来越高；初级任务被压缩后，年轻人进入这些行业的入口也会变窄。

AI暂时没有消灭大多数工作。

但它已经开始改变什么样的人，才有资格继续留在这些工作里。

要努力留在牌桌上啊🫡

[沐阳 @yyyole]

看着Codex替我画图，这感觉真的很爽！！

AI生成的信息图，没办法精准修改怎么办？
安装土博这个Skill，Codex直接1:1重绘！
然后就会得到每个元素都可以修改的可编辑图片！

超适合科研、论文绘图！！

[lifcc @mylifcc]

这篇把「LLM Wiki」讲透了。

Karpathy 4 月那篇 gist 之后，四家完全独立的团队（Cognition DeepWiki、Factory AutoWiki、LangChain OpenWiki、Garry Tan GBrain）几乎同时收敛到同一套架构：

ingest 时编译成可维护的 markdown 页面，而不是每次 query 再从 raw 重新推导。

核心 insight 是对的——人类 wiki 死于维护成本，而模型恰好不嫌烦、不漏更新。
但文章最后那个区分才是真正值钱的部分：
Wiki 解决的是 corpus knowledge（这堆材料里有什么），不是 user memory（这个人上周改主意了、这个方案已经试过失败了）。
把 Gmail / 代码仓库编译成页面，只是告诉 agent「文档里写了什么」。它解决不了「这个决策已经作废」「上次这个路径踩过坑」这种带身份、带时间、带矛盾的记忆。

[Codez @0xCodez]

A senior Anthropic engineer just dropped 12-page PDF on "Graph Engineering" for multi-agentic systems.

The shift: your agents memory dies with their context window. A knowledge graph makes it permanent.

Extract → Resolve → Assemble → Query → Repeat

Every agentic graph has 5 stages:

• Extract: Haiku pulls entities and S-P-O triples. One call per doc. The Pydantic schema is the only training data.

• Resolve: Sonnet clusters "Edwin Aldrin" → "Buzz Aldrin" - zero string overlap - using descriptions as context.

• Assemble: canonical nodes, typed edges, provenance on every triple. One connected graph.

• Query: serialize a subgraph → Sonnet reasons over triples → every answer cites a specific edge.

Plug this into multi-agent systems as shared memory.

Workers write to it, evaluators fact-check against it, loops persist overnight with it.

This 12-page PDF changed how I'm building multi-agent systems today.

Read it now, then explore the article below.

[地底人 @iamdidiren]

推荐一款谷歌提示词反推插件：promptcard，复刻效果很好