Hao Zhou

Prehistoric tech worker
Modern day nomad

[Hao Zhou @zhouhowe]

@FugitiveJacket @ChrisRMcGuire No. Your info is outdated. Chinese people are busy training their own version of Epstein. It is much harder to catch up with American on this task than on AI chips

[Hao Zhou @zhouhowe]

FT和NYT你们出来说说，这个间谍费尽千辛万苦睡了老黄，没搞破坏也没有偷英伟达的商业机密，最后只是想让他们多卖点芯片多赚点钱，到底图什么？

我觉得你们只是想砸盘

[Hao Zhou @zhouhowe]

Speaking of track record, FT and NYT are far from being truthful and unbias in recent years. There are too many low IQ Americans actually believing these tabloid junk article are true, that's why they import half of the AI researchers from China. I suggest detaining and deporting them, that will for sure make America great again.

[Hao Zhou @zhouhowe]

来看看这些欧洲老爷们骨子里透出的荒诞的傲慢和毫不掩饰的歧视。你们放心，很快将不会有脑子正常的游客再去欧洲，你们赶紧享受崩溃前最后的平静

[Sébastian Robespierre @SebRobespierre]

@skyguoCypherium You’re a Chinaman living in the US. Europe owes you nothing. Be grateful you were allowed in every time you’ve applied. Do you think China is as welcoming to non Chinese as European countries are to you?

[Hao Zhou @zhouhowe]

@skyguoCypherium 申根签证的申请流程就是欧洲老爷骨子里的傲慢和歧视的具像化，完美展现了他们的低效无能和不知哪里来的优越感

[Hao Zhou @zhouhowe]

美国选举制度的最大问题：总是让人在疯子（恶棍）和傻子（道德婊）之间二选一，至于政策主张和施政策略完全没有人讨论（当然上任后能不能做到又是另一回事）。改革选举制度的希望又锁死在两党制的既得利益者无休止的扯皮里

[Hao Zhou @zhouhowe]

@snowboat84 把这个甩给嘲讽的人：https://t.co/mNGoKNlCrb
玩笑之外，我觉得你做的这些探索很有意思，很有启发性。至于搞钱，可以试试和AI做brainstorming，说不定会有值得尝试的好点子

[lannie发发 @lannieFaFa]

我妈说袋子装不下这些

她不知道的是，我养兵千日，就是为了这一刻！！！

[Hao Zhou @zhouhowe]

你说的对，其实LLM证明已经形式化的几何题有一点作弊的嫌疑：人类解几何题需要把图像抽象为基础概念（点，线，角度），然后转化成语言，再使用公理系统推理证明，而LLM直接使用已经转化好的形式化语言跳过了图形理解这步。主要问题是现在AI底层是通过语言训练出来的，没有原生的图形理解能力（主流模型都是把语言模型训练好以后把图片转成token加入训练让模型获得读图能力）

[Hao Zhou @zhouhowe]

30+ Cybercabs in Bellevue, WA

[Hao Zhou @zhouhowe]

@Rustallintsla 去加州车窗记得贴字条，提示: sentry mode 没用。别问我怎么知道的

[Hao Zhou @zhouhowe]

本质上是科研无法规模化的问题。二十世纪前欧洲的科学家很多要么本身是贵族，要么就是贵族的门客。好处就是不用担心资金来源，研究方向比较自由，但科研实践依靠的还是封建式的导师学徒制度。美国现在这套科研体系其实试图靠国家基金引导，吸引更多平民加入科研以打破封建式科研的(失败的)尝试。问题出在前AI时代大部分的科研都是手工劳作，无法用工业化的方法通过大规模分工协作提高产出，导致学生只能继续人身依附导师的封建生产方式。AI革命能使生产力大幅提高，封建科研系统才能被颠覆

[Hao Zhou @zhouhowe]

本质上是科研无法规模化的问题。二十世纪前欧洲的科学家很多要么本身是贵族，要么就是贵族的门客。好处就是不用担心资金来源，研究方向比较自由，但科研实践依靠的还是封建式的导师学徒制度。美国现在这套科研体系其实试图靠国家基金引导，吸引更多平民加入科研以打破封建式科研的(失败的)尝试。问题出在前AI时代大部分的科研都是手工劳作，无法用工业化的方法通过大规模分工协作提高产出，导致学生只能继续人身依附导师的封建生产方式。AI革命能使生产力大幅提高，封建科研系统才能被颠覆

[snowboat @snowboat84]

这一篇来说说AI将颠覆的究竟是什么体系，而接下来我们应该怎么走。大家都可以感觉到AI将颠覆现在的科研制度，但是问题是，不破不立，大破之后要大立，砸烂学阀们的狗头一时爽，接下来该怎么办？为此，我就不得不掉一点书呆子，来谈谈现在的科研制度是如何形成的。按照我自己的语言，现在的科研制度，也就是大学导师小作坊的小农经济，外加国家实验室的大政府大型项目的一套组合拳，我称之为“布什体系”，至今运行了大概八十年。中国科举制历经一千三百年都被废除了，尔等洋人区区八十年的小小体制，废了就废了，何必叽叽歪歪。接下来我就来谈谈什么是“布什体系”。

咱不提孔夫子弟子三千，甚至也不提19世纪德国的科研体系，就说现行的学术体系，大体上是一个叫做万尼瓦尔·布什的美国人搞出来的。当年欧洲学术界群星璀璨如日中天的时候，美国科研几乎就是野鸡级别，完全登不上大雅之堂。幸好美国地大物博，生活条件比欧洲优渥，外加上财主遍地，所以欧洲人常有跑去美国的。后来元首上台，欧陆沉沦，一大波科学家们跑到美国，美国就像吸收了六国人才的秦国一样爆发，一时间自我膨胀，觉得自己人才济济。Vannevar Bush这种土生土长的美国人，靠着欧洲人才水涨船高，自己也变得似乎很牛逼了。于是Bush上书社会主义分子、总统罗斯福一篇《科学，无尽的边疆》，核心思想是：国家大政府拿着纳税人的税金，来充当大学和科研机构的财神爷，让科学家们像鬣狗逐肉般地来抢夺政府的funding（本质上是税金，但是狗狗们不会感谢百姓只会感谢政府）。于此同时，政府也没闲着，搞搞大型工程，顺便给科学家提供一些螺丝钉的岗位，其代表作就是制造原子弹的曼哈顿计划、后来的氢弹计划，以及NASA以阿波罗登月为代表的大政府大工程项目。

从此以后，这套“布什体系”就在科研界被树立起来，并因为美国的老大哥地位，被其它国家竞相模仿。这套体系的核心是由科研人员向政府打报告，再由科研人员自行组织审查这些报告的合理性，然后再发钱给科研人员。久而久之，这里的弊端就非常明显：

首先是要打报告预测自己未来要做的科研项目。我们知道上乘的科学研究是根本无法预期的，能够预测的，要么是很一般的研究，要么就是瞎扯谈。久而久之，申请funding的proposal就变成了一种逆向工程，哪个方向哪个课题容易拿钱，就写哪个课题，科学的独立性完全丧失。

其次是评选机制所滋生的腐败。哪个课题重要，哪个proposal可以拿到钱，这完全由评选委员会说了算，说白了就是利益考量和交换的暗箱操作。有的人可以手握十多个grants，有的人却苦苦申请却一个都中不了，最终只能离开tenure-track。你敢说前者的科研实力完全超过了后者吗？当然不是。

三者，就是科研的重要性彻底变味，变成了钱的重要性。拿到钱多多的，就成了大学阀。拿不到钱的，就要滚蛋离开学术界。拿到钱的大学阀又通过各种评选机制，让自己的学生和相关利益者拿到钱，于是学术界也就变成了权钱交易的世界。

第四，年轻的科研人员和研究导师之间，不再是传统的师生关系，而完全变成了雇佣关系。学生向老师不是追求知识，而只是单纯的打工。

“布什体系”的弊端是显而易见的。二战前后欧洲向美国输入大量的科研精英，只仅仅一代人，就被美国榨干了智慧，让科研几乎丧失了科研精神，却充斥着各种科研混子，这个科学从哥白尼、伽利略、牛顿的欧洲宗教精神，变成了亚美利加国世俗主义赚钱发财和拿到话语权的名利场。

大家被现在的书洗脑，整天嘲笑科举制，然而科举制度源源不断向中央帝国输送精英人才，这套制度一直到清朝末年还选出了各种优秀人才。布什体系，仅仅经过了半个多世纪，就已经彻底枯竭。

当然，美国人是比清朝人要自大的多的多，他们决然不可能反思，只会继续自大地坚持自己制造体系的伟大性。直到AI对布什体系发起冲击，一场学术界的变法革新，才不得不被推行。

（待续）

[Hao Zhou @zhouhowe]

https://t.co/OMEXSw4HTr

[Hao Zhou @zhouhowe]

Brain teaser: if you want a paper folded in half to have the same aspect ratio as the unfolded one, what is the aspect ratio of this paper? Hint: not golden ratio (1: 0.618)

Answer: https://t.co/h62lkyVXK3

[Marques Brownlee @MKBHD]

iPhone Duo
- 7.6" inner display with under-display selfie camera
- 5.4" outer display (1x1.4 aspect ratio)

Apple Pencil "later this year" will work on either display

[Han Xiao @hxiao]

在《金庸群侠传》crpg-bench上跑了下 Fable 5.1 感觉并没有很惊艳，在玩游戏上智商水平和fable5/opus5/sonnet5没有显著差异。金庸群侠传bench是我用来测试大模型在long-horizon task能力的一个沙盒。评测方法很简单：通过截取游戏画面，视觉反馈，执行动作，不断循环，最终找齐14本天书完成游戏。玩过《金庸群侠传》的都懂：
- 游戏是开放世界，通过升级招人打怪，最终集齐14本天书结束游戏，所以是彻头彻尾的long-horizon task。
- 游戏采用2.5D斜45度视角，加上1996年的320x200分辨率，绝对是VLM的噩梦：怪视角+渣画质+分布外。
- Caveat：虽然是开放式，但开局必先去找南贤北丑，不然寸步难行而且很容易误闯故事线直接被打死。

至少我一开始是这么设计的：完全根据游戏的进度来设计评测指标。但实际做了一段测试后发现，很多frontier大模型连走出始发地都非常困难，更别提集齐14本天书。我也特地设计了相应的SKILL，让模型能对游戏内容任务和操作有基本的了解。为了避免消耗无意义的token，评测就局限在给定20分钟的时间下，谁能探索的最多就算谁厉害些。也就基本沦为了2.5D视角下视觉迷宫问题。

经过测试了一些国产和国外的模型后，20分钟内能顺利走出出生地的模型是：
- Fable 5.1：4分钟
- Fable 5：3分钟
- Opus 5：5分钟
- Sonnet 5：6分钟
- Gemini-3.7-flash：12分钟
并且上述这些模型没有一个成功找到南贤居。

[Max For AI @MaxForAI]

🔥Breaking：北京一家酒吧，现在来消费就送无限量 @deepseek_ai V4 Flash API Token🤯

从今天开始，北京 AGI Bar 的顾客只要连接店内 Wi-Fi，就可以免费获得 DeepSeek V4 Flash 的 API，并且在店内使用期间 不限量。

无需订阅，也不用担心 Token 消耗。只需要把 Base URL 和 API Key 填到 Claude Code、Codex、Cursor、Cherry Studio 或其他兼容 OpenAI API 的客户端里，就可以直接使用。

后续他们还会接入更多模型。

我觉得这件事挺有意思，因为它改变了一个默认设定。

过去，AI 服务总是和注册、订阅、Token 费用绑定在一起。而现在，AI 推理能力开始像水、电、Wi-Fi 一样，成为线下空间提供的基础设施。

顺便一提，这家酒吧是我朋友开的。他一直都在 AI 行业创业，AGI Bar 也慢慢成了中国 AI 从业者经常聚会交流的地方。

之前 Midjourney CEO @DavidSHolz 来中国的时候，也专门来过这里。

也许未来的咖啡馆和酒吧，提供的不只是咖啡、网络和电源，还会提供算力。

未来越来越有意思了😉

[Harrison Kinsley @Sentdex]

Zai was gracious enough to give me a key to test out GLM 5.2. I used it on a few simple tasks and quickly realized this model is on another level.

I committed to using GLM 5.2 solely for the weekend and yesterday on everything from simple data analysis, random queries, side projects, and real work, and I can honestly say this is the first open model that I could comfortably replace Opus 4.8/GPT 5.5 with. It’s THAT good. When I say everything, I mean everything. I never needed to fallback to GPT 5.5 or Opus 4.8. This really blew my mind.

I was unable to find any task where I knew GPT 5.5 or Opus 4.8 could solve, but GLM 5.2 could not, and I actually found a few cases where GLM 5.2 was better. I am not trying to overhype anything here. It's just my actual experience with this model. It was of course only 3ish days of usage, maybe cracks would form in time, but the perf is staggering imo.

I see it's an "inferior" model on the benchmarks even Zai has shared, but I am not so sure and I think this is the first time I've experienced that with an open model. I am not saying it's necessarily better, but I believe it's a replacement that you could run on-prem, which is crazy to me.

It was to the point where I was double triple quadruple checking that I wasn't accidentally running Opus or GPT. I ran thru both Hermes and my own custom coding agent harness with extremely great success.

I cannot believe this is only a 754B model that's also an open MIT licensed model. Do not sleep on this one, and definitely try it out.

Get it locally if you can!

Can I find a way to run it locally? That’s a different question, but I will be trying to get it done because this model is epic.

[Qwen @Alibaba_Qwen]

📣 Introducing the Qwen-Robot Suite — Qwen-RobotNav, Qwen-RobotManip, Qwen-RobotWorld, three foundation models, a full stack for embodied intelligence.

🧭 Qwen-RobotNav — the gateway to mobility.
• Unifies 5 navigation tasks in one model: instruction following, point-goal, object-goal, target tracking, autonomous driving
• Controllable observation protocol
• Tool interface for agentic systems

🤖 Qwen-RobotManip — the foundation of interaction.
• Unified state-action space across heterogeneous robots
• Camera-frame delta poses for coherent cross-embodiment training
• Pretrained on a 38,100+ hour open-source corpus

🌍 Qwen-RobotWorld — infinite worlds for physical agents.
• Single world model, 20+ embodiments
• Natural-language action interface
• Predicts physically grounded futures across manipulation, driving, and navigation

Each model is independently useful, and could be composed as physical-world tools.Together, they form the low-level toolkit for general-purpose agentic systems that don't just see the world, but act in it.

📷 Blog:
https://t.co/ytLcbYET26
📖 Report：
Qwen-RobotNav: https://t.co/uPmSwDYGxg
Qwen-RobotManip: https://t.co/GeyIzJSpU8
Qwen-RobotWorld： https://t.co/SXPH1qzDFy