内容栏目
分享不同 AI 工具、模型与相关技术的使用方法和实践文章。
我和周围朋友都特别爱玩《星露谷物语》。 这个游戏特别上头。种菜、钓鱼、挖矿、跟村里的人聊天，日出而作日落而息，有一种田园牧歌的治愈感，跟我的日常生活极其反差。是我个人爱好榜第三，（第一老头环，第二塞尔达） 但玩久了会发现一个问题，NPC 太呆了。 他们永远只有那几句台词，今天问他「今天过得怎么样」，明天再问，答案一模一样。你送他礼物，他说谢谢，你不送，他也不记得。你没法真的跟阿比盖尔聊天，只能看固定的动画。 我跟朋友吐槽了好几次：这 NPC要是能「活」过来就好了。 前几天 Hermes Agent 发布之后，我突然想到一件事，能不能给星露谷的 NPC 都接入 Hermes Agent？ 29
蚂蚁灵波，下了盘大棋。 今年 1 月，蚂蚁灵波一口气开源了 4 款大模型，包括高精度空间感知模型 LingBot-Depth、具身大模型 LingBot-VLA 与具身世界模型 LingBot-VA，以及世界模型 LingBot-World。 其中，LingBot-Depth 负责从图像中估算深度、感知空间距离，LingBot-World 负责对环境进行模拟和理解，LingBot-VLA/VA 负责机器人的决策和动作控制。 这四款模型「各司其职」，分别覆盖感知底层、环境理解和行动输出，但中间一直缺少一个关键环节，就是如何把连续的感知数据实时构建成稳定的三维空间模型，让后续模块有据可依。 现在，
质量和成本只能二选一？通过大脑+小脑分层、场内+场外双轮驱动，数据堂给出了具身智能数据难题的解。
当强化学习后训练的大规模 rollout 已经被证明能够提升图像生成模型的偏好对齐能力，推理负担就成了制约训练速度的核心瓶颈。来自 NVIDIA、港大和 MIT 的团队提出的 Sol-RL，通过「FP4 先探索、BF16 再训练」的后训练框架，将达到等效 reward 水平的收敛速度最高提升到 4.64x，在训练速度与对齐效果之间给出了一条更具工程可行性的解法。
大模型写代码这件事，越来越像「既能写片段，又离真实工程差一截」。
最新研究提出合成数据的全新分类框架，突破「生成模型=合成数据」的传统认知，涵盖反演、仿真与数据增强等方法，并按应用层次划分为数据中心AI、模型中心AI、可信AI和具身AI。
为什么你的“AI优先”战略可能大错特错？一文读懂。
我们很荣幸地宣布 CloudBase CLI V3 正式上线，这是一个面向 AI Agent 重新设计的 CloudBase 命令行工具。
如何工业化生产AI漫剧。 根据《AI 漫剧视频模型行业白皮书 - v1.0》，2025 年市场规模预计达 168 亿元，同比增长超 80%，高速增长的市场吸引大量从业者进入，月度内容供给量从 2024 年的约 0.3 万部，激增至约 1.8 万部。与此同时，AI 技术在漫剧生产环节的渗透率已提升至 60%-85%，制作成本下降 50%-75%，生产周期缩短至传统模式的 1/3，进一步搅动市场。 在供给极大丰富的当下，AI 漫剧行业也从“产能井喷期”迈入“质量竞争与价值深化期”，依托 Vidu 在 AI 漫剧行业的引领性实践经验，结合 AI 漫剧行业发展现状与核心痛点，AI 新榜联合生数科技旗下
一个在 AI 社区广泛流传的架构思路，正在让大量团队走弯路。
Hermes Agent最近在AI圈彻底火了。
全球最强编程模型，中国造。 你可以从同事.skill 的爆火中看到两种截然不同的时代情绪，其一固然是对 Markdown 文件“大变活人”这一魔幻现实的试探，而反面则是如今对模型能力的评价，已经离不开工作级任务的场景。 “AI 能不能替代程序员”的老生常谈之下，今天的真问题是，国产大模型能在多大程度上接管开发工作流。 这背后是一个被反复验证的痛点：当 AI Agent 被放进真实项目，它并没有想象中那么“能扛活”。它能开始任务，但执行过程反复中断，多轮对话后上下文丢失，结果前后不一致。面对非标准需求时，工具调用也频频失误。你一觉醒来，发现流程早已卡死，标准结局总是如此。 问题的根源不在 Age
Claude Code 今天上了一个新能力：Routines，面向 Pro、Max、Team 和 Enterprise 用户开放
在生成式视频快速发展的今天，模型已经能够生成高质量的短视频片段，但一个更具挑战性的问题正逐渐成为研究焦点：
当大模型训练进入深水区，竞争的关键已经不再只是「模型参数怎么调」，而逐渐转向一个更核心、也更难系统解决的问题：模型在训练过程中究竟看到了什么数据、以什么比例看到、哪些样本应该被更频繁地学习。
眼瞅着四月马上过半，OpenClaw 刮起的这股「养虾风」依然没有停歇。
拍一圈照片，就能生成一个可交互的 3D 世界，已经不是什么新鲜话题了。但问题是如何把一个大世界塞进普通人的手机浏览器里。
上周，我们发布了 MMX-CLI，让 Agent 可以直接通过命令行调用 MiniMax 的全模态能力。命令行是 Agent 在终端中完成工作的常见形态，但用户的工作并不只发生在命令行内，电脑上还有大量任务藏在命令行无法触达的本地软件、内部系统和图形界面中。
Anthropic正式推出了Claude Code的自动化任务功能Routines，目前处于研究预览阶段。只要配置好一次提示词、代码仓库和连接器，Claude就能在云端全自动干活了。这些任务全部运行在Anthropic的云端基础设施上，意味着完全不需要你一直开着电脑，哪怕你下班关机，它也能按时帮你处理代码积压、审查代码，甚至随时响应云端事件。
026 年初，OpenAI 和 Anthropic 几乎同时发布了关于 Harness 的技术实践文章，LangChain 工程师 Viv 给出了一个简洁的公式来概括这个理念：Agent = Model + Harness。模型提供智能，Harness 让这个智能能真正投入生产。
参与交流
了解加入交流群的方式，阅读内容无需登录。