
AI 降低了创造的门槛,B 站则想放大创造的回声(在新窗口打开)
坚持 1 晚通宵,烧掉 2 亿 Token,用上 3D 打印,掏出 4 千账单,购置 512GB 内存 Mac Studio,Vibe Coding 到 6 神无主,7 荤 8 素,最终获得 0 个用户......
共 285 篇

坚持 1 晚通宵,烧掉 2 亿 Token,用上 3D 打印,掏出 4 千账单,购置 512GB 内存 Mac Studio,Vibe Coding 到 6 神无主,7 荤 8 素,最终获得 0 个用户......

字节Seed团队推出Seed-Evolving第五版更新,通过统一Model ID实现周级自动迭代,在Coding Agent长程任务完成度和VLM视觉理解能力上均有显著提升,用户一次接入即可享受模型持续进化。

5 月 19 日,OpenAI 联合创始人、「Vibe Coding」之父 Andrej Karpathy 宣布加入 Anthropic 预训练团队。他将组建新团队,用 Claude 加速预训练研究。一个做过Hinton和李飞飞学生、奥特曼同事、马斯克直属下属的人,为什么甘愿做 Dario Amodei 的「-2」?Anthropic 又为什么非要招他?

来自中国的初创团队词元无限给出了自己的答案。由清华姚班校友带队设计开发的编码智能体 InfCode,在 SWE-Bench Verified 和 Multi-SWE-bench-CPP 两项非常权威的 AI Coding 基准中双双登顶,力压一众编程智能体。

人类高级视觉皮层在个体间存在显著的功能差异,而构建大脑编码模型(brain encoding models)—— 即能够从视觉刺激(如图像)预测人脑神经响应的计算模型 —— 是理解人类视觉系统如何表征世界的关键。传统视觉编码模型通常需要为每个新被试采集大量数据(数千张图像对应的脑活动),成本高昂且难以推广。

GPT-6爆火的人体解剖3D案例被扒出实际调用了现成3D数据集素材而非真正生成,文章作者通过GPT-6搭配Hyper3D MCP,用Codex调用Hyper3D Rodin模型实际复刻出可交互的3D人体拆解网页,并延伸制作了可拆装蒸汽甲壳虫、橘猫子弹时间、骑楼街景和影子解谜游戏等多种3D交互作品。

对 AI Coding 来说,有人用,比任何 Benchmark 都管用,而有人持续付费,又比有人用更管用。

刚刚,Agnes 升级了! 不,不是这个 Agnes,而是 Agnes 大模型。刚刚,这个模型家族迎来了其最新成员:Agnes-2.5-Flash。这是 Agnes 全新一代高性能文本模型,围绕 Coding、Agent 和日常开发场景做了整体优化,目标是在性能、速度与成本三者之间找到更好的平衡点。 相比上一代,Agnes-2.5-Flash 在代码理解、工程修复、多步骤任务执行以及复杂推理上都有明显提升,能够覆盖从代码生成到项目维护的大部分开发任务,定位是开发者日常使用的主力模型。值得一提的是,它延续了不限期免费开放的策略! 与此同时,Agnes 还首次预告了旗舰模型 Agnes-2.5-P

过去两年,大模型写代码已经不再新鲜。从代码补全到 GitHub issue 修复,从竞赛编程到仓库级软件工程,人们习惯用一个简单标准评估 coding agent:代码能不能写对?测试能不能通过?

其实大概半年前,我就有这个需求了。那阵子我也注意到,阿里、字节这些平台都各自出了提示词优化器。但它们都得专门跑到对应的网站上去用,对我来说不够顺手。所以这回干脆借着深度复盘了 Anthropic 的 Prompt 讲座,用 Codex vibe coding 了一个全局提示词优化器。