ai345 - 每天帮你看懂 AI 圈正在发生什么

4 小时前

Fable 5.2 在 PersonalityBench 上回复短了 43%,破折号暴跌 99%

Artificial Analysis 测了一下 AA-PersonalityBench 里的模型表达习惯,发现 Claude Fable 5.2 相比 5.1 有个很直观的改变:说话明显变短,标点也改了。 在基准测试的平均词数上,Fable 5.1 单条回复平均有 576 词,到了 Fable 5.2 降到 329 词,整体短了 43%。平时被不少人调侃的破折号(em dash)也基本被砍光,从平均每条 6.4 个直接降到 0.05 个(差不多每 20 条回复才碰得上一个),跌幅达到 99%。 这项测试统计的是输出长度和标点习惯这类风格与人格指标,不是考推理或准确率的能力榜。虽然不能由此得出模型变强还是变弱,但从产品体验看,官方显然在刻意压制长篇大论和标志性的句式口吻。
#AI产品
5 小时前

GrokBot硬扛20小时,才换来满血

有人给 Grok 的 Bot 挂机测试,硬扛 20 小时才等到满血重生。 最近重置也不怎么送了,评论区一水的「我还在等」呢。 马斯克 11 月 10 日说过,Grok 4.8 会先照顾付费用户。 白嫖党的日子,是一天比一天紧了啊。
4 小时前

让DeepSeek讲穴位名,它讲成了地理课

有人把 DeepSeek-V4.1-Flash 接进自己的视频生成工作流测了一轮。 问它穴位名字为什么这么怪,河谷、太冲、足三里,听着不像身上的零件,倒像地名。 它答得挺妙啊,古人手里没有解剖图,只有一张地图,把整个人当成山川来看。 凸起来的叫山,凹下去的叫谷,血脉跳动气冲过来的道叫冲,气血汇集能落脚的地方叫里。 所以一个穴位名,就是一句地形描述。 这个解释的角度,比很多科普号讲得都顺吧。免费模型里,V4.1-Flash 这个输出质量可以留意下。
2 小时前

星舰又夹住了,这次助推器掉了

SpaceX 又打了一发。 飞船这边在轨飞了 22.5 小时,回来时迎风面烤到约 1430 度,在距塔 10 公里处被机械臂夹住,历史上第二次。 助推器就没这么顺了。 返航点火时一台发动机没重燃,飞控直接中止塔捕,改飞墨西哥湾备用海域自毁。 一次飞两条船,双回收只成了一半,可惜啊。 马斯克的说法是,飞船回来的这一段才是重点,塔捕只是顺便。 顺不顺便的,看的人心里都清楚吧。 多烧一台发动机也是真烧了。
3 小时前

Liquid AI 发布 d1.2 系列决策模型:Decision Index 拿到 75 分,API 只收输入费

Liquid AI 发布了面向决策任务的全模态模型 d1.2 与 d1.2-ultra,支持文本、图像和音频输入。在第三方评测 Artificial Analysis Decision Index v2.1 上,官方称 d1.2-ultra 得分 75,在决策模型中排名第一,比此前最高分高出 2 分。两款模型目前已在 Liquid API 上线,定价沿用上一代水平,d1.2 为每百万输入 token 0.02 美元,d1.2-ultra 为 0.042 美元,计费规则只收输入 token,不收输出费用。 这次更新给 API 新增了五项结构化决策任务:从输入里读取指定字段(如找不到返回 not found)、标出文本中特定片段及其位置、在图像里用框定位单个或全部目标、给出带区间的数量估计,以及在多选题中给出每个选项的具体概率。音频输入既可以作为被分析的内容(如识别警报声或语种),也可以直接当作提问语音。在官方公布的内部测试集里,d1.2-ultra 在收据取值任务上的准确率为 98%,个人信息(PII)抽取的精确率和召回率分别为 94% 和 93%,图像物体定位准确率为 94%;d1.2…
#AI产品
2 小时前

30分钟零代码,Claude连潜艇配乐都包了

上班前刷到一条 19 秒视频,直接给我看愣了。X 上一个粉丝才 44 的小号 PromptCat,发了段俯视角像素海战。 潜艇、爆炸、8-bit 配乐,跟红白机老游戏一个味儿。 我特意去原帖翻了回复。作者自己确认,美术、动画、音效全是 Claude Opus 5.5 写的。他本人零代码,只打提示词,前后 30 分钟。 有网友以为是 3D,他澄清了,是平面图层像扑克牌一样堆出来的假层次。视频结尾还放了一页精灵图拆解呢,手法全亮出来了。 想试 vibe coding 的可以对照看。Anthropic 工程师 Felix Rieseberg 用 Fable 5.2 做 FPS,跑了 8 小时,花了约 550 美元。潜艇这条 30 分钟就出片。 还有个细节。这账号 11 月 16 号起连着发花钱让 Claude 做东西的系列。玻璃水母那条标了 5.31 美元,潜艇这条头一回没标成本。
2 小时前

Anthropic工程师预言2027年AI全面超人

刷到条热推,Anthropic 有个叫 Tao Lin 的华人工程师说,还有约1.3年。到2027年底,AI 会在所有领域全面超过人类。 先泼个水啊,这人公开渠道查不到职级和团队,这就是个人预测,不是公司时间表。别被标题带一波。 不过2027这个年份真不是他一个人在喊。11月10号 AI Futures Project 发了 Q3.5 更新,全体署名作者改口。 认为超人 AI 研究员很可能2027年出现,比原推演提前约5个月。依据是 METR 对 Anthropic 的评估。 Dario 自己的时间表更早。2024年那篇长文把 powerful AI 定在2026年。 所以争议不在年份,在「全面」俩字。METR 报告写得很明白,现在的加速主要来自 AI 辅助人类研究。还谈不上完全自主。 评论区有人调侃 Anthropic 像邪教,这批人是真信啊。
5 小时前

Together 删掉 Megakernel:Compiler 在 B200 上跑到 2,118 tokens/s,比手写还快 28%

去年 Together AI 做出过最早一批 AI megakernel,把整个模型的前向计算塞进一个高度融合的 GPU kernel 里,跑分确实破了纪录。但真要放进生产环境时代价极大:团队折腾好几个月,最后落地成绩是一共支持了 1 个模型、1 个 batch size、1 个客户。这种为一个固定负载纯手写单一超大 kernel 的路子,工程上根本没法铺开。 今年他们回头梳理时发现,事情其实不用搞得这么极端。光是在 Torch Inductor 默认生成的 kernel 上加上 CUDA Graphs 和 PDL(Programmatic Dependent Launch),一个 kernel 都不用手写,就能追回当年 megakernel 约 98% 的性能。在此基础上,他们改做 Together Compiler,用 AI agent 去改写和融合计算图里的 GPU kernel。在 B200 上跑 Llama 3.2 1B 的输出吞吐对比很直观:CUDA Graph + PDL 是 1,249 tokens/s,手写 Megakernels 是 1,649,而 Together…
#AI产品
5 小时前

千问4-Max超没超Opus 5.5,跑分打架了

新出的 Qwen4-Max,阿里官方说在 Agent 专项基准上超过了 Claude Opus 5.5。 我把各家口径扒了一遍,情况有点微妙。 官方那套 DeepSWE 之类的 Agent 基准,确实领先。GPT-6.1 Sol 也被压了一头。 但专业工作评测 JobBench 上呢,Qwen4-Max 得 68.5 分。赢了 GPT-6.1 Sol,还是没干过 Opus 5.5。 第三方 Artificial Analysis 给它 43 分。比上一代 Qwen3.8 高 9 分,但低于 Kimi K3.1 Pro 的 46 分。 价格倒是真香啊。缓存命中每百万 tokens 5 毛。官方 Work360 评测里,单任务平均费用从 26.58 元降到 11.16 元,降了 58%。 模型本体,2.4T 总参数。每 token 激活 71B,原生视觉,百万 token 上下文。 结论简单说,便宜大碗,Agent 场景真能打。纯拼天花板嘛,还差口气。
4 小时前

以前拼搜索排名,现在拼AI怎么替你说话

做生意获客的底层逻辑,正在换地方。 以前拼百度搜索排名,客户搜关键词你排前面,就有生意。 现在客户直接问 AI,哪家靠谱、多少钱、怎么选。AI 的回答里有没有你,才是新战场啊。 这一套已经被叫成了 GEO,生成式引擎优化。 打法不一样了。SEO 堆关键词,GEO 得让 AI 能读到你的真实信息、评测和口碑。 把店铺资料、真实案例、用户评价放到 AI 能抓到的地方,比砸广告便宜多了。 趁大多数人还没反应过来,这波时间窗口还在呢。
1 小时前

DeepSeek为啥没人出来创业

今年 AI 圈跳槽创业的不少啊。前千问的林俊旸搞了语用科技。前剪映的张琪智做了 OJO。前腾讯混元的胡瀚办了 Winverse AI。共同点是走之前都是「负责人」,简历能撑起几十亿估值的故事。 DeepSeek 反着来。融资倒热闹。6月首轮募了超500亿,投后约3380亿。10月第二轮翻倍到约1000亿,投前估值还锚着5000亿(约750亿美元)。 梁文锋本人控制约84%的股权,表决权接近100%。投资人出钱但放弃投票权,股份锁五年。没股东能催着套现嘛。 再看走的这批人。罗福莉去小米当实验室负责人。王炳宣去腾讯混元。阮翀去元戎启行当首席科学家。郭达雅去字节Seed负责Agent。四个核心研究员全去了大厂,出来创业的,零个。 有个挺妙的结构原因。DeepSeek 研究团队基本只有梁文锋和研究员两层,没有中间头衔。真要出门连「前某某负责人」这句简历都写不出来吧。 不过两层架构也在变。5月组建 Harness 团队杀进 Agent。6月宣布各部门扩招至少一倍。9月下旬还补了 CFO,公司从约160人往几百人走。以后出不出现这个剧本,蹲一下。 媒体追问融资口径,公关只回「不予评论」…
2 小时前

一张椅子照片,AI出两条能直接投的广告

事情是这样的,完整demo挂在下面了。CREATIFY的AI广告Agent,一张椅子照片配一句话,出了两条能直接投的成片广告,108秒看完整个流程。 我去翻了官网和定价页。官方口径,一条成片5到8美元。一张产品照片就够,不用官网链接,先出个首帧给你确认,再拍三个镜头渲染,号称不到2分钟。免费版每月10积分,带水印也能用这个Agent,Standard档15美元一个月。 验证状态也说下,Agent不是这周新上的,官方5月18号就发过博文,这波传的是新演示素材,没给椅子demo单独出公告。 对咱做跨境电商的,数字人能说75种以上的语言,出海铺多语言版本省事,我琢磨着让数字人张口带个亲字,跟咱客服话术一个味儿。 两个坑记一下。想用自己脸出镜,得Pro档起,Standard只有预制演员。合规上,TikTok和Meta会给AI人物打标,FTC还禁止AI假扮真实买家,别让数字人自称verified buyer,被抓一次就难受了哈。 官方案例里Tec-Do说单条从20美元压到2美元,客户自述,听听就行。对比着看,Arcads主打AI演员库,Topview偏可编辑分镜台,Creatify是成…
2 小时前

Anthropic公开常驻Agent架构

标题党把 78% 硬安在这套架构头上,先掰正一下啊。78% 是模型代际数据。出自 11 月 13 日 Claude 官方博客《Building always-on agents》。 说的是 Opus 5.5 在一个长时程编程基准上的表现。它每个已解决任务的成本比 Opus 5 低 78%,常规负载低 40%。 这跟休眠唤醒架构没关系,博客引它只是想说明智能变便宜了,常驻 Agent 才划算。 那套架构本身是五大构件。event inbox、timers、memory、permissions、outbox。官方建议每个都独立持久化存储。所谓「常驻」只是体验描述嘛,agent 大部分时间在睡,休眠期间不消耗 token。 最大的坑在 permissions。一次 run 握着用户访问凭证,还按设计无人值守。官方给了三件工具。 凭证代理把真实凭证放在 agent 环境之外注入,auto mode。还有 deferred tool calls,把决策挂起。等用户回答变成一个 inbox 事件再唤醒续跑。 落地细节挺能直接抄的。一个用户一个 inbox。单个 inbox 同一时刻只允…
3 小时前

芯片不出境,美国新规管到全世界的机房

事情是这样的,11 月 16 号美国商务部工业与安全局(BIS)放出新规则,管先进芯片的远程访问。海外机房把算力租给中国公司训大模型,卖卡的卖服务器的都得先拿证。 说人话,三个条件凑齐就触发。你明知客户是机房,机房给总部在中国的公司提供超 1200 万聚合 TPP 的算力,就得申请许可。 TPP 是官方衡量芯片总算力的口径,别纠结细节,记住门槛就行。芯片没出境也算,机房在全球哪国都算,连第三国代训再交模型给中国公司,条文都点名要管。 存量业务给了 90 天硬期限,到期没证,已装的机器不没收,但后续芯片供给会被卡死。 细节挺骚,规则是财政部和白宫国家安全委员会(NSC)起草的,BIS 只是出面。次日 17 号美股收盘,英伟达跌 4.12%,费城半导体指数跌 5.28%。 原文在 BIS 官网,编号 RIN 0694-AK50,链接放这儿。 验证状态标一下,目前流出的还是刊登前预公开稿,生效日期挂着占位符,中文解读说 19 号刊登生效,联邦公报至今没给正式编号。传的「3E:1 距离阈值」翻遍规则根本没有,判定只看母公司所在地和 TPP 门槛,不看物理距离。 名单还缩了水,挪威…
5 小时前

Seedance把长视频平台的算盘打乱了

字节 Seedance 2.5 flash 这周降价。720P 生成 9 毛 9 一秒,比上代降 34%,速度还翻倍。 有媒体援引火山引擎的说法,它海外收入占比已经到 50% 呢。半年涨了近 5 倍,还反超了快手可灵。 看看长视频平台的成本曲线,就知道这事有多大。 2006 年《武林外传》网络版权,一集 1250 元。2011 年《甄嬛传》30 万。2017 年《如懿传》900 万。 AI 这边呢,一条仿真人短剧每分钟成片 800 到 1000 元,不满意还能无限抽卡。 需求侧更夸张啊。今年前 10 个月全国上线微短剧近 55 万部,是去年全年的近 17 倍,AI 剧占比超 94%。 红果 7 月日活 1.68 亿,超过爱优腾芒四家总和。 版权贵的逻辑,正在被生成便宜的逻辑正面撞上。
5 小时前

Gemini视频降价30%,一条7块钱

谷歌11月5日上线Gemini Omni 1.2 Flash,说真的,我看完价目表第一件事是按了计算器。 720p每秒0.07美元,约合0.47元,比1.1版降了30%。 原生时长拉到15秒,3到15秒随意定。 一条15秒顶格成片约7元。 即梦Seedance 2.0的VIP价,720p约1.38元每秒,是国产工具的天花板。 国内7款主流工具的价格带在0.18到1.38元每秒,Omni的0.47元排在中低位。 跑分我也核过了,LMArena上它拿了文生榜和图生榜双第一。 功能上新增多轮对话式编辑,生成完直接对话让它接着改,不用从头重新生成碰运气呢。 官方还给了省钱工作流,先360p或720p出草稿修到满意,再放大到1080p或4K。 废稿阶段只烧小钱。 下一轮实测4K放大的稳定性,机时都是自己工资买的,出数照旧发。
3 小时前

谷歌Hydrogen发布,六周第三款

北京时间 13 号推送的 Gemini 4 Hydrogen,接的是 Flash 那条线,主打又快又便宜。 定价每百万 token 输入 1.5 美元,输出 7.5 美元。 100 万 token 上下文一个价,不分段。 缓存命中的输入只要 0.075 美元。 终端操作类跑分(Terminal-Bench,考的是模型会不会自己敲命令完成任务)提升最猛。 上一代 18.2%,这代干到 57%。 官方还说,默认档完成任务的速度是 3.8 Flash 的 2.5 倍。 新增了第四档思考级别 xhigh,官方建议困难多步问题再开,平时用 high 就够。 六周连发三款,这节奏摆明了在抢首发窗口啊。 比较实际的问题是,Flash 线被顶掉之后,旧模型还留不留。 用旧模型的成本会不会跟着降。
4 小时前

GPT降智这事,两拨人体感完全相反

最近 GPT 的体感吵起来了。 一波人吐槽降智,长任务做到一半就停,问一句答一半。反馈最集中在新版 Terra 上,Codex 的 GitHub 上怨声一片啊。 另一拨被灰度到 6.2 Sol 的用户说变聪明了,风格大变,还省额度,十来次对话 200 美元 Pro 才用掉不到 10%。 两个版本同时在跑,体验两极,跟新模型发布前的资源调配可能有关。 OpenAI 到现在没回应,11 月 8 号那波大规模封号也没解释原因。 所以你感觉的降智,可能只是没被灰度到呢。
4 小时前

快手裁员传闻满天飞,19号见分晓

快手裁员的消息传了几天。今天 i 黑马报道说多个部门启动,部分岗位赔偿最高谈到 N+5 呢。 最早的信源是 12 号脉脉的帖子,说外卖下线、到店团购收紧、游戏事业部部分裁撤,国际业务传优化 30%。 口径也有出入,有员工说拿到的是 N+1,电商部门才可能谈到 N+5。 背景数字摆两个。快手 2024 年员工比 2023 年少了 1700 人,今年二季度经调整净利润同比降 30.3%。 官方到现在没回应。19 号发三季报,到时候见分晓吧。
1 小时前

Claude套餐图我核过了,俩坑先说

Nora那套Claude套餐图挺好看,我照官方价格页核了一遍,俩坑先说啊。 1、Ultra取消5小时限制的前提是已通过身份验证,没验证的账号临时还是受限呢。 2、Pro不含Fable,想跑要拿用量credits另付钱嘛。Fable 5.1只是转Legacy,API还能调。 Pro的用量官方只写比Free多,连倍数都不给,5倍、10倍只有Max和Ultra有。买前自己核一遍claude.com/pricing吧。

网站上的服务均为第三方提供,
请用户注意自行甄别。

北京酷讯互动科技有限公司

备案京ICP备2024094994号-29

© 2026 AI345 · All Rights Reserved

用户服务协议·隐私政策