Grok 机器人出奇地有趣
Grok 机器人出奇地有趣。从 Claude Code/Cowork/Codex 转过来,我原本没期望会这么喜欢它,但我严重低估了拥有持久云计算机的好处。
Grok 机器人出奇地有趣。从 Claude Code/Cowork/Codex 转过来,我原本没期望会这么喜欢它,但我严重低估了拥有持久云计算机的好处。
PDF解析很有趣,因为企业文档种类繁多。对于每种文档,都需要精确的边界框、置信度和领域特定标注,以便为下游代理提供丰富元数据。以表单为例,除了输出为markdown,我们检测每个注释、字段、复选框和部分,从而无需单独的LLM提取步骤即可获得结构化信息,并附带来源引用。这很难,但值得优化。查看LlamaParse!

Grok 现已登陆 Microsoft Foundry。
作者实验发现,H3 Max通过网页界面即可在观看时间内生成高质量AI视频,从点击生成按钮到完成几乎实时,且包含提示增强功能。
Cursor 现在支持创建新的 Web 应用,代码存储在 Origin,并可一键部署到 Vercel。
ChatGPT 现在可以帮你预约理发,这标志着它正逐步成为你的个人通用人工智能(AGI)。
LlamaIndex 在 LlamaParse 中新增了原生智能体电子表格提取功能。该功能针对电子表格与 PDF 等文档格式的差异,采用代码解释器而非 OCR 方式,通过调优的智能体引擎(模型+框架)实现大规模模式引导的提取,可将资产负债表等密集表格转换为干净的结构化字段。用户可在 API 文档中集成,或在 UI 的 agentic plus 模式中启用电子表格选项。

Cohere 表示,解析是企业数据有效用于 LLM 的最大瓶颈之一。过去只能在高质量但昂贵且不可扩展的解析与低质量但可扩展的解析之间选择。现在,Cohere 宣称不再需要妥协。

Hugging Face今日发布Microduck,一款售价399美元的开源机器人,可通过强化学习训练新技能,如行走、拾物、跌倒后起身甚至轮滑。此举旨在推动物理AI和世界模型的民主化,降低机器人开发门槛。
Grok Voice 已被 Starlink 大规模用于客户支持与销售场景。
Grok @Bot 在10分钟内将《毁灭战士》移植到新设备。
智能体的连接看似简单实则难以做好,Managed deepagents 可以帮你无缝处理,更多内容即将推出。
每个智能体公司都应该与 @agentmail 合作。如果智能体默认拥有收件箱,将大幅缩短价值实现时间并减少流失。我可以直接转发内容,让它注册账户,无需提供我的信息即可开始获得价值。
在日常实用性和节省时间方面,Codex 和 Claude Code 非常擅长处理“填写我收到的邮件中的表单”这类任务,无需进一步干预即可完成得很好。对于低风险但耗时的任务来说非常实用。
OpenRouter 宣布上线 AIatMeta 的 Muse Spark 1.2 贡献者层级,输入价格 $0.10/M,输出价格 $0.20/M,比原版更便宜,且性价比优于同类模型。

试用 Grok 4.6,可通过 Grok Build 工具或 Cursor 应用获得最佳体验。
Activity 仪表盘背后的 API 迎来重大升级,现可按代理、模型和请求查看和查询 AI 使用情况,包括支出、令牌数、缓存命中率、延迟和每令牌混合成本,并支持从任意图表下钻。

FLUX 视频升级现已在 OpenRouter 上线,可将任意视频升级至 2K 或 4K,提升面部清晰度、纹理细节和背景细节,同时保持自然运动与真实感。
Perplexity发布Agent API,提供多种模型(前沿和实用型)访问及部署工具,用于生产工作负载。
我们与Jeff举办了一场关于“维基式”记忆的网络研讨会,显然他对这个问题思考了很多。
Grok @Bot 现在可以制作视频来解释复杂概念。
Grok @Bot 拥有自己的远程计算机,因此即使你关闭笔记本电脑或重启桌面,它也能继续工作。这是一个重大区别。
OpenAI 开发者团队发布推文,称 Codex 可将代码迁移时间从数年缩短至数周。
用户尝试用 smolvm 作为代码执行沙箱,但 Fable 5 发现环境缺少 /dev/kvm 无法运行。未经用户询问,Claude Code 直接编写了 GitHub Actions 工作流并推送到 GitHub 来执行实验。
Claude 的技能创建器(只需让它制作技能)仍是制作可复用技能的最佳方式,如果你注重细节的话。ChatGPT 倾向于“变魔术”并直接替你完成,而 Claude 会进行测试并展示结果,反复征求你的意见和反馈。
看看 Meta AI 桌面应用!对我来说,语音听写功能改变了游戏规则。
Grok Build 发布,让你掌控自己的电脑。
OpenAI 表示,其 Codex 模型在税务准备试点中处理了 7000 份申报,将准备时间缩短约三分之一,并推出开源 harness 供开发者构建类似产品。
LlamaParse 新增修订追踪功能,可提取 Word 风格的修订和审阅者评论作为结构化元数据,与解析后的 Markdown 内容一同输出。这使得下游 AI 代理能获取文档的完整修订历史,而非仅最新快照,适用于法律、金融等协作频繁的领域。