SHELL PULSE

8月28日 · 星期五30 条

  2. 向阳乔木by 向阳乔木 · 推文AI评分：50/100

    腾讯Hy4 preview：专家高质量数据是模型进步的关键

    作者认为，腾讯Hy4 preview通过内部专家共建高质量数据，在真实生产力任务上取得显著进步，这印证了数据质量对模型表现的重要性。作者批评只重算法不重数据的厂商，主张应重视数据建设。

    X @vista8观点模型原文
  3. 向阳乔木by 向阳乔木 · 长文AI评分：70/100

    混元 Hy4 preview 8个项目实测，我想买腾讯股票了！

    腾讯发布混元 Hy4 preview 模型，总参数770B，激活49B，上下文1M，强化了多步骤Agent、代码开发和生产力任务能力。实测显示前端审美大幅提升，长程任务稳定，能生成动效画布、在线鼓机、游戏等，并主动询问和遵守版权。模型已内置到Workbuddy，免费试用两周。

    X @vista8模型产品原文
  4. Gorden Sunby Gorden Sun · 推文AI评分：70/100

    Anthropic胜诉！美国国防部败诉！

    加州北区联邦法院裁定，美国政府因Anthropic拒绝将Claude用于大规模监控和自主武器而将其列入供应链风险并禁止合作，属于非法报复。法院认为封杀违反第一修正案和正当程序，支持Anthropic诉求。

    X @Gorden_Sun政策监管行业原文
  5. 歸藏by 歸藏 · 推文AI评分：70/100

    混元4Preview发布，Arena WebDEV评分第五

    腾讯混元4Preview模型发布，在Arena的WebDEV评分中排名第五，与刚发布的GLM-5.3Flash相近。该模型总参数770B，激活参数49B。

    X @op7418模型评测原文
  7. Jerry Liuby Jerry Liu · 推文AI评分：30/100

    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。

    X @jerryjliu0产品原文
  8. Jerry Liuby Jerry Liu · 推文AI评分：50/100

    PDF解析的乐趣：企业文档的无限多样性

    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！

    X @jerryjliu0产品教程原文
  9. Matt Shumerby Matt Shumer · 推文AI评分：30/100

    关于 Gauntlet Loops 的适用范围及使用 gpt-image-2 的建议

    很多人说 Gauntlet Loops 不适用于没有现实世界对应物的构建（例如 Claude of Duty 是针对 CoD 进行基准测试的）。在这种情况下，只需使用 gpt-image-2 生成你正在构建的物体的图像！试试看效果如何。

    X @mattshumer_教程原文
  10. Gorden Sunby Gorden Sun · 推文AI评分：70/100

    OpenAI联合多家巨头发布公开信，呼吁加强AI网络安全防御

    OpenAI联合微软、谷歌、亚马逊、Anthropic等上百家企业发布公开信，呼吁各界加强AI网络安全防御。信中指出，AI技术发展迅速，未来数月可能出现更严重的AI网络攻击，关键基础设施如医院、电网等易受攻击。倡议各方协同行动：企业应修补漏洞、加强权限管理；安全公司应开发廉价AI防护工具；政府应提供支持并打击黑客；AI大厂应提供更强模型和资金支援。

    X @Gorden_Sun政策监管行业原文
  11. Gorden Sunby Gorden Sun · 推文AI评分：70/100

    Cohere 发布文档解析模型 Parse 5，主打高准确率与低成本

    Cohere 发布文档解析模型 Parse 5，支持文本、表格、表单和图像识别，并提供边界框定位，便于 RAG 和自动化处理。定价每 1000 页 1.50 美元，比前沿模型和主流云服务便宜 95%，比 Mistral 便宜 63%。模型未开源，可通过 API 或 HuggingFace 体验。

    X @Gorden_Sun模型产品原文
  12. 向阳乔木by 向阳乔木 · 推文AI评分：50/100

    Grok Bot最佳场景：榜单监控与自动化测试

    感觉Grok Bot最佳场景之一是各种榜单监控，自动化测试。比如让它监控Github Trend，给项目写摘要，自动安装运行给报告。让它每天自动访问Producthunt，发现好的产品，自动注册测试，每天9点发昨天的体验报告。它能一直运行，登录你给的各种账号，超级的Computer Use。群聊协作目前还没感觉到特别大的必要性。

    X @vista8产品原文
  13. Gorden Sunby Gorden Sun · 推文AI评分：50/100

    谷歌发布Gemini Omni 1.1 Flash

    谷歌发布Gemini Omni 1.1 Flash，感觉提升不明显但够用。Gemini Pro会员在Flow里每月可生成100个10秒视频，额度充足。同时发布了生成视频的提示词手册。

    X @Gorden_Sun产品模型原文
  14. Artificial Analysisby Artificial Analysis · 推文AI评分：70/100

    Agnes AI 发布 Agnes 2.5 Pro Beta，智能指数提升 9 分

    新加坡 AI 实验室 Agnes AI 发布了 Agnes 2.5 Pro Beta，在 Artificial Analysis 智能指数上得分 49，较 Alpha 版提升 9 分，主要得益于智能体能力的显著增强，但输出 token 消耗约为前代的两倍。该模型在智能体指数上从 25 跃升至 44，接近 Gemini 3.7 Flash，同时在前沿推理评测中也有小幅提升。模型支持 1M 上下文，定价为每百万输入/输出/缓存命中 token 0.10/0.30/0.01 美元，现可通过其 API 使用。

    X @ArtificialAnlys模型评测原文
  15. 向阳乔木by 向阳乔木 · 推文AI评分：30/100

    Codex 电脑使用回顾：一周操作报告

    Codex 的电脑使用回顾功能记录了一周电脑操作，生成了一份 recap 报告。报告显示：研究风格很少只做抽象研究，常将 PDF 转化为网站、PPT、视频等；常用工具包括 Chrome、微信、Finder、AI 编程工具等；写作风格具体、有冲劲、重视证据，且适合重复利用。

    X @vista8产品原文
  16. AKby AK · 推文AI评分：70/100

    VGI-Bench：探测视频生成模型中的视觉智能

    该论文提出VGI-Bench基准，用于系统评估视频生成模型的视觉智能水平。通过设计涵盖物理规律、因果推理、空间关系等维度的测试任务，量化模型对视觉世界的理解能力，为视频生成模型的智能评估提供新标准。

    X @_akhaliq论文评测原文
  17. Gorden Sunby Gorden Sun · 推文AI评分：70/100

    GlucoFM：针对连续血糖监测的基础模型

    Google 团队发布了 GlucoFM，一个针对连续血糖监测（CGM）数据的基础模型。该模型利用超过 10 万小时无标注的真实血糖数据进行训练，能够将血糖走势分解为基础水平和突发波动两个信号。在预测糖尿病风险、胰岛素抵抗等 7 种代谢健康问题上，其准确度优于现有模型；还能根据餐前血糖和饮食信息预测餐后血糖，且在小样本和跨机构场景下具有较好的适应性。模型目前未开源。

    X @Gorden_Sun论文原文
  19. Orange AIby Orange AI · 长文AI评分：50/100

    新概念一等奖写作 Skill 发布

    发布了一个基于 Claude Opus 4.6 的写作 Skill，通过分析一篇获奖文章提炼出写作技巧，包括数字运用、物件描写、重复结构等，并提供了使用方法和推荐模型。

    X @oran_ge产品教程原文
  22. François Cholletby François Chollet · 推文AI评分：50/100

    在可验证领域，模型能力扩展应保持无界

    作者主张在可验证领域，模型能力扩展应保持无界。论据是模型通过吸收越来越多的计算宇宙而持续改进，而计算宇宙在构造上是无限的。

    X @fchollet观点原文
  23. MiniMaxby MiniMax · 推文AI评分：50/100

    fal 团队构建 H3 Max 的深度解析

    fal 团队发布深度解析，介绍如何结合后训练与协同设计的推理栈构建 H3 Max，以提升提示遵循、视觉质量和速度。MiniMax H3 作为基础模型，团队对此表示祝贺与感谢。

    X @MiniMax_AI教程原文
  25. MiniMaxby MiniMax · 推文AI评分：50/100

    祝贺 fal 团队推出 MiniMax-H3 Max

    fal 团队优化了 MiniMax-H3 Max 模型，提升了实际性能，并协同设计推理系统以实现超实时速度。这结合了前沿模型研究与深度推理优化能力，展示了第三方后训练模型的潜力。

    X @MiniMax_AI模型行业原文
  28. Epoch AIby Epoch AI · 推文AI评分：50/100

    GPT-5.6 Sol 玩《杀戮尖塔》：策略是主要短板

    过去几周，我们非正式测试了 GPT-5.6 Sol 的计算机使用能力，让它玩《杀戮尖塔》。发现其限制不在操作，而在战术与策略，表现优于新手但低于专家。

    X @EpochAIResearch评测原文