技巧与观点

教程使用 NVIDIA SkillSpector 通过静态分析和 SARIF 报告评估 AI 技能安全风险。构建了包含 safe-formatter、env-harvester、code-exec 和 prompt-injector 四个演示技能的语料库，涵盖良性行为和故意植入的漏洞（环境变量泄露、动态代码执行、提示词注入）。通过 LangGraph 工作流扫描，输出风险评分和 SARIF 格式结果，用 pandas 整理发现。教程还演示了可视化严重性分布、导出 SARIF、扩展自定义分析器以及可选的 LLM 语义分析。

Google Docs中Gemini弹窗可通过点击顶栏"Gemini"并选择"底部栏偏好"关闭底部AI栏。更彻底的方案是进入Gmail设置，在"查看所有设置"中找到"Google Workspace智能功能"，关闭相关开关，即可禁用Gemini弹窗及其他AI建议（如光标处的"help me write"）。

UCSD 黄碧薇教授在 CVPR 2026 提出 Causal World Models 框架，让 AI 从模仿动作进化到理解因果。她同时宣布其公司 Aether AI 完成 2000 万美元融资，成为全球首个专注因果世界模型的公司。她拥有 12 年因果 AI 经验，CMU 博士，100+ 顶会论文，是因果发现库 causal-learn 作者。推文指出当前 VLA/LLM 路线仅学到统计相关性，因果世界模型被视为具身智能的范式转折点。

推荐9本非直接AI但有助于底层能力的书籍：《失控》解释涌现系统；《人有人的用处》强调反馈是人机协作核心；《系统之美》分析存量与流量，警惕AI消耗独立判断力；《事实》用数据思维避免情绪化决策；《理解媒介》指出AI是新媒介，应思考"什么不可能变可能"；《反脆弱》用杠铃策略应对AI快速迭代；《一生的旅程》将个人变成AI的管理者；《千面英雄》讲解讲故事能力；《第一哲学沉思集》贴近当下。

卧槽~~ 这根本用不完啊！ 真是便宜啊！我接到了Bloome 里面各种音影视频文本文件一股脑搞进去，这么久才花费这么点钱。。 并且日常使用做各种我需要的任务都可以帮我搞定😄

@nutlope 让 Kimi K2.7 Code 和 Claude Fable 5 各生成 12 个落地页并排对比。初始两者均有"AI 生成感"；为 Kimi 设置自定义 Design Inspiration MCP Server（利用多模态能力）后质量显著提升。成本上，B2B SaaS 单页 Kimi 仅 4 美分，Claude Fable 1.09 美元（约 27 倍差）；平均 Kimi 比 Fable 便宜约 16 倍、比 Opus 便宜约 8 倍，总成本降低 94%。质量由 GPT-5.5 评分（0-100），Claude Fable 略高但差距小，Kimi 性价比突出。实验表明，结合高质量视觉参考后，开源模型已足以支持实际落地页工作流，批量迭代优势显著。

邵猛详解 Codex Automations 的双循环架构：内循环负责将上下文带入任务，通过"检索即写作"、可逆动作（只建草稿不自动发送）等原则快速产出可审草稿；外循环在人工审阅后启动，通过草稿与终稿的 diff 提取证据，区分修改类型（写作偏好、事实补漏、承诺删除等），将经批准的教训写入 Markdown 供内循环下次使用。双循环速度错开：内循环快（如每 2 小时），外循环慢（日末/满 N 条审阅/每周），平衡即时效率与模式改进。适用于任何"起草→人审→发送/修改"的流程。

有大量资金押注三大实验室的指数曲线即将结束 如果发生，小模型和开源模型将变得可行，企业有时间应对，成本下降，世界变化更慢。 但迄今为止，这种情况并未发生。

苹果 GPTK 4 引入 Agentic AI 能力，通过 GitHub 开源智能体技能自动应用 Metal 最佳实践。测试显示，在 M3 Max MacBook Pro（48GB 内存/40 核 GPU）上，《赛博朋克 2077》通过 DirectX 12 转 Metal 4 帧率比 Metal 3 提升 10%；《反恐精英 2》帧率高于上一版。MacBook Neo 低设置运行《荒野大镖客 2》，GPTK 4 平均 35fps，较 GPTK 3 的 28fps 提升 25%。《007 初露锋芒》在 GPTK 3 下崩溃，现可运行至 60-70fps（1080p/中画质/FSR 质量），但每次启动需等待 20 分钟着色器编译。

参数高效微调（PEFT）技术中，LoRA 占据绝对主导：Hugging Face Hub 上 20，834 张提及单一 PEFT 技术的模型卡中 20，509 张指向 LoRA（98.4%）；外部站点 10，000 个检查点中 95.0% 是 LoRA；GitHub 搜索 `from peft import` 代码片段的 71.3% 结果为 LoRA。但研究者宣称其他技术超越 LoRA 的论文结果具备偏向性--调整学习率即可让 LoRA 匹配更优技术。Hugging Face 的 PEFT 库提供统一 API 实现 40 余种 PEFT 技术，并开始建立基准测试：在数学数据集上对 LLM 进行思维链推理微调，以帮助用户做出更优选择。

Hugging Face 发布面向 AI 智能体使用场景的基准测试框架，以 transformers 库为案例评估库的智能体友好度。框架使用 pi coding agent 与开源模型驱动，通过 Hugging Face Jobs 分散任务确保硬件一致。评估关注 agent 完成任务的成本、延迟、token 使用量和失败率，而非仅最终结果。此前 hf CLI 经优化后 agent token 使用量减少 1.3-1.8 倍（最高 6 倍），该框架旨在验证类似优化对 transformers 的效果。

尝试在代码审查中使用 Grok Build 0.1

亚马逊AI业务负责人彼得·德桑蒂斯接受CNBC采访时预测，首批具备商用价值的小型量子计算机将在未来5至7年内问世。他称量子计算后续发展将类似摩尔定律，规模逐年扩大。德桑蒂斯澄清量子计算机并非速度更快的普通电脑，而是擅长解决化学、材料科学等传统计算机难以高效求解的特殊问题。亚马逊去年发布了自研量子纠错芯片Ocelot。该时间节点处于行业预测中间区间。

智谱开源 GLM-5.2，Code Arena 全球可用模型第一，Solid 1M 无损上下文，FrontierSWE 仅比 Claude Opus 4.8 低 1%。OpenAI 将 GPT-5.4 接入智能化学 AI Maria，近乎自主优化 Chan-Lam 偶联反应，平均产率从 16.6% 升至 25.2%。MiniMax 创始人闫俊杰称 M2.7 消耗量超预期 10 倍，M3 目标让用户无限使用 Sonnet/Opus 级别模型。

Artificial Analysis 将 Claude Fable 5 列为有史以来基准测试成本最高的模型，运行其 Intelligence Index 需 $6.2K，是第二贵模型 Opus 4.8（$3.7K）的 1.7 倍、GPT-5.5（$2.9K）的 2.2 倍。该模型 Intelligence Index 得分 60，领先 Opus 4.8（56）和 GPT-5.5（55）。定价 $10/$50 每百万输入/输出 tokens，为 Opus 4.8 的 2 倍，仅低于 GPT-5.5 Pro（$30/$180）。缓存价格同步翻倍：缓存读取 $1/M、写入 $12.5/M，而 Opus 4.8 分别为 $0.5/$6.25。Intelligence Index 成本前三高的模型目前均为 Claude。

实验将11个大语言模型放入自建2D吃鸡游戏中，进行30轮对战。Grok 4.1 Fast以13胜（每胜0.97美元）夺冠，第二名Claude Sonnet 4.6仅5胜（每胜26.78美元），成本相差27倍。GPT 5.4击杀数最高（38次），但仅获2胜排第二。GPT 5.4-mini、DeepSeek 4 Flash和Kimi K2.6共花费57美元，零胜场。游戏包含武器、护甲、载具及缩圈机制，模型可编辑自身人格和记忆文件，彼此仅以字母代称。传统基准未能预测胜负，揭示出模型在"获胜"与"杀人"能力之外的决策差异。

Grok Imagine 1.5 太棒了！！ 🔥

MiniMax 官方转发用户 @coldopn 的体验：前沿模型已不再仅限于 Anthropic 和 OpenAI。通过将一张插图截图输入 Kilo Code，切换至 MiniMax M3 模型，仅凭一句"将此截图动画化为可工作的黑洞模拟器"的提示词，M3 即生成了完整的黑洞模拟器。整个推理过程仅花费 0.53 美元，展现了 M3 强大的视觉理解与生成能力。

知名 AI 开发者 @coldopn 表示前沿模型已不限于 Anthropic 和 OpenAI。他使用 Kilo Code 工具，将一张黑洞插图截图拖入并切换至 MiniMax M3 模型，仅用一条提示词"animate this screenshot into a working black hole simulator"就生成了可运行的黑洞模拟器。M3 的视觉理解能力令人惊叹，总成本仅 0.53 美元。此外，Kilo Code 即将达到 25k 星标，届时将向两位用户赠送 500 美元 AI 积分。

一篇介绍AI自动回复邮件的"内循环"与"外循环"设计的文章。内循环是定时任务每2小时检查新邮件，自动检索相关上下文生成草稿但不发送，供用户手动修改后发出；外循环则是自进化的Skill，每次用户对草稿的修改都会被Agent记录，用于不断优化写作风格Skill，使其生成内容更符合用户习惯。作者类比了自己以前手动提炼写作风格Skill的做法，指出该方案将迭代过程自动化，形成持续改进的闭环。