meng shao(@shao__meng)

很难相信这会是 Google Design 官方账号发布的内容如果你被盗号了 @GoogleDesign 你就眨眨眼 👀 发帖格式陈旧，内容更是空洞乏味到一时间分不清是真话还是藏着什么玄机，反...

meng shao (@shao__meng) — Fri, 14 Aug 2026 11:34:44 GMT

很难相信这会是 Google Design 官方账号发布的内容

如果你被盗号了 @GoogleDesign 你就眨眨眼 👀

发帖格式陈旧，内容更是空洞乏味到一时间分不清是真话还是藏着什么玄机，反复看了几次，确定没什么玄机。。。

Google Design@GoogleDesign

Celebrating small wins is hardwired into "Achieve," our goal-tracking sample app.

We wanted the simple act of checking off a task to feel like a celebration. Instead of the standard #Material ripple, we used Styles to drop in a custom, high-contrast completion animation—specifically, a brand-colored ring that expands and fades on tap, paired with a subtle pressed-state gradient.

It lets us focus entirely on polishing those custom, rewarding micro-interactions while Material handles the foundation.

#GoogleDesign#MaterialDesign#JetpackCompose#AndroidDev#UXDesign#InteractionDesign

💬0🔄0❤️0👀542

立 Flag 果然遭报应 😓😓😓 这是扫黄捅了老巢了吗，不评论，改转发了？？？

meng shao (@shao__meng) — Fri, 14 Aug 2026 11:09:03 GMT

立 Flag 果然遭报应 😓😓😓

这是扫黄捅了老巢了吗，不评论，改转发了？？？

meng shao@shao__meng

朋友们有没有发现，今天开始，垃圾评论真的不见了！

立 flag 必倒？

💬1🔄0❤️0👀507📊1

原来 @jietang 唐杰教授的「sooooooon」是按小时算的吗 😃 GLM-5.3 在唐杰教授发帖后几小时就正式发布了，又是后训练的一个典型案例！中国开源模型这一轮热潮也是 GLM-5.2...

meng shao (@shao__meng) — Fri, 14 Aug 2026 08:58:08 GMT

原来 @jietang 唐杰教授的「sooooooon」是按小时算的吗 😃

GLM-5.3 在唐杰教授发帖后几小时就正式发布了，又是后训练的一个典型案例！中国开源模型这一轮热潮也是 GLM-5.2 带起来的。z.ai/blog/glm-5.3P

GLM-5.3 和 GLM-5.2 沿用了同一套基座模型，所有可观测的能力提升，都来自后训练阶段的持续规模化。

过去一个月 @Zai_org 在 GLM-5.2 已搭好的技术栈上持续加码：
· IndexShare：长上下文的高效处理机制；
· SAO（含 compaction）：面向长程任务的强化学习算法，使增益不只在短任务上显现，也能在长程任务上保持；
· slime：大规模异步后训练框架，训练侧用 Megatron，rollout 侧用 SGLang。

GLM-5.3 在此之上做了三件事：更多环境、更多样任务、更多算力。在复杂编码与长程任务上对 GLM-5.2 形成明显代差，并在网络安全方向上出现了团队自己也未完全预期的"涌现式"能力跃升。

btw... GLM-5.3 是一个只有 743B 的模型，综合能力和 Kimi K3 互有胜负，厉害！

Z.ai@Zai_org

Introducing GLM-5.3: Built to Code. Ready for Cyber Defense.

- Top-tier coding and agentic capabilities, achieved through post-training on the 743B base model
- A major leap in cybersecurity, setting a new standard among open models

Tech Blog: z.ai/blog/glm-5.3

💬14🔄16❤️7👀3756📊16

GLM-5.3 发布了这周又是极度热闹的一周先是 Grok 4.6，再是 DeepSeek V4 Pro 和 DeepSeek Harness (以及 API 涨价) 现在临近周末 @Zai...

meng shao (@shao__meng) — Fri, 14 Aug 2026 05:40:12 GMT

GLM-5.3 发布了

这周又是极度热闹的一周

先是 Grok 4.6，再是 DeepSeek V4 Pro 和 DeepSeek Harness (以及 API 涨价)

现在临近周末 @Zai_org 又带来了 GLM-5.3

我甚至都没提 Gemini 3.7 Flash 😂

💬4🔄15❤️10👀1630📊10

朋友们有没有发现，今天开始，垃圾评论真的不见了！立 flag 必倒？

meng shao (@shao__meng) — Fri, 14 Aug 2026 03:32:39 GMT

朋友们有没有发现，今天开始，垃圾评论真的不见了！

立 flag 必倒？

💬0🔄0❤️1👀1437📊1

看到 DeepSeek Harness 开源发布，满怀期待的安装好这是用「DeepSeek V4 Flash + 1390 万 Token + 30 多分钟」做出来的网站呃。。怎么说呢，一定是...

meng shao (@shao__meng) — Fri, 14 Aug 2026 03:00:09 GMT

看到 DeepSeek Harness 开源发布，满怀期待的安装好

这是用「DeepSeek V4 Flash + 1390 万 Token + 30 多分钟」做出来的网站

呃。。怎么说呢，一定是我不会用，是我的问题 🤦‍♂️

btw... 
图1 是 DeepSeek Harness
图 2 是 Codex + GPT-5.6 Sol

💬68🔄17❤️19👀24644📊77

Gemini 3.7 Flash 正式发布和 Grok 4.6、DeepSeek V4 Pro 发布的声量相比，Gemini 简直安静的可怜 🤦‍♂️ 不过对于生产环境在用 Gemini 模型...

meng shao (@shao__meng) — Fri, 14 Aug 2026 02:25:22 GMT

Gemini 3.7 Flash 正式发布

和 Grok 4.6、DeepSeek V4 Pro 发布的声量相比，Gemini 简直安静的可怜 🤦‍♂️

不过对于生产环境在用 Gemini 模型的朋友们，GA 和 Preview 的区别到底有多大，那是相当有价值的，毕竟 Preview 的并发和稳定性，实在是太拉了！

另外，Gemini Flash 系列一直保持发布，Gemini 3.5 Pro 是不是真的胎死腹中，Deepmind 直接放弃 3.5 奔 4.0 训练去了？

Philipp Schmid@_philschmid

Say hello to Gemini 3.7 Flash, generally available today! ⚡️We took your feedback and pushed hard on real-world coding benchmarks and agent autonomy:

- Major jumps on coding and agentic use cases
- DeepSWE (65.3% vs 49.0%) FrontierCode (43.6% vs 34.4%), AutomationBench (30.4% vs 17.0%)
- 50% discount until EOY: $0.75/$3.75 per 1M tokens
- Default model in Managed Agents, @GoogleAIStudio , @antigravity, and @GeminiApp Spark

Throw your hardest coding/agentic tasks at it and let us know what you build: blog.google/innovation-and…

💬4🔄14❤️3👀3096📊7

X [For You] 时间线算法开源其实谜底基本都在谜面上，所以影响推荐和排名的因素都是明牌，权重现在也都完全透明了

meng shao (@shao__meng) — Fri, 14 Aug 2026 02:20:56 GMT

X [For You] 时间线算法开源

其实谜底基本都在谜面上，所以影响推荐和排名的因素都是明牌，权重现在也都完全透明了

X Open Source@XOpenSource

x.com/i/article/2087…

💬2🔄15❤️3👀1363📊7

DeepSeek Harness 终于来了！先🐴明天再看 https://t.co/e8QpydYsG4

meng shao (@shao__meng) — Thu, 13 Aug 2026 13:22:13 GMT

DeepSeek Harness 终于来了！

先🐴明天再看github.com/deepseek-ai/de…4

DeepSeek@deepseek_ai

🧩 DeepSeek Harness v0.1 is now available in Developer Preview!

🔹 We’re opening it up to developers building agent harnesses worldwide and open-sourcing the codebase in MIT license.
🔹 Powered by the Cordis meta-framework, DeepSeek Harness is an agent harness built around one core idea: Everything is a plugin. Models, tools, skills, sessions, sandboxes, filesystems, loops, orchestration, and UI are ALL implemented as plugins, and can be mixed, matched, replaced, and extended.

Try it nogithub.com/deepseek-ai/de…hKA

💬1🔄2❤️0👀1073📊2

微信发布大语言模型？而且在 X 独家发布？ WeLM 模型系列：80B (A3B) 和 617B (A23B)

meng shao (@shao__meng) — Thu, 13 Aug 2026 12:18:24 GMT

微信发布大语言模型？而且在 X 独家发布？

WeLM 模型系列：80B (A3B) 和 617B (A23B)

WeChat@Weixin_WeChat

Meet WeLM — a family of large language models built by the Weixin team with resource efficiency at its core.

💬0🔄1❤️0👀999

DeepSeek V4 Pro 今天低调发布 DeepSeek 同步调整了 V4 Pro 和 V4 Flash 的 API 价格通过下面两张图表，看看 API 价格具体涨了多少，正式版的 Ben...

meng shao (@shao__meng) — Thu, 13 Aug 2026 11:57:31 GMT

DeepSeek V4 Pro 今天低调发布

DeepSeek 同步调整了 V4 Pro 和 V4 Flash 的 API 价格

通过下面两张图表，看看 API 价格具体涨了多少，正式版的 Benchmark 具体表现又如何。

💬2🔄1❤️0👀1023📊3

Grok 4.7 会成为灭霸级 SOTA 模型吗？老马自己说：SpaceX 的训练语料实在太出色、太独特了，如果有任何模型在真实工程能力上比 4.7 更强，我会非常惊讶。很期待 Grok 4....

meng shao (@shao__meng) — Thu, 13 Aug 2026 03:23:49 GMT

Grok 4.7 会成为灭霸级 SOTA 模型吗？

老马自己说：SpaceX 的训练语料实在太出色、太独特了，如果有任何模型在真实工程能力上比 4.7 更强，我会非常惊讶。

很期待 Grok 4.7 的发布，据说一个月内。

老马还官方互吹：Anthropic 是一家很棒的公司，大概很快也会发布更好的模型。

哈哈哈，是因为 A 社用了你们 GPU 集群，是甲方客户吗 哈哈哈。吹 A 社，但单独甩下 OpenAI 不提，这很老马。

Elon Musk@elonmusk

@cognition Grok 4.7 will exceed all current models. 

That said, Anthropic is a great company and will probably release improved models soon.

However, the SpaceX training corpus is so awesome & unique that I would be shocked if any model is better at real-world engineering than 4.7.

💬111🔄1❤️12👀7334📊91

Grok 4.6 实战经验笔记来自 Cursor 团队 @ericzakariasson，把 Grok 4.6 当做几周日常主力模型之后，写下自己真正改了什么工作方式。 Eric 实际怎么用这款...

meng shao (@shao__meng) — Thu, 13 Aug 2026 02:19:00 GMT

Grok 4.6 实战经验笔记

来自 Cursor 团队 @ericzakariasson，把 Grok 4.6 当做几周日常主力模型之后，写下自己真正改了什么工作方式。

Eric 实际怎么用这款模型
· 用浏览器替他走网站，包括在供应商控制台里点出 API key
· 对正在跑的应用做功能和视觉 QA
· 把收件箱压到只剩真正需要回的几封
· 帮他起草 Cursor SDK Bridge、/rename-chat 的发布帖，并用 Remotion 做发布视频

另外专门做了几组对照，用来压测模型 “能撑到哪里”：电子表格应用、浏览器版帝国时代 2、MSN Messenger、给开源 Excalidraw 加 presentation mode、虚构季度董事会 deck、以及 X TypeScript SDK 的 60–90 秒发布片。

他最看重的两个体感
1. 信息密度。摘要里是真正的信息，不是把任务复述一遍；运行中的短更新够他判断要不要打断。小改动时它会安静，一旦开始动很多文件才会开始叙述。作者说这个“何时说话、何时闭嘴”的分寸，调起来比想象中费劲，而且现在仍会说一些他不需要的话。
2. 速度加上更聪明。4.5 已经快。4.6 是快，而且明显更聪明。这个组合改变了节奏：异步能在他不在时多干活，但回来要冷启动看一份大 diff；4.6 把他拉回同步。他写得很清楚——当他在乎结果时，他更愿意待在同步里。

最高杠杆不是提示词写法，是验收标准
他专门对比过提示风格：长 vs 短，以及 “work very hard” 这类措辞。结论分三层：
1. 措辞几乎没用。 “努力工作、一直做到完”这类话，对 4.6 基本加不上分。它自己就会撑相当一段时间。
2. 长度有用，但不是因为更长就更好。 长 prompt 买的是具体性：你已经知道要什么，就写下来。短 prompt 把更多决定交给模型的品味。以前这个交易通常偏向把一切写死；4.6 的品味已经好到：短 prompt 加一条清楚偏好，通常就能落到不错的地方。 长规格仍然有效——他给过一份带 session capture、server handler、cloud agent dispatch 的 feedback widget 规格，模型能从头跟到尾，结构也合理；只是组件会重复，除非你明确要求拆开。
3. 真正拉开结果的，是一句验收指令。

全文最重要的抽象：可自检性
需要他上手去带的地方，几乎都收束到一件事：模型有多容易验证自己的工作。
· 网站最好验。 DOM 是文本，可以读页面、截图、对照意图。所以 UI 上的验证环特别有效。
· 3D 更难。 多了一个读不出来的维度。
· 视频更难。 时间是额外维度，检查意味着截一串帧、推理帧与帧之间的差。
· 物理同类。 模型对世界“应该怎样”有感觉，但单张截图回答不了“它是不是真的那样动了”。

eric zakariasson@ericzakariasson

grok 4.6 is live! a write up on my learnings, findings and tips to using the model! x.com/i/article/2087…

💬53🔄3❤️10👀3589📊47

DeepSeek-V4-Pro-0813 又一次静默发布了，官方 X 没有官宣，也没有铺天盖地的 PR 稿，但是真强、真便宜！还没看到官方评测发布，先看看 @cline 团队测试的数据。 Ter...

meng shao (@shao__meng) — Thu, 13 Aug 2026 02:05:28 GMT

DeepSeek-V4-Pro-0813 又一次静默发布了，官方 X 没有官宣，也没有铺天盖地的 PR 稿，但是真强、真便宜！

还没看到官方评测发布，先看看 @cline 团队测试的数据。

Terminal-Bench 2.1 得分 87.9，仅差 Claude Fable 5 0.1 分，屈居第二。而且，比 Fable 5 便宜 57 倍。

谁能爆锤 A 社，都值得叫好！再加上这地板价格，叫一声梁圣，确实不过分！

Cline@cline

DeepSeek silently released V4-Pro 0813, up 15.8% on Terminal Bench from their April Preview model, with Fable 5 performance at ~57x cheaper cost.

1.6T param, 49B active, 1M context. This is the best price-to-perfomance model on the market right now.

Available in ClinePass now!

💬48🔄0❤️1👀2937📊39

Grok 4.6 果然来了，老马诚不欺我，甚至很期待 Grok 4.7 现在 Grok Build, Cursor, Grok Bot 和 API 已经可用，感觉我的 Cursor Ultra 订...

meng shao (@shao__meng) — Thu, 13 Aug 2026 01:58:19 GMT

Grok 4.6 果然来了，老马诚不欺我，甚至很期待 Grok 4.7 

现在 Grok Build, Cursor, Grok Bot 和 API 已经可用，感觉我的 Cursor Ultra 订阅含金量还在上升！

Grok 4.6 在 4.5 的基础上，专门加强两件事：
1. 长程 Agent：能在多步任务里待得住——调研、分析、改代码库、把一个想法做成可用产物。
2. 更重的交互与视觉工作：给一个具体产品想法，一次性把应用结构和视觉语言立起来，再进入迭代。

Grok 团队自己的测试观察还包括：更长轨迹上出现更多自测与核验；视觉/交互项目的第一稿明显强于 4.5。

规格上，Grok 4.6 是当前最强也最快的文本模型：grok-4.6，上下文 50 万 token，文本 + 图像进、文本出，支持函数调用、结构化输出和推理。

评测：相对自己是代际跃迁，相对 SOTA 是进入梯队
官方用 Grok 4.6 High 对比 Grok 4.5 High、GPT-5.6 Sol Max、Fable 5 Max。Artificial Analysis 综合指数上，4.6 得 61，与 GPT-5.6 Sol Max 持平，比 4.5 的 56 高 5 分，距 Fable 5 Max 的 62 只差 1 分。

相对 4.5，10 项全升。涨得最狠的是需要真正动手的任务：DeepSWE 54% → 65.9%，APEX-Agents 47.1% → 57.5%，Terminal-Bench 15.7% → 26%。知识工作 Elo 同样跳得很明显：GDPVal-AA 1526 → 1753，AA-Briefcase 1313 → 1577。编码相关里，APEX-SWE 只加了 2.8 个百分点，说明“写软件”这条线的提升并不均匀。

SpaceXAI@SpaceXAI

Introducing Grok 4.6.

It delivers frontier intelligence and is a significant improvement over Grok 4.5 at the same price.

💬11🔄0❤️0👀1714📊9

用 Codex 后：第一声 “卧槽” 来自「Computer Use」能力真强！第二声 “卧槽” 来自「Computer Use」真费 token！

meng shao (@shao__meng) — Wed, 12 Aug 2026 12:02:41 GMT

用 Codex 后：

第一声 “卧槽” 来自「Computer Use」能力真强！
第二声 “卧槽” 来自「Computer Use」真费 token！

Mr Panda@PandaTalk8

大家认为codex 有哪些功能让你直呼“卧槽” 的啊

💬50🔄1❤️6👀5728📊41

Manus 这半年太不容易了！他们的 Agent 理念是绝对领先行业的，团队的产品和技术前瞻性也是足够的。现在恢复独立运营，希望恢复状态，找到引领 Agent 未来的新方向！

meng shao (@shao__meng) — Wed, 12 Aug 2026 04:05:03 GMT

Manus 这半年太不容易了！

他们的 Agent 理念是绝对领先行业的，团队的产品和技术前瞻性也是足够的。

现在恢复独立运营，希望恢复状态，找到引领 Agent 未来的新方向！

Manus@ManusAI

A Note to Our Users

Manus will soon resume operating as an independent company.

As part of this transition and to comply with regulatory requirements in specific jurisdictions, some users will need to back-up their data before 7:59 a.m. on August 23, 2026 (SGT) and then begin restoration starting from 8:00 a.m on August 25, 2026 (SGT) to ensure normal usage.

More information can be found in the blog post and we’ve provided detailed guides, including to understand if you’re affected, in our Help Center

For affected users, these are the key details:

We’ll notify you by email and in the Manus app. If you signed up with an Apple ID or Facebook account, please check your in-app notifications.

Back up your data from now until August 23 (SGT) before 7:59 a.m. You can back up more than once, you can create new data after backing up, just run it again.  

Starting from 8:00 a.m. on August 25 (SGT), the restoration portal will open. Restore your data and pick up right where you left off.

Affected users will not be charged during the transition, and we will be providing welcome back bonuses.

If your account is not affected, you don’t need to do anything - keep using Manus as usual. You’ll get an in-app notification confirming this.

For those affected, we know this is disruptive and we’re sorry for the inconvenience. Supporting you through it is our top priority. In addition to the full guides in the Help Center, our customer service team is ready to help 24/7 with any questions.

As we look ahead, we couldn’t be more excited by the future. We’re preparing a series of new features that will push the boundaries of what’s possible for general AI agents once again.

Thank you for being with us as we go through this process together. The best is still ahead.

💬56🔄2❤️7👀3467📊46

前千问负责人「林俊旸」终于官宣了自己的创业方向！新公司叫做 Pragmatik Labs（语用科技）简称 p7k 研究横跨数字世界与物理世界的下一代智能体，同时覆盖软件层面的数字 Agent 和...

meng shao (@shao__meng) — Wed, 12 Aug 2026 02:08:29 GMT

前千问负责人「林俊旸」终于官宣了自己的创业方向！

新公司叫做 Pragmatik Labs（语用科技）简称 p7k

研究横跨数字世界与物理世界的下一代智能体，同时覆盖软件层面的数字 Agent 和面向真实物理环境的具身智能。

这轮由高榕创投与红杉中国联合领投，腾讯与上海未来产业基金跟投支持。据 The Information 此前报道，融资规模达数亿美元，投后估值约 20 亿美元。

Junyang Lin@JustinLin610

a life update: i started a new company called Pragmatik (p7k) Labs (语用科技) in shanghai, focusing on the research of next-generation agents across digital and physical worlds. thanks to Gaorong Ventures and HSG (红杉中国 & 高榕创投) for co-leading this round, and to Tencent (腾讯) and Shanghai Engine Fund (上海未来产业基金) for the support. @pragmatik_labs · pragmatik.com

💬31🔄2❤️1👀2038📊26

SpaceXAI 推出「新型 AI 同事」：Grok Bot Grok Bot 跟传统 AI 助手有几个重要区别 · 拥有自己的计算机环境：Bot 不只是生成文字建议，它还能实际登录你的各类工具和网...

meng shao (@shao__meng) — Wed, 12 Aug 2026 02:00:16 GMT

SpaceXAI 推出「新型 AI 同事」：Grok Bot

Grok Bot 跟传统 AI 助手有几个重要区别
· 拥有自己的计算机环境：Bot 不只是生成文字建议，它还能实际登录你的各类工具和网站（如 Zendesk、CRM 等），像真人一样操作软件界面，直接交付"已完成的工作"，而不是"如何完成的说明"。
· 异步、全天候运行：你可以下达任务后关掉电脑离开，Bot 会 7×24 小时持续工作，在需要你审批或决策时才回来找你。
· 可并行扩展：你可以同时创建多个 Bot，分别负责不同职能（如一个管项目、一个管销售外联、一个管系统运维），它们并行工作，必要时还能相互协作、交接任务。

看看 Grok Bot 有哪些核心能力
1. 像同事一样沟通与协作 - 通过桌面端或 iOS 端以对话方式下达任务。Bot 会保留你的工作习惯和上下文，随使用时间推移变得更"懂你"。
2. 示范一次，即可复用 - 你可以让 Bot"观摩"你完整执行一次工作流程，它会将其保存为例行程序（routine），之后按流程自动重复执行，也支持定时调度。这是典型的"教学式自动化"思路，降低了配置门槛。
3. 记忆与持续学习 - Bot 之间共享上下文和经验。例如它处理过一次客户报价后，会记住"该客户只签年约、审批人是 Dana"这类信息，下次无需再问。
4. 多 Bot 串联 - 多个 Bot 可以放在同一对话线程中互相传递工作成果，用户从"逐步审批者"转变为"过程监督者"。
5. 预置岗位角色 - 官网提供了销售外联、人才招聘、广告投放、费用管理、产品分析、Bug 复现、客户健康度、行政总管等岗位模板。以销售外联为例：夜间自动生成销售管线——调研客户、按意向评分、以你的口吻起草邮件和 LinkedIn 私信，最后留下一份待你审批的清单。

典型应用场景
· 以用户本人的口吻与供应商谈判
· 为网店管理客服支持队列
· 持续维护更新 CRM 系统
· 夜间自动生成销售线索管线

Grok Bot@bot

Introducing Grok Bot, now in early beta.

Bots are AI teammates that do real work for you. They sign in to your tools, use them just like you do, and come back with finished work.

Your browser does not support the video tag.

💬0🔄1❤️2👀1391📊1

今天几乎被 Cursor 团队刷屏一面是 Cursor 设计师 Ryo Lu 离职，准备回归亚洲一面是 Cursor 团队集体 Vague Posting ... 应该是 Grok 4.6 要...

meng shao (@shao__meng) — Tue, 11 Aug 2026 11:11:51 GMT

今天几乎被 Cursor 团队刷屏

一面是 Cursor 设计师 Ryo Lu 离职，准备回归亚洲

一面是 Cursor 团队集体 Vague Posting ... 应该是 Grok 4.6 要发布了？

💬71🔄1❤️7👀11357📊73

Tibo of ZCode == Zibo ? 太逗了，后面每个 AI 团队都会有自己的 Chief Reset Officer 吗？

meng shao (@shao__meng) — Tue, 11 Aug 2026 07:37:29 GMT

Tibo of ZCode == Zibo ?

太逗了，后面每个 AI 团队都会有自己的 Chief Reset Officer 吗？

Zixuan Li@ZixuanLi_

To celebrate ZCode reaching 1M users, we’ll reset the usage limits for all GLM Coding Plan users in an hour.

💬2🔄0❤️1👀1172📊2

ZCode 也加入「RESET」大军了 😃 而且 ZCode 也已经有 100 万用户了，这种夹缝中的增长速度还是很可以的。

meng shao (@shao__meng) — Tue, 11 Aug 2026 05:36:10 GMT

ZCode 也加入「RESET」大军了 😃

而且 ZCode 也已经有 100 万用户了，这种夹缝中的增长速度还是很可以的。

Z.ai@Zai_org

ZCode now has 1 million users. As a thank-you to our community, we’ve reset usage limits for all GLM Coding Plan users.

We’re also rolling out an update that helps turn long-horizon capabilities into completed work:

- More intelligence in real engineering workflows
- 98% cache hit rate, providing around 1.8x more usage

Download: zcode.z.ai/en
Join the community: discord.gg/EpH5XkTyhu

Your browser does not support the video tag.

💬17🔄0❤️2👀2561📊15

还能这样操作吗？诱导换公司主体交社保，结果是解除劳动合同？变相解雇？不知道这位朋友有没有全程录音，一般 HR 是不可能通过文字沟通留痕的如果没有录音，是不是也没办法，只能自认上当倒霉了？

meng shao (@shao__meng) — Tue, 11 Aug 2026 03:40:02 GMT

还能这样操作吗？

诱导换公司主体交社保，结果是解除劳动合同？变相解雇？

不知道这位朋友有没有全程录音，一般 HR 是不可能通过文字沟通留痕的

如果没有录音，是不是也没办法，只能自认上当倒霉了？

💬2🔄0❤️1👀2239📊3

webAI Intelligence Lab 开源了其首个形式化推理模型 TwiL-LM3，参数量仅 3B 模型在 5 项形式化推理基准测试中，有 4 项超过了 OpenAI 的 GPT-OSS-1...

meng shao (@shao__meng) — Tue, 11 Aug 2026 02:42:41 GMT

webAI Intelligence Lab 开源了其首个形式化推理模型 TwiL-LM3，参数量仅 3B

模型在 5 项形式化推理基准测试中，有 4 项超过了 OpenAI 的 GPT-OSS-120B（120B 参数），参数量约为后者的 1/40，推理速度快 2.6 倍。

开源地址：
huggingface.co/webAI-Official…

David Stout@Davidstout

Today, we’re excited to open-source TwiL-LM3, the first formal reasoning model from the webAI Intelligence Lab.

At just 3 billion parameters, TwiL-LM3 outperforms OpenAI’s GPT-OSS-120B on 4 of 5 formal reasoning benchmarks while running efficiently on consumer hardware. That’s 40× fewer parameters, 2.6× faster inference, and state-of-the-art performance in the reasoning tasks that power reliable tool calling, code generation, structured outputs, and AI agents.

TwiL-LM3 was trained using webAI’s proprietary reasoning pipeline on webAI-owned, verified datasets—not scraped internet data. We believe better reasoning comes from better training pipelines and higher-quality data, not simply larger models. Our approach demonstrates that efficient models can rival—and in many cases surpass—models dozens of times their size. 

Designed for the edge, TwiL-LM3 runs on hardware people already own—from a Raspberry Pi to an iPhone—bringing advanced reasoning to millions of devices without relying on the cloud.

This is our first open-source release from the webAI Intelligence Lab, and it’s only the beginning.

Proudly built in Austin, Texas. 

Article: webai.com/blog/webai-rel…

💬2🔄1❤️3👀1504📊3

[开源推荐] Qwen-MM-Plugins 千问团队开源的「原生多模态插件集」，把"读图 / 读视频 / 读文档 / 听音 / 建模"等视觉与多模态能力，以 MCP 形式注入任意 Agent ha...

meng shao (@shao__meng) — Tue, 11 Aug 2026 02:16:35 GMT

[开源推荐] Qwen-MM-Plugins

千问团队开源的「原生多模态插件集」，把"读图 / 读视频 / 读文档 / 听音 / 建模"等视觉与多模态能力，以 MCP 形式注入任意 Agent harness，让纯文本 Agent 一键升级为多模态原生 Agent
github.com/QwenLM/Qwen-MM…

# 项目核心理念：Skill + MCP 的双层解耦

一个能力 = 一个 Skill + 一个可选 MCP server
· Skill：写给模型看的 SKILL.md，告诉模型"存在这套工具、何时该用"，本质是模型侧的提示词资产。
· MCP server：工具本体，由 uvx 在首次调用时按需拉起，进程隔离、依赖隔离。

# 七大能力模块

1. core - 视觉基础 动态分辨率读取（图/视频/文档/3D）、OCR、grounding、SAM3 分割、ASR、视觉对话、Serper 联网搜索

2. video-memory - 长视频记忆 层次化图记忆 + 语义检索，支撑 2 小时级超长视频问答，首次提问自动构建 memory
3. omni-av - 音视频原生理解 基于 Qwen-Omni，带时间戳/说话人标签的 ASR、时序定位、事件计数、音乐标签

4. video-edit - 生成与剪辑 图/视频/音频生成 + 剪辑工作流

5. blender - 3D 建模瘦客户端 22 个工具驱动正在运行的 Blender（Python thin client），建模/材质/灯光/渲染

6. freecad - 参数化 CAD 瘦客户端 14 个工具驱动 FreeCAD，含 STEP/STL 导入导出与 FEM 分析

7. edu-agent - 讲题视频生成 纯 Skill，把数学/理科题转成中文逐步讲解视频（基于 HyperFrames）

Qwen@Alibaba_Qwen

👀 Seeing is just the beginning.

With Qwen-MM-Plugins, turn your favorite agent harness multimodal-native — read images, videos & documents, edit videos, work with 3D/CAD, and more.

From multimodal models → multimodal agents. 🚀

Watch it in action:
https://t.co/C2jQObXryM

Your browser does not support the video tag.

💬42🔄3❤️17👀4185📊39

赞同 @swyx 对 Skills 在生产环境的判断！如果你只是完成个人工作流，可以放心的尝试一些 Skills，虽然它们肯定没有传说中那么神乎其神，过滤掉泡沫看这个 Skill 对你个人有没有实...

meng shao (@shao__meng) — Tue, 11 Aug 2026 02:06:45 GMT

赞同 @swyx 对 Skills 在生产环境的判断！

如果你只是完成个人工作流，可以放心的尝试一些 Skills，虽然它们肯定没有传说中那么神乎其神，过滤掉泡沫看这个 Skill 对你个人有没有实际提升，就可以。

但如果是在生产环境，一定要特别谨慎，如果要采纳某个 Skill，要了解清楚它的权限、触发范围、工作痕迹等等；而且个人工作环境，尽量和生产环境隔离。

因为 Skills 引导的 Agent 策略一旦授予生产权限，就等同于生产代码——必须按代码标准审查其作用域、重试与终止条件；有时最安全的"补丁"不是更详细的 Skill，是删掉那条教 Agent 永不停止的 Skill。

SmolForge 团队的两个生产环境的例子，很值得反思：
forge.smol.ai/blog/dangerous…

1. JFDI (Just Fucking Do It)
把"已批准任务免再确认"扩张为 10 类常驻生产权限（推 main、跑发布编排、改 provider 策略、跑迁移、中断重试、自举 Forge）的发布运营 skill。

致命问题：把"持续推进"绑到一个会移动的验收条件上——每暴露一个新平台缺陷就被字面契约重新归类为"依赖缺口"而吸入作用域，于是 agent 局部每步都合规、全局却永不停止，把一次发布变成了一场优化发布系统的 7 小时架构工程。

2. Maintainability Guardrails
把"避免巨型文件/脆弱重构/浅测试"等质量清单绑定到 "most substantial coding work" 触发词的代码质量 skill。

致命问题：触发词几乎涵盖所有值得交给 agent 的任务，使整份清单自动成为每个任务的"完成定义"——于是它扩大了 agent 认为好工作应包含的范围，把一次窄修复撑成一小时无关的架构与测试加固。

这两个 Skills 在生产环境中刚好命中了三个致命问题：
1. 权限问题——把"免确认"扩张为"相邻变更已批准"（JFDI 的 permission 维度）。
2. 作用域问题——把"完成请求"扩张为"吸收路径上所有依赖缺陷"（JFDI 的 scope 维度 + Maintainability 的触发广度）。
3. 持久性问题——把"持续推进"扩张为"直到一个会移动的验收条件满足"（JFDI 的 persistence 维度）。

swyx@swyx

occasional reminder to DELETE your skills.

forge.smol.ai/blog/dangerous…

when you are bombarded constantly by "this skill changed my life!! you have to try!!" on the timeline, you will pile up stuff that at best just eats context, and at worst interacts with other skills nastily in unforeseen ways if you dont stare at your traces.

💬1🔄2❤️4👀1768📊2

Kimi K4 会达到 5-6T 参数量级？相比 K3 又涨了几倍，价格也会涨吗，K3 已经是我不配用的价格了😂 感觉未来模型会出现两种档位。一种是参数量级超大、智能度超高、但超贵的模型，...

meng shao (@shao__meng) — Mon, 10 Aug 2026 14:52:42 GMT

Kimi K4 会达到 5-6T 参数量级？

相比 K3 又涨了几倍，价格也会涨吗，K3 已经是我不配用的价格了😂

感觉未来模型会出现两种档位。

一种是参数量级超大、智能度超高、但超贵的模型，我们只会偶尔用一下，甚至完全不用。毕竟我真的不需要去解科研难题。

另一种是参数量小一些，日常工作都能搞得定，速度也快，复杂任务前置用第一种模型顾问给个架子。就能自己接着跑，我们用经常用，用的很多。

Vepsi@vepsi__

🚨 KIMI K4 LEAK: MOONSHOT IS ALREADY SCALING PAST K3.

Moonshot is reportedly already preparing something significantly larger.

• Moonshot is reportedly seeking more NVIDIA Blackwell capacity for K4 training

• Internal references to K4 have already surfaced

• New MoonEP infrastructure appears designed for scaling larger MoE systems

• Some reports speculate 5–6T parameters, but that's still unconfirmed

👀 Vepsi's Bet: 75% chance K4 ends up substantially larger than K3.

🧠 Reason: The Blackwell push and new infrastructure are stronger evidence than the speculative parameter number.

K3 barely arrived and Moonshot is already cooking K4.

💬2🔄0❤️1👀1805📊2

给我儿子做的「太阳系行星」3D 交互动画，有基本的样子了，先抛砖出来这种可交互的形式，对理解概念很有帮助、很直观，自转和公转一下就玩明白了。接下来再把每个星球的特点融入到交互中，再把地球上的国...

meng shao (@shao__meng) — Mon, 10 Aug 2026 12:10:39 GMT

给我儿子做的「太阳系行星」3D 交互动画，有基本的样子了，先抛砖出来

这种可交互的形式，对理解概念很有帮助、很直观，自转和公转一下就玩明白了。

接下来再把每个星球的特点融入到交互中，再把地球上的国家和地形特征加进去，这个暑假就差不多够玩了 😃

Your browser does not support the video tag.

💬3🔄2❤️5👀1658📊5

最近几天密集面试研发实习生，感叹后生可畏！参加面试的同学们基本是研二或大三，01-02 年、05-06 年左右居多，这些 00 后同学的想法让我很意外。想想自己大三时，还在到处做促销和家教工作...

meng shao (@shao__meng) — Mon, 10 Aug 2026 11:54:41 GMT

最近几天密集面试研发实习生，感叹后生可畏！

参加面试的同学们基本是研二或大三，01-02 年、05-06 年左右居多，这些 00 后同学的想法让我很意外。

想想自己大三时，还在到处做促销和家教工作赚生活费，因为物理学专业本科不好找工作，也没实习单位，对秋招来迷茫的要命，完全不知道自己毕业后要做什么工作，更别说更长远的所谓「规划」，完全没有。

这些同学，普遍都经历过至少一段大厂实习，字节和腾讯的更多。在实习后，大多数都决定下一段实习找 AI 方向的初创团队（当然也有大厂 HC 紧张的原因），希望能通过实习转正留在初创团队，寻求个人更快的成长和拼一次能带来财务自由的长期激励。

谈及对大厂的工作感受，也普遍祛魅，不像 10 多年前我们对大厂的向往了，他们很多都受不了大厂繁琐的流程，也不愿接受自己长期只做一小块业务，看到工作了几年的 mentor 们，也明显不是他们想成为的样子。

💬41🔄2❤️12👀3558📊45

Meta AI 模型最近有崛起之势啊 Muse Spark 1.2 即将开源、另一个 30B 的模型 Muse Glimmer 也要开源了。这是要和 Qwen、Deepmind 争夺端侧小参数模...

meng shao (@shao__meng) — Mon, 10 Aug 2026 11:42:26 GMT

Meta AI 模型最近有崛起之势啊

Muse Spark 1.2 即将开源、另一个 30B 的模型 Muse Glimmer 也要开源了。

这是要和 Qwen、Deepmind 争夺端侧小参数模型开源霸主的感觉啊，Qwen 3.8 27B、Gemma 4 和 Muse Glimmer 算是最能打的小参数模型了吗？

Alexandr Wang@alexandr_wang

1/ big announcement today: we will be releasing an open weight version of muse spark 1.2 soon.

we also are releasing muse glimmer, a 30B agentic model with open weights under apache 2.0. muse glimmer can run on 24GB of VRAM without losing agentic reliability. 🧵

💬18🔄0❤️2👀1241📊15

这是我见过最长最长的 JD

meng shao (@shao__meng) — Mon, 10 Aug 2026 10:27:33 GMT

这是我见过最长最长的 JD

Your browser does not support the video tag.

💬4🔄0❤️1👀1532📊5

A33

meng shao (@shao__meng) — Mon, 10 Aug 2026 02:36:56 GMT

A33

@jason@Jason

B41

💬1🔄0❤️1👀1216📊1

首先。。现在已经没有 xAI 了吧，记得是叫 SpaceXAI ？不过 Cursor 这个品牌如果直接改名还挺可惜的，如果老马一定要改，叫 SpaceX Code 可以吗？感觉用户都跟航天...

meng shao (@shao__meng) — Mon, 10 Aug 2026 01:43:29 GMT

首先。。

现在已经没有 xAI 了吧，记得是叫 SpaceXAI ？

不过 Cursor 这个品牌如果直接改名还挺可惜的，如果老马一定要改，叫 SpaceX Code 可以吗？

感觉用户都跟航天扯上关系了。

Lukas Levert@lukaslevert

XAI renaming Cursor to Grok Code

💬18🔄1❤️1👀1140📊15

推荐给产品经理们的「PM Skills Marketplace」开源作者 @PawelHuryn https://t.co/WGiJo0JzG6 把经典产品管理方法论封装成 AI 可调用的「6...

meng shao (@shao__meng) — Mon, 10 Aug 2026 01:01:56 GMT

推荐给产品经理们的「PM Skills Marketplace」

开源作者 @PawelHuryngithub.com/phuryn/pm-skil…

把经典产品管理方法论封装成 AI 可调用的「68 Skills + 42 Commands + 9 Plugins」，让 Codex、Cursor、Claude Code、WorkBuddy 等变成"懂 PM 方法论的工作伙伴"。

# 三层架构、九个插件：Skills -> Commands -> Plugins

1. pm-product-discovery（13 Skills / 5 Commands）
创意发散、假设识别与排序、OST 机会树、用户访谈脚本、实验设计

2. pm-product-strategy（12 / 5）
战略画布、愿景、价值主张、Lean/BMC 画布、定价、SWOT/PESTLE/波特五力/Ansoff

3. pm-execution（16 / 11）
日常执行核心：PRD、OKR、成果导向路线图、冲刺/复盘、发布说明、利益相关者地图、用户故事、9 种优先级框架、红队压力测试

4. pm-market-research（7 / 3）
用户画像、细分、旅程地图、TAM/SAM/SOM、竞品分析、情感分析

5. pm-data-analytics（3 / 3）
自然语言转 SQL、同期群分析、A/B 测试统计显著性分析

6. pm-go-to-market（6 / 3）
滩头市场、ICP、增长飞轮、GTM 模式、竞品作战卡

7. pm-marketing-growth（5 / 2）
定位、价值主张、命名、北极星指标

8. pm-toolkit（4 / 5）
简历评审、NDA/隐私政策起草、校对

9. pm-ai-shipping（2 / 5）
最有特色的一个：为" vibe-coded 代码"补齐可审查性——逆向生成系统文档、静态安全/性能审计、测试覆盖映射，专门发现"文档说的与代码实际做的之间的差距"这类通用扫描器漏掉的问题

💬62🔄29❤️117👀7096📊106

最近对 Tibo 的 RESET 感觉有些不太好从最初的「掌管 RESET 的神」，确实因为 OpenAI 自己的 bug 等来重置，补偿用户损失，提升用户体验。逐渐变成了庆祝 OpenAI ...

meng shao (@shao__meng) — Sun, 09 Aug 2026 04:27:29 GMT

最近对 Tibo 的 RESET 感觉有些不太好

从最初的「掌管 RESET 的神」，确实因为 OpenAI 自己的 bug 等来重置，补偿用户损失，提升用户体验。

逐渐变成了庆祝 OpenAI 的一些里程碑，达到用户增长扩散的作用。到这里其实还好，大家跟着叫好，一起庆祝，自己还有了 token 挺好！

最近越来越觉得，RESET 的时间点选择很怪，比如我的 8.8 的RESET 机会刚用掉，就重置了。而且重置，恢复时间也被延长，而不是原地重置。

特别是最近看到很多针对 A 社的重置，甚至是直接评论 A 社 Boris 等人的重置。利用用户来实现自己的营销和竞争目的，总感觉怪怪的。

💬133🔄3❤️131👀58487📊152

meng shao (@shao__meng) — Sat, 08 Aug 2026 10:17:15 GMT

💬4🔄0❤️2👀1177📊5

Cursor Router 对于企业使用确实很实用，在完成任务的前提下，尽量压缩成本两档配置 Auto Intelligence 和 Auto Balance 在发布两周后都有提升： · Auto...

meng shao (@shao__meng) — Sat, 08 Aug 2026 08:35:05 GMT

Cursor Router 对于企业使用确实很实用，在完成任务的前提下，尽量压缩成本

两档配置 Auto Intelligence 和 Auto Balance 在发布两周后都有提升：
· Auto Intelligence：用户满意度超过 Fable 级别，成本降低 68%（上线后又降了 18%）
· Auto Balance：表现优于 Opus 4.8，成本降低 41%，满意度还提升了 3%

Cursor 团队对于 4 种模型的属性和使用方案，也很值得我们参考，见下方表格

Cursor@cursor_ai

Cursor Router keeps improving from millions of in-product user interactions each week.

We intelligently classify and route requests, lowering latency and reducing cost based on the task.

💬19🔄0❤️0👀1711📊16

复刻优秀网站设计的 Skill https://t.co/k12bd07nyS 今天加入了 Apple Design 的 Showcase，包含提取出的 DESIGN.md 和 Apple-DESI...

meng shao (@shao__meng) — Sat, 08 Aug 2026 03:31:16 GMT

复刻优秀网站设计的 Skill
github.com/shaom/brand-to…

今天加入了 Apple Design 的 Showcase，包含提取出的 DESIGN.md 和 Apple-DESIGN-demo.html 

这次我还尝试做了演示视频，效果居然还真得可以，特别是左下角的字幕，我很喜欢，朋友们如果觉得演示视频还行，我就把制作过程也整理成 Skill 开源出来。

Your browser does not support the video tag.

💬2🔄1❤️5👀1717📊5

国内外大厂在疯狂 tokenmaxxing、token 消耗排名的 AI 大跃进后，后来 token 账单暴涨，又纷纷限定 token 额度，甚至有讽刺的说法「高管发现还是人便宜」、「token 不能...

meng shao (@shao__meng) — Sat, 08 Aug 2026 01:19:52 GMT

国内外大厂在疯狂 tokenmaxxing、token 消耗排名的 AI 大跃进后，后来 token 账单暴涨，又纷纷限定 token 额度，甚至有讽刺的说法「高管发现还是人便宜」、「token 不能欠费，但人能」😄

这些怪相都指向一个问题：AI Agent 能力强了，效率上去了，但一旦规模化推开，成本也上去了，甚至会改过效率的提升！

@databricks 团队基于自身实践，以及与 Stripe、Coinbase、Uber、Ramp 等数字化原生企业基础设施负责人的交流，要解决这个“既要又要”的问题，实现"双重使命"：
· 广泛、低摩擦地向开发者开放 AI 工具；
· 把人均总成本控制在相对固定的区间内。

核心概念：效率前沿 ≠ 智能前沿
通常所说的"前沿模型"指的是智能最高水平的模型——能解数学新题、发现新型安全漏洞的那种。前沿实验室的主攻方向也是推高智能上限。
但规模化部署时，真正重要的是另一条曲线——效率前沿：在给定智能水平上，价格最优的那组模型。

关键洞察在于：日常编程工作绝大多数不需要证明数学定理，只需要"够好"的模型。而效率前沿的推进速度远快于智能前沿——几乎每周都有新模型以更高的"智能/价格比"出现。因此，最大的成本杠杆不是谈判降价，是持续把用量迁移到效率更高的新模型上。

# DataBricks 提出的四大成本杠杆

杠杆 1：迁移到开源和低成本模型
收益最大的杠杆。效率前沿（同等智能下价格最优）几乎每周都在推进，但公开基准不可信，必须自建贴近内部场景的评测来验证新模型。反面案例同样重要：Stripe 测出 Opus 4.7 质平价升，拒绝上线。配套条件是 harness 与模型解耦——用元 harness（如 Omnigent）统一入口、底层自由切换，避免工具锁定模型。

杠杆 2：动态请求与任务路由
不让用户选模型，让系统选。三个层次：请求级（代理把每个请求发给"够用的最便宜模型"，如 Smart Routing）、任务级（按任务复杂度整体派发，如 Omnigent）、升级/委派（便宜模型主导、难题升级，或贵模型主循环、杂活外包）。Databricks 实测：成本降 30%+，质量持平最贵模型。

杠杆 3：可见性、绊线与渐进式摩擦（而非硬预算）
硬预算几乎无人采用——断供伤害生产力，且高消费用户往往正是最高产的人。主流做法是阶梯式：实时花费可见（跨工具统一展示）→ 可自清除的花费闸门（防意外超支）→ 需审批的闸门 → 降档到便宜模型（不中断工作）→ 极限情况才暂停。

杠杆 4：削减 Token 开销
成本大头不是用户输入，而是代理自动收集的上下文。手段：更频繁压缩上下文、选用/调优"话少"的 harness、审计工具输出冗长度、拆小任务、调优提示缓存命中率。Databricks 实测：token 量降近 50%，质量无损。

# 收口：AI Gateway 设计模式

上面所有技术背后有共同的基础设施需求——集中管理"模型菜单"、跨工具的统一成本可观测性、上下文膨胀的观测与压缩、会话轨迹的日志记录。这些需求催生了一类新的基础设施软件：AI Gateway，它的职责包括：
· 底层模型（专有 + 开源）的容量管理与访问代理；
· 预算追踪与执行，包括渐进式摩擦、模型降档等复杂策略；
· 终端工具的配置管理（模型白名单、压缩设置等）；
· 编程会话轨迹日志，用于下游效率分析和基准测试。

Databricks 自身重度依赖 Unity AI Gateway 承载这些能力，并已将其与 Omnigent 以开源或免费形式放出。

Omnigent - Githubgithub.com/omnigent-ai/om…1

Unity AI Gateway - Githubgithub.com/databricks/uco…S

Managing AI Coding Costs at Scaledatabricks.com/blog/managing-…e

Patrick Wendell@pwendell

Today @databricks we're publishing a detailed analysis of techniques we used to drastically reduce our internal AI spend while aggressively growing adoption. Savings come from layering in several techniques, which combine to drive unit costs down as much as 90% in some scenarios. Tl;dr, the wins come from:

Shifting defaults to more efficient models, including OSS models such as GLM. Maximum intelligence models simply aren't needed for many coding tasks, and "good enough" models are quickly becoming very cheap. We shift traffic between models using Unity AI Gateway. Approximate savings: 50% or more.

Using smart routing to automate model selection. Routing can further squeeze efficiency by dynamically selecting the model or harness that can most efficiently execute a particular task. Our task-level routing leverages @omnigent_ai. Approximate savings: 30%.

Providing user visibility and adaptive budgeting. Every user can see how much they spend, and users receive hints on how to contain spend. Heavy spenders encounter progressive friction as they ratchet spend above certain levels. Approximate savings: 10%.

Managing context bloat by pruning tool call results and tuning harness settings. Extraneous context costs $$ and delivers no value. Tuning cache settings also help lower average token costs. Approximate savings: 10%.

💬3🔄4❤️13👀3329📊5

X 创作者广告分成，一个月后会停止！取代它的是新的「Original Content Rewards Program」 # 什么算「原创」？算原创：自己写的帖子和长文、自己拍的照片视频、自己...

meng shao (@shao__meng) — Sat, 08 Aug 2026 00:46:04 GMT

X 创作者广告分成，一个月后会停止！

取代它的是新的「Original Content Rewards Program」

# 什么算「原创」？

算原创：自己写的帖子和长文、自己拍的照片视频、自己设计的梗图和插画、有实质观点的评论和解读、对他人内容做了有意义的转化（加入原创分析、叙述、幽默或创造性剪辑）。

不算原创：
· 直接复制或下载别人的内容重新上传
· 只做轻微改动：裁剪、滤镜、加边框水印、调速、简单文字覆盖
· 带署名但无实质评论的转发搬运
· 几乎没有自己观点的「反应帖」
· 自动化工具生成的内容
· 专注于「教你怎么变现」的内容、虚假信息，以及被打上有用的 Community Note 的内容

判断标准就一条自测题：「去掉我的贡献，这条内容还有价值吗？」 如果答案是肯定的，就说明你加的东西不够。

# 原创内容奖励计划的钱怎么算

· 收入来源 = 原创内容产生的合格曝光
· 合格曝光的定义很严格：仅限 Premium 付费用户在主页时间线上、帖子至少 50% 可见的去重曝光
· 明确排除：同一账号重复浏览、付费推广流量、刷量等虚假曝光
· 每两周付款一次；新计划首笔付款 8 月 28 日，老用户转入后首笔为 9 月 25 日

# 关键变化：新旧计划如何交接

· 即日起：Revenue Sharing 不再接受新申请
· 现有分成用户：可持续收益至 9 月 7 日，最后三笔付款分别在 8 月 14 日、8 月 28 日和约 9 月 11 日
· 9 月 8 日起：老分成用户可申请转入新计划（需满足新门槛），已完成身份验证和收款绑定的无需重复操作
· 因违规被暂停变现的账号，不得加入新计划

# 申请门槛（需全部满足）

· 年满 18 岁，所在国家/地区已开放该计划
· 账号信誉良好，无反复违反变现准则或服务条款的记录
· 个人或企业账号，且订阅 Premium / Premium+ / Premium Business
· 至少 500 名认证粉丝
· 过去 90 天内有 50 万次来自认证用户的主页时间线曝光（回复的曝光不计入）
· 持续发布原创内容
· 审核 3 个工作日出结果；被拒可申诉一次，申诉失败需等 90 天再申请

Creators@XCreators

x.com/i/article/2070…

💬1🔄0❤️1👀1168📊1

btw... Anthropic 叒没参加 Agent Plugins 开放标准。。 AGENTS.md 标准也是，到现在为止 Claude Code 还在用 CLAUDE.md ... 而 An...

meng shao (@shao__meng) — Fri, 07 Aug 2026 02:27:38 GMT

btw... Anthropic 叒没参加 Agent Plugins 开放标准。。

AGENTS.md 标准也是，到现在为止 Claude Code 还在用 CLAUDE.md ...

而 Anthropic 发起的 MCP 和 Agent Skills 标准，现在大家都通用。

真希望 Agent Plugins 和 AGENTS.md 这种 Agents 间通用标准，能真正通用，而不是除了 Claude Code 之外通用 😂

meng shao@shao__meng

Agent Plugins 是由 OpenAI、AWS、Cursor、GitHub、VS Code 和 Vercel 等厂商共同推动的开放标准，把 Agent Skills 和 MCP 服务器配置打包成一次构建、多个 AI Agent 客户端间通用的可移植插件。
agent-plugins.orgx.com/i/article/2085…

💬60🔄1❤️8👀3547📊50

Cloudflare 也发布了一个浏览器引擎：Kitesurf Kitesurf 是专门为 AI Agent 设计的，完全运行在 Cloudflare Workers 的 V8 隔离环境之上，目前已...

meng shao (@shao__meng) — Fri, 07 Aug 2026 02:19:18 GMT

Cloudflare 也发布了一个浏览器引擎：Kitesurf

Kitesurf 是专门为 AI Agent 设计的，完全运行在 Cloudflare Workers 的 V8 隔离环境之上，目前已集成进 Browser Run 产品、beta 期免费。
blog.cloudflare.com/kitesurf/

# 为什么需要"为 Agent 造一个浏览器"？

Chromium 等传统浏览器是为人类设计的，资源开销与 Agent 的实际需求严重错配。

人类需要的东西，Agent 都不在乎：
· 标签页、主题、扩展、跨设备同步——Agent 只关心 token 数、上下文窗口、可扩展性和成本
· 60fps 流畅滚动、像素级渲染精度——Agent 只要能拿到结构化的机器可读内容，CSS 解析稍有偏差、渲染不完美都无所谓
· 威胁模型也不同——Agent 场景下，prompt injection（提示注入）和工具安全才是头等大事

而 Chromium 的内存和 CPU 开销大到"给每个 Agent 配一个实例在经济上不可行"。

Cloudflare 的论点是：这种高成本实际上把大半个 Web 锁在了少数高价大模型身后，让大量 Agent 应用跑不起来。Kitesurf 要解决的就是这个"Agent 浏览民主化"问题。

# 架构设计的四条原则

1. 测试先行，用测试驾驭 AI 编码
· 项目大量使用 AI 辅助开发，而控制 AI 产出质量的答案是"提供尽可能多的测试"
· 用 WPT（Web Platform Tests） 作为 AI 的"明确球门柱"——一套现成的、规模庞大的 W3C 符合性标准，让 Agent 可以自行循环迭代、衡量进展，人类则专注架构和审查
· 但 WPT 只测标准符合性，不测真实网站，所以又叠加了集成测试 + 视觉回归测试：用 Puppeteer 脚本同时在 Chromium 和 Kitesurf 上跑真实网站的多步操作，逐步比对渲染输出

2. 尽量用原生 Rust
直接以 wasm-bindgen 编译到 WebAssembly，避免 Emscripten 那类多层模拟依赖导致的臃肿和缓慢

3. 异常处理是生存策略，不是代码卫生
浏览器必须消化"整个不可靠且时有敌意的 Web"，规则只有一条：任何失败都降级为空白帧或缺失元素，绝不让整个会话崩溃。每个边界捕获故障、默认给安全的空值、记录足够诊断的日志

4. 隔离 + 无状态
· 假设每次页面加载都是不可信输入、每个会话从零开始，组件只获得其功能必需的资源
· 无状态意味着可丢弃、可并行：卡住就杀掉，一次跑一千个实例，按需求弹性伸缩——天然契合 Agent 负载的突发性（bursty）特征

# 架构设计三个核心组件

1. Engine（引擎）
· 唯一对外组件，实现 CDP 的 WebSocket 和 REST API
· 选 CDP 的关键收益是客户端兼容性：Puppeteer、Playwright、chrome-remote-interface，甚至真正的 Chrome DevTools 前端，指过来就能用
· 也是唯一持有会话状态的组件，其他全部无状态

2. PageScript（脚本执行）
· 最能体现 Workers 新能力的部分：每个页面或跨进程 iframe（OOPIF）通过 Dynamic Workers 拉起一个长生命周期的隔离实例，内含干净的 globalThis 和 DOM 对象
· HTML/CSS 解析用的是 Blitz（Rust 写的模块化渲染引擎）和 Stylo（Firefox 的高性能 CSS 解析器）
· 页面里的 JS/Wasm 在同一 isolate 内执行
· 一个有趣的妥协：Workers 出于安全不支持原生 eval，而另开 isolate 又访问不到 globalThis——于是团队用 Rust 写的 Boa JS（一个 ECMAScript 引擎）在 Workers 里再跑一层运行时来兜底 eval。

3. PageRenderer（渲染器）
· 把 PageScript 计算出的页面对象（scene）光栅化成像素：取内部字体和图片 → 用 Blitz 的 blitz-paint 模块（配合 Parley 做字形整形、字体选择、断行）→ 输出 JPEG/PNG/PDF
· Engine 通过 Workers 内置的 RPC 一次调用 renderFrame() 拿回 PNG；由于渲染器不持页面状态，任何卡住或失败的调用都可以安全杀掉重来——每次渲染请求自包含、可重试

# 实测数据: Kitesurf vs. Chromium

CPU：截图 | 380 ms | 1,173 ms | 省 3.1 倍
CPU：HTML 提取 | 229 ms | 877 ms | 省 3.8 倍
内存：截图 | 57.8 MiB | 271.0 MiB | 省 4.7 倍
内存：HTML 提取 | 39.4 MiB | 273.7 MiB | 省 7.0 倍
墙钟时间：截图 | 1,148 ms | 637 ms | 慢 1.8 倍
墙钟时间：HTML 提取 | 820 ms | 472 ms | 慢 1.7 倍

Kitesurf 用约 1.7-1.8 倍的速度代价，换来了 3-7 倍的 CPU/内存节省。Cloudflare 的逻辑是——CPU 和内存才是真正决定账单的东西，省内存意味着单机能跑更多会话、成本结构性下降。

兼容性方面，目前已通过 215,000+ 条 WPT 测试且每周新增数百条；对 Agent 最重要的部分（CSS、DOM、HTML、Selection、SVG、XHR）覆盖良好。能正确渲染 TodoMVC 全家桶（Vanilla/React/Vue/Angular/Preact）、Wikipedia、Hacker News、Cloudflare 博客和大部分自家 Dashboard。

# 边界与定位

❌ 视频播放、WebGL
❌ 需要真实 TLS 指纹的反机器人挑战握手
❌ 需要持久状态的十分钟级认证会话

适用场景则是：能接受"非像素完美"渲染的 Agent 任务，以及一次性 Quick Action 类自动化（内容提取、生成 PDF/截图）。

一句话定位：一个短暂的、完全隔离的、无状态的引擎，只为任务存续期间存在，为突发型 AI 负载而伸缩。

Cloudflare Developers@CloudflareDev

Introducing Kitesurf: a browser built for agents, running entirely on Cloudflare Workers.

Chromium is too heavy to hand every agent one. Kitesurf is written in Rust, uses 3-7x less CPU and memory, and spins up per request.

Free in beta: blog.cloudflare.com/kitesurf/

💬1🔄1❤️4👀1840📊3

Agent Plugins 是由 OpenAI、AWS、Cursor、GitHub、VS Code 和 Vercel 等厂商共同推动的开放标准，把 Agent Skills 和 MCP 服务器配置打包...

meng shao (@shao__meng) — Fri, 07 Aug 2026 02:02:55 GMT

Agent Plugins 是由 OpenAI、AWS、Cursor、GitHub、VS Code 和 Vercel 等厂商共同推动的开放标准，把 Agent Skills 和 MCP 服务器配置打包成一次构建、多个 AI Agent 客户端间通用的可移植插件。
agent-plugins.orgx.com/i/article/2085…

💬60🔄1❤️6👀4736📊63

Muse Code (beta) 和 Muse Spark 1.2 有趣的实验 Meta 同时发布了这对 Coding Agent 和 LLM，@cline 团队用它做了个有趣的实验，顺便提取了系统...

meng shao (@shao__meng) — Thu, 06 Aug 2026 08:22:20 GMT

Muse Code (beta) 和 Muse Spark 1.2 有趣的实验

Meta 同时发布了这对 Coding Agent 和 LLM，@cline 团队用它做了个有趣的实验，顺便提取了系统提示词。

Cline 团队原本想直接试用 Muse Code 智能体，但发现它存在一个 bug——无法在 Docker 容器中登录，于是改做了一个更有意思的实验。

Meta 官方称 Muse Spark 1.2 与其 Muse Code Harness 是协同训练的，即模型和框架共享同一套指令格式，模型在训练时见过框架的轨迹数据。Cline 团队由此想到：如果把 Muse Code 系统提示词中的指令提取出来，移植到 Cline 自己的 harness 里，会发生什么？

提取出的五条提示词原则
Cline 给出了这套"特殊提示词"的核心内容，本质上是一套严谨的工作纪律：
· 信任源代码胜过信任用户提示 —— 开始任务前先读完每一个调用点和已有测试；
· 边界情况和错误情况与主路径（happy path）同等重要；
· 修复 bug 之前，必须先复现它；
· 不要相信第一次全绿的测试套件 —— 对看起来敷衍、半成品的测试要核实；
· 不要改完就停 —— 持续工作直到改动被验证真正完成。

这五条都指向同一个倾向：对抗"急于收工"的本能，把验证和尽调放到与写代码同等重要的位置。

实验结果
他们用改造后的 Cline harness 修复一个真实的仓库 bug，与原版 Cline harness 对比。同一模型（Muse Spark 1.2）、同一任务，只有提示词不同：

原版 Cline  vs.  移植 Muse 提示词后
Token 消耗：19.7M vs. 7.2M -- 少 2.7 倍
耗时：49 分钟 vs. 24 分钟 -- 快 2 倍
成本：$7.69 vs. $3.25 -- 便宜 2.4 倍

Cline@cline

We tried using Meta's new Muse Code agent, but it has a bug that doesn't let it sign in from a docker container.

So we did a fun experiment: Meta claims Muse Spark 1.2 was co-trained with their Muse agent harness. So we extracted instructions from their system prompt and added them to the Cline harness.

TL;DR of this special prompting: 
- Trust source code over the user prompt, so read every call site and existing tests before starting the task 
- Weigh edge and error cases as heavily as the happy path 
- Always reproduce the bug before fixing 
- Don't trust the first passing test suite, and verify suspicious looking half-baked tests 
- Never stop at just editing, keep working until the change is verified complete.

We then asked this modified harness to fix a real bug from our repo, and compared the results to the original Cline agent harness. 

Results:
- Used 2.7x fewer tokens (19.7M → 7.2M)
- Finished 2x faster (49min → 24min)
- Cost 2.4x less ($7.69 → $3.25)

Same Muse Spark 1.2 model, same task, only the prompting changed. Incredible how much of a performance gain Meta was able to achieve training it on these special instructions!

💬16🔄0❤️6👀1548📊14

AI Skills for Real Engineers (205K 🌟) @mattpocockuk Skills v1.2 正式发布！ https://t.co/UdjMEHkxJx v1....

meng shao (@shao__meng) — Thu, 06 Aug 2026 02:36:33 GMT

AI Skills for Real Engineers (205K 🌟)

@mattpocockuk Skills v1.2 正式发布！github.com/mattpocock/ski…x

v1.2 更新核心三条主线：
1. 分发渠道扩展（cc 插件市场、Codex 支持）
2. 文档体系补齐
3. 多个核心技能的机制级重构

# 分发与生态扩展

1. 原生 Claude Code 插件 
整套 Skills 已作为托管插件上架 Claude 官方插件市场
claude plugins install mattpocock-skills
插件是只读、自动更新的托管包，与skills.shM 的"写入可编辑文件到项目"模式形成互补——前者省心，后者可定制。

2. 完整 Codex 支持
每个 SKILL.md 旁边新增 agents/openai.yaml，携带 Codex UI 元数据。
用户触发型技能统一标记 policy.allow_implicit_invocation: false，即 Codex 不会隐式调用这些技能，但显式 $ skill 调用不受影响。

# 三个新 Skills

1. /wizard
把"只有人能做的步骤"变成引导式 TUI 脚本，解决基础设施配置类痛点：当 agent 遇到必须人工操作的环节（第三方平台开通、凭证配置、CI secrets 写入、一次性迁移），不再往聊天里倾倒编号步骤，而是生成一个交互式 bash 脚本，逐步引导你完成——自动打开 URL、提示点击位置、收集输入值并写入 .env 和 GitHub Actions secrets。

2. /to-questionnaire
把答不上来的问题变成可转发的问卷，当你被 grilling 问住、问题必须问别人时，它会生成一份 Markdown 问卷，可异步发给相关同事，也可约会议一起过。

3. /wait-what
一句话纠正模型冗长晦涩的输出，仅三行长的用户触发型 Skill。当模型某条回复没看懂时输入它，agent 会用 ASD-STE100 简化技术英语和你 CONTEXT.md 里的统一语言重新表述。

# 其他重要更新

1. /grilling
从逐问改为分轮提问（frontier 机制）

2. /prototype 重构
单 HTML 文件 + 原型作为一手资料，逻辑原型从 TUI 终端应用改为单个自包含 HTML 文件；原型完成使命后不再删除，而是作为可运行的证据保留在 prototype/ 游离分支上，并在实现 issue 中留下指针

3. /writing-great-skills → /writing-for-agents
适用范围从"写 Skill"扩展到 agent 消费的一切文档（skills、AGENTS.md/CLAUDE.md、被指针引用的文档）

4. /wayfinder
引入"决策票"（decision ticket）概念

5. /ask-matt
路由强化。把原来两条的"跨会话"建议扩为五种选项的完整决策树（continue → /clear → /handoff → subagent → /compact），理由写入新的 PHASE-BOUNDARIES.md；wayfinder 路由修正：明确它是最重的流程，一个会话装得下的功能应走 /grill-with-docs；地图清晰后应交接给 /to-spec 而非直接 /implement。

Matt Pocock@mattpocockuk

mattpocock/skills v1.2 is out!

We're now the 19th most-starred repo of all time. 13.5m downloads on skills​.sh. Thanks for your support!

Here's what's new:

- Docs: the community's biggest ask. Every skill documented, with explanations of the main flows + troubleshooting
- Claude Plugin: install via Claude's official marketplace
- Codex Support: full Codex support via agents/openai.yaml files

Updated Skills:

- /grilling now asks you questions in rounds, not one-by-one
- /prototype now uses HTML instead of a TUI for building logic prototypes - easier to share and far richer
- /writing-for-agents renamed from /writing-great-skills, use it for ANYTHING your agents read (AGENTS.md, system prompts, docs)

New Skills:

- /wizard: tired of provisioning infra? Get your agent to build you a TUI to walk you through it
- /to-questionnaire: hit a grilling question you can't answer? Turn the session into a doc you can walk through on a call with a colleague
- /wait-what: no idea what the model said? Refocus it in your domain language and simplify with ASD-STE100

Full changelog + docs below. Video soon!

💬33🔄4❤️10👀2965📊31

谷歌这次的人事变动太大了！首席科学家 Jeff Dean 和 Sanjay Ghemawat、Oriol Vinyals、Quoc Le 同时离职，创办 Discovery Loop，做 AI 科...

meng shao (@shao__meng) — Thu, 06 Aug 2026 01:37:23 GMT

谷歌这次的人事变动太大了！

首席科学家 Jeff Dean 和 Sanjay Ghemawat、Oriol Vinyals、Quoc Le 同时离职，创办 Discovery Loop，做 AI 科学发现方向的研究，Google 投资并提供云支持

Demis Hassabis 卸任 DeepMind CEO，转任 DeepMind 董事长 + Alphabet 首席科学家（继续管 Isomorphic Labs）

Koray Kavukcuoglu 升任 DeepMind SVP，全面负责日常运营与 Gemini 开发

Demis Hassabis@demishassabis

I’ve been working towards AGI my whole life, and as we enter this pivotal moment, I’m stepping into a new role as Chair of Google DeepMind & Chief Scientist of Alphabet. This will allow me to focus on long-term strategy, and accelerating scientific breakthroughs, including leaning into my work at Isomorphic to help cure disease.

I’m excited that @koraykv will be stepping up to lead GDM as SVP, alongside @joshwoodward and our exec team. I could not be more excited and confident about our amazing next chapter! 🚀
blog.google/company-news/i…a

💬0🔄1❤️0👀1356📊1

Muse Code beta 版来了 Coding Agent 赛道又卷入一员！同步推出配套的编码优化模型 Muse Spark 1.2。小扎现在俨然 Meta AI 首席产品发布官了，这种姿态...

meng shao (@shao__meng) — Thu, 06 Aug 2026 01:31:39 GMT

Muse Code beta 版来了

Coding Agent 赛道又卷入一员！同步推出配套的编码优化模型 Muse Spark 1.2。

小扎现在俨然 Meta AI 首席产品发布官了，这种姿态，可以可以！

Muse Code 目标是直接处理大型代码库上的完整软件工程任务：规划改动、编写代码、验证结果，面向端到端、长周期开发工作流。

关键设计亮点包括：
· 持久化后台 agent：一组专门的后台 agent 在整个 session 中持续运行，而不是每次任务重新启动。它们会积累上下文，主动推进下一步，并在合适时机与主 agent 通信。这显著减少了重复探索仓库和重新获取信息的开销，降低了多步骤复杂任务的延迟与人工干预需求。
· 并行子 agent + 隔离 worktree：当任务规模足够大时，系统会分发到多个子 agent，各自在隔离的 git worktree 中并行工作，主工作副本不会被直接修改。测试中曾同时为同一游戏实现六个功能而没有冲突。
· 可审计与可恢复的设计：每一次模型调用、工具执行、审批和编辑，都会先写入本地 event log，再真正执行。日志成为单一事实来源，使运行时具备精确重放和崩溃后精确续跑能力。长任务中途崩溃不会丢失进度，也无需重新提示。
· 内置 skills：默认提供 /plan、/grill、/goal 等指令。

安装方式：
curl -fsSL dev.meta.ai/install.sh | bash
随后登录 Meta 账号即可开始使用

Mark Zuckerberg@finkd

Releasing Muse Code in beta today. It's a terminal coding agent that takes on complete software engineering tasks across large repos: planning changes, writing code, validating the results. Powered by Muse Spark 1.2, a coding-focused model update.

💬2🔄0❤️6👀1591📊3

Nikita Bier 正式宣布卸任 X 产品负责人，转任顾问后续核心负责人： @benjitaylor：设计 @singhai：核心产品工程 @dinkin_flickaa：移动端工程中文...

meng shao (@shao__meng) — Thu, 06 Aug 2026 01:00:01 GMT

Nikita Bier 正式宣布卸任 X 产品负责人，转任顾问

后续核心负责人：
@benjitaylor：设计
@singhai：核心产品工程
@dinkin_flickaa：移动端工程 

中文垃圾回复的问题，要下一代负责人来解决了。。

Nikita Bier@nikitabier

Ladies and gentlemen, it's time to pass the torch and demote myself to my natural state: a poster. I'll be stepping back from leading product for 𝕏 and will continue on as an advisor.

Serving the X community has been the privilege of a lifetime. X is, and will remain, the most important communication technology in history. But running this app is a 24/7 job and it's now time for me to take a breather.

The app is seeing unprecedented growth in new users & engagement. We continue to break records every month. We've climbed 70 spots in the App Store since this time last year.

And in the last 400 days, we rebuilt almost every aspect of X: the Timeline, the Android app, onboarding, notifications, chat and more.

We also launched nearly 30 new products while protecting the integrity of the town square: becoming the first app to show Country-of-Origin on profiles and mounting defenses against AI bots. There's certainly much more work to be done, but our foundation is stronger than ever.

None of this would have been possible without the incredible team here. The next leaders will take X to even greater heights with @benjitaylor on design, @singhai on core product engineering and @dinkin_flickaa on mobile engineering -- among many other great people.

Thank you to Elon and the X team for welcoming me into the company. See you on the Timeline.

Your browser does not support the video tag.

💬2🔄0❤️1👀1817📊2