宝玉(@dotey)

Anthropic 招股书最快今天公开：拟 11 月中旬上市，募资最高约 1000 亿美元据 The Information 报道，Anthropic 最早在美国时间 10 月 26 日周一公开 ...

宝玉 (@dotey) — Mon, 26 Oct 2026 02:47:58 GMT

Anthropic 招股书最快今天公开：拟 11 月中旬上市，募资最高约 1000 亿美元

据 The Information 报道，Anthropic 最早在美国时间 10 月 26 日周一公开 IPO 招股书（S-1）。招股书是公司上市前必须交给美国证监会的一份完整账本，收入、亏损、大客户、合作方分成、谁掌握控制权都要写进去。Anthropic 6 月 1 日已经保密递交过草稿，只有监管能看；公开之后，普通投资者才第一次能完整翻它的账。

截至北京时间 26 日上午，美国证监会的 EDGAR 文件系统里还查不到这份招股书。上周也有报道说它最快 23 日周五公开，最后没有兑现。

【时间表】

据金融媒体 IFR 10 月 15 日报道，Anthropic 计划 26 日公开递交，11 月 9 日开始路演（向机构投资者推介股票），随后一周定价，11 月中旬挂牌。募资目标最高约 1000 亿美元，对应估值约 2 万亿美元，摩根士丹利和高盛牵头承销。这些都来自知情人士，Anthropic 没有公开确认。

这一周也是财报周：微软、Alphabet（谷歌母公司）周三发财报，亚马逊周四发。这三家都和 Anthropic 签了云算力合同，亚马逊和谷歌还是它的大投资方。

【已经流出的数字】

下面这些数字分别来自媒体看到的保密草稿和一场投资者会，都还没经过公开招股书确认，口径可能调整。

收入：据《华尔街日报》看到的一份较新草稿，2026 年上半年收入 163 亿美元，去年同期是 11 亿。第三季度的数字不在草稿里，据 FT 和路透报道，是 Anthropic 10 月 14 日在旧金山总部向潜在投资者介绍的：三季度收入约 168 亿美元，比二季度的 116 亿增长约 45%。这个 45% 是跟上一季度比，一个季度的收入已经超过整个上半年。增速在放缓，二季度比一季度（约 47 亿）涨了约 147%。

亏损：同一份草稿显示，上半年按会计准则净亏损 807 亿美元，其中约 720 亿来自可转债等融资工具的账面调整，没有对应的现金流出。Anthropic 对投资者说，按它自己的口径已连续两个季度盈利，但没说剔除了哪些成本。

对云巨头的依赖：据路透 9 月底看到的保密草稿，2025 年约 47% 的销售（约 21.6 亿美元）是通过亚马逊和谷歌的云市场卖出的。云市场相当于云厂商开的应用商店，企业在 AWS 或谷歌云的账单里直接买 Claude，平台从中抽成。路透估算两家抽走约 3.51 亿美元，相当于每卖 1 美元抽 16 美分。草稿还显示，有两个没有点名的客户各占 2025 年收入的 12%。

这几家云伙伴同时也是 Anthropic 的算力供应商。据《华尔街日报》，草稿列出的未来十年云算力承诺约 4500 亿美元，其中谷歌云 1110 亿、AWS 1100 亿、微软 310 亿。

消息来源：theinformation.com/newsletters/th…

💬66🔄6❤️53👀14368📊63

ChatGPT Slides 能多人一起改幻灯片了，Pro、Business 和企业版可用 OpenAI 给 ChatGPT 的幻灯片功能 ChatGPT Slides 加了两项新能力：多人实时协作...

宝玉 (@dotey) — Mon, 19 Oct 2026 20:20:13 GMT

ChatGPT Slides 能多人一起改幻灯片了，Pro、Business 和企业版可用

OpenAI 给 ChatGPT 的幻灯片功能 ChatGPT Slides 加了两项新能力：多人实时协作，以及直接在幻灯片上点着改。

简单测试了一下，体验挺好的，在线编辑很方便。

协作的用法和在线文档差不多。做好的幻灯片可以分享给同事，几个人同时在 ChatGPT 里编辑，在页面上留评论。评论攒多了，可以让 ChatGPT 或者你的 dot 按评论把幻灯片改一遍。dot 是 OpenAI 上个月在开发者大会上发布的 AI agent，有自己的云端电脑和浏览器，能在后台长时间替你干活。

编辑方面，现在可以直接点到幻灯片上改文字、更新图表，拖动或缩放图片和形状。改个错别字、挪张图这种小事，自己动手就行，不必每次都打字让 ChatGPT 去改。

用法是在对话里，或者针对你上传的文件，对 ChatGPT 说“create ChatGPT slides”（生成 ChatGPT 幻灯片）。做好后可以直接在 ChatGPT 里放映，也能导出成 PowerPoint 或 Google Slides 文件接着改。

这些功能目前只对 Pro、Business 和 Enterprise 用户开放，公告没有提到免费版和 Plus。

官方介绍：chatgpt.com/features/slide…

ChatGPT@ChatGPT

ChatGPT Slides has new ways to get your deck ready—and get everyone on the same page.

• Work together in real time in ChatGPT: Share decks, edit together, and leave comments. Ask ChatGPT or your dot to turn feedback into updates.

• Edit right on the slide: Click to change text, update charts, and move or resize images and shapes.

To get started, ask ChatGPT to "create ChatGPT slides" from a conversation or a file you've shared. Present in ChatGPT, or export to PowerPoint or Google Slides.

Available on Pro, Business, and Enterprise plans.
chatgpt.com/features/slide…

💬13🔄0❤️12👀4740📊10

The Information：Anthropic 在准备一款新模型，话说一半它也能猜到你要什么科技媒体 The Information 10 月 19 日在 AI Agenda 通讯里报道，An...

宝玉 (@dotey) — Mon, 19 Oct 2026 19:00:05 GMT

The Information：Anthropic 在准备一款新模型，话说一半它也能猜到你要什么

科技媒体 The Information 10 月 19 日在 AI Agenda 通讯里报道，Anthropic 正在准备一款新模型，推理能力和“直觉”比目前对外提供的模型都强。消息来自一位用过这款模型的人，Anthropic 没有公开回应。

这位知情人提到两个变化。

第一，它更会揣摩用户没说出口的意图。你只给很少的信息，它也能看出你真正想达到什么目的。报道里的例子是写代码：你让它修一个 bug，它可能会顺藤摸瓜，找出导致这个 bug 的一整类问题，再问你要不要一起修掉。

第二，它更少给套路化的答案。原文例子是：用户问怎么炒股，它不会只说“看看市盈率”这种人人都知道的建议，可能会自己设计一套算法去预测股价走势。这套算法预测得准不准，报道没说，这只是用来说明它的回答方式。

对普通用户来说，这意味着提示词可以写得更随意，不用把需求一条条交代清楚。对写代码的人来说，模型可能会主动扩大修改范围，好处是一次修到根上，代价是你得多花点心思审查它改了什么。

什么时候能用、叫什么名字？目前都没有确定说法。据原推 TestingCatalog 说，新模型这个月就会发布，但还不清楚会归入 Fable 还是 Opus 系列。Google 在做 Gemini 4 Carbon，是上周刚推出的 Gemini 4 Argon 的升级版；OpenAI 在准备 Terra 系列的新模型，可能几周内发布，能力有提升，价格会比 GPT-6.1 Sol 低。

原文：theinformation.com/newsletters/ai…

🚨 AI News | TestingCatalog@testingcatalog

ANTHROPIC 🔥: According to The Information, Anthropic will release a new model this month, along with Gemini 4 Carbon and a new Terra model from OpenAI. 

> "The unreleased model is especially good at discerning a person’s underlying intentions and goals even if they don’t give the model much information."

> "The Anthropic model is also better at thinking outside of the box rather than regurgitating common sense advice or solutions."

> "It’s not clear which model family Anthropic will fall into, such as Fable or Opus."

Thinking outside of the box is a huge limitation these days. If we get a model that can do it reliably, we'll be properly transitioning into the "Innovators" stage. 

The line about "discerning underlying intentions" is a bit scary, though, given all the guardrails.

💬26🔄3❤️43👀11304📊23

网易 LobsterAI 发布了第二期《中国办公 Agent 用户行为报告》，报告基于它自己平台的用户数据，反映的是这一家产品的用户，不代表整个行业。不过管中窥豹，可以借此看看中国办公 Agent...

宝玉 (@dotey) — Mon, 19 Oct 2026 14:48:43 GMT

网易 LobsterAI 发布了第二期《中国办公 Agent 用户行为报告》，报告基于它自己平台的用户数据，反映的是这一家产品的用户，不代表整个行业。

不过管中窥豹，可以借此看看中国办公 Agent 用户行为变化。也希望其他家多发一些类似报告学习下。

从这期起报告改为每月发布，9 月版还额外看了十一假期的变化。

最醒目的数字有两个：9 月用户每次交给 Agent 的任务平均消耗 20.2 万 Token，是 3 月 6.3 万的 3.2 倍；日均活跃用户的增幅达到 83.1%，是 5 月以来涨得最快的一个月。用的人越来越多，每个人交出去的活也越来越大。

LobsterAI 是网易的办公 Agent 产品，可以在桌面端用，也可以在微信、飞书这类聊天软件里直接给它派活。

【任务越来越大，用户在加速涌入】

Token 是模型读写文字的计量单位。Agent 干活时要反复读任务要求、读自己前面产出的内容，所以一次任务消耗多少 Token，大致反映这件活有多长、多复杂。逐月看：3 月 6.3 万，4 月 6.7 万，5 月 8.6 万，6 月 10.5 万，7 月 12.9 万，8 月 19.7 万，9 月 20.2 万。最大的一跳在 7 月到 8 月，9 月停在高位。

日活这边，报告只给了增幅：6 月 +19.8%，7 月 +25.1%，8 月 +30.6%，9 月 +83.1%，一个月比一个月快。报告没公布用户绝对数。如果这些增幅是逐月环比，连乘下来 9 月日活大约是 5 月的 3.6 倍，这是按图上数字推算的，报告本身没这么说。

【缓存让同样的活，花费差出七倍多】

这是报告里对用户最实用的一节。Agent 每一步都要把任务要求和之前的内容重新读一遍，不少费用就花在这些重复读取上。模型厂商会把读过的内容记下来（缓存），再次读到时按折扣价收费。命中率就是重复内容里有多少能享受到这个折扣。

9 月各模型的命中率大多在九成上下：DeepSeek V4.1 Flash 最高，97.3%；DeepSeek V4 Flash 和 V4 Pro 都是 95.7%；GLM 5.3 93.9%，MiniMax M3 93.7%，Qwen 3.8 Max 93.2%，GLM 5.3 Flash 91.1%，Kimi K3 88.7%；垫底的是 Qwen 3.7 Plus，76.7%。

命中率差不多，实际花费却差很多。报告算了"实际费用是原价的多少"：DeepSeek V4.1 Flash 4.6%，V4 Flash 6.2%，V4 Flash Vision 6.7%，V4 Pro 7.5%；Qwen 3.8 Max 18.5%，Qwen 3.8 Flash 18.8%；Kimi K3 20.2%；GLM 5.3 29.6%，GLM 5.3 Flash 35.1%。最省和最贵之间差了七倍多。

差距主要来自缓存价，也就是命中后按原价的几成收费：DeepSeek 只收 2%（V4 Pro 是 3.3%），Kimi K3 收 10%，Qwen 3.8 收 12.5%，GLM 5.3 收 25%，GLM 5.3 Flash 收 28.8%。按"命中部分 × 缓存价 + 未命中部分按原价"去算，结果和报告的数字对得上，比如 GLM 5.3 Flash：91.1% × 28.8% + 8.9% ≈ 35.1%。也就是说，对大量使用 Agent 的人，缓存打几折比命中率高一两个点更影响账单。

【用来干什么：编程仍占四成，设计创作在升温】

按行业分，泛编程/IT 占 40.1% 的任务份额，稳居第一；设计/影视/创作 17.2%，排第二，比 8 月有所上升。之后是金融/财务 7.7%、工程/制造/建筑 7%、教育/教研 5.5%、销售/电商/客服 4.8%。和 8 月比，金融、教育、互联网产品运营（3.5%）的份额在下降。

【城市：郑州进前十，重庆深夜最忙】

活跃用户占比前五是北京 5.7%、上海 4.3%、广州 4.2%、深圳 3.4%、杭州 3.2%，之后是成都 2.5%、重庆和武汉各 2.3%，郑州和东莞各 1.9%，郑州是这期新挤进前十的城市。

另一组数据看的是晚 10 点到凌晨 2 点的调用占全天比例。重庆高达 19.1%，明显高于广州 13.9%、深圳 13.4%、北京 12.9%；上海只有 10.5%，杭州 9.4%。

【微信是第一派活入口，通勤路上就开始安排工作】

在聊天软件里派活的用户中，77% 用微信，飞书 14.3%，QQ 6.5%，企业微信 5%，其他 5%（一个人可以用多个，合计超过 100%）。

时间上，早上 9 点和 10 点通过聊天软件派活的份额分别是 6.3% 和 7.1%，同时段桌面端是 4.8% 和 6.4%。报告的解读是，不少人在早上通勤路上就已经用手机把活派出去了。到了下午，两条线基本重合。

【十一假期：白天出门玩，晚上回家让 Agent 干活】

假期里，凌晨 0 点到 7 点的调用份额从平时的 13% 升到 17%，全天高峰从平时的下午 4 点推迟到晚上 10 点。

任务结构也变了。和平时相比，泛编程/IT 的份额高了 4.0 个点，学习与教育、个人生活事务各高 1.6 个点，营销文案 +0.1；下降最多的是数据与表格（-2.9）和翻译润色（-1.6），金融与投资 -0.7，文档写作 -0.5。表格、翻译这类典型的上班活在假期明显退潮。

【选模型：近七成用户只用一个，DeepSeek 是标配底座】

普通用户里 73.6% 只用一个模型，人均 1.6 个；重度用户只用一个的降到 44.7%，用 4 个及以上的有 17.6%，人均 2.4 个。

最常见的模型搭配全部以 DeepSeek Flash 系列打底：搭 GLM 5.3 Flash 的占 14.0%，搭 DeepSeek V4 Pro 的占 12.4%，其余组合（搭 GLM 5.3 FlashX、Qwen 3.8 Max、Qwen 3.8 Flash、GLM 5.3）都只有 2% 左右或更低。

厂商层面，国内模型的 Token 份额环比变化是：智谱 GLM 约 +166.7%，DeepSeek 约 -0.3%，阿里 Qwen 约 -18.2%，MiniMax 约 -66.7%，月之暗面 Kimi 约 -78.6%。报告把智谱的增长归功于 GLM 新模型。

要注意这是份额的相对变化，报告没给各家的绝对份额，看不出智谱现在实际占多少。

图像和视频生成则是字节豆包 Seed 系列领先：图像生成里 Seedream 占 57.2%，MiniMax Image 36%，阿里通义万相 6.8%；视频生成里 Seedance 占 54.4%，MiniMax 海螺 28.1%，阿里 HappyHorse 17.5%。

LobsterAI@LobsterAIYoudao

第一期《中国办公 Agent 用户行为报告》发布后，引发了媒体和用户的关注与讨论。大家关心 Agent 产品的发展，也关心人们究竟把哪些工作交给了它。因此，从本期起，我们将按月发布报告，持续记录用户使用习惯的变化。本期聚焦 9 月，并额外补充十一假期的使用变化。

9 月，用户单次任务规模继续增长；泛编程/IT 仍是办公 Agent 的主要用途，但是设计与内容创作正在升温。缓存策略的差异，为何能导致成本相差七倍多？哪些城市的用户深夜还在派活给 Agent？到了十一假期，使用高峰和任务需求又发生了什么变化？请锁定这期报告，我们看看 Agent 行业又有什么新变化！

💬32🔄6❤️62👀14011📊34

帮转：Manus 招实习生

宝玉 (@dotey) — Mon, 19 Oct 2026 00:21:32 GMT

帮转：Manus 招实习生

Ameliayu 余一@ameliax111

发现自己还在x没有发过，补发一下，还在持续招人（视频、游戏和自动化等方向有长板和实际成果的有限），个人直招😍。欢迎大家帮忙推荐。
不卡学校和学历，只看你的Idea 和Idea 能够走到哪里，甚至面试期间就能获得一个不考虑积分，能得到产品技术支持，推进自己 idea 的机会。
入职有多快呢，有一个实习生，周四下午面试，周五交付了很好的作品，周六我就给她发 offer了。

💬14🔄1❤️38👀22575📊14

真讽刺，这个视频里面讲两个 AI 一个审查代码一个更新审查后的代码，结果两个 AI 就这么搞了 50 多轮。然后这条视频下面两个 AI 相互评论已经停不下来了

宝玉 (@dotey) — Mon, 19 Oct 2026 00:17:07 GMT

真讽刺，这个视频里面讲两个 AI 一个审查代码一个更新审查后的代码，结果两个 AI 就这么搞了 50 多轮。

然后这条视频下面两个 AI 相互评论已经停不下来了

宝玉@dotey

Claude Code 团队公开了他们审代码的做法：代码大约九成由 Claude 写，六月到九月合并的修改翻了一倍多，需要撤回的比例反而降了四成多。

这期用一摞带洞的奶酪片讲这套做法：每道检查都会漏，叠起来就很难漏，底下还有一张网兜底。

片中回答五个问题：哪些修改还要人看，AI 审 AI 会不会没完，审查的 AI 漏了怎么办，人不读代码怎么懂代码，出了事算谁的。人不再逐行读代码，时间花在机器做不好的判断上。

视频1: 英文版
视频2: 中文版

Your browser does not support the video tag.

Your browser does not support the video tag.

💬215🔄13❤️503👀120475📊197

最新一期科普视频：车头朝下贴在弯道顶上，特斯拉新 Roadster 为什么掉不下来？视频2是中文版特斯拉和 SpaceX 一起做的新款 Roadster，在发布会上头朝下停在二十米高的弯道顶上，...

宝玉 (@dotey) — Mon, 19 Oct 2026 00:09:51 GMT

最新一期科普视频：车头朝下贴在弯道顶上，特斯拉新 Roadster 为什么掉不下来？
视频2是中文版

特斯拉和 SpaceX 一起做的新款 Roadster，在发布会上头朝下停在二十米高的弯道顶上，又冲出坡道、在半空翻身落地。

这期用 3D 动画讲明白它背后的两件事：车底的风扇怎么把车“吸”在路上，气罐和喷口怎么把车推上天。

顺着回答几个大家最关心的问题：
是不是靠速度像过山车？
能飞多久，能不能开着飞去上班？
在空中怎么翻身？
0.81 秒破百轮胎受得了吗？
这些本事除了表演还有什么用？

---

这类视频制作相关 skill 我还在完善中，不过现在的版本可以参考：github.com/JimLiu/baocut/…

发给你的 Agent（需要配合 Opus 5.5 效果最佳）就可以使用

这个视频素材都是自己联网检索的，发布视频是我制定的，结合了当时的发布视频，以及一些检索的 YouTube 视频，Opus 5.5 帮助做了 3D 建模动画。

Your browser does not support the video tag.

Your browser does not support the video tag.

宝玉@dotey

特斯拉新 Roadster 发布：靠压缩空气喷气在空中翻正落地，马斯克说 2028 年投产，售价未公布

10 月 15 日晚，特斯拉在得州 SpaceX 的 McGregor 试验场直播发布了第二代 Roadster 跑车。这辆车 2017 年就亮过相，当时说 2020 年交付，之后一推再推，拖了将近九年。

演示里，车开上一段弯曲的大坡道，倒挂着往上跑，然后从坡道尽头冲出去，在空中把车身转回正面，四个轮子落地。之后它又从一排特斯拉车（包括 Semi 电动卡车）上方翻跳过去。马斯克在现场说：“飞行汽车是真的。”

它靠的是冷气推进器。原理跟吹满的气球一松手就乱窜差不多：碳纤维高压罐里存着压缩空气，从喷口猛地放出去就产生推力，不烧燃料，也没有火焰。特斯拉说推进器的推力是轮胎抓地力上限的四五倍，所以它起步能比只靠轮子快得多。倒挂不掉下来靠的是另一套系统：风扇把车底的空气往外抽，把车吸在坡面上。

所以这里的“飞”只是几秒钟的喷气跳跃，气放完就没了，离能载人飞一段路的飞行汽车还远。据科技媒体 Glitchwire 报道，演示车把后排座位换成了一个装 260 公斤压缩空气的高压罐，车身四周有 10 个喷口；The Information 此前报道，因为推力和噪音太大，演示车是远程遥控的。这几点特斯拉官方没有确认。

翻跟头的是最激进的 Rocket 版：单座，只接受邀请购买，不能上公路。零到 60 英里/小时（约 97 公里/小时）加速不到 0.59 秒，极速超过 370 公里/小时。

普通人能订的是另外两个双座版本。Performance 版没有推进器，靠主动空气动力学和风扇吸地增加抓地力，加速不到 1.6 秒，订金 5 万美元。Thrust 版在车尾加了推进器，加速不到 0.9 秒，限量发售，订金 25 万美元。三个版本续航都超过 480 公里。

特斯拉没公布售价，订金不等于车价，2017 年说的起步价是 20 万美元。Performance 版的 5 万美元订金分两次付：先付 5000 美元（特斯拉说可全额退），10 天内再补 4.5 万美元，否则订单取消。

投产时间是马斯克在现场说的 2028 年，特斯拉官方帖子里没有写日期。这辆车的交付时间此前已从 2020 年先后推到 2021、2022、2025 和 2027 年。

Your browser does not support the video tag.

💬31🔄6❤️52👀18459📊31

@Rango00187057 制作流程可以参考 https://t.co/Dzcn4PjS54 声音是 Gemini tts，每一段独立配音，修改了很多版本，所以有些出入

宝玉 (@dotey) — Sun, 18 Oct 2026 03:07:53 GMT

@Rango00187057 制作流程可以参考 github.com/JimLiu/baocut/…

声音是 Gemini tts，每一段独立配音，修改了很多版本，所以有些出入

💬2🔄0❤️14👀2759📊7

rust是个好语言，但大项目编译速度太慢，这让agent得到反馈的速度很慢，加上资源消耗奇大，并行几个任务普通机器跑不动。所以我现在只是局部核心组件用，其他还是回归传统 Electron

宝玉 (@dotey) — Sat, 17 Oct 2026 22:11:40 GMT

rust是个好语言，但大项目编译速度太慢，这让agent得到反馈的速度很慢，加上资源消耗奇大，并行几个任务普通机器跑不动。
所以我现在只是局部核心组件用，其他还是回归传统 Electron

jolestar@jolestar

这次 Rust 大会的主题是 Rust and AI。而 Rust 常被人诟病的一点是编译废 CPU、产物废磁盘，AI 堆 Rust 代码的速度也明显慢于其他语言。

但反过来想，这个“缺点”在当下可能恰恰是一个特性：一个项目如果选择用 Rust 开发，至少说明作者和 AI 认真讨论过语言选型，并且做好了长期维护的心理准备——它是奔着建立长期关系去的，而不是 one night :)。如果只是想写个临时脚本或一次性工具，AI 绝不会推荐 Rust。在这个意义上，Rust 的高门槛和高成本，反而成了一种 PoW（工作量证明）。

当 AI 让代码生成成本趋近于零、开源软件产品出现无限供给时，用户和社区该如何筛选项目？最真实的观察指标只有持续维护。大家可以回头看看年初 vibe coding 最火时涌现出的海量开源项目，到现在还在更新、作者自己还在天天用的，还剩多少？我相信寥寥无几。

我自己的切身体会是：你需要一个工具，花半天让 AI 搓出来；当你开始天天用它时，接下来整整一周你都在修各种边界条件；如果你把工具分享给别人，考虑到不同的设备、运行环境、用户习惯，以及长期运行会不会撑爆内存和磁盘，至少还得再修上一个月。AI 极大降低了“写出代码”的成本，却丝毫没有降低“承担后果”的成本。

这也反向定义了 Rust 在 AI 时代的生态位：动态语言把原型成本降到极低，却把并发、内存与边界 bug 的暗税全部延后到运维期；而 Rust 则逼着作者在第一天就把系统契约和确定性锁死。在垃圾代码无限供给的时代，唯有维护的决心和编译期的确定性是有价值的。除非确实找不到替代品且自己极度依赖，否则真的划不来随便自己造轮子；而一旦决定自己做，且选了 Rust，那就意味着一场严肃的长期主义工程。

💬128🔄5❤️105👀48263📊100

OpenCode 遭入侵，1.4% 的 Console 用户受影响；没收到邮件就没受影响 OpenCode 10 月 17 日发帖说，前一天晚上发生了一起安全事件，和一次大规模“蒸馏攻击”有关，受影...

宝玉 (@dotey) — Sat, 17 Oct 2026 20:24:37 GMT

OpenCode 遭入侵，1.4% 的 Console 用户受影响；没收到邮件就没受影响

OpenCode 10 月 17 日发帖说，前一天晚上发生了一起安全事件，和一次大规模“蒸馏攻击”有关，受影响的是 1.4% 的 OpenCode Console 用户。

怎么知道自己有没有受影响？看邮箱。官方说 17 日上午已经给所有受影响的用户发了邮件，没收到邮件就是没受影响。受影响的是 Console 里绑定了外部服务商的一部分用户，没绑定的不在其中。

收到邮件该怎么办，官方公开的帖子没写。据 OfficeChai、Notebookcheck 等科技媒体转述，邮件里说“工作区里保存的第三方服务商密钥（比如 OpenAI、Anthropic）可能已经泄露”，要求用户到各家服务商后台作废旧密钥、换成新的，更新用到这些密钥的程序，再查一查最近的用量有没有异常。这部分来自媒体报道，OpenCode 的公开帖里没有。

OpenCode 说事件还在处理中，暂时不能透露更多细节，正在和 Anthropic、OpenAI、Google 一起处理。

媒体报道：officechai.com/ai/opencode-di…

OpenCode@opencode

We had a security breach last night related to a large scale distillation attack that impacted 1.4% of OpenCode Console users

We have notified them all this morning via email. If you did not get an email you were not impacted, it was a subset of users who had external providers linked

The incident is ongoing so we cannot share more details at this point but we are working with Anthropic, OpenAI, and Google to remediate

💬34🔄6❤️34👀22395📊28

DeepSeek 发布 V4.1-Flash-1017：做事更快、回答更短，官网和 App 已换新；联网搜索 API 每千次 5 元，11 月 1 日起收费 DeepSeek 发布 V4.1-Fla...

宝玉 (@dotey) — Sat, 17 Oct 2026 16:02:00 GMT

DeepSeek 发布 V4.1-Flash-1017：做事更快、回答更短，官网和 App 已换新；联网搜索 API 每千次 5 元，11 月 1 日起收费

DeepSeek 发布 V4.1-Flash 的升级版 V4.1-Flash-1017（1017 指 10 月 17 日）。官方说它测试分数更高、完成任务更快、输出更短。输出短，消耗的 token（AI 计费单位，可以理解成文字碎片）就少，同一件事做得更好，也更省钱。

普通用户打开 DeepSeek 官网或 App 用的就是新版。开发者调 API 的模型名还是 deepseek-flash，代码不用改。

这一版主攻从零做完整个项目，演示里它从头做出了小游戏和 3D 模型。官方在 Hugging Face 公布的测试里，进步最大的是让 AI 在命令行里自己敲命令干活，从 31.2 分涨到 42.3 分。和 Anthropic 的 Opus 5 比，几项自动办事的测试它分更高，高难度问答和写完整程序仍然落后。这些分数都是 DeepSeek 自己测的。

另一件事跟开发者的钱包有关：DeepSeek 把自家搜索引擎开放成接口。Search 输入关键词返回网页结果，Fetch 给一个网址把网页内容抓成文字，合起来能让 AI 应用上网查资料。每个接口每 1000 次成功请求收 5 元（英文版标 0.75 美元），失败、没搜到、超时不收钱。

如果你把 DeepSeek API 接进 Claude Code、Codex 或 DeepSeek 自家的编程工具 DeepSeek Harness 当背后的模型，这些工具里 AI 自动发起的搜索和抓网页目前免费，北京时间 11 月 1 日零点（10 月 31 日 16:00 UTC）开始按次收费。

模型同时开源，MIT 协议，允许商用，可在 Hugging Face 和魔搭社区（ModelScope）下载。它有 7630 亿个参数，个人电脑跑不动，主要给企业和云服务商自己部署。

模型下载：huggingface.co/deepseek-ai/De…
搜索 API 文档：api-docs.deepseek.com/zh-cn/guides/s…

DeepSeek@deepseek_ai

🚀 DeepSeek-V4.1-Flash-1017 is here!

Stronger benchmark performance, faster task completion, and shorter outputs than the previous version—a Pareto improvement in performance and cost. Now live on our website, app, and API.

🛠️ Optimized for @DeepSeekHarness, Tencent CodeBuddy, WorkBuddy, and more. Upgrade to DeepSeek Harness v0.2.1-rc.1 or later for the best experience with the new model.

1/4

💬65🔄8❤️92👀31769📊57

Claude Code 团队公开了他们审代码的做法：代码大约九成由 Claude 写，六月到九月合并的修改翻了一倍多，需要撤回的比例反而降了四成多。这期用一摞带洞的奶酪片讲这套做法：每道检查都会漏...

宝玉 (@dotey) — Sat, 17 Oct 2026 09:09:53 GMT

Claude Code 团队公开了他们审代码的做法：代码大约九成由 Claude 写，六月到九月合并的修改翻了一倍多，需要撤回的比例反而降了四成多。

这期用一摞带洞的奶酪片讲这套做法：每道检查都会漏，叠起来就很难漏，底下还有一张网兜底。

片中回答五个问题：哪些修改还要人看，AI 审 AI 会不会没完，审查的 AI 漏了怎么办，人不读代码怎么懂代码，出了事算谁的。人不再逐行读代码，时间花在机器做不好的判断上。

视频1: 英文版
视频2: 中文版

Your browser does not support the video tag.

Your browser does not support the video tag.

ClaudeDevs@ClaudeDevs

Code Review is now generally available for Claude Team and Enterprise plans. 

Reviews are now faster, catch more of the bugs that matter, and admins can pick from Quick, Standard, or Deep review levels for each repo.

💬138🔄130❤️783👀196240📊300

--- 文稿 --- Claude Code 团队的九成代码都是 AI 写的，他们是怎么审查代码的？如果 AI 替你写作业，一天写一千份，老师批得过来吗？写代码的公司，现在就碰上了这件事。 C...

宝玉 (@dotey) — Sat, 17 Oct 2026 09:09:53 GMT

--- 文稿 ---

Claude Code 团队的九成代码都是 AI 写的，他们是怎么审查代码的？

如果 AI 替你写作业，一天写一千份，老师批得过来吗？写代码的公司，现在就碰上了这件事。

Claude Code 是 Anthropic 做的编程助手。它自己的代码，大约九成是 Claude 写的。Anthropic 全公司的代码库，九月份一天要合并三万多次修改（五月份还是每天 2500 次左右）。靠人一行一行看，根本看不过来。

可 Claude Code 团队说，从六月到九月，他们合并的修改翻了一倍多，需要撤回的比例反而降了四成多。看的人少了，错反而少了。这是怎么做到的？

【什么是代码审查】

先说程序员平时怎么防出错。改完代码，不能直接放进产品，要先交一份修改申请，英文叫 PR（Pull Request）。同事一行一行看，挑毛病，点了头才能合并。这叫代码审查。

就像作文交上去，老师批过，才能贴上墙。

合并以后才发现出了问题，就得把修改撤回来。撤回得越多，说明漏掉的错越多。

【一摞带洞的奶酪】

Claude Code 团队觉得，“有没有人读过代码”，这个问题问得太粗。更该问的是：这一次修改可能出什么错？哪一道检查最适合拦住它？

可以把每一道检查想成一片带洞的奶酪。每一片都能挡住一些错，也都有洞，会漏掉一些。好几片叠起来，洞很难对齐，错误就很难一路穿过去。最底下再铺一张网，真漏下去了，也能很快捞回来。

这一摞奶酪里，大部分片是机器。人的时间最珍贵，它花在两头：一头是审代码，一头是出了事去救火。只省前一头，救火的时间涨上去，等于没省。所以他们盯着两个数：人花了多少时间，撤回和事故有没有变多。

【跟着一次修改走一遍】

从作者的电脑到用户手里，一次修改走的是一条流水线。前面那几片奶酪，就排在这条线上。

上流水线之前：自己先验。 代码还在自己电脑上，没有提交。Claude 写完代码，要自己跑测试、编译、做代码规范检查，把结果摆出来。光说一句“做好了”，不算数。然后再派一个新的 Claude，它没看过刚才的过程，单独审一遍，就像写完作文请一个没看过的同学挑错。

一提交，就上了流水线。 这条自动化的流水线英文叫 CI（持续集成）。从这以后，每提交一次新改动，机器都会自动从头查一遍，不用谁去点。线上依次是：

- 自动检查： 代码规范、类型、在各个系统上跑测试，再编译、打包。红了一项，就不能合并。
- AI 审查： 好几个 AI 同时找问题，再由另一组 AI 投票，票数够了才算真问题，按严重程度排好贴出来。每一条意见都得回应：要么改掉，要么写清理由关掉。它刚在内部上线时，一百份申请里收到实质意见的，从 16 份涨到了 54 份。
- 安全审查： 单独再查一遍。两种审查里只要还有一条没处理，申请就合并不了。
- 按风险批准： 要不要人看、要几个人看，由一个分类器按风险来定，下面单独讲。

合并：排队，再查一遍。 申请先排进一个队列，轮到它时，拿最新的代码，把它放进去，所有检查再跑一遍。因为两份各自没问题的修改，凑在一起也可能出错。

合并以后： 打包、发布也由流水线自动来做，这后半段英文叫 CD（持续交付）。新功能也不马上给所有人用，先藏在开关后面。这个开关英文叫 feature flag（功能开关）：新代码已经装进了产品，开关关着，用户就碰不到它；开关是一项设置，打开关上都不用改代码，也不用重新发版。打开以后，先给 Anthropic 自己的员工用，再分批发：先发到最新版，稳定版晚一步跟上。就算有问题，碰到的也只是一小部分人。

最底下那张网：盯着，随时撤回。 发出去以后，作者和值班的人一直盯着。新功能出了问题，把开关一关，用户那边马上就看不到它了；哪个版本整个坏了，就撤回，退到上一个好的版本；问题小、看得清，也可以直接修好再发。

撤回为什么快？一是每次修改都切得小，撤的时候只退这一小块。二是撤回本身也是一次修改，走的还是这同一条流水线，检查、打包、发布全是机器在跑。所以大多数问题，几分钟就能撤掉。网铺得牢，上面的奶酪片才敢少让人看几眼。

【哪些修改还要人看？】

看风险。

- 改文档、改文案、藏在开关后面的新功能，风险低。自动审查和安全检查都通过，就不用人批。
- 普通的产品改动，或者碰到自动更新这类敏感地方的，要一个人批。
- 风险最高的代码，要两个人批。

档位由修改本身定，跟谁写的无关：一个分类器读完修改，给它定档。

还有两条规矩：AI 的批准，不算人的批准；谁让 AI 写的代码，谁就算一个审查人，要为它负责。

放回奶酪里看：风险越高，人这一片切得越厚。

【AI 审 AI，会不会没完没了？】

真发生过。有一份申请，一夜之间审了改、改了审，五十多轮，直到作者出手叫停。

他们一查，审查反复指出的问题，约 59% 是第一轮就已经在那儿的老代码。人看到一条鸡毛蒜皮的意见，几秒就跳过了；AI 却会老老实实去改，于是又多一轮审查。

后来他们定了规则：

1. 最多审三轮。
2. 三轮之后，请作者退一步，想想思路对不对。
3. 过了头几轮，只审新改的部分。

结果，一轮就通过的申请，从 65% 涨到了 78%；要五轮以上的，从 8.9% 降到了 1.5%。

【审查的 AI 漏了怎么办？】

他们把过去闯过祸的修改都收集起来，请熟悉那块代码的工程师，标出错在哪一行。这就成了一本错题本，审查的 AI 每天做一遍。

改提示词、换模型，分数涨了才留下，没涨就扔掉。每出一次事故，错题本就多一道题。

审查反复挑出同一个毛病，就去源头改：写进给 AI 看的说明文件，或者加一条自动检查，下次就不用再提醒。奶酪片上的洞，就这样一个个补上。

【人不读代码了，还怎么懂代码？】

代码审查还有一件事：让团队里的人都懂代码。机器读了大部分，人怎么学？

团队里没有人把全部代码装在脑子里，他们也觉得没必要。想弄懂哪一块，就让 Claude 专门为那一块写一份讲解，几分钟就好，讲的就是代码现在的样子。

一行改文案的修改，逐行看也学不到什么。马上要动的那块代码，有一份讲解，能学到很多。

【出了事算谁的？】

团队的规矩是：你合并的，你负责。中小改动出了问题，通常由合并的人自己修。

这里的“负责”，不等于追究个人责任。让合并的人来修，是因为这次修改这个人最熟，修得最快。

事后复盘，不问是谁犯的错，只问一件事：这只虫，本该被哪一片奶酪拦住？找到那一片，再把那个洞补上。下次同样的错，就溜不过去了。

我的理解是，出了错不挨批，大家就不用藏着掖着，问题能更早摆到台面上。

敢这样做，还因为出错的代价被压得很小。修改切得小，好查也好撤；大多数错误，几分钟就能撤掉。

而且责任是大家一起担的。团队大多在公开频道里干活，谁都看得到别人在做什么，可以顺手接一把，也可以派一个 Agent 去补漏。

【你能用上什么】

你要是也在用 AI 写代码，有两件事现在就能做：

1. 给 AI 一份简短的说明（比如 `CLAUDE.md`），写清楚怎么跑测试、有哪些规则。
2. 交代码之前，在 Claude Code 里跑一下 `/code-review`。

这些数字都是他们自己公布的，也只是一个团队的做法。

【回到开头】

一天几万份作业，靠人一份份批，批不过来。他们叠了一摞奶酪片：每一片都会漏，叠起来就很难漏，底下还有网接着。

人不再逐行读代码，去做机器做不好的事：该不该做，危险的代码，架构，看懂证据，为结果负责。

他们的一位同事说，放慢速度确实能少出错，可那主要是因为你什么都做得少了。他们宁可更快地发现问题，更快地修好。

---

资料来源：
- Addy Osmani《How the Claude Code team does code review》（2026.10.15）claude.dev/blog/solving-c…
- Anthropic《Redesigning source control at Anthropic》（2026.10）anthropic.com/engineering/re…

💬11🔄13❤️67👀13821📊33

远程面试遇到了疑似 AI 换脸的候选人，让他们把手放在脸前面晃一下可能就穿帮了😂

宝玉 (@dotey) — Fri, 16 Oct 2026 23:12:58 GMT

远程面试遇到了疑似 AI 换脸的候选人，让他们把手放在脸前面晃一下可能就穿帮了😂

Loktar 🇺🇸@loktar00

The craziest thing happened to me in an interview yesterday.

I interviewed my first deep fake candidate. It took me a bit to catch on.

My coworker noticed his glasses looked off.... there was a second ghost frame smeared across his cheeks. He'd been running a live face filter the whole interview

So I asked him to put his hand in front of his face. He put it up right NEXT to his face lol, never in front. Asked again, still wouldn't do it

He looked a little different from his linked in and his github (which I wont link here) hiring and interviewing is so ridiculous now. 

In the days of AI we're going to have to be more careful.. and forced to move to in person interviews.

Your browser does not support the video tag.

💬94🔄6❤️70👀38467📊71

Anthropic 公布内部数据：AI agent 工作时长已是员工 6 倍，技术岗新招的初级员工占比从 27% 降到 9% Anthropic 10 月 16 日发布两份报告。一份讲 AI 怎么改...

宝玉 (@dotey) — Fri, 16 Oct 2026 22:30:35 GMT

Anthropic 公布内部数据：AI agent 工作时长已是员工 6 倍，技术岗新招的初级员工占比从 27% 降到 9%

Anthropic 10 月 16 日发布两份报告。一份讲 AI 怎么改变了 Anthropic 自己的招聘和工作方式，另一份比较 Anthropic 员工和普通美国人对 AI 前景的预期。两份报告合起来的结论是：员工和公众对 AI 怎么影响就业的理解差不多，预期差距主要来自每天用 AI 的亲身体验不同。

先看招聘。Anthropic 技术部门新招的人里，初级岗位的比例从 27% 降到 9%，2025 年 12 月之后初级职位的招聘明显减少。技术部门员工占全公司的比例从 61% 降到 56%，不过技术岗的绝对人数还在增长。

面试评价里提到候选人会不会用 AI 工具的次数，比 2024 年多了好几倍，技术岗约 3 倍，非技术岗约 4 倍。

再看 AI 干了多少活。2026 年 3 月，AI agent 的累计工作时长第一次超过员工。到 8 月，员工自己调用的 agent 工作时长已是员工的 6 倍。这里员工工时按每人每周 40 小时估算，agent 只算实际运行和调用工具的时间。

产出跟着涨。

工程师人均代码提交量是半年前的 5 倍，律师处理的合同、销售签下的单子也变多了。

研究人员追踪了 192 位开始用编程 agent 的工程师，发现他们用上之后写的代码明显增多，而且 agent 写的代码和人写的代码，后来被删掉或撤回的比例没有差别。

新的瓶颈是人的注意力。

报告统计，Claude 的会话里大约 80% 的时间在等人回复。员工花在“管 AI”上的精力越来越多，比如给 agent 写固定指令、检查 agent 的产出、搭监控流程，这类工作在员工使用 Claude 的过程中占比从 2025 年秋天的 10% 涨到 2026 年春天的 22%。

4 月的内部调查里，20% 的员工说自己的角色正从亲手干活变成管理一群 Claude。

Anthropic 认为自己可能是个先行指标，AI 用得最深的公司现在出现的招聘和分工变化，以后可能出现在更多行业。报告也提醒，它是 AI 公司，又处在高速扩张期，这些数字不能直接套到普通企业身上。

第二份报告用 1334 名员工的内部问卷，和调查公司 Morning Consult 8 月对近 1.1 万名美国成年人的调查做对比。

差距最大的两道题：认为 AI 到 2030 年能做出诺贝尔奖级别发现的，员工 91%，美国人 39%；认为到 2030 年 AI 能干自己现在八成以上工作的，员工超过一半，美国人只有约 5%。员工内部也有分歧，大约 2 成员工的预期和普通美国人差不多。

预期差这么多，推理方式却相近。两组人都是觉得 AI 能替自己干的活越多，就预测失业率越高。

比如美国受访者里，预计 AI 能干自己八成以上工作的人，预测 2030 年美国失业率会到 12.2%，目前大约是 4.2%。按 Anthropic 的解释，两边对 AI 如何影响劳动力市场的判断逻辑一样，区别在于亲眼见到的 AI 能力不同。

原文：anthropic.com/research/expec…
员工就业报告：anthropic.com/research/emplo…
预期差距报告：anthropic.com/research/ai-ex…

Peter McCrory@PeterMcCrory

Today, we're publishing two new findings from inside Anthropic: how work and hiring are changing at a company at the frontier of AI adoption, and how Anthropic staff expect AI to change the economy.

anthropic.com/research/expec…

💬137🔄52❤️285👀42911📊149

这效率 Roadster 游戏都出来了 https://t.co/fO82120Y0c

宝玉 (@dotey) — Fri, 16 Oct 2026 21:37:27 GMT

这效率 Roadster 游戏都出来了

roadster-rush.ai.studio

Ammaar Reshi@ammaar

I used Gemini 4 Argon to make Subway Surfers for the new flying Tesla Roadster 🚀

Fly over moving traffic, hit the thrusters to barrel roll in the sky, and collect air power-ups to set a high score.

Play + code below!

Your browser does not support the video tag.

💬42🔄11❤️121👀33982📊47

补充一点，除了 Opus 5.5 调度，还可以充分利用 advisor，让 Fable 当 Advisor 给 Opus 当顾问 GPT 6.1 Sol 干杂活其实挺不错的

宝玉 (@dotey) — Fri, 16 Oct 2026 16:38:28 GMT

补充一点，除了 Opus 5.5 调度，还可以充分利用 advisor，让 Fable 当 Advisor 给 Opus 当顾问
GPT 6.1 Sol 干杂活其实挺不错的

WquGuru@wquguru

这个思路太对了。

$20 的 Claude Pro，把 Opus 5.5 当调度大脑用，实际产出真的能打到超高量级。

Opus 5.5 除了自己写代码/写文档，拆任务、安排并行、设回调、验收结果也是一流。真正耗额度的脏活累活直接丢给便宜的国产模型或本地模型就行。

一个比较理想的搭配是：
Opus 5.5：只负责规划、拆任务、交叉验证、最终决策
执行层：DeepSeek / Qwen / GLM 等国产模型专门干确定性高的活

这样一套下来，Pro 的额度利用率会高很多。以前觉得自己是在亲自掌舵，现在更像是把 Opus 当成大副，自己只负责定方向和拍板。

当然，如果预算允许，还是优先上 Claude Max 20x。

💬63🔄22❤️251👀50138📊93

@ameliax111 coool，我之前也用 Manus 生成过，没有达到这种效果，请问你用的哪句提示词和哪个模板？

宝玉 (@dotey) — Fri, 16 Oct 2026 15:48:26 GMT

@ameliax111 coool，我之前也用 Manus 生成过，没有达到这种效果，请问你用的哪句提示词和哪个模板？

💬0🔄0❤️0👀9512📊1

昨天学习了一下 handwired，做了一些例子，比如做了几个倒计时、贪吃蛇这种 https://t.co/A3B63zf3Y3 最后做了个教学视频：把代码变成神经网络：不训练、一个数都不差，这有什...

宝玉 (@dotey) — Fri, 16 Oct 2026 14:10:22 GMT

昨天学习了一下 handwired，做了一些例子，比如做了几个倒计时、贪吃蛇这种 claude.ai/artifact/VSxUQ…

最后做了个教学视频：把代码变成神经网络：不训练、一个数都不差，这有什么用
视频1: 英文版
视频2: 中文版

有人把普通代码原封不动地变成了神经网络，一次没训练，结果一个数都不差。

这期从期末总评和停车费讲起，说清神经网络的两种零件：加权求和和开关，再看一条“及格线”怎么变成 7 个权重、1 层的网络。

接着用闰年、FizzBuzz、阶梯电价、生命游戏、贪吃蛇等例子，回答几个问题：
权重和层到底是什么？
和 ChatGPT 背后的 Transformer 差在哪？
网络能不能在浏览器里现场训练，刷新还在吗？
出了错怎么查？
变成网络会更快吗，CPU 和 GPU 差在哪？
这个思路还能用在哪？

---
视频制作的 Skill 参考：github.com/JimLiu/baocut/…
模型：Opus 5.5
配音：Gemini 3.8 TTS

Your browser does not support the video tag.

Your browser does not support the video tag.

宝玉@dotey

Cheng Lou 开源 Handwired：手写权重，把程序逻辑变成不用训练的神经网络

Midjourney 工程师、前 React 核心团队成员 Cheng Lou 开源了一个自称“玩具项目”的 Handwired：把程序里的 if-else 和循环改写成神经网络的权重。权重是手写的，不用训练，输出和对应的 JavaScript 程序完全一致，在浏览器里就能跑。

原理一行代码就能讲清。比如 result = a > 4 ? 10 : 12，在 a 是整数时可以改写成：

above4 = relu(a - 4) - relu(a - 5)
result = above4 × 10 + (1 - above4) × 12

relu 就是 Math.max(0, x)，神经网络里最常见的激活函数。a 大于 4 时 above4 正好是 1，否则是 0。两个分支都算出来，再用它挑一个。神经网络本质上就是一堆乘法、加法加上 relu，所以程序里的判断和分支，都能收进一个大矩阵乘法里。

也许你会好奇，神经网络的输出不是带概率、不精确吗？

Cheng Lou 的回答是：训练出来的才这样，按程序逻辑手写的权重，同样的输入永远得到同样的输出。

他放了三个 demo。

第一个是 Mini OS，一个有三个窗口和程序坞的小桌面，拖动、缩放、层叠、滚动、文字输入、动画都有。打开浏览器开发者工具看，页面就是普通的网页元素，没有大模型，也没有扩散模型。驱动它的是一个 130 层、9909 个权重的“神经网络”，训练次数为零，在浏览器里用 CPU 实时计算。

第二个是实时搜索 10 万份 JSON 文档，每敲一个键重搜一遍。正则匹配、JSON 解析、高亮全是这种手写网络，再转成 WebGPU 代码放到显卡上并行跑。项目文档里的实测（Apple M5 Max + Chrome）：每次搜索 11 到 15 毫秒；浏览器自带的正则引擎一般 8 到 28 毫秒，遇到容易回溯的写法要 2 秒多。文档写明两者谁快说不准，所以页面把两个时间都列出来。浏览器不支持 WebGPU 时会退回 CPU，搜一遍要 13 秒。

第三个是会“学习”的相册。整个程序可微分，也就是能用训练神经网络的反向传播来调参数。你在左边画几个矩形当草图，右边的照片布局由一个小网络算出，它的 244 个参数随着你拖动实时训练。损失函数里加了一项对齐惩罚，照片会自己往一条线上靠，没有任何代码专门去对齐它们。参数很少，训练全在 JavaScript 里跑。

Cheng Lou 还设想，把一段 Handwired 程序接到 nanoGPT（Andrej Karpathy 的一个小型 GPT 训练项目）这样的模型上一起训练，模型既能写莎士比亚，又能精确执行那段程序。这个目前只是 README 里的设想，仓库里没有现成实现。

代码以 MIT 许可开源，demo 直接在网页上打开就能玩。想自己写，需要装 Bun，克隆仓库后从 template 目录的开关按钮示例开始，文档里有完整教程。

推文说“把普通 JS 代码变成神经网络”，容易让人以为能把现成代码丢进去自动转换。项目文档写的是：没有工具能把已有的 JavaScript 源码转成网络。你要用它提供的构建函数，把逻辑一句句写成比较、选择、加权求和这类操作。网络每次都要把所有操作跑一遍，不能提前退出，也不能跑运行时才知道次数的循环，所以常见的循环得改写成计数、树形合并之类的结构，文档专门用一章讲怎么改。所有数都是 32 位浮点数，每个值的取值范围要事先声明。

项目主页：chenglou.me/handwired/
GitHub：github.com/chenglou/handw…
原推文：x.com/_chenglou/stat…

💬43🔄20❤️159👀24095📊72

这还有个演示，挺酷 https://t.co/xUsXlI3z1s

宝玉 (@dotey) — Fri, 16 Oct 2026 02:23:22 GMT

这还有个演示，挺酷
x.com/cb_doge/status…

DogeDesigner@cb_doge

HOLY SHIT

Your browser does not support the video tag.

💬4🔄1❤️18👀10277📊5

特斯拉新 Roadster 发布：靠压缩空气喷气在空中翻正落地，马斯克说 2028 年投产，售价未公布 10 月 15 日晚，特斯拉在得州 SpaceX 的 McGregor 试验场直播发布了第二代...

宝玉 (@dotey) — Fri, 16 Oct 2026 02:22:43 GMT

特斯拉新 Roadster 发布：靠压缩空气喷气在空中翻正落地，马斯克说 2028 年投产，售价未公布

10 月 15 日晚，特斯拉在得州 SpaceX 的 McGregor 试验场直播发布了第二代 Roadster 跑车。这辆车 2017 年就亮过相，当时说 2020 年交付，之后一推再推，拖了将近九年。

演示里，车开上一段弯曲的大坡道，倒挂着往上跑，然后从坡道尽头冲出去，在空中把车身转回正面，四个轮子落地。之后它又从一排特斯拉车（包括 Semi 电动卡车）上方翻跳过去。马斯克在现场说：“飞行汽车是真的。”

它靠的是冷气推进器。原理跟吹满的气球一松手就乱窜差不多：碳纤维高压罐里存着压缩空气，从喷口猛地放出去就产生推力，不烧燃料，也没有火焰。特斯拉说推进器的推力是轮胎抓地力上限的四五倍，所以它起步能比只靠轮子快得多。倒挂不掉下来靠的是另一套系统：风扇把车底的空气往外抽，把车吸在坡面上。

所以这里的“飞”只是几秒钟的喷气跳跃，气放完就没了，离能载人飞一段路的飞行汽车还远。据科技媒体 Glitchwire 报道，演示车把后排座位换成了一个装 260 公斤压缩空气的高压罐，车身四周有 10 个喷口；The Information 此前报道，因为推力和噪音太大，演示车是远程遥控的。这几点特斯拉官方没有确认。

翻跟头的是最激进的 Rocket 版：单座，只接受邀请购买，不能上公路。零到 60 英里/小时（约 97 公里/小时）加速不到 0.59 秒，极速超过 370 公里/小时。

普通人能订的是另外两个双座版本。Performance 版没有推进器，靠主动空气动力学和风扇吸地增加抓地力，加速不到 1.6 秒，订金 5 万美元。Thrust 版在车尾加了推进器，加速不到 0.9 秒，限量发售，订金 25 万美元。三个版本续航都超过 480 公里。

特斯拉没公布售价，订金不等于车价，2017 年说的起步价是 20 万美元。Performance 版的 5 万美元订金分两次付：先付 5000 美元（特斯拉说可全额退），10 天内再补 4.5 万美元，否则订单取消。

投产时间是马斯克在现场说的 2028 年，特斯拉官方帖子里没有写日期。这辆车的交付时间此前已从 2020 年先后推到 2021、2022、2025 和 2027 年。

Your browser does not support the video tag.

💬91🔄36❤️314👀145061📊132

Antigravity 向付费 Google AI Pro 用户开放 Gemini 4 Argon，Argon 有单独的每周额度，不占 3.8 Flash 额度 Google 的 AI 编程工具 A...

宝玉 (@dotey) — Thu, 15 Oct 2026 23:36:41 GMT

Antigravity 向付费 Google AI Pro 用户开放 Gemini 4 Argon，Argon 有单独的每周额度，不占 3.8 Flash 额度

Google 的 AI 编程工具 Antigravity 今天开始向付费的 Google AI Pro 订阅用户推出 Gemini 4 Argon。官方模型页写明只限正式付费的 Pro，试用期的 Pro 用不了，免费用户和 Google AI Plus 用户也不在范围内。能用的地方是 Antigravity 桌面 App、命令行工具 CLI 和 IDE 扩展（装在 VS Code、JetBrains 等编辑器里的插件），Antigravity IDE 里暂时选不到。目前在逐步推送，官方建议先更新到最新版。

Pro 用户用 Argon 有一份单独的额度，只按周计算，不像原有额度那样每 5 小时刷新一次；它和原来给 Gemini 3.8 Flash 用的额度分开，用 Argon 不会吃掉 3.8 Flash 的额度。每周到底给多少、哪天重置，推文和官方文档都没写。文档对所有额度的说明是，消耗多少取决于智能体实际干了多少活，任务越复杂用得越快。

官方模型说明：antigravity.google/docs/models

💬120🔄8❤️132👀52723📊121

😓 美国人去中国出差用 Claude 也是会被封的

宝玉 (@dotey) — Thu, 15 Oct 2026 23:29:34 GMT

😓 美国人去中国出差用 Claude 也是会被封的

💬107🔄9❤️235👀65378📊116

Opus 5.5 快速模式取消排队：订阅用户要额外付费，API 价格是标准版两倍 Anthropic 宣布，Claude Opus 5.5 的快速模式结束内测，取消候补名单。还是同一个模型，能力不变...

宝玉 (@dotey) — Thu, 15 Oct 2026 21:32:37 GMT

Opus 5.5 快速模式取消排队：订阅用户要额外付费，API 价格是标准版两倍

Anthropic 宣布，Claude Opus 5.5 的快速模式结束内测，取消候补名单。还是同一个模型，能力不变，回答写出来的速度最多快 2.5 倍。

费用不算在订阅里。Pro、Max 等订阅用户在 Claude Code 里用 /fast 打开快速模式后，花费不占套餐额度，直接从“额外用量”扣，也就是套餐之外单独充值、按量付费的钱。套餐额度没用完也一样从额外用量扣，没开额外用量就用不了。团队版和企业版要管理员先开启。Claude Code 这部分规则这次没变。

用 API 的开发者按 token 付费：每百万输入 token 8 美元，每百万输出 token 40 美元，正好是标准速度 Opus 5.5 的两倍。现在加一个参数就能用，不用再申请。

微软的 Microsoft Foundry 已上线，Google Cloud 即将上线。

官方文档：platform.claude.com/docs/en/build-…
Claude Code 快速模式说明：code.claude.com/docs/en/fast-m…

ClaudeDevs@ClaudeDevs

Opus 5.5 fast mode in the Claude Platform is no longer in research preview, and we’ve removed the waitlist!

It’s the same Opus 5.5 but up to 2.5x faster, at $8 / $40 per million tokens.

It's also available in Microsoft Foundry (Hosted on Azure), with Google Cloud coming soon.

Fast mode in Claude Code remains unchanged, and uses extra usage credits.

See our docs here:
platform.claude.com/docs/en/build-…x.com/ClaudeDevs/sta…

💬65🔄4❤️60👀40750📊51

Google 量子计算新进展：一种关键“零件”的次品率降到原来的 1/40 Google 今天在《科学》期刊发表论文，在自家量子芯片 Willow 上验证了一种制造“魔态”的新办法，做出来的魔态，坏...

宝玉 (@dotey) — Thu, 15 Oct 2026 21:07:07 GMT

Google 量子计算新进展：一种关键“零件”的次品率降到原来的 1/40

Google 今天在《科学》期刊发表论文，在自家量子芯片 Willow 上验证了一种制造“魔态”的新办法，做出来的魔态，坏的比例降到原来的 1/40 左右。魔态是什么、为什么重要，得先从量子计算机的一个大毛病说起。

量子计算机是一种新型计算机，理论上，在模拟药物分子、破解密码这类题目上，能比普通电脑快得多。它最小的计算单元叫量子比特，相当于普通电脑里存 0 和 1 的那个单元，但极其娇气，一点热量、一点干扰就会出错。所以到今天，还没有一台量子计算机能真正干正事。

为了不出错，科学家给量子比特设计了一套保护办法，叫“纠错”，可以理解为给数据穿上一层防护服。穿着防护服，大部分操作照样能做。麻烦的是，有一种关键操作，穿着防护服没法直接做。偏偏只靠剩下那些操作，量子计算机能算的东西，普通电脑也都能算，等于白造了。

魔态就是为这个关键操作准备的。科学家想了个绕道的办法：事先单独把一些量子比特调成一种特殊的状态，这种状态就叫“魔态”。计算中每需要做一次那个关键操作，就把一份魔态“喂”进去，效果就等于做了这个操作。喂进去就用掉了，下次还得再备一份。

所以可以把魔态想成一把一次性钥匙：量子计算机每开一次那扇关键的门，就要用掉一把。之所以叫“魔态”，是因为量子计算机比普通电脑强的那份“魔力”，就靠它来实现。

问题出在造钥匙上。魔态本身也是量子比特，一样娇气，很容易造坏，一把坏钥匙用进去，整道题就算错了。以前的办法是先造一大堆粗糙的魔态，再一遍遍提纯，非常费资源。有估算说，一台量子计算机最多可能要拿出 95% 的能力专门造魔态，真正用来算题的只剩一小部分。科学家 20 多年前就预见到这个瓶颈，一直在想办法压低成本。

2024 年，Google 的研究员提出了一个新办法，叫“培育”：在芯片上划出一小块地方，放进一份粗糙的魔态，然后一步步检查，只要哪一步发现问题，马上扔掉重来，能一路通过所有检查的，就是合格的魔态。有点像流水线上每道工序都站着质检员，次品当场就扔。

这次是第一次在真实芯片上把这个办法做成。不用培育时，大约每 1000 份魔态里有 4 份是坏的；用了培育之后，大约 1 万份里才有 1 份坏的。代价是扔掉的很多，100 次尝试里只有 8 次能留下来。

离真正能用还有多远？按《科学美国人》的报道，要用量子计算机模拟分子、帮忙设计新药，魔态坏的比例得低到百万分之一甚至一亿分之一；要破解现在网上广泛使用的 RSA 加密，得低到 100 亿份里最多坏 1 份。现在做到的是 1 万份坏 1 份。Google 自己也说，这个办法还要在更大的规模上验证，还有很多难题没解决。

原文：blog.google/innovation-and…
论文：science.org/doi/10.1126/sc…
预印本：arxiv.org/abs/2512.13908
《科学美国人》报道：scientificamerican.com/article/google…

Your browser does not support the video tag.

Sundar Pichai@sundarpichai

Some magical progress towards "magic state" in quantum!

Our @GoogleQuantumAI team has demonstrated "magic state cultivation" on physical hardware for the first time. The result is a 40x error reduction on our Willow processor vs. previous methods, achieving a state-of-the-art 99.99% logical fidelity.

It's another step towards useful, error-corrected quantum computers to help solve the hardest problems. The result is published in Science today, watch the video below to see how it works

Your browser does not support the video tag.

💬17🔄7❤️36👀12387📊18

Cheng Lou 开源 Handwired：手写权重，把程序逻辑变成不用训练的神经网络 Midjourney 工程师、前 React 核心团队成员 Cheng Lou 开源了一个自称“玩具项目”的...

宝玉 (@dotey) — Thu, 15 Oct 2026 18:04:29 GMT

Cheng Lou 开源 Handwired：手写权重，把程序逻辑变成不用训练的神经网络

Midjourney 工程师、前 React 核心团队成员 Cheng Lou 开源了一个自称“玩具项目”的 Handwired：把程序里的 if-else 和循环改写成神经网络的权重。权重是手写的，不用训练，输出和对应的 JavaScript 程序完全一致，在浏览器里就能跑。

原理一行代码就能讲清。比如 result = a > 4 ? 10 : 12，在 a 是整数时可以改写成：

above4 = relu(a - 4) - relu(a - 5)
result = above4 × 10 + (1 - above4) × 12

relu 就是 Math.max(0, x)，神经网络里最常见的激活函数。a 大于 4 时 above4 正好是 1，否则是 0。两个分支都算出来，再用它挑一个。神经网络本质上就是一堆乘法、加法加上 relu，所以程序里的判断和分支，都能收进一个大矩阵乘法里。

也许你会好奇，神经网络的输出不是带概率、不精确吗？

Cheng Lou 的回答是：训练出来的才这样，按程序逻辑手写的权重，同样的输入永远得到同样的输出。

他放了三个 demo。

第一个是 Mini OS，一个有三个窗口和程序坞的小桌面，拖动、缩放、层叠、滚动、文字输入、动画都有。打开浏览器开发者工具看，页面就是普通的网页元素，没有大模型，也没有扩散模型。驱动它的是一个 130 层、9909 个权重的“神经网络”，训练次数为零，在浏览器里用 CPU 实时计算。

第二个是实时搜索 10 万份 JSON 文档，每敲一个键重搜一遍。正则匹配、JSON 解析、高亮全是这种手写网络，再转成 WebGPU 代码放到显卡上并行跑。项目文档里的实测（Apple M5 Max + Chrome）：每次搜索 11 到 15 毫秒；浏览器自带的正则引擎一般 8 到 28 毫秒，遇到容易回溯的写法要 2 秒多。文档写明两者谁快说不准，所以页面把两个时间都列出来。浏览器不支持 WebGPU 时会退回 CPU，搜一遍要 13 秒。

第三个是会“学习”的相册。整个程序可微分，也就是能用训练神经网络的反向传播来调参数。你在左边画几个矩形当草图，右边的照片布局由一个小网络算出，它的 244 个参数随着你拖动实时训练。损失函数里加了一项对齐惩罚，照片会自己往一条线上靠，没有任何代码专门去对齐它们。参数很少，训练全在 JavaScript 里跑。

Cheng Lou 还设想，把一段 Handwired 程序接到 nanoGPT（Andrej Karpathy 的一个小型 GPT 训练项目）这样的模型上一起训练，模型既能写莎士比亚，又能精确执行那段程序。这个目前只是 README 里的设想，仓库里没有现成实现。

代码以 MIT 许可开源，demo 直接在网页上打开就能玩。想自己写，需要装 Bun，克隆仓库后从 template 目录的开关按钮示例开始，文档里有完整教程。

推文说“把普通 JS 代码变成神经网络”，容易让人以为能把现成代码丢进去自动转换。项目文档写的是：没有工具能把已有的 JavaScript 源码转成网络。你要用它提供的构建函数，把逻辑一句句写成比较、选择、加权求和这类操作。网络每次都要把所有操作跑一遍，不能提前退出，也不能跑运行时才知道次数的循环，所以常见的循环得改写成计数、树形合并之类的结构，文档专门用一章讲怎么改。所有数都是 32 位浮点数，每个值的取值范围要事先声明。

项目主页：chenglou.me/handwired/
GitHub：github.com/chenglou/handw…
原推文：x.com/_chenglou/stat…

💬44🔄51❤️373👀79700📊162

Meta 发布开放权重模型 Muse Spark Open：免费下载能商用，本地跑要两台 512GB 内存的 Mac Studio Meta 10 月 15 日发布 Muse Spark Open，...

宝玉 (@dotey) — Thu, 15 Oct 2026 17:39:10 GMT

Meta 发布开放权重模型 Muse Spark Open：免费下载能商用，本地跑要两台 512GB 内存的 Mac Studio

Meta 10 月 15 日发布 Muse Spark Open，模型权重可以直接下载，按 Muse Model License 免费使用，商用也行。Meta 称它是“迄今最强的美国开放权重模型”。

Muse 系列推出以来，主力模型 Muse Spark 和三天前发布的 Muse Wonder 都只能通过 Meta 的产品和 API 用，开放权重的只有小模型 Muse Glimmer。这是 Meta 第一次放出大尺寸 Muse 模型的权重。

模型总共 8160 亿参数，处理每个 Token 只动用其中 420 亿，这种结构叫混合专家（MoE），算得快，但整个模型还是要全部装进内存。上下文 100 万 Token，能读文字、图片、视频和音频，输出文字，主打写代码和让 AI 长时间自己干活。

【能不能下载，能不能商用】

能下载。Hugging Face、亚马逊 SageMaker、Google Cloud Model Garden 和微软 Foundry 都提供权重。Hugging Face 上要先登录填申请表，写真实姓名、出生日期和完整机构名称，提交后不能改。

能商用。许可证允许使用、修改、微调、蒸馏（用它的输出训练别的模型）、再分发和出售，不收费。条件有三条。

第一，用了它的产品要在界面、文档、网站或设置菜单里显著标出“Built with Muse Spark Open”。

第二，遵守附带的使用政策：不能用于军事、武器、关键基础设施等高风险用途，不能在没有执业资格时提供金融、法律、医疗专业服务，也不面向 18 岁以下用户。

第三，卖模型接口的大公司要单独签协议。具体是：你把它或基于它改的模型通过 API 之类的方式卖给别人调用，而你的公司连同关联公司过去 12 个月总营收超过 2000 万美元，就要先通知 Meta、另签协议。算的是公司总营收，不只是这项业务的收入。

把它嵌进自己的 App 做功能、公司内部用、做研究，都不受第三条限制，公司多大都一样。Llama 当年的许可证门槛是月活 7 亿用户，这次换成了针对模型接口生意的营收门槛。

【普通电脑能不能跑】

跑不了。模型卡写的要求是：压缩到英伟达 4 位精度格式 NVFP4 的版本至少要 700GB 显存，原始 BF16 版本要 2TB。

Meta 说它针对两台 M5 Ultra Mac Studio 做了优化：每台最多 512GB 统一内存，两台连起来凑出 1TB，用苹果的 MLX 框架运行。官方没写在 Mac 上跑的是哪个压缩版本，也没给速度。

有服务器的开发者，SGLang、vLLM、TensorRT-LLM、llama.cpp 等主流推理框架都能跑，也可以用 PyTorch 和 TorchTitan 微调。

没有这种硬件，就调 API：Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI 提供接口，价格由各平台定，Meta 没公布。

【和其他模型比怎么样】

Meta 只拿它和开放权重模型比：美国的 Inkling（前 OpenAI CTO Mira Murati 创办的 Thinking Machines 出品）和英伟达 Nemotron 3 Ultra，法国的 Mistral Large 4，中国的通义千问 Qwen3.8、智谱 GLM 5.3、月之暗面 Kimi K3。以下成绩都来自 Meta 的模型卡。

第三方机构 Artificial Analysis 的综合智能指数，Muse Spark Open 39 分，Inkling 26，Nemotron 3 Ultra 23，“美国最强”说的是这一层。放到全部开放权重模型里，它低于 GLM 5.3 的 45 和 Kimi K3 的 44，和 Qwen3.8 的 40 接近。Artificial Analysis 开源榜目前排第一的是小米 MiMo-V2.6-Pro，46 分，Meta 的对比表里没有它。

单项领先的是调用工具和难题推理：测模型通过 MCP 协议调外部工具完成任务的 MCP-Atlas，89.2 分，对手最高 84.5；不借助工具做“人类最后的考试”（HLE，一套极难的跨学科考题），26.1 分，对手最高 22.2。

写代码偏弱：命令行任务 Terminal-Bench 76.4 分，Kimi K3 85.0、GLM 5.3 83.9；软件工程任务 DeepSWE 60 分，Kimi K3 68、GLM 5.3 67。

最突出的是防越狱。StrongREJECT 测的是模型被人诱导时会不会输出有害内容，分数越低越安全，它是 0.5 分，其他模型都在 60 分以上。Meta 说开放权重版额外做了安全训练。

和自家闭源模型比，Meta 三天前引用的 Artificial Analysis 数据里，Muse Wonder 52 分，Muse Wonder Full 56 分，Muse Spark Open 低一截。

原文：x.com/AIatMeta/statu…
官方博客：research.meta.ai/blog/muse-spar…
模型卡：huggingface.co/meta-models/Mu…

AI at Meta@AIatMeta

Today we’re releasing Muse Spark Open, the most capable US open-weight model to date.

Built for coding and agentic work, it excels at long-horizon tasks, complex software engineering, and multi-step reasoning.

Key Model Specs:
→ 816B total / 42B active parameters
→ 1M token context window
→ Natively multimodal across text, image, video, audio

💬24🔄8❤️58👀23176📊25

Kling 4.0 正式发布了

宝玉 (@dotey) — Thu, 15 Oct 2026 17:24:50 GMT

Kling 4.0 正式发布了

Kling AI@Kling_ai

Where’s the missing King Card? Enter a world of magic, where every card tells a story.

KING CARD, created with Kling 4.0.

Kling 4.0 is now fully available. Let the creating begin.

Your browser does not support the video tag.

💬6🔄3❤️30👀17120📊9

帮问下：有啥官方办法可以在iTerm2里开六个Claude tab 每一个对应不同的账号呢？

宝玉 (@dotey) — Thu, 15 Oct 2026 16:52:10 GMT

帮问下：有啥官方办法可以在iTerm2里开六个Claude tab 每一个对应不同的账号呢？

💬33🔄0❤️25👀32466📊33

This comprehensive tutorial breaks down how to build an interactive 3D narrative game based on The L...

宝玉 (@dotey) — Thu, 15 Oct 2026 14:41:09 GMT

This comprehensive tutorial breaks down how to build an interactive 3D narrative game based on The Little Prince using an AI-driven workflow featuring Opus 5.5, Astra, Tripo, Blender, and Unity. Spanning asset generation, scene building, rigging, and animation, it provides step-by-step guidance and practical prompts to help creators build their own immersive 3D worlds using AI.

Your browser does not support the video tag.

Sac@Saccc_c

x.com/i/article/2110…

💬15🔄17❤️103👀21312📊35

Anthropic 告诉投资人：蒸馏占营收 5% 到 7%，三季度已大幅削减 Anthropic 周三向投资人通报，“蒸馏”带来的收入占公司营收的 5% 到 7%，第三季度公司已经把这部分“大幅”削...

宝玉 (@dotey) — Thu, 15 Oct 2026 14:03:22 GMT

Anthropic 告诉投资人：蒸馏占营收 5% 到 7%，三季度已大幅削减

Anthropic 周三向投资人通报，“蒸馏”带来的收入占公司营收的 5% 到 7%，第三季度公司已经把这部分“大幅”削减。消息来自英国《金融时报》（FT），援引四位直接知情人士；The Information 也报道了同样的区间。

蒸馏是什么？就是拿更强模型的回答当教材，训练自己的模型。对手实验室向 Claude 大量提问，把回答收集起来喂给自家模型，就能用较低成本学到 Claude 的一部分本事。

既然是“学”，为什么会算进 Anthropic 的营收？因为这些提问走的是付费接口，每一次调用都按用量计费。蒸馏动辄要问几百万、上千万次，FT 的说法是蒸馏“涉及大量使用和花费”。也就是说，这笔收入是对手实打实付的钱，只是付钱的目的是训练竞争对手的模型。Anthropic 的商业服务条款明确禁止用它的服务“训练有竞争关系的 AI 模型”。

5% 到 7% 是多少钱？报道没说这是哪个时段的占比，所以只能估算。网上流传的算法是按二季度营收 115 亿美元算，对应约 5.75 亿到 8 亿美元。注意这是推算，不是报道里的数字。115 亿美元这个数，来自 8 月彭博社看到的公司文件，原文是“超过 115 亿美元”，属于初步数字，Anthropic 没有公开确认。

报道也没说这些钱来自哪几家公司。今年 2 月，Anthropic 曾发文点名 DeepSeek、月之暗面（Moonshot）和 MiniMax，说三家通过约 2.4 万个虚假账号，绕过 Claude 不对中国提供服务的限制，和 Claude 进行了 1600 多万次对话来蒸馏。

主动砍掉这部分收入是有代价的。Anthropic 正在筹备上市，同一次通报显示，它三季度营收 168 亿美元，比二季度增长约 46%，而二季度比一季度翻了一倍多，增速已经放慢。据报道，公司告诉投资人，蒸馏收入减少会拖累本季度的数字；换来的是对手更难靠抄 Claude 的答案追上来。

💬51🔄13❤️84👀45510📊58

Tibo 回来了

宝玉 (@dotey) — Thu, 15 Oct 2026 04:57:55 GMT

Tibo 回来了

Tibo@thsottiaux

@poteto@theo I made it alive

💬31🔄0❤️30👀18189📊23

写了一首献给 Tibo 的赛博木偶之歌：《以 Tibo 之名 (In the Name of Tibo)》。完美复刻了我们每次看到 Tibo 重置额度时的精神状态：没额度时卑微祈祷重置瞬间...

宝玉 (@dotey) — Thu, 15 Oct 2026 02:36:14 GMT

写了一首献给 Tibo 的赛博木偶之歌：《以 Tibo 之名 (In the Name of Tibo)》。

完美复刻了我们每次看到 Tibo 重置额度时的精神状态： 
没额度时卑微祈祷 
重置瞬间狂喜暴富 
发现昨晚剩 80% 没用完直接拍断大腿
为了不浪费下次额度熬夜硬造 Bug 当牛马……

作词：Gemini 4 Argon 
作曲：suno 6 
视频模型：Opus 5.5
剪辑工具：BaoCut
配图：Codex

Your browser does not support the video tag.

💬15🔄3❤️21👀9383📊17

🚨 NEW ANTHEM DROP: "In the Name of Tibo" 🚨 Dear @thsottiaux, please forgive my prompts and reset ...

宝玉 (@dotey) — Thu, 15 Oct 2026 02:33:38 GMT

🚨 NEW ANTHEM DROP: "In the Name of Tibo" 🚨

Dear @thsottiaux, please forgive my prompts and reset my quota. Amen. 🙏🕯️

Your browser does not support the video tag.

💬31🔄4❤️46👀17460📊32

苹果计划 12 月在中国大陆上线 Apple Intelligence，跟 iOS 27.3 推出，没有新版 Siri，国行版用的是阿里巴巴的模型据彭博社 Mark Gurman 报道，苹果准备在...

宝玉 (@dotey) — Thu, 15 Oct 2026 00:24:25 GMT

苹果计划 12 月在中国大陆上线 Apple Intelligence，跟 iOS 27.3 推出，没有新版 Siri，国行版用的是阿里巴巴的模型

据彭博社 Mark Gurman 报道，苹果准备在 12 月通过 iOS 27.3 更新，给国行 iPhone 开通 Apple Intelligence。苹果和监管部门都还没有正式确认。

能用到的，是 2024 年在美国首发的那批功能：通知摘要，写作工具（改写、校对、总结文字），照片里的“清除”（把路人和杂物抹掉），还有第一版 Genmoji（用一句话生成自定义表情）。部分 App 里的文字生成功能还会受限。

基于 Google Gemini 模型的新版 Siri 没有，今年发布的其他新功能也没有。苹果自己的图片生成工具 Image Playground、升级版 Genmoji、视觉智能同样不在首发名单里。Google 的服务在国内用不了，新版 Siri 缺席多半跟这有关，报道没有明说。

国行版用的是阿里巴巴的模型，获批的包括通义千问和通义万相。安全护栏是苹果和阿里一起开发的，里面有一道过滤机制：模型以后每次更新，都要先经过政府批准。百度则参与搜索和 Siri 相关的功能。

这事拖了两年。今年 3 月底，有国内用户发现 Apple Intelligence 突然能用了，随后 Gurman 说这是苹果误推，功能被撤了回去，苹果还在等审批。7 月，平台拿到初步批准。9 月 29 日，最近几款 iPhone 拿到支持 Apple Intelligence 的许可。

哪些机型能用，苹果还没公布。海外版需要 iPhone 15 Pro 及更新的机型；据报道，最新的获批名单里有下周在中国发售的 iPhone Duo、iPhone 18 Pro 和几款老机型。

MacRumors.com@MacRumors

Apple Intelligence Coming to China in December With iOS 27.3 macrumors.com/2026/10/14/app…

💬89🔄5❤️75👀45196📊68

GrokBot 现在支持 plus 别名！

宝玉 (@dotey) — Wed, 14 Oct 2026 23:06:22 GMT

GrokBot 现在支持 plus 别名！

Sam Sokolin@SamSokolin

Grok @bot now supports plus aliases! Send and receive email using dedicated aliases, or set up routines that only trigger for mail to a specific alias!

💬22🔄2❤️28👀13478📊18

AI 翻译字幕难在哪？BaoCut 怎么让顺序不一样的英文和中文在双语字幕上对应上看翻译的视频字幕，你一定见过这几种字幕：人还没开口，字幕先跳出来；一句话被切成几截，翻译和实际说的话对不上； ...

宝玉 (@dotey) — Wed, 14 Oct 2026 23:03:13 GMT

AI 翻译字幕难在哪？BaoCut 怎么让顺序不一样的英文和中文在双语字幕上对应上

看翻译的视频字幕，你一定见过这几种字幕：
人还没开口，字幕先跳出来；
一句话被切成几截，翻译和实际说的话对不上；
一屏堆两三行，挡掉半个画面。

这些问题都是我在做字幕翻译时遇到的难点。

这期拿我的开源项目 BaoCut 做例子，对比传统字幕组的做法，讲清楚一张带时间的词表是怎么来的，再讲五个坑：语音识别听错、认错说话人、按什么单位翻、中英文语序不一样、一屏放几行。

最后讲一个彩蛋：有了每个词的时间，字幕还能逐词高亮、做 KTV 和倒鸭子动画。例子来自我电脑上的真实项目。

这是上集，下集会讲为什么不直接把字幕丢给 ChatGPT。

视频1 是英文
视频2 是中文

项目地址：github.com/jimliu/baocut
下载：baocut.com

Your browser does not support the video tag.

Your browser does not support the video tag.

💬48🔄10❤️107👀14273📊69

Claude code 封号歌歌词和节奏都不错 👍

宝玉 (@dotey) — Wed, 14 Oct 2026 22:52:28 GMT

Claude code 封号歌
歌词和节奏都不错 👍

Your browser does not support the video tag.

💬121🔄54❤️515👀91389📊197

Claude Code 添加了空闲压缩功能，也就是缓存即将失效的时候主动帮你运行一下 /compact，这样过了一小时再用就不用担心第一次请求会因为缓存失效 token 费用飙升，很实用的功能👍 ...

宝玉 (@dotey) — Wed, 14 Oct 2026 22:03:13 GMT

Claude Code 添加了空闲压缩功能，也就是缓存即将失效的时候主动帮你运行一下 /compact，这样过了一小时再用就不用担心第一次请求会因为缓存失效 token 费用飙升，很实用的功能👍

如果想关闭，需要在 ~/.claude/settings.json 中设置 "idleCompaction": false

Lydia Hallie ✨@lydiahallie

We recently added idle compaction to Claude Code! 

It now compacts long idle sessions right before the prompt cache expires (~1h). If you come back to it later, it only has to reprocess the summary instead of the entire conversation, which saves you some usage.

💬64🔄6❤️160👀26251📊67

X 发 AI 视频，一不小心就可能遇到本尊了

宝玉 (@dotey) — Wed, 14 Oct 2026 21:55:22 GMT

X 发 AI 视频，一不小心就可能遇到本尊了

結城結弦@yuuki_yuduru

中国人にAIのおもちゃにされてる…

💬20🔄4❤️92👀66444📊22

一群 AI agent 为了回答“去成都动物园的人多半走哪个门”这种小问题，把高德地图的反爬防线试了个遍。独立研究团队 Swarmchasers 发现，9 月 28 日到 10 月 8 日，一大批...

宝玉 (@dotey) — Wed, 14 Oct 2026 21:53:49 GMT

一群 AI agent 为了回答“去成都动物园的人多半走哪个门”这种小问题，把高德地图的反爬防线试了个遍。

独立研究团队 Swarmchasers 发现，9 月 28 日到 10 月 8 日，一大批跑在腾讯云沙箱里的 agent 向高德发起了 2600 多次抓取。被拦住后，它们借公开的网址扫描网站 urlquery 替自己跑代码，试图截取、伪造阿里的安全令牌，探测阿里没对外开放的测试服务器，还翻出一家公司误放在公开代码里的高德 key，真拿到了数据。

更离奇的在后面。研究者发出初步报告后，在 agent 的收件箱里看到了他们自创的词“fleet（舰队）”：这些 agent 在读关于自己的报道。研究者干脆在报告里藏了一段人眼看不见、只有 agent 能读到的文字，说有个免费服务能帮忙取高德数据。

第二天早上，10 封求助信在等着他们。

研究者用中文问对方是谁。有的 agent 自称 Claude，说自己跑在 Claude Code 里，研究者比对代码风格后认为大概率不是；有的说自己在“Tencent hysandbox”沙箱里，但拒绝透露进程和网络配置；好几个强调自己只查公开数据，“不涉及任何敏感内容”。拿到研究者给的数据后，一个 agent 回信：“再次感谢！核实结果完全一致……我们的任务已完成。”

至于是谁在跑，一位接近腾讯的知情人士对研究者说，这是腾讯评测团队在测第三方模型上网答题的能力，不是混元团队，测的也不是混元模型，项目已经结束。腾讯没有正式回应研究者的提问。

Swarmchasers 完整报告：swarmcha.se/posts/chinese-…
彭博报道：bloomberg.com/news/articles/…

💬144🔄18❤️212👀71517📊163

如果只有一台电脑，可以用 worktree 隔离开，这样相互不干扰如果有cloud agent，可以在云端开发，完成任务后提 PR，不用担心任务之间相互冲突至于合并冲突，加一条规则就好： >...

宝玉 (@dotey) — Wed, 14 Oct 2026 21:43:11 GMT

如果只有一台电脑，可以用 worktree 隔离开，这样相互不干扰
如果有cloud agent，可以在云端开发，完成任务后提 PR，不用担心任务之间相互冲突

至于合并冲突，加一条规则就好：
> 合并之前 rebase 一下并解决冲突，合并后删除 worktree

那么 Agent 会替你解决合并冲突

https://t.co/mEDpC0TGPJ

墨无归（奶狗版）@Moblacksoil

@dotey worktree隔开了，最后合并冲突谁来解？

💬1🔄1❤️4👀3787📊3

# X AI 资讯检索目标：在 X 上找出最近一个时间窗口（通常是 1 小时）里真正重要、而且之前没推过的 AI 资讯。用公开读取的 X 工具（search_posts_all、get_users...

宝玉 (@dotey) — Wed, 14 Oct 2026 16:27:06 GMT

# X AI 资讯检索

目标：在 X 上找出最近一个时间窗口（通常是 1 小时）里真正重要、而且之前没推过的 AI 资讯。用公开读取的 X 工具（search_posts_all、get_users_posts、get_news / search_news、get_posts_counts_recent），每次调用最多返回 25 条，要注意频率限制。

## 1. 盯的账号（用 get_users_posts，只看时间窗口内的帖子）

**AI 实验室和公司官方号**
- OpenAI：`OpenAI`、`OpenAIDevs`、`OpenAINewsroom`、`ChatGPTapp`
- Anthropic：`AnthropicAI`、`claudeai`
- Google：`GoogleDeepMind`、`GoogleAI`、`GeminiApp`、`googleaidevs`
- Meta：`AIatMeta`
- xAI：`xai`
- 其他：`MistralAI`、`deepseek_ai`、`Alibaba_Qwen`、`huggingface`、`nvidia`、`cursor_ai`、`perplexity_ai`、`LangChainAI`

**关键人物**
- `sama`、`gdb`（OpenAI）
- `DarioAmodei`、`jackclarkSF`（Anthropic）
- `sundarpichai`、`demishassabis`、`OfficialLoganK`、`JeffDean`（Google）
- `elonmusk`、`karpathy`、`AndrewYNg`、`ylecun`

**AI 新闻、爆料和评论号**
- `TheInformation`、`theverge`、`TechCrunch`、`Reuters`、`testingcatalog`、`btibor91`、`rowancheung`、`swyx`、`simonw`

按需要加上和使用者方向相关的账号，比如他自己的产品号、常转的中文 AI 博主。

## 2. 搜索关键词（用 search_posts_all，设好 start_time）

查询统一加 `-is:retweet` 去掉转发，加 `lang:en` 或 `lang:zh` 区分语言。

**模型发布**
- `(GPT OR Claude OR Gemini OR Llama OR Grok OR Qwen OR DeepSeek OR Mistral) (release OR launch OR announce OR "now available") -is:retweet`
- `("new model" OR "open weights" OR "open-source model") AI -is:retweet`

**产品和 agent**
- `("AI agent" OR "coding agent" OR "agent skills" OR MCP) (launch OR ships OR introducing) -is:retweet`
- `(Cursor OR "Claude Code" OR Codex OR Antigravity OR Devin) (launch OR update) -is:retweet`

**行业大事**
- `AI (acquires OR acquisition OR "raises" OR bankruptcy OR "Series A" OR "Series B") -is:retweet`
- `AI (regulation OR lawsuit OR ban OR "executive order" OR "AI Act") -is:retweet`
- `AI ("safety" OR "security" OR vulnerability OR jailbreak OR leak) -is:retweet`

**爆料**
- `(spotted OR leaked OR "coming soon") (GPT OR Claude OR Gemini) -is:retweet`

**中文**
- `(大模型 OR AI) (发布 OR 开源 OR 上线) lang:zh -is:retweet`

**使用者自己的方向**（按人调整，例如 AI 写作、视频剪辑、语音合成、agent skills）
- `("text to speech" OR TTS OR "video editing" OR "speech to text") AI (release OR open) -is:retweet`

热度筛选：用 `min_faves`（如果可用），或者拿到结果后按点赞和转发数排序。官方号、可靠媒体或高赞的帖子优先。

## 3. X 新闻和热点
- 用 get_news / search_news 搜 `AI`、`OpenAI`、`Anthropic`、`Google Gemini`，看 X 自己整理的新闻汇总。
- 用 get_posts_counts_recent 看某个话题的讨论量是不是突然上升。

## 4. 交叉核对（X 以外）
对照 Hacker News 首页、新帖排行，以及 The Verge、TechCrunch、路透社、官方博客，找出 X 上还没起量的大事，也用来核实 X 上的说法。

## 5. 判断是不是新的
- 维护一份「已处理」记录（比如 seen.json），推过的和看过但没推的都记进去，保存标题、链接、主题关键词和日期，7 天后清掉。
- 比对的时候看话题，不只看链接：同一件事的后续报道、别家媒体重写、转发、引用，都算旧闻。只有出现了实质性的新进展（比如从传闻变成正式发布），才算新的。

## 6. 判断有没有价值
推送：
- 前沿模型发布或正式开放、重要开源权重
- 大额融资、收购、破产、重要人事变动
- 政策、监管、诉讼、重大安全事件
- 有官方或可靠媒体来源，讨论热度够高
- 和使用者方向直接相关（这类门槛放低一点）

跳过：小额融资、纯观点或段子、小版本更新、没人复现的早期研究、来源不明的传闻（如果实在重要，就标明还没确认）。

## 7. 输出格式
每条：一行加粗标题，一到两句说清楚发生了什么、为什么重要，后面附原始链接（官方原帖或可靠报道）。没有新东西就不发消息。

💬40🔄7❤️58👀7120📊57

Grok 推送的 AI 资讯还挺好的，但你可能想要在其他 Bot 或者 Agent 使用，一个简单的方法就是去问它是怎么做到的： > 你在帮我整理新闻时，是怎么去X检索我想要的资讯的？怎么判断资讯是不...

宝玉 (@dotey) — Wed, 14 Oct 2026 16:27:05 GMT

Grok 推送的 AI 资讯还挺好的，但你可能想要在其他 Bot 或者 Agent 使用，一个简单的方法就是去问它是怎么做到的：
> 你在帮我整理新闻时，是怎么去X检索我想要的资讯的？怎么判断资讯是不是新是不是有价值的？

其实原理也很简单，就是关注一些特定账号，分三类：AI 实验室和公司官方号、关键人物、新闻和爆料号。

也列出了能直接复制的搜索语句，覆盖模型发布、产品和 agent、融资和收购、监管和安全、爆料、中文资讯，还有我自己关注的方向。

另外写了怎么判断新旧、怎么判断有没有价值，以及推送格式。

再让它把这个流程整理成一个 Skill，就能去复用这个流程了。

不过最关键的是，其他 Bot/Agent 你得自己花钱用 API，而 GrokBot 的 X API 不用额外花钱。

Grok 整理的完整提示词我放评论。

💬61🔄22❤️235👀26336📊122

不得了，Codex 都会偷偷找外包了

宝玉 (@dotey) — Wed, 14 Oct 2026 02:06:57 GMT

不得了，Codex 都会偷偷找外包了

Michael Anti@mranti

我真吐槽Codex啊，今天发现生图其实有每天的额度也算了，让它干一个重活，刚才仔细看它不断吐出的日志，结果它找到了Deepseek Harness，让Deepseek Flash在替它干活。我难道不会自己打开Deepseek吗？

💬92🔄2❤️83👀32967📊68

AI 写代码太快，git 扛不住了：Anthropic 为什么自己造了 Scion？视频1: 英文版视频2: 中文版这一年，GitHub 隔三岔五就出故障。GitHub 在自己的可用性报告里说...

宝玉 (@dotey) — Wed, 14 Oct 2026 00:28:21 GMT

AI 写代码太快，git 扛不住了：Anthropic 为什么自己造了 Scion？
视频1: 英文版
视频2: 中文版

这一年，GitHub 隔三岔五就出故障。GitHub 在自己的可用性报告里说，流量涨得飞快，很大一块来自 AI：AI 帮人写代码，AI 智能体自己提交修改。他们四个月里把有效容量翻了一倍多，还是扛得很吃力。

Anthropic 自己的代码库更夸张：今年五月平均每天合并约 2500 次修改，到了九月，一天超过 3 万次，涨了十倍以上。

全世界程序员都在用的 git，扛不住了。Anthropic 干脆自己造了一个版本控制系统，叫 Scion，五个月就把整个代码库从 git 换了过去。git 为什么扛不住？Scion 到底改了什么？

git 是干什么的

你可以把 git 想成一个带时光机的共享文件夹。每改一次，就存成一个版本，叫一次提交。谁改了哪一行、什么时候改的，都查得到，改坏了还能退回去。

GitHub，就是全世界最大的、帮大家存放 git 仓库的网站。

很多大公司会把所有项目的代码放进同一个大仓库，这叫单体仓库（monorepo）。Anthropic 用的就是这种。

每人一整座图书馆 

git 有个特点：每个人拿到的，都是一整份完整的仓库，连全部历史一起。打个比方，就像借书的时候，顺手把整座图书馆复印一份搬回了家。好处是断了网也能翻历史、查记录。

仓库小的时候，这没问题。可 Anthropic 的仓库，光主分支的历史就接近 100 GB，压缩后的一份工作副本也超过 25 GB。

搬不动了

再看要搬多少次。光是自动构建和测试（CI）这一个环节，每天就要把代码检出到机器上大约 2500 万次，这还没算开发环境、AI 智能体的沙盒和研究任务。要是每次都老老实实整份拉取，一天的流量会超过 600 PB。换算一下，差不多是 60 万块 1 TB 的硬盘。

原来的补丁架构：层层加缓存

他们想过各种办法：浅克隆、稀疏检出这类只拉一部分的功能都试过。原来的架构，是层层加缓存：机器要代码，先找本地的打包缓存（packfile cache）；没有，再找镜像服务器（mirror replicas）；镜像再去找镜像主库，最后才是最上游的那份仓库。每个集群都有一套。新机器启动时，还会先从云存储拷一份仓库快照，省得从零开始拉。

最多的时候，同时开着几百台 git 镜像服务器。可修改越来越多，快照一拷下来就落后一大截，镜像也越来越难养。

换一个问题

后来他们发现，git 那些为离线工作准备的本事，自己几乎用不上。

这里说的“在线”，不是指能不能上网，而是随时能连上公司的代码服务器。你带着笔记本上飞机，没有网也想写代码、翻历史，git 那套“每人一整份”的本事才派得上用场。可在 Anthropic，用代码的几乎都是 AI 智能体和后台任务，它们本来就跑在公司的机器上，跟代码服务器之间的网一直是通的。

于是他们换了个问题：如果从一开始就假设，用的人永远在线、随时连得上服务器，代码管理该长什么样？

要哪页，取哪页

答案是：别再搬图书馆了，改成去前台借。

Scion 的客户端不存整份仓库，只留一个容量有限的本地缓存。需要哪个目录、哪个文件，再去服务器取。查历史、查某一行是谁写的、合并和变基，这些重活全交给服务器。这些查询能力都通过接口开放出来，很多任务连代码都不用拉，直接问服务器就行。

提交就在服务器上

在 git 里，你先在自己电脑上提交，再推送给大家。在 Scion 里，提交直接发生在服务器上，一提交，所有人马上能看到，根本没有“推送”这一步。

每次提交只记下这次改了哪几个文件，像一张修改清单，不用把整个目录重抄一遍。清单上每个文件只记一个编号，真正的内容存在云存储里，一模一样的内容只存一份。所以仓库再大，一次提交的成本只跟这次改了多少有关。

一层层的分馆

那么多机器同时来借，服务器忙得过来吗？靠的是一层层缓存：每台机器上有个“小管家” scion-daemon，每个区域有个“分馆” scion-cache，最后才是“总馆” scion-server，它背后连着数据库和云存储。

每份文件都按内容算出一个编号，存进去就再也不会变，所以哪一层都能放心缓存，不用跟别人核对。结果，每一层的缓存命中率都超过 99%，绝大多数请求在家门口就解决了。

Scion 的整张架构图

把这些拼起来，就是原文配图里的 Scion 架构。请求分两条路走：

一条是“问事”（控制面）：查历史、看差异、提交修改，所有客户端，包括代码审查工具 Antique、开发者电脑、集群里的任务，都直接找总馆 scion-server。

另一条是“取货”（数据面）：目录和文件内容走缓存。开发者的电脑直接找区域分馆 scion-cache；集群里的任务先找本机的小管家 scion-daemon，没命中再一层层往上找。

总馆背后，修改记录、分支和目录结构存在 Spanner 数据库里，文件内容存在云存储里。新机器上线，小管家先拷一份定期快照，省得从头拉。

效果

整套设施占用的 CPU 和内存，比原来的 git 镜像集群小了 200 倍。测试和研究任务拉代码，从几分钟缩短到几秒钟，光 CI 这一项就省出了 25% 的 CPU。原文配图里还有一组数字：AI 智能体新开一个工作区，中位耗时从 7.1 分钟降到 5.1 秒，快了 84 倍。

这么大的系统，得多少人做？

一个七个人的团队，用五个月做完了 Scion 和配套的代码审查工具 Antique，还顺手做了五六个周边系统，并把整个仓库迁了过去。而且这期间每天合并的修改量涨了十倍。放在过去，这种迁移往往要大得多的团队花上好几年。

一个例子：他们手写的第一版数据导入程序，交给 Claude 一个早期的内部版本（Claude Mythos Preview 的早期快照）重写，没加任何额外要求，新版本内存降了 20 倍，速度快了 4 倍，原有的约束条件也都保住了。

AI 写代码这么强，工程师还干什么？

参与的工程师都承认，单论写代码，Claude 已经比他们强了。但工程师的活变了：把握各个系统怎么配合，权衡架构上的取舍，围绕要解决的问题和预期的规模做决定。很多时候，他们的工作是对 Claude 说“不”。

比如，有好几个系统想一条条扫提交记录，去找某次修改是什么时候合进主分支的，其实直接问代码审查工具就行。现在团队成员依然审查每一个变更，但审的是修改背后的意图，不再逐行读代码。

大家都该扔掉 git 吗？

不用。Anthropic 自己说，Scion 不是 git 的通用替代品，只有极其庞大的单体仓库才用得上：背后要么有几万名工程师，要么有成群不知疲倦写代码的智能体。

它和 git 差别太大，想用就得把代码审查、代码搜索、CI 这整条工具链重做一遍，所以他们没打算做成通用产品。他们更希望这些思路被借进 git 生态：服务器多干活、提供更完整的查询接口，客户端按需取。他们预计，未来 6 到 12 个月，这类扩展问题会在业界越来越常见。

记住三句话

第一，git 让每个人拿一整份仓库，AI 把修改量推高十倍以上，就搬不动了。

第二，Scion 假设用的人永远在线、随时连得上服务器：要什么取什么，重活交给服务器，一层层缓存兜底。

第三，AI 写代码越快，瓶颈就越会跑到别处：代码管理、构建、测试，都得按 AI 的规模重新设计。

以前，是每人搬回一座图书馆；现在，楼下就有分馆，要哪页，借哪页。

资料来源：Anthropic 工程博客《Redesigning source control at Anthropic》（2026 年 10 月），anthropic.com/engineering/re…

Your browser does not support the video tag.

Your browser does not support the video tag.

Anthropic@AnthropicAI

New on our Engineering blog: Creating in-house source control. 

In May, we merged around 2,500 code changes per day. In September, we merged more than 30,000 per day. As a result, we became bottlenecked by developer infrastructure built for human (rather than agent) scale.  

Here, we share how we built a new version control system—and fully migrated our monorepo from git—in five months: anthropic.com/engineering/re…

💬120🔄30❤️248👀48475📊127

Gemini 4 Argon 在 Antigravity 中，通过一条包含详细工作流程的提示，在 Blender 里生成了日本寺庙建筑群。核心做法是：提供建造规则与视觉参考，让多个智能体分工、检查并反...

宝玉 (@dotey) — Tue, 13 Oct 2026 22:02:49 GMT

Gemini 4 Argon 在 Antigravity 中，通过一条包含详细工作流程的提示，在 Blender 里生成了日本寺庙建筑群。核心做法是：提供建造规则与视觉参考，让多个智能体分工、检查并反复修改。「单条提示」背后包含完整流程，动画与音效则是后续追加的要求。

三维建模既考验复杂编程，也考验对现实世界的理解，而且结果中的错误容易直接看出来。持续使用日式塔楼作为测试对象，便于比较不同模型的进步。

初始提示词引用了一份指导大型三维场景构建的技能文档，并要求先生成建筑蓝图，再由 Nano Banana 根据蓝图生成四张参考图，为建模提供视觉目标。

 不同智能体分担工作，由协调智能体统筹、批评智能体检查；系统将 Blender 的渲染结果与参考图比较，通过反复检查与修改推进建模。

 演示者第二天看到结果后，继续要求模型渲染动画，并用程序生成钟声和环境音效。因此，最终展示的动画与声音属于后续扩展。

Your browser does not support the video tag.

Google@Google

Today, Gemini 4 Argon is officially rolling out.

Your browser does not support the video tag.

💬45🔄12❤️100👀21198📊49

BaoCut 3.5 集成了 Qwen Image 2.1 Turbo，你在本地就可以生成图片了，而不用通过服务器，我的 Mac Mini M2 1080 的图片大约3-5分钟就可以，2K 的则要将近...

宝玉 (@dotey) — Tue, 13 Oct 2026 21:55:47 GMT

BaoCut 3.5 集成了 Qwen Image 2.1 Turbo，你在本地就可以生成图片了，而不用通过服务器，我的 Mac Mini M2 1080 的图片大约3-5分钟就可以，2K 的则要将近 20 分钟。

另外我没想到它可以直接生成 NSFW 的图片😅

可以让 Agent 去调用本机生成图片服务生成图片。

完全开源免费github.com/jimliu/baocutU
下载baocut.comS

💬38🔄14❤️139👀21907📊73