独立开发，substack顶级编辑

摘要：Grok 4在基准测试中全面超越现有模型，展现多领域优势 xAI发布的Grok 4在基准测试中表现卓越，所有任务均超越顶尖推理模型。其系统提示词显示核心能力包括：实时处理X平台内容（用户资料、帖子、文件分析）、图像编辑与生成确认，以及数学问题的结构化推理。Grok 4仅限付费订阅使用，强调中立立场和透明度，尤其在争议话题中会综合多方信源。相比其他AI，其特色在于实时更新、社交媒体深度适配及政治中立性，与马斯克将X打造成"万能应用"的战略高度契合。

Google推出的Gemini 2.5系列AI模型（Pro、Flash、Flash-Lite）针对不同场景优化，各有侧重。旗舰款Gemini 2.5 Pro擅长复杂推理，支持百万级token上下文，适合编程、研究等高精度任务，但成本最高；Gemini 2.5 Flash平衡速度与性能，延迟低至0.29秒，性价比突出，适用于实时应用；新发布的Gemini 2.5 Flash-Lite主打成本效益，吞吐量高，适合预算敏感型项目。三款模型均支持多模态输入，开发者需根据任务复杂度、预算和延迟需求选择，并可通

苹果与Anthropic就大模型推理能力展开学术论战。苹果研究指出，大型推理模型（LRM）在处理汉诺塔等复杂任务时会出现"准确度崩溃"，即使提供算法指导也无法避免，质疑其真实推理能力。Anthropic则反驳称实验设计存在缺陷：1）将token限制导致的输出截断误判为推理失败；2）评估标准过于严苛，要求长输出完全无误；3）未区分可解与不可解谜题。双方研究揭示了评估AI系统时需注意的基准污染、任务复杂度衡量等关键问题。这场辩论凸显了学术界对当前AI系统认知能力的持续探索。

Mistral AI推出新型推理模型Magistral：开源版Small（240亿参数）和企业版Medium，强调"思维过程可视化"和多语言支持。该模型在AIME2024测试中表现优异（Medium达90%准确率），响应速度比同类快10倍。Mistral同时提供Le Chat聊天工具及云平台接入，兼顾开源生态与商业需求。作者指出，虽然AI并非真正"推理"，但逐步解题的透明性对专业领域颇具价值。目前Small模型已在Hugging Face开放下载。

OpenAI宣布了两个重大更新。首先，o3模型的价格降低了80%。其次，他们发布了一个名为o3-pro的新模型。o3-pro目前是OpenAI最先进的多模态模型，具有深度推理能力。它逐步解决问题，使其能够在编程、数学、科学、视觉感知等众多领域中更可靠地执行任务。

AI数据战争变得私人化了，我常用的论坛开始反击

摘要：Anthropic为AI助手Claude设计了分层思考模式，其中最高级的"Ultrathink（超级思考）"功能可分配最大计算资源。当Claude陷入重复循环、复杂问题或多步推理困境时，使用该指令可使其同时评估多种方案，连接不相关信息，更系统地解决问题。该功能不仅适用于编码，还可用于分析、战略规划等场景。官方文档证实这是通过"think"触发词实现的扩展思考模式，建议在复杂调试、架构决策等需要深度思考的场景中主动使用这一隐藏功能。（149字）

DeepSeek低调推出全新开源模型R1-0528，总参数量达6710亿但推理时仅激活370亿参数，采用稀疏专家混合架构并支持164K tokens上下文窗口。该模型在MMLU基准测试中表现接近OpenAI o3/o4 mini，代码生成能力仅次于OpenAI，超越Grok 3 Mini等竞品。用户可通过OpenRouter免费API、DeepSeek收费API（1.95美元/百万输入token）或本地部署（量化后131GB）使用。MIT许可证下的完全开源特性为开发者提供了罕见的研究透明度，标志着开源AI已

Claude 4 在 SWE-bench 基准测试中取得了 72.7% 的得分，这意味着它在解决真实编程问题上的能力显著提升。SWE-bench 是一个类似于 SAT 考试的测试，包含来自 GitHub 的实际编程错误，要求 AI 模型修复这些复杂问题。Claude 4 的得分比之前的最高分 62.3% 提高了 10 个百分点，表明它在 100 个错误中能正确修复 73 个，而无需人类干预。这一进步意味着开发者可以更快地解决日常编程问题，项目进展将更顺利，功能交付更迅速。对于编程学习者，Claude 4 是

OpenAI近期宣布将其营利性部门OpenAI LLC转变为公共福利公司（PBC），同时保留非营利性母公司OpenAI Inc.的控制权。这一决策旨在平衡盈利能力与社会责任，推动AI技术为更广泛的公共利益服务，而不仅仅是为大型科技公司创造利润。CEO Sam Altman强调，这一转变将赋予用户更多自主权，开源更多AI模型，并让用户决定AI的运行模式，体现“民主化AI”的理念。然而，随着AI开发加速，确保安全性和可靠性成为关键挑战。OpenAI还计划组建新的咨询委员会，确保AI技术在教育、医疗、科学和公共服

Qwen2.5-Omni-3B代表了多模态AI普及化的重要一步。它将视频、音频、图像和文本处理打包到一个紧凑的3B参数模型中，平衡了功能和实用性。对于开发者、研究人员和组织来说，这是一个不需要大量计算资源就能实现多模态AI的解决方案。在Hugging Face上的可用性进一步降低了使用门槛。随着多模态AI的发展，像Qwen2.5-Omni-3B这样紧凑而功能强大的模型将在日常应用中发挥关键作用。无论是构建内容审核系统、教育平台还是辅助工具，这个模型都提供了一个有力的基础。

但微软对OpenAI要求更多算力的态度渐趋消极，尤其是在投入800亿美元建设自有AI基础设施的背景下。去年夏天，OpenAI推迟共享一个强大推理模型的代码，阻碍了微软将其整合到Copilot的计划。这一趋势体现在OpenAI的GPT商店与微软Copilot的竞争，以及微软探索替代模型上。对OpenAI而言，失去微软的算力资源可能延缓其AGI目标，特别是在面临2025年预计50亿美元亏损的情况下。OpenAI与甲骨文和CoreWeave的合作，以及微软对Phi-4的投资，表明双方都在为独立未来做准备。

我们现在处于这样一个时代：您 — 在家中，使用中端GPU — 可以制作AI电影。无需订阅。无标记。无限制。FramePack是一个开放的创意沙盒。无论您喜欢动漫、模因、短片、讲故事还是实验，它都能让您完全掌控。而且是免费的。如果您关心AI内容创作开源工具或本地生成AI视频， 可以尝试下。

现在我们有了一个新模型Dia-1.6B，它在会话式AI方面似乎比ElevenLabs和Sesame CSM 1B模型表现更好。，意味着用户可以通过提供参考音频片段来引导模型输出，影响说话者的情感表达和语调。虽然Sesame和ElevenLabs在TTS质量方面设定了高标准，但DIA的。方面表现更好，特别是在对话密集的场景中。与传统的产生僵硬或单调语音的TTS系统不同，DIA擅长捕捉。等模型所缺乏的能力，后者需要手动替换（例如"哈哈"）。另外，如果你不想在本地运行，可以在这里尝试。，如笑声、咳嗽和清嗓子。

虽然 Chrome 已向超过 40 亿用户免费提供，占全球浏览器市场的 67%，但这种免费分发是由谷歌的广告收入资助的，而法官声称由于公司的垄断地位，这些广告收入过高。当被问及此事时，OpenAI 的 Turley 指出，虽然该公司目前使用微软 Bing 的搜索数据，但它希望获得更多搜索数据，包括来自谷歌的数据。虽然谷歌和 OpenAI 目前不是合作伙伴，但 Turley 表示，强制共享谷歌的搜索数据可能有助于恢复市场中的健康竞争。谷歌还拥有领先的网络浏览器 Chrome，谷歌搜索在其中作为默认搜索引擎。

谷歌这份白皮书不仅是学术探讨，更是一份行动倡议。提示词工程代表着未来，掌握它的人将成为时代的赢家。是时候停止将AI视为黑箱，而应将其视为我们最强大的合作伙伴了。

OpenAI刚刚推出GPT-4.1模型家族，包含GPT-4.1、GPT-4.1 Mini和GPT-4.1 Nano三款模型。重点是——现在全部免费开放！虽然技术升级值得关注，但真正具有变革意义的是开发者能通过Cursor、Windsurf和GitHub Copilot等平台立即免费调用这些模型。开发者朋友们，现在就去体验吧！

*推理模型世代（o1/o3/o4）的更新周期不再是基础模型（GPT-2/3/4/5）的18-24个月，而是3-4个月——提速达6倍。即将推出的o4-mini在性能上可能与o3相近，但将突破这些限制，让全球用户——甚至免费用户（尽管会有速率限制）——都能用上世界顶级AI研究助手。若GPT-5真如所言"远超我们最初设想"——我个人对此深信不疑——这将直接击穿质疑者的论调，无论是"算力缩放瓶颈无法通过测试阶段计算解决"，还是"OpenAI迟迟不推GPT-5必因未达预期"之类的说辞。首先，基准测试结果不佳。

Meta推出的16专家与128专家配置的Llama 4模型，标志着开源大语言模型发展迈出重要一步。通过采用混合专家（MoE）架构，Meta在持续突破模型性能边界的同时，有效应对了AI模型规模扩展带来的计算挑战。Scout与Maverick采用不同专家数量的设计，表明Meta正在积极探索模型容量、推理效率与任务性能之间的最优平衡点。随着这些模型向研究社区和开发者开放，我们有望获得关于如何最佳利用MoE架构的丰富新见解。

尽管发布已有时日，Gemini 2.5 Pro 凭借其升级的推理分析能力持续引发热潮。该功能原本仅限Gemini Advanced订阅用户专享，如今已向大众免费开放。虽为新秀，Gemini 2.5 Pro 已在部分测试中超越ChatGPT 4等对手（但编程和多轮对话领域除外）。令人意外的是，在"人类终极考试"测试中，其未启用网络搜索功能的版本竟超越了OpenAI的深度研究模型，创下惊人成绩。

代表了人工智能领域的革命性飞跃，在性能、开放性和多功能性上树立了新标杆。凭借6850 亿参数和MIT 开源协议，它不仅让前沿 AI 技术更易获取，还在编程、推理和多语言任务中展现了卓越能力。相较于Claude 3.7和等竞品，其更高的性价比使其成为开发者和企业的理想选择。通过满足市场对高效性、可扩展性和开源创新的需求，这一模型不仅巩固了其 AI 领域的领先地位，更为未来的技术突破铺平道路。不仅是一个里程碑——更是重新定义 AI 潜能的催化剂。

使用Claude 3会得到回应，仿佛它是在回答当前信息，但仔细检查后发现它完全过时，只提供了一个一般性的答案。这是唯一一个警告我结果的：“需要注意的是，情况在不断变化，信息可能会迅速变化。谷歌的算法经过训练，能够评估数百万网页的相关性，这也是人工智能系统必须达到的标准。人工智能的答案通常是在没有明确归属的情况下生成的，这使得验证可靠性变得更加困难。它们缺乏谷歌搜索提供的持续更新，这意味着它们可能无法反映最新的新闻或变化的信息。谷歌搜索显示了广泛的网站和视角，而人工智能模型通常提供一个单一的、连贯的答案。

探索如何在Google Cloud Run上部署Gemma 3 (4B)模型，创建生产级API并集成到应用程序中。简化部署流程，优化性能，助力AI应用开发。