X 热议
分类页是滚动库存，每页 24 条。首页只放当天精选。
Meta发布Muse Voice Transcribe：实时精准转写 集成了流式语音识别、声纹分割与端点检测能力，支持在单句内无缝识别中英文夹杂，并能实时区分超过20位说话人。模型通过自回归架构与强化学习实现了动态延迟调节，在流式语音转写与说话人日志基准测试中均排在首位。 在Meta AI应用里可以使用，支持API调用。 在线体验：https://research.meta.ai/blog/introducing-muse-voi
Qwen3 系列对开源社区的贡献远不止微调和自部署 HojoAI 最近开源的 Hojo-ASR-Multi-V1 用 Qwen3-4B 作为解码器底座，展示开源大模型作为下一代语音系统语义大脑的巨大潜力。 很多团队做语音还在死磕传统专用模型，而 Hojo 走的是标准的 Encoder-Adapter-LLM 路线，把开源生态的威力发挥到了极致： 前端复用 Qwen3-Omni 音频侧的声学特征提取能力，配合 Hojo 自研的多帧声
用户 @SPAC89 用同一提示词对比 Muse Spark 1.3 Ultra Contributor 与 Fable 5.1 xHigh，两者各运行约 2 小时，提示词规定独立评委评分低于 9.5/10 就须继续改进重试。
昨天刚买完，Gemini 就出新模型了，3.8 Flash 来了。 想体验的可以去试试。 几块钱，哪怕只能用一个月也是赚了。
大佬把AI coding的焚决交出来了... 顺手带上原文深挖一层，聊聊为什么要这么做： 1️⃣ 为什么核心业务、自动化全盘锁死 Python？ 原文 3：Agent/AI/API/自动化/数据处理默认 Python 原文 4：所有长期沉淀的运维和管理工具默认 Python 首先，大模型的训练语料库里，Python 代码是绝对的大头。你让 Agent 自动化写一段 Python 去处理数据，它的 Zero-shot成功率最高，最
AI 模型用“意念交流” 来自俄罗斯的一帮数学家创办了一家公司，叫 Mostik（中文意思是小桥），他们开发了一种新方法，通过直接对齐和交互模型内部的权重数值，让不同模型无需生成文本就能实现直接通信。 平常如果我们想让两个 AI 一起干活，常规做法是让第一个模型先生成一段文字，再把这段文字发给第二个模型看。这种方式既慢又费算力。Mostik 的思路是直接跳过文字，让模型通过底层的数学参数直接沟通，省去了中间“打字传话”的步骤。 M
Alexandr Wang 转发 @EnactraAI 对 Meta Muse Spark 1.1 → 1.2 → 1.3 的对比：同一建筑、仅凭照片生成 3D 仿真的任务中，几何、结构和视觉保真度显著提升，总成本保持在 $0.60，从 1.1 到 1.3 仅用 55 天。
Muse Spark 1.3 just shattered the Pareto frontier. Same frontier intelligence as Claude Opus 5, for 125x less! $0.2 vs $25 per 1M output tokens Start coding with Muse Spark 1.3 to save $$$: curl -fsSL https://dev.meta.
AI 只会描述意图、算不了硬问题的搜索空间。 HexStellar 把难题接过来算：agent 把模型翻译成 JSON 提交云端，返回带确证标签和收据的答案。 https://github.com/brayonpi/hexstellar
听完这期播客，有个很戳人的洞察。 AI的瓶颈是一层一层转移的。 早些年，问题出在模型本身能力不够； 等模型变强，瓶颈变成算力、硬件、基础设施。 当技术层面的障碍一个个被解决之后才发现，最大的瓶颈最后落到了人类身上。 AI可以高速生成大量方案、输出内容，可人类梳理需求、下达指令、校验结果、做取舍拍板的速度，远远跟不上AI的产出速度。 工具跑得再快，如果使用工具的人跟不上，生产力依旧释放不出来。 很多人总在纠结模型够不够强，但真正的
杜绝 Claudish、Claudese、AI Slop 让 Claude 说人话 参照 Prompting Claude Fable 5.1/writing-density https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5-1
卧槽，Fable 5.1 在 CAD设计上也这么牛逼了吗？？ 做 AI 机械设计的 @adamdotnew 刚刚测试了 Claude Fable 5.1，他们直接称它是目前测试过的最强模型。 不是生成一个看起来像机械臂的 3D 图。 Fable 5.1 直接进入 Autodesk Fusion，通过 Adam 的 Agent harness 操作真实 CAD：围绕原装伺服电机重新设计 SO-101 夹爪，然后读取 Raspber
在我睡觉之前，我觉得还是得记录一下这么疯狂的一夜。 首先是 Gemini 3.8 Flash 发布了。 它用一个非常夸张的低成本，拿到了非常高的 DeepSWE 分数，短暂地拿到了世界第一。 当时我就在想，这个模型太离谱了，似乎 @GeminiApp 回来了。 结果就过了几个小时， @AIatMeta 又发布了新的 Muse Spark 1.3，然后它又把 Gemini 反超了过去。 但我觉得今晚真正有意思的，其实还不是这
Do these 4 steps to stop Fable 5.1 from wiping out your weekly credits: 1. Set /effort to low 2. Run /claude-api cost-optimize to find the biggest wastes 3. Run /claude-api prompt-audit to clear old junk 4. Run /claude-
卧nm：海外两天发了三个模型了，知道你们急，没想到这么急，搞得我测试都来不及～ 现在这些模型都提升好快，是找到诀窍了吗？ 从斩杀线来看（图三）：Muse Spark 1.3 (xhigh) (Meta) 性价比更高 价格（图四）还是gemini-3.8-flash 更便宜些，目前还在打五折
Cowboys’ camp has lacked drama, which has added expectations with the season opening next Sunday night against the Giants. Cc: @msmallmon 🎧 https://open.spotify.com/episode/3qxcpJIGy8iVPzQh1ur1Ml?si=8WRT8JmCQD6oHASeuU
I feel this is a new benchmark to test model. The left one is gemini 3.8 flash and the right one is fable 5.1.
微软又在整合自己的 AI 研究力量。 刚刚，Microsoft Research 旗下的 AI Frontiers 宣布，团队正式加入 Microsoft AI。 这支团队其实相当关键，AI Frontiers 成立于 2023 年 10 月，一开始押注的方向就不是继续把模型做大，而是研究当 Agent 和人真正一起工作时，计算系统应该变成什么样。 过去几年微软不少 Agent 项目都出自这里，包括 AutoGen、Magenti
Alexandr Wang 引用 @notjazii 的对比测试并评价 muse spark 1.3 表现相当不错。同一提示词、最高推理档位下，muse spark 1.3 一分钟完成且费用几乎可忽略，fable 5.1 用了 70 分钟、花费 $13。
Gemini 3.8 Flash 发布：3.7 Flash 的速度和价格，接近前沿大模型的推理与编码能力 六周内第三次发布 Flash 系列模型（距 3.7 Flash 仅三周），迭代节奏明显加快。这次发布的是 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber。 https://blog.google/innovation-and-ai/models-and-research/gemini-model
不说了，我正在铲💩中。不过我发现 Gemini 这个模型蛮有意思的。它又快，而且稍微比其他模型要说人话一点，我现在正在搭一个工作流。先批量生产，然后用 Gemini 进行润色。
Meta 的 Muse Spark 1.3 在 Artificial Analysis Intelligence Index 得 62 分，追平 Claude Fable 5，输入价格低 8 倍、输出价格低近 12 倍。评分还高于 GPT-5.6 Sol、Grok 4.6、Kimi K3 和 Gemini 3.8 Flash，Meta 进入前沿模型第一梯队。
Meta五个月更了四次，这次把性价比打穿了。 Muse Spark 1.3出来了。 公开能用的是xhigh，智力指数61分。 跟GPT-5.6 Sol满配、Grok 4.6高配打平。 前面只剩Claude Fable 5.1和Opus 5。 给合作伙伴内测的max版再高一分，到62。 整个榜上，只排在Claude两家后面。 这已经是五个月里的第四个版本。 7月1.1还只有53分，8月1.2到57，现在直接61、62。 涨得很快。
Fable 5.1 dropped yesterday — and its cache reads are already 4× cheaper. See exactly what that means in Orca → Settings → Stats & Usage: • Which Claude model each feature actually invoked • Input + output tokens per c