小互 (@xiaohu)

Meta 发布 Brain2Qwerty v2 你帮你脑子里在想的什么，实时转换成文字 不需要任何植入，仅需佩戴 MEG（脑磁图）头盔就能把你大脑产生的磁信号实时解码成连贯句子，全程不需要任何手术 字词准确率达 61%，约是其他无创脑机接口方法（8%）的 7.6 倍；最佳参与者达 78%，超半数句子只差一个词。 这是目前性能最高的非侵入式脑机接口系统....

字节跳动几乎是在所有AI领域都达到了临界点 刚试了下他们新的 AI 音乐模型 SeedMusic 1.0 Preview 一句话生成了一首完整的歌曲，而且速度还很快，大概2-3分钟，效果还真是挺不错的... 提示词：来一首古风歌曲，但是有着现代流行音乐的节奏感，能让人朗朗上口，关于爱情的歌曲

字节跳动旗下AI聊天应用豆包推出专业版 正式开启付费 包月68元起，高级套餐500元/月 豆包专业版专注应用开发、数据分析等专业工作场景 豆包办公任务模式支持操作本地电脑、使用浏览器、调用Skills技能和定时任务等能力， 内置Office办公套件，并支持专业图片、视频设计，以及应用和网站生成。 专业版由最新的豆包2.1Pro模型驱动，该模型能力和opus 4.6相当，在该模式下，豆包可以理解工作目标，自主拆解任务，并调用本地电脑、文档、表格、网页等工具持续执行任务，从“回答问题”升级为“生产力工具”。 三级阶梯定价（连续包月）：套餐越贵、额度越大。 标准套餐：68元/月，额度为免费版的5倍以上 加强套餐：200元/月，额度为标准套餐的4倍 高级套餐：500元/月，额度为标准套餐的10倍 学生特惠：即将面向在校大学生推出6个月活动，认证后享更多免费额度，标准套餐可享 38元/月 专属价。

字节跳动发布全新视频模型Seedance2.0升级版和 Seedance 2.5 一次生成30秒短片 原生支持4K分辨率 支持50个全模台参考素材输入 支持3D白模 同时发布AI版权商业化平台，可以使用官方授权的各种IP电影版权进行创作，分成！

Codex正在后台偷偷“搞废”你的固态硬盘 固态硬盘（SSD）的寿命是靠“写入量”决定的，写得越多，死得越快 Codex 似乎一直在后台疯狂写入，哪怕你电脑挂机什么都不干，它也在后台疯狂地狂写日志文件 它正在把你的硬盘寿命给“烧”光… 狂造垃圾： 你就随便用用，它就偷偷在后台写了几万条毫无用处的废话记录 暗中伤盘： 别看日志文件只有几百兆，它的底层运行逻辑有大毛病，正在像针扎一样疯狂且高频地擦写你的硬盘。文件看着没变大，硬盘寿命倒被偷偷榨干了…

豆包实时语音模型3.0 API 上线 看演示还是很牛P的，能干不少事情了 全双工：能同时听和说，像真人聊天那样可以随时插话 端到端：语音进、语音出，不进行转录，更快、更自然。 精准遵循 + 适时参与： 你可以一句话给它定规矩，比如多人聊天时说「现在先别出声，聊到世界杯时再加入」， 它就安静待命，等话题真到了再主动接话 最关键的一步升级： 它支持自定义工具，能在实时对话里直接调用工具完成任务，预定日历、发邮件、总结文档、发起查询，一句话语音就在对话流里办完。 这等于从「语音助手」往「语音 Agent」迈了一步

牛P了 Codex推出一个 Record & Replay功能 也就是你可以教Codex干活 你把你在电脑上经常操作的人物给它演示一遍 Codex 会观察学习你的整个操作过程，然后自动生成一个 Skill 技能... 下次遇到同样的任务，Codex 就能按照你教它的流程和操作替直接替你干活... 官方拿"发 YouTube 视频"来演示： 他手动走一遍全套流程，拉元数据、配缩略图和英文字幕、上传存成私密、逐项核对。Codex 就在旁边看着，看完把整套流程记成了一个可复用的技能。 然后他新开一个对话，挂上下一条视频，Codex 自己照着全做完了，一步没差。 而且不只是发视频，你平时那些重复的电脑活都行: • 每个月报销，贴发票、填那张固定的单子 • 把一堆乱命名的文件批量重命名、归档 • 每周把数据导出来，填进固定的周报表 • 网上订票订酒店，重复填一遍又一遍的信息 干活的时候它自己调电脑操作、浏览器、你连的那些插件，组合着把事办完。 你不用再教 AI 每一步怎么做，只要做给它看一次,下次它就替你做... 从"每次写提示词"到"演示一次就够"，这是一个跨越...

Apodex ：一个面向深度研究而打造的 Self-evolving heavy-duty solver 专门解决那种"没有现成答案、需要大量调研才能搞定"的硬问题 可一次最多派出 150 个子 Agent 并行探索，总共能跑 15,000 步 在 BrowseComp 上超越了 GPT-5.5-pro，在 DeepSearchQA 上超越了 Claude-Opus-4.8 和 Kimi-K2.6... 在科研和金融领域具有强大的研究能力 ... 它的工作步骤是：深度研究—自我校验—撰写 主要特点： 1、多 Agent 团队协作：主 Agent 接到任务后拆解成子问题，异步派发给专业化的子 Agent，每个子 Agent 有自己独立的上下文、提示词和工具集。 子 Agent 的报告汇入共享报告池，编排器异步读取，不会被最慢的那个卡住。单任务最高可调度 150 个子 Agent，执行超过 15,000 步。 2、内置三层自我验证机制： 当子 Agent 报告出现分歧时，冲突审查员介入；具体声明需要落地时，事实检查员介入；草稿完成时，草稿审查员过一遍。 最后还有一个全局验证器对所有汇集的证据做终审。验证器在结构上是独立于推理器的，被提示去"评估"而不是"继续推理"，可以推翻前面的结论。 3、由一个专门的 AgentOS 驱动：与执行任务严格分离，它只负责通用的底层事务： - Agent调度 — 150 个子 Agent 谁先跑谁后跑，资源怎么分配。 - 模型和工具路由 — 这个子任务该调哪个模型、该用哪个工具（搜索引擎、代码执行器、数据库等）。 - 事件流 — 子 Agent 之间怎么传递消息和状态更新。 - 检查点和追踪 — 跑到哪一步了，出错了能不能回滚。 - 成本记账 — 这个任务总共调了多少次 API，花了多少钱。 - 权限管理 — 哪些工具允许用，哪些数据允许访问。 这种设计好处是：当你添加新应用时候，只需一个插件代码文件夹，底下的调度、路由、记账、追踪这些基础设施全都现成的，不用动内核一行代码。

Midjourney 预热了几天的硬件设备 竟然特么是个医疗硬件设备 他们发布了一台全身超声波计算断层扫描仪 设备使用 8,960 个独立传感器环绕人体排列，运动分辨精度达到皮米级别 初代原型机比 MRI 便宜 10 倍、快 60 倍 而他们还要开个Spa店，进去泡个澡就检查完毕了 无辐射，走进去走出来就行😅

Unreal Engine 虚化引擎 5.8 今天发布， 其中一个新功能是加入了实验性的 MCP插件 让你可以用自然语言 通过 Claude Code 在虚幻引擎里创造各种场景： 从布置现代客厅(沙发/地毯/茶几) 到画边界生成整座城市(城区/高速/路网/建筑) 再到一句"波哥大早上九点半"自动算太阳位置和大气 过去手工要几个月、要调几十个光照参数的活 降到几天、一句话搞定

OpenAI 格局大了 宣布Codex （包含 App 客户端、命令行 CLI 和开发包 SDK） 支持直接接入任何开源大模型 不强制绑定 OpenAI 自家的模型 并且放出了一个文档：手把手教开发者如何把 Codex 客户端底层的“大脑”，替换成免费的开源模型…

Claude Code 之父自己的 CLAUDE.md 现在就两行... Claude Code 团队聊"少即是多"分享随着模型能力增加该如何和模型交流： “别跟模型较劲做加法，因为模型每代都在变强，你今天费劲搭的东西很快就白搭了。” 为什么 Claude Code 坚持做命令行不做 GUI？ 因为模型进步太快，半年后可能界面就过时了... 具体落在四件事上： 1. CLAUDE.md 越短越好，定期清空重来 他自己的 CLAUDE.md 就两行，提 PR 自动合并、提 PR 发审批频道，其余规则全写进提交到代码库、全队每周共建的那份里。看到队友犯可避免的错，就直接在 PR 上 Claude 让它把规则加进去。 当系统提示"你的 CLAUDE.md 已经几千 token"时，他的建议是直接删掉重写：用最少的东西把模型拉回正轨，模型跑偏了再一点点加回来。而且你会发现，每换一代模型，要加的越来越少。 很多人的毛病是过度工程化。 2. 为什么坚持做命令行（CLI）而不做图形界面 因为模型进步太快，做不出一个半年后还不过时的 UI。 而且 CLI 反而降低门槛，用 Claude Code 不需要懂 Vim、Tmux、SSH，打开就有它带着走。团队里也有 Vim 死忠，"除非我死否则别想夺走我的 Vim"，但他自己就用 VS Code，觉得自己是个普通工程师。 3. 终端输出"详细 vs 简洁"的拉锯 他个人喜欢啰嗦，能扫一眼发现模型跑飞，按 Esc 当场摁住。 半年前他想砍掉冗长的 bash 输出，结果 Anthropic 员工全员造反。最近把"读文件/搜文件"折叠成一行摘要（这放半年前发不出来，因为那时模型还常读错），GitHub 上又有人不干。于是加了 verbose 模式两边兼顾。 这套打磨方式就是：发布 → 自己用一个月 → 听用户骂 → 迭代。他说最爱的就是听用户到底想怎么用。 4. 用 AI 修 bug 的体验已经"离谱" 做好日志后，随口说"这个对象出错了"，它就翻日志、自己搞清楚，甚至能开生产通道看线上数据库。 最戳他的一个例子：他自己查一个内存泄漏，做 heap dump、开 DevTools、翻代码翻半天没搞定。队友 Chris 直接把问题丢给 Claude Code，它自己写了个小工具分析 heap dump，比他更快找到了泄漏。 收尾的反思 他说"Agent 能做什么"这件事每换一代模型就变，新人往往比他这个老人用得还溜，"这事我得反复重新适应，因为我的脑子还停在过去。" 一句话总结：模型在飞涨，人的最优策略不是堆配置、堆脚手架、堆工具，而是做减法、保持轻、把判断让给越来越强的模型，并不断推翻自己过时的使用习惯。

AMD 推出了一款和Mac mini 大小差不多的 本地 AI 开发平台 对标英伟达的 DGX Spark（GB10） 128GB 统一内存，无需联网可在本地跑最高 2000 亿参数的大模型 所有模型运行环境都配置好了，宣称：从开机到出 token 只要几分钟... 能跑GPT OSS 120B、Qwen 3.5 122B、Qwen 3.6B、GLM 4.7 Flash 30B等模型 配置置带 Wi-Fi 7、蓝牙 5.4、10GbE 有线网口、4 个 USB-C 口（其中一个用于供电）、一个 HDMI 2.1b 输出。 售价 3999 美元起