即刻App年轻人的同好社区
下载
置顶“我喜欢看到欣欣向荣的世界”
国内已经有很多创业者社群了，但 builder的社群比较少
有时候，不考虑盈利，纯粹做一个喜欢的事情也是挺不错的
————Hackathon Weekly 北京01场纪念
国内已经有很多创业者社群了，但 builder的社群比较少
有时候，不考虑盈利，纯粹做一个喜欢的事情也是挺不错的
————Hackathon Weekly 北京01场纪念
114 138
早上看到 Tibo 给大家解锁了Codex的1M上下文！
但是改参数好麻烦，于是让Lobe Agent自己做了个一键配置的skill
你只需要输入npx --yes github:MaxForAI/codex-1M
然后就默认开启了1M上下文啦✌️
大家快一键配置一下给自己的Codex解锁1M上下文吧！
PS：实测Codex里只能开启到82W左右的上下文，因为还有一些Codex预留的长度。
GitHub：github.com
欢迎star和提建议哦～
但是改参数好麻烦，于是让Lobe Agent自己做了个一键配置的skill
你只需要输入npx --yes github:MaxForAI/codex-1M
然后就默认开启了1M上下文啦✌️
大家快一键配置一下给自己的Codex解锁1M上下文吧！
PS：实测Codex里只能开启到82W左右的上下文，因为还有一些Codex预留的长度。
GitHub：github.com
欢迎star和提建议哦～
3 00
神了，居然能看到海外权威研究机构在讨论小红书的模型？？
8 月 14 日，小红书 dots 模型实验室开源 dots3-note preview。
模型总参数 280B，每个 token 激活约 16B 参数，支持 512K 上下文，并具备文本、视觉和语音等多模态理解能力。
开源后短短几天，SemiAnalysis、vLLM、SGLang、ARC Prize 等海外 AI 社区和机构陆续开始讨论这一模型。
其中 SemiAnalysis 的测试最受讨论。
SemiAnalysis 直接以「dots3-note beats American open weight models」为题进行了比较。
原因是在 Terminal-Bench 2.1 上：
dots3-note拿到了75.1分，而其他的美国开源模型都只拿到了70分左右🫡
更值得关注的是，dots3-note 本身并不是一个单纯针对 Coding benchmark 优化的模型。
它背后的研究问题是一个目前仍然没有得到充分解决的方向：
Long-horizon Agent
也就是能够在真实世界中持续数小时、数天甚至数月执行任务的智能体。
比如现实世界中的旅行规划、装修、长期研究等任务，往往持续数天甚至数月，同时存在意图逐步披露、环境动态变化、超长 trajectory、稀疏 reward 和 credit assignment 等问题。
为此，dots 团队引入 self-critique，让模型在任务过程中持续评价自身状态；同时提出 TEMPO，探索长程强化学习中更有效的训练方式。
团队还构建了 VibeSearchBench 和 VibeLifeBench，专门评估多轮需求理解和动态环境下的长期任务。
值得一提的是在VibeLifeBench目前的结果中，即使最强的一批模型，在这些真实生活长程任务上的绝对得分依然很低。
这可能也是为什么 dots3-note 最近会引起海外 Agent 社区的兴趣。
而且 note 目前还只是 dots3 系列中最轻量的版本。
按照小红书公布的规划，完整 dots3 系列还包括 jazz 和 aria。
真正值得观察的，是这套针对真实世界长程 Agent 的技术路线最终能走到什么程度。
目前dots3-note preview已经在官网免费提供
在hugging face、GitHub也已开源
8 月 14 日，小红书 dots 模型实验室开源 dots3-note preview。
模型总参数 280B，每个 token 激活约 16B 参数，支持 512K 上下文，并具备文本、视觉和语音等多模态理解能力。
开源后短短几天，SemiAnalysis、vLLM、SGLang、ARC Prize 等海外 AI 社区和机构陆续开始讨论这一模型。
其中 SemiAnalysis 的测试最受讨论。
SemiAnalysis 直接以「dots3-note beats American open weight models」为题进行了比较。
原因是在 Terminal-Bench 2.1 上：
dots3-note拿到了75.1分，而其他的美国开源模型都只拿到了70分左右🫡
更值得关注的是，dots3-note 本身并不是一个单纯针对 Coding benchmark 优化的模型。
它背后的研究问题是一个目前仍然没有得到充分解决的方向：
Long-horizon Agent
也就是能够在真实世界中持续数小时、数天甚至数月执行任务的智能体。
比如现实世界中的旅行规划、装修、长期研究等任务，往往持续数天甚至数月，同时存在意图逐步披露、环境动态变化、超长 trajectory、稀疏 reward 和 credit assignment 等问题。
为此，dots 团队引入 self-critique，让模型在任务过程中持续评价自身状态；同时提出 TEMPO，探索长程强化学习中更有效的训练方式。
团队还构建了 VibeSearchBench 和 VibeLifeBench，专门评估多轮需求理解和动态环境下的长期任务。
值得一提的是在VibeLifeBench目前的结果中，即使最强的一批模型，在这些真实生活长程任务上的绝对得分依然很低。
这可能也是为什么 dots3-note 最近会引起海外 Agent 社区的兴趣。
而且 note 目前还只是 dots3 系列中最轻量的版本。
按照小红书公布的规划，完整 dots3 系列还包括 jazz 和 aria。
真正值得观察的，是这套针对真实世界长程 Agent 的技术路线最终能走到什么程度。
目前dots3-note preview已经在官网免费提供
在hugging face、GitHub也已开源
4 10
DeepSeek Harness来了！
就在刚刚， Deepseek发布了首款 Agent 产品：DeepSeek Harness（DSH）。
这是 DeepSeek 首次将产品能力从模型层进一步延伸到 Agent 执行层。
此前，DeepSeek 已在 V4 Flash 正式版更新日志中披露，官方 Benchmark 使用即将发布的 DeepSeek Harness 极简模式进行测试。如今，DeepSeek Harness 正式推出，其定位并非单纯的 Coding Agent，而是一套可配置、可重组的 Agent 运行环境。
从功能上看，DeepSeek Harness 支持项目管理、长任务执行、多 Agent 编排、上下文管理、联网搜索、Skill、第三方模型接入等能力。
其中较核心的设计包括：
Agent Preset：通过不同预设组合系统提示词、工具、Skill、上下文压缩和子 Agent 能力；
插件系统：模型、工具、策略、存储、上下文乃至 UI 均可通过插件扩展或替换；
完整事件记录：系统会保存 Agent 执行过程中的模型请求、工具调用、系统提示词及上下文变化，便于回放和重建；
多模型支持：可接入 OpenAI、Anthropic、Google、Kimi 等近 40 家模型提供方。
DeepSeek 将其插件架构概括为：Everything is a plugin。
据内测项目情况，参与测试的开发者在数天内已经开发出约 300 个插件，其中包括界面修改、长期记忆、会话管理以及 Agent 自我整理等功能。
这也意味着，DeepSeek Harness 与 Codex 等一体化 Agent 产品的思路存在明显差异。
Codex 更强调直接交付一个完整 Agent 产品，而 DeepSeek Harness 更接近一套 Agent Runtime：开发者可以自行决定模型、工具、提示词、上下文策略、工作流和界面如何组合。
值得关注的是，DeepSeek 此前已经开始将 Harness 纳入模型评测体系。
这说明对于 DeepSeek 而言，Agent 的实际能力不再只由底层模型决定，工具、提示词、上下文组织和执行策略，也正在成为模型最终表现的一部分。
从开源模型到 Agent 执行层，DeepSeek 正在把竞争边界进一步向模型之外扩展。
就在刚刚， Deepseek发布了首款 Agent 产品：DeepSeek Harness（DSH）。
这是 DeepSeek 首次将产品能力从模型层进一步延伸到 Agent 执行层。
此前，DeepSeek 已在 V4 Flash 正式版更新日志中披露，官方 Benchmark 使用即将发布的 DeepSeek Harness 极简模式进行测试。如今，DeepSeek Harness 正式推出，其定位并非单纯的 Coding Agent，而是一套可配置、可重组的 Agent 运行环境。
从功能上看，DeepSeek Harness 支持项目管理、长任务执行、多 Agent 编排、上下文管理、联网搜索、Skill、第三方模型接入等能力。
其中较核心的设计包括：
Agent Preset：通过不同预设组合系统提示词、工具、Skill、上下文压缩和子 Agent 能力；
插件系统：模型、工具、策略、存储、上下文乃至 UI 均可通过插件扩展或替换；
完整事件记录：系统会保存 Agent 执行过程中的模型请求、工具调用、系统提示词及上下文变化，便于回放和重建；
多模型支持：可接入 OpenAI、Anthropic、Google、Kimi 等近 40 家模型提供方。
DeepSeek 将其插件架构概括为：Everything is a plugin。
据内测项目情况，参与测试的开发者在数天内已经开发出约 300 个插件，其中包括界面修改、长期记忆、会话管理以及 Agent 自我整理等功能。
这也意味着，DeepSeek Harness 与 Codex 等一体化 Agent 产品的思路存在明显差异。
Codex 更强调直接交付一个完整 Agent 产品，而 DeepSeek Harness 更接近一套 Agent Runtime：开发者可以自行决定模型、工具、提示词、上下文策略、工作流和界面如何组合。
值得关注的是，DeepSeek 此前已经开始将 Harness 纳入模型评测体系。
这说明对于 DeepSeek 而言，Agent 的实际能力不再只由底层模型决定，工具、提示词、上下文组织和执行策略，也正在成为模型最终表现的一部分。
从开源模型到 Agent 执行层，DeepSeek 正在把竞争边界进一步向模型之外扩展。
8 10
DeepSeek V4 Pro 正式版来了！
十分钟前， DeepSeek官网更新了DeepSeek V4 Pro正式版的信息！
新的模型叫DeepSeek-V4-Pro-0813🔥
价格还未发生变化
V4 Pro 0813 相比此前 Preview 基本是一次全面跃升，已经全面接近/超越Fable 5
Terminal Bench 2.1：72.1 → 87.9，超过 Opus 4.8 的 85.0，距离 Fable 5 的 88.0 只差 0.1。
Cybergym：52.7 → 83.3，超过 Opus 4.8 的 78.3，也略高于 Fable 5 的 83.1。
DeepSWE：12.8 → 62.7，超过 Opus 4.8 的 58.0。
AutomationBench：12.8 → 31.8，超过 Opus 4.8 的 27.2 和 Fable 5 的 29.1。
Agents' Last Exam：16.5 → 25.7，追平 Opus 4.8。
尤其夸张的是 DeepSWE，Preview 还只有 12.8，0813 已经干到 62.7。
DeepSeek 这次升级的重点是Agent。
目前已经可以通过 API 访问了
十分钟前， DeepSeek官网更新了DeepSeek V4 Pro正式版的信息！
新的模型叫DeepSeek-V4-Pro-0813🔥
价格还未发生变化
V4 Pro 0813 相比此前 Preview 基本是一次全面跃升，已经全面接近/超越Fable 5
Terminal Bench 2.1：72.1 → 87.9，超过 Opus 4.8 的 85.0，距离 Fable 5 的 88.0 只差 0.1。
Cybergym：52.7 → 83.3，超过 Opus 4.8 的 78.3，也略高于 Fable 5 的 83.1。
DeepSWE：12.8 → 62.7，超过 Opus 4.8 的 58.0。
AutomationBench：12.8 → 31.8，超过 Opus 4.8 的 27.2 和 Fable 5 的 29.1。
Agents' Last Exam：16.5 → 25.7，追平 Opus 4.8。
尤其夸张的是 DeepSWE，Preview 还只有 12.8，0813 已经干到 62.7。
DeepSeek 这次升级的重点是Agent。
目前已经可以通过 API 访问了
6 00
突发！OpenAI宣布GPT-5.6大降价！！
OpenAI刚刚宣布，他们决定即刻起对GPT-5.6系列模型进行降价！
GPT-5.6 Luna降价80%，输入价格降至每百万Token 0.20美元，输出1.20美元。
GPT-5.6 Terra降价20%，输入价格降至2美元，输出12美元。
GPT-5.6 Sol标准价格不变，但API新增Fast mode：智能水平不变，速度最高达到标准模式的2.5倍，价格为2倍。
OpenAI还将ChatGPT和Codex CLI中的Auto-review模型从GPT-5.4升级到GPT-5.6 Luna。
结合新价格，OpenAI预计自动审阅的成本将下降约10倍。
这次更新真正值得注意的地方，是降价的原因：
GPT-5.6Sol自己优化了自己的推理，导致成本和骤降。
此前，OpenAI让GPT-5.6 Sol进入Codex，分析真实生产流量、优化负载均衡，并自主重写生产环境中的GPU内核，最终让端到端推理成本下降20%。
随后，Sol又为自己的推测解码模型设计并运行了数百次实验，使Token生成效率提高15%以上。
模型训练层面的递归自我改进还没有出现，但模型优化自身运行基础设施、再将收益转化为价格优势的商业闭环，已经跑起来了。
接下来的AI价格战，可能会由模型亲自下场打。
降完价后GPT5.6-Luna的性价比要比DeepSeek V4 Pro预览版要好了
@deepseek_ai梁叔叔你倒是发力啊😭
OpenAI刚刚宣布，他们决定即刻起对GPT-5.6系列模型进行降价！
GPT-5.6 Luna降价80%，输入价格降至每百万Token 0.20美元，输出1.20美元。
GPT-5.6 Terra降价20%，输入价格降至2美元，输出12美元。
GPT-5.6 Sol标准价格不变，但API新增Fast mode：智能水平不变，速度最高达到标准模式的2.5倍，价格为2倍。
OpenAI还将ChatGPT和Codex CLI中的Auto-review模型从GPT-5.4升级到GPT-5.6 Luna。
结合新价格，OpenAI预计自动审阅的成本将下降约10倍。
这次更新真正值得注意的地方，是降价的原因：
GPT-5.6Sol自己优化了自己的推理，导致成本和骤降。
此前，OpenAI让GPT-5.6 Sol进入Codex，分析真实生产流量、优化负载均衡，并自主重写生产环境中的GPU内核，最终让端到端推理成本下降20%。
随后，Sol又为自己的推测解码模型设计并运行了数百次实验，使Token生成效率提高15%以上。
模型训练层面的递归自我改进还没有出现，但模型优化自身运行基础设施、再将收益转化为价格优势的商业闭环，已经跑起来了。
接下来的AI价格战，可能会由模型亲自下场打。
降完价后GPT5.6-Luna的性价比要比DeepSeek V4 Pro预览版要好了
@deepseek_ai梁叔叔你倒是发力啊😭
12 32
卧槽，美股半导体被中国光刻机砸盘了。。
据The Information报道，中国一家国资背景企业已经开始小批量生产国产浸没式DUV光刻机。
今年预计生产约5台，2027年增加到20台，计划交付给中芯国际、华虹和长鑫存储。
机器目前在性能、可靠性和制造质量上仍然落后于ASML，距离真正成熟还有很长一段路。
只看这几个数字，市场似乎确实反应过度了。
5台机器，性能还不如ASML，怎么可能威胁一家垄断全球高端光刻机市场几十年的公司？
但资本市场交易的是未来。
实验室里造出一台样机，只能证明技术路线勉强可行。
真正送进中芯、华虹和长鑫的生产线，经过精度、稳定性、良率和设备兼容性的长期验证，再根据客户反馈不断修改，才意味着国产光刻机开始建立完整的产业迭代闭环。
第一批机器可能很差，产量也少得可怜。
但只要能够在晶圆厂里跑起来，后面就会产生真实数据、客户反馈、供应链订单和工程师经验。
下一代机器的研发，也终于不用继续对着实验室参数闭门造车。
更关键的是，西方每收紧一次出口限制，都在替国产设备创造一个必须被使用、必须被改进的市场。
ASML短期内依然没有真正的对手。
中国国产EUV目前也还停留在原型阶段，浸没式DUV今年预计只有约5台产量。
但ASML在中国市场的垄断，已经出现了一条可以持续扩大的裂缝。
所以今天半导体跌的，并不是这5台机器对应的订单。
它跌的是一条过去只存在于新闻和PPT里的国产替代路线，第一次真正开始进入晶圆厂。
一台性能更差的机器不足以威胁ASML。
一条能够持续获得订单、数据和客户反馈的国产供应链，足以让市场重新定价。
据The Information报道，中国一家国资背景企业已经开始小批量生产国产浸没式DUV光刻机。
今年预计生产约5台，2027年增加到20台，计划交付给中芯国际、华虹和长鑫存储。
机器目前在性能、可靠性和制造质量上仍然落后于ASML，距离真正成熟还有很长一段路。
只看这几个数字，市场似乎确实反应过度了。
5台机器，性能还不如ASML，怎么可能威胁一家垄断全球高端光刻机市场几十年的公司？
但资本市场交易的是未来。
实验室里造出一台样机，只能证明技术路线勉强可行。
真正送进中芯、华虹和长鑫的生产线，经过精度、稳定性、良率和设备兼容性的长期验证，再根据客户反馈不断修改，才意味着国产光刻机开始建立完整的产业迭代闭环。
第一批机器可能很差，产量也少得可怜。
但只要能够在晶圆厂里跑起来，后面就会产生真实数据、客户反馈、供应链订单和工程师经验。
下一代机器的研发，也终于不用继续对着实验室参数闭门造车。
更关键的是，西方每收紧一次出口限制，都在替国产设备创造一个必须被使用、必须被改进的市场。
ASML短期内依然没有真正的对手。
中国国产EUV目前也还停留在原型阶段，浸没式DUV今年预计只有约5台产量。
但ASML在中国市场的垄断，已经出现了一条可以持续扩大的裂缝。
所以今天半导体跌的，并不是这5台机器对应的订单。
它跌的是一条过去只存在于新闻和PPT里的国产替代路线，第一次真正开始进入晶圆厂。
一台性能更差的机器不足以威胁ASML。
一条能够持续获得订单、数据和客户反馈的国产供应链，足以让市场重新定价。
17 117