深入了解 Claude 的数学能力
Anthropic 一个未发布的研究版 Claude 在尝试证明黎曼假设时失败，却意外将黎曼 zeta 函数满足该假设的零点占比下界从 41.6% 提升到 67.2%，并给出了形式化可验证的证明。这是 AI 在开放数学问题上首次做出可验证的实质性贡献。
分类： AI 资讯
Transformer统治AI 7年，初创公司已开始颠覆它！效率、成本、推理成新战场，下一代LLM架构呼之欲出 https://t.co/LGN3y3Rqrz #大语言模型 #AI架构 #Transformer
Transformer 架构主导大语言模型已有七年，一批初创公司正尝试用更高效的替代架构挑战其统治地位，焦点集中在训练效率、推理成本和长文本处理能力上。这场架构层面的竞争，可能比模型参数竞赛更值得关注。
刚刚，Meta开源了一个30B本地端侧Agent模型：Muse Glimmer，能看屏幕、调工具、失败了会自己重试 从Muse Spark专门针对Agent能力蒸馏出来的，在单张消费级GPU（Mac/ PC）上能跑，无需联网 与同尺寸级的Gemma4-31B、Qwen3.6-27B对比，在智能体、编程、多模态、安全和推理等多个基准上表现强劲 多模态输入（文本+图像），能理解屏幕截图、图表、文档，支持OpenClaw等、100+语言 支…
Meta 开源了一个面向本地端侧 Agent 场景的 30B 参数模型 Muse Glimmer，能在单张消费级 GPU 上离线运行，并宣称在智能体、编程、多模态等多个维度上对标甚至超过同尺寸竞品。这是开源社区在"本地化 Agent 推理"方向上的又一次重量级补给。
很多人觉得学AI很难。 其实不然。 我找了14个免费指南， 省得你自己去搜： 1. OpenAI Academy – https://t.co/Twuvb5HoQ5 ChatGPT和OpenAI的官方学院。 2. Coursera – https://t.co/tVAPDjXh8V 跟Andrew Ng学机器学习。 3. Learn Prompting – https://t.co/E2Y5aqUCSx 提示词工程的分步指南。 4.…
推特博主 @NextBullReady 整理了一份包含14个免费AI学习资源的清单，覆盖官方课程、提示词工程、视频生成、AI绘画、论文写作等方向，为初学者和有进阶需求的创作者提供了一条低成本入门路径。
图灵奖得主 Pearl 说：大模型离 AGI，差的是因果。 他认为 LLM 生成「看似因果」的回答，多来自训练数据里的人类知识，而非真理解因果；主张把语言模型与因果模型结合，支持干预推理和反事实。 这话戳中 scaling 路线的天花板——模型能背因果结论，但不会「如果…会怎样」的推演。要往 agent/决策走，因果建模不是可选项，只是「结合」怎么做还没跑通。
图灵奖得主 Judea Pearl 公开表示，大模型离 AGI 的关键差距在于因果推理——模型能复述训练数据里的因果结论，却无法真正进行「如果…会怎样」的反事实推演，这一判断直指当前 scaling 路线的能力天花板。
Meta 发布的 30B 开源模型 Muse Glimmer 打响了端侧 Agent 的第一枪！🔥 由 Unsloth AI 推出的 2-bit GGUF 量化版本，仅需 14GB RAM 即可流畅运行（轻薄本如 MacBook Air 也无压力）： ✅ 支持 Vision 多模态 + 顶级 Agent 能力 ✅ 连续 5 分钟无间断自动代码 Bug 排查 ✅ 独立完成 100+ 次工具调用、漏洞复现、代码修复、编写测试及 PR 文档…
Meta 开源的 30B 参数多模态模型 Muse Glimmer，被 Unsloth AI 压缩到 2-bit GGUF 量化版本后，只需 14GB 内存就能在轻薄本上运行，并完成了连续 5 分钟、100+ 次工具调用的自主代码排错任务，这意味着端侧 Agent 的门槛正在被拉低。
算力受限，但 Infra 效率还有很大的提升空间 ARR 迅猛增长受益于编程场景需求的快速攀升和前沿模型的强大引力。作为对比，智谱 2026 年 2 月初 GLM-5 模型发布前 ARR 约为 1 亿美元左右，根据《晚点 LatePost》了解，GLM-5 发布后智谱 ARR 在短期内即实现翻倍。根据 Artificial Analysis 的评测，GLM-5 发布时位居全球第四，仅次于 Claude 当时最先进的两款模型以及 Ope…
智谱借 GLM-5 系列实现 ARR 短期翻倍，并加速补齐 Infra（基础设施）效率短板；在大模型能力趋同后，推理效率正成为决定下一轮 AI 公司商业竞争力的关键战场。
【AI代币暴跌背后的价值重构与产业链利好】 1、DeepSeek等开源模型训练成本比OpenAI o1便宜约30倍，开源模型性能追赶仅滞后数月；尽管目前企业Token使用占比仅约5%，但高消耗量用户已全面拥抱开源。 2、AI产业链利润分配严重分化：基础模型层因高额研发处于运营亏损，云服务商利润微薄；而利润高度集中于底层硬件，芯片设计、代工及高带宽内存（HBM）占据最大利润池。 3、LLM使用成本已从2021年的每百万Token约60美…
AI代币暴跌并非单纯的市场情绪，而是AI产业链价值重心的真实投射——训练成本和Token价格持续走低，叠加开源模型性能追赶，资金正从“模型叙事”流向“芯片与算力硬件”。这一结构性变化将直接影响开发者的模型选型和企业的算力采购策略。
当耳机变成AI，Bose会怎样？
Bose CEO Lila Snyder 在 The Verge 的 Decoder 播客中透露，Bose 正从「只做自有品牌硬件」转向「向其他公司授权音频技术」的 B2B 模式，以应对耳机可能被 AI 可穿戴设备重新定义的转折点。
Meta 的新 Glimmer AI 模型，让人窥见扎克伯格的个人智能愿景。
Meta 发布了一款名为 Muse Glimmer 的 300 亿参数开源权重模型，专为在消费级电脑上本地运行 AI 代理设计。这是扎克伯格“个人超级智能”愿景首次落到具体产品层面，也让外界看清 Meta 在开源与闭源之间的分界线。