OpenAI 称其 80% 至 90% 的研究已瞄准 GPT 7 及更高版本
OpenAI 应用研究负责人 Boris Power 表示，公司 80% 至 90% 的研究资源已经投向 GPT 7、GPT 8 及更远版本，真正有价值的突破来自新一代模型，而非同一代内的版本小升级。这透露出 OpenAI 的资源分配逻辑，也解释了大模型竞争为何正在被拉长到未来两三代产品的周期上。
AI 工具排错、提示词与实用教程
先解决问题，再了解资讯。选择你现在要完成的任务。
查 AI 报错按工具和错误类型查找可执行的排查步骤。找图片提示词搜索并复制 Nano Banana Pro 图片生成提示词。看 AI 工具教程学习模型、API、自动化和图像生成工作流。追踪 AI 资讯查看经过整理的产品、模型与行业更新。
热门排错指南
精选提示词
AI 工具教程
研究人员将 GPT-6 Astra 直接接入机器人，让它打扫一间陌生的厨房
斯坦福和加州理工的研究者做了一个叫 HomeBody 的系统，把 GPT-6 Astra 直接接进 Unitree G1 机器人，让它在陌生厨房里自主探索、整理和取物。这再次验证了前沿大模型可以直接充当机器人的"大脑"，但同时暴露出延迟、散热和算力成本等现实瓶颈。
Nvidia 发布免费 1 亿参数模型，可实时识别最多八位说话人
Nvidia 发布免费开放的 Nemotron 3 Diarization 模型，约 1 亿参数，可实时分辨最多八位说话人，并在 VoiceArena 说话人分离基准上以约 14.7% 的 DER 排到第一。它值得关注，是因为“谁在什么时候说话”这件事，正在从昂贵的云端服务变成开发者可以自己部署的组件。
据报道，一些 Anthropic 老将正在购买偏远土地，以防“AI 出问题
据《华尔街日报》报道，Anthropic 的部分早期核心员工正在美国偏远地区物色土地，作为"AI 失控"时的退路。这折射出头部 AI 实验室内部长期存在的末日风险文化，而不只是一句玩笑。
Flaky MellumModelTest.test_load_balancing_loss — the only copy without @is_flaky
这个报错出现在 Transformers 合并队列（merge queue）运行 MellumModelTest.test_load_balancing_loss 时，断言对 aux_loss 的标量比较失败（Expected 2.0 but got 2.037735939025879），并导致 P
More than ten ellipses between Titles and Page Numbers in Table of Contents will cause ollama ‘cancel task’
当在 Ollama 的 chat 输入里让模型翻译一份目录（Table of Contents / List of Figures），且标题与页码之间存在超过十个连续省略点（ellipses，即“....”）时，输出会在中途断开，server 日志出现 stop: cancel task 。优先排查
Ollama refusing toolcalls, which always worked fine in llama.cpp with qwen.
该问题通常出现在客户端把包含 tool 角色的消息历史（例如 system → user → assistant → tool → assistant 的连续对话）提交给 Ollama 时，Ollama 返回 invalid request 并拒绝 tool 角色，而同一 GGUF 模型在 llam
RuntimeError: D:\a\_work\1\s\onnxruntime\python\onnxruntime_pybind_state.cc:857 onnxruntime::python::CreateExecutionProviderInstance CUDA_PATH is set but CUDA wasnt able to be loaded. Please ins
该报错通常出现在 sd3-flux.1 分支使用 WD14 Tagger（ONNX 后端）生成标注时，原因是该分支的 PyTorch 走 CUDA 12，但依赖里保留的 onnxruntime-gpu 仍按 CUDA 11 编译，导致 CUDA Execution Provider 加载失败。优先排
TE keys missing
这个报错通常出现在 Kohya SS v25 及以上版本默认把 LoRA 训练模式静默设为 UNet-only（不训练 Text Encoder）之后，导致保存的 safetensors 里完全没有 TE keys，表现为 SDXL 角色 LoRA 学不到身份特征、脸部变得通用、细节丢失。优先检查
Huge difference in Lora training quality VS version 24.x
在 Kohya SS 中用同一数据集训练 NoobAIXL（SDXL）LoRA 时，如果新版（v25+）出图提示词遵循度和角色还原度明显不如 24.x，通常不是训练质量整体退化，而是新版把 Text Encoder 学习率默认设为 0，导致实际只训练 UNet、不训练文本编码器 LoRA。优先检查配