先解决问题，再了解资讯。选择你现在要完成的任务。
Guillermo Rauch 披露 fx.sh 已支持用不同模型和不同推理强度编排子代理，例如让 Fable 负责规划、Grok 负责执行。这意味着多模型分工不再依赖服务端复杂路由，而是由模型自己承担调度。
Madhu Guru 在 X 上评论 Dario Amodei 关于"AI 行业应当放缓前沿模型推进"的新文章，认为围绕这篇文章的许多反应缺乏善意，并指出在解决 AI 对齐之前，人类自身先在机会、风险、衡量方式和协调机制上达成对齐更重要。
The Game Awards 放出消息称《星际争霸》将在 2030 年以开放世界射击游戏形式回归，引发玩家和开发者不满。争议不只是“等太久”，更在于类型被换掉，以及 AI 生成内容能否加快这类大作的开发。
产品人 Peter Yang 在 X 上吐槽，2030 年才回归的《星际争霸》新作可能比 ASI（超级人工智能）来得还晚，于是建议暴雪干脆用 AI 生成一半美术资源、人工把关，好让高质量游戏早点面世。
风险投资人 Matt Turck 在 X 上用一句讽刺，把 Anthropic CEO Dario Amodei 的“拯救人类”叙事和围绕它的 AI 内容产业一起推上了台面：如果 AI 真的被证明是安全的，最先失去生意的可能不是模型公司，而是靠“震撼体”推文和AI播客吃饭的人。
Cognition 发布编程模型 SWE-2，它基于 Kimi K3 做后训练，在 FrontierCode 基准上追平 Fable 5.1，但推理成本低约 64%。这说明在编程这一高价值场景里，靠后训练把开源基座调成“专用高手”，已经能对闭源顶尖模型形成价格压力。
MarkTechPost Research 发布了一份基于 NVIDIA cuML 与 RAPIDS 的机器学习工作流实践，覆盖 GPU 基准测试、模型可解释性、聚类和模型推理四个环节。它值得关注的地方在于，这条路线试图把原本依赖 CPU 和 scikit-learn 的数据科学流程整体搬到 GPU 上。
MarkTechPost 梳理了让 AI Agent 在长周期任务中不"跑偏"的四类上下文工程手段——预算控制、上下文压缩、todo-state 与记忆机制，用来对抗上下文溢出和目标丢失这两个老问题。
该报错通常出现在 llama.cpp 的 llama-server 上，使用多槽位并发（ -np 3 ）并同时开启 --ctx-checkpoints 与 --cache-ram 时，随着运行时间增长主机内存被 checkpoint 缓存逐步吃满而触发 OOM。优先排查并调低或移除这两个缓存相关参数
这个报错通常出现在 Dify 自托管 Web App（Chatflow 分享链接）场景：浏览器 localStorage 中缓存的 conversation_id 已在服务端失效，前端仍反复请求 /api/messages ，于是陷入 Infinite 404 "Conversation Not E