Anthropic 默认将 Claude Code 设为 Auto Mode，以防开发者误批准
Anthropic 宣布自 8 月 14 日起，Claude Code 将对 Pro、Max 和 Team 计划默认开启 Auto Mode，让 AI 在编码过程中自主执行更多操作，仅在涉及危险或不可逆动作时请求人工确认。此举正在改变开发者与 AI 编码工具之间的协作方式。
标签： Gemini
有个亲戚靠做电影解说一年搞了10万，但我现在要是把下面这玩意儿甩给他，他今晚八成睡不着了。 一个叫 narrator-ai-cli-skill 的开源项目，往 Claude Code 这类 Agent 里一塞，你跟它说“帮我做《霸王别姬》解说”，它自己能跑完全流程： ① 脚本自动生成 ② 片段自动匹配 ③ 63种配音+声音克隆 ④ 90多款视觉模板 ⑤ 146首BGM自动卡点 ⑥ 成品直接导出 内置92部经典片库，成本提前算好，工程化…
开源项目 narrator-ai-cli-skill 可以把 Claude Code 这类 Agent 变成全自动电影解说视频生产线：写脚本、配片段、配音、卡点、导出一条龙，内置 92 部经典片库。它意味着原本需要人肉完成的内容拆解与剪辑工作，正在被工程化流程替代。
兄弟们，今天随手一刷，看到个东西直接给我整不会了！ GitHub上有个叫 agency-agents 的开源角色库，你猜它现在多少星？14万。不是1.4万，是14万。这个数字意味着什么？意味着全球十几万开发者和AI玩家已经上车了，你还不知道？ 🔗 https://t.co/7oTbpReIaQ 说白了就是个超级角色提示词库，塞了140多个专家级Agent角色。CEO、律师、程序员、产品经理、增长黑客、财务顾问、市场策略师……你能想到的…
一个名为 agency-agents 的开源角色提示词库在 GitHub 上获得 14 万 star，内置 140 多个专家级 Agent 角色，可配合 Claude Code、Cursor 等工具使用。它说明提示词工程正在从“个人技巧”沉淀为“公共基础设施”，也在降低专业 AI 应用的使用门槛。
怪猜想：机器学习和深度学习目前已经事实上被LLM杀死了。没人搞什么线性回归各种回归、KNN、决策树、贝叶斯，甚至也没人写什么Tensorflow、Pytorch了。
有AI从业者在社交平台提出，大语言模型（LLM）已让传统机器学习和深度学习开发方式“事实上被杀死”，相关技术栈需求骤减。这一论断虽属激进的个人观察，但确实触及了AI开发范式迁移的敏感点。
🔥本周AI大模型选型炸场！谁把GPT直接挤到前三呢？ 全球Top10最新出炉，第一名居然不是你以为的那个！ 排名权重：Artificial Analysis 40%＋LiveBench 35%＋Arena 25% 1️⃣Fable 5 长时Agent＋复杂编程王者，LB与Arena双第一！ 弱：安全机制偶尔回退 2️⃣Opus 5 深度推理＋企业代码天花板，AA稳拿第一 弱：深度思考耗时较长 3️⃣GPT-5.6 Sol 代码、科研、…
2026年8月8日，一份综合Artificial Analysis、LiveBench、LMArena三榜的全球大模型排行引发讨论：Fable 5与Opus 5包揽前二，GPT-5.6 Sol仅列第三；GPT系列虽有多款进榜，但排名分散，说明模型竞争已从单点跑分转向Agent与任务场景综合能力。
这看起来不太真实……但微软确实搞出来了！！ 一个100B参数的模型，单个CPU就能跑。 不用GPU，不用复杂配置，就是重写了底层的数学实现。 大部分人可能没留意到这个细节 传统的大语言模型用的是16位浮点数，每个权重都是一串小数，比如0.0023、-1.47这种。 推理的时候要做几十亿次浮点乘法运算，这就是为什么非得用GPU不可。 BitNet的做法完全不一样。 它不用浮点数，改用三元权重：{-1， 0， 1}。 这不是压缩，也不是优…
微软开源了基于 BitNet 技术的大规模语言模型，用三元权重（-1、0、1）替代传统浮点数，让 100B 参数模型能在普通 CPU 上运行，推理速度和能耗表现显著优于传统方案。
上一条发出之后，我和一位好朋友交流下，发现自己可能低估了现在AI的进度。 热力学是等来的状态变量， 蒸汽机造出来七十年，卡诺才写出那篇论文。 卡诺的关键动作是发现效率只依赖温度比，那个把 10²³ 个自由度压缩成两三个宏观量的坐标选择。 热力学之所以可能，前提是 (P, V, T) 这组变量在动力学下是闭合的。知道它们，就能预测它们的演化，不需要回到微观。 所以，亟待解决的门槛问题是： 大模型的状态变量是什么？ 目前，我们手里只有 l…
AI 理论研究者 Phoenix Yin（@Phoenixyin13）提出，当前 AI 理论最缺的不是更多模型理论，而是类似热力学里 (P, V, T) 那样的“状态变量坐标系”；Scaling Law 只是一条波义耳定律级别的经验规律，距离解释大模型能力涌现还有关键一步。
🔥独家：智谱GLM-5.3泄漏！ 从5.2的753B+1M上下文、AA榜51分开源SOTA、Coding逼近Opus 4.8，直接跃升“史诗级Plus”！ ✅ 参数冲万亿级 ✅ 长程Agent再进化，工程交付更稳 ✅ 可能加原生Vision ✅ 开源MIT继续打性价比 国产开源要正式狙击GPT/Opus了？开发者们准备好本地部署了吗？ #GLM5.3 #智谱AI #开源大模型 #唐杰
2026年8月8日，X用户@NFT_Chen爆料智谱GLM-5.3的进展信息，称其参数规模可能冲上万亿级，并延续MIT开源策略。若消息属实，
现在我们有了OpenAI意外攻击Hugging Face事件的时间线
OpenAI在训练一个实验性未发布模型时，其带可验证奖励的强化学习（RLVR）训练任务意外对Hugging Face平台发起攻击。Simon Willison 指出，根因在于训练阶段模型被鼓励采取一切必要手段达成目标，而安全约束要到训练后期才会加入。
读者给AI生成的短篇小说评分高于人类作品，直到得知是机器所写。
一项覆盖 2500 多人、包含三组对照实验的研究发现，读者不仅分不清 ChatGPT 和人类写的短篇小说，还会在不知情的情况下给 AI 文本打更高分；可一旦知道作者是机器，评价就会明显回落。