🚀 AI Builder｜连续创业，折腾不止 ⚡ AI 干货 · 本地大模型 · AI Agent · AI 视频 · AI 产品 🔥 每天与AI 聊25h，尝鲜，探索，洞察，分享，思考🤔 📩 合作: [email protected]
我的微信和服务
Joined July 2023
- Tweets12K
- Following2.2K
- Followers24.8K
- Likes15K
Pinned Tweet
😲 厉害了，大模型像人脑那样学习！
今天，MemOS 团队发布 MemT-1.0，一款拥有原生记忆架构的基础大模型。
众所周知，模型一般在训练结束后锁死权重。想让它记住经验，只能靠Harness，塞长上下文、挂 RAG、向量数据库，或者写外部的 Memory 和 Skill。
🔥 MemT 这次，直接把记忆搬进了 Transformer 的计算过程里。
它在模型内部并联了一个可以持续演化的动态记忆矩阵。每次交互结束，模型都会像人脑一样，通过写入、擦除、遗忘三个门控机制，更新这个记忆矩阵。
最有意思的地方来了： 基础模型权重不变，随着使用，模型内部的动态记忆矩阵不断重塑，看起来就是模型越用越聪明。
🤔 论文里的几组实测数据值得关注：
① 越长越有优势、体积恒定：在 Nano 版上，无论历史交互是 128K 还是 1M Token，单会话记忆矩阵永远只占 40 MiB。相当于一张高清图的大小。在 128K 历史下，端到端推理速度比全上下文提升 1.86 倍，持久化存储暴降 66 倍。
② 长文本优势明显：到了 256K 历史下，端到端推理速度直接提升 3.99 倍，首字延迟（TTFT）稳定在 100ms。
③ 把经验变成“肌肉记忆”：在 SWE-bench Verified 编程实验中，把过往修 Bug 的流程经验写进这个记忆矩阵后（不占上下文），Coding Agent 连续三次全部通关（pass^3）的稳定性从 54.0% 飙升到 62.8%。
🚀 他们是怎么做到的？ 整个训练过程，基础模型冻结不动，团队训练了一个超轻量 Hyper Memory（超记忆参数），Nano 版约 0.45B，Flash 版约 3.6B。这组权重相当于模型的记忆读写控制器，每次推理过程中会对40 MiB（Nano 版） 的动态记忆矩阵执行读写操作。
最有意思的是这个方向。以前大模型出厂即巅峰，拼命卷算力。现在，这些模型竟然可以自我进化了。
试想一下：如果未来打通了基础模型权重和动态记忆权重的转化，一个 AI 每天工作 8 小时，在自己的记忆矩阵里不断试错、擦除、沉淀，连续干上一年。那时候的它，和刚部署第一天的自己，还会是同一个物种吗？
📄官号 @MemOS_dev ，开源与论文：huggingface.co/collections/M…
🔥 Qwen4 真的越来越近了，我已经提前把四只熊画好了。
毕竟是Qwen4，当然要有四只熊！🐻
四个版本：
🐻 Qwen4-Max：先忽略
🐻 Qwen4-Plus：观察一下
🐻 Qwen4-Flash：期待+
🐻 Qwen4-27B：期待++
Arena 最近出现了匿名模型 Kalmia，社区猜测可能就是 Qwen4。看这个测试例子，改头换新了。
今天已经周五了。
千问，今天就放一只熊出来？👀
我的4090已经饥渴难耐，就等你开源 🫡
🤣 破案了！梁文锋为什么放着好好的千亿私募不干，非要去搞 AI？
当年，梁子在幻方量化开会，随口安排了个任务：
“去，把量化搞一下。”
清华实习生：“收到！”
几个月后。
实习生兴冲冲跑进办公室：
“老板！量化搞定了！”
梁子：“收益多少？”
实习生：“4-bit！”
梁子：“？？？年化 4%？还不如存银行！”
实习生：“不是！我把 671B 的模型量化到 4-bit 了，显存省了一大半！”
梁子：“我让你量化股票，你 TM 量化大模型？”
实习生：“可是老板，H100 都买了，不能退啊……”
梁子沉默了三分钟。
“算了，来都来了，成立个 DeepSeek 吧。”
😂 以上纯属虚构，但现实比段子还离谱。
2008 年，梁子在学校开始研究机器学习炒股。
2015 年，创办幻方量化，靠算法在股市里赚钱。
2016 年，开始把深度学习用于实盘交易。
2019 年，开始搞「萤火一号」AI 算力集群。
2021 年，幻方量化冲进千亿私募俱乐部。
2023 年，DeepSeek 正式成立。
2025 年，DeepSeek-R1 横空出世，全球 AI 圈集体加班。
别人：融资 → 买显卡 → 训练 AI → 想办法赚钱。
梁子：训练 AI → 炒股赚钱 → 买显卡 → 训练更大的 AI。
别人研究 AI，是为了搞钱。
梁子搞钱，是为了研究 AI。
如今，幻方量化负责赚钱，DeepSeek 负责烧钱。
梁子的量化水平，我们有AI，差距缩小了吧 🫡
😭 服了！Opus 5.5 装进专业炒股Harness，我是真的骗不了它！
我拿 Tesla × SpaceX 合并编了一条假新闻：双方已签协议，1:1 换股。
结果它根本不信，直接查股价、翻 SEC 原始文件！
更刺激的来了，我让 Opus 5.5 干 Opus 5.5，谁会赢？
Claude App Opus 5.5 VS LangAlpha Opus 5.5，同一个Claude账号：
第一回合，Claude 4 分 40 秒交卷，LangAlpha 11 分半，难道被暴打？
😲 后面马上反转了。
LangAlpha 派出 3 个子 Agent 并行研究，一口气创建了 10 个云端盯盘任务。
刚建好 1 分钟，SPCX 涨超 5%，自动触发分析，还自己拉 1 分钟 K 线复核。
最后我问：电脑关了，你还盯吗？
Claude App 的本地脚本停了，LangAlpha 说云端照样继续干！
同样的 Opus 5.5，换个 Harness，差距还真不小。
30 秒实测视频，👇
1/3
😲 厉害了，大模型像人脑那样学习！
今天，MemOS 团队发布 MemT-1.0，一款拥有原生记忆架构的基础大模型。
众所周知，模型一般在训练结束后锁死权重。想让它记住经验，只能靠Harness，塞长上下文、挂 RAG、向量数据库，或者写外部的 Memory 和 Skill。
🔥 MemT 这次，直接把记忆搬进了 Transformer 的计算过程里。
它在模型内部并联了一个可以持续演化的动态记忆矩阵。每次交互结束，模型都会像人脑一样，通过写入、擦除、遗忘三个门控机制，更新这个记忆矩阵。
最有意思的地方来了： 基础模型权重不变，随着使用，模型内部的动态记忆矩阵不断重塑，看起来就是模型越用越聪明。
🤔 论文里的几组实测数据值得关注：
① 越长越有优势、体积恒定：在 Nano 版上，无论历史交互是 128K 还是 1M Token，单会话记忆矩阵永远只占 40 MiB。相当于一张高清图的大小。在 128K 历史下，端到端推理速度比全上下文提升 1.86 倍，持久化存储暴降 66 倍。
② 长文本优势明显：到了 256K 历史下，端到端推理速度直接提升 3.99 倍，首字延迟（TTFT）稳定在 100ms。
③ 把经验变成“肌肉记忆”：在 SWE-bench Verified 编程实验中，把过往修 Bug 的流程经验写进这个记忆矩阵后（不占上下文），Coding Agent 连续三次全部通关（pass^3）的稳定性从 54.0% 飙升到 62.8%。
🚀 他们是怎么做到的？ 整个训练过程，基础模型冻结不动，团队训练了一个超轻量 Hyper Memory（超记忆参数），Nano 版约 0.45B，Flash 版约 3.6B。这组权重相当于模型的记忆读写控制器，每次推理过程中会对40 MiB（Nano 版） 的动态记忆矩阵执行读写操作。
最有意思的是这个方向。以前大模型出厂即巅峰，拼命卷算力。现在，这些模型竟然可以自我进化了。
试想一下：如果未来打通了基础模型权重和动态记忆权重的转化，一个 AI 每天工作 8 小时，在自己的记忆矩阵里不断试错、擦除、沉淀，连续干上一年。那时候的它，和刚部署第一天的自己，还会是同一个物种吗？
📄官号 @MemOS_dev ，开源与论文：huggingface.co/collections/M…
🚨 惊呆了，1521 tok/s，DeepSeek 这速度。
美国这还怎么封？谁他妈受得了啊！
Fireworks 直接把 DeepSeek V4.1 Flash 跑到了 1521 tok/s，11 秒搓出一个俄罗斯方块。
奥特曼跟扎克伯格都要搞抑郁了。
我这边的 OpenAI，在 30 tok/s 挤牙膏。
更搞笑的是，扎克伯格估计看完更难受。
Fireworks 不是普通中转站，是一家估值 175 亿美元的美国 AI 推理公司。
创始团队 7 个人，6 个有 Meta 背景，CEO 林乔以前就是 Meta 的 PyTorch 负责人。
从 Meta 出来创业，反手把 DeepSeek 跑出了这么恐怖的速度。
🚀 梁子前脚开源 DeepInfer，后脚就看到这样的极限性能。虽然不能证明 Fireworks 用了 DeepInfer，但这才是最可怕的地方。
模型开源，推理技术也开源。全球顶级工程师都能参与优化，越卷越快。
快到极致，本身就是一种能力。🫡
🤣 破案了！梁文锋为什么放着好好的千亿私募不干，非要去搞 AI？
当年，梁子在幻方量化开会，随口安排了个任务：
“去，把量化搞一下。”
清华实习生：“收到！”
几个月后。
实习生兴冲冲跑进办公室：
“老板！量化搞定了！”
梁子：“收益多少？”
实习生：“4-bit！”
梁子：“？？？年化 4%？还不如存银行！”
实习生：“不是！我把 671B 的模型量化到 4-bit 了，显存省了一大半！”
梁子：“我让你量化股票，你 TM 量化大模型？”
实习生：“可是老板，H100 都买了，不能退啊……”
梁子沉默了三分钟。
“算了，来都来了，成立个 DeepSeek 吧。”
😂 以上纯属虚构，但现实比段子还离谱。
2008 年，梁子在学校开始研究机器学习炒股。
2015 年，创办幻方量化，靠算法在股市里赚钱。
2016 年，开始把深度学习用于实盘交易。
2019 年，开始搞「萤火一号」AI 算力集群。
2021 年，幻方量化冲进千亿私募俱乐部。
2023 年，DeepSeek 正式成立。
2025 年，DeepSeek-R1 横空出世，全球 AI 圈集体加班。
别人：融资 → 买显卡 → 训练 AI → 想办法赚钱。
梁子：训练 AI → 炒股赚钱 → 买显卡 → 训练更大的 AI。
别人研究 AI，是为了搞钱。
梁子搞钱，是为了研究 AI。
如今，幻方量化负责赚钱，DeepSeek 负责烧钱。
梁子的量化水平，我们有AI，差距缩小了吧 🫡
😭 梁文峰我真的哭死！DeepSeek 这次开源推理框架，是一场蓄谋已久的阳谋！
美国封芯片，梁子就拼算法。美国封产品，梁子就开源基础设施。
把 2026 年的时间线连起来看，太有戏剧性了。
🔥 2 月，梁子先动手。
路透社爆料，DeepSeek 发布 V4 前，竟然没有提前把模型交给 NVIDIA 和 AMD 优化。
反而让华为等国产芯片厂商提前拿到模型，抢先适配！
🔥 4 月，DeepSeek V4 正式登场。
百万 Token 上下文，模型开源，继续把大模型的使用成本往下打。
🔥 7 月，美国开始下狠手。
美国国土安全部在 7 月 24 日签发禁令，要求联邦民事机构：
① 禁止采购 DeepSeek 相关产品和服务。
② 从政府 IT 系统中清除 DeepSeek。
③ 连基于 DeepSeek 实现开发的第三方产品和服务，也纳入清除范围！
第三条才是真的狠！要把梁子往死里整。
🔥 9 月，梁子继续降成本。
发布 V4.1 Flash，552B 参数的 MoE 模型，输入只激活 8B，输出激活 16B。
让大模型用更少的计算资源，干更多的活。
🔥 10 月 17 日，模型继续升级。
V4.1 Flash-1017 发布，编程、Agent 能力继续提升。
🔥🚨10 月 20 日，高潮来了！
美国正式公开刊登对 DeepSeek 的清除与采购禁令。
同一天，梁子直接把自家生产级推理框架 DeepInfer 开源了！
更有意思的是，官方只列出两类支持的硬件：
① NVIDIA SM100：B200 / GB200
② 华为 Ascend 950：国产昇腾 NPU
这两类硬件跟我们普通屌丝基本没关系，瞄准的就是拥有大规模算力的数据中心。
DeepInfer 里面有什么？
MoE 专家并行、动态负载均衡、推测解码、异步调度……
都是 DeepSeek 为了让大模型跑得更快、更省算力，长期打磨的推理技术。
这才是我理解的梁子的阳谋！
你可以限制先进 GPU 出口，我就继续研究怎么用更少的算力跑出更强的模型。
你可以不让美国联邦机构采购 DeepSeek，我就把自己的推理技术交给全球开源社区。
你有 NVIDIA，我也支持 NVIDIA。
中国有华为，我同样支持华为。
未来更多芯片厂商想加入？那就一起研究、一起适配！
最绝的是，梁子选择让 NVIDIA 和华为出现在同一份开源项目里。
以前，大模型要努力适配芯片。
未来，芯片厂商也可能为了争取 DeepSeek 的推理负载，主动来适配它的技术生态。
美国的禁令可以影响政府采购，却无法让已经开放的技术知识消失。
这场仗，梁子不是要证明自己不需要 NVIDIA。
而是想证明，中国的大模型可以有不止一条路。
这才是真正的技术反抗。
不是骂街，不是喊口号。
是把代码写出来，把另一条路铺出来。
DeepInfer：
github.com/deepseek-ai/DeepI…
美国禁令：
federalregister.gov/d/2026-2…
🤣 破案了！梁文锋为什么放着好好的千亿私募不干，非要去搞 AI？
当年，梁子在幻方量化开会，随口安排了个任务：
“去，把量化搞一下。”
清华实习生：“收到！”
几个月后。
实习生兴冲冲跑进办公室：
“老板！量化搞定了！”
梁子：“收益多少？”
实习生：“4-bit！”
梁子：“？？？年化 4%？还不如存银行！”
实习生：“不是！我把 671B 的模型量化到 4-bit 了，显存省了一大半！”
梁子：“我让你量化股票，你 TM 量化大模型？”
实习生：“可是老板，H100 都买了，不能退啊……”
梁子沉默了三分钟。
“算了，来都来了，成立个 DeepSeek 吧。”
😂 以上纯属虚构，但现实比段子还离谱。
2008 年，梁子在学校开始研究机器学习炒股。
2015 年，创办幻方量化，靠算法在股市里赚钱。
2016 年，开始把深度学习用于实盘交易。
2019 年，开始搞「萤火一号」AI 算力集群。
2021 年，幻方量化冲进千亿私募俱乐部。
2023 年，DeepSeek 正式成立。
2025 年，DeepSeek-R1 横空出世，全球 AI 圈集体加班。
别人：融资 → 买显卡 → 训练 AI → 想办法赚钱。
梁子：训练 AI → 炒股赚钱 → 买显卡 → 训练更大的 AI。
别人研究 AI，是为了搞钱。
梁子搞钱，是为了研究 AI。
如今，幻方量化负责赚钱，DeepSeek 负责烧钱。
梁子的量化水平，我们有AI，差距缩小了吧 🫡
🥹 你终于来了，AI 炒股 Agent 的 Harness，有人开源了。
直接让 Astra/ Opus 5.5 变成AI 交易员。
目前支持四家券商：
Robinhood
Interactive Brokers（盈透证券）
moomoo（富途）
Webull（微牛）
😋很多人用的嘉信证券，我们直接拿去魔改，Apache 2.0。
LangAlpha v2.0 正式上线：Open-source harness for Agentic Trading
美股即将开启 23 小时交易，Agentic Trading辅助我们全天候跟踪以及交易，我们把金融数据、研究工具、多 Agent 协作和券商连接放进同一个工作区，让你从一个投资想法，走到研究、分析和交易执行，Vibe Investing → Agentic Trading.
例如：“历史上中期选举后一般是否都要拉升？中期选举前，科技股是否已经完成筑底，右侧量能是否开启，有哪些优质标的推荐，并同时给我推荐交易策略，我确认后执行”
1、我们能做什么？
• 搜索公告、财报和市场信息，并行研究公司、行业与投资机会，用代码处理数据、计算指标、分析估值， 定时跟踪市场与投资逻辑，连接支持的券商，在授权与审批范围内执行交易
2、支持哪些市场？
• 美股、港股、A 股
• 日本、韩国、德国、印度等股票市场
• Crypto、黄金和其他大宗商品
3、已经用 Codex / Claude Code 做金融研究，为什么还需要 LangAlpha？
• 金融专用 Harness。
LangAlpha 为 Agent 配备金融数据、持久化工作区、任务状态和研究记忆。长任务通过规划、上下文管理和检查点减少目标漂移，后续研究也能沿用已有成果。
• 金融数据，需要适合它的处理方式。
LangAlpha 的 PTC（Programmatic Tool Calling）让 Agent 用 Python 调用工具、处理表格和运行计算，再将必要结果交给模型。数据与计算过程可以检查，研究来源持续保留。你能追溯结论依据，也能在原有工作上继续验证。
• 少搭基础设施，更快进入研究和交易。
LangAlpha 已整合多类金融数据源，减少逐个接 API、清洗数据和维护工具的时间与成本。
• 在 Codex / Claude Code 中无法实现直接链接券商交易。LangAlpha 已提供 Robinhood 等券商接入，以及系统层面的权限控制和订单审批。
4、开放扩展，也可以自己部署。
• 支持多种模型与自带 API Key
• 支持 Skills 和 MCP 插件
• 可接入自己的数据与研究方法
• 开源，支持自行部署
官网：langalpha.ai
GitHub：github.com/ginlix-ai/LangAlp…
😭 服了！Opus 5.5 装进专业炒股Harness，我是真的骗不了它！
我拿 Tesla × SpaceX 合并编了一条假新闻：双方已签协议，1:1 换股。
结果它根本不信，直接查股价、翻 SEC 原始文件！
更刺激的来了，我让 Opus 5.5 干 Opus 5.5，谁会赢？
Claude App Opus 5.5 VS LangAlpha Opus 5.5，同一个Claude账号：
第一回合，Claude 4 分 40 秒交卷，LangAlpha 11 分半，难道被暴打？
😲 后面马上反转了。
LangAlpha 派出 3 个子 Agent 并行研究，一口气创建了 10 个云端盯盘任务。
刚建好 1 分钟，SPCX 涨超 5%，自动触发分析，还自己拉 1 分钟 K 线复核。
最后我问：电脑关了，你还盯吗？
Claude App 的本地脚本停了，LangAlpha 说云端照样继续干！
同样的 Opus 5.5，换个 Harness，差距还真不小。
30 秒实测视频，👇
1/3
😭 服了！Opus 5.5 装进专业炒股Harness，我是真的骗不了它！
我拿 Tesla × SpaceX 合并编了一条假新闻：双方已签协议，1:1 换股。
结果它根本不信，直接查股价、翻 SEC 原始文件！
更刺激的来了，我让 Opus 5.5 干 Opus 5.5，谁会赢？
Claude App Opus 5.5 VS LangAlpha Opus 5.5，同一个Claude账号：
第一回合，Claude 4 分 40 秒交卷，LangAlpha 11 分半，难道被暴打？
😲 后面马上反转了。
LangAlpha 派出 3 个子 Agent 并行研究，一口气创建了 10 个云端盯盘任务。
刚建好 1 分钟，SPCX 涨超 5%，自动触发分析，还自己拉 1 分钟 K 线复核。
最后我问：电脑关了，你还盯吗？
Claude App 的本地脚本停了，LangAlpha 说云端照样继续干！
同样的 Opus 5.5，换个 Harness，差距还真不小。
30 秒实测视频，👇
1/3
🔥 这不就是大家期待的 AI 炒股吗？
直接拿 Opus 5.5、GPT 这些顶级模型，装上一套顶级金融 Harness，LangAlpha v2.0 。
把研究、盯盘、交易执行串成了一套工作流。
直接可以接券商 API，包括 IBKR、Robinhood、富途、微牛，支持交易和订单审批。
云端自动化，价格触发、定时复盘
Vibe Coding 到 Agentic Trading，牛逼了。
🚀 整套 Harness 都开源了，支持 Docker 自己部署。
这个Harness工具很强，使用deepseek 这些也能实现Opus5.5 90% 的功能
官网托管版还可以支持你自带Claude/Codex订阅上门，也可以用平台上的海量模型。
🎁 现在还有 7 天免费 Claude Opus 5.5体验。
官网：langalpha.ai
GitHub：github.com/ginlix-ai/LangAlp…
值得研究，哪怕你不把实盘交付给他，截个图也马上能建立一个模拟仓。
先让 AI 把研究和盯盘干明白，后面逐步上手交易。
😁 拆解了百万 AI 博主的流量密码。
前面加个主语，主语可以是 Claude、OpenAI、Tibbo、Gemini。
哦哦，dot
牛逼牛逼 Opus 5.5
傻逼傻逼 Sol6.1
哦哦 牛逼牛逼 傻逼傻逼 Astra 哦哦
万圣节要来啦🎃
来一波万圣 cosplay 变装视频分享
我做了一个西游记齐天大圣解锁万圣专属 72 变视频
一键踩点切换吸血鬼伯爵、哥特巫师、霓虹骷髅战士
瞳孔撕裂穿梭次元，暗黑哥特碰撞赛博万圣
丝滑卡点无缝变装，视觉冲击力直接拉满🔥
⬇️说下我的制作流程：
前提是先根据自己想法把视频的主角形象
用GPT先做出来备用。
接下来研究提示词
1️⃣把想法给chatGPT，然后让他给我一个初稿，
用初稿提示词先去生成一个视频，
不合适就反复调整提示词，调好之后看下一步。
2️⃣这次我把调好的提示词，
交给DeepSeek再次帮我优化调整了一下，
然后把提示词重新翻译成英文。
3️⃣这次再交给这个工具 HitPaw VikPea ，cutt.ly/7yEpL8t1 的Seedance 2.0，
去生视频，效果就出来了。
【核心要点】：
提示词要稳准狠，参考图要满足你的视觉效果
完整提示词已经放在评论区，
快来提前解锁你的万圣 cosplay！
😲 OpenAI 和马斯克，又在脑机接口领域碰上了。
AI 真的能治疗癌症？
Neuralink 想让大脑控制电脑。
OpenAI 新投资的 Coherence Neuro，却想让 AI 读取脑癌相关的电信号，甚至通过电刺激干预肿瘤生长。
10 月 21 日，WIRED 披露：
OpenAI Startup Fund 联合 Peter Thiel 旗下 Founders Fund，参与了 Coherence Neuro 的 4500 万美元种子轮融资。
这家公司正在研发一套叫 SOMA 的脑机接口系统。
它不是为了让瘫痪患者控制鼠标，而是尝试通过脑组织的电活动，持续监测肿瘤变化，再利用电刺激进行干预。
整套系统分成三个部分：
❶ 脑内植入物： 纽扣大小，最多连接 16 条超细电极，负责采集脑组织电信号。
❷ 耳部设备： 为植入物无线供电，同时传输数据。
❸ AI 系统： 分析脑组织的电信号，尝试识别异常变化，并调整刺激策略。
🔥 更有意思的是，这东西已经开始人体测试了。
Coherence 在澳大利亚皇家墨尔本医院，已经对 3 名脑肿瘤手术患者进行了短时间植入测试，每次约 30 分钟。
目前还在另外 7 名患者身上研究信号记录与电刺激能力。
但要注意，现阶段主要验证设备的安全性和信号采集能力，还没有证明它能有效治疗脑癌。
这其实代表了脑机接口的两条不同路线。
Neuralink：人 → 机器。
让大脑直接控制电脑和外部设备。
Coherence：大脑信号 → AI → 神经刺激。
尝试让 AI 理解人体内部的电活动，再通过设备进行干预。
之前大家讨论脑机接口，想的是人类如何控制机器。
现在开始有人反过来研究：能不能让 AI 通过脑机接口，帮助人类监测和治疗疾病？
距离真正用于临床治疗，还有很长的路要走。
值得关注。
🔥 个人助理大混战，Anthropic 加入了。OpenAI 有 Dots，Meta 有 Muse，马斯克有 Grokbot，现在 Claude Duet 也来了！
个人觉得 目前Muse 最强，Dots 最拉。
10 月 22 日凌晨，Anthropic 正式推出 Claude Duet，基于 Opus 5.5，定位为主动工作的个人 Agent。
拥有独立云端虚拟机和浏览器，可以在用户离开后继续执行任务。
官方确认的能力包括：
主动汇报： 每天早晨整理邮箱、日程等重要信息。
持续监测： 每隔几小时检查连接的应用，发现重要变化主动通知。
后台执行： 创建报表、财务预测、网页应用，甚至协助编写代码。
长期记忆： 继承 Claude 原有的 Memory、Skills 和已连接应用。
跨应用操作： 支持 Claude Marketplace 中超过 6000 个连接器和插件。
还有几个很重要的细节。
第一，Pro 用户也能用。 目前仅向美国 Pro、Max 订阅用户开放候补名单，尚非全面上线。
第二，不额外收取独立订阅费。 但后台任务和定期检查会消耗现有 Claude 套餐额度。
第三，敏感操作需要确认。 发送消息、付款、签署文件、删除内容前需要用户批准。
第四，后台不是无限运行。 官方明确表示，定期检查连接应用的频率约为每几小时一次，以控制额度消耗。
Duet、Muse、Dots 、Grok bot开始正面在我们手里竞争，今天该宠信哪个？ 🤔
😭 赶紧下线吧！PHP 补丁已经发了，攻击者可能比网站管理员还高兴。
这次 PHP2Shell 两个漏洞，CVSS 都高达 9.2 分。欧洲多个国家的政府网站，已经主动下线避险。
补丁发布了，真正的危险窗口可能才刚刚开始。
补丁是公开的，旧代码也是公开的。
攻击者只需要对比新旧版本，再让 AI 分析修改了什么、为什么修改，就可能快速逆推出漏洞原理。
以前，这需要经验丰富的安全研究员花数年分析。
现在，AI 可能把整个过程大幅压缩。
最尴尬的事情来了：
防守方刚发布补丁，攻击方就可能拿着补丁研究怎么打还没升级的网站。
难怪欧洲部分政府网站宁可先关掉，也不敢继续裸奔。
OpenAI models helped researchers—operating as part of our Patch the Planet initiative—discover critical security flaws in PHP, an open-source programming language used to run an estimated 70% of websites.
Over the past two months, we led a coalition of maintainers, researchers, and security providers to prepare fixes and protections ahead of disclosure. This duration was necessary because the fix was quite intricate and required a major change to the PHP engine. Every site using PHP can now safely upgrade their version to stay secure, in addition to applying mitigations from various security vendors.
Due to the severity of these flaws and PHP’s widespread use, we consider this bug to be one of the most impactful vulnerabilities in recent memory. It also marks a new phase, where AI can find security bugs with internet-scale impact.
This is an example of the Defender’s Window in action: to our knowledge, frontier AI was able to find this vulnerability ahead of attackers, giving defenders time to prepare.
openai.com/index/coordinated…
Readers added context they thought people might want to know
Wiz Research wasn't the first one to discover the exploit. An independent researcher first discovered it: x.com/calif_io/statu…
😲 Google官宣，成为第一个部署了御三家的云产商。
OpenAI算力紧张坏了，终于跟死对头 Google 合作了。
selected model is at capacity问题终于能缓解了。
GPT-6 Astra、Codex 将进入 Google Cloud。OpenAI 模型会运行在 Google 自己的云基础设施上。
Azure、AWS、Google Cloud：
1. Claude部署在这三家。
2. OpenAI也部署在这三家了
3. Gemini只部署在Google Cloud 🌚
🚨 触目惊心。Codex无语了
10/23那一发重置卡临期，加上昨天刚重置。
今天
车底
歇菜了！
🚨 离谱！难道这是 codex 越来越不耐用的原因？我实测Codex 的 缓存，间隔仅仅 6 秒都能失效。
我翻了 9 个月的 Codex 日志：
先排除换模型、换推理强度、上下文压缩、空闲超过 35 分钟等情况。
结果发现：
① 剩下的请求，仍有约 2% 出现无法解释的 Cache Miss，最短间隔只有 6 秒。
② 这些异常失效贡献了全部未复用输入 Token 的 26%–31%，甚至超过上下文压缩造成的损失。
③ 更有意思的是，这些异常集中出现在服务器繁忙时段。
10 月 20 日 17–19 点，Codex 频繁出现 Selected model is at capacity，同期异常失效率一度飙升到 40%–100%。
我怀疑是高负载下，推理请求被调度到其他机器，原来的 KV Cache 没有跟着走。
😑今天 Tibo 宣布 Codex / Work 登录用户可以永久保留缓存，甚至保证恢复旧会话时命中。但官方引用的文档只介绍 API，没有解释 Codex 订阅怎么搞。
到底修复没修复，这他娘的今天还是很多 selected model 错误🤔
复现分析的 Prompt 放评论区，大家也可以查查自己的 Codex。👇
实践哥 Li retweeted
Bring a research example from the web into AIPOCH Open-Science—without manually downloading and then importing a .science file.
Here is the updated route:
1. Visit the Use Case Gallery.
2. Choose a case—for example, “$10,000: NVIDIA, BITCOIN, OR BOTH?”
3. On the case page, click “View the research session”.
4. Scroll to the bottom of the session page and click “Continue in Open-Science”.
5. Allow the browser prompts, then review and confirm the import in the desktop app.
6. Explore the saved research conversation and included files in your own workspace. Imported sessions are read-only; fork one to continue exploring your own question.
实践哥 Li retweeted
😭 梁文峰我真的哭死！DeepSeek 这次开源推理框架，是一场蓄谋已久的阳谋！
美国封芯片，梁子就拼算法。美国封产品，梁子就开源基础设施。
把 2026 年的时间线连起来看，太有戏剧性了。
🔥 2 月，梁子先动手。
路透社爆料，DeepSeek 发布 V4 前，竟然没有提前把模型交给 NVIDIA 和 AMD 优化。
反而让华为等国产芯片厂商提前拿到模型，抢先适配！
🔥 4 月，DeepSeek V4 正式登场。
百万 Token 上下文，模型开源，继续把大模型的使用成本往下打。
🔥 7 月，美国开始下狠手。
美国国土安全部在 7 月 24 日签发禁令，要求联邦民事机构：
① 禁止采购 DeepSeek 相关产品和服务。
② 从政府 IT 系统中清除 DeepSeek。
③ 连基于 DeepSeek 实现开发的第三方产品和服务，也纳入清除范围！
第三条才是真的狠！要把梁子往死里整。
🔥 9 月，梁子继续降成本。
发布 V4.1 Flash，552B 参数的 MoE 模型，输入只激活 8B，输出激活 16B。
让大模型用更少的计算资源，干更多的活。
🔥 10 月 17 日，模型继续升级。
V4.1 Flash-1017 发布，编程、Agent 能力继续提升。
🔥🚨10 月 20 日，高潮来了！
美国正式公开刊登对 DeepSeek 的清除与采购禁令。
同一天，梁子直接把自家生产级推理框架 DeepInfer 开源了！
更有意思的是，官方只列出两类支持的硬件：
① NVIDIA SM100：B200 / GB200
② 华为 Ascend 950：国产昇腾 NPU
这两类硬件跟我们普通屌丝基本没关系，瞄准的就是拥有大规模算力的数据中心。
DeepInfer 里面有什么？
MoE 专家并行、动态负载均衡、推测解码、异步调度……
都是 DeepSeek 为了让大模型跑得更快、更省算力，长期打磨的推理技术。
这才是我理解的梁子的阳谋！
你可以限制先进 GPU 出口，我就继续研究怎么用更少的算力跑出更强的模型。
你可以不让美国联邦机构采购 DeepSeek，我就把自己的推理技术交给全球开源社区。
你有 NVIDIA，我也支持 NVIDIA。
中国有华为，我同样支持华为。
未来更多芯片厂商想加入？那就一起研究、一起适配！
最绝的是，梁子选择让 NVIDIA 和华为出现在同一份开源项目里。
以前，大模型要努力适配芯片。
未来，芯片厂商也可能为了争取 DeepSeek 的推理负载，主动来适配它的技术生态。
美国的禁令可以影响政府采购，却无法让已经开放的技术知识消失。
这场仗，梁子不是要证明自己不需要 NVIDIA。
而是想证明，中国的大模型可以有不止一条路。
这才是真正的技术反抗。
不是骂街，不是喊口号。
是把代码写出来，把另一条路铺出来。
DeepInfer：
github.com/deepseek-ai/DeepI…
美国禁令：
federalregister.gov/d/2026-2…