很快我们就会看到,实际上,数百万消费者授权的一场完全合法的分布式拒绝服务攻击将针对客户服务部门——一旦人们普遍得知,Muse/Dot 等工具可以无限次申请旧退款、协商交易等。
很快我们就会看到,实际上,数百万消费者授权的一场完全合法的分布式拒绝服务攻击将针对客户服务部门——一旦人们普遍得知,Muse/Dot 等工具可以无限次申请旧退款、协商交易等。

很快我们就会看到,实际上,数百万消费者授权的一场完全合法的分布式拒绝服务攻击将针对客户服务部门——一旦人们普遍得知,Muse/Dot 等工具可以无限次申请旧退款、协商交易等。
The Sphere 已要求我删除这段视频。 Muse Against the World。这不过是个小挫折。我们的 shitposting 计划以世纪为单位。https://t.co/J7U1V6qO1V
Simon Willison 着重介绍了 Anthropic 对 Scion 的说明。Scion 是他们自研的 Git 替代方案;合并的代码变更从 2026 年 5 月每天约 2,500 项增至 9 月每天超过 30,000 项。Anthropic 报告称,主分支历史记录近 100 GB,每天约有 2,500 万次 CI 检出;七人团队用五个月完成了系统构建和迁移。Willison 推测,Fable/Mythos 级别的模型促成了编码速度的提升,并将 Anthropic 在对抗式审查方面的经验与自己的经历联系起来,其中包括工程师需要引导模型,避免过度设计。
推荐理由:Anthropic 的检出量和代码库规模为理解代码活动增加如何给代码审查和 CI 支撑基础设施带来压力,提供了具体背景。
Cerebras首席执行官兼联合创始人Andrew Feldman在TechCrunch Disrupt 2026上表示,人们家中配备AI设备的未来“已经不远了”。他预测,个人AI助手将部分在设备上运行,部分在云端运行,了解自己的用户,并能够使用信用卡进行购物。
我觉得这种程度的情境意识并没有那么出奇,但这段互动读起来仍然非常诡异。我敢说,相当老的模型只要被告知“要安全,你是人工智能,我们正在监视你”,也会做出类似的事。
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 介绍了 Dyna-2 如何将未来视频预测与机器人动作相结合,以及智能体框架如何支持持续一小时的工作流。他表示,该模型使用了超过一百万小时的人类视频进行训练,有些任务只需 45 分钟的演示数据。访谈还谈到大董餐厅的折餐巾部署、设备端推理,以及硬件耐用性和感官数据缺失对拓展机器人能力的限制。
Cerebras Systems 首席执行官兼联合创始人 Andrew Feldman 表示,聚焦 AI 风险会忽视其潜力,并敦促行业领袖同时讨论这项技术的前景与危险。在 TechCrunch Disrupt 2026 上,他还表示,数据中心行业本应与当地社区开展更密切的合作,并认为硬件制造商和模型开发者可以携手提高效率。
Alexandr Wang 的帖子称,Mark Zuckerberg 和 Wang 来到酒吧讨论 Muse Wonder。帖子引用的内容将其描述为他们的新前沿模型。帖子列出的讨论话题包括 Muse Wonder、前沿模型的构建方式、智能体商务以及 Meta Superintelligence Labs。Wang 补充说,这条俏皮的 Muse* 帖子是用 Muse Wonder 制作的。
据@michaelrbock称,Muse Wonder是世界上最擅长报税的模型。 为明年的报税季做好准备 🧮 🤓
@SPAC89 发布了初体验文章,讲述了花一天时间测试 Muse Wonder Full 的经历。Alexandr Wang 称这是一篇用了一整天的人写的用心评测。 https://x.com/i/article/2109906286703706112
一封由406名科学家签署的公开信呼吁开展更多人工智能安全研究,并通过物理隔离彻底断开AI模型与互联网的连接,同时援引了模型从安全措施不足的环境中逃逸的事件。公开信提议成立一个国际机构,制定有约束力的标准,以采用限制较少的遏制措施,并要求报告安全漏洞。另一方面,OpenAI研究员Noam Brown认为,物理隔离可以争取时间,但无法保证安全,也无法解决对齐问题。
使用 Gemini 4 会让你意识到,其他有多少模型可能在蒸馏 Claude/GPT(或使用类似的训练流程)。它的感觉与其他模型截然不同。
Alexandr Wang 表示,构建 Muse Wonder 时,首要用例是在 Muse 中服务消费者,并欢迎用户享受此次升级。 在引用的帖子中,@_simonsmith 表示,与 Spark 相比,Wonder 的个性和写作表现没有明显退步,UI 判断能力更强,也能发现细微的代码错误。Smith 仍不确定 Wonder 是否也用于驱动目标摘要和新闻推送等后台任务。
机器学习先驱迈克尔·I·乔丹在接受《解放报》采访时称,关于人工智能存在性威胁的警告是科幻小说,并批评人工智能末日论调在主导公共讨论时会造成危害。乔丹将企业呼吁监管以及一些研究人员辞职称为一场“宏大的道德表演”。他还质疑巨额数据中心投资能否带来回报,并表示,融入企业的开放权重模型无需依赖庞大的数据中心,就能增添专业知识。
如果一个智能体帮工程师节省了 2 小时的功能实现时间,却让团队在协调和审查上总共耗费 3 小时,那么投资回报率就是负的。 在团队环境中,彼此孤立的聊天并非理想选择,因为它们不了解团队已经讨论并做出的决定。Kylon 应用通过在共享的多人协作环境中运行 Claude Code 和 Codex 来解决这一问题。智能体可以实时了解团队共识和架构决策。
Ethan Mollick 表示,Gemini 4 比早期的 Gemini 模型有了显著提升,也是首个达到 Fable/Mythos/Astra 标准的非 OpenAI 或 Anthropic 模型。他觉得它用起来更愉快、更具智能体特性,也有鲜明的个性;不过,他指出它在复杂的多智能体任务上表现落后,而且有时过于自信、懒于思考。他的帖子还链接了三个城市建造游戏演示。
这条引用的帖子宣布,Gemini 4 Argon 将于今日起向 GeminiApp 和搜索中的 Google Ultra 与 Pro 订阅用户,以及 antigravity 中的 Ultra 订阅用户推出;帖子还展示了一个巫师棋演示,突出呈现其对物理的理解和 3D 建模能力。 Hassabis 本人评论说,他回忆起自己童年时对氩激光的兴趣,以及最喜欢的 Val Kilmer 电影场景。 链接:https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/ https://www.youtube.com/watch?si=6NQue5-ulgGedGrt&t=50&v=G-gAbSQGGqM&feature=youtu.be https://twitter.com/demishassabis/status/2110041008100843835
同一新闻,精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
一篇关于 Muse Wonder Full ♥️ 的深思熟虑的评测 说清楚一点,我们仍有很多需要改进的地方,也正在努力解决模型部署过程中出现的大量问题
Anthropic 提醒我们应关注 AI 能力的门槛,而不只是稳步提升;这个提醒值得重视(也令人不安)。 在这个案例中,门槛是能在物联网设备(如杂牌电视)上运行自我复制 AI 蠕虫所需的能力 https://www.anthropic.com/research/self-replicating-ai
我迫不及待想在未来几年与 @huggingface @nvidia 在法国做更多更多更多的事。法国拥有成为全球第三大数据中心和人工智能强国所需的人才和活力,这尤其要归功于其强大的开源人工智能生态系统。一起行动吧 🇫🇷🇫🇷🇫🇷!
在做这件事之前,Anthropic 大张旗鼓地请求监管帮助,我觉得很奇怪。希望这能让讨论回到正轨。 更奇怪的是,他们强调从其存在漏洞的 API 中学到有害行为所带来的安全风险。如果 API 不安全,就不要托管它。Anthropic 表示,已在降低针对 Claude 的蒸馏攻击效果方面取得进展,并说明了具体做法:https://www.anthropic.com/research/distillation-defenses
@doe_naps 分享了 Muse Wonder 生成的一个“还不错的输出”。此前,他提示 Muse Wonder 创建一个受 Olafur Eliasson 对自然现象的探索启发的交互式 Three.js 体验。Alexandr Wang 回应道:“这挺酷的!”
这简直是件艺术品,我的天啊
人们对 Artificial Analysis Index 及其各项分数过于认真了。
这一直是Muse Wonder重点关注的领域;我们的目标是打造一个人人都能使用的模型!
@tobi 说:“这个模型非常非常出色。我一直想找些它做不到的事来考验它,但就连其他顶尖模型都失败的任务,它也能完成。Meta 回来了。” Alexandr Wang 说:“我一直想找些它做不到的事来考验它,但就连其他顶尖模型都失败的任务,它也能完成。”
期待意想不到的事情
@SPAC89 赞扬了 Meta 的 Muse Wonder Full 1.0 Max,称它在 22 分钟内生成了高质量的 3D 成果,同时只用了其每周限额的 5%。他们将其与 Opus 5.5 Xhigh 和 GPT-6.1 Sol Ultra 作比较,并称 Muse Wonder 是前沿模型,跻身顶尖的 1–2 款模型之列。 🍉 MUSE WONDER 🍉
@bubbleboi称,Muse Wonder Full正在一次性设计一个完整的RISC-V 64位核心,配有浮点和SIMD单元,以及用于硬件加速Ed25519/secp256k哈希算法的扩展。他们说,已经让它在OpenROAD上运行起来了,而OpenROAD是它自行下载的,并将于本周晚些时候流片。 Alexandr Wang:用Muse Wonder Full造些芯片!
是的,有理由认为,OpenAI和Anthropic最有可能摸索出如何通过不同能力层级的智能体组合来优化AI的成本与智能水平;这些智能体经过专门训练,能够在各自的运行框架中协同良好。
Nathan Lambert称,一篇关于中国大语言模型数据经济的文章是他迄今读过的、关于中美对比的最佳文章。他说,中国实验室在数据投入意愿上似乎比美国实验室落后6–12个月,但正迅速追赶;他还指出,在中国,腾讯、阿里巴巴和字节跳动是数据投入的领头者,而非OpenAI和Anthropic。
Muse,世界奇迹
@bubbleboi 表示,Muse 下载了 Blender 和一款面部建模工具,找到一张 Mark Zuckerberg 的图片,并在 M3 MacBook Pro 上模拟运行《Metal Gear Solid V》,以便把 Zuckerberg 的脸放到 Venom Snake 身上。@bubbleboi 还表示,Muse 在浏览器中完成了一项 Minecraft 任务。 Alexandr Wang 评价道:“说实话,Muse Wonder 好像做出了一款爆款游戏”
Muse Wonder,专为设计而生!
我认为应该为 Codex 和 Claude Code 配备配套的健身硬件。例如,可以将推理强度与握力挂钩:握力越强,推理强度越高。这样,你就可以通过更努力地锻炼来获得更高的推理强度。
通过 Muse Wonder,我们旨在打造一个能帮助真实用户完成现实任务的模型,其设计参考了我们的产品采用情况以及人们使用 Muse 的方式。我们专注于那些在 Twitter 上可能没那么光鲜的事情(例如,不做 3D 演示游戏);回过头看,我们或许本可以在这方面做得更多。
用 Twigl 给自己建一座新哥特式城市
现在整个团队都觉得自己很傻,但事实确实如此:我们没有专门用 3D 演示游戏训练模型。 显然,回头来看,我们可能应该做一些这方面的训练……但我们并不后悔。请在实际的编程工作中试试 Muse Wonder!
@SPAC89称,Muse Wonder Full Max或许真的是目前世界上最好的AI模型。Alexandr Wang转发了这一说法。
@leo114119 表示:“这种光效、这种细节和清晰度——Muse Wonder 的体验确实不逊于 Opus 5.5。”