2026-10-26 群聊日报
今天最有料的是一个热狗识别实验:同一张图,Decisions API 换个问法,返回概率从 1% 变成 85%;同一套规则从 predicate 改成 choice,又从 5% 翻到 87%。工程上,群友分享了多 session 并行改代码的「锁、合、碎」做法,也聊到 Downloads 里的恶意 AGENTS.md。行业消息集中在 Anthropic 的 S-1、微软 6 万人买断消息,以...
今天最有料的是一个热狗识别实验:同一张图,Decisions API 换个问法,返回概率从 1% 变成 85%;同一套规则从 predicate 改成 choice,又从 5% 翻到 87%。工程上,群友分享了多 session 并行改代码的「锁、合、碎」做法,也聊到 Downloads 里的恶意 AGENTS.md。行业消息集中在 Anthropic 的 S-1、微软 6 万人买断消息,以...
今天最值得读的是两笔模型账单。一位群友在 DeepSeek 上累计花了 6,657 元,给它打遍补丁后,因为它屡次跳过写在 AGENTS.md 顶层的规则,决定换掉它。他转去试 Kimi K3.1,几天里用了 3.3 亿 token、花了 1100 多。当晚 Kimi 发了致歉公告,给所有订阅会员补偿月度额度的 25%。其次是 Cerebras 的部署方案:59 片晶圆级处理器跑 Kimi ...
今天最值得读的是 Grok Bot 的实战案例。一位群友把律师朋友的参赛 demo 整个交给它,它自己拉起总指挥、产品开发、法律审核等几个 bot,干了一整天。讨论随后转到两个问题:这类云端 bot 怎么和本地的 context 体系接上,「主动提醒」型 agent 到底有什么用。第二件是 Anthropic 与 Theorem 的形式化验证:Claude 为 123 个开源库的 RISC-...
今天最值得读的是 Kimi K3.1 Pro 发布:官方跑分在 Terminal-Bench 4.0 上与 Opus 5.5 只差 0.7 分,单任务成本约为 Opus 的三分之一。但第一位上手的群友让它跑调研,一个多小时后发现它一直在执行 true,烧掉了 1.8 亿 token。第二件是 测试与 review:有群友让 Astra 把 CI 测试从 2800 个精简到 300 个,另一位...
今天几件事都有实料:Claude Duet 带着云电脑入场个人 agent,DeepSeek Flash 的一张账单是 40 亿 token 花了 260.44 元,Switch 2 越狱作者则把 Codex 的硬件台架和失败路线都写了出来。群里继续上演 Codex「赛博求雨」,额度到账后又集体急刹车。另一条热闹主线是《80亿分之1》:大家一边嫌选项重复,一边投胎到晚上,最后已经有人开工做战...
今天最值得读的是群友对 Astra「防御式写作」的集中吐槽和对策。它写报告时句句给自己留后路,写代码时层层做参数检查,有人因此性能掉了 37%。群友给出的办法有几条:在规范里写明项目靠 crash early,别让它下「把话说死」的结论,先让它 review 你的任务描述。第二件是给 agent 配一台「无头骑士」:闲鱼上屏幕坏掉或被拆掉的 MacBook,M1 款一千出头,2014 款 M...
今天的硬消息是 DeepInfer 开源:除了推理框架,DeepSeek 还放出了与官方 API 处理逻辑对齐的 Token 编解码组件。群里最关心的数字是每卡每小时 38 美元的收入。微信自动化则从「整屏截图让模型看」聊到了无障碍树、局部截图和可重放的 flow,另有人换用 jev,把一笔 4 万 token 的账单压到了 $0.0016。Astra 今天有两个扎实案例:七八个小时贯穿反射...
今天最值得读的是@稳重的海豚 分享的一种和 AI 协作的方法:只让 AI 列选项、做分析,判断自己来做,做完再请 AI 挑刺。他说这样思考更深,人反而不那么累。几位群友补充了各自的理由,@蓝色大肥虞 顺着讲到 review:不用逐行读懂 AI 写的代码,要做的是维护好代码库,让 diff 的「外形」自己说明这次改得好不好。第二件是美国国土安全部的 DeepSeek 排除令:它不只针对 Dee...
今天最值得读的是关于 multi-agent 系统的一场讨论。有群友在整理讲义时发现这个方向最近没什么声量,群里随后转来一篇长文,把账算得很细:组队的开销是单干的 1.8 到 5.1 倍,四组对比里只有一组的提分在统计上显著;同样的钱拿去把单模型的档位调高,涨得更多。多 agent 能换来的,是几项有前提条件的工程指标。第二件是 DeepSeek V4.1 Flash 1017 上手第二天的...
今天最值得读的是 DeepSeek V4.1 Flash 1017。它开源了权重,在第三方的 Bug Hunt 评测里修掉 38.7 个 bug(满分 105),真实账单只有 $1.01;Opus 5.5 max 修掉 41.7 个,按标价估算约 $58.5。不过群友的实测评价差距很大,有人说「比 Haiku 5.5 强多了」,也有人说「没法超过 5.6」,由此引出一个判断:私有 bench...