美国成立超级智能部队,Google 发布 AlphaGenome Atlas
- 白宫成立超级智能部队 SIF,协调联邦超级智能事务
- Google 开放 AlphaGenome Atlas,覆盖 90 亿个基因变异
- OpenAI Codex 承诺 28 天每日上线改进或重置额度
白宫宣布成立超级智能部队 SIF,协调联邦政府确保美国在超级智能领域领先;Google 发布 AlphaGenome Atlas,绘制并开放人类基因组全部 90 亿个单字母变异,同时推出 WeatherNext 3 天气 AI 模型;OpenAI Codex 负责人承诺未来 28 天每天上线一项改进或重置一次完整用量额度。
1️⃣ 美国成立超级智能部队(SIF)#
- 核心:特朗普宣布成立 Super Intelligence Force(SIF),任务为协调联邦政府努力,确保美国继续在超级智能领域引领世界。
- 细节:特朗普称超级智能“比工业革命和互联网更大”,将保护所有美国人利益、改善生活。白宫官方推文发布了这一声明。
- 行业意义:联邦政府设立专门协调机构,超级智能从技术议题上升为国家战略层级,后续可能影响 AI 监管、采购与安全政策。 🔗 白宫推文 | 转述
2️⃣ OpenAI Codex 承诺连续 28 天每日上新或重置额度#
- 核心:OpenAI Codex 负责人 Tibo 承诺未来 28 天,每天要么上线一项对多数 Codex/工作用户明显相关的改进,要么重置一次完整用量额度。
- 细节:承诺原文为“Over the next 28 days, each day we’ll either ship one thing that is a clear improvement and relevant for most codex/work users or ship a full reset.” 额度重置作为未达标的补偿。
- 行业意义:头部 AI 编程工具进入高频迭代与用户留存竞争,额度重置成为运营杠杆,也向竞品施加更新节奏压力。 🔗 Tibo 原文 | 转述
3️⃣ ChatGPT/Codex 负责人访谈:模型选择器将消失,Agent 接管网络操作#
- 核心:Lenny 与 ChatGPT/Codex 负责人 Tibo 对话,讨论模型选择器可能取消、loops 与 graphs 是过渡形态、互联网多数操作将由 Agent 完成。
- 细节:模型选择器取消意味着系统按任务自动路由;loops 和 graphs 被视为当前中间态;Agent 将执行大部分网络操作;OpenAI 也谈及 AI 安全路径。
- 行业意义:产品交互从“选模型”转向“表达意图”,Agent 成为默认执行层,模型选择将下沉为基础设施。 🔗 Lenny 访谈 | YouTube
4️⃣ Google 发布 AlphaGenome Atlas 与 WeatherNext 3#
- 核心:Google 公布 AI 加速科学进展:AlphaGenome Atlas 绘制人类基因组全部 90 亿个单字母变异并开放给研究者;WeatherNext 3 为迄今最准确全球天气 AI 模型。
- 细节:Sundar Pichai 总结过去一周,包括 AI & Economy ATLAS 开放数据、翻译服务覆盖近 300 种语言、服务 70 亿人。四大重点:健康、自然灾害与天气韧性、学习、经济机会。
- 行业意义:大模型正从通用对话转向科学发现与公共基础设施,开放数据与模型对科研社区影响深远。 🔗 Google 博客 | Demis 转发
5️⃣ Google 论文 VeriHarness:用 Agent 验证 Agent#
- 核心:Google 发布 VeriHarness,将同一基座模型变为 Agent 验证器,处理多 rollout 中“一致错误”与“分歧信号”。
- 细节:两个任务:对分歧 claims 检查工作区证据;对全体一致 claims 主动挑战寻找遗漏需求。五个长时程基准上取得最佳选择分数;证据修订在 Gemini 3.5 Flash 上比单 rollout 提升 6.2 分,Claude Opus 4.8 上提升 6.4 分。发布约 26,000 条 rollout。
- 行业意义:Agent 可靠性从“采样投票”转向结构化验证,长时程任务评估迎来新方法。 🔗 论文 | 解读
6️⃣ LiteLLM 推出 Lens:Agent 轨迹智能分析#
- 核心:LiteLLM 发布 Lens,对海量 Agent 生产轨迹自动审查、聚类问题并给出带证据的改进建议。
- 细节:数据自托管在用户 ClickHouse,与 LiteLLM 网关同部署;提供无速率限制 SQL/API,Codex、Claude Code 等可直接消费轨迹数据;三步闭环:定义好坏运行标准、AI 分析聚类、人工复核下钻。针对 20 万+ 轨迹的 Agentic Swarm 观测困境。
- 行业意义:Agent 可观测性从传统 tracing 转向自托管、AI 驱动的诊断层,数据主权成卖点。 🔗 LiteLLM 博客 | 解读
7️⃣ Browser Use 发布 JavaScript 版本 browser-use-pi#
- 核心:Browser Use 官方发布 JavaScript 版本 browser-use-pi,已开源。
- 细节:回应开发者对 JS 版本的需求;GitHub 仓库提供 browser-use-pi。
- 行业意义:浏览器 Agent 从 Python 扩展至 JS 生态,前端与 Node 开发者可更直接集成。 🔗 Browser Use 推文 | GitHub
8️⃣ Perplexity Decisions API 驱动宝可梦一次性通关#
- 核心:Perplexity CEO 演示用 Decisions API 驱动 AI 一次性通关 Pokémon FireRed 四天王与冠军。
- 细节:137 次实时 API 调用,中位响应 592ms,p95 987ms,96.4% 响应低于 1 秒,预计推理成本 $0.028。
- 行业意义:实时决策 API 在游戏环境展示低延迟、低成本闭环,为 Agent 在动态环境中的决策提供基准。 🔗 Aravind 推文
9️⃣ Git 2.56 发布#
- 核心:GitHub 发布 Git 2.56,新增 git add —resolved,仅暂存仍标记冲突的路径,若冲突标记残留则拒绝暂存。
- 细节:一个 merge-base 案例从 0.68 秒降至 0.01 秒。
- 行业意义:版本控制底层工具的性能与冲突处理改进,提升大规模仓库协作效率。 🔗 GitHub 博客 | GitHub 推文
⭐ GitHub 趋势#
📊 类别速览
| 项目 | 类别 | Stars |
|---|---|---|
| antirez/ds4 | 本地推理/模型部署 | 23.4k |
| michael-denyer/pstack-claude | AI Agent 工作流 | 1.1k |
| tester-army/e2e | AI 测试工具 | 3.1k |
1. antirez/ds4 ⭐ 今日 +211#
语言/许可: C / MIT
总 Stars: 23.4k
仓库: GitHub
项目定位:
面向需要在消费级硬件本地运行大模型的开发者,提供针对 DeepSeek V4 Flash/PRO、GLM 5.x 等少数模型深度优化的原生推理引擎。
核心功能:
- 支持 Metal、CUDA、ROCm 后端,覆盖 Apple Silicon、NVIDIA 多卡、Strix Halo 等硬件。
- 通过 SSD streaming 在有限内存下运行超出显存的量化模型。
- 支持多 GPU 张量并行与多机流水线并行,可组合多个系统内存运行更大模型。
- 内置 HTTP 服务器与原生编码 agent,支持工具调用和 KV 会话持久化。
技术亮点:
自包含 C 实现,不依赖 GGML,但复用 GGUF 量化格式与 CPU 算子;针对路由专家量化和压缩 KV cache 优化,八卡 L40S 实现约 126 t/s 聚合生成。
2. michael-denyer/pstack-claude ⭐ 今日 +232#
语言/许可: JavaScript / MIT
总 Stars: 1.1k
仓库: GitHub
项目定位:
面向使用多种 coding agent(Claude Code、Codex、Pi 等)的开发者,提供结构化、可验证的工程工作流技能栈,将自然语言目标路由到对应开发流程。
核心功能:
- 将 Poteto 的 Cursor 技能栈移植到 Claude Code、Codex、Pi、OpenCode、Gemini CLI 等 harness。
- 提供 poteto-mode 路由,根据任务类型调用规划、调查、重构、性能修复、PR 维护等 playbook。
- 内置 how/why 调查技能、architect 架构审查、arena/swarm 多代理协作和验证流程。
- 支持按角色配置模型与推理努力级别,安装后无服务端依赖和遥测。
技术亮点:
基于 agent skill 与插件机制实现跨 harness 一致的工作流,通过路由 hook 和子代理工具在本地执行,不依赖外部服务。
3. tester-army/e2e ⭐ 今日 +345#
语言/许可: TypeScript / Apache-2.0
总 Stars: 3.1k
仓库: GitHub
项目定位:
面向 Web 和移动应用测试团队,在传统端到端测试中引入自然语言 agent 步骤,让 agent 驱动应用完成目标并保留确定性断言。
核心功能:
- 用自然语言描述测试目标,agent 操作应用,同时可用 locator 和断言校验结果。
- 支持 Playwright 的 Chromium、Firefox、WebKit 以及 iOS/Android 模拟器。
- agent 步骤在后续运行中可录制回放,应用无变化时不调用模型。
- 可接入自有订阅、API key 或本地模型,并提供 GitHub PR 评论报告器。
技术亮点:
agent 步骤录制/回放机制降低重复模型调用成本;决策模型执行器限定语义动作和断言边界,提升测试稳定性。
🟧 Hacker News 热议#
Run Qwen 3.8 Flash Next (125B) on consumer hardware (RTX 4090) at 100T/s#
567 pts · 270 comments · github.com/niko1221
📌 内容总结
- 背景/作者意图:Strata 是 MIT 开源本地推理引擎,目标是在 12GB+ VRAM 的消费级 NVIDIA/AMD 机器上运行 Qwen3.8-Flash-Next 125B MoE,提供一键安装、本地 OpenAI/Anthropic API、MCP、可选图像输入。
- HN 关注点:
- 关键机制:把 24,576 个专家分片放在 GPU/RAM/CPU/SSD,常用专家驻留 GPU;用小模型草拟、大模型批量校验的猜测-检查解码;长 prompt 按最多 8192 token 分块预填充。
- 速度数据:RTX 5070 12GB + 64GB RAM,Q2_0 约 94 tok/s、IQ2_XS 79、IQ3_XXS 62、IQ3_S 53;prompt 读取 1,600–2,650 tok/s。RTX 3090 预期 100–140 tok/s。首次启动会卡 1–3 分钟,首次读长 prompt 约每 3 万 token 一分钟。
- 质量与量化:提供 Q2_0/IQ2_XS/IQ3_XXS/IQ3_S/Coder/Unsloth UD-IQ4_XS 等;Coder 移除一半专家,宣称达到完整模型 SWE-bench Verified 的 91%,但代码外和 CJK 较弱。KV cache 默认 Q8,可配置全精度;默认单请求,可设
parallel: 2。
- 实际结论/限制:需要 32GB+ RAM、约 80GB 磁盘、12GB+ VRAM;64GB RAM 可运行所有尺寸。低于 4-bit、尤其 Q2/IQ2 和裁专家版本,长程 coding 质量有争议;多请求并发和上下文交换仍不理想。
💬 讨论总结
- 复现结果:多人报告在 4090、3090、3080、7900 XTX、9070 XT、DGX Spark、Mac 上可运行;4090+128GB RAM 约 124 tok/s,3090 IQ3_S 约 60 tok/s,9070 XT IQ2 约 65 tok/s;有人称 IQ3_XXS/S 质量已优于 Qwen3.8-27B,且比 llama.cpp 快。
- 量化质量是最大争议:一派认为 2-bit 量化、裁专家是“无免费午餐”,论文显示 4-bit 通常保性能、2-bit 常广泛退化;不能用它可靠做长程 agentic coding。另一派指出可选择 IQ3/IQ4,RCO-GSQ IQ3_XXS 接近未量化;有人实测 Q1 会生成错误 URL 并自我强化,IQ2 仍偶发,IQ3_XXS 才稳定。
- 工程经验:MoE offload 的解码速度容易做好,难的是 prompt processing 和长上下文;社区给出 RTX2060 8GB 上 Q2_0 约 600 tok/s prefill、IQ3_XXS 约 240 tok/s。KV cache 精度、MTP 草稿数量、thinking 开关、并发设置都会显著影响质量/速度。
- 视觉能力受到具体质疑:一位用户用 50 张图像坐标任务测试,同一 GGUF 和 vision adapter 在 Strata 上中位误差 154.8 px,llama.cpp 为 46.5 px,接近 9B→35B 的差距;回复者直接建议不用。
- 对比与生态:被拿来和 llama.cpp、ds4/DwarfStar、FreeToken、exllamav3、sglang、LM Studio 比较;有人认为主流引擎稳定但保守,专家缓存等特性会先出现在专用 fork;也有评论补充 llama.cpp 要求贡献者人类理解代码,完全 vibe-coded 的项目难以 upstream。
- 其他:本地 OpenAI/Anthropic API 对 coding agent 有吸引力;安装提示“让 AI 助手按 docs/AI_SETUP.md 安装”引发对
curl|bash和 AI 生成代码的争论;Qwen 内容审查话题出现,但有人用 abliterated 版本反驳。对本地推理的战略含义上,有人认为数据中心扩张的电力/空间假设会被效率提升削弱,也有人指出 GPU 成本可能远高于电力/空间。
Homa: The end of TCP for AI clusters [video]#
46 pts · 12 comments · youtube.com
📌 内容总结
- 背景/作者意图:John Ousterhout 的演讲,主张 AI 集群的 RPC/梯度/权重/KV cache/checkpoint 流量不再适合 TCP 的 sender-driven congestion control;Homa 是面向数据中心 RPC 的 receiver-driven 传输协议。
- HN 关注点:
- 机制:短消息先盲发,消息被分成 unscheduled 首段和 scheduled 后续段;接收方用 GRANT 显式请求后续数据。评论贴出 2018 SIGCOMM 论文、LWN 和 ATC21 资料。
- 历史类比:电路交换被分组交换取代,是因为互联网流量稀疏且动态;AI 集群流量更可预测,因此定制传输可能更高效。
- 现实约束:现代硬件交换机 per-packet 开销低,小包不再像早期软件交换那样低效;但 RoCE/PFC 链路层流控会造成拥塞扩散和 bufferbloat,QCN/Falcon/Ultra Ethernet 更好但需要新硬件。
- 实际结论/限制:Homa 不是新项目,讨论集中在它是否比 QUIC/RoCE 更干净、以及实际性能与可靠性是否足够。
💬 讨论总结
- 有评论指出 Homa 论文已存在多年,并在 Git 仓库 changelog 中查看新进展;也有人抱怨主链接是视频,要求论文或文字版。
- 支持性论点:AI 集群流量模式比公网更可预测,专用协议可避开 TCP 在大规模 RPC 下的瓶颈;链路层 flow control 只能治标,且会误伤无关流量。
- 强质疑(单条详细评论,未见反驳):Homa 无外层连接状态,整条 RPC 丢包时接收端无法检测并请求重传;没有内建加密;基准里 60kB 平均消息要 5 个超线程才到 20 Gbit/s,约 4 Gbit/s/线程;QUIC 用 stream ID、stream max、多 stream、加密、middlebox 穿透和 ack 帧更干净地解决同类问题。
- 历史/工程背景:RoCE 在真实集群中配置脆弱,PFC pause frame 曾导致全局停顿;Homa 的取舍与 QNX 网络协议有相似处(单包请求/响应,但支持长消息)。
Agents don’t need memory, they need documentation#
342 pts · 210 comments · liao.gg
📌 内容总结
- 背景/作者意图:作者认为所谓 agent “memory” 插件——会话转 snippet、embedding、每轮注入 top-5、必要时再搜索——在解决错误问题;agent 需要的是可读写的项目文档,而不是 RAG 召回。
- 关键要点:
- 批评 RAG memory:相似度不等于正确/最新;snippet 丢失上下文;过去记录被当作真相;agent 不知道自己不知道;向量库不可审计。
- 提出 document-based memory:用结构化 Markdown “brain/workspace” 保存 instructions、specs、decisions、research、indexes;工作前 consult,工作后 update,循环改为 prompt → consult → build → update。
- AGENTS.md 有效但单个文件不够;文档应可读、可改、可 commit、可分享,不依赖向量数据库、embedding、summarizer 或后台 daemon。
- 实际结论/限制:作者称该系统使用一年并开源为 Operator Memory;文章主要是经验与架构主张,未给出基准对比或团队采用数据。
💬 讨论总结
- 本次输入未包含该 story 的
top_comments;HN 评论树为空,无法可靠提炼社区共识、反驳或工程经验。仅能确认文章将 memory 问题重新定义为文档维护问题。
Black Forest Labs 发布 FLUX 3 Image,Hinton 发布首篇 RSI 论文
- Black Forest Labs 发布 FLUX 3 Image,支持 JSON 布局与 10 图参考
- Uber 公开 MCP 网关,托管 800+ 服务器、5000+ 工具
- Hinton 发布首篇 RSI 论文,聚焦 AI 递归自改写
Black Forest Labs 发布 FLUX 3 Image,支持框选局部编辑、JSON 坐标布局与最多 10 张参考图合成;Hinton 发布首篇 RSI 论文;Uber 公开 MCP 网关,已托管 800+ MCP 服务器与 5000+ 工具;Strata 让 125B 参数 Qwen 模型在消费级硬件运行。
1️⃣ Black Forest Labs 发布 FLUX 3 Image:支持框选局部编辑与 JSON 布局#
- 核心发布:Black Forest Labs 推出 FLUX 3 Image,主打精准局部编辑:用户画框后输入修改描述,画面其他区域尽量保持不变。
- 布局控制:支持用 JSON 坐标指定每个元素位置,适合排版、海报等场景。
- 多图合成:最多支持 10 张参考图合成。
- 体验入口:官方已开放在线体验页面。 🔗 发布推文 | 在线体验
2️⃣ [持续跟踪] Hinton 发布首篇 RSI 论文:AI 参与改进下一代 AI#
- 前情提要:近期 Hinton、Bengio 等 20 多人发布智能爆炸论文,讨论 AI 自我改进与智能爆炸风险。
- 最新进展:量子位报道,Hinton 发布首篇 RSI 论文,核心判断是 AI 已开始进入“造下一代 AI”的流水线。
- 关注点:RSI(递归自我改进)从公共警告进入具体研究论文,后续需关注论文中的实验设置、评估指标与可复现性。 🔗 量子位报道
3️⃣ Uber 公开 MCP 网关:托管 800+ MCP 服务器与 5000+ 工具#
- 规模:Uber 将全公司数千个存量 API 自动转译为 MCP 工具,目前已托管 800+ MCP 服务器、5000+ 工具。
- 架构:采用“控制平面 + 数据平面”分离。MCP Registry 负责目录、所有权、启停;Proxy Gateway 在 MCP 与 HTTP / gRPC / TChannel 之间双向转换。
- 安全模型:所有工具默认禁用,必须由服务团队显式审核后启用;授权细到单个工具,按调用主体区分策略,PII 数据自动脱敏。
- 上下文治理:用 Omni MCP 四元工具做渐进式发现,Response Projection 裁剪响应字段,Code Mode 让编码智能体通过 CLI 调用工具并写文件、用 grep 选择性读取。 🔗 Uber 工程实践解读 | Uber 原文
4️⃣ Strata 在消费级硬件运行 Qwen 3.8 Flash Next 125B#
- 项目:Strata 针对 Qwen3.8-Flash-Next 做本地推理,采用混合专家缓存、CPU/GPU 并行、SSD 查找表与推测解码。
- 性能:RTX 5070 12GB + 64GB 内存测试中,Q2_0 约 94 token/s,IQ3_S 约 53 token/s;RTX 4090 + 128GB 内存用户报告约 124 token/s。
- 资源要求:至少约 12GB 显存、32GB 内存及 80GB 空闲磁盘。
- 能力折衷:Coder 版本移除一半专家,作者报告保留完整模型约 91% 的 SWE-bench Verified 成绩,但非代码任务及中文等能力较弱。 🔗 GitHub | HN 讨论
5️⃣ [持续跟踪] Gemini 4 Argon 幻觉率 15%,答对率低于 Opus 5.5#
- 前情提要:Google 发布 Gemini 4 Argon,输出上限提至 100 万 token,多项基准登顶,但第三方评测与 Arena 排名引发质疑。
- 最新数据:Martin Fowler 引用 Artificial Analysis 数据:Gemini 4 Argon 幻觉率 15%,Grok 4.7 为 29%,GPT-6 Astra 45%,Opus 5.5 59%,Fable 5.1 69%。
- 折衷:Gemini 4 Argon 在 Max 模式答对率 50%,低于 Opus 5.5 的 66%;但其在不知道时会明确表示不知道,而非编造。 🔗 Martin Fowler Fragments | Artificial Analysis 引用推文
6️⃣ Opus 5.5 端到端编排多模型生成视频:4 分 30 秒 MV 与 36 分钟教育片#
- 案例一:Min Choi 用 Opus 5.5 生成 4 分 30 秒、全程跟随音乐节拍的动态设计 MV。流程为先由 Suno v6 生成音乐,再把音乐、风格、歌词与提示词交给 Opus 5.5,Effort 设为 Ultracode。
- 案例二:LLMJunky 让 Opus 5.5 自主制作《光的历史》教育影片,最终产出 35 分 37 秒完整影片,成本超 200 美元。
- 调用链:案例二调用 Gemini 3.8 Flash TTS 配音、Lyrica 3 背景音乐、GPT Image 2.5、Nano Banana Pro 与 NB2 Flash 生成场景图像。
- 成本参照:Min Choi 称同类动态视频过去可能需要约 5000 美元制作。 🔗 Min Choi 推文 | 流程说明 | 36 分钟影片
7️⃣ Nathan Baschez 反驳个人 Agent 终局论:共享“AI 工厂”是下一步#
- 核心论点:个人 Agent 已普遍存在,但经济上必然的下一步是共享、专用、可审视的 AI Factory。
- 对 Skills 的质疑:Skills 共享提示词,但运行环境不共享,结果会漂移;创建者难以方便地审视运行结果,反馈回路断裂。
- 模拟案例:两家各 100 人的咨询公司,各自使用个人 Agent 的公司把 AI 调试时间摊到 5-10 种任务,集中建设共享工厂的公司集中在 1-2 种任务,学习曲线深入约 5 倍。
- 定义属性:Shared(多人可用)、Specific(针对高频重复任务优化)、Scrutinized(有人能观察任务、修复失败案例)。 🔗 原文 | 推文摘要
8️⃣ Sam Altman 称世界应接受一些坏事,Gary Marcus 批评#
- 言论:Sam Altman 对 Politico 的 Brendan Bordelon 表示,“我们相信世界应该接受一些坏事发生,以换取这项技术带来的收益和人的自主性。”
- 批评:Gary Marcus 转发 Andrew Curran 的引述,称这是“把心里话大声说出来”:让公众承受代价,以便少数公司变得富有和强大。
- 争议点:该表态将“坏事”与“技术收益”并列,引发对成本由谁承担、责任如何分配的争论。 🔗 Gary Marcus 推文 | Andrew Curran 引述
9️⃣ LeCun:对 AI 灭绝人类风险“毫不担忧”,批评末日叙事#
- 观点:Fortune 采访中,Yann LeCun 表示对 AI 消灭人类“zero concerns”,将近期代理越界事件归于管理和安全设计失误,认为沙箱与监督可预防。
- 监管立场:批评有效利他主义相关末日叙事和部分实验室高管警告,认为这些言论可能推动有利于大型厂商、限制开放模型和新竞争者的监管。
- 技术路线:介绍 AMI Labs,研究基于 JEPA 的世界模型,在内部表征空间预测信息,当前侧重工业异常检测、机器人等物理世界应用。
- 讨论焦点:支持者主张优先讨论失业、虚假信息等具体风险;反对者认为可预防不等于无需担忧,更强系统仍可能带来控制问题。 🔗 Fortune 采访 | HN 讨论
🔟 Cloudflare 计划推出公共 CA 签发量子安全 TLS 证书#
- 计划:Cloudflare 计划推出公共证书颁发机构,签发抗量子 TLS 证书。
- 行业背景:后量子迁移需要客户端与浏览器信任链支持,公共 CA 能让量子安全证书进入现有 TLS 生态。
- 待确认:具体时间表、根证书信任计划及支持算法未在 InfoQ 摘要中展开。 🔗 InfoQ 报道