全部 · 2026-05-03

Anthropic公开复盘了Claude Code性能回退，点出三个具体问题：推理强度被改动、缓存优化出错、系统提示词有长度限制。这三个坑都踩在工程约束上——改推理强度可能为了省算力，缓存优化想提速，提示词限制大概是防溢出，结果互相打架把模型表现拉低了。视频标题给了结论，但正文没披露任何复现细节、时间线和修复状态，我们不知道这些问题持续了多久、影响多大范围、现在是否已经修好。核心看点是AI审AI代码时，工程上的小改动很容易引发连锁反应，这点提醒从业者别把模型当黑盒用。但信息缺口还很大，建议等Anthropic放出完整技术报告再下判断。

这条帖子最值得看的是配置思路，不是跑分。用户在一台RTX 2060 Max-Q 6GB显存的旧笔记本上跑Qwen3.6-35B-A3B，插电时生成速度约23 token/秒，不插电掉到10 token/秒出头。能跑起来靠三招：把MoE的部分层扔给CPU算，对KV缓存做量化压缩，再加ngram投机解码来加速。这相当于用CPU的算力换显存空间，同时用预测下一个词的方式减少等待时间。 不过帖子正文被Reddit的403拦截了，具体llama-server参数、模型量化格式、上下文长度拉到64k和128k时的实际延迟和显存占用都没披露。23 token/秒是短文本还是长对话也不清楚，长上下文下KV缓存膨胀后速度可能掉得很厉害。另外CPU分担MoE层对Ryzen 7的负载、风扇噪音、续航影响也没提。 这条对显存紧张的用户有参考价值，但缺实测细节，别直接照搬配置。想复现的话，得自己测不同量化级别和投机解码参数的实际效果。

这条消息来自 Reddit 的 LocalLLaMA 板块，但帖子正文被网络屏蔽，我们只能看到标题“Ryzen AI Max+ 495 (Gorgon Halo) with 192GB VRAM!”。标题里提到的 192GB 内存，如果属实，对本地跑大模型的人来说是个大数字——意味着能装下更大的模型，或者同时跑多个模型，不用频繁在内存和硬盘之间倒数据。但“VRAM”这个说法在 APU 上不太准确，它应该是统一内存架构，系统和 GPU 共享这 192GB，实际能分给 GPU 做显存的部分要看驱动和 BIOS 怎么分配。 目前信息缺口很大：没看到任何官方路线图、泄露的规格表或基准测试。192GB 是 LPDDR5X 焊在主板上的上限，还是可配置选项？内存带宽多少？这些直接决定推理速度。另外，代号“Gorgon Halo”和之前的 Strix Halo 是什么关系，是马甲还是新架构，正文没披露。Reddit 原帖被屏蔽，我们没法核实发帖人有没有贴出信源链接。建议先打七折看待，等有实物跑分或 AMD 官方路线图流出再激动。

这条分享的亮点是“全离线”和“手机能跑”。Gemma 4 E2B 是个 2.4GB 的小模型，搭配 244MB 的 Whisper Small 做语音转文字，在 8GB 内存的 OnePlus CE 5 上，录一段 10 到 15 秒的语音，从转录到整理出带标签的笔记，总共花 12 到 15 秒。这个速度日常记个灵感、列个待办够用，而且数据不出手机，隐私上是个实打实的卖点。 不过得先打个折：Reddit 原文返回了 403 错误，我们只能根据摘要来判断，没法核实他说的功耗、发热和长时间使用的稳定性。摘要里提到搜索用了查询扩展、全文检索和可选的 Gemma 重排序，还有个 15 秒的降级兜底，说明作者在工程上花了心思，但实际检索质量怎么样，正文没披露。另外，模型量化方案、内存占用峰值这些关键信息也缺失，想复现的人得自己踩坑。 这点先别太激动。手机端跑模型已经不是新鲜事，但把语音识别、文本整理和本地搜索串成一个完整可用的应用，而且延迟控制在可接受范围，说明小模型在特定任务上确实能干活了。缺的是真实用户长期使用的反馈，比如电池扛不扛得住、多任务切换会不会杀进程。

这条消息来自 Reddit，但原文被屏蔽了，我们只能根据摘要来判断。Intel 和 AMD 公布的 ACE 扩展，用 2D 瓦片寄存器和外积算法，每时钟周期能做 1024 次乘法，对比现在 AVX 的 64 次，纸面吞吐量直接翻了 16 倍。这个数字挺唬人，但先别激动——目前没有任何 ACE 硬件上市，功耗、实际延迟、框架支持这些关键信息一概没披露。 说白了，这就是个指令集层面的设计蓝图。从 AVX-512 的历史来看，这类扩展从纸面到落地，再到主流框架真正用起来，通常要好几年。而且高吞吐往往伴随高功耗和散热压力，在消费级 CPU 上能不能跑得动是个大问号。正文没提任何上市时间表，也没说首批支持的是服务器芯片还是消费级芯片。 如果真能落地，对跑本地模型的玩家是个好消息，相当于不用显卡也能在 CPU 上跑稍大一点的模型。但现阶段只能当技术路线图看，别急着为它换主板。

这个测试让模型通过函数调用来设计数据库和 API，相当于考模型能不能把需求直接变成可运行的后端代码。qwen3.5-35b-a3b 的表现跟 gpt-5.4 持平，听起来挺强，但得先打个折：总共只测了 4 个项目，样本量太小，换个项目可能结果就变了。而且评分工具是作者自己写的，没有第三方验证，可能存在偏向。 成本方面，一个商场项目跑下来要消耗 2 到 3 亿 token，按 GPT 5.5 的定价算，单模型成本在 1000 到 1500 美元。这个数字说明两件事：一是这种全自动后端生成目前还很烧钱，二是如果开源模型真能追上闭源，省下的费用会很可观。 正文没披露测试的具体项目类型、评分标准细节，也没说 qwen 在哪些子任务上强、哪些上弱。光看一个总分很难判断它是不是真的能替代 gpt-5.4 干活。

这条消息来自 Reddit，原帖被网络屏蔽，我们只能看到标题和摘要，看不到论文全文和讨论。标题说 Hummingbird+ 用低成本 FPGA 跑 Qwen3-30B-A3B 的 4-bit 量化版，生成速度每秒 18 个 token，板载 24GB 内存，量产成本预计 150 美元。这个价格如果属实，比同显存的显卡便宜一大截，对想在家跑大模型的玩家很有吸引力。 但关键信息全是缺口。正文没说是哪款 FPGA，不同型号的能效和实际采购价差很远。也没提功耗、散热方案、batch size 和 prompt 长度，这些直接决定 18 t/s 在真实场景里还剩多少。另外，24GB 是板载总内存还是模型可用内存，也没写清楚。Reddit 讨论被屏蔽，看不到社区有没有扒出更多细节或质疑。 我会先观望。如果后续有完整论文或第三方实测，重点看功耗墙和长上下文下的速度衰减。150 美元跑 30B 模型听起来很美，但在看到芯片型号和独立复现之前，这个数字更适合当个念想。

DataNebula 开源的这个 rosetta-llm，说白了就是个接口翻译器。Claude Code 本来只跟自家模型玩，现在通过它能把 Anthropic Messages、OpenAI Chat 和 Responses 三种格式互转，让 Claude Code 也能指挥别家的模型干活。 它最值得看的地方是处理“思考块”——模型推理时的中间步骤。很多代理工具在多轮对话里会把这块丢掉，导致后续提示缓存命中率暴跌，成本上去、效果下来。rosetta-llm 用 signature 字段把加密的推理过程来回带，试图保住这个上下文。这点如果真跑通了，对用 Claude Code 做复杂 agent 工作流的人挺实用。 不过现在能说的就这么多。Reddit 原帖被屏蔽，正文没披露性能损耗、支持哪些模型、转换会不会引入延迟。开源项目刚放出来，没经过大规模验证，我会先打个折。想试的话直接去看 GitHub 仓库，重点测多轮对话时思考链是否完整，以及提示缓存还能不能命中。

Autoloops 把 Upskill 做成了一个开源技能注册表，相当于给 AI 代理配了一本可检索的“技能黄页”，目前索引了超过 1 万个技能。代理在干活前会先来这里查一下有没有现成的工具或流程可用，避免重复造轮子。搜索靠的是 Postgres 全文检索加 1024 维向量匹配，再按收藏数、安装量和用户反馈做重排序，尽量把靠谱的技能往前排。入库时还有一道对抗性审查，用大模型拦下了几百个可能有问题的技能，这点在安全上加了道锁。 不过这条消息有个硬伤：Reddit 原文被网络策略拦了，返回 403，我们看不到完整的项目细节、实际延迟表现和社区反馈。1 万多个技能听起来不少，但质量分布、更新频率、是否真的能帮代理省时间，这些关键信息都缺失。另外，代理每次干活前都去查一次，会不会引入额外延迟，正文也没提。 整体看，思路实用，开源免费是加分项，但信息缺口太大，先别太激动。等能看到实际跑起来的案例和延迟数据再说。

这条新闻本身挺有意思，但微信页面被环境异常拦截，正文完全看不到，只能靠英文摘要拼凑。从已有信息看，2025年1月到2026年4月间，至少六位前CTO——来自Workday、You.com、Box、Super.com、Adept AI这些百亿级公司——跳槽到Anthropic做个人贡献者，也就是不带团队的工程师。 机器之心原本想讨论的点不是“为了AGI理想”，而是职业杠杆。这个判断我打个折：正文没披露这些人的具体薪资、期权结构，也没说他们在Anthropic到底做什么层级的IC。光看title降级就下结论说“CTO不香了”，有点标题党。真正值得追问的是：这些人手里有多少Anthropic的股权，以及他们赌的是不是下一轮估值跳涨。 还缺几个关键信息：六个人的入职时间线是否集中在某轮融资前后，Anthropic内部IC的决策权和资源调配权到底多大，以及他们原来公司的AI战略是不是已经撞墙了。没有这些，就只能当八卦看。

这条新闻本身挺炸裂的：斯坦福和Arc研究所的Evo模型直接生成了302个噬菌体基因组，其中16个成功感染大肠杆菌、自我复制并裂解宿主。这相当于AI不靠自然界已有模板，凭空造出了能干活的新病毒。Evo用的是StripedHyena 2架构，一次能处理100万个碱基对的长序列，后续版本Evo-Φ69在6小时内扩增了16到65倍。 但有个关键问题：原文链接被微信屏蔽了，显示“环境异常”，我实际看不到论文细节、实验方法和安全讨论。摘要里提到一个衣壳蛋白在现有生命中找不到同源物，这点很值得警惕——AI造出了自然界不存在的东西，生物安全风险是实打实的。 目前缺的信息：这16个成功病毒的具体功能验证数据、Evo的训练数据和算力成本、以及团队对生物安全的具体管控措施。等原文能看了再补细节。

谷歌研究院和纽约大学搞了个叫 Vantage 的角色扮演系统，让 AI 扮演难缠的同事或客户，在模拟工作场景里一步步给你施压，再从对话中抓你的行为打分。他们找了 188 个 18 到 25 岁的美国人测试，AI 打分和真人专家的一致性 Kappa 值在 0.45 到 0.64 之间。这个数字说明 AI 的判断跟专家互评的水平差不多，但 Kappa 本身只算中等一致，算不上精准。 文章没披露测试场景具体覆盖哪些行业、压力强度怎么量化，也没说受试者是不是拿了报酬的学生——如果是，样本代表性就要打个折。最关键的是，所有测试都在实验室环境完成，没有真实职场的数据做对比，所以这套系统能不能扛住真实世界的复杂人际关系，现在完全不知道。 谷歌自己也说这只是 Labs 里的研究实验，离产品化还远。如果你是想拿它做招聘或晋升评估，先等等：缺真实场景验证、缺多样本、缺长期追踪，这三块补上之前，分数看看就好。

DeepSeek V4 技术报告列了一堆新组件，唯独没提 Engram。这个模块是 DeepSeek 和北大 1 月开源的，做法是在 Transformer 第 2 到第 15 层之间插入查表模块，相当于给模型加了个快速翻资料的捷径。在 27B 规模的测试里，它把 MMLU 分数拉高了 3.4 分，多查询大海捞针准确率干到 97.0%，效果不算小。 工程上还有个信号：8 台服务器通过 CXL 共享 4TB 内存池，吞吐损失不到 5%。这说明 Engram 不是纯学术玩具，已经考虑了实际部署成本。但正文没披露 V4 为什么不用它——是效果在更大规模上衰减了，还是跟其他新组件冲突，或者单纯没来得及整合，这些都没说。 我会先打个折：Engram 的测试只在 27B 上跑过，V4 的规模大得多，直接假设它能平移过去不现实。另外多查询大海捞针这种任务偏检索，跟真实应用场景还有距离。这点先别太激动，等 DeepSeek 自己出来解释缺位原因再说。