ax@ax-radar:~/curated $ grep -l 'curated=true' sources/
33 srcsignal 72%cycle 04:32

AX 严选 · 2026-08-25

8 · updated 3m ago
2026-08-25 · 星期二2026年8月25日
21:12
28d ago
AI HOT 精选· aihot-apiZH21:12 · 08·25
LangChain 和 Airbyte 联手:让数据灌入向量库能定时刷新,不再是一次性导入
LangChain 和 Airbyte 发布了一个新集成,方向反过来了:Airbyte 现在可以把数据直接灌进向量库,而不是只从外部拉数据。文章的核心观点是,生产环境需要定时重新索引,而不是一次性导入,Airbyte 的编排能力正好补上这块。正文没披露具体支持哪些向量库,也没说怎么配置刷新周期。
#LangChain#Airbyte
一句话点评
LangChain 和 Airbyte 搞了个反向集成:Airbyte 现在能把数据直接灌进向量库,而不是只从外部拉。核心卖点是生产环境需要定时重新索引,Airbyte 的编排能力正好补上这块。但正文没披露具体支持哪些向量库,也没说怎么配置刷新周期,这点先别太激动。
HKR 分解
hook knowledge resonance
打开信源
60
SCORE
H0·K1·R0
18:16
28d ago
AI HOT 精选· aihot-apiZH18:16 · 08·25
吴恩达的 OpenWorker 开源智能体框架更新,内置三种网络安全检查,整套工具链可审计
OpenWorker 这次更新直接塞了三个网络安全智能体进去:扫代码漏洞、查依赖包有没有被供应链投毒、检查云上安全配置。它的 harness 全部开源,安全团队可以自己翻代码确认没有后门。还支持在本地跑开源权重模型,敏感代码不用上传。正文没提具体模型名和跑分,这点先别太激动。
#Andrew Ng#OpenWorker#Open source
一句话点评
Andrew Ng 的 OpenWorker 新版直接内置了三个网络安全智能体:扫代码漏洞、查依赖包投毒、检查云配置。harness 全开源,安全团队能自己审计有没有后门;还支持本地跑开源权重模型,敏感代码不用上传。正文没提具体模型名和跑分,这点先别太激动。
HKR 分解
hook knowledge resonance
打开信源
68
SCORE
H1·K1·R0
15:32
28d ago
● P1AI HOT 精选· aihot-apiZH15:32 · 08·25
Dylan Patel:Anthropic 和 OpenAI 将掌控全球大部分算力到 2028 年
SemiAnalysis 创始人 Dylan Patel 算了一笔账:今年全球新增算力里,Anthropic 和 OpenAI 两家就拿走了约 30%,明年这个比例会涨到 40% 到 50%,按这个趋势到 2028 年,全球大部分可用的算力都会集中在这两家手里。背后的驱动力是单位经济模型——Anthropic 现在每兆瓦推理算力能产生最高 5000 万...
#Anthropic#OpenAI#SemiAnalysis
精选理由
精选 · 重要度 92 · 吸引力 + 知识量 + 共鸣
一句话点评
Dylan Patel 判断,到 2028 年 Anthropic 和 OpenAI 会吃掉全球大部分算力,因为它们的模型推理赚钱效率太高,能出价碾压其他买家。
锐评
这条判断来自 SemiAnalysis 的 Dylan Patel 在 Dwarkesh 播客上的推算,核心逻辑是:头部实验室的推理毛利率已经高到离谱。他举的例子是,Anthropic 每花 1000 万到 1500 万美元的算力成本,能产生高达 5000 万美元的收入。这种“花 1 块挣 5 块”的生意,让它们可以不断把利润砸回训练端,抢走新增算力。 数字上看,今年新增算力里大约 30% 流向这两家,明年这个比例预计会跳到 40% 到 50%。到 2028 年,全球 AI 基础设施的资本支出会从现在的 1 万多亿美元膨胀到超过 2 万亿,而这两家实验室的份额还在加速集中。 不过,这个推演有几个缺口。第一,正文没给出“全球大部分算力”的具体占比门槛,是 51% 还是 80% 不清楚。第二,推理收入的天花板取决于企业客户是否持续为高价 API 买单,这点没有展开。第三,SpaceX 作为新基建方入局会怎么改变算力定价和供给,也只提了一句。如果推理价格战开打,或者开源模型把推理成本打下来,这个“赢家通吃”的剧本就得重写。
HKR 分解
hook knowledge resonance
打开信源
92
SCORE
H1·K1·R1
03:19
28d ago
AI HOT 精选· aihot-apiZH03:19 · 08·25
飞书豆包合并后首款Agent产品“豆包工作”发布
飞书和豆包合并后推出了第一款Agent产品,叫“豆包工作”。但正文页面被环境拦截,需要验证才能看,所以产品功能、定价、上线时间这些细节都没披露。目前能确认的就是产品名字和“合并后第一款Agent”这个定位。
#飞书#豆包
HKR 分解
hook knowledge resonance
打开信源
25
SCORE
H0·K0·R0
00:00
29d ago
AI HOT 精选· aihot-apiZH00:00 · 08·25
OpenRouter 把视频生成也做成了统一 API:换模型只改一行代码
OpenRouter 把多个视频生成模型(Seedance、Veo、Wan 等)塞进同一个异步 API。你发一个 POST 请求到 /api/v1/videos,拿到一个 job ID,轮询等它完成,下载 MP4。换模型只需要改一行 model 参数,不用重新对接不同厂商的接口、认证和轮询逻辑。正文没披露具体价格和生成速度,但强调异步设计比直接对接各家...
#OpenRouter#Seedance#Veo
一句话点评
OpenRouter 把 Seedance、Veo 等视频生成模型统一成一个异步 API:发请求拿 job ID,轮询等结果,下载 MP4。换模型改一行 model 参数就行,不用重新对接各家接口和认证。正文没披露具体价格和生成速度,但异步设计比直接对接各家或本地跑 GPU 省事。如果是真的挺省钱,但轮询延迟和稳定性得自己试。
HKR 分解
hook knowledge resonance
打开信源
60
SCORE
H0·K1·R0
00:00
29d ago
AI HOT 精选· aihot-apiZH00:00 · 08·25
OpenRouter 教你六步挑模型:先看任务,再看成本,别信排行榜
OpenRouter 发了一篇实用指南,核心观点是“没有最好的模型,只有最适合你任务、预算和延迟的模型”。它给了一个六步框架:先定义任务,再用排行榜和实时用量数据筛出候选,然后对比不同供应商的价格和延迟,最后拿自己的提示词跑一轮实测。评判标准是“每个任务花多少钱”,而不是“每个 token 花多少钱”。OpenRouter 的 MCP 服务器可以直接在...
#Benchmarking#Inference-opt#OpenRouter#Artificial Analysis
一句话点评
OpenRouter 这篇指南的核心是:别迷信排行榜,先定义任务,再拿自己的提示词跑一轮实测,最后按“每完成一个任务花多少钱”来算账,而不是按 token 单价。它提供了一个六步框架,还能在编辑器里通过 MCP 直接查实时排名和价格。正文没披露具体测试案例或成本对比数据,所以实操效果得自己试。对选模型头疼的团队,这套流程比看榜单靠谱。
HKR 分解
hook knowledge resonance
打开信源
55
SCORE
H0·K1·R0

更多

频道

后台