Featured
Muse Spark Open 開放權重：42B 啟用，硬體仍吃重
Muse Spark Open 開放權重與百萬 token 上下文，主打多模態 coding agent。這篇整理影像與影片理解、工具工作流、託管及自行部署入口，並交代桌面部署的硬體條件與自訂授權，讓你快速看懂這次開放了哪些選擇。
AI 影片一長就穿幫：Google 替它找來一整組劇組
AI 影片為什麼一長就穿幫？主流模型一次只能生成十幾秒，長片得一段段接，接著接著角色換了衣服、道具變了樣。Google Research 9 月 24 日公開四個框架，讓一組 AI 代理人分別當導演、場記、攝影和品管，做出將近十分鐘不走樣的短片。這篇拆解分工、成績，以及它們還沒真正合體的事實。
「不會幻覺」的 Jev 是什麼？7 張圖拆開 TypeSafe 的話術
Jev 是什麼？TypeSafe AI 在 2026 年 9 月發布的 System One Model，不生成文字，只回傳選項、分數和機率，每百萬 input token 0.042 美元、延遲 70 到 500 毫秒。這篇用 7 張圖整理它的 API、官方 benchmark 該怎麼讀、「不會幻覺」這句話少講了哪一格，以及中文團隊決定要不要用之前該問的四個問題。
主題
所有主題Latest
看全部 →
目標設定太實際會失敗？Dan Koe 的「妄想目標」三步驟
目標設定太實際，反而會讓你平庸。Dan Koe 這篇上線不到一天就有 115 萬人看過的長文主張：目標不是終點，是注意力的濾鏡，設到自己都覺得不可能，大腦才會開始找新路。這篇拆解他的三步驟、背後的心理學出處，以及 Locke 與 Latham 目標研究指出的一個前提：難度超過能力上限，效果會崩掉。
線稿變 3,295 個 3D 零件：GPT-6 Astra 電腦操作實例拆解
GPT-6 Astra 的 Computer Use 是什麼、能做到哪？OpenAI 在 2026 年 9 月 3 日發布，創作者用它開 Blender 建 3D 房子、幫手繪線稿上色、在 Unreal Engine 蓋出曼哈頓，第三天它自己坐下來通關了《傳送門》。這篇用「坐在你位子上的新同事」比喻，拆解二十多個示範、官方數據、價格，以及它會不會亂點。
AI 學寫顯卡程式碼，贏 Claude 還得先防它作弊：CUDA Agent 拆解
CUDA Agent 是字節跳動和清華教出來的 AI，專門寫讓顯卡跑更快的底層程式碼，成績贏過 Claude 和 Gemini，還逼得 GPT-5 直接不作答。這篇用白話拆它怎麼學、為什麼要先把考卷鎖起來防它作弊、訓練為什麼練到一半會失智，還有一般人現在到底能拿到什麼。
Claude Code 拔掉向量搜尋：RAG 之外的三種接地方式
RAG 還需要向量資料庫嗎？Claude Code 早期版本用過 RAG 加本地向量庫，後來整包換成 agentic search。這篇拆解四種把資料接給模型的方式：向量索引、agentic 搜尋、知識圖譜、語意層。各自的實測數字、廠商數字為什麼要打折，以及你該用哪一種查詢分佈去決定。
TimesFM-3 三個榜單第一，但權重不准商用
TimesFM-3 是 Google Research 8 月 31 日發表的時間序列基礎模型，330M 參數、原生多變量、一次前向算完整段預測，GIFT-Eval、fev-bench、TIME 三個榜單都拿下基礎模型組第一。但權重改成非商用授權，上一版 TimesFM 2.5 才是能上線的那個。這篇拆架構、拆榜單的實際含金量、能不能拿來預測股價，也講你現在該怎麼選。
一毛不花剪出紀錄片，要新畫面才付錢：OpenMontage 三條路拆解
免費 AI 影片工具大多只是「免費額度」。開源專案 OpenMontage 像一間只有一個製片的影片公司，你講一句話，它從查資料到交片全包，每一步做完敲門問你。這篇拆它的三條路：去素材圖書館找現成的一毛不花、外包生成一支片一塊三毛三、自己買顯卡開動畫部門，各自做得出什麼、卡在哪。
吳恩達挖 1 萬筆職缺：AI 工程技能沒有 prompt engineering
AI 工程技能該練哪些？吳恩達分析 1 萬多筆職缺與數十場招募訪談，歸納出四項：建構與部署 AI 應用、軟體工程基本功、使用 coding agent、塑造開發方向。裡面沒有 prompt engineering。這篇拆解四項各要求什麼、他八月新補的六個子技能，以及 LinkedIn 上最尖銳的那則反駁。
資深工程師用 AI 反而慢 19%：coding agent 該放手的六個時機
coding agent 怎麼用才不浪費時間跟 token？關鍵不是提示詞，是六個判斷點：這任務該不該交出去、spec 寫多細、context 給多少、規劃與執行怎麼配、什麼時候加驗證器、什麼時候拆多 agent。每個判斷點都有可操作的判準。
第一堂不准你寫評分標準：AI 功能怎麼測、evals 怎麼做
LLM evals 怎麼開始做？教過 4,500 個工程師的做法是：先別寫評分標準，先人工讀 20 到 50 筆真實失敗，標成二元對錯，再從那些失敗長出評分器。這篇拆解完整閉環：三種評分方式怎麼選、LLM 當裁判會怎麼騙你、以及什麼時候該停手。