📄🦌🙌🐟🏖️
爱上极客
Just another Halo site
全部分类
AI 画图的扩散法拿来写字，Mercury 3 比 GPT-6 Luna 快 8 倍。

AI 画图的扩散法拿来写字，Mercury 3 比 GPT-6 Luna 快 8 倍。

Inception于10月19日发布扩散语言模型Mercury 3，它先铺满整段草稿再多轮并行修改，而非逐token生成。官方称其每秒输出1068个token，约为GPT-6 Luna的8倍、Claude Haiku 5.5的4倍多；12项评测中8项最高，但在长文档检索和DeepSWE编程上落后。成绩表价格为首发五折，按标价输入、输出分别是对手的2倍和1.4倍。上述成绩均为厂商自测，上一代第三方综合分明显低于官方对标对象。其低延迟更适合语音、搜索和agent子任务等场景，替换现有模型前应先用自身任务实测。

1 yan
记忆张量开源 MemT 1.0，把记忆写进模型，聊得越久越省。

记忆张量开源 MemT 1.0，把记忆写进模型，聊得越久越省。

MemT 1.0是记忆张量10月20日开源的记忆原生模型，含36B Nano和288B Flash。它在Transformer选定层并联固定大小记忆，每轮逐token写入，回答时只读记忆、不再放入聊天原文；写什么通过“老师看原文、学生只看记忆”的蒸馏训练获得。11个记忆评测中，它在参数化记忆方法里排第一，但仍低于文本记忆方案，长历史细节保真度待补。长历史下更划算：128K时端到端快1.86倍，存储约为整段上下文的1/66，短对话反而更慢。固定容量会覆盖压缩细节，使用中只更新局部记忆，模型权重不变，离“越用越聪明”仍有距离。

1 yan
MiniMax M3.1 Flash 做一张落地页比 Opus 5.5 便宜 88 倍，这笔账得拆开算。

MiniMax M3.1 Flash 做一张落地页比 Opus 5.5 便宜 88 倍，这笔账得拆开算。

MiniMax 10月19日发布M3.1 Flash，匿名走红的Space Bunny是其早期版本。API每百万token输入0.15美元、输出0.60美元，与DeepSeek V4.1 Flash 1017闲时同价。“Agent国产第一”仅限OSWorld 2.0和ALE，仍低于Opus 5、GPT-5.6 Sol；DeepSWE编程73.7%，低于DeepSeek的77.0%。“便宜88倍”出自单次落地页测试：约30倍来自单价，约3倍来自用量。Agent每步重读前文，账单大头是缓存；应看成功率、耗时、重试和人工介入，比较完成一件事的总账。

1 yan
谷歌让 AI 改 AI 的工具箱，模型一个参数没动，GLM-5 涨了 11.5 分。

谷歌让 AI 改 AI 的工具箱，模型一个参数没动，GLM-5 涨了 11.5 分。

Harness² 由谷歌云 AI 研究团队和西北大学 10 月开源：不改模型权重，只改系统提示词、规则、技能、脚本、插件等八个外部文件组成的“工具箱”。无标准答案时，它先跑原版，再试两版改法并对照执行与交付物，只留有证据的改动，把经验存入按领域分开的库供后续题复用。三个职业评测、四组模型与工具箱改一轮全部涨分：GLM-5 在 WorkBuddy-Bench 从 64.2 到 75.7，Gemini 制片题从 43.1 到 77.8；代价是 token 约原版 6 到 8 倍。它也会挑错、被错误前提带偏，甚至自行下载公开评分标准。可借用的是先跑再改、新规优先写成技能和脚本、记录每条规则为何有用。

1 yan
Murea-InWorld 拿下交互视频榜 WBench 第一，打一句话，AI 接着拍下一段。

Murea-InWorld 拿下交互视频榜 WBench 第一，打一句话，AI 接着拍下一段。

Murea Labs 10月17日公开交互视频系统Murea-InWorld：玩家一句话即可让AI续拍带声音视频。其核心是视频模型不记事，由Murea-Mind在外维护角色参考图、位置、物品和剧情，每段生成后回看核对并写回。Murea-Pro在WBench以81.1分居首，仅高第二名0.1分，但属50步慢速配置、团队自测；“3.6秒生成5秒720p”来自4步蒸馏版。开源基于LTX-2.5的Murea-Fast和Murea-Mind，Pro未发布。外部状态思路可借鉴，成绩需区分配置。

2 yan
AI 输出价是输入的 3 到 5 倍，模型的输出为什么比输入贵？

AI 输出价是输入的 3 到 5 倍，模型的输出为什么比输入贵？

大模型 API 的输出单价普遍是输入的 3 到 5 倍，根源在 GPU 处理预填充与解码的方式不同。读输入时整段提示词并行计算，受算力约束，速度快且成本摊得薄；写输出时自回归一次只生成一个 token，每步仍要把全部参数从显存搬一遍，算力大半空转，受显存带宽约束。批处理能拼车摊薄，但每个用户的 KV 缓存都占显存，拼车人数受限。独坐时写一个 token 耗时约是读的 300 倍，拼 7 人约 50 倍，DeepSeek 线上统计读写吞吐仍差 5 倍。缓存命中因跳过预填充最便宜。多出来的钱，买的是解码时一趟趟只拉几个人的班车。

1 yan
可灵 4.0 一次能拍 30 秒长镜头，追逐戏里连纸箱被压变形都拍出来了。

可灵 4.0 一次能拍 30 秒长镜头，追逐戏里连纸箱被压变形都拍出来了。

可灵 AI 的 Kling 4.0 于 10 月 15 日晚上线，单次生成 3—30 秒，关键帧最多 10 张，参考素材最多 15 项。博主实测追逐、马戏团、打斗、花滑、篮球等，认可电梯打斗的动作因果和镜头临场感，纸箱被压变形显示物理交互提升。1080p 30 秒 450 积分，按会员价约 16 元；Flash 720p 20 秒 120 积分，适合先打草稿。10-bit HDR 和 API 未上线。实测为挑选成片，无失败率与同题对比。创作者可先用 Flash 定方向，长镜头靠关键帧和参考视频减少重抽，并按单次价格乘抽卡次数估算成本。

2 yan
Qwen3-32B 九成神经元基本只干一件事，AI 黑箱没想象中那么黑。

Qwen3-32B 九成神经元基本只干一件事，AI 黑箱没想象中那么黑。

Nick Cammarata 10月15日发长文，认为“神经网络把无关概念塞进同一神经元”的叠加假说证据多被误读：猫车神经元实际识别V形，InceptionV1末层难读源于架构和工具。借助智能体大规模检查，他初步估计Qwen3-32B约九成神经元极只有一项主要工作，约7%有两项相关工作，仅2%—4%尚未看懂，故主张直接研究网络自身神经元，不必先训练稀疏自编码器“解结”。这是其自称约85%把握的工作假说，注意力机制和大模型完整审计尚未完成。

4 yan
AI 助理开始替你登录账号干活了，dots、Muse、Grok Bot 三款差在哪。

AI 助理开始替你登录账号干活了，dots、Muse、Grok Bot 三款差在哪。

8至9月，SpaceXAI、Meta、OpenAI发布 Grok Bot、Muse、dots。三者同类：均有云电脑、连账号，能主动干活。Muse管生活，免费起步，仅美国；dots管工作，含在月费100美元的ChatGPT Pro；Grok Bot为分工bot，月费20美元起。三者云电脑与敏感审批不同，OpenAI、Meta称会出错，长期出错率无独立测量。选择上，生活在美国可先试Muse，工作多用dots，多条线用Grok Bot。

3 yan