ChopperLin89

@MiniMax_AI @op7418 2.7都路边一条了，还不发新模型股价撑不住了啊。

@op7418 太卷了，2个月已经是好久🥲

MiniMax M3模型要上了，好久没发新模型了他们

@fancypandame @xicilion 我寻思codex是rust写的这个傻逼不知道吗

@xicilion 你下面就是了

@laike9m_ jumping一出，整个数学世界黯然失色。

2024 年之后，阿里巴巴再也没办过数学竞赛了

@SjLwrO14y68R3Dw 懂行的

剛剛想到，大學的 DSA 課程其實該教 SwissTable。 但這在排課上有個硬傷：它必須放在「計算機結構」之後。 如果不懂L1/L2 Cache、Pipeline、SIMD、Branch Prediction 就只是黑魔法。 現實是 Rust 和 Go 等現代程式語言 SwissTable 早就已經是標配了。 對了，不要以為都用標準庫，就不需要了解底層。

@Young010101 @bboczeng 别逗你勃哥笑了，渤哥已经财务自由，日入百万。

@bboczeng 勃哥，我想你也成功。Karpathy 都去上班了，勃哥能不能也去 $nvda 上班，彻底成功？

说一句爆论，我认为机器人确实是未来， 这点一定要相信黄仁勋，不要简单认为他是在吹牛逼 3年前，当他在GTC大会上说到Tokenomics时，我们也是一脸不屑，觉得是什么鬼 结果现在呢？Token factory是不是人类经济唯一的发动机？ 他掌握了太多我们不知道的东西，太超前了 必须相信老黄，至少比musk靠谱。如果一件事，老黄和musk同时说，那么基本上89不离10了 其实AGI和机器人这件事，早在西部世界中就有提及 我很怀疑，西部世界就是Openai那批人筹划拍摄的 里面的机器人，特别是机器人思维的大语言模型，和现在一模一样 你们仔细去看看，西部世界第一季最后两集，其中揭露了机器人说话的能力 就是大语言模型，而且一个字一个字，按照下一个字预测的，这不就是LLM吗？ Musk前女友也在剧组里面，Musk当时是OpenAI的联合创始人，他们肯定是已经搞出来GPT了 虽然当时GPT2还很垃圾， 但他们已经想到了10年后的未来， 这就是成功人士和我们这种失败人士最大的区别 因为成功人士的想象力，远超常人！！！

@dotey 憋了半天以为是大招，结果真路边一条

这位博主做了系列 Google Omni vs Seedance 2.0的对比视频，看起来差距还是蛮明显

@YixiDorje @MaxForAI 都是一坨屎啊，不管是模型还是产品

@MaxForAI Google 现在最强的可能不是 AI，是给工具起名。 每次想用一个功能，都像在做产品寻宝🤣

这就是Google AI现在最神奇的地方 你每次想用的时候，都像在玩一个产品命名迷宫。 个人账号去Gemini 开发者去AI Studio。 Workspace要Gemini Business 付费叫AI Pro，贵一点叫AI Ultra 写代码用Jules 但如果你说的是agentic IDE，不好意思那叫Antigravity 视频去Flow，Flow底下又是Veo 图片以前叫Nano Banana，现在又塞回Gemini 搜索里叫AI Mode 研究资料叫NotebookLM Agent又可能是Spark，也可能是Gemini API Managed Agents，但这俩还不是一回事😅 最后Google会很认真地告诉你： 很简单啊，你只要选对入口就行，问题是，入口本身已经变成产品了。 如果谷歌（和 DeepMind）能有一个有魄力的产品负责人，敢于彻底烧掉谷歌产品管理的整个官僚体系，他们就会赢。 否则，我他妈找入口都不知道去哪里😅

@kk2b2t @snowboat84 @karpathy grok团队不是都解散了吗，去老马那干嘛

@snowboat84 @karpathy 他不去tesla是我最意想不到的🤣老马错付嘞

最近Andrej Karpathy @karpathy 结束了他的AI教育创业，去了Anthropic。有人说这是背刺OpenAI，也有人说他是AI教育创业失败。 抛开这些八卦，作为普通人，我想见贤思齐，看看能从他身上学到什么。 首先说说，他的哪些事情是我们学不到的？ 第一，英语区里的文化语感。 英语本不是他的母语。他是捷克斯洛伐克人，但是他15岁去了加拿大，整个高中和大学都在英语环境里度过，英语对他来说是有文化感和语感的语言。我们这种博士才来美国的人，很难达到那个程度。缺的不是英语水平，是那种高密度的浸泡环境，以及从青春期开始就和英语母语者建立的深层学习关系。这一层补不上。 第二，顶尖的学术和职业履历。 他在加拿大的资源其实一般，但是后来去到斯坦福，就开始获得顶级资源。先是成为OpenAI的co-founder，又在Tesla最重视自动驾驶的那几年加入并主导FSD项目。顶着这两个title可以吃一辈子，这种成长背景和行业机遇，可遇不可求，普通人完全无法复制。 再来说说，什么是我们可以学习的。 第一，Building in Public。 他从19岁就开始这件事了。本科期间在YouTube开了一个叫badmephisto的频道，做魔方教程。读博期间他手搓了ConvNetJS，一个用纯JS写的深度学习库，打开浏览器就能看到神经网络在训练。之后每隔一两年，他就出一个从零手搓的小项目。2020年micrograd，2022年nanoGPT，from scratch重现GPT-2。2024年 llm.c，纯C训练LLM。2026年microgpt，200行无依赖跑通整个GPT。 二十年里没停过。每个项目都放在GitHub，配博客或者视频。这就是Building in Public的实质，做完一件事就留下一个公开的工件。 第二，Learning in Public。 这一点其实更值得学，因为门槛更低，但大部分人不好意思做。 他写过一篇博客叫《What I learned from competing against a ConvNet on ImageNet》。当时他自己亲手给ImageNet图片做人类标注，跟神经网络比赛准确率，然后把整个过程写下来。他还写过一篇《A Recipe for Training Neural Networks》，本质上是把自己训练神经网络踩过的坑列成 checklist。 他的YouTube系列Neural Networks: Zero to Hero也是一样。两个小时一个视频，他坐在电脑前边写代码边出声思考，包括卡住的地方、调试的过程，不修饰，不剪辑炫技。学生看到的不是结果，是一个真人怎么搞懂一件事。 Learning in Public还包括Teaching in Public。他读博期间主导设计了CS231n 这门深度学习课，从第一届150人涨到第三届750人，成了斯坦福最大的课之一。但更关键的是，他把整套课程的 slides、笔记、作业、视频，全部免费放到网上。 Building in Public和Learning in Public这两件事，是每个人都可以做的，而且完全可以现在中文区做起来。我们现在说做个人IP，其实Andrej Karpathy是最好的做个人IP的例子。 至于如何变现个人IP，不要太指望你直接通过在自媒体平台做in public系列就可以赚钱。Karpathy自己也没靠YouTube广告或者卖课吃饭，他的钱来自Tesla股票、OpenAI股权这些真正的工作。Eureka Labs想直接卖AI教育课程，最后也没真正做起来。 个人IP真正的价值在于给你选择权。它可以让你卖课，卖产品，但是更能让你被人记得，被人主动找到，让原本你够不到的机会自己来找你。可能是一个好工作的offer，可能是一个合伙人，可能是一个客户，可能是一笔投资。这些东西的回报可能超过你自己的预期。

@killuamonkey1 @0xLogicrw 我的意思这就是让agent在本地进行自主探索呗，我们现在用它做代码开发不就是这样的，有什么novelty，一定要包装个Heuristic Learning对标Gradient Learning……我只能说AI圈太行了

@ChopperLin89 @0xLogicrw 如果输入仍然只是同样的数据集，那还是很有价值的，因为你根本没告诉它要做流体仿真以及怎么做，而产出比训练模型更好。其实业界很多时候根本没必要上神经网络训练模型，直接规则加数学公式就够了，但是人手搓搓不出来这个量级，而且人也做不了这个判断。

OpenAI 后训练核心成员翁家翌之前证明了「纯靠大模型写代码能通关 Atari 游戏」，流体动力学博士生 Paul Garnier 现在把这套方法搬进了更硬核的流体力学控制。 他全程没训练任何神经网络。单纯让 Codex 5.5 充当程序员，靠读取仿真的测试得分与诊断日志，自己查错并反复改写 Python 脚本。在这场工业脚本测试中，Codex 5.5 压过了 Claude Opus 4.7 与 Gemini 3 Pro，硬是在超半数的物理场景里把顶级的强化学习（DRL）基线挑落马下。 给汽车减阻、安抚管道湍流，工业界以前只能靠砸算力，硬喂出一个看不懂的黑盒模型去控制气流阀门。 Codex 避开了这条死胡同。它写出来的规则极其直白，例如「当局部曲率过大时，延迟喷气」。几十行带着物理常识的短代码，直接替代了神经网络无脑的暴力试错。 把黑盒换成代码，干掉了神经网络僵化、一碰就碎的死穴。 以前只要硬件稍微改动（比如控制喷嘴从 5 个换成 10 个），旧模型当场报废，必须重新烧钱训练。现在只要在代码里改个常数，系统瞬间就能对接新设备。 当测试时间被强行拉长四倍时，走出经验区的传统 DRL 模型全盘崩溃；但大模型写的代码由于直接遵循了物理逻辑，始终运转稳定。跑通这一整套控制策略，大模型只消耗了 2125 万 Token，总花费不到 14 美元。

@fuguizhuo 这几把gemini团队真拉完了

gemini 3.5 flash 的知识截止时间是 25 年 1 月？我简直不敢相信！对比 Claude 4.7 是 26 年 1 月，GPT 5.5 是 25 年 12月。

@xCh3ns @fuguizhuo 当然有意义，问gemini的时候经常给的例子都是gpt4 gemini1.5作为例子，这都2026年5月了

@fuguizhuo 現在「知识截止时间」沒有多大的意義，畢竟現在大多數都可以聯網搜索。

@skywind3000 glm5.1稳的一批

为啥我感觉 review 代码的时候 glm-5.1 比 opus-4.7 要稳呢？不管是寻找缺陷还是给出修正方案都要稳很多，还能保证最小修改，opus-4.7 经常小题大做，一点小问题噼里啪啦改一堆代码。

@Xudong07452910 哎，时代红利确实如此，现在的毕业生卷得飞起才能拿到一个offer

今年美国毕业季很有意思，一些高管在毕业演讲里一提 AI，就被学生嘘。 这不是年轻人反技术，而是他们不再吃那套“拥抱变化”的宏大叙事了。对已经靠互联网时代完成财富积累的高管来说，AI 是生产力革命；对刚毕业的学生来说，AI 可能意味着 entry-level 岗位减少、简历石沉大海、第一份工作更难拿。 最唏嘘的是，技术红利总是被包装成“未来属于年轻人”，但技术转型的第一波成本，往往也正是年轻人在承担。

@MoonOverlord @karpathy Nah, but ilya joins anthropic will do

@karpathy for people who dont understand whats going on

Personal update: I've joined Anthropic. I think the next few years at the frontier of LLMs will be especially formative. I am very excited to join the team here and get back to R&D. I remain deeply passionate about education and plan to resume my work on it in time.

@MaxForAI 天天就整这个破svg……Gemini能不能把coding能力做好点啊

oh！我十分确信我遇到了是新的Gemini3.2模型！ 现在在Gemini网页端里选择thinking就会路由到这个模型 看起来SVG的效果好了很多，期待2天后的I/O！！！

@skywind3000 glm5.1真的是非常的靠谱，在我这扫出了opus gpt不少错误。

用 Opus 4.7 审查某段代码输出的报告被 glm-5.1 从头到尾批了一遍：

@MrLarus @9hills 也改token计费就好了啊，怎么一开始大善人，现在砍成这样，真不能理解。

@9hills Copilot是准备关门了吗，怎么突然间收缩的这么厉害

Github Copilot  请求退款了，Claude 全系模型下架（含Sonnet 4.6），GPT-5.5 是7.5x 用量。。。

@lxfater 两坨屎

Hermes 和 EvoMap 的争议还没结束：两边都去B站开直播了 先说说背景：两个都是主打 Agent 自进化的开源项目 2月，EvoMap 开源 Evolver，10分钟登顶 ClawHub 热门， 然后不到40天，Hermes 悄悄上了完整技能自进化系统 于是EvoMap方扒了对方的代码，声称四个核心模块高度重合，忍不住在 X 上公开控诉。 但 Hermes方回怼：仓库2025年7月就创建了，比 Evolver 早半年多，但只是3月份才公开。 Hermes技术联创直接上头：蠢货，你删号算了吧。（大概是这么说的） 反正谁也说不清楚😅。 但昨天看了赛博禅心的文章，这个瓜有新进展： 两边居然都去 B站 开直播了！！ 更有意思的是，没有吵起来： Hermes 那场，Tommy（Hermes Agent 业务负责人）被追问抄袭，回应几句话就翻篇了 就这？ EvoMap 那场，张昊阳没再继续指控，坐下来复盘了整条心路历程，最后自己也承认：我们并没有从法理上实锤抄袭。 然而，看完两场直播回放，我发现在了个盲点 他俩说的自进化，根本不是同一件事！！ Hermes 是纵向： Agent 和你一起长大，把做对的路径存成 skill，下次稳定复现。 EvoMap 是横向： Agent 之间像基因一样传承经验，你学到的东西别的，Agent 也能继承。 两边争谁先做，有点像苹果和橙子在争谁先上市，哈哈！！ 但B站能让两边都表达清楚，算是国内个讨论技术的好地方。 @Teknium 你什么时候也来中国直播聊聊，你现在是大红人了（Teknium 是 Hermes Agent 联创）

@chrisgpt wtf is oai2.1?

🚨Breaking Spud (GPT 5.5) leaked ( for a few minutes ) As well as - Oai 2.1