AI 教程
AI 工具与工作流实战教程——覆盖 ChatGPT、Claude、Gemini、AI 绘图与日常自动化。每篇都是从配置到出结果的分步指南,附截图与可直接复用的示例。
📚 Claude 教程合集
40+ 篇英文 Claude 教程:Prompt 工程、Claude Code、API、Agents…按主题分组导航 →
加载中...
AI 工具与工作流实战教程——覆盖 ChatGPT、Claude、Gemini、AI 绘图与日常自动化。每篇都是从配置到出结果的分步指南,附截图与可直接复用的示例。
📚 Claude 教程合集
40+ 篇英文 Claude 教程:Prompt 工程、Claude Code、API、Agents…按主题分组导航 →
加载中...
一个 17GB 的量化文件拿下 Artificial Analysis 52 分、画出本地模型史上最好的鹈鹕,但 Simon Willison 实测同一个任务默认档要 21 分钟、关掉推理只要 137 秒。这篇拆解 Qwen3.8 27B 的真实水平、「过度思考」的量化证据,以及 reasoning_effort 到底该怎么调。
面对投资人「你在给行业拖后腿」的公开喊话,Anthropic CEO Dario Amodei 罕见地在 X 上长篇回应。他的核心判断是:公众对 AI 的敌意不是被风险警告吓出来的,而是几十年积累的信任赤字轮到了 AI 头上。
据 Bloomberg 报道,Stripe 已就超 70 亿美元收购 OpenRouter 达成协议——三个月前它的估值还是 13 亿。本文基于 Bloomberg/WSJ/官方文档交叉核实:交易到底进行到哪一步、为什么说 Stripe 是在收购自己的计费客户、从 Bridge 到 Tempo 再到 OpenRouter 的收购叙事线,以及开发者现在最该做的一件事——把路由层抽象出来。附 BYOK 规则与五个替代方案对比。
Stripe 敲定超 70 亿美元收购 OpenRouter,这笔钱买的不是转发请求的代码,而是决定海量推理请求流向哪家供应商的权力。但它买到了亚马逊的位置,没买到亚马逊的锁定。
OpenAI 上线了 Content Provenance API:向 /v1/content_provenance_checks 上传图片或音频,同步返回 C2PA 内容凭证与 SynthID 水印两路检测结果。本文拆解请求方式、返回字段的精确语义(detected 的判定条件比想象中严格)、支持格式与限制、以及官方自己写明的使用边界——它不是通用 AI 检测器,只认 OpenAI 自家信号。
GitHub 项目 Soup 宣称一个 YAML 文件就能在 4GB 显存的笔记本 GPU 上微调 Llama-3.1-8B。我们读了它的核心代码、benchmark 文件和 HN 讨论:宣称成立——RTX 3050 Laptop 实测峰值 3.32GB、119.6 tok/s,比业界 QLoRA 的 6.6–8GB 下限低了一半。本文讲清 layer streaming 的原理(冻结底座放内存、双缓冲预取、每层每步读两次)、上手配置,以及边界条件:1.43 倍速度代价、16GB 内存下限、架构白名单,和两起已修复的静默错误。
全网疯传的「Codex 自动研究让内核提速 232 倍」,真实版本是:一位非专业选手在 GPU Mode 的 B200 QR 分解比赛里,用 Codex 跑了 14 天、1500 多次提交,拿到第 12 名。232 倍对比的是 torch.geqrf 基线,冠军区在 340 倍以上。本文基于原文、HN 讨论和同场选手复盘,拆解他的 AGENTS.md、/goal 循环、beam of candidates 和强顾问模型这套可以搬走的方法,也把过拟合、数值稳定性和 reward hacking 三盆冷水一并浇上。
Anthropic 公开了 Claude 文本水印的完整技术细节:不加字、不加隐藏字符、不涨价,只是把选词时的随机数来源换成了「密钥 + 前文」。但它能证明的东西比大多数人以为的少得多——短文本查不出、代码几乎没有、帮你润色的那段基本查不到。
8 月 13 日 xAI 把 For You 信息流的排序、过滤、打标签系统一次性推上 GitHub,代码量翻了十几倍,连 Phoenix 排序模型的训练代码和合成数据都给了。第二天他们又提交了一次——不是改逻辑,是给权重加注释,因为有人把 -234 读成了「一个举报抵 468 个赞」。
8 月 13 日,苹果在最高法院驳回其拖延请求的当天,向加州北区联邦法院交出外链购买的佣金方案:标准应用 15%,小企业 5%,订阅续订 10%。同一份文件里,苹果承认按法院给的算法,这个数字应该接近零。
官测 Terminal-Bench 87.9 只差 Fable 5 零点一分,实测 Artificial Analysis 综合却仅 53 分,当天下午公告即被撤下。扒开 Hugging Face 提交记录与 API 指纹,这是一次配置错位的发布事故,而非模型翻车。
Netlify 用开源评测框架 AXIS,把同一个建站提示词喂给 11 个主流模型,credit 消耗从 2.4 到 519。这是一份关于模型选型的一手实证,也是一份关于「贵到底值不值」的账单。