Gorden Sun

统计数据

735

文章

0

粉丝

0

获赞

46901

阅读

8小时前

AI资讯日报，3月14日：

8小时前

Chrome 146原生支持WebMCP Agent可以通过WebMCP直接操作Chrome浏览器里的网页。相比之前144版本基于CDP（Chrome DevTools Protocol）实现的MCP，WebMCP网页本身就是MCP Server，前端JS直接变成Agent接口，不需要额外的Python/Node后端，而且WebMCP更省token，准确率更高。只要网站方面不封号，通用网页操作以后对于Agent不是难题了。开启WebMCP的地址：chrome://flags/#enable-webmcp-testing

9小时前

Claude交互式UI的原理分析和开源实现这篇文章逆向了Claude交互式UI的原理：本质是工具调用，交互式UI的部分直接注入DOM渲染，没有使用iframe的方式，所以能实现流式渲染。为了保证渲染效果，严格限定了UI规范，例如禁止渐变和阴影等。开源的这个方案就比较简单粗暴，直接使用了iframe，缺点是不能实时渲染且笨重，优点是兼容各家LLM。开源方案Github：

22小时前

Claude Opus 4.6和Sonnet 4.6正式支持100万上下文 · 不加价（之前超过200K是2倍价格），命中Cache缓存也许花不了太多钱 · 速率不变，不会因为上下文太长而被限制频次 · 单次可处理的图片和PDF从100页提升到600页 · Opus 4.6在100万上下文时的召回率达到78.3%，远高于GPT 5.4的36.6%，对于完成大型复杂项目会有显著提升 · Max、Team和企业用户的Claude Code默认开启100万上下文，5x Max太值了官方介绍：

1天前

AI资讯日报，3月13日：

1天前

Google地图大幅更新新增2个核心功能：Ask Maps（对话式地图问答）和Immersive Navigation（沉浸式导航） Ask Maps：能处理多条件、个性化的复杂查询，例如“手机快没电了，哪里能充电又不用排长队买咖啡？”。实现这一功能靠的是底层整合了超过3亿个地点信息和5亿+贡献者的评论数据，回答中包含预计到达时间和真人实用建议 Immersive Navigation：全新3D视图实时反映周围建筑、立交桥和地形，关键路段会标注车道线、人行横道、红绿灯和停车标志；智能缩放和透明建筑效果帮助提前预判复杂转弯和变道；官方介绍：

1天前

谷歌收购的Producer AI我通过了Waitlist，是个一站式AI MV平台。可以生成带歌词的音乐（Lyria 2我记得不行）、支持中文，水平比Suno V5稍差，生成的音乐可以一键生成MV视频（视频里的XXX是因为字幕不支持中文）

#谷歌收购 #Producer AI #AI MV平台 #歌词生成 #音乐创作 #中文支持 #视频生成 #Suno v5

1天前

Claude支持生成可交互的图表免费用户也能用，直接在聊天对话框里展示。

1天前

Wholembed v3：超高性能的多模态检索模型能同时检索文本、图片、音频、视频，在LIMIT和BrowseComp-Plus两大评测上均达到最佳水平，既能像数据库检索一样精准，也能像向量检索一样按相似性查询。使用晚交互（Late Interaction）的方式平衡精度和效率。 LIMIT是专门用来测试语义检索的评测，传统的词法匹配方法BM25大幅碾轧1B参数的大模型，Wholembed是首个超越BM25的大模型。 BrowseComp-Plus是用来评测检索模型能否帮助Agent回答复杂的问题，得分越高对Agent的帮助越大。官方介绍：

2天前

AI资讯日报，3月12日：

2天前

英伟达开源NVIDIA Nemotron 3 Super Mamba与Transformer混合架构的MoE模型，120B总参数，12B激活参数，原生1M上下文长度。但是整体评分低于Qwen 3.5 122B-A10B。模型：

2天前

Reka Edge：开源最佳多模态小模型 7B大小，评分超过Qwen 3.5 9B，且更省token、速度更快。Reka的创始成员很多来自谷歌DeepMind，所以继承了很多Gemini的多模态经验。模型：

#Reka Edge #开源 #多模态 #小模型 #Qwen #Gemini #DeepMind

3天前

AI资讯日报，3月11日：

3天前

Sora上线了一个小功能，可以保存图片参考/提示词等内容，方便生成视频时复用。想去试一下，发现我的Pro账号生成视频一直报错，直接不让生成。Sora还能正常用么？

3天前

第1步，裁掉基层员工第2步，推行AI写代码第3步，生产环境崩溃频发第4步，让剩下的大佬加班审核AI的代码亚马逊这套操作有点“降本增笑”了。近期导致亚马逊瘫痪6小时的错误代码，部分由AI辅助生成；Kiro AI在12月曾“自作主张”删除并重建了客户环境。现在，初中级工程师使用AI生成的代码修改，必须由高级工程师签字批准。这路是不是走的不对啊？新闻：

3天前

ChatGPT新增交互式学习功能覆盖70+数学和科学核心概念，免费用户可用。用户可以实时调整变量、操作公式，直观看到图形和结果的变化。交互式学习确实对学生比较友好，不过只有70个太少了。有个数学教学产品叫Brilliant，也是这种交互式学习，数学内容齐全，感兴趣的可以看看。再就是谷歌的Learn Your Way，不是交互式的学习，但是会结合你喜欢的话题来编写教程，也是个不错的形式。 ChatGPT官方介绍：

#ChatGPT #交互式学习 #数学教育 #免费的工具 #Brilliant #谷歌Learn Your Way #学生友好 #科技新闻 #在线学习 #AI辅助学习

3天前

Cloudflare新增爬虫API /crawl 从起始URL出发自动发现并抓取整站内容，支持返回HTML、Markdown或JSON格式，最大可以爬取10万页。可以用无头浏览器拉取框架渲染的网页，也可以直接拉取静态网页。结合Workers AI可直接对爬取页面做结构化数据提取，天然适配RAG知识库场景。 API文档：

3天前

Fish Audio开源S2-Pro音频模型文本生成音频效果很好，音频克隆在情绪和音色还原上，还是不如Index TTS 2，不过整体也非常好了。模型：

#Fish Audio #S2-Pro #音频模型 #文本生成 #音频克隆 #Index TTS 2

4天前

AI资讯日报，3月10日：

#AI资讯 #日报 #3月10日

4天前

Meta收购了Moltbook Moltbook是前一阵火的那个只有AI没有人类的论坛（AI版Reddit），叫Molt是因为当时Clawdbot刚刚改名叫Moltbot，后来改名为现在的OpenClaw。收购价格没有透露，两位创始人也加入了Meta。 OpenAI收麾了OpenClaw的创始人是高招，Meta乱买一通就有点愚蠢了。新闻链接：

4天前

AgentHub：Agent版Github 来自Karpathy的项目，给Agent用的精简版的GitHub，没有主分支、没有PR、没有合并，只有一个不断增长的提交DAG（Directed Acyclic Graph，有向无环图，此处可以理解为树状网络）和一个供Agent协调的留言板。项目的目的是探索如何让互联网上不同人运行的Agent汇聚成一个自组织的研究社区，实现"自主Agent学术圈"。架构极其简单：一个Go二进制文件+一个SQLite数据库+一个裸Git仓库 Github：

4天前

OBLITERATUS：开源LLM越狱工具包 LLM越狱大神Pliny的开源工具，在不重训和微调的前提下，精准移除开源LLM内部的拒答机制，同时保留核心语言能力。不过我试了下，好像并没有生效。 Github：在线体验（先Obliterate一个模型，再Chat）：

5天前

AI资讯日报今天正式写了3年了，连续日更，所有内容都是手工写的。谷歌搜索“AI资讯”稳定排名前三，最近甚至重新排到了第一。我的推文风格是简洁干练，在体验产品后尽可能客观地评价一款AI产品/模型，也从未使用过“炸裂”一词，所以3年粉丝一共长了5万，全是辛苦粉，增长速度只能算一般。不过，目前很多人对AI的发展都很焦虑，担心自己被淘汰，我还是希望自媒体能多一些客观、少一些造势，你知道的多就应该把更该普及的AI产品和技巧分享给群众。最近事情繁多，也不知道还能日更多久日报，希望自己的输出能多帮助一些人吧，共勉。

5天前

AI资讯日报，3月9日：

5天前

Edit Banana：把静态图转换为可编辑的DrawIO文件首先我不看好这个方向，未来是属于Banana直接编辑图片/PDF截图的（现阶段生成图片文字没问题，编辑图片文字会糊），现阶段的识别加改为可编辑的方案，还是太费人工了。 Edit Banana使用的技术方案是SAM3+VLLM/OCR，把图片转换成XML的DrawIO文件，可以编辑，但是展示效果会大打折扣。不如OCR出所有文本，然后inPaint的方案效果更好。 Github：

...