今天有什么值得看的？

Google DeepMind@GoogleDeepMind2026年10月27日 16:10

This is Genie 4, our most realistic and interactive world model yet. 🌐 Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak.

Together AI@togethercompute2026年10月27日 16:02

the open model stack is becoming composable model → inference → gateway/router → harness → tools each layer can evolve independently, so you can swap in better models, providers + tools as the ecosystem moves we broke down the full stack ↓ t.co/3a2RSLkvIh t.co/mVLyKTiBDM

向阳乔木@vista82026年10月27日 15:27

还没用过 GPT 6.1 Terra ，仔细看了 OpenAI 官方说明。 适合的场景是 Computer Use 和日常写作。 价格便宜速度快，优缺点见第二张图。 t.co/rQkopHFcVy

Runway@runwayml2026年10月27日 14:35

Now you can build creative apps in Runway. App Studio turns a plain-language description into a working tool, powered by Runway’s models. Watch below. t.co/HQNxRBWfBh

向阳乔木@vista82026年10月27日 14:14

DeepSeek Harness 的可玩性和 Obsidian 一样高。 开发好的 Obsidian 插件，很轻松就能移植过去。 听歸藏 @op7418 说 B 站等很多极客、大学生，都特别热衷于给 DeepSeek Harness 开发插件。 梁圣团队牛逼！ 开源几个另类 DSH 插件，地址见评论区 t.co/Uo5p2q8bpW

向阳乔木@vista82026年10月27日 13:07

不知道哪个网友留言推荐一个去前端 AI 味的 Skill 叫 Hallmark。 试了发现太 TMD 丑了，丑到没有 AI 味... 居然能让 Claude 做出 Codex 的感觉，大写的服！ 之前觉得最好的前端 Skill 是 emil-design-eng 和 impeccable 学习吸收做了个自己常用的版本。 安装指令： npx skills add joeseesun/qiaomu-design 开源地址和多个前端 Skill 对比，原版安装见评论

向阳乔木@vista82026年10月27日 12:42

好有质感的雅思单词学习工具，竟然还是开源免费的。 X 上网友的作品，启动界面都很惊艳。 感觉光 7298 个单词和对应例句语音都要花费不少 token 推荐Star，安装也很简单，跟 Codex、CC 或Workbuddy、豆包工作说： “安装这个项目 t.co/Rjfj2UlXWp ” t.co/FvzauWr7cC

歸藏(guizang.ai)@op74182026年10月27日 08:38

装了几个热门的 DeepSeek Harness 插件，感觉这生态现在他妈的蓬勃发展 主要是 DeepSeek 太便宜，能力又中不溜的很强。 现在很多人就只用 DeepSeek Harness 了，尤其是爱折腾的年轻人，感觉跟以前刷机、搞搞 ROM 的是一类人 t.co/acM039bbwe

向阳乔木@vista82026年10月27日 07:34

Codex + 飞书cli 真的是省时间利器！ 举一个例子，下月我和 姚金刚 @yaojingang 要在深圳办GEO 大会，很多自媒体朋友愿意帮忙宣传。 多维表格收集品牌 Logo 后，只需一句话就能生成不同风格的海报。 等我写个 Skill 开源。 t.co/NuaYAa4irZ

向阳乔木@vista82026年10月27日 06:35

除了大模型训练需要扫描大量实体书，长篇研报 AI 解读等场景需要超长文档 OCR 解析能力。 不得不说，OCR 技术最强的一直是百度文心。 第一代 Unlimited OCR 今年 6.22 发布后，第二天就登顶 GitHub Daily Trending 总榜， GitHub Star 5天破1万。 在 Hugging Face 上的累计下载量也突破了 1000 万次。 传统 OCR 一次一页，多页靠拼接，上代 Unlimited OCR 实现连续解析数十页。 这次文心 Unlimited OCR 2 发布更狠，直接实现任意页数解析。 如何做到的，原理是啥？ 文心 Unlimited OCR 2 的技术叫 SR-SWA，中文叫稀疏参考滑动窗口注意力机制。 技术灵感竟来源于人类抄厚书的过程。 人逐页抄写文本时，注意力集中在当前页，回看往往只发生在跨页引用时。 不会、也不可能把整本书的内容保持在活跃注意力中。 这揭示了一个特性：跨页面的依赖关系具有稀疏性，而页面内部的信息关联则高度集中。 标准全局稠密注意力机制忽略了这种稀疏性，冗余注意力交互带来高额计算开销，文档长度增加会造成严重的内存瓶颈。 SR-SWA 怎么把这种“抄书习惯”用起来？关键是两步：先缩小参考范围，再挑出最值得参考的信息。 Page Gate（页面门控）先划范围 它把每次解码需要参考的视觉信息，从整本文档缩小到相关页面，并通过页面位置编码，帮助模型区分不同页面的位置，支持跨页信息的关联。 就像抄书时需要回看，先知道该翻到哪几页。 Token Sieve（Token 筛选器）再挑重点 它将候选视觉信息划分成固定大小的 Token 桶，按与当前内容的相关程度打分，只选取得分最高的 k 个远程 Token 桶参与参考。 相当于翻到相关页后，再挑出值得细看的区域，不必把所有历史视觉信息重新算一遍。 文心 Unlimited OCR 2 就这样让机器感知方式与人类阅读模式保持一致：重点看当前页，需要时再参考远处的相关视觉信息，让每一步解码的计算开销不再随着文档变长而不断增加。 实测视频、论文、开源模型地址见第二条

向阳乔木@vista82026年10月27日 05:37

让 Claude Sonnet 5.5 重写了官网。 t.co/PXR8qYp4uS 把自己的博客、参与的播客、开源项目都上去了。 仔细一看还真不少。 除了给自己看，更多是方便以后 Agent 读取。 t.co/hGXg4kaWtK

宝玉@dotey2026年10月27日 05:30

OpenAI 宣布 AI 推翻“指数时间假设”（ETH）的同一天，Anthropic 在 GitHub 上放出一篇论文，得出同样的结论，署名作者只有一个：Claude。 论文说，核心算法是 10 月 16 日由一个内部研究版 Claude 找到的，用了 1400 万个输出 Token，没有人类输入。 OpenAI 说自己的模型也是 10 月 16 日找到的证明。

Together AI@togethercompute2026年10月27日 04:00

minimax m3.1 flash beats opus 5.5 on agentic automation at ~27x lower cost the model has a 1m context window + vision support, and is built for coding, computer use + cybersecurity t.co/u2NkoS0xGx

宝玉@dotey2026年10月27日 03:56

推荐阅读：《用 Manus 改造 Manus，AI Native 组织改造的实践和思考》t.co/0MEN86K7ow 来自 Manus 很好的 AI Native 组织改造一手实践分享。 基于我的理解提炼一下要点： 【1】团队的工程基建，从对人友好，变成了向 AI 暴露接口 过去我们做工程基建，核心是提升开发者体验，怎么让工程师写代码更爽；但 AI 原生的第一性原理，是如何让 Agent 能接触到真实世界，自己能获得充足的上下文。 比如 Manus 把分散的仓库串成统一入口、让 AI 能在几秒钟内跑通端到端测试、给 AI 权限去读线上日志、看报警、发邮件、控制 Feature Flag，他们做的这些，都是在把整个软件开发生命周期和业务流彻底暴露给 Agent。 人能看到什么、操作什么，Agent 就必须能看到、能操作。当 Agent 能够自己可以验证结果，形成“修改-验证-排查”的闭环时，它才真正从副驾驶变成了司机。 【2】人和 AI 的交互，从过程控制微管理，变成了只给目标，要证据 在传统的模式里，人跟 AI 是结对的方式，AI 写一段人来修改，人还要操心上下文有没有超、代码写得优不优雅，是不是有垃圾代码。但实际上这种过程工程是低效的，就好比你作为一个管理者去微管理你的员工。 - 直接给结果 Manus 工程师把 Slack 里的需求原文一字不改丢给 Agent，老板要什么就告诉 Agent 要什么，不需要告诉 Agent 怎么做，Agent 自己会想办法完成任务。 - 要证据 当人不再一行行看代码时，怎么相信 AI 的结果是否靠谱呢？ Manus 用最好的模型做代码审核机器人，让 AI 自己证明自己做对了。Manus 让 Agent 用测试账号走完注册、支付流程并逐步录屏，产品经理看录屏就能指出哪里不对。 【3】AI 工作流，从人等 Agent，变成 Agent 等人 真正的 AI 原生工作流是高度异步、大规模并发的。如果你只有一个 Agent 在干活，你就得等着它干活，但如果你安排了很多 Agent 同时干活，那么你就不需要等，只需要频繁的在不同的 Agent 之间切换，要么在分配任务，要么验证下结果，效率可以很高。 Manus 的工程师一个人同时开着十几二十个 Session 处理需求；领导层把 20 多个待办丢给一个主控 Session，让它自己去拉取 Slack、Gmail 和 Notion 做背景调研并分发任务；市场部的数字 Agent 更是学会了只在一个工作台接收任务，把任务拆给后台的多个子 Session 并行跑，甚至通过定时唤醒在收到系统信号时自动干活，遇到工具不好用还能自己提需求改系统。 【4】组织极致扁平与敏捷，从以前明确的工种，到现在每个人都能身兼多职 传统软件工程里最大的损耗是在人和人之间。 前后端联调的扯皮、产品设计研发对文档理解的偏差、跨部门的排期与优先级错位，毕竟人类无法低成本地共享上下文，所以才不得不靠精细的分工来凑。 而当 AI 抹平了技术栈的鸿沟，分工就不再必要了。在 Manus，一个人可以写完前后端和移动端，7 个人维护 4 个 App；所有产品经理都提交过代码，甚至一半能独立上线功能。 当然这样做不是没有代价的，Manus 人均每月 1 万美元的夸张 Token 消耗，当然hidecloud 在文章中解释了：买的是时间和注意力。 买的是“消除人际沟通损耗”和“保护人类的注意力”。当很多事情不再需要找人问，不需要临时打断别人时，组织才真正实现了极致的扁平与敏捷。 【5】Agent 对话 Session 正在成为公司的新一代资产 对话流（Session / Thread）正在取代传统的文档和看板，成为组织的核心工作对象与记忆载体。组织的知识已经不依赖人和文档，还依赖于 Agent 是否能读得到。 Manus 的运维同事嫌总被找去帮忙发版，就把发版流程写进 Agents.md，之后谁都能让 AI 来发；同一项目的成员能看到彼此的 Session，不用再追着人问进度。 【6】当 AI 做了 90% 的事，人还剩下什么？ 引用下 hidecloud 的话： > 在 AI Native 组织里，人的角色没有变小，而是更集中了。定义问题，判断质量，决定什么值得做，并为结果负责。还有很重要的一点：与 AI 共同成长。 人的位置一直在往上移，从亲手做，到定规则、看证据、做决定。往上移的时候，要小心把判断也一起交出去。 执行可以交给 AI，思考要留给自己。 --- 补充一个有意思的点，他们产品经理把需求用 AI 做成视频，然后把视频当需求文档提交，看了下他们的那个视频，确实这个功能要描述清楚不容易，配合视频会简单很多，这确实是一种降低人和人之间沟通损耗的办法。 其实可以试试 Claude Design，这种交互都也能描述清楚，绝大部分功能直接做成高精度原型比视频效果直观多了。 --- 虽然现在各个团队都在喊 AI 原生转型，但要做好是真不容易，如果只是在传统流程上加上一点 AI，那很难真正做到 AI 原生。 真想要做好，可以学学 Manus 那样，一切围绕 Agent 重新建立分工和流程，还得舍得砸钱用最好的模型，现在这些模型虽然贵，但是一两年后 Fable 这样的模型成本可能也跟 DeepSeek Flash 差不多了。

歸藏(guizang.ai)@op74182026年10月27日 03:51

优化了一下我的个人 Memory 和多 Agent 的协作体系 目前是 Codex、Muse 和 Grokbot 一起协作，每个有各自的职能，Claude 没敢让他加入 t.co/PNjFSswT82

宝玉@dotey2026年10月27日 02:28

哈佛大学图书馆的馆藏里有一盘拉德克利夫研究所研讨会的录音，可以公开收听。演讲人是张爱玲，用英文讲中文翻译，主持人报的题目是「一种文化影响的载体」。目录没有标日期，从录音里提到的日期和二手资料推断是 1969 年前后。 这一版先用 3 分钟讲背景。她 1920 年生在上海，去香港读过书，1940 年代在上海成名。1952 年她离开上海，1955 年到美国，第二年嫁给美国作家赖雅。1967 年她到了拉德克利夫研究所，同年赖雅病逝，她在剑桥把《海上花列传》译成英文。接着讲这场讲座讲什么、为什么值得听。片头用的是她当时的照片、书影、她寄给夏志清的信封和地图，开头先放她在讲座里的一句原话。 然后是完整的录音原声，约 72 分钟，包括主持人开场、讲座和听众问答，配中英双语字幕，分 10 章。她讲了这些事： - 晚清严复译西学，林纾不懂外文，靠别人口述译了一大批小说，哈葛德、狄更斯都在其中。 - 五四以后白话文学兴起，西方思想和短篇小说成批译进来；毛姆《在中国屏风上》里的辜鸿铭和宋春舫。 - 《小说月报》、俄国文学和《飘》的中译；科举、排外，林语堂的意译与左翼的直译。 - 古典诗和小说怎样译成西方语言，五四文学为什么遭冷落，西方读者眼里的中国。 - 问答：中文版《读者文摘》和扫盲、《红楼梦》后三分之一的疑点、人名为什么难记、汉字与罗马字拼音。 章节： 00:00 背景：她是谁，这场讲座讲什么 03:05 主持人开场 05:28 晚清：严复与林纾 11:44 五四：白话与西学涌入 16:28 毛姆笔下的中国人 23:02 译进来的西方 34:05 排外、科举与直译 37:35 中国文学走向西方 42:57 问答一：《读者文摘》与扫盲 48:30 问答二：《红楼梦》与旧小说 1:05:35 问答三：汉字与拼音 ---- 制作这期视频主要还是为了探索音频转成视频的表现形式。 提示词（需要配合 baocut skill 和 app： t.co/wldDX9MSVR ，理论上来说只用 Skill 也可以，但要配合 TTS）： > 基于张爱玲 1969 年那场英文讲座（视频库里的 eileen-chang-1969-radcliffe-zh-en）出一期视频：前面用几分钟讲清她是谁、那时她在哪里做什么、这场讲座讲的是什么、为什么值得听，封面要有她当时的照片，一看就知道是谁。表现形式要丰富，别做成幻灯片，有影像就用影像，可以配 TTS 解说，可以用 AI 画没有人物的示意图。简报写好按你的建议直接做，不用等我确认；先别烘焙导出，做好给我审片链接。

向阳乔木@vista82026年10月27日 02:11

我的 Obsidian 插件 Qiaomu Reader 下载安装已超 8k。 给 Github 仓库地址，让 Renoise MCP 生成产品宣传视频。 相比纯代码生成，视觉效果好点，但参考截图生成，跟真实产品稍微有点不一样。 下载地址见评论区 t.co/uytjF0nXKO

向阳乔木@vista82026年10月27日 01:57

现在各种 AI Agent 都做视频剪辑，但出来效果不尽如人意。 尤其 Codex，直接用它剪辑的视频，多数看起像 AI Slop。 分享个朋友公司刚开发的新产品：Renoise MCP。 用了后，能让 Codex 视频剪辑提升一个档次，教程如下 t.co/uW0cu22gsm

向阳乔木@vista82026年10月27日 01:32

iOS添加 Grok 语音换起方法。 来一个中文实操演示，原文英语翻译过来不好找。 要点：先创建grok快捷指令，在人声快捷指令中创建并搜索已创建的快捷指令，设置唤醒词。 默认快捷指令支持锁屏换起，如果没有，长按快捷指令-详情信息-隐私中设置。 t.co/Yv2PeVgvcN

向阳乔木@vista82026年10月27日 00:47

最近 X 上《持械入宋》AI 短剧很多朋友推荐，超火。 看到第二季 50 集左右，弹幕都夸编剧水平，确实牛逼。 没查到编剧是谁，只看到原著作者抖音：茶根儿，男，英语老师，IP 黑龙江。 不曾想，短短 2 年，AI 短剧已到这种水平，未来不敢想啊。 AI 表演虽还有点生硬，但好剧情+好台词弥补很多。 又搜了一堆口碑好的 AI 短剧，Vibe Coding 间隙可慢慢看。