我的 X 阅读

Jev 在 *11 个不同的 MCQ* 基准测试中击败了 Luna Decisions。它可能是一个决策 API，但它远没有 Jev 那么聪明，而且成本是 Jev 的两倍。被帕累托支配，就像大多数 jev 克隆那样。 引用：利用 Decisions API，让您的应用在近实时中选择正确的模型、工具或操作，现已向所有开发者开放公测。 Decisions API 通过 Responses API 比 GPT-6 Luna 快高达 10 倍地做出决策。

https://t.co/4hB8mTahg7

麻省理工学院经济学家、诺贝尔经济学奖得主达龙·阿西莫格鲁预计，人工智能在未来十年内只会取代大约5%的人类工作。 他认为，简单的办公和认知任务（约占美国工作量的20%）可以实现自动化，但他预计十年内只有四分之一的任务能够实现自动化。https://t.co/WNEBK46Cbq

为什么我对 Anthropic 感到震惊，在 @nypost： https://t.co/SMWqv1gpbl

循环就是你所需的一切。

转帖：备受期待的 Reflection AI 开源模型刚刚发布。 Beam 现已成为最强的西方开源模型，与 GLM-5.2 匹敌，同时推理计算量仅为其 3-4 倍。 > 与 GLM-5.2 相比的 3-4 倍效率优势基于估计的前向传播 FLOPs（2 × 活跃参数 × 生成令牌），这未包括预填充、注意力机制和服务开销，因此并非实测成本。 > 这是一个稀疏专家混合模型，总参数 5010 亿，活跃参数 230 亿，在 6144 张 GB300 GPU 上不到 4 周内使用 23.8 万亿令牌进行预训练，有效上下文长度 100 万令牌。 > RL 运行使用了 1.05 万张 GB300 GPU，持续 4 周，产生了超过 1 亿次 rollout，覆盖近 100 万个环境和约 13 亿个沙盒，且未显示出平台期迹象。 > Beam 在 Terminal Bench v2.1 上得分 80.1，几乎与 GLM-5.2 的 81.0 持平，但落后于 DeepSeek V4.1 Flash 的 90.6 和 Kimi K3 的 88.3，这两者均未出现在标题图表中。 Reflection 还将以 Apache 2.0 许可发布 FP8 和 NVFP4 版本。

– https://t.co/awL07ExeOk 标题：“协同作战，效率倍增：多用户多代理团队的性能瓶颈”

斯坦福大学最新论文发现，当每个人的代理单独处理共享资源时，群体绩效不如由一个代理服务于所有人。 在五个前沿模型中，由一个代理服务于所有人处理共享预算或日程安排都比每个用户一个代理的方式更有效。 每个代理 https://t.co/O5O3uNJhYV

我们需要一组不会被重置的人来参与投票。 引用：投票

转帖：决策 API 现已推出！！！ 但我最喜欢的演示之一被留在了剪辑室的地板上——一个服装选择器！

这已经是第二天了，OpenAI 已经发布了疯狂数量的更新和改进。我不知道他们怎么能再坚持 26 天！否则，我们会迎来一大堆重置！ 引用：第2天汇总/ 2.1/ 为我批准（自动审核）现已包含在内，且不消耗使用量。使用时可占计划的2-10%。这对你来说也更好。 2.2/ 为构建者提供的简化API。 2.3/ 集成会议笔记。 2.4/ 决策API现已为构建者上线。将用于应用中以改善体验。

转帖：我们已经测试了 Decisions API 超过一周。其中最酷的事情之一是团队发现了多少之前根本不切实际的用例。我们不得不回到每个团队并询问：如果拥有前沿智能，成本仅相当于一个小型调优分类器，你会构建什么？ 它在过滤低质量页面方面几乎完美无瑕，在页面变更分类上达到了 88.8% 的 AUPRC。提示调优帮助从模型中进一步提升了性能。 很兴奋继续构建！

四次更新，或者一次重置。或者两者都有。第二天过得怎么样？ 引用：投票

活动详情/回复： https://t.co/eaE6hKIV3b

目标是使研究人员和公共卫生官员能够补充现有的健康信息，弥合报告差距，并主动应对健康挑战。 了解更多关于我们最新研究的信息 ↓ https://t.co/DPzuW9m1pR