Max For AI @MaxForAI

@a1261a 其实写代码有点性价比太低了，最好的是Fable规划，opus来写

大多数人没有意识到或者说发现Fable 5的正确用法，这个模型用来写代码真的太奢侈了。

@alexabelonix 💗

Google这次真的发力了。 Google刚开源了DiffusionGemma，一个全新的文本扩散模型。 这是一个 26B 的稀疏专家模型（Mixture of Experts，MoE），在推理时仅激活 3.8B 个参数。 量化后可轻松适配高端消费级独立显卡常见的 18GB 显存大小。 通过将解码瓶颈从内存带宽转移到计算上，DiffusionGemma 在标准GPU上可实现高达 4 倍速度提升。 在单块 NVIDIA H100 上每秒 1000+ token，在 NVIDIA GeForce RTX 5090 上每秒 700+ token！ 当他它最值得看的不是“4倍快”的速度，而是生成方式变了。 传统LLM像打字机，一个token一个token往外吐。 DiffusionGemma像先铺一张256-token草稿纸，再反复去噪、修正、锁定，最后整块文本一起成型。 他有点类似于 AI 图像生成器，模型会迭代地优化自身输出。 它一次评估整个文本块，以无缝完成格式并实时修正错误。 但别误会，它不是Gemma4的质量替代品。Google自己也说，整体输出质量低于标准Gemma4，适合速度敏感、本地低并发、交互式场景，比如inlineediting、代码补全、结构化生成。 LLM速度战不只是在量化、推理框架、小模型上卷了，生成范式本身也开始被重写。 自回归模型统治了这么多年，现在Google也开始认真把文本扩散推到开源开发者手里了。 但其实Diffusion+JEPA可能是比“扩散语言模型”更大的方向。 Diffusion解决的是生成：从噪声里采样多个可能答案。 JEPA解决的是世界模型：不重建像素/token，而是在抽象空间里预测未来状态。 两者合起来，最自然的形态不是聊天机器人，而是Agent/机器人/视频世界模型： 先用JEPA理解当前世界状态，再用Diffusion在latent space里采样多个可能未来，最后用cost model选出最值得执行的一条路径。 这比“让LLM一步步想”更接近真正的规划。

Sundar Pichai @sundarpichai

6 hours ago

DiffusionGemma is an open, experimental model that brings our text diffusion research to Gemma 4. It’s a racehorse 🏇achieving up to 4x faster inference by generating entire blocks of text simultaneously vs predicting token-by-token (word-by-word) output!

119 255 2K 125K 348

@goodhunt @DarioAmodei @hopes_revenge He won't think deeply. All he needs is to create panic and obtain power and funding.

@ClementDelangue Absolutely yes. If we still want to remain free. I don't want to be locked down by Anthropic's "AGI Nonproliferation Agreement."

@SoulsSam_ss 6.22开始要单独收费了🤣

@zhiyebanzhuan 对，规划能力强太多了

Dario Amodei又写了一篇长文。 核心的意思是：AI已经不是软件产品了，而是国家能力、税制、就业、军事、科研和地缘政治的变量。 Dario认为AI的能力增长已经快到政策系统追不上了，所以现在不能只做透明度披露，而要进入强制测试、部署审查、劳动力缓冲、科研监管改革、民主国家AI联盟这一整套政策框架。 他主要讲了五件事。 第一，监管要从「透明度」升级到「准入审查」。 以前Anthropic支持的是披露安全流程、测试结果、重大事故报告。 现在Dario说风险已经很明确，尤其是网络安全、生物风险、失控风险、自动化研发风险，所以前沿模型应该像飞机、药品一样，在发布前接受第三方测试。 政府也应该有权阻止或撤回高风险模型部署。 第二，AI会把经济问题改写成「高速增长+高失业风险」。 他不是简单说AI会抢工作，而是说AI可能同时带来极快生产力增长和长期认知劳动替代。 政策重点不再是刺激增长，而是怎么让更多人分享到AI带来的增长。 他提了就业监测、工资保险、留人税收激励、培训、长期收入支持、UBI、全民资本账户这些工具。 第三，下游行业监管要反过来加速。 对AI本身，他主张更强监管。 但对AI推动的生物医药、能源、材料科学，他反而担心监管太慢。 比如FDA/EMA药品审批通常需要7到8年，如果AI让新药候选爆发式增加，旧监管系统会被堵死。 所以他建议提前接受AI模拟、毒理预测、剂量选择、合成对照组、替代终点等方法。 第四，AI会改变国家权力和公民自由的平衡。 这部分很关键。他认为AI可能成为极权工具，比如自动化武器、大规模监控、数据经纪商+AI分析。 他提议：自动武器要有宪法/法院/上级监督机制；禁止国内执法使用完全自主武器；堵住数据经纪商漏洞；当政府用AI对付个人或机构时，被监管者也应该有权使用同等能力的AI辅助。 第五，地缘政治上要建「民主国家AI联盟」。 这部分最硬。他明确说AI不是普通技术扩散问题，而是类似核武器、甚至更强的战略技术。 民主国家应该共享芯片和半导体设备，同时限制对手获取关键供应链；协调AI风险监管；共享AI带来的经济和科研收益；互相提供AI防御能力；并把反AI极权作为联盟标准。 这里基本就是把AI写进新冷战框架了。 Anthropic正在把自己从一家模型公司，包装成未来AI秩序的制度设计者。 OpenAI更像是在讲产品、平台和基础设施；Anthropic这篇则是在讲：谁来测试模型，谁能发布模型，谁能拿到芯片，谁为失业买单，谁能用AI武器，谁能加入AI联盟。 这不是单纯的安全叙事，而是监管叙事、产业护城河叙事和地缘政治叙事叠在一起。 也正因为这样，这篇会被很多人质疑是「监管俘获」。Business Insider已经整理过相关争议，有人支持Anthropic提前讨论暂停/减速机制，也有人批评这是市场领先者借安全名义塑造规则，甚至压制开源和后来者。 这会成为AI时代的铁幕演讲吗？ 让我们拭目以待。 人类总是在重复历史。。。

Dario Amodei @DarioAmodei

4 hours ago

Today I'm publishing a new essay, Policy on the AI Exponential. AI is progressing extremely fast—much faster than the policy process was built to handle. The essay lays out where I think the technology is now, and the action needed to close the gap: darioamodei.com/post/policy-on…

576 832 5K 1.1M 4K

@arter97 👉👈....

小米的MIMO Code来了！！ 它是基于OpenCode fork，主打跨会话记忆、上下文重建、子智能体、Goal判定和工作流编排。 README里也明确写了它是terminal-native AI coding assistant，可以读写代码、跑命令、管理Git，并支持MiMo Auto、小米OAuth、导入Claude Code认证和自定义OpenAI-compatible provider。 MIMO Code的记忆层不是简单把聊天记录塞回prompt，而是把项目级MEMORY.md、会话级checkpoint.md、notes.md、tasks//progress.md组织成记忆层，再用SQLite FTS/BM25做搜索、snippet、分数过滤和按预算注入。 同时MIMO Code有树状任务ID，比如T1、T1.1这种结构。 子Agent完成后还会用任务注册表里的真实状态做校验，模型自报成功但DB里还有未完成任务，会被降级成partial或blocked。 有意思的是MIMO Code也有/goal这个功能。 它会设置一个停止条件，然后用独立judge模型看完整transcript，判断目标是否真的满足，或者是否不可能完成。也就是说，它试图解决Agent“差不多得了”的问题。 同时我觉得dream和distill两个点也挺好的。 dream是把最近会话和本地SQLite轨迹整理成长期项目记忆。 distill是从最近30天工作里找重复流程，把它包装成skills、subagents、commands或playbooks。 另外它虽然是MIT协议，但有额外Use Restrictions，限制恶意网络行为、未经授权的数据获取/爬取、高风险自治执行、军事用途等。 MIMO Code是小米开始认真做Agent Runtime”的信号。 PS：自动模式下的新用户可能会被随机切换到超速模式， 你可以体验MiMo-V2.5-Pro 以每秒 1000 token的速度飞驰。

Fuli Luo @_LuoFuli

4 hours ago

A strong model evolution needs a solid harness system, and vice versa. 14 days, 5 people, one vibe-coding journey — and MiMo Code was born. It's open source: github.com/XiaomiMiMo/MiM…

40 42 473 21K 138

前两天阿里又调了一次AI架构，很多人没看明白这代表着什么。 6月8日，阿里巴巴宣布通义大模型事业部和未来生活实验室合并，成立TokenFoundry事业部，由集团CEO吴泳铭直接负责。 周靖人转任阿里巴巴首席科学家，牵头新成立的AI未来研究院，主要做前沿AI探索。 郑波带着HappyHorse、HappyOyster等项目并入TokenFoundry。 一句话说，阿里把模型、产品和token消耗场景，继续往吴泳铭手里收。 但这件事，得和前俩月的事情连起来看。 3月16日，阿里刚成立AlibabaTokenHub，也就是ATH事业群，吴泳铭亲自负责。 当时ATH的定位是创造Token、输送Token、应用Token。 通义负责造模型，MaaS负责把模型能力输送出去，千问、悟空和AI创新业务负责把token真正烧起来。 而到了4月8日，阿里又成立集团技术委员会，吴泳铭担任组长。 同一天，通义实验室升级为通义大模型事业部，由周靖人负责。 到了6月8日，通义大模型事业部和未来生活实验室合并，变成TokenFoundry。 三个月里，阿里围绕AI连续调了三次组织。 吴妈在一点点把阿里AI的权力、资源和产线重新拧到一起。 很多人其实没想明白：通义和欢乐马为什么要合？ 表面看，是底座模型和AI应用合并。 通义做Qwen，负责模型能力。 未来生活实验室孵化HappyHorse、HappyOyster这类多模态和视频生成产品，负责应用探索。 问题也在这里。 模型团队如果只盯benchmark，很容易变成技术部门自嗨。 应用团队如果离模型太远，又会变成套壳产品，烧token、做demo、刷存在感，但很难真正反哺底层能力。 阿里过去两年最别扭的地方也在这。 通义在开源社区、开发者圈、云客户里都打出了存在感，但C端产品感一直差一口气。 欢乐马这类项目有传播度，也有多模态应用的想象力，但如果不能和底座模型、推理成本、云资源绑定起来，就很容易变成孤立创新。 TokenFoundry这个名字，其实已经把答案写出来了。 它不是一个单纯的实验室，也不是一个单纯的AI产品部。 它更像一个token铸造厂：上游管模型能力，中游管推理和交付，下游管真实场景里的消耗。 周靖人的位置变化，是这次最值得看的地方。 4月通义刚升级为大模型事业部时，周靖人还是负责人。 两个月后，他变成阿里巴巴首席科学家，牵头AI未来研究院。 这个title当然很高，但权力分工已经变了。 前沿研究、长期探索、下一代AI方向，交给周靖人。 模型产线、应用整合、token商业化战场，吴泳铭自己接过去。 技术大牛调去看远方，CEO亲自管战场，这很阿里。 但核心是因为AI到了今天，已经不只是模型参数和论文指标的问题。 真正烧钱的地方在推理成本、算力调度、产品分发、组织协同、商业化。 这些事情靠科学家一个人扛不住，也不该让科学家一个人扛。 这次调整阿里真正希望形成的是一条新的AI管线。 阿里云继续负责云底座、算力、基础设施。 ATH负责token的创造、输送和应用。 淘天、钉钉、国际、电商这些业务场景，负责把AI塞进真实交易、工作流和用户行为里。 TokenFoundry则是在ATH内部进一步收缩焦点：把通义模型和未来生活实验室这类应用探索放到同一条线上。 这件事的核心不是集团多了一个部门。 而是阿里正在把AI从「阿里云的能力」里抽出来，变成集团级的一号工程。 云提供水电煤。 TokenFoundry负责把水电煤变成可规模化销售、可持续消耗、可被业务部门调用的AI产能。 这也能解释为什么阿里和字节最近的动作看起来很不一样。 字节更像是在向内锁人，豆包股、算力承诺、Seed团队回流，本质上是用激励和资源把最关键的人留在牌桌上。 阿里更像是在向上收权。 不是先解决某一个产品的问题，而是先把分散在云、模型、MaaS、C端应用、多模态探索里的AI资产，重新捏成一个拳头。 这符合两家公司的基因。 字节相信产品、增长、激励和人才密度。 阿里相信基础设施、组织调度和商业网络。 吴妈现在押的不是单个AI应用爆不爆。 他押的是阿里能不能成为中国最大的一条token供应链。 模型只是上游，MaaS是管道、云是底座、应用是消耗场景。 谁能把这几件事接起来，谁才有机会在AI工业化阶段赚到长期的钱。 这就是大厂AI走到今天绕不过去的一步。 模型竞赛已经进入工业化阶段。

@MogicianTony Model parameters are one thing, but more importantly my wallet can't support them continuing to scale 😭

@imyouhu 对，又贵然后写的也没多好

@sunflowers0607 @Alibaba_Qwen 明天见

@Alibaba_Qwen Frist meetup in Singapore！

keyboard_arrow_left Previous keyboard_arrow_right Next

@fancypandame 🤔

太真实了，现在已经变成了yes工程师🤣

@tree_lemmon 在骂Anthropic

看起来Anthropic真的深刻伤害到老外了。。。

@Lucky_Daiz 👍

@one1down 是啊

很多人没有意识到AI会带来什么⬇️ 有钱→用最好的模型→创造高价值→获得高收入→有更多钱→继续用最新最贵的模型 没钱→用免费的模型→无法创作具备不可替代性的价值→收入不足→只能继续用免费模型 赛博朋克时代就是这么来的…… 这也是DeepSeek希望避免的事情。

@Tinwung11 很难有

@wssnleh69370 指望这些人用CodeX还是太难了，用过coze就不错了

如果你没用过AI你就get不到这张图的笑点🤣