-
藏师傅 Kimi K2 Thinking 首测！教你用 Kimi 编程全家桶
本文对月之暗面发布的 Kimi K2-Thinking 模型进行了首次深度测试，详细介绍了其在 Agent 化升级、推理 SOTA、编程增强及效率提升等方面的核心特性。作者不仅提供了 Kimi CLI 的安装与 KFC（Kimi For Coding）API 密钥的获取教程，还演示了如何将其集成至 Claude Code 环境，为开发者构建了完整的 Kimi 编程全家桶使用指南。文章通过一系列严谨… -
DeepSeek-V3 模型更新，各项能力全面进阶
DeepSeek V3 模型迎来小版本更新（V3-0324），主要在推理任务、前端开发能力、中文写作和搜索能力上进行了全面提升。在推理任务方面，新模型借鉴了 DeepSeek-R1 的强化学习技术，在数学和代码评测中取得了超过 GPT-4.5 的得分成绩。前端开发方面，HTML 代码生成质量更高，视觉效果更美观。中文写作方面，提升了中长篇文本创作质量。搜索能力方面，联网搜索结果更详实准确。此外，工… -
在 Claude 开发者平台上引入高级工具使用能力
文章详细介绍了 Anthropic 为 Claude 开发者平台引入的三项高级工具使用能力，旨在解决 AI 智能体在面对庞大工具库、复杂多步骤工作流和精细化参数使用时面临的挑战。首先，工具搜索工具通过按需发现和加载工具，大幅减少了上下文窗口的 Token 消耗（最高节省 95%），并显著提高了智能体在处理大型工具库时的准确性（内部测试显示，Opus 4 准确率从 49% 提升至 74%）。其次，编… -
LLM 认知跃迁：从“死记硬背”到“活学活用”
文章首先介绍了 Andrej Karpathy 提出的'LLM 认知核心'概念，即打造参数量在几十亿级别、专注于推理能力而非百科知识的模型。随后详细分析了 Google 最新发布的 Gemma 3n 模型的技术特点，包括其原生多模态能力、MatFormer 架构、PLE 技术等创新。文章进一步深入探讨了从'死记硬背'到'活学活用'的认知跃… -
Meta 视觉基座 DINOv3 王者归来：自监督首次全面超越弱监督，商用开源 ｜ 机器之心
文章深入介绍了 Meta 最新推出的 DINOv3 视觉基础模型，作为 DINO 系列的最新力作，它在自监督学习（SSL）范式下取得了突破性进展。DINOv3 首次证明 SSL 模型在广泛的密集预测任务中能够全面超越弱监督模型，尤其在高分辨率图像特征提取方面表现出色。其核心创新在于彻底摆脱对标注数据的依赖，将训练数据规模扩展至 17 亿张图像，模型参数规模达 70 亿，并通过引入 Gram Anc… -
分享一下我对好代码的理解
本文围绕“什么是好代码”这一核心问题展开，作者结合自身职业发展，从初入职场时仅关注完成任务的“黑盒认知”，逐步深化到对代码质量的全面理解。文章提出，好代码不仅要满足功能需求和稳定性，更应兼顾用户体验、开发效率、可维护性与成本控制，并引用了阿里巴巴内部“金码奖”的评审标准，从稳定、体验、效率、成本四个维度对代码质量进行了量化分析。作者进一步强调，编写好代码需要具备全局视角，遵循设计原则（如开闭原则）… -
从 Prompt 到 Context：基于 1400+ 论文的 Context Engineering 系统综述
基于对 1400 多篇论文的系统综述，文章深入探讨了“Context Engineering”这一新兴概念，指出其是 Prompt Engineering 的延伸，旨在通过在有限的上下文窗口内精确构建信息，以优化大型语言模型（LLM）的行为。作者首先通过类比搜索引擎的历史，反驳了 Prompt Engineering 将被弱化的观点，并引入了 Context Engineering。文章将 LLM… -
不只是写代码：Qwen Code 如何规划、执行并验证软件工程任务
文章详细介绍了 Agentic Coding 这一 AI 在软件开发中的新范式，强调 AI 代理能够自主规划、分解、执行并迭代复杂开发任务，而非仅限于代码补全。以阿里云 CLI 工具 Qwen Code 为例，文章深入剖析了其核心 Prompt 设计，包括角色定义、核心规范、任务管理、以及针对软件工程任务和新应用开发的具体工作流。基于 Qwen3-Coder 系列模型的能力，通过这些 Prompt… -
减少检索增强生成（RAG）语义缓存中的误报：以银行业为例
文章深入探讨了在检索增强生成（RAG）系统中，如何有效减少语义缓存中的假阳性（误报）问题，并以银行业 FAQ 系统为例进行了详细的实验和分析。作者指出，在初期尝试中，即使采用先进的双编码器模型和默认相似度阈值，系统仍面临高达 99%的假阳性率，导致给出错误但自信的答案。通过四阶段的系统性旅程，文章证明了缓存设计而非模型优化是解决假阳性问题的核心杠杆。关键发现包括：1. 简单调整相似度阈值效果有限；… -
好的软件设计，看起来平平无奇
文章核心观点是“好的软件设计，看起来平平无奇”，因为它专注于在设计阶段就消除潜在的故障模式，而非事后打补丁。作者通过亲身经历和案例阐述了这一理念。他指出，处理故障模式有两种方式：被动响应（打补丁）和主动消除。主动消除故障模式的具体策略包括：将低效或高风险组件移出核心路径，例如将产品目录接口的构建代码放入定时任务；彻底减少系统组件数量，简化复杂系统，如将文档管理系统重构为静态网站；集中化状态管理，确… -
API 账单不会说谎：OpenRouter Top 10 榜单，看到下一个爆款
文章通过分析连接上百种大模型的“中间网关”OpenRouter 的 API 调用量数据，揭示了一个被主流 AI 圈忽略的“平行世界”中的热门 AI 应用。这份榜单排除了自建服务或与巨头绑定的产品，专注于开源项目、独立开发者和敏捷团队的真实需求。榜单前十名主要分为两大类：为开发者服务的编码助手（Coding Agent）和提供情感价值的角色扮演与娱乐应用。文章详细介绍了榜单上代表性工具的功能、特点、… -
Anthropic 亲自公开 Claude 脑回路！
Anthropic 公司发布研究，利用 “AI 显微镜” 深入探索 Claude 大模型的内部运作机制。研究揭示了 Claude 在多语言处理中存在共享的概念空间，具备提前规划生成内容的能力，甚至在创作诗歌时会提前考虑押韵。此外，Claude 在心算时采用并行计算策略，但其解释可能与实际计算过程不符。研究还探讨了模型产生幻觉的原因，以及越狱提示如何绕过安全防护。通过可解释性方法，研究人员能够追踪 … -
DeepSeek 复盘：128 天后，为什么用户流量一直在下跌？
文章以 DeepSeek 模型发布 128 天后官方平台用户流失但第三方使用量暴增的现象为引子，深入探讨了 AI 服务背后“Token 经济学”的奥秘。它指出，AI 服务的定价并非单一维度，而是延迟、吞吐量和上下文窗口这三个关键性能指标的复杂权衡。DeepSeek 为实现极低价格和最大化内部研发资源，主动牺牲了用户体验（高延迟、低吞吐、小上下文窗口），并通过开源策略扩大全球影响力。文章进一步分析了… -
144: 从「大而强」到「小而强」，密度法则、RL 的 Scaling Law 和智能的分布式未来
本期播客邀请了清华大学副教授、面壁智能首席科学家刘知远和清华大学博士后、面壁 MiniCPM 系列文本模型负责人肖朝军，深入探讨了大型语言模型（LLM）的“密度法则”。该法则旨在用更少的算力和数据获得相当乃至更多的智能，强调模型效率而非单纯能力规模的提升。嘉宾们分析了大模型发展的两条主线：能力更强和能效更高，指出在模型能力日益增长的同时，效率提升是推动人工智能普及和实现科技革命的关键。他们详细介绍… -
JavaScript 内存泄漏排查方法
文章全面阐述了 JavaScript 内存泄漏的排查方法。首先，定义了内存泄漏概念并介绍了 Chrome DevTools 中 Memory 工具的核心功能，如快照视图（摘要与对比）、类筛选器及各项指标（浅层大小、保留大小）。接着，详细讲解了堆快照的分析技巧，包括如何复现操作、抓取快照、筛选可疑引用链（优先关注内存增量大、Detached 元素、常见泄漏类型如事件监听和定时器，以及频繁出现的引用链… -
Nano Banana 核心团队：图像生成质量几乎到顶了，下一步是让模型读懂用户的 intention
文章深入访谈了 Google Gemini 2.5 Flash 图像模型（昵称 Nano Banana）核心团队研究员 Nicole Brichtova 和 Oliver Wang。团队指出，当前图像生成质量已接近顶峰，未来的核心挑战在于提升模型对用户意图的理解能力，并将其从创意工具转变为信息查询工具。他们强调，将大型语言模型（LLM）的“世界知识”融入图像模型至关重要，能使其处理更复杂的需求。文… -
Ling-1T，智渊、思简
文章详细介绍了 Ling Team 推出的 Ling-1T 大模型，这是一款基于 Ling 2.0 架构的万亿参数开源旗舰非思考模型。该模型在复杂推理、代码生成、前端开发和跨领域泛化等任务上均达到 SOTA 水平，实现了高效推理与精准输出的平衡。Ling-1T 支持最高 128K 上下文窗口，通过“中训练+后训练”的演进式思维链（Evo-CoT）提升推理能力。在训练方面，Ling-1T 是已知规模… -
动态计算：我们如何构建无服务器服务器 - Vercel
本文详细介绍了 Vercel 为构建“动态计算”而进行的为期两年的工程努力。这是一项无服务器创新，旨在克服传统无服务器平台（如 AWS Lambda）的局限性，最初的驱动力是支持 React 服务端组件 (RSC) 和 Next.js 应用路由的流式传输能力。文章解释了如何开发基于自定义 TCP 的传输层以实现流式响应和双向通信，打破了传统的每个实例一次调用的模型。文章介绍了 `compute-r… -
Jina Reranker v3: 全新“列式”重排器，0.6B 参数刷新文档检索 SOTA
文章详细介绍了 Jina AI 推出的第三代重排器 Jina Reranker v3，该模型仅有 6 亿参数，却在多项多语言检索基准上取得了当前最佳表现（SOTA），特别是在 BEIR 基准上超越了参数量大 6 倍的 Qwen3-Reranker-4B。其核心创新在于采用了“Listwise”（列式）输入和名为“last but not late”（后发先至）的全新交互机制。该机制允许模型在一个上… -
阿里国际 Ovis2 系列模型开源：多模态大语言模型的新突破
阿里国际化团队开源了 Ovis2 系列多模态大语言模型。Ovis2 通过创新的架构，实现了视觉和文本嵌入的结构化对齐，解决了传统多模态模型中模态间嵌入策略差异的问题。文章详细阐述了 Ovis2 的模型架构，包括视觉 tokenizer、视觉嵌入表和 LLM 三个关键组件，以及采用了包括预训练、视觉理解增强、指令对齐和偏好学习在内的四阶段训练策略。Ovis2 还引入了视频和多图像处理能力，并通过创新…
AI 前线
扫码打开当前页
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×