AIGCLINK

百度的这个新OCR可以，Unlimited OCR，解决长文档OCR速度衰减和显存膨胀问题，几十页文档一次性匀速解析完 3B MoE（激活5亿参数），端到端文档解析，可本地部署 基于DeepSeek-OCR微调，核心是R-SWA，输出6000 token时比DeepSeek-OCR快约35% 传统LLM解码器的KV cache会随输出变长而不断膨胀，导致又吃显存又慢 R-SWA模拟人类抄写的工作记忆，生成每个token时始终能看到全部图像视觉token，对已生成文本只回看最近128个，KV cache变为固定容量队列，使单token的注意力计算开销不再随输出长度持续增长，无论输出1万还是10万token，显存和计算成本保持恒定 每页1024×1024图像压缩成256 token，32K上下文单次前向解析40+页，不漏行、不重复（Distinct-35 97%） 直接输出Markdown/JSON，支持表格、数学公式、阅读顺序恢复，可以作为RAG和知识库的数据入口 这个机制还可以扩展到ASR、机器翻译这种长序列生成上 #OCR #UnlimitedOCR #文档解析

Hugging Face把OpenAI前两天放出来的那批数学成果转成了开源强化学习环境，大家可以拿去训练模型 挂进你的训练流程，让模型自己刷题进化，先挑会做的刷，刷不动的攒着慢慢练 369个任务、405道形式化数学题、214个题型。每个任务给一份带`sorry`的Lean题面，AI要把它补成完整证明，独立沙箱里的Lean判分器自动编译验证，对1错0，reward直接拿去训练 不过还处于早期版本，verifier目前只认原始形式化写法，等价证明也可能会被误伤，当练兵场来用 #RL训练环境

马斯克猛，Grok Bot今后将按任务需求，路由到Claude Opus 5.5、MidJourney、Suno等不同模型 自家AI公司都不独占自家模型了，agent时代，拼的是调度层

最近的实测muse体验感结论是很鸡肋：除了让很多人兴奋的配置独立IP的vm之外，然后搞一些肉机的事情（搞一些突破安全限制的操作，估计未来都会被堵上），好像没有特别直接的擅长点，看到很多老外用它做跨平台的财务管理貌似有点用，至于其他的能力使用claude cowork、codex貌似都能搞，只是这两个不给你透IP公网暴露给用户。 对于to c的personal agent产品如果要产生真实的价值，最大突破口可能就是牺牲用户隐私，这又是个矛盾。就像manus的cue出来的时候，很多人白嫖他的IP、电话号码之类的，好像除此之外没有特别的兴奋点。

OpenAI Decisions API的一个有趣用例，拿来做鸡蛋自动化质检，挑出脏蛋、破蛋，留下干净蛋，一分钱判46颗蛋 产线摄像头持续拍传送带上的蛋，用Roboflow的RF-DETR模型在画面里找出每颗蛋的位置框 然后按框把每颗蛋单独裁成小图给到Decisions API，让其快速判断鸡蛋是干净、脏还是破损的，输出三种状态概率 这个方法，延迟约270ms，成本算下来约$0.03处理1000张鸡蛋图片 在实时质检场景，目前看经济上可行技术上成立，对分拣、质检类业务有一定参考价值 #OpenAIDecisionsAPI

这几天基本上亲自验证了测试可以被AI完全取代，刚好有个协同场景的项目需要多机多用户联调测试，昨天开始直接交给codex和claude交叉写测试用例、然后codex或claude code远程管理三台真机做协同场景的测试验证，统一由A电脑的codex和claude做调度操作，太爽了 以前测试环节的loop需要人自己干，现在这个环节人可以退出了，未来人的loop只存在于定义问题和品味标准制定。

谷歌刚才把自己的“AI验真器”开放了，从今天起SynthID Detector全球可用，可查图片、视频、音频是否AI生成的 能查范围目前包括谷歌、OpenAI、NVIDIA、Kakao，后面苹果也会接进来 谷歌说已经给1800多亿张图/视频、24万年音频打过水印 对于品牌、广告、政务等场景，快速辨别是否AI生成是一个快速通道 #AI生成鉴别 #SynthIDDetector

我去这个想法可以，让Claude把抽象的技术原理变成动态可交互的立体演示 能旋转、检查和探索，能呈现火焰、水、等离子体视觉效果，各个零部件还都可以单独旋转和移动 给一个概念，Claude就能构思对应的实体结构，这把教育教学、概念演示、交互式科普制作场景啥的穿透了 支持独立HTML、SVG或React/Next.js组件输出，生成的源码归你 #技术概念转3D演示

突发，Anthropic发布了：Claude Haiku 5.5，运行成本平均比Haiku 4.5降低了约75%，Sonnet 5.5也降价了 Anthropic目前最快模型，提示词10万token以内便宜90%，10万以上便宜50% 电脑操作测试跑分暴涨，从15.7%升到了72.4%；终端编程任务从0%到了39.2% Haiku现在也支持“努力度调节”，权衡成本与智能 适合拿来做摘要、上下文压缩、数据库查询、分类请求、浏览器操作等高并发、成本敏感任务，可以作为Opus 5.5的编码子智能体，复杂agentic编程还是Opus 另外，Sonnet 5.5缓存读取降价50%，从$0.2降到了$0.1；Max/Team订阅每月送$100–500API额度 #ClaudeHaiku55

很多人问我的claude申诉申请是怎么写的，答案来了见附件图。我两个账号都是用这个申请，只是日期换了，确实也代表我的真实操作。 claude账号使用最大权重需要解决的是： 1、纯净家庭IP，最好是美区 2、地理位置，关闭定位 3、时区（切记一定要开启tun模式） 以上三点做到，基本上相当于你在美国放了一台mac，就能满足使用的所有需求，没有什么特别高大上和秘密，做到以上三点即可，且任何时候都确保电脑如此基本上就不存在太大问题。

溜儿，谷歌DeepMind搞的一个AI文本检测工具，帮你判断文章是不是AI写的，还能标出具体文字 工具叫DetectorScope ，不光给出判断，还能把判断依据摆出来 以前检测，只给一个AI检测分数，这个检测器能给你解释依据什么作出的判断，告诉你文本里的哪些属性让它测出了“AI”，以及这些属性在文本中的位置，审查过程透明 #AI文本检测 #DetectorScope

GPT-6 Intelligent UI的开源版：Open Intelligent UI，把AI生成交互界面的能力从ChatGPT搬进你自己的应用 视觉风格、组件、业务数据、动作全部可以换成你真实业务场景的 能根据任务动态生成图表、流程图、3D交互场景、计算器、地图等，界面边生成边展示，生成的代码在隔离的iframe中运行 Agent每轮根据任务决定用哪种形式回答，是直接文本回复、原生组件、还是自写交互界面 需要界面时，简单表格走A2UI，复杂的调用generateSandboxedUi按序流式产出HTML/CSS/JS 另外在界面里的每次操作都会作为新一轮对话回到Agent #生成式交互界面 #OpenIntelligentUI