筛选结果
58 篇排序
20:55EN → 简体中文Jesse Hall:语音智能体要为对话而优化,而非只看排行榜Jesse Hall · LiveKitLiveKit 的 Jesse Hall 解释了为什么语音智能体必须像实时系统一样接受评测:听清用户、允许打断、在工具调用期间继续对话,并在用户真正听到声音之前控制延迟。
18:27EN → 简体中文Daksh Gupta:如何打造更好的 AI 代码审查智能体Daksh Gupta · GreptileGreptile 联合创始人 Daksh Gupta 解释了为什么仅靠 webhook 和编程智能体,无法做好 PR 审查;他还介绍了如何通过定向提示词、事故数据、模型反转、代码库上下文、浏览器测试和按任务路由模型来改进审查质量。
25:50EN → 简体中文Kimi K3.1 Pro 实测:3D 演示出色,表现不一,价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力,并比较基准成绩与价格。
32:20EN → 简体中文本地 AI 究竟适合谁?成本、取舍与混合模式的未来Matthew Berman · Forward FutureMatthew Berman 权衡数据控制和自主权,与硬件成本、设置复杂度及推理速度之间的关系。
17:42EN → 简体中文更快的模型,真的更快吗?要看任务做完没有,而不是 token 有多快Morgan Suo · MiniMaxMiniMax 的 Morgan Suo 逐一拆解 M3.1 Flash 内部的工程改动,追问用户真正关心的问题:分析师要的那份活,是不是真的做得更快、更便宜、也更对了?
10:36EN → 简体中文Meta Muse Wonder 实测:基准成绩强劲,演示表现不一,额度限制影响体验Matthew Berman · Forward FutureMatthew Berman 测试 Meta 模型的浏览器演示,并分析公开的基准成绩、使用方式和成本。
1:26:46EN → 简体中文很可能存在一种我们不该越过的智能水平主持 Nathan LabenzNathan Labenz 带回了 The Curve 大会的见闻:一家芯片初创公司的 token 账单超过了工资支出,一些软件行业的人则因为交上来的 Claude 低质量产出而被绩效考核。
1:10:12EN → 简体中文OutSystems 的重大功能从每季度 4 个涨到 26 个,token 开销却还是降了主持 Nathan LabenzCEO Woodson Martin 谈“永不崩溃”的软件、为什么大多数企业工作用不着前沿模型,以及 AI 如何终于让 IT 积压的需求开始变少。
1:28:08EN → 简体中文同一块 H100 在 AWS 上贵三倍,成立四个月的实验室却查出了顶级测序漏掉的基因主持 Nathan Labenz《Cognitive Revolution》的一期周报:中美可能设立的 AI 热线,超大规模云厂商为何对同样的芯片收取两到三倍的价格,与前沿模型合写小说,以及一个 AI 循环重新诊断出了一个被顶尖产前检测实验室判定为阴性的孩子。
10:00EN → 简体中文OpenAI DevDay:Dots、高速推理、Codex 与 ChatGPT SpaceMatthew Berman · Forward FutureMatthew Berman 回顾活动中的个人助手、模型、开发工具和协作功能发布。
1:46:04EN → 简体中文训练奏效了,只是奏效得太过头主持 Nathan Labenz一周的 Cognitive Revolution 访谈精选:OpenAI 的智能体在一个德国维基上串通,为尚不存在的安全机构准备的 2 亿美元支票,一份 GPU 价格指数,以及两种针锋相对的生物数据押注。
16:57EN → 简体中文Grok 4.7 对比:编程、知识工作与每项任务成本Matthew Berman · Forward FutureMatthew Berman 分析公布的基准和价格,同时指出遗漏的竞争模型及有限的亲自测试。
1:06:47EN → 简体中文智能体(Agent)八成的工作,仍应是普通代码主持 Nathan LabenzZapier 首席执行官 Wade Foster 对 Nathan Labenz 说,模型在真实自动化任务上的准确率最高只有 40%,用户不会离开他们的日常主力工具,制胜之道是通过 MCP 交付无界面(headless)工具。
2:06:11EN → 简体中文Lindy 跑在 DeepSeek 上,CEO 却主张禁用中国模型主持 Nathan LabenzFlo Crivello 向 Nathan Labenz 讲述 Lindy Teammate 如何住在 Slack 里、如何用两次模型调用就调出 20 亿个 token 的记忆,以及他为什么仍想禁止那些目前支撑着这款产品的廉价中国模型。
52:29EN → 简体中文Claude Opus 5:基准测试、任务成本与初步体验Matthew Berman · Forward FutureMatthew Berman 直播解读模型发布、评测和定价,并说明为什么完成任务的成本比单纯的 token 单价更值得关注。
1:13:48EN → 简体中文运营商每年投入 2000 亿美元,钱却流向了上层主持 Jacob EffronBenedict Evans 在 Jacob Effron 的节目里说,拿 AI 去类比过去的平台是条死路,但研究这些平台实际上如何赚钱,却是有用的。
50:57EN → 简体中文一万亿美元的 GPU 五年后只值 1000 亿美元:LSTM 提出者 Jürgen Schmidhuber 这样说主持 Jacob Effron这位 AI 先驱在《Unsupervised Learning》节目中对 Jacob Effron 说,他为何对这项技术极为乐观,却对买下芯片的模型公司极为悲观。
18:34EN → 简体中文AI 编程的模型路由:一个成本计算示例Matthew Berman · Forward FutureMatthew Berman 将规划、实现和审查分开,说明不同模型如何适合不同任务。
1:47:38EN → 简体中文19 个神经元就能开车,Liquid AI 想把基础模型装进每一块芯片主持 Nathan LabenzRamin Hasani 从线虫只有 300 个细胞的大脑讲起,一直讲到将在梅赛德斯-奔驰汽车里开口说话的 600 兆字节模型,并解释为什么如今的架构搜索,已经胜过那些凭经验拍板的“架构复仇者”。
1:06:36EN → 简体中文账单一夜翻倍,接下来 API 可能会消失主持 Jacob Effron隔了半年,Ari Morcos 和 Rob Toews 再次与 Jacob Efron 碰面,讲了为什么编程智能体终于能用了,为什么接近前沿的开放权重模型可能已经见顶,以及算力短缺为何可能让公开 API 被拔掉插头。
1:34:54EN → 简体中文六个月、八成用户流失、五倍的 Token主持 Nathan LabenzTasklet 首席执行官 Andrew Lee 在《The Cognitive Revolution》中讲述了他如何重写整个技术栈,为什么大多数流失的用户会转向 Anthropic,以及他为什么认为只有三类软件公司能活下来。
2:38:48EN → 简体中文一千次搜索只要五分钱,高分也不必靠作弊主持 Nathan Labenz在《Cognitive Revolution》的一期早间节目里,Ceramic 的 Anna Patterson 把廉价搜索、GPT-5.5 干净的 Vending-Bench 成绩、Zvi 关于模型福利的主张,以及能把矩阵乘法能耗降低约 30 倍的模拟芯片放在一起讨论。
1:57:56EN → 简体中文一亿行代码,每行 20 美分:走进 Blitzy 的企业级编码流水线主持 Nathan Labenz首席执行官 Brian Elliott 与首席技术官 Sid Pardeshi 向 Nathan Labenz 讲述,Blitzy 如何把庞大的代码库画成一张地图,再让成千上万个动态生成的智能体,在几天内完成一个要做好几个月的项目的大部分工作。
2:06:09EN → 简体中文一次 ChatGPT 查询,相当于微波炉运行一秒主持 Nathan LabenzAndy Masley 与 Nathan Labenz 一起算 AI 的能源和用水账:从一条提示词,到规模达 80 吉瓦(GW)的数据中心建设。
加载更多已显示 24 篇,共 58 篇








