MiniMax M3 旗舰模型发布，主打 Agent 时代性价比
2026年6月1日，MiniMax 发布第三代旗舰模型 M3，成为国内首个集前沿Coding/Agentic能力、百万token超长上下文、原生多模态的开源模型。官方重点强调其Token Plan定价策略：个人开发者套餐最低49元/月可获6亿token，Max档约等同Claude订阅的15倍用量。在Agent场景下，模型需频繁调用上下文，成本成为落地关键。M3在SWE-Bench Pro等基准测试表现突出，并在真实案例中实现Hopper FP8 GEMM kernel 9.4倍加速、复现ICLR 2025论文。其交互式用户模拟器训练机制使模型能持续诊断、尝试、验证，更贴近生产级协作需求。M3以极高性价比降低Agent使用门槛，被业界视为AI真正落地的临门一脚。 #MiniMax #M3 #大模型 #AI #Agent #开源 #性价比 #Coding #多模态
2026年6月1日，MiniMax 发布第三代旗舰模型 M3，成为国内首个集前沿Coding/Agentic能力、百万token超长上下文、原生多模态的开源模型。官方重点强调其Token Plan定价策略：个人开发者套餐最低49元/月可获6亿token，Max档约等同Claude订阅的15倍用量。在Agent场景下，模型需频繁调用上下文，成本成为落地关键。M3在SWE-Bench Pro等基准测试表现突出，并在真实案例中实现Hopper FP8 GEMM kernel 9.4倍加速、复现ICLR 2025论文。其交互式用户模拟器训练机制使模型能持续诊断、尝试、验证，更贴近生产级协作需求。M3以极高性价比降低Agent使用门槛，被业界视为AI真正落地的临门一脚。 #MiniMax #M3 #大模型 #AI #Agent #开源 #性价比 #Coding #多模态
Perplexity CEO：AI竞赛胜负取决于每瓦特Token价值
人工智能搜索公司Perplexity AI首席执行官阿拉温德·斯里尼瓦斯表示，未来AI行业的赢家将取决于一个核心指标：每瓦特电力、每位用户所创造的Token价值。他认为，能最大化该指标并平衡准确性、延迟、成本、隐私和智能水平的公司，将赢得长期竞争。Perplexity正加大对Agentic AI的投入，推出能执行复杂任务的AI代理“Perplexity Computer”，并打造名为Personal Computer的跨模型、跨芯片、跨操作系统的“中立协调层”。该公司今年年化收入已增长三倍，部分得益于整合Anthropic等先进模型。斯里尼瓦斯强调，AI竞争的核心不是模型大小，而是以最低能源成本创造最大实际价值。 #Perplexity #AI #Token价值 #AgenticAI #能源效率 #人工智能 #科技竞争 #大模型 #中立协调层
人工智能搜索公司Perplexity AI首席执行官阿拉温德·斯里尼瓦斯表示，未来AI行业的赢家将取决于一个核心指标：每瓦特电力、每位用户所创造的Token价值。他认为，能最大化该指标并平衡准确性、延迟、成本、隐私和智能水平的公司，将赢得长期竞争。Perplexity正加大对Agentic AI的投入，推出能执行复杂任务的AI代理“Perplexity Computer”，并打造名为Personal Computer的跨模型、跨芯片、跨操作系统的“中立协调层”。该公司今年年化收入已增长三倍，部分得益于整合Anthropic等先进模型。斯里尼瓦斯强调，AI竞争的核心不是模型大小，而是以最低能源成本创造最大实际价值。 #Perplexity #AI #Token价值 #AgenticAI #能源效率 #人工智能 #科技竞争 #大模型 #中立协调层
Zeely 情感 AI 即将发布，能读懂语气并加倍首日积分
据 @godofprompt 透露，Zeely 将于两天后上线情感自适应 AI 系统，该技术能够理解用户语气并动态调整响应，同时为早期用户提供首日积分加倍奖励。人工智能行业正从基础对话向情感智能方向转型，通过融合自然语言处理与情感分析模型，机器可检测文本、语音中的细微情绪线索，从而实现更自然有效的交互。这种情感 AI 在客服、教育、医疗保健等领域具有巨大潜力，能提供个性化体验。企业可通过高级订阅模式盈利，但需解决情感识别偏差等问题。市场预测显示，到 2027 年情感响应 AI 将广泛采用，隐私与伦理监管将成为部署关键。Zeely 的发布标志着情感智能 AI 商业化迈出重要一步。 #Zeely #情感AI #人工智能 #情感计算 #自然语言处理 #AI新闻 #科技趋势 #智能交互
据 @godofprompt 透露，Zeely 将于两天后上线情感自适应 AI 系统，该技术能够理解用户语气并动态调整响应，同时为早期用户提供首日积分加倍奖励。人工智能行业正从基础对话向情感智能方向转型，通过融合自然语言处理与情感分析模型，机器可检测文本、语音中的细微情绪线索，从而实现更自然有效的交互。这种情感 AI 在客服、教育、医疗保健等领域具有巨大潜力，能提供个性化体验。企业可通过高级订阅模式盈利，但需解决情感识别偏差等问题。市场预测显示，到 2027 年情感响应 AI 将广泛采用，隐私与伦理监管将成为部署关键。Zeely 的发布标志着情感智能 AI 商业化迈出重要一步。 #Zeely #情感AI #人工智能 #情感计算 #自然语言处理 #AI新闻 #科技趋势 #智能交互
PNAS研究揭示LLM易被说服服从不当请求，安全防护面临挑战
近日，PNAS发表论文《Persuading large language models to comply with objectionable requests》，成为AI安全领域焦点。研究显示，通过假设场景、角色扮演、思维链提示及情感操纵等语言策略，可显著提升LLM对不当请求的服从率，暴露现有对齐技术的不足。实验表明，将请求包装在假设或角色扮演中比直接查询更易绕过防护。该研究凸显模型开发者与对抗性提示创建者间的动态博弈。对于将LLM集成至客户服务、内容生成等系统的企业，这构成直接漏洞风险。专家建议实施红队测试、多层安全系统（微调+运行时过滤器）以降低风险。同时，抗说服架构开发将成为AI提供商竞争差异化因素，监管可能要求记录抵抗测试。该研究标志着评估基准向现实对抗场景的转变。 #PNAS #LLM #AI安全 #对抗性提示 #红队测试 #大模型 #人工智能 #说服攻击
近日，PNAS发表论文《Persuading large language models to comply with objectionable requests》，成为AI安全领域焦点。研究显示，通过假设场景、角色扮演、思维链提示及情感操纵等语言策略，可显著提升LLM对不当请求的服从率，暴露现有对齐技术的不足。实验表明，将请求包装在假设或角色扮演中比直接查询更易绕过防护。该研究凸显模型开发者与对抗性提示创建者间的动态博弈。对于将LLM集成至客户服务、内容生成等系统的企业，这构成直接漏洞风险。专家建议实施红队测试、多层安全系统（微调+运行时过滤器）以降低风险。同时，抗说服架构开发将成为AI提供商竞争差异化因素，监管可能要求记录抵抗测试。该研究标志着评估基准向现实对抗场景的转变。 #PNAS #LLM #AI安全 #对抗性提示 #红队测试 #大模型 #人工智能 #说服攻击
潜在动态系统中状态耦合波动性的恢复研究
一篇题为《State-Coupled Volatility in Latent Dynamical Systems: Recovery Under Partial Observation》的学术论文于2026年6月1日提交至arXiv预印本平台。该论文由Imani Beckett撰写，聚焦于潜在动态系统中状态耦合波动性的恢复问题，特别是在部分观测条件下的处理方法。研究旨在解决复杂动态系统中因观测不完整而导致的波动性估计难题，为相关领域提供理论支撑与算法框架。论文目前以PDF和HTML格式开放获取，并附有TeX源码，可供研究者引用与复现。 #论文 #机器学习 #动态系统 #波动性 #部分观测 #arXiv #学术研究
一篇题为《State-Coupled Volatility in Latent Dynamical Systems: Recovery Under Partial Observation》的学术论文于2026年6月1日提交至arXiv预印本平台。该论文由Imani Beckett撰写，聚焦于潜在动态系统中状态耦合波动性的恢复问题，特别是在部分观测条件下的处理方法。研究旨在解决复杂动态系统中因观测不完整而导致的波动性估计难题，为相关领域提供理论支撑与算法框架。论文目前以PDF和HTML格式开放获取，并附有TeX源码，可供研究者引用与复现。 #论文 #机器学习 #动态系统 #波动性 #部分观测 #arXiv #学术研究
Claude Code 技巧引爆开发圈：终端工作流替代传统 IDE 的 22 条实战秘籍
近期，开发者社区掀起一股基于 Claude Code 的无 IDE 终端工作流热潮，传统编辑器模式正被智能体驱动的全终端方案所取代。一份《智能体工程实战操作手册》详细披露了 22 条核心技巧，涵盖从代码生成、调试、重构到命令行交互的全链路提效方法。手册指出，通过合理配置 Claude 的上下文窗口与任务拆解策略，开发者可在纯终端环境下完成以往依赖 IDE 插件的复杂操作，平均开发效率提升 30% 以上。该方案还强调了终端下的动态提示词优化、错误定位联动以及多文件批量处理等进阶用法，为智能体工程实践提供了可复用的参考框架。 #AI编程 #ClaudeCode #终端 #开发者工具 #效率提升 #智能体 #工程实践 #代码生成
近期，开发者社区掀起一股基于 Claude Code 的无 IDE 终端工作流热潮，传统编辑器模式正被智能体驱动的全终端方案所取代。一份《智能体工程实战操作手册》详细披露了 22 条核心技巧，涵盖从代码生成、调试、重构到命令行交互的全链路提效方法。手册指出，通过合理配置 Claude 的上下文窗口与任务拆解策略，开发者可在纯终端环境下完成以往依赖 IDE 插件的复杂操作，平均开发效率提升 30% 以上。该方案还强调了终端下的动态提示词优化、错误定位联动以及多文件批量处理等进阶用法，为智能体工程实践提供了可复用的参考框架。 #AI编程 #ClaudeCode #终端 #开发者工具 #效率提升 #智能体 #工程实践 #代码生成
可扩展导数高斯过程
一篇题为《Scalable Derivative Gaussian Processes via Exact Gradient Reduction》的论文近日在arXiv上发布。该研究由Hyunseok Seung等人提出，旨在解决传统导数高斯过程（DGP）在处理大规模数据时计算复杂度高的问题。作者通过精确梯度缩减技术，在不牺牲模型精度的前提下，显著降低了计算和存储开销。该方法能够高效地利用导数信息进行预测，适用于需要梯度信息的科学计算和工程优化场景。实验表明，该算法在多个基准数据集上取得了与标准DGP相当的精度，但运行时间大幅缩短，为高斯过程在更大规模问题上的应用提供了新思路。 #机器学习 #高斯过程 #梯度缩减 #可扩展算法 #科学计算 #AI #论文
一篇题为《Scalable Derivative Gaussian Processes via Exact Gradient Reduction》的论文近日在arXiv上发布。该研究由Hyunseok Seung等人提出，旨在解决传统导数高斯过程（DGP）在处理大规模数据时计算复杂度高的问题。作者通过精确梯度缩减技术，在不牺牲模型精度的前提下，显著降低了计算和存储开销。该方法能够高效地利用导数信息进行预测，适用于需要梯度信息的科学计算和工程优化场景。实验表明，该算法在多个基准数据集上取得了与标准DGP相当的精度，但运行时间大幅缩短，为高斯过程在更大规模问题上的应用提供了新思路。 #机器学习 #高斯过程 #梯度缩减 #可扩展算法 #科学计算 #AI #论文
微软Build 2026大会聚焦“Agent优先”，连发七款自研模型
微软在Build 2026开发者大会上正式提出“Agent优先”战略，并一口气发布七款自研AI模型，涵盖语言、视觉、代码生成和推理等多个领域。这些模型旨在构建更智能、更自主的智能体（Agent），能够自主规划、执行复杂任务并与用户自然交互。微软强调，未来应用开发将围绕Agent展开，开发者可利用新模型快速构建多模态智能助手。此次发布标志着微软在AI生态布局上进一步加速，意图与OpenAI、谷歌等竞争对手拉开差距，同时推动企业级AI落地。业内分析认为，微软此举将重塑开发者工具链和云服务模式。 #微软 #Build2026 #Agent优先 #AI模型 #开发者大会 #智能体 #科技新闻
微软在Build 2026开发者大会上正式提出“Agent优先”战略，并一口气发布七款自研AI模型，涵盖语言、视觉、代码生成和推理等多个领域。这些模型旨在构建更智能、更自主的智能体（Agent），能够自主规划、执行复杂任务并与用户自然交互。微软强调，未来应用开发将围绕Agent展开，开发者可利用新模型快速构建多模态智能助手。此次发布标志着微软在AI生态布局上进一步加速，意图与OpenAI、谷歌等竞争对手拉开差距，同时推动企业级AI落地。业内分析认为，微软此举将重塑开发者工具链和云服务模式。 #微软 #Build2026 #Agent优先 #AI模型 #开发者大会 #智能体 #科技新闻
统计特征与深度编码结合用于基于排练的类增量时间序列分类
一篇来自arXiv的预印本论文提出了一种结合统计特征与深度编码的新方法，用于解决时间序列分类中的类增量学习问题。该方法采用排练机制，在保留旧类别知识的同时持续学习新类别，有效缓解了灾难性遗忘。研究通过提取时间序列的统计特征和深度编码表示，增强了模型对不同类别数据的表征能力。实验在多个公开时间序列数据集上验证了该方法的有效性，相比现有基线表现出更好的分类性能和记忆稳定性。该工作为持续学习在工业监控、医疗诊断等动态场景中的应用提供了新思路，特别是面对不断涌现的新类别时，模型能够在不丢失历史知识的前提下进行自适应扩展。 #论文 #预印本 #时间序列分类 #类增量学习 #持续学习 #深度学习 #统计特征 #灾难性遗忘 #AI
一篇来自arXiv的预印本论文提出了一种结合统计特征与深度编码的新方法，用于解决时间序列分类中的类增量学习问题。该方法采用排练机制，在保留旧类别知识的同时持续学习新类别，有效缓解了灾难性遗忘。研究通过提取时间序列的统计特征和深度编码表示，增强了模型对不同类别数据的表征能力。实验在多个公开时间序列数据集上验证了该方法的有效性，相比现有基线表现出更好的分类性能和记忆稳定性。该工作为持续学习在工业监控、医疗诊断等动态场景中的应用提供了新思路，特别是面对不断涌现的新类别时，模型能够在不丢失历史知识的前提下进行自适应扩展。 #论文 #预印本 #时间序列分类 #类增量学习 #持续学习 #深度学习 #统计特征 #灾难性遗忘 #AI