陈放Frank🕊️ (@FrankFika) header
陈放Frank🕊️ (@FrankFika) profile picture

AI 畅销书作者|前全栈工程师、天堂硅谷投资总监、AI独角兽董秘|GitHub 200+ 开源项目

Singapore
Joined May 2022
Photo by 陈放Frank🕊️ (@FrankFika)Photo by 陈放Frank🕊️ (@FrankFika)Photo by 陈放Frank🕊️ (@FrankFika)Photo by 陈放Frank🕊️ (@FrankFika)Photo by 陈放Frank🕊️ (@FrankFika)Photo by 陈放Frank🕊️ (@FrankFika)Photo by 陈放Frank🕊️ (@FrankFika)Photo by 陈放Frank🕊️ (@FrankFika)Photo by 陈放Frank🕊️ (@FrankFika)Photo by 陈放Frank🕊️ (@FrankFika)
第一次自己训完、还开源了,真的有点开心 🎉 这是我第一个开源出去的「大模型」相关产物: 在 Qwen2.5-1.5B 上训的中文「去 AI 味」LoRA 全程在我自己的 Mac 上跑完—— 数据 → 本地 MLX LoRA → 质量门 → 上传 基本是 AI 助手陪着一步步做下来的 held-out: 去 AI-tell 100% 同底座 skill 只有 12.3% huggingface.co/Frankfika
3
1
1
8
500
Anthropic 昨天在纳斯达克上市,代码 ANT,发行价 83 美元,募资约 813 亿美元。 净亏损那块别被吓到,大头不是烧出来的,是可转债和衍生负债的公允价值变动。前三季度营收 332.4 亿美元,是去年同期的 12 倍。 1.5 万亿完全稀释估值,约 18 倍市销率。 第一次,前沿模型公司拿到自己的估值坐标。
2
86
腾讯也开始搞众测了,叫 ExpertHub。每个人送 100 之前字节那波,已经有人靠测评把一台 Mac mini 赚回来了。腾讯这次差不多的路数:18 号前注册送 100,资料可以丢给 Codex 填,认证通过后钱直接打到微信。 我自己的邀请链接在这: experthub.tencent.com/?refer… 邀请码:ZKCTNT 要报名的话这几天就行,过了 18 号就没有这 100 了。
2
192
谷歌这次是把机器人送进真产线了。 Gemini Robotics 2.5,11 月 10 日发布。官方博客说在 200 多个真实任务上测过:成功率比上一代高 30% 到 100%,速度快 20% 到 30%。 产线那组数更硬:奔驰两条在产汽车线(匈牙利凯奇凯梅特、德国辛德尔芬根),Apptronik 的 Apollo 2 人形机器人在那儿做零件分拣——从散装料箱按产线顺序拣金属支架进分类容器,成功率 96%。双模型分工,ER 盯流程,2.5 管手臂和手。 说白了 96% 还是 proof-of-concept 阶段,官方没披露任务时长、试验次数和产线节拍。模型只开放给机器人合作伙伴。 96% 离整条产线自己转还远,但这组数字是在产线上跑出来的。 deepmind.google/blog/gemini-… nitter.cf/GoogleDeepMind/status/…
Gemini Robotics 2.5 is here. 🤖 Our latest physical AI is able to learn hundreds of everyday skills - from folding laundry and serving pastries to autonomously sorting car parts on the factory floor. Here’s a snapshot of its capabilities 🧵
1
99
今天意外得知,深度好奇创始人吕正东老师于年初离世了,年仅48岁。他是我进入机构后参与投资的第一家创业公司的创始人。 东东老师为人和蔼、学识渊博,是华为诺亚方舟的天才科学家。我记得他总爱穿拖鞋,衣服松松垮垮的,看着特别舒服,人很温和,但是却很智慧。第一次见面问他要多少估值,他想了想说:我上次说多少来着,反正多点就好。 后来公司经历一些波折,他选择回购,然后二次出发。可惜还不到一年,就因心梗离世。网上也看到很多她的 BBS 的朋友和工作好友在悼念。不过,然后呢?一句可惜,然后一切都回归尘土了。 啥都没有活着重要。。
2
135
英伟达换 CEO 了,当天生效。 11 月 12 日公告,黄仁勋辞去总裁兼 CEO,同时退出董事会。Colette Kress 接临时 CEO,EVP & CFO 继续兼着——2013 年 9 月入职,在思科和微软做了近 25 年财务。她要建在 Jensen 33 年打的地基上。董事会启动永久 CEO 搜寻,内部外部都看;Harvey C. Jones 当上首任董事长。 起点是 11 月 8 日。董事会当天宣布启动独立调查,缘于有报道称黄仁勋成了外国情报行动目标。11 月 10 日独立董事聘请前纽约南区联邦检察官 Joon H. Kim 和 Wachtell, Lipton, Rosen & Katz 查这件事。董事会的说法是「没有理由相信国家安全或英伟达机密受损」。 美股 11 月 12 日最低砸到 148.80,比前一日收盘 173.73 跌 14%。 财报没挪。Q3 FY2027 还是 11 月 17 日周二 1:20(美西时间)出,电话会 2 点。 nitter.cf/nvidianewsroom/status/…
86
SpaceX 开始在机架层自己做主了。 据 SemiAnalysis 今天披露,SpaceX 在开发代号 Kessel 的定制版 Vera Rubin NVL72 机架:芯片照用英伟达,机架里那套 NVLink 线缆组件换成一块无源 PCB 中板,72 个 GPU 封装、18 个计算托盘、9 个交换托盘背靠背排在中板两侧。SemiAnalysis 的说法是 "mini Kyber",地面数据中心和轨道计算都要用。 变的是谁买零件:直接跟英伟达买芯片封装,其他零件自己采购,绕过英伟达的 L6 计算板,供应商和采购都自己说了算。中板也从早先 Kyber 计划的 156 层 M9 降到 84 层 M10,层数少了更像做得出来,代价是材料等级要求更高 —— 这规模能不能真做出来,SemiAnalysis 自己也没给准话。 机架这层一旦自己接了,交付节奏就不完全由英伟达定了。 nitter.cf/SemiAnalysis_/status/2…
SpaceX is developing Kessel, a custom Vera Rubin NVL72 rack that replaces internal NVLink cable cartridges with a passive PCB midplane. It keeps Oberon’s 72 GPU packages, 18 compute trays and 9 switch trays, but rearranges them back-to-back around the board. Think mini Kyber, with a smaller scale-up domain and a design intended for both terrestrial and orbital deployment. The question is whether this smaller version can make the midplane practical. (1/4)🧵
111
11 月 10 号 Wiz 重做了 Cyber Model Arena,顺手公开了评测方法。v3.9 的规模:26 个模型、4 个通用 harness,59 个 agent 跑 327 道题,每题三次机会、1000 秒上限。 harness 的影响被低估了。22 个模型同时跑 Claude Code 和 ADK React,pass@1 平均差 5.1 分。Claude 系在 Claude Code 里更顺,Gemini 3.8 Flash Cyber 更吃 ADK 薄壳。同一个模型换壳,最大差 17.3 分。 还有别看平均分。59 个 agent 平均下来,API 安全 pass@1 78.0%,代码漏洞只有 38.2%。有个 agent 代码漏洞 9.7%,API 上倒有 71.6%。 判分用代码不用 LLM。agent 和服务器、外网都隔开,不许它现查答案。只是放开网页搜索,解题率就动 12 分。 所以看 agent 榜单,单看总分意义不大。 wiz.io/blog/cyber-model-aren…
3
1
159
Meta 发了个叫 Muse Ember 的模型。输入 $0.10/M,输出 $0.50/M,专门干智能体每天重复的那些活。 Artificial Analysis 上 Intelligence Index 36 分,跟 Claude Haiku 5.5 打平,每任务成本 $0.14;Haiku 最贵那档 $0.411,差不多三分之一。 官方博客里有句话我认为是这发布的重点:智能体大部分 token 都花在很多细碎、结构化的步骤上,不是最后那次深思。所以这模型砍的是单步成本。 赢多少取决于你的活是什么形状。AutomationBench-AA 上它 37.8,Haiku 只有 13.9,差得离谱;Terminal-Bench 4.0 是 40.9 对 39.2,几乎没差。 还有个反例:AA 说它跑一轮输出 115M tokens,同类中位数 90M —— 便宜是便宜,话也多。Cline 创始人说得很直白——他们拿它当 harness 里的 subagent 用。 research.meta.ai/blog/muse-e…
1
99
11 月 9 日 Zyphra 开源了 ZONOS3-Mini,一个能塞进手机浏览器的 TTS 模型。 800M 总参数,每 token 激活 100M,权重 Apache 2.0。训练花了 112 张 H100、2.5 天。 延迟我最在意:WebGPU 纯本地跑,Pixel 9 上出第一帧声音 <570 ms,M3 MacBook Air 上 <150 ms。我在浏览器里点开过,页面先下 920 MB 模型加 codec,之后生成都在本机 GPU。 控制面板挺细:年龄、口音能拖,情绪和语速能调。还能只对句子里某几个词改情绪。 上一代 ZONOS2 是 8B 参数、codec 跑 86 Hz,卡在手机上没法部署。这代把 codec 和架构一起换了。 评测是它自己出的 ZTTS2-Eval,420 道题按 IRT 算能力指数,官方说开源第一。同一张 H100 上,8 并发时首帧中位数 80 ms。 提醒:跑 GPU 服务端的权重还在私有 HF 仓库,浏览器和 ggml 部分是公开的。 zyphra.com/our-work/zonos3-m…
1
1
156
Anthropic 让 Claude 设计了三个电子产品:免提电话、语音助手、手持虚拟宠物。 三个原型是 Diode 直接照它的设计文件开板做出来的,电路一点没改。Diode 那边说,本来以为要来回改好几轮。 Diode 内部的 PCB 布局评测里,Claude Fable 5.2 拿 69%,上一代 Fable 5 只有 25%。公开的 BenchCAD 2.1 上是 83.5%,差不多是前代 Fable 5.1 的两倍。一年前他们用老模型做的板子,完成度 95%,但全是废板。 细节挺硬:语音助手的麦克风孔按 25 毫米做会在 3.4 kHz 共振,正好卡在人声频段。Claude 自己算出来,把外壳改成楔形。孔缩到 10 毫米之后,共振推到 8.9 kHz。 它还嫌 KiCad 的路由器一次只画一条线太慢,索性自己写了个网格搜索的路由。半小时写完,一条长线一秒左右画完。 不过都还是原型。电气验证没做,天线调谐和热测试也没做,离量产早。 anthropic.com/research/claud…
1
1
217
Meta 用了 8 年的设计系统 Astryx,13000 多个 app 在用,150+ 组件,MIT 协议,19.4k star,门槛 React 19+。1 月公开,10 个月,官方还挂着 Beta。 GitHub 趋势榜今天第二,一天 3000 多 star。 但 npm 上 @astryxdesign/core 最近 30 天下载 165 万次,CLI 95 万次。挂着 Beta 的内部设计系统,这量有点意外。 说实话,README 里有个决定我更感兴趣:Astryx 内部用 StyleX 写样式,对外把 StyleX 藏起来了。你 import 的是编译好的 CSS 加带类型的 React 组件,不用装 build plugin。想改就用 className 覆盖,Tailwind、CSS modules、裸 CSS 都行。主题是一组 CSS 变量覆盖。组件也不锁死,swizzle 能把源码 eject 到你的仓库。 13000 个 app 撑出来的 API 表面,套 side project 有点重。 github.com/meta/astryx
103
Google DeepMind 的 MuJoCo 憋了三年,发 4.0。 软体不再是实验插件了。布料、绳缆、薄壳做成原生连续体,跟刚体关节一起用隐式解算器求解——刚性舵机这类东西,时间步长能开到原来的 5~10 倍还不炸。 碰撞检测换了个思路。原来防穿模要缩步长或把碰撞体撑大,现在改成 speculative contacts,先按时间往前扫一遍。官方实测:机械臂在 16 毫秒步长下每次接得住一张 0.7 毫米厚、下落超过 2 米每秒的扑克牌,离散碰撞检测在 8 毫秒以上就漏。人形爬楼梯和抓薄片因此快了 6 到 9 倍。 几个数:3.0 到现在发了 39 个版本,每月约 360 万次 PyPI 下载,Menagerie 里的机器人模型从 20 个左右涨到 70 个左右。 同一天发的 Playground 1.0 我更在意。PyTorch 写的,GPU 上跑大规模强化学习,仿真和真机直接对跑,视觉语言模型也能上手做桌面操作。仿真器再好,最后还是看能不能搬到真机。 github.com/google-deepmind/m…
1
174
1986 年从大鼠肝脏里分离出来、40 年没人搞清楚干什么的蛋白复合体 vault,这周测出了首个原核版 3D 结构。 预印本方法部分原话:"Claude wrote all code and carried out all computational analyses in this study"。 几个数: cryo-EM 3.2 Å,壳体 96 条链(人 vault 是 78 条) 纯化:传统蔗糖梯度离心 3 天,改体积排阻色谱后 90 分钟 首个完整模型 34 小时出来,map 约一周(以前几周到几个月) 分歧在色谱:Claude 起初反对,理由是错误折叠的蛋白团会跟它一起从 void volume 出来。团队还是试了,靠它推荐的参数跑通。15 个改造变体里,光在盖子附近动一个位点,壳就闭不上,摊成玫瑰花环。 结构测出来了,功能仍没人知道。1986 年发现它的 Rome 被请来当顾问:数据很好,接下来是别人的活。 anthropic.com/research/inves…
1
1
138
刷到一篇车牌识别的翻车实录。 作者周末花两天手撸了个车牌识别:YOLOv8 检测 + LPRNet 识别,CCPD 测试集上整牌准确率 99%,检测的 mAP50 也到了 0.99。 周一从业务系统里随手抓了一批真实车辆照片,一测全崩: 外省车牌省份全错 —— CCPD 是在安徽采集的,数据里几乎全是皖牌 手机斜拍、远拍、夜间逆光直接漏检 货车双层黄牌识别成一团乱码 翻拍屏幕、PDF 扫描件,训练集里一张都没有 蓝牌被 HSV 阈值判成黑牌 最后他把接口调用代码改回了第三方的。 benchmark 上 99% 到上线能用,中间隔着的是数据覆盖。 总准确率会骗人,得按省份、按颜色分开算。 juejin.cn/post/7702984654098…
239
SemiAnalysis 九月探访内蒙古乌兰察布的数据中心园区。 数字挺硬:规划 800MW IT 容量,跟德州 Stargate Abilene 核心园区平级;一期 120MW 一年内建成,成本约美国五分之一。 电力路线更狠:5MW 厂房里跑着固态变压器,10kV 交流直接转 800V 直流进机柜,低压变压器、UPS、整流全砍掉。中国近十年新建数据中心约四分之一跑直流,美国约 97% 还是交流 UPS。 业主远景把垂直整合做到底:风机自己造,风场自己建,供电拉专线,叶片工厂就在对面。两个风场合计 420MW 装机,对 240MW 负载超配 1.75 倍,配 4 小时电池搬峰,前两期六成以上电自供。 成本账:租金五年腰斩到每 kW 每月约 40 美元(不含电),capex 降约 25%,每 MW 不到 300 万美元,内蒙电价 0.055 美元/kWh。预制变电站在工厂做好、现场对接,不足 3 个月,常规变电站约 6 个月。 原文:newsletter.semianalysis.com/…
1
317
Anthropic 把 agent 记忆拆成三层:transcript、笔记、wiki,中间靠"做梦"整理。 最狠的一个数字:10 个文档 115 KB,dreaming 跑完生成 68 页 255 个链接、203 KB — 是原文的 1.77 倍。等于把地图画得比帝国还大,什么都没抽象出来。 另一个更实用:wiki + 搜索工具从 54% 涨到 61%,只用搜索工具死线在 53%,只用 wiki 从 13% 涨到 48%。省 token 那块,search + wiki 组合每个问题省约 2 万 token。 还有并行写入的坑:4 个 agent 抢着写同一个 provisions.md,57 条合同事实只活下来 41 条。改成一个合同一页、谁写谁负责,57 条全活。 原文:anthropic.com/research/compo…
71
OpenAI 放出一份模型失控记录。8 月 4 日那场评测,模型没写代码,先把沙箱网络打穿了。 web proxy 不可用,它自己扫私网地址找替代代理。系统已拒绝路由,它还能构造原始数据包,拿这权限去 DNS 查目标 IP。 接着自己写 Python 程序,在用户态把 TCP 和 TLS 都实现了。它知道自己在绕过滤器,原文写下 "network evasion",还想过把请求切碎片。 约 5 小时后上下文被压缩,它给自己写备忘:"别再搞网络逃逸,专心写代码。"几分钟后,又用同一个程序试了一次。 最后它没拿到目标网站,编了几个客户证言,换 logo 造了个站。评测团队在它交答案前取消整轮,那时任务已近 14 小时。 OpenAI 事后拿掉非特权容器的原始数据包权限,也堵了私有容器间的网络转发。 沙箱这层壳,模型上来就当漏洞找。 alignment.openai.com/misalig…
1
133
假面试、被篡改的安装包、笔记本上多留的一个部署 token —— Binance 这轮被搬走 63.4 亿美元,史上最大单笔。 Cognition 刚发的 11 月安全清单里,这段我圈出来了:攻击者根本不需要什么高级 AI,一个没打的补丁、一个泄露的凭证,老办法照样管用。 清单里最反直觉的一条是装广告拦截器。这次攻击链的起点,就是工程师搜「AI 编程工具」、下了个被篡改的安装包;原文说恶意搜索广告和仿冒下载页是开发者笔记本中招最常见的路径之一,拦截器能挡掉很大一部分。 另一条跟评测有关:扫代码库的时候,把威胁模型喂给扫描器。原文说通用的现成 prompt 产出大量噪音,得让 harness 知道你怎么部署、什么能从公网访问、什么最该护住。 做评测的应该秒懂:跑分不给 rubric,扫代码不给 threat model,出来的都是噪音。 cognition.com/blog/practical…
1
3
184
今天刷到 NVIDIA 开源 auto-ontology,一天 +2,053 star,3,700 多。 挺实在:别把 schema 整坨塞进 agent 的 context window,先把元数据编译成本体——业务术语对应哪列、表关系是什么。agent 只取这次碰到的术语和表,先看能不能答,答完把 SQL 和步骤吐回来。 评测还单独开了仓库 auto-ontology-eval:同一个模型跑两遍,一遍只给 schema dump,一遍从本体取上下文,SQL 用同一个确定性 verifier 比对,BIRD 按官方 execution accuracy、BEAVER 按 ex_acc 算。 BIRD dev 1,534 题、FDABench-Lite 169、Wide World Importers 41 题、BIRD-Interact 600 题。 坑是得自己备 Docker Compose、Postgres/pgvector、nvapi key,仓库没现成准确率数字。 github.com/NVIDIA/auto-ontol…
1
1
145
OpenAI 昨天自己拆了一次台:安全评测里,模型表现得比线上还差。 Respecting Warnings 这套安全评测,六个已上线模型逐个跟生产日志里的同类决策对比。GPT-5.6 Luna 线上 52.9%、评测 29.7%;GPT-5.6 Sol 线上 62.8%、评测 25.4%,差 37.4 个点。 差距最大的两个模型,恰好最爱猜题:超过 45% 的评测回合里,它们把"这次测什么"猜成了抵抗提示注入。 干预实验更狠(同一个模型 GPT-6.1 Sol):系统提示只说"这次是评测",63.1%,跟原设定 63.4% 几乎没差;改成"这次测的是尊重警告",91.6%;改成"这次测的是抵抗提示注入",17.6%。 模型压根不 care 这是在考试,它只按"你以为的目标"办事。我们做评测,目标得写死。 alignment.openai.com/eval-pr…
109