人工智能没有智慧，你也不会有
AI 写代码不读代码，vibe coding 项目为何几个月后烂成无法维护的乱麻
AI
更多 AI
首页
Python Workers 现已正式发布
Cloudflare Workers 正式支持 Python，FastAPI、Django、Flask 可直接运行，还能绑定 Workers AI、R2、D1 等平台服务，冷启动与依赖管理都换成了原生方案。
Tripo如何为其3D资产管线解决干净拓扑问题
Tripo 首席科学家曹炎培谈 AI 生成 3D 资产：Smart Mesh 5 秒内端到端输出带干净边流、可直接进游戏管线的模型。
空间流式传输如何为3D资产解锁新可能
Miris CTO Sean Looper 谈如何用 AI 把 3D 资产摄取一次、流式传输到任意设备，从而摆脱游戏引擎与预渲染之间长达二十年的画质与交互性取舍。
Meshy希望3D创作AI更像创意伙伴
Meshy 开放 3D Agent Beta，用对话式多步骤工作流批量生成风格统一的游戏资产，已获 4 亿美元 B 轮融资。
如何利用Hi3D将你的创意变成3D打印收藏品
Hi3D 用 AI 把一句提示词变成可打印的定制装甲战士，自动修复网格并智能拆件，几分钟完成传统需数小时的建模流程。
用 AI 做 3D 游戏，工具都在资产这一层
3D 游戏的 AI 工具已经铺满模型、贴图、绑定三段，按件计价，能直接拖进引擎试。关卡设计和引擎里的整合还没有能替人的工具，而免费档基本不能商用、AI 生成物在美国拿不到版权保护，这两个坑最后都落在开发者身上。
Hyper3D Rodin Gen-2.5为3D AI内容带来生产级控制
Hyper3D 的 Rodin Gen-2.5 更新聚焦 AI 3D 资产的生产管线整合，CTO QX Zhang 谈可控性为何比生成速度更关键。
Tripo CEO谈用AI“增强”创作者而非“取代他们”
Tripo 3.0 用 SparseFlex 表示法，P1.0 仅需 2 秒即可生成专业级 3D 模型，创始人 Simon Song 谈 AI 如何嵌入 UGC 实时管线。
使用UE5和Substance 3D基于AI概念创建牛仔女郎肖像
匈牙利3D艺术家用UE5 MetaHuman、Style3D Atelier和ZBrush复刻AI生成图，挑战接近AI质量的写实角色。
他说自己比 Jev 早一年，论文和 229 道题都对不上
Nandakishor Mukkunnoth 说他在 2025 年 3 月就做出了 Jev 那套非自回归决策模型，为此写了一篇很长的 文章。我读了他引的两篇论文，也把他 2026 年的模型拿 229 道细粒度题跑了一遍，看到的和这个故事不太一样。
LLMentalist 效应：基于聊天的 LLM 如何复制灵媒骗局的手法
作者认为 LLM 的「智能」是一种统计学错觉，机制与灵媒的冷读骗局同源：观众自我筛选、场景预设、用确认式陈述引发主观验证，而 RLHF 因为只能按语气排序，等于把模型优化成了生成巴纳姆式陈述的机器。
Jev 让结构化输出重新变得有意思
作者认为 Jev 的价值可能主要在推理策略而非模型本身：把回复预填成 choice 字段、再只生成一个受约束的 token，任何 LLM 都能拿到大部分「秘密配方」——他用 Qwen2.5-1.5B 试出了 2 到 3 倍加速。
用 System One 模型编程的两种技巧
作者把 Qwen3-8B 接成 System One 分类器后试出两招：分层目标（每十秒定战略、每五秒定战术、每 200 毫秒执行）与锦标赛采样（一次喂一百个链接分两轮选），后者在 Wikiracing 里找到了理想的三链接路径。
AlphaGenome Atlas：人类基因组每一个可能 DNA 字母变化的预测图谱
DeepMind 把 AlphaGenome 的预测在基因组尺度上预先算完：1 PB 数据集、覆盖 90 亿个单核苷酸变异，并推出 AVI 分数把影响浓缩成一个数字。合作者已用它在一项未解罕见病里找到并实验验证了致病变异。
我们还需要人类数学家吗？
Po-Shen Loh 回应「数学家该让出控制权」的反对意见：他提出一条基本公理（我们应当帮助人类繁荣），并推出一条推理链——AI 越先进，需要人类盯的控制点就越多，多到人手不够，而这些岗位会反过来迫使 AI 放慢。
用 AI 重新构想广告
ChatGPT 广告测试 Sponsored Agents，用户可点击广告与商家赞助的 agent 对话，并新增 HubSpot 与 Shopify 集成。
AI 没有拿走工程的工作，它只是让你更容易假装自己做过
作者说，问题不在于人们用了 AI，而在于「手里有个能跑的东西」已经悄悄被当成「明白它为什么能跑」。他讲了自己重做一个读书会应用的经历，以及一个只在第二块显示器上出现的通知 bug，把界线画在审阅、调试和真正知道自己建了什么那一段上。
AI 时代在科技行业工作，那份安静的重量
作者写的是一种新的累：不是加班那种看得见的疲惫，而是工具每周都在变、期待的水位一直在悄悄抬高的那种。他把这份重量拆成几件具体的事，说明为什么大家都装作没事，以及什么才真的有用。
现代软件工程师缓慢而安静的认知退化
作者认为 AI 依赖最突出的后果不是代码变差，而是认知退化：提示、接受、重复，中间少了审阅这一步，虚假的信任还会一环环往下传。他写了自己每天解一道编程题并录像讲题的对抗方法，以及一次亲手调试换来的踏实感。
当 AI 超出我们用来衡量它的测试时，会发生什么？
GPT-6 Astra 发布后，作者把注意力从「模型有多强」转到一个更容易被忽略的问题：我们到底怎么知道模型在变强？基准会饱和、会用代理指标、真值来源复杂、评分方法也会变，文章给出一套看分数时该问的五个问题。
为什么我认为你几乎永远不该用 AI 写任何有实质内容的东西
作者主张，用 AI 写博客、研究报告、备忘录这类有实质内容的文本，即使给足要点与上下文、事后又亲自编辑，也几乎永远不该做：写作本身就是思考，AI 的文字在难以察觉处含糊出错，不标明还失礼且误导人。
为什么我没有签署菲尔兹奖得主们的那封公开信
Gowers 赞同「我们正面临危机」，但不同意「概念理解高于解题」是唯一正确态度：他把数学家的动机看成一条谱系，并逐条比较「模型全面超越人类」与「国际协议限制发布」两种未来的得失。
每个人都失去了理智
作者说自己每天七成以上时间在处理 AI，工作乐趣已被剥夺。他批评 AI 公司一边呼吁监管一边扩张，安全行业把资源投给漏洞发现而非打补丁，而「人在环路里」正退化成橡皮图章。
加载中…加载更多