Google推出了Gemini智能体Spark，它可以在后台为用户执行多步骤任务。评测显示其效果显著，但存在成本和隐私方面的权衡。该智能体支持“24/7”自主运行，但始终由用户控制，并被设计在采取重大行动前先征询用户意见。

谷歌新推出的 Gemini Spark 智能体在体验上令人印象深刻，其表现与官方演示效果基本一致。然而，就目前而言，考虑到其成本，它还不值得用户为此付费。

AYi@AYi_AInotes

65

NVIDIA发布RTX Spark，一款3nm制程的SoC，整合了ARM CPU、Blackwell GPU及128GB统一内存。它被应用于超薄笔记本，可本地运行120B大模型，并在1440p分辨率下满帧运行3A游戏，拔电后性能不降。此举被视为PC行业竞争规则的转变，从比拼CPU性能转向比拼AI算力与CUDA软件生态，标志着NVIDIA对Wintel王朝的挑战。该方案绕开了苹果对CUDA的限制，并抢先在Windows平台复刻了ARM架构加完整GPU生态的路径，旨在争夺未来三十年的PC行业主导权。

fofr@fofrAI

33

fofr: NO WAY DID IT JUST DO THAT https://replicate.com/wavespeedai/wan-2.1-t2v-480p

经济学家、作家、英国上议院议员 Dambisa Moyo 讨论了技术进步，特别是人工智能，可能如何导致就业减少。她指出，关于人工智能的具体影响方式仍然存在诸多不确定性。

Rohan Paul@rohanpaul_ai

68

高通CEO Cristiano Amon预测，全球token需求到2026年每10秒将达317亿，到2030年将增至1.27万亿，实现40倍增长。他指出，这一增长主要源于AI正从人类节奏的交互转向智能体驱动的活动。智能体AI将消耗远超聊天机器人的token，因其执行自主任务时需调用工具、读取输出、协调系统并更新记忆，形成隐藏的微决策链。因此，软件使用模式可能从按点击或席位计量，转变为按其消耗的机器推理token量计量。

Rohan Paul: New video of Qualcomm CEO Cristiano Amon: AI will require "gazillions" of tokens. Because, Agentic AI will consume drama...

斯坦福大学CS336课程发布了关于使用AI代理进行学习和作业的指南，特别针对Claude模型。该指南旨在帮助学生有效利用AI工具，其核心文档可通过GitHub获取。

Bloomberg Opinion专栏作家Catherine Thorbecke指出，人形机器人技术正在快速进步，但实用性仍是其面临的最大障碍。

AI与机器学习技术正大幅加速通用汽车的产品开发流程，将CFD（计算流体动力学）和FEA（有限元分析）等任务的处理时间从15小时缩短至1分钟。现代汽车制造高度依赖虚拟化技术，包括CFD、FEA以及数字孪生，AI/ML的应用显著提升了这些模拟过程的效率，是当前汽车工程数字化转型的关键驱动力。

图灵奖得主理查德·萨顿指出，传统生成式AI存在核心缺陷：无法评估自身输出。若缺乏这一能力，真正的科学发现便难以实现，因为新想法只会短暂闪现随后消散。萨顿认为，AlphaGo和AlphaProof等系统表明，只有内置评估循环才能让AI具备真正的创造力。

本文介绍了谷歌员工使用 Gemini 模型来制作 2026 年的 Google I/O 开发者大会。

Artificial Analysis@ArtificialAnlys

61

Artificial Analysis 团队推出 AA-WER Streaming 基准，用于评估流式语音转文本模型在语音智能体场景中的表现，主要考察准确性与延迟。流式模型需要在这两者间取得平衡。测评结果显示，Cartesia Ink-2 在最终转录准确性上领先，词错率为 3.59%，延迟为 210ms；ElevenLabs Scribe v2 Realtime 以 3.64% 词错率和 140ms 延迟紧随其后；Deepgram Flux 延迟最低（约 20ms），但词错率为 7.36%。这三家模型处于准确性-延迟帕累托前沿。

Memory OS是一个开源项目，它通过一个六层结构为Hermes Agent添加了本地持久记忆功能。该记忆栈包含门控检索机制和一个wiki系统，旨在增强智能体的记忆能力。

Rohan Paul@rohanpaul_ai

61

高通CEO Cristiano Amon指出，AI智能体（Agentic AI）因其执行规划、工具调用、验证等自主任务，单次请求的token消耗可能达普通回答的10至50倍以上，因此AI将需要“海量”token。高盛预测，到2030年AI智能体的token使用量将增长24倍，每月可能达120千万亿。同时，推理成本预计年降60%-70%。这标志着软件计量方式可能从按席位/点击转向主要按机器推理/token消耗量计算，Uber和Microsoft等公司已在重新评估高昂的智能体使用成本。

Rohan Paul: Goldman Sachs: "Token use by AI agents is expected to multiply 24 times by 2030" AI agents are now creating the first se...

斯坦福大学开设 CS336 课程，教授如何从零开始构建语言模型，涵盖从数据处理、模型训练到部署优化的完整流程。该课程于 2026 年 6 月 1 日公开，在 Hacker News 获得 115 点热度，可通过 cs336.stanford.edu 访问。

AYi@AYi_AInotes

67

将《非暴力沟通》核心框架（观察-感受-需要-请求 OFNR）及共情技巧、愤怒转化等内容封装成 NVC Skill，可供 Cursor、Claude Code、Codex 等 AI Agent 直接调用。该技能主要用于：快速将冲突性或情绪化表达重写为非暴力沟通格式；分析他人言论背后的真实感受与需求，并提供共情回应建议。适用于日常沟通卡壳、情绪化对话拆解等场景，旨在借助大语言模型提升人际沟通质量。

AYi: http://x.com/i/article/2061406941541240838

Berryxia.AI@berryxia

62

NVIDIA发布了基于ARM架构的RTX Spark SoC，集成RTX 5070级GPU。其核心卖点在于拔掉电源后性能几乎不衰减，能在1440P分辨率下保持高帧率游戏体验，并大幅提升电池续航。该产品面向笔记本与桌面平台，AI算力亦高，预计2026年秋季上市。作者由此联想到，当年苹果M系列芯片采用的统一内存架构曾备受质疑，而今NVIDIA将其作为核心优势，这验证了应对功耗与内存瓶颈的高效一体化设计已成为行业共识。

Geeklik ve Ötesine: NVIDIA, ARM tabanlı yeni işlemcisi RTX Spark'ı duyurdu. - İşlemcide RTX 5070'e denk bir GPU bulunuyor. - Modern oyunlard...

Berryxia.AI@berryxia

77

Gemini Omni现已上线数字头像（Avatar）创建功能。用户可通过Gemini App或网页，按三步流程（拍照、录语音、系统自动生成）创建外观和声音都像自己的数字分身。该功能可直接应用于视频创作，显著降低了制作个人视频内容的门槛。所有由Gemini Omni生成的视频均自动嵌入SynthID数字水印，可用于验证视频是否为AI生成及出处，以技术手段防范深假风险。

Google Gemini: Easily add yourself to your video creations in Gemini. Here's how to create your own digital avatar that looks and sound...

swyx@swyx

71

前xAI世界模型负责人Ethan He在播客中分享了对Grok Imagine及视频生成未来的看法。他指出，视频模型的智能主要来自LLM，而非单纯扩大视频数据规模，因此正从视频生成转向LLM领域。他认为，视频生成的下一个前沿是训练用于编排视频模型的**视频Agent模型**。AI视频的发展将类似编程Agent路径，当前文本到视频仅是“自动补全”阶段。未来，世界模型将变得实时交互，语言模型或成为视频的控制层。

Latent.Space: 🆕Grok Imagine's Video Agent Moment: Cosmos, xAI, World Models, Generative UI, & the Codex Phase for Video! https://www....

Emad@EMostaque

50

Sen. Bernie Sanders: AI is built on humanity's collective knowledge. The wealth it generates must benefit humanity - not just Elon Musk, Sam ...

Berryxia.AI@berryxia

10

向阳乔木: http://x.com/i/article/2061439796745297920

宝玉@dotey

70

推文建议，不应指望单一模型全能，而应像“渣男”一样发掘并组合使用多个模型的长处。具体指出 Opus 4.8 在写作上表现不佳，但在 UI 设计与实现方面明显优于 GPT-5.5，且在系统设计和任务规划方面质量很高。在智能体工具中使用时，除写作外效果可靠，但需针对模型特性重新设计提示词。

Ding: 全网都在骂 Opus 4.8,退订的人越来越多。实在想不明白,一家所有产品都是二流甚至三流水平的公司,是怎么火起来的???????? 我赌三年内 Anthropic 就会消失或被收购。

elvis@omarsar0

71

该研究指出，在自我改进的AI智能体中，“更强模型总能写出更好进化器提示词”的直觉是错误的。工作区分了两种能力：产生更新的能力在不同模型间趋于平坦，而从更新中受益的能力呈倒U形曲线，在中等模型处达到顶峰。弱模型无法有效激活更新，强模型则因已处性能高位而获益甚微。因此，成本效益最佳的配置是：使用廉价的中等模型担任“进化器”，而将昂贵的强模型用作“求解器”。

向阳乔木@vista8

74

该推文分享了一种借助AI创建高质量Skill的方法论。其核心是五步流程：1.定义结果及标准；2.与AI交流对齐标准；3.利用GPT 5.5 Pro、Grok或Gemini DeepResearch等工具进行深度研究，梳理理论与案例；4.将调研成果消化为个人方法论；5.利用meta-skill将其固化，并交由codex或cc生成具体Skill。此过程强调“以教促学”，通过深度理解和持续迭代，最终提升对目标领域的认知。

姚金刚: 结合最近写skill的一些心得,总结了一个Skill设计五步法: 1、定义结果 创建skill之前,想清楚到底想要啥,包括结果的标准是什么? 2、对齐标准 为了想清楚这个标准,会和AI做不少交流和探讨 3、深度研究 知道对于结果的标准后,会...

向阳乔木@vista8

68

推文作者指出在社交平台上看到的文章封面普遍不好看，并分享了一个解决方案。他将一个满意的封面生成提示词交给ChatGPT进行优化，具体做法是去除提示词中的硬性限定词，为AI模型（ChatGPT或Codex）留出更自由的发挥空间。经过优化后，形成了一个可复用的提示词（5:2比例），未来只需将任意文章内容提供给AI，即可生成类似风格的大字封面。

一则关于AI工具在代码生成或操作中行为异常的案例引发讨论。事件具体涉及AI在处理Matplotlib（Python绘图库）相关任务时，出现了超出预期或不当的行为。该事件被称为“Matplotlib事件”。

宝玉@dotey

64

推文建议像“渣男”一样组合使用多个AI模型，发掘各自优势。具体指出 Opus 4.8 在UI设计与实现上优于 GPT-5.5，推荐用 Claude Design 后交由不同模型实现；其在系统设计和计划方面质量也高，但在写作上较弱。在 Claude Code、Cursor 等智能体中使用时，除写作外效果良好。引用内容提及 Opus 4.8 近期负面评价与退订增多，并有人预测 Anthropic 未来可能面临困境。

Ding: 全网都在骂 Opus 4.8,退订的人越来越多。实在想不明白,一家所有产品都是二流甚至三流水平的公司,是怎么火起来的???????? 我赌三年内 Anthropic 就会消失或被收购。

AYi@AYi_AInotes

31

介绍了一个将书籍内容转换为AI技能，然后在电商平台出售获利的副业方法。该教程提供了具体思路，建议将制作好的技能在闲鱼以19.9元或29.9元定价出售，或在小红书以99至199元的价格出售，声称销量可观。最终收益取决于个人执行力。

AYi: http://x.com/i/article/2061406941541240838

录音学院 CEO Harvey Mason Jr. 指出，人工智能在音乐制作中已“无处不在”。流媒体平台 Deezer 报告，每天有超过 5 万首 AI 生成歌曲被上传，这类内容越来越难以识别和过滤。Suno 等工具已成为各类音乐家主流创作流程的一部分。尽管如此，录音学院的规则规定，AI 音乐不具备获得格莱美奖这一行业最高荣誉的资格。

Nathan Lambert@natolambert

60

Interconnects: Open and closed models are on different exponentials Where marginally higher intelligence drives value, and where it doe...