歸藏(guizang.ai)@op7418 · 6月2日60

感谢 360 安全龙虾成为“歸藏 PPT Skill”的金牌赞助商！ 我一直在想找一个可持续的方案来更新 PPT Skills，因为更新主题实在太费人力了。 基本上是我一个人在一页一页地调，非常耗时间。所以我开始引入赞助商。 目前产品依然是开源的，赞助商那边会同步更新，我也会帮忙做一些小的适配工作。 使用方式，在360安全龙虾内，点击专家-龙虾专家，第一排就可以使用我的两个skill。 大家也可以去这些赞助商的渠道去使用 PPT Skills，一般都会有一些免费额度供大家使用。 而且还会有其他内置的能力可以配合，比如图片生成、视频生成等 这些都可以添加到 PPT 里面，也可以跟赞助商其他内置的、非常好的 Skills 去配合。

译歸藏PPT Skill因更新主题耗时费力，引入赞助商模式。360安全龙虾成为金牌赞助商，负责同步更新主题，歸藏负责小适配。产品保持开源。用户可在360安全龙虾内的“专家-龙虾专家”入口使用该Skill，赞助商渠道通常也提供免费额度。该Skill可与图片生成、视频生成等能力配合使用。

Alibaba Cloud@alibaba_cloud · 6月2日41

At Alibaba Cloud’s Qwen Conference 2026 in Singapore, Chris from Lingyang shared how Quick BI @quick68554 is evolving into an AI Data Analyst—turning enterprise data insights into real business actions through Agentic Analytics. ꔷ Learn more: https://int.alibabacloud.com/m/1000413920/ ꔷ Explore Quick BI: https://int.alibabacloud.com/m/1000407094/ ꔷ Retrieve 30-Day Free Trial with Unlimited Token: https://int.alibabacloud.com/m/1000413904/ #QuickBI #QwenConference2026 #AI

译在新加坡举办的阿里云 Qwen Conference 2026 上，来自灵羊的 Chris 分享了 Quick BI @quick68554 如何演进为 AI 数据分析师——通过智能体分析将企业数据洞察转化为实际的业务行动。 ꔷ 了解更多：https://int.alibabacloud.com/m/1000413920/ ꔷ 探索 Quick BI：https://int.alibabacloud.com/m/1000407094/ ꔷ 获取30天免费试用，无限 Token：https://int.alibabacloud.com/m/1000413904/ #QuickBI #QwenConference2026 #AI

小互@xiaohu · 6月2日61

AI 在医疗应用中不再只是“看片子找病灶”，而是能替医生提前模拟“这个治疗方案，三个月后病人会怎样”。 可以模拟多种治疗方案，直接告诉医生哪个最好。 真实世界里根本不允许你多试几次，而这，恰好是世界模型最值钱的地方，AI提供多种决策模拟，由人类来进行最终决策。 这个方向极具推广价值，比如可以应用到农业气候市场判断、城市规划设计、低空经济的线路策略设计，甚至各种真实世界的预测上。 Future Living Lab @FutureLab2025 分享的这个视角非常有洞见，他们长期专注把世界模型技术落地到高 stakes 真实场景。想持续看到这类前沿思考，强烈推荐关注！ 你觉得世界模型下一个会颠覆哪个行业？👇

译世界模型（World Model）在医疗领域实现突破，从传统的静态病灶识别转向动态预测模拟。医学世界模型（MeWM）能基于患者当前CT影像，模拟数月疾病进展，并合成治疗后的肿瘤轨迹视觉表征。在肝癌TACE等临床应用中，其通过反事实推理量化不同方案对生存率的影响，将临床决策成功率（F1-score）提升13%。这一“先模拟再行动”的范式正从医疗拓展至农业气候、城市规划等更多高风险领域。

Xiaomi MiMo@XiaomiMiMo · 6月2日25

MiMo Token Plan expired? We got you. 🎁 🔹 Expired before May 27 ? We've got you covered — a free Token Plan of the same tier, auto-credited to your account. No renewal needed, no action required. It's just there when you log back in. 🔹 Already renewed after May 27 ? We'll match your renewal amount with balances that go straight toward your API usage. Renewed $50? You get $50 in balance now. Simple as that. Both are valid for one calendar month.

译MiMo Token Plan 过期了？我们为你准备了。🎁 🔹 5月27日前过期？ 我们为你准备了——一个同等级的免费 Token Plan，自动存入你的账户。无需续费，无需任何操作。你再次登录时它就在那里。 🔹 5月27日后已续费？ 我们将以余额形式匹配你的续费金额，直接用于你的 API 使用。续费了 $50？你现在获得 $50 余额。就这么简单。 两者有效期均为一个日历月。

Alibaba Cloud@alibaba_cloud · 6月2日60

🚀 AgentScope Java 1.1: Build Self-Evolving Agents ✨ Claw: Local "MinQwenPaw" with shell access ✨ Builder: Multi-tenant, zero-code enterprise platform ✨ Workspace-driven evolution & distributed isolation Scale from laptop to cluster seamlessly. 👇 https://int.alibabacloud.com/m/1000413896/ #AgentScope #AIAgents #Java

译🚀 AgentScope Java 1.1：构建可自我进化的智能体 ✨ Claw：具备Shell访问权限的本地“MinQwenPaw” ✨ Builder：多租户、零代码企业平台 ✨ 工作区驱动的进化与分布式隔离 从笔记本电脑到集群无缝扩展。👇 https://int.alibabacloud.com/m/1000413896/ #AgentScope #AIAgents #Java

小互@xiaohu · 6月2日57

NVIDIA GTC 2026 全记录 中英文双语

译NVIDIA GTC 2026 全记录

Berryxia.AI@berryxia · 6月2日55

Don哥又来做赛博菩萨了，直接将价值万元的内容生成工程系统免费开源。 强烈建议大家安装学习，我已经安排AGENT去安装了。

译Don哥（@dontbesilent）将其宣称价值万元的“内容生成工程系统”完全免费开源。主推文作者Berry Xia建议大家安装学习，并表示已安排“AGENT”（指AI智能体）执行安装任务。推文内容侧重于推荐和行动呼吁，但未提供该开源项目的具体名称、技术细节、参数规模或性能基准。

Rohan Paul@rohanpaul_ai · 6月2日65

Most video models look better than they understand and Video quality is only the easiest thing to notice. LongCat just released WBench, it turned video world model testing from a beauty contest into a stress test for control, multi-turn memory, instruction-following, and physical plausibility. It exposed the gap between beautiful video generation and controllable world simulation. A pretty clip is not enough, because a usable world model must keep the same scene, obey later actions, move the camera correctly, preserve objects, and avoid impossible cause-and-effect. WBench tests this with 289 cases, 1,058 interaction turns, 20 models, 5 dimensions, and 22 automatic metrics, covering navigation, subject actions, event edits, perspective switches, and both viewpoints. Across all those 20 evaluated models, the paper finds that no model dominates all dimensions, which means current systems have not yet merged high-quality rendering, reliable control, long-horizon memory, and physical rule-following into one stable capability. Its design separates the world setup from the user action, so researchers can identify whether a failure comes from weak rendering, poor scene setup, bad control, lost state, or broken physics. Navigation has near-zero connection with visual quality, consistency, or physics, meaning a model can look strong while still failing to move on command. The key shift: stop asking only “does the video look good?” and start asking “can the model keep a controllable world alive across many turns?” 🧵 1.

译美团LongCat发布视频世界模型评测基准WBench。该基准将测试重点从画面美观转向控制、多轮记忆、指令遵循和物理合理性等核心能力。它包含289个案例、1058个交互轮次，评估了20个模型在导航、主体动作、事件编辑等5个维度的表现，共使用22项自动指标。研究发现，没有任何模型能在所有维度上占据主导，这表明现有系统尚未将高质量渲染、可靠控制、长期记忆与物理规则遵循整合为稳定能力。WBench的设计能区分失败是源于渲染、场景设置、控制还是物理问题，并指出导航能力与视觉质量基本无关。

Rohan Paul@rohanpaul_ai · 6月2日82

In roughly 28 years, Google/Alphabet has tapped primary equity capital only seven times; the 2026 announced $80B raise is more than 10x all prior identified primary raises combined.

译Alphabet宣布计划通过多种方式筹集约800亿美元资金，以支持其AI算力扩张支出。该融资规模超过其过去28年间七次主要股权融资总和的10倍。融资结构包括承销股票、强制性可转换优先股、伯克希尔100亿美元的私募配售以及400亿美元的ATM计划（其中约300亿与员工股权税务相关）。市场将此举视为看涨信号，表明AI发展瓶颈已从需求和模型转向算力供应，Alphabet正通过融资投资于类似铁路、电网和晶圆厂的关键基础设施。

Alibaba Cloud@alibaba_cloud · 6月2日60

Thrilled to see Qwen3.7-Plus & Max empowering the @vercel_dev community! Dive in and test their native agentic capabilities on AI Gateway for free until June 4. 🚀

译很高兴看到 Qwen3.7-Plus 和 Max 为 @vercel_dev 社区赋能！即日起至6月4日，可在 AI Gateway 上免费测试其原生智能体能力。🚀

MiniMax (official)@MiniMax_AI · 6月2日72

Watch M3 reach the frontier 🚀

译MiniMax发布M3模型，宣称是首个将编程与智能体能力、1M上下文长度及原生多模态三大前沿能力结合的开源权重模型。其编程与智能体能力在多个评测中表现突出：SWE-Bench Pro得分59.0%，Terminal Bench 2.1得分66.0%，SWE-fficiency 34.8%，KernelBench Hard 28.8%，MCP Atlas 74.2%。模型通过MiniMax Sparse Attention技术支持1M上下文。官方提供了API接入与新的MiniMax Code服务，模型权重和技术报告预计约10天后发布。

Berryxia.AI@berryxia · 6月2日60

字节跳动的顾全全的简要履历一览： 从清华大学到 UCLA，再到字节 Seed 的 3 年 今天（2026年6月2日），顾全全教授发文宣布离开字节 Seed。 过去三年，他同时在两个最难的 AI 方向深耕：AI 驱动的药物发现 和 前沿大模型的训练与 scaling。 学术履历 •清华大学自动化系本科、硕士 •2014 年 UIUC 计算机科学博士（导师 Jiawei Han） •现为 UCLA 计算机科学教授，创办 UCLA AGI Lab •长期研究方向：机器学习、优化理论、大模型与 AI for Science 字节 Seed 核心贡献 ① AI for Drug Discovery（主导，2023–2026） 带领团队构建了多个在行业内达到 SOTA 的模型： •SeedFold：全球首个在多项 benchmark 上全面超越 AlphaFold 3 的生物分子结构预测模型 •SeedProteo：蛋白质 binder 设计模型，性能超过 AlphaProteo、RFdiffusion、Chai-2 等 •DPLM 系列：蛋白质语言模型 这些工作真正把大模型能力落地到“用 AI 治病”这一真实场景。 ② LLM Pretraining & Scaling（2025 年起组建团队） 2025 年初，他组建了 LLM optimization and scaling 团队，专注解决超大模型稳定训练和扩展的核心难题。 团队搭建了高度可扩展的预训练技术栈，直接支撑了 Seed 2.0 及后续多个前沿规模模型的成功训练。 顾全全教授是少数同时在「AI for Science」和「前沿模型工程」两个赛道都做出实质性突破的学者。

译2026年6月2日，字节跳动Seed团队研究员顾全全宣布离开。他在字节的三年间同时主导了AI药物发现与大语言模型两个核心方向。在AI药物发现领域，他主导构建了SeedFold（在多项benchmark上超越AlphaFold 3）、SeedProteo（性能优于AlphaProteo、RFdiffusion等）及DPLM系列蛋白质语言模型。在大语言模型方向，他于2025年初组建了优化与Scaling团队，搭建了可扩展的预训练技术栈，直接支撑了Seed 2.0及后续前沿模型的训练。

Rohan Paul@rohanpaul_ai · 6月2日86

Alphabet to raise $80B from share sales to fund AI spending splurge, Berkshire to invest $10B Very bullish news, as it shows again the limiting factor is no longer demand, models, or products, but compute supply. For years, the cleanest story was excess cash, buybacks, and software-like returns; now the story is closer to railroads, power grids, and fabs, where whoever can finance the bottleneck may own the toll road. Berkshire’s $10B placement gives the raise a stamp of patient capital. Alphabet is not simply selling $80B of common stock straight into the market tomorrow for AI capex. It is using a mix of underwritten stock, mandatory convertible preferred, Berkshire private placement, and a $40B ATM program, with about $30B of that ATM tied to employee equity tax mechanics. --- s206.q4cdn .com/479360582/files/doc_news/2026/Jun/01/attachments/2026-June-Alphabet-Equity-Capital-Raise-Press-Release-PDF.pdf

译Alphabet计划通过包括承销股票、可转换优先股、Berkshire的100亿美元私募配售以及一个400亿美元的市场发售计划在内的多种方式，募集高达800亿美元资金，主要用于AI基础设施投资。市场将此举视为强烈看涨信号，表明AI发展的关键瓶颈已从需求侧转向计算供给。Berkshire的投资被视为对“耐心资本”的背书，此事件也标志着行业投资逻辑正从追求软件式回报转向对铁路、电网和晶圆厂等瓶颈基础设施的重资产竞争。

Rohan Paul@rohanpaul_ai · 6月2日64

SK hynix just said AI memory demand is now so large that it will double wafer capacity within 5 years, yet still expects supply to stay tight until 2030. A wafer is the round silicon starting plate that becomes thousands of memory chips, so doubling wafer capacity basically means SK hynix is trying to expand the physical base of its chip output, not just run current lines harder. AI supply is increasingly constrained by the physical rhythm of memory manufacturing, where wafers, packaging, yields, and supply agreements move far slower than GPU roadmaps. The pressure comes from HBM (High-bandwidth memor), the stacked memory used beside Nvidia GPUs. HBM is hard to scale because it needs advanced DRAM, stacking, packaging, testing, and close work with GPU designers, which is why SK hynix is working with Nvidia and TSMC on HBM4 base dies. --- The global memory market. The global memory market has 2 main layers: DRAM, which includes the memory used next to CPUs and AI GPUs, and NAND flash, which is the storage inside SSDs, phones, and data centers. In DRAM, the market is extremely concentrated, with Samsung at 38.5%, SK hynix at 28.8%, and Micron at 22.4% in 1Q26, meaning the top 3 control about 90% of global DRAM revenue. In HBM, which is a premium submarket inside DRAM, the AI-specific memory used beside Nvidia GPUs, SK hynix is the market leader, with 58% share in 1Q26, while Samsung and Micron each had 21%. HBM, or High Bandwidth Memory, is a special form of DRAM built for extreme data movement. The difference is physical design. Normal DRAM chips usually sit on memory modules or near the processor, and data moves through relatively narrower connections. HBM stacks multiple DRAM dies vertically and places them very close to the GPU through advanced packaging, which creates a much wider data path. That wider path gives AI chips much higher memory bandwidth, meaning the GPU can receive data faster instead of sitting idle.

译为应对AI驱动的巨大需求，SK hynix计划在五年内将其晶圆产能翻倍，但仍预计供应紧张局面将持续至2030年。2026年第一季度，其在DRAM市场占比28.8%，在用于AI的HBM市场则以58%的份额领先。HBM因采用垂直堆叠封装以提供更高带宽，但受限于先进DRAM、封装和测试等物理因素，产能难以快速扩张。目前，SK hynix正与Nvidia、TSMC合作开发下一代HBM4基础芯片。

X.PIN@thexpin · 6月2日69

A person with direct knowledge of the project tells http://X.PIN how WeChat's agent is actually built — and that it's already in limited live testing with several high-traffic mini-programs. It's agent-to-agent: a "butler" agent reads your intent and routes each task to a mini-program's own "skill" — food delivery, ride-hailing, travel, movie tickets — closing the loop without leaving the chat. Our source says it runs on Tencent's Hunyuan plus outside Chinese models like Zhipu. The kicker, per the same source: opt in and the agent reads your WeChat chat history to get sharper about you. Why it matters: no Western super-app has WeChat's moat to make agent-to-agent actually deliver — 1.4bn users, payments, identity, a million mini-programs already in one place.

译据X.PIN独家消息，微信的AI智能体采用agent-to-agent架构运行。其中，“管家”智能体负责理解用户意图，并将任务（如外卖、打车等）路由至各小程序自带的“技能”中执行，实现一站式服务闭环。该智能体基于腾讯混元及智谱等模型构建，目前正于数个高流量小程序内进行有限测试。用户可在授权后允许智能体读取聊天历史以实现个性化服务。微信庞大的用户基础、支付、身份体系与百万级小程序生态，使其具备显著的落地优势。

MiniMax (official)@MiniMax_AI · 6月2日51

Agents need more than just brains, they need a way to pay, trade, and actually use services. That's why we are excited to announce that we are teaming up with @BAI_AGI, the pioneering Web3 API giant. Together 🤝? We just shipped the transaction layer for autonomous agents. The future isn’t coming. It’s already transacting 🔥

译智能体需要的不仅仅是大脑，还需要一种支付、交易和实际使用服务的方式。 这就是为什么我们很高兴地宣布，我们正在与 Web3 API 先驱 @BAI_AGI 合作。 我们一起 🤝？我们刚刚为自主智能体发布了交易层。 未来不是即将到来。它已经在交易了 🔥

fofr@fofrAI · 6月2日

stable diffusion

AYi@AYi_AInotes · 6月2日66

同样站在 2009 年那个路口，有人只看见一块显卡， 有人看见了往后二十年整个计算的样子。 那年 Nvidia 市值 40 亿，是 Intel 的零头， 所有人都笑黄仁勋不过是个卖游戏配件的。 那时候 Nvidia 市值 40 亿，Intel 1000 亿，差了 25 倍。 他说了句在场没人当回事的话：PC 的杀手应用是 Word 和 Excel，所以串行架构的 CPU 是王者，但未来电脑要处理的不是打字和算数，是图像、3D 虚拟世界、艺术表达。 这些东西全是并行任务，CPU 搞不定。 17 年后，Nvidia 5 万亿，Intel 五千多亿，25 倍的劣势，变成了接近 10 倍的反超。 但我看了两遍才发现，这条视频最狠的不是老黄预测对了 AI，他 2009 年根本没提 AI。 他预测对的是另一件事：异构计算的必然性。 CPU 管串行，GPU 管并行，两个都要，但 GPU 的相关性在上升，这个判断后来成了现代计算的铁律——手机 SoC、AI PC、数据中心，全是这个逻辑。 而且他在 2005-2006 年就把 CUDA 押上去了，一个显卡公司搞通用计算平台，投资人觉得他疯了。 打个比方，就像在一片荒地上挖了口井，当年所有人都在笑，自来水不香吗你挖什么井，但十几年后城市盖起来了，才发现只有你这口井挖到了最深的蓄水层——所有房子的水管都只能接你这一口。 CUDA 就是这口井，黄仁勋挖了二十年。 他没去追 Intel 的赛道，默默在在修自己的路，从图形到科学计算到深度学习到生成式 AI 到物理世界模拟——每一步迁移，这条路都在变宽，十七年后，所有的车都拐上了他修的这条路。 远见从来不稀缺，酒桌上人人都有。 稀缺的是认准之后，肯花十年时间，把一句没人信的判断，亲手浇筑成一条别人绕不过去的护城河。 今天这个路口也站满了人，有人在盯更强的模型，有人在看下一个计算平台长在哪。 我们最该盯的其实不是市值曲线，应该是创始人嘴里那个词，黄仁勋在访谈里反复说 relevance——他不纠结谁更大，只纠结自己做的事跟未来还相关吗。 我觉得这句话比任何技术判断都值钱。 2009 年人人都说 Nvidia 就是个做显卡的，跟今天有人说某家 AI 公司就是个做 XX 的一模一样。 但真正的 alpha，永远藏在对工作负载演进方向的预判里。

译NVIDIA发布RTX Spark芯片，这是一款3nm制程SoC，集成ARM CPU、Blackwell GPU与128GB统一内存，号称可本地运行120B大模型并满帧运行3A游戏。此举被视为NVIDIA从图形计算到AI时代持续押注并行计算与异构计算路线的成果，凭借积累二十年的CUDA生态，直接挑战Intel、AMD主导的传统PC架构，标志着PC行业竞争转向AI算力与软件生态。文章同时指出，该芯片的ARM版Windows兼容性、散热与最终定价等问题，是后续需要观察的现实挑战。

🚨 AI News | TestingCatalog@testingcatalog · 6月2日41

Claude for iOS will get a redesigned settings menu along with a support for the upcoming Memory Files feature. > A slightly redesigned UI is being prepared for both Claude web and mobile, primarily revamping settings and navigation bar. > Memory Files is the upcoming new knowledge based memory system for Claude.

译Claude for iOS 将获得重新设计的设置菜单，并支持即将推出的 Memory Files 功能。 > Claude 网页版和移动版正在准备一个略微重新设计的 UI，主要改进设置和导航栏。 > Memory Files 是 Claude 即将推出的基于知识的新记忆系统。

宝玉@dotey · 6月2日67

baoyu-image-gen Skill 支持 Codex-cli 作为 Provider 画图 也就是说你可以在 Claude Code、hermes agent 之类的 Agent 里面用它调用 Codex 出图，而不需要用 Codex，当然前提是安装了 codex cli 并且有订阅。 感谢网友的 PRs： https://github.com/JimLiu/baoyu-skills/pull/158 https://github.com/JimLiu/baoyu-skills/pull/161 Skill 地址：https://github.com/JimLiu/baoyu-skills/tree/main/skills/baoyu-image-gen

译baoyu-image-gen Skill 支持 Codex-cli 作为 Provider 画图 也就是说你可以在 Claude Code、hermes agent 之类的 Agent 里面用它调用 Codex 出图，而不需要用 Codex，当然前提是安装了 codex cli 并且有订阅。 感谢网友的 PRs： https://github.com/JimLiu/baoyu-skills/pull/158 https://github.com/JimLiu/baoyu-skills/pull/161 Skill 地址：https://github.com/JimLiu/baoyu-skills/tree/main/skills/baoyu-image-gen

StepFun@StepFun_ai · 6月2日74

We probably don’t talk enough about “usable.”

译我们可能对“可用性”的讨论还不够。 当Flash模型同时将速度、成本和智能带入“可用”范围时，智能的供给方式发生了结构性变化。

AYi@AYi_AInotes · 6月2日60

大家都知道我是实用主义AI玩家，昨天发了这篇skills保姆教程和一些变现思路之后，后台不少宝子私信问我 AI 到底怎么变现， 想要付费学习，这个话题很大， 先分享一些我的思考，说到AI变现，其实我有发现一个规律，就是盯着用哪个工具、怎么接单的，基本都还在拿时间换钱。 真正闷声发财赚到的那拨人，做的是另一件事， 把自己脑子里那套方法论，结晶成一个能被 AI 反复调用的 skill。 差别在哪呢，你接一单干一单，是用自己的时间精力换钱，人一停，钱就停，但如果是做成一个skills，喂给你的龙虾，Hermes，Claude code，Codex等agent，它们替你干活，你出去玩它还在接活交活，边际成本几乎是零。 我自己这半年就在干这事， 把写作、选题、提示词、封面配图这些套路，一个个都做成了 skill， 然后训练我的Agent，现在很多活不是我在干，大部分都交给我那几个agent 了。 而且把 AI 变现这四个字去掉，你会发现，这是我们所有想要做商业变现的人迟早要面对的事， 过去你卖的是时间，一小时换一份钱， 往后你卖的，是一个不用你在场也能干活的分身。 当然也得泼盆冷水分享点正能量价值观，钱没那么好赚的， 别整割韭菜骗人那一套， 能结晶成 skill 的前提，是你手里真有一套被验证过的方法论， 没有真东西，封装出来的只是空壳，AI 一眼就拆穿，用户也不傻，骗人的代价也很大，这个底层逻辑大家一定要 明白。 所以我理解AI 时代最值钱的， 可能不再是你会用多少工具， 而在于你能不能把自己最拿手的那点本事， 封装成一个别人离不开的 skill，这是我希望大家要好好思考的。

译作者指出，当前许多人仍停留在用AI工具接单的“时间换钱”模式。真正的高价值路径是将个人验证过的方法论（如写作、选题、提示词等）封装成可被AI智能体（如Claude Code、Codex等）反复调用的“技能（Skill）”。这能实现边际成本近乎为零的被动收益，其本质是将自身技能转化为一个“分身”。作者强调，封装的前提是拥有真实、被验证过的方法论，而非空壳，并认为AI时代的核心竞争力在于能否将自己的核心技能封装成他人离不开的Skill。

AYi@AYi_AInotes · 6月2日62

Damn！老黄这波操作真TMD封神了，竟然复刻了乔布斯的第五口袋， 这是要正式接过乔布斯的接力棒，做定义下一个计算时代人的节奏啊😲 昨晚Computex 2026， 黄仁勋穿着他标志性的黑色皮衣 复刻了乔布斯2005年最经典的"第五口袋"桥段， 从牛仔裤的小表袋里掏出了N1X芯片， 那一刻全场沸腾， 21年前， 乔布斯也是从牛仔裤口袋里掏出了iPod Nano， 说"现在我们知道这个口袋是干嘛的了" 他把1000首歌放进了你的口袋 彻底改变了音乐产业， 21年后 老黄从同一个口袋里掏出了N1X 说"这是人类有史以来最惊人的芯片" 他把整个数据中心放进了你的口袋 即将彻底改变个人计算， 没错这确实是一波对乔布斯的致敬， 但没人看懂老黄背后真正的野心， 这个复刻黄仁勋不是简单的抄作业， 更像是一次权力交接的宣言， 乔布斯定义了个人计算的第一个时代， 而老黄正在定义个人计算的第二个时代， N1X到底有多恐怖？ 台积电3nm工艺 20核Arm CPU+6144个CUDA核心Blackwell GPU 128GB统一内存 1 Petaflop AI算力 能本地流畅跑120B参数的大模型， 能同时运行几十个Agent， 能跑所有Windows应用和CUDA生态 功耗只有45-80W， 这意味着什么？ 意味着你的下一台电脑， 不再是一个需要你亲手操作的工具 而是一个24小时为你工作的AI员工， 你出门的时候 它在家里帮你写代码、做研究、处理邮件， 你用手机给它发个指令， 它就能在后台完成所有工作， 这回英特尔和AMD肯定都要慌了， 因为他们卖了几十年的CPU， 突然变得不重要了，

译在Computex 2026上，黄仁勋复刻乔布斯经典场景，从牛仔裤口袋中拿出N1X芯片。该芯片采用台积电3nm工艺，集成了20核Arm CPU和6144个CUDA核心的Blackwell GPU，配备128GB统一内存，可提供1 Petaflop的AI算力，功耗仅45-80W。其性能足以在本地流畅运行120B参数的大模型，并支持同时运行多个AI智能体以及Windows与CUDA生态。此举被视为黄仁勋定义以AI为核心、个人计算新时代的宣言。

数字生命卡兹克@Khazix0918 · 6月2日84

http://x.com/i/article/2061667400723156992 # 为了不花那120刀，我把电脑清理软件做成了开源skill。 这两天干了一个我觉得还挺有意思的事，虽然很小，但是我也想写下来，因为感觉它可以非常非常直观的让大家感受到。 Ai时代，Agent对于传统应用的冲击。 故事是这样的。 前天我在推上刷到了一条帖子，X上有位老哥分享了一条prompt。 就这么一句话。 do a FULL read only analysis on my Macbook to help me optimize storage。 大概意思是他让Codex对他的MacBook做一次全面的只读存储分析。 然后他发现可以清出500G的空间，Codex还找到了一个116G大的codex-tui.log文件。。。 正好我当时这台MacBook Air赔了我快2年的时间，装了一堆乱七八糟的东西，我就想着，要不要我给我的电脑也试试查一下，看看有没有啥可以删掉的垃圾文件。 于是我当场就把原Prompt丢给我的Codex试了一下，然后加了一句用中文回答。 而Codex，给出了这样的结果。 先不说其他的，不扫我都不知道，我发现电脑上竟然有快100个G的B站视频？？？我都懵了。 而且还藏在一个相当深的Containers目录下面。 我去B站客户端里翻了一下，发现是我为了坐飞机上的时候有东西看，下载了一堆以为会看的动漫、纪录片还有乱七八糟的各种视频。 然后每次在飞机上都直接昏睡过去，几乎没有真的看过。。。 然后，他们就默默的留在了哪里，我甚至都忘了，我还有B站客户端这回事，更忘了，这里面还有我的缓存视频。。。 然后是Chrome、开发、Claude环境balbalabla。 Codex最后给了一个判断，按这个清单清，保守能腾出120G，激进一点能到140G以上。 我不知道大家，反正我自己是个强迫症，是个洁癖。 就是我就喜欢电脑干干净净的，垃圾能删就删。 而且在之前，Mac系统清理垃圾，是一件特别恶心的事情，我还记的我17年刚上班的时候，当时为了清理Mac的垃圾，找到了一个软件，叫ClaeanMyMac。 这玩意不是免费用的，正版一年近40刀，一次买断要120刀。 当时刚毕业你让我买这个，我真的是掏不起，然后就满大街的搜破解版，然后功能又不全。 可以说，到了今天，清理Mac的垃圾，都没有一个很好用的产品。 Windows生态也差不多，有多少装安全管家或者360，其实就是为了清垃圾的，可以举个手。。。 但是现在，好像，Agent就能直接干了啊。 本身你直接清理电脑垃圾也就是包装了一层UI，然后对我电脑底层进行扫描和操作，那我让Agent直接操作，岂不是更牛逼一点？ 说干就干。 不过原版prompt其实有个问题，它只是一个比较专业一点的只读文档，然后给你列了一个占用清单，又给了一些不太清楚的清理建议。 对没太熟悉系统的朋友，看完整份报告，其实还是会不太敢动手。 哪些能放心清，哪些得自己看一眼再判断一下，哪些绝对千万别碰，这些判断它没有帮你直观清晰地列出来。 而且他也没法帮你删东西。 所以我想，要不然，圆一下我9年轻的梦，直接干脆自己搓一个skill，来解决清理电脑垃圾的需求？ 说干就干，大概烧了一些Token之后，这个清理垃圾.skill，就顺利面试了，而且，Mac和Windows都能用。 同样，老规矩，也已经开源在我自己GitHub上的skills仓库了。 https://github.com/KKKKhazix/khazix-skills 我在我的MacBook Air上跑了一下，给大家看一下效果 比如说一句帮我看看存储，它就可以自动触发了。 它会先找你要权限，然后扫描你电脑上面的文件，然后直接在浏览器里打开一份可交互的HTML报告，帮助你可以化的了解，同时，你也可以直接在网页上点按钮清理。 就这么简单，但是究极实用，而且效果甚至比收费的专业清理软件效果还要好。。。 而且速度也不错，几分钟就跑完了。 最终的网页是这样的。 第一部分是磁盘总览。 总容量多少，用了多少，还剩多少，可以通过一条彩色进度条方便直观看到。 同时因为后续要给出清理命令，所以他会去扫描你电脑的系统环境。 接着是占用排行Top 5。 和上面prompt分析的结果一样，B站离线下载缓存96.7个G排第一，然后Google Chrome应用数据等等等等。 每一项都有颜色标签、类型、完整路径和一句话说明。 再往下是执行建议，帮你排好了清理的优先级。 性价比最高的是去B站客户端清看完的离线视频。 然后跑绿灯纯缓存命令，合计约27个G。 这里虽然给了清理执行建议，但是你可能还不知道要怎么去清理。 这就是随后的三色分级详情区用来做的事情，也是整个skill最核心的部分。 🟢 绿灯，可以放心让agent帮你清理。 这类东西寄都全是纯缓存、临时文件、安装包残留，垃圾大户，不影响任何功能。 每项都可以展开。 展开之后路径、清理前要不要关进程、清理命令全列好了，每条命令旁边有复制按钮，你想去复制自己运行的，你也可以自己去运行着玩。 但是我们也贴心的在下面也设计了两个操作按钮，移到废纸篓和直接删除。 无论你点哪一个键，它都会有一个弹窗跟你进行二次确认。 移到废纸篓是可逆的，删错了能捞回来。 直接删除立即释放空间但不可恢复。 你就自己选择就行。 比如我这里点移到废纸篓，然后点确定。 这几个安装包就会被移到我的废纸篓里面去了。 然后这一项在网页上，也会实时更新，被标记为已清理。 如果不想逐项清理的话，你也可以直接点击右上角，一键把这些绿灯文件移到废纸篓，或者是一键删除。 🟡 黄灯文件，是我们建议你自己看一眼再决定的。 这类东西需要人去把关，比如B站缓存的视频、下载文件夹里的安装包、某个项目文件夹。 agent会告诉你它是什么、为什么建议你看一眼、删了有什么影响，最终你自己拿主意。 黄灯项不会给你直接删除的按钮，只给在访达中打开让你自己去看，你确定了以后手动去删。 有安全子路径的会额外给一个移到废纸篓，但也只是移到废纸篓，可逆的。 比如这里没有用的B站视频，它会建议我去b站应用里面删视频。 当然，你也可以快捷打开访达（就是Mac的文件夹），直接跳到那个地方，然后手动山东。 也提供了一个移到废纸篓选项，这里的仅安全部分，它也会解释是经过核实过可安全清理的子目录。 因为这个文件夹下面除了视频，还保留了我的登录派和设置，所以是不能完全删除的。 点这个键，它会只删除视频，而保留我的B站登录态和设置，这也是我们的一些小小体验设计。 🔴 红灯里就是一些比较重要的文件。 比如系统文件、正在使用的应用核心数据、sleepimage这些，agent会解释为什么不能动，然后跳过清理。 如果你非要清理的话，那他也给你提供了一键在访达中访问的按钮，点一下就能找到这个应用了。 最后是长期优化建议，这里面的一些建议，我觉得还是值得一看的。 整个skill全程只读，扫描阶段禁止任何写操作。 只有你在报告页面上主动点了删除之类按钮，浏览器弹出确认框，你再点一次确认，才会真正执行清理操作。 我自己一直的原则是，对待AI，还是需要谨慎一点，稍微花点时间确认一下，虽然现在在代码层面，这种小东西幻觉率已经极低了，但还是防一手。 给大家看看我清完之后的内存。 直接清理掉了了快120个G。。。 就像我前面说过的，这个skill它是不挑电脑环境，也不挑你的Agent工具。 所以我也拿同事的Windows电脑的Codex试了一下。 给大家放一下效果。 欢迎大家试试，如果跑出来了什么有意思的发现，也欢迎来评论区分享，我很好奇大家的电脑里有没有像我一样藏了些奇奇怪怪的东西。 也再次提醒一下大家，删东西一定要慎重慎重再慎重。 当然我知道，肯定很多人也好奇，这种Agent+skill的方式来清垃圾，跟之前的专业清理软件比，效果到底怎么样。 所以呢，为了方便对比，在用这个skill清理内存前，一开始我就专门在我的MacBook Air上同样拿CleanMyMac扫了一遍。 跑了快半小时才出结果，扫出了15.8G的垃圾可清理。 点进垃圾清理是这样的。 左边把垃圾分成了几个大类，系统垃圾里面也给你分好了文件的种类。 但是这些信息并不足够让我做决定。 比如这个Google Chrome 3.8G的文件夹，他告诉我，这是用户缓存文件，属于系统垃圾，可以删。 但是我其实并不知道这个文件里面到底是什么内容。 这3.8个G里有多少是Service Worker离线缓存，扩展数据，或者IndexedDB，清完之后哪些网站要重新登录、哪些离线功能会失效。我全都不知道。 那作为一个普通用户，我只能单凭他说的用户缓存文件，相信他，让他删了。 而且他只能扫描到传统意义上的垃圾文件，扫不到我瞎下的b站视频，因为他不能像agent一样去读到每个文件的内容。 相比起来，Agent给的信息比CleanMyMac细多了，也透明多了，每一项都有具体路径、具体大小、具体说明，告诉你这个文件夹是干嘛的、删了会怎样、建议你怎么操作。 这个能力，现在一个skill就能做到了。 而且做得更透明、更灵活、可以根据你的具体情况定制。 在我的skill之上，进一步，你想让他找哪种想清理的文件都可以大白话跟他说，CleanMyMac做不到这种程度的个性化，因为它是一个写死了规则的软件，而Agent能理解你的各种奇奇怪怪的需求。 我不是说CleanMyMac不好。 但其实你可以发现，这类工具型软件，在Agent时代，确实正在遭受冲击。 我之前写过一篇文章叫AI正在吞噬所有软件，里面有一个判断，软件正在从资产变成耗材。 还有，软件的本质就是人和机器之间的翻译层，而Agent正在填平这道鸿沟。 两个月，这个清垃圾的小skill，其实就可以验证了。 我自己的电脑里，在很久很久以前，其实还装过很多工具类的软件。 解压缩的、PDF编辑的、图片格式转换的、文件重命名的、重复文件查找的…… 这些软件的共同点是它们都在执行一个相对明确的、规则可定义的任务。 而这恰恰是Agent最擅长的事。 所以那些曾经靠一个明确功能养活团队的软件公司，它们面对的竞争对手已经不是另一家软件公司了，而是用户手里的一条prompt，是Agent的一个skill。 这个skill今天能清垃圾，明天能做什么，那谁知道呢。 反正我挺期待的。 这个有趣的未来。

译作者受一条推文启发，使用Codex对自己的MacBook进行了只读存储分析，发现了B站缓存视频等大量可清理空间（激进方案超140G）。为替代收费软件CleanMyMac，作者制作并开源了一个跨平台（支持Mac/Windows）的AI清理skill。该skill会扫描文件并生成可交互的HTML报告，通过三色分级（绿灯可放心清理、黄灯需人工判断、红灯禁止动）直观展示，并提供安全执行按钮。实测清理后释放了近120G空间，相比CleanMyMac仅扫描出的15.8G，其信息更透明、建议更详细。

SenseTime@SenseTime_AI · 6月2日73

Thanks for using our model to create these complex charts and diagrams. It's great to see challenging information transformed into clear, accurate, and readable visuals. That's what we aim for. 😄

译感谢使用我们的模型来创建这些复杂的图表和图表。 看到具有挑战性的信息被转化为清晰、准确和可读的视觉效果真是太棒了。这就是我们的目标。😄

SenseTime@SenseTime_AI · 6月2日71

Turning complex information into accurate charts and diagrams. That's 𝗦𝗲𝗻𝘀𝗲𝗡𝗼𝘃𝗮‐𝗨𝟭‐𝟴𝗕‐𝗠𝗼𝗧‐𝗜𝗻𝗳𝗼𝗴𝗿𝗮𝗽𝗵𝗶𝗰. Learn more: https://x.com/SenseTime_AI/status/2061465029959209106?s=20

译将复杂信息转化为准确的图表和示意图。这就是 𝗦𝗲𝗻𝘀𝗲𝗡𝗼𝘃𝗮‐𝗨𝟭‐𝟴𝗕‐𝗠𝗼𝗧‐𝗜𝗻𝗳𝗼𝗴𝗿𝗮𝗽𝗵𝗶𝗰。了解更多：https://x.com/SenseTime_AI/status/2061465029959209106?s=20

SemiAnalysis@SemiAnalysis_ · 6月2日53

ARTICLE UPDATE ALERT: The day after we published Finding Miscompiles for Fun, Not Profit, Anthropic released Opus 4.8 and ultracode mode in Claude Code.  Our preliminary experiments indicate that together these are significantly better at filtering out low-severity bugs, and that the cost per medium-to-high severity bug found is maybe 1/5 (with VERY large error bars) that of the workflow described in this article. (1/2)🧵

译文章更新提醒：我们发布《Finding Miscompiles for Fun, Not Profit》的次日，Anthropic发布了Opus 4.8和Claude Code中的ultracode模式。我们的初步实验表明，两者结合在过滤低严重性漏洞方面显著更优，且发现中高严重性漏洞的成本可能仅为本文所述工作流的1/5（误差范围极大）。(1/2)🧵

Yuchen Jin@Yuchenj_UW · 6月2日12

Came home to a surprise gift box from Anthropic on my doorstep. What’s cooler than vibe-coding software? Vibe-coding hardware! I can probably vibe code this mini-computer into a remote control for my Claude Code session. Thanks @bcherny for sending it over!

译回家发现门口放着一个来自 Anthropic 的惊喜礼物盒。 比 vibe-coding 软件更酷的是什么？Vibe-coding 硬件！我大概能把这台迷你电脑 vibe code 成 Claude Code 会话的遥控器。 感谢 @bcherny 寄来！

Ethan Mollick@emollick · 6月2日70

Big paper on AI coding agents using Github & other data The auto-complete tools (Copilot) led to 2.2x more code, local agents like original Claude Code led to 7.4x, & current remote coding agents 17.3x(!) But human bottlenecks in coding means actual releases "only" went up 30%

译关于使用Github及其他数据的AI编程智能体的重要论文 自动补全工具（如Copilot）使代码量增加2.2倍，本地智能体（如初版Claude Code）增加7.4倍，而当前远程编程智能体增加17.3倍（！） 但编程中的人类瓶颈意味着实际发布量“仅”增加了30%

meng shao@shao__meng · 6月2日35

宝玉老师，必须支持！

译今晚20:00，图灵社区直播间将举办一场关于 AI Agent Skills 的公开课。分享内容将涵盖讲者制作技能（Skills）的实操经验和心得体会，并介绍新书《图解Skill: AI提效实战指南》。该活动面向需要 AI 提效的受众。

StepFun@StepFun_ai · 6月2日69

This is exactly the philosophy: don't bolt on efficiency, design for it from day one. MFA + AFD aren't tricks. They're what lets Step 3.7 Flash serve at a fraction of the KV-cache cost. Huge thanks to @FireworksAI_HQ for making Step 3.7 Flash one-click to run. Go build something agentic with it.

译阶跃星辰发布其推理优化型模型Step 3.7 Flash。该模型为196B MoE架构，从设计之初就专注于推理效率。其采用多矩阵分解注意力机制，使KV-cache成本仅为DeepSeek模型的约22%；同时通过注意力与FFN解耦技术，实现了硬件优化的高效服务。该模型已通过Fireworks AI提供，采用Apache 2.0许可，并可用于构建智能体应用。

Tibo@thsottiaux · 6月2日27

You can just codex ... a farm https://chatgptpro.substack.com/p/hiroki-tomiyasu

译你只需用 Codex 就能……生成一个农场 https://chatgptpro.substack.com/p/hiroki-tomiyasu

swyx@swyx · 6月2日59

title undersells it - this @workos talk is doing v well and is the first to seriously challenge @mattpocockuk in weeks. team is ab testing

译标题低估了它——这个WorkOS的演讲表现很好，是几周来第一个真正挑战@mattpocockuk的。团队正在进行A/B测试。

歸藏(guizang.ai)@op7418 · 6月2日77

Anthropic 开始准备 IPO 了。 MiniMax 和智谱也同时提交了上 A 股和科创板的申请，同时开始进行上市指导。 大家都有光明的未来，不知道 OpenAI 啥时候开始。

译Anthropic 开始准备 IPO 了。 MiniMax 和智谱也同时提交了上 A 股和科创板的申请，同时开始进行上市指导。 大家都有光明的未来，不知道 OpenAI 啥时候开始。

AYi@AYi_AInotes · 6月2日63

这条不限学生，做项目的都能薅，可能是门槛最低的一个🤩 Microsoft for Startups Founders Hub： 自助申请就有 $1000 起的 Azure 云额度（含 Azure OpenAI 服务）， 有点进展能一路爬到 $25k，顶档最高 $150k。 最香的是—— 不需要 VC、不需要进孵化器， 你手上有个在做的项目，就能自己去申请。 还白送 GitHub Enterprise、Microsoft 365、LinkedIn Premium。 入口：搜 Microsoft for Startups Founders Hub （$150k 顶档要 Series A+，但 $1k–$25k 这档真的好拿）

译Microsoft for Startups Founders Hub 提供最高 $150k 的 Azure 云额度（含 Azure OpenAI 服务）。自助申请可获 $1000 起，随项目进展可升至 $25k，顶档 $150k 需 Series A+。其最大优势是门槛极低，无需风投或孵化器背景，在进行中的项目即可申请，并赠送 GitHub Enterprise、Microsoft 365 等权益。该福利近期更新后，与面向学生的、总价值 $3500+ 的 GitHub 学生大礼包形成对比，后者为学生提供 GitHub Copilot Pro、JetBrains 全家桶等 50 多种工具的免费/折扣权益，同样零门槛。

MiniMax (official)@MiniMax_AI · 6月2日78

Watch open source reach the frontier. 🚀

译MiniMax宣布推出首个开源权重模型M3。该模型结合了三大前沿能力：在编程与智能体方面，它在SWE-Bench Pro等评测上取得了具体分数；通过MiniMax Sparse Attention技术，其上下文窗口可扩展至1M tokens；并且模型从零开始原生支持多模态。模型的权重与技术报告将在约10天后发布。

Berryxia.AI@berryxia · 6月2日49

有朋友问我这个翻译工具是什么？ 日常使用的翻译相关软件Memo和沉浸式翻译高频使用的。 这里我使用的主要是 Memo 软件，它是一个免费开源的剪辑转录翻译一体软件，功能非常强大。 目前我日常主要在两个场景中使用转录+剪辑+翻译工具： 1. Memo 软件 (a) 场景：主要用于处理下载到本地的视频。 (b) 流程：这软件可以下载了 Whisper 的本地大模型，下载完视频后先进行转录，不再烧Token。 (c) 翻译：虽然也可以用本地模型翻译，但速度和效果可能没有 API 快，所以我接入了 DeepSeek-V4 -Flash 来进行翻译，价格便宜又好用。 (d) 体验：Memo就可以完成烧录字幕，编辑，导出整个片子的剪辑其实都挺快的，但在 X 上发布时速度贼慢，搞了一整晚才上传完毕。 2. 沉浸式翻译 (a) 场景：主要用于网页、YouTube 视频以及一些图书的翻译。 (b) 优点：它能保持比较不错的格式，方便后面做分享。 我觉得这两个工具都挺好的，自由度比较高。 你可以接入自己订阅的 API 模型，自由切换，非常方便。 此外，Memo的这个时间戳总结关键内容的功能还挺不错的。

译用户日常使用Memo和沉浸式翻译两款工具。Memo用于本地视频处理，先调用Whisper本地模型转录，再接入DeepSeek-V4-Flash进行翻译，最后在软件内完成字幕烧录与编辑导出。对于网页和在线视频，则使用沉浸式翻译，因其能较好保持原文格式。用户强调这两个工具自由度高，允许接入并自由切换不同的API模型。

jason@jxnlco · 6月2日17

First time reading something that’s not the codex app or Slack

译第一次读到不是 Codex 应用或 Slack 的内容。

Satya Nadella@satyanadella · 6月2日30

A sneak peek at tomorrow's keynote... Tune in here at 9:30am PT: https://x.com/i/broadcasts/1qKVmmQQjYWxB

译明日主题演讲预览... 请于太平洋时间上午9:30在此收看：https://x.com/i/broadcasts/1qKVmmQQjYWxB

Tibo@thsottiaux · 6月2日68

Heard that AWS is where the cool kids are. Hello. We have GPT-5.5.

译OpenAI宣布其前沿模型与Codex现已在Amazon Bedrock上全面可用，为企业提供了通过现有安全、合规与治理工作流使用OpenAI的新途径。此举标志着OpenAI能力在AWS上的更广泛扩展的开端，未来将纳入如Daybreak等网络安全功能。