自媒体内容创作工作流继续更新👇 1. 新增解说视频的叙事风格 2. 一键多平台发布：接入开源的 social-auto-upload，一条命令把发布包推到抖音/视频号/小红书/YouTube草稿箱。 欢迎大家star，持续更新中。

细思极恐啊，一个AI刚刚通过了"视频图灵测试"。 Tavus 发布新模型 Griffin：受试者以为在和另一个真人视频聊天 1 分钟，结束后 48% 的人认定对方是真人。上一代同类系统，这个数字只有 2.4%。 以前的 AI 视频通话为什么一眼假？因为它们在跑"接力赛"：语音转文字 → 大模型回复 → 合成语音 → 驱动头像。你说完它要愣一秒多，你停下想一想它就抢话，你打断它它停不下来。 Griffin 换了思路：边听、边看、边说，同时进行。每隔不到一秒就判断一次，该开口、该点头说"嗯"，还是该等你想完。它还会看：你拧魔方，它盯着魔方指导；你焊电路板，它记着进度主动提醒下一步。 整个画面只需一张照片生成，声音只需 10 秒录音克隆。在 NVIDIA 的独立基准 VideoFDB 上，它的表现力评分 3.83，真人 3.92，第二名只有 2.80。（当然，图灵测试只有 54 人、聊 1 分钟，样本还小。） 最反常的是：Tavus 自己按下了暂停键，说它太像人，要先解决"怎么让人知道对面是 AI"，才会正式开放。 一张照片 + 10 秒语音 = 一个能实时跟你视频的"人"。 以后接到家人的视频电话，你要怎么确认屏幕那头是真人？

Google 刚发布了 全新SOTA：Gemini 4 Argon。 最狠的不是跑分，是这一条：单次输出上限从 64K 直接拉到 100 万 token。 这意味着它可以一口气想几十万字，一次把一个大问题做完。 Google 内部已经在用了： 1. 自己优化数据中心内存，已省出 300+ TiB，预计最多省 1 PiB 2. 把 80 万行的内核 C/C++ 往 Rust 迁 3. 重写视频解码器，比原 Rust 版快 2.7 倍 4. 量子算法几分钟内比论文基线好 40% 跑分：DeepSWE 77.9% 刷新 SOTA，Zapier 自动化榜第一。 价格：输入 $2、输出 $10 每百万 token，缓存打 0.5 折。 不过现在还用不上。 第一批只给网络安全防御者，而且给的是没有安全护栏的版本。付费 API 和 Ultra 用户排在后面，没给时间表。 等开放了我第一时间试试 1M 输出到底能干成什么。

卧槽，给 AI 的数学证明挑错，现在也有奖金拿了。 超衍智能 @apexin_ai 拿出 10 万元奖金池，公开了三份待验证的数学论证，请全球研究者来找漏洞、查证明。里面还包括 Nivat 猜想的凸形式。 超衍智能（Apex Intelligence）@apexin_ai 由清华人工智能学院助理教授陈勇超创立。这次，他们的 AI 系统与来自清华等高校的合作数学家，推进了五项数学研究。 两项已经过作者／合作数学家核验，另外三份还是候选论证，正是这次悬赏要请大家检查的对象，不能直接说已经解决了对应的数学问题。 已核验的成果里，有一项是在改进数学问题的求解方法。研究把已有的 Halpern 迭代和一个新构造结合，让一类优化问题在理论上能用更少的迭代达到目标精度。它研究的是解题方法本身，不只是给出某道题的答案。 接下来，论文公开了，具体怎么查，也可以由更多研究者接着做。 你可以找出影响结论的漏洞，也可以独立验证一个关键引理，或者补上缺口、把结果往前推进。不用一个人从头到尾啃完三篇论文，针对具体的证明模块，也能提交贡献。 这也是我觉得这次值得关注的地方：检查之后发现证明有问题，同样可以成为获奖的贡献。 10 万元是总奖金池，最终由评审确认贡献和获奖结果。做数学、形式化验证的朋友，可以去看看具体题目，说不定就有你熟悉的方向：

卧槽，给 AI 的数学证明挑错，现在也有奖金拿了。 超衍智能 @apexin_ai 拿出 10 万元奖金池，公开了三份待验证的数学论证，请全球研究者来找漏洞、查证明。里面还包括 Nivat 猜想的凸形式。 超衍智能（Apex Intelligence）@apexin_ai 由清华人工智能学院助理教授陈勇超创立。这次，他们的 AI 系统与来自清华等高校的合作数学家，推进了五项数学研究。 两项已经过作者／合作数学家核验，另外三份还是候选论证，正是这次悬赏要请大家检查的对象，不能直接说已经解决了对应的数学问题。 已核验的成果里，有一项是在改进数学问题的求解方法。研究把已有的 Halpern 迭代和一个新构造结合，让一类优化问题在理论上能用更少的迭代达到目标精度。它研究的是解题方法本身，不只是给出某道题的答案。 接下来，论文公开了，具体怎么查，也可以由更多研究者接着做。 你可以找出影响结论的漏洞，也可以独立验证一个关键引理，或者补上缺口、把结果往前推进。不用一个人从头到尾啃完三篇论文，针对具体的证明模块，也能提交贡献。 这也是我觉得这次值得关注的地方：检查之后发现证明有问题，同样可以成为获奖的贡献。 10 万元是总奖金池，最终由评审确认贡献和获奖结果。做数学、形式化验证的朋友，可以去看看具体题目，说不定就有你熟悉的方向：

Opus 5.5 发布后，满屏都是“一句话生成”的动画视频。 但 Opus 5.5 并不是视频模型，它连视频都看不了。这些视频全是它写的程序画出来的。 原理很简单：视频就是一串静态图，每秒 30 张。做视频只需要回答一个问题：第 N 帧长什么样？Opus 写的就是能回答这个问题的程序，给它任意一个时间点，画面就唯一确定。 整条流水线：脚本分镜 → 用 HTML/SVG/three.js 画画面 → 用 GSAP 把动作钉在时间轴上 → TTS 配音并拿到每个字的时间戳 → 无头 Chrome 逐帧截图 → FFmpeg 合成 MP4。 它和 Seedance、可灵是两条路：它们直接生成像素，Opus 生成的是代码。 所以代码视频不会出错字，改一处细节只要改一行代码，和旁白能对齐到帧；但人脸、动物、写实画面，视频模型强得多。两条路也能混着用：让 Claude 当导演，通过 MCP 去调用视频模型。 代价是：很烧额度（一支 3 分钟带旁白的短片大约用掉周额度的 7%），审美还是要人把关。 想自己试的话，HeyGen 开源的 HyperFrames 和 Remotion 都有现成的 Claude Code 技能包，装上就能用。 一句话：Opus 5.5 能做视频，靠的是长时间规划加写代码，而不是视频能力。 宝玉老师这篇把每一步都拆开讲了，推荐完整读一遍 👇

卧槽？？一个不到 2B、能本地部署的小模型，给真实 Issue 做分类，跟 JEV 的结果居然这么接近？ 最近 JEV 的玩法看了不少，给邮件分类、给 Agent 选工具。这类需求太常见了，我就想知道这张工单该分给谁、下一步该调用哪个工具，真不用每次都给我写一篇分析。 所以这次我把 JEV 和 This That 都接进 Pi，直接拉了 OpenAI Codex 仓库的 30 条真实 Issue，让它们现场做题。 用户是在报 Bug、提功能需求，还是问怎么用？问题出在登录、界面、执行还是会话？ 同一份内容、同一组选项，每条做两项判断，两边各发 60 次请求。 跑完一看：JEV 用了 23.5 秒，This That 用了 25.6 秒。30 条里，28 条的两项判断完全一样，两边都没出现请求失败。 速度这轮还是 JEV 快一点。但 This That 只有 18.8 亿参数，权重约 3.76GB，而且能下载到自己机器上跑。这个结果真让我想继续折腾一下了。 它的用法也很干脆：把问题和选项给进去，一次计算直接返回选择和概率。程序拿到结果就能接着往下走，不用再从一大段回答里抠出一个“是”或者“否”。 更实用的是本地部署。客户工单、内部文档、还没发布的产品资料，这些东西只是想分个类，也不一定愿意全部发到外面的 API。 This That 支持 NVIDIA GPU、Apple Silicon 和 CPU，可以把这一步判断留在自己的设备上。做 Agent 的人，手里又多了一个能自己控制的小工具。 这次我跑的是 API 对比，本地性能还没测。28/30 是两个模型判断一致，也不等于准确率，这两个口径先说清楚。 完整录屏放上面。做客服分流、邮件分类、Agent 工具选择的，直接拿一批自己业务里的真实数据试试，比盯着榜单猜有用。 模型和权重： 免费体验地址：

都是 Fable 5，放进 Claude Code，成本接近 Pi 的两倍。成功率只多了 1.1 个百分点。 看着有点难以置信。 Arena 发布的这项 HarnessTax 研究，把 7 个模型分别接进 Claude Code、Codex CLI 和 Pi，跑了两套编程测试。 其中，SWE-bench Lite 抽样测试上，Fable 5 的结果是： Claude Code：成功率 97.8%，平均每次尝试 $1.33。 Pi：成功率 96.7%，平均每次尝试 $0.67。 更有意思的是，两边平均都跑了 15 轮左右。Claude Code 并没有多干多少轮，但每轮花的钱不一样。 不过这里算的是 API 成本，跟订阅费是两回事。Claude 订阅里的额度，A➗也不让你随便拿去接第三方 harness。 其他模型的 harness，我一直推荐 Pi。就我自己的使用来说，目前还是它最均衡。 完整测评报告👇

B站UP主都开始卷开源了！ 8 月 13 日，2个UP主做的插件杀进了DSH插件榜一和榜三。 一个是“colleague-skill”，现在已经升级为“dot-skill”，把一个人的工作经验沉淀成可复用的 AI Skill； 一个是“OpenBiliClaw”，把跨平台内容发现做成本地优先的 Agent。 它们的共同点是：内容创作者不只是在 B 站讲 AI，而是把自己的观察和需求，做成可以安装、Fork、继续迭代的开源项目。 内容在 B 站被看见，项目在 GitHub 被沉淀，最后装进 DSH 里运行。 这也许是内容创作者正在出现的一种新形态。

B站UP主都开始卷开源了！ 8 月 13 日，2个UP主做的插件杀进了DSH插件榜一和榜三。 一个是“colleague-skill”，现在已经升级为“dot-skill”，把一个人的工作经验沉淀成可复用的 AI Skill； 一个是“OpenBiliClaw”，把跨平台内容发现做成本地优先的 Agent。 它们的共同点是：内容创作者不只是在 B 站讲 AI，而是把自己的观察和需求，做成可以安装、Fork、继续迭代的开源项目。 内容在 B 站被看见，项目在 GitHub 被沉淀，最后装进 DSH 里运行。 这也许是内容创作者正在出现的一种新形态。

从benchmark看，Qwen3.8 已经追平甚至超越了Claude Opus 4.6 Max的水平🎉 是不是每次看到模型测评的各种benchmark都一头雾水？ 我整理了一份常用工程向benchmark术语词典，覆盖代码/软件工程、通用Agent、专业领域等22项评测，帮你快速搞懂每个分数到底在测什么：

DSH生态从发布就已经开始疯狂生长了…… 一位大二休学的00后直接把官方 DeepSeek Harness 打包成了一个开箱即用的桌面应用，不需要复杂的环境配置、命令行启动。

新鲜出炉 Deepseek harness教程，使用DeepSeek v4 pro max 做了个手把手教程。 👉 DeepSeek Harness原理与实现：从零到一实现一个 AI Agent 🌍在线学习： 🔗仓库地址：