OpenAI 发布 GPT-6.1 Terra,价格减半,性能直追旗舰。旨在以更低成本推动 AI Agent 在高频工作场景中的落地
Artificial Analysis 智能指数中,GPT-6.1 Terra(Max)得 48 分,低于 Kimi K3.1 Pro 的 55 分
在 Agents' Last Exam 中等推理强度下比上一代高 15 个百分点,单次任务成本降至约三分之一,并达到 GPT-6 Astra 水平
API 定价为输入每百万 Token 1 美元、缓存输入 0.05 美元、输出 5 美元,较 GPT-5.6 Terra 与 GPT-6.1 Sol 降低 50%
有网友实测 tps 惊人,实测约 450tps,最快可达 600 tps
Anthropic 正式提交纳斯达克IPO申请,或将成为史上最大 IPO
Anthropic 目前目标估值约在 1.5–2 万亿美元,募资规模可能超过 1000 亿美元
相比之下,2026 年 6 月上市的 SpaceX IPO 定价估值约 1.77 万亿美元,首日收盘市值约 2.1 万亿美元,募资约 750–860 亿美元
若 Anthropic 最终定价接近或超过 2 万亿美元,将直接超越 SpaceX,成为史上最大 IPO
起猛了,现在 AI 只动嘴就做出 3D 游戏了,这完成度也太高了吧
兄弟们,终于等到了!AI 做 3D 游戏终于进化到动嘴就能搞定了!!!
这妥妥的信息差啊!
以前做 3D 游戏,最卡独立开发者的从来不是写代码,而是美术和动作:建模、贴图、绑骨骼、刷蒙皮、找动捕或者一帧帧 K 动画……别说一个人了,一个小团队光调几个动作就能把人送走。
但我们最近用@ViggleAI的3D产品@Viggle_PINOC(用的是他们新发布的JST-2世界模型),直接搓了一款网页就能玩的 3D 小游戏《星芽旅行记》。
简单说,主角从长相到全身十几套动作,全靠打字搞定!而且成本便宜到不可思议。
我来给大家详细盘一下怎么玩的:
1、一张 2D 原画,直接变带骨骼的 3D 角色 给 PINOC 扔一张小园丁的 2D 设定图,它直接吐出一个带完整骨骼绑定的 3D 角色。4.8 万个高斯点,文件压出来只有 1.3MB!传统 3D 里最磨人的建模、拓扑、贴图、手动绑骨蒙皮,这一步直接全省了。
2、动作全靠一句话描述,导出直接用 这个最神!想要什么动作直接打字,比如写一句"手脚并用顺着粗藤往上爬,双臂交替上伸",很快就拿到一段 4 秒的标准骨骼动画,导出 GLB 直接塞进游戏。 走跑跳、旋转攻击、滑铲钻横杆、前后空翻、下砸、飞扑、爬藤、滑翔、跪地播种……十几套动作,大部分都是一句话生成的,剩下几段直接从 PINOC 自带的免费动作库里挑。 更绝的是它底层共用一套骨骼规范,生成出来直接套在角色身上就能动!
3、成本直接被打骨折 角色、场景加十几套动作,在 PINOC 里一共只消耗了 100多积分。放以前找动捕棚或者外包动画师,光这些动作就得花上一大笔钱、等好几周!
其他环节顺手用 AI 一波流串起来: 道具丢给 Tripo,开场结局过场用即梦,配乐用 Suno,代码让 AI 编程助手写。
故事也很简单:巨大的蛾后卷走了星球上所有的光,小园丁要一路跳过五颗小星球,找回星种,让星球重新发芽。 五颗带微引力的小星球,绕着星球跑圈、下砸弹簧芽弹射起飞、滑铲钻杆、对着魔豆下砸长出通天藤蔓爬上去……类似马里奥银河的玩法几天就搓出来了。
PINOC 底层这个世界模型,厉害在它理解人在三维空间里是怎么动的,而不是一帧一帧去画图。
当 3D 资产和动作的门槛被彻底打穿,独立游戏真的要变天了,大家也快去试试 PINOC~
Kimi 回应额度消耗过快问题:非常抱歉,已经修复并重置月额度 25%
Kimi k3.1 发布时,大量订阅用户发现使用 Kimi 后额度消耗过快,套餐额度过少,向 Kimi 提出质疑
Kimi 回应称他们还调整了套餐的参数,并正在减少不必要的子代理调用和输出长度,以确保减缓配额消耗过快的问题
可是我总感觉这个问题的背后,更大的问题是 Kimi 的套餐配额太少了
你在用 Kimi 套餐吗,关于配额问题你怎么看?
We're sorry for the rate limits and unnecessary quota consumption on the K3.1 Pro subscription plan. These were our issues, and we should have fixed them sooner.
Today, every subscriber on every plan gets a one-time usage reset, restoring 25% of their monthly quota (usage below 25% resets to zero), equal to one week of usage. Your usage bar will reflect this adjustment by end of day PST.
We've also adjusted the plan's parameters and are reducing unnecessary subagent calls and output length, so your quota goes further.
Thank you for your patience while we put this right.
Thariq(@trq212)今天宣布离开 Anthropic
他在 Claude Code 团队待了一年多,看着这个产品从内部工具长成远超自己预期的规模。他在帖子里说,自己真心喜欢在这里工作,也相信公司的使命,尤其是那种 race to the top 的精神——大家认真做事、互相拉高标准,事情可以变得比想象中好得多
他评价同事是自己见过最优秀、最认真的一群人,并感谢 X 上的社区让这份工作既有趣也有压力。接下来他打算先休息一段时间,再开始新的事
很多人可能没关注过他这个人,但大概率看过他写的东西
他不只在做产品,还在持续把团队的实践拆开写给外面:
- 为什么在 Agent 时代 HTML 比 Markdown 更适合做计划与规格(信息密度、可视化、保持 HITL)
- 如何用 Claude Agent SDK 构建真正的 Agent(给模型一台计算机,而不是一堆孤立工具)
- Effort 档位到底控制什么、什么时候该用低档保持交互、什么时候该拉高做验证
- Skills 该怎么写才有用(别写显而易见的东西,重点记 gotchas,用文件系统做渐进披露)
还有上下文工程、工具设计、Artifacts 作为界面等一系列长帖
这些文章把内部评测、失败案例和真实工作流摊开了。很多现在大家默认的用法和理解,是他一篇篇写出来、被社区反复引用后才变成常识的。他相当于在产品之外,又做了一层高质量的开发者教程
关于离职的原因,他在推文中说道,是时候休息再出发
他说后面 Claude Code 的其他小伙伴也会继续分享实践心得经验,但 Thariq 的离开,意味着社区少了一个既懂技术实现、又愿意把复杂事情讲清楚的声音
无论如何,还是非常感谢 Thariq 这一年多的分享!跟 Thariq 学习受益良多,祝你接下来一切顺利!
I’ve left Anthropic after more than a year of working on Claude Code and seeing it scale larger than I ever imagined.
I have really loved working at Ant and believe deeply in the mission, and most of all, the idea of a race to the top.
The idea that if we work hard and responsibly, we can raise the bar and inspire others to great outcomes. And if we all push each other to be better, things can be radically good. I will carry the spirit of this with me forever.
My colleagues at Anthropic are the most talented, thoughtful, competent, and earnest people I have ever met. I am glad they are at the wheel and trust them deeply.
To the community on X, thank you for everything. You’ve made this the most fun (and sometimes stressful) job I’ve ever had.
For me, it is time for a bit of a break before diving into something new.
If you want more excellent Claude Code content, you should follow @addyosmani , @lydiahallie, @_catwu, @ClaudeDevs and of course @bcherny who started it all.
本来今天应该是属于 Kimi 的高光时刻,却因为额度太少大家被频频吐槽
咱就是说,这样下去以后中转掺假都得在 Kimi 里掺 Claude 了😢
Kimi K3.1 Pro 五个新套餐两个老套餐额度最新测算:(仅计算 K3.1 Pro)
Go: 49元,Token 额度:无kimi code 忽略
Plus:99元,月额度:73m,5H:3.48M,5H 换算 0.9 刀
倍率:1x
Pro: 199元,月额度:365m,5H:17.4M,5H 换算 4.3 刀
倍率:2x
Max: 699元,月额度:1169M,5H:55.7M,5H 换算 13.9 刀
倍率:5x
Max: 1399元,月额度:2338m,5H:111.3M,5H 换算 27.8 刀
倍率:10x
老Allegretto:199 元,月额度:703M,5H:34.8M,5H 换算 10 刀
倍率:4x
老Allegro:699 元,月额度:2191M,5H:104.3M,5H 换算 25 刀
实际倍率:10x
卧槽,全体起立!一觉醒来全球震惊瘫坐了!Kimi K3.1 正式发布!
国产大模型正式跻身全球大模型第一梯队!脚踢 Anthropic,拳打 OpenAI!
100 万 token 上下文,MOE,2.8T 总参数 / 1040 亿活跃参数,支持多模态
说实话兄弟们,我看完 Kimi 贴出来的跑分结果我都不敢相信,就连外国友人都说这个成绩难以置信!
Kimi K3.1 Pro 在9项上超过 Claude Opus 5.5,特别强的领域包括:
在 Terminal-Bench 4.0 终端交互任务上,Kimi K3.1 Pro 以 65.7 紧咬第一名的 Opus 5.5(66.4)
在更偏真实软件工程长程推理的 SWE Marathon中,Kimi K3.1 Pro 拿下了第一(51.7),领先 Opus 5.5(46.3)和 Fable 5.1(45.6)
在 Agents' Last Exam 中同样以 43.2 排名第一,超越 Opus 5.5 的 42.6
价格方面,K3.1 Pro 仅为上一代 K3 的 2/3
输入 $2 每百万 token,缓存输入 $0.2 每百万token,输出 $10 每百万token
同时推出高速版,
输入 $4 每百万 token,缓存输入 $0.2 每百万token,输出 $20 每百万token
让我们恭喜 Kimi 跻身全球大模型第一梯队🎉
买了 glm plan,智谱有送 4 次重置,现在 glm 额度根本用不完啊
最近在研究怎么自动化运维自己的工具站,搞了好多自动化任务,其中一个就是自动化外链
每天 0 点跑外链任务,早上 8 点给我汇报进展
目前进展还算顺利,都是专挑免费的搞,不过可以发的外链列表要见底了,准备又要找一批外链了
程序员Left retweeted
#X直聘 本人AI原住民 二七届的计科 最喜欢捣鼓AI相关的东西,目前在寻找AI产品经理相关的校招岗位
如果您的公司在 广州 或者 深圳,看了我的账号觉得比较符合要求的话,让我们聊聊😁
想招聘?就来用 #X直聘
在 @jackywine 和 @app_sail 的努力下,这个 hashtag 下面已经汇集了不少优质公司的招聘信息。
以后在 𝕏 上发布招聘,记得带上这个 hashtag,招聘推文可以获得更多曝光!
找工作的朋友,也可以直接点击 #X直聘,发现更多机会。
我甚至在想,能不能做一套招聘服务?
求职者在招聘推文下面回复作品集或简历,搞一个 Grok bot,每天自动收集、分析和匹配候选人,再把结果汇总给招聘团队或发帖的招聘方。
Anthropic 发布 Personal Agent Duet!基于 Opus 5.5 运行
加上 Muse、Dots、Cue 、Grok bot,Personal Agent 时代开启了
Personal Agent 太多了,今晚改宠幸哪位呢?😂
🔥 个人助理大混战,Anthropic 加入了。OpenAI 有 Dots,Meta 有 Muse,马斯克有 Grokbot,现在 Claude Duet 也来了!
个人觉得 目前Muse 最强,Dots 最拉。
10 月 22 日凌晨,Anthropic 正式推出 Claude Duet,基于 Opus 5.5,定位为主动工作的个人 Agent。
拥有独立云端虚拟机和浏览器,可以在用户离开后继续执行任务。
官方确认的能力包括:
主动汇报: 每天早晨整理邮箱、日程等重要信息。
持续监测: 每隔几小时检查连接的应用,发现重要变化主动通知。
后台执行: 创建报表、财务预测、网页应用,甚至协助编写代码。
长期记忆: 继承 Claude 原有的 Memory、Skills 和已连接应用。
跨应用操作: 支持 Claude Marketplace 中超过 6000 个连接器和插件。
还有几个很重要的细节。
第一,Pro 用户也能用。 目前仅向美国 Pro、Max 订阅用户开放候补名单,尚非全面上线。
第二,不额外收取独立订阅费。 但后台任务和定期检查会消耗现有 Claude 套餐额度。
第三,敏感操作需要确认。 发送消息、付款、签署文件、删除内容前需要用户批准。
第四,后台不是无限运行。 官方明确表示,定期检查连接应用的频率约为每几小时一次,以控制额度消耗。
Duet、Muse、Dots 、Grok bot开始正面在我们手里竞争,今天该宠信哪个? 🤔
卧槽,LayerFS 1.0.0 发布了,我的电脑磁盘有救了
多个智能体同时改代码场景时,往往会遇到冲突、重复安装依赖、存储爆炸这些令人头疼的问题。LayerFS 给出了一个优雅的解决方案:短暂工作区,持久共享历史
每个智能体挂载一个完整的可写工作区,基于共享的已提交历史干活,干完提交、工作区消失。每次工具调用就是一次提交,同文件冲突直接拒绝,每一行代码都能追溯到具体步骤。分叉零成本,只动元数据不复制文件,特别适合递归探索和强化学习训练
搭载 LayerFS 后存储效率惊人,10个副本去重加压缩后只剩 0.31。依赖文件随每次提交保留,挂载只要 0.05秒,而传统方式重装依赖要5分钟。智能体可以跑在不同机器上,共享同一个无服务器存储,实现大规模并行
举一个日常多 worktree 开发的场景,以往每个 worktree 都要自己维护一份依赖,而现在你可以大胆交给 LayerFS
需要的朋友可以试试
LayerFS v1.0.0 is out 🎉 Open-source (MIT)
Recursive filesystem for AI agents.
6 core ideas:
1. Ephemeral computing: agents spend ~80% thinking, so each Bash call mounts a Workspace, then commits
2. Decentralized agents: every agent commits to one Store, no DB server
3. Multiagent coordination: every tool call is a Commit; same-file clashes refused
4. Recursive filesystem: forks copy no files, at any depth
5. Ultra storage: dedup, then compression: 10 copies → 0.31
6. Instant bootstrap: ignored files stay in every Commit. ~5 min install vs 0.05 s mount
And 4 more:
7. Auto checkpoints: fork from any step
8. Append-only objects: content-addressed, never rewritten
9. .lww: lockfiles and caches take the newest edit
10. Big file, small edit: a write keeps only its bytes
Here are our links:
github: github.com/Ephemeral-AI-Lab/…
website: layerfs.ai/
Watch the video below, and have Fun!!!



























