AI 模型

MolmoMotion：用语言指导的3D运动预测模型

MolmoMotion用物体表面稀疏3D点预测未来运动轨迹，不依赖物体类别模板，精度远超现有方法。仿真环境机器人任务成功率76.3%，通用性强到可以直接从视频学到物理规律并迁移到机器人控制。核心价值是让AI从看懂过去进化到预判未来。

GLM-5.2把1M上下文窗口真正做成了可工程化使用的稳定基座，而不是营销噱头。通过在架构上用IndexShare将计算量降2.9倍，在训练里加入反作弊模块防奖励欺骗，它在长程编程基准上成绩仅次于Claude Opus 4.8，是开源模型里最强的。

Hacker News 社区实地考察发现，用本地模型写代码像在带一个 junior，效率只有 Claude Opus 的 1/3，但零成本和隐私让它变得无比诱人。Qwen 3.6 已成事实标准，性能摸到了 Claude Sonnet 的屁股。一文讲清本地编码栈的现状、权衡与未来。

AI对齐团队发布综述，表明未来AI系统可能突破当前安全假设，需发展更复杂保障措施，工作包括评估、压力测试，并列出近期多项对齐研究如宪法分类器、Bloom等。

这是对Anthropic新模型一次极诚实的复盘。作者直接点出行业不愿承认的事实：AI性能再强，也被安全束缚住了。但别丧气，他给出了很具体的技术判断和实战数据，包括Stripe一天迁移5000万行Ruby代码的真实案例。值得每个AI工程师停下来想想自己当下该干什么。

Google Cloud 正式上架了 Anthropic 最新的旗舰模型 Claude Fable 5，主打复杂多步推理。

Cohere 用一个 3B 活跃参数的 MoE 模型，在编码 Agent 任务上碾压了 Gemma 4 和 Qwen3.5 等大模型。关键不是模型架构，而是一套聪明的多环境联合强化学习和跨 harness 训练策略。想看 Agent 模型到底该怎么训，这篇是很好的实操样本。

Anthropic的可解释性团队在系统性地拆解大语言模型的内部机制，从神经元激活到概念表示。自然语言自编码器直接把Claude的思维解码成文本，跨模型对比工具则能定位行为差异的具体电路。这不是玄学，是给AI安全铺硬路。

Anthropic 搞了个经济追踪器，不玩虚的，直接扒了 81,000 个 Claude 用户数据和 10 万段真实对话。结果发现 AI 确实把任务时间平均砍掉了 80%，并且精确划分了 AI 在不同行业和岗位的真实使用模式。这是把 AI 经济学从玄学变成了实证科学。