Introducing Kimi K3: Open Frontier Intelligence 🔹 2.8 Trillion Parameters, 1 Million Context, Native Multimodal 🔹 Kimi Delta Attention enables up to 6.3x faster decoding in million-token contexts 🔹 Attention Residuals deliver ~25% higher training efficiency at <2% additional cost 🔹 Built for long-horizon agentic coding and self-evolving workflows Kimi K3 is now live on on Kimi.com, Kimi Work, Kimi Code, and the Kimi API. Open Weights by July 27, 2026. 🔗 API: platform.kimi.ai 🔗 Tech blog: kimi.com/blog/kimi-k3

分割キーボード始めました。和文タイプは慣れてきたので、英文も打ってみようと思ったら、”C”が全然打てなくて驚きました。英語では“C”って高頻出ですが、ローマ字入力では全く使わないので、指が鍛えられていなかったんですね。オーソリニア配列なので最下段の入力が特に難しく感じます。

the best 18 accounts to follow in AI: @karpathy = ex-Tesla AI, teaches LLMs @steipete = built Clawdbot @gregisenberg = startup ideas daily @rileybrown = vibecode god @corbin_braun = cursor + Ares @jackfriks = solo apps, real numbers @EXM7777 = AI ops + systems @eptwts = prompts + algo hacks @levelsio = ships games, no VC @AlexFinn = Claude Code maxi @BrettFromDJ = design + AI @godofprompt = prompt guides @AmirMushich = AI ads + video @gizakdag = viral AI art styles @MengTo = landing pages via AI @KingBootoshi = vibecoding king @meta_alchemist = Claude vibing @kloss_xyz = systems architecture follow them all, and learn from them who’s missing from this list? I’ll add em

重读 OpenClaw 缔造者 Perter Steinberger 的这篇雄文《Shipping at Inference-Speed》，还有很深的启发，这篇文章是 Perter 说明自己 AI 辅助编程时，他自己工作流、方法、工具选择的转变，而这个转变让他打开与 AI 协作新的大门。 Perter 在 AI 辅助编程的范式转变，是来自他亲自开发的项目 VibeTunnel。年初他花了两个月时间，尝试用Rust、Go 甚至 Zig 重写核心模块，但旧模型一直失败，最终没完成。隔了一段时间，他重新打开这个项目，只给了 codex 两句提示让它把整个转发系统转成 Zig，模型自己跑了五个小时，经过多轮代码压缩，一次就交付了可用的转换。这种事在去年是不可想象的。 之后，他就彻底地改变了与 AI 协作的范式： 一、关键工作流转变 1. 从"阅读代码"到"观看代码流" - 不再逐行阅读 AI 生成的代码 - 只看代码流的关键部分 - 通过长期经验积累，能凭直觉判断"这个任务应该多久完成" - 如果 codex 一次没解决，立即警觉可能有问题 2. 项目并行化（3-8 个同时进行） 通常结构：1 个核心大项目，多个卫星项目（CLI 工具、小功能等） 当大项目在推理时，切换到其他项目 "软件开发就像爬山——不是直线上升，而是绕着山转圈" 3. 默认从 CLI 开始 - 所有项目默认先做成命令行工具、 - AI 可以直接调用和验证输出 - 快速闭环（closing the loop） - UI 和 Web 是后续添加的 二、具体工作流技巧 1. 极简提示词（Prompts） 旧方式：长篇大论的语音口述提示 新方式： - "build" 或 "write plan to docs/*.md and build this" - 拖拽 UI 截图 + "fix padding" - "look at ../vibetunnel and do the same for Sparkle changelogs" 2. 无计划模式（No Plan Mode） - 不搞复杂的"计划模式" - 直接开始对话 → 让模型探索 → 共同制定计划 → "build" - 认为计划模式是旧模型的产物（那时模型不擅长遵循提示） 3. 直接提交到 main - 不使用 worktree（工作树） - 不使用复杂的分支策略 - 如果代码乱了，让 AI 重构而不是回退 - 大任务留在分心时做（如写文章时同时跑 4 个重构任务） 4. 知识管理：docs/ 文件夹 不使用：复杂的会话历史系统、issue 追踪器 使用： - 每个项目的 docs/ 文件夹 - 全局 AGENTS.MD 文件 - 脚本强制模型读取相关文档 - 用 "write docs to docs/*.md" 让模型自己命名文件 5. 跨项目复用 提示词示例： "find all my recent go projects and implement this change there too + update changelog" "look at ../project-folder and do the same here" 三、反直觉的工具选择 ❌ 线性/问题追踪器（Linear/issue trackers） ❌ Slash 命令（/commit 不如直接打 "commit/push"） ❌ 多智能体编排系统（multi-agent orchestration） ❌ 异步代理（Cursor Web/codex remote）→ 缺少可控性 ❌ 检查点/回滚（让 AI 改而不是 revert） 四、金句摘录 1. "大多数软件不需要深度思考" — 数据从一个表单传到另一个表单 2. "与模型对抗通常是浪费时间和 token" — 设计符合模型训练数据习惯的代码结构 3. "我设计代码库不是为了让我容易导航，而是让 agents 能高效工作" 4. 上下文管理 > 上下文大小 — Codex 虽然窗口大，但内部思考更紧凑，能比 Claude 在相同 token 下完成 5 倍工作 5. 长提示词已死 — 在 GPT 5.2 时代，短提示 + 图片/示例足够 steipete.me/posts/2025/shipp…

A great resource if you want to understand how AI coding agents work. Learn Claude Code walks through building a minimal Claude Code like agent from scratch, explaining each mechanism step by step. You’ll see the core loop most coding agents share: call the model, execute tools, feed the results back, and iterate. A clean way to understand how these systems are actually built. learn-claude-agents.vercel.a…

Seedance 2.0 Omni reference この使い方ガチャ要素なくていいですね 本気でポスプロやる人におすすめ #生成AI

We built mdr, a fast Markdown viewer in Rust. ⚡ Instant startup 📊 Mermaid diagrams supported 🔎 Full-text search 🔄 Live reload 🖥 Multiple backends (TUI / GUI / WebView) A simple tool for serious documentation workflows. 👉 github.com/CleverCloud/mdr #RustLang #CLI #DeveloperTools

Shih-Lun Wu, Ge Zhu, Juan-Pablo Caceres, Cheng-Zhi Anna Huang, Nicholas J. Bryan, "Stemphonic: All-at-once Flexible Multi-stem Music Generation," arxiv.org/abs/2602.09891

FOCUS: an AI-assisted reading workflow for information overload go.nature.com/49pa7YY

Florian Schmid, Chi Ian Tang, et al., "Sound Event Detection with Boundary-Aware Optimization and Inference,", arxiv.org/abs/2601.04178

Mistral OCR 真的很强，今天遇到一个几十页的银行流水扫描件，需要从中提取所有的交易流水到一个表里，试了原本很信任的 MinerU ，发现只能正确处理 80% 的页面，然后想起来给 Mistral 写过一个把 PDF 转 Markdown 的 CLI，跑了下发现速度出乎意料地快，而且识别率 100%。又让 Claude Code 写个脚本帮我把所有表格从 Markdown里提取出来合并再转 xlsx, 表头全部对齐，表格数与页数完全一致，直接颅内高潮。

A special message from Kazutoki Kono, Brand Director for the ACE COMBAT series. #ACECOMBAT8 #WingsOfTheve

挺吓人的，英伟达新发布的模型NitroGen混成了游戏界的“六边形战士”，几乎啥都能玩，水平还不低。 在收集筛选了40000小时、涵盖1000余款不同种类的游戏视频后训练出来的NitroGen能在多种不同类型的游戏场景中均表现出较强能力，包括：3D 动作游戏中的战斗对抗，2D 平台跳跃游戏中的高精度操作，以及程序生成世界中的探索任务。 更重要的是，NitroGen 能够有效迁移到从未见过的新游戏。在相同任务设定下，其任务成功率相比从零开始训练的模型，最高可实现 52% 的相对提升。 这里面很多游戏我还真认识，不是特别要操作的，就是玩着玩着会迷路的，我是甘拜下风了，大家觉得呢？

🚀 Launching DeepSeek-V3.2 & DeepSeek-V3.2-Speciale — Reasoning-first models built for agents! 🔹 DeepSeek-V3.2: Official successor to V3.2-Exp. Now live on App, Web & API. 🔹 DeepSeek-V3.2-Speciale: Pushing the boundaries of reasoning capabilities. API-only for now. 📄 Tech report: huggingface.co/deepseek-ai/D… 1/n

这下不光PS, AE也要被替代了? 修图大模型你见过, 修视频大模型你见过吗? 来看这个新视频生成框架 MotionStream, 它最大的特点就是指哪打哪, 相信大家都经历过耗费了无数token, AI视频就是不按照自己的想法走. 这个框架可以让你通过鼠标绘制运动轨迹, 真的让视频中的元素按照你的想法运动, 同样, 运镜也不在话下, 甚至如果想偷懒模仿大师的场景和运镜, 直接把原片拷进去, 就能把里面的动作迁移到你的视频里. 最重要的, 这个模型是基于阿里万相修改的! 大小只有1.3B和5B! 游戏显卡都能跑. 当前目前框架还处于早期, 运动太快会导致下次和变形, 但十分有潜力, 建议持续关注. 最后, 这个论文是Adobe研究院发的，那AE没事了哈哈哈哈 项目地址：joonghyuk.com/motionstream-w…

Bring even more control and customization to your generative pipeline with Workflows. Combine multiple models, modalities and generative steps to get everything done all in one place. Learn how with today's episode of Runway Academy.

【30周年お祝いイラスト公開】 浪人先生（@Lownine）による30周年お祝いイラストを公開！ ACE5に登場する大気機動宇宙機「アークバード」が大空を優雅に舞う姿を鮮やかに捉えています！ #ACECOMBAT5 #ACE5 #ACECOMBAT #ACE30th