20亿参数打败800亿？不靠知识蒸馏！腾讯近期最强AI论文解读
假如你要训练一个助手帮你完成复杂的任务。 传统方式是先让它学会基础知识，然后再教它怎么做事。 但如果从一开始就教它”边学边做”会怎样？ 这就是腾讯Youtu-LLM团队最近提出的思路。 他们做了一件听起来很疯狂的事情，在一个只有20亿参数的小模型里， 从头开始培养推理、规划和执行能力 ，而不是依赖其他大模型的”知识蒸馏
不开剪映、不录音，用AI+代码做口播短视频：完整实操教程
最近把做短视频的工作流又升级了一遍，现在这条线已经比较稳定，从写稿到出成片基本不用自己动手剪。这篇把最新方案完整拆出来，你可以直接照着搭一套。 先说最终能做出什么：一条知识口播短视频，画面文字零错误、声音是本人音色、风格统一、后续可批量复用，全程不开剪辑软件、不录一句音。 先区分一个概念。这套做法 不是 用 AI 视频
Cresta 客服 AI Agent 的生产化路径：真实对话打底、上线前模拟测试、生产中持续治理
一句话结论 AI Agent 在客服场景的潜力毋庸置疑：解决问题更快、跨系统执行动作、规模化地维持个性化对话——人类团队做不到。但这条 Cresta 官方短片的核心论点恰恰是”性能比潜力重要”：真实客户对话复杂多变，不为这种现实构建的 AI Agent 会把品牌置于风险之中。视频给出了从构建到运营的三道工序，对正在评估
Cresta Conductor：用自然语言构建生产级 AI Agent 的引擎，蓝图先行、实时测试、根因分析闭环
一句话结论 “用普通英语描述 AI Agent、让 AI 直接把它建出来，这对氛围编码（vibe-coding）项目或演示很棒，但在生产环境行不通。“Cresta Conductor 的开场白直接点出痛点。这条 2 分 42 秒的产品视频由工程团队出镜，讲清了三个问题：为什么现在做（过去 12 个月模型编码能力跃迁，叠
Cresta 坐席培训模拟器：用真实对话生成模拟客户，练习与实战同一把尺子评分
一句话结论 “每个呼叫中心的坐席都在实战中学习——从来如此，只是因为没有别的办法。“Cresta 这条 1 分 49 秒短片的开场一针见血：新人第一通难缠电话、老坐席每次新产品新政策上线，都是在真实客户身上交学费。培训模拟器给出的替代方案是让坐席先对着”模拟客户”练习——它由企业真实通话构建、有情绪、会动态反应，且练习
Together 微调平台大扩容：17 个新 AI 模型、实时实验追踪、专家层 LoRA 与早停退款
一句话结论 把一个开放权重 AI 模型调教成高性能任务模型，靠的是一连串测量精准的实验：团队得知道模型在什么数据上训练、每轮训练进展如何、该调整配方还是停手、哪个检查点最好。Together Fine-Tuning 本次扩容覆盖这条完整链路：新增 17 个最新开放权重模型（含 GLM-5.3、Kimi K2.7-Cod
Sakana Fugu Max 与 Fugu Ultra v2 发布：用编排把 AI 推理成本打到 elite 模型的五分之一
一句话结论 AI 行业十年都在一条轴上赛跑：造更大更贵的基础模型。但真实任务的前沿是二维的——一轴能力、一轴成本。给一次简单数据查询派上万亿参数模型不是智能，是浪费。Sakana AI 本次同时发布两个 AI 编排引擎版本：Fugu Max 把成本轴推到新低（输出价比 Sonnet 5、GPT 5.6 Terra、Ki
OpenRouter Presets 实操教程：把 AI 模型配置存成 @preset/ 名称，一处改全局生效
一句话结论 你把同一个 AI 模型名、系统提示词和温度参数写进了网页应用、批处理脚本和笔记本三处。现在想改温度或换模型，得挨个改三遍。Preset 就是为解决这个问题生的：它是 AI 调用配置的「配置即代码」——一个命名、带版本的模型集合+系统提示词+供应商路由+采样参数。定义一次，到处用名字引用；改 preset 时
市场运营即代码：GitHub 日本营销负责人用 Copilot 把活动全流程自动化成一条 Issue
一句话结论 「如果你能把自己做事的方法写下来，你就能把它自动化。」GitHub 日本与韩国市场负责人 Tomoko Tanaka（前工程师）没写代码，而是把活动运营的 runbook 写下来交给 GitHub Copilot，用对话把自动化一点点养大。今天，一场过去要手工拼装两天的活动，现在从一个 GitHub Iss
BestBlogs 早报 · 07-11｜真实工程检验长程编程，训练系统扩展智能体，产品团队重审判断与推荐透明度
一句话结论 长程编程的真实检验标准是结果可验证、过程可复盘；训练系统开始把失败轨迹转化为数据；产品团队则需重新审视推荐透明度与用户判断权。 导语 把一个完整的 issue 交给代理，真正令人不安的地方不在于它能否写出补丁，而在于你要在什么时候相信它已经完成。 今天的三篇精讲分别给出三个不相同的切面：Cognition
BestBlogs 早报 · 07-10｜GPT-5.6 转向长程 Agent 效率，Seedream 可控设计，Modal 智能体基建
一句话结论 GPT-5.6 把前沿模型拆成可调度的三档能力层，选型从看单次跑分转向同预算完成多少步骤；Seedream 5.0 Pro 补可控设计能力，Modal 预告云平台要围绕智能体体验重写。 导语 这一期的主线不是单个模型发布，而是 AI 如何进入可执行的工作流 。GPT 5.6 把能力、成本和多智能体调度放在一
BestBlogs 早报 · 07-09｜连续语音、长任务模型、本地小模型，把 AI 带进真实工作流
一句话结论 语音、编码与本地小模型三条线都在回答同一件事：AI 要进入真实工作流，交互要连续、任务要长程、落地要靠任务边界、Harness 与人工审查三件套。 导语 语音模型、编码模型和本地小模型，今天的三条精讲都在回答同一个问题：AI 能不能更自然地进入真实工作流。GPT-Live 关注实时对话里的连续交互，Grok