0503：瘫痪患者用意念玩魔兽，这不再是科幻

用意念控制机械臂、甚至操控无人机，这事儿离我们还有多远？

看完今天的新闻，你可能会觉得科幻电影的编剧其实挺”保守”的。

Neuralink这次动真格了。

不是猴子打游戏，而是两位瘫痪患者真正用意念控制了机械臂和无人机。

其中一位甚至还在《魔兽世界》里实现了”无手操作”。

这事儿为什么重要？

它证明了脑机接口不再只是”动动鼠标”那么简单，而是能处理复杂的多维控制任务。

想象一下：一个全身瘫痪的人，通过植入大脑的芯片，不仅能控制机械臂拿水杯，还能在游戏里指挥角色战斗。

这不仅是恢复生活自理，更是在拓展人类能力的边界。

据推文介绍，患者Alex Conley成功用意念控制机械臂并驾驶无人机，另一位患者Jon L. Noble则通过脑信号玩《魔兽世界》。

两年前，这些还只存在于科幻小说里。

说实话，这比任何大模型的参数升级都更让我感到震撼。

参考：https://x.com/XFreeze/status/2050482135874637861#m

xAI悄悄上线了Grok 4.3。

根据Artificial Analysis的测评，新版本智能指数拿到53分，比上一代Grok 4.20高了4分，刚好压过Claude Sonnet 4.6。

但更有意思的是价格。

输入成本降了约40%，输出成本降了约60%。

这意味着什么？

如果你是重度用户，同样的预算现在能跑接近两倍的量。

大模型的价格战，看来还没打完。

Elon Musk转发评价称其”单位成本智能表现优秀”。

虽然Musk的话要打折听，但这个降价幅度确实有点狠。

参考：https://x.com/ArtificialAnlys/status/2049987001655714250#m

本地部署大模型的朋友，这个消息会让你省下一笔钱。

有人在Reddit分享了一个测试结果：

用一张二手市场常见的RTX 3090显卡，配合Qwen3.6-27B模型和开源的LDR搜索框架，在SimpleQA基准测试中达到了95.7%的准确率。

这个成绩是什么概念？

你不需要每月付几百块订阅云端API，在家用消费级显卡就能跑出一个相当聪明的”搜索助手”。

项目作者透露，整个测试在单张3090（24GB显存）上完成，平均每道题耗时约1分54秒。

对于个人开发者和小团队来说，这个性价比相当能打。

参考：https://www.reddit.com/r/LocalLLaMA/comments/1t1n6o8/we_are_finally_there_qwen3627b_agentic_search_957/

Replit庆祝成立十周年，搞了个挺大方的活动：

5月2日当天，所有用户可以免费使用Replit Agent。

这个Agent能干嘛？

根据官方介绍，你可以用它零成本搭建网站、做研究、构建内部系统。

平时这可是付费功能。

虽然只有一天，但对于想体验AI编程助手、或者手头有个小项目想快速落地的朋友来说，这波羊毛值得薅。

参考：https://x.com/Replit/status/2050561228171264507#m

OpenAI在开发者社区发起了一个挺有意思的活动：

用 `/hatch` 命令生成你的专属”Codex宠物”，然后晒出来。

官方会选出10个最喜欢的作品，送出30天的ChatGPT Pro会员。

这事儿本身不大，但能看出OpenAI在努力让Codex这个编程模型变得更”亲民”。

毕竟，谁不喜欢养个独一无二的电子宠物呢？

参考：https://x.com/OpenAIDevs/status/2050275779452588309#m

如果你同时用Cursor、Claude Code、GitHub Copilot这些AI编程助手，可能会遇到一个头疼的问题：

每个工具都要单独配置规则文件，散落在各个项目文件夹里，乱得很。

一位开发者做了个开源工具Caliber，专门解决这个问题。

它能统一管理这些配置文件，支持版本控制和团队共享。

目前项目在GitHub上已经获得888颗星。

对于团队协作来说，这相当于给每个AI助手发了一本统一的”员工手册”。

参考：https://github.com/caliber-ai/caliber

在大家都用PyTorch的时代，有位开发者反其道而行——

用纯C++17从零手写了一个完整的GPT模型。

没有PyTorch，没有BLAS库，没有任何自动微分工具。

张量运算、前向传播、反向传播的梯度推导，全部手写。

最终模型参数量约83万，在CPU上训练76分钟达到验证损失1.64。

这就像在快餐时代，有人坚持自己种麦子、磨面粉、手擀面条。

虽然不一定比餐厅好吃，但这份对原理的执着，值得respect。

参考：https://github.com/Eamon2009/Quadtrix.cpp

图灵奖得主、Meta首席AI科学家Yann LeCun，在2025年底离开了Meta，在巴黎创办了AMI Labs。

据传这家公司在产品还没发布时，估值已达35亿美元。

LeCun的方向很明确：世界模型，而非LLM。

他一直公开批评大语言模型路线，认为LLM无法真正理解物理世界。

现在，他要用实际行动证明自己的判断。

从1987年坚持”已死”的神经网络研究，到今天再次站在主流对立面，这位”AI教父”的剧本，确实够传奇。

参考：https://x.com/CaptainInsightX/status/2050494474212815128#m

一位开发者在Reddit发布了自研的文字转语音模型Flare-TTS 28M。

整个模型在单张A6000显卡上训练24小时完成，参数量仅28M，使用LJSpeech数据集。

作者坦言效果”还是有点机器人味”，但作为个人项目，这个完成度已经很不错了。

对于想在本地部署TTS、又不想跑几个G大模型的朋友，这个28M的小家伙值得关注。

参考：https://huggingface.co/LH-Tech-AI/Flare-TTS-28M

当瘫痪患者能用意念玩游戏、大模型越来越便宜、开源社区越来越强的时候，你最期待AI改变生活的哪个部分？