00:00 开场

00:09 手机接管任务

01:01 云端环境配置

01:52 智能体记忆

04:17 千问量化更新

04:52 微信生图模型

07:08 机器人世界模型

08:35 科学建模洞见

10:33 量子难题证明

01｜Claude Duet：手机接着管任务

代码任务正在运行，临时离开电脑，也能在手机上看看进度。Claude Duet 团队介绍的新能力，把 Claude Code 会话的查看、批准更改和发送更新带到了手机上，本地电脑与云端的会话都在支持范围内。

这个变化让人可以更灵活地介入任务：需要确认时处理一下，方向变了就补充要求。手机承担的是会话管理入口，本地任务仍需要相应电脑保持运行条件。截至本期素材核对日期，Claude Duet 处于研究预览，面向美国 Pro、Max 和 Ultra 用户，经候补邀请分批开放。

看点：人离开桌面，仍能在关键节点接上代码任务。

02｜Claude Code：云端先配好环境

把仓库交给云端智能体，第一道门槛常常是环境。ClaudeDevs 的更新介绍称，Claude Code 能识别项目所需的依赖、网络访问和 API 密钥，并保存云环境，方便下次复用。官方天气应用演示展示了从发现需求、配置密钥到运行预览的流程。

密钥如何交给应用，也有具体机制。官方文档介绍，网络密钥保存在会话虚拟机之外，请求离开环境后，由代理向匹配主机附加密钥。普通环境变量的机制有所不同。这里保存的是环境配置；实际能否顺利启动，还取决于仓库与外部服务的条件。

看点：把重复的环境准备工作，纳入智能体可以协助完成的流程。

03｜智能体记忆：让经验留下来

智能体换一个会话，怎样继续利用之前摸索出的经验？Anthropic 的文章把记忆描述为写给未来的预测：留下某条信息，是因为判断它以后还会有用。文章中的游戏案例显示，记忆的价值取决于筛选和组织，而不只是文件数量。

“做梦”则是留出时间，让智能体拿笔记对照原始记录，修正误解、整理策略，进一步织出可检索的知识库。文章还展示了多人协作中的组织问题：多个智能体抢写同一张表会遗漏事实，改成围绕单份合同分开整理后，信息保留更完整。这些结果属于文中给定任务与实验设置。

看点：记忆需要持续整理和核对，才能成为下次行动的可靠起点。

04｜Unsloth：让千问少绕弯

模型把推理写得很长，也可能在绕弯。Unsloth 为 Qwen3.8-Flash-Next 发布的 Dynamic V3.1 GGUF，关注的是量化后出现的过度思考，让本地版本减少冗长输出，同时保留答题能力。

按 Unsloth 官方测试，相比同等大小的其他量化版本，新版 token 用量最多减少约一半，准确率约提高 15%。这些数字有指定比较对象和测试范围，并非本机独立复测，也不能直接推算每个任务的收益。评估本地模型时，可以把答对多少、生成多少 token 和实际运行速度一起看；具体速度仍受设备与配置影响。

看点：更有效的推理，也包括用更少的输出完成同样的任务。

05｜WeLM-Image：生图改图放在一起

腾讯微信视觉团队的 WeLM-Image，把文生图、指令改图和多参考图合成放进同一模型，并把单卡部署与请求成本作为设计约束。模型内部将理解和生成分为两条参数独立的路径，再通过共享注意力，让生成过程持续读取指令与参考信息。

论文报告，全模型存储约 317 亿参数，生成时每个位置激活约 54 亿。蒸馏后的 Turbo 版采用 8 步生成，在一张 H20 上输出 1024×1024 图片的报告耗时为 4.98 秒。论文还比较了多参考图开销与多个评测榜单；这些表现都应结合其分辨率、硬件和参评范围理解。

看点：把生成与编辑统一起来，同时认真处理部署和使用成本。

06｜Cosmos 3：机器人的虚拟世界

机器人伸手，接下来看到什么？汽车转弯，各个相机和激光雷达的数据怎样一起变化？NVIDIA 的 Cosmos 3 新增四款开放权重模型，分别处理驾驶场景变化、连续驾驶仿真、仿真画面转换和双臂动作预测。

共同方向是把动作接入生成过程：读取历史画面与当前控制，产生下一段，再把结果接回历史。不同模型的分工需要分清，例如 Sim-Transfer 的物理状态仍由仿真器负责，模型把控制信息转成画面。官方样例展示了互动世界模型的潜力；接触力学、任务成功率和实际训练收益，需要对应的专门评估。

看点：虚拟环境开始持续回应动作，为机器人的训练与评估提供研究空间。

07｜AI 科研：答案之外的洞见

一个模型拟合了数据，科学家还想知道它为什么成立。Anthropic 刊载的科学建模文章，从 Hodgkin–Huxley 方程的故事出发，把建模拆成搭建、约束与解释，讨论 AI 怎样参与其中。

数据往往允许多个同样合理的模型。保留一批候选模型，观察它们在哪些地方一致、哪些地方分歧，才可能找到有把握的结论和下一步实验方向。基于模拟的推断也关注可行参数的分布。文章提醒，目前不少系统仍在重新发现已知模型；面对没有现成答案的问题，还需要更多证据。

看点：AI 帮助科学研究的价值，也体现在让人看清不确定性和下一步该问什么。

08｜AI 参与量子计算难题证明

量子计算的加速能力，和问题中隐藏的结构有什么关系？2008 年提出的 Aaronson–Ambainis 猜想，是围绕这一方向的重要数学问题。PSI 的研究介绍称，其内部系统运行一个未公开的 Anthropic 模型，在第三天获得完整证明，并通过 Lean 证明助手的机器检验。

视频用“开关与表盘”解释其中的高影响力变量：如果输出概率确实发生变化，总有一些输入位置值得优先检查。据 PSI 对研究意义的介绍，这为文中讨论的随机输入与查询复杂性问题给出了量子加速上限。理解结论时，也要连同这些数学适用条件一起看。

看点：AI 提出的数学证明，可以进一步交给形式化工具逐步核验。

参考链接

01｜Claude Duet：手机接着管任务

更新原帖：https://x.com/davidsuttonca/status/2118785613436698719

产品介绍：https://claude.com/resources/articles/claude-duet

开放范围与使用说明：https://support.claude.com/en/articles/17631495-get-started-with-claude-duet

02｜Claude Code：云端先配好环境

更新原帖：https://x.com/ClaudeDevs/status/2118795192090386454

云环境官方文档：https://code.claude.com/docs/en/cloud-environments.md

03｜智能体记忆：让经验留下来

Anthropic 原文：https://www.anthropic.com/research/components-of-agent-memory

04｜Unsloth：让千问少绕弯

更新原帖：https://x.com/UnslothAI/status/2118707871139696911

Qwen3.8-Flash-Next GGUF 模型页：https://huggingface.co/unsloth/Qwen3.8-Flash-Next-GGUF

05｜WeLM-Image：生图改图放在一起

技术论文：https://arxiv.org/html/2611.07392v1

06｜Cosmos 3：机器人的虚拟世界

https://huggingface.co/blog/nvidia/cosmos-interactive-world-simulation

07｜AI 科研：答案之外的洞见

科学建模原文：https://www.anthropic.com/research/teaching-ai-to-build-scientific-models

08｜AI 参与量子计算难题证明

PSI 研究介绍：https://psi.inc/research/aaronson-ambainis/

论文 PDF：https://github.com/physical-superintelligence/aaronson-ambainis/blob/main/paper/aaronson_ambainis_paper.pdf

广告

过去我已创作了 400+ 篇AI主题原创内容，我对继续写作充满信心，因为这是我的爱好，我非常热爱这件事。

如果喜欢我的文章和视频，欢迎加入我的知识星球，我会分享最新的 AI 资讯、源代码，回答你的问题。我们下次再见啦！