夜雨聆风
MiniMax M2.7现已开源，这一版本的亮点并不在于具体的性能指标，而在于其创新的“自进化”能力。这种自进化机制类似于Karpathy提出的Autoresearch概念，并在大规模上得到应用。
目前，每个AI代理都在一个固定的架构内运行，这个架构包括技能、工具、记忆和工作流程规则，通常由人类工程师构建并固定不变。然而，M2.7打破了这一传统模式，它允许代理自行重写自身的架构。
具体来说，M2.7在执行任务时会分析错误，计划对自身架构的修改，应用这些修改后进行评估，并决定是否保留或回退。这一过程通过多轮迭代不断优化，使模型能够自主发现并应用优化参数、编写特定的工作流程指南，并增加循环检测以避免陷入死循环。
MiniMax在内部进行了100多轮测试，结果显示模型在多次迭代中不断优化，提高了技能、记忆和工作流程的效率。此外，他们还在OpenAI的MLE Bench Lite中的22个机器学习竞赛中进行了24小时全自动化测试，最终取得了9枚金牌的成绩。
重要的是，这些改进不需要重新训练模型，而是通过持续优化系统来实现。这使得自进化机制可以持续运行，无需中断。
虽然各大AI实验室可能都在内部研究类似的技术，但MiniMax将其公开发布，为行业带来了新的启示。尽管该模型的许可证是非商业用途，但其开源代码和相关文档为研究者提供了宝贵的参考资源。
更多详情可访问：Hugging Face 和 MiniMax博客。
百度最新发布的ERNIE-Image已正式开源。这款拥有80亿参数的文本到图像生成模型在公开权重模型中表现卓越，并且可以在24GB显存的消费者级别GPU上运行。
ERNIE-Image在多个基准测试中表现出色，例如GenEval、OneIG和LongTextBench，其性能位居前列。该模型能够精确地渲染英文、中文等多种语言的文本，具备强大的复杂指令跟随能力和多对象控制能力。
主要特点包括：
- 密集的文本渲染
- 结构化生成
- 广泛的风格范围，从写实照片到电影色调再到艺术风格
此外，ERNIE-Image还支持多种应用场景，如海报设计、漫画创作以及具有结构一致性的多面板布局。它有两种版本：
- ERNIE-Image：SFT模型，在50步推理中提供更强的一般质量
- ERNIE-Image-Turbo：优化速度和美学效果，仅需8步推理
开发者可以通过GitHub获取该模型，并在Discord社区参与每周挑战和赢取奖品。
谷歌刚刚推出了其最新的AI助手——Gemini，号称是全球最个性化的智能助手。Gemini能够访问并理解你的Gmail、照片和YouTube历史记录，现已在印度正式上线。
Gemini Personal Intelligence功能现已可用，它能够根据你的兴趣和社交经历为你提供定制化建议。例如，你向Gemini询问芝加哥的隐藏景点或活动推荐，它会考虑以下因素：
- 你的个人兴趣
- 当前季节（如一月份，它会推荐室内活动）
- 高评分地点（如Garfield Park Conservatory, 4.8星）
- 沉浸式科技与艺术展览（如WNDR Museum）
使用Gemini非常简单：
- 打开Gemini应用
- 进入设置
- 选择Personal Intelligence
- 连接你需要的应用
这一创新不仅提升了用户体验，还展示了人工智能在个性化服务领域的巨大潜力。
Claude Code 新增 Routines 功能，把 AI 编程助手从“你问它答”升级成了“自动干活”。 简单说，Routines 就是一个预设好的 Claude Code 任务模板，你告诉它干什么、给它接上代码仓库和外部工具，然后设定触发条件，它就能在 Anthropic 的云端自己跑起来，不需要你盯着电脑。 触发方式有三种。第一种是定时任务，比如每天早上九点自动整理 Issue 列表。第二种是 GitHub 事件触发，比如有人提了 PR 就自动跑一遍代码审查。第三种是 API 调用，你的监控系统报警了，直接把报警内容甩给它，它自己去查日志、定位问题、开修复 PR。 Anthropic 内部已经在用了。Claude Code 产品经理 Noah Zweben 说，他们团队用 GitHub 事件触发来做文档同步，每次代码合并到发布分支，Routines 自动生成对应的文档更新。 对开发者来说，这个功能的价值在于把那些重复性的工程杂活自动化了。以前你可能需要写 CI 脚本、配 GitHub Actions、再接个 Slack Bot，现在一个 Routine 就能串起来，而且它能调用你在 Claude 上连接的所有 MCP 服务，Slack、Linear、Google Drive 都行。 使用门槛不高，Pro、Max、Team、Enterprise 用户都能用。Routines 数量不限，但每天的运行次数有上限，超出后需要开启额外用量计费。 一个值得关注的细节：Routines 目前还在研究预览阶段（Research Preview），API 接口格式和限制随时可能调整。另外，Routine 执行的所有操作都以你的身份进行，提交代码用的是你的 GitHub 账号，发 Slack 消息用的也是你的账号，所以权限配置需要上点心。 对于已经在用 Claude Code 做日常开发的人，Routines 可能是目前最接近给自己配一个 AI 初级工程师的体验。你在写代码、开会、睡觉的时候，它在帮你做 Code Review、整理 Backlog、同步文档。 【QuotedContent:Claude Code Routines are here! In addition to a schedule, you can now trigger templated agents via GitHub event or API – with our infra & your MCP+repos They've changed how we do docs, backlog maintenance and more internally at Anthropic Get started at https://t.co/QIDgEAJrRG https://t.co/qCfZ8eBE5C】
Anthropic的Claude Code桌面端负责人Anthony Morris宣布，Claude Code桌面应用已经完成了一次从底层开始的全面重新设计。
核心目标是让用户更容易同时运行多个Claude编程任务。Morris表示，他已经好几周没有打开过传统的IDE和终端了。
此次更新在原有的基础上进一步降低了并行工作的操作门槛。Claude Code桌面端此前已支持Git worktree隔离、可视化代码差异审查、应用预览以及插件市场等功能。
通过这次重建，用户可以一键开启新会话，在同一个代码仓库中并行处理多个任务，每个会话的代码修改在合并前互不影响。
这不仅提升了开发者的效率，还为团队协作提供了更多可能性。
- **Git worktree隔离**：每个会话自动使用独立的代码副本，互不干扰。
- **可视化代码差异审查**：直观地展示代码变更，便于审查。
- **应用预览**：实时查看代码更改的效果。
- **插件市场**：扩展功能，满足个性化需求。
Claude Code 正在重新设计集成开发环境（IDE），以适应代理编程的需求。正如Andrej所言：“我们需要一个更大的IDE，基本单位不再是文件，而是代理。”
此次更新中，Claude Code 对桌面版进行了全面升级。用户现在可以在同一个窗口中并行运行多个Claude会话，并通过新的侧边栏进行管理。这一改进不仅提升了开发效率，还为开发者提供了更灵活的工作方式。
主要功能包括：
- 多会话并行运行
- 新的侧边栏管理工具
- 优化的界面布局
你可能已经错过了一个重要的更新——`deepagents deploy`，这是一款开源的、用于部署高性能长时间运行代理的工具。
此工具是Claude管理代理的一个强大且开放的替代方案。上周发布的`deepagents deploy`旨在提供一种最快捷的方式，将高度能力的、长期运行的代理带入生产环境。随着智能代理在各个领域的应用越来越广泛，标准化成为推动其发展的关键因素。我们相信，通过采用这一开放标准，未来将能够更好地管理和扩展代理配置。
即将推出的用户记忆和子代理功能将进一步增强该工具的功能性和灵活性，为用户提供更加全面的解决方案。
在制作视频或播客时，寻找一款好用的AI配音工具常常面临两个主要问题：高昂的商业软件订阅费以及上传音频数据可能引发的隐私泄露风险。
为了解决这些问题，开发者们找到了一个名为Voicebox的开源语音合成工具。这款工具的所有模型和数据都在本地运行，从而有效避免了数据泄露的风险。它不仅能够作为ElevenLabs这类商业软件的免费替代方案，还提供了更多的功能和灵活性。
特点与优势：
- 只需几秒钟的音频样本就能克隆声音；
- 内置5个语音引擎，支持23种语言的语音生成，并且切换引擎非常简单；
- 多轨道音频编辑器允许用户在时间轴上编排多个角色的对话，特别适合制作播客或有声读物；
- 支持插入如笑声、叹气、咳嗽等情绪标签，使生成的语音更加自然；
- 内置变调、混响、延迟等多种音效处理功能，方便用户直接调整而无需额外使用其他音频软件；
- 支持超长文本自动分段拼接，最多可处理5万字符。
此外，Voicebox还提供了完整的本地接口，便于开发者将其集成到自己的项目中。如果你希望在本地完成声音克隆和语音生成任务，同时又不想为云服务支付费用，那么Voicebox绝对值得一试。
Vercel 开源了 Open Agents，一个用来搭建企业自有编程 Agent 平台的参考实现。 CEO Guillermo Rauch 说：现成的编程 Agent 在大型代码仓库上表现不行，也不了解你公司的知识体系和内部流程，所以 Stripe、Spotify、Block 这些公司都在造自己的 AI 软件工厂。 Open Agents 绑定了 Vercel 自家的 Fluid、Workflow、Sandbox 和 AI Gateway 这套底座。但不管怎么说，Open Agents 给了一个可以直接 fork 的起点。 架构分三层：前端负责会话和认证，Agent 作为持久化工作流运行在 Vercel 上，沙箱提供隔离的代码执行环境。一个关键设计是 Agent 不跑在沙箱里面，而是从外部通过工具调用（文件读写、Shell 命令、搜索等）操作沙箱。这样 Agent 的生命周期、沙箱的生命周期、模型的选择，三件事互不绑定，各自演进。 功能上已经比较完整：支持对话驱动的编程 Agent、沙箱快照恢复、仓库克隆和分支操作、自动提交和发 PR、会话分享，甚至还有语音输入。 对于正在考虑自建编程 Agent 的技术团队，这省了从零搭架子的功夫。对于没有这个需求的开发者，这个项目的架构设计本身也值得看看，尤其是 Agent 和执行环境分离这个思路，几乎是当前所有 Agent 框架都在趋同的方向。 对比下 Anthropic 的 Managed Agents。 Vercel 的 Open Agents 是开源参考实现，给你一套可以 fork 的代码，自己部署、自己改。Anthropic 的 Managed Agents 是全托管服务，你通过 API 定义 Agent 的行为，基础设施全部由 Anthropic 运行，连沙箱、状态管理、错误恢复都不用操心。 有意思的是，两者在架构核心上达成了同一个共识：Agent 和执行环境必须分离。Vercel 的文档里专门强调"the agent is not the sandbox"，Agent 从外部通过工具调用操作沙箱。Anthropic 的工程博客用了一个更形象的说法，把 Agent 拆成"大脑"和"手"，大脑（模型和调度循环）不住在容器里，通过接口远程操控沙箱。 Anthropic 的工程博客还解释了为什么要这么做：早期他们把所有东西塞进一个容器，结果容器变成了"宠物"（Pet），挂了就什么都丢了，调试还得钻进去看，而容器里又有用户数据，安全上也过不去。拆开之后，容器变成了"牲口"（Cattle），坏了就换一个，会话日志（Session）独立存储在外面，随时可以恢复。 除了架构哲学，两者的差异很明显： 模型锁定方面，Open Agents 不绑定模型，你可以接任何 LLM。Managed Agents 只能用 Claude 系列模型，但换来的是 Anthropic 在 harness 层面做的 prompt caching、上下文压缩、自动恢复这些优化，这些东西自己搭很难做好。 成本结构方面，Open Agents 的成本是你自己的基础设施费用加上模型 API 调用费。Managed Agents 是三层计费：模型 token 费 + 每小时 0.08 美元的运行时费（按毫秒计，空闲不收费）+ 网页搜索每千次 10 美元。 控制权方面，Open Agents 给你完整源码，怎么改都行，但搭建和维护是你的事。Managed Agents 上手快（有人说 30 分钟就能跑起来），但你被限制在 Anthropic 提供的 API 能力范围内。 【QuotedContent:3 months ago I started building a coding agent that runs in the cloud. It's since written every line of code I've shipped, including itself. Today, I'm open sourcing it. Introducing Open Agents. https://t.co/puuqWfMKej】
Claude-Mem是一款免费插件，旨在增强Claude会话之间的持久记忆。
该插件能够捕捉工具使用情况，让用户在每次重新开始时都能无缝衔接之前的工作进度。其核心功能包括一个生产级的三层检索系统，可节省高达10倍的令牌。这一创新技术不仅提升了用户体验，还显著降低了资源消耗。
Claude-Mem完全开源，开发者可以自由访问和修改代码。这对于那些希望深入了解或定制解决方案的技术爱好者来说是一个巨大的优势。
- 捕获工具使用情况，确保工作连续性
- 三层检索系统，节约令牌资源
- 完全开源，支持自定义扩展
