AI 科普站
大模型原理、AIGC 工具测评、AI 新手教程与行业解读，用大白话讲清楚人工智能。
-
中国电信开源 29B 意图模型：总分赢 9 分，实体检测只赢 1 分中国电信星辰实验室开源 29B 意图理解模型 Xing4.0-29B-Intent，把一句人话拆成「要干什么」和「具体要什么」。官方评测总分 58，比参评通用大模型的最高分 49 高 9 分。但四类任务拆开看，意图分类领先 17 分，实体检测只领先 1 分。本文还把原文第二张表里一个容易被忽略的现象拎出来：同一个模型换个答法，单选得分从 60 掉到 24，负例从 35 掉到 5。
-
蚂蚁发了个不会写话的模型：Token 少 90%，快 10 倍蚂蚁数科 10 月 22 日发布决策模型 LingDT-Decision-1.0，有 4B 与 27B 两个版本，已在自建平台限时免费。它不生成句子，只在给定选项里挑一个，官方称相比大语言模型 Token 消耗降低超 90%、响应时效提升 10 倍。本文把这个数字的对比基线逐条拆开，并指出报道没提的一个细节：4B 版本在同尺寸组里其实排第二，只差 0.07 分。
-
拍人类干活的第一人称视频，这家小公司做到了 1 亿美元年收入报道称硅谷公司 Maxinsights 雇人戴头戴相机采集第一人称操作视频，交付超 200 万小时，ARR 连续多月站上或逼近 1 亿美元，客户含 Google DeepMind、Figure AI、1X、Dyna Robotics。Dyna-2 用 100 万小时人类视频预训练，动作预测均方误差降约 12%；GENE-26.5 自主完成约 20 步连续烹饪。OpenAI 是否为客户报道未公开确认，文中已标明边界。
-
机器人捡垃圾前，先给自己画了张地图千诀科技 2026 年 10 月 20 日在南京物理 AI 与世界模型大会上发布预测式世界模型 Polibrain。核心比喻是：有了地图可以推出最短路径，但有了路径反推不出地图。文中还原了「主人出门拿走钥匙」被误当因果的例子，也写清边界——报道明确说这套机制在复杂场景是否可靠还需更完整的实测数据，抓取成功率等指标没有公开。
-
54 个 AI 医生坐进诊室，会诊时故意不把意见统一18 个临床科室、40 余名医生在测，系统里跑着 54 位 AI 医生分身，覆盖数千种疾病。它最反常的设计是分身意见不一致时不主动统一，把分歧高亮摆给医生。报道还提到一个细节：AI 推荐疗效占优的药，医生换成了进医保的便宜药。MedQA 准确率超 96%，30% 的效率提升来自院方口径。
-
SimHash实测：改掉30%的字，一半查不出来360 个正样本对、300 个同题材困难负样本，横向跑 Jaccard、余弦 TF-IDF、SimHash、MinHash 五种中文近似重复检测。三种集合类算法在误报率 1% 时检出率 100%，SimHash 只有 92.78%，改到 30% 更掉到 50%。根因是它的正负样本分数区间交叉，阈值怎么定都救不回来。
-
25%重叠多出28%重复字符，召回反而降了拿 40 篇真实中文文章、共 67,615 字，用 10 种切法各切一遍，量三件事：块被从句子中间切断的比例、切片总量多出来的重复字符、以及检索时正确的块能不能排到第一。固定字数切块九成五以上断在半句话上；加 25% 重叠让重复字符涨到 28.27%，R@1 反而从 91.15% 降到 89.17%；按段落切的 para_800 拿到最高的 93.33%。
-
抽查 900 个 AI 工具网址：8.6% 打不开，只有 5.6% 是真死了从站内 AI 导航库 6,827 条在线记录里随机抽 900 条实跑：80.78% 正常返回，5.56% 能确认打不开，8.56% 被 403 等状态码拦住但不算死站。46 条 TLS 失败里复测有 11 条自己好了，另有 7 条域名已在挂牌出售。存活率最低的一类是 AI 文案写作，55.6%。
-
JPEG 压到 q=10 OCR 仍全对，缩到 15% 错字率 83.8%一张 1400x760 的中文报表截图实测 16 个变体。JPEG 质量从 q=95 压到 q=10，体积降到原 PNG 的 29.8%，OCR 字错率仍然是 0；真正让识别崩掉的是缩小尺寸，缩到 50% 字错率 1.80%，25% 到 8.38%，15% 到 83.83%。纯文字截图用 PNG 比 JPEG 还小 19.5%。
-
18 条脏 JSON，5 种解析写法：最好的救回 14 条，最差 1 条18 条手写畸形 JSON 实测 5 种解析写法。json.loads 直接解析只过 1 条，只截大括号 7 条，正则修补 13 条，自己写的字符状态机反而只有 10 条，括号配对加修补 14 条。另有 4 条谁都救不回，还有一条 5 种写法全部不报错但值是错的。
-
3 天 3000 块拍完 120 分钟短剧，真人剧组要 50 万10 月 20 日飞书豆包工作 AI 先锋未来人才大赛总决赛，山海星辰命题「一人剧组」，邱杨、李淑洁、杨浩用豆包工作搭 AI 生产流水线，最快 3 天 3000 元做完 120 分钟短剧，传统真人剧组要 25 到 40 天、50 万到 100 万。现场 12 组选手、4300 多支战队、108 家企业，80% 以上 Token 消耗在豆包工作。企业带岗现场抢人，学生反选 Offer，复旦历史学本硕的孙梦做出 AI 旅伴产品。
-
成本只剩上一代 30%，跑分却反超 Claude Opus 5国庆在 OpenRouter 匿名屠榜的 Space Bunny 落地，是 MiniMax M3.1 Flash：输入每百万 token 1 元、输出 4 元、缓存 0.1 元，综合成本压到上一代 M3 的三成。ALE 29.6% 拿国模第一，DeepSWE v1.1 拿 73.7% 反超 Claude Opus 5，CyberGym 82.2，BankerToolBench 76.2 与 Claude Opus 5 并列，OSWorld V2 61.7，AutomationBench-AA 单任务成本不到 0.05 美元，输出最快 200+ TPS。代价是 Flash 属小模型，榜单又都是公开题库，深度推理仍会掉链子。
-
20 条词库时，教科书推荐的算法比最笨的写法慢 10 倍150 篇正文 24.6 万字做敏感词过滤实测：词库 20 条时逐词 in 只要 2.6 毫秒，Aho-Corasick 要 26.1 毫秒，慢 10 倍。要到 500 条才反超，2000 条时快 6.94 倍。正则自始至终没赢过逐词 in。
-
提示词里写了 JSON 示例，一跑代码就报 KeyError提示词模板里带 JSON 输出示例，用 Python 的 format 填充必抛 KeyError，format_map 加 defaultdict 兜底也撑不住，抛的是 ValueError。实测 8 种拼接写法只有 2 种会坏，replace 和 string.Template 从一开始就绕开了这个坑。
-
10 万向量检索实测：float16 内存减半，耗时慢 20 倍10 万个 768 维向量实测：单条查询 19.79 毫秒，约每秒 50 次。转 float16 内存从 293MB 降到 146.5MB，耗时反升到 394 毫秒，是 float32 的约 20 倍。分块扫不加速。只扫 50% 数据，Recall@10 只剩 45%。