卧槽，Gemini 3 pro在网页端已推出！！
卧槽，Gemini 3 pro在网页端已推出！！
更多动态
Gemini 3 Pro免费用｜领取最强Vibe Coding工具
Google Antigravity 把 IDE 变成了“智能体指挥中心”，你不再是码农，而是指挥 Gemini 3 多线程干活的技术总监。 🔹 原理秒懂：以前 Copilot 是你的“副驾”，现在 Antigravity 直接给你配了一个完整的“敏捷开发小组”。 1️⃣ 并行协作（Agent-first） 你在 Mission Control 下达需求，后台自动拆解任务：Agent A 写后端逻辑，Agent B 跑单元测试，Agent C 处理前端交互。多线程并行，速度比单人手撸快几个量级。 2️⃣ 所见即所得的工件（Artifacts） 它解决了 AI 编程最大的痛点——信任。它不只吐代码，还输出“工件”：实施计划、UI 截图、甚至运行录屏。哪里不对？直接在图上圈出来（Grounding），Agent 自动微调，无需重新写 Prompt。 3️⃣ 全自动闭环验证 集成了 Chrome 扩展，Agent 能调用 Computer Use 模型模拟真实用户在浏览器里点击、输入、测试，自己发现 Bug 自己修。 💡 开发者建议： 底层基于 VS Code（插件生态无缝迁移），目前 Mac/Win/Linux 全平台免费开放。对于复杂项目重构，建议利用其长上下文优势进行端到端测试，这是目前比 Cursor 更激进的尝试。 🔗 官网下载： antigravity.google 📄 技术文档： deepmind.google/gemini-3 #AI工作流 #GoogleAntigravity #全栈开发 #Gemini3 #生产力工具
节省 95% 算力成本，单卡 4090 就能跑赢千亿级模型的推理方案
微博开源 VibeThinker-1.5B，用“频谱到信号”新范式证明：逻辑推理能力不靠堆参数，而靠精细化的训练策略。 原理其实像“特种兵特训”：先通过多位专家模型蒸馏，让模型见识各种解题思路（Spectrum）；再用 MGPO 算法奖励那些“极少数但正确”的路径（Signal），专攻数理逻辑，而非死记硬背。 🔹 以小博大：在 AIME 24/25 数学测试中，1.5B 参数的分数（80.3/74.4）超过了 671B 的 DeepSeek R1，证明小模型足以胜任复杂推理。 🔹 成本极低：后训练全流程仅耗资 $7,800（约 5.6 万人民币），相比大模型动辄几十万刀的投入，把微调门槛降到了个人开发者可接受的范围。 🔹 部署友好：支持 PyTorch 和 GGUF，单张消费级显卡（如 RTX 4090）甚至端侧设备即可本地流畅部署，延迟降低 42%。 👨💻 配置建议：推理时推荐 Temperature 设为 0.6 或 1.0，Top-p 0.95，Max Context 设为 40,960 token 以确保长思维链（CoT）完整输出。 🔗 模型下载：huggingface.co/WeiboAI/VibeThinker-1.5B #AI工作流 #本地部署 #边缘计算 #VibeThinker
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
