Google 推送的 Gemini 3 Deep Think

2025-12-05 14:30

Google 推送的 Gemini 3 Deep Think，可能是目前唯一能在这个维度真正落地“慢思考”的 AI 方案。其核心逻辑不是让你更快得到答案，而是像人类专家一样，先在后台进行“平行推演”和自我反思，再给出最优解。实测下来，对复杂逻辑的提升显而易见： 1️⃣ 突破性泛化能力在被视为“AGI 圣杯”的 ARC-AGI-2 测试中，它拿下了 45.1% 的高分。相比之下，GPT-5.1 仅为 17.6%。这意味着在面对从未见过的陌生难题时，它不再是靠背题库，而是真的在推理。 2️⃣ 牺牲速度换精度原理类似思维链（CoT）的进阶版：系统会同时生成多个假设路径并进行 Self-verification（自验证）。代价是响应速度慢了 1.4-2.3 倍，但对于代码重构、科研假设验证或复杂金融分析，这几分钟的等待完全值得。 3️⃣ 门槛与建议目前仅面向 Ultra 订阅用户（约 $125/月）。如果你只是写周报或简单对话，普通版足够；但如果是解决 Deep Research 级别的硬核问题，这是目前的最优解。 🔗 官方技术细节： blog.google/products/gemini/gemini-3-deep-think/ #AI工作流 #深度推理 #Gemini3 #AGI #效率工具

Google 推送的 Gemini 3 Deep Think

更多动态

语音交互延迟干到 97ms，不做这块优化的产品可能要掉队了

阿里 Qwen3-TTS-Flash 新版发布，一举解决“方言本地化”和“对话即时感”两大痛点，实测体验相当能打。 1️⃣ 快得像真人抢话首包延迟（First Packet Latency）压到了 97ms。简单说，用户话音刚落 AI 就能无缝接话，这种流式推理架构（Streaming Inference）直接消除了“人工智障”的等待感，做实时通话或数字人必备。 2️⃣ 方言才是护城河区别于 GPT-4o 的标准腔，它原生支持四川话、粤语、北京话等 9 种方言。做下沉市场、本地化社交或老年人陪伴产品，这种“地道感”是核心壁垒，直接省去专门训练方言模型的成本。 3️⃣ 复杂场景高稳定性支持中英混说（Code-switching）且音色不突变，连 LaTeX 公式都能读对。在 Seed-TTS-Eval 基准测试中，其稳定性（WER）和音色相似度已优于 MiniMax 和 ElevenLabs，属于当前第一梯队。 👉 官方博客： https://qwen.ai/blog?id=qwen3-tts-1128 #AI工作流 #Qwen3 #语音合成 #独立开发 #本地化

阿里千问 App 刚上线 Qwen3-Learning 模型

，主打 K-12 全科“拍题讲解”与“作业批改”，完全免费且不限次。这不仅仅是传统的 OCR 搜题，而是把 LLM 的推理能力落地到了具体场景： 1️⃣ 从“给答案”到“教逻辑” 利用思维链（CoT）技术，模型不会直接丢出结果，而是模拟真人老师把题目拆解成 Step-by-Step 的步骤。实测从小学应用题到大学高数、编程，它能把“怎么做出来的”讲清楚。 2️⃣ 多模态识别的高可用性底层整合了 Qwen-Image 视觉能力，对书写潦草的手写体、复杂的几何图表识别率很高。作业批改也不再是死板对答案，能根据上下文理解学生的解题意图进行智能诊断。 3️⃣ 碾压级的成本优势目前最大的红利是“无使用门槛”。对比市面上动辄收费或限制次数的竞品（如 ChatGPT Plus 或各类学习机），这种万亿级参数模型免费开放，对普通家庭是巨大的效率杠杆。 #AI教育 #Qwen3 #降本增效 #学习工具 #信息差

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。