更多动态
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

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

1.6T 总参、激活约 48B,原生多模态,主推长程智能体,全程国产算力训练。 图像量化成多级离散 token,Visual Coding 与 3D 受益。 大规模长程 RL,把失败轨迹转成可验证训练任务。 W4A4 推理,prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。

它不堆参数,堆"层数"。32 层解码器,中间 4–27 层同权重跑两遍 → 前向 56 层计算,只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72,超 Qwen3.5-27B;Terminal Bench依旧落后。
