大模型最难的AI Infra,用Vibe Coding搞定
大模型最难的AI Infra,用Vibe Coding搞定Andrej Karpathy 大神力荐的 Vibe Coding,正在成为开发者的新宠。这种「只需聊一聊,AI 可以把功能写出来」的体验,极大提升了简单任务的开放效率。
搜索
Andrej Karpathy 大神力荐的 Vibe Coding,正在成为开发者的新宠。这种「只需聊一聊,AI 可以把功能写出来」的体验,极大提升了简单任务的开放效率。
这篇文章的思路来自 Philipp Schmid,由 minghao 推荐 https://www.philschmid.de/agent-harness-2026
OpenAI转身牵手AWS,苹果低头找谷歌续命,Meta开源翻车还内斗,马斯克直接把Macrohard挂上数据中心屋顶。2025年AI巨头们那些剪不断的纠葛。
当 OpenAI 前 CTO Mira Murati 创立的 Thinking Machines Lab (TML) 用 Tinker 创新性的将大模型训练抽象成 forward backward,optimizer step 等⼀系列基本原语,分离了算法设计等部分与分布式训练基础设施关联,
一个百元级的「红灯」,如何成了信息焦虑时代的解药?
2024年7月14日,2024年欧洲杯锦标赛冠军赛如期举行,比赛将决出欧洲最佳国家足球队。在比赛只剩下不到五分钟时,西班牙队和英格兰队比分为1比1平,此时西班牙球员Mikel Oyarzabal在禁区顶端扑球,踢进了看似制胜的一球[1]。然而,在这次进攻中,Oyarzabal的位置接近越位,或者说离球门太远。
想象一下,你正在训练一个未来的家庭机器人。你希望它能像人一样,轻松地叠好一件衬衫,整理杂乱的桌面,甚至系好一双鞋的鞋带。但最大的瓶颈是什么?不是算法,不是硬件,而是数据 —— 海量的、来自真实世界的、双手协同的、长程的、多模态的高质量数据。
对于电子产品,我们已然习惯了「出厂即巅峰」的设定:开箱的那一刻往往就是性能的顶点,随后的每一天都在折旧。
这两年一直在关注 AI,Claude Code 给我带来的震撼,和当初 Nano Banana 在画图领域的革命,几乎是一个级别。
flomo 是我今年用过的应用里,少数真正把 AI 从「好玩」做到「好用」的产品。