EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • Runway Praxis-1 每輪算出約 1.6 秒的手臂動作,再用實拍畫面算下一段

    Runway Praxis-1 每輪算出約 1.6 秒的手臂動作,再用實拍畫面算下一段

    機械手臂第一下沒抓好 T 恤,布料就會皺成另一個形狀。Runway 的機器人研究員 Rik Heijdens 用這個情境介紹 Praxis-1。模型每一輪會預測接下來的畫面與動作,機械手臂做完一小段後,下一輪再看攝影機實際拍到了什麼。Runway 已以 Apache 2.0 授權開放模型權重。 來源 1 來源 3 來源 4

    畫面怎麼變成手臂指令?

    每輪開始時,Praxis-1 讀進文字指令、最新的攝影機畫面,以及手臂目前的姿態。以報告中的 Franka 為例,畫面來自外部和手腕上的攝影機。視訊模型根據這些資訊預測接下來的場景,專門算動作的模組則讀取視訊模型在預測過程中產生的內部資訊,算出手臂末端要怎麼移動與轉向,以及夾爪要怎麼開合。 來源 3

    手臂動了之後,模型怎麼知道現場變了?

    預設模式下,手臂會先做完模型給的這一段動作。通常一段有 24 筆指令,以每秒 15 筆執行,共 1.6 秒。每次開啟新的預測視窗時,第一輪會短一些,只有 21 筆。每段做完後,攝影機實際拍到的畫面會送回模型,當作下一輪的輸入。 來源 3

    Runway 機器人團隊的 Rik Heijdens 在《Inside View》第三集用折 T 恤說明重新看一眼的用處。假設第一下抓偏了,布料皺成另一個形狀,照原先排好的路線走就可能折不好。模型在下一輪可以根據實拍畫面裡的布料狀態重新算動作。 來源 1 來源 3

    Runway《Inside View》第三集同貼文的 3 分 07 秒剪輯。約 1:13 起解釋手臂如何處理衣服變形,1:43 起說明攝影機回饋,1:58 起是研究者對未來用途的推估。 影片來源

    帶時碼逐字稿00:00:00.000 需要人來引導 AI,所以人類的判斷很重要。00:00:06.200 人要劃定它的運作範圍,也要驗證結果。00:00:10.520 我叫 Rik Heijdens,在 Runway 做機器人研究。00:00:17.980 這是實體 AI。你寫下程式,真實世界就有事情發生。00:00:22.440 你也可以訓練模型,讓它真的和現實世界互動。00:00:26.000 我喜歡的嗜好也是這樣。我自己打造賽車,然後開去比賽。00:00:31.260 我花時間想,怎麼把車設計得更好。00:00:35.960 腦中有一個想法後,你會花很多時間琢磨,再動用各種工具。00:00:40.400 最後你真的把它做出來,就能在現實中和它互動。00:00:45.520 我很享受這個過程。最近我在做00:00:49.560 Praxis-1。Praxis-1 是世界行動模型。構想是用視訊模型00:00:55.280 讓機器人做以前很難做的任務。00:00:59.600 傳統做法很難的一點是,你先替機器人寫好程式,00:01:04.820 它就一直走同一條軌跡。我們的模型可以00:01:09.280 回應環境變化,也能判斷發生了什麼。00:01:13.640 比如摺 T 恤,機器人可以依衣服摺起來的形狀調整。00:01:19.600 布料會變形,視訊模型會推估00:01:24.920 布料會怎麼變。控制機器人時,我們就想利用這種能力。00:01:28.600 如果你預先寫好固定的路徑,00:01:33.560 也就是先指定每個途經點,那麼一旦沒抓好 T 恤,00:01:38.520 它皺成別的形狀,機器人就可能摺不好。00:01:43.280 我們用機器人上的攝影機取得畫面,00:01:48.320 把這些觀察交給模型,00:01:53.440 模型就能回應環境和手上物件的變化。00:01:58.680 我想像,也許五年後我們會有一位居家助理,00:02:03.760 它可能是一台機器人,能把碗盤放進洗碗機、再拿出來,00:02:09.160 摺洗好的衣服、整理花園或取信。00:02:14.680 在倉儲和物流,也可能有這類機器人,00:02:19.440 由世界行動模型控制。想像一下處理服飾退貨,00:02:24.160 機器人可以打開包裹、把內容分類。00:02:29.640 農業也有很多可能的應用,00:02:34.800 例如除草,或在溫室裡工作。00:02:40.080 我認為,接下來幾年許多由人做的重複工作00:02:45.600 可能會交給機器人。00:02:50.360 開發過程其實很像。00:02:54.600 無論你在為 Runway 做新功能,還是在造車,00:02:58.400 心裡都有個設計,要想清楚想要什麼特性,以及要怎麼把設計做成真的。

    模型看得到現場,為什麼還會抓錯?

    Runway 在實機測試中遇到最常見的失誤,是手臂伸向長得像目標的物品。這種錯誤通常在模型預測的畫面裡就看得出來。場上有相似物件時,報告指出,指令說清楚顏色或大小,模型的表現會比指令含糊時好。開頭那句「把黃色積木放進藍色杯子」,就把要抓的東西和要放的位置都說清楚了。 來源 3

    同一台機器拔筆蓋,影片比較了什麼?

    Runway 的並排影片用同一台機器拔筆蓋,兩邊畫面都用 8 倍速播放。片尾標示的任務完成時間,Praxis-1 是 13 秒,GPT-6 Astra 是 7 分 54 秒。Runway 另外報告,同一工作站用同一組任務比較時,Praxis-1 完成速度為 15.6 倍,每項已完成任務的成本約為對方的 1/51。這組數字取決於當時的手臂、任務與控制設計。 來源 2

    無口語。同一台機器拔筆蓋的兩個片段都以 8 倍速播放。完工時各欄標示 13 秒與 7 分 54 秒。 影片來源

    原文:https://easyvibecoding.app/curated/3810-runway-praxis-1-robot-camera-action

    8 min
  • RTX Spark 小桌機開賣,最高 128 GB 統一記憶體對本機 AI 有什麼用?

    RTX Spark 小桌機開賣,最高 128 GB 統一記憶體對本機 AI 有什麼用?

    同一款華碩 ProArt GR1X 小桌機,有 64 GB 和 128 GB 兩種版本。CPU 和 GPU 共用同一池記憶體。選 128 GB 版本,共用容量就加倍,本機 AI 有更多空間載入較大的模型,也能替同時開著的創作工具留出空間。 來源 5 來源 1

    [](https://press.asus.com/assets/w1266%2Ch730/4090578d-bf7b-40bd-9cd3-9715f7298f76/ProArtGR1XPR-image.png)

    NVIDIA 宣布華碩、Dell 和 MSI 的 RTX Spark Windows 小桌機已開賣,接在先前推出的筆電之後。128 GB 是小桌機的最高記憶體規格。華碩指出,ProArt GR1X 的售價和供貨會因地區而異。 來源 1 來源 3 來源 2 來源 5

    128 GB 可以跑多大的模型?

    拿 NVIDIA 列出的 1,200 億參數語言模型來算,假設每個參數用 4 位元儲存,光是模型權重就約占 60 GB。64 GB 幾乎用滿,還得留空間給系統、推論工具,以及模型處理提示詞和文件時要暫存的資料。128 GB 的好處就在這裡,同一個模型載入後,還有更大的空間處理這些資料。 來源 1 來源 5

    華碩宣稱 ProArt GR1X 支援 1,200 億參數的語言模型搭配最多 100 萬個 token 的上下文,也就是模型一次能參考的內容長度。公告未列出對應的 64 GB 或 128 GB 配置、採用的模型、權重壓縮方式或每秒能生成多少 token。若要拿它處理長文件,還得看目標模型在該配置下能處理多長的內容,以及回應要等多久。 來源 5

    筆電帶出門後,小桌機能接著做什麼?

    筆電帶出門後,小桌機可以繼續跑排程或耗時的算圖。NVIDIA 在 Adobe MAX 讓參加者用文字指令把草圖做成渲染圖,也生成影片。NVIDIA 舉的另一個操作例子是讓 Hermes Agent 串接 Photoshop 和 ComfyUI,選出圖片中的主體、指定它怎麼動,再直接在電腦上生成動畫。 來源 1

    用支援的模型在本機完成任務,這些任務處理的程式碼和檔案可以留在電腦上,也省下按 token 計算的雲端 API 費用。Hermes 裡的 NVIDIA Switchyard 則可自動在本機和雲端模型之間分派任務,讓日常工作在電腦上跑,把較複雜的推理交給雲端。 來源 1

    原文:https://easyvibecoding.app/curated/3809-nvidia-rtx-spark-desktop-unified-memory

    4 min
  • Google 量子魔方陣勝率 98.3%,105 個量子位元又驗到什麼?

    Google 量子魔方陣勝率 98.3%,105 個量子位元又驗到什麼?

    畫一個 3×3 方格,每格填 +1 或 −1。每橫列的乘積要是 +1,每直欄的乘積要是 −1。把三列的乘積再乘一次,九格合起來是 +1。改從三欄算,同樣九格卻得出 −1。Google Quantum AI 把這個矛盾變成雙人遊戲,在 11 月 19 日發表於《Science》的研究中,用 Willow 處理器上的四個量子位元拿下 98.3% 勝率。同一篇研究也用了最多 105 個量子位元,測試量子電路能不能只靠固定幾層運算,就找出更大矩陣裡的線性規律。 來源 2 來源 1

    98.3% 勝率怎麼來?兩人各自作答,交會格要填一樣

    每局,Alice 只知道自己要填哪一橫列,Bob 只知道自己要填哪一直欄。兩人可以事先商量,作答時不能通訊。各自填出的三個數要符合乘積規則,交會那格還要答一樣才算贏。事先排好的答案至少會在一個交會格撞上矛盾,所以九種題目等機率出現時,經典策略最多贏 8/9,也就是 88.89%。Google 把九種組合各跑 10 萬次,整體勝率達 98.30%,高出約 9.41 個百分點。 來源 2

    [](https://storage.googleapis.com/gweb-research2023-media/originalimages/QuantumContextuality1-MagicSquareGame.png)

    右側每個點對應一種列欄組合,誤差棒以 100 倍的 σ 畫出。

    兩人事先共享兩對糾纏量子位元,各拿兩個。收到題目後,Alice 依指定的橫列選一組測量,Bob 依指定的直欄選一組測量。同一格有時跟整列一起測,有時跟整欄一起測。量子脈絡性指的是,你能用來解釋這些結果的方式,得考慮哪些測量是一起做的。要把所有結果都當成早已填好的一張答案表,就會碰到開頭的矛盾。共享的糾纏讓兩人各自測量時,交會格的答案仍能一致。理想的量子策略可以每局都贏,實機約每 60 局輸一局,研究團隊將落差歸因於硬體雜訊。 來源 2

    105 個量子位元驗到什麼?題目變大,電路層數固定

    另一項實驗要找出藏在輸入矩陣裡的線性規律,研究團隊稱它為「隱藏線性函數」。比較的條件是電路深度固定,也就是題目再大,仍只能用固定層數來算。這限制了資訊在經典電路中每個輸出能取得的範圍。Google 把量子電路擴到 105 個量子位元,成功率隨規模增加降到約 60%,仍高於圖中同一規模下經典策略的推測上限。 來源 2

    [](https://storage.googleapis.com/gweb-research2023-media/images/QuantumContextuality3-HiddenLinearFunction.width-1250.png)

    下圖採用 P\_gate = 0.5,也就是上圖箭頭涵蓋的量子閘各以一半機率施加。

    量子測試怎麼抓到硬體誤差?

    這類測試要求多個量子位元的測量結果同時符合指定規則。研究團隊在實驗中發現細微的相干誤差,也就是量子態的旋轉稍微偏離預定角度。這類偏差在隨機電路測試裡容易被平均掉。以魔方陣為例,88.89% 是經典策略的上限,而實機勝率離理想量子策略的 100% 還有多遠,也能用來衡量硬體表現。 來源 2

    原文:https://easyvibecoding.app/curated/3808-google-quantum-contextuality-magic-square

    5 min
  • Google 示範 Gemini 在 Mac 背景操作 Blender,把蝴蝶草圖做成可擺姿勢的 3D 模型

    Google 示範 Gemini 在 Mac 背景操作 Blender,把蝴蝶草圖做成可擺姿勢的 3D 模型

    Google 的示範從一句話開始:能不能把孩子畫的蝴蝶做成 Blender 模型,再加上能控制動作的骨架?Gemini 的畫面先列出檢查工作資料夾和 Blender 安裝狀況,接著列出建模和加上材質。Google 在官方貼文表示,這次示範把手繪草圖做成了綁好骨架的 3D 模型。有了骨架,就能在 Blender 裡調整蝴蝶的姿勢。 來源 2

    [](https://storage.googleapis.com/gweb-uniblog-publish-prod/images/heroheaderCUcopy.width-1300.png)

    Google 官方約 63 秒無口語示範,背景為配樂。先輸入手繪蝴蝶,畫面接著出現工作區檢查、Blender 模型和後續 AR 與列印展示。 影片來源

    Gemini 操作 Blender 時,我還能用滑鼠嗎?

    可以。Gemini 在獨立的背景視窗點擊、捲動和輸入,你的主畫面和游標可以繼續用。想看它做到哪裡,可以在聊天裡看即時預覽。你可以選擇 Gemini 能存取哪些 App、隨時暫停,並在關鍵操作執行前核准。 來源 2 來源 1

    台灣現在能用嗎?

    Google 公布的首波開放範圍是美國,在 Gemini 的 Mac App 內以英文提供給 Google AI Plus、Pro 和 Ultra 訂閱者。這次公告沒有提供台灣的開放時間。 裝置也要是 Apple Silicon Mac,作業系統須為 macOS Sequoia 15.0 或更新版本,並使用符合年齡條件的個人 Google 帳號。 來源 3 來源 1

    原文:https://easyvibecoding.app/curated/3807-gemini-mac-computer-use-blender-butterfly

    2 min
  • GPT-Live 1.1 開放 API,WebRTC 語音助理怎麼在通話中暫停推論?

    GPT-Live 1.1 開放 API,WebRTC 語音助理怎麼在通話中暫停推論?

    想像你打給語音客服,講到一半停下來找訂單編號。如果客服用 WebRTC 通話並設定了待機,空檔到了設定的秒數,助理就會暫停推論,通話仍保持連線。等系統偵測到你開口念編號,助理就會恢復推論,接著原本的對話聊下去。 來源 4

    OpenAI 已在 API 開放 GPT-Live 1.1,開發者可用模型代號 gpt-live-1.1 建立語音工作階段。這次推出的待機功能也支援上一代 GPT-Live 1。 來源 2 來源 1 來源 3

    怎麼設定待機?開口後怎麼恢復?

    建立 WebRTC 語音連線時,把 session.wake\_policy.type 設為 speech,讓模型等到偵測有人開口才開始推論。 把 session.idle\timeout\s 設為 5 到 60 之間的整數秒。來電者和助理兩邊都沒有產生逐字稿,持續到設定秒數後,模型就暫停推論。省略這個秒數,模型在第一次喚醒後會持續運作到通話結束。 待機時保持麥克風音訊傳輸。你再開口時,系統會在同一條連線、同一個工作階段恢復對話。OpenAI 文件提醒,待機後如果只說了很短的一句,第一個回應可能比較慢。

    來源 4

    找訂單編號的空檔怎麼收費?

    GPT-Live 1.1 的語音費用按秒累計。推論運作時的費率是每分鐘 0.05 美元,WebRTC 工作階段暫停推論時是每分鐘 0.02 美元。假設通話原本正在推論,待機門檻設為 15 秒,找訂單編號時雙方連續 45 秒都沒有產生逐字稿。前 15 秒按運作費率計,後 30 秒按待機費率計,這段空檔的語音費用合計 0.0225 美元。同樣 45 秒若全程保持推論,語音費用是 0.0375 美元。後端模型與工具用量另計。 來源 1 來源 4 來源 5

    官方短片展示了哪些口音?

    OpenAI 的發表短片用一段早餐對話展示多語發音。畫面依序標示美式英文、法文、德文與韓文,聽得到法文的可頌、德文的松鼠名稱,以及韓文的炒年糕。待機的觸發與費率,可對照上面的 API 文件。 來源 2

    OpenAI 官方約 44 秒多語短片。以早餐情境示範不同語言與口音,字幕依同片的原始畫面文字及聲音核對。 影片來源

    帶時碼逐字稿00:00:00.000 我想看看朋友會怎麼念00:00:02.500 幾個有點難念的英文單字。00:00:04.500 他們約我吃早餐。00:00:06.720 請給我一個可頌,好嗎?00:00:08.900 一個可頌。00:00:09.950 你要再試一次,還是趁熱吃?00:00:13.040 開吃吧。00:00:14.080 等等,桌上那是一隻松鼠嗎?00:00:16.540 對,是一隻松鼠。00:00:17.940 牠每天早上都來。00:00:19.460 我想牠在等你把視線移開。00:00:22.440 一隻……松鼠(Eichhörnchen)。00:00:25.920 等一下,我們是在點早餐,還是在考發音?00:00:30.000 我們在吃早餐。00:00:31.430 我要一份韓式炒年糕。00:00:33.000 請給我最辣的。00:00:35.360 欸,怎麼不用叫松鼠念?00:00:38.000 [笑聲]00:00:40.550 [畫面文字]GPT-Live 1.1 已開放 API。

    原文:https://easyvibecoding.app/curated/3806-gpt-live-11-webrtc-standby

    5 min
  • Kling 4.0 開放原生 4K 與 10-bit HDR,下載後怎麼驗?

    Kling 4.0 開放原生 4K 與 10-bit HDR,下載後怎麼驗?

    下載 Kling 4.0 生成的霓虹夜景後,交片前可以用 ffprobe 核對原檔的畫面尺寸、位元深度和 HDR 標記。Kling AI 宣布已支援原生 4K,4K 和 1080p 都能輸出 10-bit HDR。10 位元讓色階分得更細,HDR 則讓霓虹招牌的亮處和街角的暗處有空間保留更多細節。 來源 1 來源 3 來源 4

    Kling AI 在 9 月 30 日的首發文章把兩種解析度的 10-bit HDR 列為「即將推出」,功能頁也仍保留預告字樣。這次官方貼文已改稱支援,並把創作入口指向 Kling 官網。 來源 3 來源 2 來源 1

    [](https://pbs.twimg.com/media/HXftFlPbIAAGjJu?format=jpg&name=900x900)

    用 ffprobe 讀下載原檔

    在已裝好 ffprobe 的電腦上,把 kling.mp4 換成下載原檔的路徑。這條指令會選取第一條影片軌並略過封面圖,列出畫面寬高、像素格式、可讀到的位元深度,以及檔案如何記錄亮度。 來源 4

    ` ffprobe -v error -selectstreams V:0 -showentries stream=width,height,pixfmt,bitsperrawsample,color_transfer -of json "kling.mp4" `

    來源 4

    尺寸、10 位元和 HDR 各看哪個欄位

    先看 width 和 height。以 16:9 為例,4K UHD 是 3840 × 2160 像素,1080p 是 1920 × 1080 像素。這兩欄能核對交付檔的畫面尺寸。要確認是否直接以 4K 生成,還要回查生成紀錄。 來源 7 來源 1

    再看 bits\per\raw\sample 是否為 10。欄位缺省或顯示 N/A 時,可從像素格式 pix\fmt 判讀。例如 yuv420p10le 表示每個色彩成分以 10 位元記錄。 來源 7 來源 4

    最後看 color\transfer,也就是影片用什麼方式把亮度寫成數值。smpte2084 代表 PQ,arib-std-b67 代表 HLG,兩者都是 HDR 規格採用的亮度記錄方式。如果只讀到 10 位元,這支檔案是否帶有 HDR 標記仍待確認。 來源 7 來源 5

    串流沒有 HDR 欄位時,改查解碼影格

    如果串流未列出 color\_transfer,可以再讀開頭兩秒的解碼影格。本次在自製的 4K、10 位元 PQ 對照檔重跑,串流沒列出亮度標記,影格卻讀到 smpte2084 和 bt2020。這個測試用來核對指令。Kling 原始輸出仍待取得。 來源 4

    ` ffprobe -v error -selectstreams V:0 -readintervals '%+2' -showentries frame=pixfmt,colortransfer,colorprimaries -of json kling.mp4 `

    來源 4

    原文:https://easyvibecoding.app/curated/3805-kling-4-native-4k-10-bit-hdr-verification

    4 min
  • Google Antigravity 新增 SSH,關掉 Mac 視窗後代理程式仍在 Linux 跑

    Google Antigravity 新增 SSH,關掉 Mac 視窗後代理程式仍在 Linux 跑

    Google 的示範畫面裡,Antigravity 連上名為 gpu-devbox 的主機,接到一項要在 H100 顯示卡上分析程式效能的任務。桌面版新增原生 SSH 後,你也能從 Mac 直接開啟 Linux 主機上的專案資料夾,讓 AI 代理程式在那台機器讀寫檔案、執行指令。關掉 Antigravity 視窗或讓 Mac 休眠,跑到一半的任務仍會在 Linux 上繼續,回來後可以重新連線。 來源 1 來源 2

    Google 官方無口語操作示範。先連上 SSH 主機,再在遠端執行工作,最後示範切換機器。 影片來源

    從 Mac 開啟 Linux 專案資料夾

    Mac、Windows 和 Linux 都能當連線端,需要 Antigravity 桌面版 v2.33.0 以上和 OpenSSH。接收連線的主機須使用 64 位元 Linux(x86\_64 或 arm64)與 glibc 2.26 以上,例如 Ubuntu 18.04 以上。遠端主機和中途經過的跳板主機都要允許 SSH 連接埠轉送。遠端主機還要能對外連 HTTPS,並允許在使用者家目錄寫入檔案及執行程式。 來源 2

    在 Mac 的 Antigravity 按下 ⌘⇧P,選擇 Connect to SSH Host…。 從 SSH 設定清單選主機,或輸入主機名稱,再按 Connect 完成 SSH 身分驗證。Antigravity 會沿用既有的 OpenSSH 金鑰和設定。 等標有 SSH 主機名稱的獨立視窗開啟後,在 Mac 的瀏覽器完成帳戶登入。回到 SSH 視窗,按 Projects 旁的 Create New Project,選取 Linux 主機上的專案資料夾。

    來源 2

    要停掉 Linux 主機上執行中的代理程式,可以在側邊欄選「停止 SSH 伺服器…」。這會斷開連線,並停止主機上的 Antigravity 伺服器和代理程式。 來源 2

    三種遠端功能,差在工作在哪台機器跑

    像示範裡的 H100 任務,如果程式碼、工具和顯示卡都在自己的 Linux 主機上,就能從桌面版用 SSH 直接在那台機器工作。想用瀏覽器接手工作站或伺服器上已在執行的 Antigravity 工作階段,可以用「遠端控制」,那台機器得保持開機和連線。要在 Google 代管的環境開新工作,則可用「遠端代理程式」。這項功能目前正逐步開放給使用個人 Google 帳戶登入的 Google AI Pro 和 Google AI Ultra 訂閱者。 來源 2 來源 3

    原文:https://easyvibecoding.app/curated/3804-google-antigravity-native-ssh-remote-linux

    3 min
  • Gemini 先看工具名稱和用途,用到才載入欄位規格

    Gemini 先看工具名稱和用途,用到才載入欄位規格

    Google 的退款範例裡,Gemini 一開始只看到退款工具的名稱和用途。等它讀到訂單 A-1042 的商品送達時已損壞、使用者要求退 40 美元,才載入這個工具需要的欄位與資料型別,再產生帶有訂單編號和金額的呼叫。找工具、載入欄位規格、產生呼叫,都在同一次 API 請求內完成。 來源 1

    這項功能叫 Tool Retrieval。Google 在 11 月 19 日宣布開放預覽,入口是 v1beta 版的 Interactions API,支援 Gemini 3.6 及後續模型。使用 generateContent 的程式要改走 Interactions API 才能使用。 來源 1 來源 2

    Gemini 填好退款欄位,由應用程式執行

    用 Python 呼叫 client.interactions.create 時,在 tools 加入 {"type": "tool\search"},並在 issue\refund 的定義裡把 defer\loading 設為 True。送出範例的退款要求後,可以在 interaction.steps 依序看到 tool\search\call 點名退款工具、tool\search\result 帶回欄位規格,以及 function\call 填入 order\id 為 A-1042、amount 為 40。接著由你的程式執行退款,再把結果以 function\result 回傳給 Gemini。 來源 2 來源 1

    預設由 Google 的伺服器搜尋,程式每次請求仍要送出完整的 tools 清單,回傳退款結果的那一輪也一樣。延後的是欄位規格進入模型的時機。常用工具可以照常載入,只替較少用的工具開啟延後載入。 來源 2 來源 1

    自行篩選可用工具,每次搜尋多一次請求

    如果每個使用者能用的工具不同,可以把 tool\_search 的 execution 設為 client。Gemini 提出搜尋要求後,由應用程式依自己設定的權限規則篩選工具,再用一次 API 請求送回符合條件的工具定義。這些工具可以等到搜尋時才提供,所以使用者在對話中接上新服務後,也能加入該服務的工具。 來源 1 來源 2

    載入過的欄位規格,後續對話仍算輸入

    Tool Retrieval 本身沒有額外費用,輸入與輸出仍按所用模型的費率計價。開啟 tool\_search 會增加少量固定的輸入 token,載入過的欄位規格也會在後續對話繼續計入輸入。以退款範例來說,如果整段對話只載入退款工具,其他延後工具的欄位規格就省下來了。省下的部分超過搜尋本身增加的輸入 token,總輸入量才會下降。 來源 1

    原文:https://easyvibecoding.app/curated/3803-gemini-tool-retrieval-deferred-tools

    4 min
  • Claude 補完擱了二十多年的計算,確認模型宇宙升溫時會突然切換到黑洞狀態

    Claude 補完擱了二十多年的計算,確認模型宇宙升溫時會突然切換到黑洞狀態

    把一個模型宇宙慢慢加熱,原本占優勢的熱氣體會在某個溫度突然讓位給黑洞。當時空小到無法再用平滑的形狀描述,這個切換還會這麼突然嗎?Claude 算出一個擱了二十多年的係數,確認轉變仍是突然的。另一份預印本裡,Claude 算出在只有兩個空間維度的模型中,一種用來排除不自洽理論的篩法,最多能把上界壓到多低。 來源 1 來源 4

    第三輪修正裡的負號,判定轉變仍會突然發生

    1983 年,霍金與佩奇用廣義相對論算出,在他們研究的模型宇宙裡,溫度一過門檻,原本占優勢的熱氣體就會讓位給黑洞。時空小到無法用平滑形狀描述時,研究者改從量子理論下手。在這套描述裡,粒子彼此的作用很弱,可以先把作用當成零,再一輪一輪加回修正。1999 年,物理學家已發現升溫時仍會發生轉變。到了 2003 年,研究者指出,轉變究竟是突然跳變還是逐漸發生,取決於第三輪修正才出現的一個係數是正是負。 來源 1 來源 4

    Anthropic 的研究說明記載,Claude 讓多個副本分頭推導,幾乎每一部分都獨立算了兩次。關鍵係數算出來是負的,表示即使粒子間的作用很弱,升溫時也會突然跳變。粒子間的作用介於兩端時,是否也會突然跳變,仍待釐清。 來源 1 來源 4

    最簡版篩法能把上界壓到多接近黑洞門檻?

    第二題的模型有兩個空間維度和一個時間維度。物理學家用一個像甜甜圈表面的環面做檢查,把環面上的兩個環繞方向輪流當作時間。如果一套候選理論在兩種算法下無法得到同一個答案,就可以排除它。這套做法叫模組自舉法,預印本研究的是不區分自轉的最簡版。它限制的是候選理論裡最低的非真空初級態,也就是略過由其他狀態衍生的態後,真空之上的第一個能量層級可以有多高。 來源 1 來源 5

    這個上界寫成 c 除以一個數。c 叫中央荷,大致反映模型有多少微觀構成單元。分母越大,上界就越低。先前的數值計算估計分母可到 9.1 左右。Claude 注意到,c 越大,數值估出的上界也會微微移動。它循著這個規律找出分母的精確公式,算得約為 9.1266,並證明在預印本涵蓋的理論和檢查範圍內,c 很大時,上界的主要部分已無法再壓低。要把它降到黑洞開始出現的門檻 c 除以 12,還得加上其他條件。 來源 1 來源 5

    兩份預印本怎麼檢查結果

    Anthropic 在 Fable 5.2 的發表文中介紹這兩項成果。兩份預印本都把取得結果的模型寫為內部 Claude 研究模型。第一題的預印本記載,一位物理學家向模型提出問題,再拿幾個已有答案的特例核對結果。另一次 Claude 計算用不同方法得到同一結果。第二題則由公開版 Claude Opus 5.5 獨立算出同一結果,物理學家也檢查了每項主要結果。Anthropic 的研究說明記載,第二題的結果在 9 月以 Lean 逐步檢查數學證明。 來源 2 來源 4 來源 5 來源 1

    原文:https://easyvibecoding.app/curated/3802-claude-fable-black-hole-physics-two-results

    5 min
  • OpenAI 用 Codex 追查 ChatGPT 變慢的原因,部署後再確認效能是否恢復

    OpenAI 用 Codex 追查 ChatGPT 變慢的原因,部署後再確認效能是否恢復

    ChatGPT 的效能指標一旦跨過預設的告警門檻,OpenAI 的 Performance Factory 就會開一筆調查任務。Codex 會追查變慢的原因、提出修正,再由工程師審查並決定是否採用。修正上線後,另一個 Codex 智慧體會接手同一筆任務,檢查正式環境的效能是否回到變慢前的水準。 來源 2 來源 1

    先查是同類請求變慢,還是慢請求變多

    Codex 先往回查指標是何時開始變差,因為效能可能在告警前幾小時就已下滑。接著它比較不同群組的請求,釐清是同類請求真的變慢,還是原本就比較慢的請求占比增加。縮小範圍後,它會查部署的新程式碼或功能開關的調整何時影響到這批請求,再用日誌或請求追蹤紀錄檢查這些變動能否解釋問題。 來源 2

    圖片請求還在失敗,Codex 重開調查

    OpenAI 會另開一個 Codex 工作階段,專門找證據挑戰第一輪的診斷。工程團隊舉了一次 ChatGPT 對話出錯的案例。第一個智慧體追到圖片下載錯誤,就標記已找到原因。複核的 Codex 發現,負責定位檔案的內部服務已經恢復,圖片請求卻仍在失敗。原先的診斷無法解釋這段持續的故障,複核者於是重開調查,記下還有哪些問題要釐清。 來源 2

    人工檢查 100 則根因建議,70% 評為正確

    OpenAI 工程團隊在 11 月 19 日的文章中指出,這套流程在三個多月內追蹤超過 1,700 筆調查,有 600 多個案例找到根本原因。團隊另外人工檢查了 100 則根因建議,其中 70% 被評為正確,其餘 30% 還需要補充,或尚未充分證明因果關係。 來源 2

    修正上線後,效能沒改善就重查

    診斷通過複核後,Codex 會寫修正程式碼並送出合併請求(pull request)。同一筆任務附有報告,整理問題的影響、根本原因和建議修法,也附上效能指標的走勢等證據。工程師可以直接修改這份程式碼,也可以根據診斷自己寫修正。工程師部署後,系統會喚回智慧體,依正式環境的數據決定這筆任務接下來怎麼走。 來源 2 來源 1

    [](https://x.com/OpenAIDevs/status/2123471880292299171)

    下方的角色標籤顯示,工程師負責審查與部署,下一步由智慧體確認效能是否恢復。

    官方無口語流程動畫。約 8 秒切到工程師審查和部署,約 12 秒回到智慧體驗證,片尾展示未恢復時回到調查。 影片來源

    回到變慢前的水準,智慧體把任務標記為已解決。 只恢復一部分,智慧體結束原任務,另開一筆調查剩下的效能問題,因為它可能有不同的原因。 完全沒有改善,智慧體記下部署後的結果,把原任務送回調查。

    來源 2

    原文:https://easyvibecoding.app/curated/3800-openai-codex-chatgpt-performance-factory

    4 min