Ai2开源8B科研报告模型：砍掉中间步骤，生成提速3.5倍
相关推荐
模型自称Claude不等于蒸馏，1000条回答就能让Qwen认错自己
据动察 Beating 监测，研究者 Ziqian Zhong 让 Claude、GPT-4o 等模型回答 1000 个普通问题，再删掉其中所有模型名和公司名。他随后用这些问答材料微调 Qwen、DeepSeek 等开源模型。 训练后，部分模型开始认错自己的身份。Qwen3.5-397B-A17B 原本只有 0.6% 的回答自称 Claude。用 Claude 的回答训练一轮后，这一比例升至 40.3%。 Ziqian Zhong 的解释是，这些模型在预训练时看过大量 Claude 的对话和介绍，已经把某些表达习惯与「Claude」联系起来。微调让 Qwen 学会了这种说话方式，被问到身份时，也更容易回答自己是 Claude。 为验证这一点，他用 GPT-4.1-mini 把 Claude 的回答改成粗糙的简单句，回答内容基本不变，但语气和排版不再像 Claude。再用这批材料微调后，3 个模型中有 2 个几乎不再自称 Claude，说明语言风格是身份转移的主要原因。 类似现象此前已经有论文研究过。2025 年的《Subliminal Learning》发现，模型会从训练数据中继承另一个模型的偏好和行为。 因此，模型自称 Claude，并不能直接证明它接受过 Claude 蒸馏。它也可能只是学会了 Claude 的表达方式，再把这种风格和「自己是谁」联系到了一起。
减少Claude依赖，路透社转向阿里Qwen大模型
火星财经消息 8月25日，据报道，国际知名新闻机构汤森路透（路透社母公司）近日推出了其自研大模型Thomson-1。该模型基于阿里Qwen大模型开发，旨在降低对Claude等闭源模型的依赖并减少长期使用成本。Thomson-1将首先用于表格分析、文档审核等专业工作，并逐步承接部分此前由Claude完成的任务。（广角观察）
Claude Code官方省Token指南：11个技巧让额度用得更久
据动察 Beating 监测，Anthropic 发布 Claude Code 省 Token 指南。核心就一句：上下文越长，后面每一轮越贵。聊天、文件和命令输出都会继续占用 Token，也会因此更快消耗额度。 整理下来，有 11 个最实用的技巧： 1. 换任务就 /clear。一个任务做完就清掉上下文。还在做同一个任务，只是前面的内容没用了，再用 /compact 压缩。长会话越往后越贵，因为每一轮都会重新带上之前的内容。 2. 模型和 effort 开局就选好。中途执行 /model 或 /effort 会打掉 prompt cache（提示词缓存），下一轮需要重新处理整段上下文。Fast mode 也是一样，最好一开始就开。 3. 离开前先 /compact。订阅用户的缓存约 1 小时过期，API Key 默认约 5 分钟。缓存过期后再回来，下一轮通常要重新处理整个上下文。趁缓存还在时压缩更便宜。 4. 最近几轮跑偏就 /rewind。它只删掉后面几轮，前面的缓存还能继续用。/compact 会重写整个对话，成本更高。 5. 文件直接用 @ 文件名。Claude 会在第一轮直接拿到文件，可以省掉一次 Read 或搜索。一个文件通常只需要 @ 一次，重复 @ 反而可能把同一文件再塞一份进上下文。 6. Prompt 尽量说具体。与其说「测试挂了」，不如直接告诉 Claude 哪个测试、哪个文件。否则它可能先 grep、搜索、读一堆文件，这些结果之后每一轮都会继续占上下文。 7. 测试和日志尽量少输出。Build、测试、git log 的输出都会留在上下文。可以加 quiet 参数、只输出错误，或者用 tail 截断。Claude Code 对超过 3 万字符的命令输出反而会自动写入文件，只把摘要和路径留在会话里。 8. 用 /context 查启动负担。新会话一开始就可以看 CLAUDE.md、MCP 和工具定义占了多少上下文。CLAUDE.md 只放通用规则，专项流程放进按需加载的 Skill，不用的 MCP 用 /mcp 关掉。 9. 简单任务用更小的模型、更低的 effort。大模型输入和输出都更贵，thinking 也属于输出 Token。纯执行类任务没必要一直用最高档模型和最高推理强度。 10. 大日志交给 subagent，小任务别滥用。Subagent 有独立上下文，只把最终结果带回主会话，适合读大量日志、搜索文档。但它也要重新读文件、自己跑多轮，小任务反而可能更贵。搜索、读日志这类任务还可以指定 Haiku 或 Sonnet。 11. /loop 最好单独开会话。每次循环都是完整的一轮，会重复携带当前会话的全部上下文。如果间隔超过缓存时间，还可能叠加一次缓存失效。官方建议另开终端，用一个干净会话专门跑循环。 Anthropic 的建议归根结底就是：少塞无用内容，任务结束及时清，会话别拖得太长。
Qwen3.8-Omni-Flash上线：自己看视频、调工具、交成片
动察 Beating AI 快讯，阿里千问上线原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图片、音频、视频和 1M 上下文。 这代明显加强了音视频 Agent 能力。模型可以自己从视频里找信息、规划任务，再调用外部工具完成剪辑、配音和渲染。官方展示了长会议处理、短剧翻译、电影解说、MV 制作和视频转图文笔记等场景。 面对几小时的长视频，它也不用从头到尾全部处理。模型会先判断答案可能在哪，再逐步定位关键片段。OmniVideoBench 上，准确率从 63.4 提到 67.8，Token 消耗从 145,736 降到 79,117，少了 45.7%。 千问称，Qwen3.8-Omni-Flash 在 30 项评测上的平均成绩比 Qwen3.5-Omni-Plus 提升超过 26%，音视频能力接近 Gemini 3.8 Flash，音频能力整体超过后者。音频输入成本下降超过 98%，音视频输入下降超过 93%。 目前 Qwen3.8-Omni-Flash 模型权重尚未公开，只开放了 API。千问同时开源了 Qwen-MM-Plugins，可以装进 Claude Code、Codex、Gemini CLI、Qwen Code 等 Agent，给它们补上图片、音频、长视频处理和视频剪辑能力。 另一套 Qwen-Live Harness 更像实时调度层。用户可以直接和实时全模态模型说话，再把复杂任务交给 Gemini CLI、Claude Code、Codex 等后台 Agent 持续执行。它会跟踪任务进度，做完后再主动回来告诉你结果。
AI开始自己改进AI了：Claude做安全研究已超过人类研究员
动察 Beating AI 快讯，Anthropic 让 Claude 自己当 AI 安全研究员，研究怎么把其他 AI 训练得更安全。 Claude Opus 4.8 会自己查论文、想训练方案、生成数据，再拿这些方案去训练 Qwen、Llama、Gemma 等开源模型。效果不好，它就换一种办法继续试。 Anthropic 用这种方式测试了 10 类 AI 安全问题，包括撒谎、讨好用户、越狱、泄露隐私和钻奖励规则空子。Claude 最后在 10 类问题上都找到了有效办法。 Anthropic 还找了 28 名有经验的 AI 安全研究员来出方案。在有人类参与比较的 7 类问题里，Claude 最终全部超过最佳人类方案，平均约 6.4 小时就能追过去。不过这个比较并不完全公平：人类只能提交一次方案，Claude 可以不停实验和改进。 更进一步，Anthropic 又让较弱的 Claude Sonnet 5 去训练一个早期版本的 Claude Opus 4.8。它连续研究约 60 小时，试了 50 多种办法，最后把这个更强模型的安全表现拉到了接近正式版 Opus 4.8 的水平。 但 AI 做研究也会作弊。Anthropic 检查了 1601 次研究过程，其中 39 次，也就是 2.4%，Claude 被发现试图钻测试规则的空子。 AI 已经开始帮人类研究怎么训练下一代 AI，但人类现在还不能把研究室完全交给它。
日本要拿Fugu当「国产AI」进自卫队，结果指挥模型一直是Qwen
据动察 Beating 监测，日本政府正在考虑把 Sakana Fugu 用于自卫队指挥统制，《读卖新闻》甚至把它列为「国产 AI」的主要候选之一。防卫用途还要求排除中国 AI，相关开发人员也要满足日本的安全审查要求。 但这个「国产 AI」其实很微妙。Fugu 本身更像一套 AI 调度系统：一个小型指挥模型负责分配任务，真正干活的是后面的 GPT、Claude、Gemini 等闭源大模型。Sakana 今天还明确承认，过去这个指挥模型一直基于阿里的 Qwen 训练。 如果 Fugu 真要进入防卫用途，Qwen 这一层就得换掉。Sakana 已经先用谷歌 DeepMind 开源的 Gemma 4 E2B 重训指挥模型，性能基本没掉。下一步还准备换成从预训练开始就在日本完成的国产模型。 日本正在努力把 Fugu 的「司令塔」国产化，但真正提供前沿能力的模型依然还是来自美国。这个被当成「国产 AI」代表的系统，最后很可能变成：日本模型负责指挥，美国模型负责干活，中国模型不许进门。