Claude Code 开放工作流改装，DeepSeek 打通华为芯片，Olmo-core 3 开放大模型训练
2026-10-02
今天的看点都落在“能不能真正用起来”：开发环境要适合团队，芯片要有可用的软件工具，训练基础设施要能让更多人上手。DeepSeek 面向华为 AI 芯片开源工具，尤其值得国内开发者留意。
今天聊：自定义 Claude Code 工作流、华为芯片的开放工具、AI 怎样参与科学研究。
🧠 发布动态
Griffin 的“视频图灵测试”成绩，先看测试方法。
做实时视频对话的团队，值得研究这个结果，也别急着把它当成真人替代能力。Tavus 称，48% 的现场参与者把 Griffin 误认成真人；这个数字能说明多少，取决于参与者如何选择、对话如何进行。先看测试设计，再决定它能否指导产品选型。(19,036 likes | 1,986 RTs) 详情 →
JEV-27B-VL 加入开放多模态决策模型赛道。 如果你在做需要结合视觉和文字作判断的系统，现在多了一个可比较的开放权重模型。发布方 AutoTrustAI 称它接近当前最佳水平；这个判断还需要独立评测，适合先拿自己的任务试。(1,015 likes | 102 RTs) 详情 →
🔧 开发者工具
Claude Code Mods 让团队工作流可以共享。
团队如果各自维护一套 Claude Code 用法，现在有了把改动做成插件、交给同事复用的路径。Claude Code Mods 支持定制工作环境，并把这些定制分享出去。先从一项重复率最高的团队流程试起，看它是否真的减少配置成本。详情 →
DeepSeek 为华为 AI 芯片开出软件路径。
使用华为 AI 芯片的团队，训练和推理能否落地，关键还在代码怎么跑起来。DeepSeek 开源了面向这些芯片的软件工具，其中包括兼容版本的 TileLang。这一步有实际分量：它为开发者提供了可检查的软件路径，但具体性能仍要在自己的负载上测。详情 →
Pi 1.0 降低 Codemode 的提示词消耗。 已在使用 Pi 的开发者可以重点复测成本：新版称 Codemode 的提示词 Token 用量减少约 40%，还加入图像生成并加强了 MCP OAuth。终端界面现在默认全屏；想保留常规滚动记录，可设置 tuiMode: "regular"。(292 likes | 25 RTs) 详情 →
📝 技术实战
先找 GPU 瓶颈，再调 AI 负载。 模型跑得慢，先分清限制来自计算、显存，还是 Token 处理流程，调参才有方向。这份指南从 GPU 组件讲起，不要求先会 CUDA，适合用来建立排查训练与推理性能的基本方法。(338 likes | 50 RTs) 详情 →
🔬 研究前沿
把大语言模型（LLM）当科学同事，可能用错了它。 研究人员设计 AI 辅助流程时，值得先问：任务是否真正适合模型当前的能力？哈佛物理学家 Matthew Schwartz 借物理学中的“阻抗失配”提出这个观点，提醒研究团队重新审视人与模型怎样分工。(1,731 likes | 165 RTs) 详情 →
一封拿破仑时代的密信，检验 AI 辅助研究。 一位研究者称借助 GPT-6 Astra 破解了写给拿破仑一名将领、沉寂 217 年的密码信息。故事够吸引人，研究价值则要看解读过程和结果如何核验；做史料研究的人更该关注这两步。(10,469 likes | 1,437 RTs) 详情 →
LEGO-Anything 用编程智能体重建 3D 场景。 做 3D 内容或空间理解的团队，可以看看智能体如何参与场景重建，而不只是生成一张图。论文提供了具体方法和结果，值得对照自己的场景与评测要求阅读。(604 likes | 89 RTs) 详情 →
💡 行业洞察
Barclays 扩大 Claude 在银行业务中的使用。 企业 AI 采购者可以关注它怎样把模型放进运营和客户工作，而非只看演示效果。Barclays 正扩大 Claude 的使用范围；实际成效还要看各项流程的落地结果。详情 →
Meta Muse 据报突破 300 万周用户。 做常驻型消费级智能体的团队，多了一个值得追踪的早期采用信号。据报道，Meta 的 Muse 上线仅数周，内部数据就显示其周用户超过 300 万；后续留存比首轮增长更能说明需求是否站得住。详情 →
OpenAI 与 Synopsys 把前沿 AI 带进芯片设计。 芯片工程团队可以关注 AI 将进入哪些具体设计任务，以及效果如何衡量。OpenAI 和 Synopsys 已公布合作方向；在看到任务级结果前，先把它视为专业工程工作流的一次重要试验。(164 points | 96 comments) 详情 →
Google 的机器人路线显出平台思路。 机器人开发者选技术路线时，需要看未来能接入哪些模型与工具。关于 Google 机器人策略的访谈提供了观察线索：它如何组织平台能力，将影响外部团队的集成选择。详情 →
🏗️ 值得一试
Olmo-core 3 开放大规模 MoE 训练基础设施。
训练团队想研究大规模混合专家模型（MoE），现在有了可检查的开放实现。AllenAI 发布 Olmo-core 3，重点是这类模型的训练基础设施与扩展方法。它的价值在于让团队查看训练系统如何搭建；是否适合自己的资源和规模，还得对照实现细节。详情 →
一个开源模型路由器瞄准编码智能体。 如果你的编码任务正在不同模型之间切换，这个项目值得拿真实任务试质量和成本。作者以 Astra 级表现为目标，但目标不等于实测结果；先跑自己的任务，再决定是否接入。(74 points | 21 comments) 详情 →
🎓 模型小课堂
GPU 算子可移植性（GPU kernel portability）：模型训练和推理要调用底层计算程序，也就是 GPU 算子。换一款芯片时，即使拿到了硬件，原有算子也未必能直接运行或保持原来的速度。DeepSeek 的华为兼容 TileLang 工具之所以值得关注，正是因为它尝试给代码迁移提供路径。实际迁移仍需逐项验证能否运行、结果是否正确，以及性能表现。详情 →
⚡ 快讯
- Claude 创意工作流优惠：未来两周，从设计、演示文稿或文档开始的对话，后续工作消耗的使用额度降低 50%。(5,661 likes | 290 RTs) 链接
- Cloudflare Clef：新发布的图文输入输出模型，可查看模型卡再决定是否试用。(296 likes | 18 downloads) 链接
- GPT-6.1 Sol：OpenAI 称已改善高负载下的速度；此前遇到延迟的团队可以重测。(9,155 likes | 261 RTs) 链接
- 智能体协作模式图：梳理单智能体、图工作流与角色团队等选择，适合设计系统前快速对照。(62 likes | 28 RTs) 链接
🎯 今日精选
DeepSeek 为华为 AI 芯片补上软件这一环。 芯片能否进入开发者的训练与推理流程，取决于硬件表现，也取决于代码有没有可走通的路径。DeepSeek 开源面向华为芯片的工具，包括兼容版 TileLang，让这条路径变得更具体。对国内团队来说，下一步不是只看芯片规格，而是拿现有负载验证迁移成本、正确性和速度；这些结果才会决定采用范围。详情 →
下期见 ✌️