比如前些天，Vercel 创始人 Guillermo Rauch 推出了所谓的「AI skill 的 npm」，让用户仅需一个简单命令 npx skills add [package]，就能为自己的 AI 智能体轻松注入专业能力。
就在刚刚，Liquid AI 又一次在 LFM 模型上放大招。他们正式发布并开源了 LFM2.5-1.2B-Thinking，一款可完全在端侧运行的推理模型。Liquid AI 声称，该模型专门为简洁推理而训练；在生成最终答案前，会先生成内部思考轨迹；在端侧级别的低延迟条件下，实现系统化的问题求解；在工具使用、数学推理和指令遵循方面表现尤为出色。
1 月 13 日，Claude Cowork 发布，我的朋友圈被刷屏了。
随着政府对于健康领域的重视和人们健康意识的普及，热量追踪应用的用户画像逐渐从以健身爱好者、减重者为主的专业细分群体，逐步转向以普通大众为主的非专业用户，与专业细分群体相比，他们更倾向于追求“简单、易上手”的体验。
摩尔线程 AI 算力本（MTT AIBOOK）是专为 AI 学习与开发者打造的个人智算平台。它搭载自研智能 SoC 芯片「长江」，提供 50TOPS 异构 AI 算力，支持混合精度计算。运行基于 Linux 内核的 MT AIOS 操作系统，具备多系统兼容能力，并预置完整 AI 开发环境与工具链。
Claude Skill 很火，甚至已经超越 MCP 了，如今各家的 cli 客户端基本也都支持，扣子、MiniMax 的 agent 产品也都上架了类 Skill 的产品。而且不仅仅是对普通用户有用，从开发者视角来看，通用 Agent 内核，只靠 Skills 设计，也能低成本创造具有通用 AI 智能上限的垂直 Agent 应用。
习惯了给 AI 写提示词的你可能不敢相信，现在的 AI 已经开始反过来给人类下达指令了。
在具身智能（Embodied AI）的快速发展中，样本效率已成为制约智能体从实验室环境走向复杂开放世界的瓶颈问题。
谷歌对其Gemini AI 模型的改进正在提升公司的核心收入。
没有太小的需求，只有太少的想象力。最近在社群里看到一张图，我足足盯着看了半分钟。那是一张课程总结图，第一眼看着就很喜欢，有种淡淡的真人手绘的「松弛感」：我当时立马私信问他用的什么工具，他说是 Excalidraw。
