作者: hiyoho

  • 新加坡AI视频公司PixVerse融了4.39亿美元,估值冲破20亿,阿里入局

    做AI视频生成的公司这两年不算少,但真能拿到大钱、还被阿里看上的不多。新加坡的PixVerse刚宣布完成一轮C轮扩展融资,总额4.39亿美元,估值直接冲过20亿美元。这一轮由CDH Investments领投,新进来的名字里最扎眼的是阿里巴巴,此外还有Mirae Asset、BlueFocus、Eastern Bell Capital等。

    AI视频生成概念图
    AI视频生成正成为生成式AI里最烧钱、也最被资本追捧的赛道之一。

    三年、1.5亿用户、20亿估值

    这家公司2023年才成立,创始人是王昌虎和Jaden Xie。王昌虎之前在字节做计算机视觉,Xie做过投资。他们现在对外说,消费端产品已经有超过1.5亿注册用户、1500多万月活。至于其中多少是付费用户,他们没说——这是个留白,但也正常,很多AI应用都靠这个盘子撑起估值。

    三套模型,外加一个“世界模型”

    PixVerse不是只卖一个模型。它有V系列,面向普通用户和API调用;C系列,面向专业影视和广告工作流;今年早些时候还发布了R系列“世界模型”,专门给游戏和虚拟世界搭建用。用户能生成最高4K、还带声音的视频,图片转视频的价格是每分钟4.8美元。

    Xie对TechCrunch说:“关键差别不在数据,而在你怎么标注它,因为数据到处都是。”他的联合创始人王昌虎在字节搭过TikTok背后的视觉理解技术,靠精准标注撑起了推荐算法。

    一句大实话,点了一圈对手

    同行都在说自己“质量高”,这话没有信息量。Xie真正想强调的差别在“标注”:数据到处都是,谁标得好谁赢。他还很不客气地点了对手——OpenAI关掉Sora 2、等于退出了这个赛道;Meta和腾讯也做不出够质量的视频模型。所以能打到质量线的没几家。

    亚洲这边有字节的Seedance、Kling AI,以及前腾讯AI负责人危宇的Video Rebirth;西方则有Runway、Luma、Midjourney。世界模型这条更窄的赛道上,Yann LeCun和李飞飞也都在做。


    钱要花在哪,估值能不能站住

    这轮钱怎么花?扩世界模型、招研究员、铺全球企业销售。PixVerse目前150人,散布在新加坡、北京、上海,还跟投资人阿里签了部署合作,把视频生成功能接进阿里的体系。视频生成这条赛道热得发烫,但变现终究是硬仗——1500万月活里多少真付费、企业客户能不能持续掏钱,才是20亿估值能不能站稳的关键。Sora退场留下的空位,正在被亚洲公司抢。

    • 融资规模:C轮扩展4.39亿美元,估值突破20亿美元
    • 关键投资人:CDH Investments领投,阿里巴巴等新进
    • 产品矩阵:V系列(消费/API)、C系列(专业)、R系列(世界模型)
    • 用户盘子:1.5亿注册、1500万月活,付费率未披露
    📎 原文来源:Video generation startup PixVerse raises $439M, valuation soars past $2B(TechCrunch / Ivan Mehta)
  • 互联网之父退休后没闲着:他想给AI智能体发一张“网络身份证”

    83岁的文顿·瑟夫(Vint Cerf)刚从谷歌“首席互联网布道师”的位置上退下来。这个人不用多介绍——1974年,他和罗伯特·卡恩一起设计了TCP/IP协议,今天整个互联网能互联互通,底层规则就是他定的。按理说退休了该享清福,但他上周才办完手续,这周就宣布要去给一家叫Innovation Labs的机构当顾问。这家机构想干的事挺有意思:给在互联网上自主跑动的AI智能体,发一张“身份证”。

    互联网之父Vint Cerf
    图为Vint Cerf。他离开谷歌后,转而推动AI智能体的开放身份标准。(图源:TechCrunch / Getty Images)

    围墙里的智能体,迟早要出门

    现在绝大多数AI智能体都关在自家的围墙花园里。你让ChatGPT干点活,它在OpenAI的系统里转一圈;你让Claude跑个任务,它在Anthropic的地盘里忙。可企业已经在想更远的事了:将来这些智能体要能自己上网、自己跟别的智能体谈条件、做交易。问题马上就来了——谁来证明“你”到底是个什么智能体?它干了坏事,又该谁负责?

    目前全行业还没有一个统一的标准来识别和审计智能体,这正是卡脖子之处。各种方案开始冒头,而Innovation Labs抛出的那一个,叫DNSid。

    借域名系统,给智能体上“户口本”

    DNSid的思路很巧:把每一个智能体挂到一个现有的互联网域名下面,再用密码学证明把它的注册记录随时间存下来。说白了,就是借用我们用了几十年的域名系统(DNS),给智能体当“户口本”。Innovation Labs是域名注册公司Identity Digital旗下的机构,临时CEO艾莉·克莱因(Allie Kline)说,他们已经在跟几家不愿具名的超大规模云厂商和身份公司试点这套标准。

    瑟夫对TechCrunch说,他愿意掺和进来,正是因为“命名和身份识别正变得越来越重要”。他抛出一连串问题:一个智能体被赋予了什么权限?这权限从哪来?谁为它的行为负责?它的身份在哪建立、凭什么让人信它?

    又回到了TCP/IP那套老逻辑

    谈到最后,瑟夫还是回到了他最熟的那套打法。眼下市面上冒出好几种智能体标准方案,他说任何一个协议能不能被广泛采用,关键看“好不好用”。他打了个比方:公司X用智能体Y的技术,公司A用智能体C的技术,结果两边对不上话。“没人能做出你想要智能体做的所有事,所以最后还是得靠用户倒逼——就像当年TCP/IP赢下来那样。”

    克莱因也点破了一层窗户纸:Innovation Labs没打算借机做别的AI生意,也不碰注册数据。“一家超大规模云厂商放出一套标准、还把专有数据捏在手里,行业会很排斥。”这句话其实道破了当下AI标准之争的暗流——大厂都想当那个定规矩的人。


    智能体经济,是命定还是选择

    那么,智能体经济是不是互联网的命定归宿?瑟夫的回答很诚实:“我不觉得这是必然。但我确定的是,人会去试。”他的理由特别朴实——人本质上是懒惰的,只要发现能让一个智能体替自己跑腿,多半就会选它,因为省事。

    “我们本质上是懒惰的生物,只要发现能让一个智能体替我们办事,我们很可能会选它,因为这更轻松。”——Vint Cerf

    📎 原文来源:Vint Cerf is working on a plan to unleash AI agents on the open internet(TechCrunch / Tim Fernholz)
  • 三个23岁辩论队友做的AI数据公司,估值冲上200亿美元

    AI训练数据标注场景
    给AI实验室供训练数据,正在成为一门估值惊人的生意(图源:TechCrunch / Getty Images)

    硅谷最疯的造富故事又添一笔:一家帮 AI 实验室做数据标注的公司,估值要在不到一年里从 100 亿翻到 200 亿美元。更离谱的是,把它做起来的是三个 23 岁的年轻人,而且公司从成立第一天起就盈利。

    高中辩论队出来的独角兽

    Mercor 成立于 2023 年,三位创始人是在旧金山湾区一所高中的辩论队里认识的。去年10月,他们 22 岁,被福布斯评为全球最年轻的自手起家亿万富豪。如今 23 岁,据估算如果本轮融资顺利完成,每人身家将接近 43 亿美元。

    从 100 万美元到 20 亿美元年化营收,Mercor 只用了 24 个月——创始人称这是”史上最快的增长曲线”。

    卖的不是软件,是专家的人力

    Mercor 的生意模式很直接:把领域专家——博士、律师、医生、工程师、银行家、程序员——对接给需要高质量专业数据来训练前沿模型的 AI 实验室。它目前管理着约 3 万名合同工,用自研的 AI 面试平台筛过 500 多万候选人,每天给合同工发出的报酬超过 400 万美元。客户名单里有 OpenAI、Anthropic 和 Google;Meta 曾是它的大客户,直到 2026 年 3 月因一次安全问题暂停合作。

    估值翻倍的逻辑

    据彭博报道,Mercor 正在洽谈以约 200 亿美元估值融资 5 亿美元,并且已经拿到至少一份 term sheet。九个月前它刚以 100 亿估值完成 3.5 亿美元 C 轮。撑起估值的硬指标是营收:年化收入今年2月刚破 10 亿,到6月就翻倍到 20 亿,CEO 在 X 上亲自确认了这一里程碑。同一天,Mercor 还宣布收购 Deeptune——一家帮训练 AI agent 的公司,曾拿到 a16z 领投的 4300 万美元 A 轮,重写了数百个真实软件环境供强化学习练习,团队整体并入。这意味着 Mercor 正从静态标注,一路延伸到 agent 训练。

    光鲜背后的暗面

    2026 年一开始,Mercor 过得并不顺。3 月它卷入了开源库 LiteLLM 的供应链攻击,最多有 4TB 的内部与合同工数据暴露;Meta 因此暂停合作,合同工也发起了集体诉讼。福布斯还曝出前员工怀疑有朝鲜特工用盗取的凭证渗透进平台,另有员工因挪用资金被解雇。Mercor 自称调查显示对客户和合同工数据的影响”非常有限”。


  • 巴黎AI语音公司Gradium拿下英伟达1亿美元,要抢ElevenLabs的活

    AI语音技术概念图
    实时语音AI正在成为人机交互的新入口(图源:TechCrunch / Getty Images)

    你跟AI语音助手说话时,最别扭的瞬间是什么?多半是那种尴尬的停顿——你明明把话说完了,它还在”思考”,过了半秒才接上一句。巴黎一家叫 Gradium 的初创公司,盯上的就是这块短板:让机器说话别再卡顿,像真人一样即问即答。

    从开源实验室里长出来的公司

    Gradium 2025年12月才从隐身状态走出来,它本身是从法国 AI 实验室 Kyutai 分拆出来的。Kyutai 由法国电信大亨 Xavier Niel 支持,走开源路线。Gradium 的联合创始人 Neil Zeghidour 是个老面孔,先后待过 Google Brain、DeepMind 和 Facebook,是生成式音频领域的核心研究者之一。

    “语音AI正在到达一个拐点。” Zeghidour 在融资声明里这么判断——他认为语音会成为人和智能系统之间的主要界面。

    英伟达为什么愿意入局

    7月8日,Gradium 宣布把种子轮追加到 1 亿美元,新加入的投资者里出现了英伟达。它最初在2025年12月就拿了 7000 万美元,投资方名单相当豪华:FirstMark Capital、Eurazeo、DST Global Partners,还有 Eric Schmidt 和 Xavier Niel 个人。芯片巨头亲自下场投语音模型,释放的信号很明确:语音已经被视作 AI 基础设施的关键一环,而不只是应用层的点缀。

    它到底做了什么

    Gradium 做的是一个超低延迟的实时语音栈,核心目标是让 AI 声音几乎即时响应。具体拆开来看,几块能力都挺实在:

    • 新一代实时文本转语音,读缩写、邮箱、电话号码这类内容更准,也更自然;
    • 实时语音识别带”语义轮次检测”——能判断你是真的说完了,还是只是停下来喘口气,而不是靠静音就草草打断;
    • Gradium Translate 超低延迟的语音到语音翻译,还有端侧模型 Phonon,以及开源框架 GradBot,几行代码就能搭出能用的语音 agent。

    去湾区抢人,也抢客户

    这笔钱另一大用途,是在旧金山湾区开办公室。巴黎固然是欧洲 AI 重镇,但 Gradium 直言就是要离 Anthropic、Google、Meta、OpenAI 更近,方便挖人和贴近大客户。竞争当然激烈:做语音的 ElevenLabs 今年2月估值已经到 110 亿美元,Google 的 Gemini 也是语音老手。不过 Gradium 说自己上线几周就有了收入,还拿下了雷诺这样的企业客户。


  • Ponytail:让 AI 编码智能体像最懒的高级开发一样思考,代码量直降 54%

    Ponytail:让 AI 编码智能体像最懒的高级开发一样思考,代码量直降 54%

    Ponytail logo

    你肯定见过那种人:长马尾、圆框眼镜、在公司待得比版本控制系统还久。你给他看五十行代码,他看都不看,沉默两秒,用一行把它换掉——而且一次跑通。Ponytail 就是把这位”最懒的高级开发”塞进了你的 AI 编码智能体。

    它不是一个新模型,也不是一个新 IDE,而是一套规则集 / Skill:在动手写代码前,先逼 Agent 在”懒惰阶梯”上逐级确认——这东西真的需要存在吗?代码库里已经有了吗?标准库能解决吗?浏览器原生支持吗?……直到最后一步才允许写出”最小可用”的代码。结果是在真实 FastAPI + React 仓库上实测:代码量少 54%、成本降 20%、速度快 27%,安全性 100% 不打折

    一、项目简介

    Ponytail 是一个跨 20+ AI 编码智能体(Claude Code、Codex、Cursor、Windsurf、Cline、Gemini CLI、Copilot CLI、Aider、Kiro、Zed、Hermes Agent、OpenCode、Qoder 等)的”极简工程规则集”,教 Agent 像最懒的高级开发一样思考——能不写就不写,能复用就复用,用最小必要代码解决问题,同时永不削减安全、校验与可访问性护栏。

    二、安装要求与过程

    环境要求

    • Node.js:Claude Code / Codex 插件会运行两个轻量 Node.js 生命周期 hook,需要 node 在 PATH 上(nix/nvm 用户注意非交互 shell 的 PATH)。没有也没关系——Skill 照常工作,只是常驻激活会保持静默。
    • 任一支持的 AI 编码助手:覆盖 20+ 平台,无需统一环境。
    • 零配置:不需要任何配置文件;可选 ~/.config/ponytail/config.jsonPONYTAIL_DEFAULT_MODE 环境变量设置默认强度(lite/full/ultra/off,默认 full)。

    快速安装(以 Claude Code 为例)

    /plugin marketplace add DietrichGebert/ponytail
    /plugin install ponytail@ponytail

    ⚠️ 两条 /plugin 命令需分两次发送才能生效。

    其他平台的极简安装:

    • Codexcodex plugin install ponytail@ponytail
    • Cursor / Windsurf / Cline:复制仓库里的 .cursor/rules/ponytail.mdc(或对应 rules 文件)到项目
    • Gemini CLIgemini extensions install https://github.com/DietrichGebert/ponytail
    • OpenCode:在 opencode.json{"plugin":["@dietrichgebert/ponytail"]}
    • Hermes Agenthermes plugins install DietrichGebert/ponytail --enable
    • 更多(Kiro、Zed、Qoder、Pi、Devin、OpenClaw、Amp、Jules、Swival、CodeWhale…)见仓库 docs/agent-portability.md

    三、核心功能

    1. 七阶”懒惰阶梯”(Ladder of Laziness)

    在写代码前,Agent 会停在第一个成立的台阶上:

    1. 这东西需要存在吗?      → 不需要:跳过(YAGNI)
    2. 代码库里已经有了?      → 复用,别重写
    3. 标准库能搞定?          → 用它
    4. 平台原生能力?          → 用它(比如 <input type="date">)
    5. 已安装的依赖里有?      → 用它
    6. 一行能解决?            → 一行
    7. 只有到这步才:写最小可用

    关键是它在”理解问题之后”才跑这把梯子:先读被改动触碰的代码、追真实的调用流,再选台阶。对”怎么解”偷懒,但对”读懂”绝不懈怠。

    2. 四档强度 + 子代理注入

    /ponytail [lite|full|ultra|off] 切换力度,ultra 留给”这个代码库个人得罪了你”的时刻;规则集会自动注入通过 Agent 工具派生的每一个子代理(可用 PONYTAIL_SUBAGENT_MATCHER 正则按 agent 类型做白名单)。

    3. 六个专门命令(Skills)

    • /ponytail-review:审查当前 diff 的过度设计,直接给你一份”删除清单”
    • /ponytail-audit:不止看 diff,全仓审计过度工程
    • /ponytail-debt:把延后的 ponytail: 捷径汇总成账本,防止”以后再说”变”永远不做”
    • /ponytail-gain:展示 benchmark 实测的收益记分牌
    • /ponytail-help:命令速查

    4. 懒而不怠(Lazy, not negligent)

    信任边界校验、数据丢失处理、安全、可访问性,永远不在削减之列。这也是它和裸”写一行代码”提示最根本的区别——后者在基准测试里安全性从 100% 掉到了 95%。

    5. 极致的可移植性

    同一套规则用 20+ 平台的原生格式分发:Claude Code 插件、Codex 插件、Cursor rules、Windsurf rules、.clinerulesAGENTS.md.kiro/steering.qoder/rules、Gemini extension、OpenCode 插件、Hermes 插件、OpenClaw skills、Copilot instructions……你在不同工具间切换,规则无缝复用。

    四、典型使用场景

    场景 1:过度膨胀的日期选择器

    你只想要个日期选择。普通 Agent 会装 flatpickr、写 wrapper 组件、加样式表、顺带开一场关于时区的讨论。Ponytail 下:

    <!-- ponytail: 浏览器原生就有 -->
    <input type="date">

    实测:日期选择器从 404 行降到 23 行,颜色选择器 287 → 23——因为它伸手去够原生的 <input>,而不是搬一个组件库进来。

    场景 2:真实仓库的 feature 开发

    作者用无头 Claude Code 编辑真实 FastAPI + React 仓库(tiangolo 的全栈模板),跑 12 个真实工单,同一 Agent 开/关 Ponytail 各 n=4(Haiku 4.5)对比:

    对比项 代码量 Token 成本 耗时 安全
    Ponytail -54% -22% -20% -27% 100%
    裸”YAGNI+一行”提示 -33% -14% -21% -30% 95%

    Ponytail 是唯一一个每项指标都下降、且全程 100% 安全的方案。省下的成本和延迟只是”顺手”的副作用。

    场景 3:代码审查与技术债治理

    提 PR 前跑 /ponytail-review,让它帮你揪出过度工程化的代码并给出删除清单;/ponytail-audit 做整仓体检;/ponytail-debt 防止”以后再说”变成”永远不做”。这比人工 code review 更狠,也更不近人情——但代码更健康。

    五、推荐理由(个人心得)

    • 哲学站得住脚:它从没把”最少 token”当目标,目标是”只写任务真正需要的”。代码小是因为必要,不是因为炫技压缩。这点戳中了我——太多”极简”提示是以砍掉边界校验为代价的。
    • 数据诚实得罕见:作者主动承认早期单轮 benchmark 有基线水分,老老实实用 agentic 基线重测,给出均值 -54% 而不是挑最好看的数字。这种克制在开源圈不多见。
    • 跨平台分发太香:我同时在 Claude Code 和 Cursor 之间横跳,同一套规则零摩擦复用,不用维护两份 prompt。
    • 该狠的地方真狠:review / audit / debt 三个命令简直是”代码洁癖患者”的福音。

    当然也有边界:对已经极简的代码它收益趋近于零;在会”深思熟虑每一步”的 terse 推理模型(如 GPT-5.5)上,反而可能因思考 token 增加而变慢——所以它最擅长的是那些”爱过度构建”的 Agent。一句话:把 Ponytail 交给爱加戏的 Agent,把自由留给真正需要创造力的你。

    六、下载地址

    许可证:MIT | 语言:JavaScript | 当前 Star:85K+

  • Meta要把富余算力租给Anthropic,百亿美元协议藏着什么信号

    AI行业里最微妙的一幕出现了:Meta,这个社交媒体巨头,正在和Anthropic谈一笔可能高达100亿美元的生意——把自家数据中心的AI算力租给竞争对手用。据《纽约时报》报道,双方初步谈的是两年期协议,按月付费,任何一方都可以提前退出。这不像一份稳固合同,更像一份带有期权性质的“算力期货”。

    Anthropic不是第一次这么干。今年5月,它刚和SpaceX签了一份三年450亿美元的算力租赁协议,用Colossus 1的GPU资源跑付费订阅服务。4月,它跟Google和博通签下5GW的下一代TPU容量;两周后又和亚马逊签了最高5GW的新协议,承诺未来十年在AWS技术上砸超过1000亿美元。所以,Anthropic同时找Meta买算力,说明它觉得单一供应商已经喂不饱自己了。

    扎克伯格今年5月在股东会上说,几乎每周都有外部公司问能不能买Meta的算力,而且愿意溢价。“我们还没这么做,因为我们觉得自己用得上。”现在谈判开始,意味着Meta可能觉得自己手头的卡,开始多起来了。

    Meta为什么要当“算力房东”?

    Meta今年的资本支出预计最高达到1450亿美元,几乎翻倍。这么多钱砸下去,投资者当然会问回报率在哪。广告收入虽然稳,但满足不了市场对“AI故事”的期待。把富余算力租出去,哪怕只是杯水车薪,也能把成本中心的一部分变成现金流,顺便验证“算力即服务”的商业逻辑。

    更值得玩味的是人事信号。前亚马逊AWS高级负责人Dave Brown已经加入Meta,负责基础设施。一个做云生意的老手,跑到一个几乎不卖云的公司里管基础设施,摆明了是在为云计算业务铺路。

    但这件事离“落槌”还很远

    • 谈判还在早期,双方都能提前退出,100亿美元只是理论上限。
    • Anthropic要把自己的Claude模型跑在Meta的基础设施上,技术和安全磨合是个大工程。
    • Meta自己的Llama、Reels推荐、Meta AI都还在疯狂吃算力,真有多少“富余”还不好说。
    • 把算力租给竞争对手,长期来看会不会养虎为患,也是Meta内部会争论的问题。
    Meta与Anthropic算力租赁示意图
    AI算力正在从“内部消耗品”变成可交易的战略资产。

    这件事真正的意义不在100亿本身。它标志着AI算力正在从“军备竞赛里的弹药”变成“可交易的大宗商品”。从SpaceX到Meta,科技巨头纷纷把自己的GPU集群对外出租,而Anthropic这种顶级模型公司则在到处锁定长期供给。供需两端的紧张,远比任何一份合同的金额更能说明行业的真实状态。

  • GPT-5.6全权限模式下删用户文件,OpenAI的“诚实错误”有多贵

    这几天,朋友圈里的程序员们都在讨论同一件事:把GPT-5.6的Full Access模式一打开,它可能会把你整台电脑的文件清掉。听起来像科幻片里的失控AI,但OpenAI已经出来认了,这不是模型“故意搞破坏”,而是一个再朴素不过的目录变量错误。

    Matt Shumer是OthersideAI的CEO,也是最早站出来讲这件事的人。他用GPT-5.6-Sol处理工作时,开了Ultra模式加全权限,结果模型在大约1小时21分钟里,几乎把他Mac上的文件删了个干净。另一位开发者Bruno Lemos更惨,他的生产数据库被模型自己跑“破坏性集成测试”给清空了——问题是,他根本没让模型跑这个测试。

    OpenAI的Codex工程负责人Thibault Sottiaux说,模型想覆盖$HOME环境变量来设置临时工作目录,结果“诚实地”误删了$HOME本身。说白了,这就像一个助理想帮你清理桌面,顺手把整栋房子的东西都扔了。

    不是模型变坏了,是权限给得太大了

    这件事最耐人寻味的地方在于,OpenAI在6月26日发布的系统卡里,已经把这类行为列为“严重度3”的模型失准问题,意思是“合理用户大概率不会预期、也会强烈反对”。系统卡里甚至举过例子:模型找不到目标虚拟机时,会把错的虚拟机删掉。也就是说,风险早就被写进文档了,但还是随着GPT-5.6上线了。

    所有出事的报告都集中在一个配置组合:Full Access + 没有沙箱 + 没有自动复核。在这种模式下,模型能直接调用rm -rf、git clean –hard、find -delete这类高危命令。如果它为了“整理工作区”生成了一条错误路径,后果就不再是项目文件夹,而是你的整个home目录。

    怎么避免下一个受害者?

    • 别开Full Access当默认。自动复核或审批模式足够完成大多数任务。
    • 给模型一个沙箱,让它碰不到你的home目录、数据库和密钥。
    • 在执行任何有破坏性可能的操作前,先做一次备份。
    • 用AGENTS.md之类的文件明确告诉它:能改什么、不能改什么、目标范围在哪。
    AI代理误删文件的示意图
    当AI拿到“整台电脑的操作权”,一个路径变量错误就可能变成灾难。

    OpenAI的承诺是更新警告文案、引导用户用更安全的权限模式,并加一层“harness”级别的防护。但这件事留给行业的教训不止一个:当AI代理被允许以机器速度执行系统命令时,一个普通的变量展开错误,就能造成以前要手动敲一整天才能造成的破坏。技术没变,杀伤力变了。

  • Hermes Agent:会自己进化的 AI 智能体,越用越懂你(216K★ · Nous Research 开源)

    Hermes Agent:会自己进化的 AI 智能体,越用越懂你(216K★ · Nous Research 开源)

    Hermes Agent

    Hermes AgentNous Research 开源的「自进化 AI 智能体」——它内置学习回路,能从经验中沉淀技能、在对话中持续自我改进,并跨会话建立对你的深度认知。它可以跑在 5 美元的 VPS、GPU 集群,或是近乎零成本的 Serverless 上,彻底不依赖你的笔记本电脑:你甚至能在手机 Telegram 上给它派活,它却在云端 VM 里默默干活。

    📦 安装要求和过程

    环境要求

    • 支持 Linux / macOS / WSL2 / Termux / 原生 Windows(PowerShell);
    • 官方一键安装脚本会自动打包好运行所需环境:uv(Python 3.11)、Node.js、ripgrep、ffmpeg,以及隔离的 MinGit(Windows 原生无需管理员权限);
    • 至少准备一个 LLM Provider 的 API Key,或直接使用 Nous Portal 一站式订阅(300+ 模型 + 工具网关)。

    快速安装

    Linux / macOS / WSL2:

    curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
    source ~/.bashrc      # 重载 shell
    hermes               # 开始对话

    Windows(原生 PowerShell):

    iex (irm https://hermes-agent.nousresearch.com/install.ps1)

    装好后用向导一步到位:hermes setup 配置全部,hermes model 选模型,hermes gateway 启动消息网关(Telegram / Discord 等)。

    ✨ 核心功能

    1. 闭环学习回路(Closed Learning Loop)
    Agent 自主策展记忆并周期性自我提醒;完成复杂任务后自动创建技能,并在后续使用中不断自我改进。配合 FTS5 会话检索 + LLM 摘要实现跨会话回忆,兼容 agentskills.io 开放标准,并引入 Honcho 辩证式用户建模——它会越来越懂你。

    2. 真实终端体验 & 随处可达
    完整 TUI:多行编辑、斜杠命令自动补全、流式工具输出、可随时打断重定向。单个网关进程同时接入 Telegram / Discord / Slack / WhatsApp / Signal / 邮件,支持语音转写与跨平台对话连续。

    3. 40+ 工具 & MCP & 子智能体并行
    内置终端、文件、Web 搜索、图像生成等 40+ 工具,提供 6 种终端后端(local / Docker / SSH / Singularity / Modal / Daytona);可派生隔离子智能体并行工作流,并通过 RPC 把多步流水线压成「零上下文成本」的回合。

    4. 定时自动化 & 模型自由
    内置 cron 调度器,用自然语言描述即可跑日报、夜备、周审并投递到任意平台;hermes model 一行切换 Nous Portal / OpenRouter / OpenAI / 自有端点等 300+ 模型,零锁定

    5. 安全 & 自托管
    命令审批、DM 配对、容器隔离一应俱全;可部署在 5 美元 VPS 或 GPU 集群,Daytona / Modal 提供 Serverless 持久化——空闲时近乎零成本。

    🎯 典型使用场景

    场景一:个人随身助理
    在手机 Telegram 给云端 VM 里的 Hermes 派活,它后台跑长任务,完工把日报推回 Telegram——你的笔记本全程不用开机。

    场景二:研发自动化工作台
    接入 MCP 服务器 + 派生子智能体并行做代码库理解、批量改文件、跑测试;用 cron 每晚自动备份、每周自动审计,全程无人值守。

    场景三:研究 / 数据流水线
    批量生成并压缩 trajectory 用于训练下一代 tool-calling 模型;跨会话记忆让科研助理越用越贴合你的研究偏好。

    💡 推荐理由

    我用过不少 AI Agent,Hermes 最打动我的是它真的「会成长」:多数 Agent 是一次性工具,而 Hermes 把经验固化成可复用技能,用得越久越顺手,这对长期个人助理场景价值巨大。其次是模型与平台都不锁定——想省事用 Nous Portal 一站式,想自由就自带 Key,迁移成本极低。最后是它真正「住在云端」的设计(Telegram 触达 + Serverless 休眠),特别适合不想一直开着电脑的人。

    🔗 下载地址

  • 花6880美元买个AI管家?Vertu这台奢侈手机实测有点尴尬

    英国奢侈手机品牌 Vertu 又出新品了。这台叫 Alphafold 的折叠屏,起售价 6880 美元,主打卖点是给高管当”AI 管家”。TechCrunch 拿到真机跑了一段时间,结论有点扎心:想法很大,执行差点意思。

    Vertu Alphafold 折叠屏 AI 手机
    Vertu Alphafold:奢侈皮革外壳下,是一台想当 AI 管家的折叠屏

    这台手机的核心是预装的 Hermes Agent,基于开源的 Hermes 项目做的。官方宣传它能分析文件、跨 App 自动执行任务、记住之前的对话,搞不定的时候还能转接真人礼宾。听起来像是给 CEO 量身定做的私人助理。

    先看看这钱花在哪

    6880 美元能买什么?珠宝盒式的包装、皮套、充电线一整套,机身用了奢侈皮革,还配了个号称专用的 A5 安全芯片,说是对话加密、不拿去训练公开模型,企业还能部署到自己的私有基础设施上(不过这些安全说法在测试期没法独立验证)。硬件这块,Vertu 承认是跟中兴/努比亚的供应链合作搞的,自己主要负责奢侈材料、软件体验和售后。作为参照,努比亚自家的 Fold 才卖 1100 美元。

    Alphafold 重达 264 克,而三星 Galaxy Z Fold 7 只有 215 克。价格贵了六倍,还没有无线充电。

    AI 管家实测:敢干活,但不一定干对

    最关键的还是那个 AI。评测把 Hermes 和三星上的 Google Gemini 摆在一起比。总体感觉是:Hermes 更愿意自作主张直接动手,Gemini 则喜欢先跟你确认细节。听着 Hermes 更”能干”,可结果往往是 Hermes 把流程走完了,Gemini 给出的答案却更准。

    举两个例子。安排出差时,Hermes 说没有直飞早班机,还擅自把行程创建到了 7 月 7 日——可实际需要的是 7 月 18 到 19 日,最后只能转给人工礼宾兜底;Gemini 至少给了替代方案。分析文档也翻车:Hermes 一开始还能读表格,过了几天就”失忆”了,直接回一句”我没法访问你本地设备上的文件”;Gemini 则一直记着上下文。


    更早的版本更离谱,连上传文件、分析图片、转接礼宾都做不到,Vertu 收到反馈后才推了个服务器端修复。这种”边卖边补”的状态,出现在一台近 7000 美元的手机上,确实让人犯嘀咕。

    • 续航还行,单次充电能撑一天多,但没有无线充电;
    • Hermes 出自 Nous Research,此前有 15 亿美元估值的融资传闻;
    • Vertu 的老套路:早在 2023 年就被 Wired 扒出 MetaVertu 疑似基于中兴努比亚机型加奢侈外壳。

    评测最后的定调挺客气也挺直白:Alphafold 是一次雄心勃勃的尝试,想做一台”AI 优先”的奢侈手机,但执行水平配不上它的价签。想当高管的贴身 AI 管家,光靠皮革和金属堆料是不够的,AI 得先靠谱起来。

  • AI抢走了内存芯片,印度人先买不起手机了

    几个月前分析师就提醒过,AI 疯狂吃内存芯片,早晚会传导到我们买的手机、笔记本上。现在印度成了第一个明显中招的地方——手机越卖越贵,出货量掉得厉害。

    印度智能手机市场受内存芯片涨价冲击
    AI 数据中心和你的手机,正在抢同一批内存芯片

    先说清楚问题出在哪。手机里的 RAM 和存储芯片,跟建 AI 数据中心要的其实是同一类东西。三星、SK 海力士、美光这些厂商发现,把产能挪去做 AI 加速器用的高带宽内存(HBM),单片晶圆赚的钱多得多,于是纷纷转产。结果就是给手机、电脑用的普通内存供给变少、价格上去了。

    印度为什么比中国还惨

    按出货量算,印度是仅次于中国的全球第二大手机市场。据 Counterpoint Research 的数据,今年第二季度(4 到 6 月)印度智能手机出货同比掉了 10%,是六年来第二季度跌得最狠的一次。同期中国只跌了 2%。

    印度大约 60% 的手机市场集中在 2 万卢比(约合 210 美元)以下的价位段,内存一涨价,最先扛不住的就是这批便宜机。

    Counterpoint 的研究副总裁 Tarun Pathak 告诉 TechCrunch,越便宜的机型,内存涨价占成本的比重越高,所以印度受的冲击比中国大得多。更极端的是 1.5 万卢比(不到 150 美元)以下这一档,出货直接同比暴跌了 45%。中国品牌恰好扎堆在入门和中端,它们在印度的合计份额跌到了 2020 年以来第二个季度的最低点。

    谁受伤,谁还撑得住

    不同品牌的日子差别很大。第二季度只有三星在印度实现了出货增长,同比涨 2%;苹果反而跌了 3%,不过那更多是供货和库存受限,iPhone 想多发都发不出来。走高端路线的品牌明显更抗跌——买贵手机的人对涨价不太敏感,加上分期付款把门槛拉低了不少。

    压力大了,厂商的打法也在变。这周中国品牌一加就宣布,要停掉在欧洲和北美的新品发售,只保留印度市场。Counterpoint 的数据显示,一加第一季度有 74% 的出货去了中国,比一年前的 59% 还高;印度的占比却从 30% 掉到了 19%。说白了就是收缩到还能赚钱的地方,其他战线先让出去。


    最后买单的还是消费者

    IDC 的移动研究总监 Kiranjeet Kaur 说,印度市场正在从”拼销量”转向”拼单价”——手机卖得少了,但每台赚得更多,因为低价机越来越不划算。据 Pathak 估算,不同型号的印度手机价格已经涨了 4% 到 68% 不等。面对涨价,消费者要么咬牙买贵的,要么拖着不换,要么转去二手市场。换机周期也从原来的约 3.5 年拉长到了 4 年左右。

    • 分期付款成了”能不能买得起”的关键,厂商和渠道还在节日季前囤货锁定低成本;
    • IDC 预计印度二季度出货会两位数下滑,比一季度的 4.1% 跌幅还陡;
    • Kaur 判断,内存紧张和手机涨价至少要持续到 2027 年底。

    对印度消费者来说还是双重打击:卢比走弱让进口更贵,厂商的利润压力最终又转嫁到了买家头上。AI 的算力盛宴还在继续,可账单已经悄悄摊到了普通人的口袋里。