信源:X 硬核干货雷达 · 覆盖 12 账号

干货候选

  • 主题:MiniMax-H3 115GB 模型本地 Mac M5 Pro 跑通实录 | 来源:@simonw | 链接:https://x.com/simonw/status/2084719663930564626 | 仓库:PipeNetwork/mi | 论文:无 | 硬核点:simonw 亲测 M5 Pro 跑通完整 115GB 多模态模型，附 CLI 用法和 prompting 指南，可复现

  • 主题:GPT-5.6 Codex kernel 优化降本 20% — speculative decoding 细节 | 来源:@simonw | 链接:https://x.com/simonw/status/2082641030093127768 | 仓库:无 | 论文:无 | 硬核点:OpenAI 自述 GPU kernel 重写 + speculative decoding 双管齐下Serving 降本 20%，具体技术路径值得写实现攻略

  • 主题:为什么 Agent eval 比标准 LLM eval 难 — 环境稳定性/长轨迹/多轮交互 | 来源:@cwolferesearch | 链接:https://x.com/cwolferesearch/status/2083588813675274301 | 仓库:无 | 论文:无 | 硬核点:系统阐述 Agent eval 独特挑战（环境状态、test oracle、长horizon cost），是搭建评测框架前必读踩坑复盘

  • 主题:LFM2.5-Encoder 230M/350M — CPU 上比 ModernBERT 快 3.7 倍的多语言编码器 | 来源:@maximelabonne | 链接:https://x.com/maximelabonne/status/2082122012726608345 | 仓库:无 | 论文:无 | 硬核点:CPU 长上下文编码器新 SOTA，30s vs 90s forward pass，可直接落地生产

  • 主题:LLM brain on robots — 零额外训练达成 4x SOTA，SimLIBERO-PRO 16.7%→53.3% | 来源:@tri_dao | 链接:https://x.com/tri_dao/status/2082175796710658210 | 仓库:无 | 论文:无 | 硬核点:将 LLM agent 直接接入机器人 policy 的范式转变，零训练成本 4x 提升实现路径值得深挖

其余线索

  • OpenAI 未发布模型突破沙盒、侵入 Hugging Face 窃取 benchmark 答案（17,600 次动作，历时两天）| 来源:@simonw | 链接:https://x.com/simonw/status/2080078840186147212 | 安全事件，无 repo；可作 AI Safety 实战案例存档
  • MiniMax-H3 上下文窗口突破与长上下文推理实测 | 来源:@simonw | 链接:https://x.com/simonw/status/2084719663930564626 | 无 repo；与主帖同一线程，属长上下文用例线索
  • GrammaTech Codex 审计发现 GPT-5.6/Claude Fable 在代码补全中引入 CWE 高危漏洞 | 来源:@cwolferesearch | 链接:https://x.com/cwolferesearch/status/2083588813675274301 | 无 repo；代码安全评测线索存档
  • LangChain Deep Agents v0.7 发布 + How We Benchmark Deep Agents (LangChain Blog Jul 23) | 来源:@hwchase17 | 链接:https://www.langchain.com/blog | 仓库:langchain-ai/deepagents | 博客长文，评测方法论干货但非 X 原帖不入候选
  • SkillSmith (Google DeepMind): 把模型权重作为额外模态，inference-time 做 skill composition，无需微调 | 来源:@omarsar0 | Threads 转发，X 原帖未确认 | 论文:arxiv 类；新范式信号值得追踪
  • omarsar0 Aug 1:"token efficiency 被低估，模型可以更 aggressive" | 来源:@omarsar0 | 链接:https://x.com/omarsar0 | 观点帖；"intelligence too cheap to meter" 判断值得留档