這是 AI 領域的「秘密突破」，僅有頂尖 0.1% 的研究者知曉：直接將原始位元組（raw bytes）輸入大型語言模型（LLMs），並使用代數拓撲（algebraic topology）分析，透過持久同調（persistent homology）揭示傳統模型無法察覺的隱藏資料結構。這可能改變 AI 處理多模態資料（如文字、影像、影片）的未來。
這是系列影片的第 7 集，聚焦於 AI 研究中的前沿技術：讓大型語言模型（LLMs）直接以位元組（bytes）作為輸入，繞過傳統的標記化（tokenization）限制。
影片的目標是引導觀眾一步步進行 AI 研究，探討如何在開放源碼社區中領先於像 OpenAI 或 xAI 這樣的巨頭。Vuk Rosić 強調，這項技術能讓模型更快、更高效，因為數位世界本質上就是由位元組組成。他分享自己的研究過程，包括想法構思、代碼解釋、實驗設計，並鼓勵觀眾 fork GitHub 儲存庫參與。影片中提到，Elon Musk 最近表示 xAI 將取代 tokenizer，這讓這項研究更具時效性。
Archon 是一款為所有 AI 編程人量身打造，強調知識檢索、專案協作、即時上下文整合的開源編程操作系統，無論是個人或團隊都可極大提升 AI coding 助手的效能、協同與上下文管理力，非常適合想全面解鎖 AI 編程革命的人嘗試使用。
Qwen3-Coder 是我們迄今為止最具代理性的程式碼模型。 Qwen3-Coder 提供多種規模，首先是其最強大的版本：Qwen3-Coder-480B-A35B-Instruct。這是一個擁有 480B 參數的混合專家模型，其中擁有 35B 個有效參數，原生支援 256K 個 token 的上下文長度，並透過外推方法支援 1M 個 token 的上下文長度，在編碼和代理任務中均創下了新的最高紀錄，與 Claude Sonnet 4 相當。
除此，Qwen 開源了一款用於代理程式編碼的命令列工具：Qwen Code。 Qwen Code 是從 Gemini Code 衍生而來，並經過了調整，添加了自訂提示符和函數呼叫協議，從而充分發揮 Qwen3-Coder 在代理程式編碼任務中的強大功能。
ART 是一個開源強化學習框架，它允許 LLM 從經驗中學習，從而提高代理的可靠性。 ART 提供了符合人體工學的框架，可將 GRPO 整合到任何 Python 應用程式中。
RULER（Relative Universal LLM-Elicited Rewards）透過使用 LLM-as-judge 自動評分代理軌跡，消除了手動設計獎勵函數的需要。只需在系統提示字元中定義您的任務，RULER 就會處理剩下的工作—— 無需標記資料、專家回饋或獎勵工程。
透過 Kiro，我們徹底革新了開發者與 AI 代理商的合作方式。我們率先推出了規範驅動開發 (spec-driven development)，Kiro 將您的需求轉化為結構化的需求、設計和任務，然後由代理商執行。 Kiro 的代理鉤子 (agent hooks) 透過將任務委託給在背景執行的代理程式（例如更新文件、產生單元測試或最佳化程式碼以提高效能）來幫助您擴展工作。我們將 Kiro 視為真正的協作者，目標是讓 Kiro 幫助您交付強大的工程成果，同時助您成為更優秀的工程師。
Google 推出了 Gemini CLI，一個免費的開源項目。它允許開發者透過自然語言指令在 Terminal 使用 Google 的 Gemini 2.5 Pro 模型。它可以編寫程式碼，亦能夠處理內容的生成、或者解決問題、甚至深入研究和任務管理等的多種任務。這個工具的設計目標是提升開發者在終端機中的工作效率，令 AI 成為日常工作流程的一部分。
Trae 令我放棄了 Cursor，放棄了 WindSurf，甚至 Cline 等等。因為它擁有更加直觀的操作介面，除了提供傳統的 IDE 功能，亦包括自動編寫代碼、項目管理、插件管理，同時，最新版本亦都直接整合了 MCP 同 MCP 市場。當然亦唔少得 AI Agent。
涵蓋 DeepSeek-R1及其衍生模型（例如R10、R1Z）的全面介紹，包含安裝設定、效能基準測試（與OpenAI模型相比），以及各種硬體環境下的除錯和最佳化方法。課程重點在於如何有效利用 DeepSeek-R1 進行文本生成和圖像處理等 AI 任務，並強調模型優化和降低運算成本的重要性，同時展望了AI模型未來的發展趨勢。
