抖音选题 · 10 条

2026-11-15 · 评分都是 10 分制。下面的「一句话钩子」不是视频标题。看完回字母就行，比如 BI，或 BL / BJ。

更推 1 · BI 备选 2 · BL、BJ 不推 7 · BK、BM–BR

会爆把握：钩子是否反直觉或有冲突、对观众有没有价值和前沿认知、会不会太宏观/太像广告或说教。没把握爆的不当更推。

新鲜度：一手公开了几天、是不是还新。

适拍：好不好做成讲解片（机制是否清楚、有没有能上屏的数字或例子）。

BI 更推 1/10
8会爆 7新鲜 8适拍

一句话钩子，不是视频标题

别把更贵的模型留到最后，它可能因为少干活，把更高单价抵掉。

来源

Anthropic 11/12《Using Claude Opus 5.5 as your daily driver for knowledge work》https://claude.com/resources/articles/using-claude-opus-5-5-as-your-daily-driver-for-knowledge-work

公开日

2026-11-12（官方标注，未给时刻）

素材类型

大厂文章 / 设计指南（夹了内部测试和一位客户转述，不是正式对照实验）

适不适合拍

适合。有官方对照表和可讲的内部测试过程。

推荐理由

钩子跟日常用法打架，付钱的人听得懂，也好拍。新鲜度是 11/12 的稿，到今天第三四天，所以这项没有打满。主要风险是它也在推默认模型，不要拍成发布会。会爆把握够，故作更推。

核过的数字

内部测试 18 篇报告里 16 篇过关（不能编造数字或引语）；虚构并购 63 分钟对 Opus 5 的 93 分钟，成本一半；读图是最低档也比 Opus 5 最高档更准，文中没给百分数，不要补；默认 Medium 对得上一代 High；删掉 “think hard” 后回复更早开始，质量没有明显下降。Factory 转述是产出 token 少 20% 到 25%，那是客户测试，要单说。价目表是定价不是实验：Haiku 5.5 $0.10/$0.50，Sonnet 5.5 $2/$10，Opus 5.5 $4/$20，Fable 5.2 $8/$40（每百万 token，输入/输出）。

不要说成啥

不要把「更贵可能更省」说成普适定律或第三方审计；不要把 16/18、63 对 93 分钟说成大规模对照；不要跟已成片 BD 里「做对的题便宜 78%」混成一条；价目不要说成实验结果。

官方材料

文内有对照表「How our models compare for knowledge work」。

BL 备选 2/10
6会爆 8新鲜 6适拍

一句话钩子，不是视频标题

不是「AI 写的就是 slop」。你生产时花的力气比你要求对方理解时更少，这才叫 slop。

来源

正本 https://www.slopmanifesto.com/ （未自标日期）；swyx 11/14 在 Latent Space 原发介绍 https://latent.space/p/ainews-the-no-ai-slop-manifesto/ ，说是 AIE Code 峰会讨论、Dex 闭幕演讲介绍，当天上了 HN 首页。

公开日

正本无日期；介绍文标注 2026-11-14

素材类型

KOL 原帖 / 会议宣言

适不适合拍

能拍成讲解片，但要靠定义和「不对称成本」撑，不要编数字。

只做备选的原因

更新、好评论，定义也记得住。但偏倡议、没有可核的硬数字，拍不好会像说教，我没把握放到更推。

核过的数字

正本和介绍都没有可核的签署人数、下载量或实验指标。二手里那个「352 人」不要用。机制原句可讲：生产成本趋近于零，审查成本几乎不变；slop 会在知识库里越积越多、被下一个 Agent 接着抄。

不要说成啥

不要用未经正本核对的签署人数；不要说成已经改变行业的「新敏捷宣言」；不要说成 Anthropic 或 OpenAI 官方文件。

官方材料

正本以文字为主，未见必须用的统计图。

BJ 备选 3/10
6会爆 7新鲜 7适拍

一句话钩子，不是视频标题

让人惊讶的不一定是更快，有时是 Agent 自己去查了没人要求的数据，或先拦住其实不用改代码。

来源

Anthropic 11/13《The Claude Tag guide for startups》https://claude.com/resources/articles/claude-tag-guide-for-startups

公开日

2026-11-13（页面 datePublished）

素材类型

大厂文章 / 设计指南 + 各家自报（不是对照实验）

适不适合拍

能拍，官方有用途表和经授权复原的 Slack 截图。必须把数字跟公司绑在一起，不要合成平均成绩。

只做备选的原因

有能上屏的例子，但数字全是各家自报，容易拍成客户故事。

核过的数字（必须跟公司绑定）

Campfire 21 分钟开出 PR；NavigateAI 自 6 月起从 Slack 开了约 223 个 PR、合了 134 个，中位 2 小时合入，另有一次 8 分钟找到根因、93 分钟合入（「Since June」没写年份，不要补）；Moritz 交班更新从约 1 小时变成 5 分钟改稿，提问从最多 30 分钟变成不到 2 分钟，15 分钟给了 25 个方案、18 个不用再配置；Valence 只说不到一小时，不要说成整 1 小时；Orderful 约两天从 Slack 到生产；Descript 的例行汇报准备从「数天」变成「数小时」，不要说成具体倍数。Anthropic 自己的数据频道是一个月里回答了超过 75% 的问题，通常一两分钟，不要跟这些创业公司混在一起。

不要说成啥

不要合成「平均 21 分钟出 PR」；不要把 134 个已合并 PR 说成 Anthropic 官方平台总量；不要把「不到一小时」说成整 1 小时。

官方材料

八家公司 × 五类用途表；经授权复原的 Slack 对话截图。

BK 不推 4/10
5会爆 7新鲜 6适拍

一句话钩子，不是视频标题

首页建议卡改完，一天后卡片带来的发送量相对对照高了 160%；但 100 段回放里，80 人是自己打字，只有 12 人点了建议。

来源

OpenAI 11/12 客户案例《How Amplitude ships product improvements in 1–2 days with OpenAI》https://openai.com/index/amplitude

公开日

2026-11-12（官方页体首；裸 curl 会碰到校验页，日期以先前打开的官方渲染页为准）

素材类型

客户案例 / 公司自报（Amplitude 在自己首页做了 A/B，不是 OpenAI 设计的对照实验）

适不适合拍

数字能上屏，但钩子偏「个性化建议更有人点」，容易拍成客户案例。

排除理由

有硬数字，但不够「原来是这样」，发布方是客户故事；160% 只写了「一天后」；「1–2 天对大约一个月」是估算；上线节奏图官方自己写是 illustrative。不当更推，也不挤进备选。

核过的数字

正文口径是建议卡带来的发送量相对对照 +160%，不要用英雄区「Agent engagement」那种泛称。改版前 100 段回放里 80 人自己打字、12 人点建议（100 对不上 80+12，不要把 12 说成剩下的全部）。Amplitude 估算 Wave 能帮团队 1–2 天改进产品，此前大约一个月，这是估算不是实验。已上线节奏：四分之一当天、一半不到 4 天、三分之二一周内，图注写明是 illustrative。Data Science Agent：GPT-6.1 Sol 67.5 分对另一模型 69.3 分，均次成本 $1.28 对 $2.63（约低 51%），成本更低但分数不是最高。Opportunity Investigator：4.06/5，中位 54 分钟，英雄区成本 $1.34，不要和 $1.28 合并。线框评估：80.3 对 63.9，共 15 个机会。Wave 自称大约 80% 由 OpenAI 模型驱动。

不要说成啥

不要说成 OpenAI 自己的实验；不要把 160% 说成长期「Agent 参与度」；不要把 $1.34 和 $1.28 混成一个成本；不要把 illustrative 曲线上的点当成逐家观测。

BM 不推 5/10
4会爆 7新鲜 5适拍

一句话钩子，不是视频标题

跑了 3.5 年的 llama.cpp，在 11/13 发了 v1.0.0，承诺 API 稳定，并去掉 35 个已废弃接口。

来源

GitHub Release https://github.com/ggml-org/llama.cpp/releases/tag/v1.0.0 ；官方博客 https://huggingface.co/blog/ggml-org/llama-cpp-v1

公开日

Release `published_at` 2026-11-13T10:20:19Z（上海时间 11/13 18:20）；博客标注 November 13, 2026

素材类型

热门开源 / 重大版本 Release

适不适合拍

对圈内有纪念意义，但更像版本发布会，缺少「原来是这样」的认知钩子。

排除理由

是真的重大开源里程碑（本轮 API 核仓库约 135,149 星），但太像产品/版本发布，不当更推，也不进备选。

核过的数字

Release 写移除 “35 deprecated functions”；博客写项目走过 3.5 年，目前支持 150 多种架构变体，以及主流投机解码方法。星数会变，引用时标明是核验当日的 API 数字。

不要说成啥

不要把 1.0 说成性能翻倍或某项评测第一（这两篇一手没有这种实验结论）；不要把星数说成用户数。

官方材料

Release 附有官方图 `llama-cpp-v1`。

BN 不推 6/10
5会爆 4新鲜 5适拍

一句话钩子，不是视频标题

有团队在讲「用 AI 重做 Photoshop」，但仓库其实 9 月底就有了，会上自报的进度和仓库自己拆开的口径对不齐。

来源

Latent Space 11/13 峰会报道 https://latent.space/p/artcraft/ ；仓库 https://github.com/storytold/photocraft ；对照文档 https://github.com/storytold/photocraft/blob/main/docs/target-app-parity.md

公开日

仓库创建 2026-09-30；对照文档 Last reviewed 2026-10-12，Last updated 2026-11-10；报道 2026-11-13

素材类型

开源项目 + KOL/峰会报道（会上数字是记者转述的创始人自报）

适不适合拍

故事好听，但不适合在数字对不齐、项目也不是这几天才出现时硬拍成「新爆发」。

排除理由

不是近 3–4 天的新爆炸（本轮 API 总星 79,509）。仓库把功能广度约 76%、能真正干活约 45%（范围 40–50%，阶段 alpha）拆开写；报道里「刚过 60%」、每天约 170 万次下载等未在官方站点核到，也不能和 76%/45% 混用。

核过的数字

只用仓库对照文档里的约 76% 广度、约 45% 能干活，并标明是 10/10 标题区、11/10 更新。会上自报（24 小时内看到近似版、60%、170 万/天、17 个官方应用、约 4,000 名开发者、约 300 个社区应用、打开速度快 10 倍）本批未当作可核数字。

不要说成啥

不要把会上自报和仓库口径合成一个「已经完成 60% 的 Photoshop」；不要说成这几天刚出现的新项目。

BO 不推 7/10
3会爆 7新鲜 3适拍

一句话钩子，不是视频标题

只加一层简单支架，机器人仿真基准从 29.7 提到 50.3。

来源

论文 JustRUA，arXiv https://arxiv.org/abs/2611.16009

公开日

投稿 2026-11-11 21:08 UTC（上海时间 11/12 05:08）

素材类型

颠覆论文候选 / 机器人评测（摘要已打开核对）

适不适合拍

对普通人太远，不容易拍成抖音讲解片。

排除理由

分差看起来不小，但是 RoboDojo 仿真基准上的支架消融，离日常观众远，不当更推或备选。

核过的数字

摘要原句：“this simple harness raises the score on the RoboDojo simulation benchmark substantially, from 29.7 to 50.3.” 未把正文其他表数字拼进来。

不要说成啥

不要说成真实机器人已经大幅学会干活；不要说成通用 Agent 能力翻倍。

BP 不推 8/10
5会爆 5新鲜 4适拍

一句话钩子，不是视频标题

只用 4k 条数据训练的 4B 模型，在两项办公基准上超过了 235B 的思考模型——但分差其实很小。

来源

论文 Agent-R²，arXiv https://arxiv.org/abs/2611.08219

公开日

投稿 2026-11-05（已出默认近窗）

素材类型

颠覆论文候选 / 基准榜（摘要已打开核对）

适不适合拍

句式有冲击，但一讲分差就容易泄气，也偏评测榜。

排除理由

4B 超过 235B 的说法有钩子，但 GDPval 只是 51.0% 对 48.0%，OfficeQA 只是 14.8% 对 13.8%，分差很小，又略早于默认窗，不当更推或备选。

核过的数字

摘要原句：在仅 4k 条实例上训练的 4B 模型 “surpasses Qwen3-235B-A22B-Thinking-2507 on both GDPval (51.0% vs. 48.0%) and OfficeQA (14.8% vs. 13.8%).”

不要说成啥

不要说成小模型已经全面超过大模型；不要省略分差，只喊「4B 打败 235B」。

BQ 不推 9/10
4会爆 6新鲜 4适拍

一句话钩子，不是视频标题

同一个 DNA，不同细胞读法不一样。DeepMind 新模型在免疫细胞数据里，找到的因果变异大约是上一代的两倍（30% 对 16%）。

来源

DeepMind 11/11 官方博客 https://deepmind.google/blog/alphagenome-2-deciphering-how-cells-read-dna-to-better-understand-disease/

公开日

2026-11-11

素材类型

大厂官方科学文章 / 模型发布（本轮打开官方正文核对）

适不适合拍

对科普爱好者有画面，但对抖音大众偏远，容易拍成「又一个 DeepMind 论文发布」。

排除理由

数字硬、也是一手官方，但离普通人太远，偏科学模型发布，不当更推或备选。

核过的数字

官方先写「能找出几乎两倍、会改变细胞里基因表达的变异」；训练数据是超过 1 亿个单细胞图谱、跨 68 种组织，后文又写超过 1.07 亿，都来自同一篇，不要改成精确的「整整 1 亿」。在 TenK10K（28 种原代免疫细胞）上，因果变异 30% 对 16%，方向性基因效应 43% 对 23%，对照的是在单细胞数据上微调过的上一代 AlphaGenome 及其他专项工具。文中还提到上年的 AlphaGenome Atlas 覆盖约 90 亿种单字母变化，那是上一代平台，不要说成 AlphaGenome 2 新做出的数。文末写明仅供研究、未做临床或诊断验证。

不要说成啥

不要说成已经能临床诊断或治病；不要把 30% 对 16% 说成「准确率 30%」或「所有细胞类型」；不要把 90 亿说成 2 代新指标。

官方材料

文中有 AlphaGenome 1/2 如何对待细胞类型的对比图，以及基因表达热图。

BR 不推 10/10
4会爆 7新鲜 5适拍

一句话钩子，不是视频标题

Google 把更快的 Gemini 4 Hydrogen 铺到 Search 和日常工作流；它在公开智力指数上以 51 对 50 略超更贵的 Argon，但这首先是一场模型发布。

来源

Google 官方博客 11/12《Introducing Gemini 4 Hydrogen》https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-hydrogen/ （页面写 Last updated November 13, 2026）

公开日

2026-11-12（官方标注；13 日有更新）

素材类型

大厂产品发布（本轮打开官方正文核对）

适不适合拍

数字很多，也有多模型协作的说法，但整体仍像发布会和评测榜，不好拍成「原来是这样」的讲解片。

排除理由

是大厂一手，但太像产品发布；51 对 50 的分差很小，容易吹成「小模型打败旗舰」。不当更推或备选。

核过的数字（都来自这篇官网，不要跟模型卡其它表随意混用）

在 Artificial Analysis Intelligence Index 上，默认 high 是 51 对 Argon 的 50，最高 xhigh 到 54。定价在整个 100 万 token 上下文里一口价，$1.50 / $7.50 每百万输入/输出。Antigravity 的 Orchestrator 在 Terminal-Bench 4.0 上达到接近 Carbon 的任务成功率，平均少消耗 24% 配额、快 19%，这是编排功能的数字，要和 Hydrogen 单模型分开说。相对 Gemini 3.8 Flash：默认 high 完成任务快 2.5 倍，Terminal-Bench 4.1 从 18.2% 到 57%，编造声明减少超过 5 倍；合作方早期测试里，在复杂图、SQL 和数据工作流上快 2 到 2.8 倍，token 少 12% 到 23%。文中还有多项基准和安全数字，本条不展开，避免拍成榜单。

不要说成啥

不要把 51 对 50 说成全面超越旗舰；不要把 Orchestrator 的 24%、19% 说成 Hydrogen 单模型的成绩；不要把对 3.8 Flash 的提升说成对所有竞品；安全向数字不要拿来当主钩子。

官方材料

文首有官方 key art。