阿绎 AYi@AYi_AInotes尽管长期存在唱衰言论，X在4月的App Store下载量却创下历史新高，较此前峰值增长40%，呈现断层式跳跃。这反驳了用户流向Bluesky、Threads或产品被毁的论调，下载量被视为用户“用脚投票”的最硬指标。增长归因于团队过去18个月对Grok集成、视频体验、社区功能的持续改进，以及4月新闻周期让X重回“刷大事”的核心场景。许多用户从Bluesky回流，凸显了“实时、开放、全球共时讨论”的护城河效应。然而，下载量只是领先指标，bot泛滥、创作者变现政策不稳定、应用性能等问题若不能解决，增长可能昙花一现。未来6-12个月的关键在于提升留存与变现，若能实现，X将进入全新增长周期。此事冲击行业认知，证明“安全可控的算法投喂”并非唯一答案，“言论自由、实时、开放”的模式依然拥有强大生命力。
PixVerse@PixVerse_阿绎 AYi@AYi_AInotes微软在Word中直接集成Legal Agent，提供无需切换工具的法律AI辅助。其核心优势并非模型能力，而是精准引用、带修订痕迹的确定修改以及M365安全体系，精准解决律师对格式、数据安全的痛点。此举将竞争拉入微软的主场——用户离不开的Word。模型可替换，但入口被锁定，垂直AI生存空间受挤压。未来或只有拥有入口的巨头或极其细分领域的公司能存活。这启示AI创业应聚焦集成于用户现有工作流，而非开发独立工具。
elvis@omarsar0作者赞赏Sam Altman的推文，其中强调“构建工具以增强和提升人们，而非取代他们”。作者批评当前AI叙事中常见的工作毁灭论是懒惰且不诚实的，主张应努力构建AI和工具来提升和增强人类，这虽更具挑战性但方向正确。尽管目前大多数AI模型和工具并非如此设计，但通过适当的对齐和努力，可以将其塑造为辅助人类工作的力量。Terence Tao的“Copernican view of intelligence”支持这一愿景，并认为其完全可实现。
Sam Altman@sama
DogeDesigner@cb_doge
Berryxia.AI@berryxia用户在与ChatGPT互动后，提出生成一张照片的请求，要求模拟iPhone随拍风格。照片需无明确主题和刻意构图，呈现普通甚至失败的外观，包括运动模糊、光线不均、轻微曝光过度、角度尴尬和构图混乱。整体追求一种“过于真实的随手一拍感”，类似于意外拍摄的快照，以探索ChatGPT的图像生成能力。
Berryxia.AI@berryxia
向阳乔木@vista8Adam Tornhill重新探讨函数应写多长的问题。AI模型理解代码的方式与人类不同，依赖字面特征如命名、结构和局部上下文，研究表明变量名对AI理解能力影响显著。Fowler认为函数长短本身不重要，关键是将意图与实现分离；若代码需阅读才能理解其功能，就应提取为函数并用清晰名称表达意图。这一逻辑在AI编程中同样成立，强调命名和结构对提升AI代码理解的重要性。
向阳乔木@vista8一篇关于AI生图技术的综述论文提供了对2026年最新进展的全面概览。该论文不仅梳理了当前最前沿的图像生成技术，还回顾了近年来该领域的发展脉络，有助于读者快速建立系统性认知。相关解读和原始论文链接已一并提供。
向阳乔木@vista8一篇关于2026年AI生图技术的综述论文揭示了几个关键洞察。核心在于数据质量，最终训练阶段少量高质量专家数据直接决定用户对模型能力的感知。训练数据中即使混入少量AI生成图像，也会严重损害生图质量和模型潜力。技术路径上，蒸馏是商业部署的必备选项，不考虑蒸馏友好性的架构设计将导致模型无法实用。此外，开源与闭源生图模型的核心差距并非渲染器本身，而在于渲染器之外的整体系统架构设计。
今天读到一篇超级棒的AI生图综述论文。 读完你就能对2026年最新生图技术有全面了解，太赞了！ 还能顺带了解这几年的发展脉络。 AI解读如下，原始论文见评…
向阳乔木@vista8使用Codex等AI工具时，在同一会话中同时处理“生成设计图”和“开发应用”两项任务可能导致效果下降。例如，GPT-5.5有时仅将生成的设计图视为“参考灵感”，而非“严格设计规范”，致使最终实现界面与设计图存在偏差。推荐的优化方法是采用两个独立会话：首先在一个会话中生成并确认满意的设计图；随后开启新会话，将图片作为输入，并明确要求“像素级还原”设计，以此确保开发结果与设计意图高度一致。
歸藏(guizang.ai)@op7418针对游戏圈认为AI无法处理数值和玩法设计的观点，作者反驳称自己仅是在展示AI参与游戏开发的可能性，并未承诺AI能独立完成3A游戏或替代人类。他强调当前演示只是demo，旨在探索技术潜力，但相关展示仍引发了游戏从业者的激烈批评。
ginobefun@hongming731文章探讨了超越单次对话的“长效运行”AI智能体，其能持续数天并具备自动恢复与成果留存能力。构建面临上下文限制、状态持久化及自我验证三大挑战。行业通过架构解耦（如Anthropic）、角色分工（如Cursor）与平台化服务（如Google）应对。生产落地需关注明确任务定义、独立评估机制及结构化日志，技术重点已转向状态管理与会话持久化等工程基建。
Berryxia.AI@berryxiaOpenRouter 又上了匿名新模型Owl Alpha！ 1M 上下文，强大的工具调用能力！ 猜猜他是谁家的哈哈😂
阿绎 AYi@AYi_AInotes针对AI Agent领域框架频出、基准动荡的现状，一篇实战指南指出“跟上所有东西”是最差策略。核心建议是过滤99%的噪声，专注于变化缓慢、具有长期复利价值的基础概念，如上下文工程、工具设计、Orchestrator-Subagent模式、评估体系和MCP协议。应避免追逐短期热点框架。行动上，应从可量化的业务目标出发，优先建立可观测性与评估体系，用真实失败驱动迭代。在AI加速发展的背景下，胜出者将是能专注复利原语并产出实际作品的人。
Ethan Mollick@emollick阿绎 AYi@AYi_AInotesX公司一支16人的顶尖工程师团队，仅用六周时间，将堆积了十五年的老旧广告推荐系统彻底重构。他们将100万行Scala代码精简至5万行，底层全部替换为Rust和Grok原生Transformer模型，并将信息流与广告推荐整合到同一个Grok神经中枢进行统一调度。此举大幅降低了基础设施成本，提升了用户体验，使Grok从聊天模型转变为驱动X全部商业流量的底层操作系统，标志着马斯克实现了从算力硬件、底层大模型到商业场景的全栈闭环。
meng shao@shao__meng
Chubby♨️@kimmonismus
Orange AI@oran_ge阿绎 AYi@AYi_AInotesKarpathy指出，当前逐句编写prompt使用AI的方式效率低下，用户自身成为瓶颈。真正的顶级用法是把自己“踢出循环”，转变为系统设计师：提前设定规则、评估标准和反馈循环，让AI自主运行迭代。这创造了“token杠杆”，即以少量指令触发海量工作。LLM的核心价值并非加速现有工作，而是创造以前不可能存在的事物（如完全LLM原生的应用）。未来程序员角色将转变为设计代理系统、守护人类品味的设计师。真正的护城河在于理解LLM的“锯齿状智能”并设计能放大人类品味的agent系统。
Karpathy的最新演讲，把我对AI的认知彻底刷新了一遍， 他说所有人都搞错了LLM的真正价值， 它根本不是用来加速你现有工作的， 核心价值是用来创造那些以…
Orange AI@oran_ge该书核心观点认为，人类进步的唯一引擎是创造“难以随意改变”的“好的解释”。知识并非来自归纳积累，而是通过“猜想与反驳”的循环产生，错误是进步的燃料而非耻辱。由此推导出物理定律级别的乐观主义：所有问题本质是知识不足，只要持续创造知识，问题终可解决。书中还指出，AI具备真正创造力是时间问题，并批判“可持续发展”是陷阱，强调“持续创新”才是真正的可持续。最终结论是，人类远未到达极限，仍处于进步的起点。
Orange AI@oran_ge戴维·多伊奇在《无穷的开始》中指出，人类文明进步的核心动力是创造力，即产生“难以随意改变”的好解释。知识通过“猜想与反驳”产生，错误是进步的燃料。他将文化分为压制变革的静态文化与鼓励批判的动态文化，并批判“可持续发展”观念，认为真正的可持续在于持续创新以解决新问题。只要保持创造与批判，在物理定律允许的范围内，进步将永无止境。
Marc Andreessen 🇺🇸@pmarca阿绎 AYi@AYi_AInotesKarpathy提出计算机科学正经历第三次主芯片翻转，神经网络将成为计算的宿主进程，CPU则退化为协处理器，类似历史上FPU和GPU的变革。主导工作负载转向语言推理与多模态，市场正疯狂定价推理能力。软件3.0时代到来，应用将临时生成，模型驱动。LLM的核心价值在于创造前所未有的新事物，其能力呈现经济学驱动的“锯齿状智能”。范式迁移下，程序员角色转变为设计代理系统，护城河从编写代码转向理解LLM与设计能放大人类品味的智能体。
Karpathy的最新演讲，把我对AI的认知彻底刷新了一遍， 他说所有人都搞错了LLM的真正价值， 它根本不是用来加速你现有工作的， 核心价值是用来创造那些以…
Marc Andreessen 🇺🇸@pmarca阿绎 AYi@AYi_AInotesGPT-image-2的一个图片生成提示词近期在网络上广泛传播。该提示词要求以最粗糙、潦草、拉垮的画风重制图片，背景为白色，模拟系统自带画图软件的鼠绘感，追求似像非像、别扭迷惑的低清像素效果，旨在突出翻车感。用户尝试后表示效果绝佳，引发热议，凸显了AI生成图片在创意风格上的灵活应用。
Rohan Paul@rohanpaul_ai一篇经济学论文直接建模了AI行业正在发生的“结构性杰文斯悖论”。研究发现，尽管大语言模型的运行成本下降，但总计算能耗却爆炸式增长。数学模型证明，数字智能单位成本的降低，导致对复杂AI代理及其支撑基础设施的总需求呈指数级上升，并催生需要人力管理的新下游生态。这形成一个悖论：AI使用价格下降并未节约成本，反而激励开发者构建消耗指数级算力的更复杂代理。持续进步使得基于大模型开发简单应用的小公司被核心AI吸收的功能所淘汰。竞争动态中，性能完善的模型一旦有更智能的版本出现即失去经济价值。最终，巨大的计算成本与持续的用户数据需求，共同推动整个AI行业走向不可避免的垄断。
Marc Andreessen 🇺🇸@pmarcaMarc Andreessen 🇺🇸@pmarca
