普林斯顿大学发布 CEO-Bench 基准测试，模拟创业公司 500 天经营，启动资金 100 万美元，评估 AI 模型担任 CEO 的能力。多数模型在 500 天后破产。最佳单次运行中，Claude Fable 5 期末现金达 4715 万美元，是唯一多次运行均高于初始余额的模型；Claude Opus 4.8 为 2778 万美元，GPT-5.5 为 2130 万美元。Grok 4.20 平均仅存活 28 天，DeepSeek V4 Pro 和 Gemini 3 Flash 亦全部破产。基于规则的基准模型最终余额为 1580 万美元。
在2026年度全球发布会上，优必选创始人周剑指出，机器人将替代手机成为AI最核心的交互终端，用户用自然语言下达指令即可获得服务与情感陪护，交互方式从手动变为口述，奠定机器人在家庭的终端入口地位。同日，优必选宣布超仿生人形机器人优世界U1系列订单已突破1万台，力争今年交付。该机器人主打情感陪伴，分男女两款，各搭载88个高自由度运动关节。作为对比，2025年全年优必选全尺寸具身智能人形机器人总销量为1079台。
向阳乔木@vista8推文引用摩根大通CEO杰米·戴蒙的说法，他曾用OODA循环（观察-定向-决策-行动）评估复杂业务场景。该模型由美国空军上校约翰·博伊德在1970年代初提出，用于解释空战中如何快速做出正确判断。作者认为，未来大模型或AI组织的竞争本质也是如此——谁自我迭代循环得更快，谁就能赢得优势。
karminski-牙医@karminski3SGLang的DSpark在PR中放出实测数据，可预测3个token（数学类3.37，日常对话3，代码3.52）。1K长度prompt下加速比达1.81倍，8卡B200速度297 token/s（无DSpark为164 token/s）。单并发提升最高，超过8并发仅1.2‑1.3倍。TPOT仅2.9‑5.2ms，延迟可忽略。该PR（#29538）尚未合并。
SemiAnalysis@SemiAnalysis_SemiAnalysis 指出，Nvidia 今年下半年将迎来大幅增长，其加速器模型估计 Nvidia 数据中心计算收入在 FY2027 下半年比共识预期高 20%。Rubin 芯片因早期 HBM4 问题已解决且前端晶圆供应充足，将实现大幅爬坡。这些估计基于供应链（包括材料、制造、组件、服务器集成商到超大规模和前沿实验室）的全面研究。
meng shao@shao__mengGoogle UK与Public First研究发现，英国职场AI采用率一年内从34%升至73%，但呈不均衡曲线。仅15%的“AI Trailblazers”（深度用户）晋升概率高84%、绩效高88%、加薪概率高55%，每周节省近8小时。其余85%仍处于旁观、实验或实践阶段。阻碍因素包括：一次即弃的提示词习惯、搜索框思维、缺乏明确使用许可。Public First推出AI技能测验，Google的“AI Works for Britain”计划支持2030年前培训1000万工人AI技能的目标。
OpenCode@opencode
Rohan Paul@rohanpaul_aiAravind Srinivas just explained why China's open-source AI may become more powerful than ever. And why Anthropic has lob...
数字生命卡兹克@Khazix0918全球高质量真实物理交互数据截至2026年初仅约50万小时，不足大语言模型训练数据的两万分之一，而训练通用机器人需千万小时级别，因此大量人工采集成为必需。该岗位无学历经验要求，面试先问身高体重（因手套固定规格），通过率极高。试岗需穿戴设备进行遥操作或示教采集，重复叠衣服、分拣积木等简单动作。兼职日结，吸引各行各业的人。作者小伙伴达达亲身体验，感叹其魔幻与现实。
Berryxia.AI@berryxia截至2026年5月，AI相关裁员接近9万个，预计未来五年美国最多15%的岗位将被AI替代。但Ramp与Revelio Labs对近22,000家公司的报告发现，高AI投入企业（前三个月人均月均支出30美元）总员工数增长10.2%，入门级岗位增长12%。报告认为AI并非普遍导致岗位消失，而是在资源充裕的科技企业里成为扩张工具——降低工程、销售、客服等职能的生产成本，从而推动整体增员。但仅购买订阅而未持续投入的公司未见人头增长，可能加剧企业间的资源鸿沟。
Claude Code 负责人鲍里斯·切尔尼认为工程、产品和设计正逐渐融合。他将其团队成员分为五类：原型设计者、构建者、清理者、增长者和维护者，许多成员身兼多职。健康团队需具备全部五种能力，未来产品岗位可能不再按专业领域区分。Figma CEO 迪伦·菲尔德也认同传统职位边界正在消失，部分企业已弃用“管理者”称谓。切尔尼强调角色会随时间和项目改变，且 Claude 能在不同程度上协助所有类型工作。
Orange AI@oran_ge36氪记者 Jessy 到 Oran Ge 所在公司访谈，超过 10 小时录音梳理成文。文章记录了该公司过去一年多真实挣扎与决策：如何在梦想与盈利间平衡，带领团队穿越缺少答案的阶段，以及重构 AI 时代的工作方式。作者将其视为时代剧变下的自身观测点，对读者而言，其中的取舍与挣扎具有参考价值。
hyperscript 0.9.91版本出现回归：表达式fetch \{% url 'trade:get_symbol_data' %}?symbol=${symbol}\ as JSON中as JSON被错误地当作表达式转换而非fetch修饰符。作者用Claude快速定位根因——重构时提取的parseURLOrExpression()方法让fetch后接完整表达式，导致as被表达式消费。Claude提出两个修复方案：第一个仅支持字面字符串，无法处理fetch $url as JSON；第二个引入noConversions标志，增加不必要的上下文敏感性。作者最终利用hyperscript已有的“follows”机制简洁解决问题。案例展示了AI在问题分析上的高效与在设计优雅修复上的局限，印证了“巫师学徒”陷阱。
小互@xiaohu媒体软件公司Every公开「复利工程」方法论，以单人工程团队维护5款产品。核心是四步循环：Plan→Work→Review→Compound，其中Compound将每次解决问题的解法写入CLAUDE.md和docs/solutions/，使AI下次自动避坑。工程师80%时间花在Plan和Review，仅20%用于写代码。配套开源插件支持Claude Code等，含26个专项agent、23条工作流命令、13项技能，可零配置使用。/workflows:review一次并发14个agent审查代码，/workflows:plan在ultrathink模式下可并发40多个研究agent。
Atoms 是无代码平台，支持零基础设施、多智能体架构并即时连接 GPT 与 Gemini。Sim AI 是开源可视化 AI 智能体工作流工具，提供拖拽画布、80+ 集成及 MCP 支持，可云托管或 Docker 自部署。RAGFlow 是检索增强生成引擎，支持多格式文件建立知识库，连接 LLM（API 或 Ollama），具备检索质量验证。Transformer Lab 是免费开源本地 LLM 与扩散模型工作站，支持下载、对话、图像生成、微调（含 RLHF）、RAG 及嵌入计算。LLaMA-Factory 支持 100+ 模型及 SFT、PPO、DPO、LoRA、QLoRA 等训练方法。
Berryxia.AI@berryxiaI finally managed to run GLM-5.2 fully locally by inter-connecting 256 16GB Mac Minis
形式化验证的成本和工具已进入可广泛使用阶段，AI消除了编写证明的最大障碍。与仅覆盖有限输入的测试不同，形式化验证通过验证语言（如Dafny、Lean、Rocq）编写属性和代码，由SMT求解器自动检查所有可达状态是否满足规范——例如权限系统的子集不变性，确保派生权限始终是父权限的子集。验证保证是绝对的：只要规范正确，代码在所有状态下都不会违反属性。过去编写证明需要博士级技能且工具缓慢，如今这一门槛正在降低。
宝玉@dotey开源电子书用约4300行代码（TypeScript和Python）复现Claude Code核心架构，涵盖Agent Loop、13个工具、4层上下文压缩、语义记忆召回、技能系统、多Agent、MCP集成。全书13章分步教程，讲解如何简化实现。提供中英文版。
Rohan Paul@rohanpaul_aiPerplexity CEO Aravind Srinivas 解释，中国开源AI可能变得更强——出口管制导致开源模型与前沿模型之间存在12个月的差距，但中国在物理层（数据中心建设）拥有显著优势：更快建设速度、电力与许可无障碍、充足劳动力与专长。Anthropic 为此大力游说出口管制，然而这反而可能迫使中国成为更具竞争力的对手。
👀 This is from an ex-Meta PM.
具身智能数据采集员以日薪200-250元招兼职，无需学历经验。面试先测量身高体重以适配采集手套，并询问是否晕VR。工作分两种：遥操作采集——穿戴设备控制双臂机器人完成分拣积木、叠纸杯等动作；无机器人示教采集——徒手重复动作（如叠衣服），设备记录轨迹。全球高质量物理交互数据截至2026年初仅约50万小时，不足大语言模型训练数据的两万分之一，需大量人力从零采集。
Ethan Mollick@emollick向阳乔木@vista8推文作者发现《七龙珠》曾受成龙功夫派影响，使用AI工具以火柴人风格生成了鸟山明及《七龙珠》的介绍内容，并分享了完整PPT链接。未提及具体AI模型或参数细节。
SemiAnalysis@SemiAnalysis_Orange AI@oran_geOpenAI Codex 负责人 Andrew Ambrosino 在 Lenny 播客上表示：PRD 未过时，方向模糊时文档比原型更有用；反对砍掉产品经理，这将抛弃学科积累的最佳实践。设计流程未死，但需区分探索与成品，AI 生成的精细原型易带来“可上线”错觉。角色由实际工作平均值定义，非头衔。Codex 周活跃用户 500 万，OpenAI 内部近 100% 员工每周使用。
Berryxia.AI@berryxia前Meta产品经理Qu Xiaoyin预测，欧美企业将抛弃OpenAI和Anthropic，转向中国开源模型。核心原因：中国模型可部署在企业自有GPU上，满足数据合规且完全控制；开源模型（如DeepSeek、Qwen、GLM）允许用内部数据后训练，构建专属模型。背景是2026年上半年中国开源模型能力追平闭源，美国芯片限制反而加速轻量化和推理优化。对企业而言，开源模型实现一次性部署、边际成本趋零，数据不出服务器确保安全，可针对领域微调，并避免被闭源API锁定。潜在风险是运维需专业团队，但AWS、Azure、阿里云等已提供托管服务降低门槛。
American and European enterprises will ditch OpenAI and anthropic and adopt Chinese models. Here's why: 1. They can host...
ginobefun@hongming731智能体进入大型工程组织面临验证回路与组织成熟度两大瓶颈。Spotify 架构师分享在2000万行monorepo中运行Claude Code的经验，强调标准化代码库与可靠的CI、测试、自动合并等验证基建是前提，内部平台Honk整合这些工具。Block 工程负责人指出九成工程师在用Goose和Claude Code但功能交付未加速，提出六阶段成熟度模型与AI champions项目（约50名champion各投入30%时间），通过AGENTS.md沉淀知识，三个月内AI生成代码占比提升69%。Spring I/O 2026则梳理Spring AI从LLM调用到生产级智能体生态的演进。三篇从技术基建、组织流程、框架产品化给出解法。
ginobefun@hongming731Spotify 在 2000 万行 monorepo 中运行 Claude Code 智能体，依赖内部平台 Honk 在 Kubernetes 里集成 CI、构建、测试自动化；Block 3500 名工程师中九成使用 Goose 和 Claude Code，三个月内 AI 生成代码占比提升 69%；小红书提出 RedKnot 长文本推理引擎，通过按注意力头拆分 KV Cache、稀疏 FFN 和段页存储实现 1.6‑3.54 倍 TTFT 加速和 4.7‑7.8 倍并发提升。同期还涵盖 Spring AI 2.0 与 MCP 路线图、Token 不经济现象分析等内容。
http://x.com/i/article/2071738413074771968
Kling AI@Kling_aikarminski-牙医@karminski3主推文解释DSpark（类似MTP的预测技术）为何不降智：草稿模型生成的高接受率token（标点、助词、代码语法等）信息熵低，计算成本不变，被接受后提升性能而不影响质量；真正决定prompt质量的token接受率低。后置置信度调度器进一步保证效果。回应了引用中关于“小模型逆合不如大模型自解码为何不降智”的疑问。
@karminski3 牙医老师,我有一个问题:既然 DSpark 是类似于 MTP 的预测技术(依旧是类似于草稿模型的思路),那么小模型逆合的输出应该是不如大模型自身 decode 的,为什么说不会降智呢?(或者说....实际上是这样对性...
karminski-牙医@karminski3DeepSeek推出的DSpark是一种推测性解码技术，通过在Final RMSNorm后接入3层MTP微型Transformer堆叠，让大模型在输出前并行猜5个token，经置信度头剪裁后，送回大模型用prefill验证，正确则一次性吐出多个token。相比外挂小模型更高效，不降智，速度提升60%-85%。目前SGLang已有相关PR（#29538），DeepSeek已在HuggingFace发布多款DSpark魔改版小模型。
Ethan Mollick@emollickAnthropic在算力上的支出达到每位工程师每年51.5万美元，是其完全薪资（22.4万美元）的2.3倍。相比之下，顶尖1%软件公司的算力支出为8.9万美元，中位数仅为1.37万美元。三个2029年情景预测了这一差距的缩小路径。
Rohan Paul@rohanpaul_aiFigure 公司 CEO Brett Adcock 表示，若能获得大量数据，就能解决通用机器人问题。他认为物理 AI / 机器人领域的真正瓶颈不是更好的模型，而是更好的机器人数据基础设施。CyberOrigin 推出的 CyberCode 正是为解决该问题构建：将真实的人类操作数据转化为可搜索、可检查、可追溯、多模态信号精准同步、质量检查、评估就绪的运营层。机器人策略、世界模型和视觉-语言-动作模型只能从数据系统暴露的结构、覆盖范围、时序和质量中学习，因此更好的数据基础设施与更好的模型架构同等重要。
