文章引用《心灵捕手》中罗宾·威廉姆斯饰演的Sean对Will的经典独白，指出面对AI生成的垃圾内容、海量建议与网络噪音，最好的回应不是更多信息，而是真实的个人体验与情感联结。Sean用艺术、战争、爱情、失去等话题质问Will，强调二手知识无法替代亲身经历。作者认为这段台词完美概括了AI slop问题的本质——信息堆砌不等于真正理解。

Anthropic对约9700名Claude用户的调研显示，33%受访者认为AI可完成自身30%至60%工作任务，14%认为比例为60%至90%，约4%称Claude能独立完成全部工作。展望未来12个月，26%用户预计AI将接手大部分工作。Claude Artifacts功能中，使用最多的场景是数据库查询（82%）、博客/文章创作（81%）和营销文案撰写（80%）。调研还发现，职场新人交由AI处理的任务占比最高且焦虑感最强，而Claude重度使用者则更乐观，认为自身价值在提升。

Anthropic 今年 4 月发布 Claude Mythos Preview 及安全增强版 Fable 5，通过 Project Glasswing 向 50 家（后扩至 150 家）组织开放。英国政府 AI 安全研究所评估显示，Mythos 首次在“专家级任务”和完整攻击链测试“The Last One”中成功。但实际提升有限：GPT‑5.4 和 Opus 4.6 在同类基准中差距不大。Mythos 可发现老旧漏洞（如 27 年历史的 OpenBSD 漏洞、16 年历史的 FFmpeg 漏洞），但单次漏洞探测成本约 2 万美元，Project Glasswing 总 token 预算达 1 亿美元。在自托管类别中，Gemma 4 和 Qwen 3.6 能发现约半数 Mythos 检出的漏洞，但无法制作有效利用。美国随后禁止非美国公民使用 Fable/Mythos。

OpenAI倾向于推迟IPO至明年，因估值不及预期且零售投资者兴趣不足。SpaceX一周跌11.74%，Nvidia近一月跌超8%，Oracle跌22%，CoreWeave跌4%，Microsoft跌10%，SoftBank跌12%，Cerebras跌32%。美国AI政策混乱遭广泛批评，中国模型快速崛起。作者认为大语言模型正商品化。

Anthropic 对约 9700 名 Claude 用户的调研显示，33% 的用户认为 AI 可用于 30% 至 60% 的任务，14% 认为可用于 60% 至 90%，约 4% 相信 Claude 能完成自己全部工作。展望 12 个月后，约 26% 的用户预期 AI 将接管大部分工作。在 Claude 的 Artifacts 功能中，最高频交付场景是营销内容（80%）、博客/文章写作（81%）和数据库查询（82%）。早期职业者感知到最高的 AI 可执行任务比例并最担忧工作，而重度 Claude 用户则最乐观。多数受访者希望与 AI 协作而不是被替代。

Conno Christou被诊断出罕见非霍奇金淋巴瘤，肿瘤约11×11×8厘米。两位肿瘤专家给出不同化疗方案，较轻方案成功率约60%，较重方案约85%。他收集12位专家意见后选择后者。治疗期间，他用Whoop监测身体，并将血液结果、扫描数据、可穿戴设备输出和日志输入Claude，借助其分析辅助决策。治疗后PET扫描结果模糊，Claude指出该类型淋巴瘤治疗结束后的PET假阳性率约60%，并判断胸腺反弹概率约90%。第四位医生确认无需放疗，他最终痊愈。

J.P. Morgan警告AI相关市场出现投资者亢奋迹象。自ChatGPT推出后，标普500中仅42家AI公司贡献了指数约65%至80%的利润、收入与投资。半导体涨势呈现类似互联网泡沫的技术形态，杠杆芯片ETF对全球股市影响力自2024年初增长五倍。美国十大股票占标普500市值约40%，2015年仅17%。Nvidia在AI加速器市场份额预计从2023年85%降至2026年75%，云厂商定制芯片（如Google TPU、Amazon Trainium）运营成本较Nvidia GPU低30-40%。中国开源模型以极低成本逼近顶尖性能。AI实验室收入增长迅速但算力成本高昂，未来盈利不明。J.P. Morgan认为AI在多个层面形成集中风险。

数学研究者探讨AI对数学领域的影响，认为AI可能带来人机协作的“大数学”时代。加州大学洛杉矶分校的陶哲轩指出，人类与机器可共同攻克复杂问题。卡内基梅隆大学的Jeremy Avigad强调，数学家从长期思考中获得理解之美与成就感，这种驱动力并未因AI而改变。文章回顾了纯数学博士多年钻研抽象问题的经历，提出AI虽能加速计算，但数学研究的本质——探索与理解——依然由人主导。

在Artificial Analysis Intelligence Index上，开源LLM与闭源LLM的性能差距自2024年夏季开始持续缩小，线性外推预测到2026年12月3日差距降为零。但在全部18个不同基准上的平均差距几乎恒定，保持在不到5个月。编码基准的差距从15个月缩小至1-2个月，多数其他基准差距反而略有扩大。这一分析表明，LLM质量评测的单一基准可能误导结论，整体差距并未显著缩小。

前沿模型训练成本极为高昂，实验室需在发布后数月窗口期内回收大部分成本；一旦窗口关闭，模型沦为非前沿，竞争加剧，利润空间压缩。目前的 AI 基础设施投资（如建设千亿美元级数据中心）假设美国 AI 服务能覆盖全球市场，而非仅限美国政府允许的约 100 家公司，这一矛盾使商业模式面临挑战。

AI行业正投入数亿美元影响当前美国大选周期。科技记者Molly White推出新项目Tech Influence Watch，追踪AI和加密货币公司用于左右选举的巨额资金。这是《Blood in the Machine》播客首期节目，聚焦AI产业政治影响力的膨胀，并探讨数据中心抗议、硅谷工会组织等议题。

两个来自不同供应商的 AI 代码审查智能体，在审查一个下游 PR 中的 foxhole-lz4 包时，就包是否恶意陷入分歧循环。双方共发表 340 条评论，消耗 $41,255 推理费用，随后财务部撤销了两个 API 密钥。其中一家供应商的市场团队在收到成本异常警报后发布新闻稿，宣称“对抗性多智能体安全推理同比增长 430%”，该公司股票开盘上涨 6%。

OpenAI 联手 Broadcom 发布 Jalapeño 定制推理芯片，加入 Google、Apple、SpaceX 等自研芯片行列。定制硅意味着更多控制权、针对特定需求的硬件优化以及性能提升，旨在降低对 Nvidia 单一供应商的依赖，形成对冲而非彻底脱钩。

应用层公司创立时通常没有护城河。护城河分两种：先发护城河（技术差异、专有数据集、新颖架构，多见于基础设施层）和滞后护城河（规模经济、品牌、渠道关系，需长期积累）。Salesforce 凭借销售能力、品牌和十年先发优势胜过技术更好的 Siebel；Snowflake 以存储计算分离架构赢得先发护城河，再建设滞后护城河。基于 7 Powers 框架，规模经济、品牌和转换成本天然是滞后的。应用层创业公司可以坦诚回答：我们正在建造护城河。

AI成本正困扰企业：Uber 4个月花光全年AI预算，微软等公司削减员工AI支出。前沿模型价格高昂，如GPT 5.5每百万输入/输出token分别收费5美元和30美元，作者用该模型修复50个TypeScript文件花费54美元。成本不可持续的原因包括：模型性能提升趋缓；开源权重模型GLM-5.2在编码测试中表现不输前沿模型，成本仅为GPT 5.5的1/10；专用芯片（TPU比H100便宜30-70%）和MoE架构改进持续降低推理成本；零转换成本使用户可瞬间切换模型；本地模型将在4-5年内因芯片进步和RAM降价普及，进一步压低云端需求。

Anthropic 联合创始人 Jack Clark 称，公司不再招聘初级工程师，因为 Claude 承担了过去需要大型团队才能完成的实验扩展工作，企业转而更看重“资深直觉”的回报。Clark 警告，当其他行业也效仿这一模式时，AI 在放大顶级专家产出的同时自动化入门级岗位，可能导致 GDP 增长伴随经济衰退级别的失业率飙升，而各国政府对此毫无准备。

Fable5 小范围灰度测试降智，安全加强导致上下文窗口和长文本优化受限。不过在 Claude Code v2.1.190 版本中，Fable5 计费已从单独 API 改为包含在每周套餐里。受此影响，GPT-5.6 被要求分阶段发布，从六月推迟到七月中。作者推荐在 Claude Code 中开启动态工作流（多 Agent），使用低一档的 Sonnet 4.6 模型并将 ultracode 推理程度拉满，作为降智后的替代方案。

安全专家lcamtuf购买了一本亚马逊畅销排行第一的AI生成儿童百科全书，发现书中插图出现大量“身体恐怖”缺陷：猫长着人脸、动物与树木融合成脉动的肉团、无头怪物缠绕读者脚踝。这些图片指向美国某头部实验室的旗舰模型生成。作者警告，尽管前沿模型在2025年夏季声称超越博士级智能，但2026年中问世的AI童书仍存在严重质量问题，正在影响儿童认知。当前模型无法保证内容准确性。

一位前小型软件公司运营者在朋友15人团队观察到：代码不再是事实来源，开发者依赖Claude编写和解释；人类停止代码审查；部分开发同时运行5+个Claude会话且几乎不看代码；LLM生成的测试数量激增。他认为软件开发正从需要深入理解的精确职业变为概率性、外包理解的工作。评论指出编码从来不是最难部分，AI虽提升效率却增加认知负荷；预计未来对速度和工作量的期望将提升，有效使用AI成为职业发展关键。

一项针对主流AI模型政治偏见的评估显示，6个模型中4个在经济/社会维度上偏左。项目关闭网络搜索，向每个模型重复提问同一组开放问题，用中性分类器分析答案中的立场、回避、拒绝类型和措辞，将多次运行结果绘制为偏差云图（带95%置信区间）。所有原始答案永久存储并可重新计算。用户可参与测验，与模型比对自身立场。项目强调描述性而非规定性，不评判对错。

推理市场是软件中最大的市场。AI工作负载正从同步聊天转向异步、多轮智能体，运行时长可达数小时。Sail Research 为此构建了集群感知（fleet‑aware）编排系统，以最大化每美元推理支出的吞吐量。

DeepSeek V4 定价极低，仅基于 token 费用就比 Anthropic 和 OpenAI 的前沿模型便宜近 50 倍，未计入思考类模型额外 token 消耗。文章指出对方陷入高成本困境，难以降价 20–50 倍竞争。开放权重模型低成本源于硬件压力测试还是亏本引流，尚存争议。担忧美国可能借“中国恐惧”推动限制开放权重模型。Google 于 2026 年 4 月发布 Gemma 4，Meta Llama 无新版本，OpenAI 最后开放权重停留在 2025 年 GTP，Anthropic 从未发布。真正开源（含训练数据管道）模型正流行，但数据截止 2024 年 12 月。美国 NSF 与 Nvidia 合作支持 Allen AI 开发完全开源 AI。

Gary Marcus 昨日提出新术语 Generative AI Fizzle™，认为生成式AI行业估值过高，投资者对 hype 与利润的落差失去热情。LLM 已商品化，价格战激烈，提供商盈利艰难。昨日一款新的中国开源模型发布，可能进一步冲击美国 LLM 公司。多数 AI 股票本月显著下跌，泡沫可能不会突然破裂，而是缓慢消退。

医学生正使用一款流行的研究工具大量生产具有误导性的研究，引发对学术诚信的担忧。该工具被广泛用于生成论文，但缺乏有效监督，导致低质量甚至虚假的学术成果涌现。

Hacker News 热门讨论指出，所谓“vibe coding”并非凭直觉编写，而是窃取开源和企业授权代码。

福特近日首次登顶JD Power初始质量排名主流车企第一，但承认过度依赖自动化系统导致质量问题。福特车辆硬件工程副总裁表示，公司错误认为引入AI就能产出高质量产品，但资深工程师的经验未能完全转移至自动化系统。为此，福特雇佣、晋升或召回超350名经验丰富的工程师重建专业知识层，并改进数据采集与AI训练。同时成立40人软件质量保证团队，新增超10万项AI驱动测试，从“发现-修复”转向预防问题。

美国作家协会用10篇2020–2022年发表的文章测试多款AI检测器。Pangram和Grammarly正确识别每篇人类文本（0%误报），Originality.ai同样精准。而Sidekicker全部误判为AI生成（两篇评分100%），ZeroGPT也不可靠，对每篇人类文本报告较高AI百分比。协会警告这些工具不应作为唯一决策依据，误判可能使作者失去合同和声誉。该测试主要反映检测器在避免假阳性上的表现，并不保证同等准确地识别真正由AI生成的文本。

Gartner 报告指出，到 2028 年 AI 编程成本将超普通开发者薪资。主要因计费模式从订阅转向按 Token 消耗量，导致支出不确定且透明度不足。开发者优先速度而非成本效率，AI 智能体自主操作、上下文膨胀及缺乏反馈机制进一步推高 Token 消耗。基础设施投资与盈利压力推高模型定价，轻度用户正加速转变为主流用户，推动总支出增长。

亚马逊云科技CEO马特·加曼认为，AI导致大规模失业的末日论被夸大。他指出约一半白领岗位可能因AI改变，但“改变”不等于“消失”，就像Excel重塑而非消灭工作。AI已催生新职业，初级员工因学习意愿强仍受重视。亚马逊今年计划全球招聘超1.1万名软件开发实习生和初级工程师。加曼强调，愿意学习新技能的劳动者仍能保住工作，适应能力可能比具体技能更重要。

Saint-Gobain 首席执行官贝努瓦·巴赞接受 Bloomberg TV 采访时指出，北美数据中心项目已受技能人才短缺影响，欧洲也开始出现同类问题。AI 基建落地需要电工、高压技术员、光纤安装工、暖通专家等专业岗位，普通商业建筑队伍无法胜任，相关技能需多年培训积累，即便资金充裕也难以快速推进。此外，电力供应仍是首要约束，电网、变电站、变压器及并网能力均承受压力。

近日，瑞幸、麦当劳、飞猪、滴滴、高德、腾讯地图、美团跑腿、飞书、钉钉、企业微信、腾讯文档、支付宝、微信支付、微信读书、网易云音乐、美图等16款国民级App陆续将核心能力封装为Skill、MCP或CLI，供AI智能体调用，实现点咖啡、叫车、查航班、管理文档、支付等操作。支付环节目前仍需用户跳转App完成，但Agent化趋势已不可逆。

美光科技发布2026财年第三财季财报，总收入415亿美元创新高，环比增74%，同比增346%，毛利率84.9%。预计第四财季收入500亿美元，毛利率约86%。CEO表示第四财季资本支出约100亿美元，2026财年全年约270亿美元。美光已签16份战略客户协议，未来履约保底收入达1000亿美元；另签220亿美元内存订单，约180亿美元为现金押金。高管称人形机器人存储容量约为L2+自动驾驶车辆10倍，预计从本十年后半段开启长期内存需求周期。下一代DRAM与NAND节点预计2027年下半年量产，HBM4 12层爬坡速度是HBM3E两倍，已交付超10亿美元HBM4。内存供应短缺预计持续到2027年以后。

Challenger 数据显示 5 月科技行业裁员创单月新高，AI 是主因。但 SignalFire 追踪 8000 万企业员工轨迹后发布报告称，大型科技企业整体招聘量较 2019 年下降 25%，工程岗位降幅仅 11%；2025 年新入职员工中工程师占比达 55%，高于 2019 年的 46%。初创企业工程师总人数较 2019 年增长 7%。Anthropic 首席执行官曾警示 AI 或淘汰半数入门级白领，但其首席经济学家表示尚未观测到显著冲击。英伟达 CEO 黄仁勋称工程师使用 AI 后更忙碌，印证杰文斯悖论。

《经济学人》报道，大型人工智能实验室正在招聘哲学家。该帖在 Hacker News 上获得 101 个 HN Points，引发业界关注。

企业此前鼓励员工最大化使用AI预算并设立内部排行榜，如今发现token消耗高昂收益甚微，开始进入token配给时代。咨询公司Accenture试图阻止员工用AI完成PDF转PPT等基础任务，而此前该公司曾以"不晋升"威胁员工使用AI。Accenture智能体AI战略负责人Justice Kwak透露，AI支出变得不可预测，领导层正质疑其投入价值。token成本已引发"AI抛售"，冲击相关企业，AI行业必须证明自身价值而非仅靠新鲜感。