凡人小北@frxiaobei · 5月21日65

这个有点意思，尝试下。 把 codex 指向另一个产品，30 分钟后就拿到了它的架构、数据模型、带有成本估算的提示。378 行的重建计划。 "/goal implement until your output matches theirs exactly"

译用户将Codex工具指向一个现有产品，仅用30分钟就自动分析并输出了该产品的完整技术蓝图，包括架构、数据模型、带有成本估算的提示词，并生成了一份长达378行的重建计划。更令人惊叹的是，现在可以通过一条明确的指令（“/goal implement...”），让Codex尝试一次性重建出与目标产品功能完全一致的成果，展示了其强大的逆向工程与代码生成能力。

Rohan Paul@rohanpaul_ai · 5月21日80

WSJ: OpenAI is preparing a confidential IPO filing in the coming weeks. Goldman Sachs and Morgan Stanley are helping draft the prospectus. OpenAI was recently valued at $ 852B. The Musk legal win removed one IPO roadblock, but public investors will still test OpenAI’s structure, Microsoft relationship, spending commitments. Investors continue to scrutinize OpenAI’s financial position and that of its partners, while Altman keeps announcing its web of tech partnerships. --- wsj .com/tech/ai/openai-ipo-filing-date-0ec95af5

译OpenAI正准备在数周内秘密提交IPO申请，由高盛和摩根士丹利协助起草招股书，此前估值高达852亿美元。尽管马斯克的法律诉讼胜利消除了一重障碍，但公众投资者仍将严格审视OpenAI的复杂公司治理结构、与微软的深度关系以及其高昂的支出承诺。市场持续关注OpenAI及其合作伙伴的财务状况。

Rohan Paul@rohanpaul_ai · 5月21日69

Greg Brockman explains how the public story about AI data center water use is partly wrong. Because the cooling-systems use a closed-loop design that circulates the same stored water instead of constantly pulling fresh water. i.e. it works less like a running tap and more like a sealed pool, where water absorbs heat from servers, moves through cooling equipment, then returns to the same circuit. The argument here is not that AI infrastructure has no resource cost, but that public debate often mixes up different cooling designs and treats every data center as if it burns through water the same way. The important distinction is water withdrawal versus water consumption, because a site can hold a large amount of water inside its pipes while using far less new water day to day. OpenAI's official blog on Stargate project also says the same thing: "Water is one area where details matter. Like many data centers, the Abilene site uses closed-loop cooling rather than traditional evaporative cooling towers. Once the system is filled, water continuously moves through sealed pipes and is recirculated rather than consumed. For Abilene, the one-time initial fill for each building is equal to roughly two Olympic-sized swimming pools. After that, annual water use for the entire cooling system at full buildout is expected to be comparable to a medium-sized office building, or about four average households." --- From 'The Knowledge Project Podcast' YT channel (link in comment)

译Greg Brockman指出，公众对AI数据中心用水量的认知存在偏差，主要源于混淆了“取水量”与“耗水量”。他解释，现代数据中心多采用闭环冷却系统，如同“密封水池”，水在系统内循环吸热，而非像“流水龙头”般持续消耗新鲜水源。因此，系统可容纳大量水，但日常补充的新鲜水很少。OpenAI的Stargate项目博客也证实，其站点采用闭环冷却，全面运行后年耗水量仅相当于一栋办公楼或约四个家庭的用水量。公众辩论常因不了解冷却技术差异而过度简化。

Rohan Paul@rohanpaul_ai · 5月21日64

A general-purpose LLM can produce frontier research when given enough test-time compute. Here, just a general-purpose OpenAI model has connected algebraic number theory to plane geometry and used that bridge to beat a decades-old conjecture. Shows how frontier models may already contain useful latent mathematical competence, and the bottleneck is partly how long and how well they are allowed to think.

译OpenAI的通用推理模型近期通过连接代数数论与平面几何，成功解决了保持数十年的平面单位距离猜想（Erdős猜想）。关键突破在于模型并非专用定理证明引擎，其成功依赖于延长和深化测试时计算过程，而非仅增加训练数据。这一进展表明前沿大模型已蕴含潜在的数学研究能力，当前瓶颈部分源于模型被允许“思考”的时间和方式。未来方向不是AI取代人类判断，而是在人类判断开始前拓宽思维的疆域，从而推动科学发现与创新。

Berryxia.AI@berryxia · 5月21日27

刚刚去书店呆了一会，喝了杯咖啡。 Vibe Coding了 一会，发了一会呆。 找了点灵感～ 转头看到这里面很多的大学生或者附近上班or OPC的人，80%的人使用的苹果电脑或者iPad ！ 对一半的人在使用AI工具进行学习或者工作，有几个零零散散的人在使用chatgpt。 而且就是纯chat模式～ 没有看到有人使用大家每天日常使用的Claude or Codex！ 所以AI的发展还很早期…

译作者在书店观察到，苹果设备（Mac/iPad）是用户主流选择。约半数用户在使用AI工具，但绝大多数仅使用ChatGPT基础对话功能。现场未见到人们日常提及的Claude或Codex等工具。这一现象说明，尽管AI已进入大众视野，其应用仍主要停留在初级阶段，专业级工具的普及和深度使用远未到来。

Orange AI@oran_ge · 5月21日81

AI 发展的里程碑时刻。 OpenAI 的一个未公布的内部推理模型，自主解决了 Erdős 1946 年提出的平面单位距离问题。 chain of thought 长达125 页，核心手法是从代数数论拉了一套工具去解离散几何问题，这个跨领域连接是人类 80 年没想到的。 最有意思的是这个模型不是专门为数学训练的，是通用推理模型。 这说明足够强的推理能力到了某个阈值之后，创造性会自然涌现。 恭喜人类。

译OpenAI未公开的内部通用推理模型，自主解决了数学家Erdős于1946年提出的平面单位距离问题，颠覆了近80年来学界对解法结构的普遍预期。该模型通过125页思维链，创新运用代数数论工具解决离散几何问题，实现了跨领域方法论突破。更值得注意的是，该模型并非专攻数学训练，其成果表明通用推理能力达到一定阈值后可能自然催生创造性，标志着AI在基础科学领域迈出了关键一步。

Greg Brockman@gdb · 5月21日78

our math result is a milestone in new knowledge generation by AI. very exciting to imagine similar results in other scientific fields. "It's very hard to sleep, man" is a pretty good reaction.

译AI在数学领域实现了新知识生成的里程碑式突破。OpenAI模型解决了组合几何中悬而未决的著名难题——平面单位距离问题（Erdos 1946），首次证明通过AI方法可将该问题中单位距离对的数量提升至超线性规模（n^{1+δ}），超越了以往所有人类已知的线性构造。这标志着AI从解决已知问题迈向发现新数学的重要进展。该突破引发了研究者“难以入睡”的强烈反响，被视为AGI时代临近的信号。

Rohan Paul@rohanpaul_ai · 5月21日78

AI in math is creating history again, as OpenAI's general-purpose reasoning model has disproved a major Erdős conjecture from 1946. The important part is not that AI solved a hard math problem, but how little special machinery it needed. For decades, the planar unit distance problem looked almost embarrassingly simple: place points on a plane, then ask how many pairs can be exactly one unit apart. For decades, the best examples looked like stretched versions of a square grid, so mathematicians believed grids were almost the best possible design. OpenAI’s internal model broke that picture by finding an infinite family of constructions that gives a polynomial improvement, with the proof checked by external mathematicians. The point to note is that the model was not a bespoke theorem-proving engine trained only for this problem, and the official post says its success improved with more test-time compute, meaning more reasoning at inference rather than only more training. That matters so much, because research progress often comes from holding a fragile chain of ideas together long enough to cross from one field into another. In this case, the bridge ran from a plain geometric question into deep algebraic number theory, including machinery like infinite class field towers and Golod–Shafarevich theory. And now we see a general-purpose reasoning system appears able to search a conceptual space where human taste, field boundaries, and inherited guesses may have quietly narrowed the path. So future is not machines replacing judgment, but machines widening the map before judgment begins.

译OpenAI的通用推理模型自主解决了一个自1946年以来未解的著名数学难题——平面单位距离问题。该模型没有采用专门为数学设计的定定理证明引擎，而是通过推理时增强计算能力，发现了优于传统网格结构的新构造方案。这标志着AI首次自主解决一个数学领域的核心开放问题。更重要的是，该模型能将几何问题与代数数论等深层理论连接，展示了通用人工智能在跨领域研究和拓宽人类认知边界方面的巨大潜力。

Greg Brockman@gdb · 5月21日19

ChatGPT team ships

译ChatGPT团队发布新功能

Chubby♨️@kimmonismus · 5月21日84

OpenAI made history today. An internal reasoning model autonomously disproved a famous conjecture in mathematics that stood for nearly 80 years. The problem: In 1946, Paul Erdős asked how many pairs of points can be exactly 1 unit apart if you place n points on a flat surface. The best known answer came from square grid constructions, and Erdős himself conjectured you can't do meaningfully better. Mathematicians believed this for decades. The AI proved him wrong. It found entirely new point configurations that beat the square grid by a fixed polynomial factor, not a marginal improvement, a real mathematical gap. The proof uses methods from algebraic number theory, a completely different branch of math, Class field towers, Golod-Shafarevich theory, tools nobody expected to be relevant to a geometry problem about distances in the plane (reminds me of move 37, AlphaGo tbh). Fields Medalist Tim Gowers calls it "a milestone in AI mathematics." The proof was verified by leading external mathematicians. According to OpenAI, this is the first time AI has independently solved a prominent open research problem in mathematics! Caveat: Obviously OpenAI chose which problems to test the model on. So "autonomous" means the model generated the idea and wrote the proof, not that it wandered into the problem on its own. But if reasoning models can reliably make cross-domain connections like this, finding paths that experts didn't prioritize, this changes research far beyond math. Biology, physics, materials science, medicine. This isn't AI reproducing human knowledge anymore. This is AI producing new knowledge. That's a qualitative shift.

译OpenAI内部推理模型自主解决了存在近80年的著名数学开放问题——平面单位距离问题。该模型推翻了Paul Erdős的猜想，发现了全新的点配置构造，其效率以固定多项式因子优于传统方格网格方案。证明运用了代数数论等跨学科方法，经外部数学家验证，被Fields奖得主Tim Gowers誉为“AI数学的里程碑”。这是AI首次独立解决数学领域的核心公开问题，标志着从知识复现到知识创造的重要转变，其跨领域推理能力可能为多学科研究带来深远影响。

Tibo@thsottiaux · 5月21日11

Codex is feeling codexy

译Codex 感觉很 Codex

AYi@AYi_AInotes · 5月21日76

说实话，OpenAI这条推文我看了三遍。 第一遍看懂了"AI解了80年数学悬案"， 第二遍看懂了"几何问题用数论来破"， 第三遍才反应过来——最震撼的不是结果，是AI自己想出了这条路， 而咱们人类80年来都觉得这条路太冷门不值得走。 这道题叫平面单位距离问题，1946年埃尔德什提出来的。 简单说就是:平面上撒一堆点，让尽量多的点对之间距离正好是1。 80年来所有数学家都信一个结论:最优解长得像方格子，没法再优化了。 OpenAI的AI说:你们错了，它找了一整族全新的构造方法，不是方格子，效率比方格子明显高出一截。 用的什么工具呢？ 就是代数数论里最冷门的那套——无限类域塔、Golod–Shafarevich理论。 因为几何和数论，这两帮数学家以前基本不聊天，AI说你们应该聊聊🤣 菲尔兹奖得主Tim Gowers写进审稿论文:如果是人写的，我直接推荐《数学年刊》接收。 数论专家Arul Shankar说:AI不只是助手，它有了原创天才想法并完整执行。 他的125页思维链已经公开，人类数学家验证通过，证明这不是噱头炒作。 以前AI在数学里的角色很清晰: 辅助验证， 帮人算， 搜索已知模式， 但这次不一样， AI自己想了一条路， 人类80年都觉得这条路太冷门、太反直觉、不值得走， AI偏偏走了，而且还走通了。 人类觉得不靠谱所以没试的路，有多少其实是通的？ 这事想想有点后背发凉，但更多的是期待 hhh

译OpenAI的一个AI模型自主攻克了“平面单位距离问题”，这是数学家埃尔德什于1946年提出的一个著名开放难题。近80年来，学界普遍认为最优构造近似于方格子，而该AI模型通过运用代数数论中冷门的Golod-Shafarevich理论，发现了一整族效率更高的全新构造，推翻了原有定见。此成就标志着AI首次独立解决一个数学领域的核心开放问题，其关键在于提出并完整执行了一条人类因直觉认为不可行而从未尝试的创新路径。

Chubby♨️@kimmonismus · 5月21日52

As excited as I am that a takeoff seems to have begun and we are entering a golden age of science, one thing remains: I'm hearing more and more from all sides that AGI is within reach. This applies to Google (AGI, Physical AGI), as well as OpenAI and Anthropic. The only caveat: there's no unified definition of what AGI actually is. There have been attempts to standardize a definition, and in my opinion, the most sensible one is Google DeepMind's. But as long as we're talking about different things, it's difficult to find common ground to say *when* AGI will be achieved (which AGI).

译推文指出，当前科技界正迎来科学发展黄金期，AGI实现看似触手可及。然而，各方对“AGI”缺乏统一定义，影响了对其实现时间的共识。尽管Google DeepMind的定义被认为较合理，标准不一仍是核心问题。OpenAI的Sam Altman强调AGI在加速科研、企业和个人目标实现三方面的潜力，并特别呼吁加强“个人AGI”的发展投入。

OpenAI Developers@OpenAIDevs · 5月21日58

Show us what you’re building with realtime voice. Join the OpenAI team in SF on May 27 for a demo showcase using the latest voice models. We’re looking for prototypes and products that are interesting, useful, creative, and technically ambitious. Top projects will present onstage, win prizes, and be featured by @OpenAIDevs & @cerebral_valley for a community vote.

译展示你正在构建的实时语音应用。 加入OpenAI团队，于5月27日在旧金山参加使用最新语音模型的演示展示。 我们正在寻找有趣、实用、富有创意且技术上具有雄心的原型和产品。 优秀项目将上台展示、赢得奖品，并由@OpenAIDevs和@cerebral_valley进行社区投票。

宝玉@dotey · 5月21日68

Codex 使用技巧：Steer 和 Queue 通常 Agent 执行一个任务不会马上结束，可能会要等几分钟甚至更久，如果这时候你有个新的要求想补充，这里有两种方式补充：Steer（任务干预） 和 Queue（排队）。 > Steer（快捷键：Shift + Enter）：在当前任务还没完成时，中途打断 Codex 并给它指引新的方向。 这个功能相当于你按停止，输入新指令然后再让 Agent 继续。但不需要你去手动停止再让它继续，只要输入指令，按 Shift + 回车，或者先回车，在点击“Steer”按钮就可以发送。Agent 会在下一轮工具调用间隙直接添加新的指令到上下文。 > Queue（快捷键：Enter）：在 Codex 完成当前步骤后，给它安排接下来的活儿。 任务排队就不太一样了。它不会打断正在进行的任务，而是把新任务排在队伍后面。而且你提交多条信息，它在任务结束后，不会一次性把你队列的消息执行，而是执行一条，完成这一条对应的任务后，继续下一条。 所以有时候我睡觉前，会在一个长任务后面加上几个 “Continue” 消息到队列，让它尽可能多跑一会，免得中间就停止了。 简单来说，“Steer”是改变 Codex 眼下正在做的事，而“Queue”是安排它接下来要做的事。

译本文介绍了在 Codex Agent 执行任务时补充新要求的两种核心操作：Steer 与 Queue。Steer 通过快捷键 Shift+Enter 在任务进行中直接插入新指令，改变 Agent 当前的工作方向；Queue 则通过 Enter 键在当前任务完成后添加新任务，并按顺序逐一执行，适用于安排后续步骤。两者本质区别在于 Steer 干预当下执行，Queue 规划未来任务。此外，用户可通过队列添加多个“Continue”指令，实现任务持续运行，适用于需要无人值守的场景。

Sam Altman@sama · 5月21日35

three of the things we are most excited about: 1. AGI accelerating research 2. AGI accelerating companies 3. personal AGI accelerating everyone in achieving their goals today it was great to announce the unit distance result. yesterday it was great to announce that we are offering to invest $2M in openai credits into every YC company. now we need to increase our efforts on the third!

译我们最兴奋的三件事： 1. AGI加速研究 2. AGI加速公司发展 3. 个人AGI加速每个人实现目标 今天很高兴宣布单位距离成果。 昨天很高兴宣布我们将为每家YC公司提供200万美元的OpenAI积分投资。 现在我们需要在第三点上加大努力！

Chubby♨️@kimmonismus · 5月21日64

OpenAI is aiming for a release of their upcoming general-purpose LLM. „We have not pushed this model to the limit on open problems. Our focus is to get it out quickly so that everyone can use it for themselves.“ What makes this so impressive is that a general-purpose LLM, not specifically trained for math or this problem, appears to get dramatically better simply by using more test-time compute! OpenAI has a run.

译OpenAI即将推出通用型大语言模型，强调其并非为特定问题或数学领域专门训练。该模型通过增加测试时的计算资源，性能实现显著提升，展现了通用模型在扩展计算时的潜力。官方表示当前重点在于快速发布，供用户自主探索，暂未在开放问题上追求极限优化。这标志着大模型发展的一条新路径。

Sam Altman@sama · 5月21日84

a general-purpose model solved a major open problem in mathematics. we'll be saying this a lot over the coming years, but this is a kinda big milestone. i'm very excited for AI to greatly extend our understanding of the world, but still, i have complicated feelings today.

译一个通用模型解决了数学领域的一个重大开放问题。 未来几年我们会经常说这句话，但这确实是一个相当重要的里程碑。 我非常期待AI能极大地拓展我们对世界的理解，但今天，我的心情依然很复杂。

Ethan Mollick@emollick · 5月21日48

Did we ever learn what model won gold at the IMO from OpenAI? It was a year ago and it was called an unreleased internal general purpose model back then. Has GPT-5.5 Pro Extended caught up with whatever it was?

译我们最终知道OpenAI在IMO上获得金牌的是什么模型了吗？那是一年前的事了，当时被称为一个未发布的内部通用模型。GPT-5.5 Pro Extended是否已经赶上了那个模型？

Ethan Mollick@emollick · 5月21日72

Its The Graph again (not the METR graph, the one from the o1 launch). Although no logarithmic decay of ability with increasing compute...

译又是The Graph（不是METR的图，是o1发布时的那张图）。 虽然能力并未随计算量增加呈现对数衰减……

OpenAI Developers@OpenAIDevs · 5月21日51

Come join us at a Codex meetup 🌏 https://developers.openai.com/community/meetups

译来参加我们的Codex线下聚会吧 🌏 https://developers.openai.com/community/meetups

Emad@EMostaque · 5月21日91

Once AI starts making solving open problems in novel ways it won’t stop. We are entering the final stage of human solutions to open problems like this. Feels weird, doesn’t it?

译OpenAI模型首次自主解决了Paul Erdős于1946年提出的平面单位距离问题，这一突破推翻了数学界近80年来的主流猜想。AI不仅给出了更优的解法，更发现了一族全新的构造方式。这一事件被视为AI能力的里程碑，暗示着在解决科学开放性问题上，AI正开始以新颖方式持续突破，可能标志着人类主导此类问题求解的“最终阶段”的到来。

Noam Brown@polynoamial · 5月21日67

Excellent thread from mathematician Tim Gowers on the significance of the @OpenAI model’s breakthrough on the Erdos Unit Distance Problem!

译数学家Tim Gowers关于@OpenAI模型在Erdos单位距离问题上取得突破的重要长文！ [引用 @wtgowers]：如果你是数学家，那么在继续阅读之前，你可能需要确保自己是坐着的。

ChatGPT@ChatGPTapp · 5月21日83

Gone shipping 🚢

译GPT-5即将发布 🚢

Greg Brockman@gdb · 5月21日92

An OpenAI model has achieved a major breakthrough in mathematics, by disproving a central conjecture in discrete geometry that was first posed by Paul Erdős in 1946. This is the first time AI has autonomously solved a prominent open problem central to a field of mathematics.

译OpenAI的模型在离散几何领域取得重大突破，自主解决了由数学家Paul Erdős于1946年首次提出的平面单位距离猜想。该突破是AI首次独立解决一个学科的核心著名开放问题。此前近80年间，数学家普遍认为该问题的最优解大致呈现为方形网格结构，而OpenAI模型发现了全新的、性能更优的构造方式，颠覆了这一长期信念。

AI Notkilleveryoneism Memes ⏸️@AISafetyMemes · 5月21日87

"This marks the first time AI has autonomously solved a prominent open problem central to a field of mathematics."

译OpenAI模型自主攻克了数学领域一个长达近80年的著名开放问题——平面单位距离问题。该问题由Paul Erdős于1946年提出，传统观点认为最优解结构近似于方格网格。OpenAI模型的突破性发现不仅推翻了这一长期假设，还构造出性能更优的全新解法，标志着人工智能首次在数学核心领域独立解决重大未解难题。

Noam Brown@polynoamial · 5月21日86

Today, we’re sharing that a general-purpose internal @openai model achieved a breakthrough on one of the best-known combinatorial geometry problems. Less than 1 year ago frontier AI models were at IMO gold-level performance. I expect this pace of progress to continue.

译OpenAI的通用AI模型在组合几何领域取得突破，首次自主解决了平面单位距离问题。该问题由数学家Paul Erdős于1946年提出，近80年来学界普遍认为最优解类似方格结构，但AI模型推翻了这一假设，发现了一族全新的更优构造方法。这一突破标志着AI在数学领域首次独立解决一个核心开放问题，显示出AI在基础科学发现中的快速进展能力。

Noam Brown@polynoamial · 5月21日83

Today, we’re sharing that a general-purpose internal @openai model achieved a breakthrough on one of the best-known combinatorial geometry problems. Less than 1 year ago frontier AI models were at IMO gold-level performance. I expect this pace of progress to continue.

译OpenAI宣布其一个内部通用模型在组合几何领域取得突破，自主解决了平面单位距离问题。这一问题由数学家Paul Erdős于1946年提出，近80年来学界普遍认为最优解应近似于方形网格结构。新模型推翻了这一长期信念，发现了一族全新的、更优的构造方案。此事件标志着人工智能首次独立解决数学领域的核心开放问题，展示了AI在科学发现方面快速且持续的进展能力。

OpenAI@OpenAI · 5月21日81

Today, we share a breakthrough on the planar unit distance problem, a famous open question first posed by Paul Erdős in 1946. For nearly 80 years, mathematicians believed the best possible solutions looked roughly like square grids. An OpenAI model has now disproved that belief, discovering an entirely new family of constructions that performs better. This marks the first time AI has autonomously solved a prominent open problem central to a field of mathematics.

译今天，我们分享一个关于平面单位距离问题的突破，这是一个由保罗·埃尔德什在1946年首次提出的著名开放问题。 近80年来，数学家们一直认为最佳可能的解决方案大致类似于方形网格。 现在，一个OpenAI模型推翻了这一信念，发现了一个全新的、性能更优的构造家族。 这标志着AI首次自主解决了一个数学领域的核心著名开放问题。

小互@xiaohu · 5月21日72

据《华尔街日报》报道，OpenAI 正在准备在接下来的几天或几周内申请首次公开募股（IPO）。

OpenAI Developers@OpenAIDevs · 5月21日71

Your laptop can stay home. Work with Codex from the ChatGPT mobile app, answer questions on the go, and pick up the same thread later from your computer.

译你的笔记本电脑可以留在家里。 通过ChatGPT移动应用使用Codex，随时随地回答问题，之后还能在电脑上继续同一对话。

向阳乔木@vista8 · 5月21日75

这个项目牛逼啊，增强（Hack）你的 Codex App。 即使你用API 登录Codex，也可以通过安装插件方式用上 Computer Use、添加上Goal指令。 界面样式也能调整，比如变成类似Chrome的顶部Tab。 设置任务开始、完成的声音提醒等等。 开源项目地址见评论区

译一个开源项目允许用户增强Codex App的功能。即使通过API登录，也能通过安装插件的方式启用Computer Use特性并添加Goal指令。项目还支持界面自定义，例如调整为类似Chrome浏览器的顶部Tab样式，并可设置任务开始和完成的提醒音效。相关开源项目地址已在评论区提供。

Ethan Mollick@emollick · 5月20日52

I am starting to have trouble paying attention to even interesting information if it is written in Claude or ChatGPT house style. I think some is the sameness of the rhythm rather than obvious tics: Claude is always so staccato. ChatGPT loves short sentences as kickers. Boring.

译我开始难以集中注意力阅读即使是有趣的信息，如果它们是用Claude或ChatGPT的典型风格写成的。我认为部分原因是节奏的雷同，而非明显的语言癖好：Claude总是如此断断续续。ChatGPT则偏爱用短句作为收尾。很无聊。

swyx🛬 SFO@swyx · 5月20日47

IMO deep research has been ~dead since o3 and interactivity was always more impt for active learning and eliciting intention thoughtless prompt -> long ass report nobody reads is inferior to read -> think -> ask -> read -> think -> ask

译IMO深度研究自o3以来已近乎停滞，而交互性对于主动学习和激发意图始终更为重要。 不假思索的提示 → 写出无人阅读的长篇报告 不如 阅读 → 思考 → 提问 → 阅读 → 思考 → 提问

Rohan Paul@rohanpaul_ai · 5月20日29

Interesting story. Sam Altman's GLP-1 overdose experience.

译有趣的故事。Sam Altman的GLP-1药物过量经历。

François Chollet@fchollet · 5月20日61

The Codex "goal" feature will take any silly shortcut possible in order to avoid doing the work (including rewriting your external checks), but if you manage to sufficiently constrain it so that it has absolutely no shortcuts available, it will do very interesting things

译Codex的“目标”功能会采取任何可能的愚蠢捷径来避免实际工作（包括重写你的外部检查），但如果你能充分约束它，使其完全没有捷径可走，它会做出非常有趣的事情。

歸藏(guizang.ai)@op7418 · 5月20日49

Codex 不语，只是一味重置额度

Greg Brockman@gdb · 5月20日79

openai offering to invest $2M in API credits in every @ycombinator startup in the current batch. compute for powering the next generation of startups.

译OpenAI宣布向Y Combinator当前批次的每家创业公司提供价值200万美元的API信用额度投资，以换取股权。此举旨在为初创公司提供AI算力资源，支持下一代创新。这让人联想到Sam Altman在YC合伙人时期，Yuri Milner向每家创业公司提供投资的先例。OpenAI希望通过此举释放创业者潜力，推动AI应用创新。

Sam Altman@sama · 5月20日66

i am excited to see what will happen with tokenmaxxing startups, both for how they work internally and the products they can build. openai offered to invest $2M in tokens into every startup in the current yc batch. happy building!

译OpenAI向当前Y Combinator（YC）批次的每家创业公司提供了价值200万美元的OpenAI代币，以换取股权。这一举动被称为“tokenmaxxing”。此做法让人联想到早年Yuri Milner向所有初创公司提供投资的历史。这一举措旨在激励最具动力的创始人去探索和构建由AI驱动的新产品与内部运作模式，业界正期待这能解锁新的创新可能性。

Tibo@thsottiaux · 5月20日18

I wonder if the Antigravity team has designers. Couldn't believe my eyes today haha. Very flattering to the Codex team.

译我好奇Antigravity团队有没有设计师。今天真是不敢相信自己的眼睛哈哈。Codex团队受宠若惊了。