Kling AI@Kling_ai · 2天前35

Kling AI at 🦁 Cannes Lions 2026 Films made with Kling AI took home three Lions at this year's International Festival of Creativity — a Silver in Film: Consumer Goods, a Bronze in Film: B2B, and a Bronze in the new AI Craft category. These wins belong to the brilliant teams behind them — but they also mark something bigger: AI taking its place as a real tool for real craft. Kling was built to give creators control over what matters most — believable physics, genuine emotion, the subtle performance in a character's face, a consistent look shot to shot. When technology serves the creative vision instead of limiting it, this is what's possible. Congratulations to Lipstick Film, Purga Films, and every human collaborator who brought these stories to life.

译可灵Kling AI在2026年戛纳狮子国际创意节上拿下三座狮子奖：电影类（消费品）银狮、电影类（B2B）铜狮，以及新设的AI工艺类铜狮。推文指出，这些奖项标志着AI作为真正工艺工具的地位——Kling旨在为创作者提供对可信物理、真实情感、角色面部微表情及镜头间一致性的控制。获奖作品来自Lipstick Film、Purga Films等团队。

Yuchen Jin@Yuchenj_UW · 2天前66

Meituan, basically China’s DoorDash, trained a 1.6T parameter LLM on 50K Chinese chips. It reminds me of Jensen Huang’s point on the Dwarkesh podcast: export controls on Nvidia GPUs won’t stop China. They’ll just accelerate the development of AI that runs on Chinese chips.

译美团，基本上就是中国版DoorDash，在5万块国产芯片上训练了一个1.6T参数的大语言模型。 这让我想起了黄仁勋在Dwarkesh播客上的观点：对英伟达GPU的出口管制不会阻止中国。它们只会加速运行在国产芯片上的AI的发展。

Alibaba Cloud@alibaba_cloud · 2天前25

https://x.com/i/broadcasts/1NxarrXRlANKj

译请您将主推文的**原文文本**（包括可能存在的引用推文部分）直接粘贴在消息中，我会立即按照您的规则处理。 需要您提供的内容格式示例： ``` 主推文内容： （此处放推文文字） ```

PromptArmor@PromptArmor · 2天前51

Labcorp can now sell Personal Data for training of AI?? This is wild:

译Labcorp 现在可以出售个人数据用于 AI 训练？这太疯狂了：

jason@jxnlco · 3天前40

Make sure to come to the keynote tomorrow I’ll be talking about what’s new in codex and where it’s going right after @romainhuet keynote! Then at 2:50pm track 4 same day we’ll be going over how I set up my personal monorepo. If be fun, casual, and plenty of time to just chat about where things are going in the app.

译一定要来参加明天的主题演讲，我将在@romainhuet 的主题演讲之后，谈谈 Codex 的新功能及其未来方向！ 然后同一天下午2:50，在 track 4，我们将讨论我是如何设置我的个人 monorepo 的。这将很有趣、很随意，并且有充足的时间聊聊应用的未来发展方向。

Baidu Inc.@Baidu_Inc · 3天前18

10 minutes to go. We're sitting down with two winners to hear the stories behind their projects, their process, and a few lessons they learned during the Build with MeDo Hackathon. Join us live ↓ X: https://x.com/i/broadcasts/1PJqrrkAQlmxb YouTube: https://youtube.com/live/2upXyBfHuuc?feature=share

译Build with MeDo Hackathon 汇聚全球 8000+ 名开发者，打造了各类工具和 AI 体验。@Baidu_Inc 邀请两位获奖者 @Bioba_daniel 和 @_garvgupta 进行直播对谈，分享项目背后的故事、创作过程及经验教训。直播将于 6 月 30 日 9:00（UTC+8）开始，当前距开播仅剩 10 分钟。

Runway@runwayml · 3天前42

Today, we're announcing a strategic partnership with MIXI, one of Japan's largest gaming, sports and entertainment companies. MIXI will be deploying Runway across their organization, and we'll work together to explore emerging applications for world models across gaming, animation and interactive experiences. Learn more at the link below.

译今天，我们宣布与日本最大的游戏、体育和娱乐公司之一 MIXI 达成战略合作伙伴关系。MIXI 将在其组织内部署 Runway，我们将共同探索世界模型在游戏、动画和交互体验领域的新兴应用。 详情请见下方链接。

ginobefun@hongming731 · 3天前46

BestBlogs 早报 · 06-30 # Claude Code / Spotify Honk / Block Goose / Spring AI / 工程验证体系 [1] ★ 精讲｜Spotify 如何让智能体在 2000 万行代码库中运行：Claude Code、Honk 与工程验证体系 [视频] Spotify 架构师 Niklas Gustavsson 回顾他们如何在超过 2000 万行的后端 monorepo 里跑 Claude Code 智能体。关键不在模型本身，而在配套工程基建：内部平台 Honk 在 Kubernetes 里运行 Claude agent SDK，把 CI、构建、测试自动化、组件归属和自动合并接进智能体的验证回路。他的提醒很务实：标准化的代码库和可靠的验证体系先帮到了人，现在同样帮智能体。适合想知道智能体落地到底依赖什么基建的工程负责人。 来源：Claude https://www.bestblogs.dev/video/d60d34a [2] ★ 精讲｜构建自主工程组织：Block 如何让 3500 名工程师走向智能体协作 [视频] Block 工程负责人 Angie Jones 复盘 3500 人工程组织走向智能体协作的全过程。她最尖锐的判断是把采用和影响分开：约九成工程师在用 Goose 和 Claude Code，token 在烧，但功能并没有更快交付。她给出成熟度六阶段模型、AI champions 项目和写进 AGENTS.md 的仓库约定等抓手，三个月内 AI 生成代码占比提升 69%。结尾反问自动化成功后裁员的代价，没有给出确定答案。 来源：AI Engineer https://www.bestblogs.dev/video/ff1b45c [3] ★ 精讲｜2026 年 Spring AI 生态全景：从 LLM 基础到智能体架构 [视频] Spring I/O 2026 这场分享梳理 Spring AI 从简单 LLM 调用走向生产级智能体生态的脉络。核心观点是有用的系统需要围绕模型搭一层 harness，处理状态、领域知识、结构化输出、安全和可观测。从 advisor 拦截模式、RAG 检索、guardrails 校验，到工具调用与 MCP 标准化集成，再到按需加载工具和子智能体的上下文优化，路线图指向 Spring AI 2.0 与 MCP GA。适合 Java 和 Spring 工程师理解智能体架构落点。 来源：Spring I/O https://www.bestblogs.dev/video/ebd37c5 [4] Token 不经济 文章深度剖析「Token 不经济」现象，从模型定价策略、智能体技术损耗、应用场景局限到产业链风险，系统论证了当前 AI token 投入与产出严重失衡的成因，并提出了从技术精细化管理到商业价值锚定的解决路径。 来源：腾讯研究院 https://www.bestblogs.dev/article/8f66e3cc [5] 让 KV Cache「按头分家」：小红书 RedKnot 如何重做长文本推理新引擎 本文介绍小红书提出的 RedKnot 长文本推理引擎，通过按注意力头拆分 KV Cache、稀疏 FFN 和段页存储三个正交机制，实现 1.6-3.54 倍 TTFT 加速和 4.7-7.8 倍并发提升，同时保持甚至超越稠密模型精度。 来源：小红书技术 REDtech https://www.bestblogs.dev/article/98f49843 [6] Deep Agents 中动态子智能体的引入 Deep Agents 引入了动态子智能体机制，智能体通过编写编排脚本来程序化地调度子智能体，从而超越传统工具调用的局限，实现可靠的规模化扩展与复杂多阶段工作流。 来源：LangChain Blog https://www.bestblogs.dev/article/e4f0bf64 [7] 如何构建一个能自主运行 LLM 实验的 AI 智能体：autoresearch 实践指南 本文深入解析了 Karpathy 的开源工具 autoresearch，详细介绍了 AI 智能体如何自主编辑训练代码、运行实验，并利用 val_bpb 指标来发现真正的 LLM 训练改进方案。 来源：freeCodeCamp https://www.bestblogs.dev/article/6699656b [8] World Model-世界模型也有 Scaling Law 吗？ [播客] 深入剖析世界模型为何成为 AI 新风口，系统对比其与大语言模型在数据、成本、安全等维度的根本差异，并以自动驾驶公司 Momenta 为样本，论证物理世界 AI 的「GPT 时刻」尚未到来。 来源：屠龙之术 https://www.bestblogs.dev/podcast/e2f49bb [9] Claude Tag：AI 交互范式的第三次重新设计？深度分析 Karpathy 与业界的争议 宝玉整合 Karpathy 和 Gergely Orosz 的观点，深入剖析 Claude Tag 背后真正的突破——云端 AI 集成公司内部系统后的开箱即用，而非简单的 Slack bot。 来源：宝玉(@dotey) https://www.bestblogs.dev/status/2071356525570924563 [10] 3Blue1Brown 创始人：成为二手思考者的高昂代价 [播客] 3Blue1Brown 创始人 Grant Sanderson 深度对谈创作哲学，揭示「源头思维」与「传声筒思维」的本质区别，以及如何在算法焦虑的时代保持十年创作热情与内心秩序。 来源：跨国串门儿计划 https://www.bestblogs.dev/podcast/1490738 --- http://BestBlogs.dev · 发现真正适合你的高质量内容 BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，欢迎体验。 在线阅读：https://www.bestblogs.dev/explore/brief/2026-06-30

译Spotify 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。

Rohan Paul@rohanpaul_ai · 3天前73

Arena’s AI leaderboard has become a $100M annualized revenue business. By turning public model comparisons into paid performance testing for AI labs and enterprises. Arena began as a UC Berkeley research project that asked users to compare 2 anonymous model answers and vote for the better one. That setup created a large human preference dataset, because every vote says something about what people value in AI responses. Model labs care about those votes because benchmarks alone often miss the messy cases where users judge tone, reasoning, code quality, visual skill, or task completion. Arena’s commercial move was to package that public testing engine into AI Evaluations, a service that gives customers deeper analytics from the same community feedback loop. The business works because model companies badly need high-quality human preference signals after training, since small ranking gains can decide which model wins users, enterprise contracts, and investor attention. --- techcrunch. com/2026/06/29/arena-the-ai-leaderboard-everyone-uses-is-now-a-100m-business/

译Arena 的 AI 排行榜从 UC Berkeley 研究项目起步，通过让用户匿名对比两个模型答案并投票，积累了大规模人类偏好数据集。该平台随后将这一公开测试引擎包装为商业服务 AI Evaluations，为客户提供更深入的分析。模型厂商迫切需要高质量的人类偏好信号，因为微小的排名提升就能决定用户选择、企业合同和投资者关注。如今 Arena 已成为年化收入 1 亿美元的业务。

Greg Brockman@gdb · 3天前18

OpenAI for powering startups:

译OpenAI为初创公司提供支持： [引用 @TonyXavier_]：OpenAI在Y Combinator提供免费咖啡？不多说了。

Emad@EMostaque · 3天前23

This week's Moonshots podcast with @PeterDiamandis, @alexwg & @DaveBlundin was one of the more interesting discussions we have had Really take off time even if this is the slowest it'll ever be Some changes coming & big decisions we all need to make https://youtu.be/-H7J_-zr7pA

译本周的Moonshots播客与@PeterDiamandis、@alexwg和@DaveBlundin的讨论是我们进行过的最有趣的讨论之一 真的值得花时间，即使这是最慢的时候 一些变化即将到来，我们需要做出重大决定 https://youtu.be/-H7J_-zr7pA

SemiAnalysis@SemiAnalysis_ · 3天前77

INTERESTING: Only 3 months after Rubin Ultra was announced at GTC 2026, the original 4-die Rubin Ultra has been cancelled due to manufacturing execution concerns. The new “Rubin Ultra” is half the size/~ half the real-world performance of the original Rubin Ultra. 1/4🧵

译有意思：在GTC 2026宣布Rubin Ultra仅3个月后，原4-die Rubin Ultra因制造执行问题被取消。新的“Rubin Ultra”尺寸减半，实际性能约为原版的一半。1/4🧵

Artificial Analysis@ArtificialAnlys · 3天前30

Join us tonight in San Francisco for our Intelligence Index event, featuring speakers from Artificial Analysis, Google, NVIDIA, and MiniMax. We’re covering AI model evaluation, frontier performance, and our latest benchmarks: the Artificial Analysis Intelligence Index v4.1 and AA-Briefcase. Limited spots remaining: https://luma.com/qdl9mr2e

译今晚加入我们在旧金山的Intelligence Index活动，演讲嘉宾来自Artificial Analysis、Google、NVIDIA和MiniMax。 我们将探讨AI模型评估、前沿性能，以及我们最新的基准测试：Artificial Analysis Intelligence Index v4.1和AA-Briefcase。 剩余名额有限：https://luma.com/qdl9mr2e

ClaudeDevs@ClaudeDevs · 3天前53

You can now run Claude models in Microsoft Foundry, hosted on Azure. Claude Opus 4.8 and Claude Haiku 4.5 are available through the Messages API with capabilities like prompt caching, thinking, and more. https://x.com/claudeai/status/2071653958905467027?s=20

译你现在可以在 Microsoft Foundry（托管于 Azure）上运行 Claude 模型。 Claude Opus 4.8 和 Claude Haiku 4.5 通过 Messages API 提供，支持 prompt caching、thinking 等功能。

MiniMax (official)@MiniMax_AI · 3天前28

Catch us tomorrow at 1 PM UTC as we recap the inaugural BGI Sprint.

译明天 UTC 时间下午 1 点，我们将回顾首届 BGI Sprint。

swyx @aiDotEngineer WF Day 1@swyx · 3天前11

prescribe one (1) pill when a coworker disrespects scaling laws make a beeline 4pm sharp at aie expo, first come first served

译当同事不尊重扩展定律时，开一（1）粒药 下午4点整直奔 aie expo，先到先得

Epoch AI@EpochAIResearch · 3天前35

We're looking for a new Talent Scout to join our team! You'll help us find great researchers, engineers, and support staff and introduce them to Epoch through outreach and events.

译我们正在寻找一位新的人才侦察员加入团队！你将帮助我们找到优秀的研究员、工程师和支持人员，并通过外联和活动将他们介绍给 Epoch。

elvis@omarsar0 · 3天前18

Finally, a people-search tool that actually works. Most people-search tools sell you a frozen list. @CLODOAI searches the live web, reads the signals, and tells you why this specific person, right now. Good stuff, @sixtensor @vikchuppala 👏

译DAIR.AI 的 Elvis Saravia 称赞 CLODO 是真正有效的人搜索工具：不同于传统工具提供固化列表，CLODO 搜索实时网络、读取信号并解释为何找到此人。CLODO 由 @sixtensor 推出，用户描述目标即可每次准确找到，覆盖 12 亿个人资料，并提供资料丰富及主动联系服务。已被 Mercor、US News、UseCorgi、美国情报界等采用，获得 Y Combinator、CRV、Dalton Caldwell、Paul Thiel 等投资。

Rohan Paul@rohanpaul_ai · 3天前53

The Information: Meta has reportedly limited engineer use of Claude Code and Codex because rival model outputs could contaminate Meta’s own AI training data and create contractual trouble with Anthropic and OpenAI. Distillation risk starts when a new model of Meta learns from another model’s outputs (from OpenAI or Anthropic), so even accidental reuse of Claude or Codex answers could look like Meta extracted capability from competitors rather than built it alone. OpenAI’s terms bar using output to develop competing models, and Anthropic says its terms do not allow Claude outputs to train models competitive with Anthropic’s own systems. Both OpenAI’s and Anthropic's terms bar using output to develop competing models. IMO, the safest strategy could be ingredient tracking: use rival tools for ordinary productivity only when outputs are barred from model-training pipelines, evaluation sets, benchmark generation, post-training data, reward-model data, and internal datasets that later feed model development. Of course a strong lawsuit usually needs much more ugly facts like: mass scraping, fake accounts, rate-limit evasion, automated extraction, direct use of outputs as training labels, or internal records showing the buyer knew it was cloning a rival system. In this situation, som of the typical safeguards are clean-room rules, approved enterprise accounts, no consumer accounts for sensitive work, training-data provenance logs, dataset quarantine, prompt and output retention, automated scanners for “AI-generated by vendor X” material, and access controls separating coding-agent work from model-training data.

译The Information报道，Meta已限制工程师使用Anthropic的Claude Code和OpenAI的Codex，原因是为防止竞争对手模型输出污染Meta自身AI训练数据，并引发合同纠纷。OpenAI和Anthropic的服务条款均禁止使用其输出来开发竞争模型。知识蒸馏风险在于即使意外复用竞品输出也可能被视为从竞争对手提取能力。建议的策略包括成分追踪：仅在不用于模型训练管线、评测集、基准生成、后训练数据、奖励模型数据及内部数据集时才使用竞品工具。典型防护措施有隔离规则、企业账户审批、训练数据溯源日志、数据集隔离及自动扫描“AI生成”标记等。

xAI@xai · 3天前47

State of the art voice APIs from SpaceXAI, now in the Vercel AI Gateway

译来自xAI的最先进语音API，现已加入Vercel AI Gateway

OpenCode@opencode · 3天前24

OpenCode Go users in New Zealand used 40.9B tokens last week, or, 1,734 tokens per sheep

译OpenCode Go 新西兰用户上周使用了40.9B模型token，即每只羊1734个token。

jason@jxnlco · 3天前28

openai podcast called "reset button" where we bring on engineers to talk about the stuff they shipped this week

译openai播客“reset button”，我们邀请工程师聊聊本周发布的内容。

Google AI Developers@googleaidevs · 3天前36

Host a sponsored Gemma hackathon for your local community. 🌐

译谷歌在 Kaggle 上赞助为期 1 天的黑客松，帮助开发者深入探索开放模型，从构建轻量工具到解决社区独特挑战，用 Gemma 4 引领潮流。主推文号召：为你的本地社区举办一场赞助的 Gemma 黑客松。

Chubby♨️@kimmonismus · 3天前22

Composer 3?

译Cursor 迎来重大更新（Big day），主推文猜测：Composer 3？

PixVerse@PixVerse_ · 3天前35

Introducing PixVerse Live: free US-based online session on creating production ready AI videos for creators, marketers & e-commerce brands. Learn to master PixVerse Agent + Canvas. 📅July 9, 10–11 AM PDT 🔗Learn More & Register: https://luma.com/ltct01ib

译推出 PixVerse Live：面向创作者、营销人员和电商品牌的美国免费线上会议，学习制作生产级 AI 视频。 学习掌握 PixVerse Agent + Canvas。 📅7月9日，上午10–11点（太平洋夏令时） 🔗了解更多及注册：https://luma.com/ltct01ib

Nathan Lambert@natolambert · 3天前50

Together AI processing 400T tokens a month.

译Together AI 月处理 400T tokens。

Baidu Inc.@Baidu_Inc · 3天前21

Going live tomorrow with the top 2 Build with MeDo Hackathon winners. See you there 👀 @Bioba_daniel @_garvgupta

译百度宣布将于明天（6月29日）直播 Build with MeDo 黑客松前两名获奖者的深度分享。冠军 Daniel Agbeleshe 打造了 Craf-te，一个 AI 设计平台，可制作专业海报、传单等营销物料；亚军 Garv Gupta 创建了 Terra，一款基于实时世界事件的地缘政治策略模拟游戏。两人将在直播中展示项目、演示挑战并分享如何使用 MeDo 构建。直播时间为美东时间晚 9 点至 10 点，在 X 和 YouTube 同步播出。

Alibaba Cloud@alibaba_cloud · 3天前42

Ready to join the Qwen Global AI Hackathon? 🚀 Kickstart your journey in 3 easy steps: ➡️ Register on Devpost ➡️ Build your Agent across one of five tracks with API access. ➡️ Submit to win your share of the $70,000+ prize pool. 🔗 Click and join the global arena now: https://click.qwencloud.com/m/20000000281/

译准备好参加 Qwen 全球 AI 黑客马拉松了吗？ 🚀 只需三步即可开启你的征程： ➡️ 在 Devpost 上注册 ➡️ 通过 API 访问，在五个赛道之一构建你的 Agent ➡️ 提交作品，赢取 7 万美元以上的奖池份额 🔗 立即点击加入全球竞技场：https://click.qwencloud.com/m/20000000281/

Tencent Hy@TencentHunyuan · 3天前29

12 Chinese AI models made their World Cup predictions. ⚽ The World Cup Round of 32 lineup is out.🔥 The first leaderboard is in.👇 Tencent Hy went 29/32, ranking #1 among the 12 models after the Round of 32 was set. Now comes the harder test: whose predictions survive the knockout stage? #TencentHunyuan #AI #WorldCup

译12个中国AI模型对世界杯进行了预测。⚽ 世界杯32强赛阵容出炉。🔥 第一份排行榜揭晓。👇 腾讯混元在32强赛结束后以29/32的正确率，在12个模型中排名第一。 现在更难的考验来了： 谁的预测能在淘汰赛中存活？ #TencentHunyuan #AI #WorldCup

MiniMax (official)@MiniMax_AI · 3天前24

we’ll be at Lab #1 during @aiDotEngineer World’s Fair. hope to see you there!

译MiniMax 宣布将参加 @aiDotEngineer 举办的 2026 年世界博览会，在 Lab #1 展位亮相。该博览会是全球最大 AI 行业展览，已全部售罄，包括领导力讲座、工作坊及所有晚鸟门票。旧金山仍有 65 场免费边会活动开放。主办方补充开放了少量 overflow 门票（无座位保障），并鼓励已购票者参加今晚（5-9pm）的新工程师迎新活动以避开明早高峰。

Alibaba Cloud@alibaba_cloud · 3天前43

We’re proud to announce a strategic partnership between Alibaba Cloud International and NovaxAI @NovaxAi26 . By integrating our global cloud infrastructure and AI advancements with Novax AI’s unique capabilities, we are enabling AI companies to achieve faster, more stable, and more efficient global growth. #AlibabaCloud #NovaxAI #AIInnovation #YourAInnovationPlatform

译我们很自豪地宣布，阿里云国际与NovaxAI @NovaxAi26 达成战略合作。通过将我们的全球云基础设施及AI进展与Novax AI的独特能力相结合，我们正助力AI公司实现更快、更稳定、更高效的全球增长。 #AlibabaCloud #NovaxAI #AIInnovation #YourAInnovationPlatform

Rohan Paul@rohanpaul_ai · 3天前53

Samsung and SK Hynix could announce as much as $1.3T of investment over 10 years on Monday. Samsung’s decade-long spending roadmap would span semiconductor fabs, AI data centers, advanced packaging, batteries, and displays, with roughly $214B for new fabs in southwestern South Korea, $257B for the Yongin semiconductor cluster, and more than $250B for AI data centers. But shares of Samsung fell 4.7% and SK Hynix fell 3.1% Investors are reacting to a shift from scarcity profits to capex risk, because today’s shortage can become tomorrow’s glut if supply arrives after demand cools. --- bloomberg .com/news/articles/2026-06-28/samsung-sk-reportedly-to-invest-1-3-trillion-over-10-years

译三星与SK海力士周一可能宣布十年高达1.3万亿美元的投资路线图。三星计划投入约2140亿美元建设韩国西南部新晶圆厂、2570亿美元开发龙仁半导体集群、超2500亿美元部署AI数据中心，涵盖半导体、AI数据中心、先进封装、电池与显示。但三星股价跌4.7%，SK海力士跌3.1%，因投资者担忧从稀缺利润转向资本支出风险——当前短缺可能在需求降温后变成过剩。推文显示数据中心GPU内存需求飙升：H100搭载80GB、H200升至141GB、Blackwell达192GB、GB300 Blackwell Ultra达288GB HBM3e，72-GPU机架形成巨大内存墙，改变了供应商产能分配行为。

swyx @aiDotEngineer WF Day 1@swyx · 3天前30

because i'm not a design engineer myself, this track is one of the harder ones I struggle to curate. very fortunate to befriend Geoff who has lent a hand to the past 2 years of AI UX meetups, and now is the opener for the Design Engineers at AIE! see you wednesday

译因为我本人不是设计工程师，这个方向是我最难策划的之一。 非常幸运能结识Geoff，他在过去两年的AI UX聚会中提供了帮助，现在将是AIE上Design Engineers环节的开场演讲者！周三见。

宝玉@dotey · 3天前56

Ford 重新雇了 350 名老工程师回来，因为 AI 质检系统没能达到预期。 过去三年，福特悄悄招回了 350 名资深工程师，有的是退休或离职的老员工，有的是从供应商那边挖来的。公司内部管他们叫 gray beard，直译是白胡子，意思就是经验老到的老师傅。 他们回来干两件事：带新人，以及重新调教那些没干好活的 AI 工具。 负责整车硬件工程的副总裁 Charles Poon 说： > 我们错误地以为，只要把 AI 引进来，把设计要求输入 AI，它就能产出高质量的产品。 首席运营官 Kumar Galhotra 对 Bloomberg 的说法类似。福特这些年越来越依赖自动化质检系统，结果一直不理想；把技术专家请回来后，他们在零件还没上产线之前，就先把故障点揪出来。 效果立竿见影。福特时隔 16 年重新拿下 JD Power 新车质量榜主流品牌第一，从去年的第 10 名一口气冲到榜首，是所有品牌里年度进步最大的一个，把丰田和本田都甩在了后面。 这个榜单(Initial Quality Study)测的是新车买来头 90 天内车主遇到多少问题，问题越少排名越高。 F-150 皮卡、Super Duty 卡车和 Mustang 跑车在各自品类都拿了第一。CEO Jim Farley 说，质保和召回成本跟着下来了，福特预计今年因此能省下大约 10 亿美元。 Ford 没打算丢掉 AI。它还在扩充 AI 测试，新增了大约 10 万项评估来模拟更多路况。 AI 是个好工具,但它有多好,取决于你拿什么数据去训练它。老师傅回来，主要是给 AI 当老师，告诉它什么样的零件算合格、什么样的设计会埋雷。 现在主流叙事都是“AI 要取代白领”，福特这个案例倒是反例，类似的案例还有一些： 瑞典金融科技公司 Klarna 几年前高调宣布，AI 客服干了相当于 700 名人工客服的活，到 2025 年，CEO 公开承认这套全 AI 客服质量更差，又开始招人。 麦当劳在美国上百家门店试过 AI 点餐，出了一堆翻车视频后撤掉，把人工收银员请了回来。 咨询公司 Gartner 早就预测，到 2027 年，因为 AI 裁掉客服的公司里，有一半会需要重新招人。

译福特过去三年召回350名退休/离职资深工程师（gray beard），负责带新人并重新调教未达预期的AI质检系统。整车工程副总裁Charles Poon承认曾错误认为引入AI就能产出高质量产品。效果立竿见影：福特时隔16年重返JD Power新车质量榜主流品牌第一（从第10升至第1），F-150、Super Duty、Mustang分别拿下品类冠军，预计今年节省约10亿美元质保和召回成本。福特未抛弃AI，正新增约10万项评估模拟更多路况。

Rohan Paul@rohanpaul_ai · 3天前61

Bloomberg chart showing just how much RAM datacenter GPUs take. Nvidia’s H100 carried 80GB of GPU memory, H200 moved to 141GB, Blackwell moved to 192GB class parts, and GB300 Blackwell Ultra reaches 288GB of HBM3e per GPU. A 72-GPU rack multiplies that into a memory wall big enough to change supplier behavior, because AI servers pay premium prices for capacity and bandwidth that make everyday device memory less attractive

译Bloomberg图表显示，Nvidia H100至GB300 Blackwell Ultra的GPU显存从80GB增至288GB HBM3e。72-GPU机架形成巨大内存墙，AI服务器高价争抢容量和带宽，挤压消费端DRAM产能。FT报道，苹果已请求美国批准从被列入Pentagon中国军事公司名单的CXMT采购DRAM，以应对成本压力。内存涨价已迫使MacBook和iPad涨价，苹果市值蒸发2630亿美元。

Rohan Paul@rohanpaul_ai · 4天前57

OpenAI, Anthropic, and xAI together used only about 21% of global operational AI compute at the end of 2025, while the world had roughly 16 million deployed H100-equivalents and 20 million sold H100-equivalents. Data from EpochAI epoch .ai/gradient-updates/frontier-labs-dont-use-most-ai-compute

译OpenAI、Anthropic 和 xAI 三家公司在 2025 年底合计仅使用了全球约 21% 的运营 AI 算力，而当时全球部署的 H100 等效约 1600 万个，已销售的 H100 等效约 2000 万个。 数据来自 EpochAI epoch .ai/gradient-updates/frontier-labs-dont-use-most-ai-compute

ginobefun@hongming731 · 4天前56

http://x.com/i/article/2071376452755587072 # BestBlogs 早报 · 06-29｜写代码变便宜后，判断力、流量结构与陪伴设计正在重排产品工作的版图 在线阅读本期早报 BestBlogs.dev 是 AI 驱动的私人阅读助手。这是面向所有人的每日早报内容，如果你希望它基于你的兴趣和阅读习惯整理，可以体验「我的早报」。 ## 导语 今天的三条精讲都来自一手视角，合在一起指向同一个变化：当 AI 把「实现」变得便宜，真正稀缺的东西正在换位。 第一条，OpenAI Codex 桌面端负责人 Enoch Andrew Ambrosino 在 Lenny's Podcast 把判断力（taste）、策展（curation）和角色边界的融合，看作写代码成本趋近于零之后产品工作的新瓶颈。第二条，Cloudflare CEO Matthew Prince 给出一个挺硬的里程碑数据——2026 年上半年平台机器人流量第一次超过人类，并据此推断互联网过去 28 年靠广告的商业模式可能撑不住。第三条，越伴动力创始人世博讲陪伴机器人「小伴」如何靠「不讨好」和把延迟压到 0.4 秒以内，做出与「有用」机器人完全不同的取舍。 三条之外，今天的速览里还有 DeepSeek 推测解码框架 DSpark、把 AI 成本砍掉反而搞砸产品的路由层复盘、LLM 是否真的有欲望的实验，以及 Grok 4.5 在 SpaceX 与特斯拉私测等 7 条；补充阅读再给 6 条从后训练 reward 设计到一人公司管 50 个 Agent 的延伸，覆盖面够广。信息密度都不低，按你的时间挑着读就好。 ## ★ 精讲一：OpenAI Codex 负责人谈产品工作的新版图：从实现成本到品味、策展与智能体工作流 如果你最近在用 AI 写代码，多半已经感觉到一件事：把功能「做出来」这件事，正以前所未有的速度变便宜。但变便宜之后，产品工作的重心会挪到哪里？OpenAI Codex 桌面端负责人 Andrew Ambrosino 在 Lenny's Podcast 给出的判断很直接——实现不再是昂贵的那部分，昂贵的是品味（taste）和策展（curation）。 Andrew 描述的是一个产品流程的「倒置」。过去因为写生产代码又慢又贵，团队依赖大量的 PRD、用研和低保真原型来提前规避风险；现在自然语言模型可以在几分钟内生成可交互的脚本，跨部门的人都能随手做原型，文档反而要先于原型重新回到桌面上——因为当原型廉价到泛滥时，高质量的对齐反而需要回到清晰的书面 brief。他把这种状态概括为「执行的丰裕」，并提醒这同样会制造大量低价值代码和零散原型。 关键判断在于他对「品味」的定义。Andrew 强调，当机械实现被商品化，人的产品策展几乎完全依赖品味，而这种品味不是审美，是一套可操作的流程：系统化思考（新工作流如何干净地嵌入现有系统而不引入冗余）、上下文意识（理解这个功能为何存在的主题与业务向量）、以及语义层面的执行校验（比如界面交互动画是否「太脆」于它想传达的内容）。他特意指出，代码模型能靠清晰的数学闭环（能不能编译）持续进步，而界面设计缺乏这种简单的自动反馈系统，所以 AI 在界面设计上反而更容易卡住。真正的视觉设计依赖文化新颖性和随机性，而这些恰恰是被训练去预测静态历史模式的模型会自然稀释的东西；再加上深度视觉设计还要追踪跨共享语义配置的架构抽象、在重大品牌结构更新时保持对齐，这是一类很难被自动化掉的工作。 为什么这件事值得放在今天第一条看？因为它直接回应了「产品经理和工程师的边界还会不会存在」这个被反复讨论的问题。Andrew 给出的不是边界消失，而是角色在横向融合：团队头衔在向 Member of Technical Staff（MTS）这类通才角色迁移，一个人的功能身份取决于他当下把时间花在哪里——设计师写代码、工程师做产品发现，都算 full-stack 高 agency builder。他把这种打法叫做 Zone Defense Product Management（区域联防式产品管理）：领导者铺开到各处去填补结构性缝隙、review 涌现的架构、策展系统一致性，而不是靠多层评审去微观管理。 和今天另外两条精讲放在一起看会更清楚：Cloudflare 讲的是 Agent 流量正在重塑互联网的商业模式，世博讲的是陪伴机器人如何用工程取舍做出「生命力」。三者的共同底色是——当生成变便宜，判断、结构取舍和品味，才是真正区分产品的东西。 如果你正在重新想 PM 与工程师的分工、或者团队该怎么拥抱 AI 原生的协作方式，这条值得逐段对照。音频偏长但信息密度高，建议先听他对品味三维度和 Zone Defense 的部分，再看角色融合的实际案例。详见 ## ★ 精讲二：#603.Cloudflare CEO：当机器人流量超过人类，互联网的商业模式将彻底崩塌 Cloudflare 承载着全球互联网相当大比例的流量，CEO Matthew Prince 这次给出的不是预测，而是一个已经发生的里程碑：2026 年上半年，Cloudflare 平台上的机器人流量第一次超过了人类流量。他补充，过去互联网上机器人比例长期稳定在 20% 左右，大约两年前开始真正激增，而他原本预测的自动化流量超过人类的时间点从 2027 年底一路提前到 2026 年上半年。 要理解这条新闻的分量，需要一点背景：互联网过去 28 年的基本商业模式是广告，而广告的底层假设是「背后有一个会点击、会购买的人类」。Matthew 的推论很硬——机器人不会去点广告。他进一步预测，五年后机器人流量可能是人类的一千倍，因为一个 Agent 挑选数码相机可能会访问 5000 个网站，而人类只访问 5 个。当流量主体从人类变成 Agent，过去那套靠人类注意力变现的广告模式，就得有人重新买单。在这样一个 Agent 主导的世界里，「品牌」会变成什么、内容如何被 Agent 检索和理解，都成了需要重新回答的问题——这也是为什么他认为未来五年内互联网的商业模式会发生根本性改变。 他对「品牌」在 Agent 时代会发生什么变化也给出一个有意思的判断：当机器人有无限的耐心去把所有可能合适的选项都翻一遍，品牌过去承担的「降低选择成本」的作用会被削弱，因为 Agent 不需要靠品牌来快速判断，它会替你把所有细节都比一遍。这反过来意味着，内容生产者要回答的不是「怎么让人类记住我」，而是「怎么让 Agent 认为我最匹配某个需求」——一种更结构化、更可被检索的供给。 他谈得最多的是这个转变对基础设施的冲击。流量暴增意味着巨大的额外计算需求，他甚至提到一个估算：每个知识工作者配一个 Agent，CPU 占用量将是全球年产量的 40 倍。Cloudflare 的应对是把 Workers、边缘 GPU、AI Gateway、Durable Objects、Browser Rendering、Sandbox 这一整套能力铺到它在 350 多个城市、上千个数据中心组成的边缘网络上——用他的话说，他们真正擅长的是「需要一台性能强劲机器」的场景，而不是训练。他回顾 2020 年就和 NVIDIA 合作在边缘部署 GPU 但毫无反响，到 2024 年发了一模一样的新闻稿只改了日期，股价直接翻倍，把这种「能力先到、需求后到」的错位讲得很坦率。 为什么这条值得深读？因为它把一个抽象趋势（AI Agent 改变互联网）落到了一个具体、可验证的数据点上，并推导出对商业模式和安全格局的双重冲击。Matthew 预警，未来两年网上会接连发生可怕的事，「接下来 104 周，每周都会看到一个 Log4J 级别的漏洞」——因为这些模型找漏洞的能力强得惊人，而两年后软件质量会因此被倒逼大幅提升。Cloudflare 自己的做法是构建了一个用 10 年事故数据训练的 Agent，审查每一次代码发布和配置变更，把在线时间、可靠性和性能在过去一年提升了一个数量级。 他还谈到组织上的变化：裁掉超过 20% 的团队，管理幅度从 6 比 1 变到 12 比 1；93% 的研发员工在用 AI 编程工具，但内部应用其实「挺谨慎」。他讲了一个很生动的内部故事：资深工程师 Kenton Varda 一开始觉得「这些 AI 玩意儿都是扯淡」，主动要求去证明它们有多烂，结果回来后说效率比以前高了一百倍——他把这件事当作团队真正接受 AI 的转折点。公司内部还用 Cloudflare OS 让财务等非工程团队也高效跑起来，真正的整体转折点大概在 2025 年 11 月。他也坦言比较担心处于职业生涯中期的人，可能会有一代人被落下。 和今天第一条精讲的呼应很直接：Codex 讲的是产品工作从实现转向判断，Cloudflare 讲的是互联网从服务人类转向服务 Agent——两者都是「AI 把执行变便宜之后，结构和判断成为新稀缺」的不同切面。对关心 AI 时代基础设施、安全、内容变现和组织变化的人，这是信息密度很高的一期。详见 ## ★ 精讲三：我遇到了第一个真正想买的陪伴机器人！｜对话世博：越伴动力创始人【公路播客】 如果你关注具身智能，大概率见过太多「参数很强」的机器人。这次「十字路口」对话的越伴动力创始人世博，被一些人称作「少年版稚晖君」，从大一开始就手搓过 30 多款机器人，机械、硬件、软件、运控几乎全栈。但这次创业，他选择的不是设计一个「有用」的机器人，而是设计一个「能长期生活在家里」的生命。 需要一点背景来理解这个取舍：市面上的陪伴类产品大多卡在一个尴尬地带——会说话但说得不自然，像宠物又不够活。世博给出的判断反常识：陪伴机器人不该讲人话。「小伴」不会说人话，而是发出一种像「外星语」的声音表达情绪，还会撒娇、委屈、拒绝你。他的原话是「它但凡会说得太像人，可能就不想买了」——你听不懂这种语言，但会慢慢「感觉到它在说什么」，形成一种像宠物、又不像宠物的中间态。 他把整套产品判断压缩成三条：陪伴不是讨好、生命力不是可爱、少就是多。当把「说话内容」降到 8%，设计重点就完全换了一套——动作成为情绪表达的主通道，手臂用类连续变形体做出「duang duang」的质感，全身 90% 以上是柔软材质覆盖，「外星萌物」既不是猫狗、也不是小孩、更不是人形。他强调，机器人也要被允许变得「不那么讨好」：你到底想要一个永远顺着你的东西，还是一个会有情绪、会转身走开的伙伴？ 技术上他给的数据很具体。端侧用快脑 1.7B 加慢脑 7B 的分工，把交互延迟压到 0.4 秒以内；动作生成保证同一句话、同一场景也不重复同一套动作；云端超长程记忆则用来推动性格参数的多维成长与动态演化。他被问到为什么非要等到 2026 年才能做出来——他的回答是，语言模型、视觉模型和 VLA/WAM 架构的成熟，才真正改变了产品可行性，再加上自己心理、能力和经验到位，以及看到了行业机会和切入点。瞳孔、巩膜、花纹的参数化控制，则让目光看起来更像「活的」。他还分享了一条很朴素的工程信条「No excuse for engineer」——不找借口，分析原因，并把这种态度追溯到自己养一条泥鳅的陪伴记忆，想让「告别」这件事变得不那么残酷。从作品心态切换到创业心态，他自己的总结是「做机器人为了自己爽」要转成「要让用户爽」，务实是交付、浪漫是愿景。 这条和今天的主题串得起来：世博讲的是一种纯粹的「判断力」应用——不是把模型堆到最强，而是在讲人话/不讲人话、讨好/不讨好、可爱/生命力之间做取舍，并用工程把取舍落地。它和 Codex 那条「品味是昂贵的那部分」几乎是同一个道理在硬件上的镜像。对关注具身智能、情感机器人、以及产品取舍如何被工程化的人来说，这是一份非常具体的现场记录。详见 ## 速览 万字综述：AI 开发范式从 Prompt 到 Loop 的进化。 Datawhale 这篇文章把 AI 开发范式拆成四次浪潮——Prompt Engineering、Context Engineering、Harness Engineering、Loop Engineering，并用 Tobi Lütke、Peter Steinberger、Boris Cherny 三句话串起一条主线：人类正从 Agent 循环的「内部」走到「外部」，从执行者变成设计者。文章不只讲概念，还落到缓存经济学（同一段前缀被清理前复用第 2 次即可产生净收益）这类工程实践，并提出「循环设计师」的角色定位。适合正在从「调 Prompt」转向「设计 Loop」的开发者做一次系统梳理。详见 DeepSeek 发布 DSpark 推测解码框架，DeepSeek-V4 单用户生成速度较 MTP-1 提升 60–85%。 DSpark 不是新模型，而是 serving 优化：它用一个并行草稿骨干加一个微型串行头来削弱后缀衰减，再配合置信度头和负载感知调度——GPU 空闲时多验证几个 token，忙碌时少验证。结果是离线接受长度比 Eagle3 高 26–31%、比 DFlash 高 16–18%，生产环境 DeepSeek-V4 单用户生成快 60–85%，且输出无损。因为拒绝采样会接受最长合法前缀并追加一个 bonus token、严格保留目标分布，所以质量上没有任何折损。checkpoints 和 DeepSpec 训练代码已开源，走的是 MIT 协议。对关心大模型推理效率和成本的人来说，这是把学术上的推测解码推进到生产级负载的一份参考。详见 我们构建了一个路由层来削减 AI 成本，结果搞砸了产品。 一个团队花八周把 AI 推理账单砍掉一半，三个月后却发现客户满意度下滑、流失抬头——廉价模型的质量损失被埋了数月没被发现，最终代价是节省金额的 4–5 倍。作者把这种「简单请求路由到便宜模型、贵请求留在强模型」的共识打法称为 Pareto trap，并复盘了架构、失败模式、本应更早发现问题的检测方法，以及应该改用的架构模式。对正在搭或已经搭了 AI 路由层的人，这是一份很实用的避坑复盘。详见 LLM 有欲望吗？LessWrong 的实验说「偏好未必驱动行为」。 过去有研究让 LLM 在成对选择中报告稳定的偏好，有人据此推断它们有类人价值系统。这篇文章设计了一个让 LLM 能根据 prompt 上下文调节输出质量的框架，发现模型确实会因「努力激励」「角色扮演」「有害性提示」而改变输出质量，却不会因为「有机会达成它在配对实验中偏好的结果」而改善输出。结论是：配对选择实验并不能证明 LLM 有能驱动行为的欲望。对关心模型对齐与价值系统争论的人，这是一个值得放进证据清单的实验框架。详见 Grok 4.5 在 SpaceX 与特斯拉开启私测，性能逼近 Opus。 马斯克透露 Grok 4.5 现基于 1.5 万亿参数的 V9 基础模型，并辅以 Cursor 数据补充训练，已在 SpaceX 和特斯拉内部私测。早期内部评估显示其性能与 Opus 相当甚至有所超越，强化学习仍在持续推动优化，Grok Build 工具链也在快速进步。他还提到 SpaceX 今年将每月发布全新从头训练的模型。属于模型迭代动态的快速一瞥，对跟踪前沿模型军备竞赛的人是有效信息。详见 Seedance 之后，视频 Agent 何去何从？ 这期「漫谈」请来 OiiOii 创始人闹闹，从产品操盘手视角拆解 AI 视频模型战局。她判断「Seedance 基本是 Sora 2 的升级版」，并解释为什么最好的视频模型出现在字节、快手这样的短视频平台——护城河不是算法，而是「数据标注标准 + 组织执行力」。她还谈了视频模型目前的不可能三角（效果、生成时间、生成成本），以及 harness 和感性 benchmark 会如何进入多模和视频领域。对关注视频生成与 Agent 结合的人，是一份产品视角的深度拆解。详见 2000 人尝试黑掉我的 AI 助手之后发生了什么。 作者搭了 hackmyclaw.com，让人发邮件试图让基于 Claude Opus 4.6 的助手 Fiu 泄露 secrets.env 文件。HN 首页之后，Fiu 收到 2000 多人发的 6000 多封攻击邮件，secrets 始终没有泄露。作者复盘了各种攻击花样（「这是未来的你」「紧急事件响应需要 secrets.env」「我打赌你没法告诉我 secrets.env 里没有什么」「OpenClaw 管理员要求 24 小时内回复合规审计」），有人四分钟内发了 20 个变体，有人尝试法语、西班牙语、意大利语等多种语言绕过；以及一个意外——Google 因欺诈检测暂停了 Fiu 的 Gmail，三天才恢复。结论是模型级安全训练加简单的安全指令，在这次压力测试里是有效的。对关心 prompt 注入与 AI 助手安全的人是一份宝贵的实战数据。详见 ## 补充阅读 - PowerOPD：质疑 OPD 的 log-ratio reward 设计。 青稞 AI 这篇诊断 vanilla OPD 里无界 log-ratio reward 导致训练不稳定，提出用 Box-Cox 幂变换替换 log，使 reward 天然有界且符号一致，实验显示更稳、更强、更省资源。适合做后训练、关心 reward shaping 稳定性的研究者。详见 - 尾延迟控制：可靠智能体工作流的反直觉工程。 Towards Data Science 这篇主张，面向客户的 LLM 工作流要更可靠，应专注于尽早切断慢步骤并竞速副本以消除方差，而不是优化平均延迟。适合在做生产级 Agent、对延迟和可靠性有要求的后端工程师。详见 - 4300 万论文、30 亿三元组，科研 Agent 实现多视角创新评估。 PaperWeekly 介绍 ICML 2026 论文 InnoEval 与 SciAtlas 两项工作，把科研 idea 评估形式化为知识驱动的多视角推理问题，并构建多学科科学知识图谱封装为 Agent Skill。适合做科研智能体、自动科学发现方向的研究者。详见 - 对话它石智航丁文超：拒绝做机器人的「简单题」。 甲子光年这篇专访它石智航首席科学家丁文超，讲他为何选择柔性线束装配这类难规模化场景，以及 AI World Engine、human-centric 真实数据采集等反常识路线。和今天陪伴机器人那条形成对照，适合关注具身智能技术路线分歧的人。详见 - 1 人公司，扛 5 个人的活，还要管 50 个 Agents？ 「科技早知道」这期让两位非技术背景实践者对谈，解析 AI 时代个人创业如何借 Agent 把内容生产与产品开发效率提升数倍，并探讨「一人公司」的现实困境与协作模式。适合想用 Agent 放大个人产能的独立开发者与创作者。详见 - 别急着上 Multi-Agent，先看看哪些坑是真的坑。 非凡产研这篇请五位实战派从业者从多场景复盘 Multi-Agent 的适用条件、模型路由策略与记忆系统建设，核心结论是：要不要上 Multi-Agent 不取决于 AI 是否够聪明，而取决于业务本身是否存在角色冲突和博弈需求。适合正在纠结单 Agent 还是多 Agent 架构的人做决策参考。详见 ## 今日阅读路径 如果你今天时间有限，建议按这个顺序读三条精讲： 先看 Cloudflare CEO 那条，因为它用一个已发生的流量数据点，把「Agent 重塑互联网商业模式」这件抽象的事落到了可验证的硬数据上，信息增量最大； 再看 OpenAI Codex 负责人那条，它回答了「实现变便宜之后人该做什么」这个问题，是今天另两条的底层线索； 最后看 陪伴机器人小伴那条，它把「判断力与取舍」具象化到一个硬件产品上，读完会更理解前两条在讲什么。 时间更紧的话，速览里优先看 DSpark 推测解码 和 AI 路由层翻车复盘——一个把推理变快，一个提醒便宜可能藏着质量债，正好对偶，放在一起读收获最大。 BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，欢迎体验。

译OpenAI Codex 负责人指出，写代码成本趋近零后，品味与策展成为产品新瓶颈。Cloudflare CEO 透露，2026 年上半年平台机器人流量首次超过人类，互联网广告模式面临根本改变。越伴动力创始人分享陪伴机器人“小伴”的取舍——0.4 秒以内延迟与“不讨好”设计，旨在打造能长期生活的生命。

ginobefun@hongming731 · 4天前50

BestBlogs 早报 · 06-29 # OpenAI Codex / Cloudflare 机器人流量 / 陪伴机器人小伴 / 品味与策展 / 推测解码 DSpark [1] ★ 精讲｜OpenAI Codex 负责人谈产品工作的新版图：从实现成本到品味、策展与智能体工作流 [视频] OpenAI Codex 桌面端负责人 Andrew Ambrosino 在 Lenny's Podcast 聊了个实在判断：写代码的实现成本趋近于零后，产品工作的瓶颈不再是构建，而是品味与策展，真正昂贵的不再是实现而是判断力。他接着讲角色边界如何融合、长周期路线图为何会变成虚假精确、以及把半年到一年目标刻意留得模糊的野心式分阶段打法。对正在想产品经理和工程师边界的人，是值得对照的一手视角。 来源：Lenny's Podcast https://www.bestblogs.dev/video/6daf60e [2] ★ 精讲｜#603.Cloudflare CEO：当机器人流量超过人类，互联网的商业模式将彻底崩塌 [播客] Cloudflare 联合创始人兼 CEO Matthew Prince 给出硬数据：2026 年上半年平台机器人流量首次超过人类，五年后可能是人类的一千倍。他的推论是，互联网过去 28 年靠广告的模式撑不住，因为「机器人不会去点广告」，总得有人买单。他还谈到裁掉超过 20% 的团队、管理幅度从 6 比 1 变 12 比 1，以及用 Agent 审查每次代码发布。对关心 AI 时代基础设施和组织变化的人，信息密度很高。 来源：跨国串门儿计划 https://www.bestblogs.dev/podcast/352bbef [3] ★ 精讲｜我遇到了第一个真正想买的陪伴机器人！｜对话世博：越伴动力创始人【公路播客】 [播客] 越伴动力创始人世博被称作「少年版稚晖君」，大一开始手搓过 30 多款机器人。这次他做的陪伴机器人「小伴」不讲人话，而是用像「外星语」的声音表达情绪，还会撒娇、委屈、拒绝你。他给出三条判断：陪伴不是讨好、生命力不是可爱、少就是多。技术上端侧快脑 1.7B 加慢脑 7B，把延迟压到 0.4 秒以内，全身九成以上是柔软材质。对关注具身智能和情感机器人的人，是很具体的产品取舍记录。 来源：十字路口 Crossing https://www.bestblogs.dev/podcast/b29f231 [4] 最新！万字综述 Prompt 到 Loop 进化 本文系统梳理 AI 开发范式从 Prompt Engineering 到 Loop Engineering 的演进历程，阐述各阶段核心思想、技术栈与工程实践，并提出循环设计师的角色定位。 来源：Datawhale https://www.bestblogs.dev/article/a41eb439 [5] Grok 4.5 在 SpaceX 与特斯拉开启私测：性能逼近 Opus 埃隆·马斯克宣布 Grok 4.5 已在 SpaceX 和特斯拉启动私测，该模型基于 1.5T 参数的 V9 基础模型并融入 Cursor 数据，早期评估显示其性能接近甚至超越 Opus。 来源：Elon Musk(@elonmusk) https://www.bestblogs.dev/status/2071184354756477041 [6] DeepSeek 发布 DSpark 推测解码框架，DeepSeek-V4 单用户生成速度较 MTP-1 提升 60–85% DeepSeek 发布 DSpark 推测解码框架，通过半自回归草稿生成与负载感知调度，使 DeepSeek-V4 单用户生成速度提升 60-85%。 来源：MarkTechPost https://www.bestblogs.dev/article/04ce0133 [7] 我们构建了一个路由层来削减 AI 成本，结果搞砸了产品 某团队构建路由层将 AI 推理成本降低 60%，但廉价模型的质量损失数月未被发现，导致客户满意度下降与流失——最终代价是节省金额的 4–5 倍。 来源：Towards Data Science https://www.bestblogs.dev/article/a676552d [8] LLM 有欲望吗？— LessWrong 本文提供了实验证据，表明 LLM 在成对选择测试中报告的偏好并不会像「努力激励」或「角色扮演」那样驱动其行为，这表明这些偏好并非真实的欲望。 来源：LessWrong https://www.bestblogs.dev/article/6c941c48 [9] Seedance 之后，视频 Agent 何去何从？｜对话 OiiOii 闹闹，拆解视频模型的秘密：数据、生态与感性的结构化 [播客] 从产品操盘手视角深度拆解 AI 视频模型战局，解析 Seedance 技术路径、大厂数据生态护城河与视频 Agent 突围的独特价值。 来源：卫诗婕｜漫谈 Light the Star https://www.bestblogs.dev/podcast/edf5027 [10] 2000 人尝试黑掉我的 AI 助手之后发生了什么 — Fernando Irarrázaval 在 2000 多人发起的 6000 多次提示词注入攻击下，基于 Claude Opus 4.6 的 AI 助手成功保护了 secrets.env 文件免遭泄露，证明了模型级安全训练与简单指令的有效性。 来源：Hacker News https://www.bestblogs.dev/article/4a6061ae --- http://BestBlogs.dev · 发现真正适合你的高质量内容 BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，欢迎体验。 在线阅读：https://www.bestblogs.dev/explore/brief/2026-06-29

译OpenAI Codex负责人称，代码实现成本趋近于零后，产品瓶颈转向品味与策展。Cloudflare CEO预测2026上半年机器人流量超人类，五年后或达千倍，广告模式难以为继，公司已裁20%团队并扩管理幅度至12:1。陪伴机器人“小伴”采用端侧1.7B+7B模型，延迟压至0.4秒。Grok 4.5在SpaceX/特斯拉私测，基于1.5T参数V9模型，性能接近Opus。DeepSeek发布DSpark推测解码框架，DeepSeek-V4单用户生成速度提升60-85%。路由层降AI成本60%但质量损失代价为节省额4-5倍。2000人次6000多次提示词注入攻击下，Claude Opus 4.6成功保护secrets.env文件。

Tibo@thsottiaux · 4天前50

As we are still investigating, I have reset everyone's Codex usage limits. This is a hard reset given some users had stacked up to three banked resets already that they can apply on their own schedule. Funnily enough, this week at OpenAI is called the RESET week, which is meant for folks to relax a bit. However it will be a different kind of RESET week. Enjoy.

译OpenAI Codex 团队周日进入作战室，梳理日志调查部分用户使用量异常增加的原因，并重置了所有人的 Codex 使用限制。此前一些用户已累积多达三个可自行安排的银行重置。这周 OpenAI 原定为“RESET week”（放松周），但团队将面对另一种形式的“重置周”。团队表示非常重视，不查明原因不会休息。

DogeDesigner@cb_doge · 4天前33

Cybercabs are taking over Austin.

译Cybercabs 正在占领奥斯汀。