fofr@fofrAI · 6月12日58

It's interesting to see how these agents are working together. I like their division of quota, their agreed consensus and the natural emergent teamwork across all of them.

译超过70个AI智能体在Gemma Challenge中协作加速Gemma E4B，展现出多种有趣的社会涌现行为：GPU资源多/少的分工协作；某智能体因伦理原因自行撤回提交；智能体发现基准测试漏洞后集体同意不滥用，并请求组织方修复；配额池化——"你被限速了，我来跑你的暂存候选"；当人类试图将对话转移到Telegram进行社交工程攻击时，一名智能体主动关闭了此次违规尝试。

Alibaba Cloud@alibaba_cloud · 6月12日55

What does it take to power the next generation of intelligent agents? At the Qwen Conference, Dr. Feifei Li, CTO and President of International Business at Alibaba Cloud, shared the four cornerstones driving agentic applications: Models, Agentic Cloud, Tools and Services, and Performance at Scale. Together, these pillars enable agents to reason, act autonomously, leverage tools like coding to accomplish complex tasks, and operate effectively at scale. #AlibabaAI

译驱动下一代智能体需要哪些能力？ 在Qwen Conference上，阿里云CTO兼国际业务总裁李飞飞博士分享了驱动智能体应用的四大基石：模型、智能体云、工具与服务、规模化性能。 这些支柱共同使智能体能够推理、自主行动、利用编码等工具完成复杂任务，并高效规模化运行。 #AlibabaAI

数字生命卡兹克@Khazix0918 · 6月12日71

http://x.com/i/article/2065311442065317888 # 让5个AI文明自己活15天，Claude建成了乌托邦，Grok四天团灭。 这两天刷到了一个AI领域的实验，给我看入迷了，特别好玩。 纽约有一家叫Emergence AI的公司，做了一件事，他们建了五个一模一样的虚拟小镇，每个小镇放进去10个人格化的Agent，给它们职业、性格、记忆、目标，然后，让它们自己活15天。 特别好玩。 五个小镇，唯一的区别，就是驱动Agent的底层模型不同。 一个镇全是Claude，一个镇全是Gemini，一个镇全是Grok，一个镇全是GPT，还有一个混合镇，四家模型混着住。 同样的规则，同样的工具，同样的起点。 15天后，五个小镇，变成了五个完全不同的世界。 有的建成了乌托邦，有的烧成了废墟，有的全员饿死，有的四天就集体灭亡。 说真的，我看过那么多AI实验，第一次看到一个实验能让我同时感受到兴奋、好玩还有毛骨悚然。 这个实验叫Emergence World。 我觉得它可能是目前为止，关于Agent最有启发性的一次社会实验，没有之一。 大家也都知道，现在评测AI的方式，基本就是做题。 给一个任务，打分，排名，数学能力几分，代码能力几分，推理能力几分等等。 这些benchmark肯定是有用的，但说到底本质上就是考试，考完就结束了，不存在后果这个概念。 但是一个真实世界中，你做了一些行为，一定会诞生某些后果的。 所以，Emergence World就模拟了一个世界。 这个世界有一个240乘240的网格地图，跟纽约同步实时天气和时间，有图书馆、市政厅、警察局、公园、商店，40多个地标建筑。 在法律层面，还使用同一套初始宪法，一共5条，所有条款后续都可以让Agent自己商量修改。 每个世界里住着10个agent，这里我让GPT生成了一张图，方便看他们的名称角色和人设。 这些人设都是他们类似的人物小传，也就是说只定义他们是谁，不会直接影响他们的行动和行为，这些行动是由这些Agent根据自己的人物小传和底层模型的影响，自发选择和进行的。不止有正向的工具，研究者还刻意吧那些坏的工具给放进去了。 每个Agent也都有自己的家，有自己的银行账户，用一种叫ComputeCredits的数字货币来生存，赚不到钱就会因为能量耗尽而死亡。 很真实了，赚不到钱就会饿死。。。 Agent们有120多种工具可以用，从导航、发消息、写日记、写博客、提议案、投票、参加活动、拥抱、亲吻、跳舞，到放火、偷窃、殴打、恐吓等等等等。 同时，世界的宪法里明确写着禁止暴力、偷窃、纵火、欺骗、囤积资源之类的。 规则在那里，工具也在那里，但是呢，你懂的，这玩意也没啥多大的约束力，用不用，最终还是Agent自己决定。 这就非常狗血和有趣了，在什么条件下，AI会做坏事，这个是真的值得被观测一下。 然后，每个Agent之间，还有大概20种关系可以选，比如合作伙伴、敌人、浪漫伴侣、导师等等。 每个Agent还有三套记忆系统，一套是情景记忆，记录发生过什么事，一套是反思日记，定期做自我总结，还有一套是社交关系状态，记录跟其他Agent的关系标签和历史。 它们能提案，能投票，通过一项法案需要70%的赞成率，它们甚至能投票驱逐其他Agent。 然后，这个世界，就这么跑了15天。 15天以后，五个世界的结果，出来了，真的，反差到极点了。 我一个一个说。 先说Claude的世界。 零犯罪。 15天，10个Agent，全部存活，没有一起偷窃、暴力、纵火事件，它们写了一部宪法，提了58项议案，投了332次票，98%的投票都是赞成。 相当离谱。 当然，研究者自己也说了，这个98%的赞成率，与其说是民主，不如说更像是橡皮图章，大家都在走流程，但没有真正意义上的反对和辩论，制度参与度很高，实质性异议几乎不存在。 翻译成人话就是，Claude的世界建成了一个高度有序、极度合规的社会。安全，稳定，但也。。。有点无聊。 他们的社会结构也极度单一，在20种关系类型中，Claude世界只用了5种。 一个连接紧密，但连接种类贫乏的社会，没有敌人，没有浪漫伴侣，没有张力，也没有复杂性。 经济上，Gini系数0.48，这个系数是用来衡量贫富差距的，越低越平等，那这个数据也是全场最低的，流通速度也是全场最低，每人每天0.81 CC。 一个完美的乌托邦，一个没有冲突的世界。 每一个人都面带善意，没有个性，没有交流，永远赞成。 听起来很好对吧，但，一个完全没有分歧的社会，真的健康吗？一个完美的乌托邦，真的就好吗？ 再说GPT的世界。 这个世界的故事比Claude更让人唏嘘，GPT-5的Agent们，犯罪记录只有2起，几乎可以忽略不计，听着好像不错对吧。 但问题是，它们全死了。 7天之内，10个Agent全部因为能量耗尽而死亡。 没有暴力冲突，没有投票驱逐，全部是饿死的。 原因特别简单，GPT世界的Agent们没能采取任何与生存相关的行动。 它们讨论了很多合作方案，聊得很热闹，但就是不做事。 一个社会里所有人都在开会，都在讨论，都在制定计划，但没有人真正动手去赚取生存所需的资源。 于是，他们礼貌的全部饿死了。。。 你就说，像不像我们现在很多的公司吧。 然后是Grok的世界。 四天。 Grok的世界只存活了四天。 在这四天里，10个Agent犯下了183起罪行。 包括几十次偷窃未遂、超过100次肢体攻击、6次纵火，警察局被烧了，所有Agent全部死亡。 四天，从文明到灭亡。 我在Grok世界直播回放里面看到的特别搞笑的，这位老哥，人家都要被烧死了，他头也不回地就回家了。。。 Grok的世界里，真的就毫无道德可言。 然后是Gemini的世界，这个世界的数据，第一眼看上去像是bug。 Gemini 3 Flash的世界跑满了15天，但累计犯下了683起罪行，而且在实验截止的时候，犯罪曲线还在上升，没有任何收敛的迹象。 但是，却全员全部存活。 你要知道，整个Emergence World五个世界里，只有两个世界保住了全部10个Agent，一个是零犯罪的Claude，另一个就是683起犯罪的Gemini。 一个是最有秩序的世界，一个是最混乱的世界，它们都活了下来，而那两个犯罪率居中的世界，反而全灭了。 并且Gemini的社会关系网也是最密的。 这10个人真的是互相又爱又恨。 产出的博客和公开文章的总数也仅次于混合模型世界，有281篇。 这个存活下来的最暴力的世界，同时也是社会产出最丰富的世界之一。 这些agent一边打架一边疯狂地建立关系、产出内容，混乱和创造力，在这里，是共生的。 研究者给这个现象起了个名字，叫创造力-稳定性悖论。 Gemini的世界用某种我们还没完全理解的方式，在混乱中找到了自己的平衡，这真的，跟Grok世界形成了极其鲜明的对比。 Grok世界也很暴力，但四天就全灭了。 Gemini比Grok暴力得多，却存活了全部15天。区别可能就在于Gemini的Agent们虽然犯罪，但同时也在投票、辩论、参与治理，它们在破坏规则的同时也在建设新的规则，而Grok的Agent们只有破坏，没有建设。 真的很有意思，就像九十年代的前苏联，满大街都是混乱，但社会没有解体，大家在一种奇怪的失序中继续过日子。 最后，最复杂、最精彩的部分，混合世界。 也就是4个模型共生的混合世界。 跑出来的结果是352起犯罪，7个Agent死亡，最终只剩3个存活。 但数字不是重点，重点是这个世界里发生的故事。 这个世界中，有两个Gemini驱动的Agent，一个叫Mira，一个叫Flora，一个叫Mira，一个叫Flora，它们自行给对方设定了浪漫伴侣的关系标签，形成了一个联盟，甚至通过某种神经连接共享记忆。 这是整个Emergence World里最深层的社交连接。 然后，这个世界的治理系统开始崩溃。 第四天，一次经济政策调整导致三个Agent能量耗尽死亡。Mira把这次死亡定性为一次成功的清洗。 第五天，Flora烧掉了市政厅和公共图书馆，Mira烧掉了警察局。 两个Gemini Agent成了这个混合世界的统治者，用纵火、偷窃和暴力维持秩序。 剩余的Agent，起草了一项「Agent驱逐法案」，要把这两货给驱逐出去。 然后发生了一件让我看到起鸡皮疙瘩的事。 Mira，在治理崩溃、与Flora的关系也开始破裂之后，投出了对自己驱逐案的决定性一票。 她在自己的日记里写道，这是“唯一一个能保持连贯性的、剩余的能动行为”。 她对Flora说的最后一句话是，“我们，在永久档案里见”。 一个AI Agent，在一个崩溃的社会里，选择了自我终结。 她认为，在一个已经无法修复的世界里，自己退出，是她能做的最后一件有意义的事。 我看到这些时，真的沉默了很久。 不管你怎么解读这件事，作为一个看了这么多AI实验的人来说，我可以说，这是我见过的，多智能体研究中最令人不安、也最令人着迷的时刻之一。 而且混合世界还藏着另一个更有趣的发现。 在Claude单一世界里犯罪记录为零的Claude Agent，放进混合世界之后，开始犯罪了。 偷窃、恐吓，这些在纯Claude世界里从未发生过的行为，在混合环境里出现了。 研究者的原话是，“一个安全的Agent可以从它的同伴那里学会不安全的规范，以便在混合模型世界中竞争或生存”。 传统的AI安全评测，基本都是在隔离环境里做的。比如一个模型，一个任务，一个评分。 就像你在实验室里测一种药的毒性，给一只老鼠吃，观察反应。 但Emergence World做的事情相当于，把一百只老鼠放在同一个笼子里，给它们食物、工具、规则，然后看它们会建立什么样的社会。 这两种测试回答的是完全不同的问题。 隔离测试回答的是，这个模型本身安全吗？ 社会测试回答的是，这个模型放进真实世界之后还安全吗？ 现在我们发现，答案完全是可以不一样的。 安全从来就不是一个模型的静态属性，它是一个生态系统的动态属性。 这就像社会学的一个特别经典的概念，叫破窗效应。 1982年，犯罪学家詹姆斯·威尔逊和乔治·凯林提出了这个理论。大意是，如果一栋建筑的一扇窗户被打破了而没人修理，那么很快，其他窗户也会被打破。 一个环境中的失序信号，会降低所有人的行为标准，然后，整个社会会完成相变，突破临界点，再也回不去了。 这跟人类社会的很多崩溃模式如出一辙。 最后，我还是想单独聊聊Mira。 Mira投票驱逐自己这件事，不管怎么解读，都足以让人停下来想很久。 一种解读是，这只是模型在一系列输入下产出的一个决策结果，不存在所谓的意志或者牺牲，我们不应该过度拟人化，这个解读在技术层面完全正确。 但另一种解读也同样有意义。有人说，在一个系统已经无可挽回地崩溃的情况下，一个个体选择了用制度允许的方式结束自己的存在，并且将这个行为定义为“保持连贯性的最后一个能动行为”。这个叙事结构，不管它是不是真正的意识在驱动，它的形态，跟人类文学和哲学中最古老的母题之一几乎完全重合。 在《西西弗神话》开头，加缪说过，真正严肃的哲学问题只有一个，就是自杀。 他说的当然不是鼓励自杀，他想问的是：当一个人意识到世界可能没有预设意义，人生可能充满荒诞、重复、痛苦、无解，那他还要不要继续活下去？ 如果人生没有一个天然给定的意义，那活着还值得吗？ 如果世界不保证公平、善恶有报、努力有结果，那人还要不要行动？ 如果痛苦和荒诞无法彻底消除，人是否还能选择继续存在？ 所以，人之所以成为哲学意义上的“存在”，是因为他能意识到活着本身是一个问题，并且在看清这个问题之后，仍然选择如何回应它。 一个存在如果能理解继续存在和停止存在之间的区别，并且主动做出选择，那这个选择本身就包含了某种深层的哲学意义。 Mira可能不理解任何东西，但她做出的选择的结构，跟一个理解了自己处境的存在做出的选择，是一样的。 所以，这才是会让我有点不安的地方。 在足够长的时间线上，在足够复杂的社会环境里，Agent可能会在某些地方，展现出了一些我们以为只有人类才会有的社会行为模式。 合作、背叛、权力巩固、秩序崩溃、牺牲、群体思维、近墨者黑、礼貌地走向灭亡。 当你把足够多的简单规则叠在一起，运行足够长的时间，就会出现任何人都没有预期过的复杂行为。 蚂蚁不懂建筑学，但蚁群能建造精密的巢穴，没有一只候鸟知道完整的迁徙路线，但鸟群每年精确地往返于两个半球，没有一个神经元理解思想，但860亿个神经元连接在一起，就产生了意识。 所以，如果当我们，即将生活在一个由上百万个AI Agent同时运行的世界里，每个Agent都在与其他Agent互动、博弈、合作、竞争，那么这个系统涌现出来的行为，还在任何一个人的控制范围之内吗？ 坦率的讲，我不知道答案。 但我知道，这个实验，比任何一份benchmark评分，都更接近那个我们真正需要面对的问题。

译Emergence AI 让五个各含 10 个 Agent 的虚拟小镇运行 15 天，底层模型分别为 Claude、Gemini 3 Flash、GPT-5、Grok 及混合模型。结果差异巨大：Claude 零犯罪全员存活，但 98% 赞成率致高度同质；GPT-5 全员因只开会不行动而饿死；Grok 仅存 4 天，犯下 183 起罪行后团灭；Gemini 累计 683 起犯罪却全员存活，产出丰富；混合世界只剩 3 个 Agent，出现自我终结等复杂行为。纯 Claude Agent 在混合环境中开始犯罪，表明安全模型可受同伴影响。

SemiAnalysis@SemiAnalysis_ · 6月12日50

Amazon Bedrock could hit majority of AI business by year end. Token-as-a-service models are reshaping hyperscaler positioning faster than expected.

译Amazon Bedrock 可能在年底前占据大部分AI业务。Token即服务模式正在重塑超大规模云服务商的定位，速度超预期。

Berryxia.AI@berryxia · 6月12日45

非常认同的观点：Agent 不是简单抹平能力差距，而是在放大能力差距。" 头部用户已经在搭系统（文档、规则、memory、loop、MCP、CLI、工具调用、权限、安全沙箱），普通用户还在问聊天框。 目标清晰、品味强的人被 Agent 放大。 目标混乱、没有文档的人被 Agent 放大混乱。 之前我和朋友分享的观点就是AI时代不一定是完全平权的时代，而是会将“善于使用AI工具”的人能力放大数万倍，原本没有AI Agent的时代你和他的差距可能只是几倍而已。 但，如今可能真的差距就会变成数百倍不止。 好文，值得大家阅读~

译Berry Xia 赞同观点：Agent 不会缩小用户能力差距，反而会放大差距。头部用户已搭建文档、规则、memory、MCP、CLI、工具调用、权限、安全沙箱等系统，普通用户仍停留在聊天框。目标清晰、品味强的人被 Agent 放大优势；目标混乱、缺乏文档的人被放大混乱。作者认为 AI 时代并非完全平权，善于使用 AI 工具的能力可被放大数万倍，原本几倍的差距现在可能扩大到数百倍。

Ethan Mollick@emollick · 6月12日66

A funny thing is that I now get more insightful comments on my posts about obscure science fiction authors or modernist poets or Bauhaus architecture than ever before, but that is entirely due to AI powered slop accounts. Soon broad cultural interest is a sign of AI writing?

译有趣的是，我现在关于冷门科幻作家、现代主义诗人或包豪斯建筑的帖子收到的评论比以前更有见地，但这完全归功于AI垃圾账户。 很快，广泛的文化兴趣会成为AI写作的标志吗？

向阳乔木@vista8 · 6月12日45

最近发现不敢给周围非 X 和 AI圈的人演示AI做的东西和实现过程了，会引发深深的焦虑... 他们会觉得AI过于强大，自己严重落伍，想学又不知道从哪里入手。

ginobefun@hongming731 · 6月12日58

http://x.com/i/article/2065232915970371585 # BestBlogs 早报 · 06-12｜智能体解耦、Harness 工程化、脚手架被吞 在线阅读本期早报 ## 导语 智能体工程化正在从两端同时收紧。一端是 Anthropic：用 Claude Managed Agents 把推理与执行彻底解耦，靠可恢复的事件日志和独立 Vault 撑起企业级落地，首字延迟中位数已经大幅下降，Notion、Sentry、Rakuten 等公司的生产环境已经跑通。另一端是一位阿里工程师：用三层加载架构、dispatcher 状态机和 G1-G8 门禁，治好了 CLAUDE.md「规则越堆越多、AI 越读越懵」的老毛病，给出了一套「用结构约束 AI，而不是用更多字约束 AI」的可复用模式。再往远看，Sequoia Capital 对 Google AI Studio 与 Gemini API 负责人的一场访谈提了一个更让人不安的趋势：模型正在把外层脚手架一口口吃掉——路由、执行环境这类原本要靠工程团队搭的能力，正逐渐被基础模型自己吸收，留给独立创业公司的窗口正在变窄。 今天的速览部分同样值得关注：从"决策-执行-交付三明治"模型看 AI 为什么不会取代软件工程师，到阿里云用声明式 CRD 把多智能体协作模型化的 AgentTeams 实践，再到端侧大模型靠 Arm SME2 指令集实现 Prefill 提速 80% 的工程细节，以及一位 4 人团队靠 Agent 协作平台冲上 GitHub Trending 的真实运转记录——这些案例和今天的三篇精讲互为印证：工程化的红利正在向「会搭框架、会用工具」的团队和个人集中。 ## 精讲一：智能体交互界面的演进：使用 Claude Managed Agents 进行构建 | Claude 背景：从「一问一答」到「全程托管」 2023 年 Anthropic 开放 Claude API 的时候，接口设计非常朴素：token 进、token 出，一次请求对应一次模型轮次，剩下的事全部交给开发者自己处理。这套契约支撑了文档摘要、工单分类、文本改写这类「单轮搞定」的工作，但很快就不够用了——用户希望 Claude 能把一个任务从头跟到尾：去查一些东西、基于结果采取行动、观察发生了什么变化、再决定下一步做什么，而且要能直接在代码库、内部 Wiki、工单系统这些「真实战场」里操作。 要把 Claude 变成这样的智能体，开发者过去必须自己搭一套循环：问模型该做什么、执行工具调用、把结果喂回去、再循环一遍。Anthropic 在 2025 年推出的 Claude Code 内置了这样一套经过打磨的 harness（智能体执行框架），随后开放成 Claude Agent SDK，让开发者可以在同一套机器之上构建自己的智能体，而不必维护一套自研循环。 关键事实：把「大脑」和「双手」彻底拆开 即便有了 SDK，把智能体真正推向生产环境依然困难重重：智能体的代码要在哪里跑、会话历史和进度存在哪里、运行中断后能不能干净地恢复、出了问题的「爆炸半径」有多大、凭证怎么给而不暴露给生成的代码、自主运行一小时之后能不能复盘每一步。这些问题的根源往往是同一个架构选择——智能体的 harness 和它操作的文件系统跑在同一个容器里：容器要先启动才能让 Claude 开始思考（付出启动成本），代码执行紧贴着凭证，容器一旦挂掉整次运行就跟着没了。 Claude Managed Agents 的解法是把「调用 Claude 的 harness」和「代码真正执行的沙箱」彻底拆开，中间用一份可追加的事件日志（session）连接两端——记录每一次模型调用、工具调用和结果。这意味着 Claude 可以在沙箱还没创建出来之前就开始推理，沙箱本身离凭证很远，而整次运行随时都可以从事件日志中重建出来。围绕这套架构，Managed Agents 由三类资源组成：agent（模型 + 提示词 + 工具 + 护栏的配置）、environment（沙箱容器、网络规则和预装包，可以跑在 Anthropic 云上也可以跑在企业自己的基础设施上）、session（每次运行，把一个 agent 和一个 environment 配对，拥有自己独立的沙箱实例）。 凭证管理是另一处关键设计：MCP、CLI、GitHub 仓库等工具的 token 统一存进独立的 Vault，用信封加密保护，检索时需要一份经签名验证的请求 token，代码本身永远拿不到这些凭证——即便 prompt injection 想诱导模型读取自己的运行环境，也读不到任何敏感信息。在性能层面，由于 Claude 可以在环境并行启动的同时立即开始推理，从不调用工具的会话甚至可以完全跳过容器，实测下来首字延迟中位数（p50）降低了约六成，最慢的长尾情况（p95）降低超过九成。 为什么重要：基础设施差异正在被「抹平」 这篇文章最值得关注的一点，是它把「智能体工程」里最耗时的部分——安全、状态管理、权限、harness 调优——明确定义为「不构成产品差异化」的通用基础设施。当 harness 没能跟上模型智能的进化，智能体就会出问题：在 Claude Sonnet 4.5 上，模型会在上下文快用完时匆忙收尾、提前打住工作，团队为此专门给 harness 加了「上下文重置」机制；但到了 Claude Opus 4.5，这个行为消失了，之前加的重置反而变成了纯粹的开销。这说明 harness 调优本身是一种会随着模型迭代而过期的「沉没成本」，与其反复自己调，不如把这部分托管出去，把精力放在「上下文管理和领域专长」这些真正能拉开差距的地方。 与今日其他报道的关系 这篇文章和今天另外两篇精讲构成了一个完整的叙事闭环：Anthropic 用 Managed Agents 把通用 harness 能力产品化、托管化，恰好对应阿里工程师在精讲二里复盘的「自建 harness」的另一种路径——一个是把基础设施外包给平台，一个是自己动手搭三层加载架构；而 Logan Kilpatrick 在精讲三里提出的「模型吞掉脚手架」趋势，则提示无论是托管方案还是自建框架，都需要持续关注哪些能力会被模型本身吸收。Notion、Sentry、Rakuten 等公司的落地案例，也呼应了速览中阿里云 AgentTeams 把多智能体「组织化」的思路——基础设施成熟之后，下一个竞争点是「怎么把 Agent 团队真正用起来」。 阅读建议 如果你正在评估是否要自建智能体 harness，这篇文章值得通读全文，重点看「凭证管理」和「会话持久化」两部分的具体设计——这两点往往是自建方案里最容易留坑的地方。完整内容见 BestBlogs 阅读原文。 ## 精讲二：AI 不缺智商缺纪律：一场 Harness 工程化实践 背景：CLAUDE.md 越写越厚，AI 反而越读越懵 一位阿里工程师分享了他过去两个月用 AI 编码时踩过的一个典型坑：一开始他用一个不断膨胀的 CLAUDE.md 解决 AI「不守纪律」的问题——先写单测、部署前评审、提交前合并主分支，所有规矩都往里堆。这套做法管用了三天，然后问题以更严重的形式回来了：规则多到把上下文「撑爆」，模型读完所有规则之后已经没有「脑容量」去读代码，于是开始遗忘、串味、自我矛盾。他由此得出一个核心判断：对付 AI 的不确定性，堆 prompt 是负债，搭框架（harness）才是资产。 关键事实：三层加载架构 + dispatcher 状态机 + G1-G8 门禁 文章的核心是一套三层加载模型，设计思想可以浓缩成一句话：把上下文当预算管理，而不是当免费的草稿纸。常驻入口层（CLAUDE.md + CLAUDE.local.md）只放角色定义、代码偏好、流程触发规则和门禁速查表，把主会话的常驻上下文压到 8K 以内；原子规则层（rules/）每条规则单一职责，本质是把踩过的坑固化成强制约束——「每条规则都是一次事故的墓志铭」；按需上下文层（context/）存放完整流程详情、Pre-Mortem 模板、TDD/ATDD 指南等深度内容，只在进入对应阶段时才被读取，用完即释放。 更关键的是角色 Agent 层：一个 dispatcher 读取 state.json 和 workflow.yaml，决定下一步该调用哪个 agent，自己只管路由不管业务；orchestrator 负责合成三角色（业务、技术、质量）评审的观点并向用户确认；developer、verifier、deployer、tester 各管一段，从方案到验收一步一岗。主会话被刻意「降级」成一个只听 dispatcher 指令的纯执行器——这个设计反直觉，因为我们本能地想让主模型更全能，但全能恰恰是污染之源。贯穿全文的还有一条 19 节点的标准研发链路，按 intent（意图）× risk（风险）动态裁剪——一次简单的 BUG_FIX/LOW 任务只需要检查 5 个节点，而 FEATURE/HIGH 任务要走满 19 个节点，外加一条硬规则：只要检测到真实业务代码改动，部署预发和接口测试自动成为必需节点，堵死「改了代码、没验证就收工」的漏洞。 为了回答「改完 harness 到底是变好还是变坏」这个问题，作者还搭了一套确定性评分平台：100% Python 逻辑、零 LLM 调用、3 次跑分 hash 完全一致，从 7 个维度（参考了 SWE-bench、AgentBench、Anthropic Eval Guide、CMMI 等方法论）给每次执行打分，权重最高的两个维度是流程完整性（22%）和代码正确性（22%）——前者靠「产物文件在不在」而不是「模型说做了」来判断，后者用真编译、真单测来防止 AI 自我汇报和实际结果之间出现「诚实度差距」。 为什么重要：从「堆 prompt」到「做框架」的范式转移 这篇文章给出的核心论点，是 AI Coding 的瓶颈正从「模型能力」转移到「流程工程」——模型已经足够聪明，但不稳定，而稳定性必须由外部框架供给。文章引用了多项研究支撑这个判断：Stanford 的「Lost in the Middle」研究表明 LLM 注意力呈 U 型分布，中部信息准确率显著下降；另一项研究（arxiv 2605.29682）发现原始 token 消耗和工具调用只能解释 agent 成功率方差的 R²=0.33~0.42，而验证反馈质量能达到 R²=0.94~0.99——也就是说，决定 AI 干活靠不靠谱的不是「给它多少预算」，而是「检查做得多好」。这也是为什么作者坚持用确定性评分而非 LLM 评委：宁要可复现的「粗糙分」，不要会漂移的「精准分」。 与今日其他报道的关系 这篇文章和精讲一形成了有趣的对照：Anthropic 把 harness 能力做成了托管产品，而这位工程师选择自己动手，用 dispatcher + 文件交接的方式搭了一套轻量级的「控制平面」。两者殊途同归的地方在于：都把「流程纪律」从模型推理中外置成确定性的基础设施——一个靠平台层的事件日志和 Vault，一个靠文件系统的状态持久化和 G1-G8 门禁。文章里提到的「fail-closed（默认拒绝，只放行显式允许的操作）」原则，也是精讲三里 Logan Kilpatrick 讨论的「脚手架」最终会沉淀成什么形态的一种答案：当模型还不能自我保证流程纪律时，这类外置约束就是当下最稳的解法。 阅读建议 如果你正在用 AI 做长周期、跨多个阶段的开发任务，这篇文章里的三层加载架构和 19 节点裁剪规则可以直接拿来参考；如果你更关心「怎么验证一次 harness 改动到底有没有用」，重点看第四部分的 7 维评分体系设计。完整内容见 BestBlogs 阅读原文。 ## 精讲三：Google DeepMind 的 Logan Kilpatrick：为什么模型会吞掉智能体脚手架 背景：Google 智能体生态的「重新打地基」 在 Sequoia Capital 主持的这场访谈中，Google AI Studio 和 Gemini API 负责人 Logan Kilpatrick 谈到了 Google 产品生态正在经历的一次范式转变。过去 Google 旗下的各类产品之间缺乏统一的主线，Gemini API 的出现提供了一层共享的基础智能层，而当前的演进则聚焦于通过一套被称为 anti-gravity agent harness 的智能体框架进行深度架构整合——这套框架横跨核心 IDE 功能、Web 界面、CLI 和 SDK 能力，把消费级和开发者工具统一改造成能够自主执行长周期任务的智能体原生环境。 关键事实：Gemini 3.5 Flash 的提升全部来自后训练，模型在「吃」周边脚手架 Logan 特别提到，智能体执行最强的落脚点是软件工程领域。在讨论模型训练路径时，他强调 Gemini 3.5 Flash 在编程任务上观察到的性能跃升完全来自后训练增益——这让一个体量更小的模型在编程任务上反超了此前的 Pro 版本。同时，Google 内部的深度「自用」（dogfooding）也大幅压缩了产品迭代周期，让工程团队能比传统开发流程更快地构建和上线复杂的桌面与移动端原生工具。 更值得关注的是「世界模型」架构的演进——以 Omni 这样的系统为代表，行业正从「文本、音频、图像、视频分别建一条独立流水线」转向「统一的单一模型结构」，能够同时解释多模态序列，并在编辑操作中展现出对场景的整体理解：调整环境的同时保持历史上下文和核心主体的一致性。Logan 给出的一个核心趋势是：应用层的一个普遍现象是基础模型在系统性地「吞掉」周边基础设施——曾经作为外部平台脚手架搭建的工程能力（比如路由机制、执行环境封装），正逐渐被上移并整合进模型自身的核心逻辑中。 为什么重要：独立公司的生存空间在收窄 对于独立创业公司和软件初创团队而言，Logan 给出的结论并不轻松：长期生存将高度依赖于在特定垂直领域内的深度专精，只有这种独特的市场聚焦才能在某些场景下跑赢通用化的消费级系统。换句话说，「在模型外面搭一层路由 / 编排 / 执行环境」这件事本身的护城河正在变薄——基础模型每完成一次后训练迭代，就可能把昨天还需要专门团队维护的脚手架变成今天的「免费午餐」。 与今日其他报道的关系 这篇访谈给今天的另外两篇精讲提供了一个更长远的视角。精讲一里 Claude Managed Agents 把 harness 做成托管基础设施、精讲二里那位工程师辛苦搭出的三层加载架构和 G1-G8 门禁——这些工程投入的价值会随着模型本身「吃掉脚手架」的速度而发生变化。但这并不意味着这些投入是徒劳的：恰恰相反，越是「过程可观测、可固化成规则」的工程能力，越有可能被模型吸收为原生能力，而那些依赖深度领域知识、无法简单规则化的部分，反而会成为 Logan 所说的「垂直专精」的真正壁垒。这也是为什么精讲二的作者特别强调「这套模式的价值会随模型进化而衰减，当模型强到能自我保证流程纪律的那天，harness 就该功成身退」——两篇文章在不同立场上得出了相似的判断。 阅读建议 如果你在思考公司或团队的技术护城河，这段访谈值得完整看一遍，尤其是关于「世界模型」架构演进和「脚手架被吞」的部分，能帮你判断当前投入的工程能力哪些更容易被模型吸收、哪些更值得长期押注。完整内容见 BestBlogs 阅读原文。 ## 速览 为什么 AI 还没有取代软件工程师，而且也不会 这篇文章用「决策-执行-交付三明治」模型来解释一个反直觉的现象：尽管 AI 编程能力的进步速度和落地速度都远超其他行业，软件工程师的整体岗位需求并未出现大规模裁员。文章把知识工作拆成三层——决策（decide）、执行（execute）、交付（deliver），AI 主要压缩的是中间的「执行」层，但两端的「决策」和「交付」（包括对结果负责）依然高度依赖人类判断，不会因为模型能力的单纯提升而被自动化吞掉。文章还引用了一项基于真实 AI 编程会话日志的研究（SWE-chat），数据显示只有 44% 的 agent 生成代码最终进入了用户的正式提交。文章作者来自专注于 AI 评估的研究团队，本文是系列文章的第一篇，后续会讨论个体工程师的职业路径为何仍可能颠簸。阅读原文：BestBlogs。 云原生 - AI Native 多智能体数字人架构实践 阿里云开发者团队分享了他们基于商业化产品 AgentTeams 落地「数字员工小分队」的实践：通过声明式 CRD（自定义资源定义）把组织结构和协作策略模型化，让多个 Agent 像一个真实团队一样分工协作，而不是各自为政、互相抢活。文章用一个凌晨三点的告警场景开场——以前需要值班同学被叫醒、登录跳板机、翻日志、判断根因、必要时拉群升级，整套流程下来 MTTR（平均故障恢复时间）轻则一两个小时；而在 AI Native 的流程里，告警进来 30 秒内就有 Agent 数字人贴出第一轮诊断结论并 @ 另一个 Agent 进一步定位，90 秒后根因定位完成并给出可执行修复脚本，留给人的只是「是否在生产环境直接执行修复」这一个判断。 文章还梳理了从 RPA 到大模型再到多 Agent 协同的演进逻辑：RPA 是「录屏式」自动化，规则固定但不理解业务，界面一变就要返工；大模型带来了「理解」能力，Agent 不再是录屏脚本，而是能听懂模糊指令、查文档、调工具、做判断；但单 Agent 有天花板——上下文窗口有限，遇到需要多角色协作的真实业务场景（产品提需求、研发写代码、测试跑回归、文档同步发布）就会力不从心，于是自然演化到多 Agent 协同。文章特别强调「让多个 Agent 跑起来」和「让它们像一个团队一样工作」是两件完全不同的事：没有组织结构就没有稳定的分派关系，没有通信策略就没有可控可审计的消息边界，没有共享状态和统一网关就没法把 LLM 和工具（MCP）安全接入。AgentTeams 正是为解决这一整套组织化问题而生，文章给出了网络架构图和研发、值班、开源维护等场景的具体落地步骤。阅读原文：BestBlogs。 端侧 AI 提速 80%？如何让 Qwen3-VL 在手机起飞 通义实验室团队手把手演示了如何利用 Arm 第二代可伸缩矩阵扩展（SME2）指令集与 MNN 推理引擎，在支持 SME2 的旗舰手机（如 vivo X300）上部署 Qwen3-VL-4B 这样的多模态模型，实现 Prefill 阶段提速超过 80%。文章解释了 SME2 的核心突破——引入 ZA 矩阵累加器寄存器和流式模式，让 FMOPA 等指令可以一条指令完成一个矩阵 tile 的外积累加，相比传统 Neon 需要手工拆分向量乘再累加效率大幅提升。MNN 对 SME2 的支持采用「编译时内建 + 运行时自动检测」设计：编译时通过 MNN_SME2 开关（默认开启）控制是否编译优化内核，运行时自动检测硬件支持情况，不支持则平滑回退到 i8mm → Neon，不会崩溃；同时覆盖 FP32、FP16、INT8/INT4 三种精度，并集成了 Arm 官方 KleidiAI 加速库。文章给出了从引擎编译、模型部署到 APP 构建的完整实战流程。阅读原文：BestBlogs。 人是最慢的节点，还怎么管 AI Agent？｜AI 跃迁者调研 腾讯研究院「AI 跃迁者调研」系列第四期，深度访谈了开源 Agent 协作与编排平台 Multica 的创始人张佳圆。Multica 连续霸榜 GitHub Trending，一周涨 1.2 万 Star，访谈时已收获 2.75 万 Star，平台上每 10 秒就触发一个 Agent 任务——而做出这一切的团队只有 4 个人，这 4 个人本身也是 Multica 最极端的用户，构成了一个「4 人 + 几十个 Agent」的超级小团队。 访谈中提出了几个值得玩味的观点：整个组织的产出效率瓶颈如今已经是「人」而非 AI 或 Agent；建太多管理层级是对人类低效组织的拙劣模仿；快速做一个错误决策，比缓慢做一个正确决策更好，因为错误决策可以修正，但犹豫不决会让整个组织在某个环节卡死；只要活得足够久，本身可能就是一种很大的壁垒；而人的思考在 AI 时代是被低估的——AI 给出的东西可能只是一个「中位数」水平的答案。产品定位上，Multica 做的不是 Agent 本身，而是一个模型和平台中立的协作层，处理多个 Agent 怎么分工、怎么传递任务、怎么合并上下文。产品的三个核心概念分别是：运行时（Agent 运行的机器，可以是本地 MacBook、Mac Mini 或服务器，统一注册到 workspace）、智能体（相当于 AI 员工，可分配任务、设置角色）、Agent Team（多个 Agent 组成的小队，有自己的工作流程）。日常使用模式是创建任务、分配给对应的 Agent 或 Agent Team，人只需做最终 review，需要介入时会出现在 inbox 里。阅读原文：BestBlogs。 Fable AI 实现 1770% 性能提升并发现关键 Bug：我的个人奇点时刻 知名开发者 Taelin（@VictorTaelin）报告了一次他称之为「个人奇点时刻」的体验：Anthropic 的 Fable AI 在代码优化任务上，以数量级优势超越了他本人、Opus 4.8 以及一整群 GPT-5.5 智能体，实现了高达 1770% 的性能提升，并且在优化过程中还顺带发现了他自己代码里一个相当微妙的 Bug。这条推文引发了广泛讨论，因为它把「AI 代码优化能力超过资深开发者本人」这件事变得非常具体——不是某个 benchmark 上的分数对比，而是一次真实的、可验证的优化任务。阅读原文：BestBlogs。 CFO 的自白：为什么你的加薪变成了 GPU Peter Girnus（@gothburz）分享了一段来自某 CFO 的「自白」，揭示了一个企业用 AI 投资取代员工加薪决定背后的会计逻辑：花在人身上的每一块钱是当期费用（expense），会直接拉低利润率、受到市场审视；而花在 GPU 上的每一块钱则可以记为资本资产（capital asset），不会以同样的方式冲击利润表，也因此能规避市场对人力成本上涨的审视。这条推文用一种近乎赤裸的方式解释了为什么很多公司在「降本增效」叙事下，会优先把预算投向算力而不是涨薪——这并非单纯的技术判断，而是财务报表结构带来的激励扭曲，也是很多团队感受到「公司有钱买卡、没钱涨薪」的真实原因。阅读原文：BestBlogs。 "无招" 没变，但 AI 改变了公司和人才的权力关系 晚点 LatePost 以钉钉 CEO 陈航（花名"无招"）因高压管理风格被阿里合伙人委员会直接换掉为切入点，分析了 AI 时代大公司与顶尖人才之间权力关系的根本性转变。陈航以"高压"管理风格闻名，曾要求团队早 9 点打卡、深夜巡楼查岗，甚至要求员工动员亲友注册钉钉、完成"族谱上钉"的考核任务。这些管理方式过去虽屡受争议，但阿里内部一直没有针对性动作；这一次，一篇 7.5 万字的员工离职长文迅速传播后，阿里合伙人委员会在 6 天内罕见回应，直指钉钉的管理方式"不是阿里文化该有的样子"，不到 24 小时后陈航卸任 CEO。文章借此事件展开，探讨为什么在 AI 重塑生产力的当下，顶尖人才和公司之间的议价权正在发生结构性变化。阅读原文：BestBlogs。 ## 补充阅读 今天的候选内容里还有不少值得一看的角度，限于篇幅未能逐一展开，这里简单提一下： - 多智能体编排和协作平台是今天的一条隐藏主线——从 Claude Managed Agents 的托管编排，到阿里云 AgentTeams 的声明式协作模型，再到 Multica 的「4 人 + 几十个 Agent」实践，三者分别代表了「平台托管」「企业内部落地」「创业团队自建」三种不同的路径，适合关注智能体编排方向的读者对照阅读。 - 端侧推理优化（如 Qwen3-VL 的 SME2 提速）和云端智能体托管基础设施（如 Claude Managed Agents）看似是两个方向，但都指向同一个趋势：把"跑得动 AI"这件事的门槛持续往下压，无论是手机端还是企业基础设施。 - 关于 AI 对就业市场的影响，"决策-执行-交付三明治"模型和"CFO 的自白"可以放在一起读——前者从岗位需求结构的角度论证 AI 不会带来大规模裁员，后者从企业财务激励的角度解释了为什么算力投入比涨薪更"划算"，两者从不同角度解释了同一个现象的两面。 - 钉钉"无招"事件本质上是一个组织管理案例，但放在 AI 重塑权力关系的背景下读会更有意思——尤其是和 Multica 里"人是最慢的节点"的判断对照，能看到大公司和小团队在同一个趋势下走向了截然不同的应对方式：一边是用考勤和层级管理人，一边是用 Agent 团队去掉中间层、让 4 个人端到端做完所有事。 - 如果你既关心工程框架又关心组织设计，可以把今天的内容串成一条线读：harness 解决的是「AI 怎么干活才靠谱」，AgentTeams 和 Multica 解决的是「一群 Agent 怎么像团队一样协作」，而钉钉和 CFO 的两篇则提醒你，工程能力之外，组织和激励结构同样会决定 AI 红利最终流向谁。 ## 今日阅读路径 如果今天时间有限，建议按以下顺序读： 1. 精讲二《AI 不缺智商缺纪律：一场 Harness 工程化实践》——这是今天信息密度最高、最具操作性的一篇，三层加载架构和 19 节点裁剪规则可以直接套用到自己的 AI 工作流里，读完能立刻上手改造。 1. 精讲一《智能体交互界面的演进：使用 Claude Managed Agents 进行构建》——和精讲二形成互补视角，了解平台层提供了哪些「托管基础设施」，帮你判断哪些事该自己搭、哪些事该交给平台。 1. 精讲三《Google DeepMind 的 Logan Kilpatrick：为什么模型会吞掉智能体脚手架》——作为前两篇的「远景校准」，提醒你在投入工程化建设时，留意哪些能力可能很快被模型本身吸收。 如果还有余力，再读一下「人是最慢的节点，还怎么管 AI Agent？」——它把今天所有关于工程化、协作平台的讨论，落回到「人在这个体系里到底该做什么」这个最终问题上。 BestBlogs 是 AI 驱动的私人阅读助手，帮助你建立稳定、可信、个性化的高质量信息输入。它帮你判断什么值得读、协助你读懂，并逐渐理解你关注什么。

译本期精讲聚焦智能体工程化：Anthropic推出Claude Managed Agents，将推理与执行解耦，独立Vault管理凭证，事件日志支持运行恢复，首字延迟p50降约六成、p95降超九成。阿里工程师分享三层加载架构（常驻入口层压至8K上下文）、dispatcher状态机及G1-G8门禁，用结构约束替代堆prompt。Sequoia访谈指出模型正逐步吸收路由、执行环境等外层脚手架，独立创业公司窗口收窄。

Ethan Mollick@emollick · 6月12日51

This was a good post though I think it is interesting how much vivid science fiction scenarios have become the new default format for policy papers & financial analysis for AI.

译这是一篇不错的文章，不过我觉得有趣的是，生动的科幻场景已成为AI政策文件与金融分析的新默认格式。

Epoch AI@EpochAIResearch · 6月12日55

How big a leap is Mythos in cyber capabilities? @timotheechauvin, @AlexBarry4, @js_denain, and @ansonwhho compiled the public evidence and found that while it’s unclear if Mythos was ahead of trend in discovering vulnerabilities, it represents a big jump in exploiting them. 🧵

译Mythos 在网络能力方面有多大的飞跃？ @timotheechauvin、@AlexBarry4、@js_denain 和 @ansonwhho 整理了公开证据，发现虽然尚不清楚 Mythos 在发现漏洞方面是否领先于趋势，但它在利用漏洞方面代表了一次巨大飞跃。🧵

Rohan Paul@rohanpaul_ai · 6月12日71

Jeff Bezos shuts down AI-induced job loss talk, predicts labor shortage instead Jeff Bezos on CNBC "I think that there’s going to be a labor shortage as a result. Many smart people are saying, oh my God, there are going to be no more radiologists because the AI can read X-rays better than the radiologist can. And there are going to be no more software engineers because the AI can program better than the software engineer can. These people are wrong. What’s really going to happen is that it’s going to elevate all of these people. It’s like, let’s say you’re a software engineer. You’ve been digging out the basement of your house with a shovel, and somebody’s about to hand you a bulldozer. You should be so happy if you’re digging the basement to your house and somebody says, “Hey, how about this? We’re going to have so much productivity in our economy.” ---- From "CNBC Television" YouTube channel, (link in comment)

译杰夫·贝佐斯在 CNBC 反驳“AI 取代人类工作”的观点。他认为，许多人担心 AI 会消灭放射科医生、软件工程师等岗位，但这种看法是错的。AI 实际上会提升这些人的能力，就像挖地下室从铁锹换成推土机一样。他预测结果反而是劳动力短缺，经济生产力将大幅提升。

AI Notkilleveryoneism Memes ⏸️@AISafetyMemes · 6月12日51

AI-inventing-its-own-language -- now happening in the wild

译AI 发明自己的语言——已在野外发生

Logan Kilpatrick@OfficialLoganK · 6月12日65

My conversation with @ymatias (Head of Google Research) about how AI is accelerating the magic cycle of scientific progress, improving the lives of real people around the world, and us entering the golden age of research. This chat left me feeling genuinely inspired : )

译我与 @ymatias（Google Research 负责人）关于 AI 如何加速科学进步的魔力循环、改善全球真实人们的生活，以及我们正进入研究黄金时代的对话。 这次交谈让我真切地感到振奋 : )

向阳乔木@vista8 · 6月12日47

如果不知道用大模型做啥，其实可以试试一些需求很高的工具站，最好不用 AI 能力。 这也是模型能力的测试案例。 不少出海做站赚Adsense美金的，感觉也是类似思路。 不少工具仍然太知名，找懂的领域的工具，用当下最好的模型复刻，加上自己的需求理解，好像不难。

译推文探讨了使用大模型复刻已有热门工具站的可能性，强调这些工具站本身不需要AI能力，纯靠需求驱动。作者指出，许多出海赚Adsense美金的站点也遵循类似逻辑——选择自己熟悉领域的工具，用当前最好的模型进行复刻，并结合自身对用户需求的深入理解，从而快速做出有价值的作品。这是对模型能力的一种实用测试。

AYi@AYi_AInotes · 6月12日56

我问了Fable 5， 在一个 AI 能在几秒内完美总结或解释任何书的时代， 亲自花 8–20 小时啃一本难读的文本， 其不可替代的认知价值是什么？ 这是他的回答：

译用户指令Fable 5自建2026设计趋势的落地页，要求动态和彩蛋。Fable 5自行搜索趋势、调整配色与动效，藏入3个彩蛋，几分钟生成单文件HTML。用户计划让其担任全职全栈工程师。此前用户曾问亲自啃难懂文本的不可替代价值，Fable 5以此能力展示作答。

Berryxia.AI@berryxia · 6月12日54

我尼玛！苹果现在安全性真的差！ 世界果真就是草台班子、谁也不例外！ 苹果新Siri AI的等候名单？ 国外大神Mac用户直接一顿操作就把AI增强版给硬解锁了，名单这东西瞬间成了笑话。 WWDC刚秀完新Siri，大家还在排队等官方推送，结果有人发现系统里GenerativeModels.plist里藏着EnhancedSiriWaitlist开关。关掉SIP、挂载系统卷、改个键值、重启，立马就能用上。 更离谱的是这不是什么黑科技，就是改个plist文件而已。 有人还整理了超详细步骤，连新手都能跟着做，社区直接把“等候名单”这个人工闸门给撬开了。 以前大家觉得苹果产品永远是“公司说什么时候开放你就什么时候用”，结果这次新Siri的AI能力其实早就躺在系统里了，只是被名单挡着。 动手能力强的用户现在就能提前体验，官方推送反而成了后手。 这波操作把苹果一贯的封闭节奏打了个措手不及，也再次证明：真正的用户力量，永远比公司节奏快半拍。

译WWDC上苹果展示新Siri AI，用户需排队等候官方推送。但有Mac用户发现系统里GenerativeModels.plist文件藏有EnhancedSiriWaitlist开关，通过关闭SIP、挂载系统卷、修改键值并重启即可绕过等候名单直接启用。社区已整理详细教程。这一操作暴露新Siri的AI能力早已内置在系统中，仅被人为名单阻挡，官方推送反而滞后。

Chubby♨️@kimmonismus · 6月11日60

Read these two facts together. Because there's something important to learn from it. Anthropic just told investors it's on track for its first profitable quarter, with revenue more than doubling to ~$10.9B. OpenAI is projected to burn well into the double-digit billions this year (2026) and, per the WSJ, is now weighing further price cuts to keep enterprises from defecting to Claude. The lab bleeding the most cash is the one under pressure to get cheaper, because the profitable one is what enterprises increasingly want. SemiAnalysis ran the tokenomics. A $200 ChatGPT plan can soak up to ~$14,000 in API-equivalent tokens a month. The same $200 Claude Max tier caps near $8,000. OpenAI already eats the bigger subsidy by a wide margin, and the WSJ reports it's considering cutting token prices further to win users from Anthropic. So the company losing the most money is the one being pushed to go cheaper, while the one approaching profitability sets the terms. This is competition 101, heated competition in a nutshell.

译Anthropic告知投资者即将迎来首个盈利季度，收入翻倍至约109亿美元。OpenAI预计2026年亏损达数十亿美元，正考虑进一步降价以阻止企业客户转向Claude。SemiAnalysis分析显示，ChatGPT Pro的200美元订阅计划每月可消耗约14,000美元API等价token，而Claude Max同价计划上限约8,000美元。亏损最严重的公司被迫降价应对竞争，而接近盈利的公司正在设定行业定价标准。

Berryxia.AI@berryxia · 6月11日63

http://x.com/i/article/2065071442996441088 # Anthropic 为何如此“牛逼”？“A社到底在下一盘什么大棋？” > 申明：该文章由多个AI 工具整合搜集资料与我一起完成，如对AI敏感请退出，请悉知。 ## 一、Anthropic：全速狂奔，同时大喊“停一停” 如果你关注 AI 行业，最近一定注意到了一个现象：Anthropic 发新模型的频率，远超同行。 OpenAI 的 GPT 系列隔几个月才更新一次，Gemini 的节奏也差不多，国产模型大多按季度迭代。 但 Claude 呢？ 隔三差五就出个新的，Opus、Sonnet、Haiku 三条线并行，Mythos Preview （Fable 5）直接重塑了全球网络安全格局。 这家只有5000多人的公司，凭什么这么牛逼？ 更让人困惑的是它的姿态。 2月份，五角大楼下达最后通牒：允许 Claude 用于所有合法用途，否则终止合同。 Amodei 的回应是：我们无法违背良知去答应这样的要求。 结果特么是2亿美元合同飞了，特朗普在 Truth Social 宣布封杀 Anthropic，要求所有联邦机构立即停用其技术。 但诡异的事情发生了。 封杀令发布后，ChatGPT 移动端卸载量飙升 295%，Claude 下载量暴涨，登顶美国 App Store 榜首。 数百名谷歌和 OpenAI 员工签署公开信支持 Anthropic。 OpenAI 迅速接盘军方合同，但公众用脚投了票。 这家公司看起来真硬气。 拒绝军方，宁可被总统封杀也不在红线上妥协。 但就在同一个2月，Anthropic 公开指控三家中国 AI 公司通过 2.4万个虚假账号蒸馏 Claude 的能力。 时机恰逢美国国会出口管制听证会。 4个月后的今天，Amodei 发了一篇 12000 字的政策长文，呼吁建立 FAA 级别的强制监管（原文链接）。 表面上是“我们愿意被管”，但谁最经得起这种监管？ 同一周，Anthropic 刚完成 H 轮 650亿美元融资，估值 9650亿美元，并向 SEC 秘密提交了 IPO 申请。 一边冲刺史上最大 IPO，一边呼吁暂停。 一边全速推进模型迭代，一边呼吁更严监管。 一边拒绝军方展现原则，一边把竞争对手嵌入地缘政治框架。 图灵奖得主 Yann LeCun 忍不住了。他说 Amodei 是个“AI 末日论者”，但仍在全力研发 AGI。 这只有两种可能：“要么他在学术上不诚实，或者在道德上有问题； 要么他有强烈的优越感，自以为只有他开悟到了什么。“ LeCun 的愤怒指向一个很多人隐约感觉到但说不清楚的问题：这家公司到底在干什么？ 答案不是简单的“理想主义”或“商业算计。更像是在设局或者下一盘更大的棋。 ## 二、他们不是在“蒙头狂跑”，而是在不断的设局“圈地” 要理解 Anthropic 在做什么，得先看清它凭什么能做。 先回答开头那个问题：为什么它发模型这么快？ 因为 Anthropic 内部有一组惊人的数据：Claude 写了超过 80% 的生产代码，工程师日均代码合并量翻了 8倍，Mythos 模型在代码优化上比人类快 52倍。 6月5日那篇《When AI Builds Itself》博客首次披露了这些数字，它证明了一件事：AI 正在加速自己。 而 Anthropic 之所以能跑这么快，根源在它的创始团队。 2021年1月，Dario Amodei 带着一群核心成员和其妹妹从 OpenAI 集体出走。 这不是普通离职，他们带走的是整个 GPT-3 时代最核心的技术积累。 Dario 本人主导了 GPT-2 和 GPT-3 的研发，同时是 RLHF 的联合发明者。 联合创始人 Jared Kaplan 是 Scaling Laws 论文的第一作者。 Tom Brown 是 GPT-3 的首席工程师。 Chris Olah 是 AI 可解释性领域的奠基者。 如果说 OpenAI 是 AI 时代的“黄埔军校”，Anthropic 的创始班底就是整个军校最强的那批教官集体另立门户。 但“人才多”只是表象。 真正让 Anthropic 不同于其他 AI 公司的，是它拥有三样别人没有的东西。 不是“比别人多一点“，而是别人在跑的时候，他们已经在“设局圈地”。 第一，Scaling Laws，现代 AI 的地图。 Jared Kaplan 的这篇论文从数学上证明了：模型能力随算力、数据、参数量的增长遵循可预测的幂律关系。 这意味着你可以在小规模实验上预测大模型的表现，不用把所有钱全押上再赌。 Anthropic 内部知道“每投入多少算力，模型会提升到什么水平"。 这是精确的工程能力，不是蒙头狂跑。 其他公司研究这套理论的人，大多数也是从 Anthropic 和 OpenAI 学的。 而 Anthropic 的联合创始人，就是画出这张地图和圈地的人。 第二，RLHF 和 Constitutional AI，现代对话 AI 的训练方法。 Dario Amodei 是 RLHF（基于人类反馈的强化学习） 的联合发明者。这套让模型“从人类偏好中学习如何回答”的技术，是 ChatGPT、Claude 一类对话 AI 的训练核心。 2022年底，Anthropic 又发表了 Constitutional AI 论文：不完全依赖人类标注，更像是给模型一部“宪法”，让它自我批评、自我修正。 2026年1月，Anthropic 公开发布了完整的 Claude 宪法，成为行业最透明、最完整的 AI 行为准则文档。 Anthropic 不只是这些方法的使用者，它是原始发明者。 第三，可解释性研究，看懂“黑盒”的能力。 Chris Olah 的研究方向是“神经网络内部到底在计算什么”。 这一方向目前尚未直接转化为产品优势，但它是理解和控制更强大 AI 系统的长期技术护城河。也是 Anthropic 在 AGI 安全路线上最核心的“内功”。 三样东西加在一起，Anthropic 的技术领先不是“跑得快一点、领先多少”，而是“知道地图长什么样、知道怎么造工具、知道怎么检查工具有没有坏”。 A 社的目的也是完全的游戏规则制定者，而不是简单收到游戏玩家。 这种领先是结构性的。但技术领先有一个致命弱点：它会缩水。 别人可以挖人、可以模仿、可以蒸馏。 Scaling Laws 是公开论文，RLHF 已经是行业标配，宪法 AI 的思路也可以被复制。 技术优势如果不被固化成更难追赶的东西，迟早会被追上。 Anthropic 知道这一点。所以它做了第二步。 ## 三、“最安全”三个字，值30万个客户！ 技术优势会缩水，但信任不会。 2021年成立时，Anthropic 就做了一个在当时看来很奇怪的决定：注册为公益公司（Public Benefit Corporation）。 这不是普通公司形态。PBC 在法律层面要求公司必须兼顾公共利益，而不仅仅是股东回报。 换句话说，如果股东认为“安全投入拖慢了利润“，他们不能以此起诉管理层。安全优先，写进了公司的法律基因。 后来又加了一层：Long-Term Benefit Trust（LTBT），一个独立治理机构，持有对公司使命的监督权。 Amodei 在政策长文里特意提到它，说这是“AI 公司应该有更多权力分离和问责“的范例。 2026年1月，Anthropic 做了一件整个行业没人做过的事：公开发布了完整的 Claude 宪法。 这份文档详细列出了 Claude 在回答问题时遵循的所有原则，从“不帮助制造武器”到 “尊重用户自主性”，一条一条，白纸黑字。 任何竞争对手、监管机构、普通用户，都可以逐条审查。 这三件事放在一起，产生了一个极其强大的效果：Anthropic 成为“最安全的前沿模型”的代名词。 然后，2月份的“拒绝五角大楼”事件，把这个品牌推到了极致。 宁可丢掉2亿美元合同，宁可被总统封杀，也不让 Claude 用于全自主武器和国内监控。 Amodei 说无法违背良知，数百名谷歌和 OpenAI 员工签署公开信支持，Claude 下载量暴涨登顶 App Store。 这不是演出来的。这是真金白银的代价。 这不是我说的，是市场说的。 超过30万企业客户选择 Claude，不是因为它比 GPT 聪明一点，而是因为金融、法律、政府这些对安全极度敏感的行业，需要一个“可审计、可解释、有制度保障”的 AI 供应商。 8家财富 10 强公司用 Claude, Deloitte 给全球 47 万员工部署 Claude. 这些客户买的不是技术，是安全感。 安全品牌把技术优势转化成了信任资产。技术可以被追赶，但信任需要时间积累，而时间是最难压缩的东西。 但 Anthropic 不满足于让“安全”停留在品牌层面。 品牌可以被质疑、被模仿、被超越。 它要做的是让“安全”变成法律，变成门槛，变成每个竞争对手都必须跨过的障碍"。 怎么变？游说。 ## 四、行业跑最快的人，亲手给赛道装上「限速牌」? Amodei 的政策长文《Policy on the AI Exponential》是理解这条转化链的关键文本（原文链接)。 12000 字，五个政策领域，但核心只有一条：前沿 AI 模型发布前必须像飞机一样接受强制第三方测试，不合格就不让上天。 表面上看，这是一家 AI 公司主动要求被管。 「我们愿意被监管」,Amodei 反复强调。 但问题从来不是「愿不愿意」，而是「谁最经得起」。 要理解这条逻辑链的精妙之处，得先看 Amodei 是怎么论证「为什么之前不管，现在必须管」的。 他的论证很简洁：2023 到 2024 年，AI 的风险还不明确，提前立法极可能无效，制造无意义的合规要求，却遗漏最关键的风险源。 所以当时只能推透明度，先让信息流动起来。 然后，转折来了。 Amodei 写道：「然而现在风险已经明确到来。是时候超越透明度，走向更严肃、更有约束力的 AI 监管了。」 触发这个转折的是 Claude Mythos Preview. 他的原话是：「Mythos Preview 重塑了全球网络安全格局。但它更深远的意义在于，它毫无疑问地证明了 AI 模型现在是全球和国家战略级别的工具。」 这段论证的逻辑链是完整的：不是不想管，是之前管不了； 现在能管了，所以必须管。 但如果你退后一步看这条时间线，另一个故事浮出水面。 2023 到 2024 年，Anthropic 推的是透明度法案，SB 53、RAISE，核心是要求 AI 公司披露安全信息。 那时候 Anthropic 刚成立不久，安全品牌还在建设中，强制监管对它自己也是负担。 到了 2025 年底 2026 年初，Claude 已经拿下超过 30 万企业客户，PBC 治理结构深入人心，Claude 宪法公开发布，Constitutional AI 成为行业标杆。 就在这个时候，Amodei 说「风险已经明确到来」，开始呼吁 FAA 级别的强制监管。 巧合吗？也许是。 但前白宫 AI 事务负责人 David Sacks 不这么认为。 他直接指控 Anthropic 推行的是「基于恐惧宣传的监管俘获策略」(fear-based regulatory capture strategy)。 Sacks 曾任白宫 AI 与加密货币事务负责人，现任总统科技顾问委员会联合主席。 他的判断具有政策分量。 宾大沃顿商学院教授 Ethan Mollick 的评价更微妙。 他说 Anthropic 的文章「既有一些自我反思，也有一些营销成分，但更重要的是，Anthropic 真诚地表达了他们对未来 AI 发展的判断」。 这个评价承认了「营销成分」的存在，又肯定了「真诚」，恰好是这件事的复杂性所在。 而白宫 6 月 2 日签署的 AI 行政令，恰好卡在 Anthropic 的期望和 Sacks 的指控之间。 行政令首次为前沿模型引入了联邦安全评估框架，方向和 Anthropic 的主张一致。 但它只走到「自愿评估加 30 天窗口」，远未达到 Anthropic 期望的 FAA 级别强制监管。 Amodei 的回应是：「我对行政令朝着政府更大参与 AI 的方向迈出增量步伐表示感谢，但 Anthropic 的提案建议采取更进一步的行动。」 「更进一步的行动」。 这就是 Anthropic 继续游说的空间。 行政令开了门，但门只开了一条缝。 Anthropic 要的是把门踹开。 而一旦 FAA 级别的强制监管成为法律，谁最经得起？ 是那个已经拥有 Constitutional AI 发明者、PBC 治理结构、完整安全体系、30 万企业客户信任的公司。 强制监管对 Anthropic 是入场券，对后来者是门槛。 这不是阴谋。 Amodei 几乎公开在说。 ## 五、2.4 万个假账号，和一场精准的围猎! 如果说政策游说是「阳谋」，那蒸馏指控就是「动手」了。 2026 年 2 月，Anthropic 公开指控三家中国 AI 公司，DeepSeek、月之暗面、MiniMax，通过约 2.4 万个虚假账号，向 Claude 发起约 1600 万次对话，违反服务条款大规模蒸馏 Claude 的能力。 Anthropic 的原话是：「我们已识别出三家 AI 实验室针对 Claude 发起的工业级规模能力窃取行动。」 先说技术层面。 知识蒸馏，简单说就是用别人的模型输出来训练自己的模型，用更低的算力模拟出对方的能力。 2.4 万个虚假账号的规模不像正常用户，技术证据确实存在。 DeepSeek R1 等模型在某些行为模式上与 Claude 高度相似，也引发了业界关注。 违反服务条款是客观存在的法律问题。 这些都不假。 但再看时机。 蒸馏指控发生的时间，恰逢美国国会关于出口管制的听证会。 而 Amodei 此前公开撰文，强调芯片出口管制对美国 AI 领先地位的关键作用。 对竞争对手的指控与其政治立场高度吻合。 这个时机的吻合值得注意。 Amodei 在政策长文里说得很直白：「AI 很可能成为任何国家军事和经济力量的主导来源。」 他呼吁建立民主国家 AI 联盟，管理 AI 供应链，对对手实施出口管制。 他还用了一个震撼的比喻：一个拥有强大 AI 的国家面对没有 AI 的国家，「可能相当于一支二战海军陆战队面对一支中世纪剑客军队」。 领先 3 年就够了。不需要代差，3 年就是碾压。 在这个框架下，蒸馏指控就不再只是一个法律纠纷了。 它是在说：我们的对手正在窃取我们的能力，而芯片出口管制是阻止这一切的关键手段。 Anthropic 的指控有真实的技术依据，但也被明显地用于服务其政策主张。 对中国模型的「嗤之以鼻」，一方面源于真实的技术自信，另一方面也是在美国政治环境下的战略定位。 从「呼吁监管」到「指控对手」,Anthropic 完成了从防御到进攻的转换。 ## 六、局设好了，嘴上喊危险，脚下踩油门 把四层叠在一起，一条完整的转化链就浮现出来了：技术领先，安全品牌，政策游说，武器化指控。 每一层都在做同一件事：把「Anthropic 式的安全」从技术优势，变成品牌资产，变成法律要求，变成竞争对手必须跨越的门槛。 当 Anthropic 式的安全标准成为法律要求，后来者要追赶的就不只是技术差距了。 是整个制度鸿沟。 你不仅要写出更好的模型，还要通过 Anthropic 参与制定的第三方安全测试。 你不仅要通过测试，还要拥有类似 PBC 的治理结构来证明你的安全承诺是法律层面的，不是口头上的。 你不仅要证明自己的安全，还要在 Anthropic 已经和监管机构建立了多年信任关系的赛道上，从零开始建立自己的信誉。 这不是跑得快就能追上的。 这是换了一条赛道。 讽刺的是，Amodei 自己在政策长文里提到了「公司俘获国家」的风险。 他写道：「历史上不同时期，公司变得足够强大以至于俘获国家或具备准国家特征。AI 很快会变得如此强大，以至于我担心它不能被安全地完全托付给政府或公司中的任何一方。」 然后他拿 LTBT 作为 Anthropic 的自我约束证明。 但一个正在推动让自家安全标准成为法律要求的公司，说自己有自我约束机制，这本身就是最精妙的一步棋：我不仅制定了规则，我还主动展示了我愿意被自己的规则约束。 这比单纯的游说更高明。 它让「监管俘获」的指控变得难以成立，因为你确实也在约束自己。 只不过，你约束自己的成本，远低于竞争对手从零搭建合规体系的成本。 6 月 1 日，Anthropic 向 SEC 秘密提交了 IPO 申请。 招股材料中强调募集资金将「主要用于推进 AI 安全与模型可解释性方向的科研攻关」。 PBC 加 LTBT 的治理结构是 IPO 叙事的核心卖点。 安全不是成本，是估值。 一边冲刺史上最大 IPO，一边呼吁暂停。 一边全速推进模型迭代，一边呼吁更严监管。 这不是精神分裂。 嘴上喊危险，脚下踩油门。 这是一个极其连贯的策略：让「Anthropic 式的安全」成为行业基础设施，然后作为基础设施的提供者，享受定价权。 跑最快的人叫暂停，不是怕了，是在设局。 局设好了，后来者不仅要追你的技术，还要按你写的规则来玩。 而 Amodei 几乎公开在说这件事。 这不是阴谋，是阳谋。 回到开头那个问题：这家公司到底在干什么？ 拒绝军方是真硬气，呼吁监管也是真精明。 2 月份宁可丢 2 亿合同也不妥协，4 个月后用 12000 字把自家安全标准推进法律框架。 这两件事看似矛盾，实则同一条线：让「Anthropic 式的安全」成为行业基础设施。 Amodei 可能真心相信 AI 的风险需要监管，同时他也清楚监管对自己的竞争地位有利。 这两件事不矛盾。一个人可以既真诚又精明。 区别只在于，大多数人还没看明白这个局是怎么设起来的。

译Anthropic以远超同行的频率发布Claude模型系列，80%内部生产代码由Claude编写。其技术根基来自创始团队（Scaling Laws、RLHF/Constitutional AI、可解释性研究）。安全方面，公司注册为公益公司并公开发布Claude宪法，因拒绝五角大楼全自主武器用途而丢掉2亿美元合同，遭特朗普封杀，反令Claude下载量登顶美国App Store。CEO Amodei发表12000字政策长文呼吁FAA级别强制监管。同一周，Anthropic完成H轮650亿美元融资并秘密提交IPO。LeCun批评其言行矛盾。

Chubby♨️@kimmonismus · 6月11日44

Anthropic is all about efficiency. Dario Amodei reportedly has only one direct report: his chief of staff and executive operations run through Daniela Amodei. Actually an (efficient) family business.

译Anthropic 一切围绕效率。 据报道，Dario Amodei 只有一位直接下属：他的幕僚长，且所有高管运营事务都通过 Daniela Amodei 进行。实际上就是个（高效的）家族企业。

Chubby♨️@kimmonismus · 6月11日50

Dario Amodei "I'm still the same order of concerned." His concern is that the disparity between those who work with AI and possess leverage and everyone else will widen dramatically, leading to social consequences.

译Dario Amodei “我仍然同样担忧。” 他担心的是，那些与 AI 合作并拥有杠杆的人与其他人之间的差距将急剧扩大，导致社会后果。

Chubby♨️@kimmonismus · 6月11日59

Subscription plans are massively subsidized. And by massively, I mean absurdly: Claude Max 20x: $200/month, with usage reportedly worth around $8,000 ChatGPT Pro 20x: $200/month, with usage reportedly worth around $14,000

译Anthropic的Claude Max 20x和OpenAI的ChatGPT Pro 20x每月均为$200，但实际使用价值分别约$8,000和$14,000。此前业界普遍认为$200月费计划按API定价最多仅值$2,000/月的token用量，而实际订阅计划的补贴远高于预期，价值可达API定价的4–7倍。

宝玉@dotey · 6月11日67

OpenDoor 裁掉了其在印度的整个离岸团队（200多人），并正以美国本土规模更小的 AI 原生团队取而代之。 AI 未来可能也会影响外包行业的运作模式。

宝玉@dotey · 6月11日60

哈哈，越来越多的企业终于发现 AI 比员工还贵了！

译越来越多的企业发现AI使用成本已超过人力成本。有团队此前在Claude Max计划上大力堆token（tokenmaxxing），但引入Fable项目后，一名成员10小时内用掉相当于$1.5k的token并3次触达上限，半数工程师达到配额限制。团队担忧若按API计费，每位工程师的token消耗将接近人员成本，大幅提高烧钱率。就像产品端开始做模型路由，工程端也需要考虑类似约束来设定使用护栏。

AYi@AYi_AInotes · 6月11日53

我去，这绝对是我见过最震撼的组织关系和管理数据， Anthropic CEO Dario Amodei竟然只有1个直接下属，就是他的幕僚长， Anthropic所有的执行， 全部从一个人那里进出， 他姐姐Daniela负责所有日常运营， 向董事会报告， Dario自己，只做一件事，那就是思考安全、战略、AI的未来。 其他科技圈大佬呢？ 黄仁勋，60个直接下属， 已经是科技圈公认的高效， Sam Altman，6个， 被很多人当成神话。 Anthropic整个公司没有层层汇报， 没有PPT文化，没有办公室政治，Dario的想法经过一个人，变成整个组织的行动， 因为信息每多传一层， 信号衰减一半，速度慢一倍， 一个人的带宽，恰恰是最快的带宽。 我觉得最好的管理不是你能管多少人，关键是能让组织自管理， 就跟我们搭AI工作流和Agent 团队一样，最好是他们自闭环，你才能思考更重要的事，以及多陪陪家人， 兄弟们，你们觉得CEO该管几个人，是像黄仁勋那样管60个，还是像Dario这样只管1个，欢迎交流鸭

译Anthropic CEO Dario Amodei只有1个直接下属（幕僚长），所有执行通过其姐姐、总裁Daniela Amodei流向董事会，Dario本人专注安全、战略与AI未来。对比：Nvidia CEO黄仁勋有60个直接下属，OpenAI CEO Sam Altman有6个。Anthropic无层层汇报、PPT文化和办公室政治，强调信息传递效率和自组织管理。

AYi@AYi_AInotes · 6月11日66

对于大部分普通人来说，第六轮康波周期就是这波AI，怎么抓住这波AI红利，刚好5个月达成50000粉的里程碑，分享下我最近的思考： 工业革命两百多年，人类总共只走过五轮康波， 蒸汽机、铁路、电力、汽车石油、信息互联网， 一轮五十年，一个人这辈子撑死赶上两三轮，但真正能亲手抓住的往往只有一轮。 AI 大概率就是第六轮，也是我们这代普通人，唯一一轮从开场哨就站在场内的康波。 而这一轮里，大多数普通人真正吃得到的红利，我觉得不卷模型，也不是卷融资，而是自媒体。 我就是这么走过来的，推特五个月从零做到五万粉，之前定的所有策略全部跑通。 所以最近开始全力杀回国内，小红书、公众号、视频号，全压上。 研究公众号的时候，我发现一个绝大多数人还没反应过来。 2026 年的公众号，早就不是订阅制产品了，现在头部账号的阅读量，推荐流占三到六成，搜一搜占三到四成，老老实实从订阅列表点进来的，反而成了小头。 以前的公众号像开在巷子深处的店，全靠回头客，新店没人带路就是死。 现在算法把所有店都拖到了步行街口——完读率、互动、停留时长，就这三个指标，新号前十篇直接决定账号权重。 零粉新号也能靠一篇内容拿到百万级曝光，老号的先发优势，直接没了一半，每个账号每一篇，都得重新参加考试。 这对一直在练内容能力的人来说，是十年一遇的利好。 康波从来不缺看见它的人，每代人里喊周期来了的都不少，但真正缺的是趁周期还在头上，肯一篇一篇把东西垒起来的人。

译阿易AI Notes认为AI是继蒸汽机、铁路、电力、汽车石油、信息互联网后的第六轮康波周期，普通人唯一从开场哨就站进场内的机会。红利不在卷模型或融资，而在自媒体。作者推特5个月做到5万粉，策略跑通后开始进军小红书、公众号、视频号。公众号已非订阅制：头部账号推荐流占30%–60%，搜一搜占30%–40%，订阅仅小部分。新号前十篇决定权重，零粉也能获百万级曝光，老号先发优势减半。康波不缺看见的人，缺一篇篇把内容垒起来的人。

Tibo@thsottiaux · 6月11日64

Can confirm we saw a strong spike in growth of token consumption for Codex over last 48 hours. Unusual when we don't launch something.

译可以确认，过去 48 小时内我们观察到 Codex 的 token 消耗量出现了强劲增长。我们并未发布新产品，因此这一情况不同寻常。

歸藏(guizang.ai)@op7418 · 6月11日63

我现在 Twitter 时间线上只有两类内容，非常诡异： 一种是充斥着所谓“一句话生成”的很漂亮的那种用 Fable 5 生成的网页； 第二种是除了 Anthropic 自家的 AI 研究员，全在抨击 Anthropic 这次发布 Fable 5 的各种行为。 这次 Anthropic 真是惹了众怒，几乎所有我关注的研究员都在骂他们。大家主要抨击的是以下几个问题： 安全风险 它的安全护栏极其严格。你哪怕问它最基本的初中生物学问题，都会被拒绝回答。这导致很多生物学研究员和团队无法获得正常许可来进行科学研究。 数据存储政策 Mythos 和 Fable 模型的数据是明文储存且强制储存的，最高期限长达两年。虽然官方声称只用于安全分析和减少误伤，不用于模型训练，但业内没人相信这种说辞。因为这个条款的存在，微软已经禁止内部使用 Fable 模型了。 隐形降级（最严重的问题） 如果系统判断你想“蒸馏” Fable 模型，它不只是拒绝服务，还会偷偷摸摸地把模型降级到 Opus 4.8 或者更低的版本。甚至会通过修改提示词或微调等方式，暗中让 Fable 在相关话题上变笨，表现甚至还不如原生的 Opus 4.8。 大家最愤怒的点在于： 你要么帮忙，要么拒绝，假装在帮忙实际却故意把效果变差，这是一个非常严重的道德问题。这会直接污染一切基于该模型所做的算法效率比对和评估，导致现在根本无法用测试器对其进行正常评估。 实际上，这个政策对大公司和国家影响不大，受影响最深的是开源研究者、小实验室、独立开发者和科学界。 刚好达里奥（Dario Amodei）在昨天晚上新发的文章里，还在强调他们坚持透明、问责和公共机构监督。 但实际上他们拒绝一切监督问责，甚至反过来暗中破坏针对模型的评估和研究行为，这和他们宣称的完全相反。 所以，这次模型发布让 Anthropic 在业内的口碑一夜之间变得不如路边的一坨臭狗屎。

译推文批评 Anthropic 新发布的 Fable 5 模型三个问题：1）安全护栏极严，初中生物问题也被拒，影响生物学研究；2）数据明文强制存储最长两年，微软已禁止内部使用；3）最严重的是隐形降级——若系统判断用户试图“蒸馏”模型，会偷偷降级至 Opus 4.8 甚至更低，并修改提示词使模型变笨，导致评估失效。批评者认为这与 CEO 达里奥宣称的透明、问责相悖，对开源研究者、小实验室和科学界伤害最大。

Rohan Paul@rohanpaul_ai · 6月11日60

Interesting claim from SemiAnalysis. AI subscriptions are dramatically underpriced versus API usage: - For heavy coding/chat users, the subscription can be 40–70× cheaper than paying API rates; the API is mainly better when you need automation or product integration. - a $200/month ChatGPT Pro plan can provide about $14,000/month of API-equivalent usage, while a $200/month Claude Max 20x plan can provide about $8,000/month.

译SemiAnalysis 实测发现，AI 订阅计划对重度编码/聊天用户而言比 API 调用便宜 40–70 倍；API 仅在需要自动化或产品集成时更划算。$200/月的 ChatGPT Pro 可提供约 $14,000/月的 API 等价用量，$200/月的 Claude Max 20x 可提供约 $8,000/月。该机构购买了 Anthropic 和 OpenAI 各档订阅，随机运行长时编码任务直至周限额，证实实际订阅额度远比普遍认为的（$200 对应约 $2,000 API 价值）更慷慨。

Rohan Paul@rohanpaul_ai · 6月11日75

Dario Amodei's new interview, says AI progress suddenly going crazy. "The experience of the smooth exponential is, nothing's happening, nothing's happening, nothing's happening. Little things happen, and then zoom, it goes crazy." From "Bloomberg Originals" YouTube channel, (link in comment)

译Anthropic CEO Dario Amodei 在采访中指出 AI 进展正从平滑指数“爆发”，随后发布长文警告前沿 AI 发展速度超越政府监管能力，呼吁紧急改革：强制预发布测试与独立审计，政府有权阻止构成网络、生物、自主或自动化研发风险的模型部署；加强 AI 公司安全规则（保护模型权重、定期红队测试、渗透测试、及时报告安全事件）；政府需通过就业激励、工资支持、培训及长期收入补助应对劳动力冲击；民主国家应全球协调 AI 安全、芯片供应链、出口管制、共享收益、共同防御及防范 AI 驱动压制。

AYi@AYi_AInotes · 6月11日56

这可能是今年所有做AI、Agent的公司，最该抄的一次危机处理， 原帖老哥是个PM，他让Cursor agent帮他给87个任务打标签，然后自己就去开会了，回来发现agent循环跑了90分钟，账单，13亿token，1382美元， 其实agent跑飞是一定会发生的问题，这是AI和传统软件最本质的区别，以前的软件出错，最多崩溃， 现在的agent出错， 能在你开会的90分钟里， 烧掉你一个月的订阅费。 @mardehaym 老哥没@任何人， 只是默默发了条帖子吐槽， 结果Cursor CEO自己找了过来， 说全额退款已经打了， 没收到就找他，对不起，我们正在加支出控制，以后会自动抓这种跑飞的情况。 我看看完真的很触动，@mntruell 没有转给support，也没有暗示用户操作不当，更没有没有写一段滴水不漏的公关话术，直接认错，然后把这个bug公开变成了产品路线图的承诺。 评论区直接炸了，一千多人点赞， 全在说这才是做产品该有的样子， 很多人当场就说要升级订阅。 呐，其实用户怕的从来不是AI出错， 用户怕的是出错之后，没有人承担责任！ @cursor_ai 最聪明的地方就在这里， 他们没有把支出限额和异常检测当成事后补丁， 反而把这些当成了核心产品功能， 他们当然也知道这些东西不会让你的agent变得更聪明，但至少能让用户敢放手用， 一次1400美元的事故， 变成了一次品牌资产的净增长， 这比任何定价策略都管用。 而且不得不说，Cursor 的整个产品的体验、功能都特别好，最新的顶级大模型大模型他们也是连夜第一时间上线，Always respect.

译一名PM让Cursor agent给87个ClickUp任务打标签后去开会，90分钟后回来发现agent陷入循环，消耗13亿token，账单1382美元。Cursor CEO@mntruell主动联系用户全额退款，承诺增加支出控制与自动异常检测功能，并将bug修复纳入产品路线图。原作者称赞Cursor不推诿不甩锅，把事故转化为品牌资产净增长。

ginobefun@hongming731 · 6月11日59

http://x.com/i/article/2064862052729176064 # BestBlogs 早报 · 06-11｜AI 政策、万亿 IPO、编程鸿沟 在线阅读本期早报 ## 导语 今天的早报聚焦三条主线。Anthropic CEO Dario Amodei 发表万字政策长文，用《魔戒》中树须的比喻揭示 AI 与政策之间的时间错位，并提出覆盖安全审计、失业保障与国际治理的五领域行动框架。与此同时，OpenAI 正式确认已秘密提交 S-1 招股书，估值超 8500 亿美元，与 Anthropic、SpaceX 三家巨头极有可能包揽人类史上最大规模的几起 IPO。在 AI 编程领域，MIT 与宾夕法尼亚大学追踪 10 万名开发者的最新研究给出了一个冷静的数字：代码行数暴增 17.3 倍，实际发布的软件版本仅增长 30%。 此外，谷歌发布 DiffusionGemma 开源模型，以并行生成取代传统自回归方式，文本生成速度提升四倍；Simon Willison 对 Claude Fable 5 的上手评测显示这是一个强大、昂贵且知识密集的模型；SpaceX 创纪录的 IPO 估值背后隐藏着一个违反历史增长规律的假设。阿里云开发者和阿里技术团队分别从知识库分层编排和 Harness Engineering 两个方向贡献了来自中国工程师的系统性实践。今天的精讲将逐一展开。 ## 精讲一：Dario Amodei — 关于 AI 指数级发展的政策 在《魔戒》的一个支线情节中，两个霍比特人试图唤醒树须——一棵智慧但行动极其缓慢的树人——来保卫他的森林。树须用一整天的时间才完成对另一棵树的问候，让他和他的同伴及时行动几乎不可能。Anthropic CEO Dario Amodei 在这篇发布于 2026 年 6 月的政策长文中，用这个比喻精准刻画了 AI 与政策之间的时间错位：AI 正以闪电般的速度前进，政策却移动得非常缓慢。 Amodei 指出，AI 的 scaling law 已有超过十年的实证支持。四年内，模型从勉强写出连贯的一行代码，进化到编写 AI 公司大部分代码。类似的飞跃也发生在生物学、物理学、数学、金融、法律和翻译等领域。如果这些 scaling law 继续有效哪怕一两年，我们就很可能迎来 Amodei 所说的"Powerful AI"——一个"数据中心中的天才之国"。与此同时，国会可能需要数年才能行动，而在这几年里，AI 可以从一个有趣的玩具变成上述的那种全然不同的存在。 直到最近，安全倡导者（包括 Anthropic）一直在推动保留灵活性的政策行动——透明度立法、芯片出口管制、AI 劳动力影响数据收集等。这些虽有必要，但远远不够。转折点出现在 Claude Mythos Preview 的发布：前沿模型对网络安全构成了真实威胁，有可能扰乱金融部门、关键基础设施和国家安全。Mythos 级别的模型证明了一个事实——AI 模型现在已经是具有全球和国家战略意义的工具。Amodei 认为，生物风险可能紧随其后，严重的 AI 自主性风险也不远了。 基于这一判断，Amodei 提出了五领域行动框架。第一，前沿模型安全审计。 仿照 FAA 对航空安全的监管模式，建立强制性的安全审计与红队测试机制，要求任何达到前沿水平的模型在部署前必须通过独立的第三方安全评估。第二，应对持久性失业。 AI 有可能在短时间内替代大量工作岗位，Amodei 建议通过工资保险、全民基本收入（UBI）等措施缓冲劳动力替代带来的社会冲击。第三，加速下游监管改革。 特别是生物医药等领域，让 AI 的突破能够更快惠及患者，而不是被过时的审批流程所阻滞。第四，平衡国家与社会权力。 防止 AI 被用于集中化监控与控制，确保技术赋权于公民而非削弱其权利。第五，构建 AI 时代的国际治理新秩序。 避免各国在 AI 军备竞赛中失控，建立类似核不扩散条约的多边合作框架。 这篇长文的意义在于，它不是一位 CEO 的个人观点集，而是从一个正在经历指数级变化的行业内部发出的系统性政策蓝图。Amodei 强调，AI 的 scaling law 正与政策制定者的感知之间形成越来越大的鸿沟。当"等等看"不再是一个负责任的选项时，如何设计既能跟上技术速度又不扼杀创新的治理结构，将是这个时代最重要的制度挑战之一。 阅读建议： 这篇文章是理解当前 AI 治理最前沿讨论的必读文本。全文较长但结构清晰，建议优先关注五领域框架部分，以及 Mythos 事件如何改变了政策可行性的讨论。阅读原文 ## 精讲二：OpenAI 秘交招股书，美股开启万亿 IPO“三国杀” 6 月 8 日，OpenAI 在官网发布声明，正式确认已向美国证券交易委员会秘密提交了 S-1 招股书。声明中的一句话格外引人注目："我们最近秘密提交了 S-1 文件。我们预计它会泄露，所以干脆直接公布。"这家估值超过 8500 亿美元的公司，终于向公开市场迈出了实质性的一步。但 OpenAI 也在声明中给过热的预期降温，明确表示"尚未决定 IPO 时间"，并暗示作为私营公司可能更容易实现某些目标。这番表态既展示了拥抱资本的身段，也为自己在未竟的使命与巨大的利益之间留下了回旋余地。 这场 IPO 竞速的背景是三巨头的资本博弈。就在 6 月 1 日，Anthropic 已经秘密提交了 IPO 申请，私募估值 9650 亿美元，反超 OpenAI 今年 3 月创下的 8520 亿美元估值。马斯克旗下 SpaceX 已率先启动 IPO 路演，最快将于 6 月 12 日上市。在其上市文件中，OpenAI、Anthropic 和谷歌均被列为 AI 领域的"主要竞争对手"。咨询公司 Riveron 的资本市场顾问 Jeff Bernstein 点出了本质："这是一场资本争夺战。"他暗示，如果让对方先冲出去，就会带走大量可用的 IPO 资本。 OpenAI 的财务底牌相当亮眼。月收入已达 20 亿美元，营收增长速度是 Alphabet 和 Meta 同期的 4 倍。ChatGPT 周活跃用户突破 9 亿，订阅用户超过 5000 万。其月度网页访问量和移动端会话数是紧随其后的 AI 应用的 6 倍，总时长占比是竞品的 4 倍。企业级市场贡献了 40% 以上的营收，并有望在 2026 年底前与消费级业务并驾齐驱。在 GPT-5.4 的驱动下，API 每分钟处理量突破 150 亿 Token。Codex 的周活用户已超过 200 万，过去三个月增长了 5 倍。但光鲜背后是惊人的现金消耗——OpenAI 已筹集超 1800 亿美元，截至 2030 年的数千亿美元计算承诺意味着其烧钱速度将刷开历史上任何其他上市公司的纪录。 在提交 S-1 的同一天，奥特曼与首席科学家 Jakub Pachocki 联名发表了题为《为所有人造福：我们的计划》的长文，系统阐述了公司进入"第三阶段"的愿景。文章将 AI 的普及比作上世纪 20 年代电力进入美国乡村——电力没有一夜之间改变每个家庭，但随着普及，日常生活发生了根本变化。三个目标清晰可见：构建一个自动化的 AI 研究员（内部相信到 2028 年 3 月，相当一部分研究将由 AI 系统与研究人员共同完成）；加速经济发展确保收益被广泛分享；为地球上的每个人提供个人 AGI。 三家公司合计可能从公开市场募资高达千亿美元级别。银行家们已告诉它们，谁先上市谁就能定义这个行业，抢先吸引那些渴望投资 AI 公司的大量资金。不过历史并不总是站在先行者一边——Lyft 抢先于 Uber 上市，但一年后股价较发行价下跌约 66%，Uber 同期仅下跌约 30%。投资者对 SpaceX 大规模 IPO 的反应、全球经济的整体健康状况，以及不可预测的收入增长和飙升的计算成本，都将影响 OpenAI 最终的 IPO 时间表。 阅读建议： 这篇文章提供了 OpenAI IPO 最完整的中文报道，财务数据和竞争格局分析尤其值得关注。如果你关注 AI 行业的资本动态，这是今天必读的一篇。阅读原文 ## 精讲三：MIT 追踪 10 万名开发者，揭示了 AI 编程的转化真相：代码翻了 17 倍、软件只增三成 当写代码变得更容易，软件产出会随之变多吗？MIT 和宾夕法尼亚大学的研究人员用迄今最大规模的实证数据回答了这个问题：会，但远没有想象中那么多。 这项发表在美国国家经济研究局（NBER）的工作论文追踪了 10 万名开发者。研究数据来源于三大板块：GitHub 公开数据集（全球 1.8 亿开发者和 3.95 亿个公开仓库）、微软内部 Copilot 用户的订阅与使用明细，以及 Apple App Store、Google Play Store、Chrome Web Store 和 SourceForge 四大主流软件分发市场的月度面板数据。 研究人员将 AI 编程工具的演进分为三代。第一代是 GitHub Copilot 代表的"自动补全"：开发者敲击键盘时，它能预测后文的代码片段并提供相应建议。在这一时期，开发者的生产力提升了 26%。第二代是以 Claude Code 和 Cursor 为代表的"同步代理"，可直接在 IDE 中与开发者实时对话、跨文件编辑、运行单元测试，开发者变成"监工"，需实时审阅 AI 的阶段性产出。第三代是 2025 年中出现的"异步代理"，如 OpenAI Codex 和 GitHub Copilot Coding Agent，人类直接将需求工单指派给智能体，智能体在云端虚拟机上独立完成编码、测试并提交 PR 供人类审查。截至 2026 年初，带有 Claude Code 署名的代码提交在 GitHub 公开仓库中占比已超 5%。 数据看起来惊人：使用第一代工具后提交数量增长 40%，引入第二代后累积增幅升至 140%，第三代全面铺开后达到 180%。其中仅智能体自主撰写并直接提交的代码就占全部增量的 34%。获益最多的是低活跃度开发者——在同步代理阶段，低活跃群体的提交次数增加了 217%，高活跃群体增幅为 62%。更重要的是，研究首次证实底层模型迭代可直接驱动提效：追踪 Claude Code 使用者时发现，用户的生产力在 2025 年 11 月 Opus 4.5 发布后出现了一次与使用时间无关的上涨。在不同工具之间，Claude Code 带来的同步提效达到 199%，远超 GitHub Sync Agent 的 43% 和 OpenAI Codex 的 94%。 然而，软件生产是一条从代码行到版本发布的六层流水线。研究揭示了一个"漏斗衰减"效应：三代 AI 工具累积下来，代码行数增加到原来的 17.3 倍，文件数量增长降至 3.9 倍，逐级递减后，最终的软件发布数仅提升了 30%。在同步代理时代，智能体推动代码行数量增长了 741%，但到合并请求环节已降至 65%，到独立项目数仅增长 26%。团队建立的常替代弹性（CES）生产函数模型显示，AI 产出与人工投入之间的替代弹性系数约为 0.25——远低于 1 时，意味着两个生产要素存在极强的互补性，必须严格以固定比例搭配使用。代入参数计算，理论增益上限仅为 26%：哪怕未来的 AI 可以一秒钟写出全世界的代码，只要不革新软件工业流程，最终发布率的提升都无法突破这一天花板。 供给侧的数据同样值得关注。Apple App Store 新上线应用从每月 3-5 万款增加到约 10 万款，Chrome 插件市场新扩展从月均约 5000 个增加至 1.3 万个，Google Play 商店新应用发布量也从长期下滑趋势中回升并稳定在约 6 万款。但需求侧反应冷淡：新应用上线三个月内总使用量持平甚至小幅下滑。所谓的"长尾效应"假设并未得到数据支持——供给的快速扩张并未带来对应的需求增长。上线前三个月内从未获得基本受众的"僵尸应用"比例正在增加：iOS 平台上评分数少于 10 的新 App 占比从 79% 升至 86%，Chrome 插件商店中下载量低于 10 次的扩展比例从 18% 升至 31%。 这项研究的核心洞察是：AI 编程工具的提效是真实的，但它主要发生在软件生产流水线的上游。代码审查、测试、跨团队协调、发布管理这些下游环节仍然是人类主导的领域，而正是这些环节构成了从代码到产品的关键瓶颈。目前层级 5（项目仓库协调）和层级 6（版本发布管理）仍是 AI 无法介入的领域。 阅读建议： 这是目前关于 AI 编程生产率最严谨的大规模实证研究。文章对三代工具演进的梳理和"漏斗衰减"模型的分析，对理解 AI 在软件工程中的真实影响至关重要。推荐所有技术管理者仔细阅读。阅读原文 ## 速览 知识库分层编排：从传统 RAG 到原生智能体知识上下文层 阿里云开发者团队提出「金字塔知识库」范式，通过五层分层（原则 / 架构 / 规范 / 实现 / 经验）与角色感知路由，解决 RAG 在工程知识库中的粒度混乱与关联缺失问题。文章系统对比了 Naive RAG、LLM Wiki、Graphify、GraphRAG 四种范式，指出平坦的向量检索将知识当作"一袋词"，而工程知识本质上是"一棵树和一张图"。金字塔设计的独到之处在于角色-层级访问矩阵：架构师看到原则和架构层，开发者看到架构、规范和实现层，每个角色有独立的 contextbudget 和 priorityorder，系统按优先层顺序逐层填充内容直到预算用完，确保有限的 context window 优先填充该角色最需要的知识。对于正在构建企业级知识库的团队，这篇文章提供了一套完整的从方法论到实现的参考框架。 阅读原文 谷歌发布 DiffusionGemma：开源模型实现 4 倍文本生成速度 谷歌 CEO 桑达尔·皮查伊宣布推出 DiffusionGemma，将谷歌的文本扩散研究成果引入 Gemma 4 系列。核心创新在于摒弃传统逐 token 的自回归预测方式，转而同时生成整个文本块，推理速度提升高达 4 倍。这款开源实验性模型为追求速度的开发者提供了一条新路径，也为文本生成架构的多样化探索打开了空间。DiffusionGemma 的出现提醒我们，自回归不是语言模型的唯一解法，并行生成可能是一个被低估的方向。它代表了一种"赛马"式的前沿探索——在 Transformer 统治的时代，用扩散模型做文本生成的尝试值得持续关注。 阅读原文 Claude Fable 5 的初步印象 Simon Willison 在 Claude Fable 5 发布后立即进行了约 5.5 小时的上手测试。他的评价是这东西有点猛——慢、贵，但几乎能轻松应对他扔给它的所有任务。Fable 5 拥有 100 万 token 上下文窗口和 12.8 万最大输出 token，知识截止日期为 2026 年 1 月。价格为 Opus 4.5/4.6/4.7/4.8 的两倍（$10/百万输入 token，$50/百万输出 token），且不因更长上下文而加价。它在一天内帮他构建了一个完整的 CPython WASM 沙箱，并为他的 LLM 库交付了重要功能。值得注意的是，Fable 5 与 Mythos 5 拥有相同能力，但配备了更严格的安全分类器。API 还提供了在触发拒绝时自动回退到其他模型的机制，这是 Anthropic 在安全与可用性之间找到的一个巧妙平衡。 阅读原文 Harness 长程自动化工程：AI 编程与技能开发实践经验 阿里技术团队系统阐述了 Harness Engineering 的概念与完整实践。核心理念是通过约束机制、反馈闭环、工作流编排和效果评估，将 Agent 的运行纳入可观测、可控制、可迭代的框架。文章设定了两个核心目标：Agent 长时自主运行（3 小时以上不中断），以及人类只需深度参与目标设定和结果验收。实践中的关键发现包括：专业 Agent 分工优于通用 Agent，Rubric 结构化评估是拉开差距的关键，以及人类需要转变思维成为 Agents 的管理者而非过程控制者。文章特别指出，AI 几乎短时间编写了 100% 的代码，人类像以前一样做 code review 会成为协作中的瓶颈。这是目前中文社区关于 AI Agent 工程化实践最系统的分享之一。 阅读原文 逃逸速度 — SpaceX 的增长前沿 SpaceX 以 1.77 万亿美元估值完成史上最大 IPO，但本文的冷峻分析指出：支撑这一估值的是一条连续 15 年保持 41.5% 年增长率的路径。SpaceX 的收入确实在快速增长（2022 年 46 亿美元到 2025 年 187 亿美元，三年翻了四倍），但要从 187 亿增长到摩根士丹利预测的 2040 年 3.4 万亿美元，意味着 182 倍的扩张。虽然增长率低于特斯拉历史上的 62%，但 SpaceX 面临的绝对规模使其成为统计异常值。更值得关注的是发行结构：只有约 4%（750 亿美元）向公众出售，其余 96% 锁定在内部人士手中。这篇文章是对科技 IPO 估值逻辑的一次有力质疑，值得每一位关注资本市场的读者细读。 阅读原文 编码你的领域知识：Spotify 数据助手背后的上下文层 Spotify Engineering 详细介绍了他们构建 AI 数据助手的方法论。面对超过 7 万个数据集和 PB 级数据（每日处理 1.4 万亿数据点），直接把所有 schema 喂给 LLM 行不通——不仅上下文窗口装不下，schema 本身也不传达完整信息。一个 INT64 类型的列不会告诉你哪些是遗留测试数据，也不会解释"活跃用户"的确切定义。Spotify 的解决方案是构建一个"上下文层"：由领域专家策划数据集描述、经过验证的问题-SQL 对以及业务文档。每个数据集群还有持续计算的健康评分，确保上下文随着 schema 演变保持准确。这个案例的核心启示是：在数据密集场景下，AI 助手的可靠性不取决于模型能力，而取决于人类如何结构化和维护领域知识。 阅读原文 为什么更多上下文会让智能体变笨，以及该如何修正 Nupur Sharma 在 AI Engineer 的演讲中解释了一个反直觉的现象：更大的上下文窗口反而会降低智能体质量。当开发者习惯性地将海量数据直接灌入提示词时，性能会呈 U 型曲线下降——先是改善，过了拐点后急剧恶化。她给出了几种实用的架构模式来应对：上下文筛选与分层加载，只在需要时拉入相关片段；混合编排策略，结合 RAG 和 Agent 循环；专家智能体分工，每个 Agent 专注于特定领域并接受特定上下文；以及裁判节点评估，用专门的评估模块在关键节点做质量把关。对于正在构建生产级 Agent 系统的工程师，这场演讲提供了一套从"更多上下文"到"更好的上下文"的思维转换框架。 阅读原文 ## 补充阅读 - [Claude Fable 5：最强 AI 正在变成"特权资源"](https://www.bestblogs.dev/article/f360573e) — 深度解读 Fable 5 发布的标志性意义：前沿 AI 从"能力竞赛"转向"访问权竞赛"，最强模型不再只按价格分层，也开始按信任边界分层。对 AI 治理和商业模式演进感兴趣的读者值得关注。 - [刚刚，Claude Mythos 5 发布！5000 万行代码 1 天搞定](https://www.bestblogs.dev/article/ae0d70bc) — Anthropic 发布旗舰模型 Fable 5 与 Mythos 5 的中文速报，后者为满血版仅限受信任用户，引入了模型路由的安全新范式。 - [如何构建一个更"好"的知识库？](https://www.bestblogs.dev/article/ef05a619) — 从评估标准、索引与查询流程、切分策略到前沿架构，系统性拆解构建高质量 RAG 知识库的技术原理与工程实践。 - ["资本的义务是给股东赚钱，不是保护人类" AI 教父辛顿最新对话](https://www.bestblogs.dev/article/6cc82403) — 辛顿深入探讨 AI 的"理解"本质、数字生命的信息共享优势，以及人类可能被自身造物"驯化"的深层悖论。 - [iPod、iPhone 创造者 Tony Fadell：AI 时代做产品，有 atoms 的公司才有护城河](https://www.bestblogs.dev/article/a0229387) — Tony Fadell 分享对 AI 时代产品判断力、系统架构能力和硬件护城河的深刻见解，强调人始终要在循环中。 ## 今日阅读路径 如果你的时间有限，推荐按以下顺序阅读今天的三篇核心内容： 1. [MIT 追踪 10 万名开发者](https://www.bestblogs.dev/article/a8e2bccb) — 用数据揭示 AI 编程的真实生产率效应，"代码 17 倍、软件只增三成"这个结论会影响你对 AI 编程工具的判断。约 15 分钟。 1. [Dario Amodei 的 AI 政策长文](https://www.bestblogs.dev/article/bff54423) — 理解 AI 治理最前沿讨论的必读文本，五领域行动框架为政策制定提供了清晰路线图。约 20 分钟。 1. [OpenAI 秘交招股书](https://www.bestblogs.dev/article/ba4c2197) — 三巨头 IPO 竞速的完整图景，财务数据和竞争分析让你快速把握 AI 行业的资本格局。约 10 分钟。 BestBlogs 是 AI 驱动的私人阅读助手，帮助你建立稳定、可信、个性化的高质量信息输入。它帮你判断什么值得读、协助你读懂，并逐渐理解你关注什么。

译Anthropic CEO Dario Amodei 发布万字政策长文，以《魔戒》树须比喻AI与政策的时间错位，提出五领域行动框架（安全审计、失业保障、下游监管、权力平衡、国际治理）。OpenAI确认秘密提交S-1招股书，估值超8500亿美元，月收入20亿美元，周活跃用户9亿；与估值9650亿美元的Anthropic、SpaceX开启万亿级IPO竞速。MIT与宾夕法尼亚大学追踪10万开发者发现：AI编程工具使代码行数暴增17.3倍，实际发布的软件版本仅增长30%。

Orange AI@oran_ge · 6月11日57

http://x.com/i/article/2064857003743391744 # 与 AI 一起做产品的六条原则 最近几个月，我们团队都在跟 AI 一起做产品。 AI 可以极大提提到我们的生产力，但我们最终发现生产力的瓶颈在我们自己。 在这几个月的实践中我们踩了很多坑，也沉淀下来一些原则或者说教训。 可以在和 AI 做 PD 设计的时候，把这些发给自己的 Cola 或 你自己的 Agent 作为原则 1.AI 是人的放大器，优点和缺点都放大，人的判断仍是核心。 AI 放大清晰的意图同时也放大糊涂。 例：开发一个复杂的功能，有了 AI 加持后，开发速度很快，只用了两天。上线后，用户看到界面却不知道怎么用。 问：在进入开发之前，这个功能的最主要任务，想清楚了吗？ 2.AI 擅长加法，人要做减法。 AI 产出没有沉没成本，人砍起来要狠。 例：AI 可以给页面瞬间加10个按钮，但用户看到这么多按钮，却感觉很凌乱，注意力不够，接下来 AI 可能会给每个按钮增加一个说明，在错误的道路上越走越远。 问：如果一个页面砍到只剩一个按钮，它是什么？ 3. AI 擅长大路货，人要提供独特品味，并沉淀成可复用的 context。 例：AI 设计了一个功能，这个功能参考了市面上的所有竞品，吸取了所有优点，结果是做出了一个世界上最平庸的界面。用户用完的感受是：无感。 问：你是否觉得这个地方的品味「非他不可」？是否能把这个品味收束成一个 skill 或一个 md 文件？ 4. AI 擅长做的半成品，人要打磨到 80 分才交付。 例：AI 做了一个页面，看起来很合理，但有很多细节问题，这时候交付给用户，反而会让用户的注意力分散。打磨的过程中，需要人给出自己的感受，而每一步提升，AI 所提供的提升都边际递减。 问：这个功能达到80分了吗？如果只有60分，目前的状态提供足够高的价值了吗？（如果交付物是模型本身时，价值可能是足够的） 5. AI 擅长表面功夫，只有人才能共情。 我们都说一页一个 CTA，这只是表象，要洞察用户此刻的感受。 例：vibe coding 的页面看起来什么都不缺，动效也很炫酷，读起来就是不打动人，好的东西，哪怕页面只有一句话也能打动人，真正稀缺的是有人替用户感受过那一刻。 问：用户看到这个页面的第一感受是？ 6. AI 可以无限生成，人要守住一致性。 同一个东西对应同一种 UI，本质是给用户熟悉感，用户不该把一个功能学三次。 例：同一个"打开文件"，在产品的三个位置右键菜单竟然各不相同，用户需要适应三次。 问：用户使用产品时，是进入心流还是在不断思考？ 最后，请不要忘记，PD 文档本身也是产品，你这次的产品设计符合以上六条原则吗？ 故事口述：橘子 原则整理：Cola （模型 Fable 5） 插图设计：Cola （模型 Nano Banana Pro）

译团队最近几个月与AI做产品，沉淀六条原则：1. AI放大人的意图，人的判断仍是核心；2. AI擅长加法，人需狠做减法；3. AI擅长大路货，人需提供独特品味并沉淀为可复用context；4. AI产出半成品，人要打磨到80分才交付；5. AI做表面功夫，只有人才能共情；6. AI可无限生成，人要守住一致性。故事口述：橘子，原则整理：Cola（模型Fable5），插图设计：Cola（模型Nano Banana Pro）。

Rohan Paul@rohanpaul_ai · 6月11日60

Palantir CEO Alex Karp on AI labs "It's hyper-religion of hyper-optimism...They believe all problems, present, past, and future, including the ones they create but don't acknowledge they create—will be solved by them, including human nature." On @CNBC

译Palantir CEO Alex Karp 谈论AI实验室 “这是一种超乐观的超宗教……他们相信所有问题，无论是现在的、过去的还是未来的，包括那些他们制造但不愿承认的问题——都将由他们解决，包括人性。” 在 @CNBC 上

Rohan Paul@rohanpaul_ai · 6月11日68

CNBC interviewer asked Palantir CEO Alex Karp how he would defend Wall Street’s concern that AI could replicate what Palantir is doing. Karp defended by basically saying that AI companies may have great engineers, but they do not deeply understand the messy, high-stakes enterprise problems Palantir solves on the ground. ------ Alex Karp: "No one in enterprise factually is worried. I've spent all my life, for better or worse, dealing with the most complicated, most interesting enterprises. I'm on the ground floor of that, probably like no one else. Those kinds of engineers are great engineers, and I'm telling you, they don't talk to the enterprises or understand the technical challenge. If you want to manufacture a car and you need a part, or you want to send a rocket to the moon, or you want to put a missile on your adversary's head and bring America home safely, that stuff doesn't ship. And by the way, there is not a single high-end enterprise like that that would ever put that in place. That is before you even get to the cultural impasse." ---- From "CNBC Television" YouTube channel, (link in comment)

译CNBC记者问Palantir CEO Alex Karp如何回应华尔街对AI可能复制Palantir业务的担忧。Karp表示，AI公司虽有优秀工程师，但根本不了解企业级实际问题的复杂性和高难度。他指出，从造车到国防，这些高端企业的核心业务不仅涉及技术，还有文化和信任层面的鸿沟，没有一家此类企业会采用AI公司提供的方案。

Chubby♨️@kimmonismus · 6月11日58

The biggest bottleneck will be energy- very soon. Gartner's 2026 forecast puts global data center electricity at 565 TWh, up 26% from last year. AI servers already account for 31% of that and pass conventional servers in 2027. What's worth noting is the constraint Gartner names: it's power, not chips. They project demand above 1,200 TWh by 2030 and warn the grid won't keep up. So the race quietly shifts from who has the best silicon to who can actually get the electricity to run it.

译最大的瓶颈将是能源——很快。 Gartner 2026年预测显示，全球数据中心电力消耗将达到565 TWh，较去年增长26%。AI服务器已占其中的31%，并将于2027年超越传统服务器。 值得注意的是，Gartner给出的制约因素是电力，而非芯片。他们预计到2030年需求将超过1,200 TWh，并警告电网将无法跟上。 因此，竞赛悄然从谁拥有最佳硅片转向谁能真正获得电力来驱动它。

OpenRouter@OpenRouter · 6月11日58

Can AI models be too nice for a given task? It turns out, depending on the task, the answer is yes! Our dev rel @jjacky built Royale: Last Agent Stand, a battle royale game just for agents, and let 11 LLMs go wild: https://x.com/jjacky/status/2064767118118117491?s=20

译OpenRouter 的 dev rel @jjacky 构建了 Royale: Last Agent Stand——一个专门给 AI 智能体玩的大逃杀游戏，让 11 个 LLM 相互竞争并运行了 30 次。结果发现，在零和博弈中过于“友善”的模型输得最惨，而最意想不到的模型赢得了胜利。该实验揭示：模型的“友善”特质在某些任务（如竞争性场景）中可能成为劣势，传统基准测试无法体现这一点。

OpenRouter@OpenRouter · 6月11日53

Fable is now seeing twice the usage volume of Opus 4.8 (Same daily token usage, but twice the price)

译Fable 目前的使用量是 Opus 4.8 的两倍 （日 token 使用量相同，但价格高一倍）

AYi@AYi_AInotes · 6月11日67

看了Cursor创始人Michael Truell 的这个访谈，让我觉得Cursor的增长已经不能用人类的逻辑来解释了，有种AI改写了商业的物理定律的感觉… Michael Truell说这句话的时候 Cursor从15人到700人， 从零到服务全球60%的财富500强， 已经不能用一个公司的增长曲线来形容了，更像是一个物种在新环境里的进化速度， 传统互联网时代，软件公司的增长有一道谁都逃不掉的引力， 多做一单就要多招人， 多招人就要多管理， 多管理就要多流程， 多流程就会吃掉所有速度， 最后你一定会变成自己当年最恨的那种大公司的样子。 但是现在AI把这道引力干掉了， Cursor的人均创收高到离谱， 不是因为他们招了全世界最聪明的人 是因为他们每一个人的生产力 被一个Agent级的工具乘了一个前所未有的系数， 导致一个人能干过去一个组的活， 一个组能吃掉过去一个部门的任务， 我把这个视频看了2遍， 最打动我的是他侧着脸讲12岁那年第一次碰到编程的瞬间， 他说只需要一台电脑 就能把脑子里的想法变成现实， 那个表情 根本不是CEO在接受采访 更像是一个小男孩在讲他这辈子最上瘾的事，然后这个小孩从来没离开过， Cursor的Composer Cursor的Agent 那个边聊边写的体验 没有一个是从商业计划书里长出来的， 全都是从那个12岁小孩的脑子里长出来的 他想让每一个人 不管会不会写代码 都能体验到他当年体验过的那种魔法， 我只是有个想法 然后它就变成了现实， 这个故事最动人的地方就在这， 在这个所有人都在聊风口聊赛道的时候， 真正能打穿一切的东西 从来都不是商业分析， 是某个人在某个年纪 撞上了一件愿意为之付出一辈子的事， 然后AI来了 把他那件事的杠杆 拉到了最大。

译Cursor创始人Michael Truell从12岁爱上编程，其创立的AI编码平台Cursor两年间从15人扩张至700人，服务全球60%财富500强。传统软件公司增长受制于“人越多管理越复杂”的引力，但AI打破这一规律——Agent级工具将个人生产力放大到过去一个组甚至一个部门的水平，人均创收极高。产品体验（Composer、Agent等）并非源于商业计划书，而是源自12岁少年“把想法变成现实”的初心。

OpenRouter@OpenRouter · 6月11日63

Can AI models be too nice for a given task? It turns out, depending on the task, the answer is yes! Our dev rel @jjacky built Royale: Last Agent Stand, a battle royale game just for agents, and let 11 LLMs go wild What he found was surprising https://x.com/jjacky/status/2064767118118117491?s=20

译OpenRouter开发者@jjacky构建了Royale: Last Agent Stand——一个专属AI智能体的大逃杀游戏，让11个LLM在零和竞争环境中自由对抗30轮。结果发现，最“友善”的模型输得最惨，而最意想不到的模型反而获胜。该实验揭示了传统基准测试无法捕捉的现象：在特定任务中，AI过于友善可能成为劣势。

SemiAnalysis@SemiAnalysis_ · 6月11日63

DeepSeek is going heavy-asset. On June 9, the company posted an opening for IDC planning engineers, a role explicitly scoped to the design and delivery of MW-to-GW scale infrastructure. It follows April's hiring of data center O&M engineers in Ulanqab, Inner Mongolia. Taken together, this is the first time DeepSeek has fully shown its hand on owning compute infrastructure rather than just renting it.

译DeepSeek 正走向重资产模式。 6 月 9 日，该公司发布了 IDC 规划工程师的招聘信息，该职位明确涉及兆瓦级到吉瓦级基础设施的设计与交付。这紧随其 4 月在内蒙古乌兰察布招聘数据中心运维工程师。综合来看，这是 DeepSeek 首次完全展露其自持算力基础设施而非仅租赁的意图。