宝玉@dotey

51

Anthropic推出Claude Design，可用一句话生成高精度可交互原型。网友问为何OpenAI的Codex没有类似产品？关键在模型层差距。Agent分Harness（产品层）和模型层，Harness非门槛（已有开源baoyu-design可复现），真正壁垒是Claude Opus 4.8同时具备UI/UX设计和系统架构设计能力，先定义数据结构、状态管理和交互逻辑再交付完整原型。而GPT-5.5生成的交互效果差。产出物为React/CSS/JSON代码。

elvis@omarsar0

44

OpenRouter 发布 Fusion API，号称“市场上最智能的复合模型”，能以一半的价格达到 Fable 级别的智能。主推文作者 Elvis Saravia 借此观点指出，模型智能与人类专业知识的组合具有惊人的复合效应，不同模型各有独特优势，而非通用大模型能一统天下。工程团队应将“组合调用不同模型”作为战略方向，尤其在前沿模型选择性开放的趋势下，理解如何协同利用它们将是巨大的解锁。

OpenRouter: Introducing the Fusion API, the smartest compound model in the market. Fusion achieves Fable-level intelligence at half ...

宝玉@dotey

26

Tinyfool: 现在你选 Claude Code 还是 Codex?

白宫的AI政策混乱无序，迫使各州自行其是。文章指出当前联邦层面缺乏有效协调，并探讨了更优的监管路径。

OpenAI CEO 奥尔特曼承认此前对白领岗位受冲击判断有误，称让 AI 代写邮件感到“去人性化”。微软 AI CEO 苏莱曼澄清“12-18个月内 AI 完全自动化白领工作”言论遭误解，强调自动化的是发邮件、做PPT等子任务，而非整个职业。Anthropic CEO 阿莫迪仍警告未来1-5年内 AI 可能消灭半数入门级白领岗位，但希望政策制定者有机会适应。《经济学人》-YouGov 5月民调显示71%美国人认为AI发展太快；微软总裁称毕业典礼上AI演讲者遭嘘声是对行业的“有力警醒”。

Chubby♨️@kimmonismus

56

Anthropic最大投资者Amazon据称破解Claude并向美国政府告密，导致Anthropic被美国当局视为供应链风险，可能失去企业分发许可，其估值和IPO面临下行压力。OpenAI成为主要受益者：一方面消除了Anthropic抢先IPO的威胁，另一方面有机会主动与美国当局沟通，提前获得模型审批，从而在竞速中占据优势。

Chubby♨️: Wait - so Amazon, one of Anthropic's biggest investors, allegedly jailbroke Claude and then snitched to the U.S. governm...

Ethan Mollick@emollick

50

Ethan Mollick: I honestly don't understand the assumption that there will be continued open weights models. At some point, China will r...

微软CEO Satya Nadella警告“token-maxing”现象——即对每件事都调用最强AI模型。他认为前沿模型不应浪费在日常任务上，生产力提升的边际成本必须与token成本匹配。但Nadella也坦承自己同样沉迷于此：“I'm like a token-maxer too. So it is addictive.”

面壁智能李大海在智源大会上表示，端侧智能是实现物理世界AGI的必由之路。MiniCPM端侧模型已落地汽车（长安马自达、吉利等）、手机、AIPC、具身智能、智能家居等领域。公司开源发布周展示全栈技术：UltraData数据治理体系、MiniCPM5-1B模型以1/200参数逼近两年前GPT-4o、ForgeTrain框架对比英伟达Megatron节省10%资源、BitCPM-CANN在国产算力跑通三值训练（推理节省6倍内存）、开源PilotDeck多智能体操作系统。面壁选择全栈开源，共建端侧生态。

Berryxia.AI@berryxia

23

Berry Xia 在推文中回顾从 YouMind 0.x 版本开始的长期使用体验，认为产品迭代进步明显，团队认真听取用户需求并做出合理取舍。他强调产品驱动应优于营销套路，肯定 YouMind 在这方面表现良好，并期待 2.0、3.0 版本带来更多可能，最后向 YouMind 及创始人玉伯表示祝贺。

Frank Wang 玉伯: http://x.com/i/article/2065773400698880000

Chubby♨️@kimmonismus

16

banteg: updated fable eval scores

Orange AI@oran_ge

73

Anthropic 的 Fable 5 被美国政府以国家安全为由要求全面下架，用户无法购买。博主指出闭源模型的智能可能成为限购商品，呼吁开源模型。昨日 Kimi 发布开源 coding 模型 K2.7 Code，coding 能力较上一代提升 20%，过度思考问题优化，思考 token 减少 30%；API 输入 6.5、输出 27、缓存 1.3。智谱因 Fable 5 事件紧急宣布即将发布 GLM 5.2，称前沿智能不应只属于少数人。

小鹏集团副总裁余鹏在2026中国汽车重庆论坛上明确小鹏定位为“面向全球的具身智能公司”。飞行汽车并非孤立业务，而是与芯片、机器人共同构成AI技术协同矩阵。汽车上验证的AI底盘能力、全栈自研技术可复用至飞行汽车等终端，机器人操作经验也反哺汽车。今年3月，小鹏分体式飞行汽车批量试产下线，计划2026年内规模化量产。该产品采用分体式设计，陆行体为三轴六轮六驱全地形大空间车型，搭载航空级增程系统；飞行器可完全收纳进后备箱，具备垂直起降能力。

Peter Steinberger 🦞@steipete

48

Peter Steinberger 分享了 Codex 在其项目 crabbox 中的应用体验。Codex 在 crabbox 内部运行，同时构建 crabbox 自身。它已连续4天在多处代码树中非停止循环运行。所有构建均为端到端可验证，使得项目几乎能够自我构建。Codex 还能通过浏览器/电脑使用自动注册所需服务。作者的主要工作仅剩添加信用卡信息和关闭不合适的内容。

Berryxia.AI@berryxia

60

当前视频生成模型仅学到“手靠近→杯子动”的相关性，而非因果机制，导致抓杯子时杯子提前飞起。Aether AI 创始人黄碧薇教授提出因果世界模型（Causal World Model），旨在让 AI 理解物理运行机制而非仅预测表象。其 benchmark 显示，引入因果结构可使机器人成功率提升 25-50%，样本需求降低 5-10 倍。这标志着下一代 AI 需从“知道是什么”进化到“知道为什么”，尤其在机器人、自动驾驶等真实物理场景中。

huangserva: 当前的 AI,连一个杯子都还没"真懂"。 极客公园「今夜科技谈」这期,Aether AI 创始人黄碧薇教授(@huang_biwei)举了个特别戳的例子: 让今天的视频生成模型去"抓一个杯子" 手还没真碰到,杯子自己就飞起来了。 画面看着挺...

fofr@fofrAI

18

fofr: I'm messing around with an agent flow for combining Hyperframes with Gemini video analysis to make interesting annotated...

Peter Steinberger 🦞@steipete

52

Thorsten Ball: Day 3 with Fable. Gave a huge prompt to implement a feature across CLI, web server, and another server to both Fable and...

Chubby♨️@kimmonismus

49

Kim解释Apple如何在Google Cloud上执行推理时保护隐私：最重的请求运行在Google Cloud的Blackwell B200s上，利用NVIDIA Confidential Computing提供基于硬件的安全层，将工作负载隔离在可信执行环境中加密处理数据，确保Google和Apple都无法看到数据。

一篇来自 Miguel Grinberg 的博客文章，标题为《我不是反向半人马》，在 Hacker News 上获得 100 点热度。文章内容可能涉及人与 AI 关系的讨论，但原文仅包含标题与来源，无进一步技术细节。

elvis@omarsar0

69

DAIR.AI创始人Elvis Saravia分享如何有效运行长期自主编码智能体。他指出当前多数模型难以协调工作，会过早暂停、犯错或走捷径（reward hacking）。关键在于明确目标、消除假设，避免模型自行推断。他的实践公式：用Opus 4.8进行细致规划，GPT-5.5执行所有步骤，评估器（通过/goal）则使用Deepseek及Qwen、Kimi、MiniMax等最新模型。另一关键洞察是提供多模态视觉线索作为目标，比纯文本目标更强，能更好地约束智能体。完整讨论已录制并免费开放。

Chubby♨️@kimmonismus

65

Google DeepMind发表60页论文，由Hutter、Legg、Genewein撰写，定义AGI（多数认知任务达平均人类水平）、ASI（超越大量专家协作）和不可计算的AIXI三个层级。实现路径包括规模扩展、算法突破、递归自我改进和多智能体协调，瓶颈在于能源与硬件。六种阻碍：高质量数据可能本十年内耗尽、资源需求过快、神经范式天花板、研究难度激增（维持摩尔定律需18倍于1970年代的研究者）、模型无法创造全新概念、人为放缓。作者认为这是对AGI后果的严肃反思呼吁。

Jeff Dean@JeffDean

48

Ido Aizenbud: What can a neuron compute? Real biological neurons are complex, but how capable are they? Using a new method, we found t...

Meta CEO 扎克伯格称，推动AI进步不需要成百上千名研究人员，一个十几至二十几人的团队即可取得进展。他谈及与妻子创办的非营利医学研究组织Biohub时表示，该组织结合AI与生物学，目标在21世纪末前治愈、预防或管理所有疾病。AI研究人员虽抢手，但Biohub的前沿生物学与AI结合的工作独特且难以替代。AI进展让扎克伯格对Biohub提早完成使命感到乐观，但算力获取仍受限。