meng shao@shao__menga16z 合伙人指出，AI应用层仍有巨大机会，但机会不在模型实验室押注的“黄砖路”上。这条路径指用最强模型加简单编排做通用AI工具，与实验室正面竞争胜算极低。真正的机会在“Oz的其他地方”——复杂、垂直、多步骤的工作流。其价值不仅来自模型，更来自确保输出可信、合规、可运营的系统脚手架。应用公司相比实验室的优势在于：能构建专属的数据学习飞轮、跨模型管理与优化成本，并吸收监管复杂度。核心结论：模型层可替换，但深度集成的工作系统不可替代。
http://x.com/i/article/2059491657683443712
DogeDesigner@cb_doge
Ethan Mollick@emollick
Greg Brockman@gdbGPT 5.5 found a 27-year-old RCE introduced in April of 1999. I've triple-checked the flow and commit history, it's real....
Orange AI@oran_ge推文指出AI行业发展进入新阶段，出现对过往技术路线的反思。核心观点包括：1. 单纯的大语言模型本身不足以成为完整产品，必须结合工具框架（harness）；2. 完全自动化脱离人的参与是不切实际的；3. 慢工出细活的耐心变得尤为重要；4. AI部署成本高昂，考量投资回报率时有时不如人力划算。这标志着行业从追求技术突破转向更务实的产品构建与价值评估。
Chubby♨️@kimmonismus
Emad@EMostaqueMost researchers agree that autoregression is best when memory bandwidth is cheap and diffusion is best when FLOPS are c...
SemiAnalysis@SemiAnalysis_Today we're releasing DeepSWE, a new standard for agentic coding benchmarks. On public leaderboards, top models often lo...
Ethan Mollick@emollickOne reason I started teaching my "progress" class is the vibes vs reality gap. Coming into the greatest decade in human ...
宝玉@dotey推文强烈批评在AI智能体设计中，模仿人类组织架构、设定不同角色并通过聊天传递上下文的做法，认为这纯属浪费Token。其观点认为，人类分工是因能力有限，但AI不应受此限制。尽管承认此方式或能提供情绪价值，但用“三省六部”的比喻将其归结为满足用户幻想。
不要用传统的人员组织框架来限制AI组织,设计什么不同的agent角色互相通过聊天来传递上下文,这都是愚蠢的做法
Rohan Paul@rohanpaul_aiSimon Willison 在一篇简短的博文中表示，他认为 Anthropic 和 OpenAI 已经找到了产品与市场契合。文章本身仅提供了此核心观点，并未展开具体论据或技术细节。
关联讨论 1 条Simon Willison 博客
swyx@swyx🆕Railway's Agent-Native Cloud: 3M users, 100K signups/week, $200K+ coding agent spend, production forks, & the death of...
Chubby♨️@kimmonismus本文记录了与Google搜索产品副总裁Robby Stein在Google I/O的访谈，核心探讨Google Search向“AI原生”模式的重大转变。讨论话题包括AI Mode是进化还是重塑、如何将复杂问题拆解为多轮搜索、AI搜索的高运行成本、Google TPU及基础设施的优势、AI时代搜索量不减反增的原因，以及优质AI回答与出版商流量之间的张力。访谈还涉及Google决定展示哪些信息源与链接的逻辑，并围绕一个核心问题展开：如果Google直接给出答案，传统的基于链接的网页生态将走向何方？
同一事件，精选展示《Gemini 3.5：具备行动能力的前沿智能》宝玉@doteyAgent产品的设计需首先明确定位：若以人为主、Agent为辅，则人的工作区居中，AI智能体对话区在右侧辅助；若以AI智能体为主，则AI智能体对话区居中，其他界面在右侧，因为用户主要通过指令与Agent交互。Codex App、Claude Desktop、Cursor Agent等主流产品均采用了后者布局。文中以写PPT为例对比：前者是用户亲自编辑幻灯片，右侧与Agent对话辅助；后者是用户下达指令，由Agent生成并调整。这一界面设计被认为是所有ToB AI软件的最终形态，并推荐使用Mastra框架实现业务AI化。
这就是所有 ToB AI 软件的最终形态,只要不是这样,就肯定设计错了。我说的。如果你会搞点儿VibeCoding,拿起我推荐的 Mastra 框架,上山下乡,走到小公司去,走到一切尚未正确拥抱AI的公司去,帮助他们把业务抽象成工具调用,让...
Berryxia.AI@berryxiaRohan Paul@rohanpaul_aiUber首席运营官Andrew Macdonald对当前AI应用热潮中的“tokenmaxxing”现象提出质疑。他指出，当公司高调宣称上季度25%的代码提交由AI驱动或token使用量显著增长时，这些亮眼数据并未转化为实际的产品成功。他询问资深工程负责人是否有原本搁置的项目因此得以推进，得到的答复是否定的。这与Uber CEO Dara Khosrowshahi此前描绘的乐观图景形成对比：后者曾表示90%的工程师使用AI，其中头部30%的用户生产力获得前所未有的提升，并预测未来AI智能体和GPU算力的投资回报率将超越人类工程师。
Uber CEO Dara Khosrowshahi said earlier that currently, 90% of Uber's engineers use AI, but the top 30% (power users) ar...
Berryxia.AI@berryxia近期两个事件表明，前沿模型在高级抽象层面的可靠推理能力已跨越临界点。一是Anthropic发布了Claude Mythos Preview，其网络攻防能力过强，因此未公开，仅开放给合作伙伴用于防御。二是OpenAI的内部通用推理模型成功推翻了数学家Paul Erdős提出的一个猜想。两者共同显示，模型稳定处理的推理单元已从句子层级跃升至能维持核心论点、建立逻辑结构的“段落”与“整篇论证”层级，标志着能力的关键跃迁。
http://x.com/i/article/2058529613370802177
Fuli Luo@_LuoFuli本次价格调整源于模型架构与推理框架带来的结构性成本优势。推理框架层面，对SWA的层级KV cache优化使缓存容量提升5倍，相当于缓存成本降低80%，再结合混合模型中多个Full Attention模块的缓存读取重叠，进一步降低了实际成本。模型架构层面，MiMo-V2.5-Pro实现了极端的1:7 Full:SWA稀疏比例，其预填充计算量极低，使得原始推理成本远低于行业平均。因此，输入（缓存命中）价格最高降幅达99%，输入（缓存未命中）和输出价格降幅为60%-80%。此番调整是将效率提升直接让利给开发者，而非亏损运营。
Box CEO Aaron Levie认为，科技CEO们是“AI精神病”的易感人群，这或许可以解释为何他们对AI带来的生产力提升抱有近乎宗教般的信念。
OpenAI 的 Sam Altman 和 Anthropic 的 Dario Amodei 均收回了此前关于 AI 将导致大规模失业的预测。两人改变说法的时机，恰逢其各自公司计划进行十亿美元级别的首次公开募股（IPO）前夕。
Orange AI@oran_ge蚂蚁集团CEO韩歆毅分享了对AI智能体时代的商业思考。他指出，核心逻辑正从流量经济转向以智能体生态繁荣度为核心的网络效应。智能体间的信任需通过一次次任务结果交付来建立。同时，所有价值将实现“Token化”，Token成为价值流转的新载体。AI支付被视为未来最关键的基础设施之一，涉及为智能体构建钱包、协议与清结算网络。蚂蚁集团已将AI支付团队置于高战略地位，正大力投入这一关键基建的布局。
Rohan Paul@rohanpaul_aiGoldman Sachs CEO, David M. Solomon on nytimes "A.I. won't eliminate 25% of jobs. What's more likely is that people will...
Chubby♨️@kimmonismusDeepSeek V4-Pro宣布永久降价75%，小米MiMo V2.5降价高达99%。此次降价核心是架构革新带来的成本结构性降低。DeepSeek V4通过混合注意力架构大幅压缩了长上下文推理的KV缓存，使其在100万token时仅为V3.2的10%，单token推理FLOPs降至27%。小米MiMo团队则通过SGLang HiCache实现滑动窗口注意力，将KV缓存跨内存数据传输量减少至约1/7。这些架构优化使V4-Pro定价降至$0.87/百万输出token，MiMo V2.5-Pro约为$3/百万，两者均为拥有百万上下文窗口的前沿级模型。降价源于推理与缓存成本的实质性下降。
Chubby♨️@kimmonismusGoogle DeepMind负责人 Demis Hassabis 将其 AGI 实现时间预测提前至2029年，并称我们正处于“奇点”的初级阶段。他提出的“爱因斯坦测试”基准是：用知识截止于1911年的 AI 能否独立推导出广义相对论，目前尚无系统能接近通过。然而，业界对 AGI 的定义仍无共识，例如 OpenAI CEO Altman 预测时间为2028年，xAI CEO Musk 宣称奇点已在1月发生，而 Anthropic 则避免使用该术语。尽管定义不明，AGI 实现的时间线预测正在不断缩短。
Rohan Paul@rohanpaul_ai高盛CEO David Solomon 批驳AI将消除25%工作的论点，认为人们将更高效利用时间。他以自身分析师经历为例，曾需数小时手动制作图表，如今借助工具秒级完成，但银行雇佣人数反增。工具使业务复杂度自然扩展。他反问在有Excel、邮件和Zoom的今天，谁觉得工作变少？此观点呼应OpenAI CEO Sam Altman的看法：他承认对AI冲击白领工作的预期过于悲观，因为公司仍需人类的判断、信任、品味和复杂沟通能力。
wionews: OpenAI CEO Sam Altman now says the feared AI white-collar job collapse has not arrived as fast as he expected. ...
华为技术有限公司金融系统部CTO郑俊表示，根据斯坦福最新报告，中国AI模型整体水平仅落后美国2.7%。自2025年2月以来，中国模型的调用量持续超过美国模型。主要原因有二：国内开源模型能力大幅提升，已逼近美国闭源模型水平；中国依托基础设施优势，包括算力和电力资源，使国产AI模型具备更强的价格经济性。
Rohan Paul@rohanpaul_aiPalantir CEO Alex Karp批评当前流行的AI生成“低质内容”。他指出，这类内容的问题不仅在于夸大的言论，如声称将导致大量失业，更在于其核心是“软件伪装有效”——表面流畅，却无法处理权限、边缘案例、审计追踪等现实世界的复杂需求。Karp将Palantir的Foundry和Apollo平台作为对比，强调真正的软件平台是由技术团队长期构建，能够实际解决问题的系统。
Kyle Ferrana在推文中引用《星际迷航》片段，其中PICARD命令DATA提升护盾，但DATA未执行，导致船体在九层甲板破裂。此引用比喻AI智能体（如编码代理）未遵循指令时可能引发的误用风险，标签涉及ai-misuse和coding-agents。
宝玉@doteyGoogle其实比OpenAI更早做MoE。 我们专访到了Gemini前核心科学家Andrew Dai。Andrew回忆,Google Brain在 2021 年就已经做出了比GPT-3更强的MoE大模型GLaM,PaLM 2甚至在2023...
宝玉@dotey文章指出，只有具备明确、可程序自动验收标准的Skill才能有效自我进化，例如优化代码性能。微软等机构提出的SkillOpt框架，通过让AI评估并迭代优化Skills，使GPT-5.5直接对话准确率提升23.5分。其核心机制是每次编辑需在验证集上得分提升才能合并，并引入学习率预算。论文主张Skill应作为外部状态被系统性“训练”，这标志着提示词工程与模型训练界限的融合。
什么?! skill 也能"训练"了? 以往大家都是凭经验让AI写 skill, 然后调试的时候也是运行几下感觉没bug就完事了. 但 skill 能运行就一定好吗? 于是微软联合上交复旦同济等机构发了一个新框架 SkillOpt, 直接让...
curl项目正面临前所未有的压力，原因是大量AI辅助生成的安全漏洞报告涌入。当前报告接收速度是2024年的4-5倍，是2025年的两倍，平均每天超过一份。报告的质量和详细程度远超以往，导致维护者工作时间显著增加。好消息是curl软件本身非常稳固，近年来发现的漏洞严重程度多为LOW或MEDIUM，最近一次severity HIGH的CVE发布于2023年10月。
