Ethan Mollick@emollick

54

Chris: I pulled the current Artificial Analysis style index scores, looked at OpenAI's release cadence and average raw score ga...

Ethan Mollick@emollick

53

roon: it is a literal and useful description of anthropic that it is an organization that loves and worships claude, is run in...

一项新综述研究指出，尽管大语言模型（如GPT、Claude、LLaMA）在医疗领域的应用日益广泛，但目前尚无明确证据表明其直接改善了患者治疗结果。该综述分析了多项临床研究，发现这些模型在诊断支持、文书处理等方面展现出潜力，但在提升治愈率、降低死亡率或改善患者生活质量等关键临床指标上，尚未展现出统计学上的显著积极影响。研究强调，需要更多高质量的随机对照试验来评估LLMs对患者结局的实际影响。

Berryxia.AI@berryxia

60

苹果近期悄然调整Mac产品线内存配置与定价。Mac mini取消599美元256GB入门款，起售价升至799美元/512GB；Mac Studio也移除了512GB统一内存选项，且256GB升级价暴涨400美元。这并非简单存储升级，而是因AI数据中心导致全球DRAM供应紧张、价格飙升。Tim Cook指出AI需求超预期，导致Mac供货紧张数月。苹果通过砍掉低配和高配、整体上移配置阶梯变相提价，对依赖统一内存进行本地大模型推理的用户而言，高性价比硬件窗口期可能快速关闭。

stevibe: The Mac mini price hike doesn't look like a one-off. It looks like a pattern, and if you run local LLMs, you should pay ...

Ethan Mollick@emollick

27

Charles C. Mann: "If our world survives, the next great challenge to watch out for will come--you heard it here first--when the curves of...

向阳乔木@vista8

58

Andrei Karpathy 在红杉访谈中提出了软件演进的三个阶段框架。软件1.0时代由人类编写明确规则代码；软件2.0时代转向用数据训练神经网络权重，模型从数据中学习规则。而正在兴起的软件3.0时代，其核心编程杠杆转变为提示词工程和上下文控制。这标志着人机协作方式的根本性转变，开发重点从编写传统代码或准备训练数据，转向设计有效的提示和优化模型的上下文交互。

Rohan Paul@rohanpaul_ai

62

OpenAI首席执行官Sam Altman指出，公司不满足于仅作为高利润AI工具软件商，核心目标是成为经济中的智能基础设施层。OpenAI希望像“智能电表”一样嵌入企业、产品和工作流底层，使AI消费如电力或云计算般普及。随着模型智能化，切换AI服务将更便捷，因此竞争防御性来自成为大规模最廉价、有用和可靠的智能公用事业，而非锁定客户。其战略是与整体经济成功对齐：企业通过OpenAI智能层实现自动化、创新和增长，OpenAI则随之扩张。这类似基础设施业务，Altman接受公司成为低利润但深度嵌入全球经济的实体，仿效Amazon Web Services模式。未来AI行业的赢家或将是成为全球智能使用默认“电表”的企业。

阿绎 AYi@AYi_AInotes

43

特朗普孙女Kai Trump指出，高中生普遍用ChatGPT写论文引发教师不满，但她认为这并非作弊，而是代际认知差异：老一辈视传统方法为“真学习”，年轻一代则视AI如计算器般的基础设施。她警告，教育系统若继续忽视AI，将加剧不平等——善用者效率倍增，不善用者将被淘汰。未来关键能力在于提出高质量问题、验证信息并转化为洞见。拒绝变革的教育，实则在培养“AI时代的文盲”。

Ethan Mollick@emollick

51

Lisan al Gaib: http://x.com/i/article/2050605354501726209

阿绎 AYi@AYi_AInotes

60

作者以Marcus为例，指出AI（如Claude Code）正在彻底改变产品经理的工作性质。传统PM耗费80%时间在协调、写需求、追进度等执行环节，如今这些工作可被AI代理自动化压缩至近乎为零。剩余20%的战略思考、用户洞察和关键判断力价值被极大放大。AI充当了高效执行层，使得“对话即工作”成为现实。这直接冲击了以解决信息传递与协调为核心的传统组织架构，PM作为中间节点的职能被消解。未来，少数具备核心战略能力的“产品人”将指挥AI Agent军队完成产品交付。

Dan Shipper 📧: must read Marcus went from product manager to shipping product like a madman @every with coding agents he wrote the defi...

文章主张AI智能体的测试工具“代理线束”不应置于沙盒环境中运行。核心观点是，为了准确评估智能体在真实世界中的能力与可靠性，测试环境必须尽可能贴近实际生产环境，而非受限制的沙盒。将线束置于沙盒之外，能更有效地暴露智能体在复杂、不可预测场景下的潜在问题，从而提升其部署后的稳健性和安全性。这一方法强调测试的真实性与有效性，关乎智能体技术的实际应用成败。

MIT研究人员通过“叠加”现象为语言模型性能随规模扩大而可靠提升提供了机制性解释。研究表明，随着模型参数增加，神经网络能在同一神经元中高效编码更多概念，这种叠加效应使得模型能力呈现可预测的线性增长。该发现从数学层面解释了为何扩大GPT、Claude等模型规模能持续改善其理解和生成能力。

根据Hacker News评论者的讨论，当前编码模型的最新技术进展显著。模型在代码生成、补全和错误修复等任务上表现突出，部分模型在特定基准测试中的准确率已超过90%。评论指出，模型对常见编程语言的支持日趋成熟，但在处理复杂逻辑或边缘案例时仍有局限。开源模型与闭源商业模型之间的差距正在缩小，开发者可用的工具选择更加丰富。社区关注点集中在模型的实用性、运行效率及与现有开发流程的集成能力上。

美国政府机构评估称中国在人工智能竞赛中落后八个月，但独立数据并未证实这一差距。当前美国实验室持续追求更智能的模型，而中国玩家如深度求索（Deepseek）等提供的价格优势可能成为更关键的竞争筹码。这场竞赛的衡量标准正从单纯的技术指标扩展到包括成本效益在内的综合维度。

阿绎 AYi@AYi_AInotes

47

在Autopilot平台上，追踪政客交易的组合收益远超AI投资组合。特朗普行政团队追踪器YTD收益达148.43%，而Claude Portfolio两个月仅5.7%。平台排行榜前列被国会政客包揽，凸显内幕信息与公开数据分析间的巨大鸿沟。市场选择证明，基于非公开信息的政客交易策略，其有效性目前远超依赖公开数据的AI量化模型。这反映了金融现实中信息不对称的力量大于计算能力。

阿绎 AYi: Damn,今天看到一个最打脸的AI梗,真的给我看笑了。 全网都在吹Claude Portfolio融了1500万美元跟单资金,AI终于要统治华尔街了。 结果有老哥甩了一张对比图,直接把所有AI炒股神话干碎一地🤣📉 佩洛西交易追踪器,一年...

Orange AI@oran_ge

48

候世达在《哥德尔、埃舍尔、巴赫》中提出，意识源于“怪圈”——系统通过自指与递归，从底层交互中涌现高层“自我”，并反向调节底层，形成因果循环。当前大模型因推理无状态，缺乏此循环。而具备长期记忆的Agent则不同：其行为写入持续上下文（context），context又塑造其后续行为，形成了一个自我指涉、自我调节的闭环。这与人类意识类似：两者均通过操控和迭代context（注意力或记忆）来间接影响底层系统，而非直接修改权重，从而在循环中涌现并演化“自我”。

Chubby♨️@kimmonismus

64

The Kobeissi Letter: Tech layoffs are skyrocketing: Tech companies announced 81,747 layoffs in Q1 2026, the highest quarterly total since at ...

Rohan Paul@rohanpaul_ai

59

Sam Altman在新播客中指出，当前AI模型相对未来版本仍显“笨拙”，对用户生活了解有限，需要用户费力调整才能获得所需。未来模型将能全面理解用户上下文，知晓个人生活、活动和偏好，并访问电脑和浏览器，甚至感知现实世界变化。这种高度个性化的AI将彻底重塑使用计算机的体验。

向阳乔木@vista8

39

推文指出，即使使用GPT、Claude等顶级AI模型进行写作，也频繁出现“这是最震撼的部分”、“这是最反直觉的洞察”一类令人不适的句式。这类表达被归纳为“预告式渲染”，其特点是在陈述实际内容前，先用夸张的预告性语言预先设定读者预期。作者认为这种写法效果不佳，需要谨慎使用。

Ethan Mollick@emollick

29

谷歌研究团队在论文《Attention Is All You Need》中提出全新的Transformer模型，完全摒弃了RNN和LSTM等传统循环与卷积结构，仅依赖自注意力机制并行处理整个句子。该模型在机器翻译任务上取得突破性性能：英德翻译达到28.4 BLEU分，以超过2分的优势超越先前最佳模型；英法翻译达41.8 BLEU分，且训练成本极低。仅用8块GPU在12小时内即可完成训练，其多注意力头机制能同时学习数据中的不同关系。这一成果标志着NLP领域的根本性范式转变。

Chubby♨️@kimmonismus

48

半年前AI领域看似存在泡沫，但以Claude Code为代表的智能体编码工具正改变经济逻辑。开发者快速采用，生产力提升可测量，Anthropic等公司收入爆发式增长。当前风险在于繁荣可能集中于编码领域，但如果AI智能体能推广至法律、金融、咨询等更广泛的白领工作，则举证责任已从AI乐观者转向怀疑者。核心结论是：人们正认识到AI整体并非泡沫。

阿绎 AYi@AYi_AInotes

46

近期备受关注的AI投资工具Claude Portfolio，其实际收益被基于美国政客交易记录的“跟单”策略远远甩开。数据显示，追踪佩洛西交易的组合年收益达48.5%，而Claude Portfolio两个月仅5.7%；特朗普团队追踪器年内涨幅更超148%，在平台上人气也远超AI组合。这凸显了国会议员凭借提前获取政策、监管等非公开信息所形成的巨大优势。市场用资金投票表明，在当前环境下，所谓的内幕信息影响力可能远超AI的分析计算能力，形成了算法模型难以跨越的鸿沟。

0xLycurgus: Mfs think an AI come out perform insider trading

Orange AI@oran_ge

51

科斯定理认为交易成本降低后公司无需存在，OPC叙事基于此逻辑。但盲区在于个人加AI与外部合同无法实现风险共担，OPC仅解决能力问题，未涉及信任和风险。合同工不共担风险，可能因高价而消失；雇佣通过月薪购买确定性，确保员工随时可用并了解上下文，这是一种古老的风险共担机制，代价是自由。合伙则要求多人共同押注命运，共担风险，但利益必须远超各自利益。

Chubby♨️@kimmonismus

63

西方长期认为中国在AI芯片领域落后10-15年，但DeepSeek V4的发布颠覆了这一观点。该模型深度优化于华为昇腾芯片生态，可在昇腾950基础设施上部署推理，实现前沿模型大规模运行不依赖西方硬件。虽然单芯片性能上，昇腾950仍显著落后于NVIDIA Blackwell B200，但中国通过“横向扩展”战略，用大量国产芯片集群结合软件优化和模型架构创新（如MoE），使系统级AI能力快速接近前沿水平。这暴露了西方分析的根本错误——将芯片级差距直接等同于能力差距。

阿绎 AYi@AYi_AInotes

59

NVIDIA CEO黄仁勋批评部分CEO散布的AI末日论会伤害社会，导致关键领域人才短缺。他强调，AI将自动化低阶任务，但对架构、判断与创造等高阶能力的需求会激增。技术革命并非零和游戏，历史证明计算机的出现反而创造了更多知识工作。真正的危险在于恐慌叙事阻碍年轻人投资未来。善于驾驭AI的人类将成为赢家。黄仁勋以自身经历为例，指出低期望所培养的韧性是其成功关键。

阿绎 AYi: 说个反直觉的事,黄仁勋把英伟达干到4.9万亿美元,最核心的东西,居然是保持极低期望值, 我看完他在斯坦福的这段演讲心情挺复杂的, 他慢悠悠地说,期望值很高的人,韧性通常都很低,成功最需要韧性,但他不会教你们怎么拥有它,他只希望你们多经历点痛...

Berryxia.AI@berryxia

13

小小东: http://x.com/i/article/2050423658284548096

Chubby♨️@kimmonismus

51

Sam Altman此前的大规模UBI研究显示现金支付未能带来健康改善，他认为现金支付不足，转而推动通过compute shares或Public Wealth Fund实现AI的集体所有权。这一提议旨在让公众直接分享AI发展的上行收益，而非仅仅缓冲AI取代工作的冲击。有人解读此为将AI产品转化为社会安全网的策略。整体上，这反映了应对AI所致失业问题的思路演进。

凡人小北@frxiaobei

26

Andrej Karpathy: The hottest new programming language is English

ginobefun@hongming731

63

本期核心观点是应将AI视为驱动根本性变革的“指数”，而非线性补充工具。杨斌教授指出，组织心智与知识底数需先质变，否则AI放大效应将失效。Karpathy提出编程将演变为设计上下文，程序员角色转向把握品味的“导演”。Demis Hassabis将AGI时间表压至2030年，并指出持续学习与长程推理是关键缺口，建议创业者瞄准“AI推理擅长而暴力搜索失效”的领域构建壁垒。国内实践同样强调，驾驭AI（Harness）与知识沉淀是关键能力。

ginobefun@hongming731

41

清华经管学院杨斌教授提出“AI次方变革”概念，主张应将AI置于指数位置，而非简单的“+AI”加法模式。他认为，“+AI”思维追求短期绩效、线性改进，但AI本身并非成熟工具，其能力持续快速演变。核心观点指出，若作为底数的组织、心智和知识未能率先发生根本性质变，那么指数位上的AI放大效应将无法实现，甚至当底数小于1时，幂运算会导致整体结果塌陷。这强调了组织与人的深层变革是发挥AI指数潜力的先决条件。

ginobefun: http://x.com/i/article/2050470671755730944

凡人小北@frxiaobei

53

AI Coding的发展使程序员日常工作变得流程化，类似于流水线工人。要进一步提升效率，必须将人从紧盯电脑屏幕的状态中解放出来，转向更高层次的决策和设计。作者基于此观点，在团队中推动构建auto Coding平台，实现让Agent指挥多个Agents的自动化编码模式，以推动效率的质变。

阿绎 AYi@AYi_AInotes

57

一个零经验的开发者，仅用两周时间，通过向AI描述创意并筛选最佳结果，便独立完成了一款3D外卖配送游戏。这体现了“vibe coding”模式：AI负责所有执行层任务，人类则专注提供方向与审美判断。此举并非作弊，而是创意的民主化，将过去团队数月的工作压缩至个人短期完成。AI虽能生成一切，却无法判断何为舒适、有趣或富有灵魂，这些正是人类不可替代的价值。未来，这种模式或将开启一个属于普通人的全新创作黄金时代。