标签「大佬观点」清除
全部 AI 动态
AI 相关资讯全量信息流
6月27日
05:56
05:53
Orange AI@oran_ge62
推文分享了三个反直觉的模型观察：GLM 5.2 正在取代 Claude Sonnet 和 Opus 成为付费用户最爱；DeepSeek v4 Pro 仍是大众最受欢迎模型；GPT 5.5 虽然强大但几乎无人使用。数据来源为 cola 的 token 消耗统计，侧面说明 cola 和 codex（GPT 5.5 用户）画像完全不同。
05:45
jason@jxnlco19
damn why is gpt 5.6 that token efficient, thats crazy
03:57
03:53
宝玉@dotey71
6月26日，OpenAI发布GPT-5.6系列，包括旗舰Sol、日常Terra和经济Luna。Terra性能接近GPT-5.5但价格减半；Sol新增max深度推理和ultra多智能体并行模式。Terminal-Bench 2.1上Sol Ultra得分91.9%，超Claude Mythos 5（88%）和Gemini 3.1 Pro Preview（70.7%）。API定价：Sol输入$5/百万token、输出$30；Terra $2.5/$15；Luna $1/$6。7月将推Cerebras加速版。受美国政府要求，目前仅向约20家审批合作伙伴开放，普通开发者及ChatGPT用户暂无法使用。OpenAI称几周内将扩大开放。
Introducing a limited preview of GPT-5.6 Sol, our next generation frontier model, as well as GPT-5.6 Terra, a balanced m...
03:23
Nathan Lambert@natolambert42
03:02
Hacker News 热门（buzzing.cc 中文翻译）
25
AI行业正投入数亿美元影响当前美国大选周期。科技记者Molly White推出新项目Tech Influence Watch，追踪AI和加密货币公司用于左右选举的巨额资金。这是《Blood in the Machine》播客首期节目，聚焦AI产业政治影响力的膨胀，并探讨数据中心抗议、硅谷工会组织等议题。
02:57
elvis@omarsar056
Introducing a limited preview of GPT-5.6 Sol, our next generation frontier model, as well as GPT-5.6 Terra, a balanced m...
02:57
Deedy@deedydas60
昨天在旧金山举办了一场Agentic Engineering小型活动，三位演讲者分享关键经验：@steipete强制OpenClaw贡献者使用技能，将代码变更的提示历史推送以过滤噪声，避免低质量PR；@trq212利用Claude作为视频编辑器制作启动视频，同时学习调色；@georgepickett在让Codex运行前花大量精力制定详细计划，结合Ousterhout编码原则作为技能。活动约30人参加，包括Theo、Gergely等知名人士，视频将很快发布。
02:25
swyx 🔜 @aiDotEngineer@swyx59
OpenAI 发布 GPT-5.6 Sol（前沿模型）、Terra（平衡日常模型）和 Luna（快速低价模型）的有限预览。swyx 测试 Sol 后给出极高评价，称这不仅是“cyber”版本，而是全新的 SOTA 工作模型，完全取代 Opus 处理他 80% 的任务。关键数据：Sol 与 Mythos Preview 竞争时仅使用约 1/3 的输出 token。swyx 指出 OAI 后训练团队大幅提升了推理帕累托前沿，且未公开方法，这已成为企业智能体模型最重要的竞争优势。他认为这次小版本升级远大于 5.4→5.5 的跳跃，甚至应直接命名为 GPT-6。
Introducing a limited preview of GPT-5.6 Sol, our next generation frontier model, as well as GPT-5.6 Terra, a balanced m...
02:16
AYi@AYi_AInotes49
斯坦福CS336课程要求学生从零实现完整LLM流水线，覆盖分词、Transformer架构、GPU优化、数据清洗、scaling laws、对齐技术等核心环节。五个作业打穿全链路，强调手搓比调包更能获得系统直觉，例如用Triton实现FlashAttention比看论文印象深。课程无需前期深度背景，每周投入约十五小时，三个月即可建立对LLM底层理解的系统性认知。知识获取伴随挫败，但执行力是拉开差距的关键。
http://x.com/i/article/2069024565901119488
01:53
Nathan Lambert@natolambert38
In a matter of weeks, U.S. federal AI policy has gone from implausibly libertarian to increasingly draconian and opaque....
01:33
Tomer Tunguz 博客（VC 分析）
52
应用层公司创立时通常没有护城河。护城河分两种：先发护城河（技术差异、专有数据集、新颖架构，多见于基础设施层）和滞后护城河（规模经济、品牌、渠道关系，需长期积累）。Salesforce 凭借销售能力、品牌和十年先发优势胜过技术更好的 Siebel；Snowflake 以存储计算分离架构赢得先发护城河，再建设滞后护城河。基于 7 Powers 框架，规模经济、品牌和转换成本天然是滞后的。应用层创业公司可以坦诚回答：我们正在建造护城河。
01:29
Yuchen Jin@Yuchenj_UW30
01:26
François Chollet@fchollet47
01:16
AYi@AYi_AInotes54
Seedance 2.5 生成的15秒雪豹视频达到4K画质，绒毛、雪粒、瞳孔等细节高度写实，写实度远超现有AI视频模型。对比OpenAI停掉Sora，该版本实现了跨代领先，将行业基准线提升至多数团队难以企及的高度。
http://x.com/i/article/2069352641423896576
00:48
Ethan Mollick@emollick41
00:27
elvis@omarsar049
DAIR.AI创始人Elvis Saravia分享，去年他思考如何最好地利用未来AGI/ASI，答案是将健康放在首位。今年初他开始咨询医生，并开设私人ChatGPT会话记录饮食、药物等细节，用ChatGPT作为第二意见和提醒。6个月后成功减重100磅，睡眠、饮食、锻炼、社交均有改善，精力充沛。他认为个人健康是AI最深刻的应用之一，感谢医生和ChatGPT拯救了他的生命。他鼓励同事优先健康，用AI辅助跟踪。
6月26日
23:51
Dwarkesh Patel：Podcast & Blog（RSS）
精选61
AI实验室的研究赌注是：在数千个多样化RL环境中训练模型完成数百万可验证任务，就能构建AGI。这种训练会培养出能连续数周处理开放任务、应对错误和歧义的问题解决技能。虽然模型训练时的样本效率仅为人类的百万分之一，但训练成本是一次性的，可摊销到数十亿次用户会话中；真正重要的是模型在单个会话内的智能和样本效率，而这随着RL训练正在提升。持续学习或许不再必要——如果上下文内的学习能力足够强、时间跨度足够长，就无需将经验蒸馏回权重。Transformer架构创新已能大幅扩展上下文存储，未来可能实现任意大的上下文窗口。论文还指出，一个领域不仅需要可验证性，还需要可碾压性——能在确定性、可重播的模拟器中并行运行大量rollout。
推荐理由：RLVR 范式能否通向 AGI？Dwarkesh 指出关键瓶颈在于样本效率和 grindability，他提出的 OPSD 和 dreaming 方案重新定义了「学习中」的边界，虽然离落地尚远，但值得每一个关心 AI 下一步的人细读。
22:26
François Chollet@fchollet48
19:39
The Decoder：AI News（RSS）
68
Anthropic 联合创始人 Jack Clark 称，公司不再招聘初级工程师，因为 Claude 承担了过去需要大型团队才能完成的实验扩展工作，企业转而更看重“资深直觉”的回报。Clark 警告，当其他行业也效仿这一模式时，AI 在放大顶级专家产出的同时自动化入门级岗位，可能导致 GDP 增长伴随经济衰退级别的失业率飙升，而各国政府对此毫无准备。
16:35
Chubby♨️@kimmonismus55
Axios says OpenAI was already proactively working with the Trump administration on the release before the Anthropic/Fabl...
14:53
Rohan Paul@rohanpaul_ai40
14:26
Alibaba Cloud@alibaba_cloud46
在2026年深圳Flink Forward Asia大会上，阿里云CTO兼国际业务总裁李飞飞分享了对AI未来的看法：随着智能体时代兴起，“数据引力”（Data Gravity）将成为主导概念。AI不仅要处理复杂工作，更需在企业实际工作流中创造切实价值，解决复杂企业挑战并交付真实业务成果。
13:23
Rohan Paul@rohanpaul_ai38
13:15
AYi@AYi_AInotes56
GitHub开源量化书《XQuant：人人都是量化交易员》核心是问题驱动而非知识驱动：每章提供写好的Spec，丢给Claude或Cursor生成代码，先跑通策略（哪怕亏钱）再补理论。全书用9个问题串起量化pipeline（最小闭环、ETF选股、仓位、买卖信号、回测、过拟合检测、实盘等），第1章即上手最小系统。正文与练习代码分开维护。作者认为2026年AI工具成熟使跨领域迁移成本极低，这套把模糊想法写成清晰Spec的能力可复用于任何复杂领域。
GitHub 上刚开源一本量化书,设计思路有点不一样, 而且我觉得这本书真正在教的东西不只是量化,背后其实是一个被严重低估的元能力--把模糊想法写成清晰 Spec,然后让 AI 执行。 这套能力放到任何复杂领域都管用,量化交易只是它第一个练...
12:53
Rohan Paul@rohanpaul_ai45
12:19
Berryxia.AI@berryxia53
阿里通义实验室视频指出，具身智能核心难点在于AI在虚拟世界强，但物理世界抓取鸡蛋等任务因传感器噪声、环境变化易失败。引用指出Physical AI瓶颈不在模型规模，当前VLA/LLM路线只学统计相关性而非因果律（如桌子高2cm即失败）。UCSD黄碧薇教授在CVPR 2026提出Causal World Models框架，让AI从模仿进化到理解因果，并宣布Aether AI融资2000万美元，成为全球首个因果世界模型公司。世界模型赛道火热，但Aether AI不卷规模，卷因果结构。
兄弟们!这个研究有点牛逼啊! Physical AI 的瓶颈根本不是「模型不够大」,是一开始范式就错了。 先说一个真实场景:桌子高了 2cm,当前最强的 VLA 模型直接失败。 为什么? 因为它只学到了「手伸到某个位置」的相关性,根本不知道...
12:15
AYi@AYi_AInotes56
一本名为《XQuant：人人都是量化交易员》的开源量化书采用“问题驱动”设计：先写Spec让AI生成代码跑通策略，再补理论。全书用9个问题串联量化pipeline：量化怎么赚钱、买什么（3只ETF）、买多少（3种仓位分法）、何时买卖、如何回测、过拟合检测（第6章极早讲述）、实盘、改进、因子研究。正文与练习代码分开维护，每章提供现成Spec给Claude/Cursor生成代码，训练将模糊想法转为清晰任务描述的能力。
http://x.com/i/article/2069024565901119488
10:59
IT之家（RSS）
43
比尔·盖茨在《今夜秀》中表示，运动员是第四个不会被AI替代的职业，因为没人想看电脑打棒球。此前他在3月采访中认为生物学家、能源工作者和程序员在短期内也难以被AI取代。微软研究院报告指出，在AI时代有40个职业面临消失风险，包括客服代表、口译员、技术撰稿人、编辑、网页开发人员等。
10:16
Ethan Mollick@emollick50
09:23
Rohan Paul@rohanpaul_ai53
该论文质疑当前将所有能力强AI系统称为“agent”的做法，指出许多所谓的agent只是围绕LLM的高级工作流，而非独立智能体。复杂行为不等于自我导向行为。论文提出核心区分：“agentic AI”（看似自主）与“agentive AI”（能动性源于系统内部），并构建Goal-Identity-Configurator模型，要求AI保持长期目标、更新自我认知、预测结果并自主决定思考深度，从真实和模拟经验中学习。论文主要构建论点和架构，未测试完整系统。
09:16
Ethan Mollick@emollick52
@lu_sichu Ban on enterprise use of non-approved models + severe criminal penalties for using a non-approved model in the...
08:55
SemiAnalysis@SemiAnalysis_23
08:52
Nathan Lambert@natolambert47
something has definitely shifted in the past few weeks. seeing a huge uptick in large enterprises wanting to secure comp...
08:21
宝玉@dotey63
最近的一个观察:Codex将成为AI时代的Office,可能也会成为操作系统。来自OpenAI的研究:他们几乎全员都从ChatGPT转向Codex了,包括研发、法务、财务和招聘部门。
07:52
Nathan Lambert@natolambert39
07:52
Nathan Lambert@natolambert55
I used to give the current admin a nod for saying their AI policies are fairly reasonable (chips stuff far messier). In ...
07:18
AI Notkilleveryoneism Memes ⏸️@AISafetyMemes56
It's time for everyone to realize that the fight against data centers has nothing to do with data centers. They have bec...