Claude Code 将会话记录写入磁盘，其中包含“thinking blocks”，但实际存储的是 600 字符的加密签名，而非推理文本。Anthropic 持有密钥，本地机器无法获取。API 仅返回推理的摘要，而非完整推理过程，获取完整思维输出需要企业协议。作者指出，通过 ctrl+o 获取的“扩展思维”输出是 Fable/Opus 推理的摘要，而非驱动模型行为的实际推理，存在数据丢失。本地文件无法提供智能体使用的逻辑记录，即使抓取输入、输出和动作，也无法获得实际推理。
Berryxia.AI@berryxia
Kling AI@Kling_aiMaria Rubtsova 使用 Kling AI 创作了多支爆款 AI 视频，其中一支累计超 1 亿次观看、近 500 万次互动。她以数字艺术家的眼光进行 AI 创作，打造逼真的女性形象与流畅动作，风格时尚、自信且生动。在本次对谈中，她分享了如何定位自己的创作方向、利用 Kling 让 AI 视频更加真实精细，以及品味始终主导创作过程。完整问答见视频。
咨询公司贝恩使用 vibecoding 构建收购目标软件的 AI 复制品，帮助潜在买家评估其技术是否容易被复制。2023 年由专门工程团队开始，现已扩展至数百个由普通顾问构建的粗略原型。该做法已影响实际交易：一位私募股权投资者称，贝恩的 vibecoded 分析平台复制品直接促使其放弃竞标。贝恩全球私募业务负责人 Rebecca Burack 表示，vibecoding 如同从 2D 看到 3D，用以了解软件公司的实际能力及代码是否是真正的竞争护城河。
Counterpoint Research报告显示，支持生成式AI的机型2026年将占全球智能手机出货量的45%，高于2025年的36%，2027年预计达52%。受内存供应危机影响，2026年全球智能手机出货量预计同比锐减13.9%至10.8亿部，创历史新低。内存成本大幅上涨使低价手机市场收缩，高端市场扩大。运行AI模型需额外DRAM，AI手机批发价目前难以降至400美元以下。长期看，内存压力缓解和端侧模型效率提升将推动生成式AI下放至更亲民的价位。
AYi@AYi_AInotes阿易 AI Notes 用自我验证型 AI 工具 Apodex，拆解“白毛股神”关于 $SIVE 和 CPO 的投资叙事。核查发现五条核心声称中四条站不住：GB200 大量采用 CPO 为假（实际用铜缆）；800V 转型与 GB200 同步不成立（GB200 用 54V）；$SIVE 被夸大为“最纯受益标的”（近 70% 营收来自无线业务）；技术壁垒最高查无实据。英伟达更倾向投资中游厂商。核查报告附 23 条一手来源。
作者在Berkeley观察到AI圈陷入“末日论”狂热，认为Anthropic等公司通过渲染AI急速发展、递归自我改进可能提前到来等恐慌来支撑估值，而非聚焦实际技术。相比之下，GLM-5.2博客展示了渐进改进的技术进步，该模型与Opus 4.8和GPT-5.5相当。作者称当前系统的估值建立在未来假设而非现实之上，并质疑这种通过末日叙事驱动泡沫的做法应被追究责任，呼吁反思如何构建可持续的经济与社会。
Rohan Paul@rohanpaul_ai一项发表于《自然》的研究指出，AI虽能节省时间，但可能削弱专业人士依赖的硬技能。波兰结肠镜研究显示，引入AI工作流后，有经验内镜医师独立操作的腺瘤检出率从28.4%降至22.4%。AI并非让人瞬间疏忽，而是改变了技能培养的“摩擦”机制——从主动搜索变为被动确认。类似现象也出现在软件开发中：一项2026年随机研究发现，AI辅助虽帮开发者完成任务，但过度委派削弱了概念理解、代码阅读和调试能力。
2026年世界杯小组赛，佛得角2:2战平乌拉圭，此前0:0逼平西班牙。赛前12家大模型全部预测乌拉圭胜，0家预测平局或佛得角胜，命中率0%。佛得角连续两场让AI预测模型翻车：AI依赖历史战绩、世界排名、球员身价等量化指标，而佛得角的团队执行力、防守纪律和反击效率难以被数字描述，成为系统性的预测盲区。
2026年6月，Claude和GPT在Artificial Analysis智能排行榜上领先，但Claude推出ID验证促使作者重新评估。开放模型可通过本地或OpenRouter等第三方部署，虽存在隐私、成本与速度问题，但性能与顶级闭源模型仅差几个月，类似2008年Linux与Windows的差距但更小。作者认为转向开放模型的生产力损失是短期且可接受的，并非不可逾越的障碍。
Rohan Paul@rohanpaul_ai皮尤研究中心最新报告显示，仅16%美国成年人预期AI在未来20年帮助社会，40%预期伤害。24%每天使用聊天机器人，51%从未使用。聊天机器人首要用途是搜索信息（42%），38%上班族用于工作，10%用于情感支持，4%用于陪伴。ChatGPT使用率最高（44%），其次Gemini（24%）、Copilot（17%）、Meta AI（14%）、Grok（8%）、Claude（6%）、Character.ai（3%）。30%称聊天机器人提升生产力，28%认为帮助了解信息。60%成年人阅读AI搜索摘要，表明AI正影响信息摄入。
过去企业招聘偏爱简历完美、面试回答高度结构化的候选人。如今生成式AI让求职者轻松做到这些，无论是否有真实能力。面试表现变得可无限扩展且几乎免费，这对招聘方构成严重问题。
François Chollet@fcholletRohan Paul@rohanpaul_ai欧洲2031场景分析警告，若不建立自主前沿AI能力将面临经济与战略脆弱。欧洲误读DeepSeek R1，以为小团队可替代算力，但推理模型有效且算力仍决定规模化。欧洲宣布€200亿InvestAI但分散数年，远不及美国超大规模厂商数据中心支出。美国AI算力17.3GW vs 欧洲1.4GW，导致芯片、实验和模型差距。欧洲人才流向硅谷，最强AI公司融资规模远逊美国。政策制定者因数据保护限制使用前沿工具，企业采用AI因碎片法规和保守管理滞后。主权采购政策在缺乏强大本土供应商时反削弱竞争力。低估推理访问战略瓶颈——美国未来可能限制算力供应。欧洲在ASML等半导体环节有杠杆但未转化为谈判筹码。
LLM 虽大幅降低自建成本，但未归零。以年薪 $200k 的工程师为例，团队花至少2周用 Claude 自建 Jira 替代品后，每月还需2小时维护，需37个月才能收回月费 $400 的购买成本。而像 Salesforce 每座 $500/月、50 座共 $25k/月，足以雇佣 1.5 名全职工程师自建，使自建更接近合理决策。因此存在一个“可行区域”：当软件足够复杂、LLM 重构不易且定价不过高时，购买仍优于自建。
DogeDesigner@cb_doge@PeterDiamandis AI probably exceeds the sum of all human intelligence in 4 or 5 years
Rohan Paul@rohanpaul_ai摩根士丹利开始向数据中心开发商推销杠杆贷款市场。继投资级债券、项目融资、私人信贷、高收益债之后，通常用于LBO的杠杆贷款也涌入AI基建。摩根士丹利预计2026年AI相关债务发行或超5700亿美元，截至5月底已达约2360亿美元，是去年同期的4倍。NYU教授Damodaran对比互联网泡沫指出，AI资本支出规模史无前例，且大量由债务而非股权融资，一旦调整，违约将蔓延至社会，风险远超股价暴跌。
dot-com bubble vs. a possible AI bubble. From the famous "Dean of Valuation", Professor Aswath Damodaran, of NYU Stern S...
Rohan Paul@rohanpaul_aiClaude psychoanalyzing Dario is the AI slop I didn't know I needed.
UC Berkeley分析美国一所大型公立研究型大学超50万份成绩发现，自ChatGPT推出以来，写作和编程任务多的课程A等级比例跃升13个百分点，平均GPA上升0.12分。成绩涨幅主要来自家庭作业而非考试，口头展示类作业成绩未受影响，表明AI替代学生完成作业而非改善学习。研究建议重新设计作业格式。OpenAI CEO Sam Altman警告若不调整教育体系，批判性思维可能萎缩。挪威已在小学全面禁用AI。
一篇文章通过亚马逊搜索“100000 whys”后出现的约150本儿童书籍封面拼图指出，这些封面高度雷同——如几乎所有顶部封面左上角都有一只咆哮的恐龙，以及反复出现的红白火箭、金毛犬、狮子等图案——正是AI生成内容的典型产物。作者认为LLM写作的独特之处不在于个体风格与人类不同，而在于它们面对几乎任何普通提示词都会调用同一套复杂手法，导致输出呈现准确定性相似。这种模糊信号在随意场景中可凭直觉识别，且随着内容生产成本远低于消费成本，这种直觉愈发重要。
ginobefun@hongming731BestBlogs 第100期特刊《百篇回顾》发布，精选两年间AI领域100篇文章，梳理六条发展主线：一、模型从会回答到能干活；二、AI Coding实现变便宜、验证变贵；三、工程范式把隐性判断写成文字；四、Agent一套冷静的工程常识；五、产品商业从卖工具到卖结果；六、领袖思想答案变廉价、提问变值钱。提供阅读清单、24分钟播客和图文三种形式可选。
http://x.com/i/article/2068589784554250240
ginobefun@hongming731BestBlogs精选周刊发布第100期，回顾两年AI发展。作者认为每周信息虽碎，但整体脉络清晰：AI答案越来越便宜，提对问题、做对判断反而更值钱。从数百万篇内容中精选6000多篇，再从中挑出100篇，配上AI播客和图文，做成两年回顾导航图。
http://x.com/i/article/2068589784554250240
AYi@AYi_AInotes一个自学编程的人，用 Claude Code 破解了3500 年前克里特岛的 Linear A 文字🤯 过去三年我们一直在说 AI 会取代人类专家，Linear A 这个案例恰好反过来了，一个自学工程师用 Claude Code 写了几百行 Python，交叉比对两个公开数据库，输出了一套 408 词的词典，但他从头到尾没让 AI "自己判断"，所有假设都是他提的，AI 只负责跑验证。 Tom 用的方法很朴素：
Cool way to use Claude Code: deciphering Linear A, a 3500 year old written language from Crete https://aiclambake.com/cl...
ginobefun@hongming731BestBlogs周刊第100期特刊回顾两年AI发展，核心洞察：答案变便宜，判断变贵。模型层：DeepSeek-V3（6700亿参数、每次激活370亿、训练成本约557万美元）和R1（纯强化学习推理开源）将效率与开源变成新范式。AI编程层：Codex案例中模型7小时迭代200轮测试仅改动500行代码，验证成为新瓶颈；Claude Code内部编写约80%代码。工程范式从提示词转向上下文工程。两年间模型从问答知识库长成独立执行器，人从写代码退到判断、验证和为结果负责的位置。
随着实现速度加快，审查AI生成代码成为新瓶颈。作者发现，即便遵循分阶段、小变更等良好实践，审查自己未亲手思考过的代码仍带来认知过载。他经常拒绝AI编码助手生成的全部代码并从头重写，理由包括：无法用自己的话解释其思路、diff大于问题本身、在未证明必要性前就引入抽象、本地能运行但让系统更难推理、信任输出超过理解。作者主张必须人工审查与AI审查结合，强调AI仍需优秀工程师引导才能产出可持续的解决方案。
25岁创业者徐子文（Ziwen Xu）启动自制《GTA6》项目GT-Caliber，使用Anthropic旗下Claude Max 20x大模型，配合多款AI智能体循环运行，实时收集社区需求并自动生成代码。开发首周先后从Godot引擎迁移至虚幻引擎，最终选定Unity。九天进展包括路人NPC自主行走、道路交通、武器系统及仿Instagram游戏手机，第七日生成洛杉矶风格居民区。项目开源托管于GitHub，无发行商支持。R星官方已公布《GTA6》预购6月25日开启，11月19日登陆PS5、Xbox Series X|S。
François Chollet@fcholletLevie now uses Salesforce 5x more than at any point before. The Box CEO @levie connected Salesforce's MCP server to Clau...
一位读者发现自己下意识更偏爱2022年及之前出版的书籍，尤其对不熟悉作者的近期作品会降低权重。他确信那些书中的每个字都经过人工输入、检查、编辑和校对，这种人力投入赋予书籍独特的价值感。尽管他经常使用大语言模型完成编程工作并认可其产出质量，但仍难以摆脱对人工创作努力的看重。他意识到这种心态可能类似前人担忧新技术“拉低社会水平”，但认为人类最终会适应并接纳这一新工具。
ginobefun@hongming731李飞飞与David Roger提出“哑铃效应”：文本智能成本趋零，劳动力向顶尖1%专家和高能动性通才两极坍缩，中间岗位萎缩。Tokenmaxxing三月潮起——OpenAI工程师周耗2100亿token，Claude Code重度用户月花15万美元；五月迅速退烧——Amazon关闭排行榜，Uber烧光2026年全年预算，微软将工程师迁回Copilot CLI。数据揭示Agentic coding token消耗是普通问答千倍，70%耗于探索与修复；写代码效率增180%，但传导到发布仅剩30%增量。Claude Code八种上下文注入机制为高能动性通才提供工程抓手。
Rohan Paul@rohanpaul_aiNYU Stern商学院估值教授Aswath Damodaran指出，AI的10-15万亿美元可寻址市场如果成功实则“可怕”。原因在于：AI作为工具的市场远小于替代人类的市场；只有AI取代人类，才能实现这一规模。若成真，半数白领将失业，社会面临收入丧失和人生意义缺失。他在播客中还讨论了TAM陷阱、AI单位经济学、增长伴随再投资可能破坏价值，以及AI正将部分科技巨头从轻资产公司转变为基础设施公司等观点。
"Growth, when it's accompanied by huge amounts of reinvestment and substandard gross margins, might not just be neutral ...
Rohan Paul@rohanpaul_aidot-com bubble vs. a possible AI bubble. From the famous "Dean of Valuation", Professor Aswath Damodaran, of NYU Stern S...
旧金山营销公司 Qontour（原 Prompt Digital）盗用了 John Koenig 的畅销书《The Dictionary of Obscure Sorrows》全部文本，将其发布在新域名网站上，但把书中原本由 Koenig 等人创作的拼贴插图替换为 DALL‑E 2 生成的 AI 图像，并添加了“Submit A Sorrow”功能——用户描述感受后，OpenAI 的 GPT‑4 会自动生成新词、词源和定义。Koenig 本人否认参与，称对此毫不知情。Qontour 在页尾标注自己是“粉丝”，并声明不拥有网站素材的任何权利。
AYi@AYi_AInotes同一任务、同一 prompt、同一参考图下，GLM-5.2（价格 <$0.10）效果接近 Fable 5（约 $5）的九成，价格仅为后者五十分之一。作为最强开源模型，GLM-5.2 体积从 1.5TB 压缩 84% 至 238GB，可在 256GB Mac 本地运行，保留 82% 能力。当开源模型跨过“够好且便宜到随便用”的线，设计探索第一步的默认选项可能从 Fable 转向 GLM-5.2。
把 1.5TB 的模型剁掉 84% 的体积,塞进本地跑,还剩 82% 的功力, 这就是GLM-5.2,最强开源模型, 现在缩骨到了 238GB,256GB 的 Mac 或者同档 RAM/VRAM 的机器就能带起来了 技术博客:http://...
Berryxia.AI@berryxiaGoogle DeepMind内部员工爆料，实验室已陷入严重焦虑与不满。当前DeepMind在Artificial Analysis智能指数仅列第五，落后Anthropic、OpenAI及智谱AI。上一次重大模型更新是4个月前的Gemini 3.5 Flash，实际表现大多未超越2月的Gemini 3.1 Pro。原定6月30日发布的Gemini 3.5 Pro，内部共识认为“不是AGI竞赛所需的阶跃变化”。员工坦言在文本、图像、视频、语音、视觉领域均已失去前沿模型。关键人物Noam Shazeer选择离开，被指不会是最后一位出走的大牛。
🚨 SCOOP: After the release of Fable 5 and with GPT-5.6 looming, the mood behind the scenes at Google DeepMind is increa...
SemiAnalysis@SemiAnalysis_2022-2023年Meta的Llama架构还是干净的重复Transformer模块，如今LLM已复杂：多种注意力变体（查询分组、压缩、稀疏、线性、滑动窗口等）、混合专家从FFN扩张到注意力块和残差流、视觉/音频编码器从外挂变为融合、多GPU推理引入通信操作。Seb Raschka的架构图库可对比Llama 3与Nemotron 3 Ultra。PyTorch的FlexAttention通过Triton模板生成可组合注意力核。Andrej Karpathy加入Anthropic，强调架构可组合性与智能体自动研究循环的重要性。
Ethan Mollick@emollickNew research: Is AI making employers view labor as more of a commodity? In a large online labor market, we find that pos...
Ethan Mollick@emollick*Another* apparently AI-generated story wins a literary prize, this time judged by a panel including the novelist Ruth O...
