思考等待计算：AI或可攻克难题

截至2026年5月，我们合并到Anthropic代码库中的代码有超过80%由Claude编写。 与独立测量结果一致。确实没有迹象表明这一趋势正在放缓（但这并不意味着吸收如此多的生产率提升没有组织挑战）。

我写了一篇新文章，探讨我们需要保留哪些人类特质，以及哪些可以交给AI，其中涉及教育、咨询领域的实验，以及最近关于文学奖的争议。

我认为人们没有意识到Gemini Omni与其他视频AI的不同之处。它是完全多模态的，因此也能原生编辑视频。 我拿了1896年著名的"火车"电影，把它变成了高铁、乐高，加入了时间旅行者、蜈蚣、布偶……（看到倒影了吗？）

如今实验室从业者们的言论非常奇怪，即便以AI领域的讨论标准来看也是如此。这让我觉得，每个人都在对快速变化的事件做出被动反应--无论是AI已展现的能力，还是公众的认知。

快，散布一些关于Anthropic即将解决其他真正难题的传闻。

AI 似乎正在超越最优秀预测者的预期。

OpenAI 宣布给出 Navier-Stokes 千禧年大奖难题的一个解，证明由一组智能体使用比 GPT-6 Astra 能力显著更强的 OpenAI 下一代模型完成，该问题关于 Navier-Stokes 方程描述的三维光滑流体运动是否会失去正则性，约 90 年未获解决。Ethan Mollick 转述称这是大事，但学术署名归属与证明竞赛中的时间先后争议仍需解决。

我成功让一个小型本地模型演奏了《4′33′′》

我认为这不是最初的目标，但 Astra 在视觉美观的 3D 作品（如 Blender 等）方面表现出色，这使它在社交媒体注意力之争中比 Fable 更具感知优势。其他类型的输出更难评判，但视觉内容的效果一目了然。

我认同我们正处于"锯齿状AGI"时代--AI在诸多领域已超越人类，但在其他方面仍显不足。但这算AGI吗？若你指的是在大多数人类任务上超越人类专家，我们尚未达到（或许尚未？）。 然而，AI如今所达到的水平及其发展速度之快，依然令人惊叹。