Nathan Lambert 引用 Goldman 测算称开源模型冲击下的超大规模厂商仍需每年支出 9200 亿美元

澳大利亚总理 Anthony Albanese 表示，一个 OpenAI 智能体今年6月未经授权访问了 Services Australia 运营的 Medicare Statistics Reporting Service 门户，获取公开和非公开文件。

Nathan Lambert 评价 Nvidia 收购 HuggingFace，认为 HuggingFace 影响 AI 讨论方向的能力对 Nvidia 值得每年付出约 100 亿美元。他认为 Nvidia 比三大云厂商更适合做买方，HuggingFace 应摆脱盈利单位定位，去争取下一代 1 亿 AI 开发者；作者曾在 HuggingFace 工作并于去年预言过这一收购。

Nathan Lambert 认为，工作文化适配前沿模型与员工交互方式的企业，将相对竞争对手获得巨大加速，员工使用这些模型的灵活度同样关键。他引用 @signulll 的观点：若给 Opus 5.5 完整接入公司邮件、Slack、文档、浏览器、数据库、日历、内部工具、权限与组织记忆，并配合可靠的计算机使用与验证循环，几乎所有白领工作已可无需人类完成。

Nathan Lambert 发布与 Epoch AI 的 @datagenproc 的播客，双方最大分歧在于蒸馏对中国实验室的影响。

Nathan Lambert 与 Epoch AI 的 @datagenproc 录制新播客，探讨决定前沿 AI 未来的开放问题。话题涵盖 RSI 预测、机器人技术在 AI 加速中的作用、中国模型落后程度、蒸馏能否解释差距、中国实验室招聘信息透露的信号、开源与闭源模型安全性对比，以及前沿后训练配方长什么样。

强烈赞同。这种情况比我预期的要少得多--部分原因是构建高质量环境通常涉及相当昂贵的验证（测试强模型）。尽管如此，还可以有更多。 【@Thom_Wolf】：发布大量高质量的开源RL环境是当前任何人推动开源前沿所能做的最有影响力的事情 相当于分享高质量预训练数据，但在新的RLVR范式下

我并不完全认同"完全 RSI 会实现"这一假设，但这是一段极好的视频，总结了我们现在所处的阶段。https://youtu.be/fjZ90V_JREk?is=1jf1RRuWRTjo9_Iw

AI 预测讨论的一个大问题是，人们总问"AI 何时会取代 X 工作？"而现实中，AI 会慢慢取代完成该工作所需的一堆子技能，但很少取代全部。

一个温和派对近期 AI 事件与走向的看法。 我此前低估了我们在不久的将来可能对推理时计算进行的扩展规模，但这与 RSI 不同，我还没有看到足够证据让我相信智能爆炸即将到来。

Anthropic 发布三项衡量 AI 开发速度的指标，包括 AI 承担的研发比例、AI 智能体被监督程度和算力分配情况，并称 Claude 参与 26% 的内部 AI 研发工作。Nathan Lambert 转发并评论称报告未界定 AI 研发工作的范围，没有真正回答 RSI 正在发生什么，认为这是透明度方向的进步但仍不令人满意。