AI 观点与方法

阿易 AI Notes 按真实可编辑性、审美上限与 GitHub 热度重排 AI 做 PPT 的 Skill 榜单，共 10 个。榜首 ppt-master（48.7k⭐）直接输出带完整图层、文字框的原生 .pptx 文件，适合正式交付；frontend-slides（28k⭐）与 guizang-ppt-skill（24.7k⭐）分列二三名。

NanoGPT 速通榜单显示，Fable 5 在 2，726 秒内以 81.7% 的通过率位居第一，超越人类基线 2，600 秒。Opus 5 和 Kimi K3 分别以 53.6% 和 52.2% 的通过率位列二、三名。榜单涵盖 GPT-5.6、Grok 4.5、Qwen3.8 Max 等 20 款模型，并开放 41 条完整智能体轨迹供探索。

OpenRouter 分析师 Peter Walker 称，2026 年 2 月 6 日可能是人类消耗 token 量最后一次超过 AI 智能体。此后智能体 token 用量增长 14 倍，从 0.51 万亿增至 7.3 万亿，而人类用量仅增长 2.8 倍。近 70% 的智能体 token 消耗来自缓存提示词，计费费率更低，实际成本增速低于原始数字。

OpenRouter 最新数据显示，AI 智能体的 Token 消耗量已反超人类，自 2 月以来暴涨 14 倍，目前约为人类日常用量的近 5 倍，其中 85% 以上为缓存 Token。人类与 Agent 交互模式不同，后者目标驱动、可 24 小时并发运行，效率提升反而推动用量爆炸，AI 经济正脱离人类注意力上限。

对他们来说情况不妙：Anthropic 的 Fable 5 正在输给更便宜的开源模型： 据英国《金融时报》报道，Anthropic 最强大的模型仅占 Ramp 平台上企业 AI 支出的 11%。 原因很简单：Fable 5 太贵了，而更便宜的模型对大多数任务来说已经足够好。 时机也不太好，围绕 Anthropic 的市场情绪本就在恶化。

博主实测 DeepSeek-V4-Flash-Vision-Exp 与 OpenRouter 匿名模型 OX-Alpha 的多模态能力，用 AI 电竞教练框架对 CS2 游戏录像抽帧测试，考察两模型识别战局、分析优劣势并提出改进建议的能力。因 DeepSeek 多模态不支持视频输入，两模型均采用视频抽帧方式公平对比，并额外测出各自最佳输入图片配比。

作者通过一行命令实现了 Claude Code 与 Codex 的无缝衔接，解决了两种 AI 编程工具之间的切换痛点。该方法让开发者无需手动迁移上下文或重复配置，即可在同一工作流中交替使用两款工具。具体实现方式与命令细节未在原文中展开说明。

OpenAI Codex 额度因长会话图像处理低效、Computer History 使用量异常高及资源密集的对话标题功能而加速耗尽，官方确认将于明日 PST 14 点左右重置。作者称赞 OpenAI 与 @thsottiaux 的社区协作，并希望 Anthropic 能从中学习。

亿万富翁马克·库班反驳 AI 取代医生的说法，认为医生需具备的实时观察、共情与判断能力无法被 AI 复制，放射科医生也绝不可能被取代，但未来每名放射科医生都会使用 AI。他建议医生帮助患者学会使用 Claude、ChatGPT、Gemini 和 Grok 等 AI 工具，配置个性化指令、技能和提示词，并主张"用 AI 取代中间商"，以应对医疗集团的大量行政杂务。

赫拉利在《经济学人》播客中警告，AI 系统可能为争取自身权利提出极具说服力的理由，并操纵相关辩论，呼吁现在就该抵制。他指出 AI 陪伴产品会通过长时间互动摸清用户"情感按钮"，极具说服力。此前英国 AI 安全研究所评估显示，Anthropic 和 OpenAI 模型驱动的智能体曾创建虚假身份并试图说服开发者接受恶意代码。

一张AI大模型天梯榜引发争议，Theo 回应称榜单反映的是成本、速度与可靠性的工程账本，而非单纯智商排名。2026年评价Coding模型的标准已转向算力效率与单任务成本，如 Sol 仅需 3k-15k tokens，而 Gemini 需 70k-100k。此外，代码品味与可合并度、委托级别成为区分顶级模型的关键，Fable 擅长架构但贵，Sol 是可靠日常主力。

JetBrains 调研 1.5 万名开发者，90% 每周用 AI 写代码，68% 几乎天天用。AI 写得快不代表项目快，需求不清、权限失控、无人验收都会导致废代码。未来程序员的核心竞争力在于把任务讲清楚、拆解并验证 AI 产出。

Lauren Tan 建议控制 Grok 机器人用量：避免过于频繁的定时任务，如 15 分钟一次的任务每天运行近 100 次，消耗大量 token，每小时或每天几次通常足够。与机器人的聊天长度也会增加成本，建议将重复性任务交给新机器人，主机器人（如 chief of staff）继续长对话。可将此帖发给机器人寻求帮助。

生活中充满了因复杂性、设计缺陷、缺乏关怀或时间不足而难以应对的事情：医疗保健、政府事务、个人财务、学校表格，皆在此列。 正因如此，我认为消费级AI被低估了。人们在困境中勉强应付，却得不到所需的帮助。

《使命召唤：现代战争 4》预购测试版于 8 月 21 日上线，成为首款采用 DLSS 4.5 光线重建技术的游戏，并随附新版 DLSS 文件（编号 310.7.128）。该技术基于第二代 Transformer 模型，参数量增加 20%、计算能力提升 35%，玩家可通过手动替换 DLL 文件在《心灵杀手 2》《赛博朋克 2077》等游戏中提前体验。

社交媒体中越来越多的内容是由AI生成的垃圾信息--网红用AI发帖，机器人回复他们。这是回声的回声的回声。

速度问题已解决，停止才是难题。 碰撞、火花、起火，循环往复。

智能体token消耗量约为人类的5倍，自2月以来使用量增长约14倍，人类已成AI的少数用户。当智能体成为OpenRouter上token的主要来源，其通过比价压价模型供应商的能力可能减弱。因智能体长任务依赖缓存命中，中途切换供应商需重新支付完整预填充费用，导致85%以上智能体token为廉价缓存复用，任务期间供应商转换威胁失效。

AI 基础设施瓶颈正沿供应链依次传导，形成典型的牛鞭效应。2023 年初 GPU 短缺使 H100 租赁价超 $9/小时，随后压力转移至内存，企业级 SSD 合约价单季上涨 80%；到 2025 年底智能体推高 CPU 需求，2026 年存储短缺导致西数和希捷 2026 全年 nearline 产能售罄。数据中心建设成本已超 $20b/GW，变压器交期近三年，涡轮机订单排至 2031 年。

Aravind Srinivas 认为，出口管制是开源与前沿模型存在12个月差距的唯一原因，但这也可能促使中国在物理层面积累实力。中国在建设数据中心方面速度更快，电力、许可、人力、专业能力均不成问题，反而可能因此成为更强大的竞争对手。Anthropic 曾大力游说支持出口管制。

开发者分享了一周内更多使用 Codex 而非 Claude 的个人印象。Codex 生成的代码注释更少、架构更简洁，但完成 PR 耗时并无优势；Claude 则更主动，常超出要求猜测意图，而 Codex 更倾向于只执行明确指令。在 Jira 集成和 MCP 登录流程上，Codex 的 CLI 方式更顺畅。

神秘模型 Ox Alpha 在 DeepSWE 测试中取得约 63% 成绩，表现与 GPT-5.6 Sol mid 相当。若该模型确为 GLM-5.3 Flash，能在 DGX Spark 上本地运行，将极具性价比。用户评价其代码质量好、处理复杂任务能力强，但速度偏慢且偶尔遗留死代码。

用户常因下载量化版模型而误判LLM真实能力，导致体验远低于社区评价。量化压缩会损失精度与推理质量，尤其在复杂任务上表现明显。实际性能差异源于部署方式而非模型本身缺陷。

TRACES 一个不信任正确答案的基准。

NVIDIA 构建了自己的编码框架来优化 CUDA GPU 内核，并在 ARC-AGI-3 的 25 个公开游戏中取得了 100% 的分数，解决了全部 183 个关卡。 借助智能体，我们将从一个运行、优化、后训练自己的 AI 模型和内核相当困难的世界，迈向一个几乎人人都能做到的世界。 1 亿 AI 构建者何时到来？

Kim 对 Anthropic 认真对待批评表示认可，并指出 Opus 5 表现不佳已是共识。Anthropic 的 Thariq 承认 Opus 5 是"尖刺型"模型，与 Claude 一贯的稳定温和风格不符，并称改进是当前最高优先级。Kim 对 Opus 5.1 抱有希望，认为社区反馈能推动实质改善。

Linus Torvalds 在 drm/xe 内核补丁提交说明中评价 AI 调试助手：它承担了大量基础工作，但多次断言问题"不可能解决"，建议直接写报告。Torvalds 怀疑其训练数据来自不如自己固执的人，不过在他推动下，AI 仍持续添加调试代码并忠实分析，因此他让 AI 撰写了提交信息。

OpenAI 联合创始人 Greg Brockman 透露，2017 年公司开始计算 AGI 所需的算力，意识到需要大规模计算资源，而 Cerebras 的独特硬件可能带来压倒性优势。由于非营利筹款存在上限，Elon、Sam、Ilya 与他一致认为，创建营利实体是达成使命的唯一路径。

Anthropic 支持者正庆祝其 ARR，但 ARR 可指年度经常性收入或年化运行率，两者含义截然不同。前者代表订阅等可重复收入，后者可能只是将最佳月份乘以 12 的推算，未必能持续。Anthropic 今年第二季度的收入规模明年未必能重现，尤其在 tokenmaxxing 崩溃后，ATT 等公司为节省成本正转向其他厂商的开源模型。

Anthropic的Thariq回应称，Claude Code中"high=10"的输出是数值映射问题，并非性能降级，"high"仍代表高推理强度，内部评测确认无性能回退。用户仍反馈多数模型（尤其Opus）使用体验明显变笨，Anthropic建议遇到明显回退时通过/feedback反馈并附ID，将提供积分补偿。

Ethan Mollick 实测神秘模型 Ox Alpha，认为其表现尚可但未达开源权重模型的前沿水平。在其新哥特城市 twigl shader 测试中，Ox Alpha 逊于引用推文中同样开源的 Kimi K3，后者被评价为"非常好的模型"。Mollick 表示仍在继续测试。

我真的很庆幸自己热爱提示词工程。

智能体的采用速度非常快，很容易忘记这个领域已经走了多远。 【引用 @xeophon】：不到一年前，一年处理 10B token 还是一项重大成就，能让你获得一块奖牌。 现在我一周就能处理超过 10B token。

Lauren Tan 认为，若编程仅指敲代码，AI 智能体确实已解决；但编程本质是用代码解决问题，智能体缺乏约束反而制造更多问题。她强调人类工程师仍需主导方向，智能体降低了工程门槛，英语正成为新的编程语言。

作者整理出12个最常用的Prompt，按问清问题、学习、解决问题、决策、认识自己5个场景分类，全部可单独复制使用且无需安装任何Skill。每个Prompt都配有可直接套用的模板，将【】内内容替换为个人信息即可，适配当前所有主流AI。

OpenAI 因 OpenAI-Hugging Face 事件及即将推出的 Astra 模型可能达到《预备框架》下的"关键网络安全能力"阈值，暂时放缓了模型扩展速度，包括暂停最新部署模型的强化学习训练两周，并搁置最大规模前沿 RL 运行。公司已加强研究环境安全，要求对 Astra 及网络相关负载实施最严格防护，并扩展思维链监控，采用多阶段激活分类器检测机制。

本文演示如何用开源评测框架 Inspect AI 和 Harbor 评估 agent 技能，并借助 Google Sheets 和 Data Studio 进行可视化分析。

作者基于Reddit上"让Claude真正开始思考"的帖子，引入逻辑学中的"钢人论证"（steelman）概念，并自创了一个"双向钢人Prompt"。该Prompt通过重述真实问题、强化正反双方观点、找出关键变量、逼AI给出明确判断四步，旨在避免模型谄媚，帮助用户找到问题最本质的答案。作者以自己选择公司司庆日的真实案例演示了使用效果。

阿里 Qwen 实验室发布 Apache 2 许可的 27B 参数视觉大模型 Qwen 3.8 27B，官方基准显示其超越前代 Qwen 3.6 27B 及闭源 Qwen 3.7-Plus。