AI 观点与方法

你居然在 GTA 6 之前先拿到了一首歌

“iPod 之父”托尼·法德尔在首届麻省理工未来节上分析 Rabbit R1、Humane AI Pin 和 Limitless Pendant 三款初代 AI 设备失败的原因：它们没能真正满足任何实际需求，普通用户觉得酷但与生活无关。他还指出，大多数人从未拥有过助理，不知道如何使用“机器人助理”，与 AI 建立信任比真人更难，并认为目前唯一可能做到这一点的公司也许是苹果。

一位开发者发现，随着 2026 年越来越多代码由 AI 智能体代写，自己多年因敲代码引发的重复性劳损（RSI）明显缓解。过去连续 4-5 小时写代码需频繁敲击尖括号、FN 键和各种修饰键，如今这类工作被提示词加约 30 分钟人工微调取代，他更多时间用于写设计文档和审查代码。尽管今年交付的代码量可能超过以往任何一年，严重的灼烧性手臂疼痛已很久未出现。

在这里自行探索：https://openrouter.ai/rankings/decisions

Michael Lynch 总结软件博客写作的常见反模式，包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式，以及用链接代替术语解释。他建议文章即使读者不点任何链接也应能读懂，并强调用自己的口吻写作。在开发者纷纷把写作交给 AI 的当下，软件博客正变得平淡同质，读者更渴望有个人风格的文字。

Tony Fadell 在 MIT Future Fest 上点评 Rabbit R1、Humane Ai Pin 和 Limitless 等已停产的 AI 设备，认为它们没有解决真实需求，且大众缺乏使用助理的经验、难以建立信任。

我们正生活在不可思议的时代！ （引用推文：计算机完成了从概念图到最终剪辑的动画场景。它在 Blender 中规划镜头，用 Nano Banana 生成参考图，并用 Seedance 2.5 完成动画和配乐。）

越来越清楚的是，人类会先解决黎曼猜想，然后才能通过物理图灵测试——你在一场疯狂的周日派对后回到干净的家，却分不清是人还是机器人干的活。 我们对莫拉维克悖论还不够“上头”。

以防你错过了我昨天的犀利观点。

Google 介绍检测媒体是否由 AI 生成的方法：访问 https://synthid.com 上传图片、视频或音频文件，门户会扫描文件是否包含来自 Google 或其合作伙伴的 SynthID 水印。

大家能不能一致同意，盯着秋叶看也算是有安排了？🍂 - 由 DuMate 创作

Azeem Azhar 评述 OpenAI 前一日公布的一项数学成果：一个未发布的前沿模型产出 722 份稿件、涉及 372 个族，覆盖数论、复杂性理论和数学物理，平均每项成果相当于 ChatGPT Pro 三小时的思考。

华为余承东在 9 月 29 日国际媒体圆桌会议上表示，极紫外光刻（EUV）设备是制造先进芯片的关键，中国目前正在研发这些设备，现阶段国内仍依靠深紫外光刻（DUV）。

Armin Ronacher 解释 Pi 1.0 通过 Codemode 新增的 MCP 支持，即在 harness 内的 QuickJS WASM 沙箱（无网络、无文件系统、无计时器、内存受限）中用 JavaScript 组合工具调用，绕过 LLM 上下文。

M-Abozaid 开源了一个运行在约 2 美元 ESP32-C3 上的 Pi-hole 风格 DNS 广告拦截器，无需 PSRAM。核心技巧是把域名存为排序的 40 位哈希放进 flash 再二分查找，140,000+ 个域名只占约 0.7 MB flash、约 50 KB RAM，查询约 10 ms；命中则应答 0.0.0.0，未命中转发上游。

岚图汽车董事长卢放针对司机酒后使用智能驾驶辅助功能开车的报道发声，强调即使车辆具备自动智能驾驶辅助功能也绝对不允许酒驾，到 L3 有条件自动驾驶阶段同样不允许。最高人民法院今年 2 月首次发布道路交通安全刑事专题指导性案例，明确车载辅助驾驶系统不能代替驾驶人成为驾驶主体，激活辅助驾驶功能后驾驶人仍负行车安全责任。

Ben Affleck：让团队"token max"就像烧掉收银机来给店铺取暖。 ---- 完整视频在"You One More Question and GQ" YouTube 频道，（链接在评论中）

Quinn Ennis 在 ChinaTalk 撰文分析 Reuters 报道的 FCC 拟年内禁止新型中国光收发器进口的草案，称草案发布当周中际旭创股价跌 10%、Coherent 涨 17%。

一杯完全倒满的红酒，以及指向下午 3:30 的时钟 - Nano Banana 2.1

LLMs 有很多可以 scale 的维度。 但 OpenAI 最近的拉垮告诉我们，verifier scaling 目前看来是最无聊，最慢，用户体验感最差的一种 scale 方式。

作者转发他人遭遇：一个项目的 Cloudflare Durable Object alarm 死循环读写 6 万亿次，产生一万美元账单。作者提醒，任何按调用量计费又能自动扩容的基础设施都应给成本加保险丝，以前死循环最坏只是机器挂掉，现在云厂商会自动扩容继续计费。

Erdős问题网站创建者Thomas Bloom宣布调整站点规则，冻结新题目评论与证明声明、不再显示问题状态和解答比例、取消归属性表述，并侧重收录高质量证明讲解。他表示近期大量无解释的AI生成证明挤占了人类讨论空间，网站将手动更新，Lean形式化需在Palomar登记，有抄袭或虚报AI使用情况将不予收录；评论冻结将持续到他认为恢复利大于弊为止。

两届奥斯卡得主 Ben Affleck 解释基于 Transformer 的 AI 与传统计算有何不同。 传统软件是确定性的，而这些模型通过“将信息跑过注意力层”并推断输出来生成答案。 ---- 完整视频在“One More Question and GQ”YouTube 频道，（链接在评论中）

华为轮值董事长徐直军在全联接大会问答中回应美国领先 AI 模型供应商呼吁放缓开发一事，称中国模型多为开源、进展透明，市场对 AI 风险感受更弱，中国的模型提供商需要加快步伐达到能感受风险的水平，但也要在推动开发和管控风险之间取得平衡。

banana2.1 今日发布，引发对当前 AI 图像模型格局的讨论。从美学风格化角度看，midjourney 依然无可取代，8.2 甚至是断崖式领先；但若需要文字封面、示意图、信息卡片等精确性图像，OpenAI 和 Google 显然更好，两类需求已完全分流。

我把我们团队的 claw 接到了 X 上，以便更快触发工作。未分配的会话任何人都可以领取。我们的智能体会查看相关代码最近是谁在改，然后在服务器上 ping 对应的人。 整个过程就是一句提示词，团队服务器就自己扩展了，因为插件现在支持热重载。

Bessemer Venture 合伙人 Sameer Dholakia 认为，AI 最重要的用途尚未被发明。他以 1870 年石油主要用于点煤油灯为例，指出汽车、飞机、塑料等用途数十年后才出现，同理当前模型能力对应的智能应用场景还无法被完全预见。Bessemer Venture 管理约 200 亿美元资产。

曾研究 Barnette 猜想长达 24 年的 Jake Boggan 在 Hacker News 评论称，该猜想据称已被 OpenAI 的数学工作解决（问题 180）。他为此投入了数千小时，得知被解决后感到一种遥远的悲伤。

感谢无数默默付出技术工作的人们，一代又一代人一砖一瓦地努力，才让我们走到今天，让这样的奇迹成为可能。

感谢机器，以及现实的结构，让我们得以多理解一点点。

另外！晚上好！！

Jacob Coxon 在纽约市议会听证会上的证词，从自动化 AI 研究员直接跳到人类“远远被甩在循环之外”。 “自动化 AI 研究员大约在 2027 或 2028 年出现。一旦 AI 研究实现自动化，人类将比今天远远更远离循环。” ---- 完整视频见“Forbes Breaking News”YouTube 频道，（链接在评论中）

2024 年我发推就像活在 2026 年一样哈哈哈 我在这里听起来像 @Steve_Yegge 大叔

话说 Gemini-4-Pro 到底是发了还是没发？找不到能试用的地方？还是我姿势不对？

开发者用 claude-opus-5.5 将 2024 年由 claude-sonnet-3.5 写的 IPMI 风扇控制程序从 Python+PyQt6 重构为 C#+WPF，并生成点阵风格监控面板，随后打包成 skill 开源在 GitHub。作者认为 SOTA 模型几分钟即可写出工业级监控体系，人类的价值转向把昂贵算力沉淀为可复用的离线提示词与知识资产。

在经历了一个短暂但侵蚀科研体制的"垃圾科学"时代之后，越来越明显的是，我们将从 AI 获得两场革命： 1) 所有已发表的东西都将被重新阅读和重新评判，方式是人类科学家从未预料到的 2) 新发现将开始快速涌现

2026年10月，你现在的默认/主力编程智能体是什么？

每一款游戏都在被反编译 每一道数学题都在被解出 一切都在同时发生 想想过去一年的进展 再想象又一年 再一年

Google 宣布 Cloud Run 用户可零成本认领易记的全球可用子域名（如 my-cool-app.cloud.run），无需配置负载均衡器、DNS 记录或 CNAME。Cloud Run 会自动处理 SSL/TLS 证书和全球路由，一条命令即可把代码部署为可分享的应用。

Francois Chollet 提出疑问：AI 能力的"锯齿状前沿"是否主要来自数学和代码——这两者可通过 RLVR 无限推进，而其他领域因仍受限于人类生成数据而开始进入平台期。他指出，非可验证领域的模型表现虽持续提升，但远慢于数学和代码。这一提升究竟来自 RLVR 驱动的高 G，还是仅源于仍在海量注入的新人类数据，答案将决定很多事。