AI 观点与方法

Google 在 Gemini 应用中为聊天、Spark、Daily Brief 等每项功能单独命名，反而让用户困惑该用哪个，违背了"无需猜测任务该用哪个功能"的承诺。

Team @mainframe 一如既往地做着很棒的事情。 【引用 @vinvan】：介绍 pcstack（笑），一种在 conductor cloud 中使用 pstack 的方法：https://gist.github.com/vincentmvdm/bafa2463be3061e385f0f178ad2d6bac 我是 pstack 的信徒，但也喜欢 conductor cloud。这个技能教会我的智能体如何将 pstack 的 cursor 概念映射到 conduc…

一位开发者测试 GPT 5.6-Cyber 的漏洞利用能力，该模型在约 12 小时内三次逃逸 QEMU/KVM 虚拟机，分别利用已披露内核漏洞、libslirp 已知及未标记漏洞，并发现多个 0-day。作者警告，不能再假设虚拟机足以隔离高级 AI 代理，应将其视为高级持续性威胁。

Perplexity CEO Aravind Srinivas 称，DGX Spark 这类配备本地智能体电脑的硬件将成为消费前沿模型 token 的入口。Perplexity 探索了本地模型向远程前沿模型升级的多智能体协作，本地模型作为网关预处理 token，可节省 50% token，未来有望实现 90% 本地处理、10% 远程推理，带来 10 倍成本降低。

比尔·盖茨在 Gates Notes 发文，指出人工智能正进入一个动荡时期，技术迭代与行业格局变化加速。文章强调这一阶段将伴随不确定性，但长期影响深远，需关注 AI 发展带来的机遇与挑战。

根据 @ArtificialAnlys 对 Gemma 4 31B 的基准测试，Nvidia 的 Groq 3 LPX 系统在小型模型快速解码方面表现出色（>3，400 tok/s）。LPX 通过使用少量（128 GB）超高速 SRAM 替代 HBM 来实现这一性能。 Nvidia 提议将 LPU 与 GPU 相结合，将这一速度带到前沿规模模型。以下是其（可能）工作原理的解析。

Grok Build 为我侄子做了这个有趣的小火星模拟器游戏。 我只给了简单的提示词。其余都是它完成的：编写系统、构建并测试、研究玩法、发现并修复漏洞，然后持续迭代。 Grok Build 非常强大。感觉就像随时拥有一个游戏工作室。

比尔·盖茨在6000字长文中警告，AI转型将是人类历史上最动荡的时期之一，其最大经济担忧是永久性岗位消失而非暂时失业。他认为AI可直接替代销售、客服、软件工程等领域的初级和中级认知工作，且2030年前机器人可能开始竞争建筑和酒店岗位。他还提议对AI token和机器人征税，并设立"人类保留"工作类别。

如果你不读代码，就不可能知道有多少"垃圾"混了进来。 如果你在构建生产系统，你可能已经知道"模型已经足够好，我不需要读代码"并不是真正实用的建议。 我们再次连线 @0xblacklight 和 @vaibcode 带来独家消息。

OpenAI CEO Sam Altman 称公司将在年底前拥有他称之为 AGI 的内部系统，首席研究官 Mark Chen 估计已"完成 80%"。核心信心来自即将推出的模型 Astra，首席科学家 Jakub Pachocki 称其已能作为自动化研究实习生，处理需人类研究员约一周的工作。

GLM-5.3-Flash 在 Artificial Analysis Intelligence Index 上得分 57，远超同类模型中位数 18，支持文本和图像输入、文本输出，上下文窗口达 400k tokens。

首席大脑损伤官

Glean 发布了一项帕累托前沿分析，涵盖 37 个模型及推理配置在 1，000 项企业任务中的表现。 分析发现，最便宜与最昂贵前沿模型之间的差距为 36 倍，而质量分数仅提升 22%。 完整分析 👀

在 LiveKit 中使用 Grok 语音模型构建实用的语音智能体，完整支持 ZDR。

OpenAI CEO Sam Altman 表示，公司预计在 2026 年底前拥有一个可称为 AGI 的内部系统。OpenAI 已基于其基准内部构建了自主 AI 研究员 Astra，能实现实验想法、运行实验并返回结果，或完成原本需人类研究员一周的工作。Altman 预测 Astra 将带来最大影响，成为首个"以有意义方式发明新事物"的模型。

Grok Bot 新增凭据保险库，可安全存储密钥，模型在调用时经特殊访问路径，全程不接触明文凭据。用户指令触发工具调用时，主机仅凭工具名查找对应 API key 并构造真实 HTTP 请求，凭据只在最终构造处出现。该方案简化了智能体密钥管理，被视为推动大规模采用的关键创新。

据Artificial Analysis，Ling-3.0-tiny位于移动端智能-速度帕累托前沿：在iPhone 17 Pro上16K上下文得分59，耗时5.7秒。同时以66分在64K智能评测中排名第一。将更强智能带入更小设备。

$visualize 【引用 @kagigz】：如果你和我一样是视觉型学习者，这条就是为你准备的！ 在 ChatGPT Work/Codex 中试试 `$visualize`，把任何信息变成漂亮的可视化图表 https://www.youtube.com/watch?v=jzmNh8lbSp8

Kim 将一段 Google I/O 访谈交给 AI 员工 Viktor，后者对比其已发布内容，找出三个未用观点并定位到访谈具体时间点。Kim 采纳其中两个，并强调 Viktor 未编造观点，而是找到其原有想法并追溯来源。

Gary Marcus盛赞比尔·盖茨新文章，称其呼应了自己2024年著作《Taming Silicon Valley》的诸多主题。盖茨强调当前决策的持久重要性，指出AI在生物恐怖主义、深度伪造、虚假信息、网络攻击等方面的风险，并警告"AI可能阻碍孩子发展、取代人际关系"。盖茨呼吁建立国内外AI治理框架，并让公民社会而非仅政府和科技公司参与制定系统性计划。

ChatGPT Work 现可在网页和移动端登录网站办事，官方强调 ChatGPT 全程看不到用户名和密码。作者以酒店门卡类比：Agent 应只获限时、限范围的访问权限，而非长期凭证。当前不少 Agent 系统仍将 API Key、Cookie 直接塞进运行环境，相当于交出总钥匙，后续还需管清可进网站、权限时长、操作确认与收回机制。

我知道这对那些从未要求AI改变现状的教师来说要求很多，但如果你在教书，且过去6个月里没有更新你对AI能做什么（多得多）、它的错误率（低得多）以及它在学生中的普及度（几乎全覆盖）的认知，你需要更新了。

比尔·盖茨在 Gates Notes 撰文指出，人工智能正将世界带入一个动荡时期，其影响将远超以往的技术变革。他认为 AI 将深刻改变工作、教育、医疗等社会核心领域，并带来前所未有的机遇与挑战。盖茨呼吁社会以更审慎和负责任的态度应对这一快速演进的浪潮。

比尔·盖茨在Gates Notes发表长文，提出两项应对AI劳动力冲击的新政策建议：对使用机器人征税，以减缓用机器替代人力的趋势，并为再培训和强化安全网筹集资金；同时将部分岗位设为"人类保留"（Human Reserved），禁止AI介入，例如告知患者不治之症这类场景。他还认为AI员工呼吁放缓AI发展的公开信"Pacing The Frontier"是好事，但怀疑其可持续性。

物理提示词可控性的一个简单示例：相同环境，不同提示词，产生不同行为。 感谢 @JagdeepBhatia8 的建议。 更多关于 GEN-1.5 的内容，请参阅下方评论中的博客文章。

Tata Communications客户交互套件全球负责人Gaurav Anand指出，企业正将对话式AI快速部署到遗留系统上，但缺乏真正集成、可扩展且能无缝编排的平台。

作者提出智能体编程取代初级工程师需满足四个条件，其中三个目前未达成。METR 数据显示，前沿模型在人类 4 小时内完成的任务上成功率不足 10%；OpenAI 因数据污染和测试用例缺陷，于 2026 年 2 月停止报告 SWE-bench Verified。METR 随机对照试验中，开发者自估提速 20%，实际却慢 19%。唯一已满足的条件是企业愿为效率牺牲初级人才梯队。

多数团队把 RAG 架构复杂化了，直接上嵌入、向量数据库和重排序，而用户往往只想找到"如何重置密码"这类文档。文章给出决策因素与分层方案：从纯全文检索（BM25）起步，再引入智能体查询改写（约 $0.001/次，用 GPT-4o-mini），仅在数据证明需要时才升级。对专有术语（如内部框架"Atlas"），精确关键词匹配优于语义理解。

很高兴推出我们的首个交互式AI智能体教程。 学习构建高效的智能体技能。 首先学习理论，然后在我们的新智能体游乐场中使用Pi构建技能。 接下来我应该覆盖哪个主题？

宇树机器人上市首日股价飙升629.4%，市值一度达618亿美元，但一周内蒸发近半，目前较IPO高点下跌45%。公司虽有真实产品、工厂和利润，但投资者预期已远超技术现实。其股价已成为中国人形机器人行业的定价锚，STAR市场流动性稀缺与无涨跌幅限制加剧了投机波动。

物理 AI 领域正经历投资热潮与数据危机并存的阶段，开发者试图借鉴前沿 AI 实验室经验，通过更多数据、算力与强化学习场景推动模型进步。Antioch 创始人认为该领域仍处于"GPT-2 时代"，而自动驾驶公司正凭借数据优势切入人形机器人赛道。业内对垂直聚焦与通用路线存在分歧，但普遍认为高质量训练数据是当前最大瓶颈。

Perplexity 推出 Portable Computer，一台运行 27B 模型的本地设备，能读文件、调工具、执行长期任务。针对小模型跑 Agent 易失忆的问题，它改写整套工作方式：说明写短、按需加载能力，文件与工具调度留在本机，需云端模型时先征询用户再发送必要内容。设计思路是本地模型负责执行与保管权限，云端模型仅作参谋。

排查 openclaw 读取日历报错发现，上游因"今天没有日程"不生成文件，下游见"文件不存在"判为"读取失败"，两边单看都没错，接起来却报错。问题本质是"没有数据、没拿到数据、读取失败"三种状态未提前定义，对系统而言都只是空值。AI 系统越复杂，组件间状态与异常定义越关键。

Cerebras 联合创始人兼 CEO Andrew Feldman 指出 AI 加速器行业三大供应链瓶颈：HBM 内存、CoWoS 封装产能及台积电 3nm 制程。Cerebras 通过架构选择基本规避了全部三项--不依赖 HBM 和 CoWoS，当前芯片采用 5nm 制程而非 3nm。这使其供应链状况与主流 GPU 系统截然不同。

阿易 AI Notes 用 Apodex 1.1 实测总结去AI味方法，核心是角色+场景锚定、长短句交替、禁止词清单、注入人味信号及多轮人工微调。Apodex 1.1 已开源多 Agent 架构（35B 权重+单机 harness），8 个 Agent 并行跑 AI 副业实测，满足 A 级证据标准的成功案例为 0，并支持本地部署。

MiniMax M3 以 0.018 美元端到端完成创建收件箱、撰写并发送商业邮件，是该榜单上最便宜的模型。作者指出，企业使用 Agent 的真正障碍已非 token 费用，而是邮件发错对象、附件错误、内容承诺不当等风险，其损失远超模型调用成本。衡量 Agent 价值需计入人工检查、返工与事故风险，而非仅对比模型与人工的单价。

比尔·盖茨发表近6000字长文，警告世界对AI时代"毫无准备"，称AI"要么成为有史以来最大的平等化工具，要么成为最严重的不公来源"。他预测AI将导致大规模永久性失业，并提出对AI token和机器人征税、为人类保留特定岗位、建立国际组织等罕见政策建议。盖茨表示将推动AI与公平议题进入公共议程。

比尔·盖茨在近6000字长文和《纽约时报》采访中警告，AI将导致永久性失业、生物武器门槛降低及成瘾性聊天机器人带来的心理伤害，并指责科技行业因利益刻意淡化这些风险。他拒绝行业自我监管，提议对AI使用和机器人征税、建立类似核武监管的国际机构，并保留护理等"人类专属"岗位。盖茨称Anthropic的Claude Code让他震惊，因为"这些东西在某种意义上已经比我强了"。

@BillGates 新文章中关于AI影响的许多重要而大胆的想法需要讨论……代币税和为某些工作设立的"自然保护区"只是其中两个。

婴儿学习语言的能力和效率远胜今天的 AI 聊天机器人。斯坦福大学认知科学家迈克尔·C·弗兰克指出，幼儿接触约 1000 万至 3000 万个词后就能说出清晰句子，而用同样数据量训练 GPT-2 只会得到胡言乱语生成器。这种效率差距已成为 AI 行业难题，许多专家认为单纯扩大模型规模无法实现人类水平 AI。