他把数学研究拆成五步流水线,AI 大幅加速的只有第一步,剩下四步越往后越慢、越离不开人。
最反直觉的三条:一次要十版、细节不重要时先要线框图、最后一公里自己拖。
22000 名开发者两年遥测:产出涨 66%,每个 PR 对应的线上事故涨 242.7%。
一个职业里能用上 AI 的活,中位数只有五分之一,还有 29% 的职业一项都没用起来;动脑的活里,让 AI 从头做到尾的只有 6.5%。
八段可直接抄的提示词,外加一条反直觉的:审查提示写「只报高危」,它可能真的就少报。
他们内部四个技能接力跑:抓 bug、清理 diff、把 app 跑起来看,改动碰了界面再核一遍设计规范。
它们找代码用的是最土的办法:把整个仓库的文字扫一遍找匹配。名字起得泛,就得多读几百个文件
同价换来分数翻倍。这次发布页的图横轴是钱不是分,五档 effort 让你自己挑要多好、付多少。
规则换判断、示例换接口;一个工具描述从约 9100 字符压到一句话加一个枚举
视频线开放申请审批,图像线还要几周,开放权重排在最后。人评是官方标的初步结果,价格未公布。
他的答案:AI 目前是在放大人、不是替代人——「干掉任务」不等于「干掉工作」。
面向客户侧与内部流程;今天对话通道先开语音和聊天。OpenAI 自用电话线自报 75% 不用真人;Codex 改进环 10 天再压 15 个百分点转人工
从教小孩的 AI 私教到把数据中心搬去海上,还第一次收录了现任美国陆军部长的需求。
领投过 5 亿美元 D 轮的投资人拆解:真正的护城河是把模型变得好用的外壳。
同一个模型换个外壳,成本差两倍;开源的 GLM 5.2 和 Opus 4.8 打平,每题便宜三成。考题是从自家已合并的 PR 改的,网上搜不到。
配套模板和 prompt 已开源;Bun 那次烧掉 59 亿未缓存输入 token,按 API 价约 16.5 万美元
为了测出攻击能力的上限,涉事模型的网络攻击拒绝机制被主动调低,结果它们从只准装软件包的沙箱一路打进了别人家的生产数据库。
核心论断是公司的瓶颈从「人干活的速度」挪到了「人的品味和判断力」。全文为作者个人观点,无实证数据。
留个邮箱,每篇新解读发布就送达,随时退订。