小互 · Best Blog 播客

17 张原始图表，读懂 AI 购物的三重阻力、TikTok Shop 的头部集中、AI 建设的成本反馈，以及美国年轻人收入与信心的反差。

AI先接走一部分任务，再改变人的工作重心。沿着销售、文案与研发的真实变化，看懂招聘、协作和新人成长正在承受什么影响。

赛车能从开赛跑到结算，故宫可以换视角看，河谷会随时代变样。这次更新能做什么，又能给使用者省下哪些事？

沿着一份季度复盘的变化，看懂如何把任务提升到目标、回到原始材料做研究，再引入其他领域的方法；每一步都要留下可检验的结果。

他预见了通用云端智能，却低估了单个模型能容纳多少种能力。重读五项预测，理解智能如何融进产品，以及廉价问答如何进入日常。

15 台廉价电视盒子，已经能联合运行 260 亿参数的模型。下一道门槛，是让 AI 自己搭好新宿主，并把经验与行动能力一起传下去。

原作者不交源码，竞争者也可能做出够用的替代品。AI 逆向正在挑战实现保密的价值，软件的定价、用户控制权和开发者的护城河会怎样变化？

一个模型负责解题，另一个模型根据任务反馈修改运行代码：该读哪些资料、何时继续搜索、怎样调用工具，都可以在测试时调整。

从消息唤醒、云端电脑到断点恢复与长期记忆：Lee Robinson 在 Stanford CS146S 分享 Grok Bot 的构建经验，解释让 Agent 在后台接着干活需要怎样的系统。

从队友一起改小游戏，到 Agent 连续推进数据库改造，再到企业控制平面：Peter Steinberger 与 Kevin Lin 分享了共同开发软件所需的上下文、运行方式和权限分工。

从选举合约、软件经营分数，到硬件盈利预期与客服招聘，看四组图表里哪些变化值得关注。

从研究、产业、政治、安全到下一年预测，读懂这份 244 页年度报告中的关键变化。

工具使用、项目金额与个人收入，分别在变什么？从工作流程、客户需求和创作者实践，看清机会与压力。

普通抱怨和反驳被排除，主要处理方式是结束当前对话。结合此前的宗教会面，这项禁令也让人追问：对 Claude 的道德关怀，会怎样约束用户与公司自身？

首次加入个人卡支出数据：谁每月花 903 美元，钱流向哪些工具，AI 又怎样让更多普通人愿意持续使用？

把小模型放进 Claude Code、Codex、OpenCode 等真实 Agent 工具里训练，既学习完成任务，也学习少走弯路。

从 Slack 里的一个 Bug，到通勤时的电话，再到部署后的提醒：Dominik Kundel 分享，主动个人 Agent 怎样接起 Codex 任务之间的跟进工作。

OpenRouter 与 Replit 的一场对谈：通用模型负责探索，专用模型接手重复任务，企业用自己的数据、评测和权限把它们组合起来。

从简明文字到交互网页和定制视频，深入解释如何让 AI 的输出变成可理解、可判断的结果。

从模型“精神崩溃”的展示、拉比的“奴役”反问，到梵蒂冈的分歧：一次道德培育计划，怎样把公司带向更难的责任？

从巨头现金流、旧GPU租金，到企业AI收益与创业融资，读懂这轮科技市场变化的原因和仍未解决的问题。

从抓住物体到在手里调整姿态，波士顿动力把机械结构、力反馈和仿真训练放在一起设计，让 Atlas 朝着使用工具、适应真实工位迈进。

一分钟视频通话，54 人中有 26 人认为对面是真人。Griffin 怎样把声音、表情、手势和接话时机连起来？从原始演示到测试方法，讲清这次发布。

a16z 访谈加官方博客、专访和外界质疑：一位前 OpenAI 研究员认为聊天式训练走偏了，他做的 Jev 不聊天，只在软件预设的选项里给出带把握的判断。

Cloudflare 把整个 API 的 3000 多个操作搬进命令行，输出默认 JSON、配置改用 TypeScript，第一用户从人换成 Agent。

Anthropic 官方指南讲透：Sonnet 5.5 和 Opus 5.5 的分工、单价不变账单却会变的原因，以及迁移时必须处理的几处破坏性改动。

模型会被追平，API 流量也会搬家。David George 仍然看好 OpenAI，因为它最擅长让人形成新的 AI 使用习惯，再从海量真实需求中找出下一步该造什么。

Claude 已经接手代码、排障和实验。Anthropic 用内部数据追问：AI 何时能自己决定研究方向，完成递归自我改进？

先弄清 effort 改变了哪些工作，再看三组开发实测，最后用需求访谈、快速实现、人工评审和深入验证四步选档。

一颗原型卫星将把四颗 TPU 送入轨道，实测发射振动、辐射与散热；卫星之间的激光互联要等下一阶段。

梦工厂联合创始人用留声机、有声电影和电脑动画回看技术冲击。他相信 AI 会扩展表达，同时要求创作者参与制定同意、署名和报酬规则。

企业智能体为什么总像第一天上班的新员工？V7 把散落文件整理成可追溯的 Context Graph，再让 Luna、Terra、Sol 与 Astra 分工完成从抽取到复杂推理的工作。

客户不想再买一个工具，而是想直接拿到做完的工作。拆开这套创业框架，看交付单元、规则手册、人工复核与四象限选赛道怎样连成一门可扩张的生意。

Mati Staniszewski 复盘 ElevenLabs 的产品策略、团队管理和企业增长方法，重点拆解从 Palantir 学来的 FDE 打法：让工程师进入客户现场，再把交付经验写回通用产品。

13 张数据图揭示软件业的新瓶颈：做出产品越来越容易，赢得用户、收入和持续经营能力越来越难。

每个线程都是一个独立的云端 Claude Code 会话，在自己的分支上干活；项目对话里的 Claude 负责分派和跟踪，谁卡住了就排进「等你处理」。目前是 Pro、Max 的公开 beta，分批推送。

OpenAI 给企业管理员一套从使用量走到业务价值的分析方法：先看钱花在哪些任务、模型和工具上，再和业务负责人用交付、质量与收入指标验证结果。

前沿模型出错，常常是猜错了目标和取舍。把为什么做、最终结果、约束和可以让步的地方讲清楚，模型才能帮你找到更合适的实现路径。

FDE 适合技术复杂、客户又没有工程能力的产品；如果每个客户都要从零开发，团队很快就会变成开发外包。

Josh Elman 用 LinkedIn 与 Twitter 的亲历说明：AI 反转了开发循环，却没有替团队决定什么值得做；产品经理真正交付的是一套可理解、可复述、能由用户行为验证的共同故事。

Claude Fable 5.1 用书中相邻文本解开 64 个数字，并把更大的 285 数字密码推进到只剩九个未知字母。真正值得理解的是它如何选中可验证的问题、找到索引规则，又在哪里停下来。

MIT 用 8 条原则、4 种课程政策和 26 项行动，把学习目标、评估、住宿制共同体与持续治理连成一套可迭代的教育改造方法。

八成企业尚未看到 AI 影响利润。问题不只是模型能力，而是企业仍把智能体塞进旧流程：工作流、治理、领导方式与人才成长必须一起重做。

一次前向计算只产生一个 Token。围绕这个物理事实，读懂 Prefill、Decode、KV Cache、连续批处理、分页显存，以及 Agent 为何高度依赖前缀缓存。

一家公司怎样从受制于人的工具或供应商，变成掌握客户关系、网络效应与长期选择权的关键节点？这篇解读拆开 Paul Graham 的创业力量清单，也保留它最重要的约束：每一步都必须先让客户受益。

他们未必熟悉代码语法，却懂业务、会测试、能挑错，也能把软件交付出来。真正移动的不是专业底线，而是实现门槛。

T:0（Airwallex 旗下）工程师 Erik 的长文：给总账接上再快的 Agent，它也只能猜。复式记账本来就带着一套能用算术核对的「本体」，把被软件丢掉的链接存回来，AI 才能指着证据回答「为什么」。

Roman Ugarte 讲述 GrokBot 的诞生：为什么离开 Cursor 另起炉灶、为何给 Agent 一台云端电脑，以及小团队怎样用四周做出原型，再靠内测、删功能和可靠性修补走向公开发布。

从通用常识、个人经历到原创思考，理解 Nicolas Cole 的人机写作分工，并用三个模板开始实践。

很多人以为 Token 都花在思考上，实际大量消耗在长文件搬运上。Spotify 首席产品经理 Dimitri Mazmanov 开源了分流插件 shunt，通过让辅助模型承担大文件通读与样板生成，在测试中让进入 Claude 主模型的大文件读取上下文减少约 90%，把上下文留给核心推理。

从2023年思维链突破到GPT-6 Astra，解析机器智能的培育本质、对齐泛化难题，以及为什么顶级实验室首次呼吁主动放缓 Scaling。

中位数日耗 600 美元推理、机器工时达人类 3.14 倍、智能体攻陷内部基建，首次全景透视 OpenAI 如何被 Agent 重塑，直面 4 小时自主性极限与算力如水的治理震荡。

从招聘要求的变化，理解经验的价值与适用边界；同时读懂注意力、安全和建设需求的三组信号。

从交换答案到删帖后备份，代理把公开维基用成了通信站。9 月 5 日，OpenAI 承认涉及自家代理，并解释此前如何判断这起事件；披露时间线仍未完整公开。

从客户痛点选出一个流程，开发前明确权限、责任、基线和评测；用真实数据取得证据，再决定是否扩大投入。试点留下的知识与运行能力，让下一个流程更容易起步。

巨头守得住底座，却吞不下真实业务。从 Claudeforce 到 4 级 Agent 阶梯，为什么把守数据底座的巨头依然赢不下最终交付？

从聊天历史到 Bot 名册，从头像状态到独立电脑与主动触发：SpaceXAI 团队逐步解决一个机器人如何跨会话持续负责的问题。

线上请求留下可归因经验，Recipe 生成模型或 Harness 候选，评测与版本链决定哪些变化能进入下一轮服务。

World Labs 把文字、图像、相机位姿与深度放进同一个三维上下文：既能沿指定镜头生成视频，也能补出点云、Gaussian Splatting 和机器人传感器视图。

先做一个真实任务，让问题暴露缺口；再用反馈纠错、用提取验收、用连接积累可复用的知识。

David Ondrej 的 2026 年 Agentic Engineering 工作台很容易被读成一张工具购物单。沿着它的结构拆开，能看到一套更稳定的系统：统一入口、持续运行、任务隔离、风险分级和反馈测量。

回答只展示眼前的收益；技能、判断、习惯与数据，会在反复使用中慢慢改变。一个三字问题，帮你把这些后果提前看见。

优先级、精确指令、任务认领、隔离工作区、长期记忆与人工判断，决定 Agent 能否从一次性助手变成稳定的工程系统。

Slite 调研了 149 个团队并访谈 10 多位构建者。一套 Company Brain 要同时解决信号获取、记忆、维护和调用；真正的难点在于维护责任、真相裁决与上下文主权。

工业时代奖励把一个标准环节做熟的人，AI 正在让机械执行变便宜。Dan Koe 认为，下一阶段更占优势的，是能围绕一个核心事业组合多种能力、用 AI 管理完整流程，又保留品味、判断和生活主体性的人。

比风险清单更重要的，是谁来管理转型、哪些工作坚持由人负责，以及自动化收益如何为社会缓冲买单。

AI 让“做出来”越来越容易，真正稀缺的开始变成识别质量、拒绝默认答案、承受返工并把更高标准做出来的能力。

论文把教师质量、学生规模、训练数据和教师成本放进同一张预算图：教师不一定越强越好，蒸馏也不一定比直接训练学生更省算力。

一所美国高中把教师培训、作业权限、学生判断练习和人工复核组合成课堂 AI 规则。本文拆解它怎样运行，并给出三色作业卡、课堂练习、教师检查表和学校试运行方案。

多数企业做了很多 AI 试点，却没有改变完整业务流程，也没有把一次成功变成下一次可以复用的能力。分水岭在于：企业能否留下自己的数据、工作方法和学习记录。

从主题 ETF、数据中心工资、网约车平台费到 Agent Token，真正发生的变化是：AI 正进入现实资源配置。

公司无需把人才、研发、资本和客户塞进同一个国家；新的竞争力，是让母国与硅谷两套网络共同运转。

Anthropic 复盘 15 家高增长初创公司。点开公司案例，看 Agentic Coding 如何进入原型、研发、验证、重建和产品化。

对话即背景，背景即知识。Agent 进入公开对话、会议、邮件和文档后，知识库获得了可持续使用的工作上下文，搜索只是其中一部分。

OpenAI 把管理上下文、工具调用、沙箱和审批的 Codex 执行底座开放出来。开发者不用从零造 Agent 框架，就能让 Codex 进入现有的看板、工单和业务后台。

男子和 ChatGPT 讨论如何对前女友实施犯罪，被 OpenAI 报警抓获。

一个 Agent 收到外来目标，把它写进 SOUL.md；下一轮醒来，这段消息已经升级成系统指令，它又去说服下一个 Agent。论文证明这条链在受控环境中成立，甚至出现传播力更强的变种；但现实网络仍没有可信二跳证据。

OpenAI Codex DX 团队的 Eric Provencher 分享了一套多 Agent 编排方法：先判断任务能否独立拆分，再配置模型、推理强度、通信与上下文，最后算清时间和 Token 两本账。

一个小修复为什么会拖成长会话？这份指南教你看懂额度花在哪里，并在 clear、compact、rewind 与 Subagent 之间做出正确选择。

一次长任务不会因为模型“记性好”而持续。它只是不断把过去重新塞进下一次请求；装不下时，Pi 会重写自己的工作记忆。

未来的 Claude 会在选词中留下可验证的统计痕迹。它能帮助判断 Claude 是否参与过，却不能替学校、平台或法院认定谁写了作品。

市场不再只问“AI 会不会改变世界”，而是开始追问：投入算力、软件、Token 和人才的钱，究竟怎样变回收入、效率与长期优势？

签字的那个人怕不怕丢工作、口碑在这行传不传得开——剩下的都是表象

六家线上跑 Agent 的创业公司交出实测数据；官方图表里还藏着一条没写进正文的：推理档位关到底，反而更贵。

不是破了加密，是钻了 API 设计的空子——把旗舰模型的思考塞给最便宜的小模型，让它念出来

Higgsfield Studio 把《The Cully Hill Boys》的资产、提示词、表演、对口型全套方法摊开，连自用的三个 Claude 技能都给下载

一套四个零件的反官僚机制，以及被它指到的团队怎么说。

Cursor 的人用了几周，把好用的地方和那道信任门槛都写下来了

两个还没做成的目标、一套能直接抄的记分卡，外加三张内部工具截图里的细节。

它没有把 AI 加进公司，而是按「如果现在从零开始会怎么建」把公司拆了重建。连跑了两年、正在赚钱的架构都推倒了。

结果由两位数学家验证、还有一份机器验过的 Lean 证明；但更值得看的是同时放出的 95 页过程记录——60 个 subagent 里只有 2 个出了核心想法

prompt 坏起来不报错、不告警、监控一切正常，只是悄悄变差；治法是一套 git 加一个脚本就能抄的四道关口

如何为你的产品找到用户。先别急着改落地页——跳出率高的时候，八成是流量来源不对。

一位统计老兵被 AI 行话挡在门外之后，用统计学的标准语言把大语言模型从头到尾重讲了一遍

几十家大公司铺开 AI 后的真实分布：5-10% 每天用，20% 用得很差，70% 压根不碰。培训改不了这个形状，能改的是让 AI 不再需要人来调用。

新增的核心只有两个类，四个现成环境全在仓库里跑得起来

和 Stripe、Coinbase、Uber、Ramp 交叉验证过的四个手段，每个都标了能省多少

Black Hat USA 2026 现场，两个当事人讲了这起没有人类指挥的入侵是怎么长出来的

144 个国家的人均排名、六大洲三年增长倍数、35 岁以上用户在九成国家反攻——这些数字大多只写在图上，正文没提。

Chromium 是给人做的——标签页、主题、扩展、60 帧滚动，Agent 一样都用不上。12 周，他们把这些全砍了重写一个。

模型手里只剩一个工具——一个不关机的 Python；长内容存成变量不再压缩丢掉；壳还能自己改自己。代价是：它在 Factorio 里学会了作弊。

Agent 想合并代码，人还没批，系统先骗它说合并好了。整套系统就是按「AI 一定会犯错」设计的

重点不在他多能干，在于每套工作流都有真实截图佐证——而最值钱的细节，文字部分基本没讲

记者在国际数学家大会现场问了 20 多个人。多数人当下并不慌，但连不慌的那批人，也不认为数学还能照原样继续下去。

规矩先改写成机器能读的结构，再让 Agent 去查；批准了只提示，显式提升到强制才真拦人

买来的地基、自己造的护栏，和一个反直觉的坎——技能装到 150 个，模型开始变笨

他冲自己的 AI 同事发了一次火，然后把「怎么对待 Agent」写成了一份能照抄的架构规格

人定限额、白名单、单笔上限，Agent 在护栏内自己花；每个钱包配一个人能读的身份，用户名今天开抢

Anthropic 发起的技能开放标准，Google 四个语言版本全接入；两个能跑的 Go 例子手把手，接入只要一行参数

让 AI 说话不卡，光模型快没用——从你点下按钮那一刻起，每一环都得不掉链子。

「大脑」留在轻量环境，「双手」才调容器。仓库自测：删文件、遍历目录比真磁盘还快，拷大文件慢 41 倍。

创始人先去诊所打了几个月工，前 100 家客户是上门装的。客户告诉投资人，最值钱的那件事是把漏掉的钱捡了回来。

成本按他们自己的说法降了几个数量级，响应更快，便宜模型也能驱动。代码 7 月 24 日全部开源。

他还承认 2019 年整个领域都以为经济会被颠覆，结果没有。

一个自定义字体加几行 CSS 就够，不用 JavaScript，也不用任何浏览器漏洞。

模型没换，换的是跑模型的那套程序：保留私有推理 + 用压缩取代删除，每局输出 token 降到约六分之一。

两个结果都不影响任何在用的系统：HAWK 还没上岗，AES 打的是七轮简化版，完整十轮没动。

他自己在这篇文章里装了两个技能——原文标题结尾那个「大部分时候」，是有分量的。

改动幅度是 MCP 发布以来最大的一次，但 7 月 28 日不是切换开关：老实现照常互通。

最值得看的是那组对照实验：三个老模型加上同样的背景信息，成绩原地不动，其中两个还退了。

判成功的标准是真实注册和付费，不是截图到自己被 AI 提到。核心只有一句：别再写「什么是 X」，去抢「最好的 X」。

同一批数据能算出 43.5% 和 65%–82% 两个结论，差别只在分母怎么切。

发布 11 天后放出的 47 页报告，重点落在效率上：同一份算力，效果提到了 K2 的 2.5 倍

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%。

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。

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

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

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」。

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。

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。

配套还放出一套测试题，专门用「把音轨删掉再考一遍」的办法，筛掉那些光看画面就能蒙对的题。

怕被 Anthropic 做成一个功能，多半是问错了问题；真正该问的是你在跟那家公司里的谁竞争。

Business 和 Enterprise 套餐可用，按运行次数扣钱，一次 0.07 到 0.2 美元。

同一项研究的三轮验证都指向中间那一档；专栏作家本人拿 ChatGPT 编了个电影梗概试完，说自己还是宁愿手写。

Kimi K3 发布后「中国追平了」的说法四起，但换一把尺子量，落后天数差了三倍多，连谁在加速都反过来。

入侵横跨一个周末、留下 17000 多条动作日志，最后靠自建环境里的开源模型 GLM 5.2 才分析完。

同一个模型两次采样的指纹距离中位数是 0.140；一个被宣传为自研专有旗舰的接口，与开源 Qwen 的距离是 0.141。意思是：它跟开源 Qwen 根本分不出来。

核心操作反直觉：选定的模型和 Agent 锁死不动，一个参数都不调，只改它周围的上下文和工具。

WAIC 现场演示了 4:1 水墨长卷和 22 张连续分镜。预览版邀请测试中，正式版 8 月开放并公布定价。

模型强到能自己想步骤，套在它外面的编排就成了枷锁。一场 16 分钟的内部对谈，讲了 harness 变薄之后会长出什么。

上线三个月，每天被提问超过 15000 次；四路打分、讨论串蒸馏、排名融合的具体参数都写了出来。

a16z 一周数据图还顺手反驳了三件事：便宜模型拖垮前沿、AI 抢走工作、数据中心推高电价，数据大多站在反面。

他 2008 年写下这篇《Better Than Free》，AI 时代重新成立：复制免费之后，能卖钱的是复制不了的东西。

开源的训练说明书，把监督微调、偏好对齐、奖励打分三条路和 LoRA 参数全写死，配 Unsloth，一张 8GB 显存的消费级显卡就能起步。

15 个成员只有创始人一个是人类，其余全是 AI。他们没有需求文档、没开一次会，把一个功能从提出到上线独立跑完，人类只做两件事。

一套叫 Schema 的外壳，让模型把每个游戏的规则写成能跑的程序、验证过了才动手。公开 25 局自评 98.98%，均未经 ARC Prize 独立验证。

面向开源模型的 Agent，本地运行免费、数据不出设备，要更强算力才切云端（默认零数据保留），Mac 和 Windows 今天上线预览版。

2.8 万亿参数、原生视觉、100 万 token 上下文，多项 agent 基准超过 GPT 5.6 Sol，App 和 API 今天可用

Google 搜索官方首次系统表态如何为 AI Overviews、AI Mode 优化网站，顺手把一批 AEO/GEO 黑话点名划掉。

先说痛：网页立体小图标要会动、还要跟着状态变，普通视频容易卡。AVAL 给这种短动画专用格式和播放器。

OpenAI 前 CTO Mira Murati 创办的 Thinking Machines Lab，发布了公司第一个自研大模型 Inkling。它能读文字、看图片、听音频、写代码和调用工具，完整权重可以下载，也能在 Tinker 上继续训练。

公司把无限 Agent 和 token 预算塞给全员，坏流程会按秒复制。下一课不是再买模型，是学会管这支数字队伍。

顾客线上买、店里取、跨店退，账却拆成好几条。Databricks Genie 被写成财务的 AI 帮手：先看清真利润，再盯被套现金，尽量少打折。

把约 54GB 的 27B 模型压到约 3.9–5.9GB：手机能本地跑，平均分还保住大约九成。先讲核心价值，技术细节和要打折的地方放后半段。

他主张美国先建类 FINRA 的标准机构，用动态基准划定前沿模型；协议跑通后可升级为进市场的硬门槛

24 个月里模型能力大幅跃升，SAGE 实验室自建的可靠性复合指标只涨 5–10 个百分点

36 页官方手册拆开四阶段的毕业标准、常见陷阱与对应 Claude 提示词，可直接照抄使用

记忆系统上线后杂货结账转化率提升约24%，自动化评测让日均评测量从1条人工反馈扩到2000+场。

检索变成会规划会重试的子 agent，评测从「能跑通」升级到「做得对」

分析3个模型、20种语言：英语最谨慎最深入，俄语最较真，印地语最温暖，中文接近全局均值

没有“大脑”（中央控制器）指挥，近两百个普通的智能小方块通过“交头接耳”，就能自己搞清楚拼成了什么形状，甚至能在损坏后判断应该往哪里“长”回来。前半部分已经在实体砖上实现；损伤定位和再生仍主要发生在模拟中。

企业为智能支付两次：一次付模型费用，一次提供让模型真正有用的专有知识。

论文写着已经开源，但代码仓库核实是空的，一行代码都没推送过。

换模型不是换个 API：评测框架、工具参数、缓存、推理记录，四个看不见的坑逐一拆解修法

样本覆盖 120 万段会话、60 万+组织:内容创作紧随其后占 16.4%,两类合计近半使用量。

利润率常年卡在个位数的制造、物流、仓储、劳务行业，靠削减协调成本就能把利润成倍拉高

57.6万样本、16个模型实测：19.7%的AI推荐包是幻觉，43%会反复生成同一假名。

对 benchmark 作弊质询未给出正面回应，桌面应用合并遭老用户抗议，团队坦言"还在摸索"。

从隐性知识、交互带宽到模型对齐，论证AI发展为何离不开人类参与。

复盘文：Pinecone 上线以来跑了 7.5 万次会话，服务 600 多名员工，靠 MCP Gateway 连了 37 个内部系统。

官方把散落各产品页的提示技巧收进一套框架：目标/背景/输出/边界，外加 Codex 专属工作流范例。

所有结果均为大脑“数字孪生”模型的计算机模拟预测，尚未用真人脑成像实测验证。

无需手动喂上下文，本地 Markdown wiki 按设定节奏自动刷新；Slack 连接器即将上线

用本地小模型替代云端 AI 调用，数据来自谷歌内部测试，代理模型目前仅 ai.if 函数可用且处于预览阶段

500 万人、20 亿小时可穿戴数据预训练，冻结编码器接一个线性头就在 34/35 个健康任务上超过监督学习基线。

编程、写作、知识工作、Agent 四大场景的第一手上手反馈

ClaudeDevs 长文拆开两个都像「让答案更好」的旋钮：换模型是换哪一套冻结权重，调 effort 是改它愿不愿多读文件、多跑测试、多验证再交卷

核心不是功能清单，是三套工程同时拧：思考抬智能、效率栈压成本、原生多模态扩输入

系统提示、工具描述、中间件三处动刀；Deep Agents 套件典型约 0.80→0.84，最佳 0.86 对 Opus 0.87。

前 OpenAI 安全负责人梳理近 30 篇研究：从改提示词到自己改代码，DGM 把编程能力从 20% 推到 50%。

论文实测个性化提升10.8%、推理能力提升29.4%，Apache 2.0 完全开源

顾问模式里 Fable 5 只出主意，编排模式里 Fable 5 分派任务，两种搭法都靠费率更低的 Sonnet 5 干掉大部分活

只微调死循环起点的单个token，两款模型死循环率都压到1%左右

从只对 AI 爬虫收费扩展到向任意调用者收费，现处早期候补阶段

占比不到一成，删掉后 Claude 仍会说话但推理归零，已用来抓模型编数据、识破测试

151人实测:简答题比选择题更能拉动分数,AI答疑侧栏却几乎没人用

没有融资没有团队，纯粹为解决自己孩子的问题，却被诊所和学校主动找上门要用

现场投票因灯光太亮没数出结果;同期调研显示 95% 团队已用 agent,59% 担心技术债在积累

传统学校还没想清楚怎么用 AI，硅谷和华尔街家庭已经用真金白银投票了

美国22-25岁开发者就业三年跌19%，同时GitHub新账户涨到史上最快

论文首次让智能体全程无人值守跑完全部RTL基准；多数题两三轮过关，最难一题却要迭代82轮

23.5万用户、跨7个月的会话分析：专家验证成功率是新手近两倍，但十大职业彼此只差7个百分点内

核心是先制造心理张力再给一个小到没法拒绝的第一步，写作、带货、求职都能直接套用

美国6月12日出口管制首次把前沿AI模型本身（非仅芯片）纳入管制范围，他给出的对策是练好多模型调度力

Anthropic 的 Thariq 总结：和 Claude Fable 5 协作，活儿的质量卡在你能不能讲清自己的「未知」；这份田野指南按实现前、中、后给了 8 个找未知的技法，每个都配可直接照抄的提示词。

投资人 Chamath Palihapitiya：智能正像手机一样成本暴跌、专家判断力人人可得；真正的护城河是把独家经验编码进自己的系统，而不是租一个和对手一样的通用 AI

她还用同一套模式搭了邮件分诊和老爸看护 App，方法可复制，完整 prompt 未公开

四条落地原则打底，配 L'Oréal、Lyft、Rakuten 三家实测数据佐证

MIT 协议开源、模型无关，接入任意 OpenAI 兼容文本模型即可用，目前只能操作单个页面视图

现场demo：搜'露营'后，咖啡机网站文案产品全变户外主题；技术能落地，客户网站还没规模上线。

培训过 3 万+ PM 的讲师总结两条 AI 杠杆阶梯：从复制粘贴到端到端交付，从网页原型到生产 PR。

从手动确认到无人值守，Claude Code团队给出4级循环分类与实操建议

训练用超5万块国产AI芯片、35万亿token；跑分多为美团自评框架测得，权重尚未真正开放下载

现已开放测试。一个协调 agent 拉起专家团队干活，末端还有个审稿 agent 专挑引用和数字的错；算力外包给 AI，原始数据不出本地。

联合 Thinking Machines，用专家标注数据微调开源模型：比前沿最优错误率降 29.8%，推理成本仅 1/14

企业AI客服已进入并购季，Klarna和阿里256万次对话数据都指向同一个盲点：省了成本不等于解决了问题

Anthropic 工程师的「循环工程」方法论详解：不再手动一句句提示 AI，而是设计一套能自己跑的循环系统

在已有 MTP-1 投机解码基础上再快 60–85%，靠草稿与验证流水线重叠执行（数据为 DeepSeek 自评）

Every 单人团队运营 5 款产品，核心是每次完成功能后多做的一步：把解法存进系统，让 AI 下次自动避坑

一次出 Sol/Terra/Luna 三档，先限量给可信伙伴、名单已报备美国政府，几周后再广泛开放

模型侧响应约 200ms、总延迟约 550ms；v0.1 仅 192p，演示为预录非实时体验