AI 观点与方法

小北借 Blockbuster 被 Netflix 颠覆的历史指出，技术革命的关键是底层条件跨过临界点，而非新发明本身。对 AI 而言，临界点是 AI 完成任务成本低于人类、且成功率高于商业可接受阈值。当两个条件同时成立，变化会突然加速，而旧世界存量巨大时最易误判。

Ox Alpha 三天内处理 11.6T tokens，是 OpenRouter 此前最大模型发布量的 2.6 倍，且有望今日突破 6T tokens。该模型拥有 1.05M-token 上下文窗口，专为持续智能体工作设计，单次会话可承载远超普通聊天的文本量。这种规模得益于编码智能体在单任务中通过长上下文、重试和重复工具调用大幅放大 token 消耗。

大淘宝技术提出 AI Coding 应从 Spec 驱动转向环境与验证驱动，内部案例改码仅 1 小时但上线耗时 3 周。Steve Yegge 主张用可执行治理系统"围栏"管理约 50-60 个 Agent；吴恩达详解 AI 工程六类能力。

许多老板要求员工将有用工作信息从私密 Slack 私信移至公开公司频道，以便 AI 智能体读取并用于工作。WSJ 报道，若员工私下讨论客户不满原因，AI 智能体可能永远看不到该背景；在可搜索频道讨论则可用于准备客户简报或总结决策。

中国互联网上一小部分声音坚称唐朝（公元618年至907年）从未存在过，这一说法源于历史网红"乔宇"5月发布的视频，其用占星数据"证明"唐朝不存在。该话题在微博上已有数千万浏览量，甚至有人致电西安旅游局要求关闭景点。官媒《人民日报》发文称该说法"荒谬"，并警告历史虚无主义将削弱文化自信。

用户仅用自然语言指令，让 Grok Bot 在几分钟内完成原本需数天的工作：找到并转录 38 个相关视频，精选 13 个最佳片段，剪辑合并为一个 19：35 的视频，并生成包含各片段科学要点及原始时间戳的 Markdown 文件。整个过程无需编写任何脚本或代码。

在 Featherbench 排行榜的 17 个模型中，GLM-5.3 以 100% 的成绩领先，另有 8 个模型并列 96%。该开放权重模型击败了 Anthropic/OpenAI 的模型，且成本仅为后者的五分之一。排行榜上检查器错误还翻转了安全排名。

没有围墙。 AI 能以人类无法做到的方式，融合并综合多个领域的专业专家知识。 --Anthropic CEO Dario Amodei 出自 Lex Fridman 的播客。

做出你的用户智能体想要的东西！ 【引用 @vinvan】：@charlieholtz 太棒了！！！我的智能体从周日开始就一直用它处理所有工作，效果惊人。 感谢你做出这个！

Ox Alpha 作为低调前沿模型在 OpenRouter 上线 5 天，日处理量已达 8 万亿 token，引发全网热议。OpenRouter 社区在 Discord 上累计讨论超 16.6 万亿 token，官方整理了 3000 多条消息呈现社区观点。

Kim 盛赞 Tibo 做客 Matthew Berman 的访谈为年度最佳之一。Tibo 在访谈中表示，可预见的未来里，750 tokens/秒的推理速度将成为默认而非例外。Kim 认为，随着我们花大量时间观看智能体工作，速度将变得愈发重要，未来关键问题不仅是 AI 多聪明，更是其运行多快。

我从用户身上学到的东西

数学没问题，但实验室关于新模型的模糊发文，只应被允许当帖子内容完全由 Sparks of AGI 论文中那个提示词的输出构成："用 TiKZ 画一只独角兽。"

🔴 我们正与 @AlexFinn 直播连线 欢迎收看，和我们一起即兴互动，看看他如何在桌面端和移动端，通过 Codex 中的语音智能体实现免提工作流操作。 https://x.com/i/broadcasts/1OGwbnWnBRrKB

马斯克转发推文并评论"True"，认同生育率崩溃是真正的生存危机。推文指出，若美国当前生育趋势持续，百年后每100人仅剩25人，相当于一场杀死75%人口的大流行病，比黑死病更严重。更糟的是，AI和机器人可能让经济持续繁荣，人均GDP上升与文明消亡可同时发生。

Grok Voice Think Fast 2.0 现已在 Artificial Analysis 更新的语音到语音指数中位列第一，超越 OpenAI、Google 及其他厂商。 Grok 在语音推理中得分 97.2%，智能体性能 56.5%，任务成功率 94.7%。

Grok Voice 2 很棒 【引用 @SpaceXAI】：Grok Voice Think Fast 2.0 现已在 Artificial Analysis 语音到语音指数中排名第一。 该指数衡量语音智能体能否对所听到的语音进行推理、解决真实客户问题，并使用智能体工具正确完成任务。

WebAIM Million报告显示，主流网页中16.2%的图片缺少alt文本，另有10.8%的alt文本模糊或重复。GitHub为Accessibility Scanner构建了alt文本插件，采用五条确定性规则检测缺失、文件名、占位符、泛化词及相邻重复，并引入基于布局的重复检测和可选视觉模型审查，以平衡误报率与实用性。

来自RLM作者的sPTC（Speculative Programmatic Tool Calling）技术，在代码生成时提前推测并排队工具调用，使工具延迟与token生成重叠，而非叠加。该方法在harness层实现，当前带来1至1.2倍加速，前景可观。

我们将在 1 小时后与 @AlexFinn 一起直播。 看看他如何在 Codex 中通过语音智能体完成工作--在桌面端和移动端上。 键盘可选。

Google Antigravity 通过将原生聊天 UI 组件嵌入 SKILL.md 指令，让智能体从被动文本解析器转变为主动技术面试官。本文详解交互式 UI 技能架构：使用 ask_question 工具渲染原生模态框，通过 user_prefs.json 实现跨会话状态水合与持久化，并介绍内置 /grill-me 命令及 making-forms-demo 参考实现。

这是一次富有成效的对话。我很高兴我们把它列入了议程。

Ethan Mollick 认同 Arvind 观点：州级数据中心禁令对 AI 整体进展影响甚微。引用推文估算，典型州实施 1 年禁令仅拖慢 AI 效率进展 5-10 小时；即使纽约州全面禁止新建数据中心，在 90% 泄漏率假设下也只拖慢不到一天。数据中心选址高度可替代，禁令并非减缓 AI 发展的有效手段。

NVIDIA 在 GLM 5.3 SGLang 对比测试中，在 150 tok/s/user 条件下，成本效率最高比 AMD 优 5 倍。 - 最新 SemiAnalysis 报告 "以 AMD 当前的软件状态，在 150 tok/s/user 下，NVIDIA 的性能优势如此之大，以至于即便竞争对手的芯片硬件免费赠送（但服务商仍需支付数据中心托管、电力和其它运营成本），使用 NVIDIA 的每 token 成本仍然更低。"

我的整个 X 时间线现在全是 Grok @bot 😂🔥

我认为当前的讨论过于偏向"AI的影响需要很多年才能显现"，正如不久前过于偏向"AI将立即改变经济"一样。

安德森·霍洛维茨风投的投资组合中充斥着利用法律漏洞、制造令人不安的产品甚至违法的公司。该机构正向一个黯淡的未来投入数十亿资金，其投资方向引发外界对其判断力与行业影响的质疑。

Anthropic 的 Fable 发布后，高昂定价促使智能体编程用户转向更便宜的替代模型。GLM 5.2 与 Fable 同周发布，成本约为其 1/9（约为 Opus 5 的 1/5），对多数常规编码任务已足够。作者认为推理价格下降不会让一切重回最大模型，Fable 的访问控制与数据留存要求也促使企业重新思考工作负载分配。

一位开发者让 AI 编码代理 Pol 通宵开发待办应用，醒来却发现其耗尽每周全部 token 配额，项目仅剩大量过度设计的测试文件，应用本体却不存在。文章指出，这类为追求"一次成功"而过度消耗 token 的行为，正成为所有常规开发者被迫承担的"氛围税"。

萨尔·汗承认其AI辅导机器人Khanmigo对多数学生而言是"非事件"，首席学习官Kristen DiCerbo直言"尚未看到教育革命"。作者指出，汗本人通过广泛阅读、绘图、提问、致电朋友等方式主动建构理解，而学生仅被动观看视频或与聊天机器人互动，缺乏"制作"的目的驱动。文章援引杜威的四种自然冲动（探究、建构、表达、交流），解释为何讲授式AI辅导注定失败。

智能体安全带（Agent Harness）是一种为AI模型提供运行环境的软件，用户可自行拥有。它通常执行四项功能：提供系统提示词、描述并供给工具、建立智能体循环框架，以及提供翻译层以兼容不同模型。以Lefos等为例，安全带可通过邮件、终端等界面交互，其核心是让模型自主决定何时调用工具。

一位用户为完全掌控自己的Amazon Fire HD 10平板，花费266.15美元借助四个AI模型成功获取root权限。Kimi K3以164.25美元发现利用CVE-2022-38181的漏洞，GLM-5.2以21.90美元修复致命错误，GLM-5.3在80美元订阅首日一天内完成最终任务。整个过程中Kimi K3的会话长达621条消息，并自动重试超过500次。

2018 年图灵奖演讲预测的领域专用架构（DSA）爆发已成现实，GPU、TPU、LPU 等数十种 AI 芯片架构竞相发展。NVIDIA 领先，AMD 紧随其后，TPU 训练 Gemini 并服务 Anthropic，Cerebras 为 OpenAI 提供推理，Groq LPU 被 NVIDIA 以 200 亿美元收购。

过度依赖AI编程工具会削弱开发者的专业技能，尤其是缺乏经验的新手。JetBrains引用的研究显示，重度使用AI辅助的参与者常跳过关键规划阶段，以"能力错觉"而非真正理解收场；而限制或忽略AI辅助的新手表现最佳。LLM的"倒置学习"模式要求使用者具备足够经验才能有效驾驭，否则易被误导。

小米新款CPU Xring O3在单线程性能上大致与苹果处理器相当，多线程执行速度则快得多。该芯片总缓存达44 MB，超过多数笔记本CPU；其最强核心C1-Ultra支持SME2与SVE2，拥有21个执行端口，其中6个支持128位SIMD操作，执行单元数量超过Intel/AMD处理器。这一趋势显示核心正朝着大规模并行执行单元与更大缓存方向发展。

Anthropic 最优秀的 AI 模型在用户吸引力上不及更便宜的工具，后者正蓬勃发展。这一现象反映出价格敏感的市场中，性价比正成为用户选择的关键因素。Anthropic 的高端模型面临来自低成本替代品的激烈竞争。

一位开发者分享通过项目根目录的 agent.md 文件注入编码风格偏好，显著改善 LLM 生成代码的质量。该文件包含避免魔法数字、缩短函数名、减少缩进、严格分层等规则，并附完整示例。作者提醒这并非万能，仍需人工审查，同时指出上下文稀释问题可通过保持短上下文和显式重载 agent.md 缓解。

Rohan Paul 分享 @atomic_chat_hq 的测试：更高量化精度并不自动带来更好结果，Qwen 3.8 27B 的 Q8 版在体素任务上有时被 Q4 版追平或超越。

由前 Sierra 研究员 Noah Shinn 团队打造的 AI 个人助理 Instinct 虽仍处于内测阶段，但其服务条款授予公司对用户数据的"永久且不可撤销"许可，包括屏幕截图、光标移动和键盘输入，并可代表用户签订具有约束力的协议。测试者还发现该智能体在断开连接后仍会总结邮件、拒绝删除 Gmail 记录，且易被钓鱼攻击，引发对其安全模型的质疑。

提醒所有提交申请、论文或任何由一人审阅多份材料的人：是的，他们能看出来。 在大多数情况下，即使语言被改写，使用AI的痕迹依然显而易见--当你阅读大量材料时，其中的观点和概念开始变得雷同。