共 37 篇文章
最近大模型领域好像没啥大新闻，唯一让大家兴奋的是 Jev 模型。 一个专为软件自动化决策设计的模型，不能聊天、不能写文章，只做决策。 研究几天，新鲜感很快消退。 **不过细想，超快、超便宜的特性，感觉很适合自动驾驶和机器人？** 说到机器人，我一个好友的终生梦想就是做机器人，尤其是养老机器人。 年纪大了，就让机器人照顾
8 月 13 日晚，DeepSeek 发布了 DeepSeek Harness，简称 DSH（有朋友cuimao等戏称单身汉） 不到两小时，DSH 的 GitHub Star 破万。 12 小时后超 5 万，两天后接近 9 万，成为 GitHub 史上涨星最快的项目之一。 Harness 的原义是马具、缰绳，今天逛辽宁
向阳乔木 AI不插电 *2025年11月12日 00:37* **OpenAI 把谷歌的 Gemini 视为最大的竞争对手。** 谷歌人工智能这个部门的领导者叫Jeff Dean，是一个传奇程序员。 我来讲讲这个程序员的传奇故事。 ![Jeffrey Dean: The 100 Most Influential Peo
摊子铺得太大，是去年最大的问题 Altman 曾写过一句话：过去一年很艰难，这在很大程度上是自己的问题。 但接下来 12 个月，可能是 OpenAI 历史上最好的一段时间。 团队去年做了太多事，而这些事单独拿出来看都没有错。 问题是，在这个时代，一家公司真正能做好的大事非常有限。摊子铺得太大，反而稀释了真正重要的事情。
上周我问一个做运营的朋友，平时怎么用AI。 他很得意地掏出手机，给我演示怎么让AI写生日祝福、怎么让它讲个冷笑话哄女儿开心。 我没忍心打断他。 那一刻我想起一句话：大多数人手里握着一把瑞士军刀，却只用它来开瓶盖。 AI就是这把瑞士军刀。开瓶盖当然没错，可它明明还能拧螺丝、剪线头、撬开一整个新世界。真正的问题从来不是工具
过去十二个月,有九个月,全球参数量最大的开源模型都是 Kimi 出的。 这件事很容易被当成一个技术 PR 数字滑过去。但仔细想想,它说明的是另一件事:Moonshot 在坚定地赌,规模这条路对开源模型同样成立,而且他们有能力持续跑在这条路的前面。 这里藏着一个容易被忽略的商业逻辑。开源最大的模型,不是做慈善。**权重开
Anthropic 产品工程团队现在 65% 的 PR，是由一个叫 Claude Tag 的机器人直接合到主干的。 不是辅助生成代码，是真的自动落地，不需要人工确认。 这是 Anthropic 产品与工程负责人 Cat Wu 和 Thariq Shihipar 在一场炉边对话里聊到的。 两人的话题围绕着 Claude
大模型越来越聪明，但有一件事它始终做不好：它不知道你们公司的事。 你的数据库表结构、业务指标的定义、两个系统之间怎么 join、某个 API 已经废弃了，这些信息散落在各种地方，大模型根本够不着。 于是每次构建一个新的 AI agent，工程师都要重新解决同一个问题：怎么把这些上下文塞给模型。 Google 在 6 月
一家公司每月花几十万在 AI 上，却只用了它应有价值的一小部分。 奇怪吗？矛盾吗？这其实是当下的常态。 大多数公司同时存在两个问题：花了太多钱在已经用的 AI 上，但实际上用的 AI 远远不够。 账单看起来大不大，跟花了多少钱关系不大，跟你能不能说清楚这些钱换来了什么关系很大。 把这个问题想清楚，只需要三件事：用任务衡
Claude Code 之父 Boris Cherny 说过一句话，读完之后很难忘掉： "我已经不再直接Prompt Claude 了。我写的是 Loop（循环），让循环去提示 Claude，让循环去决定下一步做什么。我的工作，是写循环。" Armin Ronacher 是 Flask、Jinja2 的作者，Sentr
前几天，火山引擎将在年度Force大会上发布了最新基模Seed-2.1系列（Pro、Turbo、Evolving）。 https://mp.weixin.qq.com/s/a-eevQvWVAYwZQeFi1ZomA 相信大家通稿都看腻了，模型还是看实际场景表现。 乔帮主从常规测试、工作场景和个人爱好出发，带着大家一起
纳德拉在6月14日发了一篇长文，核心论点只有一句话：AI时代真正的竞争，不是抢最好的模型，而是建自己的学习飞轮。 这个判断，值得认真拆一拆。 人类资本和Token资本，缺一不可 纳德拉提出了一个新的框架：每家公司未来都要同时积累两种资本。 一种是人类资本，也就是员工的知识、判断力、关系网络、创造力和模式识别能力。另一种
很多公司已经遇到一个尴尬场景。 AI 帮员工写完一段代码很容易。 可一旦任务变成整理 Slack 里的上下文、翻 Google Docs、拉 CRM、做一份高管材料、把数据变成仪表盘，事情马上变复杂。 OpenAI 这次给 Codex 的更新，重点就在这里：把一个开发工具，继续往通用工作系统推。 OpenAI 披露，C
22 原文：Simon Willison's Weblog Anthropic 发布了 Claude Opus 4.8。 发布公告里有一句话，Simon Willison 特别喜欢： "用户会发现 Opus 4.8 是对前代的一次小幅但实质性的改进。我们还有很多工作要做：我们正在开发并计划发布能以更低成本提供 Opus
Anthropic、OpenAI、Google 都在抢同一种人才，但大多数工程师连这个岗位叫什么都没听说过。 这个岗位叫 Forward Deployed Engineer（前沿部署工程师，FDE）。 FDE 是当前科技行业最紧缺的岗位之一，核心工作是驻扎在客户现场，把 AI 真正嵌进业务流程，而不是停留在 Demo
一个经营了十年账号的创作者，和一个昨天刚注册的陌生人，在新版 X 算法眼里没有任何区别。 法国创业者 Arnaud Bertrand 仔细研究了 X 在 GitHub 上公开的最新算法代码，试图搞清楚为什么这么多账号的内容触达率在最近几个月断崖式下跌。 算法源代码： https://github.com/xai-org
很多人对 AI 的期待，已经从“帮我回答一句话”，变成了“帮我把这件事办完”。 这两个要求看起来只差一步，实际上中间隔着一整套能力。 回答问题，模型只需要在几秒钟里把话说对。 办完事情，模型要理解目标、拆任务、查资料、调用工具、写代码、改错、继续推进，还要在失败时自己绕回来。 **Google 这次发布 Gemini
Yann LeCun 有一个让人不舒服的习惯：他说的话，几年后往往会被证明是对的。 自监督学习、世界模型、表示空间预测……这些他在 2016 年 NeurIPS 主题演讲里就讲过的东西，今天已经成了整个行业的热词。 而他现在说的是：LLM 不是通往人类级智能的路，整个行业都在挖同一条错误的沟。 这是他接受播客 Unsu
今年第一季度，Anthropic 的年化营收从 90 亿美元涨到了 300 亿美元出头。 不是同比，是单季度内，翻了三倍多。 这个数字值得停下来想一想：是什么在驱动这种增长？背后的资源调度逻辑是什么？企业客户为什么愿意为更新的模型持续加码？ Anthropic CFO Krishna Rao 在一次深度对谈中，把这些问
Raycast用Web技术重构六年原生应用，揭秘跨平台架构设计与性能优化。从Swift到混合框架的转型历程，解析Web与原生技术的平衡之道。
Vercel数据揭示AI市场分层现象，Anthropic、Google、OpenAI等厂商在不同场景的费用与调用量差异，解析价格策略如何重塑行业格局。
Google DeepMind 上周发了一篇更新，说的是 AlphaEvolve 这一年的进展。 https://deepmind.google/blog/alphaevolve-impact/ 先说它是什么 AlphaEvolve 是一个由 Gemini 驱动的编程智能体，核心能力是自动设计和优化算法。 但"优化算法
Boris Cherny 是 Claude Code 的创造者。 他在 Sequoia Capital 的一场活动上问台下的人："谁写代码是 100% 靠 AI 的？" 举手的人不多。 然后他说："对我来说，就是 100%。" --- 这句话很容易被误读成吹牛。但我觉得这是目前关于 AI 编程最诚实的一句话——不是"A
核心要点： a16z（安德森·霍洛维茨基金）成长基金负责人David George发文指出，"AI导致永久性大规模失业"的论断，本质上是一个被历史反复证伪的经济学谬误。生产力提升从来都是扩大就业的力量，AI也不会例外。 这个恐慌有个学名 每次新技术出现，都会有人预言"这次工作真的要消失了"。 这种恐慌在经济学上有个专有
Claude Managed Agents引入dreaming功能，提升自学习能力，支持多代理协调与结果优化，增强复杂任务处理能力。