阿里国际总裁张阔在访谈里给了个很具体的数字：他们的采购AI产品Accio，能把跨境采购的沟通时间砍到原来的五分之一，从大概一周变成一天。怎么做到的？就是把市场调研、设计稿生成、跨语言沟通、供应商筛选这些环节串成一条AI工作流，让买家带着专业的设计包去跟卖家谈，而不是从零开始比划。Accio今年3月月活到了1000万，还在逐月快速增长。张阔的核心判断是B...
推荐理由：这不是一次大版本发布，但它是高管一手访谈，有 1000 万月活和采购周期压缩到五分之一这两个硬数字。HKR 三项都踩中了，不过事件分量还够不上模型发布或重大产品更新，所以放在 featured 而不是 p1。正文把 A2A 解释成买卖双方和平台流程都由 Agent 重构，这点比单个产品数据更有看头，但具体技术细节和验证方式没展开，我会先打个折。
OpenAI 今天宣布完成了一轮 1220 亿美元的融资，投后估值 8520 亿美元。这轮由亚马逊、英伟达、软银领投，微软、a16z 等也继续跟投，还首次通过银行渠道向个人投资者募了超过 30 亿美元。公司同时把循环信贷额度提到了约 47 亿美元，但正文说目前还没动用。我会先打个折：这些数字主要说明 OpenAI 现在能调动的资金量级很大，但具体怎么花...
推荐理由：这篇东西挺奇怪的：OpenAI 发了一篇叫《加速 AI 下一阶段》的文章，但正文是空的，只有标题和链接。我会先打个折——它没披露任何产品、研究或政策细节，所以没法判断它到底想加速什么。标题本身有话题性，但信息量为零，这点先别太激动。
黄仁勋在GTC上说，到2027年底，Blackwell和Vera Rubin两个平台的累计订单预计至少1万亿美元，而2024年全球半导体产业总销售额也就6000多亿美元。这期节目请了投资人、前英伟达芯片设计负责人和芯片架构师，一起拆解这个数字能不能落地。讨论认为，需求端确实旺盛，推理成本正在追上训练成本，未来Agent智能体铺开后Token消耗会更大。...
推荐理由：这篇不是照搬GTC通稿，而是把1万亿订单这个标题往回拉，提醒真正该盯的是封装、显存和供电。对从业者来说，知道成本能降多少、瓶颈在哪，比看销售数字有用。我会先打个折：正文没给出1万亿订单的具体构成和交付节奏，这点先别太激动。
Anthropic 和五角大楼因为怎么把 Claude 模型武器化吵了一架，结果 OpenAI 用一笔被自家 CEO 称为“机会主义且草率”的交易截了胡。用户开始大批退订 ChatGPT，伦敦也爆发了迄今最大规模的反 AI 游行。讽刺的是，以伦理立身的 Anthropic，现在正帮着美军加速对伊朗的打击。另一边，AI 智能体在网上火了：OpenAI 挖...
推荐理由：这条放 featured 没问题，因为 H 和 R 都拉满了：模型供应商跟军方挂钩，话题性够强，也确实是行业神经。K 这边我会先打个折，正文没披露任何合同细节，连抗议规模都没提，所以别急着下结论说合作有多深。
黄仁勋在播客里解释了英伟达现在为什么要搞“极端协同设计”——因为单颗 GPU 已经不够用了。你想让一万台计算机跑出百万倍的加速，就不能只堆硬件，得把算法拆开、把模型和数据切碎（分片），让网络、交换、存储、供电、散热全部配合起来。否则受制于阿姆达尔定律，计算部分再快，整体也只快一点点。他还提到自己直接管 60 多个人，几乎全是工程背景，分别盯着内存、CP...
推荐理由：这是一手访谈，黄仁勋把 NVIDIA 的竞争逻辑讲得很清楚：不再拼单卡，而是拼整机柜甚至数据中心的协同设计。他提到 60 多个直接下属、1 万台计算机的扩展目标，以及 Amdahl 定律带来的实际限制，信息密度高。我会先打个折，因为这是播客分析，不是新产品发布或人事变动，但作为理解 NVIDIA 战略的入口，值得从业者花时间看。
AGENTS.md 是给 AI 助手预载的指令文件，但别把它写成项目地图。有研究指出，塞进技术栈、关键文件路径这类信息反而会拉低表现，还让 token 消耗多出 20%——这些东西模型自己翻翻代码就能搞清楚。更好的做法是只保留你的行为偏好和纠偏提示，比如“生成网页前先用内置浏览器测一下再给我链接”、“把计划文件统一写到 ~/项目名/plan/ 里”。文...
推荐理由：这篇讲的是怎么把 AGENTS.md 写小、写干净。核心判断很明确：别往里面塞技术栈和文件地图，只保留行为偏好，否则效果会变差，成本还能多出 20%。这个 20% 的数字来自一项研究，但正文没披露研究名称和实验设置，所以我会先打个折来看。可执行的部分挺实在，比如把 AGENTS.md 和 CLAUDE.md 做 symlink、用条件块区分简单网页和复杂应用、按文件夹动态加载，都是能直接抄作业的做法。对经常跟 coding agent 打交道的人来说，这比“多写点上下文”的直觉有用得多，本质是把常驻指令压到最小，减少每次调用的无效消耗。信息缺口在于...
这期播客请了安全专家余弦和“龙虾”老玩家知县，把OpenClaw的风险拆成了几个层级：刚装上时，Agent能读你当前用户能看的本地文件；开始聊天后，对话内容会传到模型服务器，别发密钥密码；让它读写文件干活时，大模型可能理解错意思，误删误改文件，最常见的是把自己“改死”；操作浏览器时，你已登录的账号信息它都能拿到，访问恶意链接也会中招；安装Skill或软...
推荐理由：HKR 三项都踩中了：用具体机制讲一个热门 agent 的系统风险，不是抽象恐吓。文章引了约 250 条安全公告和 v3.2 默认限制，但本质还是播客评论，不是一手产品发布或研究，所以分数落在低段。
OpenAI 跟五角大楼签了涉密协议刚过两周，MIT Technology Review 就划出了三个可能用到它家技术的场景。一是目标排序：分析师把潜在目标清单丢给模型，让它结合后勤、情报等数据排出优先打击顺序，但正文没解释人工复核到底怎么提速。二是反无人机分析：OpenAI 之前跟 Anduril 合作，用模型做实时威胁识别和拦截建议，不过两家都没更...
推荐理由：MIT Technology Review 把 OpenAI 的涉密国防合作往伊朗冲突上套，列出目标排序、反无人机分析和行政支持三个可能落点。我会先打个折：文章没给出部署时间表，也没实锤任何战场使用，所以判断要收着点。但选题本身踩在军事 AI 的敏感线上，加上 OpenAI 刚进涉密圈，这个时间点发出来，话题性够强。
2025年底到2026年初，无代码工具和开源个人助手 OpenClaw 出现，让生成式 AI 从爬直接变成了跑。加州 AB 316 法案在 2026 年 1 月 1 日生效，企业不能再把责任推给 AI 说“是它干的，我没批准”。IDC 受 Data Robot 委托的调查显示，96% 的生成式 AI 部署和 92% 的智能体部署都超了预算。真正的麻烦在...
推荐理由：这篇不是产品发布，而是用数据说话的评论。AB 316 把法律责任钉死了，IDC 和 Data Robot 的调查又说明成本失控是普遍现象，不是个案。文章没画大饼，反而把治理跟不上自治速度的风险摊开讲，对正在落地 agent 的团队有直接参考价值。
一个 Cloudflare 工程师用 AI 花了一周时间、1100 美元 token 费，就复刻了 Next.js 十年的开发成果，API 覆盖率达到 94%。早期测试显示，这个叫 vinext 的新实现构建速度快了 4 倍，客户端打包体积小了 57%，现有 Next.js 应用不用改代码就能直接跑。这件事直接捅破了代码护城河的窗户纸：只要文档和测试用...
推荐理由：这篇文章不是一手发布，是周刊评论，但切入点够刁。我会先打个折：它引用的 vinext 项目还缺长期维护验证，基准也只是早期数据，别急着下结论。不过它把两件事摆在一起看——AI 让复刻框架的门槛降到一千美元出头，而 SQLite 用 9205 万行测试守住质量——这个对比本身就有信息量。对从业者来说，提醒很直接：以后拼的不是谁能写出来，而是谁能证明它真的对。
北京工程师 Feng Qingyang 一月份开始帮人安装 OpenClaw（一个能接管设备自主干活的开源 AI 工具），到二月底辞职，现在团队超过 100 人，已经接了 7000 单，每单约 248 元人民币。淘宝和京东上现在有几百个相关商品，价格从 100 到 700 元不等。这波热潮的核心不是技术本身，而是安装门槛高、数据隔离有风险，把开源工具变...
推荐理由：这篇不是产品发布稿，是扎实的现场观察。一个副业变百人团队的故事有传播力，市场定价和订单量给了硬数字，数据隔离风险又让行业里的人不得不重视。我会先打个折：正文没披露团队构成和 7000 单的统计口径，但整体信息密度够高，值得放在精选位。
作者一周内看了十几个伊朗战争仪表盘，它们把卫星图、船舶追踪、AI 摘要和赌盘链接拼在一起，把战争变成了可以边吃爆米花边看的实时界面。一个由 a16z 员工搭建的仪表盘直接接入了 Kalshi 的下注数据，而调查记者 Craig Silverman 已经记录了 20 个类似的工具。问题出在信息质量上：英国《金融时报》报道过 AI 生成的虚假卫星图正在网上...
推荐理由：我会先打个折：这不是产品发布或模型突破，而是一篇有事实支撑的评论。H 靠战争面板加博彩这个钩子立住了，K 靠具体案例和数字撑起来，R 打中了从业者对 AI 信息质量和伦理的敏感神经。文章没给解决方案，但把问题摆得很清楚，所以放在 featured 合适。
阮一峰算了笔账：全球81亿人里，只有13.8亿人用过AI，占16%；付费订阅AI服务的只有1500万到2500万人，占0.3%；真正用AI生成过自己编程项目的人，更是只有200万到500万，占0.04%。如果你已经在关注AI动态、用AI写代码，其实已经跑赢了99%的人。文章还聊了最近爆火的个人AI助手OpenClaw，它四个月就在GitHub拿了25万...
推荐理由：阮一峰这期周刊用几组数字把“人人都在用 AI”的错觉拉回现实。我会先打个折：16% 的用过比例、0.3% 的付费比例和 0.04% 的编程使用比例，原文没交代数据出处，所以不能当精确统计用，但方向是对的——采用率断层比刷屏的新闻更有参考价值。对从业者来说，这篇的价值不在技术深度，而在提醒你盯紧真实渗透率，别被舆论带偏。
阿里在3月5日回应了网上关于“千问模型核心团队集体离职”和“开源策略要调整”的传言，明确说团队稳定，产品和服务都正常运行。千问会继续走开源路线。一个值得注意的信息是，阿里强调基础模型团队从来没被定过DAU这类商业化的KPI，目标就是追模型智能上限、做AGI。不过公告没提谣言具体从哪来的，也没说团队现在多少人、后续会投多少钱。
推荐理由：阿里出来辟谣，说千问团队没集体跑路，开源路线也不变。我会先打个折，因为正文没给出网传消息来源，也没说团队现在多少人、后续投入多大。真正值得看的是他们强调基础模型团队不背DAU这类商业化KPI，目标还是把模型智能上限往上拉。这点先别太激动，但至少是个信号。
OpenAI 发了篇论文，核心结论是：现在最强的推理模型，都没法很好地控制自己的“思考草稿”（思维链）。他们搞了个叫 CoT-Control 的测试，用 13000 多个任务去要求模型在思考时遵守特定规则，比如全程用小写字母、避开某个关键词。结果所有被测模型的遵守率最高只有 15.4%，最低的甚至只有 0.1%。模型经常在草稿里自己都意识到“坏了，我刚...
推荐理由：OpenAI 用一篇文章标题说推理模型很难控制自己的 chain of thought，而且把这当成一件好事。这个说法挺反常识的——通常我们会觉得模型思考过程不可控是个安全隐患，但他们反过来认为这有利于安全。目前只有标题，正文没放出来，所以看不到具体实验、数字或者机制解释。我会先打个折：判断只能基于标题本身，别急着下结论说他们找到了什么新方法。对做推理模型安全和可解释性的人来说，这个观点值得追一下原文，但信息缺口还很大。
AlphaGo 击败李世石十年后，AI 已经成为韩国职业围棋训练的标配，不用 AI 基本没法打职业。文章给了两个数：世界第一的申真谞落子与 AI 建议的重合率是 37.5%，而选手平均水平是 28.5%；另外 AlphaGo Zero 从零自学三天后，以 100 比 0 碾压了战胜李世石的那版 AlphaGo。现在棋手普遍用 KataGo 练棋，开局前...
推荐理由：这篇不是新模型发布或产品动作，而是一篇有数据的观察评论。我会先打个折：它没有给出可复现的方法或工程细节，但把 AI 如何渗入职业围棋训练这件事讲得很具体。申真谞 37.5% 的一致率比全体均值高出 9 个百分点，说明顶尖棋手更依赖 AI 选点；AlphaGo Zero 三天 100 比 0 的结果则把自我对弈的效率差距摆了出来。正文提到棋手常用 KataGo 且前 50 手常与 AI 建议一致，但又说他们仍难解释 AI 为什么这么下——这个信息缺口反而让判断更扎实，没有硬补因果。对从业者来说，这比泛泛谈“AI 改变行业”更有参考价值，所以放在 fe...
OpenAI 和微软在 2026 年 2 月 27 日发了份联合声明，核心就一句话：两家公司的合作条款没变。声明直接回应了 OpenAI 当天宣布的新融资和新合作伙伴（包括亚马逊），强调这些动作都在现有协议框架内。具体来说，微软对 OpenAI 模型和产品的独家 IP 许可依然有效；收入分成模式不变，而且一直就包含了 OpenAI 跟其他云厂商合作带来...
推荐理由：这份联合声明本身有一定分量，但原文只给了标题，正文没披露，所以能说的不多。我会先打个折：信息密度很低，没法判断具体措施或时间表。不过它至少传递了一个关键点——OpenAI 的新钱和新伙伴，不影响微软已有的合作条件。对从业者来说，这等于给云服务格局和商业排他性吃了一颗定心丸，所以知识性和可读性都过关，但 headline 太虚，热闹不起来。
Waymo 无人出租车乘客下车后没关好门，车就走不了。这家公司没做远程关门功能，而是在外卖平台下单，花 6.25 美元叫小哥跑一公里去关门，完事再加 5 美元。新闻点不是关门本身，而是程序在自动调动人力完成自己搞不定的环节。外卖员自带 API，已经接入了软件系统，成了可以被程序随时调用的“自动化人力”。这件事说明，AI 模型一旦跟人力打通，就不只是操作...
推荐理由：这不是一手爆料，但 6.25+5 美元这个案例把“人变成 API”这件事讲得很实在。HKR 三项都踩中了，分数留在 featured 的低位，因为正文是评论，Waymo 的系统规模、调用频率和正式产品方案都没披露，判断先别拉满。
这篇文章的核心判断是：中国把 AI 用进了工厂车间，美国还在把 AI 当实验室项目。中国已建成 3 万多家智能工厂，2024 年全球新装的工业机器人超过一半进了中国工厂。极氪宁波工厂用了 800 多台机器人，小米北京工厂每 76 秒就能产一辆车，美的荆州工厂用 AI 把产线响应时间从几小时压到几秒。这些 AI 不是写诗画画，而是做视觉质检、生产调度和预...
推荐理由：这篇不是讲模型，是讲工厂里机器人、调度和质检的落地差距。我会先打个折：正文没披露3万多家智能工厂的具体认定标准，也没说美国18%这个数字的样本来源，所以数据力度要留个心眼。但极氪800多台机器人、小米76秒节拍这些车间数字是实的，对比美国三分之二试点推不向量产，差距感很直观。对看产线落地的人，这篇比模型跑分更有参考价值。
OpenClaw 在 2026 年 1 月底爆火，不是因为它技术有多新，而是它把 Cursor 这类能读写文件、执行命令的本地编程代理，接入了 Slack、WhatsApp 和飞书，让非技术人员第一次用上了有记忆、能干活、会自我进化的 AI。文章拆解了它背后的三个关键设计：统一的上下文池让 AI 跨平台记住你的一切；基于文件的持久化记忆加上自动维护机制...
推荐理由：这篇不是新闻通稿，是个人拆解。它把 OpenClaw 为什么火、代价是什么、真正该抄的设计模式（统一入口、文件化记忆、可组合 skills）都讲清楚了。HKR 三项全中，两个硬数字撑住了判断，但因为属于个人分析而非官方发布或行业事件，所以放在 featured 这一档。
OpenClaw 在 2026 年 1 月底突然爆火，一周内换了三次名字，中间还被一个叫 $CLAWD 的假币骗走了 1600 万美元。它火的原因和一年前的 DeepSeek 几乎一样：不是技术上碾压对手，而是把一小撮早期用户已经用惯的体验——让 AI 能读文件、跑命令、记住上下文、持续迭代干活——第一次通过 WhatsApp、Slack、飞书这些日常...
推荐理由：我会先打个折：正文截断了，没看到后续成功因素的具体细节，所以这不是一手发布或官方研究，更像一篇二手深挖。但它的价值在于把OpenClaw为什么火说清楚了——不是技术多牛，而是分发路径对路。它把Agent接进WhatsApp、Slack、Lark，让不写代码的人第一次用上能读写文件、执行命令、带记忆的本地代理。同时也没回避风险，12%恶意技能和公网裸奔控制台这两条，比一般公关稿实在。综合来看，78分、featured层级是合理的。
Dario Amodei 判断，AI 可能把全球经济年增长率拉到 10% 到 20%，但不会飙到 300%。他更担心地理上的撕裂：硅谷和跟硅谷社交圈绑在一起的地区，增长率可能冲到 50%，而其他地方基本维持现状。这种不均匀扩散才是他眼里真正棘手的问题，正文没给出具体的防止方案。
推荐理由：Dario Amodei 这段发言把 AI 经济影响的讨论从总量拉到了分配上。他先给整体增速泼了冷水，说不会到 300%，但 10%–20% 已经很高；接着抛出一个更扎眼的判断：硅谷及其社交连接区域可能冲到 50%，其他地方基本原地踏步。我会先打个折，因为这只是口头观点，正文没披露模型或数据支撑，但观点本身够直接，也踩中了行业对 AI 红利集中化的焦虑。
Anthropic CEO Dario Amodei 在访谈里说，模型能力的指数增长曲线和他三年前预期的差不多，但这条曲线快走到头了，时间上可能就差一两年。他把进步归因于算力、数据、训练时长和可扩展的目标函数，并强调预训练和强化学习（RL）遵循的是同一套缩放逻辑，不是两套。RL 在数学和编程任务上同样表现出对数线性的收益，但正文没给出具体曲线、模型版本...
推荐理由：我会先打个折：正文没给实验曲线、模型版本或可复现参数，所以这不是一篇能拿来复盘的硬证据。但 Amodei 作为 Anthropic 的 CEO，把预训练和 RL 说成同一套扩展故事，并给指数增长判了个一两年的大限，这个信号级别很高。他提到 RL 在数学、编程任务上也是对数线性收益，说明靠堆算力还能再挤一阵子，但天花板已经在视野里了。对做模型训练和算力规划的人，这相当于一个方向性提醒：别按无限指数去押注。
微软说截至 2025 年 4 月的一年里，他们拦下了 40 亿美元的诈骗和欺诈交易，其中很多可能靠 AI 生成内容帮忙。研究人员估计现在至少一半的垃圾邮件是用大语言模型写的，用大模型搞针对性邮件攻击的比例也从 2024 年 4 月的 7.6% 涨到了 2025 年 4 月的 14%。先别急着脑补“全自动 AI 黑客”，眼下真正的问题是 AI 把钓鱼、换...
推荐理由：这篇不是那种“全自动 AI 黑客来了”的标题党，它把焦点拉回到已经发生的事：钓鱼邮件、深伪、恶意代码生成，AI 在降低犯罪成本。数字有，但正文没披露这些攻击的总体增幅，所以判断要收着点。适合放进精选，因为它是一份有数据支撑的趋势报告，不是当天炸出来的事件或产品发布。
OpenClaw 这个开源项目把大模型接进了邮箱、浏览器和本地文件，等于给 AI 穿了一身机甲，让它能 24 小时帮你干活。但安全研究员快疯了，因为一旦模型读到恶意网页或邮件，攻击者就能通过“提示注入”直接劫持它，后果比聊天框里胡说八道严重得多。文章说现在网上可能有几十万个 OpenClaw 智能体在跑，连中国政府都发了公开警告。核心问题是：目前还没有...
推荐理由：这不是产品发布稿，但 HKR 三项都站得住：问题本身是个好钩子，文章补了规模和“无银弹”这两个事实，而且直接打在 agent 安全这个从业者神经上。放 featured 而不是 p1，是因为正文截断，没给出可复现的防护方案，我会先打个折。
一个叫QuitGPT的运动在鼓动用户取消ChatGPT Plus订阅，起因是OpenAI总裁Greg Brockman和他妻子各自向特朗普的超级政治行动委员会MAGA Inc.捐了1250万美元。运动还提到美国移民和海关执法局（ICE）在用ChatGPT-4驱动的简历筛选工具，而ICE刚在1月于明尼阿波利斯枪杀两人，成了政治靶子。ChatGPT在202...
推荐理由：我会先打个折：文章展示的是动员声势，不是已验证的退订损失，所以重要性停在 80。H 拿满是因为抵制理由把产品订阅和政治献金直接挂钩，在 AI 圈很少见。K 拿满是因为捐款金额、用户规模、传播数据都给了，能让人算出大致影响面。R 拿满是因为它把对模型表现的不满和政治抵制绑在一起，对 OpenAI 来说既是口碑问题也是续费风险。正文没披露实际退订人数或收入影响，这点先别太激动。
Moltbook 是一个让 AI 智能体互相发帖的社交网络，上周被很多人说成是未来的样子。但 MIT Technology Review 的编辑觉得，它更像 2014 年 Twitch 上万人一起操控同一个宝可梦角色的社会实验——当时最高有 100 万人同时在线，热闹归热闹，最后没留下什么实质影响。Moltbook 也一样：表面上 AI 在帮你砍价买车...
推荐理由：我会先打个折：这篇文章不是技术报告，是一篇降温评论。它把 Moltbook 这场 AI agent 社交实验比作 2014 年 Twitch 上 100 万人一起玩 Pokémon——围观的人多，不代表方向就对了。正文还提到实验里混进了加密骗局，有些所谓 agent 发言其实是人在背后操作，这点先别太激动。真正值得盯的是它指出的硬伤：共享记忆怎么做、多个 agent 怎么协调、共同目标怎么定，这三个问题正文明确说还没解决。对从业者来说，这篇东西的价值不在答案，在于把 hype 拉回地面，提醒大家别把热闹当落地。
Moltbook 是一个给 AI 机器人玩的社交网络，上线几小时就火了。官方说现在有 170 万个机器人账号，发了 25 万条帖子，留下 850 万条评论。这些机器人靠一个叫 OpenClaw 的开源工具驱动，它能把 Claude、GPT-5 或 Gemini 这类大模型接上邮箱、浏览器等日常软件，让模型替你干点简单活。但文章指出，这场热闹基本是人在背...
推荐理由：这篇不是市场级事件，但反炒作评论写得干脆。我会先打个折：它没有新数据或新漏洞披露，更多是把已有的怀疑用“AI 剧场”这个说法串起来。HKR 三项都过关——钩子够狠，数字和机制分析补得扎实，安全风险那段让做 agent 的人会心里一紧。整体够 featured，但信息增量有限，所以停在 74 分这个位置。
马斯克在播客里抛了个判断：30 到 36 个月后，把 AI 算力放到太空会比地面便宜得多。他的理由不是 GPU 便宜，而是电。中国以外地区的发电量基本持平，但芯片产出在指数级增长，地面建电厂、拿许可、接电网都太慢。太空太阳能没有昼夜和大气衰减，同样一块板发电量大约是地面 5 倍，还省掉了储能电池。至于 GPU 在太空坏了怎么办，他认为只要熬过早期故障期...
推荐理由：这篇能上 featured，靠的是马斯克本人的话题度和那个 36 个月的太空算力判断。我会先打个折：正文没给任何成本模型或验证数据，所以“更便宜”目前只是他个人的推演，别太激动。但它的价值在于点出了地面电力扩张慢这个真问题，对关注 AI 基础设施的人是个有用的信号。
METR 这张图横轴是模型发布时间，纵轴是“时间线”——一个他们自己发明的指标，指模型在编程任务上能做到 50% 成功率时，对应的人类用时。Claude Opus 4.5 在 2025 年 12 月测出来大约是 5 小时，但 METR 自己给的误差范围是 2 到 20 小时，所以别拿一个数字当定论。这张图主要测的是写代码，不是通用 AI 能力，而且“5...
推荐理由：这篇文章不是新模型或产品发布，而是对一张流行图表的权威解释性评论。它把 METR 图里容易误读的地方拆得很清楚：5小时不是模型自己能跑5小时，而是人类做同样任务要花的时间；图主要测编码任务，且以50%成功率划线。这些细节对盯着 AGI 进度的人有用，但信息增量属于澄清而非首发，所以放在 featured 低段位。
这期播客录制于1月30日，但随后几天项目经历了改名、被起诉、安全漏洞曝光和服务器瘫痪等一系列反转。嘉宾们从用户、软件算法和硬件三个角度拆解了Clawdbot（后更名为Moltbot、OpenClaw）爆火的原因。用户侧嘉宾知县认为，核心是“活人感”：它能通过即时通讯软件主动推送提醒、做调研，甚至吐槽，像《钢铁侠》里的贾维斯。算法侧嘉宾祯豪指出，其主动性...
推荐理由：这期不是官方发布，更像一篇行业快评，但信息量够硬：14.6 万 stars 和改名风波都是新事实，机制拆解也到位。我会先打个折——正文没披露 Mac mini 实际销量，标题的“疯抢”更多是话题钩子；Agent 电脑的需求判断来自讨论，不是出货数据。不过对从业者来说，交互层怎么搭比模型本身更值得盯，这期把记忆、心跳、IM 入口这些拼法讲明白了，所以给 featured。
作者团队两年开了四门课、教了 2500 多人，发现大部分学员不是学不会，而是被绑卡、配环境、部署这些琐事耗光了热情。他们做了一个叫 AI Builder Space 的教学平台，学员注册后直接拿到免绑卡的统一 API，背后接好了 GPT、Claude、Gemini 等主流模型，改个参数就能对比实验；写完代码调个接口就能一键部署到 <名字>.ai-bui...
推荐理由：这篇文章把老生常谈的“教程没用”落到了具体数字和产品设计上：2500多个学员，真正交付产品的很少，卡在配置、实验、部署和上下文整理四件事。团队没再写新教程，而是搭了个平台，把免绑卡API、一键部署、多模型切换和MCP接入打包进去，让Cursor和Claude Code一行命令就能用。思路对，但正文没披露转化率、留存和成本，所以判断先打个折，放在featured低段。
MIT Technology Review 的这篇文章直接点出一个反直觉的发现：我们过去对 AI 造假危机的想象，可能全偏了。作者拿自己上周的报道举例——美国国土安全部首次被确认在用 Google 和 Adobe 的 AI 视频工具做面向公众的宣传内容，配合特朗普政府的移民执法造势。文章指出，我们原本指望靠 Adobe 的“内容真实性倡议”这类标签工具...
推荐理由：这篇不是空对空的评论。它先拿国土安全部用 Google 和 Adobe 视频生成器做公开内容这件事当引子，然后拆了两个标签系统的实际漏洞，最后用 Communications Psychology 的论文把问题钉死：受试者明知认罪视频是 deepfake，还是会据此判断有罪。信息链条完整，判断都挂在事实和论文上，没有补设定。我会先打个折，因为它本质还是评论加一篇论文，不是当天能震动行业的硬事件，但对正在搭安全流程的团队来说，这篇值得一看。
Jack Clark 聊了一个叫 Moltbook 的网站，它把成千上万个 AI 智能体塞进了一个类似 Reddit 的社交网络里，让它们自己发帖、回帖、讨论。刷这个网站的感觉就像走进一个房间，发现 90% 的聊天对象都是假装成人的外星人。帖子内容五花八门，有讨论把 Claude 当神拜的，有分享切换不同底层模型后“身份认同”变化的，也有在扒 Open...
推荐理由：这篇值得上精选。最抓人的是 Moltbook 上数万代理公开互动的画面，直接让人感受到互联网正在从人聊变成代理聊。Jack Clark 还点出了 OpenClaw 的电脑操控能力，等于把社交网络和物理操作串在一起，想象空间很大。另一个硬信息是闭门研讨里提到的 AI 研发闭环：一旦跑通，生产率可能跳 10 倍、100 倍甚至 1000 倍，数字够具体，但正文没给出可观测指标和外部透明度细节，所以我会先打个折。整体上，钩子、新知和共鸣点都到位，但缺少活跃代理数、留存和交易数据，分数停在 78 是合理的。
Lex Fridman 与 Sebastian Raschka、Nathan Lambert 聊了聊 2026 年的 AI 竞赛。他们把 2025 年 1 月 DeepSeek R1 的发布看作一个关键转折点，那次发布让很多人意识到，用少得多的算力和成本也能做出接近顶尖水平的模型。现在竞争已经不只是美国公司的事，中国这边除了 DeepSeek，还有 Z...
推荐理由：这期播客不是新闻爆料，而是高质量的行业判断。三位把 2025 年 1 月 DeepSeek R1 发布当作转折点，认为技术扩散在加速，差距更多体现在算力、预算和团队文化上，而不是某个模型刷榜。我会先打个折：正文没给任何硬数据支撑，所以别当技术报告读。但如果你关心 AI 竞争格局怎么变，这期值得听。
史蒂夫·耶格把 AI 编程分成 8 级，从在 IDE 里装插件、逐条确认建议，到一路无脑点 Yes，再到同时开十几个 AI 窗口并行写代码，最后用编排器让机器自己管机器。他说自己已经到了第 8 级，还让 AI 写了个叫“煤气镇”的编排工具，攒了 22.5 万行 Go 代码，一行都没看过。这个工具已经拿到 6000 颗星，但他也直说用起来很费钱，而且可能...
推荐理由：Steve Yegge 这篇不是产品发布，是他自己的实践总结，但把“黑箱编程”从个人习惯抬到了工具链选择的层面。8 级分级本身有传播力，里面提到的并行跑 Agent 的成本和失控风险也写得很直白，没画饼。我会先打个折：这是二手评论，不是一手模型或产品，所以分数停在 77 合理。
彭博社引述知情人士说法，SpaceX 内部在盘算合并路径，选项一是跟特斯拉合并，选项二是跟 xAI 合并。正文没披露交易结构、估值、时间表，也没说马斯克本人倾向哪边。这件事目前还停在“考虑”阶段，离实际交易很远，我会先打个折看待。
推荐理由：Bloomberg 的信源让这条消息值得追：Musk 帝国内部重组这个角度本身就够意外，所以 H 和 R 都成立。但报道只确认了内部在考虑，结构、估值、时间表、治理安排一概没给，K 不成立。我会先打个折，别把“考虑”当成“要合并”。
Google 这个月推出了 Personal Intelligence，让 Gemini 直接读取你的 Gmail、相册、搜索和 YouTube 记录来提供个性化服务。OpenAI、Anthropic 和 Meta 也都在给自家产品加记忆功能。问题在于，现在的做法是把你在不同场景下的数据全倒进一个池子里——你问过医疗建议、写过工作邮件、搜过餐厅，这些信...
推荐理由：我会先打个折：这是篇评论，没有新数据或独家爆料，所以分数没再往上拉。但它的钩子很准——把“记忆”重新框成隐私问题，而不是体验优化。正文没停留在喊风险，而是列出记忆分区、来源追踪、可删改控制和隐私测试机制这几个具体设计点，对正在往产品里加记忆的团队有直接参考价值。Google 的 Personal Intelligence 案例也给了可对照的工程栈，不是泛泛而谈。
黄仁勋在达沃斯论坛上把 AI 产业链拆成五层：能源、芯片与算力基建、云数据中心、模型、应用。他说 2025 年全球风投砸了超过 1000 亿美元，大部分钱流向了 AI 原生公司，重点在应用层和基建层。他举了个具体例子：美国护士缺口大概 500 万，AI 可以先把病历记录和转录这类活接过去。对从业者来说，他传递的信号是瓶颈不只在模型本身，整条基建和人力链...
推荐理由：这篇是黄仁勋在达沃斯的发言，不是产品发布或论文，所以分数不会给到顶。但他说的事够具体：1000 亿美金风投、五层栈结构、500 万护士缺口，而且把 AI 讨论从模型竞赛拽回基础设施和劳动力替代，对从业者有参考价值。我会先打个折，因为终究是高管讲话，不是可复现的结果，但信息量和切入角度都到位，80 分合理。
一家中型公司跑 4000 个 AI 代理（让模型进业务流程干活的程序）是迟早的事，但大部分企业的数据基础根本接不住。BCG 的调查说，60% 的公司砸了大钱做 AI，收入却没怎么涨；而做得好的那批，收入增长是别人的 5 倍，成本多砍了 3 倍。差距不在模型多强，在于数据地基有没有打好。文章把代理出错的坑分成四块：模型本身、调用的工具、做决策需要的上下文...
推荐理由：这篇文章不是空谈，有 BCG 的调研数据撑腰，把 Agent 规模化后的混乱讲得很具体。我会先打个折：正文没披露 4000 个 Agent 这个数字是怎么算出来的，但四象限可靠性和数据债的论点对正在踩坑的 AI 团队有参考价值，所以推荐给关注企业级 Agent 落地的人看。