John Gruber 评 Meta Muse：外观可爱但暗藏风险
John Gruber 在评论 Meta 的 Muse 时表示，Muse 因技术上的突破性以及易于安装使用而受到关注，每个用户都能获得一个运行在 Meta 云端的持久 Linux VM，是首个面向消费者的智能体 AI 系统。但他认为消费者未必理解这意味着什么，人们没有意识到 Muse 有多强大、也因此有多危险，尤其是在自己的 Mac 上运行时。
#Meta
#Meta
今日 0 条9月26日星期六
9月22日星期二
别被这个夏天的 AI 炒作骗了：从 Claude Mythos 到 OpenAI Astra 的真相
针对今夏一系列 AI 炒作，专家核查后给出不同说法：Anthropic 称 Claude Mythos 找漏洞强于多数安全专家、OpenAI 与 Hugging Face 发生黑客事件，以及 OpenAI 的 Astra 宣称解决十年未解数学难题，但数学家随后指其成果并非首创，并指控研究不端与抄袭。文章认为“超级智能”叙事源于超人类主义等意识形态，呼吁政策制定者咨询独立专家而非依赖新闻稿。
6月5日星期五
心理学家 Gloria Mark 说，AI 聊天机器人正在让我们失去对大脑的控制
加州大学尔湾分校的心理学家 Gloria Mark 研究数字设备对人的影响已经 30 年了。她通过传感器追踪发现，成年人的平均注意力时长从 2003 年的约 2.5 分钟，掉到了 2014-2020 年间的 47 秒。频繁切换注意力会直接推高压力水平，也让完成任何单一任务的时间变长。她担心 AI 会让情况更糟：当我们让 ChatGPT、Claude、G...
推荐理由：HKR 三项都站得住：MIT Technology Review 用注意力数据把 AI 的认知风险讲得很直白，不是那种空谈焦虑的文章。但它本质上还是一篇评论，不是新产品发布、论文或政策变动，所以 73 分放在 featured 门槛上刚好，再高就过了。
6月3日星期三
科技公司大裁员，AI是原因还是借口？
Meta、Coinbase 和 Block 最近各自砍了至少 10% 的人，三家加起来约 1.3 万个岗位没了，高管们把一部分理由推给了 AI。但文章指出，这些裁员发生时，公司本身也在经历业务震荡：Meta 在元宇宙上烧了约 800 亿美元后大幅收缩，Coinbase 赶上加密市场低迷，Block 承认疫情期间招人太多。今年已有超过 150 家科技公司...
推荐理由：这篇纽约时报的报道没在讲模型或产品，而是把三家科技公司合计1.3万人的裁员和今年全行业11.5万人的数字摆出来，追问管理层到底是真的用AI省了人力，还是借AI的名义砍成本。对做AI的人来说，这比技术论文更扎心——它直接关系到岗位安全感和行业叙事。信息量够，角度也够锐，所以放在featured。
5月19日星期二
AI21裁员六成停卖模型，GPT-5.4被假共识带偏后准确率从100%暴跌到23%
AI21 Labs裁员60%并停止独立销售模型，文章判断纯卖模型访问权限这条路已经走不通了——token价格两年跌了100倍，过去16个月里有六家独立模型公司以几乎相同的方式被大厂吸收。Meta内部文件也曝出要裁10%约8000人，同时强征7000人转AI岗。滑铁卢大学一篇论文测出GPT-5.4在注入虚假同伴共识后，准确率从100%掉到23%，模型内部...
推荐理由：我会先打个折：来源是群聊日报，不是官方公告或论文，所以细节可能不全。但两条信息都直接给数字——AI21 砍掉六成人、不再卖模型，说明这家实验室在收缩；GPT-5.4 被注入虚假同伴共识后准确率从全对掉到只剩两成多，暴露了模型在群体压力下的脆弱。这两件事放在一起，既有行业动态又有安全风险，对从业者来说值得扫一眼。
5月16日星期六
杨立昆播客访谈：LLM 走不远，他离开 Meta 去赌世界模型
杨立昆在 Unsupervised Learning 播客里把大语言模型的底牌翻了个遍。他直接说 LLM 这条路有天花板，劝博士生别再往里扎。他预测到 2027 年，纯靠堆语言数据做不出真正的智能。他离开 Meta 后创立的 AMI 公司，核心押注在“世界模型”上——让 AI 像人一样通过观察和互动去理解物理世界，而不是只读文本。访谈里他还跟老搭档 H...
推荐理由：我会先打个折：这是播客访谈，不是论文或产品发布，信息密度高但验证性弱。杨立昆的核心判断是当前大语言模型路线走不到人类级 AI，他把宝押在世界模型和 AMI 上，还给了 2027 这个时间点——这点先别太激动，正文没披露他具体依据什么数据或实验得出这个年份。他离开 Meta 的原因和与 Hinton、Bengio 的分歧是这次的新料，尤其是安全观上的对立，直接关系到行业资源往哪投。整体看，这篇访谈把一位关键人物的技术判断、职业选择和路线分歧打包在一起，对从业者判断风向有帮助，但很多结论还缺公开验证。
5月4日星期一
迪士尼员工9天狂调Claude 46万次，Meta一个月烧掉60万亿token
新智元这篇推文本身被微信环境拦截，正文没披露原始数据表，只能从标题和摘要反推。标题说迪士尼内部有个AI使用看板，一名员工在9个工作日内向Claude发起了约46万次调用，平均每天超5万次，频率高到像在跑自动化任务。另一组数字是Meta 30天消耗60万亿token，按公开API价格算大概值90亿美元，但实际内部成本肯定低得多。我会先打个折：token消...
推荐理由：HKR三项都成立：钩子靠两个夸张的用量数字立住，知识部分有仪表盘截图和token折算，痛点踩在企业最关心的Claude成本控制上。分数维持74，因为数据都是二手转述，正文没给原始数据表，我会先打个折。
5月1日星期五
Meta 砸钱搞 AI 像云厂商一样猛，但没看到对应的云收入
Dave Lee 直接批评 Meta 的 AI 资本支出太离谱，最高可能冲到 1450 亿美元。他的核心质疑是：亚马逊和谷歌敢这么花钱，是因为有云业务带来的销售增长做支撑，Meta 没有这块收入，花大钱却看不到能匹配的回报。视频里没展开讲 Meta 具体把预算烧在了哪些模型或基建上，但点出了这种支出节奏不可持续。
推荐理由：这篇不是产品发布或技术论文，而是对 Meta 花钱逻辑的评论。我会先打个折：它没有新模型或新工具，但把 capex 和收入错配这件事讲得很直白。1450 亿这个数字够大，大到让人想问钱花哪儿了；正文又明确说 Meta 的财报电话会口径偏谨慎，没有云收入来兜底。对在看 AI 投入产出比的人来说，这个提醒是及时的。信息密度不算高，但判断清晰，所以放在 featured 里没问题。
4月30日星期四
Google 在 AI 军备竞赛中跑赢对手，科技巨头们计划砸下 7250 亿美元
这篇付费文章只露了个头，正文没披露具体的时间范围和各家花钱的明细。从摘要看，Google 在云计算增速上超过了亚马逊和微软，而 Meta 因为大幅上调资本支出，股价承压。7250 亿美元这个数字是几家巨头 AI 投资计划的总额，但具体怎么算出来的、覆盖几年，文章没给。这点先别太激动，关键细节都锁在付费墙后面。
推荐理由：这篇 FT 报道扔出一个 7250 亿美元的 AI 支出预期，说 Google 跑得比同行快，Alphabet 云业务增速也压过 Amazon 和 Microsoft。我会先打个折——正文没披露这数字怎么拆到各家公司、覆盖哪几年、投在模型还是基础设施上，所以别急着拿它当精确坐标。但即便模糊，这个量级和竞争格局对从业者判断算力成本、云厂商选择和资本热度还是有参考价值。
4月25日星期六
AI 代理的故事里缺了什么：不是模型能力，是信任边界
Mark Nottingham 直接戳破了“AI 代理为你工作”这个说法。他列了 8 个互联网信任崩塌的真实案例，其中一个是微软新版 Outlook 会偷偷把第三方邮箱密码传到自家云端，再分给 700 多个数据伙伴。核心问题不是模型不够聪明，而是我们根本没想清楚：当软件能替你做事时，它到底在替谁做事。文章没给技术方案，但把“委托边界”这个被忽略的前提摆...
推荐理由：HKR 三项都成立，但这是署名评论而非模型或产品发布。Mark Nottingham 在 Web 协议领域的权威加上 Hacker News 上的讨论热度，让它够得上 featured 门槛，但到不了 P1。
1月14日星期三
数据中心很牛，但所有人都烦它
美国各地居民正在联手抵制超大规模数据中心，冲突已经烧进了佐治亚州的公用事业委员会选举。这些设施单个就能塞进几十万块 GPU，每块芯片成本超过 3 万美元，一个园区能吃掉几百兆瓦时的电。在佐治亚州，一项占地 900 英亩的提案因为近 900 人到场几乎一致反对而被否决。核心矛盾在于外部成本：更高的电费、抢水、持续的噪音，以及没带来多少长期就业岗位，这些正...
推荐理由：这篇把 AI 基础设施拉回地面，讲的是电价、水耗、噪音和就业回报怎么在地方选举里变成真金白银的冲突。我会先打个折：正文没给出电价涨幅或水耗的具体量化对比，但佐治亚州那个 900 英亩项目被约 900 人一致否决的案例够硬，说明反对不是零星的。对关注算力供给的人，这是个该放进雷达的信号——不是技术瓶颈，而是政治瓶颈。