行业关键人物在想什么：创始人访谈、研究者论战、投资人判断的观点集合。
杨植麟在视频里把 Kimi K2 的训练账本摊开了：总花费 460 万美元，靠线性注意力等架构上的极致优化，在编程任务上跑赢了 GPT-5.5 等对手。这个数字说明他们用远低于大厂的预算，靠设计把资源差距抹平了。不过视频是创始人自述，没有第三方验证，跑分对比的具体基准和测试条件也没展开，这点先别太激动。
推荐理由：杨植麟用40分钟视频把Kimi K2的训练账本摊开来看，460万美元的成本在同类模型里算低，编程任务上敢直接叫板GPT-5.5，这个对比本身就有传播力。不过视频是单一信源，具体用了哪些基准测试、对比条件是什么，正文没披露，所以分数卡在84不往上走。我会先打个折，等看到独立复现或更多技术细节再调整。
作者拿主流大模型算了一笔账：让 AI 帮你读、写、整理邮件，每月推理成本在 22 到 130 美元之间，中位数 26 美元。如果做成 SaaS 产品，按 75% 毛利率定价，一年大概要收 500 美元，比 Google 企业版贵一倍。想省钱的话，换小模型能把成本压到十分之一甚至二十分之一；更狠的做法是直接在用户自己的 GPU 上跑，边际成本趋近于零。文...
推荐理由：这篇文章没发布新模型或产品，就是一篇成本算账的评论。我会先打个折：它把顶尖模型、小模型和本地部署三条路径的月费摆在一起，22–130 美元对比近零成本，数字直观，对正在掂量 AI 邮件代理是否划算的团队有参考价值。正文没披露测试用的具体模型名和邮件量，所以这些数字只能当量级参考，别直接套进预算表。整体是一篇有用的观点分析，不是重大发布，所以重要性给 73 分。
一位 Reddit 用户用两张 RTX 3090 在 Ubuntu 上跑 Qwen 3.6 27B 模型，没上 NVLink。处理长文本时每秒能啃 4000 个 token，生成回答的速度是每秒 113 个 token。这个速度日常聊天或做文档处理都够用。不过帖子正文被 Reddit 的安全策略挡了，看不到具体配置细节，比如用的是哪个量化版本、功耗和温...
推荐理由：我会先打个折：这是单个 Reddit 帖子，没披露量化方式、批处理大小和功耗，复现细节不够。但 HKR 三条都踩中了——配置具体、数字清楚、直击本地推理玩家的痛点，所以给到 featured 的低位。
Karpathy 点出几个常见的浪费行为：每次请求都把整个代码库丢给模型、用最贵的模型干简单活、Agent 重复发送相同内容。他给的省钱思路是管好上下文、打开提示词缓存、按任务难度分模型——日常用便宜的，关键任务再上贵的，再建一个 SKILL.md 文件避免每次都重新教模型。正文没给出具体测试数据，但逻辑上确实能省。
推荐理由：Karpathy 这条吐槽本身信息量不大，但胜在把“无效上下文”这个老问题用账单浪费的角度重新讲了一遍。我会先打个折：正文没给出具体账单样本或可复现的测试，所以没法验证 90% 这个数字。不过它确实把三种典型浪费场景列清楚了——重复传代码库、杀鸡用牛刀、不开缓存——对正在付钱的开发者有直接参考价值。这点先别太激动，但值得看一眼自己的 API 调用是不是也犯了这些毛病。
Reddit 用户 grumd 在一张 RTX 5080（16GB 显存）和 64GB 内存的单机上同时跑了两套模型：Qwen2.5-Coder-7B Q6 做代码补全，Qwen3.6-35B-A3B Q8 做智能体编程（让模型自己规划步骤、调用工具写代码）。35B 那个模型用了内存卸载，上下文能撑到约 145k，速度是每秒 35.29 个 token...
推荐理由：这是一篇 Reddit 个人实验帖，不是系统评测，没有对比其他方案或验证稳定性，所以我会先打个折。但作者把模型、量化方式、上下文长度和吞吐都列清楚了，对想在自己机器上搭本地编程助手的开发者有直接参考价值。正文没披露功耗、并发表现和长上下文下的准确率，这点先别太激动。
Anthropic 工程师 Thariq 发了条推，列出 5 个理由主张模型输出 HTML 而不是 Markdown，Karpathy 随后转发表示认同。他的核心论点是 Markdown 的语法歧义太多，解析器各家实现不一致，模型生成时容易出错；HTML 虽然啰嗦但结构明确，对自动化处理和前端渲染更友好。正文没披露具体是哪 5 个理由，只提到生成 HT...
推荐理由：Anthropic 工程师 Thariq 主张用 HTML 替代 Markdown，Karpathy 也表态支持，这事在开发者圈子里容易吵起来。我会先打个折：这不是模型发布或产品更新，只是一场格式辩论。但文章给了具体数字——HTML 生成时间是 Markdown 的 2 到 4 倍，说明成本差距不小，从业者会关心 token 消耗和维护复杂度。正文没披露实验环境或代码，所以别太激动，目前只是一篇 Reddit 帖子，没有独立复现或论文支撑。
作者三月底开始严重失眠，每晚只能睡两三个小时，辞职后也没好转。他没靠瞎猜，而是让 AI 花五分钟写了个 app，把苹果手表和手机里 HealthKit 的健康数据（咖啡因、酒精、入睡时间、深睡时段等）全导出来，再让 AI 跑多变量回归分析，看哪些因素和睡眠时长负相关最明显。结果发现，晚饭后最后一次用 AI 的时间是头号变量——用得越晚，睡得越差；而喝咖...
推荐理由：这篇是个人量化实验，不是行业大新闻，但数据很具体。作者先写了个 app 拉出 HealthKit 数据，做回归发现晚饭后最后一次用 AI 的时间越晚，当晚睡眠越短；停用后平均多睡 1 小时 40 分钟。我会先打个折：这只是单人数据，没有复现，也没公开代码或论文，所以重要性停在 78。但 HKR 三项都成立，角度新鲜，数字也够硬，对开源微调那批人来说，既戳中 AI 过劳的焦虑，又给了个可复现的追踪思路。
作者在 2026 年 3 月左右开始严重失眠，每晚只能睡两三个小时。他让 AI 写了个工具，把 Apple Watch 和 iPhone 里的健康数据全导出来，再让 AI 跑多元回归分析，结果发现最影响睡眠的变量是晚饭后使用 AI 的时间——用得越晚，睡得越差。咖啡因、酒精这些反而没表现出明显关联。原因可能是用 AI 时人一直在高强度阅读、思考和并行处...
推荐理由：HKR 三项都成立：个人反转有传播力，HealthKit 加回归分析给了可验证的细节，睡眠损失直接打在 AI 从业者的痛点上。不过这只是单篇 Reddit 帖子，没有独立复现或论文/代码公开，所以保持在 featured 档的 72 分。
Reddit 用户 APFrisco 分享了一套硬件方案：用 768GB 英特尔傲腾持久内存（Optane PMem）当主存储，搭配 192GB DDR4 ECC 内存和一张 12GB 显存的 RTX 3060 显卡，通过 llama.cpp 的混合推理（CPU+GPU），在本地跑起了 Kimi K2.5 这个 1 万亿参数模型的 Q2_K_XL 量化...
推荐理由：HKR 三项都成立：标题的反差感足够抓人，正文把硬件型号、量化版本和速度都列清楚了，而且对本地推理圈子的成本敏感用户有直接参考价值。不过这只是单个 Reddit 用户的分享，复现细节和稳定性都没展开说，所以分数就压在 featured 门槛上。
Simon Willison 试了一种很野的玩法：把 LLM 命令行工具直接写在脚本的 shebang 行里，让一个纯文本文件变成可执行脚本。最简单的例子是 `#!/usr/bin/env -S llm -f` 下面直接跟一句“画个骑自行车的鹈鹕 SVG”，就能生成图片。复杂一点的可以用 `-T` 参数调用外部工具（比如报时），或者直接在 YAML 模...
推荐理由：Simon Willison 这次没发新模型，也没推平台，就是演示了一个把 LLM 当 shebang 解释器的命令行玩法。我会先打个折：这更像一个巧妙的黑客技巧，不是生产级方案，正文也没披露错误率或延迟数据。但它的价值在于把“用自然语言写脚本”这件事拉到了终端里，fragments 和 -T 这些参数让例子能直接跑通，对经常写胶水脚本的开发者来说，看一眼就会想试试。整体属于低配 featured，因为影响范围还在 CLI 自动化这个圈子里，没往外扩。
Karpathy 觉得现在大模型默认输出 Markdown 太简陋了，他建议直接让模型生成带排版、图形和交互的 HTML，界面会好用很多。更远的想法是“交互式神经视频”——用扩散模型实时生成能操作的画面，但他也承认这玩意儿怎么跟精确的传统软件配合还是个没解的问题。输入这边，光靠语音、文字或视频不够，得加上手势指点这类更自然的交互。在脑机接口到来之前，输...
推荐理由：Karpathy 这条推文没给数据，就是个人判断，所以重要性只能打到 featured 的及格线。但他把 LLM 输出形态的变化串成了一条线：从纯文本到带格式的 Markdown，再到能直接渲染的 HTML，最后抛出“交互式神经视频”这个方向。我会先打个折——神经视频现在连跟传统软件精确配合都做不到，正文也没说怎么解决，这点先别太激动。不过对做 AI 产品的人来说，这个框架确实能帮他们想清楚下一步该把界面做成什么样。
陶哲轩的同事、菲尔兹奖得主 Timothy Gowers 拿 ChatGPT 5.5 Pro 试了一道加法数论里的难题，模型在 17 分 05 秒内给出了一个最优的二次上界构造，相当于直接产出了一篇小论文的核心证明。之后他又让模型把整个过程写成 LaTeX 预印本，总共花了 47 分钟。Gowers 把结果发在了自己博客上，因为 arXiv 目前拒收 ...
推荐理由：三条都过：Gowers 的第一人称实测、17 分 5 秒和 47 分钟预印本都是可讨论的硬信息。不是模型发布，但有名有姓的实验和数学推理冲击让它必须写。
这篇文章的正文被微信环境异常拦截了，实际内容无法读取。从标题和已有英文摘要看，Ted Xiao 的复盘主要讲谷歌机器人团队怎么从 RT-1 用 8.7 万条遥操作轨迹训练，走到 RT-2 把 50 亿到 550 亿参数的视觉语言模型改造成视觉-语言-动作策略。具体三个时代怎么划分、每个阶段踩了什么坑、规模化后效果到底提升多少，正文没披露，没法展开。
推荐理由：我会先打个折：这不是新发布，是一篇回顾性梳理，所以分数没往 80 以上走。但作者身份和内部数字让它值得上推荐位。Ted Xiao 把谷歌机器人学习拆成三个阶段，从遥操作采数据到把大模型当机器人脑子用，脉络清楚。RT-1 的 8.7 万条轨迹说明早期靠人工遥控攒数据的笨功夫，RT-2 用 5B 到 55B 的 VLM 改策略，点出了现在大家纠结的核心——模型大了能不能直接控硬件。正文没披露 RT-2 在真实场景的失败率或延迟数据，这点先别太激动。整体适合给做具身智能的人当路线图看。
这篇文章的标题抛出一个很猛的判断，说硅谷最前沿的 AI 比外界领先一年，我们用的都是“技术余晖”。但点进去后，页面直接显示“环境异常，完成验证后即可继续访问”，正文内容完全没加载出来。所以，标题里提到的投资人 Elad Gil 的时间差说法（顶尖实验室员工领先硅谷 3-4 个月，硅谷又领先纽约 3-6 个月），以及 Mythos 在专家级网络攻击模拟中...
推荐理由：我会先打个折：这篇是二手评论，不是模型或产品发布，所以分数压在72–77这个区间。HKR三项都成立——“技术余晖”的钩子够抓人，时间差和73%成功率给了具体数字，地域焦虑感也拉满了。正文没披露Mythos测试的具体条件和样本量，这点先别太激动，但作为一篇制造FOMO的评论，它完成了任务。
作者查 bug 时会让 Codex 在临时沙盒里重建出问题现场，先确认 bug 能复现，再修，修完再验证一遍。本地环境不会被搞乱，因为所有操作都在隔离的临时环境里跑；速度也不掉，因为他同时开 10 个会话并行处理。正文没披露具体修复成功率或单次耗时。
推荐理由：这是一篇第一人称的工作流笔记，不是产品发布或基准测试，但 10 个 Codex 会话并行修 bug 的实操信号很强。我会先打个折——正文没披露修复成功率、单会话耗时和资源消耗，所以实用性还缺几块拼图。不过它把“临时沙盒 + 并行验证”这套打法讲清楚了，对想用 AI agent 干活的开发者有直接参考价值，放在 featured 里偏低的位置合理。
Anthropic 现在被二级市场估到 1 万亿到 1.2 万亿美元，已经超过 OpenAI，排进全球前 15 大公司。这个估值背后有实打实的收入支撑：他们刚经历了一个“奇迹般”的第一季度，年化收入增速达到 80 倍，一个月内年化收入又跳涨了 150 亿美元。另一边，Block 裁了 40% 的人，Coinbase 裁了 14%，Cloudflare ...
推荐理由：这条不是官方融资或产品发布，属于行业评论，但信息密度高。Anthropic的10倍年增长和1万亿以上估值数字很扎眼，旁边又列了一串裁员百分比，对比强烈。我会先打个折：估值和增长数据正文没交代来源，是转述的说法，不能当实锤用。但即便保守看，它也点出了AI行业资金和人才在向头部集中的趋势，对从业者判断方向有参考价值。
Anthropic 的 Thariq Shihipar 提出一个反直觉的建议：让 Claude 输出 HTML 而不是 Markdown。Simon Willison 过去一直默认用 Markdown，因为 GPT-4 时代 8192 token 的上下文限制让 Markdown 更省 token。但 Thariq 的文章让他重新考虑这件事——HTML...
推荐理由：HKR 三项都踩中了，但本质是个工作流技巧，不是 Claude 本身的功能更新。作为一篇质量在线的 Claude Code 教程，放在 72–77 分段合理，加上 Simon Willison 的转发背书，进 featured 没问题。
演讲者把机器人做成人形通用智能拆成六块：视频世界模型当第二预训练范式，世界行动模型（WAM）负责把感知转成动作，数据收集策略对标特斯拉 FSD 的物理数据飞轮，EgoScale 和灵巧性缩放定律试图量化训练规模与手部操作能力的关系，物理强化学习用来跑通最后一公里，DreamDojo 则是一个端到端的神经物理引擎。整体思路是照搬大语言模型的成功路径，但正...
推荐理由：我会先打个折：这是演讲者个人的路线图，不是论文或产品发布，所以别当官方公告看。但它的好处是把物理 AGI 拆成了 6 个能聊的模块，并且用 LLM 的发展阶段来类比，让做机器人的人能快速对齐讨论框架。正文没给出每个模块的具体验证结果或数据，所以这条路线图更多是观点而非实证。对从业者来说，值得扫一眼，但暂时不用太激动。
许晓斌在内部访谈里给了几个数：工程师重度用 AI 后，写代码占工作时间从 30% 掉到 5%，跟 Agent 对话的时间从 5% 涨到 60%，端到端交付效率提升 2 到 3 倍，纯编码效率提升 10 倍。这些数字来自内部访谈，不是大规模统计，样本量和统计口径正文没披露，所以我会先打个折看。核心变化不是代码写得更快，而是工程师的时间分配被彻底打散重排—...
推荐理由：阿里技术这篇是内部访谈整理的组织方法论，不是产品发布或模型更新，但给出的数字很具体，能让人直观感受到 AI 把工程师的工作重心从写代码拽到了指挥 Agent 上。我会先打个折：效率提升 2 到 3 倍这个说法正文没交代是怎么算出来的，样本量和统计口径都不清楚，这点先别太激动。不过 HKR 三项都踩中了，放在 featured 门槛上刚好。
Ai2 研究员 Nathan Lambert 在 36 小时内密集拜访了智谱、月之暗面、清华、美团、小米和零一万物。他观察到中国 AI 实验室普遍紧盯字节跳动的动向，同时对 DeepSeek 的技术实力和开源做法表示尊重。学生深度参与核心工作、开源习惯以及技术栈的自主掌控，是中美 AI 生态的几个明显差异。
推荐理由：这篇不是模型发布或大厂合作，属于一手见闻加行业判断，信息密度高但偏观察性质。我会先打个折，放在featured而不是p1。正文没给出具体数据验证，但研究员身份和走访名单让可信度不低，值得从业者花几分钟读。