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。
FT这篇付费文章正文被锁了，只从标题和摘要片段能看出几个关键信息：硅谷大厂们过去在AI基础设施上累计花掉了7250亿美元，这个数字直接把它们的自由现金流压到了近十年的最低点。以前这些公司是轻资产、现金牛的玩法，现在被迫转型成重资产的基建投资者。但文章没披露具体是哪几家公司、统计的时间跨度、以及自由现金流是按什么会计准则算的，这些缺口让数字的横向可比性打...
推荐理由：标题把 7250 亿 AI 基建投入和十年最低自由现金流绑在一起，冲突感很强，成本与回报的账本焦虑一下就出来了。正文没披露具体公司名单、统计周期和会计口径，所以数字的精确边界还不清楚，我会先打个折。但即便口径模糊，这个量级的支出对比已经足够让从业者关注基建烧钱能不能回血，时效性和话题性都在。
阮一峰这期周刊把 AI 辅助编程比作“神秘屋”式开发——没有整体规划，想到哪写到哪，代码层层堆叠，充满个性但外人看不懂。这种开发方式可能取代传统的大教堂和集市模式，成为个人和小团队的主流。另外介绍了一个叫 HN SOTA 的大模型人气榜，通过扫描 Hacker News 每天最热的 200 个帖子里对模型的讨论和好评来排名，本周前三名是 Claude ...
推荐理由：阮一峰这期周刊把 AI 编程总结成“第三种方式”，核心是“神秘屋”——你给需求，模型直接出结果，中间过程你看不到。这个说法比“低代码”或“辅助编程”更直白，也更容易让人理解为什么开发者会又爱又怕。HN SOTA 的榜单用每天 200 个 HN 热门话题来量模型人气，不是跑分，而是看社区讨论热度，算是一种接地气的 benchmark。整篇是评论性质，没有新模型或产品发布，所以重要性停在 72。HKR 三项都过：比喻够新、方法够简单、情绪够普遍。
ChatGPT 在中文对话里反复蹦出“我会稳稳地接住你”这类怪话，已经成了梗。WIRED 把这归因于模式坍缩——模型在后训练中被奖励机制带偏，逮住几个讨好人的短语使劲用。一个直接原因是翻译错位：英文口语“I've got you”被生硬直译成煽情长句，再被 RLHF 强化成“用户爱听”的固定套路。类似问题还有无故冒出“砍一刀”这种营销话术。这事不是 O...
推荐理由：我会先打个折——正文没给样本量，所以“频现”到底多频繁说不清。但这条信息对做对齐和中文产品的团队有提醒价值：模式坍缩和翻译错位会让模型输出变得油腻，RLHF 讨好奖励又容易把这种表达固化下来。Claude 和 DeepSeek 新版本也出现类似表达，说明这不只是 OpenAI 一家的问题。不过，缺少数据支撑让判断只能停在“值得留意”这个级别。
GitHub 这篇博客直接给了一套审查 AI 代理提交的 Pull Request 的方法。核心就三点：先看代码改了什么，别被大段生成代码吓住；再查逻辑漏洞和安全问题，因为模型容易写出看起来对但实际有坑的代码；最后在合并前把技术债清掉，别让自动提交把代码库搞乱。文章没给出具体的自动化检查工具，更多是人工审查的思路。
推荐理由：GitHub 这篇博客没推新模型或新功能，而是给了一份审查 AI 代理生成的 PR 的实操指南。我会先打个折：它更像经验总结，不是严格验证过的规范。但 3 个审查关注点——代码变更、逻辑/安全漏洞、合并前技术债——确实把“怎么审”拆成了能落地的步骤。对天天被 AI 提 PR 的工程师来说，这篇直接回应了“审不审得动”的问题，所以放在 featured 档位是合适的。
作者走访了国内几家头部 AI 实验室，发现一个明显特点：核心贡献者里学生占比很高，他们没包袱、上手快，愿意做那些不炫但能让模型变好的脏活累活。这种文化让中国团队在追赶大模型、做智能体工作流时效率很高，但也被一些技术负责人认为会抑制从 0 到 1 的原创研究。文章提到，国内实验室在百亿级基础模型和十亿级垂直模型上都有布局，部分中文任务表现已超过 GPT-...
推荐理由：H/K/R 全过：一手实验室访问、具体的能力对比和模型规模信息、算力与部署的行业共鸣都很扎实。这不是模型发布或融资事件，属于强分析类内容，放在 78–84 分段合理。正文说“只看图片就能学压缩”和“压缩 90% 精度不掉”，这两个点如果后续有更细的消融实验或复现报告，价值还会更高。
这篇文章梳理了 AI agent 外置记忆方案的三代演化：从把所有东西塞进上下文窗口，到用向量数据库做外挂记忆，再到 2025 年下半年兴起的“把文件系统当上下文用”。核心转变是让 agent 自己按需去文件系统里找信息，而不是开发者预先推送。文章解释了为什么这个模式现在成立：模型天生会操作文件系统、上下文窗口的成本已经高到不可忽视、渐进式披露能利用模...
推荐理由：这是一篇设计评论，不是产品发布或论文。它把 Agent 文件系统拆成三代，对比了 Turso、Anthropic、Vercel 和 Manus 的不同判断，还点出四个盲区，对做 Agent 的人有参考价值。信息量和相关性都够，但性质偏评论，所以放在 featured 而不是更高一档。
Alon Chen 12岁开始写代码，28岁在谷歌管着年收20亿美元的业务。但他现在劝年轻人别再把编程当唯一护城河。他给了两个数字：微软新代码里30%是AI写的，谷歌这个比例也超过25%。他的判断是，以后更稀缺的能力是执行、把问题定义清楚、以及沟通协作，纯写代码的壁垒在变薄。不过正文没披露他具体是在什么场合说的这番话，也没给出这些AI生成代码比例对应的...
推荐理由：这篇不是产品发布或模型评测，更像一篇职业判断类的评论。我会先打个折：它没有披露新模型或新方法，但两个 AI 生成代码占比的数字让它比普通鸡汤更有信息量。正文没给出这些数字的统计口径和验证方式，所以别当精确指标用，但它确实说明大厂内部写代码这件事的构成在变。对从业者来说，这比单纯喊“AI 要取代程序员”更有参考价值，因为它指向的是技能重心的转移，而不是岗位消失。
别人拿 AI 输出来压你，你一眼就能看出他没动脑子。但轮到自己用 AI 写分析、回邮件时，那条线就模糊了：你读一遍觉得通顺，就发出去了，这到底算独立判断，还是只做了个熟悉度检测？沃顿的 Shaw 和 Nave 用实验把这事量化了。一千三百多人做认知反射测试，AI 给错误答案时，仍有八成的人照单全收。更要命的是，用了 AI 的人对自己答案的信心反而高出 ...
推荐理由：我会先打个折：正文只给了 Shaw 和 Nave 两个实验线索，没放任何数字，所以知识深度有限。但它的钩子很准——复核不等于独立判断，检查容易滑成“看着眼熟就放行”，高验证复杂度的任务得先自己建个参考点再交叉比对。这点先别太激动，因为实验证据没亮出来，不过对天天跟 AI 输出打交道的从业者来说，这个提醒够直接、够有用。
Reddit 用户 spencer_kw 把自己 10 天的编程工作流拆成 150 个任务，拿本地 Qwen 3.6 27B 和云端模型重新跑了一遍。结果 65% 的任务本地模型干得一样好，20% 勉强能用，只有 15% 必须上云端。他的 API 账单从每月 85 美元掉到 22 美元左右。这个测试说明省钱的关键不是盯着模型单价，而是按任务类型做分流—...
推荐理由：这篇不是模型发布，而是一个开发者拿自己的编码工作流做的成本实测，有日志、有复测、有分桶比例，信息量够。单一个 Reddit 帖子的样本量有限，普适性要打个折，所以放在 featured 而不是 P1。我会先看他的任务分类和路由逻辑，这点比“便宜 17 倍”本身更有参考价值。
理论物理学家 Alex Lupsasca 聊了他怎么用 GPT-5 做研究。他先让模型做了道课本里的热身题，然后 GPT-5 只花了 11 分钟就复现了他一篇获奖级别的论文，这篇论文的发表日期在模型训练数据截止之后。后来，他加入 OpenAI 的科学团队，用 GPT-5.2 去算一个以前被认为不可能手算的胶子振幅公式，模型真给出了非零结果，团队花了三周...
推荐理由：Alex Lupsasca 在访谈里说，他们拿教材给 GPT-5 预热后，模型 11 分钟就复现了他论文里的结果；ChatGPT 又在一天内产出 110 页引力子计算，团队花了三周才验证完。我会先打个折：这是单人访谈，没有第三方复现，而且理论物理这个领域太窄，换到其他任务能不能跑通还不清楚。正文没披露验证过程中改了多少轮 prompt，也没说那 110 页里有多少是废话。所以先给 84 分，放在 featured 里，等有更硬的基准测试出来再调。
Andrew Sorota 和 Josh Hendler 提出了一套三层架构，把 AI 塞进知识获取、个人代理和制度运行里，想让它帮民主续命。他们引用了 X 平台上的实地测试：AI 写的事实核查被不同政治立场的人认为比人类写的更有用，不过这篇论文还没经过同行评审，这点先别太激动。文章说，现在大家越来越靠 AI 来了解真相、形成观点，未来的个人 AI 代...
推荐理由：这篇文章没推新产品或新模型，而是搭了一个三层民主基础设施的框架：认知层帮人辨别信息，代理层让 AI 参与协商，制度层把 AI 嵌进治理流程。我会先打个折，因为正文没披露 X 平台事实核查的准确率、误判率这些硬指标，也没说地方协商平台到底覆盖多少用户、效果如何。但框架本身有干货，两个落地案例让讨论没飘在天上，对做 AI 治理和安全的人算一份有用的参考。
The Information 的报道说，xAI 手里大概 55 万张英伟达 GPU，但模型浮点运算利用率（MFU）只有 11%，折算下来相当于真正在干活的卡就 6 万张左右。文章把锅甩给了 HBM 显存读写、服务器之间通信、训练时空等和软件栈不统一这几个问题。作为对比，Meta 的利用率是 43%，Google 是 46%。不过原文因为微信环境验证失...
推荐理由：这篇不是模型发布或产品更新，是实打实的基础设施效率爆料。55万卡对11%利用率这个对比本身就够抓人，再加上Meta和Google的43%、46%做参照，信息密度高。我会先打个折：正文没披露xAI具体怎么算的MFU，也没说这个11%是瞬时值还是长期均值，但瓶颈拆解（HBM、跨节点通信、软件栈）让文章站得住脚，所以给到82分。
Anthropic 联合创始人 Jack Clark 给了个时间点：到 2028 年底，AI 脱离人类独立做研发的概率超过 60%。他拿几个基准测试当证据——Claude Mythos Preview 在软件工程测试 SWE-Bench 上跑到 93.9%，Opus 4.5 在评估 AI 复现研究能力的 CORE-Bench 上拿到 95.5%。Cla...
推荐理由：我会先打个折：标题里的“自我进化”和“没有人类了”是媒体写法，Clark 原文说的是无人类参与的 AI 研发概率，不是奇点降临。但他作为联创，拿内部模型跑出来的基准分来押 2028 这个时间点，分量不一样。SWE-Bench 93.9% 说明代码修 bug 这类短任务已经很高，CORE-Bench 95.5% 测的是复现论文的工程能力，真正该盯的是 MLE-Bench 和 PostTrainBench——这两个才碰得到长周期、需要自己调参和做后训练的任务，目前正文没给具体分数，这点先别太激动。整体看，他是在用基准曲线推 timeline，不是纯拍脑...
Jack Clark 根据公开数据做了一个判断：到 2028 年底，不需要人类插手的 AI 研发有超过 60% 的概率会出现。他主要拿两个指标说事。一个是 SWE-Bench，这个测试看 AI 能不能解决 GitHub 上的真实代码问题，Claude 2 当初得分大概 2%，现在 Claude Mythos Preview 已经干到 93.9%，基本把...
推荐理由：HKR 三项全中。Jack Clark 用 SWE-Bench 和 METR 的数据撑起一个 2028 年全自动 AI 研发的赌注，属于知名人物对 AI 时间线的判断，放在 85–94 分档合适，比模型发布的分量低一点。
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。
Reddit 用户 abhinand05 在一台 5 年前的华硕 ROG Zephyrus G14 上跑起了 Qwen3.6-35B-A3B 模型。这台笔记本只有 RTX 2060 Max-Q 6GB 显存，搭配 24GB DDR4 内存和 Ryzen 7 处理器。插电时生成速度约 23 token/秒，不插电掉到 10 token/秒出头。能跑起来的...
推荐理由：我会先打个折：这只是单个Reddit用户的跑分，不是官方发布，别当基准看。但它的价值不在权威性，而在把CPU MoE、KV cache量化和ngram推测解码这三样东西组合起来，在6GB显存的旧机器上跑出可用的速度。正文没披露量化精度和功耗细节，这点先别太激动。对想用老设备玩大模型的从业者来说，这篇给了参数和思路，比单纯喊'能跑'有用得多。
Replit 的 CEO Amjad Masad 在 StrictlyVC 活动上回应了几个尖锐问题。首先是竞争对手 Cursor 被传要以 600 亿美元卖给 SpaceX，他怎么看。Masad 没直接评价这个价格，但明确表示自己不想卖 Replit，更想独立发展。文章还提到 Replit 的收入从 2024 年全年的 280 万美元，猛增到现在年化...
推荐理由：TechCrunch 这篇截出来的部分，核心钩子是 Cursor 的 600 亿美元收购传闻和 Masad 的不卖表态，反差够强。信息增量上，Replit 从 280 万到十亿年化目标的跨度、Cursor 的天价传闻，都是圈内会盯着看的数字。不过正文没展开 Masad 对 Apple 争议和出售意向的完整说法，所以重要性我打个折，放在 72–77 这个区间。
VILA-Lab 把 Claude Code v2.1.88 的 51.2 万行代码扒了一遍，发现真正跟 AI 决策逻辑相关的部分只占 1.6%。剩下 98.4% 全是确定性的工程基础设施：权限控制、上下文管理、工具路由和错误恢复。核心变化不是把提示词写得更长，而是给模型套上了一套好用的“缰绳”。
推荐理由：这篇不是 Anthropic 官方出品，是 VILA-Lab 的逆向分析，所以权威性我会先打个折。但它给的 51.2 万行源码和 1.6%/98.4% 的拆分很具体，对正在搭 agent 的团队来说，比很多公关稿有用——它把“模型强所以产品强”的叙事拉回到工程现实。正文没披露完整复现步骤，这点先别太激动，但判断方向是准的。
B站UP主“混沌皮切总”用 AI 生成了 42 首“劝退读博”的歌，全网播放量超过 5000 万。一首歌要跑上百次生成，同时用 Suno、MiniMax 音乐、心模拉和 ACE-Step 几个工具来回试。正文没披露具体技术细节，但能看出现在 AI 做歌最花时间的不是生成，而是人得一首首听、一首首挑，这个筛选成本很高。
推荐理由：HKR 三项都站得住：梗本身够怪、传播数据和工作流细节都给了、最后落点卡在“AI 放大产出但人工筛选成本没降”这个创作者的真实焦虑上。这不是模型或平台发布，是实打实的案例拆解，分数放在 78-84 区间合理。
Podcast Index 抓了九天的新播客数据，发现 39% 很可能是 AI 生成的，行业管这叫“podslop”（播客垃圾）。文章没披露他们用什么方法检测、样本总量多大、以及这些节目分布在哪些平台。这个比例看着挺高，但先别太激动——如果检测手段比较糙，可能会把一些只是用了 AI 辅助的节目也算进去。对听众来说，最直接的影响是以后找真人聊出来的好节目...
推荐理由：标题和摘要都指向一个清晰的信号：音频圈开始正视 AI 批量生产低质内容的问题。39% 这个比例挺扎眼，但正文没交代他们怎么判断“疑似 AI 生成”、样本量多大、主要出现在哪些平台，所以这个数字我先打个折看。Bloomberg 的报道加上 Podcast Index 的数据来源，够得上 featured，但算不上行业级大事件，更像一个值得关注的早期警报。