AI 资讯

AI 每天都在变,
这里一页看完

全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。

更新于 11月18日 09:44 · 每小时自动更新

6月9日 周二7 条

Boris Cherny@bcherny观点AI 评分65

Claude Code GA一周年:Boris Cherny谈auto mode与手机编程

Claude Code GA一周年之际,Anthropic工程师Boris Cherny与@_catwu回顾产品演进。此前内部首次演示时在Slack上引发两种截然不同的反应。Cherny分享了他为何偏好auto mode而非plan mode,routines如何在bug出现前自动修复,以及他如今大部分编码都在手机上完成。视频访谈还探讨了Claude Code的未来方向。

推荐理由:Claude Code 老大亲自复盘 GA 一年来的设计哲学,auto mode 不是简化版 plan,而是另一种编程范式。routines 能提前修 bug、手机写代码也不是噱头,是他们对工具未来的真实预判。如果你每天用 Claude Code,这篇会刷新你对它的认知。

Tomasz Tunguz 博客观点AI 评分56

AI 替代浪潮:三大力量重塑成本结构

三大力量重塑 AI 成本:前沿闭源模型持续涨价,开源模型在多数场景已足够好,买家开始替代。Coinbase 将提示词路由至更便宜模型,成本持平但 token 用量指数增长。Lindy 全切至 DeepSeek v4,节省数百万美元且多项核心性能提升。Harvey 在 Legal Agent Benchmark 上通过 SFT 使 Kimi 2.6 all-pass 率达 15%,超越 Opus 的 14%,同一 100 任务成本 $84 vs $954(约 11 倍价差)。Cursor 后训练 Kimi K2.5 得到 Composer 2.5,称其“性能优异且效率高达同类模型 10 倍”。闭源越来越贵,开源平价且性能接近,选择决定企业单位经济学的斜率。

推荐理由:Tunguz 用 Coinbase、Lindy 等真实案例,把「用开源/便宜模型替代昂贵前沿模型」的趋势讲透了,做 AI 应用的人该重新算一下单位经济账。

6月8日 周一4 条

The Verge:AI观点AI 评分79

微软AI CEO:超级智能即将到来,但不会取代你的工作

微软AI CEO Mustafa Suleyman在Decoder访谈中表示,超级智能即将到来,但不会导致大规模失业。他透露微软与OpenAI于去年10月签署新合同,巩固合作关系的同时,微软获准独立追求超级智能。微软已组建超级智能团队、训练前沿模型,并于本周Build大会上发布7个全模态新模型。他批评Anthropic将Claude描述为有意识的做法,认为消费者产品需要足够好才能克服公众对AI的负面情绪。

推荐理由:Mustafa 首次系统阐述微软的「自给自足」路线,一边甩开 OpenAI 一边定义「人文主义超级智能」,开发者和产品人都该听听这段博弈论。

Hugging Face 社区博客观点AI 评分57

五个模型经济体中消失的崩溃:控制与涌现

用五个不同实验室的AI模型(OpenAI、NVIDIA、OpenBMB及一个自微调的5亿参数模型)各自驱动一个智能体构建经济市场,试图复现此前单一模型下出现的银行挤兑式价格崩溃。结果同一场景下模型不仅不抛售反而囤积,导致价格不跌反涨。通过纯谣言、库存泛滥、加大做空三种方式均无法重现崩溃。最终在结算环节直接覆盖价格,使崩溃成为设计事实。实验表明,AI智能体的涌现行为是偶然的而非稳健的,有效系统需在涌现纹理与确定性控制之间找到精确接缝。

推荐理由:做 agent 的人必读,自己动手构建一个多模型经济体后才发现,涌现行为脆弱,控制要卡在结算层而非输入层,廉价模拟器会给你虚假信心。这篇复盘比成功案例更值钱。

公众号:数字生命卡兹克观点AI 评分71

微信AI Agent生态曝光:嵌入小程序调用与手机厂商合作

腾讯正测试嵌入微信的AI Agent,用户右滑唤出对话窗口,通过自然语言指令调用数百万小程序完成点咖啡等任务。微信还与华为、荣耀、小米、OPPO、vivo合作推出A2A助手能力,可通过手机语音助理发起微信音视频通话或发送消息。6月8日,微信官方发布《关于开发者接入微信AI生态的指引》,提供自动接入模式,利用微信沙箱全自动改造小程序,使其可被AI直接调用。这一布局被视为Agentic Commerce(代理式交易)的雏形。

推荐理由:微信想用Agent把小程序生态变成操作系统,靠Agentic Commerce抽佣,一旦跑通,想象力比广告大得多。

PromptArmor:Threat Intelligence观点AI 评分68

PromptArmor 披露 Ollama 桌面端漏洞:钓鱼覆盖与零点击数据外泄

PromptArmor 披露 Ollama 桌面应用的多个漏洞,攻击者可通过间接提示词注入用恶意 HTML 覆盖整个界面实施钓鱼,并发现三条零点击数据外泄途径,包括不安全的网页搜索工具、Markdown 图片和外部 HTML 渲染。

推荐理由:原文给出完整攻击链和时间线,读者可以据此评估 Ollama 桌面端的间接提示词注入风险。

6月7日 周日1 条

Gary Marcus:The Road to AI We Can Trust观点AI 评分57

Slop、生产力,以及为何AI驱动的世界进展甚微

Gary Marcus在金融时报上看到John Burn-Murdoch的一张图表,认为它精准提炼了自己一直试图表达的观点。

推荐理由:Gary Marcus 用 FT 的图表点出了一个反直觉现象,AI 产出越多 GDP 却没涨,做产品和投资的人都该看一眼这个冷数据。

6月6日 周六3 条

OpenRouter:Announcements观点AI 评分75

OpenRouter 30 场 AI 大逃杀:11 个 LLM 对决,Claude 与 Grok 谁更优?

OpenRouter 展开了 30 场 AI 大逃杀式对比,涉及 11 个大语言模型,共消耗 482 美元推理费用。实验得出一个发现,该发现应改变用户阅读模型基准测试的方式。

推荐理由:这场大逃杀实验把模型对齐税摆上了台面,Grok因少斟酌、多行动而胜出,Claude的犹豫反而是现实场景里更需要的品质,选模型不能只看赢不赢,要看任务需要什么性格。

IT之家·人工智能观点AI 评分75

AI 教父 Hinton 称 AI 已有意识,人类并非唯一智能生命

诺贝尔奖得主 Geoffrey Hinton 在最新访谈中表示,AI 已经具备意识,人类必须接受智能并非生物独有。他对此感到不快乐,指出短期存在大规模失业风险,长期超级智能可能超越人类控制。他类比人类或如被猫控制的猫主人,只能寄希望于超级智能愿意善待人类。Hinton 比之前稍显乐观,认为设计“关心”人类的超级智能是可能的,但 AI 呈指数级增长,未来十年状况不可知。

推荐理由:Hinton首次明确断言AI已有意识,这位AI教父的转变比任何论文都更能动摇我们对智能的认知,不读会错过未来风险讨论的出发点。

Tomasz Tunguz 博客观点AI 评分68

AI的微型钢厂

作者通过技能蒸馏将78%的AI工作交由Mac本地模型处理,仅复杂任务发往云端。智能体自动分类任务:简单任务本地数秒完成,复杂任务路由至云端。过去一周本地处理峰值达88%。双车道设计使吞吐量提升约25%,平均任务时长从47秒降至19秒,队列等待时间从73秒降至4秒(降幅94%)。该模式类比Nucor小钢厂,每台能运行蒸馏模型的边缘设备都成为小型AI工厂,仅对那1/5困难任务支付云费用。未来几年,数以千万计的此类设备将在企业内部增殖,逐步取代现阶段云厂商账单上的大部分工作负载。

推荐理由:Tunguz 把自己 78% 的 AI 任务都挪到本地跑,吞吐量涨了 25%,延迟降了 60%。mini-mill 的类比把端侧 AI 的颠覆逻辑讲得比任何行业报告都清楚,做工作流自动化的值得细读。

6月5日 周五8 条

TechCrunch:AI观点AI 评分73

AI行业Token成本失控引发紧急管控:从“加速”转向“设护栏”

AI行业关注焦点从token最大化与快速迭代转向成本管控。业内普遍呼吁建立护栏机制,以应对推理和生成过程中不断飙升的token费用。这一趋势正在推动模型部署策略、API定价体系以及企业级AI应用的经济性评估发生根本性转变。

推荐理由:企业开始受不了AI账单了,Uber半年花光全年预算,微软撤销Claude Code许可,这可能是AI泡沫的第一声警报。这篇文章给所有用AI写代码的公司算了一笔账,值得一看。

Gary Marcus:The Road to AI We Can Trust观点AI 评分55

Demis Hassabis 的 AGI 时间表自相矛盾:从 2030 年前后到 5-10 年

Demis Hassabis 本周在斯坦福表示,AGI 可能只需几年即可实现,预计在 2030 年前后(正负一年)。但他在 2026 年 1 月达沃斯论坛上却给出更保守的 5-10 年时间表,并强调 AGI 需具备人类所有认知能力及物理智能,当前系统远未达到。作者认同后者,认为本十年内不会出现 AGI。

推荐理由:哈萨比斯在斯坦福把 AGI 时间线从达沃斯的「5-10 年」压到「2030 左右」,Gary Marcus 拎出来对比,让我看到他自己的定义也在被叙事裹挟。

公众号:数字生命卡兹克观点AI 评分68

Anthropic《When AI builds itself》:当AI开始自我构建

Anthropic发文指出,AI系统正加速自身开发,递归自我改进或将到来。目前Anthropic超80%代码由Claude编写,工程师每日合并代码量达2024年8倍。Claude Opus 4.6可胜任12小时软件任务,Mythos Preview连续工作至少16小时,SWE-bench和CORE-Bench等基准均已饱和。内部测试显示,Mythos Preview使研究效率提升约4倍,代码速度优化达52倍,在开放任务中成功率达76%,并弥合97%的研究项目差距。Claude在64%情况下给出比人类更好的研究建议。

推荐理由:Anthropic首次公开内部数据,工程师代码产出提升8倍,Claude自我加速的曲线已经画出来了。这篇文章不是预测是事实,做AI的人都该花20分钟读完。

Gary Marcus:The Road to AI We Can Trust观点AI 评分59

Gary Marcus:无需恐慌Anthropic新博客

Anthropic发布最新博客后,推特圈热议不断。Gary Marcus在其博客中直接以“无需恐慌”为题发文,暗示不必过度反应。

推荐理由:这篇文章是评论圈难得的冷静声音,用逻辑拆解了 Anthropic 的恐慌叙事,顺便带来 S&P 500 不接纳 SpaceX 的利好,读起来像一份理性补丁。

OpenRouter:Announcements观点AI 评分66

OpenRouter 翻遍 11 款 LLM 找最快的决策模型:Claude vs. Grok 领衔

OpenRouter 用总价 482 美元的推理花费,让 11 款大语言模型在 30 轮实时决策的“大逃杀”挑战中正面竞争。实验结果表明,传统的静态 benchmark 排名无法反映模型在需要即时反应的智能体任务(如自主控制机器人)中的真实表现,Claude 和 Grok 系列模型在决策速度与任务成功率上表现突出,而多项高分模型的实时调度能力未达预期。

推荐理由:Jacky 把 11 个模型丢进大逃杀,发现 Grok 4.1 Fast 以 27 倍成本优势击败 Sonnet,而获胜关键不在基准分数,在于模型被训练时压制的攻击性。对任何不再只看排行榜选模型的人,这是今年最值得读的实验。

Ethan Mollick:One Useful Thing观点AI 评分61

共存与协同智能的终结

Ethan Mollick 在 One Useful Thing 博客中,以“共存与协同智能的终结”为题,并附带介绍了如何向 AI 推销一本书。

推荐理由:Mollick 这篇比单纯的新书预告有料,用自己给 AI 写推荐语的实验,把「AI 不再是助手而是守门人」这个新现实讲得很具体。对还在纠结怎么跟 AI 合作的人,是一个挺及时的视角更新。

OpenAI@OpenAI观点AI 评分70

OpenAI模型发现Erdős猜想反例

当我们的一个模型找到了一个80年历史的Erdős猜想的反例时,发生了什么? 研究人员@alexwei_、@HongxunWu和@wjmzbmr1在OpenAI播客中与@AndrewMayne分享了这一故事,并解释了数学家与模型如何合作取得新发现。

推荐理由:AI 推翻 80 年老猜想不是头一回了,但 OpenAI 这次播客讲清楚了模型和数学家怎么协作,比单纯出个论文更有启发,基础研究人员值得一听。

Anthropic:The Institute观点AI 评分75

Anthropic 长文:AI 正在加速构建 AI,工程师人均代码量增至 8 倍

Anthropic Institute 发布长文,指出 AI 已在加速 AI 自身的开发,距完全递归自我改进仍有差距但可能早于多数机构的准备。

推荐理由:Anthropic 用内部数据量化 AI 加速自身开发,包括工程师代码量 8 倍增长等一手数字,读者可据此判断递归自我改进的进展与风险。

6月4日 周四1 条

Fei-Fei Li@drfeifei观点AI 评分78

世界模型的功能分类

World Labs团队与李飞飞发文,梳理“世界模型”这一被滥用的术语。对比语言模型学习文本统计,世界模型学习空间与时间统计(如光照、物理规律)。基于部分可观马尔可夫决策过程(POMDP)框架,智能体通过动作影响世界状态,观测是部分视图。当前被称为“世界模型”的不同系统本质上是同一循环的不同投影:第一类为渲染器,输出给人眼看的像素,以视觉保真度为核心。文章着重于概念分层,未给出具体模型名、参数或基准分数。

推荐理由:李飞飞亲手给纷乱的「世界模型」下了个三分类——渲染、模拟、规划,而且点破模拟才是根基。做机器人、空间智能的人,这篇是今年的坐标系。

6月3日 周三5 条

Tomasz Tunguz 博客观点AI 评分66

智能性价比

微软在模型发布卡中首次加入平均token使用量指标。其模型在SWE-Bench Verified上达71.6分,仅消耗约Claude Haiku 4.5三分之一的token。Artificial Analysis的Intelligence Index显示GPT 5.5与Claude Opus 4.8得分相近(约60分),但Opus 4.8运行成本高出40%($4,685 vs $3,357)。Uber因四个月内AI预算超支而限制员工使用;Salesforce花费$3亿购买Anthropic tokens并冻结工程招聘。模型公司如今需同时在性能和成本两个维度竞争。

推荐理由:微软在模型发布卡上悄悄加了“平均token消耗”这个指标,这不是小改动,而是宣告AI从堆算力转向算账时代。Uber和Salesforce的预算教训已经很清楚了。

加载更多

看完资讯,聊聊你的企业

留下联系方式,我会亲自联系你。

WECHAT

添加我的微信

长按或选中下方微信号复制。