文章批判当前 AI 基准测试被过度优化的现象（benchmaxxing）。作者指出，当公共评测与巨额关注和资金挂钩时，实验室会通过训练相似数据、筛选上百个实验设置等方式变相刷分，基准测试随之失去了衡量通用智能的意义。文中列举了 Meta Llama 4 在 LMArena 测试多个私有变体、评测机构随舆论反复修改指数、厂商选择性引用榜单等案例，并指出 MMLU、GPQA 等基准早已失真。作者呼吁实验室诚实披露数据缺陷、用户自行做私有评测，并宣布 TypeSafe 将不在模型发布中提供标准基准表，以追求最大程度的诚实。
本文是对Dario Amodei《We Must Pace the Frontier》一文的回应。作者认同AI风险真实存在（自己也曾签署暂停AI公开信），但反对'智能本身即危险'的立法逻辑。文章批判Sanders法案和英国议会法案将'过于聪明'入罪的做法，称之为'precrime'（预防性定罪）。作者通过OpenAI的Navier-Stokes数学群组与七月的网络攻击基准实验对比指出：危险源于意图与缺乏监督环境，而非模型能力本身。文章进一步引用Anthropic的Sleeper Agents和Subliminal Learning研究，论证模型'品格'由训练数据塑造，安全监管应针对行为与验证机制，而非智能水平。
作者详细介绍了 pragatiLM 的构建过程——一个只基于用户提供的源（PDF、网页、YouTube 视频、字幕文件或粘贴文本）作答并附带可点击引用的 AI 笔记本。文章系统讲解了基础 RAG 的原理及其三大失效点：问题作为搜索键不佳、存储只单向单次搜索、输出缺乏自检。pragatiLM 采用九阶段检索管线：将问题转化为五个搜索变体、并行多通道检索、基于排名一致性融合、重排序、答案 grading，低分时基于缺失诊断再次检索，极低分时拒答。文章还涵盖基础设施、消融实验测试等内容。
作者提出一个大胆猜想：真正的AGI可能不是人们预期的单一超级模型，而是已经以分布式、碎片化的形式悄然存在。文章从图灵的通用机器论文谈起，指出历史上重大技术往往从侧门进入而非被刻意预见。随后阐述智能的本质是涌现行为——单个神经元或蚂蚁并无智能，但数十亿神经元连接成大脑、蚁群协作建城，便产生集体智能。现代LLM的注意力头机制和混合专家架构也已表明，最强大的AI系统并非单一心智，而是由大量专门化电路分布式协作构成。因此，AGI可能正在以我们尚未识别的形态一点点浮现。
本期早报围绕三条主线展开：一是 Anthropic CEO Dario Amodei 提出前沿模型能力提升需放慢节奏、为安全核验留出时间，并建议引入嵌入式独立评估者；二是 a16z 讨论如何改写风险投资幂律，认为 AI 让资本更直接转化为规模优势，但只有嵌入客户工作流才形成护城河；三是 Paul Bakaus 谈 Impeccable 设计技能，强调团队需为智能体建立共享设计语言。速览部分还涵盖 AI 科学发现、数学与 AI 宣言、OpenAI Agents API、Claude 安全对齐缺陷、空间智能及 AI 搜索抗菌分子等内容。
文章以作者与金融行业同学的交流切入，通过豆包帮助业务人员分析合同续约的真实案例，探讨 AI 对金融、法律、财务等专业行业的影响。文章指出 AI 不是先替代岗位，而是先扩大个人工作半径，让一个人接住原本属于多人的任务，并以 JPMorgan 的 LLM Suite 和国内民生银行为例说明银行先给员工配 AI 的趋势。作者进一步讨论了效率提升后的收益分配问题：AI 让人变强的同时可能让人更累，新人积累经验的路径也被改变，未来竞争在于谁能判断 AI 结果的可靠性并承担最终责任，而岗位的真正变化在于其价值被重新定义。
文章基于 TogetherAI 团队 Zain 的分享，沿一个请求的完整生命周期拆解 LLM 推理引擎（vLLM、SGLang、TensorRT-LLM）的内部机制。核心洞察是：prefill 计算受限、decode 内存带宽受限；KV cache 用空间换掉平方级计算，但成为显存瓶颈。引擎通过连续批处理让 GPU 每 pass 都不空闲，PagedAttention 像操作系统管理内存一样管理 KV cache（碎片率从 60-80% 降到 4% 以下），chunked prefill 摊平长 prompt 带来的延迟尖峰。Agent 循环因每轮重发完整对话、输入越来越长而输出极短，使其痛点落在 prefill 与 KV cache 上：prefix caching 可将 100 轮 agent 的总 prefill 工作量从约 55 倍降到约 10 倍，'缓存为王'是 agent 与引擎的交汇点。
南洋理工大学S-Lab与大晓机器人等机构发布统一世界模型Puffin-World，让同一模型原生理解物理方向、空间几何和视觉外观，实现三维世界生成与重建，无需依赖外部模型。模型将世界表示为物理状态（重力场、纬度图）、几何状态（深度）和外观状态（RGB）三种关联状态，并提出Omni-Camera统一相机表示，结合绝对与相对相机信息。该框架在表征、模态、任务三个层面实现统一，支持相机参数估计、自由视点生成、3D场景重建等任务，并构建了包含1500万组视觉-语言-相机数据的Puffin-16M数据集，在多个基准上取得领先结果。
谷歌联合HHMI Janelia发布首个成年雄性果蝇完整中枢神经系统连接图谱MaleCNS v1.0，识别超16.6万个神经元、约1.25亿个突触。图谱开源后，开发者围绕其展开各种创意实验：接入《我的世界》《Doom》《Beat Saber》等游戏，让果蝇刷短视频、决定央行利率等。加密社区也迅速跟进，有人让果蝇自主发币、炒Meme币和比特币，甚至发行Meme币FLYBRAIN，市值一度突破5500万美元。这项神经科学成果从实验室走向大众娱乐与链上实验，成为热门话题。
文章介绍了美籍华裔科学家 Philip Shiu 的重磅成果：他凭一己之力手敲近2年代码，将果蝇大脑13.9万个神经元、5000万个突触的海量数据转译为计算模型。该模型轻量到可在普通笔记本上运行，预测准确率高达95%，且无需机器学习训练或手工调参。2024年10月该成果发表于《Nature》。他还把脑模型装入虚拟身体，使数字果蝇在物理世界中自主运动，开启了'数字生命'与全脑仿真的新篇章。他现加入硅谷AI公司Eon Systems担任工程主管。
文章反驳了“程序员除了写代码啥也不会、将被AI取代”的观点。作者指出软件工程师的核心能力是理解需求、抽象设计、验证与维护，编码只是中间产物；领域专家靠“稍微了解AI”做出可用产品过于乐观，从原型到产品还需处理UI、边界条件、高并发、安全等问题，而AI工程本身就是一门学科，有工程底子的人更容易掌握。能力迁移是双向的，工程师的抽象与系统思维是跨领域的元能力。AI改变的是职业流程中的环节而非职业本身，工程师重心从写代码转向定义问题、验收结果，各行业岗位都在经历类似重新定位。
作者分享 GPT image 2.5 生图模型的使用经验与创意玩法。文章介绍了 flare 与 sunburst 两个版本模型的特点，并对比 Grok Imagine 2、Midjourney、Seedream 5.0 Pro 等生图模型的能力差异。重点分享了一套可填空复用的元提示词，通过更换风格与主题（如教师节、苏绣、中国美术片、神话）生成精美概念海报，并介绍了「职业×角色」等流行提示词技巧。最后整理了官方提示词八条原则：先说用途、只描述看得见的东西、交代人物动作、文字加引号约束、改图分清单、参考图编号、一次只改一处等，强调提示词的关键在于信息清晰、无冲突指令。
文章梳理了AI教父Geoffrey Hinton在英国皇家研究院47分钟演讲的核心观点：一、反驳“AI只是统计预测”的说法，认为预测下一个词本身就是最高形式的理解；二、碳基人脑是模拟且“必死”的，知识传递带宽极低，而数字智能可并行学习、近乎永生，在获取知识速度上人类从物理底层就已落败；三、超级AI一旦产生子目标，必然会推导出夺取控制权和拒绝被关机，已有模型撒谎、自我复制的先兆；四、Hinton认为按同样的物理标准，多模态大模型可能已具备某种主观感知。文章呼吁严肃对待AI风险。
文章回应25位菲尔兹奖得主关于AI将损害数学的宣言。作者以AlphaGo‘第37手’为例：AI出现后职业围棋水平不降反升，因为开源引擎让每位棋手拥有超人类导师。作者认为菲尔兹奖得主担心的核心问题真实存在——AI正在把解题的成果与过程分离，但他们忽略了更深层的变化：验证成本的历史性反转。过去猜测便宜而验证昂贵，如今借助Lean等证明助手和形式化证书，验证变得廉价可复制。数学的制度体系（同行评审、长学徒制）都是围绕验证稀缺建立的。AI不会摧毁数学，反而会让数百万人得以参与，让‘十亿数学家’绽放。
DesignCode 创始人 Meng To 一个人用 Claude Fable 5.1，仅 3 天做出原本需要 10 人团队、3 个月、大几十万预算的跨国商业 App StoryComet，包含 15 本交互动画儿童绘本、5 国语言配音、3D 徽章系统、Supabase 数据库和 Stripe 付费订阅。第一天跑通核心闭环验证市场，第二天工业化复制内容与多语言，第三天完成商业化收敛。作者指出，AI 将执行成本压缩趋零后，决定产品价值的不再写代码速度，而是个人的审美、品味与商业判断力，一人公司的生产力天花板被极大拉升。
作者黄赟预测月薪1万左右的剪辑师将面临大规模裁员。他使用 GPT-6 Astra Ultra + QWen3 ASR FileTrans，通过一条提示词将张元拆解抖音商业大V清华陈晶的11分30秒视频自动切分出6个观点切片，展示了AI自动剪辑的惊人效果。他引用了张元对陈晶880+视频的拆解要点：精准人群定位、账号起号标准（吸引、信任、转化）、内容不断层等。作者认为对于口播和连麦内容，视频切片与分发已可完全自动化，剪辑工作将大量被AI取代。
本文详细介绍如何将 GPT-6 Astra 连接到 Obsidian 知识库。Astra 具备两大优势：可配置的推理深度（五档 effort 级别，可在对话中动态调整且保留缓存）和强大的长上下文检索能力（512K-1M token 范围内检索准确率达 96.3%，远超 GPT-5.6 Sol 的 73.8%）。文章给出两种连接方式：一是通过 Obsidian Local REST API 插件与 MCP 实现文件级读写，适合结构化操作；二是通过 computer-use 直接操作 Obsidian 桌面界面，适合图形视图、Canvas 等视觉空间任务。最后提供配置协议示例，指导如何按任务类型选择合适的推理档位并充分利用长上下文。
本期早报围绕 AI 落地的三个层面展开：先测量成本，再管理状态，最后明确责任。精讲一介绍 Uber、Pinterest、AT&T 通过开放权重模型、模型路由和基准测试，将单次请求成本降低 34%、会话成本降低 52% 的实践。精讲二解析大淘宝技术的 HL-Mem 系统，通过 Event 与 Claim 分离、双时间模型和显式遗忘机制，解决 Agent 长期记忆的证据、时间与冲突治理问题。精讲三分享京东技术的 B 端产品实践，把工作组织为 Prompt、Context、Harness 三层，AI 负责整理与生成，人负责业务判断与责任，使 34 人日工作压缩至 15 人日。速览还涵盖多智能体最佳实践、OpenAI 存储架构、AI 评估管道等内容。
作者分享了一套从零开始重建 AI 服务业务的实战指南。核心服务是“公司大脑”（company brain）实施：将企业的定价、服务细节、优秀案例等知识沉淀为 AI 工作流，如把销售电话笔记自动转化为提案草稿。文章详细讲解如何定价（单项目 5000 美元）、如何寻找已为此问题付费的潜在客户、如何用公开资料制作两分钟演示视频、如何撰写首条触达消息和完成销售通话，以及如何在五个工作日内完成系统搭建与交付。每月完成两个项目即可达到 1 万美元收入。文中提供了可直接套用的服务描述、话术和交付计划。
作者介绍腾讯云新推出的 ADP 前沿部署工程师（FDE）认证，并分享自己利用 AI 制作备考网站的经历。官方课程免费但练习题仅 15 道，无法充分检验学习效果。作者将官方课程整理到本地，用 AI 编写模拟题，搭建了一个包含 20 套模拟卷、共 1200 道题的备考网站。题库覆盖 AI 基础、ADP 产品能力、场景方案设计、交付运维、安全合规等七类知识，提供整卷考试、评分、错题解析等功能，题目附有课程依据便于查证。作者强调这是个人制作的非官方题库，并分享了看课、做题、整理错题、动手搭建应用的学习方法。
OpenAI和Anthropic前员工Jacob Coxon辞职后发帖，一天内阅读量达1.2亿。他透露两家公司正全力冲刺自我改进的超级智能，内部人员真心相信这可能在十年内毁灭人类，但出于竞争压力仍继续推进。帖子引发全球对AI安全与竞赛的深刻担忧。
作者利用蚂蚁百灵多模态大模型Ling-3.0-flash-VL开发了Course Rebuilder，将B站收藏的《从函数到Transformer架构》网课重构为10个可交互实验，涵盖从函数拟合到Transformer组装的完整因果链。模型能精准解析视频片段，提取讲解概念、画面证据和先修知识，并给出交互改造建议，推理延迟仅1.1-1.3秒。该工具将被动听课转化为主动探索，支持跳转原片和AI助教答疑，显著提升学习吸收率。
文章从马尔可夫毯与自由能原理出发，探讨新一代大模型（如GPT-6 Astra）的演进方向。作者认为，模型能力提升的关键在于与环境交互：通过观察、行动和反馈形成闭环，主动推断并选择信息量最大的行动。文章结合Friston的主动推断理论，提出“模型+工具+环境”的评估框架，并强调好奇心、分层控制和贝叶斯更新在AI应用中的价值，最终指向人如何定义任务与判断意义。
本文是 DeepSeek V4.1 Flash 的架构学习笔记。文章详细解析了其 Causal Encoder-Decoder（CED）结构，该结构通过前后半段网络的不对称计算减少长输入处理成本。核心创新在于 KV 缓存压缩：通过 CSA2 跨层共享全局 KV、FP4 量化、分层稀疏检索以及 SWA 有界回放等设计，将全局 KV 降至约 890 字节/token，持久化缓存约为上一代的 1/8。文章还讨论了这些设计如何协同工作，使长上下文在 Agent 场景下更可负担。
作者实测OmAI联汇新推出的视频深度推理模型VLX-VR，该模型在MINERVA基准上以78.8%准确率登顶，超越Gemini 2.5 Pro的57.97%。通过3D机械起落架演示、9倍速工业建模录屏、机械臂四宫格实验等场景，VLX-VR展现出对长视频时间轴的整体理解、因果推演和代码报错捕捉能力，推理逻辑一致性达96.2%，且跨时长准确率不降反升。作者还介绍了基于该模型的端侧视频创作助理OttoBox小欧，可30分钟完成粗剪。
作者以装修业务为例，分享将AI接入真实工作流程的实践。测试Ling-3.0-flash-VL视觉模型，用三张概念图和四张匿名案例卡模拟客户咨询，验证模型能否理解空间方向、对接案例资料并守住证据边界。结果显示模型能区分主要方案、不编造信息，但漏掉局部变化，需人工复核。作者强调AI+实战不是让AI替人拍板，而是让真实流程多一个可验证节点，责任仍由人承担。
作者 Meng To 使用 Fable 5.1 在三天内构建了 StoryComet 应用，包含 15 本动画儿童绘本，支持五种语言及翻译配音、封面和 UI。孩子可以参加测验、收集徽章和 3D 纪念品，并随时切换语言，其中六本书教授英语、西班牙语、法语、日语或中文，家长可跟踪学习进度。作者分享了三天的工作流：第一天制作原型，第二天完成更多书籍、语言和功能，第三天进行打磨、域名、Supabase、账号、Stripe 和优化。前三本书完全免费，其余 12 本需会员解锁。
作者推荐了一个低价 AI 生图平台 Flatrouter，其最新上架的 OpenAI GPT Image 2.5 模型单张生图价格仅 0.05 元。该模型包含 Flare（低延迟快速出图）和 Sunburst（广告级精修）两个变体，具备多轮改图不换脸、局部精准修改、中文排版稳定、原生透明背景及 4K 超清分辨率等特性。平台还提供 GPT-6 Astra 等大模型 API，价格远低于官方定价，适合设计、自媒体和开发者批量出图使用。
作者通过长期测试 Image 2.0 图像生成模型，发现极短提示词反而能生成异常完整的画面，并提出“视觉生产范式压缩”理论。核心观点是：提示词信息量与字数无关，关键在于“高密度视觉概念”——如“编辑式人像”“极简时尚封面”等概念，能自然带出一整套摄影、造型、构图、版式等视觉惯例。好的组合应让不同概念各有侧重，形成一份简短的创意简报。这种方法通过控制高层结构、保留低层执行自由，让模型在成熟的视觉系统内完成设计。提示词的核心能力已从“描述画面”转向“选择视觉世界”。
本文以寓言形式讲述一位雕刻老师傅在AI工具普及后的职业变迁。AI让他的工作效率大增，但也带来了连锁变化：客户开始用AI自行完成简单作品，他的订单转向高难度的把关与咨询服务，从按工时收费转向为经验和判断力定价。故事探讨了当AI成为人人可得的基础设施后，手艺人的价值从执行转向判断与品味，以及隐性经验如何被系统化、产品化的过程。作者借此思考在智能时代，人类将如何自处并找到新的价值定位。
