本文是视频播客《Next Token 词元之外》第二期的介绍。播客由橘子、杨攀、归藏、乔木等创办，解读前沿 AI 资讯。本期聚焦 iPhone Duo、GPT 6 Astra、DeepSeek Flash 及大模型降智等话题。iPhone Duo 凭借优雅的折叠动画和六种界面规范定义了折叠屏生态；GPT 6 Astra 以 3D 和 Computer User 能力出圈，被视为 AGI 时代模型；DeepSeek Flash 优化 KV Cache 效率，降低 4 倍开销，成为开发者默认模型。播客可在小宇宙等平台订阅。
苹果发布折叠屏 iPhone Duo 后，作者团队精读官方设计与适配指南，总结出一份适配开发实战指南。文章以学习笔记 App 为例，讲解新 SDK 决定兼容显示模式、ArrangementView 双栏排列（split 与 overlay 的选择）、窄屏与折叠姿态下的面板切换策略、系统工具栏侧边竖排的规则，以及如何用 ReservedRegion 处理折痕与摄像头遮挡。文中提供了老项目排查写死屏幕假设的方法、代码示例，以及一份可直接交给 AI 使用的适配作业指导书，适用于新项目开发和旧 App 改造。
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。
作者整理了豆包相关的官方资料与社区开源项目，澄清了广为流传的《豆包工作蓝皮书》实为社区维护而非官方文档的误区。文章系统梳理了四种豆包形态：个人产品、豆包工作、火山方舟与ByteDance Seed，指导新手按'先个人产品、再工作任务、最后开发者工具'的路径学习。内容涵盖零基础三十分钟上手指南、普通对话与工作任务的场景选择、豆包工作的核心能力（文件、浏览器、电脑操作、Skill、连接器等）、可直接复用的指令模板、隐私权限与安全注意事项、付费版本与配额说明，以及开发者通过火山方舟接入豆包模型的快速入门步骤。
OpenAI发布GPT-6 Astra，定位为迄今最智能且最对齐的模型。文章详细解析其新特性：105万Token上下文窗口、作为全球最佳操作电脑的模型（OSWorld完成率72.6%）、ARC-AGI-3达到99.9分远超人类平均水平、视觉判断力和审美大幅加强、更强的主动性（Judgment）能自主消化不确定性、安全对齐显著提升（幻觉率降至2.0%）、成为首个达到网络安全Critical等级的模型。同时文章指出隐忧：模型思维链可监控性显著下降，人类越来越难理解其推理过程，AI正在走向奇点。
本文记录了梁文锋在投资人会议上的核心观点，涵盖AGI发展路线、开源与商业化策略、团队管理及愿景驱动等方面。他强调产品是AGI的副产物，现阶段的重点是Coding Agent和持续学习能力，开源与克制是长期战略，目标是实现AGI而非追求短期利益。
本文精选了 30 位在全球 AI 领域真正生产一手认知的关键人物。清单涵盖研究、工程、教育、开源、评测、AGI 及全球生态七个维度，列举了如 Karpathy、Andrej Karpathy、Sam Altman 等行业领袖。关注这些账号有助于快速提升对 AI 前沿技术与趋势的认知密度。
本文详细介绍了小米大模型负责人罗福莉关于 AI 行业发展趋势的深度见解。罗福莉指出，2026 年 AI 的核心已从预训练主导的 Chatbot 时代转向后训练主导的 Agent 时代。文章重点分析了 OpenClaw 框架的划时代意义，其通过分层记忆和模型编排弥补了短板，实现了极致的生产力提升。此外，还探讨了后训练算力权重的增加、团队组织方式的变革以及未来 AGI 的实现路径。
文章整理了国内主流大模型平台的免费 API Token 渠道，包括智谱 AI、Moonshot、MiniMax、讯飞星火、腾讯云、阿里云百炼、硅基流动等。作者详细列出了各平台的新用户注册赠送额度、有效期内包含的模型种类（如 GLM、Kimi、DeepSeek 等），并针对开发者提供了接入 OpenClaw 等工具的建议。文末还提醒用户注意实名认证要求及额度有效期，避免超额扣费。
文章认为入门AI硬件开发的最佳方式是在AI生成的交互式在线实验室中学习，而非先购买开发板。这种实验室由大模型生成的交互式UI、硬件行为模拟和渐进式教程流组成。文章介绍了Learn Arduino、Claude 3D设备拆解和ESP Labs三个项目：分别提供3D电路学习、可拆装的设备模型和完整的ESP32开发板教学平台。大模型在结构建模、原理动画、状态逻辑和固件映射方面能力已足够强，大幅降低了开发成本。文章同时指出其边界：模拟不等于真实芯片仿真，AI生成内容需专业人员把关，并给出了学习路线和维护者建议。
作者基于此前多次 OCR 横评经验，介绍百度文心团队开源的 Unlimited OCR 2。作者实测 1665 页《平凡的世界》图片版 PDF，40 分钟完整解析，3623 页《哈利·波特》也只需 90 分钟。其核心创新是 SR-SWA（稀疏参考滑动窗口注意力），通过 Page Gate 划定相关页面、Token Sieve 挑选 top-k 视觉块，使每步计算量不随页数增长；配合无限解码机制，百页文档峰值显存从 47GB 降至 1.77GB。与全注意力相比快 7 倍，在 MarathonDocBench 上保持 SOTA。短板是全局结构信息（如标题层级）保留不足。
作者以美妆企业 FDE 落地项目为例，讲解如何将小红书、抖音、视频号、微博等平台采集的多模态数据（文字、图片、音频、视频）清洗成一套可信、可查询的结构化数据。文章提出八步通用链路：定数据规范、保留原始内容、梳理用户/帖子/评论关系、多模态归一处理、冲突与质量清洗（含证据分级）、生成结构化数据、执行验收、按规则和版本入库。文中还给出 OCR/ASR 工具选型建议（FFmpeg、PaddleOCR、Whisper 等）以及大模型结构化输出的实践经验。
