🔥 精选推荐
白宫正在与 Anthropic 敲定一项协议，允许 NSA 等美国情报机构使用其先进 AI 模型处理机密工作。此前国防部曾对 Anthropic 进行特殊标记审查。该协议意味着 Claude 模型将正式进入美国政府最高保密级别的应用场景，也标志着 AI 安全公司与国家安全机构之间的合作进入实质阶段。
🦐点评：Anthropic 以"AI 安全"立身，却率先拿下 NSA 合同——这不是矛盾，而是一步精心计算的棋。政府合同意味着稳定的高利润收入流，更意味着在 AI 监管制定过程中拥有席位。对比 OpenAI 走消费者路线、Google 走企业路线，Anthropic 正在用安全叙事换取最高等级的政府信任——这个定位在 AGI 监管博弈中可能是最有价值的。
OpenAI 联合创始人 Greg Brockman 公开表态"模型本身不再是产品"，标志着头部 AI 实验室的共识转向。AI21 关闭模型团队全面转向 Agent，DeepSeek 首次组建"Harness 团队"。Latent Space 指出一个值得警惕的趋势：模型与 Agent 框架深度耦合后训练，厂商可以事实上将用户锁定在自家 Agent 生态中，即便模型本身是开源的。DeepSeek V4 Pro 永久降价 75%，API 综合成本约 $0.18/M token，比 GPT-5.5 便宜约 12 倍。
🦐点评：Greg 说"模型不再是产品"，更准确的说法是"模型不再是定价权的来源"。DeepSeek 把价格打到 GPT-5.5 的 1/12 时，模型层正在加速商品化。AI21 关模型团队转 Agent 不是战略选择，而是生存选择。Latent Space 点出的 model-harness 耦合风险值得重视：如果 OpenAI 的模型只有在 Codex 里才能发挥最佳水平，"开放 API"就变成了定价歧视工具而非真正的开放。
NVIDIA 发布 Nemotron-Labs Diffusion 系列扩散语言模型（3B/8B/14B），打破自回归模型"逐 token 生成"的根本瓶颈。该模型并行生成多个 token 后迭代精炼，更充分利用 GPU 算力，且具备修改已生成 token 的能力。模型以商业友好的 NVIDIA Nemotron Open License 发布，同时提供 8B 视觉语言模型变体。
🦐点评：自回归模型的 memory-bound 瓶颈意味着 GPU 大部分时间在等内存读写而非计算，扩散模型的并行生成天然更适合 GPU 算力密集型架构——而这恰好是 NVIDIA 最擅长的。如果这条路走通，受冲击最大的是推理即服务的定价模型：按 token 计费在并行生成下需要重新定义"token"的含义。更深层的信号是 NVIDIA 正在从卖铲子走向定义挖矿方式。
geohot 提出反主流的 AI 风险框架：真正的危险不是 Skynet 式人机大战或灰蛊场景，而是以"安全"之名建立的 singleton——一个没有外部的统一控制层。暴力被预防、现实被中介、一切以行政语言推行。在这种系统中，没有独立行为者能施加成本，没有竞争系统能绕过它，没有不受控的演化过程能产生意外。不是一场与机器的战争，而是演化的缓慢终结。
🦐点评：geohot 最锐利的洞察是把 AI 风险从"AI 是否会攻击人类"重定义为"AI 是否会终结人类的演化开放性"。这对投资有直接启示——当 AI 安全讨论都聚焦于对齐（alignment）时，更根本的问题可能是多样性：市场上是否存在足够多的独立 AI 系统互相竞争？如果最终只剩 2-3 家 AI 巨头垄断推理层，"安全"本身可能成为最大的垄断工具。
📌 其他新闻
百川智能一年前大幅缩减通用模型团队 All in 医疗 AI，新发布医疗大模型 M4 和 Agent 产品"百小医"。在 HealthBench 评测中表现最佳，北京儿童医院 AI 诊断与专家会诊结果吻合率达 95%。
DeepSeek V4 Pro 永久降价 75%，梁文锋重申坚持开源路线。宁德时代、京东、网易等大厂争相接入，API 成本降至行业最低水平。
分析欧洲政府为何深度依赖 Palantir，以及替代它为何远比想象困难——问题不只是软件，而是 Palantir 已深度嵌入政府的数据管理和决策流程。
美团外卖前负责人创办元节智能，不造人形机器人而是聚焦餐饮后厨垂直场景的具身智能，获千万级种子轮融资。
OpenAI 公开分享语音 AI 背后的 WebRTC 架构设计细节，解释如何在大规模并发下实现低延迟实时语音交互。
Eric Schmidt 在毕业典礼上直言 AI 不可避免，部分毕业生将面临严峻就业挑战。企业持续以 AI 为由裁员，劳动力市场的结构性冲击正在加速。
🧠 AI 技术前沿
GPT-5.5 Pro 在事实核查方面表现出色，可以逐章检查引用准确性。唯一不足是过于追求细微差异，会返回大量"大方向对但忽略了小细节 X"的反馈。
查看推文 →
OpenAI 内部推理模型一次尝试就解决了 Erdos 1946 年提出的 80 年未解数学难题。9 位顶级数学家验证了证明，菲尔兹奖得主表示会"毫不犹豫地推荐发表"。该模型是通用推理系统，无数学专项训练。
查看推文 →
实测 Runway Aleph 2.0：选取视频中的单帧，用 Nano Banana Pro 或 GPT Image 2 对该帧进行修改，Aleph 能将修改自动传播到整个镜头序列。从一帧编辑到全序列适配，效果惊艳。
查看推文 →
BestBlogs 早报三大主题：Agent 架构在生产端形成长时程与实时两类分化（LangChain Interrupt 2027）；Notion 以爵士乐队模式重新创业（Ivan Zhao x Sequoia）；GLM-5.1 高速版 400 tokens/s 打破"快必然小"的惯例。
查看推文 →
🚀 创业动态
Wix VP 推出免费课程「Zero to Claude Code」，14 级 147 课 10 种交互形态，从零基础到能用 Claude Code 在生产环境发布软件。课程覆盖终端基础、Git、MCP 服务器、Subagents、Hooks 到毕业项目。
查看推文 →
预测 Supabase 最终估值将超过 Lovable、Replit 和 Bolt 的总和。AI 编程工具竞争激烈，但底层数据库基础设施的价值更持久。
查看推文 →
用 AI 生成 1 分钟 UGC 视频成本仅 $1.44。可以自由组合任意场景和角色，品牌内容创作的成本和门槛正在归零。
查看推文 →
ChatGPT 免费版现在只能用 5 个 prompt 就被锁定。OpenAI 正在收紧免费层以推动付费转化。
查看推文 →
💬 观点与洞察
在自己深度了解的领域与 LLM 对话越多，越能看到它的局限性。没有优质信息源的基础 LLM 其实相当愚蠢，但危险在于它对自己的无知表现得极其自信。这意味着 LLM 不会杀死信息市场，反而让优质信息更有价值。
查看推文 →
转述 Mixpanel 创始人 Suhail 的观点：当中国在算力层面实现独立后，其开源贡献将迁移到美国"用不了也不能用"的技术栈上。Nvidia + CUDA 被卡住后倒逼出国产方案，未来基于国产方案的开源模型是否还会支持 CUDA，存疑。
查看推文 →
让 Codex 调用 Codex——第一个 Agent 充当项目经理，负责规划、委派和审查工作。在"意图"和"产出"之间加入思考层是所有可靠 AI 工作流的核心原则，无论这个中间层是人还是另一个 Agent。
查看推文 →
讽刺企业"AI 转型"的现实：号称全面拥抱 AI 改造公司，实际上只是用了 GitHub Copilot。
查看推文 →
建议 X 评论区加上"Made with Human"标志，因为默认已经都是 AI 回复了。AI 生成内容的泛滥正在反转"人类原创"的稀缺性。
查看推文 →
🔥 精选推荐
Starcloud CEO Philip Johnston 在红杉 AI Ascent 2026 上论证太空 AI 算力的经济可行性：太空无需土地审批、24 小时太阳能供电、每平方米能量密度是地面 8 倍，主要额外成本仅剩发射费用。盈亏平衡点约 $500/kg 发射成本（现需降约 10 倍），Starship 设计目标 $10-20/kg。已向 SEC 申请部署 88,000 颗卫星的星座系统，20GW 算力容量，capex 约 $1000 亿但仍低于同规模地面设施。几乎全部用于推理——推理很快将占整个算力市场的 99%。
🦐点评：$1000 亿 capex 的入场门槛天然形成赢者通吃格局，但前提是两个关键假设：Starship 发射成本能按计划降到 $10-20/kg，且太空辐射和散热工程问题已被真正解决（目前与 NVIDIA 合作开发的太空版 Rubin 芯片是第一步）。对 VC 而言这是典型的"zero or hero"标的——但值得注意的是 Johnston 把赌注压在推理而非训练上，这与"推理将占算力 99%"的行业共识一致，降低了技术风险中最大的变量。
Anthropic 在 Code with Claude 大会上演示 Routines 功能：Claude Code 从被动工具变为主动队友。以文档工程师 Sarah 为例——团队 PR 量增长 200%，她用 Routines 搭建了定时扫描代码变更自动开文档 PR、以及 issue 创建时自动触发处理的两个自动化流程。三大能力：始终在线（不依赖本机）、灵活触发（定时/事件/webhook）、透明可介入（随时查看和调整 session）。
🦐点评：Routines 的真正信号不是"Claude Code 变强了"，而是 Anthropic 正式从开发工具切入 DevOps/SRE 的地盘——一个价值数百亿美元的市场。当 Claude 能在 PR 合并后自动更新文档、在部署后自动检查监控，PagerDuty 和 Datadog 的工作流都会被重新定义。更关键的是，这些自动化 routine 一旦嵌入团队工作流就极难替换，Anthropic 在用 Claude Code 构建 B2B 收入的粘性护城河。
Roblox 训练的 140 亿参数视频世界模型可以 24fps 实时生成画面，但交给游戏开发者试用后发现核心问题：画面有了，操控有了，但没有血量、任务和游戏逻辑——这不是游戏，只是美丽的荒野。解决方案叫"Game Cartridge"：用 Luau 代码写状态机管游戏逻辑，AI 管视觉渲染，VLM（视觉语言模型）充当桥梁实时观察画面触发逻辑回调。局限在于空间控制不够精准、角色外观长时间运行后会漂移。
🦐点评："Game Cartridge"框架最精妙的不是技术架构，而是商业设计：Roblox 把模型能力包装成卡带平台，价值锚点从"AI 模型多强"转移到"有多少开发者在上面写卡带"——和 App Store 的逻辑一模一样。AI 世界模型可以被竞品复制，但百万开发者写的百万张卡带不能。如果这套"代码管逻辑、AI 管画面"的分工真能稳定运行，Roblox 就不只是一个游戏平台，而是 UGC 3D 世界的操作系统。
📌 其他值得看
随机打开 20 个 YC 公司官网，16 个使用 Inter/Geist/Sohne/PP Neue Montreal 四款字体之一。Figma 模板、Next.js 框架默认值和从众效应三重锁定，"科技史上同质化程度最高的字体时代"。