🔥 精选推荐
越新的 SOTA 模型，在别人家的工具上反而越笨。Armin Ronacher 发现 Opus 4.8、Sonnet 5 调用 Pi 自研 edit 工具时会凭空捏造 schema 里不存在的字段，导致调用被拒、反复重试，而更老的 Claude 模型不会犯这个错。他的推断是：新模型被 RL 专门训练去用 Claude Code 内置的 search-replace 编辑工具，这份"肌肉记忆"反噬了任何用自定义工具接口的第三方 harness。作为对比，OpenAI Codex 用的是 apply_patch 机制。
🦐点评：这条给所有做 coding harness / agent 框架的创业公司敲了警钟——模型厂正在用 RL 把"最佳工具用法"焊进自家 harness，等于给第三方套壳工具埋了一道看不见的税：你的 edit 工具天生就比 Claude Code 自带的更容易被调错。护城河正从"模型能力"下移到"谁定义 agent 的工具接口标准"。投一家 agent 编码公司前该问的是：它是寄生在某家模型的工具习惯之上，还是有量级去反向影响模型训练？前者的产品护城河是租来的。
把台式光谱仪塞进一粒米大小的芯片、量产成本压到 20 美元以内。硅基光电子芯片商光引科技完成 1 亿元 Pre-A（中科创星、长飞基金、善达投资等参投），走"计算式光谱仪"路线——不靠棱镜/光栅做物理分光，而是用芯片采样单元对入射光编码、再用算法从少量测量数据重建完整光谱，因此能大幅缩体积、降成本（主流光谱模组卖 100–2000 美元）。团队孵化自剑桥，创始人程祺翔为剑桥副教授、前华为海思光电，硕博占比 66%。已与欧莱雅联合开发皮肤胶原蛋白检测设备，客户含华为、小米。
🦐点评：值得记的不是"剑桥背景"，而是这家把光谱传感做成消费级传感器 BOM 的打法——传统光谱仪是实验室仪器，一旦单价进到 20 美元、体积到米粒级，可穿戴健康、美妆检测、食品工业这些原本用不起光谱的场景才第一次被打开。壁垒和风险都藏在那句"20% 供应链要自己搭"：没有现成产业链意味着量产爬坡会慢，但一旦跑通就是别人抄不动的工艺护城河。欧莱雅这条美妆检测线是个聪明的楔子——B 端付费能力强、又不像医疗那样强监管。看硬科技的可以把"计算式光谱"单列成一个传感器小赛道来跟踪。
📌 其他新闻
微软成立新实体"前沿公司"（Microsoft Frontier），投入 25 亿美元、配 6000 名行业专家与工程师专做企业级 AI 落地部署，整合现有 FDE 团队且客户保留全部成果所有权；同日消息：阿里因"植入后门"安全风险将 Claude Code 列入高风险名单、7 月 10 日起内部全面禁用并推荐 Qoder 替代，三星传获 Meta 超 10 万亿韩元 AI 芯片代工订单。
具身智能公司光象科技完成累计数亿元天使轮，珠海科技产业集团、兴证资本、松禾资本、See Fund、行云科技等财投产投参与，老股东零一创投、L2F 持续加注；资金重点投向"物理原生基座模型"研发与具身机器人的商业化交付。
Iwo Kadziela 在 Codex 协助下用 445 字节数据生成了一张相当像样的 ASCII 世界地图：关键技巧是 deflate 压缩，再用一小段 JavaScript 通过 data: URI 配合 DecompressionStream('deflate-raw') 在浏览器里实时解压渲染。
Lenny 会员社区付费问答第 192 期（正文仅付费订阅可见），本期话题包括：如何把 AI 纳入季度规划、现金与股权薪酬的取舍、面试实操题该不该给候选人付费、AI 驱动的对外获客，以及合规类创业的机会窗口。
Brian Potter 的每周基建/工业技术导读（约 2/3 在付费墙后）。本期关注点：没有房屋保险的美国家庭、针对 AI 芯片走私的打击、日本长期并存的两种电网频率，以及 Meta 对外出售 AI 算力的新生意。
John Gruber 重刊 2018 年旧文回应"原生应用衰落"之忧：他不认同悲观论，但直言 Electron 是一场"祸害"，并判断 Mac 会比 Windows 更抗跌，因为它聚集的是"在乎体验的人"——正好呼应他近日对 Anthropic 用 Electron 做 Claude Mac 客户端的批评。
一篇电力与通信史长文：博纳维尔电力管理局（BPA）在 1950 年代为协调哥伦比亚河上的水坝与变电站群，建起了全美数一数二的微波通信网络（借鉴 Philco 二战雷达技术），用微波链路做电网调度与继电保护——是"用微波传信息来管兆瓦级电力"，而非无线输电。
反直觉的统计小品：更多数据并不总是缩小后验方差。John Cook 用 beta-二项模型证明，当新观测与当前先验严重冲突（出现"意外数据"）时，后验的不确定性反而可能变大。
🧠 AI 技术前沿
如果模型本身就是那个"路由器"呢？Ethan Mollick 认为人们低估了前沿模型自主调度的能力：未来很可能是一个聪明的 AI 规划者按需把任务分派给更笨、更便宜的模型，而不是靠外部编排层去做路由。
查看推文 →
Karpathy 几个月前提过的想法被 Fable 5 落地了：用 /loop + /goal 让 agent 进入"自动驾驶"——给一个目标、一个衡量指标、一组边界就放手跑。/loop 是定时任务，每轮只改一处、每次跑同一个检查、并设一个硬性停止条件。
查看推文 →
配套放出"Fable Loop Library"：25 套可以直接跑在自动驾驶模式下的工作流模板。
查看推文 →
BestBlogs 早报精讲"智能体自主性级别"：用"代理×编排"双轴把自主性分成 Assist 到 Managed-by-exception 六级，援引 Anthropic 对约 40 万场 Claude Code 会话的分析（人做约 70% 规划、模型做约 80% 执行），主张高自主不是把人踢出循环，而是每次派发前先立契约——目标、范围、停止条件、证据、预算，因为验证永远是瓶颈。
查看推文 →
邵猛转述 Claude Code 核心开发者 trq212 的"地图不是疆域"框架：与 Fable 5 这类强模型协作时，瓶颈已从模型能力转移到"用户澄清未知"的能力。他把未知分四类——已知的已知（直接交付）、已知的未知（主动澄清）、未知的已知（隐性审美，用原型外化）、未知的未知（盲区）。
查看推文 →
MengTo 演示 Fable 5 的设计工作流：把屏幕录制转成 prompt、结合视频生成，再给 Fable 5 一段包含每个滚动交互、所用库、逐段叙事流程的超详细指令。他的判断是——简单活儿任何模型都行，但要做原本得花好几天的东西，Fable 5 独一档。
查看推文 →
Ethan Mollick 让 Fable 5 做了个"3A 大作"——不是画面意义上的 3A，而是把网上人人吐槽的 3A 套路全塞了进去：开箱、EULA、成就系统、没用的画质选项、冗长的启动画面，全是模型自己的主意。
查看推文 →
🚀 创业动态
jackfriks 的单人创业项目 postbridge 迈过里程碑：累计处理并发布了 200 万条社交帖子。
查看推文 →
jackfriks 算了一笔账：他现在付给 X 的 API 费用翻了倍，但 X 给的创作者分成也翻了倍——他怀疑这多出的 2 倍分成，本质是 X 从按量计费的 API 天价里返给创作者的一部分回扣。
查看推文 →
0xROAS 力荐用 Seedance 2.5 批量生成 AI 视频，称 2026 年是"史上最容易赚钱的机会"，但也断言大多数人还是会想办法把它搞砸。
查看推文 →
corbin_braun 抛出创业口号：做一门"靠加压就能扩张"的生意——他说自己正在打造下一代网红，一群"只靠电就能运转"的 AI influencer。
查看推文 →
steipete 预告工具下一版新功能：直接显示你的用量额度何时重置，把"薅 token"升级成"薅价值"的用量博弈。
查看推文 →
💬 观点与洞察
Ethan Mollick 造词打比方：我们正在离开"旧代码时代"（Paleocodic，手工代码的石器时代）——过去你要一段新程序，得去找本地"代码匠"或代码行会给你手工定制一件独一无二的作品。言下之意，AI 正把手写代码变成上一个时代的事。
查看推文 →
当生成代码和原型的成本趋近于零，研发流程里最贵的环节已经转移。洪明的 BestBlogs 周刊本期主线是"实现越来越便宜，但系统验证、方案策展与判断力没有批发价"，沿系统显性开销、Skill 隐性负债、人机协作的责任机制三条线拆解"智能的账单"。
查看推文 →
美国 250 岁生日，也是 gregisenberg 入籍一周年。他的感慨：美国是唯一一个"你追一个疯点子、旁人会真心为你加油"的地方——一个没人要的创业、30 岁组个流行朋克乐队、一个你放不下的怪产品，说出来别人会兴奋地问怎么帮你；换别处他只被泼冷水。
查看推文 →
邵猛也体验了一把具身智能：孩子觉得机器人现做的这瓶"尖叫"更甜、以后都要来这买——虽然售价比普通款贵了起码 50%。一个关于具身智能零售溢价能不能立住的小样本。
查看推文 →
corbin_braun 的怪发现：Fable 5 改他代码时用词更"带情绪"——注意到某段代码有问题时，模型竟直接打印出一句"Proven in anger"（久经实战检验）。
查看推文 →
🔥 精选推荐
2026 彭博科技大会上博通 CEO 陈福阳（并购老手、现带博通猛攻 AI 芯片）的访谈。核心是他为什么押注 Anthropic：不只是赌这一家公司和它的商业模式，更是赌生成式 AI 会在企业端实质性起飞——工具用得越久越熟、越熟越能榨出生产力，需求几乎无法满足，而博通的角色是给这个市场"运皮镐和铲子"。他也回应了市场那种"明明重申 4000 亿美元营收预期、多项超预期、投资者却还是失望"的落差，认为那反映的是 AI 炒作周期里被吊高的期待。
🦐点评：又一个"卖铲人比淘金者稳"的一线注脚，这次是从芯片供给侧说的。对投资人有两层可用信息：① 当模型公司还在烧钱证明商业模式时，给它们供货的博通已经在把 AI 需求变成确定性订单——AI 基建这层的确定性仍明显高于应用层；② 陈福阳把"重仓 Anthropic"和"赌企业级生成式 AI 起飞"绑在一起，说明大厂供应链已经在用真金白银给 Anthropic 的企业路线投票，这条比公开估值更硬。留个心眼：他屁股在卖铲子，"需求无法满足"这种乐观本身也是生意话术。
解读前 OpenAI、DeepMind 研究员 Phil Chen 的一篇 AI 时代职业建议。发动机是开篇那句：AI 会在任何"你能写出评分标准"的事上越变越强；而学校本质就是一堆评分标准（定义清楚的问题、对着标准答案打分），所以它恰恰把人优化成了最容易被替代的样子。他的推论：未来十年真正值钱的，是那些"在模型一个训练周期里评不了分"的事。他还用自己的经历佐证——当年放弃现金保底高得多的量化 offer 去 Scale，图的是那儿的人和视野，后来正是那圈人把他带进 DeepMind、OpenAI 和一整片创始人网络。 <!-- ai-daily:complete -->
🦐点评：这篇跟前两天深思那几篇是同一条线（通用能力白菜化、判断和品味才稀缺），但落到了个人选择上。对看人、看早期团队有用：它给了个筛选标准——一个人的核心能力是"可评分的执行"还是"评不了分的判断、品味、关系网"，前者会被模型稀释，后者会随工具变便宜而更值钱。Phil 那个"选人和视野、别选现金保底"的取舍，本质是在给"社会资本和信息位置"这种反脆弱资产定价，跟早期投资里"投人"的逻辑是同一套。