🔥 精选推荐

Ben Thompson 用一篇虚构的扎克伯格 2026 Q2 财报电话会讲稿,替 Meta 正面回答"核心业务是轻资产印钞机,为什么要砸几百亿资本开支进 AI"。他借扎克伯格之口复盘 Facebook 史:第一套算法其实是"人对人的好奇",信息流、移动端、Instagram 每一次跃迁都印证同一条铁律——让人更方便地连接人和内容,使用量就上去。真正的自我批评是扎克伯格过去最大的错误在于执迷"成为平台":从早期押注 Facebook 网页平台、到 Reality Labs,都是在模仿前辈科技巨头;而移动时代苹果"把 Facebook 打回一个 App"反倒救了他,因为把自家内容放到最前面才是用户真正要的。文章的潜台词是,AI 资本开支的正当性应该建立在这条"人连接人/内容"的老主线上,而不是又去追一个平台梦。
🦐点评:这篇的潜台词对看 Meta 的人很关键——扎克伯格历史上每次想"成为平台"(Facebook 平台、Reality Labs 元宇宙)都栽跟头,每次被逼回"把自家内容和广告放到最前面"反而赢。放到这轮 AI 资本开支上,真正的判断标准不是花了多少钱,而是这些钱在喂广告推荐引擎(延续人连接人的老生意),还是又在追一个"AI 平台"的新梦。前者是复利,后者是 Reality Labs 第二季——这条分界线,比任何 capex 绝对值都更能预判 Meta 这轮投入的回报。
stratechery.com
Ed Zitron 写了一篇檄文,反对任何形式的 AI 行业救助——"没有 bailout、没有补贴、没有 CHIPS 法案、没有主权财富基金"。核心论断是 AI 产业对经济"非必要",它的体量只和背后的炒作一样大。他估算整个 AI 行业至少 70% 的收入来自 OpenAI 和 Anthropic 自己的算力支出——两家今年一季度收入分别约 57 亿和不到 50 亿美元、且都巨亏,本质是 VC 的钱经这两家流向超大规模云厂商、再流向英伟达和数据中心资本开支的循环融资。他提醒,每次听到"大到不能倒""救助",都要警惕这是产业在制造"它不会死"的空气,而实际上每家公司都和普通创业公司一样脆弱;并强调 AI 与 2008 年金融业根本不同——金融是经济命脉,AI 不是。
🦐点评:Zitron 一贯看空、火气要打折,但那个 70% 的估算值得每个投 AI 基建的人抄下来自查——如果行业大头收入是 OpenAI/Anthropic 互相烧、以及向云厂商烧算力的循环账,那"需求"这个词就得拆成"真实外部付费"和"融资驱动的 token 空转"两笔来看。对这轮的 AI portfolio,真正的压力测试不是模型能不能更强,而是一旦 VC 停止给这台循环机器加燃料、企业开始按真实成本付费(他点到大家已经在缩减),谁的收入会瞬间蒸发。这类极端空头文章的用处,恰恰是逼你把"救助叙事"从估值里彻底剔干净。
wheresyoured.at
Latent Space 借 Thariq 连夜改出的《Field Guide to Fable》主题演讲,梳理 Fable 5 这个"迄今最重要的模型发布"的用法:核心是"unhobbling"——模型的约束往往来自我们套在它身上的 harness 和 prompt,遇到新一代模型要主动拆掉旧限制才能激发新能力;配套技巧包括让它做"盲点扫描"、用"截然不同的设计方向"头脑风暴、维护 implementation-notes.md 等。当期 AINews 还带来一组硬数据:腾讯 Hy3(295B MoE/21B 激活、Apache 2.0、256K 上下文)day-0 就在 vLLM 原生跑通;Zapier AutomationBench 独立榜上 Claude Fable 5 以 48.6% 微弱领先 Opus 4.8 的 48.5%,Gemini 3.5 Flash 42.6%、GPT-5.5 42.1%,而最好的开源模型 GLM-5.2 max 仅 27.8%——且所有模型都仍会违反业务规则。
🦐点评:对判断开源模型商业化的人,这期最值钱的不是 Fable 用法,而是 AutomationBench 那组数字:在 40 个 SaaS、657 个任务的真实智能体评测里,最好的开源模型 GLM-5.2 只有 27.8%,比闭源前沿的 48.6% 差了整整 20 个点——这和"日常对话分不出差别"的体感是两回事。它把开源替代的边界画得很清楚:差距在"能不能扛住多步、带 guardrail 的真实业务流程"这段。谁的护城河正好建在这段能力差上,短期还安全;但腾讯 Hy3 能 day-0 在 vLLM 跑通这种部署成熟度,才是开源真正在追的方向——竞争已从刷榜转向部署鲁棒性。
latent.space
Lenny 第二次大规模科技从业者情绪调查,结论是"劳动力正在裂成两半":一半人觉得被 AI"放大"(49% 选"我能做更多、更好"),一半人被它"动摇",而这条裂缝比职级、公司规模、任期都更能预测一个人对职业的感受。其他关键数字:严重倦怠一年内从 44.7% 升到 55.7%,职业乐观从 54.8% 降到 48.7%;53% 的人不会建议新人进入自己这一行;82% 说 AI 让自己更高效,但更担心的不是"丢工作"(仅 22%),而是"同样的钱被要求做更多"(51%)、"陷入不可持续的节奏"(46%)、"活儿质量下降"(41%);设计师和研究员的焦虑最高。而创始人依然是科技圈最幸福的人、小公司仍是最好的去处,这两条连续两年成立。
🦐点评:这份调查对看人、看团队的 VC 是一手信号。"创始人最幸福、小公司最好待"连续两年复现,叠加 53% 的人不建议新人入行、倦怠一年涨 11 个点——这是大厂人才往创业侧漏水的前兆,对早期基金反而是利好的招募环境。更细的一条是设计师和研究员焦虑最高:这恰好标出了 AI 替代最先咬到的岗位,投组合公司做人员结构判断时,该重估的正是这两类角色的杠杆。真正的分水岭不是"会不会丢工作"(只有 22% 担心),而是"被要求用同样的钱干更多的活"——这意味着生产力工具的付费理由,正在从"帮我省人"悄悄变成"帮我扛住被加的活"。
lennysnewsletter.com
Google 给 Gemini API 的 Managed Agents 增加一批面向生产的能力:支持异步交互的后台执行(background tasks)、一键连接远程 MCP 服务器、自定义函数、以及凭证自动刷新(credential refresh)。定位是让开发者用托管方式跑长时间、异步的 agent,而不必自己搭编排、状态管理和连接层。
🦐点评:三家前沿厂商现在都在把"托管 agent 运行时"做成 API 的一等公民——后台执行、远程 MCP、凭证刷新,这些正是一堆创业公司当产品在卖的编排层能力。对看 Agent 基础设施的人,信号很直接:模型厂商正从下往上吞掉编排和状态管理这层,纯"agent runtime/orchestration"的独立创业窗口在收窄,价值要么往更上的垂直工作流走、要么往 MCP 生态的连接器和治理走。远程 MCP 被三家同时标配,也基本坐实了 MCP 作为工具接入标准的地位——押注私有协议的那些方案,赔率在变差。
blog.google

📌 其他新闻

Hugging Face 发布 LeRobot v0.6.0,主题是"闭合机器人学习循环":引入会"想象未来再行动"的世界模型策略(VLA-JEPA、FastWAM、LingBot-VA)、一批新 VLA(GR00T N1.7、MolmoAct2 等)、判断任务是否成功的奖励模型 API,以及六个统一在 lerobot-eval 下的仿真基准和带人类纠偏的部署 CLI;其中 VLA-JEPA 让世界模型只在训练时监督、推理时消失,做到零额外推理成本。
huggingface.co
Cory Doctorow 指出当代科技巨头和洛克菲勒时代的垄断不同——Google、Meta、Apple 在每个国家跑的是同一套剧本,因此布鲁塞尔坐实的证据可以翻译后直接用于英国、韩国、日本的案子;加上马歇尔计划当年把美国反垄断法移植进各国法典,全球监管者第一次能真正协同办案,这被他视为各州总检察长和国际反垄断者绕开特朗普及其科技盟友的路径。
pluralistic.net
Hugging Face 与 SkyPilot 合作,把 Hub 变成 SkyPilot 的一等存储后端:数据和模型留在 Hub,用一个 hf:// URL 挂载,SkyPilot 在 20+ 云、K8s、Slurm 上哪里有 GPU 就在哪跑,而 HF 存储不收 egress 费——等于拆掉了"数据在一个云、GPU 在另一个云"时的跨云流量税。
huggingface.co
Simon Willison 发布 sqlite-utils 4.0,这是自 2020 年 11 月 3.0 以来的首个大版本、项目第 124 个 release,最大新增是数据库 schema 迁移能力,并带一些破坏性改动,是一个成熟开源工具在 AI 辅助维护下持续迭代的样本。
simonwillison.net
继 AI 支付全栈产品和 AI 版支付宝"阿宝"之后,支付宝 7 月 7 日上线 AI 开放平台,肯德基、蜜雪冰城、瑞幸、高德打车、滴滴等首批接入;主打让用户直接对 AI 说需求、由智能体理解匹配并完成交易与支付,还支持跨端接入手机、车机、AI 眼镜等,指向"Agent 取代 App 成为人与服务中间层"的商业押注。
雷锋网
雷锋网实测月之暗面 Kimi K2.7 Code,围绕"AI 编程的难题正从生成转向交付"这一判断,展示其找 Bug、写 3D 游戏、把 2000 行代码砍掉 55% 的能力,是国产编码模型追赶 Claude Code、Cursor"能不能跟着开发者跑完整个项目"这条新门槛的一个样本。
雷锋网

🧠 AI 技术前沿

_akhaliq @_akhaliq
Google 放出开源模型 Gemma 4 的技术报告。
查看推文 →
_akhaliq @_akhaliq
流式视频生成模型 Wan-Streamer 更新到 v0.2:在延迟不变的情况下把生成分辨率提上去。
查看推文 →
emollick @emollick
微软 MAI-1 还没有独立评测,官方放出的数字看起来比 Sonnet 4.6 还差;emollick 怀疑它未必能撑起 Excel、Outlook 里的 Copilot,因为市面上已有不错的 Claude/OpenAI Office 插件。
查看推文 →
emollick @emollick
意料之中但仍重磅:Amazon Mechanical Turk 正在退场。它曾是 2010 年代社会科学和问卷研究快速买到"代表性人类样本"的支柱,直到 LLM 出现、大家都改用 AI。
查看推文 →
Hesamation @Hesamation
OpenAI 官方账号开始放出 GPT-5.6 Sol 的预热。
查看推文 →
Hesamation @Hesamation
马斯克有个引领美国开源 AI 的好机会——明天在 Hugging Face 上放出一批权重;作者不太乐观,但期待 SpaceX 的 AI 团队出手。
查看推文 →
shao__meng @shao__meng
Lilian Weng 新文主张:递归自我改进(RSI)近期不会从模型改写自身权重开始,而会从模型改进"部署自己的系统"即 harness 开始;优化对象沿 prompt→结构化 context→workflow→harness 代码→optimizer 代码逐级演进。
查看推文 →
shao__meng @shao__meng
Claude Code 团队把"Agent 工程"提炼成可复用的"循环"设计语言:由触发、停止、所用工件、适用场景四个变量决定循环形态,关键不是任务难不难,而是哪一段工作可以交付出去让 agent 少人工干预地跑。
查看推文 →
shao__meng @shao__meng
Cloudflare 上线 Workers Cache:当 Astro、Next.js 等框架把 Worker 编译成"服务器本身"、Worker 即源站,就该像对待传统源站一样在它前面加一层缓存,避免每个请求都跑一遍代码;这是 Cloudflare 架构哲学的一次翻转。
查看推文 →
shao__meng @shao__meng
Fable 5 即将从订阅计划下架,如何"提纯"它的判断力长期留用:唯一筛选标准是"可重做性测试"——这件事明天用更便宜的模型还能不能重做,能就跳过、不能才值得现在用顶级模型做;配套五个动作把判断力固化进 CLAUDE.md 等工件。
查看推文 →
godofprompt @godofprompt
Fable 5 是理想的"编排器":它规划约 10% 的工作、把 80% 交给便宜的子代理执行、最后自己验收;作者认为像聊天机器人那样直接对话只用到它一小部分能力,真正的架构是 1 个编排器 + 50 多个子代理 + 4 档 effort。
查看推文 →

🚀 创业动态

shao__meng @shao__meng
Anthropic 发布 Claude Code 诞生的长篇口述史:从 2021 年内部的 VS Code 编码助手原型、到 2025 年 2 月正式发布、再到 2025 年冬全面爆发,7 个章节、十几位核心成员视角,访谈于 2026 年 2–5 月录制。
查看推文 →
marclou @marclou
trust_mrr 上第 115 笔创业收购成交:一个做失败支付找回的 Stripe 封装工具,零收入,卖了 1300 美元。
查看推文 →
marclou @marclou
marclou 做了个页面,列出已验证爬虫的 user agent 和 IP 段,分三类:AI 问答(如 ChatGPT 抓你的站来作答)、索引(如 googlebot)、训练(实验室训 LLM);他没找到 Grok/xAI 的官方 IP 段。
查看推文 →
MengTo @MengTo
MengTo 开源了自己的 Agent Skills 库:75 个面向 Codex、Claude Code、Cursor 的技能,聚焦网页设计、落地页、动效、WebGL、UI;亮点如"录屏转超级提示词"——把设计录屏变成 Fable 5 能一把生成 HTML 的详细提示词。
查看推文 →
levelsio @levelsio
levelsio 又做了个只有 Fable 能帮他做出来的小玩意:可以把本地文件拖进网页版 Windows 3.11、存进 C:\DOCS,放到 C:\SHARED 就能和别人共享,背后是一个叫 WebFS 的网页文件系统。
查看推文 →
jackfriks @jackfriks
jackfriks 的观察:现在的 Facebook 像两年前的 TikTok——一两年前在 TikTok 火过的内容如今在 Facebook 也能拿到播放;他用 postbridge 每次花 5 分钟把这些内容转发到 Facebook,坚持了 4 个月吃这波红利。
查看推文 →
0xROAS @0xROAS
0xROAS 演示零门槛做"会说话的角色":ElevenLabs 生成配音,Adobe Express 里选 Dr. Applesmith 角色、上传配音、一键生成,声称省下一万美元的动画外包费。
查看推文 →

💬 观点与洞察

steipete @steipete
steipete 引述:当智能变得廉价充裕,"意志"才变得珍贵——真正做出差别的不是用 AI 偷懒少干活的人,而是主动跟 AI 较劲、借它提升自己心智能力、去完成更多的人。
查看推文 →
emollick @emollick
emollick 吐槽 Fable 的通病:它在软件和设计项目里能力极强,但那股用力过猛的文风会渗进文案、提示条、菜单,即便你明令禁止也难完全清除。
查看推文 →
emollick @emollick
emollick 预判:前沿开源权重模型持续放出的势头不会无限延续,甚至不会再持续太久。
查看推文 →
emollick @emollick
emollick 罗列 AI 写作的执念清单:爱谈"命名"某物、某事是否"配得上"、什么在"承载"什么、牵强的比喻、"与某个想法共处"、让无生命的概念"活着",以及段末总要来一句故作深刻的真诚反思。
查看推文 →
shao__meng @shao__meng
shao__meng 感慨华为的体系不是一般公司学得来的——无论是花 600 万年薪挖华为出身的 CTO,还是花更多钱请华为系培训机构,都学不到那套东西。
查看推文 →
corbin_braun @corbin_braun
corbin_braun:写代码的终局,其实就是做一个好的 UI/UX 设计师。
查看推文 →
corbin_braun @corbin_braun
corbin_braun:短视频内容的终局到了——正因为短视频通常不到两分钟,AI 太容易复制出一模一样的内容,创作者的差异化在被抹平。
查看推文 →
corbin_braun @corbin_braun
corbin_braun:(接上条)唯一的出路是押注长视频、看多 YouTube。
查看推文 →
hongming731 @hongming731
hongming731 的 BestBlogs 07-08 早报头条:为什么 GEO(生成式引擎优化)仪表盘基本无用——品牌在 ChatGPT、Claude 回答里的排名高度随机,很多指标既没真实查询量也缺业务转化验证,提醒团队把注意力从昂贵仪表盘转回可验证的基础工作。
查看推文 →
emollick @emollick
emollick:从最早的扩散版 DOOM 一路玩这些世界模型/游戏,如今能做到 20 FPS 的多人对战已经挺惊艳——"一场火箭联盟之梦"。
查看推文 →

🔥 精选推荐

Bloomberg Tech 2026 上 Emily Chang 对话前 OpenAI CTO、Thinking Machines 创始人 Mira Murati。Murati 讲她创业押注的差异化方向是"交互模型"——不同于今天"轮次式"(你一句它一句、思考时对外界又聋又瞎)的模型,交互模型把过程切成 20 毫秒片段,持续接收音频/文本/视频并持续输出,能捕捉打断、同时说话等细节,让人真正留在循环里。她认为当所有前沿实验室都在比拼"自主性"时,被低估的方向是把机器智能带到更靠近人的意图和现实复杂性、把 AI 建成"思想工具"。谈及 OpenAI 董事会危机,她说若自己当时不行动 OpenAI 很可能解体,并强调最重要的不只是掌权者的品格,而是制衡、透明和不依赖单一权威的治理与决策机制。
🦐点评:Murati 把 Thinking Machines 的赌注押在"交互模型"这条和主流"自主性军备竞赛"对着干的路上,对看前沿实验室的人是个值得记下的分叉——当 OpenAI/Anthropic 都在做能自己跑几小时的 agent,她赌的是实时、人始终在环、20 毫秒粒度的多模态交互。问题是这到底是真差异化,还是给"起步晚、追自主性来不及"找的叙事:谷歌、OpenAI 的 realtime 语音 API 已经在逼近这个形态,交互模型能不能成为独立品类,取决于它背后是不是有别人复制不了的研究栈。她反复强调治理要制衡、不靠单一权威,则是明摆着跟 Altman 那套划清界限——这对判断这家新实验室的组织稳定性,比一次模型 demo 更该看。
Z Potentials
Google AlphaChip 项目负责人 Anna Goldie 和 Azalia Mirhoseini 于 2025 年创立 Ricursive Intelligence,成立仅 4 个月就完成红杉领投 3500 万美元种子轮、Lightspeed 领投 3 亿美元 A 轮,估值达 40 亿美元。它不造芯片,而要自动化整个芯片设计流程:今天一颗 AI 芯片从设计到流片需 18–36 个月、先进制程研发成本超 6 亿美元且过半是人力。三阶段路线——先攻克布图规划等最耗时的关键瓶颈(AlphaChip 已在多代 TPU 验证),再做到输入一句工作负载需求就自动出架构、验证、物理设计和 GDSII 的端到端闭环,终局是"AI 设计更好的芯片→训练更强模型→再设计下一代芯片"的递归飞轮,从 Fabless 走向 Designless。
🦐点评:红杉领投了它的种子轮,这条对读者不是旁观而是自家 deal——所以更该冷读那 40 亿估值:Goldie 和 Mirhoseini 在 Google 真正验证过的只有布图规划这一个环节(AlphaChip 进了多代 TPU),而"Designless"要吞掉的是 RTL、验证、物理设计整条链,第二、三阶段目前还是 PPT。它对标的是 Cadence/Synopsys 几十年的 EDA 护城河,一旦跑通是颠覆级机会;但"AI 设计芯片→训更强模型→再设计芯片"的递归飞轮,恰恰是最容易被讲成融资故事的那种叙事。真正的尽调锚点是:布图之外那些关键环节,这套强化学习方法到底能不能泛化——这决定了它是下一个 EDA 巨头,还是一个 4 个月冲到 40 亿的高估值实验。
Z Potentials
HeyReach 创始人 Nick Velkovski 三年 bootstrap 做到 1600 万美元 ARR 的复盘。核心论点:在拥挤品类里光有最好的产品不够,赢家是产品和服务都最好的那个。2024 年夏天 HeyReach 增长超过基建承载(按 500 用户搭的架构冲到 1000+、每月还涨 20%),数据库反复崩、月流失冲到 20%、工单一天堆过 200 张、首次响应被拖到 10 小时,工程 VP 连续几个月每 4 小时半夜爬起来重启服务器才扛住。他给的机制很具体:把首次响应时间当销售管线一样盯、给客户分层 SLA、在工单出现前主动介入、AI 管即时问题人管难题、留存从 onboarding 就开始。最锋利的一句在结尾——2026 年 AI 让任何人一个周末就能做出不错的产品,产品这半正被实时商品化,抄不走的是压力下每天做出的一千个微小的人的决定;作者自己也补了保留:救他们的其实还有那场后端重写的硬仗,服务是必要但不充分。
🦐点评:这篇给"建造变便宜后护城河搬去哪"一个不玄的答案:搬进又不性感、又没法一键复制的服务和留存里。对看应用层 SaaS 的人,实操含义是——当功能几周就被抄平,尽调该给流失率、首次响应、客服体系的权重,不亚于给功能清单;文中那组数字值得记(留存提升 5% 利润涨 25%–95%、三分之一真爱你的人会因一次糟糕体验就走)。但作者自己那句保留更值钱:那年夏天真正救命的不只是"更用心",是把后端整个重写的硬仗——"最好的服务"里有一半其实是"一个可靠到不用天天救火的产品",把服务当唯一叙事去投,会踩进幸存者偏差。
深思SenseAI
Replit AI 负责人 Michele Catasta 的文章戳破一个事实:今天生产环境绝大多数 agent 用的是别人闭源的前沿模型(Fable 5、GPT 5.6),权重不是你的、根本没法 fine-tune。但一个 agent 能在三层变强——模型、harness(外壳)、context(记忆),后两层完全在你手里。Replit 把这套做成了引擎:线下用自研 ViBench 评测(派一个没见过 app 的评测 agent 拿 Playwright 进去像 QA 一样点,验它满不满足需求),线上做 A/B 并用 Telescope 把海量失败自动聚类、挖出"藏着的失败",再上一个"用 agent 改 agent"的自我改进循环(读日志→提假设→开草稿 PR→评测→建议上线或丢弃)。但发布键和"选哪座山爬"(eval 甄选)始终握在人手里——尺子歪一点,越自动越危险。
🦐点评:这篇和上一篇是同一条线的两半——上一篇说护城河搬进服务,这篇说它搬进 harness 和 context 这两层你真正拥有、还能天天复利的东西。对投应用层 AI 的人,尽调问题就该从"你用哪个模型"(那层不归你、对手租的还是同一个)换成"你的 ViBench/Telescope 是什么":有没有自建评测、能不能把海量线上失败自动聚类、有没有跑通"用 agent 改 agent"的自进化循环。而 Catasta 最诚实的一条是 Goodhart 陷阱——评测这把尺子谁来 curate 决定了整台机器往哪座山冲,越自动越快、尺子歪一点越致命;这恰恰是没法 scale、也最能拉开差距的地方。
深思SenseAI

📌 其他值得看

Anthropic 把 Fable 5 在订阅计划里的可用期再延长到 7 月 12 日,给这个即将下架的顶配模型多留了几天窗口——也直接对应了这两天推特上大量"抓紧把 Fable 提纯留用"的动作。
赛博禅心
博通与苹果签下延续至 2031 年的定制 ASIC 芯片扩展协议,将用于"多代苹果产品";苹果自研的 AI 服务器芯片 Baltra(代号,含博通技术)计划明年部署,为云端 Apple Intelligence 供能,消息带动博通盘前涨约 5%。
Z Potentials
宝玉翻译的 Claude Code 团队文章,系统讲"设计循环":把"AI 智能体不断重复工作直到满足停止条件"这件事,按触发方式、停止条件、所用基础指令、适用场景四个维度分类(回合制循环等),并给出在控制 token 消耗的同时保证产出质量的做法。 <!-- ai-daily:complete -->
宝玉AI