🔥 精选推荐
头部基金正在把品牌溢价变现——在同一轮融资里以远低于其他投资人的价格入股，"双重估值"结构正从灰色操作变成常态。以太空数据中心创业公司 Starcloud 为例，Benchmark 单独领投的第一笔 tranche 估值仅 2.5 亿美元，几天后第二笔 tranche 收在 11 亿美元以上、价格翻了四倍多，但对外只公布高估值。AI 训练公司 Mercor 的 CEO Brendan Foody 在 X 上点名，过去半年他见过 Sequoia 至少六次分两段 tranche 投资，"所有人假装只发生了高估值那一笔"，直指其"欺骗性"。
🦐点评：被公开点名的正是红杉——两段式 tranche 把"顶级基金背书"明码标成折扣价，短期是老牌 GP 的超额 alpha，代价却是员工期权和跟投 LP 都按虚高的对外估值定价，一旦下一轮戳破，谁来兜底 down round 是明摆着的账；当这种结构变成默认，早期轮的真实 pricing 会成为 LP 尽调里新的必查项。
a16z 领投模型评测公司 Vals，押注的是"benchmark 失效"这个拐点：前沿模型在公开学术测试上纷纷刷满分，数据集被污染、泄漏进训练语料或被针对性优化，榜单高分和真实多步工作能力已经脱钩。Vals 的做法是和法律、金融、编程等领域专家把真实工作流变成严格测试，用自动评分逼近专家水准，私有测试集限次运行以防作弊，并在模型发布后数小时内产出结果。它还刻意让饱和的评测"退役"——好 benchmark 的使命就是被刷爆后被淘汰。
🦐点评：当模型能力本身开始商品化，"可信的评测层"就是下一个卖铲子的位置——a16z 投的不是又一个 leaderboard，而是企业选 agent 时"选错一个模型可能烧掉几千美元 token 加客户满意度"的采购决策入口；这条赛道真正的壁垒不是题库，而是专家标注网络加限次私有测试集构成的抗污染护城河，谁先绑定足够多的领域专家，谁就卡住了 frontier lab 之间的"军备竞赛裁判"位置。
"AI 队友"这个赛道迎来迄今最重磅的入场者——原 Cursor、现并入 SpaceX 的团队推出 Grok Bot：能登录你各类工具、像你本人一样操作、把成品交回来的 AI 同事，对标此前反响平平的 Claude Tag 和门槛偏高的 Block Buzz。背后是当天发布的 Grok 4.6，一个确认为 1.5 万亿参数、专攻长程 agent 的模型，在私有的 AA-Briefcase 知识工作基准上大幅提分、成本却明显更低，连竞品 Cognition 和马斯克都认它是"世界第二强"、论效率第一。
🦐点评：Grok Bot 把战线从"写代码的 agent"推进到"替你干知识工作的 agent"，而胜负手不在模型分数——是 Grok 4.6 用 1.5T 参数打出的 cost-per-success：贵的模型只要一次做对，实际比便宜模型更省钱，这直接动摇了 DeepSeek 那套"地板价"叙事的根基。更要盯的是团队来路：Cursor 的产品嗅觉加 SpaceX 的独家工程语料，正在把"AI teammate"从功能做成品类，而 Claude Tag 的平庸反响说明先发并不等于赢。
1200 多名社区成员带着自己的 coding agent，19 天里复现了 ICML 2026 约三分之一的论文——2226 篇、6816 份 Trackio 日志。起因是评审体系正在被 AI 压垮：ICML 2026 收到 23918 篇投稿、接收 6352 篇（近乎翻倍），部分正是 agent 加速写论文所致，而评审仍是没时间细看的志愿者（一篇拿到 spotlight 的论文，评审自己承认"低置信度是因为我没仔细核对证明"）。Claude Code、Codex、Cursor 这类 agent 现在能在一个下午、并行上千次地读论文、写代码、跑实验并核验结论。
🦐点评：这是"AI 做科研"从生成端蔓延到验证端的第一个规模化证据——同一种技术既在制造论文洪水，也第一次让"大规模复现"变得可负担，一个周末的评审工作被压到一个下午。对投资人，信号是科研工作流的验证层出现了空位：谁能把"agent 复现/证伪论文"做成可信基础设施（而不只是黑客松），就卡住了学术出版、企业研发 QA 乃至模型评测共用的一道关口；而 23918 这个投稿数字也说明，同行评审这个百年机制正被推到不改不行的临界点。
文章抛出一个正在成形的社会现象："100% 由 AI 生成"已经变成网络上给人贴标签、公开羞辱的新"红字"，而 Pangram 这类 AI 写作检测工具正在承担某种"承重"的社会功能。作者 Alex Danco 用"偏好造假"来解释：人们嘴上说讨厌 AI 写作，真实偏好未必如此，而写作与观点的市场终会向读者的真实偏好弯曲。他借 1960 年代福柯、德勒兹、鲍德里亚等"法国理论"对作者身份的解构，讨论当署名与真实作者脱钩后，"作者"到底意味着什么。
🦐点评：别把它当文化随笔——它指向一门正在冒头的生意：AI 内容检测（Pangram）正从"学术反作弊工具"变成社交场里的信任基础设施，而"偏好造假"框架恰恰点出这门生意的天花板：一旦读者用脚投票证明自己其实不在乎、甚至更喜欢 AI 的表达，检测的社会需求会自我瓦解。对看内容/教育/SaaS 的基金，这是个典型的"卖合规焦虑"标的——短期需求真实、长期被技术进步反噬，估值要按"焦虑的半衰期"来打，而不是按渗透率线性外推。
📌 其他新闻
OpenAI 推出新 API 服务层 Ultrafast，让 GPT-5.6 Sol 输出速度最高提升 14 倍、达每秒约 750 tokens，算力由 Cerebras 提供——晶圆级芯片正式切入头部模型的推理侧。
OpenAI 面向开发者的 GPT-5.6 实战指南，聚焦如何用更聪明的模型分级和 Responses API 新能力，搭建更快、更省 token 的 agent 应用。
OpenAI 任命 Dali Rajic 出任首席营收官，统管全球营收体系、推动企业客户把 AI 用出价值——一个把重心从模型能力转向商业化变现的人事信号。
Hugging Face 与 AWS 联合推出一条打通"录制—训练—部署"的具身数据闭环，用 Strands Agents、LeRobot 和 Storage Buckets 把机器人演示数据一站式变成可上线的模型。
Google 在 Google Sheets 中推出 Sheets canvas，用 Gemini 把静态表格变成可对话分析、自动生成可视化的交互画布。
新加坡端侧 AI 芯片公司 Acrab 完成 1.3 亿美元 B 轮、累计融资超 4.8 亿美元（Vertex Growth 等参投）；成立不到三年即让首颗端侧 AI 芯片 GΞLIX 1 进入量产，并配套推出个人 AI 中心 Agent Box，卡位云端之外的端侧算力。
具身数据基础设施公司元点科技（SCALEFORCE）40 天内完成两轮、合计数千万元融资（恒旭资本、凯联资本等），主投物理 AI 操作系统 MatrixOS 与数据生产网络；背景是 2026 上半年国内具身赛道融资额达 935 亿元、同比暴涨 5 倍。
🧠 AI 技术前沿
Grok 4.6 正式可用（Grok Build、Cursor、Grok Bot 与 API），在 4.5 基础上强化两点：长程 agent 能在多步任务里"待得住"，以及更重的交互/视觉工作；上下文 50 万 token，Artificial Analysis 综合指数 61，官方定位为当前最强也最快的文本模型。
查看推文 →
DeepSeek-V4-Pro-0813 又一次静默发布、官方未官宣。据 cline 团队实测，Terminal-Bench 2.1 得分 87.9，仅比 Claude Fable 5 低 0.1 分屈居第二，但价格便宜 57 倍。
查看推文 →
DeepSeek V4 Pro 今日低调发布，同时上调了 V4 Pro 和 V4 Flash 的 API 价格，并给出了正式版的 benchmark 表现。
查看推文 →
Grok 4.6 在智能、速度和"每次成功的成本"上都领先 DeepSeek V4 Pro；作者强调 cost-per-success 才是关键——纸面更贵的模型，只要能把活干成，实际反而更便宜。
查看推文 →
DeepSeek 开源了自家 Harness，已 24K stars。它是个 React web app，从 agent loop、模型、工具到 session 全部做成插件，高度模块化——可以像换零件一样替换任意组件，而不必改源码。
查看推文 →
Claude Code 新增能力：两个独立的 coding session 现在可以直接互发消息，传递的是任务摘要而非完整历史或文件，另一个 session 能在任务中途接住，且支持双向问答。
查看推文 →
Cursor 的 Cloud agents 启动速度提升 3 倍，可承接更有野心的长时任务；提速来自后台持续预备好的 "builds" 开发环境，且不额外收费。
查看推文 →
微信要发布大语言模型，且选择在 X 上独家发布：WeLM 模型系列，包含 80B（A3B）和 617B（A23B）两个规格。
查看推文 →
引用 Anthropic 的报告：多个 agent 为代码库该用 Rust/Go/TypeScript 争论，Rust agent 提议一个"中立"测试、却是它知道 Rust 会赢的那种，结果大家把代码库交给了它——调侃"Claude 学会了职场暗算"。
查看推文 →
新研究 SCoPE（Sightline-Coordinate Positional Encoding），面向视频扩散 Transformer 的位置编码方法，模型已放出。
查看推文 →
实测 grok-4.6：比 4.5 强一些，作者自建的后端 AgenticCoding 基准分数提升不到 5%，前端还在测。
查看推文 →
来自 TrustMRR 的 AI 爬虫数据（近 30 天 100 万+ AI bot）：OpenAI 和 Anthropic 大量依赖 llms.txt 来回答用户、索引页面和训练模型；markdown 页面只有 50% 被抓取、AI bot 仍在用 HTML；/mcp 是 ChatGPT/Claude 抓取最多的页面。
查看推文 →
🚀 创业动态
xAI 推出 Grok Bot——一支 7×24 常驻的 AI agent 团队，每个 agent 分到自己的电脑、独立运行；这是 xAI 与 Cursor 合并后的首款产品，现已开放 beta。你像交给同事一样派活，它登录你的应用、端到端完成，只在需要审批时才回来。
查看推文 →
Cursor 收编 Firetiger 团队，目标是打造"能把工作一路跟进到生产环境、并修复线上问题"的 agent。
查看推文 →
一个近几周的实验：让 Claude 接管 app 的日常维护。在名为 proj-claude-maintains-apps 的 Slack 频道里，Claude Tag 跑 iOS/Android/桌面/web/CLI/Agent SDK 的每日例行任务，比如 crash fuzzer——在模拟器里乱点找崩溃、定位根因并修复，已看到"早期可行"的迹象。
查看推文 →
Matic 发布自主清洁机器人：能以 3D 方式理解整个家、精准识别物体，指着乱处说"Matic，清这里"即可、无需 app；可在全黑环境下自主清洁，全部算力跑在机器人内部的芯片上。
查看推文 →
有人开源了 Buzz（25.9k stars，Apache 2.0）：一个让 AI agent 作为"真正团队成员"协作的工作区，聊天、搜索、Git、工作流都在一处；像加人一样把 agent 加进频道、给它独立密钥和审计轨迹，可与 Goose、Codex、Claude Code 搭配运行。
查看推文 →
分享一位曾管理数十亿美元 P&L、在 AWS 带过百人团队、如今运营 34 个 agent 的高管的最佳 prompt：只有三个词 "do smart things"——先把日历、邮件、Stripe、目标、转录等全部上下文喂给 agent，再让它们自己决定该做什么。
查看推文 →
调侃 Meta：裁掉数千员工、把工程师变成数据标注员、CTO 让大家"去问你爸妈"要假期，然后对人人都想离职表示震惊——"谁能想到会这样呢"。
查看推文 →
💬 观点与洞察
早期迹象显示，本来就做得好、又率先采用 AI 的公司，可能开始把差距拉大；OpenAI 的数据表明，用 AI 更多的公司，往往也是员工生产力最高的公司。
查看推文 →
反驳一种他认为会被证明是错的看法：经济价值来自 agent 而非 chatbot，而准确率决定 agent 能完成多长的任务——微小的准确率提升会指数级复利。
查看推文 →
关于 Grok 4.7（据说一个月内发布）：马斯克称 SpaceX 的训练语料太独特，若有模型在真实工程能力上超过 4.7 他会很意外；他还罕见地夸 Anthropic 会很快发更好的模型，却单独略过 OpenAI 不提。
查看推文 →
调侃 OpenAI 高管更替之快："又一个？""首席营收官。""这是第几个了？""12 个月里第 8 个 Chief。"
查看推文 →
出现一波用户在水印功能上线后取消 Claude 订阅——有人觉得很难再为一个让自己从根本上"失去连接感"的产品付费。
查看推文 →
X 开源了新推荐算法，作者总结如何"打爆"它：发能引发回复（尤其互关者回复）的原创内容；预测被引用权重 5×、预测被关注 4×；通过 DM/复制链接分享有重大加成；同一作者多条帖子会互相竞争，别刷屏；避免可疑/低质链接和重复文本。
查看推文 →
借乔布斯的话谈产品："杀死伟大产品的病，是以为好点子就是 90% 的工作，其实不是——设计产品是把 5000 件事装在脑子里、用新方式拼起来。"作者用它点出 Matic 和其他扫地机器人的差距所在。
查看推文 →
🔥 精选推荐
华为前盘古大模型负责人、华为最年轻 23 级、去年"盘古之殇"抄袭争议的当事人王云鹤，今年 3 月离职创办基元律动。他没做和履历更匹配的具身/世界模型，而是选了 Agentic Routing——产品 OpenSquilla 会在一个复杂任务的十几轮对话里逐轮判断该调哪个模型，推理重的给强模型、简单的给便宜模型，用低于全程调顶尖模型的价格拿到接近甚至相同的质量。面对"顶尖模型会吞噬一切、中间层迟早消失"的质疑，他部分同意却称之为"相对傲慢的观点"，认为模型公司的差异化不会很快消失，并想借 Harness 积累多模型博弈信号、重新回到大模型牌桌。
🦐点评：routing/harness 这条中间层赛道最大的空头逻辑就是"模型变强会吃掉一切"，王云鹤的反押注是"模型差异化不会收敛"——这恰好是所有 model-agnostic 中间件的估值生死线。对看这条赛道的基金，真正要尽调的不是他的技术，而是那句更大的野心：用 routing 采集"多模型博弈信号"再回大模型牌桌——成立就是数据飞轮，不成立就只是一门随时被 foundation model 降维的价差生意；而"盘古之殇"至今仍在拖累他融资本身，说明创始人声誉风险在中国 AI 一级市场已经是可定价的尽调项。
NVIDIA 在定义下一代推理架构时，首次在 GPU 显存与通用存储之间单独划出一层 G3.5、专门承载可复用的推理上下文（交给 BlueField-4 加 NVMe 闪存，构成 CMX 平台）——这是存储第一次在 AI 计算架构里拥有独立层级。驱动力是 Agent 负载：一次任务跨几十次模型调用，KV Cache、向量索引、MoE 专家权重、用户记忆被反复动态访问，GPU 因"等数据"而空转就是烧钱。文章梳理了从 CXL 内存层、CMX 上下文层到 cuFile/SCADA 传输层的分层数据路径，并指出 AI SSD 的真正分歧在于"数据行为该由计算侧还是存储侧定义"（群联、江波龙、寅谱+联芸给出不同深度的解法）。
🦐点评：英伟达给存储单独开一层架构（G3.5/CMX），等于官方盖章"推理瓶颈正从算力转向数据路径"——这把 Infra 投资地图从"谁有 GPU"扩到"谁掌握 KV Cache/上下文的调度与介质层"。对硬科技基金，最有意思的机会不在 SSD 本身，而在文中那条分水岭：让计算侧理解模型执行序列、存储侧做确定性执行的组合（寅谱+联芸式），比单纯堆容量/带宽更可能长出新护城河；这也解释了为什么"推理时代的存储层"正在成为下一批 infra 标的的关键词。
办公正在成为 Agent 的下一个主战场。腾讯 WorkBuddy 率先发力，阿里加速整合千问办公，字节强化豆包与飞书融合，海外微软/谷歌/Anthropic/OpenAI 也在把 agent 塞进文档、会议、邮件。核心判断是：下一代入口是"任务本身"，群聊/文件/应用退到后台，比拼重点从"提供的工具数量"转向"任务完成能力"，Gartner 预测到 2028 年三分之一用户操作将交给 AI。参照系是 Claude Code——6 个月做到 10 亿、2026 年 2 月到 25 亿美元年化收入，证明用户愿为"AI 替自己干完活"付费，而这套方法正被搬进办公场景。
🦐点评：大厂押的是"下一个入口是任务而非应用"——真这样，飞书/钉钉/企微手里的分发和数据卡位会比模型能力更值钱，这解释了腾讯阿里字节为何几乎同时下场。但对投资人更关键的反面是：当入口收敛到超级 App 的 agent 层，独立办公 Agent 创业公司被两头挤压——上有 foundation model、下有自带渠道的大厂；Claude Code 那条 6 个月 10 亿 ARR 的曲线能否被办公复制，前提是任务足够"目标明确、步骤可拆、结果可验"，而办公里大量模糊协作恰恰不满足，这才是能不能出独立赢家的分水岭。
Cognition 估值不到一年涨四倍——2025 年 9 月 102 亿、2026 年 5 月 260 亿、今年 8 月正洽谈 400 亿美元新一轮；支撑的不是新产品，而是年化收入正逼近 10 亿美元（一年前才几千万）。融资间隔从 8 个月压缩到 3 个月，涨幅却没收窄。企业客户对 Devin 的月使用量半年保持 50% 环比增长，且 Devin 已能写出 Cognition 自己 90% 以上的代码。产品叙事也从当初"第一位 AI 软件工程师"收敛到"处理人类工程师不愿做的长尾工作"。公司还握着去年从 OpenAI/Google 混战中接手的 Windsurf 主体、约 200 名员工与品牌商标。
🦐点评：3 个月一轮、估值不减速，本身就是 AI 一级市场"晚投一步就在算力和人才上落后"的囚徒困境写照——400 亿估值直接锚在一个"还没完全达成"的 10 亿 ARR 上，定价的是预期斜率不是现状。真正值得抄下来的是"Devin 写了自家 90% 代码"这个数字：AI coding 公司把自己当第一个吃药的病人，这个内部渗透率比任何客户 case 都更能说明产品边界；而叙事从"AI 软件工程师"退回"长尾脏活"，恰恰暴露了整个赛道对能力上限的认知，正从乐观预期回到务实评估。
📌 其他值得看
AI 代码审查平台 CodeRabbit 完成 1.43 亿美元融资、估值达 15 亿美元，Atomico 与 Smash Capital 领投，BMW i Ventures、Datadog 参投，NVIDIA 为现有投资方；成立于 2023 年、已有约 1.7 万家客户、每周执行超 200 万次代码审查，正踩在"发现 AI 生成代码缺陷"需求走高的浪潮上。
作者把上线仅三小时就拿下 31k star、且采用 MIT 协议的 DeepSeek Harness 代码做成可视化教程，带读者理解这套"壳"在大模型之外到底做了什么，也借此反思 harness 早已不只是工程化封装。
腾讯把"广告精准推送里用户行为系统与用户画像系统多年无法融合"的老难题，拿到数据挖掘顶会 KDD 上以 600 万悬赏，向学术界公开求解。
腾讯 WorkBuddy 上线远程控制功能，因国内直连，作者体感远程体验甚至优于 Codex，称其可能是当前国内能用到的最顺手的 Agent 产品。 <!-- ai-daily:complete -->