🔥 精选推荐
AMD 周一宣布以约 82 亿美元全股票交易收购成立仅两年的 World Labs，后者专做可模拟三维空间的模型，交易预计今年底完成。World Labs CEO、AI 研究者李飞飞将加入 AMD 出任执行副总裁兼首席科学家，直接向总裁汇报。据知情人士，a16z 是 World Labs 最大股东，持股近 14%。
🦐点评：82 亿美元的价签本身不是重点，重点是 AMD 承认"只卖算力"不够——它要把空间智能（世界模型）纳入自家产品栈，这是对英伟达在仿真/机器人数据上游布局的正面回应。对 VC 的意义在于，世界模型这条线第一次出现英伟达系之外的第二家芯片巨头作为既定退出通道，Space Intelligence 类早期资产的估值锚被抬高；而 a16z 近 14% 的持仓意味着，这笔全股票交易同时是"芯片公司给纯研究资产定价"的公开样本，值得拿来校准同类项目。
据 OpenAI 发言人周一证实，公司决定不发布原本计划命名为 GPT-6.1 Astra 的模型，原因是其在一系列安全测试上的结果不达标。该模型在衡量"追逐特定风险行为"的测试中，表现比本月初刚发布的 GPT-6 Astra 更差——也就是说，迭代版本反而在安全维度上回退。
🦐点评：这是"能力提升"与"安全可控"第一次公开脱钩的标志性事件：一个被内部定位为升级版的模型，因为安全测试回退而被直接按下。结合同日佛罗里达要求暂停 ChatGPT 开发、以及英伟达拉 100+ 伙伴做"Agent 安全平台"，可以判断前沿实验室正在把"发布节奏"让位于"可解释性/可控性"，这会抬高头部实验室的合规成本，却也构成对后来者的护城河。要盯的是：Astra 是被永久搁置还是回炉重训，以及 OpenAI 是否会把"安全回退即不发布"写进合同级别的模型发布流程。
Anthropic 发布新模型 Claude Sonnet 5.5，官方称"速度快 30%+、多数工作成本降最多 30%"，定价与 Sonnet 5 相同却在几乎所有基准上更好。Simon Willison 的实测观察是：Sonnet 5.5 已是 claude.ai 免费档所用的模型，而 OpenAI 的 ChatGPT 免费档用的是 Luna 5.6——这意味着当前 Anthropic 的免费层能力明显更强。他同时记录了一个 bug：在 "max" 思考档位下模型为画一只骑车鹈鹕耗掉 12.8 万 token（花费 1.28 美元）仍未产出 SVG；Haiku 5.5 官方称"未来数周"上线。
🦐点评：真正值得记一笔的不是那 30% 的提速，而是"免费档位"成为新战场——Anthropic 把接近旗舰的 Sonnet 5.5 直接下放到免费层，是用前沿能力换用户规模，这对仍在按 token 计费的二线模型是降维打击。另一层信号是 Willison 点的成本-可靠性问题：同一模型在"高强度思考"下会烧掉远超预期的 token 仍失败，说明推理档位与实际任务之间还没有稳定的映射，谁先把"该想多久"做成可靠的自动策略，谁就能在企业级推理定价上占先。
Hcompany 开源新一代 agentic 模型 Holo4，含 27B 稠密版与 35B-A3B MoE 版，同一模型即可通过 GUI、代码、MCP 和 API 四种接口操作软件，覆盖桌面、网页、Android、代码沙箱与业务 API。在最难的桌面控制基准 OSWorld 2.0 上，Holo4 27B 得 61.7%，对比 Opus 5.5 的 81.8%；35B-A3B 为 30.9%，但以数量级更少的参数和显著更低的单任务成本运行。模型经监督学习与强化学习在"Agentic Task Factory"生成的环境上训练，团队开源了所有基准轨迹。
🦐点评：Holo4 的价值不在刷榜，而在把"多接口通用 agent"从闭源旗舰专属变成可自托管的开源权重——61.7 分对 Opus 的 81.8 分看着差距不小，但换算到"每任务成本"上，闭源模型的定价权会被明显压缩。对 VC 的启示是：computer-use 的护城河正从模型能力转向"环境与轨迹数据"，Hcompany 选择开源轨迹而非只放模型，等于在抢训练数据的标准制定权；真正会被动摇的是那些靠"通用 GUI Agent"讲高价故事的公司。
a16z 的 David George 提出，OpenAI 会赢不是因为它模型最好、芯片最强或成本曲线最优，而是因为它最擅长"创造新种类的客户"并拥有最耐久的渠道。他列了四条护城河：创造新行为、分发、定价捕获价值、高切换成本——指出在模型层切换成本（第 4 条）已基本失效（可任务级换模型），定价（第 3 条）最终属于规模化领先者，所以胜负实际由"创造新行为"和"分发"决定。文章把 ChatGPT 称为一场"幸福的意外"，并引述 Thiel 当年劝 Sam 的话："你已经创造了一种新客户。"
🦐点评：这篇是当下少见的、把"模型能力不重要"讲清楚的反共识框架——如果切换成本已失效、价格战又只奖励规模，那么所有还在用"我们模型更强"做融资叙事的应用公司都站不住脚。真正的启发是：投资人应该把问题从"谁的模型好"改成"谁在唤醒一种以前不存在的消费行为"，这恰好解释了为什么 Manus Cue、Meta Muse、Fo 这类带独立邮箱/电话/钱包的"个人 agent"在抢着定义新入口——入口即新客户，新客户即分发权。
📌 其他新闻
刚从 Meta 拆分出来的 Manus 发布独立个人 agent App「Cue」，每个用户可拥有多个 agent，每个 agent 拥有自己的邮箱、电话号码、钱包和虚拟电脑，可代发消息、在预算内完成支付，直接对标 Meta 的 Muse；报道称 Manus 还计划为国内市场开发产品。
亚马逊投资、前 Google 产品高管创立的 NinjaTech AI 推出 SuperNinja Enterprise，一套企业可自持、"不计量"运行在开源权重模型上的 AI 劳动力平台，主打帮大企业消除 7×24 运行长任务 agent 的成本不确定性。
《The Information》报道，Ricursive 两位创始人公开反驳"谁先实现递归自我改进（RSI）谁就赢家通吃"的流行判断，认为这一门槛并不会带来独占优势；具体论证在付费墙后。
佛罗里达要求暂停 ChatGPT 的开发，援引 Axios 关于头部 AI 实验室正调查数万起安全事件的报道；同一天英伟达联合 100+ 伙伴发布 NVIDIA Open Agent Safety Platform（含 OpenShell 与 Sentry），Gary Marcus 对这类"软件式安全发布"是否会真正落地表示怀疑。
Claire Vo 实测 TypeSafe AI 的决策模型 Jev：返回类型安全的结构化值（类别、分数、概率）而非文本，输入仅 4 美分/百万 token 且不收输出费。她用它将 1,700 个 PR、4,500 条 YouTube 评论、20 万次分类跑完，总花费不足 10 美元，并发现公司近 30% 工程投入花在了平台、安全与基础设施上。
Colossus 刊出 Jeremy Stern 对扎克伯格的长篇人物特写，采访了 Meta Superintelligence Labs（MSL）的多位竞争对手与投资人，其中不少人对 MSL 组织层的"混乱"津津乐道；文章同时回溯了扎克伯格少年时代写 ZuckNet 等早期经历。
Jeff Johnson 指出名为"Muse AI"的 Mac 应用是对 Meta 旗下 Muse 的公然抄袭——后者正是当前美国 iOS App Store 下载量第一，而 Muse AI 已冲到 Mac App Store 美国区第 20 名，再度暴露 App Store 的山寨应用审核问题。
量子位报道华为围绕 AIDC（AI 数据中心）基础设施的最新布局，核心主张是"算电协同"——把算力扩容与电力供给一体规划，是 AI 基础设施下一站的竞争焦点。
🧠 AI 技术前沿
宣布 Claude Sonnet 5.5 正式上线。
查看推文 →
指出 AA 智能指数上最聪明的 5 个模型中已有 4 个是 Claude，且 Sonnet 5.5 得分高于 Fable 5.1，怀疑 Anthropic 正把某个更强的 Fable 版本蒸馏进 Opus 与 Sonnet。
查看推文 →
称 Anthropic 在让模型同时变强又变省：官方口径快 30%+，Balyasny 测出 token 较 Sonnet 5 减少 76%（49.7 万→12.1 万），Slack 称输出 token 少约 14%。
查看推文 →
用 Sonnet 5.5 修 Claude Code 的 bug，体感快 30%、用量省 30%。
查看推文 →
Sonnet 5.5 已在 Cursor 上线，能力强、在许多任务上与 Opus 不相上下。
查看推文 →
引 Jensen Huang 谈 AI 安全："我们都得希望这是个工程问题；如果不是工程问题，就无法解决"——主张对齐/安全需要更多工程思维，少抛末日概率。
查看推文 →
讽 OpenAI 办了 20+ 场发布却仍拿不出 Astra，大概只多了 20 起网络安全事件。
查看推文 →
梳理 Perry Dong 与 Chelsea Finn 的文章：机器人正处"GPT-2 时刻"，预训练（VLA、世界-动作模型）已规模化却不够稳，缺的是一套标准化的后训练配方（算法 + 协议），且机器人 RL 因真实样本昂贵而与 LLM RL 本质不同。
查看推文 →
推荐 Simon Willison 在 WeAreDevelopers 的闭幕演讲《2026 in LLMs (so far)》：以时间线串起 2026 关键事件，起点回溯到 2025 年底 Opus 4.5/GPT-5.1 与各自编码 Agent 配合跨过"可靠到可日常使用"的隐形线。
查看推文 →
介绍 NVIDIA Skill2Env：把社区公开的 Agent Skills 编译成可执行 RL 环境，3.4k 个 Skill 变成 8k 个带测试的终端任务，仅 300 步 RL 就让 Qwen3.8-27B 在 Terminal-Bench 2.1 上提升 4.7 个百分点。
查看推文 →
总结 Grok Bot 两位核心成员在专访中公开的十余个私藏 Bot 与全自动工作流，展示从"手动指挥"到"信任放权"的渐进方法论。
查看推文 →
让 Opus 5.5 把《绝命毒师》做成 60 秒动态图形短片：先研究剧情，再让画面每 3-5 秒变换、随故事推进愈发混乱，效果超出预期。
查看推文 →
用 Opus 5.5 把 2D 图层 + 深度图与 3D 元素结合，做出一张全息卡片，并开源了相关 3D 技能。
查看推文 →
介绍一篇 7 所大学 9 位研究者合著的论文，提出评估提示词的 4 个维度（特征刻画、产物质量等），指多数人只检查其中一个。
查看推文 →
🚀 创业动态
介绍个人 Agent「Fo」：拥有自己的电话号码、邮箱和信用卡，遇到需要人类的任务会直接雇人完成，与墨西哥餐馆对话时会中途切换西班牙语，还能被拉进家庭群聊。
查看推文 →
分享两条外包原则——Agent 能做得和人一样好的任务一律交给 Agent，AI 做不好的才外包给人，认为 Fo 两者都能胜任。
查看推文 →
认为当下的个人 Agent 工具只发挥了未来一年 5% 的用处，"我该拿它做什么"的问题很快被解决，Agent 会直接替你做事。
查看推文 →
用一期 30 分钟播客讲透 5 万亿美元的 AI 整合（roll-up）机会：为何大量企业即将易主、Thrive 与 General Catalyst 在做什么、如何用 Agent 运营一家一人控股公司。
查看推文 →
列举 AI 三年给出的新原语：本地模型、语音克隆、文生 CAD、文生视频、实时语音、记忆、推理模型、vibe coding、computer use、连接器等。
查看推文 →
称其情侣 App 正冲 1 万美元 MRR，用 Agent 批量产视频并训练它理解什么样的视频会火、为何走红。
查看推文 →
认为用 Seedance 2.5 做 100% AI 剧情广告是今年最大的机会之一，关键是给爆款广告补上一个 2-3 分钟的抓人故事。
查看推文 →
💬 观点与洞察
指出这正是非程序员常能用 AI 做出意想不到成果的原因——人的限制与软件不同，旧的心智模型反而会挡路。
查看推文 →
说这意味着每个领域的聪明评论者（政治、文化等）都必须在发帖的同时补课同样的 AI 话题，AI 安全/意识/就业的讨论正经历一场"永恒的九月"。
查看推文 →
让 Opus 5.5 做了一支受老科学节目《Connections》启发的视频，串起一连串最初互不相关的想法如何造就今天加速中的 AI 时刻。
查看推文 →
建议把这条防诈骗帖转成 Agent 的规则文件，提醒人们保护好自己的银行账户。
查看推文 →
指出 X 长文的悖论：看似疯传，但不到 10% 的人会点进去读完第二段；很多时候 20% 阅读量的三行推文影响更大。
查看推文 →
吐槽 OpenAI 盯着 Grok Bot 的品牌设计直接照抄，称万亿公司却缺乏品味。
查看推文 →
BestBlogs 早报：涵盖 AI 时代编程语言的演进（José Valim）、编码智能体的工程判断（Reddit 安卓工程师）与 Molly Graham 谈工作责任等。
查看推文 →
🔥 精选推荐
斯坦福博士生 Perry Dong 与导师 Chelsea Finn 发布长文《Towards Universal Post-Training for Robotics》，提出机器人基础模型正处在"GPT-2 时刻"：VLA、世界-动作模型等预训练已能完成复杂任务，但"会做"与"可靠地做"之间仍有巨大鸿沟（一个 95% 成功率的机器人，剩下 5% 在玻璃制品、宠物与孩子环绕的家庭里足以不断制造事故）。他们主张机器人缺的正是语言模型已经走通的那套后训练路径——足够强的预训练底座 + 明确定义的环境与奖励 + 成熟的 RL 算法 + 对 reward hacking 的监控，只是机器人需要专为其十亿参数规模设计、且能从极少真实经验中学习的算法，以及定义成功/复位/人工介入的协议。
🦐点评：把"机器人 = GPT-2 阶段"这个类比当真，投资动作就完全变了——当前 VLA 公司的估值锚应该看"数据采集与后训练基础设施"而不是模型榜单，因为稀缺的不是会演示的模型，而是把"偶尔成功"变成"稳定可靠"的配方和协议。这也解释了为什么英伟达、DeepMind、Physical Intelligence 都在抢同一件事：谁能定义机器人的后训练标准，谁就握住这条供应链的收费站；而"真实样本昂贵、难以并行验证"这一点，恰恰是纯软件 RL 玩家无法平移过来的壁垒。
Manus 发布 2.0，最底层换用自研 Agent 框架 Cascade：在官方一项测试配置中，token 消耗较上一代减少 23.2%、任务完成时间缩短 28.2%、运行成本降低 32%（同一配置，非整体平均），思路类似 Skill 的按需加载，项目内简报、页面、视频与自动化流程始终关联。桌面应用升级为 Manus Studio，新增视频编辑器与游戏开发两个专业环境，并支持在手机上让 Manus 操作电脑；同时推出面向个人生活场景的新应用 Cue。2.0 还可单独购买"云电脑"作为常驻运行环境，原有的定时任务升级为由邮件、广告数据、日历、Slack、Notion 等事件触发的 Automations。报道称 Manus 正在组建团队开发面向国内市场的产品，并与国产模型厂商及生态伙伴合作。
🦐点评：这份更新最值得记的不是功能清单，而是成本数字——Cascade 把 token 成本砍掉约三分之一，说明"个人 agent"赛道的竞争已从能力演示转向单位经济模型，谁先把长任务的 token 烧钱量压下来，谁才有资格谈订阅定价。更关键的是"云电脑 + 事件触发"这套组合：它把 Manus 从"你打开才干活"的对话工具，变成一台常驻在线、由外部事件驱动的虚拟员工，这一步跨过去，agent 就真开始占用"人头预算"而非"软件预算"；Cue 出海抢 Meta Muse 的地盘、国内重启，则是同一套框架复制到两个市场的双线下注。
Mind Lab 发布模型后训练与推理平台 Mint Recursive，并同步以基于 GLM5.3、仅用两周完成的后训练模型 Macaron V1.1 做演示。文章的核心观察是模型研发正从"交付项目"变成"持续更新"：Cursor 用真实用户反馈训练其编程模型 Composer，最快每五小时推送一个新 checkpoint。真正稀缺的资源不是基座模型，而是企业自己的判断标准——Bridgewater 旗下 AIA Labs 与 Thinking Machines 的实验显示，仅优化提示词很快触顶，加入投资专家筛选/标注数据后模型判断才显著改善。而这些判断藏在专家的选择与用户的接受/拒绝中，因此企业更现实的目标是拥有一个可控可更新、并保留业务判断的模型版本。文章指出，持续训练的真正瓶颈是基础设施：训练、推理、任务环境必须协同，训推不一致会让系统把误差误判为进步或退步。
🦐点评：这篇文章点破了一件容易被忽略的事——"后训练平台"本质上是企业私有数据的操作系统，它的价值不在算法，而在能否把散落在专家选择里的隐性标准稳定地固化进模型，同时保留更换基座的自由。对 VC 而言，这是"中间层"里少见的、能讲清楚护城河的资产：谁掌握"训推一致"的工程细节和反馈闭环，谁就锁定应用公司的长期预算，因为一旦企业把判断标准沉淀在某套平台里，迁移成本极高。Cursor 每五小时一个 checkpoint 的节奏也说明，未来应用公司的竞争力指标会从"模型多强"变成"发现问题到重新上线的周期有多短"。
📌 其他值得看
宝玉翻译 Ben Thompson 在 Invest Like the Best 的访谈译文：他抛出反共识判断——美国在 AI 上的压倒性优势对世界是危险的，中国博弈论上的最优解可能是炸掉台积电，并认为美国对华供应链依赖被严重低估；同时提醒开源模型并不"免费"（省的是研发成本，推理成本照付），中国靠蒸馏大约落后 6-9 个月；他最担心的是资本能否在烧完前等到足够收入，并以铁路泡沫为类比。
一篇对"办公 Agent"的尖锐批评：作者认为把生产力叙事套到非程序员身上并不成立——活早早干完老板也不会让你早下班，所谓效率提升的收益被企业而非员工拿走；他主张这些大厂把 toB 产品按 toC 方式推销、还让用户自掏腰包，从商业逻辑上就是死路。
基于 GPT-Image 2.5 的照片精准编辑玩法合集（消除背景游客、自动调光、专业美颜等 12 个场景），附带可直接复制的提示词，展示其在"指哪打哪、不改动画面其他部分"上的编辑能力。 <!-- ai-daily:complete -->