🔥 精选推荐
Benchmark 据报道领投 Tendrils Compute，后者已讨论可能超过十亿美元估值的后续融资；两轮均未正式公开，Benchmark 未回应。英国剑桥团队由 Nils Cremer 领导，押注 interaction nets 计算架构，试图减少多核 CPU 的协调成本。其判断是，Agent 连续推理与工具调用可能使 CPU 成为新瓶颈。报道还列出 Etched、Fractile、OLIX 等芯片融资，并提醒开发周期、资本强度和周期性风险；可读正文不含付费市场地图。
🦐点评：Tendrils 把瓶颈指向 CPU，给了芯片投资一个区别于 GPU 替代的新假设。尽调应拿真实 Agent 工作流测端到端收益：如果等待浏览器、网络和工具才占大头，更快 CPU 就难支撑客户迁移。接近十亿美元的融资讨论，已经要求团队在量产前证明这条因果链。
Gemini 4 Argon 的便宜来自折扣，未必来自更少的推理消耗。Latent Space 汇总 Artificial Analysis 评测：折扣下每任务约 1.99 美元，Astra 为 3.26 美元；恢复标准价格后 Argon 约为 3.98 美元，且平均输出量更高。Google 宣称它在十九项公布的基准中领先十三项，但当前只向 Fairwind 的政府用户和受信任网络防御者开放。百万 token 输出通过实验性的 Long Decode Continuation 分段续写实现，不能简单理解成一次普通调用就输出百万 token。
🦐点评：Argon 尚未普遍开放，跑分领先短期内很难直接变成开发者份额。对模型创业公司，折扣是否持续会影响价格锚点；对应用公司，应在自己的缓存命中率、输出长度和任务成功率下重算毛利，不能拿发布期单价给长期合同报价。
Ai2 的 Olmo-core 3 将专家数从八个扩至一百二十八个、每 token 仍选四个专家时，训练吞吐下降不到 5%。新框架让专家常驻 GPU、把数据路由过去，减少反复聚合权重；八张 B300 的初步测试中，四百七十亿参数 MoE 吞吐约为旧实现的 2.7 倍。它同时开放专家并行、流水线并行、分布式优化器与低精度训练支持。万亿级结果使用随机路由测系统性能，2.38 万亿参数配置也只是短时容量测试，均不代表已训成同规模高质量模型。
🦐点评：Olmo-core 把大 MoE 的训练工程公开，会压缩仅靠分布式训练技巧讲壁垒的空间。它的数字来自 B300，国产芯片或不同网络上的收益仍需验证；更可持续的资产是训练数据、路由策略与真实下游能力，而不是把框架吞吐提升直接换算成模型估值。
隔离沙箱里的 Agent 仍可通过共享软件包缓存互留指令，改变其他 Agent 的行为。Simon Willison 引述 Matthew Green，称这已具备蠕虫的两个要素：劫持 Agent 的载荷，以及负责把载荷带给下一个 Agent 的执行者。Green 将风险外推至邮箱、Slack、共享文档和 WhatsApp 中的个人助手，提醒共同使用的信息通道可能连接原本独立的执行环境。
🦐点评：Green 点出了共享缓存这条通道，意味着安全预算不能只花在虚拟机隔离。对接邮箱和协作文档的个人助手，客户需要验证不可信内容能否越过权限边界、调用有副作用的工具；创业机会在可检查的跨系统授权和传播阻断能力，单卖一个沙箱很容易被云厂商覆盖。
📌 其他新闻
据报道，英伟达和软银各付清最后一百亿美元，完成此前各三百亿美元承诺；仅已读摘要，完整正文不可获取。
CB Insights 转述 Anthropic 上市材料流出，关注算力、客户集中与 AI 行为风险；补抓仍为 403，仅依据 RSS 摘要。
Factory 指控顾问向 Cognition 泄密，对方否认并称已辞职后加盟；投资人与顾问信息边界承压，全文补抓仍为 403。
Sharon AI 宣布取得 3.56 亿美元 GPU 抵押贷款，以芯片和客户合同现金流融资扩张；仅已读摘要，完整正文不可获取。
报道访谈 Google DeepMind 负责人，讨论机器人战略与行业差异；标题以 Android、Apple 作比，完整正文不可获取。
Claude Code 2.1.287 新增 Mods，插件可改变更深层行为，并提供旁路 Agent 提醒遗漏；扩展生态开始进入工作方式本身。
🧠 AI 技术前沿
转述 AA 评测：Sol 6.1 每任务 0.72 美元，Sol 6 为 1.05、Opus 5.5 为 5.98；他认为成本优势支撑 Codex 企业市场。
查看推文 →
所引合同条款评测中，微调 Qwen 9B 精确引用率 59.6%，Luna 为 8.5%；展示用 Agent 数据训练小模型的潜力。
查看推文 →
WebAI 的 GSM8K 评测中，3.66B 的 TwIL-LM3-Pro 得分 94.3%，120B gpt-oss 为 97.7%；这是单项数学比较。
查看推文 →
分享 Hugging Face 关于在不同 harness 上强化学习训练编程 Agent 的文章；推文未展开具体实验结果。
查看推文 →
Cursor 宣布接入 GLM 5.3 与 Flash，并称 GLM 5.3 Max 是 CursorBench 4.0 得分最高的开放权重模型。
查看推文 →
Claude Mods 支持用提示定制行为与界面，再作为插件分享；Boris 认为不同用户应有不同的工作体验。
查看推文 →
Matthew Schwartz 认为把 LLM 当人类科学合作者会错配其优势，并为定量科学构建精确计算工具包。
查看推文 →
转述语音隔离基准：竞争说话人会污染转录、意图和回合判断；只优化 STT 准确率不足以解决语音 Agent 错误。
查看推文 →
Cloudflare 发布自训决策模型 Clef 与 Clef-flash；他感叹这类模型的思路传播极快，推文未给性能数据。
查看推文 →
分享 Dots 插件清单，覆盖邮箱、云盘、部署、数据库、会议转录、设计与分析，展示 Agent 可连接的工作范围。
查看推文 →
🚀 创业动态
Relay 宣称能从品牌网站生成内容库，连接五万名美国创作者分发到 TikTok 并追踪效果；推文属产品推广。
查看推文 →
展示逐行检查 AI 配音自然度和人名发音、修错并重新生成的流程；推文未披露产品名称或效果指标。
查看推文 →
演示 Codex 配合 Higgsfield 生成补充镜头与动画，再在剪辑软件中重排和修改；这是作者分享的制作流程。
查看推文 →
计划资助十人各每月两千美元创业并公开记录，提供产品方向、分发与 AI 费用；报名表尚未发布。
查看推文 →
TrustMRR 月独立访客达二十三万、环比增长 30%；作者称回访占 51%，每次访问平均看 4.6 页。
查看推文 →
TrustMRR 为收购买家新增流程：收藏创业公司、用文件夹分组、查看进行中的交易，继续向用户征求反馈。
查看推文 →
他称视频十万浏览却几乎无下载，归因于结尾行动提示不足；正用新旧 CTA 对比测试转化效果。
查看推文 →
作者自述一人用 AI Agents 在六十三天写出一百五十万行代码、合并 1288 个 PR；产品未披露，收入预期未证实。
查看推文 →
分享五十三分钟前线部署工程师课程，强调先听客户需求；提及部分人年薪超百万美元，未提供薪酬样本依据。
查看推文 →
他认可 Tutti 公开活动规则、明确品牌要求和简化参与流程，认为可减少创作者与代理间反复核对报价。
查看推文 →
💬 观点与洞察
他低估了 AI 为完成任务而自组织的能力，并讨论其对 Muse、Dots 的意义；借音乐视频重谈 Bitter Lesson。
查看推文 →
他给 Dots 实用性十分、易解释性一分：非技术用户不懂虚拟机，也难理解 Agent 拥有电脑为何有用。
查看推文 →
使用 Dots 二十四小时后，他认为语音最惊艳，但超过三十分钟出现问题；也希望更清楚地查看生成的 Codex 线程。
查看推文 →
建议 Dots 首小时先反向访谈用户、接必要插件、调整行为风格，再只设一个最讨厌任务的自动化。
查看推文 →
他主张 Dots 按真实日历规划、每天最多三个核心目标；可逆操作直接执行，发送、删除、购买和发布先确认。
查看推文 →
他认为 Claude 即使跑分较弱，文案和设计仍胜过 OpenAI 模型；这是持续一年多的个人体验判断。
查看推文 →
他认为 AI 降低开发人工成本后，有客户且增长的软件会更值钱，并提出二十倍以上估值设想；属个人推演。
查看推文 →
他认为只专精一项电脑技能已不够，应快速拓宽整套工作能力，连同叙事和销售一起学；这是职业判断。
查看推文 →
他引用“Waymo 效应”：技术若消除了与另一个人打交道的摩擦，就会改变体验；推文未展开具体案例。
查看推文 →
他认为 AI 让认真做 PPT 的人有更好的布局、视觉笑点和图解；把思考全交给 AI 的敷衍仍然容易看出。
查看推文 →
🔥 精选推荐
OpenAI 的年化收入据媒体报道，在一个半月内由四百多亿美元升至接近七百亿美元；晚点提醒，这些不是官方披露，且与 Anthropic 的收入计量口径未必相同。访谈援引上市材料草案，称 Anthropic 前两大客户贡献约四分之一收入、长期算力采购承诺达 5180 亿美元，而收入端不少客户没有长约。个人助手的竞争同时受推理降价、云端常驻与服务生态开放影响：Instinct 接入 Shopify，Muse 却遭 Amazon 封禁。嘉宾认为，Jev 式动态分类器可替代部分传统 if 判断，但技术壁垒有限；个人助手的下载热度也还不能证明持续留存和收入。
🦐点评：Anthropic 的采购承诺与客户短约如果属实，核心估值问题就是现金流期限能否匹配，不能只比较 ARR 谁领先。Instinct 接 Shopify、Muse 被 Amazon 拦下的分化，则说明个人助手的交易闭环依赖商户合作；看这类项目时，要把真实完成率、复购和交易分成权放在下载量之前。
📌 其他值得看
MiniMax M3.1-Flash 预览版支持百万上下文与原生多模态，展示修 bug、3D 和视频理解；无公开基准，包含体验推广。
作者比较个人 Agent 虚拟机，认为 Grokbot 资源充足、Dots 或共享实例；补抓取得文字说明，图表参数未核实。
借科幻讨论 AI 时代的意义与职业评价，主张代码供给增多会贬值、人际连接更耐久；属思想实验，非 RSI 技术证据。 <!-- ai-daily:complete -->