🔥 精选推荐
OpenAI 与 Ironclad 的合同工作流评测中，GPT-6 Astra 的平均评分为 55.0%，高于 GPT-5.6 Sol 的 41.6%，估算单次耗时由 37.0 分钟降至 19.2 分钟。双方把合同、采购和审批配置整理成 11 项研究任务，每项按 8—50 个条件评分，并提供可练习的软件环境。训练资料来自过滤后的公开 SEC 合同及合成任务，未使用非公开客户合同。结果只覆盖这些研究任务，耗时为模拟估算，不能当作客户实际节省时间。
🦐点评：Ironclad CTO Sunita Verma 强调业务控制必须贯穿合同全流程；垂直软件公司的研究资产可能是可执行的业务规则与验收环境，但把这些资产交给基础模型后，也要重新判断谁拥有客户预算和定价权。
Pi 1.0 用 Codemode 接入 MCP，让模型以 JavaScript 组合工具调用，而无需把所有工具定义和中间结果塞进对话。Armin Ronacher 将它与 Bash 区分：Bash 操作执行环境，Codemode 则在 Agent 控制程序内的独立沙箱运行，能够协调子代理、图片和分类模型。按需发现工具、批量处理和保存中间状态，都是文章展示的实际用法。作者同时指出，MCP 返回结构不稳定、大型二进制数据支持不足和调用恢复，仍会限制这一方式。
🦐点评：Ronacher 特别要求 MCP 提供稳定的结构化返回；只靠整理工具目录的产品容易被 Agent 平台吸收，企业愿意持续付费的更可能是版本兼容、执行记录和失败恢复，这些才决定工具能否承担生产任务。
Reflection 预告首个模型 Beam：文本 MoE，总参数 5010 亿、激活参数 230 亿，面向编程、Agent 与科学任务，并计划本月以 Apache 2.0 发布权重。Latent Space 汇总的团队说法包括 23.8 万亿预训练 token，以及超过一亿次强化学习任务尝试。其能力大致对标 GLM-5.2，仍落后于文中列举的数款中国前沿开放模型。所谓三至四倍推理效率优势来自公司比较，权重、技术报告及实际服务成本仍待进一步检验。
🦐点评：文章转述 Reflection 每月支付 1.5 亿美元算力费用，还另签 Nebius 合同；如果模型能力并非第一，估值就要靠美国来源、私有部署和主权客户的真实订单支撑，不能把融资规模直接当成技术领先的证据。
Ed Zitron 把 AI 基建风险归结为信用条件：长期算力承诺很大，融资却可能越来越贵。文章以 Oracle 相关数据中心债券折价和部分银行收紧项目贷款为例，讨论融资成本如何传到云商与模型公司。作者进一步推演，持续亏损的模型公司即使上市，也未必能取得足够便宜的债务来履行承诺。其关于融资缺口、信用评级及行业崩溃的结论带有强烈看空立场，不能视为已经发生的事实。
🦐点评：Zitron 引用 Apollo 的现金流预测，质疑科技公司的增长能否由客户付款支持；对算力项目做压力测试时，要把最终付费企业、模型公司和云商逐层连接起来，同一批客户的需求不能被重复算成三份独立订单。
Nathan Lambert 认为，只禁开放权重模型未必降低网络风险，反而可能削弱防御方获得强模型的能力。文章以 Anthropic 对 GLM-5.3 的安全研究为起点，指出闭源 API 的保护也不完善，而隔离网络往往只能部署本地模型。他主张同时比较攻击能力、模型获取方式与防御扩散，讨论发布前安全评估应投入多少资源。对中国模型厂商风险取舍的解释，以及风险会渐进上升而非突变的判断，均属作者观点。
🦐点评：Lambert 提到敏感政府机构需要在隔离网络部署模型，这让安全采购有别于普通聊天产品；投防御 Agent，应先确认客户能获得哪些模型、能否在本地更新，以及模型授权变化会不会直接中断交付。
📌 其他新闻
Atlassian 扩大与 OpenAI 合作，将企业上下文接入 Agent；逾三千开发者使用 Codex。
Mistral Large 4 发布 API 预览，总参数一万亿、激活 490 亿；权重承诺月底开放，尚未正式放出。
OpenAI 公开内部模型的数学研究结果及部分 Lean 证明，每项平均算力约等于三小时 Pro 思考；须经审查。
a16z 宣布领投 General Medicine 1.2 亿美元 B 轮，整合医疗服务与透明定价；为投资方公告。
Willison 看重 EmbeddingGemma 2 的开源授权：服务停止时可迁移，避免重算历史向量。
🧠 AI 技术前沿
Anthropic 扩大验证计划，让安全人员使用更强 Claude 模型，并新增授权渗透测试与红队工作层级。
查看推文 →
Cursor 宣布可从 iOS 应用控制电脑上的 Agent，支持查看进展、回复消息和启动新任务。
查看推文 →
介绍 Hindsight：读取 Git 历史和过去会话，为代码库维护记忆，并向多种编程 Agent 提供上下文。
查看推文 →
分享 Addy Osmani 的二十五个工程 Skills，覆盖需求访谈、API 设计、测试、发布和回滚。
查看推文 →
分享 OmniReasoning 论文，研究音频与视觉的联合推理；推文只给题目和链接，未披露实验结果。
查看推文 →
分享 ALoDLM 论文，研究自适应循环扩散语言模型；推文未提供性能、成本或实验细节。
查看推文 →
转述 Google 用有效产出衡量 AI 基础设施，并介绍 GitHub 应对 Agent 密集提交的架构调整。
查看推文 →
提出用状态机保存多 Agent 的执行过程，把人作为异步审批接口，在关键节点保留最高决策权。
查看推文 →
建议先梳理工作、目标与判断方式，再持续更新 Agent 的记忆，减少新对话中重复解释个人背景。
查看推文 →
🚀 创业动态
列出 Grok Bot、Dots、Muse 和 Hark 等产品，关注这批新工具；推文未提供功能或具体比较。
查看推文 →
自述用 Opus 5.5 开发可把图标或插画转成可定制三维素材的工具，强调单人批量制作能力。
查看推文 →
自述拍摄素材导入后自动触发 AI 剪辑，还会收集补充画面；计划再迭代两周后公开工作流。
查看推文 →
建议用 Higgsfield 将有效 UGC 广告批量替换不同角色，再测试投放，也可把服务卖给品牌。
查看推文 →
推荐用 Higgsfield 创建 AI 网红，并收集社媒内容寻找方向；属推广式方法分享，未披露回报。
查看推文 →
建议先掌握一项 AI 技能，再建设社媒渠道、接品牌合作，最后借已有受众销售自建软件。
查看推文 →
分享二十五分钟创业视频，声称 Agent 时代只剩十三类生意可做；推文未列出类别或论据。
查看推文 →
💬 观点与洞察
认为 AI 试点常败在未梳理真实流程、只优化局部、缺少基准指标；省几分钟未必缩短整体周期。
查看推文 →
认为 AI 会把瓶颈移到下一个环节，应调整 Agent 获取反馈的方式，及时找到限制整体产出的地方。
查看推文 →
提醒模型厂商确认自家模型懂得如何使用自家产品，并随新功能更新知识，避免助手不懂自己的应用。
查看推文 →
借九十年代复印机维修研究说明工作常靠临场判断、难以完整记录；也承认技术后来大幅淘汰该职业。
查看推文 →
认为 AI 写论文遇到审稿意见容易退让，应能为正确思路辩护，同时在确实错误时接受修正。
查看推文 →
转述图表称 Opus 5.5 单次实验约二百八十美元、人类约九千美元；研究判断力比较未独立核实。
查看推文 →
质疑 Suleyman 对白领任务自动化的近期说法与八个月前不同，要求澄清；两种表述的口径未核实。
查看推文 →
认为庞大 AI 用户规模下，严重事故相对少令人意外，同时明确表示这不保证未来仍会如此。
查看推文 →
认为 AI 会让容易过度思考的人不断追问、越问越焦虑，以小伤后的反复咨询为例；属个人观察。
查看推文 →
认为生成有效广告前，应先收集行业里成功创意的上下文，并推荐 Higgsfield；属工具推荐。
查看推文 →
认为评价资源应看实际用途，哪怕只是简单 Markdown 文件，只要改善 Agent 表现也值得认可。
查看推文 →
认为 AI 缩短从想法到做出成果的距离，让个人减少等待资金或时机；推文没有提供经营数据。
查看推文 →
转述 Dan Koe 视频：多种兴趣可以组成独特能力，但需要计划转成行动；属于职业发展观点。
查看推文 →
主张欧盟未来十年对 AI 公司零税率，以刺激当地创业；这是作者政策建议，非已经实施的政策。
查看推文 →
🔥 精选推荐
a16z 新榜单中，消费者 AI 支出前五十名有二十九家公司没进网页或移动流量榜；数据来自美国个人消费样本，不能当作全球营收。文章进一步检查 n8n 的工作流计次、fal 的生成计费，以及 Suno、ElevenLabs、Plaud 如何围绕实际制作与处理任务收费。对于个人 Agent，文中引用 Instinct 创始人的年化交易额说法，并明确区分交易额与平台收入。报告当时 Instinct 和 Muse 尚未收取相关交易费用，流量、支付规模与已验证商业模式仍是三件不同的事。
🦐点评：Newin 特别指出 Plaud 支出排名没有区分硬件与订阅；比较这类产品时，应把一次性销售、续费和推理成本分开，同样的消费者账单规模，可能对应完全不同的收入质量与估值倍数。
Josh Elman 判断消费 AI 产品是否成立，首先问用户开始使用后，停止做了哪件旧事，而不是只问是否愿意尝试。访谈认为早期用户可以先接受实用性，但进入主流市场需要信任，个人 Agent 应先把少数任务做好，再扩展服务。推理带来持续变动成本，免费获取用户之后仍要找到合理收费方式。Elman 同时看好个人 Agent、互动娱乐和语音，但强调长期留存需要关系、历史信息或共同使用形成的价值；本文为访谈编译。
🦐点评：Elman 描述购物助手时，要求其激励与买家一致；这对交易佣金模式提出直接约束：若推荐排序由佣金决定，短期收入可能伤害长期委托关系，尽调时应把推荐机制和留存数据放在一起看。
📌 其他值得看
解读 a16z 报告，强调付费集中、Agent 使用增长与实体基建压力；数据跨不同样本，不能直接比较。
解读 Reflection Beam 的融资、目标客户及效率主张；提醒权重未发布，算力估算不等于实测成本。
作者称 Nano Banana 2.1 改善中文文字与排版，支持 4K；属体验分享，未见系统测试。 <!-- ai-daily:complete -->