🔥 精选推荐

Artificial Analysis v5 将知识工作、编程、科学和通用能力各赋予 25% 权重,榜上有八个闭源模型超过最强的待开放权重模型 Kimi K3.1 Pro。Nathan Lambert 认为,这部分反映了评测向前沿科学和通用 Agent 协作倾斜,不能据此判定开源模型的商业价值衰退。他把开放模型的机会归于降低高需求任务的推理价格,以及让企业拥有、定制并控制模型。他支持减少针对公开题目的过度优化,但担心私有题库削弱外部纠错;同时指出评测机构向模型公司收取验证费用带来的信任取舍。
🦐点评:Kimi 在科学任务上的差距,未必会让企业为成熟编程任务多付钱。看开放模型公司,应把榜单分数与客户任务毛利分开核算;如果低成本推理仍有不错利润,真正要追问的是成本优势能保持多久、谁能保住客户,而非总榜还差几名。
interconnects.ai
Supabase 两位创始人称,平台目前每月新建约五百万个数据库,AI 驱动的使用增长还改善了激活和付费转化。他们认为,Agent 能把注册、配置到应用可运行连成一次流程,减少用户在配置阶段放弃。新发布包括无需 Docker 的本地运行环境、把目标数据库结构保存在 Git 中的声明式 schema,以及在数据库旁运行容器的 Compute,部分功能仍处于 alpha。产品同时推进 OrioleDB、Multigres 和 Turso 收购后的扩展能力,以兼顾大量小数据库与既有客户的大型负载;增长数据来自创始人口径。
🦐点评:Supabase 的案例提示,开发工具的分发对象已经包括替用户选技术的 Agent。但五百万新库也可能包含大量短命原型,不能直接当作付费客户增长;这笔生意要看这些应用三个月后还剩多少、留下的应用是否持续增加计算和存储支出。
latent.space
a16z 调查了 100 位千人以上企业的 CISO,其中 87% 预计 2027 年安全支出增加,但只有 18% 已在生产环境使用 AI SOC 工具。未来十二个月,45% 计划采购或升级内部 Agent 安全产品,42% 指向进攻性安全。采购入口仍偏向老供应商:44% 会先找既有安全平台,21% 先找 AI 原生厂商;47% 表示,现有平台无法解决的能力缺口会促使他们选择创业公司。调查也显示,仅 7% 预计一年后会允许 Agent 在多数情况下自主行动。文章来自投资方,并推荐多家被投公司,预算意向和推广判断都不等于已确认收入。
🦐点评:44% 先找老平台,意味着“安全预算增长”不能平均分给一批 AI 创业公司。更值得约的是能拿到具体新增权限、完成修复并验证结果的团队;若只能多报一批告警,客户很可能等 CrowdStrike 等既有供应商补功能,再把价格压回去。
a16z.news
NVIDIA Nemotron 3.5 Transcribe 将录音转写、说话人标注、翻译和音频问答放进同一开放权重模型,支持 40 种语言转写、31 种语言与英语互译,以及最长一小时、最多八位说话人的录音。模型约 30B 总参数、每 token 约 4B 激活参数,发布文称其位居多项开放模型语音榜单前列。配套 Granary v2 公共清单覆盖约 46.3 万小时、48 种语言,并开放清洗流程与微调配方。在发布方医疗案例中,对未参与调参的说话人,微调将词错误率从最佳提示词基线的 22.44% 降至 12.17%,相对下降 45.8%。该模型针对已录制音频,并非实时流式语音;量化和部分本地运行支持尚待发布。
🦐点评:NVIDIA 连数据加工和微调方法一起提供,会压缩通用转写 API 靠封装收溢价的空间。医疗案例仍需领域语料,说明专有录音、准确的人名药名标注和客户工作流程更可能留住利润;投语音公司,应核对这些资产归谁,以及客户换底层模型是否仍离不开产品。
huggingface.co
Simon Willison 用 Opus 5.5 制作了四款浏览器游戏,认为进步已从生成画面和代码延伸到设计更有趣的玩法。他的 Battle Drones 已支持多人对战、回放、地图生成和模型互相对战,并在开放源码后出现重新设计美术与音乐的分支作品。每个项目投入的人类工作不超过四小时,但南瓜农场游戏另用了数百万 token 和近两天 Agent 执行,作者仍不满意部分机制。RPG 项目也经过反复试玩,修复角色位置与任务冲突后才完成;这些是个人实测,并非系统评测或商业成功证明。
🦐点评:Battle Drones 开源后很快被改成另一套题材,预示游戏原型和美术变体会更便宜,也更容易复制。创作工具若只卖“帮你做出第一版”,收费会越来越难;更有价值的是帮助团队反复测试玩法、找到用户并提高留存,且能把两天 Agent 的成本压到合理水平。
simonwillison.net

📌 其他新闻

付费预览称营收达 1276 亿美元、净利润降至 262 亿美元;增长与盈利出现分化,完整正文不可获取。
theinformation.com
公开预览称接入 Visa、Mastercard 与美国运通的支付 token,让授权 Agent 使用用户银行卡;完整正文受限。
theinformation.com
付费预览称 FY2028—2029 为资本开支高峰,预计 FY2028 自由现金流转正,股价涨逾 10%;均属前瞻指引。
theinformation.com
公开预览援引知情人士称双方谈判,Lumentum 市值逾 800 亿美元;交易状态和收购价格未确认,正文受限。
theinformation.com
官方 RSS 称模型与 Agent 将进入 ServiceNow,其工作流程也将接入 ChatGPT 和 Codex;补抓仍停在验证页。
openai.com

🧠 AI 技术前沿

Hesamation @Hesamation
转述 Gemini 4 Carbon 在多项榜单超过 Opus 5.5、登顶 AA v5,同时担心过度针对评测优化。
查看推文 →
emollick @emollick
实测 Genie 4 可实时改变场景、让角色长翅膀并自由走动;认为进步很大,也明确指出仍有故障。
查看推文 →
_akhaliq @_akhaliq
分享 Hy-Nomas 论文与应用,研究自由交互式世界生成;推文未给实验指标或具体性能结论。
查看推文 →
_akhaliq @_akhaliq
分享 ThinkWorld 论文,研究以世界想象强化动态过程推理;可见推文只提供题目与论文链接。
查看推文 →
_akhaliq @_akhaliq
转发腾讯在 Hugging Face 发布实时中英同传模型的消息;原推文截断,未完整展示能力和部署细节。
查看推文 →
bcherny @bcherny
称未发现 Claude Code 耗量的统一根因或回归,正修复少量异常;多数反馈涉及一两次高消耗会话。
查看推文 →
shao__meng @shao__meng
介绍 Entire 用 Trail 汇总评审状态,将 Agent 会话与决策写回仓库,减少传统 PR 时间线的阅读负担。
查看推文 →
shao__meng @shao__meng
介绍苹果创作套件更新:办公三件套支持 MCP,Keynote 新增 .keyx;部分生成式功能仍为测试版。
查看推文 →
shao__meng @shao__meng
介绍 MiniMax 开源 MCode Stack,把子 Agent、长会话和上下文管理经验做成可安装技能。
查看推文 →
shao__meng @shao__meng
介绍 LangChain 开源设计 Agent,把设计判断写入技能并配持久沙箱;团队自述交付三千多份资产。
查看推文 →
shao__meng @shao__meng
介绍 Grok Bot 模板 tibot,可监测关键词、做摘要和翻译,部分屏蔽功能需自接 X API;明确从不代发帖。
查看推文 →
steipete @steipete
建议尝试内存表现更好的 Bun,称正推进完整兼容,最新构建首次达到他愿意推荐的程度;未称兼容已完成。
查看推文 →
emollick @emollick
介绍通过激活个别神经元固定模型人格的实验,并举只用 1930 年前数据训练模型的尝试;未给定量结果。
查看推文 →

🚀 创业动态

vasuman @vasuman
转发 Dalet Labs 获 700 万美元 pre-seed 融资,方向为个性化媒体购物;可见推文未披露估值。
查看推文 →
EXM7777 @EXM7777
介绍 Rime 面向真实对话的语音到语音模型,称可自然叹气、切换语言并低延迟回应;性能属于作者宣传口径。
查看推文 →
godofprompt @godofprompt
转述 Anthropic 收购一家公司,称创始人借 Claude 协调十一家外部实验室推进肌营养不良疗法。
查看推文 →
bcherny @bcherny
称犹他州十个政府机构的 34 名开发者试用 Claude Code,71% 在四周后报告节省二十小时以上;属自报结果。
查看推文 →
levelsio @levelsio
将旅行产品接入 MCP 并补上 OAuth,可在 Claude 或 ChatGPT 查询目的地、管理行程和组织聚会。
查看推文 →
MengTo @MengTo
实测 Dola 用一条提示和一张截图生成三条发布创意,各配 Seedream 5.0 Pro 主视觉;属个人体验。
查看推文 →
marclou @marclou
分享实时地理情报产品:月经常性收入 4884 美元,月增 2253%,付费版约十一美元;数字来自其转述。
查看推文 →
eptwts @eptwts
建议把语音技术做成牙科、律所等行业的 AI 前台,处理电话、筛线索和预约,按部署费加月维护费收费。
查看推文 →
jackfriks @jackfriks
谈单人经营的免费增值应用:承认 ARPU 不及强付费墙,仍看重触达大量用户和创作乐趣,称本周将发新版。
查看推文 →

💬 观点与洞察

emollick @emollick
认为 AA 转向私有题库后,开放权重模型落后幅度比过去测得更大;也提醒审慎解读,属于作者判断。
查看推文 →
shao__meng @shao__meng
转述 CMU 讲座:主流 Agent 评测偏向计算机和数学任务,仅对应约 5% 就业,不能把高分等同实际工作能力。
查看推文 →
EXM7777 @EXM7777
认为个人 Agent 的底层模型比配置更重要;模型领先者频繁变化,无法切换供应商会带来性能受限的风险。
查看推文 →
EXM7777 @EXM7777
主张利用低成本 AI 并行验证多个项目,以社区、内容等低成本渠道测试付费需求;这是创业建议,未给收益数据。
查看推文 →
steipete @steipete
反对“云端必然慢或无法观察过程”,认为体验取决于 harness,称 OC 的本地与云端差别很小。
查看推文 →
Hesamation @Hesamation
转述一位 Anthropic 招聘经理更看重体现品味、同理心与思考的原型;不能据此推定全公司取消编程面试。
查看推文 →
shao__meng @shao__meng
转述 Reddit 的 OpenAI 软件工程师面试复盘,强调系统题、带回家作业和逐行追问;属于个人经历,非官方流程。
查看推文 →
rileybrown @rileybrown
建议对未来有强判断的创业者保留行动自由,重视在不相信的事情上耗费一年的机会成本;属于个人观点。
查看推文 →
暂无内容