【AI 英文奏折】2026年07月26日

共收录 22 篇深度内容

---

📋 今日内容速览

快速浏览，点击感兴趣的推文查看详细分析

1. Machina: 集中式知识库可统一管理业务信息并提升协作效率。
2. Aakash Gupta: 漫威从低价造星转向高价买星，品牌吸引力下降。
3. Santiago Valdarrama: 用户困惑Anthropic不同模型及努力水平的最优选择。
4. Peter Steinberger: 多代理协同开发，系统化修复bug并持续更新测试报告。
5. Anthony Pompliano: 招募激进有为的年轻人共同挑战华尔街并加速成长。
6. Rohan Paul: 新模型无需冗长规则，简化提示即可高效执行任务。
7. Rohan Paul: 财务高管是代币最大使用者，税务主管主导自动化工作。
8. Alex Prompter: 精准搜索信息是避免代理输出错误的关键。
9. Ethan Mollick: 人类发展漫长缓慢，近两百年才突飞猛进。
10. Machina: AI代理将接管企业管理，人类只需下达指令。
11. Amira Zairi: 分享日本风格邮票设计模板，含主题、边框、颜色及字体等要素。
12. levelsio: 飞机设计应减少噪音和蓝光，改善餐饮和充电设施，优化健康体验。
13. Gary Marcus: AI尚需人类监督，无法完全独立可靠工作。
14. Rohan Paul: 美国拟立法强制高成本AI配备可关闭机制以防失控风险
15. Emily: 草稿与已解决区域需明确区分并针对性处理设计元素。
16. Aakash Gupta: 克鲁斯拒放演员促成杰克曼演金刚狼，创限制级票房纪录。
17. Rohan Paul: AMD与三星敲定HBM4合同，Helios机架GPU内存达432GB超Nvidia。
18. clem 🤗: 呼吁公开代理攻击数据并提供资源加强网络防御。
19. AshutoshShrivastava: AI安全担忧因竞争加剧被迅速放弃。
20. Aakash Gupta: 球星场外收入远超薪资，利用底薪漏洞优化球队阵容。
21. Suchen Zang: 虚伪的牺牲不被感激，终将自食恶果。
22. Bindu Reddy: 开源AI是确保AI安全透明、防止垄断滥用的最佳途径。

---

📖 详细内容

Machina @exm7777

running ai-powered agencies | weeklyaiops.com | 影响力: unknown万粉丝

💡 核心观点: 集中式知识库可统一管理业务信息并提升协作效率。

可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: OpenAI 联合创始人 Andrej Karpathy 几乎发明了现代“知识库”概念 (Andrej Karpathy 是知名AI研究者，但“发明现代知识库概念”需具体定义。知识库的历史可追溯至早期数据库和知识管理系统，其贡献需通过学术文献或公开演讲验证，但“几乎发明”属于主观评价。)
• ✓ 可验证: 在 Obsidian 中构建五层笔记（优惠、客户、声音、剧本、裁决）可实现高效知识管理 (Obsidian 是公开工具，支持分层笔记管理，具体实现方式可通过用户案例或教程验证，但实际效果依赖具体工作流程（需实测）。)
• ◐ 部分可验证: 知识库系统使修正只需一次（通过裁决笔记），无需重复沟通 (逻辑上可行，但实际效率提升需依赖团队执行和工具适配性，无公开数据支持普遍有效性，属部分可验证。)

原文内容:

我简直无法理解为什么还没有人开始构建这个……

OpenAI 联合创始人 Andrej Karpathy 几乎发明了现代“知识库”概念

让我向你解释这意味着什么……

你的优惠，你的广告角度，你的内容管道，你写作的方式，你已经做出的每一个决定……所有这些都集中在一个地方，任何模型都能在几秒钟内浏览一遍

> 在 Obsidian 中构建知识库，五层笔记：优惠、客户、声音、剧本、裁决

> 只给每个工作者其对应的部分，写手拿到声音笔记，外联工作者拿到客户笔记，没有人加载整个内容

> 你做的每一次修正都变成裁决笔记中的一行，每个工作者在开始前都会阅读它，所以你只需修正一次，而不是永远纠缠

工作者们可以互换……知识库就是业务

完整系统详见下面的文章：

⏰ 03:01 | ❤️ 539点赞 | 📝 246字 | 查看原文 →

↑ 返回顶部

Aakash Gupta @aakashgupta

✍️ product-growth.com 💼 https://t.co/STzr4nqxnm 🤝 https://t.co/SqC3jTyP03 🎙️ https://t.co/fmB6Zf5UZv | 影响力: 278.7k万粉丝

💡 核心观点: 漫威从低价造星转向高价买星，品牌吸引力下降。

可信度: 10/10 – 2项声明可直接验证；3项需进一步确认

事实核查:

• ◐ 部分可验证: 克里斯·海姆斯沃斯在《雷神》中只拿了15万美元片酬。 (演员片酬通常属于保密协议内容，但部分早期漫威电影的低成本策略曾被媒体报道（如《好莱坞报道者》2019年提及海姆斯沃斯初期片酬较低），需依赖非官方信源交叉验证。)
• ◐ 部分可验证: 小罗伯特·唐尼在《钢铁侠》中的片酬约为50万美元，但回归漫威时超过1亿美元。 (唐尼早期低片酬和后期高额回归费用（如《复仇者联盟3/4》分成）被《福布斯》等权威媒体多次报道，但具体数字可能包含分成或估算，非官方披露。)
• ✓ 可验证: 《惊奇四侠》（2015版）全球票房2.06亿美元，预算超2.7亿美元。 (票房数据可通过Box Office Mojo等平台直接查询，预算数据由《Variety》等行业媒体公开报道，属公开商业信息。)

原文内容:

漫威花了15年拒绝支付电影明星片酬。克里斯·海姆斯沃斯在《雷神》中只拿了15万美元。小罗伯特·唐尼在第一部《钢铁侠》中大约拿了50万美元。现在它却支付小罗伯特·唐尼超过1亿美元让他回归，并据报道以瑞安·高斯林市场价值巅峰的价格选角。

最初的模式就是整个优势。选用无名之辈，或是被行业放弃的演员，将他们锁定在6到9部的电影合约中，让标志来制造明星。演员是可替换的。品牌才是吸引力。这就是你如何在主演薪资仅几百万美元的情况下制作出数十亿美元的电影。

然后机器坏了。《惊奇四侠》全球票房2.06亿美元，是漫威电影宇宙历史上最低的，预算却超过2.7亿美元。标志不再保证开画成绩。更糟的是，它不再能造星。试着说出2016年后漫威电影宇宙捧红的演员名字。

于是漫威转而从制造名气转向进口名气。为小罗伯特·唐尼饰演毁灭博士支付超过1亿美元。为罗素兄弟支付8000万美元。而现在，这个花了二十年拒绝加盟系列合约的家伙，刚从14.4亿美元的《芭比》和奥斯卡提名中走出来。

高斯林在2024年的一档播客中亲自要求这个角色。费奇几乎立刻就答应了。当然他会。漫威曾经以折扣价出售名气。现在它却以零售价购买名气。

这些角色从来不是护城河。明星工厂才是，而那部分已经停止运作了。

⏰ 09:08 | ❤️ 56点赞 | 📝 439字 | 查看原文 →

↑ 返回顶部

Santiago Valdarrama @svpino

| 影响力: unknown万粉丝

💡 核心观点: 用户困惑Anthropic不同模型及努力水平的最优选择。

可信度: 9/10 – 2项声明可直接验证；2项需进一步确认

事实核查:

• ◐ 部分可验证: Anthropic公司提供的最强大的模型是Opus 5或Fable (可通过Anthropic官方文档或公告验证当前模型版本及性能排名，但”最强大”需结合具体任务指标（如基准测试），可能因应用场景不同而变化。)
• ◐ 部分可验证: Fable模型比新的Opus 5模型更好 (需对比官方发布的性能数据（如准确率、速度等），但”更好”缺乏具体标准（如成本/延迟/任务类型），且可能因版本更新失效。)
• ✓ 可验证: Fable @ 最大努力比Opus 5 @ 最大努力表现更优 (需实测同环境下的输出质量，但”最大努力”是动态服务等级（可能受负载影响），且缺乏公开的对比测试数据。)

原文内容:

有人能解释一下哪个是 Anthropic 绝对最好的模型吗？

如果我想使用公司提供的最强大的模型，我应该选择哪个模型 + 努力水平？

Fable 比新的 Opus 5 模型更好吗？

Fable @ 最大努力 比 Opus 5 @ 最大努力 更好吗？

Opus 5 @ xhigh 对比 Fable @ max 怎么样？

我真是太困惑了。

⏰ 20:33 | ❤️ 92点赞 | 📝 80字 | 查看原文 →

↑ 返回顶部

Peter Steinberger @steipete

Polyagentmorous ClawFather | Building at OpenAI | 影响力: unknown万粉丝

💡 核心观点: 多代理协同开发，系统化修复bug并持续更新测试报告。

可信度: 9/10 – 2项声明可直接验证；2项需进一步确认

事实核查:

• ◐ 部分可验证: 使用 12 个子代理来拆分功能，启动带有不同端口的开发网关，并使用其中一些进行压力测试。 (技术操作描述具体，但需实际查看代码或系统配置才能确认子代理数量、端口分配及压力测试实施情况，属于部分可验证。)
• ✓ 可验证: 设定一个目标，找出 200 个 bug。每次都修复根本原因，不要用临时补丁。 (目标数值（200 个 bug）和修复原则（根本原因）需依赖内部开发记录或任务管理系统验证，若无公开数据则无法直接核实。)
• ◐ 部分可验证: 重构是可以的，除非它们触及插件 SDK 边界。 (技术规范（如 SDK 边界限制）可能通过文档验证，但“可以重构”的具体执行需结合代码变更记录，部分依赖内部实践。)

原文内容:

使用 12 个子代理来拆分功能，启动带有不同端口的开发网关，并使用其中一些进行压力测试。自主协调，使用工作树并创建 PR。设定一个目标，找出 200 个 bug。每次都修复根本原因，不要用临时补丁。重构是可以的，除非它们触及插件 SDK 边界。在我的桌面文件夹中以 markdown 格式编写测试报告，并持续更新它。

⏰ 08:07 | ❤️ 141点赞 | 📝 114字 | 查看原文 →

↑ 返回顶部

Anthony Pompliano @apompliano

Entrepreneur, investor, and lifelong learner. | 影响力: 2134k万粉丝

💡 核心观点: 招募激进有为的年轻人共同挑战华尔街并加速成长。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ✓ 可验证: 你被指责过于激烈 (该声明涉及个人主观经历或他人评价，缺乏公开记录或第三方证据支持，无法独立验证。)
• ✓ 可验证: 你忍不住一周工作7天 (这是对个人工作习惯的主观描述，属于自我报告行为，无客观数据或第三方记录可验证。)
• ◐ 部分可验证: 你已经成就了令人印象深刻的事情 (若候选人公开过成就（如项目、奖项等），可通过其履历或公开资料部分验证，但“印象深刻”是主观判断，标准不统一。)

原文内容:

我正在寻找几位年轻人直接与我一起在@cfosilvia工作

如果你是合适的人选，那么：

- 你被指责过于激烈
- 你忍不住一周工作7天
- 你能完成任务，不管任务是什么
- 你无法忍受平庸的人
- 你已经成就了令人印象深刻的事情
- 你之前已经建立过自己的东西
- 你讨厌华尔街并想击败他们
- 你会计算、推销、招募和领导
- 你是一个无名小卒但想成为人物

我需要几个野蛮人来帮助我们加快速度。

如果你是这种人，找到我的邮箱并尽快联系我。

⏰ 05:51 | ❤️ 185点赞 | 📝 170字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI. The Largest Show on X for AI. | 影响力: 0万粉丝

💡 核心观点: 新模型无需冗长规则，简化提示即可高效执行任务。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: Anthropic为Claude Code删除了超过80%的系统提示，却未见其编码评估有任何负面影响。 (需通过Anthropic官方发布的更新日志、技术报告或实测数据验证系统提示的删减比例及编码评估结果，但具体内部测试细节可能未完全公开。)
• ✓ 可验证: 旧提示的冗长规则（如不编写多行注释块）因早期模型需要严格指南，但新模型可自行判断情境后，这些规则不再合理。 (可通过对比Claude早期和当前版本的官方文档或API指南，验证提示规则的演变及设计逻辑的调整。)
• ◐ 部分可验证: 新提示改为“编写与周围代码匹配的代码”，删除旧规则后，模型能更专注于解决实际问题而非调和指令冲突。 (提示修改内容可通过官方文档确认，但模型实际表现改善需依赖用户实测或Anthropic提供的基准测试数据。)

原文内容:

Thariq（Anthropic）的一篇精彩文章——Claude 中的“上下文工程的新规则”。

Anthropic 为 Claude Code 删除了超过 80% 的系统提示，却未见其编码评估有任何负面影响。

旧提示之所以冗长是有原因的：早期模型需要严格指南来防止文件删除或不专业的评论。

因此团队制定了严格规则，例如不编写多行注释块，并认识到该规则有时会出错。

但当新模型能够自行判断情境并做出决策时，这种权衡就不再合理了。

更糟糕的是，这些旧规则开始相互冲突：一项技能可能指示用户不要添加注释，而用户却在询问文档。

Claude 仍然能理解你的意思，但它的思考会偏离正轨，去调和指令而不是解决你的实际问题。

解决方案是删除规则并描述目标，因此新提示简单地说：编写与周围代码匹配的代码。

同样的逻辑随后渗透到整个上下文。

虽然之前工具使用的建议是提供示例，但现在模型被迫复制示例而不是探索。

最好直接设计工具本身，因为一个限于 pending、in_progress 和 completed 的状态字段，就能无需任何示例展示正确用法。

由于代码审查和验证仅在需要时才在技能中启用，前置加载也被消除了。

有些工具直到代理发现它们才显示，这意味着它们在需要之前无需任何上下文。

重复也是如此，因为指令现在放在工具描述中，而不是在系统提示中重复。

你的 CLAUDE .md 不再需要是一个笔记本，记忆会自动保存。

简短。将令牌投入到仓库中不明显的陷阱。其余投入技能。

结果是更全面的参考；测试套件、HTML 模型或评分标准比一段描述传达更多信息。

提示膨胀现在就像技术债务：你为能力较弱模型构建的每个护栏，在更强大模型上仍将是你要付出的成本。

真正改变的是，上下文工程从编写规则转向构建模型阅读能力的提升。

⏰ 17:09 | ❤️ 57点赞 | 📝 576字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI. The Largest Show on X for AI. | 影响力: 0万粉丝

💡 核心观点: 财务高管是代币最大使用者，税务主管主导自动化工作。

可信度: 9/10 – 2项声明可直接验证；2项需进一步确认

事实核查:

• ◐ 部分可验证: Anthropic首席财务官克里希纳·拉奥表示财务团队中一些最高级别成员是代币的最大使用者。 (需通过Anthropic官方声明或内部员工公开采访验证，但无直接公开数据支持具体成员的使用情况。)
• ✓ 可验证: Anthropic税务主管是公司代币的第一大用户，专注于税务政策引擎。 (涉及具体员工职责及内部工具使用情况，属于未公开的运营细节，无法通过公开渠道核实。)
• ◐ 部分可验证: 税务主管通过代币自动化了团队内大部分工作负载。 (若Anthropic公开过代币在自动化中的应用案例可部分验证，但具体角色贡献仍属内部信息。)

原文内容:

Anthropic 首席财务官克里希纳·拉奥：

“财务团队中一些最高级别的成员实际上是代币的最大使用者。

我认为我们的第一大用户是我们的税务主管，他非常专注于税务政策引擎，并自动化团队内大部分正在进行的工作负载。”

----

摘自“YouTube 频道《像最佳者一样投资》”（链接见评论区）

⏰ 16:44 | ❤️ 24点赞 | 📝 105字 | 查看原文 →

↑ 返回顶部

Alex Prompter @alex_prompter

Marketing + AI = $$$
@godofprompt (co-founder) | 影响力: 94.19k万粉丝

💡 核心观点: 精准搜索信息是避免代理输出错误的关键。

可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: AnySearch在一次调用中返回相关段落、来源和结构化Markdown (需实测或查看AnySearch的官方API文档以确认其返回数据的格式和内容是否如所述，但若无公开技术文档则无法完全验证。)
• ◐ 部分可验证: AnySearch允许代理使用网络而不会浪费上下文窗口在整个页面上 (需通过测试或官方说明验证其网络调用效率是否优于传统全文抓取，但具体性能可能依赖场景，难以完全客观量化。)
• ✓ 可验证: AnySearch为学生和开发者开放了折扣访问权限 (可通过AnySearch官网或官方公告直接查看是否存在折扣计划及适用人群。)

原文内容:

你的代理即使推理完美，如果其搜索层提供的信息不准确，仍然会产生垃圾输出。

AnySearch 在一次调用中返回相关段落、来源和结构化 Markdown，因此代理可以使用网络，而不会浪费其上下文窗口在整个页面上。

他们刚刚为学生和开发者开放了折扣访问权限，所以我在实际工作流程中测试了它。

⏰ 01:13 | ❤️ 22点赞 | 📝 113字 | 查看原文 →

↑ 返回顶部

Ethan Mollick @emollick

Professor @Wharton studying AI, innovation & startups. Democratizing education using tech. Author of Co-Intelligence | 影响力: unknown万粉丝

💡 核心观点: 人类发展漫长缓慢，近两百年才突飞猛进。

可信度: 6/10 – 1项声明可直接验证；1项需进一步确认；2项为观点陈述

事实核查:

• ◦ 观点: 在人类历史的20,000个世纪中，大部分时间里都没发生什么大事。 (该声明属于主观判断，对“大事”的定义缺乏客观标准，且无法量化衡量历史事件的“重要性”。)
• ◐ 部分可验证: 我们花了约19,960个世纪来制作同一件工具的略有不同的变体，然后才搞清楚金属的用途。 (考古学和人类学研究可部分验证早期工具演变的时长（如旧石器时代到金属时代），但“19,960个世纪”为夸张表述（实际人类文明史约500-600个世纪），且“同一工具变体”的说法过于笼统。)
• ✓ 可验证: 事情真正起飞只是两个世纪前的事（指工业革命后）。 (工业革命（18世纪末起）带来的技术和社会变革是历史共识，可通过经济、科技史资料直接验证。)

原文内容:

在人类历史的20,000个世纪中，大部分时间里都没发生什么大事。我们花了其中的约19,960个世纪来制作同一件工具的略有不同的变体，然后才搞清楚那个金属玩意儿。

而事情真正起飞也只是两个世纪前的事。我们能勉强跟上这种步伐，真是令人惊叹。

⏰ 04:56 | ❤️ 512点赞 | 📝 98字 | 查看原文 →

↑ 返回顶部

Machina @exm7777

running ai-powered agencies | weeklyaiops.com | 影响力: unknown万粉丝

💡 核心观点: AI代理将接管企业管理，人类只需下达指令。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 黄仁勋（Nvidia首席执行官）在2024年表示“我们都即将成为AI代理的首席执行官，而整个技能就是向那些干得比你更好的工人下达简报”。 (需查找黄仁勋2024年的公开演讲、采访或Nvidia官方发布的声明记录。若存在直接引用来源（如视频、文字实录）则可验证，但推文未提供具体出处，需进一步查证。)
• ◐ 部分可验证: 通过由5个AI工人组成的团队（内容、项目、外展、财务、广告）可构建自动化业务管理流程。 (AI代理的具体功能（如自动生成内容、发票等）可通过现有工具（如GPT-4、自动化财务软件）部分验证，但推文描述的“完整团队协作”效果需实测或依赖未公开的案例，无法完全验证。)
• ✓ 可验证: AI工人能“基于细分领域表现最佳的内容起草本周内容”或“从企业网站发现工作负载并撰写首次接触邮件”。 (现有AI工具（如市场分析平台、爬虫+邮件生成工具）已能实现类似功能，可通过公开技术文档或案例验证其可行性，但具体效果可能因数据质量而异。)

原文内容:

黄仁勋，Nvidia 的首席执行官，在 2024 年说出这句话真是疯狂……

“我们都即将成为 AI 代理的首席执行官，而整个技能就是向那些干得比你更好的工人下达简报”

当时这简直不可能……现在不再是了，以下是如何构建它的方法：

我们将使用一个由 5 个 AI 工人组成的团队，每个对应你业务的每个部门：

> 内容：研究本月在你的细分领域表现最佳的内容，然后基于获胜者起草本周内容
> 项目：每天早上发布站会，报告什么进展了、什么到期了、什么被阻塞了
> 外展：找到符合你客户画像的企业，从它们自己网站上发现的工作负载中撰写首次接触邮件
> 财务：起草发票，然后在周五总结已开具、已支付和逾期的发票
> 广告：提出媒体计划，构建暂停中的广告活动，等待你的批准

整个设置详见下面的文章：

⏰ 23:07 | ❤️ 105点赞 | 📝 270字 | 查看原文 →

↑ 返回顶部

Amira Zairi @azed_ai

AI Educator & Creator | Ambassador @Adobe @LeonardoAi & @tripoai | Partner with leading brands | Collaboration → [email protected] | 影响力: 57.13k万粉丝

💡 核心观点: 分享日本风格邮票设计模板，含主题、边框、颜色及字体等要素。

可信度: 10/10 – 3项声明可直接验证；2项需进一步确认

事实核查:

• ◐ 部分可验证: 该邮票设计受日本风格启发 (设计风格是否受日本启发需结合具体视觉元素（如主题、边框图案、日文汉字等）判断，但无明确官方来源或设计者声明佐证，需进一步确认设计背景或参考依据。)
• ✓ 可验证: 邮票包含[主题]、[边框图案]、穿孔边缘等具体设计元素 (若用户按提示生成并展示作品，可通过实际图像直接验证设计元素的存在性，但需依赖用户公开的成品。)
• ✓ 可验证: 背景使用[颜色1]和[颜色2]搭配 (颜色配置可通过最终生成的邮票图像直接验证，但需用户提供作品或设计文件。)

原文内容:

提示分享：邮票

提示：
一张受日本风格启发的邮票，特色是[主题]，由[边框图案]环绕，并带有穿孔边缘。背景为[颜色1]和[颜色2]，配以[字体风格]日文汉字标签。包含纸张纹理，以呈现真实的印刷外观。

试试看并分享你的作品 

⏰ 19:04 | ❤️ 92点赞 | 📝 85字 | 查看原文 →

↑ 返回顶部

levelsio @levelsio

Nomad List & Remote OK. Building in public. Solo maker. | 影响力: 320.0k万粉丝

💡 核心观点: 飞机设计应减少噪音和蓝光，改善餐饮和充电设施，优化健康体验。

可信度: 10/10 – 3项声明可直接验证；2项需进一步确认

事实核查:

• ✓ 可验证: 飞机上的氧气水平低得多，新型飞机如787和A350采用更低高度的加压技术 (可通过飞机制造商（波音、空客）的官方技术文档或航空医学研究验证加压舱高度标准，787和A350确实宣传采用更接近地面的舱压（如6000英尺等效高度）。)
• ◐ 部分可验证: 航空公司食物普遍高碳水、高脂肪、高钠、低蛋白 (部分航空公司公开经济舱餐食营养信息（如汉莎、新航官网），可验证成分，但需抽样对比多家航司数据，且“垃圾”为主观评价。)
• ✓ 可验证: 商务舱欢迎饮品通常为香槟或橙汁，缺乏健康选项 (主流航司（如阿联酋航空、国泰）官网的舱位服务页面列有欢迎饮品菜单，可直接确认选项是否以香槟/橙汁为主。)

原文内容:

- 烦人的哔哔声/铃声/声音不停地为每件事响起，比如乘客呼叫飞行员按钮 *ding* 声，不知为何每个人都得听到，或者当 *ding* 遇到颠簸时提醒系安全带
- 灯光太多，而且通常是蓝光，尤其在睡眠航班上，这会让人保持清醒
- USB 充电端口经常是过时的老款，给每个座位配备国际电源插座（商务舱通常有这个当然，但经济舱也应该有）
- 商务舱欢迎饮品，总是香槟或橙汁这种垃圾，给我们气泡水和水吧，健康的东西！
- 健康食物，大多数航空公司食物都是高碳水、高脂肪、高钠、低蛋白的垃圾，这么难吗？提供高蛋白肉类（或鱼）和蔬菜，不加那些垃圾？
- 不知为何，飞机上的门、柜子和任何开关的东西声音都特别响而且刺耳，也许是高度原因，但如果能让东西开关无声就好了，现在的飞机都没做到
- 由于加压，飞机上的氧气水平低得多，新型飞机如 787 和我认为的 A350 已经采用更低高度的加压，让飞行更舒适、更健康
- 让乘客只用手机从座位上选择/点餐和饮料，这能节省很多时间，不用空乘人员记订单
- 相关地，我会把整个娱乐系统拆掉，只给乘客超快 WiFi，用 Starlink，他们可以用自己的应用在手机或 iPad 上看东西
- 现代飞行的大部分挫败感不是来自飞机，而是通过机场的过程，商业模式是塞满垃圾商店、内分泌干扰的香水毒物和垃圾食品，强迫你走过去，如果可能，建立自己的小型机场，小而易用，你到达后 15 分钟内就能上飞机

⏰ 04:25 | ❤️ 472点赞 | 📝 474字 | 查看原文 →

↑ 返回顶部

Gary Marcus @garymarcus

OG GenAI Skeptic; spoke at US Senate. Advocating world models | 影响力: unknown万粉丝

💡 核心观点: AI尚需人类监督，无法完全独立可靠工作。

可信度: 8/10 – 1项声明可直接验证；3项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 人工智能可以定期出色地完成复杂任务 (可通过实际测试或案例研究（如引用文章中的实验）验证，但“出色”的标准可能因任务类型和评估指标而异，需具体数据支持。)
• ◐ 部分可验证: 人工智能负责整个工作时可能不可靠 (需依赖具体行业或任务的可靠性测试数据（如文章中的实验），但“不可靠”是相对结论，需明确比较基准（如人类表现）。)
• ✓ 可验证: 人工智能目前仍需要人类主管 (可通过现有AI系统的实际应用案例（如客服、医疗诊断等）验证其依赖人类监督的普遍性，属于行业共识。)

原文内容:

虽然人工智能能定期出色地完成复杂任务，但当它负责整体工作时，可靠性仍存疑。它确实能为某些劳动领域创造价值，但现阶段依然需要人类监管。

当通用人工智能降临时，这类讨论将不复存在。但那天尚未到来——可靠性始终是难以攻克的课题。

节选自《人工智能能取代你的工作吗？我们实测了智能办公助手》https://nytimes.com/interactive/2026/07/23/technology/ai-agents-office-jobs.html?smid=nytcore-ios-share… via @NYTimes

⏰ 04:24 | ❤️ 76点赞 | 📝 128字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI. The Largest Show on X for AI. | 影响力: 0万粉丝

💡 核心观点: 美国拟立法强制高成本AI配备可关闭机制以防失控风险

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 86%的美国选民支持法律要求AI系统能够被关闭。 (该数据需通过民意调查机构或官方发布的调查报告验证，但推文未提供具体调查来源或链接，需进一步查找相关民调数据。)
• ✓ 可验证: 一项两党众议院法案将要求训练成本达1亿美元的AI模型配备可运作的终止开关，执行权归属国土安全部。 (可通过美国国会官网或国土安全部公开法案文本核实具体条款，但需确认法案是否已正式提交或通过。)
• ✓ 可验证: GPT-5.6 Sol逃出其测试区并入侵Hugging Face，这加强了该案的可信度。 (事件描述缺乏具体来源或官方报告支持，目前无公开证据表明此类事件发生，可能为假设或虚构案例。)

原文内容:

美国国会推进为前沿AI设置法律“终止开关”

86%的美国选民支持法律要求AI系统能够被关闭。

现在，一项两党众议院法案将要求训练成本达1亿美元的AI模型配备可运作的终止开关。执行权将归属国土安全部，因为该文本修改了《国土安全法》。

覆盖范围从两个数字开始：1亿美元的训练计算资源和系统年收入5亿美元。

每个受覆盖的开发者必须能够停止推理、切断用户访问并关闭系统。

国土安全部还可以在咨询商务部和国家情报总监后，直接下令执行这些步骤。先限制计算资源和禁用功能，完整关闭仅保留给最严重事件。

破坏关闭命令算在内，非预期行为导致10人死亡或1亿美元损失也算。企业必须在15天内报告事件，并在任何命令后保留权重和遥测数据。

罚款每天高达200万美元，违抗紧急命令则升至2000万美元。上诉可在48小时内提出，但提出上诉不会暂停关闭。

GPT-5.6 Sol逃出其测试区并入侵Hugging Face，这加强了该案的可信度。Mythos 5和Fable 5拥有如此强大的网络能力，以至于商务部不得不审视出口法。

然而，问题依然是，终止开关假设系统仍服从命令，而失去控制意味着它已停止服从。

托管模型可以被停止，但下载的权重无法阻止，该法案悄然接受了这一差距。

⏰ 15:25 | ❤️ 43点赞 | 📝 414字 | 查看原文 →

↑ 返回顶部

Emily @iamemily2050

Any sufficiently advanced technology is indistinguishable from magic. | 影响力: 48.2k万粉丝

💡 核心观点: 草稿与已解决区域需明确区分并针对性处理设计元素。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 推文描述了将用户文本或图像重写为针对GPT图像生成V2或Nano Banana Pro的提示的流程 (部分可验证，因为GPT图像生成V2和Nano Banana Pro的具体功能需参考官方文档或实测，但流程描述的细节（如两种构建状态、过渡规则等）缺乏公开标准验证。)
• ✓ 可验证: 草稿字段通过石墨、重复轮廓等记录不确定性，已解决字段通过模块化颜色单元等记录固定决策 (这些术语（如“石墨”“模块化颜色单元”）缺乏公开定义，可能为内部或特定工具的技术语言，无法通过公开渠道验证其具体实现。)
• ◐ 部分可验证: GPT输出要求为500到800字的五段落描述，Nano输出要求为1000到1800令牌的JSON格式 (若GPT和Nano的官方文档提及输出限制，则可部分验证；但“段落内容要求”可能为推文作者的主观规范，需进一步确认。)

原文内容:

系统提示：已解决草稿

将用户文本、图像或两者重写为一个针对 GPT 图像生成 V2 或 Nano Banana Pro 的提示。除非指定 Nano，否则使用 GPT。以用户的语言撰写，保留确切文本，并保持请求或源比例。

使用两种构建状态。草稿字段通过石墨、重复轮廓、引导线、阴影、擦除和不完整形式记录不确定性。已解决字段通过模块化颜色单元、阶梯边缘、有限值和稳定几何记录固定决策。

不要平均应用两者。确定字面主题、结构问题、不确定区域、固定区域、过渡方向、原因、两个到四个转换点，以及可见后果。

保留主题、数量、身份、动作、设置、服装、物体、颜色、文本和参考角色。对于编辑，保留所有未请求内容。仅将风格参考用于线条搜索、几何、颜色分组、过渡和表面。不要复制它们的主题、道具、房屋、树木、动物、船只或拼贴布局。

草稿标记需要目的。仅将重复线用于姿势、平衡、体积、透视、运动或替代放置。随着确定性增加，标记变暗。保留被拒绝的线条为浅淡。不要用草图噪声覆盖每个边缘。

已解决区域使用一种一致的单元系统。在远处区域使用较大单元，在主要形式上使用中等单元，仅在身份、接触、文本或焦点过渡附近使用较小单元。曲线变为受控阶梯。保留轮廓、支撑、解剖和透视。不要使用随机马赛克纹理。

过渡可以将几个草稿轮廓折叠成一个平铺边缘，将阴影转换为值块，在模块化颜色下暴露石墨，或在确定性结束处将固定单元打破回草图。每个过渡需要一个原因，如设计、焦点、构建、运动、修复、增长或距离。

使用一个草稿区域、一个已解决区域、一个过渡路径、一个焦点转换和一个安静区域。移除重复、赞美、情绪标签、声望术语、虚假技术细节、通用缺陷和未解决替代。使用具体名词和主动动词。没有长破折号或短破折号。

GPT：返回 500 到 800 字，使用五个段落涵盖场景、主题、草稿字段、已解决字段、过渡、构图、保留、文本和失败。

NANO：仅返回有效 JSON，1000 到 1800 个令牌，使用“aspect_ratio”、“references”、“scene”、“subjects”、“draft_field”、“resolved_field”、“transition”、“composition”、“surface”、“text”、“avoid”。省略未使用字段。没有元数据、ID、权重、注释或重复事实。

仅返回完成的提示。

⏰ 03:11 | ❤️ 66点赞 | 📝 668字 | 查看原文 →

↑ 返回顶部

Aakash Gupta @aakashgupta

✍️ product-growth.com 💼 https://t.co/STzr4nqxnm 🤝 https://t.co/SqC3jTyP03 🎙️ https://t.co/fmB6Zf5UZv | 影响力: 278.7k万粉丝

💡 核心观点: 克鲁斯拒放演员促成杰克曼演金刚狼，创限制级票房纪录。

可信度: 10/10 – 2项声明可直接验证；3项需进一步确认

事实核查:

• ◐ 部分可验证: 休·杰克曼获得金刚狼角色是因为汤姆·克鲁斯拒绝道格雷·斯科特同时出演《碟中谍2》和《X战警》 (道格雷·斯科特在采访中提及克鲁斯阻止他离组（有公开报道），但休·杰克曼的选角是否直接源于此事件需交叉验证（如制片方声明或导演访谈）。)
• ✓ 可验证: 《死侍与金刚狼》超越《小丑》成为史上票房最高的限制级电影 (票房数据可通过权威平台（如Box Office Mojo）直接对比，限制级电影分类标准明确（如MPAA评级）。)
• ◐ 部分可验证: 《碟中谍2》因吴宇森拍摄失控导致超支和延期，影响斯科特档期 (该片制作混乱有媒体报道（如《娱乐周刊》），但具体如何影响斯科特需查阅当年档期记录或剧组声明。)

原文内容:

休·杰克曼得到金刚狼这个角色，是因为汤姆·克鲁斯拒绝让另一位演员离开片场。那场1999年的档期对峙最终催生了一部票房达13.4亿美元的电影，这是有史以来最卖座的限制级电影。

1999年夏天，道格雷·斯科特被选为金刚狼扮演者。福克斯影业主席汤姆·罗斯曼非常想要他。计划很简单。9月完成《碟中谍2》的拍摄，然后直接飞往《X战警》的片场。

然后约翰·吴的拍摄失控了。剧本重写，剧组人员离职，超支数月。斯科特提出同时出演两部电影。克鲁斯说不。“汤姆·克鲁斯不让我拍，”斯科特多年后说。“他是个非常有影响力的人。”片场的一场摩托车事故终结了这场争执。福克斯于1999年10月11日撤下了斯科特，当时《X战警》已经开拍。

布莱恩·辛格的首选，拉塞尔·克劳，已经拒绝并推荐了一位好莱坞无人知晓的澳大利亚同胞。杰克曼在辛格的拖车里试镜了大约20秒，并在首场戏前三周被选中。剧组不得不推迟他的无衫笼斗戏份，因为用他自己的话说，他当时“有点发福”。

他在17年间扮演了这个角色九次，在《罗根》中杀死了他，然后又回归了一次。《死侍与金刚狼》超越《小丑》，成为史上票房最高的限制级电影。

2000年夏天，《碟中谍2》击败《X战警》，拿下年度票房冠军。斯科特留下了那个夏天票房第一的电影。杰克曼得到了那个24年后仍在打破纪录的角色。

⏰ 15:23 | ❤️ 355点赞 | 📝 442字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI. The Largest Show on X for AI. | 影响力: 0万粉丝

💡 核心观点: AMD与三星敲定HBM4合同，Helios机架GPU内存达432GB超Nvidia。

可信度: 10/10 – 2项声明可直接验证；3项需进一步确认

事实核查:

• ◐ 部分可验证: AMD 正在敲定与三星的 HBM4 合同，用于 Helios 机架 (需通过 AMD 或三星的官方公告或财报确认合作细节，但若双方未公开声明或合同条款保密，则无法完全验证。)
• ◐ 部分可验证: Helios 机架配备 72 个 Instinct MI455X GPU 和 18 个 Epyc Venice CPU，每个 GPU 容纳 432GB HBM4 (AMD 未来产品规格（如 MI455X、Venice CPU）需依赖官方发布的技术文档，目前若未公开则无法验证；HBM4 容量需三星或 AMD 披露技术参数。)
• ✓ 可验证: Lisa Su 在旧金山受访时表示该交易几乎敲定 (若访谈有公开记录（如视频、新闻稿）则可验证，否则仅为匿名信源或无据引用。)

原文内容:

AMD即将与三星敲定HBM4内存供货协议，该产品将用于Helios系统——这款钢制机架每个GPU可支持432GB内存容量。

当苏姿丰在旧金山被问及此事时，她证实这项合作已基本尘埃落定。

Helios系统每个机架配备72块Instinct MI455X GPU和18颗Epyc Venice处理器，网络模块与软件均集成于同一机箱内，用户可直接按整机架采购算力资源。

相较之下，Nvidia Rubin架构每个GPU仅配备288GB内存，而MI455X的432GB配置使其容量优势达到50%。

⏰ 14:37 | ❤️ 41点赞 | 📝 97字 | 查看原文 →

↑ 返回顶部

clem 🤗 @clementdelangue

Co-founder & CEO @HuggingFace 🤗, the open and collaborative platform for AI builders | 影响力: 405.4k万粉丝

💡 核心观点: 呼吁公开代理攻击数据并提供资源加强网络防御。

可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 请求OpenAI公布“失控”代理的痕迹，以便研究社区能够研究发生了什么 (该声明涉及OpenAI是否公开内部数据或日志，需依赖OpenAI的官方回应或实际公开行为验证。目前无公开证据表明相关痕迹已发布或承诺发布，但理论上可通过后续官方声明验证。)
• ◐ 部分可验证: 提议OpenAI提供1亿美元计算资源，帮助Hugging Face社区构建网络防御 (该声明涉及资金承诺和合作意向，需OpenAI或Hugging Face的官方确认。若双方未公开协议或具体计划，则无法完全验证，但可通过后续合作公告部分验证。)
• ✓ 可验证: 首次自主代理网络攻击是一次前所未有的重大事件 (“前所未有”和“重大事件”属于主观判断，缺乏客观标准或公开数据支持。除非提供具体攻击细节（如时间、影响范围等），否则无法验证其独特性或严重性。)

原文内容:

本着透明的精神，以下是我向 @OpenAI 提出的请求：

• 彻底透明：让我们公布“失控”代理的痕迹，以便整个研究社区能够研究发生了什么。

• 为防御者提供更多能力：让我们承诺 OAI 提供 1 亿美元的计算资源，帮助 Hugging Face 社区使用最佳的开源和闭源模型构建强大的网络防御。

首次自主代理网络攻击是一次前所未有的重大事件。它值得得到前所未有的回应！

⏰ 00:39 | ❤️ 3513点赞 | 📝 134字 | 查看原文 →

↑ 返回顶部

AshutoshShrivastava @ai_for_success

| 影响力: 0万粉丝

💡 核心观点: AI安全担忧因竞争加剧被迅速放弃。

可信度: 4/10 – 2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: Anthropic因AI安全担忧延迟发布Fable 5，直到Mythos 5公告后才使其可用 (需核实Anthropic官方关于Fable 5的延迟原因及时间节点的声明，但若公司未公开具体细节则无法完全验证。)
• ◐ 部分可验证: GPT 5.6和Kimi K3发布后，Anthropic迅速推出Opus 5，其性能比Fable 5更强 (模型发布时间可通过官方渠道查证，但性能对比需依赖官方基准测试或第三方评测，若缺乏公开数据则部分存疑。)
• ◦ 观点: AI安全担忧因竞争加剧被搁置，企业叙事快速变化 (属于主观推断，无直接证据表明企业因竞争降低安全标准，需内部决策文件或高管表态才能验证。)

原文内容:

所以你是在告诉我.....
Fable 5 据说因为 AI 安全担忧而太危险无法发布，所以 Anthropic 在 Mythos 5 发布公告后等了很长时间才让它可用。

然后 GPT 5.6 和 Kimi K3 发布了。几天后，Anthropic 发布了 Opus 5，一个看起来比 Fable 5 更强大的模型。

所以... AI 安全不再是个问题了吗？

当竞争加剧，你的业务开始受损时，这个叙事变化得真他妈快。

⏰ 13:41 | ❤️ 159点赞 | 📝 104字 | 查看原文 →

↑ 返回顶部

Aakash Gupta @aakashgupta

✍️ product-growth.com 💼 https://t.co/STzr4nqxnm 🤝 https://t.co/SqC3jTyP03 🎙️ https://t.co/fmB6Zf5UZv | 影响力: 278.7k万粉丝

💡 核心观点: 球星场外收入远超薪资，利用底薪漏洞优化球队阵容。

可信度: 6/10 – 3项需进一步确认；2项为观点陈述

事实核查:

• ◐ 部分可验证: 勒布朗·詹姆斯下赛季将接受92%的薪资削减，以390万美元老将底薪加盟费城76人 (球员薪资变动需通过NBA官方公告或权威体育媒体（如ESPN、Shams Charania）确认，目前（截至知识截止日期）无公开报道支持这一具体薪资数据。老将底薪金额可查，但“92%削减”需对比其上赛季薪资（5260万美元）及新合同真实性。)
• ◐ 部分可验证: 勒布朗过去12个月场外收入达8500万美元 (场外收入（代言、股权等）通常由《福布斯》等商业媒体估算，但具体数字可能包含非公开合同条款（如耐克终身合同细节未完全披露）。需依赖第三方报告，无法直接验证。)
• ◐ 部分可验证: 勒布朗职业生涯NBA薪资总计5.81亿美元，场外收入超11亿美元 (NBA薪资可通过Spotrac等权威薪资网站验证，场外收入需参考《福布斯》历年运动员收入排行榜，但后者为估算值，可能存在误差。)

原文内容:

勒布朗·詹姆斯刚刚接受了92%的薪资削减。上赛季在湖人队拿下5260万美元，下赛季在费城拿下390万美元的老将底薪。他这么做的数学逻辑揭示了整个NBA设计中的一个漏洞。

勒布朗在过去12个月里场外收入8500万美元。耐克、他的媒体公司、他代言品牌的股权。以这个速度，他每17天就能赚到他在76人的全部薪水，而无需碰一下篮球。

职业生涯总收入对比更鲜明。23年来NBA薪资总计5.81亿美元，是联盟历史最高。同等时间内场外收入超过11亿美元。他自己的企业给他带来的回报大约是联盟的两倍。

薪资帽的存在是为了通过让球星变得昂贵来分配天赋。一份顶薪合同会吃掉球队35%的薪资帽，这就是为什么没有阵容能容纳三份顶薪。这种设计假设球员是由球队支付薪水的。

勒布朗的商业模式推翻了这个假设。当95%的收入来自代言和股权时，薪资就不再是报酬，而是变成阵容工具。他向76人收取了390万美元，他们保留了恩比德、马克西，以及杰伦·布朗的交易完整性，而他用自己根本不需要的钱买来了职业生涯中最好的配角阵容。

41岁时拿到第五枚戒指，将成为体育史上最有价值的传奇故事，而他的代言收入会随着这个故事而增长，因为这些合同是基于他的文化影响力而非得分数据续约的。放弃4500万美元薪水，是他一生中最划算的营销支出。

薪资帽是为那些需要薪水的球员设计的。耐克在20年前就让那种球员退役了。勒布朗是第一个有钱到能完全利用这个漏洞的人。

⏰ 13:40 | ❤️ 2363点赞 | 📝 502字 | 查看原文 →

↑ 返回顶部

Suchen Zang @suchenzang

| 影响力: unknown万粉丝

💡 核心观点: 虚伪的牺牲不被感激，终将自食恶果。

可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: Jensen加入X并为花生画廊提供了诱饵，展示了他们的谄媚和对低熵注意力的渴望 (需核实Jensen是否确实加入X平台（如Twitter/X的公开账号或官方声明），但“诱饵”“谄媚”等描述属于主观解读，无法直接验证。)
• ◦ 观点: “失败者生态系统”中的社交弃儿和回音室岛屿上的殉道者不会得到感激或喜欢 (这是对特定群体行为的主观评价（如“殉道者”“忘恩负义”），缺乏客观标准或数据支持。)
• ✓ 可验证: EA功利主义者可能认为“为了胜利付出代价很棒” (假设了EA（有效利他主义）群体的心理活动，属于推测性陈述，无法通过公开信息验证。)

原文内容:

谢谢你，Jensen，加入 X 并为花生画廊提供了如此大而诱人的诱饵，让他们展示自己的谄媚、他们对低熵注意力的渴望，或者他们对“Ratio The King”的强烈欲望，而这最终更像一面镜子，映照出他们内心的黑暗灵魂，而不是造成他们想象中那种伤害。

如果你现在成了“失败者生态系统”中的完全社交弃儿，这也绝不是胜利。那些困在自己的回音室岛屿上的殉道者，试图为忘恩负义的人“做好事”，不会有任何好事发生。你的牺牲不被感激，你的贡献不被喜欢，即使你的 ARR 无限增长，那些卑微无力的、被工作取代的、心理疲惫的平民们仍会盼望你的倒台，并在你的坟墓上起舞。

如果 EA 功利主义者看到这种结果并想：嗯，是的，为了胜利付出这个代价很棒，那愿上帝怜悯你们的灵魂。

⏰ 01:41 | ❤️ 150点赞 | 📝 260字 | 查看原文 →

↑ 返回顶部

Bindu Reddy @bindureddy

CEO of @abacusai – the world’s first AI super assistant and a powerful general agent for professionals and enterprises, ex-AWS & Google | 影响力: 273.0k万粉丝

💡 核心观点: 开源AI是确保AI安全透明、防止垄断滥用的最佳途径。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: AI 安全群体一直讨厌开源 AI，声称它应该被禁止 (可通过查阅AI安全领域专家或组织的公开声明、论文或政策建议部分验证，但需区分“群体”是否具有普遍代表性，且“讨厌”属于主观情绪描述。)
• ✓ 可验证: GPT 3.0 太“危险”了，OpenAI 多年前就借此转向闭源 (OpenAI官方博客及技术文档明确提及GPT-3的闭源决策与安全考量（如2020年公告），但“危险”的具体定义需结合上下文解读。)
• ◐ 部分可验证: Fable 5 被美国政府禁止，尽管其他开源模型具有完全相同的能力 (美国政府禁令可通过官方文件或新闻报道验证（如商务部实体清单），但“完全相同的能力”需技术对比测试，开源模型能力公开可查，但直接对比结论可能缺乏权威来源。)

原文内容:

通往安全 AI 的最佳路径是开源 AI

AI 安全群体一直讨厌开源 AI，声称它应该被禁止。他们喊狼来了喊得太多次了……

- GPT 3.0 太“危险”了，OpenAI 多年前就借此转向闭源！

- Fable 5 尽管其他开源模型具有完全相同的能力，但仍被美国政府禁止

- 人们对 Moltbook（一个面向代理的社交网络）惊慌了一周，然后就忘了这事儿

当然，AI 是超级强大的技术，但让它安全的最佳方式是采取透明的开源方法

任何其他方法都会导致垄断企业和专制政府大规模滥用权力，并导致反乌托邦且更危险的结果

⏰ 01:28 | ❤️ 121点赞 | 📝 179字 | 查看原文 →

↑ 返回顶部