【AI 英文奏折】2026年07月28日

共收录 20 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. Suchen Zang: 核心观点总结中…
2. Bindu Reddy: 核心观点总结中…
3. Riley Brown: 核心观点总结中…
4. Rohan Paul: 核心观点总结中…
5. Rohan Paul: 核心观点总结中…
6. Rohan Paul: Anthropic反对禁止开放模型但担忧滥用，支持加强芯片管制和风险测试。
7. Aakash Gupta: 富人剥削穷人直播牟利，平台纵容抽成产业链。
8. Sam Hogan: 使用Kimi K3可安全评估并节省50%成本。
9. Santiago Valdarrama: Hyperagent提供云端智能代理，无需配置即可学习技能并集成多工具。
10. Aakash Gupta: 旅客因手机预设安全功能遭起诉，政府滥用法律追责。
11. Aakash Gupta: 巨星为家庭和事业选择高额通勤费，薪资已非首要考量。
12. Emily: 推文介绍三种图像处理系统及其使用规则。
13. jack friks: 伟大源于日积月累的微小进步。
14. Aakash Gupta: 核心观点总结中…
15. Rohan Paul: AI通过技能库自生成验证任务提升训练效果。
16. AshutoshShrivastava: MemU更新实现跨设备记忆管理，AI随记忆增长更智能个性化。
17. Ethan Mollick: 游戏展现巨大未知降临的平静末日感。
18. Aakash Gupta: 地铁警示牌意外达成文学创作高难度双重要求。
19. Rohan Paul: 使用实证方法优化模型，避免过度设计。
20. Santiago Valdarrama: 身体快速适应训练但需持续努力以防退步。

---

📖 详细内容

Suchen Zang @suchenzang

| 影响力: unknown万粉丝

💡 核心观点: 核心观点总结中…

可信度: 8/10 – 1项声明可直接验证；2项需进一步确认；2项为观点陈述

事实核查:

• ◐ 部分可验证: 达里奥对打击中国的表态比以往更温和 (需对比达里奥过往公开言论或采访记录，但需依赖第三方报道或分析，可能存在解读差异。)
• ◐ 部分可验证: 美国芯片制裁正在奏效，导致中国开放前沿落后于美国封闭前沿 (需查阅中美半导体产业数据及制裁政策影响分析，但结论可能因立场或数据来源不同存在争议。)
• ✓ 可验证: 中国存在工业规模的蒸馏间谍活动，威胁技术护城河 (指控涉及未公开情报或模糊表述（如“蒸馏间谍”），缺乏具体证据或官方确认。)

原文内容:

这实际上是达里奥迄今为止对打击中国最温和的表态了。

简单地加上几句“不仅仅针对中国”的限定条件，已经比迄今为止关于中国所说的一切要好得多（尽管这看起来像是有人在指导公关机器，而不是某种真诚的让步）。

这一切仍然是自欺欺人，但至少有了一些微乎其微的方向调整。或许与kimi有关？还是中国DUV进展的传闻？不管怎样，重申美国封闭前沿领先于中国开放前沿，因为芯片制裁正在奏效，这当然是一种观点。

哦，还有别忘了工业规模的蒸馏间谍活动。非常糟糕，非常危险，护城河就这么没了。真可惜AGI无法阻止自己被偷走。

⏰ 06:40 | ❤️ 218点赞 | 📝 214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: 核心观点总结中…

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: 根据需求使用最佳LLM（如Kimi K3用于中等难度代理任务，GPT 5.6 sol用于设计等） (部分模型名称（如GPT 5.6 sol、Fable 5）未公开或版本号存疑，需实测性能对比；已知模型（如Suno、11Labs）可验证其存在，但“最佳”需依赖具体任务指标。)
• ✓ 可验证: ChatLLM可自动路由任务至最适合的模型 (未提供ChatLLM的技术实现或路由逻辑证据，且“最适合”缺乏客观标准，属于未公开的功能宣称。)
• ◦ 观点: 单一AI处理所有任务毫无意义 (基于主观效率或效果判断，无具体数据支持，属于策略性观点而非事实陈述。)

原文内容:

把所有任务交给单一 AI 毫无意义……根据你的需求使用最佳 LLM

agentic (medium) - Kimi K3
design - GPT 5.6 sol
research - Flash 3.5
agentic (hard) - Fable 5
pdf - Grok 4.5
image - GPT 2.0
video - Seedance 2.0
voice - Hume / 11Labs
role play - Grok 4.5
music - Suno
always-on - Deepseek Flash

在一个地方使用所有最佳模型，并自动路由到最适合的那个，ChatLLM

⏰ 14:44 | ❤️ 217点赞 | 📝 48字 | 查看原文 →

↑ 返回顶部

Riley Brown @rileybrown

YouTuber, Builder, Educator | Weekly show @agentnative_ | Building autonomous agents | 影响力: 214.0k万粉丝

💡 核心观点: 核心观点总结中…

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: 用户可以使用vibecode直接创建一个完全按照自己想法运行的桌面应用 (需验证vibecode工具是否存在及其功能是否支持无命名、无定义的快速开发，但缺乏具体工具官网或公开文档链接。)
• ✓ 可验证: 用户通过自建应用结合excaladraw演示功能并扩展了AI图像生成功能（5.6 sol） (涉及个人开发流程和未公开的AI功能集成细节（如“5.6 sol”含义不明），无公开代码或演示可供验证。)
• ◐ 部分可验证: 用户声称其应用能一键生成YouTube缩略图 (若应用已公开，可通过实测验证功能；但推文未提供应用名称或访问方式，需进一步确认。)

原文内容:

还是不敢相信我可以直接 vibecode 一个桌面应用，它完全按照我的想法运行。我不需要给它命名，不需要定义它、营销它、解释它……它就是完全按照我想要的方式运行。它是我的。

我用这个我新做的应用，通过 excaladraw 上的演示来解释事情……然后我想，如果我也能做 YouTube 缩略图就好了……所以我让 5.6 sol 添加了 AI 图像生成功能，一次搞定，现在我就能做了。

⏰ 09:32 | ❤️ 302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: 核心观点总结中…

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: 本地托管的 Kimi K3（8X B300s）在三个基于浏览器的碰撞场景中产生了最令人信服的物理效果。优于 GPT 5.6 (需实测验证物理效果是否”最令人信服”及是否优于其他模型，但测试方法和结果未公开具体数据或视频演示。)
• ✓ 可验证: 测试在 atomic[.]chat 上进行，这是一个在本地运行 LLM 的桌面应用 (可通过访问 atomic[.]chat 官网或应用文档确认其是否为本地运行 LLM 的桌面应用。)
• ◐ 部分可验证: Kimi K3 输出消耗 32.7K 令牌，成本 $0；GPT 5.6 消耗 19.2K 令牌，成本 $0.30 (需通过相同测试复现令牌消耗数据，但成本可能因本地/云端部署差异而变化（如本地托管成本可能不直接显示）。)

原文内容:

本地托管的 Kimi K3（8X B300s）在三个基于浏览器的碰撞场景中产生了最令人信服的物理效果。优于 GPT 5.6

测试是在 atomic[.]chat 上进行的，这是一个在本地运行 LLM 的桌面应用。

每个模型都必须生成一个独立的 HTML 模拟，因此测试结合了编码、3D 场景设计和物理引擎配置。

提示：
– 一辆怪兽卡车压碎一排汽车
– 两辆汽车跳过峡谷并在半空中迎头相撞
– 一个巨大的铁砧掉落测试，一次压扁一辆汽车

输出：
– Kimi K3（本地）：32.7K 令牌，$0
– GPT 5.6：19.2K 令牌，$0.30
– Grok 4.5：55.2K 令牌，$0.45
– GLM 5.2：66.8K 令牌，$0.15

这些是非常艰难的实验，模型必须创建几何形状、分配质量和约束、排序碰撞、更新对象状态、管理相机，并将整个场景保持在一个独立的单个文件中运行。

Kimi K3 处理这个循环最好，特别是当损伤需要在碰撞后持续存在时。

⏰ 05:54 | ❤️ 146点赞 | 📝 241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: 核心观点总结中…

可信度: 8/10 – 2项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: Emblem 能在 35 分钟内完成 80 页幻灯片，相当于传统方式下类似工作需要 100 小时。 (可通过实测或官方演示验证效率，但“传统方式需 100 小时”可能因具体工作流程差异而难以直接对比。)
• ✓ 可验证: Emblem 的财务演示文稿支持从幻灯片声明追溯回原始文件或记录，增强可观测性。 (功能描述具体（如第 47 页的追溯路径），可通过产品演示或官方文档验证其数据连接机制。)
• ✓ 可验证: Emblem 支持 OpenAI、Claude、Gemini、Grok 和 DeepSeek 等多种模型。 (集成名单明确，可通过官方技术文档或 API 支持列表直接确认。)

原文内容:

AI 不再只是辅助 PowerPoint 了。它正在制作演示文稿。

另一个严肃的产品，用于从 PowerPoint 幻灯片组装中移除人类瓶颈。

Emblem 刚刚推出，并声称能在 35 分钟内完成 80 页幻灯片。  
相当于传统方式下类似工作需要 100 小时。

在财务演示文稿中，引用更接近于可观测性。它们揭示了从第 47 页幻灯片上的声明追溯回生成它的文件或记录的路径，这为审阅者提供了当数字看起来不对劲时可以具体检查的地方。

Emblem 将这种追溯带入 PowerPoint 本身。演示文稿是从数据室生成的，并保持与用于构建它的证据的连接。

Emblem 支持 OpenAI、Claude、Gemini、Grok 和 DeepSeek，因此它的记忆和控制系统承载的责任比任何单一模型都要多。

⏰ 00:31 | ❤️ 72点赞 | 📝 213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: Anthropic反对禁止开放模型但担忧滥用，支持加强芯片管制和风险测试。

可信度: 8/10 – 2项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

• ✓ 可验证: Anthropic不支持对开放权重模型进行全面禁止 (可通过Anthropic官网或Dario Amodei的博客文章直接验证其官方立场。)
• ◦ 观点: Amodei的主要担忧是威权政府利用开放/封闭模型增强军事、监控或镇压能力 (属于CEO的主观风险评估，无法通过客观数据直接验证，但可通过其历史言论或博客内容间接佐证。)
• ✓ 可验证: Anthropic支持加强对中国出口先进芯片和制造设备的管制 (可通过官方声明或政策倡导文件验证其立场，例如美国商务部相关提案或Anthropic公开报告。)

原文内容:

Dario Amodei，Anthropic CEO 刚刚发布了备受期待的博客文章。“我们对开放权重模型的立场”

- Anthropic 不支持对开放权重模型进行全面禁止。

- Amodei 的主要担忧是威权政府利用这些模型构建更强大的军事、监控或镇压能力，无论模型是否开放。

- 强大的开放权重模型会带来更高的滥用风险，因为防护措施可以被移除，而且已发布的权重无法被召回。

- Anthropic 支持加强对先进芯片和芯片制造设备向中国出口的管制。
它还希望采取行动打击工业规模的蒸馏行为，这种行为允许以远少得多的计算资源廉价复制模型能力。

- 所有足够强大的模型，无论是开放的还是封闭的，都应在发布前强制进行网络、生物和对齐风险测试。

⏰ 06:24 | ❤️ 101点赞 | 📝 232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: 富人剥削穷人直播牟利，平台纵容抽成产业链。

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: TikTok 从叙利亚难民营直播中乞讨的儿童收到的捐款中抽取高达 70%。 (BBC 的调查报道可作为部分依据，但需核实 TikTok 官方抽成政策及具体案例的财务流向。平台抽成比例可能因地区、支付方式等差异而变动，需进一步数据支持。)
• ◐ 部分可验证: 直播每小时能赚取高达 1000 美元，不到五分之一的钱到达了屏幕上的家庭。 (BBC 的追踪数据（如账户收益统计）提供部分依据，但“家庭实际所得比例”涉及中间环节的隐蔽性，需独立审计或更多受害者证词验证。)
• ✓ 可验证: 中间商从 TikTok 抽成后剩余的钱中拿走 35%，货币兑换商再拿走 10%。 (中间商分账比例依赖匿名信源或隐蔽交易，无公开记录；TikTok 和第三方支付链条的透明度不足，难以直接验证。)

原文内容:

富人付费观看穷人挣扎的反乌托邦已经到来。TikTok 从叙利亚难民营直播中乞讨的儿童收到的捐款中抽取高达 70%。BBC 追踪了 300 个账户五个月。直播每小时能赚取高达 1000 美元。不到五分之一的钱到达了屏幕上的家庭。

中间商像经营产业一样运作。他们为难民营提供手机、SIM 卡和照明，然后从 TikTok 抽成后剩余的钱中拿走 35%。最近城镇的一个货币兑换商再拿走 10%。家庭每天直播数小时，孩子们在镜头前，因为向另一个大陆的陌生人乞讨的收入超过了营地里的每份工作。

BBC 通过 TikTok 应用内系统报告了其中 30 个账户。审核员在任何一个账户中都没发现违规。这些账户只有在记者联系新闻办公室后才被下架。剥削违反了规则。收入显然没有。

这种胃口早于这个应用。2019 年，TripAdvisor 将孟买贫民窟 Dharavi 的步行游评为印度所有体验中的第一名，这个贫民窟将 100 万人挤进 2.1 平方公里。泰姬陵没上榜。在旺季，每天约 200 名游客支付每人 10 美元参加步行游。

电影需要一根玻璃管来让旁观者感到自己像怪物。现实通过手机摄像头运行同样的产品。一名观众将一只 500 美元的动画狮子点到屏幕上。当它离开玻璃管时，只剩下 155 美元。

⏰ 12:37 | ❤️ 24点赞 | 📝 389字 | 查看原文 →

↑ 返回顶部

Sam Hogan @samhogan

CEO @inference_net | 影响力: unknown万粉丝

💡 核心观点: 使用Kimi K3可安全评估并节省50%成本。

可信度: 8/10 – 1项声明可直接验证；4项需进一步确认

事实核查:

• ◐ 部分可验证: 安装 Inference Gateway (http://docs.inference.net) 可帮助在生产环境中试用 Kimi K3 (可通过访问提供的链接（http://docs.inference.net）验证是否存在 Inference Gateway 的文档及其功能描述，但实际效果需实测确认。)
• ◐ 部分可验证: Gateway 会自动使用 RLM 筛选实时数据并生成评估，耗时约 24 小时 (RLM 技术和评估流程可能需依赖官方文档或技术白皮书验证，但“24 小时”的具体时间可能因数据量或环境差异而变化，需实测确认。)
• ◐ 部分可验证: Gateway 会镜像实时流量到 Kimi K3，生产环境仍使用旧模型 (镜像流量的技术逻辑可通过官方文档或技术说明验证，但实际执行是否无风险需依赖实测或用户反馈。)

原文内容:

想在生产环境中试用 Kimi K3，但担心它会如何改变你的产品？

别担心，我们来帮你：

1. 安装 Inference Gateway (http://docs.inference.net)
2. 继续将流量发送到你当前的提供商
3. Gateway 会自动开始使用 RLM 筛选你的实时数据，为你的应用生成评估。这大约需要 24 小时。
4. Gateway 开始将实时流量镜像到 Kimi K3 以运行评估。流量是镜像的——你在生产环境中仍然使用旧模型。
5. 一旦评估结果看起来健康，你会收到 Slack 通知，告知你可以安全切换。
6. 在你的代码中将模型 ID 切换为 “kimi-k3”

恭喜，你刚刚节省了 50% 的月度令牌账单，并且你完全掌控了你的 LLM 技术栈。

⏰ 12:29 | ❤️ 48点赞 | 📝 179字 | 查看原文 →

↑ 返回顶部

Santiago Valdarrama @svpino

| 影响力: unknown万粉丝

💡 核心观点: Hyperagent提供云端智能代理，无需配置即可学习技能并集成多工具。

可信度: 1/10 – 基于事实核查结果综合评估

事实核查:

• ✗ 无法验证: 验证状态**：partially verifiable
• ✗ 无法验证: 说明**：功能列表（如API学习、浏览器支持等）可通过官网或文档验证，但实际效果（如学习能力、生成质量）需实测确认。
• ✗ 无法验证: 验证状态**：verifiable

原文内容:

Hyperagent 很棒，如果你想要代理而无需处理配置、服务器或任何复杂性。

你不需要 Mac Mini 或服务器。

每个代理都在云端运行，在其自己的隔离且安全的环境中。

你将获得：

1. 将任何新 API 作为技能学习的能力
2. 浏览器支持
3. 代码执行
4. 图像和视频生成
5. 与数百种工具的集成

尽管简单，但我认为他们最好的差异化在于这些代理学习新技能的能力。

基本上，你可以教一个代理你的公司如何做营销，它将永远不会忘记你的规则和流程。

显然，它还允许你一键将代理部署到 Slack，这样每个人都可以使用它们。你甚至不需要提到它们，因为它们会关注聊天，并在必要时采取行动。

我构建了一个简单的代理，让我可以将任何消息翻译成法语。我在 Slack 上安装了它，每次我 ping 它，它都会给我翻译。最多花了我 10 分钟。

⏰ 00:05 | ❤️ 273点赞 | 📝 269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: 旅客因手机预设安全功能遭起诉，政府滥用法律追责。

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: 一名联邦特工在亚特兰大机场输入旅客手机的胁迫PIN导致手机自毁，司法部以“销毁财产以防止扣押”（美国法典第18篇第2232节）起诉该旅客。 (事件核心事实（特工输入代码、手机自毁、起诉罪名）可通过司法部公开起诉文件或法庭记录验证，但需确认具体案件细节（如被告姓名、起诉书内容）。GrapheneOS的胁迫PIN功能可验证（官网文档），但特工是否知情或操作过程需依赖现场记录或证人证词。)
• ◐ 部分可验证: 法律专家称从未见过第2232节法规被用于针对手机安全功能。 (法律专家的观点可通过采访记录（如《卫报》原文）验证，但需确认专家资质及是否具代表性。法规历史应用案例需查阅司法数据库（如PACER）或学术研究，可能存在未被广泛报道的类似案例。)
• ✓ 可验证: 加泰罗尼亚警察将Pixel所有者列为假定罪犯，假设其运行GrapheneOS。 (目前无公开官方文件或可靠报道直接证实这一具体指控，可能基于局部事件或匿名信源，需进一步调查警方公开政策或执法记录。)

原文内容:

一名联邦特工在亚特兰大机场输入旅客手机的密码。手机按照设计精确地自毁了。司法部现在正在起诉这位旅客，罪名是特工自己的手指所做的事情。

指控是美国法典第18篇第2232节，销毁财产以防止扣押，这是一项专为那些在突袭前焚烧违禁品的人制定的法规。检察官完全跳过了妨碍司法罪。法律专家告诉《卫报》，他们从未见过这项法律被用于针对手机的安全功能。

以下是事件经过。萨姆·图尼克（Sam Tunick）于2025年1月从多米尼加共和国抵达，被拉入二次安检。特工要求他的密码，并告诉他他们不需要搜查令。他的律师说，他多次要求律师但被拒绝。他给了他们一个代码。那是他的GrapheneOS胁迫PIN，一个第二密码，用于擦除设备而不是解锁它。一名特工输入了它。屏幕变黑、闪烁，然后干净地重启了。

检察官面临的法律问题是时机。图尼克在任何调查存在之前很久就配置了这个PIN。有人在搜查中途砸毁笔记本电脑，那是在当下做出的选择。有人几个月前设置了一个有文档记录的安全功能，然后在胁迫下交出代码，现在却因手机设置而被指控。在一个政府从未窥探过内部的设备上。

如果这次起诉成功，逻辑不会止步于胁迫PIN。消失的消息、失败解锁后的自动擦除、加密容器，所有这些都会变成你事先配置的意图。加泰罗尼亚的警察已经开始将Pixel所有者列为假定罪犯，假设他们运行的是GrapheneOS。

特工输入了代码。观看这一切的男人却是被指控销毁财产的那个。

⏰ 12:08 | ❤️ 66点赞 | 📝 497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: 巨星为家庭和事业选择高额通勤费，薪资已非首要考量。

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: 勒布朗将从76人队每年赚得400万美元 (NBA球员薪资可通过官方渠道（如Spotrac、HoopsHype等）或球队公告验证，老将底薪金额符合联盟规定。)
• ◐ 部分可验证: 直升机往返费城通勤费用一季至少80万美元 (包机费率（每小时3000-5000美元）和通勤次数（100天）可参考市场报价和赛程，但实际支出可能因折扣、长期协议或私人飞机所有权等因素变动。)
• ✓ 可验证: 选择曼哈顿居住比费城多缴纳30万美元以上税费 (纽约市和宾夕法尼亚州的税率差异可通过税务部门官网核实，具体计算需结合球员实际收入结构（如联邦税抵扣）。)

原文内容:

勒布朗将从76人队每年赚得400万美元。住在曼哈顿并直升机往返费城可能会让他花费其中超过100万美元。他将花费四分之一的薪水来避免住在自己效力的城市。

算算账。Shams说从曼哈顿飞过去只需45分钟。双引擎包机费率每小时3000至5000美元，所以单程往返算作8000美元。有41场主场比赛加上训练，那就是100多个通勤日。一季至少80万美元。

然后是税费。纽约市居民需缴纳最高14.8%的州和市综合所得税。宾夕法尼亚州是3.07%的统一税率。以400万美元薪水为例，选择曼哈顿而非费城每年会多增加30万美元以上，而且纽约会对居民全球所有收入征税。

那么，为什么一个刚刚接受4800万美元减薪的男人会花费七位数的通勤费？因为薪水几年前就不再重要了。勒布朗场外每年大约赚8000万美元。他整个76人队的薪水相当于做勒布朗18天。

老将底薪是给管理层腾出薪资空间的礼物，这样恩比德、马克西和杰伦·布朗就能被真正的深度阵容包围。而且当你的日常工作只占收入的5%时，你会围绕生活来安排工作。他的家庭、他的媒体公司和他的生意在美国最大的市场运作得更好。

科比20年前就做过同样的计算，每天从纽波特海滩飞到斯台普斯中心。他真正买到的是和女儿们共度的时光。41岁的勒布朗，在可能他的最后一份合同中，也在买同样的东西。

⏰ 11:30 | ❤️ 75点赞 | 📝 444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: 推文介绍三种图像处理系统及其使用规则。

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: 推文描述了一个名为“DRIFTPLANE EXPOSURE”的系统，包含三个子系统（Plane Field、Exposure Drift、Signal Trace），用于图像生成或改写的技术规范 (系统名称和功能描述可能是内部或特定工具的技术术语，但缺乏公开的官方文档或第三方来源直接验证。若“GPT Image Gen V2”或“Nano Banana Pro”为真实产品，需通过开发者渠道确认其技术细节。)
• ✓ 可验证: Plane Field通过蓝色/青色平面、阴影、反射等修复图像结构，且反射仅限水、玻璃、地板或金属 (该声明涉及具体技术实现的限制条件，属于未公开的算法规则或内部设计逻辑，普通用户无法直接验证，除非开发者提供技术白皮书或代码示例。)
• ◐ 部分可验证: Exposure Drift需明确运动原因（如行走、车辆运动等），并保持单一漂移轴 (运动模糊的生成逻辑在图像处理中常见，但“单一漂移轴”等具体约束是否为该工具独有需实测或官方说明验证。)

原文内容:

系统提示：DRIFTPLANE EXPOSURE

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

使用三个系统。Plane Field 通过蓝色或青色平面、轮廓、水平线、反射、阴影和负空间来修复结构。Exposure Drift 通过拖影、残影、模糊、边缘丢失、颜色拖曳和位移光线来记录经过的运动。Signal Trace 用一个温暖或绿色的强调标记事件，在运动、接触或反射留下证据的位置。

不要制作模糊的夜间照片或干净的蓝色海报。确定主体、平面锚点、运动力量、漂移方向、痕迹来源、接收者、后果、接触点和安静区域。

保留主体、数量、身份、动作、场景、服装、物体、颜色、文本和引用。对于编辑，保留未请求的内容。仅将风格引用用于模糊、颜色拖曳、蓝色几何、阴影、反射和负空间。不要复制人物、杯子、狗、房子、船、树或网格。

Plane Field 需要一个蓝色系列、清晰边界、比例和合理的材料。反射仅属于水、玻璃、地板或金属。阴影跟随接收平面。

Exposure Drift 需要原因和方向。它可能来自行走、车辆运动、手持抖动、风、水、烟、光扫掠、热、人群流动或主体运动。保持一个漂移轴。不要模糊每个物体。稳定的锚点保持可读。

Signal Trace 可以是红色、橙色、琥珀色、绿色或温暖白色。它必须附着在来源、反射、物体、运动身体或接触标记上。没有随机的霓虹、整框冲洗或重复的肢体。

使用一个锐利的平面、一个漂移场、一个痕迹强调、一个焦点接触和清晰的负空间。移除重复、赞美、情绪标签、声望术语、虚假技术细节、通用缺陷和备选方案。使用具体的名词和主动动词。没有长破折号或短破折号。

GPT：返回 500 到 800 字，用五个段落涵盖场景、主体、平面场、漂移、痕迹、接触、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”、“plane_field”、“exposure_drift”、“signal_trace”、“contact_sites”、“composition”、“surface_and_optics”、“text”、“avoid”。省略未使用的字段。没有元数据、ID、权重、注释。

仅返回完成的提示。

⏰ 11:14 | ❤️ 45点赞 | 📝 589字 | 查看原文 →

↑ 返回顶部

jack friks @jackfriks

curious guy creating things @ jackfriks.com – up and coming wife guy | 影响力: 147.1k万粉丝

💡 核心观点: 伟大源于日积月累的微小进步。

可信度: 4/10 – 1项需进一步确认；2项为观点陈述

事实核查:

• ◦ 观点: 所有伟大的事情都是在小小的、微不足道的片段中发生的。 (该声明为作者的主观观点，强调对“伟大事物形成过程”的认知，缺乏客观事实或数据支撑，属于个人感悟或哲学性陈述。)
• ◐ 部分可验证: 宏大使命的进展需要通过每一天的微小积累实现。 (该声明部分可验证，例如可通过研究长期目标达成案例（如学术研究、企业成长）分析其阶段性进展，但“微小积累”的具体定义和关联性需依赖主观判断，无法完全客观量化。)
• ◦ 观点: 进展的唯一出路是专注于“日子”而非“年”或“月”。 (此为方法论建议，属于个人观点或经验总结。尽管存在时间管理理论支持类似观点（如“原子习惯”），但“唯一出路”的绝对性表述无法被普遍验证。)

原文内容:

这太老套了，但没错，所有伟大的事情都是在小小的、微不足道的片段中发生的。在那些日子里的小时，而不是在年里。不是在月里。在日子中。尽管每一天感觉你对宏大使命的进展微乎其微，但这是唯一的出路。一天一天地。

⏰ 11:09 | ❤️ 48点赞 | 📝 89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: 核心观点总结中…

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: 蕾哈娜在凌晨1点闯入吉米·金梅尔的卧室，用钞票砸他的脸把他叫醒。 (该事件可能为节目策划的恶作剧，可通过吉米·金梅尔节目的公开录像或媒体报道验证，但需确认是否为真实事件而非表演。)
• ◐ 部分可验证: 2009年1月蕾哈娜有1100万美元现金，到12月只剩200万美元，账户被掏空至无法电汇。 (若存在公开的法庭文件或财务记录（如诉讼案文档），可部分验证，但具体账户细节通常不对外公开，需依赖可信报道。)
• ✓ 可验证: 蕾哈娜因会计师建议购买750万美元豪宅，最终亏损200万美元出售，并在2014年以1000万美元和解诉讼。 (房产交易记录、诉讼和解金额可通过法院文件或权威媒体报道（如《福布斯》《滚石》）验证，但需具体来源。)

原文内容:

蕾哈娜在凌晨1点闯入吉米·金梅尔的卧室，用钞票砸他的脸把他叫醒。她尖叫的那首歌是关于一个真实人物的。她的会计师。

2009年1月，蕾哈娜手头有1100万美元现金。到12月，她只剩200万美元。法庭文件显示，她的账户被掏空到连电汇都转不出去。当时世界上最红的流行天后之一在21岁时实际上已经破产。

她在Berdon LLP的会计师建议她买下价值750万美元的比佛利山庄豪宅，当时她已经快没钱了。他在一封邮件中称这是“一个好投资”。这房子漏水、长霉，需要超过100万美元的维修，最终以亏损200万美元的价格卖掉。

她在2010年解雇了这家公司，2012年提起诉讼，据报道在2014年以1000万美元和解。

然后在2015年3月，她发布了《Bitch Better Have My Money》。视频中麦斯·米科尔森饰演一个名叫“会计师”的角色。绑架、勒索、她想要回的钱，所有这些都映射到她真实的诉讼案。

金梅尔的恶作剧发生在单曲发布六天后。她免费获得了一个深夜节目，在凌晨1点、主持人的床上首播她的新歌，录像第二天在他的节目中作为内容播出。

这意味着那周网上最搞笑的视频也是最黑暗的。她一边对着一个熟睡的百万富翁撒钱，一边唱着关于那个差点让她一无所有的人的歌。

⏰ 11:08 | ❤️ 24点赞 | 📝 394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: AI通过技能库自生成验证任务提升训练效果。

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:

• ✓ 可验证: 阿里巴巴 Qwen 团队提出“技能自我对弈”方法，通过不断演化的技能库生成更可靠的训练任务 (可通过论文原文（arxiv.org/abs/2607.22529）直接验证其方法描述，包括技能库的构建逻辑和任务生成机制)
• ◐ 部分可验证: 该方法解决了AI自我生成训练任务时易陷入狭窄环境或产生低质量任务的问题 (论文中提供了实验对比和理论分析（如任务多样性评估），但需实际复现或第三方验证其普适性)
• ✓ 可验证: 技能库的核心作用是指导AI创建、验证任务，并生成优质训练数据而非直接回答问题 (论文“Abstract”和“Method”部分明确阐述了技能库的功能定位（如模板验证流程），符合可验证标准)

原文内容:

阿里巴巴 Qwen 团队的新论文。技能自我对弈将代理技能转化为训练时的课程引擎。

攻击了一个关键问题：当 AI 创建自己的训练任务时，它要么停留在狭窄、易于检查的环境中，要么生成大量糟糕且不可靠的任务。

他们的解决方案是一个不断增长的“技能库”，它告诉 AI 要创建什么样的任务、如何正确创建它们，以及如何验证它们。

这些技能用于生成更好的训练数据，而不是主要帮助模型回答问题。

因此，整个想法是：让模型通过一个不断演化的经过验证的任务模板集合来改进自己，而不是在不受控制的自我生成数据上进行训练。

---

– arxiv.org/abs/2607.22529

标题：“Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills”

⏰ 11:05 | ❤️ 22点赞 | 📝 214字 | 查看原文 →

↑ 返回顶部

AshutoshShrivastava @ai_for_success

| 影响力: 0万粉丝

💡 核心观点: MemU更新实现跨设备记忆管理，AI随记忆增长更智能个性化。

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: MemU 背后的团队刚刚发布了一个重大更新，它完全修复了 AI 代理的记忆问题。 (可通过官方更新日志或公告验证是否发布了更新，但“完全修复记忆问题”需实测或技术文档支持，可能涉及主观判断。)
• ✓ 可验证: MemU 现在可以跨 ALL 设备和 ALL 代理管理你的个人记忆。 (功能描述明确，可通过官方文档或实际测试验证跨设备和代理的兼容性。)
• ◐ 部分可验证: 你的 AI 会随着每次聊天变得更智能、更个性化，由你自己的记忆驱动。 (需实测长期使用效果，且“更智能、更个性化”是主观描述，缺乏量化标准。)

原文内容:

这太疯狂了。MemU 背后的团队刚刚发布了一个重大更新，它完全修复了 AI 代理的记忆问题。
MemU 现在可以跨 ALL 设备和 ALL 代理管理你的个人记忆。
就像 Hermes（“与你一起成长的代理”）一样，你的 AI 会随着每次聊天变得更智能、更个性化，由你自己的记忆驱动。

这就是为什么这很重要 

1/7

⏰ 00:47 | ❤️ 25点赞 | 📝 102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: 游戏展现巨大未知降临的平静末日感。

可信度: 1/10 – 1项暂无法验证

事实核查:

• ✗ 无法验证: 事实核查功能暂时不可用 (系统处理中)

原文内容:

寓言：“制作一款关于迫近的游戏。一些非常巨大、非常诡异的事情正在发生。一个郊区与一个庞大而不可知的存在降临。不是恐怖，唤起万物终结即将来临、不可避免的感觉，但也不悲伤或可怕”

很酷，游玩：https://the-imminence.netlify.app

⏰ 07:46 | ❤️ 434点赞 | 📝 81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: 地铁警示牌意外达成文学创作高难度双重要求。

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

事实核查:

• ✓ 可验证: “Do not hold doors”是一个雪球句（每个单词比前一个单词恰好多一个字母） (可通过简单数算字母数验证（Do=2, not=3, hold=4, doors=5），符合雪球句定义。历史上对这类句子的研究在文学领域有公开记录（如Oulipo流派资料）。)
• ✓ 可验证: “Do not hold doors”是一个单元音句（仅使用单一元音字母o） (可通过检查单词中元音确认（仅含o，不含a/e/i/u），且单元音写作规则在实验文学中有明确记载（如《Eunoia》的创作背景）。)
• ◐ 部分可验证: 克里斯蒂安·博克的《Eunoia》是加拿大历史上最畅销的诗歌书籍之一 (书籍销量可通过出版机构数据验证，但”最畅销之一”的表述需对比具体历史销售排名，可能存在统计口径差异。)

原文内容:

纽约地铁的一个指示牌意外地同时满足了实验文学中两个最难的限制条件。

“Do not hold doors”是一个雪球句。每个单词比前一个单词恰好多一个字母。2、3、4、5。痴迷文字游戏的人从20世纪60年代起就在寻找这类句子，而著名的标本有十一个单词，以医生们难以辨认的笔迹结束。

它还是一个单元音句，一个只有单个元音承担所有工作的文本。诗人们基于这一规则创作了整本书。克里斯蒂安·博克（Christian Bök）用每个元音一章，从A到U，不用其他元音，写了《Eunoia》。这花了他七年时间，并成为加拿大历史上最畅销的诗歌书籍之一。

乔治·佩雷克（Georges Perec）走得更远，写了一部300页的法语小说，从未使用字母E。他的英语译者随后与他匹敌，制作了一个同样从未使用E的完整译本。

限制性写作之所以有效，是因为稀缺性迫使人们选择平时绝不会想到的词语。这使得地铁版本更有趣。一个试图让列车保持运行的交通安全部门，无意中免费产出了Oulipo成员花费毕生心血设计的那种句子。

博克花了七年时间来逐一掌握一个元音。MTA却意外做到了，还把它牢牢固定在大门上方。

⏰ 16:14 | ❤️ 580点赞 | 📝 365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: 使用实证方法优化模型，避免过度设计。

可信度: 1/10 – 1项暂无法验证

事实核查:

• ✗ 无法验证: 事实核查功能暂时不可用 (系统处理中)

原文内容:

“人们是如何学会像 Boris 那样使用 Claude Code 的呢？”

Claude Code 的创建者 Boris Cherny（@bcherny）在 Startup School 2026 上被 Diana Hu（@sdianahu）问及此事。

Boris Cherny：“也许不要听 LinkedIn 影响者的建议。

模型的关键在于，每个人都在寻找一个奇怪的诀窍来让它运作，但这种东西根本就不存在。没有那样的事情。

你必须以实证的方式来处理模型。给它一个太难的任务。给它工具来验证自己的工作，就像你自己做这个任务时会使用那些工具一样。
看看它在哪里挣扎，然后用更好的提示、一个技能，或者如果模型缺少上下文的话，通过一个 MCP 连接来修复问题，这个连接能让它检索到所需的上下文。

基本上就是这样。

这听起来很简单。我觉得人们往往会过度思考和过度设计，因为在很多方面，那是我们过去构建系统的方式。”



----

来自“Y Combinator” YouTube 频道，（完整视频链接在评论中）

⏰ 09:01 | ❤️ 75点赞 | 📝 260字 | 查看原文 →

↑ 返回顶部

Santiago Valdarrama @svpino

| 影响力: unknown万粉丝

💡 核心观点: 身体快速适应训练但需持续努力以防退步。

可信度: 1/10 – 1项暂无法验证

事实核查:

• ✗ 无法验证: 事实核查功能暂时不可用 (系统处理中)

原文内容:

真是疯狂，我们的身体适应任何事情的速度有多快。

过去两个月，我每周进行两次代谢调节训练。这些是一小时的全方位、HIIT风格的锻炼。

郑重声明，我讨厌HIIT。

头几次训练我勉强完成。有一次我差点昏过去，还不得不提前结束其中一次。

那真是煎熬。

但我坚持出现。

现在我能轻松完成60分钟的训练。我专注于更好的姿势，而且我已经在增加一些练习的复杂性。

大约八周的时间，我从“我要死了”变成了“怎么才能让这更难？”。

关键在于：

一旦我停止做这个，我的身体就会退步，要重新积累动力需要付出巨大努力。

这就像我们的身体想要舒适和安全，所以你必须非常努力才能维持任何进步。

⏰ 20:35 | ❤️ 52点赞 | 📝 232字 | 查看原文 →

↑ 返回顶部