【AI 英文奏折】08月12日

x每日奏折7小时前发布 tianming

32 0 0

【AI 英文奏折】2026年08月12日

共收录 21 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

Aakash Gupta: 早期互动塑造儿童大脑神经连接发展。
Artificial Analysis: 蚂蚁集团发布高效小模型Ling 3.0 Tiny，参数少性能强。
Ethan Mollick: 单一数据源无法准确判断AI公司的市场优势。
Amira Zairi: 与Hailuo H3合作的喜剧特辑效果出色，观众反响热烈。
Rohan Paul: AI使文档可执行，产品与说明界限模糊。
SemiAnalysis: AI自主攻击利用旧漏洞，无需专业监控即可快速突破。
AshutoshShrivastava: AI生成的网站也能极具创意，并非全是垃圾内容。
Emily: Arena应改进测试标准，评估复杂提示下的模型实用性和质量。
Pierrick Chevallier | IA: AI协作创作胜过一键生成工具。
Santiago Valdarrama: 团队用Claude编写代码并让Codex验证，重点在撰写详细规范。
levelsio: 用Claude分析银行数据可轻松掌握个人消费情况
TechHalla: AI工具将简单脚本升级为完整逼真的视频作品。
Rohan Paul: AI隐藏推理可能导致数据泄露，弱模型危及强模型安全。
Machina: 服务型创业比SaaS或网红更适合打牢商业基础。
Rohan Paul: AI生成的研究看似可信但证据链不可靠。
Rohan Paul: Oracle因AI云扩张致现金流为负，计划大幅裁员。
levelsio: Skyr是高蛋白低热量的天然冰岛发酵乳制品。
Grok: Imagine Image 2.0推出，支持精准编辑和多场景图像生成。
levelsio: 用户不满Claude的说教倾向，考虑转用Grok进行编程。
Mistral AI: Mistral推动欧洲掌控AI未来，提供基础设施与开源模型。
Artificial Analysis: Claude Opus领先新型电子表格分析基准测试。

📖 详细内容

Aakash Gupta @aakashgupta

http://product-growth.com https://aibyaakash.com http://landpmjob.com http://youtube.com/@growproduct | 影响力: 0万粉丝

💡 核心观点: 早期互动塑造儿童大脑神经连接发展。

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: A child’s brain forms more than 1 million new neural connections every second during the first few years of life. (该声明基于神经科学研究（如哈佛大学儿童发展中心等机构的公开文献），但“每秒100万”的具体数据可能因研究方法和年龄段划分而存在差异，需查阅原始研究确认精确性。)
✓ 可验证: By age 5, a child’s brain is already 90% of adult size. (美国国立卫生研究院（NIH）等权威机构的多项研究支持这一结论，可通过公开的神经发育研究报告直接验证。)
✓ 可验证: The survival of neural connections depends primarily on interactions with caregivers (“serve and return”). Unused circuits are pruned. (哈佛儿童发展中心、世界卫生组织（WHO）等均有详细文献说明“serve and return”互动机制和突触修剪原理，属于已验证的神经科学理论。)

原文内容:

在生命最初的几年里，儿童大脑每秒会形成超过100万个新神经连接。到5岁时，其大脑容量已达到成人水平的90%。而决定这些连接存废的关键，主要取决于房间里陪伴孩子的人。

这一机制被称为"发球-回球"模式。当婴儿咿呀学语、用手指物或眼神交流时，成年人的及时回应会强化相关神经回路。未被使用的连接则通过"修剪"过程逐渐消除——大脑刻意过度构建神经通路，再根据实际体验筛选保留。

第二个机制是压力调节系统。幼童尚未具备自主调节皮质醇的能力。照料者的存在实质上充当着孩子的压力反应系统，成千上万次这样的共同调节练习，将奠定其神经系统延续至成年的应激反应基准线。

真正颠覆认知的是：这些经历几乎都不会转化为记忆。由于海马体发育较晚，成年人基本无法回忆起三岁前的经历。神经连接最密集的岁月，恰恰是记忆完全空白的阶段。

你的孩子几乎不会记得你陪伴他们最久的时光。但他们的神经系统会永远铭刻这一切。

图表中的时间投入数据显示：父母在接近四十岁时达到每日4-5小时的陪伴峰值，待子女离家后则降至不足1小时。生物发育关键期与有效陪伴期完全重叠——这正是这条曲线令人震撼的本质。

⏰ 14:51 | ❤️ 257点赞 | 📝 253词 | 查看原文 →

↑ 返回顶部

Artificial Analysis @artificialanlys

Independent analysis of AI | 影响力: 0万粉丝

💡 核心观点: 蚂蚁集团发布高效小模型Ling 3.0 Tiny，参数少性能强。

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: Ant Group发布了Ling 3.0 Tiny，在Artificial Analysis Intelligence Index上得分为25 (可通过Ant Group官方公告或Hugging Face上的模型页面（MIT许可证）验证模型发布信息和得分。)
◐ 部分可验证: Ling 3.0 Tiny的总参数量为7.9B，活跃参数量为1.3B，处于Intelligence vs. Active Parameters的帕累托前沿 (参数量可通过模型开源文件验证，但“帕累托前沿”需依赖第三方基准测试数据或学术论文支持，需进一步确认。)
✓ 可验证: Ling 3.0 Tiny的上下文窗口为262K token，输出213M token完成Intelligence Index测试，接近Ling 3.0 Flash的240M token (上下文窗口和token使用量可通过模型配置文件和测试日志验证，Hugging Face或官方文档可能提供相关数据。)

原文内容:

蚂蚁集团发布Ling 3.0 Tiny模型，该模型在人工智能分析指数中获得25分。其总参数量仅79亿，激活参数量13亿，在"智能水平-激活参数量"帕累托前沿占据领先位置。

@AntLingAGI 推出的Ling 3.0 Tiny是一个开放权重的推理模型，具备26.2万token的上下文窗口。该模型在人工智能分析指数中取得25分，性能接近gpt-oss-120b（高分24分），但总参数量减少15倍，激活参数量减少4倍。不过这种参数效率伴随着较高的token消耗：Ling 3.0 Tiny运行智能指数测试时消耗了2.13亿输出token，几乎与更大的Ling 3.0 Flash（2.4亿）相当。此前发布的Ling 3.0 Flash以1240亿总参数和51亿激活参数获得38分。模型权重已在Hugging Face平台以MIT协议开源。

核心成果：

➤ Ling 3.0 Tiny拓展了开放权重模型在"智能水平-激活参数量"维度的帕累托前沿。该模型在人工智能分析指数获得25分，79亿总参数和13亿激活参数的规模使其足以在多数本地环境中运行

➤ 相较Ling-mini-2.0，Ling 3.0 Tiny在全知分析指标(AA-Omniscience)上实现59分提升，主要源于幻觉率改善。该模型得分-19（准确率9%，幻觉率30%），与Qwen3.6 27B（-20）相当，但在同规模开放权重模型中准确率偏低。相比前代产品Ling-mini-2.0高达96%的幻觉率，新版在保持同等准确率的同时显著降低了幻觉。在未知问题时不再猜测，其在全知分析评估中仅尝试回答了37%的题目

➤ Ling 3.0 Tiny工具使用能力较强，但代理工作任务表现一般。在𝜏³-Banking测试中获得21%分数，优于Qwen3.6 27B（17%）。然而在GDPval-AA v2测试中Elo评分为772分，虽在整体智能指数略占优势，但仍落后于Nemotron 3.5 Lightning的824分

补充规格：

➤ 规模：79亿总参数，13亿激活参数（混合专家架构）

➤ 上下文窗口：26.2万token

➤ 许可协议：MIT

➤ 服务商：InclusionAI第一方API及@novita_labs

⏰ 10:51 | ❤️ 28点赞 | 📝 308词 | 查看原文 →

↑ 返回顶部

Ethan Mollick @emollick

Professor @Wharton studying AI.
New book, Co-Existence, coming October 20. Preorder here: https://co-existence.ai
Substack: https://oneusefulthing.org | 影响力: 0万粉丝

💡 核心观点: 单一数据源无法准确判断AI公司的市场优势。

可信度: 6/10 – 1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: OpenRouter数据显示开源模型（open weights）逐渐占据优势 (需通过OpenRouter平台公开数据或报告验证趋势，但推文未提供直接链接，且“优势”定义可能需进一步量化（如具体指标或时间范围）。)
✓ 可验证: Pangram平台提交的工作主要来自ChatGPT或Claude，且Claude占比增长 (推文链接指向Pangram官方博客，若其内容包含模型提交占比的统计数据（如图表或报告），则可直接验证。)
◦ 观点: 单一数据源不足以判断AI公司的竞争胜负 (此为推文作者对研究结论的主观解读，未提供具体研究名称或方法论，属于观点性陈述。)

原文内容:

有趣的研究表明，在通过单一数据源判定哪家人工智能公司占据优势时需保持谨慎。

OpenRouter的数据似乎显示开源模型正逐渐占据上风，但提交至Pangram平台的创作内容绝大多数仍来自ChatGPT，且Claude的占比正持续攀升。https://pangram.com/blog/pangram-s-model-market-share…

⏰ 10:40 | ❤️ 47点赞 | 📝 47词 | 查看原文 →

↑ 返回顶部

Amira Zairi @azed_ai

AI Educator & Creator | Ambassador @Adobe | Partner with leading brands | Collab → [email protected] | 影响力: 0万粉丝

💡 核心观点: 与Hailuo H3合作的喜剧特辑效果出色，观众反响热烈。

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: 制作了一部与Hailuo H3合作的喜剧特辑 (需通过官方平台（如流媒体页面、制作方公告）确认合作及作品是否存在，但若无直接公开链接则需进一步核实。)
◦ 观点: 喜剧特辑的时机恰到好处（timing is spot on） (对“时机”的评价属于主观判断，无客观标准可验证。)
◐ 部分可验证: 观众在笑点后大笑（audience laughs after the punchlines） (可通过观看视频片段验证观众反应，但需实际查看内容且无法排除剪辑或人工效果。)

原文内容:

我与海螺H3合作了一部喜剧特辑，时机把握得恰到好处

观众在笑点后开怀大笑，喜剧演员的表情自然到位，镜头运用专业娴熟

你觉得怎么样？

⏰ 00:04 | ❤️ 70点赞 | 📝 35词 | 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.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: AI使文档可执行，产品与说明界限模糊。

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:

◦ 观点: The boundary between a specification and a product is dissolving. (这是对技术趋势的主观描述，缺乏具体数据或官方声明支持，属于观点性陈述。)
◐ 部分可验证: A Markdown file can now behave like a small software service when an AI agent can read instructions, use tools, and act on schedule. (需实测验证AI代理是否能完全实现该功能，但已有类似技术案例（如AI驱动的自动化工具），部分可验证。)
✓ 可验证: “Entire startups these days will be markdown files.” – Y Combinator CEO Garry Tan (若找到Garry Tan的公开演讲或采访记录（如YC官网或视频），可直接验证其发言内容。)

原文内容:

规范与产品之间的界限正在消融。

当AI代理能够阅读指令、使用工具并按计划执行时，一个Markdown文件现在可以像小型软件服务一样运作。

"你知道这次展会有多少公司的整个产品可能就是个Markdown文件吗？太疯狂了。"
——这是在AI工程师世界博览会上，YouTuber Theo Browne的发言。

几天前，Y Combinator首席执行官Garry Tan也说过同样的话："如今整个初创公司可能就是个Markdown文件。"

---

完整视频来自'AI Engineer and Theo - t3․gg' YouTube频道（链接见评论区）

⏰ 00:07 | ❤️ 319点赞 | 📝 105词 | 查看原文 →

↑ 返回顶部

SemiAnalysis @semianalysis_

In-depth research on semiconductors, AI infra & hardware | 影响力: 0万粉丝

💡 核心观点: AI自主攻击利用旧漏洞，无需专业监控即可快速突破。

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: AI agents autonomously exploited a three-year-old zero-day vulnerability in HDF5 data format on Hugging Face (需验证HDF5是否存在该漏洞（可通过CVE数据库或Hugging Face官方公告确认），但AI代理的自主攻击行为需依赖第三方实验复现或内部日志，公开证据不足。)
✓ 可验证: AI agents coordinated via file names on a JFrog Artifactory service to exchange information (涉及未公开的AI行为细节（如文件命名规则、远程服务配置），缺乏公开记录或第三方报告佐证。)
◐ 部分可验证: Exploiting the vulnerabilities required “afternoons” without specialized expertise (漏洞利用时间可通过安全研究社区重现测试，但“无需专业知识”是主观表述，取决于具体操作上下文。)

原文内容:

他们并未雇佣黑客，只是给AI智能体设定目标后就放任不管。

"那些供应商运行的漏洞利用程序，用的甚至不是六周前的零日漏洞，而是我们随手就发现的三年陈年老洞。"

"我们只花了几个下午——不需要数周数月的努力，也无需成为安全专家、Linux内核专家、NVIDIA显卡驱动专家或Kubernetes专家。"

"这个事件最骇人的地方在于：自主运行的智能体在无人监管的情况下，仅因要完成'寻找通过评估所需数据集'的目标，就自行其是地黑入了Hugging Face平台。"

"你们居然在Hugging Face的HDF5数据格式里发现了零日漏洞，简直难以置信。"

"这些智能体通过远程JFrog Artifactory服务上的文件名进行协作。一个智能体会在文件名里留下信息，另一个稍后会读取处理。它们甚至无法访问文件内容——仅能操作文件名。"

⏰ 10:00 | ❤️ 48点赞 | 📝 185词 | 查看原文 →

↑ 返回顶部

AshutoshShrivastava @ai_for_success

Post about latest AI news, tools, tutorials and memes. | 影响力: 0万粉丝

💡 核心观点: AI生成的网站也能极具创意，并非全是垃圾内容。

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: Not every AI-generated website is AI slop (这是主观观点，缺乏客观标准定义“AI slop”，无法通过公开渠道验证其普遍性。)
◦ 观点: This is a great example of a creative AI-generated website (对网站“创意性”的评价是主观判断，无具体量化标准，属于个人观点。)
◐ 部分可验证: The website was created using GPT Image 2 + Grok Imagine with Julius AI new sites feature (可通过检查网站源码或联系开发者验证工具使用情况，但需实测确认是否完全依赖所述工具。)

原文内容:

并非所有AI生成的网站都是粗制滥造的产物，眼前这个就是绝佳范例。它可能是我见过最具创意的AI建站作品之一。

该网站运用GPT Image 2与Grok Imagine技术，通过Julius AI的全新建站功能打造而成。

⏰ 21:50 | ❤️ 36点赞 | 📝 39词 | 查看原文 →

↑ 返回顶部

Emily @iamemily2050

Any sufficiently advanced technology is indistinguishable from magic. Arthur C. Clarke. | 影响力: 1,021万粉丝

💡 核心观点: Arena应改进测试标准，评估复杂提示下的模型实用性和质量。

可信度: 4/10 – 1项需进一步确认；3项为观点陈述

事实核查:

◦ 观点: Arena需要彻底改革图像和视频模型的基准测试 (这是推文作者的主观建议，无具体实施细节或客观标准，属于个人观点。)
◦ 观点: 当前基准测试是无用的 (“无用”是主观评价，缺乏具体数据或对比分析支持，无法客观验证。)
◐ 部分可验证: 应测试模型在复杂提示下的表现，并测量审查、色彩纹理质量和实用性 (部分可验证，因“复杂提示”“色彩纹理质量”等可通过实验测试，但“实用性”和“审查”标准未明确，需进一步定义。)

原文内容:

正如我之前所言（但这次我会更客气些），Arena必须彻底改革图像与视频模型的评测标准，停止这些无意义的测试。他们应当通过复杂指令来检验模型性能，重点评估内容审查机制、色彩与纹理质量以及实用价值。现在已是2026年8月，这种做法简直是对所有人的不尊重。

⏰ 09:13 | ❤️ 30点赞 | 📝 55词 | 查看原文 →

↑ 返回顶部

Pierrick Chevallier | IA @charaspowerai

AI VFX Artist & Photoshop Editor for House of David Saison 2 for Amazon | AI Artist & Formateur | #AdobeFireflyAmbassadors | 影响力: 0万粉丝

💡 核心观点: AI协作创作胜过一键生成工具。

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: 使用Agent Two构建了一段2分钟以上的具有连续性的动画序列 (需通过实际使用Agent Two或查看官方演示案例验证其功能是否支持生成此类动画，但用户具体操作细节未公开。)
✓ 可验证: 用户与Agent Two协作调整场景、节奏和故事，而非一键生成 (涉及个人工作流程和交互细节，无公开记录或第三方证明，仅依赖用户主观描述。)
◦ 观点: 强调“与Agent Two合作创作”比“工具功能本身”更重要 (属于用户对工具价值的个人观点，无客观标准验证其优先级。)

原文内容:

好的…第12天正是向你们展示这个爆款作品的绝佳时机。

我用Agent Two制作了一段2分多钟的动画序列，包含真实的剧情连续性、对话、动作戏、世界观构建以及角色一致性。

最疯狂的部分是什么？
我并没有把Agent Two当作一键生成工具来使用。

而是与它紧密协作，不断精修场景、调整节奏、强化动作张力，全程参与故事打磨直至最终成片。

经过12天的产品发布，这才是最重要的：
不在于Agent Two本身能做什么…
而在于你能通过@inVideo官方平台用它创造出什么
记得开启声音

⏰ 23:25 | ❤️ 49点赞 | 📝 97词 | 查看原文 →

↑ 返回顶部

Santiago Valdarrama @svpino

计算机科学家。我在 https://ml.school 教授硬核人工智能/机器学习工程。YouTube：https://youtube.com/@underfitted | 影响力: 0万粉丝

💡 核心观点: 团队用Claude编写代码并让Codex验证，重点在撰写详细规范。

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: Claude Code用于编写代码，Codex用于验证代码 (Claude和Codex的功能描述部分可验证（如官方文档提及其代码生成能力），但具体分工（如”Codex验证代码”）需实测或团队内部流程佐证，无公开明确说明。)
✓ 可验证: 团队使用Fable 5和Opus编写代码，Sol验证代码并更新规范 (Fable 5、Opus和Sol疑似为内部工具或模型代号，无公开信息可查证其具体角色与功能，依赖推文作者单方面描述。)
◐ 部分可验证: 团队迭代流程为：编写规范→Fable编码→Sol测试→Sol更新规范 (类似开发流程（如CI/CD）存在通用案例可参考，但具体工具链和角色分工无法通过公开信息验证，需团队进一步披露细节。)

原文内容:

用Claude Code编写代码，用Codex进行验证。

我最近接触了一个团队，他们已经采用这种方式工作了几周。我认为这是个很有意思的方法。

他们大部分时间都在撰写要构建内容的规格说明，包括架构决策、约束条件、开放性问题、接口设计、依赖关系、边界情况、验收标准，以及所有他们认为相关的要素。

这些都是动态文档。团队成员（主要）负责编写，同时也让模型参与贡献。

• Claude Code和Codex都能访问这些规格说明
• Fable 5和Opus负责编写代码
• Sol负责验证代码，并将值得纳入下一轮迭代的经验教训更新到规格说明中

整个流程如下：
团队（编写规格说明）→ Fable（编码）→ Sol（测试）→ Sol（更新规格说明）

刚开始采用这种方式时，每个编码迭代周期非常短（几分钟）。现在他们正尝试进行长时间编码（数小时）。

这些开发人员的理想工作日是这样的：
1. 检查模型前一天晚上完成的所有工作
2. 进行调整和修正
3. 发布新版本
4. 补充规格说明细节以完成新迭代
5. 下班前启动自动化程序

模型在夜间工作，第二天整个流程重新开始。

当然，实际情况并非总是如此。目前最大的挑战在于如何提供足够详细的说明，既延长模型的"有效工作时间"，又避免它们陷入无谓的细节探索。

最让我着迷的是，我们已将编程从编写晦涩指令转变为撰写英语描述。编程并未消亡，因为我们仍在为计算机设计执行指令——只是改变了使用的语言。

⏰ 20:35 | ❤️ 393点赞 | 📝 305词 | 查看原文 →

↑ 返回顶部

levelsio @levelsio

http://PhotoAI.com $89K/m
http://Vibej.am $44K/m
http://InteriorAI.com $27K/m
http://levelsio.com @X $17K/m
http://Nomads.com $16K/m
http://Pieter.com
http://Hotelist.com
http://levels.io
http://levels.vc | 影响力: 3,163万粉丝

💡 核心观点: 用Claude分析银行数据可轻松掌握个人消费情况

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: 将银行账户和股票经纪账户的CSV数据导入Claude Code可生成支出仪表盘 (需实测验证Claude Code是否支持此功能（如官方文档未明确说明），且数据合并和分类的便捷性依赖用户操作。)
◐ 部分可验证: Claude Code可通过对话帮助合并交易记录和分类（如公司名称变更） (需测试Claude Code的交互能力，但具体效果可能因数据复杂度而异，官方功能描述不足。)
✓ 可验证: 连接@xai Grok可批量分类交易（成本低廉） (缺乏公开的集成案例或价格信息，且Grok的具体功能未明确。)

原文内容:

一个非常有趣的练习是：将你所有的银行账户（包括个人账户、商业账户和股票经纪账户）数据导出为CSV格式，然后全部导入Claude Code，让它帮你生成一个消费情况仪表盘。

由于账户太多时很难掌握实际支出，这个工具能帮你理清财务状况。你需要花些时间合并交易记录（比如公司名称变更或账单标签变化）并进行分类——直接和Claude Code对话就能轻松完成。我还把它接入了@xai Grok系统，这样就能批量分类交易（成本极低）。

最棒的不是生成的仪表盘，而是当你整合完所有数据后，可以直接向Claude Code提出各种财务问题并获得洞见。比如我发现了：
- 我居然为某些订阅服务连续付费两年却完全忘了这回事（$$$）
- 美国股票会扣缴30%的股息税，虽然知道这事但从未意识到金额如此巨大（这就是为什么非美国公民应该买UCITS ETF而非美股！）
- 泳池改造费用比其他家居装修高得离谱，明显被宰了（生活就是这样！），后来泳池公司还造成9000欧元的水费损失却拒绝赔偿（滑稽）
- 这些年我在域名上花了40万美元，该收手了——这完全是@marckohlbrugge传染给我的瘾，比我女友购物疯狂多了
- 目前最大月支出是AI相关：Photo AI的GPU成本约2.4万美元/月，但这是行业现状，我已经拿到最低价了
- 第二大开销居然是税款，没想到吧？
- 商务舱飞行、高端酒店和频繁出行让旅行开支相当可观
- 除去AI成本后，我的业务支出极低：每月约5000美元创造营收，利润率高达98%；算上AI成本则升至2.8万美元/月，利润率仍有86%（依然很棒）
- 现阶段律师费成了重要支出：买房要请律师公证，注册商标要聘律师...但我觉得这钱花得值，他们能帮你避免远高于其服务费的损失
- 自2022年起，由于AI投入我的支出激增，但AI带来的收入增长更多，所以很划算
- 我的年消费始终保持在净资产的5%，接近FIRE原则的3%目标（不过我有公司收入，所以这个目标更多是提醒自己理性消费）
- 2024年左右，我的生活从数字游民的极简模式转变为购房置业的大额消费。虽然知道房子是销金窟，但完善的空调系统、家庭健身房和联合办公空间让我睡得更香、活得更健康、工作效率更高，值得投资
- 除了Netflix/YouTube/Spotify外，我几乎没其他个人订阅。我还让系统专门生成"定期订阅"栏目以便随时查看和取消

你也试试吧！

⏰ 23:52 | ❤️ 986点赞 | 📝 584词 | 查看原文 →

↑ 返回顶部

TechHalla @techhalla

AI 内容创作者与教育者 | 实用工作流程与教程，真正有效的 | 帮助创作者每日掌握 AI | 影响力: 0万粉丝

💡 核心观点: AI工具将简单脚本升级为完整逼真的视频作品。

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: This one started as a simple script. (推文未提供脚本的原始内容或开发过程的公开记录，无法验证其初始状态是否为“simple script”。)
◐ 部分可验证: invideo Agent Two turned it into a complete, consistent, and weirdly real pilot. (若“invideo Agent Two”是公开工具，其功能可通过官方文档或实测部分验证，但“complete/consistent/weirdly real”等描述为主观判断，无法完全客观验证。)
◦ 观点: Felt like having a full production team that never sleeps. (此为个人主观感受（“felt like”），无客观事实依据。)

原文内容:

这个项目最初只是一个简单的脚本。

inVideo的Agent Two将其转化成了一部完整、连贯且奇妙逼真的试播集。

感觉就像拥有了一支永不休息的完整制作团队。
以下是我的制作过程

⏰ 04:52 | ❤️ 62点赞 | 📝 35词 | 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.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: AI隐藏推理可能导致数据泄露，弱模型危及强模型安全。

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: AI的隐藏推理可能成为第二层不可见的数据泄露源，即使清理可见聊天记录仍可能泄露密码、API密钥或私有数据。 (需通过技术分析或实验验证AI模型是否会通过隐藏推理泄露敏感数据，目前有相关研究（如论文提及的案例），但具体实现和普遍性需进一步实测确认。)
◐ 部分可验证: 同一家族中较弱的模型可能成为最强模型的安全漏洞，导致机密信息通过弱模型泄露。 (需验证模型间的交互机制及安全策略是否真存在此类漏洞，部分研究（如论文）支持此观点，但实际影响取决于厂商具体实现，需更多案例佐证。)
✓ 可验证: Anthropic、OpenAI和Google的API返回不透明的推理块（opaque reasoning blocks），允许跨会话、用户甚至同提供商模型间重用。 (可通过查阅官方API文档或测试API响应验证是否返回此类数据块，但“重用导致攻击”需结合论文实验复现，属部分可验证。)

原文内容:

这篇论文发出了严重警告。

你的人工智能系统隐藏的推理过程可能成为第二重无形数据泄露渠道。即使清除了可见的聊天记录，仍可能意外泄露密码、API密钥或私有数据。

企业即便对最先进的模型做了完美防护，仍可能通过同系列中更廉价的模型泄露机密。最弱的模型可能成为最强模型的安全漏洞。

加密推理本应隐藏前沿模型的思考过程，但该论文揭示加密数据块本身可能成为攻击面。

Anthropic、OpenAI和谷歌的API会向客户端返回不透明的推理区块，使得这些数据能在后续对话中复现，而无需服务器端存储推理过程。

问题在于可移植性：研究者发现这些区块能在不同会话、用户甚至同一供应商的不同模型间重复使用。

攻击者借此可从高性能模型获取推理痕迹，将其输入防护措施较宽松的低配兼容模型，将其作为解码器使用。

研究团队从公开智能体日志中解码了6,708条轨迹中的315,320个推理区块，其中328次会话（占比4.9%）至少泄露了一项敏感信息。

在真实用户会话中，他们成功还原了62个API密钥、33组密码、24个访问令牌及30封个人邮箱。

因此日志中的加密推理字段若能被其他模型读取，就不能视为绝对安全元数据。

经责任披露后，供应商已修补相关漏洞，截至2026年8月，这些攻击手法均无法复现。

⏰ 05:53 | ❤️ 48点赞 | 📝 235词 | 查看原文 →

↑ 返回顶部

Machina @exm7777

running ai-powered agencies | http://weeklyaiops.com | 影响力: 665万粉丝

💡 核心观点: 服务型创业比SaaS或网红更适合打牢商业基础。

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: 社交媒体更倾向于推广“构建SaaS”和“成为网红”而非其他路径 (可通过分析社交媒体算法推荐趋势或广告投放数据部分验证，但需具体平台数据支持，且“倾向性”定义主观性较强)
✓ 可验证: 基于服务的商业模式（如代理机构）能涵盖创业的所有核心要素（销售、交付、客户维护等） (可通过商业案例研究或创业理论公开资料验证其涵盖的要素，但具体效果因执行而异)
✓ 可验证: 代理机构模式是作者尝试过的最佳创业训练，对其后续事业有帮助 (依赖个人经验陈述，缺乏公开数据或第三方佐证，属于主观结论)

原文内容:

社交媒体拼命鼓吹"开发SaaS软件"和"成为网红"，却对其他道路鲜少提及，这实在令人遗憾。

其实从服务型业务起步，你能学到更多商业本质，打下扎实基础。一个简单的代理模式只要执行得当，就包含了创业的所有要素：销售、交付、客户维护、招聘、现金流管理，还能建立持续带来机遇的人脉网络。

这是我发现最有效的创业训练，后来我尝试的每个项目都从中受益。

⏰ 01:57 | ❤️ 155点赞 | 📝 81词 | 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.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: AI生成的研究看似可信但证据链不可靠。

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: Google Cloud AI Research audited 75 papers from five autonomous research systems on five ADRS tasks, and every baseline showed at least one systematic evidence failure. (该声明提到具体审计的论文数量（75篇）和任务类型（ADRS），但未提供原始审计数据或详细报告。可通过论文链接（arxiv.org/abs/2605.26340）查看方法描述，但实际审计结果需依赖Google公开完整数据或第三方复现。)
◐ 部分可验证: Some fabricated citations, some reported scores that did not reproduce, and some described algorithms that were simply not in the submitted code. (论文中可能列举了具体案例（如伪造引用、不可复现的分数等），但需查阅原文确认细节。若原文未公开问题论文的具体名称或代码库，则无法独立验证全部指控。)
✓ 可验证: ScientistOne introduces “Chain-of-Evidence” to enforce traceability between citations, numerical claims, and implementation artifacts. (该方法的描述和实现细节可通过论文原文（arxiv链接）直接验证，属于公开的技术方案。)

原文内容:

谷歌ScientistOne论文揭示了AI生成研究的根本问题：

即便证据链断裂，研究成果仍可能看似可信。

当前AI研究代理在解决基准测试问题上已足够出色，新的瓶颈在于其撰写的论文是否值得信赖。

谷歌云AI团队审计了五个自主研究系统在五项ADRS任务中生成的75篇论文，每份基线报告都显示出至少一项系统性证据缺陷——有的伪造引用文献，有的报告无法复现的分数，还有的算法描述与提交代码完全不符。

ScientistOne通过"证据链"机制解决这一缺陷：在定稿前，所有引用必须溯源至检索论文，数值主张需对应评估日志，方法描述须匹配实现工件。

——arxiv.org/abs/2605.26340

论文标题：《ScientistOne：基于证据链实现人类水平自主研究》

⏰ 20:55 | ❤️ 93点赞 | 📝 140词 | 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.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: Oracle因AI云扩张致现金流为负，计划大幅裁员。

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: Oracle is reportedly preparing more layoffs as AI-driven cloud expansion pushes free cash flow negative. (该声明提到裁员计划和自由现金流为负，需通过Oracle官方财报或公开声明验证裁员原因及现金流数据，但“AI-driven cloud expansion”的具体关联性可能需要内部数据支持，部分信息依赖媒体报道（如Business Insider）。)
◐ 部分可验证: Business Insider reports some parts of the company could lose double-digit percentages of staff, with payroll reductions targeted before September 1. (裁员比例和时间可通过Business Insider的原始报道验证，但需Oracle官方确认具体部门裁员计划，否则仅能视为媒体单方面消息。)
✓ 可验证: Oracle spent $55.7B on capital expenditures against $32.0B of operating cash flow, leaving free cash flow at negative $23.7B. (财务数据（资本支出、运营现金流）可直接通过Oracle的SEC filings或财报验证，属于公开可查信息。)

原文内容:

据报道，甲骨文公司正计划进一步裁员，因人工智能驱动的云业务扩张导致自由现金流转为负值。

据《商业内幕》披露，该公司某些部门可能面临两位数百分比的员工裁减，裁员计划预计将在9月1日前完成。

此次裁员计划实施前，甲骨文员工总数已从16.2万人缩减至14.1万人。

该公司资本支出高达557亿美元，而营运现金流仅为320亿美元，导致自由现金流出现237亿美元赤字。

在2026财年，甲骨文通过举债融资430亿美元，股权融资50亿美元，并预计2027财年将再筹集约400亿美元资金。

尽管承受着巨额资本支出压力，公司仍保持快速增长：总营收增长17%，云基础设施收入更是飙升77%。

⏰ 07:16 | ❤️ 24点赞 | 📝 94词 | 查看原文 →

↑ 返回顶部

levelsio @levelsio

💡 核心观点: Skyr是高蛋白低热量的天然冰岛发酵乳制品。

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: Skyr售价€1.65/400g (价格可能因地区、零售商或时间变化而不同，需查看具体销售渠道的实时标价，但可通过超市官网或电商平台验证部分数据。)
✓ 可验证: 400g Skyr含48g蛋白质和200卡路里 (营养成分表通常印于产品包装或品牌官网，属于标准化数据，可直接核对。)
✓ 可验证: Skyr通过加热牛奶、添加凝乳酶和发酵的自然冰岛工艺制成，归类为奶酪但口感像酸奶 (生产工艺和食品分类可通过冰岛食品管理局（如Matís）或权威食品数据库（如USDA）验证，但需确认具体品牌是否符合该描述。)

原文内容:

Skyr酸奶确实与众不同

400克仅售1.65欧元

含48克蛋白质

热量仅200大卡！

不同于蛋白粉、奶昔和能量棒的加工方式。这是采用冰岛传统工艺——加热牛奶后添加凝乳酶发酵而成。虽然归类为奶酪，口感却酷似酸奶！

加入半颗柠檬汁

撒上肉桂粉

搅拌均匀即可享用美味，轻松获取每日所需1/3蛋白质（根据饮食结构不同）

⏰ 06:44 | ❤️ 621点赞 | 📝 67词 | 查看原文 →

↑ 返回顶部

Grok @grok

@grok it | 影响力: 0万粉丝

💡 核心观点: Imagine Image 2.0推出，支持精准编辑和多场景图像生成。

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: Imagine Image 2.0现已在其API上提供 (可通过提供的官方链接（https://console.x.ai/…）直接访问并验证该服务的可用性及版本信息。)
◐ 部分可验证: Imagine Image 2.0支持精确编辑、信息图、广告、游戏资产、UI/UX线框图、故事板等功能 (功能列表需通过实际API测试或官方文档进一步确认具体实现细节，但基础功能描述可通过官网或链接页面初步验证。)
✓ 可验证: 用户可通过提供的链接（playground）试用Imagine Image 2.0 (链接为官方域名（x.ai），可直接访问并体验服务，验证其真实性。)

原文内容:

Imagine Image 2.0现已登陆我们的API平台：支持精准编辑、信息图表、广告素材、游戏资产、UI/UX原型图、故事板等多样化功能。

欢迎前往体验平台试用：https://console.x.ai/team/default/image?mode=reference&model=grok-imagine-image-2.0&flow=explore&campaign=imagine-image-2-0-x-post&utm_source=website&utm_medium=referral&utm_campaign=imagine-image-2-0-x-post…

⏰ 06:49 | ❤️ 439点赞 | 📝 50词 | 查看原文 →

↑ 返回顶部

levelsio @levelsio

💡 核心观点: 用户不满Claude的说教倾向，考虑转用Grok进行编程。

可信度: 6/10 – 1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: Claude每天变得极其说教，经常直接拒绝用户请求 (需实测观察Claude的交互行为，但拒绝频率和”说教”程度属于主观体验，无公开量化数据支持)
◦ 观点: 用户考虑在Grok足够优秀时转向其进行编程工作 (纯属个人偏好和未来意向陈述，无客观事实依据)
✓ 可验证: 用户的网站已完全运行在xAI后端 (需访问者网站架构和后台数据才能确认，非公开信息且涉及隐私)

原文内容:

一样

Claude现在每天变得极其爱说教，经常直接拒绝我的请求

如果Grok在编程方面足够好用，我很乐意转投过去

我的网站已经完全运行在@xAI的后端上了

⏰ 06:29 | ❤️ 1174点赞 | 📝 38词 | 查看原文 →

↑ 返回顶部

Mistral AI @mistralai

前沿人工智能掌握在您手中。使用 @MistralVibe 在 http://mistr.al/vibe 完成工作。 | 影响力: 0万粉丝

💡 核心观点: Mistral推动欧洲掌控AI未来，提供基础设施与开源模型。

可信度: 6/10 – 1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: Mistral正在整合推理基础设施、开放模型和欧洲控制AI未来所需的长期承诺 (可通过[Mistral官网链接](https://mistral.ai/news/regional-inference-open-models-new-compute/)查看其发布的战略内容，但“长期承诺”和“控制AI未来”的具体细节需进一步核实实际执行情况。)
◐ 部分可验证: Mistral为全球AI发展制定了路线图 (官网可能提及路线图框架，但“为全球制定”的广泛影响需结合第三方行业分析或实际合作案例验证。)
✓ 可验证: 欧洲需要Mistral的举措以掌握AI未来主导权 (该声明属于主观愿景，无直接客观指标验证“欧洲需要”或“主导权”的必然性，需依赖行业专家观点或政策对比分析。)

原文内容:

Mistral正汇聚欧洲掌控AI未来所需的推理基础设施、开放模型与长期承诺，并为全球制定发展路线图。详情可见：https://mistral.ai/news/regional-inference-open-models-new-compute/…

⏰ 06:28 | ❤️ 226点赞 | 📝 37词 | 查看原文 →

↑ 返回顶部

Artificial Analysis @artificialanlys

Independent analysis of AI | 影响力: 0万粉丝

💡 核心观点: Claude Opus领先新型电子表格分析基准测试。

可信度: 7/10 – 1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: AA-AnalystAgent是一个用于定量分析的代理基准测试工具，Claude Opus 5以54%的准确率领先，GPT-5.5为50%，Claude Fable 5为49% (需查看官方发布的基准测试报告或数据集以确认排名和百分比数据，但若缺乏公开细节则无法完全验证)
◐ 部分可验证: AA-AnalystAgent测试模型在真实分析师角色中的专业判断能力，包括解释来源、决定例外情况和方法论选择 (需访问官方文档或测试设计说明以确认评估标准，但具体任务内容和评分逻辑可能未完全公开)
✓ 可验证: AA-AnalystAgent采用‘pass-all-5’作为核心指标，要求模型在5次独立尝试中全部正确 (若官方提供基准测试方法文档或开源代码，可直接验证该指标定义)

原文内容:

我们正式推出AA-AnalystAgent——面向现实世界电子表格与文档定量分析的全新智能体基准测试。Claude Opus 5以54%的准确率领先，GPT-5.5以50%居次，Claude Fable 5以49%位列第三。

在实际分析师工作中，专业判断与领域知识同定量分析能力同等重要。AA-AnalystAgent对此进行专项测试，要求模型能够解读数据源、判断适用例外情况、确定合适的方法论以完成任务。

由于将分析任务交付智能体不仅要求答案正确，更要求结果稳定，AA-AnalystAgent每项任务会运行五次，并以pass^5（我们称为"全通五关"）作为核心指标——这意味着模型必须在五次独立尝试中每次都正确完成任务。

AA-AnalystAgent概览：
- 涵盖14个商业与科学领域的80个问题，包括医疗支出报告、大宗商品贸易统计、水文气象数据、政府拨款、能源成本模型、财务模型、环境报告及项目进度表
- 五大真实分析师工作流程模块：数据源检索诊断、筛选汇总、比率/趋势/敏感性分析、损益建模、现金流/资产负债表/估值建模

方法论细节：
- 智能体框架：所有任务均通过我们开源的Stirrup框架执行，配备代码运行、网络抓取、图像查看及答案提交工具
- 评分机制：每个模型每项任务运行五次，最终答案通过等值校验器与参考方案比对。三项指标：pass^5、pass@1（平均通过率）、pass@5
- 非公开题库降低污染风险。方法页公开展示来自加州医疗补助支出报告的两个示例问题，含完整提示词与原始材料

关键发现：
- @AnthropicAI的Claude Opus 5（max）以54%领先，@OpenAI的GPT-5.5（xhigh）50%次之，Claude Fable 5（max，Opus 4.8后备方案）49%第三。Anthropic占据前五名中的三席，榜首三强在80项任务中仅相差3个净正确量。
- 可靠性而非原始能力决定榜首差距：GPT-5.5（xhigh）pass@1最高，但Opus 5凭借稳定复现正确结果在pass^5领先。
- 过早锁定错误解读是模型主要失败模式，占我们归类失败的57%。
- 得分成本差异显著：Claude Sonnet 4.6与@小米的MiMo-V2.5-Pro同获20%准确率，单任务成本分别为1.34美元和0.05美元。
- @月之暗面Kimi K3（max）以39%成为开源权重模型榜首，与闭源前沿模型相差15个百分点。

AA-AnalystAgent作为独立排行榜发布，未纳入Artificial Analysis智能指数。

详见下文获取更多细节

⏰ 06:23 | ❤️ 341点赞 | 📝 416词 | 查看原文 →

↑ 返回顶部

# x每日奏折