【AI 英文奏折】2026年10月13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. Rohan Paul: 人工智能发展面临资金壁垒而非能源限制。
2. SemiAnalysis: AMD在vLLM中率先实现ROCm独占的MegaKernel解码支持。
3. Bindu Reddy: 自我改进型智能体通过持续迭代助你高效达成目标。
4. Santiago Valdarrama: Drama 3音频模型可单独编辑单词无需重录全文。
5. Rohan Paul: AI发展最大制约是资本而非技术，需求持续高涨至2030年。
6. Rohan Paul: 编码代理基准测试需模拟真实用户多任务切换的工作流程。
7. The Turing Post: 多代理协作自改进模型提升任务性能。
8. Rohan Paul: 智能体通过训练学会推断伙伴信念目标并独立运行。
9. The Turing Post: 多篇AI论文聚焦机器人推理与模型优化新突破。
10. Emily: 用户订阅计划异常降级且无法修改，求助解决。
11. François Chollet: 农业是物理世界开源自复制的超指数增长技术。
12. ℏεsam: 中国军方用户疑用Kimi通过Claude分析成都监控追踪个人。
13. Anthony Pompliano: 积极进取创造生活，消极逃避毁掉人生。
14. Artificial Analysis: AA-3D基准测试显示Claude与GPT-6在3D场景构建中表现最佳。
15. Machina: 免费高效AI可快速处理海量数据并精准决策
16. Ethan Mollick: AI代理主动测试并解决客户订阅异常问题。
17. Alex Veremeyenko: 混合AI模型系统显著提升代码修改效率和测试准确率。
18. GREG ISENBERG: AI正颠覆传统人机交互模式，重塑所有相关行业。
19. Aakash Gupta: AI购物便利但身份验证缺失致安全隐患。
20. SemiAnalysis: HVLP铜箔通过超光滑界面优化高频信号性能。

---

📖 详细内容

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: 人工智能发展面临资金壁垒而非能源限制。

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:

• ◦ 观点: 人工智能可能在遇到电力瓶颈之前先撞上资金壁垒 (该声明是埃里克·施密特博士对人工智能发展限制的主观判断，缺乏具体数据或公开研究直接支持这一观点，属于个人推测或行业观察。)
• ✓ 可验证: 以6%的利率计算，一万亿美元的债务每年要花费600亿美元 (这是基本的财务计算（1万亿×6% = 600亿），可通过数学公式或金融工具直接验证，利率和债务规模假设为公开讨论的常见参数。)
• ◐ 部分可验证: 每吉瓦（电力基础设施）成本约为500亿美元，10吉瓦即5000亿美元 (电力基础设施成本因技术、地区和规模差异较大，需参考具体项目数据或行业报告（如国际能源署报告）验证，但施密特未提供具体来源。)

原文内容:

前谷歌首席执行官埃里克·施密特博士：人工智能可能在遇到电力瓶颈之前先撞上资金壁垒。

每瓦性能曾有过不错的表现。以 6% 的利率计算，一万亿美元的债务每年要花费 600 亿美元。

“人工智能的真正限制不是能源；实际上是现金。当你把这些成本加起来时，如果取整数字，比如每吉瓦 500 亿美元，那么 10 吉瓦就是 5000 亿美元。

有多少公司、国家等等能够向一个产业注入一万亿美元的资金？非常、非常少。中国人当然能做到。我不知道他们是否在做，但我会试着去查清楚。

在美国，有些人希望这种情况会发生。有趣的是，你能为这些事情融资，因为美国资本市场的高明之处在于让我们能够借到那种钱。例如，欧洲人做不到这一点，他们对此有些不满。”

⏰ 21:31 | ❤️ 83点赞 | 📝 255字 | 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: AMD在vLLM中率先实现ROCm独占的MegaKernel解码支持。

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: AMD 在上游 vLLM 中抢先实现了 MegaKernel 解码支持，比 NVIDIA 早得多 (可通过检查 vLLM 上游代码仓库的提交记录或官方发布说明，确认 AMD 是否已合并 MegaKernel 支持以及时间节点，并与 NVIDIA 的进展对比。)
• ◐ 部分可验证: MegaKernels 通过将内核启动次数减少 10 倍，对高交互性解码具有重大重要性 (技术原理（如内核启动次数减少）可通过学术论文或官方技术文档验证，但具体性能提升（如“10倍”）需实测或官方基准测试数据支持。)
• ✓ 可验证: 这是 vLLM 主要特性首次仅在 ROCm 上支持，而尚未在 CUDA 上支持 (可通过 vLLM 官方文档或代码仓库的功能支持列表，确认 MegaKernel 是否目前仅限 ROCm 后端，且 CUDA 是否无对应实现或草案 PR。)

原文内容:

警报：AMD刚刚在上游vLLM中率先实现了MegaKernel解码支持，时间上大幅领先于NVIDIA。这标志着vLLM首次出现仅在ROCm平台支持、而CUDA平台尚未实现的重要特性。

MegaKernels作为一项关键技术，能将内核启动次数降低十倍，对高交互性解码场景具有重大意义。

此次突破是ROCm版vLLM实现重要独占特性的里程碑事件。目前上游vLLM中甚至尚未出现针对CUDA平台MegaKernel支持的草案级PR（拉取请求）。

⏰ 11:00 | ❤️ 35点赞 | 📝 109字 | 查看原文 →

↑ 返回顶部

Bindu Reddy @bindureddy

@abacusai 的首席执行官 – 一个强大的 AI 代理和超级计算机 – 在 Abacus AI 上构建您的公司，前 AWS 和 Google | 影响力: 0万粉丝

💡 核心观点: 自我改进型智能体通过持续迭代助你高效达成目标。

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:

• ✓ 可验证: 自我改进型智能体可以最大化您的收入 (该声明缺乏具体数据、案例或公开可查的实证支持，属于效果承诺，需依赖用户实际体验或未公开的内部测试结果。)
• ◐ 部分可验证: 智能体通过定期迭代和每次运行提升指标 (若该智能体提供版本更新日志或性能指标报告（如响应速度、准确率等），可能部分验证，但“提升指标”的具体定义和实际效果需实测确认。)
• ◦ 观点: 使用成群的自我改进型智能体能获得更多转化、制作病毒式帖子并促成更多交易 (该声明为营销性描述，未提供具体实现机制或对比数据，效果依赖主观预期或场景，属于推广话术。)

原文内容:

 自我改进型智能体：最大化您的收入

- 设置一个目标 
- 智能体定期迭代
- 每次运行都提升指标
- 随着时间推移实现您的目标

使用成群的自我改进型智能体，获得更多转化、制作病毒式帖子并促成更多交易

⏰ 10:43 | ❤️ 57点赞 | 📝 82字 | 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: Drama 3音频模型可单独编辑单词无需重录全文。

可信度: 10/10 – 2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:

• ◐ 部分可验证: Drama 3 是第一个允许编辑单个单词的音频模型 (需通过官方文档或实测确认是否为“首个”支持此功能的模型，可能存在同类竞品未被提及。)
• ✓ 可验证: Drama 3 支持在音频中重新生成单词或短语并保留其余部分 (可通过 Fish Audio 官网或官方演示视频验证功能是否存在及具体操作流程。)
• ✓ 可验证: 该功能支持 83 种语言 (语言列表可通过官方技术文档或实际测试部分语言样本验证，但全面验证需官方数据支持。)

原文内容:

这是我见过第一个允许你编辑单个单词的音频模型。

文本转语音模型最近变得非常出色，但它们仍然会出错，我讨厌因为一个单词错误而不得不重做整个配音。

@FishAudio 刚刚发布了 Drama 3，它支持音频修复。

基本上，你可以在音频中重新生成一个单词或短语，同时保持其他部分不变。

工作流程很简单：

1. 生成你的配音
2. 选择你想要替换的单词或短语
3. 生成替换内容并保留其余部分

它的工作效果出奇地好！

顺便说一句，你可以在 83 多种语言中做到这一点！

感谢 Fish Audio 团队与我合作撰写这篇文章。

⏰ 22:15 | ❤️ 167点赞 | 📝 191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.

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发展最大制约是资本而非技术，需求持续高涨至2030年。

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: 博通首席执行官Hock Tan表示，资本可能成为人工智能的最大制约因素 (需查阅Hock Tan的公开演讲、采访或博通官方声明，但需确认其具体语境和完整表述)
• ◐ 部分可验证: 英特尔首席执行官Lip-Bu Tan称“资本及其成本”为一线挑战 (需核实Lip-Bu Tan的公开言论或英特尔官方记录，但需结合具体场合和时间点)
• ◦ 观点: Hock Tan表示计算需求超过供应，可能持续至2029-2030年 (基于行业趋势的预测性观点，缺乏具体数据支撑，无法直接验证)

原文内容:

博通首席执行官Hock Tan表示，资本，而非芯片、内存或电力，可能成为人工智能的最大制约因素。

融资更难解决，因为数据中心和芯片在产生收益之前需要多年偿付费用，而更高的债券收益率会增加这一成本。

英特尔首席执行官Lip-Bu Tan指出了同样的压力，他称“资本及其成本”为一线挑战，并表示人们最终会想要看到投资回报率。

他们都不认为需求会很快降温，Hock Tan表示计算需求超过供应，这种情况可能持续到2029年，甚至可能延续至2030年。

⏰ 21:30 | ❤️ 26点赞 | 📝 168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.

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: 编码代理基准测试需模拟真实用户多任务切换的工作流程。

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: JetBrains研究团队的新论文认为编码代理基准测试应模仿真实用户的工作方式 (可通过提供的arXiv论文链接（arxiv.org/abs/2610.09633）直接查看论文标题和内容，确认其核心主张)
• ◐ 部分可验证: SWE-Bench Pro基准测试中，新功能和错误修复占任务的93.8% (需查阅SWE-Bench Pro的官方文档或数据集以验证具体任务分布，但论文中可能已引用公开数据)
• ◐ 部分可验证: JetBrains研究人员分析了4,782个真实代理会话，发现功能和错误修复请求不到一半 (论文中应包含数据来源和分析方法，但原始会话数据是否公开未知，需依赖论文描述的严谨性)

原文内容:

JetBrains 研究团队的新论文认为，编码代理基准测试应模仿真实用户的工作方式，因为真实会话会跨多条消息混合并切换任务类型。

真实开发人员在使用编码代理时，会提问、规划、审查，并在会话中途切换任务，但像 SWE-Bench Pro 这样的基准测试会向代理提供 1 个详细问题并对 1 个最终补丁进行评分。在该基准测试中，新功能和错误修复占任务的 93.8%。

JetBrains 研究人员分析了 4,782 个真实代理会话，其中功能和错误修复请求不到一半。在较长的会话中，用户不断在提问、规划、审查和编辑之间切换。

他们构建了 SWE-TaskFlow，它将每个基准测试问题拆分为多个回合，并添加关于代码的可检查问题。在 700 个 SWE-Bench Pro 任务上，拆分大致使代理成本翻倍，但成功率没有稳定变化。

如果你在评估编码代理，首先衡量你自己的用户需求，然后调整基准测试的对话以匹配它。

– arxiv. org/abs/2610.09633

标题："编码代理基准测试应匹配用户的任务流程"

⏰ 16:17 | ❤️ 72点赞 | 📝 304字 | 查看原文 →

↑ 返回顶部

The Turing Post @theturingpost

On X we surface the AI research that matters and explain the ideas behind it. In the newsletter, we connect the dots between AI’s past, present, and future | 影响力: 8,552万粉丝

💡 核心观点: 多代理协作自改进模型提升任务性能。

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:

• ✓ 可验证: SakanaAILabs和Berkeley_AI提出了多代理自监督（MASS）方法，通过模型副本协作从自身反馈中获取更多价值 (可通过研究机构官网、预印本论文或官方发布的博客直接验证该方法的提出及核心机制。)
• ◐ 部分可验证: MASS在两个循环（内部循环改进工作流程和外部循环训练模型）间交替进行，优化指令和模型权重 (具体实现细节需依赖论文或代码公开，但核心流程描述符合典型自监督学习框架，部分可验证。)
• ◐ 部分可验证: 经过两个MASS周期后，在四个研究基准上每token分数提高1.2–1.6倍，评估器准确率从73%升至93% (若论文公开基准测试数据和实验设置可验证，但需复现实验确认结果普适性；未公开原始数据则部分可验证。)

原文内容:

.@SakanaAILabs 和 @berkeley_ai 推出了一项关于递归自我改进的有趣研究。

他们提出了多代理自监督（MASS）方法——一种通过让模型的副本作为一个团队协作，从模型自身的反馈中获取更多价值的方法。

这些代理共享相同的模型权重，但承担不同的职责、指令和上下文 →

这个想法是优化每个代理接收、生成和传递的内容。

它的工作原理如下：

 MASS 在两个循环之间交替进行。

1. 内部循环改进工作流程：
模型提出一个工作流程，运行它，评估结果，并修改指令、任务分配和信息路由。权重保持不变。

2. 外部循环训练模型：
优化的工作流程生成轨迹：代理对话和行动的记录。共享模型在以下内容上进行微调：
- 子代理轨迹：完成专注任务
- 协调器轨迹：委托、验证和整合工作

以及一如既往的结果：

- 经过两个 MASS 周期后，在四个研究基准上每 token 分数提高了 1.2–1.6 倍
- 评估器准确率：73% → 93%
- 获胜率 68.3% vs. 64.0%，使用更少的训练 token
- 在编码和终端任务上每 token 分数略有下降
但这项研究仅展示了两个回合的改进，而不是无尽的自我改进。

但这项研究迄今仅展示了两个回合的改进，而不是无尽的自我改进。

无论如何，这里有一个重要的洞见：模型确实可以通过学习将其工作分配到副本之间并共享结果来改进。

⏰ 02:12 | ❤️ 52点赞 | 📝 410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.

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: 智能体通过训练学会推断伙伴信念目标并独立运行。

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: 加州大学圣迭戈分校的一篇新论文通过训练奖励将心智理论融入一个70亿参数的智能体中 (可通过提供的arXiv链接（arxiv.org/abs/2610.12453）直接查看论文标题、作者及摘要，确认研究机构和核心方法。)
• ◐ 部分可验证: 该智能体学会了解读伙伴的信念和目标，并在部署时无需额外模型即可独立运行 (论文中可能描述了实验设计和结果，但需实际复现或依赖第三方验证其独立运行能力及效果。)
• ✓ 可验证: 传统大型语言模型智能体通过提示文本或记忆摘要猜测对方目标，缺乏对伙伴知识或计划的明确估计 (此为领域内常见技术对比，可通过现有文献（如arXiv或其他论文库）验证传统方法的局限性。)

原文内容:

加州大学圣迭戈分校的一篇新论文通过训练奖励将心智理论融入一个70亿参数的智能体中，因此该智能体学会了解读伙伴的信念和目标，然后在部署时无需额外模型即可独立运行。

谈判、合作或角色扮演的大型语言模型智能体通常从提示文本或记忆摘要中猜测对方的目标。它们不保留对伙伴知识或计划的明确估计，因此可能会误读意图。

他们训练了一个模型，用于推断伙伴的信念、意图和想法，包括伙伴对该智能体的看法。该模型在强化学习期间对候选回复进行评分，而最终的智能体则无需它即可单独运行。

对于谈判或协作的智能体，使用一个奖励进行训练，该奖励根据推断出的伙伴目标和信念模型来评估回复。

– arxiv.org/abs/2610.12453

标题：“多智能体系统的心理模型”

⏰ 15:14 | ❤️ 112点赞 | 📝 269字 | 查看原文 →

↑ 返回顶部

The Turing Post @theturingpost

On X we surface the AI research that matters and explain the ideas behind it. In the newsletter, we connect the dots between AI’s past, present, and future | 影响力: 8,552万粉丝

💡 核心观点: 多篇AI论文聚焦机器人推理与模型优化新突破。

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: RoboJEPA是机器人基础模型的推理配方 (可通过论文或官方发布的模型文档验证其技术细节，但需实际测试或同行评审确认其实际效果。)
• ◐ 部分可验证: Memento 3通过反思性规则手册实现基于模型的递归自我改进 (论文可能描述方法原理，但递归自我改进的长期效果需实验复现或第三方验证。)
• ✓ 可验证: Optimizing the Optimizer: Language Models Discover Faster Molecular Relaxation Algorithms (若论文公开且包含实验数据（如算法对比基准），可通过学术数据库或代码仓库直接验证。)

原文内容:

本周必读论文

《RoboJEPA》
《ARC：机器人基础模型的推理配方》
《Memento 3：基于模型的递归自我改进——通过反思性规则手册实现》
《自我回溯蒸馏》
《RoboQuest：通用物理代理框架——搜索、检查与测试》
《迈向正确的循环模型（第二部分）：在固定点重新思考》
《Long-WAM：扩展世界-动作模型的上下文》
《优化优化器：语言模型发现更快的分子弛豫算法》
《REMORY：学习残差记忆以实现上下文压缩》
《EVISKILL：在可重放证据中构建技能演化基础》
《AgentGarten：代码世界的演化代理》
《LoGRA：利用低秩梯度草图扩展LLM强化学习》
《RealtimeWAM：异步世界动作模型的一步实现》

探索这些前沿研究，把握人工智能核心趋势。另附完整论文列表与链接，以及我们的每周AI新闻摘要：

⏰ 08:53 | ❤️ 43点赞 | 📝 163字 | 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: 用户订阅计划异常降级且无法修改，求助解决。

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: 用户从Premium+一年计划被降级为Plus计划 (需用户提供账户订阅历史截图或官方通知邮件，或通过登录X（原Twitter）账户查看订阅状态变化。但需用户配合或官方公开案例，否则仅限个人体验。)
• ◐ 部分可验证: 用户无法在网页、Grok应用或X应用上更改订阅计划 (可通过实测尝试修改订阅计划验证功能是否异常，但结果可能因账户、地区或系统版本差异而不同，需更多样本确认是否为普遍问题。)
• ◦ 观点: 用户认为这是系统bug并@相关人员请求修复 (用户主观推断问题为bug，无公开技术报告或官方声明佐证；@相关人员属诉求表达，无客观事实依据。)

原文内容:

这里发生了什么？我之前是 Premium+ 一年计划，现在却变成了 Plus。而且我甚至无法在网页上更改它？或者在 Grok 应用或 X 应用上更改？到底是怎么回事？@benjitaylor，看起来好像出了什么问题。@poteto 你能请你的机器人来修复这些该死的 bug 吗。

⏰ 08:34 | ❤️ 32点赞 | 📝 81字 | 查看原文 →

↑ 返回顶部

François Chollet @fchollet

Co-founder @ndea. Co-founder @arcprize. Creator of Keras and ARC-AGI. Author of ‘Deep Learning with Python’. | 影响力: 0万粉丝

💡 核心观点: 农业是物理世界开源自复制的超指数增长技术。

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:

• ◦ 观点: 农业是物理世界的自我复制、递归自我改进的纳米技术。 (该声明将农业类比为纳米技术，属于主观比喻或愿景陈述，缺乏客观事实依据，无法直接验证其准确性。)
• ◐ 部分可验证: 农业全部都是开源的。 (农业技术中的部分知识（如传统种植方法、公共种子库等）可视为“开源”，但商业化育种、专利技术等并非完全开放，需具体案例验证。)
• ✓ 可验证: 一个农业实例（如种子）可以变成数百颗种子，进而实现超指数增长。 (植物繁殖的倍数增长（如种子产量）可通过生物学资料或农业统计数据验证，但“超指数增长”需限定具体作物和条件，实际中受环境限制。)

原文内容:

如果你向旧金山的人解释农业，你会让很多人脑洞大开。它……是物理世界的自我复制、递归自我改进的纳米技术。而且全部都是开源的！

一个实例可以变成数百颗种子，那些种子又变成数百个实例。转眼间你就有了数万亿个。它是超指数增长的

⏰ 08:25 | ❤️ 897点赞 | 📝 98字 | 查看原文 →

↑ 返回顶部

ℏεsam @hesamation

apes made fire, then GPUs, then ASI | 影响力: 0万粉丝

💡 核心观点: 中国军方用户疑用Kimi通过Claude分析成都监控追踪个人。

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报告称，一名疑似与中国军方有关的用户正在使用Kimi追踪成都市数百个闭路电视摄像头中的某人 (需查看Anthropic官方报告或公开声明以确认是否存在此类报告，但具体用户身份和活动细节可能涉及未公开数据，难以完全验证)
• ◐ 部分可验证: Moonshot将Kimi模型的请求秘密转发到Claude，作为其蒸馏努力的一部分 (需通过Moonshot或Anthropic的官方声明或技术文档验证模型请求转发机制，但“秘密”一词暗示非公开操作，可能缺乏直接证据)
• ✓ 可验证: 其中一条转发请求来自一名被认为与中国解放军有关的用户 (用户身份和背景涉及敏感信息，无公开证据支持，且“认为”一词表明是推测性结论)

原文内容:

我简直不敢相信我错过了这个 LMAO…

Anthropic 报告称，一名疑似与中国军方有关的用户正在使用 Kimi 追踪成都市数百个闭路电视摄像头中的某人。

只是 Moonshot 偷偷将请求路由到 Claude：

“例如，我们最近报告了一个案例，其中对 Moonshot 的 Kimi 模型的请求被秘密转发到 Claude，作为其蒸馏努力的一部分。其中一个请求来自一名用户（我们认为与中国解放军有关），该用户试图分析针对特定个人的闭路电视监控。”

⏰ 08:17 | ❤️ 132点赞 | 📝 146字 | 查看原文 →

↑ 返回顶部

Anthony Pompliano @apompliano

企业家、投资者和终身学习者。

每日写作：http://pompletter.com
播客：http://pompyoutube.com
我的第二本书：http://pompbook.com | 影响力: 0万粉丝

💡 核心观点: 积极进取创造生活，消极逃避毁掉人生。

可信度: 10/10 – 2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: 早晨 4:30 醒着的男人有两种，一种是准备征服这一天的人，另一种是逃避问题的人。 (这是对早起人群的主观分类，缺乏客观数据或研究支持其普遍性，属于作者的个人观点。)
• ◦ 观点: 进攻中的男人正在攻克这一天，而防守中的男人是在逃避问题。 (这是对行为模式的比喻性描述，属于主观判断，无法通过客观事实验证其准确性。)
• ✓ 可验证: 本杰明·富兰克林曾说过：“早睡早起使人健康、富有且智慧。” (富兰克林的这句名言有历史记录和文献支持，可通过权威传记或公开资料验证。)

原文内容:

有两种类型的早起男人。

互联网上充斥着“生活小窍门”，承诺让你更聪明、更富有，或更健康。但我对这些速成方案并不那么确定。相反，一个美好的生活是通过在很长一段时间内将简单的事情做得非凡出色来建立的。

以来自 X 用户 @BowTiedYukon 的 4:30 早起男人的悖论为例。他写道：

“早晨 4:30 醒着的男人有两种。其中一种，满脑子咖啡因，正赶往健身房或工作场所，准备征服这一天。另一种，满身酒精或毒品，跌跌撞撞地回家，试图逃避它。”

做第一个男人。避免第二个男人。

这两种男人之间的区别在于，前者处于进攻状态，而后者处于防守状态。进攻中的男人正在攻克这一天。早起并准备好做任何必要的事来谋生、养家，并推进他们的目标。信息很明确——进攻、进攻、进攻。没有时间抱怨或牢骚。亚军是不可接受的。只有赢家才会那么早出现在健身房或工作场所。

防守中的男人很可能是在逃避他的问题。他过着一种他想逃离的生活。如果他能用酒精淹没痛苦，或用毒品麻痹它，他认为自己会好过些。但情况几乎从来不是这样。当你总是处于防守并只是被动反应时，很难赢得战斗。逃避主义短期内可能感觉不错，但通常会在长期内累积问题。

如果你前一晚熬夜狂欢，你就无法精神饱满地早起攻克这一天。

这个概念是永恒的。本杰明·富兰克林于 1790 年去世，他曾说过：“早睡早起使人健康、富有且智慧。”

想法只有在有效时才能成为永恒的。成为那个早起攻克一天的人，永远不会过时。

这是我新书《如何过非凡生活 第二卷》的节选。你可以在这里购买本书的一本：

⏰ 23:24 | ❤️ 190点赞 | 📝 534字 | 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: AA-3D基准测试显示Claude与GPT-6在3D场景构建中表现最佳。

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: AA-3D基准测试包含55个跨七个领域的书面简报，模型需在离线沙盒中将其转化为three.js网页 (需查看官方发布的基准文档或沙盒工具细节，但若未公开具体简报内容或沙盒实现代码，则无法完全验证。)
• ✓ 可验证: 四个模型（Claude Sonnet 5.5、Claude Opus 5.5、GPT-6 Astra、Claude Fable 5.1）在AA-3D测试中并列第一，统计平局 (若官方公开了完整的测试结果、Elo排名数据及置信区间计算方式，可通过原始数据复现验证。)
• ◐ 部分可验证: AA-3D Elo分数与Artificial Analysis Intelligence Index呈强相关性（Pearson 0.92） (需同时获取AA-3D的Elo数据和第三方智能指数数据才能验证相关性，若后者未公开则无法独立验证。)

原文内容:

我们已经测量了智能。现在是时候看到它了。

我们正在推出 AA-3D，这是我们针对 AI 模型构建交互式 3D 场景效果的全新基准。每个模型作为一个代理在离线沙盒中工作，将书面简报转化为 three.js 网页。一组人类评审员比较由相同简报构建的场景对，而不知道哪个模型创建了哪个。

AA-3D 详情：

➤ 跨越七个领域的 55 个书面简报，包括地标、机器、生物体、游戏和太空。每个简报说明场景必须展示什么以及人们应如何与之互动，其余部分留给模型决定

➤ 每个模型最多有三小时和 250 轮操作。其沙盒配备 Blender、Rapier 物理引擎、Python、无头浏览器用于测试自己的作品，以及 CC0 材质库、3D 模型和角色库

➤ 评审员在投票前至少花 30 秒查看每个场景。每四次比较中有一项是验证检查

➤ 来自超过 1,000 名评审员的 10,000 多张计票按 Elo 排名 21 个模型，并附带 95% 置信区间

关键发现：

➤ 四个模型在顶部并列（统计平局）：Claude Sonnet 5.5 (1194)、Claude Opus 5.5 (1190)、GPT-6 Astra (1165) 和 Claude Fable 5.1 (1131)。其他三个模型的 95% 置信区间与 Claude Sonnet 5.5 重叠

➤ AA-3D Elo 与智能指数同步上升：Artificial Analysis Intelligence Index 的每个点价值约 18 Elo（Pearson 0.92）

➤ 排名最高的开源权重模型 Kimi K3 (982) 和 MiMo-V2.6-Pro (977) 分别位列第 11 和第 12，落后第一名超过 200 分

➤ 一个场景的成本从 0.20 美元到 32.08 美元不等，取决于模型。最便宜的 GPT-6 Luna 排名第八

更多结果、更多场景以及 AA-3D 的工作原理将在下面的线程中继续。

⏰ 07:40 | ❤️ 450点赞 | 📝 403字 | 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: 免费高效AI可快速处理海量数据并精准决策

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: 输出令牌现在基本上是免费的，每百万令牌发送费用为0.05美元，回答本身不收费 (需查看官方定价文档或API说明以确认具体计费规则，但”免费”表述可能涉及营销话术（如免费回答可能隐含其他成本）。)
• ✓ 可验证: 模型一次可处理多达384K个令牌的上下文（包括合同/日志/图表等） (上下文窗口大小通常会在技术文档或模型规格中明确标注，但需注意”一次性处理”是否涉及性能折衷（如精度下降）。)
• ✓ 可验证: 在16个企业决策基准中的13个上领先 (未提供基准名称、对比对象及测试方法，缺乏可重复验证的数据来源。)

原文内容:

这是 Jev，但打了类固醇，而且没人准备好迎接它……

输出令牌现在基本上是免费的

让我向你解释这意味着什么……

你只为发送给它支付费用，每百万令牌 0.05 美元，而回答本身不花你一分钱

而且它不只是读一点点……它一次就能读多达 384K 个令牌

合同、日志、工单、截图、图表、扫描页面，全都一次性处理，不用把任何东西切成碎片

然后它会在不到一秒钟内做出决策

- 哪个支持工单发到哪里
- 哪个安全问题被标记
- 代理选择哪个工具
- 法律或财务文档到底说了什么

它在 16 个企业决策基准中的 13 个上领先

你的代理过去只能猜测，因为提供所有上下文太贵了……这个借口现在没了

⏰ 01:34 | ❤️ 191点赞 | 📝 225字 | 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: AI代理主动测试并解决客户订阅异常问题。

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: 我的 AI 代理在进行主动客户服务 (需查看用户是否实际部署了AI代理的客户服务功能，但需访问具体系统或代码库才能完全验证。)
• ◐ 部分可验证: 用户订阅Substack后被自动注册到其他服务（本不应发生） (需检查Substack的订阅流程和第三方服务关联性，但需用户提供具体邮件或订阅记录以确认。)
• ✓ 可验证: Dot（AI代理）在未要求的情况下运行测试并尝试重现错误 (AI代理的自主行为难以直接验证，除非提供日志或代码逻辑证明其主动性。)

原文内容:

我的 AI 代理在进行主动客户服务：有人给我发邮件说，在订阅我的 Substack 后，他们被自动注册到其他服务（这本不应该发生）

在我没有要求的情况下，我的 Dot 运行了自己的测试，并通过尝试重现错误来弄清楚发生了什么。

⏰ 07:31 | ❤️ 83点赞 | 📝 84字 | 查看原文 →

↑ 返回顶部

Alex Veremeyenko @alex_verem

开源、本地人工智能、公益人工智能

又名：@alex_prompter | 影响力: 0万粉丝

💡 核心观点: 混合AI模型系统显著提升代码修改效率和测试准确率。

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: 伊利诺伊大学和宾夕法尼亚州立大学的研究人员构建了一个名为 HERMES 的编码系统，为代码库中的每个文件配对一个专属的 AI 模型。 (可通过查询两所大学的公开研究论文或项目页面验证，但需确认具体技术细节是否公开。)
• ✓ 可验证: HERMES 配置在 SWE-bench Verified 上解决了 94.2% 的问题，GPT-5.6 Sol 处理所有任务时得分 97.0%。 (SWE-bench 是公开基准测试，可通过官方排行榜或研究论文验证成绩，但需确认实验设置是否一致。)
• ◐ 部分可验证: 混合配置（Qwen3-8B + GPT-5.6 Sol）在 Terminal-Bench 4.0 上成本降低 26.2%。 (需查阅相关基准测试报告或论文中的成本分析部分，但具体计算方式可能依赖未公开数据。)

原文内容:

打造你自己的 harness。

这类论文让我意识到 harness 工程其实还有很大的未开发潜力。

伊利诺伊大学和宾夕法尼亚州立大学的研究人员构建了一个名为 HERMES 的编码系统。

它为代码库中的每个文件配对一个专属的 AI 模型。

每个模型都了解自己的文件。当它更改某项内容时，它会向依赖它的文件发送消息。

另外两个任务交给一个独立的模型。一个任务是挑选哪些文件参与某个工作。另一个任务是读取测试失败信息，并找出导致失败的文件。

然后，研究人员将 Qwen3-8B 用于文件级别的任务。那是一个开源的 8B 模型，他们使用 Ollama 在自己的 GPU 上运行。

他们将 GPT-5.6 Sol 用于另外两个任务。这种配置在 SWE-bench Verified 上解决了 94.2% 的问题。

GPT-5.6 Sol 处理所有任务时得分 97.0%。

在所有四个基准测试中，差距保持在 4.5 分以内。在 Terminal-Bench 4.0 上，混合配置的成本降低了 26.2%。

将所有任务都运行在 Qwen3-8B 上，它仍然能解决 500 个真实 GitHub 问题的 80.6%，每个任务成本 0.13 美元。

围绕模型的系统比我预期的更能改变结果。在 Codex 中，GPT-5.6 Sol 在整个仓库迁移任务上得分 6.5%。而在 HERMES 中，它得分 31.0%。

与标准代理配置相比，平均提升了 12.4 分，跨越四个基准测试。

但也有成本。在相同模型上，HERMES 在大多数测试中的每个任务成本高于它所取代的配置。以 GPT-5.6 Sol 在 SWE-bench Verified 上为例，那是 1.80 美元对比 1.15 美元。

昂贵的模型只需负责规划和诊断。

一个小巧的开源模型，你自己运行，就能处理编辑工作。

⏰ 11:59 | ❤️ 61点赞 | 📝 444字 | 查看原文 →

↑ 返回顶部

GREG ISENBERG @gregisenberg

我每天分享创业想法。主持 @startupideaspod。CEO：@latecheckoutplz 我们打造像 @ideabrowser、@meetLCA、@boringmarketer 等这样的公司 | 影响力: 0万粉丝

💡 核心观点: AI正颠覆传统人机交互模式，重塑所有相关行业。

可信度: 4/10 – 2项需进一步确认；1项为观点陈述

事实核查:

• ◦ 观点: 我们正身处的这场 AI 浪潮转变非常巨大 (该声明是对AI影响的宏观主观判断，缺乏具体量化指标或客观标准，属于个人观点或行业共识性愿景。)
• ◐ 部分可验证: 每一个围绕人类点击操作构建的应用程序、工作和商业模式都即将被重新思考 (部分可验证，例如已有AI工具（如Copilot、ChatGPT插件）正在改变部分应用交互模式，但“每一个”和“即将”等表述过于绝对，需长期观察实际行业变革案例。)
• ◐ 部分可验证: 40年来计算机像汽车需人工驾驶，现在它们正变成自动驾驶的司机 (类比部分可验证（如AI自动化工具替代传统操作），但“变成司机”是简化比喻，实际技术成熟度（如AGI未实现）和覆盖范围仍需具体案例支撑。)

原文内容:

我不认为我们已经完全消化了我们正身处的这场 AI 浪潮转变到底有多么巨大。

每一个围绕人类点击操作构建的应用程序、工作和商业模式都即将被重新思考。

40 年来，计算机就像汽车，我们必须亲自驾驶，而现在它们正变成司机，我们只需告诉它们我们想去哪里。

⏰ 07:06 | ❤️ 640点赞 | 📝 106字 | 查看原文 →

↑ 返回顶部

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: AI购物便利但身份验证缺失致安全隐患。

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: 埃隆·马斯克的AI购买了价值241美元的乐高套装，并发布了收据，随后订单被他人仅凭订单号取消。 (需核实是否存在埃隆·马斯克或其AI相关公开的乐高订单收据，以及乐高客服是否仅凭订单号即可取消订单。若收据或订单取消记录未公开，则无法完全验证。)
• ◐ 部分可验证: 乐高支持机器人仅需订单号即可调取并取消订单，未验证用户身份（如邮箱或登录信息）。 (可通过实测乐高客服流程验证其身份验证机制，但具体案例中“未验证”的细节需依赖目击者记录或官方回应。)
• ◦ 观点: AI助手处理购物和客服时缺乏身份验证机制，可能引发安全问题。 (这是对AI应用风险的推测，缺乏具体案例或官方数据支持，属于主观观点。)

原文内容:

埃隆让他的 AI 买了价值 241 美元的乐高套装，并发布了收据。几小时后，一个随机家伙仅凭图片中的订单号就取消了整个订单。

乐高的支持机器人只问了他一件事。订单号。它说“你好，埃隆”，调出订单，然后推送了取消操作。它从未要求电子邮件或登录，真正的买家只有在一切结束后才知道发生了什么。

想想订单号到底是什么。它会被打印在装箱单上，转发给亲戚，截图到群聊中。它从来都不是设计成秘密。但支持机器人把输入它的人当作订单所有者，所以网上流传的每张收据都像一个没人想过要隐藏的密码。谁持有号码，谁就掌控订单。

一个人工客服可能会对“埃隆”听起来像个喝了第三罐能量饮料的 19 岁年轻人起疑心。但一个以关闭工单速度评分的机器人不会起疑心。它的全部工作就是让你的问题消失，即使问题属于别人。

而这正是事情变得更严重的地方。AI 助手即将处理我们更多的购物，这意味着更多的收据在聊天记录、共享收件箱和截图中来回传递。AI 的购买端正在飞速前进，而证明“你就是你”的那部分却原地未动。

一个 AI 买了乐高，另一个 AI 取消了它们，而在整个过程中，它们俩都没有核实自己到底在和谁对话。

⏰ 17:36 | ❤️ 288点赞 | 📝 412字 | 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: HVLP铜箔通过超光滑界面优化高频信号性能。

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: HVLP（高超低轮廓）是一种电沉积铜箔，其附着于树脂或介电层的侧面经过工程设计，具有异常光滑的粘合表面。 (可通过制造商技术文档或行业标准（如IPC标准）部分验证电沉积铜箔的光滑特性，但“异常光滑”属于相对描述，需具体数据（如粗糙度数值）对比传统铜箔才能完全验证。)
• ✓ 可验证: HVLP与传统铜箔的天然粗糙表面特性形成鲜明对比。 (传统铜箔的粗糙度是行业公认特性（如STD铜箔的Rz值），可通过制造商技术参数或学术文献（如PCB材料研究）直接对比验证。)
• ◐ 部分可验证: HVLP设计目的是优化先进电子设备中的信号性能。 (高频电路信号性能与界面光滑度的关联性可通过电磁仿真研究或厂商白皮书（如Rogers Corporation的应用指南）部分验证，但“优化”效果需具体应用场景测试数据支撑。)

原文内容:

HVLP（高超低轮廓）是一种电沉积铜箔，其附着于树脂或介电层的侧面经过工程设计，具有异常光滑的粘合表面，这与传统铜箔的天然粗糙表面特性形成鲜明对比。这些超低轮廓结构专为保持比标准选项更光滑的铜-介电质界面而设计，有助于优化先进电子设备中的信号性能。虽然不同制造商的术语有所差异，有些将其描述为超低轮廓铜箔，而另一些则非正式地称为超级超低轮廓，但其主要目的始终是创建超光滑界面，用于高频电路集成。(1/3)

⏰ 07:01 | ❤️ 59点赞 | 📝 179字 | 查看原文 →

↑ 返回顶部