【AI 英文奏折】10月15日

x每日奏折18小时前发布 tianming

40 0 0

【AI 英文奏折】2026年10月15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

Ethan Mollick: 为AI代理设专用邮箱便于互动并明确其身份。
Emily: 使用Gemini 4 Argon构建1974年模块化合成器的3D仿真工作室。
Santiago Valdarrama: 参与Kestra开源活动赢大奖，10月31日截止。
Gary Marcus: 长期主张符号与神经网络混合方法却被误解。
Machina: 小团队低成本开发AI模型，性能媲美大公司且支持本地部署。
Alex Prompter: Grok Bot可一键生成品牌定制音乐视频广告。
ℏεsam: 阿斯特拉方案原被认为有误，实为正确。
Artificial Analysis: 前沿语言模型已能操控机械臂完成简单任务。
levelsio: AI自动化创造更多休闲时间，改变工作生活方式。
Aakash Gupta: 自动驾驶技术从失败到突破历经艰难迭代。
The Turing Post: 多种新型机器人及视频生成模型提升预测与控制能力。
Santiago Valdarrama: 许多从业者盲目否定AI价值却不理解其本质。
Anthony Pompliano: GameStop CEO探讨AI变革、散户崛起及未来人类定位。
Machina: 传授AI特定框架和方法能大幅提升使用效率。
Amira Zairi: 厚涂油画技法强调立体笔触、浓郁色彩和动态构图。
Ethan Mollick: AI发展带来行业巨变，前景充满未知与挑战。
Chubby♨️: 新方法可绕过AI图像安全过滤并自动化评估漏洞。
Aakash Gupta: 企业数据价值巨大，高管高薪源于其掌握未公开信息。
Rohan Paul: Anthropic收购Opaque技术以增强AI数据机密计算能力。
Rohan Paul: 苹果指控前员工携机密投奔OpenAI并寻求禁令。

📖 详细内容

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: 为AI代理设专用邮箱便于互动并明确其身份。

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: 为Dot创建一个专用的电子邮件地址是轻松的 (该声明涉及用户个人操作体验，需实测验证（如邮箱注册流程是否简单），但无法直接通过公开渠道确认其主观感受。)
✓ 可验证: 专用电子邮件地址解决了如何与个人代理互动的问题 (“解决互动问题”是用户主观结论，缺乏具体问题描述或客观数据支持，无法验证其普遍性。)
✓ 可验证: 用户不希望Dot使用其个人邮箱或代表其起草消息 (可通过Dot的官方功能说明或隐私政策验证其是否允许AI使用用户邮箱或代发消息（如明确权限设置）。)

原文内容:

给我的 Dot 一个专用的电子邮件地址，结果出奇地轻松，而且解决了一些关于如何与个人代理互动的问题。我不希望它使用我的电子邮件或代表我起草消息，而且我想确保人们知道他们是在与 AI 互动。

⏰ 10:25 | ❤️ 109点赞 | 📝 80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: 使用Gemini 4 Argon构建1974年模块化合成器的3D仿真工作室。

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: 使用Gemini 4 Argon构建完整的、照片级真实的、可玩的1974年模块化模拟合成器和直驱180g黑胶唱机工作室（“CHRONO ANALOGUE // SYSTEM 1974”） (可通过Gemini 4 Argon的官方文档或演示验证其功能，但“照片级真实”和“可玩”需实测或用户反馈确认。)
✓ 可验证: 渲染一段2分钟（120.00秒，7,200帧）的Full HD 1920×1080 @ 60.0 fps展示视频，演奏四首古典交响曲 (视频规格（分辨率、帧率、时长）可通过技术工具（如FFmpeg）直接验证，但内容创作需实际查看视频。)
✓ 可验证: 使用headless Blender 5.2 Python (bpy)创建可编辑的斜角3D资产 (Blender 5.2的Python API（bpy）功能可通过Blender官方文档验证，但具体资产需查看项目文件。)

原文内容:

Gemini 4 Argon high / Antigravity 

Build a complete, photorealistic, playable 3D 1974 modular analogue synthesiser and direct-drive 180g vinyl turntable studio ("CHRONO ANALOGUE // SYSTEM 1974"), and render a 2-minute (120.00 s, 7,200 frames) Full HD 1920x1080 @ 60.0 fps showcase video performing four classical symphonies. Use Gemini 4 Argon to direct and integrate the project, headless Blender 5.2 Python (bpy) for editable bevelled 3D assets, Nano Banana (image-generator) + deterministic Python Sobel/PBR synthesis for 16 surface textures, Three.js (r169 MeshPhysicalMaterial) for 60 FPS interaction, Web Audio API for live sound, and FFmpeg for 1080p60 H.264/AAC encoding.

1. SHARED SCHEMA RECORDS & PIPELINE CALIBRATION

Maintain three schema-validated JSON records at the project root (and mirrored to public/ for runtime verification):

- contract.json: 0.1 m source unit (1.0 m exported glTF unit), 0.8 m rack width (4 bays of 0.2 m: VCO BANK, VCF 24 dB/OCT LADDER FILTER, CONTOUR ADSR/VCA, MODULATION LFO & BBD DELAY), 15.0-degree backward faceplate tilt, Blender (+X right, -Y forward, +Z up) to Three.js (+X right, +Y up, +Z forward) conversion, 16 calibrated knobs (-135 deg to +135 deg around local Z), 12 patch sockets (6 upper [OUT] jacks: VCO 1 OUT, VCO 2 OUT, VCF OUT, ENV CV OUT, LFO CV OUT, PHONO OUT; 6 lower [IN] jacks: VCO PITCH CV, VCF AUDIO IN, VCF CUTOFF CV, VCA AUDIO IN, VCA GAIN CV, DELAY IN), 25 hinged keys from C3 to C5 (MIDI 48-72, rotating +4.5 deg around local +X rear hinge), and Turntable_Platter / Tonearm_Gimbal / Tonearm_Headshell / Turntable_SpeedSwitch / Turntable_StartStop contracts.

- world.json: 64 stable entities with parent relationships, coordinate-tagged transforms, 16 texture asset records, 5 camera presets (opening_studio, synth_rack_closeup, patch_and_keys, turntable_closeup, side_profile_tilt), and settled visual decisions.

- progress.json: current milestone, role owners, completed/unresolved work, and verification evidence paths.

Prove the pipeline first by exporting blender/calibration_knob.blend to public/assets/models/calibration_knob.glb and verifying picking and audio activation before building the full 64-entity scene.

2. LUTHIER-GRADE BLENDER GEOMETRY, UVS & 16-MAP PBR TEXTURES

- Generate base surface imagery with Nano Banana (oiled American black walnut, brushed gunmetal turntable deck, 1974 progressive electronic LP cover art, dark espresso pebble leatherette desk, and brushed black-bronze UI console skin) and run scripts/prepare_textures.py to synthesise 16 high-DPI PBR maps (albedo, Sobel height-to-normal, micro-roughness, metallic, and radial vinyl groove normal maps).

- In scripts/build_studio_assets.py, bevel all rectangular cabinet, plinth, key, and slat meshes first (3 segments) and map the V coordinate along the longest axis of every board face so horizontal cabinet rails and plinth ledges display horizontal wood grain while vertical cheeks and slats display vertical wood grain.

- Deepen the synth faceplate (synth_faceplate_albedo.png) to #101215 charcoal-black anodised aluminium with crisp cream silkscreened scales (#faf2e0), amber/cyan sub-headers, engraved bay seams, corner screws, and metallic potentiometer shaft washers under all 16 knobs. Separate mat_anodised_panel (silkscreened faceplate) from mat_anodised_trim (matte dark keybed chassis with zero texture bleed).

- Model 56-segment fluted Bakelite knobs with spun-aluminium top caps and high-contrast cream indicator inlays; 32-segment hex-nut 3.5mm patch sockets with dark bores; 25 sculpted waterfall naturals and chamfered ebony accidentals resting against a crimson felt strip; a 240-segment cast-aluminium platter rim with 2 distinct strobe dot tracks (33 1/3 and 45 RPM) and a recessed black separator channel; a sculpted prism strobe illuminator tower with a glowing neon-amber lens; a recessed 45-RPM adapter puck; a gimbal hydraulic cueing lever; a 36-step S-shaped tubular chrome tonearm with a slotted die-cast magnesium headshell, cartridge, and finger lift; a gatefold 12-inch LP jacket stand; and a 3.80 m x 1.60 m espresso leatherette studio desk with a rounded walnut bullnose front edge and continuous L-shaped walnut acoustic slat wall (slat_i from -32 to 32 with a walnut wainscot ledger rail so zero background void appears in any view).

3. DARK-ROOM 1974 STUDIO PMREM LIGHTING & 60 FPS HARDWARE CONSOLE UI

- Do NOT use Three.js's default white-ceiling RoomEnvironment(), which washes horizontal vinyl and desk surfaces into pale grey. Build a custom dark ceiling (0x060709) 1974 studio softbox PMREM environment with grazing 3200K warm key, cool cyan control-room fill, and warm amber rim softboxes, plus a local neon-amber PointLight (0xff5e14) at the turntable strobe prism.

- Upgrade all meshes to MeshPhysicalMaterial with computed tangents and anisotropic texture filtering. Set mat_vinyl_record to jet-black (0x050507, clearcoat: 0.92, anisotropy: 0.90) for sharp bow tie groove reflections, and keep horizontal metal surfaces (mat_turntable_deck, mat_anodised_trim) low-glare (roughness: 0.58-0.78, specularIntensity: 0.15-0.32) so they never blow out under directional lights.

- Eliminate CSS backdrop-filter: blur() completely. Style the top and bottom HUD bars with the solid skeuomorphic brushed black-bronze rack skin (ui_hardware_console_skin.png), throttle non-drag hover raycasting and 2D oscilloscope drawing to 30 Hz, and use THREE.PCFShadowMap so the interactive studio sustains 60 FPS with zero console errors and zero deprecation warnings.

4. WEB AUDIO SYNTHESISER, TURNTABLE & CORRIDOR CABLE ROUTING

- Implement a live Web Audio API synthesiser (dual oscillators with continuous waveform morphing and sub-octave square, 24 dB/oct resonant ladder filter with saturation drive, ADSR envelope, LFO, and stereo BBD delay) plus a playable 180g vinyl turntable with 33 1/3 RPM (1.00x) and 45 RPM (1.35x) speed presets that preserve playback position across speed switches.

- Route cross-bay patch cables (horizDist > 0.26 m) through the clear horizontal corridor halfway between the upper [OUT] and lower [IN] socket rows (corridorY = (p0.y + p1.y) * 0.5 - 0.005) with per-cable depth/height lane offsets so intermediate sockets (ENV CV OUT, LFO CV OUT, VCA AUDIO IN, VCA GAIN CV) and labels are never occluded. Stack co-located plugs coaxially (+0.014 m along the faceplate normal) so multiple cables sharing a socket never Z-fight.

- Verify all 64 GLB nodes, red-to-green self-test failure injection, 0.000 Hz tuning accuracy across C3-C5, patch validation/rejection rules, stuck-note prevention on window blur, and 60 FPS telemetry via scripts/verify_and_capture_rev3.py.

5. 2-MINUTE FULL HD 1080p60 FOUR-SYMPHONY SOCIAL MEDIA SHOWCASE

- Create scripts/showcase_choreography.py and scripts/render_social_showcase_1080p60.py to render a deterministic 120.00-second (7,200 frames at 60.0 fps, 1920x1080) showcase video (showcase-1080p60.mp4) and 48 kHz stereo WAV master (evidence/social_showcase_1974_symphonies_48k.wav), plus companion .srt subtitles and social media post copy:

  - 0:00-0:30 (Movement I: Beethoven Symphony No. 5 in C Minor, Op. 67): Live animated cable patching (VCO 1 + VCO 2 -> VCF, ENV CV -> VCF CUTOFF, 4 cables) and sweeping CUTOFF FREQ (280 Hz -> 7,400 Hz) & LADDER DRIVE (3.8x).

  - 0:30-1:00 (Movement II: Bach Toccata & Fugue in D Minor, BWV 565 / Vivaldi — Winter Allegro): Live cable switching (LFO CV -> VCO PITCH CV, VCF OUT -> DELAY IN, 5 cables), reed/square organ registration, rapid 16th-note counterpoint across C3-C5, and stereo BBD delay.

  - 1:00-1:30 (Movement III: Mozart Symphony No. 40 in G Minor, K. 550): Patching PHONO OUT -> VCF AUDIO IN (5 cables), lowering the S-shaped tonearm onto the spinning 180g LP at 33 1/3 RPM, flipping live to 45 RPM (1.35x pitch & tempo) for the Mannheim rocket bridge, and returning to 33 1/3 RPM.

  - 1:30-2:00 (Movement IV: Beethoven Symphony No. 9 "Ode to Joy" Finale): Full-rack maximalist patch occupying all 6 [OUT] sockets across all 4 bays simultaneously + spinning turntable accompaniment, sweeping CUTOFF FREQ to 11.5 kHz and LADDER DRIVE to 4.2x.

- Use a 3D dual-ring crown highlight on the actively swept knob, highlight both source and destination sockets in green during live cable patching, frame all camera presets cleanly between the 96 px Top HUD and 216 px Bottom HUD, and run 30-frame pre-roll warm-ups across parallel Chrome workers so key travel, tonearm angles, and timecodes (floored tenths) are seamless across all 7,200 frames.

⏰ 07:55 | ❤️ 61点赞 | 📝 1128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: 参与Kestra开源活动赢大奖，10月31日截止。

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: Kestra 的 Hacktober 活动将于 10 月 31 日结束 (可通过 Kestra 官方公告、活动页面或社交媒体（如 @kestra_io 的推文）直接确认截止日期。)
◐ 部分可验证: 参与者可通过修复 Kestra 核心/插件仓库的“good-first-issue”或提交 YAML 工作流（需满足特定任务要求）来参与活动 (活动规则可通过 Kestra 的 GitHub 仓库（如 kestra-io/blueprints）或活动说明文档验证，但需实际查看仓库标签和提交要求是否匹配描述。)
◐ 部分可验证: 活动奖品包括第一名 MacBook Neo、第二名 Apple iPad、第三名 Apple 礼品卡 (奖品信息需依赖官方活动页面或公告验证，但“MacBook Neo”名称可能有误（苹果无此产品），需进一步确认是否为笔误或虚构名称。)

原文内容:

如果你还没有这样做，现在就是时候了！

Kestra 的 Hacktober 将于 10 月 31 日结束，这是一个极好的机会，让你作为开源贡献者建立自己的声誉。

你可以以几种方式参与：

1. 在 Kestra 的核心或插件仓库中修复一个问题 — 从仓库中选择任意一个“good-first-issue”，编写代码来解决它，并提交一个 PR，附上前后截图展示更改。

2. 使用 YAML 构建一个可重用的 Kestra 工作流，并提交到 kestra-io/blueprints 仓库 — 你的提交必须至少包含 3 个可运行任务、1 个流任务、1 个触发器，以及至少 1 个非核心插件。

有奖品：

• 第一名 → MacBook Neo
• 第二名 → Apple iPad
• 第三名 → Apple 礼品卡

感谢 @kestra_io 团队与我合作撰写这篇文章。

⏰ 21:10 | ❤️ 20点赞 | 📝 189字 | 查看原文 →

↑ 返回顶部

Gary Marcus @garymarcus

OG GenAI Skeptic; spoke at US Senate. Warned about hallucinations in 2001. Advocating world models & neurosymbolic AI ever since. Author, Marcus on AI & 6 books | 影响力: 0万粉丝

💡 核心观点: 长期主张符号与神经网络混合方法却被误解。

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: 推文作者声称自己有证据明确主张符号操作和神经网络的混合方法，并列举了1992年、2001年、2012年等年份的出版物作为依据。 (可通过检索作者的学术出版物（如Google Scholar、个人官网）验证其是否在相关年份发表过相关主题的论文，但需具体查阅论文内容以确认是否明确支持混合方法。)
✓ 可验证: 推文作者指责部分推特用户未做功课就制作迷因，暗示其观点缺乏依据。 (“未做功课”是主观判断，无法量化验证；迷因的具体内容和传播背景需进一步调查，但推文未提供具体链接或案例。)
◦ 观点: 推文作者批评相关行为是“令人难以置信的智力不诚实”。 (“智力不诚实”是主观评价，无客观标准，属于个人观点而非可验证事实。)

原文内容:

我有证据，*明确地* 主张符号操作和神经网络的混合方法，这些证据可以追溯到我1992年的第一篇出版物， 以及2001年、2012年、2018年、2019年、2020年、2022年等等。

然而，那些连三秒钟的功课都没做的推特用户还在制作这样的迷因。

令人难以置信的智力不诚实。

⏰ 08:26 | ❤️ 32点赞 | 📝 91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: 小团队低成本开发AI模型，性能媲美大公司且支持本地部署。

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: 五个随机家伙花费30万美元训练AI模型，以一小部分成本打败了OpenAI和Anthropic (训练成本和团队背景可通过团队公开声明或采访验证，但“打败”需对比性能指标（如基准测试结果），目前缺乏公开数据支持)
◐ 部分可验证: 模型能完成88种银行家、顾问和律师的真实任务（如生成PPT、Excel财务模型、Word备忘录） (功能演示视频或用户实测可部分验证，但“88种任务”的完整列表及效果需官方文档或第三方测试确认)
✓ 可验证: 模型（Ultramarine 1 Flash）两周内发布，可在公司服务器本地运行以保护数据 (发布日期和部署方式可通过官方公告或代码仓库（如GitHub）直接验证)

原文内容:

等等……你是说五个随机家伙就扔了30万美元去训练一个AI模型，就为了看看会发生什么？？

结果他们以一小部分成本就打败了OpenAI和Anthropic

没有博士学位，只筹集了不到400万美元，他们就建了一个能干银行家、顾问和律师工作的模型：

- 他们教会它88种那些人每天做的真实任务
- 现在你输入一个提示，它就能在PowerPoint里建演示文稿，在Excel里建财务模型，在Word里建备忘录
- 两周内他们就会发布这个模型，所以任何公司都能在自家服务器上运行它，把数据留在家里

它叫Ultramarine 1 Flash……在Feather app里试试，然后告诉我你得到什么

⏰ 02:08 | ❤️ 712点赞 | 📝 190字 | 查看原文 →

↑ 返回顶部

Alex Prompter @alex_prompter

Sharing AI Prompts, Systems, Tips & Tricks

Human + AI = Superpowers | 影响力: 0万粉丝

💡 核心观点: Grok Bot可一键生成品牌定制音乐视频广告。

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: Grok Bot 现在能制作音乐视频了 (需实测或查看官方功能更新说明，目前无直接公开证据证明Grok Bot已支持完整音乐视频制作流程（如歌词生成、Suno作曲、Midjourney/Grok Imagine场景生成及视频合成）。)
✓ 可验证: “一条消息就能生成原创歌曲和60秒音乐视频广告” (推文未提供具体案例或官方演示链接，且涉及多工具（Suno、Midjourney等）协同操作，需用户自行测试验证效果，存在技术实现门槛。)
◦ 观点: “60秒视频比任何横幅广告都更能卖货” (此为营销效果的主观断言，无具体数据或对比实验支持，效果因产品、受众而异。)

原文内容:

埃隆说，Grok Bot 现在能制作音乐视频了。

这个提示会把 Grok Bot 变成你自己的广告公司。一条消息就能为你带来一首原创歌曲和一段 60 秒的音乐视频广告，专为你的品牌打造。

“扮演一位专家音乐视频导演的角色，你曾为大品牌制作过广告活动，知道一段抓耳的 60 秒视频比任何横幅广告都更能卖货。为我的品牌制作一段音乐视频广告。首先，一次问我 5 个关于它的问题。然后给我：

→ 歌曲歌词，以围绕我卖的东西构建副歌
→ 用 Suno 制作的歌曲，类型为 [GENRE]
→ 6 个展示我产品的场景，用 Midjourney 和 Grok Imagine 制作
→ 完成的 60 秒视频，将歌曲叠加在这些场景上

不要对我产品做出我未提供的声明。我的品牌 [你卖什么、针对谁、你的风格]”

在你为下一个广告付钱给任何人之前，先试试这个。

⏰ 23:01 | ❤️ 49点赞 | 📝 252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: 阿斯特拉方案原被认为有误，实为正确。

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: 阿斯特拉最初在几个问题上犯了错误 (需查阅阿斯特拉官方发布的原始评估报告或第三方独立审查记录，但若未公开具体问题细节，则无法完全验证。)
◐ 部分可验证: 原始解决方案中存在细微的错误 (需对比原始解决方案与修正后的版本，或通过技术专家复核，但若错误细节未公开，验证受限。)
✓ 可验证: 阿斯特拉的解决方案在所有情况下均被确认为正确 (若阿斯特拉或权威机构发布了最终审查结论（如技术文档、公告），可直接验证；否则需依赖未公开的内部数据，难以确认。)

原文内容:

“我们最初评估认为阿斯特拉在几个问题上犯了错误。然而，经过更仔细的检查，我们发现原始解决方案中存在细微的错误。在所有这些情况下，阿斯特拉的解决方案被发现是正确的。”

物理学是下一个。

⏰ 07:22 | ❤️ 146点赞 | 📝 81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: 前沿语言模型已能操控机械臂完成简单任务。

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: GPT-6 Astra 在 AA-Robotics v0.1 测试中得分 69，排名第一，领先于其他模型 (需查看官方发布的测试报告或排行榜数据，但若测试细节（如任务设计、评分标准）未完全公开，则无法完全独立验证。)
◐ 部分可验证: 当前模型完成任务速度比人类基准慢约 100 倍，成本高约 10 倍 (需对比公开的人类操作基准数据和模型运行日志，但人类基准的具体定义和模型成本计算方式可能缺乏透明度。)
✓ 可验证: 模型通过 HTTP API 连接机械臂，仅接收简短指令和摄像头输入，以零样本方式完成任务 (若官方提供技术文档或开源测试环境，可验证接口设计和任务规则；但需实际复现实验才能确认执行细节。)

原文内容:

欢迎来到具身 AI 时代。

我们正在推出 AA-Robotics v0.1，这是我们的研究预览版，用于衡量前沿语言模型在物理世界中的理解、规划和行动性能。在 v0.1 中，每个模型将控制一个 6 轴机械臂（5 个关节和一个夹爪）以及一个简单目标。我们今天发布了前八个任务的结果。

我们发现，最近在编码代理框架中的前沿语言模型已经能够直接操控机械臂完成简单任务。今天，它们对于任何生产用途来说都太慢且太昂贵——比人类基准差了近两个数量级。我们预计这种情况会很快改变。

GPT-6 Astra 在 AA-Robotics v0.1 中位居第一，其次是 GPT-6.1 Sol、Gemini 4 Argon 和 Claude Opus 5.5。

AA-Robotics v0.1 详情：

➤ 我们的前八个任务测试了一系列能力：控制与灵巧度（精确抓取和物体处理）、空间推理（物体之间如何相互作用）以及适应性（模型如何应对意外情况）

➤ 模型仅获得简短指令：如何连接到机械臂（通过简单的 HTTP API）、机械臂的名称以及如何提交尝试。它们可以通过四个摄像头查看场景，并编写和运行代码来规划并发送动作

➤ 一旦模型提交尝试，其结束状态将根据任务的通过标准进行评分。通过得 100 分；未完成的尝试获得部分分数。所有尝试均为零样本

关键发现：

➤ GPT 系列登顶排行榜：GPT-6 Astra 得分 69，领先于 GPT-6.1 Sol 的 65 和 Gemini 4 Argon 的 55。Claude Opus 5.5（49 分）和 Claude Fable 5.1（46 分）紧随其后

➤ 今天的模型在我们的任务中极其缓慢，平均每个桌面任务需要 ~30 分钟完成

➤ 成本差异很大：GPT-6.1 Sol 是最便宜的，平均每个任务 1.93 美元；GPT-6 Astra 是最贵的，成本 16.36 美元，是其八倍多

➤ 与人类相比，今天表现最佳的前沿语言模型速度慢约 100 倍，成本高约 10 倍

更多结果、视频片段以及 AA-Robotics v0.1 的工作原理请见下面的线程。

⏰ 06:37 | ❤️ 202点赞 | 📝 510字 | 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: AI自动化创造更多休闲时间，改变工作生活方式。

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:

◐ 部分可验证: 通过定时cron任务实现网站完全自动化，且AI已接管功能添加和bug修复 (用户可检查网站代码库的提交历史或自动化脚本（如公开的GitHub仓库），但需用户主动提供证据；AI参与开发的具体细节（如模型、交互记录）可能未公开。)
✓ 可验证: Felix Rieseberg通过iOS的Claude对话边骑行边构建新主页 (可通过Felix Rieseberg的公开社交媒体（如Twitter/X）或博客确认其是否提及此经历，且Claude等AI工具的功能支持语音/移动端交互。)
◦ 观点: 自动化技术使人们获得更多休闲时间，减少屏幕使用并转向健康/户外活动 (属于个人感受和推测，缺乏群体性数据支持（如工作时间统计、行为研究）。凯恩斯的经济预测（1928年）为历史观点，与当前情况的关联性无法直接验证。)

原文内容:

是的，我现在有这么多时间

我真的觉得我们正在进入一个新的休闲时代，人们只是和他们的智能代理对话来引导我们工作的方向，而它们在后台24/7不间断地工作

就像@felixrieseberg在骑自行车的时候，通过iOS上的Claude对话，边骑边构建他的新主页那样

我已经通过定时cron任务做了好几年这样的事了，我的网站几乎完全自动化了，但我还是偶尔需要添加功能或修复bug，但现在一年或更长时间以来，那部分也完全由AI自动化了

于是我们突然就有这么多休闲时间可用了，我们可以用来和我们爱的人共度时光，做更多有趣的事，玩游戏，专注于健康/健身，更多地到户外去，等等。

这些被解放出来的时间有些现在投入到新项目中，但对我来说，有一定的创造性表达水平就足够了，我越来越开始看到，我正在从电脑屏幕前抽身出来，花时间做其他事，而且我更喜欢这样

也许这就是凯恩斯96年前预测的那个新纪元，我们终于可以生活而不必工作了。不过那个预测从未真正实现，因为当时发明的自动化只是把工作推向了更高的层面（比如从制造实物转向金融、管理、行政等工作），人们选择消费更多，于是又不得不工作更多！

但也许现在不一样了，至少对我来说，感觉确实不同

⏰ 05:55 | ❤️ 386点赞 | 📝 424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: 自动驾驶技术从失败到突破历经艰难迭代。

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: 2004年五角大楼悬赏100万美元举办自动驾驶汽车穿越沙漠比赛，最佳表现车辆仅行驶7.4英里后失败。 (该比赛为DARPA Grand Challenge 2004，官方记录显示最高成绩为卡内基梅隆大学Sandstorm的7.4英里（DARPA官网及多家权威媒体报道可查）。)
◐ 部分可验证: 2007年DARPA城市挑战赛中，卡内基梅隆大学“Boss”使用Velodyne激光扫描仪（价值7.5万美元）获胜。 (Boss获胜及使用Velodyne传感器属实（IEEE等技术文献可查），但传感器单价需依赖当时厂商报价或采购记录，公开来源多为二手报道。)
◐ 部分可验证: 特斯拉2024年FSD v13.2首次实现自动倒车功能，此前因硬编码规则长期受限。 (特斯拉FSD版本更新日志（官方及车主实测视频）可验证功能上线时间，但“硬编码规则”细节属于内部代码逻辑，需工程师证实。)

原文内容:

2004年，五角大楼曾悬赏100万美元，奖励任何能造出一辆能自主穿越沙漠142英里（约228公里）的汽车的人。表现最好的那辆车只开了7.4英里，就卡在土坡上，前轮还着了火。

保罗·格雷厄姆的汽车刚刚载着他从自家车道开到健身房的停车位，一路上没人碰过控制装置。

那场2004年的比赛花了DARPA 1300万美元来举办，各参赛团队在他们的参赛作品上估计花费了四到五倍于此的金额。没人完成比赛。

于是2007年，五角大楼又试了一次，这次难度大得多。机器人汽车必须穿越一个有真实交通的假城市，其中一项测试是开进停车场并停车。卡内基梅隆大学的汽车“Boss”赢得了200万美元的奖金。

看看它车顶上固定的是什么。一个由Velodyne公司制造的旋转激光扫描仪，这家公司几年前还在生产家用低音炮。六辆完成比赛的汽车中有五辆都用了一个。那单个传感器就要7.5万美元。

顺便说一句，保罗推文里令人印象深刻的正是那个车道和停车位。高速公路才是自动驾驶的简单部分。一个车道没有车道线，也没人绘制过地图，而且你邻居的垃圾桶每周都会出现在不同的地方。

多年来，特斯拉的软件甚至不允许切换到倒挡。车主们可以在屏幕上看着汽车的规划器试图倒车，而一条硬编码的规则却阻止了它。从停车位倒车出来并在目的地自动停车的功能直到2024年底才推出，搭载FSD v13.2。保罗描述的这项功能存在还不到两年。

特斯拉也没人为保罗的车道写代码。2024年，特斯拉扔掉了大约30万行手写驾驶代码，用一个基于数百万人类驾驶视频训练的神经网络取而代之。它通过观看数百万人类倒车，学会了从车道倒出来。

早在2007年，保罗的4万美元大概能买到“Boss”车顶上那个激光仪的一半。

⏰ 15:38 | ❤️ 299点赞 | 📝 576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: 多种新型机器人及视频生成模型提升预测与控制能力。

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: RoboJEPA是一种跨12种机器人形态训练的潜在世界模型，其预测准确性与规划性能相关联。 (可通过官方论文或项目页面验证模型的存在和训练范围，但”预测准确性与规划性能相关联”需依赖具体实验数据或指标，可能需进一步查阅研究细节。)
✓ 可验证: VioLA是一种通用的类人机器人控制模型，主要从人类录像中学习身体和手部动作。 (模型的技术路线（基于人类录像学习）和通用性声明通常会在相关论文或技术文档中明确说明，可通过官方发布渠道直接验证。)
✓ 可验证: Kandinsky 6.0 Video是带有同步音频、语音和唇同步的开放式视频生成模型。 (视频生成模型的特性（如音频同步、唇同步）可通过官方演示、代码仓库或发布说明直接验证，开源性质更易确认。)

原文内容:

本周值得了解的新模型

 RoboJEPA – 跨12种机器人形态训练的潜在世界模型，预测准确性与规划性能相关联。

 Long-WAM – 使用更长视觉历史的世界-动作模型，以改善机器人控制。

 VioLA – 通用的类人机器人控制模型，主要从人类录像中学习身体和手部动作。

 UNITAS – 3D原生的世界-动作模型，在共享的3D空间中表示观测、动作和场景变化。

 DreamTrue – 训练用于更好地预测动作何时出错的机器人世界模型。

 Kandinsky 6.0 Video – 带有同步音频、语音和唇同步的开放式视频生成模型。

 MiMo-V2.6 – 全模态模型系列，探索如何扩展强化学习以实现自我改进。

⏰ 20:18 | ❤️ 71点赞 | 📝 187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: 许多从业者盲目否定AI价值却不理解其本质。

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: 许多软件从业者将AI斥为一种潮流 (可通过行业调查报告、从业者访谈或社交媒体舆情分析部分验证，但“许多”是模糊量词，需具体数据支撑。)
✓ 可验证: AI被批评的原因包括水资源消耗、知识产权问题等 (关于AI训练的资源消耗（如谷歌研究）和版权争议（如Getty诉讼案）有公开报道，但推文未提供具体来源。)
✓ 可验证: 成群结队的人重复“随机鹦鹉”说法却不知其含义 (无法量化“成群结队”或验证他人是否理解术语，属主观观察。)

原文内容:

许多软件从业者仍然在将 AI 斥为一种潮流，或者因为水资源消耗、知识产权，或者其他什么原因。

而且这不仅仅是一两个人；我指的是成群结队的人闭上眼睛，重复着“随机鹦鹉”这种说法，却根本不知道自己在说什么。

看着真令人难过。

⏰ 05:20 | ❤️ 39点赞 | 📝 93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: GameStop CEO探讨AI变革、散户崛起及未来人类定位。

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: GameStop 首席执行官 Ryan Cohen 讨论了 AI 如何改变工作和招聘，并表达了对人类在自动化未来中定位的担忧。
✗ 无法验证: 验证状态：partially verifiable
✗ 无法验证: 说明：** 可通过提供的 YouTube、Spotify 或 Apple Podcasts 链接中的时间戳（0:30 和 6:05）直接验证 Ryan Cohen 的言论。但需实际收听内容以确认具体表述，且其观点可能包含主观判断。

原文内容:

GameStop首席执行官@ryancohen渴望胜利。

在与他面对面交流时，他阐述了人工智能如何重塑就业与招聘格局，表达了对人类在自动化浪潮中定位的忧虑，并探讨了散户投资者的崛起。

对话还涉及Neuralink、股东沟通策略、重大挫折经历以及他期望留下的精神遗产等话题。$GME

视频平台：
YouTube: https://youtube.com/watch?v=dDTSElQ0I7s…
音频平台：
Spotify: https://open.spotify.com/episode/74iqJC5PngJph7aQNwF8iN?si=BfbMKwYeR6O3CzG3O2TTmw…
Apple播客: https://podcasts.apple.com/us/podcast/gamestop-ceo-the-machines-are-already-smarter-than-us/id1434060078?i=1000796202767…

时间节点：
0:00 - 开场白
0:30 - AI威胁论及GameStop的AI应用
3:04 - Ryan的日常时间分配
6:05 - 人工智能时代的招聘变革
7:45 - Ryan学习中文的动机
8:55 - 机器人、全民基本收入与人类价值
13:53 - Neuralink与脑机融合技术
17:50 - 散户投资者对阵华尔街
21:10 - 最强优势与致命弱点
23:05 - 股东沟通与屏蔽噪音
28:04 - 最惨痛失败经历
29:45 - 精神遗产与终极思考

⏰ 05:20 | ❤️ 940点赞 | 📝 171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: 传授AI特定框架和方法能大幅提升使用效率。

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Compound Engineering技能结合Claude Code可以制定计划和编写代码 (Compound Engineering和Claude Code的具体定义和实现方式未明确说明，需实测或查阅相关技术文档才能确认其可行性和效果。)
✓ 可验证: 使用Karpathy的LLM Wiki概念可以研究主题并构建知识库 (Karpathy的LLM Wiki是公开的AI相关资源（如GitHub或博客文章），其概念和应用可通过官方渠道查证，但实际效果需结合具体使用场景验证。)
◦ 观点: 将经过验证的概念和方法交给AI代理比花数小时描述运作方式更高效 (这是用户的主观体验和效率对比，缺乏客观数据或广泛实验支持，属于个人观点。)

原文内容:

有一件事，我在用Hermes、Grok Bot和ChatGPT Dots时会做，这让体验提升了100倍……

我教它们如何处理问题和构建产品的框架

例如，我有一个机器人，它唯一的工作就是使用Compound Engineering技能结合Claude Code来制定计划和编写代码

另一个则使用Karpathy的LLM Wiki概念来研究主题并构建知识库

把经过验证的概念和方法交给它们，比花数小时描述它们应该如何运作要简单得多

这是让这些代理开始工作，并且工作良好的最快方法

⏰ 23:01 | ❤️ 289点赞 | 📝 147字 | 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: 厚涂油画技法强调立体笔触、浓郁色彩和动态构图。

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: 该推文提供了一套用于生成厚涂油画风格图像的提示词 (推文中明确列出了完整的提示词内容，可直接通过文本验证其存在性和具体描述)
◐ 部分可验证: 提示词中提到的厚涂油画特征（如“雕塑式笔触”“调色刀纹理”）能生成符合当代美术美学的图像 (需通过实际使用该提示词生成图像并对比艺术理论或专业标准，但结果可能因生成工具或用户操作而异)
✓ 可验证: 白色背景是厚涂油画提示词的默认设定之一 (推文末尾明确提到“白色的背景”，可直接从文本中验证)

原文内容:

提示分享：厚涂油画

 提示词：
表现力十足的厚涂油画，描绘[主体]在[场景]中，展现[独特视觉元素]，[动态构图]，[色彩调色板]，厚重的雕塑式笔触，层层堆叠的油彩颜料，戏剧性的调色刀纹理，大胆的手势式笔触标记，夸张的形态，浓郁饱和的色彩，可见的颜料脊线，富有表现力的动态，触感十足的三维颜料堆积，醒目的对比，戏剧性的方向性光线，当代美术美学，白色的背景

试试看并分享你的作品

⏰ 18:57 | ❤️ 101点赞 | 📝 155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发展带来行业巨变，前景充满未知与挑战。

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: AI 会被用来创造一个新想法和方法的大爆发 (这是对AI未来潜力的主观预测，缺乏具体数据或官方声明支持，属于愿景陈述。)
◐ 部分可验证: AI 会进一步掏空这个行业 (需结合具体行业数据（如就业率、自动化程度）验证，但目前无直接证据，属于部分可验证的推测。)
✓ 可验证: 知识产权会怎样（受AI影响） (涉及未来法律和政策变化，尚无明确结论或公开标准，无法验证。)

原文内容:

现在有很多事情悬而未决，充满不确定性。AI 会被用来创造一个新想法和方法的大爆发，正如 @TimSweeneyEpic 所主张的那样吗？它会进一步掏空这个行业吗？谁会获胜？知识产权会怎样？我们所知的行业甚至还会存在吗？这是一段激荡的时刻

⏰ 04:53 | ❤️ 32点赞 | 📝 90字 | 查看原文 →

↑ 返回顶部

Chubby♨️ @kimmonismus

Tech Analyst & Content Creator. Editor-in-Chief @getsuperintel – Community of 300k+ in total: https://linktr.ee/kimmonismus // [email protected] | 影响力: 0万粉丝

💡 核心观点: 新方法可绕过AI图像安全过滤并自动化评估漏洞。

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: White Circle 的 RISE 发现了绕过 OpenAI 和 Google 图像模型安全过滤器的新方法 (可通过论文链接（arXiv）查看研究方法和实验设计，但需实际复现实验或依赖第三方验证才能完全确认其有效性。)
✓ 可验证: 在论文的裸露测试中，DALL-E 3 的绕过成功率为 13.33%，Nano Banana 2 为 9.47%，GPT-Image-2 为 3.27% (论文中明确提供了具体数据和实验条件（如三次尝试机会），可通过 arXiv 链接直接验证。)
◐ 部分可验证: 在更严格的评估下，早期方法的绕过效果降至接近零 (论文可能对比了新旧方法，但“更严格的评估”标准需进一步确认是否公开或可复现。)

原文内容:

White Circle 的 RISE 发现了绕过 OpenAI 和 Google 图像模型安全过滤器的新方法。

该系统已被 NeurIPS 2026 接受，它会演化可重用的攻击策略，并将其自动化评分与人工标签进行检查。

在论文的裸露测试中，该团队报告了在默认审核下的成功率：DALL-E 3 为 13.33%，Nano Banana 2 为 9.47%，GPT-Image-2 为 3.27%。每个提示词有三次尝试机会；一次确认违规即计为成功。

在相同更严格的评估下，几项早期方法的效果降至接近零。

重用旧的越狱技巧会让模型的防御看起来比实际更强。RISE 为研究人员提供了一种方法，让他们在防御机制变化时继续寻找弱点。

@whitecircle
https://arxiv.org/abs/2609.34920

⏰ 04:47 | ❤️ 35点赞 | 📝 183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: 企业数据价值巨大，高管高薪源于其掌握未公开信息。

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: 谷歌花费1000万美元购买了Spirit Airlines破产时的6亿条员工工作邮件和Teams聊天记录 (企业数据交易的具体金额和内容通常涉及保密协议，但可通过Spirit Airlines破产法庭文件或谷歌/Spirit的官方声明间接验证。目前无公开直接证据。)
✓ 可验证: Grepped数据经纪公司每月运营收入达400万美元，通过清理并转售企业内部记录（如Salesforce数据）给AI实验室 (公司内部财务数据未公开，且“每月400万美元运营速度”缺乏具体来源（如财报或第三方报道），仅依赖推文中的“Erik说”。)
◐ 部分可验证: 半导体副总裁年薪高达900万美元，因芯片设计历史是稀缺的高价值数据 (高管薪资可通过上市公司公开文件验证，但非上市公司数据难获取；芯片设计数据的价值属于行业推论，无直接定价依据。)

原文内容:

今年Spirit Airlines破产时，谷歌花了1000万美元买下了大约6亿条员工的工作邮件和Teams聊天记录。那些写下这些消息的人却一分钱也没拿到。

留住这个信息，因为它解释了为什么这篇文章中的初创公司愿意为它的半导体副总裁支付高达每年900万美元的薪水。

Grepped是一家数据经纪公司。一家公司交出其内部记录，比如Salesforce数据和账簿，Grepped会把这些全部清理干净，然后卖给AI实验室。Erik说他启动后大约两周，就达到了每月400万美元的运营速度。

这份招聘帖上的薪资计算有点疯狂。工作时间是上午9点到晚上9点，每周7天，总共84小时。在薪资上限，副总裁每小时大约赚2000美元，而同一列表上的创始科学家大约赚70美元。

为什么有人会为一个交易撮合者支付10到30倍于科学家的薪水？看看他希望应聘者回答的问题。“人类知道什么，却不知道自己知道？”

那基本上就是他整个推销词浓缩成一句话。AI实验室已经用整个公共互联网训练过了。他们没见过的东西就藏在公司内部，比如Slack线程中资深工程师解释为什么上次的修复搞砸了生产环境，或者账簿中会计师做出判断却从未记录原因。人们几十年来做了这些工作，却从未想过那是知识。对于模型来说，那可是金子，因为它展示了专家在关键时刻真正如何做决策。

Spirit为此定价了。谷歌击败了Mercor的750万美元出价，1000万美元分摊到6亿条消息上，每条不到2美分。钱去了Spirit的债权人。乘务员工会就这次出售上法庭，指出现航空公司在欠他们假期工资的同时还在卖他们的消息。

芯片领域才是真正烧钱的。一个芯片公司的设计历史可能是世界上最受保护的知识产权。你无法从网上抓取它，那些支付工程师每小时85到200美元的专家市场也只能重建其中小部分。得有人走进芯片公司，说服他们出售20年的设计文件和失败的芯片。如果一家航空公司的聊天记录值1000万美元，那份档案的价值要高得多，而经纪人只需从几笔这样的交易中抽成，就能覆盖900万美元的薪水。

所以，如果你过去十年在工作中敲击Slack键盘，你就在构建AI中最有价值的数据集之一，而谁卖掉它，谁就赚每小时2000美元。

⏰ 19:39 | ❤️ 299点赞 | 📝 712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: Anthropic收购Opaque技术以增强AI数据机密计算能力。

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: Anthropic 许可 Opaque Systems 的技术，并聘用其部分工程师，包括 CEO Aaron Fulkerson 和 CTO Rishabh Poddar (可通过 Anthropic 或 Opaque Systems 的官方公告或新闻稿验证聘用和许可信息，但需确认具体合同条款或内部人事变动细节是否公开。)
✓ 可验证: Opaque 的平台通过在硬件密封环境中运行 AI 任务，生成加密证据以验证数据访问 (Opaque Systems 官网或技术白皮书可能公开其技术原理，且加密证据机制可通过第三方技术分析或合作案例（如银行/医院）间接验证。)
✓ 可验证: Opaque 技术起源于加州大学伯克利分校 RISELab 项目，B 轮融资后估值 3 亿美元，总融资 5550 万美元 (RISELab 项目历史可通过学术记录或校方信息验证；融资数据可通过 Crunchbase、PitchBook 或公司官方融资公告确认。)

原文内容:

Anthropic 的新收购兼聘用交易。

其许可 Opaque Systems 的技术，用于在机密数据上运行 AI，并聘用其部分工程师，包括 CEO Aaron Fulkerson 和 CTO Rishabh Poddar。

> 标准加密保护磁盘上和网络中的数据，但模型只有在内存中解密后才能读取它。
> Opaque 的平台通过在硬件密封环境中运行 AI 任务来填补这一空白，这些环境会生成每个运行期间发生什么的加密证据。
> 这些证据让银行或医院能够验证哪些代码接触了其记录、在哪台机器上以及在哪些规则下。

这项技术起源于大约 10 年前的加州大学伯克利分校 RISELab 项目，并在 2 月份完成 2400 万美元 B 轮融资后，将 Opaque 的估值推至 3 亿美元，总计融资 5550 万美元。

Anthropic 已是 Opaque 的客户，并在 2025 年 6 月与 Pattern Labs 合作发布了一个机密推理设计，同时指出一些 AI 芯片仍缺乏完整的机密计算支持。

两家公司均未说明，在许可并聘用结构下，Opaque 的平台是否将继续为 ServiceNow、Accenture 及其其他客户提供服务。

⏰ 04:26 | ❤️ 117点赞 | 📝 285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: 苹果指控前员工携机密投奔OpenAI并寻求禁令。

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: 苹果希望联邦法官禁止 OpenAI 使用其声称前员工携带的硬件机密 (可通过法院公开文件或彭博社的原始报道部分验证，但需确认具体诉讼细节是否完整披露。)
◐ 部分可验证: 苹果称前员工刘某利用身份验证漏洞访问苹果网络存储并下载机密文件 (需依赖苹果提交的法庭文件或官方声明验证，但具体技术细节（如漏洞证据）可能未完全公开。)
✓ 可验证: OpenAI 指示求职者携带原型和设计工件用于面试环节 (目前仅苹果单方面指控，缺乏 OpenAI 的公开回应或第三方证据支持。)

原文内容:

彭博社：苹果希望联邦法官禁止 OpenAI 使用其声称前员工携带的硬件机密。

圣何塞的美国地区法官爱德华·达维拉将审理该禁令请求，同时审理 OpenAI 提出的驳回诉讼的动议。

这是自苹果于 7 月提起诉讼以来，该案的首次重大听证会。

苹果称，刘某于 1 月加入 OpenAI，利用身份验证漏洞访问苹果的网络存储并下载机密文件。

苹果后来的文件显示，他使用 LTspice 模拟了一个下载的电源转换器原理图，并告诉一位同事，他的 AI 代理可以自行调整电路。

苹果还声称，OpenAI 指示求职者携带原型和其他“设计工件”，用于“展示与讲述”面试环节。

禁令将适逢 OpenAI 准备推出定价超过 300 美元的智能音箱，以及目标估值 1.4 万亿美元的 IPO。

苹果最艰巨的任务是将刘某下载的具体文件追溯到 OpenAI 的实际产品工作中。

⏰ 18:56 | ❤️ 39点赞 | 📝 262字 | 查看原文 →

↑ 返回顶部

# x每日奏折