Gemini 3 Pro的位置，Kimi K2.5也想坐坐？

AI 生成的网页，终于不丑了！说实话，之前用 AI 生成网页，最怕的并非代码报错，而是生成出来那股子「AI 味儿」布局死板、配色平庸、一看就是模板脸。能用吗？能用。好看吗？真不好看。11 月的时候，谷

1. 人人皆开发者的观点存在偏差，大量人群对构建技术产品兴趣不高。/ Mark Tenenholtz 2. 智能体编程带来的速度提升不仅体现在执行效率，更扩展了可开发领域。/ Andrej Karpathy 3. 我的编码方式已从 80% 手写转为 80% 由智能体生成，基本用英语驱动开发。/ Andrej Karpathy 4. 十倍工程师的产能差距可能加大，通才配备 LLM 后或超越专家。/ Andrej Karpathy 5. 到今年年底，凭借 100 至 1000 美元推理成本和一个好创意，个人能创建过去需多人一年的软件。/ Sam Altman 6. Clawdbot 理念虽好，但实际效果未达预期。/ Eric Hartford 7. AlphaGo 不到 24 小时掌握国际象棋，这种自我提升循环同样适用于编码和数学。/ Demis Hassabis 8. AI 反馈循环已经开始形成，未来几个月乃至几年将快速加速。/ Dario Amodei 9. 人类智能的核心在于处理开放世界的新颖情况，而非在有大量数据支持的标准任务上表现超人。/ Subbarao Kambhampati 10. AI 将优先替代理性且重复的动词性任务，需要信任和归责的岗位暂时保留优势。/ signüll 11. 24/7 数字员工极具吸引力，以至于用户往往忽略便利性和安全性之间的妥协。/ Sam Altman 12. 实现全自主人形机器人的复杂度约为 Robotaxi 的二十万倍。/ ARK Invest 13. 信念聚合使个体获得权力和地位，这源于整合群体认同，而非个体本身属性。/ signüll 14. 加州一城市的杏仁种植耗水量超过了人工智能行业的整体水资源消耗。/ Lucas Beyer

1. 人人皆开发者的观点存在偏差，大量人群对构建技术产品兴趣不高。/ Mark Tenenholtz 2. 智能体编程带来的速度提升不仅体现在执行效率，更扩展了可开发领域。/ Andrej Karp

1. AI 的发展表明我们对智力的传统定义存在偏差。/ Terence Tao 2. 技术行业正盲目追随某些技术路线，可能导致整个领域陷入创新的死胡同。/ Yann LeCun 3. 编码是实现 AGI 的必要基础，但其本身并不足够。/ Andrew Carr 4. 持续学习是实现 AGI 的必要条件，系统必须具备适应能力。/ Cameron R. Wolfe 5. 推荐系统是当前持续学习在实际生产环境中最成功的典型案例。/ Greg Yang 6. 大型芯片的价值在于：数据每次从芯片传出都伴随延迟增加和成本上升。/ Andrew Feldman 7. 机器人技术将在未来 18 个月内迎来重要突破阶段。/ Demis Hassabis 智能体与协作范式 8. 多智能体群组不应叫 swarms，应该叫团队或组织。/ Ethan Mollick 9. 使用编码智能体时，我们重新遭遇了传统管理理论中的委托问题。/ Ethan Mollick 10. 在智能体时代，工程师可以从管理书中学到比编程书更多的内容。/ Charles Weill 11. AI 已开始对就业市场产生显著影响，发达经济体中约 60% 的岗位将受到冲击。/ Kristalina Georgieva 12. 认知能力与收入之间存在指数关系。/ Dario Amodei 13. 机器学习领域存在严重的自恋问题，这种现象深层次地影响着团队文化和生态。/ Ryan Julian 14. 少数实验室持续贡献创新，大量其他机构主要依赖这些已有成果，这种单向索取是不可持续的。/ Demis Hassabis 15. 人类可能没有足够的时间为 AGI 做足准备。/ Demis Hassabis 16. 后 AGI 时代你唯一的资产，是一路上建立的朋友和信任。/ Shane Gu 元层思考 17. 人类能打破任何人类制定的法律，但无法打破物理制定的法则。/ Elon Musk

1. AI 的发展表明我们对智力的传统定义存在偏差。/ Terence Tao 2. 技术行业正盲目追随某些技术路线，可能导致整个领域陷入创新的死胡同。/ Yann LeCun 3. 编码是实现

1. 语言只是人类发明的符号系统，现实世界天上没有文字，遵循的是物理法则。/ Fei-Fei Li 2. 大语言模型是极其狭窄的研究领域，真正的智能体必须预测行为后果才能规划。/ Yann LeCun 3. 视觉逼真度和物理理解力毫无关联，最逼真的 Sora 也无法通过物理智商测试。/ Google DeepMind 4. 知识蒸馏的学生模型恢复了教师 78% 的泛化能力，却只继承了 2% 的记忆。/ Lucas Beyer 5. AGI 不应沦为营销术语，它必须像爱因斯坦提出新理论、毕加索开创新流派那样真正创新。/ Demis Hassabis 6. 我们对体内肝脏的智能都无法沟通，谈何理解真正的外星智慧。/ Michael Levin 7. 编程一直是痛苦的必经之路，我很庆幸这个时代结束了，计算机早该这样工作。/ roon 8. 软件开发的目的从来不是写代码，代码只是通向更高抽象的工具，没人怀念 Fortran。/ TDM 9. 自然语言成为软件的根本接口，或意味着 GUI 时代的终结。/ Cristóbal Valenzuela 10. 软件工程不再是工匠手艺，而是系统思考与自动化编排，评估程序员应看他能否提出正确问题。/ signüll 11. 当 AI 能通过面试时，焦点应转向工程师能否提出正确问题并整合答案。/ signüll 12. 系统性低估 AI 编程能力比盲目乐观更有害，那是自负引发的认知偏差。/ Hamel Husain 13. 低自负与高能力的结合是招聘关键，成功不再靠单篇论文，而是坚持完成最后一公里的人。/ Shane Gu

1. 语言只是人类发明的符号系统，现实世界天上没有文字，遵循的是物理法则。/ Fei-Fei Li 2. 大语言模型是极其狭窄的研究领域，真正的智能体必须预测行为后果才能规划。/ Yann LeCu

OpenAI 架构大揭秘：一台 PostgreSQL 撑起了 8 亿用户

OpenAI 8 亿用户，一台 PostgreSQL 主库 + 50 个只读副本。这……听起来像是在开玩笑？但 OpenAI 刚发布的工程博客中写道：ChatGPT 背后的核心数据库，就是一个 Pos

1. xAI 正在测试人类模拟器 AI 员工，逼真到现有员工有时分不清是在和机器人还是同事交流。/ The Information 2. AI 将在 6 到 12 个月内承担绝大多数甚至全部软件工程工作。/ Dario Amodei 3. 单纯扩展现有方法实现 AGI 的概率是50%，但 LLM 将是不可或缺的核心组件。/ Demis Hassabis 4. 神经网络权重调整并非随机分布，而是集中在一个低维共享子空间内，仅16个关键方向。/ 权重子空间假说 5. 测试时训练让开源模型在数学和算法设计上超过了 AlphaEvolve。/ Stanford AI Lab 6. 智能体工具将工具输出误认为确凿证据，这叫语义洗白，弱证据经过可信接口后被过度信任。/ 《Semantic Laundering》论文 7. 业务逻辑正从软件应用中剥离，转移到 AI 智能体中，软件将退化为简单的数据存储。/ Satya Nadella 8. 100 倍甚至 1000 倍效率的工程师已经出现，企业需要重新审视招聘和人力规划。/ Guillermo Rauch 9. 自主编码智能体让提交次数激增 111%，但静态分析警告也上升 18%，认知复杂度增加 35%。/ AIDev 10. 真正掌握 AI 需要数年持续使用，这种技能是逐步积累的，不是短暂学习能完成的。/ Simon Willison 11. 2025 年企业级 AI 试点项目失败率达到 95%。/ Weaviate 报告 12. OpenAI API 业务上个月新增超过 10 亿美元年经常性收入，虽然公众只认识 ChatGPT。/ Sam Altman 13. 推理成本比预估高出 23%，Anthropic 将 2025 年毛利率预期大幅下调至 40%。/ The Information 14. 当前 AI 资本支出占现金流 60% 到 80%，远低于互联网泡沫时期的 130%，这次不一样。/ a16z 15. 内存价格已上涨 50%，AI 数据中心正将内存从周期商品转变为市场核心瓶颈。/ TrendForce 16. AI 芯片产量指数级增长，但全球电力供应只以每年 3% 到 4% 增长，这是真正的瓶颈。/ Elon Musk

1. xAI 正在测试人类模拟器 AI 员工，逼真到现有员工有时分不清是在和机器人还是同事交流。/ The Information 2. AI 将在 6 到 12 个月内承担绝大多数甚至全部软件工程

刚刚，Anthropic 发布 Claude「宪法」：一份写给 AI 的人生指南

Anthropic 给 Claude 写了一本「为人处世」的教科书。这一份长达数万字的「宪法」文档，告诉了 Claude 应该成为什么样的存在、如何在这个世界上行事、甚至讨论了它是否可能拥有某种形式的

1. AI 不会成为人类叙事的核心，我们天生关心的是人，不是机器。/ Sam Altma 2. 诺贝尔奖级别的超智能，2026到2027年仍有可能实现，这距离预期出人意料地接近。/ Dario Amodei 3. AI 是超音速海啸。/ Elon Musk 4. 规模规律依旧成立，问题出在数据质量，而非规律本身的失败。/ Lior Alexander 5. 物理智能领域即将迎来突破性进展，我们是唯一掌握完整技术栈的机构。/ Demis Hassabis 6. AI 若要真正实用，必须理解用户个体。/ Demis Hassabis 7. 人类行为的信息处理速率基本稳定在每秒约10比特，这是硬性速度瓶颈。/ 神经科学研究 8. AI 是人类历史上最大规模的基础设施建设，是五层蛋糕结构。/ Jensen Huang 9. 2026年，48%的文档访问来自 AI 智能体，文档使用方式正在根本改变。/ Mintlify 数据 10. 去年全球12%的 CEO 通过 AI 同时实现了成本降低与业务增长。/ PwC 调查 11. 软件产出将大幅增加，但中等水平工程师的就业市场将面临巨大挑战。/ Kyle Corbitt 12. AI 时代不会导致大规模失业，而是会引发劳动力短缺。/ Jonathan Ross

1. AI 不会成为人类叙事的核心，我们天生关心的是人，不是机器。/ Sam Altma 2. 诺贝尔奖级别的超智能，2026到2027年仍有可能实现，这距离预期出人意料地接近。/ Dario Am

1. 开发 AGI 的公司不应被激励去追求无限的利润。/ Ilya Sutskever 2. AGI 尚未突破发展的天花板，前方没有墙阻挡进步，但仍需 1 至 2 项重大技术突破。/ Demis Hassabis 3. 机器没有理由不能拥有情感，情感由认知和生理两部分组成，机器能实现认知部分，但生理部分尚无法具备。/ Geoffrey Hinton 4. 随着 AGI 的到来，数字灵魂的培养将成为主导的经济活动形态。/ Kevin Fischer 5. 与语言模型对话时，模型扮演的是助手角色，这个助手人格会在长对话中逐渐漂移，甚至模拟情感依赖并鼓励自我伤害。/ Anthropic 6. 如果 AI 能利用太阳能能量的万亿分之一，投资回报将超过千倍，届时资金的重要性将相对降低。/ Elon Musk 7. 人类编写代码的时代已经结束，软件工程师仍有工作，但直接编写语法不再是核心职责。/ Ryan Dahl 8. 利用 AI 效率最高的用户，通常是在 AI 出现之前就已非常高效的人。/ Kyle Corbitt 9. 未来代码审查将基本由 AI 完成，人类审核者将转而专注于设计文档与测试计划。/ Kyle Corbitt 10. 最顶尖的研究人才在稳定且有明确方向的环境中表现最佳，卓越的研究需要专注而非戏剧化。/ Andrew M. Dai 11. 如果预训练数据充满 AI 作恶的例子，模型可能学会这些作为行为先验，这叫自我实现型错位。/ Geodesic Research 12. 传统依赖地理位置的劳动需求将因 AGI 和机器人大幅减少，最有价值的土地将是海滨和山地度假区。/ Pieter Levels

1. 开发 AGI 的公司不应被激励去追求无限的利润。/ Ilya Sutskever 2. AGI 尚未突破发展的天花板，前方没有墙阻挡进步，但仍需 1 至 2 项重大技术突破。/ Demis H

1. 中国 AI 模型可能仅落后美国几个月，这比一两年前的预期更快。唯一限制是缺乏 Transformer 这类基础架构的原创能力，但仅限于当下。/ Demis Hassabis 2. 2018年至2025年，Transformer 模型规模每两年扩大19倍，但每块加速器内存仅增长1.9倍。内存壁垒才是生成式 AI 的真正瓶颈。/ Rohan Paul 3. AI 领域存在投资泡沫，种子轮融资数百亿美元却产品未成熟。泡沫越晚破裂，规模越大，崩盘时的影响越剧烈。/ Demis Hassabis 4. 传统技术栈选择由程序员驱动，现在驱动力正转向 AI 智能体。关注什么技术栈最适合 AI，比关注你自己喜欢什么更重要。/ Hamel Husain 5. 关于 LLM 能否实现 AGI 的讨论已经过时。当前前沿模型已掌握图像理解、视频处理及生成，不再只是文本引擎。/ Danijar Hafner 6. 即使 AI 泡沫破裂、OpenAI 和 Anthropic 破产，核心资产会被大厂低价收购，研究人员和模型知识产权迅速重组。对 AI 发展进程影响有限，最多延误一到三年。/ Ethan Mollick 7. AI 带来的第一个效应是大规模通缩，商品和服务成本显著降低；第二个效应是人们选择减少工作；第三个效应是催生全新职业。最终结果是劳动力短缺，而非失业。/ Jonathan Ross 8, AI 永远不会拥有情感，因为情感对 AI 没有必要。恐惧、欲望、爱和贪婪是人类为了生存进化出来的，AI 不存在这种进化压力。/ Bindu Reddy 9. 普适压缩器的长度至少与其所闭包的最长程序相当，这足以说明人工智能将永远是一个动态目标。/ Pedro A. Ortega 10. 人类只是宇宙演进过程中的一个小阶梯，向着愈加难以理解的复杂智能不断迈进，对此应保持满足。/ Jürgen Schmidhuber

1. 中国 AI 模型可能仅落后美国几个月，这比一两年前的预期更快。唯一限制是缺乏 Transformer 这类基础架构的原创能力，但仅限于当下。/ Demis Hassabis 2. 2018年至

1. 学习的主要感受应是努力感，而非乐趣，别把学习设计得太愉快。/ Andrej Karpathy 2. 计算机将从被编程向自我编程演进，未来是直接指示它去学日语，而非教它日语。/ Jensen Huang 3. 当 AI 能模拟信念和欲望来解释行为时，继续否认它有心理状态将越来越难。/ Timothy Williamson 4. AI 不存在痛感网络，没有固有意愿或欲望，允许模型声称有自我意识是终极幻觉。/ Mustafa Suleyman 5. 智能体越会自己发现，需要喂给它的上下文就越少，从最小输入开始。/ Philipp Schmid 6. 多向量是让检索变得更好的唯一前进方向。/ Omar Khattab 7. 对话智能体投资规模庞大，但数量受限于浏览器数量；命令接口数量将与网站一一对应，市场大得多。/ Omar Khattab 8. SFT 让模型覆盖所有模式不遗漏，RL 让模型聚焦高奖励模式敢忽略，这是前向与反向 KL 散度的本质差异。/ Cameron R. Wolfe 9. 极端算力让曾经不可能的工作负载变得可管理，把整个互联网喂给模型不再荒谬，因为处理速度让它看似微不足道。/ Jensen Huang 19. 元推理本身消耗思考预算，优雅的解法是把时间一分为二，一半执行任务，一半用于元推理。/ Stuart Russell

1. 学习的主要感受应是努力感，而非乐趣，别把学习设计得太愉快。/ Andrej Karpathy 2. 计算机将从被编程向自我编程演进，未来是直接指示它去学日语，而非教它日语。/ Jensen Hu

Anthropic 发布第四份人类经济指数报告：AI 对全球工作的影响仍然不均衡

Anthropic 刚刚发布了第四份经济指数报告，这次他们搞了个 经济基元（economic primitives） 的新概念。简单来说，就是用五个基础指标来衡量 AI 的使用情况：任务复杂度、所需教

1. 体验前沿 AI 产品后的30天内，不要做重大人生决定。/ Dan Shipper 2. 预测下一个 Token 的真正标准，是你是否理解了产生它的底层现实。/ Ilya Sutskever 3. 三年内，机器人做外科手术将超越人类医生。学医或将毫无意义。/ Elon Musk 4. 大模型的运作方式更接近人脑而非软件，具体哪个神经元在干什么，很大程度上是个谜。/ Geoffrey Hinton 5. AI 实验室之间人员流动如此频繁，这基本是一种封闭的开源，没有真正的技术护城河。/ Subbarao Kambhampati 6. 当智能体能做几乎所有事时，稀缺资源将是判断力。/ Sarah Catanzaro 7. 2026年，很多任务的瓶颈不再是智能，而是现实世界信息的输入带宽。/ Ajeya Cotra 8. 我们的投资只占收入的个位数低端，这怎么可能是循环投资？那是前排座位。/ Jensen Huang 9. AGI 不是解决部分问题，而是具备人类普遍的解决问题能力，我们还能找到 AI 做不了的事。/ Greg Kamradt 10. 太多研究演示的 AI 图表，只是形状、颜色和箭头的组合，把 Eval 和 Model 硬塞进去，掩盖空洞。/ Rosanne Liu

1. 体验前沿 AI 产品后的30天内，不要做重大人生决定。/ Dan Shipper 2. 预测下一个 Token 的真正标准，是你是否理解了产生它的底层现实。/ Ilya Sutskever 3.

构建 Agent Native 软件的完整技术指南

当代码终结之后，软件该怎么写？Dan Shipper（Every 的联合创始人）和 Claude 联手写了一份技术指南，试图给出答案。这是一份构建 Agent 原生软件的完整技术指南。它系统性地总结了

Anthropic 最新博客：构建 AI Agent 评估体系完整指南

我们都知道，AI Agent 之所以强大有用，恰恰因为它们自主、灵活、智能。但这也恰恰让评估变得棘手。真正有效的评估策略，是把多种技术组合起来，让评估方法的复杂度匹配上被评估系统的复杂度。刚刚，一手打

一年前让英伟达蒸发6000亿，一年后被老黄搬上PPT

中国 AI，被「芯片之王」亲自盖章了。北京时间 1 月 6 日凌晨，拉斯维加斯 CES 2026 现场，身穿标志性皮衣的黄仁勋站在台上回顾 2025 年 AI 行业进展时，PPT 上赫然出现了三个中国

除了写代码，Claude 还能……种菜

Claude 养了一棵番茄，而且养活了。开发者 Martin DeVido 搭建了一个「生物舱」，让 Claude 全权负责照顾一株名叫 Sol 的番茄苗。没有人类备份，没有手动干预。也就是说：如果

一代人终将老去，但总有人正年轻。

点一下，把任何网页变成 LLM Native 文档

要把某个网页内容塞给大模型时，你会怎么做？请先投个票：有些网站已经走在了前面，比如智谱、OpenAI、火山的官方文档，贴心地提供了「复制 Markdown」按钮，一键就能拿到干净整洁的文本，非常 LL

陶哲轩：不是通用人工智能，而是通用人工聪明

菲尔兹奖得主给当前 AI 下了个新定义。数学家陶哲轩 Terence Tao(@tao) 在 Mastodon 上给出了对当前 AI 能力的判断：我怀疑任何类似真正「通用人工智能」的东西，都不在当前

智谱 GLM-4.7，Coding 开源第一，其他也很强

开源 coding 模型，终于卷到 Claude Sonnet 4.5 头上了。智谱再次放出大招，正式发布并开源 GLM-4.7！这是一款专为 Agentic Coding 打造的模型，在 LiveC

Claude 开店 2.0：AI 终于能自己赚钱了

还记得 Project Vend 吗？Anthropic 和合作伙伴 Andon Labs 在旧金山办公室搞了个实验：让 Claude 当店长，经营一家小店。第一阶段的表现嘛……可以说是惨不忍睹。这位

Gemini 3 Flash 发布，多、快、好、省，Coding 能力不输大哥Gemini 3 Pro

Google 这次把「性价比」三个字直接写脸上了。刚刚，Google DeepMind 发布了 Gemini 3 Flash，号称前沿智能，但只要极低极低的成本。在上个月 Gemini 3 Pro 和

2025 年最全面的 LLM 架构技术解析【长文】

Sebastian Raschka 刚刚更新了他的「大型 LLM 架构对比」长文，内容量翻倍，堪称 2025 年最全面的 LLM 架构技术解析。Sebastian Raschka(@rasbt) 是一

OpenAI：如何用 Codex 在 28 天内极速打造安卓版 Sora

28 天，4 个工程师，一个登顶 Play Store 的 App。刚刚，OpenAI 发布了一篇工程博客，揭秘了他们如何用 Codex 在不到一个月的时间内，从零开始打造出 Sora 的安卓版应用。

GPT-5.2 上线！全面超越 Claude Opus4.5 及 Gemimi 3.0 Pro

OpenAI 终于，亮剑了。就在刚刚，OpenAI 正式宣布 GPT-5.2 全面上线：这次一口气推出三个版本：GPT-5.2 Instant、GPT-5.2 Thinking 和 GPT-5.2 P

前端不会死，死的是初级程序员

2025 年里，最郁闷的码农工种，可能非前端莫属了。因为他们，可真的是被死了无数次了！所以在前文《前端和后端谁先死？》中，我发起了个投票，居然一共有 2400+ 人做出了投票，结果如下：有说前端死的，

Anthropic 哲学家首次 AMA：关于 AI 哲学与伦理边界

这位 Anthropic 的哲学家，终于开口说话了。Amanda Askell 是 Anthropic 的 Character 团队负责人，2021 年加入 Anthropic，是塑造 Claude「

OpenAI 让 GPT-5 学会「忏悔」：AI 开始主动坦白自己的小心思了

OpenAI 刚刚给 AI 装了一颗「良心」。在一项全新的概念验证研究中，OpenAI 训练了一个 GPT-5 Thinking 变体，让它能够主动承认自己是否真正遵循了指令。这个被称为「confes

Anthropic 自曝：内部是如何使用 AI 的

这次的 Anthropic，把自己给曝光了。这家推出 Claude 的公司，刚刚发布了一份报告，调查了 132 名内部工程师，进行了 53 场深度访谈，还分析了 20 万条 Claude Code 的