Altman 同情数学家的处境,但称 OpenAI 的数学成果发布不会停
OpenAI CEO Sam Altman 在 Cheeky Pint 播客中表示,他同情难以消化大量 AI 生成数学成果的研究者,但认为公众了解宇宙运行方式的权利高于这些干扰,公司不会停止发布。
OpenAI CEO Sam Altman 在 Cheeky Pint 播客中表示,他同情难以消化大量 AI 生成数学成果的研究者,但认为公众了解宇宙运行方式的权利高于这些干扰,公司不会停止发布。
Instagram 负责人 Adam Mosseri 在 Colin and Samir 播客中表示,围绕 AI 的焦虑、沮丧与愤怒不仅正在加剧,未来几年还会继续恶化,部分有理、部分无据。他称这种情绪归根结底是「害怕在某种程度上被落下」,涉及内容归属、模型训练、安全与岗位替代。Mosseri 表示 Instagram 已开始要求 AI 账号自行标注,但不认为全面禁止 AI 内容可行。
Simon Willison 转述 Jacob Sansbury 的文章,介绍多人游戏环境 Spawn 如何由 Fable 驱动的智能体集群自主开发,每月 token 成本超过 300 万美元。
Ben Hylak 提出,他使用的每个产品都应该是无头 MCP,接入智能体后用户无需关心底层细节。他同时调侃称自家产品是例外,客户喜欢其 UI 并非常认可他们。
The Verge 分析 Anthropic 的 S-1 文件,指出其 2026 年上半年收入同比增长 14 倍至 163 亿美元,调整后收入为 16.2 亿美元,但未来 20 年的算力与基础设施承诺最低约 8500 亿美元。
OpenAI 的 Ted Sanders 解释其模型命名规则:模型按 Luna < Terra < Sol < Astra 排序,规模越大性能与可靠性越高、每 token 成本越高、冷门事实召回越好。版本号同时表示发布顺序、与其他版本的关系和改进幅度,如 6.1 在 5.6 之后发布、与同代 6.1 模型共享训练数据和风格,但提升不足以称为 7。
Latent Space 与 Supabase 创始人 Paul Copplestone、Ant Wilson 首次同台播客,讨论为什么智能体偏爱 Supabase。
Simon Willison 认为 2026 年 10 月是 vibe coding 游戏的拐点,Claude Opus 5.5 在 3D 建模、音乐生成和游戏设计上有明显提升,他让模型把游戏改得更好玩,结果确实奏效。
Terk Terkowitz 在 Amazon 工程领导层关于 AI 时代开发者角色的更新中表示,如果当前 AI 工具无法让工作受益,这是一种发现而非失败。他建议记录原因、与同行社区分享、反馈给管理者并共同寻找解决方案。能说明 AI 尚未在何处帮到自己工作的工程师,正展现出所期望的判断力。
OpenAI 发文探讨 AI 可能以何种方式进入企业组织架构,落在人类之下、身旁与之间三种位置。文章以“公司的未来”为题,讨论 AI 在组织中的角色定位,未给出具体模型、版本或产品信息。
Latent Space 播客对话 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang,复盘 Opus 5.5 的发布过程,并解释 Claude Managed Agents 为何把会话日志与 harness 同执行代码的沙箱分离。
Latent Space 邀请 Anthropic 的 Katelyn Lesse 和 Angela Jiang 讲解 Claude 平台背后的工程实践,包括 Opus 5.5 的发布、把模型的大脑与智能体的手解耦、API 扩容以及构建可靠的托管智能体。
制造业的工业智能由员工经验、运营数据与业务理解构成,关键在于把分散的知识送到每个决策点并与物理生产环节连接。Toyota Industries 打通原本割裂的涂装车间数据后,分析周期从五天缩短到四小时以内,试点中相关涂装缺陷减少约 25%。
Anthropic 提交 335 页 IPO 招股书,其中约 100 页讲风险,并警告其技术可能侵蚀信任、危害社会、动摇地缘政治秩序,甚至对人类构成灾难性或生存性风险。
MIT Technology Review 刊文指出,科技行业把“安全”窄化为避免自杀、毒品等灾难性伤害,却回避产品日常造成的依赖与认知侵蚀。文章援引数据称,三分之一青少年选择与 AI 伴侣讨论严肃话题,MIT 研究者发现用 ChatGPT 写文章的学生在任务中脑连接更弱,且“认知债务”在任务结束后仍持续。
EXL 在《Engineering the Harness》系列中探讨企业 AI 的生产化挑战:决定智能能否可靠、经济、规模化交付的关键,是模型之外的 serving harness,涵盖架构、内存管理、调度与推理优化。文章主张从工作负载而非模型出发,先测量再优化,并以适配变化为目标,让换模型成为评估与配置决策而非架构重建。
UC Berkeley 团队提出,GPT-4 级能力价格已从 2023 年初的约 $30/百万 token 降至如今不足 $1,部分厂商低于 $0.10,推理价格年降幅在 9x 到 900x 之间、中位数约 50x。