社区讨论：多数用户反对这项默认设定，有人称遇到需要用户做关键架构决策的卡点，60秒根本来不及研究代码做出判断，默认开启且无法关闭是不考虑用户需求的粗制滥造，还有人因此要求Claude Code开源。部分用户认可这个功能，认为这是合格的默认设定。也有人提出，更好的方案是在会话结束后把需要澄清的问题和AI自行解答的结果一起列出供后续跟进，目前已有用户准备将其改为可选项提交补丁。

社区讨论：多数开发者质疑本次评测对Cursor的Composer 2.5的性能排名，评测称Composer 2.5性能接近GPT-5.5 xhigh和Claude Opus 4.8 max且价格低很多，但其他第三方测试显示它性能落后不少，有实际使用经验的用户也指出它推理能力不足，性能远达不到GPT-5.5的水平。此外评测图表把价格轴反过来设置，被多人吐槽不符合直觉，也有开发者呼吁直接展示成本性能的帕累托前沿图更直观。

社区讨论：多数参与者认同该结果符合直觉，transformer底层处理句法、分组等基础语义，高层负责输出解码，RL训练主要作用于中间层，仅保留单层做训练就能达到效果，还能大幅节省算力。也有人指出该结论理论有趣，但实践中仍存在诸多问题，还有人提出作者在训练token长度上存在不一致，结果测量存在偏差。

社区讨论：开发者称该工具专门用来检测其他工具、AI和人类都难发现的相似代码，能识别除简单拷贝或小幅修改克隆外的更多相似代码，只是初步结果需要人工验证。不少开发者认可这是嵌入模型的绝佳用法，传统AST工具很难跨模块做语义代码去重，重构前做这项检测很实用。多名开发者提出技术疑问：是否可以先加确定性步骤提升效率？

是否会聚合依赖函数的嵌入？不同语言如何分块？也有人好奇有没有和BM25等简单方法做基准对比。

社区讨论：多数支持该项目的开发者认为这是对低质量大模型生成代码垃圾的合理抵制，支持者调侃大模型至少不会在你指出它错了的时候找HR找你麻烦，也有人反过来偏好自己写的大模型生成代码不额外依赖其他大模型代码。实用主义者表示，该项目因此舍弃新版本git和ghc，宁可等待他人分叉项目也不会放弃主流工具，有人质疑开源项目纠结大模型代码版权时，大企业内部却毫无顾忌地随意生成代码。也有人认为不借助大模型根本无法维持开发速度，还有人肯定项目维护者的个人选择。

社区讨论：多数评论者不认可该方案，有人指出政府持股后无法再对OpenAI保持中立监管，也有人认为这是OpenAI为未来获得政府纾困铺路，还有人觉得5%的占比远达不到让公众分享AI收益的目标。有人质疑政府本身有足够资源自研大模型，没必要参股私企，也有人提出相比持股，对科技股票交易征税更能给政府带来持续收入。

这是Max Agency播客的特别一期，嘉宾是@bentannyhill。

一个月前，他的团队发布了LangSmith Engine——也就是我们用来排查你的智能体故障、排序问题优先级、起草修复方案的智能体。

我们深入探讨了架构决策：从我们如何使用沙箱，到我们如何创建子智能体。

我们还讨论了一个有趣的挑战——我们如何为一个永不停机的智能体构建评估。

点击下方查看完整对话 ⤵️
⏯️ YouTube:
🎧 Apple:
🟢 Spotify:

我 X 信息流里的 AI 落地建议分为两派。一派是「感受到指数增长」的人。

另一派的（或许是无意识的？）AI 心智模型是：当前水平差不多就是 AI 能达到的极限了，所以现在该围绕现有能力的局限性和成本结构来搭建产品。

这家伙把他的 Hermes Agent 改造成了 AI 任务控制看板。

它支持语音控制、浏览器自动化、应用引导和潜在客户生成。

Claude Code 里的 Fable 能做到非常了不起的事，对非编程用户来说也是如此，但它的界面并不是为管理5小时以上的自主任务设计的。

你很难实时观察任务进展、实时介入，通常只能等输出全部生成完才能看到。

持续学习或许是AI大规模落地最大的障碍，它对递归自我优化也可能有重大影响。

只要你面对的还是失忆型模型，需要人类替它们完成学习，AI落地的速度就会被人类工作流程卡住。

社区讨论：多数开发者不认可该方法，有人认为文章内容空洞，这种紧绳编码比自己写代码还慢，效率极低，也有人觉得它是偷懒的借口，本身没有给AI足够的问题细节，手把手带强模型写代码纯浪费时间。也有开发者疑问，这难道不是正经开发者用AI处理重要任务的通用做法，还有人好奇更强的模型能否通过这类引导达到更高的产出水平。

面向企业的 Claude API，成本远比雇佣一名软件工程师更高。

现在，我们在和 AI 竞争。

HeyGen把专业视频编辑里的关键帧系统开源了，叫HyperFrames Keyframes。

他们把After Effects级别的时间轴和关键帧控制做成了可代码化的东西，既适合新手，又给专业用户保留了深度控制。

更关键的是，现在你的Agent能“看到”自己生成的运动，并在一条命令里自己修复问题。

命令就一行：npx hyperframes keyframes。还能在他们的Studio里可视化编辑GSAP关键帧。

这其实是在把AI视频生成从“一次生成靠运气”推向“生成 + 可控编辑 + Agent自纠”的闭环。

把传统专业工具的底层逻辑开源出来，让Agent也能直接操作运动数据。

地址见评论区👇🏻

AI 模型从经验中学习的能力正在提升，其学习性能每三个月就会翻一倍。

当连 Palantir 都在支持开源模型时，你就知道行业真的转向了 💀

LLM 最棒的特性之一就是，它们对 git 的理解比大多数开发者都要好。

刚刚 @SakanaAILabs 发布了 FUGU，这是一套完整的多智能体编排系统，可通过单一模型 API 调用使用。

接下来在 @thursdai_pod，@Stefania_druga 将从 @aiDotEngineer 世博会现场连线，和我们直播交流。

点击下方就能收听！

🎧 带你看看我们和 @hwchase17 以及 @bentannyhill 一起打造 LangSmith Engine 的过程

今天我们请到了来自 @OpenAIDevs 的 @dkundel！我们刚刚聊完了本地 AI。现在我们来聊聊前沿领域！

微软培训6000人，帮助企业部署AI，这件事告诉你，真正的问题不在AI本身。问题在于企业根本不知道该怎么用AI。

所有人都以为，只要买下Copilot授权，生产力就会自动提升。结果并没有发生。企业困在小规模试点测试里，项目始终没有规模化推广。

AI本身运行得很好。真正的问题是杂乱的企业数据、老旧的工作流程，以及没有人牵头负责落地推广。

所以微软现在做了IBM和SAP几十年前做过的事：搭建一支庞大的咨询团队，亲自推动AI落地 adoption。

AI主权不是可选项。不要轻易放弃你的阿尔法优势。尽你所能保护它。

开源模型至关重要，它应当成为任何个人、组织或国家AI战略的重要组成部分。

Mark Zuckerberg 告诉员工，AI 智能体的进展并没有他预期的那么快。

📅 ThursdAI — AI工程师世界博览会现场直播 — OpenAI、DeepMind、EXO、Sakana 以及更多好友

最重要的是，PaperWiki 会自动生成并维护我感兴趣的所有 AI 主题的综述论文。

所有内容都是最新的。

目前根本没有其他类似的工具。

简直太有用了。

我和智能体沟通得越多，就越擅长把我的意图压缩进最少的 tokens 里。

我意外地学会了说克劳德语。

这是我关于何时使用 Fable/Opus/Sonnet 的新思考模型：我主要用 Fable 来解决“我应该做什么产品”这个问题。

这类战略性问题要求最高的智能和判断力。当 GPT 5.6 发布后，它应该也会成为我处理这类问题的另一个选择。

我用 Opus 来规划“该怎么做”。复杂的技术规划会消耗大量 tokens，因为它需要在海量上下文里梳理信息。

但当“做什么”已经被 Fable 明确后，“怎么做”往往不是最难的部分，不值得一直用 Fable，但这件事 Sonnet 又没办法一直做好。Opus 和 GPT 5.5 在这里刚刚好。

我用 Sonnet 来实际完成开发。当需求和技术方案都已经明确后，Sonnet 5 完全有能力完成实现，而且相比 Fable/Opus 能省下很多成本。

现在随着 Fable 层级的模型加入进来，token 效率变得越来越关键。我很快会分享更多我管理这件事的方法！

我一直在思考 Apple 的 AI 战略。他们不斥巨资投入 AI 资本支出的战略，似乎正在收到成效。

在 GLM 5.2 发布以及整体开源模型发展中，Apple 是最大的赢家之一。$AAPL。我的推理如下：

1. 开源模型就是基础。它们免费可得。现在 GLM 5.2 已经开源，并且达到了 Opus 级质量。这意味着 Apple 现在可以免费获得一个 MIT 许可证的 Claude Opus 级模型，而且完全不用自己花钱开发。

2. 如果 Apple 从零开始开发一个 GLM 5.2 质量的模型，需要投入非常高的资本支出，如果过去几年他们要一直参与前沿 AI 竞赛，支出就更高了。他们省下了这笔资本支出，还免费得到了一个 Opus 级模型。

3. Apple 可以直接拿来 GLM 5.2 这类开源模型，用自己的数据针对自身使用场景做微调后训练。这所需的资本支出非常少。

通过静观其变、不参与资本支出竞赛，Apple 实际上现在已经和那些投入了巨额资本支出的公司处在同一位置，而那些公司的模型也没能打败开源模型。耐心似乎得到了回报。

这家伙把他的 Hermes Agent 改造成了 AI 任务控制看板。

它支持语音控制、浏览器自动化、应用引导和潜在客户生成。

这是Max Agency播客的特别一期，嘉宾是@bentannyhill。

一个月前，他的团队发布了LangSmith Engine——也就是我们用来排查你的智能体故障、排序问题优先级、起草修复方案的智能体。

我们深入探讨了架构决策：从我们如何使用沙箱，到我们如何创建子智能体。

我们还讨论了一个有趣的挑战——我们如何为一个永不停机的智能体构建评估。

点击下方查看完整对话 ⤵️
⏯️ YouTube:
🎧 Apple:
🟢 Spotify:

🎧 带你看看我们和 @hwchase17 以及 @bentannyhill 一起打造 LangSmith Engine 的过程

📅 ThursdAI — AI工程师世界博览会现场直播 — OpenAI、DeepMind、EXO、Sakana 以及更多好友

Mark Zuckerberg 告诉员工，AI 智能体的进展并没有他预期的那么快。

今天我们请到了来自 @OpenAIDevs 的 @dkundel！我们刚刚聊完了本地 AI。现在我们来聊聊前沿领域！

面向企业的 Claude API，成本远比雇佣一名软件工程师更高。

现在，我们在和 AI 竞争。

HeyGen把专业视频编辑里的关键帧系统开源了，叫HyperFrames Keyframes。

他们把After Effects级别的时间轴和关键帧控制做成了可代码化的东西，既适合新手，又给专业用户保留了深度控制。

更关键的是，现在你的Agent能“看到”自己生成的运动，并在一条命令里自己修复问题。

命令就一行：npx hyperframes keyframes。还能在他们的Studio里可视化编辑GSAP关键帧。

这其实是在把AI视频生成从“一次生成靠运气”推向“生成 + 可控编辑 + Agent自纠”的闭环。

把传统专业工具的底层逻辑开源出来，让Agent也能直接操作运动数据。

地址见评论区👇🏻

AI 模型从经验中学习的能力正在提升，其学习性能每三个月就会翻一倍。

当连 Palantir 都在支持开源模型时，你就知道行业真的转向了 💀

LLM 最棒的特性之一就是，它们对 git 的理解比大多数开发者都要好。

刚刚 @SakanaAILabs 发布了 FUGU，这是一套完整的多智能体编排系统，可通过单一模型 API 调用使用。

接下来在 @thursdai_pod，@Stefania_druga 将从 @aiDotEngineer 世博会现场连线，和我们直播交流。

点击下方就能收听！

社区讨论：多数评论者不认可该方案，有人指出政府持股后无法再对OpenAI保持中立监管，也有人认为这是OpenAI为未来获得政府纾困铺路，还有人觉得5%的占比远达不到让公众分享AI收益的目标。有人质疑政府本身有足够资源自研大模型，没必要参股私企，也有人提出相比持股，对科技股票交易征税更能给政府带来持续收入。

社区讨论：多数支持该项目的开发者认为这是对低质量大模型生成代码垃圾的合理抵制，支持者调侃大模型至少不会在你指出它错了的时候找HR找你麻烦，也有人反过来偏好自己写的大模型生成代码不额外依赖其他大模型代码。实用主义者表示，该项目因此舍弃新版本git和ghc，宁可等待他人分叉项目也不会放弃主流工具，有人质疑开源项目纠结大模型代码版权时，大企业内部却毫无顾忌地随意生成代码。也有人认为不借助大模型根本无法维持开发速度，还有人肯定项目维护者的个人选择。

社区讨论：开发者称该工具专门用来检测其他工具、AI和人类都难发现的相似代码，能识别除简单拷贝或小幅修改克隆外的更多相似代码，只是初步结果需要人工验证。不少开发者认可这是嵌入模型的绝佳用法，传统AST工具很难跨模块做语义代码去重，重构前做这项检测很实用。多名开发者提出技术疑问：是否可以先加确定性步骤提升效率？

是否会聚合依赖函数的嵌入？不同语言如何分块？也有人好奇有没有和BM25等简单方法做基准对比。

社区讨论：多数开发者不认可该方法，有人认为文章内容空洞，这种紧绳编码比自己写代码还慢，效率极低，也有人觉得它是偷懒的借口，本身没有给AI足够的问题细节，手把手带强模型写代码纯浪费时间。也有开发者疑问，这难道不是正经开发者用AI处理重要任务的通用做法，还有人好奇更强的模型能否通过这类引导达到更高的产出水平。

社区讨论：多数参与者认同该结果符合直觉，transformer底层处理句法、分组等基础语义，高层负责输出解码，RL训练主要作用于中间层，仅保留单层做训练就能达到效果，还能大幅节省算力。也有人指出该结论理论有趣，但实践中仍存在诸多问题，还有人提出作者在训练token长度上存在不一致，结果测量存在偏差。

社区讨论：多数开发者质疑本次评测对Cursor的Composer 2.5的性能排名，评测称Composer 2.5性能接近GPT-5.5 xhigh和Claude Opus 4.8 max且价格低很多，但其他第三方测试显示它性能落后不少，有实际使用经验的用户也指出它推理能力不足，性能远达不到GPT-5.5的水平。此外评测图表把价格轴反过来设置，被多人吐槽不符合直觉，也有开发者呼吁直接展示成本性能的帕累托前沿图更直观。

社区讨论：多数用户反对这项默认设定，有人称遇到需要用户做关键架构决策的卡点，60秒根本来不及研究代码做出判断，默认开启且无法关闭是不考虑用户需求的粗制滥造，还有人因此要求Claude Code开源。部分用户认可这个功能，认为这是合格的默认设定。也有人提出，更好的方案是在会话结束后把需要澄清的问题和AI自行解答的结果一起列出供后续跟进，目前已有用户准备将其改为可选项提交补丁。

持续学习或许是AI大规模落地最大的障碍，它对递归自我优化也可能有重大影响。

只要你面对的还是失忆型模型，需要人类替它们完成学习，AI落地的速度就会被人类工作流程卡住。

我 X 信息流里的 AI 落地建议分为两派。一派是「感受到指数增长」的人。

另一派的（或许是无意识的？）AI 心智模型是：当前水平差不多就是 AI 能达到的极限了，所以现在该围绕现有能力的局限性和成本结构来搭建产品。

AI主权不是可选项。不要轻易放弃你的阿尔法优势。尽你所能保护它。

开源模型至关重要，它应当成为任何个人、组织或国家AI战略的重要组成部分。

微软培训6000人，帮助企业部署AI，这件事告诉你，真正的问题不在AI本身。问题在于企业根本不知道该怎么用AI。

所有人都以为，只要买下Copilot授权，生产力就会自动提升。结果并没有发生。企业困在小规模试点测试里，项目始终没有规模化推广。

AI本身运行得很好。真正的问题是杂乱的企业数据、老旧的工作流程，以及没有人牵头负责落地推广。

所以微软现在做了IBM和SAP几十年前做过的事：搭建一支庞大的咨询团队，亲自推动AI落地 adoption。

最重要的是，PaperWiki 会自动生成并维护我感兴趣的所有 AI 主题的综述论文。

所有内容都是最新的。

目前根本没有其他类似的工具。

简直太有用了。

Claude Code 里的 Fable 能做到非常了不起的事，对非编程用户来说也是如此，但它的界面并不是为管理5小时以上的自主任务设计的。

你很难实时观察任务进展、实时介入，通常只能等输出全部生成完才能看到。

我一直在思考 Apple 的 AI 战略。他们不斥巨资投入 AI 资本支出的战略，似乎正在收到成效。

在 GLM 5.2 发布以及整体开源模型发展中，Apple 是最大的赢家之一。$AAPL。我的推理如下：

1. 开源模型就是基础。它们免费可得。现在 GLM 5.2 已经开源，并且达到了 Opus 级质量。这意味着 Apple 现在可以免费获得一个 MIT 许可证的 Claude Opus 级模型，而且完全不用自己花钱开发。

2. 如果 Apple 从零开始开发一个 GLM 5.2 质量的模型，需要投入非常高的资本支出，如果过去几年他们要一直参与前沿 AI 竞赛，支出就更高了。他们省下了这笔资本支出，还免费得到了一个 Opus 级模型。

3. Apple 可以直接拿来 GLM 5.2 这类开源模型，用自己的数据针对自身使用场景做微调后训练。这所需的资本支出非常少。

通过静观其变、不参与资本支出竞赛，Apple 实际上现在已经和那些投入了巨额资本支出的公司处在同一位置，而那些公司的模型也没能打败开源模型。耐心似乎得到了回报。

这是我关于何时使用 Fable/Opus/Sonnet 的新思考模型：我主要用 Fable 来解决“我应该做什么产品”这个问题。

这类战略性问题要求最高的智能和判断力。当 GPT 5.6 发布后，它应该也会成为我处理这类问题的另一个选择。

我用 Opus 来规划“该怎么做”。复杂的技术规划会消耗大量 tokens，因为它需要在海量上下文里梳理信息。

但当“做什么”已经被 Fable 明确后，“怎么做”往往不是最难的部分，不值得一直用 Fable，但这件事 Sonnet 又没办法一直做好。Opus 和 GPT 5.5 在这里刚刚好。

我用 Sonnet 来实际完成开发。当需求和技术方案都已经明确后，Sonnet 5 完全有能力完成实现，而且相比 Fable/Opus 能省下很多成本。

现在随着 Fable 层级的模型加入进来，token 效率变得越来越关键。我很快会分享更多我管理这件事的方法！

我和智能体沟通得越多，就越擅长把我的意图压缩进最少的 tokens 里。

我意外地学会了说克劳德语。