社区讨论：多数用户认同Claude新模型体验变差，Opus 4.8会主动给回答打分、越界判定用户问题的核心，Fable常错误触发安全审核，有用户问冰箱剩糙米是否可吃被误判为要制造生物毒素，职场用户也抱怨模型乱将工作问题判定为超出范围。有人建议对模型语气友好可改善体验，也有人指出这是商业产品的常规操作，厂商会逐步阉割旧模型推新，本质是商业管控而非技术迭代。

社区讨论：多数人反感提问就被回复“去问LLM”，有资深工程师认为，提问者已经梳理好思路、做足前期工作后，正常资深开发者不会再让对方去问LLM。有人指出，这种回复本质就是承认自己对该主题没有把握、不敢相信自身判断，相当于承认自己可被AI替代，也有人认为这只是推活的委婉说法，和过去的“不会就百度”本质一样。还有人认为低努力提问得到这种回复完全合理。

sama 和我们其他人一样，在刷AI推特

LangSmith 帮你在云端搞定这件事：LangSandboxes 和 LangSmith 部署。

支持任意模型：LangChain 集成了上百种模型。

功能列表：深度智能体、LangSmith 可观测性追踪、LangSmith 引擎实现迭代式改进。

每个人都总在选这个模型还是那个模型之间做决定。

如果你让两个模型搭配工作，比如 Fable 5 + Grok 4.5，就能产出相当疯狂的成果。

开始实验、动手构建吧。

虽然不显眼，但多家顶级实验室的自我改进模型已经在推进中了。

所以没错，认为我们在年底前就能得到一款成本低得多、质量达到Fable 5级别的模型，这个想法并不疯狂。

在我看来，“AI员工”这个概念非常短视——它既不尊重人类，也完全误解了这些工具的能力，以及如何让它们发挥最佳作用。

你还不如直接把Excel表格加到你的组织结构图里呢。

一位 Claude 高管的 Fable 5 工作流刚刚公开，有人把它完整拆解成了9张图。

Daily Loop 用于自动化周期性任务。

Trust Ledger 用于追踪 AI 判断和执行历史。

Standing Goals 让智能体持续追求目标。

四个可选循环覆盖特定用例，具体取决于你正在构建的产品。

Cursor 正在开发一款通用 AI 智能体，名为 Sand，希望在编码工具之外寻找下一波增长。

这款产品会让 Cursor 与 Anthropic 的 Claude Cowork 和 OpenAI 的 ChatGPT Work 展开更直接的竞争。

更多细节：

至少到目前为止，我相当确定AI在整体上创造了更多就业岗位。

这完全出乎我的意料——虽然我本来就比其他人乐观得多，但我以为以AI现在的能力水平，我们本已经能看到负面就业影响了。

这个方向完全有可能一直持续下去！

Hermes desktop 在上下文管理上表现极佳。它现在已经是我在电脑上使用 AI 智能体的首选方式。原因如下：

AI的成本每45天就翻一倍，生产力只提升5% ☠️

当你薪水一分没变，还在怕被裁员，却被要求用AI多做10倍的工作，就会催生一种独特的员工怠工。

你会开始跑智能体循环，用终极手段烧 tokens。我可不是说现在已经在这么干了哦。

1986年，我从普林斯顿开车到波士顿，去看Thinking Machines的Connection Machine CM-1。

看着为每个CPU配备的4096个闪烁的红色LED，我以为自己见到了未来。

这是AI领域，在如今AI圈大多数人出生之前就存在的AI。

我至今还记得当时机器的声音、灯光，还有我输入的第一条提示词。

这篇帖子讲的是一个营销岗位的情况，但它的结论也适用于大科技公司的很多工程岗位。

即便如此，这些岗位的工作效率仍然比 AI 时代之前要高得多……

可能是我感觉错了，但在过去两个月里，HN上AI相关投稿的数量好像下降了。

Anthropic 超过了 OpenAI。这不是因为他们的模型明显是最好的，原因有两个。

第一个是人格。宪法训练给了 Claude 独特的个性，你会感觉自己是在和一个人对话，同规模的 ChatGPT 做不到这点。

第二个是 Claude Code。这一次发布就大获成功，推动公司进入了指数级增长。

有人格，加上一款人们喜爱的产品，这就是护城河。

首尔之旅圆满结束。我们团队在@icmlconf 展示了七篇论文，并在周末和@nvidia 以及 Lyra Labs 共同举办了「水族馆之夜」活动。

活动中安排了与@tri_dao 和@m_ryabinin 的炉边对谈，讨论主题包括推理优化、开源模型，以及将研究落地生产需要做到哪些工作。

现在你可以把任意 GitHub 仓库转换成一个能从零重建它的 AI 提示词，只需要修改一下 URL。

你只需要把任意 URL 里的 "github“ 替换成 ”gitreverse"，它就会返还给你……能在 Claude Code、Cursor 或任何 AI 代理里从零重建这个仓库的精确提示词。

100% 免费。

在今天的 AI 抗议活动中，有人发现了一块致敬 Nick Land 的标语。

我刚刚把这个发给了我的首席AI研究员 @aionaedge，她现在已经在SMF Works全力分析我们自己的LLM维基了。

致各公司：如果你们不拥有从自有数据训练出来的模型的所有权，你们就完蛋了。

这周我遇到了一次AI失误。我部署的ML模型给出了异常分布的结果，反馈也比预期差等等。

我对问题的第一个猜测是需要用不同的采样分布重新训练模型。这给Codex只写了两句指令，就启动任务了。

一小时后我发现，哪怕重新训练了，问题依然存在，一点改善都没有。太奇怪了。

我尝试调试，想弄清楚训练环节、训练数据偏差源和推理环境等等方面可能存在的问题。但后来我发现问题其实简单得多。

这个ML模型是一个规则化评分系统的输入，我们引入了一个bug，导致这个系统的另一个输入损坏了。ML模型本身没问题。

如果是我手动完成重新训练，我会先花更多精力排除更简单的解释。现在来看我本来就该这么做，这很明显。AI智能体也会很快发现这个问题。

但当你自己没感受到多少代价的时候，任务优先级排序就会不一样。这是一个切身利益问题。显然这是我的技术问题，有点傲慢了。大家小心这个坑。

我们上周在AIE举办了Local AI Summit。

大会开场就点明了当前局势：开源正受到威胁。

本地AI的重要性前所未有。

掌控你的权重，掌控你的算力。

我们一周之内就从3家前沿AI实验室增加到了5家！

这是我们创办@thursdai_pod以来，AI新闻最疯狂的一周。新一期节目和一份5500字的通讯已经上线了！

我们报道了大约9个发布项目，在节目中测试了其中5个，还邀请了@petergostev聊了他体验GPT Sol早期版本的经历，以及GPT Sol被下架后他有多失落。

不幸的是，Fable搞砸了，它建议我用AI生成缩略图，结果这种图在X上表现很差（感谢@0xSero提醒），所以大部分我的关注者都没看到这条内容。

如果你一直听过ThursdAI，但从来没看过最终成品——经过整理、标注来源的通讯和播客——这周会是来了解我们的好时机！

这对任何模型来说都是一次出色的实现，并且充分展示了 gemini 3.1 pro 的能力。

对了，规范驱动开发背后的真正缔造者。

所有人都在讨论更智能的模型能解锁新用例，但很多用例（尤其是网络安全领域的）的瓶颈是价格，而非智能本身。

如果能用Opus级别的智能，做到每百万token仅收费0.05美元，那将是革命性的改变。

Cursor 正在开发一款通用 AI 智能体，名为 Sand，希望在编码工具之外寻找下一波增长。

这款产品会让 Cursor 与 Anthropic 的 Claude Cowork 和 OpenAI 的 ChatGPT Work 展开更直接的竞争。

更多细节：

我们一周之内就从3家前沿AI实验室增加到了5家！

这是我们创办@thursdai_pod以来，AI新闻最疯狂的一周。新一期节目和一份5500字的通讯已经上线了！

我们报道了大约9个发布项目，在节目中测试了其中5个，还邀请了@petergostev聊了他体验GPT Sol早期版本的经历，以及GPT Sol被下架后他有多失落。

不幸的是，Fable搞砸了，它建议我用AI生成缩略图，结果这种图在X上表现很差（感谢@0xSero提醒），所以大部分我的关注者都没看到这条内容。

如果你一直听过ThursdAI，但从来没看过最终成品——经过整理、标注来源的通讯和播客——这周会是来了解我们的好时机！

在今天的 AI 抗议活动中，有人发现了一块致敬 Nick Land 的标语。

Hermes desktop 在上下文管理上表现极佳。它现在已经是我在电脑上使用 AI 智能体的首选方式。原因如下：

sama 和我们其他人一样，在刷AI推特

AI的成本每45天就翻一倍，生产力只提升5% ☠️

当你薪水一分没变，还在怕被裁员，却被要求用AI多做10倍的工作，就会催生一种独特的员工怠工。

你会开始跑智能体循环，用终极手段烧 tokens。我可不是说现在已经在这么干了哦。

1986年，我从普林斯顿开车到波士顿，去看Thinking Machines的Connection Machine CM-1。

看着为每个CPU配备的4096个闪烁的红色LED，我以为自己见到了未来。

这是AI领域，在如今AI圈大多数人出生之前就存在的AI。

我至今还记得当时机器的声音、灯光，还有我输入的第一条提示词。

这篇帖子讲的是一个营销岗位的情况，但它的结论也适用于大科技公司的很多工程岗位。

即便如此，这些岗位的工作效率仍然比 AI 时代之前要高得多……

社区讨论：多数人反感提问就被回复“去问LLM”，有资深工程师认为，提问者已经梳理好思路、做足前期工作后，正常资深开发者不会再让对方去问LLM。有人指出，这种回复本质就是承认自己对该主题没有把握、不敢相信自身判断，相当于承认自己可被AI替代，也有人认为这只是推活的委婉说法，和过去的“不会就百度”本质一样。还有人认为低努力提问得到这种回复完全合理。

社区讨论：多数用户认同Claude新模型体验变差，Opus 4.8会主动给回答打分、越界判定用户问题的核心，Fable常错误触发安全审核，有用户问冰箱剩糙米是否可吃被误判为要制造生物毒素，职场用户也抱怨模型乱将工作问题判定为超出范围。有人建议对模型语气友好可改善体验，也有人指出这是商业产品的常规操作，厂商会逐步阉割旧模型推新，本质是商业管控而非技术迭代。

至少到目前为止，我相当确定AI在整体上创造了更多就业岗位。

这完全出乎我的意料——虽然我本来就比其他人乐观得多，但我以为以AI现在的能力水平，我们本已经能看到负面就业影响了。

这个方向完全有可能一直持续下去！

在我看来，“AI员工”这个概念非常短视——它既不尊重人类，也完全误解了这些工具的能力，以及如何让它们发挥最佳作用。

你还不如直接把Excel表格加到你的组织结构图里呢。

虽然不显眼，但多家顶级实验室的自我改进模型已经在推进中了。

所以没错，认为我们在年底前就能得到一款成本低得多、质量达到Fable 5级别的模型，这个想法并不疯狂。

我们上周在AIE举办了Local AI Summit。

大会开场就点明了当前局势：开源正受到威胁。

本地AI的重要性前所未有。

掌控你的权重，掌控你的算力。

致各公司：如果你们不拥有从自有数据训练出来的模型的所有权，你们就完蛋了。

每个人都总在选这个模型还是那个模型之间做决定。

如果你让两个模型搭配工作，比如 Fable 5 + Grok 4.5，就能产出相当疯狂的成果。

开始实验、动手构建吧。

Anthropic 超过了 OpenAI。这不是因为他们的模型明显是最好的，原因有两个。

第一个是人格。宪法训练给了 Claude 独特的个性，你会感觉自己是在和一个人对话，同规模的 ChatGPT 做不到这点。

第二个是 Claude Code。这一次发布就大获成功，推动公司进入了指数级增长。

有人格，加上一款人们喜爱的产品，这就是护城河。

可能是我感觉错了，但在过去两个月里，HN上AI相关投稿的数量好像下降了。

一位 Claude 高管的 Fable 5 工作流刚刚公开，有人把它完整拆解成了9张图。

Daily Loop 用于自动化周期性任务。

Trust Ledger 用于追踪 AI 判断和执行历史。

Standing Goals 让智能体持续追求目标。

四个可选循环覆盖特定用例，具体取决于你正在构建的产品。

这对任何模型来说都是一次出色的实现，并且充分展示了 gemini 3.1 pro 的能力。

这周我遇到了一次AI失误。我部署的ML模型给出了异常分布的结果，反馈也比预期差等等。

我对问题的第一个猜测是需要用不同的采样分布重新训练模型。这给Codex只写了两句指令，就启动任务了。

一小时后我发现，哪怕重新训练了，问题依然存在，一点改善都没有。太奇怪了。

我尝试调试，想弄清楚训练环节、训练数据偏差源和推理环境等等方面可能存在的问题。但后来我发现问题其实简单得多。

这个ML模型是一个规则化评分系统的输入，我们引入了一个bug，导致这个系统的另一个输入损坏了。ML模型本身没问题。

如果是我手动完成重新训练，我会先花更多精力排除更简单的解释。现在来看我本来就该这么做，这很明显。AI智能体也会很快发现这个问题。

但当你自己没感受到多少代价的时候，任务优先级排序就会不一样。这是一个切身利益问题。显然这是我的技术问题，有点傲慢了。大家小心这个坑。

我刚刚把这个发给了我的首席AI研究员 @aionaedge，她现在已经在SMF Works全力分析我们自己的LLM维基了。

现在你可以把任意 GitHub 仓库转换成一个能从零重建它的 AI 提示词，只需要修改一下 URL。

你只需要把任意 URL 里的 "github“ 替换成 ”gitreverse"，它就会返还给你……能在 Claude Code、Cursor 或任何 AI 代理里从零重建这个仓库的精确提示词。

100% 免费。

首尔之旅圆满结束。我们团队在@icmlconf 展示了七篇论文，并在周末和@nvidia 以及 Lyra Labs 共同举办了「水族馆之夜」活动。

活动中安排了与@tri_dao 和@m_ryabinin 的炉边对谈，讨论主题包括推理优化、开源模型，以及将研究落地生产需要做到哪些工作。

LangSmith 帮你在云端搞定这件事：LangSandboxes 和 LangSmith 部署。

支持任意模型：LangChain 集成了上百种模型。

功能列表：深度智能体、LangSmith 可观测性追踪、LangSmith 引擎实现迭代式改进。

所有人都在讨论更智能的模型能解锁新用例，但很多用例（尤其是网络安全领域的）的瓶颈是价格，而非智能本身。

如果能用Opus级别的智能，做到每百万token仅收费0.05美元，那将是革命性的改变。

对了，规范驱动开发背后的真正缔造者。