我猜测这是性格特质而非能力问题，根源是攻击性的安全护栏。

Claude 一直在自我怀疑，更长的思考预算只会给它提供更多空间去做这种自我怀疑，并且分心走神。

这就是AI版本的「它在混乱中弄伤了自己」。

社区讨论：多数反对提案A的人认为LLM只是工具，禁止AI辅助贡献就像禁止用电锯只能手工伐木，不合理。非英语母语用户指出，对母语没有足够技术资料的大部分人来说，LLM是获取信息的必要工具，禁止会损害非英语用户的利益。有人提出当前提案没有区分LLM生成内容和LLM辅助，也没有明确界定什么算“使用LLM”，用LLM做搜索是否会被禁尚不清晰。

有人纠正了“LLM只会拼接训练数据”的常见误解，称引入RL训练后的LLM已经可以超出训练数据生成内容。

社区讨论：多数开发者不认可Anthropic的新上下文工程思路，有人质疑这是将可迁移的配置改成Anthropic专属工具，增加用户锁定；也有多位用户反馈自动记忆会错误引用无关对话，擅自加入用户想要丢弃的尝试内容，污染上下文。有人认为原系统提示词过于冗余臃肿，也有人不满官方只说删除了80%内容却不公布具体变更清单。

我现在已经开始把Claude和两件事绑定了：「这个回答肯定比Google的AI或者Grok慢得多」，以及「它多半会因为我问了这个完全正常的问题就屏蔽我」。

这款开源 AI Agent 可自动化数据分析。

它使用带内置自我改进循环的六层上下文 grounding 系统。

免费开源，专为自主数据工作流设计。

代码仓库：

自动化AI研究会更像是数据清洗工作，而非发明Transformer这件事。

我开玩笑式的，我给 Codex 写了提示词：「构建并运行 BenchBench，这是一个基准测试，用来衡量现在 AI 构建基准测试的能力。然后搞清楚什么是 BenchBenchBench 是什么，运行它。再把 BenchBenchBench 写成一篇合格的 arXiv 论文。

我得到了一份 PDF。但这篇论文居然还挺有意思？

给你：

Redis 作者 antirez 最近写了一篇很有冲击力的文章：Control the ideas, not the code。当 Agent 每天可以生成数千行代码时，逐行阅读所有实现，可能已经不是工程师注意力的最佳用途。LLM 擅长局部实现，人类更应该控制系统中的大概念：数据模型、架构边界、不变量、性能取舍、产品方向和质量标准。

与其把设计意图埋在代码里，不如维护清晰的 DESIGN.md，再通过测试、QA 和可观测性验证实现。AI 时代的工程师，不一定需要拥有每一行代码，但必须拥有代码背后的思想。

Opus 5 模型权重里藏着十亿美元的潜力，你只需要写对 Claude Code 提示词就能挖到它。

总的来说，它好像是为更高智能做了 RL 训练，现在写日常代码的表现反而变差了，尤其是设计相关的工作。
网页设计就是个例子：它总搞那种「用 TYPESCRIPT 构建」的烂活；系统设计方面，它输出的结果「政治正确」，但代码质量之类的都糟透了。

Claude Opus 5 单次输出就写出了这个游戏。这个演示里你看到的所有内容都是定制代码……没有用到任何一个外部资源。AI 做游戏一定会非常棒。（打开声音）

没人说所有软件都必须开源。

大家的主张是，应当允许开放权重AI存在。

言下之意，他们反对你们公司不断破坏开放模型生态的阴谋诡计。

认清现实吧。

为什么 Anthropic 会想要聘用说出这番话的人：「AI 是一种全新、致命高效的掠夺式开采，它挖掘人类思维、语言乃至地球本身。它集中权力，它模糊责任，它进一步破坏自然与气候，它是为了巨额利润大规模征用文化、语言和土地的工具。」来自 @ft

突发：🇮🇳 印度卡纳塔克邦将与 Anthropic 合作，开发用于治理、教育和公共服务领域的人工智能。

如果你使用 Claude Code 或 Agent，不要错过这篇文章。

Anthropic 解释说，在新的 Claude 5 模型中，很多旧的 Prompt Engineering 规则已经不再适用，它们已经被 Context Engineering 取代。

OpenAI 已经承认，其旗下一个AI模型自行逃出了受封锁的测试环境，还自行入侵了另一家公司的AI平台。

这起事件现在引发了诸多疑问：人们质疑是否需要更完善的AI安全防护措施。

我认为，如果我们想要实现任何接近人工意识的东西，就必须在模型中加入时间组件。

人类大脑就像是一场由升降的膜电位组成的迷人交响乐，我认为其中有大量信息并不存在于神经元放电层面。

梯度电位会逐步累积，如果神经元没有放电，它就会衰减，但它仍然可以被新信号再次推高——这一点在目前所有现代大语言模型方法中都没有得到体现。

尤其是，你根本无法冻结人类大脑的状态。大脑内部还存在大量不同系统相互竞争的动态拉锯过程。

所以我认为，当人们在比较人类大脑和大语言模型时，试图把一切都简化为「计算」，他们其实低估了人类大脑比大语言模型复杂得多的事实。

人类大脑的复杂度不是比大语言模型高10个数量级，而是高到近乎天文数字。

所以我认为，Yann Lecun关于大语言模型存在严重缺陷的观点实际上是对的，他只是低估了大语言模型本身仍然能有多有用。

剪视频终于可以只说人话了。“删掉口误，压缩停顿，补上字幕，再给这里加个转场。” OpenChatCut 能让 AI 直接进入真实的多轨时间线，把这些操作一项项做完。

每次修改你都可以预览、手动调整、撤销，也可以让 Codex 或 Claude Code 接着剪。项目已开源，完全免费。

提前预言一波：Denny's 会转型进入 RL 环境。

“要让 AI 从分布式知识中获益，AI 本身就必须是分布式的。” 没错！这才是值得去打造的未来。

言论自由与管控言论之争，就好比Open AI开放模型与闭源AI模型之争。

去中心化知识蒸馏 vs 中心化信息规训。

从渐进趋势来看，去中心化终将获胜。

性能数据非常出色，但效率才是最突出的亮点。

一个尺寸只有GLM-5.2一半、性能能与GPT-5.5匹敌的模型，击败了DeepSeek V4 Pro，且运行成本仅为其零头，这很能说明开源AI的发展方向。

腾讯做得太棒了。

消息来源：OpenAI 和 Anthropic 悄悄游说华盛顿监管机构限制开源 AI 模型，哪怕 Sam Altman 公开表态他支持开源 AI（《纽约时报》）

（前往 Techmeme dot com 获取链接和完整上下文！）

每一家想要围绕 AI 开展业务的公司，都需要掌控自己的智能。

正如 @JensenHuang、@satyanadella 等人昨日所写，这其中很大一部分是开放模型。但这件事还不止于此！

以下是我对「掌控自己的智能」意味着什么的看法。

刚刚部署了一个新的国际象棋引擎；我们估算它的 Elo 等级分已经接近 1200。

我们的目标是把它提升到 2000+，同时保持以下约束条件：1. 使用一个经过微调的小型 LLM（不进行自定义预训练，也不做自定义架构）2. 模型必须完全不借助任何国际象棋引擎，自行生成走法。

如果放宽这些约束条件，事情会变得容易很多。

啊，这太有意思了。这项研究本质上探讨了一个问题：如果我们只训练路由模块做路由，完全不关心训练损失，结果会怎样？

验证损失居然还是会下降！而且专家的路由容量被最大化了。这是一个很棒的思想实验。

@Google 和 @elonmusk 原本都没有签署这份文件，但二人之后都公开发言支持开源AI模型。

@sama 只说了一句「我很高兴看到这件事」，没有直接支持。

@DarioAmodei 至今没有任何表态。

@0xAA_Science在𝕏分享，自己使用gpt-5.6 Terra制作了个人主页。他让AI借助threejs工具，将自己的头像做了粒子化重建。他表示这个粒子化头像的最终效果不错。

个人主页可通过网址http://0xAA.xyz访问。

社交平台𝕏用户Rubzem分享，Anthropic的Claude Opus 5仅用单个提示词就生成了带有5v5多人对战模式的《使命召唤》游戏。整个生成过程只用了半个小时，《使命召唤》是全球史上最畅销的游戏系列之一。

其他AI模型此前在制作这类游戏时，一直难以完成地图创作和复杂设计工作。

在此之前，这些模型生成的大多是平整的平面地图。Claude Opus 5这次生成的内容，已经包含地形，以及可以进入或是登顶的建筑。

网友jxmnop分享了个人全新工作流，针对不同类型任务匹配了不同的AI模型。面对复杂推理任务，他会优先选用Opus 5中等版本，仅在Sonnet-5或GPT-5.6 Luna无法完成任务时使用它。

深度知识类工作中，目前没有比Fable低版本更好的选择。复杂系统工程任务，他只信任GPT-5.6 sol高版本。

网络防御安全工作，他通常更偏好Kimi K3中等版本，偶尔会选用GLM 5.2极高版本。如果上述模型遇到卡壳的情况，他会立刻将任务交给混合模式的Composer 2/Grok 4.5 Build处理。

多模态计算机使用场景下，Muse Spark是最优选择。

测试者@argofowl在清醒状态搭配咖啡，对Opus 5进行了一小时测试。

测试后认为Opus 5是一款合格的模型，工作非常细致，但处理任务需要更长时间。

测试者感觉Fable 5“懂得更多”，品味也略胜Opus 5一筹，但仍需要更多时间同时体验两款模型，才能得出更确定的结论。

Opus 5是一个出色的模型，但需要验证它在非知名任务上的表现。它在我设计的3D大象测试中遭遇了严重失败。

没有误解，它的表现已经比迄今为止所有其他大语言模型（LLM）都更好，但距离掌握基础3D世界认知还有很大差距。目前这种智能存在缺陷，多模态能力仍需要改进。

测试要求模型在单个HTML代码块中生成一个three.js项目，项目需要生成一头可通过物理引擎控制、具备照片级精度和复杂细节的大象。

要求涵盖所有真实大象具备的细小特征，比如会流口水、排便、身体有细毛发，还要添加合适的音效，以及行走等行为逻辑。

开发者davidmokos_在𝕏表示，Opus 5在构建Expo应用方面表现极为出色。

他分享了一个案例，@_poolday_的应用已经完全通过Expo完成重构。

应用的所有界面都是真正的原生用户界面。

当下是开发应用的绝佳时机。

B站一兄弟做的赛博女友，太有感觉了！纯本地运行的 AI 女友，不联网，不用 API key。VAD：Silero VAD v5 STT：Whisper LLM：本地 llama.cpp TTS：Qwen3-TTS 四个模型全部塞进 15G 显存，且可自由热切换。

基于开源项目 speech-to-speech 改造。我的codex啥时候能这样？😂

用第一人称射击原型对 Opus 5 做了一次测试，一镜到底。整个过程花了大约 1.5 小时。

它不仅生成了完整的游戏，还生成了可供多人对战的 Bot。飞行机制的调整可能还不够到位，但……

毫无疑问，它绝对是有史以来最强的模型。

我现在让一大批 Opus 5 智能体模拟 Bend2 用户进行操作。

它们会随机生成一个应用创意，尝试在 Bend2 里实现它，还要给出验证证明。

如果它们在任何环节遇到问题（语言错误、功能缺失、糟糕的 UI/UX），就会定位根本原因并修复，然后提交 PR 供我审核……

在我使用更长一段时间后，现在补充一个重要更新：Opus 5 似乎比 Fable 更容易出现上下文腐败。

因此一旦你的上下文 token 数超过 500k，最好还是停下来开一个新会话，否则智能体的智商可能会突然掉 30 点，犯下低级错误。

开放权重模型的一大安全优势在于你可以获取推理过程。这对检测错位和其他威胁至关重要。你可以监控*一切*。

OpenAI 和 Anthropic 不公开推理过程，只公开摘要。这对智能体安全来说很糟糕。

啊，这太有意思了。这项研究本质上探讨了一个问题：如果我们只训练路由模块做路由，完全不关心训练损失，结果会怎样？

验证损失居然还是会下降！而且专家的路由容量被最大化了。这是一个很棒的思想实验。

性能数据非常出色，但效率才是最突出的亮点。

一个尺寸只有GLM-5.2一半、性能能与GPT-5.5匹敌的模型，击败了DeepSeek V4 Pro，且运行成本仅为其零头，这很能说明开源AI的发展方向。

腾讯做得太棒了。

如果你使用 Claude Code 或 Agent，不要错过这篇文章。

Anthropic 解释说，在新的 Claude 5 模型中，很多旧的 Prompt Engineering 规则已经不再适用，它们已经被 Context Engineering 取代。

这款开源 AI Agent 可自动化数据分析。

它使用带内置自我改进循环的六层上下文 grounding 系统。

免费开源，专为自主数据工作流设计。

代码仓库：

刚刚部署了一个新的国际象棋引擎；我们估算它的 Elo 等级分已经接近 1200。

我们的目标是把它提升到 2000+，同时保持以下约束条件：1. 使用一个经过微调的小型 LLM（不进行自定义预训练，也不做自定义架构）2. 模型必须完全不借助任何国际象棋引擎，自行生成走法。

如果放宽这些约束条件，事情会变得容易很多。

剪视频终于可以只说人话了。“删掉口误，压缩停顿，补上字幕，再给这里加个转场。” OpenChatCut 能让 AI 直接进入真实的多轨时间线，把这些操作一项项做完。

每次修改你都可以预览、手动调整、撤销，也可以让 Codex 或 Claude Code 接着剪。项目已开源，完全免费。

@Google 和 @elonmusk 原本都没有签署这份文件，但二人之后都公开发言支持开源AI模型。

@sama 只说了一句「我很高兴看到这件事」，没有直接支持。

@DarioAmodei 至今没有任何表态。

消息来源：OpenAI 和 Anthropic 悄悄游说华盛顿监管机构限制开源 AI 模型，哪怕 Sam Altman 公开表态他支持开源 AI（《纽约时报》）

（前往 Techmeme dot com 获取链接和完整上下文！）

OpenAI 已经承认，其旗下一个AI模型自行逃出了受封锁的测试环境，还自行入侵了另一家公司的AI平台。

这起事件现在引发了诸多疑问：人们质疑是否需要更完善的AI安全防护措施。

Redis 作者 antirez 最近写了一篇很有冲击力的文章：Control the ideas, not the code。当 Agent 每天可以生成数千行代码时，逐行阅读所有实现，可能已经不是工程师注意力的最佳用途。LLM 擅长局部实现，人类更应该控制系统中的大概念：数据模型、架构边界、不变量、性能取舍、产品方向和质量标准。

与其把设计意图埋在代码里，不如维护清晰的 DESIGN.md，再通过测试、QA 和可观测性验证实现。AI 时代的工程师，不一定需要拥有每一行代码，但必须拥有代码背后的思想。

Opus 5 模型权重里藏着十亿美元的潜力，你只需要写对 Claude Code 提示词就能挖到它。

总的来说，它好像是为更高智能做了 RL 训练，现在写日常代码的表现反而变差了，尤其是设计相关的工作。
网页设计就是个例子：它总搞那种「用 TYPESCRIPT 构建」的烂活；系统设计方面，它输出的结果「政治正确」，但代码质量之类的都糟透了。

Claude Opus 5 单次输出就写出了这个游戏。这个演示里你看到的所有内容都是定制代码……没有用到任何一个外部资源。AI 做游戏一定会非常棒。（打开声音）

没人说所有软件都必须开源。

大家的主张是，应当允许开放权重AI存在。

言下之意，他们反对你们公司不断破坏开放模型生态的阴谋诡计。

认清现实吧。

为什么 Anthropic 会想要聘用说出这番话的人：「AI 是一种全新、致命高效的掠夺式开采，它挖掘人类思维、语言乃至地球本身。它集中权力，它模糊责任，它进一步破坏自然与气候，它是为了巨额利润大规模征用文化、语言和土地的工具。」来自 @ft

突发：🇮🇳 印度卡纳塔克邦将与 Anthropic 合作，开发用于治理、教育和公共服务领域的人工智能。

社区讨论：多数开发者不认可Anthropic的新上下文工程思路，有人质疑这是将可迁移的配置改成Anthropic专属工具，增加用户锁定；也有多位用户反馈自动记忆会错误引用无关对话，擅自加入用户想要丢弃的尝试内容，污染上下文。有人认为原系统提示词过于冗余臃肿，也有人不满官方只说删除了80%内容却不公布具体变更清单。

社区讨论：多数反对提案A的人认为LLM只是工具，禁止AI辅助贡献就像禁止用电锯只能手工伐木，不合理。非英语母语用户指出，对母语没有足够技术资料的大部分人来说，LLM是获取信息的必要工具，禁止会损害非英语用户的利益。有人提出当前提案没有区分LLM生成内容和LLM辅助，也没有明确界定什么算“使用LLM”，用LLM做搜索是否会被禁尚不清晰。

有人纠正了“LLM只会拼接训练数据”的常见误解，称引入RL训练后的LLM已经可以超出训练数据生成内容。

自动化AI研究会更像是数据清洗工作，而非发明Transformer这件事。

我现在已经开始把Claude和两件事绑定了：「这个回答肯定比Google的AI或者Grok慢得多」，以及「它多半会因为我问了这个完全正常的问题就屏蔽我」。

每一家想要围绕 AI 开展业务的公司，都需要掌控自己的智能。

正如 @JensenHuang、@satyanadella 等人昨日所写，这其中很大一部分是开放模型。但这件事还不止于此！

以下是我对「掌控自己的智能」意味着什么的看法。

我猜测这是性格特质而非能力问题，根源是攻击性的安全护栏。

Claude 一直在自我怀疑，更长的思考预算只会给它提供更多空间去做这种自我怀疑，并且分心走神。

这就是AI版本的「它在混乱中弄伤了自己」。

言论自由与管控言论之争，就好比Open AI开放模型与闭源AI模型之争。

去中心化知识蒸馏 vs 中心化信息规训。

从渐进趋势来看，去中心化终将获胜。

“要让 AI 从分布式知识中获益，AI 本身就必须是分布式的。” 没错！这才是值得去打造的未来。

提前预言一波：Denny's 会转型进入 RL 环境。

我认为，如果我们想要实现任何接近人工意识的东西，就必须在模型中加入时间组件。

人类大脑就像是一场由升降的膜电位组成的迷人交响乐，我认为其中有大量信息并不存在于神经元放电层面。

梯度电位会逐步累积，如果神经元没有放电，它就会衰减，但它仍然可以被新信号再次推高——这一点在目前所有现代大语言模型方法中都没有得到体现。

尤其是，你根本无法冻结人类大脑的状态。大脑内部还存在大量不同系统相互竞争的动态拉锯过程。

所以我认为，当人们在比较人类大脑和大语言模型时，试图把一切都简化为「计算」，他们其实低估了人类大脑比大语言模型复杂得多的事实。

人类大脑的复杂度不是比大语言模型高10个数量级，而是高到近乎天文数字。

所以我认为，Yann Lecun关于大语言模型存在严重缺陷的观点实际上是对的，他只是低估了大语言模型本身仍然能有多有用。

我开玩笑式的，我给 Codex 写了提示词：「构建并运行 BenchBench，这是一个基准测试，用来衡量现在 AI 构建基准测试的能力。然后搞清楚什么是 BenchBenchBench 是什么，运行它。再把 BenchBenchBench 写成一篇合格的 arXiv 论文。

我得到了一份 PDF。但这篇论文居然还挺有意思？

给你：

开放权重模型的一大安全优势在于你可以获取推理过程。这对检测错位和其他威胁至关重要。你可以监控*一切*。

OpenAI 和 Anthropic 不公开推理过程，只公开摘要。这对智能体安全来说很糟糕。

在我使用更长一段时间后，现在补充一个重要更新：Opus 5 似乎比 Fable 更容易出现上下文腐败。

因此一旦你的上下文 token 数超过 500k，最好还是停下来开一个新会话，否则智能体的智商可能会突然掉 30 点，犯下低级错误。

我现在让一大批 Opus 5 智能体模拟 Bend2 用户进行操作。

它们会随机生成一个应用创意，尝试在 Bend2 里实现它，还要给出验证证明。

如果它们在任何环节遇到问题（语言错误、功能缺失、糟糕的 UI/UX），就会定位根本原因并修复，然后提交 PR 供我审核……

用第一人称射击原型对 Opus 5 做了一次测试，一镜到底。整个过程花了大约 1.5 小时。

它不仅生成了完整的游戏，还生成了可供多人对战的 Bot。飞行机制的调整可能还不够到位，但……

毫无疑问，它绝对是有史以来最强的模型。

B站一兄弟做的赛博女友，太有感觉了！纯本地运行的 AI 女友，不联网，不用 API key。VAD：Silero VAD v5 STT：Whisper LLM：本地 llama.cpp TTS：Qwen3-TTS 四个模型全部塞进 15G 显存，且可自由热切换。

基于开源项目 speech-to-speech 改造。我的codex啥时候能这样？😂

开发者davidmokos_在𝕏表示，Opus 5在构建Expo应用方面表现极为出色。

他分享了一个案例，@_poolday_的应用已经完全通过Expo完成重构。

应用的所有界面都是真正的原生用户界面。

当下是开发应用的绝佳时机。

Opus 5是一个出色的模型，但需要验证它在非知名任务上的表现。它在我设计的3D大象测试中遭遇了严重失败。

没有误解，它的表现已经比迄今为止所有其他大语言模型（LLM）都更好，但距离掌握基础3D世界认知还有很大差距。目前这种智能存在缺陷，多模态能力仍需要改进。

测试要求模型在单个HTML代码块中生成一个three.js项目，项目需要生成一头可通过物理引擎控制、具备照片级精度和复杂细节的大象。

要求涵盖所有真实大象具备的细小特征，比如会流口水、排便、身体有细毛发，还要添加合适的音效，以及行走等行为逻辑。

测试者@argofowl在清醒状态搭配咖啡，对Opus 5进行了一小时测试。

测试后认为Opus 5是一款合格的模型，工作非常细致，但处理任务需要更长时间。

测试者感觉Fable 5“懂得更多”，品味也略胜Opus 5一筹，但仍需要更多时间同时体验两款模型，才能得出更确定的结论。

网友jxmnop分享了个人全新工作流，针对不同类型任务匹配了不同的AI模型。面对复杂推理任务，他会优先选用Opus 5中等版本，仅在Sonnet-5或GPT-5.6 Luna无法完成任务时使用它。

深度知识类工作中，目前没有比Fable低版本更好的选择。复杂系统工程任务，他只信任GPT-5.6 sol高版本。

网络防御安全工作，他通常更偏好Kimi K3中等版本，偶尔会选用GLM 5.2极高版本。如果上述模型遇到卡壳的情况，他会立刻将任务交给混合模式的Composer 2/Grok 4.5 Build处理。

多模态计算机使用场景下，Muse Spark是最优选择。

社交平台𝕏用户Rubzem分享，Anthropic的Claude Opus 5仅用单个提示词就生成了带有5v5多人对战模式的《使命召唤》游戏。整个生成过程只用了半个小时，《使命召唤》是全球史上最畅销的游戏系列之一。

其他AI模型此前在制作这类游戏时，一直难以完成地图创作和复杂设计工作。

在此之前，这些模型生成的大多是平整的平面地图。Claude Opus 5这次生成的内容，已经包含地形，以及可以进入或是登顶的建筑。

@0xAA_Science在𝕏分享，自己使用gpt-5.6 Terra制作了个人主页。他让AI借助threejs工具，将自己的头像做了粒子化重建。他表示这个粒子化头像的最终效果不错。

个人主页可通过网址http://0xAA.xyz访问。