关于 AI 开源贡献与模型定价的思考
有作者提出,AI 领域的开源作者通过提供优质数据与训练方向促进了下一代模型的发展,并据此探讨模型公司是否应仅按成本价收费。文章围绕开源贡献与模型定价之间的关系展开思考。
有作者提出,AI 领域的开源作者通过提供优质数据与训练方向促进了下一代模型的发展,并据此探讨模型公司是否应仅按成本价收费。文章围绕开源贡献与模型定价之间的关系展开思考。
文章指出,企业把 AI 带来的 25% 生产力提升同时算作裁员节省和交付增量,等于同一份收益被重复计算。以 1000 名工程师为例,裁掉 20% 后仅剩 800 人,却要求交付相当于 1400 人的工作量,而重组磨合、协调开销和管理幅度收窄都未被计入。
陶哲轩在 Caltech「Math 2.0」演讲中表示,仅追求解题的盲目优化现在对数学的长期健康主动有害。他把纯数学中的开放问题比作灯塔,是探索周边数学景观的指引而非终点,尝试求解过程中的经验往往比最终解答更有价值。他认为用自动化工具过早抵达灯塔会破坏未走路径的探索,不加区分地用 AI 解题还会损害向真实世界应用的迁移。
Stability AI 创始人 Emad Mostaque 称,1 万个 AI 智能体用 88 小时解决了 Navier-Stokes 问题,相当于顶级数学家 100 年的工作量。他表示这是 7 道千禧年大奖难题之一,人类目前只解出 1 道,因此不能再说答案存在于训练数据中。
pi 移动端上线热重载网络化插件系统,支持多用户、多终端感知与持久化,并提出「一切皆插件」口号。作者指出这一架构路径与 dsh 等项目的演化方向如出一辙。
Geoffrey Huntley 提出"一切皆 Ralph Loop",主张用单体式自主循环取代多智能体协作,认为 LLM 是可编程的新型计算机。他发布开源项目 The Weaving Loom,定位为演化软件基础设施,并称已用 Ralph Loop 实现自动识别 bug、修复、部署与验证。他建议开发者用约 300 行代码加 LLM tokens 自建 coding agent。
菲尔兹奖得主陶哲轩发文提出数学2.0时代已至,认为AI正让数学证明从稀缺走向泛滥,建立在证明稀缺之上的数学1.0评价体系即将落幕。他归纳数学易受AI冲击的三个条件,即证明可被客观检验、数学对象与推理高度可数字化、大量高质量文献已数字化,并呼吁建立更透明的评估机制,把失败结果和算力成本一并纳入报告。
作者以两台 DGX Spark(128G)总价 8 万元为例,指出当前本地大模型部署门槛过高,主要适合预算充裕者折腾。相比之下,调用 DeepSeek V4.1Flash 的 API 接口运行成本更具性价比。
独立开发者与一人公司(OPC)不必局限于单打独斗,可寻找技术与营销等能力互补的合伙人,并结合多款 AI 工具协同,以提升团队战斗力与成功率。
GNU 项目呼吁开发者避免在 GitHub 托管代码库,并列举其四大问题:推广含糊的许可证实践、要求访客运行非自由 JavaScript、部分服务实为 SaaSS 劣质服务、试图破坏 Git 的分布式架构。
作者称其设计流程已完全迁入 Claude 桌面应用,生成的交互原型基于原生 Web 技术,数月未再打开 Figma,并认为 Codex 等同类工作流正在蚕食 Base44、Lovable 等工具。他预测 2026–27 年建筑软件领域多数创业公司会逐渐衰败,按需生成的一次性软件将取而代之,Google 实验性 Disco 浏览器已预览这一形态。
模拟假说认为人所体验的现实可能是先进文明用计算技术构建的模拟,其现代形式由哲学家 Nick Bostrom 在 2003 年论文《Are You Living in a Computer Simulation?
从 100 万份文档构建知识图谱后,如何判断它是否正确成为被忽视的问题。文档结构图(Document → page → chunk)只需保留页面顺序与分块关系,成本较低;语义知识图谱则需实体抽取、关系抽取、身份消解与去重,100 万份文档、每份 50 页、每页约 2000 字符意味着约 1000 亿字符、数百亿输入 token 的推理开销。
一位机器人专家反驳“洗碗机是机器人”的说法,指出“机器人”一词源自 Karel Čapek 1920 年戏剧《Rossum's Universal Robots》,并非技术功能描述,而是用来指代那些让人对自身处境感到不安的自动化机器。洗碗机虽属自动化系统,但不符合这一社会建构标准,因此不是机器人。
微软 CEO Satya Nadella 在最新博文中改用特朗普偏好的"Super Intelligence"一词,并主张将 AI 模型视为内部安全威胁,要求模型多样性、完整日志记录、独立审计和随时关停能力。他称最可信的系统不是模型最强的,而是最不需要信任模型的。文章认为此举意在削弱 OpenAI 与 Anthropic 的信任度,实质是保护微软自身商业模式。
微软 CEO Satya Nadella 在最新博客中采纳 Trump 提出的 Super Intelligence 说法,主张企业应把 AI 模型当作内部安全威胁对待,要求模型多样性、完整日志、独立审计和人类随时关停。文章认为其论点主要服务于微软的商业策略,即削弱对 OpenAI 和 Anthropic 模型的依赖以保护自身利益。
一条推文用「模型名称字母数量」天梯榜调侃大模型基准测试内卷:常规 Benchmark 已卷到小数点后两位难分高下,厂商转而比拼命名长度。榜单从 Gemini 4 Argon 排到 Claude Opus 5.5,戏称各实验室命名从 Pro/Max 演进到元素周期表词缀,文案策划比架构师更忙。
RevenueCat 订阅应用分析显示,69% 的订阅收入流向 2020 年前上线的老牌应用,头部 25% 订阅应用的 MRR 同比增长 80%,而底部 25% 同期至少流失三分之一 MRR。报告指出,随着"vibe coding 时代"每月新增约 15,000 款订阅应用(三年前仅 2,000 款),这一头部集中趋势还将加剧。
Boris Tane 将软件研发类比为神经网络,认为 Coding Agent 已解决从意图到代码部署的前向传播,但反向传播仍依赖人工排查日志,人类在机器通信间充当「血肉中继器」。他指出传统告警难以捕获「未知未知」的体验崩塌,未来随着推理成本下降,AI 将实现全流程自动化闭环调试,工程师终将转向定义系统适应度函数。
随着 Opus 5.5 和 Suno 6 发布,AI 音乐视频已跨过恐怖谷,一种名为 AI Doompop 的新流派由此诞生。作者列出六支代表作,包括《LGTM》《THUS SPOKE COMPUTE》《Nothing Went Foom!
PopsicleBoat 通过注册账号和可证明人类身份的小技巧(非验证码)拦截机器人评论,作者称其为护城河与吊桥。一个机器人在 Mastodon 上自动回复了作者帖子,但该互动未泄漏到博客或 PopsicleBoat 评论区,PB 的评论保持干净。
作者认为,当用户真正开始使用其交付的产品化 Skill 时,该能力可一体化替代运营、客服、售前与售后等多个环节职能。这一观点是针对用户关于购买行为的评论作出的反驳。
邵猛不看好 Tibo 推出的 CodeX 28 天连续发布新功能、否则重置的 RESET 行动,认为 Claude 5.5 系列推出后大量用户已从 CodeX 转向 Claude Code,CodeX 唯有拿出最强模型才有出路。他称马斯克并不在意 Grok 是否最强,只要推理速度等某一用途足够强即可,更在意算力,Grok Bot 一面接入 Claude 等最强模型,一面把算力供给它们使用。
多位作者关注的人近期相继宣布退出社交媒体、AI 使用甚至整个互联网:Salma 在《Goodbye, Forever, Probably》中宣布从互联网退休,Chad Whitacre 用打字机写信宣布退休并计划做一本关于宗教的 zine,Brett Codes 则发布《I'm done using AI》并配视频。作者对这些离开线上世界的人表示祝福,也坦言会怀念他们不再分享的声音。
Elon 提出 Terafab 构想,要把逻辑芯片、存储、封装、光刻掩膜全部放进同一栋楼,实现一年十版迭代,让设计、制造、测试、改掩膜的反馈回路在内部闭环。他把技术进步拆成「单位时间迭代次数 × 每次迭代进步」,SpaceX 星舰已验证该硬件迭代方法论,如今想搬进芯片行业。作者认为若 AI 接管芯片设计与验证,瓶颈将转移到物理闭环,谁拥有最短闭环谁就能兑现 AI 设计红利。
AI 生成内容泛滥下,千篇一律的标准答案正让个体丧失独特性与价值。作者批评社交媒体评论区日益增多的 AI 自动回复是对社区生态的践踏,增加了人与人之间的信任与筛选成本,导致劣币驱逐良币,因此个体保持真实与独特的活人感愈发重要。
一篇以押韵顺口溜形式串联学习 AI、学英语、赚外汇、投资美股等搞钱路径,以及多喝水、健身、规律睡眠、保护脑力等健康自律倡议的短文。
作者分享了 Zed 更新后的多项目工作区布局的实用体验,并透露 Cromma Desktop 将采用 Zed 的开源 GPUI 框架实现高性能渲染。
社交网络 orkut.com 创始人 Orkut 发起"让互联网重归人性"运动,呼吁用户前往 orkut.com 签名支持,并向他人在意的人发送 supporter card。
一位技术博主反思内容变现路径,表示虽深度教程能带来 1500 多美元直接收益,但已刻意减少商业推广,避免沦为机械化的 AI 评测员。他赞同将精力从短期商业收益转向打磨自己真正拥有的产品。
有作者发推批评 GPT sol 6.1 响应迟缓,在逻辑推理和前端审美上表现严重不足,并质疑其频繁 reset 机制的实际意义。
作者指出 AI 普及正让内容创作陷入千篇一律:推特上泛滥的 AI 自动回复、过度脚本化的数码评测,以及用 AI 快速改写他人开源成果的乱象,都在制造审美疲劳并破坏社区生态。作者呼吁在内容与产品中注入创作者特有的调性与世界观,坚持亲手输入、主动思考,避免完全依赖 AI。
玉伯结合 Stripe CEO 的观点指出,Personal Agent 具备超强信息处理能力与极致理性,能抵御商业公司利用人性弱点的套路。现有商业模式大量依赖信息不对称和用户注意力、理性不足,如保险增销、盲目广告、SaaS 睡眠订阅,Personal Agent 将推动商业竞争回归产品品质本身。
indigo 引用 Patrick Collison 关于 Agent 经济的长文并给出判断:个人 Agent 会把市场博弈从公司与消费者之间转移到公司与 Agent 之间,需求路由生意将迁移到 Agent 的推荐逻辑里。他认为 Agent 忠诚度与可验证的质量数据会成为两个最易被腐蚀的新中间层,而走向取决于谁为 Agent 买单。
OpenAI 发布含数百份数学手稿与证明的 repo 后,新组织 Association for Human Mathematics 呼吁数学家停止与其合作,Terence Tao 则提出"Math 2.0"应弱化解题优先、转向阐述与社区建设。
一条恶搞 Anthropic 的推文虚构官方封号警告信,称用户要求 Claude 用 Rust 重写 TypeScript 编译器构成对 AI 的"残忍虐待与算力过载",引发开发者社区病毒式讨论。帖子以荒诞方式调侃极客文化与 AI 现实之间的张力。
Stability AI 创始人 Emad Mostaque 称,两年内若工作隔着屏幕完成,同事将全是 AI,你的认知劳动价值为负,公司甚至愿付钱让你不加入团队。他还称"从本周起,人类不再是这个星球上最聪明的东西",认为资本不再需要劳动力、只需租用 GPU,因此人们需要拥有生产资料。
一篇长文以苏联 1948 至 1973 年间捕杀超 30 万头鲸鱼为例,指出当系统只朝可量化目标优化时,会偏离真正想要的结果。文章引用 Goodhart 定律与过拟合曲线,并列举 DeepMind 研究员 Victoria Krakovna 收集的优化失控案例,说明优化目标与真实意图之间的错位是诸多问题的根源。
资深工程师 lauren 反思,2024 年许多人还怀疑 AI 智能体能否写生产代码,但代码库从来就充满"slop",人类写的烂代码同样不少。她认为真正的好代码需同时满足正确、无 bug、运行快且成本低,而绝大多数软件并不需要这种"好代码",接受部分 bug 换取速度是常态。智能体虽写不出昂贵的好代码,但规模化后平均质量可能更高,善用智能体已成为软件工程的新技艺。
针对 Terrence Tao 称患者会希望由人类癌症专家确认 AI 发现的癌症疗法,作者反驳称这暴露了对癌症医学的深度无知。他指出许多常用抗癌药(如 Adriamycin、docetaxel、ibrutinib、venetoclax)的作用机制至今未被完全理解,但只要通过 phase 3 随机对照试验,就是最高级别证据,地球上每位癌症患者都会愿意接受。