墨问 App 迭代与 GPT 额度消耗观察
作者在修复墨问 App Bug 的过程中发现,GPT 周额度在任务量极少的情况下从 66% 快速降至 25%,对异常消耗速度表示疑惑。文中还提到 tibo 老师可能会重置额度。
作者在修复墨问 App Bug 的过程中发现,GPT 周额度在任务量极少的情况下从 66% 快速降至 25%,对异常消耗速度表示疑惑。文中还提到 tibo 老师可能会重置额度。
有观察指出国内多家 AI 团队已超 3 个月未发布新模型,核查显示字节 Doubao-Seed-2.1-Pro 于 6 月 23 日发布、已近 4 个月,MiniMax-M3 于 6 月 2 日发布、超 4 个月,月之暗面 Kimi-K3 于 6 月 13 日发布、超 4 个月,百度 ERNIE 5.1 于 4 月 29 日发布、已近半年。
在 AI Cloud 100 China 2026 大会上,Abaka AI 联合创始人赵云飞提出世界模型有望成为 AI 下一个突破口。四位 AI 创业者与研究者分别从世界模型、底层架构、持续学习和定价模式四个维度探讨了 AI 下一阶段的技术突破方向。
中国科学院院士鄂维南在光华思想力论坛上预测,AI 将推动"科研平权化",未来民科是科研主力,每个有想法有能力的团队和个人都可参与科技创新。他表示可构建 AI 原生工业软件体系,一两年内做出对标甚至超越西门子的体系,工业生产线建模则需三年、最多五年实现。他还警示现行科研体系将面临巨大挑战,科研成果形态将从论文转向知识产权。
2026 年 10 月中旬全球科技股遭遇跨市场抛售,费城半导体指数连跌 7 个交易日累计跌超 12%,SK 海力士、三星电子分别暴跌约 11% 和近 10%。台积电、ASML 业绩超预期股价却下跌,背后是云厂商自由现金流转负、AI 基建推升通胀与存储芯片扩产周期三重矛盾叠加。
作者发现一个非官方供应商提供破解版视频模型,其中包含此前在其他平台用过的 Seedance 和 Minimax H3,并对其可用性做了初步介绍。官方似乎对这种使用模式持开放态度,还为其分配了额外积分。作者正征集网友感兴趣的测试主题。
与 @snortydogg 的对话总结了 AI 四个确定的商业模式:向 AI Labs 卖数据、向客户卖结果、向模型和云厂卖基建、向企业卖部署。原文未展开各模式的具体细节与案例。
Orange AI 从《纽约时报》关于硅谷准备永久底层阶级的报道出发,质疑 AI 提效是否等于产生价值,并以工业革命历史作类比,分析技术红利为何不会自动分配给普通人。文章围绕普通人在 AI 浪潮中的机会与风险展开讨论。
Anthropic 员工与公众对 AI 将如何塑造更广泛经济结果的看法相似:预期 AI 会承担自己更多工作的人,也预期会出现类似的失业效应。该结论来自 Peter McCrory 在 X 上分享的一项发现。
一篇评论文章认为,AI 正冲击文学与语言的根本秩序,使教授怀疑学生作业、出版商像侦探一样审查新作者,并质疑人类是否还能分辨真假与虚实。文章援引 Anthropic 员工 Jacob Coxon 上月辞职、称良心不允许其参与可能毁灭人类的项目,并批评 AI 公司一边渲染灭绝风险、一边以进步与人类福祉为卖点推销技术。
Cloudflare 数据显示,智能体和机器人收到的 403「Forbidden」响应占比自今夏以来大幅上升,约为此前两倍,零售商正阻止智能体购物。消费者对 AI 代购仍存疑虑:约 25% 受访者愿意让 AI 购买普通消费品,42% 表示完全不信任 AI 代为下单。
部分收入下滑的 SaaS 公司正以 10 万至 200 万美元的价格将数据集卖给数据经纪商,这些数据最终流入 AI 实验室用于训练模型。AI 应用借此把 SaaS 的核心能力直接整合进来,等于用训练数据亲手取代自身功能。
作者梳理了生成式引擎优化(GEO)行业的 12 种盈利模式,涵盖项目制运营服务、SaaS 或私有化系统授权、信源媒介分发、顾问咨询、知识付费(课程/陪跑)、垂直平台广告、区域加盟代理、FDE 等路径。这些模式从传统服务延伸至数据资产与行业标准,构成 GEO 行业的商业变现图谱。
作者复盘近两年情况后,基于地方政府资金紧张、企业盈利下滑、用人成本上升及 AI 对中年就业的冲击等信号,决定放弃激进财务规划,转向养生与内容沉淀。重心转移到身体健康、阅读写作以及创造具有沉淀价值的内容上。
作者分享了自己为了顺畅使用 Claude AI,被迫学习网络运维知识的经历。这条推文呈现了工具驱动学习的现状:为克服网络环境障碍以使用 Claude,最终习得了网络运维相关技能。
尽管 Anthropic 表现未达预期,OpenAI 与 Anthropic 的合计收入仍保持稳定增长。将两家顶尖 AI 公司放在一起观察,整体市场的收入增长曲线依然稳健。
对比 9 家机器人数据供应商后,构建机器人数据业务的核心挑战被归结为三个商业问题:机器人数据能否在扣除高额硬件维护成本后达到大模型数据业务的利润率,评估与部署能否通过标准化降低获客成本并产生重复订单,以及资本回收效率。分析强调,持续利润而非一次性收入才是投资价值的核心。
气候崩溃、不平等加剧、技术颠覆、战争与民主制度弱化正相互强化,形成危机叠加。文章批评以私人安保、AI 与自动化、太空或数字超越等方式"退出"社会关系的 exit culture,认为崩溃本身没有政治方向,结果取决于社区是否提前建立关系网络、沟通系统与共同决策能力。作者主张以本地关系加开放网络(如 Fediverse、ActivityPub)构建分布式韧性,用互助取代个人生存主义。
2026 年多部影视作品集中以批判视角审视科技巨头,包括聚焦 Mark Zuckerberg 的《The Social Reckoning》、讲述 Elizabeth Holmes 的《You Can See Everything》、关于 Elon Musk 的 Gibney 纪录片,以及让 Sam Altman 形象负面的《Artificial》。
OpenAI 在 10 月初发布了 722 篇由 AI 生成的数学与物理写作文档,作者 Rikab Gambhir 以讽刺笔调批评其把验证正确性和理解结果的工作外包给学术界。他对比 Borges 的《巴别图书馆》,指出物理学界近期也产出 2500 篇类似写作文档,认为这类做法追求数量而非可理解性。
The Verge 报道称,Meta 上月发布的 AI 个人助理 Muse 已获数百万次下载并登上苹果 App Store 榜首,其会请求访问银行账户、密码、联系人和聊天记录,并整理用户身边每个人的资料。
作者 Derek Thompson 采访康奈尔大学数学家 Steven Strogatz,讨论 OpenAI 近几个月发布数百项数学发现后数学界的反应。2022 年菲尔兹奖得主 Hugo Duminil-Copin 称 OpenAI 十月的发布“摧毁了我的研究领域”,Strogatz 则表示自己与 Wired 交谈时哭了,并形容同行感到迷失与巨大悲痛。
Nvidia、HuggingFace 等生态玩家正含糊预告近期将有大量发布,传闻涉及 thinky、muse spark,以及一些有一阵子没发新东西的中国厂商。Fable 5.5 和 OpenAI 正在酝酿的东西也预计随时会来。
一条推文以自嘲方式调侃"All in AI":作者宣称全面拥抱 AI,却意识到自己看比赛时并未使用任何 AI 工具,形成立场与行为的反差。评论区随之讨论是否应在所有场景都优先使用 AI 工具。
作者抱怨评论区被 AI 机器人占领,呼吁重新激活此前开发的「福滤娃」应用来屏蔽这些无用回复。该推文针对社交媒体环境中 AI 垃圾评论泛滥的问题,建议用该工具确保评论区质量。
作者用 BOT 创建了一张评估与 AI 创作者互动质量的图表,但表示这类内容在 Twitter 上分享时互动度较低。相比之下,原始视频和文本内容的互动要高得多。
作者从小红书上获得灵感,将一张 15 秒动画片段转换为可执行的指令流,用于后续校准和优化,并决定把这一看似无用但有趣的创意做成实际的 AI 应用。
MIT 教授 Eric So 在新书《The Collision: What AI Does to Us》中提出,过度依赖 AI 会导致"认知萎缩",使人丧失关键思考能力。他引用 Anthropic 研究称约半数大学生提问是低投入的简单答案查询,并将这种持续使用冲动称为"AI gravity"。他主张把"有产出的挣扎"视为成长必经过程,并给出个人应对 AI 时代的四项原则。
一位独立开发者用 Grok Bot 的智能体团队运营 PromptBase 一周,客服、工程、安全等 bot 可互相协作,在无人干预下修复客户 bug。他还在威尔士徒步途中通过手机指挥 bot 工作,并让营销 bot 以每周 2% 增长为目标开设 TikTok 和 YouTube shorts 频道。不足是配置耗时、数据高度绑定,且 bot 仍无法自主提出增长创意。
在 X 上发布 AI 生成视频时,由于模型训练数据包含大量真实人物,可能生成与现实人物高度相似的画面,引发身份混淆或滥用风险。该推文以幽默对话框形式提醒用户,AI 生成随机人物或场景时理论上可能不经意复刻特定个人形象,带来身份或隐私问题。
Google DeepMind 工程师 Haydn Belfield 表示,自我改进的 AI 仍很遥远,团队未观察到 AI 驱动的 AI 研究出现可测量的加速。
Stanford Digital Economy Lab 经济学家 Gabriel Unger 与 Arvind Narayanan 撰文主张,AI 不应只朝全面自动化发展,而应构建人机协作范式,并提出白盒智能体等研究方向。文章认为当前 AI 研究过度偏向自动化,忽视了增强人类与团队协作能力的方向,并给出四个探索性研究议题。
Perplexity CEO Aravind Srinivas 表示,其超过 50% 花钱购买 Automations(周期性智能体任务)或更高档订阅计划的用户都是美国人,且一家以智能体完成自助注册的美国业务净收入留存率持续保持高位。他称仅靠美国市场就能打造万亿美元公司,并以伯克希尔哈撒韦和 JPMorgan 的客户基础主要在美国为例。
The Verge 资深评测人 Victoria Song 用 Twin Health 的 AI 数字孪生做了约 100 天代谢管理实验:该系统结合 Dexcom G7 连续血糖监测、智能体重秤、血压计和验血数据,用红/橙/绿三色预测每餐对血糖的影响,并随记录不断更新。
新一代 AI 模型和工作流能在几天甚至更短时间内自动反编译游戏,将旧作移植到现代平台并提升至原生 1440p、165FPS,如 2011 年 Flash 版《The Binding of Isaac》已被自动移植为 C++ 版本。这类项目已有数百个且每日增加,但反编译软件完全合法,任何人都能复制他人代码并声称原创,作者预计未来几个月会出现引发企业强烈反应的重大反编译事件。
独立开发者 Popcar 撰文讨论近期 AI 驱动的游戏反编译浪潮,指出它既催生了游戏混搭创作,也推动了借助 WebAssembly 在浏览器等新硬件上复活老游戏的保存热潮。文中认为反面风险是任何软件都可被反编译并任意使用,付费游戏或应用可能被违背意愿开源;正面则是老游戏更易移植和访问,让玩家能真正拥有所购软件。Simon Willison 转发并称其兼顾了正反两面。
五个前沿模型在智能水平上相差不到 5 分,但每任务成本相差 3.8 倍,Google 的 Argon 以每任务 1.99 美元处于最低端,比最贵的 Fable 5.1 低 74%,比 Opus 5.5 低 67%、比 Muse Wonder 低 56%、比 Astra 低 39%。
Simon Willison 引用独立游戏开发者 Popcar 的观点,讨论近期 AI 反编译现有游戏的热潮。Popcar 认为这既带来游戏保存的利好,老游戏可被移植、修改、增强并更易获取,也带来风险,任何人都能反编译软件并随意使用,付费游戏或应用可能违背厂商意愿被开源。他指出这不限于老游戏,可适用于任何软件。
a16z 提出长时运行智能体可跨数十个步骤、多种模态和更长周期持续推进目标,从而接管原本需要数周至数月的客户旅程。以原告律师办案为例,智能体从初次接案电话起保存并检索案件上下文,按事件或截止时间唤醒,派发子智能体通过电话、邮件或短信联系证人、更新客户并推进案件。a16z 认为这类智能体可减少各环节的价值流失,并让 AI 厂商按带来的收入增长而非仅成本节省获得回报。
作者在推荐豆包工作、WorkBuddy 和千问办公时,用户几乎都选择了 WorkBuddy,理由是名称和第一印象更专业。这说明品牌形象与初步感知在 AI 助手产品选择中起关键作用,即使尚未实际使用比较。