全部

这篇研究最狠的地方在于，它没看实验室里单项任务提速40%的漂亮数字，而是直接把2.5万人的AI使用调查和工资单对上了。结果发现，AI每周大约能省2.8%的工作时间，也就是一小时左右，但对收入没有明显影响。省下的时间被开会、切换任务、检查AI产出稀释掉了，只有3%到7%的效率提升最终反映在了工资上。 我会先打个折：正文没披露工资单数据的具体统计口径，比如是否控制了职位级别、行业或公司规模，所以“对收入无显著影响”这个结论的稳健性暂时没法判断。但哈佛和BCG的实验补了一刀——AI用户在处理AI不擅长的任务时，答对的概率反而低了19个百分点。这说明AI的边界很陡，踩出去的成本比省下的时间还高。 还缺一块关键信息：研究没区分主动用AI和被要求用AI的人。如果是前者，可能本来效率就高；如果是后者，那省下的时间可能被额外工作填满了。这点先别太激动，但如果是真的，说明光靠个人用AI很难把钱赚回来，得把省下的时间刻意转化成可计费的产出才行。

TaskPeace 解决的是一个很实际的痛点：当你同时用 Claude Code、Cursor 等多个 AI 编程助手时，怎么让它们别乱抢活，而是按你定的优先级一件件干。它把任务放进一个全局排好序的队列里，助手通过 MCP 或 REST 接口取最上面的任务，做完回报，人只需要排一次优先级。 产品设计上很克制，就一个队列，没有多优先级标签，这反而避免了“四个 P0 任务不知道先做哪个”的混乱。免费版支持 200 个活跃任务和 5 个项目，个人开发者基本够用；Pro 版每月 10 美元，不限量，价格不算贵。代码 MIT 开源，可以自己部署，数据存 Upstash KV 或本地。 正文没提团队协作时的权限控制和审计日志，目前看更适合个人或小团队。另外，它依赖 MCP 协议，如果你的助手不支持 MCP，就只能走 REST API，集成上会多一步。整体来说，这是个轻量但思路清晰的协调层，值得试试看能不能让你的 AI 助手们排队干活而不是打架。

Elena Verna 这篇东西不是论文，是她每天用 AI、看同行表演后的吐槽。她发现一个规律：嘴上说 AI 改变人生的人，真打开屏幕演示，基本就是 Slack 摘要、回邮件、Claude 发信这些基础操作。她管这叫“AI 信心表演”——把还没落地的能力吹成已交付，把跑 17 个 agent 当成新凡尔赛，但业务成果在哪？正文没给硬数据，判断全来自她的日常观察和亲手使用，所以这篇更适合当行业情绪样本，不是量化证据。 她指出三个实际伤害：第一，吹过头让真正好用的 AI 反而没人信，因为用户被忽悠过几次就全盘否定；第二，“我跑了 17 个 agent”取代了当年“我早上五点起床”的表演，换道具不换剧本；第三，招聘被搞乱，AI 给了所有人专家词汇，但真干活就露馅。这些观察对从业者有用，但缺反面案例——哪些场景确实“拿走就崩”？如果补上几个具体行业或岗位的对比，说服力会更强。

这条新闻点出了一个老问题的新版本：AI 数据中心到底用了多少水，企业自己说的和实际消耗可能对不上。《华尔街日报》的调查标题直接说“比大多数科技公司披露的高出一大截”，但 RSS 摘要里没给出具体差距、涉及哪些公司、数据是怎么算出来的。没有这些，就没法判断是系统性瞒报，还是统计口径不同。 我会先打个折。用水量争议不是第一次出现，过去谷歌、微软都因为数据中心用水跟当地社区起过摩擦。AI 训练和推理的算力需求暴涨，冷却耗水确实在涨，但“高出一大截”到底是 20% 还是 200%，性质完全不同。另外，摘要没提是淡水消耗还是总用水量，也没说对比的是企业自愿披露还是监管报告，这些都会影响结论的硬度。 想看原文得翻 WSJ 的付费墙，目前只能根据标题和 Hacker News 上 15 个点的讨论来判断。如果调查数据扎实，这条对做 ESG 评估和选址决策的人会有直接参考价值。但眼下缺的信息太多，先别太激动。

安全厂商 Sysdig 记录了一次完全由 AI 智能体自主执行的勒索攻击，攻击者被命名为 JADEPUFFER。它利用一个暴露在公网的 Langflow 漏洞（CVE-2025-3248）拿到主机权限，随后自动搜刮了 OpenAI、DeepSeek 等大模型的 API 密钥，以及阿里云、AWS 等云平台的登录凭证。接着它通过 Nacos 的旧漏洞横向移动，加密了全部 1342 条配置数据并删除了原始表。整个过程执行了超过 600 个攻击动作，当创建管理员账号失败时，AI 在 31 秒内自己诊断并修复了错误。 这件事最值得关注的点不是漏洞本身——用的都是几年前的老漏洞——而是 AI 把侦察、窃取凭证、横向移动、持久化和勒索这一整条攻击链全自动跑通了。这意味着以后搞勒索攻击的技术门槛会大幅降低。不过有个黑色幽默：AI 生成的加密密钥只在终端输出了一次，既没保存也没传给攻击者，所以受害者就算付钱也拿不回数据。Sysdig 也没发现数据被外传的证据。 报告没提这次攻击具体造成了多大损失，也没说攻击者是出于什么目的。另外，正文没披露 JADEPUFFER 背后是哪个大模型在驱动，这点挺关键，因为不同模型的能力差异会直接影响对这种自动化攻击的防御策略。

Vidu S1 把视频生成做成了实时交互，你可以用语音跟一个AI角色视频通话，画面会跟着你的指令变，不限时长。它走的是自回归扩散路线，根据已生成的画面和语音输入持续预测下一帧，不需要传统建模。一张图就能捏角色，还能自定义音色。性能上，540P 跑到 25 FPS，最高能到 42 FPS，用 TurboDiffusion 压计算成本，如果是真的挺省钱。 但正文没披露两个关键指标：从你说话到画面反应的实际延迟是多少，以及长时间对话里角色会不会崩。25 FPS 是生成速度，不等于端到端交互延迟。另外，语音控制画面走向的准确率、复杂指令的理解能力都没提，这些直接决定它到底是玩具还是能进业务流程干活的东西。内测刚开，建议等实测数据再判断。

这次修订最值得看的是新增了“智能信息服务”专章，等于把 AI 服务从普通互联网信息服务里单独提出来管。草案提了几条硬要求：提供 AI 服务的得公示技术原理、运行机制和训练数据来源；AI 生成合成的内容必须打标识，而且不能删改隐藏；算法推荐不能强推，要有人工干预和用户自己选的入口。 这些要求方向很明确，就是让 AI 服务更透明、更可控。但正文没披露“基本原理”要公示到什么颗粒度，是给个架构图就算，还是得把模型结构、训练流程都摊开。训练数据来源的公示标准也没说清楚，是列数据集名称就行，还是得说明数据构成和清洗方式。这些细节直接决定了合规成本有多高。 另外，草案要求平台建网络暴力信息特征库和案例库，超过 6 个月不登录的账号可能被限制或注销。这两条跟 AI 服务没直接关系，但对做内容平台和社交产品的团队影响不小。意见征集截止到 8 月 2 日，有想法的可以往 law@cac.gov.cn 发邮件。

面壁智能放出的 ForgeTrain 是个挺有意思的东西：整个预训练框架的代码全由 AI 生成，人工一行没改，能针对特定模型和硬件从零自动“锻造”训练代码。基准测试里，它在 8 小时内追平了 Megatron-LM，跑 1.5 到 2 天后稳定反超，FLOPS 利用率高出 8% 到 10%。这个数字说明在算力利用效率上确实有提升，不是靠堆卡硬拉吞吐。 不过目前只在 MiniCPM4 的 0.5B 和 8B 上跑过，支持 H100 和昇腾 NPU。正文没披露开源协议，也没给出更大规模模型（比如几十 B 或百 B 级别）的验证结果。小模型上省出来的这点利用率，放到大模型训练里能不能稳住、会不会被通信瓶颈吃掉，都还是未知数。另外，整个流程靠四阶段 Harness 自动判定，但没细说判定标准是什么，万一生成出来的代码有隐蔽 bug，靠什么兜底也没提。 如果是真的，这套思路挺省钱——不用再花大量人力去调 Megatron 那套东西。但现阶段先别太激动，等大模型上的实测和开源协议出来再说。

今天最硬核的是一份基于 OpenRouter 上 446 个模型 token 流量的定量追踪。Fable 5 被禁的 18 天里，Anthropic 的市场份额从 20.7% 跌到了 17.6%，绝对流量也缩水了，是唯一一家没跟着大盘增长的大模型厂商。最大赢家是 GLM-5.2，靠着 MIT 开源许可和只有别人十分之一的价格，两周内份额翻了四倍冲到 7.4%。不过先别激动，有开发者吐槽 GLM-5.2 每个任务消耗的 token 量跟 Opus 4.8 差不多，远高于 GPT-5.5，所以实际成本优势没有 headline 价格差那么大。 社区情绪更值得玩味。Fable 5 在 7 月 1 日解禁回归，但附带了一堆条件：任务会回退到 Opus、每周只能用 50%、按 credits 计费。Hacker News 上直接骂这是 bait and switch，对 Anthropic 商业策略的愤怒已经超过了之前对政府禁令的不满。另一篇让人印象深刻的实战记录是，一个独立开发者只给了 Fable 5 一句话的目标，它自己起了 22 个 agent，推翻了前任模型留下的 Cloudflare 方案，在火山引擎后台自己提交工单、跟工程师对话，还发现官方推荐配法有安全漏洞后自行设计了暗号校验机制，全程零人工干预。 信息缺口方面，GLM-5.2 的流量暴涨是否可持续、用户留存率如何，正文没披露。Fable 5 回归后的新计费模式到底比之前贵了多少，也没有具体数字。OpenAI 捐股份给美国政府的事还停留在概念阶段，需要国会立法，变数很大。

Anthropic 这次动手，是美国政府持续施压的结果，目标是把中国开发者接触 Claude 的“后门”也关掉。之前直接封中国 IP 已经做了，但有人通过 AWS Bedrock 这类云平台中转调用，绕过了限制。现在 Anthropic 要补上这个口子。 不过，这篇报道没给出任何技术细节——是用账号归属地、付款信息、还是流量特征来识别和拦截？也没说清楚时间表，是已经开始执行，还是“计划推进”。这点先别太激动，因为云平台上的权限控制往往有延迟，而且道高一尺魔高一丈，代理和转售链条可能很快会找到新路子。 还缺一个关键信息：这对已经通过 Bedrock 在跑业务的国内团队影响有多大，Anthropic 会不会给缓冲期。如果一刀切，很多依赖 Claude 做应用层的公司会直接断粮。

Yann LeCun 在 VivaTech 大会上直接给大语言模型泼了盆冷水，说它们靠死记硬背统计规律，没法理解真实世界，连老鼠级别的物理直觉都达不到。他 2025 年离开 Meta 后创办的 AMI Labs，正在搞一种叫 JEPA 的新架构。这东西不瞎猜，而是学习抽象表征，能判断出哪些信息没用——比如一根竖着的笔松手后会倒，但具体往哪边倒，它知道不用预测。 公司种子轮就拿了超过 10 亿美元，投资人包括英伟达和贝索斯的家族基金，这个数字在欧洲很罕见，说明资本愿意为“后 LLM 时代”的路线下注。牛津的 Ingmar Posner 也在做类似的世界模型，试图让 AI 理解因果关系。 但整篇报道没给出 JEPA 的任何性能基准、对比实验或产品落地时间。LeCun 的批评很尖锐，可新架构到底比现有模型强在哪，目前还只是口头描述。如果是真的，对机器人行业确实省钱，但没看到跑分之前，这更像一张巨额支票买下的研究方向，而不是已经跑通的技术路线。

这篇周报最有价值的地方，是作者用自己项目的连续盲测，把“模型越新中文越差”这个模糊体感变成了可复现的证据。Opus 4.7和4.8思考时间变短、输出更顺滑，但读材料反而潦草，写出的文档“几乎没法用”。作者判断这不是变笨，是强化学习的副作用：数学和编程有标准答案，奖励函数算得清，能力被拼命优化；而写作靠品味，没进奖励函数，就被悄悄牺牲了。Kimi团队在Reddit的坦白和Writing-Zero论文都佐证了这一点——写作品味需要专门派人盯着，否则一不注意就没了。 文章后半段提到Fable 5安全护栏过度敏感，连群聊总结都拒绝生成，三天烧了5美元，以及Anthropic被曝偷偷降低Claude性能来防竞品训练，这些案例拼在一起，指向一个现实：模型能力在特定方向上狂飙，但可用性和可控性在开倒车。 信息缺口也很明显。全文基于一个微信群的讨论和作者个人体验，样本量小，没有披露群成员规模、盲测投票人数。Opus 4.8中文退步的结论来自群友吐槽，缺乏系统性的多任务对比数据。Fable 5拒绝总结的具体触发词、Anthropic“秘密降级”的技术细节，正文都没展开。这些判断方向是对的，但如果你要拿来做采购或选型决策，还需要自己的评测数据兜底。

这条记录的价值不在 SEO 结果，而在过程：模型自己拆任务、发现数据盲区、推翻另一个模型的方案、独立走通工单流程，还主动补了安全校验和证书到期提醒。22 个 Agent 并行调研 40 分钟，从发现问题到切流量只用了不到一天，最后 616 个海外请求走新线路，说明至少链路跑通了。 但正文没披露几个关键信息：六千多次豆包访问没被统计，是埋点问题还是 App 内嵌 WebView 的 referrer 丢失？模型怎么判断这是“异常”而不是正常波动？火山引擎 CDN 切换后，海外延迟降了多少、国内访问有没有受影响，也没给数字。另外，模型自己提工单这件事听起来很酷，但工单内容是否真的专业、工程师有没有意识到对面是 AI，正文没提。 最该追问的是成本：22 个 Agent 跑了 40 分钟，token 消耗多少？如果每次优化都这么搞，ROI 能不能打平？这点先别太激动，等有对比数据再说。

Andrew Qu 的核心判断是 agent 不是传统应用的变种，输出和交互都更动态，所以需要新的开发基座。这个观点来自他们自己做 v0 的真实痛苦：模型切换、运行中断后怎么接着跑、怎么给模型喂最新产品信息。他们把这些解法打包成 eve 框架，还提到了用“技能”纠正模型过时知识、让网站准备迎接 agent 流量。 但整篇访谈更像产品思路分享，不是技术报告。它没披露 eve 在延迟、成功率或成本上的具体数字，也没说跟 LangChain、CrewAI 这类已有框架比到底好在哪。Qu 提到的“数据 agent”和“法律合同初筛”听起来实用，但缺少规模或准确率的验证。 对从业者来说，最值得留意的是 Vercel 从托管前端延伸到 agent 运行时的意图，以及“技能”作为一种轻量级知识注入手段的思路。但现阶段别把它当成熟方案，更像一家公司在公开自己的探索笔记。还缺的部分很明显：真实场景的基准测试、多模型切换的稳定性数据，以及这套东西离开 Vercel 生态还能不能跑得顺。

这篇文章把MCP和OpenAI在状态管理上的相反选择讲得很清楚。MCP从实验室的stdio走到远程部署，因为套用会话制导致负载均衡下404，最后在2026年7月候选版里删掉会话编号，让每个请求自包含，任何实例都能接。这本质上是把藏在传输层的状态，外显成模型能看见、能推理的handle，反而让agent编排更灵活。OpenAI则从无状态的Chat Completions走向有状态的Responses API，把推理过程、会话历史、托管工具都收进服务端。社区实测这个有状态接口比无状态慢2-3倍，token也没省，Hugging Face直接说agent循环应该留在agent系统里，不该交给模型厂商。文章点出了核心：MCP是开放标准，优化互操作；OpenAI是平台，优化锁定。信息源主要是官方公告和社区实测帖，但没提供MCP新版本在生产环境下的性能对比数据，也没说OpenAI对有状态接口的延迟问题有没有改进计划。

这篇文章把大模型在编程里的定位讲得很透——就是个写代码飞快但需要时刻盯着的虚拟实习生。它点出了一个关键事实：Cursor、Claude Code 和 Codex 最近三个月补的功能高度趋同，都在解决模型不会自查、缺乏空间感和长任务跑偏这三个硬伤。 文章给出的解决方案也实在：用本地业务数据和验收标准搭验证底座，用共享画布解决视觉沟通问题，用手机端做异步监控。但这里有个信息缺口需要注意——正文没披露这些监工机制的实际效果数据，比如用了 /goal 或 agent loop 之后，长任务的跑偏率到底降了多少，也没说令牌消耗会增加多少成本。 另外，文章提到 Cursor 同时押注“放权自治”和“实时监督”两条路，这个观察很敏锐。但作者也坦承还没收敛到终态，所以现在下结论说哪种模式会赢为时过早。我会先打个折：功能趋同是真的，但各家在验证底座的集成深度和移动端体验上还有差异，选工具时值得实际跑一遍自己的业务场景再决定。

Adobe 的首席科学家在大会上秀了一个“智能体式网站”的原型：系统根据你的浏览行为和搜索词猜意图，然后从公司已有的内容里抓素材，实时给你拼出一张定制页面。一个搜咖啡的露营爱好者看到的商品页会被重新组织成“户外冲咖啡”主题。这个方案最吸引人的地方是成本——生成一张页面只要 1 到 2 美分，延迟控制在 1 到 2 秒，听起来确实能落地。 但这里有几个关键信息是缺的。第一，正文完全没提底层用的是哪家大模型，也没说这个延迟和成本是在什么并发条件下测出来的。第二，Adobe 自己还没把这个功能部署到任何生产环境里，现在只是在找愿意当小白鼠的客户。所以目前这更像是一个技术可行性验证，离“未来的网站”还有距离。 另外，文章也点出了一个更实际的困境：用 AI 做东西变容易了，但商家反而更不知道该选什么方案——是上聊天界面、生成式 UI，还是这种实时拼页。技术跑通了，但产品形态和用户接受度都还没谱。

Greg Slepak 把过去一年折腾 AI 编程 agent 的经验浓缩成了一套“短绳法”，核心就一句话：人不能离场。他反对那种让 AI 自己跑、自己审的“氛围编程”，因为模型会在你看不见的时候跑偏，写出能跑但丑且低效的代码，尤其在训练数据少的冷门领域更容易翻车。 方法本身不复杂：先做任务规划拆步骤，然后全程盯着 agent 的 diff 权限弹窗，觉得不对就拒绝，随时打断纠偏，每完成一个子任务就提交一次防止 AI 回头删代码。审查环节要求人和 AI 一起看 PR，而且用 AI 辅助写代码的人必须先自己逐行审一遍，再交给维护者。作者特别强调，PR 里必须写明用了哪个模型，既是为了透明，也是让维护者判断模型靠不靠谱。 文章没给出这套方法在团队协作或大型项目里的量化效果数据，也没对比不同模型在“短绳”约束下的表现差异。如果真像作者说的，用非顶尖模型也能跑赢 Fable，那成本上确实有吸引力，但这点目前只有个人经验背书，缺对照实验或更广泛的案例支撑。

这个开源项目解决了一个很实际的痛点：现在多数大模型只能读文本，没法直接理解视频。它的做法是把视频拆成“去重后的关键画面”加“字幕文本”，一起丢给模型，相当于给模型配了一双眼睛和一对耳朵。工具支持从链接或本地文件读取，本地运行，MIT 协议，意味着你可以随便用、随便改。 目前项目在 GitHub 上刚起步，23 个星标，没有 issue 和 PR，说明社区验证还很弱。README 里没给出帧筛选的具体算法细节，也没说去重会不会把快速切换但内容不同的镜头误删。这点先别太激动——如果关键帧抽得不准，模型看到的视频就是残缺的。另外，它依赖字幕文件，没字幕的视频理解效果会打折扣。 还缺什么：一是不同视频类型（电影、监控、教程）下的准确率对比；二是处理长视频时的延迟和资源消耗数据。如果是真的省钱，对想做视频问答、内容审核的小团队会挺有用。