全部

Sierra 这轮融了 9.5 亿美元，估值超过 150 亿，领投方是 Tiger Global 和 GV。公司说现在账上有超过 10 亿美元现金，要砸钱把自己做成企业 AI 客服的标配。他们给出的增长数据挺猛：服务了超过 40% 的财富 50 强，平台上的 AI 客服处理了数十亿次交互，从房贷再融资、保险理赔到电商退货都在跑。去年 11 月他们刚宣布 ARR 过 1 亿美元，今年 2 月又说 ARR 超 1.5 亿，增速确实快。 但整篇公告没讲清楚这门生意的单位经济模型。AI 客服每处理一次对话，Sierra 自己要付多少推理成本？大客户是签固定年费还是按用量计费？毛利率在什么水平？这些数字直接决定 150 亿估值是贵还是便宜。另外，文章里提到的客户部署速度——Nordstrom 五周上线语音客服、Singtel 十周上线且解决率超 70%——听起来不错，但没说明这些项目是定制化交付还是真的平台自服务，前者会拖累规模化利润。 还缺一个关键信息：客户留存和扩张情况。正文只说了客户在把 AI 客服从售后支持扩展到销售、留客等环节，但没给净收入留存率。对于一家估值 150 亿、ARR 刚过 1.5 亿的公司，这个倍数需要极高的续费率和增购来支撑，否则就是在赌未来增长填坑。

Jack Clark 这篇不是论文，是他自己看了一堆公开数据后做的推演。核心判断很直白：AI 自己搞研发，2028 年底前发生的概率超过 60%。他主要抓了两个指标。一个是 SWE-Bench，测 AI 解决 GitHub 真实代码问题的能力，Claude 2 当初得分约 2%，现在 Claude Mythos Preview 已经干到 93.9%，基本把题库刷穿了。另一个是 METR 的任务时长，看 AI 能稳定完成多复杂的活，从 2022 年 GPT-3.5 的 30 秒，一路涨到 2026 年 Opus 4.6 的约 12 小时，METR 的人甚至觉得年底摸到 100 小时不奇怪。 这两个趋势合在一起，说明 AI 写代码和长时间干活的能力都在猛涨，工程层面的自动化拼图快齐了。但 Clark 自己也留了余地：前沿大模型的训练太贵，需要一堆人拼命调，短期内还很难完全甩开人类。正文没给出具体的成本模型或实验验证，更多是趋势外推。 我会先打个折：代码能力饱和不等于研究能力到位，从“会写代码”到“能提出新研究方向”中间还隔着创造力这道坎。另外，METR 的任务时长测的是人类标注的通用任务，不是真实的 AI 研发流程，直接套用有水分。这篇最值钱的地方是把散落各处的公开数据点串成了一条清晰的趋势线，但结论本身还缺一次真正的端到端实验来撑腰。

这条消息来自 Reddit 的 LocalLLaMA 板块，标题说有人用 4 张 RTX 3080 20GB 跑 Mistral Medium 3.5 128B 和 Qwen 3.5 122B A10B 做对比测试。但文章正文被 Reddit 的安全策略拦住了，返回了 403 错误，我们拿到的只有标题和一张图片的占位符，没有任何实测数字。 从标题能猜出几个信息点：测试环境是 4 张 RTX 3080，总显存 80GB，跑的是量化版模型——Mistral 那边用了 Q3_K_M 量化，Qwen 是 A10B 的 MoE 架构，激活参数只有 10B，理论上推理更快、显存压力更小。但具体谁在生成速度、回答质量、显存占用上赢了，正文没披露。 这条对比对想在消费级显卡上跑大模型的人有参考价值，但前提是能看到原始数据。现在只能等 Reddit 帖子恢复或者有人搬运到其他平台。如果你手上有这两款模型在 3080 上的实测结果，欢迎补充。

这条规则与其说是技术禁令，不如说是学院在给行业表态：表演奖和编剧奖只认人，不认模型。规则要求表演必须由真人完成且署名在法定字幕里，剧本也得是“人类创作”，学院还保留随时要求剧组说明 AI 使用情况的权利。TechCrunch 的报道把背景串得挺清楚——Val Kilmer 的 AI 复制品正在拍独立电影，AI“演员”Tilly Norwood 三天两头上头条，新的视频模型也让不少电影人公开喊绝望。这些事叠在一起，学院不出手才奇怪。 但文章没提最关键的东西：怎么查。是让剧组自己申报，还是学院有技术手段去验？如果一部片子用 AI 辅助写了初稿、再由真人编剧大改，算不算“人类创作”？边界不划清楚，这条规则就只是一面旗，不是一把尺。另外，规则只卡了表演和编剧两个奖，其他奖项比如视觉效果、剪辑能不能用 AI，正文完全没提，这也是个很大的缺口。

Semi Analysis 这份报告给出的数字很猛：Anthropic 年化收入 440 亿美元，过去一年净增 350 亿，其中 Claude Code 到今年 2 月自己就扛了 25 亿美元的年化收入。推理毛利率也从 38% 涨到 70% 以上，说明卖算力的成本控制得不错，不是赔本赚吆喝。 但这里有个硬伤——微信原文因为环境异常根本没抓到正文，我们看到的只是摘要里的几个数字。报告是谁写的、数据怎么算的、客户是一次性大单还是持续付费、Claude Code 的收入有没有把企业捆绑销售算进去，这些全都不清楚。Semi Analysis 本身是第三方分析机构，不是 Anthropic 官方财报，数字可能有估算成分。 如果这些收入数字属实且能持续，那 Anthropic 确实跑通了“编程助手直接收钱”的路子，比单纯卖 API 调用要稳。但眼下缺的是客户留存率、续费率、以及 Claude Code 在企业环境里的实际渗透情况。这些才是判断 440 亿是不是泡沫的关键。

哈佛这项研究让 o1 看急诊病历做诊断，准确率 67%，对照的真人分诊医生是 50% 到 55%。数字看着漂亮，但得先打个折：这是回顾性研究，模型读的是整理好的文字病历，不是急诊室里嘈杂、信息碎片化的真实场景。正文没披露样本量和病例构成，也没说医生是在什么条件下做的判断——是忙到飞起的夜班医生，还是专门坐下来答题？这些缺口让 67% 这个数只能当个方向参考，不能直接等同于“AI 比急诊医生强”。 另外，研究只测了诊断准确率，没碰更关键的问题：误诊的代价。急诊分诊不是考试，漏掉一个心梗比答错一道题严重得多。o1 在哪些病上容易翻车、错误类型是漏诊还是误诊，正文都没提。这些才是决定能不能往医院里推的核心。 总的来说，这研究证明了模型读病历做鉴别诊断有潜力，但从“读病历答对题”到“在急诊室真能帮上忙”，中间还隔着临床验证、安全边界和 workflow 集成好几道坎。