AX 严选 · 2026-05-12

这条推文本身没给测试数据，更像经验总结，但逻辑上确实能省。Karpathy 点出的浪费行为很具体：每次请求都塞整个代码库、用最贵的模型干简单活、Agent 重复发相同内容。他建议按任务难度分模型——日常用便宜的，关键任务再上贵的，再建一个 SKILL.md 文件避免每次都重新教模型。这些操作门槛不高，但效果可能比调参更直接。 我会先打个折：正文没披露具体能省多少，也没说这些优化在不同场景下的实际收益。比如提示词缓存对长对话有效，但短任务可能差别不大；多模型路由听起来好，但切换模型可能引入风格不一致的问题。另外，Kimi 2.6 和 Opus 的组合是他举的例子，不一定适合所有人的技术栈。 还缺两样东西：一是量化数据，比如开了缓存后延迟和成本具体降了多少；二是边界条件，什么情况下这些优化会失效。如果只是转发观点而没有实测，这条的价值就停在“提醒”层面。

这条演示最直接的价值是：Codex 不再只是帮你写代码，而是能像人一样操作你的 Mac 应用，点击、输入、在后台持续跑任务，还不会锁住你的鼠标键盘。这对需要跨多个工具串流程的开发者来说，省掉的是反复切换和等待的时间。 但正文只放了一段视频和几句对话，关键信息全缺。发布时间没给，权限设计没说——它要拿多大的系统权限才能跨应用点击输入？安全边界怎么划？这次是给所有开发者用，还是小范围内测？这些不交代，演示再流畅也只能当概念片看。 我会先打个折：后台持续执行听着强，但实际稳定性、应用兼容性、以及出错了怎么回滚，视频里都没展示。等有真实用户跑通完整任务链再判断不迟。

阶跃星辰发了Step Image Edit 2，一个35亿参数的图像模型，主打指令修图。在KRIS-Bench这个评测集上，综合、事实和概念三个类别都排第一，压过了参数大它五六倍的对手。能干的事包括文生图、按指令改图、中英文文字渲染，还有保持主体一致的风格迁移。 官方说生成快、单次编辑成本低，但正文没披露具体延迟数字和价格，也没说明KRIS-Bench的测试集规模和样本分布。35亿参数确实小，推理成本理论上会低，但实际能省多少、响应速度多快，得等上线后自己跑才知道。 模型已经上了阶跃开放平台，可以直接用。我会先打个折：榜单第一是好事，但修图类评测主观性强，KRIS-Bench的评分标准是否贴近真实使用场景，正文也没交代。建议拿自己的图跑几组对比，看看文字渲染和风格迁移在复杂场景下稳不稳。

这是篇典型的“吃自家狗粮”案例。Anthropic 的安全团队用 Claude Code 开发了内部威胁检测平台 CLUE，把安全分析员查日志的时间从几小时压到几分钟，概念验证一天做完，一周交付。速度确实快，说明用 AI 辅助写安全工具这条路跑得通。 但文章是团队技术负责人写的，本质上是产品宣传，不是第三方评测。关键信息全缺：用了哪个版本的 Claude、实际误报率多少、处理多少告警量、有没有漏报。安全产品最怕“狼来了”，如果误报率高，几分钟出结果也没意义。另外，平台跑在 Anthropic 自己的环境里，外部团队复现难度和成本都没提。 值得关注的是思路——让模型直接参与告警分诊和调查，而不是只做日志摘要。但落地前得先问清楚：它在你家数据上的准确率，和在这篇博客里一样好看吗？

Anthropic 把 Claude Opus 4.7 的快速模式挂上了研究预览标签，现在 API 和 Claude Code 都能调。从命名看，这版主打低延迟，可能适合写代码、做工具调用这类需要即时反馈的场景。但正文只发了一条推文，没披露任何硬指标：模型参数量未知，具体定价没提，调用频率限制也没说，更没给正式上线的日期。 我会先打个折。研究预览通常意味着稳定性没保证，接口可能随时改，SLA 大概率不存在。如果团队想切生产环境，至少要等 Anthropic 公布延迟对比数据、成本结构和 rate limit 再说。另外，快速模式是单独训练的小模型还是原版 Opus 4.7 加推理优化，正文也没交代，这直接影响能力边界判断。 现在还缺的东西挺多：和 Opus 4.7 标准模式、Sonnet 的延迟与质量对比，实际使用成本，以及预览期间的配额限制。这些信息不出来，就只能当个尝鲜玩具。

这事核心不是奥特曼有没有直接持股，而是他在 OpenAI 不拿股权、个人能从公司业绩里分到的钱很有限，反而让他有动机通过外部投资和关联交易来变现自己的影响力。六个州司法部长联名致信 SEC，众议院监督委员会主席也让他交出投资文件，说明监管层在认真盯这件事。OpenAI 现在估值 8520 亿美元，但利益冲突审计报告至今没公开，正文也没披露具体是哪些交易被质疑、涉及多少金额。这点先别太激动——联名信只是要求调查，不等于已经查出问题。真正要看的是 SEC 会不会正式立案，以及那份审计报告到底写了什么。如果报告继续压着不放，那才是值得担心的信号。

GitHub 宣布 6 月 1 日起调整 Copilot 个人版套餐，Pro 和 Pro+ 用户会拿到一个弹性配额，用来调用更高级的模型或功能。但正文没写配额具体是多少、超出后怎么收费，也没说哪些模型算“高级”。同时新增的 Max 计划定位比 Pro+ 更高，价格和权益同样没披露。 这次调整的核心是把“用更好的模型”从无限畅饮改成限量供应，对重度用户影响可能不小。但关键数字全藏着，现在没法判断是变相涨价还是真给选择。建议等 6 月细则出来再算账，别急着升级。

这篇是 Google 开发者博客的教程，用 Agent Development Kit（ADK）做了一个“新员工入职协调助手”的 demo。这个助手能跑好几周：发完欢迎邮件就自己暂停，等员工签完文件再继续，中间还能把装电脑的活派给另一个专门的小助手，最后发一份定制的第一天日程。 文章没给具体性能数据，但重点讲了三个让 demo 变生产可用的架构思路：用结构化的持久状态机记录“现在该干什么”，用持久会话存储把上下文存下来，再用事件驱动的 webhook 在外部事件发生时唤醒 agent。多 agent 之间通过委托来分工，主助手把子任务派给子助手，自己继续等。 这套设计解决了一个实际问题：现实里的业务流程经常要等好几天，模型不能一直开着烧钱。暂停-恢复机制让 agent 只在有事干的时候才跑，能省不少计算成本。但文章没提大规模部署时的延迟、并发上限和存储成本，也没说如果子助手挂了怎么恢复。这些是真正上生产前必须搞清楚的事。

这次旧金山开发者大会没有新模型发布，主要是给现有工具松绑。Claude Code 的速率限制直接翻了一倍，Opus 模型的 API 调用上限也提高了，对高频使用者来说，被限流打断的体验会好一些。托管智能体（hosted agents）加了四个功能：记忆审查让智能体能回顾之前的对话，多智能体委派可以把任务分给其他智能体去干，输出标准用来约束回答格式，webhooks 则让智能体能对外发通知。这些功能让智能体更像一个能协作、能记住上下文、能按规矩交活的角色，而不只是单次问答。 不过，正文没披露具体的数字门槛——翻倍是从多少提到多少、Opus 上限放宽到什么程度，都没说。也没提这些改动对延迟或成本的影响。如果你在重度用 Claude Code 做开发，可以期待少撞几次墙，但别指望性能有质变。

Nathan Lambert 这篇文章把开源模型省钱这件事讲得比较实在。核心判断是：造一个顶尖模型，80%的算力都烧在研发试错上，而不是最后那一次完整训练。这个数字来自 Ai2 和 Epoch AI 的两份研究，虽然误差范围不小，但方向是对的。中国 AI 圈几乎全员开源，各家通过详细技术报告和刻意分享，相当于帮同行排了雷，避免重复踩坑烧钱，形成了一种靠信息共享降低未来研发成本的复合增长。 但文章也点出了开源 AI 和传统开源软件的根本区别：软件开源是用户越多修 bug 越便宜，而开源模型几乎全部成本都压在开发者身上。开放模型降低的是未来的研发成本，不是即插即用的产品价格。如果你只是拿来就用、不做深度定制，闭源的托管方案反而更便宜，因为人家靠规模效应摊薄了成本。 文章没展开讨论的一个缺口是：这种互相排雷的模式能持续多久。目前各家还是会 fork 开源工具做成内部版本，真正开放的 RL 训练方案（比如 MoE 架构的大规模强化学习）其实还没有公开的成熟配方。如果核心环节继续半开半闭，这个生态的省钱效应会打折扣。

这条分享了一个实操玩法：在 Claude Code 的插件市场里直接装 OpenAI 的 Codex 插件，配好就能用。核心思路来自 HeavySkill 论文的“重思考”——让多个模型各自独立推理，再找一个模型当主持人把思路揉到一起，提高最终回答质量。作者搭的 Skill 是 Claude Code 负责推理，Codex 当主持人。 这个做法有意思的地方在于跨模型协作，不是简单换模型，而是让两个模型分工。但正文只给了安装步骤，没披露任何对比数据：揉完之后的回答到底比单用 Claude Code 好多少、延迟增加多少、成本翻了几倍，全都没提。HeavySkill 论文本身的效果验证也没被引用到这里，所以这个 Skill 的实际收益还悬着。 我会先打个折：思路值得跟，但没看到跑分之前别急着把它当生产方案。还缺三样东西：一是具体任务的准确率对比，二是推理延迟和 token 消耗，三是 Codex 当主持人时会不会引入新的偏见或错误。这些补上了才能判断是真提效还是多花钱买热闹。

这是 GitHub 工程师自己做的一个小扩展，核心玩法是把任意代码仓库解析成 Roguelike 风格的地牢——代码结构自动变成房间和走廊。它想展示 Copilot CLI 不止能敲命令，还能快速搭出带交互的终端小玩意。 正文没披露生成一张地图要多久、支持多大的代码库、地图可玩性到底怎么样。这些关键指标全缺，所以目前只能当个创意原型看，离实际能用还有距离。 如果你对程序化生成或终端游戏感兴趣，这个思路挺好玩；但如果你想知道 Copilot CLI 在生产环境能省多少事，这条信息帮不上忙。

Hassabis 这条推文更像表态，不是产品更新。他把 AlphaFold 到 Isomorphic Labs 的线拉出来，强调 AI 的首要应用是改善人类健康，这个判断本身没问题，但正文没给任何新数据或里程碑。21 亿美元融资是实打实的数字，说明资本市场愿意为 AI 制药买单，可钱投进去之后，管线进度、靶点选择、跟传统药企的对比，全都没提。我会先打个折：这笔钱能加速到什么程度，取决于 Isomorphic 能不能把 AlphaFold 的结构预测优势，真正转化成缩短临床试验周期的能力。现在还缺临床前验证结果、合作药企名单和具体疾病领域的时间表，光靠一条推文撑不起“攻克所有疾病”的叙事。

这条分享的价值在于动手验证，不是画饼。作者没停留在“AI 管家需要数据”的口号上，而是把淘宝、京东、饿了么、美团外卖、大众点评五个平台的导出路径挨个走了一遍。结论很具体：淘宝自带导出功能，京东没有官方支持，但用 Codex 写了个 Chrome 插件一键导出订单，代码已开源在 GitHub；饿了么可以申请导出 Excel；美团外卖目前完全没办法；大众点评的收藏列表也能通过定制插件导出来。 我会先打个折：这更像个人工具链分享，不是产品更新。正文没披露这些导出数据的字段完整度、格式是否统一、有没有脱敏风险。把消费记录直接喂给 AI Agent 做个性化分析，听起来挺省钱，但隐私和准确性都没提。另外，Codex 写的插件稳定性、维护成本也没说。 还缺两样东西：一是这些数据实际接入 Agent 后的效果验证，哪怕一个例子也好；二是平台政策风险——非官方导出接口随时可能被封。这点先别太激动。

这个案子给做 AI 写作工具的人敲了警钟。两家公司做了一个能一键生成某社交平台风格“种草笔记”的工具，会员费从月付 40 元到终身 168 元，还直接用了平台的命名和调性做宣传，诱导用户把 AI 编的假体验发上去。法院认为这破坏了平台靠真实分享攒下的内容生态，构成不正当竞争，判赔 10 万元。 判决里最有信息量的是那个“四要素判定法”：一看是不是生成式 AI 服务，二看是不是针对特定平台场景做的，三看有没有诱导用户发假内容，四看是不是商业行为。这四点全中，就没跑了。这个框架比单纯说“AI 不能造假”要具体，以后类似纠纷大概率会参考它。 不过报道没提这 10 万元是怎么算出来的，也没说被告靠这个工具赚了多少钱。如果违法所得远高于赔偿额，那威慑力就得打个折。另外，判决只约束了工具提供者，那些用工具批量发假笔记的用户和 MCN 机构怎么追责，正文也没展开。

这次攻击不是偷 npm 账号密码，而是利用 GitHub Actions 的三个漏洞组合，绕过了双重验证，直接用 OIDC 信任链把恶意包推到 npm 上。攻击者在一个叫 voicproducoes 的账号下搞了个孤儿提交，里面塞了 2.3MB 的混淆脚本，安装时自动跑起来，从 AWS、GCP、Kubernetes、GitHub 等十几个常用位置搜刮密钥和 SSH 私钥，然后加密上传走人。 受影响的包覆盖 @tanstack、@mistralai、@uipath 等命名空间，总共 373 个恶意版本。像 @tanstack/react-router 周下载量超 1200 万次，传播面确实大。但正文只列了恶意版本号，没说这些版本在 npm 上存活了多久、实际有多少人下载安装了恶意版本，也没给出受影响用户的通知渠道或自查方法。 TanStack 事后复盘把攻击链归因于 pull_request_target 的"Pwn Request"模式、跨 fork 缓存投毒和内存里扒 OIDC 令牌，这三个洞单独看都不新鲜，组合起来确实难防。还缺一个关键信息：攻击者到底有没有用偷来的密钥干别的事，还是只完成了窃取和外传。