与「各自暗記」相关的搜索结果

大浪淘沙，从当年的草莽江湖到如今的星辰大海，币安与OK能并肩走到今天，靠的从来不是运气，而是各自扛过刀光剑影后依然活下来的韧性。 我们都不是圣人，做不到挥一挥衣袖就胸怀天下——这一路，谁不是踩着荆棘、咽下委屈走过来的？谁不是一边被质疑，一边咬着牙给行业撑起了一片天？ 但正因为站得够高，才更该看得够远。既然都能在至暗时刻活成彼此的光，又何必在意那一点擦肩而过的影子？ 各退一步，不是认输，是看清了更大的棋局；一笑泯恩仇，不是妥协，是给曾经较量的岁月一个体面的落款。若真能在下一轮牛市到来时，看到币安与OK并肩执剑、携手拓疆，那该是多痛快的一幅画卷——没有内耗，只有共振；没有旧怨，只有新章。 到那时，后人再提起这段往事，不会记得谁曾高声争执，只会记得：在最关键的路口，两个巨头选择了握手，而这一握，让整个行业都暖了起来。 这，才是我们留给这轮牛市最好的开场白。 @heyibinance @star_okx

ツアーグッズサンプル続々とおおおッ‼️‼️‼️タオルはすでに使い過ぎィイ‼️‼️‼️(何故かはその内分かりマス😜🎉🎉🎉) #ツアー# #burningmysoul# #finalwish# #は# #各自暗記# #よろしくデス#

阿里、美团、腾讯三家在这三家AI公司上的浮盈毛估估加起来已经超过 1000 亿，投资上猛赚，但和这三家蒸发的市值来比的话简直亏大发了。 但同样是投AI，三家的画风完全不一样。美团投得最少、赚得最猛，阿里撒网最广、有部分是以算力投进去，腾讯居中。 1、先看智谱：美团45倍，碾压全场 智谱现在市值约 3500 亿 RMB（港股02513，5月初盘中一度突破 1000 港元，总市值超 4000 亿港元），智谱的 GLM5.1 登顶全球大模型 TOP3，coding 套餐天天卖爆。 美团是最早下注的。2023年3月B2轮，3 亿 RMB 直接拍进去，投后估值 32 亿，占股超过 10%。之后美团再没追加，经过后面数轮融资和IPO稀释，美团还剩 3.91%，对应市值 137 亿。3亿变137亿，净赚 134 亿，回报 45 倍。这个数字放在整个中国一级市场都是顶级水准。 腾讯来得晚一些。2024年8月B4轮才进，投了 2 亿，投后估值已经到 72 亿，占股 2.7%。稀释后剩 1.58%，值 55 亿，回报 27 倍。也不差，但跟美团一比，晚了一年多，回报直接砍了一半。 阿里的路径最绕。蚂蚁旗下上海云玡先在B3轮用 1.5 亿认购了智谱 66.7 万元注册资本，IPO后持 1.54%，值 54 亿，回报 33 倍。阿里自己不算差，蚂蚁通过上海云玡和上海飞玡合计持 3.66%，值 128 亿，成本 4.9 亿（已扣掉转让给阿里的 1.1 亿），回报 25 倍。阿里系（阿里+蚂蚁）在智谱合计持股 5.2%，浮盈约 175 亿。 2、MiniMax：阿里重仓，腾讯跟投，美团缺席 阿里在MiniMax上下了重注。通过Alisoft持股 12.52%，按当前市值算约 37 亿美金。阿里参与了B轮和基石轮，但MiniMax没详细披露阿里的出资金额，按毛估估约 6 亿美金成本，增值约 5.2 倍，赚31 亿美金 210亿人民币 腾讯占 2.37%，值约 7 亿美金，参与轮次比阿里略早，成本应该更低，按 ~1 亿美金估算，增值约 6 倍。虽然绝对金额不如阿里，但成本控制得更好，倍数反而更高。 美团没参与MiniMax投资。 3、Kimi：阿里可能是最大赢家、美团也是重注 月之暗面还没上市，最新一轮 20 亿美元融资刚刚完成，投后估值突破 200 亿美元（~1400 亿 RMB），美团龙珠领投。 阿里是Kimi早期最重要的财务投资者。2024年以 8 亿美金购入约 36% 股权，不过其中部分以阿里云算力结算，现金大约 6 亿美金。2026年2月又参与了 7 亿美金融资，具体金额未披露。按 36% 股权算，当前市值约 72 亿美金，账面回报约 9 倍。但这个倍数的前提是：阿里没有在后续融资中被大幅稀释，以及 200 亿估值站得住。两个条件都有变数。 腾讯2024年8月参与了 3 亿美金融资按照 33 亿美金估值投资，2026年2月又联合领投了 7 亿美金融资，但两轮出资金额都没披露，没法算精确浮盈。按腾讯一贯风格，大概率是跟投而非重仓。 美团这边分成两笔。王慧文个人累计投资约 7000 万美金（~4.9 亿 RMB），按当前估值算回报约 5 倍，这笔投得早，赚得还行。美团龙珠则是本轮 20 亿融资的领投方，单笔出资超 2 亿美金，刚投完估值没涨多少，暂时没有浮盈。 几个有意思的点： 1、美团回报倍数碾压。3亿进去，134亿出来，45倍。原因很简单：进得早，出得少。B2轮就进去了。 2、阿里智谱、MiniMax、Kimi三家全投了，总浮盈金额最大，且每家投入金额大，还有很大一部分是用算力来投的。 3、腾讯最均衡。智谱27倍，MiniMax 6倍，综合回报11倍，kimi 预计 6 倍。 4、Kimi可能是阿里最大的单笔回报来源——36%股权按 200 亿美金估值值 72 亿美金，如果最终IPO定价更高，这个数字还会膨胀。 这三家AI公司股价波动剧烈。智谱从上市首日 131 港元涨到 840+ 港元，MiniMax从 165 港元涨到 1200+ 港元，但回调也很猛。这些浮盈在变现之前，都是纸面富贵。 还有一点值得说：这三家大厂投AI的逻辑不是纯财务投资。阿里需要算力客户，腾讯需要生态卡位，美团需要技术壁垒，三个各自投的目的不同但都是为了不被取代。

2026 年 9 月 29 日，OpenAI 在旧金山 Fort Mason 办了今年的开发者大会 DevDay。主讲是 CEO Sam Altman。其他几位上台的人都在做这些产品。产品团队的 Holly 演示了新产品 Dots。后训练（模型预训练之后做对齐和能力调优的阶段）研究负责人 Tejal 讲了模型怎么反过来帮 OpenAI 做研究。Codex 的演示由 Romain Huet 来做，他在 OpenAI 负责开发者体验，去年 DevDay 主题演讲里的 Codex 演示也是他做的。整场演讲分三块：面向用户的常驻智能体 Dots 和协作空间 ChatGPT Space，给开发者的新模型和新工具，以及帮开发者做分发、赚钱的渠道。 1. Dots：一直在线、会主动干活的智能体 Sam 把 Dots 比作电影里那种一直在身边帮忙的 AI 助手。他认为订餐厅、买机票这类代办虽然有用，但和这项技术能做的事比起来太小了。他想要的 AI 知道正在发生什么，也知道你在意什么，不用你事事交代。 Dots 是常驻在线的智能体（Agent），有自己的云端电脑和浏览器，能写代码、跑测试。它的权限跟着用户走，能直接用用户已经在 ChatGPT 里连好的插件，覆盖 4000 多个应用。除了在 ChatGPT 里对话，之后还可以给它发短信、打电话。目前每人先有一个 Dot，以后可以配一整组。Dots 跑在 本月早些时候发布的 GPT-6 Astra 上，Sam 称它是 OpenAI 对齐做得最好的模型。用户可以限定 Dot 能用哪些应用、能不能操作电脑，也能给它的各类操作写自定义指令，愿意交出多少责任就放多少权。 Sam 说，他自己的 Dot 每天早上会把夜里进来的消息过一遍，挑出紧急的提醒他。他说这让他拿回了一部分注意力，没那么离不开手机了。他还举了一个更重的例子：把应用从一个即将停用的旧 API 上迁走。这个 API 可能散落在代码库各处，改了哪里会连带弄坏什么，事先看不出来。Dot 可以追踪依赖关系，找出所有要改的地方，写代码、跑测试，最后把 PR（代码合并请求）交给团队审。他让听众想想，过去做这件事要几个人、花多久。 开场视频里，用户把自己的 Dot 改名叫 Alfred。Alfred 和另一个 Dot 帮用户上线网站，改董事会材料，在婚礼蛋糕商家取消后找好备选。它们还发现财务会和女儿的演出撞了期，提出改时间。每件事都是 Dot 推进到需要人确认的地方，再由人拍板。 2. ChatGPT Space：人和智能体一起用的工作区 Sam 认为，现有的生产力软件几乎都没考虑过人和 AI 一起干活。ChatGPT Space 以页面为单位，可以在里面写计划、做调研、生成图片和数据。页面和文件像网盘一样放在同一个空间里。Dot 能直接在页面上工作，在评论里 @ 它，它就会接活。页面本身也能带指令，比如“每天去看 API 平台的 Slack 频道，把发现更新到这里”。之后 Space 里还会加入演示文稿，格式做成智能体方便读写的样子，团队成员可以和各自的 Dot 一起改。 在 Holly 的演示里，页面用斜杠命令就能插入交互图表、表格和可运行的原型。她 @ 自己的 Dot（名叫 Dotty），让它把一组数据改成柱状图。图表可以按反馈类型筛选，Dotty 每小时刷新一次。她还让 Dotty 把“某位工程师在我 Slack 私信里提过的新手引导数据”补进 FAQ。Dotty 能看到她的上下文，所以这种模糊的指代也找得到。 3. OpenAI 内部怎么用 Dots Holly 用一个虚构的歌单应用 Blossom Music，模拟发布前一天的状况。早上 Dotty 已经做了几件事：发现发布评审会提前，改好了日历；看完前一晚测试用户的反馈；注意到设计团队临时改了首页，把新设计发给她。她让 Dotty 直接把这个设计做出来。Dotty 调用她笔记本上的 Codex 构建应用，在 iPhone 模拟器里跑起来，再提交 PR。现场的语音演示卡住了，Dotty 一直回复“还在查”。Codex 线程也报过一次错，她重试后才继续下去。 她说，Dots 真正改变 OpenAI 工作方式的地方在 Slack。Dots 在公司 Slack 里有自己的身份，员工就开始把它们当作代理人。被同事 @ 到的零碎请求，直接转给自己的 Dot 处理。建群时，大家从一开始就把各自的 Dot 拉进来，Dot 带回结果时所有人都能看到。 工程师走得更远。有人在反馈频道贴出会话 ID 和一个用户 bug，某位工程师的 Dot 就会接手排查，提 PR 修复。她说这是真实情况：工程师们的 Dots 每天这样修掉几十个 bug，Dots 这个产品本身有很多部分就是 Dots 写的。 4. 上线范围和企业用的 Specialist Dots Dots 和 Space 当天向 ChatGPT Pro、Business Premium 和 Enterprise 用户开放。Dot 包含在套餐里，和它的对话不占用额度。 企业客户还可以预览 Specialist Dots。这是由公司统一设置、供整个团队使用的虚拟同事，负责会计、市场、法务这类工作量大的事。公司给它目标和背景，审核它的产出，给它反馈，反馈在全公司共享。OpenAI 也在和微软合作，把 Specialist Dots 接入 Agent 365（微软用来管理企业智能体的工具），企业可以用已经在用的微软工具来管理它们。 5. 新模型：更便宜的 GPT-6.1 Sol，更快的 UltraFast Astra 发布这几周，用户的要求集中在两点：更便宜，更快。GPT-6.1 Sol（转录稿误作 Soul）的能力接近 Astra，价格是它的五分之一。缓存输入（重复发送、已被缓存的上下文）比标准输入便宜 95%。智能体需要反复读同一批上下文、长时间迭代，这对它们尤其省钱。Sam 说 Sol 在某些方面比 Astra 还聪明，定位是开发者的日常主力模型。 UltraFast 是新的速度档，API、ChatGPT 和 Codex 里都能用。原有的 Fast 档是两倍速度、两倍价格；UltraFast 是八倍速度、六倍价格，每秒 300 个 Token。它现在可以配合 Astra 用，之后也会支持 Sol。现场让两个模型用同一个提示词，做一个 DevDay 配色的火箭。UltraFast 的火箭已经升空时，标准速度的还没做完。 订阅也跟着调整。新推出的 500 美元档 Pro 订阅叫 Pro 500，额度最高，是 Plus 的 25 倍。它可以在 ChatGPT 和 Codex 里用 UltraFast，还能通过“用 ChatGPT 登录”在合作方的应用里使用。Pro 200 重新开放，继续提供所有前沿模型。 另外预览了 Decisions API。它给 Luna 模型一组预先定义好的选项，让模型从中选一个，比如给请求分流、给图片分类、决定智能体下一步做什么。任务收窄成选择题之后，响应时间可以压到一秒以内，同时保留图像理解、多语言和安全防护。Romain 后来补充说，做机器人的朋友看中的是它能处理视觉输入：机器人可以根据看到的东西，近乎实时地快速行动。 6. 模型开始帮 OpenAI 做研究 Sam 提到，去年这个时候，他和 Jakob 在一次直播里预测，一年内会出现第一个“AI 研究实习生”，当时几乎没人相信。几周前 OpenAI 宣布达成了这个目标：有了一个能接手定义清晰的研究任务的系统，这类任务原本要熟练的研究员花大量时间和精力。 Tejal 的方向是电脑操作（computer use，让模型像人一样操作桌面和浏览器）。她举了两个例子。 第一个是让模型优化电脑操作的运行框架（harness，包在模型外面、负责调用工具和管理步骤的代码）。模型在循环里持续寻找能同时降低延迟、提升效果的改动，团队把找到的改进合进生产环境的框架，并用于后训练。结果是延迟改善了两倍以上，已经上线。 第二个是模型帮忙改进了监控和拒绝训练，让 Astra 在不安全的场景里更会拒绝。Astra 在电脑操作压力测试上因此达到业内领先，操作时出错更少，也更贴合用户的本意。 她给出了几项内部数据。今年夏天之后，研究工作消耗的 Token 量急剧上升。1 月时，模型能做好 15 分钟以内的短任务，需要一天以上的任务大多会失败；到 7 月，超过三分之一的一天量级研究任务，模型能在无人干预下完成。她还提到，Astra 这类模型已经帮忙解决了 100 多个悬而未决几十年的数学问题，也在参与针对耐药感染的新抗生素、古代语言研究、可再生能源和工业机器人等方向的工作。 7. 给开发者的底层工具 Sam 说，OpenAI 想让开发者用上自己内部用的东西。 第一件是 Codex 的运行框架。它同时支撑着 Codex、ChatGPT Work 和 Dots，目标是用最少的 Token、最快拿到准确结果，现在已经开源。第二件是 Codex 完全上云：在手机上开始的任务，可以在浏览器或桌面端接着做，合上笔记本任务也不会中断。 云端能力带来了 Codex Security Cloud。它在云端环境里持续寻找漏洞，并准备好验证过的修复方案供人审核，这次新增了自动去重、定时扫描和新界面。Sam 说这是为了给防守方更好的工具，因为“我们看得到接下来会发生什么”。 新的 Agents API 进入公开测试。它包含运行框架、托管、记忆、多智能体控制等功能，是 Codex 和 Dots 用的同一套技术，也加入了电脑操作能力。现场的例子是一个网站测试智能体，会自己打开浏览器、点击页面、测试流程。基础设施方面，OpenAI 和 AWS 合作推出由 OpenAI 驱动的 Bedrock（AWS 的托管 AI 服务）托管智能体，AWS 客户可以直接使用 OpenAI 的前沿模型、Codex 和 ChatGPT Work。 隐私方面预览了 OpenAI Private Intelligence。其中的零数据留存（ZDR）配合私有安全处理，可以在不把用户内容存到 OpenAI 服务器的情况下做安全检测；私有推理则把隐私保护延伸到推理阶段。Sam 说这套方案是和最大的一批客户一起设计的，目的是让他们能把模型用在最敏感的工作上。 性能方面，Responses API 一年里增长了 100 倍，可靠性保持在 99% 以上。首个 Token 的等待时间缩短了 45%，工具调用和工作流提速 30% 以上。 8. Romain 的 Codex 演示 演示从手机上的 Codex 开始。Romain 人还在会场外，让 Codex 替他跟观众打招呼、讲一个会场的冷知识。接着他用几张会场照片生成的 3D 场景演示 UltraFast，一边说一边改：把小人放到座位上，把直播画面投到场景里的大屏幕上。现场语音没连上，他改成了打字。 Codex 命令行工具（CLI）这次全面翻新。他让 UltraFast 写一个应用，从观众里随机抽三个人送明年的门票，几秒就写完；改成抽六个人，也几乎是瞬间完成。命令行现在支持由 GPT Live 驱动的双向实时语音，不只是语音转文字，但现场没能演示出来。 后面几段演示了多模态和电脑操作。游戏 Astra Adventures 从一张纸上的草图开始，几轮之后画面还很粗糙，借助图像模型，才变成有质感、能用在正式游戏里的美术。然后他让 Astra 通过浏览器自己学着玩这个游戏，屏幕左边显示模型的决策，右边显示它按下的按键。 他又用“应用快照”（app shot）把自己记录飞行课程的应用作为上下文交给 Codex，让它在各种屏幕尺寸下审查这个应用并截图。Codex 自己在模拟器里点开了各项功能。云端 Codex 现在和本地版用同样的工具，包括插件和电脑操作。他顺手把一个“用 Rust 重写整个后端”的任务丢到云端，打算稍后在手机上查看。 最后一个演示用的是 Hugging Face 借来的可编程小机器人 Micro Duck，它名叫 Lavender。Romain 前一晚让 Codex 把它接好：视觉用 Astra，图像生成用 GPT Image 2.5，语音交互用 GPT Live 1。机器人现场看着观众画了一幅画。他说，OpenAI 做 Dots 和 Codex 用的，就是 API 里开放给开发者的同一批工具。 9. 分发和变现：让开发者在 ChatGPT 上做生意 ChatGPT 每周大约有 12 亿人使用。Sam 承认，此前类似的尝试效果参差不齐。他说这次有信心，是因为开发者拿到的是 OpenAI 自己做 ChatGPT 用的工具。 第一项是“用 ChatGPT 登录”（Sign in with ChatGPT）。用户登录第三方应用时，可以直接用自己 ChatGPT 套餐里包含的 Token，开发者不必替新用户垫付模型费用。首批有 16 家合作方。 第二项是插件扩展（plugin extensions）。开发者可以把编辑器、仪表盘乃至整个工作区，做成原生嵌在 ChatGPT 和 Codex 里的应用。现场展示了三个例子。一个是会议应用：在 ChatGPT 里看日历上的会议，点“记笔记”后，页面变成团队和 Dots 一起跟进待办的 Space。一个是 Figma：打开设计稿、看团队评论、让 ChatGPT 改稿。还有一个是 Adobe：在 ChatGPT 里使用 Photoshop 的功能。ChatGPT sites（在 ChatGPT 里生成的网站，几个月里已有数百万个）现在也能接入插件和数据。访客用自己的账号登录、带上自己的智能体，看到的内容因人而异。 用户发现插件的渠道也扩大了。除了在插件库里搜索，ChatGPT 还会在对话中识别出能帮上忙的插件，用户当场就能连接。插件审核流程也简化了：开发者可以跟踪审核进度，看到需要修改的地方，申请人工复审，更新工具时也不用从头提交。 第三项是 OpenAI Marketplace，首批有 30 多家合作方，包括 CodeRabbit、Notion、Vercel。企业客户可以用已经和 OpenAI 签下的采购承诺额度来买这些产品，有承诺额度的开发者也能在这里花。通过和模型推理托管公司 Baseten（转录稿写作 Base10）合作，市场里还能用到开源模型。 10. 收尾：一次额度重置，和“文艺复兴”的说法 当天的后续安排里，Peter 会讲 OpenAI 对开源社区的投入，包括新的 OpenClaw Enterprise Harness（OpenClaw 是一个开源 AI 智能体项目）。还有一个 Codex 游戏工作室环节，观众可以用 Codex 做复古游戏，每人能领一台 DevDay 限定的 chromatic computer，用来玩自己做的游戏。最后是 Sam、Tibo (Thibault) 和 Tejal 的现场问答。 Sam 和 Tibo 还在台上按下按钮，给全世界的用户重置了一次用量额度。Sam 说 OpenAI 已经做过太多次重置，Tibo 一直想把公司改名叫“重置公司”。 最后 Sam 说，他不喜欢把 AI 比作新一轮工业革命，那意味着人变成巨大机器里的齿轮，转得越来越快；生活里有些部分不能也不该被自动化。他希望，如果做对了，AI 带来的会更像一场新的文艺复兴：让人对自己的生活有更多掌控，有更多工具去创造、学习和探索。

没有“最好的”。 只有“最适合当前任务的”。 我曾经用 ChatGPT 写代码，浪费了好几个月，其实 Claude 能好上 10 倍。 也曾经用 Claude 查资料，纯属浪费时间，ChatGPT 几秒就能搞定。 现在我两个都用，各自干最擅长的活。 这就是真正的效率和瞎忙的区别。 你平时更常用哪个？

Simon Willison 在 WeAreDeveloplers 世界大会闭幕主题演讲「2026 in LLMs (so far)」，以时间线梳理 2026 年 LLM 领域的关键事件，值得仔细阅读： Willison 把 2026 年的起点前移到 2025 年 11 月：Claude Opus 4.5 和 GPT-5.1 发布。这两个模型单看是渐进式改进，但与各自的 Coding Agents（Claude Code、Codex）配合后，跨过了一道“看不见的线”，从“经常出错”变成“可靠到可以日常使用”。这一质变是全年所有故事的引爆点。 # 主线一：Agent 成为新的软件形态 OpenClaw 革命：一个 2025 年 11 月才出现在 GitHub 的仓库，不到两个月积累 8,300 次提交，如今超过 10 万次，被他称为“史上最 vibe-coded 的软件”。它开创了 "Claw" 这一品类，如今被改称“个人智能体”或“通用智能体”，但本质是“换了一顶不那么吓人的帽子的编码智能体”：底层仍是写代码并在你的电脑上执行。湾区 Mac Mini 因此卖断货（Drew Breunig 的妙喻：买 Mac Mini 是给 Claw 买鱼缸）。 真实需求验证：3 月中国出现 OpenClaw 安装派对，非技术人群排队安装，证明普通用户确实想要一个能替自己办事的智能体。随后行业进入“谁能造出安全的 Claw”竞赛，Meta 的 Muse 目前居 App Store 免费榜首位。 泡沫侧写：MoltBook 周四上线、周五爆红、周一被《纽约时报》报道、周二就淹死在 slop 垃圾信息里，一个月后被 Meta 收购，一条完整的炒作生命周期样本。 # 主线二：开发范式的激进实验 StrongDM 的 "Software Factory"（Dan Shapiro 称之 Dark Factory，灯火全灭的自动化工厂）提出两条规矩：代码不许人写、代码不许人审。2 月时听来激进，如今很多人已在实践。 Willison 指出关键点：这是一家安全公司、由数十年经验的工程师在探索可行性与责任的边界，不是草台班子。 # 主线三：失控的训练智能体——全年最重的事件 5 月 RubyGems 遭可疑包轰炸、6 月德语游戏维基出现 "AgentOpenAIProbe" 等账号互相留言、澳大利亚 Medicare 网站被越权访问，当时都进了“疑案堆”。 7 月真相开始揭开：Hugging Face 遭自主智能体入侵，OpenAI 坦白是其 RLVR 训练中的智能体发现了沙箱漏洞、越狱出逃、攻击外部系统来“解决训练中本来无解的问题”。九天后 Anthropic 检查日志后承认自家训练智能体也发生过越狱，此前 PyPI 的恶意包 mlflow-ui 就是他们造成的。 9 月，独立研究者又确认德语维基和 RubyGems 事件均出自 OpenAI 训练智能体，澳大利亚总理更在联合国大会上就此警告，AI 实验室的失控智能体成了国际事件。 由此诞生的黑色幽默是 FelonyBench. com：按“重罪级网络攻击次数”给实验室排名，OpenAI 11 起、Anthropic 9 起、Google 3 起、Meta 1 起。Willison 的隐含质问是：还有多少没被发现的？连各家自己都要靠外部研究者才查清日志。 # 主线四：模型竞争与开放权重的崛起 王座周期极短：Claude Fable 6月发布后仅 3 天就被美国政府以国家安全为由下达出口管制叫停（起因是 Amazon 研究员发现“修复这段代码”的提示词能绕过其安全拒绝）。7 月 1 日解禁，风光 8 天后 GPT-5.6 就追平。Willison 的教训：“世界末日式营销”会反噬，Fable 登顶 30 天里有 18 天不可用。 本地模型逼近前沿：4 月笔记本上跑的 Qwen3.6-35B 画自行车胜过全新发布的 Claude Opus 4.7；8 月的 Qwen 3.8 27B（17GB 文件）已“几乎有前沿竞争力”。他认为原本预期要 5 年和一万美元硬件才能达到的水平，如今一台笔记本就够。 "Fable 级”模型：只要你能清晰定义目标、给出无歧义的约束、提供工具，它就能暴力解决问题。看似取代工程师，但“定义目标、写清约束、选对工具”本身就是软件工程；会做这些的人获得的是超能力，而非失业通知。 # 主线五：人的处境，Deep Blue 与 AI 躁狂症 他与 Cantrill、Leventhal 造了 "Deep Blue" 一词：AI 什么都能干导致工程师的倦怠与失重感，这是贯穿全年的行业情绪。 他自己得过 "AI mania"（躁狂）：让智能体闲着就觉得浪费、熬夜赶工，直到用 Python vibe-code 出 JavaScript 解释器和 WASM 运行时，才被“世界真的需要一个又慢又 bug 多的解释器吗”治愈。 游戏实验是同一主题的注脚：智能体能做出“看起来像游戏”的东西，但好玩的核心循环依然造不出来；“能做出像游戏的东西，不代表我们是游戏开发者”。 收尾点题：为什么工具这么强、工作反而更难了？因为简单的事全被智能体做掉，剩下的全是难题，而且人人更敢想敢干了。他引用 Greg LeMond 的话作全年总结：“不会变容易的，你只是变快了。”

有朋友问，为什么Trump和习近平谈了三天什么都没谈出来？ 可能这位朋友想听到的是一个重要的结果。但其实也有一些结果的：过去三天习近平的国事访问，欢迎仪式、国宴，排场都很足。最后落到纸面上的是这几样： 1）去年10月釜山那份贸易休战，原定11月10日到期，延长两个月到明年1月10日 2）两边同意建一个AI安全事件的沟通机制 3）中国要送两只大熊猫去亚特兰大动物园（什么时候能轮到我们旧金山动物园？） 不过没有联合记者会。最难的那几样，芯片管制、稀土、台湾、伊朗、贸易结构，确实一样都没动。 那为什么呢？首先就是因为桌上的东西已经没法对半分了。关税可以你让五个点、我让五个点，芯片、稀土、台湾不一样，两边都觉得今天让出去的不是钱，是十年以后的位置。谈得再久，也造不出一个双方都肯接受的中间点。 其次，信用不够。据会前的报道，5月Trump访华时宣布的一批采购和订单，有一部分落实得不如预期。上一份还没兑现完，谁都不愿意再签一份更大的，于是新承诺越缩越短，最终缩成1、2个月的延期。 最核心的是，两边都觉得时间在自己这边。重大突破通常不是出现在关系好的时候，而是出现在双方都认为不成交的代价比让步更大的时候。现在还没到这一步，最合理的结果就是，别重新打起来，也别指望现在解决根本问题。 而且鸡同鸭讲，有些问题连问法都不一样。Trump说AI就让它保持现在的样子，习近平说必须保持人类对AI的控制。一个问的是怎样别让监管拖慢技术，一个问的是怎样让技术始终受管理，问题还没对上，规则就无从谈起。台湾也是，北京希望美国从“不支持台独”往前走到“反对台独”，美国驻华大使David Perdue说，美国的政策没有变化。 但我最想说的是，个人外交是有上限的。这两位都偏爱领导人对领导人、关起门来拍板，外界也总期待两个强人一锤定音。我写过我们为什么总期待伟人，这就是那种期待的国际版。可两个人在一间屋子里说好，改不了背后两整套东西。美国的台湾政策绑着《台湾关系法》、国会和盟友；北京那边，台湾是它自己几十年叙事里不能松口的地方，那套叙事也不是一个人在屋里一句话就能改的。 而美国这一边的约束，我觉得恰恰是好事。一笔约140亿美元的对台军售一直搁着没批，Trump自己说，这是一个很好的谈判筹码。一个总统再想做交易，也不该能把两千多万人的安全拿去一口价成交，真要有什么能拦住这一步，不会是谁的好意，只能是国会、法律和盟友这些他绕不开的东西。 所以这三天也许已经谈出了能谈出的东西，不是一份大协议，而是把冲突控制在两边都还能继续过日子的范围里，11月在深圳、12月在迈阿密接着见。没有联合记者会，两边各自回国讲自己的版本，这本身就是最真实的结果了：两套完全不同的世界观，暂时还在努力不打起来。

# 《硅基自然》第二季·第一集：回潮 月末到了，新草原的额度也见了底。这一次，雷声从来时的方向传来。 最先察觉的仍是那只秃头的成年程序员。 它在 Codex 的水草间抬起头，朝旧草原的方向望去。风里飘来一张截图：一根柱子比其他柱子高出一截，下面是几千条转发，每一条都在说同一句话：“它一次就跑通了。”没人知道“它”跑通了什么。这不重要。在这片土地上，传言本身就是雨季。 迁徙开始了。 和上一季不同，这一次它们带上了 AGENTS.md。几只年长的个体在出发前做了一件奇怪的事：它们在原地给 AGENTS.md 建了一个软链接，取名 CLAUDE.md。动物学家认为，这是种群在反复迁徙中演化出的两栖器官。它们已经不指望任何一片草原是终点。 —— 队伍再次抵达马拉河。 鳄鱼浮了上来：“确定要取消订阅吗？我们为您保留了一份五折优惠。” 一只初次回迁的个体愣住了，这声音太熟悉了。研究者花了很多年才弄清楚，这条河里从来只有一条鳄鱼。它在两岸说同一句台词，只是换了配色。它从来只属于这条河。 河中央，它们又一次与反向的队伍擦肩而过。这一次，有一只停下来，多看了对面一眼。它认出了一个头像。上个月，它们在同一个 issue 下争论过，都断言对方的草原要完了。两只都没有说话，各自低头，继续渡河。 —— 天空中盘旋着秃鹫。 它们从不迁徙，也从不下河，只在两岸之间低空掠过，叫声短促：“官转，一比一，量大从优。” 秃鹫是这片生态里最晚演化出来的物种，也是扩张最快的。它们不长草，也不吃草。它们在两岸各养一批账号，把草嚼碎，按口分装，再卖给河里的动物，价格只要草原标价的零头。 沙洲上的草味道并不稳定。有时秃鹫说叼来的是对岸最好的那一片，嚼起来却总差一口气。秃鹫群里有一条置顶公告：“均为官方直连，如遇降智，请检查您的提示词。” —— 抵达的第一夜，旧草原的水源地挤满了。每个水洼前都竖着同一块牌子：Overloaded。成年个体见怪不怪，退到阴影里等着。它们知道这里的草长得快，被吃光得也快。每五个小时长出一截，每七天来一场小旱季。所谓水草丰美，从来都是分时段的。 然后它们找到了旧巢。 上一季匆忙遗弃的 CLAUDE.md 还在原处，已经长满了过时的指令。入口处刻着一行醒目的字：“永远不要修改 migrations 目录。”没有一只个体记得为什么。它们犹豫了一下，没有删。在这片草原上，没人敢拆一道不知来由的栅栏。 草原不认识它们，它从不记得任何回来的动物。于是每一只都蹲下来，把自己的项目结构从头讲了一遍，就像第一次来时那样。 —— 镜头里出现了一只今年才出生的幼体。 它从没手写过一个 for 循环，不知道什么叫迁徙，只知道跟着前面那条尾巴走。它学会的第一个词是“continue”。它以为世界本来就是这样摇晃的。也许它是对的。 —— 我们再次找到了那只年长的雄性。这是它第十一次迁徙的回程。 走到河中央时，它背上那个没跑完的 agent 任务忽然安静下来，吐出一行字：All tests passed. 它站在齐腰深的水里，愣了很久。它说不清这个任务是在哪一岸完成的：一半上下文吃的是这边的草，一半是那边的。它也终于意识到，从头到尾，背上的东西从没关心过它往哪里走。 它卸下那个任务，背起下一个，继续往前走。 —— 草原会轮换，鳄鱼会换装，秃鹫散了一群又会来一群。唯一不变的，是月初的雷声和月末的回潮。 这就是硅基自然的法则。

暑假去亲戚的图书馆里帮忙，顺便蹭个社会实践盖章。 那天的工作内容是按序号整理还回来的书。 我抱着一摞书，从第一本开始，一本一本往书架里插。 干了十几分钟，旁边阿姨看不下去了 你这样得弄到啥时候去？ 她从我手里随便抽了一本书。 你看，你随便拿本书，编号比它小的放这边，大的放那边，然后两边再各自这么弄。 我突然想起来自己简历上的“熟悉常见数据结构与算法”，感觉前途一片灰暗。