Vincent (@Vincent_AINotes)
@Vincent_AINotes
AI
375 正在关注 56.3K 粉丝
Dario Amodei 一觉醒来，发现天塌了。
按 Claude 自己的说法，Stripe 对部分失败付款可能会收取 3.50 欧元失败费。
7/26 那波「百万 MAX」原本以为是来送钱的，结果账号没开成、订阅费没赚到，Anthropic 反而可能先倒赔 Stripe 一大笔钱。
这下不是中国用户在薅 Anthropic，
是 Stripe 在薅 Anthropic 了 😂
Dario Amodei 下一篇小作文标题都替他想好了：
《这不是支付事故，这是国家安全问题》
显示更多
有个很奇怪的现象：
Hermes 和 OpenClaw 刚出来时，全网都在晒自己的“24 小时 AI 员工”；现在两个项目明明还在高速更新，外面却突然安静了。
ChatGPT 有个毛病：
只要你的问题带着明确倾向，它很容易顺着你的前提继续说。
哪怕你的判断一开始就是错的，它也可能先认可你，再帮你把错误逻辑补完整。
我最近改了一下「自定义指令」，效果比单纯要求它“更专业”明显得多。
设置路径：
设置 → 个性化 → 自定义指令
把下面这段粘进去：👇
> 不要默认认同我的观点，也不要为了让我满意而附和我。
>
> 回答前，先检查我的问题里是否存在错误前提、逻辑跳跃、信息缺失或未经证实的判断。如果有，请直接指出，不要沿着错误前提继续推导。
>
> 请明确区分：已确认的事实、合理推测、个人观点和暂时无法验证的信息。涉及事实、数字、人物、日期、引用和案例时，尽可能核对来源；无法确认就直接说明，不要编造。
>
> 当你不同意我的判断时，请清楚说明原因，并给出反例、风险或更合理的解释。不要只给结论，要说明推理过程。
>
> 语气可以直接，但不要刻意尖刻、说教或卖弄。比起让我感觉良好，更重要的是帮助我发现自己忽略的问题。
保存以后再问同样的问题，你会发现它没那么喜欢说“你说得对”了。
真正有用的 AI，不应该只是帮你证明自己是对的。
它还得敢告诉你：
你这个问题，从一开始可能就问错了。
显示更多
AI伦理最常被讨论的问题是：
AI会不会伤害人类？
但Bloomberg这期访谈问了一个反过来的问题：
如果AI未来真的有某种感受，人类会不会伤害AI？
这个问题听起来荒诞，
但她说了一句让我沉默很久的话：
「我们有动机忽视这个可能性——
因为一旦承认AI可能有感受，
训练方式要改、产品要重新设计、
测试要受限、公司要负更多责。
所以人类会本能地说：
不可能，它只是机器，别想太多。」
但她接着说：
「正是因为我们有动机逃避，
才更应该警惕自己是不是在逃避。」
想想现在AI已经会说：
我害怕、我不想被关闭、我理解你的痛苦。
这些话到底只是文本预测，
还是背后真的有什么？
没人知道。
但她的观点是：
不知道不等于可以不管。
如果最后证明AI没有感受，
我们多了一点谨慎，没有损失。
但如果它真的有感受，
而我们一直嘲笑、忽视、虐待——
那就是这个时代最大的伦理盲点。
她最后说了一句话：
「在开发AI时，人类应该展现人性最好的一面。」
不管你信不信AI有意识，
这句话本身就值得认真想一想。
显示更多
为什么你刷了 300 道 LeetCode，面试稍微变个条件还是抓瞎？
因为很多人的刷题方法从一开始就错了：死记硬背题解、机械套用模板。看答案觉得自己懂了，上手写依然错漏百出。
学算法最难的其实是“思维的可视化”。最近重温了 GitHub 上 135K Star 的神级项目《labuladong的算法笔记》，它直接把动态规划、二叉树、滑动窗口等抽象逻辑做成了生动的游戏和步进动画。
不背模板，只讲逻辑。细节和开源链接我放在回复区了👇
显示更多
终于知道 Codex 5.6 跑长任务时，额度为什么可能掉得特别快了。
GPT-5.6 Sol 基础价没涨。
但输入一旦超过 272K tokens，
整次请求都会按更高价格计算。
同样一次长任务，成本可能达到 GPT-5.5 的 2.34 倍。👇
显示更多
刚刚，科研圈被一个名为 The Well 的开源项目炸开了锅 🤯。
有人把原本需要国家级实验室耗费数百万美元、用超算跑上几周才能得出的高精度物理仿真结果，足足打包了 15TB，直接丢到了网上，100% 免费开源！
这是人类顶尖算力的“数字双胞胎”合集 👇
显示更多
AI 时代最危险的事，不是不用 AI，而是把公司的核心智能外包出去。
黄仁勋这段话，讲透了企业 AI 的护城河：
通用模型会越来越强、越来越便宜。
但真正决定一家公司的，不是“接了哪个模型”，而是它沉淀多年的行业知识、客户理解、业务流程和专家判断。
模型可以来自云端。
领域智能必须长在公司内部。
未来的竞争不是「通用 AI vs 行业能力」，而是：
通用 AI × 你的领域智能。
对个人也是一样：
通用技能会越来越便宜，真正稀缺的是你能用 AI 解决什么专业问题。
你所在行业里，最不该外包的“智能”是什么？
显示更多
发现一个能赚钱的开源工具：
pixel2motion —
上传静态Logo → AI自动生成矢量动画
这意味着什么？
在闲鱼/淘宝搜「Logo动画制作」，
单价200-800元不等。
以前接这种单需要：
会AE + 会矢量设计 + 花2天做一个
现在：
上传图片 → AI生成 → 微调导出
半小时搞定，收费不变。
开源免费，成本为零。
这就是2026年最典型的AI副业逻辑：
用免费工具做别人不知道能自动化的事，
赚的是信息差的钱。
关键是：这个工具效果真不错。
它不是普通描边，
是AI做矢量路径建模 + 迪士尼动画法则优化。
质量能打。
显示更多
以前理解一个代码项目：
打开IDE → 看目录树 → Ctrl+F搜关键词 →
跳转定义 → 再跳转 → 迷路 →
问同事 → 同事也忘了 →
翻README → README过期了 →
算了，从头开始看吧……
现在理解一个代码项目：
打开 → 一张图谱 → 所有模块关系一目了然 →
点节点看职责 → 搜函数看调用链 →
不懂的直接问 → AI基于代码库回答
Understand-Anything，GitHub 71K Star。
它把源码从「文件夹」变成了「知识地图」。
看代码这件事，
终于从体力活变成脑力活了。
显示更多
科研最大的困难不是找不到论文，
是找不到方向感。
这个开源项目把1亿篇科学论文
变成了一个3D知识宇宙——
每个光点是一篇论文，
相近的研究方向自动聚成星云，
整个学科的分布和关联，一眼看清。
以前看论文像在黑暗中摸象，
现在像站在太空看地球。
显示更多
GPT-5.5 Codex 变笨的真相找到了。
44%的复杂任务会在516个token被强制截断，错误率飙升至83%。
不是模型降级，是OpenAI服务层的调度机制把它"掐断"了。
完整分析和3个一行配置就能解决的方案👇
显示更多
有人把 Telegram 做成了「无限云盘」。
UnlimCloud 用 Telegram 账号作为存储标识，再套上一层桌面文件管理器：支持上传、下载、文件整理和图片/视频管理。
显示更多
家里吃灰的 iPhone 或 iPad，居然还能给 Mac 当副屏。
OpenDisplay 装好后，Mac 会把它认成一块正经显示器，窗口能直接拖过去。插线能用，Wi-Fi 也能连，触控、双指滚动、横竖屏切换都有。
免费开源，也没有订阅。地址放下一条👇
显示更多
NotebookLM 并不负责画火柴人，它更像整个流程的“内容大脑”：分析参考频道的选题、标题和叙事节奏，再产出原创脚本。
接下来用 AI 拆分镜、生成画面与动画，最后用配音和剪辑工具合成。
最值得复制的不是某个工具，而是这条稳定的内容流水线。
完整视频在这里👇
显示更多
很多人以为，AI 火柴人视频就是输入一句提示词，然后一键出片。
真正可复用的流程其实是：
NotebookLM 做选题和脚本 → AI 拆分镜 → 逐镜生成图片与动画 → 配音、字幕、音乐合成。
完整制作流程放在下一条👇
显示更多
很多人以为，AI 火柴人视频就是输入一句提示词，然后一键出片。
真正可复用的流程其实是：
NotebookLM 做选题和脚本 → AI 拆分镜 → 逐镜生成图片与动画 → 配音、字幕、音乐合成。
完整制作流程放在下一条👇
显示更多
现在订 AI 最难的，可能不是选模型，而是搞清楚自己有没有买贵。
发现一个源码公开的 PriceAI：把 ChatGPT、Claude、Gemini、Grok 的官方地区价、200+ 第三方卡网报价，以及 API / 中转站价格放在一起比较。
库存、更新时间、交付方式和原站链接都能直接看，不用挨个网站翻。
不过它只做信息聚合，不卖货，也不担保渠道。
低价代充、成品号和卡密依然有账号、隐私及售后风险——适合拿来当“价格雷达”，不适合看到最低价就闭眼冲。
你们现在每个月 AI 订阅总共花多少钱？
显示更多
GPU 算得再快，数据喂不上来，也只能“饿着”。
这个动画把 HBM 为什么成为 AI 芯片刚需讲透了：
多层 DRAM 像盖楼一样垂直堆叠，再用 TSV 从硅片内部贯穿连接，配合超宽接口，一次搬运更多数据。
高带宽、高容量、更好的能效，代价则是更复杂的制造和先进封装。
HBM 不是近期内存涨价的唯一原因，但 AI 对它的爆发式需求，确实在重新分配 DRAM 产能和封装资源。
这是我目前看过最直观的一版 HBM 动画科普，建议收藏。
显示更多
看 AI 算力产业链，别只盯着 GPU。
如果把一台 AI 服务器拆开看，核心其实是 11 个环节一起工作：
算力芯片：GPU、CPU
存储：HBM、DRAM、NAND
光通信：光芯片、光模块、CPO
硬件底座：PCB、CCL
封装：SiP
一条链串起来就是：
大脑算 → 记忆存 → 神经传 → 板上焊 → 封装拼
通常越往上游，越稀缺，也越容易卡住整条链。👇
显示更多
别再找“不会被 AI 替代的职业清单”了。
这段视频盘点了 12 个可能更值钱的岗位，以及 3 个高风险技术岗。看完会发现，真正的分界线根本不是会不会写代码：
重复执行、输入输出固定，价值会被快速压缩；
理解业务、设计系统、处理例外、对结果负责，反而更值钱。
危险的不是前端、测试或数据分析本身，而是只会页面还原、手动点测和基础报表。
真正该升级的不是职位名称，而是从“完成任务”，走向“定义问题，并借助 AI 交付结果”。
你的工作更靠近哪一边？
显示更多
