Orange AI (@oran_ge)

Qwen 3.8 Max 发布了，我给他们写了一个公允的评价，可惜好像没被采纳，干脆发在这里吧 简单来说，还是挺不错的，高性价比 K3。 Cola 是一款具备永久记忆的 AI 搭档。她记得与你共同经历过的事，持续理解你的工作与生活，洞察你的愿望、兴趣、关系，帮你完成你想做的任何事情。 在Cola 这种具备超长上下文、超复杂的任务的 Harness，对大模型的能力要求极高。Qwen 3.8 Max 这个前沿智能模型，帮助我们实现了 Cola 「念念不忘，必有回响」的用户承诺，在用户社区中饱受好评

看完了梁文锋在最近一轮投资人会议上的语录 不愧为全世界最有格局的创始人... 记录下来一些非常触动我的，全文背诵学习... 1. 在通过 AGI 的路上，要经过产品这个台阶，但不用花太多心思，产品只是在 AGI 路上的副产物。 2. 3D、视频生成、世界模型，跟智能上限没有太大的关系。 3. 多模态很重要，但不是智能本身。 4. 大模型的幻觉是一个产品问题，可以解决，但不是重点。 5. 现阶段最重要的是 Coding Agent，通用 Agent，金融医疗等 Agent 优先级较低。 6. AI 现在不缺品味和直觉，缺的是持续学习的能力。 7. 人类能够持续学习，但 AI 还没有，下一代模型必须要具有持续学习能力。 8. 我们希望下一代模型帮助我们开发，这是实现 AGI 最快的方法，但「学习」有很多东西组成，目前全世界还没找到好方法。 9. 如果把 AGI 比作爬楼梯，去年的阶梯是 CoT，今年的阶梯是 Agent，之后的阶梯是持续学习。 10. 实现持续学习之后，可能会来到渐进的奇点，AI 可以开发更前沿的模型，加速 AI 研究，这部走完，才是具身智能。 11. 智能的重点可能是具身，因为对一个正常人来讲，他的需求并不是电脑，而是人力。 12. 我们只赚合理利润，非常考虑成本效率，所以价格能做到最低，卖 API 这件事，我们没有销售，也没有客服，用户自己就会来。 13. 我不怀疑 AGI 会有巨大的商业价值，我考虑的是如何增加做成的概率。 14. AI 在商业上做成，开源是有好处的，一个软件公司，市场一年就几十亿美金，一开源就没有了，但是 AI 这个事情足够大，最终可能得占掉人类社会 GDP 的 10%，如果想独占这个利益就一定会被历史抛弃，这是一个客观规律，这是一个历史观。 15. 开源对我们的商业模式没有任何影响，前提是「只赚一定的利润」，如果要赚百倍利润，开源确实会影响你。 16. 中国 AI 的差距主要在资源，我们相信 scaling，规模越大，效果越好，但资源就这么多，人才没有差距，都是同一批人。 17. Anthropic 超过 OpenAI，不是长期的，是阶段性的。OpenAI 和 Google 未来大概率会交替上升。 18. 国内模型公司太多了，资源分散，最终一定会收敛，如果每家只拿合理的利润，不需要那么多人做大模型，可能两家大公司，两家小公司就够了。 19. 我绝对不认为大模型公司可以拿走AI行业的大部分利润。 20. 大模型的竞争差距会体现在三个方面：成本、时间、用户体验。成本排第一位，时间早几个月就不一样，用户体验有些黏性和壁垒，但不本质。 21. 无意成为下一个超级app，看不上这个东西，不要为了芝麻丢了西瓜。 22. 去年大家都抢 Chatbot，抢 C 端流量，今年是抢 B 端收入，我们真正关心的是 AGI 路线图，下一步技术怎么突破。最想得到的东西得不到，没那么在意的反而容易得到。 23. 团队的稳定性是没法退让的，这是我们面临的一个非常大的风险，随着这次融资，也得到了解除（这是低利润模式必须的支撑） 24. 不想和任何人成为竞争对手，希望给他们赋能，帮助他们，这样我们的环境也会更好。 25. 我们一般不太加班，第一个原因是研究需要一个比较松弛的环境，第二个原因是我们非常聚焦，不去补产品的所有问题，也算一种克制的文化。 26. 公司是动态的，随着公司变大，可能会有一些必要的结构，但不会完成变成传统的层级制度。 27. 我们做这个公司，初衷没想要赚多少钱，要去上市。我们怀着一个对这个世界非常大的善意来做这个事情，觉得这对人类有用。 28. 我们是一个靠愿景驱动的组织，KPI 不是我们的组织方式，有好处也有坏处，但这个是我们的特色。 29. 愿景不是成文的，而是在做事的方法中，对待世界的态度里，可能我们每个人的理解也不一样，但大方向是一致的。 30. 一个公司最重要的是愿景，愿景不是挂在墙上的标语，不是怎么说，而是怎么做。 31. 克制是我们愿景里的一部分。AGI 之外的事情，我们没有精力就不做。AI 这个事情太大了，利益也太大了，随便分一点利益就非常大，你越克制，就越有可能做成这件事。除了愿景，我们并没有非常多的其他优势。 32. 开源也属于克制的一部分，从长期来说，价格低可能是优势，克制是一种战略。 33. 如果你的愿景是拿得多，你就先输了，你可能会面临更大的问题，这个世界就是这样。

谁不想要一个生活中的最佳拍档？ 与你同步，一起进化。 更快，更准，更懂你。 她，就是 Cola。 不知道大家是否喜欢这种剪辑，如果喜欢的话我们就公布 skill 给大家。

和藏师傅录制的这期播客《培养审美就是对自己的预训练》 播放过千了，完播率超过 50%。 对于一档订阅人数只有1000出头的播客节目，这个播放量是口碑传播不断分享的结果。 AJ 说她反复听了很多遍。 再次推荐给大家。

每次推荐自己当嘉宾播客就很不会写推荐语... 我果然还是 i 人 总觉得播客这种超过一个小时的讲述和社交媒体的短平快格格不入 anyway 众生皆苦，科技对此似乎毫无帮助。 橘座第四期，橘子作客《灯下白》，讲述自己从来北京上大学到自己创业的历程。 然后聊到未来AGI 之后，人类所处的位置，以及一个心底的问题： 如果技术没能让人类更幸福，那我们应该做什么？ 收听地址，点击下方链接或扫描图片二维码

Claude 封号封成这狗样 又是检测中转站，又是钓鱼邮件，又是中转站黑名单的…. 还在费尽心机坚持用官方号的朋友们 可以说是真爱了… 花钱用 token 还要偷鸡摸狗，这过的是啥日子啊 不过现在编程方面 codex 和 glm5.2 可以平替 claude 的模型了 写作和思考方面却没有一个能平替，deepseek 和 gemini 勉强能用，确实是个头大的问题

最近拿到一台 vivo X Fold6 测试。 测完之后最让我上头的功能叫原子工作台。左边开小红书，右边开我做的这个笔记 App，看到喜欢的东西，拖过去就自动成了笔记。 整个过程不用切 App，不用复制粘贴，不用截图发给自己。非常方便。 之前一直有个痛点，刷到有用的内容，要么截图发给自己，要么复制到备忘录里再整理，碎片信息散落在各处，回头找也找不到。我就想，既然 Fold6 能分屏，为什么不干脆 vibe coding 一个笔记 App 呢？ Fold6 这个原子工作台，能以任意角度分屏，组合任意的窗口，这个 app 就是为专门为这种“边看边收”的场景做的。 折叠屏的价值其实不是窗口变大，而是一块屏幕上同时开着多个窗口，人不用来回切换，不用切换 context。 现在左边看，右边收，随手拖进去就是一条结构化的笔记。信息一边收集一边整理一边归档，整个流程一气呵成。 体验下来 Fold6 可能是手机中最佳AI搭子，还有为大屏专门设计的OS系统OriginOS 6 Fold。大屏让 AI 的输出有地方放，分屏让 AI 和你的操作可以同时进行，不用来回复制粘贴。 还有一个特别实用的点，你可以把这个工作流一键保存到桌面，成为一个快捷方式。后面随时点一下就能快速打开这个组合，直接用。你设置好之后，以后每次想用的时候一秒就能调出来，非常省事。 这种随时拖、随手整理的方式，能极大提升生产力。

每次搬家都要处理几天下水道反味这样的事情 似乎上一家的租客们都不在意这些东西 让贝壳的人来修，每次都用最烂的物料，修完几天就又坏了 最后的结果就是自己掌握了完整的下水道治理技能（和供应链 最初我以为这些东西我觉得没啥人关注，但发完上面的吐槽后，一堆朋友来求分享推荐，看来竟然是普遍问题。。。 于是我就把踩坑经验写了下来... 1. 一般淋浴间的最常见也最好解决，换地漏芯，要舍得花钱...其实也不贵，30块钱。这个要密封的同时要保证排水畅快，我买了很多个之后发现潜水艇那种牌子的不如苏泊尔的好，就一直买它了，这种要一两年换个新的 2. 洗衣机地漏，需要加一个洗衣机接口，同时排水量要相当大，这是最满意的一次，用了三年，非常好用，没有任何堵塞和味道。也是最贵的 70多，这个真的很完美 3.洗手池和厨房的，竟然很多没做S弯，需要加一个（图3）还有一个解法是在最下方的接口加密封塞，这个我昨晚美团外卖随便买了个塞住了，完全没味道效果好，见图4，这个设计真的绝了，各种牌子都是用的同一个模具，设计最妙的地方在于，它适配了各种管子不标准的问题... 一般维修公司的物料成本也就1块钱，自己买虽然贵，但是反味儿关乎健康，值得。 单纯分享，利益相关：无。

看到即梦上的新模型这么贵，联想到最近总结出来的一个ROI 定律。 大模型训练和使用都遵循 ROI 定律 今天大家都去做coding和短剧 就是因为 算力、精力、时间有限的情况下，RL 肯定选择价值最高的场景，不会去做价格很低的场景。 我们把职业按照GDP占比来排序，排在前面的一定是会被最先训练出来的，这正是 OpenAI 研究员选择领域的方法 用户使用也是如此，模型这么贵，只有 ROI 算得过来才有人用。 这些工具看起来人人可用，其实卷的是用工具创造真正价值的能力。 如果不能创造价值，只是玩，那要么特别有钱，要么一时脑热，无法持续。 然而今天的 AI 还是处于「替代阶段」，还没有到「发现新价值」阶段，后者才是新的增长点。

声音模型的 Seedance 时刻，终于来了 今天我体验到一个全新的声音模型，跟以前所有的声音模型都不一样。 以前的声音模型一般叫 TTS（文本转语音），它们只能根据你给的文本来合成语音，它更像是一个朗读机器，而非智能声音模型。 但这个新模型，可以根据你的想象，生成一切你所需要的声音，包括人声、音乐、音效、环境音，以及这些声音里所富含的那些不可言说的微妙细节。 它的名字名字叫：豆包音频生成模型 Seed Audio 1.0。 在我看来，这就是声音模型的 Seedance 时刻。 就像香蕉是人类第一次将智能赋予图像，Seed Audio 是人类第一次将智能赋予声音。 接下来，就让我们一起听听它到底有何特别。 推特不能发音频，可转至公众号来听

OpenAI 发布的新论文太有趣了，有点探索人性底层原理的意味。 业界研究发现在对齐大模型的时候，有个很糟糕的现象叫 emergent misalignment（涌现失调）： 一个模型如果在训练时被教着做一件坏事，比如写不安全的代码，它会自己泛化到其他领域，包括健康、教育、科学、法律等等。也就是说，坏行为会被泛化。 OpenAI 把问题反过来想：那好行为会不会也泛化？ 如果训练模型在一个领域表现得诚实、透明、谦逊、可纠正，它会不会在别的领域也变得更好？ 于是他们造了一批贴近现实的对话数据，专门测这些特质： -诚实 -认知谦逊（epistemic humility，就是"我不确定"的时候能说出来） -元认知透明（能解释自己的思考过程） -可纠正性（corrigibility，被指错能认） -普遍的公平 -对人的关心 数据覆盖健康、教育、科学、法律、工程这些领域。 然后用 RL 训练，只混进去一小部分这种数据，其余还是常规训练数据。 实验结束后，有三个核心发现： 第一，在训练领域内，模型确实变得更诚实、更透明、更容易认错。 第二，在训练领域外，44 个独立的、训练时没见过的评测上，模型都变好了。欺骗、谄媚、reward hacking、有害建议……全都降了。甚至就算只拿健康数据训练，非健康领域也变好了。 第三，这种改变在对抗压力下时也表现得更有韧性。不管是 adversarial prompt 还是恶意微调，都更难把它推向坏行为。而且模型并没有变得"不可塑造"，正常指令它还是听的，只是对坏的方向变固执了。 这篇论文的启示是，RL 不仅可以强化代码，也可以强化道德。 也许对齐超级 AI 没有想象中那么复杂，只对齐底层逻辑就有很好的效果。 这跟人是很像的，人的各种行为在其底层存在一致性，通过一些小事就能看到一个人的底色。 很有意思。 论文地址：

今年 618 有点冷清 好像没什么电商广告，也没什么购物短信... 只有 AI 软件在促销 我们也凑个热闹吧 ListenHub 现已全面升级为 AI 创作者平台，接入了 Seedance 2.0、HappyHorse、GPT Image 2、Nano Banana Pro 等顶级的视频和图像模型，价格也很优惠。 今天开始为期一周的 618 + 端午节限时福利 🥳 1. ListenHub 订阅月费/年费会员，额外加赠送 50% 积分 2. 新用户注册立即赠送100积分 3. 老用户每日签到可免费获得 2 张生图额度 以上活动，限时7天，不要错过。 如果错过的话，就是黑五见了哈... 在这里参与活动：