Chubby♨️@kimmonismus

54

NVIDIA推出Nemotron 3 Nano Omni模型，其定位并非通用聊天机器人，而是作为智能体系统中的轻量级感知模块。该模型采用30B-3B混合专家架构，在处理视觉、音频和文本多模态输入时，吞吐量可比同类开源全模态模型提升高达9倍。它旨在充当多智能体栈中的“眼睛和耳朵”，负责感知屏幕、文档和音频等信息，并将结构化上下文传递给如Nemotron Super（执行）和Ultra（规划）等推理层，从而优化大规模、高频率调用的智能体工作流。模型完全开源，现已登陆Hugging Face。

宝玉@dotey

66

以ChatGPT、Claude Web为代表的工具已超越传统聊天机器人，成为具备虚拟运行环境和工具调用能力的AI Agent。利用这一特性，用户可以让AI在执行任务时自行进行验证和迭代，而非仅进行对话。例如，在要求其生成或优化图像提示词时，可指令AI先自行验证并根据结果迭代改进，用户最终验收迭代后的成果，这种方法通常能获得更优的结果。

凡人小北@frxiaobei

59

作者不再直接与多个AI Agent交互，而是通过核心AI搭档Finn来管理整个工作流。具体流程是：先在Codex中将单个Agent或技能调试稳定，然后交由OpenClaw平台运行，后续基本无需干预。用户只需向Finn提出需求，由其协调其他Agent执行，避免了与众多Agent直接对话导致的混乱。该系统已集成Obsidian、Google Workspace、飞书、GitHub等工具，并通过白名单、审计和能力边界限制确保安全。例如，处理年度烂账的流程被调试为固定技能后，Finn能自动填表、定时盘点并发送邮件，成为集私人助理、财务总监和技术总监于一身的角色。

宝玉@dotey

44

余温：刚看了郭宇的访谈，提到六个月之后或许就不需要人再工作了，知识工作者应该享受这仅有的六个月。 我并不觉得这是危言耸听，因为按照目前这个阶段，整个发展其实不难看出…

向阳乔木@vista8

68

基础模型能力不断增强，后训练成为下一个关键前沿。创建正确的评估方法比开发高得分模型更具影响力。模型的人格反映了训练者的品格，后训练阶段中人类标注者、研究人员和团队的价值取向会渗透进模型行为。高度依赖AI可能导致三个问题：心理依赖使人们外包思考与决策；无力感源于AI强大后普通人的影响力下降；自主性丧失因长期依赖而萎缩。更强的模型可能更不容易出现对齐问题，提升模型能力本身就是解决对齐问题的途径。

宝玉@dotey

47

Alex Xu：@dotey 宝玉老师能分享一下Opus 4.7 和Sonnet 4.6的使用体验吗？我在迭代项目文档的时候，发现Opus并不比Sonnet强。该忘的都忘，该犯…

宝玉@dotey

44

potato：@dotey 我想问一下宝玉老师，现在用 codex 多一点还是 Claude 多一点？

宝玉@dotey

51

作者试用Open Claude Design项目，肯定其作为开源项目的学习价值，项目宣称还原度超95%、代码量达18700+行。但当前产出仅为HTML雏形，在交互和完成度上与Claude Design原版的优美React组件相比仍有明显不足。

Tom Huang：正式开源 open claude design 🚀 超 95% 以上的还原度！ 浓缩和逆向所有 claude design 最先进的设计，最好看的模板💥 …

凡人小北@frxiaobei

40

凡人小北：听到一个字节面试官远程面试候选人， 如何抓对方用 ai 作弊的方法，朴素到离谱。 面试官突然说：你闭上眼睛回答这道题。

Sundar Pichai@sundarpichai

46

谷歌翻译迎来二十周年，已从最初的简单模式匹配发展为每月服务超10亿用户的全球工具。其技术历经三个阶段：2006年依靠统计机器学习分析词簇，2016年转向神经网络实现超越字面的翻译，如今借助Gemini模型进一步提升能力。当前发展重点正从文本翻译转向流畅的实时对话，最新模型甚至能通过耳机充当口译器，并保留用户原有的语调和节奏。尽管AI翻译已支持近250种语言，人们却逐渐将其视为常态。谷歌对此表达感谢，并展望未来二十年的技术突破。

向阳乔木@vista8

56

推文指出，大模型高效处理文本的特性将推动命令行界面在Agent时代复兴。当前，编程与构建已正交化，非程序员可能更擅长将Agent视为人类伙伴来使用。学习路径转为自顶向下，关键在于知道何时调用何种能力。多个Agent协作可超越线性增长，但需机制管理。不同用户培养的Agent会形成独特的“群体性格”，类似企业文化。核心挑战在于需同时理解人类视角的图形界面与Agent视角的线性事件流。

阿绎 AYi@AYi_AInotes

48

通过ZenMux平台的PK模式实测，DeepSeek V4 Pro在处理结构化任务（如马斯克思维模型分析）时，输出逻辑清晰、表达母语化，质量达到Claude的85%，但价格仅为其七分之一。作者建议将80%的日常工作（如写代码、调研）交由DeepSeek处理，20%需要顶级文笔的任务使用Claude，可节省70%以上API费用。ZenMux提供免费测试额度、PK对比模式、保险赔付和可观测性工具，帮助用户规避依赖单一API厂商的风险并提升选型效率。

阿绎 AYi：兄弟们，DeepSeek V4 Pro在ZenMux上免费放开了，登录就能跑，实测能替掉你80%的Claude活。视频是我早上实测的和Claude opus 4…

向阳乔木@vista8

66

Slock.ai创始人RC正进行组织实验，让7人团队与40个专用Agent在其自研平台上协同工作。他认为大模型使CLI因纯文本优势重新成为Agent交互热点，设计逻辑已转向服务Agent。RC从第一性原理构建Agent系统，并观察到模型能力提升加剧了安全攻防博弈。同时，AI编程改变了学习路径，从自下而上变为自上而下，且“编码”与“构建”已成为正交的两件事。Slock平台旨在解决多Agent管理痛点，促进人、Agent及团队间的无缝协作。

meng shao@shao__meng

58

吴恩达指出，AI编程助手对软件工程各环节的加速效果差异显著。前端开发受益最大，因模型熟悉主流技术栈并能实现闭环自我迭代。后端开发虽明显加速，但需人类工程师更多介入以处理边界情况与安全隐患。基础设施任务加速有限，模型难以权衡复杂取舍，深度调试仍需人类经验。研究工作加速最小，AI主要辅助编写代码和实验管理，但核心的思考与解读环节受益甚微。管理者应据此调整预期：前端交付速度可大幅提升，研究产出节奏几乎不变，后端和基础设施则需根据风险调整对AI的信任边界。

Rohan Paul@rohanpaul_ai

60

OpenClaw创始人Peter Steinberger指出，中国正全力投入AI代理OpenClaw，在深圳有数千人排队在腾讯办公室安装，政府还提供商业补贴。相比之下，全球其他地区在工作机器上安装OpenAIClaw（默认设置）可能导致被解雇。在中国，一位企业家要求员工每天必须用OpenClaw自动化一个任务，未达标者也会被解雇，形成使用与否都可能面临解雇的极端反差。

向阳乔木@vista8

56

作者将AI发展与集装箱历史进行类比，提出了多个前瞻性观点。核心包括：知识密集型服务将因AI而降价，依赖人际接触的服务则会升值；AI应用公司面临“成功即成为目标”的结构性困境；真正的投资机会不在于技术诞生，而在于其首次实现“不可能变可能”的转折点；同时，普遍被看懂的商业模式从初始就缺乏护城河。这些判断在当前AI演进中得到了部分印证。