技巧与观点

摩根士丹利估计，到2028年全球数据中心建设资本支出约2.9万亿美元，资金来源包括超大规模企业现金流1.4万亿美元、公司债2000亿、证券化信贷1500亿、私人信贷/资产融资/合资债务8000亿等。AI资本支出愈发依赖信贷，损失可能超出股东范围。NYU教授Damodaran指出，与互联网泡沫不同，AI资本支出规模史无前例且大部分由债务融资（尤其是私人资本），一旦调整，违约和困境将蔓延至整个社会，而非仅股东受损。

关键AI模型的API价格（美国 vs 中国）对比显示，中国在模型 token 价格方面简直无敌，与西方公司和模型不在一个水平线上。

codex，每隔一段时间，就打开一些你觉得有趣的标签页，然后把它们留在我的Chrome浏览器里。

swyx 称 Anthropic 将以 2 万亿美元估值 IPO。与此同时，AlphaFold 团队负责人 John Jumper 在任职近 9 年后宣布离开 Google DeepMind 加入 Anthropic。

我怀疑企业低估了使用更高智能的价值，即便在较弱AI似乎能以更低价格达成KPI的任务中也是如此。 至少应构建能灵活尝试更智能模型的架构，看看是否会带来不同。

另一个指数级增长，来自 Artificial Analysis。 几乎是整个领域都在同时向上移动。 OpenAI、Anthropic、Google、xAI、Meta、DeepSeek、Alibaba、Mistral、Kimi 等公司现在*相互之间的聚集程度*比两年前更紧密了。鸣谢 @ArtificialAnlys

NYU Stern商学院教授Aswath Damodaran对比互联网泡沫与AI泡沫：互联网泡沫几乎无大规模资本支出，且主要由股权融资，崩盘时股东损失60%-90%，损失仅限于股东。而AI泡沫的资本支出规模为历史罕见（类比100年前的汽车行业），且大量由私人债务而非银行资金驱动。一旦市场修正，企业违约将蔓延至全社会，比股价暴跌更痛苦。他以2008年危机为例，警告放贷者过度放贷的连锁风险。

成本管理技巧💡 在工作区上叠加多个推理预算，具有不同的重置周期：

使用 Claude Code 的一个酷炫方式：破译线性文字 A，一种来自克里特岛的 3500 年前的书面语言。 https：//aiclambake.com/clamtakes/linear-a/ 希望这能经得起同行评审！🤞

Nathan Lambert引用hlntnr的推文，用森林怪物比喻解释Anthropic的AI安全世界观：他们认为存在巨大且危险的怪物（超级智能风险），其他竞争者为了宝藏不顾危险，而Anthropic选择派出自己的先遣队，更快更深入地进入森林，投入大量资源进行怪物控制和驯服，并向外界报告发现。这种策略虽然逻辑自洽，但也让外界质疑其是否疯狂或说谎。

最新研究表明，过度依赖AI工具会导致医生和软件工程师技能退化。波兰一项针对内镜医生的研究发现，在使用AI辅助后，无AI支持时腺瘤检出率从28.4%降至22.4%。美国医疗工作者调查显示，70%的护士和77%的医生担忧因依赖AI而丧失技能。Anthropic对52名软件工程师开展了随机对照试验，考察AI对编码能力的影响。研究人员指出，AI驱动的"技能去化"已在医学和计算机科学领域出现，但目前尚无成熟的应对方案。

你的很完美，大模型的气味吓到我了。

主推文指出研究SFT方法的人仍然不足，尽管它是后训练的关键基础且实证文献有限。引用推文介绍了一项系统性研究：团队针对大量客户模型，在dense和MoE两类模型族（参数量达235B）上，每次只变动一个SFT杠杆，使用4个真实客户数据集，每个数据集配有与客户合作数周构建的评估，且训练输出直接为通过该评估生成，从而使监督目标与下游度量标准一致，消除了常见混淆因素。该研究旨在为微调提炼最佳实践。

OpenRouter是托管路由网络，买credits后通过一个API路由至70+供应商，自动故障转移，无需自有密钥；覆盖300+模型（含20+免费），按用量收费（零加成+5.5%平台费，首100万免费），支持零数据保留和欧盟路由。Portkey是AI控制平面（2026年被Palo Alto收购），置于用户密钥之上，增加治理、提示管理、护栏和可观测性；提供1600+ LLM统一API，按日志计费（Developer免费，Production $49/月），支持HIPAA、SSO、私有部署。两者均可组合使用。

宝玉分享 baoyu-design Skill 的迭代过程：用户测试发现导出问题（样式表未铺满整页、渐变色丢失），他在本地复现后让 Agent 分析原因、给出解决方案并添加测试覆盖，修复后效果改善。该 Skill 可在制作 PPT、动画视频或网站时调用 AI 生图配图，支持 Codex 内置画图或配合 baoyu-image-gen Skill 调用 Codex CLI 画图，并能连同图片一起导出为 PPTX，在 PowerPoint/Keynote 中二次编辑。迭代循环：自己用 → 发现问题 → 让 Agent 分析 → 出方案 → 确认 → 更新 Skill。

OpenAI 正式推出 Codex for Open Source 计划，为开源项目维护者免费提供 6 个月 ChatGPT Pro（含完整 Codex 权限）及专项 API 额度，总价值 1200 美元。无硬性 Star 门槛，个位数 Star 的小项目也可申请。申请需说明具体维护工作、项目真实影响力及资源使用计划。审核采用 AI 加人工滚动处理，通过率较高，整个过程零成本，约十分钟即可完成。

哈哈，绝了，通过提示词注入让那些通过 AI 提交 PR 并且不人工审查的现出原形！

智能的一种定义是样本效率，但近年AI进步主要靠扩充数据分布和增加算力。强化学习本质是合成数据生成--投入大量算力通过验证器筛选"好"数据，再训练模型预测正确输出。这一过程需要每个领域和技能的海量人类专家示例，数据行业年收入已达数十亿美元。近日Epoch报告，开源模型仅落后前沿闭源模型4个月，原因在于数据可从公开API蒸馏，而超参数等不易复制。人类一生接触约2亿token，前沿模型训练在数十到数百T token之间，相差近百万倍--机器人、自动驾驶等领域同样存在巨大效率差距。

gemini3还是不行啊，怎么把白条识别成泥鳅。。 影响我的钓鱼记录App 😂

对"循环工程（loop engineering）"趋势有许多想法。 我用我的写作智能体花了几分钟总结了我的一些研究、笔记以及与学生们、创始人们和初创公司的讨论。 还处于非常早期，但智能体的新工作方式即将出现，能力将有阶跃式变化。