🔥 Search Hot Tweets
Search and analyze hot tweets from KOL accounts list (list: https://x.com/i/lists/1961235697677017443) within 6 hours. Use SoPilot plugin to quickly comment and occupy the comment section.
AI 如同电力，关键不在于谁能造出最亮的灯泡，而在于是否能建成覆盖全社会的“电网”。对普通人来说，包括程序员，真正的指数级机会不是在造模型端，而是在电网端：如何建立一套社会、技术与制度共同组成的网络，让智能像电力一样可靠、普及、隐形地运行。没有电网，AI 只能停留在少数人的炫目演示里；有了电网，它才能成为支撑下一阶段文明的底层基石。 AI as Electricity: Turning High Voltage into Everyday Use https://t.co/6Do2TLkL07
这个月参加了很多大会，见了不少人，跟去年不一样的是都开始谈“all in AI”。 现在一听到“all in AI”这个词我就脑瓜疼。 我对 AI 本身没什么疲惫感，主要现在很多企业喊得太轻巧太空洞了。 组织在用一种“只要喊了就算做了”的方式， 假装在变革。 但其实谁都知道，那些真正该动的地方一个都没动。 从组织角度讲，我看到的大多数所谓 all in，更像是一种花活，写一堆 MCP，挂个 AI 模块，接着开个发布会，发个 pr。 然后自我感动地告诉全公司，我们已经拥抱未来了。 那这个时候我就会很认真去问： - 那你们的数据打通了吗？ - 你们把原来的流程拆了吗？ - 你们给 AI 真的分配了决策权了吗？ 回应基本就是沉默或者支吾。 说说我的看法，我现在特别警惕也特别反感那种技术热词主导的战略决策，它们太容易让人放弃思考、放弃怀疑并且放弃责任了。 一个人， 只要说 all in AI，好像就赢了； 只要说未来都得靠 AI，好像就站在了浪潮前面； 但实际呢？根本没构建任何 AI 能跑得起来的组织环境，也没有准备好用 AI 重新定义自己手里的权力、工作方式和判断逻辑。 仅仅只是站在原地，举着一个闪亮亮的口号，把自己骗得很开心而已。 真正的 all in，永远是疼的。 需要从最熟悉的系统里抽出骨头，打断惯性的思维方式，然后忍受混乱和不确定； 需要愿意承认“我原来那个流程是错的”、“我原来那套认知已经落后了”； 是必须对团队说：“我们从今天起不再靠人盯数据，而是相信模型先跑一轮”； 而不是说“我们接入了某某 AI API，所以从今天起我们变成 AI 公司了”。 我更愿意看到那种不说 all in，但确实把 AI 真正干进系统里的人。 比如医生端的文献检索系统重构，让医学知识能被自然语言查询和落地辅助决策， 比如客服系统不再是死板脚本，而是有记忆、有学习能力的半自动应答流程， 比如原来要三轮审批的工单系统，现在可以直接通过 AI agent 做前置分拣与聚类分析。 这些可不是 showcase，是一个组织真正动了肌肉骨骼，而不是给自己贴了个 AI 贴纸。 所以当我再听到有人说“我们也准备 all in AI 了”的时候， 我会忍不住想回一句：你准备 all in 的到底是什么？ 是未来，还是自我安慰？ 是能力体系的更新，还是一种不能落后的集体焦虑？ 如果只是想借 AI 节省人力，那最后省下的不是成本，可能是整个系统的进化机会。 如果不想改人、不想改流程、不想改决策逻辑，那就别说 all in，真的没那么便宜的。 深夜的一点想法，写得有点重，但是真心的。 AI 是很酷，但别让它变成了又一个“喊完就算做了”的口号。 我们都值得一点更真实的变化。
如何判断一个赛道是否拥挤 你就看同行的定价就知道个差不多 一套试卷，如果答题的都是尖子生，那答案就都大差不差 如果答题的都是差生，答案就千奇百怪 凡是定价整齐划一的，比如国内 20-25w 的新能源汽车市场，那就是高手如云，刀光剑影 凡是定价稀碎的，一人一个样的，比如国内某平台的心理疗愈赛道，那就是菜鸡成群，一顿胡搞 如果你懂定价，你会觉得毫无竞争可言，整个赛道就你一个人
向阳乔木
SWE-Bench Pro：AI编程能力的“照妖镜“来了 Scale AI推出了目前世界最难的AI 编程能力测试数据集 SWE-Bench Pro 之前最流行的是SWE-Bench Verified SWE-Bench Pro和以往的测试集有什么不同呢？ 第一，特别注重防“数据污染”（也叫数据泄漏）。 很多 AI 模型在训练时，可能已经见过评测用的代码，这样成绩会虚高。 SWE-Bench Pro 用强版权开源项目（比如 GPL，出于合规，代码训练很少用）和私有代码库，这些代码很难被模型提前见过。 这样能更公平地测试 AI 的真实水平。 第二，任务多样，覆盖消费级应用、B2B服务、开发者工具、UI/UX等各种类型。 不仅仅是修 bug，还包括新功能开发、性能优化、安全更新、界面改进等。 每个任务都要修改多行代码，涉及多个文件，难度远高于普通测试集。 第三，SWE-Bench Pro 没有把那些描述不清或难度大的问题删掉。 相反，专家会补充说明，把问题描述得更清楚，但仍然保留原有的技术挑战。 这样更贴近真实开发环境。 评测时，AI 需要同时做到两点： ① 解决指定的问题，让新的Test Case能通过 ② 不能让原有功能出错，全部旧的Test Case也要通过。 只有同时满足这两个条件，才算真正“解决”了问题。 数据集分为三部分： ① 公开集：含 731 个任务，全部来自开源项目，成绩公开展示。 ② 商业集：含 276 个任务，来自 18 个初创公司的私有代码库，难度更高，成绩单独展示。 ③ 保留集：含 858 个任务，用于内部分析，不公开成绩。 每个数据集贡献 50-100+ 个问题。 平均每个参考解决方案涉及 107 行代码、4.1 个文件，避免过拟合。 实际测试结果很有意思。 现有顶级模型（如 GPT-5、Claude Opus 4.1）在 SWE-Bench Pro 公共集仅得分 23%左右，远低于旧版基准的 70%+ 在旧版测试集，顶级 AI 模型能拿到 70% 以上的分数。 但在新的 SWE-Bench Pro ，最好的模型 GPT-5 也只有 23.3%，其次是Claude Opus 4.1 23.1% 在私有商业集上，分数还要更低。 说明新测试集的难度和真实性都大大提升了。 不同模型间差距也非常大，最新模型远远领先于旧模型。 任务的编程语言和代码库复杂度，也会影响 AI 的表现。 比如 Python 和 Go 的任务更容易，JavaScript 和 TypeScript 任务更难。 当任务需要要改的代码越多、文件越多，AI 成功率也会显著下降。 总体看，SWE-Bench Pro 是目前最真实、最严格的软件工程 AI 测试集。 能更准确地反映 AI 在真实开发环境下的能力。 原文见评论
Est. 500 views for your reply