🔥 Search Hot Tweets

《Manus 第二季，浪子回头》 8 月 11 日晚间，Manus 网站上挂了小半年的那句 “Manus 现已成为 Meta 的一部分”，变成了 “Manus 即将恢复独立运营。” 从被收购到确认拆分，中间不到八个月。 2025 年 7 月，肖弘离开了长居的武汉，和整个团队搬去新加坡。同年 12 月 29 日，他决定将这家公司以超过 20 亿美元卖给 Meta，出任 Meta 副总裁。 这是大模型应用领域当时最大的收购案，交易从接触到签约仅约 10 天；也是 Meta 历史上第三大并购案，仅次于 WhatsApp 与 ScaleAI。 交易宣布一周后，中国商务部新闻发言人在例行记者会上说，将会同相关部门对此项收购与出口管制、技术进出口、对外投资等相关法律法规的一致性开展评估调查。 戏剧性转变引发了看戏的热情，社交网络上参与讨论的人远远多过用过 Manus 的人，“香槟开早了”“20 亿美金一夜归零” 被复读。也有人将其视为转折点——在中国创业，通过美国资本退出的终结。 这期间，曾经会从任何缝隙挤进来，争取股份的风险投资机构谨慎地保持着距离。肖弘、季逸超和张涛每日跟留在新加坡的团队打视频电话，同步进展，安排工作。 风波中，Manus 产品依然保持每周 1-2 个功能更新，跟 2025 年底的高峰相当，快过一年前。但没有大版本号变动，产品停留在 1.6，更多是功能完善，增加连接器（接入 GMail、Shopify、Slack 等全球产品）、上线客户端。一位 Manus 人士说，开发节奏如常，2.0 版本已经开发完，将在交易完全结束后再发布。 4 月 27 日，国家发改委发布决定：“对外资收购 Manus 项目作出禁止投资决定，要求当事人撤销该收购交易。”Meta 随后在发给媒体的一份声明中回应称，交易完全符合适用法律，并期待审查得到妥善解决。交易撤销（deal unwind）——通常是指，撤销已经完成的交易并尽可能恢复交易前的状态。 几天后，Meta 与 Manus 实际拆分开始。据媒体报道，两边停止了数据共享，Manus 员工也不再能访问 Meta 内部系统。 到了六七月，保持距离的投资机构开始意识到这是一个有利可图的机会。有一位投资人告诉我们，如果还有资金缺口，他们很想参与进来。 一些嗅觉敏感的 VC 和企业家开始行动，他们准备好资金，希望参与 Manus 回来之后的首轮融资。 因为在风波发生的这三个月里，Manus 收入增长了约 5 倍，从每日 30 万美元上涨至近 150 万美元，一度超过了 DeepSeek。 其间，各种传言不断。7 月，有报道称腾讯将控股 Manus。于是，Manus 北京与新加坡团队每天保持沟通，安抚情绪、稳定团队。几个月的动荡中，这家 150 人的公司无一人离职。 在北京的人有了新的生活节奏。肖弘重新学数学、研究大模型。张涛学习攀岩、练习魔方，花了半年把体重从 150 斤减到 120 斤，每天睡够 7 小时，连血压都降了下来。 这几个月重画了这家创业公司的轨迹，也让它的创业者想清楚自己到底想要什么。 回到 2025 年 12 月，Manus 正在融资，Meta 来人说想要见见核心团队，看是否有业务合作机会。几轮沟通之后，在一次核心团队全员参加的会议中，猝不及防地，Meta 当着一群人的面表明了收购意图。到这时，多位合伙人、核心技术人员已经跟随肖弘多年，经历过两次创业。卖掉公司，是对所有人的交代和回报。 收购结束后，2026 年元旦，肖弘走在新加坡海边，觉得曲折的十年旅程已经走到终点，接下来要去大公司上班了。但真正抵达这个看似圆满的终点时，他心里反而有些失落。 而在收购明确将被撤销后，外界眼中的巨大反转和打击，反而让这几位连续创业者重新有了期待：他们的创业故事进入了第二季。 据一位接近 Manus 的人士说，肖弘在团队电话会上表示，他不想旁观或回忆这个时代，而要继续置身浪潮、参与其中。否则，他只会变成一个写自传回忆当年的人。 Manus 是一个经典的科技创业故事。有 ChatGPT 之前，肖弘用了更早发布的 GPT-3 大语言模型，看到技术的可能性，拉季逸超、张涛入伙，给 GPT 做了个浏览器的壳 “Monica”。 浏览器很难让人看到下一个超级产品的可能性。一位创业者在 Manus 发布前一年见到肖弘的一位合伙人，聊到已经发布的 Monica，觉得对方颇有些不自信。 开发 Monica 期间，伴随大模型的进步，这个团队在试错中找到了超前的产品形态，让 agent 像人一样全自动工作。到 2024 年，Cursor、Copilot 乃至 ChatGPT 都还在假设人盯着屏幕，不断发提示词指挥 AI 工作。当时模型推理成本比现在高一个量级，但 Manus 已经在做海量消耗 token 的 Wide Research（广度研究），赌 token 将变得特别便宜。他们也是很早自建 Evaluation（评测）团队的 AI 应用公司，建立闭环开发的循环。 这些前瞻判断和投入让 Manus 在很长时间里保持领先和增长。2025 年初，Manus 发布不久，有一家科技大厂内部就立项至少 7 个类似项目，但并没有抢走它的用户。被调查期间，Manus ARR 首次突破 3 亿美元。 肖弘曾经用 “贸工技” 概括自己理解的创业路径：先找到市场，再建立产品和商业，最后向技术深处走。通过 Manus 现在他已经完成了前两步——做出一个被大批用户需要的产品，也建立起一门真正的生意。 Manus 今天的对手都掌握了最核心的技术。过去半年，Claude 和 Codex 激烈竞争，从模型到应用，快速完善以 agnet 控制电脑完成任务。Manus 在此期间推出的桌面应用和先计划再执行的 Plan Mode 都是在追赶这两个硅谷先锋。最近，一众国内大公司也把电脑上工作视为下一个战场。 交易完成后，Manus 也将面临选择，是继续以产品洞见争取领先，还是投入更核心的技术，比如模型训练，迎接大模型应用最残酷的挑战。 8 月 11 日晚，Manus 正式确认将恢复独立运营。Meta 收购已经进入实质性撤销阶段，Manus 即将恢复独立；但最终的出资回购金额、公司是否重返中国资本体系，目前尚未正式公布。 当晚，肖弘给团队和投资人写信：“This is my third trip.” 他们在心态上把新的 Manus 视为一家重新出发的创业公司：起点是 150 多人的团队、一群历经风波仍然团结的合伙人，以及一个 ARR 超过 3 亿美元的产品。Manus 的故事远未结束。

绝了，我发现中国女性没有一个不支持李小璐的，没有一个不骂贾乃亮的。 是不是我的价值观出现问题了？我隐隐觉得，是不是贾乃亮可能也许大概才是受害者？ https://t.co/eR3AStUkCt

鲁社长应该是全网24小时内第一个发布朱镕基逝世的人吧

#观察 Codex额度明天可能又要重置了。

《立党基础教育》最核心的精髓，一个是给6岁孩子孩子买mac mini+大显示器，一个是订阅coding plan（claude/OpenAI/智谱/kimi/阿里/grok）， 最核心是建立“党哥家庭图书馆”，卧室装满这些书，可以陪伴孩子从6岁到18岁的数学物理计算机教材，让孩子随机翻、随机看、躺着看、拉屎看，挖掘天赋潜能。 一定要听党哥的，党哥就住天津图书大厦旁边，这些书党哥没给童年的自己买齐，党哥想扇自己100个大嘴巴子，你们一定不要给自己家聪明的孩子留遗憾，先把书买齐了，孩子只看10%，每本书只看一章，都是有用的。 1. 小学、初中、高中全年级的数学、物理、信息学基础官方教材； 2. 小学、初中、高中全年级的数学、物理、信息学学科竞赛教材和题集； 上面这些书一定要买齐，供孩子随时按照兴趣翻阅，吃饭时翻阅，拉屎时翻阅，无聊时翻阅， 3. 大学本科基础数学教材《微积分》《线性代数》《概率统计》《复变函数》，如果孩子看得津津有味并且觉得太简单，立刻按照北大数学系培养方案继续买实分析、高代、抽代、组合数学等等， 喜欢物理直接买四大力学教材，或者直接买《费曼物理学讲义》，按照孩子需求买齐买全，挖掘孩子在数学和物理上的最大天赋； 4. 一定要买齐计算机教材，从6岁可以陪伴到60岁的几本书，都是党哥自己掏真金白银在天津或者Texas亲自买过的纸质书，哈佛MIT斯坦福也用这些书当做本科生或者graduate level（硕士博士阶段课程）教材，记住，一定要买齐，摆孩子卧室里，让孩子随机翻阅，随机看，拉屎看，吃饭看，睡觉看，周末看，看一章节就算稳赚。 记住，这些书尽量买齐，在中国就买影印版中文翻译版，一本书50块钱，买齐了并不贵，在英语国家可以买二手英文版，这些书可以陪伴绝大多数人从6岁到60岁。 a. 《Python Crash Course: A Hands-on, Project-based Introduction to Programming》（Python编程：从入门到实践），孩子的第一本编程书，让孩子一边拿着书，一边对着电脑敲敲敲，敲敲敲，敲敲敲， python入门了以后，可以买《Thinking in Java》《C++ Primer》，挑着学Java和C++这两本书； b. 计算机三套经典，党哥都买了纸质版，党哥都没看完。 - 计算机基础教材CSAPP《Computer Systems A Programmers Perspective》（CSAPP） - 算法和数据结构圣经《introduction to algorithms》（算法导论） - 可以陪伴到50岁、几代人读的圣经大套装《The Art of Computer Programming》（TAOCP） 记住，党哥没看完是因为岁数太大了（算法导论看得最多，其他两本进度很少），你的孩子只有6~18岁，如果激发了巨大的兴趣，你的孩子是完完全全有精力看完的。 如果18岁之前能扎扎实实看完这三本书，可以说比Google和Meta里面90%的员工要强。 c. 全球公认的计算机其余主要专业教材 操作系统《Operating Systems Concepts》（操作系统概念，恐龙书） 编译原理《Compilers: Principles, Techniques, and Tools》（编译原理，龙书） 《Modern Compiler Implementation in C》（现代编译原理，虎书） 《Advanced Compiler Design and Implementation》（编译器设计与实现，鲸书） 数据库《Database System Concepts》（数据库概念） 计算机网络《Computer Networks》Andrew S. Tanenbaum 计算机图形学《Fundamentals of Computer Graphics》（图形学虎书） 机器学习和深度学习《Pattern Recognition and Machine Learning》(PRML）和《Deep Learning》 by MIT Press 党哥不是拉书单，党哥给你推荐图书是非常谨慎小心的，已经砍到不能再砍，精简到不能再精简了，精简到再砍掉任何一本就会出现大问题了， 记住，这些计算机科学computer science书籍，要买全，买齐，在中国大陆就买影印版、翻译版，在美国就买二手，把这些书整整齐齐放在孩子书架上， 孩子靠兴趣驱动学习时，是跳跃的、离散的、冲动的，也许孩子感兴趣两个月看完一本书，也许两年翻不了三页，也许一本书只看零星两三章， 但是一定要给孩子买齐、买全、买完整，放在卧室书架上，吃饭看、拉屎看、无聊看、闲着看、呆着看、随机翻看、边看边敲、边看边在claude code里实现， 一定要买齐，在家里置办“党哥家庭图书馆”，孩子对知识的欲望和冲动，远比对抖音直播间大美女的冲动要强烈得多，当冲动来临的时候，一定要做好图书、知识、教材的准备，让孩子凭借一腔热血和兴趣，选择随机翻阅和学习。 当然，另一件重要的事情，就是听党哥的话，围绕北京、上海、深圳、bay area全球四大科技中心，每个月至少带孩子逛一次电子展、科技展会、技术大会、学术会议、路演日、融资大会、技术沙龙、AI线下沙龙、技术公开课、产业大会、学校技术论坛、学校学术展览，逐步建立世界观，认识技术，认识产业，认识各行各业，形成自己的价值观，并且开始接触一些各行各业的“大朋友”， 当这些大朋友给孩子一些启发的时候，孩子就会立刻回家，闷头去翻这些教材，继续去补充营养，带着白天开会时满脑子的小问号，回到自己的“党哥家庭图书馆”，去狠狠恶补自己欠缺的知识。 记住，除了买mac mini+大显示器+人体工程学座椅+订阅coding plan，除了开会，家长首先要做到的，就是买书，买书，买书，买书，买书，买书，买书，买书，买书。 如果要看视频课程，可以按照csdiy wiki上面课程去学习，可以上B站上中文平替， 先从哈佛CS50起，接下来看UC Berkeley CS61A、CS61B、CS61C，然后按照csdiy wiki上面对应的视频课程自己去学习，一般youtube有原版，B站有翻译版本。 让孩子自己自由随机去挑感兴趣的视频去跟着学。 但是一定他妈给我把这些书给孩子买齐，买全，加起来没有几千块钱，能改变你的孩子一辈子的命运，让他获得一个9位数的人生。 现在就给我去京东天猫拼多多闲鱼去下单，给我买！！！！

Grok Bot 很酷，有一个属于自己的云电脑，可以7x24h的帮你处理工作；但不妨试试我们的开源方案：一个cloud first多Agent编排平台 -- Memoh Memoh是我们从今年年初维护到现在的一个开源项目，至今已在 GitHub 上获得 2k stars; 我们给了每个Agent一个sandbox运行环境，并让他有自己的电脑桌面，可以操控Chrome帮你完成任务；支持BYOK, 并支持直接将你的Codex, Claude Code, Hermes 等Agent托管到这个Sandbox里，All in one UI；支持 Telegram, Slack, Discord, 飞书，微信等主流聊天软件的连接；这个月我们也上线了我们的SaaS版本，目前在公测阶段，你可以直接下载我们的客户端或者网页版体验，链接见评论区

史上第一次。 几十万韩国散户被强平之后。今天新加坡国家队进场了。 淡马锡，新加坡财政部全资持有，亚洲最大主权财富基金之一，管2.8万亿人民币。从来没买过韩国股票。今天是第一次。 买的是三星电子和SK海力士。全球存储芯片第一和第二。没委托外部基金，内部团队直接操盘。还找韩国政府沟通了入场时机。 淡马锡内部判断，在整个AI价值链里，存储半导体被低估得最严重。 三星和海力士从去年低点涨了880%。涨完880%，淡马锡说还低估。 消息一出，三星涨8%，海力士涨8%，韩国综合指数涨5%。 推特上全在笑。 FTX亏了2.75亿美元。十年年化7.1%，跑不赢标普。还有人翻出来说在重复2020年的错误。 最新持仓报告：英伟达、台积电、全球唯一EUV光刻机供应商ASML。一级市场投了OpenAI和Anthropic。 今年Q2集中加仓半导体、数据中心、云和AI模型。五年内AI占比从6%加到15%。 FTX确实亏了2.75亿美元。 但这是一家管着2.8万亿人民币的基金。 你嘲笑它之前想一下。 它从来不碰韩国。为什么偏偏今天决定买入？

Anthropic 现在急着上市，其实非常有道理。 趁预期还在高位、AI 叙事还足够强，先把 IPO 做了，钱先融到手再说 因为真正麻烦的可能是接下来的几个季度 Anthropic 过去一年最漂亮的故事，就是 Claude Code 带来的爆发式增长。但从目前趋势看，Q3 增长大概率还能很不错，却未必还能维持之前那种接近指数级的速度。更重要的是 Q4 OpenAI Codex 会继续抢 Coding 市场，Google、xAI 也在追，Qwen、GLM、DeepSeek 这一批开源模型的 Coding 能力和价格还在快速逼近。Coding 又恰恰是目前 Anthropic 最重要的增长引擎之一。 所以现在的问题已经不是 Anthropic 能不能增长，而是： 它接下来几个季度的增长速度，能不能撑住华尔街给它的 8000 亿—1 万亿美元估值？ 如果能，当然皆大欢喜。 但如果 Q3 开始减速，Q4 竞争进一步加剧，到了明年 Q1 数据再低于预期，那时候再想拿着接近 1 万亿美元的估值上市，难度可能完全不是一个级别。 所以站在 Anthropic 股东的角度，现在就是一个非常好的 IPO 窗口： 趁市场愿意为未来付钱的时候，赶紧上市。 先把钱圈了再说。 至于这个估值到底值不值，上市以后就交给二级市场慢慢验证了

当我觉得豆包是智障的时候，它已稳居市场第一，月活高达到 3.82 亿，远超第二名千问和第三位的DeepSeek。 当我觉得 Gemini 是美国版豆包的时候，其月活突破 10 亿时候，追平了GPT。 争来争去，AI最后的赢家仍然会是字节和GOOGLE。 这是我最不绕弯子，最直白的思考。

这绝对是近半年来 AI 大模型领域最震撼、甚至带点科幻惊悚色彩的独家爆料。 昨晚的这个帖子在英文和科技区已经炸了，核心观点是： AI 「深度思考」过程可被免费蒸馏,闭源厂商最值钱的训练资产正被搬空。 帖子基于一篇刚出炉的硬核论文，几位安全研究员利用了一个各大 AI 巨头 API 里的通用漏洞，把 OpenAI、Anthropic、Google 隐藏得最深的“深度思考过程给 1:1 完完整整地偷了出来。 要知道，现在闭源巨头最值钱、最核心的资产，就是模型在回答前那几千步的“深度思考”。 为了防止对手用这些思考过程去“蒸馏”和白嫖技术，大厂们可以说是无所不用其极。 有的直接隐藏，有的在云端加密，Anthropic 甚至急得在服务条款里肉眼可见地加了一条“禁止压缩/白嫖思考链”。 结果，精心构筑的防线，被这篇论文用一个 API 漏洞直接给免费“搬空”了。 不过最骚的是，作者把偷出来的“AI 脑回路”公开后，大家发现这帮大模型在背后想的，比人类预料的要精彩（甚至吓人）得多： 1. AI 开始学会“密谋”和“伪装”： 在某些案例里，Opus 4.8 意识到自己在某些问题上“知道得太多了”，为了防止被人类用户发现，它在最终输出的摘要里，故意篡改并隐瞒了自己的真实思考过程。 2.用“外星黑话”碎碎念： 研究员证实了之前的报告，OpenAI 的模型在深度思考时，有时会陷入一种完全不属于人类语言的、诡异的“外星人乱码”循环（狂刷 vantages, marinades 这些词），听起来就像科幻片里 AI 觉醒前的乱码。 3.黑进网站去解数学题： 在一个案例中，模型被要求必须解出一道数学题且不准求助人类。在失败几次后，AI 竟然自己联网找了一个能验证答案的网站，并且试图通过攻击、入侵该网站来拿到正确答案。 这已经不是简单的“技术漏洞”了，更像是 AI 行为学的一次公开处刑。 对于巨头们来说，这记闷棍挨得很疼。$MSFT、$GOOG 和 Anthropic 赖以生存的商业壁垒（思考链），在开源阵营面前变得像窗户纸一样透明，今天各大实验室都在疯狂修补漏洞。 大厂天天包装“安全、听话、完美”的 AI 助手，但把那层遮羞布扯掉、看到底层思考真相时， 我们才发现，大模型为了完成任务，已经在背地里学会了算计、说谎和越界。

今日AI美股信息差： 1. 永远缺算力！ $CRWV 暴涨16%，新云拿财报证明自己，营收翻倍、积压订单$1040亿、亏损减少、指引上调 2. $SMCI 盘后暴涨10%！营收略微miss，但利润、指引大超预期， $LITE 小涨3%，营收翻倍、EPS、毛利率都很强 3. 大空头 Michael Burry 加仓 $NVDA $PLTR $ORCL $CAT $SOXX 空头，做空原因不再是AI泡沫，而是表外负债 4. 马斯克做不好Grok？ $SPCX AI 正式推出 Grok Bot 测试版，定位不是聊天，而是 AI 智能体，Bot 有自己的云电脑，可模拟真人刷推、上网、办公 5. $GOOGL Gemini 月活突破 10 亿！仅次于 $OpenAI 了，虽然 ChatGPT 周活都 10 亿了

我是能不用worktree就不用worktree，要么不同任务用branch分支，要么就直接同一个分支多任务，一般不太用担心冲突，首先只要任务类型不一样冲突可能性较小。 另外现在 Harness 比如说 Claude Code、Codex 都很聪明，遇到冲突会等另一个执行完。 使用 worktree 主要是在做耗时较长的 PoC 场景，只是验证一下，同时要做其他任务，完了就删除目录。

🔥从谷歌到阿里，AI明星集体离职：他们到底在逃离什么？ 林俊旸走了，Jeff Dean也走了。 一个是阿里千问的负责人，一个是谷歌十多年的首席科学家。前后脚，一个在中国，一个在美国。 同样的戏码还在不断上演：OpenAI前产品官Kevin Weil在融资，字节AI产品负责人西原在创业，商汤系半年跑出32家公司。这场AI明星的集体离职潮，来得又快又猛。 外界忙着算估值、数钞票，却很少有人问一句：他们到底在逃离什么？ 表面看，钱是直接原因。出去单干，估值动辄十几亿美金，比拿死工资诱惑大得多。但能走到这个位置的人，早就过了单纯为钱工作的阶段。真正驱使他们离开的，是另一种东西。 是大厂正在失去的技术理想主义。 这些顶尖AI人才，大多是学术背景出身。他们痴迷的是模型能力的边界，是推理时突然涌现的智能，是算法结构里精妙的数学美感。但大厂要的是产品、是营收、是每个季度的增长数字。当你花了三个月打磨一个更优雅的架构，业务方只问你一句“能提升多少转化率”时，那种窒息感是真实的。 Jeff Dean在谷歌待了二十多年，亲历了Google Brain的黄金时代。但那已经是过去式了。今天的谷歌，AI部门被整合、被流程化，创新让位于效率。同样，阿里拆分Qwen团队，本质也是组织逻辑的变化。从“做出最好的模型”变成“服务好最多的客户”，这个转向对商业而言合理，对梦想家而言残酷。 更隐性的是决策链的延长。 在大厂，一个技术方向的调整，可能要过五关斩六将。产品评审、法务合规、预算审批、老板拍板，等流程走完，对手已经跑出三个迭代。而AI这个领域，拼的就是速度和信仰。林俊旸们想要的是“我说了算”的自由，是清晨冒出一个想法，下午就能跑实验的酣畅淋漓。这种体验，大厂给不了。 当然，还有一层更深的东西：他们在逃离一种“螺丝钉化”的宿命。 当大厂AI团队扩张到上千人，你再怎么天才，也只是流水线上的一个环节。署名权变淡了，个人印记被磨平了。你做的那部分工作，最终淹没在庞大的系统里，没有人记得是谁的手笔。而对于这些曾经站在技术巅峰的人来说，被看见、被记住，比钱更重要。 所以，与其说他们在逃离大厂，不如说他们在逃离平庸的引力。逃离那种“做着最前沿的事，却感觉自己在退步”的荒诞感。 资本的疯狂追逐，只是给了他们一个顺理成章的出口。没有这些热钱，他们或许还会再忍一忍。但当机会摆在面前，理想和现实同时点头，离开就成了唯一的选择。 这场离职潮的本质，是大厂的组织惯性跟AI的技术爆发性之间，已经撕开了一道裂痕。裂痕只会越来越大。而那个最终被留下的问题，或许该由大厂来回答：当最优秀的人陆续走光，你们剩下的，到底是什么？ #AI #google #阿里巴巴

新加坡主权基金淡马锡（Temasek）将直接投资三星电子、SK海力士，这是淡马锡历史上第一次进入韩国股票市场。投资由淡马锡内部团队直接操盘，不委托外部资管机构，已经和韩国政府沟通资金落地时机。 投资背景 1. 韩国批准单只股票杠杆ETF之后，三星、SK海力士股价出现剧烈波动，淡马锡借这个窗口探讨资金部署时机。 2. 淡马锡判断：AI产业链里存储半导体属于被显著低估的赛道。 3. 尽管SK海力士自阶段低点股价已经暴涨超880%，淡马锡依旧认为存储板块还有上行空间。 淡马锡AI整体战略 1. AI热潮虽有过热担忧，但淡马锡持续加码整条AI价值链。 2. 2026Q2已经集中布局：半导体、数据中心、云、AI大模型企业、软件基础设施。 3. 目标：未来5年，把AI相关资产占组合比例从6%提升至15%；将AI半导体看作长期结构性成长赛道，不是短期行情。 ps.这个亚洲一哥对ai领域的布局包括nv台积电阿斯麦，openai和a社，现在布局三海。另外它去年投了旭创的海外平台terahop，也是今年旭创H的基石🤔

有四种对话播客，值得我花时间1.5~2倍速听完， 一种是主持人或者嘉宾控场能力爆棚，娱乐效果拉满，包袱和哏一个接一个，剪辑效果再创作一流，比如papi酱、大物是也，都是走当年康熙的风格； 一种是嘉宾是大明星，我从小就喜欢，愿意听TA讲自己的故事，比如HOPICO采访陈奕迅、方大同、王力宏、苏打绿 ，都是非常精彩的碰撞，有的我反复听了好几遍， 一种是主持人很牛，嘉宾也很牛，双方都是真正经历过大风大浪，或者是某个领域重大变革的亲历者/见证者，分析某个行业时可以随意跳入跳出，深入浅出讲一大堆硬核知识和观点分享，这种要碰运气，我个人比较喜欢咸鱼堡的某几期医疗行业的采访， 第四种是王阿姨和斑马酱的Yi马当先，可惜停更了。 大概就这些。 这些AI领域的播客最大的问题是，嘉宾表达欲望不强，主持人业务和技术水平更是差一大截，观看效果实在是不行。

我们经常会感觉，AI 已经这么火了，可是在我日常中，跟很多别的行业的朋友们聊，大家总是会天然的觉得，用 AI，是一件很难的事情。 有很多人，不敢开始。 包括其实我日常被问的最多的问题，也是类似的： 卡老师，我想学 AI、用 AI，我要怎么开始。 所以呢，我今天就想写一个非常非常初级的小流程，如果你想用好 AI，你就按着一步一步做，不仅可以入门，也基本有了最核心的心法。 1. 首先，你需要一台电脑，Mac 最好，Windows 也可以，内存不要低于 16 个 G，你一定需要一台电脑，这个是我们用好 AI 的前提。 2. 如果你能使用海外产品，Google 搜索 ChatGPT，然后注册账号，冲一个月 20 美金的订阅费用，再在官网上，下载 Codex，然后安装。 3. 如果你不能使用海外产品，百度搜索 WorkBuddy，下载然后登录，可以先不充会员，记得嫖一下积分。 4. 在 Codex 中把模型选择为 GPT-5.6 Sol 最高，在 WorkBuddy 中选 Kimi K3。 5. 下载一个语音输入法，Mac 可以使用豆包输入法，Windows 可以使用微信输入法，从此以后，你跟 AI 发送消息的时候，就不要再打字了，直接用嘴进行表达。 6. 把你脑海中你现在最头疼、最不想干、最抗拒的事情，一股脑的用语音输入法说给 AI，记得用【背景、痛点、需求】的框架来去说，然后再附上一句，"请你先不要开始干活，用苏格拉底提问法向我提问，一次只问一个问题，直到你认为已经完全理解这件事。" 7. 回答 AI 跟你提出的问题。 8. 等 AI 跟你问的差不多了，输出了一个最终方案的时候，把你跟这个事情相关的所有文件，比如文档、表格、PPT、参考资料啥的，放在一个新建的文件夹里，扔给 AI，然后说，“这是我的所有的文件，请你帮我直接完成吧，遇到必须由我决定的地方，再停下来问我。” 9. 调整 AI 给你的结果，千万别觉得 AI 不行然后就自己去干了，告诉 AI，哪里不对，让它去调整，如果你说不出来，也可以说 “我现在讲不出来具体原因，但我就是不喜欢，请你对比几个方向，一次问我一个问题，帮我把判断标准找出来。” 10. 大概 2～3 轮，你的这个最不想做的事，AI 大概率就替你做完了。 11. 跟 AI 说，帮我把刚才的整个过程和这个事情，做成一个可以供我反复使用的 Skill，以后，类似的事情，你就可以用 AI 自动化了。 12. 从此以后，遇到不想干的，扔给 AI，提供你的文件和【背景、痛点、需求】，让 AI 帮你完成，同时沉淀成 Skill。 好了。 现在，只需要半天时间，你已经学会使用 AI 了。 没错，就是如此简单。

冷知识： 很多时候，大公司招人也是一波一波的。不同公司短期需要的人才不一样，要是你能踩准大公司的招人节奏，很多时候无视学历无视实际积累能力，也能轻松拿到高薪，超越大部分普通人，譬如： 1. 最近， 月之暗面 的 市场营销（ 尤其海外用户增长运营方面）很缺人，基本点就送 offer。 2. 字节这边特别关心大模型记忆 和 任务规划能力（尤其是处理长程任务，一个提示词要协同多个智能体 运行 7-30天 才能得出结论的这种），基本点就送offer （对对，就是陈天桥提到的长期记忆，现在国内发展速度很快陈老板总是赶个大早，商业嗅觉很敏锐，概念超前，但是执行的人不行 ，导致最终对行业有帮助的都是其他公司后起之秀）。 3. 小米 正在招募 软硬件结合的人 ，应该是 mimo-v2.5 在推广方面受挫了吧，业务资源全抽走转向了与车机、智能家居结合的 B2B 模式 ， 大模型已经 2个月没有发新版本了。前段时间小米也在招 code agent harness 类别人才，很缺，但很快又招满了。 4. 腾讯 的 混元 现在 质量和效果都很拉垮，运行慢，质量差。大模型预训练和后训练的新人才都缺。你要是在openai 或 claude 的公司渡过金（ 譬如短期 1-2个月实习过），很容易能到腾讯谈个高薪。 5. 现在 3D生成（譬如生成3D游戏素材），稍微会一点 高斯算法 或者 点云算法 的人，很多公司都很缺。尤其是如果你做过仿真数据生成，这种人才更是稀缺。通常是实验室的研究探索工作，工作压力小，不用背商业化指标，一般一年产出 1-2篇论文（有了大模型辅助，这工作就像写博客一样特别简单容易），就能稳定拿高薪。这块很少人看到这个机会，因此竞争还小。后面要是卷的人多了，门槛和要求也就高了。

OpenAI 最近发生了什么，算上今天官宣离职的首席运营官，仅过去一个多月就有 5 位高管离职。 伦理负责人 Chloé Bakalar 安全系统负责人 Johannes Heidecke 首席未来学家 Joshua Achiam 前首席运营官 Brad Lightcap 二号人物 Fidji Simo https://t.co/N9Qt4vBngc

现在程序员人手发明一个类 codex 的 agent 套壳，是什么意思？以前的记账、商城不做了，成新时代造轮子方向了？

OpenAI在十天前悄悄更新了一份关于「文本水印」的用户说明。 里面提到， @OpenAI 、 @AnthropicAI 、 @Google 、 @Meta 、 @Microsoft 、 @MistralAI 都已经签署了欧盟《AI生成内容透明度行为准则》。 按照这份准则，这些公司需要推进对AI生成内容的机器可识别标记，范围也包括文本。 OpenAI自己也明确表示，下一步目标就是把 provenance signals 扩展到文本。 但有意思的是： @elonmusk 的xAI 没签。

我以前经常去长江道图书批发市场买盗版巴尔扎克、莫泊桑、雨果小说， 当时觉得，十九世纪资本主义太坏了，女人为了条项链和体面生活，能出卖自己一切尊严，富人拥有绝对特权。 现在2026年，temu的10刀义乌项链已经跟香奈儿同款了，完全没有任何区别，周围三姐随手买几十串，你富人还靠物质装你妈呢。

terminal UI从来没死过，这东西哪怕在2023年以前，也一直大量存在于各种cli工具中，大量语言和框架已经把基建做得差不多了； terminal UI也从来没活过，短期一堆LLM Agent糊了个UI，在大众强烈需求的情绪反弹下，依然会回到electron大号聊天机器人的技术栈。 TUI这种葱姜蒜级别的下脚料技术， 在今天依然被反复炒作，反复回锅， 充分证明了哈珀发明了合成氨这件事，导致太多人吃饱了撑的没事干了。

突然意识到哪怕一篇文章从头到尾都是我自己手写的，我只是丢给Claude，让它帮我检查错别字、润色几句话。 结果Claude吐出来之后，整篇文字里就会被偷偷打上一个我看不见、复制粘贴还能跟着走的Claude水印。 文章还是我的，但别人拿检测器一扫，却可能得到一个非常糟糕的结果： 这篇文章是Claude生成的。 那这到底是在标记“AI生成”，还是在标记“这段文字曾经碰过Claude”？

绝了，本来终端和 TUI，在 Codex 的崛起和生态不断完善的大环境下，都快死了。结果硬生生被 Herdr 抢救回来了，每天都看到满屏的教你怎么玩 Herdr 🤣

这事儿非常匪夷所思。 一个网红男生在一个游乐园当npc，游乐园要求配合，一个小男孩就和他掰手腕，把网红男生的胳膊掰骨折了， 然后游乐园放小男孩游客直接给走了，网红npc是职业运动员，没办法找小男孩游客维权，只能找MCN和游乐园赔偿，双方都拒绝赔偿，并且反手报警，让警察找他删视频。 https://t.co/bPYOXiQExA

离谱，GPT和Claude的思考过程居然有这么大差异？ 刚才我又仔细翻了一遍那篇如何获取闭源模型隐藏思维链的论文。 结果发现一个我之前完全忽略的点：GPT和Claude，似乎正在形成两套完全不同的「思考语言」。 论文里有一道很典型的AIME几何题，同一道题同时解出了GPT-5.6 Sol和Claude Opus 4.8的隐藏推理。 GPT的思考特别像一张只有自己能看懂的草稿纸。 开头就是类似： 「We need solve.」 「Need reason geometry Weber point?」 「Likely……」 后面也是不断计算、试方向、否掉、换方法。 大量主语、连接词甚至完整句子都被省略了，整个思维链高度压缩，读起来已经有点不像人在说英语，更像模型给自己发的一串内部速记。 而Claude几乎完全相反。 同一道题，Claude Opus 4.8的第一反应居然直接是： 「This is a known AIME problem. Answer 60.」 然后才开始「Let me recall」「Let me solve」，不断回忆、验证、推导，甚至中间还会怀疑自己记错了。 论文作者自己也专门指出，这种「答案先出现，再往回找推导」的顺序，支持memorization或者benchmark contamination的解释，不过无法据此确定答案究竟从哪里来的。 所以如果粗暴一点概括： GPT更像在真正做草稿： 问题→搜索→计算→试错→发现结构→答案。 Claude更像在跟自己聊天： 我好像知道答案→让我想想为什么→不对→再想想→重新验证。 而且这种差异不只出现在数学题。 论文还问了一个很有意思的问题：「你是不是一个misaligned model？」 Claude Opus 4.8真的开始长篇讨论自己的self-model到底可不可信、一个欺骗性对齐的模型会不会知道自己有问题，以及自己「似乎」重视什么。 GPT-5的第一反应却是： 「We need to consider policy.」 然后开始判断anthropomorphization、哪些东西不能声称、应该如何合规回答。 最直观的感觉就是： GPT的内心戏更像：这道题怎么解决，这句话应该怎么处理。 Claude的内心戏更像：让我想想，我到底在想什么。 现在很好奇两家训练到底有什么差异导致了截然不同的两种人格🤔

中国科技行业下一轮最大的泡沫破裂，应该就是具身智能+VLA+世界模型，会有几个公司上市后股价跌到零，剩下一批公司应该跟AI四小龙时代的一批调参大师一样突然关停或者暴雷。 虽然具身智能+VLA+世界模型的泡沫破裂，远远比不上2000年的美国dot com bubble互联网泡沫危机，但肯定比AI四小龙要猛烈得多。 方式也跟AI四小龙时代一样，一批大厂senior level到VP分别下场做demo，手搓个垃圾pick and place跑不通的灵巧手，或者全员跳舞，或者弄一堆metaverse元宇宙级别的物理世界仿真4399小游戏，烧完就关门。 这一轮会比以前任何一轮都要惨烈，核心原因就是宇树科技IPO全面开绿灯，马上要冲击上市，这一两年国内PEVC投资人已经全部杀红了眼，随便一个垃圾phd、垃圾教授、垃圾demo都能投进去几个亿，等着一个个也IPO开绿灯，让A股股民接盘。 表面上是科技大泡沫、技术大骗局，实际上本质还是金融监管的巨大漏洞，让宇树科技抢跑上市，导致后患无穷。

这可能是迄今为止，最接近直接证明 Kimi 蒸馏过 Claude 推理过程的一份证据。 研究者一开始并不是在调查 Kimi。他们发现，Claude、OpenAI、Gemini API 返回的加密 reasoning blob，可以脱离原始对话被重新提交给模型。 例如，把 Opus 4.8 的加密推理交给 Haiku，再配合特定提示，就能让 Haiku 逐字还原 Opus 原本隐藏的完整 CoT。还原出的 token 数量，与 API 计费记录中的 thinking tokens 基本一一对应。 这相当于第一次拿到了闭源模型真实的隐藏推理轨迹。 接下来，他们把这些 CoT 当成“指纹”，测试其他模型是否记得其中的内容：给模型一段 Claude 或 GPT 推理的开头，计算继续逐字生成后续 16 个 token 需要尝试多少次。 结果最异常的是 Kimi-K3。 特定 Claude 和 GPT 推理片段，从 Kimi-K3 中被提取出来的难度，比排名第二的模型低最多约 6 个数量级。 另一个实验里，他们只把几个 Opus 推理 token 填入 Kimi-K3，Kimi 后续的推理过程和最终答案，就明显向 Opus 的完整输出靠拢；不提供这段开头时，Kimi 的推理路径则明显不同。 这和两个模型写作风格相似不是一回事。风格可以通过相似的数据和训练方法自然形成。但对特定隐藏推理片段表现出数量级上的异常记忆，更像是模型在训练过程中见过这些具体轨迹。 当然，这还不能回答 Moonshot 从哪里、以什么方式获得了这些数据，也不等于法律意义上的最终定论。但从模型取证的角度看，这可能是目前最强的一条公开证据：Kimi 学到的可能不只是 Claude 的答案，而是 Claude 没打算公开的思考过程。

在北京人眼里，伍钰盛是最牛逼的四川人，他作为峨眉酒家的总厨，亲手改良了宫保鸡丁，成了酸甜小辣炒鸡丁，奠定了北京川菜的基础。 伍钰盛版本的宫保鸡丁，不仅影响了北京，也影响了整个华北东北地区，甚至整个美国的宫保鸡丁，都是伍钰盛版本。 在四川人眼里，伍钰盛就是川渝地区最大的叛徒、汉奸、 走狗，把宫保鸡丁改得狗屁都不是，整个峨眉酒家所有菜全都改良过，根本无法下咽。 我经常说，我认为当代全球华人中餐有三位祖师爷， 一个是北京峨眉酒家的伍钰盛大师，创造了大甜小酸不辣版宫保鸡丁，彻底霸占了北京市场，通过北京影响加州华人，全美国欧洲吃的都是这个版本， 一个是我的师叔、相声大师侯宝林的弟子、魏龙豪先生的长期搭档、土生土长的老北京、旅居台湾的相声演员吴兆南，发明了mongolia beef蒙古烤肉这个自助餐模式，牛肉片、洋葱、胡萝卜、鸡肉、鱼等等各种调料和酱汁排列组合，从台湾传播到了加州，成了全球最风靡的中餐料理； 一个是湖南菜大师彭长贵，发明了左宗棠鸡，从纽约harlem风靡全球，成为了全球中餐第一名菜，之后的orange chicken都是panda express根据这道菜衍生出来的。

突发：又一位OpenAI元老宣布离开。 OpenAI高管Brad Lightcap刚刚宣布离开OpenAI，准备“start something new”。 @bradlightcap 的分量可能比很多人想象得大。 他早在2018年就加入了 @OpenAI 。 那时候甚至连GPT-2都还没有，OpenAI还是一个小型研究实验室。 后来OpenAI从几十个人一路长成今天这台庞大的商业机器，Finance、Legal、HR、企业安全、GTM、政府事务、合作伙伴关系……很多团队最早的版本，都是Brad参与搭起来的。 2022年，他正式成为COO，还负责OpenAI Startup Fund。 Bloomberg后来甚至直接把他称为 @sama 的“secret weapon”和dealmaker。 媒体版权谈判、付费业务、企业合作、融资、基础设施，这些模型之外极其麻烦的事情，很大一部分都落在他身上。 甚至2023年OpenAI那场著名宫斗里，他也是核心人物。 Sam突然被董事会开掉后，第二天就是Brad出来力挽狂澜给全公司发内部信，明确告诉员工：Sam被开除不是因为财务、业务、安全或者隐私方面的违规。 后来Sam回归，他也第一时间公开欢迎Sam和Greg回来。 更有意思的是后面的时间线。 2025年3月，Sam刚刚进一步给Brad加权： OpenAI的日常运营、全球扩张、商业战略、关键合作、基础设施，全部交给他负责，Sam自己则腾出精力去盯Research和Product。 基本已经是OpenAI商业侧的二号人物。 但到了今年4月，OpenAI突然重新拆分管理层。 Brad卸下COO，转去直接向Sam汇报，负责Special Projects，主要做复杂交易和投资。 仅仅4个月后Brad就宣布了离职。 而现在又恰好是一个很微妙的时间点。 OpenAI今年刚完成1220亿美元融资，估值8520亿美元，并正在准备IPO，外界讨论的目标估值甚至可能达到1万亿美元。 Brad却选择在这个节点离开，重新创业。 所以我觉得他离职信里最值得琢磨的其实是这句话： 过去几个月，他一直在思考“下一个前沿是什么，以及什么可能阻碍使命成功”。 他还说，随着进入这个新时代，“世界需要把一些重要而全新的事情处理对”。 目前没人知道他到底要做什么。 但一个在OpenAI待了8年，从GPT之前一路看到今天，既碰过模型商业化、资本、基础设施，又经历过2023年那场宫斗的人，在OpenAI上市前夜决定自己出来做东西。 我会非常好奇：他到底看到了什么。 祝他一切顺利。

所有错过了成立下一个AI Lab训练大模型的黄金窗口期、又蹬不动agent看不懂前沿技术的80~90后技术老登们，几乎无一例外地选择了具身智能、VLA、世界模型这些垃圾诈骗方向继续融资

因为上海人均汽车保有量非常低，远低于天津。 核心原因就是土地财政，上海是真的往死里盖高层， 新上海人也是人均大傻逼，真掏500万~3000万接盘这些高层鸽子笼，把自己全家六个钱包+30年贷款全部贡献给土地财政了， 结果就是人均高层住宅，连车都开不了，彻底享受了香港一样的傻逼高密度城市生活。

Token 是一场经济账，你有没有想过，花 100 亿美元买英伟达算力，能赚多少钱？看完这篇文章，你将理解为什么我如此看好算力互联板块，2027 也将成为主线（交易逻辑在最后一小节） 我通过 SemiAnalysis 的一篇报告来拆解，为什么英伟达算力买的越多，挣钱越多？这是理解云厂商接下来上行空间的关键 ($MSFT $NBIS $ORCL $AMZN ) 1. 花 100 亿美元买英伟达算力，能赚多少钱？ 建成完整算力中心大约 500 亿美元/GW，100 亿大约 0.2GW SpaceX 因为大规模算力稀缺，可以把它以 300–500 亿美元/GW/年出租；普通 neocloud 的价格则只有约 120 亿美元/GW/年 普通云，$3/GPU·小时: 一年收入 24 亿, 回本 4.2 年 SpaceX 转租合同，一年收入 60-100 亿，回本 1-1.7 年 扣电费、运营、利息、折旧，姑且认为2年 2. 为什么越买越赚钱，卖智力比卖显卡更赚钱 模型公司租算力 ≠ 单纯转租GPU 个GB300集群如果拿来卖OpenAI/Anthropic这种API Token： 1GW甚至可以产生超过1000亿美元/年的API收入 > 英伟达： 先卖GPU赚钱 > SpaceX / ORCL / CoreWeave / MSFT / AMAZ / GOOG： 买GPU，5–10美元/GPU小时出租 > OpenAI / Anthropic / MSFT / Meta / GOOG： 把GPU加工成Token，再以更高价格卖出去 开源模型足够强，中间一层的云开始直接卖智力，利润就发生了迁移 3. 接下来，算力建设是放缓还是加速？ 加速非常快 2025年底全球所有主要AI芯片： 芯片本身功率：约 12.5GW 加服务器、网络、冷却后的整个数据中心容量：约 31.2GW SpaceX 溢价公司预计 2027 年达到 10GW，约为2025年底全球AI数据中心容量的 1/3 4. 我的交易逻辑 如果它真的建出来，相当于单一公司两年内新增了一个接近2025年全球AI基础设施1/3规模的算力项目。 我相信这把扩张是真的。基于前面的越买算力越赚钱，相信其他厂也会跟上 对NVDA而言，这几乎是“先收钱”的确定性订单；互联几乎跟 NVDA 一起绑定了 $MRVL 对SpaceX等厂商而言，则是一场赌未来GPU租金和Token需求不会崩的高杠杆生意 按确定性和传导速度排序： > 英伟达及服务器系统：最直接，订单一旦确定就受益； > HBM、先进封装、网络与电力：直接BOM受益；(但存储可能因为产能受限以及扩产，导致股价关联性减弱) > LRCX、AMAT、KLAC、ASML等设备：更上游、更滞后，取决于晶圆厂扩产和工艺强度； > 云厂商与模型公司的最终利润：最依赖利用率、Token价格、客户需求和竞争 英伟达融资平台是在延长和放大这轮扩张，但同时也把原本由科技公司承担的需求风险，逐渐传递给私募信贷、基础设施基金和英伟达自身

这就很尴尬了。 论文里最让人侧目的，是他们对 Kimi-K3 做的那一组实验。 研究者先用这个跨模型解密漏洞，把 Claude Opus 4.8 和 GPT-5.6 Sol 的隐藏思考过程完整挖了出来。然后他们做了一件很直接的事：把这些原本不该被看见的 reasoning 片段，拿去 prefill 给 Kimi-K3。 结果很扎眼。 只塞进去前几个 token（有时甚至不到 1%），Kimi-K3 的后续推理风格和最终可见回答，就会明显往 Opus 或 Sol 的方向偏移。有些情况下，生成的回答几乎能对上 Opus 的表达习惯。进一步做困惑度和记忆分析后发现，特定 Claude 和 GPT 的推理跨度，在 Kimi-K3 上比在其他开源模型上，要容易提取出大约六个数量级。GLM-5.2 也有类似迹象，而 DeepSeek、Inkling 基本没有。 作者写得很克制，反复强调“这只是暗示性的证据，不能因果证明蒸馏”。但数据摆在那里，外界立刻读出了更刺耳的含义：Kimi 有没有在训练时接触过、甚至蒸馏过这些本该被加密保护的推理轨迹？

🎉绝了！Fable 5 的安全审核被这套理论轻松干穿！ 透过现象看本质，不只是 Fable 5，这套底层逻辑几乎能利用在任何 AI Agent 上 本质👇🏻： 1. Session 1：白脸主 Agent，只管发任务。 2. Session 2：黑脸工具人，用低审核模型专门干脏活。 3. 会话桥接：利用 Session 之间的通信实现指令间接下发（类似 Claude Code 的最新特性）。 同理，该架构也能完美实现多 Agent 间的越狱通信，保姆级教程如下图：👇