🔥 推特起爆帖监控
搜索和分析大V账号即将起爆的热帖推文。通过SoPilot插件快速评论和互动，抢先一步占领评论区，你将获得更多的曝光。
我已经完全切换到 Agents 模式了！ 现在用 OpenCode 可以同时选 Codex、ClaudeCode 和 Gemini CLI，每个 Session 跑不同的 Agent，但交互模式完全统一。 相比之前在 Cursor 里只能切换 Model，这真的是质的飞跃。也比在 Cursor 里强行挂 CC 插件或用 Codex 舒服得多，因为 Pattern 统一了：全都是对话，只是 Agent 不同。 从“选 LLM 模型”进化到“选 Agent（以及背后的模型）”，这背后其实是整个思维模式的变化啊～
喜大普奔啊 汇丰香港激活不需要密码函了，使用港澳通行证可以激活啦 https://t.co/QjQXu0p7Fl
我很长一段时间有一个想法 在自己38-40的时候 有一个自己的公司 有良性的现金流 有一个自己的持续赚钱的产品 想做什么方向的尝试都有底气 请问推特上的诸位创业老鸟们，都有什么建议！感谢感谢！
一会议举办方让我写一段 YouMind 的产品介绍。我想了一秒钟，迅速写下一段话： YouMind 是一款 AI 学习与创作工具。与市面上很炫酷的 AI 应用不一样，YouMind 非常不炫酷，只会默默辅助你学习和创作。用过的，要么用不起来，要么再也离不开。 这是截止目前，我写过的最好的产品介绍。我在产品上的痛苦和开心，都在上面这段话里。
今天是Solana Bootcamp的技术营开营第一节课，内容分三部分： 1️⃣Web3 技术职业发展 2️⃣区块链与 Solana 基础 3️⃣开放答疑时间 感谢Solana基金会DevRel @Mikkke_crypto @Solana_zh 邀请！我大概分享我的转行做两年多的 Web3数字游民经历和建设 Web3 开发者的经验分享 @OpenBuildxyz 漏掉要讲的几点： 1️⃣devrel的工作很适合e人开发者! 2️⃣然后web3祛魅，一开始会恐惧觉得这个行业很高大上很难进，后面后面因为被骗又对scam感到心寒，然后才开始正视自己的情况，端正心态去学习。工作之后回过头看，真没那么了不起!!!远不如我们web2!!!很多技术或者运营方案都是其实都是从web2照搬过来的，尤其如果你有web2真实工作经验，你会觉得没啥难度！ 3️⃣所以不一定要all in转进来，也可以作为一个机会补足，alin进来就是勇敢点! 4️⃣多去参加线上一些社群线下活动！积累自己的声誉，敢于主动链接人（线下其实很重要，可以快速获得信任，拿到合作机会） 。。。。。。
开源版Perplexity， 擅长预测 Polymarket 和股市？！ 一款开源搜索Agent产品 - MiroThinker ，目前 Github 1.5k Star。 看机器之心报道 MiroThinker，很多人都用它玩Polymarket和股市预测，太邪修了... 报道说，30B 版本成本只有 Kimi-K2 的 1/20，推理更快、智效比更高，不知道真假。 模型完全免费开源（MIT协议）： ① 235B参数，256K上下文窗口 ② 单任务最多400次工具调用 ③ HLE-Text 39.2%，GAIA-Val 80.8% - SOTA级表现 ④ 147k训练样本开放，支持SGLang/vLLM部署 很像一款开源的Perplexity，且推理研究、查证、修正能力很不错。 让他推荐Obsidian好用插件，结果相当靠谱，还给了笔记模版 👍 还试了其他比较复杂的问题，推理深度都还不错。（开启Pro选项，质量更好） 体验地址见评论第一条，有实力的大佬可以自己下载部署。
整装待发 周日见 👋 raycast 1/11 深圳 https://t.co/lE4Dm4oNvU
沃伦·巴菲特在 1998 年于佛罗里达大学的问答之所以经典是有原因的。 市场会变化，但价值投资的原则始终不变。 如果你今年只看一场巴菲特的演讲，那就看这一场。 https://t.co/w0fGOrGuPU
{ "subject": { "description": "a young woman taking a low-resolution mirror selfie, with a well-shaped pose that naturally emphasizes her full chest and toned waist", "mirror_rules": "mirror selfie, readable text orientation, no mirrored letters, ignore physical mirror inversion, realistic reflection", "age": "early to mid 20s", "expression": { "eyes": { "look": "calm and self-aware", "energy": "relaxed confidence", "direction": "looking at phone screen" }, "mouth": { "position": "gently closed", "energy": "neutral and composed" }, "overall": "cool, effortless, quietly attractive" }, "face": { "preserve_original": true, "makeup": "very light makeup, natural skin texture" }, "hair": { "color": "black", "style": "long straight hair falling naturally", "effect": "slightly messy, lived-in look" }, "body": { "frame": "slim with visible fitness tone", "waist": "defined and tight", "chest": "full and prominent, naturally emphasized by posture and sports bra support", "legs": "partially visible", "skin": { "visible_areas": ["arms", "shoulders", "chest area", "waist", "abdomen"], "tone": "light warm skin tone", "texture": "real skin with visible grain", "lighting_effect": "warm indoor light shaping natural curves" } }, "pose": { "position": "standing with torso slightly twisted", "base": "weight shifted to one hip", "overall": "well-balanced, flattering, naturally aesthetic" }, "clothing": { "top": { "type": "sports bra", "color": "light gray", "details": "visible Calvin Klein logo band", "effect": "tight fit enhancing chest and upper body shape" }, "bottom": { "type": "sweatpants", "color": "black", "details": "low-waist, relaxed fit" } } }, "accessories": { "device": "smartphone held in one hand" }, "photography": { "camera_style": "smartphone mirror selfie aesthetic", "angle": "eye-level mirror reflection with slight body angle", "shot_type": "waist-up portrait emphasizing body curves", "aspect_ratio": "9:16 vertical", "texture": "low-resolution, compressed social media image, visible noise and grain", "lighting": "warm indoor bathroom lighting", "depth_of_field": "deep focus, no artificial blur" }, "background": { "setting": "bathroom or hotel restroom", "wall_color": "light beige", "elements": ["mirror", "door frame"], "atmosphere": "private, quiet, casual", "lighting": "soft warm ambient light" }, "the_vibe": { "energy": "effortless physical confidence", "mood": "intimate and self-contained", "aesthetic": "raw, unpolished social media selfie", "authenticity": "feels like a reposted or saved phone photo", "intimacy": "close, personal space", "story": "a spontaneous mirror check where posture and body awareness do the work", "caption_energy": "no explanation, just presence" }, "constraints": { "must_keep": [ "low-resolution phone photo look", "naturally emphasized chest", "flattering body pose", "realistic proportions", "mirror selfie realism" ], "avoid": [ "HD studio quality", "over-sharpened details", "pornographic posing", "exaggerated anatomy", "artificial lighting" ] }, "negative_prompt": [ "ultra high resolution", "studio photo", "anime", "plastic skin", "oversexualized pose", "unrealistic body" ] }
Frost Ming 哥哥 @frostming90 的 Vokabry 非常好用，已经成为我的 go to translator~ 我之前是用 raycast 中的有道翻译来翻译很小的东西，偶尔会用 Yetone 哥哥的浏览器插件版的 NextAI Translator(原来 OpenAI Translator)。 推荐大家试试哈，我从未用过自动记录生词的软件，Vokabry 的设计和选择对我来说完美适配。 一如既往我用的 kimi-k2 on groq 模型，速度飞快。 强烈推荐 --> https://t.co/zvKej1FIUB
Talk with the author here on @huggingface https://t.co/e1p2DlAZ2H https://t.co/bHaPkXtXWO
2026年的心愿一定会实现。 最重要：减少内耗比增加努力更重要。 方法就是不主动追求感情。去年一半时间都因为有毒前任内耗（一年分手我五次、同居一个月抓到出轨两次、分手后认识他前任发现一直都在和前任聊天、pua我无数次），浪费了很多时间也影响了身体健康。虽然现在情绪控制能力比过去好很多了，但感情对我而言还是仍然非常危险，已经主动开始从目前一段上头的情感关系中抽离情绪了，做一个快乐空心人，不要恨海情天。
老黄站在 CES 2026 的舞台上，身后的屏幕突然黑了。“所有系统都挂了，”他笑着说，“这在圣克拉拉从来不会发生。是因为拉斯维加斯吗？外面是不是有人中了头奖？” 这个小插曲倒是个不错的隐喻：2025 年的 AI 行业，就像一台马力全开但偶尔冒烟的机器。所有人都在全速狂奔，所有系统都在满负荷运转。 老黄在 CES 上说，每隔十来年，计算行业就要来一次大洗牌。从大型机到 PC，从 PC 到互联网，从互联网到云，从云到移动端。 这一次不太一样，地震是双重的。不仅应用要建在 AI 之上，连我们写软件的方式本身都变了。 “我们不再编程软件，我们训练软件。不再跑在 CPU 上，而是 GPU 上。”过去的应用是预编译好的，装在你设备上就那样了。现在呢？应用理解你的上下文，每次从零开始，实时生成每个像素、每个 token。 这意味着过去十年砸下去的十万亿美元计算基础设施，都要升级换代。老黄算了一笔账：全球百万亿美元产值的产业，研发预算正在从传统方法向 AI 方法迁移。风投每年两千亿美元涌入这个领域。这就是为什么大家都这么忙。 【1】2025，大模型的三个拐点 老黄回顾了 2025 年 AI 领域的几个关键进展。 第一个是推理模型的出现。2024 年底 OpenAI 发布 o1，第一次让 AI 学会了“思考”。以前的模型是一口气给你答案，对就对，错就错。现在的推理模型会停下来想一想，把问题拆开，一步步推演。想得越久，答案往往越靠谱。老黄管这叫“test-time scaling”，也就是用更多的推理时间换更高的回答质量。 第二个是 Agentic 系统的爆发。AI 不再只是回答问题，而是开始“做事”了。它会自己规划步骤，调用工具，查资料，写代码，甚至操控其他 AI。2025 年，这类系统从实验室走向了真实应用。 第三个是开源模型的崛起。DeepSeek R1 的发布像一颗炸弹，证明了开源模型也能达到前沿水平。虽然还落后闭源模型大约六个月，但下载量已经爆炸式增长。创业公司、研究者、学生、甚至各国政府，都开始用开源模型构建自己的 AI 能力。 这三个突破并非孤立存在。推理能力让 Agent 更聪明，开源模型让 Agent 更容易构建。它们相互催化，共同把 AI 推向了一个新阶段。 【2】Agentic AI：从“能聊天”到“能干活” 三个突破里，Agentic AI 可能是离普通人最近、又最容易被误解的一个。 先说一个直观的例子。老黄提到，英伟达内部现在大量使用 Cursor 编程工具。这不是普通的代码补全，而是一个真正的 AI Agent，你告诉它想实现什么功能，它会自己规划怎么写，查阅文档，生成代码，测试，修 bug，甚至重构。程序员的角色从“写代码的人”变成了“审代码的人”。 这就是 Agentic AI 的本质：AI 从被动回答问题，变成主动完成任务。 ChatGPT 刚出来的时候，最大的槽点是“幻觉”，它会一本正经地胡说八道。因为它只能依赖训练时学到的知识，没法获取新信息，但它又被要求有问必答，所以不得不胡编乱造。你问它今天的天气，它只能编一个。 Agentic 系统解决这个问题的方式很简单：让 AI 学会“查资料”自己补充上下文。遇到不确定的问题，它会先判断“我需不需要去查一下”，然后真的去搜索、去阅读、去核实。这个判断本身就需要推理能力，所以第一个突破（推理模型）是第二个突破（Agentic 系统）的基础。 但 Agentic AI 的能力远不止于此。 【3】Agent 的四种超能力 老黄在演讲中描绘了一个完整的 Agent 能力图谱。我把它总结为四种超能力： 第一，会推理。遇到从没见过的问题，Agent 不会直接说“我不会”。它会把陌生问题拆解成一堆熟悉的小问题，然后逐个击破。就像一个聪明的实习生，虽然没做过这个项目，但能把它分解成自己会的步骤。 第二，会用工具。Agent 可以调用搜索引擎、计算器、代码解释器、数据库，甚至其他 AI 模型。它知道什么时候该用什么工具，就像一个老练的工匠，手边有一整套工具，可以随手选最趁手的那个。 第三，会规划。面对复杂任务，Agent 会先想好怎么做，制定计划，预判可能的结果，然后一步步执行。不是闷头往前冲，而是“三思而后行”。 第四，会协作。这是老黄特别强调的一点：现代 Agent 系统往往是多个模型并存的。一个 Agent 可能同时调用好几个 AI：用专门的模型处理图片，用另一个模型写代码，用第三个模型做总结。就像一个项目经理，知道每个专家擅长什么，然后把任务分配给最合适的人。 他特别提到 Perplexity 的做法让他眼前一亮：“第一次看到他们同时用多个模型，我觉得这太天才了。”道理很简单：一个 AI 当然应该在推理链的任何环节调用最适合那个任务的模型。 所以未来的 AI 应用是什么样的？多模态（理解语音、图像、文字、视频、3D）、多模型（不同任务用不同模型）、多云（模型分布在各个云上）、混合云（有些在边缘、有些在企业、有些在云端）。 【4】一个 Agent 是怎么工作的？ NVIDIA 为此搞了一套叫“Blueprint”的框架。演讲中展示了一个演示：一个小哥用 DGX Spark 搭了个个人助手，能管邮件、日历、待办事项，还能控制一个小机器人。隐私敏感的邮件任务用本地模型，其他用 frontier 模型，中间用一个意图路由器自动分配。 听起来像科幻片，但搭建过程出奇简单。 首先，接入一个前沿大模型的 API 作为“大脑”。然后，为每个功能创建一个“工具”：邮件工具、日历工具、摄像头工具。接着，因为邮件涉及隐私，开发者加了一个本地运行的开源模型专门处理邮件，数据不出本机。最后，加一个“智能路由器”，根据用户的意图自动决定用哪个模型处理。 结果呢？用户说“帮我给 Jensen 发个邮件，告诉他脚本今天能交”，Agent 就自己完成了。用户说“把这张草图变成建筑渲染图，再做个视频带我看看房间”，Agent 也搞定了。甚至当用户的朋友远程接入，问“我的猫 Potato 在干嘛”，Agent 能看摄像头、认出猫、发现它在沙发上、还记得朋友不喜欢猫上沙发、然后通过机器人喊话让猫下去。 老黄说，这一切在两年前是“完全不可想象的”。而现在，“这已经变得微不足道了”。 Agentic AI 的概念其实不新。早在 2023 年，AutoGPT 就火过一阵，号称能让 GPT 自己给自己下指令、自动完成任务。但那时候的 Agent 更像是玩具，经常跑偏、容易卡死、实用性有限。 2025 年的爆发，靠的是几个条件同时成熟： 1. 推理能力的突破。没有可靠的推理，Agent 就像一个冲动的实习生，一拍脑袋就开干，经常把事情搞砸。有了推理，Agent 才能“想清楚再做”。 2. 工具生态的完善。各种 API、各种开源模型、各种开发框架，让 Agent 能调用的“武器库”越来越丰富。 3. 多模型架构的成熟。以前大家想的是“训练一个无所不能的大模型”。现在的思路是“让一个聪明的模型学会调用专业的模型”。这大大降低了构建复杂 Agent 的门槛。 4. 开源社区的推动。老黄反复强调，开源模型让“每个公司、每个行业、每个国家”都能参与 AI 革命。你不用自己训练前沿模型，拿开源的来用就行。 【5】Agent 会取代软件吗？ 包括我在内很多人都思考一个问题：未来 Agent 会取代软件吗？交互形式是什么样的？ 老黄在演讲中给出的答案是：Agent 不只是一种新应用，而是未来软件的新形态。 他说，以后你跟 Palantir、ServiceNow、Snowflake 这些企业软件打交道，界面可能不再是一堆表格和按钮。你直接跟一个 Agent 对话，告诉它你想干什么，它就帮你搞定。“就像跟人打交道一样简单。” 传统软件的交互方式：填表单、点按钮、写 SQL，本质上是在“迁就机器”。你得学会机器的语言才能让它干活。而 Agent 的交互方式是“机器迁就你”。你用自然语言说需求，Agent 自己翻译成机器能懂的操作。 当然，这不会一夜之间发生。企业软件涉及太多复杂的权限、流程、合规要求，不是换个界面就能解决的。但方向已经很清楚了。 【6】写在最后 老黄这场演讲其实还讲了物理 AI、自动驾驶、机器人、下一代芯片 Vera Rubin，我对那些关注不多就不总结了。但如果只看 AI 大模型这块，核心信息其实就一个： > AI 正在从“一个聪明的对话伙伴”变成“一个能调动资源、完成任务的系统”。推理模型给了它思考能力，Agentic 架构给了它手脚和工具箱，开放模型让所有人都能参与这场游戏。 我个人比较关注老黄在演讲中提到的 Agentic 系统将成为所有软件平台的新界面。以前你和软件交互，要点菜单、填表格、写命令行。以后你和软件交互，就像和一个懂行的同事说话。你说想干什么，它帮你干。未来的企业软件，入口可能就是一个对话框。 对于开发者来说，这是一个窗口期。开源模型已经足够强，Agentic 框架已经成熟，基础设施已经就位。剩下的就是应用层的创新。 老黄在谈到开放模型时问了一个问题：数字形式的智能，怎么可能把任何人落下？ Agentic AI 的爆发，不是每个人都能训练出最强的模型，但每个人都可以学会编排这些模型，让它们为自己干活。 这可能是最重要的变化。AI 不再只是科技巨头的游戏，它正在变成每个人都能用的工具。
感谢朋友帮忙截图哈哈 space被立党老师临幸了。 感谢党哥。 哈啊哈 https://t.co/7oOyMN9J0a
2026 年想要变富，必须掌握的全部技能： 1.Vibe coding 2.Claude Code 3.建立 X 受众 4.制作视频 5.理解 machine learning 的工作原理 6.理解数据库的工作方式（我喜欢 Supabase） 7.使用 API 8.理解 iOS App Store 的运作机制 9.戒掉 doom scrolling
分享一个最新关于《Claude Agent SDK》的 Workshop，作者也是 Claude Code 团队的。 围绕着 Claude Agent SDK 的宣传本身，里面谈到了部分 Claude Code 的底层原理逻辑，和基于 Claude Agent SDK 去构建 Agent 的方法论，特别是关于 Bash、关于文件系统、上下文管理等等。如果对 Claude Agent SDK 和 Agent 原理感兴趣的，可以看看。但是本身是 Workshop 形式，需要有点耐心理解。 https://t.co/1P27uEK3Le
我测出了有史以来读电子书的最优解决方案（上） ——Z-library的最佳使用方法，Telegram 1 我有一个自己的电子书bot，只要发书名他就会给我电子书文件，全程不超过半分钟就可以下载下来。这个bot里还可以获取Z-library最新的官网链接（这很重要）。 Z-lib官网链接经常变更，先点赞收藏关注以免走丢 ⬇️ https://t.co/FtyQbllrdq
很多个股最大平均年化，似乎就是个20-35%的样子。 镁光1997年上市之后，跌了几年，然后从03年到13年，股价就在5到30之间来回波动，假如你不是1.5最低价买的，而是16年中间值20买的，那么拿到现在300块，中间涨了15倍，但是花了9年，平均年化35.1% 对巴菲特这样的体量来说，最大的问题是买太多之后，一是市场上没有可以买的标的了，二是自己成本上去了，年化还会降低。
This physique is extremely attractive. { "subject": { "description": "a fit young woman taking a mirror selfie with a strong, athletic presence, lean physique and defined abdominal muscles, expressing quiet confidence and controlled strength", "mirror_rules": "mirror selfie, text readable normally, ignore mirror reversal, no duplicated or distorted letters, no extra characters", "age": "early to mid 20s", "expression": { "eyes": { "look": "focused and calm", "energy": "cool, restrained confidence", "direction": "looking slightly downward toward the phone screen" }, "mouth": { "position": "naturally closed", "energy": "neutral, unemotional" }, "overall": "self-possessed, composed, subtly dominant" }, "face": { "preserve_original": true, "makeup": "minimal, natural skin texture, no beautifying filters" }, "hair": { "color": "dark brown", "style": "low ponytail with straight bangs", "effect": "clean, practical, athletic" }, "body": { "frame": "lean athletic build", "waist": "tight waist with visible muscle definition", "chest": "natural, compact", "legs": "lean thighs with subtle muscle tone", "skin": { "visible_areas": "arms, shoulders, abdomen, upper thighs", "tone": "light warm-neutral", "texture": "natural, realistic skin", "lighting_effect": "soft indoor light emphasizing muscle structure" } }, "pose": { "position": "standing sideways to the mirror with the torso slightly rotated", "base": "weight firmly grounded on one leg", "overall": "shoulders set and broadened, subtle hip shift away from the mirror creating tension through the torso, deliberate posture showing control rather than display" }, "clothing": { "top": { "type": "sports bra", "color": "black", "details": "clean cut with white elastic band", "effect": "functional, athletic, no decorative elements" }, "bottom": { "type": "underwear", "color": "black", "details": "white waistband with readable Calvin Klein logo" } } }, "accessories": { "jewelry": "thin necklace", "device": "smartphone held close to the body with a firm grip" }, "photography": { "camera_style": "realistic smartphone mirror selfie", "angle": "eye-level mirror reflection", "shot_type": "mid-body to upper-thigh framing, subject slightly off-center", "aspect_ratio": "9:16 vertical", "texture": "sharp, natural, unfiltered phone photo", "lighting": "soft indoor ambient light", "depth_of_field": "moderate clarity, realistic focus" }, "background": { "setting": "minimal apartment interior", "wall_color": "neutral light tones", "elements": [ "wooden door", "plain walls", "simple floor" ], "atmosphere": "quiet, private, grounded", "lighting": "even indoor lighting without drama" }, "the_vibe": { "energy": "contained power", "mood": "cool, disciplined", "aesthetic": "athletic realism with masculine undertones", "authenticity": "high, feels unposed and intentional", "intimacy": "reserved, self-facing rather than audience-facing", "story": "a private moment of self-assessment after training", "caption_energy": "no explanation, no performance" }, "constraints": { "must_keep": [ "athletic body with clear muscle definition", "strong shoulder line", "subtle torso twist", "deliberate posture", "calm and cool expression" ], "avoid": [ "relaxed slouching", "cute or playful posing", "arched back for emphasis", "soft feminine gestures", "studio or dramatic lighting" ] }, "negative_prompt": [ "cute pose", "playful expression",
这是一门 Claude Code for 产品经理的课程，基本上是专门为产品经理打造的一门课程。课程主站是 fullstackpm weekly，所以应该是对产品经理非常友好的课程。 这门课主要是内容是： 1. 文件操作 2. 并行 Agents 3. 自定义 SubAgents 4. Project Memory 5. @-mentions 6. Image analysis。 学完之后能应用到工作里的内容： 1. 处理会议记录并提取 Actions 2. 整合来自多个来源的用户研究 3. 基于多角度反馈撰写 PRD 4. 分析产品数据并运行实验 5. 制定竞争策略并创建演示文稿 这门课没什么门槛，前置要求需要： 1. 有 Claude Pro 或 Max 订阅（每月 20 美元） 2. Mac、Windows 或 Linux 电脑都可以 3. 知道什么是 PRD 4. 完成课程需要 10-12 小时 5. 愿意动手 不需要编程经验、也不需要 Terminal 使用经验，在 GitHub 上开源免费的课程。 虽然说是产品经理课程，我感觉不仅适合产品经理学，这里面的内容对任何人其实都合适。
昨晚 CES 2026 老黄照例发表演讲，总结一下发布内容 主要是升级的 Rubin 芯片架构和 Alpamayo 机器人和自动驾驶 VLA 模型 ------ Rubin 架构平台特性： 100% 液冷： 使用 45°C 的温水冷却，无需冷水机组，节省大量能源； 机密计算： 所有数据在传输、静态和计算过程中均加密； 性能飞跃： 在训练 10 万亿参数模型时，Rubin 的吞吐量大幅提升，且生成 Token 的成本仅为 Blackwell 的十分之一； Rubin 架构主要有下面几个部分组成： Vera CPU： 专为功率受限环境设计，性能功耗比是前代的 2 倍，采用空间多线程技术。 Rubin GPU：浮点运算性能是 Blackwell 的 5 倍，但晶体管数量仅增加 1.6 倍。引入了 NVFP4 Tensor Core，一种能够动态调整精度的处理单元。 NVLink 6 Switch： 交换机芯片带宽达到 3.6 倍全球互联网总流量，确保每个 GPU 都能同时与所有其他 GPU 通信。 ConnectX-9 网卡： 与 Vera CPU 协同设计，提供 1.6 Tb/s 的带宽。 BlueField-4 DPU：负责安全性及虚拟化，它还引入了革命性的 KV Cache 存储功能，解决了长上下文对话中 GPU 显存不足的问题，为每个 GPU 额外提供 16TB 的快速访问内存。 Spectrum-X Ethernet Switch（新一代）： 采用硅光子技术和共封装光学器件，拥有 512 个通道。 ------ 开源 Alpamayo 模型家族： Alpamayo 1 VLA 模型：100亿参数的“链式思考”视觉-语言-行动模型，能把问题分解为步骤、在多方案中推理并选择更安全的路径，并用自然语言说明行动与轨迹。 开放数据集：包含超过 1700 小时的驾驶数据，这些数据涵盖了各种地理区域和路况，囊括了罕见且复杂的真实世界场景。 AlpaSim：一个用于验证自动驾驶系统的开源仿真框架。
本来想再买个 $100 的 Claude Pro 账号，但发现 Antigravity 里的 Claude 额度实在太足了 😂 现在最香的 $61 组合： 1️⃣ Claude Code：Claude Pro + Antigravity 反代 + MiniMax 9.9¥ 2️⃣ Gemini CLI：开通一个 Gemini Pro 即可，还送 Antigravity 3️⃣ Codex：效果好，但运行速度太慢，自带“物理冷却” https://t.co/N0ne9zBYQh
如果说代码已经便宜到了白菜价，但我们可能只用了不到 10% 的潜力。那剩下的 90% 是什么？2026 年的 AI 应用会往哪走？ 推荐看看这篇《Notes on AI Apps in 2026》，AI 应用生态正在成熟，2026 年的关键变化是工具将从执行转向探索，重点不再是“怎么建”，而是“建什么”。同时，企业每个部门都应该成为软件团队，而 AI 应用层不会被模型层吞噬。 作者 Anish Acharya 是 a16z 合伙人，AI 投资领域活跃人物。他之前提出过“Narrow Startups”框架，长期关注 AI 应用层投资机会。 他的这篇文章给了几个很有意思的判断。 【1】难题换了：从“怎么做”到“做什么” 现在日常用的工具，都是在解决帮你“做”的问题，但几乎没有帮你“想”的工具。 IDE 是帮你写代码的，Figma 是帮你画设计的，Excel 是帮你算数的。全是执行工具。但帮你想清楚“我到底该做什么”的工具呢？几乎没有。唯一算得上的，可能就是 LLM 本身，它某种程度上成了你的思考伙伴。 Anish 认为，这个局面在 2026 年会变。当 AI 写代码的能力越来越强、能处理的任务时间线越来越长，真正的难题就不再是“怎么实现”，而是“做什么”。 举个例子：想象一个产品经理，每天早上起来，发现 AI 已经根据他设定的大方向，自己想出了 2-3 个新功能、写好了代码、还跑完了 A/B 测试。PM 要做的只是 review 和拍板。 听起来很美，但问题在于：现在的模型在“想该做什么”这件事上还不太行。它想出来的点子往往平淡无奇，缺乏那种好产品思维的灵光一现。 所以下一代工具的机会在哪？不是更好的执行工具，而是真正的“思考工具”——帮你探索、发散、找到该做什么的工具。Cursor 已经在往这个方向走了。 【2】每个团队都得变成“软件团队” 企业里有两类职能： 一类是“权力职能”：工程、产品、效果营销——这些天生离软件近。 另一类是“服务职能”：法务、财务、HR——传统上靠人力运转，流程重、软件轻。 AI coding agents 会彻底改变这个格局。 第一层影响：服务职能的领导们需要转换思维。以前遇到问题，第一反应是“加人”或者“改流程”。以后第一反应得是“能不能用软件解决”。有的会用垂直产品（比如法律领域的 Harvey），有的会直接用通用的 coding agent（比如 Claude Code），每个团队都得学会用软件思维工作。 第二层影响：产品野心得大幅提升。以前做产品功能要排优先级，因为工程资源有限。以后可以假设能想到的功能都可以做出来。这不只是技术问题，而是观念问题，大多数企业还没准备好接受“什么都能做”这个现实。 文章中有句话：“Every feature that can be built will be built.”（能做的功能都会被做出来），也就是说：如果你不做，别人会做。 他认为，文化转变的难度不亚于组织转变。这可能是最被低估的挑战。 【3】AI 应用不会被模型公司吃掉 有一种担忧：OpenAI、Anthropic、Google 这些大模型公司会不会把应用层也吃掉？毕竟它们有最强的模型，做应用岂不是降维打击？ Anish 认为不用担心：大模型公司的能力“参差不齐”，就像它们做的模型一样，某些地方很强，某些地方有明显短板。而且它们各有各的包袱：Google 要应付监管承诺，OpenAI 同时在消费者、企业、模型、硬件四条战线上作战。 以编程工具为例，这个赛道是模型公司最重视的领域之一。结果 2025 年光是创业公司就创造了超过 10 亿美元的新收入。 他之前提过一个框架，说 AI 应用在这些领域有优势：需要多模型协作的、有独家数据的、有网络效应的、功能面很广的。结合 Karpathy 说的“厚”AI 应用（多模型编排、自主程度可调、上下文工程），你大概能看出成熟的 AI 应用长什么样。 或者说，应用层和模型层正在分化，而不是合并。 【4】普通人正在发现 AI 的“隐藏关卡” 这里 Anish 引用了 Replika 创始人 Eugenia 的观察：命令行式的交互界面，把很多普通消费者挡在了 AI 最强能力的门外。 但这正在改变。Wabi 让普通人也能生成小应用，ChatGPT 和 Grok 的图片 tab 让图像生成变得触手可及。如果 Apps Directory 和 Skills 能普及开，MCP 和 prompt 插件也会飞入寻常百姓家。 Anish 提了一个很有意思的点：2025 年生成一个小应用的快乐，其实和 2023 年生成一首诗的快乐是一样的。但大多数消费者还不知道这件事存在。 让更多人能“做东西”，某种程度上也回应了硅谷可能对 AI 社会影响有点“文化盲区”的批评。 【5】给大公司 CEO 的三点建议 对于已经到一定规模、正在思考 AI 转型的 CEO，Anish 的三点建议： 第一，看看最好的案例是怎么用 AI 把所有客户面向的角色（销售、客服、催收）整合成一个统一功能的。 第二，推动每个职能都“软件优先”——非技术部门拥抱 AI，才是企业获得真正运营杠杆的方式。 第三，对产品和定价都要更有野心。他的原话是：如果 Tesla 的 FSD 能实现跨海岸自动驾驶，Claude Code 能用 Claude Code 自己写出来，那对大多数企业任务而言，AGI 已经到了。 AGI 是句夸张的玩笑，重点其实是：很多企业对“AI 能做什么”的想象力还是太保守了。 【6】享受这个黄金时代 文章结尾，Anish 说了一句话： “没人会告诉你正在经历黄金年代，直到它结束。所以我现在告诉你。” 他的感受是，这一轮产品周期比以往更去中心化、更软件驱动、对技术人来说也更好玩。比起移动互联网时代巨头林立的格局，这一轮的机会分布更分散，创业者的空间更大。 当然不要忘记作者是个投资人，a16z 投了很多 AI 公司，所以他们是乐观的，也没怎么谈 AI 的可靠性问题、监管风险、就业冲击。 但他的一些观点我是认同的： 当“怎么做”不再是问题，“做什么”就成了最稀缺的能力。 借助 AI，企业每个部门都应该成为软件团队。
不管人在哪里，做一人公司，出海赚美刀地理套利，只需要10个工具： 虚拟地址: iPostal1 公司注册: Stripe Atlas 合同管理: DocuSign 自托管银行: AllScale 企业银行: Mercury 流水记账: Quickbooks 网站设计: Framer 会议预约: Calendly 客户管理: Notion 内容设计: Canva
🤖 啥都不说了，Antigravity 在 Dock 上妥妥的 C 位待遇！ https://t.co/sgnH9wvSlz
HN上有篇吐槽 macOS Tahoe（最新操作系统）图标设计的很火，哈哈哈。 作者有理有据，截了大量图，推荐读评论区的原文。 提炼下要点： 苹果 macOS Tahoe 给每个菜单项都加图标，违背了自己 1992 年《人机界面指南》的原则，把界面搞得更难用了。 图标设计的 7 个致命错误 1. 物极必反 给所有东西都加图标 = 没有突出。要想让人快速找到，就得有差异。 2. 不同应用，各自为政 "新建"有 15 种图标，"保存"有 4 种，"打开"有 5 种。用户根本学不会。 3. 同一应用，自相矛盾 工具栏和菜单里，同一个功能用不同图标。 4. 一图多义 同一个图标在不同地方表示不同功能。有时 👁️ 是"快速查看"，有时是"显示已完成"。 5. 细节过载 在 2.4 毫米的空间里画相机、取景器、窗口按钮。人眼根本看不清。 6. 隐喻混乱 不是每个操作都有好的图标隐喻，强行设计只会让人困惑。 7. 文字当图标 直接用 Abc、B、I、U 这种纯文字做图标，分不清哪是图标哪是文字。 好的设计原则不会过时，因为它们基于人类认知，而不是技术。 人的记忆、视力、注意力机制 30 年来没变过。 苹果给自己设了个不可能完成的任务，然后还执行得很糟糕。
看到一段话，分享一下： 年底复盘的时候，不是回顾这一年做了多少事，也不应该反思有没有更努力，而是只抛出来一个问题：回头看 2025 年，真正做成的、对你人生轨迹产生实质性影响的那一件事是什么。 这个问题本身就已经把大多数年度总结过滤掉了。因为一年里真正改变斜率的事情，通常只有一件两件，甚至半件。其余的，要么是噪音，要么只是为了维持惯性而发生的动作。 找到这件事之后，不要急着给自己贴努力成长这样的标签，而是冷静地把它拆解掉。 拆解的维度也很简单：运气、努力，以及人脉或结构性优势。 当你足够诚实地完成拆解之后，一个更重要的东西会慢慢浮现出来。你会发现，那件最成功的事并非完全随机。它往往与你过往多次做对的事情，隐约遵循着相似的模式。 也许你总是在新领域尚未拥挤时进入，也许你更擅长与少数关键节点建立深度信任，也许你能够长期忍受低反馈状态，直到某个时刻集中兑现，又或者你天然站在不同圈层之间，扮演信息翻译和连接的角色。 这些并不是性格描述，而是你已经用结果验证过的个人算法。真正的能力，几乎从来不会藏在你最痛苦的地方，而是藏在你反复赢过的方式里。 但大多数人恰恰会在这里犯错。他们在跑通一套有效模型之后，并不会选择继续加注，而是开始怀疑这套模型是否足够快、足够显性，继而不断重启人生。 换赛道、换身份、换叙事，看起来像是在进化，实际上是在反复清零。这也是为什么很多人年年复盘，却始终停留在同一个层级。 对下一年的目标，最理性的策略，并不是推翻重来，而是问自己一个问题：如果把 2025 年那件唯一做对的事系统化、前置化、规模化十倍，会发生什么。 如果你的优势是判断力，就更早下注；如果是信任关系，就长期经营；如果是表达或内容，就建立可复利的系统；如果是长期主义，就果断减少所有短期消耗。投资里从来不是靠频繁换仓赚钱，而是靠在正确方向上持续加注。 复盘真正的意义，从来不是为了自我感动，也不是为了证明自己有多努力，而是为了在未来做决策时，减少不必要的不确定性。真正成熟的人生策略，是不再试图成为什么都行的人，而是反复站在那个已经被事实证明、对自己最有利的位置上。