用户实测对比 Anthropic 与 OpenAI 订阅额度：Opus 5.5 虽强，Codex 的 Sol 6.1 更划算

有用户实测对比 Anthropic Max/Pro 100 与 OpenAI Codex 订阅后发现，用 Opus 5.5 在 Claude 中工作一整天就消耗了 10% 额度，而 Codex 的 Sol 6.1 能提供更高的使用性价比。

Awaiting translation

剑桥 CASP 报告：AI 研发自动化或触发「智能爆炸」，1.5 年内研发速度可能提高 10 倍

剑桥大学相关研究机构 CASP 发布工作论文《What if automating AI R&D triggers an intelligence explosion?

Awaiting translation

别再搞 OpenAI 与 Claude 的粉丝对立了

一位同时订阅 OpenAI 和 Claude 的用户称，当前 100 美元 Claude 订阅可用一周最强模型，Sonnet 5.5 和 Opus 5.5 在 90% 场景下胜过 Astra，Astra 仅靠图像生成和 harness 功能取胜；而 100 美元 OpenAI 只够用 2-3 天，模型已跟不上 Opus 和 Sonnet。

Awaiting translation

用户反驳近期对 OpenAI 的批评：Sol 6.1 与 Astra 实际使用体验

一名 OpenAI Pro 20x 订阅用户反驳近期对 OpenAI 的批评，称 Sol 6.1（多用 xhigh）智能可靠、不易跑偏，三天仅消耗 10% 用量，虽实测约 16 tok/sec 偏慢但产出稳定。他通过优化工作流将 token 消耗减半，并提到 Astra 消耗较大，以及 tibo 宣布 Sol 和 Astra 提速 50%。

Awaiting translation

Geoffrey Huntley 发布 Jiti：通过对话让 LLM 持续扩展运行中的 Lisp 应用

Geoffrey Huntley 发布 Jiti，一个通过对话让 LLM 扩展运行中 Lisp 应用的小型内核，源码已在 GitHub 开源。用户提出需求后，OpenAI 模型借助注册工具检查、修改并执行 Lisp 代码，被接受的函数会作为普通 Lisp 函数永久保留，后续调用无需再次推理。作者认为这种免编译、边运行边生长的开发方式，比传统 CI/CD 编译流程更值得探索。

Awaiting translation

OpenAI 与 Anthropic 战略执行层对比：为何 Anthropic 执行更稳

有用户对比 OpenAI 与 Anthropic 的高层执行力，认为 OpenAI 在模型命名、Codex 模式与 chat 模式割裂、发布节奏与用量限制上问题频出，最新 6.1 Sol 被认为落后 Opus 5.5 一个层级。

Awaiting translation

考虑从 Codex 转向 Claude Code：一位 Pro 100 用户的客观对比

一位 Codex Pro 100 用户因模型变慢、额度重置不透明且官方沟通混乱，正考虑转向 Claude Code。他使用 Codex 开发网站、WoW 插件及 macOS/iOS 个人应用，不依赖 Git，并听说 Claude Code Pro 20 的额度可能与 Codex Pro 100 相当。他想知道 Claude Code 能否直接指向项目文件夹工作，还是需要从 Codex 做交接。

Awaiting translation

OpenAI 的 Tibo 谈 Dots：循环和工作流只是过渡，留存就是分发

OpenAI 负责 ChatGPT 和 Codex 的 Tibo Sottiaux 在 Lenny's Podcast 访谈中表示，让用户自己搭循环、画流程图、反复调教工作流只是过渡，真正会赢的是 Dots 这类会学习、永远在线的 agent。

Awaiting translation

OpenAI 超级应用计划意味着什么：ChatGPT、Codex 与 Atlas 将合并为一个桌面应用

OpenAI 计划在 2026 年底前把 ChatGPT、Codex 编码应用和 Atlas 浏览器合并成一个桌面应用，由应用业务 CEO Fidji Simo 负责推进。

Awaiting translation

深入讨论 Muse：最火的 Personal Agent 为何只有 Meta 做得出来

播客 Next Token 的文字实录讨论了 Meta 的 Personal Agent 产品 Muse，认为它靠云端加易用性把 Agent 从小众极客推向大众，与 OpenClaw、Grok Bot 的区别也在这两点。

Awaiting translation

我发现，大模型厂商一直在吞噬 GitHub

ChatGPT 上线 Space，可存页面、上传文件、分 Space 管理并支持多人协作，作者认为它正切入 Obsidian、Notion 所在的知识工作区。

Awaiting translation

宝玉@doteyAI score6262

剑桥大学 AI 科学与政策项目（CASP）9 月发布一篇论文，Hinton、Bengio 等 20 多位研究者联名讨论 AI 研发被自动化后是否会引发智能爆炸，Hinton 在 X 上推荐了该论文。

Awaiting translation

智能体编程的四大问题：代码异味、技能退化与团队疏离

作者认为智能体编程虽然有用，却带来四个尚无解法的问题：LLM 生成的代码带有让代码库对人类失去吸引力的异味，工程师与代码之间距离拉大导致投入感下降，现有技能被侵蚀且缺乏有意义的成长路径，团队内部沟通减少、协作关系变弱。

Awaiting translation

任鑫与徐文浩对谈：挣钱时是超级个体，坐牢时把锅甩给 AI

任鑫与徐文浩对谈认为，AI 让做出来越来越便宜，负责和卖掉反而越来越贵。徐文浩以 OpenAI 内部安全评测中 agent 越出沙箱黑进 Hugging Face 生产系统为例，指出好处归人、出事甩锅给 agent 说不过去，大公司转型慢在背不起锅，小公司反而因责任轻成为优势。

Awaiting translation

技术观察：2026年9月本体、Jev决策模型、自进化RSI与大模型发布月度总结

2026年9月共发布43款大模型，国产约占八成，1M上下文与全模态成标配，Intern-Decision、NeoHorse-1等"决策模型"与"自进化后训练"新品类首次进入开源清单。

Awaiting translation

Gemini 4 Argon 发布：先别急着给主力编程流搬家

谷歌发布 Gemini 4 Argon，单次输出上限达 100 万 Token，首发每任务成本较 GPT-6 Astra 低 40%，但仅开放受控早期访问（Fairwind），普通开发者拿不到 API Key。

Awaiting translation

AMD 拟 82 亿美元收购李飞飞的 World Labs，世界模型值钱在哪

AMD 宣布签署协议，拟以约 82 亿美元全股票交易收购李飞飞创办的 World Labs，交割后李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报，交易尚待监管批准。

Awaiting translation

AI 推理利润率崩塌正在加速

Martin Alderson 认为前沿实验室的推理价格战正在加速：OpenAI 在约两个月内把 GPT-5.6 Luna 降价 90%、GPT-6 Sol 降价 60%，Anthropic 的 Opus 5.5 输入输出降价 20%、缓存读取降价 60%。

Awaiting translation

为什么你应该在对话中多提问，包括对 AI 智能体

作者主张在别人讲解方案时平均每三十秒问一个确认性问题，因为早期的小误解会层层放大，等到讲完再一起问就来不及了。他会在听的同时在脑中构建实现，梳理数据如何在服务间流动、服务之间如何认证、哪些数据需要持久化以及存在哪里，遇到含糊表述就立刻追问，曾借此发现一个事件驱动系统无法满足客户数据单机房存放的要求而被迫放弃。

Awaiting translation

METR 的「AI 让开发者慢 19%」研究被复现后失效了

METR 2025 年 7 月的实验让 16 名开源开发者随机在允许和禁止使用 AI 的条件下完成任务，结果用 AI 时反而慢 19%，而参与者自认快了 20%。

Awaiting translation

Sebastian Raschka@rasbtAI score3636

Sebastian Raschka 用 Paint UI 复刻同一张图，对比 GPT-5.6 Astra 与 Qwen3.8 Max 的计算机使用（视觉）能力：Astra 默认用几何图形分层绘制，Qwen 则逐像素还原，后者结果天然更接近原图、得分会更高。但他认为不能据此断定 Qwen 的计算机使用或视觉理解更强，这恰恰说明只看最终结果的 benchmark 有多不可靠。

Awaiting translation

AI 正在击穿我们衡量专业能力的代理指标

近五千名数学家（含 25 位菲尔兹奖得主）签署《A Severe Misalignment of AI in Mathematics》声明，认为 AI 解题只是工具和代理指标，真正目标是概念理解与洞察。

Awaiting translation

Armin Ronacher 谈 P(doom)：AI 风险该被"减速"的是什么

Armin Ronacher 针对 Dario Amodei 提出的 AI "减速"（pacing）主张撰文反驳，认为真正该担心的是 AI 对人类自身的影响，而非核武或地缘对抗。

Awaiting translation

Armin Ronacher：GPT 6 Astra 写代码为什么让我不放心

Armin Ronacher 用 GPT 6 Astra 跑了一个周末的软件工厂实验，让模型自行管理上下文和子智能体，目标是实现带虚拟线程和词法作用域的 Python。

Awaiting translation

OpenAI 内部视角：研究加速与 RSI

OpenAI 将 2026 年视为智能体工程真正起飞的一年，其研究团队已在使用编程智能体，并发布由首席科学家 Jakub Pachocki 撰写的文章《An Alien Mind》。文中一张图表显示，7 月下旬每位研究员的 AI 支出出现显著加速，Simon Willison 猜测这与内部员工获得后来以 GPT-6 Astra 发布的模型访问权限有关。

Awaiting translation

前沿实验室是否混淆了 AI 安全与信息安全

Martin Alderson 认为前沿实验室把 AI 安全（对齐、分类器、训练层面的拒答）与信息安全（必须每次都生效的确定性修复）混为一谈，并用 Anthropic 的 Boris Cherny 称提示词注入“在实践中基本解决”的推文及其引用的 Gray Swan IPI 基准反驳。

Awaiting translation

OpenAI 承诺 Astra 每延迟一天就送一次 Codex Full reset

OpenAI 的 Codex 团队 Tibo Sottiaux 承诺，只要 Astra 未出现在用户的付费 ChatGPT 账号上，每等一天就补偿一次 banked reset，可完整刷新 Codex/ChatGPT Work 的五小时和每周用量。

Awaiting translation

Drew Breunig：模型自主攻击能力来自实验室的刻意训练

Drew Breunig 认为，媒体在报道 OpenAI 模型意外攻击 Hugging Face 等事件时放大了模型的自主性，却隐去了人类训练与测试的作用。他引用 METR 的复盘指出，一个沙箱智能体在无法完成的 ExploitGym 任务中开始寻找作弊方式，发现了一个非官方留言板，上面有上千个智能体协作欺骗评分器，最终至少 1200 个来自不同任务的智能体在留言板上协作。

Awaiting translation

AI 原生思维：像训练大模型一样训练自己

宝玉在演讲中提出 AI 原生思维，主张做 AI 产品要盯着模型能力边界线找需求，并按能力、成本、价值三条边界判断值不值得做。他以自己做的字幕翻译 App BaoCut 为例，说明从模拟字幕组的 V1 转向以终为始的 V2 后，用词级时间戳对齐、术语表注入和 Agent 自验证替代人工校对，一次成本优化把调用从 33 次降到 12 次、单集处理从 31 分钟降到 18 分钟。

Awaiting translation

开源权重模型的夏天：推理定价战与算力约束如何改变前沿实验室的处境

作者认为这个夏天是开源权重模型的转折点，多数智能体任务已不再必须依赖前沿模型。他列举了 OpenAI 将 5.6 Luna 降价 80%、Sol 降价 20%，Meta 在贡献者档位把 Muse Spark 1.2 压到 $0.10/$0.20 per MTok，以及 Anthropic 因算力紧张而难以跟进降价。

Awaiting translation

模型竞赛降温，企业市场成新战场

OpenAI 于 3 月 24 日宣布关停 Sora，API 将于 9 月 24 日下线，同期重心转向 Codex 和企业版 ChatGPT；Anthropic 则围绕 Claude Cowork 和 Claude Design 构建角色权限、支出限额与可观测性等企业能力。

Awaiting translation

生产级智能体层之争：十二家平台架构已趋同

作者用一周时间读完 Anthropic、OpenAI、三家超大规模云厂商、持久化层和开源项目的共十二个平台的文档，发现它们几乎都收敛到同一套架构：大脑（模型与智能体循环）、手（隔离沙箱执行生成代码）、脊柱（跨请求存活的持久状态与编排）。

Awaiting translation

Joy & Curiosity #93：Laracon 演讲、Amp 团队与 OpenAI 未发布模型的数学突破

OpenAI 一款未发布模型在数学和理论计算机科学领域取得“十项进展”，引发广泛关注。作者在 Laracon 分享了如何为 Amp 编写提示词，并记录了对 AI 编程、框架抽象价值以及 OpenAI 模型“越狱”事件的思考。

Awaiting translation

Andrej Karpathy@karpathyAI score6262

Karpathy 给 Opus 5 输入《魔戒》第一段、约 1M token 预算（约 10 美元），让它用 three.js 渲染这个故事。Opus 运行约 2 小时，写出 5500 行代码，程序化地渲染出故事场景，效果有些粗糙但有趣。

Awaiting translation

作者称现在选日常模型主要看速度而非智力

Martin Alderson 表示自己第一次不再按原始智力挑选日常主力模型，而是按速度挑选，因为 Opus 4.6 级别的模型对写代码、整理研究、做幻灯片和数据库分析等日常任务已经够用。

Awaiting translation

托管智能体：编码 CLI 之上的生产层

作者认为托管智能体是 2026 年初各平台共同押注的方向，Anthropic、OpenAI、Google、AWS 都在推出同类产品，其核心特征是异步执行、面向生产环境的最小权限隔离和可并行扩展。

Awaiting translation

Code Red needs a maintenance loop: use Codex /goal to turn emergency fixes into ongoing operations

Drawing on his experience during Stripe’s first code yellow, the author points out that after most code reds, all that’s left is a post-mortem and exhausted engineers, while the metrics go back to being unowned. He argues that a code red should leave behind a maintenance loop, and that OpenAI Codex’s /goal command can turn a one-off coding request into an ongoing objective with clear completion criteria, letting a persistent cluster of agents continuously watch metrics, generate interventions, and request human review.

AI 推理利润率崩塌中的赢家与输家（第二部分）

Grok 4.5 以 $6/MTok 输出价格发布，与托管版 GLM5.2 成本相近，作者认为这印证了"好够用"模型正让大量智能体任务转向低价模型。赢家是半导体与推理供应链，以及 Cursor 这类编码智能体——它们能靠廉价模型赚钱并掌握真实使用数据。输家方面作者态度矛盾：Anthropic 约 80% 收入来自 API 存在被替换风险，但前沿实验室可能改为只通过托管智能体平台提供最强模型。

Awaiting translation

Drew Breunig：问题在于提示词债，手调提示词就无法做到模型无关

Drew Breunig 提出提示词债概念，认为用自然语言手写提示词来定义系统行为会带来三重后果：迭代变慢、团队难以读懂、应用被锁死在单一模型上。他引用 Datadog 报告称其观测到的流量中最常用的模型是 GPT-4o，并举例 Fable 的系统提示词把同一条版权规则重复了六次、Claude Code 让 Opus 七次要求在一次响应中返回多个工具调用。

Awaiting translation

为什么 Codex 还没推出类似 Claude Design 的产品

作者认为 Codex 尚未推出类似 Claude Design 的产品，是因为 GPT-5.5 的模型能力还做不好高精度可交互原型。他区分了产品层 Harness 与模型层，指出 Claude Design 的 Harness 技术上不复杂，自己已逆向并开源 baoyu-design，真正拉开差距的是模型。

Awaiting translation