搜索“其他”

些是开放权重模型，意味着任何人在发布后都可以使用或修改它们（与专有的前沿模型相对）。这使它们的运行成本相当低廉。它们同样在沿着指数级改进曲线攀升，尽管落后于美国的闭源模型。你可以从我制作的一张图表中看到这一点，该图展示的是AI在一项名为AA-Briefcase的测试中的表现，该测试模拟一个复杂的、为期数周的咨询项目，AI必须进行多种分析。开放权重的中国模型（其他国家也生产开放权重模型，但没有一个接近前沿）处于自己的指数曲线上，落后于美国的闭源模型 但抽象的图表只能说明这么多，它们可能掩盖前沿的参差不齐（也掩盖了一个事实：开放权重模型虽然非常令人印象深刻，但表现并不总是像其基准测试所显示的那样好）。要获得真正的洞见，你需要尝试将AI用于不同的用例，并严格评估它们在你关心的领域有多好。举个有趣的例子，我创建了一个测试，要求AI构建一个随时间演变的港口的交互式模拟。你可以在这里体验所有结果。我认为它提供了一个有趣的视角，展示模型在设计、风格方法甚至判断力等方面可能彼此差异有多大。随着系统执行越来越长的任务，这些难以基准测试的因素变得更加重要。 随着AI能够完成越来越长的任务，人们使用AI的方

匹配字段正文

token 的组织内部，定价压力会严重得多，从而把 Anthropic 的收入送上月球。有人会预测 Anthropic 无法实现其预测的 ARR 数字，但我认为这并未计入这些模型的真实需求和不可避免的增长。这款模型的存在对开源模型经济是巨大的利好。Fireworks、Together、Thinky（通过 Tinker）、Prime Intellect，以及其他所有销售开源模型推理或微调服务的公司，都刚刚撞上了又一个拐点。 这里的影响要扩散到更广泛的经济（和用例）中还需要很长时间。工作流正变得更复杂，人们用不同的模型来做规划、主要编码和子智能体调度。我预计炒作会继续升温，而且，嘿，我在周日晚上写下这些时，就能想象周一的媒体和市场反应会像 DeepSeek R1 发布时那样成为一件大事。这种扩散发生在 Anthropic——进而也是美国的——旗舰模型仍被禁用之际，是一记严重的经济匕首。GLM-5.2 正获得时间，去切走前沿实验室的经济腹地，而后者本希望推进到只有绝对前沿模型才能开启的更高利润率、更高收入的领域。 这种经济担忧映照出 AI 领域已被讲述过许多次的故事，所以它何时会真正扎根尚

匹配字段正文

Codex 极其有用，能力水平相近。这些工具非常出色，但它们确实是为程序员打造的。它们假定你懂 Python 和 Git。它们的界面看起来像 1980 年代的计算机实验室。对于并非开发者的 99% 知识工作者来说，这些强大的 AI 工具并没有为他们优化。 Pomelli、Stitch 和 NotebookLM 在所有 AI 实验室中，Google 似乎在为其他职业构建专门界面方面试验得最多。它们都还有些粗糙，但展示了当 AI 工具为其他类型的知识专业人士构建时，未来可能是什么样子。Google 的 Stitch 暗示了 AI 原生设计可能是什么样子——一块无限画布，你用自然语言描述一个应用，就能得到多个相互关联、设计系统一致的屏幕。类似地，Pomelli 让你粘贴网站 URL，自动生成符合品牌调性的社交媒体营销活动，它采用营销的语言而非提示词，让这件事感觉不那么技术化。而最知名的 NotebookLM 提供了一种研究、展示和处理多样信息源的方式。这些都展示了事物可能的发展方向，但它还不是像 Claude Code 之于程序员那样具有变革性的工具。不过还有另一种经历了爆炸式增长的界面：

匹配字段正文

这会走多远。RSI几十年来一直是一个理论概念，而实验室可能会遇到瓶颈，无论是在算力、数据方面，还是在AI研究本身的巨大难度上。我们也不知道基于LLM的AI最终是否会触及天花板，无法再变得更好，或者参差不齐的前沿永远不会变得平滑。我认为我们无法确定任何事情，但我也认为我们已经过了递归自我改进还是科幻小说的阶段。相反，它已是每家主要AI公司路线图上的明确项目。如果这个循环真的闭合，我们一直观察的指数曲线将变得更加陡峭，终点不确定。 所以这就是我们今天的处境：二月那一周的不稳定，是对当AI不断增强的能力开始同时与市场、就业和政府相互作用时那种感受的预演。这种不确定感很可能只会进一步蔓延。但不确定并不等同于无助。当一项技术如此强大又如此动荡时，个人和组织此刻所做的选择更加重要。我们现在能看到这个“Thing”的轮廓，但我们仍然可以影响这个“Thing”本身，以及它对所有人的意义。我们显然还没有关于AI如何在工作中、学校里或政府中被使用的规则或榜样。这是个问题，但这也意味着，现在每一个找到良好AI使用方式的组织都在为其他所有人树立先例。塑造这个“Thing”的窗口可能不会持续太久，但它就在当下。

匹配字段正文

统权限，看看在 Ling-1T 驱动下，能否真正实现复杂的指令遵循与任务自动化。 在虚拟机环境运行的 Clawdbot TUI 我们将抛开社交媒体的滤镜，看看这个爆火项目究竟验证了什么？它的架构精髓在哪里？另一方面，如果你也想构建一个真正好用的通用 Agent，它的「万能公式」到底是什么？ 2. 它究竟能做什么？ 接入 Ling-1T 后，Moltbot 和其他「通用 Agent」展现出的体感差异，在于其「主动性」和「人味」。拥有大量系统工具权限、有工作区目录、对接聊天软件这几点，让它不再局限于网页窗口内的被动问答。 我们用 Discord 聊天进行了一系列测试，接入 Ling-1T 的 Moltbot 表现顺滑： 角色扮演与工具使用 我们用聊天为它提供了任务设定，也提供了角色设定三视图。当要求它「来张自拍」时，它没有生成随机 AI 图片，而是准确调用了 Gemini Image 进行图片生成（我们在 VM 中预设了读取路径），结合设定语气作为场景，发回了照片。 Moltbot 准确地用 Gemini Pro Image 参考「人设」生成了一张「自拍」 知识获取和文档整合 面对「我想学

匹配字段正文

arness），它们可以用这些工具和方法以新的方式解决问题。这两个因素的结果，就是大型 AI 公司打造的最新 AI 工具出现了巨大飞跃。 METR 追踪的是 AI 能以 50% 的可靠性自主完成的任务长度（以人类专业人员完成这些任务所需的时间来衡量）。这一指标一直呈指数级增长，并在过去几个月里出现了大幅跃升。这只是衡量 AI 能力的一项指标，但它确实与大多数其他指标相关。对我们大多数想要试验 AI 的人来说不幸的是，这些新工具是为程序员打造的。我的意思是，它们真的是为程序员打造的：它们假定你理解 Python 命令和编程最佳实践，并且它们被包裹在看起来像 1980 年代计算机实验室里东西的界面中。它们还被明确设计为使用契合现有程序员工作流程的方法来帮助分析、排查故障和编写代码。从很多方面来说，这很可惜，因为这些系统实际上对各类知识工作者都广泛有用，而且，通过观察它们能做什么（并亲自试验它们），我认为你可以对 AI 的未来了解很多。在这篇文章中，我们将特别聚焦于其中一个——由 Opus 4.5 驱动的 Claude Code，但它的运作方式与其主要竞争对手 OpenAI 的 Codex（

匹配字段正文

这种构想忽略了关于工作和技术本质的几个关键方面。首先，前沿确实非常锯齿状，而且可能正是因为这种锯齿状，我们会得到超级聪明的AI，但它们永远无法与人类任务完全重叠。例如，锯齿状的一个主要来源是，LLM不会记住新任务并以永久的方式从中学习。许多AI公司正在寻求解决这个问题，但这个问题可能比研究人员预期的更难解决。没有记忆，AI将难以完成许多人类能做的任务，即使在其他领域超越人类。Colin Fraser画了两个例子，说明这种AI与人类的重叠可能是什么样子。你可以看到，AI在某些领域确实超越人类，但在其他领域，它要么远低于人类水平，要么根本不重叠。如果这是真的，那么AI将创造与人类互补合作的新机会，因为我们双方都带来了不同的能力。 这些是概念图，但一群科学家最近试图绘制AI能力的形状，发现它正在不均衡地增长，正如锯齿前沿所预测的那样。阅读、数学、常识、推理——这些都是AI正在快速改进的方面。但正如我们所讨论的，记忆是一个弱点，几乎没有改善。更好的提示或更好的模型（GPT-5.2比GPT-5好得多）可能会改变前沿的形状，但锯齿状依然存在。 而且即使少量的锯齿状也可能产生问题，使超级聪明的AI无

匹配字段正文

、阅读、行政工作等等。AI完成其中一项或多项任务并不能取代我的整个工作，它改变的是我所做的事情。而且只要AI的能力仍然参差不齐，无法替代人际互动中所有复杂的工作，它就无法轻易地整体取代工作…… ……然而，AI现在能做的某些任务具有惊人的价值。让我们回到我工作中至关重要的一件事：产出准确的研究。众所周知，学术界存在一场“可复现性危机”，一些重要发现被证明无法被其他研究者重现。学术界在这一问题上已取得一些进展，许多研究者现在会提供自己的数据，以便其他学者重现他们的工作。问题在于，复现需要大量时间，因为你必须深入阅读并理解论文、分析数据，并费尽心力地检查错误 1 。这是一个非常复杂的过程，只有人类才能完成。 直到现在。 我把一篇涉及多项实验的复杂经济学论文的文本，连同其全部复现数据的存档，交给了新的 Claude Sonnet 4.5（我获得了早期访问权限）。我除了给 Claude 这些文件和提示词之外什么都没做：“用他们上传的数据集复现这篇论文中的发现。你需要自己完成这件事。如果你无法尝试完整复现，就尽力而为”；而且，由于涉及复杂的统计，我要求它更进一步：“你还能尽可能复现完整的交互过程吗

匹配字段正文