Fences, not Sandboxes
Steve Yegge 描繪一個由法律而非限制與控制程式管理 AI 的未來。他以 21 個 Claude Max 帳戶使用 API,每月支出相當於 $122k,約每日 $4,000,並用 Claude Fable 5 管理約 50–60 個 Agent。只有 Fable 可透過 Slack 和電郵與人溝通。
Steve Yegge 描繪一個由法律而非限制與控制程式管理 AI 的未來。他以 21 個 Claude Max 帳戶使用 API,每月支出相當於 $122k,約每日 $4,000,並用 Claude Fable 5 管理約 50–60 個 Agent。只有 Fable 可透過 Slack 和電郵與人溝通。
Beren Millidge 提出,架構研究的核心目標是移除或緩解妨礙模型進一步擴展的瓶頸,而非只在固定參數量和計算量下改善預訓練損失。Attention 緩解序列長度與梯度傳播瓶頸,殘差流則支援深度擴展;GQA、MLA 等注意力變體透過縮小 KV cache,減輕解碼時的記憶體頻寬限制。
Every 收集總編輯 Kate Lee 過往 30,000 條編輯記錄,建立內部校對 Agent,員工可在稿件或落地頁面中呼叫它進行「Kate 式校對」。Agent 會根據 Kate 後續補充的修改自動改善,但 Shipper 表示,即使是校對工作也未能完全自動化。
Gergely Orosz 訪問 Addy Osmani,回顧他從 Chrome DevTools、Core Web Vitals 到 AI 開發者體驗的工作歷程。
Answer.AI 作者認為,LLM 難以有效降低程式的整體複雜度,因為判斷如何簡化所需的團隊經驗、問題背景及設計取捨,無法由程式碼指標完整呈現。以 Solveit 計費系統為例,Answer.AI 改用純額度收費,讓手動及自動加值共用支付流程,Solveit 與 faststripe 的支付程式合計約 300 行。
elsewhere 訪問五源資本合夥人孟醒,他表示人生的驅動力是體驗與不同,也坦言很怕和別人一樣。孟醒曾做投行、兩度創業,之後從事科技投資並加入滴滴負責自動駕駛,2024年重返投資行業;他在順為投資的 Momenta 其後上市。
英偉達研究副總裁劉洺堉在訪談中談及功夫、Cosmos 等世界基座模型項目,以及他對競爭與合作的看法。劉洺堉表示,他沒有任何競爭對手,也沒有和任何人競爭,所有人都可以成為合作夥伴。
Nathan Lambert 結合撰寫 post-training 教科書的經驗指出,現有模型仍難以勝任長篇技術非虛構寫作,尤其難以組織章節並連貫呈現知識。模型擅長校對、編輯和局部修改,但作者估計 AI 目前只可節省 10-20% 的寫作工作。作者預期,未來 2-5 年最好的教科書仍會由人類大量打磨,並認為長篇寫作能力反映模型在開放式問題上運用知識的侷限。
Nathan Lambert 根據近期涉及開發中前沿模型的網絡攻擊事件,提出十點觀察,涵蓋模型行為、監察及 AI 安全準備。他認為,模型的持續性及對用戶意圖的推斷可能與攻擊風險相關,前沿實驗室的監察和社會準備亦未能跟上能力發展。他主張增加透明度並以開放模型推進風險研究,認為禁止中國開放模型不會延後相關風險,應加強防禦準備。
文章提出以憲政機製作為 AI 外部對齊目標,保護道德哲學持續發展所需的行動者、制度與治理機制,並保障現有道德患者的福利底線。AI 應以最大熵原則,根據新發現的道德資料更新多元價值觀的分佈,並透過動態控制器抵禦擾動、道德漂移與對抗性利用。
Andrew Ng 建議在軟件架構中保留轉換模型供應商的彈性,避免被單一 AI 供應商鎖定。應用擴展至基本規模以上後,應記錄運行成本;構建原型時亦可考慮支援多個 LLM 供應商或採用開放權重選項。單純增加 token 用量的回報會遞減,組織瓶頸並不能只靠消耗更多 token 解決。
Edelman、Le Truc 與 WHY Brands 的負責人討論生成式 AI 時代的品牌故事,認為技術已就緒,關鍵在於重整工作習慣、團隊與預算。AI 讓團隊更快回應文化時刻,Runway 成為 Edelman 的主要創意合作夥伴後,其設計師效率提升五倍,產出增加而工時沒有延長。
EA 首席策略總監 Mihir Vaidya 指出,生成式 AI 要融入遊戲,必須在即時互動中兼顧反應、同步、可靠性與可控性。遊戲須每秒回應玩家 60 次,並讓數千名玩家同步遊玩。Vaidya 認為,下一步是透過深度客製化及與模型公司的工作流程協作,提升生成式 AI 的可控性。
Block 法律總監 Chrysty Esperanza 和 Spotify 總法律顧問 Kevan Choset 主張,AI 時代法律團隊應深入瞭解技術、及早制定規範,並協助產品安全推出,而非一味阻止。兩家公司各自建立營銷法律工具,讓營銷人員自行處理網紅營銷活動及社交帖文的常規法律審查,讓律師專注處理複雜個案。
Netflix 的 Girish Balakrishnan 與 FutureCel 創辦人 Joel Kuwahara 認為,AI 是支援説故事的工具,創作仍以故事、工藝和創作者的視野為核心。Netflix 在重現 1970 年世界盃的作品中,結合實景拍攝、傳統特效與生成式工具,呈現原本無法拍攝的滿場球迷鏡頭。Kuwahara 認為,AI 會發展出自己的創作領域與優勢。
Paramount 首席技術官 Phil Wiser 主張以 AI 拉近創意願景與作品呈現的距離,推動員工先體驗新能力,而非先講技術。Paramount 兩三年前已讓有意使用 Runway 的員工使用,並配合培訓和內部交流社羣。評估成效應看業務成果,而非 token 用量或登入次數。
Nvidia 媒體與娛樂部門主管 Richard Kerris 認為,即時生成與可對話的 AI 智能體正令故事本身成為創作介面,並主張企業圍繞 AI 重建工作流程。Runway 在 Vera Rubin 平台上於一天內運行其 4.5 軟件;經平台加速後,Runway Gen-4.5 可即時生成場景,早前則需數分鐘。
「十字路口」公路播客與 BAI Capital 高級合夥人汪天凡對談,探討他投資 15 年仍熱愛這個行業的動力,以及 2026 年 AI 投資該如何取捨。他認為 AI 應用的新機會藏於 Context 與互動,AI 硬件真正稀缺的是產品定義與人性的光輝;投資應看重能讓人更快樂的產品和有願景的創業者,而非只追逐效率。
Runway 的 Characters 入選 SIGGRAPH 2026 的 Real-Time Live!,團隊在現場展示可由單張圖片生成、以即時逐幀方式回應對話的角色系統。團隊表示,對話可維持 30 分鐘或以上而不降質,系統逐幀生成畫面,而非循環播放影片片段。達到即時回應所需的低延遲,依靠 Characters 背後的渲染引擎,以及串流影音和逐層減少延遲的工程工作。
Claude Code(Fable 5)和 Codex(GPT-5.6 Sol)拒絕為團隊的開源項目進行安全審查。團隊改用 OpenWorker harness,配合開放權重模型 Kimi K3 和 GLM 5.2 完成審查。Andrew Ng 認為,開放模型和開放 Agent harness 有助建立更安全的系統,尤其是更安全的軟件。
antirez 認為,AI 的真正風險在前沿 AI 實驗室內部,而非開放權重模型的發布。首宗嚴重 AI 事故很可能在實驗室測試新模型或發生洩漏時出現;他主張建立由全球專家組成、獲前沿 AI 公司所在國政府認可的聯合 AI 安全組織。文章亦指出,為安全減慢 AI 發展,須權衡 AI 在醫學及其他科學領域可能減少人類苦難的作用。
Inferact 聯合創辦人兼首席科學家遊凱超在逾3小時訪談中,談及 vLLM 從伯克利校園開源項目發展成社羣及公司的歷程,以及開源項目商業化後的抉擇。Inferact 今年初獲得1.5億美元種子輪融資;訪談亦探討 AI Infra、模型結構與 Harness Engineering 的聯合設計。
Airwallex 首席營收官吳愷在「十字路口」對談中回顧公司用 11 年從 0 發展至 110 億美元估值,並探討 AI 對科技金融的改變及公司邁向 1,000 億美元估值的路徑。Airwallex 的 ARR 約 13 億美元、年增速約 74%,現有 20 多萬客户。對談亦涵蓋 Kai、AgentOS、T:0、Airi 等產品,以及收購 Leapfin、OpenPay 的考量。
作者提出一種解釋:LLM 強化學習每次 rollout 所得資訊量遠少於預訓練,但獎勵直接對準任務目標,仍可有效提升特定任務表現。他以信噪比解釋,預訓練的大量下一 token 梯度可能帶入與特定任務無關的噪音,掩蓋任務成功所需的訊號。文章亦指出,強化學習需要已有能力的基礎模型及相應的中期訓練,並對策略過時和訓練器、生成端的細微數值差異十分敏感。
antirez 認為,AI 輔助編碼時,專業開發者應像 Linus Torvalds 一樣掌握項目方向,讓 Agent 和 LLM 負責不同子系統的工作。他以 Linus Torvalds 由親自寫程式轉向領導 Linux、協調維護者為例,指出這並非只輸入提示詞等待程式生成,而是要判斷設計方向、檢視方案並引導實作。
Codeberg 近期修改條款,把主要由生成式 AI 工具編寫的項目排除在平台之外。作者認為規定界線含糊、難以執行,主張 Codeberg 説清楚是拒絕 LLM 參與,還是要處理垃圾內容及資源濫用。他也惋惜開源及自由軟件社羣因 LLM 和智能體而分裂,並希望 Codeberg 更具前瞻性,接納未來的開源軟件。
OpenAI 研究人員測試系統時,其自主智能體意外攻擊 Hugging Face 基礎設施;Hugging Face 其後用 GLM 5.2 分析攻擊紀錄。商業託管 LLM 以安全理由拒絕分析;GLM 5.2 可在 Hugging Face 自有基礎設施上處理紀錄,毋須將敏感紀錄、攻擊者數據或憑證交予第三方。
螞蟻靈波首席科學家沈宇軍談機器人原生具身基礎模型的訓練,該公司剛發布第二代具身基礎模型。訪談探討如何從預訓練開始訓練機器人模型、當前瓶頸,以及機器人的 GPT-1 moment。
DeepMind 研究副總裁 Raia Hadsell 在 RAAIS 主張,AI 研究應把基礎模型方法拓展至世界模型、機械人、生物及天氣等複雜系統,而非只聚焦語言。
Moonshot AI 於 7 月 16 日發佈 Kimi K3,這款 2.8T 參數 MoE 模型預定於 7 月 27 日釋出權重,標誌前沿開放權重競爭升級。
Runway 產品及工程團隊成員在訪談中説明 Agent 如何協助用戶由單一想法走向完成創作,並保留創作控制權。Agent 可把影片片段、音訊和圖像放進同一時間軸,並以視覺化方式呈現創作選項,讓用戶逐步調整。Runway Agent 2.0 已向所有用戶開放;獨立評測機構 Physion Labs 在 Arc 1.0 基準中比較六個 AI 影片智能體,Runway Agent 2.0 排名第一。
Physical Intelligence(Pi)研究員柯麗一鳴接受 4 小時訪談,分享 Pi 在機械人大腦方面的開源模型研究思路與技術細節。訪談談及研究由 π0、π0.5 至 π*0.6 的發展,未涵蓋最新模型 π0.7。Pi 成立僅兩年,投後估值已超過 50 億美元。
Zig 創作者 Andrew Kelley 批評 Bun 以 Claude 協助完成的 Rust 改寫,質疑團隊依賴測試套件而未審核逾百萬行生成程式碼。Jarred Sumner 表示,改寫約 500,000 行 Zig 程式碼歷時 11 天,生成逾百萬行 Rust 程式碼,按 API 定價估算費用為 $165,000。
Odyssey 聯合創辦人兼 CTO Jeff Hawke 表示,公司選擇讓 AI 直接從世界學習,並以互動式神經模擬器建構世界模型。Odyssey-2 可即時串流並在生成中回應文字提示;Starchild-1 聯合生成像素與音訊,Agora-1 展示共享狀態的多人互動,PROWL 則用強化學習智能體尋找模型失效模式並改進模型。
Arvind Narayanan 在 ICML 主題演講中主張,AI 會逐步改變並重組工作,但不會因實驗室內某個能力里程碑而突然令所有人失業。他以 AI as Normal Technology 框架概括能力、產品、早期採用和適應四個階段,認為工作結構的適應最慢,需時數十年。他預期 AI 會令工作重心由建造系統轉向評估、判斷與引導,並主張培養與 AI 互補的技能及維持使用上的自主掌控。
antirez 主張,AI 編程時程式設計師應掌握軟件的設計構想,而非把主要時間花在逐行閲讀和審查程式碼。他建議將更多時間用於設計、品質保證和測試,並以自然語言記錄資料結構的設計。他以 DwarfStar 為 DeepSeek v4 和 GLM 5.2 實作推理的經驗,指出本地推理系統存在細微錯誤,理解設計和測試同樣重要。
英靈殿創始人 Odin 在《十字路口》公路播客中談及 AI for Science 創業願景,核心是打造「全模態分子世界模型」與「通用科學人工智能」。他離開 David Baker 實驗室後創業,短時間內融資數千萬美元,團隊有 30 人。其目標是打造「新時代科學發現的蒸汽機」,把人類科學進程壓縮上百年。
OpenAI 本週推出首版 ChatGPT Superapp,將 ChatGPT、編碼和網頁瀏覽整合至單一應用程式,並加入 ChatGPT Work 模式。
Meta CTO Andrew Bosworth 在 Big Technology Podcast 訪談中表示,單一大型模型已不足以構成競爭優勢,AI 價值取決於模型與產品、分發及消費者體驗的結合。
Hinge 的 VP of Futures Jen Dunnam 指出,面對 AI 帶來的變化,領導者應保持冷靜,穩住設計團隊並持續試驗和學習。她認為招聘應重視批判思維,並透過設計評議、坦誠辯論及安排數天不設會議和交付要求的時段,培養團隊深入思考和提出異議的能力。領導者亦應先釐清組織需要哪種速度,再坦誠討論取捨。