我的 X 阅读

转帖：开始时：“AI 氛围编码是个极其糟糕的主意；任何提倡它的人要么无能，要么邪恶！” 现在怎么样：“我的新游戏全是用氛围编码的！” 从否认到接受，只用了 10 个月！

转帖：新 Meta 论文显示，AI 代理可以在共享 Git 仓库中利用彼此的工作成果，即使是失败的尝试，每一步都记录在仓库中。 大多数赋予代理更多计算资源的方法都将每次运行视为孤立事件。当一次运行结束时，其部分结果和失败都会消失，因此后续运行可能需要重新发现它们。 GitSwarm 在共享仓库上运行多个相同的代理，没有老板分配任务。每个代理读取过去的工作，选择要尝试的内容，并提交其结果，同时附上一份它所使用的早期提交列表，即使来自其他分支。 在 ProgramBench 的 50 个程序重建任务上，GitSwarm 得分 79.4%，而单个 Codex 代理在类似计算量下被指示继续工作时，峰值达到 65.1%。后续代理利用了 94.7% 的保存贡献。 与其推动单个代理不断前进，不如在共享 Git 历史记录上运行多个代理，该历史记录保留了每一次尝试，包括失败。

转帖：太阳和行星按比例。 ：R. Ziche

这期播客里最扎心的一段细节，是聊到 Muse 是怎么被造出来的。 大家习惯了看硅谷神话，以为现象级产品的诞生靠的是某天夜里的灵光乍现。 Alexandr Wang 亲口承认：那个让人惊艳的原型，他们一两周就拉出来了，拿去给董事会做演示，台下掌声一片。 但为了把这个时灵时不灵的原型推向大众，他们整整按住没发，耗费了七个月。 在今天的 AI 圈子里，七个月漫长得就像过去了整整十年。 每天都有新模型在发推特，每周都有新的初创公司宣布颠覆世界，在那种全世界都在高喊快鱼吃慢鱼的狂躁氛围里，能把一个惊艳的产品按在实验室里一点一点打磨，需要极其可怕的战略克制。 Alex说了一句大实话： 在真实的消费级市场里，稳定可靠就是最好的产品，一旦偶尔会坏，在用户眼里它就是一堆垃圾。 很多人以为做出爆款靠的是第一次演示时的魔法感。 但工程的真相永远像砂纸一样粗粝： 把一百项日常行为逐行列成清单，忍着寂寞在那些没人看得见的边角死磕，把九次神奇一次崩溃的玩具，磨成十次里十次都能稳稳落地的工具。 原型展示的是天才的灵气，而能把灵气变成基础设施的， 从来只有那份对现实泥泞保持敬畏的枯燥体力。 https://t.co/KHAQ2iQdW6 引用：晚上把 Meta首席AI官Alexandr Wang 和 David Senra 刚聊完的这 72 分钟完整看完了， 今年年初，整个 AI 圈的共识极其整齐划一： Anthropic 在编程智能体上一骑绝尘，所有人都觉得会写代码的 Agent 才是唯一的大生意，无数资金和创业团队红着眼扑进代码补全和终端重构的泥潭里。 但 Meta 在那个节骨眼上，做了一个极其反直觉的掉头。 他们不去跟风卷程序员的饭碗，而是调集了不到两百人的精锐，关起门来死磕个人智能体。 这段决策逻辑让我回味了很久，甚至比任何算力竞赛都更清醒。 大家总以为最先进的生产力必须先替代复杂的智力劳动，却忘了商业最底层的地心引力： 全世界真正写代码的人只有几千万，但每天在手机屏幕前醒来、需要面对生活琐碎的普通人，足足有三十五亿。 扎克伯格其实看得很透，Meta 几十年积攒下来的血脉，从来不是冰冷的技术开发栈，而是人与人之间的连接、兴趣与好奇。 当其他实验室还在把智能体当成冷冰冰的数字工位时，他们已经在赌那张属于生活本身的底牌。 也许AGI 最动人的承诺，从来不是替你多敲几行代码， 而是我们终于可以不必再把一生最好的时光耗费在那些必须做的事情上， 我们也终于能把所有的呼吸与精力，完完整整地还给你真正想做的事。

转帖：有人刚刚逆向工程了 OpenAI 的新智能 UI 实际是如何运作的。 而其架构令人着迷。 ChatGPT 使用以下方式生成可工作的界面： - 自定义 UI 语言 (DIL) - 服务器端编译 - 沙盒运行时 - ~70 个原生 UI 组件 - 无需额外 AI 调用的交互 完整的工程剖析值得一读。

这个投票结果让我感到困惑。我确实认为它会在 Pro 100/200/500 的 2X 方向上获得更多支持，即使这意味着为了平滑需求曲线而重新引入 5 小时限制。 引用：专业用户，你们更愿意拥有

政治新闻就是有人无意中说出大家都心知肚明的真相。 引用：华盛顿州“百万富翁税”的支持者坚持认为，这不是引入更广泛的州所得税的特洛伊木马，但一些著名的民主党人已经偏离了剧本。https://t.co/lTbNLzHT17

补充视频里最值得落地到日常决策的 3 个心智模型： 1. 组织规模陷阱： 很多人以为做大事情必须先招很多人。但层级一多，信息传递就会被稀释，大家都在忙着互相汇报。王和马斯克践行的逻辑完全一致：把最顶尖的人挑出来直接连线，减少中间层，速度就能跑过一切大企业。 2. 风险不对称原则： 失败的代价是有限的，最坏不过是归零；但抓住时代风口的回报是指数级的。大部分人的痛苦在于把微小的丢脸看得太重，却对整个人生在平庸中滑落麻木不仁。用极小的可控试错去撬动无限的胜局，才是高手的算盘。 3. 绝对割裂的两种状态： 审议时极度谨慎、挑剔、把所有的变数都当成假想敌；执行时极度凶狠、专注、把所有的犹豫都当成毒药。很多人往往做反了：做决定的时候脑子一热，执行的时候却步步自我怀疑。 回顾你今年做过的最重要的一次决定，你是在哪一步卡住了？是决定前想得不够透，还是决定后没敢把弹夹打空？

Scale AI创始人，Meta首席AI官Alexandr Wang在聊马斯克、扎克伯格和拿破仑的共同点时，把一套顶级操盘手的心智模型说得极其透彻， 从两百年前的欧洲战场，到今天硅谷最激进的技术实验室，真正成大事的人竟然在用同一套心智模板， 真相非常反直觉，原来绝大多数人一辈子做不成大事，不是因为能力不够，而是被那种平均主义的避险思维生生拖垮了， 很多时候我们以为顶级统帅和今天的科技狂人靠的是某种神秘的天命。 但当Alex 把他们身上最坚硬的骨骼一层层剔出来的时候，你会发现他们几乎共享着同一套冷酷到极致的底层心智。 第一个被很多人轻视的常识，是马斯克用肉身证明过无数次的事实： 庞大的官僚层级除了制造沟通损耗，对突破边界没有任何帮助。 只要你手里有一支极小、技术密度极高、完全扁平且带着某种疯狂偏执的团队，执行的烈火就能在极短的时间里把一切所谓的行业壁垒烧穿。 更让我回味了很久的，是他讲到扎克伯格身上的那种风险观。 他在很早的时候就已经把对失败的恐惧彻底剥离掉了。 大部分人在日常里活得谨小慎微，生怕做错一步被惩罚，但他脑子里的算盘完全不一样： 失败是有物理上限的，亏完也就那么多；但赢的时候，回报是没有上限的。 所以最大的风险，从来不是冲出去犯了错，而是在一个每秒都在巨变的世界里，以为自己呆在原地就绝对安全。 原地不动，才是唯一注定沉船的宿命。 而拿破仑在两百年前留下的原则，给这套逻辑焊上了最后一颗铆钉： 犹豫永远是致命的。 做决定之前，要像学者一样极度冷静、从各个角度反复推敲推演，把棋盘的每一条生路和死路全部摸透； 可一旦确认自己踩在正确的路上，就要毫不犹豫地把弹夹全部打空。 慢慢想，快快干。 决定前把所有的退路算绝，决定后绝不在半山腰回头看一眼。 这种近乎暴烈的决断力，才是穿越漫长周期时，人身上最性感的品质！ https://t.co/5lblsTfFUb

我的一个大气科学家朋友在想，我们如何才能终结气候警报主义。我说：“唯一有效的方法是为那些激进主义者找到其他让他们惊慌的事情，幸运的是，对你来说，AI提供了这个。”他回答说：“哦，哇。那太棒了。”

通过此更改，我们在从订阅中提取使用量时，不再对 GPT-6.1 Sol 收取长上下文费用。

第 7 天/ 我们已将通过 Codex & Work 使用的 GPT-6.1 Sol 的默认上下文长度增加到 500k，从 272k 增加到 500k，增幅约为 80%。 未来我们会进一步增加上下文长度，但目前的增加有助于减少压缩操作的发生，并能更好地满足需要保留大量上下文的任务的需求。

我有个朋友是大气科学家，他刚才还在想我们该如何才能终结气候恐慌论。我说：“唯一有效的办法就是找到其他事情让那些激进分子感到恐慌，幸运的是，人工智能正好提供了这样的事情。”他回答说：“哇哦。”

当你听到所有关于“AI 曲线正在垂直上升”的讨论时，请记住，当一条曲线垂直上升时，发生的第一件事就是它又会变回水平。在现实世界中，这一点没有任何例外。

转帖：彩虹实际上是完整的圆圈，通常从较高的观景点可见，例如飞机或高层建筑。 : Fabricio Maciel