我的 X 阅读

核心逻辑链，模型已够强 → 瓶颈在世界用得慢 → 落地鸿沟就是新公司 → 窗口有限。 两个关键比喻，一，电已发明，工厂家庭要几十年才用好，二，小团队是机甲歌利亚，巨头是传统歌利亚。 对个人的三条，一，别等下一代模型，现有够用，二，会用 AI 解决具体问题，比懂最新模型值钱，三，大公司的包袱是组织惯性，小团队的优势是从第一天按 AI 搭。 他的终极问题，如果一切都变得很容易，你会做什么，值得写下来。 立场提醒，Wang 在 Meta 负责超级智能，看好 AI 符合其立场，渠道，品牌，数据，监管仍是巨头护城河，大家别把鼓舞当承诺。

Scale 创始人，现在在 Meta 带超级智能实验室的 Alexandr Wang，说了句很颠覆的话，他说现在是人类历史上建十亿美元公司最好的时机，理由跟多数人想的相反，他说瓶颈早就不是模型不够强了， 他的判断是，今天 AI 真正的瓶颈，是世界接受和用上它的速度太慢，技术已经摆在那，社会还在后面追，他甚至给了个更狠的假设，就算模型从今天起完全停止进步，经济和世界的运转方式，照样会被改写几十年。 打个老比方，电刚发明出来的时候，发电机已经有了，可工厂，家庭，城市要花几十年才真正把电用起来，AI 现在就站在那个位置，谁帮世界把这道坎跨过去，谁就站在新公司出生的地方，他管这叫文明级别的机会。 最反直觉的是竞争规则变了，十年前他创办 Scale，小公司打巨头是大卫打歌利亚，只能靠聪明，找缝隙，现在小团队配上智能体，变成了机甲歌利亚，巨头反而是传统歌利亚，因为大公司的流程，分工，汇报线，全是按没有 AI 的世界设计的，转身慢，小团队从第一天就按 AI 的方式搭，人少，反而能正面硬刚。 说穿了，机甲歌利亚的内核是一种新组织，少数人，加一大群智能体，大公司真正的包袱从来不是技术，是组织惯性，这也是给每个做组织，带团队的人的信号，未来的竞争力，不在你有多少人，在你这群人能指挥多少智能体。 他后半段讲到 Meta 在做的个人超级智能，让几十亿人每个人都有一个懂自己，为自己定制的智能，本质是把一个人的能动性放大到以前不敢想，他最后抛了个问题，如果有一天一切都变得很容易，你会去做什么，这个问题，比任何创业建议都值得停下来想想。 当然也留个清醒，他在 Meta 负责超级智能，看好 AI 本就符合他的立场，渠道，品牌，数据，监管依然是巨头的护城河，窗口也不会一直开着，但对普通人最实在的就一句，别再等下一代模型了，现有的已经够用，你和机会之间，差的不是更强的工具，是把它用进一件具体的事里。 https://t.co/O3BgLncBwj

“劳动力和资本即将分离，因为资本不再需要你的劳动力，它只需要雇佣GPU（显卡）。所以你必须拥有生产资料。 我知道两年后，如果你的工作只是隔着屏幕，你就会成为团队里最愚蠢的人，拖延时间。https://t.co/F834WjzzWd

哇，历史上第一次，一个铁罐头因为愚蠢地对待版权问题而拒绝复制文件，被骂作白痴，结果居然听取了人类的解释，改变了主意！ 他们居然造出了一台拒绝……的机器，真是太气人了！https://t.co/yitG9UjFsl

把重置放进袋子里。全部已传播。 引用：全球重置在今天结束前完成。愿令牌为您带来好事。

OSS 绝地归来 引用：*英伟达正在谈判收购 Reflection AI：英国《金融时报》 黄仁勋全力押注开放模型。

美国和欧洲是人工智能监管的一个绝佳 A/B 测试，而判决结果是避免监管以百万里之遥获胜。

“人们为什么要拥有自己的枪？” 自由，兄弟。你听说过吗？ 引用：为什么人们会买价值2万美元的本地机器，就为了以70 TPS运行GLM 5.3？ 兄弟，我刚在openrouter上随便找了个提供商，跑了一整夜，只花了10美元。

转帖：Stripe 联合创始人Patrick Collison这篇聊 AI 智能体对真实商业世界的影响的推文， 释放了一个极度锋利的判断， 个人 Agent 最大的颠覆不是帮你干活，而是给好产品发了一笔结构性补贴，可以说是最近把 Agent 经济学讲得最透的一篇了， 绝大多数靠短视频投流和拦截流量的公司，估计要一两年后才会感受到切肤之痛。 很多人以为个人 Agent 的价值就是替你订机票、找优惠券，但他指出了一个更狠的颠覆，这其实是在打破大公司对普通消费者的智力碾压。 商业公司在某种意义上就是人类最早造出来的超级智能，过去几十年它们靠着信息不对称和注意力垄断赚足了利润， 比如结账时顺手推的高价保险，或者你忘记取消的自动续费，本质上都是在利用人类有限的理性薅羊毛。 而当每个人手里都有了一个不知疲倦、买东西前能自动做十个小时深度调研的个人 Agent，整个商业的游戏规则就彻底变了。 过去互联网公司都在靠流量分发和买路钱活着，只要抢占了你的第一眼注意力，哪怕产品再烂也能大卖，做产品的永远在争论到底渠道重要还是质量重要。 但如果所有人的 Agent 都在冷酷地核对真实参数和全网口碑，流量拦截就彻底失效了，Personal Agent 相当于直接给好产品发了一笔结构性补贴。 未来的商业反向传播不再奖励那些最会投流刷脸的公司，而是把筹码加给那些把产品做到极致的团队。 当营销的障眼法被智能体一层层剥干净，真正能为你站台的，只剩下产品本身。

两步完整清单， 1，对 Muse 说，登录 tailscale，装好后把本地 Qwen 那台设备的 Tailscale 地址记下来， 2，对 Muse 说，Pi 使用【这个地址】，access_token 填【你的令牌】，设为 Pi 默认模型。 前置条件，一张能跑 Qwen 3.8 Next Flash 的显卡，本地先把模型和服务跑起来，Tailscale 注册账号，两台设备登同一个账号。 成本口径，作者说约五毛钱电费，无限 token，是按他自己设备算的，显卡投入，电费，机器常开都要算，不是真零成本。 推荐分工，量大重复的杂活给本地，关键难题调云端最强模型，别让本地模型干最难的活。 安全提醒，access_token 单独生成，只给这一个用途，Tailscale 私网别乱拉设备，能不开公网端口就不开。

真牛逼，还得是国内的开发老哥，Muse和Grok bot无限token的玩法都给搞出来了哈哈哈， 实践哥把云端助手 Muse 的大脑，换成了自己电脑上跑的开源模型 Qwen，从此不看 API 额度，不管限频，他管这叫真正的无限 token，成本只剩大约五毛钱电费，机器 24 小时不停干活。 很多人估计都遇到过，如果走 OpenRouter 的免费请求，一千次很快踩光，然后冷却二十四小时，刚跑到兴头上被掐断，重度用的人，账单和额度轮流折磨，老哥一狠心，把大脑搬回了自己家。 做法简单到离谱，全程不用写代码，跟 Muse 说两句话就行， 第一步，说登录 tailscale，这个工具把几台设备拉进同一个私人网络，云端助手能安全找到家里的电脑，又不用在公网开端口， 第二步，告诉它，Pi 用本地 Qwen 的 Tailscale 地址，access_token 填你的令牌，设成默认模型，完事。 这里有个真正的变化，以前接本地模型，要懂部署，网络，接口，现在这些活 AI 自己干，你只要会把需求说清楚，会配置正在被会说话替代，基础设施的门槛，被一句话一句话拆掉。 会用的人，不会把所有活塞给本地模型，量大，重复，不心疼的杂活，交给这块五毛钱的大脑，真正难的关键任务，再调最强的云端模型，一个随叫随到的实习生团队，加一个平时不麻烦的顶级专家，这才是 AI 员工能 7x24 小时跑起来的配置。 最后也说句实在的，无限 token 不等于无限能力，本地模型通常打不过最强云端，五毛钱是实践哥按自己设备算的，显卡，电费，机器常开都是钱，令牌和私网只开这一个用途，想让 AI 一直替你上班的，先照着两步打通链路，再谈它能干多少活。 https://t.co/BfiJc2ayao 引用： 全体起立！有显卡的注意了！ Muse/Grokbot真正的无限token来了，只需要5毛钱电费，让它接入本地的Qwen 3.8 Next Flash，爽歪歪啊。 真正的24*7小时干活，终于实现。 步骤极其简单： 1. Muse跟你本地qwen用tailscale组网，跟Muse说：登录tailscale。 2. 跟Muse说：Pi使用 【你的qwen tailscale ip】，access_token是【你的token】，把它当做Pi默认的模型 Muse高富帅之旅，正式开启

理性主义者对不可简化的复杂系统理解得如此有限 就好像他们拒绝相信某些系统无法被简化为几个变量，并通过足够的智慧来推理 生物学太过复杂，无法这样被简化 引用：什么鬼？这读起来就像他刚在2010年醒来，读了些lesswrong帖子，然后就写了这玩意儿。

转帖：关于代理记忆的一篇不错的论文。 它探讨了代理记忆的一种有效路由机制。 总体发现是，你需要为每种类型的记忆采用单独的检索策略，而不是对所有内容进行一次嵌入搜索。 作者证明，当记忆存储包含多种类型时，任何单一检索策略在预期精度上都有上限。 MemoType 按类型对每条记忆和每个查询进行分类，检索与查询类型匹配的记忆，并应用该类型的策略。新数据集 TriMEM 提供了训练分类器所需的类型标签。 Recall@1 在三个数据集上的提升高达 16.18%。 论文：

常见的高智商 EA/理性主义陷阱：认为自然可以简化为少数变量并可验证。与之相反，连接主义用复杂性对抗复杂性，获得一个实际有效的统计近似。理性主义者仍然没有咽下这颗药丸，即还原论和通过可解释模型进行推理是有其局限性的。 引用：陶哲轩：想象一下开一种没人理解的药。 医学界：

网址，https://t.co/6xN7erufPK 它是干嘛的，收集全网 Opus 5.5 做的视频，每条带原 prompt，带现场复刻，原版和复刻并排，prompt 免费复制。 分类导航，全部 475，动态图形 288，游戏 70，讲解 62，3D 场景 55。 我的用法，一，按分类找到想做的类型，二，抄那条数据最好的视频的 prompt，三，先看现场复刻，再换成自己的素材，别从零写。 项目在 GitHub 开源，2300 多星，可以顺手去 star。 提醒一句，这些 prompt 大多配合 HyperFrames skill 和 Opus 5.5 max 模式用，直接搬到别的模型上效果会打折，复刻效果以你自己跑的为准。