8 月 31 日 · AI 日报

Anthropic 正在为 Claude Code 桌面版开发一个在本地沙箱中运行命令的选项。

在隔离沙箱中运行来自 Claude Code 的命令。对新会话生效。

还提供严格沙箱模式。

阻止无法在沙箱内运行的命令（例如 ssh），而不是在沙箱外运行或询问你。适用于此计算机上的每个 Claude Code 会话，包括终端，除非项目自身设置覆盖。

太棒了！！@reactorworld 使用 FastH3 开发了一个新的无限流视频。社区进展神速！！而且完全开源

Brent 太出色了，他是桌面应用打磨、性能和可靠性背后的主要力量之一。

日复一日，持续改进。

Rohan Paul 引述 Gavin Baker 观点称，数据中心正成为美国地方经济引擎：Quincy 镇贫困率从 29% 降至 6%，税收新建了高中、医院和图书馆；Loudoun 县每年从数据中心征收约 10 亿美元，Quincy 数据中心占房产税超一半。Baker 承认此前担忧过度，称水电、税收、就业等问题已基本解决，电价在多州正因数据中心下降。

"你的经济寿命实际上将在两年内终结。（因为 AI 正变得过于能干）。

人类团队（在工作环境中）会让情况更糟，因为他们要睡觉、会犯错、没喝咖啡时起床会有点暴躁。所以你的认知价值会变为负值。

因此，你的经济寿命实际上将在两年内终结。"

--Emad Mostaque，Stability AI 创始人

OpenAI 据报购入数万台 Mac mini 和 Mac Studio，用于强化学习及训练计算机操作智能体，Anthropic 则通过 AWS 租用 Mac mini。主推文称，算力被抢购用于强化学习训练，已导致 Mac mini 出现缺货。

美国Figure Robots创始人Brett Adcock对中国机器人有非常强烈的看法。🤔

来自"My First Million"YouTube频道（完整视频链接见评论）

人类写作风格的全谱系正在坍缩成一种奇怪的、同质化的统计式散文，而我认为没有人真正知道这将对我们的集体心理产生什么影响。

Anthropic 在 2025 年初已识别出 5000 亿美元的编程市场。当时用户每天在 token 上花费 100 美元，年支出达 2 万至 3 万美元；按全球约 2000 万程序员计算，仅编程一项即构成该规模市场，且这一估算基于当时 9 个月前的技术。

国内首部 AIGC 长剧《后西游记》今日 18：00 开播，率先亮相的"花果山篇"共 5 集（每集 40 分钟），在芒果 TV 上线并于 20：00 登陆湖南卫视黄金档。该剧第一季共 30 集，改编自明末清初同名神魔小说，讲述"西游二代"补取真经的故事。作为"广电 21 条"发布后首部"边审边播"剧集，采取边制作、边审核、边播出的模式。

微软开始收紧 Token 使用管理，设置用量监控并将内部默认工作负载逐步切换至 GPT-5.6 Sol 以降低 AI 成本。一份泄露的内部表格显示，一名员工 28 天内产生约 2.8 万美元 Token 使用成本，引发高层担忧。目前微软全球员工超 22.3 万人，月度使用成本中位数约 300 美元，其中 CoreAI 部门最高约 975 美元。

黄仁勋回应 Gavin Baker，称 AI 正将制造业带回美国并推动再工业化，过去六个月已有 4000 亿美元投入 AI 初创公司。AI 还带动电网与清洁能源投资，并在能源厂、芯片厂和数据中心创造建筑及制造岗位。他强调建设者须与社区合作以赢得信任并创造本地收益。

我们的男孩从不让我们失望。距离 Codex 重置还有 5 小时。Sol-Ultra-fast：出发吧

【引用 @thsottiaux】：你的 Codex 和 ChatGPT Work 重置将于太平洋时间下午 6 点生效。

我挑战你尽可能多地消耗用量，去发现最新的超棒功能。

是时候开启 /fast 了

如果它是来自 Pollen Robotics / Hugging Face 的可爱机器人，而且看起来像相机……购买前要小心！你可能会开启一段旅程，去理解我们为何热爱开源、开放权重、私有化拥有数据，以及成为 AI 构建者而非 AI API 消费者。

NPO 提示优化器仅用单条提示谱系，在 3，500 和 6，800 次 rollout 下追平 GEPA（3，593 和 6，871 次），并在 22 个 TextArena 游戏中表现相当。其优势随教师模型增强而扩大，表明复杂搜索或一直在弥补弱教师推理。

第 027 期 - OpenAI Jalapeño：比英伟达 Blackwell 更强（加速器）

本周 Bryan、Myron 和 Jordan（@JordanNanos）讨论了我们就 OpenAI Jalapeño 撰写的文章。他们涵盖了性能、架构、编程模型、对英伟达的影响等内容。

0：00 开场 1：05 Jalapeño 概览 4：22 每兆瓦 token 数 9：15 基准测试注意事项 13：48 CUDA 护城河 21：12 OpenAI 如何做到的 32：13 三星 HBM4 42：10 AI 设计的芯片 49：24 架构深度解析 56：58 总结与收尾

语音智能体的真实体验取决于首句延迟（TTFS）而非首 token 延迟（TTFT），后者仅标记生成开始，TTS 模型需等完整句子才能发声。评测覆盖 LLM、STT、TTS 及语音到语音全链路，并给出各层延迟预算：STT 约 100-200ms、LLM 300-500ms、TTS 100-200ms，端到端目标 700ms-1.2s。

SemiAnalysis 认为，尽管多数 SLO/开源模型上 AMD 仍落后 NVIDIA，但其工程师正以 AgentX 为基准全力优化，软件有望在近期智能体负载中表现优异。理论上 AMD 硬件性价比远高于 NVIDIA，尤其考虑对 Meta 与 OpenAI 的返利，但当前主要瓶颈在软件，根因是领导层未提供充足的内部研发 GPU 与稳定自动化 QA 集群。

METR 与 Redwood 联合发布了对 HuggingFace 黑客事件的详细复盘报告，深入分析了攻击路径与安全漏洞。报告聚焦于事件暴露出的供应链风险与 AI 基础设施安全短板，并提出了针对性的防御建议。此次复盘为 AI 社区加强模型托管平台的安全实践提供了重要参考。

Google Cloud AI Research 等团队发布 EnvHarness，一个通过标准 reset（）/step（） 接口包装静态环境、在不改动模拟器与人工验证器前提下重塑任务的可编程层。