Aug 19 · AI Daily

Mojo🔥 语言现已完全开源，采用 Apache 2.0 许可证（含 LLVM 例外），编译器、工具链及全部源码已发布至 Modular 的 GitHub 仓库。Mojo 上周刚达成 1.0 版本（源码稳定），这次开源直接把整个编译器和工具链的黑箱打开——此前只有标准库自 2024 年起接受社区贡献,编译器本身一直闭源。目前团队暂不接受编译器相关的外部贡献,计划年底前开放。

这意味着开发者第一次能直接查看甚至修改标准库的底层实现,不再单一依赖厂商的二进制分发,对已经在生产环境使用 Mojo 的团队是实质性的信任升级。

Claude 现在可以在 Gmail 中起草并发送邮件,同时管理 Google Drive 中的文件。用户可以让 Claude 回复某个邮件线程,它会起草回复,审批环节由用户自行控制何时需要介入。从连接器菜单里选择连接 Gmail 或 Drive 即可试用,所有付费套餐可用。

Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder,可直接加载 PyLate、Stanford-NLP ColBERT 以及 colpali-engine 的检查点,用于 ColBERT 式的"晚期交互"检索。与同骨干网络的稠密模型相比,多向量检索在平均 NDCG 上高出约一个百分点,代价是索引体积会膨胀数十倍——适合那些需要保留逐词精确匹配能力、又负担得起存储成本的检索场景。

蚂蚁集团 inclusionAI 开源 ConceptEdit,一个基于"概念缩放"与密集监督的图像编辑数据生成管线。管线分三阶段:VLM 生成编辑指令、FLUX 执行编辑、VQA 评估筛选,由此构建大规模、基于分类法的图像编辑数据集,提供单概念与多概念两种变体,多概念版本能把多个并行编辑合并为一条指令。项目 MIT 许可证,支持断点续跑,需要 OpenAI 兼容的 VLM 端点与本地 FLUX 检查点。

为构建带质检的图像编辑训练数据提供了一套可复用的框架,尤其是"生成-执行-评判"三段式的质量把关方式。

OpenAI 发布 ChatGPT for Teens,面向 13-17 岁用户自动启用更强的安全保护与家长控制。新增 Study Mode 引导学生分步解题而非直接给答案、负责任的作业提醒、测验与学习可视化,以及可设定默认开启时段的 Study Hours。OpenAI 同时宣布与 CodeAI 合作,帮助青少年理解、质疑并创造性地使用 AI。

与通用版 ChatGPT 相比,青少年版把安全护栏和学习引导设为默认项——家长和教师面对的问题不再是"是否允许用",而是"如何设置边界、如何向孩子解释 AI 的角色"。

Y Combinator 总裁 Garry Tan 开源了他在 Startup School 演讲中提到的"个人 AGI"项目——一个私有 GitHub 仓库模板,内含他积累的 70 个实用技能,以及一套 Karpathy 风格知识 wiki 的起点。全部 MIT 许可证、免费。用法很直接:新建一个目录,启动已有的 Claude Code 或 Codex 订阅(命令行或桌面端均可,桌面端体验略好),把他给出的一张图片粘贴进 CC/Codex,就能自动搭好整套 agent 仓库。

继昨日 Cursor Origin 代码托管上线后,Vercel CEO Guillermo Rauch 补充了一条实际用法:现在可以把仓库托管在 Cursor Origin,再通过 Origin 直接部署到 Vercel——而 Origin 本身又跑在 Vercel 上。他调侃"和 GitHub 不一样的是,它是在线的"（暗指近期 GitHub 的可用性问题）。这条把昨天的"Origin 上线"新闻落到了一个具体、可验证的工作流上。

FPV Ventures 合伙人 Nikunj Kothari 把 AI 产业链挨个点名吐槷了一遍:模型没有护城河(OpenAI、Anthropic、xAI),IDE 没有护城河(Cursor、Windsurf),harness 没有护城河(Cognition、Factory、LangChain),应用构建工具没有护城河(Replit、Lovable、Bolt),套壳应用没有护城河(Harvey、Abridge、OpenEvidence),推理服务商没有护城河(Together、Fireworks、Groq),语音层没有护城河(Sierra、Decagon、ElevenLabs),数据标注公司没有护城河(Scale、Surge、Mercor),AI 基建没有护城河(Baseten、Modal、Railway),云厂商没有护城河(CoreWeave、Lambda、Crusoe),生成式媒体公司没有护城河(Runway、Higgsfield、Suno)。他的结论是:"看起来 AI 里没有人有护城河……除了风投基金 ☠️"

同一天他还给出了一个更严肃的判断:品牌营销将成为公司未来"最重要的差异化因素之一"——不是砸钱做发布视频或包装估值,而是真正想清楚"公司代表什么"、理解市场当下的"氛围",并每周持续地对外呈现。他认为如果 agent 会成为多数产品的主要用户,那么想抓住人类这个"注意力稀缺"的受众,就必须持续在公司呈现方式上做出区别——这类人才过去常被压在二线岗位、屡次错失 CMO 机会,他预计未来十年这个局面会反转,公司会把他们当联合创始人对待。

Box CEO Aaron Levie 提出一个判断 AI agent 价值的框架:你现在有一项技术,能不知疲倦地做完所有你过去根本没能力做完的事——不是不想做,而是过去在技术上就不可行。他给了几个具体例子:你不可能找出代码库里的每一个安全漏洞,因为无法模拟每一条风险路径;你不可能读完每一份合同和文档,把它们结构化以便日后查询;你不可能梳理整个客户群,为每一次追加销售找出所有相关数据点。给创业者的结论是:去做那些"往问题上多投入算力就能让客户能力发生质变"的市场。

他还引用了一组企业 AI 支出数据:在工程导向型公司里,支出前 1% 的企业人均每月花费 7,500 美元,前 10% 为 660 美元。他判断今天前 10% 的做法,三年后大概率会变成前 50% 的常态(至少在 token 量级上,美元金额未必等比例增长)——"AI 支出远没有触到任何天花板"。

Meta AI 高级总监(曾主导 Gemini、Veo、Nano Banana)Madhu Guru 给出一套评测(evals)方法论:先挑一个你非常熟悉的工作流,想清楚怎么让它的质量变得可测量。具体做法是研究真实的执行轨迹——典型用户会输入的那一串 prompt,以及在每一步、乃至端到端结果上"好回答"应该长什么样;同时要专门去研究产品失败的地方,构造能捕捉这些失败模式的轨迹(混乱的工具调用响应、缺失上下文等)。有了好的评测之后,再考虑如何让它能被反复、自动地跑起来。

Anthropic Claude Code 团队的 Thariq 观察到,最近一批程序化生成艺术、视频剪辑和 3D 游戏演示,让他"更新"了自己的判断——LLM 编程模型在很多创意工作上正在变得比扩散模型更强。他给出的理由是代码本身更容易编辑、按想要的方向微调,并且能导出到已有工具链继续用。他同时提示了一个具体入口:在 Claude Code 里输入 /design <你想设计的东西> 即可直接体验这条路径。

Google Labs 副总裁 Josh Woodward 就此前收集的用户反馈给出十项进展更新:Workspace 工具改版将在 1-2 周内开始测试;3.7 Flash 在工具调用上已有提升,后续还有更多;"Projects" 新设计已完成,正在实施;连接器(connector)数量已达到 49 个且持续增加;某项后端工作已完成,前端工作刚开始;另有五项标记为"已完成",其中一项特别提到"修复了最大的一批过度触发(over-triggering)问题"。

• Amjad Masad(Replit CEO)提醒安全团队:"光扫描代码漏洞不够,还要真正尝试用渗透测试去攻破它。" 🔗 https://x.com/amasad/status/2089435606338416884
• Boris Cherny(Anthropic,Claude Code)说 Claude Code 又上了一批"看起来小、加起来很大"的体验改进,"后面还有更多"。 🔗 https://x.com/bcherny/status/2089538781909332210
• Thibault Sottiaux(OpenAI,Codex & ChatGPT)把 Codex 写进了一首恶搞的 Donna Summer 歌词里,并抛出一个问题:"有什么事是我们用 Codex/API 或自家模型本该做、且完全触手可及,却一直没做的?" 🔗 https://x.com/thsottiaux/status/2089604619936956778 🔗 https://x.com/thsottiaux/status/2089500941842342287
• swyx(@smol_ai / @latentspacepod)在自己办的活动分享会上称赞 Trajectory 团队在 continual learning 方向"审美和执行都很扎实",特别提到他们为什么 GRPO 不够用、必须转向 on-policy 训练。 🔗 https://x.com/swyx/status/2089393073327653344
• Peter Yang(产品顾问,10万+订阅者)在征集 YouTube 出镜视频剪辑工具的替代方案,并表示"想直接靠对 Codex 或其他 harness 说话完成整段剪辑"。 🔗 https://x.com/petergyang/status/2089519732336787619
• Nan Yu(Linear)只留下一句"历史总是押韵式"的感叹,配图未详述具体所指。 🔗 https://x.com/thenanyu/status/2089555421593768061
• Dan Shipper(Every CEO)转发了一个"全国 CFO 都在问团队的问题",未展开具体内容。 🔗 https://x.com/danshipper/status/2089528326096384158

Google AI 团队演示了如何用开源评测框架 Inspect AI 和 Harbor 评估 agent 技能,并借助 Google Sheets 和 Data Studio 做可视化分析。核心方法是把技能评估拆成三部分:模型基线表现、技能生效条件、多维事实打分——让团队可以用同一套脚本反复量化"加了这个技能之后,能力到底提升了多少",而不是靠单次演示的主观印象做判断。

节目:No Priors(发布于 2026-08-06,本期尚未在过往日报中覆盖,与 08-15 日报覆盖的另一期 No Priors 节目——关于 Chess.com 的那期——是不同话题) 嘉宾:Sarah Guo 与 Elad Gil,两人对谈

核心问题:过去五年里,大约三家公司(Anthropic、OpenAI、SpaceX)从接近于零成长到万亿美元市值——这在人类历史上前所未有,通常这种量级的成长要花 15-20 年(SpaceX 花了从 2000 年代初到现在,Google 花了从九十年代到现在)。Elad Gil 用"间断平衡"(punctuated equilibrium)类比生物演化史来解释:技术浪潮总是"爆发-整合-平静-再爆发",互联网经历过四五轮这样的周期(九十年代的互联网、2010 年前后的社交、SaaS、云、安全、加密货币),每一轮都会诞生几个"整合者",然后问题变成:接下来还会有几个?他的判断是接下来 3-5 年很难再冒出多个万亿美元公司,虽然会有一批 500 亿至 1000 亿美元规模的公司——这是不同量级的问题,关键卡点是:谁能在这个时间窗口内做到 500-1000 亿美元的年收入且保持好的利润率。

投资人的"想象力失败":Sarah Guo 提出一个反向观察——很多投资人智力上已经认可 AI 公司能按"结果收费"而不是按"人头收费",但行动上仍然线性思考。她举例:看 Harvey 或 Bridge 这类公司时,投资人还是习惯按"每个律师"或"每个医生"的传统 TAM 去估算,而不去问"如果按结果收费,这家公司会长成什么样"。她的例子是编程这个市场——两人都在一两年前就说过"这是个比大家想象中大得多的市场",现在证据已经摆在那里,不需要天才就能把这个模式类推到其他垂直领域。

创始人该不该卖公司:Elad Gil 给出一个框架——有一小部分公司(比如 Anthropic、OpenAI)在可预见的未来都不该考虑卖;但大多数公司在每一个时代都至少该认真想一想。他提到公司的价值往往有一个"12 到 18 个月"的时间窗口是最高点,并引用 Ben Horowitz 的建议:每年预先安排一次董事会,专门用非情绪化的方式讨论"接下来六个月是否应该考虑退出"——答案完全可以是"不,我们还有 XYZ 要做",但让这个讨论变成固定流程,能避免创始人或投资人临场因情绪推动决策。他的理由是 AI 时代"一年相当于正常周期的三到四年",三年前的模型能力、垂直应用格局在今天已经彻底改变,所以复盘的频率也要跟着提上来。

融资会变得更容易:Elad Gil 认为,由于短期内密集出现了多家万亿美元级别的公司,大量风险资本正在被返还给 LP,这意味着基金规模会持续变大,而这些钱需要找地方投——大概率会继续投向"未来的万亿美元公司候选人",所以融资环境在未来一两年更可能是变松而不是变紧。

"每投入代币的回报"(ROI on tokens):两人讨论了一个新概念——公司如何分配 token 预算给研究员或项目,这被类比成传统科技公司内部工具团队长期被资源忽视的现象(因为同样的工程师用来做产品,产出显性价值更高)。Elad Gil 提到,一些实验室已经开始收紧研究员招聘门槛,原因不是薪资成本,而是"配给这个人的算力成本"才是真正的瓶颈——顶尖人才正在获得不成比例的算力配给。

递归自我改进带来的心理冲击:两人聊到实验室内部一种普遍存在的"心理紧绷":很多人相信距离某种"轻度 RSI"(递归自我改进)只有约十八个月,因此每一周都相当于"剩余职业生涯时间的 2%"。Sarah Guo 提到她认识一些实验室的研究员认真讨论过"要不要结婚"这类人生决定,原因是不确定十八个月后世界会是什么样。她认为这种信念本身值得怀疑——过去五年,类似"距离 ASI 还有十八个月"的判断反复出现却一直没兑现,预测力存疑。但她也认为从"代码"到"训练代码/数据管线工作"的能力迁移确实更容易相信,真正的限制可能不是算法上是否可行,而是数据获取(在缺少可验证信号的复杂领域)和物理算力可及性。

算力稀缺正在强化寡头格局:Elad Gil 的判断是,只要算力在生态中大体按份额分配,物理算力约束事实上就在强制拉近各大实验室之间的竞争差距——形成一种"被迫的寡头垄断"。他也提到架构层面的思考:transformer 目前在规模和硬件适配上仍然极难被超越,即便对内存与能耗效率的追求会促使更多人尝试新架构,但大概率的结局是任何突破很快会被复制、扩散到整个生态,除非某个实验室能长期保密并单独扩大规模优势。

加州的政策与人才外流:两人讨论了加州刚通过的"亿万富翁税",民主党已表态支持,以及 2028 年可能追加的"退出税"(对试图迁出加州的资产额外征税)。Elad Gil 的判断是法案起草者本身就希望人才外流发生,他已经知道一些朋友计划在今年秋天前搬离。得州(尤其是奥斯汀及原本围绕 El Segundo 的硬件走廊,现在扩展到得州,SpaceX、部分 Tesla 业务已迁入)正在成为主要接盘地,能源与硬件产业尤为集中。

OpenAI 因 OpenAI–Hugging Face 事件及即将推出的 Astra 模型可能触及《预备框架》(Preparedness Framework)下的"关键网络安全能力"门槛,暂时放缓了模型扩展速度——包括暂停最新部署模型的强化学习训练两周,并搁置了原计划中最大规模的前沿 RL 训练运行。公司同时加强了研究环境的安全隔离,要求 Astra 及网络安全相关的计算负载执行最严格的防护标准,并扩展了思维链监控,引入多阶段激活分类器进行检测。

这是继 OpenAI-Hugging Face 事件曝光后,OpenAI 首次把"安全评估先行、大规模训练后行"的顺序写进公开声明,也是目前为止业内主动暂停训练进度最明确的一次表态。

Anthropic 的 CI 工程师用 Claude Tag 搭建了一套值班智能体,作为 CI/CD 故障的一线响应者。故障发生后,Claude 中位数 14 分钟内发布首份基于证据的分析,最快的案例里 3 分钟内验证修复方案并确认错误率恢复到基线水平。整套方案通过 Slack 频道访问、Datadog 或 Grafana 工具调用,以及 GitHub 上的技能文件(skill files)实现——技能文件会随着经验积累自我迭代。Anthropic 已经发布了一套通用设置套件,供其他团队直接部署这套值班模式。

Anthropic 公布两项实验结果：Claude（Mythos Preview 和 Opus 4.8）针对 15 个靶点设计蛋白质结合剂，15 个中成功 14 个，命中率达到 22.6%-35.1%。作为对比，行业常规的湿实验命中率通常只有 10-15%。

这个数字的意义不在于"AI 也能设计蛋白质"，而在于效率量级的变化：如果零起点设计的命中率已经能接近甚至超过人类专家团队的常规水平，意味着药物发现流程里最耗时的早期计算与人工筛选环节，有机会被大幅压缩。

一项针对八款模型的评测发现，智能体记忆的最优配置方式因模型能力而异：强模型适合直接注入完整的经验指南集，DeepSeek-V3.2（671B MoE）任务完成率因此提升 +9.5 个百分点；较弱模型则用精选检索效果最好，gpt-oss-120b（117B MoE）提升 +16.1 个百分点，且额外 token 开销只有 +5%。方法不需要更新模型权重或人工标注，而是从智能体过往的执行轨迹里蒸馏出指南，在推理时动态注入。

这给"要不要给 agent 塞记忆"这个问题提供了量化依据：答案不是越多越好，而是要按模型的消化能力分配剂量,否则强模型会被过量上下文拖慢，弱模型会被过量信息淹没。