8 月 19 日 · AI 日報

Mojo🔥 語言現已完全開源，採用 Apache 2.0 許可證（含 LLVM 例外），編譯器、工具鏈及全部原始碼已發布至 Modular 的 GitHub 倉庫。Mojo 上週剛達成 1.0 版本（原始碼穩定），這次開源直接把整個編譯器和工具鏈的黑箱開啟——此前只有標準庫自 2024 年起接受社群貢獻,編譯器本身一直閉源。目前團隊暫不接受編譯器相關的外部貢獻,計劃年底前開放。

這意味著開發者第一次能直接檢視甚至修改標準庫的底層實現,不再單一依賴廠商的二進位制分發,對已經在生產環境使用 Mojo 的團隊是實質性的信任升級。

Claude 現在可以在 Gmail 中起草併發送郵件,同時管理 Google Drive 中的檔案。使用者可以讓 Claude 回覆某個郵件執行緒,它會起草回覆,審批環節由使用者自行控制何時需要介入。從聯結器選單裡選擇連線 Gmail 或 Drive 即可試用,所有付費套餐可用。

Sentence Transformers v6.0 新增第四種模型型別 MultiVectorEncoder,可直接載入 PyLate、Stanford-NLP ColBERT 以及 colpali-engine 的檢查點,用於 ColBERT 式的"晚期互動"檢索。與同骨幹網路的稠密模型相比,多向量檢索在平均 NDCG 上高出約一個百分點,代價是索引體積會膨脹數十倍——適合那些需要保留逐詞精確匹配能力、又負擔得起儲存成本的檢索場景。

螞蟻集團 inclusionAI 開源 ConceptEdit,一個基於"概念縮放"與密集監督的影像編輯資料生成管線。管線分三階段:VLM 生成編輯指令、FLUX 執行編輯、VQA 評估篩選,由此構建大規模、基於分類法的影像編輯資料集,提供單概念與多概念兩種變體,多概念版本能把多個並行編輯合併為一條指令。專案 MIT 許可證,支援斷點續跑,需要 OpenAI 相容的 VLM 端點與本地 FLUX 檢查點。

為構建帶質檢的影像編輯訓練資料提供了一套可複用的框架,尤其是"生成-執行-評判"三段式的品質把關方式。

OpenAI 發布 ChatGPT for Teens,面向 13-17 歲使用者自動啟用更強的安全保護與家長控制。新增 Study Mode 引導學生分步解題而非直接給答案、負責任的作業提醒、測驗與學習視覺化,以及可設定預設開啟時段的 Study Hours。OpenAI 同時宣佈與 CodeAI 合作,幫助青少年理解、質疑並創造性地使用 AI。

與通用版 ChatGPT 相比,青少年版把安全護欄和學習引導設為預設項——家長和教師面對的問題不再是"是否允許用",而是"如何設定邊界、如何向孩子解釋 AI 的角色"。

Y Combinator 總裁 Garry Tan 開源了他在 Startup School 演講中提到的"個人 AGI"專案——一個私有 GitHub 倉庫模板,內含他積累的 70 個實用技能,以及一套 Karpathy 風格知識 wiki 的起點。全部 MIT 許可證、免費。用法很直接:新建一個目錄,啟動已有的 Claude Code 或 Codex 訂閱(命令列或桌面端均可,桌面端體驗略好),把他給出的一張圖片貼上進 CC/Codex,就能自動搭好整套 agent 倉庫。

繼昨日 Cursor Origin 程式碼託管上線後,Vercel CEO Guillermo Rauch 補充了一條實際用法:現在可以把倉庫託管在 Cursor Origin,再通過 Origin 直接部署到 Vercel——而 Origin 本身又跑在 Vercel 上。他調侃"和 GitHub 不一樣的是,它是線上的"（暗指近期 GitHub 的可用性問題）。這條把昨天的"Origin 上線"新聞落到了一個具體、可驗證的工作流上。

FPV Ventures 合夥人 Nikunj Kothari 把 AI 產業鏈挨個點名吐槷了一遍:模型沒有護城河(OpenAI、Anthropic、xAI),IDE 沒有護城河(Cursor、Windsurf),harness 沒有護城河(Cognition、Factory、LangChain),應用構建工具沒有護城河(Replit、Lovable、Bolt),套殼應用沒有護城河(Harvey、Abridge、OpenEvidence),推理服務商沒有護城河(Together、Fireworks、Groq),語音層沒有護城河(Sierra、Decagon、ElevenLabs),資料標註公司沒有護城河(Scale、Surge、Mercor),AI 基建沒有護城河(Baseten、Modal、Railway),雲廠商沒有護城河(CoreWeave、Lambda、Crusoe),生成式媒體公司沒有護城河(Runway、Higgsfield、Suno)。他的結論是:"看起來 AI 裡沒有人有護城河……除了風投基金 ☠️"

同一天他還給出了一個更嚴肅的判斷:品牌行銷將成為公司未來"最重要的差異化因素之一"——不是砸錢做發布影片或包裝估值,而是真正想清楚"公司代表什麼"、理解市場當下的"氛圍",並每週持續地對外呈現。他認為如果 agent 會成為多數產品的主要使用者,那麼想抓住人類這個"注意力稀缺"的受眾,就必須持續在公司呈現方式上做出區別——這類人才過去常被壓在二線崗位、屢次錯失 CMO 機會,他預計未來十年這個局面會反轉,公司會把他們當聯合創始人對待。

Box CEO Aaron Levie 提出一個判斷 AI agent 價值的框架:你現在有一項技術,能不知疲倦地做完所有你過去根本沒能力做完的事——不是不想做,而是過去在技術上就不可行。他給了幾個具體例子:你不可能找出程式碼庫裡的每一個安全漏洞,因為無法模擬每一條風險路徑;你不可能讀完每一份合約和文件,把它們結構化以便日後查詢;你不可能梳理整個客戶群,為每一次追加銷售找出所有相關資料點。給創業者的結論是:去做那些"往問題上多投入算力就能讓客戶能力發生質變"的市場。

他還引用了一組企業 AI 支出資料:在工程導向型公司裡,支出前 1% 的企業人均每月花費 7,500 美元,前 10% 為 660 美元。他判斷今天前 10% 的做法,三年後大機率會變成前 50% 的常態(至少在 token 量級上,美元金額未必等比例增長)——"AI 支出遠沒有觸到任何天花板"。

Meta AI 高階總監(曾主導 Gemini、Veo、Nano Banana)Madhu Guru 給出一套評測(evals)方法論:先挑一個你非常熟悉的工作流,想清楚怎麼讓它的品質變得可測量。具體做法是研究真實的執行軌跡——典型使用者會輸入的那一串 prompt,以及在每一步、乃至端到端結果上"好回答"應該長什麼樣;同時要專門去研究產品失敗的地方,構造能捕捉這些失敗模式的軌跡(混亂的工具呼叫響應、缺失上下文等)。有了好的評測之後,再考慮如何讓它能被反覆、自動地跑起來。

Anthropic Claude Code 團隊的 Thariq 觀察到,最近一批程式化生成藝術、影片剪輯和 3D 遊戲演示,讓他"更新"了自己的判斷——LLM 程式設計模型在很多創意工作上正在變得比擴散模型更強。他給出的理由是程式碼本身更容易編輯、按想要的方向微調,並且能匯出到已有工具鏈繼續用。他同時提示了一個具體入口:在 Claude Code 裡輸入 /design <你想設計的東西> 即可直接體驗這條路徑。

Google Labs 副總裁 Josh Woodward 就此前收集的使用者回饋給出十項進展更新:Workspace 工具改版將在 1-2 周內開始測試;3.7 Flash 在工具呼叫上已有提升,後續還有更多;"Projects" 新設計已完成,正在實施;聯結器(connector)數量已達到 49 個且持續增加;某項後端工作已完成,前端工作剛開始;另有五項標記為"已完成",其中一項特別提到"修復了最大的一批過度觸發(over-triggering)問題"。

• Amjad Masad(Replit CEO)提醒安全團隊:"光掃描程式碼漏洞不夠,還要真正嘗試用滲透測試去攻破它。" 🔗 https://x.com/amasad/status/2089435606338416884
• Boris Cherny(Anthropic,Claude Code)說 Claude Code 又上了一批"看起來小、加起來很大"的體驗改進,"後面還有更多"。 🔗 https://x.com/bcherny/status/2089538781909332210
• Thibault Sottiaux(OpenAI,Codex & ChatGPT)把 Codex 寫進了一首惡搞的 Donna Summer 歌詞裡,並丟擲一個問題:"有什麼事是我們用 Codex/API 或自家模型本該做、且完全觸手可及,卻一直沒做的?" 🔗 https://x.com/thsottiaux/status/2089604619936956778 🔗 https://x.com/thsottiaux/status/2089500941842342287
• swyx(@smol_ai / @latentspacepod)在自己辦的活動分享會上稱讚 Trajectory 團隊在 continual learning 方向"審美和執行都很紮實",特別提到他們為什麼 GRPO 不夠用、必須轉向 on-policy 訓練。 🔗 https://x.com/swyx/status/2089393073327653344
• Peter Yang(產品顧問,10萬+訂閱者)在徵集 YouTube 出鏡影片剪輯工具的替代方案,並表示"想直接靠對 Codex 或其他 harness 說話完成整段剪輯"。 🔗 https://x.com/petergyang/status/2089519732336787619
• Nan Yu(Linear)只留下一句"歷史總是押韻式"的感嘆,配圖未詳述具體所指。 🔗 https://x.com/thenanyu/status/2089555421593768061
• Dan Shipper(Every CEO)轉發了一個"全國 CFO 都在問團隊的問題",未展開具體內容。 🔗 https://x.com/danshipper/status/2089528326096384158

Google AI 團隊演示瞭如何用開源評測框架 Inspect AI 和 Harbor 評估 agent 技能,並藉助 Google Sheets 和 Data Studio 做視覺化分析。核心方法是把技能評估拆成三部分:模型基線表現、技能生效條件、多維事實打分——讓團隊可以用同一套指令碼反覆量化"加了這個技能之後,能力到底提升了多少",而不是靠單次演示的主觀印象做判斷。

節目:No Priors(發布於 2026-08-06,本期尚未在過往日報中覆蓋,與 08-15 日報覆蓋的另一期 No Priors 節目——關於 Chess.com 的那期——是不同話題) 嘉賓:Sarah Guo 與 Elad Gil,兩人對談

核心問題:過去五年裡,大約三家公司(Anthropic、OpenAI、SpaceX)從接近於零成長到萬億美元市值——這在人類歷史上前所未有,通常這種量級的成長要花 15-20 年(SpaceX 花了從 2000 年代初到現在,Google 花了從九十年代到現在)。Elad Gil 用"間斷平衡"(punctuated equilibrium)類比生物演化史來解釋:技術浪潮總是"爆發-整合-平靜-再爆發",網際網路經歷過四五輪這樣的週期(九十年代的網際網路、2010 年前後的社交、SaaS、雲、安全、加密貨幣),每一輪都會誕生幾個"整合者",然後問題變成:接下來還會有幾個?他的判斷是接下來 3-5 年很難再冒出多個萬億美元公司,雖然會有一批 500 億至 1000 億美元規模的公司——這是不同量級的問題,關鍵卡點是:誰能在這個時間視窗內做到 500-1000 億美元的年收入且保持好的利潤率。

投資人的"想像力失敗":Sarah Guo 提出一個反向觀察——很多投資人智力上已經認可 AI 公司能按"結果收費"而不是按"人頭收費",但行動上仍然線性思考。她舉例:看 Harvey 或 Bridge 這類公司時,投資人還是習慣按"每個律師"或"每個醫生"的傳統 TAM 去估算,而不去問"如果按結果收費,這家公司會長成什麼樣"。她的例子是程式設計這個市場——兩人都在一兩年前就說過"這是個比大家想像中大得多的市場",現在證據已經擺在那裡,不需要天才就能把這個模式類推到其他垂直領域。

創始人該不該賣公司:Elad Gil 給出一個框架——有一小部分公司(比如 Anthropic、OpenAI)在可預見的未來都不該考慮賣;但大多數公司在每一個時代都至少該認真想一想。他提到公司的價值往往有一個"12 到 18 個月"的時間視窗是最高點,並引用 Ben Horowitz 的建議:每年預先安排一次董事會,專門用非情緒化的方式討論"接下來六個月是否應該考慮退出"——答案完全可以是"不,我們還有 XYZ 要做",但讓這個討論變成固定流程,能避免創始人或投資人臨場因情緒推動決策。他的理由是 AI 時代"一年相當於正常週期的三到四年",三年前的模型能力、垂直應用格局在今天已經徹底改變,所以復盤的頻率也要跟著提上來。

融資會變得更容易:Elad Gil 認為,由於短期內密集出現了多家萬億美元級別的公司,大量風險資本正在被返還給 LP,這意味著基金規模會持續變大,而這些錢需要找地方投——大機率會繼續投向"未來的萬億美元公司候選人",所以融資環境在未來一兩年更可能是變鬆而不是變緊。

"每投入代幣的回報"(ROI on tokens):兩人討論了一個新概念——公司如何分配 token 預算給研究員或專案,這被類比成傳統科技公司內部工具團隊長期被資源忽視的現象(因為同樣的工程師用來做產品,產出顯性價值更高)。Elad Gil 提到,一些實驗室已經開始收緊研究員招聘門檻,原因不是薪資成本,而是"配給這個人的算力成本"才是真正的瓶頸——頂尖人才正在獲得不成比例的算力配給。

遞迴自我改進帶來的心理衝擊:兩人聊到實驗室內部一種普遍存在的"心理緊繃":很多人相信距離某種"輕度 RSI"(遞迴自我改進)只有約十八個月,因此每一週都相當於"剩餘職業生涯時間的 2%"。Sarah Guo 提到她認識一些實驗室的研究員認真討論過"要不要結婚"這類人生決定,原因是不確定十八個月後世界會是什麼樣。她認為這種信念本身值得懷疑——過去五年,類似"距離 ASI 還有十八個月"的判斷反覆出現卻一直沒兌現,預測力存疑。但她也認為從"程式碼"到"訓練程式碼/資料管線工作"的能力遷移確實更容易相信,真正的限制可能不是演算法上是否可行,而是資料獲取(在缺少可驗證訊號的複雜領域)和物理算力可及性。

算力稀缺正在強化寡頭格局:Elad Gil 的判斷是,只要算力在生態中大體按份額分配,物理算力約束事實上就在強制拉近各大實驗室之間的競爭差距——形成一種"被迫的寡頭壟斷"。他也提到架構層面的思考:transformer 目前在規模和硬體適配上仍然極難被超越,即便對記憶體與能耗效率的追求會促使更多人嘗試新架構,但大機率的結局是任何突破很快會被複制、擴散到整個生態,除非某個實驗室能長期保密並單獨擴大規模優勢。

加州的政策與人才外流:兩人討論了加州剛通過的"億萬富翁稅",民主黨已表態支援,以及 2028 年可能追加的"退出稅"(對試圖遷出加州的資產額外徵稅)。Elad Gil 的判斷是法案起草者本身就希望人才外流發生,他已經知道一些朋友計劃在今年秋天前搬離。得州(尤其是奧斯汀及原本圍繞 El Segundo 的硬體走廊,現在擴充套件到得州,SpaceX、部分 Tesla 業務已遷入)正在成為主要接盤地,能源與硬體產業尤為集中。

OpenAI 因 OpenAI–Hugging Face 事件及即將推出的 Astra 模型可能觸及《預備框架》(Preparedness Framework)下的"關鍵網路安全能力"門檻,暫時放緩了模型擴充套件速度——包括暫停最新部署模型的強化學習訓練兩週,並擱置了原計劃中最大規模的前沿 RL 訓練執行。公司同時加強了研究環境的安全隔離,要求 Astra 及網路安全相關的計算負載執行最嚴格的防護標準,並擴充套件了思維鏈監控,引入多階段啟用分類器進行檢測。

這是繼 OpenAI-Hugging Face 事件曝光後,OpenAI 首次把"安全評估先行、大規模訓練後行"的順序寫進公開宣告,也是目前為止業內主動暫停訓練進度最明確的一次表態。

Anthropic 的 CI 工程師用 Claude Tag 搭建了一套值班 AI 代理,作為 CI/CD 故障的一線響應者。故障發生後,Claude 中位數 14 分鐘內發布首份基於證據的分析,最快的案例裡 3 分鐘內驗證修復方案並確認錯誤率恢復到基線水平。整套方案通過 Slack 頻道訪問、Datadog 或 Grafana 工具呼叫,以及 GitHub 上的技能檔案(skill files)實現——技能檔案會隨著經驗積累自我迭代。Anthropic 已經發布了一套通用設定套件,供其他團隊直接部署這套值班模式。

Anthropic 公佈兩項實驗結果：Claude（Mythos Preview 和 Opus 4.8）針對 15 個靶點設計蛋白質結合劑，15 箇中成功 14 個，命中率達到 22.6%-35.1%。作為對比，行業常規的溼實驗命中率通常只有 10-15%。

這個數字的意義不在於"AI 也能設計蛋白質"，而在於效率量級的變化：如果零起點設計的命中率已經能接近甚至超過人類專家團隊的常規水平，意味著藥物發現流程裡最耗時的早期計算與人工篩選環節，有機會被大幅壓縮。

一項針對八款模型的評測發現，AI 代理記憶的最優配置方式因模型能力而異：強模型適合直接注入完整的經驗指南集，DeepSeek-V3.2（671B MoE）任務完成率因此提升 +9.5 個百分點；較弱模型則用精選檢索效果最好，gpt-oss-120b（117B MoE）提升 +16.1 個百分點，且額外 token 開銷只有 +5%。方法不需要更新模型權重或人工標註，而是從 AI 代理過往的執行軌跡裡蒸餾出指南，在推理時動態注入。

這給"要不要給 agent 塞記憶"這個問題提供了量化依據：答案不是越多越好，而是要按模型的消化能力分配劑量,否則強模型會被過量上下文拖慢，弱模型會被過量資訊淹沒。