情报机构盯上模型权重这事儿被安全从业者亲口证实了。对比各家实验室还在卷外部防御的做法,内鬼审查是个被低估的缺口。做机密数据保护的团队和关心前沿模型安全的人都该看看她的判断。
Latest
LangChain 本周开了场招聘活动,报名链接就在推文里,想进这家做 LLM 框架的公司可以趁早登记。做智能体开发的朋友应该都用过他们的库,能直接和团队聊职位机会挺难得的。
这是今天在旧金山开场的 AI Engineer Code 峰会,一天全是讲智能体和软件工厂的干活内容。讲师阵容挺强,有 Netflix 的工程师,还有 e2b、Composio、Baseten 这些做智能体基建的公司。想了解智能体怎么真正落地的开发者,可以去看看日程。
Suhail 在 X 上公开找合作方,要求是做文档、slides、PDF 的智能体办公工具,还得有低成本推理能力,门槛 1 万周活。做这个方向的团队可以留意,1 万 WAU 这个数字也给出了赛道合作的隐性标准。
Anthropic 开始 IPO 路演了,预计两周后挂牌,公告里连 SEC 注册声明和免责条款都放出来了。想在二级市场买 AI 公司股票的人,这是必看的流程信息。
AI自媒体头部卡兹克的MCN公司招人了,6个岗位都在北京,16薪不打卡,全员报销AI订阅费。做AI内容、想进AI圈子的可以投,要求是真懂AI的极客。
博主记录了两场对比极强的面试:一家公司因安全和复杂度全面禁用 AI,另一家把 AI Coding 当团队提效抓手。正在找工作的工程师可以把他这套面试观察和方法当成参考,面试时问问对方 AI 使用状态,很能看出团队成色。
卡兹克的公司在X上招人了,30多人的团队签了300多个独家博主,6个岗位base北京还开16薪。比较有意思的是他们要求全员用Claude或Codex干活,连订阅费都报销,想进AI内容行业的话可以看看有没有合适的岗位。
Anthropic 真的要上市了,路演已经启动,SEC 注册声明也递交了。想看 Claude 这家公司的估值怎么被市场定价、AI 公司 IPO 窗口是不是打开的,这条值得跟。关注科技股打新的人现在就该盯后续定价公告。
这期日报信息量不小:Anthropic 的 Fable 5.2 降价还冲到前沿第一,Meta 直接在 agent 成本上压过 Anthropic 和 OpenAI。Google 又加了两款自研芯片跟 Nvidia 掰手腕。关心模型选型成本的值得点开看看。
高盛把 Claude Code 从交易员手里收走,只留给 1.2 万工程师,理由是风险和账单。Apple 也在砍 AI 支出。买方角度值得看看:企业级 AI 的 ROI 问题正在浮出水面。
卡兹克的虚实传媒在招人了,6个岗位全是内容方向,base北京,16薪还不打卡。他们签了300多个独家博主,全员用Claude和Codex干活,订阅费还给报销。喜欢AI又想做内容的朋友可以投[email protected]。
Manus AI 的人在 Web Summit 上说他们公司已经没有前端后端工程师这种头衔了,PM 直接写代码,设计师往代码库提交 commit。做工程管理的值得看看这条,招聘和团队分工的思路可能会被这么改。
T3 Code 的真实用户任务数据,看 Opus 5.5 上线后大家怎么从 Codex 转向 Claude Code:占比从 52% 一路涨到 75%。选编程工具前看看这个实际选择数据,比厂商宣传实在。
Theo 晒出了自家工具的真实调用数据,Claude Opus 5.5 把 Codex 甩开一大截。这不是厂商自吹的榜单,是开发者真金白银投出来的选择,纠结编程模型选哪个的可以看看。
做 AI 产品想出海但一直没头绪的话,这两位讲者都挺对路:一个做站月入 1 万美金,一个带出了国内最大的 AI 科普社区。11 月 21 日深圳线下,能当面问细节,比刷帖子效率高。
这条推文在纠正一个流传很广的误读:有人拿 Sutton 的文章论证"堆算力就行",作者拆解了原文原意。做模型训练和算法研究的人值得看,帮你判断该往算法还是算力方向投入。
Google 的 Logan Kilpatrick 悄悄预热了 Gemini 新模型,社区随即拿 GPT-6.2 的沉默做对比。想追两大厂模型发布节奏的可以留意这条信号。
独立开发者 vikingmute 提出了个扎心观察:AI 让做软件空前容易,但供给指数级上升后付费的人反而在缩小。他想说的不是技术,是 AI 时代普通开发者的赚钱困局和阶层分化。如果你在做独立产品或打算 vibe coding 创业,这篇值得看看再决定要不要辞职。
Alexandr Wang 和 Scott Wu 这批 IMO、IOI 出身的竞赛选手,如今分别带着 Scale AI 和 Cognition 站在 AI 行业前排。这条回顾说明了顶级竞赛圈层如何在创业前就埋下人才网络,对关心 AI 人才流动和创业生态的人很有参考价值。
Lenny 用 Harmonic AI 的数据筛出 50 家早期公司,按员工增速、融资和投资人兴趣排名,还会每季度更新。想在成名前上车的求职者可以直接对照名单投简历,和只看大厂的 Lenny 100 正好互补。
Scale AI 的 Alexandr Wang 发了条回忆帖:2017 年他和 Scott Wu 吃饭时聊竞赛圈能不能复制 PayPal 黑帮,十年后这帮 IMO/IOI 队友创办了 Cognition、Pika 等公司。想了解这批 AI 创始人共同的数学竞赛成长路径,这条帖子很有意思。
Gary Marcus 点破了一个尴尬现实:一边拿中国当反对 AI 监管的理由,一边放行 NVIDIA 对华卖芯片。做 AI 合规或关心出口管制政策的人都该看看这个视角。
Cohere 的联合创始人 Aidan Gomez 公开怼 AI 末日论者,说他们的方案本质是减少竞争,让大家自己想想谁受益。这家公司和 OpenAI、Anthropic 是直接对手,这番话等于把安全监管辩论里的利益之争摆上了台面。关注大模型政策走向和企业选型的人可以看看双方各自的论证。
Gary Marcus 转了篇 Bloomberg 的数据:Uber 一周 3.2 亿单里只有 504 单走 Agent。做 Agent 产品或想融资的朋友都该看看,消费端到底有没有真需求,数据很扎心。
Anthropic 收紧了部分研究用例的模型访问权限,但明确保留了可解释性等领域。做 AI 安全或机制研究的独立研究者应该关心这件事,被限制的用例只能靠改权重的开源模型来做。Llama、Qwen 这类开源权重模型在自主研究场景里反而更稳。
Disney 没有继续用 OpenAI 的 Sora,转而和 Adobe 一起给自己的 IP 定制专属生成式模型,影视制作和主题乐园都要用。这个思路和直接用通用视频模型不同,做内容版权和品牌管控的团队值得看看。
做自主科研循环的朋友可以看看这条,Saravia 用亲身经验说 Anthropic 模型的拒绝机制会频繁打断 autoresearch 流程,连论文复现都经常失败。如果你的工作流涉及改进 AI 系统本身,选模型前要掂量一下 Claude 的拒答问题,可能 GPT 或 Gemini 这类限制更松的模型更合适。
Nathan Lambert 认为更多实验室和 Anthropic 竞争、开放分发研究能力,安全社区能拿这些工具做价值,实验室还能靠用户数据反哺自家 AI 研发。对关注开源与闭源之争的研究者来说,这条观点值得看一眼。
这条评论点出 Google 的尴尬:模型确实强,Fable 5.2 号称明显领先,但每次正式开放时对手已经又发新一代了。做产品选型的开发者可以看看这个节奏问题,选模型不能只看发布会那一刻。
Shumer 用反话嘲讽了"只该用云端大模型"的声音。他拿 1 万美元硬件钱和 Claude Ultra 订阅算了一笔账,说的其实是本地模型在成本和隐私场景下仍有价值。跑私有部署或纠结订阅费的人该看看。
Fireworks 被黑客偷了客户账单、模型权重和数据集,年化收入 10 亿美元的它正要按 300 亿美元估值融资,这时候爆出安全事故,投资人尽调肯定要盯紧。用托管推理服务的企业可以核对一下自己的数据有没有暴露,同行也该看看自家风控。
Jerry Liu 办了场保险业 AI 负责人晚宴,聊出几个实在观察:智能体已经能端到端跑理赔和核保,团队更小但产出翻了几倍。做行业落地的开发者能从中看出监管行业怎么留人工兜底。
AI.Engineer 频道粉丝破百万后搞了个创作者换票计划,写几篇推文或博客换 AIE 2026 门票加官方曝光,想入行 AI 内容创作的朋友可以去 ai.engineer/associates 申请,明天旧金山就开场。
The Information 找 SL5 Task Force 的 CEO 聊了一个很少被认真讨论的话题:模型权重被偷、内部间谍、甚至 AI 自己变成威胁时,数据中心该怎么防。做基础设施或管模型资产的人听这期会有收获。
有人实测同一任务,DeepSeek 开源模型比 Claude Fable 5.2 便宜 44 倍。他还提醒:95% 的任务根本用不着最聪明的模型。做应用选模型分层的可以看看这条。
The episode reveals how evaluation difficulty is shifting: models can recall domain rules yet fail at knowing when to apply them, which is precisely what RL environments are being built to fix. Teams building eval pipelines or training data strategies can study the live task walkthroughs to calibrate their own benchmark design. Against data vendors like Scale AI and Surge, Handshake's verticalised labs (life sciences, finance, alignment) show where specialist data demand is concentrating.
Latent Space 播客请来了 Handshake 和 Sacra 聊就业市场,文字稿和音频都放出来了。对校园招聘、劳动力数据这些方向感兴趣的话,可以直接去 latent.space/handshake 看文字稿,省得听完整期音频。
这期播客请到了 Google 管 Gemini、Veo 这些模型的 Head of Product,讲怎么写 eval、模型开发怎么推进,PM 们可以直接抄作业。想进 AI 公司做产品的人尤其该听,比泛泛聊趋势的访谈实在。
Only the latest 2000 items are listed; for older ones see the daily archive