12:58Gary Marcus@GaryMarcusGary Marcus 在 Financial Times 撰文指出,依赖扩大模型规模无法解决 LLM(大型语言模型)的准确性根本缺陷。他将超大规模投资比作历史上最大的金融失误之一,因为硅芯片折旧快且可能被更高效的模型取代。他还认为 LLM 行业难成科技巨头的垄断格局,更像利润微薄、竞争激烈的航空公司。文章呼吁寻找替代基础架构,而非继续押注超大规模计算。行业Gary MarcusFinancial TimesLLMAI泡沫行业反思推荐理由:Gary Marcus 在金融时报上警告AI泡沫,说超大规模投资可能是历史最大失误之一,值得一读冷静一下。原文
18:58宝玉@dotey一位开发者指出当前 Coding Agent 的表现不佳,根本原因在于底层模型能力和 Agent 应用设计都尚未成熟。模型在代码理解、推理和生成上仍有明显短板,而 Agent 应用在任务规划、上下文管理和错误恢复等方面也缺乏稳定性。这意味着即使有好的工具,实际开发中仍难以依赖 AI 完成复杂编程任务。该观点引发了对 AI 编程助手当前局限性的讨论,提醒从业者不要过度期待。AI产品Coding Agent编程助手模型能力Agent 应用行业反思推荐理由:做 AI 编程工具或依赖 Coding Agent 的开发者,看完会明白为什么当前体验总差一口气——模型和 Agent 都还没到火候,值得反思自己的预期和选型。原文
22:58Ethan Mollick@emollickEthan Mollick 在 X 上评论 Codex,认为它虽然强大,但本质上仍是面向开发者的“编码式”界面,不适合作为通用应用。他指出,AI 行业持续存在一种令人困扰的视角:非程序员被视为能力不足,需要被隐藏复杂性,而非提供适合他们的不同复杂度。Mollick 呼吁 AI 设计应尊重非编码用户的独特需求,而非简单隐藏功能。行业CodexAI 产品设计非程序员用户体验行业反思推荐理由:Mollick 戳中了 AI 产品设计的一个盲点——非程序员用户被当作“低配版”对待,做产品设计或 AI 应用开发的团队值得反思:你的界面是赋能还是设限?原文