12:43@zarazhangrui@zarazhangruiOpenAI发布最新Codex使用报告。知识工作者已占Codex用户的约20%,其采用速度是开发者的3倍以上。增长最快的任务类型是数据分析(周环比增长110%)、研究(+37%)和知识工件(+36%)。AI产品CodexOpenAI知识工作者数据分析10 个信源在谈推荐理由:Codex不光是程序员在用,知识工作者增长特别快,数据分析任务一周翻了一倍多,值得关注。原文
17:19Marc Andreessen@pmarcaMarc Andreessen引用了一条推文,指出当AI让简单任务变得廉价时,人类反而被困在更难的剩余工作中。随着模型能力提升,留给人类的任务越来越复杂,导致人们感到持续疲惫,甚至可能变得不够资格完成工作。这揭示了AI进步带来的一个悖论:自动化并未解放人类,反而将人类推向更艰难的认知劳动。行业AI自动化知识工作者认知劳动AI悖论Marc Andreessen推荐理由:这条推文戳中了AI从业者和知识工作者的痛点——当AI包揽了简单任务,你反而要处理更难的残局。做AI产品、写代码、做分析的都该看看,看完会有共鸣。原文
21:15IT之家(博客/媒体)83°月之暗面 Kimi 宣布 Kimi Work Beta 版开启内测,随最新版 Mac 和 Windows 客户端推出。Kimi Work 是面向知识工作者的通用型本地 Agent,基于 Kimi Code 提供本地 Agent 基础能力,支持自然语言驱动任务拆解、工具调用、浏览器使用和文件管理。它内置了建站、PPT 等专业 Skills 和金融、科研、法律等数据库,并支持 Agent 集群,最高可创建 300 个子 Agent 处理复杂任务。值得注意的是,Kimi Work 自身 92% 的代码由 AI 自主生成,工程师仅用一周完成开发。AI产品智能体本地 AgentKimi知识工作者自然语言交互推荐理由:Kimi Work 把本地 Agent 的门槛降到自然语言即可使用,知识工作者(如分析师、研究员、项目经理)不用学命令行就能让 AI 帮你写报告、做 PPT、查数据库,值得立即申请内测体验。原文
01:32berryxia@berryxia72°OpenAI 官方数据显示,Codex 每周活跃用户已超500万,较2月桌面App上线时增长6倍。知识工作者采用速度是开发者的3倍,占用户20%,用于研究、数据分析、内容创作等。72%的知识工作者每周用它产出文档、图像等。数据分析周环比增长110%,研究增长37%。加州州立大学数学教授用Codex处理行政工作,每周省4-5小时。GroundVue公司用Codex将9万个政府机构会议抓取为可搜索知识库,团队从多人减至3人。数据表明,知识工作者正将AI作为日常生产力操作系统,而非程序员优先。AI产品OpenAICodex知识工作者数据分析生产力工具10 个信源在谈推荐理由:这组数据颠覆了AI优先替代程序员的预期,知识工作者才是最早把AI当生产力操作系统的人。做研究、数据分析、内容创作的团队,可以直接参考案例,看看Codex能帮你省多少时间。原文
09:40Eric Jing@ericjing_aiGenspark 宣布与 Anthropic 合作,基于 Claude 模型构建面向知识工作者的 AI 工作空间。Genspark 联合创始人兼 CTO Kay Zhu 表示,在快速变化的市场中,团队是决定产品差异化的关键。该合作旨在将 Claude 的最佳模型能力转化为知识工作者日常工作中的最佳产品体验。Genspark 是一个集成了 AI 功能的综合工作平台,此次合作将进一步提升其在文档处理、信息检索等场景中的表现。AI产品ClaudeGensparkAI工作空间知识工作者Anthropic10 个信源在谈推荐理由:知识工作者终于有了一个基于 Claude 的专用 AI 工作空间,Genspark 团队把模型能力落地到日常办公场景,做文档处理和信息管理的可以直接体验。原文
07:59Genspark@genspark_aiGenspark 联合创始人兼 COO 在 The Information 上表示,锁定单一 AI 模型意味着总是落后于最新发布。Genspark 同时集成 70 多个模型,确保用户每次都能获得最适合当前任务的工具,而非数月前选择的模型。该平台旨在为超过 10 亿的知识工作者构建 AI 智能体,改变过去人类作为“生产引擎”的工作模式。AI产品Genspark多模型集成智能体知识工作者AI 工具推荐理由:Genspark 的“模型路由”策略解决了 AI 工具快速迭代下的选择困境,做多模型集成或智能体开发的团队值得关注其思路。原文
11:45arXiv cs.AI@Lihi Idan, Bharat Anand精选一项随机对照实验发现,生成式AI(GenAI)能显著提升知识工作者的任务表现,但收益分布极不均匀。高AI交互能力(AIC)的参与者获得了巨大收益,而低AIC者甚至出现负回报。AIC包括引导、筛选和验证模型输出的能力,且与GPA或先验知识无关。通过概念图等脚手架干预可减少结果差异,表明标准化流程能缓解AI带来的不平等。研究建议企业将GenAI与简短AIC微培训及标准操作程序结合,以稳定获取价值。论文生成式AI生产力不平等AI交互能力教育实验知识工作者推荐理由:这项研究戳穿了“AI人人平等受益”的幻觉——真正拉开差距的是AI交互能力,做教育产品设计或企业培训的团队,建议看看如何用微培训和标准化流程缩小这个鸿沟。原文