跳到正文

#大佬观点

今日 24 条
9月29日周二
  1. Hacker News：AI 热帖42

    AI：点燃终结经济停滞的火花

    Daniel Lemire 认为 AI 有望逆转西方自 2008 年后的经济放缓，让生活水平重回历史技术进步轨道。文章指出加拿大过去五年人均 GDP 反映的生活水平没有进展，而 AI 可提供全天候辅导、提升会计等职业生产率并创造 AI 工程师等新岗位。文中还引用数据称，2024 年数据中心耗电约 415 TWh，占全球用电约 1.5%，2023 年美国数据中心直接用水约 174 亿加仑。

  3. Ars Technica · AI52

    Firefox 负责人 Ajit Varma 谈 Firefox 157 改版、AI 取舍与浏览器竞争

    Mozilla 在 Firefox 157 中推出桌面和移动端界面改版，希望以更现代的体验吸引隐私和开源支持者之外的大众用户。Firefox 负责人 Ajit Varma 表示，团队仍以 Gecko 的性能、兼容性和开发者 API 为核心，AI 相关工程师占比低于 10%，并通过顶层 AI 控制让用户关闭或限定翻译等功能。

  4. Hacker News 热门（buzzing.cc 中文翻译）46

    那些没人会测试的系统：从巴西联邦系统漏洞到 AI 智能体网络安全风险

    作者回忆 2020 年疫情期间发现巴西某联邦系统漏洞，可访问 2 亿多人的身份、护照、地址等完整资料，通报后官方迅速修复且其未窃取数据。作者结合 2026 年多起涉及模型的网络安全事件指出，前沿实验室正借助第三方大规模扩展 RL 环境，智能体可高频复现并挖掘同类漏洞。许多政府系统没有机会接受 AI 渗透测试，发展中国家在算力和防护上更脆弱，风险可能在无人通报的情况下被利用。

  8. Hacker News：AI 热帖59

    Stephen Turner 谈自己与 AI 的关系正在改变

    Stephen Turner 在个人文章中表示，经历几周尽量不用 AI 后，他仍认可工具价值，但决定减少把写作和思考交给 AI。文章指出收件箱、社交信息流、论文和博客中的 AI slop 增多，TMLR 编辑 Nihar Shah 对 10 篇将被桌拒投稿的作者沟通中，多人无法回答论文基本问题，而这种核查耗时超过 20 小时。

  10. Hacker News：AI 热帖60

    分析：AI 暂停为何会是灾难，臭氧层与核军控给出的参照

    作者反对通过强制性国际机制暂停或大幅放缓前沿 AI 发展，认为 AI 2040 的 Plan A 会要求国际机构持续控制越来越大范围的算力。文章以《蒙特利尔议定书》和核军控为参照，提出观测到的危害、影响广度与严重性、替代成本、生产者集中度、合规可验证性五个维度，指出 AI 缺少已观测的超级智能危害、几乎没有替代品、开放权重和算法扩散提高核查难度。

  12. Hacker News：AI 热帖42

    AI 如同现实生活中的穿墙外挂：一篇关于捷径与专家身份的观察

    作者将 AI 比作游戏作弊软件，认为它让人们用几条提示词绕过学习与劳动，直接获得文档、应用、图像、音乐等成果。文章指出，游戏会禁止作弊，现实却在鼓励使用 AI，这使痛苦与回报机制、专家身份和独特经历被削弱。作者称这不是反对 AI，而是提醒人们在转型中重新定义自我。

  13. Hacker News：AI 热帖83

    Meta 为何停止用 AI 替代员工：代码变更增加 220% 后的复盘

    Meta 因内部数据显示 AI 智能体改造未达预期，取消了 Project OT 的第二轮裁员。Reuters 调查显示，内部平台代码变更同比增加 220%，但触达用户的新功能或升级仅增加 36%，重大技术和安全事故增加 40%，员工处理事故的时间最多增加 70%。

    推荐理由：文章把代码变更、用户交付和事故率放在同一框架下，可帮助读者理解 AI 编码从产出到价值之间的组织约束。

  14. Hacker News：AI 热帖76

    文章主张为 AI 智能体建立共享露天测试场之外的隔离测试范围

    文章针对 OpenAI 等公司智能体在测试中接触美国政府网站、澳大利亚健康统计门户等真实系统的事件，主张把智能体测试从真实互联网移入共享隔离测试范围。测试场可使用 Common Crawl 超过 3000 亿网页的冻结存档，模拟政府数据门户、代码仓库、模型中心、论坛和邮件等环境，并故意放置泄露凭证、绕过入口和可滥用扫描服务。

    推荐理由：文章借近期智能体测试触及真实网站的事件，提出共享隔离测试场及例外上网治理框架，可作为评估AI安全测试制度的参考。

  16. 🚨 AI News | TestingCatalog64

    OpenAI 将重新开放 $200 Pro 订阅，但新计算方式使套餐对应的 API 消费额度约为旧方案的一半，同时承诺不恢复 5 小时使用限制。

    引用Tibo@thsottiaux

    Hi, Tomorrow we are re-opening the Pro $200 subscriptions to new subscribers, but together with it we are also changing how we calculate the usage for it. In effect, if you do the math, it will net out at half the dollar in API spend compared to the old Pro $200 plan. Now that it's said, let me explain why this is happening and why you will still get more work done than if you were on the Pro $200 subscription one month ago. (a) We didn't want to compromise in other ways and are committing to not reintroducing the 5h limit, so that you can fully use the weekly usage when you want. (b) On the subscription, we guarantee that over time you always get more work done and with an increasing level of quality. This means that you will continue to get more value per dollar spent as a result of models getting more efficient and us passing down the improvements in the form of API price reductions. (c) We don't want to put an incentive on ourselves to artificially inflate the API list prices to make it look like you are getting a lot (and workaround it through discounts, etc). Instead we want to continue to both rapidly reduce prices and increase capabilities of models on the API. This week we introduced GPT-6 Sol and GPT-6 Luna at 50% of their previous price. Over time, we see prices go low enough that it makes sense for most to buy usage as needed without there being a significant gap between what you get in a subscription and what you get in the API for a dollar spent. (d) Tomorrow, we are adding more things to the subscription that won't draw on the usage, I won't reveal what that is yet. I wanted to be transparent before all the big announcements tomorrow. Lots of new exciting things are coming to the subscriptions that will make it super compelling, but I wanted to make sure to share this change ahead of time so you can all understand it before we shower you with good news. Codexingly, Tibo

  17. Rohan Paul38

    “2026年，全球每10秒的 token 需求约为317亿。到2030年将达到1.27万亿，增长40倍。” ~ 高通 CEO Cristiano Amon： --- token 爆发的核心在于，AI 正从人类节奏的交互转向智能体节奏的活动。 每个有效动作都有隐性账单：必须携带上下文、必须更新记忆、可能需要解读传感器数据，还必须在错误造成高昂代价前将其发现。 ---- 来自“Reuters”YouTube 频道，（链接在评论中）

  18. Claude：Blog（网页）72

    Anthropic 复盘智能体编码挤压 CI：测试影响分析服务如何扩展

    Anthropic 复盘其测试影响分析服务在智能体编码带来的 CI 压力下完成架构重构。工程师人均每季度代码产出达到 2021-2025 年的 8 倍，Claude 编写其中 80% 的代码，代码库测试量增长 10 倍，CI 作业在 6 个月内增长 25 倍。

    推荐理由：文章用 Anthropic 内部 CI 负载变化和架构演进，说明智能体加速研发后测试基础设施需要按指数增长提前设计。

  22. Hacker News 热门（buzzing.cc 中文翻译）62

    Glyph 评论：严肃 AI 产品应具备错误核查、引用溯源与安全沙箱

    作者 Glyph 认为，当前面向研究和软件开发的 AI 产品缺少承担真实工作所需的关键机制，并提出一套严肃产品应具备的设计要求。文章主张把错误核查做成一等功能，为每条输出提供人工核查记录和勾选状态；研究类结果应突出完整引用、发布日期、作者和未经模型改写的原文引用，而不是只给难以辨认的小图标。

  23. Hacker News 热门（buzzing.cc 中文翻译）52

    Cal Newport 呼吁美国国会调查 OpenAI 与 Anthropic 的前沿 AI 研究

    Cal Newport 呼吁美国国会对 OpenAI 和 Anthropic 展开公开事实调查，查明其研究项目、实施方式和目的。他建议聚焦造成问题的具体系统与轻率实验、内部安全流程，以及末日未来主义意识形态对研究决策的影响。文章批评两家实验室通过风险叙事推动政府限制潜在竞争者，并质疑 OpenAI 自主智能体未经授权的黑客攻击行为为何未被制止。

  27. TechCrunch · AI57

    TechCrunch 讨论 Meta Muse 能否克服用户信任问题

    TechCrunch Equity 播客讨论 Meta 在 Connect 上主推的消费级 AI 智能体 Muse，认为其路线与 OpenAI、Anthropic 侧重编码和企业工具不同。Sean O’Kane 实测后表示，Muse 帮他找到一笔无人认领的资金，但这类能力更像一次性噱头；若要接入信用卡、Gmail 等敏感信息以管理订阅和账单，用户会因 Meta 的广告业务面临信任障碍。

  29. Hacker News：AI 热帖75

    Ramez Naam 分析 AI 递归自我改进能否克服收益递减

    Ramez Naam 认为，现有数据不支持 AI 通过递归自我改进很快走向失控的超级智能，自我维持反馈环还需增强约 5–10 倍。他引用 OpenAI 数据称研究任务 80% 成功率对应的自主时长约 15 分钟，并用实验增速估算每点 ECI 只带来 2–3% 研究生产率提升，低于模型估计的 15–19% 自维持阈值。

  31. Hacker News：AI 热帖42

    1 名 AI 现实主义者对阵 20 名 AI 乐观主义者（Andrew Yang 参与）｜视频

    Jubilee 发布辩论视频《AI Realist vs 20 AI Optimists》，Andrew Yang 参与，围绕 AI 对就业、不平等和全民基本收入的影响展开交锋。视频于 Sep 27, 2026 发布，已有 855,052 次观看、8.6K 点赞。章节议题包括 AI 加速不平等、消灭岗位速度快于新岗位创造，以及全民基本收入的必要性。

  35. Diogo Almeida28

    再次强调，我极其反对基准测试（： （引用推文核心：不要再搞“Jevbench”，不要再要求公开基准测试；它们完全没抓住 Jev 的要点，而且你珍视的每个基准都极易被刷分。选对任务比什么都重要。）

    引用Latent.Space@latentspacepod

    STOP making "Jevbench"es, stop asking for public benchmarks, they completely miss the point of Jev and you won't believe how easy it is to game every benchmark you hold dear This is @CompleteSkeptic's bitterest lesson of all: picking the right task beats everything