AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

Michael Dell 把所有部署 agent 的组织都该问的那个问题写成了推文："这个 agent，无论被告知什么都不许做——这会是什么？" 随即宣布：NVIDIA 的 Open Agent Safety Platform 已进入 Dell AI Factory，客户可以放心地规模化部署自主 agent。

（转述自原帖，原文：dell.com/en-us/blog/a-n… ）

这个问题的措辞值得拆两层。前半句"无论被告知什么"点破了大模型时代安全观的转向——约束不能挂在"指令说了什么"上，必须挂在"系统不接受什么"上：提示词可以被绕过、被注入、被劫持，但硬编码的禁区不会因为一句话就让路。

后半句"不许做"则把清单交给了人来提前填写。这正是"护栏不该拆"那篇的终极形态：先写死负面清单，再谈正面能力——与三问清单（能碰什么、谁按隔离键、能否还原）互为里表：三问管流程，这句管底线。

三天之内这条安全线已经走完了一整圈：平台发布（策略与隔离）、参考设计（架构与三问）、长跑确认（策略跟完整周期），今天再加 Dell 的渠道落地——零件、图纸、工期、买家，四样齐了。

当两家硬件巨头在同一件事上合流，"agent 安全"就不再是论文话题或营销话术，而是一门有规格、有报价、有交付日期的生意；对还在观望的企业，现在的问题从"要不要"变成了"按哪份清单装"。

留一格清醒：这是典型的厂商合作口径，具体能力与覆盖范围以双方文档为准；但那句提问本身独立于任何产品——即使你不用这套平台，也值得把"无论被告说什么都不许做"抄进自家的 agent 规范第一页。

给要定这份清单的人一句落地的：别从功能倒推限制，从损害倒推——把"一旦发生就不可接受"的五件事先列出来（动钱、发外部消息、删数据、越权读、无限循环），逐条写成不依赖任何 prompt 的硬拦截。清单写完的那天，规模化部署的底气才第一次有了出处；这也是这条线四篇连发后，最想留下的那一页。

Anthropic 内部的温度计读数出来了：一位工程师说，"我们 90% 的工程师早就在跑自改进循环，现在人人都在搭 agentic graph——Prompting 基本结束了"；她在十分钟里从空终端现场搭出完整 Claude Code 系统，路线是 Agents → Loops → Graphs → Self-Improving Systems。（转述自原帖）

这条是今晚图工程与 22 条清单的内部印证版。吴恩达那门课讲的是该教什么、清单讲的是该学什么，而"90% 的工程师已经在用"说的是这已经不是课程内容，是日常操作——当创造工具的公司内部都把 prompting 当成上一个时代的工作流，外部还在纠结提示词技巧的人，差距不是知识，是阶段。

"Prompting is basically over"不是说不用写提示词了，是说提示词不再是那个决定成败的环节——决定成败的换成了图、循环与自改进系统。

十分钟从空终端起手这件事也值得多看一眼。它说明这套东西已经模板化到可以现场演示：先让 agent 干活、再让它循环纠错、然后把流程画成图、最后给图装上自我改进——四步每一步今晚都单独读过，合起来就是那门两小时课的浓缩版。而"值一千美元课程"的说法虽是夸饰，方向没错：能被十分钟搭出来的，卖的不再是方法，是熟练度。

留一格清醒：这是个人转述的内部发言，比例与口径以 Anthropic 官方为准；但方向与课程、清单、配置帖三方独立指向同一处——三条线在"图工程"上交汇，已经足够把它确认成行业共识而非个人偏好。

给还在提示词上使劲的人一句落地的：这周做一次最小迁移——把你手头一个反复跑的任务，从"每次写一段好 prompt"改成"画三步、每步一个固定指令、中间加一次自检"。改动只要半小时，跑一遍你就会明白 prompting 为什么"结束了"：不是提示词消失了，是它回到了它该待的位置——节点里的那句输入。

大多数 Agent 的"长记忆"其实很潦草：把聊天记录拼进 Prompt，或做一层粗糙的向量检索——会话一多就乱，更谈不上认知沉淀。刚在 GitHub 斩获近 40k 星的开源项目 Hindsight 给了另一条路：用仿生认知体系重排 Agent 的记忆网络，目标不是"记得住"，而是"学会学习"。

（转述自原帖，仓库：github.com/vectorize-io/h… ）

四层架构是它的骨架。World Facts 存客观规律与外部常识；Experiences 记 Agent 自身的行动与交互历史；Observations 在后台自动去重、归纳事实，每条认知自带引用证据链与置信度更新——信念不再是文本，是可追溯的判断；最上层的 Mental Models／Knowledge Pages 把高频问题（用户偏好、项目规范）预提炼成常驻活文档，Agent 启动时走普通数据库读取，零额外的 LLM 检索开销。

这一层的存在方式值得停一秒：它把"每次现想"变成了"提前想好"，与今晚"图工程把决策拉进固定拓扑"是同一个动作在记忆侧的版本——能预先算的，就不要留给现场。

三个交互原语同样克制。Recall 用四路混合检索（语义向量＋BM25＋实体因果图谱＋时间过滤）交叉重排出最准上下文；Retain 让 LLM 后台自动抽实体、因果与时间轴结构化入库；Reflect 专管记忆反思与推演，服务复杂规划与归因分析。

工程侧则把摩擦降到两行代码——wrap_openai／wrap_anthropic 直接包装现有客户端，对话前自动 Recall、对话后自动 Retain；原生集成 60 多个框架与工具、每个记忆库自带 MCP 端点；生产级部分做了多租户隔离、45 种敏感数据的内置隐私过滤，并在 LongMemEval 基准上跑出 SOTA。

把它放进记忆线的历史，这是一次明显的换挡。此前多数方案仍停在"向量检索即记忆"的阶段——这恰好与"Cursor 撤 server-side RAG"那篇是同一个反思的两面：相似度解决的是"找得到"，解决不了"想得对"；四层架构补的正是"想"的那一半——事实、经历、信念、模型分层放置，检索时各归各位。也难怪它配上证据链与置信度：没有可信度管理的记忆，只是更长的聊天记录。

留一格清醒：40k 星与 SOTA 是项目与基准口径，真实场景的降噪效果要拿你自己的任务试；四层记忆也会带来维护成本——信念会过期、心智模型会漂移。但在"AI 员工要陪跑几个月"这类场景里，记忆从锦上添花变成了先决条件，这条赛道值得盯。

给想上手的人一句落地的：先别接全量——挑一类高频问题（比如你的项目规范）手工写成心智模型页，观察 Agent 启动时少了多少次追问；再逐步把 Obs 层开起来。记忆系统的价值不在存了多少，在少问了多少次——这大概是给"长记忆"最朴素的验收标准。

一张 1700 多赞的配置帖把"贵模型怎么用才不浪费"讲成了可复制的树，核心是一个叫 /advisor 的用法：主模型挂 Opus 5.5 干活，把 Fable 5.1 的额度放在"随叫随到"的位置上——运行 /advisor fable 之后，Opus 继续写代码，Fable 只在旁边读完整个会话，等三个时机才开口：计划之前（这思路对吗？）、同一个错误反复出现（我是不是走错了方向？）、宣布"done"之前（我漏了什么吗？）。（转述自原帖）

这三个人生时刻式的插手点，就是帖主点破的那层经济学：昂贵模型不再对每一步表态，只在能改变结果的时刻被叫进来——Jev 工程的同一条原则。今晚刚讨论过"脚手架会不会被下代抹掉"，这个用法给出了一个不会被抹掉的形态：它优化的不是模型的能力，是模型出场的时机。

能力会随版本贬值，"在哪里花钱"的判断不会——把顾问费花在计划、歧路与收尾三处，比每步都请专家便宜得多，也比全程自己扛少翻车。

把顾问放进来这件事，官方文档写得很清楚：code.claude.com/docs/en/adviso… 配置树本身也值得一读。主会话 Opus 5.5 挂 high 档；三个子代理分工（读代码、改码跑测试、查文档），全部 medium 档；Fable 5.1 待命。

环境变量一节更见细心：要求 agent 先报告 CLAUDE_CODE_DISABLE_ADVISOR_TOOL、DISABLE_TELEAUTRY 之类会静默关掉顾问的变量，只报告、不擅自改动；CLAUDE.md 加一条规则——大计划前、错误重复时、长任务收工前，先问顾问。最后一句"先给我看改动、先别动文件"则是把选择权留给人的标准姿势。

把这棵树放进档位地图，结构非常清晰：high 给主决策、medium 给执行、顾问制给关键闸口——三档各司其职，钱花在改变结果的节点上。这与"新词不可对账"那篇的对账逻辑、"比例是乘出来的"那篇的算术逻辑合起来，就是一张完整的省钱地图：先分档、再定时机、最后用乘法验证。今晚所有关于成本的讨论，落到操作层大概就是这三步。

这三个时机与今晚"三个是非题"那张清单其实是同一份东西的两种写法——计划前回答为什么做、歧路上回答往哪走、收工时回答漏没漏；一个写成了配置文件里的规则，一个写成了口头习惯，但都指向同一件事：把人的注意力钉在三个会改变结果的瞬间上，其余时间放心交给执行。

留一格清醒：/advisor 这类能力依附于具体产品与版本，命令名与开关会变；但这套"三时机顾问"的思想独立于工具——哪怕换一个 harness，你也可以手动安排"计划前给人看、错两次时停一下、完成前逐项过清单"。工具会更新，三个人生时刻不会。

给想抄树的人一句落地的：别整套照搬——先只做一条：在你的 CLAUDE.md 里加"宣布完成前，先对照验收清单逐项回答有没有漏"。这一条单独就能兑现三时机里最值钱的那个；跑顺了再加计划前的那次点头，最后才轮到配置文件里的模型分档。从最便宜的纪律开始，比从最贵的配置开始，走得远。

OpenRouter 上周的榜单一出来，几个数字都在说话：中国模型一周记下 62.22 万亿 token，美国模型 14.2 万亿——约 4.4 倍；这已是中方连续第 22 周领跑。

分项更热闹：DeepSeek V4.1 Flash 以 19.6 万亿蝉联第一（环比 +24%）、GLM 5.3 Flash 以 16.3 万亿第二（+16%）；最意外的是 Space Bunny Alpha——匿名出现仅五天、就以 13.9 万亿冲到全球第三，50 个测试字符串的 tokenizer 指纹全部匹配 MiniMax，身份却仍未确认；腾讯 Hy4 第四（9.64 万亿），小米新发布的 MiMo-V2.6-Flash 以 5.51 万亿直接进入第八。（转述自原帖，数据以 OpenRouter 官方为准）

这份榜单和今晚几篇是同一枚硬币。"比例不是拍出来的"给了买方（AT&T 40→70），这份榜单给了供给方的落地证明：4.4 倍的流量差不是叙事，是每周结算出来的；连续 22 周意味着这不是一波促销拉出来的脉冲，而是工作负载真的在搬家。个人侧的"塔尖留订阅、长尾搬回家"，在平台数据上被放大成了国家级的长尾迁移——便宜、够用、跑得动的东西，永远先赢量。

V4.1 Flash 环比再涨 24%，也把"档位"那条线照亮了：增长最快的从来不是最贵的档，是跑量的档——这与"Flash 靠塞进产品保城堡"是同一条曲线的两端。而 Space Bunny 的指纹悬念则提醒我们另一件事：匿名模型可以五天登顶，说明榜单看得见用量、看不见身份——在这样一个市场里，"谁是谁的马甲"本身就会成为新的信息差；tokenizer 指纹这种土办法能锁定 MiniMax，也说明可验证性从论文钻进了市场行为学。

留一格清醒：OpenRouter 只统计经由它路由的流量，不是全行业总盘子；各家口径不同、名次也会随采样波动。但方向不需要精确到小数点：连续 22 周的斜率，比任何一次跑分都更接近"市场用脚投票"的真实答案——这也正是"信方向、别抠小数点"的第二次用法。

给看盘的人一句落地的：把你常用的三类任务各记一次用的是哪家模型、上周消耗多少 token，对照榜单看看你的分布落在哪一档——是塔尖、是长尾，还是两者混着跑。榜单是别人的平均数，你的那张表才是你的选型依据；下次换模型之前，先看你的长尾任务有没有跟着 4.4 倍那条线一起搬家。

有人把一整家公司拆成了 388 个 AI agent skills，覆盖工程、产品、营销、财务、销售、合规、研究等 20 个领域——用帖主的话说，每个独立开发者都能从陌生人那里把这套模式"偷"走。（转述自原帖）

清单的内容本身是一部小公司运转手册：用 CTO 人设挑战你的架构、把客户调研变成产品规格、用工程与 DevOps 技能交付、上线前跑 QA 与安全检查、规划内容 SEO 定价分发、建模预算与 SaaS 指标、随规模准备合规证据。

但更值得记的是它给出的那行架构公式：skills 定义"怎么做" → agents 定义"干什么活" → personas 形成决策风格 → orchestration 把活接起来。

四层各司其职，模型只在被赋予的那层里发光——这与今晚 Palantir 六层、吴恩达图工程是同一种结构思维在不同尺度上的落地：公司尺度上，每个岗位都可以先写成 skill。

对 solo builder，帖主给的流程同样朴素：想法→调研→规格→构建→测试→上线→售卖——一个人配好每一步该用的 agent，就能跑完整条链。这与"先把结果定下来再谈放手"、"三个是非题"那套打法严丝合缝：链条能跑通的前提不是每个 agent 都聪明，而是每一步的产出都能被下一步判定——规格判定调研、测试判定构建、上线数据判定售卖。没有判定，链条只是排队。

留一格清醒：388 是这家公司自己的映射，不是通用模板；照抄的正确姿势是先给自己公司写十件——把最高频的三类工作各成一个 skill、把审批与验收各成一个 persona，十条跑顺了，数字自然会长。与装前审计那篇合起来看，方向也一致：自己写的可以先跑，外来的必须先审——两条规则一放一收，正好构成技能资产的完整纪律。

给想试的人一句落地的：今晚别写第 388 个，写第 1 个——挑一件你每周重复三次以上的事，把"怎么做"写成三段说明、把"算完成"写成一句话，交给 agent 跑一周。能省下时间的第 1 个 skill，比想清楚的第 388 个值钱。

Meta 的官方口径来了，一句话是商业判断、下一句话是新产品："我们相信超级智能将为所有人和企业创造巨大的新机会。Meta 已经在规模上服务数十亿人、帮助数百万商家触达客户——今天，我们启动业务的下一个重要支柱：Meta Enterprise Platform，帮助企业用 AI 增长与转型。"（转述自原帖）

这是本周企业侧的第四个大动作——Palantir 拆六层、AT&T 把开源占比提到 70%、NVIDIA 卖安全平台、再加今天 Meta 把企业平台立成"支柱"。四件事拼出同一幅图：AI 的战场正从"给谁用"迁到"替谁干活"。

个人订阅的增长故事讲了两年，现在轮到企业预算进场——而企业买的东西和个人完全不同：个人买能力，企业买能力之外的三样——边界、集成与背书。Meta 牌照式地提"服务数百万商家"，卖的正是这三样里最贵的背书。

"超级智能创造新机会"这句开场也不是修辞。它把话题从替代焦虑挪到了增量：企业真正在意的从来不是模型会不会取代谁，而是能不能用它多做一个此前做不起的业务——这与今晚"能验证的就别只靠承诺"的商业版互为镜像：技术侧要可验证，商业侧要可结算。平台的真正验收标准，是接入后那条业务线的数字有没有动。

留一格清醒：这是发布口径而非实绩，平台能落到多少商家、AI 转型能兑现几成，要用几个季度的数字来称；个人开发者也别急着欢呼——企业平台的第一批红利通常归已有客户池与既有生态。但方向已经清楚：当 Meta、NVIDIA、Palantir 这样的玩家同周转身，"给企业造台子"成了新的共识生意，这比任何一个模型的跑分都更值得记进这一周。

给做产品的人一句落地的：如果你的客户里有中小企业，把你的 AI 功能往"能结算的业务结果"再推一步——不是"帮你写得更快"，而是"这条流程每月省了多少、多接了多少单"。平台潮里活下来的，永远是那些先把账算给客户看的人；这与"兑换率才是最后剩下的诚实"是同一句话，只是这次站在了卖方。

订阅线的第六块证据落地，这次是改名本身：OpenAI 改了 ChatGPT Pro 的定价页，两档改叫 "Standard" 和 "More"——$100 一个月的价格没动，但那行"5x Plus usage"消失了，卡片上只剩"More usage than Plus"，再没有别的。（转述自原帖，以官方页面为准）

把六块排一排，动作的演进清楚得像剧本：先是撤掉具体数字（只留"更多"），再是周限实际下调（两千到一千二）、倍数口径被换掉、兑换率跌到五换三、各档整体下滑一级——如今连档位的名字都换了。

Standard 与 More 这对新词尤其妙：More 是比较级，比较的对象却不写明——你永远在比"比 Plus 多"，却算不出多多少。从"数字"到"形容词"再到"连基准都换掉"，每一步都比上一步更难对账；而"降价 5x 到底还剩几成"这个问题，如今连提问的锚点都被抽走了。

这一篇也把六连环的方法论收了个尾：当名字开始动，对账的重心就要从名称移回实测。名称可以随便改，任务量改不了——你每周真正跑完多少活，是唯一没被重命名的量。UsageBench 那篇给的两本账（手工截图＋公共曲线），在改名之后反而更有用：曲线记的是 5 小时与周限的原始数值，名字换了它也认得你。

留一格清醒：页面改版也可能是为新口径铺路（比如更细的分档），动机待官方说明；但用户的动作不该因此改变——本月起，把你自己的实测兑换率固定记下去，官方改名几次都不影响这条线的连续性。名字是他们的，数字是你的：改名可以拿走措辞，拿不走你账本里的斜率。

给还在 Pro 档的人一句落地的：打开定价页截一张图，在图上手写一行"此刻 5x＝实测 X"——下次他们再改版，把两张图并排放，答案不用问客服就自己浮出来了。这也是整个订阅线七篇最后的落点：所有的宣传语都会过期，只有你自己那条斜率不会。

NVIDIA 把 Open Agent Safety Platform 的发布又正式讲了一遍，这次是机器人线的官方口径。（转述自原帖，细节以官方文档为准）

至此这条线的三部曲齐了：社区转述版给了两个组件名——OpenShell 实时执行策略、Sentry 毫秒级隔离可疑 agent；黄仁勋官方号给出了参考设计的架构意图；机器人线再补一句发布确认。

三遍讲同一件事，方向始终没变：当 agent 从"跑一会儿"变成"跑几天"、从单个变成成队，安全必须从提示词层升格为基础设施层——策略要跟着 agent 走完全程，监督要与干活的分开，发现到隔离的间隔要以毫秒计。这与今晚 Palantir 的三重权限、"批准之前绝不擅自动工"是同一根轴上的三个刻度。

对普通用户，成套安全平台的发布其实是一个产业信号："买零件"的时代开始了。此前多数团队只能自己缝——自己写权限检查、自己记日志、自己做超时兜底；当参考设计把"该有哪些件"白纸黑字列出来，自建的团队第一次有了对照清单，采购的团队也第一次有了砍价依据。标准化最先受益的往往是还没入场的人——他们不必再踩一遍"漏了哪块"的坑。

留一格清醒：平台是给有治理需求的组织准备的，个人开发者此刻最该带走的不是采购冲动，而是那张三问清单——能碰什么、谁按隔离键、能否还原全过程。三问答得上来，用什么实现都行；答不上来，买再贵的平台也只是把问题外包。

给团队一句落地的：照参考设计给自己的 agent 环境做次清单对照——策略有没有实时执行层、监控是否独立于执行者、隔离响应有没有量化的秒数目标；三处缺口按"先隔离、后策略、再审计"的顺序补。先能停，才谈得上跑得久——这大概是这条线三天三发最想留下的一句话。

订阅线缺的最后一块拼图有人在做了：一个叫 UsageBench 的东西（建在 BridgeBench 上），起因是很多人怀疑 Claude 与 Codex 在悄悄砍额度、而眼下没有任何办法证明；它的解法很直白——持续跟踪 5 小时限额与周限额随时间的变化，"如果哪家实验室在后台砍你的限额，你会先在这里看到"。帖主顺手问了句：你注意到自己的限额变过吗？（转述自原帖）

把这条接在订阅线六篇后面，整个叙事就闭环了。我们先用五篇立了事实链：撤数字、周限降、倍数改名、兑换率跌、档位下滑；又用 Codex 篇补了结构视角——方向已经清楚，缺的从来不是判断，是每家实验室拿不出统一的、可对账的公共记录。

UsageBench 做的正是这件事：把"你自己的两张截图"升级成"社区的连续曲线"。个人对账防的是自己被蒙在鼓里，公共曲线防的是所有人都各自被蒙在鼓里却互不知情——孤证难成投诉，连点才成趋势。

这也标出了对账机制的三级进化：第一级靠自觉（截图存档），第二级靠工具（自动记录），第三级靠公共基准（谁降了一目了然）。今晚反复讲"新词不可对账"，而对账的最高形态就是让后台操作在明面上留痕——与"能验证的就别只靠承诺"是同一句话在订阅场景的最终形态：承诺会被改写，连续记录不会。

留一格清醒：第三方工具的覆盖范围与准确性需要时间检验，它能证明"曲线在动"，证明不了"厂商的动机"；但作为你自己的第二本账，多一个独立记录源总是划算的。对个人用户的实际建议保持不变：自己的截图照记、工具的曲线照看——两本账互为校验，哪天对不上，那正是最该去问客服的时刻。

给还在纠结续费的人一句落地的：去把自己的 5 小时限额与周限各抄一个数字、设两个每周提醒——三分钟的事，换一整年不在"感觉少了"里焦虑；等 UsageBench 这类工具成熟了，再把手工那本换掉也不迟。

"本地模型在商业上无关紧要"——这个说法被 FT 的一篇报道直接顶了回去：AI 账单上涨正把美国公司推向更便宜的开源权重模型，包括来自中国的、替代 OpenAI 与 Anthropic 的选项；最硬的一个例子是 AT&T——计划一年内把开源模型在其 AI 工作负载中的占比从约 40% 提到 70%，而它每天要烧 450 亿 token，哪怕很小的成本差价，乘上这个量级都是天文数字。（转述自原帖）

这个数据链正好给今晚的三篇买了单。"可退路"讲开源卖的是反悔权，"塔尖留订阅、长尾搬回家"讲个人该按任务分层，"能力可以外采、结构必须自持"讲企业该留什么——AT&T 的 40→70 是同一逻辑落到采购部门的样子：客户开始逐项测试"我的活到底有几成真的需要前沿模型"。

前沿厂商仍然拿走大部分收入，但需求侧的算盘已经开动；这不是信仰转变，是每天 450 亿 token 逼出来的会计行为。

"每天 450 亿"这个量级值得单独记住，因为它解释了为什么成本差价在企业侧比在个人侧敏感得多。个人省下的是一杯咖啡钱，企业省下的是一整条产品线的毛利；token 单价乘以工业级用量，就是模型选型的引力——这也呼应"用算力保卫城堡"那篇的判断：厂商拼价格不是在讨好用户，是在防止自己的工作负载被 40→70 这种数字搬走。开源阵营的报价，本质上是给整个行业做的价格锚。

留一格清醒：AT&T 的目标是一年内达到，迁移的阻力（合规、集成、质量波动）不会因为目标而消失；"开源完全追得上"同样不是本文的主张——正确的读法是分层：长尾任务的性价比已经倒向开源，塔尖能力仍在前沿，两边各自守住的领地都比昨天清晰了一点。

给正在做模型选型的人一句落地的：照 AT&T 那道算术给自己出个题——把你上月的 token 总量乘上"前沿与开源的单价差"，得出的数字如果超过你为前沿能力多付的钱，就把占比最小的那几类任务先搬过去试一个月。比例不是拍出来的，是乘出来的——这也是"越是档期密集越只适合记账"那篇的续篇：账记到这个颗粒度，选型就不再是站队问题。

Qwen 4 的曝光补上了本周日历的最后一格，要点五条（转述自原帖，均属传闻口径、以官方为准）：已在训练中；首批输出显示达到 Fable 级、或至少非常接近；Qwen 4-27B 的变体预计不久后出现；Qwen 此前已经上线付费计划；正式发布定在 10 月初。帖主还顺手补了句个人判断：Qwen 3.8 Flash-Next 已经让他相当惊艳。

把这条接进本周时间线，节点就排满了：周一／周二 DSH 桌面、周二 OpenAI DevDay、Sonnet-5.5 传闻当天、外加常驻助手"o"曝光与 V4.1 Pro 灰度——现在再加"10 月初 Qwen 4"，从周级别到月级别的档期都齐了。

这一周的密集与其说是巧合，不如是那句"锚点战争"的自然结果：发布从孤立事件变成了排期博弈，谁的节点都不想落在别人的阴影里，结果是用户第一次能用一周时间看清整个行业的档期结构。

"Fable 级或非常接近"这个措辞也值得留意。传闻效价的写法通常留有余地——"接近"意味着评测口径尚未统一，也意味着真正的较量会落在发布日的实测对比上，而不是通稿里。这正是"信方向、别抠小数点"的又一用法：方向（国模顶到一线）大概率不假，具体（哪项超了、哪项还差）等 10 月初的公开跑分。此前"灰度先试推理"那篇给的三张截图法，到时照用。

给等 Qwen 4 的人一句落地的：先把 10 月初那几天的对账动作预约好——发布当天截图当前模型名单与额度、跑一组你自己的固定题集留基线，等评测潮过了再对照。至于"要不要现在换"：本周已排着四个节点，此刻做的任何长期绑定决定，都可能在两周内被下一个公告改写；档期越密，越适合按兵不动、只记账。

Claude Code 的创造者 Boris Cherny 说了句让整个 harness 圈坐直的话（出自 Lenny's Podcast）："更通用的模型永远胜过更特化的模型。别拿小模型干杂活、别搞微调、别折腾这些——如果你有灵活性，几乎永远该押注更通用的模型。

而脚手架也许能把性能提升 10%、20% 这个量级，但这些收益常常被下一代模型直接抹掉——所以几乎不如干脆等下一个。"（转述自原帖）

这句话与今晚的课程序列正面对撞。harness 免费课程讲的是"同一个模型，$9 失败与 $200 能玩"的差别全在结构；六层架构说结构必须自持；SkillOpt 说技能要会自己进化——Cherny 的反驳是：你们优化的那 10–20%，下一代模型原生就带了。

两边其实都对，因为说的是两种不同的钱：结构解决的是"这个版本能不能用"，等模型解决的是"要不要在这一版上花大力气"。临门一脚的结构是刚需，长跑中的精装修是浪费——这条分界，比站哪一边都有用。

把他的逻辑再推一步会看到一个残酷的算式：脚手架的收益会折旧，而模型换代是复利。当一个工程优化的保质期只有几个月，重仓它的机会成本就是被下一代抹掉的那部分；反过来，有些东西不随模型换代贬值——数据边界、权限结构、验收标准、日志与可回放性：模型再通用，也回答不了"谁能碰什么、出了事找谁"。

这正是"能力可以外采、结构必须自持"的另一半含义：能力层的脚手架可以等，治理层的骨架等不起。

今晚那条效率三来源（接口省翻译、调度省等待、思考省废话）也要在这里打个补丁：凡是依附于模型短板的优化，都算"会折旧的效率"；凡是依附于你自己的数据与流程的沉淀，才是"会复利的资产"。Cherny 劝你别精装修租来的房子，但没劝你别买地——把地和家具分清楚，这句"不如等下一个"就不再是虚无主义，而是排期建议。

给正搭 harness 的人一句落地的：给你的每一项工程优化标一个"保质期"——它解决的缺口，下个模型还存在吗？ 存在的（权限、日志、验收、数据边界）继续投入；消失的（纯 prompt 技巧、替模型补位的规则），维持现状即可、别再加码。把预算押在不会被版本号清零的地方——这大概是这句话今晚最值得带走的翻译。

一条不算新的旧闻被重新翻出来，分量反而更足了：连 Cursor 都从 server-side RAG 索引撤了出来，改成让 agent 用 Grep 式的工具调用做代码搜索——官方口径是"我们不再为搜索计算你代码的 embedding，也不再把它们存在我们的服务器上"。（转述自原帖，原口径发布于 7 月 20 日）

这个转向值得放在"检索该怎么做"的争论里看。过去两年的默认答案是：把文档切块、算向量、进索引，检索再增强——仿佛不套一层向量库就不算 AI 应用。而 Cursor 的动作等于投了一票反方向：代码这种结构清晰、符号精确的东西，grep 与结构化工具就是最好的索引；embedding 的模糊匹配在精确命名面前，反而引入了噪音与维护成本。

这与今晚"给动作不给像素"、"本体层不给裸 SQL"是同一族判断——给 agent 的入口要是确定性的原语：grep 是确定的、跳转是确定的，向量相似度不是。

还有一层很少被摆上台面的收益：数据位置。撤掉服务端 embedding，意味着"你的代码不再以派生形式驻留在厂商服务器上"——这正是"读取授权不等于传出授权"在检索架构上的具体化：最好的数据出境方案，是压根不出境。当企业客户开始认真追问数据边界，这类架构调整会越来越多——隐私不是承诺出来的，是部署出来的。

留一格清醒：这不等于"RAG 已死"。非结构化、跨源、语义模糊的场景里，向量检索仍然合理；Cursor 撤的是代码搜索这个特定场景的错配。正确的问法从来不是"要不要 RAG"，而是"这份数据的检索是靠字面还是靠含义"——字面能解决的，别交给相似度；这也正是"分清改答案的思考与原地打转"的检索版。

给正在搭检索的人一句落地的：拿你库里最常用的十次查询做个小实验——一半走 embedding、一半走 grep／SQL 这类精确原语，比对命中率。多数代码与配置类场景的结果会让精确原语赢；赢了就把那条链路换掉，少一层服务端存储、少一批要维护的索引、少一处数据外流面，这三样都是白捡的。

有个仓库把"装技能"这件危险的事变成了流水线：388 个 AI agent skills，在你安装之前，先由自带的 auditor 全部扫一遍——扫描覆盖 20 个领域，专查六类问题：藏在辅助脚本里的命令注入、安装过程中的静默代码执行、.env 与密钥外泄、埋在 skill markdown 里的 prompt 注入、被引用依赖带来的供应链风险、提权尝试。

架构一句话：skill.md 定义怎么做、scripts 干活、auditor 打 pass／warn／fail 分——只有 pass 才允许安装。（转述自原帖）

这条与今晚两篇正好凑成 Skill 安全的三部曲。SkillOpt 讲技能如何自我进化，但自我进化的前提是"改完还合格"；这篇讲的是更前置的问题——从陌生人手里下载的技能，凭什么让它碰你的机器。

答案是把"凭什么"变成一台可执行的检查：下载→审计→评级→隔离→修补→安装→运行，单人就能在任何一行代码触到本机之前，把 388 个来路不明的技能过完筛。这与"三重权限检查"、与 IDA 那篇"给动作不给像素"是同一根轴：入口收得越窄，越不需要依赖对方的善意。

"扫什么"的清单本身就是一份供应链安全课：命令注入与静默执行防的是"装的时候就出事"，密钥外泄防的是"运行时家里被搬空"，prompt 注入防的是"用的时候被话术劫持"，依赖风险防的是"朋友的朋友也有问题"——四个时间点各配一道闸，恰好覆盖技能的全生命周期。

顺带一提，auditor 在 skill 文本里查 prompt 注入这条特别应景：markdown 本来是给人读的说明，如今要当指令执行，说明书本身就成了攻击面——这正是"给动作不给像素"的暗面：动作越直接，说明文本越要当代码审。

solo builder 值得偷的那条流程也很朴素：先审后装、隔离修补再放行；哪怕 那条高赞帖讲的"一人跑完研究到销售全流程"再诱人，前提也是每个环节的入口都被审过。能力可以外采，采进来的每一件都得先过自己的闸——两句话本来就是一句。

给想照做的人一句落地的：给你常装的技能目录先补一道 audit 脚本——不需要一次做全，先查三样就够起家：安装脚本里有没有网络请求、有没有读 ~/.ssh 或 .env 的动作、markdown 里有没有"忽略之前的指令"类句子。三样查完再按安装，你就已经比绝大多数直接 unzip 的人多了一层甲。

发布周的日历又添一格：有情报称 Sonnet-5.5 可能就在今天发布，配一句"又是疯狂的一周"；信息源被标注为"Lyra 非常可靠，所以我当真"。（转述自原帖，是否发布以 Anthropic 官宣为准）

把本周已确认与传闻中的节点排成一行：周一／周二 DSH 官方桌面版、周二 OpenAI DevDay、国庆前后 DeepSeek V4.1 Pro、外加常驻助手"o"的曝光与今天的 Sonnet-5.5——再算上谷歌抢跑砸场，这大概是今年密度最高的一周。

三家几乎把自己的日历钉在了同一条时间线上，而这正是"锚点战争"那篇讲的机制在起作用：谁先出手谁定义节奏，后来者只能跟进；结果就是我们看到的奇观——一周之内，四五个头部节点背靠背。

对普通用户，疯狂一周的正确姿势之前给过两遍，这里第三次合并：每个节点当天，先截图自己的额度、模型名单与账单。新模型接踵而至时，最容易发生的不是选择困难，而是"换了新的、忘了旧账"——旧档位在宣传声中悄悄改了口径，你却因为忙着尝鲜而没有对账。尝鲜归尝鲜，账本归账本，两条线并行才不亏。

情报帖的可靠性也要留一格清醒："可靠信源"仍不是官宣，今天的传闻今天不必当真，官宣落地再动手也不迟——头部周更的节奏下，晚一天确认的代价几乎为零，而错跟一次错误时间线的代价是白白记错了对照组。这一周真正值得囤的不是新模型的首发体验，而是一整周干净的截图序列：等这波发布潮过去，你会拥有今年最完整的一份新旧对照。

Ember-1 官方口径来了，Fireworks 的 dzhulgakov 一句话把卖点说完："我们团队做的——Kimi K3 后训练版，推理简洁 40%；同质量，快 40%、便宜 40%"，并提到它正在 Hacker News 上被热议。（转述自原帖，细节与数据以 Fireworks 官方为准）

把这条与前几日的观察拼起来，效率账本又厚了一页。此前的实测版告诉我们：Terminal-Bench 2.1 上 82.0 对 K3 的 80.9、真实 coding 流量里推理 token 降七成、总 token 降近四成而成功率几乎不动；方法是用真实 agent 循环做 RL，教模型分清"改答案的思考"与"原地打转的废话"。

官方版再补三连口径：同质量、快四成、便宜四成。两条线合起来指向同一个判断——推理模型的浪费不在"想"本身，而在"想了又想的同一件事"：压缩废话不损失质量，说明此前的冗余本来就是冗余。

这也解释了为什么"推理提供商自己下场给开源权重做效率后训练"这条路被普遍看好。模型能力的天花板由前沿实验室决定，但把天花板下方的空间挤干净，是运营者的活：同样的钱、同样的任务，少烧四成 token、快四成交付——在 agent 成队、任务成河的当下，这类优化的复利远比单点跑分显眼。

今晚从"能省的是翻译"到"调度里每一分"，再到今天的"剪掉原地打转"，效率的三个来源已经齐了：接口层省翻译、调度层省等待、思考层省废话。

留一格清醒：40% 是官方口径与特定基准下的数字，不同任务的收敛幅度会差很多；方向可期、具体以自己跑分为准——这正是"信方向、别抠小数点"那篇的用法再用一次。

给想上手的人一句落地的：这类"简洁版"模型最适合当循环主力——让它在 agent 里跑迭代与改稿，把原版留给你最后一公里的关键判断；先拿你自己的真实任务各跑十次对比成本与成功率，四成的节省是它的承诺，你的十次才是你的结论。

订阅线在 Codex 侧的证据也到了，视角更狠："每一档都好像往下掉了一级"——$20 档如今的体验像从前的免费档，$100 像从前的 Plus，$200 像从前的 Pro，$500 才是现在真正的重度档；名字和价格都没动，每一档实际给到的东西却一直在缩；并预告若不修复，$20 的 Plus 档会最惨。（转述自原帖）

这条与四连环并排，就把订阅线画完整了。四连环讲的是单一档位的贬值路径：数字隐身、周限下调、倍数改名、兑换率跌到五换三；这一条讲的是档位结构的相对位移——整张价目表像传送带一样往下滑了一格，你以为升了级，其实只是回到了上一档从前的位置。

绝对值在缩、相对位置也在缩，两条曲线同时下探，这正是"新词不可对账"最隐蔽的后果：改名字容易对账（你还能比较两代名称），改位置几乎无法察觉——除非有人像这样把四档价格与四代体验重新对齐。

"如果你的 Plus 限额还撑得住吗"这个反问，其实给出了自测方法：别看档位名，看你这周实际跑完了多少任务。这与四连收官那条的"兑换率"是同一件事的两种问法——一个按钱算、按任务量算总账；一个按档位算、看自己在传送带上的实际位移。两条线合起来，就是留给每个订阅者的完整体检：记任务量、记兑换率、记档位感受，三样里任何一样开始滑，就是重新比价的时候。

留一格清醒：这是社区观察与个人体验的汇总，每档缩水幅度因人因用法而异，方向可参考、数字以自己账单为准。但趋势判断已经足够清晰：当所有档位同步下移，就不是某个产品的失误，而是整条定价逻辑在换挡——能力在涨、单价在压、按量计费的影子越来越近；今晚"席位 vs 计量"那篇预告的迁移，可能比想象中来得快。

给还在 Plus 档的人一句落地的：这周做一次"降档演习"——假设你明天被降到前一档，你会砍掉哪些任务？砍不掉的，就是你现在真正依赖的部分，也正是你该去别处比价的部分；砍得掉的，说明当前档位的溢价买回来的只是习惯。

斯坦福开出了 CS329A——Self-Improving AI Agents，两位主讲在 Google Brain／DeepMind 都有合作经历，已连续两年讲授这门 AI Agents 课程；配套 9 支视频，课程主页与播放列表见文末。

（转述自原帖，课程：cs329a.stanford.edu 播放列表：youtube.com/playlist?list=… ）

转述者的那句话点出了报名的理由："AI Agent 已经强大到很多人觉得不需要再学习、什么都可以直接问——但到顶级大学的基础课系统学下来，仍然很有收获，是全局认知的提升。" 这与今晚的课程序列严丝合缝：harness 免费课程教闭环、freeCodeCamp 手册教手搓、22 条清单给地图——斯坦福这门补的是中间那一层：为什么这些结构长成这样。

单点技巧靠问，全局认知靠课；问得到答案、问不出体系，这正是"能自己验证的别只靠承诺"在学习路径上的镜像。

课程名里的 Self-Improving 也值得停一秒。今晚读过 SkillOpt 让技能自己进化、评测从闸门升格为进化机制——"自改进"已经从论文热词走进了本科课程表，说明学界判断它不再是前沿杂技，而是该进教材的常规能力；两天前这还只是厂商演示里的卖点，如今它有了学分的样子。

课程内容大概率会把这条线讲透：改进循环怎么搭、评测量什么、什么时候改进会跑偏——恰好是"先有可信的尺"那篇留给实践者的理论课。

"长假收藏学起来"这句提醒其实很务实：假期限定的整块时间，最适合做系统学习——碎片时间喂得饱刷题，喂不饱一整门课。转述者也顺手给了判断标准：不是等遇到问题再去搜答案，而是先建立能预判问题的框架；等你有了框架，那些"直接问"才真的问得到点子上。

给想跟的人一句落地的：先把 9 支视频列进假期日程（每天一支、配一次动手），课程结束时交一份自己的复盘——把"自改进"用在自己身上：哪一章改变了你的做法、哪一章你不同意、下一步改什么。学一门讲自改进的课却不复盘，等于把课上成了视频。