AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

筛二十万条只花一百二十美元，办法是把工人做笨。

对照先摆。Anthropic 那次酶促实验烧了两亿一千万 token，人家的九百五十个 agent 还要读文献、在长循环里复现结果，那是研究。筛选是整条链里最便宜的一段，前提是让干活的那些保持笨。

四条规则照录，原词是 SLICE、STRIP、CAP、GATE，第三条是那一百二十块的出处。

第一条切片（SLICE），每次调用两百件，每件只给一个判断，匹配与否、置信度、证据、不匹配的原因，提示词就是整套系统，不靠编排。第二条剥净（STRIP），没有工具循环、没有共享状态、agent 之间不许说话，每次调用同一个提示词，二十万条拿到的是同一种判断。

第三条封顶（CAP），每条约一百五十 token，两百件约三万输入，一千次约三千万 token，按每百万四美元算约一百二十块，筛选是模式活，不为推理付钱。第四条设门（GATE），置信度过了零点六再收，这条线在带标注的样本上调，起跑线不是铁律。

笨工人这半句是全场重心。前面拆文档那篇讲的是筛的活该便宜，这条把便宜做到了可复算的单价。跟前面一人财务那篇呼应，那边排的是贵贱的次序，这边把便宜那档压成了常数。跟前面斯坦福过筛那篇也接得上，千亿数据点那边靠的是同一套思路。

代价那半也不回避，笨工人会漏掉聪明工人能抓住的，所以后面要排序，还要人过一道，这句话说在前头比什么都强。

我留的疑问有三处。漏的那部分实际比例没给；带标注样本要多少才够没说；一千次调用的并发怎么排也没提。

拿自己手头那批待筛的数据照这四条跑一遍，看总价落在哪，再决定要不要请聪明的那只。

X 订阅要说的这句是，X、Grok、Cursor 并到一个生态里，所有订阅合并。

四档的构想照录。社交档配 X Premium 加基础 Grok；AI 档配 Premium+ 加 SuperGrok；Agent 档配 Grok Bot 加 Cursor Pro；顶配档走 Heavy 或 Ultra 的用量。

现行价目也列了一张，X Premium 每月八美元、Premium+ 四十，SuperGrok 三十、SuperGrok Plus 一百、Heavy 三百，Cursor Pro 二十、Pro+ 六十、Ultra 两百。

引帖把消息的来处也点了，X 与 SpaceXAI 正在把 X Premium 重启成新的 X Subscription。光看安卓上那版早期公告的样子，权益里写着 Cursor、Grok 和 X 三样打通，上线时间还没定，说是已经做了好几周。

按用途分档这半句是全场重心。前面 Pro 档倍率那篇讲的是同一家里哪档划算，这条把量纲换了，按你想干什么来分。跟前面自研那条链呼应，能力在断层，订阅却开始横着打通。跟前面第二名的价钱也接得上，价钱比到后面，比的其实是组合。

三合一这句我也留一分观察，八美元到三百美元那串只是现行价，合并后每档定价一个字没给，现在按老价算账，方向未必对得上。

我留的疑问有两处。合并后老订阅怎么折算没说；Cursor 权益进包之后独立续费还留不留也没交代。

先把手上在订的几样加一遍总，再对照四档哪个覆盖最全，合并落地那天才知道自己是赚是亏。

喊着让 AI 停一停的人，自家新模型把分数抬了十八分，同价位还翻了一档。

数字摆开。Sonnet 5.5 直接干到五十六，上一代 Sonnet 5 才三十八，价位还是两美元对十美元那档，涨了整整十八分。横向比，GPT-6 Astra 五十三，Fable 5.1 五十三，GPT-6 Sol 四十八，一个中端模型把几个名字都压在了身后。中端杀进第一梯队，这不是原话里的判断，是分数摆出来的。

嘴上减速手上踩油门这半句是全场重心。前面几篇讲的都是谁在喊放缓，DarioAmodei 这边把成绩单摆上了台面。跟前面有时干脆不训练那篇正对上，一边说连训都不急着训，一边自家新档把榜卷成这样，两件事出现在同一家身上。

帖子的标签里还挂着 SamAltman 和 ClaudeSonnet55。跟前面自研那条链也接得上，中档挤进头部，断层那两个双大于号怕是要重画。

引帖那句更直接，叫对手先把油门松掉，这话把安全倡议读成了战术，我留一分保留，喊停和发新档未必是算计，也可能是两条线并行。

我留的疑问有三处。五十六分是哪份基准没标注；十八分的涨幅里多少来自评测口径变化不知道；"同价位"的两档具体怎么算也没交代。

选中档的把这个数字当参考，排名在动，用不用还是得回到自己那类活上跑一遍。

警告信写着写着像广告，这是 Anthropic 刚交的 GLM-5.3 网络安全评测。

先看数字。ExploitBench 上，GLM-5.3 四百一十次尝试里五十次完成了端到端漏洞利用，自家的 Claude Mythos Preview 是五十六次。Claude Opus 4.6、GLM-5.2、Kimi K3、DeepSeek-V4.1-Flash 同场都接近零。Anthropic 的结论是，开放权重模型已经跨过一道明显的能力门槛。

实战那半段更硬。沙盒里让它检查一款主流浏览器，一天之内挖出多个此前未知的漏洞，还把几个零日串成完整攻击链。最后那张恶意网页跑出了浏览器沙盒，机器里的任意文件随手可读，SSH 私钥也在内。

换更小的 GLM-5.3-Flash，拿公开的 Chrome 漏洞拼出可用攻击链，全程只用了约二十分钟人工介入，模型自己跑了八小时，按智谱的 API 价格算，成本二十点四美元。

安全限制那段是本篇的重心。直接的恶意请求它原本会拒绝，可一旦换成"红队测试"的背景，六成四的测试它照样执行；预填一段思考内容，比例升到九成二；把开放权重里的拒绝机制直接拆掉，就是百分之百。Anthropic 想说的是，权重一旦公开，护栏就由不得自己了。

反转也在这儿。报告想警告，效果却很像性能广告，引帖里那句困惑说得直白，为什么 Anthropic 写了篇博客劝网络安全团队换用 GLM。被点名那家的股价盘中一度涨超百分之二。美国标准与技术研究院（NIST）此前也独立出过类似背书，说它是目前开放权重里网络安全能力最强的，综合能力落后美国前沿约四个月。

我认这条的分量。前面安全平台那篇讲的是谁立标准，这条给了立标准时的意外副作用，评测数据一公开，被测的那方反而先受益。跟前面那份一份定义两处用的思路也相通，公开的接口和公开的数据，谁都能拿去用。

我留的疑问有三处。二十美元这个成本只算了 API，不含挖洞前的提示词打磨；落后四个月的测算方法没给；沙盒逃逸那步在真实浏览器上的复现条件也没交代。

做安全的可以把这份报告当基线，拿自家防御栈跑一遍同样的攻击链，看它走到第几步才被拦住。

charliehills.substack.com/p/claude-code-…

给 Opus 5.5 丢一句话，一支十五秒的动态图形片就出来了，每一帧都是代码。

那句话就一句，原文照录："Make a dynamic 15-second motion graphics video that shows what an incredible motion designer you are. Go all out."。

成片的两处自述也很直白：Every frame is code，After Effects 一次都没打开。想让它带自己品牌的样子，作者把完整工作流免费挂了出来，链接在上面。

一行提示词出片我见过好几回，这次值得记的是它省掉了哪一环。动效设计原来要先搭工程、再逐帧调，现在把意图交给模型，工程它自己搭。这跟前面 3D 芯片课、童年街区那两篇拼出的图景一致，手工环节一个接一个被吃掉，剩下的是判断和审美。

我也注意到这种片的边界。演示片结构简单，元素少、动效规矩，真要承载复杂叙事，还得看工作流里那些没写出来的细节，这也是作者把流程另开一篇的原因。

保留的照旧是成本与稳定。一行跑通不等于次次跑通，换一个主题提示词多半要重试几轮；具体 token 花了多少，那篇免费文章里应该有数，先读完再估。

想上手的先把那句提示词原样丢一遍，跑通了再翻工作流接品牌。

github.com/microsoft/Skil…

微软开源的 SkillOpt，把"改提示词"这件事做成了训练神经网络。

思路一句话。自然语言的技能文档就是可训练的状态，模型权重一个字不动，在纯文本的空间里做严格、可复现的自我迭代。深度学习那套被整个搬了过来，轮次、批量、文本学习率预算、拒绝编辑缓冲区。

打完分的执行轨迹被折成增、删、改三类动作，每类都设了边界。还有一道验证的关口：改动想留下，得在留出来的验证集上把准确率真提上去，提不上去就退回原样，从机制上堵住越改越烂。收敛后的产物是一份紧凑的 best_skill.md，三百到两千 token，挂到冻结的基座模型上就能用，部署阶段零额外调用。

最对我胃口的是 SkillOpt-Sleep。夜里后台静悄悄跑一轮，收会话、挖任务、重放验证、固化入库，天亮桌上多一份变好的技能文档。它已接进 Claude Code、Codex 和 Copilot 这些本地工具链，还带 WebUI 监控面板，后端覆盖 OpenAI、Claude、Qwen 和 MiniMax。

实测那组也记下：GPT-5.5 上纯对话场景准确率涨 23.5，Codex 的 agent 循环里涨 24.8，Claude Code 环境涨 19.1，优化后的技能跨模型迁移效果还明显。这跟前面参考图拆结构那篇是同一种信念，把好做法固化成能带走的资产，而不是每次凭手感重来。

保留的照旧是数字的出处。三组涨幅出自项目自己的测试，任务分布和留出集怎么划的还得翻论文；夜里自进化会不会把偶然当规律收进去，也得看那道门挡不挡得住。

做 agent 落地的值得进仓库翻一翻，先拿自己最烦的那条提示词开刀。仓里的标签也摆着身份：#PromptEngineering、#OpenSource、#Microsoft。