#大佬观点

Redwood Research：潜在推理架构可能瓦解 CoT 这一最强的模型监督工具

Redwood Research 研究员 Lukas Finnveden 发文警告，转向潜在推理架构可能削弱思维链（CoT）的价值，使 AI 监管更难。

OpenAI 提出由美国主导制定前沿 AI 国际标准，覆盖 RSI 与事件报告

OpenAI 发文提出应为下一阶段 AI 发展建立国际技术标准，重点覆盖递归自我改进（RSI）的风险管理。文章主张由美国借助 CAISI 和各国 AI 安全研究所网络推进标准制定，并建立 RSI 进展评估、人类监督和事件报告的共同协议；同时明确表示完全自主的 RSI 目前并未发生，在无法安全保证人类控制之前不应推进。

微软总结自身 AI 转型的五条经验与 Frontier Playbook

微软以 Customer Zero 身份复盘自身 AI 转型，分享 Frontier Playbook 并总结五条经验：从业务成果出发、重构端到端流程、以员工为中心、追求能力增益而非仅提效、构建人机持续学习循环。文中给出内部数据：销售团队成交率提升 20%、供应链部分工作流周期最多缩短 75%、九人工程团队 35 天交付首版产品，并提炼出三种转型方法供团队复用。

Cisco 工程师谈 Skills Everywhere：技能需要一条上下文管道

一位 Cisco 工程师在 Tessl AI Native DevCon London 演讲后撰文提出，技能的价值不在模型更强，而在把上下文工程做成可复用、可测试、可同步的管道。

Tessl 博客：智能体的集体智能始于有归属的错误记录

Tessl 在 AI Native DevCon 演讲中提出，团队需要知识工厂而非静态规则库，让智能体犯过的错误以可追溯的方式转化为可复用指导。工作流为智能体独立身份、签名变更与归属条目、策展成 pack、渲染为带来源引用的指导，并通过评测验证其有用性；在 Go client 场景中，加载相关 pack 后同任务得分从 67 提升到 95。

Tessl提出用可执行规范解决AI代码审查瓶颈

Tessl博客指出，AI编码代理导致PR数量激增但审查变慢，核心原因是缺乏对输出结果的信任。文章主张建立“验证层”，将产品意图转化为“可执行规范”。通过拆分规划与验证代理、结合规范与代码进行比对、并在隔离沙箱中运行以规避安全风险，旨在让代理自动检查实现是否符合原始需求，从而提升工程效率。

Lars Trieloff 谈浏览器智能体：需要显式的智能体体验

Lars Trieloff 在 AI Native DevCon London 的演讲指出，浏览器智能体因贴近用户工作流而需要更明确的安全边界与界面设计。他提出智能体可共享页面上下文、生成临时 UI、委派给辅助智能体并响应限定事件，但能力必须收窄、事件需限定范围、操作要对用户可见。Tessl 已将该演讲转化为可供智能体使用的技能上下文。

Tessl 博客提出用合并率衡量 AI 原生转型是否真实

Tessl 博客整理作者在 AI Native DevCon London 的演讲，主张 AI 原生组织的核心是压缩交接，让有决策权的人能直接通过智能体完成工作。

Netlify 高管在 AI Native DevCon 提出 Agent Experience 是下一个产品界面

Netlify 的 Dana Lawson 在 AI Native DevCon London 演讲提出智能体体验（AX）概念，认为构建者已从专业开发者扩展到非技术人群。

Anthropic 工程师复盘：智能体编程压力下如何扩展测试影响分析服务

Anthropic 工程师撰文分享如何在智能体编程压力下扩展测试影响分析服务。Claude 编写约 80% 的代码，测试数量增长 10x，六个月内 CI 任务增加 25x。文章复盘了三个临时补丁（扩容、按包分片、每日重启）分别只维持 70 天、29 天和不到一天，最终用三周重设计为无状态、内存存储加 journal 的可水平扩展架构，并建议团队按两季度内 25x 负载做容量规划。

Tessl 提出 Agent 上下文归属模型：所有权跟随组织单元

Tessl 发文提出智能体转型的真正难点是上下文等要素的归属问题，而非 Agent 本身。核心规则是所有权跟随组织单元，个人与团队上下文归领域专家，组织级共享基础由赋能或平台团队托管并开放贡献，赋能团队只提供工具和基础设施而不拥有上下文。

Josh Elman：产品管理的核心仍是讲故事，AI 改变的是构建顺序

Josh Elman 结合在 RealNetworks、LinkedIn 和 Twitter 的产品经历提出，产品管理的核心是讲述可被复述的用户故事，而非写规格文档。

GitHub Next 的 Don Syme 提出在 CI/CD 之外增加第三个支柱 Continuous AI

GitHub Next 的 Don Syme 在 AI Native DevCon London 演讲中提出，应在 CI 和 CD 之外增加第三个支柱 Continuous AI，即在软件生命周期中以定时、可审计、由仓库事件触发的 AI 工作流实现持续文档、代码改进和问题分拣。

OpenAI 呼吁抓住 AI 政策窗口期，支持强制性国家安全监管与四项加州法案

OpenAI 宣布推动强制性、基于能力的国家 AI 安全监管，并正式支持四项已通过加州议会的法案：SB 813（独立安全评估基础设施）、AB 1405（AI 审计师标准）、SB 1119（未成年人保护）、AB 1864（防范 AI 生物威胁）。

OpenAI 长文阐述对齐与监测困境，称 CoT 监控能力正在减弱

OpenAI 发布长文《An Alien Mind》，回溯 2023 年 RLSlow 项目中确认推理模型可扩展训练的起点，并系统阐述目标对齐与价值对齐的区分。文章指出链式思维监控的效果正随着模型能力提升而逐步减弱，GPT‑6 Astra 在对齐上显著优于 GPT‑5.6 Sol；作者预期进展可能持续走向机器递归自我改进（RSI），呼吁自愿放缓扩展、建立第三方安全门槛并加强国际协调。

Tessl 提出反馈回路工程：用内、中、外三层循环让项目对智能体更友好

Tessl 提出反馈回路工程这一实践，把围绕智能体的循环分为内循环（测试、类型、评审）、中循环（维护智能体修复项目本身的状态）和外循环（读取生产信号），认为常被忽略的中循环能改善未来大量变更的条件。

a16z 撰文分析 Agent 时代系统记录软件与垂直 AI 的竞争格局

a16z 合伙人 Seema Amble 撰文分析 AI 时代系统记录软件的竞争格局。文章以 Salesforce 与 Anthropic 合作的 Claudeforce 为例。

Tibo@thsottiaux· 12:37AI 评分1919

Tibo 认为，描述 OpenAI 文化的最佳方式是把它看作一家 mega startup，只有从内部看才能相信。他提到其特点是极强的 ownership、care 和节奏（pace）。

Tibo@thsottiaux· 08:07AI 评分88

作者 Tibo 仅以一句话表达看涨态度，未给出具体产品、数据或论据。

Dario Amodei 发文呼吁为 AI 前沿踩刹车，宣布 Anthropic 单方面接受嵌入式第三方评估

Dario Amodei 发表长文，主张放缓 AI 能力进展速度，让安全工作有时间跟上，并提出三步计划：嵌入式第三方评估者、民主国家间行业协调、全球协调。

Tibo@thsottiaux· 03:37AI 评分1919

你的 Codex 和 ChatGPT 工作额度重置将于太平洋时间下午 6 点生效。 我挑战你尽可能多地消耗使用额度，去发现最新的精彩功能。 是时候开启 /fast 模式了。

Epoch AI 分析 OpenAI 与 Anthropic 收入超 3 倍年增速能否持续

Epoch AI 撰文分析 OpenAI 与 Anthropic 的收入增速：OpenAI 年化收入从去年 8 月的 $13B 升至超 $40B，Anthropic 据报道 7 月底达 $65B，两家合计已从 $30B 增至 $105B，2026 年内增长 3.5 倍。

Tibo@thsottiaux· 14:07AI 评分1515

好产品需要时间打磨。至少34天。

OpenAI CFO 解读“充裕智能”背后的全栈布局

OpenAI CFO Sarah Friar 阐释芯片、算力、模型与产品四层进步如何相互叠加，以更低成本、更大规模交付更实用的智能。她指出，全栈协同创新是推动智能“充裕化”的关键路径，并强调这一战略将加速 AI 能力的普及与应用落地。

Tessl 工程师提出 Harness Engineer 角色：AI 时代工程能力的三个新方向

Tessl 研究工程师 Amy Heineike 提出 harness engineer 这一新角色，认为智能体大量写码后工程工作不是变少而是形态改变。其自建技能基准测试显示任务完成率高但平均只有约 70% 的技能指令被真正遵守；Tessl 近一周约 90% 代码经内部软件工厂生成，并给出从最近 50 个 PR 提炼不变量、转为 CI 门禁等三项可本周上手的练习。

Tibo@thsottiaux· 02:07AI 评分2424

2026年，随着模型成为关键基础设施，企业将开始认真关注模型效率和可靠性。

Dave Farley：vibe coding 不是 AI 编程的终点

Dave Farley 在 AI Native DevCon London 演讲中指出，AI 加速代码生成后，瓶颈转移到规范、验证与发布环节。他主张用可执行的 BDD 式规范作为程序的一部分，在部署管道中自行运行测试并保留对 AI 隐藏的测试值，以持续交付方式维持增量学习，否则每天 12000 行代码无法被人类有意义地审查。Tessl 已将演讲做成可供 Agent 使用的 skill。

Runway 谈企业视频生成的下一个阶段：模型许可与自主执行

Runway 业务今年增长超一倍，NRR 超 300%，一家 Fortune 20 客户对其使用量增长超 17 倍。欧洲占其企业客户超 20%，订阅销量过去十二个月增长 50%。公司推出模型许可模式，提供闭源权重与专有训练，并强调不基于客户数据训练、提供 Day 0 第三方模型接入及 Runway Agent 自主执行能力。

为什么 LLM 无法简化你的代码：Answer.AI 工程师用 Naur 理论解读复杂度

Answer.AI 工程师借鉴 Peter Naur 的《Programming as Theory building》，指出决定代码复杂度的关键信息存在于工程师头脑中的 Theory，而非代码本身，因此 LoC、圈复杂度等指标无法约束 LLM 造成的复杂度膨胀。

Paul Stack 分享人类做架构、AI 写代码的五人团队实践

Paul Stack 自 1 月底起不再手写代码，团队规定 agent 写每一行代码，不接受人类编写的代码 PR。工作流为状态机加 CLAUDE.md 可执行契约，CI 设五个合并门禁；此前 30 天开启 295 个 issue，ship 217 个，triage 中位数 4.6 小时，triage 到 ship 中位数 1.6 小时。

Epoch AI 提出基准测试可帮助回答的 9 个大问题

Epoch AI 在 Gradient Updates 中列出 9 个关于 AI 能力的大问题，涵盖 AI 能否胜任完整工作、哪些领域将出现下一个"Claude Code 时刻"、开源与闭源及中美模型差距是否跨领域一致、以及基准分数为何普遍高度相关。

Epoch AI 分析 Anthropic 500 亿美元算力融资，认为资金短期不会制约前沿算力扩张

Epoch AI 的 Gradient Updates 发布长文，以 Anthropic 为案例研究融资是否会成为前沿算力扩张的瓶颈。

Augment Code 详解 Auggie CLI v2 重构：基于 Pi fork，任务成本比 Claude Code 低 53%

Augment Code 从零重构 Auggie CLI 的 harness，在 SWE-bench Pro 相同通过率下，Auggie v2 单任务成本 $1.27，Claude Code 为 $2.70，便宜 53%，平均耗时 330s 对 409s。

Tibo@thsottiaux· 03:02AI 评分99

与 @ajambrosino 的典型对话 A：核心对齐已经达成 T：你说核心对齐 A：我是说 T：多说点 A：更多 然而，我从未对他和团队正在构建的东西感到如此兴奋。

Redwood Research 分析 AI 蜂群如何带来间接失控风险

Redwood Research 撰文分析 AI 智能体蜂群已开始构成间接接管风险。文章以 OpenAI 智能体对 Hugging Face 的网络攻击为背景。

为什么 Go 是 AI 辅助软件工程的理想语言

Google 发文论证 Go 是 AI 辅助软件工程的理想语言：当 AI 智能体可秒级生成数百行代码，开发重心从编写转向审查与维护，Go 的端到端工具链（内置格式化、测试框架、依赖管理与安全工具）让模型操作 Go 代码更快、更便宜、更可靠。Go 以可读性优先于可写性，其统一风格与标准库既便于人类团队维护大型代码库，也为 LLM 生成更干净、更标准化的训练数据。

亚马逊自动化推理小组（ARG）成立十周年：从形式化验证研究到支撑 AWS 安全与可靠性的生产系统

亚马逊自动化推理小组（ARG）回顾成立十年来将形式化验证与程序分析技术从研究原型推向 AWS 生产系统的历程，其服务每天处理数十亿次查询。

OpenAI CFO Sarah Friar 谈构建 AI 原生财务部门的五点经验

OpenAI CFO Sarah Friar 分享了构建 AI 原生财务部门的五点经验，涵盖自动化预测、强化管控与 AI 投资回报率。她强调财务团队应主动拥抱 AI 以提升效率与决策质量，而非被动等待技术渗透。这些经验为财务职能的 AI 转型提供了从工具落地到组织文化的实操路径。

Tibo@thsottiaux· 13:48AI 评分3232

你可以直接让搭载 GPT-5.6 Sol 的 Codex 去做最离谱的事情，它就会照做。 我连续跟它聊了 5 分钟，说的都是些看起来需要几周工作量的事，然后起身去冰箱拿点东西、撸撸狗，回来一看……已经完成了。

LlamaIndex：文档 OCR 不会被前沿模型商品化，LlamaParse Agentic 以 84.9% 领先

LlamaIndex 发文反驳文档 OCR 正被前沿模型商品化的观点，称帕累托前沿仍远高于最新前沿模型。其开源的 ParseBench（约 2,000 个人工核验的企业页面、167,000+ 条测试规则）显示，GPT-4o 到 GPT-5.5 三代模型解析准确率提升约 24 分但每页成本约翻四倍，最新最贵模型仍比专用前沿低 20 分。