Eric Christian 谈如何使用 Suno 听到旋律中的管弦效果
纽约钢琴家兼作曲家 Eric Christian 在访谈中分享了他将 Suno 整合进创作流程的方式。他把刚写好的循环旋律输入 Suno，几秒内就能听到完整的管弦乐效果，而传统管弦乐模拟需要数小时。尽管他的作品均为钢琴独奏曲，但他一直以交响化视角构思音乐。至今他已售出超过 10 万份乐谱，用户遍布 200 个国家。他坚信音乐的基础在于纸上的记谱而非录音，Suno 让他在不依赖大型管弦乐团的前提下快速判定旋律是否真正成立。
#大佬观点
Suno：BlogAI 评分3636
LangChain：BlogAI 评分5252 Sierra 联合创始人谈 AI 智能体：简单架构与结果定价是关键
Sierra 联合创始人 Zack Reneau-Wedeen 在 Max Agency Podcast 上表示，构建高性能客户侧 AI 智能体的关键在于简单架构、基于结果的定价，以及避免“组织架构式发布”。他认为，过度复杂的系统反而会降低实际效果，企业应聚焦于可衡量的业务成果而非功能堆砌。
Tibo@thsottiauxAI 评分2626
Microsoft：Official BlogAI 评分4848 微软提出智能体可观测性，重新思考云运维
微软官方博客发文指出，随着AI驱动和自主智能体成为现代软件系统的重要组成部分，云运维进入新时代。运维人员不仅要应对更大的规模和复杂性，还需处理系统更快演化、更自主行动以及跨扩展网络交互带来的新挑战。
- Tibo@thsottiauxAI 评分2929
我们使用在前端方面还行的模型构建了 Codex App。 等着看当我们最终大幅提升模型的前端能力时能做什么吧。那一天会很特别。
- Tibo@thsottiauxAI 评分1515
Black Forest Labs：BlogAI 评分4848 Black Forest Labs CEO Robin Rombach 在 G7 呼吁支持开放创新
Black Forest Labs 联合创始人兼 CEO Robin Rombach 在 G7 峰会向 Macron、Trump、Merz、von der Leyen 等领导人发言，呼吁将开放且负责任的 AI 开发变为常态而非例外。
CMU：Machine Learning BlogAI 评分5454 预训练还不够“苦涩”
Richard Sutton的“苦涩教训”通常被解读为警告不要在AI系统中编码过多人类知识，最终胜出的方法是能吸收更多算力和数据的一般性方法。现代基础模型预训练表面上是这一教训的胜利：采用通用架构、海量数据、简单的自监督目标（语言模型预测下一个token，视觉模型重建掩码块等）。但问题在于，训练目标仍由人类在训练循环外选定——完成一次大规模预训练后评估下游表现，再调整方案重新运行。这个控制环路非常粗糙。该论文探讨能否让这一环路变得更高效。
Microsoft：Official BlogAI 评分3030 微软：AI 解决方案成功的关键在于“智能 + 信任”
微软认为，任何 AI 解决方案中最重要的两个要素是“智能”与“信任”。这一观点自去年 11 月 Ignite 大会提出后，在与客户的交流中不断得到印证。客户在考虑采用 AI 时，最常提出的三个问题均围绕 AI 是否会放大风险展开。
OpenRouter：AnnouncementsAI 评分5656 OpenRouter：多模型路由成趋势，成本压力驱动企业从单一LLM转向跨模型推理
OpenRouter数据显示，企业正从单一LLM转向跨模型族推理，成本压力是推动路由决策的关键。Anthropic的Opus 4.7因tokenizer tax导致输入token增加约35%；新模型Fable（$10/M输入，$50/M输出）和OpenAI的GPT-5.5 Pro（$30/M输入，$180/M输出）定价更高。3月至4月间有90个新模型发布，进一步增加了可选性。
OpenAI：官网动态精选AI 评分7474 OpenAI 公布让 AGI 造福所有人的计划
OpenAI 发布计划，阐述让 AGI 造福所有人的愿景。该计划聚焦于 AI 的可及性、安全性和共享繁荣，确保技术进步惠及每个人。
推荐理由：Altman 和 Pachocki 把 OpenAI 的下一步讲清楚了，2028 年让 AI 做大部分研究的内部目标很具体，这比任何产品发布都更能说明他们对 AGI 的判断。
Anthropic：The Institute精选AI 评分7575 Anthropic 长文：AI 正在加速构建 AI，工程师人均代码量增至 8 倍
Anthropic Institute 发布长文，指出 AI 已在加速 AI 自身的开发，距完全递归自我改进仍有差距但可能早于多数机构的准备。
推荐理由：Anthropic 用内部数据量化 AI 加速自身开发，包括工程师代码量 8 倍增长等一手数字，读者可据此判断递归自我改进的进展与风险。
- Tibo@thsottiauxAI 评分2323
Sierra：BlogAI 评分2929 Sierra 提出“Outcomemaxxing”：应用 AI 的未来应以成果而非消费量衡量
Sierra 认为应用 AI 的未来不应以模型消耗量（如 token 数）衡量，而应以实际达成的成果（outcomes）为指标。这一理念强调 AI 系统需对用户最终目标负责，而非仅关注使用过程中的交互次数或计算资源。Sierra 未公布具体产品版本或 benchmark 分数，但提出该方向作为其 AI 应用设计的核心原则。
Claude：Blog精选AI 评分7474 Claude Code团队实践：智能体编程如何重塑工程组织与流程
在Code w/ Claude SF 2026活动上，Claude Code工程团队分享了将智能体编程设为默认工作方式后带来的流程与结构变革。核心变化包括：规划转向即时（JIT）模式，强调快速原型与反馈；上下文收集变为“先问Claude”；代码审查中Claude处理风格与测试，人工专注于法律、安全等专业判断。新范式下，工程瓶颈从编写代码转向验证、审查与安全维护。
推荐理由：Anthropic 工程总监把 Claude Code 团队流程全晒了出来，从抛弃半年路线图到代码审查只留专家复审，每一步都反直觉但实战有效，工程领导者直接抄作业。
Microsoft AI：官方博客精选AI 评分6060 Microsoft AI 阐述健康领域价值观实践，将与 Mayo Clinic 共建医疗前沿模型
Microsoft AI 发文阐述其在健康领域的价值观如何落实为产品与工程实践，称其消费级产品每天处理数千万条健康问题。
推荐理由：官方阐述微软 AI 在健康领域的价值落地，交代 Mayo Clinic 医疗模型合作与 Copilot Health 预览的进展。
Dario Amodei：Blog精选AI 评分5656 Anthropic CEO Dario Amodei：AI指数级发展呼唤政策紧急应对
Anthropic CEO Dario Amodei 发表博客指出，AI 以指数级速度发展——四年内模型从勉强写出一行连贯代码到编写主流 AI 公司的大部分代码，而政策制定周期却极其缓慢。Claude Mythos Preview 证明了前沿模型对网络安全构成真实威胁，可能冲击金融、关键基础设施和国家安全。Amodei 认为生物风险与 AI 自主风险即将接踵而至，呼吁全球重新审视监管、宏观经济、科学创新、国家权力和地缘政治五大领域。Anthropic 同日发布了前沿模型测试立法提案和就业替代政策框架，并承诺提供实质性资金支持。
推荐理由：虽然是十天前的文章，但 Dario 的长文仍是理解 AI 政策方向最完整的框架，还附带了立法提案，做安全或监管的产品人该细读。
- Tibo@thsottiauxAI 评分1616
五百万用户会同意。明早重置限制以示庆祝。 是时候体验/fast了
引用Siqi Chen@bladernothing like switching to claude for a few days to try out a new model and going back to codex xhigh to remind you how much better 5.5 is right now it's really not close
- Tibo@thsottiauxAI 评分1111
Anthropic：Newsroom精选AI 评分7777 Anthropic联合创始人Chris Olah在教皇通谕发布会上的讲话
Anthropic联合创始人Chris Olah在梵蒂冈出席教皇Leo XIV关于AI的通谕发布会。他指出，所有前沿AI实验室都面临商业、研究及地缘政治等多重压力，这可能与做正确的事相冲突，因此外部监督至关重要。他强调，AI模型并非像飞机那样被工程化构建，而是基于人类语言和思想“生长”出来的，其内在性质可能复杂难解。他提出三个需审慎思考的问题：如何确保AI发展的全球收益公平分享、如何思考AI时代的人类繁荣，以及AI模型内在性质的本质。他呼吁社会各界，尤其是宗教与民间团体，严肃审视AI发展并引导其向善。
推荐理由：Olah 在教皇通谕发布会上罕见坦承 AI 实验室的激励扭曲，呼吁外界批评，还透露模型内部已出现类似情感的状态，对关注 AI 伦理的人值得细读。
LlamaIndex：产品、工程与评测AI 评分5252 LlamaIndex 撰文分析 grep 与语义搜索在 Agent 场景下的取舍
LlamaIndex 发文回应 grep 可取代语义搜索和 RAG 的观点，指出 grep 适合小型纯文本语料，但无法读取 PDF 等非结构化文档，且在百万级语料下延迟、召回和信噪比全面失效。文章建议分层方案：用 LlamaParse 或 LiteParse 解析非结构化文档，再以语义索引支撑大规模检索，同时保留 grep 用于精确匹配场景。
- Tibo@thsottiauxAI 评分3030
- Tibo@thsottiauxAI 评分2222
- Tibo@thsottiauxAI 评分1818引用Theo - t3.gg@theo
Honestly I'm still really impressed with the Codex app. It works reliably. It adds useful features consistently. It has taste. The mobile integration is awesome. The git integration is solid. If you haven't used it yet, I highly recommend it.
- Tibo@thsottiauxAI 评分4545
对于Codex，我们一直在考虑保持稳定的发布节奏，每周四进行一次较大规模的发布。这确实会让周初显得不那么令人兴奋。大家有什么想法？
- Tibo@thsottiauxAI 评分4848
导师变成了学徒。Claude终于开始模仿Codex了。 但你无法超越GPT-5.5的加速能力。
引用Daniel San@dani_avila7Claude Code 2.1.139 added /goal You set a completion condition and Claude keeps working across turns until it's met Works in interactive, -p, and Remote Control 👏
- Tibo@thsottiauxAI 评分1515
Augment Code 博客AI 评分5858 DX CTO Justin Reock 谈 AI 转型是系统问题而非工具问题
Augment Code 播客 We Built What 对话 DX CTO Justin Reock，核心观点是 AI 转型暴露的其实是一直存在的系统问题。
OpenAI：官网动态AI 评分4646 Our Principles
OpenAI 联合创始人 Sam Altman 阐述了指导公司工作的五项核心原则。这些原则围绕确保 AGI（通用人工智能）惠及全人类的使命展开，具体包括：致力于开发安全有益的 AGI；持续推动前沿技术研究；广泛共享研究成果与收益；积极与全球政策制定者合作应对风险；以及确保 AGI 的发展不被过度商业化垄断，最终服务于人类的整体福祉。
OpenAI：官网动态精选AI 评分7171 为什么 SWE-bench Verified 不再衡量前沿编码能力
OpenAI宣布停止使用SWE-bench Verified基准评估前沿编码能力。该基准基于GitHub历史问题构建，其任务分布已无法准确反映当前AI编码助手需解决的实际问题类型。随着模型性能提升，基准测试集趋于饱和，区分度下降，现有模型表现已接近人类水平。因此，团队将转向更具挑战性和现实复杂度的新评估方法。
推荐理由：OpenAI 亲自给 SWE-bench Verified 判了死刑，这比任何第三方评测都有说服力。做 coding agent 选型的人该认真想想，你的 benchmark 体系是不是也该换了。
- Tibo@thsottiauxAI 评分4848引用tylernotfound@tylernotfound
5.5 is the first model that operates as a valuable programming partner on real frontend work. High agency, valuable ideating, and idiomatic output. My development process has evolved every ~3 months since joining OAI, but Codex + 5.5 has created a step function improvement.
Cognition 模型 / Devin 博客精选AI 评分6363 Cognition 复盘两年构建 Devin 云智能体基础设施的经验
Cognition 基于两年 Devin 开发经验复盘构建云智能体的两大投入：基础设施与组织变革。文章指出容器共享内核存在逃逸风险、无法在异步间隙可靠保存状态，其方案是 microVM 隔离和 hypervisor 级整机状态快照；编排层花了超过三个季度才能管理数千并发 VM。
推荐理由：Cognition 以两年 Devin 建设经验拆解云智能体在隔离、状态快照和编排上的真实投入，并给出组织落地的具体路径。
- Tibo@thsottiaux引用Amol Avasare@TheAmolAvasare
For clarity, we're running a small test on ~2% of new prosumer signups. Existing Pro and Max subscribers aren't affected.
Cognition 模型 / Devin 博客精选AI 评分7272 Cognition 复盘多智能体实践：写操作单线程加辅助智能体才真正有效
Cognition 发布长文复盘，称自《Don't Build Multi-Agents》十个月后，其多智能体系统已在生产中可用，核心模式是写操作保持单线程、其他智能体只贡献智能。
推荐理由：作者基于自家生产环境实验总结多智能体落地模式，给出干净上下文评审、跨模型路由等可迁移的工程经验。
Linear：Now精选AI 评分6161 设计不是产出：AI 工具无法替代对问题的理解
设计行业常将“设计”误解为产出界面或代码的行为，但真正的核心在于理解问题本身，找到形式与上下文的良好匹配。AI 工具能快速生成看似精美的输出，却往往绕开对底层问题的深入探索，导致产品表面光鲜但实际使用中脆弱、缺乏整合。设计仍需判断、对话、张力与时间，其价值在于通过动手工作逐步获得理解，而非仅仅依赖生成结果。
推荐理由：这篇文章直指AI设计工具的误区，生成界面不等于做设计。真正难的是理解问题而不是产出视觉形式，做产品的都该读一读。
- Tibo@thsottiaux