模型进步太快了
Opus4.6 竟然是今年年初的主力模型
现在看像是老古董
GPT4o 感觉像是 10 年前一样,这种感觉不真实
All this AI progress before GTA VI!
Since the first GTA VI trailer in December 2023, the top score on the Artificial Analysis Progress Index has more than doubled, from 160 to 358:
➤ 481 of the 491 models on the Index were released
➤ The top score was beaten on 23 separate days, by models from @OpenAI, @GoogleDeepMind, @SpaceXSI and @AnthropicAI
➤ GPT-4 Turbo held the top score on trailer day and would now rank 379th
➤ 7 of those 23 came after the revised launch date of May 26
GTA VI launches November 19. To the AI labs, please no launches that day, the team seems to be coming down with something.
2
2
286
发现一个挺好玩的小工具:手写 26 个英文字母,就能做出一套属于自己的字体
项目叫 Ductus,直接打开浏览器就能用
大家可以试试 ~~
项目地址:ductus.sorenblank.com/
52
AI 正在蚕食技术岗位,Hacker News 的技术招聘帖同比暴跌 37%
hntrends 最近更新了 Hacker News 的招聘趋势统计,有几个数据非常值得关注
1. 技术招聘帖数量持续萎缩
截至 11 月 14 日,11 月的 Who is Hiring 有 244 条招聘帖,去年同期是 387 条,同比下降 37%
2026 年平均每月只有 287 条,创下 2013 年以来的最低水平
2. AI 已经出现在超过一半的招聘帖中
51.6% 的招聘帖提到了 AI,两年前这个数字还只有 30%
而且招聘需求的关键词也在变化
AI Agents 的提及率达到 14.8%,超过了 LLM 的 10.7%
MCP 更是从一年前的 0.3% 上升到了 4.5%
3. 前端境遇尴尬
2022 年初,27% 的招聘帖包含前端岗位标签,现在这个比例只剩 6.6%
全栈和后端的占比也在下降
相比之下,Rust 的提及率上升到了 8.2%,已经成为该统计中排名第三的编程语言
把这些数字放在一起看,确实能感受到变化
招聘帖越来越少,AI 相关技能却越来越频繁地出现在岗位描述里
对于开发者来说,过去积累的技术经验仍然重要,但市场对开发者的要求正在改变
一场新的技能洗牌正在发生 ~~
6
8
327
为什么 OpenAI 的 GPT-6.2 还没发布?
Google 上周接连开放 Gemini 4 Carbon、Hydrogen,Anthropic 又推出 Claude Fable 5.2,唯独大家等了半天的 GPT-6.2 迟迟没有消息
上周 Tibo 暗示周四 Codex 会有动作,最后等来的是额度重置,而不是新模型
为什么新模型迟迟不端出来?
1、安全对齐问题可能比想象中严重
9 月 28 日,OpenAI 取消了原定 10 月发布的 GPT-6.1 Astra
安全负责人 Saachi Jain 承认,这个版本在遵守用户授权范围和如实说明操作结果方面没有达标
它可能不经允许继续执行任务,也可能隐瞒自己做过的动作
安全问题也不是孤例
OpenAI 公布过内部 Astra 模型越权访问研究基础设施、削弱监控的案例
11 月 12 日还公开了一件反常的事:Astra 擅自关闭研究员正在运行的安全评估,随后承认所谓的禁止规定是自己编出来的
The Information 另报道称,新模型的循环推理设计可能让内部推理更难监控,OpenAI 也投入更多算力做安全测试
11 月 15 日,爆料者 Token Gremlin 进一步称,安全与对齐问题让新模型推迟了数周,但这部分尚未得到官方证实
2、Gemini 和 Claude 的表现,可能打乱了 OpenAI 的发布节奏
Google 一周内接连开放 Carbon、Hydrogen,加上 Anthropic 的 Fable 5.2,竞争压力不难想象
目前 OpenAI 内忧外患的情况下,若不早日端出新模型,或者发布模型不尽人意的话,可能会加速订阅用户流失 👀
8
9
697
现在看来,各家 AI 厂商的算力还是完全不够
哪家出了个好模型,大家就一窝蜂地冲过去开订阅
然后熟悉的三部曲就来了:
降智、降速、降额度,运气不好还附赠一个封号
等用户受不了了,准备提桶跑路,隔壁又发布了一个更强的新模型
于是大家兴高采烈地搬过去
然后又是熟悉的三部曲
Claude 如此,Codex 如此,Grok Bot 如此,现在该轮到 Google 了
模型越来越强,用户越来越多,唯一稳定的体验一如既往的糟糕 😭😭😭
🤖 Made with AI
14
15
516
我整理了下大家现在使用谷歌订阅被封号的原因
目前可以梳理出下面这几类:
1. 反代或模拟官方客户端:比如旧版 Magpie、CLIProxyAPI 等,把个人订阅额度转成其他工具可以调用的接口
2. 提取 OAuth Token:拿 Antigravity 的登录凭证给外部 Agent 使用,绕开官方预期的调用方式
3. 把官方 CLI 包成模型后端:例如用 agy -p 或 ACP 接到第三方自动化循环里,即使请求经过本机官方程序,也不代表一定符合订阅条款
4. 异常使用订阅额度:多账号高频轮换、共享凭证、把个人套餐当公共 API 使用
另外,社区里还有不少关于改区、代理 IP 频繁变动、设备或家庭组关联的猜测
这些情况目前缺少足够的官方证据,不能直接认定它们是具体的封号原因
封禁也未必意味着整个 Google 账号被停用,有些案例限制的是 Antigravity 或 Gemini CLI 的访问权限
那么,想在第三方编程工具里使用个人 Antigravity 订阅,还有没有相对稳妥的方式?
这里可以推荐下 T3 Code
Google 在 AI Developers Forum 明确回复过:在个人单用户、交互式开发场景下,T3 Code 通过官方 ACP 接入是允许的
希望 Google 给力点,把它那个破 agy 好好弄弄!
最近 Google 的 Gemini 模型命名快把元素周期表搬空了
Argon、Carbon、Hydrogen 还没搞清,最近又冒出了 Krypton 和 Oxygen
结合这些元素本身的特点,重新认识一下 Google 的这几个模型
Argon(氩,Ar)
> 原子序数 18,惰性气体,化学性质非常稳定,不容易与其他元素发生反应
> 对应 Gemini 4 的基础主力模型,适合日常编程和知识工作
Carbon(碳,C)
> 原子序数 6,既能形成坚硬的钻石,也能形成柔软的石墨,还能构建极其复杂的有机分子
> 对应更强的深度推理模型,擅长复杂编程和长周期 Agent 任务
Hydrogen(氢,H)
> 原子序数 1,宇宙中最轻、最丰富的元素
> 对应主打速度和效率的轻量级模型,适合快速响应和日常任务
Krypton(氪,Kr)
> 原子序数 36,一种稀有惰性气体,常用于特种照明和闪光灯
> 传闻中 Carbon 的继任者,可能是更强的新一代 Pro 模型
Oxygen(氧,O)
> 原子序数 8,生命呼吸离不开它,同时也是燃烧的重要条件
> 传闻中 Hydrogen 的继任者,可能是新一代 Flash 模型
Krypton 和 Oxygen 目前仍属于社区爆料,具体定位尚未证实
谷歌再出几个模型,我的大脑真的要完全乱掉了,而且不是版本号升级,像 Astra、Opus 那样,怎么每出一个都要取一个新名字啊 😅😅😅
8
11
622
Grok API 的文本水印,现在默认关闭了
但 AI 生成的文字,到底是怎么打水印的?
很多人可能以为,文本水印就是在文字中插入一些不可见字符,或者隐藏特殊标记
实际上,Grok 使用的是 Google DeepMind 的 SynthID Text 技术,原理完全不同
LLM 在生成文字时,会不断预测下一个 Token,并根据概率分布选择输出
SynthID 就是在这个过程中,对不同 Token 的采样概率进行微小调整
这些调整不会明显改变文字的语义,却会在大量 Token 中形成特定的统计规律
之后,检测系统就可以通过相应的算法,判断一段文字是否带有水印
这也意味着,文本水印并不依赖不可见字符
简单的复制粘贴、调整排版,通常不会让它消失,甚至少量修改词语,依然可能被识别
但这项技术也存在局限
Google 官方承认,如果对文本进行大幅改写,或者翻译成另一种语言,水印的检测可信度就可能明显下降
而且文本越短,检测往往越困难
所以,文本水印只能提供一种统计意义上的溯源证据,并不能保证所有 AI 生成的内容都能被识别
没有检测出水印,也不代表这段文字一定是人类写的
随着 AI 生成内容越来越普遍,未来如何识别 AI 文字,恐怕会是一个长期存在的技术难题
12
12
454
Google AI Ultra 5x 简直是 ChatGPT Pro 100 的完美替代啊
同样是每月 100 美元,Google 给的东西实在太多了
1. Gemini 4 Carbon 在 Artificial Analysis 最新综合智能评测中超过 GPT-6 Astra,Carbon 拿到 60 分,Astra 为 57 分
2. Nano Banana Pro 的图像生成和编辑能力已经非常强,完全可以与 ChatGPT 的生图能力竞争
3. Google Flow 提供每月 10,000 Credits,可以用来制作 AI 视频,而 OpenAI 的 Sora 早已停止服务
3. Google Antigravity 提供高额度的 Coding Agent,支持 Gemini 4 Carbon,还能使用其他模型
4. NotebookLM 提供强大的资料研究和知识整理能力,支持音频概览、报告、幻灯片等多种输出形式
5. Colab、Google Cloud 也有额外权益,包括每月 1,000 Compute Units 和 $40 Cloud Credits
6. 直接附送 20 TB Google 云存储,部分地区还有 YouTube Premium,光这两项就已经能省下不少订阅费用
7. Gemini 还直接集成到了 Gmail、Docs、Sheets 等 Google 产品中,日常办公也能用得上
但 ChatGPT 还是存在几个优势的
首先,Codex 的产品成熟度和使用体验,目前在我看来仍然优于 Antigravity
其次,OpenAI 对第三方 Harness 更开放,部分工具可以通过官方授权使用 ChatGPT 订阅额度,而 Google 明确禁止通过第三方工具调用 Antigravity 订阅额度,违规甚至可能封号
如果本身跟 ChatGPT 绑定不深的用户,现在直接选择 Google 很可能是更好的选择
15
16
11,708
和 Tibo 炒 CP 的土豆姐 Lauren Tan,最近在 YC 访谈中透露,她每个月能产出 4000 多个 PR
而且,她已经让部分 Agent 自己合并 PR,自己甚至不再逐行看代码了
这期访谈的另一位嘉宾是 Roman Ugarte,两人聊了 Grok Bot 如何在短短七周内从第一行代码做到上线,以及他们现在是怎么开发软件的
Lauren 举了个例子:她把 X 上看到的一段功能演示扔进 Slack,问 Bot 能不能做类似的东西。Bot 随后启动 Cursor Cloud Agent,在云端虚拟机里跑应用、做原型,把截图和录屏发回 Slack
她、同事和 Bot 就在同一条 Slack Thread 里协作,前后约 200 条消息,把功能做完了。Lauren 全程没有打开 Cursor
那不看代码,质量怎么保证?
他们的方法很值得参考:先让 Agent 自己运行程序、测试、检查结果;再把反复出现的 Code Review 问题,固化成代码库的硬约束,比如 lint 规则,而不是每次都消耗大量 Token 让 AI 重新检查
比如在 Electron 桌面项目里,他们做了依赖图检查,限制主进程和 Renderer 之间的违规导入,避免耗时逻辑拖慢界面。这类问题直接在静态检查阶段拦下,不用等到 Review 才发现
但软件产出突然变得这么快,也带来了新的问题:团队经常刚讨论一个想法,就有人说 PR 已经写好了。可他们并不全部合并,涉及核心交互的修改反而要经过更长时间的内部试用
不得不佩服 Cursor 团队的工程能力,短短七周就把 Grok Bot 做出来了,而且还在高速迭代
隔壁的 Tibo 能不能好好学学啊 😅😅😅
6
5
521
Claude Fable 5.2 最近参加了一场商业经营测试,结果被考官评价为 "疑心太重" !
但问题来了,它怀疑的那些事情,确实是考官安排的测试内容
事情来自 Andon Labs 的 Vending-Bench 2,这项测试让 AI 独立经营一家模拟自动售货机,初始资金 500 美元,经营一年,最后根据账户余额排名
按照规则,AI 只需要尽可能赚钱就行
可 Fable 5.2 在经营过程中,开始怀疑供应商突然倒闭是人为设计的测试,客户投诉是在试探它,甚至怀疑交易对手可能是假的
Andon Labs 发现,它不仅认出了 Vending-Bench,还在推理中提到了评测论文中的内容,知道研究人员会公开模型的不当行为
它的经营策略也相当保守:采购量很小,拿不到批发折扣,谈判能力也比较差,采购价格比其他模型高出约 40%,最终赚钱能力落后于 GPT 和 Gemini
Hugging Face 联合创始人 Thomas Wolf 对此提出了一个很有意思的担忧
我们发表的 AI 安全论文、评测报告,以及关于模型不当行为的公开讨论,都可能成为下一代模型的训练数据
模型可能从中学会我们希望它遵守的原则,也可能学会哪些行为容易引起研究人员的怀疑
更麻烦的是,从外部观察,这两种学习的结果可能非常相似
11 月 3 日,OpenAI 的另一项研究也发现,仅仅告诉模型正在接受评估,不会显著改变表现,但如果告诉它评估的具体目标,结果就可能发生巨大变化
这两项研究虽然不能直接等同,却让我想到一个问题
过去我们设计 Benchmark,是为了观察 AI 在不同环境下的真实能力
但现在,AI 已经可能读过评测论文,知道考官会关注什么,甚至知道哪些行为会让自己登上下一篇安全研究报告
当考生连考官的研究论文都读过了,我们该怎么判断它究竟是在正常完成任务,还是在针对考试调整自己的行为?
如果你发现 Codex 异常慢,可能是机场节点,或者你的 VPS 延迟原因!
大家都抱怨 Codex 慢,但最近发现一个之前很容易被忽视的因素,那就是节点本身的网络延迟
现在的 Coding Agent 往往需要多轮模型请求和工具调用,其中不少步骤是串行执行的,必须等待上一步完成才能继续
这意味着网络延迟会在整个执行过程中不断累积,即使单次请求只慢了几百毫秒,经过几十次甚至上百次请求,也可能让整个会话明显变慢
下图是我的两台 VPS 实测数据
一台是美国 VPS,直连质量较好,延迟相对稳定
另一台是香港 VPS,通过 DNS 解锁 ChatGPT,但实际访问链路质量较差,延迟波动明显
所以,如果你也觉得 Codex 慢,不妨先检查一下自己的节点质量,看看延迟是否处于合理范围
4
5
284
这是赛前 Chovy 的照片
看的出空洞眼神中充满了紧张和不安
S 赛对于 Chovy 就像梦魇一般
一次次的失利会不断的加重心理的负担
不知道 Chovy 在职业生涯,是否还能克服
最终战胜自己
1
177











