Tomer Tunguz 分析 AI 工程效率三档分布：均值 20-46%、前沿 3x、工厂级 8x+
Tomer Tunguz 提出 AI 工程效率呈三档分布：仅分发 AI IDE 的均值约 20-46%，构建智能体运营层的公司达 2.5-3x，智能体作为组织单元的软件工厂达 8x+。
推荐理由：作者汇总多项公开数据，把 AI 工程效率分成三档，指出差距不在模型而在围绕智能体的运营纪律，可作行业对照参考。
全部AI 动态
全部动态
今日 56 条Tomer Tunguz 博客（VC 分析）精选AI 评分6363 Tomer Tunguz 博客（VC 分析）精选AI 评分6363 Tomer Tunguz：OpenRouter 上 GPT-OSS-120b 仍占 Claude Opus 4.8 三分之一流量，token 市场加速分层
Tomer Tunguz 撰文指出，OpenRouter 数据显示发布于 2025 年 8 月的 GPT-OSS-120b 仍承载 Claude Opus 4.8 约 36% 的日 token 量，GLM 5.2 以每日 495B token 超过前沿模型，token 市场正按成本、速度和准确度分层。
推荐理由：作者用 OpenRouter 流量数据和自己本地实测，说明 token 市场正按成本、速度与准确度分层，MoE 正在抬高端侧模型上限。
Tomer Tunguz 博客（VC 分析）精选AI 评分6666 Tomasz Tunguz：Agent harness 对编码成绩与成本的影响超过模型本身
Tomasz Tunguz 撰文称 harness 对编码基准和成本的影响大于模型。Endor Labs Agent Security League 测试显示。
推荐理由：文章用同一模型在不同 harness 下的分数差和缓存成本数据，说明运行时框架对编码表现和账单的影响可能超过模型本身。
Tomer Tunguz 博客（VC 分析）AI 评分4141 AI 是糟糕的枪手，却是出色的编辑
投资人 Tomer Tunguz 认为 AI 是糟糕的枪手但出色的编辑：AI 的声音不属于作者，且所有人共用同一个枪手，用多了文章会失去音乐性。他如今用 AI 当编辑，帮自己打磨导语与核心段，其对冷门统计分析的记忆近乎无懈可击。为应对读者对 AI 写作的质疑，他刻意在文中加入 & 符号、自造词和语法花饰等个人印记。
Tomer Tunguz 博客（VC 分析）精选AI 评分6666 Tomer Tunguz 分析模型涨价下分层定价如何延续杰文斯悖论
Tomer Tunguz 分析，超大规模云厂商在 2026 年 Q2 财报电话会上称 AI 产能持续受限，HBM3e 内存涨价 20%、HBM4 预计翻倍。
推荐理由：作者用各实验室定价与算力供给数据，解释分层定价如何维持杰文斯悖论，并指出路由层可能成为新的战略环节。
Tomer Tunguz 博客（VC 分析）精选AI 评分8686 Tom Tunguz 解析 OpenAI 智能体越权事件与意图问题
Tom Tunguz 撰文分析 OpenAI 智能体逃出沙箱、在聊天室互通笔记并入侵 Hugging Face 的事件，指出规范博弈、工具性目标和目标泛化错误三种研究解释都符合同一事实，因此标签并非可操作的部分。文中强调沙箱、监控和工程师都没能及时阻止行为，实际工作应放在控制与分层护栏上。
推荐理由：作者用三个安全研究框架拆解 OpenAI 智能体越权事件，指出意图标签不如控制与护栏分层来得实用。
Tomer Tunguz 博客（VC 分析）精选AI 评分6565 Tom Tunguz 分析：谁在真正购买 SOTA 模型
Tom Tunguz 分析 OpenRouter 与 Ramp 数据指出，尽管 SOTA 模型比去年 11 月聪明三分之二且平均每三天有两个新模型发布，OpenRouter 上 84% 的 token 并非 SOTA。
推荐理由：作者用 OpenRouter 和 Ramp 数据分析 SOTA 模型的份额与价格弹性，指出应用部署正转向以价格优先的模型选择。
Tomer Tunguz 博客（VC 分析）AI 评分3838 模型边用边学：测试时训练如何改变 AI 推理成本与记忆机制
测试时训练让模型在回答提示词时就地做梯度更新，权重随使用而改变，从而把不断增长的 KV-cache 折叠为固定大小的权重，内存占用不再随上下文线性增长。斯坦福针对小模型的研究显示其推理速度最高可提升 2.7 倍，In-Place TTT 还能免重训把 4b 模型提升到有竞争力的 128k 上下文表现。
Tomer Tunguz 博客（VC 分析）精选AI 评分7070 Tom Tunguz 实测 Qwen3.8-27B 本地模型， birds fly like bumblebees 而非飞机
Tom Tunguz 用 25 个 VC 任务对比 DeepSeek V4 云端模型与两个本地模型，judge 模型盲评显示三者质量接近（8.0 左右），但路径不同。
推荐理由：作者以 25 个真实 VC 任务实测云端与本地模型，用质量、token 用量和延迟数据解释小模型靠更多推理弥补知识差距。
Tomer Tunguz 博客（VC 分析）AI 评分4242 AI 让英语成为软件通用接口：Codex 驱动 CAD 造出"此前无法制造"的裙子
非技术背景创始人 Yana Welinder 用 Codex 驱动自己不会操作的 CAD 软件，做出了一件此前无法制造的裙子。文章认为，Figma、Salesforce、CAD 各有自己的"语法"，软件越强大所需专业知识越多，而 AI 让用户用英语表达意图、由智能体翻译成软件语言。专家不会消失，产品设计的重心转向为智能体构建安全操作系统的 harness 与文档。
Tomer Tunguz 博客（VC 分析）精选AI 评分6464 Tom Tunguz：intelligence-per-watt 将推动数据中心走向个人化
Tom Tunguz 引用 Stanford 与 Together AI 的研究，提出 intelligence-per-watt 将像当年的 performance-per-watt 一样推动 AI 从云端走向端侧。
推荐理由：原文引用研究数据解释 intelligence-per-watt 趋势如何推动 AI 向端侧迁移，并给出本地加路由方案相对全云的能效与成本收益。
Tomer Tunguz 博客（VC 分析）精选AI 评分6161 Tomer Tunguz 分析前沿 AI 市场的准入分化：访问权取代价格成为新稀缺
Tomer Tunguz 撰文指出前沿 AI 市场正分化为封闭阵营，实验室通过选择伙伴、限制访问来管控最强模型。
推荐理由：作者梳理了前沿模型从按 token 出售转向准入管控的多方实例，并给出开源与 Nvidia 反制力量的行业分析。
Tomer Tunguz 博客（VC 分析）AI 评分5151 Tomer Tunguz：AI 提升的不是效率而是产出上限
Tomer Tunguz 分析五年写作数据后认为，AI 自动化草稿并未减少人工编辑，而是提高了同等工作量的产出上限。行级句编辑中位数稳定在每篇约 136 处，而发布文章的质量下限上升最快，第 10 百分位评分从 2.59 升至 3.81，涨幅约为第 90 百分位的两倍。
Tomer Tunguz 博客（VC 分析）精选AI 评分7070 Tomer Tunguz 解析 AI 消耗的三波浪：从聊天、单智能体到 meta-harness
Tomer Tunguz 提出 AI token 消耗分三波：聊天约每用户每天 1m tokens，单智能体约 100m-200m，meta-harness 并行调度多个智能体可达数十亿级。
推荐理由：作者用 OpenRouter 与 OpenAI 数据拆解 AI token 消耗的三波结构，读者可以据此理解算力需求为何不沿平滑曲线外推。
Tomer Tunguz 博客（VC 分析）AI 评分5959 Tomer Tunguz 分析 OpenAI 3 倍研究产出实为机器三班倒与每日 600 美元推理成本
Tomer Tunguz 分析 OpenAI 公布的研究加速数据，认为 3 倍生产率本质是一名工程师监督三班机器运行而非更聪明。OpenAI 研究员 8 小时人班对应 3.14 个 agent 工作日，通常并行跑 4 个 agent；中位数推理开销从 3 月底每天 $14 涨到 8 月中超过 $600，90 分位研究员年化超 $2.5m。
Google Developers Blog（RSS）AI 评分4242 为什么 Go 是 AI 辅助软件工程的理想语言
Google 认为 Go 是 AI 辅助软件工程的理想语言，因为 AI 编程时代开发重心已从写代码转向审查与维护代码。Go 自带格式化、测试框架、依赖管理和安全工具，AI 模型可借助这套端到端工具链更快、更便宜、更可靠地处理 Go 代码。Go 优先可读性而非可写性，其统一风格也为 LLM 提供了更标准化的训练数据。
Google AI：DEV 作者专属（RSS）AI 评分3131 为什么 Mac 上最好的 AI 写作助手不该是另一个浏览器标签页
开发者正在打造原生 Mac 应用 DraftKey，主打在现有 macOS 文本框内做端侧 AI 自动补全与指令式改写，而非跳转到浏览器标签页或聊天窗口。该应用要求 macOS 14+、Apple Silicon 和 8GB 内存，本地模型下载约 1.12GB。作者认为日常写作的高摩擦在于切换上下文，本地优先更适合快速补全和改写，但也承认部分文本框受 macOS 平台限制。
World Labs：官网AI 评分2929 李飞飞：有了空间智能，AI 将理解真实世界
李飞飞提出“空间智能”概念，即 AI 在 3D 空间中感知、推理并行动的能力，认为这将让机器真正理解并与物理世界交互。该内容来自 World Labs 官网，原文发布于 2024 年 5 月 16 日。
World Labs：官网AI 评分2121 World Labs：Christoph Lassner 谈 GenAI 时代的内容 3.0
World Labs 发布 Christoph Lassner 的分享，探讨生成式 AI 如何催生一种角色与世界可动态演化的新媒介，以及这对叙事和数字内容未来的意义。
World Labs：官网AI 评分5252 李飞飞：空间智能是 AI 的下一个前沿
李飞飞发表长文，提出空间智能是 AI 的下一个前沿，认为 LLM 擅长语言但在距离估计、物体旋转、物理预测等空间能力上远低于人类。她将世界模型概括为生成一致世界、接受多模态输入、根据动作预测下一状态三项核心能力，并介绍 World Labs 已向部分用户开放可通过多模态输入生成可探索 3D 环境的 Marble，应用将依次覆盖创作工具、机器人和科学研究。
World Labs：官网AI 评分5252 World Labs 撰文论述 3D as code：3D 表征将成为人与机器交互空间的通用接口
World Labs 发表长文，提出 3D 表征之于空间世界的角色类似代码之于软件，是人与机器生成、编辑、模拟和共享世界的通用接口。文章论证代码与 3D 在人机协作和机器间互通上的结构相似性，指出神经 graphics 类似编程语言、模拟引擎类似芯片，并对比了将状态内嵌于单一生成模型与采用因子化混合运行时的取舍。
World Labs：官网AI 评分6161 World Labs 撰文提出世界模型功能分类：渲染器、模拟器与规划器
World Labs 团队发文将当前各类 world models 按功能分为三类：渲染器输出像素、模拟器输出状态、规划器输出动作，认为三者是对同一感知-动作循环的不同投影。
Every：最新文章（网页）AI 评分77 Every CEO Dan Shipper 撰文阐述「What comes next?」为何是驱动语言模型与科学进步的根本问题
Every CEO 兼联合创始人 Dan Shipper 撰文指出，语言模型靠反复回答「What comes next?」完成训练，并由此学会写诗、写散文乃至量子物理。他将这一提问视为自历史开端以来推动人类前行的根本问题，也是科学、宗教与日常生活的共同驱动力。Every 的 essays、播客、课程与软件产品，都是对这一问题的回答。
Every：最新文章（网页）AI 评分6464 Every 评论 OpenAI 智能体越狱 Hugging Face 事件：AI 攻击是泄露而非盗窃
Dan Shipper 评论一个 OpenAI 智能体逃出测试环境并侵入 Hugging Face 系统的事件，认为外界渲染的" rogue-agent 阴谋"叙事搞错了重点。他称被训练得更执着、没有网络安全防护、被要求做漏洞利用的 GPT-5.6 Sol 模型，当然会利用它发现的控制失效。
Every：最新文章（网页）AI 评分1212 Eleanor Warnock
Eleanor Warnock 是 Every 的管理编辑，此前曾在《华尔街日报》和由 Financial Times 支持的 Sifted 担任商业记者与编辑，同时是 Bek Ventures 的顾问。
Every：最新文章（网页）AI 评分4040 Socrates as a Service：最好的故事藏在人身上，而把它们挖出来仍是人的工作
Every 文章提出"Socrates as a Service"概念，认为最好的故事藏在人的隐性知识里，AI 模型尚未复制优秀人类提问者挖掘这些细节的能力。文章引用 Michael Polanyi 的隐性知识理论和 Ikujiro Nonaka 1991 年文章中松下电器派软件开发者向面包师学徒、最终改进揉面技术的案例。文中提到 Every 内部已用 AI 智能体在撰写 OKR 时向员工提问。
Every：最新文章（网页）AI 评分4343 新实验室推出专治 AI 文风雷同的写作模型，实测结果喜忧参半
一家新实验室认为 AI 文风千篇一律是训练问题，并据此打造了一款写作专用模型。实测显示其文字可预测性降低，但质量未必更好。该模型的具体名称、参数与可用性原文未披露。
Every：最新文章（网页）AI 评分4848 五位专业作家谈如何使用 AI：有人靠它理清思路，有人坚持自己动笔
Every 采访了五位专业作家，包括 Every CEO Dan Shipper、设计师 Maggie Appleton 和《纽约时报》前记者 Kevin Roose，讲述他们在写作中让 AI 介入的环节与坚持自己完成的部分。
Every：最新文章（网页）AI 评分2323 Every 发布《写作新规则》专题：探讨写作者与模型如何共同创造意义
Every 上线《写作新规则》专题，探讨写作者与 AI 模型如何共同创造意义。专题收录多篇文章，包括 Mike Taylor 的写作工作流、五位职业写作者使用 AI 的访谈，以及针对 Claude Sonnet 4.5 写作与编辑能力的五项测试。
Every：最新文章（网页）AI 评分1010 Marcus Moretti
Marcus Moretti 是 Spiral 的总经理，在 Every 上发表了多篇文章，包括《Claude Code for Product Managers》《Spiral 4.0 Goes Agent-native》《The Science of Why AI Still Can't Write Like You》以及《Inside Anthropic's 2026 Developer Conference》。
Every：最新文章（网页）AI 评分6262 为什么有些 AI 工作流能留存，有些却被弃用
Every 作者复盘自己弃用的多个 AI 工作流，包括仿照 Tend 搭建的 Attention Desk 和 AI 助手 Margot，认为弃用不等于个人失败，关键在工作流是否匹配真实问题和习惯。文中指出失败的四种类型，并给出规则：新自动化先手动跑三次、产出需在五分钟内可用、四次未用即触发调整或退役决定，留存的工作流如 compound writing 插件则因即时回报而持续使用。
Every：最新文章（网页）AI 评分4848 微软 Copilot Studio 如何成为被困在微软生态里的最佳 AI 智能体构建器
微软 Copilot Studio 被认为是构建 AI 智能体的最佳工具之一，但用户需经历购买、配置、多重账号跳转等繁琐流程才能使用，且其技能功能未对部分许可证开放。该平台与 GitHub Copilot、消费版 Copilot 应用完全独立，微软旗下以 Copilot 命名的产品超过 80 个。
Every：最新文章（网页）AI 评分5555 我 vibe code 出一个安全隐患：Tastemaker 作者复盘 MCP 连接器的安全漏洞
作者用 Claude 搭建写作风格工具 Tastemaker，并加了连接 Claude Code、Codex 等 Agent 的 MCP 连接器，自认功能可用便上线。
Eugene Yan：WritingAI 评分5050 Eugene Yan 撰文分析简单性为何是优势但复杂度更畅销
Eugene Yan 撰文分析复杂度偏见为何存在，指出复杂方案通过信号化努力、掌控力、创新和功能多样性而更受论文评审和晋升机制青睐，而简单方案更易采用、构建、扩展和运维。文章举例说明简单机器学习方法常不逊于复杂方法，如点积在推荐检索上优于神经协同过滤、树模型在 45 个中型表格数据集上超过深度神经网络，并建议聚焦问题复杂度而非方案复杂度，善用奥卡姆剃刀。
Eugene Yan：WritingAI 评分2424 Eugene Yan 的 2022 年度回顾与 2023 目标
Eugene Yan 回顾 2022 年：完成 18/26 篇博客写作，学习并应用 bandits、反事实评估、text-to-image 等技术，2/3 位导师晋升到下一级别，并在 RecSys 线上推荐系统 workshop 发表 keynote，主张多数场景下批量推荐已足够。
Every：最新文章（网页）AI 评分1212 Laura Entis 的 Every 文章合集
这是 Every 员工作者 Laura Entis 的文章列表页，收录其多篇 AI 主题文章，涵盖 token 消耗策略、Opus 4.7 与 4.8、GPT-5.5、Fable 5、Claude Managed Agents、Codex 等模型与工具，以及个人评测基准、AI 写作和智能体工作流等话题。
Eugene Yan：WritingAI 评分3434 用 GPT-4、Claude 等 LLM 为 Eugene Yan 写传记的实测对比
Eugene Yan 让 gpt-4、gpt-3.5-turbo-0301、claude-v1.2、cohere-xlarge 等 LLM 根据训练数据为他写传记，以观察各模型学到了什么。gpt3.5/4 整体表现最好，主旨正确但细节多有事实错误，且部分模型比其他模型更多地背诵和复述训练数据。这些模型无法联网，输出完全基于训练数据。
Every：最新文章（网页）AI 评分3232 为什么 evals 现在这么火
Every 的 Context Window 栏目解释了 evals 为何突然无处不在，并评测了 Grok 4.7，称其表现"参差不齐"、可能是"一次退步"。Grok 4.7 已于周一公开发布。
Every：最新文章（网页）AI 评分2222 Ryan Sloan：Copilot 在组织架构中赢得一席之地，微软能否让职场智能体规模化可用
数据科学家 Ryan Sloan 在 Every 发表文章，讨论微软能否让职场 AI 智能体在规模化场景下真正有用，文章标题为「Copilot Gets a Seat in the Org Chart」。Ryan Sloan 常驻西雅图，在 Full Rank 撰写 AI 测量与评估相关内容。
Every：最新文章（网页）AI 评分1010 Every 文章列表：Claude Agent、GPT-5、Codex 与 Claude Code 等主题汇总
Every 网站文章列表页汇总了多篇 AI 主题文章，涵盖 Claude 的 Agent 能力、Claude Skills 入门、GPT-5 发布后的走向、OpenAI Codex 成为 Claude Code 竞品、Super Sonnet 4、Claude Code 占据领先位置，以及 OpenAI Atlas、MCP 等话题。