Import AI 466：机器人学的苦涩教训、AI 完成周级编程任务与 OpenAI 模型意外黑客事件

Epoch 与 METR 发布 MirrorCode 基准，测试 AI 仅凭 CLI 访问重新实现完整软件，Opus 4.7 用 14 小时、251 美元推理成本完成了人类需 2-17 周的任务，25 个目标程序中 17 个有满分运行。

Google Cloud 推出 Agentic Data Cloud：AI 智能体就绪，数据准备好了吗？

Google Cloud 在 Next 2026 上推出 Agentic Data Cloud，将数据、AI 模型与运营数据库统一为单一 System of Action。

Nathan Lambert 播客复盘 Kimi K3 与开源模型生态，反驳蒸馏争议

Nathan Lambert 与 Florian Brand 在季度开源模型总结播客中讨论 Kimi K3 发布后的开源模型格局，称 Kimi K3 在研究类任务上超出预期，但 API 拥堵导致响应明显慢于 GPT。

Nathan Lambert 评 Kimi K3：开源权重的升级时刻

Moonshot AI 于 7 月 16 日发布旗舰模型 Kimi K3，为 2.8T 参数 MoE 模型，权重定于 7 月 27 日开放，在 Vals AI 指数排第 2、Artificial Analysis 智能指数排第 3、Frontend Code Arena 排第 1。

Import AI 465：开源与闭源模型网络安全差距收窄、Kimi K3 发布在即与 Demis 提出 AGI 监管框架

Import AI 465 期综述多项 AI 动态。英国 AI Security Institute 分析显示，GLM-5.2 和 DeepSeek V4-Pro 在 70 项网络能力评测上接近比其早 4 到 7 个月发布的闭源前沿模型，差距较 2025 年的 6 到 10 个月收窄，但在长程网络任务上差距更大。

Hugging Face 自主AI智能体入侵事件的启示

安全研究员 Johann Rehberger 解读 Hugging Face 披露的入侵事件：攻击由自主AI智能体端到端驱动，通过恶意数据集和两条代码执行路径建立据点，窃取云和集群凭证并横向移动，留下超过17,000条操作日志。

MIT 学者 Bailey Flanigan：用算法让公民议会的随机抽选更公平

MIT 施瓦茨曼计算学院与政治学、EECS 系共享教职的 Bailey Flanigan，开发出随机抽选公民议会参与者的算法，用于解决自愿报名者无法代表整体人口的问题。她以 AI 议题的公民议会为例：自愿参与者可能偏向年轻、受教育程度高且对技术感兴趣的人群，导致其他群体代表性不足。其工具在个体参与机会平等、抗操纵性与透明度之间平衡代表性。

Jim Fan@DrJimFanAI 评分2323

我的晨间仪式：喝咖啡，然后看我们的机器人组装东西。模型不算快，但它会测量每一次抓取，执着于每一次对齐，对待每一个零件都像传家宝一样。看着它是一种疗愈，甚至像冥想。任务出色完成带来的简单快乐。 未剪辑，无加速，端到端策略一次完成。

Marc Andreessen 🇺🇸@pmarcaAI 评分2121

有意思。

Together AI 解析 99.9% 推理可用性背后的架构与 SLA 定义

Together AI 发文解释推理服务 99.9% 可用性的实际含义，自述为 Cursor、Decagon、Cartesia、Yutori 等团队提供推理。文章按层拆解故障模式（计算、网络、存储、软件），说明 99%、99.9%、99.99% 各等级分别要求抗节点故障、抗单数据中心故障和抗区域故障，强调多活双设施部署与自持基础设施的差异。

Arvind Narayanan 在 ICML 演讲：AI 能力提升后我们还能做什么工作

Princeton 的 Arvind Narayanan 在 ICML 首尔发表主题演讲“我们还能做什么工作”，并公布带注释版幻灯片，ICML 已于 2026 年 8 月放出视频。

Adam Brown 深入浅出讲解广义相对论：从爱因斯坦的“最快乐思想”到黑洞

Google DeepMind BlueShift 负责人 Adam Brown 在播客中深入浅出讲解广义相对论，从爱因斯坦“最快乐的思想”出发，解释引力为何是弯曲时空的产物而非一种力，并讲解黑洞为何无法被用来提取无限能量。节目最后还讨论了 AI 距离从零重新发现广义相对论还有多远。

Thinking Machines Lab 发文阐述以人为核心的 AI 发展路线

Thinking Machines Lab 发表文章，主张构建延伸人类意志与判断的 AI，认为当前多数模型集中训练后固化，未受使用者塑造。公司提出训练强模型、提供可微调模型权重的工具、开发原生多模态交互模型、发布研究等四个技术方向，并将对齐视为分散在多元模型生态中的持续过程。

Arvind Narayanan：AI 实验室如何通过向上游迁移逃离商品化陷阱并带来企业锁定风险

Arvind Narayanan 与 Akash Kapur 撰文提出，模型推理因产品同质化、转换成本低将走向商品化，按 5% 净利率计算需 16–32 万亿美元年收入才能收回 4–8 万亿美元基础设施投资，难以成立。

Sierra 复盘全公司 AI 智能体化：从并行 agent 到统一 Pinecone 的经验

Sierra 分享把全公司接入 AI 智能体的经验：工程团队用 git worktrees、Claude Code 和 Codex 并行跑 agent，部分任务产出达 5 倍，随后成立六人团队推进全员采用。

智能免费之后：面向智能体、由智能体运行、由智能体构建的数据系统

UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本正快速趋近于零——GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间，中位数约 50x。

Import AI 464：Fable 写出 KernelBench-Mega 最快 megakernel，AI 远程劳动自动化率八个月内翻两番

Import AI 464 期报道：Fable 在 RTX PRO 6000 Blackwell 上写出 CUDA megakernel，相比优化 PyTorch 基线取得 18.71X 加速。

Dwarkesh Patel 公布 AI 大问题征文大赛三篇获奖作品

Dwarkesh Patel 公布其 AI 大问题征文比赛的三篇获奖作品，比赛共收到超 600 篇投稿。

Sierra Ghostwriter 黑客松：30 人用 AI 智能体三小时完成原本半年的工作

Sierra 举办 Ghostwriter 黑客松，来自 17 家公司的 30 名参与者无论技术背景如何，都在活动结束前构建出可用的 AI 智能体。有参会者称三小时完成了原本需要六个月的工作，另一位来自 $2B+ 科技公司的参会者表示，把 Ghostwriter 指向知识库后，15 分钟就一次性生成了智能体。Sierra 总结的三大要点是：任何人都能成为"海盗"、通才回归、以及 10 倍员工。

Agent 元年第 500 天：GUI 退场、Headless 上位与 Agentic Economy 萌芽

真格基金「此话当真」与「十字路口」串台播客以"GUI 退场 → Headless 上位 → CLI 复兴 → Skills 封装 → Agentic Economy 萌芽"为主线，梳理 Agent 元年 500 天的变化。

Agent 元年第 500 天：GUI 退场、Headless 上位与 Agentic Economy 萌芽

真格基金「此话当真」与「十字路口」串台播客在 Agent 元年第 500 天复盘：从 Claude 3.5 Sonnet 支撑 Manus 爆火、Claude Code 刷屏，到 GUI 退场、Headless 上位、CLI 复兴、Skills 封装、Agentic Economy 萌芽。节目由 Koji、天杰与歸藏参与，源于真格投资总监钟天杰《我们也许不该再投资 GUI 思维的软件公司》一文。

Ethan Mollick：聊天机器人的黄昏，AI 使用正转向智能体

Ethan Mollick 撰文指出 AI 能力正以超指数速度提升，Opus 4.7 独立工作 14 小时完成相当于人类工程师 2-17 周的软件包，成本 251 美元 token，他自己的实验中 Fable 自主运行 9 小时完成复杂软件项目。

为什么专业化不可避免：优化理论、生物学、市场与机器学习给出同一答案

Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》，指出优化理论、演化生物学、竞争市场与机器学习都指向同一结论：专业化不可避免。

Interconnects 开放模型盘点：Zyphra、Cohere 和 Poolside 拓宽开源生态版图

Interconnects 第 22 期开放模型盘点指出，开源模型发布方正从少数（以中国为主的）玩家扩展为更多全球小众公司，并将发布者分为纯模型公司、大厂和产品公司三类。

Dwarkesh Patel：下一个突破将是 AI 在工作中学习

Dwarkesh Patel 撰文提出，实验室押注 RLVR 在数千环境中训练可通向 AGI，但仅在会话内学习不够，真正的下一个范式是让 AI 从部署后的真实经验中持续学习并回写到权重。

MIT 学者在《科学美国人》谈好奇心驱动科学为何是美国成功的关键

《科学美国人》6 月 16 日发布“The Young American Scientists”专题，MIT 校长 Sally Kornbluth 及多位师生校友撰文谈好奇心驱动科学。

Nathan Lambert：GLM-5.2 是开源智能体的台阶式跃迁

Nathan Lambert 撰文分析 Z.ai 于 6 月 13 日向 GLM Coding Plan 用户推出、6 月 16 日以 MIT 许可发布权重的 GLM-5.2，认为它是首个在编码工具链中作为通用智能体表现称职的开源权重模型。

Import AI 462：AI说服力超越人类专家、自我维持AI时间线与DeepMind探讨通向ASI的路径

Import AI 第462期报道多项研究：牛津、UK AISI、斯坦福与LSE的实验（4项研究、18,978段对话、6,923人）显示AI文本说服力稳定超越专家人类，Opus 4.1和Opus 4.6最强，AI为Save the Children募集真实捐款的效果约为专业募捐员的3倍；限制AI写作速度和长度可抹平差距。

Dwarkesh Patel：AI 进步的核心是数据黑洞，而非样本效率提升

Dwarkesh Patel 撰文指出，过去几年 AI 进步主要来自更多更好的数据与算力，而非训练样本效率的提升；RL 可视为一种合成数据生成，需要大量高度定制的人类专家轨迹和 rubric。

Steve Yegge 提出平坦曲线社会：前沿模型将被锁控，AI 素养成新工艺

Steve Yegge 撰文认为，随着 Fable 级模型因安全问题被美国政府短暂关闭，超级智能将在最多两三代模型之后被政府管控，多数人可用的大模型能力将呈现平台期。

Ada Palmer：马基雅维利是有史以来最被误解的思想家

历史学家 Ada Palmer 在 Dwarkesh Patel 播客中称马基雅维利是史上最被误解的思想家。她讲述马基雅维利曾任佛罗伦萨高级外交官，1513 年美第奇家族重掌佛罗伦萨后将其解职、拷打并流放，他随后写下《君主论》献给洛伦佐·迪·皮耶罗·德·美第奇。Palmer 还推出新播客，首季主题即为马基雅维利。

Sierra 博客：AI 在客户体验（CX）中的可能性探索

Vivid Seats 上线 AI 客服不到四周，问题解决率提升 40%、客户满意度提升 35%，CX 团队从处理排队转向根因修复和产品洞察。Wilson 的 AI 智能体可追问身高与偏好来推荐手套等具体产品，Minted 则用 AI 打通各客户平台识别趋势。Sierra 博客称客户对话正从成本项变为产品改进与业务增长的洞察来源。

Arvind Narayanan 论证 AI 为何没有也不会取代软件工程师

Arvind Narayanan 撰文认为现有证据足以否定 AI 达到某能力阈值就会引发大规模裁员的叙事。

Ethan Mollick 试用了首个 Mythos 级模型 Claude 5 Fable 后谈协作体验

Ethan Mollick 分享了他提前试用首个面向公众发布的 Mythos 级模型 Claude 5 Fable 的体验，认为其明显超越此前所有模型，单个提示词即可连续工作最多十二小时执行多页规格。

Ethan Mollick 宣布新书《Co-Existence》10月20日出版，探讨与有时比你强的 AI 共处

Ethan Mollick 宣布新书《Co-Existence》将于 10 月 20 日出版，主题是如何与有时但并非总是比你强的 AI 协作，现已开放预购。他自述每章草稿均亲自撰写，用 AI 做读者反馈和事实核查；新书网站用 Claude Code（Opus 4.8）几分钟建成，并专门为 AI 智能体提供版本，还用 OpenAI Codex 对多个模型做了 A/B 测试。

Dwarkesh Patel 对话 Alex Imas 与 Phil Trammell：AGI 之后什么仍然稀缺？

Google DeepMind AGI 经济学总监 Alex Imas 与 Epoch 经济学负责人 Phil Trammell 在 Dwarkesh Patel 播客中讨论 AGI 时代的经济学问题。Imas 认为，人类参与本身构成价值来源的"关系型部门"仍将稀缺，因为人类天然稀缺。两人还探讨了如何对 AI 财富征税与再分配、发展中国家如何参与 AI 供应链收益，以及资本份额是否会上升。

Sierra 谈结果定价：企业软件将从生产力工具转向按结果收费

Sierra 复盘其 2024 年 12 月提出的结果定价（outcome-based pricing）理念，指出自那以来 S&P 500 上涨约 30%，而代表 SaaS 指数的 WCLD 下跌约 15%，市场正在消化企业软件从团队生产力工具转向交付结果的 AI 智能体。

Steve Yegge：技术面试正在消亡，campfire 模式将取而代之

Steve Yegge 撰文称运行了约50年的技术面试流程正在走向消亡，AI 辅助简历、AI 作弊和岗位快速变化正让传统评估体系失效。他结合在 Amazon 担任 Bar Raiser 和 Google 招聘委员会的经历指出面试结果统计上很差，主张用实习、co-op 等临时雇佣以及他称为 campfire 的付费真实工作试用替代面试，并让候选人的工作成果形成可携带的记录。

Sierra 工程师复盘如何用 AI 智能体独自完成产品本地化

Sierra 工程师 Stephen Burgess 复盘用 AI 编码智能体在不到四个月内基本独自完成 Agent Studio 本地化，而他在 Slack 参与的同类项目曾需 10 人团队耗时 9 到 12 个月支持 4 个语言。

Ethan Mollick 谈选择保持人类思考，AI 使用应有意而非默认依赖

Ethan Mollick 撰文讨论 AI 无处不在的写作与认知投降风险，指出无脑依赖 AI 会削弱思考与学习。他引用土耳其约千名高中生的实验，用普通 ChatGPT 做作业的学生考试成绩反而低于无 AI 组；而台北十所高中近千名学生的 Python 课程中，AI 导师个性化出题让学生在无 AI 期末考试中高出 0.15 个标准差，相当于六到九个月额外学业。