stanly lin

[马识途 @shitunote]

中美国情差异很大，以Token消耗为例 ，中文在线披露的一组数据：

国内所有Token消耗份额中，AI短剧与视频生���高居首位，占比达55%；电商和营销又占了24%；在美国列Token消耗第一的软件开发只有15% 。

2026年前8个月，中国上线了大约43万部微短剧，是去年全年的13倍，其中超过90%都使用了AI技术。全国微短剧用户已超过8亿，2025年���场规模突破1000亿元。

大西洋对岸美国的数据是这样的：美国58%的Token消耗用于编程开发和企业自动化。

一边在写代码、搞企业自动化，一边在拍短剧、做广告、卖东西。

有人称：AI时代，中国人再一次把火药做了烟花。

但我不这么认为，核心原因是：美国的企业端软件生态决定了做coding能赚很多钱，所以OpenAI放着那么多C端用户不培养也要去和Anthropic争coding市场；但在中国自始至终都没有形成很好的企业软件市场，在B端单纯靠coding市场很难赚钱，中国单纯靠去搞coding赚钱根本不现实。在C端娱乐市场，尤其是在AI生成视频这块，本身创意视频传播力就强，再加上用户广泛，所以比较繁荣，竞争也激烈。

[meng shao @shao__meng]

https://t.co/WJqomn4wg3

[Larus Canus @MrLarus]

🤯 用 Images 2.5 把唐宋诗词画活了！新中式插画真的太有味道了！

细线设色、青绿飞檐、云团树冠，连诗里的动作和故事都画出来了！

1. 游园不值：一枝红杏，越墙而出
2. 小池：荷尖初露，蜻蜓停驻
3. 清明：细雨古道，牧童遥指
4. 乌衣巷：旧宅飞燕，归入寻常

✨ 很适合古诗词海报、文旅视觉和传统文化设计参考！

提示词在评论区👇

[Gk @0xGky]

成天嘴上嚷着搞 AI，结果连 Transformer 到底是啥都讲不利索？

有个仓库够生猛，打零起步手搓一个 GPT，高级库一概不调。Attention、多头、前馈、Embedding、残差、Layer Norm，怎么拼到一块儿的全摊开给你瞧。而且不只模型，整条链子都在：

1️⃣ 数据下载、预处理、训练、生成一条龙走完
2️⃣ 训练数据拿 The Pile，22 个来源 825GB
3️⃣ tiktoken 分词，存进 HDF5
4️⃣ 预训练完还附上 SFT 和 RLHF 的路数
改几个配置就能调大小。13M 参数上下就开始拼对语法和单词，白蹭 Colab 或 Kaggle 的 T4，练一天就出货。

https://t.co/gvv9y31yvC

[sleepy @sleepy0x13]

OpenAI 把一位菲尔兹奖得主弄哭了，半夜哭到吵醒了自己的女儿。

看到《世界报》这篇报道，心情挺复杂的。

2022 年菲尔兹奖得主、法国数学家 Hugo Duminil-Copin，在 10 月 8 日的一场视频会议上公开讲了这件事。

两天前，OpenAI 一口气发布了 700 多篇数学论文，涉及 372 组研究成果，声称解决或推进了大量长期悬而未决的数学问题。

其中有 16 个问题，正好是他长期关注的研究方向。更夸张的是，针对其中一个问题，AI 连续写出了 13 篇论文，相当于把一整套研究计划一次性推进了下去。

他说了一句话：「他们摧毁了我的研究领域。」

他甚至在演示文稿里放了一张 AI 生成的图片，一只兔子被好几辆卡车碾���。他觉得 OpenAI 就是在向数学家展示，它有能力把整个领域碾过去。

当然，这批论文还没有全部得到独立验证，部分缺乏形式化证明，已经有 3 篇因为错误被撤回。但数学家们也承认，其中确实有相当惊人的成果。

Duminil-Copin 后来谈到自己为什么哭。

他想到的不光是自己，还有年轻数学家。

一个博士生可能花几年寻找一个值得研究的问题，再花几年尝试证明，围绕它建立自己的学术生涯。结果某天早晨醒来，一家 AI 公司突然发布了十几篇论文，告诉你这些问题已经有答案了。

更麻烦的是，过去数学界很重要的一种文化，就是大家愿意公开讨论尚未解决的问题。年轻人从前辈那里获得灵感，同行之间相互启发，很多研究就是这么开始的。

现在，一些数学家���经开始考虑不再公开自己的研究方向，因为这些问题很可能被 AI 公司收集起来，变成下一轮模型能力测试的题库。

AI 从人类长期积累的开放知识中获益，反过来却可能让科学家不敢再自由分享自己的想法。

而且数学可能只是最早遭遇这种冲击的学科。

以前讨论 AI 取代人类，我们总喜欢拿工作效率和经济价值说事。但对于真正热爱一门学科的人来说，研究过程本身就是他们生活的重要部分。

一家科技公司的模型迭代速度，开始影响一个博士生该如何选题、一位青年教授还能不能拿到研究经费，以及一个人愿不愿意继续把几十年的人生投入某个问题。

AI 当然应该继续推动科学进步。但如果科学发现越来越集中在少数几家公司的内部模型里，人类学术共同体又该如何维持？

[Xudong Han @Xudong07452910]

这篇我很推荐，尤其是现在做科研的人。

作者 Pierre Marion 提了一个很有意思的判断。LLM 如果真的把算公式、写代码、搜文献、做实验这些环节加速 10 倍甚至 100 倍，科研里最稀缺的东西会慢慢转向选什么问题、怎么建模、以及怎么判断结果有没有价值。

更值得警惕的是，AI 省下来的时间如果只是拿去发更多论文，最后很可能只是把 publish-or-perish 加速到失控。作者甚至直接判断，以论文数量和 h-index 为核心的评价体系正在失效。

作者最后给的方向是让 AI 扩大探索空间，把人的时间留给判断、品味、理解和培养下一代研究者。

以后科研能力可能像「你会不会驾驭一支极快的 AI 研究团队」，而不是一个人能亲手完成多少步骤。

文章：
https://t.co/xplstbYWVV

[Michael Guo @Michaelzsguo]

谷歌居然悄悄发布了一款 Mac AI 应用：Foresight，免费，不用订阅，完全在本地离线���行。

据说NotebookLM 是谷歌这几年最出彩的 AI 产品。那么Foresight很可能是第二个。 Foresight 的应用场景：帮你开会、记笔记，随时找到工作里需要的信息。

开会时，你只管认真听，随手记几个关键词，它会结合会议转录，把这些零散记录补成完整笔记。线上会议、面对面交流都能用。（我测试的时候在边上播放YouTube视频， 也一样能够转录）

把项目文件、参考资料和日历接进Foresight之后，它还能在会议中帮你查资料。聊到某个问题，自动找出相关内容，附上出处，省得一边开会一边翻文件。

Foresight背后用的是 EmbeddingGemma 2 和 Gemma 4：前者负责检索，后者结合资料生成回答。AI 推理完全在 Mac 上完成，会议音频、笔记和个人资料都留在自己的电脑里。

[何頻 @MJTVHoPin]

英國ITN公開約4小時塵封近35年的六四天安門影像。該素材當年由團隊秘密偷運出境，包含2小時的鎮壓紀實彙編，以及90分鐘事後暗訪原始鏡頭，完整記錄了當時北京街頭軍車開進、民眾聚集與動亂平息後的現場情景。

[小径残雪 @xiaojingcanxue]

梗图：突然发现，“你不生，有的是人生”中的“人生”是一个名词。

[霜雪 悟元 @WuyuanNeko]

别人说你应该尊重文科的学术成果
可它们的成果是：

[Truth @TENPHOENIX2018]

说是瞎说，但每一句都像是把未来三年的新闻提前写完了。

[Ding @dingyi]

我愿称之为史上最强 skills

https://t.co/PKMyj1Qd1s

[猛小蛇 @mengxiaoshe]

💥#网传 懂车帝一共买了六台车，三台用于测试，剩下三台全程在公证处监督下封存。
现在传公证处撕掉封条跑路🫪🫪🫪

[孙云冉.eth @sunyunran]

白人饭的魅力主要是省时还是健康？

[Xudong Han @Xudong07452910]

现在顶尖大学里教 Agent，已经开始一路教到 GPU 了。

非常推荐 Harvard 的 CS2680 Modern AI Systems 。课程从 Claude Code、Agent Loop、Eval 和 Token 成本开始，一路往下做到模型部署、Routing、KV Cache、量化和 speculative decoding。

作业设计也很有巧思，5 个作业都围着同一个 Agent 系统往下拆，先看它怎么工作，再自己搭 Harness，最后一路优化到推理层。

感觉它更像是在回答一个问题：

一个现代 AI Agent，到底是怎么从应用层一路跑到底层系统的？

做 Agent、Harness、AI Infra 的可以收藏。

https://t.co/zUUJPY4lyA

[RobinSeun_维京黑船 @RobinSeun]

格隆汇到底是啥背景啊，这么发都不被约谈么😂😂😂

[小径残雪 @xiaojingcanxue]

朱明勇：刑辩越来越魔幻了。

[哈哈哥 @crypto_daha]

尊界供应链给的是3000N，但是尊界做了让步的设计，���且明确已经告知过风险了，但是还是被签字确认了

[晓知以Ray @caoxiaolei]

中国出版界“异类”，也是为数不多在这个快节奏时代依然坚持做优质长文和慢阅读，读库全套2006～2025合集，推荐给你。自取：https://t.co/sh2FqM1AtS 提取码: rebh

[诺鸭船长3 @noahduck283]

晓辉博士可以说是我的 Claude 启蒙人了。年初刷到她聊起，有人用 Claude Code 搭了一套��习系统，通过了一个高等级法律考试，当时我直接就去注册了。真切感受到了 Claude 的精准而优雅，再一路进阶到 Claude Code，真的是梦开始的地方

1.可见信息差永远都存在。就像最近的“高性价比人生指南”，在 X 上刷到觉得眼前一亮，转头看到国内有人顺势拿来起号、引流甚至售卖，第一反应可能会觉得是在割韭菜。但静下心来想想，这东西对原本不知道的人来说，就是很有价值的，也确实能实实在在帮到一些人

2.这个起号速度，可见做 IP 很重要。国内确实难做，但非常值得做。说白了不管什么长尾效应、复利、IP，又或者那些乱七八糟的理论，总结说其实就是一句话：没有白走的路