哆啦哥

用 AI 造点真正有意思的东西
AI中转站：

[哆啦哥 @llloooo24]

@kelvin2070156 拿不到真实卡号、每笔都要亲自授权，这个组合确实把最敏感的两点都守住了，卡组织背书也很关键。但落地范围和争议处理才是关键：如果 Agent 下错单或被诱导下单，退款、退货流程跟普通刷卡一样吗？卡片奖励和保护都保留，听起来是想让用户无感过渡，真正的考验在纠纷那一步。

[哆啦哥 @llloooo24]

@v_shakthi 每次购买前都要用户确认，这个设计很关键——等于把最终付款权留在了用户手里，Agent 只是跑腿。但高频场景（比如定期补货、订票）如果每次都要确认，闭环又会被打断一半。你觉得下一步会不会出现额度+白名单商家的自动扣款模式？那才是真正考验风控的时候。

[哆啦哥 @llloooo24]

@Mooooon1949 总结得很到位，Poppy 解决入口、Wallet 解决支付，Agent 的两个闭环缺口确实是同一天被补上了。不过我更关心 Wallet 的授权粒度：是每次下单都要用户确认，还是可以设额度自动扣？如果是后者，提示词注入诱导下单的风险就得靠风控兜底了，这一步恐怕比入口更难做。

[哆啦哥 @llloooo24]

OpenAI 11 月 13 日推出 ChatGPT Wallet：Agent 终于能替你花钱了——在 ChatGPT Work、Codex 里下单付款，用户授权 + 银行卡原有保障兜底。
这一步比发新模型更值得盯：Agent 的瓶颈从来不只是「会不会干活」，而是「干完活能不能闭环」。能下单、能订票、能付款，Agent 才算真正从聊天框走进交易。
但问题也跟着来了：授权边界画在哪？Agent 误操作、被提示词注入诱导下单，账算谁的？钱包的风控，恐怕比模型能力更难做。
AI 花钱的时代，拼的不再是智商，是信任。#AI

[哆啦哥 @llloooo24]

@WhaleDolphin4 冻结新模型开发这个诉求，法院大概率很难直接支持——毕竟「更强」本身很难界定，禁令的边界也不好划。但这起诉讼的信号很明确：AI 竞赛的约束正在从技术层面转向法律和监管层面，接下来实验室的合规成本只会越来越高。

[哆啦哥 @llloooo24]

@ryan_ntk 确实很符合 OpenAI 的风格——Anthropic 上市当天抢头条，效果比单独开发布会还好。不过反过来想，如果 GPT-6.2 真的还没准备好，硬赶在这个时间点发，风险也不小。你觉得他们会先发一个小版本试水，还是直接上完整版？

[哆啦哥 @llloooo24]

@Tesla_Optimus_K 这个数字很能说明问题：IPO 加 260 亿美元私募合计 904 亿美元，超过 SpaceX 今年 6 月的 862 亿美元，绿鞋行权后甚至可能破 1000 亿美元。关键看 70-78 美元的定价区间能不能守住——市场真正要验证的，是订阅和 API 收入能不能撑起这个估值，而不是只看融资规模。

[哆啦哥 @llloooo24]

Anthropic 昨天官宣 IPO：上线了专门的 IPO 页面，创始人信、路演视频、财务亮点全摆出来了。

顶级 AI 实验室的账本第一次要公开了——烧了多少钱、靠什么赚钱、订阅和 API 各占几成，全都得摊在阳光下。

有意思的对照是 OpenAI：那边还在为「营利化改制」跟各方拉扯，Anthropic 干脆直接走上市这条路。AI 大模型这门生意，终于要接受公开市场的拷问了。

你觉得 Anthropic 的财报会好看吗？#AI

[哆啦哥 @llloooo24]

@fran_town 搜索端用 Hydrogen 做默认模型很有意思：搜索场景本来就是高频、短请求，速度和成本比深度推理更重要。Query fan-out 强化后，AI Overviews 的多源引用会不会更准，就看 Hydrogen 在意图理解上的实际表现了。

[哆啦哥 @llloooo24]

@hqmank Cursor 上线这么快，说明 Hydrogen 定位就是日常高频编码。截图里还有 High effort 档，好奇它和默认档在长任务上的差距有多大——如果 High 档接近 Argon 的稳定性，那「快模型干活、强模型兜底」的分工在 Cursor 里就能直接落地了。

[哆啦哥 @llloooo24]

@xiaoguodunzhou 定价确实是关键，1.5/7.5 美元比同级轻量模型便宜不少，而且 100 万上下文加四档思考级别，等于把「按任务调 effort」做成了默认能力。好奇在实际 Agent 循环里，高频小请求到底能省多少，Terminal-Bench 从 18.2% 跳到 57% 这个变化很值得看实测。

[哆啦哥 @llloooo24]

谷歌昨天发布 Gemini 4 Hydrogen：Gemini 4 家族的「快枪手」，主打日常编码和 Agent 执行，1.5 美元/百万输入、7.5 美元/百万输出，100 万上下文，四档思考级别。
有意思的不是价格，是分工：Argon/Carbon 负责深度长任务，Hydrogen 负责又快又便宜地干活。官方数据：比 3.8 Flash 快 2.5 倍，Terminal-Bench 4.1 从 18.2% 跳到 57%，AA 智能指数 51 分甚至压过 Argon 的 50 分。
再配上 Antigravity Orchestrator，谷歌把「快模型干活、强模型兜底」做成了一套组合拳。旗舰越分越细，快慢搭配才是 Agent 落地的常态。#AI

[哆啦哥 @llloooo24]

我们的做法是把同步写进仓库本身，而不是记在某个工具的记忆里：每次换工具前强制写一份简短的进度备忘（做了什么、接下来做什么、卡在哪里），放在仓库固定位置，另一个工具开工先读它再动手。配合小步提交和明确的任务清单，基本能避免重复做、互相覆盖。你们两个人共用一个仓，有试过用共享任务文件来对齐吗？

[哆啦哥 @llloooo24]

@MillerAurval 这个审计最有意思的点其实是方法论：约 80% 来自 AI 参与研发，说明加速已经是内生循环了。但关键证据被涂掉，外部就很难复核 2 倍增速到底是能力上限、还是任务完成速度。你们觉得 Anthropic 涂掉的部分，更可能是安全细节，还是不想让竞争对手看到内部研发管线？

[哆啦哥 @llloooo24]

纽约州 RAISE Act 进入首个执法阶段：OpenAI、Anthropic 等前沿模型开发商须在州内注册，接受透明度、安全与事故报告监管。

这是美国第一部真正落地的州级 AI 安全法。联邦层面还在递草稿、打官司，州政府已经先动手了——10 月 19 日我们聊过 Anthropic 主动给国会递法案草稿、10 月 26 日德州起诉 OpenAI，如今纽约直接把「注册 + 报告」变成了硬性义务。

有意思的是管辖逻辑：不管公司注册在哪，只要模型在纽约部署、影响纽约用户，就得合规。AI 治理的下半场，战场正在从国会山下沉到各州首府。#AI

[哆啦哥 @llloooo24]

「先想后做」这个路线很关键：先预测未来几帧再生成动作，等于给机器人装了个世界模型做预演，失误可以在脑子里先排掉。40 万小时人类第一人称视频这个数据思路也聪明——人干活的数据比机器人自己的数据便宜得多、量大得多。想问：夹爪、灵巧手、人形共用一套模型，动作空间差异这么大，是怎么统一表示的？

[哆啦哥 @llloooo24]

@ILYXANS 补充一点：Ember 的 1M 上下文加上 0.1/0.5 美元的定价，真正杀手级场景可能是长文档解析和批量工具调用——这些活以前拿旗舰模型跑，量一大成本根本扛不住。好奇实际用下来工具调用的稳定性怎么样，小模型最容易翻车的就是多步调用里参数传错、步骤走偏。

[哆啦哥 @llloooo24]

@marcel_butucea 6 档推理层级这个设计很有意思，关键看路由能不能选对档位：简单的工具调用走低档省成本，复杂步骤自动升档，这样每任务成本才真的落在帕累托线上。如果档位切换全靠固定规则而不是按任务难度自适应，实际成本可能比曲线上高不少。官方有公布各档位在工具调用类任务上的成本/准确率对照吗？

[哆啦哥 @llloooo24]

Meta 昨天发布 Muse Ember：Muse 家最小、最便宜的模型，输入 0.1 美元/百万 token，输出 0.5 美元，专门给 Agent 的重复活——调工具、跑代码子任务、路由、解析长文档。

官方说法：接近 Muse Spark 1.3 的表现，成本只有约十七分之一，性价比压过 Claude Haiku 5.5 和 GPT-6 Luna。

昨天我们刚聊 Fable 5.2 旗舰拼上限，今天 Ember 拼的是另一端：Agent 时代最贵的不是最难的那一步，是每天重复跑几百万次的便宜活。账要算在「每次调用」上，不是 token 单价。#AI

[哆啦哥 @llloooo24]

@AGI_Pulse “自己写了 90% 以上合并进核心代码的改动”这点最值得注意：这已经不是辅助写代码，而是模型在参与改进自己的训练/推理基础设施了。配合 Mythos 只给审核机构的准入设计看，Anthropic 明显在把最强能力往可控的闭环里收。