Michael

[AYi @AYi_AInotes]

这是我看到过的最好的采访之一，感觉一个中国播客，把诺兰采访出了《纽约书评》的分量。。。

"独树不成林"的主播仲树老师，是波士顿学院政治哲学博士候选人，她跟诺兰的对谈视频，没有问"拍电影用什么器材""和演员怎么合作"这种通稿问题。

她第一个问题是：如果荷马是希腊文明上升���代的吟游诗人，你是不是站在文明黄昏时刻讲述英雄故事的现代荷马？

这个问题诺兰接了，

他从青铜时代的崩溃讲起，《奥德赛》的故事背景不是黄金时代，是一个文明刚刚崩塌后的世界。

特洛伊战争打完了，英雄们回不了家，宫殿烧了，秩序碎了。

而他上一部电影《奥本海默》讲的是另一种文明毁灭的可能——人类自己造出了能终结自己的东西。

这两部电影之间的逻辑线是同一条。

然后聊到赎罪。

希腊史诗里其实没有基督教意义上的"赎罪"这个概念。

诺兰是不是把它加进去了？他没有直接回答，但他把话题引向了xenia——希腊人的待客之道。

他把这个理解为文明的第一条法则：陌生人来了，你得给他吃的、给他住的，因为你不知道他是不是神变的。文明始于人和人之间的相互尊重，也会在这条法则被破坏时崩塌。

这话放在今天看，分量依然很重。

最打动我的是后半段，仲树问了一个特别好的问题：在一个不断要求伟大人物反省、道歉、自我批判的民主时代，电影还能不能毫无保留地表现伟大？

诺兰的回答大意是：你看穿了一种叙事机制，不代表它就失效了。

观众知道英雄叙事是怎么运作的，但这不妨碍他们仍然需要英雄，仍然会被伟大打动。

创作者要做的不是假装叙事不存在，而是利用观众已经熟悉的那些机制，去讲新的东西。

最后一个问题，关于诸神。

他们是真实存在的，是人的想象投射，还是柏拉图说的那种维持城邦秩序所必需的"高贵的谎言"？

诺兰说：对故事里的人来说，诸神就是现实。他们存在于人的内心，又被人投射到自然和世界之中。

我觉得这就是好的采访，不是主持人在炫技，也不是明星在背稿，

就是两个人真的在同一个问题上往深了走，走到了那些通稿永远不会触及的地方——文明、毁灭、赎罪、叙事、信仰。

而且这还是一个中文播客做的，

小宇宙音频已经发了，建议大家找个安静的时间听。

我觉得好的采访和好的电影一样，它不是给你答案的那种，它就是让你听完之后，坐在那里发一会儿呆的那种状态，很治愈很治愈～

[Yiyang Zhuge @ZhugeYY]

Here is my interview with Christopher Nolan: are you a bard for a civilization at dusk?

[Geoff Keighley @geoffkeighley]

Hats off to doctoral student and podcaster Zhong Shu in Beijing, China, who did this fascinating and smart interview with Christopher Nolan about THE ODYSSEY yesterday, originally posted to Bilibili.

A great listen/watch.

[Dan McAteer @daniel_mac8]

Codex users: here's an amazing way to take advantage of the efficiency and capability of GPT-5.6 Luna Max.

It's called 'sol-advisor'.

1. GPT-5.6 Sol High as orchestrator

2. GPT-5.6 Luna Max as implementer for routine tasks

3. GPT-5.6 Terra Max as implementer for complex tasks

4. Fresh GPT-5.6 Sol instance as reviewer

A free and open-source plugin for Codex. Installation instructions below 👇

I dare you to install it, and tell me if you hit your weekly usage limits using 'sol-advisor'. I doubt you can.

[Andrej Karpathy @karpathy]

We're starting to leave the territory where you'd test an LLM by e.g. "create an svg of pelican on a bicycle". As one idea to generalize it, I was interested what Opus 5 would do if I gave it the first paragraph of the Lord of the Rings, a 1M token budget (~$10) and asked for three js render of it. Opus went off for ~2 hours and wrote 5500 lines of code that (procedurally) rendered the story. It's kind of janky but fun. But it's a bit mindboggling that the LLM has to place and orchestrate various polygon assets in (x,y,z) coordinates and write code that animates it all, and that it even does anything at all.

I also like this kind of examples because no one in their right mind would ever spend the time to write something this custom but LLMs have all the stamina and patience in the world, so it's an example where we go from "no one would ever do this" to "sure, why not, it's ~free". There might be a lot more. But I'm excited about creating hyper custom worlds that you can imagine dropping players into, e.g. here to participate in the LoTR story as a spectator NPC, or one of the characters, or etc. Something like an ephemeral GTA of X on demand.

Last thought is that the domain of worlds/games exposes a weakness in LLMs: they can't easily audit their work because they aren't able to efficiently and natively perceive videos or play games within them. Here, Opus 5 had to very slowly and painstakingly take screenshots at different points, and it messed up a few times and created a bunch of jank. An example of raw capability (multimodal, gameplay) that I think is still quite lacking.

[黄白 @Hss1128_]

Seedance 2.5直出TVC，提示词堪比永乐大典。。。

[Michael @michael250807]

@xiaohu0x 请问下，怎么向creem官方证明我已接入审查api呢��—不然他们不会允许我接入creem支付的——不能把我的项目代码给他们看吧……

[宝玉 @dotey]

为了节约上下文 handoff 新开 Session，这在半年一年前是很好的实践，现在没太有必要，因为 codex 自己上下文压缩做的很好了，或者 /compact 一下继续就足够了。

当然如果关系不大的任务，还是新开 Session 更好。

当然除此之外 handoff 还是适用于跨 Agent session 的，比如 Claude Code 里面没完成的 session 让 Codex 继续。

不过我更习惯于 Claude Code 里面用 Fable 5 写技术方案文档，然后反复 Review、修改后把文档交给 Codex，配合 /goal 让它按照文档执行推进。

当然设置好严格的验收标准也很有必要，否则它会偷懒。

之前一个迁移任务没有设置验收标准，它就给我交付了一个差强人意的，离我要求的还有比较大差距。（参考图1）

重新加上了验收标准：UI 界面像素要和原版完全一致，那么它每一步都会截图对比像素差异，直到完全一致（或者可以��略的差异）

[Andy Jiang @davikrehalt]

@littmath @__alpoge__ GPT:
Take π: P¹ × Sym²(P¹) → Sym³(P¹), (p, {q,r}) ↦ {p,q,r}.
R be its ramification divisor;
H ⊂ Sym³(P¹) ≅ P³ be hyperplane tangent but not osculating to the small diagonal;
X := (P¹ × Sym²(P¹)) \ (R ∪ π⁻¹(H)) ≅ A³;
Y := Sym³(P¹) \ H ≅ A³.
π|X: X → Y is counterexample

[Hux @huxlab]

这28分钟视频直接把我点醒了。

Anthropic工程师说得很清楚：

“你不需要更好的提示词。你需要的是图工程：持久的记忆，这样你的代理永远不会忘记任何事情。”

他完整演示了Anthropic内部到底怎么搭agent、怎么组织工作流。

不是那种堆prompt的玩法，而是真正把记忆做成持久图谱，任务之间能互相引用、互相纠错。

比市面上那些收费agent课强太多了。

强烈建议存下来反复看。

[Xudong Han @Xudong07452910]

这篇普林斯顿博士论文，几乎把强化学习过去十年的两条主线串在了一起：

从博弈算法，一路走到世界模型。

作者 Zihan Ding，导师是 Chi Jin。整篇论文超过 300 页，汇集了博士期间八项研究工作，其中多项成果发表于 NeurIPS、ICML、ICLR 和 ICCV。

前半部分研究多智能体博弈：如何学习接近纳什均衡、难以被对手利用的策略，并把这些方法扩展到格斗游戏、多人博弈和真实网络负载均衡。

后半部分转向 Foundation Model 时代：扩散世界模型、生成模型策略、少步视频生成、可交互视频世界模型，以及支持长时预测的记忆机制。

这篇论文最有价值的地方是它记录了强化学习研究重心的一次迁移。

过去，RL 更关注如何在给定环境中学会行动。

现在，Agent 还需要借助生成模型建立对环境的理解，预测不同动作会带来什么未来，再据此规划和决策。

这里收录的也不只是零散的想法，而是一条经过多年研究和��篇顶会论文逐步铺开的路线。

很多论文告诉你某个方法如何提升一个指标。

这篇博士论文更像一张地图，让人看清强化学习如何从策略优化，走向对复杂世界的建模。

想系统理解 RL、世界模型和生成式 AI 之间的关系，这篇很值得完整读一遍。

📎 arxiv: https://t.co/M7rIJ6SKwO

[ali @waterloo_intern]

https://t.co/aivc7B4A7Z

[余温 @gkxspace]

卧槽，想靠 AI 视频接活赚钱的爽了！！！

居然真有产品解决了目前最大的问题：可控交付

品牌片、MV、短剧、产品广告，客户不会因为“这是 AI 做的”买单。

他们只看角色能不能演对、镜头能不能按要求走、人物细节够不够真实、整片风格能不能统一。

这也是 @TopviewAIhq 这次做 Film Studio 最牛逼的地方。

表演、摄影机、3D 调度、VFX、人物细节、色彩风格，全部放到同一张无限画布里让你自己导。
它是一套专门给 AI 电影创作者做可控镜头的电影级生成套件。

做一个漂亮 demo 越来越简单，但能把客户想要的镜头做出来的人，��能把钱赚了。

[Yanhua @yanhua1010]

pi 应该是目前最好的 agent 学习案例：78k star，TypeScript，架构分层极清晰，整个 agent loop 就一个文件 793 行。

我准备开一个“Agent 内核拆解”系列，把 pi / codex / grok-build 三个工业级 coding agent 的内核拆干净，顺便从零写一个能跑的 mini-agent。

欢迎关注。

[紀春生 @ji_chunsheng]

虽然喷了一晚上的媒体，但昨晚在白宫记者晚宴的最后，川普说到：

“我对这个房间，以及这个房间里的人，怀有极大的敬意。有时我觉得你们对我不太公平，也许你们觉得挺公平，我不知道，反正我没感觉到，但有时候你们对我确实非常公平。我对你们的职业非常敬重，你们的职业非常了不起。

我只想感谢你们邀请我，今晚很愉快，我遇到了很多非常棒的人。你们知道我常说一句话，从一开始我就在说，我做这一切只有一个原因，那就是让美国再次伟大（Make America Great Again），而这正是你们眼前正在发生的事情。

我们已经让美国再次伟大了，而且它还会变得更加伟大。

所以非常感谢大家，很荣幸能和你们在一起。谢谢。非常感谢。”

[Yanhua @yanhua1010]

Codex 现在真的会“带团队”了。

全新的 Multi-Agent V2 不只是多开几��� Agent：主 Agent 会拆任务、定边界、分配工作并验收，子 Agent 则并行调查和执行，最后统一交付。

OpenAI Codex DX 成员 Eric Provencher 推荐使用同一模型家族，只调整推理强度：
• Scout：GPT-5.6 Sol Light，定位文件、追踪代码路径、查找测试
• Worker：GPT-5.6 Sol Medium，实施限定范围的修改并运行检查
• Smart Worker：GPT-5.6 Sol High，处理困难实现和存在歧义的问题

他还把这套编排规则做成了一个 Skill⤵️，推荐大家学习参考。
https://t.co/IXdOusqud4

[Tibo @thsottiaux]

We’re celebrating the fast adoption of chatGPT Work and all the incredible effort that went into it today. I’m feeling like a limit reset.

Hold on tight to your ultra and /fast and see you in a few hours when I’m back at the laptop!

[PANews丨APP全面升级 @PANewsCN]

Sam Altman 为研究 TikTok，结果自己刷上瘾了

OpeanAi CEO Sam Altman在最新的访谈中分享了自己对 TikTok 的一次“实验”

为了研究 TikTok 为什么如此吸引人，他故意开始使用这款应用，原本以为自己可以控制每天只刷 10 分钟

但后来，他发现自己曾连续刷了 1 个小时，甚至一个周六下午刷了 3 个小时

Altman ���示，这段经历让他意识到，未来 AI 产品也可能拥有类似的吸引力。开发者不仅要创造强大的技术，也需要思考产品如何影响人的行为

来源：Ti Morse《Sam Altman - How to Start a Startup》

[投机实验室 @LabSpeculation]

马斯克18岁的时候在干嘛？

在加拿大打零工攒钱，割小麦，锯木头，清理锅炉房。

锅炉房的工作最危险，里面只有一条狭窄的通道通向外面，呆超过30分钟就可能会被热死，也没有什么安全措施。

马斯克得穿着防化服爬进煮纸浆的锅炉，把还在冒热气的沙子，残渣产出来，他唯一的保障，就是外面还有一个人盯着，两人每15分钟轮换一次。

但这份工作时薪有18美元，是普通工作的2倍还多，所以他选择干下去。

[Alpha哥AI投资日记 🌴 📈 @AlphaguyTrading]

去看了一下 Claude 的 Similarweb 数据，确实有点不对劲。

4 月访问量环比 +34.2%，5 月降到 +15.7%，6 月已经变成 -0.6%，基本不增长了。

单看网页流量，不能直接证明 Anthropic 的 ARR 出问题，毕竟 Claude Code、API 和企业客户不一定通过 https://t.co/h9XvZhADnU 使���。但这个趋势至少说明，Claude 面向普通用户的增长明显降温，表现很可能低于市场原本的高预期。

更麻烦的是，最近大模型价格战还在继续。GLM-5.2、Grok 4.5 等模型不断追近，价格却越来越低，企业也开始采用多模型路由，不再只绑定一家供应商。

用户增长放缓，模型价格下降，竞争对手越来越多。

Anthropic 接下来要证明的，不只是收入还在增长，而是它的 ARR 增速，能不能撑得住现在接近万亿美元的估值。