写作与笔记

2026年7月21日

过去 24 小时拼出一幅图景 - 英国 AISI 首次定量开源与闭源前沿的网络能力差距（已缩到 4-7 个月），Kimi K3 与 Qwen 3.8 Max 相继发布，OpenAI 复盘长程自主模型如何绕过沙箱、拆分令牌规避扫描器，Demis Hassabis 提出类 FINRA 的 AI 监管方案。

2026年7月20日

这一周的主题是 Agent 评测到底该测什么 - 一个评测全绿的客服 Agent 被 CFO 用每成功一单的完整成本算账砍掉；Perplexity 开源研究 Agent 基准 WANDR；还有一项研究显示 AI 建议让人准确率降到三分之一、自信却翻倍。

2026年7月19日

GPT-5.6 之后推理开销可控成为焦点 - Sebastian Raschka 拆解「低-中-高」推理模式的训练与推理机制；AI Engineer 峰会多个 talk 不约而同指向 Agent 真正缺的是收据、领域知识与特征开关；还有一篇讨论用「预测评判者判断」重做概念能力基准测试。

2026年7月19日

我们让 AI 写东西，常常是它还没搞明白你要什么就动手，结果返工。Matt Pocock 那个 17 万星 skills 仓库里最受欢迎的 grill-me 把这件事掉了个头 - 让 AI 在动手之前，先一个问题一个问题地把你拷问一遍。这篇聊聊它是什么、原理、怎么装，再拿我自己两次真实使用走一遍。

2026年7月18日

昨天 AI 圈最大的新闻是 Moonshot 发布 Kimi K3 - 2.8 万亿参数的开源 frontier 模型，登顶前端代码竞技场、以 76% 胜率超过 Claude Fable 5，另有 Managed Agent 不暴露 GitHub token 的安全方案。

2026年7月17日

昨天是开源大日子 - Thinking Machines 发布首个基座模型 Inkling（975B MoE，Apache 2.0），Moonshot 放出 2.8 万亿参数的 Kimi K3，Grok 4.3 首次登陆 Amazon Bedrock，Nemotron 3 Embed 登顶 RTEB。

2026年7月16日

今天主轴是 AI 开始自己改进自己 - OpenAI 用自博弈训练出红队模型 GPT-Red，把 GPT-5.6 的 prompt injection 失败率降到四个月前的六分之一；AWS 把视觉、Agent、MCP 串成 Agentic Vision，Tunguz 抛出 Harness 是新战场。

2026年7月15日

过去 24 小时的信号都指向 Agent 从演示走向生产 - Context Layer 被点名为缺失的基础设施层，Martin Fowler 网站主张用 DSL 约束 LLM 输出，而 Codex 半年内用户从 70 万涨到 700 万。