AI 高管脱离大众？Marissa Mayer 与 Sam Altman 的 AI 育儿言论引争议
TechCrunch 评论文章批评 AI 高管与普通大众脱节，以 Marissa Mayer 用新应用 Dazzle 生成女儿生日演讲要点、Sam Altman 称难以想象不用 ChatGPT 养育新生儿为例。
#大佬观点
TechCrunch · AIAI 评分3131 Simon WillisonAI 评分2525 OpenAI 的 Ted Sanders 解释模型命名规则：Luna < Terra < Sol < Astra
OpenAI 的 Ted Sanders 解释其模型命名规则：模型按 Luna < Terra < Sol < Astra 排序，规模越大性能与可靠性越高、每 token 成本越高、冷门事实召回越好。版本号同时表示发布顺序、与其他版本的关系和改进幅度，如 6.1 在 5.6 之后发布、与同代 6.1 共享训练数据和风格，但提升幅度不足以称为 7。
The Verge · AIAI 评分2525 Instagram 负责人 Adam Mosseri：围绕 AI 的负面情绪“还会更糟”
Instagram 负责人 Adam Mosseri 在 Colin and Samir 播客中表示，围绕 AI 的焦虑、沮丧与愤怒不仅正在加剧，未来几年还会继续恶化，部分有理、部分无据。他称 Instagram 不会区别对待 AI 创作者，但承认 AI 内容的排序质量可能不如非 AI 内容，并已开始要求 AI 账号自行标注。他认为人们的担忧归根结底是害怕在某种程度上被落下。
Latent SpaceAI 评分5858 为什么智能体偏爱 Supabase：与 Paul Copplestone 和 Ant Wilson 的对谈
Latent Space 与 Supabase 创始人 Paul Copplestone、Ant Wilson 首次同台对谈，讨论为什么智能体偏爱 Supabase 作为应用后端。
Simon WillisonAI 评分6767 氛围编程做游戏在 2026 年 10 月迎来拐点
Simon Willison 认为 2026 年 10 月是氛围编程做游戏的一个拐点，Claude Opus 5.5 在 3D 建模、音乐生成和游戏设计上都有明显进步，他让模型把游戏改得更有趣，结果确实做到了。
The DecoderAI 评分4242 Anthropic 工程经理 Felix Rieseberg 谈为何取消传统编程面试：AI 时代创业思维比资历更重要
Anthropic 工程经理 Felix Rieseberg 取消了团队的传统编程面试，认为 Claude 完成小型编程任务的表现已优于候选人，测试分数不再能预测谁是优秀开发者。他主张新人应借助 AI 低成本做出原型、直接对齐业务目标，并以两位工程师用一个周末做出 Claude Code 图形界面、约 8 天后发布首个公开版本为例。
Simon WillisonAI 评分2222 Terk Terkowitz：AI 工具帮不上你的工作，是一种发现而非失败
Terk Terkowitz 在亚马逊工程领导层关于 AI 时代开发者角色的更新中表示，如果当前 AI 工具无法让工作受益，这是一种发现而非失败。他建议记录原因、与同行社区分享、反馈给管理者并共同寻找解决方案。能说明 AI 尚未在何处帮助自己工作的工程师，正展现出所期望的判断力。
OpenAI NewsAI 评分2222 OpenAI 探讨 AI 如何进入企业组织架构
OpenAI 发文探讨 AI 可能以何种方式进入企业组织架构，落在人类之下、之侧与之间。文章以“公司的未来”为题，讨论 AI 在组织中的位置安排，未披露具体模型、产品或发布时间。
Latent SpaceAI 评分5858 Anthropic 如何用 Claude 造 Claude：把大脑和手分开
Latent Space 访谈 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang，复盘 Opus 5.5 的发布流程与 Claude Managed Agents 的架构设计。
Latent SpaceAI 评分6262 Anthropic 如何安全交付全球第一的 LLM：把大脑与手分开
Latent Space 播客邀请 Anthropic 的 Katelyn Lesse 和 Angela Jiang 讲解 Claude 平台背后的工程实践，包括 Opus 5.5 的发布、把模型的大脑与智能体的手分离、API 扩容以及构建可靠的托管智能体。节目还介绍了 Anthropic 的 S-1、改进与投资循环，以及用 Rust 重建 Messages API、凭证与沙箱隔离等话题。
MIT Technology Review · AIAI 评分6565 真正的 Anthropic 究竟是谁
MIT Technology Review 评论 Anthropic 提交的 335 页 IPO 招股书，指出其中约 100 页在讲风险，并警告其技术可能侵蚀信任、危害社会甚至带来灾难性风险。
MIT Technology Review · AIAI 评分3434 对 AI 安全灾难的关注，掩盖了日常性伤害
MIT Technology Review 评论指出，业界把"聊天机器人不鼓励自杀""限制儿童购买芬太尼"这类底线保护当作成功，却回避产品日常造成的依赖与认知侵蚀。
MIT Technology Review · AIAI 评分2222 如何设计一套可持续演进的 AI 服务框架
EXL 在《Engineering the Harness》系列中探讨企业 AI 的生产化挑战：决定竞争力的不再是选哪个模型，而是围绕模型构建的服务框架，涵盖架构、内存管理、调度与推理优化。文章主张从工作负载而非模型出发，先测量再优化，并指出 KV cache 随并发与上下文增长会先耗尽 GPU 显存，此时单纯加算力只会让低效系统更贵。
MIT Technology Review · AIAI 评分1818 Celonis 首席科学家 Devavrat Shah 谈企业 AI 为何需要上下文感知
Celonis 企业 AI 首席科学家 Devavrat Shah 提出"决策智能"，主张把 AI 接入企业既有流程与数据，让智能体理解每项任务在决策中的角色和业务约束。他建议企业从某个具体业务决策入手，找出最难的环节测试 AI 能否提速并衡量价值，再决定是否规模化。缺乏运营上下文时，智能体可能忽略约束、犯错或耗费过多算力。
Microsoft ResearchAI 评分3131 微软研究院播客：AI 会犯哪些错，失败又能教我们什么
微软研究院播客中，partner research manager Jennifer Neville 与首席应用科学家 Chad Atalla 对谈，讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。Neville 还分享使用当前 AI 系统的实用建议，并强调结果偏离预期时细查数据的重要性。
Berkeley AI ResearchAI 评分3636 智能免费之后怎么办？面向智能体、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 降至如今不足 $1，部分厂商已低于 $0.10。