AI观点与趋势

Karpathy的六大范式转变，藏着普通人抓住AI红利的关键线索。2025年AI最大的变化不是模型变大，而是玩法变了：RLVR让模型学会"多想一会儿"、锯齿状智能让基准测试不再可信、上下文工程成为新护

黄仁勋在剑桥说，智力，马上就要比自来水还廉价。 那么，当"聪明"不再稀缺之后，做AI的人，该拼什么？

这5家公司有个很明显的共同点。 传统做法是：我有搜索能力、编程能力、语音生成能力，你买我的能力，然后自己去完成任务。 这5家的做法是：你告诉我要什么结果，我直接交付。 这个逻辑变化其实很关键。这也

我想先告诉你一个很多人没意识到的事实：这场竞争的本质，根本不是"谁的模型更聪明"。 如果只是比谁的参数多、谁的跑分高，那这场仗早就打完了，国产模型基本都是追赶者的姿态。但现实是，战场远比这复杂得多。

2026最值得关注的5个AI博主，涵盖了商业、认知、研发等等多个领域的一手信息，想要全面认知AI必看

被一众“技术大牛”嘲讽的Manus，用它对于市场和用户的理解，与绝佳的上下文工程能力，3年时间做到了数十亿美金。加入Meta这艘大船后，Manus只会更有产品力，更有影响力。

在大模型已经表现出惊人能力的当下，制约我们做出划时代产品的往往不是能力，而是想象力。突破路径依赖，突破模仿人工的公式。

成本与精度的权衡，快手这次没做对。锅不单单在AI审核，背后脆弱的审核流程，高危熔断机制等，均有很大的问题。

Gemini3的UI设计能力如此够用的情况下，市面上的一众AIPPT应用，真的还有市场吗？他们的竞争力和护城河又在哪？

这两天，Gemini3 Pro被Google抽算力喂Flash，变傻了。 GPT 5.2嘛，火柴人游戏都做不明白。 反复横跳一圈，没想到又是只剩下了Claude Opus 4.5最稳

AI是放大器：输入垃圾，输出垃圾。决定你能走多远的不是模型多大，而是你的品味多好。先有判断，再用AI

如果模型是水，上下文工程就是船，水涨船高；自研模型是杆子，早晚被淹。起步阶段应该All-in上下文工程，用API快速验证。微调等则应在需求验证后进行。先造船，再考虑是否需要定制杆子。