X 简报 · 2026-06-07 · 张腾甘的每日简报

🤖 AI/ML

@godofprompt：OpenAI 定制芯片项目的早期硬件成员转投 Anthropic，叠加近期多位基础设施和研究人才流入，说明前沿实验室的竞争正在从模型指标转向人才、算力和组织吸引力。 🔗 链接

@IntuitMachine：日本农民 Hiroki Tomiyasu 用 ChatGPT 和 Codex 自建温室通风、卫星田块监控、电气图和农场管理系统，AI 编程正在把小型经营者带进过去只有大公司能负担的自动化层级。 🔗 链接

@patrickc：Patrick Collison 描述了一类“LLM 工作流工具”的缺口：文件上下文、多人协作、提示词流程、代码代理和可保存产物需要被组织成像 Notion x 构建系统一样的工作台。 🔗 链接

@xiaohu：据称 OpenAI 正准备把 ChatGPT 改造成结合编码工具和 AI Agent 的“超级应用”，这代表 ChatGPT 的商业化重心可能从聊天入口转向工作流平台。 🔗 链接

@gdb：Greg Brockman 说自己不用 Codex 时通常是缺上下文、缺 skill 或没想到用，重点不是模型不能做，而是人类还没把任务环境整理到可代理执行的状态。 🔗 链接

@swyx：swyx 提出论文和发布会的“研究 alpha”正在被人才流动稀释，因为研究者可带走合法的隐性知识，California 的竞业限制环境可能比 GitHub、arXiv、Hugging Face 更影响知识扩散。 🔗 链接

@FinanceYF5：视觉 AI 的关键变化不是像素更好，而是从生成最终图片转向生成可编辑、可测试、可发布的视觉资产和源代码，这会把竞争焦点推向生产级工作流。 🔗 链接

@FinanceYF5：NVIDIA 发布面向长期运行 Agent 的 Nemotron 3 Ultra，550B MoE、55B 激活参数并宣称 Agent 任务成本下降 30%，开源模型继续向推理效率和 Agent 场景靠拢。 🔗 链接

@IntuitMachine：Carlos Perez 认为 Agentic AI 会把瓶颈从训练 GPU 推向长时间推理所需的 HBM/DRAM，因为企业 Agent 一旦进入运营流程，token 消耗会变成持续负载。 🔗 链接

@bindureddy：Bindu Reddy 称 Claude Mythos 可能高达每百万 token 400 美元，更期待 GPT 5.6 和 Gemini 3.5 这类更可用的模型，说明前沿模型开始面临“能力很强但经济性不足”的落地压力。 🔗 链接

@petergyang：Peter Yang 展示用 Codex 通过浏览器完成跨社媒发布 skill，处理 Substack、LinkedIn、Threads 字数和标签规则等细节，浏览器代理正在补上无 API 平台的自动化空白。 🔗 链接

@AravSrinivas：Perplexity 与 Intel 合作把本地模型和混合推理带到 Ultra Series 3 笔记本，AI PC 的方向正在从“本地能跑模型”走向端云协同的实际产品化。 🔗 链接

@CuiMao：有抖音用户测试称高德地图已在台湾多个主要城市显示红绿灯倒计时和车道级信号灯状态，这类地图能力如果持续扩展，会明显改变导航产品的本地化体验。 🔗 链接

@adcock_brett：Figure 创始人说三年前只有 2 台人形机器人、现在多到需要仓储空间，具身智能公司的问题正在从“能否演示”转向“如何批量制造和管理硬件 fleet”。 🔗 链接

📊 扫描 288 条 | 覆盖 23.4h | 精选 14 条