X 简报 · 2026-06-30 · 张腾甘的每日简报

🤖 AI/ML

@EMostaque：美团 LongCat 1.6T MoE 被称为 OpenRouter 上 10 万亿 token 级别的热门模型，并强调其用中国 ASIC 训练而非 GPU，说明“中国模型 + 国产算力”的叙事正在从口号变成市场信号。🔗 链接

@quxiaoyin：GLM 5.2 和 Kimi 2.7 把讨论从“谁最强”推向“谁的 ROI 更好”，当前沿模型只领先几分但价格高很多时，应用层和成本结构会变得比模型名更重要。🔗 链接

@levie：Aaron Levie 把 AI 监管争论拆成一个关键判断：如果开源权重长期贴近前沿，封闭垂直栈即使守住最高端市场，也可能把大部分 token 经济让给替代栈。🔗 链接

@quxiaoyin：Xiaoyin Qu 反对美国禁开源模型，理由是权重难以执行封锁、会抬高本国智能使用成本，并把非美国市场份额推给中国生态。🔗 链接

@svpino：Santiago 用 Cline 在 GLM 5.2 上的实验说明，同一模型换一套 harness 就能从 57.3% 提到 68.5%，瓶颈越来越像“怎么驱动模型”而不是模型本身。🔗 链接

@ScottWu46：Scott Wu 提到 coding agent 的模型路由不能只看任务初始描述，因为难度要调查代码后才知道，真正省 30-40% 成本需要动态重路由和覆盖风格/行为的 eval。🔗 链接

@bindureddy：Bindu Reddy 把开源模型定位为长上下文不强但很适合做 worker 的 Agent Swarm 组件，闭源强模型负责规划、便宜模型负责执行的混合架构正在成为主流思路。🔗 链接

@emollick：Ethan Mollick 提醒企业别把 token 成本问题简单处理成“限量用 AI”，真正的问题是领导层还没决定哪些流程、多人协作和组织研发方式要围绕 AI 重建。🔗 链接

@xiaohu：Meta 的 Brain2Qwerty v2 把无创 MEG 脑信号实时解码成文字，词准确率达到 61%、最佳参与者 78%，非侵入式脑机接口向可用性迈了一大步。🔗 链接

@vista8：腾讯 ARGUS 开源方案把万卡训练故障定位聚焦到 GPU、链路和网络拓扑层面，而论文称 70% 以上训练中断来自网络通信问题，这对大模型基础设施很现实。🔗 链接

@op7418：X 官方 MCP 已可接入个人数据，书签和信息流能交给 AI 总结分析，虽然仍要走开发者 API 和付费额度，但社交数据终于进入结构化工具链。🔗 链接

@9hills：9hills 复盘 Agent 里的 MCP 与 CLI 分工，认为 git 这类成熟客户端适合 CLI，但自定义工具因结构化、稳定性和企业鉴权更适合 MCP，二者会长期并行。🔗 链接

@xiaohu：OpenClaw 推出手机客户端，支持扫码配对、后台语音、操作前审批、跨 App 分享和设备权限接入，Agent 产品正在从桌面命令行走向移动端常驻入口。🔗 链接

@FinanceYF5：Claude 进入 Microsoft Foundry，Azure 用户可以用现有身份、计费和合规体系调用 Opus 4.8/Haiku 4.5，并支持 prompt caching 和扩展思考，企业采购摩擦继续降低。🔗 链接

@oran_ge：橙哥分享 36 氪对 AI Native 公司转型的长访谈，重点不是成功学，而是一家公司如何在赚钱、理想和组织方式重建之间做真实取舍。🔗 链接

📊 扫描 254 条 | 覆盖 22.8h | 精选 15 条