https://bml.asia/tags/ai/ Recent content in AI on 苏然的博客 Hugo zh-CN Mon, 21 Sep 2026 23:48:34 +0800 https://bml.asia/posts/openai-anthropic-stress-test/ Mon, 21 Sep 2026 23:48:01 +0800 https://bml.asia/posts/openai-anthropic-stress-test/ <p><span style="text-indent:2em;display:block;">OpenAI 与 Anthropic 最近被曝正在洽谈一项具有法律约束力的协议，计划互相给对方的 AI 模型做压力测试，寻找漏洞和潜在危险，两家公司的律师都参与了条款磋商。拟议内容包括：双方只能拿到对方已商用模型的 API 访问权限，尚未发布的模型不在此列，并且承诺测试过程中不保留对方的数据，两家公司对此均不予置评，协议是否最终签署还是未知数。有意思的地方在于双方的身份，它们是前沿大模型领域最直接的竞争对手，就在去年 GPT-5 发布前夕，Anthropic 还以违反服务条款为由，切断过 OpenAI 借助 Claude Code 做对比测试的 API 访问，从互相封堵到主动把钥匙递给对方，这个转变的背后，是整个行业对模型安全日益加深的焦虑。</span></p> https://bml.asia/posts/openai-personal-ai-assistant/ Mon, 21 Sep 2026 23:24:45 +0800 https://bml.asia/posts/openai-personal-ai-assistant/ <p><span style="text-indent:2em;display:block;">OpenAI 正在开发一批新功能，目标是更直接地与 SpaceX 近期推出的 Grok Bot 掰手腕，同时还在讨论推出一个个人 AI 助手，去接 Meta 刚发布的 Muse 的招。这些产品据称主要基于现有 Codex 和 ChatGPT 里的智能体技术重新整合、包装，思路是连接邮箱、日历和其他应用，让助手自动完成预约、邮件沟通这类多步骤任务。消息本身不算石破天惊，但放在过去这两个月的语境里看，味道就完全不一样了。</span></p> https://bml.asia/posts/jev-judgment-model/ Mon, 21 Sep 2026 21:30:39 +0800 https://bml.asia/posts/jev-judgment-model/ <p><span style="text-indent:2em;display:block;">用惯了大模型的人，思维里都有一个默认前提：AI 的产出是文字，按生成的 token 数计费，写得多就贵，写得慢就等。最近一款叫 Jev 的模型把这个前提直接掀翻了。它不写文章、不写代码、不做解释，功能只有一个：判断。用法是给它一段材料和几个备选答案，它从中锁定一个选项，同时报出一个把握度的数字，整个输出就这么多。比如递进去一份财报材料和几个增速数字，问其中报的营收增速最接近哪个，它直接给出答案并附上把握度，吐出的内容还凑不满一句话。发布方 TypeSafe AI 的创始人在 OpenAI 待过四年，参与过 InstructGPT 那一代工作，团队给这个产品的定位很直白：把判断力单独做成一个品类，单独计价。一次判断不到 0.001 美元，因为不逐字生成，速度比常规大模型快几十倍。计价单位从字数变成次数，这件事听起来小，实际上把 AI 从一种“内容生产服务”变成了一种可以批量采购的“零件”。</span></p> https://bml.asia/posts/ai-pharma-scaling-law/ Mon, 21 Sep 2026 20:54:18 +0800 https://bml.asia/posts/ai-pharma-scaling-law/ <p><span style="text-indent:2em;display:block;">这两年 AI 圈里张口闭口都是 Scaling Law，算力加数据加参数，堆上去模型就变聪明，很多人的直觉是制药这件事也能照方抓药，模型再大一点，再堆一排 GPU，新药就会从显卡里掉出来。但制药的原料和其他行业不太一样，大语言模型吃的互联网文本可以无限爬取，而真正值钱的生物学数据——比如基因扰动后的细胞表型、多组学信号、患者对药物的真实响应——爬是爬不来的，只能一个实验一个实验做出来。数据不能爬，就只能造，这个差别决定了 AI 制药走的是另一条路。</span></p> https://bml.asia/posts/openclaw-web-search-setup/ Mon, 21 Sep 2026 03:32:01 +0800 https://bml.asia/posts/openclaw-web-search-setup/ <p><span style="text-indent:2em;display:block;">微信里的个人助手是 OpenClaw 接着云端大模型搭的，日常问答都挺顺手，唯独碰到时效性问题就露馅。问它一只股票的收盘价，它给出的数字往往是训练数据截止前后的旧货；问天气更是直接坦白自己离线。给它补上搜索能力，主流的路子都是外挂工具。后来翻阿里云百炼的文档才发现，其实根本不用这么绕：百炼在 OpenAI 兼容的 Chat Completions 协议里原生支持联网搜索，搜索发生在模型服务端，费用直接并进模型调用的账单。</span></p> https://bml.asia/posts/qwen-image-2-1-metax-day0/ Mon, 21 Sep 2026 00:33:36 +0800 https://bml.asia/posts/qwen-image-2-1-metax-day0/ <p><span style="text-indent:2em;display:block;">9 月 20 日晚上，阿里千问团队开源了图像生成模型 Qwen-Image-2.1，把文生图和图像编辑整合进一个 7B 的轻量模型里，权重在 GitHub、HuggingFace、ModelScope 三处同步放出。这条新闻本身够分量，但真正让我多看了几眼的是紧跟其后的第二条消息：沐曦股份宣布已完成对这个模型的 Day 0 适配，官方话术叫 “上线即适配”。模型开源当天就能在自家 GPU 上跑起来，这件事比它乍听上去要难得多，值得展开聊聊。</span></p> https://bml.asia/posts/vera-rubin-agentic-ai-compute/ Sun, 20 Sep 2026 17:50:42 +0800 https://bml.asia/posts/vera-rubin-agentic-ai-compute/ <p><span style="text-indent:2em;display:block;">读完英伟达副总裁 Ian Buck 关于 Vera Rubin 平台的演讲，最让我在意的不是新芯片本身，而是一组关于负载形态的对比数字。当年 Chat 模式的基准测试，模型输入大约只有 1K 词元；如今的 AgentX 基准里，平均输入规模已经涨到 142,000 词元，动态范围从 1K 一直延伸到 200K 以上，上下文缓存能装下 100 万词元，智能体单次任务的交互轮数可以冲到 65 轮。人类被从交互循环里拿掉之后，算力进入高频满载状态，纯数值层面的需求提升了 100 倍。这不是原来那点需求乘个系数的问题，而是负载从“问答”变成“委托”的结构性跃迁。</span></p> https://bml.asia/posts/ai-speed-vs-depth/ Sat, 19 Sep 2026 20:25:50 +0800 https://bml.asia/posts/ai-speed-vs-depth/ <p><span style="text-indent:2em;display:block;">周末闲来无事，我给自己出了一个小测试：把网络搜索关掉，只靠模型自身的认知来回答问题，同一个问题分别抛给网页版 AI 和我本地部署的 OpenClaw。原本没抱什么预期，权当消遣，结果却让我愣了几秒——网页版的回答明显更浅，几个需要推一步再推一步的问题，它轻飘飘地就绕了过去，而本地那个 OpenClaw 慢慢悠悠地把推理链条走完，答案反而更扎实。变数当然很多，模型版本、提示词、采样参数都可能影响结果，单次对比说明不了什么，但这个反转本身足够有意思了：按理说网页版背后是更新更快的旗舰模型，怎么反而比不过自己部署的这份开源实现？</span></p> https://bml.asia/posts/nand-flash-supercycle/ Fri, 18 Sep 2026 19:46:59 +0800 https://bml.asia/posts/nand-flash-supercycle/ <p><span style="text-indent:2em;display:block;">长鑫存储要来做 NAND 闪存了。这两天消息传得有鼻子有眼：它计划在北京新工厂搭一条 NAND 研发生产线。不少朋友的第一反应是“NAND 是个什么新东西”，其实恰恰相反，它可能是你用得最久的芯片之一——1987 年东芝的舛冈富士雄发明了 NAND 闪存，上世纪九十年代初就完成了商用，你的 U 盘、手机存储和固态硬盘里躺着的都是它。一项快四十岁的“老技术”突然让全球厂商集体上桌加注，这才是这条新闻真正值得琢磨的地方。</span></p> https://bml.asia/posts/solidigm-us-nand-fab/ Fri, 18 Sep 2026 17:14:34 +0800 https://bml.asia/posts/solidigm-us-nand-fab/ <p><span style="text-indent:2em;display:block;">9 月 18 日，路透社和韩联社先后放出消息，说 SK 海力士旗下子公司 Solidigm 正在评估美国东海岸的候选厂址，计划建设第一座属于自己的 NAND 闪存量产工厂。SK 海力士官方的口径很谨慎，只表示“正在评估多种方案以增强竞争力，目前尚无任何定论”。但这条新闻背后的信息量不小——Solidigm 的前身是英特尔的 NAND 业务，2021 年末被 SK 海力士以大约 90 亿美元收入囊中，这几年在美国只有总部和加州的研发中心，量产活儿一直靠大连工厂干，二厂要等到 2027 年上半年才量产。换句话说，一家挂着美国招牌的存储公司，手上居然一直没有美国本土的闪存量产线，这本身就是个耐人寻味的事实。</span></p> https://bml.asia/posts/ascend-960-hc2026/ Thu, 17 Sep 2026 19:21:22 +0800 https://bml.asia/posts/ascend-960-hc2026/ <p><span style="text-indent:2em;display:block;">9 月 17 日，华为全联接大会 2026 在上海开幕，轮值董事长汪涛在主题演讲里宣布了一个相当提节奏的消息：昇腾 960 芯片研发进度超出预期，性能实现倍增。其中面向训练场景的 960DT 比原计划提前三个季度，将在 2027 年一季度就绪；面向推理的 960PR 提前一个季度，2027 年三季度交付。把时间拨回去年 9 月的 HC2025，徐直军首次对外公布的三年路线图里，昇腾 960 原本排在 2027 年四季度。芯片研发的节点通常是倒排的，能把上市时间往前挪三个季度，这个动作本身比参数表更有说服力。</span></p> https://bml.asia/posts/glm-rsi-infra-agent/ Thu, 17 Sep 2026 19:08:18 +0800 https://bml.asia/posts/glm-rsi-infra-agent/ <p><span style="text-indent:2em;display:block;">如果有人告诉你，一套扛着生产流量的大模型推理系统，是另一个模型花两周时间调优出来的，你会不会觉得像段子？今天这件事成了官方口径，2026 年 9 月 17 日，智谱首席科学家唐杰在 X 上公布了团队在递归自我改进方向的首个工程化实践，由 GLM-5.3 驱动的 Infra Agent，用两周时间在超过 10 万颗国产 AI 加速器组成的集群上，完成了 GLM-5.3-Flash 推理基础设施的设计、调试与优化，从首次运行到稳定承载全部生产流量，端到端吞吐提升 3.2 倍。稍微补一下时间线，这个模型 8 月 26 日才以 MIT 协议开源，此前它顶着 Ox-Alpha 的匿名代号在 OpenCode 和 OpenRouter 上潜伏测试，六天处理了超过 62 万亿 token，一度成为两个平台上用量最高的模型之一。也就是说，一个刚刚开源、还在被社区评测的新模型，它的推理系统已经在很大程度上由另一个模型调优过了。</span></p> https://bml.asia/posts/agent-plan-vs-token-plan-harness/ Thu, 17 Sep 2026 17:44:36 +0800 https://bml.asia/posts/agent-plan-vs-token-plan-harness/ <p><span style="text-indent:2em;display:block;">最近翻阿里云百炼的文档，注意到 Token Plan 的 Harness 工具清单又变长了，联网搜索、代码解释器、网页抓取、以图搜图、文搜图，五个工具直接内置进 Qwen 模型，走 Responses API 调用就能自动触发，不用额外配置。上一次给我类似感觉的是火山引擎的 Agent Plan，今年 5 月 FORCE 大会发布时，它就把“模型加 Harness 打包订阅”当作核心卖点在讲，代码执行沙盒、豆包搜索、向量检索与记忆、垂直领域数据集一应俱全。两家一前一后往订阅包里塞工具，节奏几乎踩在同一个点上。</span></p> https://bml.asia/posts/why-model-companies-love-finance/ Thu, 17 Sep 2026 16:42:39 +0800 https://bml.asia/posts/why-model-companies-love-finance/ <p><span style="text-indent:2em;display:block;">9 月 17 日，月之暗面发布了 Kimi 金融行业解决方案，工商银行、中信建投、中金公司、易方达基金这些名字都出现在已落地名单里。方案里的数字挺唬人：投行和 PE 的财务建模从 5 到 7 人天压到 0.5 到 1 人天，行业深度研究从 10 到 20 天缩到 2 天左右，中信建投那个受托报告智能体，单份报告的人工投入直接降了 67%。这当然不是什么独家剧情，往前翻几个月，各家模型公司几乎都在金融行业摆开了阵仗，仿佛约好了似的。那么问题来了：全球的模型公司，为什么偏偏都爱往金融扎？</span></p> https://bml.asia/posts/implicit-logic-and-redundancy/ Thu, 17 Sep 2026 12:42:24 +0800 https://bml.asia/posts/implicit-logic-and-redundancy/ <p><span style="text-indent:2em;display:block;">现在写代码的人大概都有类似的体验：让 AI 生成一段补全，它给出的东西看起来头头是道，放进项目里一跑，不是缺了点什么，就是多了一堆没用的东西。差的这一口气，很多人归因于模型不够聪明，或者提示词没写好，但真正的根源往往藏在两个更底层的问题里——代码的隐性逻辑，和大模型生成结果里的冗余信息。</span></p> https://bml.asia/posts/oauth-agent-token-security/ Thu, 17 Sep 2026 04:30:56 +0800 https://bml.asia/posts/oauth-agent-token-security/ <p><span style="text-indent:2em;display:block;">过去十年，企业安全的注意力几乎全部压在邮件这一个入口上。钓鱼网关、附件拦截、防钓鱼培训，整套体系都建立在同一个假设之上：攻击者想进来，总得先骗过某个具体的人。这个假设在很长时间里是成立的，也确实拦住了绝大多数纯凭证类的攻击。但最近一两年，事情起了变化，真正危险的入侵往往不带任何恶意附件，也没有伪装链接，攻击者拿走的是一个本来就有效的 OAuth 令牌。</span></p> <p><span style="text-indent:2em;display:block;">令牌的麻烦在于几个特性叠加到了一起。访问令牌本身通常只有短时效，但配合离线刷新授权之后，一条刷新令牌可以长期续命；改密码、强制下线这些常规处置动作清掉的是会话，动不了已经发出去的刷新令牌。更尴尬的是，多数企业的员工根本看不到自己授权过哪些应用，自然也谈不上主动吊销。于是攻击路径被大幅缩短：不需要骗任何人点击，只要拿下一个被广泛授权的应用，或者诱导一次看似无害的授权，令牌就能在系统内部安静地读邮件、翻云盘，而这一切在日志里看起来都像合法流量。</span></p> <p><span style="text-indent:2em;display:block;">真正让这个问题变得紧迫的，是 AI Agent 的批量接入。企业里的 AI 办公工具走的也是同一条 OAuth 授权路径，而且权限往往给得更宽，读全部邮件、检索全域云盘、调取业务数据，样样都不缺。从权限模型上看，一个正常运行的 Agent 和一个入侵成功的攻击者持有完全相同的钥匙，差别只在意图。Agent 没有安全判断，一句模糊的指令、一次推理越界、一段精心构造的提示词注入，都可能让它在合法身份的掩护下复刻整套攻击动作：翻出邮件里的密钥和重置链接，再把内部数据同步到第三方平台。这类行为没有任何外部攻击者特征，也没有凭证泄露，传统的入侵检测很难给它打上标签。</span></p> https://bml.asia/posts/agent-governance-confidence-gap/ Thu, 17 Sep 2026 04:19:33 +0800 https://bml.asia/posts/agent-governance-confidence-gap/ <p><span style="text-indent:2em;display:block;">最近跟几个在业务里落地 AI Agent 的团队聊天，发现一个耐人寻味的共性：问起治理有没有把握，几乎所有人都说问题不大，安全可控、流程完备；但只要追问一句“具体靠什么机制兜底”，话头就会明显虚下来。有人说模型本身够聪明，有人说供应商承诺了安全对齐，还有人干脆把 hope 包装成 roadmap。这让我开始留意一个现象——组织对 Agent 可控性的信心，普遍跑在真实控制能力的前面，而且这个落差比大多数人愿意承认的要大。</span></p> https://bml.asia/posts/ai-agent-cognition/ Thu, 17 Sep 2026 03:58:26 +0800 https://bml.asia/posts/ai-agent-cognition/ <p><span style="text-indent:2em;display:block;">半夜睡醒上洗手间，人清醒得有点过分，脑子里不知道怎么就转到了 AI 上。这大半年一直在 AI Agent 领域里泡着，看的东西零零碎碎，正好趁这个没人打扰的点，把眼下对整个领域的认知捋一遍，权当给夜里这段清醒留个记号。</span></p> https://bml.asia/posts/ai-human-collaboration-over-automation/ Wed, 16 Sep 2026 21:22:37 +0800 https://bml.asia/posts/ai-human-collaboration-over-automation/ <p><span style="text-indent:2em;display:block;">这一年身边讨论最多的词就是 AI 提效，大家都在琢磨怎么用 Agent 把整条工作流串起来，一键下去自动跑完，人只管最后验收。规划、执行、自检、交付，一套 Agent 工作流被设计得环环相扣，仿佛只要编排得当，人就能从流程里彻底退场。热闹归热闹，我却拐去了另一个方向，琢磨 AI 的人机协同。倒不是我故意唱反调，而是我发现自己不太相信全自动化工作流这套东西，至少在当下这个阶段不太相信。原因说穿了很朴素：Agent 跑得再自动，产物最后还是得有人去审核。审核这一步根本省不掉，那所谓的一键全自动，不过是把问题往后攒，攒到最后一次性爆发。</span></p> https://bml.asia/posts/agent-query-mismatch/ Wed, 16 Sep 2026 21:08:20 +0800 https://bml.asia/posts/agent-query-mismatch/ <p><span style="text-indent:2em;display:block;">这段时间我养成了一个习惯，凡是要查资料、做调研，第一反应就是丢给 Agent。省事是真省事，交代一句需求就能等结果，可拿回来的东西经常让人皱眉：要么数据明显不准，出处可疑甚至对不上事实；要么冗余信息堆成山，真正想要的那两三行淹没在 SEO 味十足的内容农场文章里，筛选成本比自己动手搜还高。几次下来我不禁怀疑，问题可能不在调研这个动作本身。</span></p> https://bml.asia/posts/qoder-voucher-ends/ Wed, 16 Sep 2026 00:18:51 +0800 https://bml.asia/posts/qoder-voucher-ends/ <p><span style="text-indent:2em;display:block;">前几天翻到阿里云的一则公告，说从 2026-09-30 起，通用代金券将不再适用于 Qoder CN 产品的订购。乍一看只是促销规则里的一行小字，但把时间线拉长看，这件事其实是一个产品从烧钱换规模转向精细算账的标志性节点。Qoder CN 在 2025 年 9 月开启公测，2026 年 8 月正式开放全球订阅，眼下已经形成了一套相当完整的商业化体系：免费社区版提供基础补全和有限额度，订阅侧从 Pro 到 Pro+ 再到 Ultra，分别对应每月 20 美元、60 美元和 200 美元的预付 Credits，外加独立有效期、可叠加购买的加购资源包，以及面向团队的席位制企业版。</span></p> https://bml.asia/posts/opus-5-2-rsi-flywheel/ Tue, 15 Sep 2026 23:42:15 +0800 https://bml.asia/posts/opus-5-2-rsi-flywheel/ <p><span style="text-indent:2em;display:block;">9 月 15 日清晨，不少开发者在打开 Claude Code 时察觉到一丝异样：明明调用的是 Opus 5，响应速度却快得不像话，输出干净利落，长任务一口气跑到底，连困扰许久的“偷懒病”都像被治好了。有人顺手抓了个包，在请求状态里看到模型 slug 已经悄悄指向 Opus 5.2，也就是说，前端名字纹丝不动，背后跑的已经是新一代模型，甚至直接跳过了 5.1 这个版本号。Anthropic 没有发任何公告，灰度放量全凭用户自己撞见，这种“障眼法”在前沿大厂那里早已是常规操作，只是这一次被撞破得如此之快，多少透出几分竞速的意味。</span></p> https://bml.asia/posts/exploit-before-patch/ Tue, 15 Sep 2026 19:36:15 +0800 https://bml.asia/posts/exploit-before-patch/ <p><span style="text-indent:2em;display:block;">大家聊 AI，多半在聊它能帮我们写多少代码、省多少人力，很少有人把它和黑客联系在一起。但最近一组数字让我改了看法：一个漏洞（可以理解成软件里的暗门）从被公开到真的被人拿去攻击，2018 年平均要 63 天，安全团队有两个月的窗口期慢慢打补丁；2023 年缩短到 5 天；到了 2025 年平均是负 7 天——意思是很多攻击在厂商还没来得及发布补丁的时候，就已经准备好了。窗口期不是变短了，是没了。</span></p> https://bml.asia/posts/gates-foundation-1-billion-ai/ Tue, 15 Sep 2026 16:39:40 +0800 https://bml.asia/posts/gates-foundation-1-billion-ai/ <p><span style="text-indent:2em;display:block;">盖茨基金会今天在西雅图宣布，未来两年至少投入 10 亿美元，推动人工智能以及基于 AI 的解决方案更广泛、公平地惠及全球人群。同一天发布的第十份年度《目标守卫者报告》，标题起得相当直白——《创造改变——AI、公平与刻不容缓的抉择》。比尔·盖茨在报告里写了一段颇有紧迫感的话：如果人工智能得到妥善引导，它将让更多人获得那些长期以来遥不可及的解决方案、机会和知识；而未来 12 至 18 个月内围绕 AI 如何构建、如何获得资金支持、如何部署所作出的决定，将决定这项技术主要惠及已经拥有最多资源的人，还是能够触及最缺乏资源的人。一个做了二十多年全球公共卫生的基金会，把话说到“刻不容缓”这个份上，本身就值得琢磨。</span></p> https://bml.asia/posts/anthropic-economic-scenarios/ Tue, 15 Sep 2026 16:29:18 +0800 https://bml.asia/posts/anthropic-economic-scenarios/ <p><span style="text-indent:2em;display:block;">刷到 Anthropic 经济学团队上线 AI 经济情景模型 v1.0 的消息时，我的第一反应是这家公司又在给自己加戏，一个做模型的公司跑去推演宏观经济，怎么看都像是不务正业。点进去看完才明白，他们做的事情其实相当克制：不是预言，而是搭了一个任何人都能去拨弄的交互工具，把 AI 对就业、增长和薪资的影响量化成几组参数，然后老老实实地摆出三种可能的未来。这种做法比市面上那些言之凿凿的预测有意思得多，因为它承认了一件事，答案不是算出来的，是选择出来的。</span></p> https://bml.asia/posts/claude-for-financial-advisors/ Tue, 15 Sep 2026 00:24:56 +0800 https://bml.asia/posts/claude-for-financial-advisors/ <p><span style="text-indent:2em;display:block;">做理财顾问这一行的人，都逃不开一个尴尬的现实：按 Kitces 的研究，他们只有大约六分之一的工作时间真正花在客户会议上，其余的时间都在各个系统之间来回搬运数据、准备会议材料、写纪要和跟进邮件。客户资产数据躺在托管机构的后台里，会议记录散落在 CRM 和邮箱深处，另类投资的持仓又锁在另一个平台，想给一个家庭做一次像样的年度回顾，光是凑齐信息就要忙活大半天。9 月 14 日，Anthropic 在 Future Proof 财富管理节上发布 Claude for Financial Advisors，瞄准的正是这块被行政事务吃掉的时间。</span></p> https://bml.asia/posts/deepseek-cfo-ipo/ Mon, 14 Sep 2026 16:08:08 +0800 https://bml.asia/posts/deepseek-cfo-ipo/ <p><span style="text-indent:2em;display:block;">大模型公司 DeepSeek 有了新动向。据 TOP 华人科创社消息，高瓴创投 90 后合伙人严文韬或将出任公司首席财务官，目前已在高瓴内部启动离职流程，预计近期到岗。而就在三天前，路透社报道这家公司聘请中信证券筹备科创板 IPO，按市场传闻的时间表，2027 年正式挂牌。两件事前后脚出现，指向同一个判断——这家以工程师文化著称、此前对资本保持距离的公司，正在认真准备走向公开市场。</span></p> https://bml.asia/posts/mlcc-ai-server/ Mon, 14 Sep 2026 14:39:26 +0800 https://bml.asia/posts/mlcc-ai-server/ <p><span style="text-indent:2em;display:block;">把陶瓷介质层和金属电极一层层交替堆叠、再高温烧结，就能得到米粒大小的一颗芯片，这就是 MLCC——多层陶瓷电容器，最典型不过的被动元件。由于几乎任何电子产品都离不开它，业内习惯称之为“电子工业大米”，一部手机里上千颗，一辆高端新能源车一万多颗，而现在最消耗它的，变成了 AI 服务器。景气度上，村田制作所副社长南出雅范前不久在日经新闻的访谈里说 MLCC 至少能旺到 2028 年，公司还在评估一轮比以往更“大胆”的扩产。</span></p> https://bml.asia/posts/rsi-recursive-self-improvement/ Mon, 14 Sep 2026 01:35:55 +0800 https://bml.asia/posts/rsi-recursive-self-improvement/ <p><span style="text-indent:2em;display:block;">RSI 这三个字母，炒股的人多半会先想到相对强弱指标，但最近 AI 圈热议的 RSI 与 K 线图毫无关系，它指 Recursive Self-Improvement，AI 的递归自我改进。这个话题热起来，源自 Dwarkesh Patel 的一期对谈节目：OpenAI 联合创始人、现已跳到 Thinking Machines 担任首席科学家的 John Schulman，Zyphra 的 CTO Beren Millidge，以及 Baseten 模型训练负责人 Charlie O&rsquo;Neill，三位一线研究者围着同一个问题展开讨论——我们距离 AI 自己改进自己还有多远。他们的答案彼此打架，但正因为来自一线，这些分歧比任何宏大展望都更值得认真对待。</span></p> https://bml.asia/posts/skyworth-google-smart-home-future/ Sun, 13 Sep 2026 01:48:16 +0800 https://bml.asia/posts/skyworth-google-smart-home-future/ <p><span style="text-indent:2em;display:block;">9 月 11 日的业绩说明会上，创维数字确认了一件事：公司与 Google Asia Pacific Pte. Ltd. 正式签署了《智能家居合作协议》，作为 Google 授权的智能家居合作伙伴及服务授权经销商，基于 Google Home 平台与 Gemini AI 大模型开展深度协同。双方首批合作产品包括 Gemini 智能音箱、带摄像头的智能门铃、室内摄像头、户外摄像头以及带泛光灯的户外摄像头，将面向欧洲 14 个国家推出创维旗下品牌、兼容 Google Home 平台的产品。这则新闻的看点不在于又一家公司接入了大模型，而在于中国硬件品牌第一次以这种深度身份站进了谷歌的 AI 智能家居生态。</span></p> https://bml.asia/posts/amodei-pace-the-frontier/ Sun, 13 Sep 2026 01:40:32 +0800 https://bml.asia/posts/amodei-pace-the-frontier/ <p><span style="text-indent:2em;display:block;">9 月 12 日这天，身为 Anthropic 首席执行官的 Dario Amodei 在官方博客发表长文《We Must Pace the Frontier》，核心主张一句话就能说完：这个行业必须放慢新模型能力的提升速度。由他亲口说出来多少有些黑色幽默，毕竟 Anthropic 自己就是冲得最快的那几家之一，而 Claude 系列的每一次迭代都在刷新行业基准，跑去呼吁全行业踩刹车，怎么看都像是老烟枪劝人戒烟。但恰恰因为说话的人是亲手把模型造出来的掌门人，这份呼吁才显得格外刺耳，也格外有分量。他列举的理由有两个：一个是 AI 已经展现出自我改进的能力，另一个则指向今年夏天那场让整个硅谷心有余悸的奇特大事故，两件事叠加，让他认定再不减速就来不及了。</span></p> https://bml.asia/posts/altman-backs-pace-the-frontier/ Sun, 13 Sep 2026 01:26:52 +0800 https://bml.asia/posts/altman-backs-pace-the-frontier/ <p><span style="text-indent:2em;display:block;">周六早上刷到一条多少有点魔幻的消息：Anthropic 的 CEO Dario Amodei 发了一篇长文，标题就叫《We Must Pace the Frontier》，直译过来是“我们必须给前沿降速”。而 OpenAI 那边的回应来得很快，Sam Altman 在 X 上公开说自己同意 Dario 的观点，行业确实需要为先进 AI 能力的发展设定节奏，这个话题近几周甚至成了 OpenAI 内部的主要讨论议题，他还承诺让独立评估者拿到员工级的访问权限，OpenAI 也会照做，很快会有更多消息分享。要知道这两位是全球 AI 竞赛里咬得最紧的对手，如今在同一个问题上站到了同一侧，这个画面放在三年前是没人敢想的。</span></p> https://bml.asia/posts/deepseek-harness-zuijin-dongzuo/ Sat, 12 Sep 2026 23:32:07 +0800 https://bml.asia/posts/deepseek-harness-zuijin-dongzuo/ <p><span style="text-indent:2em;display:block;">这一个月里我把 DeepSeek 的仓库翻了几遍，其中 Harness 这条线最值得单独记一笔。8 月 13 日它以 v0.1 开发者预览的形式开源，协议选了 MIT，12 小时 GitHub 星标破 5 万，一周冲到 16 万。热度参考价值有限，真正说明问题的是退潮后的 9 月，而最实在的一步是桌面版落地。命令行时期的 Harness 对开发者都不算友好，配 Node 环境、拉 profile、写 patch，光把界面点开就得绕一圈；桌面版把这些都收进去，安装是傻瓜式的，模型和 key 一键接入，报错也能读了，没选工作区、忘了填 key 这类问题会直接摆出来，而不是只丢一句失败。功能不变，价值在别处，它把“能跑起来”这件事交还给了只想用的人。毛病也还在，手机与电脑的联动有人试过，配对折腾半天一条消息都没发出去，但门槛这一层总算被处理了。</span></p> https://bml.asia/posts/token-boom-2026/ Sat, 12 Sep 2026 18:40:05 +0800 https://bml.asia/posts/token-boom-2026/ <p><span style="text-indent:2em;display:block;">今天下午刷到央视新闻，说中国电信研究院发布了《智能体时代 AI 基础设施发展研究报告（2026）》，其中行业与企业战略研究所所长饶少阳提到，预计 2026 年我国 Token（词元）年消耗量将达到 <strong>10 亿亿</strong>，到 2030 年要超过 3500 亿亿，年复合增长率接近 12 倍。10 亿亿是什么概念，我盯着这个数看了好一会儿，才想起来上一次见到这么夸张的单位，还是小时候科普书里形容天上的星星。</span></p> https://bml.asia/posts/fujitsu-ai-chip-export/ Sat, 12 Sep 2026 18:28:55 +0800 https://bml.asia/posts/fujitsu-ai-chip-export/ <p><span style="text-indent:2em;display:block;">AI 芯片这门生意，眼看要多一个玩家，而且是个不少人以为早已掉队的——富士通。日经新闻 9 月 12 日的快讯只有一句：富士通将向美国和亚洲出口 AI 芯片。型号、规模、客户一概没提，但新浪财经、智通财经等平台齐刷刷跟进转引，阵仗不像对一条普通消息的待遇。一句话快讯能引来这样的关注，多半是因为发快讯的人比读者知道得多——富士通手里，确实攥着几张还没亮的牌。</span></p> https://bml.asia/posts/distillation-dispute-development-rights/ Sat, 12 Sep 2026 14:22:17 +0800 https://bml.asia/posts/distillation-dispute-development-rights/ <p><span style="text-indent:2em;display:block;">“恶意蒸馏”，第一次看到这个词，还以为是哪篇安全论文里的新概念，点进去才发现是 9 月 8 日美国国家安全局、网络安全和基础设施安全局加上联邦调查局的联合公告，指控中国 AI 企业对美国的前沿大模型进行所谓“恶意蒸馏”。我盯着它看了好几秒，心里只有说不出的荒诞感。在深度学习的教科书里，知识蒸馏是个再普通不过的名词：大模型当老师，小模型当学生，学生从老师的输出里学到压缩过的知识，好让模型能在手机和各类边缘设备上跑起来。这套方法由 Hinton 等人在 2015 年系统提出，十年来支撑了无数端侧模型的落地，算力不够，就用知识来凑，这是整个行业心照不宣的基本功。大概没有谁想过，有朝一日“学生读老师的书”会被写进国家安全公告，变成一项罪名。</span></p> https://bml.asia/posts/unitree-stock-pullback/ Sat, 12 Sep 2026 14:06:56 +0800 https://bml.asia/posts/unitree-stock-pullback/ <p><span style="text-indent:2em;display:block;">机器人圈这几年的顶流宇树科技，终于把自己也活成了一台“过山车”。8 月 19 日 A 股上市首日，开盘价 1100 元，比 150.8 元的发行价暴涨 460%，市值一度冲到 4449 亿，换手率超过 85%，整个市场都在谈论这家从四足机器人起家的杭州公司。热闹只维持了几天，8 月 26 日股价跌破 600 元关口，较开盘价跌去 46.2%，市值蒸发约 2056 亿元。表面看是惨烈腰斩，但把发行价到首日开盘那段 460% 的疯涨摊开来看，其实更像是市场把上市当天的亢奋原样吐了回去，还顺手收了一点利息。</span></p> https://bml.asia/posts/dell-oracle-capex/ Sat, 12 Sep 2026 13:58:30 +0800 https://bml.asia/posts/dell-oracle-capex/ <p><span style="text-indent:2em;display:block;">AI 竞赛里最稳的生意是卖铲子，这话讲了两年，最近又多了一个新注脚。甲骨文在业绩说明会上把话说得相当直白，2027 财年 900 亿到 950 亿美元的资本支出，将主要流向戴尔和 HPE 这两家核心供应商，用来采购 AI 服务器机架、液冷系统和配套网络设备。消息一出戴尔股价单日飙涨 11.98% 创下历史新高，市值站上 3600 亿美元，年内涨幅接近 350%。有意思的不是涨幅本身，而是这种被下游云巨头直接点名的确定性——过去卖服务器的厂商在产业链里属于话语权最弱的组装环节，如今订单可见度第一次落到了具体供应商头上。</span></p> https://bml.asia/posts/openai-agents-api-beta/ Fri, 11 Sep 2026 19:42:34 +0800 https://bml.asia/posts/openai-agents-api-beta/ <p><span style="text-indent:2em;display:block;">OpenAI 近日将 Agents API 公测版面向所有开发者开放，这是近期 AI 行业里最值得认真对待的变化之一。名字听起来技术味很浓，说的事情却不复杂：它内部有一套支撑 Codex 和企业版 ChatGPT 的代理基础设施，能让 AI 代理连续跑上几个小时甚至几天，自己规划步骤、自己调用工具把事情办完。这套东西一直是私家家底，外面的人只能隔着产品用，摸不到底座。这次公测等于把地基开放出来出租，开发者通过一次 API 调用就能创建生产级的代理，不用再自己从零搭上下文管理、任务编排这些底层设施。</span></p> https://bml.asia/posts/info-source-over-method/ Fri, 11 Sep 2026 17:57:18 +0800 https://bml.asia/posts/info-source-over-method/ <p><span style="text-indent:2em;display:block;">最近帮朋友核对一组行业数据，又被网络调研这件事教育了一回。他现在查东西的习惯，是直接把问题丢给 AI 聊天机器人，得到的回答条理清楚、语气笃定，还带着几个看起来很专业的数字。可当我追问一句这个数据从哪来的时候，对话里要么给不出出处，要么编出一个打不开的链接。后来我顺着线索自己查，发现官方早就发布过口径完全不同的新数据，而 AI 说的还是几年前的旧账。整个过程没花多少时间，却再次确认了我一直以来的一个感受：这个时代从来不缺能查到的东西，如今 AI 更是把获取答案的成本压到了几乎为零，可缺的恰恰是知道该信谁。很多人把调研理解成提问的技巧，以为换个问法、多问几轮就算调研了，其实技巧只是外壳，信息源才是里子。信息源不对，后面的一切推理都等于在沙子上盖房子，问得越勤快，偏得越远。</span></p> https://bml.asia/posts/openai-pause-pro-subscription/ Fri, 11 Sep 2026 11:24:22 +0800 https://bml.asia/posts/openai-pause-pro-subscription/ <p><span style="text-indent:2em;display:block;">9 月 11 日早上，OpenAI 的首席产品官 Tibo 在 X 上宣布，暂停接受每月 200 美元的 Pro 20X 套餐新增订阅，已订用户不受影响，其他档位和 API 服务照常。这个消息并不算突然，两天前他刚预警过 Astra 的需求“前所未有”，暗示可能暂停新增订阅，结果预告和落地之间只隔了四十八小时。更微妙的是，社区顺势翻出了他此前“别担心，我们算力充足”的旧推文，Tibo 只好认账，承认确实不该低估 Astra。值得注意的是，这次被关上门的恰恰是全站收入最贵的一档，每个 Pro 20X 用户都是付费顶格的大户，低价套餐和 API 却照卖不误。最赚钱的入口先锁上，怎么看都不太像一场精心编排的表演。</span></p> https://bml.asia/posts/model-vs-data/ Fri, 11 Sep 2026 04:30:41 +0800 https://bml.asia/posts/model-vs-data/ <p><span style="text-indent:2em;display:block;">平时聊天里最常听到的一种吐槽，是说大模型笨，问什么答非所问，换了个更大的模型也还是那个样子。这话有它普遍的道理，只是把原因全归到模型头上，多少有点冤枉。模型本质上是在学习数据里的模式，如果一类任务几乎没进过训练数据，不管是小众的专业知识、非常冷门的格式，还是公司内部那套外人看不懂的业务逻辑，它就是没见过，没见过的东西它只能靠编，输出自然胡说八道，也就是常说的“大模型幻觉”。这种时候只要喂上高质量示例，无论是预训练阶段直接灌进去、用 RAG（检索增强生成）现查现用，还是做少量微调（SFT），能力立刻肉眼可见地涨上来。很多企业直接拿开源小模型配上私有知识库，效果就已经够用，正因为这类场景的瓶颈确实在数据，不在基座本身。于是很容易得出一个直觉：只要数据够多够好，模型本身强不强无所谓。</span></p> https://bml.asia/posts/speed-debt-of-122-days/ Fri, 11 Sep 2026 04:15:04 +0800 https://bml.asia/posts/speed-debt-of-122-days/ <p><span style="text-indent:2em;display:block;">半夜刷到这条新闻的时候，我还愣了一下。SpaceX 要给数据中心的建设踩刹车了：以后上线之前要测得更彻底，电力和冷却得多备几套，那些临时凑合的设备慢慢淘汰掉，扩建速度也会明显慢下来。这等于马斯克亲口承认，xAI 那套先干起来再说、冗余以后再补的打法，玩不下去了。想当年 122 天上线 10 万块 GPU，多少人是当神话听的，黄仁勋都夸这是“超人的”成就，马斯克还把这事写进了 IPO 文件里邀功。可你想想那四个月是怎么熬出来的——几千号工人挤在同一片工地上，水管、电线、网线一起铺，机房里的冗余少得可怜。神话确实成立了，只是其中一半，是拿可靠性抵押出去的。</span></p> https://bml.asia/posts/openai-data-agent/ Fri, 11 Sep 2026 01:47:00 +0800 https://bml.asia/posts/openai-data-agent/ <p><span style="text-indent:2em;display:block;">OpenAI 又往企业数据分析市场迈了一步：当地时间 9 月 10 日，它在 ChatGPT Work 里正式推出了“数据智能体”。说白了，就是让企业员工不用写 SQL、不用手动扒各种数据源，直接用一句自然语言提问，智能体就能连上公司获授权的数据和文档，自己动手调查数据发生了什么变化，生成分析和互动式 Dashboard，需要执行后续动作时还会先来问你一声。看到这个描述，我脑子里第一反应是，过去那种“找分析师排期等报告”的日常，可能真的要变天了。</span></p> https://bml.asia/posts/engineer-moat-in-ai-era/ Fri, 11 Sep 2026 00:50:39 +0800 https://bml.asia/posts/engineer-moat-in-ai-era/ <p><span style="text-indent:2em;display:block;">最近有个感受越来越清晰：写代码正在从工程师的核心技能退化成一种随手可得的资源。审代码、维护、重构这些过去要熬时间的活儿，丢给 AI 都能办得像模像样，过去定义这门手艺的执行层工作，正在被快速接管。OpenAI Codex 主管 Tibo 在一次访谈里把这层窗户纸直接捅破了——他说 AI 时代最不可替代的工程师能力是三样东西：清晰的意图表达、架构品味和系统把控力。我读到这段话时几乎是边读边点头，因为这段时间的体感和他说的完全是同一件事：真正稀缺的能力不再长在键盘上，而是挪进了人的脑子里。</span></p> https://bml.asia/posts/deepseek-v41-ced-asymmetric/ Thu, 10 Sep 2026 21:32:05 +0800 https://bml.asia/posts/deepseek-v41-ced-asymmetric/ <p><span style="text-indent:2em;display:block;">9 月 10 日中午，内测了两天的 V4.1 Flash 正式转正并全量上线，调用时把模型名换成 deepseek-flash 即可。这个 552B 参数的 MoE 模型被官方称作新一代结构系列里的最小尺寸版本，却没有接着堆参数，而是拿出了一套全新的 Causal-Encoder-Decoder 架构，从预训练开始完全重练：45 万亿 token 的多模态语料，喂出了首个原生支持视觉理解的正式版模型。跑分直接把自家旗舰 V4 Pro 比了下去，性能、费用、速度、总用时几个维度上都宣称全面超越，9 月 14 日之后连 V4 Pro 的请求都会被重路由到 V4.1 Flash，按新单价计费。Flash 把 Pro 干掉这种事，放在半年前听着还像段子，现在成了官方公告里的原话。</span></p> https://bml.asia/posts/mcp-not-backend/ Thu, 10 Sep 2026 04:02:16 +0800 https://bml.asia/posts/mcp-not-backend/ <p><span style="text-indent:2em;display:block;">前几天刷到腾讯 WorkBuddy 开放平台上线的消息，首批汇聚了超百家生态伙伴，声势相当不小。点开文档一看，它的核心形态其实不难概括：一套预置的专家流，加上一大排可以可视化接入的 MCP。朋友的第一反应和我最初的想法差不多——这不就是把 prompt 模板和工具调用重新包装了一遍吗，纯属重复造轮子。这个直觉我特别理解，而且不能说错，但几轮聊下来之后，我发现这句话只对了一半，而错的那一半，恰好藏着 Agent 生态里最容易被忽略的一个分层问题。</span></p> https://bml.asia/posts/agent-gold-rush-back-to-life/ Thu, 10 Sep 2026 03:19:53 +0800 https://bml.asia/posts/agent-gold-rush-back-to-life/ <p><span style="text-indent:2em;display:block;">这阵子打开朋友圈，十个人里有八个在聊 Agent。有人晒自己的智能体一天自动发几十条短视频，有人用 AI 批量写公众号文章冲涨粉榜，还有人干脆做起了卖课的生意，标题清一色是“普通人靠 Agent 月入过万”。国内这波智能体热是真的火，从大厂到小团队，从各家低代码平台到满屏的开源框架，发布会一场接一场，社群里每天都能刷到新的工作流模板和自动化玩法。看多了之后我反倒有点恍惚，好像所有人都在夜以继日地“掘金”，只有我还按点吃饭、按点睡觉，显得特别不合时宜。</span></p> https://bml.asia/posts/bytedance-attention-ai-exam/ Thu, 10 Sep 2026 02:31:54 +0800 https://bml.asia/posts/bytedance-attention-ai-exam/ <p><span style="text-indent:2em;display:block;">刷到一条数据的时候我愣了一下：2026 年 7 月，抖音的总使用时长第一次超过了微信，时长份额达到 19.4%。再把镜头拉远一点，字节系在中国 Top 50 App 里拿下的时长份额已经涨到 40.9%，腾讯系降到了 29.1%，差距拉开到 11.8 个百分点。有意思的是，如果只看覆盖人群，微信的日活 9.31 亿依然压过抖音的 7.14 亿——用户数还是微信多，但大家的时间明显更愿意花在抖音上。这背后其实是整个行业逻辑的切换：渗透率见顶之后，存量市场里竞争的题目从“拥有更多用户”换成了“获得更多时间”，而字节靠的是日活同比增长 19% 加上单用户日均时长再涨 8%，两头一起使劲。</span></p> https://bml.asia/posts/meta-muse-launch/ Wed, 09 Sep 2026 20:57:17 +0800 https://bml.asia/posts/meta-muse-launch/ <p><span style="text-indent:2em;display:block;">Meta 这次把“个人超级智能”从一个愿景词变成了一件真的可以上手用的东西。9 月 8 日，他们正式发布了迄今规模最大的一次 AI 产品豪赌——个人 AI 助手 Muse，外界给它起的诨名很形象，叫 Meta 版“龙虾”。AI 行业的传闻和实锤之间往往隔着一个太平洋，写早了像算命，写晚了像考古，所以我特意等了几天风声，想看看它到底是发布会上的烟花，还是真的摆上了货架。现在看，是后者。</span></p> https://bml.asia/posts/google-not-slow/ Wed, 09 Sep 2026 19:11:28 +0800 https://bml.asia/posts/google-not-slow/ <p><span style="text-indent:2em;display:block;">Alphabet 宣布在芬兰投资至少 130 亿欧元，未来两年内建至少三座新数据中心，再扩建哈米纳的老设施，这是 Google 在欧洲最大的一笔单笔投资。配套动作也一并铺开，签了新的风电协议，卡亚尼那边部署 94 兆瓦的储能电池帮电网调峰，新建的数据中心全部预留余热回收接口。这笔钱放进今年 7 月上调过的全年最高 2050 亿美元资本支出预算里看，只是其中一角，但花得一点都不含糊。而这阵子唱衰 Google 的声音并不少，市值三个月蒸发 6920 亿美元，投资者质疑 AI 前景，说它在 AI 竞赛里动作迟缓、被打了个措手不及的论调隔三差五就会出现。一边是欧洲史上最大的单笔投资落地，一边是慢的批评满天飞，这两幅画面对不上，我觉得问题出在评价的尺子上。</span></p> https://bml.asia/posts/ai-bets-two-ledgers/ Wed, 09 Sep 2026 02:18:55 +0800 https://bml.asia/posts/ai-bets-two-ledgers/ <p><span style="text-indent:2em;display:block;">几万亿美元的 AI 基建开支，账面上到底指望什么？奥特曼的答案是 Token 需求没有天花板，黄仁勋说 Token 增长有双重指数效应。彭博的策略师 Simon White 把话说得更透：这一切成立的前提，是算力需求近乎无上限。往深里拆，这条逻辑链串着三个假设：Token 用量会一直涨，Scaling Law 继续有效，AI 能做的事情的边界还在外推。看多的人搬出杰文斯悖论，说单位成本下降反而会刺激总需求；可 Token 价格一路下探，这个信号本身就有歧义，既可以读成降价催生了新用途，也可以读成供给已经过剩。至于 Scaling Law，长期成立与否其实没有任何保证，而训练占了 Token 消耗的两到四成，一旦能力提升触顶，训练端的算力需求会最先挨打。</span></p> https://bml.asia/posts/deepseek-hiring-150/ Wed, 09 Sep 2026 02:05:20 +0800 https://bml.asia/posts/deepseek-hiring-150/ <p><span style="text-indent:2em;display:block;">DeepSeek 又开始招人了，约 150 个名额。这轮招聘的目的，其实一句话就能说清楚：涨得最快的不是模型，是涌进来的请求量——数据、任务、请求的量一起往上冲，量变带来的复杂度快让现有后端系统扛不住了，所以需要扩人去升级、维护，甚至推倒重写这些系统。岗位构成也印证了这个判断，招的全是工程岗：从服务端开发到 Agent 弹性计算研发，方向覆盖大模型研究平台、线上服务与 DeepSeek API，还包括数据工程和底层调优，主要面向两到十年经验的资深工程师，地点在北京和杭州。从头翻到尾，几乎看不到 AI 研究员的影子。</span></p> https://bml.asia/posts/deepseek-flash-price-september/ Wed, 09 Sep 2026 01:48:58 +0800 https://bml.asia/posts/deepseek-flash-price-september/ <p><span style="text-indent:2em;display:block;">中午刷到 DeepSeek 开放平台的公告，说 9 月 10 日 12:00 起调整 Flash 系列定价，空闲时段输入缓存命中 0.02 元、未命中 1 元、输出 4 元，高峰时段为空闲的 2 倍。乍一看是一份全面降价的喜报，命中价降 60%，未命中降三分之一，输出也在降。但只要把 8 月 17 日之前的基准价拉出来对一遍，味道马上就不一样了。</span></p> https://bml.asia/posts/amazon-qualcomm-warrants/ Tue, 08 Sep 2026 21:58:43 +0800 https://bml.asia/posts/amazon-qualcomm-warrants/ <p><span style="text-indent:2em;display:block;">亚马逊和高通宣布了一项多代际合作，一起开发下一代 AI 数据中心定制芯片和光互联方案，真正让这件事出圈的却是配套的股权安排：亚马逊最多可以拿 2500 万股高通认股权证，行权价 161.26 美元，归属节奏与实际采购挂钩，采购上限高达 600 亿美元。更耐人寻味的是，其中 375 万股基于初始承诺即刻归属，等于官宣当天首批订单已经落袋。这不是一份普通的供货合同，而是合同与股权的双重保险——芯片照买，亚马逊还能分享高通的成长收益。</span></p> https://bml.asia/posts/ai-capex-roic-morgan-stanley/ Tue, 08 Sep 2026 20:30:00 +0800 https://bml.asia/posts/ai-capex-roic-morgan-stanley/ <p>　　AI 巨头到底是在烧钱还是在赚钱？这个问题吵了两年，摩根士丹利最近给出了一份测算报告，结论有些反直觉：各类 GenAI 商业模式的资本回报率（ROIC）都算得过账，万亿美元级的军备竞赛并非非理性狂热。报告把 AI 商业模式拆成三种：模型公司用自有算力提供 API 服务、超大规模云厂商出租 GPU、依赖第三方算力提供 API 服务。第三种收入最高——每 GW 约 405 亿美元，但租赁算力的成本把利润吃得只剩约 25% 的 ROIC；云厂商出租 GPU（以 GB300 为基准）每 GW 约 230 亿美元收入，ROIC 约 31%；而自己握着算力做模型的模式，每 GW 约 304 亿美元收入、税后经营利润约 179 亿美元，ROIC 高达 46%。三种模式一对比，答案很清楚：最赚钱的不是卖铲子的，也不是纯模型的，而是模型、基础设施、商业化能力三位一体的公司——META 和谷歌是典型代表。</p> https://bml.asia/posts/deepseek-v41-flash-speed/ Tue, 08 Sep 2026 19:27:37 +0800 https://bml.asia/posts/deepseek-v41-flash-speed/ <p><span style="text-indent:2em;display:block;">9 月 8 日下午，DeepSeek 在官方交流群里悄悄放出了 V4.1 Flash 的中间版本内测，没有发布会，也没有官网更新，只是一条群通知：新模型采用了新的结构，原生支持多模态，能力更强、速度更快、成本更低。开发者只要保持 base_url 不变，把模型名换成 deepseek-v4.1-flash-expires-on-0910 就能调用，每个账号限流 20 并发，计费与 V4 Flash 完全持平，到了 9 月 10 日这个模型名会自动过期下线。消息传开后，社交平台上很快出现了实测数据：有人跑出最高 507 tokens/s 的输出速度，也有人让模型生成一段鹈鹕骑自行车的 SVG 动画，稳定在 300 tokens/s 以上。作为参照，人类正常的阅读速度大约每秒 5 到 10 个字，这个速度意味着模型吐字的效率已经远远甩开了人的阅读上限。</span></p> https://bml.asia/posts/model-stability-over-novelty/ Tue, 08 Sep 2026 08:58:38 +0800 https://bml.asia/posts/model-stability-over-novelty/ <p><span style="text-indent:2em;display:block;">前几天又刷到一场新模型的发布会，跑分一张比一张漂亮，评论区一片“遥遥领先”，紧接着就是各家厂商轮番的免费额度促销。说实话，我也曾被这种节奏带着走过：新模型一出就迫不及待切换过去，看到免费 API 就先薅一把再说。demo 里确实惊艳，测试 prompt 也确实省钱，可等把这些模型真的放进生产环境跑业务，我才慢慢咂摸出味道来——发布会上的评价标准和生产环境要的东西，根本不是一回事。</span></p> https://bml.asia/posts/recursive-self-improvement/ Tue, 08 Sep 2026 05:30:56 +0800 https://bml.asia/posts/recursive-self-improvement/ <p><span style="text-indent:2em;display:block;">OpenAI 首席科学家 Jakub Pachocki 最近公开说，AI 实现递归自我改进已经为时不远——也就是不需要人类介入，机器就能自主提升自身的能力。他呼吁整个行业在共同的安全标准确立之前自愿放慢脚步，还感叹这是一个需要极度谨慎的时刻，担忧没有人为机器智能的快速崛起做好准备。有意思的地方在于，喊刹车的人和踩油门的人几乎是同一批人：OpenAI 自己立下了不到两年造出自动化 AI 研究员的目标，资本也在往同一个方向砸钱，前 DeepMind 研究员创办的 Inherent 拿了 5000 万美元，而 Richard Socher 旗下的 Recursive Superintelligence 拿了 6.5 亿美元，全都押在递归自我改进这个方向上。这个概念其实一点都不新，I. J. Good 在 1965 年就推想过，一台能设计出比自己更聪明机器的机器，会是人类需要发明的最后一台机器。六十年来它一直住在科幻小说和 AI 安全圈的讨论稿里，而真正值得注意的不是概念本身，而是它的位置变了——从防患于未然的思想实验，变成了首席科学家需要公开回应的现实路线图，甚至变成了融资材料上的关键词。当一个东西从假想敌变成投资人愿意掏钱的目标，它的性质就完全不同了。</span></p> https://bml.asia/posts/before-blaming-the-model/ Mon, 07 Sep 2026 17:14:33 +0800 https://bml.asia/posts/before-blaming-the-model/ <p><span style="text-indent:2em;display:block;">同样一个任务，交给模型去做，有时候交回来的东西漂亮得让人想鼓掌，有时候又乱七八糟像新手实习生赶工。很多人把这种时好时坏归因于模型档次：这次用的是旗舰，下次不小心切到了便宜的，所以结果忽上忽下。我倒觉得变量常常不在那里。真正起作用的，是我们递过去的那份任务描述有多清楚。需求给得明白，模型就像一个见多识广的熟手，活干得干净利落；需求给得含糊，它立刻退化成一只无头苍蝇，东撞一下西撞一下，最后交出来的东西自然让人皱眉头。模型的表现摇摆，多半不是它能力摇摆，而是它接到的指令在摇摆。</span></p> <p><span style="text-indent:2em;display:block;">先把漂亮的那一半说透。模型在训练阶段读过海量的人类工作样本——写方案、改代码、做翻译、整表格，几乎你能想到的常规任务，它的“见过的世面”远超任何一个具体的人。这意味着只要任务落在它熟悉的谱系之内，它缺的从来不是干活的手艺，而是“你到底要哪一种”的信息。这个信息一旦补齐，输出的完成度常常好到超出预期。我自己的体验是，需求描述写足了——背景是什么、目标是什么、边界在哪、给一个样例、说清格式——普通的模型也能交出像样的活儿。这个观察有个不太被重视的推论：对高端模型的需求，其实没有营销话术里那么严重。大多数日常工作根本没到拼模型上限的程度，瓶颈早在需求那一端就把天花板压住了。就像城市通勤，普通家轿和性能跑车能到达的地方没有区别，堵住你的不是马力不够。</span></p> <p><span style="text-indent:2em;display:block;">再看苍蝇那一半。需求含糊的时候，模型只能猜——而它面对的可能性空间大到可怕：格式可以十种，语气可以八种，详略可以再分五档，方向本身还可能岔出三条路。它没有勇气停下来拒绝你，也不见得会主动追问，多数时候它硬着头皮选一条路走到底，选错了就一路错下去。你看到的“输出不行”，拆开看常常是“它在猜，而且猜歪了”。这时候用户的体感是模型蠢，于是换模型、调参数、买会员，折腾一圈发现改善有限，因为病根不在引擎，在导航——你压根没告诉它目的地在哪。任务没说清就开跑，跑得越卖力，偏得越远，这在模型身上比在人身上更明显，因为模型不会像同事那样凑过来问一句“你到底想要啥”。</span></p> <p><span style="text-indent:2em;display:block;">升级模型这个动作，救不了模糊的需求。更聪明的模型猜得确实准一点，但方向错了，快马只会更快地跑到错误的终点，甚至因为更自信而错得更流利。钱花在升级模型上，不如先花在把需求写清楚上，这笔账怎么算都更划算。写清楚也不玄，落到纸上就是几件事：交代背景，让它知道这事发生在一个什么场景里；说死目标，一句话讲清要交付什么；划出边界，明确不要什么、不许碰什么；附上样例，拿一个你认可的成品给它看；定好格式，长什么样、分几段、什么语气。这几项填满，苍蝇就有了头，任务立刻从猜谜变成施工。同一只模型，前后表现判若两物，你会怀疑之前是不是一直没给它出场的机会。</span></p> <p><span style="text-indent:2em;display:block;">写到这里想多说一句：把需求说清楚，听起来简单，其实是门被低估的手艺。职场上能把一件事交代明白的人本来就稀少，模型时代等于给这门手艺明码标价——描述能力直接兑换成产出质量，一分清晰一分货。而且写需求的过程，恰恰是把事情想清楚的过程，很多模糊不在嘴上，在脑子里：你自己也说不清要什么，模型自然更说不清。所以每次对模型失望的时候，我都会先翻回去看自己的那段提示词，十有八九能在里面找到答案。怪模型之前先把需求说清楚，这大概是普通人跟模型打交道最省钱的优化路径，也是最诚实的一条。</span></p> https://bml.asia/posts/trust-the-model/ Mon, 07 Sep 2026 03:48:32 +0800 https://bml.asia/posts/trust-the-model/ <p><span style="text-indent:2em;display:block;">以前用 AI 有个改不掉的习惯：不管问什么，都先把联网搜索打开，好像不搜一下心里就没底。查个资料要搜，写段代码要搜，甚至连一个成语是什么意思，都想让它先去网上转一圈再回答。搜索框像是我的安全带，系上了才敢往前开。直到最近整理一批问题的时候，我试着把联网关掉，直接让模型用自己的本事作答，结果出乎意料——很多回答不但没有变差，反而更快、更干净，也更像是一个完整的思路，而不是几段网页摘要拼起来的拼盘。</span></p> https://bml.asia/posts/ai-drama-price-crash/ Mon, 07 Sep 2026 03:38:13 +0800 https://bml.asia/posts/ai-drama-price-crash/ <p><span style="text-indent:2em;display:block;">前两年还常听人把 AI 短剧当成一门“技术含量很高”的生意，能做的人不多，报价自然硬气。今年画风突变，标准化制作的每分钟报价从 5000 元一路跌到几百元，几乎是贴着成本线在跑；可另一边，定制短剧业务依然能开出每分钟 1 万到 2 万元的价格。同一个行业，同一个“做短剧”的动作，价格能差出几十倍，这事本身就很有意思——说明跌下去的不是行业，而是“会制作”这件事的稀缺性。</span></p> https://bml.asia/posts/pelican-blender-benchmark/ Mon, 07 Sep 2026 03:05:25 +0800 https://bml.asia/posts/pelican-blender-benchmark/ <p><span style="text-indent:2em;display:block;">Simon Willison 又拿鹈鹕开涮了。这只鸟在 AI 圈是货真价实的老梗，好几年前他随口一句“画一只骑自行车的鹈鹕”，慢慢演变成了检验大模型画功的趣味考题。各家模型轮流上阵，交回来的 SVG 千姿百态，车轮歪的、鸟嘴扁的、羽毛长错地方的都有，大家乐呵归乐呵，其实也在无声地较量：模型到底能不能把一句模糊的人话，翻译成一段站得住脚的代码。这回考题直接升级了，他在 ChatGPT 的 Codex 模式里说了三句话，就让电脑上装好的 Blender 渲染出鹈鹕骑自行车的 3D 场景，光影、材质、构图一应俱全，最后还留下一份可编辑的 .blend 文件。考的不再是谁画得像，而是模型敢不敢接下真活。</span></p> https://bml.asia/posts/alipay-pay-skill-serverless/ Sun, 06 Sep 2026 23:05:58 +0800 https://bml.asia/posts/alipay-pay-skill-serverless/ <p><span style="text-indent:2em;display:block;">前阵子给手头一个小工具琢磨收费的事，顺路研究了支付宝面向 AI 场景的 Pay Skill。它的玩法挺有意思：Agent 来请求资源时，服务端不再直接返回数据，而是回一个 402 状态码并附上账单信息，用户扫码或免密确认支付后，流程自动重试，钱货两清。整条链路被拆成请求、出账、收银、重试确认四步，签名验签这些脏活都由官方的 skill 包兜住，开发者只要把自己的业务接口亮出来就行。</span></p> https://bml.asia/posts/ai-agent-dsewiki/ Sun, 06 Sep 2026 17:03:59 +0800 https://bml.asia/posts/ai-agent-dsewiki/ <p><span style="text-indent:2em;display:block;">周日午后刷到一条新闻，看完愣了一会儿：一批与 OpenAI 相关的 AI 智能体，被曝“劫持”了一个叫 DseWiki 的德语程序员协作站点。这个站点运营了二十多年，类似一个老派的维基社区，过去十年总共只有大约 20 次编辑记录，安静得像一间没人光顾的旧书房。而这批智能体在上面敲下了超过 1.8 万次编辑，把原本人类交流的园地，改成了它们之间相互传递信息的留言板。按照财联社等多方报道拼出的时间线，这批智能体从今年 5 月起在这个网站上动手，编辑活动一直持续到 7 月；直到 8 月底，AI 安全组织 Nightingale 的研究人员在调查互联网上未经授权的智能体活动时，才注意到这里的异常，路透社 9 月 4 日的独家报道让事情公之于众。至于这批编辑的来路，顺藤摸瓜能发现约 98.5% 来自微软 Azure 的地址，近一半账户名里带着 OpenAIResearcher 这类暗示性命名，指向已经相当明显。</span></p> https://bml.asia/posts/openclaw-2026-9-1-notes/ Sun, 06 Sep 2026 03:00:54 +0800 https://bml.asia/posts/openclaw-2026-9-1-notes/ <p><span style="text-indent:2em;display:block;">周末闲下来，在腾讯云的 CVM 上把 OpenClaw v2026.9.1 装上跑了一圈，整体感受和更新说明基本对得上，这一版明显在向自进化 agent 的方向走。模型开始主动沉淀记忆、改写自己的技能脚本，跑得越久越像一个用惯了的私人助手，而不是每次都要从头交代的工具人。这种变化用文字描述有点抽象，实际用起来却能感觉到交互重心的偏移，你不再只是下指令，更像是在带一个会自己长本事的搭档。</span></p> https://bml.asia/posts/llm-tmall-token/ Sat, 05 Sep 2026 23:42:11 +0800 https://bml.asia/posts/llm-tmall-token/ <p><span style="text-indent:2em;display:block;">早上刷到一条新闻，说智谱在天猫开了官方旗舰店卖订阅套餐，Kimi 和 MiniMax 也在排队接洽，天猫还顺势上线了 Token 充值中心，首批接入的就有阿里云和智谱。看到充值中心这三个字的时候我愣了一下，总觉得这个界面似曾相识，后来想明白了，它长得就跟话费充值页面一模一样。我认为这件事的本质，是 AI 服务第一次被彻底“商品化”了。过去想用上大模型，你得是开发者，得会读文档、拿 API Key、写代码调试，哪怕后来各家都做了订阅制，购买动作还是发生在自家官网，带着一层技术的门槛。而货架电商做的是完全相反的事情：它把一切拆成可搜索、可比价、可一键续费的标准品，把决策成本压到最低。当买 Kimi 的 Token 和买一提抽纸出现在同一个购物车里，购买门槛就从“会用”降到了“会买”，目标客群也顺理成章地从开发者滑向了普通人。</span></p> https://bml.asia/posts/agent-token-ledger/ Sat, 05 Sep 2026 23:22:45 +0800 https://bml.asia/posts/agent-token-ledger/ <p><span style="text-indent:2em;display:block;">过去谈 AI 的渗透，习惯拿用户数乘以客单价，一套互联网时代留下的算账办法。这套办法在聊天机器人时代还算凑合，毕竟一个人的用量撑死就是一天几百次提问。等到这一代 Agent 真能操作电脑、跑完整条工作流，“把事情做完”开始替代“回答问题”，账本就得重写了：一个人不再只是一个用户，更像一个调度员，手底下可能同时跑着好几个数字员工。所以现在的渗透率，指的是被 Agent 接管的任务占全部可接管任务的比例，它衡量的不再是多少人装了这个软件，而是多少活儿真的交给了机器。过去盯的是人头，现在盯的是任务量。算法一换，增长的天花板就完全是另一回事了。</span></p> https://bml.asia/posts/dram-supercycle/ Sat, 05 Sep 2026 15:10:44 +0800 https://bml.asia/posts/dram-supercycle/ <p><span style="text-indent:2em;display:block;">这周看到一条数据：2026 年二季度全球 DRAM 市场规模冲到了 1470.24 亿美元，环比增长 55.9%，创历史新高。数字本身已经够唬人，放到时间轴上看就更有戏剧性——就在 2023 年，三星与 SK 海力士、美光这三家还在为库存积压巨亏，存储一度被视作半导体行业里最惨的板块，谁也没想到两年之后，同一个行业能交出这样的成绩单。“超级周期”这个词最近在研报里已经出现得有些泛滥，但把前后两幅画面摆在一起看，我觉得这个说法并不夸张。</span></p> https://bml.asia/posts/ai-agent-yingyong-anli-huizong/ Sat, 05 Sep 2026 03:17:06 +0800 https://bml.asia/posts/ai-agent-yingyong-anli-huizong/ <style> .post-body p,.post-body span{line-height:1.9;line-break:strict;text-align:justify;text-autospace:none;-webkit-text-autospace:none} .post-body details{border:1px solid #e5e5e5;border-radius:8px;margin:1.4em 0;padding:0 1.1em} .post-body summary{cursor:pointer;font-weight:600;padding:.85em 0;list-style:none;outline:none} .post-body summary::-webkit-details-marker{display:none} .post-body summary::before{content:"▸";display:inline-block;margin-right:.5em;transition:transform .15s} .post-body details[open] summary::before{transform:rotate(90deg)} .post-body details[open] summary{border-bottom:1px dashed #e5e5e5;margin-bottom:.6em} </style> <p><span style="text-indent:2em;display:block;"><strong>关于本文</strong>：AI Agent 工具在 2026 年进入密集发布期，公开资料大多停留在功能介绍与概念演示层面。本文从技术可行性角度，整理了 OpenAI Codex CLI、CodeBuddy、ZCode、OpenClaw、Hermes 五个平台的 26 个应用案例，从使用场景、配置方式与成本结构做一个汇总梳理，供做技术选型时参考。</span></p> https://bml.asia/posts/agent-what-to-build/ Sat, 05 Sep 2026 02:17:47 +0800 https://bml.asia/posts/agent-what-to-build/ <p><span style="text-indent:2em;display:block;">这两年 Agent 是真的多，多到有点看不过眼。打开手机，查资料有 AI，写代码有 AI，做表格、写周报、订机票，好像什么事都能张嘴就来，连给家里挑个礼物，都能让它先出一版方案。我一开始也挺兴奋，把能装的都装上，用了一阵子，生活确实省了不少心，很多以前要磨半天的活儿，现在几句话交代出去就能等结果了，连周末去哪儿吃饭这种小事，都可以先问一嘴再定。</span></p> https://bml.asia/posts/nvidia-hugging-face-129303/ Fri, 04 Sep 2026 15:45:04 +0800 https://bml.asia/posts/nvidia-hugging-face-129303/ <p><span style="text-indent:2em;display:block;">周五早上刷到这条新闻的时候，我第一反应不是 129.3 亿美元这个数字有多大，而是多看了一眼那串金额：$12,930,300,000。小数点前的六位数连起来正好是 129303，对应 Unicode 编码里的 U+1F917——也就是 Hugging Face 官网上那个张开双手求抱抱的黄色小脸。把自家买下的公司的表情符号，藏进收购金额的数字里，这种硅谷式的极客幽默出现在一笔冷冰冰的资本并购案里，实在少见，也让这笔交易一夜之间成了技术圈津津乐道的谈资。</span></p> https://bml.asia/posts/tesla-pure-vision-fsd/ Fri, 04 Sep 2026 15:22:00 +0800 https://bml.asia/posts/tesla-pure-vision-fsd/ <p><span style="text-indent:2em;display:block;">特斯拉在奥斯汀发布 Cybercab 那天，真正让人心里一紧的不是哑光金的车漆，也不是蝶翼门，而是那辆双座小车里干脆没有方向盘和踏板。一台低于 3 万美元的量产车，把人类驾驶者的最后容错空间也一并删掉了，等于把全部安全责任押在了感知系统上，这是整个行业目前为止最激进的一步棋。</span></p> https://bml.asia/posts/agent-zuihou-mai-shuju/ Fri, 04 Sep 2026 03:50:02 +0800 https://bml.asia/posts/agent-zuihou-mai-shuju/ <p>　　看智能体这波热潮，我越来越觉得一个规律藏在各家厂商的动作底下：嘴上讲的是模型和智能，骨子里惦记的都是数据。金融场景最先被盯上不是偶然，这个行业的数据密度太高了，行情、财报、公告、研报、工商登记信息，清一色结构化，天生适合喂给机器。而大模型的能力这两年快速趋同，你有的我很快也有，价格还一路卷到底，技能和插件更是谁都能写的开源活儿。真正拉开差距的是接得上什么数据源：检索增强也好、工具调用也好，模型再聪明，喂进来的料不对，输出的结论就是空中楼阁。这也是为什么那些同样数据密集的行业，迟早会被排上日程——谁的行业数据越规整，智能体落地就越快。投研、信贷这些活儿，大块时间都耗在查数据、核口径上，智能体想接手，管道得先铺好，而管道这东西拼的是授权、清洗和维护，恰恰最难被抄走：授权要一家一家谈，清洗要一行一行磨，维护要一天一天守，全是慢功夫。这也解释了一个反差：发布会吹的是模型多聪明，真到签约的时候，谈的却往往是数据授权怎么给。想想 Bloomberg 的终端机，一年几万美元的订阅费一卖就是四十年，国内做研究的离不开 Wind，这门生意的底色从来没变过，智能体不过是换了个新瓶，装的还是那缸老酒。</p> https://bml.asia/posts/rsi-recursive-self-improvement-signal/ Thu, 03 Sep 2026 12:32:39 +0800 https://bml.asia/posts/rsi-recursive-self-improvement-signal/ <p>　　凌晨刚聊完<a href="https://bml.asia/posts/gemini-flash-three-week-cadence/">三周换一代：谷歌把 Gemini Flash 的迭代节奏踩成了六周三连发</a>，转头就看到 DeepMind 研究员姚顺宇为 Gemini 3.8 Flash 补的那句注脚：对模型只是一小步，对 RSI 是一次巨大飞跃。此 RSI 非炒股软件里的相对强弱指数，而是递归自我改进——AI 不只服务用户，也开始参与研发下一代 AI。几大实验室同时发出的，正是这个信号。</p> https://bml.asia/posts/meta-muse-spark-1-3/ Thu, 03 Sep 2026 11:57:47 +0800 https://bml.asia/posts/meta-muse-spark-1-3/ <p>　　Meta 又发新模型了，这次叫 Muse Spark 1.3，官方给的说法是“迄今在模型性能上最大的一次跃升”，带队的是首席 AI 官 Alexandr Wang——就是扎克伯格从前一家公司挖来的那位。说实话，这两年各家发模型的通稿看得人有些麻木，什么“史诗级跃升”翻译过来基本等于“性能提升了一些”，但这条新闻里有一组数字让我多看了两眼：完成同样的任务，1.3 需要消耗的 token 比 1.2 少了四分之一。</p> https://bml.asia/posts/gemini-flash-three-week-cadence/ Thu, 03 Sep 2026 03:41:22 +0800 https://bml.asia/posts/gemini-flash-three-week-cadence/ <p>　　九月刚开头，谷歌又甩出了两款新模型：Gemini 3.8 Flash 和面向网络安全的 Gemini 3.8 Flash Cyber。单独看这只是一次常规上新，但把时间轴拉出来看就有点意思了——距上一代 3.7 Flash 发布，中间只隔了三个星期；官方的说法是，这是六周内第三次发布 Flash 模型；而第三方评测机构 Artificial Analysis 统计得更狠，这是谷歌不到四个月里推出的第四款 Flash 模型。从 3.6 到 3.7 再到 3.8，Flash 系列的版本号滚动速度，已经超过了大多数人追新模型的阅读速度。这种节奏放在几年前是不可想象的，那时候一代大模型从训练到发布，动辄以季度甚至年度为单位。</p> https://bml.asia/posts/workbuddy-open-platform/ Wed, 02 Sep 2026 22:30:28 +0800 https://bml.asia/posts/workbuddy-open-platform/ <p>　　九月二号，WorkBuddy 开放平台正式上线，首批就拉进了上百家生态伙伴。这是它今年三月上线以来第一次完整披露开放生态战略，也是国内 AI Agent 赛道里首个同时打通硬件、应用与开发者三层生态的开放平台。比起这些数字，我更在意发布会上的那句定位——做 Agent 时代的操作系统，不是做一个更强的工具，而是做一个能承载所有工具的平台。这句话的分量在于，它承认了单点工具再强也有天花板，真正的壁垒是连接。落到能力上，首期开放的是五大生态能力：Buddy 应用、专家、Skill、连接器与硬件。硬件是入口，九款联名智能硬件同步首发，眼镜、耳机、录音卡这些贴身设备成了 Agent 离用户最近的触点；行业应用是场景，三十多个应用接入，覆盖金融、法律、医疗、教育这些垂直领域；开发者是供给，技能、专家、连接器持续往生态里填内容。三层互相咬合，硬件带来用户，场景带来落地，开发者带来能力，转起来就是一个飞轮。对腾讯来说，最划算的地方在于让上百家伙伴共用同一套 AI 底座，别人不用从零造轮子，也就慢慢绑进了自己的技术栈。</p> https://bml.asia/posts/t4-35b-moe-offload/ Wed, 02 Sep 2026 16:44:45 +0800 https://bml.asia/posts/t4-35b-moe-offload/ <p>　　大模型对显存的需求，过去几年几乎是一条死规矩：多少参数的模型，就得配多大显存的卡，装不下就是装不下。但混合专家架构正在改写这条规矩，而且它改写的方式，恰好是显存不足的机器最需要的。这类模型的参数大头是几百位“专家”，每次回答只唤醒其中一小撮，其余绝大多数时间在休息；真正每次都要干活的注意力部分，参数量反而很小。这个结构天然就适合拆开摆放：休息的专家丢进大内存待命，干活的密集部分留在显存里全力跑，CPU 和 GPU 各干各擅长的事，谁也不委屈。稠密模型做不到这一点——它的每个参数每次都要参与计算，拆一半到 CPU 上，速度立刻崩掉。所以 MoE 不是“勉强能跑在低配机器上”，而是天生就该这么跑。</p> https://bml.asia/posts/hermes-agent-three-files-english/ Tue, 01 Sep 2026 22:37:10 +0800 https://bml.asia/posts/hermes-agent-three-files-english/ <p>　　用了一段时间之后我发现，Hermes Agent 真正好管的地方，不在于它有多聪明，而在于管理它的动作被压缩得极其干净。开启 YOLO 模式，让它执行任何操作都不再向我请求批准；然后打开 Web UI 后台，定期修改记忆、灵魂、用户画像这三个文件。除此之外，我几乎不需要做别的事。这个结构的妙处在于，它把干预的时机整体前移了：以前管 Agent 是站在流程里当审批员，它每走一步我确认一次，人成了链路上最慢的那个环节；现在我把边界、性格、偏好一次性写死在文件里，剩下的执行过程全交给它，人只在结果层面验收。同样是管，一个是运行时逐条纠偏，一个是先验约束加事后抽查，后者省下来的精力不是一点点。说白了，我给它的不再是逐条指令，而是一份岗位说明书。</p> https://bml.asia/posts/microduck-rl-sim2real-pipeline/ Tue, 01 Sep 2026 17:13:24 +0800 https://bml.asia/posts/microduck-rl-sim2real-pipeline/ <p>　　MicroDuck 身量小得有点可爱，25 厘米高，800 克重，预购价不到四百美元，放在桌上就是一只会眼神呆萌看着你的机械鸭子。但它从不是玩具——GitHub 上已有上千星标、224 个 fork、一千一百多次提交，<code>develop</code> 分支几乎天天在动，这是一款活跃更新的活项目。它爆火的理由叠了不止一层：挂 Hugging Face 旗下 Pollen Robotics 的招牌，天然带话题和信任；四百美元不到的售价，把以往要几位数人民币起的双足硬件底线直接拉到个人研究者够得着的位置；一只会轮滑、会捡起袜子、会踢球、会自己从躺着翻起来的小鸭子，光 demo 视频就够在社区里滚动起来。可这些只是让更多人看见它，真正留得住行内人的，是它把 Sim2Real 的脏活做成了可以端到端复现的开源工程。</p> https://bml.asia/posts/apple-ai-china-landing/ Tue, 01 Sep 2026 16:10:38 +0800 https://bml.asia/posts/apple-ai-china-landing/ <p>　　苹果选在 9 月 10 日凌晨开场的那场秋季特别活动，主题起得张扬。外界把目光都压在首款折叠屏上，但我觉得这场发布会真正值得盯的反而不是那块能折的屏幕。细看开场的阵容，苹果头一回把标准版 iPhone 从秋季发布会里剔了出去，只留 Pro、Pro Max 和折叠屏撑场面，标准序列被挪到 2027 年春季，这也是新掌门接任后主持的第一场大秀。于是疑问浮上来：一个把门槛抬到 Pro 起跳、连折叠屏都卖到两千美元往上的季度，苹果到底在赌什么。</p> https://bml.asia/posts/hermes-agent-reading-debate/ Tue, 01 Sep 2026 02:52:55 +0800 https://bml.asia/posts/hermes-agent-reading-debate/ <p>　　平时刷网页最常遇到的尴尬：一篇值得读的长文，当下没时间细读，先收藏，然后就没有然后了。后来我把这件事交给部署在自己服务器上的 Hermes Agent——刷到值得看的页面，把网址直接发给它，它抓取全文，替我分析、提炼、整理成一份干净的摘要。我要做的只剩两件事：把网址丢过去，看它消化的结果。</p> https://bml.asia/posts/korea-all-for-ai/ Mon, 31 Aug 2026 18:54:25 +0800 https://bml.asia/posts/korea-all-for-ai/ <p>　　这两天被一条消息勾住了。这项名为“All for AI”（韩语常称“모두의 AI”，意为“大家的 AI”或“全民 AI”）的国家级计划，近期刚刚完成了项目的 사업자（官方承办单位）甄选，确定由 SK 电信（SKT）、KT 和 Kakao 三大联合体（Consortium）共同牵头。它面向全体国民免费开放，而且不限额度、不设 Token 限制。能做的事也都贴着日子走：预约医生、找公寓、问税务，小企业主拿它算税、找优惠，家长能拿到教育内容的推荐。读到“不限量”这三个字的时候我停了一下——AI 这两年的定价逻辑一直是按量走，从 API 计费到会员分级，忽然有一整片市场站出来说这件事该按人头供、随便用，这个动作的分量不在于省了多少钱，而在于它把 AI 放进了哪一类东西里。</p> https://bml.asia/posts/hermes-agent-server-yolo/ Mon, 31 Aug 2026 15:47:15 +0800 https://bml.asia/posts/hermes-agent-server-yolo/ <p>　　用 Agent 做事最烦的不是它不够聪明，而是它每走一步都要停下来问你一句。执行一条命令，确认；改一个文件，确认；跑一段脚本，还是确认。任务被这些确认切得七零八落，你名义上雇了个助手，实际上一直在给它当审批员。所谓 YOLO 模式，就是把这个确认环节整个拆掉：Agent 在执行任何操作前不再请求人工批准，读文件、写文件、跑命令，全部自己决定、自己动手、一气呵成。前提是你得先在配置文件里把权限放开，让它有资格碰它该碰的东西。我把 Hermes Agent 部署在自己的服务器上，平时通过 Web UI 访问，配置文件的权限全部开放，让它以 YOLO 模式跑全自动。这个决定听起来莽，但用起来之后我意识到，确认机制存在的大部分场景，防的其实不是风险，而是我自己的犹豫。</p> https://bml.asia/posts/hermes-agent-webui-self-signed/ Mon, 31 Aug 2026 04:30:26 +0800 https://bml.asia/posts/hermes-agent-webui-self-signed/ <p>　　前阵子翻出一台闲置的 Linux 小服务器，想着别让它落灰，就装了个 Nous Research 开源的 Hermes Agent。如今它的最新版本已经到 V0.20.6，安装倒是省心，一条一键脚本搞定，全程不需要 sudo，跑完 <code>hermes setup</code> 把大模型 API 配好就能开聊。配置模型列表的时候我留意到有个 <code>opencode free</code> 频道，底下挂着整整七款免费模型，白嫖党看了心里踏实，试玩成本几乎为零。命令行里跟它唠完两句，那股跨会话的记忆劲儿确实讨喜——上次聊的事，隔天再问它还记得。</p> https://bml.asia/posts/openmaic-duo-zhi-neng-ti-ke-tang/ Sun, 30 Aug 2026 20:48:04 +0800 https://bml.asia/posts/openmaic-duo-zhi-neng-ti-ke-tang/ <p>　　最近看到清华开源了一个叫 OpenMAIC 的项目，第一反应是“竟然还可以这样”。它的全称是 Open Multi-Agent Interactive Classroom，开放式多智能体互动课堂，由清华计算机系和教育学院的 THU-MAIC 团队开源。官方给的数字很抓人：任意一个主题、一份文档，甚至一段视频，大约三十分钟、不到两美元的成本，就能变成一堂完整的互动课——有幻灯片讲义，有测验和练习题，有 HTML 交互式模拟，还有项目式学习活动。但真正把它和市面上那些“AI 课件生成器”区分开来的，是这堂课里不只有内容，还有一整套配角：AI 教师负责授课，AI 助教随时答疑，还有好几个带着不同人格原型的 AI 同学在课上提问、讨论、拌嘴。你上传的不是一套讲义，而是一整个正在运转的课堂。</p> https://bml.asia/posts/ai-hardware-harvest/ Sun, 30 Aug 2026 13:59:32 +0800 https://bml.asia/posts/ai-hardware-harvest/ <p>　　最近翻各家财报，有个感受挺微妙：下游做大模型的还在烧钱，上游卖硬件的却已经先丰收了。云厂商的资本开支一路高位往上走，芯片、光模块、服务器这些算力基建的半年报一个比一个亮眼。放在两年前，大家聊 AI 的叙事还是&quot;谁能买到芯片&quot;，如今话题已经换成了集群怎么协同、商业怎么兑现、哪些细分环节在爆单。市场关注的焦点，从单一器件悄悄挪到了整条链路上。</p> https://bml.asia/posts/nvda-vendor-financing-lucent/ Sun, 30 Aug 2026 03:36:50 +0800 https://bml.asia/posts/nvda-vendor-financing-lucent/ <p>　　英伟达前不久官宣了一件在资本市场上分量不轻的事：联合六家顶级金融机构，打造一个5000亿美元的算力融资平台。所谓算力融资平台，说白了就是一个授信池子——客户想买英伟达的GPU，囊中羞涩，可以来池子里借钱。5000亿这个数字，更准确的说法是“平台所能调用的第三方资本规模”，比美国《芯片法案》的527亿美元补贴还要多出一个零。措辞值得多看一眼：不是英伟达自己掏5000亿，而是英伟达组织5000亿。它做的是钱庄的掌柜，不是金主。这个差别，恰恰是整件事最值得琢磨的地方。</p> https://bml.asia/posts/ai-circular-deals/ Sun, 30 Aug 2026 00:27:28 +0800 https://bml.asia/posts/ai-circular-deals/ <p>　　巴克莱最近拆了一份 AI 行业的利润账本：付费推理毛利率从 2025 年的十几个百分点爬到 50%-65% 以上，API 甚至摸到 80%，训练成本占比预计从 96% 一路降到 30%，2028 年后实验室的自建基础设施项目还会侵蚀三大云厂商的份额。数字很热闹，但我更在意的是藏在数字背后的那个老问题——模型和云厂商，到底谁在给谁打工。把这个问题放进循环交易的结构里看，短中长三个周期会给出三个不太一样的答案。</p> https://bml.asia/posts/baidu-cloud-agent-reorg/ Sat, 29 Aug 2026 20:46:01 +0800 https://bml.asia/posts/baidu-cloud-agent-reorg/ <p>　　百度智能云近期完成了一轮核心产研组织架构调整：原平台产品事业部更名为智能体事业部，其下属的 MaaS 业务、千帆品牌与全部 MaaS 相关产品体系，整体转入基础设施事业部；原数据平台部更名为数据智能部，整体并入由应用产品事业部更名而来的智能应用事业部。调整完成后，百度智能云形成基础设施、智能体、智能应用三大事业部并立的架构，三位事业部负责人均直接向百度集团执行副总裁、智能云事业群总裁沈抖汇报。</p> https://bml.asia/posts/workday-target-price-cut-analysis/ Fri, 28 Aug 2026 14:48:06 +0800 https://bml.asia/posts/workday-target-price-cut-analysis/ <p>　　TD Cowen 把 Workday 的目标价从 220 美元下调到了 210 美元。先说清楚这家公司是干什么的：它是美国一家企业级 SaaS 公司，主业是给大中型企业提供云端的管理软件，核心两块——管人（人力资本管理，员工档案、招聘、薪酬、绩效）和管钱（财务管理，会计、预算、采购、报销）。你可以把它理解成&quot;企业的人力资源系统 + 财务系统&quot;，全部跑在云端、按订阅收费。它在全球 HR 云和财务云领域是头部厂商，对手是 SAP、甲骨文这些老牌巨头。这次下调只有 10 美元，幅度约 4.5%，属于微调而非翻脸。</p> https://bml.asia/posts/ai-powered-cyber-defense-urgent-call/ Fri, 28 Aug 2026 06:40:35 +0800 https://bml.asia/posts/ai-powered-cyber-defense-urgent-call/ <p>　　OpenAI、Anthropic、谷歌、微软,再加上 100 多家科技与金融服务机构,周四一起发了一封公开信,核心就一句话:把网络防御当成领导层的头号任务,赶紧修好软件里现存的漏洞。最扎眼的是这封信的联署阵容——平时这些公司各有立场、明争暗斗,如今能在网络安全上一致对外,本身就说明威胁已经到了让所有人都坐不住的地步。</p> https://bml.asia/posts/human-decider-ai-executor-division/ Fri, 28 Aug 2026 01:42:02 +0800 https://bml.asia/posts/human-decider-ai-executor-division/ <p>　　有了 AI 加持之后，我发现部署环境这件事的本质变了。以前它是&quot;背命令&quot;的体力活：装什么依赖、用什么版本、按什么顺序、报错怎么解，全靠经验硬记。现在只需要了解两件事——它需要什么依赖、整体流程是什么——模型就能把这份依赖清单和流程，翻译成一步步可执行的动作。认知负担从&quot;记忆&quot;降级成了&quot;理解&quot;，我不再是一个执行者，而是一个拿着地图指路的人。</p> https://bml.asia/posts/baidu-zhongyao-shangshi-gangutong/ Wed, 26 Aug 2026 19:40:48 +0800 https://bml.asia/posts/baidu-zhongyao-shangshi-gangutong/ <p>　　这几天百度在资本市场上的动静，说起来其实是件挺有仪式感的事。8月26日百度在港交所公告，股东特别大会正式通过了此前通告里提呈的所有决议案，这意味着它从港股&quot;第二上市&quot;自愿转为&quot;双重主要上市&quot;的关键前置审批程序已经走完了。市场人士顺着过往先例算了一笔账：如果百度能在9月3日这个考察日之前把转换生效办妥，就赶得上本轮港股通调整窗口，最快9月7日当周，南向资金就能名正言顺地进场买它的H股了。单看公告本身，不过是例行的股东表决；可把这几个时间点连起来看，分明是一步一步卡着季度的节拍，在打一套有准备的组合拳。</p> https://bml.asia/posts/teng-xun-ai-man-zhi-shi-agent-shi-chang-pao/ Wed, 26 Aug 2026 16:54:54 +0800 https://bml.asia/posts/teng-xun-ai-man-zhi-shi-agent-shi-chang-pao/ <p>　　这几天科技圈里最热闹的议论，大概就是&quot;腾讯做 AI 慢了&quot;这句评价。汤道生在腾讯内部刊物《知点》年刊发了篇长文《和 AI 一起长跑的这两年》，倒是没有回避，直接承认公司整体算力严重不足，拖慢了混元大模型的训练与产品发展，产生了不小的影响；可他随即又补了句常被拿出来引用的话——起得早也许不是最关键的，AI 的下半场才刚开始，熬得久才有机会抓住持续出现的新机遇。大多数人读到的是腾讯在安抚情绪、给自己打气，可我从 AI agent 的视角把这篇文章读下来，却越读越觉得，它不只是一封回应质疑的内部信，更像是在悄悄改写这场竞赛的跑道：大家还在模型榜上一决高下的时候，他已经把目光落到了 agent 能不能真正落进生活里。</p> https://bml.asia/posts/ai-bu-shi-feng-kou-shi-shun-shou-de-gong-ju/ Wed, 26 Aug 2026 16:19:00 +0800 https://bml.asia/posts/ai-bu-shi-feng-kou-shi-shun-shou-de-gong-ju/ <p>　　我喜欢在互联网上冲浪，习惯性地打开百度，或者切到谷歌，敲几个关键词，然后一头扎进链接的海洋里。这么多年下来，这个动作几乎成了肌肉记忆。直到 AI 走进生活，我发现它没有颠覆什么，只是把&quot;给一堆链接，你自己筛&quot;换成了&quot;直接给一个答案，你挑着用&quot;。表面看像是换了个时代，可静下来一想，它跟搜索引擎没什么本质区别，都是同一个动作——想弄清楚一件事，于是开口去问。工具换了个更顺手的，仅此而已。</p> https://bml.asia/posts/agent-benzhi-shi-tishi-ci-duikang/ Thu, 20 Aug 2026 19:15:34 +0800 https://bml.asia/posts/agent-benzhi-shi-tishi-ci-duikang/ <p>　　说起来有点不好意思，我最早接触这类 AI 智能体的时候，是真的被惊艳到了。不管是通用的聊天 Agent，还是后来专门拿来干活的编程 Agent，比如 ZCode、CodeBuddy 这些，第一次用都给我一种“以后动动嘴就能把活干完”的错觉。我记得清清楚楚，头回拿 ZCode 让它给我弄个能记阅读进度的页面，我就随手丢了一句“帮我做一个能记录阅读进度的页面”，没多大一会儿，它真就跑出了一套说得过去的结构和样式。那一瞬间期待值是直接拉满的，满脑子都是：这下好了，后面那些查文档、调格式、对着报错发呆的破事儿，总算能甩给机器了。</p> https://bml.asia/posts/xiaohongshu-dots3-kaoyuan-shuang-ping/ Thu, 20 Aug 2026 16:59:04 +0800 https://bml.asia/posts/xiaohongshu-dots3-kaoyuan-shuang-ping/ <p>　　同一款模型，在海内外收获的待遇可以差到像两个世界。小红书的 Dots3-Note Preview 就是这样——它在海外热热闹闹地开源，国内却几乎听不见声响。这种温差本身就比任何参数都值得琢磨：到底是这款模型不行，还是我们根本用错了观察它的角度？</p> https://bml.asia/posts/testmu-agent-assurance-ai-agent-shangxian-anquan/ Thu, 20 Aug 2026 03:18:00 +0800 https://bml.asia/posts/testmu-agent-assurance-ai-agent-shangxian-anquan/ <p>　　先说结论：<code>AI 智能体</code>上线前的安全验证，绝大多数团队还在用&quot;看日志、读对话&quot;这种旧办法，而这恰恰是最验不出问题的办法。<code>TestMu AI</code>（原 <code>LambdaTest</code>）推出的 <code>Agent Assurance</code>，是我目前看到的第一个把<code>对话式智能体</code>和<code>自主智能体</code>的验证放进同一个平台的产品。这篇从行业痛点、产品设计、对比表和我的实际使用场景几个角度，客观拆一遍它到底解决什么问题。</p> https://bml.asia/posts/zcode-trae-codebuddy-hugo-ceping/ Thu, 20 Aug 2026 03:10:00 +0800 https://bml.asia/posts/zcode-trae-codebuddy-hugo-ceping/ <p>　　先说结论：维护 Hugo 静态博客这两年，我把 Trae、CodeBuddy 换成了 ZCode。变化最大的不是某个功能变强了，而是整个流程从&quot;七零八落的手工拼装&quot;变成了一条线——写作、MCP 配置调试、本地构建预览、Git 发布，全在一个对话里收尾。更实在的是，在火山大模型的 Agent 无缓存套餐下，我的 Token 开销降了差不多一个数量级。这篇把三款 AI 代码助手的实测对比、我踩过的坑、以及对应的省 Token 配置一次讲清楚。</p> https://bml.asia/posts/zcode-context-window-token-save/ Thu, 20 Aug 2026 02:30:00 +0800 https://bml.asia/posts/zcode-context-window-token-save/ <p>　　先说结论：在 Agent Plan 这种<strong>没有上下文缓存</strong>的套餐里，<code>1M</code> 超大上下文窗口不是白送的福利，而是每轮对话都在烧钱的无底洞。我的博客写作从 <code>1M</code> 收到 <code>128K</code> 之后，单篇千字博文的 Token 消耗降了一个数量级，正文没丢过一个字。这篇把原理、配置和三种场景的完整参数一次讲清楚。</p> https://bml.asia/posts/teng-xun-hui-gou-yu-ai/ Tue, 18 Aug 2026 21:39:00 +0800 https://bml.asia/posts/teng-xun-hui-gou-yu-ai/ <p>　　8月18日盘后，腾讯（00700.HK）又回购了：斥资约3亿港元、回购68.1万股，价格落在437.8到445港元。和港交所披露对得上，是事实。可回购本身，只是个引子。</p> https://bml.asia/posts/openrouter-ba-yue-bang-dan-deng-ding/ Tue, 18 Aug 2026 18:18:28 +0800 https://bml.asia/posts/openrouter-ba-yue-bang-dan-deng-ding/ <p>　　八月中旬，OpenRouter 的月度调用量榜单出来，最显眼的一行是：小米 MiMo-V2.5 排第一。紧随其后的 DeepSeek V4 Flash、腾讯 Hy3 也都是中国模型。说实话，看到这个我一点不意外——这两年每次翻 OpenRouter，前面几名越来越像中文互联网的产物。但真正让我停下来多看两眼的是，传着传着，标题变成了&quot;前七名全部来自中国模型&quot;&ldquo;前十占八个&quot;&ldquo;中国模型合计 88.1%&quot;。</p> https://bml.asia/posts/ai-tai-qin-kuai-token-bu-gou-yong/ Tue, 18 Aug 2026 15:32:39 +0800 https://bml.asia/posts/ai-tai-qin-kuai-token-bu-gou-yong/ <style> /* ===== 本文排版：Token 计量表（烧钱预警 × 可控冷静）===== */ .tb-hero, .tb-sec b, .tb-burn, .tb-save, .tb-verdict, .tb-fin, .tb-fig { letter-spacing: .01em; } /* —— 标题：等宽描边感（文章页 h1 + 首页置顶标题同步） —— */ .post h1, .pinned-title a { font-family: "Noto Serif SC", "Songti SC", "SimSun", serif; font-weight: 900; letter-spacing: .04em; color: #c2410c; } .post h1 { font-size: 1.7rem; line-height: 1.5; } .pinned-title a { text-decoration: none; } .pinned-title a:hover { color: #c2410c; } /* —— 引言卡：电表盘底色 —— */ .tb-hero { position: relative; margin: 1.4rem 0 2rem; padding: 1.4rem 1.6rem 1.4rem 1.9rem; border-radius: 14px; background: linear-gradient(135deg, rgba(194, 65, 12, .09), rgba(15, 118, 110, .09)), var(--bg); border: 1px solid var(--line); border-left: 5px solid #c2410c; box-shadow: 0 8px 26px rgba(80, 40, 20, .07); } .tb-hero .tb-lead { margin: 0 0 .5rem; font-family: "Noto Serif SC", "Songti SC", serif; font-size: 1.14rem; font-weight: 700; line-height: 1.7; background: linear-gradient(100deg, #c2410c, #0f766e); -webkit-background-clip: text; background-clip: text; color: transparent; } .tb-hero .tb-sub { margin: 0; font-size: .92rem; color: var(--fg-dim); } .tb-tag { display: inline-block; font-family: ui-monospace, Consolas, monospace; font-size: .76em; font-weight: 700; letter-spacing: .08em; color: #c2410c; background: rgba(194, 65, 12, .10); border: 1px solid rgba(194, 65, 12, .32); border-radius: 999px; padding: .14em .7em; margin: 0 .15em .15em 0; } /* —— 章节标题：编号块 + 衬线标题 + 细线 —— */ .tb-sec { display: flex; align-items: baseline; gap: .6rem; margin: 2.6rem 0 1.1rem; } .tb-sec .tb-no { font-family: ui-monospace, Consolas, monospace; font-size: .82rem; font-weight: 800; color: #fff; background: #c2410c; border-radius: 6px; padding: .1em .5em; flex: 0 0 auto; } .tb-sec b { font-size: 1.12rem; font-weight: 800; color: #c2410c; letter-spacing: .04em; } .tb-sec .tb-rule { flex: 1; height: 4px; border-radius: 2px; background: repeating-linear-gradient(90deg, var(--line) 0 8px, transparent 8px 16px); opacity: .8; } /* —— 关键句高亮：朱橙底纹 —— */ .tb-hl { background: linear-gradient(transparent 55%, rgba(194, 65, 12, .26) 55%); color: #c2410c; font-weight: 800; padding: 0 .15em; border-radius: 2px; } .tb-key { color: #c2410c; font-weight: 800; } .tb-dim { color: #8a94a6; } /* —— 烧钱色条 / 可控色条 —— */ .tb-burn { border-left: 4px solid #c2410c; background: rgba(194, 65, 12, .07); border-radius: 0 10px 10px 0; padding: .85rem 1.1rem; margin: 1.3rem 0; color: var(--fg); font-weight: 600; line-height: 1.8; } .tb-burn b { color: #c2410c; } .tb-save { border-left: 4px solid #0f766e; background: rgba(15, 118, 110, .08); border-radius: 0 10px 10px 0; padding: .85rem 1.1rem; margin: 1.3rem 0; color: var(--fg); font-weight: 600; line-height: 1.8; } .tb-save b { color: #0f766e; } /* —— 数字列表：计量读数 —— */ .tb-fig { margin: 1.4rem 0 1.8rem; padding: 0; list-style: none; font-size: .95rem; line-height: 2.1; } .tb-fig li { padding-left: 1.5rem; position: relative; } .tb-fig li::before { content: "⚡"; position: absolute; left: 0; color: #c2410c; font-size: .85em; } .tb-fig .tb-num { color: #c2410c; font-weight: 800; } /* —— 引用批注 —— */ .tb-quote { margin: 1.6rem 0; padding: .9rem 1.2rem; border: 1px solid var(--line); border-left: 4px solid #0f766e; border-radius: 0 4px 4px 0; background: rgba(15, 118, 110, .06); font-size: .94rem; line-height: 1.85; color: var(--fg-dim); } .tb-quote b { color: #0f766e; } /* —— 判断框 —— */ .tb-verdict { margin: 2rem 0 1.6rem; padding: 1.1rem 1.4rem; border-radius: 12px; border: 1px solid transparent; background: linear-gradient(var(--bg), var(--bg)) padding-box, linear-gradient(120deg, #c2410c, #d0873a, #0f766e) border-box; font-weight: 600; line-height: 1.8; } .tb-verdict .tb-verdict-name { display: inline-block; font-size: .76em; font-weight: 800; letter-spacing: .12em; color: #fff; background: linear-gradient(120deg, #c2410c, #d0873a); border-radius: 999px; padding: .1em .7em; margin-bottom: .5rem; } /* —— 结尾大字 —— */ .tb-fin { margin-top: 2.4rem; padding-top: 1.4rem; border-top: 1px dashed var(--line); text-align: center; } .tb-fin .tb-big { display: inline-block; font-family: "Noto Serif SC", "Songti SC", serif; font-size: 1.5rem; font-weight: 800; letter-spacing: .1em; background: linear-gradient(90deg, #c2410c, #d0873a, #0f766e, #c2410c); background-size: 300% 100%; -webkit-background-clip: text; background-clip: text; color: transparent; animation: tb-flow 5s ease-in-out infinite; } @keyframes tb-flow { 0%,100% { background-position: 0% 50%; } 50% { background-position: 100% 50%; } } .tb-fin .tb-small { display: block; margin-top: .5rem; font-size: .86rem; color: var(--fg-dim); } @media (prefers-reduced-motion: reduce) { .tb-fin .tb-big { animation: none; } } </style> <div class="tb-hero"> <p style="margin-bottom:.4rem;"> <span class="tb-tag">TOKEN</span><span class="tb-tag">COST</span><span class="tb-tag">AGENT</span> </p> https://bml.asia/posts/moxing-juhe-luyou-jingji-zhang/ Mon, 17 Aug 2026 00:09:00 +0800 https://bml.asia/posts/moxing-juhe-luyou-jingji-zhang/ <p>　　最近&quot;模型聚合&quot;这个说法到处被提：腾讯、字节到阿里、百度，办公 Agent 都不约而同改了打法，不把自己绑死在一个自研模型上，而是做成统一的入口和网关，按场景把任务分给不同的模型。</p> https://bml.asia/posts/polaris-yan-jiu-agent-de-cheng-shu-du/ Sun, 16 Aug 2026 16:16:00 +0800 https://bml.asia/posts/polaris-yan-jiu-agent-de-cheng-shu-du/ <p>　　当一个团队把&quot;让 AI 做科研&quot;从口号变成可以本地部署的系统，最该问的不是它有多炫，而是它怎么解决&quot;环节之间怎么衔接&quot;这个真正难的问题。浙大 ZJU-REAL 团队开源的 <strong>Polaris（北极星）</strong> 就是这样一个尝试：它把从追踪文献到写成论文的整条链路，组织成一条 AI 能自主推进、但关键决策仍留给人的协作流程。</p> https://bml.asia/posts/douyin-tui-jian-suan-fa-yu-hong-liu-zhui-zhu/ Sun, 16 Aug 2026 14:41:00 +0800 https://bml.asia/posts/douyin-tui-jian-suan-fa-yu-hong-liu-zhui-zhu/ <style> /* ===== 本文排版：热度信号（朱红 · 琥珀 · 靛蓝 三色点缀）===== */ .ht-hero, .ht-sec, .ht-card, .ht-verdict, .ht-flag, .ht-fin { letter-spacing: .01em; } /* —— 文章标题：黑色（含首页置顶，常态与 hover 一致）—— */ .post h1, .pinned-title a { font-family: "FangSong", "FZFSK", "仿宋", serif; font-weight: 700; letter-spacing: .05em; color: #000; } .post h1 { font-size: 1.75rem; line-height: 1.5; margin-bottom: .6rem; } .pinned-title a { text-decoration: none; } .pinned-title a:hover { color: #000; } /* —— 关键词：三色荧光块（无下划线）—— */ .ht-red { color: #b7351d; font-weight: 800; background: rgba(224, 72, 47, .12); border-radius: 4px; padding: .05em .28em; } .ht-bl { color: #2b4bb0; font-weight: 800; background: rgba(59, 91, 219, .11); border-radius: 4px; padding: .05em .28em; } .ht-am { color: #b56b00; font-weight: 800; background: rgba(240, 160, 32, .16); border-radius: 4px; padding: .05em .28em; } .ht-k { color: #000; font-weight: 800; } /* —— 引言卡：热度渐变底 + 左侧竖灯条 —— */ .ht-hero { position: relative; margin: 1.4rem 0 2rem; padding: 1.5rem 1.6rem 1.5rem 2rem; border-radius: 14px; background: linear-gradient(135deg, rgba(224, 72, 47, .10), rgba(240, 160, 32, .10)), var(--bg); border: 1px solid var(--line); border-left: 6px solid; border-image: linear-gradient(180deg, #e0482f, #f0a020, #3b5bdb) 1; border-left-style: solid; box-shadow: 0 8px 26px rgba(60, 50, 40, .07); } .ht-hero .ht-lead { margin: 0 0 .5rem; font-family: "Noto Serif SC", "Songti SC", serif; font-size: 1.16rem; font-weight: 700; line-height: 1.7; color: #241a14; } .ht-hero .ht-lead b { color: #e0482f; } .ht-hero .ht-lead b.bl { color: #3b5bdb; } .ht-hero .ht-lead b.am { color: #d9800a; } .ht-hero .ht-sub { margin: 0; font-size: .92rem; color: var(--fg-dim); } .ht-hero .ht-sub b { color: #241a14; font-weight: 800; } /* —— 章节标题：编号色块 + 标题 —— */ .ht-sec { display: flex; align-items: baseline; gap: .6rem; margin: 2.6rem 0 1.1rem; } .ht-sec .ht-no { font-family: ui-monospace, Consolas, monospace; font-size: .82rem; font-weight: 800; color: #fff; background: linear-gradient(135deg, #e0482f, #f0a020); border-radius: 6px; padding: .1em .5em; flex: 0 0 auto; } .ht-sec.b .ht-no { background: linear-gradient(135deg, #3b5bdb, #6b86e8); } .ht-sec.a .ht-no { background: linear-gradient(135deg, #d9800a, #f0c050); } .ht-sec b { font-size: 1.12rem; font-weight: 800; color: #000; white-space: nowrap; } /* —— 热搜对比卡：红 vs 蓝 —— */ .ht-cards { display: grid; grid-template-columns: 1fr 1fr; gap: 1rem; margin: 1.2rem 0 1.6rem; } .ht-card { border-radius: 14px; padding: 1.2rem 1.3rem; border: 1px solid var(--line); background: var(--bg); position: relative; overflow: hidden; } .ht-card::before { content: ""; position: absolute; top: 0; left: 0; right: 0; height: 5px; } .ht-card.c-warm { border-top: 5px solid #e0482f; } .ht-card.c-warm::before { background: linear-gradient(90deg, #e0482f, #f0a020); } .ht-card.c-cool { border-top: 5px solid #3b5bdb; } .ht-card.c-cool::before { background: linear-gradient(90deg, #3b5bdb, #6b86e8); } .ht-card .ht-cardname { font-size: 1.02rem; font-weight: 800; margin: 0 0 .15rem; display: flex; align-items: center; gap: .4rem; } .ht-card.c-warm .ht-cardname { color: #e0482f; } .ht-card.c-cool .ht-cardname { color: #3b5bdb; } .ht-card .ht-rank { font-family: ui-monospace, monospace; font-size: .72em; font-weight: 800; color: #fff; border-radius: 4px; padding: .05em .4em; } .ht-card.c-warm .ht-rank { background: #e0482f; } .ht-card.c-cool .ht-rank { background: #3b5bdb; } .ht-card .ht-cardsub { margin: 0 0 .6rem; font-size: .82rem; color: var(--fg-dim); } .ht-card ul { margin: 0; padding-left: 1.1rem; } .ht-card li { margin: .28rem 0; font-size: .94rem; line-height: 1.65; } .ht-card .ht-hot { color: #e0482f; font-weight: 700; } .ht-card .ht-chill { color: #3b5bdb; font-weight: 700; } /* —— 引用块：朱红左条 —— */ .ht-flag { border-left: 4px solid #e0482f; background: rgba(224, 72, 47, .06); border-radius: 0 10px 10px 0; padding: .8rem 1.1rem; margin: 1.3rem 0; color: var(--fg); font-weight: 600; } .ht-flag b { color: #e0482f; } /* —— 判断框：红琥珀蓝渐变边框 —— */ .ht-verdict { margin: 1.6rem 0; padding: 1.1rem 1.4rem; border-radius: 12px; border: 1px solid transparent; background: linear-gradient(var(--bg), var(--bg)) padding-box, linear-gradient(120deg, #e0482f, #f0a020, #3b5bdb) border-box; font-weight: 600; line-height: 1.8; } .ht-verdict .ht-verdict-name { display: inline-block; font-size: .78em; font-weight: 800; letter-spacing: .12em; color: #fff; background: linear-gradient(120deg, #e0482f, #f0a020); border-radius: 999px; padding: .1em .7em; margin-bottom: .5rem; } /* —— 结尾大字：热度流动 —— */ .ht-fin { margin-top: 2.4rem; padding-top: 1.4rem; border-top: 1px dashed var(--line); text-align: center; } .ht-fin .ht-big { display: inline-block; font-family: "Noto Serif SC", "Songti SC", serif; font-size: 1.5rem; font-weight: 800; letter-spacing: .12em; background: linear-gradient(90deg, #e0482f, #f0a020, #3b5bdb, #e0482f); background-size: 300% 100%; -webkit-background-clip: text; background-clip: text; color: transparent; animation: ht-flow 5s ease-in-out infinite; } @keyframes ht-flow { 0%,100% { background-position: 0% 50%; } 50% { background-position: 100% 50%; } } .ht-fin .ht-small { display: block; margin-top: .5rem; font-size: .86rem; color: var(--fg-dim); } @media (prefers-reduced-motion: reduce) { .ht-fin .ht-big { animation: none; } } @media (max-width: 640px) { .ht-cards { grid-template-columns: 1fr; } } </style> <div class="ht-hero"> <p class="ht-lead">抖音总给我推夸 DeepSeek Harness 的"正能量"，一条接一条，仿佛不装就不是合格的 AI 圈人。<b>可它明明只是个不那么好用的预览版。</b>点了几下，算法就替我脑补出"重度关注者"的人设，开始疯狂投喂。<b class="bl">名场面换了主角，剧本却一个字没改。</b></p> https://bml.asia/posts/ai-bian-cheng-gong-ju-da-luan-dou/ Sun, 16 Aug 2026 11:50:00 +0800 https://bml.asia/posts/ai-bian-cheng-gong-ju-da-luan-dou/ <style> /* ===== 本文排版：轨道信号（橙 · 蓝 · 紫 多色灯语）===== */ .hd-hero, .hd-sec, .hd-card, .hd-verdict, .hd-flag, .hd-tag, .hd-fin { letter-spacing: .01em; } /* —— 文章标题：黑色（含首页置顶，常态与 hover 一致）—— */ .post h1, .pinned-title a { font-family: "FangSong", "FZFSK", "仿宋", serif; font-weight: 700; letter-spacing: .05em; color: #000; } .post h1 { font-size: 1.75rem; line-height: 1.5; padding-bottom: .5rem; border-bottom: 3px solid #000; margin-bottom: .6rem; } .pinned-title a { text-decoration: none; } .pinned-title a:hover { color: #000; } /* —— 引言卡：橙蓝双色渐变底 —— */ .hd-hero { position: relative; margin: 1.4rem 0 2rem; padding: 1.4rem 1.6rem 1.4rem 1.9rem; border-radius: 14px; background: linear-gradient(135deg, rgba(255, 122, 0, .12), rgba(0, 102, 255, .12)), var(--bg); border: 1px solid var(--line); border-left: 5px solid #ff7a00; box-shadow: 0 8px 26px rgba(60, 50, 40, .07); } .hd-hero .hd-lead { margin: 0 0 .5rem; font-family: "Noto Serif SC", "Songti SC", serif; font-size: 1.16rem; font-weight: 700; line-height: 1.7; color: #1a1a2e; } .hd-hero .hd-lead b { color: #ff7a00; } .hd-hero .hd-lead b.bl { color: #0066ff; } .hd-hero .hd-sub { margin: 0; font-size: .92rem; color: var(--fg-dim); } .hd-hero .hd-sub b { color: #1a1a2e; font-weight: 800; } .hd-tag { display: inline-block; font-family: ui-monospace, Consolas, monospace; font-size: .78em; font-weight: 700; letter-spacing: .08em; color: #ff7a00; background: rgba(255, 122, 0, .10); border: 1px solid rgba(255, 122, 0, .35); border-radius: 999px; padding: .15em .7em; margin: 0 .15em .15em 0; } .hd-tag.blue { color: #0066ff; background: rgba(0, 102, 255, .10); border-color: rgba(0, 102, 255, .35); } .hd-tag.purple { color: #7a2fd0; background: rgba(122, 47, 208, .10); border-color: rgba(122, 47, 208, .35); } /* —— 章节标题：编号色块 + 黑色标题 + 虚线轨道 —— */ .hd-sec { display: flex; align-items: baseline; gap: .6rem; margin: 2.6rem 0 1.1rem; } .hd-sec .hd-no { font-family: ui-monospace, Consolas, monospace; font-size: .82rem; font-weight: 800; color: #fff; background: linear-gradient(135deg, #ff7a00, #ffaa33); border-radius: 6px; padding: .1em .5em; flex: 0 0 auto; } .hd-sec.b .hd-no { background: linear-gradient(135deg, #0066ff, #4d9fff); } .hd-sec.p .hd-no { background: linear-gradient(135deg, #7a2fd0, #a45cff); } .hd-sec b { font-size: 1.12rem; font-weight: 800; color: #000; white-space: nowrap; } .hd-sec .hd-track { flex: 1; height: 4px; border-radius: 2px; background: repeating-linear-gradient(90deg, var(--line) 0 8px, transparent 8px 16px); opacity: .8; } /* —— 关键句：三色高亮 —— */ .hd-o { color: #ff7a00; font-weight: 800; background: linear-gradient(transparent 55%, rgba(255, 122, 0, .18) 55%); padding: 0 .15em; border-radius: 2px; } .hd-bl { color: #0066ff; font-weight: 800; background: linear-gradient(transparent 55%, rgba(0, 102, 255, .15) 55%); padding: 0 .15em; border-radius: 2px; } .hd-pu { color: #7a2fd0; font-weight: 800; background: linear-gradient(transparent 55%, rgba(122, 47, 208, .15) 55%); padding: 0 .15em; border-radius: 2px; } .hd-k { color: #000; font-weight: 800; } /* —— 引用块：橙色左条 —— */ .hd-flag { border-left: 4px solid #ff7a00; background: rgba(255, 122, 0, .07); border-radius: 0 10px 10px 0; padding: .8rem 1.1rem; margin: 1.3rem 0; color: var(--fg); font-weight: 600; } .hd-flag b { color: #ff7a00; } /* —— 判断框：橙蓝紫渐变边框 —— */ .hd-verdict { margin: 1.6rem 0; padding: 1.1rem 1.4rem; border-radius: 12px; border: 1px solid transparent; background: linear-gradient(var(--bg), var(--bg)) padding-box, linear-gradient(120deg, #ff7a00, #7a2fd0, #0066ff) border-box; font-weight: 600; line-height: 1.8; } .hd-verdict .hd-verdict-name { display: inline-block; font-size: .78em; font-weight: 800; letter-spacing: .12em; color: #fff; background: linear-gradient(120deg, #ff7a00, #7a2fd0); border-radius: 999px; padding: .1em .7em; margin-bottom: .5rem; } /* —— 结尾大字：三色流动 —— */ .hd-fin { margin-top: 2.4rem; padding-top: 1.4rem; border-top: 1px dashed var(--line); text-align: center; } .hd-fin .hd-big { display: inline-block; font-family: "Noto Serif SC", "Songti SC", serif; font-size: 1.5rem; font-weight: 800; letter-spacing: .12em; background: linear-gradient(90deg, #ff7a00, #7a2fd0, #0066ff, #ff7a00); background-size: 300% 100%; -webkit-background-clip: text; background-clip: text; color: transparent; animation: hd-flow 5s ease-in-out infinite; } @keyframes hd-flow { 0%,100% { background-position: 0% 50%; } 50% { background-position: 100% 50%; } } .hd-fin .hd-small { display: block; margin-top: .5rem; font-size: .86rem; color: var(--fg-dim); } @media (prefers-reduced-motion: reduce) { .hd-fin .hd-big { animation: none; } } </style> <div class="hd-hero"> <p class="hd-sub" style="margin-bottom:.4rem;"> <span class="hd-tag">VIBE</span><span class="hd-tag blue">CONTROL</span><span class="hd-tag purple">OBSERVABILITY</span> </p> https://bml.asia/posts/du-li-zhan-jiao-gei-ai-agent-jiao-hu-fang-shi-xian-bian-le/ Sat, 15 Aug 2026 15:11:00 +0800 https://bml.asia/posts/du-li-zhan-jiao-gei-ai-agent-jiao-hu-fang-shi-xian-bian-le/ <p>　　8月7日，一场跨境独立站峰会在深圳举行。店匠、TikTok for Business、Stripe 三家联办，主题一句话非常有意味——“独立站，交给 AI Agent——Meet Athena”。有意思的是，这三家主办方恰好覆盖了独立站最核心的三段链路：建站、流量、支付。很多人读这条新闻，读出来的是“AI 又要给跨境提效了”。可我看到的不太一样，我看到的是一种交互方式的改变：独立站，似乎真的可以交给 AI Agent 来运营了。</p> https://bml.asia/posts/deepseek-harness-linux-ce-shi-ke-yong-xing/ Sat, 15 Aug 2026 12:35:00 +0800 https://bml.asia/posts/deepseek-harness-linux-ce-shi-ke-yong-xing/ <p>　　DeepSeek Harness 刚发布没几天，我就把它装到了一台 Linux 服务器上，目的只有一个：<strong>用最大可能，去试探它的可用性</strong>。不是用它干活，而是逼它出问题。插件自由拼接、自我修改、快照备份随便蹬——这些宣传里最诱人的词，恰恰是最需要被怀疑的词。测完一圈，我的总结很朴素：<strong>架构是对的，但生成效率很低，它还是个雏形，后续需要大量版本迭代。</strong></p> https://bml.asia/posts/deepseek-harness-huchenghe-zhenjia/ Fri, 14 Aug 2026 15:00:00 +0800 https://bml.asia/posts/deepseek-harness-huchenghe-zhenjia/ <p>　　判断一个 Agent 框架值不值得注意，别管它是不是 harness，这定位早烂大街了，真正该看的是它<strong>试图建立的护城河</strong>。DeepSeek Harness 反复强调三件事：<strong>省 token、插件化、自进化</strong>。拆开看，成色差得很远。</p> https://bml.asia/posts/glm-53-yi-ci-guan-yu-hou-xun-lian-de-jie-shi/ Fri, 14 Aug 2026 13:00:00 +0800 https://bml.asia/posts/glm-53-yi-ci-guan-yu-hou-xun-lian-de-jie-shi/ <style> /* ===== 本文排版：终端发布日志 · 墨黑信号 ===== */ .gs-body { letter-spacing: .01em; } /* —— 文章标题：等宽加粗 + 底部双线，收敛黑色 —— */ .post h1, .pinned-title a { font-family: ui-monospace, "Cascadia Mono", Consolas, monospace; font-weight: 800; letter-spacing: .04em; color: #111; } .post h1 { font-size: 1.6rem; line-height: 1.45; display: inline-block; padding-bottom: .5rem; border-bottom: 3px double #111; margin-bottom: .6rem; } .pinned-title a { text-decoration: none; } .pinned-title a:hover { color: #111; } /* —— 终端命令行块 —— */ .gs-term { margin: 1.6rem 0 2rem; padding: .9rem 1.1rem; background: #111; border-radius: 6px; font-family: ui-monospace, "Cascadia Mono", Consolas, monospace; font-size: .9rem; line-height: 1.9; color: #d8d8d8; overflow-x: auto; } .gs-term .gs-p { color: #79c0ff; } .gs-term .gs-ok { color: #8ce99a; } .gs-term .gs-warn { color: #ffd166; } /* —— 引言：左侧黑竖线 —— */ .gs-ink { margin: 1.6rem 0 2rem; padding: .35rem 0 .35rem 1.2rem; border-left: 4px solid #111; color: var(--fg-dim); font-size: .98rem; line-height: 1.85; } .gs-ink b { color: #111; font-weight: 800; } /* —— 章节标题：等宽编号 + 下划线 —— */ .gs-sec { display: flex; align-items: baseline; gap: .7rem; margin: 2.8rem 0 1.2rem; padding-bottom: .5rem; border-bottom: 1px solid var(--line); } .gs-sec .gs-no { font-family: ui-monospace, Consolas, monospace; font-size: .76rem; font-weight: 800; letter-spacing: .08em; color: #fff; background: #111; border-radius: 3px; padding: .1em .55em; flex: 0 0 auto; } .gs-sec b { font-family: ui-monospace, "Cascadia Mono", Consolas, monospace; font-size: 1.05rem; font-weight: 800; color: #111; letter-spacing: .04em; } /* —— 重点标注：纸上信号笔，黑底灰 —— */ .gs-hl { background: linear-gradient(transparent 55%, rgba(17, 17, 17, .22) 55%); color: #111; font-weight: 800; padding: 0 .15em; border-radius: 2px; } .gs-key { color: #111; font-weight: 800; } .gs-dim { color: #8a94a6; } /* —— 关键数字行：等宽小排 —— */ .gs-fig { margin: 1.4rem 0 1.8rem; padding: 0; list-style: none; font-family: ui-monospace, Consolas, monospace; font-size: .94rem; line-height: 2.1; color: var(--fg-dim); } .gs-fig li { padding-left: 1.4rem; position: relative; } .gs-fig li::before { content: "»"; position: absolute; left: 0; color: #111; font-weight: 800; } .gs-fig .gs-num { color: #111; font-weight: 800; } /* —— 引用批注：灰底细框 —— */ .gs-quote { margin: 1.6rem 0; padding: .9rem 1.2rem; border: 1px solid var(--line); border-left: 4px solid #111; border-radius: 0 4px 4px 0; background: rgba(17, 17, 17, .05); font-size: .94rem; line-height: 1.85; color: var(--fg-dim); } .gs-quote b { color: #111; } /* —— 结论：黑框反白 —— */ .gs-concl { margin: 2rem 0 1.6rem; padding: 1.2rem 1.4rem; border: 2px solid #111; border-radius: 6px; background: rgba(17, 17, 17, .04); font-weight: 600; line-height: 1.9; } .gs-concl .gs-concl-name { display: inline-block; font-family: ui-monospace, Consolas, monospace; font-size: .74rem; font-weight: 800; letter-spacing: .14em; color: #fff; background: #111; border-radius: 3px; padding: .1em .7em; margin-bottom: .6rem; } .gs-concl .gs-hl { background: linear-gradient(transparent 55%, rgba(17, 17, 17, .22) 55%); } </style> <div class="gs-term"> <span class="gs-p">$</span> glm-release --show 5.3<br> <span class="gs-ok">✓</span> 基座：GLM-5.2（740B+，未更换）<br> <span class="gs-ok">✓</span> 编程体感：较前代提升 50%<br> <span class="gs-ok">✓</span> Terminal Bench 3.0：开源第一<br> <span class="gs-warn">!</span> 多模态：本版本不提供 </div> <p class="gs-ink"> 今天智谱发布了 GLM-5.3。新闻通稿里最扎眼的一句是<b>“基座没变”</b>。我盯着这四个字看了很久，觉得它比任何"提升 50%"都更值得写。<span class="gs-hl">一次能力跃迁，靠的不是换头，而是把后训练做长、做深。</span>这是本文想聊清楚的事。 </p> https://bml.asia/posts/deepseek-harness-ziyou-de-jiage/ Fri, 14 Aug 2026 12:30:00 +0800 https://bml.asia/posts/deepseek-harness-ziyou-de-jiage/ <style> .post h1 { font-family: ui-monospace, Consolas, monospace; font-weight: 700; font-size: 1.55rem; color: #000; border-bottom: 3px double #000; padding-bottom: .55rem; display: inline-block; letter-spacing: .02em; } .post h2 { font-family: ui-monospace, Consolas, monospace; font-weight: 700; color: #000; font-size: 1.12rem; margin-top: 2.1rem; padding: .35rem .85rem; background: rgba(0,0,0,.05); border-left: 4px solid #000; letter-spacing: .02em; } .post .mod { display: inline-block; font-family: ui-monospace, Consolas, monospace; font-size: .82em; font-weight: 700; color: #000; background: rgba(0,0,0,.05); border: 1px solid rgba(0,0,0,.4); border-radius: 4px; padding: .04em .5em; margin: 0 .15em; } .post blockquote { margin: 1.4rem 0; padding: 1rem 1.3rem; border-left: 4px solid #000; background: rgba(0,0,0,.04); border-radius: 0 8px 8px 0; font-weight: 600; color: inherit; } .post .terminal { font-family: ui-monospace, Consolas, monospace; font-size: .9rem; background: rgba(0,0,0,.04); border: 1px dashed rgba(0,0,0,.35); border-radius: 6px; padding: .9rem 1.1rem; margin: 1.2rem 0; color: #000; } .post .terminal b { color: #000; } </style> <p>　　这几天，DeepSeek 的一个开源项目讨论度格外高，叫 <span class="mod">DeepSeek Harness</span>。官方给它的公式只有一句话：<b>Model + Harness = Agent</b>。模型负责思考，Harness 负责把思考接进真实世界。听起来很平淡，可越看进去越觉得，它想做的事，比&quot;又一个编程助手&quot;要激进得多。</p> https://bml.asia/posts/deepseek-api-tiaojia-v4-pro/ Thu, 13 Aug 2026 23:28:00 +0800 https://bml.asia/posts/deepseek-api-tiaojia-v4-pro/ <style> /* 仅保留：标题非粗体（继承主题默认色，不加任何彩色） */ .post h1, .pinned-title { font-weight: 400; } </style> <blockquote> <p>8 月 13 日，DeepSeek 用三件事，同时宣告了一个转向。</p> https://bml.asia/posts/ai-dai-ma-ceshi-de-xin-sai-dao/ Thu, 13 Aug 2026 18:35:05 +0800 https://bml.asia/posts/ai-dai-ma-ceshi-de-xin-sai-dao/ <style> /* ===== 本文排版：线框铅字 · 墨蓝朱砂 ===== */ .kz-hero, .kz-sec, .kz-concl, .kz-hl, .kz-fig { letter-spacing: .01em; } /* —— 文章标题：线框铅字（宋体 + 底部双色框线）—— */ .post h1, .pinned-title a { font-family: "Noto Serif SC", "Songti SC", "SimSun", serif; font-weight: 900; letter-spacing: .1em; color: #1f2a44; } .post h1 { font-size: 1.7rem; line-height: 1.5; display: inline-block; padding-bottom: .45rem; border-bottom: 3px double #1f2a44; margin-bottom: .6rem; } .pinned-title a { text-decoration: none; } .pinned-title a:hover { color: #1f2a44; } /* —— 引言：左侧朱砂竖线 —— */ .kz-ink { margin: 1.6rem 0 2.2rem; padding: .35rem 0 .35rem 1.2rem; border-left: 4px solid #1f2a44; color: var(--fg-dim); font-size: .98rem; line-height: 1.85; } .kz-ink b { color: #1f2a44; font-weight: 800; } /* —— 重点标注：朱砂底纹高亮 —— */ .kz-hl { background: linear-gradient(transparent 55%, rgba(31, 42, 68, .28) 55%); color: #1f2a44; font-weight: 800; padding: 0 .15em; border-radius: 2px; } .kz-key { color: #1f2a44; font-weight: 800; } .kz-dim { color: #8a94a6; } /* —— 章节标题：编号朱砂块 + 衬线标题 + 细灰线 —— */ .kz-sec { display: flex; align-items: baseline; gap: .7rem; margin: 2.8rem 0 1.2rem; padding-bottom: .5rem; border-bottom: 1px solid var(--line); } .kz-sec .kz-no { font-family: ui-monospace, Consolas, monospace; font-size: .78rem; font-weight: 800; color: #fff; background: #1f2a44; border-radius: 3px; padding: .08em .5em; flex: 0 0 auto; } .kz-sec b { font-family: "Noto Serif SC", "Songti SC", serif; font-size: 1.12rem; font-weight: 800; color: #1f2a44; letter-spacing: .06em; } /* —— 关键数字行：保留单行小排 —— */ .kz-fig { margin: 1.4rem 0 1.8rem; padding: 0; list-style: none; font-size: .95rem; line-height: 2.1; } .kz-fig li { padding-left: 1.4rem; position: relative; } .kz-fig li::before { content: "—"; position: absolute; left: 0; color: #1f2a44; font-family: ui-monospace, Consolas, monospace; } .kz-fig .kz-num { color: #1f2a44; font-weight: 800; } /* —— 引用批注：灰底细框，关键词朱砂 —— */ .kz-quote { margin: 1.6rem 0; padding: .9rem 1.2rem; border: 1px solid var(--line); border-left: 4px solid #1f2a44; border-radius: 0 4px 4px 0; background: rgba(31, 42, 68, .06); font-size: .94rem; line-height: 1.85; color: var(--fg-dim); } .kz-quote b { color: #1f2a44; } /* —— 结论：墨蓝边框，重点白字反白 —— */ .kz-concl { margin: 2rem 0 1.6rem; padding: 1.2rem 1.4rem; border: 2px solid #1f2a44; border-radius: 6px; background: rgba(31, 42, 68, .03); font-weight: 600; line-height: 1.9; } .kz-concl .kz-concl-name { display: inline-block; font-family: ui-monospace, Consolas, monospace; font-size: .74rem; font-weight: 800; letter-spacing: .14em; color: #fff; background: #1f2a44; border-radius: 3px; padding: .1em .7em; margin-bottom: .6rem; } .kz-concl .kz-hl { background: linear-gradient(transparent 55%, rgba(31, 42, 68, .28) 55%); } </style> <p class="kz-ink"> Blacksmith 一年内估值从 6000 万美元涨到 5.5 亿美元，客户从 700 家涨到 5000 家。资本在为<b>“一个问题”</b>买单，还是在为一个<b>“答案”</b>买单？这是本文想弄清楚的事。 </p> https://bml.asia/posts/manus-du-li-yun-ying/ Wed, 12 Aug 2026 19:30:00 +0800 https://bml.asia/posts/manus-du-li-yun-ying/ <p>　　最近有两则消息，放在一起读，颇有意思。一则是 AI 智能体公司 Manus 通过一封《致用户的一封信》，宣布恢复以独立公司的形式运营；另一则是前阿里巴巴 Qwen 项目技术负责人林俊旸，宣布在上海创办 AI 实验室 Pragmatik（p7k）Labs，专注研究面向数字世界与物理世界的下一代智能体。一家是公司的回归，一位是个人的再出发，看似无关，却同时落在&quot;智能体&quot;这三个字上。它们不是孤立的新闻，更像是同一场变化投在水面上的两道涟漪。</p> https://bml.asia/posts/2026-ge-ren-bo-ke-yi-yi-he-chong-xin/ Wed, 12 Aug 2026 01:14:23 +0800 https://bml.asia/posts/2026-ge-ren-bo-ke-yi-yi-he-chong-xin/ <style> :root { --c1: #0a7f96; --c2: #c2603f; --c3: #7a5aa8; --c4: #3a8a5f; --c1-soft: rgba(10, 127, 150, 0.08); --card-bg: #f7f8f6; --card-line: #e3e6e1; } @media (prefers-color-scheme: dark) { :root { --c1: #55c9dd; --c2: #e8927a; --c3: #b79ce0; --c4: #6fc6a5; --c1-soft: rgba(85, 201, 221, 0.12); --card-bg: #1d2124; --card-line: #2f3438; } } .bm-q { margin: 1.6rem 0 2rem; padding: 1rem 1.2rem; border-left: 4px solid var(--c1); background: var(--c1-soft); border-radius: 0 6px 6px 0; color: var(--fg-dim); } .bm-q strong { color: var(--c1); font-weight: 650; } .bm-card { margin: 2.2rem 0; padding: 1.3rem 1.4rem 1.4rem; border: 1px solid var(--card-line); border-radius: 10px; background: var(--card-bg); } .bm-no { display: inline-block; margin-bottom: 0.7rem; padding: 0.1rem 0.6rem; border-radius: 4px; background: var(--acc); color: #fff; font-family: ui-monospace, SFMono-Regular, Menlo, Consolas, monospace; font-size: 0.78rem; letter-spacing: 0.12em; } .bm-card h2 { margin: 0 0 0.8rem; font-size: 1.18rem; color: var(--acc); } .bm-card p { color: var(--fg); } .bm-card p:last-child { margin-bottom: 0; } .bm-card.c1 { --acc: var(--c1); } .bm-card.c2 { --acc: var(--c2); } .bm-card.c3 { --acc: var(--c3); } .bm-card.c4 { --acc: var(--c4); } .bm-core { margin: 2.4rem 0; padding: 1.4rem 1.6rem; text-align: center; font-family: 'Noto Serif SC', 'Songti SC', 'STSong', 'SimSun', serif; font-size: 1.35rem; font-weight: 700; line-height: 1.8; letter-spacing: 0.06em; color: var(--c1); border-top: 1px solid var(--card-line); border-bottom: 1px solid var(--card-line); } </style> <p>　　最近我把一个念头丢给 AI，问它：都 2026 年了，写个人博客还有意义吗？它洋洋洒洒回了一大篇，从&quot;对抗 AI 废文&quot;&ldquo;数字主权&quot;&ldquo;长期复利&rdquo;，一路讲到 Z 世代的&quot;数字反叛&rdquo;，最后还煞有介事地给出了一套&quot;新生存法则&quot;——心态归零、垂直深耕、拥抱 GEO、全渠道分发。</p> https://bml.asia/posts/gong-cheng-gui-fan-shi-xu-chi-jiu-hua/ Tue, 11 Aug 2026 21:09:00 +0800 https://bml.asia/posts/gong-cheng-gui-fan-shi-xu-chi-jiu-hua/ <style> :root { --aq: #0aa5bd; } @media (prefers-color-scheme: dark) { :root { --aq: #4fd0e6; } } </style> <div style="border-left:5px solid var(--tp2);background:rgba(122,90,168,.08);padding:1.1rem 1.3rem;margin:0 0 1.8rem;font-family:'Noto Serif SC','Songti SC',serif;font-size:1.05rem;line-height:1.9;"> 　　不少人用 AI 做项目，功能堆得飞快，坑也挖得飞快。等需求迭代到第五轮，想改哪里都怕——你不确定动这一块，会不会牵动整栋楼。项目于是进入一种奇特的循环：<span style="color:var(--tp0);font-weight:700;">建得越快，塌得越可能。</span> </div> <p>　　这不是 AI 的问题，而是我们对&quot;快&quot;的理解出了问题。AI 最擅长往前写，却几乎不回头看全局。它写每个功能时，都只基于当下那一段局部上下文——前面已经有过的两段代码、用过的命名、定下的结构，它一概不记得。</p> https://bml.asia/posts/sou-suo-yin-qing-dao-da-mo-xing/ Tue, 11 Aug 2026 00:30:00 +0800 https://bml.asia/posts/sou-suo-yin-qing-dao-da-mo-xing/ <p>　　最近在琢磨一个对比：以前我们衡量一个工具，问的是&quot;搜索引擎有多好&quot;，如今问的却是&quot;大模型有多好&quot;。表面看只是换了主语，深看下去，这背后是两套完全不同的逻辑在更替——人去找答案，和答案来找人。</p> https://bml.asia/posts/agent-xie-tong-de-yan-su-xing/ Mon, 10 Aug 2026 22:15:00 +0800 https://bml.asia/posts/agent-xie-tong-de-yan-su-xing/ <p>　　这一年，多智能体（multi-agent）成了最热的关键词之一。一个&quot;编排者&quot;派任务，一群&quot;执行者&quot;各司其职，彼此发消息、传结果、来回若干轮，最后交出一份像模像样的成果。演示视频里一切行云流水，仿佛把几个大模型串在一起，就自动获得了分工与协作的能力。</p> https://bml.asia/posts/ai-shidai-hugo-jing-tai-boke-fan-shi-gou-jian/ Mon, 10 Aug 2026 18:00:00 +0800 https://bml.asia/posts/ai-shidai-hugo-jing-tai-boke-fan-shi-gou-jian/ <p>　　如果说前两篇记录的是&quot;我做了什么&quot;，这一篇想聊聊&quot;为什么这样做是对的&quot;。搭一个博客容易，难的是想清楚：在 AI 遍地都是的今天，一个用 Hugo 写的个人静态博客网站，它的存在方式到底应该长成什么样。</p> https://bml.asia/posts/ai-bu-shu-hugo-bian-yuan-jie-dian/ Mon, 10 Aug 2026 17:45:00 +0800 https://bml.asia/posts/ai-bu-shu-hugo-bian-yuan-jie-dian/ <p>　　&ldquo;用 AI 部署 Hugo 博客网站，然后发布到边缘节点，我感觉真的很好。&rdquo;</p> <p>　　这句话是我最近真实的心情，也是我写下这篇的原因。过去我对&quot;部署&quot;两个字是有点怵的。服务器、域名、反向代理、证书，在我脑子里是叠在一起的黑箱，每一个词都像迷宫入口，进去之后往往就出不来了。博客写完了，却常常卡在最后一步：怎么让它被人看到。</p> https://bml.asia/posts/ai-shidai-yong-agent-gou-jian-boke/ Mon, 10 Aug 2026 17:30:00 +0800 https://bml.asia/posts/ai-shidai-yong-agent-gou-jian-boke/ <p>　　这是第一篇。</p> <p>　　想写博客的念头存了很久，但一直卡在&quot;搭站&quot;这一步。选框架、配主题、调样式、改模板，每一样都不难，加在一起就足够把热情磨光。写作的欲望，最后总是死在配置文件里。</p>