本字幕由TME AI技术生成
嘿 大家好
我是吉诺
今天是三月十七号
今天有三篇深度内容
我觉得特别值得展开聊
一篇是谢赛宁跟张小军的七小时马拉松访谈
他对当前ai 路线的质疑非常犀利
一篇是讲软件复杂性的深字长文
写的很透彻
Ai 时代尤其值得中读
还有质朴发布glm 负五减turbo
专门为a 键场景做了深度优化
这个方向很有代表性
另外今天还有gpt 负五点四创下营收记录
Cursor 安全智能体
Stripe 的ai 系统每周发一千三百个pr 等等
后面一起速览
我们先从谢赛宁的访谈开始
张小军对谢赛宁做了一场七个小时的深度对话
谢赛宁是amil abs 的联合创始人
跟杨丽坤一起创办的
这期播客的信息密度非常高
我挑几个最有意思的点来聊
他的核心判断很鲜明
硅谷已经llm 中毒了
大家都在语言空间里卷
忽视了物理世界的建模
他认为世界模型才是通向真正智能的关键路径
不是预测下一个字符
而是预测环境的下一个状态
他说了一个我印象很深的观点
有大量信息和知识是没办法通过语言去完整描述的
语言的好处是你不需要做任何额外的事情就能跟人对齐
但这也恰恰是他的天花板
语言模型处理的是符号化的信息
但真实世界大量的知识是非符号化的
比如一只松鼠怎么在树枝之间跳跃
怎么在复杂环境里生存
这些能力背后的智能
语言模型目前是建模不了的
他还说了一句挺有意思的话
他觉得能够打造出一只松鼠的智能这件事情才是真正难的问题
不是让模型写更长的代码
是理解物理世界的因果和交互
还有一个判断我觉得特别值得琢磨
他说
在当前这种强竞争环境下
每家公司似乎都失去了定义问题的能力
所有人都在抢着回答同一个问题
但真正重要的是谁在定义新的问题
这句话不只是在说ai 研究放到任何一个竞争激烈的领域都成立
他和勒坑创立aa labs 的初衷也挺有意思
不是为了做更大的语言模型
而是想在一个自由的研究环境里去探索表征学习和世界模型
他们认为当前ai 领域缺少的不是更多算力
而是更多对根本问题的思考
对我来说
这些访谈的价值在于提供了一个完全不同的参照系
当整个行业都在为llm 的下一个版本兴奋的时候
有人在说
这条路可能不是终点
不管你最终同不同意它的判断
第种对主流叙事的系统性质疑
值得认真听一听
第三是在简介里
七个小时确实长
我可以倍速听重点章节
说到深度思考
今天还有一篇文章我特别想推荐
大淘宝技术发了一篇万字长文
讲软件的复杂性
标题叫软件为何越做越乱
写的非常透彻
文章的切入点特别好
它从一个现实折扣功能的演进故事讲起
这个功能一开始很简单
但随着需求迭代
不断打补丁
加开关
复制逻辑
每次修改看起来都合理
但最终整个模块变成了没人敢碰的黑箱
我相信做过几年开发的人对这个场景都不陌生
作者把复杂性归纳为三大表现
第一是变更放大
第一个小功能要动好几个地方
第二是认知复合理解一段代码需要同时记住太多上下文
第三是最危险的未知的
未知就是你不知道修改这里会不会影响那里
而这三个问题的根源可以追溯到两个词
依赖和晦涩
核心主张是什么呢
他提出了战略性编程的概念
不是每天埋头赶需求
而是主动投入百分之十到二十的时间来做架构优化
这个投入看起来慢了
但长期看
好的架构才能保证真正的开发速度
方法论层面
它讲了几个点
都挺实用的
第一个是深模块
最好的模块应该是接口简单
但内部功能强大
用他的话说
深模块是一个好的抽象
因为它的内部复杂性对使用者几乎不可见
第二个是信息隐藏
模块的设计者应该把复杂性留给自己
把简单留给调用方
不要通过增加配置参数或抛出不必要的异常来把问题转嫁给使用者
文章里有句话我特别喜欢
把简单留给别人
复杂交给自己
这不只是一条技术原则
几乎是一种工程师的职业美德
为什么我觉得这篇文章在今天特别值得读呢
因为ai 编码工具让写代码变得越来越快了
Vib coding 的趋势下
代码生成速度不是瓶颈
但代码生成快了之后
复杂性累积的速度也变快了
如果不重视架构和设计
Ai 帮你写出来的代码可能比人写的烂代码堆积的更猛
所以
对抗复杂性的工程素养在ai 时代反而更重要了
不
是更不重要
再来聊质朴发布的glm 负五减turbo
这个模型不是常规的版本升级
而是专门为open call 龙下a 阵场景做了深度优化
这个方向本身就很有代表性
质朴提了一个我觉得挺准确的判断
体验过open call 的用户有一个共同感受
模型能聊好天
但未必能干好活
问题出在哪呢
通用大模型进入真实的a 阵场景后
涉及多轮理解
任务拆解
工具调用状态
衔接时间
触发这些长链路工作流很容易中途失速
这们原话说的是harness 再多不如模型自身变强
Harness 就是模型外面套的各种框架和工具链
意思是这些外部能力加的再多
如果底层模型本身不适配a 阵场景
效果还是上不去
所以glm 负五减turbo 从训练阶段就针对四个核心能力做了专项增受
工具调用不掉链子
复杂指令拆解更准
定时和持续性任务不中断
高吞吐
长链路执行更稳
他们还发布了一个评测基准
叫zel oud bench
基于open cloud 真实用例
有个数据挺有意思的
Open cloud skills 的使用比例从百分之二十六快速增长到了百分之四十五
这说明agent 能力正在向模块化和技能化的方向演进
不是一个大模型什么都自己干
而是通过调用不同的skills 来组合完成任务
另外他们同步推出了龙虾套餐的订阅制模式来解决成本问题
这也很现实
Agent 任务的token 消耗远超普通对话
一次跨部门的会议纪要整理可能涉及数十轮工具调用的token 成本是agent 大规模落地的一个实际瓶颈
还是一套面向企业的安全管理体系
包括权限编排
实时监控审计日志这些
当agent 开始在企业内部干活
安全和合规就不是可选项了
我觉得这件事最值得关注的不是glm 负五减turbo 这个模型本身有多强
而是它代表了一个趋势
国内厂商开始围绕agent 执行链路
成本和安全体系做成套的产品化方案
不只是发布一个更好的模型
而是把模型加框架加评测加定价加安全打包成一个完整的解决方案
这跟之前大家这笔跑分的阶段不一样了
好
接下来快速过一下今天其他几条值得关注的内容
先说gpt 负五点四
基瑞brokman 公布了一组数据
Gpt 负五点四上线api 一周日处理量就到了五万亿token
超过一年前整个open api 的总量
年化净新增营收十亿美元
增长速度在open ai 历史上没有先例
黑色mtt man 提到一个有意思的点
他说gpt 负五点四最大的进步不是更聪明了
而是更有人性了
交互体验有了质的变化
另外有位波兰数学家花了二十年构建了一个号称ai 解不出的数学难题
Gpt 负五点四试了十一次就破解了
推理能力的边界还在快速扩展
Co 官方博客公开了他们内部的安全智能体体系
挺值得学习
他们用currol automations 建了四种专门的安全agent
一个做pr
实时安全审查
确认准确率之后直接上了ci 阻断
一个叫vom hunt
扫描已有代码库的漏洞
一个叫any bump
先做可达性分析
再自动升级有风险的依赖测试通过才开pr
还有一个每天跑一次
监控代码有没有偏离安全合规规则
整套体系每周覆盖三千多个内部pr
抓出两百多个安全问题
Ai agent 在desic ops 领域的一个扎实落地案例
也就是对理解了技术术报简简单就是把attenreredudutransformm 标准的均匀确学的案例就是了
输输依赖型的注意力机制
这样做能缓解深层网络中隐藏状态不断增长长模型信息被释释问题
已经在四百八十亿参数的kimi linear 模型上验证了
延迟增加很小
但性能提升明显
架构层面的改进值得关注
Tools datata science 上有一篇关于llm 幻觉的研究结论停反直觉
他们通过分析模型内部残差流的几何结构
发现模型产生幻觉时并不是没解到正确信息
而是为了追求上下文连贯性
主动抑制了事实性的token
也就是说
幻觉是下一词源预测目标的涌现属性
不是训练数据的缺陷
这个发现对理解和解决幻觉问题的方向有很大启发
Stripe 内部的ai 智能体系统叫minons
每周能发布一千三百个pr
不需要人工干预
通过slack 触发端到端自动化编码任务
他们强调的是成功的秘诀不在llm 本身
而在成熟的开发基础设施
隔离式开发沙盒加上混合确定性工作流的蓝图架构
才是让agent 真正稳定产出的关键
Cloud code 团队总结了六条反直觉的缓存法则
挺实用
核心思路是把缓存命中率从省钱的成本指标提升为保证系统稳定运行的可靠性指标
具体包括提示前缀编排绘画中不切换模型工具
延迟加载上下文压缩时的缓存安全分叉等等做常态化agent 的团队可以直接拿来参考
最后一条
三一五晚会曝光了ai 大模型被投毒的问题
黑产通过批量制造伪内容和伪共识
系统性的影响rs 检索增强生成的过程
把广告伪装成ai 给出的标准答案
用户完全分辨不出来
这种认知操纵比传统广告更隐蔽
本质上是在操纵模型的外部证据链
对所有做r 字系统的团队都是一个警示
今今天就聊到这里
今天的系统精讲内容各有侧重
现在您在以当前ai 的主流路线
软件复杂性那篇在提醒我们工程基本功
Glam 负五减turbo 在展示agent 的产品化的新趋势
三个不同的维度
但共同指向一个判断
Ai 发展到这个阶段
光块不够
需要更深的思考和更扎实的工程
链接都在简介里
推荐看看原文
明天见