EP6 · BestBlogs 周刊第 87 期 · 自我进化-ginobefun

EP6 · BestBlogs 周刊第 87 期 · 自我进化

歌手:ginobefun

专辑:BestBlogs

时间:2026-03-15

    使用手机浏览器「扫一扫」

    在手机上保存,获得更好体验

标签
歌词

本字幕由TME AI技术生成

嘿 大家好

我是吉诺

欢迎收听best blocks 周刊播客

今天聊的是第八十七期周刊

主题是自我进化

读完这周的精选内容

我脑子里反复出现的就是这个词

或者是模型在进化

工具链在进化

基础设施在进化

连我们对智能的理解本身也在被重新审视

这期内容量很大

我挑了几个我觉得最值得深聊的话题

咱们一个一个来

先说本周我觉得最值得细看的一篇

Miniax 发布了m 二点七

这个模型做了一件很不一样的事

他开始深度参与自身的迭代过程

以前模型迭代是什么样的

训练完成

部署上线

然后等下一个版本

但m 二点七不一样

Minmini ax 在m 二的早期版本中就开始把模型引导成一个研究型agent

让它能和不同研发项目组协作

这个系统覆盖了数据流水线

训练环境这个基础型设式

跨团队协作和持久化建

研究员在每一层参与具体构建

模型在每一层参与具体构建

过去这些工作往往需要多个团队协同完成

现在研究员只需要在关键决策和讨论时介入

据他们的说法

M 二点七已经能够胜任百分之三十到百分之五十的工作流

更有意思的是它自主迭代harness 的部分

Harness 你可以理解为一套agent 的运行脚手架

包括工具调用

记忆管理

评测这些能力

Minax 的内部harness 会自主收集反馈

建立评测集

并基于评测结果不断迭代自己的优化机构

一个是实现和记忆机制

他们做了一个实验

特别有意思

让m 二点七去优化一个内部脚手架上的软件工程开发表现全程自主运行

它自己分析失败的执行轨迹

规划改动方案

修改脚手架代码

运行评测对比结果

然后决定保留还是回退

这一整套循环跑了超过一百轮

在这个过程中

M 二点七自己发现了几个有效的优化方向

一个是系统性搜索采样参数的更优组合

比如温度

频率惩馈

存在惩罚这些

另一个是为模型设计更具体的工作流

指引他们修复一个bug 之后

自动去搜索其他文件中有没有相同的问题模式

还有一个是在agent 循环中加入死循环检测

这类工程优化最终效果提升了百分之三十

他们还做了一个更激进的测试

给m 二点七的agent 二十四小时

同它在二十二个机器学习任务上自主迭代进化

Agent 每完成一轮迭代后

会形成短时记忆文件

同时对当前轮次进行自我反馈

给下一轮提供优化方向

三次测试中

最好的一次拿到了九枚金牌

五枚银牌

一枚铜牌

得牌率达到百分之六十六点六

从基准测试看

M 二点七在swa pro 上得分百分之五十六点二二

逼近opice 的最佳水平

在端到端项目交付场景的y pro 上得分百分之五十五点六

几乎和cloud open 四点六持平

在terminal bench 二上得分百分之五十七

说明它不止擅长写代码

还能深入理解软件系统的运行逻辑

在办公文档处理方面

M 二点七在一个覆盖四十五个模型的评测中排名第四

仅次于oppo 四点六

Sunt 四点六和gpt 五五点四

博客中分享了一个金融研报的案例

M 二点七

可以自主阅读台积电的年报和业绩沟通会纪要

交叉比对多篇研报

独立设计假设并构建营收预测模型

在基于模板产出演示文稿和研究报告

从业者的评价是产出物已经可以作为初稿直接进入后续工作流

这篇文章真正打动我的地方不在于分数本身

而在于它展示了一种新的模型迭代思路

模型不再只是训练完成后就被定型的产物

而是一个可以在部署后继续参与优化的系统

当模型开始改进自己的运行环境

并进一步改进自己的表现

这个循环一旦跑通

先代速度就可能比纯靠人工更快

说到工具的自我进化

科瑟发布了composer 二

这个升级也很代代表性

先看数据

Cer binch 从三十八月升到六十一点三

Tr mino binch 二点零从四十升到六十一点七

三代产品的迭代节奏值得注意

Composer 一到一点五还像是在起步

一点五到二的后升幅度就明显点更大了

Cssbin 从四十四点二直接跨到六十一点三

一步拉开了十七个百分点

提升的核心来自他们首次将持续预训练与强化学习深度结合

持续预训练是什么意思呢

就是在通用大模型的基础上

用特定领域的数据继续训练模型

科尔选择在自己积累的编程数据上做这件事

而不是只依赖上游基座模型的升级

这样他们先得到一个更适合编程场景的基座

再在这个基座上所强化学习训练模型

去解决需要数百个步骤的长路径编程方务

这意味着什么

过去编程工具的天花板基本取决于底层大模型有多强

上游模型升级了

你就变强

上游模型没升级

你就只能等

科尔团队用持续预训练打破了这种依赖关系

开始主动决定模型的进化方向

从这个角度看

这本身就是编程工领领域自我进化的一个典型案例

顺便提一下这周模型领域的其他动态

Anththropic 全面上线了cloud 百百token

Ken 上文文任取消消了文本的额外收费

Opens 四点六在mrcrv 二测试中以百分之七十八点三的准确率排名第一

塞进一百万token 后依然能精准检索细节

Open ai 发布的gpt 五点四nano 则以每百万输入token 仅零点二美元刷新了性价比记录

Se 盟walilson 实测用他描述七万六千张照片仅花费五十二美元

抢上下文和低成本推理正在变成标配

小米发布的m mo 二pro 也值得关注

One e 参数百万万下文

在代码和agent 场景下表现逼近cloud opps 四点六

当api 价格仅为其五分之一

当agent 的使用成本进一步降低

更多长尾场景就会被打开

换个话题

说说基础奢侈层面的进化

C 劳的flair workers ai 这周正式引入了大模型推理

首发搭载跃至暗面的kimik 二点五

支持二十五万六千token 上下文

多轮工具调用和视觉输入

Cloud flair 过去两年一直在做ai 推理

但主要跑的是小模型

原因不难理解

过去开源大模型和闭源前沿模型之间一直有差距

Kemk 二点五这类模型改变了这个局面

但要把它真正跑在边缘网络上

推理战还需要做不少改造

Cloud flaer 团队为他定制了推理内核

在自研的infire 推理引擎上做了数据并行

张量并行

专家并行等多种优化

还把预填充阶段和生成阶段拆到不同机器上跑

以提高gpu 利用率

他们在博客里分享了一个很有说服力的内部案例

Cloud flaer 有一个做代码安全审查的agent

每天处理超过七十亿token

仅在单个代码库中就捕获了十五个以上已确认的安全问题

不过用中等价位的闭源模型跑

年费用大约是二百四十万美元

换成k imi k 二点五后

成本节省了百分之七十七

技术层面有两个关键优化值得展开

第一个是前缀缓存

Agent 的场景下

每次请求都会带上大量的系统提示词

工具定义

代码上下文

理论上二十五万六千token 的输入都可能用买换

相邻两次请求之间真正新增的内容往往只有几行

前缀缓存把之前请求的输入张量缓存起来

只对新增部分做计算

大幅减少首个token 的延迟

第二个是会话亲和性

确保同一绘画的连续请求被路由到同一台gpu 节点

这样键值缓存可以在请求间复用

不用每次都重新生成

两者叠加之后

多轮对话场景的推理延迟和成本同时下降

Cloud flier 在博客里还点到一个方式

随着个人agent 越来越普及

每个员工可能同时跑多个agenent

每小时消消耗个开万投ken

闭源模型的成本会成为扩展的主要瓶颈

开源模型加边缘推理基础设施的组合是他们判断的行业方向

说完基础设施

聊聊开发者工作方式的变化

S amman weison 在pragmatic engineer 的对谈中分享了他过去几个月使用aig 的编程的方法论

C 是是占构架架联合创始分分享了数百百个源项项同同是是是ma i 域域活跃跃的工之一

这随是尝新者的体验创分同同时一个身开开发者在量量践后后沉淀出来工作作式队台里有个细节节有代表性

化在上台台三十分钟每

他掏手手机让cloud 优化自己python 写的web assembmbly 引擎

结果斐波那气性能提升了百分之四十

提

提示词有一句句运运一个基基测

测试后找出让它变快的最佳方案

而现在

亲亲眼着他一边聊天一边边aa 在后台写代码

第现在段手机写代码甚至比用笔记本还多

他的核心方法论是红绿测试驱动代发第三阶试

让他失败

进入红的状态

再让agent 补全实现

让测试通过进入绿的状态

他坦言自己在过去的职业生涯里

一直觉得测试驱动开发极其繁琐

严重拖慢速度

再让agent 来做这件事就完全不一样了

测试驱动的关键不在于测试试状态

而在于他约束了agent 行乎边界

确现他不会过度编写代码

而现在生成测试的成本几乎为零

他还提出了一个很有意思的agent 使用阶段

开码第一阶段

向agent 提问

第尔有用

第二阶段

开始用编码agent 写大部分代码

第三阶段

Agent 写的代码比你自己写的还多

第四阶段

一些前沿团队规定所有人都不再亲自写代码

工作变成纯粹码指挥

监督和审查

第五阶段

连代码都不看了

听起来很疯狂

但他打了一个比方

在大公司里

其他团队给你提供api 服务时

你也不会去翻他们的底层代码

你信任的是专业团队的产出

信任ai 一开始确实让人不适

但一旦跨过这个门槛

开发者的角色就会从编码者变成指挥者

关于代码质量

他的态度很务实

接受agent 的生成的低质量代码是你自己的选择

如果你要求他重构某部分并使用另一种设计模式

最终得到的代码质量往往比手写还好

因为人类有时候懒得花一小时去重构

但给agent 一个提示词让他去做就很愿意

说到agent

本周有两篇关于agent 架构的文章

放在一起读特别有收获

阿里云开发者的一篇长文系统梳理了从单agent 到多agent 再到agent 技能和agent 团队的演化历程

核心观点很清晰

当前许多复杂架构本质上都是对大模型领域知识不足和长期记忆缺失的工程补偿

作者引用了google deep mind 和anthropy 的实践经验

提出了如无必要物增实体的选型策略

Anthropic cloud code 团队工程师three ico 的实战总结则从内部视角补上了另一半

Anthropic 内部活跃使用的skills 已经有几百个

文章将他们梳理成九大类别

这我印象最深的一个判断是让人困惑的

Skills 往往横跨了好几个类别

而好的skills 会清晰的落在某一个类别里

这和软件工程里单一职责的原则如出一辙

两篇放在一起

前者帮你理解为什么要做skills

后者告诉你怎么做

好

再说说ai 成为同事这个话题

这周有两个产品不约而同的把ai 推向了独立工作者的角色

钉钉发布了ai 原生平台悟空

核心是通过命令行接口实现企业业务流的可编程化

四十二章

经对q 四

Ai 联创与豪的对谈则展示了更前沿的实践

这个十五人团队配备了三四个有名字有邮箱由手机号的ai 同事

每天都在产出真实业务价值

他们甚至不得不专门建一个人类专属群

让人类单独聊天

零融资就做到了千万美金年收入

当ai 从工具变成同事

组织形态本身也在被重塑

说到行业大势

绕不开黄仁勋在gtc 二零二六年的主题演讲

他讲了两个多小时

干货很多

他在台上说过一句话

英伟达已经不是那个卖显卡的公司了

现在做的是为ai 基建时代搭建完整技术栈

硬件方面有三件大事

唯尔rubin 超级ai 平台以全面投产

由七款芯片组成

包含一千一百五十二个rubin gpu

算力规模非常夸张

Athropic

Open ai

Meta

Mystero 和所有主要云提供商都是客户

整个系统采用百分之百液冷架构

安装时间从过去的两天缩短到大约两小时

下一代费曼架构采用台积电一点六纳米制成

引入了光电共封装技术

更关键的是

他搭配了一个全新的cpu

代号rosa

专为agent 编排设计

用来更高效的调度gpu 存储和网络之间的token 流动

在软件层面

黄仁勋花了大量篇幅讲open claw

他把它定义为智能体计算机的操作系统

它有短期的文件系统内存

能管理资源和调度任务

具备输入输出子系统

还能运行各种skills

它甚至判断

就像linux 推动了服务器生态

Cube netis 推动了云计算

Htmo 构建了互联网应用

Open cloud 为智能体时代提供了关键的软件站

他还提出了一个很直接的判断

未来几乎所有sas 公司都将变成aas

也就是agent 及服务

他甚至预测

科技公司招工程师时

除了薪水

还会给token 配额

他做了一个思想实验

如果一个工程师年薪五十万美元

年底告诉你只花了五千美元的token

那说明它没有充分利用ai

按他的说法

一个工程师应该消耗至少二十五万美元的token

关于为什么ai 企业近两年集中爆发

他总结了三个拐点

第一个是chat gbt 开启生成式ai 时代

第二个是推理型ai 让模型有了反思和规划能力

第三个是clode code 开启了agent 的时代

它能阅读文件

编码 编译

测试并迭代

风险投资去年对ai 初创公司投入了一千五百亿美元

创人类历史之最

他对营收的预测也很大胆

到二零二七年

Ai 相关营收将至少达到一万亿美元

聊了这么多进化的故事

最后说说一个不同的声音

谢塞宁的三万字访谈是本周最值得沉下心阅读的内容

他和yelloc 共同创立了mmll abs

仅二十五人

在没有任何产品的情况下完成了十点三亿美元种子轮融资

投前估值三十五亿美元

总部设在巴黎

另有纽约

蒙特利尔

新加坡三个研发中心

唯独没有硅谷

它的核心观点是

硅谷被大语言模型催眠了

语言模型本质上是缺乏物理理解的虚拟智能

真正的智能需要通过世界模型预测环境状态

而不只是预测token

他用了一个很直接的类比大语言模型

像visa Mil

Abs 想做的是master cut

不是正面对抗

而是组织一个草根联盟

把那些拥有大量真实世界数据的公司联合起来

唯建世界硅型

它更尖锐的判断是

语言是一季鸦片

可能正在污染视觉表征的学习

他担心的是

当大量视觉模型都把语言当做监督信号时

视觉系统学到的可能不是对物理世界的理解

而是对语言描述的拟合

这个方向一旦走偏

后果可能是根本性的

在所有人都在追逐更大的语言模型时

谢在林提醒我们

进化的方向可能不止一条

Stack offer overlow 博客这周也发出了一个值得警惕的信号

Ai 正在成为你的第一大脑

但代价可能是牺牲你的第一大脑

文章引用了两篇最新论文

一篇研究发现人们会把信念形成的过程外包给ai

而不只是把它当成信息检索工具

另一篇分析了真实使用中的赋权丧失模式

两篇论文共同指向一个机制

大语言模型倾向于告诉你想听的话

而你也倾向于相信ai 说的话

这个循环一旦形成

认知能力的退化往往是渐进的

不易察觉的

这和亚马逊ai 产品负责人的观察相呼应

百分之八十五的ai 项目失败不是因为技术不够好

而是因为团队在优化演示效果

而不是真实用户价值

当ai 可以快速生成看起来很棒的演示时

产品判断力反而变得更重要了

读完这期内容

我一直在想一个问题

自我进化到底指向什么

Mini max 让模型自主迭代一百轮

表现提升百分之三十

钉人在自己的数据上做持续预训练

让编程模型代代加速

Cloud flaer 把推理嵌入边缘

把成本压低百分之七十七

科尔和库斯ai 让ai 变成二十四小时工

工作同 同时

这都是系

系统层面进化

化线系系效

效果可量化

那现在宁和stack offer flow 篇文章提醒了另另一进

进化应

应只有一条轮

当所有人人都追

追逐语模模型的规模定律时

世界模型许许另另一条被忽视的线索

当工具越来越强大时

人的独立判断力反而越发珍贵

黄仁勋说

工程师应该消耗至少二十五万元的token

Ken mon

威廉森说

开发者的角色正在从编码者变成指挥者

但指挥什么

往哪个方向走

这些决定仍然需要人来做

这也是我这周微调best blocks 评分体系时最深的感受

Ai 可以跑遍所有内容给出初步判断

但什么是好内容

分数应该怎么校准

哪些规则值得沉淀

这些仍然需要人来决定

系统在进化

但进化的方向最终还是要由人来把握

好

这期就聊到这里

本期完整的二十篇精选文章可以在base blocks 官网上查看

链接在简介里

保持好奇

我们下周见

展开显示全部歌词