本字幕由TME AI技术生成
Deep mind 创始人demis
Hussabbis 把agi 的到来时间锁在二零三零年前后
并且直接说光靠大规模预训练加rlh 走不到那一步
这是best blocks
四月三十日早上播是jo o
今天值得说的事情有一条非常清晰的主线
Agentic info 真正进入主流
你会看到三件事
在同一天
河流模型这一层
Hassabis 在y combinate 的访谈里把通往agi 的路线图摆上桌
告诉创业者
要假设agi 在你公司生命周期的中断就到来
工程平台这一层
Open ai codex 升级成每周三百万活跃用户的并行工程平台
主代理自动把任务拆给子代理执行
部署平路这一层
Cloud flawer 联合stripe 推出新协议
让ai agent 自己开账号买域名
走完支付
一次性把应用部署到生产
全程不需要人去仪表盘里复制token 或者填信用卡
模型能力
工程平台
部署链路三件事第一次在同一天形成闭环
无人值守的软件交付链条今天才真正搭起来
我们先从hassabis 那场访谈讲起
第一篇金讲是hassabis iy combinated 的访谈
标题叫how to build the future
这场对话最值得标记的一句话
他直接给出了一个时间窗
Agi 大致会在二零三零年前后到来
这不是公关式的远期承诺
是deep mind 内部当做工程目标的判断
但它紧跟着把另一只鞋扔下来
现有的大规模预训练加rlhf 远远不够
要补三块短板
第一是持续学习
模型必须能不断吸收新知识
又不会把之前训练的东西遗忘掉
第二是长程推理
不能停在简单的思维链上
要做到鲁棒的规划和自我反省
第三是记忆
要从今天这种暴力堆上下文窗口的方式
转向更高效的类脑的工作记忆
这三件事任何一件没解决
所谓agi 就只是更大的语言模型
通往agi 的形态是agentic systems
能自己做决定
自己做规划去达成目标的智能体
今天agent 还卡在没法适应具体上下文这个能力上
要让agent 服务到一级用户
Deep mind 重仓了一件事
叫distllation 蒸馏
蒸馏后的小模型它们叫flash 系列
已经能跑出前沿模型百分之九十五的能力
成本只是一小部分
这意味着把高水平ai 装进家用机器人
装进端测设备
今天在工程上是可行的
隐私和速度都能拿到deep mind 的使命
它这次又重申了一遍
解决智能本身
再用智能去解决其他一切
他把ai 当做打开科学问题根节点的钥匙
最具体的弱点是
Ic mophic lab 目标十年内做出虚拟细胞模拟拟把物过程变成一个计算机视觉加推理问题
研究者就能在不做大量物理实验的前提下
预测药物相相互作用生生结果
从法alphfod 到虚拟细胞是同一条曲线
再走十年
最后他给创创业一句硬化
假设agi 在你公司生命周期期中端段到来
换句话说
你今天动手的产品
护城河
商业模式
都要预设一个比你想象中更早到达的临界点
它建议大家把ai 用在那种组合搜索空间巨大
暴力穷举搞不定
但ai 推理能赢的领域
比如材料科学
医药研发
提前用产品去拦住这条曲线
不要等曲线撞上来
这一段
听完你大概能感觉到
哈萨贝斯给的是模型能力的天花板和落地形态
但天花板和家用之间还差一层工程平台
这正好是接下来open ai codex 那一段的事
第二篇精讲来自ai engineer 大会上open ai 团队的现场分享
Codex 已经从一个写代码助手升级成完整的工程平台
每周活跃三百万用户
重点不是模型炫技
是他现在能跑测试
能管环境
能并行任务
底座模型从gpt 五点二一路换到当前的gpt 五点四
性能这一层做了两层加速
先用web sockets 让token 流失生成快一点七五倍
再叠上fast mode 再翻一倍
还出了两个变体spark 版本跑在serarbus 平台上
Mini 模型给短任务用
这套组合等于把交互延迟压到了一个临界点之下
开发者写两行又跳走那种打断感被消除了
插件架构现在收敛成三件套
一是skills
给特定工作流附用的指令包
第二是apps 直连notion linear slack 这类服务的官方通道
第三是mcp service
从外部系统拉工具进来扩展codex 能力
这三件套合起来撑起了automations 自动化任务
让codex 在后台跑定时活
比如自动整理slack 消息
汇总邮件
全程不需要人介入
整场分享里最值得标记的特性叫sub agents 子代理
一个主codex 实例可以自己把大任务拆成小块
交给多个子代理并行跑
现场演示是这样
他们让主codex 去审查几十个persona 配置文件
主代理直接拆出一批子代理同时干活
每个子代理拿不同的权限
不同的模型
开发者可以为每个persona 自定义权限
比如审阅角色指读
可以根据子任务对推理强度的要求选不同的模型
还可以在子代理这一层接century
Linear 这类外部系统
这是把多智能体协作从论文里搬到了ide 里
为了让cocox 真感自主做事
Open ai 同时端出guarding approvals
这是一个专门的子代理
专门用来分析特权操作
比如执行服务器命令
再判断这一步要不要人工批准
换句话说
是用一个ai 去守住另一个ai 的边界
目的是减少人类审批疲劳又不牺牲安全
这跟前几天cursor 那个九秒删库的事故对照来看
就特别值得思考
Subagents 让效率上去了
高diding 让让全上上来
两件事必须须上来
如果你今天还在用ide 加单一模型那种工作流
可以认真问一句
要不要把审计
测试
并行任务这些重火搬到cocox x
三百万精讲已经说明很多
团队给出了答案
讲完模型层和工程平台层
最后一篇精讲把视角推到部署博客
看agenter 怎么自己把代码送上线
第三篇精讲来自cloud flaer 官方博客
Cloud flail 联合strip 推出一个新协议
名字暂时跟着产品
叫stripe projects
这件事的分量需要换一个角度看
Ai agent 第一次拿到了从零到生产的全套权限
自己开账号
自己买域名
自己拿api token
自己部署过去
这套流程是这样的
开发者要去cloud flare 仪表盘注册账号
买域名
生成api token
复制粘贴到代码或者ci 里
然后才能让agent 跑部署
今天这一整套被压成一条命令
Jorustririp ci
Dran
Strip projects 插件登录strip
然后跑cloud proprojects neate
剩下的是agent 自己接管
如果你登录strip 部署上箱
已经有cloud flier 账号
回跳一个标准os 流部署授授权
然没有cloud flfler 账号
Cloud fflare 直接为你和你的agent 自动开一个账号
全程没有人去填表
两分钟的演示视频里
Agent 真的就把一个新站点部署上线
并且注册好了一个新域名
技术上是三个组件搭载已有的标准之上
Discovery 这一步
Agent 跑strip projects
Cataloc e 拿到所可可服服务清单
简单的rest 接口返回jason
Cloud flare 一长串产品对人来说看着头晕
但对agent 来说就是它需要的上下文
Authoriation 这一步
Strip 充当身份提供方
Ags 加oidc 把用户身份转给cloud flier
Cloud flier 按需开账号或链接已有账号
再把凭证安全的交给strike projects
Cli payment 这一步
Strip 给provider 一个payment token
原始信用卡号永远不会暴露给agent
并且默认每个provider 月预算上限一百美元
等你信任了
再去cloud fllae 仪表盘上线
并设budget alerts s 对拼拼起
正正把过去要人介介入步骤一一去掉掉
商业层有两个动作关关键
Cloud allas 注册新公司送十万美元cloud flaer credit
等于把这条新链路直接对准初创公司
更重要的一点是
任何在登录用户的平台都能像strip 一样接入cloud fllaer
扮演orchestrator 这个角色
文章给出的例子很直接
假设你做的是一款编程agent 产品
你需需要一个pii 调用就能给用户cloud ffler 账号
拿token 做认证证请用户户本不需需要在迷公式的授权流程里打转
Planet scale 已经是早期样板
Cloud fill 用户能从workers ers 直接开planet scale posts res 数据库反过来也成立
我对这一片的判断是这样
Ai agent 拿到自己开账号
自己花钱自己部署的全套权限
是过去几个月被反复讨论
但今天才真正落地的事
他跟off 当年标准化授权这件事的意义同级
区别在于他把off 直接延展到了支付和账户开设
原果你做的是一个待登录用户的平台
今天可以把这件事放进路线图里认真评估
错过这一波
你会在两年后被对手吃掉新用户来源
讲完这三条主线
下面是值得快读的几条
第四条来自nnor pic 官方博客
标题叫agentic 时代的产品开发新范式
因为anthropic 产品经理复盘了用cloud diam manage agents 之后产品开发流程怎么重写
原来那种文档堆成删
要花大量时间做对齐的工作方式
正在变成一种动手为主快速迭代的手艺活
这位产品经理强调的细节是
过去prd 写完往往就是一份静态文档
现在prd 直接就是给agent 的提示词
每改一次产品就跑一次
省下来的时间反过来花在跟用户和团队的真实接触上
这条值得任何一个还在写超长prd 的产品经理认真看一遍
Ai 时代的产品交付逻辑已经在改写
第五条来自快手技术
标题叫拦截率从百分之十五到百分之五十五
快手智能on car t 系统的演进实践
这套系统叫concar
从nop 时代的关键词匹配升级到lag 加大模型再叠上完整的知识运营体系
核心链路优化和思域模型微型把问题拦截率从百分之十五一路提到百分之五十五
文章里有一个很重要的转折点
他们意识到拦截率上不去的根本原因不是模型不够强
是知识运营这一层没人在做
所以专门搭了知识管线
把答疑沉淀变成可被raack 检索的素材
更值得记住的是
它从被动响应转向了源头治理
对所有大组织的on call 团队都有借鉴价值
第六条是跨国串门计划那期播客纳瓦尔谈vipe coding
硅谷传奇投资人nevoral revocant 这次抛了两个有冲击力的判断
准软件不再适合风险投资
因为创造一个软件的编辑成本被vipe coding 压到接近零
护城河必须建立在分发社区或者跨模态壁垒上
以及苹果因为放弃ai 这条主曲线
统治地位会终结
他还顺手讲了web coding 给个体创造者带来的那种久违的纯粹乐趣
把开发从协作仪式拉回到一个人和机器对话的状态
这两条判断不一定都对
但都值得创业者和投资人心里过一遍
第七条是宝玉的分享
那篇深度拆解hermis agents 记忆灵活核心架构怎么修正open 误区
文章把开源clouhermis agents 的四层记忆架构拆开了讲
固化提示词记忆sacrelight 会画搜索
压缩 冲刷
技能管理核心设计是冷热分离加缓存优先
这里的关键洞察式把提示词稳定下来
才能吃到模型的prompt cash 红利
Open cloud 那种动态拼提示词的做法看着灵活
实际把缓存命中率打没了
每次都从统算算
Hmss 的做法是把热路径锁定
冷路径走
数据库在压缩
做agent 的工程的同学
这一篇可以当工程参考
能直接省一大笔token 账单
如果你听到这里还有时间
今天扩展阅读里有几条也值得往后排
Ai engineer 那场关于liquid ai 训前沿小模型的分享
Maximuar booone 的核心观点是
前沿小模型不能靠从大模型蒸馏来
它需要专门的架构
极致的token 预算
On policy 的对齐方式以及agentic 工具支撑
是一条独立的agent curcurse 官方那条sdk 发布
开发者现在可以用cursa 同款的运行时curness 和模型搭自己的agent
这是ide 厂商把内核能力外放给生态的一次明确动作
Info kill 那篇京东营流用agentic workfall 在b 端营销实现降本百分之五十
从人机协同走到全流程大模型培育
或解弊端营销获客难
转化差的痛点
签约量翻倍
腾讯云开发者的harness engineering 核心模式与理念
以及阿里云开发者那篇做了一个平台
让ai 一晚上自动评测和优化你的系统
统篇是同一个工程程题的的右右角前讲架构构淀
后者讲自动动环
最后是宝玉转发发open en i 型
Awx 扩大合作
Open ai 模型
Cocox 和managed agents 全面登录amazon bedrock
嗯
企业可以在aws 环境里直接调用
这跟今天cloud flaare 那条主线一起看
会让你对agentic infer 渠道站的速度更有体感
完整链接和评分都在show notes 里
今天三条主线其实在讲同一件事
那就是agentic infer 真正进入主流
Hasbbe 把模型能力的天花板和落地形态摆上桌
Open ai 把ide 升级成跑测试
管环境并行任务的工程平台
Cloud flair 联合stripe 把agent 的部署链路从仪表盘里解放出来
模型层
平台层
部署层第一次在同一天河流
如果你昨天还在问ai agent 什么时候能真正进生产
今天的回答已经具体到一条命令
一份协议
一份月预算上线
我是geno best blocks 的devil
每天为你筛选当天最值得读的ai 与技术内容
明天见