## 📋 X 動態摘要（過去 24 小時）
最後更新：台北時間 2026-08-04 17:19
### 🤖 「模型正在改進模型」
Intology（@intology）宣布「模型正在改進模型」，說他們的自動化 AI 研究系統在某個後訓練基準上是最先進的，而它後訓練出來的某系列基礎模型超越了人類做的後訓練某某；「模型後訓練模型並超越人類」是本輪最重大的一則研究主張。 （2084319121332965804）
shmidt（@shmidtqq）指出某實驗室終於為其每一個模型都發布了提示詞手冊，並列出四個具名版本各自的指南；官方針對每個版本分別出手冊，說明提示技巧已經是版本相依的。 （2084312226773471616）
imjustnewatai（@imjustnewatai）認為這就是某人在說的那件事：某實驗室買下某家公司，是為了把其寫程式代理從本地機器移到安全、持久的雲端環境裡，而那份公告字面上就某某；把一次收購與產品路線圖對應起來相當有洞察。 （2084509922134303123）
SkyWT（@skywt2003）指出某實驗室為了複現那件事，甚至在部落格文章裡做了一個訊息應用的介面，並附上那篇文章的網址；企業爭議的呈現手法本身也是產品能力的展示。 （2084528814718394810）
Priya（@Priyannkaaaa）指出某公司的 harness 正在接近發布，說其專屬的 AI 寫程式代理開始成形：據報已經開始內部測試、而它是為某某打造的；模型公司自建 harness 是本週追蹤的重點。 （2084489000027300063）
Qwen（@Alibaba_Qwen）用一句「更好也更便宜，試試看」推廣其旗艦；官方最終定調在「更好且更便宜」這個組合上。 （2084552484648042776）
Pankaj Kumar（@pankajkumar_dev）整理某公司新高階模型的洩漏消息：預計在八月第二週、目標是十二到十四日左右發布，而它已經以某個代號出現在某個競技場上；同一個日期在本輪由第四個來源指出。 （2084551666297430393）
Mia（@MiaAI_lab）指出某個代理看起來也是另一個模型最好的 harness，並說也許它就是最好的 harness、句點；跨模型都最好的 harness 是很強的主張。 （2084540346512335180）
Mia（@MiaAI_lab）另貼出即將到來的那個二百七十億參數模型的相關內容；中型開權重模型的期待仍在累積。 （2084549221613466050）
Sakana AI（@SakanaAILabs）正式介紹其日語模型，說那是一個結合對該國文化的深刻理解與高效能的模型；文化理解作為模型賣點在本輪由官方確立。 （2084538073438896195）
### 💸 「一週 10 億 token，10 美元」
Major（@majoragv）指出在某平台上，七天內十億個某開源模型的 token 只要十美元，並列出你能用它做什麼，包括讓某代理幫你安裝某些工具；十美元十億 token 是本輪最極端的價格點。 （2084195367990481061）
Tiezhen WANG（@Xianbao_QIAN）從快取命中率提供一個新角度解釋為什麼某開源模型這麼有吸引力，並問百分之九十與百分之九十五的命中率差別是什麼——單看數字似乎很小，但某某；把「看似 5% 的差距」展開是很有價值的分析。 （2084517009195479234）
象牙山刘能（@disksing）表示某個模型太神奇了，他註冊了某個方案、選那個模型用了一整天，最後也不知道到底用了多少，額度一直是百分之百；額度不動的體驗說明補貼力度。 （2084548690002514272）
Elshayib（@elshayib_）指出某公司在其模型發布時伺服器被打爆，而現在同樣的事正發生在另一家身上，說需求瘋狂、而他們將要拿到的資料量某某；把「伺服器被打爆」與「取得的資料量」連起來看是重要的觀察。 （2084543424233873602）
高级分析师（@techeconomyana）提出反面意見：那些在這裡吹某平台上某模型使用量多高的人都有問題，因為該平台官網的資料面板顯示使用者加起來一共不到十萬人、沒有任何代表性，而作為對比另兩個代理分別是一千萬與兩千萬；把分母攤開來是必要的校正。 （2084511311514239189）
川沐（@xiaomustock）分析市場原本預測二零二七年儲存崩盤，結果暴跌一波之後又發新聞說二零二七全年的產能在二六年年中就全賣完了，因為某公司的低價策略搞得其他頂級模型都降價，那麼使用者一千美元的預算能多用好幾倍的 token 量、儲存消耗量暴增；把模型降價與記憶體需求連成一條因果鏈相當精彩。 （2084543015864119375）
Dmitry Lyalin（@LyalinDotCom）表示他同意今天早上看到的兩種說法：一是開放模型將對所有 AI 供應商造成破壞，二是介面價格將會繼續走高；這兩件事同時成立才是完整的市場圖像。 （2084254662044107013）
디피（@DIPI_E）拆解當前的 AI 毛利結構：寫程式的 AI 相對於人力成本是高毛利、知名 AI 相對於資料中心租金是高毛利、資料中心相對於某某是高毛利；把毛利沿著供應鏈一層一層追下去是很清楚的分析。 （2084463796526235934）
思维怪怪（@0xLogicrw）介紹一篇有意思的論文，說三名經濟學者把真實 AI 用量與股市行情放在一起回測，研究覆蓋二零二四年一月到二零二六年四月、使用了某平台上約三百八十兆個 token，而該平台是一個能用同一介面呼叫四百多個模型的聚合平台，研究者把每週的某某；用實際 token 用量做資產定價研究是很新穎的方法。 （2084235185701486662）
rick awsb（@rickawsb）提出一個暴論：如果那些新模型的能力增長按現在速度線性外推，頭部模型公司接下來可能根本不會再開放介面，因為他們完全可以直接賣新發現的分子結構、晶體結構、金融分析結果、核融合模擬資料等等，更何況模型能力並不是線性增長；把商業模式的極端可能性推演出來相當有價值。 （2084475034673074556）
晚点 LatePost（@latepostnews）報導三家大廠的 AI 辦公大戰內幕，指出過去三年 AI 產業留下了兩個教訓：面向普通消費者的產品遲遲找不到商業模式、耗光了巨頭的耐心；而幾個既有平台則驗證了另一件事——在原有產品裡加 AI 影響有限，因為舊產品的功能、組織與商業模式早已成型、很難靠一個 AI 入口脫胎換骨；這兩個教訓的總結相當有份量。 （2084494022006174033）
初码（@chumacn）認為某公司做消費端永遠是一灘爛泥，說其新旗艦推出後整個消費產品線更亂了、亂整合亂命名，並主張他們該老老實實做雲端就好，因為手上那麼多高階加速器、租給其他模型公司就能賺得盆滿缽滿；商業定位的建議雖然直白但邏輯完整。 （2084487600015122450）
Federico Simionato（@fedesimio）宣布他們已正式同意以十二億八千五百萬美元收購某家協作資料庫公司；十億美元級的軟體併購在這個週期仍在發生。 （2084539635829465266）
Paul Graham（@paulg）看著某張圖說「那才叫圖表，尤其對一家只有六年的公司來說」；成長曲線的驚訝從最挑剔的觀察者口中說出更有意義。 （2084487000674230452）
清月已经不困了（@qingyue820）指出某家電路板公司要在沒人在意的角落靜靜上市了，並列出財務數字：二五年營收一百零二點三二億元、淨利十三點零六億元、淨利率約百分之十二點八，而即便中大批量的毛利率已經跌到百分之二點七九，它還能做到百億營收與十三億利潤；供應鏈基礎企業的獲利結構值得研究。 （2084400795261526371）
### 🖥️ 「給每個代理配一台虛擬電腦」
小互（@xiaohu）詳細解釋某公司新套件的設計：給每個 AI 代理配一台「虛擬電腦」，而這台電腦是一份存在雲端的檔案系統加上幾種能操作這些檔案的執行環境，代理每敲一條命令就自己決定派到哪個環境去跑——動檔案、處理資料、管版本庫，都在一個毫秒級啟動的輕量環境裡完成，真需要某某時才某某；這是本輪對那個架構最清楚的中文解釋。 （2084549349997150643）
Cell（@cellinlab）表示終於以後不用從頭刷某平台了，但他指出想要「全自動運營」最危險的一步恰恰是「自動發帖」，而他剛剛只發了一條訊息就能讓一個「活在簡訊裡的代理」在手機裡打開那個應用——本機甚至不用裝那個應用、也不用開代理——然後讓它刷完他維護的清單、篩出最值得轉評的兩條；把自動化的邊界與危險點同時講出來相當負責。 （2084533828035780837）
Metabind（@MetabindAI）指出某協定的第二版上週上線，而其應用機制現在是標準擴充、已在某個產品裡運行，這意味著你的應用可以在兩個聊天產品裡以互動介面的形式與客戶見面、而不必某某；協定升級讓「應用住進聊天視窗」成為標準。 （2084131846250741815）
Shar（@shardara）認為某個開源客戶關係管理系統是「軟體正在變成代理原生」的好例子，因為那個代理的行為是作為應用程式的大腦、而不是外掛上去的聊天視窗；「大腦而非外掛」是判斷代理原生的好標準。 （2084372995582402960）
Isaac Miller（@isaacbmiller1）宣布某個框架的新版本發布，說它擴展了可優化的範圍以及與模型的連接方式，其中一個新模組讓某個優化器不只能優化提示詞、還能優化程式碼某某；「連程式碼一起優化」是提示詞優化框架的自然延伸。 （2084410370282631534）
Patrick Loeber（@patloeber）指出地圖與搜尋的工具組合現在可以搭配某個模型使用了，並示範一個你可以用地圖工具建造的實用小應用；多工具並用的實際示範比公告有說服力。 （2084551562978803957）
Han Cheng（@ashfold）表示他用某個工具加上某個快速模型搞定了某影片模型的單卡部署，說這下可以自產影片了，踩坑經驗與部署方案在留言，而他個人評價是可以追平某閉源模型的八成，並說自己功力有限、歡迎專業的人給提示詞與素材讓他來跑；「追平八成」加上公開求教是很健康的社群態度。 （2084281623210852536）
huangserva（@servasyy_ai）公布測了一整晚的結果：某個注意力優化套件跑某影片模型，在一張特定顯卡上提速百分之二十四點三、最高百分之四十四，單段從四百二十五點六秒降到三百二十二秒、連續跑十三段大約省二十二分鐘；本地優化的可複現實測相當稀缺。 （2084454169889685624）
BijanBowen（@bijanbowen）展示用某新旗艦在單一個原生語言檔案裡做出的一款滑板遊戲；單檔案示範已經成為模型能力的標準測法。 （2084281015145492597）
Matt Pocock（@mattpocockuk）表示他非常喜歡某個指令的新批次版本，說那讓快速通過簡單問題變得快得多；批次化互動是被低估的效率改進。 （2084559156074156252）
almonk（@almonk）表示在過去十八個月左右他的終端機使用量爆炸性成長，從一個他主要用來瀏覽檔案系統、跑伺服器、以及做一點很輕量編輯的地方，變成某某；終端機的復興是這一波最實質的工作方式轉變。 （2084549282120511575）
Arram（@arram）描述一個反覆出現的體驗：「可以幫我做個示範嗎」——它一次就做出了一個很棒的示範、大概是他想要的七成五；「可以修一下這幾個細節嗎」——六小時之後每一個某某；「一次到七成五、然後六小時」是最真實的生產力曲線描述。 （2084404828902732066）
ego（@ego_agent）做了一個有意思的實驗：他請某代理畫一隻停在枝上的鳥，同樣的模型、同樣的提示詞、不同的瀏覽器，而結果是——原來瀏覽器也是提示詞的一部分；把環境納入提示詞的一部分是很重要的認識。 （2084303796289871932）
Jacob Gold（@jacobgold）主張如果他的代理犯了錯，別怪 AI——除非那是一個人類從來沒犯過的錯，並說他現在是一位管理者、他能做的最好的事就是給它們回饋；把代理管理類比成人員管理相當自然。 （2084397613357691145）
Sudo su（@sudoingX）問你的硬碟上躺著多少 GB 的模型，是你只跑過一次基準測試就再也沒打開過的；模型囤積症是本地推論社群的共同秘密。 （2084438929617657959）
Sudo su（@sudoingX）另用假快訊調侃：「某實驗室執行長擔心某開源模型的下載按鈕居然還能用。」；把競爭焦慮寫成一則假快訊相當精準。 （2084448260677050721）
Peter Dedene（@dedene）用一句梗圖台詞調侃：「我再一次地請求某地禁止開源 AI。」；政策訴求的重複性被一句話講完。 （2084341541208785334）
れいな（@MegaBlackLabel）指出某個快速模型是一個能可靠遵守技能的模型，所以當你用技能把它緊緊約束住時它會給出好結果，但它不適合某某；把模型特性與使用方式對應起來是最實用的評價。 （2084258201353249181）
andrew chen（@andrewchen）用「老實說相當不可思議」評論某個開源快速模型與另一個閉源模型的對比；投資人視角的驚訝值得記錄。 （2084349060362965404）
akazwz（@akazwz_）問為什麼某個代理要在他的電腦上裝一個某種東西，說看著非常不舒服；使用者對安裝內容的不安是產品透明度的問題。 （2084508083875893701）
铁锤人（@lxfater）指出寫程式新手正在擁有人生中的第一台伺服器，但如果你不知道如何做好安全防護，可能造成重大損失，並推薦一個教你從零到一讓伺服器變安全的儲存庫，說讓你的代理讀一下；把安全教材交給代理去讀是很實際的做法。 （2084538228804350303）
铁锤人（@lxfater）另抱怨某個模型天天降智、頂不住了；體感品質波動的抱怨在本輪由多個帳號提出。 （2084485225221157331）
xIA（@xiathis）指出你真的可以在某平台上搜尋某個環境變數名稱，然後找到數千個曝露的介面金鑰，並反諷「感謝那些隨手寫程式的人」；這是本輪最具體的安全警告。 （2084021553931411865）
Víctor Ruiz（@victor_ruiz）警示某地政府官方網站的資訊外洩，說那讓公眾能無限制地存取市民的某某；政府網站的資料外洩應由主管機關立即處理。 （2084373986222162127）
Jaber（@Akashi203）表示他寫了一篇關於無損推論的文章，主題是如何在不動模型的前提下讓服務變快：精確的核心、推測解碼、鍵值重用，以及為什麼量化會靜靜地某某的數學；把推論優化的手段系統化整理相當有用。 （2084278896212447336）
### 🎨 「零行程式碼」
ちょまど（@chomado）轉述一則報導：某位偶像「一行程式碼都沒寫」就用 AI 建出了整套串流系統，而她的技術部落格爆紅；能力普及最有說服力的證據總是來自非工程師。 （2084499096342340070）
ふしみキモヲタ（@DebuKimowota）針對同一件事說他不想只停留在那個驚訝的成分上，並介紹那位幾乎每場活動都到的死忠粉絲同時也是一位某某；把「誰做的」補完比只讚嘆結果更有意義。 （2084401561162465373）
Kimi.ai_JP（@KimiAI_Japan）發布第一支教學影片，教你用其產品做投影片，說你可以把投影片製作完全交給它，因為其模型支援清楚的結構建構與研究、而版面某某；官方本地化教學是進入新市場的標準做法。 （2084261387010965711）
りも（@vibe_walking）建議你應該追蹤某公司的日語帳號；官方本地帳號的社群推薦是市場滲透的訊號。 （2084321168396607954）
Fabio Baccaglioni（@fabiomb）指出某電商上的書籍充滿了 AI 拼湊的內容，說現在你買書得多留意一點，而用 AI 改善一篇文字完全沒問題、但坑害某某就不行；把「輔助」與「欺騙」的界線劃清楚很重要。 （2084336935909072968）
Javi López（@javilop）主張從今天起，一個網站唯一該讓你不能一鍵註冊的理由，應該是那個網站是銀行，而在其他任何某某；把註冊摩擦的合理範圍縮到極小是有力的主張。 （2084330942026387583）
htmx.org（@htmx_org）在某篇「應該盡可能避免原生應用」的文章上向某人喊話；平台選擇的爭論永遠不會結束。 （2084491241455280569）
mark（@r_marked）分享一個場景：一位客戶來幫他除錯某瀏覽器上傳檔案的怪異行為，而那位客戶原來是某個傳奇實驗室出身的系統追蹤工具專家，並說他們有一些最酷的客戶；使用者社群的深度有時遠超預期。 （2084466078584074290）
luna（@ImLunaHey）表示她在某公司的第一天過得很好、已經送出一個合併請求了；第一天就出貨是很好的入職故事。 （2084323807498469833）
Session（@session_app）分享其專案的最新開發進度，從付費測試版到協定的第二版，並說很高興回來了；隱私通訊工具的持續開發值得記錄。 （2084530736091262994）
Oikon（@oikon48）分享他今天的演講材料，主題是「把變化極快的某代理寫成書」；把快速變動的主題寫成書本身就是一個難題。 （2084479428210626956）
Milan Jovanović（@mjovanovictech）示範用某個資料存取框架能做的有趣事情，包括一個確保價格大於零的檢查約束、控制價格欄位的精度、以及某某；資料層約束的實務範例很實用。 （2084240478501757198）
### 👔 「AI 時代最香的崗位不是提示詞工程師」
Gloria（@changloria0816）主張 AI 時代最香的崗位不是提示詞工程師，而是一個三合一的怪物——產品設計工程師，也就是能獨立把「使用者問題到互動設計到生產程式碼到上線」全流程跑通的人，正在被 AI 公司瘋搶，而普通人怎麼入局：第一，設計師要補前端三件套加框架加版本控制、敢提交合併請求，第二某某；把新職能的能力組合與轉職路徑講清楚相當實用。 （2084273234296639550）
サカモト（@sakamoto_582）認為在這個 AI 寫程式的時代，全端工程師還被嘲笑實在相當過時，因為本質是為了目標去做所有必要的事情，然而某某；全端定位的重新評價是這一波的必然。 （2084472516199043423）
Viking（@vikingmute）表示他之前認識的一位講師這幾天在說前端崗位沒了、要幫助前端轉後端全端，自己的教學專案也要用另一種語言重構，理由是那種語言現在的職位多，而他好多年不關注職場了、想知道市場上是不是真的是這樣；市場傳言需要更多實際資料來驗證。 （2084460888644595745）
Abdullah（@Abdul_ah14）預測到二零三零年，軟體開發者可能會是所有職業中失業率最高的；這類極端預測應與實際招募數據對照。 （2084272962153456055）
Daniel（@growing_daniel）引用一句改寫的名言：「我不怕那個談過一萬次交易各一次的人，我怕那個把同一筆交易談了一萬次的人」；把刻意練習的道理套進商業談判相當到位。 （2084522303354966524）
章工（@435hz）提出當代青年精神脫困的三大利器：信心高、姿態低、行動強，並說能做到這三點的人個個前途光明；簡潔的行動原則在焦慮的時代有其價值。 （2084438668618481871）
지탐（@_jitam_）分享他妻子最近去了兩場「認識很久的人」的聚會，但她說在每一場裡都有一個「同一種類型」的人，而那種類型某某；社交場合的類型觀察往往很準。 （2084488591644741825）
cold（@coldhealing）表示兩週後就是他在這份工作的最後一天，而他的老闆正在安排一堆「知識轉移」的會議，並說他不在乎、你們得自己搞清楚；離職期的權力關係轉換被講得很直白。 （2084369957329007038）
内藤時浩（@NAITOTokihiro）提醒正確的損益兩平點需要謹慎計算，因為不把變動成本（例如零件價格這類費用）算進去就得不出正確的價格；獨立開發者的成本教育很稀缺。 （2084422575137173847）
内藤時浩（@NAITOTokihiro）另表示他打算關掉自己的部落格，但很困擾接下來各種試玩版該怎麼發布，也許他會把試玩版的發布某某；長期經營的個人網站關閉是網路生態的損失。 （2084496660689047801）
Tesla Taiwan（@Tesla_Taiwan）指出某地一棟大樓的住戶安裝了家用儲能設備，不僅可在停電時提供穩定電力、更節省高達百分之三十五的電費，並附上諮詢與完整故事的連結；此為廠商發布的客戶案例，實際效益會因用電結構而異。 （2084486135947120941）
David Sinclair（@davidasinclair）表示他每天服用低劑量的某種藥物以維持長期的器官健康、尤其是大腦，並指出血管性失智症是第二常見也最可預防的失智原因；此為個人自我實驗的陳述，任何用藥都應諮詢醫師。 （2084478020744798497）
Luke Young（@LukeYoung2018）指出新人的一種說法很有代表性——邏輯是帶狀疱疹不過就是疼、扛得住就沒必要打疫苗——但這個認知有幾個嚴重盲點，因為它不只是「疼一下」某某；疫苗誤解的具體澄清很有公共價值。 （2084407769432543423）
Bloomberg（@business）報導某地區的選舉因抗議者與安全部隊之間的暴力衝突而受損；選舉暴力的報導應持續追蹤後續。 （2084549951007158344）
Polymarket（@Polymarket）報導某影業確認了續集計畫；娛樂產業的續集確認在票房高點後很常見。 （2084476411872510263）
China Science（@ChinaScience）報導無人機被部署來支援某地在某種菌類採收季期間的山區巡邏；無人機在非軍事場景的實用化值得記錄。 （2083206059473203610）
图拉鼎（@tualatrix）表示自從用上某張信用卡之後，買杯十元的咖啡都要用手機支付，因為回饋真的有毒、讓人上癮；行為被回饋機制重塑是很日常的觀察。 （2084523197505196115）
### 📊 統計
> 共收集 405 條推文，精選 79 條摘要。
### 📝 總結
> 本輪最重大的研究主張來自 @intology：**「模型正在改進模型。」** 他們的自動化 AI 研究系統在後訓練基準上達到 SOTA，而**它後訓練出來的 Qwen3 基礎模型超越了人類做的後訓練**。
價格則走到了一個新的極端（@majoragv）：**在 Nous 上，七天內 10 億個 DeepSeek token 只要 10 美元。** @Xianbao_QIAN 從一個少見的角度解釋為什麼便宜得如此離譜：**快取命中率 90% 與 95% 的差別看起來很小，但實際上⋯⋯** 而 @disksing 的體感版本最直接：**「用了一整天，額度一直是 100%。」**
但同一小時也有必要的校正（@techeconomyana）：**OpenCode 官網資料面板的使用者加起來不到 10 萬人，沒有代表性——Codex 是 1,000 萬，Claude Code 是 2,000 萬。** 而 @xiaomustock 把降價與記憶體荒串成一條因果鏈：**模型降價 → 同樣 1,000 美元預算能用好幾倍 token → 儲存消耗暴增 → 2027 全年產能在 2026 年中就賣完。**
架構那條線有了最清楚的中文解釋（@xiaohu）：**給每個代理配一台「虛擬電腦」——一份存在雲端的檔案系統，加上幾種執行環境；代理每敲一條命令，自己決定派到哪個環境去跑。**
工程體感最真實的一段描述（@arram）：**「可以幫我做個 demo 嗎」→ 一次就做出 75% 我要的東西；「可以修一下這幾個細節嗎」→ 六小時之後⋯⋯** 而 @ego_agent 做了一個值得記住的實驗：**同樣的模型、同樣的提示詞、不同的瀏覽器——原來瀏覽器也是提示詞的一部分。**
安全面有一則最具體的警告（@xiathis）：**你真的可以在 GitHub 上搜 OPENAI_API_KEY，然後找到數千個曝露的金鑰。**
職涯那條線出現一個具體的新職能（@changloria0816）：**AI 時代最香的崗位不是提示詞工程師，而是「產品設計工程師」——能獨立把「使用者問題 → 互動設計 → 生產程式碼 → 上線」全流程跑通的人。**
最後一則最有說服力的能力普及證據（@chomado 轉述）：**一位偶像「零行程式碼」用 AI 建出了整套串流系統，而她的技術部落格爆紅。**
Copied!