💭 Thinking can be outsourced; understanding must be inhabited. 🤿 LLM, Automation, Growth Building @ArclekOfficial, ex- Growth on @ton_blockchain｜@EdinburghUni
Joined October 2021
- Tweets297
- Following1.3K
- Followers266
- Likes367
Pinned Tweet
Personal Agent 的本体与代偿
体验了几家 Personal Agent 之后，我愈发觉得它们没处理好的问题不在能力多少，而在于三个更早的选择：它属于谁，它在哪里，它如何理解生活。
一、Agent 应当属于人，而不是属于模型
模型 — Personal Agent 产品，这两者目前被绑定在一起。
Gemini Spark 在 6 月推出，到今天 Gemini 4 已经上线一周，却仍未推送给它的用户。绑定在某家模型上的 Personal Agent，能力的上限就是平台的更新节奏。而模型的梯队并不稳定，Grok 和 Gemini 都经历过掉队。
真正应该属于个人且可迁移的，应该是沉淀在 Agent 里的东西：记忆、连接、授权，以及它慢慢学会的你的 Taste 和习惯。当这些资产归平台所有，模型绑定就变成了身份绑定。在订阅价格相近的前提下，想去用更好的模型服务，代价将会是在新的 Agent 里把过去的自己重新教一遍。
一个只能活在某家模型上的 Agent，很难称得上是"个人"的。
二、数据的重心在哪里，Agent 就应该在哪里
很多开发者，包括个人开发者，确实需要云端电脑：长时间运行的异步任务、多个 Agent 并行、隔离有风险的命令、不占用本机资源。
但细看会发现，它们有一个共同前提：任务可以和"你"切开。仓库、依赖与环境都可以被克隆和重装。一份工作被打包交出去，在哪台机器上完成并不重要。
个人生活恰好相反。长久以来的习惯、资料和身份，大量存在于个人主机上：浏览器的登录状态、应用程序里的数据、通过 iCloud 在不同设备间协同的文件、照片和视频。之后新产生的个人信息，也主要在这里沉淀。这些东西几乎无法被打包，因为它们本身就是"你"。
云端电脑擅长的，是可以委派出去的工作；Personal Agent 的价值，却恰恰在那些无法与你切开的部分。如果一上来就要求用户把生活搬上云，或先做大量前置迁移，体验在起点就已经打了折扣。
三、生活被假设成不需要统筹
这是我认为最根本的一点。
多数 Personal Agent 的方向是帮你管理生活，底层却隐含着一个假设：生活是一堆琐事，不需要像项目一样被统筹。
这个假设在工程上的体现，是它们放弃了 Codex、Claude Code 那套项目制的上下文管理和 Harness。于是 Personal Agent 能处理"非精细化任务"，却兼顾不了"精细化任务"。它可以帮你管行程、邮件和账单，但在管理和分析投资组合，或者把一本想读的书变成双人对话视频这类任务上，表现并不如人意。
不过 Dots 是个例外。它能开启并调用 Codex 里的 Thread，让精细化任务重新拥有项目制的上下文管理和 Harness。
同一个假设，也让生活与工作的边界被动地划定。既然生活被视为轻量的，凡是需要统筹的事情就被自然归入工作那一侧。
这里边界不是按人的需要划的，而是按工具的能力划的。这的确是个难题，互联网时代只有少数 IM 处理好了这条边界，而人与人交流的逻辑，和人与 AI 协同的逻辑又很不一样。更何况，向生活类应用的扩展，还可能因商业利益冲突而遭遇抵制，比如 Airbnb 这样的平台。
更本质的追问会发现，这是 Agent Harness 的设计哲学问题：工程结构如何对应人类对事物的分类，不同类型的决策需要什么层级的信息，什么时候该归纳，什么时候该演绎。
生活并不比工作简单，只是它的结构还没有被认真对待。
/ 代偿
回头看，被当作 Personal Agent 特色的云端电脑和多 Agent 角色设定，更像是代偿。
云端电脑在补偿两件事：手机端的应用权限沙箱，让 Agent 难以跨应用行动；以 UI 为核心的交互方式，让 Agent 一旦动手就要占据用户的屏幕。
多 Agent 角色设定，则在补偿人类思考与 AI 运行之间对齐设计的不完善。当系统还说不清人是怎样想事情的，就先用几个拟人化的角色，把分工演出来。
代偿本身不是错，它能让产品先跑起来。但当代偿被当成本体来讲述，伪叙事的风险就出现了。
热闹之外，数据讲的是另一回事。华福证券统计显示，Muse 上线约半个月，DAU 就停在了平台期；X投研博主 @Kay2289123 也强调市场的真实验证，更该看留存、LTV 和真实付费比例，而情绪已经跑在了基本面前面。
OpenClaw、Hermes 这样的“上一代”Agent方案，我会觉得它们在架构上走对了方向：可自托管、模型无关。但要做出更好的 C 端 Personal Agent，难点在于对普通人生活的洞察，以及这种洞察如何在工程上实现。团队缺少的 C 端基因可能是它们转向 C 端时会遇到的真正壁垒。
所以我更愿意把今天的 Personal Agent 看作一个尚未找到本体的形态：企业想通过这类产品进入人的生活，却还没想清楚，生活究竟是什么结构。
无论怎样，创新是美好的事，创新万岁！
#AI #Manus #PersonalAgent #Muse #Grok
ALT Personal Agent
flames retweeted
递归自我改进（RSI）是人工智能领域最热门的方向，最近半年不少公司定位为RSI公司，看到一个很棒的RSI研究合集，通过这个合集可以来了解RSI历史并学习最新技术和研究。后续的X文也会介绍这个领域的一些技术公司。
academy.dair.ai/papers/colle…
flames retweeted
"Most people aren't looking to save time, they're looking for ways to spend their time."
9 of 15 consumer internet categories have zero AI products in the Top 100. These built some of the biggest companies of the last two eras:
- Streaming
- Social
- Dating
- Gaming
- Travel
- Retail
- Finance
- Real estate
- Jobs
More charts in our Top 100 Consumer AI Apps breakdown: a16z.news/p/top-100-consumer…
The seventh edition of our Top 100 Consumer AI Apps is here.
New this time: a revenue leaderboard, alongside the usual web and mobile traffic rankings.
Three years ago we published the first edition. ChatGPT was #1, Claude was unranked, and the entire category was chatbots, image generators, and not much else.
In today's edition:
- ChatGPT still holds the throne, now with 1B+ monthly actives on mobile
- Claude has climbed to #3 on web with nearly 1B monthly visits
- The category has expanded to vibe coding (Lovable, Cursor, Replit), music (Suno), design (Figma), voice (ElevenLabs), video (Higgsfield, Kling), agents (Manus), and even hardware (Plaud)
Full breakdown from @omooretweets: a16z.news/p/top-100-consumer…
flames retweeted
Introducing Griffin, the first model to pass the video Turing test.
48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video.
It’s the first Human Interaction Model (HIM).
Readers added context they thought people might want to know
The 48% figure and "video Turing test" claim are from Tavus's own study of 54 one-minute calls, not independently verified or using a standard protocol. Griffin-Lite leads NVIDIA's VideoFDB benchmark on their public leaderboard.
cellcog.ai/blog/tavus-gri…
research.nvidia.com/labs/amri/proj…
tech-ish.com/2026/10/02/tav…
flames retweeted
很多人可能还没意识到，中国大模型其实已经进入了一段尴尬期。
什么叫尴尬期呢？
你如果养过猫，尤其是布偶这种猫，应该知道它从小长大的时候，会经历一段尴尬期。
旧毛掉了，新毛还没完全长出来，看起来多少有点别扭。
但再过一段时间，等新毛长齐了，漂亮的那个状态又会回来。
我觉得现在国内大模型差不多就是这个阶段，核心主要是有三个问题。
第一个，就是模型越训越大，但训练算力开始有点跟不上了。
现在大家都在往更大的模型走，5T、8T、10T 这种规模也开始被摆到台面上。
比如阿里在本次的云栖大会上提到，未来可能会训练 5T 到 10T 参数规模的模型。
Kimi、GLM 也都在继续往更大规模走。
但问题是，模型规模可以继续往上加，训练卡没有那么容易增加。
大家都知道 Scaling 还没有完全走到头，但在国内，算力确实已经越来越容易变成一个现实限制。
第二个是推理，或者说模型上线之后怎么稳定提供服务。
之前梁文锋在那个所谓流出的DeepSeek投资人会议纪要里也提到过，国内之前为什么很多 MoE 模型会把激活参数控制在几十 B，一个重要原因就是推理资源。
因为模型训出来是一回事，能不能长期、稳定、大规模地给用户用，是另外一回事。
虽然那个会议纪要出来之后，Kimi 也发了 K3 这种2.4T参数的模型，但这个问题还是没有被缓解。
一些新模型（就比如K3还有刚发的Step5Preview）刚上线的时候速度很好，但很快可能就会遇到限速、排队、额度收紧之类的情况。
这说明推理算力的问题其实还没有完全解决。
我们的团队们很难像 OpenAI 那样，时不时直接给用户 reset 一轮额度。
因为模型越大，每多放一点额度，背后都对应着真实的推理成本。
第三个，就是价格和定位的问题。
模型越做越大，推理成本越高，价格自然也很难一直维持在原来的水平。
但国内模型之前比较明显的两个优势，一个是开源，一个是性价比。
所以如果价格慢慢往上涨，就会出现一个新的问题：
如果价格差距越来越小，那用户为什么一定要选择国内模型？
尤其到了 Agent 时代，一次任务消耗的 Token 可能会比普通聊天高很多，价格会变得比以前更敏感。
最后很可能还是会回到一个很朴素的问题：效果差不多的情况下，谁便宜就用谁。
那就会有人选择赔本赚吆喝喽，当然我没有特指某些模型哈。
包括 DeepSeek 自己，其实也经历过价格调整。
所以我觉得，国内大模型现在确实处在一个比较微妙的阶段。
模型做大之后，推理算力又会成为新的限制。
推理成本上升之后，价格也需要调整，但价格一上去，又会影响原本的性价比优势。
有点像猫长大的尴尬期。
旧毛已经开始掉了，新毛还没有完全长出来。
接下来这段时间，得看国内厂商怎么把这几个问题一起解决掉（下一条我会聊这个）。
flames retweeted
卧槽，Google 和 Google DeepMind 最新放出了一篇很有意思的论文：Dream-RSI。
全称就是 Recursive Self-Improvement through Evolving Worlds，讲的是RSI（递归自我改进）。
但它做 RSI 的方式，和我们过去想象的不太一样。模型没有自己训练模型，也没有修改自己的权重，而是开始修改自己的「探索策略」。
简单来说，Agent 每次执行任务，都会留下完整的探索历史：试过哪些方案、哪些失败了、哪个分支效果最好、花了多少计算。
Dream-RSI 会把这些历史直接做成一个 Replay Simulator，然后让 Agent 在里面不断「做梦」：如果当时先走另一个分支呢？如果多开几个并行任务呢？如果这个方向早点停掉呢？
关键是，历史里的结果都已经算过了，所以这些实验根本不用重新调用 Coding Agent 和 Evaluator。
一次昂贵的真实探索，可以拿来做成千上万次几乎零执行成本的策略实验。
找到更好的策略之后，再把它部署回真实世界，于是就形成了一个完整循环：
探索 → 积累历史 → 做梦 → 改进 Policy → 再探索 → 再做梦。
一个 RSI Loop 就这么闭上了。
效果也很好啊，在 GPU Kernel 任务里，VGG16 和 LayerNorm 达到类似性能，分别少用了 2.43× 和 1.79× generations；
ConvDiv 和 ConvMax 在相近预算下，性能分别提高了 2.09× 和 1.44×。
还有一个实验我觉得特别有意思。
他们也试过更传统的办法：把过去探索得到的经验总结出来，直接塞回 Prompt 里指导下一轮，结果反而更差。
因为这些总结出来的「经验」很容易变成偏见，让 Agent 过早集中在某几个看起来正确的方向上，反而损失了探索的多样性。
所以这篇论文真正值得关注的地方，是它展示了另一条 RSI 路线：
模型不一定要先学会修改自己的权重，Agent 可以先学会修改自己的 Harness。
怎么搜索、开多少分支、什么时候继续、什么时候放弃、计算资源怎么分配，这些过去由人类工程师设计的东西，现在也开始进入 Agent 自己的优化循环。
底层还是同一个模型，但它开始自己研究：到底怎么用自己，才能变得更强。
在收到 Astra 推送的当天，我就在日常的工作流里感到了一种不安：它使得我花费了两三个月搭建并使用的 Multi-Agent System 变得不再重要。
作为审查者(挑刺专家)的 Fable，已经很难再给 Astra 提供可用的建议，审查几乎变成了例行的 Pass ✅。其他采用不同模型的 Agent，例如 Muse Spark、Grok，算上返工与审查的耗时，在我的实际工作中，也已经跟不上 Astra 的单 Agent 工作流。
我之前一直认为，“输出的质量取决于输入的结构化程度，人的输入对整体输入的影响因素是巨大的。”
但在 Astra 身上，这种关系似乎开始松动。人依然是任务的起点，人的输入却越来越不再是决定结果的关键。
于是，最近我又把工作台迁回了 Codex。
绕了一圈回到这里，很容易让人追问：之前那些迁移、搭建和学习，究竟留下了什么？
我想，答案有一部分藏在时间里。⏳
即使最后，大家使用 AI 所能获得的效用会趋于接近，抵达那里的时间也各不相同。把效用画成一条随时间变化的曲线，提前探索与实践所带来的收益，就藏在曲线之间多出来的那片面积里。
那些已经省下的时间、完成的工作，以及提前打开的可能性，都曾真实地发生过。后来者的追赶，并不会抹去它们。
这也是我觉得，这张图能够直观回应“AI 时代，只要你学得够慢，就不用学了”的原因：这句话看见了最终的趋同，却省略了走到那里之前，人们已经度过的时间。
而这一次迁回 Codex，我也带回了更成熟的项目上下文管理、自建的 Loop、Daemon、MCP、plugin，以及一路积累的工具和 skill。过去几个月的探索，已经沉淀在今天的工作方式里。🧰
迁移仍在断断续续地推进。只是每当我发现，越来越多的事情可以在我尚未充分理解时就被妥善完成，心里的那个疑问就会再次浮现：
人类的理解，究竟还在多大程度上影响结果？
如果这种影响继续变小，理解本身，还重要吗？
#AI #Agent #Codex #Astra
flames retweeted
GPT-6 的发布一定会对各种 image 生成和 seedance 这种模型产生重要的收入影响，云端工作的方式又一次被前沿 SOTA LLM 模型拉回了本地工作站，怪不得前段时间 OpenAI 要大量收购 Mac 来进行训练
GPT-6 Astraのお絵描き能力すごい！！！
皆さんAstraに一から絵を描かせていたので、私は自分が手で描いた線画を渡して、マウスでペイントソフトでそれを塗ってください、と依頼してみました。うおおおこれがAI分業だあああああ
このタイムラプス、すべてAstraが動かしてます。
レイヤー作成とか拡大とかペンの選択とかも含め、自分はただ見てるだけでした。
なお使ったレートですが、$100 Proプラン、effortは最大で、78%→57%でした。
というかAstraはクリスタも使えるんですね…すごい…！
flames retweeted
The current monetary system will not survive the transition to AGI.
We are rapidly approaching a discontinuity event, where the economic value of selling labour goes negative (humans attempting to add value will be worse than delegating the entire task to an AGI).
That world is incompatible with a system of 30 year mortgages, corporate career ladders, higher education that teaches people to memorise useless facts, and indeed it is incompatible with human identity itself.
We have built our civilisation around both competition and cooperation, but what happens when you cannot compete economically with an AGI, and businesses have no incentive to co-operate with the workers they used to employ?
Collapse.
以苏格拉底式的诘问和 Multi-Agent System 接手了 To B Saas 产品，在真实企业里做到了设计、产品、前端、后端和测试的端到端交付。
意图识别 ➡️ 过程控制/决策 ➡️ 验证。仿佛驾驭一辆马车，它真的能把我带向意图所指的任何地方。
不过知识难以以预期的系统化的形式存在，它依然是散乱的、碎片化的🧩，这意味着 AI 用的好 ≠ 认知提升。
任何试图同时做超过两件以上的复杂事务都只会陷入巨大的注意力损耗 🧠 而人的注意力以及专注的程度才是最宝贵的。
AI忙碌时，人类的闲暇应该属于人类自己。它忙，是为了让人不必再把全部生命耗在必需之事上。
flames retweeted
Sometimes people don’t have an intuitive sense of what Jevons paradox looks like for token consumption. Those of us working with enterprises get to see this first hand every day.
Basically enterprises have an unending stream of tasks that they’d love to be able to bring automation to. But for each individual task, it’s either ROI positive or not based on the cost of bringing automation to it (including the setup time, change management, and so on).
As tokens get cheaper (at a certain capability threshold), enterprises can afford bringing them to more of the work that they do. This could be processing every contract, reading every log, watching new streams of data for insights, having background agents execute workflows, and so on.
Any time we can lower the cost of tokens, we will see a disproportionate increase in consumption. Even a 50% drop in token prices could result in a 5X increase in tokens for these kinds of workloads.
This is why it’s critical to keep bringing down the cost of AI, and why that’s good for all market participants.
flames retweeted
Dario 当年从 OpenAI 出走就是因为自己在使命追求方面与 Sam 的矛盾不可调和。
Dario 走的时候在帐篷里就是用自己意识形态和形而上的理念说服了一批研究员跟他一起离开。
Dario 后来就是和这批赞同他做事方式和价值观追求的同道一起做出了 Claude ，在相当不少的时间里都是全世界最优秀的模型。
尽管我不认同他很多具体的观点立场，但完全可以理解对 Dario 来说他会觉得使 Anthropic 成功的关键要素恰是这些务虚的东西，完全可以理解他会觉得这才是做出最好 AI 的最好方式，完全可以理解他希望尽可能保留这样的组织文化。
电影《阿拉伯的劳伦斯》中主人公号召阿拉伯人进攻大马士革时说：“The best of them won't come for money; they'll come for me.”
"你们来我公司上班居然是为了钱！"😂
Anthropic CEO Dario Amodei 近日公开表示，越来越担心新员工加入公司主要是为了高薪，而非认同使命。
该言论迅速在社交媒体发酵，引发大量讨论。
一家以行业顶薪吸引人才的公司，其CEO却在担忧员工是为钱而来。据公开信息，Anthropic 品牌活动主管一职的年薪区间为 32 万至 40 万美元，整体薪酬水平在业内处于顶尖梯队，甚至超过 OpenAI。
用高薪把人吸引来，再抱怨人家是为了钱。😂
有网友调侃："突发新闻：人们为了钱而工作！！！"
据悉，Anthropic 设有严格的"文化面试"环节，旨在考察候选人对 AI 安全、开源技术等议题的立场。有知情人士透露，有人为通过面试，刻意删除过往支持开源的内容，并提前演练相关话术。
一边用最高薪酬作为吸引人才的核心手段，一边用意识形态标准进行筛选——即便如此，从 Dario 的言论来看，他依然不放心。
科技公司热衷推崇"使命叙事"。前辈 Google 的使命是"整合全球信息，供大众使用，使人人受益"，其"不作恶"原则曾风靡全球，成为硅谷文化典范。
但 Google 的使命叙事近年正面临挑战。有报道指出，随着公司规模膨胀和商业化压力加剧，"谷歌文化在短短十年内迅速恶化"，员工对管理层反馈的回应减少，甚至因内部言论被解雇。
公众对科技公司长期宣扬的"使命叙事"正在变得不再买账。
回顾 Anthropic 的崛起之路，争议与质疑始终伴随左右。在这样的时刻，Dario 还想复制前辈的路径，打造一支如宗教信徒般忠诚的员工队伍
——从社交媒体上对这番言论的反馈来看，这个愿望恐怕不太符合当下这个时代。
真的是一个令人震惊的消息。这将会对中国模型低价开源路线的一次重大打击，低价开源路线本身就不是壁垒更不是什么能力，这只是一种数据和相关资源受限下的一种选择，而大家为这种选择给予了过多的赞誉。
Kimi K3 和 Qwen 3.8 Max 虽然在AA榜单上有很高的排名，但它们在生产侧其实是不可用/难用的。因为它们完成真实任务的价格更贵（性价比更低），同时由于算力/架构的限制，其任务耗时非常多，output speed 非常低，这是两款被严重高估了的模型。
我很早就开始使用 Muse Spark 1.0，目前也在用着 Muse Spark 1.2 Contributor Plan。
当然，我主要使用 Claude 和 GPT 作为顶级的生产力工具。但很多情况下，你系统里其实需要一个或多个能够快速完成任务的Agent，杀鸡无需宰牛刀。在Multi-agent harness 中，最好的方式是不同的 Agent 保持对应的角色、模型和上下文，避免频繁地进行模型切换。
Grok 和 Muse Spark 都可以相对出色地完成中等规模的工作，规模更小时我也会使用 Gemini。此外，这些模型还会很有自己的特色——这一点很重要，特别当你在使用 Multi-agent 系统的时候。它们不会像中国模型，因为数据趋同和蒸馏的作用，导致在不知道模型接口的情况下，你无法辨别相应的产出是谁提供的。
事实上，我很好奇为什么 xAI、Meta 和 Google 的模型都不约而同地选择了在“中高智能下达到低成本与快速生成”的这一平衡路线？我猜这是他们为自己众多的、已有的 C 端用户所驱使的选择，他们要考虑这些全球社交用户的付费能力、使用场景和注意力的稀缺。
我很喜欢这样的一个平衡点，或许他们会一直沿着这个路线走下去，我们终将会命名这种风格。
#meta #musespark #kimi #qwen #grok #gemini #opensource
