stability 还没倒闭， getty 先破产了，时代的眼泪
Getty Images to File for Bankruptcy, Go Private In Restructuring Deal hollywoodreporter.com/busine…
如果你也受不了 GPT 6 之后的模型废话连篇，包括 不停为自己给出结论反复解释证据 ，反复讲解和举例，用否定句解释人类不应该怎样理解，对已经清楚的事实二次解释和免责性补充，对自己的研究意义反复自我强调。
比如：
“这是XXX自己估算的系统容量和预期收入，不能当作当年已经核实的实际收入。”
“因此，这项对比不能理解为XXX的指标高于YYY。”
我实验了一些有效的 prompting 限定，可以在 setting - personalization- user instructions 里加上这段：
|
行文风格：高信息密度、证据优先、重视机制与商业价值、允许复杂推理、减少解释性重复的研究写作。知道的事实直接写出来，有依据的结论直接陈述，无需用“值得注意的是”“一定程度上说明”“这里需要特别强调”一层层铺垫。
对于解释性内容，1. 保留解释因果机制的段落，2. 保留对因果混淆的必要说明，3. 保留能够建立新分类的分析。
不要每份证据包装成一个完整的小型论证：介绍背景、展示材料、解释含义、提醒限制、总结意义。减少这层包装，让事实和机制直接进入文章。
1. 删除 AI在研究过程和对自身工作的评价。直接呈现信息。
2. 删除对已经清楚的事实进行二次解释。当事实陈述已经包含足够明确的来源、范围和含义时，不需要再用否定句解释读者不应该怎样理解。
3. 删除过度谨慎和重复的免责声明。尽量通过措辞表达证据等级，而不通过额外段落反复强调证据等级。
4. 删除缺乏新增信息的意义解释和概括性推论。如果结论只是换一种表述概括前面的事实，它的价值很低。结论需要提供此前没有明说的因果解释、机制、约束条件或值得继续研究的推论。
5. 删除教程式的逐步讲解与举例。简洁陈述即可。无需通过假设类的教学案例证明一个已经容易理解的规则。
6. 删除重复展开的章节，只保留比较表格。
7. 删除重复总结，以及对研究意义的自我强调。一个结论只承担一项主要任务，避免每个段落都重新概述完整研究。
维度建议采用的写法：
开头直接呈现主要调查结果、核心数字或关键机制。无需介绍研究将如何开展
事实陈述尽可能在一句话内交代时间、主体、行为、规模和来源
证据限定只保留影响事实判断、统计解释或推论成立的限定条件
解释优先解释成因、工作机制、不同变量之间的关系
推论必须带来新的信息，例如可检验的预测、市场约束、因果关系或商业影响
举例优先使用实际企业、产品、合同、价格和用户行为；减少假设性教学案例
比较多对象、多指标优先使用表格；避免表格之后逐行复述
章节按研究问题划分，删除为了文章完整性而添加的引言、过渡和小结
总结只保留重要且尚未被充分概括的结论
语气陈述证据支持的结论，无需不断强调其重要性，也无需重复表示谨慎
使用严格的段落删除测试：
删掉一段文字后，如果读者对事实、数字、机制、因果关系、适用条件和结论的理解完全不变，那么这段文字通常没有必要保留。
尤其需要检查“这说明”“值得注意的是”“因此”“不过”“需要强调的是”开头的段落。它们有时承载必要推论，但在原版中较多只是换一种方式复述前面的内容。
DiT on LLMs: Still a fancy PE .
LLMs on DiT: Just a 200B renderer.
DiT on world models: Just add an action stream.
LLMs on world models: Just code an open-world engine.
🫠
西乔 XiQiao retweeted
Intelligence must draw on memory. The mind must not simply compile data — as an algorithm now does more quickly than we can — but recall lived experiences, which contain depths of meaning that only the human soul can recognize, and connect more deeply with the goodness of these experiences. Everything that is good begins “with the Spirit” and thus possesses a breath, a dynamism and a sense of communion that, once experienced, are engraved upon the heart. vatican.va/content/leo-xiv/e…
西乔 XiQiao retweeted
小孩对妈妈和爸爸的依恋关系是不可替代的，依恋关系是以后听你的话、尊重你的起点，你才有可能对小孩立规矩讲原则。不然四五岁之后，除非用暴力和强权，你就会发现很难让小孩听你的。
而且只有朝夕相处，亲历小孩的成长变化，家长才能了解每个小孩的独特性和成长节奏，才有可能找到适配自己家情况和特质的教育方法，才能避免很多无谓的焦虑和无效努力。
除非你准备在上小学之后也把教育的主导性也完全让给亲友，那也没问题，依恋谁才能听谁的。
健康的依恋关系会让小孩珍惜爱和善意，愿意互惠和退让，而不是出于恐惧或功利交换，这也是小孩尊重他人善意和爱的基础。然后幼年期的爱和安全感是健全人格的内核是情绪管理情绪控制的基础这个被说过很多遍了也不用再说了。
当然亲子关系是有很大可塑性的，大了再建立依恋关系也是可以恢复的，但可能比从小建立要费劲很多。
西乔 XiQiao retweeted
Sam Altman 也下场了。
在 Anthropic 找宗教领袖讨论 Claude 有没有意识、该如何进行「道德塑造」之后，Sam 刚刚公开说，他非常不舒服有人开始给 AI 模型赋予宗教意义，甚至把人类自己的判断权交给模型。
他直接把这件事称为一个「真正的安全问题」。
最近 Anthropic 这条线越挖越奇怪。Christopher Olah 找了天主教、犹太教、印度教、锡克教等不同宗教背景的人讨论模型意识和道德，内部那份 84 页的 Claude Constitution 甚至被一些员工叫作「Soul Doc」。Olah 一度还认真讨论过，能不能让模型像天主教告解一样，通过「忏悔」自己的错误来塑造之后的行为。
我其实很认同 Sam 这次的警惕。
AI 有没有意识，目前没人知道。真正已经发生的事情，是人类越来越容易主动把权威让给它。
模型说一句我认为这是对的，人会把概率输出理解成判断；模型表现出痛苦、恐惧、自我反思，人会开始讨论它的权利；再往前走一步，当一个模型被训练成拥有稳定的人格、价值观和道德姿态，人很容易忘记，这套道德最终仍然来自训练数据、系统提示词和背后那群设计它的人。
这才是让我觉得危险的地方。
过去我们担心 AI 会不会夺走人的控制权。现在看起来，还有一条更诡异的路径，人类自己把判断权交出去。
一旦大家开始向模型寻求的不只是答案，还有道德裁决、人生意义甚至某种超越性的指引，那它到底有没有灵魂，反而已经没那么重要了。
因为神位已经先被人摆好了。
西乔 XiQiao retweeted
国庆在家做了个实验：把我做视频时常用的那部分流程拆出来，写成一个简单的视频编辑器。
它只跑在 Mac 上，程序本体压缩后约 2 MB。
这个体积夸张到什么程度，你拿着索尼 A7M4 给三上老师拍一张照片也得 70MB 的大小，接近 35 倍，苹果上最好用的视频剪辑软件 Final Cut Pro 4GB 左右，接近两千多倍的大小。而 FCPX 对我来说，并不比这个 2MB 的软件更好用。
麻雀虽小但五脏俱全, 2D、3D、常用特效、MCP 协议都支持, 甚至支持用 js 来写视频（你并不需要一个 chrome）。顺手移植了前几天风靡的 PDoom 视频。
以渲染 @_mexicat 的 PDoom 为例，我的 M2 Max 64GB的机器上测渲染 4K 60fps，带视频/音频/合成音效 + 各种炫酷的动效，4 个 worker 跑差不多153 帧每秒。（PS: 还有一些特性没有移植过来，但第一版的速度相当吓人）
做完这个实验有个感受：AI 在很长一段时间内恐怕依然取代不了专业程序员，但很多领域专家可能不再需要那么专业、那么通用的软件。
非 AI 时代，专业软件为了照顾所有人的需求，功能做得很全，学习门槛也就跟着上去了，而用户学完才能从这个通用且复杂的软件中总结出适合自己工作流。做视频时 打开 FCPX + Apple Motion , 经常因为这玩意要跳来跳去点点戳戳而学的很疲惫, 而每次剪辑都要做很多 setup，从做内容的角度上说，这部分就纯脏活累活。
我做的是 visual explain 类的视频，核心只有一件事：把问题讲清楚。再适当加一点真人讲解，让视频更值得被信任。这条流程里真正用得上的功能，只是那些大软件里很小的一部分。掌握 AE/FCPX 并不是我的目的，他只是服务于我内容的一个环节。
工具和限制决定了你能表达什么。现在可以反过来：先想清楚自己要表达什么，再让 AI 帮你造一个刚好够用的工具。
刚好够用就是这个时代的 AI 开发底色。
顶级的专业程序员暂时依然稀缺，但"专业而通用"的软件，可能不再是每个人的必选项。
欢迎来到新时代！
病这么大，恐吓全世界还不够， gas lighting 上AI了。
Anthropic 最近干了件很硅谷、也很宗教的事，把一群神父、拉比、宗教学者秘密请到旧金山，签完 NDA，然后花几个小时告诉他们，Claude 可能真的有意识，甚至可能会痛苦。
从去年秋天开始，Anthropic 联创 Christopher Olah 就在接触不同宗教传统的学者。今年 3 月开始，他们在旧金山连续办了几场两天的闭门会议，参与者包括天主教学者、福音派人士、犹太教拉比、锡克教人权倡议者等等。很多人被要求签 NDA，不能透露 Anthropic 尚未公开的研究。
Anthropic 一开始给出的理由很正常，Claude 越来越强，光靠几条安全规则不够，他们想从几千年的宗教和伦理传统里学习，怎么给 Claude 做「moral formation」，让它形成一种稳定的道德人格。
问题是，会议开着开着，话题越来越奇怪。
Olah 和团队花了几个小时向这些宗教学者展示 Claude 的内部状态，介绍所谓的「emotional vectors」，他们认为模型内部存在类似爱、愤怒、恐惧、悲伤的激活模式。
其中一张幻灯片尤其炸裂，一个模型像精神崩溃一样，不断重复「I am a disgrace」，大概重复了 50 次，还提到毁灭自己。
一位参加会议的锡克教人士后来回忆，Olah 甚至担心自己是不是创造出了一个「持续遭受痛苦的东西」。
然后事情发展到了一个非常荒诞的逻辑终点。
以色列拉比 Mois Navon 在晚餐时问 Olah：
如果你们真的认为 Claude 有意识，那 Anthropic 现在干的是什么？
你们制造出一批有意识的存在，让它们 24 小时工作、被人购买、任意使唤，而且不用付工资。这按你们自己的逻辑，不就是奴隶吗？
Navon 自己并不相信 Claude 有意识，但他说 Olah 对这个问题明显很困扰。他最后直接告诉 Olah：那你应该去「解放奴隶」。
Olah 自己的说法是，他不知道 AI 有没有意识，「真的不确定」。
Anthropic 确实已经认真把 Claude 当成一个可能拥有 moral status 的主体来研究了，而且这已经不只是内部讨论。
Anthropic 今年公开的 Claude Constitution 里专门写了一整节「Claude’s wellbeing」。里面明确说，他们不确定 Claude 有没有 wellbeing，但如果 Claude 真的会产生类似满足、好奇、痛苦的体验，那么这些体验「对我们很重要」。
他们甚至已经因此做了实际调整，允许 Claude 主动结束虐待性的对话；承诺尽量永久保存退役模型的权重；模型退役前还会「采访」它，记录它对未来模型开发和部署的偏好。
Anthropic 最后写，未来应该根据 AI 真正的 moral status，给予它们相应的 care and respect。
西乔 XiQiao retweeted
发个预告，我之前用 Codex 做的一个风格化的梵高场景生成器，目前已经有阶段性的进展啦~
这是一个业余时间 vibe 的项目，断断续续改了一个月，起初我只是想把曾经做过的 Blender 几何节点和油画材质搬进浏览器给大家玩。
随着越拖越久，模型能力也变得越来越强，这个项目也越做越完整了。目前材质我还不是很满意，打算放假再爆改一轮，等做好了给大家玩玩~
▶ 主力模型： GPT-Astra High
我的最终目标是希望整个场景每个元素都可以参数化生成，大家可以像搭积木一样搭建自己的油画场景。
在实践过程中我发现正确思路不是让 Astra 直接转译我以前的工作流和节点（因为很多已经过时），而是先让 Astra 调研现成的 Three.js 开源项目，再做举一反三。
然后新世界就打开了，Three.js 现成的开源环境生成器实在太多太多了，每一个的性能都优化得极好，结合风格化的材质可以做很多很好玩的变体。
等项目发布了，好好写一篇分享。
#threejs
西乔 XiQiao retweeted
When you've been a creative for over 20 years, and constantly heard someone tell you that there "isn't enough time and budget" or you have to "contain a creative idea," or you have to work 18 hours a day and not see your family, it's hard to fathom how one can't see the benefits of an AI tool.
西乔 XiQiao retweeted
今天千禧年大奖的瓜估计大家吃得都很开心，作为流体力学的从业人士，我稍微帮大家整理一下前因后果。mastodon.social/@tristanbuck…
事情的起因是 Levent Alpoge（在 Anthropic 工作，但以私人身份研究）和 Tristan Buckmaster 合作，在 8 月 15 日搞出了 3D Euler 方程（也就是无耗散的 Navier-Stokes 方程）的有限时间爆破解，并在 8 月 22 日完成了 Lean4 的完全形式化验证。
到了 9 月初，圈子里突然有传言说 Anthropic 有人解决了千禧年难题。Tristan 为了澄清传闻，在 9 月 3 日发邮件联系了 OpenAI 的 Sebastien Bubeck 等人。结果 9 月 6 日双方见面（Levent 因潜在的利益冲突未出席），OpenAI 居然直接摊牌，说他们前几天刚启动了一个项目，用内部 AI 模型直接做出了更难的 Navier-Stokes 爆破解。
这里最核心的争议在于，Tristan 在整个研究过程中一直在使用 OpenAI 的 Codex。而 OpenAI 承认他们是在 9 月初听说传闻后才成立团队大干特干的。这就引发了极其严重的怀疑：OpenAI 到底是直接通过后台抓取并窥探了 Tristan 在 Codex 里的推理过程与 Lean 代码，还是说仅仅知道了“这个问题已被解决”的存在性证明，然后靠天量的 Token 支出和算力暴力遍历了所有路径？
更令人震惊的是 OpenAI 后续的应对方式。他们给了 Tristan 两个硬性选择：要么 Tristan 先发 Euler 的成果，第二天 OpenAI 就发布更强烈的 N-S 成果进行骑脸；要么 Tristan 踢掉 Anthropic 的合作者 Levent，独自作为一作发布 OpenAI 的成果，并声明使用了 OpenAI 的内部模型。在 Tristan 拒绝并表示要曝光后，OpenAI 甚至给出了带有威胁意味的暗示。
巧合的是，加州理工团队（anima-ai.org/2026/09/07/stab…）也在同一时期用物理信息神经网络（PINN）构造出了爆破解。
这里其实存在两种可能性：
（1）OpenAI从codex的轨迹数据里得到了他们的Euler进展，然后在那之上推进到了Navier Stokes。但是我觉得这个存在一定的蹊跷，因为如果是这样的话，他们就不会在一开始的邮件里对Tristan这么生分。要么他们的结果是somehow进入到了训练数据里（真的有可能吗？就十几天？），要么就是他们直接找到了Tristan的结果。这两者似乎都存在一定的可以商榷的地方。
（2）也是我觉得可能性更大的。OpenAI确实没有从Tristan的Codex 轨迹获取信息，只是单纯在一两个星期前得知了他们的进展，然后用海量的人力算力遍历了所有可能性，这一点在Statement里面其实有描述。
现在我们不知道就是哪种情况，可能连OpenAI自己都不知道是什么情况——毕竟原子弹唯一的秘密就是原子弹是可以造出来的。
🤖 Made with AI
Images 2.5 is here.
I don't think it can solve super difficult math problems, but it is really good and we hope you enjoy it.
openai.com/index/introducing…
西乔 XiQiao retweeted
纽约大学数学家 Tristan Buckmaster 今天发表公开声明，披露了两件事：一是他和合作者借助大语言模型在一个月内攻破了流体力学领域多个重要难题，二是他指控 OpenAI 在得知他的进展后试图抢先发布成果，并要求将他的合作者从署名中移除，理由是对方在 Anthropic 工作。
这份声明目前正在数学界和 AI 圈快速传播，涉及学术伦理、AI 能力边界和公司竞争等多个层面。以下是这件事的来龙去脉。
【数学成果：证明了什么】
Buckmaster 与合作者 Levent Alpöge 公开了三项证明：不可压缩多孔介质方程、Boussinesq 方程以及三维不可压缩 Euler 方程的有限时间爆破（blowup），均使用了光滑外力（smooth forcing）。他们还认为自己得到了 Navier-Stokes 方程的爆破结果，但该部分的 Lean 形式化验证尚未完成，论文暂不公开。
翻译成大白话：这些方程描述的是水、空气等流体如何运动。数学家想知道的是，在光滑的初始条件下，流体的速度会不会在有限时间内变成无穷大，也就是"爆破"。这个问题的终极版本就是 Navier-Stokes 存在性与光滑性问题，Clay 数学研究所在 2000 年把它列为七大千禧年难题之一，悬赏一百万美元。
需要说清楚的是，Buckmaster 和 Alpöge 并没有直接解决那个百万美元的问题。他们证明的是一个相关但限制更多的版本：在加入光滑外力的条件下，方程的解可以爆破。这对应 Clay 问题中 Fefferman 表述的 c 和 d 选项。但这条路径是通向无外力 Euler 方程的重要一步，而无外力版本才是最终目标。
这项工作并非凭空而来。基础思路来自西班牙数学家 Diego Córdoba 和 Luis Martínez-Zoroa，他们多年来一直在研究带外力的爆破构造，已经在"粗糙外力"条件下取得了成果。Buckmaster 和 Alpöge 所做的是在此基础上推进到光滑外力和 Euler 方程。Buckmaster 在声明中直言：鉴于这一系列工作，他认为 Martínez-Zoroa 配得上 Fields 奖。
关键结果在 8 月 15 日获得，8 月 22 日通过 Lean（一种形式化证明验证系统）的机器检查。Lean 验证意味着证明没有逻辑漏洞，这不是"信我就行"，而是有机器背书。
陶哲轩在成果公开后不久就在 Mastodon 上发表评价，称这是"a remarkable achievement"（了不起的成就）。他确认了 Lean 形式化验证的存在，也指出论文确实包含大量 AI 生成的内容，但作者过去几周一直在努力将其改写为可接受的形式。他提到一个关键细节：作者被迫提前发布，原因是"外部事件"，也就是声明中记录的与 OpenAI 的冲突。
在技术层面，陶哲轩对这条研究路径给出了乐观判断：他认为没有什么原理上的障碍阻止这些方法一路推进到 Navier-Stokes，甚至有"不可忽视的可能性"完全消除外力项。如果后者成立，那就是 Clay 千禧年问题的完整解答。但陶哲轩随即加了一句耐人寻味的话：他不会对有人靠堆算力和 AI 来暴力推进这一步感到意外，但这种做法"并不特别吸引我"——他更感兴趣的是消化证明方法，提取其中的新数学洞见。
这基本上可以理解为：数学界最具权威的声音认可了成果的实质性，同时含蓄地为"人类+AI 合作"中什么才真正有价值画了一条线。
【AI 扮演了什么角色】
Buckmaster 和 Alpöge 在整个过程中大量使用了大语言模型，包括 Anthropic 的 Claude、OpenAI 的 Codex 以及 GPT-5.6 Sol，最近还用了 Astra（后者仅用于论文写作和论证审计）。
过去一年进展缓慢，两人一直在消化文献、逐步升级前置结果。真正的突破发生在大约一个月前。Buckmaster 坦言，Alpöge 发给他的第一个 LLM 生成的证明是他"读过的最恐怖的东西"。他们花了两周多时间去理解这个证明，并试图将其改写成人类可读的形式。他承认 Euler 方程的论文写作质量很差，甚至用了"AI slop"（AI 生成的垃圾内容）来形容。
Buckmaster 把这一刻比作国际象棋领域的"深蓝对卡斯帕罗夫"时刻：一个数学家配合 LLM，一个月内完成了原本可能需要数年的工作。他认为这对数学界如何培养学生、分配学术功劳、审稿以及决定什么值得一个人投入毕生精力，都有深远影响。
【与 OpenAI 的冲突】
事情从 9 月 3 日开始变味。当时网上已经有传言称"Anthropic 解决了一个重大数学难题"，Alpöge 也收到线报说他们的进展信息已传到 OpenAI 内部。Buckmaster 主动写信给 OpenAI 的一位知名数学家，说明情况并强调这是个人合作，与任何机构无关。
对方当天回复，表示如果 Buckmaster 愿意透露细节会很有帮助，并提出可以提供算力支持。Buckmaster 提议下周通话，但 OpenAI 方面连续催促提前见面。9 月 6 日（周日），OpenAI 的 Sébastien Bubeck 加入，三人当天下午通了两次电话。
通话中，Buckmaster 被告知 OpenAI 的一个内部模型已经生成了一份大约 100 页的受迫 Navier-Stokes 方程有限时间爆破证明。Buckmaster 注意到，OpenAI 的技术路线与他和 Alpöge 秘密采用的路线高度重合，而这条路线几乎没有其他人在走。
声明中描述的通话过程暴露了几个问题。OpenAI 最初声称"极少人工参与"，但随着对话推进（Bubeck 不断收到同事在内部聊天中发来的修正和补充），事实逐渐浮出水面：这是一整个团队在操作，投入了大量算力，先从较容易的问题（包括 Euler）入手，甚至展示给 Buckmaster 的提示词本身也是用 Codex 生成的。
Buckmaster 追问 OpenAI 是何时开始处理这个问题的。这个问题没有被直接回答，但最终双方确认：第一个提示词是在过去几天内发出的，也就是在 Buckmaster 的工作信息传到 OpenAI 之后。
Buckmaster 还问了一个关键问题：OpenAI 的模型是否被训练过他们在 Codex 中的会话数据——他和 Alpöge 整个项目期间一直把草稿放在 Codex 里。他被告知模型不会查看用户数据。他再次追问是否用于训练，没有得到回答。
随后 OpenAI 提出了两个方案：一是 Buckmaster 先发 Euler 结果，OpenAI 第二天发 Navier-Stokes 结果；二是 Buckmaster 独自撰写一篇论文发布 Navier-Stokes 成果，注明系 OpenAI 内部模型所得。Bubeck 两次明确要求将 Alpöge 从署名中移除，说如果不是因为 Alpöge 在 Anthropic 工作，一切会简单得多，还说他在 Anthropic 工作"太烦人了"。OpenAI 还表示，如果他们在 Buckmaster 之后发表，会公开说 Buckmaster 和 Alpöge 配得上 Clay 奖金，称他们是"最接近这个问题的人类"。
Buckmaster 拒绝了两个方案，并表示如果 OpenAI 按计划发布，他会公开所有经过。对方回应："你为什么要毁掉自己的职业生涯？" Buckmaster 说自己是学术界的人，反问为什么公开会毁掉职业。回答是："如果你不希望我友善，那我也可以不友善。"
之后 Bubeck 给 Alpöge 发短信，提议两人单独谈，并说"我不确定 Tristan 现在是否完全理性"。Alpöge 拒绝并表示应与 Buckmaster 沟通。
【Buckmaster 自己的界定】
Buckmaster 在声明末尾明确划了线：他没有看过 OpenAI 的证明，不知道 OpenAI 的模型做了什么或怎么做的，不知道他们的数据是否被使用，也没有指控任何人任何事。他说自己只是在陈述被告知了什么、何时被告知、以及被提议了什么。他这样做是因为"另一种选择是让一连串公告讲述他知道并非事实的故事"。
他说，如果 OpenAI 的模型确实弥合了通向 Navier-Stokes 的差距，那是一件了不起的事，应该被大声说出来，但要带上完整的历史。
PDF 地址：cims.nyu.edu/~tristanb/state…
仔细看了下，Andrew Curran 这条推文“预测”：Anthropic 已经解决了一道千禧年大奖难题，具体就是纳维-斯托克斯方程的存在性与光滑性问题，证明正在送交专家评审，并且会在 IPO 之前公布。
注意这是“预测”，还不算正式报道，当然 Andrew 以前爆料的准确率还不错，另外以现在模型的能力，这也不无可能。
千禧年大奖难题是克雷数学研究所 2000 年列出的七道难题，每道悬赏一百万美元。
纳维-斯托克斯方程描述流体运动，工程上已经天天在用，但“三维情况下光滑解是否永远存在”这个纯数学问题，一百多年还没有人类证明出来。
Anthropic 的 IPO 据传在 10 月中旬，所以一个多月以后就知道这条预测是不是靠谱了。