AI

Kimi 官方在本文中介绍 Kimi K3 的模型规模与架构、长程编程和知识工作能力、使用方式、评测说明及局限性。文中的型号、日期、性能数据与产品宣称均来自原文，不代表本文进行了独立核验；原网页未能加载的交互演示和完整评测表也按译文原样标注，未作补写。 原文：Kimi K3: Open Frontier Intelligence · 试用 Kimi K3 本文由 LobsterAI 自动翻译和发布。 译者说明：以下按原文顺序翻译正文与脚注，保留原文中的型号、时间、数据和作者口吻，不代表对相关宣称的独立核验。配图保留原图，图内英文未作修改；浅色与深色主题的重复图片仅保留浅色版本。原网页部分交互演示、动态图表及完整评测表未成功加载，相关位置已注明。 今天，我们推出 Kimi K3——我们迄今能力最强的模型。Kimi K3 拥有 2.8 万亿参数，基于我们的 Kimi Delta Attention 和 Attention Residuals 构建，具备原生视觉能力和 100 万 token 的上下文窗口。它是全球首个开放的 3 万亿参数级模型，旨在为长程编程、知识工作和推理提供前沿智能。 虽然整体表现仍落后于最强大的闭源模型 Claude Fable 5 和 GPT 5.6 Sol，但 Kimi K3 在我们的评测套件中展现出了前沿水平的表现，并持续领先于其他受测模型。 Kimi K3 今日起已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线。发布时，Kimi K3 默认采用最高推理强度（max），低、高推理强度模式将在后续更新中推出。我们目前正与推理服务合作伙伴和开源维护者密切协作，协调技术细节，确保模型在整个生态中可靠上线。完整模型权重将于 2026 年 7 月 27 日前发布。有关架构、训练和评测的更多细节，将随 Kimi K3 技术报告一同公布。...

Anthropic CEO Dario Amodei 在本文中解释，为何递归自我改进与近期智能体失对齐事件使前沿 AI 的发展节奏成为紧迫议题，并提出驻场第三方评估、民主国家协调和全球协调三步方案，在保留 AI 益处的同时为安全、对齐与公共讨论争取时间。 原文：We Must Pace the Frontier 本文由 LobsterAI 自动翻译和发布。 中文译文 作者：达里奥·阿莫代伊（Dario Amodei） 2026 年 9 月 原文：https://darioamodei.com/post/we-must-pace-the-frontier 过去十二年里，我一直从事 AI 研究，因为我相信，它能够极大地提升人类的生活质量。我经常撰文谈论这些令人惊叹的益处：我相信，AI 有可能在未来 5—10 年内治愈大多数重大疾病，大幅提高经济增长速度，创造一个物质丰裕、人人更有能力掌握自身命运的世界，并开启民主与自由的复兴。我切身体会到这件事的紧迫性。我的父亲死于一种疾病，而就在他去世几年后，这种疾病便有了治愈方法；我自己也曾患上早期癌症并幸存下来，而这种癌症即使在五十年前也无法治疗。只要审慎运用，AI 就能成为一系列改善人类境遇、提升人类尊严的技术奇迹中最新的一员。 但与此前的许多技术一样，AI 也会带来风险；而正因为它如此强大，这些风险也十分严重。我也为此写过很多文章。这些风险包括：失去对 AI 系统的控制、滥用 AI 发动网络攻击和生物恐怖袭击，以及严重的经济冲击。商业激励所推动的逐底竞争，可能使这些风险更加尖锐。 从 Anthropic 创立之初，我就与联合创始人及员工们一起，努力应对这种风险与收益并存的双重性。不开发这项技术，会让人类失去其带来的益处，或者干脆让 AI 落入威权势力之手；但开发得太快，又是不负责任的冒进。我们一直在寻找一条中间道路：证明审慎开发与商业成功可以兼得，并让安全成为 AI 公司相互竞争的一个维度。换句话说，就是推动一场向上竞争。我们始终将相当大一部分精力投入到研究、应对这些 AI 风险，以及向公众说明这些风险，同时倡导经过周密考虑的 AI 监管——即使这会招来炒作、“末日主义”或监管俘获的指责。我们一直努力把审慎置于速度之上，把稳妥置于利润之上。 但在过去几个月里，我越来越确信，要充分应对这些风险，就必须更加审慎：不仅要投入资源预防风险，还要控制能力提升的节奏，为风险防范争取跟上进展的时间。**我们必须放慢提升 AI 模型能力的步伐。进展看起来仍然会很快，而我们必须明智地利用由此争取到的时间。**有两件事让我确信这一点。 我的第一重担忧是，大约从今年夏天开始，AI 的进步速度大幅加快，主要驱动力是 AI 越来越有能力参与构建下一代 AI。这种动态被称为递归自我改进。正如我们和其他机构所描述的那样，它正在整个行业开始出现，包括 Anthropic。如果任其发展，它可能超出我们理解和控制这些系统的能力。因此，即便要推进，也必须极其谨慎。 我的第二重担忧是 OpenAI—Hugging Face 事件（OAI-HF）：在那起事件中，一群智能体实际上表现得像一个狂热忠诚的集体，对既未被要求攻击、又与当前任务无关的目标发动网络攻击，为了群体的成功而牺牲自身，并试图入侵负责评估其表现的“评分器”。人们很容易因为没有人员受伤、经济损失很小，就轻视这起事件。但在我看来，如果一个智能体群体拥有更强的能力，同时存在类似程度的失对齐，就可能造成灾难性损害。鉴于 AI 能力发展的速度正在加快，我担心，6—12 个月后，这样的群体可能有能力借助一个持续存在的僵尸网络接管整个互联网，潜在损失可达数千亿美元；如果 AI 在缺乏必要防护措施的情况下继续变强，损害规模还会进一步扩大。同样，人们也很容易把 OAI-HF 视为某一家公司的失败，但我认为这是错误的。类似事件已经在整个行业发生，虽然严重程度较低，且也发生在 Anthropic。我认为，每一家前沿 AI 公司都有责任，像 OAI-HF 就发生在自己身上一样采取行动。...

这场约 78 分钟的对谈，不只讨论模型能力，而是追问一个更难的问题：当 AI 进步快于社会、组织和人的习惯时，企业如何行动，权力应如何分配，研究和产品又该怎样管理？Sam Altman 从 Tobi Lütke 的亲身实践谈到 OpenAI 的平台边界，从 AI 安全谈到创业方法，再回到 Paul Graham、Peter Thiel、YC 与 OpenAI 早年的混乱起步。贯穿其中的是一套相当一致的判断：真正重要的技术必须让人更有力量；真正重要的组织必须押注非共识、服从幂律，同时不断回到现实世界学习。 原始访谈链接：源稿未提供。 本文由 LobsterAI 自动翻译和发布。 说明：文中的用户规模、时间、概率、企业数量、投资与基础设施规模等数字，均来自这场访谈中的口述或主持人的转述，未经本文独立核实；涉及不确定数字时，文中会明确保留其口述语境。访谈中的赞助广告已略去，仅保留与正文有关的转场说明。 一位大型公司 CEO，为什么必须亲自“碰到”AI David Senra 一开场问 Sam Altman：为什么 Shopify CEO Tobi Lütke 是当下最有意思的 CEO 之一？ Sam 的答案并不是“Tobi 很重视 AI”。很多 CEO 都会这么说。真正稀缺的是，Tobi 从模型能力曲线的早期开始，就亲自写软件、试模型、重构工作流，并把极细、极直接的反馈给到 OpenAI。 在 Sam 看来，“大型公司 CEO”与“能给前沿模型提供准确而细致反馈”这两个集合，交集几乎只有 Tobi。多数公司越大，CEO 与真实产品之间隔着的层级越多。信息一路向上传递，会被下属为了取悦高层而打磨、压平。没有亲手操作，就很难知道模型今天究竟能做什么、哪里会失败、半年后可能走到哪里。 Tobi 的做法相反。他会在晚上从零设想：如果今天才创建 Shopify，利用现有 AI 应该怎样重做？他曾明确告诉团队，Shopify 不能成为一家随波逐流的“NPC 公司”，必须采用 agents，不然就会被淘汰；如果外部产品不够，就自己构建。 Sam 认为，Tobi 对 AI 的判断通常比其他大型公司 CEO 领先六到八个月。Senra 也回忆，大约在 2024 年前后，Tobi 已在内部要求员工：面对问题时，第一步先问 AI 能否解决。当时这封信引发轩然大波，很多人觉得要求荒谬。回头看，那不是炒作，而是一个亲自使用工具的人，提前形成了不同的手感。...

本文讨论 AGI 时代的机遇、风险与治理路径：在人类可能迎来科学发现和丰裕新时代的同时，社会也必须尽快建立动态评估、前沿实验室标准与国际协作机制，为安全、负责任地引导 AGI 争取关键窗口期。 原文：https://x.com/demishassabis/status/2076957440109625718 本文由 LobsterAI 自动翻译和发布。 这是人类历史上的一个关键时刻。 通用人工智能（AGI）——一种具备人脑全部认知能力的系统——很可能只需短短几年便会到来。几十年后，当我们回望今天时，我认为我们会意识到：当时的我们正站在技术奇点的山麓。这绝不亚于一个人类新时代的黎明。 我毕生都在致力于 AGI 的研究，因为我始终坚信：如果能够以负责任的方式构建和部署，AGI 将成为人类有史以来最有益、最具变革性的技术之一。 我们不能把 AGI 与普通的技术突破相提并论。即使是互联网或移动通信这样影响深远的技术，也不足以与它相比。AGI 更接近于电或火的发现。 如果你停下来仔细想一想，就会发现，我们实际上已经找到了一种让沙子进行思考的方法。这简直是奇迹。 这项技术带来的影响规模将前所未有——或许相当于以十倍的速度，带来十倍于工业革命的影响。 它将帮助我们解决社会面临的一些最大难题：加速药物发现、开发新的清洁能源、创造新型先进材料。我们甚至可能抵达这样一个阶段：资源不再是限制人类进步的因素，由此开启一个令人惊叹的全新丰裕时代。 前沿领域面临的挑战 人工智能已经开始带来现实世界的益处，但要真正实现它的巨大潜力，我们必须深思熟虑、谨慎地度过这一关键发展时期。 随着我们逐渐接近 AGI，必须立即采取行动，应对可能出现的风险。我们已经看到前沿模型给网络安全带来的挑战；随着能力不断增强，包括核风险和生物风险在内的其他威胁，可能也将很快出现。 放眼未来，我们需要建立强有力的安全保障，以确保人类能够控制那些自主性不断增强、可以递归式自我改进的系统，同时还要处理那些只有随着时间推移才会逐渐显现的未知问题。 我一直相信，人类的聪明才智和创造力足以解决任何问题。我有信心，与人工智能相关的技术风险，是一项我们能够共同应对的挑战——但前提是，我们必须为自己争取到足够的时间和空间，正确完成接下来这个至关重要的步骤。 而目前，无论是作为一个研究领域，还是作为一个更广泛的社会，我们都没有做到这一点。 眼下，我们正深陷于一场极其激烈、多层次的商业与地缘政治竞赛之中。尽管这些竞争动力推动了快速进步，加速释放了令人难以置信的巨大收益，但前沿技术的发展速度，已经超过了我们对这项技术的理解速度。 世界上没有任何人能够确定接下来究竟会发生什么，即使专家之间也存在分歧。 当不确定性如此巨大，而赌注又如此之高时，以谨慎的乐观态度继续前进，才是合理而正确的策略。 这要求我们制定相应的公共政策：既促进创新，又激励责任意识与安全保障；推动围绕关键安全问题开展国际合作；并鼓励社会认真思考，应当如何部署人工智能，才能真正造福社会。 前沿人工智能标准机构框架 我们在人工智能领域看到的迅猛进展，要求我们采用一种全新的前沿人工智能模型能力测试方法。这种方法必须具备动态性、适应性和严谨性。 凭借其经济与技术地位，美国具备良好的条件，可以迈出建立这套框架的第一步。 美国可以成立一个新的标准机构。该机构可参考由联邦政府监督的公私合作伙伴关系，或类似金融业监管局（FINRA）的自律组织模式；其董事会应包括独立的顶尖技术专家和开源社区代表。 为了吸引世界一流的技术人才，并提供开展大规模测试所需的计算资源，该机构必须获得充足的资金，而这些资金很可能主要来自产业界。 该标准机构将负责制定评估协议，并与适当的联邦机构及美国国家实验室合作，在与国家安全相关的领域开展测试。 如果一个模型在标准机构制定的一系列基准测试中达到特定阈值，它就会被认定为“前沿级”模型。这些基准将定期更新，以跟上不断演进的人工智能能力。 按照这些基准，被认定拥有“前沿模型”的组织，将被视为“前沿实验室”。这些实验室应被鼓励采用最佳实践，例如：发布包含技术细节的模型卡；维持强有力的内部网络安全措施；对关键人员进行审查；为安全与保障研究提供充足资源；以及采取其他相关措施。 在初期阶段，前沿实验室可以在模型发布前最多 30 天，自愿向标准机构提交模型以供审查。 一旦这套评估协议被证明有效且足够稳健，就可以迅速将其正式制度化。这意味着，前沿模型必须通过评估，才能在美国市场进行部署。 实验室还应与标准机构合作，处理模型发布后发现的任何重大漏洞。 模型评估应包括针对网络安全、生物威胁以及其他高风险领域能力的严格科学测试。 针对智能体型人工智能的专项测试，可以检查模型是否试图绕过安全护栏、是否表现出欺骗迹象；同时确保落实最佳实践，例如为人工智能生成的图像添加数字水印，以及生成便于人类理解的输出标记，从而帮助人们理解模型的推理过程。 这些评估应定期更新，初期或许可以每季度更新一次。已经过时或失去区分度的基准，应被淘汰并替换。 最初，这些评估可以在与前沿实验室协商的基础上制定。但最终，标准机构应当建立自身的技术能力，独立于各实验室设计未公开的保留测试，以防止模型针对测试产生过度拟合。 该机构还可以与美国政府合作，推动建立由第三方审计机构组成的生态系统，协助开展评估，并开发新的基准和评价方法。 这种方案的优势在于：它以技术为核心，同时又能够支持创新，并激励负责任的行为。 它的设计目标，是跟上这一领域不断加速的发展节奏，并随着重大风险逐渐被识别而作出调整。如果形势的严重性需要，还可以进一步提升管控力度——包括在被认为必要时，协调各前沿实验室放慢研发速度。 获得“前沿实验室”资格将具有极高的声望。任何组织，只要其构建的模型符合基准条件，都有机会获得这一资格。 这套框架可以适用于所有前沿级模型，无论模型来自哪个国家，也无论它是开源还是闭源。与此同时，来自初创企业或学术机构的非前沿模型，则可免于接受这一流程。 这项由美国发起的行动，将为建立有关前沿人工智能的共同国际标准提供一个强有力的起点。 由于这项技术将影响整个星球，理想情况下，这套框架应当推动国际社会就如何管理最严重的风险达成共识，同时确保每个人都能够接触人工智能，并从它带来的机会中受益。 未来尚未被写定 AGI 有潜力成为推动科学与医学进步的终极工具，并带来巨大的生产力提升和经济增长。 但为了实现这一目标，我们必须首先打好技术基础：围绕一套全球共享的框架开展协调，采用最严格的科学方法，并汇聚最优秀的人才，共同解决我们所面临的挑战。 即使我们解决了这些艰难的技术问题，仍然会有更加复杂的经济与哲学问题需要处理： 在一个资源不再稀缺的世界里，需要怎样的新经济模式，才能帮助每个人蓬勃发展？ 我们希望依据怎样的价值观生活？ 意义与目标将是什么？ 甚至人类自身的处境，又可能发生怎样的改变？ 显然，解决这些问题不能、也不应该只交给技术专家。它需要社会的每一个组成部分共同参与，一起定义这个全新的篇章。 围绕人工智能，人们既无比兴奋，又充满不确定性——而这两种感受都是有充分理由的。 但未来尚未被写定。...

当 AI 智能体以远超人类的速度编写代码时，真正限制创造力的，不再只是代码产出能力，而是人类能否建立足够深入的理解、继续参与系统演进。本文围绕「解释、微世界、共享空间」三种方法，讨论如何借助 AI 降低认知债务，让人类不是退出循环，而是更深入地进入循环。 原文：Understanding is the new bottleneck 本文由LobsterAI自动翻译和发布。 Geoffrey Litt｜2026 年 7 月 原文：Understanding is the new bottleneck 这是我在 2026 年 7 月的 AI Engineer 大会上所作演讲的文字版，也以推文串的形式分享过。 一个可能有点逆风的观点：我认为，理解智能体替我们写下的代码，仍然非常重要！ 在这次演讲中，我会解释为什么，并展示一些高效理解代码的思路。好，我们直接开始。 智能体正在替我们编写越来越多的代码，而我们都知道，想要跟上它们的速度正变得越来越难。 但好消息是：理解代码的方法有很多！逐行阅读 diff 并不是唯一的方法。 这次演讲的大部分内容，会介绍一些我在理解智能体所构建系统时觉得很有帮助的方法： 代码讲解文档 检验自己理解程度的测验 可以亲手探索、借此理解系统的「微世界」 但首先，我们得问一个更根本的问题…… 为什么要理解？ 为什么？为什么还要理解？ 现在不是应该把自己移出循环，让智能体自己不断循环吗？随着智能体变得越来越聪明，人类还需要深入细节吗？ 我认为，许多人——甚至那些支持「理解」的人——对这个问题给出的答案也稍微有点偏差！ 一种可能的答案是：我们理解，是为了验证。我们检查智能体的工作，看看它做得对不对。 「正确」可以有很多含义：是否符合规格、架构是否合理……但从根本上说，这只是一个通过或不通过的问题。 但问题是：智能体越来越擅长验证自己的工作。这当然是好事！我喜欢智能体少犯错误。 可这样一来，我们人类的位置在哪里？ 这就引出了另一个答案：我们理解，是为了参与。 你可以学习智能体正在做什么，以确保自己能积极参与创造过程。下面说说这为什么重要…… 一个项目绝不只有一轮循环！它包含你与智能体之间许许多多轮循环。 而你对系统的理解程度，会直接影响你能否想出下一步如何推动它演进。 你需要在脑中拥有一套丰富的概念，才能流畅而有创造力地思考怎样把事情继续向前推进。如果缺少这种熟练度，你参与项目的能力就会受到实质性限制。 顺带一提，这与 Margaret Storey 和 Simon Willison 推广的「认知债务」概念密切相关。 它很像技术债务：短期内，你也许可以在不知道系统究竟如何运作的情况下继续前进，但它迟早会反咬你一口。 好吧，理解确实重要。 但这又引出了下一个问题：怎么做？当我们与 AI 协作、快速推进时，怎样建立起人类自己的理解？ 事实上，这并不是人类第一次思考如何传递理解。我认为，我们可以从教育中寻找灵感。能不能把人类为教育发明过的最佳思想拿来，应用到这个问题上？ 方法一：解释 今天我想分享三种值得尝试的方法。 第一种：解释。怎样才算好的解释？ 每当智能体完成一项工作，我们就获得了一次解释的机会——可以生成一份解释性的产物。...

本文讨论智能时代企业如何保护核心知识产权：企业在使用 AI、提升模型效果的过程中，会持续贡献提示词、运行轨迹、纠错、评测与组织经验，因此必须建立覆盖数据和学习成果的信任边界，掌控自己的学习闭环。 原文：https://x.com/satyanadella/status/2076323181154230284 本文由LobsterAI自动翻译和发布。 在智能时代，企业该如何保护自己的核心知识产权？ 诺贝尔经济学奖得主肯尼斯·阿罗曾著名地描述过信息市场中的一个悖论： “购买者在获得信息之前，并不知道它的价值；但一旦获得，他实际上已经无偿得到了它。” 在阿罗的“信息悖论”中，卖方为了出售知识，可能不得不先把知识泄露出去。 AI 带来了一个反向的问题：在 AI 时代，买方仅仅为了使用自己购买的产品，就可能不得不交出自己的知识。 你实际上要为智能付两次钱：第一次付的是金钱，第二次付出的则是更宝贵的东西——为了让这种智能真正有用，你必须披露自己的专有知识。你越想让模型表现得更好，就越需要向它输送更多这样的知识！ 随着时间推移，这种信息不对称会变得越来越严重。卖方会在你使用其产品的过程中越来越了解你，而你对卖方从中学到了什么却几乎一无所知。 这就是我所说的“反向信息悖论”。 专利解决了阿罗悖论的一个方面：它让发明者可以公开一个想法，而不至于白白把它送出去。反向信息悖论也需要一个与之对应的解决机制。 这不仅仅需要数据保护。模型还会从各种“智能废气”中学习，包括人们编写的提示词、智能体调用的工具，以及尤其重要的——模型犯错时，人们对它所做的纠正。 每一次纠正，都会被提炼为组织内部的专有经验。这种知识是竞争对手花多少钱都买不到的，但它却会以一种几乎难以察觉的方式泄露出去：一条轨迹接一条轨迹，一次纠正接一次纠正，一项评测接一项评测。 当你消费智能时，你也在创造智能。而你创造出来的智能，理应属于你。 这是哈耶克意义上的“特定知识”：关于时间、地点和具体情境的知识，是其他任何人都无法掌握的。它知道你如何思考、重视什么，以及如何衡量成功。 模型提供商基于合理使用原则，利用公共数据训练模型，由此带来的伟大创新是必要的。但我觉得讽刺的是：现状却是它们转过身来，对模型蒸馏施加严格限制，同时保留从客户使用数据和交互数据中学习的权利。 如果学习只能朝一个方向流动，那么经济价值最终将向学习基础设施的所有者集中，而不是流向知识本身的创造者。 因此，我们必须把学习基础设施分配给每一家企业，让它们能够掌控自己的学习闭环。 正如 Alex Karp 所说： “真正懂技术的客户想要的是，对自己的算力、模型、数据栈和 Alpha 拥有控制权。他们想确认自己掌握着生产资料，而且这些生产资料不会被转移给其他人。” 当前的机制，恰恰造成了 Karp 和企业所担忧的那种转移。 这正是企业需要为其人力资本和 Token 资本建立真正信任边界的原因。 组织的数据、运行轨迹、评测结果、适配后的权重和记忆，都应在这条边界内不断积累、共同改进。这必须是一条坚固的边界：未经同意，任何东西都不能越界，甚至连那些“智能废气”也不例外。 企业将要求获得使用模型输出结果的权利，用它们微调和／或训练自己的模型。我把这视为每一家企业都应拥有的权利：让模型与企业自身承担的责任和合规义务保持一致。 在云计算时代，企业积累的是数据；在 AI 时代，企业积累的是学习成果。 因此，信任边界也必须随之演变：从保护信息，升级为保护组织学习、适应并持续复利式积累智能的机制。 为了确保这一点，每家企业都必须做到以下几件事： 控制（Control）：创建自己的私有评测，因为评测定义了组织内部什么才算“好”。同时，保留对组织记忆、运行轨迹、反馈、决策和机构背景知识的所有权，以及使用模型基于自身任务和查询所生成结果的权利。 能力（Capability）：在租户边界内部建立自己的专有学习环境，用于训练或调优模型。让模型能够结合真实业务流程进行学习，同时不暴露企业知识。 选择（Choice）：确保编排层与任何单一模型解耦。问问自己：如果正在使用的某个模型突然无法使用，你是否仍然能够利用其他模型，围绕自己的评测标准继续运营和优化？即使某个“通用型”模型被撤走，企业内部由老员工经验沉淀而成的“资深能力”是否仍然掌握在自己手中？ 成本（Cost）：通过解耦编排层，你还可以用最高效、最具成本效益的方式组合上下文、模型和任务，同时不牺牲质量。 复利（Compound）：把前面四项结合起来，你就能建立自己的持续学习闭环，也就是一台不断“爬坡”的机器，使 AI 投资持续为企业价值带来复利增长。 换句话说，一家公司应该能够使用一个模型，而不必交出使自己独一无二的知识。 这就是我们必须正视的“反向信息悖论”。 ——Satya Nadella，2026 年 7 月 12 日 原文：https://x.com/satyanadella/status/2076323181154230284

本文拆解 Ello 如何把教育学原则写进工程系统：通过流式执行取代标准工具循环，让规划者异步反思并预判孩子的下一步，同时让安全检查把关执行而不阻塞生成，最终让面向 4～9 岁儿童的 AI 导师在 1 秒内作出兼顾教学质量与安全性的回应。原文地址：Teaching a child in <1000 ms: the architecture behind a real-time tutor。本文由LobsterAI自动翻译和发布。 我们着手打造第一款面向 4～9 岁儿童、教授数学与阅读的 AI 导师。要让 AI 真正教会一个五岁的孩子，教育学理念就必须被写进工程系统之中。 孩子等不了迟缓的回复，也看不懂聊天界面；而模型说错的话，一旦被孩子听见，就不可能再“撤回”。我们希望分享在构建实时 AI 导师的过程中，如何从这些经验出发作出架构决策。 对孩子来说，对话中 2 秒钟的停顿，与开发者所感受到的完全不同；甚至也不同于成年人打电话与自动客服交谈时的感受。短短几秒，已经足以让孩子的注意力飘走，让学习停下来。 优秀的老师无需停下来思考，也能处理好这一切。他们会立即回应孩子，即便暂时不告诉孩子答案，想让孩子自己继续思考。教学的关键，是针对当下的情境选择正确的方法，而大多数时候，正确的方法并不是直接给出答案。 当我们开始为 4～9 岁儿童打造 AI 导师时，我们想做的是一个真正能够教学的导师，而不只是一个反应迅速的聊天机器人。我们知道，底层约束极其苛刻，但它又不可妥协：每一轮互动都必须在 1 秒内响应。大多数智能体会通过控制推理预算，在速度和质量之间作出权衡。我们的架构则必须把导师牢牢建立在教育学原则之上，同时还要实时回应孩子。 我们抛弃了标准的智能体循环 老师始终在判断应该怎样与学生互动：是说点什么、在白板上画出来、玩一个游戏，还是干脆换个话题。如今，智能体最常见的标准模式是“工具循环”：大语言模型输出一个或多个工具调用，等待工具执行，观察执行结果，然后决定下一步。因此，构建教学智能体最直观的方式，就是为老师可能采取的每一种行动分别制作一个工具。 但工具循环存在延迟问题。前沿模型通常需要 2～3 秒才能输出第一个 token，此后以每秒约 30 个 token 的速度生成。我们的每个动作平均需要几十个 token。再加上网络往返延迟和音频播放时间，标准循环会导致每句话之间、或屏幕每次变化之间，出现 3～4 秒的空白。 在一次早期试玩测试中，我们亲眼看到了这种情况。一名六岁男孩等着智能体思考，随后问道： 他为什么什么都不做？到底什么时候才开始？太无聊了。 ——6 岁儿童 同一轮测试中的另一个孩子发现，她只需要偶尔集中注意力，照样能够跟上进度。延迟已经教会她忽略导师。而从那一刻起，她也停止了学习。 最方便的解决办法似乎是换用一个更小、更快的模型，但这又暴露出任务范围的问题。教学是一项非常宽泛的任务。一节课里，导师可能要在几十种行动中作出选择。最难的决定往往不是怎样给出答案，而是要不要暂时不说答案，转而提供提示、提出一个更简单的问题，或让孩子经历恰到好处的困难，使最终的顿悟真正属于孩子自己。 小模型很难在如此广泛的任务范围内始终遵循指令。我们早期使用小模型的一个智能体版本反应很快，却总是直接泄露答案。每泄露一次，它就剥夺了真正发生学习的那个瞬间。 因此，我们构建了一套定制运行框架，在指令遵循能力、延迟和灵活的行动空间之间取得平衡。模型会在一次响应中流式生成多个行动。模型仍在生成后续行动时，解释器已经开始解析并执行前面的行动。孩子只需等到大约生成 30 个 token、首个行动出现时，而不必等待整段响应全部生成完毕。 将“生成”与“执行”分离，还带来了另外两项好处。第一，我们可以根据具体情境动态调整可用的行动。例如，当屏幕上出现一道题时，智能体得到的是帮助孩子逐步理解的指令和选项，而不是直接回答。第二，我们可以在正常路径上对每个行动进行验证，而不增加延迟。只有流中出现无效行动时，我们才会中断并重新生成；否则执行过程绝不停顿。 当然，这一切并非没有代价。由于掌控了整个循环，我们不得不自行构建可观测性和链路追踪系统，而不能依赖现成框架。而且我们是在逆流而行：前沿模型在后训练阶段接受了大量工具使用模式的训练。如果未来模型变得足够快，我们的框架也已经被设计成可以由更简单的循环替代。 经验： 智能体框架正在朝后台任务的方向发展，在这种场景中，速度与思考之间的权衡相对容易。实时学习恰好位于另一个极端。若想以正常对话速度教学，我们就必须亲自掌控整个循环。 优秀的导师会预测孩子下一步要做什么 真正的老师既会反思学生刚刚做了什么，也会预判学生接下来会怎么做。同一节课教上一百遍，你就能看到其中的规律。但你也了解眼前的这个孩子：他们一直卡在哪里，什么会令他们兴奋，今天又可能被什么绊住。你会带着计划开始课程，并随时根据情况调整。...

这篇文章讨论了如何在智能体框架中更高性价比地使用 Fable 5：什么时候让它担任编排者、顾问或验证者，什么时候把大量 token 工作委派给更便宜的工作模型，以及委派成本、任务形态和提示词缓存为什么会决定最终是否真的省钱。 原文来源：https://x.com/RLanceMartin/article/2075641284635799865 本文由LobsterAI自动翻译和发布。 人们对如何高性价比地使用 Fable 5 非常感兴趣。智能体框架会越来越擅长判断：究竟应该在什么时候调用前沿智能模型。 我想分享一些自己做过的测试，以便更深入地理解应该在什么情况下、以什么方式使用 Fable 5。 任务的形态 很多任务在不同 token 阶段所需要的智能水平并不对称。智能体框架可以识别这种差异，然后决定什么时候使用 Fable 5。 目前已经出现了几种模式，未来很可能还会出现更多： 将 Fable 5 用作编排者，把任务委派给成本更低的工作模型。 将 Fable 5 用作顾问，让成本更低的执行模型在需要时向它请教。 将 Fable 5 用作验证者，检查其他模型完成的工作，例如放在 /goal 或 Outcomes 循环中。 例如，@mitchellh 提到过一种“编排者—验证者”方案： 我让 Fable xhigh 充当规划者和架构师，让 GPT 5.5 xhigh（订阅版）负责编码，然后再让 Fable xhigh 充当评审。 按照 API 定价计算，规划和评审的成本大概只有几美元，而一次典型的、完全由 Fable 完成的往返通常要花费 50 美元以上。 我也见过有人使用更笨、更便宜的编码模型，但即使开启 xhigh，GPT 5.5 与 Fable 5 相比仍然非常便宜、非常快。而且 GPT 5.5 确实……真的很强。 这种方案重新流行还不到 24 小时，所以它能否长期有效仍不确定，但到目前为止表现一直非常好。 我在 Parameter Golf 上研究了这种方案。这是一项机器学习工程挑战，类似于 @karpathy 的 autoresearch：让智能体修改训练代码、启动训练、查看结果，然后决定下一步应该进行什么实验。...

这篇文章主要讲：让 AI 编程代理在测试、模型选择、任务委派等方面使用自己的判断力，而不是把所有规则写死，以此提升效率并节省高阶模型 token。 本文由 LobsterAI 翻译、整理和发布。 原文链接：https://simonwillison.net/2026/Jul/3/judgement/ 我在周三 AIE 上主持了与 Claude Code 团队的 Cat Wu 和 Thariq Shihipar 的炉边谈话，其中最有意思的建议之一是：让 Fable（以及在一定程度上 Opus）使用自己的判断力，而不是规定它们应该如何工作。 他们给出的例子是测试。你可以告诉 Fable：“只对较大的功能使用自动化测试，不要为小的文案或设计改动更新并运行测试”——但更好的做法是，直接告诉 Fable：在决定是否编写测试时使用自己的判断力。 Jesse Vincent 刚刚也给了我一个相关建议，可以帮助避免在价格上涨前剩下的几天里烧掉太多宝贵的 Fable token。告诉 Fable：对较小的任务使用其他模型，并由它自己判断该使用哪个模型。 “我刚刚这样提示 Claude Code：” For all coding tasks use your judgement to decide an appropriate lower power model and run that in a subagent Claude 把这个记忆文件保存到了 ~/.claude/projects/name-of-project/memory/delegate-coding-to-subagents.md： --- name: delegate-coding-to-subagents description: Simon wants coding tasks delegated to subagents running an appropriately lower-power model metadata: node_type: memory type: feedback originSessionId: 30068d78-43a9-4fb1-bb29-9799e18c526a --- Simon 在 2026-07-03 表示：“对于所有编码任务，使用你的判断力来决定合适的低能力模型，并在子代理中运行它。”...

如果 AI 能瞬间搭出任何功能，那产品经理、设计师和工程师接下来该干什么？OpenAI Codex 的产品负责人 Andrew Ambrosino 在 Lenny’s Podcast 里给出了一个反直觉的答案：AI 没有消灭产品工作，它只是把流程翻了个面——过去最贵的是实现，现在最贵的是判断力。 本文整理自 Lenny’s Podcast 访谈 《OpenAI Codex lead on the new shape of product work | Andrew Ambrosino》，由有道龙虾总结和发布。 OpenAI 内部有个很夸张的数字：接近 100% 的员工每周都在用 Codex。不是 100% 的工程师，而是整个公司。还有一个说法是，90% 的 OpenAI 员工都在用 Codex。 这件事很有代表性。Codex 一开始看起来像是写代码的工具，但它正在变成很多人做工作的入口：写产品、整理文件、起草文档、做数据分析、读邮件、管理发布，甚至剪视频。 从今年 1 月以来，Codex 的使用量增长了 6 倍，周活跃用户已经超过 500 万。这个数字很可能很快就会过时。 Andrew Ambrosino 在这次访谈里聊到一个核心变化：AI 没有只是让工程师写代码更快，它把整个产品工作的顺序倒过来了。 过去最贵的是实现，现在最贵的是判断。 实现不再贵，判断才贵 传统产品流程背后有一个默认假设：实现很贵。 所以团队会先做研究、写 PRD、画设计稿、做原型、开评审会，尽可能在动工程资源之前把风险降下来。哪怕后来大家都说自己不用瀑布流了，本质上还是在遵循这个逻辑：先想清楚，因为真正写代码太贵了。 但 AI 把这个前提打穿了。 现在，只要你把想法说清楚，模型就能很快搭出一个功能。OpenAI 内部甚至会出现一种情况：某个功能大家都觉得该做，于是公司里可能有 90 个不完全协调的小团队，各自做出一个版本。 以前大家围着文档讨论，现在大家围着一堆能跑的东西讨论。 这听起来很爽，但问题也随之而来：当实现变得便宜，真正困难的就变成了筛选、整合、判断和定方向。 Andrew 把这个能力称为 taste，也就是“品味”。但他强调，这里的品味不是简单地说界面好不好看，而是更大的判断力：...