搜索
有网友发梗图表示震惊，怎么会有用户一天能运行 Agent 71 个小时。也就是说，在 OpenAI 内部，工作场景里的 AI 使用，几乎已经切到了 Codex 上。Codex 这份报告将衡量 AI 应用深度的指标，定位在我们交出去的任务有多重、agent 替人类跑了多久、用户是不是在同时盯着好几条工作线。
同样是进顶尖 AI 公司当工程师，在中国你只要 1.6 年经验，在美国却得熬到 5.5 年。换句话说，一个中国应届生刚拿到毕业证，就可能坐在 DeepSeek 的工位上调大模型；而他的美国同行还得在别的公司再「实习」四年，才够格投一份前沿 AI 实验室的简历。
如果我们谈到 AI 赋能带来的科学突破，AlphaFold 一定是不可忽略的一项。它解决了困扰生物学界半个多世纪的蛋白质折叠难题，大量压缩了得到蛋白质结构的时间，从原来的一年，到现在的几分钟。它的核心开发者之一 John Jumper 也因这一贡献在 2024 年摘得诺贝尔化学奖。
Jay 发自 凹非寺 量子位 | 公众号 QbitAI AI能否真正产生价值？组织因素的权重是个人的两倍。 也就是说，你AI用得不好，三分之二的锅得公司背。 这个反直觉洞察，出自微软一年一度的《Wor
2026 年 3 月，滴滴上线 AI 出行助手「小滴」。用户说一句「身体不舒服，有点晕车，尽快叫车」，AI 会把这句话拆成「驾驶平稳」「油车」「最近的车」等条件。[1]6 月，支付宝开始测试 AI 版「阿宝」。按照支付宝的说法，用户可以在一个对话框里调用上万种服务。过去需要四处寻找的公积金、缴费、挂号和寄快递，现在说句话就能找到。[2]
当全球具身智能行业还在争论技术路线时，一家中国公司已经率先定义并跑通了自己的答案。深度机智提出的「人类学习」路线——以人类数据为起点、动作建模为中心、机器人为 AI 而生——正在被英伟达、Physical Intelligence 等海外头部机构沿同一方向跟进。
微软CEO 萨蒂亚·纳德拉，上周发的那篇《没有生态的前沿，立不住》（A frontier without an ecosystem is not stable），是近期挺有意思的一篇文章。不在于它提出了多少新概念，里面的很多要点，在近一年里大多已有讨论，而在于说它的不是旁观者，而是亲手运营着庞大 AI 基础设施的人，并且纳德拉用很朴素的语言，把两件非常重要的事情讲清楚了：
OpenAI 于 6 月 26 日开始有限预览 GPT-5.6 系列模型。新系列包括三款模型：旗舰模型 Sol、均衡型模型 Terra，以及主打低成本和高速度的 Luna。根据 OpenAI 官方介绍，Sol 是 GPT-5.6 系列中能力最强的模型，重点提升了编码、生物工作流、网络安全和长周期智能体任务表现。
押注 AI 的 Memory Layer。
布朗大学的博士生 Yong Zheng-Xin 今天自宣了下个月将正式加入 OpenAI，作为 Astra Fellow 专注于 AI 的安全研究（AI Safety Research）。