Mochiao Chen

谁会买这种💩

@LoganKYang @Vincent_AINotes 今天刚遇到的问题。WSL 下 codex 不能用 computer use

@Vincent_AINotes WSL用起来还算顺手，可以凑合

为什么现在做 AI 的人，桌上大多是 Mac，不是 Windows？ 不是因为 Mac 性能碾压 Windows。 更现实的原因是：Mac 折腾起来省事。 现在很多 AI 工具，本来就是从 Linux 那套环境里长出来的。Shell、Git、Python、Docker、SSH，这些东西在 Mac 上基本拿来就能用。 Windows 当然也能做，但很多时候要先装 WSL，相当于在 Windows 里再套一层 Linux。 平时用着没问题，一旦碰到路径、权限、端口、文件系统，多少都要多折腾一会儿。 这就是开发者常说的“WSL 税”。 Mac 还有一个很实际的优势：统一内存。 CPU 和 GPU 共用一块内存，买个 64GB、128GB 内存的 Mac，跑本地模型时，不会像普通 PC 那样一直被显存卡住。 但别误会，Mac 适合的是写代码、跑 Agent、本地推理，不是训练大模型。 真要训练，还是 Linux 服务器加 NVIDIA 显卡。 所以 AI 开发者喜欢 Mac，不是因为 Windows 不行。 只是同样一件事，Mac 往往少配几次环境，少踩几个坑，打开电脑就能干活。

@Phoenixyin13 其实从第四次科学范式转变（从数学定理驱动转向数据模拟驱动）的叫都来看。以后前沿的大规模研究不可避免的就会去面对资本风险和市场风险。我个人很担忧的一点是在逐利的资本驱动下，如何保持真正的长期主义（除了耐心资本以外的大部分资本还是逐利为先的）

当下的新节点是资本在逼迫 Scaling Law 进化。 如果我们把时间线拉长，从底层逻辑来看，是 Scaling Law作为确定性锚点解雇了资本的恐惧，从而引发了疯狂的堆卡潮。 在商业世界里，资本最害怕的是不确定性。 在 Scaling Law 被确立之前，AI 研发更像是一种炼丹术，即加大投入可能会炼出神丹，也可能炸炉。资本是不敢轻易把几十亿美金砸进一个完全碰运气的黑盒里的。 而 Scaling Law 的出现，是将一种前沿科学探索，变成了一道可以量化的工程算术题。它告诉资本只要投入 N 倍的算力、数据和参数，模型的Loss就会以可预测的对数曲线下降。这种投入与产出的线性预期，给疯狂堆卡提供了最坚实的数学底气。 反过来的逻辑在特定节点同样成立。如果没有商业资本海量的资金注入，GPU和数据的高墙就无法建立，Scaling Law 就会停留在学术论文的公式里，无法在物理世界中显现出现在的智能涌现。 现在这个时间点，逻辑正在发生微调。 随着纯粹在Pre-training堆卡的边际效应开始递减，资本在巨大的回报压力下，正在倒逼研究者去寻找广义的 Scaling Law。 既然预训练堆不动了，资本的意志和海量算力就开始涌向其他方向。 比如，现在我们可以看到的RL维度的 Scaling，在Test-time让模型花更多算力去思考，如 OpenAI；还有Synthetic Data维度的 Scaling，用算力去生成高质量的训练数据。 这就是目前主要的局部解法。

@wuerbangbang @leoocean2 怎么出来了还有粉红

@leoocean2 我0句话提到“扇子不是中国文化”💧。我只是科普一下折扇起源而已，请勿自行给我加戏。

很多中国人不知道折扇是日本人发明的，明代才在中国流行起来（这不是我说的，中国学界几乎公认）。平城京遗址出土过奈良时期的最早实物。其纯用木片编联而不用纸，称“桧扇”，有点像我们小时候买的喷了香精的竹片折扇。平安时期日本出现了纸面折扇，扇骨很细，展开像蝙蝠翅膀，称“蝙蝠扇”，现在中国把这种款式叫“一根葱”或“九单”。 据《宋史》，端拱元年（988年），日僧向宋太宗进奉礼单中有“金银莳绘扇筥一合，纳桧扇二十枚，蝙蝠扇二枚”。同时，朝鲜半岛也是折扇传入中国的一个跳板，即苏轼所谓“高丽白松扇，展之广尺余，合之止两指许”。北宋郭若虚《图画见闻志·高丽国》载：“彼（指高丽）使人每至中国，或用折叠扇为私覩物……极可爱，谓之倭扇，本出于倭国也。”北宋徐兢《宣和奉使高丽图经》载其出使高丽时见到的“画折扇”：“画折扇，……云是日本所作。观其所绘衣物，信然。” 然而折扇一度被中国文人轻视，《东西详考》记载：“中国宋前唯用团扇，元初东南使者持聚头扇，人尽讥笑之。我朝永乐初，始有持者，及倭充贡遍赐群臣，内府又仿其制，天下遂通用之。”也就是说中国人普遍接受折扇，是朱棣以日本贡扇赏赐群臣，并令内府仿制的结果。 正因如此，我们在许多明代权贵墓出土的早期折扇实物上能看到浓浓的日本风。一是开肩（扇面下沿位置）很低，二是大量使用金元素，装饰性强。万历年间，有中国文人看到这种日本折扇还觉得很新鲜。如冯时可《蓬窗续录》中记载：“聚头扇，即折叠扇，贡于永乐间，盛行于国。东坡谓‘高丽白松扇，展之广尺余，合之只两指。’倭人所制泥金面乌竹骨即此。 余至京，有外国道人利马窦赠予倭扇四柄，合之不能一指，甚轻而有风，又坚致。” 中晚明时，文人流行起在全部泥金的扇面上进行书画创作，这样折扇就摆脱了纯工艺美术的藩篱，而开始了“雅化”。至于白纸或白绢题书画的素雅折扇，在中国历史就更晚了。 1️⃣平城京出土奈良时代桧扇实物及编联方式； 2️⃣平安时代后期（约1150年） 扇面法华经册子 东京国立博物馆藏 3️⃣南宋 朱漆戗金莲瓣式人物花卉纹奁 江苏常州蒋塘村南宋墓出土 常州博物馆藏。上面的仕女手持折扇，是较早的折扇传入中国的图像 4️⃣明  雨金乌漆竹骨洒金扇 苏州王锡爵夫妇墓出土 苏州博物馆藏。这种装饰风格的明代折扇出土实物很多，是典型的中国工匠学习“倭人所制泥金面乌竹骨”折扇的作品。 #二棒看展

@fhwofjow51260 其实我倒是觉得信息差付费本身有利于总的福祉

发现一个离谱的开源项目。 GitHub 上的「易标投标工具箱」OpenBidKit_Yibiao，直接把 AI 写标书、知识库、标书查重、废标检查这些功能整合成了一套智能投标工具。 结果有人直接打包放到闲鱼卖？ 开源作者免费放出来的东西，换个包装、换个渠道，就变成了付费服务。 这就是信息差的力量。 github.com/FB208/OpenBidK…

@lixinbao_X 1）你这话不对，这个模式很常见 2）他盈利是靠低成本

逛街的时候，发现路边突然多了好多“好想来”零食店。 老婆问我： “怎么一夜之间，全城都开始卖零食了？” 我还真专门查了查。分享给大家 原来这种店，未必只靠一包薯片赚几毛钱。低价零食负责吸引顾客，密集开店负责做规模，门店越多、流水越大，融资和加盟的故事也就越好讲。 说白了，你看到的是辣条、饮料和饼干。 人家真正经营的，可能是门店数量、现金流和扩张速度。 难怪东西卖得那么便宜，店却越开越多。 毕竟一包薯片能赚多少钱不重要，重要的是你扫码付款的那一下，已经帮它把流水做起来了。 转得动，叫商业模式。 转不动，最后谁才是零食，就不好说了。

（原谅我拙劣的拍照技术） 和老友吃萃华楼，芙蓉鸡片大失所望（考虑到芙蓉鸡片原就是东兴楼名菜，东兴楼后来大厨离开单干成立萃华楼，就更失望了），换成桃仁酱爆鸡丁，大为震惊，疑大师傅亲自上手，甚妙矣。

我也想去 WAIC🥺

进步肯定是有的，该点赞的一定要点赞，该支持的一定要支持，但是如果你看不出来这是试图复制 DeepSeek 2025 年春节奇迹的公关攻势，还要煞有介事地去思考一些蠢问题，那就应该检讨一下，你是不是对现实世界的感知有点迟钝？

@CarolynWRockey Thank you for your kindly English lesson!

"Why not have more of these kinds of scientific stories?"More natural English versions:"I like this kind of science story — feel free to tell more!" "Such scientific stories are great, why not share more of them?" "This kind of science story is nice; it wouldn’t hurt to have a few more."

这种科学故事不妨多来一些

@bscholl Which incidentally is why colleges can't teach students how to start startups.

发现一个有意思的现象 似乎所有的想要用AI赚钱的人都固定经历这么几个阶段: 1.研究AI技术,沉迷MCP skill，harness等专业知识 2.意识到研究技术没法赚钱，于是第一次思考商业化。并且又不愿意按照已经验证过的方式做商业和扩张。企图用AI解决掉所有的岗位，于是尝试做OPC。 3.发现所有的OPC实际变现方式大多数为卖课、咨询、定制。又发现这些业务的核心全部都是流量。于是开始做自媒体。 4.发现自己学了AI，学了怎么做自媒体，花钱买了很多课，试了很多错，仍然没有拿到赚到钱。于是想起了一句话：把自己的经验打包这是第一个产品 于是开始教别人怎么做自媒体，教别人怎么搞流量。成为“商业导师”，教别人赚钱 5.发现教别人赚钱这个赛道已经无比拥挤。所谓的一些商业认知、商业思维，在现实生活中没有办法落地。于是把做自媒体当成自己的主业 这就是为什么大家发现很多账号讲AI、讲认知、讲商业，但无论讲的再多，你始终不知道他到底在卖什么产品。因为作者也不知道自己在卖什么产品。并且不愿意卖产品，因为作者他想要卖所有的产品，卖一个产品意味着要放弃卖所有其他产品的可能性。 于是什么都卖，什么都做，什么都聊，什么都拍

据大风新闻记者黄平报道，广东清远，一16岁女儿因父亲管教严格诬告父亲强奸，父亲一审被判无期徒刑。该案除口供外无任何证据。 二审时年满18岁的女儿翻供承认诬告，目前父亲已被羁押超过两年。 该案的一审审判长为广东清远的一名罗姓法官，审判员为一名何姓法官与一名杨姓法官。

有的 AI 初创我的评价是脸都不要了•ᴗ•💧。批量卖黑稿（别的公司「抄袭」）➕重新定义 skill 发明👍。 ​ ​Dude that's shameless

This is why codex update so fast

@MaxForAI Meta 横跳良久了

什么？？Meta可能要开始卖算力了？？ 据《纽约时报》报道，Meta正在与Anthropic洽谈一笔最高100亿美元的算力租赁协议。 Anthropic在6月主动找上Meta，希望未来两年按月购买其数据中心算力。 目前双方仍处于早期谈判，协议可能允许提前退出，最终也未必能够成交。 真正重要的不是这100亿美元，而是Meta正在悄悄变成一家云计算公司。 Meta过去投入巨资建设数据中心，主要为Facebook、Instagram和自家AI模型服务。 现在因为自己的模型太烂了，导致这些基础设施开始具备对外出售的可能。 扎克伯格此前透露，几乎每周都有公司来询问能否购买Meta的模型和算力。 Meta也准备从AWS挖来高管Dave Brown，推进数据中心和云业务。 另一边，Anthropic已经从AWS、Google、Microsoft和SpaceX等公司获取算力，现在又找到了Meta。 前沿AI公司的供应链越来越像能源行业： 谁先拿到电力、芯片和机房，谁就拥有定价权。 过去大厂争的是模型。 现在更底层的战争，是谁控制全球真正可用的算力。

Some observations on Kimi: 1. It's a very good model! I don't think its performance can be explained away by distillation or anything like that. In agentic coding sessions, it seems pretty much on par with the best public models of Q1 2026. In my fairly limited use, it also seemed very token hungry. It's not obvious to me that this model is actually that cheap to run. 2. I am personally surprised the Chinese state continues to allow the open sourcing of models this good, given potential risks. To be clear, I *myself* might be fine with models presenting this level of marginal risk being open weight, but I am surprised that China is fine with it. I suspect the reason they are is 75% explained by strategic blindness/lack of AGI-pilledness (the CCP is very Yann Lecun-y in its views of AI). The other 25% or so is their lack of compute for customer inference (making China's open-weight strategy an unintended byproduct of US export controls) and the normal Chinese strategy of aggressive exports. For the companies, as opposed to the government, the decision to open source is partially ideological and partially because they are behind, and they know that very few people would pay for sub-frontier models from China. 3. Open-weight models are inherently decelerationist, and I'm continually surprised to see the so-called "accelerationists" so excited about open-weight models. I suspect the reason they are is that they know open-weight models are effectively ungovernable, and they simply like the overall cloak of ungovernability open-weight models create over the whole of AI. It's not a bad strategy; it reminds me of James Scott's recounting of the hill people in "the art of not being governed." Still, in the end, open-weight models deter further AI capex. 4. One probable outcome of an open-weight-model-dominant world is full AI communism, which is precisely what China proposes: rather than a market product, AI is a "public good" which will ultimately be provided by the state as a kind of "digital public infrastructure." This future strikes me as a dystopian hellscape, but I've never met an open-weight models advocate who doesn't ultimately concede this is where things end. You'd be surprised how many 'accelerationists' lobbied me, while I was in government, to support an eleven or twelve-figure federally funded data center so that startups could train models at a subsidy and then give them away for free. There was no other way for AI to progress, they said. Perhaps this is the logical end state of things. Nonetheless, I find myself surprised to see supposed accelerationists excited about such an outcome. I think many of them just don't know what they're doing. Many accelerationists do not view the creation and serving of frontier models as a legitimate business. 5. I would guess that the Trump Administration will at some point realize that their best strategy here would be to create large amounts of regulatory risk around the use of open-weight Chinese models. You don't need to "ban open source" (one of the dumber motifs of AI policy discussion). You just need to direct every agency to issue soft law that creates FUD. "A Federal Reserve Advisory Bulletin found that there may be backdoors in Chinese AI models." It needn't be that well justified. You just create enough regulatory risk that every regulated enterprise backs off. You probably don't want to create so much regulatory risk that you scare off the hyperscalers from serving Chinese models; this will just drive startups to sketchier providers. There's a happy middle ground here. I'd assume they will do some version of this. 6. It's probably true that open-weight models of this capability make the world a bit more dangerous, but not so much more that you'll really notice. At some point the models will be capable enough that you will notice. "A nonliving, invisible, dangerous, and infinitely self-replicating agent escaped from a Chinese lab," you say? Color me shocked.

@wsl8297 小明，你好。DeepSeek 写得快、词句也漂亮，用它找思路、改病句确实方便。不过作文课真正练的是观察和表达能力，这些只能靠自己一笔一笔写出来；全交给它，写作水平会一直停在原地，考场上没有电脑也会慌。不如先自己列提纲、写初稿，再让它帮你挑毛病，这样既省力又能真长本事。你觉得呢？

你会怎么劝说他？

Elon Musk tiene tiempo para dirigir empresas de 4 mil millones de dólares, responder a desconocidos en Twitter y ser padre de 14 hijos... Pero esa chica que estás viendo tarda 16 horas en responder porque está ocupada... sigue adelante, hermano