maosen

@elonmusk @wholemars how about comparing with composer 2.5

Grok foundation model V9-Medium (1.5T) has finished training. Evals look good. A lot of Cursor data was added in supplementary training and there is more to come. Fine-tuning is underway and reinforcement learning begins in a few days. 2 to 3 weeks to public release. This will be a major improvement over the 0.5T v8-small that currently serves all Grok production traffic, especially for difficult coding tasks.

@uncleTakeaway AI模型通过对数学和编码能力的学习才让数字世界的agent能够出现，不然永远就是一个会聊天的文科生。AI模型通过对驾驶能力的学习才会让物理世界的agent能够出现，不然永远就是一个操作电脑的nerd。所以特斯拉才会去布局人形机器人和macrohard

@Phoenixyin13 和jepa的latent空间建模有什么区别

字节Seed 的Cola DLM 与MIT何恺明的ELF 几乎同时发布的研究，确实都在尝试打破离散 Token 的枷锁。 事实上，语言本身的离散性是客观存在的，这两篇论文的核心贡献，是把离散到连续的步骤推迟到了最后一刻。 结合我之前提到的苹果《The Illusion of Thinking》的讨论，这两篇论文的落地，提供了一些更底层的认知碰撞。 现有的自回归模型像是在进行爵士乐即兴口嗨。它每说出一个字，这个字就变成了不可更改的历史事实，它必须在这个事实的基础上下注、续写下一个字。这种机制导致它缺乏全局规划能力，一旦中间一步走错就会引发链式崩溃，这也是幻觉和推理复杂度墙的底层原因。 但是，Cola DLM 和 ELF 代表的连续扩散范式，更像是人类动笔前的脑部构思。它在连续的语义空间里，是在整体性地、模糊地揉搓和精炼一段语义。 对比之下，后者当然更能允许信息双向流动、允许自我修正，直到整段话的骨架和语义在空间里坍缩稳定了，才最终落笔变成具体的文字。这在理论上无疑为真正的全局规划提供了更优雅的数学载体。 我现在思考的问题是，如果文本生成自己主动降级或者说进化成连续的 Latent 向量空间建模，那么文本、图像、视频、音频在底层就实现了真正同质的连续信号对齐。 这样来看，我们可以设想的未来在于，大模型不需要再套厚重的 Tokenizer，多模态之间的转换，就像是在同一个连续水流里的不同涟漪，信息密度的交互会产生质的飞跃。 看完这两篇论文，我如是思考着。

@bbjk666 没有统计打飞机开始的年纪？

近日，山东大学科研团队在《Healthcare and Rehabilitation》期刊上发表一项研究证实：初次性行为时间越早，整体衰老速度越快。这类人群的长寿概率下降41%，年龄每提前一年，整体寿命就会缩短0.33年，同时身体衰弱风险更高、健康生活时长更短，个人整体健康状态也会更差。 对男女的影响无明显差异。

@tonyhua64243679 但是,感觉这么大的差距不能用节日来解释啊

@web3hobbyist 有时候也要考虑节日带来的日均英里数波动

TESLA FSD累计里程的加速跃升轨迹 2025年12月27日：突破 70 亿英里。 2026年2月18日：突破 80 亿英里（历时 53 天，日均约 18.87 百万英里/天。 2026年4月2日：突破 90 亿英里（历时 43 天，日均约 23.26 百万英里/天。 2026年5月3日：突破 100 亿英里（历时 31 天，日均约 32.26 百万英里/天。 2026年5月22日（今日）：最新数据约为 104.95 亿英里。

@chaomeigu_com Robotaxi根本不应该用这个大小的车。说明小鹏慌了，必须给资本市场交代的举动而已

何小鹏是疯了吗？😱这么大的车只卖26.98万起，全域冗余，安全第一，我一直劝小米从最速改为极致安全，但只有何小鹏做到了👍更别提这是一台标准Robotaxi的L4级全自动智能无人驾驶车了😱

@manateelazycat 实车不好看，正面很小气

小鹏这是直接掀桌子，大湾区揽胜杀疯了 正式售价比预售价低了十多万？ 杀敌1000自损800啊 这让自家其他产品线如何定价，全部重新调整？🤡

@raines1220 tesla should do a compare with human drived taxi

Tesla Robotaxi was at least ~1.81x safer than humans in April 2026. With the latest NHTSA crash report, and thanks to Robotaxi Tracker, I can finally report that Tesla Robotaxi in Austin surpassed average human safety in April 2026 (last month). 1. According to NHTSA, I estimate the human crash rate, including both reported and non-reported crashes, is ~249K miles per accident. 2. I collected all Tesla-reported mileage, as well as 7-day active fleet size from Robotaxi Tracker, and found the mileage is pretty predictable. This allows me to accurately estimate monthly Robotaxi mileage in Austin with <5% error. 3. Using the latest NHTSA crash report, I calculated the 3-month rolling crash rate, since Tesla sometimes has 0 monthly crashes. It clearly shows that in April, the 3-month rolling crash rate surpassed humans for the first time.

@raines1220 👍great

Later I will post evidence to show that Tesla Robotaxi is now safer than human (for real)

@uge198568 这些隐形知识在ai时代尤其重要

2026年了，没有什么观点是全新的。任何道理，古人说过，畅销书说过，自媒体博主都说过。 观点的稀缺性已经归零。 那什么还有稀缺性？ “你” 你和你的观点之间是什么关系？ 你是怎么得出这个结论的？ 你付出了什么代价才理解了这个道理？ 你在什么情境下、带着什么伤疤、做了什么选择？ 这才是不可替代的。这才是真正的"特定知识"，这也是差异化。 同样一个道理，从书里读到的和从血里悟到的，穿透力差十倍。 那以上的观点我为何那么深刻呢？ 因为，我影响了很多人看书，让我记得特别清楚的一次是有人给我转了 188 红包，告诉我，看了我的视频她也看书了，就因为这一点的改变，值得付费。 而这个视频讲的是，我从一个不看书的人变成了看书的人，我无意之中听到查理芒格所说：在任何领域我所见过的聪明人就没有一个不读书的。 所以我从查理芒格的经历产生的观点中，意识到读书的重要性了，我做出了改变，同时我的生活也被改变了，当我表达这个故事后，让很多人被我影响了，开始看书学习了。

@elonmusk 我请你吃烤鸭啊：）

On my way to Beijing in Air Force One

@JasonZX 牛

Tesla FSD在荷兰狭窄的道路上遇到对面来车，先尝试靠路边，发现对方依然无法通过，FSD立即决定后退，直到有足够空间让那对面车辆通过，随后继续前行。整个过程都是Tesla FSD自主完成，流畅、自然、果断并且无接管。

@chumacn @elonmusk 怎么会，不然tesla的人员就都走光了。我的猜测是马斯克看到了anthropic的成功路径：主要靠工程驱动（也就是我们现在看到的harness），而xAI的研究味道太重，demo都很好，但是工程结果很糟糕，因此痛下杀手。

马斯克 @elonmusk 激进的管理逻辑和强烈的进取心，以及他懂一些技术使得团队无法耍小聪明欺骗他，这种执政风格与00后的AI人才是相当对立的，这才是xAI人走光的根本原因，十分建议马斯克招募元老AI技术组，把上古时代的40岁以上的老架构师们召集到一块，在2026年这个大模型软件工程之年里，一定成功！

@PeterD14659580 有不满，才会有赚钱的机会。全是做多或者做空，就麻烦了

真没想到，特斯拉社区的朋友们，这么多人对特斯拉如此不满！

@CyberCatX 后面是 AI agent市场的资本舞台了。FSD是出行的agent，TEM是健康的agent

在AI赛道上，大模型公司和芯片存储类都已经涨疯了。相反对于AI应用层，市场处于极度悲观状态。但我个人认为AI应用层作为下游是肯定能跑出来几个行业巨头的，比如大健康，保险，交通运输。 那些拥有私有数据 / 物理载体 / 私有模型 /分发能力/强合规强运营，数据需要长周期验证闭环的原生AI公司 （ $TSLA , $LMND , $TEM)，他们正在做着最难但是正确的事，不做这些事的普通AI套壳公司大概率都会在大模型的进化下被逐步替代，因为这是一个软件平权时代。我相信在未来5年会是部分真正的AI应用公司证明它们的时刻，在此之前请让我们耐心等待。Everything has its time

@tonyhua64243679 就等待FSD这个，最大的单一AI agent市场启动了

看看美国市场的fsd和交付飞轮何时启动，会决定今年特斯拉的股价高度。从二手车市场看这个时代的车轮正于无声处缓缓转动。 slowly ， and then suddenly.

@Rustallintsla 这才到哪里啊:) tesla的未来 还有很多大波大浪的。believe it， hold it， enjoy it

这几天我在这嘚瑟，发现没有特黑留言了。 特黑留言有几个特点： 1、 股价涨的时候，装死。股价跌的时候，和蛆一样爬出来，假装通透，装理中客。 2、基本是没什么阅读理解能力。 也压根不会去理解。 素质都比较低，开口闭口暴露素质低下。 3、 基本都是新面孔，可能号经常被封，得不停的换号。 4、 全loser

@DavidzhuLife 对于普通人来说，婚姻除了性，更重要的是互相扶持和相濡以沫，形成一个共同体来对抗风险和衰老。不要尝试去肢解这个人类形成了上万年的文明方式。

花300万娶老婆 vs 花106万嫖30年，算完后我久久不能平静…… 我粗略的算了一笔现实账： 正常年轻小夫妻，双方自愿的情况下，大概3天一次，一个月10次，一年120次。 从25岁结婚算起，未来30年大约就是3000次性生活、其中一大半还是越来越“交作业”式的，毫无体验感。 而这3000次，你需要付出的总成本大约是300万： 彩礼最低20万 + 五金5万 房子100万 + 车20万 逢年过节礼物、赡养女方父母 每月固定上交至少3000元（每年5万×30年=150万）、总计约300万。 如果你拿这300万去“自由配置”呢？ 找小姐一次1000元，一个月10次就是1万，一年12万，30年才36万。 再买辆车20万 + 单身公寓50万； 全部加起来也才106万。 两者相差整整200万。 同样的3000次，婚姻版是越来越敷衍、越来越贵、还绑定一辈子。 小姐版是永远20岁出头、永远新鲜、永远可以挑、随时可以走。 更残酷的是： 婚姻里你花300万买的，是合法长期使用权 + 潜在反噬风险。而花106万买的，是纯粹的爽 + 绝对的自由。 这笔账一算，所谓的“彩礼婚姻”到底是在谈恋爱，还是在进行一场最昂贵、最不划算的长期包养呢？

@myanTokenGeek 以前的软件开发模式才是手工作坊模式吧。现在的是真正的工业预制菜模式（大模型预训练好），然后在客户处加热撒葱花而已。反而是真正的软件工业

我总觉得 AI 在经济逻辑上有缺口，但一直想不清楚是什么。今天突然想到了：AI 应用目前正在导致“小农知识经济”模式兴起，企业和个人都自给自足，彼此之间的经济交换下降，这会导致大家虽然生产效率不断提升，但市场需求消失，产品根本卖不出去，进而收入暴跌，迟早也就买不起 AI 了。