同样用一个模型，为什么有的公司的 agent 更好用？
差别出在哪里，LangChain 的联合创始人兼 CEO Harrison Chase 在伦敦的 Interrupt 大会开场时，用一整场的时间回答了这个问题。
AI有意识吗？——从脑机智能与脑机接口谈起
2026年10月21日，浙江大学宗教哲学与艺术哲学研究所举办了一场题为《AI有意识吗?——从脑机智能与脑机接口谈起》的讲座，受到校内外广泛关注。
打工人，开始“表演”AI提效
年初，黄仁勋的一句“如果一名年薪50万美元的工程师，一年的Token消耗不到25万美元，会令我深感不安”，带起Tokenmaxxing浪潮，所有人都在用AI，都在烧Token，似乎Token用得少了，工作就没做到位。
只训练一个agent，为什么整个workflow还是跑不好？
你有没有想过这样一件事：如果一个团队里只有一个人在不断学习进步，其他人原地踏步，这个团队的整体表现能提升多少？大概率不会太多。因为短板效应会卡住整体水平。可偏偏在AI多智能体系统的训练上,这几年大家一直在做这件"训练一个人,放着其他人不管"的事。
奥特曼：谁来决定AI该比人类聪明多少？
AI究竟该被允许比人类聪明多少？在11月3日发布的Raj Shamani访谈里，OpenAI CEO奥特曼主动抛出了这个问题。这听起来像科幻片里的情节，其实距离普通人并不遥远。奥特曼在访谈中追问：AI究竟该被允许比人类聪明多少？
4个月RSI从0训练，田渊栋创业首个模型来了：MacBook Pro可跑，已开源
搭配优化后的推理引擎，Flint在MacBook Pro上能跑至少125 tokens/s，RTX Spark上则超过150 tokens/s。
横跨经济学、工程学和管理学的 Harness
Brynjolfsson 三个人在生产率 J 曲线的论文里提出的核心判断，用一句英文说就是:harnessing the full benefits of a new GPT requires a large amount of investments in complementary capital——要兑现一项通用目的技术的全部收益，需要大量互补性投资。
RSI两大里程碑发布，单人手搓千亿模型，英伟达大佬教「保命」法则
他们宣布了一项把「人效杠杆」推向极致的疯狂实验:仅用 1 名研究员就从零手搓出了一个参数量在 1000 亿到 5000 亿之间的编程基座模型——Mirendil-Base!
这个世界模型训练完就“退场”，机器人反而更能干了
上岗前花了大把时间陪机器人训练，等机器人真要开始干活了，它却先从部署链路里退了出去。要知道，以前的世界模型对机器人来说，就像是一个随身携带的“脑内沙盘”，机器人先借助它预测未来会发生什么，再据此决定下一步怎么动。
为什么这轮物理 AI不一样？
随着预训练持续推进，模型适配新任务所需的专用数据和梯度更新显著减少，下一动作预测误差仍在持续下降。我们认为，这表明大规模物理交互预训练正推动机器人由针对单一任务反复训练转向基于示范快速学习，技能获取方式开始发生根本变化。