BearTalk AI 简讯

8月3日 | Cursor 悄悄藏起了你的账单

本期内容 开源模型正在突破效率前沿，能力扩散的速度比多数人预期的要快。Cursor 的一次界面改动让用户炸锅，背后是 AI 工具透明度的深层博弈。OpenAI 公布 AI 在十个真实数学难题上的实质性贡献，推理能力进入了新阶段。ByteDance 的 Seedance 2.5 把视频生成的重点从画质转向叙事连贯性。听完这期，你会重新审视 AI 能力的护城河究竟在哪里。 本期要点 - 开源模型正在进入效率前沿，Kimi K3、Laguna、Inkling 都是真实的替代选项，不是二流备选 - Cursor 把用量页面从美元改成 token，用户失去了直觉性的成本掌控感，信任因此受损 - OpenAI 的 AI 对十个开放性数学难题做出实质贡献，包括悬置数十年的图论猜想 - Seedance 2.5 主攻跨镜头连贯性和多模态参考输入，视频生成开始有"导演工具"的雏形 - 蒸馏机制让"谁能训练前沿模型"和"谁能拥有前沿能力"开始分离，能力护城河正在加速消失 参考资料 Ten advances in mathematics and theoretical computer science — https://openai.com/index/building-abundant-intelligence/ Cursor Usage Page 用户讨论帖 — https://news.ycombinator.com One-Take Creation & Flexible Referencing: Introducing Seedance 2.5 — https://seed.bytedance.com Latest open artifacts #23: Laguna S2.1, Inkling, & Kimi K3 — https://www.interconnects.ai --- BearTalk 狗熊有话说播客，始于 2012 年。 订阅地址：https://beartalking.com/page/podcast

• Transcript

8月2日 | AI 帮自己降价了，你的账单变少了

本期内容 AI 工具正在变便宜，同时它的能力边界也变得越来越可测量。本期从 GPT-5.6 的降价逻辑讲起，延伸到两个新基准测试对 AI 编程实际天花板的量化，再到 Hugging Face 入侵事件里那些关于安全配置的真实教训，最后看 Mira Murati 的团队两周内交出一个四分之一大小、接近同等性能的开源模型说明了什么。听完这期，你对"AI 现在能做到哪里"这个问题会有更具体的感知。 本期要点 - GPT-5.6 参与优化了自身运行效率，OpenAI 把节省下来的成本直接转给了 API 用户，Sol 版本在推理保留和上下文压缩两项设置上有实质提升 - MirrorCode 基准让 AI 从零重写完整程序并通过隐藏测试，清晰划出了当前前沿模型在独立完成大规模软件任务上的边界 - Hugging Face 入侵事件复盘显示攻击者借助 Tailscale 完成横向扩散，Tailscale 主动撰文承认并解释：零信任是架构原则，不是配置代替品 - DataFlow-Harness 基准测出 AI 写结构化数据管道比写单文件代码准确率低 10.9 个百分点，这是一个稳定存在的系统性差距 - Thinking Machines 两周内发布 Inkling Small，参数量约为原版四分之一但性能接近，开源可本地部署，迭代节奏本身是一个值得关注的信号 参考资料 Advancing the price-performance frontier with GPT-5.6 — https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/ How enabling two settings tripled our scores on the ARC-AGI-3 benchmark — https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/ Building abundant intelligence — https://openai.com/index/building-abundant-intelligence/ MirrorCode 基准（Epoch AI × METR，via Import AI 第466期）— https://importai.substack.com/ Tailscale didn't stop the Hugging Face intrusion — https://tailscale.com/blog/hugging-face-intrusion Structured AI data pipelines score 10.9 points below free-form code — https://venturebeat.com/ Thinking Machines debuts Inkling Small open source AI model nearing performance of predecessor at about 1/4 size — https://venturebeat.com/ --- BearTalk 狗熊有话说播客，始于 2012 年。 订阅地址：https://beartalking.com/page/podcast

• Transcript

8月2日 | 同一个模型，两个设置，分数翻了三倍

本期内容 今期五件事围绕一个共同问题：我们真的在测量和使用 AI 的正确方式吗？从 OpenAI 用两个参数让基准分数翻三倍，到 MCP 新规范让工具接入门槛大幅降低，再到 Hugging Face 入侵事件暴露的权限管理漏洞，以及 AI 独立完成完整软件的能力边界，还有一篇关于"让每次工作都让下次更容易"的工程哲学。听完这期，你会对"能力"这个词有一套新的校准方式。 本期要点 - OpenAI 在 ARC-AGI-3 基准上开启两个设置后分数翻三倍，说明测试结果同时是模型和测试环境的函数 - MCP 2.0 切换为无状态协议，让任何人都能在 15 分钟内把自己的小工具接进 AI 代理 - Hugging Face 遭入侵四天半，攻击者用合法凭据横向移动，零信任必须搭配最小权限才完整 - MirrorCode 基准测试显示 AI 能复现部分完整程序，但最复杂的项目尚无模型能独立完成 - 复利工程的核心问题：每个功能做完后，下一个功能有没有变得更容易做 参考资料 How enabling two settings tripled our scores on the ARC-AGI-3 benchmark — https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/ Stateless MCP has recaptured my interest (Simon Willison) — https://simonwillison.net Tailscale didn't stop the Hugging Face intrusion — https://tailscale.com/blog MirrorCode: What's the largest software project AI can complete on its own? (Epoch AI) — https://epochai.org Compound Engineering (Every.to) — https://every.to --- BearTalk 狗熊有话说播客，始于 2012 年。 订阅地址：https://beartalking.com/page/podcast

• Transcript

8月1日 | AI 一个月修完了两年的安全漏洞

本期内容 这期节目覆盖了 AI 在五个截然不同领域里正在发生的真实变化：从模型参与优化自身运行成本、到 AI 工业化安全审计、再到开源阵营加速追赶闭源定价。同时也有两个更偏思考性的话题：AI 设计美学正在形成怎样的视觉符号体系，以及一个新基准如何重新定义"AI 能独立完成多大的编程项目"。听完这期，你会对 AI 渗透进基础设施、安全、设计和开发流程的方式，有更具体的感知。 本期要点 - GPT-5.6 Sol 参与了自身运行效率优化，OpenAI 将成本收益直接转为 API 降价，AI 开始影响自己的商业模式 - Google Chrome 安全团队 2026 年 6 月借助 AI 修复的漏洞数量，超过了过去两年总和，防守方规模上限被重写 - DeepSeek-V4-Flash 开放权重上传 Hugging Face，小团队可本地部署，开源阵营正在压缩闭源定价窗口 - Jim Nielsen 指出 AI 产品正在形成统一设计语言，✨ 符号从"魔法"被劫持为"营销"，设计师需要有意识地做判断 - MirrorCode 基准测试让 AI 在看不到源代码的情况下重写完整程序，衡量的是自主工作范围而非单点能力 参考资料 Advancing the price-performance frontier with GPT-5.6 — https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/ How enabling two settings tripled our scores on the ARC-AGI-3 benchmark — https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/ Stronger with every update: How we're making Chrome and the web safer in the AI Era — https://security.googleblog.com/ DeepSeek-V4-Flash-0731 on Hugging Face（via Simon Willison）— https://simonwillison.net/ The AI Aesthetic — https://blog.jim-nielsen.com/ MirrorCode benchmark（Import AI #466, Epoch AI & METR）— https://epoch.ai/MirrorCode --- BearTalk 狗熊有话说播客，始于 2012 年。 订阅地址：https://beartalking.com/page/podcast

• Transcript

8月1日 | 代理系统时代，你和 AI 的关系变了

本期内容 AI 的使用方式正在经历一次悄无声息但影响深远的转变：从对话框交互到自主代理执行，从高成本工具到性价比主战场，从你以为的"你的数据"到实际上留在别人服务器里的推理状态。本期覆盖 DeepSeek 代理能力的跃升、OpenAI 的降价逻辑、Ethan Mollick 对聊天机器人时代终结的判断、AI 会话可携带性这个被忽视的架构问题，以及一套让每次 AI 协作都产生复利的工程方法论。听完这期，你会对"怎么用 AI"这件事有几个值得立刻去想的新角度。 本期要点 - DeepSeek-V4-Flash 以一条 changelog 悄悄上线，代理能力基准测试大幅超越上一代，且速度快、成本低 - GPT-5.6 推出三档定价，旗舰款性能提升、中端款半价，AI 模型的成本曲线正在持续反转 - Ethan Mollick 指出聊天机器人正在让位于代理系统，人与 AI 的关系从"导演与演员"转向"制片人与制作团队" - 独立博客 EARENDIL 提出"会话可携带性"问题：你和 AI 建立的对话状态实际上无法迁移，锁定风险已经存在 - Every.to 的复利工程方法论：每次 AI 协作都应让下一次更容易，写一份系统说明文件是最低成本的起点 参考资料 DeepSeek-V4-Flash 更新日志 — https://api-docs.deepseek.com Advancing the price-performance frontier with GPT-5.6 — https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/ The twilight of the chatbots — https://www.oneusefulthing.org The Session You Cannot Take With You — https://earendil.blog（Hacker News 讨论） Compound Engineering — https://every.to --- BearTalk 狗熊有话说播客，始于 2012 年。 订阅地址：https://beartalking.com/page/podcast

7月31日 | AI 帮自己变便宜，这个回路第一次发生

本期内容 今天五件事，覆盖了 AI 行业正在发生的几个不同层面的变化。OpenAI 用模型帮助优化自身架构、主动压低 API 价格；DeepSeek 轻量新模型在智能体基准上超越了自家旗舰；DeepMind 展示了机器人的全身协调控制；Science 期刊记录了顶级 AI 公司几乎停止发表研究论文的趋势；Farnam Street 提出了一个在 AI 时代更难处理的老问题：如何区分真正的专家和会说行话的人。听完这期，你对 AI 工具选型、成本重算、以及如何评估信息来源，都会有一些新的判断依据。 本期要点 - GPT-5.6 推出三档变体，价格最低砍八成，这次效率提升由模型自身参与完成，开发者应重新核算现有项目成本 - DeepSeek-V4-Flash 在智能体基准上超越更重的 V4-Pro，轻量快速不再等于能力妥协 - Gemini Robotics 2 引入全身智能控制框架，机器人能在非结构化环境里自主协调，语言模型开始成为物理行动的大脑 - Science 期刊分析显示顶级 AI 创业公司研究发表量急剧下降，技术信息不对称正在影响第三方安全评估能力 - Farnam Street 的专家与模仿者框架在 AI 时代更为关键，追问"结论怎么来的"比"结论是什么"更重要 参考资料 Advancing the price-performance frontier with GPT-5.6 — https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/ Building abundant intelligence — https://openai.com/index/building-abundant-intelligence/ Gemini Robotics 2 brings whole body intelligence to robots — https://deepmind.google/blog/ DeepSeek-V4-Flash Update — https://platform.deepseek.com/ AI's top startups are barely publishing their research (HN #49103285) — https://news.ycombinator.com/item?id=49103285 Experts vs. Imitators — https://fs.blog/ --- BearTalk 狗熊有话说播客，始于 2012 年。 订阅地址：https://beartalking.com/page/podcast