Agentic AI 正在快速从实验室走向真实世界生产。从全国 AI 接入合作，到设备端完全自主 Agent，再到机器人领域的突破性世界行动模型以及大规模强化学习基础设施，都在加速落地。 以下是 AI 领域最新重要进展汇总： 1️⃣ OpenAI 与马耳他政府宣布合作，为所有马耳他公民提供 ChatGPT Plus，并配套 AI 素养课程。 2️⃣ 复旦大学、上海创新研究院和新加坡国立大学发布新综述论文，系统梳理了「世界行动模型」，这些模型能让机器人行动前先模拟环境后果。 3️⃣ Mistral CEO Arthur Mensch 警告法国，不要允许 Anthropic 的 Mythos 模型扫描军事代码库，以避免网络安全风险。 4️⃣ ArXiv 规定，如果投稿存在确凿证据表明作者未检查 LLM 生成结果，将禁止该作者投稿一年。 5️⃣ NVIDIA 与 Ineffable Intelligence 合作，构建大规模强化学习系统的基础设施。 6️⃣ 64 位数学家组成的联盟打造了 SOOHAK 基准测试，包含 439 个原创任务，用于测试 AI 模型的研究级数学能力和识别不可解问题。 7️⃣ OPPO 开源 X-OmniClaw，这是一款 Android AI Agent，可直接使用设备相机、屏幕和语音输入，无需云端手机虚拟化。 8️⃣ Andon Labs 开展了一项实验，让四个 AI 模型运营广播电台六个月，结果从专业到相当离谱不等。 9️⃣ OpenAI 收购了一家语音克隆初创公司，该公司提供名人声音克隆工具。

Authropic跟五角大楼彻底闹翻，OpenAI试图补位，聊聊个人视角下这背后的逻辑。凌晨川普发文下令所有美国联邦政府机构立即停止使用Anthropic公司的的技术产品，并给予国防部等重度使用部门6个月过渡期逐步淘汰。紧接着五角大楼宣布将Anthropic列为国家安全供应链风险，相当于把这家美国公司放到类似外国高风险供应商的黑名单待遇：任何与美军有生意往来的承包商、供应商、合作伙伴立即禁止跟Anthropic开展任何商业活动。 1、核心起因 Anthropic与五角大楼签了价值约2亿美元的合同，Claude（特别是Claude Gov版本）是目前唯一获准在机密网络上运行的前沿大模型，主要用于情报分析、作战规划等。 但Anthropic坚持两条红线写入合同： 1）禁止用于对美国公民的大规模监控 2）禁止用于完全自主武器系统（即没有人类参与最终开火决策的杀伤链） 五角大楼要求修改为“任何合法用途”都可以用，等于把这两条红线拿掉。Anthropic CEO Dario Amodei公开表态“凭良心无法答应”，宁可丢合同也不妥协。然后在截止时间前1小时，川普先发飙宣布全面停用。 2、这次冲突的深层次逻辑 从个人角度并不只是单个商业公司跟政府机构在合作条款分歧，更是AI军用伦理冲突的白热化体现。这一冲突的核心在于私人AI公司试图通过合同条款维护伦理底线（如人类监督和隐私保护），而政府强调“所有合法用途”优先于任何道德约束。 这场冲突凸显国家安全需求凌驾于私人道德条款之上，这可能成为先例，导致未来AI合同中伦理限制（如对致命自主武器系统的“人类在回路”要求）被系统性移除。结果是AI在军用领域的“无限制”应用增多，增加误判风险（如AI模型不可靠导致的自主武器失控） 3、后续authropic会如何行动？以及其深远影响？ 大概率会通过法律手段，去美国法院以违反《国防生产法》当然名义起诉川普政府及五角大楼。 Anthropic已表示将起诉，这场官司若败诉，将确立政府对AI供应商的强势控制权； 若胜诉，则可能强化公司谈判筹码，推动美国国会出台AI军用法规（如类似《国防生产法》的调整）。 长远看，这会影响AI对齐研究——如果军用模型被迫“去道德化”，可能放大系统风险，如模型行为不可预测或被滥用。 冲突本质上是“技术自治” vs “国家主权”的碰撞，长远可能重塑AI哲学——如果伦理让位于实用，AI将成为“工具化”战争的催化剂，增加全球不稳定（如AI辅助的网络战或情报滥用）。 反之，若引发更多公司效仿Anthropic，可能催生“伦理优先”的AI生态，类似于核不扩散的国际共识。 4、只是AI军用伦理冲突么？实则不然 早上财富杂志报道，Sam Altman 在周五的全员会上向员工通报了谈判进展，合同尚未签署。五角大楼接受了 OpenAI 提出的安全红线：不用于自主武器、不搞国内大规模监控、不做关键决策，而这些条件和 Anthropic 坚持的几乎一模一样。五角大楼把Authropic列为国家安全供应链风险。但换成 OpenAI 提同样的条件，国防部就欣然接受了。为何？ 原因一：谈判姿态与灵活性不同 Anthropic坚持将红线写入合同作为法律强制性条款，拒绝“所有合法用途”的兜底语言，认为这等于开门让未来滥用Anthropic视此为“凭良心无法妥协”，直接硬刚最后通牒，导致谈判破裂。 OpenAI也坚持相同红线，但谈判更“务实灵活”：允许政府在合同中明确写入这些红线作为排除条款（exclusions），但同时强调OpenAI保留自己的“安全栈”控制权——包括技术防护、政策约束、人类监督层，以及模型拒绝任务时政府不得强制修改或绕过。同意部署限制在云环境，不进入边缘系统（如无人机、飞机等可能直接用于自主武器的硬件）。 Openai整体姿态是“合作前提下保留底线”，而非“底线高于一切合作”。 结果：国防部对OpenAI的方案表现出重大让步，Axios报道称“五角大楼已同意OpenAI的安全规则用于机密环境部署”，尽管合同尚未正式签署，但谈判已进入“潜在协议浮现”阶段。 而更深层原因：政治与关系因素 OpenAI及其高管（包括Altman、Brockman夫妇）向川普相关政治行动委员会捐款数千万美、也是共和党的大金主。 而Anthropic创hi人Dario是民主党赞助人，公开批评川普。这在川普眼里就是激进左翼的代表，所以川普发文提到打击激进左翼公司，捍卫军方权利等。 若OpenAI最终签成，这将强化配合型公司受益的先例：伦理红线可以有，但必须以政府能接受的方式呈现。反之，硬刚的公司可能被边缘化。同时公司以及创死人表现出来的政治站位也成了非常重要的考量。 5、后续会如何？ 看authropic在这六个月过渡期内妥协程度，以及法律诉讼的进展。当然有可能整个法律诉讼过程周期会持续很长时间，六个月内很难见分晓。 如果authropic能学习openai妥协、更加灵活，还是有可能重新回归到国防体系的。毕竟Claude Gov是目前唯一能在Secret级机密网络上正式运行的前沿模型，突然要拔掉会造成能力缺口。国防部采用其他Ai大模型还要经过机密环境的适配，都需要时间。 本条由@bitget_zh 赞助，「Bitget 买美股：秒级入场，丝滑交易 」

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

我批評了許多大學教育的問題，但如果我可以做得到，我想要給學生一個什麼樣的教育？在我自己能掌握的財務學課堂裡，如果沒有任何的限制，來上我的課的學生，怎麼樣可以滿載而歸，不虛此行？ 如果可以的話，最好的財務學教育，是讓學生戴上一副VR頭框，進入一個虛擬世界，在那個世界，可以有一個在華爾街從事金融分析師，讓我的學生看著他的日常工作，如何分析一個未上市股票，如何寫一個投資分析報告，從找資料開始，到運用公司提供的工具，像學徒一樣，親身經歷從零到一的完整分析過程。也不一定是分析師，也可以是面向投資人的業務經理，或是投資組合管理經理，或是一個小投資顧問公司的投顧，或是大公司負責投資管理的經理、分析投資計劃的課長，諸如此類。只要可以讓學生實作上一次，那就遠超過任何課堂授課、教科書章節可以帶給學生的學習經驗。而大學最重要的任務就是讓學生摸索出生涯方向，在安全的環境裡成熟變大人，那如果有這樣的一堂虛擬課，學生很快可以知道自己是不是適合吃財務這行飯，這不就是未來高等教育的完美模樣？ 當我天馬行空的想了這樣的未來，我不禁地想，如果AI的工具，已經如此出神入化，我為什麼不能真的建構這樣的一個課程？

電報 Managed Bots 讓你兩次點擊就能擁有專屬 Agentic AI 機器人！ 過去，建立一個 @Telegram Bot 要經過 BotFather 繁瑣的設定流程：申請 token、設定權限、寫程式碼、部署伺服器……普通人光是看到一堆指令就頭痛。現在，一切徹底改變了！ 全新體驗：兩次點擊就搞定 只需透過管理機器人（例如 LobsterClawBot），輸入簡單指令： t. me/newbot/SourceBot/你的username 系統就會自動幫你： ✅ 建立 Bot ✅ 管理 token 與 API 權限 ✅ 設定 Agentic 行為模式 ✅ 直接在聊天視窗中啟動 整個過程不到 10 秒，零程式基礎的人也能輕鬆擁有自己的「AI 代理人」！Durov 直接把 Telegram 從聊天 App 變成易用的 AI Agent 平台。 它能主動思考、呼叫工具、執行多步驟任務、與其他 Bot 或用戶互動，甚至在背景持續運作。 這代表：你不再只是「跟 AI 聊天」，而是擁有了一個能真正幫你「做事」的數位分身！ 超多實際應用場景（直接抄去用） 1個人生活助理（每天都離不開） •早上自動幫你總結今日新聞、天氣、交通路況 •智慧排程：讀取你的日曆，自動幫你預約會議、訂機票、提醒繳費 •健康管家：追蹤運動數據、飲食紀錄，還能根據你的習慣推薦食譜 2工作生產力神器 •會議紀錄 Bot：加入群組後自動轉錄語音、整理重點、產生行動清單 •郵件/訊息自動處理：掃描重要郵件、分類優先順序、甚至幫你草擬回覆 •研究助理：輸入「幫我整理 Tesla 最新財報」，它會自動抓取資料、製作簡報大綱 3電商與客服革命 •商家直接在 Telegram 開店：Bot 能即時回答商品問題、下單、查物流、處理退貨 •24 小時無人客服：支援多語言，解決 90% 重複問題，真正做到「永不打烊」 4加密貨幣與 Web3 應用（TG 原生優勢） •交易 Bot：自動監控價格、執行限價單、DeFi 收益農場管理 •錢包守護者：即時通知大額轉帳、風險警示 •NFT 社群管理：自動驗證持有者、發放空投、舉辦活動 5教育與學習夥伴 •個人家教：輸入「用繁體中文教我微積分」，Bot 會循序漸進出題、批改、解釋 •語言練習：每天跟你對話、糾正發音、推薦閱讀素材 •考試準備：自動產生考古題、記憶卡片、弱點強化計畫 6娛樂與創作工具 •遊戲 Bot：文字冒險、策略對戰、甚至多人即時遊戲 •內容創作助手：寫文案、生成故事、配圖提示詞、剪輯影片腳本 •音樂/影視推薦：根據你的心情與觀看紀錄，精準推播 7社群與團隊管理 •群組管家：自動歡迎新成員、過濾廣告、整理討論主題 •專案管理 Bot：整合 Notion/Trello，自動更新任務狀態、@ 負責人 •粉絲經濟：創作者可建立付費私人 Bot，提供獨家內容、問答服務 8未來進階玩法 •多 Bot 聯動：你的「財務 Bot」+「行程 Bot」+「健康 Bot」可以互相溝通，自動協調 •開放 API 整合：開發者能把自家服務直接嵌入 Bot（Durov 已呼籲大家快跟上） •隱私優先：所有資料都在 Telegram 生態內，端到端加密 這波影響有多大？ Telegram 目前有超過 9 億月活躍用戶，這次更新等於把 AI Agent 的門檻直接打到地板。 以前只有工程師能玩的東西，現在變成人人都能擁有的「AI 超能力」。

這絕對是個大工程。能把這種跨越幾百萬年的宏大敘事撐滿兩個小時，沒點耐性真做不出來。 這類影片看下來，最讓人震撼的通常不是資訊量，而是那種「視覺上的跨越感」。你想想，畫面從幾百萬年前在樹上晃蕩的古猿，鏡頭一轉，變成在草原上直立行走、眼神開始有了神采的原始人。接著是火光的亮起、石器的打磨，再到後來古埃及、美索不達米亞的黃沙與神廟，最後一路飆到現代的霓虹燈和未來的星際探索。這中間的視覺張力，光是用腦袋想像就夠起雞皮疙瘩了。 不過，要用 Seedance 2.0 熬出這兩個小時，背後的工作量其實挺考驗人的。 多模態的優勢與代價 Seedance 2.0 厲害的地方在於它那種 「多模態控制」，你可以餵給它圖片、分鏡，甚至塞一段現成的視頻去讓它學習運鏡。做這種歷史迭代的影片，最怕的就是前後畫風崩掉，前一秒還是寫實史詩風，後一秒突然變成廉價 3D 動畫。作者大概用了大量的角色與場景參考圖，去死磕那種歷史的厚重感和前後的一致性。 而且它自帶音效同步，原始人打砸石器的撞擊聲、遠古暴風雨的咆哮，這種環境音要是合得好，史詩感立刻翻倍。 兩個小時是怎麼拼出來的？ 雖然這模型比以前進步很多，但它單次輸出的片長畢竟有限，也就十幾秒。這意味著，兩個小時的成片是由成百上千個鏡頭硬生生拼接出來的。 • 工作流的考驗： 作者得先把劇本和時間線拉好，古猿、南方古猿、直立人、智人、農業革命、工業革命……每一階段都要瘋狂生成素材。 • 墊圖與墊片： 為了讓轉場順暢，可能用了大量的 Image-to-Video 或者 Video-to-Video。比如用前一個時代的結尾畫面當作下一段的起點，或者指定運鏡讓鏡頭從遠古的星空拉下來，變成現代的夜景。 • 後期剪輯： AI 把畫面生出來只是第一步，後面還得靠傳統剪輯軟體去調色、對軌、加上轉場和旁白，不然單靠 AI 生出來的片段直出，節奏很容易散掉。 這種影片看著看著，真的會讓人有一種「人類好渺小、但文明又好神奇」的宿命感。你看過最震撼的是哪一個歷史階段的轉場？還是說，你對它最後預測的「未來進化」部分更有興趣？

最关键的信息，挣钱的两种方式：要么长期乘着趋势，要么学巴菲特。 ⸻ 投资与交易的区别： 1970年代是一个疯狂的商品交易时代，暴涨暴跌。世界首富，瞬间破产。流动性是生命线，因为波动太大了，任何人都如履薄冰。见证了这个疯狂的时代，他发誓不持有任何无流动性资产。对他来说，长期持有任何资产是可笑的事，唯有交易。因为短期的波动极大，机会很多，交易中可以赚大钱。 历史上挣大钱的人，都是抓住了大趋势，长期乘风破浪。他曾经鄙视巴菲特，觉得巴菲特只不过是运气好，在正确的时间、正确的地点出现。直到最后，他才意识到巴菲特的伟大之处：相信美国，无惧腰斩，长期复利。这是一种信仰系统。巴菲特的搭档芒格也是一个天才。他对巴菲特表达了最高的敬意。 ⸻ 风险管理： 无论投资还是交易，风险管理都是第一位的。AI时代，更是如此。尾部风险将极为可怕。回忆自己的导师，他学到的最重要一课就是内心的坚强，山崩地裂而不慌。 ⸻ 交易的感觉： 他交易的经历，如同参与拳击，刺激而有趣。大部分回合，只是不断努力、试探。市场大部分时间并没有机会，只有少数罕见的窗口，才能重拳出击。 ⸻ 大行情，大机会： 真正的大行情，往往由央行或中央政府引发，结合长期的扭曲失衡。比如，日元对美元就是长期严重低估，而高市早苗的当选，则综合了撒切尔夫人、里根和川普，是重大转变的催化剂。日本对外有高达4.5万亿美元的债权，大部分是对美债权，并且无对冲。 现在，日本有了一位半个世纪以来最具活力的领导人。她奉行“日本优先”，将以极富企业家精神的方式重塑日本经济。所以，你要寻找被严重低估、严重忽视、无人拥有、不受待见、极度偏离公允价值的资产。市场早习以为常，麻木不仁。而你要等待那个关键的时刻。 ⸻ 比特币： 比特币数量有限，是绝佳的通胀对冲。但是，一旦热战，比特币也无效，而且，未来量子计算是巨大威胁。 ⸻ 资产泡沫： 重大市场事故，底层逻辑相似，都是高杠杆，如期货和衍生品等。2000年泡沫跟现在很像，但2000年是最温柔的熊市，是IPO过多造成的。现在的市场，需要观察IPO后股票供需平衡的改变。这改变了多年来股票回购推高市场的逻辑。IPO解禁后，未来可能是滚动顶部，需要观察18个月，甚至6个月后的情况。 另一方面，巨额的AI资本支出，让股票回购资金不足，现金流吃紧。 Paul Tudor Jones不确定我们是否处于泡沫之中，但是，股市的杠杆率绝对很高，高达GDP的250%了，超过1929年的65%，1987年85-90%，2000年的170%。经济已经高度依赖股价坚挺，否则股市下跌，经济崩盘，税收也没了，财政困难。 人们常常认为，买入持有标普500长期不会错。但是，在现在的估值水平买入，未来的预期回报率是负的。如果以百年视角，确实标普500指数长期表现出色。但是，那只是长期平均的结果，包含了峰值和低谷。估值非常重要，在高估值的时候买入，从现在起赚钱将非常困难。 ⸻ 交易员是天生的： 交易员的性格是天生的，A型性格，好奇，爱竞争，爱游戏。他21岁时，就玩遍了所有游戏。交易就是他的生命。退休即死亡。交易也让他不断思考，保持头脑灵活。 ⸻ 人生哲理：上帝、家庭、朋友、快乐、服务 人生的意义来自家庭。人生终点，回首往事，他不会想1987年股灾、比特币什么的，而是想起他所爱的人，以及爱他的人。人与人之间的关系，一起度过的时光。职业只是工具，而家庭、朋友才能让你有意义。 他相信上帝，但是信仰也经历了考验。他每晚都会祈祷。最重要的是，生活中我们都需要上帝。你必须有一套明确的赖以生存的准则。宗教提供了智慧，为人们的生活带来稳定、秩序与良善。这赋予你一种可持续的方式，让你有富有成效的生活，内心充满喜乐与幸福，与身边之人，真诚互动。 贝乐思

【AI+教育如何落地农村】报告显示，近年来AI学习机在未成年人中普及率持续上升，尤其是在城市地区，其在课堂与家庭场景中的应用频率显著高于农村。

HerName，中推首个专注女性AI学习应用社群持续火爆，越来越多优秀女性加入。 按S哥操盘的操盘的逻辑，社群价格很快会涨到四位数（加年费），目前三位数还有少量席位（免年费）。 所以。。。。。。。。。 还不赶紧行动？？？