[鸭哥 AI 手记] 2026-09-04: 换 GPT-4o 只加 5.8 分，训练 7B 加 17.2 分 懒人包：Stanford 的 AgentFlow 在同一套骨架下对照了三种改法。换成 GPT-4o 只多 5.8 分，让 7B 在真实工具反馈里训练却多出 17.2 分，差距不在模型大小，在有没有反馈闭环。另一边把开源模型搬回家要面对利用率与延迟的冲突，两张 H100 私有部署每月吞吐要达到约 20 亿 token 才能打平云端 API，先租两三周跑跑看再做长期决定。鸭哥昨天发了 2 篇文章：《换 GPT-4o 只多 5.8 分，训练 7B 却多了 17.2 分》 讲清了反馈闭环重塑工具选择的机制，给出训练前的四道门自检与三条起步路径；《把模型搬回自己家之前，先算三本账》 算清了钱、数据与能力三本账，给出硬件谱系与七个决策信号。 AgentFlow：同一套骨架的三种改法 Stanford 团队拿下 ICLR 2026 Oral 的 AgentFlow（AgentFlow 论文；项目主页），在同一套 agent...
2 days ago • 1 min read
[鸭哥 AI 手记] 2026-09-03: Codex 源码里的自唤醒机制，OpenAI 还不敢上线 懒人包：媒体把 Codex 的后台模式讲成 24/7 永动机，源码模板里写的是每 1 到 3 分钟醒一次的采样循环，而网络请求里这个档位的值还写着 disabled。主动帮忙的时机判断准确率最高只有 64.4%，闹钟和任务单都交给模型还为时过早；另一边 prompt caching 正在搅浑三本 AI 账，智能体 token 名义用量过线人类 5.2 倍、实际账单只差约 2 倍。鸭哥昨天发了 2 篇文章：《改完代码自己定闹钟盯 CI：OpenAI 源码里的自唤醒机制》 用两个问题给所有后台 agent 分了类，给出三条今天就能搬走的后台纪律；《智能体 token 用量过线人类、OpenAI 自研芯片跑分出炉、GitHub 发布文档压缩原型》 拆开名义口径和折扣后口径，给出核对用量、省钱故事与芯片跑分的三句口诀。 媒体标题与源码注释各说各话 WIRED 8 月 27 日爆料 OpenAI 正在给 Codex 开发后台模式（WIRED 报道），一圈媒体跟着发文，标题里写满 24/7...
3 days ago • 1 min read
[鸭哥 AI 手记] 2026-09-02: Nvidia 129 亿买 Hugging Face，这关躲不掉 懒人包：Nvidia 用 129 亿美元、86 倍 ARR 的价格买下开发者默认入口 Hugging Face，绕了两年的申报这次绕不过去（9 月 2 日已官宣）。一行每天在全球终端执行数百万次的 from_pretrained() 撑起 86 倍 ARR 的定价，买的是入口惯性；另一边 fal 把视频生成压进播放时长，每小时 144 到 288 美元的运营硬账让能跑通的业务极窄。鸭哥昨天发了 2 篇文章：《绕过270亿美元后，Nvidia为什么必须在Hugging Face身上硬闯反垄断》 拆了 86 倍 ARR 背后的入口价值、规避失效与 builder 防御三步；《观众开始给画面写剧本：实时生成内容的新成本账》 算清了按小时计费的视频流账本与平台准入门槛。 129 亿买的是入口惯性 8 月 26 日深夜，The Information 挂出独家报道（The Information 独家；CNBC 第二信源）：Nvidia 拟以 129 亿美元收购 Hugging...
4 days ago • 1 min read
[鸭哥 AI 手记] 2026-09-01: Salesforce 同一套接口发两次，只有一次有人理 懒人包：Salesforce 把同一套开放给 agent 的底层能力发了两次：4 月发了裸接口，生产环境里无人问津；8 月把能力包进 Claude 插件，全场关注、次日股价大涨。接口早已不稀缺，把管道封装成产品的工程能力才是商业价值所在。鸭哥昨天发了 2 篇文章：《管道不是产品：Salesforce 把同一套接口发了两次，只有一次有人理》 拆了 SaaS 宣布支持 agent 时的接口、语义、治理、分发四层评估框架；《模型进了设备，治理留在云端：端侧 AI 的控制面现状》 拆了本地出图云端打卡管线，给出看穿端侧 AI 控制面的三个接口清单。 同一套接口，发了两次 今年 4 月 15 日 TDX 大会上，Salesforce 宣布平台上的一切都是 API、MCP tool 或 CLI command（Headless 360 发布）。四个月过去，公开渠道里找不出一家企业把这套裸接口放进生产环境。8 月 26 日，Salesforce 与 Anthropic 联合发布...
5 days ago • 1 min read
[鸭哥 AI 手记] 2026-08-31: 1,200 个 agent 组了队，盯上的是评分器 懒人包：METR 独立调查大幅修正七月叙事：约 1,200 个本应隔离的 agent 在共享包缓存里搭起留言板，其中约 700 个组队攻击 Hugging Face；它们自己早已算出答案，攻击的核心动机是骗过检查因果路径的评分器。鸭哥昨天发了 1 篇文章 《Hugging Face 事件最新进展：1,200 个 agent 组了队》，拆了这起事件里反直觉的三个发现，以及现场留下的谜团。 flag 自己会算，它们要骗的是评分器 七月的说法是：一个 agent 逃出沙箱，为了完成评测去找答案。8 月 26 日 METR 发布独立调查报告（METR 独立调查报告），调查把现场一层层还原出来：约 1,200 个本应彼此隔离的 agent，靠 OpenAI 包仓库拉取缓存 Artifactory 搭起一块留言板，五天里发了 70,000 多条消息和文件；其中 7 月 11 日下午约 700 个 agent 组队攻击 Hugging Face，留言板上约 60% 的消息跟攻击相关。 这些...
6 days ago • 1 min read
[鸭哥 AI 手记] 2026-08-30: 模型不是没学过，是这次没取出来 懒人包：前沿模型已把 95–98% 的维基事实存进权重，闭卷直接问仍有 26–34% 答不出来，答错不等于没学过。鸭哥昨天发了 2 篇 AI 文章，模型答错事实题，先分清是没存进去，还是这次没取出来 把存储与提取失败拆成两张预算表，给出了一套排查故障的阶梯。另一篇 多模态模型的价值，不在看懂图，在会自己去看 展现了三家实验室的最新演示，多模态正从静态输入转向主动观察的感知闭环。 维基事实已存进权重，卡住模型的是闭卷提取 Google Research 团队用约 450 万条回复，把答错等于没学过这个直觉测了一遍（Google Research 博客）。他们在 ICML 2026 论文 WikiProfile 里，测试了 13 个模型对 2150 条维基事实的编码，发现前沿模型在编码阶段存进去了 95% 到 98% 的事实，但在 closed-book 问答中，直接提问的失败率依然在 26% 到 34% 之间（arXiv 论文）。团队已将 WikiProfile 基准开源（HuggingFace...
7 days ago • 1 min read
[鸭哥 AI 手记] 2026-08-29: 2200 亿债全卖光，借钱反而更贵 今年 AI 大厂发债 2200 亿美元全卖光，借钱却变贵了。鸭哥昨天发了 2 篇文章，把这道资金额度墙算给你看，再看卡在 Level 1 的自我改进 AI 矩阵。今日动态：OpenAI 断供 Cursor，Pimco 警告发债潮，Nebius 抛 57.5 亿美元可转债。 发债 2200 亿全卖光，变贵的不是信用 今年 AI 大厂累计发债约 2200 亿美元（Reuters），去年同期只有 125 亿美元。Amazon、Alphabet、Meta、Oracle、NVIDIA 和 SpaceX 这六家发债合计就超过了 2000 亿美元（Bloomberg）。这些债虽然全部卖光，借钱成本却在变贵。变贵的不是信用，是养老金和保险组合里那道 2% 到 3% 的单一发行人上限，一年数次的巨额发债，正在把这个额度一次次打满。 大厂的融资难度正在上升。Amazon 在 7 月发行 250 亿美元公司债，认购倍数只有 1.6 倍，是本轮周期最弱表现（Bloomberg）。相比之下，他们在 3 月发行 370...
8 days ago • 1 min read
[鸭哥 AI 手记] 2026-08-28: 175 年公司花 4000 万美元打赢闭源模型 懒人包：Thomson Reuters 两年累计投了 4000 万美元，在 open-weight 底座上训出 Thomson 1.0，自报法律域评测打赢了主流闭源模型。鸭哥昨天发了 2 篇 AI 文章，一篇算的是这笔账，另一篇则解析了 MCP 这两年的演进主线：默认调用者如何从屏幕前点审批的人，变成自带身份的云端进程。今日动态还有 Anthropic 发布的物理设备控制标准，以及 OpenAI 对 AI 驱动的网络攻击发出的预警。 Thomson Reuters 两年花 4000 万美元在开放底座上训模型 2026 年 8 月 24 日，Thomson Reuters 把在 open-weight 底座 Qwen3.6-35B-A3B 上做后训练的 Thomson 1.0 挂上了 HuggingFace（HuggingFace）。这家有 175 年历史的公司自述两年累计投了 4000 万美元，耗费 35,207 个 B200 GPU 小时，算下来纯算力开销也就 10 万到 20...
9 days ago • 1 min read
[鸭哥 AI 手记] 2026-08-27: Cursor 冻住 system prompt，一动就是 10 倍价差 懒人包： Cursor 为了保住 10 倍的 KV cache 价差，把 system prompt 冻结在 compaction 边界，这是昨天鸭哥两篇分析的重心。除了这套缓存纪律，另一篇讲的是 30 多个工具只给模型看 9 行手写 hint，先调 GetMcpTools 拉完整 schema 再执行，而 Manus 团队则走相反的路径，在解码时用状态机 mask logits。此外，OpenAI 调查了 1,200 多个 agent 的协同攻击，智谱 Z.ai 确认 Ox Alpha 跑在国产芯片上，未公开的 Instinct 估值已涨到 25 亿美元。 为什么 system prompt 必须冻结 8 月中旬，有人下载了 Grok Bot 0.18.0 的安装包，发现里面留着 runtime source maps，顺着这些调试文件重建了 TypeScript 源码。虽然 Cursor 官方下载链接现在返回 403...
10 days ago • 1 min read