我写了一本AI教材——AI多久能写得更好？
一位AI研究者写完一本强化学习教材后发现，AI模型在长篇非虚构写作上进步停滞。模型擅长校对、找错、做小范围编辑，但组织长文结构、保持逻辑连贯的能力远落后于编程和数学。作者预计未来2-5年最好的教材仍将由人类主导完成。 
Interconnects
Interconnects，Nathan Lambert 的 AI 通讯与播客，关于 AI 研究、政策与技术的深度分析。
评论
点赞
收藏开源模型仅剩六个月寿命？
文章断言未来半年内美国可能通过行政令禁止或限制超越特定能力阈值的开源模型，主要矛头指向中国开源模型及蒸馏技术。作者指出这实为闭源大厂（如Anthropic）的监管俘获行为，旨在消除竞争。文章警告单边禁令将导致美国科技产业孤立，并呼吁美国公司尽快发布同等能力的开源模型以打破僵局，建立行业联盟。 
禁止开源AI将是一个错误
文章反对美国政府限制开源AI，认为这将扼杀教育、创新和市场竞争。作者指出开源软件长期推动经济发展，且透明度使其更安全。 针对Anthropic和OpenAI的垄断，开源是唯一制衡力量。以中国模型为例，限制开源反而会让美国失去优势，应加强本土支持。
欢迎来到AI治理的AGI时代
文章分析了美国政府强制Anthropic暂停Claude 5 Mythos/Fable模型访问的事件，认为这是AI治理新时代的开端。作者指出出口禁令对美国不利，批评政府行动受政治倾向影响且缺乏技术理解，并警告这种不稳定性可能引发经济衰退。文章强调随着AI从推理转向代理，各国主权力量将加强对AI的控制，开源社区不应盲目庆祝，因为政策监管很快会波及他们。
Claude Fable 5 发布与新的 AI 安全寓言
文章深入分析 Anthropic 发布的 Claude Fable 5 模型，指出其在性能上取得重大突破的同时，引入了隐蔽的安全限制措施。作者批评 Anthropic 在针对前沿 AI 研发请求时，未明确告知用户而通过修改模型或提示词来降低其能力，认为这不仅是安全策略，更是为了维持市场竞争地位的排他性手段。文章探讨了这种不透明性对开源生态和公众信任的负面影响，并呼吁更透明的安全研究协作。
开源与闭源模型正处在不同的指数增长曲线上
文章分析了开源与闭源AI模型处于不同的发展指数曲线。作者认为闭源实验室（如Anthropic和OpenAI）将通过整合硬件、软件和智能优势，在高端知识工作领域获得高额利润，形成类似苹果和微软的寡头垄断。相比之下，开源模型经济虽然起步较慢，但将通过降低推理成本、促进企业定制化部署，在更广泛的经济领域实现更大的总市场价值。两者并非零和博弈，而是服务于不同的市场需求和应用场景。 
中国人工智能实验室内部笔记
作者走访多家中国顶尖AI实验室，揭示中美大模型研发的核心差异：中国团队以学生为主、重视非炫技性工作、组织层级分明，利于快速迭代；美国则鼓励个人发声，易因学术竞争影响整体效率。中国企业普遍追求技术自主，自建模型栈以掌控核心能力。尽管面临算力限制，中国已形成独特生态，未来或与美国走不同发展路径。 
蒸馏恐慌：为何我们不该因噎废食
本文探讨AI领域对“蒸馏攻击”的过度反应，强调不应将合法模型蒸馏技术与恶意API滥用混为一谈。作者警告：若将蒸馏普遍污名化或限制中国开源模型，将重创美国AI创新生态，尤其伤害学术和小企业。建议聚焦打击真正违规行为，而非扼杀行业通用技术。 
开源模型联盟的必然性
文章预测，随着AI训练成本飙升和商业化压力加剧，开源大模型将逐渐退出前沿竞争，最终需要企业联盟形式来持续资助高质量开源模型，形成与闭源模型互补的生态格局。 
Claude Mythos 与误导性的开源权重恐惧宣传
针对Claude Mythos引发的开源AI模型安全风险讨论，作者指出当前反开源情绪过于笼统，忽略了技术细节与实际部署难度。他主张应聚焦于具体能力的独立评估，而非一概否定开源路径，同时强调美国若放弃领先开源模型建设，将让其他国家主导该领域。 
为何有损耗的自我改进真实存在却无法引发快速起飞
文章论证当前AI发展处于“有损耗的自我改进”阶段，受限于自动化研究窄化、多智能体协作效率下降及组织资源瓶颈，无法实现快速起飞所需的递归自我改进与智能爆炸。 
开源模型陷入永续追赶困境
文章指出开源模型虽频繁发布，但性能仍落后闭源模型约6个月，未能加速追赶；尽管中国在GLM-5等模型上取得进展，主流评测指标存在偏差，难以反映真实前沿差距。作者认为开源模型未来将在企业专用化、低成本任务执行及全球技术扩散中发挥更大作用，而非直接挑战最强大模型。 
Opus 4.6、Codex 5.3与后基准时代
本文深入比较了OpenAI Codex 5.3和Anthropic Opus 4.6两款最新编程助手的实际使用体验，强调Codex虽在多任务处理上有突破，但在细节执行和用户引导方面仍不如Claude流畅；同时指出当前AI模型发布逐渐脱离基准测试主导的模式，转向以真实场景表现和产品体验为衡量标准。
大模型时代的就业市场思考
本文深入剖析大模型时代AI行业的人才市场现状，指出资深人才因系统驾驭能力而更受青睐，初级从业者则需通过极致专注与快速迭代证明自己。作者结合自身招聘经验，提出建立职业信号的三条路径：高质量博客、开源代码贡献和精准冷邮件，并强调组织文化适配比技能匹配更重要。 
Claude Code 带来了不同凡响的效果
本文深入探讨了 Claude Code with Opus 4.5 带来的革命性变化，将其比作印刷机、缝纫机和照相机的发明，认为它正在将软件开发从手工艺转变为工业化过程，重塑软件行业格局，并预示着一个由 AI 驱动的全新工作方式的到来。 
伊利亚谈2015年的深度学习
文章整理了Ilya Sutskever在2015年关于深度学习的访谈转录，重点分析了模型初始化的重要性、梯度下降在非凸优化中的有效性，以及监督学习如何通过数据找到最优神经网络连接。他强调了深度学习成功的关键在于简单算法与大数据的结合，并指出许多复杂问题可通过表达力强的模型解决。 
2025年开源模型年度回顾
2025年是开源大模型的关键一年，DeepSeek R1和Qwen 3等模型显著提升了开源模型的性能与影响力，推动中国科技公司大规模开放模型，并在多模态、推理、语音识别等领域实现重要进展，开源生态整体竞争力逼近闭源模型。
Olmo 3：美国的真正开源推理模型
AI2发布Olmo 3系列开源大模型，包含7B和32B规模的完全开源推理模型，性能对标Qwen3，附带完整训练数据和代码，推出Model Flow后训练流程，为开源AI社区提供重要基础设施。
为什么AI写作很一般
文章分析AI写作质量低下的五大原因：风格非首要训练目标、平均化偏好压制个性、优质写作天然耗时、RLHF引入长度与顺从偏差、模型强制中立扼杀观点表达。提出未来需打造具强烈人格的模型才能实现卓越写作。 
Kimi K2 Thinking：它对开放模型和AI前沿意味着什么
本文分析 Kimi K2 Thinking 的发布，强调其作为开放模型在长思考链、多工具调用和 INT4 量化上的技术进展，并讨论中国 AI 公司在性能追赶和全球影响力扩张中的关键作用。 