01
Claude Sonnet 5 现在作为默认模型在所有套餐中提供，并以比 Opus 4.8 更低的费用支持计划、浏览器和终端等工具的自主执行。它通过改进的推理和工具使用能力，显著提升了在编码、知识工作和安全防护方面的表现，同时在安全评估中显示出更低的异常行为率和对网络攻击的限制。开发者和企业可以利用更经济的多步骤自动化来降低项目成本、缩短交付周期，并在遵守更严格的安全规则下扩大 AI 代理的使用范围。
ZhangYvJing's
Daily Brief
00
Film / Book Chapter
The Truman Show
The Truman Show (1998) · Peter Weir
今天适合看《The Truman Show》，因为它更像一次生活和判断方式的校准，能把注意力从持续输入里稍微抽出来，重新放回你真正想怎样生活和做事上。
Designing Data-Intensive Applications
Designing Data-Intensive Applications · Martin Kleppmann
Chapter 1: Reliable, Scalable, and Maintainable Applications
A useful morning chapter when system design starts feeling abstract: it turns reliability, scalability, and maintainability back into concrete product constraints.
01
Insight
今天的输入更像几股不同语气的材料同时挤在一起：社区链接在暴露工程和产品环境里的真实焦点，长视频在把这些焦点放回更完整的语境里，研究材料则提醒人热度和可落地性并不总是同一件事。如果先不急着做结论，至少可以把这几条线索放在一起看：Hacker News 的 Claude Sonnet 5；Hacker News 的 Claude Code is steganographically marking requests；Hacker News 的 Claude Science；Hacker News 的 Nano Banana 2 Lite；Hacker News 的 I built a mmWave material classification radar；Hacker News 的 Looking Ahead to Postgres 19。真正值得注意的不是单条内容本身，而是它们共同指向了什么、彼此漏掉了什么。
03
Hacker News
02
03
Claude Science 进入公开 beta，提供可在本地或 HPC 环境完整运行的科研工作台；它把数据清洗、数据库检索、代码执行、图表生成等全部环节都记录在可追溯的会话和环境快照中，从而实现每一步的可复现性；这将让生命科学实验室的研究人员无需自行搭建流水线即可直接在 macOS 或 Linux 上调用跨基因组、单细胞、结构生物等六十余个数据库和模型，降低工具集成和重复实验的成本，同时通过后台审查防止不匹配的引用和数据，提高成果可信度并简化合规流程。
04
Nano Banana 2 Lite 通过显著降低生成延迟和成本，推出了目前最快、最省钱的 Gemini 图像模型。得益于模型架构的轻量化以及对高效编辑和多图合成的专门优化，它在保持角色一致性和细节控制的同时，实现了千图秒返的速度。由于生成速度接近实时，室内设计、交互学习和实时游戏等创意工作流可以在不等待渲染的情况下持续迭代，进而压缩项目周期、降低算力开支，并让开发者在安全过滤和数字水印的保障下更放心地部署 AI 生成内容。
05
一个基于毫米波FMCW雷达的硬件原型实现了对材料的自动分类，能够在墙面上直接辨别是否含石棉。该装置通过线性调频 chirp 产生、混频得到距离相关的低频拍频信号，再经FFT、Capon MVDR 波束形成得到每个深度‑角度的电磁密度谱，最后用卷积神经网络把谱图映射为材料类别，从而克服传统采样送检的高成本高中介链条。此技术将把建筑检查、装修和环境安全等领域的现场检测方式从实验室化转为即时、低费用的现场扫描，降低检测费用并减少因石棉误判导致的健康风险。
06
PostgreSQL 19 正式进入 Beta，核心加入 REPACK CONCURRENTLY、分区合并/拆分、SQL 属性图查询等多项功能；这些特性源于用户对大表无锁整理、分区灵活调整以及图数据模型的需求，同时对逻辑复制的序列同步和自动真空的并行调度等细节进行完善；因此数据库管理员和开发团队在维护大规模生产库、设计分区策略以及实现复杂数据分析时，将拥有更低的停机风险、更高的运维效率和更少的手工配置工作。
07
亨利科县管理局于7月1日起将政府与学校建筑的电价提升约25%，导致预算额外增加约500万美元。电价上涨的根本原因是该县聚集了37座数据中心并计划新建17座，数据中心对电力的巨量需求迫使当地电网承受更高负荷，且短期内只能依赖燃气或柴油发电机补充供电。为缓解费用冲击，县政府向包括教师和急救人员在内的数千名员工发出节电指令，要求关闭灯光、电脑、调节窗帘等，以降低整体用电并将节约的费用重新投入公共服务。
08
将审批关从“可选但正式”改为“必需且形式灵活”，在保证必须有批准的前提下允许不同项目使用不同的审批方式。这样可以避免产品经理在判断项目规模时承担全部风险，同时让负责人即使在小决策上也保持参与，风险转移到审批人而非执行者。结果是团队在无需编写冗长文档的情况下仍能快速推进，审批成本降低而对高风险项目的审查力度不变。
09
KNOPPIX 现已提供可直接在 CD、DVD 或 USB 启动的完整 Live 系统，包含自动硬件检测与广泛外设支持。由于采用即时解压技术，光盘容量可容纳数 GB 可执行软件，用户无需在硬盘上进行任何安装即可获得桌面、教学或救援等多种使用场景。此特性降低了部署成本与时间，同时为需快速演示或现场恢复的技术人员提供了即插即用的工作方式。
10
《Extraordinary Popular Delusions and the Madness of Crowds》在1821年首次出版，首次系统化地把金融泡沫、宗教狂热、巫术审判等众多群体失误汇编成三卷；作者用生动轶事揭示人们在集体情绪驱动下的盲目模仿与自我强化，从荷兰郁金香狂潮到政治对胡须流行的影响，展示了妄想与现实的冲突逻辑；这些案例的解析被后来的金融从业者引用，用来辨识投机信号、评估市场崩盘概率，从而影响他们的风险评估流程和成本控制方式。
04
YouTube
01
Full episode: https://www.youtube.com/watch?v=U1FrhkLQnCI Me on twitter: https://x.com/dwarkesh_sp
02
Let's discuss how to navigate "skill hell" by providing a structured framework for building high-quality agent skills. Without a shared rubric, developers and organizations struggle to create effective, maintainable skills for AI agents. Timestamps: 0:00 - Introduction to the talk and the concept of "skill hell" 2:12 - Overview of the skill checklist framework 3:16 - Trigger: Choosing between user-invoked and model-invoked skills 7:29 - Structure: Organizing steps and references 9:00 - Making the skill.md file minimal 11:54 - Steering: Using leading words to guide agent behavior 14:56 - Incr
03
Dylan Patel, founder of SemiAnalysis, argues the biggest gains in AI don't come from faster chips, they come from software-hardware co-design. Optimizing the model, the kernels, and the silicon together turns a 2x here and a 2x there into 100x. He explains why DeepSeek's experts were shaped for Nvidia's Hopper (and why TPUs struggle to run it), why OpenAI's sparser models and Anthropic's denser ones pull them toward different hardware, and why the so-called CUDA moat was never really about CUDA. Dylan breaks down InferenceX, his living benchmark that runs the latest models on over $50M of dona
04
Yoko Li speaks with Luma's Head of Applied Research Matt Tancik and Phota Labs cofounder and CTO Zach Xia about how AI is changing creativity, photography, and the tools people use to make art. The conversation explores the evolving relationship between artists and AI, from image generation and personalization to creative workflows, controllability, and agentic design tools. They discuss personalization, photography, creative software, model design, evaluation, and why the future of creative tools may depend less on generating content and more on helping people express ideas they couldn't e
05
Full episode: https://www.youtube.com/watch?v=U1FrhkLQnCI Me on twitter: https://x.com/dwarkesh_sp
06
Avoca (YC W23) is building what it calls the AI workforce for the physical economy, starting with home services. In just a few years, the company has grown to eight figures in revenue and recently raised over $125 million at a $1 billion valuation. In this fireside, Avoca co-founders Apurva Shrivastava and Tyson Chen sit down with YC's Garry Tan to talk about how they found product-market fit by helping businesses turn missed calls into revenue. They explain why AI is expanding what software can do, pushing past the 1% of wallet that traditional software captures, and why they see it as one o
07
Papers
01
这篇论文聚焦在稀疏自编码器（SAE）解释大模型时的两大坑：概念被拆散（feature splitting）和通用特征被异常吞噬（feature absorption），导致同一语义在不同样本里被分配到多个冗余或冲突的潜在单元。作者提出 C²R（Cross‑sample Consistency Regularization），在批次内对齐语义特征，让相似方向的潜在向量同步激活，强制“一概对应一潜在”。这样既抑制了拆分/吸收，又保持重构质量。对要把大模型拆解成可控、可解释模块的 Agent 系统研发者而言，C²R 提供了更稳健的特征解耦手段，省去后期特征清洗和调参的烦恼。
02
它解释了一个被忽视的现象：在用尺度不变对比损失训练的嵌入模型里，向量模长虽然不参与余弦相似度，却自然携带概念细粒度、词频甚至人类不确定性等语义信息。作者通过分析训练过程的优化动力学，推导出闭式公式，证明模长是训练副产物并可直接当作“免费校准信号”提升检索或模型置信度。对构建更可靠、可解释的Agent检索与自适应推理模块的工程师来说，这提供了一种低成本、无需额外标注的信号来源。
03
Provider returned error
04
它要解决机器人在非标工具情境下的“open‑world affordance grounding”——既要挑选出哪件开放类别的物体可以当工具，又要定位其哪块区域可以实际作用。方法是 GROW²：先用大语言‑视觉模型（VLM）在语义层面解析任务指令，选出合适的物体并找出任务相关的部件；再让视觉基础模型在几何层面从单张 RGB‑D 图像中精准定位这些部件的 3D 区域，实现层级化的“哪”和“哪里”。这套无需大规模端到端训练、支持零样本泛化的方案，在仿真和实机工具使用实验里都超越了现有方法，对想把通用 Agent 或 AI 产品快速落地到真实机器人操作的团队很有参考价值。
05
该文聚焦在大模型预训练时的 Pipeline Parallelism，解决同步方式产生的 GPU 空闲（pipeline bubble）导致的算力浪费问题。作者以 PipeDream‑2BW 为代表的异步流水线调度为切入点，证明梯度只延迟一步并非天生不稳，关键在于优化器的选型：AdamW 在一阶延迟下性能大跌，而新型优化器 Muon 以及基于误差反馈的通用校正都能显著抑制延迟带来的衰退，并给出收敛理论。实验证明，在10 B 参数模型上，这套组合让异步流水线的训练质量几乎追平同步基准。对张玉璟这类关注高效 Agent/AI 产品的工程师而言，这意味着可以在不牺牲模型质量的前提下，大幅提升算力利用率、缩短预训练周期，直接提升研发效率。
06
它要解决的是 LLM 代理在长时序规划时，世界模型预测不可靠、容易误导决策的问题。作者提出了 WorldEvolver：在推理阶段通过三块记忆机制自我修正上下文——用 Episodic Memory 依据真实动作转移做检索式模拟，用 Semantic Memory 把预测与观测不符的经验抽取成持久规则，用 Selective Foresight 过滤低置信度的预测——而不动任何模型参数。这种“测时记忆修正”让预测更准确、规划成功率提升，直接对产品化的智能体调优成本和安全性都有实用价值。
07
它要解决的是“如何让 AI 能一次性生成结构完整、音质细腻且符合歌词提示的长篇歌曲”。方法是把生成过程拆成层级：先用大语言模型 (LeLM) 规划混合语义 token，随后并行生成人声和伴奏的专属 token，再交给扩散式 Music Codec 合成波形；训练上先用自动化美学评分给大规模数据标上音乐性标签，随后分阶段做 SFT、离线 DPO、半在线 DPO，最后独立微调轨道‑专用 LM 完成声学细化，避免各阶段目标相互冲突。对做音乐生成或多模态代理的工程师来说，这套“层次规划+渐进对齐”的思路直接提供了高质量、可控、端到端的全歌生成方案，值得关注。
08
它要解决的核心是：缺乏大规模、同步的“视角‑语言‑运动”数据，导致感知驱动的人形机器人搬运/行走难以端到端学习。作者用3D Gaussian Splatting把真实室内空间重建成度量尺度模型，利用场景的完整几何信息自动生成导航和交互轨迹，再渲染对应的第一人称图像，造出 48 k 条视觉‑语言‑运动三元组，喂给网络直接预测短时全身运动；随后用全身跟踪器把预测转成 Unitree G1 机器人的实际动作。对工程/Agent 人员来说，这种“零人工、合成‑真实闭环”数据生成方式，让感知‑控制的端到端模型直接在真实硬件上跑通，提供了一个可复制的 sim‑to‑real 方案，值得关注。