头条
Anthropic推出更快版本的Claude Opus 4.6
https://threadreaderapp.com/thread/2020207322124132504.html
Anthropic正在通过Claude Code和其API提供更快版本的Claude Opus 4.6作为早期实验。快速模式运行成本更高，但速度提高了2.5倍。它专为紧急、高风险项目设计。功能的等待列表链接可在推文中找到。
Meta AI准备Avocado、Manus Agent和OpenCLAW集成
https://www.testingcatalog.com/meta-ai-redies-avacado-manus-agent-and-openclaw-integration/
Meta AI据报道正在准备发布名为Avocado的新模型。它还在设置菜单中添加了MCP支持和记忆部分。Meta AI对其网站进行了全面改版，增加了大量额外功能。该公司似乎在开发一个AI Agent和浏览器Agent，以及一个名为Tasks的新功能，允许用户安排Meta AI的定期执行。
英伟达成为首家市值50000亿美元公司；AI芯片推动市场价值
https://edition.cnn.com/2026/02/07/business/nvidia-trillion-valuation-ai-chips-vis
英伟达实现了历史性里程碑，短暂超越了5000亿美元的市值，这得益于其AI芯片的强劲需求和在数据中心加速器领域的主导地位。其先进的Blackwell和Rubin GPU平台为大部分大模型训练和推理工作负载提供动力，支撑了投资者对AI基础设施持续增长的信心。这一估值反映了英伟达在AI经济中的核心作用，说明硬件领导力如何转化为非凡的市场价值。
前沿
使用数千个Agent实现自动驾驶代码库
https://cursor.com/blog/self-driving-codebases
Cursor扩展了一个系统，数千个Agent协作编码了一个功能完整的网页浏览器，几乎不需要人工输入，突显了向自主软件开发的进步。
开放模型永远无法赶上闭源模型
https://www.turingpost.com/p/nathanlambert
开放模型可能永远不会赶超封闭模型。然而，它们不需要——开放模型是探索的引擎，这是公司很难培养的。开放模型是实验发生的唯一地方。它们将是未来十年AI研究的引擎。
循环中的限制：内存作为一个系统问题
https://weaviate.io/blog/limit-in-the-loop
Weaviate讨论了当前LLM应用基于会话设计的局限性，认为解决连续性问题——跨交互传递上下文——需要系统级而非模型级的变化。
世界模型与机器人学中的数据问题
https://joeljang.github.io/world-models-for-robotics
世界模型被训练来预测世界的演变。它们能够实现纯动作预测无法达到的泛化能力。将世界模型与机器人技术结合，可以创造出能做人类能做的一切的机器人。然而，这需要大量由真人采集的数据。
研究
学习上下文比我们想象的更困难
https://hy.tencent.com/research/100025
如果上下文学习显著改善，人类在AI系统中的角色将会转变。人类将专注于上下文工程而不是主要提供训练数据。一旦实现这一点，我们需要关注如何使上下文持久化。
Monty（GitHub仓库）
https://github.com/pydantic/monty
Monty是一个用Rust编写的最小、安全的Python解释器，供AI使用。它让用户能够安全地运行由Agent编写的Python代码。Monty完全阻止了对主机环境的访问，只能调用它有权限的函数。这使得安全地运行LLM生成的代码成为可能，而无需复杂的沙盒或直接在主机上运行代码的风险。
DFlash加速推测解码
https://z-lab.ai/projects/dflash/
DFlash是一个轻量级块扩散模型，旨在加速LLM中的推测解码，为Qwen3-8B实现高达6倍的速度提升。
速读
G's Last Exam
https://x.com/rauchg/status/2020616857561284848
软件工程这个行业已经永久改变了，但人类确切扮演什么角色还不清楚。这篇文章列出了一些最雄心勃勃和富有创造力的人类软件成就。一个由Agent自主解决这些挑战的世界将是既令人谦卑、令人兴奋又令人不安的。
市场是否相信变革性AI？
变革性技术通过改变增长预期、增加增长不确定性或引发对生存风险的关注来影响利率。在2023年和2024年主要AI模型发布期间，美国债券收益率出现了经济上巨大且统计上显著的波动。这些波动对应于预期消费增长的下调修订和/或对极端结果概率感知的降低。看起来市场不相信变革性AI。
Anthropic的蜂群思维
https://steve-yegge.medium.com/the-anthropic-hive-mind-d01f768f3d7b
虽然每个公司都会迅速变得专业和“成熟”，但Anthropic还没有这样做。它不像任何其他同规模的公司那样运营。公司的员工将公司描述为完全基于氛围运行的蜂群思维。这篇文章深入探讨了领先的AI实验室之一，考察了公司的文化、历史、工作方式等。
专家拥有世界模型，LLM拥有词模型
https://www.latent.space/p/adversarial-reasoning
LLM在对抗环境中表现不佳，因为它们基于静态模型生成输出，而不是自适应世界模型。
LLM可以但不应该成为编译器
https://alperenkeles.com/posts/llms-could-be-but-shouldnt-be-compilers/
大型语言模型可以将规范转换为可执行工件，但在这种转换层中放弃的控制权是巨大的。
关于Claude宪法的想法
https://windowsontheory.org/2026/01/27/thoughts-on-claudes-constitution/
Claude的宪法是从中产生Claude性格和价值观的基础框架。
只有13个参数的LoRA？
https://kaitchup.substack.com/p/lora-but-with-only-13-parameters
Meta研究人员表示，通过更新仅13个参数就可以提升LLM的数学推理能力。
软件开发正在眼前经历一场复兴
https://threadreaderapp.com/thread/2019566641491963946.html
采用AI编码工具需要深层的文化变革，这需要公司解决许多下游影响。
温和的过时
https://benn.substack.com/p/the-gentle-obsolescence
AI变得越来越有能力，这可能会使人类变得过时。
