人工智能讨论组

DeepSeek is hiring product managers~
Please feel free to send your resume to zy.wu@deepseek.com

年度最佳文章了，一直对由AI进行信息压缩和总结，提炼为经验有所怀疑。但是没想明白到底应该怎么做，我觉得这篇文章好像把各个观点打通了，到底要不要给模型 bias ，context 到底作用是什么，如何让AI摆脱中庸解

看到一篇帖子，先转来做成图存档

豆包这价格你会买吗？🤔

三年多了，模型这边还是数据、infra越好，模型效果越好。
期待新范式能改善一下。

近日 2026 红杉AI 大会上，Claude Code 之父 Boris Cherny 做了专题访谈和分享。

总结下关键点：

1、他个人的编程方式

- 【100% 代码由 AI 编写】他每天通常会提交几十个 PR 请求，最高纪录为了测试极限，在一天内合并了 150 个 PR。
- 【手机是主要的生产力工具】大部分编码工作，都是通过手机上的 Claude 应用程序完成。
- 【智能体调度】他会同时开启多个会话，让成百上千个智能体在后台并行工作，结合 /loop 命令和 cron 定时任务，安排 AI 执行重复性工作（如：自动修复 CI，处理不稳定的测试代码，以及每 30 分钟抓取和聚类 X 上的用户反馈）。

2、团队和公司的运作方式

- 【全员写代码的跨学科通才团队】在 CC 团队中，不论角色是项目经理，产品经理，设计师，数据工程师还是财务人员，每个人都在使用 AI 写代码。
- 【彻底告别手动编码】在 Anthropic 内部，所有地方都不再需要手动编写代码，包括所有的 SQL 查询，一切都由模型构建 ，不同员工的 Claude 智能体会通过 Slack 互相交流以解决未知问题。
- 【坚持“吃狗粮”】他们在内部，完全使用准备对外发布的相同模型和工具，来构建自己的产品 。

3、对未来的核心预测

- 【编程问题已被“解决”】对于像 TypeScript 和 React 等分布广泛的常见技术栈，AI 早就已经能够完美处理，甚至可以学习它从未见过的新框架。
- 【软件开发的“印刷机”时刻】他将现在的 AI 编程比作 1400 年代发明的印刷机。未来软件构建将完全全民化，就像如今发短信和读写一样，成为所有人的基本技能。最适合编写会计软件的人，将是精通业务的会计师，而不是软件工程师，因为编程是简单的，难就难在领域知识。
- 【初创公司的黄金时代】他预测未来 10 年，初创公司的数量将增加 10 倍 。AI 让小团队能创造出与大公司同等的价值，并与大企业正面竞争，因为大企业转型迟缓且面临内部阻力。
- 【SaaS 商业模式的改变】“转换成本”将不再成为企业的护城河（因为 AI 可以轻松将代码从一个平台移植到另一个），同时依赖复杂流程的模式也将被削弱（因为 AI 非常擅长理清和优化流程），但网络效应和规模经济等底层逻辑依然重要。
- 【智能体编排的自动化】未来用户不再需要手动决定如何分配任务，或是否使用本地模型，模型会自动决定启动多少个子智能体，构建何种环境来完成任务。

> 李小亮告诉财新，判决生效后，百度公司未履行，其近期已向江北新区法院申请强制执行，5月8日法院执行局工作人员电话告知他，即将立案。

豆包减少免费服务有必要，再提供低质量的免费服务，会遇到很多类似问题。

近日 2026 红杉AI 大会上，Andrej Karpathy 做了专题访谈和分享。

总结下关键点：

1、软件 3.0 范式已来

- 软件 1.0 是人类手写明确的代码规则，软件 2.0 是通过整理数据集来训练神经网络，软件 3.0 是将大语言模型视为解释器，你的提示词和上下文就是编程手段。
- 在软件 3.0 时代，很多传统的应用架构和代码将不复存在，以前你需要编写复杂的管道，现在只需要把原始输入，比如一张图片交给模型，模型就能直接输出结果，神经网络将承担大部分的计算工作。
- 未来，神经网络可能会变成计算机的主进程。

2、从 Vibe Coding 到 Agentic Engineering

- 随着模型能力的跃升，人类越来越信任 AI 自动生成的代码块，不再逐行检查，而是跟着直觉和 AI 互动来写代码。这提高了能力的下限，让所有人都能轻松编程。
- 智能体工程是 Vibe Coding 的专业化升级。专业的软件工程师不能因为用了 AI 就引入 Bug 或降低代码质量。
- 智能体工程是一门关于“如何协调多个 AI 智能体，在不牺牲专业质量标准的前提下大幅提升开发速度”的工程学科。它极大地提高了能力的上限，让原本的 10 倍工程师变得更强。

3、可验证性与参差不齐的智力

- AI 在代码和数学等“可验证”领域的进步速度极其惊人，因为实验室可以通过强化学习（RL）环境自动验证对错，从而让模型飞速进化。
- 最先进的模型可以瞬间重构 10万行代码，却可能会在日常逻辑中犯极度低级的错误（比如建议你走路去 50 米外的洗车店洗车）。这是因为现实生活中的很多情境缺乏高质量的强化学习数据。
- Karpathy 提醒人们，LLM 本质上是带有强化学习外挂的“统计模拟电路”。它们没有内在动机、情绪或生命力。把它们当成“鬼魂”而非有感情的“动物”来看待，有助于更理性地使用它们。

4、工程师角色的转变

- AI 智能体拥有极好的记忆力，可以处理底层 API、张量维度、库之间的差异等繁杂细节，人类不再需要死记硬背这些。
- 未来的工程师需要负责系统架构、美学、判断力、品味和监督。你需要向 AI 智能体提供极其详尽的规范文档，并确保整体设计的正确性和代码的最终质量。

5、走向智能体原生的世界

- 目前的互联网（UI、文档、URL）都是为人类阅读设计的。未来的基础设施将转变为“智能体原生”，互联网上的工具将变成 AI 的传感器和执行器，你可以直接用自然语言要求 AI 部署一个应用，而不需要人类去中间复制粘贴文档或配置 DNS。

6、当智能变得廉价时，还有什么值得我们深入学习？

Karpathy 引用了一句话：“你可以外包你的思考，但不能外包你的理解。”

虽然 AI 可以帮你合成数据、编写维基百科、处理海量信息，但人类仍然是整个信息处理系统中的核心节点。

你必须知道你要构建什么、为什么要构建，并深入理解事物，才能成为一个合格的导演去指挥你的 AI 智能体。

这段时间试用Doubao 2.0 Lite medium 和DeepSeek 4 Pro high的API，感觉Doubao 2.0 Lite更好。更何况还有Doubao 2.0 Pro。但是豆包app完全没有体现出豆包的模型优势。

2026年春节之后，我觉得国内很多免费AI聊天工具都退步了，虽然大家都发布了更强的新模型。但是在产能约束和需求暴增之下，继续免费提供服务那也只能降智。豆包非常明显，千问也不如三月份好了。时至今日，在豆包app里开专家模式，效果还没有调用Doubao 2.0 Lite API好，我自己体会是这样。

如果是用豆包app的默认模式，那简直是胡说八道基本无法投入实用，错误百出。

继续免费提供服务，豆包会面临两个结果：

收不到钱
用户觉得豆包笨
可谓名利双失。但是如果改为付费，则名利双收。

2026年春节以后，我觉得豆包和Kimi已经分化，豆包走向免费娱乐，而Kimi走向付费生产力。大概3月以后Kimi基本已经没法免费用，基本上要付费才能使用Kimi的基本功能。而付费之后，可以解锁Kimi的专业数据库、Office三件套、沙盒这些实用功能。都是上班利器。而且Kimi的预设还会让它很积极地写Python分析数据画图等等，对工作很友好。

付费生产力这个生态位，在中国市场已经被Kimi占住。

豆包有很多功能是不契合生产力付费这个场景的，比如视频通话、P图、语音问答。而豆包模型中生产力特别强的图像与视频功能，已经有了即梦这个付费生产力平台去承接。

所以，现在豆包的产品形态和付费这个商业模式并不匹配。但是，我又觉得付费再怎么也比免费强，在现在token的供需关系下，免费实在没意义，一定是严重供不应求的，没法服务那么多用户。

也有可能，在2028年算力供需紧张有所缓解之后，豆包再逐步放开免费权限，仍然回到免费娱乐的轨道上？

一年多没有参加创赛，今年第一次报名进入复赛，正好帮我复盘一下项目