swyx
一天涨了55%。我该去开个基金了。
（要是有人真愿意帮我管，请私信我，我完全不知道该怎么管。）
@DevinAI @tbpn https://x.com/aiDotEngineer/status/2067743962270708015
@midjourney @Scobleizer @bryan_johnson @DavidSHolz @iScienceLuvr 哇，我完全不知道自己在跟谁说话，笑死 https://x.com/iankar_/status/2067723391033819597 https://twitter.com/swyx/status/2067741621647749296/photo/1
大家快来试试看：
https://www.ai.engineer/worldsfair/2026/speaker-announcement-trading-card
尤其是 @aiDotEngineer 的演讲嘉宾们。期待很快能接待各位！
@midjourney @Scobleizer @bryan_johnson @DavidSHolz @iScienceLuvr 哈哈哈 https://x.com/jonblackpixels/status/2067463389711155295?s=20
今天遇到了一个完全意料之外的惊艳时刻——我让 @DevinAI 为明天发布的 AIEWF 演讲嘉宾名单做一张 @tbpn 风格的突发新闻公告卡，本以为它在处理这种强视觉任务时肯定会翻车，结果它居然一次性就把整件事全搞定了！
@midjourney @Scobleizer @bryan_johnson @DavidSHolz @iScienceLuvr 来自癌症幸存者兼技术现实主义者的最佳评论 https://x.com/hankgreen/status/2067471250159448305
@midjourney @Scobleizer @bryan_johnson @DavidSHolz @iScienceLuvr 今晚另一个超级有趣的亮点，是向 @zoink 介绍我们如何利用 @polymarket 预测市场，来衡量 7 月 1 日 @aiDotEngineer 世界杯套件中“美国队比赛”这一结果的隐含价值。
https://polymarket.com/event/world-cup-group-d-winner
@midjourney @Scobleizer @bryan_johnson @DavidSHolz @iScienceLuvr 论文 https://x.com/iScienceLuvr/status/2067384062910832812
@midjourney @Scobleizer @bryan_johnson @DavidSHolz @iScienceLuvr https://www.latent.space/p/ainews-midjourney-medical-scan-your
Midjourney 医疗发布会笔记：
- @Scobleizer 将其比作初代 iPhone 和 Tesla 的发布会（他当时也在前排）
- 找个像 @bryan_johnson 看 @DavidSHolz 那样充满爱慕眼神的人 😍
- 关于 Nature 论文，请见 @iScienceLuvr 的推文链接
- 让我想起 @biohub 的那些集数：更好的科学始于更好的数据，而这意味着更好的成像技术
- 那些问“FDA 什么时候来？”的人格局太小了。我们会先做容易的事，再攻克难关。要么卷起袖子帮忙，要么保持耐心。
- 当你拥有真正卓越的技术和使命感时，其他障碍都会迎刃而解：商业模式
@WorkOS @mattpocockuk @zackproser 也做得非常出色。AIE 的受众非常喜欢 WorkOS 的内容，他们确实做对了。 https://t.co/nLZTQyAk1i
@TomasReimers @cursor_ai 完整信息 https://t.co/R8Mp5Iemfn
@TomasReimers @cursor_ai *GitHub 的竞争对手，真绝了。
@TomasReimers @cursor_ai *修复了 CI/CD 故障，谢谢 tim apple
不过别去排队等候名单了，哈哈。
Cursor/Graphite 的 @TomasReimers 刚刚发布了 Origin。
这是 @cursor_ai 备受期待的 Git 竞争对手，支持 Agent 工作负载扩展，可通过 API 和 MCP 进行扩展，并内置了合并冲突解决及 Agent 协作故障修复功能。
大家，GoblinGate 已经是 1.5 个月前的事了。
还没看到 Anthropic Ultracode 圈子以外的人在用。这玩意儿烧 token 的速度惊人，但你必须正确配置仓库以实现并行化，才能发挥出子代理（subagents）最擅长的“扇出”（fanout）优势。
其核心理念其实就是“智能化的子程序”。当你意识到知识工作中存在大量需要判断力和智能的、没完没了的琐碎任务时，你就会明白动态工作流的应用远不止于编程……
这人的才华，仅次于他那硕大的三角肌。
Satya谈“循环即知识产权”：
> 这是我们首次能在人类与数字系统之间建立真正的认知循环。这非常颠覆认知，因为它改变了我们对企业内部工作的定义。
> 这意味着真正的机遇不在于挑选最好的模型，而是在模型之上构建学习循环，让人力资本与代币资本实现复利增长。你可以把任务甚至工作交给机器，但你永远无法把学习过程外包。
> 在我看来，我们的首要任务是构建前沿生态系统，而非仅仅是前沿模型，从而让价值广泛流向每家公司、每个行业和每个国家。在这个生态中，每个组织都能拥有属于自己的学习循环，以此沉淀组织知识，实现人力与代币资本的复利增长。
@DevinAI 链接在此！https://notion.qualtrics.com/jfe/form/SV_bP07tSVMXH7ePCS
本周末是填写年度 AI 工程调查的最后机会，赢取 Vercel + Notion + AIE 门票大奖！
链接见下方
我们让 @devinai 分析了注册名单，并生成了参会人员的实时动态图表。这绝对是我见过关于“两周后我们将汇聚怎样的社区”最精彩的数据驱动叙事。
调查链接：
https://notion.qualtrics.com/jfe/form/SV_bP07tSVMXH7ePCS
别光潜水，快来填一下！
@benthompson @digg https://digg.com/tech/x/rankings
分享一点 Joss Stone 的歌。
## 未来的代码库
PR 没落了，Code Review 也没落了，我甚至在认真怀疑 Git 是否也该退场了。
约 20%-40% 的开发时间都耗费在处理合并冲突上。这是必要的恶？还是过时的“无马马车”？亦或是对过去的盲目效仿？
我们与同事协作时，并不会逐行解决冲突——而是通过聊天、建议修改、侧边评论，最后由负责人发布。
顺便说一下，即使是协作处理涉及重大法律或财务影响的文档，我们也并不使用 CI/CD。
或许未来的代码库更像 Notion 或 Linear 的数据库，而非 .git 对象。它效率可能较低，但扩展性更强。这正是 Salty Lesson 的真谛。
开发者异常处理的妙处在于：
正常路径各具特色，而异常路径大同小异。
英雄所见略同 https://x.com/leerob/status/2065469795529588940?s=20
嗯
## 论循环构建
有人可能会说，下个世纪的核心博弈，就在于能否尽可能高效地叠加循环。
在每个阶段的初期，当情况出错时，懂得何时“向下”退回循环（以确保可靠性）很有价值……
但随着模型的进化，懂得如何“向上”攀升循环（以实现杠杆效应）则更为关键。
如果你没弄明白这一点，输给那些掌握了规律的人时，也别觉得愤愤不平。
我现在之所以想开发自己的 vibecoding 平台，首要原因在于现有的平台（虽然我非常喜欢 Vercel、Cloudflare、Netlify 等）都没能真正实现闭环：它们无法在报错时给出正确的引导，也没能在出故障时（故障总是会发生的）及时提醒你。每个项目都要配置太多“站长级”的基础设施，我只想一劳永逸地搞定，而不是一会儿跑个 npx posthog wizard，一会儿又跑个 npx arize skills。这一切都应该被整合进一个统一的平台中。
祝贺我们的朋友 @ona_hq 加入 @openai！
点击观看他们的演讲，抢先了解 Codex 的下一步动向 👀
哇 https://x.com/shadcn/status/2064671802509410806?s=46
顺便说下，现在在 Fable 上用 Claude Code 审查代码简直是巨大的红利，因为目前还没开始按量计费。以后要是没用 Fable Check™ 就直接上线代码，你绝对会后悔到崩溃。
给关注进度的人同步一下：从签署协议到 Mythos 级模型全球正式发布，仅用了 34 天。
基于 NVIDIA 技术栈，意味着你可以直接大展身手™。
其他层级的图表差异没那么明显，包括来自 https://x.com/swyx/status/2064081945567580323 的氛围转变图表，见此：https://twitter.com/swyx/status/2064415059003248694/photo/1
刚在历史数据上重新跑了一遍 FC Diamond。现有的官方图表都无法体现出那种爆发式的增长。
随着难度等级降低（见下图），这张图表打破了所有的曲线拟合。因为 Fable 是一个完全不同量级的模型，带有极其明显的“模型特征”。
Mythos 正式上线！非常激动 FrontierCode 被认可为下一个前沿编程基准。
在 FC Diamond 测试中，Opus 4.8 和 GPT 5.5 都无法通过增加投入实现显著的性能扩展，昨天不少人都注意到了这一点。
Mythos/Fable 的后训练过程真正将推理时计算（test-time compute）应用于解决极长周期的难题——首次实现了对这类任务的量化：单项任务相当于数十小时的人工，成本达数百美元。
现在已在 @Cognition @Devin 上线，仅需 1.4 倍 ACU！（真没想到能看到这次发布，哈哈）
真不可思议，几个月前只是在随笔博客里随手写了句“agent lab”，没想到现在竟然被 @breeves08 和 @ScottWu46 这样的人采用了 🫡
@tejalpatwardhan 这直接启发了我在 @cognition 开展 frontiercode 的工作 https://x.com/jai_torregrosa/status/2064100437549072593?s=20
我的 vibecode 写得太烂太难看了，多亏 @alessio_joseph 过来帮忙修了一下。
@METR_Evals 此前见于 @cognition_labs https://x.com/swyx/status/2062611218196771017?s=20
终于发布了！！！@METR_Evals 发现 SWEBench 的结果中有一半以上都是无法合并的垃圾代码。FrontierCode 代表了超过 1000 小时经维护者验证的软件工程工作，目前大多数前沿模型还无法解决这些问题，更不用
@cognition 你这么说还真巧。
明天发布——今年最重磅的代码评测发布。
很荣幸能为编程领域这一关键阶段的议程制定贡献一份微薄之力。
想法——全民基本 AI：
向每位美国公民发放 xAI、OpenAI 和 Anthropic 的一股股份。
成本：
xAI：$135.00 × 3.49 亿 = $470 亿
OpenAI：$733.54 × 3.49 亿 = $2560 亿
Anthropic：$930.45 × 3.49 亿 = $3250 亿
总成本 6280 亿美元，占美国政府预算的 8.5%，国防预算的 62%，规模约等于金融危机期间约 7000 亿美元的 TARP 计划（TARP 主要流向大银行，而此方案将更加去中心化）。
一种流行的理论认为，学术论文和实验室出版模式之所以式微，是因为研究人员意识到，与其在市场部门面前据理力争，不如直接离职，凭借受法律保护的隐性知识换取超过1亿美元的报酬。
加州对竞业禁止协议的限制，对知识传播的影响力甚至超过了 GitHub、arXiv 和 Hugging Face 的总和。
*顺便说一下，这也是我创办 @aidotengineer 的动力：将其打造为一个以产品为中心的行业会议，以补充那些以论文为中心的学术会议。
比“始终使用计划模式”更聪明的做法是：始终将任务表述为一个问题。这样可以引导模型去质疑、评估想法质量或提供替代方案，而不是盲目执行你“所说”的内容（而那往往并非你的“本意”）。其实，只需在提示词末尾加个“？”通常就能奏效。
我很喜欢目前担任 aie BDFL 的感觉，因为我可以搞点小花样，比如我们在伦敦搞的 AGI 药丸，还有这个 [链接]。
@aiDotEngineer 笑死，设计师 Vincent 又在搞前沿能力测试了 https://twitter.com/swyx/status/2063013079974367557/photo/1