OpenAI断供Cursor之后，编程Agent真正的战争才刚开始
OpenAI断供Cursor，让编程Agent的竞争第一次显露出真正的结构变化：模型公司正向下做Agent，第三方Agent则向上做模型、路由和基础设施。未来的赢家，未必是谁拥有最强模型，而是谁能掌握开发者每天工作的那一层。
错失 ChatGPT 的前夜：Google 为什么亲手杀死了自己的 LMChat？
DeepMind早在ChatGPT发布前一年就做出了LMChat，但组织结构、搜索广告商业模式与产品风险，让它最终没能走向公众。Google错过的不是AI，而是定义第一代生成式AI大众产品的机会。
Codex负责人Tibo最新访谈：OpenAI开始让AI改进自己，真正变化的却不是模型
OpenAI、Anthropic和DeepMind都开始让AI参与训练、推理、Kernel、Harness甚至芯片设计。完整的递归自我改进还没发生，但一个更现实的反馈循环已经出现：AI正在参与生产下一代AI。
Anthropic CEO Dario Amodei说AI 5—10年能治愈大多数疾病，但谁有权踩刹车？
Dario认为AI可能在5—10年内治愈大多数疾病，却同时主张给前沿AI加上更严格的安全约束。真正的问题不是AI该快还是该慢，而是谁有权决定哪些地方踩油门、哪些地方踩刹车，以及判断失误的代价最终由谁承担。
DeepSeek终于能看图了，但真正补上的不是多模态
DeepSeek推出V4 Flash Vision，看起来只是补上了视觉能力，但真正重要的是，它开始让Agent具备感知环境、观察执行结果并继续行动的能力。从V4、Harness到Vision，DeepSeek正在把模型从“会回答问题”推进到“能真正把事情做完”。
Jeff Dean离开Google后首次公开访谈：AI真正值得自动化的，可能不是工作
Jeff Dean离开Google后，将下一阶段押注在“自动化科学发现”。过去AI不断把算力转化为智能，接下来更值得关注的，可能是把智能转化为更多实验和发现，让AI帮助人类解决过去无力探索的问题。
DeepSeek V4涨价后，真正的问题不是谁在用，而是谁在赚钱
DeepSeek V4涨价后，部分平台调用量明显下降，但模型仍占据高位。真正值得关注的，不是还有多少人在用DeepSeek，而是这些调用的钱最终流向谁。开放权重能迅速做大生态，却也让模型份额、官方API份额与公司收入逐渐分离。
Stripe花80亿美元买OpenRouter，真正值钱的为什么不是AI模型？
Stripe拟以超80亿美元收购OpenRouter，真正值得关注的不是模型本身，而是AI产业的新价值层：当模型越来越多、越来越便宜，如何选择、路由、计量和结算智能，正在成为新的基础设施。
DeepSeek V4涨价后，为什么同样100万Token价格能差30倍？
DeepSeek V4涨价后，同样100万输入Token，缓存命中与未命中价格最高可相差30倍。进入Agent时代，模型真实成本已不只取决于Token单价，缓存命中率、上下文管理和Harness设计，正成为决定AI使用成本的新变量。
Claude开始给文字加“隐形水印”，它写的代码也有吗？
Anthropic开始为Claude引入基于SynthID-Text的隐形水印。它不藏字符，而是在生成时留下统计“指纹”。文章、翻译更容易检测，代码因选择空间更小，水印通常更弱。对用户几乎无感，但AI参与内容开始变得更可追溯。
DeepSeek Harness来了，国产AI Coding终于开始补最短的那块板
DeepSeek Harness 的意义，不是国产 AI Coding 已经追上 Claude Code，而是竞争终于从“谁的模型更强”进入“模型 + Harness”的系统阶段。随着模型能力逐渐接近，真正决定 Agent 能否稳定完成复杂任务的，越来越是工具调用、上下文管理、规划、子 Agent 与执行系统。DeepSeek 已经开始补这块最短的板，但真正的追赶才刚开始。
当AI Agent开始交付结果，谁来决定什么是“好结果”？
AI Agent越来越擅长把事情做完，但并非所有工作都有可量化、可验证的“好结果”。当生成与执行越来越便宜，真正稀缺的将是定义目标、判断优劣和做出选择的能力。未来人的价值，可能更多集中在“做什么”以及“什么才算好”。
DeepSeek V4 Pro正式版来了，旗舰AI模型为什么还敢卖50美元？
DeepSeek V4 Pro正式版在Agent和Coding能力上已进入第一梯队，但API价格仍远低于顶级闭源模型。真正值得关注的，不是谁又拿下Benchmark第一，而是当“足够接近最强”的模型越来越便宜，旗舰Agent依靠能力稀缺性维持高价的空间，可能正在迅速缩小。
AI最终会增加就业？扎克伯格赌的是Invention跑赢Automation
扎克伯格认为，超级智能最大的价值不是自动化，而是发明与创造。AI一边替代现有工作，一边降低创业和创新门槛。未来就业是增是减，真正取决于Automation与Invention谁跑得更快。
AI是真的，泡沫也可能是真的：诺奖得主为什么不相信硅谷的叙事
AI的技术进步是真实的，但技术价值、生产率价值和投资价值并不是一回事。阿西莫格鲁认为，AI短期宏观生产率贡献可能远低于市场预期，而GPU快速技术折旧又让巨额资本投入面临更高回报压力。互联网已经证明：技术革命是真的，投资泡沫也可以同时存在。
Google发现卖铲子比自己挖金矿更赚钱之后，DeepMind怎么办？
Google Cloud高速增长，让Google即使不靠Gemini长期保持第一，也能从AI浪潮中赚到钱。但相比模型排名和云收入，DeepMind更重要的价值或许是AlphaFold这样的长期科学突破。Google可以卖好“铲子”，但仍应给DeepMind留下人才、算力和时间，继续解决疾病与基础科学问题。
谢尔盖·布林重新回到Google AI权力中心，DeepMind为什么必须退半步？
Google重组AI权力结构，布林重新回到核心，Koray负责加速Gemini产品竞争，Demis则转向长期科学研究。这不是DeepMind的失败，而是Google试图同时解决两种时间尺度的问题：既要赢下今天的AI竞争，也不能失去面向未来的研究能力。
吴恩达最新判断：为什么AI自动化程度越高，懂业务的人反而越贵？
AI并未平均替代所有人，而是在重新划分工作的价值。随着代码、文字等执行成本下降，标准化岗位被压缩，懂业务、能定义问题、重构流程并借助AI交付结果的复合型人才，反而变得更加稀缺。
Sam Altman不再相信“AI会消灭工作”，他到底看错了什么？
AI没有像预想中那样迅速消灭工作，因为模型能完成任务，不等于能承担完整职业。它正先自动化标准环节、压缩初级岗位，并把人的价值推向目标设定、判断、协调和责任承担。
Google首席科学家Jeff Dean离职创业，他把“AI成功率1%”的选题法用在了自己身上吗？
Jeff Dean离开Google创办Discovery Loop，选择的不是AI已经会做的应用，而是自动化科学研究这一尚不成熟的方向。这与他的“1%选题法”高度一致：真正持久的AI创业机会，可能不在模型已有能力，而在可通过数据、实验和反馈闭环持续提升的能力空白。