不少读者朋友给我留言，说能不能聊聊AI抢工作这件事。 这其实也反应了一种普遍的焦虑情绪，即大家隐约感觉AI会对工作造成冲击。 但它具体是怎么把一个办公室白领的饭碗给干掉的，很多人并没有真实的体感。
在AI 技术迅猛发展的当下，全球正迎来一场关乎经济主导权的“竞赛”。波士顿咨询集团（BCG ）与印度工商联合会（FICCI）于 2025 年 9 月联合发布的白皮书《Global AI Race》（全球AI 竞赛）深入剖析了这一现象。
9 月 26 日，Flowith 再次迎来了大更新，这一次，它的核心所指，正是「上下文腐烂」以及更加「自由的创作」。接下来，我们分享全面实测体验。从我的实际体验来看，这次的 Flowith 更新，终于让上下文「活」起来了。
打破思维惯性，「小模型」也能安全又强大！北大-360联合实验室发布TinyR1-32B模型，以仅20k数据的微调，实现了安全性能的里程碑式突破，并兼顾出色的推理与通用能力。
采访时间不到1小时，信息密度却堪称爆炸！ OpenAI首席科学家Jakub Pachocki和首席研究官Mark Chen开启同台爆料模式：氛围编码的下一步或许是氛围研究（Vibe Researching）；
杜克大学团队发现，扩散大语言模型只需关注少量「中奖」token，就能在推理时把速度提升61-97倍，还能让模型更懂格式、更听话。新策略DPad不训练也能零成本挑出关键信息，实现「少算多准」的双赢。
这年头出门逛展，中国厂商真的是把排面拉爆了。比如火热进行中的东京电玩展（TGS），现场是这样的：一眼AI含量爆棚的，当属阿里展台——通义千问和通义万相两个开源界当红炸子鸡，妥妥C位出展。
在大模型训练时，如何管理权重、避免数值爆炸与丢失？Thinking Machines Lab 的新研究「模块流形」提出了一种新范式，它将传统「救火式」的数值修正，转变为「预防式」的约束优化，为更好地训练大模型提供了全新思路。
上周，一个做算法的朋友给我演示了用大模型生成电路原理图的过程。那个瞬间，我仿佛看到了未来的轮廓——当AI开始理解硬件设计，我们这些靠经验在竞争中胜出的工程师，出路在哪里？
奥特曼投下震撼弹：五年后AI将全面超越人类，到2030年诞生的「超级智能」甚至能攻克「量子引力」难题。人类智力的霸权时代，已进入倒计时。他在接受德国《世界报》采访时表示：我可以肯定地说，到2030年底之前，如果我们没能开发出能够完成人类自身无法企及任务的超级智能模型，我会感到非常意外。
