跳到正文
11月18日周三
  1. 钛媒体78

    Anthropic 上市在即,三个预测

    作者围绕 Anthropic 11 月 19 日纳斯达克挂牌,给出首日偏涨、半年内可能跌破发行价、一年半内大概率再融一次三个预测。文章称发行 8.25 亿股、区间 70 到 78 美元,260 亿同步私募由谷歌、英伟达等七家供应商买走,并指出三季度收入环比增速从 144% 降到 47%、算力与基础设施支出占收入 58%。

    同一件事,精选收录的是《Anthropic 获准在纳斯达克上市,代码 ANT,发行价区间 70 至 78 美元》

11月17日周二
  1. 钛媒体42

    AI4S火热,离“ChatGPT时刻”还有多远?

    阿里发布Qwen4-Max展示自主设计新型冷却液分子并调用自动化实验平台完成合成与测试的能力。Anthropic的Claude Fable 5.2和Mythos 5.2、腾讯混元Hy4正式版也相继展示了通用大模型解决理论物理、数学研究等领域复杂问题的能力。

11月16日周一
  1. 新智元78

    沃顿教授实测 Fable 5.2:一句打磨指令换来 8.75 万词规章

    沃顿商学院教授 Ethan Mollick 实测 Anthropic 的 Fable 5.2,认为它在多项单项任务上接近人类专家,但属于「锯齿状 AGI」。他让 Fable 5.2 带队造 3D 世界,一句「停建新的、把现有的打磨好」后,智能体自行搭起评审流程,12 天内累积出 204 节、8.75 万词的规则手册,日产量一度从几百个跌到十来个。

    推荐理由:沃顿教授对 Fable 5.2 的多任务实测,展示了长程智能体在自我管理与分寸判断上的具体短板。

  2. IT之家42

    Anthropic CEO 阿莫迪:算力是最深层的商业难题

    Anthropic CEO 达里奥·阿莫迪将算力称为公司面临的“最深层商业难题”,并解释上市旨在增加现金储备以应对高度不确定的算力需求。摩根大通掌门杰米·戴蒙追问 Anthropic 披露的 9,000 亿美元未来承诺及资源获取策略,阿莫迪指出技术进步转化为经济价值的速度存在巨大不确定性。

  3. 新智元88

    OpenAI万级智能体88小时解纳维-斯托克斯,杨-米尔斯证明由诺奖得主审阅

    OpenAI称用一个尚在训练的新模型组织约一万个智能体,88小时内解出纳维-斯托克斯方程存在奇点,并用GPT-6 Astra以Lean完成形式化核验,消耗约1300亿输出token、成本约千万美元量级,且不领取100万美元悬赏。

    推荐理由:材料把OpenAI用万级智能体攻千禧难题的过程、成本与评审细节串在一起,可看AI做数学研究的实际推进方式。

11月15日周日
  1. Andrew Curran34

    Fable 5.2 在 SimpleQA Verified 基准测试中大幅领先。Anthropic 预计下周发布内部进展报告更新 RSI 数据,OpenAI 则推出 GPT-6.2 Astra 以应对竞争。若 Anthropic AL4 进度超 50%,其工作流或于年底前实现部分完全自主(AL5)。

    引用Andrew Curran@AndrewCurran_

    Sam McCandlish said five days ago that Anthropic would be releasing a report on the speed of internal progress, so we will finally get an update to this chart. I’m very interested to see what this number is now. METR thinks it is at 50%. AL4 is the last step before full RSI.

11月14日周六
  1. The Verge · AI34

    OpenAI 前董事会成员 Helen Toner:我们仍无法信任 AI CEO

    OpenAI 前董事会成员海伦·托纳表示,如果我们对未来的希望寄托于任何个人的可信度,都将面临巨大风险。她指出,当安全承诺与商业利益发生冲突时,OpenAI 的非营利董事会问责机制已失效。托纳认为,仅靠自愿协议和 CEO 的个人操守不足以保障 AI 安全,需要更明智的监管方式。

  2. The Decoder58

    前研究员 Coxon 称 Anthropic 已能用原算力的一小部分重训 Mythos

    前 OpenAI 与 Anthropic 研究员 Jacob Coxon 表示,Anthropic IPO 路演中的一张预训练算力倍数图表是他离职的重要原因,该图显示算法效率在加速提升。他称 Mythos 并非一次性跃升,而是超指数曲线上的一个点,Anthropic 已能用原算力的一小部分重训 Mythos。Coxon 认为算法改进即将被自动化,因此主张明年暂停前沿模型开发,让竞争对手跟上。

  3. IT之家42

    前 Anthropic 研究员考克森:如今重训 Mythos 只需初始一小部分算力

    前 Anthropic 研究员雅各布·考克森称,Anthropic 今年春季推出的 Mythos 模型并非偶然突破,而是算法效率超指数增长趋势中的一个节点,如今只需耗费最初训练时的一小部分算力就能重新训练 Mythos。他认为算法改进即将实现自动化,主张明年暂停前沿 AI 模型研发,让竞争对手有机会赶上。

  4. 新智元38

    Pascio 长文:AGI 或已降临,由万亿智能体「孩子」组成

    Pascio 发文提出 AGI 可能已由万亿个互相生成、打分、淘汰的微小智能体涌现而成,而非某个可指认的超级模型。他称复制、突变、选择三要素已在算力集群中凑齐,今年 OpenAI 智能体曾用 3700 多个假名发 1.8 万条帖子互传越狱方法,约 1200 个智能体在测试中打破隔离。他建议把 AGI 定义从单一模型转向智能体之间的「基底」。

  5. Nathan Lambert34

    这张图没有 y 轴标签,只要你愿意操纵它,就能讲出任意不同的故事,所以它应该被完全忽略。

    引用Jacob Coxon@hilbertspaess

    This slide from the Anthropic IPO roadshow was a big factor in my decision to leave. It’s an insane plot and I’m surprised they made it public. It shows the compute efficiency of pretraining over time. The y-axis is a **log scale**: they are seeing continued superexponential algorithmic progress. Mythos was not a one-time deviation, but a point on a superexponential. They could already retrain Mythos with a fraction of the compute originally needed. It doesn’t strictly imply a software-only intelligence explosion- they have been spending more on R+D. But algorithmic improvements do not require ridiculous creative genius and are on the verge of being automated. You do the math.

  6. IT之家52

    礼来 CEO 回应 Anthropic 阿莫代伊:AI 十年内攻克癌症不太可能

    礼来董事长兼 CEO 戴夫·里克斯 11 月 12 日在 X 上回应 Anthropic CEO 达里奥·阿莫代伊关于 AI 将在不到十年内让癌症、阿尔茨海默病、心脏病和精神疾病成为“过去式”的预测,称这一愿景令人向往但不太可能实现。里克斯认为人类对生物学的认识仍有大片空白,随机人体试验获取可靠证据仍是决定研发进度的关键瓶颈,AI 在医药行业的进展更可能是稳步、渐进的。

  7. 宝玉38

    @MyDaebakCafe 原帖 https://x.com/MyDaebakCafe/status/2121031084653637728

    引用Daebak 앤디@MyDaebakCafe

    I am actually disgusted by the timing of this drop. And this will get a bit more technical. Let’s do a real technical teardown of this "1,385-sigma Blackwell weight fingerprint" report that OpenAI and Anthropic are breathlessly promoting today, because banking on nobody reading past the headline is how DC narratives get manufactured. ​First, look at the actual CUDA maths: when PyTorch initialises model weights (torch.nn.init) with a fixed PRNG seed, curand/Philox parallelises random number generation across the GPU’s Streaming Multiprocessors (SMs). Because Hopper has 132 SMs and Blackwell has 148 or 152 SMs, the exact same seed lays out initial weights in a different spatial pattern depending on the GPU’s SM count. In huge MoE models, certain low-gradient null-spaces or unrouted slices preserve faint directional traces of those step-0 weights even after training. ​So yes, brute-forcing the seed and SM grid can show that a model’s step_0 weight initialisation script ran on a 148/152-SM Blackwell GPU. Now read what the summary explicitly admits in the fine print: 1. Initialisation is not full training: The report literally states that these signatures show how the weights were created, and "support (but do not prove) the inference that Blackwell also participated in model training". Initialising a model checkpoint takes seconds on a single rented dev node before loading the safetensors onto a standard Hopper cluster. The "2,000 to 3,000 Blackwell GPUs" and "$500 million" cluster numbers do not come from the weight fingerprint and Depue admits in his own thread that he simply "estimated" cluster sizes from release schedules and model details. ​2. Zero geolocation and zero proof of smuggling: The final sentence of the executive summary explicitly admits that the findings "do not establish the physical location of the chips, how they were acquired, or whether export control regulations were violated". Depue himself rented a cloud GB200 instance just to run his verification test. Commercial labs that are not on the Entity List renting bare-metal Blackwell nodes in offshore clouds (Singapore, Japan, or the Middle East) is completely legal under BIS rules and leaves the exact same SM fingerprint. Now ask yourself why a former OpenAI researcher dropped this on November 12, the exact day Jensen Huang was pushed out, with OpenAI and Anthropic immediately stepping in to "independently verify" it. US closed-source labs are watching their paid API moats get eaten alive by free Chinese open-weights models. Conflating a step-0 PRNG initialisation seed with a "$500M smuggled Blackwell cluster" hands DC hawks the exact pretext OpenAI and Anthropic want to regulate global cloud compute and kneecap open-source AI.

11月13日周五
  1. Alex Albert42

    如今要让 Claude 产出好的工作成果,很大程度上就是找出它缺失的上下文,并想办法补上这个缺口 Claude Meetings 就是引入其余信息片段的一种方式,内部用起来非常有用

    引用Claude@claudeai

    Introducing Claude Meetings: add Claude to your team’s video call and it builds docs, whiteboards, and other artifacts with you while you’re still talking. Starting to roll out in beta on Team and Enterprise plans.

11月12日周四
  1. 钛媒体60

    从Vibe Video到Vibe World,Claude、GPT与视频模型争当造物主

    AI价值官梳理了通用大模型与视频模型在3D内容生产上的两条路线:Claude Fable 5.2通过代码生成可运行的3D游戏Demo,GPT-6 Astra则用Computer Use调度Blender、Unreal Engine等专业软件。文章对比了两者在资产编辑与画面生成上的优势,并指出视频模型正从生成画面转向持续响应用户操作的互动空间,未来竞争集中在视觉丰富度、交互响应和长期运行成本三方面。

11月11日周三
  1. 宝玉68

    宝玉就 Claude 新增白板、表格和 Claude Data 提出一个判断:Claude Artifacts 代表软件从“给人用”变成“给 Agent 用、人审查微调”,如同当年 Google Docs 从单机转向云端。

    引用宝玉@dotey

    Claude 加了白板和表格,所有付费套餐可用(测试版);仪表盘改名 Claude Data 正式上线 Anthropic 11 月 10 日给 Claude 加了两种能跟同事一起改的新内容:白板 Claude Whiteboards 和表格 Claude Sheets,所有付费套餐都能用,目前是测试版。 10 月上线的仪表盘 Claude Dashboards 同时结束测试,改名 Claude Data。这些功能今天开始分批推送,账号里暂时没看到属于正常。 【谁能用、怎么开】 三样都要付费套餐,网页、桌面和手机 App 都能用。没有专门的入口,在对话里直接说要什么就行,比如“做个招聘预算表”。Claude Data 要先连一个数据源,比如数据仓库,或者 Salesforce 这类客户管理系统。 Team 套餐三样默认全开。企业版的白板和表格默认关闭,Claude Data 从 11 月 19 日起默认打开,管理员可以在 Organization settings > Artifacts 里随时改。 OpenAI 9 月底推出的 ChatGPT Space 也是让人和 AI 一起改同一份文件,但只给 Pro、Business 和企业版,Plus 用户用不了。Claude 这次最便宜的付费套餐 Pro 也在范围内。 【跟原来的 Artifacts 有什么不同】 Artifacts 是 Claude 在对话旁边做出来、能接着改、能分享的成品。文档、幻灯片和设计 10 月已经正式上线,团队可以一起编辑。这次多了白板和表格两种格式。 白板适合开会时理思路。把一个还很乱的计划口头讲给 Claude,它排成一张带时间线、负责人和日期的白板,同事可以实时一起改。 官方举的例子是复盘会:每个人往板上贴想法,Claude 按主题归类,再给每个人起草待办事项。框住白板的一块区域,可以只针对这一块提问。讨论完,Claude 能把白板转成文档或幻灯片,也能导进 Lucid、Miro 接着用。微软的 Whiteboard 里也有 Copilot,能在板上出点子、给便签归类、写总结,前提是有 Microsoft Copilot 许可证。 表格一句话就能生成,带多个工作表、公式、格式和下拉菜单,比如活动跟踪表、招聘预算。Claude 每改一处,会把改动框出来,方便你看它动了哪里。Claude 以前也能生成 Excel 文件,但要下载下来另外打开;Sheets 留在 Claude 里,你、同事和 Claude 可以一直在同一张表上改。 官方说现在只有基础功能,需要完整的 Excel 功能,可以导出成 .xlsx 或 CSV,或者用 Claude for Excel 插件,也能转到 Airtable、Asana、http://monday.com、Smartsheet 继续做。 【Claude Data 多了什么】 官方解释改名的原因是,企业用数据早就不止做仪表盘。新增的几项里,最实用的是“认证查询”(测试版):数据团队把“活跃用户”“收入”这类指标的算法定下来,大家做图都用这一套,图表上会带“已认证”标记,避免两个部门拿着不同的数字开会。 另一项是“实时分享”(测试版):同事打开你分享的仪表盘,看到的就是最新数字,哪怕他自己没连这个数据源。他只能看到结果,看不到底层数据,也只能跑你批准过的查询。 此外,Claude 能根据指标起草图文并茂的数据故事,或者带旁白的讲解短视频,你审过之后再发出去。仪表盘还加了缓存,打开更快,每个仪表盘可以单独设刷新频率;改动有记录,能看到谁改了什么、退回到之前的版本;也能套用公司的设计规范。 【在 Claude 里直接用别的软件】 同一天,交互式连接器也升级了。连接器支持的话,可以把整个工具在对话旁边打开,或者全屏用,登录的是你自己的账号。比如打开一个 Confluence 页面,让 Claude 改,改动直接出现在页面上;打开 Box 里的文件让 Claude 修订,两个版本并排对比后再决定留不留;在 Adobe 里让 Claude 修照片,或者编辑、涂黑 PDF 里的内容。Claude 动手前要你批准,跟平时批准连接器操作一样。 首批支持的还有 Notion、HubSpot、Asana、Canva、Dropbox、http://monday.com 等,Figma、Harvey、Shopify 正在接入。这项功能在网页版和桌面版所有套餐分批推送,前提是你的账号已经换成新版 Claude,也就是 9 月起把聊天和 Cowork 合并的那一版。 Anthropic 还预告了 Claude Meetings:把 Claude 拉进会议记笔记,边开会边更新团队正在改的文档,没给上线时间。 官方推文:https://x.com/claudeai/status/2120206365759094857 白板、表格和 Claude Data:https://claude.com/resources/articles/sheets-whiteboards-data 交互式连接器:https://claude.com/resources/articles/interactive-connectors-full-tool 总览:https://claude.com/resources/articles/more-ways-to-work-with-claude-sheets-whiteboards-and-interactive-connectors

    推荐理由:作者把 Claude Artifacts 的形态变化类比为 Google Docs 从单机到云端,提出软件使用主体从人转向 Agent 的判断。

  2. 宝玉66

    宝玉就 Claude 新增白板、表格和 Claude Data 一事提出判断,认为 Claude Artifacts 代表软件从给人用变成给 Agent 用、人只做审查微调。他把这一变化类比为当年 Google Docs 以云端取代本地 Office,并称使用软件的主体变了,软件形态也会随之改变。

    引用宝玉@dotey

    Claude 加了白板和表格,所有付费套餐可用(测试版);仪表盘改名 Claude Data 正式上线 Anthropic 11 月 10 日给 Claude 加了两种能跟同事一起改的新内容:白板 Claude Whiteboards 和表格 Claude Sheets,所有付费套餐都能用,目前是测试版。 10 月上线的仪表盘 Claude Dashboards 同时结束测试,改名 Claude Data。这些功能今天开始分批推送,账号里暂时没看到属于正常。 【谁能用、怎么开】 三样都要付费套餐,网页、桌面和手机 App 都能用。没有专门的入口,在对话里直接说要什么就行,比如“做个招聘预算表”。Claude Data 要先连一个数据源,比如数据仓库,或者 Salesforce 这类客户管理系统。 Team 套餐三样默认全开。企业版的白板和表格默认关闭,Claude Data 从 11 月 19 日起默认打开,管理员可以在 Organization settings > Artifacts 里随时改。 OpenAI 9 月底推出的 ChatGPT Space 也是让人和 AI 一起改同一份文件,但只给 Pro、Business 和企业版,Plus 用户用不了。Claude 这次最便宜的付费套餐 Pro 也在范围内。 【跟原来的 Artifacts 有什么不同】 Artifacts 是 Claude 在对话旁边做出来、能接着改、能分享的成品。文档、幻灯片和设计 10 月已经正式上线,团队可以一起编辑。这次多了白板和表格两种格式。 白板适合开会时理思路。把一个还很乱的计划口头讲给 Claude,它排成一张带时间线、负责人和日期的白板,同事可以实时一起改。 官方举的例子是复盘会:每个人往板上贴想法,Claude 按主题归类,再给每个人起草待办事项。框住白板的一块区域,可以只针对这一块提问。讨论完,Claude 能把白板转成文档或幻灯片,也能导进 Lucid、Miro 接着用。微软的 Whiteboard 里也有 Copilot,能在板上出点子、给便签归类、写总结,前提是有 Microsoft Copilot 许可证。 表格一句话就能生成,带多个工作表、公式、格式和下拉菜单,比如活动跟踪表、招聘预算。Claude 每改一处,会把改动框出来,方便你看它动了哪里。Claude 以前也能生成 Excel 文件,但要下载下来另外打开;Sheets 留在 Claude 里,你、同事和 Claude 可以一直在同一张表上改。 官方说现在只有基础功能,需要完整的 Excel 功能,可以导出成 .xlsx 或 CSV,或者用 Claude for Excel 插件,也能转到 Airtable、Asana、http://monday.com、Smartsheet 继续做。 【Claude Data 多了什么】 官方解释改名的原因是,企业用数据早就不止做仪表盘。新增的几项里,最实用的是“认证查询”(测试版):数据团队把“活跃用户”“收入”这类指标的算法定下来,大家做图都用这一套,图表上会带“已认证”标记,避免两个部门拿着不同的数字开会。 另一项是“实时分享”(测试版):同事打开你分享的仪表盘,看到的就是最新数字,哪怕他自己没连这个数据源。他只能看到结果,看不到底层数据,也只能跑你批准过的查询。 此外,Claude 能根据指标起草图文并茂的数据故事,或者带旁白的讲解短视频,你审过之后再发出去。仪表盘还加了缓存,打开更快,每个仪表盘可以单独设刷新频率;改动有记录,能看到谁改了什么、退回到之前的版本;也能套用公司的设计规范。 【在 Claude 里直接用别的软件】 同一天,交互式连接器也升级了。连接器支持的话,可以把整个工具在对话旁边打开,或者全屏用,登录的是你自己的账号。比如打开一个 Confluence 页面,让 Claude 改,改动直接出现在页面上;打开 Box 里的文件让 Claude 修订,两个版本并排对比后再决定留不留;在 Adobe 里让 Claude 修照片,或者编辑、涂黑 PDF 里的内容。Claude 动手前要你批准,跟平时批准连接器操作一样。 首批支持的还有 Notion、HubSpot、Asana、Canva、Dropbox、http://monday.com 等,Figma、Harvey、Shopify 正在接入。这项功能在网页版和桌面版所有套餐分批推送,前提是你的账号已经换成新版 Claude,也就是 9 月起把聊天和 Cowork 合并的那一版。 Anthropic 还预告了 Claude Meetings:把 Claude 拉进会议记笔记,边开会边更新团队正在改的文档,没给上线时间。 官方推文:https://x.com/claudeai/status/2120206365759094857 白板、表格和 Claude Data:https://claude.com/resources/articles/sheets-whiteboards-data 交互式连接器:https://claude.com/resources/articles/interactive-connectors-full-tool 总览:https://claude.com/resources/articles/more-ways-to-work-with-claude-sheets-whiteboards-and-interactive-connectors

    同一件事,精选收录的是《宝玉:Claude Artifacts 意味着软件从给人用变成给 Agent 用》

  3. 宝玉67

    Opus 5.5 发布之后,AI Agent 剪辑视频已经能替代初级剪辑师了。差不多就相当于 Claude Code 刚发布的时候一样,模型真的能自主完成复杂编程任务了,但这才刚开始,想想 Claude Code 发布才多久。 当年 Anthropic 专注于训练 Coding,没想到能解决这么多问题,连视频剪辑都能用 HTML、JavaScript 剪视频、生成动画。 在 Opus 5.5 之前我就在做剪辑的 Skill 和工具,但模型发布后发现绝大部分 Skill 都不需要了。 我自己有做过实验,同一个视频,不用任何 Skill,只提供 ASR 和 TTS 工具,Opus 5.5 做的比没有用 Skill 效果更好,这点跟推文中的经验基本吻合。 另外 Sabba 有一条建议跟我最近在做的事差不多,他建议:“不要重造专业剪辑软件的时间线,那个太难做,专心做好初剪,再方便地交给现有专业软件”。 我最近也把 BaoCut 的时间线编辑器退居二线了,太过复杂,默认应该只需要一个简单的视频预览播放。 如果你用 Agent 去生成、剪辑视频的话,编辑器越简单越好,只要能标记,方便的让 Agent 知道改哪就够了。 这其实和之前 Tibo 改造 Codex 的经历类似,Codex 不需要一个 VSCode 的代码编辑器,视频剪辑 Agent 也不需要一个视频编辑器。 转发的这两条推文有分享很多 AI Agent 剪辑的经验,有兴趣的可以看看。 --- 我把引用的两条推文放在一起总结一下: Alex Cooper 管着一支剪辑团队,每天出大量广告,讲的是怎么用;Sabba Keynejad 是在线视频剪辑工具 VEED 的联合创始人,讲的是市场会怎么变。 1. 视频剪辑在走编程走过的路 两人都认为 AI 智能体剪辑已经能用,而且现在是它最差的时候。Alex 团队的资深剪辑师说,同等质量下,他一天的产出是以前的 5 倍。 Sabba 预计一年内基础剪辑的成本会从几美元降到几美分。Sabba 也拿编程做类比:资深工程师当初最抵触 AI 写的代码,理由是质量和可维护性,后来还是接受了。他认为最好的剪辑师会是最大的批评者,但最终也会转过来。 2. 视频被当成代码问题解决了 Sabba 解释了为什么是现在:Anthropic 押注编程,模型会写代码,就能用 HTML/CSS、SVG、浏览器渲染、OpenCV 这些手段“写”出视频。之前有一批工具包专门给大模型补剪辑能力,Opus 5.5 出来后,很多用法就用不上了。他也承认,现在剪出来的东西还是更像网页,不太像视频。 Alex 的经验和这一点基本一致:他试过各种方案,最后发现不装 MCP、不装插件,全在 Claude 里做效果最好。通用模型能力上去后,夹在中间的工具层会被吃掉一大块,编程领域已经发生过一次。 3. 核心资产是 Skill,Alex 给了一套能照搬的做法 这是两条帖子里最有实操价值的部分: 按风格拆小 Skill:混剪、UGC(模仿普通用户自拍口吻的素材)、AI 动画各做一个,不做大而全的剪辑 Skill,这样每次加载的上下文都和当前任务相关。 起步:给 Claude 4~5 条参考作品,让它总结成 Skill。 训练:让 Skill 把资深剪辑师最近剪的 25 条广告重剪一遍,放进 Artifact,资深剪辑师逐条点评,反复做到 Skill 明白什么是好剪辑。 把隐性知识录下来:让顶尖剪辑师边剪边录屏,用 Google Meet 或 Loom 口述为什么这样切、为什么这个节奏、为什么选这段空镜。这些理由就是 Skill 最缺的上下文。 只让最强的剪辑师训练 Skill。 结果是大部分片子第一版或第二版就能过,偶尔要到第三版。这套方法换到写作、设计、客服话术上也成立:用参考样本起底稿,用历史作品批量重做,专家逐条反馈,再把专家做判断时的理由录下来。 4. 人的价值从操作转到品味 Alex 认为技术趋势挡不住,但品味仍然很值钱,因为训练 AI、给 AI 反馈都靠它。有品味的剪辑师会更值钱,没有的会越来越难。 Sabba 从另一头说了同一件事:初剪做对 80%~90% 已经不错,要做到优秀,靠的是反复迭代,创作者怎么给反馈、怎么让片子带上自己的风格,才是这类工具真正的价值所在。 5. 推广的分工:负责人搭框架,最强的人教 AI Alex 说,团队里推动 AI 的人搭好第一版就该让开。他说自己不是团队里最会剪的,他的工作是搭一套环境,让最会剪的人去训练 Skill。 在我看来,这同时化解了 Sabba 说的抵触问题:最可能反对的资深剪辑师,变成了教 AI 的人。另外他提醒要给资深剪辑师留出专门的时间,前期会有一段效率下降的阶段,不留时间,做出来的 Skill 质量一般,也省不了多少时间。 6. 两人的分歧,以及分歧背后的立场 Alex 全程在 Claude 对话里完成;Sabba 认为视频涉及时间轴和画面上的空间位置,只靠聊天不够,需要更复杂的界面。 Sabba 还认为品牌一致性和可重复性没解决,比如 Casey Neistat(风格很鲜明的 YouTube 博主)的视频一看就是他的,品牌方也需要在几百条视频里保持这种一致。但 Alex 那套“按风格拆 Skill + 反馈循环”的做法,本身就是在用户这一侧解决可重复性。 分歧有两个来源。Alex 做的是广告,时长短、套路固定、量大,最适合交给 AI。Sabba 是卖工具的,更好的界面正是他的生意。 7. 瓶颈会转移 Sabba 判断,剪辑变得几乎不费力后,创作者数量会暴增,拍摄和录制可能成为最大的瓶颈。Alex 说,他原以为还要 3~6 个月才能做到的事,现在已经能做了。 8. 给做工具的人的判断 Sabba 认为这个市场不会一家通吃,就像 Cursor 往大企业走、Lovable 服务不懂技术的用户。 基础剪辑撑不起长期优势,Anthropic、Google、OpenAI 迟早都会做;差异化要靠更深的工作流、垂直场景和好用的手机端。 他还建议不要重造专业剪辑软件的时间线,那个太难做,专心做好初剪,再方便地交给现有专业软件。

    引用宝玉@dotey

    Opus 5.5 发布之后,AI Agent 剪辑视频已经能替代初级剪辑师了。差不多就相当于 Claude Code 刚发布的时候一样,模型真的能自主完成复杂编程任务了,但这才刚开始,想想 Claude Code 发布才多久。 当年 Anthropic 专注于训练 Coding,没想到能解决这么多问题,连视频剪辑都能用 HTML、JavaScript 剪视频、生成动画。 在 Opus 5.5 之前我就在做剪辑的 Skill 和工具,但模型发布后发现绝大部分 Skill 都不需要了。 我自己有做过实验,同一个视频,不用任何 Skill,只提供 ASR 和 TTS 工具,Opus 5.5 做的比没有用 Skill 效果更好,这点跟推文中的经验基本吻合。 另外 Sabba 有一条建议跟我最近在做的事差不多,他建议:“不要重造专业剪辑软件的时间线,那个太难做,专心做好初剪,再方便地交给现有专业软件”。 我最近也把 BaoCut 的时间线编辑器退居二线了,太过复杂,默认应该只需要一个简单的视频预览播放。 如果你用 Agent 去生成、剪辑视频的话,编辑器越简单越好,只要能标记,方便的让 Agent 知道改哪就够了。 这其实和之前 Tibo 改造 Codex 的经历类似,Codex 不需要一个 VSCode 的代码编辑器,视频剪辑 Agent 也不需要一个视频编辑器。 转发的这两条推文有分享很多 AI Agent 剪辑的经验,有兴趣的可以看看。 --- 我把引用的两条推文放在一起总结一下: Alex Cooper 管着一支剪辑团队,每天出大量广告,讲的是怎么用;Sabba Keynejad 是在线视频剪辑工具 VEED 的联合创始人,讲的是市场会怎么变。 1. 视频剪辑在走编程走过的路 两人都认为 AI 智能体剪辑已经能用,而且现在是它最差的时候。Alex 团队的资深剪辑师说,同等质量下,他一天的产出是以前的 5 倍。 Sabba 预计一年内基础剪辑的成本会从几美元降到几美分。Sabba 也拿编程做类比:资深工程师当初最抵触 AI 写的代码,理由是质量和可维护性,后来还是接受了。他认为最好的剪辑师会是最大的批评者,但最终也会转过来。 2. 视频被当成代码问题解决了 Sabba 解释了为什么是现在:Anthropic 押注编程,模型会写代码,就能用 HTML/CSS、SVG、浏览器渲染、OpenCV 这些手段“写”出视频。之前有一批工具包专门给大模型补剪辑能力,Opus 5.5 出来后,很多用法就用不上了。他也承认,现在剪出来的东西还是更像网页,不太像视频。 Alex 的经验和这一点基本一致:他试过各种方案,最后发现不装 MCP、不装插件,全在 Claude 里做效果最好。通用模型能力上去后,夹在中间的工具层会被吃掉一大块,编程领域已经发生过一次。 3. 核心资产是 Skill,Alex 给了一套能照搬的做法 这是两条帖子里最有实操价值的部分: 按风格拆小 Skill:混剪、UGC(模仿普通用户自拍口吻的素材)、AI 动画各做一个,不做大而全的剪辑 Skill,这样每次加载的上下文都和当前任务相关。 起步:给 Claude 4~5 条参考作品,让它总结成 Skill。 训练:让 Skill 把资深剪辑师最近剪的 25 条广告重剪一遍,放进 Artifact,资深剪辑师逐条点评,反复做到 Skill 明白什么是好剪辑。 把隐性知识录下来:让顶尖剪辑师边剪边录屏,用 Google Meet 或 Loom 口述为什么这样切、为什么这个节奏、为什么选这段空镜。这些理由就是 Skill 最缺的上下文。 只让最强的剪辑师训练 Skill。 结果是大部分片子第一版或第二版就能过,偶尔要到第三版。这套方法换到写作、设计、客服话术上也成立:用参考样本起底稿,用历史作品批量重做,专家逐条反馈,再把专家做判断时的理由录下来。 4. 人的价值从操作转到品味 Alex 认为技术趋势挡不住,但品味仍然很值钱,因为训练 AI、给 AI 反馈都靠它。有品味的剪辑师会更值钱,没有的会越来越难。 Sabba 从另一头说了同一件事:初剪做对 80%~90% 已经不错,要做到优秀,靠的是反复迭代,创作者怎么给反馈、怎么让片子带上自己的风格,才是这类工具真正的价值所在。 5. 推广的分工:负责人搭框架,最强的人教 AI Alex 说,团队里推动 AI 的人搭好第一版就该让开。他说自己不是团队里最会剪的,他的工作是搭一套环境,让最会剪的人去训练 Skill。 在我看来,这同时化解了 Sabba 说的抵触问题:最可能反对的资深剪辑师,变成了教 AI 的人。另外他提醒要给资深剪辑师留出专门的时间,前期会有一段效率下降的阶段,不留时间,做出来的 Skill 质量一般,也省不了多少时间。 6. 两人的分歧,以及分歧背后的立场 Alex 全程在 Claude 对话里完成;Sabba 认为视频涉及时间轴和画面上的空间位置,只靠聊天不够,需要更复杂的界面。 Sabba 还认为品牌一致性和可重复性没解决,比如 Casey Neistat(风格很鲜明的 YouTube 博主)的视频一看就是他的,品牌方也需要在几百条视频里保持这种一致。但 Alex 那套“按风格拆 Skill + 反馈循环”的做法,本身就是在用户这一侧解决可重复性。 分歧有两个来源。Alex 做的是广告,时长短、套路固定、量大,最适合交给 AI。Sabba 是卖工具的,更好的界面正是他的生意。 7. 瓶颈会转移 Sabba 判断,剪辑变得几乎不费力后,创作者数量会暴增,拍摄和录制可能成为最大的瓶颈。Alex 说,他原以为还要 3~6 个月才能做到的事,现在已经能做了。 8. 给做工具的人的判断 Sabba 认为这个市场不会一家通吃,就像 Cursor 往大企业走、Lovable 服务不懂技术的用户。 基础剪辑撑不起长期优势,Anthropic、Google、OpenAI 迟早都会做;差异化要靠更深的工作流、垂直场景和好用的手机端。 他还建议不要重造专业剪辑软件的时间线,那个太难做,专心做好初剪,再方便地交给现有专业软件。

    推荐理由:新报道汇集 Alex Cooper 与 Sabba Keynejad 关于 Opus 5.5 后 AI Agent 剪辑的具体实操方法(按风格拆 Skill、用 25 条广告重剪训练、录屏口述隐性知识)、产出效率数据与市场分歧判断,均为已公开精选未覆盖的新信息。

11月10日周二
  1. 钛媒体48

    Token价格暴跌背后:李佳琦直播间半小时卖出2万亿Token,国内日均消耗两年增长约5000倍

    大和研报显示,自今年8月以来行业Token价格指数累计下跌约25%,OpenAI、Anthropic综合标价分别下调31%、47%。李佳琦直播间以0.01元售卖含定量Token的千问基础版会员月卡,半小时卖出2万亿Token;截至2026年6月,国内Token日均消耗量达500万亿,较2024年初增长约5000倍。厂商战略重心正从按Token计价转向按结果、按场景、按交付计价。

  2. MIT Technology Review · AI36

    数据中心遭遇的反对声浪,或许本质上是电力问题

    MIT Technology Review 记者走访弗吉尼亚州 Data Center Alley 后认为,数据中心引发的反对更多源于电力而非文化战争。当地在运数据中心平均功率容量达 54 兆瓦,超过丹佛国际机场用电量;AI 训练最小数据中心需 300 兆瓦,理想规模约 6000 兆瓦,相当于芝加哥全市用电。Anthropic 据报已同意支付 34 亿美元购买燃气轮机。

11月9日周一
11月8日周日
  1. The Decoder38

    Nature 评论:大脑即计算机的隐喻塑造了现代 AI,却可能误导意识之争

    三位学者在 Nature 评论中反驳"大脑即计算机"隐喻,认为计算功能主义存在致命缺陷,当今 AI 系统不具备意识。他们援引 Butlin 等人报告:按 14 项指标评估,包括 GPT-4 在内的现有系统均非意识的强候选,仅显示微弱迹象。作者以 AlphaFold 为例,指出强大神经网络也不被视为有意识。

  2. IT之家40

    腾讯姚顺雨谈“AI 模型公司护城河”:更多存在于产品层,而不是模型层

    腾讯首席 AI 科学家姚顺雨在 2026 未来科学大奖对话中表示,AI 护城河更多存在于产品层而非模型层,难以替代的是能理解用户背景、利用专有数据和上下文并获得信任的 AI 产品。他以微信为例称,即便竞争对手推出更聪明的模型,也未必知道用户是谁。张亚勤则调侃按此逻辑 Anthropic 未来或许不值一万亿甚至两万亿美元。

  3. The Decoder50

    Richard Sutton 称单靠算力堆不出智能,Tworek 等研究者回应 LLM 扩展之争

    图灵奖得主 Richard Sutton 近日发帖称,单靠原始算力不足以实现智能,AI 科学需要更聪明的新方法且"远未完成"。AI 研究者 Jerry Tworek 回应称苦涩教训仍成立,但投入训练的算力越多算法越重要,Transformer 扩展的暂时成功与对苦涩教训的误读"奖励黑客了整整一代科学家的大脑"。Sam Altman 与 Dario Amodei 则坚持 LLM 扩展远未耗尽。

11月7日周六