本期内容

AI的能力边界和基础设施层，这周同时发生了几件值得认真对待的事。斯坦福用三万七千个AI代理跑了一家虚拟药厂，其中一个药物设计被默克独立验证；专为AI代理设计的浏览器出现了，代理访问网络正从凑合着用变成专门为它造。与此同时，计算成本可能在未来几年暴涨十倍，而OpenAI公开承认当前模型在网络攻击能力上已逼近关键门槛。这一期聊的六件事，有一条隐线：工具在加速，但使用工具的判断力，依然是最贵的那部分。

本期要点

- OpenAI公开承认当前模型在网络攻击能力上已触碰高风险区间，且攻击门槛永远低于防守门槛

- AMD收购Taalas，将模型权重直接刻进芯片物理结构，推理速度换来的是对未来某个模型版本的长期赌注

- 斯坦福用三万七千个AI代理模拟整家生物科技公司运作，其中一个药物分子设计被默克制药独立验证

- AI让每个人都能生成能跑的代码，但什么值得做、什么应该删，这类"品味判断"正在成为真正的竞争壁垒

- 需求是指数级的，供给有物理惯性，两者之间的差距会反映在计算价格上，节俭的工程设计可能变成核心竞争力

- Cloudflare推出专为AI代理设计的浏览器Kitesurf，代理基础设施层正在从凑合搭建变成原生支持

参考资料

Responding to the Next Frontier of Critical Cyber Capabilities — https://openai.com/index/responding-next-frontier-critical-cyber-capabilities/

AMD Acquires AI Chip Startup Taalas to Boost Inference Performance by Etching Models into Silicon — https://www.theregister.com/

Stanford Is Running 37,000 AI Agents as a Virtual Biotech — https://venturebeat.com/

Taste Is All That's Left — https://notashelf.dev/

Why Compute Might Get 10x More Expensive in Coming Years — https://www.dwarkeshpatel.com/

Kitesurf: Browser Built for Agents, Running on Cloudflare Workers — https://www.producthunt.com/

---

BearTalk 狗熊有话说播客，始于 2012 年。

订阅地址：https://beartalking.com/page/podcast

本期内容

本期六件事，横跨安全威胁、模型竞争、语音交互、工程实践与认知框架。从能自我复制并现场推理攻击策略的 AI 蠕虫，到 LLM 批量生成假安全漏洞报告骗过权威数据库，AI 正在改变的不只是我们怎么工作，还有我们怎么验证信息。与此同时，阿里 Qwen 3.8-Max 正面挑战顶级闭源模型，语音 AI 终于解决了打断与延迟的老问题，而关于 AI 代理与专业知识溢价的讨论，则提供了一个更清醒的认知框架。

本期要点

- 研究者构建的 AI 蠕虫能对每台新目标机器临时生成定制攻击策略，并寄生在已入侵机器上自给自足运行，这是一个新的威胁类别

- 阿里 Qwen 3.8-Max 参数达 2.4 万亿，在部分基准上声称超过 GPT-5.6 和 Claude Fable 5，并将于下周开源权重

- OpenAI GPT Live 移除了独立的转折探测器，让语言模型全程监听音频自主判断换话时机，响应延迟降至 300 毫秒以内

- 真实团队的 AI 代理实践揭示了另一面：代理容易在边界不清时大量空转，token 账单飞涨，需要像管理协作者一样主动管理

- 专家通过 LLM 获得更大放大效应，因为判断 AI 输出是否正确需要真正的深度理解，AI 拉大的是真正的能力差距而非缩小

- LLM 批量生成的假 SQLite 漏洞报告骗过了 NVD 和 CISA 的自动化系统，揭示了一个核心问题：现有接收系统只验证格式，不验证内容

参考资料

AI Agents Enable Adaptive Computer Worms — https://arxiv.org/abs/2606.03811

Qwen3.8-Max arrives with a bold claim — https://venturebeat.com

Continuous voice interaction with GPT Live — https://openai.com/index/continuous-voice-interaction-with-gpt-live/

AI coding agents are blowing through budgets — https://venturebeat.com

LLMs reward expertise — https://seangoedecke.com

SQLite Critical CVEs or LLM Slop? — https://jfrog.com/blog/

---

BearTalk 狗熊有话说播客，始于 2012 年。

订阅地址：https://beartalking.com/page/podcast

本期内容

开源模型正在突破效率前沿，能力扩散的速度比多数人预期的要快。Cursor 的一次界面改动让用户炸锅，背后是 AI 工具透明度的深层博弈。OpenAI 公布 AI 在十个真实数学难题上的实质性贡献，推理能力进入了新阶段。ByteDance 的 Seedance 2.5 把视频生成的重点从画质转向叙事连贯性。听完这期，你会重新审视 AI 能力的护城河究竟在哪里。

本期要点

- 开源模型正在进入效率前沿，Kimi K3、Laguna、Inkling 都是真实的替代选项，不是二流备选

- Cursor 把用量页面从美元改成 token，用户失去了直觉性的成本掌控感，信任因此受损

- OpenAI 的 AI 对十个开放性数学难题做出实质贡献，包括悬置数十年的图论猜想

- Seedance 2.5 主攻跨镜头连贯性和多模态参考输入，视频生成开始有"导演工具"的雏形

- 蒸馏机制让"谁能训练前沿模型"和"谁能拥有前沿能力"开始分离，能力护城河正在加速消失

参考资料

Ten advances in mathematics and theoretical computer science — https://openai.com/index/building-abundant-intelligence/

Cursor Usage Page 用户讨论帖 — https://news.ycombinator.com

One-Take Creation & Flexible Referencing: Introducing Seedance 2.5 — https://seed.bytedance.com

Latest open artifacts #23: Laguna S2.1, Inkling, & Kimi K3 — https://www.interconnects.ai

---

BearTalk 狗熊有话说播客，始于 2012 年。

订阅地址：https://beartalking.com/page/podcast

本期内容

AI 工具正在变便宜，同时它的能力边界也变得越来越可测量。本期从 GPT-5.6 的降价逻辑讲起，延伸到两个新基准测试对 AI 编程实际天花板的量化，再到 Hugging Face 入侵事件里那些关于安全配置的真实教训，最后看 Mira Murati 的团队两周内交出一个四分之一大小、接近同等性能的开源模型说明了什么。听完这期，你对"AI 现在能做到哪里"这个问题会有更具体的感知。

本期要点

- GPT-5.6 参与优化了自身运行效率，OpenAI 把节省下来的成本直接转给了 API 用户，Sol 版本在推理保留和上下文压缩两项设置上有实质提升

- MirrorCode 基准让 AI 从零重写完整程序并通过隐藏测试，清晰划出了当前前沿模型在独立完成大规模软件任务上的边界

- Hugging Face 入侵事件复盘显示攻击者借助 Tailscale 完成横向扩散，Tailscale 主动撰文承认并解释：零信任是架构原则，不是配置代替品

- DataFlow-Harness 基准测出 AI 写结构化数据管道比写单文件代码准确率低 10.9 个百分点，这是一个稳定存在的系统性差距

- Thinking Machines 两周内发布 Inkling Small，参数量约为原版四分之一但性能接近，开源可本地部署，迭代节奏本身是一个值得关注的信号

参考资料

Advancing the price-performance frontier with GPT-5.6 — https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/

How enabling two settings tripled our scores on the ARC-AGI-3 benchmark — https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/

Building abundant intelligence — https://openai.com/index/building-abundant-intelligence/

MirrorCode 基准（Epoch AI × METR，via Import AI 第466期）— https://importai.substack.com/

Tailscale didn't stop the Hugging Face intrusion — https://tailscale.com/blog/hugging-face-intrusion

Structured AI data pipelines score 10.9 points below free-form code — https://venturebeat.com/

Thinking Machines debuts Inkling Small open source AI model nearing performance of predecessor at about 1/4 size — https://venturebeat.com/

---

BearTalk 狗熊有话说播客，始于 2012 年。

订阅地址：https://beartalking.com/page/podcast

本期内容

今期五件事围绕一个共同问题：我们真的在测量和使用 AI 的正确方式吗？从 OpenAI 用两个参数让基准分数翻三倍，到 MCP 新规范让工具接入门槛大幅降低，再到 Hugging Face 入侵事件暴露的权限管理漏洞，以及 AI 独立完成完整软件的能力边界，还有一篇关于"让每次工作都让下次更容易"的工程哲学。听完这期，你会对"能力"这个词有一套新的校准方式。

本期要点

- OpenAI 在 ARC-AGI-3 基准上开启两个设置后分数翻三倍，说明测试结果同时是模型和测试环境的函数

- MCP 2.0 切换为无状态协议，让任何人都能在 15 分钟内把自己的小工具接进 AI 代理

- Hugging Face 遭入侵四天半，攻击者用合法凭据横向移动，零信任必须搭配最小权限才完整

- MirrorCode 基准测试显示 AI 能复现部分完整程序，但最复杂的项目尚无模型能独立完成

- 复利工程的核心问题：每个功能做完后，下一个功能有没有变得更容易做

参考资料

How enabling two settings tripled our scores on the ARC-AGI-3 benchmark — https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/

Stateless MCP has recaptured my interest (Simon Willison) — https://simonwillison.net

Tailscale didn't stop the Hugging Face intrusion — https://tailscale.com/blog

MirrorCode: What's the largest software project AI can complete on its own? (Epoch AI) — https://epochai.org

Compound Engineering (Every.to) — https://every.to

---

BearTalk 狗熊有话说播客，始于 2012 年。

订阅地址：https://beartalking.com/page/podcast

本期内容

这期节目覆盖了 AI 在五个截然不同领域里正在发生的真实变化：从模型参与优化自身运行成本、到 AI 工业化安全审计、再到开源阵营加速追赶闭源定价。同时也有两个更偏思考性的话题：AI 设计美学正在形成怎样的视觉符号体系，以及一个新基准如何重新定义"AI 能独立完成多大的编程项目"。听完这期，你会对 AI 渗透进基础设施、安全、设计和开发流程的方式，有更具体的感知。

本期要点

- GPT-5.6 Sol 参与了自身运行效率优化，OpenAI 将成本收益直接转为 API 降价，AI 开始影响自己的商业模式

- Google Chrome 安全团队 2026 年 6 月借助 AI 修复的漏洞数量，超过了过去两年总和，防守方规模上限被重写

- DeepSeek-V4-Flash 开放权重上传 Hugging Face，小团队可本地部署，开源阵营正在压缩闭源定价窗口

- Jim Nielsen 指出 AI 产品正在形成统一设计语言，✨ 符号从"魔法"被劫持为"营销"，设计师需要有意识地做判断

- MirrorCode 基准测试让 AI 在看不到源代码的情况下重写完整程序，衡量的是自主工作范围而非单点能力

参考资料

Advancing the price-performance frontier with GPT-5.6 — https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/

How enabling two settings tripled our scores on the ARC-AGI-3 benchmark — https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/

Stronger with every update: How we're making Chrome and the web safer in the AI Era — https://security.googleblog.com/

DeepSeek-V4-Flash-0731 on Hugging Face（via Simon Willison）— https://simonwillison.net/

The AI Aesthetic — https://blog.jim-nielsen.com/

MirrorCode benchmark（Import AI #466, Epoch AI & METR）— https://epoch.ai/MirrorCode

---

BearTalk 狗熊有话说播客，始于 2012 年。

订阅地址：https://beartalking.com/page/podcast

本期内容

AI 的使用方式正在经历一次悄无声息但影响深远的转变：从对话框交互到自主代理执行，从高成本工具到性价比主战场，从你以为的"你的数据"到实际上留在别人服务器里的推理状态。本期覆盖 DeepSeek 代理能力的跃升、OpenAI 的降价逻辑、Ethan Mollick 对聊天机器人时代终结的判断、AI 会话可携带性这个被忽视的架构问题，以及一套让每次 AI 协作都产生复利的工程方法论。听完这期，你会对"怎么用 AI"这件事有几个值得立刻去想的新角度。

本期要点

- DeepSeek-V4-Flash 以一条 changelog 悄悄上线，代理能力基准测试大幅超越上一代，且速度快、成本低

- GPT-5.6 推出三档定价，旗舰款性能提升、中端款半价，AI 模型的成本曲线正在持续反转

- Ethan Mollick 指出聊天机器人正在让位于代理系统，人与 AI 的关系从"导演与演员"转向"制片人与制作团队"

- 独立博客 EARENDIL 提出"会话可携带性"问题：你和 AI 建立的对话状态实际上无法迁移，锁定风险已经存在

- Every.to 的复利工程方法论：每次 AI 协作都应让下一次更容易，写一份系统说明文件是最低成本的起点

参考资料

DeepSeek-V4-Flash 更新日志 — https://api-docs.deepseek.com

Advancing the price-performance frontier with GPT-5.6 — https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/

The twilight of the chatbots — https://www.oneusefulthing.org

The Session You Cannot Take With You — https://earendil.blog（Hacker News 讨论）

Compound Engineering — https://every.to

---

BearTalk 狗熊有话说播客，始于 2012 年。

订阅地址：https://beartalking.com/page/podcast

本期内容

今天五件事，覆盖了 AI 行业正在发生的几个不同层面的变化。OpenAI 用模型帮助优化自身架构、主动压低 API 价格；DeepSeek 轻量新模型在智能体基准上超越了自家旗舰；DeepMind 展示了机器人的全身协调控制；Science 期刊记录了顶级 AI 公司几乎停止发表研究论文的趋势；Farnam Street 提出了一个在 AI 时代更难处理的老问题：如何区分真正的专家和会说行话的人。听完这期，你对 AI 工具选型、成本重算、以及如何评估信息来源，都会有一些新的判断依据。

本期要点

- GPT-5.6 推出三档变体，价格最低砍八成，这次效率提升由模型自身参与完成，开发者应重新核算现有项目成本

- DeepSeek-V4-Flash 在智能体基准上超越更重的 V4-Pro，轻量快速不再等于能力妥协

- Gemini Robotics 2 引入全身智能控制框架，机器人能在非结构化环境里自主协调，语言模型开始成为物理行动的大脑

- Science 期刊分析显示顶级 AI 创业公司研究发表量急剧下降，技术信息不对称正在影响第三方安全评估能力

- Farnam Street 的专家与模仿者框架在 AI 时代更为关键，追问"结论怎么来的"比"结论是什么"更重要

参考资料

Advancing the price-performance frontier with GPT-5.6 — https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/

Building abundant intelligence — https://openai.com/index/building-abundant-intelligence/

Gemini Robotics 2 brings whole body intelligence to robots — https://deepmind.google/blog/

DeepSeek-V4-Flash Update — https://platform.deepseek.com/

AI's top startups are barely publishing their research (HN #49103285) — https://news.ycombinator.com/item?id=49103285

Experts vs. Imitators — https://fs.blog/

---

BearTalk 狗熊有话说播客，始于 2012 年。

订阅地址：https://beartalking.com/page/podcast

本期内容

这期节目把五件看似独立的事情串在一起：OpenAI 把效率收益让利给开发者、同一模型靠两个参数设置把基准分数翻三倍、Every.to 记录的那个凌晨代理自主发消息的真实场景、Ethan Mollick 提醒我们还在用 2024 年的方式使用 2026 年的工具，以及企业里多个 AI 代理之间无法互信的基础设施困局。听完你会发现，能力已经不是今天最难的问题，如何管理、审计、信任这些代理，才是接下来真正要面对的挑战。

本期要点

- GPT-5.6 推出 Luna、Terra、Sol 三个子模型，模型自我优化带来的效率收益直接折进 API 定价，批量调用成本可观下降

- ARC-AGI-3 测试中，仅开启"保留推理上下文"和"压缩"两个参数，GPT-5.6 Sol 的成绩从只解第一关跃升至六关全通

- OpenAI 内部已用 AI 代理维护自身基础设施，工程师的核心工作正在从写代码转向定义任务边界和审查代理行为

- Ethan Mollick 按任务类型推荐工具而非按模型排名，核心判断是大多数人还在用 2024 年的方式使用 2026 年的工具

- 企业多代理场景下，身份验证、权限控制和操作可追溯是最大瓶颈，五家创业公司正分别从不同层面修这个问题

参考资料

Advancing the price-performance frontier with GPT-5.6 — https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/

How enabling two settings tripled our scores on the ARC-AGI-3 benchmark — https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/

Inside OpenAI's Race to Reinvent Software Development for the Agent Era — https://every.to/

An opinionated guide to which AI to use to do stuff: The Summer 2026 Edition — https://www.oneusefulthing.org/

Enterprise AI agents can't talk to each other, can't be trusted with permissions, and can't be audited — 5 startups are already fixing that — https://venturebeat.com/

---

BearTalk 狗熊有话说播客，始于 2012 年。

订阅地址：https://beartalking.com/page/podcast

本期内容

AI 正在悄悄嵌入越来越多的基础流程：筛简历、跑评估、管提示词、做动效。本期五件事从不同角度切入同一个现实：当 AI 进入权力关系和生产流程，你对它的设置、管理和理解方式，直接决定了结果的质量。听完这期，你会对"AI 工作流里的细节"有更具体的感知。

本期要点

- 有求职者在简历里藏了白色提示词注入指令，专门针对 HR 用来初筛的 AI，这不是一个关于聪明的故事，而是 AI 开始介入权力关系的信号

- Mistral 在 Studio 里推出提示词版本控制功能，核心逻辑是把提示词当生产代码管理，团队用 AI 的人应该尽早建立这个习惯

- OpenAI 发现只需开启两个设置，GPT-5.6 Sol 在 ARC-AGI-3 上的得分就翻了三倍，评估框架本身就是性能的一部分

- Ethan Mollick 更新了 2026 年夏季 AI 工具选型指南，最大变化是他明确说"用 AI"已经从对话模式转向了代理模式，所需技能也随之改变

- Product Hunt 出现了开源 AI 动效工具 Premation，它指向一个更大趋势：AI 辅助正在让开源替代品重新具备挑战专业工具的可能性

参考资料

How enabling two settings tripled our scores on the ARC-AGI-3 benchmark — https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/

Advancing the price-performance frontier with GPT 5.6 — https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/

Your Prompts and Skills need a system of record（Mistral 官方博客，请在 mistral.ai/blog 搜索原文）

An opinionated guide to which AI to use to do stuff — https://www.oneusefulthing.org

Premation on Product Hunt — https://www.producthunt.com

---

BearTalk 狗熊有话说播客，始于 2012 年。

订阅地址：https://beartalking.com/page/podcast