Twitter AI - 2026-05-13¶
1. 人们在讨论什么¶
1.1 评估正从排行榜转向审计轨迹和专用测试框架 🡕¶
5 月 13 日最强的信号是，AI 评估正在围绕过程检查重建，而不只是最终分数。至少有六个独立条目把讨论推向这个方向：智能体日志分析、AI 写作论文的伪造检测、本地智能体基准测试工具、新的编程智能体评估框架、开放气候模型对比实验，以及安全红队测试。共同思路是，实践者想要的是轨迹、判定，以及与部署相关的证据，而不是再多一个排行榜数字。
@PKirgis 认为（48 个点赞，2 条回复，4,932 次浏览，48 次收藏）基准测试只能展示智能体做成了什么，而日志能说明它是怎么做、为什么这么做。链接论文指出，只看结果的通过/失败指标会误判能力、掩盖支架层的局限，并隐藏危险动作；在 tau-Bench Airline 中，一旦分析日志，pass^5 的触发率就被低估了将近 50% (论文)。@jeffr_yyy 宣布（10 个点赞，2 条回复，194 次浏览，3 次收藏）DeepEval 4.0 是一个“面向 vibe coding 智能体的评估框架”，而官方发布说明它现在为 Claude Code、Codex 和 Cursor CLI 提供数据集合成、test run、本地轨迹存储，以及带原因的 span 级评分命令 (发布说明, GitHub)。
@chchenhui 介绍了（43 个点赞，2 条回复，7,187 次浏览，13 次收藏）FabScore，这是一条编程智能体流水线，用于从论文中抽取主张、分析代码、执行实验并给出伪造判定。项目页和附图显示，整体主张层面的伪造率为 21.2%，54 篇真实会议投稿中有 70.4% 至少包含一处伪造，而已接收投稿也有 59.3% (项目页, GitHub)。
@0xHoward_Peng 强调（101 次浏览）BenchLoop 可用来衡量本地模型在“质量、速度和可靠性”上的表现，并比较 原生模式 与 Hermes 模式。截图把主张说得更直白：基于真实 智能体循环 行为，而不是“截图和感觉”来衡量本地模型。@allen_ai 宣布（21 个点赞，1 条回复，1,554 次浏览，7 次收藏）AIMIP，一个面向 AI 气候模型的共享基准实验和数据集；Ai2 说，第一阶段显示 AI 模型在关键气候指标上具有竞争力，但在部分领域仍然吃力 (博客, 预印本)。@Dinosn 分享了（17 个点赞，960 次浏览，14 次收藏）Tencent 的 AI-Infra-Guard，其公开仓库介绍这是一个已落地的红队平台，覆盖智能体扫描、MCP 和 skills 扫描、AI 基础设施漏洞扫描，以及越狱评估 (GitHub)。
讨论要点： 对 @cb_doge 的 Grok Voice benchmark 帖子（176 个点赞，59 条回复，11,261 次浏览，13 次收藏）的回复，几乎立刻从排行榜庆祝转向部署层面的注意事项：有人说，带口音、打断、背景噪音、支付流程和交接的混乱通话才是真正的考验，而一位付费用户则说，当前每天 15 分钟的限制“彻底打乱了”工作流。
与前日对比： 5 月 12 日聚焦的是评估系统出了什么问题。5 月 13 日则从诊断转向仪表化：日志、轨迹查看器、伪造判定、领域专属的对比数据集，以及安全扫描器。
1.2 智能体执行、隐私和浏览器控制正在成为产品表面 🡕¶
第二个主要主题是，人们越来越多地讨论智能体周围的环境，而不只是其中的模型。浏览器控制、运行时隔离、私有处理和运营设计模式，都作为一等特性出现。真正的问题不再是“模型能不能行动”，而是“它能在哪些边界内行动，伴随什么审计轨迹”。
@opera_neon_ 宣布（39 个点赞，4 条回复，287,852 次浏览，22 次收藏）Opera Browser CLI，这是一条本地命令行，能让 Claude Code、Codex、Cursor 和其他 CLI 智能体驱动 Opera Neon。Opera 的博客和 README 说，这个工具自带 38 条命令，不需要扩展或 OAuth，并提供 Neon 专用的 invoke-do、make 和 research 命令，而旧的 MCP Connector 无法调用这些命令 (博客, GitHub)。回复把早期用例概括为 QA、bug 复现，以及带登录态的工作流自动化，而不是泛泛的聊天。
@Cointelegraph 报道（69 个点赞，23 条回复，7,774 次浏览，6 次收藏）NVIDIA 和 SAP 正把带有安全、治理和执行控制的企业 AI 智能体引入 SAP 的 Business AI Platform。NVIDIA 说，SAP 正把 OpenShell 嵌入为运行时安全层，提供隔离执行环境、文件系统和网络策略强制执行，以及面向 SAP 自有智能体和在 Joule Studio 中构建的自定义智能体的审计轨迹 (NVIDIA 博客)。@Cameron_Dennis_ 扩散了（22 个点赞，4 条回复，749 次浏览）Meta 新推出的 Incognito Chat，Meta 的发布帖称，对话在一个连 Meta 自己都无法访问的安全环境中处理，不会保存，并且默认会消失 (Meta 发布帖)。
@asmah2107 发布了（7 个点赞，255 次浏览，13 次收藏）一份名为“Agentic System Design Concepts”的精简清单——断路器、爆炸半径限制器、工具超时、死信队列、语义缓存、人工升级和可观测性追踪。这个帖子读起来与其说是提示词建议，不如说是一份公开的部署手册，教人别让智能体系统“在生产环境里炸掉”。
讨论要点： 无论是 Opera、SAP 还是 Meta，模式都一样：产品差异化正在转向谁能让智能体更安全地访问真实环境。信任正在靠运行时边界、私有处理和运营护栏来出售，而不只是更好的模型质量。
与前日对比： 5 月 11 日强调的是支付、访问和合规轨道。5 月 13 日则把执行层本身也纳入进来：本地浏览器控制、运行时隔离、私有 AI 会话，以及面向智能体系统的明确运行模式。
1.3 信誉反弹正围绕炒作、隐性 AI 使用和投机收紧 🕕¶
第三个主题是，怀疑情绪正在变得更具体。反弹不再只是笼统的反 AI 情绪；它越来越指向谁在卖什么、主张如何被包装，以及 AI 在没有明确披露的情况下被用在了哪里。社区正在向推广者、商业指标和不可见的部署模式施压。
@ivycomb 声称（419 个点赞，2 条回复，13,972 次浏览）生成式 AI 在各个群体中都遭遇了“压倒性的反对”，而 @ecutruin 回应（31 个点赞，5 条回复，14,738 次浏览）说，发声更响的批评者会制造误导性的图景。这个交锋与其说是在做民调，不如说是在说明，反 GenAI 情绪如今已经成了 AI 讨论内部的一股明确社会潮流。
@TheAhmadOsman 抨击了（193 个点赞，46 条回复，20,044 次浏览，14 次收藏）围绕 Mac mini 和 DGX Spark 推广的本地 AI “投机”行为。回复把抱怨从审美问题推到了责任问题，指责那些照着之前 Mac mini 建议行动的人，在推荐失灵后得不到答复。@GergelyOrosz 认为（16 个点赞，6 条回复，6,174 次浏览，5 次收藏），一家没有订阅收入的 AI 硬件公司不该向投资者报告 ARR，回复则围绕“年化收入运行率”到底是合理的替代指标，还是粗糙的财务包装展开争论。
@BenjaminGoggin 指向（9 个点赞，2 条回复，8,768 次浏览，8 次收藏）NBC News 的报道：OpenEvidence 4 月在大约 2700 万次临床接触中被使用，且约 65% 的美国医生在用，尽管很多患者并不会知道这一点 (NBC News)。这里的信誉问题不是炒作，而是在高信任场景中对 AI 的隐性依赖。
讨论要点： 最尖锐的分歧已经不再是“AI 有用”还是“AI 没用”。争论点转到了披露、激励，以及当 AI 主张被夸大或采用变得不可见时，谁来承担后果。
与前日对比： 5 月 10 日的文化反弹主要针对垃圾内容和拟人化。5 月 13 日的反弹则更偏运营层面：推广者、商业模式包装，以及未披露的专业用途。
1.4 AI 战略正在超出单一实验室叙事 🕕¶
战略讨论已不再局限于常见的前沿实验室排行榜。当天的帖子指向对冲、区域集聚和地缘政治重新定位：Microsoft 计划降低对 OpenAI 的依赖，伦敦把自己塑造成一个认真对待的资本中心，而随着中国缩小能力差距，中美安全对话也重新回到讨论中。
@WOLF_Financial 总结了（37 个点赞，7 条回复，7,727 次浏览，8 次收藏）Reuters 的报道：Microsoft 正在为“OpenAI 之后的生活”做准备——它研究过收购 Cursor，因可能的监管审查而退了一步，同时还在接触 Inception，并提升更多内部模型能力。@altantutar 认为（24 个点赞，10 条回复，2,272 次浏览，8 次收藏）“你必须搬去 SF”这种说法已经过时，他列举了伦敦 AI 初创公司上季度融资 56.5 亿美元的数据，其中包括 Recursive 的 6.5 亿美元启动轮，以及 nscale、Wayve、Ineffable Intelligence、ElevenLabs 和 Synthesia 的大额融资。
@business 分享了（26 个点赞，9 条回复，10,177 次浏览）Sebastian Mallaby 的观点：Chinese AI 正在缩小差距，而华盛顿不能再忽视与北京的安全对话。Bloomberg 文章认为，出口管制本身还不够；如果能力趋同继续下去，美国还需要技术外交 (文章)。
讨论要点： 回复并没有真正质疑版图正在变化。争论在于如何应对：合作、加剧竞争，还是干脆承认 AI 资本和能力不再集中在一座城市或一段合作关系里。
与前日对比： 5 月 12 日主要把 AI 定义为国家安全基础设施。5 月 13 日则加入了董事会层面的对冲、区域资本聚集，以及 OpenAI 之后的定位。
2. 令人困扰的问题¶
静态分数仍然遮住了关键行为¶
@PKirgis 认为（48 个点赞，2 条回复，4,932 次浏览，48 次收藏），只看结果的评估会掩盖走捷径、支架层失败和危险动作；底层论文指出，在分析日志后，tau-Bench Airline 的 pass^5 被低估了将近 50%。(论文) @chchenhui 展示了（43 个点赞，2 条回复，7,187 次浏览，13 次收藏）AI 研究里的平行失真：FabScore 发现，70.4% 的真实会议投稿和 59.3% 的已接收投稿至少含有一处伪造。就算是庆祝性的基准测试帖，也会立刻遭到怀疑：对 @cb_doge 的 Grok Voice benchmark 讨论串（176 个点赞，59 条回复，11,261 次浏览，13 次收藏）的回复，关注点落在口音、打断、交接和每天 15 分钟的限制上，而不是排行榜本身。人们正在用日志、轨迹、代码执行，以及能把质量和速度、可靠性区分开的基准套件来应对这个问题。严重程度：高。值得投入：是。
隐私、披露和治理仍然落后于真实部署¶
@BenjaminGoggin 指向（9 个点赞，2 条回复，8,768 次浏览，8 次收藏）NBC News 的报道：OpenEvidence 4 月在约 2700 万次临床接触中被使用，且约 65% 的美国医生在用，而一些医疗系统仍会要求临床人员不要输入受保护的健康信息 (NBC News)。@Cameron_Dennis_ 扩散了（22 个点赞，4 条回复，749 次浏览）Meta 的 Incognito Chat；其官方发布说明，对话运行在一个连 Meta 都无法访问的安全环境里，并且默认会消失 (Meta 发布帖)。@Cointelegraph 报道（69 个点赞，23 条回复，7,774 次浏览，6 次收藏）SAP 和 NVIDIA 基于 OpenShell 的企业智能体执行层，NVIDIA 将其描述为智能体接触系统记录之前的必要层 (NVIDIA 博客)。@CBSNews 扩散了（7 个点赞，6 条回复，4,582 次浏览，5 次收藏）另一项发现：AI 正在编造不存在的医学参考文献。当前的权宜方案是：避开 PHI，使用私有或临时模式，并加上运行时策略和审计钩子。严重程度：高。值得投入：是。
社区已经几乎没有耐心再给超出证据的 AI 营销¶
@TheAhmadOsman 攻击了（193 个点赞，46 条回复，20,044 次浏览，14 次收藏）本地 AI 硬件推广，把它称为投机，并借回复把问题框成“人们为糟糕建议买单”，而不只是惹人烦的内容。@GergelyOrosz 认为（16 个点赞，6 条回复，6,174 次浏览，5 次收藏），一家没有订阅收入的 AI 硬件公司不该向投资者展示 ARR，回复则显示人们在逐条核对这个说法。@ivycomb 声称（419 个点赞，2 条回复，13,972 次浏览）生成式 AI 遭遇了压倒性的反对，而 @ecutruin 回应（31 个点赞，5 条回复，14,738 次浏览）说，批评之所以显得过多，是因为不满用户更爱发声。让人不满的不是 AI 本身，而是无法核实的主张、薄弱的披露，以及奖励过度宣传的激励机制。当前的权宜方案：公开点名和人工尽调。严重程度：中高。值得投入：是。
3. 人们期望的功能¶
默认具备过程感知的评估¶
最明确的未满足需求，是一种能记录智能体做了什么、为什么这么做、以及它在哪里失败的评估系统。@PKirgis 认为（48 个点赞，2 条回复，4,932 次浏览，48 次收藏）日志是缺失的一层；DeepEval 4.0 提供轨迹和本地检查循环；BenchLoop 用本地工作负载比较原生模式和 Hermes 模式；FabScore 用代码核验论文主张；AIMIP 发布面向气候模型的共享基准和数据集。这是一个非常实际的需求，已经有多个局部答案在落地，但还没有收敛成单一默认栈。机会：直接切入。
面向敏感工作的默认私有 AI¶
OpenEvidence 在医学中的规模说明，人们已经在用 AI 处理敏感的专业问题，而 Meta 的 Incognito Chat 和 SAP/NVIDIA 的 OpenShell 正把隐私与策略强制执行推到产品表面。人们想要的是一种默认模式：敏感 AI 使用在其中保持私密、受边界约束、可审计，而且不需要专门的安全工程。这是一个实际且紧迫的需求。机会：直接切入。
为 AI 辅助的专业建议提供清晰披露和来源¶
OpenEvidence 事件和 CBS 关于医学参考文献的警告指向同一个缺口：用户往往分不清 AI 何时参与、用了什么证据，或者引用材料是否真的存在。同样的信誉问题也出现在金融和硬件推广帖里：人们无法核实主张或激励机制。这里的需求一半是实用的，一半是在修复信任：人们想要来源、披露和证据检查，而不是自己去做取证工作。机会：有竞争力。
供需要在真实软件中行动的智能体使用的本地界面¶
@opera_neon_ 展示了（39 个点赞，4 条回复，287,852 次浏览，22 次收藏）对本地智能体的需求：它们可以从终端里操作一个真实、已登录的浏览器，而不需要扩展或 OAuth 编排。BenchLoop 和智能体系统设计清单也说明，本地智能体工作现在关注的是操作界面、可靠性和控制，而不只是模型权重。部分答案已经存在，但这个领域仍然早期。机会：直接切入。
4. 使用中的工具与方法¶
| 工具 | 类别 | 评价 | 优势 | 局限 |
|---|---|---|---|---|
| FabScore | 研究诚信评估 | (+) | 用代码核验论文主张，并暴露数据、实验和结果伪造 | 需要配套代码，而且即便在已接收论文里也能发现很高的伪造率 |
| Log analysis for agent evaluation | 智能体评估方法 | (+) | 能发现只看最终分数看不到的捷径、隐藏的危险动作和被低估的 pass 率 | 相比通过/失败打分成本更高，而且需要更丰富的仪表化 |
| DeepEval 4.0 | 编程智能体评估框架 | (+) | 为编程智能体提供 CLI 驱动的评估、数据集合成、本地轨迹和 50+ 指标 | 指标仍需要对齐和人工解释 |
| BenchLoop | 本地模型基准测试 | (+/-) | 在本地工作负载上比较质量、速度、可靠性和 智能体循环 行为 | 公开证据仍然早期，且主要还是宣传性质 |
| AI-Infra-Guard | AI 红队测试平台 | (+) | 覆盖智能体扫描、MCP 和 skills 扫描、AI 基础设施漏洞扫描以及越狱评估 | 自托管部署更像是面向私有/内部使用，而不是公开暴露 |
| Opera Browser CLI | 浏览器自动化接口 | (+) | 38 条命令、本地智能体控制、无需 OAuth，以及 Neon 专属 AI 命令 | 仅限本地，云端客户端无法访问 |
| OpenEvidence | 医学知识助手 | (+/-) | 回答快、基于文献，而且医生采用度极高 | 幻觉、隐私和披露方面的担忧仍然存在 |
| Meta Incognito Chat | 私有 AI 运行时 | (+) | Private Processing、未保存的聊天以及会自动消失的对话 | 刚推出，而且面向临时/私密会话，而不是持久记忆 |
| SAP Business AI Platform 中的 OpenShell | 企业智能体运行时 | (+) | 为 SAP 和 Joule Studio 智能体提供隔离执行、策略强制、身份钩子和审计轨迹 | 绑定 SAP 技术栈，而且公开实证仍处于早期 |
| AIMIP | 气候 AI 评估框架 | (+/-) | 用共享基准实验和开放数据集对天气和气候模型做长周期比较 | 领域仍处早期，发布的评估结果仍显示可靠性缺口 |
5 月 13 日受到正面关注的工具，都是在让 AI 可验证，或者让智能体执行更安全、更具体。FabScore、日志分析、DeepEval、BenchLoop、AI-Infra-Guard 和 AIMIP 都在推动更好的证据；Opera Browser CLI、Meta Incognito Chat 和 SAP/OpenShell 则在推动更好的控制。竞争态势正在从单纯谈前沿模型，转向谁能最好地用轨迹、权限和领域特定约束把 AI 包起来。
5. 人们在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| FabScore | Hui Chen 等 | 将 AI 生成的论文与代码对照，并给出伪造判定 | AI 生成研究很难在规模上核验 | 编程智能体、静态分析、代码执行、判定生成 | 已发布 | GitHub, 论文, 推文 |
| Opera Browser CLI | Opera | 让本地 AI 智能体驱动 Opera Neon，并从终端调用浏览器和 Neon AI 命令 | 本地智能体需要真实浏览器自动化，而不想被扩展或 OAuth 流程卡住 | TypeScript, opera-devtools-mcp, AXI CLI, Node.js | 已发布 | GitHub, 博客, 推文 |
| AI-Infra-Guard | Tencent Zhuque Lab | 面向智能体、MCP、基础设施和越狱扫描的全栈 AI 红队平台 | 团队需要一个地方来跨多个风险面扫描 AI 栈 | Python, Docker, OpenClaw Security Scan, Agent Scan, vulnerability database | 已发布 | GitHub, docs, 推文 |
| DeepEval 4.0 | Confident AI | 为编程智能体提供 CLI 驱动的测试、数据集合成和本地轨迹检查的评估框架 | vibe-coded 智能体需要可重复的测试循环和可调试的失败 | Python, CLI, 50+ metrics, local trace store | 已发布 | GitHub, 博客, 推文 |
| AIMIP | Ai2 与社区合作伙伴 | 用于比较 AI 天气和气候模型的共享基准实验和数据集 | 气候 AI 缺少通用的开放对比标准 | 开放数据集、评估脚本、社区报告 | 测试版 | GitHub, 博客, 推文 |
| SAP Business AI Platform 中的 OpenShell | SAP 与 NVIDIA | 为 SAP 和 Joule Studio 智能体嵌入运行时安全层 | 企业智能体在触及系统记录之前，需要受策略约束且可审计的执行 | OpenShell, Joule Studio, SAP Business AI Platform | 测试版 | NVIDIA 博客, 推文 |
重复出现的构建模式很清楚：团队在围绕 AI 发货的是支架层，而不是又一个通用助手。FabScore、DeepEval、AI-Infra-Guard 和 AIMIP 都让行为可检视；Opera Browser CLI 和 OpenShell 则让行动有边界、可操作。
更强的构建者信号区别在于运营细节。Opera 提供可安装命令；DeepEval 提供本地轨迹和 CLI 循环；AI-Infra-Guard 提供扫描器和 Docker 部署；FabScore 用代码去验证论文主张；OpenShell 则在智能体触及企业系统之前先加上运行时策略。多个团队在独立构建同一层缺失能力：可信的执行与验证。
6. 新动态与亮点¶
OpenEvidence 已经成了医生的默认工具¶
@BenjaminGoggin 指向（9 个点赞，2 条回复，8,768 次浏览，8 次收藏）NBC News 的报道：OpenEvidence 4 月在大约 2700 万次临床接触中被使用，且约 65% 的美国医生在用。报道还说，一些医疗系统仍然会告诉临床医生不要输入受保护的健康信息，这让采用率显得更突出：在信任和披露规范尚未定型之前，这个工具已经嵌入临床工作 (NBC News)。
Meta 正在把私有处理变成面向用户的 AI 功能¶
Meta 的 Incognito Chat 发布说明写得很明确：没有人——连 Meta 也不行——能读这些对话，它们运行在一个安全环境中，并且默认会消失 (Meta 发布帖)。这很值得注意，因为隐私不再只是后端合规属性；它正成为面向想问敏感问题的用户所主打的核心功能。
Microsoft 正显式为 OpenAI 之后做准备¶
@WOLF_Financial 总结了（37 个点赞，7 条回复，7,727 次浏览，8 次收藏）Reuters 的报道：Microsoft 看过收购 Cursor，因可能的监管审查而退了一步，同时还在接触 Inception，并提升更多内部模型能力。多年把 OpenAI 当作 Microsoft AI 战略中心之后，这种公开对冲现在已经非常明确。
伦敦正在巩固自己作为前沿 AI 资本中心的地位¶
@altantutar 认为（24 个点赞，10 条回复，2,272 次浏览，8 次收藏）伦敦 AI 初创公司上季度就融资了 56.5 亿美元，随后列出了 Recursive、nscale、Wayve、Ineffable Intelligence、ElevenLabs 和 Synthesia 的大额最近融资。帖子带点鼓吹意味，但融资清单足够具体，足以说明问题：关于重心在哪里的讨论，正在超出旧金山。
7. 机会在哪里¶
[+++] 智能体评估与验证栈 — 多个独立信号都指向同一个缺口：PKirgis 想要日志分析，FabScore 用代码核验论文主张，DeepEval 给编程智能体提供轨迹和本地循环，BenchLoop 重新围绕可靠性定义本地基准测试，AIMIP 为气候模型比较发布共享数据集，AI-Infra-Guard 则把红队扫描打包到智能体各个表面上。这个机会很强，因为需求同时出现在研究、编程、本地部署和企业安全里。
[+++] 面向敏感工作流的私有且受策略约束的 AI — OpenEvidence 已深度嵌入医疗，但隐私和证据质量问题仍未解决。Meta 正直接向用户营销私有处理，SAP 和 NVIDIA 则把运行时隔离和审计轨迹产品化给企业智能体。这个机会很强，因为痛点已经在监管和高信任场景里真实存在。
[++] 本地智能体执行接口 — Opera Browser CLI 表明，确实有人需要本地智能体在一个真实、已登录的浏览器里低摩擦地执行操作；BenchLoop 和智能体系统设计清单则表明，开发者也想围绕这些操作配套本地可靠性工具。这个机会中等，因为界面已经很清晰，但市场仍处于早期且碎片化。
[+] AI 信誉与披露工具 — 本地 AI 投机帖、ARR 争议、OpenEvidence 的披露张力，以及反 GenAI 情绪之争，都指向一个正在出现的需求：能证明主张、披露 AI 参与并让激励机制一目了然的系统。这还早，但可见的不满足以说明它会继续增长。
8. 要点总结¶
- AI 评估正从结果指标转向日志、轨迹和可复现性。 Peter Kirgis 的日志分析论文指出，只看通过/失败会误判能力并隐藏危险动作，而 tau-Bench Airline 案例研究发现 pass^5 被低估了将近 50%。(来源)
- AI 生成研究现在有了一个可测量的诚信问题，而不只是模糊担忧。 FabScore 发现，70.4% 的真实会议投稿和 59.3% 的已接收投稿至少含有一处伪造。(来源)
- 本地 AI 智能体开始获得真正的浏览器控制，而不是继续待在玩具沙箱里。 Opera Browser CLI 让本地智能体拥有 38 条命令，并可在真实已登录浏览器中无 OAuth 访问。(来源)
- 私有处理正在变成头部 AI 功能。 Meta 正明确把 Incognito Chat 包装成：连 Meta 都读不到对话，而且聊天默认会消失。(来源)
- AI 已经在医生工作流里落地，而信任规范还没定型。 NBC 的 OpenEvidence 报道说，这个工具 4 月触达了约 2700 万次临床接触，并覆盖了约 65% 的美国医生。(来源)
- 信誉之争已从模型质量转向披露、推广者和商业包装。 本地 AI 投机串和 ARR 争议显示，社区现在会迅速攻击缺乏支撑的主张和激励机制。(来源)
- Microsoft 正公开为一个不那么以 OpenAI 为中心的未来做准备。 Reuters 总结帖说 Microsoft 考虑过 Cursor，正在与 Inception 接触，并且在建设更多内部 AI 能力。(来源)
- 中国 AI 已经接近到足以迫使美国重新推进安全对话。 Business 分享的 Bloomberg 观点说，如果中国继续缩小能力差距，华盛顿就不能只靠出口管制。(来源)