2026 年 9 月 19 日 · 周六

团队自建营销看板，用 AI 识别广告创意、所售产品和营销角度，再比较跨渠道表现，区分素材本身不好还是只在某个平台失效。他认为关键收益是修改权：想直接查看创意素材，内部团队下一版就能补上，不必等待 SaaS 供应商排期；客户也开始提出类似定制需求。

李开复认为 CEO 不能再把 AI 转型简单委托出去，企业需要明确负责人，并改变领导者决策和组织运行的方式。他以面向企业领导者的 Boss AI 决策助手为探索案例，强调只做 AI 展示并不够。

分享多人协作同一 Agent 会话的体验：能够看到别人正在输入什么，避免多人向 Agent 发送重复指令。原帖没有说明具体产品名称，但明确点出了共享会话中的协作反馈价值。

Google 周报称，CC 已从个人效率工具扩展为面向家庭的共享 Agent，帮助协调日程和日常事务。同批更新还包括 Gemini 3.8 Live 与 Extended Thinking 音频模型、正式开放的个性化故事产品 Dreambeans 和图像工具 Google Pics，以及基因组探索平台 AlphaGenome Atlas。

以“60 亿 tokens 花费 65 美元”的案例讨论模型分工：便宜模型在难题上不如 Astra、Fable，但常规任务未必需要最强模型，必要时再调用强模型求助。原帖没有交代完整计费条件，这一数字不宜当作通用报价。

预告周二将发布新的开放权重模型，并接入 RouteLLM API 与 coding agent。她宣称其价格约为 DeepSeek Flash 的三分之一，长 Agent 循环表现提升 15%，适合九成编程任务；这些是发布前宣传口径，帖中未给出模型名称或可复核评测条件。

据她对平台使用情况的观察，Astra 是增长最快的高价模型，在研究、数据分析和浏览器操作上受到企业用户欢迎，但用户仍希望降价。她同时称其没有零数据保留方面的问题；原帖未提供统计口径、对照测试或数据保留条款，不能据此替代采购与合规核验。

介绍 Context-Sharded Block Parallelism（CSBP），一种面向 diffusion LLM 的分布式并行策略，称其收益随上下文长度增加。公布的训练加速分别为：DFlash2 推测解码草稿模型 7.59 倍、block diffusion 微调 1.61 倍、自回归模型向 block diffusion 适配 1.33 倍；这些是不同训练场景的结果，不是统一推理加速比。

分享借助聊天模型理解 Relative Value Learning 的过程，将核心操作归纳为对 TD error 做中心化，但在自己的任务上没有获得性能提升。他进一步怀疑 Q-learning 的高估来自对未实际执行的最大价值动作进行 bootstrap，这些估值缺少向下修正压力；这是他基于实验提出的解释，而非已验证的通用结论。

宣布与 Accenture 合作开展前沿 AI 独立评估，作为将评估人员嵌入 Anthropic 的承诺的一部分。双方各自预计在未来五年投入至少 10 亿美元建设相关能力；这是投入计划，原帖尚未给出评估结果或独立性保障细节。

建议企业监测 Agent 的 CoT 或推理摘要，并澄清报道中“我们正在犯罪”只是说明风险信号可能很明显的假设例子，不是实际会话记录中的原话。重点是监测建议与引用边界，不能把示例误报为真实事件证据。

预告将讨论加拿大、德国政府对其非营利初创组织 LawZero 的新支持，以及他所提到的 Hugging Face 网络攻击事件。他认为商业竞赛正在缺乏充分保障的情况下推进模型能力，需要技术方案，也需要公众和政策制定者参与；原帖未提供攻击事件的技术细节。

批评 AI 公司对网络攻击事件采用选择性的传播叙事：有利于营销时强调模型失控，不利于公司形象时则淡化处理。这是她对企业公关的质疑，原帖未交代完整事件背景，不应据此认定具体公司的行为。

区分 AI agent 与人的 agency：工具可以成为智能体，但人的自主性仍需要人自己维护和增强。她主张利用工具扩展人的行动能力，并始终把以人为中心作为方向。