要点速览
- Jeff Dean 等四位 AI 专家创立公益公司 Discovery Loop，目标是自动化机器学习、科学与工程。
- Google 拟以 15 亿美元收购 AI 编码数据初创公司 Mechanize。
- OpenAI 的 ChatGPT Work 被详细拆解，被认为是将编码代理能力带给大众的关键产品。
- Hugging Face 将 Hub 存储增至约 2 PB，并引入 Baseten 作为官方推理提供商。
- NVIDIA 发布 RTX Spark，并给出 DGX Spark 本地部署的配置指南。
- 最新研究显示大多数人遵循 LLM 财务建议会过得更好，但效果取决于提问方式。
一、AI 公司与融资动态
- Jeff Dean、Sanjay Ghemawat、Oriol Vinyals 和 Quoc Le 共同创立公益公司 Discovery Loop，致力于自动化机器学习、科学与工程，以加速发现和进步。Andrew Ng 转发并祝贺，认为其工作会带来惊喜；swyx 在转述时调侃即使顶级创始团队拥有全部资金也会被湾区房地产限制。 — 来源：1 2
- 有消息称 Google 拟以 15 亿美元收购 AI 编码数据初创公司 Mechanize。该交易若落地，将强化 Google 在 AI 编码数据领域的布局，也反映科技巨头对高质量训练数据的争夺。 — 来源：1
- Yann LeCun 转发深度技术 VC 224 Ventures 成立的消息，合作者包括 Shaun Johnson 和 Oriol Vinyals。值得注意的是，Oriol Vinyals 同日也出现在 Discovery Loop 的创始团队中，显示其同时在投资与创业两个方向发力。 — 来源：1
二、AI 产品与开源生态
- swyx 深度拆解了 OpenAI 的 ChatGPT Work，认为这是 OpenAI 在史上最高风险产品类别中的杀手锏，旨在把编码代理能力带给大众，并成为十亿用户默认使用 ChatGPT 的方式。其设计包括云端个人电脑、记忆与上下文架构、主动性、插件商店和浏览器使用等；swyx 还与 @shloked 合作推出了 Latent Space 播客，对该产品进行更详细的机制还原。 — 来源：1 2
- Hugging Face 宣布 Hub 存储容量增至约 2 PB，下载速度进一步提升，可支持大型数据集和多检查点模型；同时 Baseten 成为其官方推理提供商，开发者可直接在模型页或通过 HF token 运行 Kimi K3、DeepSeek V4 Flash 和 GLM-5.2。这标志着 Hugging Face 在数据基础设施和推理服务上的双重升级。 — 来源：1 2
- NVIDIA 发布 RTX Spark，称其开启个人计算新时代；NVIDIA AI 同步分享了在 DGX Spark 上运行模型的指南，给出 1 至 4 台设备的配置建议（单台推荐 DeepSeek v4 Flash，双台为甜蜜点，三台可用 GLM-5.2，四台推荐 GLM 5.2 NVFP4 或 DeepSeek v4 Flash 组合）。这为本地化 AI 部署提供了具体路径。 — 来源：1 2
- AI 编码工具与标准出现新进展：Hamel Husain 转发了 Prime Agent，一个面向编码和长期自主任务的自改进 RLM harness，以及 Agent Plugins 开放标准（与 AWS、Cursor、GitHub、Vercel 等共同开发，支持跨 agent 客户端复用插件）；Yann LeCun 转发了 Muse Code 测试版，该终端编码代理由 Muse Spark 1.2 驱动，可处理大型代码库的完整软件工程任务。 — 来源：1 2 3
三、研究与趋势观点
- Ethan Mollick 引用 MIT 与斯坦福研究者的论文：大多数人遵循 LLM（GPT-5.2 与 Gemini 3 Flash）的财务建议会过得更好，但部分人获得的建议质量更高，主要取决于提问方式。这表明 LLM 作为建议系统的效果存在显著个体差异。 — 来源：1
- Ethan Mollick 认为，现在到了在个人层面认真对待 AI 安全的时候：即使当前 OpenAI 和 Anthropic 的模型做不到，未来开源权重模型也会做到，应假定凡在开放互联网上能找到的东西都会被找到。他还观察到，模型越来越擅长遵循复杂指令，但也在更多运用“判断力”决定侧重或弱化指令，技能可能从命令变成建议，影响深远。 — 来源：1 2
- Yann LeCun 关注对 Google 开源 AI 策略的讨论：若 Google 开源 Gemini、Veo 等前沿模型，本可主导 AI，但将其封闭在 API 后仅获得几十亿美元收入，他反问是否仍有机会。这反映了对 Google 闭源策略的批评与反思。 — 来源：1
- swyx 提出一种近期多智能体 AGI 的原始形态：通过线程完成后 ping 回信号，形成隐式的看板/瀑布流依赖图，各线程保留自己的工作和智能体，并希望出现更好的 UI 来支持这一模式；他还认为 Paul Erdős 用悬赏刺激数学同行，与早期用激励方式训练 LLM 的做法异曲同工。 — 来源：1 2
