标签：人工智能

Codex 用 Sol 指挥 Luna Max 省额度翻倍产出

OpenAI Codex 重度用户正在流行一种“Sol 当包工头、Luna Max 当工人”的分工用法——让最贵的 Sol 只做规划和审核，把写代码、改 bug、跑测试等体力活委托给更便宜的 Luna Max，同一份订阅额度下产出量可大幅提升。

字节跳动开源了 DeerFlow 2.0，一个 GitHub 已接近 8 万星标的“AI 超级员工”项目。它不是聊天机器人，而是能拆解任务、调用工具、分派子智能体并交付文件的多智能体工作系统，任何人都可以部署到本地电脑上。

前 Manus 团队核心成员开源了 CodexLoom，把 Codex 的一次性对话线程改造成长期在岗的“数字员工”，并支持把它们组织成团队协作。它尝试回答一个被多数 Agent 产品绕过的问题：当 Agent 数量多到人管不过来，组织关系该怎样重新设计。

Linear 团队已经在用 AI 代理（Agent）跑通“Issue → Agent → PR → Release”的完整开发闭环，约 30% 的 bug 能全自动走完流程并发布。它提示软件开发的日常运作方式正在发生变化：维护者的核心工作，可能从写代码转向设计循环和制定标准。

开发者 Nan Yu 提出，GitHub 可允许用户在 issue 中质押代币，维护者接受规格后由 GitHub 将需求原样交给云端编码代理完成，费用由需求方承担。这个思路试图用经济激励约束 AI 编程产生的低质量“slop PR”。

Wafer.ai 把 2.8T 参数的开源模型 Kimi K3 部署到了 AMD MI355X 上，在每美元推理吞吐上明显跑赢 NVIDIA B300 和 B200。它说明超大模型推理不再只能依赖英伟达 Blackwell，高显存容量的 AMD 芯片也能成为性价比选项。

一项覆盖 7200 人的调查发现，AI 辅助创作已成常态，但人们对“署名”和“标注”的标准充满矛盾——多数人愿意把 AI 生成成果当自己的作品，却认为别人的 AI 作品应该被标注。这意味着 AI 正在重塑内容创作的所有权规则，而现有版权与伦理框架尚未跟上。

约翰霍普金斯大学经济学家 Steve Hanke 认为，AI 运行成本极其高昂，企业不会大规模裁员换 AI，因为根本不划算。在科技巨头今年预计投入约 7000 亿美元建设数据中心、2027 年可能突破 1 万亿美元的背景下，这个观点为“AI 将摧毁就业”的主流叙事提供了一个反向视角。

大模型前沿正在解决数学难题，而许多企业还在为token花费的ROI纠结。这种“两极分化”说明AI能力扩散的速度，远比模型技术突破本身要慢。

AI能力正在从“通用场景普惠提升”转向“专业领域垂直突破”，OpenAI新一代模型据称已解决多个重大科学难题，但普通用户短期内很难直接感知这种变化。