技术投资人@Phoenixyin13 近日在社交媒体上重新把“复杂系统”推向 AI 讨论中心：还原论主导科学三百年，但面对大语言模型、意识、生命起源这类问题已经失效；未来 AI 的真正突破，可能要从“理解涌现”开始，而不是继续拆零件。
DeepSeek 正在为其 Agent Harness 项目招募开源开发者参与内测，要求报名者提供 GitHub ID 和开源代表作。这意味着 DeepSeek 有意借助外部开发者生态，加速智能体编排框架的迭代。
一位工程师在 X 上分享了面试 AI Agent 工程师时关于 LLM 流式输出 UI 渲染性能的回答，核心思路不是“更快地重绘”，而是“少重绘、轻节点、按需交互”。这类实践正在成为大模型应用前端开发的通用经验。
OpenAI CEO Sam Altman 在 X 上提议，父母可以用 ChatGPT 连接家庭日历、结合孩子兴趣，每天自动生成一段播客来“了解孩子”，结果引发大规模批评——回复“你为什么不直接和你的孩子聊聊”获得了 12 万点赞。
纽约时报援引 Epoch AI 的预测指出，未来几年将有一大批 AI 算力陆续上线，全球在用的 AI 芯片数量预计每九个月翻一番。算力供给的快速膨胀，正在成为影响大模型训练成本、产品定价和产业竞争格局的关键变量。
杨立昆公开否认“通用智能”存在，认为人类智能本身高度专用化；但最新评测和商业化数据却显示认知通用性已有实质进展。这场争论本质是“G”的定义权之争，而不是对大模型能力的一票否决。
开发者“达芬七Seven”将开源图像模型 Z-Image 打包成约 45GB 的一键安装包，并附带 42 个风格 LoRA，让普通 8GB 显存显卡也能本地生成高质量图片。这意味着过去依赖云端大模型或付费 API 的生图门槛，正在被几千块的消费级硬件击穿。
第三方基准测试显示，DeepSeek V4系列以约$0.03-$0.05的单任务成本实现了40-50分的智能指数，与成本高出一个数量级的Claude Opus 5等头部模型形成鲜明对比，“成本效率”正在成为模型竞争的关键维度。
一位市场观察者公开质疑当前 AI 行情的持续性，认为半导体板块难以重返高点、云巨头重资产模式存在报表风险，而 LLM 与传统产业融合的真实落地规模尚未被证实。这不仅是一次技术讨论，更是在提醒所有 AI 参与者重新审视“算力热”背后的商业模式能否闭环。
OpenAI 推出了一款名为 Codex Micro 的实体控制器，用六枚可变色按键把 AI 编程任务的状态从软件窗口搬到桌面上，售价 230 美元。它的价值不在于让模型变快，而在于试探 AI 硬件交互的切入点。