标签
Daniel van Strien 分享说，编码智能体是 Hugging Face Hub 的真实用户，现在已有公开数据显示每个智能体在 Hub 流量中的份额，每月更新。
Rohan Paul 引用 Perplexity 首席执行官 Aravind Srinivas 的观察：现在，个体高级用户消耗的算力相当于整个团队，标志着 AI 使用模式的转变。
OpenAI Signals 数据显示，ChatGPT 的使用在全球范围内不断深化和扩大，用户发送的消息数量增加，尝试的功能也越来越多，同时用户群体变得更加多样化和全球化。
An AI and crypto user recommends IPFLY's clean IP service after testing it on multiple validation platforms, offering discount codes for followers.
班加罗尔的一位自动人力车司机展示了他如何使用ChatGPT处理日常问题和交流，这给社交媒体用户留下了深刻印象，并引发了OpenAI的幽默回应。
作者分享说，他不再比较AI模型，转而专注于工作流设计，结果输出质量反而提升了。他认为对于大多数实际用例，工作流比模型选择更具杠杆效应。
介绍Stanford STORM方法，提倡将Claude视为研究员而非搜索框，从多角度拆解问题以提升AI使用效果。
文章深入探讨了Anthropic发布Fable和Mythos模型背后的命名哲学，指出AI的广泛应用仍以修bug等“重构已知”为主，而“创造未知”才是真正稀缺的能力；同时讨论了AI公司开始招聘哲学家的趋势，认为这标志着“为造物立法”的神话时代开启。
Andrej Karpathy，OpenAI联合创始人、前特斯拉AI负责人，在两小时的演示中展示了他的实用AI工作流程，强调简单的自然语言指令和逐步调整，而非复杂的工程技术。
加州大学伯克利分校的一份报告显示，由于学生AI使用增多以及数学能力较弱，计算机科学课程的不及格率急剧上升。授课教师将此归因于学术不端和准备不足，不及格率远超院系常规标准。
亚马逊已取消一个追踪使用分数的内部AI排行榜，以防止员工在成本上升的情况下不必要地使用AI，这一消息由高管戴夫·特雷德韦尔传达。
企业因AI能力而裁减初级岗位，同时承认无法证明AI的投资回报率，这危及了未来高级人才的储备。文中以Uber、Microsoft和Duolingo为例。
安德烈·卡帕西的讲座揭示了一种“LLM Wiki”模式，能将过往内容转化为一个自我更新的知识库，帮助创作者发现自身写作中的模式。
引用黄仁勋的观点：真正会用AI的人是能带着自己的认知去提问的高认知提问者，而非让AI代替思考。
Guillermo Rauch分析了关于AI辅助项目的投票中的1400条回复，发现OpenAI在提及次数上追赶Anthropic，Codex的提及次数超过Claude Code，但在模型提及次数上，Anthropic更胜一筹。
亚马逊员工为满足管理层以AI代币消耗量作为绩效指标的要求，非必要地使用AI工具甚至编写自动消耗代币的脚本，导致资源浪费和激励扭曲。类似现象也出现在Meta和微软等公司。
文章认为，使用昂贵AI硬件‘本地化’的趋势是一种科技泡沫的错觉，因为大多数用户高估了自己的需求，无法证明成本的合理性，尤其是在云端AI在财务状况不可持续后转向按使用量计费的情况下。