作者评论:从 Claude Code 团队变动、估值预期与基础设施承诺支出出发,表达对 Anthropic IPO 前景的担忧。文章结论为作者推测。Genie 4生成可交互的有声世界,Antigravity连接科研工具,Claude参与研发合作:看AI怎样走进创作与专业工作。提交代码之后还有检查失败、审阅反馈和主分支变化。持续交付能力,应从一条完整的修改链路来验收。11 月 5 日的 AA v5.0.1 快照里,Gemini 4 Carbon 领跑,Opus 5.5 紧随其后。Sol 与 Astra 的 max 配置相差两分,Astra 的任务成本却接近 Sol 的五倍。我看个人 Agent,就看任务交出去以后能少操多少心。沿着 Muse、dots 与 Poppy,看记忆、后台执行和服务连接怎样进入日常。模型大小、训练数据、推理成本与任务成功率不是同一个指标,规模化的关键是预算如何分配。区分提示、训练与推理时计算,理解更长的思考何时有帮助,以及为什么检查仍然不可缺少。从知识接入、版本与权限,到引用是否支持结论,拆开企业知识问答最容易混淆的环节。理解预训练、监督微调、偏好与奖励的分工,避免把“更讨人喜欢”当成“更真实”。减少训练参数、减少每次激活和减少显存读写不能互相替代,理解它们才能读懂效率宣传。文字怎样影响图像、生成为何可以从噪声开始、编辑一致性为什么比单张好看更难。当任务从补全一段代码扩大到交付修改,上下文、工具、权限和验收开始决定系统价值。Q、K、V 看着吓人,先手算一次加权汇总,就有了抓手。用几个数字看懂注意力,再把位置、掩码和完整架构串起来。模型接得上话,还要学会按要求做事。把人的示范与偏好变成训练信号,就能看懂 RLHF 和 DPO 怎样改变回答。网络加深却更难训练,残差连接给了一个漂亮办法:保留已有表示,学习需要补上的变化。从一个加号,看懂深层模型怎样优化。