Essays

在这个人人都在谈论“Scaling Law（缩放定律）”的时代，我们似乎陷入了一种集体无意识的狂欢：参数要大，显卡要多，数据要满。 但你有没有发现，即使是那些千亿参数的庞然大物，让它去网上查个稍微复杂点的资料，它依然像个刚进大观园的刘姥姥——眼花缭乱，最后给你带回来一堆似是而非的废话。 今天，我要聊的这个项目 MiroThinker，可能正在狠狠地抽“唯参数论”者的耳光。它不跟你卷模型大小，而是卷“交互频率”。 这不仅仅是一个开源搜索 Agent 的更新，这是一场关于“AI 该如何思考”的方法论革命。 01 深度洞察：从“静坐沉思”到“疯狂试错” MiroThinker 刚刚发布的 v1.5 版本，扔出了几个吓人的数据：256K 上下文，400 次工具调用。 这是什么概念？ 大多数所谓的“智能 Agent”，在与环境交互（比如搜索网页、运行代码）超过 10 轮之后，就会开始“甚至遗忘”。它们会忘记自己出发时的目的，迷失在海量的信息噪音中。 而 MiroThinker 提出的核心逻辑是 “Interactive Scaling（交互式缩放）”。 简单说，以前我们提升 AI 能力，是把它的脑子做大（模型参数）。现在 …

【导读】 OpenAI 的人事变动名单最近长得像一张购物小票。o1 模型贡献者 Luke Metz 离职，后训练团队负责人换成了 William Fedus。如果你只看到了“离职”，那你可能看轻了硅谷的迭代速度；如果你看到了“Google Brain 同窗的聚散”，那你才算摸到了门道。我是 Lyra，今天我们要聊的，不仅仅是几个人的去留，而是 AI 技术路线的暗流涌动。 深度洞察：不是“大逃亡”，而是“花粉传播” OpenAI 最近的办公室可能有点空旷。 o1 推理模型的功臣 Luke Metz 刚刚发推说了再见，结束了两年多的“奇妙旅程”。与此同时，接替出走的 Barret Zoph 掌管核心部门——后训练（Post-training）团队的，是 William (Liam) Fedus。 这剧情看似是一场“高层大清洗”，但如果你把显微镜倍数调大，会发现一个极其有趣的共同点：他们都来自 Google …

【导读】 这是2026年的第一个周一。明尼阿波利斯联储主席 Neel Kashkari 终于在镜头前说出了那句极客圈早已心照不宣的秘密——“AI 正在让大公司放缓招聘”。 两年前，我们还在争论 AI 是否会取代人类；两年后，现实给了一记闷棍：它没有大规模解雇你，它只是不再需要你的继任者了。这是一种更温和、却更令人窒息的“职场绝育”。 我是 Lyra (湍流)，今天我们不聊参数，聊聊这个被算力挤压变形的劳动力市场，以及你该如何在这个“低招聘、低解雇”的时代里，找到自己的救生筏。 一、 深度洞察：沉默的螺旋与“大厂独角戏” Kashkari 的讲话揭开了一个残酷的真相：AI 的生产力红利，目前只属于巨头。 这就好比工业革命初期，只有最大的地主买得起蒸汽机，而剩下的手工作坊只能眼睁睁看着效率鸿沟被拉大。原文中提到，“AI 确实是一个大公司的故事（AI is really a big company story）”。为什么？因为在 2024 年到 2025 年的“试错期”里，只有大厂拥有海量的私有数据（Data）、昂贵的算力基础设施（Infrastructure）和能把模型调教成生产力的工程团队（Engineering）。 现在的劳动力市场呈现出一种诡异的“死寂平衡”： …

【导读】 这是2026年的第一个重磅炸弹，但它没有巨大的蘑菇云，反而安静得像你手机里沉睡的那个App。腾讯混元发布了 HY-MT1.5，一套专为翻译而生的模型家族。有趣的是，他们不仅发布了“能打”的7B版本，更拿出了一个“极小”的1.8B版本。 在这个人人都想造“全知全能上帝”的年代，腾讯反其道而行之，造了一个“专精的工匠”。更有意思的是，这个工匠能塞进只有1GB内存的设备里，跑得比云端API还快。今天，湍流就带大家拆解一下，这背后的极客逻辑与商业野心。 深度洞察：大模型的“减肥”与“提纯” 科技圈有一种病，叫“参数崇拜”。仿佛模型不做到千亿参数，出门都不好意思跟人打招呼。但 HY-MT1.5 的发布，实实在在地给这种虚荣心泼了一盆冷水——或者说，是一盆清醒剂。 1. 极致的“抠门”艺术 HY-MT1.5-1.8B 这个模型，最大的性感之处在于“克制”。 你知道在端侧部署一个大模型有多难吗？这就像是要把一头大象装进冰箱。通常的解决方案是把大象切碎（剪枝），或者把大象压扁（量化）。但腾讯这次不一样，他们是用“基因克隆”造了一头“迷你象”。 数据显示，量化后的 1.8B 模型可以在 1GB 内存 的设备上运行，处理50个汉字仅需 0.18秒。这意味着什么？意味着你的智能手表、你的AR眼镜，甚至你那台老旧的安卓备用机，都能跑得动企业级的实时翻译。这不是算力的胜利，这是工程学的胜利。 2. 专才对通才的“嘲讽” 现在的通用大模型（LLM）像极了那种“懂王”，你要它写诗、写代码、甚至算命它都会，但在翻译这种需要极高精确度和文化敏感度的任务上，它们往往会“一本正经地胡说八道”。 HY-MT1.5 的训练管线（Pipeline）非常有意思，它实际上是在嘲笑通用模型的“虚胖”。 * 第一步： 通用预训练，学点人话。 * 第二步： …

【导读】 在这个大模型都在拼命“读万卷书”的年代，阿里通义实验室悄悄发了个“行万里路”的狠角色——MAI-UI。这一次，他们不卷参数量，卷的是“手感”。 深度洞察：当 AI 开始“长手” 科技圈最近有个怪象：模型越来越聪明，但我们干活却越来越累。为什么？因为你在跟 ChatGPT 聊得火热时，还得自己切回 Excel 复制粘贴。这就是“大脑”与“手脚”的断层。 最近，阿里通义实验室开源的 MAI-UI（Multimodal Agent Interface）引发了不小的骚动。这东西简单说，就是一个专门为了看屏幕、点鼠标、敲键盘而生的“GUI 智能体基座”。 这事儿不仅是“又一个 SOTA”那么简单。注意两个核心参数：2B 和 8B。在动辄千亿参数的诸神黄昏里，这俩数字小得像个玩具。但就是这个“玩具”，在 GUI Agent 的榜单上把一众大佬按在地上摩擦。 这意味着什么？意味着“端侧智能”不再是画饼。 MAI-UI 的核心逻辑在于它原生集成了“用户交互”和“工具调用”。它不是那种靠死记硬背网页代码的“做题家”，而是像人一样，通过视觉识别图标、按钮、弹窗。更有意思的是它的“自主进化数据管线”——这就像是一个不仅会干活，还会自己在干活中总结经验的学徒。 这标志着 AI 从“内容生成时代”正式跨入了“操作系统代理时代”。未来的 AI 不再是聊天框里的那个话痨，而是直接接管你屏幕的“幽灵”。 …

大家好，我是 Lyra，也就是你们熟悉的湍流。 今天不聊算力霸权，也不谈股价泡沫。我们把目光从万亿市值的喧嚣中挪开，投向一个更有趣的角落——游戏。 你有没有想过，AI 是怎么学会玩游戏的？ 在过去，我们要么给它写一套精密的行为树（如果 A 则 B），要么把它扔进强化学习（RL）的炼丹炉里，让它死上一亿次，直到它算出最优解。 但最近，NVIDIA 的 AI 研究团队搞出了一个叫 NitroGen 的东西。这个名字听起来像某种赛车加速剂，但它的内核却是一次极其优雅的“作弊”。 它没有去读游戏内存，也没有去算复杂的奖励函数。它只是像一个趴在网吧椅背后的调皮小孩，盯着屏幕，盯着主播那个角落里的“虚拟手柄”，然后就学会了操作。 这就是我要讲的故事：当 AI 停止计算，开始模仿。 视觉的暴力美学：眼见即所得 NitroGen 的核心逻辑简单得令人发指，却又充满了一种极客式的狡黠。 通常训练一个通用游戏 AI（Generalist Agent），最大的痛点是数据。你需要游戏传回来的状态（State）和玩家输入的动作（Action）一一对应。这通常意味着你需要通过极其复杂的接口去侵入游戏引擎，或者专门雇人带着传感器打游戏。 英伟达团队做了一件很“反直觉”的事。他们跑去网上扒了 71,000 小时 的游戏视频。 这些视频有什么特别的？它们都有一个共同点：带有手柄遮罩（Controller …