Simon Willison 转述用自主智能体开发多人在线游戏世界 Spawn
Simon Willison 推荐 Jacob Sansbury 的文章，介绍 Spawn 这个多人在线游戏环境：玩家可以用提示词让游戏内智能体 Savi 修改游戏世界，他自己在手机上试玩时先后生成城堡和龙，并骑龙飞行。
#大佬观点
Simon WillisonAI 评分5858
Simon WillisonAI 评分1010 Ben Hylak：每个产品都该是无头 MCP，接入智能体
Ben Hylak 提出，他使用的每个产品都应该是无头 MCP，接入一个智能体，用户无需关心底层细节。他同时调侃称自家产品是例外，客户喜欢其 UI 并非常喜爱他们。
The Verge · AIAI 评分7474 Anthropic 的商业计划：要么造出神，要么死在路上
The Verge 分析 Anthropic 的 S-1 文件，指出公司 2026 年上半年收入同比增长 14 倍至 163 亿美元，调整后收入为 16.2 亿美元，但未来 20 年的算力与基础设施承诺最低约 8500 亿美元。作者认为，Anthropic 必须维持极高速增长才能覆盖固定成本，其商业计划实际上依赖递归自我改进，而这一路径也带来安全与对齐上的风险。
MIT Technology Review · AIAI 评分5858 Partnership on AI 研究：智能体框架缺乏可观测性记录，需实时监控
Partnership on AI 的研究者指出，当前主流智能体框架无法可靠生成安全部署所需的关键可观测性记录，例如持久化的 Agent ID 和人工审批记录。
Simon WillisonAI 评分2525 Ted Sanders 解释 OpenAI 模型命名规则：Luna < Terra < Sol < Astra
OpenAI 的 Ted Sanders 解释其模型命名规则：模型按 Luna < Terra < Sol < Astra 排序，规模越大性能与可靠性越高、每 token 成本越高、冷门事实召回越好。版本号同时表示发布顺序、与其他版本的关系和改进幅度，如 6.1 在 5.6 之后发布、与同代 6.1 模型共享训练数据和风格，但提升幅度不足以称为 7。
The Verge · AIAI 评分2222 Instagram 负责人 Adam Mosseri：围绕 AI 的负面情绪“还会更糟”
Instagram 负责人 Adam Mosseri 在 Colin and Samir 播客中表示，围绕 AI 的焦虑、沮丧与愤怒“还会继续变得更糟”，未来几年部分有理、部分无据的愤怒会让很多人难受。他称 Instagram 不会区别对待 AI 创作者，但承认 AI 内容的排序质量可能不如非 AI 内容，并已开始要求 AI 账号自行标注。
Latent SpaceAI 评分5858 为什么智能体偏爱 Supabase：与 Paul Copplestone 和 Ant Wilson 的对谈
Latent Space 与 Supabase 创始人 Paul Copplestone、Ant Wilson 首次同台播客，讨论智能体为何偏爱 Supabase 作为应用后端。
Simon WillisonAI 评分6060 Simon Willison：2026 年 10 月是 vibe 游戏开发拐点
Simon Willison 认为 2026 年 10 月是 vibe 游戏开发的拐点，Claude Opus 5.5 在 3D 建模、音乐生成和游戏设计上有明显进步，他让模型把游戏改得更有趣，模型确实做到了。
Simon WillisonAI 评分2222 Terk Terkowitz：AI 工具帮不上忙也是发现，不是失败
Terk Terkowitz 在 Amazon 工程领导层关于 AI 时代开发者角色的更新中表示，如果当前 AI 工具无法让工作受益，这是一种发现而非失败。他建议记录原因、与同行社区分享、告知管理者并寻找解决方案，并认为能说明 AI 在何处尚不能帮助工作的工程师，正展现了所期望的判断力。
OpenAI NewsAI 评分2020 OpenAI 探讨 AI 如何进入企业组织架构
OpenAI 发文探讨 AI 可能以何种方式进入企业组织架构——位于员工之下、身旁以及彼此之间。文章未给出具体模型、版本或数据，仅提出这一组织层面的设想。
Latent SpaceAI 评分6060 Anthropic 如何用 Claude 造 Claude：把大脑和手分开
Latent Space 播客访谈 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang，复盘 Opus 5.5 的发布过程，并解释 Claude Managed Agents 为何把会话日志与 harness 同执行代码的沙箱分离。
Latent SpaceAI 评分6262 Anthropic 如何安全交付全球第一 LLM：把大脑与双手分离
Latent Space 播客邀请 Anthropic 的 Katelyn Lesse 和 Angela Jiang 讲解 Claude 平台背后的工程实践，包括 Opus 5.5 的发布、把模型的大脑与智能体的双手分离、API 扩展以及构建可靠的托管智能体。节目还涉及 Anthropic 的 S-1、改进与投资循环，以及用 Rust 重建 Messages API、凭据与沙箱隔离等话题。
MIT Technology Review · AIAI 评分2020 工业智能：制造业的下一个增长机会
制造业的工业智能由员工经验、运营数据与业务理解构成，关键在于把这种智能送到每个决策现场并与物理生产环节连接。Toyota Industries 打通原本割裂的涂装车间数据后，分析周期从五天缩短到四小时以内，试点中相关涂装缺陷减少约 25%。Rockwell Automation 新加坡工厂用维护 copilot 整合制造数据、设备手册与老员工经验，新员工掌握数百台设备排障的时间从九个月降至三个月。
MIT Technology Review · AIAI 评分6666 真正的 Anthropic 究竟是谁
Anthropic 提交 335 页 IPO 招股书，其中约 100 页讲风险，并警告其技术可能侵蚀信任、危害社会甚至带来灾难性风险。作者梳理联合创始人 Jack Clark 在 IMF 会议上称奇点已经开始、Chris Olah 在梵蒂冈谈模型内部状态等公开表述，指出 Anthropic 同时扮演安全机构和追逐利润的巨头，这种多重叙事未必让它更可信。
MIT Technology Review · AIAI 评分3434 对 AI 安全灾难的关注，掩盖了日常性伤害
MIT Technology Review 刊文指出，科技政策把"聊天机器人不鼓励自杀""儿童难买芬太尼"这类底线保护当作成功，却忽视产品日常造成的依赖与认知侵蚀。
MIT Technology Review · AIAI 评分2222 如何设计一套可持续演进的 AI 服务框架
EXL 在《Engineering the Harness》系列中探讨企业 AI 的服务框架设计，涵盖服务架构、内存管理、调度与推理优化如何协同。文章指出生产环境的瓶颈常来自 KV cache 随并发与上下文增长导致的 GPU 显存压力，应先测量再优化。框架应围绕工作负载与 SLO 构建，使换模型成为评估与配置决策而非架构重建。
Microsoft ResearchAI 评分3131 微软研究院播客：AI 会犯哪些错，失败能教我们什么
微软研究院播客中，partner research manager Jennifer Neville 与首席应用科学家 Chad Atalla 讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学转向计算机科学的经历，分享使用当前 AI 系统的实用建议，并强调结果反常时细查数据的重要性。
Berkeley AI ResearchAI 评分4242 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本正快速下降——GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间、中位数约 50x。