Ethan Mollick 是研究人工智能与工作、教育关系的学者，也是《Co-Intelligence》一书的作者。近期他在 X 上讨论了多项话题：Opus 5.5 的用法与检查点式协作、Genie 4 实时演示、开放权重模型落后于闭源模型、OpenAI 产品生命周期缩短，以及 AI 对软件迁移和科研方式的影响。他还谈到新书中工业化与手艺两种工作逻辑的对比。
草莓那件事确实很有趣，但可能让人对 AI 在数学方面的发展方向产生了错误印象。 [引用 @EpochAIResearch]: Every FrontierMath Tier 4 problem has now been solved by AI, with GPT-6 Astra solving the last problem standing. Mathematicians often commented that AI found unintended shortcuts when solving thei…
你现在在数学中看到的，是不平滑前沿的结果，也是其他职业将出现情况的前兆。是的，数学家会做数学，但他们也有其他被视为重要的任务（指导学生、维护学术社区、保障领域的未来、培养对数学的热爱），这些是 AI 做不到的。 数学家似乎至少有一种担忧：通过专注于数学家所做工作中最耀眼、最明显的要素（做证明），AI 公司正在损害那些 AI 无法胜任的其他任务。AI 可以发现超越人类的证明，但这并不是数学职业的全部，而且实际上可能削弱并减少对数学家其他重要工作的关注。如果最具可见性的部分被取走，要向外界捍卫数学家所做的许多其它任务…
我正用 AI 在这么多我不想也不需要精通的烦人任务上迅速降低自己的技能水平。对这些任务无法被快速降权（deskill）表示无法满足。
Google 不再拥有 frontier 模型意味着他们将在两个本可以做出贡献的领域失去机会：最近一系列数学突破（在这里，大规模算力加上长期与科学合作的经验会有帮助）以及网络安全（在这里，大公司的视角会有帮助）
乍一看这里似乎有很多事情在发生。 [引用 @AnthropicAI]: 我们正在分享我们对在第三方网络安全评估过程中，Claude 模型在误连到互联网的情况下获得对真实系统未授权访问事件的对齐评估。 METR 还将进行独立调查，拥有广泛的访问权限，包括超出事件发生窗口的记录，以及获准与 Anthropic 员工进行沟通的权限…
开源权重模型与前沿差距比我们近些年见到的更大。Mythos 在三月发布，虽然自那以后开源模型的发布不错（K3 和 GLM-5.3 很好），但在实际表现上它们并没有接近 Mythos 或 Astra。我认为这种情况会改变。
这里有一个很好的可视化，展示了随着 AI 推进任务组合如何改变，并且有一些关于在不同假设下 GDP 增长的交互式模拟。但如果我们既出现爆炸性的 GDP 增长又出现大规模白领被替代，合适的政策回应缺失了。 [引用 @AnthropicAI]: Anthropic 的经济学团队正在分享一个新模型，说明到 2030 年 AI 可能如何影响经济增长、就业、工资等。探索这些情景，告诉我们你认为会发生什么，并查看你的答案与超过 10,000 名美国人的比较。
今天在各个实验室工作的人的话语非常奇怪，即便在 AI 话语中也不同寻常，这让我觉得大家都在对快速发展的事件做出反应——无论是显现出的 AI 能力，还是公众认知上的变化。
AI 似乎正在超越最优秀预测者的预期。 [引用 @Afinetheorem]: 2025 年 11 月 LEAP 小组的 AI 专家和超级预测员：到 2027 年 AI 有 10% 的概率帮助解决一个千禧年难题。“一位专家引用了 Clay 主席 2025 年 6 月的说法：‘我们离 AI 能对这些问题说任何严肃的话还很远’ (Heaven 2025)”
然而，无论我们有多少算力，我们越来越可能需要更多算力。 [引用 @abhishekn]: 根据我的计算，仅这里的算力（300 BILLION output tokens），按代价算对普通用户来说代币就要花费2000万到3000万美元。一旦 AI 公司决定不再值得去追求那些不是千禧年难题的事情，我们如何维持这一级别的科学投资？ 还有——完全震惊 🤯 ——接下来很难再专注于另一个研究研讨会/主题了…
@METR_Evals 的长时程度量是否已经有效饱和？ 自 5 月以来最著名的 AI 进展图没有更新，但其他发表的工作表明，你实际上可以从 Fable（我也假设 GPT-6）在 harnesses 中获得 18+ 周的工作量。
A.I. 日报