阅读

开发者 matthew-mcateer 在 GitHub 发布了开源项目 Survival LLM，这是一个完全运行在本地计算机上的 AI 助手，旨在为停电、自然灾害等紧急情况提供离线指导。该项目整合了约 150 万篇维基百科、WikiMed、美国疾控中心（CDC）和联邦紧急事务管理局（FEMA）等机构的急救与生存手册，用户无需互联网即可查询如何净化水源或处理烧伤，且每个回答都会标注具体的文献来源。

项目 README 中公布了一组内部基准测试数据，评估了 Nemotron 3.5 Super、Qwen3.8 等多个大语言模型在 22 个断电与急救场景中的表现。测试由独立 AI 裁判根据 USDA、WHO 等官方指南进行盲评，结果显示 Nemotron 3.5 Super 的准确率为 86%，未产生有害建议。但开发者明确注明，这些测试是在加入维基百科内容之前的早期库版本上进行的，因此该数据仅用于模型间对比，不能视为当前下载版本的绝对安全保证。

知行小酒馆于2026年10月30日发布了第256期节目《等等，经济已经好起来了吗，怎么还没暖到我啊？》，本期嘉宾为中国金融四十人论坛（CF40）研究院院长郭凯。节目围绕CF40近期发布的《中国经济新范式：动因、趋势与政策含义》报告展开，由主持人雨白和大卫翁共同向郭凯提问。

根据节目官方简介，这份报告提出了驱动中国进入经济新范式的四个核心动因：房地产与制造业产能周期见底、新经济与AI及能源革命兴起、人口老龄化与财政巩固、全球地缘风险上升。节目试图探讨这些宏观事实组合后可能推导出的反共识结论，以及如果经济运行方式发生根本改变，沿用过去经验可能导致哪些判断错误。

本期节目的核心议题在于连接宏观数据与微观感受。官方时间轴显示，讨论涵盖了“一个反共识：中国经济的拐点可能已经到来”、“旧经济的坍缩和新经济的生长，是两条没有交集的平行线”以及“不愿意消费，归根到底是对未来收入没有乐观预期”等话题。节目旨在厘清在新产业如火如荼发展的同时，为何普通人的工作和收入未能同步改善，以及这种宏观韧性与个体自救之间的张力。

对于关注中国经济转型的读者而言，这期节目提供了一个直接听取权威智库研究者观点的机会。虽然目前未获取完整音频或文字稿，但基于CF40在政策研究领域的专业地位以及郭凯作为研究院院长的身份，该期节目对于理解当前房地产调整、新能源与AI产业替代效应以及地方财政压力等复杂经济现象具有参考价值。

大语言模型足以支撑一个智能体试点，但Chakravarti认为，当企业要把智能体部署到产线管理、产品管理和质量管理等不同角色时，问题就变了。每个角色体验智能体流程的方式不同，而更关键的是，如果放任每个人自行创建智能体，这些智能体就会脱离组织规则、技术栈和安全合规的约束。

TCS的应对方式是'工业智能铸造厂'：一个按领域本体和分类系统组织的可复用智能体库。质量经理需要检查生产流程中的视觉检测，可以拖拽一个已有的计算机视觉智能体，组装进自己的工作流；同一个智能体也可以被训练部门或品控部门复用。构建得越多，沉淀的知识库越厚，下一个应用就能站在已有工作流之上。

Chakravarti把铸造厂定位为加速器而非最终产品，TCS的核心业务仍然是对某条具体价值链的AI转型。但一个值得注意的变化是：很多客户现在要求TCS代为管理智能体的生命周期。他的解释是，每个智能体自身都在快速变化，变化速度之快使得客户宁愿把持续维护也外包出去。这意味着'部署完就不管'的传统软件交付模式在智能体场景下正在失效。

在部署形态上，主权和合规压力把客户推向不同方向：研发类价值链的客户倾向于把铸造厂应用留在本地，部分客户要求在自有主权云或特定区域云部署。TCS同时强调，铸造厂永远作为转型交易的一部分出售，而非独立产品。

需要保留的边界是：TCS声称该方案可缩短新产品导入时间25%、提升制造效率20-25%，这些是厂商自报数字，没有披露测量方法、样本规模或对照条件。此外，领域策展模式隐含一个前提——客户组织已经具备定义角色化工作流的基础能力。对于尚未建立流程文档或角色边界的工业组织，策展本身可能成为新的瓶颈。

2026年10月30日，英国数字监管合作论坛（Digital Regulation Cooperation Forum, DRCF）成员机构发布了题为《在代理式AI经济中保护个人与企业》的联合声明。DRCF由英国竞争与市场管理局（CMA）、金融行为监管局（FCA）、信息专员办公室（ICO）和通信管理局（Ofcom）组成，旨在协调这些监管机构应对数字市场的共同挑战。

声明指出，随着个人AI代理（personal AI agents）的使用日益增长，各监管机构将继续加强协作，并与政府合作，确保现有的法律和监管框架能够适用于这些新型智能体。此前，英国竞争与市场管理局已发布研究分析，探讨代理式AI如何影响消费者生活以及企业应如何缓解风险。

该声明并未引入新的立法义务，而是重申了现行法律在代理式AI场景下的适用性，并明确了四大监管机构在此领域的分工与协同机制。对于在英国市场部署面向消费者的代理式AI产品的企业而言，这提供了更清晰的合规预期和监管沟通渠道。

播客“起朱楼宴宾客”于2026年10月30日发布了第186期节目《何为中国经济新范式？｜对话CF40研究院院长郭凯》。本期节目由主持人大卫翁与知行小酒馆的雨白共同采访中国金融四十人（CF40）研究院院长郭凯。郭凯曾长期在金融监管部门任职，目前活跃于宏观经济研究一线。此次交流的契机是CF40研究刚刚发布的年度报告《中国经济新范式》，双方就报告中的结论和数据进行了深入探讨。

根据节目Show Notes介绍，CF40报告提出驱动中国进入经济新范式的四个主要动因：一是房地产与制造业产能周期见底；二是新经济与人工智能（AI）及能源革命的兴起；三是人口老龄化背景下的财政巩固；四是全球地缘政治风险的上升。节目还提到了几个值得关注的信号，包括经济拐点、电力革命和财政体系的变化。

对于关注中国宏观基本面的投资者而言，这期节目提供了一个了解权威智库观点的窗口。虽然具体的论证过程需通过收听音频获取，但Show Notes中列出的时间轴涵盖了旧经济坍缩与新经济生长、技术红利滞后效应、居民消费预期以及政策循环等关键议题。此外，节目还引用了国家统计局数据，指出2026年9月中国CPI同比上涨0.9%，PPI同比上涨5.0%，反映了近期价格水平的变动情况。

2026年10月，一个说法在中文互联网上疯传：中国55%的AI token被用于生成短剧和视频，而美国58%的token用于编程和科研。'中国用火药做烟花，美国用火药做武器'——这个源自鲁迅1933年文章的比喻被重新搬出来，暗示中国正在把技术潜力浪费在娱乐上。人民日报、南方评论、新京报三家官媒罕见地在同一周内集体回应，试图扑灭这个叙事。

钱子岚在GovAI研究中国AI发展与监管。她认为，这个争论的核心不是数字对不对——虽然55%确实不可靠——而是为什么一个来源可疑的数字能引发如此大的焦虑。该数字出自中文在线6月3日的一场投资者路演，随后被中国信通院一份已无法在官网找到的报告引用。字节跳动公开反驳称视频生成仅占其算力约10%。钱子岚的粗略计算显示，即便把全部43万部已发布AI微短剧的生成token算上，也只占总量的7.4%左右；要达到55%，需要生成量是最终成片量的75倍以上。

但数字的虚假并没有消解争论背后的真实张力。钱子岚指出，中国社会存在一种深层的'有用性执念'：技术必须服务于生产力，人必须证明自己的产出价值。从邓小平时期的'科学技术是第一生产力'到当下对AI的监管导向，逻辑一脉相承——AI应当是经济工具，而非玩具或情感伴侣。在这种框架下，用AI生成爽剧天然低于用AI写代码，娱乐天然低于生产。

然而吊诡的是，正是这种对'有用'的极端要求，制造了对'无用'的巨大需求。2024年一项调查显示，63.1%的中国微短剧观众是为了缓解疲劳和放松，40.3%的人被吸引是因为'不需要动脑子'。中国有8.51亿微短剧观众，约占网民的四分之三，其中90%的内容由AI生成。人们一边骂它'无脑''粗制滥造''智力低下'，一边停不下来。钱子岚认为，这不是因为人们有太多闲暇，而是因为工作后的精力已经耗尽，连欣赏一部好作品都成了负担。

爽剧的叙事结构恰好填补了这个空洞：主角被羞辱、被看低，然后逆袭打脸——在现实中努力未必有回报的世界里，这些故事提供'确定的成功'。AI完美适配这种需求：固定套路、不需要高品质、标准化生产。微短剧行业早已在人的疲惫中找到了生意，AI只是让这个公式更高效。钱子岚引用Afra Wang的比喻——AI微短剧像中国的鬼城，一排排几乎相同的公寓无人居住——但她翻转了这个视角：在一个每一小时都被竞争和他人期望填满的社会里，'无意义'恰恰是少数不被要求赋予意义的东西。

莫言去年10月在一次论坛上承认自己有时花几个小时刷短视频，然后批评自己浪费时间。诺贝尔奖得主的坦白让评论区松了一口气：'原来大家都这样。'但莫言随即补充说，人们真正应该做的是读书。这个细节精确地展示了钱子岚所说的机制：连逃避有用性压力的行为本身，都会被有用性逻辑重新捕获。

钱子岚的结论是：AI垃圾内容的粗制滥造值得批评，一个从人的疲惫中牟利的产业理应受到更多审视。但人们从中获得的快乐不需要用'对社会的贡献'来证明其正当性。鲁迅原文讨论的其实是技术的双重性——电既能治病也能刑讯——而今天的AI争论只截取了最后一段，把技术伦理问题简化成了'有没有用在刀刃上'。也许一个国家不再处于危机中的标志之一，就是能够不必为烟花道歉。

OpenAI 在 10 月 26 日发布 GPT-6.1 Terra 时宣称，它在 Agents' Last Exam 基准上与旗舰 GPT-6 Astra 表现相当，而每 token 价格仅为十分之一。InfluxData 开发者内容写作者 Jessica Wachtel 决定用三组合成任务独立验证这一说法。她通过 OpenAI API 以高推理努力设置各跑一次，结果发现这个宣称并非在所有任务类型上都成立。

最宽的分歧出现在 SQL 推理测试中：她构建了一个包含 500 条软件构建记录的假数据库，提出 25 个问题，涵盖软删除、重试、三种货币和时区依赖。Astra 得 48/50，Terra 得 26/50。Terra 处理了全部 500 行并正确应对了软删除和重试，但在需要跨全部行汇总成本或时长的六道题上，它没有尝试给出答案，而是写出 SQL 查询交还给用户自行运行，并标注为未计算。Wachtel 写道，这是她第一次看到 AI 把工作交还回来。

更值得关注的是 Terra 的另一种失败模式。在 SQL 测试中它答错了六道题，其中四道是计数偏差仅一到两个。Terra 对这些错误答案给出了与正确答案相同的置信度，没有任何信号提示它们可能是错的。如果把这些数字直接用于报告，用户不会知道哪些需要复核。

不过 Terra 并非在所有任务上都落后。在事件日志分诊测试中——约 7000 行跨 20 多个服务的故障日志，包含漂移时钟、错误归因和无关告警等干扰——两者均得满分 50/50，都成功追踪到账本服务的设置变更并识别出三台时钟错误的服务器，都没有被误导信息带偏。数据验证测试中 Terra 得 45/50，Astra 得 50/50，差距较小。

综合三项测试，Terra 总耗时 258.8 秒、估算 token 成本 0.61 美元，得分 121/150；Astra 总耗时 709.2 秒、成本 7.88 美元，得分 148/150。Terra 的成本约为 Astra 的 7.8%，速度约为其 2.74 倍。Wachtel 指出，这些运行展示了成本、时间和得分之间的权衡，但不能证明 OpenAI 是故意削减推理来实现这一点的。

Wachtel 自己也标注了重要限制：这是单次运行的合成任务结果，不是可重复性或全工作负载性能的估计。她迭代了三个版本的测试，因为两个模型在简单和中等难度版本上始终返回相同分数，她才不断加难直到弱模型 GPT-5 Mini 得分极低。由于这些高难度版本是在看到早期结果后选定的，不应被当作日常工作的代表性样本。她的建议是：对未经复核的数值聚合或穷举数据验证保持谨慎，但在事件分诊类任务上 Terra 可能是可接受的低成本替代，前提是验证结果。