Kevin Simback

我深信不疑：
1. AI 對多數企業攸關生死存亡
>不採用 AI 是博弈論上的最糟選項——如果你想要完整的解釋，請參閱我置頂的貼文
2. 如今多數公司幾乎還只停留在起步階段
>儘管你在這個應用程式上讀到的內容可能不是如此，但如今最常見的實作方式，是讓員工使用前沿企業帳戶來改善搜尋功能並進行一些基本自動化，而且大多處於單人模式
3. AI 發展得如此迅速，對多數企業來說令人難以招架
>多數企業不會整天待在 X 上，也不會掌握最新的模型發布與工具公告；他們有實際的日常工作，無法跟上，也可能不想跟上。他們希望有人告訴自己該做什麼，並直接讓損益與 KPI 變得更好
4. 多數中型企業以及相當一部分大型企業，仍然沒有真正的「AI 負責人」或企業 AI 策略
>他們擁有內部推動者和零散的部署，而不是一套相互連結的策略與計畫，來規劃 AI 應如何在整個企業中被運用
5. 多數企業尚未將 AI 與損益連結起來
>提供 AI 工具給員工確實能提升生產力，但他們要如何運用那些能讓公司受益的額外時間？這往往正是缺少的連結
6. 對服務提供者而言，從未有過比這波 AI 轉型浪潮更好的市場機會
>過去所有「企業變革」催化劑——網路、行動裝置、雲端——與 AI 將帶來的顛覆性相比都相形見絀，因為 AI 要求我們從根本上重新思考如何組織輸入以產出輸出
至少，企業必須以 AI 為核心重新設計流程；而在光譜的另一端

現在是我這邊週一上午 9 點，目前聽說這週我們會迎來：
>DeepSeek V5 壓過 Astra
>Astra 6.1 壓過 Opus 5.5
>Gemini 4 壓過其先前版本
另外還有一款 OpenAI 代理產品要與 Muse、Grok Bot 等競爭
我漏掉什麼嗎？

我一直在用 @runwayml 試做一些影片，但不得不說，我非常失望
我是在看到幾個由 Opus 5.5 驅動、效果很棒的「一鏡到底」範例後，才想試試看，但 Runway 似乎完全是個燒錢坑
事情是這樣的——它會生成一些片段，每個片段都要花不少點數，然後你想微調幾個地方，就得再支付一些點數
但如果它把整個作品搞砸了，而我就遇過好幾次這種情況，你還得支付更多點數來撤銷它搞砸的部分
所以最後你確實可以得到相當不錯的成品，但前提是得花費驚人數量的點數，讓它修正自己的錯誤
我打算把同一個提示詞交給 @higgsfield_ai，看看是否也會發生同樣的事

LinkedIn 真是個爛透的地方，我們怎麼到現在還沒有更好的替代方案？

在 @codos_ai，我們有一項用於招募的帶回家完成測驗
過去這項測驗一直難到足以挑戰應試者，但 Opus 5.5 一次就完成了
所以現在我們得把它做得難上許多
有趣的是，Astra 6 嘗試了兩次都失敗，Opus 5.5 的程式碼能力實在太強了

我剛算了一下——今年光是為了我的代理相關工作就新增了 6 顆 CPU
這包括幾台 VPS、代理程式附帶的 CPU，以及一台 Mac mini
我之前只有一台筆電和一台桌機，所以 CPU 數量增加了 3 倍
看好 CPU 製造商 $INTC $AMD

個人代理將會像電子郵件一樣無處不在——每個人至少都會有一個
電子郵件剛出現時高度分散，而且花了很長時間大家才加入其中
像 EarthLink 和 AT&T 這樣的 ISP 將電子郵件提供給使用者，接著 AOL、Yahoo 和 Hotmail 變得流行起來，而且很多人很有趣地長期使用他們的大學信箱
直到 5-10 年後 Gmail 正式推出，市場才開始整合
我懷疑代理領域也會出現相同的情況——未來幾年會是大量出現與分散，然後我們才開始看到整合
所以，在 $10b 上下注前要仔細想想，因為它可能只會是另一個 Prodigy 或 EarthLink

一家正在虧損（無法獲利）的公司要如何支付代幣費用？
這就像一名需要手術卻沒有資金的病人——你會借錢、背上債務，不惜一切代價
因為如果沒有 AI，你就無法獲利，這個窟窿只會越來越深

如果前沿模型「被限制速度」會發生什麼？
我認為代幣支出會開始狂飆
他們必須因為「太強大」而暫停這一事實，讓所有認為 AI 無法創造價值的企業看空論點失效
因此每個董事會和企業所有者都會利用這段窗口期推動 AI

人們的提示詞風格大不相同
我總覺得看到其他人的提示詞很有趣
有些人非常簡短又直接，有些人則分享過多資訊
我往往比較偏向分享過多資訊，只是假設細節越多越好，但我可能可以刪減一些

儘管取得了所有進展，今天的代理仍然相當笨拙
我們拿一個極其聰明的 LLM，卻需要在上面套一層工具框架，讓它能記住昨天做了什麼，然後不斷檢查它，以確保它不會搞砸
想像一下，雇用一位每天來辦公室、沒有任何記憶的博士，必須閱讀筆記本才能弄清楚自己正在處理什麼，接著老闆還得整天盯著他或她的一舉一動
但如果那本筆記本是持續強化學習的訓練資料呢？
這位博士會記得昨天處理的工作，因為它現在已經成為永久記憶的一部分，不再需要筆記本
CRL 這個概念目前尚未解決，但我猜想未來幾年內會找到解法
這將是讓代理更實用的最大突破之一，尤其是在 TAM 最高的企業環境中
如今的 LLM 已經足夠聰明，能夠完成大多數知識工作，只是仍需要大量外部工具框架管理方面的工作，才能將它們投入生產環境使用
這就是為什麼工具／解決方案市場如此分散，也解釋了為什麼對 FDE 的需求如此高
我不認為目前這種情況會永遠持續下去
更有可能的是，我們會擁有無限多個在基礎模型之上運用 CRL、進而成為獨一無二代理的客製化 LLM
後訓練工作會走出實驗室，交到任何運行代理的人手中

AI 發布的這一週真瘋狂
如果 Grok 4.7 明天發布就好笑了
星期二：
>Claude Fable 5.1 / Mythos 5.1
>Qwen3.8-Max-0902
星期三
>Gemini 3.8 Flash
>Meta Muse Spark 1.3
星期四
>GPT-6 Astra

等著所有使用每月 20 美元訂閱方案的人抱怨 Fable 5.1 很快就耗盡額度，而且很爛
你真的只要付 Netflix 的價格，就離 AGI 又近了一步，別再抱怨了

《魷魚遊戲》，但主角是代理程式——誰在打造這個？