标签: 系列:技术观察
该标签下的全部文章。 "系列:技术观察".
OpenAI没有创新，那么说这句话的Kimi K3的创新藏在哪里
以Kimi K3的参数宣传与技术讨论为起点，区分创新叙事、架构变化和实际能力验证。文章围绕记忆、遗忘与检索路径展开，并保留关键来源和尚未验证的事项，避免用跑分替代技术解释。
AI把作业写完了，学徒怎么办
围绕AI代做作业、行业学徒培养与技能形成的变化，讨论答案之外的训练价值。技术能力提高并不自动解决学习路径和激励问题，教育与企业需要重新核对新人积累判断力所依赖的台阶。
FDE陷阱：AI公司正在沦为传统卖人头外包公司？
从FDE招聘与交付模式的扩张，讨论AI公司是否正在回到按人头出售服务的逻辑。单项目利润不等于规模化能力，评估商业模式需要检查Agent替代率、交付复用和持续形成的软件底座。
红队实战：Github 1.1K Star，一个AI写报告，四个AI来拆台
从投资分析的红队思维转向Hyper Research的研究流程，介绍写作、证据核验与多角度反驳如何分工。工具的作用是减少盲区和揭示反证，研究是否值得进行、结论是否可信仍需要人作判断。
大模型军备竞赛：形式开源，实质闭源——Kimi K3开源2.8 万亿参数的营销魔术
以Kimi K3的参数规模与部署门槛为线索，讨论形式开放与实际可用之间的距离。算力、运维、修改能力和生态入口共同决定控制权，公布权重并不必然让普通使用者获得模型主权。
才知道很多人不知道两个"开源"不是同一个"开源"
比较传统开源定义、开放权重、OpenRAIL和OSAID，讨论同一个开源标签下不同的许可与技术条件。判断模型是否开放，需要核对使用限制、训练信息和可修改性，而不是只看权重能否下载。
驳一下Palantir CEO：按Token收费就是没信心？
回应按Token收费等于缺乏信心的观点，从经济计算、交易费用和结果归因讨论AI定价。文章区分适合按结果结算的场景与复杂企业交付，强调收费方式不能替代对客户价值的具体检验。
Loop：省钱就自欺，不自欺就烧钱
分析让AI自主迭代的Loop机制：Token消耗带来成本压力，自动验证又受到古德哈特定律影响。省钱与可靠检验之间存在张力，适用边界取决于客观验证标准、任务结构和实际单位成本。
AI基础设施的开放陷阱
将AI基础设施拆为模型、记忆、工具和应用四层，分析开放标准与生态锁定如何同时发生。开源、接口与工作流的商品化可能转移权力，判断开放的价值需要追踪知识资产与控制能力的归属。
当所有AI共享同一个关于你的记忆库
围绕开放记忆协议OMP，讨论跨AI共享个人记忆的便利与代价。记忆标准化、自托管承诺和网络效应可能改变数据主权与认知多样性，开放接口并不自动意味着使用者获得更多控制权。
AI 平权是个伪命题：当狙击枪发给了所有人
从顶级量化机构与普通使用者的收益差异，讨论AI工具普及是否等于能力平权。工具供给可能加速信息与策略的贬值，数据、判断力和执行资源的差异，仍决定竞争奖金如何被分配。
周末跟一个CFO聊完，她说：现在写文章的专家不能信了。
与CFO的一次交流引出AI时代专家可信度的变化：知识长文变得廉价，判断、案例与现场解决问题的能力仍然稀缺。文章讨论FDE的价值，并提出通过实际交流筛选AI厂商和专业服务者。