Aaron Levie
@levie · Box CEO
Meta 做出了 Muse 开源权重模型，这是美国开源 AI 的重大进步。企业将能混合搭配前沿模型用于编排，同时用低成本定制模型处理重复性工作流，这将大幅推高全栈的 Token 消耗和工作负载。从对话式 Agent 到后台自主 Agent 的范式转换，将使 Token 消耗达到当前的 100 到 1000 倍。 原推 →
Box CEO Aaron Levie 在 X 上热烈评价 Meta 的 Muse 开源权重模型："这是美国开源 AI 的一大步。企业将能够混合搭配前沿性能用于编排和高端任务，同时用低成本、定制化的后训练模型处理可重复工作流。"这一判断迅速获得 YC CEO Garry Tan 的转发认同，两人均认为开源权重模型将大幅加速 AI 普及。
但 Levie 的更深层判断值得重视：他认为从对话式 Agent 到后台自主 Agent 的范式转换，将使 Token 消耗量激增 100 到 1000 倍。他描绘的场景是——把任意数量的 Agent 丢给一个问题，告诉它们"完成后回来报告"，这种"Agent 蜂群"将覆盖代码保护、数据安全、QA 测试、文档审查等几乎所有知识工作环节。
与此同时，OpenAI 的 Thibault Sottiaux 发了一条意味深长的状态："要么我们想法枯竭了，要么我们在憋大招。时间会证明一切。"这条推文获得超过 2700 赞，反映了 OpenAI 内部对当前产品节奏的微妙情绪。
TypeSafe AI 的 CEO Diogo Almeida 做客 MAD Podcast，回顾 Jev 发布一个月来的惊人增长：4000 万播放的上线视频、日活 100 万用户、日处理万亿 Token、三分之一财富 500 强企业已成为客户。TypeSafe 刚完成 8.7 亿美元 Series A，估值 75 亿美元。
Almeida 的核心论点简洁而大胆：AI 并非不能做 System 2（深度推理）任务，而是应该把复杂任务分解为可信赖的 System 1（快速直觉）模块来组合完成。他把 Jev 称为「机器原生 AI」——不是聊天框里的助手，而是嵌入软件内部的决策引擎。
播客中最具争议的观点之一是：RLHF（人类反馈强化学习）是 AI 行业的「欺诈性成本」。Almeida 直言，为了让模型「取悦人类」而牺牲真实性，导致了系统性的 sycophancy（阿谀奉承）问题。他认为 Jev 的训练方式（RLCD）直接优化机器可执行的决策质量，而非人类偏好的表面拟合。
收听原片 ↗Meta 做出了 Muse 开源权重模型，这是美国开源 AI 的重大进步。企业将能混合搭配前沿模型用于编排，同时用低成本定制模型处理重复性工作流，这将大幅推高全栈的 Token 消耗和工作负载。从对话式 Agent 到后台自主 Agent 的范式转换，将使 Token 消耗达到当前的 100 到 1000 倍。 原推 →
未来我们会拥有机器人、飞行汽车、超级智能、飞机上的高速网络、太空旅行、太空殖民地、轨道数据中心、无限能源、几乎每种疾病的治愈方案——全部在我们的有生之年。相当不错。 原推 →
开源权重模型正在崛起。Meta 的 Muse 开放权重是美国 AI 开源生态的关键一步，让企业可以在前沿性能和低成本定制之间自由组合。 原推 →
过去几年我们在 Claude 模型的提示注入防护上取得了重大进展。随着 Agent 能做越来越多的事，全行业解决这个问题的紧迫性越来越高。很高兴能与 Gray Swan 合作举办这次竞赛，看看大家能找到什么。 原推 →
要么我们想法枯竭了，要么我们在憋大招。时间会证明一切。 原推 →
你刚读完关于多语义性的文章，自然认为可解释性就是解开叠加。你会相信这一点，直到下学期发现一个对埃菲尔铁塔有反应的神经元。然后你会花整个夏天解释我们如何对齐超级智能，因为我们知道它在想法国。明年你会意识到：知道它认出埃菲尔铁塔，根本不知道它打算干什么。 原推 →
我相信 Goodfire 可能是 SPC 孵化出的最重要公司之一。他们证明了可解释性和对齐可以被当作工程问题来解决。这很重要——把看似哲学的问题变成可操作的工程路径。 原推 →
品味不意味着审美品味。那是品味最浅薄的定义，也因为太常见而毫无趣。真正的品味是关于判断力、时机感和对边界的理解。 原推 →
永远不要低估观众的智慧，也永远不要高估他们的先备知识。——Ezra Klein。做产品和内容时，这是最值得记住的一句话。 原推 →