真正在做 AI 的人今天说了什么。一页读完，约 3 分钟。
今天最锋利的观点出在推理经济学上：diffusion 的发明者之一认为，决定未来两年的是并行生成，不是更大的模型。Guillermo Rauch 反的是另一种规模，他警告说，没人核验过的 AI 文字正在让人干脆不再读东西了。其余话题就是一个典型的 builder 周六：Claude 的用量限制悄悄放开了，Gemini 新的音频 API 有人开始拿来做小玩意，Opus 5.5 被派去拍柏拉图对话。
diffusion 会赢在推理经济学，不是赢在智力本身
Stefano Ermon 押的是：autoregressive 模型有一个谁也绕不过去的结构性问题，一次只生成一个 token，受制于内存带宽，跟 GPU 的特性也对不上；而 diffusion 一次处理很多个 token，对待推理的方式和对待训练是一样的。「bitter lesson 告诉我们，更并行的那个方案最终会赢。」Inception 的 Mercury 系列现在在 benchmark 上已经追平前沿实验室那些主打速度的档位，实际跑起来还要快出不少；做语音 agent 的 Open Call 把 Cerebras 的定制芯片换掉了，在普通 NVIDIA GPU 上拿到了差不多的速度。他估计今天有 20% 到 30% 的负载是被延迟卡住的，还点出第二个优势：diffusion 是由粗到细地打磨结果，所以你可以对一个还没完成的输出打分、给方向，不必等最终成品出来。
Tan 现在的修 bug 流程：Capy 跑 GStack autoplan 打线上问题
Tan 说他现在最喜欢的修 bug 方式是用 capy.ai 配 GStack 的 /autoplan，直接对着线上的真实问题跑，模型用 GPT-6，reasoning 调到 medium。工具之外，他在推 Garry's List 的家庭聚会，说这是给那些在社交媒体上生气、又完全不知道下一步该干什么的人的答案，组织的落点是教育和 merit。另外：be chalant, don't LARP。
Claude 的用量限制一夜之间从几乎不能用变成基本无限
Yang 发现 Claude 的用量限制从几乎不能用一下变成了实际上无限，官方没给任何说明。他还在用 Google 新的 Gemini audio API 做一个日语口语陪练，结构是 10 节课、每节 10 个句子，为此第一次上手了 Antigravity，但没找到明显能提反馈的地方。
源数据来自 zarazhangrui 的开源项目 follow-builders，以 MIT 许可发布。摘要由 LLM 基于该项目的公开 feed 生成，摘要 prompt 亦改编自该项目。上面每一条都链接到原始出处。
摘要由程序自动生成。据此做判断前请先看原文。