claude-code-releases | Claude Code v2.1.195 发布
新增禁用鼠标点击的环境变量，支持多语言语音听写，并修复了钩子匹配器等问题。
Dwarkesh Podcast | What does the next training paradigm look like?
Dwarkesh Podcast 系统讨论下一代 AI 训练范式，提出从大规模 RLVR 过渡到持续学习的演进路径，包括策略内自蒸馏和梦境模拟等方向。
OpenAI YouTube | Builders Unscripted: Ep. 4 - Pietro Schirano
OpenAI 官方演示 GPT-5.5 和 Codex 在创意任务、旧硬件改造等场景中的实际应用。
Sam Altman / OpenAI | OpenAI 发布 GPT-5.6 系列与 Sol 模型，Sol 因政府要求限制发布
OpenAI 发布 GPT-5.6 系列有限预览，涵盖旗舰 Sol（网络安全专用，配备最强安全堆栈）、平衡型 Terra 和低成本 Luna。Sol 因美国政府要求以有限预览形式发布，无法开放访问。
Sam Altman | Sam Altman 透露 GPT-5.5 Instant 模型更新
Sam Altman 发推确认本周已更新 ChatGPT 中使用的 GPT-5.5 Instant 模型。
ChatGPT X | ChatGPT 本周新功能更新
ChatGPT 官方发布本周更新：新听写模型提升多语言转录质量，新增网页编辑器快捷键，部署 GPT-5.5 Instant 模型，优化移动端侧边栏。
Sam Altman | OpenAI 首次自研 AI 芯片 Jalapeño
Sam Altman 宣布 OpenAI 与 Broadcom 合作设计并制造了首款自研 AI 芯片 Jalapeño，专为 LLM 工作负载优化。
Orange AI / oran_ge | Cola 平台模型使用观察：GLM 5.2 超越 Claude，GPT 5.5 使用率低
基于 Cola 平台数据观察到反直觉的市场格局：GLM 5.2 在付费用户中超越 Claude，DeepSeek v4 Pro 仍是大众选择，GPT 5.5 几乎无人使用。
Tibo / thsottiaux | Codex 额度异常消耗问题及补偿
Codex 团队调查部分账户额度异常消耗问题（疑似滥用检测误判），随后宣布为所有用户重置额度作为补偿。
向阳乔木 / vista8 | 豆包 Seed 2.1 Pro 模型实测：编程与多模态达生产可用水平
实测显示豆包 Seed 2.1 Pro 在 5 分钟内完成 CMS 系统开发，多模态识别可准确识鱼、生成 HTML 动画，达到生产可用水平。
Sam Altman | Sam Altman 证实正开发不限量 Token 套餐
Sam Altman 发推确认 OpenAI 正在开发不限量 Token 订阅模式，将影响 AI 工具的定价和用户使用方式。
Sam Altman | GPT-5.6 Sol 将在 7 月达到 750 token/s
Sam Altman 宣布 GPT-5.6 Sol 将在 7 月实现每秒 750 token 的推理速度。
(今日无内容)
黄小木 / ai_xiaomu | 亚马逊搜索系统已转向 AI 驱动的 GEO 模式
亚马逊搜索从关键词匹配转向基于 COSMO 意图理解和 Rufus AI 推荐的 GEO 模式。文章详细分析了算法变化原理，并为卖家提供了流量优化建议。
Roland.W / rwayne | 兰州大学论文图表出现豆包 AI 水印，揭露学术伦理问题
用户揭露兰州大学一篇一区论文图表出现豆包 AI 生成水印，结合作者关系网络指出学术圈论文装配线问题，引发对 AI 使用规范和诚信的讨论。
Dwarkesh Podcast 这期节目系统性地探讨了 AI 训练范式的下一个拐点。嘉宾提出，当前以大规模 Reinforcement Learning from Verifiable Rewards（RLVR）为主的范式正在逼近天花板，业界需要转向持续学习架构，核心组件包括策略内自蒸馏（policy-intrinsic self-distillation）和梦境模拟（dream simulation）。策略内自蒸馏让模型在训练过程中自我迭代知识表征，减少对外部标注数据的依赖；梦境模拟则让模型在虚拟环境中自主生成训练场景，解决真实数据稀缺和分布外泛化问题。这一演进路径的本质是从“喂数据”转向“教方法”，类似于从死记硬背到掌握学习能力的跃迁。
这期播客的价值在于它勾勒了一条清晰的 AI 底层演进路线图，而非零散的技术点。如果你此前认为“更大规模的数据和算力”是唯一的进化方向，这一讨论会彻底改变你判断模型能力天花板的方式。可迁移的启发是：当任何领域的规模化失效时，不要试图增加资源，而是重构学习的本质——无论是 AI 模型还是人类团队，从“获取更多信息”转向“提升信息处理与自我迭代的能力”才是突破的关键。
OpenAI 今日正式发布 GPT-5.6 系列模型的有限预览版，包含三个定位迥异的成员。旗舰模型 Sol 专为网络安全任务优化，配备 OpenAI“有史以来最强安全堆栈”，但 Sam Altman 明确表示因美国政府要求，Sol 只能以有限预览而非开放访问的形式发布。平衡型模型 Terra 面向通用场景，低成本模型 Luna 则主打经济性。与此同时，Sam Altman 还透露 GPT-5.6 Sol 将在 7 月达到每秒 750 token 的推理速度，并确认 OpenAI 正在开发不限量 Token 订阅套餐。这一系列发布还伴随着另一条重磅消息：OpenAI 与 Broadcom 合作的首款自研 AI 芯片 Jalapeño 已完成设计与制造。
这是本周最具信号意义的事件。三个维度的判断需要更新：第一，AI 领域的政府监管正在从“软讨论”进入“硬干预”阶段，Sol 的发布形式直接证明了国家安全考量可以实质性地改变产品形态和可用性；第二，OpenAI 自研芯片意味着它对算力成本的长期规划已不再寄望于第三方供应链，垂直整合将成为硬通货；第三，不限量 Token 套餐的开发预示着 AI 服务的定价模式将从“按量付费”转向“订阅制”，这对所有依赖 API 成本的团队来说是必须提前布局的结构性变化。可迁移的启发是：当一个行业的核心资源（算力、模型、数据）被政策或供应链锁定，提前建立替代方案或谈判筹码不再是备选策略，而是生存前提。
Sam Altman 宣布，OpenAI 与 Broadcom 合作设计并制造了其首款自研 AI 芯片，代号 Jalapeño，专为大型语言模型工作负载优化。这标志着 OpenAI 正式从“买芯片跑模型”转向“造芯片跑模型”的战略升级。虽然具体技术参数尚未披露，但“专为 LLM 工作负载优化”这一表述暗示该芯片很可能在推理效率、显存带宽和低精度计算等关键指标上做了定制设计，而非与 GPU 在通用计算领域直接竞争。结合此前 GPT-5.6 系列的发布，可以看到 OpenAI 正在同时推进模型、芯片和定价模式的全栈独立。
这一事件值得深读的原因在于它改变了读者对整个 AI 产业链的判断基准。过去我们默认“模型公司=软件公司”，但 Jalapeño 的出现意味着前端模型公司正在向底层硬件渗透，这可能重构 AI 的成本结构、性能天花板和竞争壁垒。从可迁移的视角看，任何依赖核心外部资源（算力、数据、供应链）的业务，都应评估“自建 vs. 采购”的长期收益曲线——当外部资源的稀缺性或成本不可控时，垂直整合不是选择而是必然。
一篇长文详细拆解了亚马逊搜索系统的底层变革：传统的关键词搜索逻辑已被 COSMO 意图理解模型和 Rufus AI 推荐系统取代，转向了所谓的 GEO（Generative Engine Optimization）模式。COSMO 模型不再只匹配用户输入的词，而是理解用户搜索背后的真实意图——比如搜索“生日礼物 爸爸”不再是罗列含这些词的产品，而是理解送礼场景、预算区间和情感价值。Rufus AI 则通过对话式推荐进一步影响搜索结果排序。文章还给出了针对这一新机制的卖家优化建议，包括调整产品描述结构、增加场景化关键词、利用 AI 友好的结构化数据等。
这对所有依赖电商平台流量的内容生产者和卖家而言，是必须立即关注的信号。亚马逊搜索逻辑的变化意味着过去积累的 SEO 经验（堆砌关键词、优化标题密度）可能正在失效。新的判断是：AI 驱动的搜索更倾向于“理解”而非“匹配”，因此内容质量、场景覆盖和结构化数据的重要性将快速上升。可迁移的启发在于——无论你在哪个平台做分发，当算法从“关键词匹配”进化到“意图理解”时，内容的核心竞争力就从“覆盖了多少词”变为“理解了多少人”。
OpenAI 发布了 Builders Unscripted 系列第 4 期，嘉宾 Pietro Schirano 现场演示了 GPT-5.5 和 Codex 在创意任务与旧硬件改造中的实际应用。演示涵盖利用 GPT-5.5 生成创意设计原型、通过 Codex 对老旧硬件设备进行 AI 能力注入（如让旧摄像头实现自动物体识别和语音播报），以及在低配置设备上运行推理任务。这些案例不是简单的“让模型写诗”式的炫技，而是展示了一条清晰的路径：前沿模型正在从“对话工具”变成“可嵌入到任何物理设备的智能单元”。
这期视频的独特价值在于它脱离了 benchmarks 和产品发布会的话语体系，展示了真实世界中模型能力的边界与局限。它可能改变你对“AI 应用场景”的想象：如果你以为 AI 只能存在于云端对话框，这段视频会告诉你它可以藏在旧音响里、嵌入到 USB 摄像头上、跑在淘汰的笔记本中。可迁移的启发是：在思考 AI 产品落地时，不要从“模型能做什么”出发，而要从“哪些旧的硬件/流程/资产可以通过 AI 重新激活”出发——这往往比追求最新设备更能产生实际价值。
Dwarkesh Podcast | What does the next training paradigm look like?
What does the next training paradigm look like?
时长：19:53
Joe Rogan / PowerfulJRE | Joe Rogan Experience #2519 - Scott Eastwood
Joe Rogan Experience #2519 - Scott Eastwood
时长：2:28:18
OpenAI YouTube | Builders Unscripted: Ep. 4 - Pietro Schirano
Builders Unscripted: Ep. 4 - Pietro Schirano
时长：28:31
只回答一个问题：如果今天要 build，有没有新的产品方向值得优先考虑？
今天没有足够新的产品/需求/收入信号形成新的 Top 5 build choices。
最近几天已经反复出现过的方向已隐藏；没有必要把同样的 5 个方向换顺序再推一次。