@emollick: Gemini Pro模型的迭代速度似乎远不及Claude或GPT（上次发布是2月的3.1 Pro），这导致谷歌与其他两家实验室之间的性能差距越来越大，而Gemini 3.5 Flash模型虽然优秀，但并未大幅缩小这一差距。

Gemini Pro迭代慢于Claude/GPT，性能差距扩大，Flash 3.5未有效弥补。

@emollick：Anthropic这张图表很有用，因为代理团队和工作流都非常新且强大（且消耗大量token）

Anthropic图表表明代理团队和工作流强大但耗令牌，实际中AI常组合运用。

@emollick：中国实验室需持续发布开放权重模型，否则前沿将落后于本地/微调模型使用者

中国实验室若停止发布开放权重模型，前沿领域将落后于本地/微调模型使用者。

@emollick：至少在快速进步停止之前（如果会停止的话），其他人似乎很难追上三大AI实验室

微软和Meta模型平平非前沿，SpaceX未恢复，中国模型进步但仍有差距。

@emollick: 基于与同行的非正式交流，人文学科学者对AI充满热情（同时也担忧其负面影响），但因显而易见的原因，他们通常不在社交媒体上公开观点。

人文学科学者虽对AI热情且担忧其影响，但极少在社交平台公开表态。

@emollick：我认为这篇文章关于Anthropic的RSI非常值得一读

文章虽有自恋和营销，但透露了Anthropic对AI近期发展的真诚信念，值得关注。

@emollick：截至2026年5月，Anthropic代码库合并的代码中超过80%由Claude编写。

截至2026年5月，Anthropic合并代码超80%由Claude生成。

@emollick：一个实际问题在于，当前模型已经非常出色，很难从直觉上感受到新模型在大多数单项任务上的差异，尽管AI的能力确实在大幅提升。

当前AI已很强，新模型能力提升大，但多数任务难感知差异。

@emollick: 最近几个月，Claude Code和Codex的能力大幅扩展，增加了许多工作方式（子代理、技能、目标、工作流、插件等）

Claude Code和Codex新增多种工作方式，但大量功能未文档化。

中文标题

撇开意识问题，特德·姜指出让AI做选择会导致道德萎缩；但随机试验显示AI又是好伦理学家，引人思考。

@emollick：断然认定AI在任何情况下都不可能拥有意识，可消除一系列未来AI意识可能影响产业的棘手问题

认定AI绝无可能拥有意识，可免除未来AI意识可能带来的产业难题。

@emollick：我读了这篇，非常奇怪，它认为之前的机器学习系统（非生成式AI）因数据问题未节省成本，故将导致当前AI系统投资不足

观点称早期ML因数据问题未省成本，致当前AI投资不足，引用虚假MIT研究。

@emollick：这个故事太过离奇，唯一可能勉强说得通的是，它只是某云提供商内部使用自有算力的会计占位符。即便如此，出于诸多原因，仍令人难以置信。

云提供商内部会计占位符的故事极其离奇，即便勉强解释仍难以置信。

@emollick: 开始对任何使用“真诚”或“诚实”字眼的帖子产生怀疑

对任何用“真诚”“诚实”的帖子起疑。

@emollick：五月初最佳超级预测者预测年底最长的METR 80%任务视野将达3-4小时

五月初预测年底达3-4小时，五月末Claude Mythos即实现。

@emollick: Most people, including really accomplished people, don't have an accurate mental model of how LLMs operate (and why would they?)

@emollick：嘿，这是我们的论文！

嘿，这是我们的论文！

@emollick：用Claude Code构建了一个贪吃蛇游戏，蛇意识到自己在游戏中，然后……事情就发生了。AI做出了一些令人印象深刻的创意决策（也有一些非常AI式的），我只提供了最初提示和游戏过程中的反馈。https://t.co/WdmlBD5iHI

蛇在游戏中觉醒，引发意外事件，AI展现令人惊叹的创意决策。

@emollick: My timeline seems to have people surprised that U Chicago is getting Claude, but tons of schools (including U Penn where I teach) have school-wide AI

@emollick: 全能应用仍是聊天机器人与IDE的混合体，而非为通用知识工作设计

过于强调线性输出和最终结果，缺乏研究关联与用户引导选择等。

@emollick：仅凭分数难以判断MAI-Thinking-1有多好（如GPQA和Terminal Bench 2.0异常低）

微软MAI-Thinking-1评分异常，难凭分数判断，且试用困难，表现低于Meta Spark。

Discord与Codex界面图标及底部文本框太像，致使用户混淆，误导了GPT-5.5与群聊

界面相似易混淆，引发GPT-5.5和群聊混乱。

法学教授编写办公室时间问题，Gemini 2.5与人类作答，同行盲评：胜率75%，危害性更低，新模型更强

Gemini 2.5回答法学问题胜率75%，被评比人类更少有害，且新模型表现更优。

@emollick：AI写作的另一件事

多人用AI回答同一问题（如评论、作业、申请文书），答案相似性明显且枯燥。

@emollick: 关于使用GitHub等数据的AI编程智能体大论文

AI编程代理使代码量提升17.3倍，但人类瓶颈导致实际发布仅增30%。

@emollick: 现阶段还在争论企业是否认为AI有用，我觉得很奇怪

AI已为企业带来实际价值，挑战在于从个人使用扩展到企业级规模化。