-
我最近对AI写作有了一些新的心得； -
我放弃了AI出文——主要指的是某些段落是AI写的，除了蛮早的时候有一次我事先声明过表示实验一下，我倒是从来没AI直出过稿。倒不是因为机油味很浓，有碍观瞻。事实上，我训练过AI写作，喂了大几十篇过去的我自认为具代表性的有点篇幅的文章进去，一番折腾下来，效果还是凑合的。我还有一些去AI味的工具，在受过训练的AI写作基础上，结合这些工具，我可以这么告诉各位：最后成品，你很难看出来是AI写的。 -
这主要是和我为什么要写作有关。就我个人而言，写作即思考，过程很重要。本号是足底小号，访问量长期在千把徘徊，想靠写作要大结果，并非我能做到的。退而求次，就求个过程吧。让AI出文，这个过程就没有了。 -
就我而言，AI出文，相当于略去了暧昧、拉扯、肉麻的谈恋爱过程，结婚都跳过了，直接生个小孩。这未免有点无趣。 -
所以，其实我不反对其他人用AI写东西，比如写个日报周报啥的。你本来就没想要那个过程（这个过程甚至很痛苦），那就径直去抱个小孩好了，没啥问题。甚至于一些媒体机构的从业者，这么干也没啥问题。这些人不是我这种很大程度上是把写作当乐子的人。老实讲，我个人认为，很多工作本身毫无价值可言，应付应付得了。 -
微信公号搞了一个什么贴图的玩意儿。我试过，和每日只能发送一次公号不重叠，也就是不占用名额。所以，不少人推一次公号，再推一次贴图。我看微信公号平台的设计初衷，也是让你用贴图引流公号的。但它这个AI小结吧，我是一点都看不上。让我自己再小结一遍，相当于我炒完一盘菜再自己挑选挑选——自己洗自己的稿——我自己都觉得自己智障。这个贴图导流的设计吧，low的很，而且用户侧相当烦，我微信里又关不掉。 -
没有进行过一些特定训练的AI，直接出稿的机油味是很重的。但问题不在机油味，而在于有时候AI其实没写完。比如说，这样的格式：这个问题最值得追问的，是巴拉巴拉。我看到不少稿子这句话就直接整上去了。那么倒是要请问，更值得追问的，作者你什么想法啊？是个啥答案啊？不要裤子脱了就跑路了呀。 -
我依然在用AI辅助写作，这种真正值得追问的——假定我也认同要追问一下——那就必须再问问。AI依然在帮我收集信息、校准观察视角、反复追问。只是，基本上，我都是自己人肉敲键盘了。因为我在mac上进行ai对话，在pc上进行写作。 -
前一阵子，我和某友人讨论了“预设读者立场”这件事。我也不反对预设读者立场，我自己都会这么干。但预设读者立场，不等于我会迎合各位的立场。我最多不说不写就是。我清楚地知道很多人对某些互联网公司的看法，但我拒绝认同，有时候我还会跑出来冒犯一下。比如说，我明儿就打算吹捧一下短剧的质量。 -
我上次写小鹏那个女产品经理的产品宣讲，我在B站上看了全部时长的宣讲视频，很神奇，不过千百的访问量。我还怀疑其实另有高流量的正主，我让AI帮我扒了一下，就是没有。如此讨论热度的东西，好像压根没啥人真去看了这姑娘到底说了啥。我一个天天要刷短视频短剧的人，真要发表一个什么看法的，还是会很老登地先去看看人到底说了什么，再讨论也不迟。 -
拉屎和马桶，是完全两个变量。中国影视业的崩溃，你盘一下时间线就知道，都是自己作出来的。自己不行，就不要成天骂敌人不讲武德。我太明白帮大家骂一下马桶的情绪安慰价值，毕竟很多人不愿意承认自己本来就拉不出。我只是觉得这么帮衬，这个过程我受不了，虚头巴脑的悲天悯人的表演，我无法完成这个程序。回头我AI直出一个，大概可以。 -
我用gemini的深研，是盘过一篇中国影视业崩溃的成因分析的。机油太浓了，我就不贴了。你们有兴趣，也可以这么干一下。我估计用任何一个ai的研究模式，都会告诉你：主因是自己作死。 -
人啊，习惯很重要。最近和一个朋友聊系统1系统2多了点，引发了我的一个猜想：人和人的差异，大概很大程度上在系统1之上。不过，我坚持认为，系统1是要靠系统2刷新的，系统1并非出厂设置。 -
所以，还是坚持我人肉敲键盘这个习惯吧。
作者：魏武挥
美国最近火了一个AI，一条全新的反AGI的技术路线
-
我并不是说Personal Agent（个人助理）。不过，这玩意儿确实很有意思，有机会再起一篇说一说。 -
Jev，9月份发布就火了。10月融了8.7亿刀，估值75亿刀。根据企业自报，财富500强里已经有1/3表示俺们用了这个——Business Insider说的，尚不清楚是免费用了还是付费用了。 -
比较硬的数据是这个：OperRouter的决策模型排行榜显示，到10.24，Jev1.13和1.14分列第一、第二。所以，传播热度是现象级的，开发者使用热度也有很强的平台数据支持。 -
Jev之后，还有个玩意儿也跟着火了，叫CDM。前者的开发公司叫TypeSafe AI，后者叫Scaledown——这个名字有意思得很。因为AI圈子里一直信奉Scale（规模）越大越好。大模型的要害是”大“。 -
大致上可以这么理解它们。假定我现在面前有一万篇新闻，打算找出真正以AI为核心议题的报道。LLM（大模型）的做法一般就是逐篇阅读分析解释为什么这些符合要求。Jev只回答一个问题：是否符合收录标准？返回的结果”是“或者”否“，然后对应的概率。CDM则进一步，提取公司名字、金额、日期之类的标准化信息。 -
Jev的卖点就这两个词：快速、便宜。当下定价是每百万输入token0.042美元，输出不收费。它绕过了一套昂贵的通用语言生成机制，延迟和成本显著下降。它在专用决策模型赛道上有优势：是/否，然后配以概率。这个特点总让我会想起polymarket。 -
上半年有次和朋友聊天，我觉得ai这个行业，都在吹自家模型有多牛逼多聪明质量多高，我在觉得这当然很重要之余，总觉得更重要的难道不是“我为此需要支付多少成本”吗？所以我对我这个朋友说，刚需其实就是token得再便宜点。这不仅对c端消费者成立，对b端经营者更成立。前者叫消费，后者叫投入。无论是消费还是投入，总体上其实都不是追求最好的，而是追求最佳性价比。这是底层商业规律。 -
事实上，全球两大AI强国，中美就是走的完全不同路线。 -
上半年在搭一个agent的时候，友人风端还说，用ds pro而不是ds flash，没差几个钱。虽然ds pro很长一段时间并不支持多模态，但我也忍了。但后来梁大善人做了两个事，一个事是涨价了，另外一个事是ds忽然发力的点转为flash。我已经调整这个agent里的调用了。 -
御三家里的gemini过完今年第一季度明显有点乏力，以至于第二季度我转投了gpt。我有资深g粉友人坚信要么google会放大招，要么google认为不重要的就是不重要的。然后，最近g家明显在flash版本上做文章。 -
看上去，企业现在已经不再追求“哪个模型最牛逼”，而是改为“本任务需要什么牛逼档次的模型，以最低成本可靠完成”。 -
我有个看法就是，越多企业关心上述问题，才越证明ai进入到了产业界。真正的使用都不是惊呼一句好牛逼的。 -
Jev和flash在经济目标上是高度一致的：降低成本。不过技术路线非常不同。Flash是把通用智能做得更便宜，但Jev是主动放弃部分通用能力，以换取更低成本。我甚至可以这么说，TypeSafe创始人Almeida在放弃通用智能。我在该司官网上找到了证据：
At the time, I thought maybe chat models would lead to AGI, but despite the hype it became obvious to me that there was something really big missing.
当时，我以为聊天模型或许能够通向 AGI。但抛开围绕它的炒作，我逐渐认识到，这条道路上缺少某种极其重要的东西。