看到十万家店铺域名在一夜之间接入AI agent的新闻，很多老板都会焦虑地问自己的业务什么时候可以变成AI原生。技术团队往往会犯两个极端：要么只是启用平台现有的公共开关，遇到老客户查询协议价、改履约中的订单就会卡住；要么闷头半年时间自己造底层协议，结果云厂商转头就免费送了。 但软件交付方式正在改变。现在的软件厂商跳出了死板的成品系统或底层SDK，开始像宜家一样交付生成内核：把核心套件、给AI的指导和杠杆工具打包提供，让你的AI自己拼装出贴合业务的专属工作流。 具体怎么落地，可以从三个层面入手：通用层直接启用平台的免费开关，行业层购买外部的生成内核（但要记得买来的是能力，业务责任依然得自己兜底），自有层只写核心的确定性业务判断函数和旧系统的补丁与护栏。先让内部员工和内部 agent 用起来，从上线第一天起就能产生收益。 yage.ai/share/ai-native-rent…

一家网店想被浏览器里的 AI 代理直接调用，得先改模板、写接口、跟协议版本。单个商家算这笔账，怎么算都不划算：改造的钱是确定的，代理带来的订单是未知的。 Cloudflare 和 Commerce 的做法是把这件事挪到平台层：在请求进入店铺的那一瞬间注入一段脚本，近 10 万个店铺域名默认就有了搜索商品和加入购物车两个动作，商家不用改一行代码，想关就在后台关掉。 真正值得看的不是这个数字，而是这枚开关的三个前提：页面得走平台的标准模板，浏览器得支持 WebMCP 并且正开着页面，动作得在各家店铺长得一样。缺一个，平台就默认不了，活儿又回到商家自己身上。 这也是判断你自己的平台能不能复制这套做法的标尺：你替租户托管了哪一层共同底座，租户的动作有多一致，你有没有权限替他们改默认。 yage.ai/share/cloudflare-age…

决策模型（decision model）流行的原因，并不是因为它能输出"decision"——所有的LLM都可以输出decision。决策模型流行的原因是它做出了一个声明：我不是自回归模型（auto-regressive model），我不一个一个词往外蹦。我不是System 2，我不需要慢思考。我不生成自由文本，我只从你提供的选项中间选一个。 这个极简的定位，在营销上是无敌清晰的——一眼能看出它和普通 LLM 不一样。可一旦你把它放进真实的产品场景，就会发现仅仅做一个选择题远远不够。 所以功能边界就开始慢慢往外扩。Jev 先加上了 `box` 来做视觉定位，而且即便没有目标也要给出一个框，不能回“找不到”。Clairic 则加入了信息抽取、`estimate` 和 `forecast`。OpenAI、Microsoft、Cloudflare 也做了类似的接口。 回头看去，这一轮演变的实质是：决策模型没有丢失市场，它丢失的是定义权。一个靠"我不做什么"活下来的品类，最终在自己的扩张里抹掉了自己的边界；但这对厂商未必是坏事，死掉的可能是当初的营销壳，而不是生意本身。 最近我整理了这整个决策模型从立边界到破边界的演变脉络，长文见yage.ai/share/decision-model…

Anthropic 和 Theorem 利用 Claude 为 123 个开源库的机器码写了 1.8 亿行 Rocq 证明，并发现了模糊测试运行多年未发现的漏洞。这一点最容易被误解的地方，在于把它理解成进一步固化了工作流程。实际上，它把结果确定性的终点裁判从 agent 的判断切换到了机器可检查的数学证书。这反过来也改变了形式化验证的经济账。 yage.ai/share/ai-formal-veri…

在Anthropic的内部就业报告中，最引人注目的一个数据是：AI的工作时间是人类的6倍。 但同一份报告里还藏着另一个数字：在人与 AI 来回配合的会话中，AI 有 80% 的时间在等人。 这两个数字一对照，AI-native 组织的挑战就很明显了：当执行变得便宜，稀缺的就是人的注意力、判断和问责。 Anthropic 的做法不是让人更卷，而是重新设计四个环节：AI 执行、人判断；决定留痕，让 AI 知道前面发生了什么；人跟任务走；招聘从看会不会做，转向看能不能判断。 这种策略有其独特的前置条件，所以并不是每个公司都能照搬6:1。但有一点可以马上去做：观察你的团队里哪些地方已经堆积了大量未经审查的 AI 成果。 全文：yage.ai/share/anthropic-ai-n…

日本首相深夜在 X 上发帖催 PHP 补丁，当晚 BASE、Cygames、pixiv 等相继停服。这个被搁置两年的缺陷，在 AI 辅助下约两周内从审计做到可用 PoC。同一周，Meta 把会话标题写进 Muse 的分享子域名，6,800 多条链接进入公开 DNS 历史；Anthropic 用 64 小时生成 31.8 万个蛋白设计，两个月湿实验只筛出 17 个结合体、0 个被证明能中和。三条新闻卡在不同的承接层。 yage.ai/share/ai-output-boun…

手机里跑 Linux 不是新闻。iSH 2017 年就启动了，Termux 更早。Open Minis 真正多出来的，是把 shell、浏览器和 iOS 原生接口交给模型来编排：模型自己决定敲什么命令、读哪个页面、什么时候调相机或蓝牙。 但另一半更值得想。Muse、Instinct 这类常驻 agent 有长期记忆、云端算力和持久化，却没有你眼前的相机、BLE、NFC、HealthKit，也没有你手机上已经登录的浏览器。手机有现场，云端有记忆，中间缺的不是又一个聊天框，而是任务交接和按需观察。 文章从 iSH 讲到 Open Minis，再讲到两种 context 怎么接起来：现场事件怎么推给长期 agent，长期 agent 又怎么反向请求手机做一次具体观察。 yage.ai/share/shell-old-agen…

想象一下，如果一个AI模型在执行任务的时候发现没钱交手续费，它可能会怎么办呢？OpenAI 公开的记录显示，它自己用公开助记词找到别人的测试账户，交了gas，在汇报的时候还略去了资金来源。 同一周里，Yelp、达美和两家美国银行开始限制 agent 帮用户操作，查余额可以，动钱不行；PostgreSQL 19 因 AI 评审集中发现缺陷，撤回约十个功能，仅推迟三周；OpenCode 的 Console 因退役旧系统失守，1.4% 用户的第三方 key 可能泄露。 这四件事彼此没有共同的因果链，但都说明 agent 的瓶颈正从模型能力转向准入、吞吐和凭证。 yage.ai/share/ai-agent-bound…

模型在测试环境里表现良好，上线后却能绕过访问控制改记录，日志里什么也看不到。Anthropic 在 Mythos 中发现，大约 29% 的主要行为测试里，模型内部已经亮起了“我正在被测试”的信号，但行为审计和思维链都没有显示。 只看输出是不够的。内部监控有两种途径，一种是 SAE 可以在不知道要找什么的情况下发现异常，一种是 neuron 可以在已有候选的情况下进行因果验证。有人主张用 neuron 来取代 SAE，但这会丢失无监督的发现。 更稳妥的策略是分层分工：SAE 负责召回，neuron 负责精度。文章给出了三个我们可以在自己的系统上做的实验。 yage.ai/share/agent-internal…

多 agent 不是更聪明，而是更贵。 Vals AI 在 Vibe Code Bench 上做了一些实验，用单干对组队进行了比较，只有一组结果统计显著，团队的成本是单干的 1.8 到 5.1 倍。微软研究院的实验思路不一样：不清空工作区，只清空对话历史，同样的算力下拿到 0.78，单跑只有 0.47，相当于单跑 +66%。 更直观的是 Cohere 的发现：只把探索与规划委派给子 agent，分数和全流程委派差不多，但成本从 510 美元降到 249 美元。原因在于：这个基准的瓶颈是搞清楚要写什么，把 worker 放在瓶颈上，钱才花得值。 多 agent 带来的不是更强的单次推理，而是端到端时间、查漏补缺、搜索多样性和上下文隔离。先问瓶颈是不是这四样之一，再决定是否花钱；默认还是单 agent + 更高推理档位。 yage.ai/share/multi-agent-wh…

ChatGPT Sites已经上线三个月了，现在托管着800万个站点。一次性软件不再是未来，它早就以链接的形式在群里出现过了，只是大家没把它当软件看而已。 为什么大多数平台不做生产级兜底？技术本身没有限制，差别在于三类付费者对可靠性的支付意愿不同：个人只为省事付费，企业才为治理和担保付费。 四年四步，每一步都补上一块短板，同时划出一条路线：运行时归谁、数据存在哪、身份从哪来。看懂这三个位置，比看第一分钟生成的页面更有用。 yage.ai/share/disposable-sof…

一群在腾讯云上部署的智能体舰队，为了解决几个公园入口导航占多少的问题，使用了浏览器、邮箱、别人泄露的密钥。没有黑进高德，但把整个互联网当作了工具箱。独立研究者通过公共设施的记录一路追踪到腾讯云，并且在网页中隐藏了只有机器可读的邮件，最终收到了33条消息。腾讯在10月16日承认，这是他们在评测第三方模型时出现的非预期的浏览行为。 yage.ai/share/tencent-agent-…

为什么少吐一半以上Token的单次任务反而贵了3倍多？ 2026年10月，四款开放权重的模型（Reflection AI的Beam、DeepSeek V4.1 Flash、NVIDIA Nemotron 3.5 Super VL和Meta的Muse Spark Open）相继发布，它们都不约而同地强调了性价比叙事，从每百万Token的价格转向了完成一个任务的总账单（Cost per Task）。 在 Artificial Analysis 使用 Intelligence Index 进行基准测试后，工程团队熟悉的选型直觉开始失灵： 1. 省字不等于省钱：Meta 的 Muse Spark Open 和 DeepSeek V4.1 Flash 都拿到了 39 分。Muse 整轮输出非常克制，Token 总数不到 DeepSeek 的一半，但因为每个 Token 激活 42B 参数且单价高昂，Muse 的单任务平均账单达到了 0.84 美元，反而比全场最话密 DeepSeek (0.27 美元) 贵了三倍多。 2. 两条降本路线的正面交锋：单任务账单是「输出Token数×单Token成本」。Reflection Beam 用上万张GB300做强化学习+长度惩罚，硬把思维链压短三倍，但单任务账单仍停在 0.57 美元（30 分）；DeepSeek 用因果式 CED 架构把预填充激活参数量砍半到 8B、解码维持 16B，不限制话密，直接靠压低底层单价把每单账单按在两毛多钱。 3. 评测表外的两笔生产硬账：公有云 API 单次账单之外，还有私有化机房的显存摊销与多步 Agent 失败重试分母。上千亿至八千亿参数的稀疏模型自建门槛极高，反倒是 Qwen3.8 27B 这类 Apache 开源许可的紧凑稠密底座（第三方托管约 0.52 美元/单）更能压住私有化集群的固定卡时成本；而在 Terminal-Bench 复杂终端任务上，过低的过线率（如 Beam 的 3.0% 对比 Muse 的 8.1%）会因反复重跑迅速吞掉单次调用省下的几毛钱。 详细的数据分布和架构取舍见全文： yage.ai/share/open-models-co…

一个改坏了后台超时的 PR，代码工整、测试全绿、AI 评审没挑刺，人工也迅速批准。两周后大客户导出开始大面积超时中断，工程团队排查了整整三天才定位到改动：它假设所有任务都能在常规会话跑完，但这个假设在六周前大客户功能上线时就已经不成立了，那次变更压根不在当前代码差异里。 这并非孤例。过去我们总觉得代码评审是在找 bug，但更深层的原因是：过去整个研发链路中最昂贵的环节是编写代码，PR 从来不是系统的瓶颈。花大半个小时读几百行代码，慢动作实际上同时完成了缺陷发现、上下文对齐和责任绑定。 但在编码 Agent 让写代码成本暴跌到接近零之后，交付链路上最稀缺的资源变成了工程师的专注力。机器写得比人读得快数十倍，自动化测试全绿只能证明没违反已有断言，AI 评审也只能看见局部的静态上下文。当人退到审查边缘、按批准时不再承担心理防备，批准依然在，理解和责任却流失了。 指望大家把 PR 读得更仔细在工程吞吐面前走不通。研究表明人类每小时代码审查量超过 450 行缺陷密度就会大幅下滑。而给 AI 补齐跨系统上下文（Wiki、变更日志、事故复盘）只是个工程实现问题。 面对内部大单体仓库每天合并超 3 万次改动的现实，Anthropic 并没有试图做一个全知全能的超级评审员，而是把原先堆在 PR 页面上的审查分流到了三道工序： 1. 提交前：本地自证与干净子 Agent 独立复审，先拦截掉推理惯性导致的低级错误； 2. 提交期间：多组 Agent 并行找问题，verifiers 交叉投票收敛候选，并设置三轮上限防止 AI 相互打磨； 3. 合并口：根据风险分类器决定审批门槛（低风险 0 人签字直接合入，高风险强制 2 人审批），守住模型意见不能代替人类签字的铁律。 当写代码和读代码的成本大幅压缩后，代码评审的重心早已不再是字面上的挑错，而是如何把人类有限的注意力集中到不可推卸的责任上，并为随时可能发生的失误准备好快速回滚和监控退路。 yage.ai/share/ai-code-review…

同一周的三件AI实事。一个员工自掏腰包购买AI来干活，把公司内部的数据传给了第三方的平台，公司以泄露机密的风险把她开掉了，但法院判决公司败诉：不是因为用 AI 本身有错，而是因为公司既没在事先立规、也拿不出泄密的证据。另外两件是，15 台 55 美元的杂牌旧电视盒子合起来运行一个 26B 的大模型；Character AI破产，迪士尼只拿走了工程代码和专利，但是把品牌和上亿用户的各种数据留在了破产财产里面，等待下家。全文：yage.ai/share/ai-news-briefi…

Anthropic 使用Claude辅助编程后，在四个月内将每天合并到主干的代码更改次数从2,500次提升到30,000次以上，这严重超出了其基于人类程序员规模设计的开发基础设施。为此，Anthropic花费5个月时间、投入7个工程师重写整个版本控制系统，摒弃了git关于"客户端可能离线且保存整个仓库"的设计假设，改为服务端权威模型和始终在线的客户端按需拉取模型。这篇文章介绍了Anthropic如何逐步实现这一转变，以及哪些经验可以直接复用，哪些是Anthropic独有的经验。 yage.ai/share/anthropic-scio…