他发现推理才是AI的真瓶颈,于是干了一件没人愿意干的事
我们都在追更大的模型、更快的训练,却忽略了一个更“脏更累”的问题:模型在真实世界里到底怎么跑。Superlinked 的 Filip Makraduli 用一次亲身踩坑,揭开了小模型推理基础设施的巨大空白。
我们都在追更大的模型、更快的训练,却忽略了一个更“脏更累”的问题:模型在真实世界里到底怎么跑。Superlinked 的 Filip Makraduli 用一次亲身踩坑,揭开了小模型推理基础设施的巨大空白。
在所有人都在追逐更大参数、更强算力时,Liquid AI 的 Maxime Labonne 反其道而行:专注 3.5 亿到 240 亿参数的小模型,并且明确说——小模型不是大模型的“缩水版”。这场分享,几乎逐条拆掉了从大模型时代继承下来的错误直觉。
Google DeepMind 悄悄干了一件“反直觉”的事:没有堆参数、没有锁生态,却用 Gemma 4 把开源模型直接送进榜单前六。从 31B 多模态到能跑在设备端的小模型,这次更新释放了一个强烈信号——下一轮 AI 竞争,不再只属于巨无霸模型。
上下文窗口越来越大,很多人开始断言 RAG 已经过时。但在这场来自 IBM 的分享里,演讲者几乎是正面“开怼”:RAG 不但没死,而且远比你想象得复杂。更关键的是,他们把这些复杂性做成了一个开源栈——OpenRAG。
如果你以为 AIE Europe 的主旋律是更大的模型、更强的算力,那你会完全看错。从 Google DeepMind 到 OpenClaw,这一天反复出现的关键词只有一个:工程。不是炫技,而是如何把 AI 真正变成可用、可控、可规模化的系统。
在一档看似玩笑不断的节目里,TBPN抛出了一个刺痛整个AI行业的判断:真正拖慢OpenAI的,不是对手,而是“支线任务”。从Sora到AI Agent,从组织重构到算力瓶颈,这期节目透露出一个清晰信号——AI已经从野蛮扩张,进入必须“收兵聚焦”的新阶段。
Gemini 3.1、世界模型 Genie 3 看起来很炫,但真正让开发者群体兴奋到刷屏的,是一个听起来毫不起眼的工具:Google Workspace CLI。它不只是效率提升,而是暴露了 Google 在 AI Agent 时代的真正野心。
如果你还把 AI 当成“更聪明的 Copilot”,这期对话可能会让你彻底清醒。Notion 联合创始人 Simon Last 公开承认:他已经不写代码了,而是设计任务、监督代理、做最终验证。更激进的是,Notion 正从“工具公司”转向“代理操作系统”。这不是概念,而是一套已经跑起来的工程现实。
如果你还觉得 AI 只是“提高效率的工具”,这期 TBPN 已经在告诉你:那是上一个时代的想法。Anthropic 四年收入 10 倍增长、冲向 1000 亿美元年化的节奏,正在逼整个软件行业回答一个残酷问题——当智能几乎免费,你到底还剩下什么护城河?
本文深入解析Manus(现Meta Superintelligence)如何通过API和多平台集成,构建具备强大执行力和上下文管理能力的AI Agent。文章结合创始人Ivan Leo的亲身经历,展示了Manus在实际应用中的创新方法、技术细节和独特行业洞见。