他不让LLM先读文档:一次绕开“多模态税”的混合RAG实战
大多数RAG系统一开始就犯了一个隐形但昂贵的错误:先把文档丢给大模型再说。Abed Matini 在这场分享中反其道而行,提出“绕过多模态税”的混合RAG架构,用SQL、RRF和实时遥测,把聊天机器人从“烧Token的玩具”拉回“可控的工程系统”。
大多数RAG系统一开始就犯了一个隐形但昂贵的错误:先把文档丢给大模型再说。Abed Matini 在这场分享中反其道而行,提出“绕过多模态税”的混合RAG架构,用SQL、RRF和实时遥测,把聊天机器人从“烧Token的玩具”拉回“可控的工程系统”。
如果你以为创造力来自灵感,这期 Builders Unscripted 会直接打脸你。Pietro Schirano 讲的不是“灵光一现”,而是如何把新模型当成工具、当成搭档,甚至当成日常对话对象。更反直觉的是:当模型变强,真正稀缺的反而不是技术,而是你如何“看见”它能做什么。
如果你以为大模型的下一步只是更长的上下文窗口,那你可能已经落后了。这场来自 Sequoia 的对谈抛出一个更激进的判断:真正的竞争,不在“记得更多”,而在“学得不停”。记忆与持续学习,正在重塑模型、公司,甚至整个 AI 产业的形态。
如果你还在用老 benchmark 判断模型能力,Tejal Patwardhan 会直说一句:那几乎已经失效了。这一期 OpenAI 官方播客里,她讲了为什么“BenchMaxxing 是坏事”、为什么 o1 让人第一次有了“AGI 的体感”,以及评测本身,正在成为 AI 时代最难、也最被低估的工程。
在这场来自 Google DeepMind 的分享里,一个反直觉的结论被反复强调:最强的模型,未必是最适合你的模型。Gemini 很强,但真正改变工程实践的,可能是你能“拿走、跑在自己硬件上、随便改”的 Gemma 4。
如果你还以为视频模型的突破来自更强的视觉网络,这期访谈会直接颠覆你。xAI 团队罕见披露:视频智能的核心进展,其实主要来自大语言模型本身。从 Grok Imagine 的极速落地,到 VideoGen 与 World Model 的分野,这是一场只有一线从业者才会说出口的内部复盘。
如果有一天,你在博物馆里拍下一尊雕像,30秒后它给你打来电话,这不是科幻,而是 ElevenLabs 的一次真实实验。Joe Reeve 用一个“和雕像聊天”的小应用,讲清了当下语音 AI、Agent 和多模态体验中最被低估、也最关键的变化。
在 Alchemy 负责产品的 Matias Castello 不是工程师出身,却用 AI 把“个人生产力”和“团队交付速度”推到一个反直觉的新高度:事故能被提前抓住、原本一年半的项目一周完成、甚至在 Apple Watch 上用语音派发编程任务。这期 Builders Unscripted,信息密度极高。
如果你还在把AI当成“更聪明的助手”,那你已经落后了。YC这期视频抛出的核心观点非常刺耳:真正的超级智能,不是用AI帮人干活,而是让公司本身变成一个会自我进化的智能体。这不是概念,而是已经在YC内部发生的事。
在这期 Latent Space 的对话中,DeepMind 的 Omar Sanseviero 抛出了一个足以让很多 AI 从业者重新思考路线的观点:开源模型的未来,不在于更大,而在于“更聪明地变小”。Gemma 4 的发布,只是表面,真正的变化发生在架构、部署方式和研究范式上。