豆包出ai播客了www.doubao.com，notebooklm中国版，大厂活力覆盖范围😹

想法
长期看，模型直接理解截屏是更自然更能 scale up 的做法，所有信息截屏都有，大模型应该像人一样能准确识别和操作，模型公司应该会一直在这条路上尝试。
Browser Use 是在模型能力不足时期的中间优化方案，如果这个时期足够长，它就价值很大，如果模型很快突破，它就会失去价值。
可以用同样的思路复刻 Mobile Use，iOS / Android 都有现成的 accessibility 能力，能拿到当前界面结构化的数据，只是会有沙盒的各种限制，这事很适合系统厂商去做。桌面端应该也可以。
Agent 上下游相关配套基建都处于起步阶段，小团队很有机会把其中某个点做出彩。

一个观点，类似manus的通用agent其实是没有意义的，因为既然通用agent都实现了，那么agi也实现了；反之基于特定场景或者行业场景agent才是现阶段最容易实现和落地的方向🧭✊

看样子要真的要写点东西了，现在网上自媒体无任是直播的还是写文章的大部分都在胡说八道，实在看不下去了……

过年了，不要再讨论什么LLM、GPT、RLHF之类的了。你背着贴满OpenAI、DeepSeek贴纸的破双肩包回到家，发现跑了一年的对话模型根本换不来亲戚们的一句理解。老同学们晒着年终奖在酒桌上谈笑风生，你躲在厨房用手机SSH连上实验室的A100集群继续调prompt。亲戚围炉时问起你的工作成就，你掏手机展示arxiv最新预印本，说在某个benchmark上把BLEU分数卷到了99.9%，亲戚们举着筷子的手僵在半空，你还在脑内循环播放transformer的self-attention机制。你暗笑他们不懂LLM生成文本的魔力，不明白你凌晨三点调temperature参数的禅意，更看不懂你GitHub仓库里那串寒碜的几个star。当大姑炫耀儿子在浦东买了150平豪宅，小叔吹嘘女儿又换了新款Model X时，你父母低头扒饭，嘟囔着“我崽的键盘上全是Ctrl+C/V的痕迹，空调房还戴毛线帽，说是什么防止模型过拟合”。你凌晨三点蹲在老家路由器旁边抢API调用配额，发现OpenAI的API账单比老家彩礼还贵。家族群里红包雨下得正欢，你反手甩出刚中的ACL workshop链接，配文“大模型幻觉问题新SOTA，欢迎讨论”。结果大舅秒回：“这链接点不开啊，是不是你那个‘幻觉问题’又发作了？”你默默叹了口气，心想：“果然，LLM的幻觉问题连亲戚都开始吐槽了。” 表哥表姐们晒着巴厘岛度假照，你在评论区用Markdown格式分析海滩游客密度与transformer位置编码的相似性，最后补了句“求NeurIPS在投论文互审”。结果表姐回复：“你这写的啥？我怎么一个字都看不懂？”你无奈地笑了笑，心想：“果然，positional encoding的奥秘不是一般人能懂的。”然后默默关掉手机，继续蹲在路由器旁边等API配额刷新。年三十的鞭炮声里，窗外的烟花在你布满血丝的瞳孔里炸开，恍惚间竟像是预训练时loss曲线最后的震荡。深夜改完第一百零八版prompt，你默默把滚烫的电脑从大腿挪开，屏幕蓝光映着漫天的烟花，你心里默默念叨：“明年一定要卷出个AGI。

看到满屏的deepseek消息，好像没有人说这样的观点，那就我来说吧：deepseek r1的实践证明了之前ai三要素里面的算法、算力、数据，后两者一直是scaling law的主要要驱动力，而deepseek偏偏从算法角度（训练方法也是一种算法）的突破提升，大大提升了大模型的性价比😎

清醒者

以前，为了拿到想要的结果，我们必须通过构建处理结构化数据的软件来实现，因此软件的价值得到了体现，因为构建软件很难，于是成就了 SaaS 这一波机会；现在，虽然我们的目的仍然是拿到想要的结果，但随着 AI 让这个过程更加简单高效，于是软件本身的价值大大降低，这样我们才可以有机会直接去 Sell Work。

之前OpenAI 统一了llm应用调用大模型的API标准，而今天的MCP想要统一另外一侧即llm应用调用外部数据/工具的API，从之前推出的computer use到MCP，Anthropic逐渐成为引领者👍

据说也用了最新claude 的mcp处理本地文件操作