EP.65 · 2025-12-12
AI Buzzwords · 档案
档案重建版 — 这一期的页面是后来根据当期录播逐字稿与信源清单还原的,按主讲当天的讲述顺序组织,不做事后追加。文中判断都是 2025 年 12 月当时的判断,未按后来的发展修改。 页尾的「本期资料」是当期备课笔记与链接的分类整理,类别和顺序保持笔记原样。
2025-12-12 · 72 分钟 · 逐话题

一年趴在 5% 以下的那张榜,半年冲到了 50 分

这期有一张涨得很吓人的曲线:一道专门设计成「人觉得简单、AI 觉得很难」的题,主流模型整整趴在 5% 以下大半年,从年中开始一路冲到 40、50 分。

本期话题
  1. AI 开始席卷地摊生意
  2. 那张智力测试榜,半年从 5% 冲到 50
  3. 这一周还在发生的几件事
  4. 本期资料:笔记与链接清单(58 条)
01

AI 开始席卷地摊生意

有人列了一批例子,说 AI 正在席卷地边摊。第一个是 AI 调香:报上你的名字和 MBTI,它给你调一款「适合你」的香。纯粹的情绪价值,但吸引力是真的。去电商平台搜一下,确实有专门做这个的,还自己做了 App——把 MBTI 和偏好扔进去,后面大概率就是跑一遍模型,出一个几种香的配比。

准不准根本不重要,买个开心就行。

另一个是 AI 手串。这个领域的特点是:一,很赚钱;二,极其不透明——每颗珠子到底值多少钱,没有任何市场参考价,怎么搭配、配方怎么讲究,也全靠说法。这种「定价靠叙事」的行业,恰恰是最容易被 AI 生成的叙事接管的。

02

那张智力测试榜,半年从 5% 冲到 50

这套评测的思路是:给你左边一个图和它的答案,再给你一个新图,问答案是什么,本质是智力测试题。宗旨就是「对人相对简单,对 AI 很难」。

曲线是这样的:今年年中以前,主流模型基本都趴在 10% 以下,很多在 5% 以下。从年中开始猛涨——两周前发的一个版本拉到三十几分、接近 40;另一个拉到 40 出头、45;还有号称能到接近 50 的。

升级版的题上,最高跑到了 52.9 分。

涨得太快,直接产生了连锁反应:据说有个版本本来还想再往后推一推,是被这张榜逼着提前发的。

相关信源
03

这一周还在发生的几件事

硬件侧:H200 的出口被放开。

效率侧:推理效率被单独拎出来讲——同代模型之间,效能差距在变大而不是变小。

提示词侧:有研究发现,「你是某某领域专家」这类人设提示词,在困难的事实性问题上并不能提升准确率。这是个挺反直觉、但对日常用法很有用的结论。

相关信源
  • 专家人设提示词并不能提升困难事实性问题的准确率 — 宾夕法尼亚大学沃顿商学院 当期信源清单
  • OpenRouter · State of AI 当期信源清单
本期资料

当期笔记与链接清单

主讲当期备课笔记的分类整理,共 7 个类别、58 条链接。类别、顺序和笔记里的批注保持原样,链接标题取自原文页面。

观点洞察与事件 Insight & Event15
模型 Model32

AI基础设施 AI Infra

基础模型 Foundation Mode

具身模型 Embodied AI

AI安全 AI Security

评测 Benchmark9
上下文工程 Context Engineering2
应用和行业方案 Application & Solution4

应用

  • 豆包手机
  • Zhipu发布会

AI4S

开发者工具 DevStack24

AI设备 AI Device

  • Waymo as embodied AI at scale: Jeff Dean on fully autonomous data fueling system advances @JeffDean.

智能体 Agent & MultiAgents

  • MCP becomes a Linux Foundation project: Anthropic is donating the Model Context Protocol (MCP) to the new Agentic AI Foundation (AAIF) under the Linux Foundation, with backers including OpenAI, AWS, Bloomberg, Cloudflare, Google…
    • Related: OpenAI is showcasing Figma’s MCP server for “design-to-code” workflows (event, signup); LangChain MCP Adapters 0.2.0 adds multimodal tools and elicitation (release); OpenHands pointed to the Agent Client Protocol (ACP). anthropic.com ↗ anthropic.com
    • Enterprise momentum: Anthropic expands with Accenture (30k professionals trained on Claude; product to scale Claude Code org-wide) (link).
    • MCP → Linux Foundation: “MCP went from internal project to industry standard in a year” @AnthropicAI, @mikeyk.
  • 谷歌与MIT联合发布Agent系统科学化框架,揭示多智能体协作的量化缩放原理
  • 香港中文大学等机构发布CUHK-X:首个大规模多模态人类活动场景理解与推理数据集,包含58,445个样本和七种同步传感模态
  • 微软发布DoVer:通过干预式验证实现LLM多智能体系统的自动化调试,在GAIA等基准上恢复18-49%的失败案例 mbjinx.github.io ↗ mbjinx.github.io
  • 斯坦福与Together AI发布GPT-5驱动的论文纠错系统,揭示顶会论文错误率逐年上升55%
  • 复旦大学NLP实验室联合WisPaper.ai推出智能学术检索与文献管理平台,通过三大核心模块构建完整研究闭环 wispaper.ai ↗ wispaper.ai

编码 Coding

  • Pro Coder
    • 中国科学院等机构发布DAComp基准:首个全生命周期数据智能评测体系,揭示AI Agent在企业级数据工程与分析中的关键瓶颈 da-comp.github.io ↗ da-comp.github.io
    • Tech Radar 遗漏系统 Martin fowler
    • Vibe Coder

组织与个人 People & Org

课程学习 Course

HowTo13

豆包手机

AutoGLM

Lux

Tips

每周 AI 情报 · AI Buzzwords · EP.65 · 2025-12-12 · 1 小时 12 分
档案重建版,依据当期录播逐字稿与 Notion 信源清单还原。← 返回分享列表
▶ 本期分享 · 视频导览 滑动到文章 · 高亮卡片点击播放对应讲解 收起 ▾