推荐一个好用的markdown阅读工具
大家感兴趣可以star或者fork一下，免费开源，代码图表友好，还有适合讲解的zen模式，还支持github page打开
仓库地址是https://github.com/unknownparticles/md
预览地址是https://alunapp.asia/md
github.com
你还在厌蠢吗？厌蠢的本质?
厌蠢，是阻碍看透事情本质的很大的原因。
厌蠢的背后，本质上是在表达一种隐性的判断：“别人不如我”。当事情不按照自己的理解方式推进，当他人无法快速进入自己的逻辑框架时，人会自然产生不适，而“厌蠢”，只是这种不适的外在表达。
但从更深一层看，这种反应并不只是针对他人，而是在维持一种内部稳定感——通过确认“我更清楚”，来对抗不确定性。
真正的格局，很少花时间在评价一个人“蠢不蠢”上，而是更多在做两件事：制定规则，以及建立筛选机制。规则清晰之后，人会自动分层，系统会自动运转。
而如果一个人坐在管理位置上，却仍然频繁抱怨员工、纠结细节、过度关注考勤与个体表现，本质上说明他的关注点还停留在“个体控制”，而不是“系统设计”。前者是在试图把每个人变得更“对”，后者是在构建一个即使有人不完美也能运转的结构。
当一个系统需要不断依赖“纠错”来维持时，它的规模天然受限；只有当系统可以容纳差异、允许不完美、通过规则而非情绪运转时，它才可能真正扩张。从自己的经历出发，我其实很长一段时间——甚至到现在，偶尔仍然会有这种反应。看到一些人理解慢、表达混乱、反复犯同样的错误时，会本能地产生不耐烦，甚至下意识觉得：为什么这么简单的事情都做不好？但后来慢慢意识到，这里面真正的问题不在对方，而在于我默认了所有人应该以同一种理解速度运转。一旦这种默认被打破，就会产生轻微的失控感，而“厌蠢”很多时候只是这种失控感的情绪出口。
可我也在反思，如果我允许这种模式长期存在，它会悄悄改变一个系统的边界：你会越来越倾向于只和“聪明的人”“理解快的人”“同频的人”合作，而不是思考如何在差异中协作。
但现实世界的运行方式并不是由同一层级的人构成的，而是由不同理解速度、不同表达方式、不同执行方式的人共同组成的系统。如果不能容纳这种差异，所谓能力，最终也很难转化为规模。
当然，这里并不是否定“筛选”本身。筛选是必要的，但关键在于筛选什么。很多时候问题不在于要不要筛选，而在于筛选对象被放错了：不是去筛选“人是否足够聪明、是否符合我的价值观”，而是应该筛选“是否在同一个目标结构中”。能力可以不同，理解方式可以不同，甚至价值观也可以不完全一致，但只要目标一致，就可以被放进同一个系统中使用
。当筛选从“人”转向“目标”，系统才真正开始具备扩张的可能。而一旦系统开始扩张，“厌蠢”本身也会逐渐失去意义，因为你不再需要通过评价他人来稳定结构，而是通过结构本身来容纳差异。
OpenAI 内部推理模型 disproves Erdős 平面单位距离猜想
2026 年 5 月 20 日，OpenAI 官方宣布其内部通用-purpose reasoning model 首次自主解决离散几何中这一著名开放问题。该模型生成了一种新型点集构造，利用无限 unramified tower of totally real number fields（具有 3-power Galois groups 的无限类域塔），结合 Golod–Shafarevich 理论，在欧几里得平面中实现了对于无限多个 n，单位距离对数量 ν(n) ≥ n^{1+δ}（δ>0 固定，后续改进可达约 0.014）。
此结果直接反驳了 Erdős 长期以来的猜想——即 ν(n) = O(n^{1+o(1)})（基于 square lattice 等构造的最优性信念）。证明核心在于将代数数论中的完全实数域无限 unramified tower 与平面嵌入相结合，这一跨领域连接出乎数学家意料。外部专家（Noga Alon、Timothy Gowers、Arul Shankar、Will Sawin 等）已人工验证并撰写 companion remarks 论文，称其为“AI 自主解决前沿数学开放问题的里程碑”。
openai.com
GitHub 确认约 3800 个内部仓库因员工安装恶意 VS Code 扩展被入侵
- GitHub 员工安装了恶意/投毒的 VS Code 扩展，导致设备被入侵，约 3,800 个内部仓库 数据被外泄（攻击者 TeamPCP 声称约 4,000 个）。
- GitHub 已移除恶意扩展、隔离设备并启动事件响应，目前评估仅内部仓库受影响，无证据显示客户数据泄露。
- 攻击者 TeamPCP 在论坛出售数据（要价至少 5 万美元），若无人购买将免费泄露；该团伙此前多次针对开发者平台发动供应链攻击。
- 事件再次凸显 VS Code 扩展市场安全风险，此前已有多个恶意扩展被下架。
GitHub confirms breach of 3,800 repos via malicious VSCode extension
Karpathy 投出最贵的一票：Anthropic 成 LLM 前沿新主场
Karpathy 投出最贵的一票：Anthropic 成 LLM 前沿新主场
OpenAI 创始成员、Tesla 前 AI 主管、“vibe coding”一词发明人——Andrej Karpathy 的每一次跳槽，都精准踩在时代转折点上。
从 OpenAI 去 Tesla，他押注的是真实世界数据（Vision + 机器人 + 海量驾驶场景）； 从 Tesla 回 OpenAI，他赶上的是 LLM 预训练的爆炸浪潮； 这一次官宣加入 Anthropic，他直接把最顶级的票投给了下一件最重要的事。
Karpathy 自己说：“未来几年 LLM 前沿的每一步都将极具塑造力。” 这不是客套，而是公开给整个行业重新定价。
最锋利的信号从来不是估值，而是人才流向。顶级大脑零延迟，用脚投票。
Anthropic 最近几个月的人才密度已经离谱到让人窒息：美国企业采用率反超 OpenAI、被 G20 金融稳定委员会邀请闭门简报、登顶 CNBC Disruptor 50……如今又把 Karpathy 这种“AI 界最被认可的研究者”直接吸进来，形成的是一种不可复制的引力场。
当最顶尖的那批人一致认为“这里能做出最重要的事”，资本和市场只会加速跟进确认。
Karpathy 发明“vibe coding”的时候，大家还在玩 prompt；现在他自己都转向 agentic engineering 了。他每次都在时代转折点前半步出手，这次押 Anthropic，等于是公开宣布：下一轮 LLM 军备竞赛的真正主场，已经在这里。
Anthropic Glasswing 计划首月进展：AI 找漏洞已远超人类修复速度
- 核心瓶颈反转：启动一个月，Anthropic 与约 50 家合作伙伴用 Claude Mythos Preview 在全球最关键的软件中发现了超过一万个高危或严重级别漏洞。瓶颈已从"发现漏洞"转变为"验证、披露和修补漏洞"的人力速度。
- 实战效果显著：
- Cloudflare 在其核心系统中发现 2000 个漏洞（其中 400 个为高危/严重级），误报率优于人工测试。
- Mozilla 在 Firefox 150 中发现并修复了 271 个漏洞，是用 Claude Opus 4.6 测试上一版本时的十倍多。
- 部分合作伙伴的找漏洞速度提升了十倍以上。
- 开源扫描成果：
- 对 1000 多个开源项目扫描后，Mythos Preview 估计发现 6202 个高危/严重漏洞（总计 23019 个）。
- 已独立评估的 1752 个中，90.6% 被确认为真实漏洞。
- 典型案例：被数十亿设备使用的加密库 wolfSSL 中的证书伪造漏洞（CVE-2026-5194）。
- 修复成为新瓶颈：已上报的 530 个高危/严重漏洞中目前仅 75 个被修补，一个高危漏洞平均需两周修复；部分开源维护者甚至请求 Anthropic 放慢披露节奏。
- 暂不公开发布：由于目前还没有任何公司（包括 Anthropic）能开发出足够强的安全防护来防止此类模型被滥用，Mythos 级模型尚未向公众发布；但已推出 Claude Security 公测版等工具帮助企业自助修复（三周内已修补超 2100 个漏洞）。
- 防御建议：开发者应缩短补丁周期、让用户更易更新；网络防御者应强化默认配置、推行多因素认证并保持完善日志。
Project Glasswing: An initial update
Qwen3.7-Max：面向 Agent 时代的顶级多功能基础模型，编码、生产力与超长时序自主执行全面领先
- 核心定位：专为 Agent 时代打造的旗舰模型，在编码代理（前端原型到复杂多文件工程）、办公自动化（MCP + 多代理编排）和超长时序任务（可自主执行上千步、35小时 kernel 优化案例）上表现出色，且跨多种 Agent 框架（如 Claude Code、OpenClaw、Qwen Code）高度泛化。
- 性能亮点：在 Terminal Bench、SWE 系列、MCP-Mark、Kernel Bench 等 Agent 基准中位居前列；推理（GPQA、HLE、IMO）、多语言和指令遵循能力也达到顶级水平，整体接近或超越 Opus-4.6 Max 等竞品。
- 独特能力：支持环境 scaling 和 cross-harness 训练，实现真实泛化；在未见过硬件上自主优化 kernel 达 10x 加速；可作为“高级同事”处理复杂企业工作流，显著提升生产力。
- 可用性：即将通过 Alibaba Cloud Model Studio 提供 API，支持 preserve_thinking 等 Agent 特性，推荐用于长时序自主任务。
Qwen Studio
SpaceX 计划在 IPO 上市 30 天后正式收购 Cursor
知情人士透露，埃隆·马斯克的火箭与卫星巨头 SpaceX 计划在正式挂牌上市 30 天后，推进对人工智能编程初创公司 Cursor 的收购，预计交易时间为 2026 年 7 月。此前 SpaceX 已锁定一项价值 600 亿美元的潜在收购协议，若该交易最终未能达成，SpaceX 将需向 Cursor 支付高达 100 亿美元的现金分手费。由于 SpaceX 即将提交首次公开募股（IPO）申请并预计于 6 月 12 日上市，为了避免重新修改复杂的上市财务申报文件并确保这场史上最大规模之一的 IPO 顺利进行，公司选择将收购流程延期至上市后完成。
SpaceX Is Planning to Buy Startup Cursor 30 Days After IPO (1)
Google I/O Keynote 总结
文章是谷歌 CEO Sundar Pichai 在 Google I/O 2026 大会上的演讲摘要，核心宣告了谷歌全面进入 “智能体 Gemini 时代”（Agentic Gemini Era）。文章展示了谷歌在 AI 全栈领域（从算力基础设施、底层模型到消费端产品及安全）的最新突破：
1. 底层模型：Gemini 3.5 与多模态 Omni 诞生
- Gemini 3.5 Flash：正式发布，兼顾前沿智能与超快行动力，性能在多数基准测试中超越 3.1 Pro。其输出速度比其他前沿模型快 4 倍，价格却不到一半，可为大规模应用的企业节省超 10 亿美元成本。
- Gemini Omni：全新推出的全模态模型，支持“任何输入生成任何输出”，率先落地视频输出。它结合了 Gemini 的推理能力与媒体生成模型，具备理解物理世界、文化和上下文的“世界模型”能力。
2. 消费端产品：Search 与应用全面“智能体化”
- AI 搜索颠覆式升级：AI Overviews 用户超 25 亿，AI Mode 突破 10 亿。搜索引入了能 24/7 异步工作的“信息智能体（Information Agents）”，可自动帮用户监测网络并构建自定义的持久化仪表盘。
- Gemini Spark 个人智能体：推出个人 AI 助理 Spark，在 Google Cloud 支持下可 24/7 在后台执行长周期任务（无需保持电脑开机）。它将深度集成于 Android Halo 界面以及 Chrome 浏览器中。
- 多模态与语音应用：YouTube 推出“Ask YouTube”对话式视频导航；Docs 推出“Docs Live”，支持直接用语音“脑暴”生成和编辑文档；同时发布了将每个元素视为独立对象的 AI 图像创作工具 Google Pics。
3. 硬件基础设施：第 8 代 TPU 算力飞跃
- 双芯片重构：首次针对训练和推理采用不同的专用架构，推出用于大规模预训练的 TPU 8t 和专门用于推理的 TPU 8i。
- 跨数据中心训练：结合 JAX 和 Pathways，打破了单一数据中心的限制，可将训练无缝分布式扩展至全球超 100 万个 TPU 上，构建全球最大的训练集群。
- 绿色算力：两款芯片的每瓦性能（Performance-per-watt）均提升了最高达 2 倍。
4. 开发者与科学创新：Antigravity 2.0
- 智能体管理平台：AI 开发平台 Antigravity 2.0 推出独立桌面版，从单纯的编码工具升级为能够管理和编排“自主 AI 智能体集群”的中央控制台。
- Gemini for Science：推出科学 AI 工具集，通过 Science Skills 将智能体平台连接至全球 30 多个主要生命科学数据库，加速科研攻关。
5. AI 安全与内容透明度
- SynthID 水印标准确立：谷歌隐形水印技术 SynthID 已累计为超千亿媒体资产加密。今年大会上，OpenAI、Nvidia、Kakao 和 Eleven Labs 等行业巨头宣布共同采用 SynthID 标准。
- 内容凭证（Content Credentials）：该技术将扩展至 Search 和 Chrome，可直接识别并向用户展示内容究竟是由相机拍摄还是由 AI 生成/篡改。
I/O 2026: Welcome to the agentic Gemini era
Cursor 发布 Composer 2.5：更智能、更高效的顶级编码模型
- 模型底座：基于 Moonshot Kimi K2.5 开源模型，通过大规模训练 + 针对性 RL（含长上下文文本反馈）打造而成
- 核心能力：擅长长时间持续任务、复杂指令执行；同等能力下最高 10 倍效率提升
- 基准成绩：SWE-Bench Multilingual 79.8%，CursorBench v3.1 63.2%
- 未来计划：与 SpaceXAI 合作，使用 Colossus 2（百万 H100 等价算力）、10 倍计算量从零训练超大模型，预计实现重大能力跃升
- 限时福利：未来一周双倍使用额度，欢迎立即体验！
Introducing Composer 2.5 · Cursor