对话 MiniMax 闫俊杰：M3、10X 计划、10T 模型、和智能的终局

频道: 十字路口Crossing
视频: https://www.xiaoyuzhoufm.com/episode/6a374ab075ba9e0c53368f7e
原文语言: zh
统计: 共 21 轮

`[0:00]`

嗨,我是 Koji；那这一期播客呢是我在 MiniMax Developer Meetup,就是核心开发者的一个聚会上主持的一场圆桌讨论嘉宾呢包括 MiniMax的创始人和 CEO IO 闫俊杰�、也包括三万新的开源项目Multica的创始人张佳圆和七万新的开源项目DeerFlow的核心负责人何涛、以及一位上市金融公司的技术负责人于扬然后我其实自己啊我是有点这个surprised一看说哎IO也会来而且分享了那么多所以今天想问IO的第一个问题也是这个活动为什么对你来说这么重要你自己花那么多时间来参与其实我们这个主要是感谢各位然后花时间去来这个分享包括那个核桃核桃其实坦白说是它是一个非常好的开源项目的这个作者他们那个应该是那个七万对七万包括家人家人的话其实那个很早之前就其实给我们提了很多的建议帮助啊对其实核心还是感谢大家了就是说那个就是刚才说了其实你也是我们第一次来办这个活动我们也我们觉得就是AI编程或是上连程它其实不会让从业者愿意少就比如说可能在两年前当时我记得我曾经问过另外一家公司的一个人实际上我当时问过梁峰说哎你要不要做AI code他说不做为什么呢因为全中国会起大碼的人可能只有只有只有只有只有100万还是200万人哎这好像不是一个很大的市场就两年前都是这么一个理解但现在显然不是的吧因为AI这件事确实是可以让更多的人可以有生产力了我觉得这是一个非常好进度的变化但是即使就即使这个事它可以让很多人不会它的核心还是说一开始有一些真正热爱这么来做的人然后在这个里面然后把它给重复为更多的人

`[1:51]`

然后我觉得今天是我们是第一次的然后我后面也会把它变成一个持续性的这么一个事情吧就从M1到M3我们看到了非常多的突破然后很好奇就无止的有些突破是适期的有些突破是还没有达到预期的我觉得就是一个比较客观的指标其实是通用消耗量其实M1的话我觉得我们实际上是这个通消耗其实是比较低的过来说但是当时的M1的话我觉得是坦白说那个模型其实它自能的效果不太好但是其实实际上我们从做M1的时候就感受到了这个事就是一个很经典的桥段就是说什么探索在引擎上后背发联这种事我们有这种感觉其实在做M1的时候有这种感觉的就是在做M1的时候第一次跑动那个TRAG的时候然后那个时候记得清楚去年五一加期那个时候反正就是第一次感受到这个东西了但是这个模型其实没有怎么做成功然后到M2的时候去年下面那个时候大家最关心的评测是其实Arena我记得所有人发布都会攒这个东西我们那个时候就非常明确我们就只做Coding和Edge然后我们就不管那个那些不相关的那些对话的那些长句我们真的是这么来决定然后这个决定其实战功这个有很多的距离就是为什么你不管这一东西然后但是我们就这么做了然后这么做了之后呢其实我们一开始Arm2刚上天的时候我们觉得这个一天消耗1万亿的Token我们就满意了当时B2目标是这样的然后那个结果它那个到R8.7的时候大概就变成了10万亿的Token基本上就是相当我们目标就超了10倍了然后呢Arm3的话呢就是说我们其实是变了一个更大的一条但这个还没有完全实现啊对然后呢就是说从通过销量的角度来说我觉得其实还是比较超出预期的从能力上来说的话呢

`[3:40]`

是说我们在Arm2的时候其实就想实现这个Domotide但在Arm2的时候其实没有实现然后呢我们在Arm2的时候能够到这个就是编程里面能够到那个主力模式来用这个其实也没有实现但它实现的东西是说后面出来的OpenCore出来的Google档雷连它找到这样一个市场Arm3的话呢就是说我们的两代模式都说可以无限制的来用这种不需要关心成本的来使用30连一个不行2个连一个模式然后呢如果到这个东西再加上整个行业的大部分增长我觉得重量到一个非常可爱的量级我觉得我们在非常接近这个事OK 好谢谢然后嘉元刚才其实也有一个精彩的分享就讲了Loop Engineering然后你们在做它的时候用的是这个M3MiniMax M3用的过程中你觉得有哪些好与不好首先就是我们我们其实工作流里面有大量的这种可以去Pipeline化的这个场景包括去处理V-Hub 以及包括去处理比如说做这个Customer Support等等一系列的这个场景因为其实并不是所有的场景都需要用最高级的模型来去做我们每个人自己都有好几个Cloud Code的账号加Codex然后加上Cursor可能有个几千美金每个月的这个Token的消耗其实成本是非常高的那我们现在就在做的一个场景就是单一的这个模型的能力可能它或多或少可能在一些方面都会有就是可能有这个方面不足或者那个方面不足但是能不能去设计一个系统去把比如说不同的模型的能力去聚合起来不同的A质的能力去聚合起来它一定程度上可以弥补你的这个模型能力在一些情况下的不足比如说我们发现M3它可能有一些时候会比较啰嗦

`[5:27]`

或者有些时候它这个Thinking的时间会比较长或者它给你的这个结果里面不一定所有的点都是正确的那这个时候你就可以用一个比如说其他的模型比如说像OPS或者是GPT来去给它去做这个review或者是作为它的mentor对然后让M3来去作为coding的这样的一个模型这个其实就是用系统的这个方式来去拟合这个单一模型的这个部分能力的这样的一个部署然后我们实践下来发现它确实是能够达到你的这个Token的这个消耗以及整个产出的这个效果的一个平衡未来你的整个公司里面的这个Token Cost肯定是你需要去考虑的一个目标那这个时候你就需要去考虑这么让不同的工作由不同的这个模型来去完成好谢谢谢谢接下来就请何涛介绍一下就7万star的Deerflow今天的Deerflow和一开始已经有很大的不一样了就大家介绍一下今天的Deerflow是一个什么样的Deerflow以及它是什么原因让它那么的受欢迎这个问题我是第一次带给我们团队在公开场合回答然后我也跟我们团队讨论一下我想说一句大白话为什么火这件事我们也没有追求出原因可能很多时候go viral这件事就是上帝握着你的手写下了一堂代码或者是上帝握着你的嘴手修了一句话但Codecode或者Code写了一段代码然后X上面有人帮你转了他就火了但我想说的事情是这里边的话就是Deerflow它有两个身份第一个身份是它是一个开源项目然后这个开源项目的话第一开始初中的话是我们在25年的时候发现Deep Research这样的任务非常贵你首先需要有一个200刀的TriGVT的Deepro的订阅

`[7:20]`

那你才能去用几次然后我们就觉得奸商开源必须得把你打下来而且我们还要用中国的模型给你打个样然后我们还连生徒都要用中国的模型所以在我们一开始的我们的初中就是说我们想用一种自己的表达方式把在电脑端要去做的一个事情我们当时在一个大公司里面所以我们的日常工作就是要写报告然后报告的话可能还要有图表然后报告跟图表之后那个时候还要生成像Cozin那样特别优质的播客最后的话我们还希望它能够变成一段动画片因为我们很多人都有小孩有这种动画片最后还有人说我想听音乐那我要听音乐所以说我得表扬一下MIMAS的TokenPlan这个是我们的Date因为就接触了MIMAS的TokenPlan的原因就是多摩泰是一个非常有魅力的事情而且每个人的日常工作就是一个多摩泰的工作我觉得如果要反推来说的话这我觉得也是DFLO一开始Bag对的一个点我们一定要完成桌面工作者所有的工作就是有可能一开始是残缺了会被喷的那我们要接受被人喷帮你摇游然后DFLO的话其实这里面还有一个比较有些人的一个顺便就是DFLO现在是一个社区我们有1K以上的contributor这个contributor是覆盖了除了北极南极以外的其他的所有的陆地地区吧大概我可以这么说然后而且还有经常会有人给我们用各种我们看不懂的语言提一手怎么样就agent的去管理这样的一个开源项目也成为了我们现在就是说不断地在研究跟探讨的一个方向然后以及我们现在被很多人去complain说我们的代码已经是史山了那我们怎么样再去说把史山的代码再清扫一下变得更好我觉得这也是就是今天来到这个DFLO

`[9:12]`

能够跟更多开发者一起交流我理解这个其实也是所有的成功的开源项目都头疼的事情最近OpenCloud Nanobot都纷纷表达不得不这么做再不这么做的话就受不了了好那我们在接下来请请教一下于阳在互联网金融这么一个垂直领域你们又作为一家上市公司你们现在在怎么用AI或者agent哪些部分是看到已经产生了非常直接的商业价值好我们这边是做这个直接是做这个金融行业的从我们用户角度上来它其实不是很会表达我们大多数用户它其实根本不知道它今天打开应用它今天想干什么一般来说如果你打开一个比如说类似于那个行情软件它总会希望是它目标是赚钱对吧这是很明显的一个事情那除了这个事情以外但是它其实很难表达说我今天是要干什么怎么办它问的问题就是帮我选举几个股这是我们收到了最多最多最多的一个问题帮你帮我选举个股那你遇到一般情况这个事情就傻了对不对比如说我现在问你或者你问我我也很难给你去选这个问题对吧这是第一个第二个我发现我们很多的同类的厂商他们做的东西是今天比如说我能够问你我今天某只个股怎么样那他会给你去罗列很多的信息然后就没有然后了这个是一个很大的问题所以我觉得从这个角度上来说大家能做的东西第一步是筛选信息这个也是现在所有的东西大家都在做的问题第二个我们可以降低很多人的门槛大家都知道的很多一些术语提提前是什么这个东西是大了还是小了这类的东西所以说从AI的这个角度上来说它其实可以给你降低很多的门槛它告诉你这个数字为什么是这样子告诉你这个东西对于你的影响是什么样子这个是我们AI要做的事情然后再问一个很简短的问题就是作为在这个上市的这种公司

`[11:04]`

你用不用AI帮你炒股这是一个很好的问题第一个是因为有合规的原因我们这个是不能直接炒股的第二个事情是实话是说我们自己有这样回测的一个机制就是我们其实给用户输出的里面是不带投资建议但是我们内部的版本有我们可以根据我们自己的这个东西去做回测我们大概大致胜率是多少实际上来说与我个人而言我对于我们东西是无比有自信的因为我们实际上有真真实实的数据能支撑着我们说这个东西我们胜率是多少那你会不会发现其实很可能你今天的工资收入是比不上你去follow模型告诉你的投资建议去炒股的收入的甚至远远比不上如果是这样的话那你会怎么办你有考虑过放弃工作今天就开始all in去炒股吗这是一个很好的一个问题炒股这个事情跟你一般去做那个大模型推理其实不太一样它不是一个文字的问题就它里面其实会有很多的步骤你的信息要对你的个人的画像要对你的整个分析的状态要对而且这是一方面第二方面就是这些东西都是实时是去变化的你今天我做了一个决策他说OK没有问题那很有可能市场下一步比如说文案就直接拿出来那这是一个很大的一个事情那你要做的事情是说我要去预测说这个东西到底是好还是不好这个是重要的它这些来回忆那种可能性是很重要的第二个事情就是说当这个东西真的发生了以后你要怎么做这个其实是比我告诉你这个会怎么发展来说其实要重要的多好下一个问题还是想请教IO也是很简单的一个问题你怎么看这个模型和agent的关系未来还会有agent吗还是只剩下基模这个我觉得是这样我觉得是这样的我觉得比如说对我们回想一下比如说去年这个时候坦白说我觉得去年这个时候是想不到现在的模型是什么样的

`[13:02]`

反正至少我自己是想不到的因为你想去年我们自己还在做MD呢然后去年的话其实也没有open cloud去年这个时候cloud code其实可能还只有非常少的用户所以说按照这个道理来说我感觉好像明年会怎么样我觉得现在可能也没法预测对然后呢那就是我觉得这个是就是AI里面比较神奇的地方就是说相对于是说比如说在AI这个行业里面一年经历的事可能就等价于其他行业要好几年才经历的事可能应该就是这么一个过程然后呢并且呢是说比如说模型的进步跟Hans的进步它其实也不是一个互斥的观点它其实是一个过程进步的关系比如一开始坦白说比如说如果假设没有考的code就可能安松的模型可能也不会这么火然后再假设是说比如说一开始比如说当没有做出来GPT5.5的时候其实Codex其实也做不起来有了GPT5.5Codex才真正起来的所以说我觉得这两个东西它可能就是一个就是相互的关系我觉得一个视角是说我们可以把那个模型加Hias都看成是说我们能够实现更高智能的一个手段就是虽然说模型下越来越强我们还是应该假定这个模型最终还是被或者智能最终应该还是给人家来服务的我们应该还是得抱着这个前提来然后来想这件事然后模型Hias就是两个手段我觉得是这样确实能的预测可以想起那个是一位基本上的科学家就是叫RNP他的理据就是这个预测为来最好办法是去创造然后刚才其实老师的这个Iro在前面的飞行的时候提到这个咱们实体的模型是必须要循述的然后现在已经就是PART3成的中间最大的卡表可能的模型它的卡点是这样的就是说它实际上没有特别的卡点它的卡点就是需要时间

`[15:07]`

需要积累就是因为原来的话是因为怎么说呢其实你可以看到AI已经是很大的产业了就跟之前半导体是很大的产业是一样的是一个产业的意思就是说这个里面的话它其实没有一个什么障碍说让一个事实现不了就没有一个特别的障碍它有个障碍是说为了把这东西做出来它就需要时间然后就需要积累很多东西就需要实验的脚下实地比如就像我们像现在这样我们需要跟大家在一起原来分析说模型到底应该优化什么东西什么东西需要变得更好我觉得它就是这么一个积累的过程积累的具体是什么是比如说数据是一些算法还是基本上这样基本上就是说模型啊基本上它的特点是这样就是说比如说每提升一代比如说你的参入量比如说可以大三倍或者大五倍你可以发现是说原来大家都知道死平老的了死平老的外推其实它不能外推那么多的它只能外推一个一个几倍如果比如说大了十倍之后可以发现你的很外推实际上是失效了那如果这个外推失效了那又是你的结论是不一定对那句模型就是一个开放课那所以说呢这个事儿它的实质上是说就需要一代一代往上来做我觉得其实可以看现在比如说像美国的模型比中文模型基本上是大十倍十倍的其实是意味着是两代基本上是这么一个产品那这个东西怎么做到呢就是说我们觉得这个量级的模型需要反正对国内美国公司基本上都要再提升两代然后那第一代的话就把3T的模型签证都能做好第二代就是基于这个级续的经验然后再做10T的基本上就是这么两个阶段吧对然后那这个里面的话每次的话其实你可以发现只能你的训练的功能变大了对算力对训练效率对网络结构其实都会有很大的一个变化比如说这次M3里面它的资源量其实是比较低了

`[16:57]`

但是它的QVCatch还是比较大的所以下半会尽力的来压它的QVCatch让它的推理会更好实际上比如说更大的模型意味着问答案参数量比如说一般情况下就是说一个模型比如说它的参数是多少它需要的数据量而是要侧量平衡20那一个10T的模型意味着需要200T的数据但全世界没有这么多数据然后包括数据质量其实也是不一样比如说越大的模型它就越容易运来拟合这些噪声所以说越大的模型对数据质量要求其实越高但是数据量要大很多然后质量要求又高了很多然后同时这个实验的Skinout的外推要大很多所以它其实是一个非常大的系统性的一个条件然后我们只迷戴一戴着然后往来走好多是说我们非常确定的认为我们在过去觉得一直是进步速度最快的所以说我觉得我们还是对这个事坦白说比较忐忑吧但是我觉得我们应该是能到的因为一开场这个Io分享的时候也说咱们进步速度最快全场响起掌声其实当时我也有点好奇就是这个快它的速度的这个benchmark是什么就从什么维度来讲就比如说比如说你看国内任何一个模型在现在的这个智能水平不管你有哪个能够定义和他们这个模型在三个月前或者六个月前的智能水平这比例我觉得我们这个应该是其中应该是最多的对谢谢然后接下来一个问题是想和这个嘉元和涛一块来探讨就是在完全依赖AI去做一个复杂项目的时候现在到底应该怎么做才能够把这个软件工程的实践做得更好我先来分享一下我的一些想法就是首先这个就是因为现在AI coding相当于是已经被商品化了几乎人人都可以来去携带但实际上Vibe coding这个事情从历史上来看并不新鲜就是第一代的这个

`[18:53]`

Vibe coding的用户其实是产品经理对他过去其实已经是在Vibe coding了只不过他驱动的那帮人是程序员那现在其实人人都可以Vibe coding了之后相当于是人人都变成了这个产品经理的这样一个角色从这个产品的产品经理的这个角度上来说就是判断一个产品经理是否好坏的标准从来都不是说他做了一百件事情或者说是他看他这个提的需求够不够多我觉得这里面更重要的一个判断标准是第一个他怎么去判断要不要去做一件事情或者说要不要不去做一件事情因为你几乎能做任何事情那这个时候你不去做什么事情的这个你的这个决策标准就非常重要然后第二点是就过去为什么我们就是软件开发发展了几十年有各种各样的软件工程的理论再说如果有一些比较古早的这个程序员的话应该都可能可能看过一本叫Cold Complete的一本书对叫代码大全那本书里面讲的就是怎么你本身软件开发它不是一个人的事情它可能是一个一个组织的事情包括说你的这个代码复杂度上来之后你其实里面有非常多的这个需要优化点那这本书讲的就是怎么怎么在一个复杂的项目里面去更好的去做开发然后包括说避免这个项目的架构变大了之后出现各种史山的代码怎么去让整个架构变得更加清晰等等一系列的事情所以说怎么去让这个一个项目不变成史山这个其实是大家研究了几十年的一个命题包括现在就是包括Deerflow包括这个Martica它作为一个开源项目其实每天都有大量的这个contributor提交代码因为提交代码实在是太方便了我们现在的一个做法其实是首先我们的一个核心的这个项目的维护者会去定义这个产品的

`[20:52]`

这个它Roal Map是怎么样的它的这个品位是怎么样的它要去做哪些事情不要去做哪些事情然后另外一点就是比如说一些这个外部的contributor或多或少可能会缺少的一部分的这个context所以说我们现在在去维护这样的一个开源项目的时候也会去和很多的外部的这些contributor去对齐这部分context这个是我们的一些经验嘉远分享的很好然后我这也先说一个暴论就是外部coding从来没有人说是外部engineering但是写代码从来都是一个engineering工作而不只是一个coding工作所以我特别讨厌别人说你是一个马农你应该说你是一个软件工程师因为你的职责是把它定成一个工程的东西engineering的定义从来不是一个一次性交付的产品而是一个可以长期交付且持续有生命力的东西所以这也是为什么就是现在的其实我觉得可能对IO对模型的同学也有一个就现在的Bench不论从SWE或SWE的Pro来看它都是一次性去解决一个问题模型很容易会变成在coding任务上使命必达你会发现比如说我怎么样我一定要使命必达就像一个就是非常努力的人一样但之后他可能他努力的很久之后最后OK你告诉他OKJust so so还有一点就是你会发现他这个东西你后面接着你接着他做根本做不了所以我觉得从coding领域的话其实从Bench上的话它是可以做很多工作就怎么样去定义一个就是说一个agent他能够明白就在长程性的任务上怎么样去持续维护一个code base把它变得更好其实这就有点像是把人的这样一些除了写一次性

`[22:36]`

完成一次性任务还有长期维护一个项目的一个taste把它给放到模型来去我觉得这是对模型的一个要求还有一个就是我觉得是对人的要求因为这一代的模型太有魅力太有诱惑力以至于会让你就是说陷入到一个极端就是我觉得他是个魔法棒我跟他说什么他应该是无所不能然后他犯了个错OK我再跟他说一句他就好了然后你就发现他总会在于一种相对来说比较讨巧其实对不起那我可以改正有可能其实你就是有偏人家可能是对了他也会说这还能使命所以在这个时候其实需要一个人还是带有古早的我这时候我这时候再推荐一本书叫Clean Code这本书里面就讲就是代码的整洁之道很多时候是被先折磨已经全都列举出来了所以这时候我觉得需要人多做一些工作可能我们已经没有办法人力review但我觉得我做过的一些事情就是我会把这些先折的东西全都蒸留成一些skill或者说像Google的Best of PracticeAmazon的Best of Practice或怎么样然后配合你的agent给到agent的更多你的context还有就是你的一些偏好就其实每个人写出来代码很多时候跟他性格都挺像的而且还有就是我现在特别讨厌一个人说这个东西是agent做的所以你不要怪我就这个东西他只要是拿你的账号来提交上来的东西他用的应该就是你的credit他背后表达是你的责任心还有你对待这个世界的态度所以我觉得就是首先我们需要take it seriously还有以及把这个东西当成一个工程学去持续的去迭代这个东西才不要我觉得都会有一个阶段吧就比如说我们当年很多时候都觉得有垫了之后

`[24:21]`

什么事情都能解决然后发现其实它中间还是经历很多的过程所以我觉得还是我们的mindset还有我们要有更多的耐心以及要把这个东西变成一个就是说新的一个工具来看待而不是说一个魔法棒来看待就从这个mindset上的转变才能慢慢的去根治一些问题谢谢我也好奇就是在minimax内部你们现在怎么看AI coding阿道阿道被cue到对就是反不贵一个很高的这样一个所以包括最近去阿里分享因为他们是一个国费大资产可以去几百个贵可以去交费铁子他们的感受就是他妈几十个仓库放在一起对吧之前可能一个人只能改一个层然后现在是一个人阿里想要实际的帮助提了一个巨大然后结果就是说看起来是对但没有人该上线用QA的速度功能的实现是快又好但是实际上他验证是没有跟上对吧我记得我最早在刚开始代表那些时候可能他们提到每一行代表他们都会认为就这个项目必须要follow我的gates就是必须要足够简洁然后节目足够清晰就非常有强我是属于那种看待能把他把他基本开出来否则我就不做这个然后后来是那肯定看不过来我就会做价格的review对吧但今天在webcoin其实我们这种review是缺失的就换句话说就是生产的能力在极把提升包括我们Hines也是奔着生产去的训练也是奔着生产去的但是在验证和交付在review这方面的Rex Hamish模型其实做的都是不够所以我的观点后和他们交流的就是说我们应该在验证上面投入甚至和研发生产接近的这样的能力当上到有足够的足够之后否则这个项目就会大概其实我相信大家应该都有过这样的感受大概在去年的cloud 49

`[26:30]`

它4.5肯定出来的时候一个项目大概到几千行代码就崩溃了去管扣脸今天可以打到十几万行大概风就会崩溃因为我觉得它还是缺少就是或者这么说它的context是有限的另外一方面就是我觉得这种人类的直觉还是商号有点难去的对这是我的一个观点我们确实是在用web coding来拍拔比如说我们的训练post training那个系统主要那家包集他就川普会起一个issue上去然后这issue会一个阶段一个阶段一个阶段的走然后这个软给搞音他们也会遇到类似的问题然后我们也在就做相识方式去解这解的方法有很多就是说你有测试上的你有bedsmark你有很多东西可以去验证但还有很多量就刚才把奥斯道就是你为这些上去建立他的prest posts什么东西是做什么东西是不做的什么东西是违反这个mode然后这一点还要让Agent能够去实现因为人这个看过来谢谢其实刚才这个IO在分享的时候其实有提到关于数据的一个问题我们都知道minimax之前上个月吧做了那个时差的项目刚才IO分享的时候有提到说去年的这个时候可能我们对数据的理解就是数据标注然后现在是希望找专家大哥来带路可不可以分享一下中间的转变它是怎么发生的对其实我觉得这个事是这样这个事它的实质上是说一个比较根源的东西是说我们在想其实就刚才说的就是AI的核心其实是生产力比方生产力这个事就是模型在里面的作用还是本质上就是提供工具就跟比如发行的汽车是一样它可能就是让赶路的时间变得更快了AI的话就让人家思考的过程跟做验证的过程变得更快了它的实质还是那个行业里面本身的真实的问题然后这个事情的话

`[28:32]`

很显然是说光靠模型或者光靠researcher其实是做不到的其实这个事实际上我们在做coding的时候就已经预料了比如说我们去年在做coding的时候发现是说比如说对coding的理解比如说开发工程师显然是比算法同学更理解什么叫好的coding对然后呢所以说在那个时候我们就开始意识到是说这个比如说决定coding好坏的东西它实际上是算法同学来做出来这样一个模型比较的框架但是它的这个就是这个就是它的如何来做评测如何来做归类然后呢这个是包括如何来构造这些墙来的环境这些事情其实真正的软件工师其实是实际上是能做得更好的因为这个事在我们内部学也已经发生了只是说呢就是像之前的话在做coding的时候只需要两个角色就是researcher跟any near然后并且any near在里面其实决定了最关键的这个评测跟taste然后在做更多的领域里面呢其实就发现就需要三个角色它就需要算法开发的工师以及还需要那个真正的专家它其实是变成多一个角色那既然我们把两个角色合作给抖碰了那么现在就在里面再加个角色然后其实逻辑就是这样的然后呢并且呢是说这是第一个出动这是从我记得推演然后其实还有从第二个就是说比如说我们很仔细地研究了一下比如说AnthorPic他们是怎么来招人的其实你可以发现是说他们公司有大量的非researcher跟any near的人他们公司有很多金具学家然后呢西里的学家他们甚至还有还有核物理学家还有哲学家对他们为什么需要有核物理学家呢因为他们每次做对齐的时候都会来测试说越一越的时候会测这东西能不能用

`[30:16]`

不用来制作核武器现在有哪些这个类似的这样的特殊专家角色了吗坦白说在半年前我们是不意识到为什么需要有这么多这些人呢我们现在其实对这些的理解其实也非常深我们真的是需要这些人跟我们在就是在一起然后呢就是说我们那个天下项目其实也是有很多非常好的同学在跟我们沟通啊其实也吸引到了一些包括在座的一些人我觉得我们接下来在几个林域里人吧其实都会有些这样的人包括在网安全里面包括在金融里面法律啊什么之类的就是我觉得我们在这块接下来的这个做的深度应该会比现在会深很多最后一个问题啊其实我最想问的呢就是每个人推荐一个个股我知道这个问题很可能得不到答案所以一个替代的问题呢就是说这个2026年啊还剩半年有什么事情是你们认为在接下来半年你们自己最想all in的可以回答这个问题也可以回答推荐个股的问题看谁先来分享那咱就不推荐个股了其实我想说的是两件事情现在我们AI和大模型在我们应用场景当中什么东西是以前的东西可能替代不了的我觉得有一点是什么是陪伴极大多数人或者说他们都有陪伴区包括像我们自己的这个领域上也是一定有赚了钱的时候你就一定有亏了钱的时候而且很有可能对于很多人来说他们亏钱的时候可能就更加多一点所以说我觉得这是一个是陪伴第二个就是我们现在自己在做金融的一个场景当中来说最初去我们做agent的时候是我们限制模型发挥我们要不让他去做很多奇怪的事情那等到agent的进步了以后最新的事情就是我们要去引领模型能够让他去思考能够让他去做一些创造性的事情然后帮我们做完很多东西这是我觉得是今年可能两个比较大问题刚刚言总跟阿导

`[32:10]`

其实都透露很多所以推荐的个股我觉得大家应该都懂了所以我就不说了对对对然后我就讲一下其实我个人平常会写一个专栏叫做how AI shapes our society就AI怎么改变我们的社会我其实有一个非常直观的感觉就是AI其实在那很多人变得内耗变得焦虑因为我有一个切实的体会就是国内的模型在Sumphal可能在26年之后跨过了某一个基点他其实已经具备了走进千家万户的机会就不管是Mini Max的MG模型还是高显之光的Duke Seek哦这里还是说一下对对对那个其实都已经跨过了某一个基点但Mini Max的模型这一次在多么太长其实他相对就有了眼睛也可以做更多的事情我可以分享一个我个人的案例就是我老婆有一段时间很焦虑他掉头发所以他总是去看中医然后他去问了国内DAO最大的某Chatbot的产品不举他的名字然后他就跟他说了好多说了之后呢然后他觉得缓解了焦虑就那个方法让他头发掉的更多了然后他就变得更焦虑然后他就开始跟我说你们这个行业害人害己最后还害到你把我身上我就觉得我得给他吃点好的我就给他建了一个属于他的LM的VT这个可能属于有专业就是一个属于他个人的一个VT然后我把我用Codex把他所有的体检报告单据做了检查吃过了所有的药甚至包括那个Chatbot和他聊的聊天记录我全都导进去然后我就把Codex接到了他的飞书里边我让他去用我就跟他说以后你不要用那个Chatbot你就用我给你做这种相见你老公我就说你可以问他怎么样下一次去看医生的时候我会问什么问题甚至医生问题你给录下来就问他然后他直接反问医生

`[34:07]`

他就按照我这个去做后来发现他跟医生的沟通也跟顺畅所以我就感觉到就是说其实我们普通人每个人都是有机会能够用AI让家人让身边人让更多的东西变得更好只要我们愿意我觉得这也是我们用Webcoding不是用来去替代人或者说去替代一些工种让人失业而是更多让大家很好的idea跟想法能够绽放着而且让身边原来觉得离这个很远的人能够感到一种温暖其实我觉得这其实就是从冰冷的暖建工程里面最后发现出来就是一种人类社会的温暖我觉得最后是要回归到这个谢谢我觉得和到分享的就非常好包括说首先我其实跟阿岛一样我也不投资对我只投资我自己和我自己的公司所以说个股的建议我也给不出来然后就下半年要all in的点我不能说是要all in但是可以说是我想要去探索的几个事情其实我是一个AI降临派我是认定这个AI的能力发展到后面一定会比人来的强而且这个是在是在我过去几年的比较深度的去和AI的这个协作过程中越来越发现你未来已经不是在和人去竞争而是在和agent去竞争或者是在和AI去竞争你的智能其实是没有办法去和AI去做一个抗智能在这样的一个情况下就像刚刚提到的这个社会该是一个什么样的我觉得这个可能是一个值得我们去思考的一个点因为人都是有惰性思维的有了AI之后大家都喜欢把事情都交给AI来去做把自己的思考外包给AI我现在一个做法是我可能会去和AI去去做一个这个探索但是我会把思考这个最重要的部分都交给我自己好谢谢那IO来压轴所以你是降临派吗我觉得这样的然后我觉得首先现在的AI其实是一个反正上它是一个黑核就是我们自己作为从业者我们也不知道它

`[36:11]`

一年之后会怎么样就只是知道它会进步并且我们也坦白说我其实也不太理解就是比如说为什么会有skin为什么会有不然这样的东西坦白说我认为单身靠人类已经很难理解这件事因为现了数据工具其实也是不太够的因为其实其实我很老实际大概在十年前十年前我才读博士的时候就看我一篇论文大家意思就是一个超过三层的实情网络用现了数据工具其实也没法分解它的收敛性但是这个行业还在进步然后就是说我觉得就是说随着AI越来越强我觉得我特别关心的一件事是也不是这个可能不是all in就是我自己特别关心的一件事是说就是什么时候是不是能够AI能够帮助人家理解AI我觉得这是一个非常本质的事因为只有这样的话各种比如说对比如说AI会不会它的安全的问题比如说AI到底能够走多久这些事我觉得可能才会有一个答案现在有看到什么信号吗其实这样的就比如说我其实看过很多这个生命科学的论文就现在的话其实大家越来越发现是这样比如说就是大脑跟这个神经网络之间其实有很强的相关性就真的是这样就是说比如说就是大脑里面显然是大脑肯定不会算矩阵程的但是大脑里面其实是有些模块其实是类似会有这种比如说会有类似这种矩阵的这样的这样的这样的一些概念并且大脑里面有些机制其实是几乎可以等加成一个T度的这个反应传播然后呢并且大脑里面其实它的这个有点像那个Transformer比如说HamatiHamati的话其实会有些记忆其实它跟那个跟那个Deepstick那个上次他们那个那个记忆的那种其实是很像我觉得就是说这个就是比如说在一年前我们不太理解比如说安全这个不太重要现在的话我觉得我们

`[38:02]`

可能就是不太理解就是为什么可解释性是一个很重要的事但是我觉得现在其实也知道它们重要性了我觉得并且我觉得这个事AI在美国应该是发给它做的就是AI本身的可解释性也得需要靠AI一起化肥为它好OK好那我们今天谢谢大家的时间谢谢还有还有还有还有!!