当“造假”成为常态：AI时代的真实危机与基础设施转向

标题：[AINews] 在“人造”时代谈真实

摘要：一个相对平静的新闻日，反而让我们重新追问“现实”到底是什么。

内容：

“如果新闻都能是假的——那你想想历史会怎样。” — AmuseChimp via Naval

1. 促成这篇社论的第一条新闻，是一则“非官方但可信”的消息：Cursor 现在已达到 $2B ARR，并且正在按 $50B 估值融资。这与过去 几 周“Cursor 流失率正在飙升”的标题党叙事相矛盾。这个案例里，X 上出现了一个典型的 信息茧房：新奇和丑闻更容易被奖励，真相反而难以辨认。

2. 第二条新闻是 Ars-Technica-Scott-Shambaugh 事件。说得直白点：这几乎是一次开源滥用、AI 爬虫机器人（Clawbots）与媒体失范叠加的“灾难现场”——报道此事的记者甚至发布了编造的 AI 引述，最终被解雇。更“加分”的是，人类评论者 也 幻觉式补充 了更多不实信息。

3. 第三条是 某顶级播客的一期节目：它提出，发布产品的最佳方式是先做 20 条“假的”TikTok 应用演示视频，等视频先爆了，再去真正开发产品，而不是先做产品再营销。（我们最早在 the Hyperstitions of Moloch 讨论过这个思路；而且它显然是有效的。）

如果对这些趋势放任不管，最终结果会是：人们对所有媒体的信任持续下降，进而击碎“共识现实”，也就击碎公民社会——只要我能更大声地宣称“我的真相”，我就无需在意你认为什么是真的。

如果我们真能“用手指投票”，情况或许还不一样。死互联网理论 不完全由 AI 造成，但 AI 的确在加速它。我想到一个 老的社交媒体演化框架，大致是这样：

• 在“社交媒体”之前，人们的新闻和娱乐主要来自杂志与报纸——这是面向大众分发的产品，几乎没有个性化。八卦主要靠线下口口相传，来自爱聊天的邻居或同事。

• 你的朋友杀死了大众明星：后来 Facebook 出现了，你突然能看到 你认识/可能会认识的人 的动态，也能知道他们的各种八卦。显然有趣得多！

• “职业朋友”杀死了真实朋友：你的真实朋友其实挺无聊。我发“今天午饭吃了啥”的 Instagram，当然不如把发帖当工作的人有看头：每张照片都滤镜拉满，每条 story 都脚本化。最擅长这套的 influencer 变成超级明星。所有人参与度都很高！但换个角度看，最大的一批 vlog 主之一 最终被证实……本来就是脚本演出，这很意外吗？

• 推荐系统的长尾内容杀死了“职业朋友”：“职业朋友”的问题在于，他们和过去的大众明星犯的是同一类问题——最后都收敛到“对大多数人来说凑合够看”。而且还带来新问题：就算平台给他们千万级收入，他们 依然 产不出足够多内容；同时，他们又成了对平台有过强议价能力的“巨星”。于是平台开始不再优先你主动关注的关系图谱（stated preferences），转而持续喂给你最本能的冲动（revealed preferences）。参与度再跳一个台阶，创作者规模扩大 100 倍，每个人都拿到“爆红彩票”！

• AI 内容杀死人类内容：最终阶段——用“个性化生成”取代“内容筛选”。每个人都活在自己亲手打造的《楚门的世界》牢笼里，开心地滑走自己的自由意志，以及和日常现实的连接。

我们显然每天都在更靠近这个终点——作为试图 Scale Without Slop 的新闻写作者，这正是我们在努力应对并寻找新解法的问题。

与此同时，“表达审美与人类投入”从未像今天这么容易被识别——差一点的 newsletter 可能会给你塞这样一张 AI 味很重的“流水线图”：

[

](https://substackcdn.com/image/fetch/$s_!rWog!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Ffece9f9b-ad0f-4c98-ba44-f626e08739ae_2816x1536.jpeg)

但至少目前，真正有用的图，仍然需要人来做：

[

](https://substackcdn.com/image/fetch/$s_!KJxu!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fb8a06c4f-f46a-4c91-ac81-445e5d85e20f_3164x1654.png)

2026/2/27-2026/3/2 的 AI News。我们替你检查了 12 个 subreddit、544 个 Twitter 账号 和 24 个 Discord（264 个频道、31899 条消息）。按 200wpm 估算，节省阅读时间 2895 分钟。AINews 官网 可检索所有往期。提醒一下，AINews 现已并入 Latent Space 的一个栏目。你可以按需 订阅/退订 不同邮件频率！

Qwen 3.5 “small” 开源模型：长上下文 + 多模态端侧部署正在变成现实

• Qwen3.5-0.8B / 2B / 4B / 9B 发布（Base + Instruct）：阿里巴巴发布了这一紧凑系列，定位是“更高智能、更少算力”，具备 原生多模态 与 scaled RL，明确面向 边缘设备 + 轻量 Agent 部署（Alibaba_Qwen）。社区传播重点包括 262K 原生上下文（可扩展至 1M） 以及推文中给出的竞争性分数（如“82.5 MMLU-Pro”“78.4 MMMU”“97.2 CountBench”）——在读到 model card 前，这些都应视为 厂商/二手口径（kimmonismus）。

• 架构讨论正在浮出水面：多条推文都指向 Qwen 往 混合 / 非正统 attention 路线移动；相较 Qwen3 更新里“Thinking vs Instruct”的区分，3.5 似乎回归“hybrid models”（nrehiew_）。更细的（但仍非官方）拆解称其采用 Gated DeltaNet hybrid：即“3 层 linear attention : 1 层 full attention”，以在控制内存占用的同时尽量保住质量（LiorOnAI）。

• 工程落地跟进很快：

  • Ollama：ollama run qwen3.5:9b|4b|2b|0.8b，打包层已暴露 tool calling + thinking + multimodal（ollama, ollama）。

  • LM Studio：Qwen3.5-9B 被宣传为本地约 7GB 占用（Alibaba_Qwen）。

  • iPhone 端侧演示：Qwen3.5 2B 6-bit 配合 MLX 在“iPhone 17 Pro”运行，被包装为“边缘突破”（adrgrondin, kimmonismus）。

• 评测者注意事项：小模型默认“关闭推理模式”；需通过 chat-template kwargs 显式开启（示例见 llama-server / Unsloth 文档）（danielhanchen）。

Coding Agent + 可靠性：以及“可用性才是新前线”

• Codex 5.3 与 coding eval 讨论：有不少轶事称 Codex 5.3 在“有前景”的任务上表现突出，并在 WeirdML 等基准上推进（声称 79.3%，高于 Opus 4.6 的 77.9%），同时也有人指出 Gemini 的峰值表现可能仍更高（theo, htihle）。也有观点认为 WeirdML v2 已接近饱和（teortaxesTex）。

• “我们快到可用性 1 个 9 了”：当前运维痛点不止模型质量，还包括 宕机 与体验退化；无论是 meme 还是严肃吐槽，主题都在重复：Claude 故障正在直接影响生产力（ThePrimeagen, Yuchenj_UW, Yuchenj_UW）。

• Agent 可观测性 / 评测变成一等问题：

  • “既然大家都成了 Agent manager，你最喜欢的 observability 方法是什么？”（_lewtun）

  • Agent 可靠性是跨职能问题（你不能只靠工程手段逃离糟糕的评估标准；PM 和领域专家必须对成功定义负责）（saen_dev）。

  • 实操建议：先定义成功再动手；先用确定性 grader；风格类再引入 LLM judges；评估“产出物”而非“路径”（_philschmid）。

• AGENTS.md / SKILL.md 是“护栏”，不是魔法：

  • 一项被引用的 Codex 研究覆盖 10 个 repo / 124 个 PR：AGENTS.md 将 中位运行时缩短约 28.6%、Token 降低约 16.6%，主要收益来自减少 最差情况的反复折腾，而非全局均匀提升（omarsar0）。

  • Carnegie Mellon 风格的 SKILL.md 生产改进闭环：“log → evaluate → monitor → improve”，并给出 OSS 示例（PR review bot）（gneubig）。

• Anthropic 作为“coding 组织”的张力：一条病毒式数据点声称“80%+ 的已部署代码由 Claude Code 编写”，并伴随担忧：速度提升可能以 可靠性回退 为代价（GergelyOrosz）。另有讨论涉及 Claude Code 在大公司内部落地，以及“监督”替代手写编码（_catwu, Yuchenj_UW）。

基础设施 + 本地 AI 硬件：Apple Neural Engine 裂缝、macOS 上 Docker/vLLM，以及“AI 基建年”

• 逆向 Apple Neural Engine 用于训练：一条高热线程称，有研究者借助未公开 API 在 ANE 上搭出了 transformer 训练循环，绕过 CoreML；重算子在 ANE，部分梯度仍在 CPU。还出现了诸如“M4 ANE 6.6 TFLOPS/W vs A100 的 0.08”“38 TOPS 是假象，真实吞吐 19 TFLOPS FP16”等效率说法——这些细节应回到 repo/paper 核验；但更重要的信号是：端侧训练/微调可能被打开（AmbsdOP，生态补充 AmbsdOP；技术摘要 LiorOnAI）。

• macOS 本地服务更顺滑：Docker Desktop 的 “Model Runner” 新增对 MLX models 的支持，并兼容 OpenAI-compatible API 工作流，被视为 Apple Silicon 开发闭环的实用解锁（Docker）。

• 推理硬件分化：一篇 GPU vs Taalas HC 解读对比了 GPU 上“软件执行模型”（HBM 流式加载 + kernel 调度瓶颈）与“模型即硬件”ASIC（权重固化在 mask ROM）；声称 HC1 可达 每用户 16–17k tok/s，代价是“一颗芯片 = 一个模型”（TheTuringPost）。

• 开源性能工具：AMD 开源 rocprof-trace-decoder（SQTT trace 定义），支持更深层的指令级时序追踪；相关讨论将其描述为 AMD tracing 基础设施“优于 NVIDIA”（tinygrad）。

• AI 基建成为战略主线：智谱提出“2026 是 AI infrastructure 之年”，更像口号而非规范定义；但与整体信号一致：可靠性 + 成本 + tooling 正在压过模型边际提升（Zai_org）。

新研究 + 基准：Transformer 缩放理论、MuP 边界问题、CUDA-kernel RL 与“胡扯检测”

• Transformer 缩放理论回顾：论文 “Effective Theory of Wide and Deep Transformers”（Meta）被再次广泛传播。这是一份 60+ 页分析，覆盖前向/反向信号传播、宽度缩放规则、超参缩放、NTK 分析与优化器行为（SGD vs AdamW），并在视觉/语言 transformer 上做了验证（TheTuringPost, arXiv link tweet）。

• 超越 MuP / Muon 的稳定性边角问题：讨论聚焦 Embedding / LM head / RMSNorm 层的稳定性指标，以及为何 embedding + LM head 可能“与 Muon 不太合拍”（Jianlin_S）。

• CUDA Agent（字节跳动）：被广泛视作从“能编译代码”迈向“高性能代码”的关键一步，采用 agentic RL + 真实 profiling 奖励。声称在 KernelBench 达到 SOTA、相对 torch.compile 提升显著，并在最难 kernel 上接近/比肩前沿 LLM（HuggingPapers, 深度线程 BoWang87）。

• BullshitBench v2：基准更新新增 100 道题，覆盖 coding/medical/legal/finance/physics，测试 70+ 模型变体，并声称 推理反而常常有害；据称 Anthropic 模型领先，而 OpenAI/Google 在该基准上“没有改进”（petergostev, 讨论反馈 scaling01）。

• Scheming eval realism：相关建议 tha

[... 内容已截断 ...]