推文

@alacheng · 2026-10-13 19:05

John Collison（Stripe联合创始人）的《Cheeky Pint》12日最新的播客中，与小扎和Alexandr Wang的访谈，主题围绕Meta新发布的前沿模型Muse Wonder（及更高阶的Muse Wonder Full）。我挑一下我认为重点内容总结一下： Muse的突破性使用场景： -Wang的Muse每周从台湾、日本偏远茶园采购冷门茶叶。 -Zuckerberg把摄像头装在健身房，让Muse在MMA（综合格斗）回合间分析视频并实时教练（需在60秒休息时间内完成处理）。 模型即产品： Collison提出AI产品容易快速收敛到简单形态（如聊天助手、持久代理）。Zuckerberg和Wang反驳：产品空间仍很复杂，人格、裁量权（discretion，例如预订餐厅时不泄露过敏史）、工具使用等决策藏在后训练中。 他们刻意不给App提供模型选择器，避免用户困惑。模型本身塑造产品体验。 Muse Wonder（新模型的名字）： 核心能力：Active Memory（跨天/周/月记忆，模型自己压缩信息）、Active Focus（在长、模糊任务中坚持、纠错、完成） 前沿模型如何构建： 流程：大规模多模态预训练（文本、图像、视频、音频等）→监督微调（SFT）→强化学习（RL）。RL阶段数据量往往更少但质量更高，环境设计需谨慎，避免模型走捷径导致对齐问题。 越来越依赖内部评测而非公开基准（公开基准饱和快，且“把产品判断外包给做病毒基准的博士生”）。内部指标包括“big model smell”（分布内 vs 分布外表现差距）。 对齐哲学：可靠执行用户指令，不做道德说教；优雅拒绝灾难性请求。这与部分其他实验室不同。 豪赌1000亿美元： 这与《精益创业》相反。风险被Zuckerberg认为可控：若AI整体成功，算力有其他买家/用途；失败需整个AI命题失败，而非仅Meta模型失败。CFO Susan Li曾私下警告Wang：“如果模型不好，会非常非常糟糕。” 代理商业（Agentic Commerce）： 经典故事：Zuckerberg的Muse发现Instacart订单未达最低额，自动加了西瓜。代理用用户的钱解决商家设定的问题。 多数商家想深度集成，而非封锁。Meta把浏览器使用能力内建到模型中，业务不必单独对接；同时追求直接API合作。 代理的优势是跨生活上下文的个性化（区别于孤立推荐系统）。Stripe观察到代理商业交易量在2026年9月左右快速上升。 收入路径：订阅、从帮用户省钱/赚钱中抽成、企业平台、API、核心广告业务增长等。 为何AI不会赢家通吃： -模型正朝不同方向分化（个人代理 vs 纯编程等）。 -**蒸馏（distillation）**让能力快速流向更小/开放模型，前沿优势寿命以月计。 -各实验室都有执行低谷期；许多研究者和公司主动追求更均衡结果。 -多模型、多公司持有比少数公司垄断更安全。 Meta Superintelligence Labs： -选择从零重启（清洁开端更吸引顶尖人才），研究团队刻意小（约100人核心，加基础设施人员）。人才密度远比人数重要。 -Wang从未亲自训练过前沿模型，但因战略清晰和吸引人才能力获选。实验室无硬性截止日期，团队预测常偏悲观。Wonder在RL阶段很快超越Spark，团队就知道它“好了”。 看完了，其中一个感受，personal agent这类产品形态会让用户获取和使用信息的能力拉平，靠信息不对称等玩法的商业模式将被改变。人获取信息的能力是不同的，但agent因为很多是自动化的更加主动的，将拉平这方面的能力。正好前几天看过一个对agent经济的思考的x文，也值得看看。在信息层面这层是有共识的。https://x.com/patrickc/status/2108706907859116280

曝光 326 · 评论 3 · 点赞 6 · 书签 4