📊 X List V2 每3小时精选 | 2026-05-21 12:05

从100条推文中精选 12 篇高质量内容
生成时间：2026-05-21 12:30 (Asia/Shanghai)

精选推文 2/12

🚀 Cohere发布最强开源模型Command A+

作者: @cohere (Cohere官方) / @Thom_Wolf 转发
发布时间: 2026-05-20 23:26 (北京时间)
互动数据: 🔥 1,679 赞 · 🔄 258 转发 · 💬 68 回复 · 📌 1,058 收藏

原文:

Introducing: Cohere Command A+

We’ve created our most powerful LLM yet, optimized it to run on as little hardware as possible, and released it open-source for all.

翻译:
介绍：Cohere Command A+

我们创建了迄今为止最强大的LLM，对其进行了优化，使其能在尽可能少的硬件上运行，并将其开源给所有人。

【核心要点】
Cohere发布最强模型Command A+，采用Apache 2.0开源协议，优化了硬件效率，可在最小化硬件配置上运行。

【灵感启发】

• 开源策略：开源大模型正在加速AI民主化，降低企业和开发者的使用门槛
• 效率优化：模型效率与性能并重将成为未来趋势

【可实践建议】
关注开源模型在企业私有化部署中的应用，评估Command A+在您的业务场景中的可行性。

【社交媒体文案】

🟠 即刻版:
Cohere Command A+来了！🎉 最强模型+Apache 2.0开源，还能在低配硬件上跑。开源AI越来越香了，企业私有化部署的新选择！

#Cohere #开源AI #LLM #CommandAPlus

原文：https://x.com/cohere/status/2057120818551734589

🔵 Twitter/X版:
Cohere发布Command A+：最强开源LLM，Apache 2.0协议，针对最小硬件优化。开源AI民主化进程加速。

#Cohere #OpenSource #LLM #AI

https://x.com/cohere/status/2057120818551734589

精选推文 3/12

⚡ Gemini 3.5 Flash性能超越Pro

作者: @demishassabis (Demis Hassabis, Google DeepMind CEO) / @JeffDean 转发
发布时间: 2026-05-20 09:05 (北京时间)
互动数据: 🔥 2,811 赞 · 🔄 222 转发 · 💬 257 回复 · 📌 222 收藏

原文:

Gemini 3.5 Flash is amazing!

• Performs better than 3.1 Pro on coding & agentic tasks
• 4x faster than other frontier models
• 12x faster in @antigravity - 800 tokens/sec!
• Often at less than half the cost

And Pro to come…

Try it in @antigravity, @GeminiApp & more - enjoy!

翻译:
Gemini 3.5 Flash太棒了！

• 在编码和agentic任务上表现优于3.1 Pro
• 比其他前沿模型快4倍
• 在@antigravity中快12倍 - 800 tokens/秒！
• 成本通常不到一半

Pro版本即将推出…

在@antigravity、@GeminiApp等中试用 - 享受吧！

【核心要点】
Gemini 3.5 Flash在编码和agentic任务上超越3.1 Pro，速度提升4-12倍，成本不到一半，在Zapier Automation Bench上排名第一。

【灵感启发】

• 效率革命：AI模型正在经历"快且便宜"的效率革命
• 边缘计算：高速低成本模型将加速边缘AI应用

【可实践建议】
评估Gemini 3.5 Flash在您的工作流自动化和编码辅助场景中的替代性。

【社交媒体文案】

🟠 即刻版:
Gemini 3.5 Flash杀疯了！🔥 比Pro还强，速度快12倍，成本只要一半。在Zapier测试里排第一！Google这次真的支棱起来了

#Gemini #GoogleAI #效率神器

原文：https://x.com/demishassabis/status/2056904067406860545

🔵 Twitter/X版:
Gemini 3.5 Flash: 编码/agentic任务超越3.1 Pro，4-12倍速度提升，成本减半。Zapier Automation Bench #1。

#Gemini #GoogleAI #LLM

https://x.com/demishassabis/status/2056904067406860545

精选推文 4/12

💰 Anthropic年营收或达$100B

作者: @DKThomp (Derek Thompson) / @chris_j_paxton 转发
发布时间: 2026-05-21 04:52 (北京时间)
互动数据: 🔥 932 赞 · 🔄 75 转发 · 💬 44 回复 · 📌 178 收藏

原文:

Anthropic just had a profitable quarter at a $44 billion annual run rate with a fairly enormous compute shortage that’s forced them to ration service and pushed some customers (perhaps just in the short term) into the arms of competitors.

I don’t think it’s crazy to think their annual revenue would be $100b or more with sufficient compute for inference.

翻译:
Anthropic刚刚实现了一个盈利的季度，年营收达到440亿美元，但计算资源严重短缺，迫使他们配给服务，并将一些客户（可能只是短期内）推向竞争对手。

我认为如果有足够的推理计算资源，他们的年收入达到1000亿美元或更多并非疯狂的想法。

【核心要点】
Anthropic在计算资源受限的情况下实现440亿美元年营收率，若计算资源充足，年收入可能突破1000亿美元。

【灵感启发】

• 算力瓶颈：AI公司的增长受限于算力供应，而非需求
• 市场潜力：顶级AI公司的收入天花板远超当前水平

【可实践建议】
关注AI基础设施和算力供应领域的投资机会，这是AI行业的关键瓶颈。

【社交媒体文案】

🟠 即刻版:
Anthropic年营收440亿美元还嫌少？🤯 算力不够被迫限流，不然能破1000亿！AI公司的瓶颈不是需求，是显卡啊…

#Anthropic #AI商业 #算力危机

原文：https://x.com/DKThomp/status/2057202877559365755

🔵 Twitter/X版:
Anthropic年营收$44B但受限于算力短缺。若有充足推理资源，年收入可达$100B+。AI增长瓶颈在供应而非需求。

#Anthropic #AI #Compute

https://x.com/DKThomp/status/2057202877559365755

精选推文 5/12

📈 AI发展速度：从数草莓到IMO金牌到开放问题

作者: @emollick (Ethan Mollick, Wharton教授)
发布时间: 2026-05-21 04:04 (北京时间)
互动数据: 🔥 948 赞 · 🔄 130 转发 · 💬 30 回复 · 📌 162 收藏

原文:

June 2024: The latest general-purpose LLMs could not count the r’s in strawberry.
July 2025: The latest general-purpose LLMs get gold in the International Math Olympiad.
May 2026: The latest general-purpose LLM solve one of the “best-known questions in combinatorial geometry”

翻译:
2024年6月：最新的通用LLM无法数出strawberry中的r
2025年7月：最新的通用LLM在国际数学奥林匹克中获得金牌
2026年5月：最新的通用LLM解决了组合几何中"最著名的问题之一"

【核心要点】
AI能力在不到2年内从基础计数跃升至解决80年数学难题，发展速度呈指数级增长。

【灵感启发】

• 奇点临近：AI能力曲线陡峭，我们可能需要重新思考"AGI时间表"
• 适应性：个人和组织需要加速适应AI带来的变化

【可实践建议】
每季度评估AI能力边界，及时调整业务和技术策略，保持对新能力的敏感度。

【社交媒体文案】

🟠 即刻版:
AI进化速度太离谱了！😱 2024年还不会数草莓里的r，2025年IMO金牌，2026年解决80年数学难题…这曲线比火箭还陡

#AI发展 #奇点临近 #技术爆炸

原文：https://x.com/emollick/status/2057190703965327834

🔵 Twitter/X版:
AI能力跃迁：2024年无法数r→2025年IMO金牌→2026年解决Erdős开放问题。不到2年跨越3个里程碑。

#AIProgress #Singularity

https://x.com/emollick/status/2057190703965327834

精选推文 6/12

💧 AI解决数学问题的资源消耗有多低？

作者: @emollick (Ethan Mollick)
发布时间: 2026-05-21 09:25 (北京时间)
互动数据: 🔥 828 赞 · 🔄 66 转发 · 💬 27 回复 · 📌 152 收藏

原文:

If this is true, using the best public estimates we have of LLM resource use, solving this Erdos problem took 0.6–6.3 kWh of electricity and about 3–31 liters of water.

So that is less than three almonds worth of water and the electricity equivalent of 2-20 miles of EV driving.

翻译:
如果这是真的，根据我们对LLM资源使用的最佳公开估算，解决这个Erdős问题消耗了0.6-6.3千瓦时电力和约3-31升水。

这相当于不到三颗杏仁的水量，以及2-20英里电动汽车行驶的电量。

【核心要点】
解决80年数学难题的AI计算成本极低：仅需0.6-6.3度电和3-31升水，相当于3颗杏仁的水量。

【灵感启发】

• 效率悖论：AI单次使用成本低，但规模化使用将带来巨大总消耗
• 资源视角：需要平衡单次效率与总体影响

【可实践建议】
在评估AI项目时，既要考虑单次调用成本，也要预估规模化后的总资源消耗。

【社交媒体文案】

🟠 即刻版:
解决80年数学难题，AI只用了3颗杏仁的水量？😮 0.6度电+几升水就搞定了…但Ethan提醒：单次便宜不代表总量小，2030年AI可能吃掉日本全国电量

#AI效率 #资源消耗 #可持续发展

原文：https://x.com/emollick/status/2057271533358162270

🔵 Twitter/X版:
AI解决Erdős问题仅消耗0.6-6.3kWh电力和3-31升水（≈3颗杏仁水量）。单次成本低但规模化后总消耗巨大。

#AI #Sustainability #Energy

https://x.com/emollick/status/2057271533358162270

精选推文 7/12

🤯 2026年的AI Twitter：每天都在见证历史

作者: @QiaochuYuan / @chris_j_paxton 转发
发布时间: 2026-05-21 05:21 (北京时间)
互动数据: 🔥 1,358 赞 · 🔄 80 转发 · 💬 32 回复 · 📌 91 收藏

原文:

being glued to AI twitter in 2026 is just hearing about some shit that would’ve been a cataclysmic paradigm shift in any previous year happening every fucking 1-5 days

翻译:
在2026年紧盯AI Twitter，就是每天听到一些在任何往年都会是灾难性范式转变的事情，而现在每1-5天就发生一次。

【核心要点】
2026年AI领域突破频率之高，以至于往年足以改变世界的重大进展现在每周都在发生。

【灵感启发】

• 新常态：我们需要适应"持续变革"作为常态
• 信息过载：在如此快速的变化中保持专注变得至关重要

【可实践建议】
建立个人的AI信息筛选机制，关注对您真正重要的领域，避免被信息洪流淹没。

【社交媒体文案】

🟠 即刻版:
2026年刷AI Twitter的感受：往年能改变世界的新闻，现在每周都在发生…🫠 信息爆炸时代，怎么保持清醒？

#AI #信息过载 #2026

原文：https://x.com/QiaochuYuan/status/2057210246075126143

🔵 Twitter/X版:
2026年AI Twitter现状：往年足以改变世界的突破现在每1-5天发生一次。新常态=持续范式转变。

#AI #TechTwitter #2026

https://x.com/QiaochuYuan/status/2057210246075126143

精选推文 8/12

😵‍💫 Google AI产品命名混乱吐槽

作者: @nathanclark_ / @suchenzang 转发
发布时间: 2026-05-20 11:57 (北京时间)
互动数据: 🔥 14,074 赞 · 🔄 1,477 转发 · 💬 412 回复 · 📌 1,862 收藏

原文:

it’s in gemini, just create it in ai studio. oh, that’s for your personal google one account. for workspace you need gemini business. no, not gemini advanced, that’s ai pro now. unless you need ai ultra. oh agents? you do that in spark actually. no, not gemini api managed agents, that’s different. for coding use jules. unless you mean the agentic ide, that’s antigravity. no, that’s the old antigravity, download the new one. actually gemini cli is being deprecated, use antigravity cli. no the flash model is smarter than the pro model. unless you need pro. if it’s video, use flow. no, flow uses veo. no, nano banana is images. actually that’s in gemini now. unless you’re in search, then it’s ai mode. no, research is notebooklm. anyway it’s all very simple.

翻译:
它在gemini里，就在ai studio里创建。哦，那是给你的个人google one账户用的。workspace需要gemini business。不，不是gemini advanced，现在叫ai pro了。除非你需要ai ultra。哦agents？你其实要在spark里做。不，不是gemini api managed agents，那是不同的。编码用jules。除非你说的是agentic ide，那是antigravity。不，那是旧的antigravity，下载新的。其实gemini cli正在被弃用，用antigravity cli。不，flash模型比pro模型更聪明。除非你需要pro。如果是视频，用flow。不，flow用veo。不，nano banana是图像。其实现在在gemini里。除非你在search里，那就是ai mode。不，研究是notebooklm。总之这一切都很简单。

【核心要点】
Google AI产品命名极度混乱，同一功能有多个名称，产品线重叠，让用户无所适从。

【灵感启发】

• 产品策略：产品矩阵过于复杂会伤害用户体验
• 品牌建设：清晰的产品定位比功能堆砌更重要

【可实践建议】
在设计产品矩阵时，保持命名一致性，避免过度细分导致用户困惑。

【社交媒体文案】

🟠 即刻版:
Google AI产品命名有多乱？😵‍💫 这段吐槽 viral 了——Gemini/AI Studio/Spark/Jules/Antigravity/Flow/Veo…同一个功能800个名字，用户直接懵圈。Google的产品经理是不是在互相打架？

#Google #AI产品 #吐槽

原文：https://x.com/nathanclark_/status/2056947354654355849

🔵 Twitter/X版:
Google AI产品命名混乱一览：Gemini/AI Studio/Spark/Jules/Antigravity/Flow/Veo…同一功能多个名称，产品线严重重叠。

#Google #AI #ProductNaming

https://x.com/nathanclark_/status/2056947354654355849

精选推文 9/12

🧠 Douglas Adams的技术接受三定律

作者: @pmarca (Marc Andreessen) / @localghost 转发
发布时间: 2026-05-21 04:19 (北京时间)
互动数据: 🔥 1,621 赞 · 🔄 124 转发 · 💬 69 回复 · 📌 440 收藏

原文:

1. Anything that is in the world when you’re born is normal and ordinary and is just a natural part of the way the world works.
2. Anything that’s invented between when you’re fifteen and thirty-five is new and exciting and revolutionary and you can probably get a career in it.
3. Anything invented after you’re thirty-five is against the natural order of things.
   —Douglas Adams

翻译:

1. 你出生时世界上已有的东西都是正常、普通的，只是世界运作方式的自然组成部分。
2. 你15到35岁之间发明的东西都是新鲜、令人兴奋和革命性的，你可能还能以此为职业。
3. 你35岁之后发明的东西都是违背自然秩序的。
   ——Douglas Adams

【核心要点】
Douglas Adams的技术接受三定律：出生时存在=正常；15-35岁出现=革命性；35岁后=违背自然。

【灵感启发】

• 代际差异：不同年龄对技术的接受度差异是普遍人性
• AI时代：当前AI浪潮可能正在被"35岁以上"群体视为"违背自然"

【可实践建议】
理解不同年龄段用户对AI的态度差异，设计产品时考虑代际接受度。

【社交媒体文案】

🟠 即刻版:
Douglas Adams的技术接受三定律太准了！😂 出生时有的=正常，15-35岁有的=革命性，35岁后有的=违背自然。AI现在是不是正被某些人当成"违背自然"？

#技术哲学 #DouglasAdams #AI

原文：https://x.com/pmarca/status/2057194510560694697

🔵 Twitter/X版:
Douglas Adams技术接受三定律：
1️⃣ 出生时已存在=正常
2️⃣ 15-35岁出现=革命性
3️⃣ 35岁后出现=违背自然

#TechPhilosophy #DouglasAdams

https://x.com/pmarca/status/2057194510560694697

精选推文 10/12

🤖 LangSmith Engine：让Agent自我改进

作者: @hwchase17 (Harrison Chase, LangChain CEO) / @samecrowder
发布时间: 2026-05-21 07:55 (北京时间)
互动数据: 🔥 多帖综合

原文:

a few months back, it become clear to us that a large part of technical work would be driven by agents in the future. coding agents were becoming ubiquitous and highly capable.

since we build a platform for technical users, we needed to update our beliefs and strategy accordingly! LangSmith Engine automates the improvement of agents by looking through recent traces and finding problems according to a taxonomy of common agent issues that we have defined.

we launched the product at our annual conference last week and the reception so far has been very exciting. and we’re just getting started 📈

翻译:
几个月前，我们清楚地意识到，未来大部分技术工作将由agents驱动。编码agents正变得无处不在且能力强大。

由于我们为技术用户构建平台，我们需要相应地更新我们的信念和策略！LangSmith Engine通过查看最近的traces并根据我们定义的常见agent问题分类来发现问题，从而自动化改进agents。

我们在上周的年度会议上发布了该产品，目前的反响非常令人兴奋。我们才刚刚开始📈

【核心要点】
LangSmith Engine通过分析agent traces自动发现问题并改进agents，实现"agents改进agents"的闭环。

【灵感启发】

• 自我改进：AI系统开始具备自我诊断和优化的能力
• 运维自动化：Agent运维将从人工转向自动化

【可实践建议】
如果您正在构建agents，考虑建立trace分析和自动改进机制，这是未来agent运维的方向。

【社交媒体文案】

🟠 即刻版:
LangSmith Engine来了！🤖 Agent自己分析自己的traces，自动找bug自我改进。“Agents making better agents"的时代开始了

#LangChain #AIAgent #自动化

原文：https://x.com/samecrowder/status/2057248933890711624

🔵 Twitter/X版:
LangSmith Engine: 自动分析agent traces，按问题分类法发现问题，实现agent自我改进。Agents improving agents.

#LangChain #AI #Agents

https://x.com/samecrowder/status/2057248933890711624

精选推文 11/12

🧠 Memory as a Model：超越RAG的记忆架构

作者: @dair_ai / @omarsar0 转发
发布时间: 2026-05-21 03:30 (北京时间)
互动数据: 🔥 229 赞 · 🔄 44 转发 · 💬 12 回复 · 📌 260 收藏

原文:

// Memory as a Model //

The paper augments any LLM with a separate trained memory model that stores, retrieves, and integrates facts on its behalf.

It decouples memory updates from base-model weight updates. It achieves continual-learning robustness without catastrophic forgetting, which is a property that RAG fails to deliver.

A vector store is a database with a learned encoder bolted on. MeMo is a learned subsystem with explicit interfaces. That distinction matters, as agents need to be able to ingest fresh knowledge weekly without retraining or vector-DB churn.

At its core, the position here is that memory in agents should be modular, learned, and gated, not a context-window hack.

翻译:
// Memory as a Model //

该论文为任何LLM增加了一个单独训练的记忆模型，为其存储、检索和整合事实。

它将记忆更新与基础模型权重更新解耦。它实现了持续学习的鲁棒性而不会灾难性遗忘，这是RAG无法提供的特性。

向量存储是带有学习编码器的数据库。MeMo是具有显式接口的学习子系统。这种区别很重要，因为agents需要能够每周摄取新知识而无需重新训练或向量数据库重建。

其核心观点是，agents中的记忆应该是模块化的、学习的和有门的，而不是上下文窗口的hack。

【核心要点】
“Memory as a Model"架构通过独立训练的记忆模型实现持续学习，避免灾难性遗忘，优于RAG方案。

【灵感启发】

• 记忆架构：Agent记忆需要从"数据库+编码器"升级为"学习子系统”
• 持续学习：Agent需要能够持续吸收新知识而不遗忘旧知识

【可实践建议】
在设计agent记忆系统时，考虑使用学习型记忆模型而非简单的向量检索，这对长期agent能力至关重要。

【社交媒体文案】

🟠 即刻版:
“Memory as a Model”——超越RAG的新记忆架构！🧠 独立训练的记忆模型，持续学习不遗忘。RAG只是权宜之计，这才是agents的未来记忆方案

#AI记忆 #Agent架构 #持续学习

原文：https://x.com/dair_ai/status/2057182105671750047

🔵 Twitter/X版:
Memory as a Model: 为LLM配备独立训练的记忆子系统，实现持续学习而无灾难性遗忘。超越RAG的agent记忆架构。

#AI #Memory #Agents

https://x.com/dair_ai/status/2057182105671750047

精选推文 12/12

💡 Sam Altman：AGI加速的三大愿景

作者: @sama (Sam Altman, OpenAI CEO)
发布时间: 2026-05-21 05:56 (北京时间)
互动数据: 🔥 5,003 赞 · 🔄 271 转发 · 💬 739 回复 · 📌 600 收藏

原文:

three of the things we are most excited about:

1. AGI accelerating research
2. AGI accelerating companies
3. personal AGI accelerating everyone in achieving their goals

today it was great to announce the unit distance result.

yesterday it was great to announce that we are offering to invest $2M in openai credits into every YC company.

now we need to increase our efforts on the third!

翻译:
我们最兴奋的三件事：

1. AGI加速研究
2. AGI加速公司
3. 个人AGI加速每个人实现目标

今天很高兴宣布单位距离问题的结果。

昨天很高兴宣布我们将向每个YC公司投资200万美元的OpenAI积分。

现在我们需要加大对第三点的努力！

【核心要点】
Sam Altman阐述OpenAI三大愿景：AGI加速研究、AGI加速企业、个人AGI赋能每个人。

【灵感启发】

• AGI普惠：第三个愿景指向AGI民主化，让每个人都能受益
• 渐进路径：从研究→企业→个人，AGI应用正在层层渗透

【可实践建议】
思考AGI如何能在您的个人目标实现中发挥作用，这是下一个值得关注的方向。

【社交媒体文案】

🟠 即刻版:
Sam Altman的AGI三大愿景：加速研究✅ 加速公司✅ 加速每个人的目标实现⏳ 前两个已经在做了，第三个才是终极目标——让每个人都能用上AGI

#OpenAI #AGI #SamAltman

原文：https://x.com/sama/status/2057218997503086888

🔵 Twitter/X版:
Sam Altman: OpenAI三大愿景——AGI加速研究、AGI加速企业、个人AGI赋能每个人。前两者已实现，正加大第三项投入。

#OpenAI #AGI #AI

https://x.com/sama/status/2057218997503086888

📊 汇总统计

主题分布

• 🧠 AI研究突破：3篇（OpenAI数学突破、AI发展速度、资源消耗）
• 🚀 模型发布：2篇（Cohere Command A+、Gemini 3.5 Flash）
• 💰 商业动态：2篇（Anthropic营收、Sam Altman愿景）
• 🤖 Agent技术：2篇（LangSmith Engine、Memory as a Model）
• 💭 行业观察：3篇（AI Twitter、Google命名混乱、Douglas Adams定律）

高互动推文TOP3

1. Sam Altman AGI愿景 - 5,003赞
2. Google命名混乱吐槽 - 14,074赞
3. Demis Hassabis Gemini 3.5 - 2,811赞

生成时间：2026-05-21 12:30 (Asia/Shanghai)
来源：X List V2 (1578456227805564928)