编辑精选

GPT-5 Pro 如何破解免疫学家三年未解之谜

免疫学家Unutmaz用一个困扰实验室三年、传统方法无法解释的T细胞分化谜题，验证了GPT-5 Pro的推理能力。AI不仅指出关键蛋白IL-2的作用，还正确预测了未发表的实验结果。这不再是信息检索，而是真正的科学协作。

作者手拿128GB内存的NVIDIA GB10，硬是用gemma和qwen跑出了一套能实时过滤开源项目几百个Issue/PR的本地分类系统。核心思路是半智能体架构：分类走LLM推理，告警走确定性规则，再用vLLM的NVFP4量化把吞吐拉到每秒400+ token。一条7.

Hugging Face 把发布周期从 6 周缩短到每周，靠的不是纯AI自动化，而是一个聪明的“AI起草 + 代码校验 + 人工定稿”流水线。关键是那个确定性校验环节，确保模型生成的内容没遗漏、没虚构。整套方案只用开源工具，每次成本才两毛五。

Gray Swan 两位联合创始人详解为什么 AI Agent 的安全和传统网络安全完全不同。他们展示了自己训练的 AI 系统已经能比人类更高效地破解 GPT-4 和 Claude，并提出“致命三要素”来判断你的 Agent 是否已经敞开了数据大门。

推理API的利润正被疯狂挤压，想保住30%毛利率？答案是用价值定价替代成本加成，把定价权从算力成本中解耦。文章用Sierra按消单收费、Devin卖计算单元等案例，讲透了从卖Token升级为卖工作成果的生存逻辑。

AI让漏洞发现变快，但修补成了新瓶颈。OpenAI的Daybreak项目用GPT-5.5-Cyber模型（CyberGym 85.6%）和Codex Security插件，直接从扫描到生成补丁，配合Patch the Planet开源合作，真正把AI防御能力落地。

深度研究Agent在查询外部网络时会通过碎片化查询泄露私有信息，马赛克效应防不胜防。作者用情境奖励和隐私奖励训练，把泄漏从34%压到9.9%，任务性能几乎不变——隐私不是prompt能解决的，得靠训练。

Anjney Midha 直指 AI 计算其实被浪费到荒唐——Google 的 95% 利用率竟是事故。他主张建独立计算市场，像电网调度电力一样调度 FLOPs。还透露 DeepMind 内部囤研究是负外部性、Anthropic 从第一天就以编码为 P0。

波士顿儿童医院和哈佛用OpenAI o3模型重新分析了376个多年未解开的罕见病基因病例，新增了18个诊断（提高4.8%）。模型不是直接诊断，而是生成带证据链的假设让专家审查。这告诉我们，AI最实用的价值不是替代医生，而是帮专家在旧数据中系统性地挖出新答案。