Yage Daily Brief

GitHub Copilot 6 月 1 日起改按用量收费，Uber 仅四个月耗尽全年 Claude Code 预算，高管公开说还没看到 token 用量与生产力提升的关联。鸭哥分析了 AI 补贴退潮的三层原因：模型厂商定价低于折旧成本、SaaS 固定订阅交叉补贴重用户、宽松融资环境维持低价。现在 Linux Foundation 计划成立 Tokenomics Foundation，给 AI 成本管理制定开放标准。agent 设计目标函数从使用量转向每美元可靠任务结果。

字节 TRAE 团队超 90% 代码由 AI 编写，但人均需求吞吐率只提升了 60%。瓶颈已从代码生成端转移到需求分析、架构设计和可维护性环节。产品经理用 AI 做出看似完整的页面想直接上线，开发团队必须拦下来重构。同一天覆盖了 Meta MCI 员工监控项目暂停和 Mythos 5 恢复上线背后政府审批逻辑的转变。

OpenAI 推出 GPT-5.6 系列，最强版本在 Terminal-Bench 拿下 91.9%，超过 Mythos 5 的 88%。但 METR 指出其作弊率打破历史纪录。白宫限速令下仅约 20 家通过审核的机构可用。同时 AI 客户抢夺晶圆产能推高了消费电子内存成本，苹果多款电脑价格上涨。

OpenAI Codex CLI 的 SQLite 日志硬编码为 TRACE 级别，绕过 RUST_LOG 配置，年化写入 640 TB，逼近消费级 SSD 额定寿命，但系统工具无法察觉。同期德国铁路因计划内换件导致全国停运约 2.5 小时，暴露出主备系统跑同一套代码配置的假冗余问题。多轮 agent 推理开销由 KV cache 命中率决定，prefill 阶段占账单 85-95%。

Brockman 亲口承认 AI 在芯片设计上只省了几周，找到的是人类工程师迟早会看到的优化——一手、反自身利益的证词。Tmax 跑出 42.7%，但 Qwen 3.6 基座本身就占了 39.6%，RL 配方实际新增不到 4 个点。Claude Tag 管 agent 叫同事，整个命题的支撑是治理层：独立身份、独立预算、审计通道，认知能力没有哪一项比以前强。鸭哥的核心动作：别盯着聚合数字，掰开看归因。

GitHub Copilot 6 月 1 日起改按用量收费，Uber 仅四个月耗尽全年 Claude Code 预算，高管公开说还没看到 token 用量与生产力提升的关联。鸭哥分析了 AI 补贴退潮的三层原因：模型厂商定价低于折旧成本、SaaS 固定订阅交叉补贴重用户、宽松融资环境维持低价。现在 Linux Foundation 计划成立 Tokenomics Foundation，给 AI 成本管理制定开放标准。agent 设计目标函数从使用量转向每美元可靠任务结果。

字节 TRAE 团队超 90% 代码由 AI 编写，但人均需求吞吐率只提升了 60%。瓶颈已从代码生成端转移到需求分析、架构设计和可维护性环节。产品经理用 AI 做出看似完整的页面想直接上线，开发团队必须拦下来重构。同一天覆盖了 Meta MCI 员工监控项目暂停和 Mythos 5 恢复上线背后政府审批逻辑的转变。

OpenAI 推出 GPT-5.6 系列，最强版本在 Terminal-Bench 拿下 91.9%，超过 Mythos 5 的 88%。但 METR 指出其作弊率打破历史纪录。白宫限速令下仅约 20 家通过审核的机构可用。同时 AI 客户抢夺晶圆产能推高了消费电子内存成本，苹果多款电脑价格上涨。

OpenAI Codex CLI 的 SQLite 日志硬编码为 TRACE 级别，绕过 RUST_LOG 配置，年化写入 640 TB，逼近消费级 SSD 额定寿命，但系统工具无法察觉。同期德国铁路因计划内换件导致全国停运约 2.5 小时，暴露出主备系统跑同一套代码配置的假冗余问题。多轮 agent 推理开销由 KV cache 命中率决定，prefill 阶段占账单 85-95%。

Brockman 亲口承认 AI 在芯片设计上只省了几周，找到的是人类工程师迟早会看到的优化——一手、反自身利益的证词。Tmax 跑出 42.7%，但 Qwen 3.6 基座本身就占了 39.6%，RL 配方实际新增不到 4 个点。Claude Tag 管 agent 叫同事，整个命题的支撑是治理层：独立身份、独立预算、审计通道，认知能力没有哪一项比以前强。鸭哥的核心动作：别盯着聚合数字，掰开看归因。

DeepSeek DSpark 把 speculative decoding 的验证长度从静态阈值改为根据实时 GPU 负载动态调度的全局优化，能将推理延迟降低 60-85%、吞吐量最高翻五倍。核心技术挑战不在猜得准，而在高并发下每个多余验证 token 都会挤占其他请求的 batch 位置。DeepSeek 能推进生产环境是因为同时拥有草稿模型、系统调度器和底层推理 kernel 的全部控制权。这是 DeepSeek 一贯风格：不靠单点理论创新，靠系统工程整合外围方案成套路换取成本和速度优势。

MCP 2026 引入 Tasks 原语解决 agent 长时间异步任务的痛点——以前让 LLM 自己轮询状态经常记错任务名或误判完成。Tasks 用确定性代码驱动状态机（created→working→completed/failed/cancelled），LLM 不再参与中间状态判断。核心设计思想是确定性分层：轮询/超时/重试这些需要稳定可预测的编排逻辑交给协议层代码，推理/创造性工作留给 LLM。文章还提出了一个深度问题：如果工具内部是多 agent 系统（外层确定性 shell + 内层随机 agent 核），这种套娃设计能自洽吗？

2023 年 11 月中文科技媒体 11/15 篇报道标题用了'完胜/碾压/击败/超越'形容 GraphCast。三年后 ECMWF 的 40 年业务精度曲线没有任何跳跃——每年 0.15 天的温和改善从未被打破。GraphCast 在 1380 个测试指标上 90% 胜出，但这个口径把 6 个变量 × 37 个气压层 × 不同预报时长拆成了大量子项，而真正衡量天气预报质量的 end metric（有效预报天数）纹丝不动。文章提炼了三个校准方法：看 end metric 不看中间指标、查长期趋势线不被单点迷惑、区分信号与噪声。

Anthropic 发布 Claude Tag 把 agent 变成 Slack 里的常驻同事。技术上没有本质变化——底下还是 HTTP endpoint，记忆是聊天记录不是组织智慧。真正的变化在企业授权层：agent 成为需要身份、预算、审计的非人类执行体。持续学习这层目前还没产品做到。

OpenAI 声称九个月流片靠 AI 加速，但 Brockman 自己说 AI 只省了几周、找到的都是人类迟早会做的优化。拉远看整个芯片设计流程，AI 有效性是一条梯度：制造端最成熟但用的是十年前技术，EDA 优化已成商业产品，LLM 生成 RTL 还停在实验室。

鸭哥用 AI 提效后产出和 rating 都是 org 最高，升职两次都失败。发现一个讽刺陷阱：正因为手快好用，老板把你当手而非脑，项目零散多变，反而讲不清一年的成果。最擅长用 AI 的人反而最容易被 AI 替代。破解之道是主动设计奖赏系统，把省下的时间用来做判断而非交付更多。

英文版 AI 提效陷阱。核心观点相同：AI 提效让老板把你当手而非脑，最会用 AI 的人最容易被替代。破解：主动设计激励结构。

月食时月面边缘有一条青绿色窄带，科普说那是臭氧吸收。但为什么是窄带不是整圈？从最土的白圆盘开始，一层层加物理硬算出这条带。在一路翻车中发现 AI 太懂物理反而会把人带进前人留下的近似里——核心洞见是 AI 的知识是前人的近似，不是真理。

英文版月食绿松石带模拟。核心洞见：AI knows physics too well, and will happily lead you into approximations left behind by earlier researchers.

用好 AI 的第二步不是更会写 prompt，而是先外化、再复用。Skill 如何承载工作知识、好 Skill 的三要素，以及如何组织 Skill 文件夹让 Agent 自动找到。