EP181 · Muse 工程交付、推理路由、MCP 上下文

AI前线整理的小红书 Muse 实践，把焦点从代码生成速度移到企业交付的连续性。分享拆开了 Agent Team、Harness、One Workspace 与结构化状态如何协同，也说明权限、验证和副作用日志要进入运行时控制。对正在接入 AI Coding 的复杂工程团队，它提供了从原型共创到生产落地的具体设计线索。

OpenAI 推理团队的分享把 LLM 路由落到一个容易忽视的工程取舍：距离最近的 GPU 未必带来最低端到端延迟。IRB 将全局优化的权重计算与本地快速决策分开，同时结合容量、健康度、网络开销和 KV 缓存；再用惩罚、受限重试与负载削减应对故障和过载。这为生产推理系统如何兼顾性能与稳定性给出清晰框架。

LinkedIn 工程师 Ajay Prakash 解释了为何仅给编码 Agent 接上工具仍不足以处理大型内部系统：隐性流程知识会散落在文档、讨论和个人经验里。团队借 MCP 交付可组合的 playbook，并按需检索工具与说明，以控制上下文负担；同时以代码审查、鉴权和弃用机制维护目录。它提示企业应把组织知识、质量与治理一起做成 Agent 的运行基础。

Positron AI 联合创始人 Thomas 解释了生成式推理为何受内存而非 FLOPs 限制、缓存 token 与债务为何比能源短缺更关键，以及本地模型为何可能增加而不是减少前沿云端需求。

Inception CEO Stefano Ermon 认为，扩散架构将凭借粗到细的并行生成，摆脱自回归模型受内存束缚的顺序瓶颈，并援引 Mercury、约 10 倍加速与低延迟部署作为依据。

Grant Sanderson 讲解 IMO 2025 第 6 题——赛场当日 AI 唯一未解的压轴题——如何用风车铺砖构造最优解，再借助边对应、方向区域与 Erdős–Szekeres 定理完成动机化下界证明，并主张数学更需要可理解的动机化讲解而非仅有形式证明。

阿里达摩院研发的 DAMO RADAR 模型登上 Science，通过“器官级细粒度对齐”的视觉-语言对比学习，实现了首个专家级通用腹部影像 AI，可一次性识别 18 种解剖结构的 146 种疾病，且模型与代码已全部开源。

Databricks CEO Ali Ghodsi 认为近期 AI 存在性风险接近于零，将节奏控制公关与真正的安全工作区分开，提出递归自我改进的四项标准，并聚焦网络风险、企业本体、token 成本控制与智能体原生数据库。

Anthropic 为 Claude Code 测试上线全新 Projects 功能，将单会话重构为「协调者+并行 Thread」的多智能体架构，支持任务自动拆解、云端后台持续执行及跨会话共享记忆。

AI 降低音乐创作门槛带来供给爆发，但被听见成为新稀缺，产业面临同质化泛滥、收入稀释、版权边界模糊与信任赤字四重挑战，亟需建立标识、分类与授权等规则体系。

对一份合成的 11,531 行供应商列表进行实体解析实验表明，两个确定性规范化分段可免费消除 76% 的重复项，而剩余的模糊匹配残留在任何阈值下都无法安全自动合并，必须成为排序的人工审核队列。

企业落地 Agent 应拆分为「搭运行底座」与「开发业务 Agent」两件事，通用 Agent 加 MCP/Skills 可先试跑，但内部工具封装、业务规则梳理、可观测与评测反馈这些工作省不掉，且通用 Agent 缺少完整执行日志是接入真实业务的主要障碍。

Google 工程师 Ashok Chandrasekar 与 Jason Kramberger 揭示生产级 LLM 基准测试为何会被客户端瓶颈、采样差异和数据集错配误导，并介绍 Inference Perf 如何实现可观测、可复现的真实负载测试。

XCircle 创始人小飞与徐文浩、任鑫围绕 AI 原生组织展开激辩：层级和部门能否直接干掉、管理者被 AI 替掉后谁来背锅、agent 参与生产后钱怎么分，最后落回「朝气蓬勃的一片混乱」这一当下判断。

陶哲轩发起的 SAIR 基金启动开放数学计划，旨在通过开源权重模型和工具链，让数学家从 AI 使用者转变为科研工具的建设者。

Anthropic 解释为何 Claude Fable 5.1 完成任务可比更弱模型更便宜：成本取决于模型、effort 与缓存，并给出开放式与例行工作的选型及组织管理员控制建议。

Google 推出 Android Bench 2.0，用真实生产级应用和 30 个工程任务评测「模型 + Coding Agent」组合，最高通过率仅 28%，跨平台迁移与 XML→Compose 迁移任务几乎全军覆没。

AI 专家 Andrej Karpathy 在深度访谈中指出，真正能替代实习生的智能体仍需十年迭代，并剖析了 AI 作为「数字幽灵」与生物智能的本质差异、强化学习的缺陷及模型坍缩等核心技术瓶颈。

本文记录了关于智能体（Agent）成为交易主体的圆桌讨论，深度探讨了从意图识别到支付执行的信任基建、安全机制及未来的 Agent 经济生态。

OpenAI 研究员 Noam Brown 与 Dwarkesh 对谈，以一万个 Agent 88 小时攻克千禧年难题为例，讨论多 Agent 并行扩展测试时计算的机制、AI 组织的特殊性，以及 RSI 与对齐的真正难点——我们不知道指标是否测到了对齐。