来认识一下你的新同事——Claude

AI资讯：DeepMind AlphaFold团队负责人约翰·詹珀（John Jumper）刚刚宣布，他将加盟Anthropic公司，这使得这位诺贝尔奖得主成为一周内第二位备受瞩目、跳槽至AI竞争对手的Google员工。
细节如下：

• Jumper在GDM工作了九年，并与人共同开发了AlphaFold，这款蛋白质结构人工智能为他与Demis Hassabis赢得了诺贝尔化学奖。
  就在他离职的几天前，Gemini的联席主管诺姆·沙泽尔（Noam Shazeer）也离开了公司，加入了OpenAI，这是公司AI人才的一次重大流失。
  据报道，Jumper还曾为Google的企业级编码工具做出贡献，而这一领域正是该公司落后于其他前沿竞争对手的地方。
• 乔珀（Jumper）表示，在加入Anthropic之前，他需要“休息一段时间”，不过他是在一场以科学为主题的June 30活动之前被录用的。
  为何重要：继2024年和2025年Google的模型处于领先地位之后，2026年与顶级竞争对手OpenAI和Anthropic相比，感觉像是倒退了一年——目前DeepMind正在向这两家公司输送高级人才。

DeepMind的优势一直在于科学领域，但鉴于Jumper的资历，这一领先地位现在可能也岌岌可危。

AI资讯：如果你的团队仍然通过人工（或人工与AI的混合方式）整理客户反馈，那么有一种更好的方法。

Unwrap可以将你通过调查、评论、工单、社交评论等渠道收集到的所有反馈整合到一个视图中，然后利用AI和自然语言处理（NLP）技术，筛选出真正需要你关注的内容。
使用Unwrap，您可以：

• 在一个统一视图中自动分类所有反馈
• 使用Unpack的AI助手或MCP，用通俗易懂的语言提出问题
• 在趋势出现时获得实时警报，并可按您的计划定制报告
• 参加任何会议时，都要清楚了解客户所关心的问题以及需要优先考虑的事项
  Rundown订阅用户专享：立即获取免费试用并开始设置！

AI资讯：AI资讯圆桌会议是一个每周特色栏目，我们会向AI资讯团队成员进行调查，了解我们在工作和日常生活中如何使用人工智能。
阿德里安，开发人员：上周我领养了三只只有四周大的小猫。起初，它们对新环境感到不知所措，拒绝进食，这让我非常担心。
我向ChatGPT寻求帮助，并得到了清晰实用的指导，包括如何喂养它们、如何让它们保持水分，以及如何为它们营造一个舒适的环境，以便它们能更容易地适应。
我遵循了一个简单的喂食计划，并每天观察它们的行为。渐渐地，它们开始进食，变得更为活跃，并安顿下来。现在，它们快乐、活泼，完全适应了新家。
卡尔，增长团队：我在Codex上有一个Brief代理，它可以访问我的Slack、Gmail、Notion和Google Drive，并能根据要求检查过去24小时内发生的所有事情。

它会通过Slack向我发送brief，而最终的手动编辑工作，我可能只负责10%。
我还提供了几个编辑前后的示例，所以现在它能够以我确切的语气和风格发送信息。

人工智能资讯：学习如何使用Codex和Airtable来构建一个无限商业创意生成器。

如果你使用人工智能构建网站、应用程序或自动化系统，这将帮助你找到人们可能付费让你解决的棘手问题。
逐步说明：

• 登录Airtable，然后打开Codex桌面应用。你是Airtable的新手吗？不妨考虑使用带有better AI字段和自动化的Google表格。
• 在Codex中，在“插件”下添加Airtable并连接您的账户。新建一个帖子，@Airtable，并请求Codex检查您的数据库和连接情况。
• 描述一下Codex的工作流程，而不是粘贴一个模式：“我想将Reddit上的痛点挖掘成商业点子。

Create使用Airtable表格记录原始帖子和商业点子。

添加所需的字段，并将每个点子链接到支持帖子。

”

• 设置一个Codex自动化程序，用于检查三个子版块：“每个工作日，检查[子版块1]、[子版块2]和[子版块3]中关于工作缓慢、成本高昂、令人困惑或重复性高的投诉。

将证据添加到原始Reddit帖子中。

首先进行去重。

避免使用私人来源。

Create当证据支持时，提出商业想法。

”

• 使用Airtable AI仅根据关联帖子对痛点集群进行分类、对证据进行评分并对想法进行排序。
  更进一步：增加第二个Codex自动化流程，每周对最优秀的想法进行评审，然后起草落地页、原型、推文系列或新闻稿测试。

人工智能资讯：Datadog分析了来自1000多家客户的LLM（大型语言模型）遥测数据，揭示了企业人工智能领域的实际变化：哪些模型正在胜出，为什么代币成本持续攀升，以及多模型对可靠性的影响。
报告涵盖：

• 模型提供商的采用情况在整个行业中的变化
• 为什么大型语言模型（LLM）的技术债务比团队淘汰旧模型的速度更快地累积
• 代理框架翻倍对可观察性的影响
• 标记成本隐藏何处，以及为何提示缓存未充分利用
  将您的stack与业界最大的AI工程数据集进行基准对比——下载报告。

AI资讯：波士顿儿童医院和哈佛大学的研究人员通过o3深度研究（o3 Deep Research）对376例未解决的儿科遗传病例进行了分析——这些病例此前都曾被专家们判定为无进展——在该模型揭示出值得测试的线索后，医生们确认了18例新的诊断。
细节如下：
该团队为每个病例提供了去标识化的症状和一份可疑基因的短名单，然后让其权衡遗传因素、公共数据库和最新研究。

• 在376例病例中，该工作流程产生了18例确诊诊断，在之前的专家复查未果后，帮助解决了4.8%的问题。
• 在其中七例中，诊断结果已在另一家诊所或公共数据库中存在，只是从未真正进入患者的本地记录中。
• 即使在完成全序列测定后，仍有大约一半的罕见病病例未能得到解决，病例文件堆积速度过快，医生无法用最新的研究成果重新审查这些病例。
  为何重要：正如医生们所言，罕见病研究工作存在积压问题。

临床医生没有精力重新审视病例，或在互不关联的数据库和诊所之间进行挖掘和研究。

但一年前推出的通用深度研究模型却能做到这一点，它提供了一个工具，帮助更多“无头苍蝇”般的病例获得答案。

• 🚀 GLM 5.2 - Z AI强大的全新开放权重模型
• 🎥 Palmier - 无需离开时间线，即可生成、编辑和导出AI视频
• 👩🏻‍💻 Claude Code - 新的工件集成，用于将工作成果以实时、交互、可分享的页面形式进行预览
• 🔎 Exa 代理 - Exa 的成本效益高，前沿级别的网页搜索 API

📰 今日人工智能其他资讯
在亚马逊向OpenAI投资500亿美元后，亚马逊米高梅电影公司（MGM Studios）决定不再继续推进由萨姆·奥特曼（Sam Altman）执导的电影《人造人》（Artificial）的制作，这部即将完成的电影目前正在寻找新的发行商。
《大西洋月刊》发现，人工智能开发者之间流传着四组包含数百万首歌曲的数据集，这些数据集暴露了大量用于训练模型的未经授权的音乐资源。
据报道，美国商务部长霍华德·卢特尼克警告阿斯麦公司，美国认为该公司的一台先进芯片制造设备已流入中国，但该公司对此说法予以否认。
特斯拉为“Megapod”注册了商标，这是一个为人工智能数据中心工作负载提供服务器、网络、电源和冷却服务的系统。

在每一期通讯中，我们都会展示一位读者如何利用人工智能更高效地工作、节省时间或让生活更轻松。
今日的工作流程来自洛杉矶的读者乔恩：
“我是一位60岁的汽车软件即服务（SaaS）销售教练/顾问，在为一位冲浪板成型师朋友创建网站时，我经历了一段令人惊叹的体验。

他的网站已经停用了一段时间，所以我想尝试一下vibe coding。
只需几个提示，Claude就帮我找到了他的旧网站，我从那里抓取了大部分文本内容，并协助我将其转换为代码。

我只需要告诉它我想要的布局和美学风格，因为我的朋友是个真正的工匠。
一周后，我们创建了一个功能齐全的网站。我一直很尊重程序员/工程师的工作——我永远也做不到那样，但经过这次经历，我开始想要长时间坐在屏幕前开发一些东西。
”
你是如何使用人工智能的？请在此处告诉我们。

• 阅读我们上一期人工智能通讯：走进Midjourney的水疗中心，享受身体扫描
• 阅读我们上一期的科技通讯：Xbox工作室的危机愈演愈烈
• 阅读我们上一期的机器人通讯：认识非人形机器人Eno
• 今日AI工具指南：将Reddit上的抱怨转化为商业创意
• 回复参加下一场研讨会 June 25：从人工智能中获取顾问级策略