这周内容不多，也没有什么特别有亮点的。

最近在思考算法和工程这两个东西。我们应该追求算法还是工程？前者更多是偏向研究和前沿探索，后者为Idea提供了实际应用落地的能力。

虽然我是坚定的模糊学科边界的支持者，但是我还是会觉得对于大部分人来说是会有侧重的，毕竟牛人双修的还是少数。算法非常吃学历，或者进一步挖一下，非常吃个人的“学术”能力，这个和学历的高低有一定的正相关性。而后者更注重实操，学历和能力的正相关性没有前者高。

没有算法也就没有大模型的出现，一代一代人不断研究和探索未知，技术才能不断发展，这个很重要，虽然现在模型增速放缓了，但是不代表未来也更远了，并且AI的发展本来也不是线形的，很多时候是跨越式的。

没有工程化，大模型很难进一步挖掘出商业价值，进一步普适。很多商业价值的创造并不在于前沿科技的突破，而是行业化、规模化，这个也符合我们过往几十年互联网和移动互联网的认知。在行业或产业中大规模应用多种技术，不同的结合手段和规模创新，可以产生很好的产品和应用，进一步创造很大的商业价值，或许还能进一步反哺研究。

其实我也不迷茫或困惑，我是偏工程侧的。只是最近看到不少青年朋友关于这块产生了很大的疑惑和撕扯感，会有一种很错配很怪诞的想法。或许问题的根源就不是算法还是工程的问题。

产品&模型发布

• OpenAI推出GPT 5.1，个人感觉没什么亮点需要关注
• 百度推出ERNIE-4.5-VL-28B-A3B-Thinking模型，多模态推理开源模型，
• World Labs推出Marble，李飞飞他们推出的首个世界模型
• 阿里抽调上百人团队准备打造千问APP，对标ChatGPT（也能理解，相对于豆包和DeepSeek，千问的C端产品认知一直很弱，一组数据：豆包1.59亿日活，通义只有7百万月活
• OpenAI推出群聊（部分地区）
• 百度推出多模态大模型ERNIE 5.0
• LM Arena推出Code Arena
• Cerebras推出MiniMax-M2-REAP-162B-A10B，基于minimax m2的一个内存更高效的变体版本

投资&商业

• 软银清仓Nvidia股票58亿美元，为了all in OpenAI和其他AI bets

其他阅读

• The Era of Agentic Organization: Learning to Organize with Language Models：提出AsyncThink，推理通过fork分叉最后再合并来提高效果，需要runtime来支持和这种特殊的token
• Omnilingual ASR: Open-Source Multilingual Speech Recognition for 1600+ Languages：Meta FAIR推出的Omnilingual ASR，支持1600种语音的多语种语音识别，7B大小
• Scaling Agent Learning via Experience Synthesis
• SIMA 2: An Agent that Plays, Reasons, and Learns With You in Virtual 3D Worlds
• Memori：An open-source SQL-Native memory engine for AI
• Google发了一份上下文工程白皮书