要点速览
- Mole CLI 新版以可靠性为核心，新增解释性拒绝、dry run 完全模拟、更严格的清理边界和 Parallels 虚拟机支持；已有创作者用它自动化清理 332GB 垃圾数据。
- SF Compute 推出自动研究产品，主打低成本训练、公平队列、无长期合同，并通过 MCP 内置票据机制确保 agent 在平台故障后自动恢复训练任务。
- 独立开发者训练 30B 模型花费约 2-3 千美元，用可解释性工具验证后确认减少事实编造、提升引用忠实度与规划能力。
- levelsio 对自己工作与健康数据的分析显示，高训练强度+私人教练日生产力最高（+20%），酒精、飞行和生病影响最负面；结论目前仍属待证实的方向性假设。
- Tibo 创始人社区开放 100 个新名额，上一轮 36 小时内售罄，限时 3 天先到先得。
一、开发者工具与产品更新
- Mole CLI 新版本把可靠性放在首位：拒绝操作时会解释原因并给出修复建议，dry run 完全模拟真实行为，清理边界更严格，慢扫描设硬性时限，磁盘分析支持 Parallels 虚拟机。— 来源：1
- 一位韩国创作者以 Mole 为核心搭建自动化工作流，由 Codex 每天早 9 点运行并生成清理报告，累计清除了 332GB 工作树垃圾且未触碰照片；CLI 保持免费，同时有更完善的 Mac 应用。— 来源：1
二、AI 训练基础设施与模型实验
- SF Compute 推出新的自动研究产品，让用户以低成本训练模型，并配有公平队列避免资源被少数人买断、无需签长期合同；还通过 MCP 内置票据机制让 agent 在平台故障后也能自动恢复训练任务。— 来源：1
- Ben Tossell 训练了一个 30B 模型玩 1830 棋类游戏，发现它虽然没有学到新金融概念，但显著减少了编造事实并提高引用忠实度；借助 GoodfireAI 工具验证后确认了更高的精确率、召回率和更好的规划能力，整体成本约 2-3 千美元。— 来源：1
三、独立开发者数据与社区
- levelsio 通过对自己长期工作与健康数据做相关性分析，发现带私人教练的高强度训练日生产力最高（+20%），低脂低热量高碳水高蛋白饮食也与更高生产力相关；酒精、飞行、生病、高脂饮食等与生产力下降相关。他提醒多数结果尚不显著，更多是方向性假设，并强调个性化健康分析的价值。— 来源：1 2
- Tibo 创始人社区开放 100 个新名额，上一轮名额 36 小时内售罄；内容包括直播 AMA、嘉宾 AMA、商业模式拆解和每周问责小组，限时 3 天先到先得。— 来源：1
- Nathan Barry 分享了“销售成交率超过 50% 说明定价过低”的观点，并称其目标成交率为 20%，为定价策略提供了可参考的反直觉经验。— 来源：1
