前沿：流，不是库

Sebastian Raschka（《Build a Large Language Model (From Scratch)》作者）的 newsletter，不定期长文：把一批新模型的架构摆在一起逐层比较，或者把一个月的论文按主题串讲。口味是 L2 的教学派，图多、公式少、自己复现过。可信度：高。有事再查：某个架构改动（MoE、注意力变体、循环层）想要一篇看懂的对比时来这里。

斯坦福学生做的「arXiv 之上的评论区」：每篇论文一个讨论页、趋势榜和自动生成的概览，作者常在评论里答疑。Papers with Code 停摆后，要找「最近一周什么论文被讨论」它和 Hugging Face Daily Papers 是两个替代品。可信度：论文一手，评论和自动概览二手，拿来定位问题，不拿来当结论。

三个索引：news 发模型与产品，engineering 写 agent、工具调用、Claude Code 的工程实践，research 放可解释性、对齐和模型卡。工程博客是 L4 的一手材料（Agent：循环里带工具的模型 的精选就来自这里）。可信度：一手但有立场——模型卡和研究看数据，产品文看它没说什么。有事再查：新模型发布日看模型卡的评测表；做 agent 时查 engineering。

独立评测站，把模型放在同一组基准上跑出「智能指数」，再配上每个 API 提供商的吞吐、首 token 延迟和价格——选模型和选供应商时唯一能一页看完三者的地方。可信度：高于实验室自报，指数本身是它自己定义的加权，版本号变化时分数不可比。有事再查：选模型 / 选供应商时看价格与速度页；发布日对照实验室自报的数字。

预印本的原始来源，每天几百篇，没有筛选。不要订阅它的日更（会淹死），有事再查：知道论文编号或标题时直接去 abs 页；要看某个方向最近一周有什么时用列表页加关键词搜索。可信度：论文本身一手，但未经同行评审，看结论先看它的评测设置和基线是否公平。

Gemini / Gemma 发布、世界模型（Genie）、科学应用（AlphaFold 系）和强化学习的官方出口；相比其他实验室更多科学与 RL 的内容，历史上的里程碑（AlphaGo、AlphaFold）也在这里有原始记录。可信度同其他实验室博客：一手、有立场，技术报告比博客文可信。有事再查：Gemini 发布日看技术报告；RL 与科学应用方向找原始论文从这里进。

Dwarkesh Patel 主持的长访谈播客，嘉宾是实验室创始人、首席科学家和经济学家，一期两三个小时，主持人做足功课、追问到底。它是 opinions 里观点的主要产地：关键人物给出带年份的判断多半在这里。值得看的时候：每月挑一期与自己关心的层相关的听完整版，其余只看文字稿的小标题；听到带时间的断言就记一条观点。

非营利研究机构 Epoch AI 维护的数据集与图表：历年模型的训练算力、数据量、硬件性价比、算力增长率，加上 FrontierMath 等自家基准。要给「scaling 到底走了多快」配数字，这是最常被引用的一手整理。可信度：高，方法公开、数据可下载；注意它和实验室有基准合作（FrontierMath 与 OpenAI 的资助争议）。有事再查：写任何带数量级的判断之前先查这里。

Hugging Face 办的每日论文榜：社区把当天 arXiv 上值得看的论文投上来、点赞排序，每篇带作者或 AK 写的一段摘要。口味偏开源模型、训练与推理方法、多模态，不偏理论。值得看的时候：每周扫一遍标题（只看标题和点赞数，5–10 分钟），把真想读的那一两篇记进 每周必看：前沿信息流（≤ 5） 的「一行记录」。它替代了停摆的 Papers with Code 作为「最近什么热」的入口。

Jack Clark（Anthropic 联合创始人、前 OpenAI 政策负责人）从 2016 年起每周一期的 newsletter：挑 5–8 篇论文或发布，各写一段「它为什么重要」，末尾附政策与安全的视角和一则小说。立场是「技术乐观 + 对风险认真」，很少吹捧。值得看的时候：每周固定看一期，先看每段的粗体结论，再决定点开哪篇原文，20 分钟够。

Nathan Lambert（Ai2 后训练负责人）写的 newsletter，专注开源模型、后训练（RLHF / DPO / RL 推理）和实验室动态，是少数一线做后训练的人公开写的分析。口味偏技术、偏开源，对封闭实验室的发布会给独立判断。值得看的时候：每周看一期；有大模型发布（尤其开源权重）时去看他的即时解读，比新闻稿有用。

swyx 和 Alessio 办的「AI 工程师」newsletter + 播客，另有每日 AINews 汇总。口味是应用层：agent 框架、评测、RAG、推理供应商，嘉宾多是做产品的人。可信度：中——行业气氛准、技术判断偶有过热。有事再查：想知道应用层某个方向（评测工具、agent 框架）现在大家用什么时，搜它的往期；年初的阅读清单是 L4 的好起点。

Lilian Weng 的个人博客，一年几篇，每篇是一个方向的综述：agent、Transformer 家族、扩散模型、RL、幻觉。读完一篇等于读完那个方向过去几年的主线论文。可信度：高，作者在一线做研究。有事再查：进入一个新方向之前先看她有没有写过综述；不要等更新，更新很慢。

匿名双盲对战、人投票算 Elo 的榜，测的是「人更喜欢哪个回答」，不是能力上限。可信度：中——它反映偏好，而偏好可以被排版和讨好语气刷上去，2025 年 Llama 4 的刷榜和 2026 年初的公开批评都说明它只能当参考之一。有事再查：新模型发布后一两周看它的位置变化和分类榜（代码、长文），不看总榜的名次。

Llama 系列和 FAIR 研究（世界模型、JEPA、多模态）的官方出口。它曾是开源权重模型的旗手，Llama 4 之后这个位置被国内模型分走不少，所以看它更多是看研究线而非榜单。可信度：一手、有立场；开源权重的模型卡可信，发布文的对比图要配第三方榜。有事再查：Llama 新版本看模型卡与许可证条款；JEPA 路线的进展从这里找原始论文。

模型发布、系统卡和研究文章的官方出口。可信度：一手但是营销面向——发布文里的曲线图要配第三方榜（LMArena 榜（arena.ai）、Artificial Analysis）一起看，系统卡比发布文可信。有事再查：发布日看系统卡和定价页；研究类文章（推理、RL）仍是该方向的原始出处。

Reddit 上跑本地模型的社区：新开源权重发布几小时内就有量化版、显存占用和「在我这台机器上多少 token/s」的实测，也是最早戳穿发布文水分的地方。可信度：低到中——单条帖子不可信，几十条帖子的共识可信。有事再查：想在自己的硬件上跑某个模型、或者怀疑某个发布的数字时，搜版面近一周的帖子。

Dylan Patel 办的半导体与 AI 基础设施分析：芯片、互联、数据中心成本、训练与推理的经济账，大部分深度内容付费。可信度：供应链消息一手、模型经济账是估算，2025 年底有过关于其利益关系的公开质疑，数字当作带误差的参考。有事再查：想知道某款芯片或某家实验室的算力到底多少钱时，先看它的免费摘要，再决定要不要为那一篇付费。

Simon Willison（Django 联合创作者、Datasette 作者）的个人博客，几乎每天更新：每个新模型发布当天他都会亲手跑一遍、贴出成本和实际效果；对提示注入、工具调用、agent 安全的长期跟踪是 L4 的一手记录。立场是动手派怀疑论——先试再评价。值得看的时候：每周扫一遍本周条目的标题，模型发布日直接去看他的实测；要查某个 API 的坑先搜他的站。

DeepLearning.AI 办的周刊，Andrew Ng 开头写一封信，后面四五条新闻各配「为什么重要」。面向入门到中级，语气平和，不追热点。可信度：高但浅。有事再查：想给非技术的人解释一个本周事件时，它的措辞最好用；自己跟前沿不靠它。