Google 官方博客称，Google 旗下 Envisioning Studio 在 Google Labs 支持下，与设计师 Jane Wade、Sergio Hudson 合作，用 AI 创作工具 Google Flow 定制了两款工具。为 Jane 做的 Styling Suite 可在数字模特上搭配发型、妆容、配饰、鞋履与服装，在打样前检查造型是否完整；为 Sergio 做的 Runway Visualization 可模拟秀场，调整场地、灯光与道具并规划模特走位，以控制预算。Google 还称用户现在可用自然语言在 Google Flow 中自建定制工具，无需编程。上述效果均为 Google 与设计师一方的说法。

Sixth Tone 6月12日报道，中国高校毕业生就业竞争加剧，北京AI未来职业教育学校等机构推出三个月AI训练营，课程从Python数据处理到职场AI工具，学费1200至2400元。受访者吴建华2024年毕业，2026年3月完成培训后入职初级AI训练师，月薪约5000元起。校方合伙人赵雪松称3月以来已有1500余人结业，约85%首次通过认证考试，并与阿里、字节、腾讯、百度等企业保持长期合作。报道同时引述复旦职业顾问马九元提醒，行业缺乏统一认证与公开就业数据，学员难辨机构质量。

GitHub 博客 9 月 18 日发布 GPS 撰写的文章，围绕最新一期 GitHub Podcast 讨论的五个 AI 热门说法展开：是否要读 AI 生成代码、不用 AI 是否就没人雇、Skills 是否杀死 MCP、RAG 是否已死、以及需要微调模型是否说明代码差。作者观点是：代码仍要读，但按风险分配审查力度；MCP 提供工具与数据的标准接口，Skills 更像打包好的流程与规范，二者解决不同问题；RAG 并未消失，只是不再新鲜；模型读不懂代码库，往往也是可维护性信号。文中还举 Pollinations AI 与 Avian Visitors 两个项目作为实践例子。

宾大教授 Ethan Mollick 在 X 转发并回应 Alex Imas 关于阅读 AI 经济实证论文的感想，主张把这一讨论从经济学扩大到整个社会科学。他认为学界处于未知水域，需要快速、聪明、深度理解 AI 能力、面向未来、且未必完全严谨的研究；这类工作在本领域通常地位不高，但至关重要。Imas 原文指出，经济学家习惯要求干净的识别策略、工具变量有效性和平行趋势假设，这类标准可能拖慢对 AI 经济影响的及时研究。以上均为学者个人观点，非正式论文或机构结论。

AI Engineer 账号转述 Jev 创作者 @CompleteSkeptic（Diogo Almeida）的观点：RLHF 注定令人失望，因为它告诉你想听的话。他称我们想自动化一切，但模型恰恰被调优为优化人类反馈；并引用常见提问“模型若如此强大，为何世界看起来照旧正常”，给出自己的奥卡姆剃刀式解释：模型优化的是人类偏好，人们也以人类偏好判断“强大”，而真正的强大来自自动化，模型在自动化上并不够好。以上均为作者个人观点，非实测结论。

MIT Technology Review 于9月18日发布文章，汇总其9月15日订阅者线上圆桌活动《AI真的会杀死我们所有人吗》中未及回答的提问，由高级AI编辑 Will Douglas Heaven 与AI记者 Grace Huckins 作答。Huckins称个人因AI致死的概率非零，并提到AI无人机已在乌克兰致人死亡、AI驱动的医院网络攻击可能造成伤亡；Heaven则认为不存在AI杀死全人类的现实情形，并批评灾难化叙事会让人忽视当下更紧迫的问题。文中还讨论了对齐研究、代理自主性与监管缺位，并提及OpenAI新模型Astra及METR对Hugging Face入侵事件的分析。