Cursor选Kimi,杨植麟去年说透三方产品逻辑

最近 Cursor Composer 2 用了 Kimi-k2.5 作为基础模型，刚好也顺便看了张小珺对杨植麟去年 7 月的一篇访谈，还是 K2 发布后不久做的。但是访谈所有内容今天来看都没有过时。
杨植麟在访谈里反复提到 David Deutsch 的《无穷的开始》，用"问题不可避免，问题可以被解决"来框定他对 AI 研发的理解。
我关注 Deutsch 也比较久，不过关注点不太一样。我觉得 Deutsch 最有力的洞察是关于"好的解释"的标准，好的解释难以改变，这个判据可以直接用来评估技术决策的质量，也可以用在任何认知层面。杨植麟更多取的是"无限进步"这层意思，作为创业叙事的锚点倒是很合适。不同的人从同一本书里拿到不同的东西，千人千面。
访谈里另一个让我觉得可以直接借鉴的点是他对团队管理的隐喻：用 RL（强化学习）方式管理而不是 SFT（有监督微调），给目标和奖励信号，而不是给具体指令。
做过团队管理的人知道，有的人喜欢管理的系统性，另外一些人则更倾向“道法自然”，但是这个自然可能就离不开 reward。他提到的 reward hacking 风险，指标漂亮但实际没达到目标，这个在大组织里是真实问题，但团队不大的时候其实可以不太担心，因为小团队里人的动机透明、操作空间有限，hacking 的土壤不存在。
访谈其他一些观点，简单复述一下：
【1】Token efficiency 比训练速度重要，Muon 优化器让同样数据产生 2 倍学习效果，数据墙时代这个方向值得关注；
【2】一方产品和三方产品是两种根本不同的逻辑，前者正向设计环境再端到端训练，后者逆向工程模型训练过程；
【3】Agent 泛化性是当前最大瓶颈，SWE-bench 分数上去了换个场景就不行，本质是过拟合。
再说回到今天没过时的观点，访谈里面提到了代码长任务，我记得持续运行数天或者更长时间的代码任务是 2026 年才开始涌现的，也正是由于这方面变化，行业里 vibe coding 提法也变成了agentic engineering。可以看到大模型厂商很多内部观察和尝试要比行业早半年左右。
音视频访谈来自张小珺商业访谈录，可以在B站、youtube 或者小宇宙等平台搜索获取。