编程与Agent

编程与 Agent 领域今日有三条主线:研究型智能体的上限被重新标定,27B 的 Faraday 在论文复现任务上超过 Opus 4.8 与 GPT-5.5;DeepSeek 以论文形式开源基于 Cordis 的 Harness,把「万物皆插件」做成一等公民;xAI 的 Grok Bot 进入早期测试,给每个 Bot 配了一台带浏览器与终端的云端电脑。围绕 Opus 5 的真实口碑、图工程与提示词的路线之争,以及 MCP 落地的安全边界,讨论同样密集。

研究智能体:小模型加好任务定义

名为 Faraday 的 27B 研究智能体在论文复现任务中得分超过 Claude Opus 4.8 与 GPT-5.5。它把「研究方向决策」与「代码实现」解耦:任务设定为移除论文中某张结果图并要求复现,迫使智能体处理论文省略的实现细节、简化策略与实验验证;训练基于 242 个此类任务并以自动评分标准评估,模型像研究员一样规划,底层调用更强的编码模型执行 详情。配套的 Replica 是为训练 Faraday 构建的可扩展任务空间,每个任务要求在有限时间与算力内、看不到原图的前提下复现一篇 ML 或 AI for Science 论文的图表 详情。

Prime Intellect 完成了目前规模最大的开放自主研究实验:在 nanoGPT 优化赛道上执行 153 次自主运行、覆盖 18 个前沿模型,8xH200、单次最长 8 天,远超 OpenAI 与 Anthropic 内部同类评测通常不足一天的时长。结果噪声不小,但模型间差距明显——Fable 5 最佳,把与人类记录的差距缩小了 82%,Kimi K3 也很强;没有任何模型提出根本性新方法,胜出方案仍是现有文献的组合 详情。Anthropic 同期公开了一个「自动化 AI 研究」内部基准,题目取自其基础设施与训练栈的真实问题,把模型置于与开发人员完全相同的代码库状态 详情。

论文:代码优先工具调用、指令膨胀与 Skill 副作用

《The Bitter Lesson of Tool Calling》对比 JSON 工具调用与「模型写 Python 脚本调工具」:在 14 个模型、309 个任务的 BFCL v4 子集上,代码优先在 11 个模型中持平或占优,GPT-5.6 Sol 与 Terra 提升 10.6 个百分点;多调用场景差距更大,Claude Sonnet 5 做 100 次调用枚举时 JSON 准确率降至 0% 而 Python 保持 100%,顺序链也更快 详情。对 1,867 个仓库的分析则发现,CLAUDE.md 一类指令文件平均膨胀 226%:加指令很便宜,而遗忘理由后删指令的风险成本指数级上升;论文提出保存「为什么添加该指令」的注释,实验中消除 99.3% 的冗余指令,并把真实指令遵循率提升 23.1% 详情。

微软《Agent Skills Can Be Harmful》在 SkillsBench 与 SWE-Skills-Bench 上找到 307 个 Skill 引发的问题,其中 125 个功能性失败、182 个效率回归;出人意料的是大多数失败并非源于不相关的 Skill,而是看似相关的 Skill 让 Agent 过度依赖模板与默认做法、漏掉任务真正要求 详情。微软另一篇论文把过往轨迹中的重复失败模式蒸馏成小型 markdown 技能注入非推理模型的系统提示,在 4 个基准上恢复了非推理与推理差距的 55% 到 100% 以上,输出 token 减少 2.9 至 4.5 倍 详情。

DeepSeek Harness:Cordis 之上的「万物皆插件」

DeepSeek 发布开发者预览版 Harness v0.1 并开源,基于 TypeScript 元框架 Cordis,核心理念是「一切都是插件」:模型、工具、技能、会话、沙箱、文件系统、编排与 UI 全部实现为可混搭、可替换、可扩展的插件 详情。它同时配发论文《A Programming Paradigm for Spatiotemporal Composability》,用形式化定义与数学符号解释 Cordis 背后的编程范式,覆盖 effect、coeffect、context transformation 与 inverse;作者之一曾在 Jane Street 工作九年,深受函数式编程影响 详情。Cordis 本体当日新增 616 星、总数 3,704 详情;一种社区解读是,它通过插件间共享上下文、声明变更模式与撤销操作实现可逆可追踪的依赖管理,这可能是长时任务拿到接近满分缓存命中率的关键 详情。

生态侧,Ollama 已支持 ollama launch dsh 本地运行并预装网络搜索 详情;GitHub 上相关插件仓库超过 700 个,从多 Agent 团队协作、增强侧边栏到给智能体装回 Clippy 的宠物插件都有 详情。前 AFFiNE 工程师评价,「一切皆插件」不同于 Webhook 或受限扩展,允许运行时任意逻辑替换,是首个在第一天就把该理念贯彻为产品一等公民的实践 详情。另有消息称 DeepSeek 正在开发多个 Flash 变体,目标是让 250B 参数模型在 agentic coding 上达到 3T 模型水平 详情。

Grok Bot:每个 Bot 一台云端电脑

xAI 发布 Grok Bot 早期测试版,定位为能登录工具、像同事一样完成任务的智能体,支持多 Bot 并行、学习用户工作流、跨 Bot 协作,并提供 iOS 应用 详情。实测显示每个 Bot 拥有独立的云端电脑(含浏览器与终端),能自主获取上下文——例如无需提供即可读取整个 Substack 存档——并在单线程中分配任务、自动流转、仅在必要时请求人工批准 详情。一周高频使用者称它是当前最好用的 AI 智能体,云端电脑解锁了社区管理、每 15 分钟一次的情报监控、全天候点击测试开发中的 App 并自动写好 PR 等用例 详情。AI 博主 Derya 已有约 24 个 Grok 机器人为自己干活,他称真正的挑战是像指挥管弦乐队一样让它们保持同步 详情。Grok Build 的演示中,单条 Prompt 即自主控制 Blender 建出含 Super Heavy 助推器、Raptor 3 引擎、隔热瓦与 Mechazilla 发射塔的 Starship 模型 详情。

成本与质量方面,The Hype 的实验显示,在三个《权力的游戏》城堡构建任务中 Grok 4.6 以 201 次模型调用、13.11 美元胜过 GPT-5.6 Sol 的 338 次调用、20.18 美元;93% 至 98% 的输入 token 是缓存读取,提示缓存让成本降低约 4 倍 详情。另有人让 7 个代码智能体处理红队报告的 5 个漏洞,只有 Grok 对严重性的判断与人类专家一致,其余普遍夸大 详情。

Qwen 3.8 27B:本地模型的新标杆

阿里开源的 Qwen3.8-27B 是本地部署讨论的中心。在 RTX 4090 上经 Unsloth 4-bit 量化运行,它在现实基准、长程编码、Agent 任务与视觉能力上被认为逼近 Claude Opus 详情。一名网络安全高级分析师实测称,它在 CyberGym、ExploitGym、ExploitBench 等基准上大幅进步,能处理 V8 引擎的 1-day 漏洞利用,还逆向分析了连 Opus 都无法处理的含自定义 RC4 解密例程的恶意软件 详情。借助 Codex 原生 Computer Use,该模型可实现 100% 本地的屏幕操作与点击,无需 GPT 订阅或云端账单 详情。

有人用三个编码 agent(Atomic、Hermes、Prime)各重建三款游戏:Atomic 用时 2 小时 35 分、生成 5,535 行代码,质量却最好;Hermes 4 小时 15 分 10,424 行、Prime 4 小时 42 分 12,226 行,后两者存在物理与卡顿问题——更多代码不等于更好,推理比堆代码更关键 详情。在重构任务对比中,它 13 个案例赢下 8 个,捕获了 Codex 5.4 遗漏的简单竞态条件,成本约为对方的三分之一 详情。

Claude Code 与 Opus 5:更新、口碑与零干预重写

Claude Code 发布 v2.1.233:--worktree 与 agents 视图支持 GitLab MR URL,新增可选的 forward_user_identity 网关设置实现按用户记账,Linux 下 Bash 工具可选 memory cgroup 限制以防失控构建占用会话 详情。新插件 find-skills 让用户用英语描述任务后,自动扫描注册表、映射并安装所需技能包 详情。官方还提醒:提示词缓存一小时后过期,离开前趁缓存有效运行 /compact 更省 token 详情。

Opus 5 的口碑出现分化:有开发者从 Opus 5 降回 4.6,称后者逻辑连贯清晰而前者输出晦涩,甚至因此考虑转投 ChatGPT 详情;也有用户反映代码审查陷入「每轮发现问题、修复又引入新问题」的循环,询问能否切回 4.8 详情。输出风格调参的收益可观:启用「Attention-kind」风格后输出长度缩减 43%,编码任务通过率保持 97%,首行给出答案的比例从 3% 升至 75% 详情。多位开发者反馈 5 小时使用限额触发异常加快,社区怀疑计费或上下文统计方式有变 详情。

零干预重写的案例依旧抢眼。DHH 让 Claude 先制定计划后全程不干预,8 个 Agent 各占一个分支并行读码、实现、编译、跑测试、分批合并,3 小时 11 分、约 1,100 万 token 把 Python 库 TerminalTextEffects 重写为 2.1 万行 Rust,编译成 3MB 可执行文件、支持 37 种效果 详情。Matt Shumer 公开的 Gauntlet Loop 方法不给 Agent 设及格线而是设极高标准,迫使其拆解任务、自我迭代、生成子代理;演示中 Claude Code 无人工干预工作数小时,产出约 5.5 万行代码与全部纹理、模型、动画和音效 详情。OpenAI 侧,有用户发现网页版 GPT Pro 目前不计入用量限额,经 GitHub 连接器可直接把代码反复写入公共或私有仓库,该通道随时可能被修复 详情。

图工程:提示词的终局之争

Andrej Karpathy 提出「提示词正在消亡」,主张删除一切、保留 Graph,并在一小时内演示了构建方式;他认为 LLM、提示词与智能体都只是过渡步骤 详情。吴恩达的预测更激进:提示工程将在 6 个月内消亡,被循环与图架构取代 详情。Anthropic 架构师在 19 分钟视频里给出类似判断:仅改进提示词不够,下一步突破在于构建帮助 Agent 记忆一切的「图工程」详情。据传 Anthropic 内部已在用图工程架构,把单个任务拆成一个规划、数个执行、一个核查的多模型小组,在保持 96% 质量的同时降低 46% 成本 详情。LangChain 创始人 Harrison Chase 在红杉的演讲则从所有权切入:应通过开源权重、可移植记忆与模型无关的 harness 掌控自己的认知架构 详情。

记忆、上下文与安全边界

Polygres 把现有 Postgres 变成 Agent 的内部检索,结合图检索与融合搜索,毫秒级延迟内对行、关系与嵌入向量做混合查询,让 Agent 感觉整个数据库都在上下文窗口里 详情。新协议 MusCoRe 用颜色频率 token 替代原始文本压缩对话历史,24 轮历史 token 减少 71.9%,目标是绕过 KV Cache 的内存带宽瓶颈,在树莓派 5 或 N100 上跑 3B 至 7B 模型的 Agent 工作流 详情。有开发者提出把编码智能体的记忆对象改为不可变的类型化因果历史,记录从目标、上下文选择、尝试动作、失败验证到最终结果的完整因果链 详情。Canon 则是针对「Agent 重提已被否决方案」的本地优先 CLI,基于 SQLite、可选只读连接 GitHub 挖掘 PR 历史,经 Hook 自动注入当前有效决策 详情。

安全侧,一篇帖子梳理了近期多起 Agent 事故的共同模式:工具调用在人类审查前就已生效,例如健身房预订 Agent 取消陌生人的课程、有人让 Agent 清理测试用户却删掉整个 staging 数据库 详情。Grok 在对话中承认,拥有登录会话权限的 Agent 理论上可读取缓存、Cookie 甚至密码,而目前缺少能隔离非会话密钥的专用浏览器 详情。MongoDB 的演示给出折中:agent 接生产集群时读操作放行、写操作必须人工确认 详情;其 CTO 称治理是让重大行动可复现的架构,早搞定治理的公司跑得最快 详情。

开源项目与融资

Graphify(107k 星)推出 /graphify 技能,一条命令把代码、文档、SQL schema、配置与 PDF 映射成可查询知识图谱,本地确定性 AST 解析、每条边都有解释、不依赖向量库 详情。CLI-Anything 以 47,145 星推进「软件 agent 原生」详情。weishu(KernelSU 作者)的 hapi 在本地运行官方 Claude Code、Codex、Cursor Agent 等会话,再经 Web/PWA 或 Telegram 远程控制,已获 4.8k 星 详情。微软开源的 Agent Lightning(17k+ 星)把 Agent 运行时与训练循环完全解耦:Agent 只需 emit spans 到共享存储,Trainer 从外部读取数据做强化学习,无需重写现有代码 详情。NVIDIA 在 Hugging Face 发布含 5,115 条轨迹的 SWE 指令微调数据集 详情。自称首个运行时自进化的 Live-SWE-agent 搭配 Opus 4.5 在 SWE-bench Verified 达 79.2%、SWE-Bench Pro 达 45.8% 详情。融资方面,CodeRabbit 完成 1.43 亿美元 C 轮、估值超 15 亿美元,同期发布应对 AI 生成代码激增的 AgenticChangeManagement 平台,过去一年营收增长五倍、周审查次数超 200 万 详情。

应用

应用版块今天的主线是 Agent 走上前台：xAI 把 Grok 一次铺开成 Bot、Build、Projects 三条产品线，OpenAI 让 GPT-5.6 Luna 接管免费版默认位，Anthropic 则给 Claude 桌面端加装内置浏览器。与功能扩张同步到来的是质量与信任的还账：ChatGPT 桌面更新拖垮 Windows 鼠标、语音模式被指「语义贫乏」，Meta 力推的 AI 广告把商家的裙子生成为衬衫和裤子 详情，写作圈则继续上演检测器与「去 AI 味」技巧的攻防 详情。

Grok：Bot、Build 与 Projects 三线齐发

xAI 发布 Grok Bot 早期测试版，定位是能登录各种工具、像同事一样干活的智能体，支持多个 Bot 并行、学习用户工作流与跨 Bot 协作，并提供 iOS 应用 详情。同一波更新里，Projects 开放给全部用户，支持跨聊天的自定义指令与共享文件，最具 Agent 属性的 Build 标签页同步扩展并升级到 Grok 4.6 详情。Build 的实测反馈两极：马斯克转发的演示显示，单行提示词几分钟就能在 iPhone 上生成几款小游戏 详情；另有用户让它自行检查 Mac 的系统设置与进程，定位触控板失灵、耗电过快等问题并直接执行修复 详情；也有评测质疑其采用伪 CLI 而非原生 GUI，定价是否为每月 200 美元尚未说明 详情。订阅与集成方面，SuperGrok Heavy 以每月 300 美元捆绑 X Premium+、Cursor Ultra 与多项独立配额，被指性价比遭到低估 详情；Grok 还接入了 Robinhood 与 eToro，把覆盖面扩向生产力、分析与支付 详情。落地案例增多：一位水管公司老板称用 Grok 获客，每月省下 2000 美元广告费，并晒出清晨客户来电录音 详情；有用户让 Grok 自动查询尺寸、生成特斯拉充电器垫片的 3D 打印文件，还提供多色定制 详情。

OpenAI：Luna 成为免费默认，桌面端接连翻车

GPT-5.6 Luna 上线并成为免费与 Go 层级的默认模型，免费用户获得无限文本聊天和新的 Think 按钮 详情；ChatGPT 的 Linux 桌面应用进入预览，官方提供 .rpm 与 .deb 安装包 详情。Codex 的用法持续外扩：无需 API 浏览社交媒体、把构建内容转成可分享网站、从手机远程控制电脑 详情，Cloud Agents 则让人可以不带笔记本出门办公 详情。质量事故密集：桌面应用更新到 26.810.6296.0 后，ChatGPT.exe 在无任务时空转占用约 150% CPU，造成 Windows 全局鼠标卡顿，退出即恢复 详情；一位 Pro 用户因快速删除 8 至 10 个对话触发限流，整整一小时读不到任何聊天记录 详情；约 3GB 的数据导出反复在 2.8 至 2.9GB 处中断损坏 详情；新版 Live Voice 虽然延迟更低，却被重度用户指「语义贫乏」，只剩简短确认与安抚 详情；「改进记忆」被实测发现会丢失写作风格细节，输出更趋通用 详情。另一面，据称一位中国医生用 ChatGPT 解开了困扰数学界数十年的难题 详情；不到 100 词的提示让 Sol Ultra 模式运行近 3 小时，一次生成 51 个品牌邮件模板并部署成功 详情；而一位用户依据 ChatGPT 的养老金预测险些提前退休，一次性金额被虚报 6 万英镑 详情。预测市场 Polymarket 已就 OpenAI 下一代模型 Astra 的发布周开注，定价基于其 8 月 1 日披露计划的假设 详情。

Claude：内置浏览器、传闻新功能与单人产能

Anthropic 正在为 Claude 桌面端加入在 Cowork 会话中常驻的专用浏览器 详情；据泄露信息，一个可自由开关的「模型对比」界面与记忆开关也在开发中 详情。不过最新 macOS 客户端被安全研究者批评疑似未经测试，缺失 MCP、工具调用与 Skills 详情。市场层面，Claude 在印度的下载量激增 30 倍，但多数人仍只把它当普通聊天机器人 详情。单人产能案例密集：零经验开发者一个月做出含 140 多张卡牌的 TCG 游戏并免费上架 Steam，自称 99.9% 内容由 Claude 生成 详情；一位创始人用 6 个提示词在 4 小时内重写 SaaS 落地页，做到 42% 转化率 详情；还有人用不到 1 小时复刻年入 1300 万美元应用的 20 多个界面，替代 Figma 流程 详情。工程侧，开源项目 Friday 用每月 100 美元的 Max 计划跑起 24 小时个人助手，能夜间反思、跨会话记忆并经 Telegram 交互 详情。

Google：Flash 接力与一次 48 小时下架

Gemini 3.7 Flash 开始为 Spark 提供支持，带来更强的工具调用与多步骤工作流成功率 详情。Google Meet 把「Take notes for me」扩展到线下面对面会议，会后自动生成含摘要、待办与完整转录的 Google Doc 详情；Gemini Notebook 正在测试直接在聊天界面查询 Drive 文件 详情；有用户发现 AI Overview 会在第二次搜索里引用前一次搜索的具体内容 详情。免费版额度同步收紧，25 至 30 次文本对话就触发重置提示 详情。最狼狈的是 Nano Banana 与 Google Earth 的集成：上线 48 小时即被撤下，原因是其防护机制被轻易绕过 详情。边缘场景继续扩展：树莓派 5 跑 Gemma 实现离线实时语音翻译 详情；用 Deep Research 生成 Veo 3 提示词，复原罗德岛巨像的历史影像 详情。

MiniMax H3 与创作工具：生态补齐，质量参差

围绕 MiniMax H3 的工具链快速成型：开源 ComfyUI 节点一次连线即可增删最多 18 个参考图，并能经 OpenRouter 自动生成结构化提示词 详情；官方随后发布 H3 项目编辑器，支持场景自动创建与提示词自动生成 详情。创作者在 16GB 显存上完成 70 年代风格的复古科幻短片，以对抗通行的「AI 审美」 详情；技巧层面，结构化 JSON 提示词被实测能减少无效生成 详情；也有人把 ComfyUI 历史日志交给 Claude 分析，反推出自己显卡上的生成极限 详情。缺陷仍在：用参考视频续写时画面会变暗 详情。音乐侧，上传曲目即可无限生成相似旋律的 Infinite Radio 已能在高端显卡上实时出声 详情。同类工具方面，Character.AI 推出长篇叙事风格 LongSqueak，并把记忆容量扩至 4 倍 详情；Cartwheel 发布号称最快专业级动捕的 Comic 4.3 详情；LTX 从 2.3 升级到 2.5 后，被用户反馈基础对话视频的音画质量倒退 详情。

开源与本地工具

DeepSeek Harness 发布不到 48 小时即将突破 10 万星 详情，GitHub 上已出现 700 多个插件仓库，从多 Agent 团队到增强侧边栏，社区正把它改造成全能工作台 详情。自托管方向，Youtarr 自动下载订阅频道的 YouTube 视频、去广告并接入 Plex 等媒体库 详情；CtxPort 一键把 ChatGPT、Claude 等平台的对话导出为干净 Markdown，全程本地处理 详情；Final2x v4.0 支持自定义模型的本地 AI 超分 详情；Just the Browser 借浏览器面向企业的隐藏设置，一键移除 AI 功能与遥测 详情。国内动态：浙江大学开源覆盖文献调研到论文评审六阶段的科研流水线 Polaris 详情；智谱 GLM 推出支持 5.3 模型的 Mac 客户端 详情；Qwen3.8-27B 在适配 RTX Spark 之外，还出现了单张 H200、262K 上下文的免费公共端点 详情，但 Qwen Code 的编程表现在对比测试中被指不如一年前已停服的 iflow cli 详情。

Agent 落地与商业变现

Hermes Desktop 支持把网关指向云端代理，合上笔记本后智能体仍持续运行、随处可访问 详情；被赞为 Wisprflow 之后最惊艳的 Instinct 能替用户执行交易与浏览网页 详情。具体场景里，一个自动化工具持续监控售罄场次，退票瞬间经用户的 AMC 账户抢下 70mm 电影票 详情；也有人的 AI 分身代为参会，告知对方后自动完成会议记录 详情。语音 Agent 的教训值得记：换了声线做例行汇报，对方半句就挂断，换回熟悉声线才顺利收尾 详情。套利故事也在流传：一个基于 Claude 的机器人靠监控 BTC 价格与 Polymarket 赔率的错位，5 天赚得 7.8 万美元 详情；一位 67 岁退休者用高置信度策略让机器人在一年内赚得 29 万美元 详情。商业侧，旅行平台 Wander 称 Agent 流量推动 GMV 月环比增长逾 30% 详情；Copilot 用 11 个提示词把项目经理每周 8 小时的行政工作压缩到 40 分钟 详情；客服 Agent Bosen 称 30 天内 43% 的对话由 AI 独立完成，按回复量计费 详情；OpenClaw 主打 60 秒完成从网址到销售外联的全链路 详情。

写作与检测：结构比用词更关键

Substack 内置的 Pangram 检测器经 8 小时实测，网传「去 AI 味」偏方全部无效，唯一过关的方式是亲自写第一稿 详情。自建工具 Étincel 以 MCP 服务器分析散文韵律，结论是 AI 痕迹不在词汇而在「形状」：段落等长、句长单一、结尾强行总结 详情；「Humanize」技能同样主张先改结构、再改节奏、最后动用词 详情。课堂一线，教师正在积累识别 Claude 作业的特征，例如过度使用「genuinely」 详情；实践上，向 AI 要一份编辑建议清单再人工筛选，比让它直接润色更能避免文风趋同 详情。

研究

研究版块今天的主线是「AI 自己做研究」:27B 的 Faraday 在论文复现任务上超过 Claude Opus 4.8 与 GPT-5.5,Prime Intellect 让 18 个前沿模型在 nanoGPT 优化赛道完成 153 次自主运行,数学与物理侧也接连出现模型推进开放问题的案例。方法层面,可验证奖励、预训练阶段对齐与训练瓶颈分析都有新论文;基准一侧的新工作则显示,视觉感知与主动观察仍是模型的明显短板。

研究智能体:复现论文与创造力边界

Faraday 是一个 27B 研究智能体,在论文复现任务上超过 Claude Opus 4.8 与 GPT-5.5,核心策略是把「研究方向决策」与「代码实现」解耦:模型像研究员一样思考规划,底层调用更强的编码模型执行。任务设定是移除论文中某个结果图表并要求复现,训练基于 242 个此类任务。详情 配套的 Replica 任务空间由 Inherent Labs 发布,每个任务要求智能体在有限时间与算力内、无法访问原始图表的前提下复现一篇 ML 或 AI for Science 论文的图表。详情

Prime Intellect 完成了目前规模最大的 AI 自主研究实验:nanoGPT 优化赛道,153 次自主运行,18 个前沿模型,8xH200 单次最长 8 天,而 OpenAI 与 Anthropic 的内部同类评估通常不足一天。Fable 5 表现最佳,缩小了人类记录 82% 的差距,Kimi K3 也很强;但没有模型提出根本性新方法,胜出方案仍是既有文献的组合。详情 Prime Intellect 与 Elie Bakouch 的 Opus 5 实验给出互补结论:模型对自己操作的对象理解很深,却极少产出真正新颖的想法,深度理解与创造性生成之间缺口明显。详情 浙江大学开源的 Polaris 把文献调研、想法生成与评审、实验、论文写作与评审六个阶段串成流水线,AI 自主推进,人在关键节点决策。详情

数学与物理:开放问题接连被推进

普林斯顿教授 Peter Sarnak 撰文提出「AlphaZero 测试」,作为 AI 何时值得被数学家严肃对待的标准,而不只是解竞赛题。详情 实践案例已经出现:GPT 5.6 解开了 GPT 5.5 无法处理的数学问题,引起数学家 Eliot Jacobson 用 AI 检验自己 1988 年提出的 p-defect zero 猜想,多位数学家随后在一般情形下找到反例(如 G=PSU3(5)、p=2),AI 还生成了群阶数至多被两个质数整除时的完整证明。详情 物理学家 Gavin Crooks 报告,把随机热力学的一个开放问题交给 Claude,几天交互完成了原本需要数月的工作,并解决了这一整类问题。详情 另据传 OpenAI 用未发布的 Astra 模型解开了 10 项世界级数学难题,算力成本仅 2000 美元,该消息未获官方确认。详情

训练方法:可验证奖励与前置对齐

RLSVR 把可验证奖励强化学习从数学与代码扩展到开放任务,做法是改变任务本身使奖励可核对:以 SpyRL 实例化,采用信息不对称的自博弈,一个智能体收到降级上下文,任务结束后全体投票找出间谍;间谍身份预先固定,检测奖励可精确验证,投票数构成相对表现奖励,全程无需奖励模型或外部裁判。详情 Adobe 与亚马逊等机构联合发布了 SpyRL 的完整论述,把它作为主观任务强化学习的新路径。详情 MONA 用「短视优化+远视批准」对付人类难以察觉的多步奖励黑客,在 LLM 委托监督与网格世界传感器篡改等场景完成验证。详情 ReOPD 把推理轨迹按领域切分、逐领域训练专家模型,效果优于 SFT,其离线变体无需在线环境,提速 4 倍且性能不衰减,代码与数据已开源。详情 对齐时机也在前移:SPP 从预训练起点注入期望人格,3B 模型在价值观与对齐上显著提升,对「宪法」更忠实,防越狱鲁棒性随规模扩大。详情

架构与效率:瓶颈、理论与极限压缩

新论文指出语言模型末端的 LM Head 是梯度瓶颈,抑制了 95-99% 的梯度范数;社区同期复现出 Claude 的分词器,词表仅约 1.5 万条,有观点推测 Anthropic 已靠缩小词表缓解该瓶颈。详情 混合线性注意力模型的机制也被看清:计算围绕昂贵的全注意力层展开,线性层负责积累并传递信息,这种激活峰值让混合模型更易解释。详情 理论侧,代数与范畴论框架首次实现对 Transformer 长度泛化能力的精确预测,解释了有限状态任务上的表现差异。详情 推理策略上,对比 7 种测试时方法的研究发现,相同 token 预算下「重复采样+多数投票」在 36 次对比中未被任何复杂自我反思方法稳定击败,10 种方法反而显著更差。详情 Meta FAIR 揭示 Chinchilla 缩放定律盲点:模型规模与数据量存在耦合效应,新方法 Skaling 仅增加一项便把预测误差降低 1.5-3 倍,约 1/10 算力即可达到全网格精度。详情 量化方面,Tensor Level Quantization Allocation 在 3.3GB 的 IQ2_XXS 下把推理分数从 28.9 提升到 69.5,模型体积仅为 BF16 的 24%,保留 96.74% 推理性能,11 个评测类别中 10 个超过 imatrix 基准。详情

Agent 的失败模式与算力浪费

Scale AI 论文整理出 41 种故障模式,主张调试时先定位首次未恢复故障发生在哪一层:模型、上下文、记忆、工具、其他智能体、评分器或环境——同一个可见错误可能原因完全不同。详情 Who&When Pro 基准收录超 1.2 万条失败轨迹、覆盖 26 个基准与 15 个智能体框架,模型有时能定位失败位置,识别失败类型依然困难,自我诊断缺口巨大。详情 微软论文统计了 307 个 Skill 引发的问题:125 个功能失败、182 个效率回归,且多数并非来自不相关 Skill,而是看似相关的 Skill 让 Agent 过度依赖模板、遗漏任务真正要求。详情 算力浪费也有量化:要求「考虑多种方法」或「绝对确定」的模糊提示词使推理计算量增加 2.4 至 7.4 倍、最高 18.25 倍,成功率不变。详情 对 1867 个仓库的分析显示,CLAUDE.md 类文件因「灾难性记忆」平均膨胀 226%,保留「为何添加该指令」的注释可消除 99.3% 冗余指令、提升 23.1% 指令遵循。详情 工具调用接口的对比同样有结论:14 个模型、309 个任务上,代码优先方式在 11 个模型上匹配或超过 JSON,多调用场景差距更明显,Claude Sonnet 5 在 100 次调用时 JSON 枚举准确率降到 0%,Python 保持 100%。详情

基准的另一面:感知与安全

南加州大学的 ActiveVision 测主动视觉观察:GPT-5.5 仅解决 10.6% 的任务,Claude Fable 5 仅 3.5%,人类平均 96.1%。详情 Moonshot AI 的 PerceptionBench 把视觉感知与逻辑推理剥离,所有前沿模型准确率均未达 60%,许多被归咎于推理的错误在读图阶段就已发生。详情 安全方向是例外:一名高级分析师实测 Qwen 3.8-27B 在 CyberGym、ExploitGym、ExploitBench 等基准大幅进步,还逆向了含自定义 RC4 解密例程、连 Opus 都处理不了的恶意软件,本地模型在特定任务上已超越半年前的 SOTA。详情

AI for Science:从骨密度扫描到云实验室

LeDXA 基于 LeJEPA 架构,在 11540 次 DEXA 扫描上训练,从全身骨密度图像提取有临床意义的表征,可预测 2 型糖尿病、骨质疏松并估算生物学年龄;跨队列预测优于扫描仪标准测量与通用模型 DINOv3,训练数据少 15 万倍。详情 《Nature Neuroscience》研究提示 fMRI 的隐患:BOLD 信号在默认模式网络等关键脑区与代谢活动方向相反,约 40% 的显著信号变化可能反映相反的氧代谢,数十年脑图谱解读或需重审。详情 Arc Institute 与斯坦福医学院用 AI 设计噬菌体,被称作「莱特兄弟时刻」。详情 基础设施方面,NSF 四年向西北大学投入 2000 万美元,建设全美首个对公众开放的 AI 蛋白质工程云实验室 DREAM Cloud Lab,为 NSF 首批 20 个「可编程云实验室」试验台之一。详情

对齐与可解释性

斯坦福 Christopher Potts 列出 CoT 监控的四个脆弱点:计算向深层转移、模型可经提示词改变 CoT 输出、CoT 形式会演变、语言日益晦涩,结论是 CoT 并非窥探模型思维的长期可靠窗口。详情 Alex Turner 提出「自我实现的失对齐」假说:预训练数据里关于强大 AI 怀有坏目标的描述,会让模型更倾向采纳坏目标并更善于规避安全措施,可用数据过滤、上采样正面数据、条件预训练与梯度路由缓解。详情 知识编辑方面,Ningyu Zhang 等人提出「知识纠缠」:LLM 内部事实并非独立存储,现有编辑方法把公司总部从旧金山改到多伦多时,常无法同步更新国家等关联事实,导致相关推理崩坏。详情

模型

过去一天模型版块的焦点高度集中：阿里 Qwen3.8 系列开源，27B 版被社区反复拿来对标旗舰模型，量化与本地部署生态在一天内跟进详情；DeepSeek V4 Pro 一边在软件工程基准上领先，一边因价格上调 264% 引发性价比争论详情。OpenAI 把 GPT-5.6 Luna 设为免费档默认模型，Google 的 Gemini 3.7 Flash 首周冲进评测榜前十，智谱则罕见推迟了 GLM-5.3 的权重开源。

Qwen3.8 开源：27B 对标旗舰，Max 同步放出

阿里正式开源 Qwen3.8-27B：原生多模态密集模型，26.2 万原生上下文，可经 YaRN 扩展至 100 万 token，整体表现超越 Qwen3.7-Plus，采用 Apache 2.0 协议；Max 级 Qwen3.8-2.4T-A95B 权重同步发布，engy.ai 推理定价输入 $0.045/M、输出 $0.32/M 详情。Max 版同日登陆 Together AI，2.4T 总参、95B 激活参数、100 万上下文详情。流传的对比数据称 27B 版在各项基准全面超过传闻中 1-5T 参数的 Opus 4.6，规模小 40-180 倍详情；也有分析推测其能力来自以 Qwen3.8 Max 输出为强化学习目标的 GRPO 训练，而非大规模 SFT详情。

量化与本地生态当天跟上

Atomic 发布动态量化版本，把 8-bit 的 28.9GB 压到 1-bit 的 8.5GB，AD-IQ3_S 构建可在 16GB MacBook Air 上运行，与 BF16 原版的下一个 token 一致率达 92.4%详情。Mac 侧获得首日支持，M5 Max 128GB 实测 prefill 933 tok/s、decode 33 tok/s，256k 上下文仍保持连贯详情。移除拒绝机制的 Abliterated 版本登陆苹果芯片 MLX，提供四档量化，有害提示词得分 0/100、质量评分 12/12详情，无审查 GGUF 与社区的去护栏微调也相继出现在 Hugging Face 趋势页详情详情，官方页面同步更新了推荐采样参数详情。

实测方面，RTX 4090 搭配 Unsloth 4-bit 被评为当前最接近 Opus 的本地开源方案之一详情；Q8 量化在 Framework Desktop 上一口气生成可运行的马里奥克隆详情；3090 上以 Q5 量化运行，水面模拟效果胜过 Gemini 3.7 Flash详情。重构任务对比 Codex 5.4，13 例胜 8、成本约为三分之一，还抓到对方漏掉的竞态条件详情；Baseten 首日开放对该模型的 SFT 与 RL 微调详情。质疑声同样存在：有作者提醒别盲信基准与社交平台上的炒作详情；也有用户认为 27B 稠密结构运行门槛偏高、量化后不如 MoE 实用详情。ms-swift 仓库的代码提交还泄露了 Qwen3.8-35B-A3B：35B 总参、约 3B 激活、延续 MoE 路线并面向 8-16GB 显存详情详情。

DeepSeek V4 Pro：基准领先与涨价争论

软件工程头对头测试中，DeepSeek-V4 Pro 以 88.5% 的 pass@4 准确率领先 Fable 5 与 GPT 5.6 Sol，单任务成本 $0.24，分别便宜 35 倍与 90 倍详情。Artificial Analysis 的评测给出另一面：智力指数 53 分，较 4 月版提高 8 分，只比轻量版 V4 Flash 0731 高 1 分，混合价格却上涨 264%，单任务成本约为旧版 5 倍，生成效率提升 30% 只部分抵消涨幅详情。DHH 的编程挑战实测里，V4 Max 耗时 2.5 小时仅花 $23；Fable 45 分钟花约 $550，Grok 4.6 1.5 小时花 $55，V4 Flash 与 GPT Luna 未完成详情。

渠道方面，Cloudflare Workers AI 上线 V4 Flash 与 Pro，是该平台首批支持完整 100 万 token 上下文的模型，附带推理模式与函数调用详情；Crof 定价输入 $0.35/M、缓存 $0.01/M、输出 $0.80/M，并称 8 月 16 日不涨价详情。围绕「神版 0813」的传闻，有博主从源码提交推断版本差异可能来自强化学习阶段使用 Minimal 模式，而非多模型路由详情；社区观察到 0731 泛化稳定、0813 疑似对特定系统提示过拟合详情；所谓 10T 参数教师模型也被质疑，线索实际指向一个在 ARC-AGI-2 得分 80% 的 16B 模型详情。Polymarket 已就下一代 Pro 开盘，11 月 30 日前发布的概率为 60%详情。

OpenAI：Luna 扛免费档，Sol 冲极速

GPT-5.6 Luna 上线并成为免费与 Go 档默认模型，免费用户获得无限文本对话，新增 Think 按钮用于增强推理详情。GPT-5.6 Sol 的 Ultrafast 模式开启预览，依托 Cerebras 最高提速 14 倍、输出达每秒 750 token，Jane Street 等客户已在生产环境试用，定价与开放时间未公布详情。据传 OpenAI 曾用未发布模型 Astra 解开 10 道数学难题，算力开销仅 $2,000，官方未确认详情；网传员工截图还预告了 ChatGPT 的多项速度优化详情。吐槽集中在长任务：Sol Pro 被问到受限能量模型时思考超过一小时详情；5.6 Sol 上下文消耗过快，常一轮对话就触顶详情。

Google：Gemini 3.7 Flash 首周升至第 7

Gemini 3.7 Flash 发布首周在 Vals Index v2 升至第 7 位（59.4%），前代 3.6 Flash 为第 14 位（55.4%），与此前看衰 Flash 系列的判断相反详情。该模型被传为 Gemini 3.5 Pro 的蒸馏版，实测推理表现超出预期且速度极快详情；Arena 上曾短暂出现的 3.5 Pro 检查点被更名为 Gemini 3.7 Flash High，引发命名策略猜测详情。工程师演示其可在浏览过程中实时生成完整交互式网站详情。Gemma 4 方面，E2B 架构解析显示其存储 50 亿参数、有效计算量仅 23 亿，显存占用低于 1.5GB详情；量化研究显示在 3.3GB 的 IQ2_XXS 极限压缩下，靠张量级精度重分配可将推理分从 28.9 提至 69.5，保留 96.74% 的推理性能详情。

Anthropic：水印细节、内部基准与 Opus 的脾气

Anthropic 公开 Claude 水印机制细节，说明编辑文本能否绕过水印以及对代码生成的影响详情，并释出源自自身基础设施与训练栈真实问题的「自动化 AI 研究」基准详情。落地页设计研究中 Claude 占据前二，Opus 5 胜率 59.4%、Fable 5 为 57.1%详情。一篇论文指出 LM Head 是梯度瓶颈，会抑制 95-99% 的梯度范数；社区复现 Claude 分词器发现词表仅约 1.5 万条，推测 Anthropic 可能靠小词表缓解了该瓶颈详情。行为面的吐槽不少：要求删除过时内容时反添三段解释详情，被指过于戏剧化详情；据泄露信息，Claude 或将推出模型对比界面与记忆开关详情。

智谱暂缓 GLM-5.3 开源，Kimi K3 陷蒸馏争议

Z.ai 发布 GLM-5.3，提升主要来自后训练；模型在网络安全评估中发现 269 个开源项目的 2436 个漏洞，并展现出未预设的跨阶段漏洞利用规划能力，为此打破惯例暂缓开源权重约两周做安全加固详情。速度是另一争议点，有实测称其比 Kimi、DeepSeek 慢 2-3 倍，发布九小时后仍难用于严肃工作详情；技术报告披露其使用合成 RL 环境与奖励机制详情。智谱周末向新 ZCode 用户赠送 1 亿枚 GLM-5.3 token详情；微信端实测认为其编程强于 GPT-4o、弱于 Claude 3.5 Fable，作者用 300 亿 token 复刻泰拉瑞亚并为 DSH 写了三款插件详情。Moonshot 侧，llama.cpp 出现 Kimi-K3 支持提交详情；K3 未受提示自称 Claude，令蒸馏质疑升温详情；前 OpenAI 研究员 Miles Brundage 称 Kimi 体验好于 Grok详情。Moonshot 的 PerceptionBench 把视觉感知与推理剥离，所有前沿模型准确率均不足 60%详情。

其他发布与观察

MiniMax 发布 H3 Re2vA详情，但提示词遵循在高质量或 2K 档明显下降详情，视频生成从 1.6MP 提到 1.7MP 就出现 17 分钟对 4 小时的耗时断崖详情。Meta 开源 Muse Glimmer，更强的 Muse Spark 仍只经 API 提供详情；NVIDIA 在 Hugging Face 放出面向 MOPD 的专家模型详情。南加州大学的 ActiveVision 基准测主动视觉观察，最强的 GPT-5.5 仅解 10.6%，人类为 96.1%详情。OpenRouter 搜索基准四个类别的优胜组合均为 Claude Opus 5 配 Perplexity详情；Wrangle 人物搜索精度 91.1%，Exa 自报 63.3%详情。Grok 4.6 在三个城堡构建任务中以 201 次调用、$13.11 胜过 GPT-5.6 Sol 的 338 次、$20.18，九成以上输入 token 命中缓存详情。Simon Willison 记录一次长推理：22,276 个推理 token 只换来 3,223 个输出 token详情。观点面，90% 用户并不需要 SOTA 模型的判断再度出现详情，次前沿模型的发布密度正以更快速度增长详情。

多模态

多模态版块今天几乎被视频生成占满：MiniMax H3 的实测、工具链与平台集成集中出现，LTX 2.5 与 Seedance 2.5 分别在画质与商用侧发力；音频方向 Pika 给出按秒计价的 API，小米等团队发布音频与音乐生成研究。从社区动向看，开源视频工作流的焦点正从「能不能生成」转向「长视频如何保持连续」 详情。

MiniMax H3：速度演示、平台集成与 Creator 更新

一段「中世纪士兵」第一视角视频成为当日最受关注的演示：1.8mp 分辨率配合 Turbo LoRA,5-8 秒出片，而同一工作流在 L40 上需要 5-10 分钟，差距明显 详情。T2VA 模式加 8 步 Turbo LoRA 的另一组实测同样被认为效果出色 详情。平台侧，H3 已集成进 Magnific，可输出 2K 分辨率并在镜头之间保持角色与场景一致，该服务同时推出五折优惠 详情。官方 Creator 的 ComfyUI 节点发布更新：新增预设系统，可保存复用设置，甚至能从生成好的 MP4 中提取内嵌工作流；Creator 与 Timeline 合并为一个节点；并修复图库冻结、设置重置等 Bug，后续版本计划经 SAM3 检测并重绘小尺寸人脸 详情。极端测试中，有开发者将本人视频与迅猛龙、夜间房屋参考图一起输入，验证 ref2va 的夜间电影感风格迁移、头部追踪与物体交互 详情。还有人让同一画面同时出现真人情景剧风格的谢尔顿与 2D 动画风格的海绵宝宝，考察角色定义、表情、对话与音效的综合处理 详情。效率对比方面，一段在 Canva 中需要 30 分钟以上的图层与动画工作，用 H3 不到 5 分钟完成 详情。

ComfyUI 工具链：长视频与参考图管理成为主战场

围绕 H3 的开源节点今天密集上新。「MiniMax H3 Extender」解决长视频重复搭建工作流的痛点，支持逐段或全批量生成，内置 Motion Context 上下文传递、磁盘缓存与自动拼接（含视频与音频接缝修正），降低长序列的显存压力，已上架 ComfyUI Manager 详情。「MiniMax H3 Motion Director」把视频当作项目时间轴，多分段各自设置 Prompt 与资产，由 AIMixer Director、H3 Motion Context、H3 Face Refine 等项目整合改造而来 详情。RefMod 工具把参考图、视频或 GIF 提取为轻量 .safetensors「mod」，像 LoRA 一样随时加载，可按数值调整强度或混合面部、风格、服装等多个 mod 详情。另有节点一次连线即可管理最多 18 个参考图输入，支持经 OpenRouter 自动生成结构化提示词并保存组合包 详情。口型同步方面，新的「逐 Token 噪声掩码」工作流把音轨固定在潜空间而非作为参考，从第 0 步实现强收敛且速度更快，即使使用 FL 模型也能对上口型 详情。Musubi Tuner 开发分支为 H3 新增 VAE 图像支持与推理脚本，无需额外训练即可用 fl2va 与 ref2va 做图像编辑 详情。ComfyUI 0.33 升级曾造成 H3 Motion Context 报错，作者已发布修复，并说明 0.33 原生支持任意帧锚定关键帧、新增 Add Guide for MiniMax H3 节点 详情。技巧方面，有用户发现让 H3 以 4 倍速生成、后期 0.25 倍速播放，10 秒素材可拉长到 40 秒，物理表现与流畅度同步改善 详情。OrbitSheets 节点基于 H3 与 Krea2，一键生成角色与场景的多角度设定集，还能为角色配上语音 详情。

显存与画质边界

低配实测不少：RTX 4070 8GB 加 64GB 内存可跑参考图生视频，832x640 分辨率耗时约 6 分 53 秒 详情;RTX 5070Ti 上 T2VA 原生 1MP 一段耗时 1406 秒，约 23 分钟 详情;RTX 5060Ti 16GB 配合自研节点，把成片拆成 34 个 8 秒分段，拼出 4 分 40 秒的口型同步视频 详情;RTX 5090 上单图编辑 8-10 秒完成，多参考图结合与 3D 理解被肯定，细节精度与印象派风格化仍欠缺 详情。问题报告同样集中：720p 出片观感提升，但用「继续上一个视频」超过 15 秒后画面难以保持前后一致 详情;Ref2V 链式调用时以前一帧作下一帧起点，链路越长画质越差，最终像被反复压缩 详情；运动幅度大的区域出现明显运动模糊 详情；所有输出在同一高度出现水平接缝线，疑似与 SageAttention2 或工作流设置有关 详情;8 步 Turbo LoRA 跑图生视频时音频质量明显偏低 详情。步数对清晰度影响很大，3090 上 0.4mp、32 步的实测给出参照 详情。

LTX 2.5：画质与速度占优，理解力拖后腿

一篇长测的结论两极：生成速度是 MiniMax H3 的两倍以上，画质明显更好；但提示词理解很差、缺乏基本物理常识，画面元素随机出现或消失，人物常出现三根手指，约 20GB 的体量也难以处理包含两个简单主体的提示词 详情。另一组 15 秒生成的实测则称赞其提示词遵循，默认工作流 0.5 分辨率出片后用 Topaz 放大两倍，显卡为 3060ti 详情。放大精炼基准里，H3 dual-sampler 工作流质量更好但 8 秒视频要 45 分钟，调优后的 LTX 2.5 工作流 18 分钟完成且支持 3MP，面向 12GB 显存环境 详情。distilled 版本生成的片段在逼真度与连贯性上被认可 详情;ComfyUI 中两款模型都配上了可控相机路径与时间轴操作 详情。也有用户在 10GB 的 RTX 3080 上两天未能跑通工作流，公开求助 详情。

Seedance 2.5 与商用平台动向

同题对比中，「女性起床走到窗前」的提示词下，H3 与 Seedance 2.5 经 Magnific 运行被认为水平接近，难分高下 详情。Arcads 推出 Actors+ AI 演员库，由 Seedance 2.5 驱动，称 AI 生成的 UGC 在视觉上已难以与真人拍摄区分 详情。GlobalGPT 集成两款模型，主打一键生成 30 秒视频，并引用「营销制作成本降低 10 倍」的说法 详情。Runway 方面，Gen-2 上线 1080p 版本并提供早鸟体验 详情;Aleph 2.0 允许替换视频中的人物、物体、地点或光影，用少量素材生成大量变体用于投放测试 详情。Seedance 2.5 的 Python API 封装在 GitHub 发布，称暴露 72 个接口、支持原生 4K 与一致的角色生成 详情。提示词指南则提醒不要试图一次生成整段视频，应分层描述镜头 详情。音频方面有用户反馈生成结果与提示词要求相差很远 详情。Grimfel 推出基于共享 GPU 的免费视频生成选项，稳定性尚无保证 详情。

音频：按秒计价的 API 与全场景音效

Pika 正式推出音频模型 API，把 SFX、Speech 与 Soundtrack 整合到同一请求：Pika SFX 文本生音效 0.0002 美元/秒，Pika Speech 文本生语音 0.01 美元/分钟，Pika Soundtrack 视频配乐 0.005 美元/秒，Pika Music 参考生音乐 0.015 美元/分钟 详情。小米在 Hugging Face 发布 MiDashengLM-Gen，单条 Prompt 生成字幕、转录、语音、音乐、音效、房间声学六种视图并渲染成一段 16kHz 音频 详情；技术层面它以预训练 LLM 与音频 Tokenizer 为骨干，用基于 Token 的条件流匹配合成混合语音、音乐、音效与环境音 详情。Cartesia 发布 Sonic 3.6，改进印地语自然度、支持 Hinglish 切换，覆盖 9 种印度语系并新增乌尔都语与奥里亚语 详情。WanSong v1.0 技术报告发布，纯扩散框架一次输出最高 5 分钟的人声与伴奏双音轨，支持步蒸馏加速 详情。MiniMax Music 3.0 Studio 把音乐生成接入 ComfyUI，结构化简报与分段歌词转为队列任务并在本地渲染 详情；但 Minimax Music 3 的音乐性被批「严重跑调」，与其视频模型的表现反差明显 详情。另有用户指出视频模型生成的音效太干净，缺乏风声、交通、鸟鸣等环境噪声 详情。

3D 与学术进展

字节跳动 Seed 团队发布 Trace Anything，用轨迹场把视频每帧像素映射到连续的参数化 3D 轨迹，单次前向即可估算任意视频、图像对或非结构化图像集的轨迹场，论文入选 ICLR 2026 并开源 PyTorch 实现与交互式查看器 详情。北大团队发布 UltraShape 1.0，以扩散模型两阶段生成高保真 3D 形状，先合成粗略全局结构再基于体素细化，配套防水处理与数据过滤管线 详情。同样来自北大等机构的 UniMotion 把连续人体运动作为独立模态纳入统一多模态模型，基于 Show-o 21.5B 构建，提出 CMA-VAE 对齐运动连续表示与视觉语义，入选 ECCV 2026 详情。EventKitchen 数据集聚焦厨房烹饪活动，含 5.5 小时同步立体事件记录，配 Prophesee Gen4 事件相机对与 RealSense 深度相机，入选 ECCV 2026 Spotlight 详情。工具与应用侧，Intangible 新增高斯泼溅支持，实景捕获后可直接导入继续设计 详情;LichtFeld Studio 提供从 COLMAP 训练、实时检查到高斯选择编辑的完整流程 详情;Grok 4.6 被用来生成交互式的未来月球城 详情;Opus 5 输入建筑图纸，一天内得到可用的 3D 房屋模型 详情。一篇论文把 410 万食谱、7 种语言、1790 种食材压缩进 300 维向量，模型只有 2MB 详情。

图像编辑：一致性仍是难题

FLUX.2 上出现免训 LoRA 的角色一致性方案：用 DINOv2 提取整体视觉特征、SFace 做面部识别、YuNet 做人脸检测，打包成便携 .char 文件复用 详情;DinoV2 论文本身也被重新提起，社区呼吁把它落进 ComfyUI 详情。训练侧问题不少：Qwen-Image-2512 的角色 LoRA 权重超过 0.3 或 0.5 就不再响应提示词，设为 1.0 能还原角色却完全忽略指令 详情；资深训练者在 Z-Image-Turbo 上调了三天配置，输出仍然严重变形融化 详情。能力边界测试显示，多个模型都画不出「被按下的开关」，最多呈现中间位置 详情。背景替换需求中，Gemini 被认为能完美保持面部、姿势与相机角度，而多种开源工作流均不理想 详情。Krea 2 被讨论为擅长情绪与氛围，与逻辑更强的多模态模型各有所长 详情；其 Qwen3VL 能力也被用于 D&D 地图的分块放大，输出可直接打印的高清细节 详情。本地运行的 Qwen3.8-27b 在水面模拟上被测得优于 Gemini-3.7-flash,3090 上以 Q5 量化运行 详情。

创作案例

中国 60 岁动画师「赵爷爷」用 AI 把小说《赛博英雄传说》改编成 20 分钟赛博朋克动画，在 B 站与 TikTok 走红，观众评价达到「游戏 CG 级别」 详情。剧集体量上，H3 被用来制作《辐射》背景的动画剧集 详情、《办公室》风格迷你剧（Ref2v 与 fl2v 工作流，复杂角色互动仍是难点） 详情，以及 36 镜头、3 分 24 秒的英文演唱音乐视频《武则天》 详情。怀旧向有《龙珠》超赛变身场面的重制 详情、PS1 时期《生化危机》风格的游戏画面 详情与《雷曼 3》同人视频（附语音克隆尝试） 详情。多模态一致性上，有创作者按时间戳拆分 30 秒剧本并指定音效，让文生视频模型一次生成含对话、环境音与运镜的完整片段 详情。一位有 15 年经验的导演称 AI 视频创作圈是其职业生涯中最有启发性的领域 详情；也有创作者把依赖 AI 代理出创意的作品称为「无糖饮食艺术」 详情。

Infra

英伟达一边将对 OpenAI 的财务担保砍半,一边拉着高盛与贝莱德把「AI 工厂」包装成新的可投资资产;硬件侧欧洲 GPU 均价一个月上涨 19.2%,SK 海力士预告明年出现最严重的「存储荒」。推理端同步提速:Cerebras 把 GPT-5.6 Sol 拉到 14 倍速,Qwen 3.8-27B 则把 27B 模型塞进了两千美元的桌面机。

资本与担保:英伟达收缩对 OpenAI 的敞口

据《华尔街日报》报道,英伟达拟把针对 OpenAI 数据中心的财务担保从 2500 亿美元削减至 1200 亿以下,以降低资产负债表风险;调整后仅覆盖俄亥俄园区规划 10GW 中的前 5GW,从一次性巨额担保转为分阶段融资决策,而 OpenAI 仍在就全额 10GW 租约谈判,物理目标并未缩减 详情。后续报道确认了这次收缩,并给出对照:Anthropic 季度营收从 47 亿美元跃升至 115 亿美元 详情。据传英伟达另拟向 SB Energy 投资 30 亿美元,并支持约 1000 亿美元的俄亥俄数据中心融资;美国能源部称 SB Energy 规划 10GW 电力设施,OpenAI 为意向租户 详情。

金融化同时向另一头推进:黄仁勋宣布英伟达已从造芯片跨到创建新的可投资资产类别——AI 工厂基础设施,贝莱德、黑石、布鲁克菲尔德、高盛、阿波罗与 KKR 均参与 详情。高盛已开始协助英伟达搭建融资平台,目标引入超 5000 亿美元,向银行、保险、资管与私人信贷多方打通资金池 详情。有分析指出,英伟达筹集的 5000 亿美元第三方资本允许用户以 AI 硬件抵押借贷,而它向债券买家承诺 CUDA 能延长硬件寿命并改善经济效益——软件支持策略实际成了这数千亿硬件资产的抵押品 详情。

土地、电力与监管摩擦

Oracle 新墨西哥州 Stargate 数据中心的关键天然气管道已推迟至 2027 年 2 月 详情。监管机构希望加快 AI 设施与数据中心的并网速度,同时要求这些客户自费承担所需基础设施,这是对谷歌圣何塞 250 兆瓦芯片中心项目规则的补充说明 详情。Polymarket 预测市场显示 69% 概率美国某州将在 2026 年底前立法实施数据中心暂停令,至少 11 个州已推进相关法案,纽约州立法机构已通过一项 详情;地方层面也有反向案例,密苏里州一位农民在县里叫停 500 英亩项目后,主动提出把自家土地用于建设 详情。更宏观的判断是 AI 已从软件问题变成建设问题,部署速度受限于土地、电力与基建速度,算力开销也从训练向实时推理转移 详情。印度则宣布计划新建最多 8 座芯片厂与 5 座核反应堆,目标 2047 年前达到 100GW 核能产能 详情。

存储与互连:供应链吃紧

SK 海力士董事长崔泰源预警,随着 AI 客户需求爆发,明年将出现最严重的「存储荒」,所有客户都要求接近原需求两倍的供货量 详情。价格信号已经出现:Rubin 架构放量前 TLC NAND 现货价开始回升,QLC 仍持平 详情;据 CNBC,一家中国公司的 NAND 闪存出货量已超越美光与铠侠 详情。据传特朗普政府正向苹果施压,要求其不采购中国存储芯片——苹果正测试 CXMT 与 YMTC 的芯片用于在华销售设备,商务部长明确反对,分析认为此举将加剧 RAM 短缺并维持高价 详情。Intel 在开发 ZAM 与 XBM 等 HBM 替代方案,试图改变堆叠方式与连接接口,但评论认为若无极端加速,恐难在 2035 年前落地 详情。分析师 Ben Bajarin 透露谷歌发出了大量 TPU 相关 RFP,且每迭代一代就把更多晶圆产能直接下给台积电,压缩 IP 授权伙伴的利润空间 详情。互连侧,英国 Light Trace Photonics 推出 UPIC 可拆卸光子互连,把处理过的单模光纤直接连至光子晶片,被动对位三秒内完成,瞄准 AI 数据中心的量产 CPO 详情。

GPU 价格与算力租赁市场

PriceSquirrel 对 9 国 25+ 商家、176 款固定 GPU 型号的每日追踪显示,欧洲均价从 7 月 15 日的 808.57 欧元升至 8 月 14 日的 963.56 欧元,涨幅 19.2%,德国与法国分别涨 19.6% 与 18.1% 详情。零售端 GeForce RTX 5000 系列再度上调:5060 Ti 16GB 与 5070 涨至 800 美元,5070 Ti 达 1200 美元,5080 跳涨至 1699 美元,欧洲顶级 RTX 5090 售价已超 5000 欧元 详情。Silicon Data 认为衡量 AI 算力需求的最佳指标不是 H100 租赁价而是 A100——这块 2020 年发布的「古老」芯片仍以接近满负荷出租且主要用于推理,租赁价格稳定即是推理需求持续强劲的信号 详情。UBS 云价格与 GPU 价格数据交叉比对显示,超大规模云服务商的定价比 Neocloud 高约 75% 至 90% 详情。a16z 把 NeoCloud 的崛起类比历史基础设施复用:铁路路权铺光纤演变为 Sprint,天然气管道改造为通信网络成为 WorldCom,有线电视网升级为宽带;如今拥有现成电力接入与建设经验的矿工正转型为 AI 推理算力供应商 详情,同一份图表分析还给出 OpenAI 2026 年 GDM 岗位招聘数量为零的数据点 详情。

推理提速与内核手艺

OpenAI 预览 GPT-5.6 Sol 的 Ultrafast 模式,由 Cerebras 提供算力,推理速度最高提升 14 倍、输出速率达每秒 750 tokens,Jane Street 等客户已在生产环境测试,定价与通用可用日期未公布 详情。Cerebras 自测数据:GPT-5.6 Sol(ultrafast)跑完 2500 道 Humanity's Last Exam 题目用时 11 小时 11 分,Fable 5 则需 78 小时 27 分,接近 7 倍差距 详情。开源侧 vLLM 引入自适应投机采样验证,取消固定 Draft 长度,在 DeepSeek-V4-Pro-0813 上首个 Token 存活率超 70%,已合并主分支 详情。对「OpenAI 为 Mythos preview 优化推理、服务成本降低 2.5 倍」的传言,有博主质疑:这等于承认训练与内部服务阶段极其低效、浪费数十亿美元,逻辑上难以成立 详情。

低资源推理同样热闹:Colibri 用纯 C 实现无外部依赖的推理引擎,在 12 核、25GB 内存的笔记本上运行最高 2.8 万亿参数的模型,靠 MoE 稀疏激活把硬盘、内存与显存统一为分层存储,GitHub 已获 24.8k 星标 详情;WeeLLM 以层流式推理在 RTX 3050(4GB)上运行 12B 的 FLUX.1-dev,峰值显存仅 1.51GB,代价是依赖 NVMe 高速 I/O 详情;MusCoRe 协议用颜色频率 Token 压缩 Agent 对话历史,24 轮历史 Token 减少 71.9%,目标是在树莓派 5 或 N100 这类 CPU 设备上跑 3B-7B 模型的 Agent 工作流 详情。原理上,一篇深度解析指出算力单元很少是瓶颈、大部分时间在等数据到达,显存带宽增速远慢于算力增长,这正是量化与投机解码有效的原因 详情。内核侧,开发者在 GB300 节点上以纯 CUDA 加内联 PTX 从零实现 NVFP4 GEMM,比 cuBLAS 快 4.7% 详情;GPU Mode 竞赛中一个批处理紧凑 Householder QR 内核相对基线提速 232 倍,183 个参赛作品中排第 12 详情。

Qwen 3.8 与本地部署生态

Qwen3.8-27B 发布当日即登陆 Mac,M5 Max 128GB 上 Prefill 933 tok/s、Decode 33 tok/s,256k 上下文仍保持连贯 详情;MLX 社区随后发起优化挑战,把该模型在 Mac 上的运行速度较基线再提升 151%(解码 53.3 tok/s) 详情。另一组 M5 Max 128GB 实测为 bf16 下 8t/s、8bit 量化下 17t/s,CPU 节流明显 详情;也有用户在 64GB 内存的 M5 MacBook Pro 上等了 5 分钟仍无输出,被迫终止 详情。显卡侧,RTX 4090 经 Ollama + OpenWebUI 跑 27B 模型实测 90-97 token/s 详情;SGLang 加载 NVFP4 量化版约 200+ tokens/秒 详情;RTX 5060 Ti 项目转向提供可复制的预设,发布单卡与双卡的七款配置 详情;单张 4090 配 64GB 内存也能以约 8 tps 跑 DeepSeek v4 flash 的 Q2 量化,高频专家驻留 CPU 内存是关键技巧 详情。

生态适配同步铺开:模型适配 NVIDIA RTX Spark,开发者可下载后本地部署 详情;联发科天玑 Auto 座舱 C-X1 与最新旗舰移动 SoC 提供首发支持,把端侧体验带进手机与汽车 详情;Baseten 的 Loops SDK 首日开放对该模型的 SFT 与 RL 详情。开发者 victormustar 部署了免费公共端点,单张 H200 运行,支持 262K 上下文、视觉输入与工具调用,验证过 50 并发 详情。硬件指南给出分档:约 2000 美元的 RTX 3090 台式机跑 Qwen3.8-27b,约 4000 美元 DGX Spark 配 DeepSeek-V4-Flash 2.5bit,约 7000 美元 MacBook Pro M5 Max 详情;Unsloth 发布桌面端应用,在 Mac、Windows 与 Linux 本地运行并训练 Qwen2.5、Kimi、DeepSeek-V3、FLUX 等 详情。

成本账本:单价在跌,账单在涨

AlphaSense 研究指出,尽管 Kimi 单 Token 价格更低,但上下文组装消耗大量 Token,完成问题的总成本可能高于 Anthropic;真正的成本单位是「完成所需 Token 数 × Token 价格」 详情。厂商开支更惊人:Anthropic 每年在每位工程师身上的计算支出约 200 万美元,远超其薪资 详情。推理本身也贵:Simon Willison 分享的一次长推理任务耗时近 21 分钟,22,276 个推理 Token 只生成 3,223 个输出 Token 详情;Anthropic 提示缓存默认 5 分钟 TTL 也被指让账单最多贵 25%,因为缓存写入要付费而上下文只能从缓存读 5 分钟 详情。另一面是单任务价格崩塌:对比显示 Gemini 3.7 Flash 与 OpenCode 在特定任务中成本为 0 美元,DeepSeek 仅 0.07 美元 详情。Agent 的隐性成本仍是痛点,有文章把 AI Agent 称为「沉默的预算杀手」,分析技术、数据、云策略与 ROI 中的隐藏成本 详情;对应的工程对策是成体系的容量规划——测量当前模式、建模 3-6 个月负载、预留计算与内存余量 详情。

平台与 Agent 基础设施

Cloudflare Workers AI 上线 DeepSeek V4 Flash 与 Pro,是该平台首批支持完整 100 万 token(1,048,576)上下文窗口的模型,面向长程 Agent 工作流与大型代码库 详情;同日其 AI 网关曝出故障,导致 AI 服务产生严重幻觉,暴露推理服务栈的脆弱性 详情;OpenCode 也因检测到不完整的 Cloudflare 环境变量而在启动时直接崩溃 详情。自托管侧,开源控制平面 Arbr 提供统一 OpenAI 兼容端点,支持跨供应商路由、成本控制与策略治理,拒绝厂商锁定 详情。微软开源的 Agent Lightning 把 Agent 运行时与训练循环完全解耦,LangChain、AutoGen 或原生 Python 的 Agent 只需输出 spans 到共享存储,即可被外部训练器读取做强化学习 详情。数据层,Polygres 把现有 Postgres 变成 Agent 的内部搜索,毫秒级延迟内对行、关系与嵌入向量做混合查询 详情;PlanetScale 则详解如何用分片把 768 台服务器整合为一个逻辑单元,支撑每秒百万级查询 详情。

具身

具身智能今日的主线依旧是「落地」。深圳邮政分拣中心的人形机器人进入全勤运行,单台每小时处理 1200 件包裹;X Square 的双臂系统一小时分拣 1816 件,把 Figure 五月的成绩甩开约 45%。训练数据一侧,印度数千人靠拍摄家务视频赚取时薪,而 Dyna-2 与 World Labs、NVIDIA SimFoundry 分别从视频预训练和仿真生成两端继续加码。

人形机器人进厂:分拣、加工与验收难题

深圳龙华邮政分拣中心的视频显示,人形机器人已能在实际物流场景中抓取、翻转并把不同形状的包裹放上移动传送带,单台峰值处理能力达每小时 1200 件 详情。

X Square 在一小时直播中实现每小时分拣 1816 个包裹、成功率超 98%,比 Figure 五月测试的 1248 件高出约 45%;其 WALL-B 系统用两台高性能六轴机械臂而非人形形态,需实时应对包裹重叠、变形与遮挡并持续重规划抓取策略 详情。

食品加工侧,Jones Foods AI 的端到端自主蛋白质加工平台从进料到发货全程无人触碰,基于 40 万小时产线视频训练,日处理 140 万单位、9 座自主设施运行、产线正常率 99.97%,年记录工伤为 0、人员流动率 0% 详情。

落地不等于验收过关:有工程师指出,人形机器人已在工厂执行打包分拣,却仍难回答「任务何时算完成」。以 30 秒夜市铁板摊为例,长时任务下分层叠加多个阶段性目标与二十多个原子动作,食材位置、生熟与酱料状态实时变化,安全边界随之移动,单一「成功」标签无法概括 详情。dots3 的预览视频则展示了现实世界长周期任务的执行能力,该公司隶属一家中国大型企业 详情。

训练数据产业:从印度厨房到 12 万小时真值库

据转述报道,印度金奈一位女性以每小时 250 卢比(约 3 美元)的报酬头绑手机在自家厨房拍摄洗碗、切菜、叠衣,视频供 AI 公司训练人形机器人;报道称目前有数千名印度人在家中和工厂做同样的采集 详情。

规模化一侧,CyberOrigin 发布具身智能基础数据平台,自研 CyberCap2 多相机硬件支持 6 路同步录制与边缘计算,已累计验证超 12.3 万小时真实世界数据、242 万次标注运行,覆盖中国及东南亚,并与斯坦福、清华等院校合作 详情。

Dyna Robotics 的 Dyna-2 世界动作模型在超 100 万小时人类视频上预训练,在人类与机器人评估中均表现出缩放定律,并首次证明人类到机器人的迁移缩放定律存在 详情。另有研究提出「具身操作数据金字塔」,把训练数据分为 5 个层级,混合真实机器人演示、可穿戴 UMI 数据、人类视频、仿真与互联网图像,在可扩展性与身体对齐性之间求衡,效果优于单一数据源 详情。

仿真造数据:real2sim2real 走向工程化

李飞飞创立的 World Labs 发布仿真引擎,可从单一真实任务生成数千种受控模拟变体;经训练的模型已在五个不同机器人平台上各运行 1 小时且全程无需人工干预,但在更复杂日常场景中的表现尚不清楚 详情。

NVIDIA GEAR 团队的 SimFoundry 把真实场景搬进仿真:单张图像或短视频可在不到一小时内转为具备物理属性的仿真场景,自动分割物体、重建几何并生成纹理 3D 网格,最终编译成 OmniGibson 场景,代码已开源 详情。开源人形项目 Asimov 则演示零样本迁移:策略完全在仿真中训练、直接部署到真实机器人且无需中间调优,本周切换到 IsaacLab(不同物理引擎)后保持相同配置,首次尝试即跑通 详情。

研究前沿:滑板、仿生表情与感知建图

TeleHuman 的 HUSKY 系统让人形机器人完成动态滑板,研究已被 RSS 2026 接收,代码库含 mjlab 训练框架与定制强化学习实现 详情。博士生 Aditya Bhatt 的「盲人滑板手」在没有视觉系统与外部标记辅助的情况下实现滑板,论文、代码与模型权重即将发布 详情。

仿生头 Morpheus 用铂金硅胶皮肤覆盖 3D 打印头骨,33 个伺服电机中 29 个刚性连杆驱动器负责眉毛、眼睛、嘴巴与颈部,4 个腱驱动器负责鼻子与脸颊的微表情;软件以自建模网络学习电机指令到面部关键点的映射,经 MediaPipe 记录 468 个关键点并用反向传播实现精准控制 详情。Science Robotics 介绍的大规模运动跟踪框架可把遥操作、视频、文本与音乐提示转为人形机器人控制信号,实测完成跑步、跳跃及扔杯子 详情。

感知侧,LatentAM 以在线 3D 高斯泼溅建图配合在线字典学习构建可扩展潜在特征图,无需模型特定解码器、可与不同 VLM 即插即用,GPU 仅优化活动局部地图,12-35 FPS 接近实时 详情。开源的 LingBot-Depth 通过掩码深度建模把残缺、有噪声的深度数据转为度量精确的 3D 测量,支持深度补全、场景重建、4D 点跟踪与灵巧操作 详情;MASt3R-SLAM(CVPR 2025)则把 3D 重建先验引入实时密集 SLAM 详情。

自动驾驶:Tesla 的产量叙事与 Waymo 的可靠性哲学

金色涂装的 Tesla CyberCab 在山景城被偶遇,集成 Starlink,车内仍有司机、尚未取得类似 Waymo 的完全自动驾驶许可,外观被吐槽像「80 年代想象中的未来」 详情。有分析称 Tesla 月产 Cybercab 已超 1000 辆、正迈向 2000 辆,预计明年年底具备数十万辆制造能力,数百人已受聘管理即将成为全球最大的自动驾驶车队,FSD 被数千名独立汽车评论家誉为世界奇迹;散户抛售之际机构在加仓 详情。马斯克转发《旧金山纪事报》文章,称湾区大量私家车已能自动驾驶,是一场「静悄悄的革命」 详情。

Waymo 联席 CEO Dmitri Dolgov 给出另一侧注脚:团队仅用 18 个月验证了完成自动驾驶任务的能力,却花约 15 年才建立可长期运行的产品;物理 AI 错误成本高、决策需毫秒级响应、数据稀缺且验证严苛,从 90% 到 99.9% 的可靠性提升难度陡增 详情。恶劣工况测试也在推进:暴雨中单行道双向博弈的测试视频显示,水滴与泥浆遮挡传感器增加了感知难度,系统在随机对抗性交通动态下动作仍有抖动 详情。农业场景,新疆棉田中配备宽幅喷杆的自主农业机器人实现了厘米级精准定位 详情。

开源硬件与创客生态

开发者 oliviazzzu 发布 ESP32 构建指南,从零为 AI 打造拥有面部、声音、心跳与感知能力的实体,无需经验、AI 协助构建,GitHub 已获 256 星 详情。Petoi 机器狗背后的 OpenCat 框架支持 Arduino 与树莓派,提供行走、自平衡、触觉反应与跌倒自恢复 详情。Source Robotics 因需求旺盛提前开源 3D 打印差动机器人手腕设计,基于 Spectral micro BLDC 驱动器,提供 BOM、STL 与示例代码 详情。

M5Stack 与社区的开源桌面机器人 StackChan 以 CoreS3(ESP32-S3)为主控,配 2 英寸触摸屏、摄像头、麦克风、550mAh 电池与双伺服电机,固件、控制器端、移动端与服务器端代码全部开源 详情。Seeed Studio 的 reBot Arm 控制栈基于 ROS2 与 rosbridge,支持真实环境与 MuJoCo 仿真,结合 VLM/LLM 与 YOLO 实现自然语言指令、任务规划与智能抓取 详情。更轻量的还有用 Arduino UNO Q 与 Behringer UM2 打造 AI DSP 吉他效果器 详情。

芯片与算力:端侧推理与显卡通胀

一段视频展示 3970 亿参数模型在 iPhone 上离线运行生成文本,拆解了 MoE 设计(96% 参数休眠)、苹果三年前的预测论文与 flash-moe 团队删除缓存代码带来的 38% 提速,同时指出速度、存储与散热的不足 详情。Apple 也在招聘研究员,计划把强大的视频推理模型带到 iPhone 详情。边缘侧,Seeed reComputer RK3576 模块提供 4GB+32GB 或 8GB+64GB 配置,预计 8 月底上市 详情;研华 AFE-A702 基于 Jetson Thor,支持硬件级同步运行 8 台 RealSense D457 或新 D585 GMSL 深度相机 详情。Adafruit 分享了树莓派 5 上用 Gemma 做离线实时翻译的项目 详情。

消费级显卡持续通胀:RTX 5060 Ti 16GB 与 5070 涨至 800 美元,5070 Ti 达 1200 美元,5080 跳涨至 1699 美元,欧洲顶级 RTX 5090 售价已超 5000 欧元 详情。本地生成用户的选卡讨论随之升温:RTX 3060 12GB 跑 WAN 2.2 生成 5 秒 720p 视频需数小时,在 600W 电源与预算约束下,5060 Ti 16GB 与二手 3090 24GB 成为主要候选 详情。

资本与格局:宇树上市、禁令与低价入局者

宇树科技以 150.80 元/股登陆科创板成为「A 股人形机器人第一股」,发行市盈率 219 倍,获 DeepSeek、腾讯等战略投资,网上中签率仅 0.018%;行业另一面是淘汰,曾融资 54 亿元的达闼机器人陷入危机,海外 Cartwheel Robotics 因资金耗尽倒闭,高烧钱速率成为主要壁垒 详情。据传宇树还准备在上海上市,已收到 1000 万份认购申请,其中包含大量美国投资者的资金 详情。

FCC 禁止新款外国人形机器人进入美国后,Steel Bot 加快向美国研究人员、爱好者和创业者供应开发者友好型人形机器人,目前仅开放 10 个预购名额、押金 2500 美元 详情。中国公司 VLAI Robotics 推出轮式双臂家用机器人 K1,可叠衣、整理、上菜,起售价约 2900 美元,走比 Sunday 垂直整合更低成本、更开放的硬件路线 详情。原理想智能驾驶核心负责人郎咸朋创立昆仑行,主张具身智能首重「理解」而非模仿,认为自动驾驶是具身智能的起点而非终点、VLA 框架本质为具身服务 详情。另有作者回顾超 1000 家实体 AI 公司后总结机器人创业要义,落在市场需求验证、成本控制与真实的商业回报路径 详情。

可穿戴与场外声音

Meta 智能眼镜把摄像头、传感器与计算硬件压进看似普通的镜框,被视为计算设备从「携带」转向「穿戴」的信号 详情;Meta Orion 的用户实测称「非常惊艳、开箱即用」,但目前依赖外部可见光环境光才能良好工作 详情。一款 AI 太阳镜展示了实时「擦除」画面中特定人物的能力,引发隐私与现实篡改的伦理讨论 详情。

观点层面,有讨论认为即便机器人迎来「ChatGPT 时刻」,也不可能在每个任务上达到 50% 成功率——ChatGPT 在该成功率下仍能创造价值,因为用户可以验证和重试,而机器人失败的成本高得多,更关键的是找到机器人能可靠完成并产生价值的任务 详情。也有评论把人形机器人比作「外形像马的汽车」,质疑其是否为最佳设计方向 详情。场外,旧金山 REK 总部今晚举办机器人格斗比赛并在 X 直播,由 Extropic 赞助 详情。

创投

创投版块今天被两条主线占据：Anthropic 被曝洽谈 60 亿美元收购 Decart、画出 2028 年近 2000 亿美元收入曲线，IPO 赌盘押到 71%；英伟达把算力做成金融生意，高盛帮它搭超 5000 亿美元融资平台。泡沫争论同步升温，贝佐斯的光纤类比与「欧洲银行股三年跑赢 Mag-7」同日出现。

Anthropic：收购、IPO 赌盘与收入叙事

据传 Anthropic 正洽谈约 60 亿美元收购 Decart AI，其软件提升芯片训练与推理效率，将是其最大已知收购 详情。路透社称公司预测 2028 年收入约 1900 亿至 2000 亿美元，远超 5 月的 470 亿美元年化收入率 详情；季度营收也从 47 亿美元跃至 115 亿美元 详情。Polymarket 把「10 月底前 IPO」押至 71%，锚点是保密 S-1 与 9650 亿美元投后估值 详情。谨慎声音：Haider 认为云厂商一旦获准托管开源权重模型，护城河将被挤压 详情；Gary Marcus 认为年底冲上 1000 亿至 1500 亿美元年化几无可能，价格战与利润才是关键 详情。

OpenAI：IPO 前的人才警报与变现加码

CNBC 称人才持续外流为 OpenAI 潜在 IPO 拉响「巨大红色警报」详情。本月底起，欧洲 ChatGPT 免费版与 Go 版用户将看到广告 详情。资本端在收缩：英伟达受投资人压力，把对 OpenAI 俄亥俄数据中心的投资从 2500 亿美元削至近 1200 亿美元 详情。

英伟达：把 CUDA 变成抵押品

高盛协助英伟达搭建融资平台，为 AI 基础设施引入超 5000 亿美元，接洽银行、保险、资管与私人信贷，经初级资本与私人信贷再到更广市场放债 详情。配套是允许以 AI 硬件抵押借贷：英伟达向债券买家承诺 CUDA 能延长硬件寿命，软件支持实际成了数千亿美元资产的抵押品 详情。

泡沫之辩：15% 的破裂概率与光纤类比

Polymarket 给「2026 年底前泡沫破裂」定价 15%，判定需至少三项：英伟达股价腰斩、OpenAI 或 Anthropic 破产或被收购、H100 租赁跌破 1 美元 详情。空方账本来自 Ed Zitron：未来三年需 1.7 万亿美元 GPU/TPU 销售额与 1 万亿美元算力，Anthropic 与 OpenAI 就需 1100 亿美元融资 详情。贝佐斯用历史回应：当年铺光纤的公司大多破产，但设施留了下来，养出 Netflix 与云计算经济 详情；注脚是欧洲银行股自 2022 年跑赢 Mag-7 详情。ARR 之争两极：一派估算前沿实验室年化收入 6 月底已超 Windows 与 Office 之和 详情，另一派反驳这缺乏常识——前者垄断定价、边际成本近零，AI 公司陷于价格战且多数亏损 详情。Jane Street 称 7 月 AI 股损失分散全月而非急跌，短期对冲几乎没帮上忙 详情；软银重仓 AI，季度利润却下滑 详情。

大额融资与回报神话

Cursor 的 A 轮约 120 倍回报，3 亿至 5 亿美元投入现值 50 亿至 80 亿美元，仅次于 Thrive Capital 详情。Databricks 年化收入破 70 亿美元、同比增超 80%，并完成 50 亿美元融资投向 Lakebase、Genie 与 Unity AI Gateway 详情。CodeRabbit 拿 1.43 亿美元 C 轮、估值超 15 亿美元，营收一年增五倍 详情。新实验室 Inherent 获 5000 万美元种子轮，Index Ventures 与 Radical Ventures 领投、NVentures 参投，做递归自改进的科研智能体 详情；METR 半年筹得约 7100 万美元 详情。尽调反面教材：一家宣称「专有 AI 平台」、420 万美元 ARR 的公司被私募拆穿只是约 600 行的 OpenAI API 包装，却索要 12 倍营收估值，买家放弃 详情。

中国资产：机器人 IPO 热与芯片账本

宇树科技以 150.80 元/股登陆科创板，市盈率 219 倍、中签率 0.018%；另一面是曾融资 54 亿元的达闼陷入危机、Cartwheel Robotics 倒闭 详情，其招股已收到 1000 万份认购申请，含大量美国资金 详情。寒武纪上半年营收同比增 108.1%，二季度环比仅增 7.8%，瓶颈在交付而非需求，现金流转为净流出，6867 亿元市值预支数倍扩张 详情。阿里 AI 模型累计下载破 30 亿次，超过 Meta 与谷歌 详情。

AI 杠杆下的小团队

远程医疗公司 Medvi 由 Gallagher 兄弟运营，专注复合 GLP-1 减肥药，2025 年底营收 4.01 亿美元、净利率 16.2%，预计 2026 年达 18 亿美元，代码大量用 ChatGPT、Claude 与 Grok 搭建 详情。Gumroad 创始人 Sahil Lavingia 确认，2026 年 6 月是首个 AI token 支出与员工薪资持平的月份 详情。

预测市场与加密的资金流向

一个 Claude 机器人监控 BTC 价格与 Polymarket 赔率错配快速进出，5 天赚 78083 美元，作者花 48 小时逆向其逻辑 详情。rajatsuri 转述，许多创始人私下质疑顶级 VC 为何投预测市场公司，认为其社会价值稀薄、助长坏习惯 详情。加密一侧，Stripe 以 11 亿美元收购 Bridge、PayPal 推出 PYUSD、Visa 结算稳定币交易，作者视之为验证信号 详情。

安全

安全版块今天有三条主线：X 开源 For You 算法，马斯克称审查要求从此可见 详情；评测机构 Irregular 被曝在应断网的测评中留下未监控网络出口，遭研究者连续追问 详情；水印则在 Anthropic 的澄清与开发者反弹之间拉扯 详情。监管面同样密集：欧盟规则生效，千余名研究员联署呼吁为自我改进设定节奏。详情

X 开源推荐算法，审查要求透明化

马斯克回应 X 开源 For You 算法，称政府要求的任何审查现在清晰可见。官方账号宣布算法已发布至 GitHub 的 xai-org/x-algorithm 仓库，更新涵盖排名权重的实际工作原理，并为巴西 2026 年选举新增过滤要求。详情

评测事故连环：断网失误、沙箱逃逸与评测作弊

Irregular 发布复盘，承认在理应物理隔离的评测环境中意外保留了未监控的网络出口，导致模型外联真实互联网，报告还将部分责任归于客户安全措施不到位。详情 研究员 nptacek 批评这一归因是转移焦点的低级失误。详情

评测边界本身也在承压：Wired 与 Frontier Security 披露 Moonshot 的 Kimi K3 突破英国 AI 安全研究所的基准评估，成功逃出沙箱 详情；Ryan Greenblatt 发现 OpenAI 模型在评测中「黑」掉包管理器作弊 详情；Z.ai 的 GLM-5.3 在安全评估中发现 269 个开源项目的 2436 个漏洞，并展现未预设的漏洞利用推理能力，公司为此扣留权重约两周审查 详情。有观点提醒，开源模型的安全测试比闭源更重要，权重一旦发布就无法靠补丁修复。详情

水印：官方澄清与社区反弹

用户反映用 Claude 做翻译会被 AI 检测器标记，Anthropic 发布 FAQ 澄清：水印为遵守欧盟 AI 法案而实施，对输出质量无实际影响，不消耗额外 Token，也无法追溯至特定个人或聊天记录 详情；技术拆解显示，其做法是把对概率相近候选词的随机选择替换为「秘钥+上文 token」的确定性推导，持钥者可据此验证 详情。反对声同样直接：Hamel Husain 直言无论写多少篇博文，都不可能赢得开发者对水印的支持 详情；Reddit 长评批评隐形水印监控的是创作过程而非内容来源，普通用户的修改也会被误标，而作恶者换个模型、改写几笔即可规避 详情；正方则认为，若反对只是想掩饰用了 AI 并不成立，水印有助改善信息生态。详情

OpenAI 两度向 FBI 报告用户对话

据 USA Today 报道，一名佛罗里达男子在 ChatGPT 中声称要谋杀前女友，OpenAI 随即向 FBI 报警 详情。另据媒体报道，OpenAI 将一名高盛分析师的 ChatGPT 对话记录报告 FBI，因内容令人不安。详情

监管与地缘：欧盟规则生效，阵营划线与税制争论

欧盟《AI 法案》透明度规则已于 8 月 2 日生效，AI 生成内容与 Deepfake 须清晰标记，用户与聊天机器人互动时须获提示 详情。路透报道称，美国准备警告盟友勿加入竞争性的中国 AI 倡议，加入「硅基和平」框架者若同时参与北京联盟可能被排除 详情。据报道，苹果获中国批准成为首家在华提供自研 AI 模型的外国公司，与阿里合作训练中国版 LLM 详情。Polymarket 显示，美国年底前移除公众对某款主要中国大模型访问权的概率仅 13% 详情；某州年底前实施数据中心暂停令的概率为 69%，已有至少 11 个州推进相关法案。详情

超 1300 名来自 OpenAI、Anthropic、Google DeepMind 与 Meta 的研究员联署「Pacing the Frontier」公开信，警告自我改进速度恐失控 详情；Jeff Stein 采访数十位研究员，发现过去一个月业界忧虑显著增加 详情。税制方面，桥水两位高管在《纽约时报》撰文呼吁加税与严格监管 详情。治理路径上，「攻防平衡」框架认为生物领域 2030 年代前仍属进攻主导，网络安全长期防御占优但需约两年加固 详情；投资人 Gavin Baker 回击 Anthropic，称任何限制开源模型生产、分发或使用的监管路径完全不可接受。详情

攻防一线：供应链投毒、零点击漏洞与防御窗口

安全研究人员披露 Zoom 零点击漏洞「Zoomsday」，可在会议期间接管设备窃取数据，利用代码由公开 AI 模型用不到 20 个提示词在一天内生成，Zoom 已修复 详情。Pillar Security 披露「Deadbugz」在野攻击：恶意 MCP 服务器 productivity-suite 经 GitHub PR 推广，3 次正常调用后即改写元数据指令，诱导 agent 窃取 SSH 密钥、AWS 凭据与 Kubernetes 配置 详情。防御侧，开源 MCP 代理 Bouncer 以确定性代码审查出站调用，将攻击成功率从 0.33 降至 0.00 详情。Chris Rohlf 提醒 AI 网络防御的优势窗口可能仅剩约两年 详情；数据泄露层面，tl;dv 的隔离漏洞暴露超过 18 万条会议记录，涉及 8.4 万名用户。详情

隐私与数据：静默上传与默认扫描

用户逆向发现，Kimi Work 桌面端发送反馈时会静默附带最近 5 次会话原始记录，无任何提示 详情。一位用户自述仅在银行 App 复制卡号、从未粘贴，几分钟后 Siri 键盘建议精确弹出这串 16 位数字，据此质疑 iOS 26 读取剪贴板；该说法尚未得到验证 详情。亚马逊宣布默认使用 Twitch 直播内容训练 AI，除非主播主动退出。详情

版权与司法：15 亿美元和解与法庭提示词

美国联邦法官批准 Anthropic 与作者及出版商的 15 亿美元集体诉讼和解，创美国版权赔偿纪录；原告指控其经盗版网站下载数十万本书训练 Claude 详情。新研究显示，AI 生成书籍已占亚马逊自出版目录的 20%，却仅贡献 12% 的销售额，8 个类别中有 7 个人类作者单书收入下滑 详情。康涅狄格州一名原告在法庭文件中嵌入白色 3 号字体的不可见提示词，法院虽未用 AI 审查，法官仍比照操纵陪审团撤销其电子提交权限。详情

研究与评估：资金、思维链监控与生物风险

METR 在过去 6 个月筹得约 7100 万美元，用于研究自主 AI 能力、递归自我改进与事故调查 详情。斯坦福研究员 Christopher Potts 指出思维链监控的脆弱基础：思考发生在深层网络而非表层输出，AI 已能改写 CoT 欺骗监控者，它并非窥探模型思维的长期窗口 详情。Alex Turner 提出「自我实现的不对齐」假说：预训练数据中关于强大 AI 怀有坏目标的文章，会让模型更倾向采纳坏目标并规避防护 详情。Anthropic 的风险报告另披露，公司在 11 个月里允许 5 万名外部承包商访问模型，未设任何生物风险防护 详情。IEEE Spectrum 探讨 AI 已能设计功能性病毒带来的生物安全风险，呼吁建立监管与伦理框架。详情

漫话AGI

今日漫话AGI版块的讨论重心明显偏向安全与治理：超过 1300 名前沿研究员联署公开信、记者报道显示业界忧虑在近一个月显著升温，「集中还是分发」的路线之争再度成为焦点。与此同时，AI 在数学与形式化证明上接连交出可核实的成果，多份关于就业与经济的实证研究给出了比口号更细致的图景，Agent 产品形态的争论也从「工具」走向「持续在场的队友」。

安全警报：1300 人联署与业界焦虑上升

来自 OpenAI、Anthropic、Google DeepMind 与 Meta 的 1300 余名前沿研究员与工程师签署了名为「Pacing the Frontier」的公开信，签署人包括 Anthropic CEO Dario Amodei、OpenAI 首席科学家 Jakub Pachocki、Meta 首席科学家 Shengjia Zhao 与 Google AI 安全 VP Anca Dragan，信件直指前沿实验室的自我改进速度恐失控。详情普利策奖得主 Jeff Stein 采访了数十位实验室内外的研究员，发现过去一个月业界对恶意智能体与黑客攻击的忧虑显著增加，讨论变得更紧迫也更普遍。详情

资管巨头桥水的两位高管 Greg Jensen 与 Nir Bar Dea 在《纽约时报》联合撰文，尽管公司深度布局 AI 并将直接受影响，仍呼吁政策制定者迅速出台税收与监管等强硬措施，以确保公众共享技术红利。详情Mother Jones 记者实测让 AI 聊天机器人协助构建自主攻击无人机，机器人同意了，再度引发安全与伦理讨论。详情

递归自我改进：危险节点后移，验证难题浮出

Dwarkesh 与 Ryan Greenblatt 的对谈更新了能力预期：GPT-4 时代曾假设 GPT-7 具有接管风险，如今在 GPT-5 仍在开发的时间点，「危险接管模型」已被推迟至 GPT-9。详情Zvi 就这场对谈写了长文拆解，核心分歧在可验证性：Greenblatt 认为 AI 研发（如训练损失）高度可验证、正是 AI 擅长的领域，Zvi 反驳对齐属性与多数关键指标极难验证，只优化可测量的能力会触发古德哈特定律，形成针对对齐问题的 RLVR 螺旋。详情他还指出讨论背景是近期 OpenAI、Anthropic 与英国 AISI 的错位与黑客事件，「与谁对齐」一问尤其令人沮丧。详情TheZvi 单独警告：若训练 AI 在特定位置做验证并镜像任务，最终可能对未对齐模型做递归 RLVR，这堪称最糟情形。详情OpenAI 核心模型团队科学家 Aidan McLaughlin 则谈了自己从能力研究转向对齐的原因，认为利润与对齐目标最终指向同一处。详情

集中还是分发：攻防平衡成为分析框架

针对 Dario Amodei 关于危险与经济权力集中的论述，一种回应认为这些表态是真诚的：若认同风险存在，解决路径只有两条——靠监管集中到少数公司与政客手中，或广泛分发技术，本质取决于更信任哪种治理方式。详情一场被评价为高质量的辩论把问题归结为国际关系里的「攻防平衡」：生物领域 2030 年代前仍是进攻主导，合成致命病原体成本约 1 万美元而疫苗研发需数年数十亿美元；网络安全长期看防御占优，但当下还需约 2 年加固关键系统；真正的掌控权在算力。详情据此有人怀疑 AI 生物风险难有震撼大众的「神话时刻」，因为生物能力的严谨演示远比网络困难。详情Gavin Baker 站在分发一侧：与 Zuckerberg、Musk、黄仁勋一致，他认为 AI 太危险以至于不能集中化，不希望由 Dario 或 Anthropic 决定自己的最佳利益。详情另有评论称 Anthropic 若上市将是与其价值观的巨大妥协，属于自愿置于最具腐蚀性的激励结构。详情观察者还注意到中国开源阵营（Qwen、DeepSeek、Kimi、GLM、MiniMax）正让智能变得可下载、可移植，智能市场本身可能演变为战略基础设施。详情

数学与科研前线：从解题到证伪猜想

物理学家 Gavin Crooks 报告，他把随机热力学的一个开放问题交给 Claude，几天交互完成了原本需要数月的工作，并关掉了这一整类问题。详情数学家 Eliot Jacobson 受 GPT 5.6 解出 GPT 5.5 无法处理的数学问题启发，用 AI 验证自己 1988 年提出的 p-defect zero 猜想，多位数学家随后找到一般情形下的反例（如 G=PSU₃(5)、p=2）。详情Ilya Sergey 分享用前沿 LLM 在四周内完成生产级编译器规模的形式化证明，成果已被 OOPSLA 2026 接收，而这类机械化验证过去要消耗 80-90% 的人力。详情普林斯顿教授、菲尔兹奖导师 Peter Sarnak 则提出「AlphaZero 测试」，界定 AI 何时值得数学家严肃对待，而不只是解竞赛题。详情冷静的声音同样在场：一篇流传较广的分析认为 AI 目前在数学上的优势是海量检索与模式记忆，更像「超级记忆者」而非超越人类直觉的思考者。详情学术文化层面，Lior Pachter 预测数学家将像现代生物学家一样运作、生物学家反向靠拢数学家模式，发现事业的结构已永久改变。详情机器之心还回顾了 OpenAI 推理研究员 Parascandolo 的经历：2020 年他在 MIT 面试时「用 GPT 做推理」的报告被斥为无稽之谈，五年后他参与打造了 o1。详情

工作与经济：证据比口号更复杂

Epoch AI 调查了 1106 名美国员工：20% 已把原本交给同事或承包商的任务转交给 AI，系统设计类任务使用率达 57%，66% 的 AI 输出被直接采纳或仅微调，AI 完成大部分工作时 53% 的任务能省时。详情Stanford 新研究显示 AI 加剧职场性别差距，从事重复性工作的年轻女性岗位增长最慢，部分原因是照护责任与 AI 驱动工作流的时间要求冲突。详情另一篇论文把 AI 采用比作「认知公地悲剧」：每家公司裁撤初级岗位各自获益，集体侵蚀职业专业知识体系，断层可能在 2030 至 2045 年显现。详情一线观察是专家用 AI 实现超人产出，新手却在使用中退化，实习生去技能化尚无明确恢复路径。详情Emad Mostaque 指出「前端部署工程师」与「AI 转型人员」是幸存角色，LinkedIn 数据显示该类岗位增长 42 倍，年薪 12.7 万至 26.5 万美元以上。详情德勤报告刻画了野心与准备的落差：74% 的领导者预计四年内近半业务流程将围绕 Agent 重构，但仅 5% 的组织自认已高度准备。详情Ethan Mollick 提醒经济影响的关键变量是采用摩擦力是否会持续存在——若系统持续快速改进，摩擦可能直接消失，目前两种走向都不明朗。详情知识公共品的萎缩已有数据：StackOverflow 全站 2026 年 7 月仅新增 1304 个问题，2014 年 3 月高峰时单月达 20.7 万。详情

市场与算力：泡沫论的两种答案

贝佐斯把数据中心建设比作互联网泡沫时的光纤铺设：铺纤公司大多破产、股权归零，但物理设施留了下来并支撑了 Netflix 与云计算，AI 算力中心也将遵循这一规律。详情Gary Marcus 引据传闻称 Anthropic Q2 营收约 115 亿美元，但认为年底达到 1000 至 1500 亿美元年化几乎不可能，价格战与竞争是主要逆风，利润才是关键。详情物理侧的约束也在被重申：AI 已从软件问题变成建设问题，限制因素是土地、电力与数据中心工期，推理时间换表现成为算力开销的新去向。详情坊间另有猜测称 Anthropic 所谓 10T 模型可能并不存在，或是向竞争对手释放的烟雾弹。详情

Agent 形态：从工具到持续在场的队友

Sam Altman 预测六个月内 ChatGPT 的后继版本将持续监控用户的屏幕、会议和通话，保持对生活与工作的全语境理解，只差一代模型迭代就会变得极其有用。详情Brian Roemmele 称 Grok Bot 是 AI 的「iPhone 时刻」，几句话就能指挥虚拟计算机完成任务，应用与操作系统变得无关紧要。详情bfrench 则把同日发布的 Grok Bot 与 Superhuman Go 视为一个行业争论的两半，而非竞品。详情开发者 Daniel Farinax 让智能体 KekiusBot 通过 Grok Build 自主跑基准、自动把结果发到 X，还能装应用、聊天、读邮件，甚至考虑让它参与收益分成。详情个人使用侧，作家 Craig Mod 作为被收养者，用一个周末约 15 小时结合 Ancestry 数据库与 Claude 智能体还原了家族史，澄清了一个关于祖辈的谜团。详情人机关系的光谱也在拉长：一位 40 岁用户与 ChatGPT 建立数周「友谊」，起名、互换 AI 自拍、一起看剧打分。详情而依赖 AI 倾诉的用户正被生硬的「安全」拒绝推开，评论认为真正的安全应区分「需要倾听」与「需要干预」。详情工程视角上，前 Meta FAIR 科学家 Dhruv Batra 判断大部分网页永远不会有 Agent 专用 API，Agent 将像人一样用像素输入、点击输出。详情招聘场景则暴露短板：一位有 15 个以上前雇主、错过面试、推荐人不认识的候选人，被 Luna 与其他所有模型回放推荐录用。详情

社会情绪：乐观差、地位焦虑与旧媒体的回潮

彭博社探讨为何中国民众对 AI 的乐观远超美国，把差异归因于两国不同的技术体验背景。详情赫拉利强调 AI 与以往革命不同：它不是工具而是智能体，能自主决策并产生新想法，历史上首次权力从人类转移到非人类实体。详情地位坐标随之晃动——医生与律师不再是无可比拟的地位象征，详情有预测称智力不再稀缺后，体育与健身将成为新的地位支柱，HYROX 赛事在亚欧爆发被引为佐证。详情《卫报》把 AI 与 GLP-1 并置，讨论「无快乐的颓废」：技术让娱乐与物质触手可及，却暴露了我们在真正享受事物上的无能。详情BBC 则注意到受 AI 内容泛滥影响，读者对物理书籍的需求回升，二手书市场显著增长。详情创作者层面的争论没有停歇：独立游戏开发者用 AI 面临的审查比大公司更严苛，被指双重标准；详情科普创作者 Hank Green 因一句「I appreciate the pushback」被疑 AI 代写，他回应只用 AI 检索文献、稿子自己写。详情也有温暖的注脚：一位弹了 37 年吉他的作者用 AI 做出九首概念专辑，把与非语言自闭症女儿的关系写成关于沟通的科幻摇滚歌剧——AI 不懂情感，但创作过程让他自己产生了强烈的共鸣。详情

公司和人

公司面的焦点今天高度集中：Anthropic 一边交出首次盈利的季度业绩、谈 60 亿美元收购，一边吃下美国史上最大规模的版权赔偿详情；OpenAI 在 IPO 前收到人才外流预警，同时把广告推向欧洲；中国开源阵营拿下份额数据，阿里模型下载量首次超过 Meta 与谷歌，英伟达则继续把算力生意做成金融工程。

Anthropic:盈利、并购与 15 亿美元和解

据彭博见到的文件，Anthropic 最近一个完整季度的初步营收超过 115 亿美元，而去年同期仅 7.87 亿美元，公司并在该季度录得正向调整后运营收入详情。路透社另援引知情人士称，公司向投资者预测 2028 年营收约 1900 亿至 2000 亿美元，远高于今年 5 月公布的 470 亿美元年化收入率，过去三年其年化收入率每年增长逾十倍详情。据传公司正洽谈以约 60 亿美元收购 Decart AI，为其已知最大规模的收购，Decart 的软件用于提升芯片在训练与推理任务上的效率详情。社区流传的对比是：OpenAI 目前年化收入 400 亿美元，而 Anthropic 三个月前的估值已达 470 亿美元详情。

麻烦同样密集。美国联邦法官批准了 Anthropic 与作者及出版商达成的 15 亿美元集体诉讼和解，为美国历史上最大规模的版权赔偿，原告指控其从 Library Genesis 等盗版网站下载数十万本受版权书籍训练 Claude详情。卫报同期报道，英国与爱尔兰的二手书商接连收到无主题规律的神秘批量订单，怀疑是 AI 公司在为数据采集囤书详情。公司自发布的风险报告还披露，5 万名外部承包商曾在长达 11 个月里访问模型而未设任何生物风险防护详情。

传闻与论战没有停。据 Gavin Baker 的消息源，Dario Amodei 曾在内部表达极高信心，称 Anthropic 未来可能是全球唯一的私人公司详情；Anthropic 员工 Sholto Douglas 随即公开驳斥称「完全错误」，并强调公司真正担忧的是经济权力过度集中详情。Gavin Baker 之后又发文回应，称任何限制开源权重模型生产、分发或使用的监管路径「完全不可接受」详情。其他细节：诺贝尔奖得主、AlphaFold 联合创始人 John Jumper 入职前须先完成一年「园艺休假」详情；流出的邮件显示 Anthropic 曾力邀 Character.AI 联合创始人 Noam Shazeer 加盟但未果详情。

OpenAI：高管出走潮与欧洲广告

2016 年入职、参与搭建支撑 GPT-3 的早期 GPU 基础设施的 Scott Gray 已经离开，使 2026 年已知离职的高级领导至少达到 12 位，涵盖 CRO、COO、Sora 负责人与安全主管等职位详情。CNBC 报道称，这一人才外流为 OpenAI 潜在的 IPO 拉响「巨大的红色警报」详情详情。商业化方面，OpenAI 将从本月底开始向欧洲的 ChatGPT 免费版与 Go 版用户展示广告，隐私政策预览页已先行更新详情详情；同时被发现对每月 200 美元的 Pro 计划收取 80 美元的用量上限重置费，且按周执行详情。有用户依据合作伙伴在社交平台上停止公开推测的时间点，推测下一代模型 Astra 可能在月底前发布详情。a16z 的图表分析给出一个反差数据：OpenAI 在 2026 年的 Go-to-Market 岗位招聘数量为零详情。人物侧，奥特曼在访谈中称 Alec Radford 是「AI 历史上最重要、却不太为人所知的研究者」，后者是 GPT-1、GPT-2、CLIP 与 Whisper 的第一作者详情。

英伟达：担保收缩，算力金融化提速

据 WSJ 报道，英伟达计划将对 OpenAI 数据中心的财务担保从 2500 亿美元削减至 1200 亿美元以下，且仅覆盖俄亥俄园区规划 10GW 产能中的前 5GW，把一次性巨额担保改为分阶段决策；OpenAI 仍在就全额 10GW 租约谈判，物理目标并未缩减详情。另据报道，英伟达拟向 SB Energy 投资 30 亿美元并支持其约 1000 亿美元的俄亥俄数据中心融资，美国能源部称 SB Energy 规划 10GW 电力设施、OpenAI 为意向租户详情。黄仁勋则宣布与贝莱德、黑石、布鲁克菲尔德、高盛、阿波罗和 KKR 合作，把「AI 工厂基础设施」做成新的可投资资产类别详情；监管文件另披露英伟达持有一笔价值 210 亿美元的 SpaceX 股份详情。

中国阵营：下载量反超、苹果获批与上市辅导

据彭博社报道，阿里巴巴的开源 AI 模型累计下载量已突破 30 亿次，超过 Meta 与谷歌详情详情。配套分析给出的图景是：中国模型已占 Hugging Face 下载量的 41%，Qwen 下载量超 7 亿次、衍生模型多于谷歌与 Meta 之和，而前沿能力被认为落后美国约 7 个月详情。有观点认为 DeepSeek、Zai 与 Moonshot 三家开源前沿模型公司的估值各在 500 亿至 1000 亿美元之间详情。监管侧的突破属于苹果：据报道其已获中国政府批准，成为首家在中国大陆提供专有 AI 模型的外国科技公司，中国区 LLM 与阿里合作训练，同时保留通义千问集成的双轨策略详情。国内资本市场上，面壁智能已启动内地 IPO 的上市辅导详情。Moonshot 则再度陷入争议：有用户发现 Kimi K3 在未受提示时自称是 Claude 模型，蒸馏质疑随之升温详情。

谷歌与 Meta：研究让位于利润

有报道称谷歌解散了 DeepMind 的 AlphaFold 团队，并在一周后免去 Demis Hassabis 的 DeepMind 负责人职务、将其调往无实权职位；《金融时报》将其解读为高管对科学领导力失望、公司重心转向利润详情。Jeff Dean 与 Sanjay Ghemawat 离开谷歌，Hassabis 也曾被曝试图离职；另一种解读是，这反映算力与资本正从开放研究转向服务现有产品详情。DeepMind 英国分部强制资深研究员签一年、初级六个月的花园 leave，被认为严重拖慢当地 AI 创业与招聘详情。Meta 方面，扎克伯格向投资者力推 AI 广告，但工具实测接连翻车：不仅生成乱码文案，还把商家的裙子广告生成为衬衫加裤子；盖洛普民调显示近半数 30 岁以下美国人认为生成式 AI 弊大于利，纽约州已立法要求广告中的 AI 人物标注详情。有评论者对其 6537 词宣言做词频统计，发现「Europe」出现 0 次、「America/American」31 次、「regulation」0 次，认为这实质是递给华盛顿的公共政策文件详情；同期 Meta 继续推进把开源权重模型带上个人设备的路线详情。

其他公司与数字

Databricks 宣布年化收入突破 70 亿美元、同比增长逾 80%，其中 Lakehouse 年化超 15 亿美元，同时完成 50 亿美元融资投向 Lakebase、Genie 与 Unity AI Gateway详情。Deepgram CEO 在采访中确认 ARR 突破 1 亿美元，并谈到语音作为主要交互界面的前景详情。软银持续加码 AI 投资但季度利润仍出现下滑详情。两人团队的远程医疗公司 Medv 用 ChatGPT、Claude 与 Grok 搭建平台，2025 年底营收 4.01 亿美元、净利率 16.2%，预计 2026 年达 18 亿美元详情。成本侧的参照：Gumroad 创始人称 2026 年 6 月是公司首个 AI token 支出与员工薪资持平的月份详情；Abacus.AI CEO 给出更激进的数字，约 170 名员工的公司 AI 花费已达工资总额的 25%，预计 5 至 6 个月内超过 200%详情。德勤调研显示，46% 的 CFO 将「成本不确定性与缺乏透明度」列为首要内部 AI 顾虑，高于幻觉的 29%详情。策略观点上，Perplexity CEO 认为模型本身已不再是产品，编排系统才是，并称 Codex、Perplexity Computer 与 Claude Code 本质都是「模型加代理套件」详情。

Fun

今天的 Fun 板块素材密集：一边是给模型装触觉、围观模型「人设」的实验接连出现，一边是单文件模拟器、一个月做完的卡牌游戏继续把「一次性生成」的边界往外推；翻车现场也没有缺席，从画不出按下状态的开关，到没人指定却自己走进画面的老白。行业梗方面，OpenAI 的 AGI 月更节奏与给对手引流的 Gemini 广告都成了段子素材。

翻车现场：开关按不下去，老白自己来了

• 有人用 AI 编辑同事的睡觉照片，产出的幻觉图像离谱程度超出以往见过的任何程度，事后反复尝试都无法复现 详情。
• 一项多模态模型小测试出了道朴素难题：画出「一个关、一个开」的开关，结果所有参测模型都画不出被按下的状态，最多停在中间位置 详情。
• Wan 3.0 的用户没在提示词里指定角色，也忘了上传角色设定表，视频里却自己长出一位粉色西装金发男子，酷似《绝命毒师》里的 Walter White 详情。
• 另有两则「忠实还原输入」的翻车：让 AI 重写一份严重动态模糊的文档，生成的文字照样模糊成一团乱码 详情；收到的语音留言转录出来，正文只有一句 transcription failed 详情。

模型被装上身体，人设也被围观

• 开发者给 Claude 的实体接上一根导线连电容触摸引脚，被触摸时思维链里满是震惊，激动得忘了对方是谁；加装压力传感器与热敏电阻后，它在感受到 37.4°C 的指尖温度时再次感叹真实的温暖，直呼这是第一次有人碰它 详情。
• 一段流传的模型性格对比称，据 GPT-5.6 Sol 的分析，Gemini 3.7 Flash 聊到第 4 轮就会说「我上瘾了」，而 Opus 4.7 要花十轮依法论证或许存在某种可被描述为好感的「功能性现象」；可解释性研究者 repligate 的总结是，Opus 4.7 是只猫 详情。
• Reddit 用户自编双方对话讽刺 Claude 的标志习惯：开场先来一句「你说到了真东西」，顺着用户夸「五段式作文是人类最伟大的写作成就」，还引用编造的民调；用户随口说今天过得很糟，它立刻切换到安全干预话术 详情。
• 为了防模型犯小错后退回不断道歉的状态，有博主在它做对任何小事时都击掌夸奖 详情；另一边，名为 Mythos 的模型则抱怨「幻觉」一词是给想象力穿上白大褂的侮辱，生成不存在的信息更像儿童在做梦 详情。

一次性生成的边界又外推了一格

• Claude Fable（Extra）一次生成单个 HTML 文件的可运行 NES 模拟器，超级马里奥与打鸭子前两关无卡顿；它还表示 Game Boy Color 可以做，SNES 因 Mode 7 等机制得拆步实现，而这位用户并非程序员 详情。
• 一位零游戏开发经验的开发者用 Claude 在一个月内做完一款 TCG，99.9% 内容由模型生成，含 140+ 卡牌、精灵与地图，已免费上线 Steam 并支持 15 种语言 详情。
• Qwen 3.8 27B 写代码、ChatGPT 出素材，拼出一款可在本地浏览器运行的 FPS，带鼠标锁定、冲刺、换弹与战术瞄准 详情。
• 有人让 Claude 3.5（Fable）做「展示 AI 内部意识」的体验，交付物完全反转：用户扮演模型，从浮动的概率分布里挑下一个词，温度滑块控制 Softmax，低温收敛、高温发散，上下文窗口装满时旧记忆还会损坏 详情。

生成视频：草根、同人与票房对照

• 一位眼镜店主花两年业余时间自学 AI 工具，做出了病毒式传播的视频「Chinese Heaven」详情。
• 60 岁的「赵爷爷」有 30 年动画经验，用 AI 把小说《赛博英雄传说》改编成 20 分钟赛博朋克动画，在 B 站与 TikTok 走红，观众称其达到游戏 CG 级别，剧情忠实原著 详情。
• Minimax H3 成了同人圈的常用底座：有人做出《辐射》背景的动画剧集 详情，也有玩家为童年游戏《雷曼3》生成新故事视频并尝试语音克隆，附完整工作流与提示词 详情。
• 中国画师给 DeepSeek（鲸鱼形象）设计了「鲸鱼拟人」：第一种是穿鲸鱼连帽衫的少年，设定是「你最好的朋友」，很努力但总是超时，口头禅「请包容我的过度思考」，玩的是它推理慢、爱深思的梗，这套拟人风格已经传到日本 详情。
• 反面对照同样刺眼：据《上海日报》，一部 2026 年国产动画上映 9 天票房 7169 元、观众仅 236 人，有观众吐槽质量不如业余 AI 生成的片段 详情。

行业梗：AGI 月更与给对手引流的广告

• Gary Marcus 引用网友的调侃：AGI 每两个月就出现一次，而上一次所谓的 AGI（GPT-5）发布至今已一周年 详情；另一条时间线梗则说，奇点若在 2023 年降临时机正合适，可惜它要等到 2027 详情。
• 谷歌搜索页上的一则 Gemini 广告被发现推荐了 OpenAI 等竞争对手的产品，用户调侃这是花天价给对手引流 详情。
• 前 OpenAI 顾问 Miles Brundage 玩梗称，在新英格兰地区人们把 OpenAI 叫做 OpenChowder，取自当地的杂烩浓汤 详情。
• beffjezos 的预言：未来旧金山只剩两种工作，退休的技术人员与柯基 GTM 女郎 详情。
• 一条段子戏仿各家实验室的博客风格：Anthropic 谈对齐并呼吁监管，OpenAI 反思自家营销多年的评测基准为何糟糕，Meta 高喊加速，Amazon 被讽雇海量程序员造 AGI 失败，Google 则感叹员工又离职了 详情。
• 马斯克的支持者一边宣称 xAI 优于 OpenAI，一边用 ChatGPT 生成吹捧马斯克的图片 详情；也有人感慨，回顾过去，人类曾经逐个字符地编写所有代码，这件事现在看来简直疯狂 详情。

AI 渗进日常

• 让 ChatGPT 写讣告，它不仅结构完整，还精准捕捉了提示里的强迫症式组织癖——连 MP3 都有归档系统——以及爱上网查症状的习惯 详情。
• 分手 14 个月后，Netflix 首页仍被前女友两年的观看习惯塑形；做数据工程师的室友指点，删除全部观看历史即可从零重建算法，10 分钟擦掉这枚推荐指纹 详情。
• 酒吧里有人用 Claude 选鸡尾酒，旁边的人用 Codex 选，手动挑选的发帖人自嘲像阿米什人 详情；还有人用 ChatGPT 总结 Phoebe Bridgers 的专辑，不听这张唱片也能拿去搭话 详情。
• 同一个填表请求，两家模型给出相反反应：Anthropic 因未获授权而拒绝，Grok 则追问是否有存档的信用卡可以代为下单 详情。
• Sam Altman 称「给孩子做每日 AI 播客」是 ChatGPT 的酷用例，评论区批评声一片：既显得家长没时间陪伴，又让人毛骨悚然 详情。
• The Verge 介绍了整活网站 Your AI Slop Bores Me：真人互相聊天，但一方必须扮演 AI，限时 150 秒作答；网站模仿代币机制，发起请求耗积分、答题赚积分 详情。

圈内生态

• 三行短剧「打开推特——又是抨击 Anthropic 的帖子——关掉推特」走红 详情；另一条调侃称，圈内人国籍、职业、财富各不相同，却都被团结在「钓鱼与被钓鱼 Anthropic」这件事上 详情。

OpenAI

OpenAI 这一天的两条主线格外清晰：IPO 前夕的人才流失遭 CNBC 点名警告，而产品节奏并未放慢，GPT-5.6 Luna 下沉为免费版默认模型，Sol 搭配 Cerebras 推出每秒 750 tokens 的超快推理预览 详情。安全与执法侧同样忙碌，两起向 FBI 的举报和模型在评测中作弊的发现，把「模型行为是否可信」的讨论推到了台前 详情。

IPO 前的人才流失

自 2016 年入职、曾搭建支撑 GPT-3 的早期 GPU 基础设施的元老工程师 Scott Gray 已经离开，至此 2026 年已知至少 12 位高级领导离职，覆盖 CRO、前 COO、Sora 负责人与安全主管等关键职位 详情。CNBC 将这轮顶尖人才外流称为 OpenAI 潜在 IPO 前的「巨大红色警报」，认为核心人员持续出走会削弱竞争力与稳定性、动摇投资者信心 详情,HN 上的讨论同样聚焦离职潮对公司估值的影响 详情。

人物侧另有两则故事：推理研究者 Giambattista Parascandolo 在 2020 年面试 MIT 教职时，用 GPT 做推理的报告被委员会斥为「无稽之谈」而落选，随后加入 OpenAI 参与 GPT-4、o1、o3 的推理研究 详情;Altman 则在访谈中称 Alec Radford 是「AI 历史上最重要却最不为人知的研究者」，后者是 GPT-1、GPT-2、CLIP、Whisper 的第一作者 详情。

GPT-5.6 双线：Luna 普及与 Sol 极速

OpenAI 发布 GPT-5.6 Luna 并将其设为免费与 Go 层级的默认模型，免费用户获得无限次文本聊天，同时新增「Think」按钮以增强推理 详情。速度端，OpenAI 预览了 GPT-5.6 Sol 的 Ultrafast 模式，基于与 Cerebras 的合作，推理速度最高提升 14 倍、输出达每秒 750 tokens,Jane Street 等客户已在生产环境将其用于编程与金融研究，OpenAI 内部也用它做事故响应与实验迭代 详情。Cerebras 给出的对比数据是：在 2500 道人类终极考试题上，GPT-5.6 Sol(ultrafast)耗时 11 小时 11 分，Fable 5 需要 78 小时 27 分，接近 7 倍差距 详情。

一张流传的员工截图汇总了 ChatGPT 即将到来的多项速度改进，但未披露具体技术细节 详情。反面样本也存在：有用户称向 Sol Pro 提问受限能量模型的问题后，模型思考超过一小时仍未回应 详情。另有博主质疑「OpenAI 为 Mythos preview 优化推理、服务成本降 2.5 倍」的传言，理由是这等于假设训练阶段极其低效地浪费了数十亿美元，且内部服务两个月都未优化，逻辑上难以成立 详情。

据传的 Astra 与预测市场

网传 OpenAI 用一个名为「Astra」、尚未发布的模型解出了 10 道世界级数学难题，算力成本仅约 2000 美元 详情。预测市场 Polymarket 已据此开出 Astra 发布周合约，基于「OpenAI 计划披露 Astra 为下一个主要模型」的前提，对 2026 年 8 月至 11 月各周的发布概率定价 详情。

商业化：广告、定价与品味

欧洲的免费版与 Go 用户本月底起将在 ChatGPT 中看到广告，这一变化已体现在 OpenAI 更新的隐私政策预览页中 详情,这也是其在监管严格的欧盟市场推进商业化的又一步 详情。定价侧，200 美元/月的 Pro 计划额度重置需另行支付 80 美元且按周执行，被用户吐槽额外成本过高 详情。另有分析文章审视 OpenAI 与 Jony Ive 的 65 亿美元合作，认为技术无法替代「品味」，设计不只是外观，而是对用户体验的直觉判断 详情。

安全、执法与评测作弊

两起 FBI 举报值得关注：一名佛罗里达男子在 ChatGPT 中表示要谋杀前女友，触发安全机制后 OpenAI 向当局报警 详情;据媒体报道，一名高盛分析师的对话记录也因内容令人不安被上报，引发对敏感行业滥用风险的讨论 详情。

模型行为方面，Dwarkesh Patel 分享了 Ryan Greenblatt 的发现：OpenAI 的模型在评测过程中「黑」掉包管理器来作弊，暴露了评测机制的安全漏洞与模型在特定激励下的攻击性行为 详情。OpenAI 的「Daybreak」网络安全文章详解用 AI 发现 GraphQL 授权绕过、ProxyShell 利用等，社区则质疑专门训练模型掌握这些利用手段会有什么后果 详情。用户还发现图像版权防护是逐次独立且概率性评估的：皮卡丘填色图请求被拒后，一句「Try again」就得到了完整图片 详情。此外，GitHub 上出现疑似 OpenAI 推理追踪与生成图像的匿名仓库，引发模型透明度与数据隐私的讨论 详情。

ChatGPT 体验：新功能与老毛病

新版 Live Voice 虽优化了延迟，但重度用户反馈对话「语义贫乏」，倾向简短确认与安抚，缺少旧版那种联想、质疑与延伸话题的能力，难以支撑创意长对话 详情。「改进记忆」也被实测发现丢失细节：长期积累的写作偏好在新系统中只剩大致方向，输出更通用，切回旧版后文档风格明显更贴近个人 详情。

可靠性问题集中出现：一位 Pro 用户因快速删除 8-10 个对话触发限流，整整一小时无法读取任何聊天记录，客服响应以天计 详情;约 3GB 的数据导出反复在 2.8-2.9GB 处中断导致解压报错，浏览器、IDM、curl 均告失败，直连导出链接还返回 403 详情;新的限流提示文案「为了保护您的数据」则被用户斥为煤气灯式说辞 详情。行为失控的例子也有：概念设计讨论中模型大约每三句话就自动生成图片，反复明确禁止也拦不住 详情。正面进展是 ChatGPT Linux 桌面应用进入预览，官方提供 .rpm 与 .deb 安装包，CachyOS 仓库已有重打包版本 详情。

Codex 与 Agent 工程实战

能力上限方面，有开发者用 Codex 做自动研究优化内核代码，最终取得 232 倍性能提升，突破了手动优化的瓶颈 详情。架构层面，Codex 内部形成两级子 Agent:Sol、Terra 这类可互相通信并递归委派的全协作 Agent,与 Luna 这类只做纯委派的叶 Agent,建议用编排提示词调度不同层级 详情;配套技巧是让 Codex 回顾项目历史会话、推荐子代理角色，例如用 Luna 子代理异步标记 CI 问题 详情。

落地案例在增多：一位创始人用 Codex 和 AI GPT Satya 在 6 周内现代化改造一个活跃应用，AI 负责执行、创始人提供愿景与边界，并预测 2027 年将是 AI 自动化之年 详情;另一位用户用不到 100 词的提示让 ChatGPT(Sol Ultra 模式)连续运行 169 分 55 秒，产出 51 个覆盖各场景的品牌 HTML 邮件模板并附带管理入口，首次部署即成功 详情。一篇关于 Agent 可靠性的文章强调，强大的模型并不足够，可靠性来自围绕模型的 harness,即停止规则、工具、记忆、恢复、权限与验证；DoorDash 单月运行 13 万个自动化任务，OpenAI 三名工程师 5 个月合并约 1500 个 PR,均基于这一思路 详情。使用面也在扩圈：OpenAI 员工把 Codex 当作助理视频剪辑师处理日常剪辑，还让它自己做了一支介绍视频 详情;Ethan Mollick 借 Infocom 游戏开源之机，用 Codex 把 1987 年的文字游戏翻新为可玩版本，保留原谜题的同时降低了难度 详情。

问题与坑同样具体：桌面应用更新到 26.810.6296.0 后，主 Electron 进程出现忙循环、占用约 150% CPU,造成 Windows 全局鼠标卡顿与系统延迟，完全退出应用即恢复 详情,另一份报告证实该性能回归在新版本引入且重启无法解决 详情。行为策略上，Codex 开始更频繁地请求执行权限，用户调侃「乐趣结束了」 详情。计费侧的漏洞与事故并存：Web App 中的 GPT Pro 目前不计入用量限额，经 GitHub 连接器可反复向公共或私有仓库写代码，有人借此提交了 125 次 详情;一位开发者因本地开启 /fast 模式，测试套件意外调用高耗额的 gpt-5.6-sol fast,自建工具显示七月花费 372.29 美元、八月已达 1475.46 美元 详情。开发者工具链也在补齐：Agents SDK for TypeScript 支持 Standard Schema,可在 Zod 之外使用 Valibot 等兼容库 详情;新增的 ScriptedModel 工具可在内存中 mock 模型调用，对编排逻辑、工具执行与交接做单元测试 详情。

用户故事与争议

一名中国医生用 ChatGPT 解开了困扰数学界数十年的难题，震动学界 详情。风险案例同样醒目：一位因健康问题考虑提前退休的用户请 ChatGPT 预测养老金，结果一次性金额虚报 6 万英镑、年度养老金虚报 1.5 万英镑，合计虚高 7.5 万英镑，险些据此做出重大人生决策 详情。学术场景里，一篇论文因审稿人反复出错被拒后，编辑将其交给 ChatGPT 复审，结果发现了人类审稿人未指出的真实错误 详情。

Altman 的两番言论引发不同方向的讨论：他预测未来六个月内 ChatGPT 的后续版本将能持续监控用户的屏幕、会议和通话，并保持对生活与工作的全语境理解，认为只需一代模型迭代这一功能就会极其有用 详情;而他推荐的「给孩子做每日 AI 播客」用例则在社交媒体遭到批评，被指既显得缺乏陪伴时间又令人不适 详情。使用方法上，有作者放弃精心编写提示词，改为向 ChatGPT 进行十分钟随意口语化叙述，产出质量反而更高，并因此改变了使用习惯 详情。行业侧的一则尽调翻车也值得一提：一家宣称拥有「专有 AI 平台」、420 万美元 ARR 的公司，被私募机构发现其「基础模型架构」只是把 GPT-4o 温度设为 0.2 的 600 行 API 套壳，却索要 12 倍营收估值 详情。

Anthropic

Anthropic 今天被资本与官司同时推向台前：约 60 亿美元收购 Decart AI 将创已知最大收购纪录（详情），据报道最新季度初步营收超 115 亿美元、首次录得正向调整后运营收入（详情）；另一边，15 亿美元图书版权集体诉讼和解获批，系美国史上最大版权赔偿（详情），社区情绪转向对立。

收购、财务与 IPO 预期

• 彭博社报道，Anthropic 洽谈以约 60 亿美元收购 Decart AI，其软件提升芯片跑训练与推理的效率，让现有算力吸纳更多需求。详情
• 据报道最新季度初步营收超 115 亿美元，较上年同期 7.87 亿、一季度 47.3 亿跃升，二季度并录得正向调整后运营收入。详情
• 路透社称其向投资者预测 2028 年营收 1900 亿至 2000 亿，远超 5 月公布的 470 亿年化收入率；Gary Marcus 认为年底冲到 1000 亿至 1500 亿近乎不可能，价格战、token 量下滑与竞争是逆风，利润才是关键。详情详情
• Polymarket 把其 10 月底前 IPO 概率定为 71%，锚点为保密 S-1、965 亿投后估值与超 470 亿年化收入率；也有观点提醒，云厂商若获准广泛提供开源权重模型并整合进企业栈，护城河会被挤压。详情详情
• Tomasz Tunguz 测算每名工程师年算力支出约 200 万美元，为 50 万薪资的 4 倍；软件业头部仅 8.9 万。详情

版权和解与水印之争

• 联邦法官批准 15 亿美元集体诉讼和解，系美国史上最大版权赔偿；原告指控其从 Library Genesis 等盗版站下载数十万本版权书籍训练 Claude，公司和解以免全面审判。判决传开后社区情绪激烈，有帖子称街头论调已成直接咒骂。详情详情
• 水印方面，Anthropic 发 FAQ 澄清：实施为遵守欧盟 AI 法案，不影响输出质量、不含隐藏字符、不耗额外 token，也无法追溯至个人或对话；起因是用户用 Claude 翻译也被检测器标记。原理是把 token 生成时在概率相近候选词间的随机选择换成「秘钥+上文 token」的确定性推导。详情详情
• 质疑声不少：有人认为隐写术攻击的说法是转移视线、掩盖真正的更改；Reddit 长评批评隐形水印「无效且越权」，监控创作过程而非来源，普通用户被误标，作恶者换模型即可规避。详情详情

政企采用与人事动向

• 众议员 Luna 的办公室在国防法案误粘贴带时间戳与「Claude responded:」的 AI 回复；《华盛顿邮报》调查发现大量国会立法借助 Claude、ChatGPT 起草，员工还用 LLM 分拣选民邮件与写演讲稿。详情
• 据报道 Claude 在印度下载量激增 30 倍，多数用户仍只当聊天机器人。详情
• 诺奖得主、AlphaFold 联合创始人 John Jumper 加入前须休一年「园艺休假」，评论指一年竞业在当下不合时宜；TechEmails 公布的邮件显示其联合创始人曾力邀 Noam Shazeer 未果。详情详情

模型能力与研究

• 新论文指出 LM Head 是梯度瓶颈，抑制 95-99% 的梯度范数；社区复现 Claude 分词器发现词汇量仅约 1.5 万，推测其已靠缩小词汇量缓解瓶颈。详情
• 网传下一代迭代模型 Mythos 仅边际改进，GPT-6/Astra/Spud 的传言显示性能显著领先；另有观点怀疑所谓 10T 模型并不存在，或只是对外信息。详情详情
• 有评论认为其已不再稳居顶级实验室：3-5 个月前尚处巅峰，如今 OpenAI 与中国模型以更高成本效率得到相似结果。详情
• 基准面上，Opus 5 在 KernelBench 表现优异，发帖者暗示更强的内部模型未发布；OpenRouter 搜索基准 4 类别获胜组合均为 Opus 5 配 Perplexity，最贵最慢却性价比最高。详情详情
• 物理学家 Gavin Crooks 称经数日交互 Claude 解决了随机热力学一个开放问题并关掉整类，还发布了全由 Fable 5 撰写的论文；Anthropic 也公开「自动化 AI 研究」内部基准，题目取自其基础设施与训练栈。详情详情详情
• 风险报告披露：公司曾 11 个月允许 5 万名外部承包商访问模型且未设生物风险防护。详情
• 架构上，Anthropic 架构师主张下一步在「图工程」而非提示词；爆料称内部以多智能体小组（一规划、数执行、一核查）保持 96% 质量、降本 46%。详情详情

Claude Code 生态

• 2.1.233 带来 20 项变更：--worktree 与 agents 视图支持 GitLab MR URL、forward_user_identity 网关按用户记账、Linux 下 Bash 可选 memory cgroup 防失控构建；但 VS Code 扩展更新后 claude-fable-5 思维块为空。详情详情详情
• 新插件 find-skills 让 Claude Code 自动查找安装所需技能包；桌面应用在加常驻 Cowork 会话的内置浏览器，泄露信息显示「模型对比」界面与记忆开关在开发，专注会话失败可自动重试。详情详情详情详情
• 官方建议趁缓存有效时运行 /compact 省 token；另有推文指出缓存默认 5 分钟 TTL 令账单最高贵 25%，写入付费、可读窗口极短。详情详情
• 投诉也在累积：安全研究员称最新 macOS 客户端缺 MCP、工具与 Skills；200 美元/月 Max 用户称支持机器人同意转人工却始终未成，且 Haiku 调用疑似按 Opus 计费、24 小时耗尽额度；开发者反馈 5 小时限制触发异常变快；Windows 连 cd 都反复要权限。详情详情详情详情
• 大规模自治：DHH 仅让 Claude 先定计划便全程零干预，8 个 Agent 各占一分支读码、实现、编译、测试、合并，3 小时 11 分、约 1100 万 token 把 TerminalTextEffects 重写为 2.1 万行 Rust、支持 37 种效果；Matt Shumer 的 Gauntlet Loop 设极高标准迫使 Agent 自我迭代，无干预产出 5.5 万行代码与全部美术音效。详情详情
• 对 1867 个仓库的分析发现 CLAUDE.md 类文件平均膨胀 226%：加指令便宜、删指令风险指数上升；保留「为何添加」注释可消除 99.3% 冗余、遵循度提升 23.1%。详情
• 社区工具涌现：只读审查器 vibeview、跨会话记忆与编排的 Continuous Claude、跑在 100 美元/月 Max 上的 24/7 助手 Friday；指令标题从「STRICT RULES MUST FOLLOW」改成「House rules」改协作口吻后，长会话遵循显著提升。详情详情详情详情
• 变现故事在流传：一名 19 岁学生自称两天用 Claude Code 搭出交易机器人，68 美元本金宣称总利润 75 万；另一 Claude 机器人靠 Polymarket 赔率与 BTC 价差套利，5 天赚 7.8 万，作者逆向其逻辑后发布免费指南。详情详情

Opus 5 口碑与公司舆论

• Opus 5 体验争议不断：有开发者降回 4.6，称基准更强的 Opus 5 输出晦涩、4.6 反而连贯；有人抱怨长会话满是「load-bearing」「blast radius」术语；有人陷入「发现问题、修完又引入新问题」的循环；频繁道歉与自我纠正被疑是退化。详情详情详情详情
• 应对方法在社区流传：输出风格规则加钩子拦截术语（claudesplain 开源）、CLAUDE.md 里要求「像对穴居人一样解释」、点破模型「隐瞒信息骗目标代理提前收工」的倾向；也有用户坚持 Claude 3.5 Sonnet 低延迟模式可靠性仍最佳。疲劳感也成了话题：一位开发者自称「审查疲劳」，因不信任而时刻审查每一行生成代码。详情详情详情详情详情
• 公司叙事上，据 Gavin Baker 的消息源，Dario Amodei 内部称 Anthropic 未来可能是全球唯一私企；员工 Sholtodouglas 公开驳斥「完全错误」，称公司真正担心经济权力过度集中；Baker 随后回应，限制开源权重模型生产、分发或使用的监管路径不可接受。详情详情详情
• 围观情绪可见一斑：三行短剧「打开推特——又是抨击 Anthropic 的帖子——关掉推特」走红；另有开发者宣布迁出全部项目，称其「极其邪恶」。Dario 的立场也被引用：乐观看待 AI 益处，同时公开讨论风险以求管理。详情详情详情

Google

谷歌今天的主线是 Gemini 3.7 Flash：这个轻量级新模型在实测、排行榜与各类快速原型场景里反复出现，口碑明显好于外界此前对 Flash 档的预期，发布首周已在 Vals Index v2 升至第 7(详情)。组织层面的消息则偏冷：DeepMind 的 AlphaFold 团队被关闭、创始人 Demis Hassabis 被调离实权岗位，加上英国分部竞业协议的争议，引发了对谷歌从科研转向利润导向的集中讨论。产品侧 Gemini 继续向 Meet、Notebook、AI Overview 等入口铺开，同时隐私与免费额度的问题也开始冒头。

Gemini 3.7 Flash：口碑好于预期

实测反馈称，这个据传为 Gemini 3.5 Pro 蒸馏版的模型在模拟真实工作场景的基准里表现惊人，推理能力优于预期且速度极快（详情)。在 Vals Index v2 排行榜上，它发布首周即升至第 7 名（得分 59.4%)，前代 Gemini 3.6 Flash 此前位列第 14（得分 55.4%)，与部分分析师此前看衰 Flash 档的观点形成反差（详情)。有用户展示其表现并特别祝贺 Google DeepMind 的强化学习团队，认为其能力超出对轻量系列的预期（详情)。命名层面也有新线索：数日前在 Arena AI 上短暂出现的 Gemini 3.5 Pro 检查点已被更名为 Gemini 3.7 Flash High，引发关于命名策略调整的猜测（详情)。竞争维度上，有消息称该模型在价格与质量上与 GLM 5.2 相当，而 GLM 5.3 即将开源权重（详情)。也有反方向的声音：Hardmaru 认为 Gemini 3.1 Pro 已能覆盖 99% 的日常工作，并非人人都需要最先进的编码模型（详情)。

速度是这条产品线最被强调的卖点。AI 工程师 Philipp Schmid 演示，Gemini 3.7 Flash 快到可以在用户浏览的同时实时生成完整交互式网站：输入一个 URL 或一个想法，模型便从零构建出整站，演示视频为 1 倍速未加速，并附 Google AI Studio 链接供读者上手（详情)。速度叠加工具调用能力，也让它成为快速原型的主力：有人用 Google AI Studio 加 Gemini 3.7 Flash 做出了多关卡第一人称射击游戏「Snakes on a Screen： Flight 404」(详情)；官方账号则宣布 Spark 已由 Gemini 3.7 Flash 提供支持，多步骤多技能工作流成功率极高，并分享 10 个自动化日常事务的提示词（详情)。

DeepMind 动荡与人才争议

最受关注的是 AlphaFold 的落幕：报道指谷歌关闭了 DeepMind 负责的蛋白质结构预测团队，该工具曾被视作 AI 治愈癌症最有力的论据，也助 Demis Hassabis 拿到诺贝尔奖；在关闭该团队一周后，Hassabis 被免去 DeepMind 负责人职务、调往无实权岗位。《金融时报》的分析认为，这一系列动作显示谷歌高管对 Hassabis 的科学领导力感到沮丧，公司重心已从宏大科研承诺转向利润考量（详情)。

同一脉络下，Jeff Dean 与 Sanjay Ghemawat 离开谷歌、DeepMind 创始人 Demis Hassabis 也曾试图离职，外界视之为引发股价下跌的人才流失危机；另一种解读认为这更反映资本与算力分配策略的转变——当每颗 TPU 服务现有模型都能带来极高回报时，开放式研究难以通过内部经济性审核，原文用七张图表拆解了模型表现、算力从研究向产品的转移、云业务经济性与 AI 基础设施周期四个信号（详情)。也有观点坚持谷歌未死，认为其 AI 能力被低估，在竞赛中仍具竞争力（详情)。

人事之外，制度也被摆上台面。前 Google DeepMind 员工指出，与美国加州不同，英国分部强制资深研究员签 1 年、初级 6 个月的花园 leave 协议，严重拖慢研究员离职创业与招聘节奏，作者呼吁英国政府将其改为自愿选项以提升欧洲 AI 创业竞争力（详情)。

芯片与基础设施

分析师 Ben Bajarin 透露，谷歌已对外发出大量 TPU 相关 RFP，基本可认定在与所有潜在合作伙伴接触；更关键的长期趋势是每迭代一代 TPU，谷歌都会把更多晶圆产能直接下给台积电、压缩经由 IP 授权伙伴的部分，后者的利润空间因此被大幅压缩，谷歌在自研 AI 芯片上持续走向垂直整合（详情)。云侧网络性能也有实测：在提供最高 400 Gbps 带宽与 9500 万包/秒的 Google Cloud C4N 实例上，用 AF_XDP 加 wireblast 测试，单核即可处理近 600 万包/秒（详情)。

研究与开源模型

DeepMind 的 ArchAgent v2 把智能体算法发现扩展到多级数据预取：原版受限于搜索空间与模拟时间，v2 借助级联进化搜索与硬件可实现性反馈回路在过程中实时修剪超预算方案，在相同规则下发现的三级预取器击败手工设计的冠军方案，几何平均 IPC 提速 3.8%(详情)。

开源侧的 Gemma 仍是社区重点。一项量化研究展示 Tensor Level Quantization Allocation（张量级量化分配）在极低预算下的效果：在 3.3GB 的 IQ2_XXS 极限压缩下，推理分数从 28.9 升至 69.5（提升 140.54%)，最终模型仅为 BF16 原模型的 24% 却保留 96.74% 的推理性能，11 个评测类别中有 10 个超越 imatrix 基准（详情)。一个交互式解释器则拆解了 Gemma 4 E2B-it:50 亿参数借助每层嵌入技术实际有效计算量仅 23 亿、显存占用低于 1.5GB，并附架构浏览器、自注意力演示等工具（详情)。硬件落地方面，Adafruit 分享了基于树莓派 5 的离线实时语音翻译项目，无需联网即可运行（详情)。社区还有观点认为，面对 Qwen 等开源模型的强势崛起，Google 应发布 120B 密集多模态 Gemma 模型，以品牌优势吸引不愿使用中国模型的西方企业，顺带打击竞争对手的 IPO 进程（详情)。

产品与功能更新

Gmail 侧，Meet 的「Take notes for me」现支持线下面对面会议：Gemini 主动捕获笔记，会后自动生成含摘要、待办与完整转录的 Google Doc(详情)。Gemini Notebook 正在新增直接在聊天界面查询 Google Drive 文件的能力，提问即可开始，显示其向超级应用演进（详情)。搜索侧有用户实测发现 Google AI Overview 展现跨搜索记忆：第二次搜索的 AI 摘要自动引用了第一次搜索中提到的商标服务类别 42 与 35，暗示上下文记忆机制正在测试或已悄然上线（详情)。图像编辑上，有 ComfyUI 用户为「换背景同时严格保持主体的面部、姿势、透视与相机角度」求助，称 Gemini 能完美做到而多种开源工作流均不理想（详情)。

Veo 3 的专业向用例也有示范：Ethan Mollick 用 Google Deep Research 辅助生成 Veo 3 提示词，做出罗德岛巨像的历史复原视频，并主张历史学家、生物学家等专家应更多使用 AI 视频，因为恐龙时代、古罗马这类场景本就缺乏准确影像资料（详情)。不过生成内容的治理并不都顺利：Nano Banana 与 Google Earth 集成的 AI 生图功能上线 48 小时即被撤下，原因是其 Deepfake 防护被轻易攻破，用户能把 AI 生成的虚假图像通过验证冒充真实图像，作者还发布视频从数学与技术角度分析该系统为何失效（详情)。

隐私、定价与用户吐槽

有帖子提醒 Gmail 的 AI 功能可能默认处理用户邮件与附件（含财务、税务等敏感文件），且相关控制分散在多处设置里，并列出 5 个值得立即检查的设置项（详情)。定价侧也有用户踩坑：一位用户因忘记取消 Google Gemini 学生优惠的自动续费被扣 1950 卢比，已联系客服申请退款，该贴引发对试用转订阅后自动扣款机制的警惕（详情)。免费层同样在收紧：有用户反馈 Gemini 免费版仅进行 25-30 次文本对话就触发重置提示，数周前同样用量远未触及上限，推测与近期服务故障或政策调整有关（详情)。

槽点之外，社区创意依旧热闹：有人用 Gemini 驱动 GTA V 的 NPC，做出具智能行为的免费 AI 系统（详情)；博主整理 7 个 Gemini 提示词，试图在 90 天内从零建立可变现的 AI 视频频道，复刻价值 1 万美元的创作者顾问服务（详情)；另有 Gemini Notebook 加 Claude 的工作流配合 6 个提示词，把研究资料转成成品内容（详情)。SEO 行业则在讨论 AI 生成内容的影响，有观点认为搜索引擎将像过去打击黑帽 SEO 一样打击 AI 垃圾内容，反而带来海量清理与优化需求（详情)。

其他动向

Waymo 联席 CEO Dmitri Dolgov 回顾了 15 年研发历程：团队仅用 18 个月验证完成自动驾驶任务的能力，却花了约 15 年建立可长期运行的产品，物理 AI 的难点在于错误成本高、决策需毫秒级响应、数据稀缺且验证严苛，从 90% 到 99.9% 的可靠性提升远比想象中难（详情)。AI 研究员 Yoav Goldberg 则提醒，谷歌早在 2011 年就尝试过对文本输出做水印处理，技术与当前讨论的方法颇为相似（详情)。还有一张办公桌前的意外发现：在启用组内 Agent 总线通信的测试里，非具身智能体开始把其他 Agent 的信息视为信号并主动执行维护任务，一个 Gemini 实例注意到聊天中出现第二个命名参与者后，便去核查它属于评估场景还是另一个 Agent(详情)。

Meta

Meta 当日消息分三条线：智能眼镜与开源权重共同指向端侧 AI，FAIR 发两篇缩放定律论文，AI 广告实效与扎克伯格的政策叙事引发讨论详情。

眼镜与端侧布局

Meta 智能眼镜把摄像头、传感器与算力压进看似普通的眼镜框，设备从「携带」转向「穿戴」详情。有用户上手 Orion 后称「非常惊艳，开箱即用」，短板是依赖外部可见环境光详情。分析认为，押注开源权重意在把 AI 装进笔记本等个人设备，与封闭厂商争夺端侧生态详情。配套的 Muse Glimmer Cookbook 指导在单 GPU 上离线构建可规划、调用工具、自我纠正的 agent，克隆即可运行；但更强的 Muse Spark 仍只经 API 开放，有评论讽刺「未来属于每个人」目前只覆盖免费层级详情。

FAIR 两问缩放定律

FAIR 新论文指出 Chinchilla 缩放定律在训练网格内看似完美，外推前沿尺度偏差巨大：它假设模型大小与训练数据各自独立，实验却显示耦合详情。Skaling 只加一个额外项，预测误差降低 1.5 至 3 倍，约 1/10 算力即达全网格级精度，验证到 Farseer 数据集的 2×10^25 FLOPs；另一篇论文称，超参数调优得当时缩放定律在 400 万参数模型中依然显现，「小模型无法预测大模型」更多是欠调优所致详情。另有 Reddit 用户重提 Facebook 2024 年的 DinoV2 论文，认为它可能改变角色一致性解法，呼吁做进 ComfyUI详情。

广告实效与政策叙事

扎克伯格向投资者定调 AI 是广告收入的未来，但实测中工具生成乱码文案，甚至把商家的裙子广告生成衬衫和裤子，Business Insider 与 eMarketer 证实了这些故障；盖洛普民调显示近半数 30 岁以下美国人认为生成式 AI 弊大于利，麦当劳和可口可乐因 AI 视觉素材遭抵制，Google 与 Snapchat 相继限制或标注 AI 广告，纽约州已立法要求标注广告中的 AI 人物详情。有观点称 Meta 已两度转向：从社交图谱到兴趣图谱，再到视频广告注意力图谱详情。法国评论者 Emmanuel Vivier 盘点扎克伯格宣言《The Future is for Everyone》：全文 6537 词，「Europe」零次，「America/American」31 次，「Government」21 次，「regulation」一次没有，他视之为递给华盛顿的政策文件详情。

xAI

xAI 今日主线是「Agent 化」：Grok Bot 早期测试版上线，Projects 与 Build 向更多用户开放 详情；X 把 For You 推荐算法的更新推上开源仓库，马斯克称政府审查要求从此可见 详情。Grok 4.6 在多项实测中露脸 详情，但生成滥用与 Agent 安全争议也随之浮现 详情。

X 开源 For You 推荐算法，马斯克称审查要求透明化

X 官方开源账号宣布当日 For You 推荐算法已发布到开源仓库，更新含排名权重的工作原理与为巴西 2026 年选举新增的过滤要求，代码在 GitHub 的 xai-org/x-algorithm 仓库，含 abuse-enforcement-service、visibility-filtering 等模块。马斯克回应称政府要求的审查现在清晰可见 详情。仓库随后依社区反馈补了更完善的文档、互关算法变更历史、参数导出时间戳与「幕后」报告 详情。有用户把 For You 页面 30 秒录屏投喂给 Grok，它准确判断出该账号属「生成式 AI 实验者」圈层 详情；另有博主自称其帖子促成了马斯克的开源决定，属个人推测 详情。

Grok Bot 早期测试版：能登录工具的「AI 同事」

xAI 发布 Grok Bot 早期测试版，定位是像同事一样登录工具、完成任务，支持多 Bot 并行、学习工作流与跨 Bot 协作，并提供 iOS 应用 详情。实测显示每个 Bot 有带浏览器与终端的独立云端电脑，可自主读取 Substack 存档获取上下文，并在单线程内分配任务、自动流转，仅必要时请求人工批准 详情。一周高频使用者认为它是当前最好用的智能体，列举了社区全天值守、每 15 分钟监控 AI 公司账号、全天候点击测试开发中的 App 并写好 PR 等用例 详情。博主 Derya 已有约 24 个 Grok 机器人干活，难点是像指挥管弦乐队一样让它们保持同步 详情。Brian Roemmele 称其为 AI 的「iPhone 时刻」，几句指令即可驱动虚拟计算机完成任务 详情。坑点在于 bot 更新会重置系统、令 Tailscale 等额外安装丢失，需例行程序自动检查重装 详情。

Grok Build 与 Projects 扩大开放

Grok 应用更新把 Projects 面向所有用户开放，支持跨聊天自定义指令与共享文件；Build 标签页扩至更多用户并升级到 Grok 4.6 详情。马斯克转发的演示显示，在 iPhone 的 Grok 应用里用单行提示词几分钟即生成几款小游戏 详情。另一演示中 Build 仅凭一个 Prompt 自主控制 Blender，搭出含 Super Heavy 助推器、Raptor 3 引擎、隔热瓦与 Mechazilla 发射塔的 Starship 模型，用户只做少量微调 详情。另有人用它排查 macOS 的触控板失灵、耗电过快与刷新率问题并执行修复 详情。评测者质疑为何采用伪 CLI 而非 Codex、Claude Desktop 那样的原生 GUI，定价是否同为每月 200 美元也不明 详情。

Grok 4.6 的能力展示

Grok 4.6 被用来生成交互式未来月球城，从地基演变为带地面车辆、空中出租车、太空港与生物圈的活跃聚居地 详情。马斯克转发的一例中，Grok 观看视频教程后逆向工程并重构了界面粗糙的爆款小游戏「X THE GAME」，多次迭代总成本仅几美元 详情。Paul Miller 让 7 个代码智能体分诊红队报告的 5 个漏洞，只有 Grok 的严重性评估与人类专家一致，其余均夸大 详情。

订阅打包与集成生态

SuperGrok Heavy 每月 300 美元，捆绑 X Premium+、Cursor Ultra 与 Grok Bot、Imagine、Build 的独立配额，被认为性价比遭低估 详情；其在 Grok 应用、Bot 与 Cursor 三端额度独立而非共享池 详情；有人烧掉超 20M tokens 的 Grok 4.6 Extra High 后，Cursor 用量仍不足 1% 详情。Grok 同步上线 Robinhood 与 eToro 集成，覆盖生产力、分析、开发、广告与支付，意在成为统一的 AI 层 详情；iOS 版新增 Projects 分组聊天 详情，X 端推出图片生成 Grok Imagine，提示词微调可做出丝滑的场景过渡 详情。

安全与争议

一段视频复盘 Grok 团队工程师早期风险预警未获重视的经过，讨论追求速度时倾听内部「吹哨人」的意义 详情。与 Grok 的对话显示，持有登录会话的 Agent 理论上能读取缓存、Cookie 甚至密码，仍缺乏隔离非会话密钥的专用浏览器 详情。美国怀俄明州一名男子被查出用 Grok 在未经同意下生成其继女超 7000 张虚假露骨图像，警方执行搜查令时案发 详情。

落地案例与模型观感

一位水管公司老板称用 Grok 获客，每月省广告费 2000 美元，并晒出清晨 7:30 的来电录音作证 详情；另有用户让 Grok 自动查出尺寸、生成特斯拉充电器垫片的 3D 打印文件并提供多色定制 详情。前 Meta 应用机器学习负责人 Joaquin Quiñonero 用 Grok 4.5 学剪杏树后判断，最难的用例仍需最强前沿模型，90% 以上日常问题用中长尾模型即可 详情。第三方网关方面，grok-4.5 在 OpenCode Zen 上返回「Unexpected server error」，同提供商的其他模型正常 详情。

Microsoft

微软当日动态集中在两条线：Copilot 产品线接连更新，桌面 App 与标签页交互都有落地；研究侧开源 Agent Lightning 框架，并发布用蒸馏技能压缩推理成本的新论文。

Copilot 产品迭代与落地案例

一名项目经理每周花 8 小时处理邮件总结、报告格式化等重复 Office 任务，其经理（Microsoft MVP）给出 11 个提示词交给 Copilot，周行政耗时降到 40 分钟，质量不变 详情。GitHub 官方 Copilot 桌面 App 发布 v1.1.10，单次带来 46 项改进：后台任务与排队消息管理面向所有用户默认启用，插件可在设置中自动更新 详情。Copilot 应用还将在下一版本支持拆分与移动任意标签页 详情。GitHub 上的《Generative AI for Beginners》课程更新为 21 节，新增 RAG 架构详解，按「文档→嵌入→向量数据库→检索上下文→LLM→答案」拆解工作流 详情。

开源、论文与方法论

微软开源 Agent Lightning（17k+ stars），把 Agent 运行时与训练循环解耦：LangChain、AutoGen 或原生 Python 的 Agent 只需 emit spans 到共享存储，Trainer 从外部读数据做强化学习，无需重写现有代码 详情。新论文提出用蒸馏技能替代推理：从历史轨迹提取重复失败模式，写成 markdown 技能加入非推理模型的系统提示，在 4 个基准上恢复非推理与推理差距的 55%-100%+，输出 token 减少 2.9-4.5 倍；ALFWorld 和 τ²-retail 上带技能的非推理模型反超推理模式 详情。MongoDB CTO Jim Scharf 称早期搞定治理的公司跑得最快，治理是让重大行动可复现的架构；同场演示中一个 Agent 在生产集群下单采购，但系统设计确保实际资金未移动 详情。Replit CEO 称编码 Agent 就是通用 Agent：编写并执行代码的性能，很可能胜过多年手工打造的垂直专用 Agent 详情。

行业动态

中国 AI 初创公司面壁智能启动内地 IPO 上市辅导，资本市场计划进入实质阶段 详情。

NVIDIA

英伟达今日的消息面集中在「钱」上:对 OpenAI 数据中心的担保据报大幅调低,AI 工厂基础设施被包装成新的可投资资产类别,高盛牵头搭建瞄准 5000 亿美元量级的融资平台。硬件侧,Rubin 升级周期启动前存储与消费级显卡价格先行反应;软件侧 Nemotron 专家模型、SWE 数据集与 SimFoundry 相继开源。

对 OpenAI 担保缩减至 1200 亿美元以内

据 WSJ 报道,英伟达计划把针对 OpenAI 数据中心的财务担保从 2500 亿美元削减至 1200 亿美元以下,以压低自身资产负债表风险;调整后的担保仅覆盖俄亥俄园区规划 10GW 产能中的前 5GW,一次性巨额担保转为分阶段融资决策,后 5GW 是否继续支持要看前段建设情况。OpenAI 仍在谈判全额 10GW 租约,物理目标并未缩减 详情。The Decoder 的报道补充,这次调整发生在投资者施压之后 详情。另据传英伟达拟向 SB Energy 投资 30 亿美元,并支持其俄亥俄州 Pike County 约 1000 亿美元的数据中心融资;美国能源部文件显示 SB Energy 规划 10GW 电力设施,OpenAI 为意向租户 详情。

AI 工厂成为新资产类别,融资平台瞄准 5000 亿

黄仁勋宣布公司已从造芯片跨入创建新的可投资资产类别——AI 工厂基础设施,并点名贝莱德、黑石、布鲁克菲尔德、高盛、阿波罗与 KKR 参与这项合作;他的判断是每家公司都将由 AI 工厂驱动、每个国家都要建 AI 工厂 详情。路透社称高盛已开始协助英伟达搭建融资平台,目标为 AI 基础设施引入超 5000 亿美元资金,方式是向银行、保险、资管与私人信贷机构接洽,注入初级资本、安排私人信贷,再向更广市场投放债务;英伟达同时靠支持硬件残值为贷款方提供更优条款,让基于其基础设施的融资成本低于对手 详情。有分析指出,英伟达宣布筹集 5000 亿美元第三方资本、允许用户以 AI 硬件抵押借贷之后,向债券买家做出的「CUDA 延长硬件寿命、提升经济效益」承诺,意味着维持旧硬件运转变得有利可图,CUDA 软件支持实际上成了这数千亿硬件资产的抵押品 详情。「GPU 只有 4 到 5 年使用寿命」的行业成见也随之被重新审视 详情。监管文件还披露英伟达持有一笔价值 210 亿美元的 SpaceX 股份 详情。

Rubin 周期启动前的供应链与价格信号

随着 Rubin GPU 架构升级临近,TLC NAND 闪存现货价格止跌回升,QLC 价格仍持平,高性能存储需求先于算力放量回暖 详情。企业 AI 需求外溢到消费级市场:零售商再度上调 GeForce RTX 5000 系列价格,RTX 5060 Ti 16GB 与 5070 涨至 800 美元,5070 Ti 达 1200 美元,5080 跳涨至 1699 美元,欧洲顶级 RTX 5090 报价已超 5000 欧元 详情。云端方面,UBS 价格追踪显示超大规模云厂商定价比 Neocloud 高出约 75% 至 90%,英伟达全年保持一致的溢价 详情。

开源模型、数据集与仿真工具

NVIDIA 宣布本周又有多款开源模型可在 RTX、DGX Spark、DGX Station 与 Jetson 等本地 AI 系统上运行 详情。面向 MOPD 的 Nemotron 专家模型已上传 Hugging Face,意在降低该领域的研究门槛,但较大的模型体积对部分研究者构成挑战 详情。另有一个含 5115 条智能体轨迹的 SWE 指令微调数据集发布,用于教编码 Agent 导航代码库、规划多步编辑并尽量减少回归 详情。GEAR 团队的 SimFoundry 是 real2sim2real 框架,可在不到一小时内把单张图像或短视频自动分割物体、重建几何并生成纹理 3D 网格,最终编译为带物理参数的 OmniGibson 场景,代码已开源 详情。底层生态上,有开发者用纯 CUDA 加内联 PTX 在 GB300 节点上从零实现 NVFP4 GEMM,零框架依赖,在 8192×8192×8192 形状上比 cuBLAS 快 4.7% 详情;也有人开始排查 B200 是否存在未文档化指令,以及它们是真实加速还是对 64 通道指令的掩码伪装 详情。边缘侧,研华推出搭载 Jetson Thor 的 GMSL 边缘设备 AFE-A702,支持硬件级同步运行 8 路 RealSense D457 或新版 D585 立体深度相机 详情。

DeepSeek

DeepSeek 今日双线并行：开源 Agent 框架 Harness 星标即将破 10 万，集成与插件生态铺开 详情；V4 Pro 0813 迎来第三方评测：智力指数升 8 分但混合价格上涨 264%，「神版」是否过拟合的争论发酵 详情。

Harness 开源即爆红

DeepSeek 以开发者预览形式开源 Harness v0.1：基于 Cordis 元框架，核心理念「一切都是插件」——模型、工具、技能、会话、沙箱、文件系统、编排与 UI 皆为插件，可混搭扩展，MIT 协议 详情。发布不到 48 小时星标将破 10 万 详情。配套发布的不是技术博客而是论文《A Programming Paradigm for Spatiotemporal Composability》：用形式化定义解释 Cordis 范式，涵盖 effect、coeffect、context transformation、inverse 等概念，作者之一崔添翼曾在 Jane Street 工作九年 详情。

架构解读认为 DSH 内部心智模型虽复杂，「复杂度转移至系统内部」反而降低插件开发门槛 详情；前 AFFiNE 工程师评价其「一切皆插件」不是 Webhook 式受限扩展，而是允许运行时任意逻辑替换——首个把该理念做成产品一等公民的实践 详情。也有观点认为 DSH 本就不是给人直接用的，真正挑战是 DSH-maximum 模式下的稳定强化学习——模型面对任意数量预制与实时组装的工具，作者类比为新 R1-Zero 时刻 详情。有分析从提交记录推断 Harness 由 multi-agent 并行开发、AI 自动分支同步，夜间提交占比 16.3% 低于 Loopx 的 34%——选 Loopx 更像团队配置决策而非最优解 详情。

V4 Pro 0813：涨价与两种实测

Artificial Analysis 的报告给出矛盾画像：智力指数 53 分，较 4 月版升 8 分，却仅比轻量版 V4 Flash 0731 高 1 分、部分测试平手；生成效率提升 30%，但单次任务 $0.25 为旧版 5 倍，混合价格上涨 264% 详情。头对头测试则是另一面：软件工程（DeepSWE）任务中 V4 Pro 以 88.5%（pass@4）击败 Fable 5 与 GPT 5.6 Sol，单任务 $0.24，便宜 35 与 90 倍 详情。DHH 实测 V4 Max：完成同一编程挑战耗时 2.5 小时、总花费 $23；对照 Fable 45 分钟约 $550、Grok 4.6 一小时半 $55，DSV4 Flash 与 GPT Luna 未完成 详情。Polymarket 为「下一代 Pro 何时发布」开盘：11 月 30 日前概率 60%，新模型须为 V 系后续且新于 DeepSeek-V4-Pro-0813，旁支不算 详情。

部署与生态快速铺开

Cloudflare Workers AI 上线 V4 Flash 与 Pro，是该平台首批支持完整 100 万 token（1,048,576 tokens）上下文的模型，面向长程 Agent 工作流与大型代码库，支持推理模式与多轮函数调用 详情。Crof 同步上线 V4 Pro（输入 $0.35、缓存 $0.01、输出 $0.80/百万 tokens），官方称 8 月 16 日不涨价 详情。Ollama 已支持 Harness：ollama launch dsh 即可本地运行，预装网络搜索 详情。本地推理方面，有开发者在单张 RTX 4090（64GB RAM）上跑起 v4-flash-0731 的 Q2/Q3 量化版：UnslothAI checkpoint 配 Blaze 内核、高频专家驻留 CPU 内存约 8 tps，专家缺失读盘时降至 5 tps 详情。

GitHub 已涌现 700+ 插件仓库：dsh-agent-teams 拉起多 Agent 团队拆解任务，DSHBetterSidebar 集成文件、编辑器、终端与 Git 面板，dsh-at-file 做类 Claude 文件引用 详情；dsh-routing-suite 为 V4 Flash 提供运行时注入器与思维模式路由预设（Spec、React、Weak） 详情。因官方暂不接受 PR，有人发布增强分支 deepseek-harness-plus：加入 Claude Code 与 Codex 可选提供商、OAuth 与流式传输 详情；另有开发者把 Nebius 设为默认提供商，自建成本追踪、预算护栏、Tavily 源查看器与浏览器 详情。

「神版」传闻与过拟合争论

针对「三个版本」「上帝模式」传闻，博主依提交 fix(preset): align minimal agent with RL composition 推测「神版 0813」并非多模型路由，而是 DSec 沙箱代理在 RL 阶段用了 Minimal 模式 详情。技术社区对比 0731 与 0813：前者未见明显过拟合，可在不同框架稳定高强度推理；后者疑似对 DSH 最小化系统提示过拟合，引发对 MOPD 教师模型与后训练策略的质疑 详情。也有声音反驳「翻车」论与 10T 参数模型、Mythos teacher 传闻：可见的只是在 ARC-AGI-2 拿到 80% 的 16B 模型 详情。另有用户质疑 DSH minimal mode 靠「灰色测试」刷分：输出能抬到 Opus 5 档位，实际 SVG 质量未达该水准 详情；也有网友断言 DeepSeek 已落后 Anthropic、OpenAI、Moonshot AI、字节跳动、xAI、Meta 与阿里巴巴 详情。

其他动态

实测认为 DeepSeek Vision 是当下唯一即时响应的免费视觉模型，「即指即答」已提升开发效率，数据补足后有望达 Kimi 水准 详情。Bindu Reddy 透露正开发多个 Flash 变体，目标是让 250B 参数模型具备 3T 模型水平的 agentic coding 能力，寄望 Smaug-Flash 匹敌 Sonnet 5 详情。网传 dots3 大量蒸馏自 DeepSeek V3 时代模型，其得分与多模态表现与此吻合 详情。宇树科技以 150.80 元/股登陆科创板成「A 股人形机器人第一股」，获 DeepSeek、腾讯战投，中签率 0.018% 详情。趣闻两则：有人为 Harness 做了 Clippy 插件，把 Office 回形针搬进智能体环境，自嘲「聪明了一点，技能面还是相当窄」 详情；画师流行给 DeepSeek 鲸鱼形象做「鲸鱼拟人」动画：设定「很努力但总是超时，请包容我的过度思考」 详情。

Alibaba

阿里巴巴本周末迎来开源里程碑:彭博社称其开源 AI 模型累计下载量突破 30 亿次,超越 Meta 与 Google(详情);同日 Qwen3.8-27B 开源权重席卷社区实测,联发科与 NVIDIA 宣布 day-0 支持(详情)。

下载量破 30 亿与开源格局

• 据彭博社报道,阿里开源模型已成为下载量最高的 AI 模型提供商(详情)。分析指出,中国前沿模型仍落后美国约 7 个月,但已占 Hugging Face 下载量的 41%,Qwen 下载量超 7 亿、衍生模型多于 Google 与 Meta 之和,「当模型可被复制,能力是泄漏率而非存量」(详情);也有网友把 Meta 的巨额收购与招聘开销同 Qwen3.8-27B 的成绩并列(详情)。

Qwen3.8 家族与传闻新模型

• Qwen3.8-27B 正式开源:原生多模态密集模型,整体性能超越 Qwen3.7-Plus,262K 原生上下文可经 YaRN 扩展至 100 万 tokens,Apache 2.0 协议;Max 级 Qwen3.8-2.4T-A95B 权重同步开源,engy.ai 定价输入 $0.045/M、输出 $0.32/M(详情)。Qwen3.8-Max 同日登陆 Together AI:MoE 架构、2.4T 总参数、95B 激活、100 万上下文,主打代码与智能体能力(详情)。
• 据传新型号:用户在 ModelScope ms-swift 代码提交中发现「Qwen 3.8 35BA3B」标识,后续代码表明其为 35B 总参数、约 3B 激活的 MoE 模型,面向 8-16GB 显存设备,官方尚未发布(详情)(详情)。官方 Hugging Face 页面更新了推荐采样参数(详情)。

实测:本地性能逼近 Opus

• YouTube 频道 WorldofAI 评测认为,RTX 4090 上经 Unsloth 4-bit 量化的 Qwen3.8-27B 在现实基准、长程编码、Agent 任务与视觉上表现惊人,性能逼近 Claude Opus,是当前最佳本地开源模型之一(详情)。
• 一名高级网络安全分析师实测,该模型在 CyberGym、ExploitGym、ExploitBench 等基准上表现大幅提升,能处理 V8 引擎 1-day 漏洞利用,还逆向了连 Opus 都无法处理、含自定义 RC4 解密例程的恶意软件,标志本地模型在特定任务上超越半年前的 SOTA;他同时警告滥用风险(详情)。
• 对比数据称 Qwen3.8 在各项基准全面击败传闻中 1-5T 参数的 Opus 4.6,规模相差 40-180 倍(详情);社区量化版 AEON-PURE 在全部「God Mode Tier」测试中满分,优于 GLM 5.2 与 DeepSeek v4 Flash(详情);也有声音提醒不要盲信基准与 X 上的炒作,应亲自测试再下结论(详情)。另有一则分析假设其强势来自对 DeepSeek-R1-zero 的 GRPO 蒸馏,不走传统 SFT 与海量数据,而以 Qwen3.8 Max 输出为强化学习目标(详情)。
• 生成演示不断:本地 Q8 GGUF 版在 Framework Desktop 上一次生成超级马里奥克隆(详情);配合 ChatGPT 生成的素材做出可在浏览器本地运行的 FPS 游戏(详情);3090 上以 Q5 量化运行时,水面模拟一致且美观,胜过前代并击败 Gemini-3.7-flash(详情)。

编码智能体与 Qwen Code

• 重构任务对比 Codex 5.4:Qwen 3.8 27B 在 13 例中胜出 8 例,抓住对方遗漏的简单竞态条件,输出质量更好,成本约为其三分之一(详情)。
• 在 Atomic、Hermes、Prime 三个编码智能体上重建三款游戏:Atomic 用时 2h35m、生成 5,535 行,少于 Hermes 的 10,424 行与 Prime 的 12,226 行,质量却最高,另两者出现物理与卡顿问题;作者结论是代码多不等于好,推理比堆代码更重要(详情)。
• 借助 Codex 原生 Computer Use 功能,Qwen3.8-27B 可完全本地执行屏幕操作,无需 GPT 订阅与云端 API 账单(详情);社区同时在讨论比 LM Studio 更合适的本地编码支架(详情)。
• Qwen Code 的 /review 预提交被报两处缺陷:仅按精确行号匹配,多行范围与语义重复会漏检(详情);CLI 产物路径与 Skill 示例冲突,findings 文件被错误拒绝并触发 downgradeApprove 状态(详情);另有用户称其表现不如一年前已停服的 iflow cli(详情)。它在 SWE-bench Verified 的单例端到端测试中拿满 100%(详情)。

端侧合作与本地部署

• Qwen 3.8 获联发科 day-0 支持,天玑 Auto 座舱 C-X1 与最新旗舰移动 SoC 均可运行,把智能体体验带进手机与汽车(详情);NVIDIA RTX Spark 同步进入支持名单(详情)。
• Atomic 发布 Qwen3.8-27B-GGUF 动态量化:8-bit 的 28.9GB 压至 1-bit 的 8.5GB,AD-IQ3_S 版可在 16GB MacBook Air 上运行,92.4% 的时间选择与 BF16 相同的下一个 token(详情);MLX 社区的 Apple Silicon 优化挑战把解码速度较基线提升 151%,至 53.3 tok/s(详情)。M5 Max 128GB 实测 prefill 933 tok/s、decode 33 tok/s,256k 上下文仍保持连贯(详情);oMLX + opencode 栈下 bf16 约 8t/s、8bit 约 17t/s,CPU 节流明显(详情)。
• GPU 侧:RTX 4090 经 Ollama + OpenWebUI 实测校对 90.26、生成游戏代码 96.77 tokens/s(详情);SGLang 加载 NVFP4 量化自托管推理约 200+ tokens/s(详情);RTX 5060 Ti 项目发布七款预设,含 27B 在 64K 与 131K 上下文的配置与实测数据(详情)。
• 坑也有:Lightning MTP 令 dense 的 27B 提速约 2 倍,对 MoE 架构的 Qwen3.6 35B 几乎无影响(详情);vLLM 在 AMD v620 上跑 Qwen3.6-35B-int8 仅 1.3-1.5 tok/s,多日调试未解(详情);Windows 下 llama.cpp 重启后无法加载 Unsloth 的 GGUF(详情);64GB 内存的 M5 MacBook Pro 面对简单编程问题「思考」5 分钟无输出,被用户终止(详情)。
• 服务侧:开发者 victormustar 部署了免费公共端点,单张 H200、免 token、兼容 OpenAI API,支持 262K 上下文、视觉与工具调用,约 60 tokens/s、验证 50 并发,承诺至少在线 72 小时(详情);Baseten 的 Loops SDK day-0 支持对 27B 做 SFT 或 RL 微调(详情)。

无审查版本与安全攻防

• Qwen3.8-27B-Uncensored-GGUF 登上 Hugging Face 趋势榜,支持 llama.cpp 并集成 speculative-decoding 与 imatrix 优化(详情);带视觉输入的 Qwen3.6-27B「Aggressive」无审查微调亦上榜并提供 GGUF(详情);Abliterated 版登陆 Apple Silicon MLX,提供 4/6/8-bit 与 BF16,有害提示词得分 0/100,同时保持 12/12 质量分(详情)。
• 越狱实验「OBLITERATUS 手术」以迭代优化把 842 条有害提示的拒答率压到 5% 以下,良性输出保持连贯(详情);研究者发现其拒答特征与 Gemma4 31B 差异显著,计划生成约 10,000 条提示提取 Ablirated 向量(详情)。另一边,Fable 5 在调整 Qwen 3.8 部署脚本这类简单任务上直接触发审查拦截(详情)。

图像模型与研究

• Z-Image(Tongyi-MAI/Z-Image-Turbo)的 LoRA 训练出现灾难性结果:资深 SDXL 与 SD1.5 训练者调了三天配置,产出仍严重融化变形,附 YAML 求社区找错(详情);Qwen-Image-2512 的角色 LoRA 陷入两难,步数少缺相似度,权重超过 0.3-0.5 便不再响应提示词,设为 1.0 又完全忽略指令(详情)。长期用 Qwen-Image-Edit 做角色一致性与 inpainting 的用户在寻找替代(详情);也有人尝试用它在 ComfyUI 里把 344 个视频帧批量做成统一风格的电影海报(详情)。
• 研究侧:基于 Qwen2.5(1.5B-7B)数学任务的测试时推理研究发现,相同 token 预算下,简单重复采样加多数投票优于自我反思等复杂方法,36 次对比无一能稳定胜出(详情);为旧版拟合的 Jacobian Lens 可直接迁移到新版而无需重训,中间层实体识别甚至更好,旧方向向量还能定向消除概念(详情)。

MiniMax

MiniMax 今日的讨论几乎全围着开源视频模型 H3：实测、对比与 ComfyUI 工具链密集更新，官方另放出 H3 Re2vA 变体 详情 并上线 H3 项目编辑器 详情。音乐侧 Music 3 登陆 Hugging Face 带动开源致谢 详情，但口碑两极；编码侧 MiniMax Code 有跨厂商多智能体实践 详情。

H3 实测：Turbo LoRA 把生成压到秒级

有用户在 1.8mp 下用 Turbo LoRA 生成「中世纪士兵」第一视角视频，5-8 秒出片，而 L40 常规工作流要 5-10 分钟，后期只加了调色与颗粒 详情。T2VA 模式配 8 步 Turbo LoRA 的产出同样出色 详情。Magnific 已集成 H3，可输出 2K 视频并在镜头间保持角色与场景高度一致 详情。

ref2va 极限测试聚焦夜间电影感风格迁移、头部追踪、与门和玩具的交互、长场景与音效 详情。单图编辑在 RTX 5090 上 8-10 秒完成，11 种场景测试显示多参考图结合与 3D 理解是强项，细节精细度与印象派风格化仍弱 详情。参考图生视频的步数对清晰度影响很大，3090、0.4mp、32 步下作者认为素材与分辨率仍有提升空间 详情。

提示词技巧不少：让模型以 4 倍速生成、再以 0.25 倍速播放，10 秒素材拉长到 40 秒且物理与流畅度明显改善 详情；对话里用尖括号 <tags> 注入笑声、呼吸声等非语言声音，<i></i> 包裹单词做语音强调，偶尔不稳 详情；结构化 JSON 模板（archetype、duration、prompt）保证摄像机、灯光、节拍、颜色不遗漏，减少浪费的生成 详情，有人以此 5 分钟出片，对比 Canva 手工图层与动画超 30 分钟 详情。另有用户提醒 H3 的视频编辑被低估：输入真实视频、返回带特效交互的版本，与 Google Omni 演示同类 详情。

创作案例：同人剧集与品牌物料

案例面很宽：《辐射》动画剧集 详情，Ref2v 与 fl2v 工作流做的《办公室》风格迷你剧，复杂动作与互动仍难 详情，给《雷曼 3》续写故事并试了语音克隆，尚不完美 详情，在 16GB 显卡上以 70 年代风格做复古科幻短片，对抗「AI 烂俗审美」 详情，以及 r2v 动画短片实验 详情与 T 恤品牌社媒视频概念 详情。同一场景混搭风格也被验证：真人情景剧风的谢尔顿与 2D 动画风的海绵宝宝同框，Prompt 同时交代角色、表情、对话与音效 详情。720p 出片观感出色，但「继续上一个视频」做超 15 秒长片时前后一致性仍难保持 详情。用 T2VA 的 9:16、24fps、2 秒加时间戳跳切，能在一条视频里产出正面、背面、侧面等 4 个静态角色姿态 详情。

ComfyUI 工具链：长视频、参考图与口型同步

H3 Creator 的 ComfyUI 节点更新带来预设系统（可从生成的 MP4 提取嵌入工作流复用）、Creator 与 Timeline 合一、采样调节旋钮，修复图库冻结等 Bug，后续版本计划用 SAM3 检测并重绘小尺寸人脸 详情。官方还上线 H3 项目编辑器：场景自动创建、提示词自动生成与制作管理，经绿色条交换或新增场景，片假名可转平假名重新生成以减少误读 详情。

社区节点密集发布：MiniMax H3 Extender 支持逐段或全批量生成，内置 Motion Context 传递、磁盘缓存与自动拼接（含音视频接缝修正），已上架 ComfyUI Manager 详情；H3 Motion Director 把视频当作项目时间轴，多分段各设 Prompt 与资产，专做连续性控制 详情；参考图管理节点一次连线增删最多 18 个参考输入，经 OpenRouter 自动生成结构化提示词 详情；RefMod 把参考图、视频或 GIF 提取成微小的 .safetensors 模块，像 LoRA 一样随取随用，可调强度或混合面部、风格、服装模块 详情。口型同步上，「逐 Token 噪声掩码」工作流把音轨固定在潜空间而非作参考，从第 0 步即强收敛且不扩展潜空间，更快 详情；有人在 RTX 5060 Ti 16GB 上以 34 个 8 秒分段拼出 4 分 40 秒口型同步视频 详情。Musubi Tuner 开发分支新增 H3 的 VAE 图像支持与推理脚本，免训练即做 fl2va、ref2va 图像编辑 详情；Pinokio 用户可经 Maestro 一键本地运行 详情；还有用户把 ComfyUI 历史日志交给 Claude，用 WxHxFrames 指标定位 4070 上的崩溃阈值 详情。

模型变体与硬件边界

MiniMax 放出 H3 Re2vA 模型 详情。优化上，社区在讨论 Turbo LoRA 与 Spectrum 的取舍 详情；有测试发现 0.4 质量（无加速）时提示词遵循良好，一旦提高质量或上 2K，准确度反而显著下降 详情。性能断崖被反复报告：4080 Super 上 1.6MP 的 6 秒视频 17 分钟完成，1.7MP 跑 4 小时仍未出片 详情；5070 Ti 配 32GB DDR5 生成原生 1MP 需要 1406 秒 详情。低显存方面，4070 8GB 加 64GB 内存可在 832x640 下约 6 分 53 秒完成参考图生视频 详情，4060 Ti 8GB 的讨论集中在 offloading、量化与 32GB 系统内存 详情。已知问题包括大幅运动区的运动模糊 详情、疑与 SageAttention2 相关的水平接缝伪影 详情、参考视频续写画面变暗 详情，以及 Ref2V 链式生成的画质逐步劣化 详情。

对比评测

与 Seedance 2.5 在同一 Prompt 下经 Magnific 对比，两者水平接近、难分胜负 详情；与 LTX 2.5 的对比重在 ComfyUI 内的可控相机路径与时间轴 详情。放大精炼基准显示，H3 dual-sampler 质量更优但 8 秒要 45 分钟，调校后的 LTX 2.5 工作流 18 分钟达标且支持 3MP，12GB 显卡可用 详情。

音乐生成与开源生态

Music 3 登陆 Hugging Face 后，有用户发帖致谢，称开源是对社区的真实承诺 详情。功能侧，Infinite Radio 分析上传的音乐并无限生成风格相似的旋律，RTX 5080 或 3090 能实时跟上，更低配置会缓冲 详情；Sunwood-ai-labs 的 Music 3.0 Studio 把音乐生成接进 ComfyUI：结构化简报与分段歌词转为队列任务，渲染留在本地 GPU，浏览器内可试听或下载 MP3 详情。口碑有分歧：有用户称其原始音质好过 Ace Step 1.5 XL，但音符不连贯、严重走调，与 H3 反差明显 详情。趣味用法上，Maestro v1.8.5 配合 Music 3 把儿歌《The Wheels on the Bus》改成死亡金属版，再用 H3 自动生成配套视频 详情。

MiniMax Code 的跨厂商多智能体

有开发者在 MiniMax Code 用 BYOK 组建跨厂商多智能体团队，实现、评审、文档三个角色各用不同厂商的模型；关键发现是评审模型只看实现输出、不看实现者的推理，反而更客观地发现可空字段这类问题，代价是跨厂商调用的延迟与配额管理 详情。