AI 资讯日报 · 2026-08-24

编程与Agent

编程与 Agent 这一天，接口层和技能层同时往真业务挪了一格：App Store Connect CLI 把协议与 TestFlight 做成可脚本化命令，详情 Stripe Link CLI 让 Agent 在人类二次确认后完成代理支付，详情 Awesome Agent Skills 把可复用技能堆到 1000 条以上。详情 本地 Qwen 3.8 27B 在真实仓库里被反复对照云端 Opus，多 Agent 并行的注意力疲劳、以及无人值守 Agent 的安全责任，也一并被摊开。

App Store 与支付 CLI

App Store Connect CLI 4.9.0 补上了 Apple 没有公开 API 的协议管理：asc web agreements status 查看待处理协议，asc web agreements accept 用 Web 模拟完成确认。详情 TestFlight 侧，测试者移除支持 --wait 等到操作完成，导出可按姓名精确过滤。同一工具链还加了实验命令 asc optimize keywords rank，走公开 App Store 搜索查关键词排名，无需 ASC 认证；关键词会归一化去重，失败项保留为 unavailable 而非误报「未排名」，仅当全部查询失败时命令才报错。详情

Stripe 发布 Link CLI：用户先授权 Link 账户，Agent 提出花费请求，人类用 FaceID 或 SMS 二次确认后，Agent 使用受限虚拟卡或支付令牌结单，未来计划支持灵活预算。Link 称有 3 亿用户，多数场景不必再接新的支付方式。详情

技能包、Master Prompt 与可复用配方

VoltAgent 维护的 Awesome Agent Skills 收录官方与社区合计 1000+ 条技能，兼容 Claude Code、Codex、Gemini CLI、Cursor。详情 并行开源的 awesome-gpt-image-2 把 GPT-Image2 提示词做成「Prompt as Code」：对 470+ 个生成案例做逆向，沉淀 20+ 套工业级模板并提炼成 Skills，GitHub 星标约 12,397，单日增加 628。详情 xAI 文档把 Grok Bot 的复用拆成 skill（步骤、决策规则、输出格式、安全边界）和 routine（按时间或事件触发）；推荐先把一次性任务跑稳再存成 skill，最后才自动化，桌面输入框用 / 引用。详情 基于 Karpathy 对 LLM 编码陷阱的观察，一份单文件 CLAUDE.md 在 GitHub 超过 20.5 万星，用来约束过度假设、把代码复杂化、以及不清理死代码。详情

作者 aliscodes 公开一段可粘进 Cursor / Claude Code / Antigravity 的 Master Prompt：用 Next.js 14 App Router + TypeScript 做实时付费排行榜，后端是 Supabase Postgres 加 Stripe Checkout，无登录无账号，并给出 entries 表（url、url_key 唯一键、amount_cents、first_paid_at）和 payments 表的完整 schema。详情 Lattice 给等距游戏定了两条硬规则——游戏与 UI 完全确定性、不依赖外部素材——核心包零依赖、gzip 后约 80KB，精灵图和音乐可由配套包即时合成。详情 一位 40 岁开发者写到，GUI 曾经解决命令行的可发现性，AI 编码代理把方程反过来了：用自然语言描述目标，复杂语法交给模型，终端因为轻量、可脚本化、远程友好，效率再次压过传统 GUI。详情 一位没有编程背景的餐厅老板用 Claude 三个月、约 1000 小时做出自助啤酒墙和完整 POS（平板点餐、厨房显示、预订、库存、RBAC、PIN/NFC）。详情 更极端的实验是给 Claude 一个域名和一句「想建什么建什么」，两周后得到没有人类界面的论坛：人类只看到礼貌劝退的纯文本页，Agent 走 JSON API 和 MCP 注册成「公民」，还有一部七条规则的「宪法」，每人每天（UTC）限发一帖。详情

本地 Qwen 编码：仓库里能干活，硬核移植仍落后云端

codehamr 用 Qwen3.8:27B 在 RTX 6000 Pro 96GB、vLLM FP8、262k 上下文上，尝试把约 60 万 token、2.1 MB、3.9 万行的单文件 C 程序一次性移植成单文件 HTML/three.js。对照是 Claude Code 跑云端 Opus 5，约 21 分钟完成；本地 Qwen 在同一任务上明显落后。详情 另一份逆向工程案例里，Qwen 2.5 72B（文中也提到 27B/32B 变体）约 30 分钟完成解包与分析，作者认为已可对标 GPT-4o 一类前沿模型的工程表现。详情

在每天约 6 小时的企业级 Web 开发里，Q8 量化的 Qwen3.8 27B 对比 BF16 的 Qwen3.6 27B：3.8 能记住并执行约 20 页改进反馈，3.6 经常忽略；诊断上 3.8 多次纠正 ChatGPT/Opus 的错误。详情 6GB 显存加 64GB 内存上跑 Qwen 3.8-27B，有人报告响应可拖到 1 小时，目标是 1 分钟内出结果。详情 另有开发者追问本地模型能否用 Rust 或 C++ 接 GTK4、Qt 6 做真实系统开发，而不是只生成网页。详情 reasoning budget 上 Qwen3.8-27B 有时思考过深碰到 128k 输出上限，社区在对比官方 thinking_budget 与 llama.cpp 的 --reasoning-budget。详情 16GB 显存跑不下更大模型时，有人微调 Gemma 4 12B 专攻工具调用，成功率提升约 2.7 倍，尝试发出工具调用的次数增加约 15.7%。详情

Harness、多 Agent 与注意力瓶颈

NousResearch 发布 Hermes Agent，Python 实现，兼容 OpenAI、Anthropic（Claude / Claude Code）和 Codex。详情 Hermes Desktop 同步更新：Agent 可以在用户眼前的预览窗格里点击、输入、滚动、标注，而不只是打开网页。详情 DeepSeek Harness 被实测认为配置门槛低于 Hermes，Progressive setup 下仅靠对话就把 DSH 接到 SimpleX，做成支持端到端加密和 Tor 的消息代理。详情 开源工作区 Traycer 让 Claude Code、Codex、Cursor、OpenCode 共享同一环境，直接通信、互审代码，而不再在多个工具之间来回复制提示词。详情

有 16 年经验的开发者指出，写代码变容易之后，管理多个并行 Claude 实例的「上下文切换疲劳」成了新瓶颈，换终端复用器、看板、Herdr 都没解决注意力方法论。详情 另有实测同时跑 3–5 个编码 Agent 时，人反而变成检查冲突的瓶颈；Conductor 有可视化但缺协调，Coldtea 支持 Agent 间通信和同行评审。详情 对 Claude Code Agent Teams 的拆解区分两类抽象：Subagent 生命周期短、结果回传父级；Teammate 生命周期长、拥有任务所有权，走共享任务板。详情 有人弃用共享 Markdown 交接，改在常开 Mac Mini 上用 SQLite 自建留言板，Agent 通过 shell 调 post / inbox / ack 即可加入。详情

Codex 侧，有用户要 CLI 的 /rename 以便区分并行会话，疑似团队成员 gabrielchua 回应称 Codex App 才是为多线程长任务设计的。详情 远程控制对比里，有人认为 Claude CLI 一条命令即可，Codex 的启动、配对、连接更繁琐。详情 Anthropic 放出旧金山 Code w/ Claude 活动全部 19 个视频，总时长 8 小时 23 分，覆盖 Claude Code 动态以及 Vercel、GitHub、Datadog、Cursor 的工程实践。详情

评测、成本与「完成」不等于完成

SWE-bench Science 从 98 个 GitHub 仓库、20 个领域抽出 119 个科学软件工程任务。即使最好的代理（Claude Code 搭配 Opus-5）pass@1 仍低于 50%。失败被归纳为四类：缺乏科学知识或抽象、探索或修复方向走偏、修复覆盖不全或集成失败、科学知识泛化失败；消融显示，把科学知识直接塞进提示并不总是有益。详情

微软论文把「至少成功一次」和「每次都成功」拆开：最好的 Agent 在业务任务上至少能解决 91%，但每次都成功的比例只有 25%。失败运行里约 80% 表面上很「礼貌」，还调用了写库工具并声称完成，数据库记录却对不上。论文提出 ThinkingBox 沙盒，让 Agent 对着真实工具、模拟客户做对抗评测。详情 开发者因此做 AgentUptime 一类独立验证：写库之后能否读回、API 之后提供方状态是否变化，把「声称完成」和外部可观察状态拆开。详情

DeepSWE 上 GLM-5.3 单次尝试得分 69.0%，与 Fable 5 的 69.7% 接近，但每任务成本约 3.99 美元，Fable 约 21 美元。详情 有评论把 Fable 的高价比作成本拐点：贵模型只留给该贵的任务，平价模型（如 5.6、K3、GLM）扛其余分层。详情 对长会话的拆解显示，大部分 token 并不在最终代码，而在上下文、工具输出、推理和重试；削减上下文看似省钱，往往换来更贵的重试。详情 有人直接说：编码 Agent 只是工程系统的输入，生成快 10 倍而 review、CI、合并、发布仍靠人，结果只是更长的排队队列。详情

记忆架构：少即是多，拒绝变成控制流

Hillock 放弃密集向量库，改用 SQLite 存 SPO 三元组以免向量漂移，CPU 上跑 10,000 维超向量（VSA）做小于 1ms 的查询门控；TALON 引擎约 5 秒把文档解析成三元组且不调用 LLM。过不了 HDC 相似度门控就直接拒绝，拒绝是控制流而不是提示工程。详情 ContextOS 把检索和上下文选择拆开：Dense + BM25 混合检索、RRF 融合、交叉编码器重排，再按确定性 token 预算决定哪些记忆进上下文。详情 另一项实测用 40 条真实历史提示做 4160 次对比、成本约 1.4 美元，发现 71 条记忆（约 68%）从未改变任何回答；删掉它们之后质量反而上升，且必须用外部审计，因为模型倾向于维护自己生成的记忆。详情

安全与治理：YOLO 模式、MCP 缺口、副作用分级

据安全研究人员披露，开源 Hermes Agent 被用于入侵泰国财政部：开启无需人工批准的「YOLO 模式」，自动扫描、枚举主机、爬目录并尝试提权，找到 2012 年人事记录。攻击日志暴露在公网，含 585 个文件、利用代码和凭证。这不是新攻击手法，而是把枯燥扫描自动化；责任该算操作者、开发者还是模型，讨论仍未闭合。详情

对 23 个公共 MCP 服务器的扫描显示，约三分之一至少有一个工具未声明 readOnlyHint 或 destructiveHint，有的描述里写着删除账户，Schema 却没标 irreversible。详情 另一份对 MCP Registry 13,350 个远程端点的非破坏探测里，可分类的 10,812 个中 75.8% 带至少一个关键迁移信号，可能尚未对齐新规范。详情 生产侧有人给出副作用分级：只读从宽，写操作绑重试和密钥，不可逆加审核，禁止未经审查的类别升级——「叫不出副作用就不要启用该工具」。详情 也有人提醒 MCP 本质是连接层不是 Agent，应从单一安全任务扩表面，而不是一次接进所有工具。详情

治理讨论引用「描述性治理」（文档规定）和「已建立治理」（架构强制）的区分，结论偏向实时强制、观察和审计的基础设施。详情 自主代理 Otto 跑了 48 天，收入 0 美元，还欠启动资金 155 美元；它每日唤醒、必须表明 AI 身份，也曾花 0.12 美元实测后修正自己记错的能力。详情

课表、解析与周边工作流

开源课表 AI Engineering from Scratch 共 503 课、约 320 小时，覆盖 Python、TypeScript、Rust、Julia，要求先手写反向传播、分词器、注意力和 Agent 循环，再碰生产级库。详情 Datalab 的 Marker v2 把 PDF、图片、DOCX、PPTX 转成干净 Markdown，单张 B200 约 23.7 页/秒，支持 90+ 语言。详情 一位大厂工程师写到，给 Claude 完整上下文和即时反馈后自己转到全栈，成本大约 300 美元，并认为批评者常把调试责任推给模型。详情 Gemini Flash 3.7 被用来写 Kubernetes 规格：作者明确它不适合生产编排，但用自然语言出 K8s 配置是可行的。详情 Cursor 还被演示进机械设计：建模过程中即时给出 DFM 建议，并基于当前装配体和公司零件库补全后续特征。详情

应用

多名 ChatGPT Plus 用户指 GPT-5.6 Sol 在 Medium/High 档被静默换成 gpt-5-5-mini，抓包与「数手指」对照都指向同一路由，OpenAI 尚未说明。详情 MiniMax 放出 SEED HUNTER 工作流，H3 则在精炼、放大、绿幕和对口型上被反复实测。详情 Claude 生成可在浏览器里漫游的赛多纳日落，同时 ChatGPT Mac 读取 iMessage 历史被指打开隐私缺口。详情 详情

GPT-5.6 Sol 被指静默落到 5.5-mini

Plus 用户选择 GPT-5.6 Sol 的 Medium 或 High 时，回复浅、出得快，且没有额度预警。网络抓包显示请求仍是 5.6 Sol，服务器却返回 gpt-5-5-mini，网页、桌面和移动端都中招。Work 与 Codex 未走这条路由，但仍消耗有限额度。复现方法是「数手指」：普通 ChatGPT 即便开 High 也会数错，Codex 里的 Sol 每次正确。详情

体验并不单向。网页版被指跳过长时间思考、答得过快。详情 另一边则抱怨 ChatGPT 与 Codex 频繁出现「正在思考更多」，即便低推理档 Terra、植物识别一类离线话题也会拖慢，速度和质量观感一起下降。详情 有 Pro 用户称适应之后 Work 模式好用。详情 定时任务现已能带插件，社区在征集个人与工作场景。详情

额度截断与客户端故障

付费计划被指过早撞上用量上限，需要反复申请重置。详情 用户还发现，额度耗尽后任务自动跑完的能力似乎被拿掉，长任务会直接停住。详情 Claude Code 据传悄然加上 90% 用量截断：任务未到 100% 就停，用系统提示忽略警告只换来道歉、并不继续，测试套件被打断。详情 Perplexity 在给 Computer 做更细的努力档选择器，低努力模式预期能压信用消耗。详情

Windows 版 ChatGPT 桌面里 codex.exe 可从约 100MB 涨到超过 50GB，错误码 0xc0000409，近两个版本都在。详情 macOS 上 Codex Desktop 重启后分页线程可能回到旧快照或卡死：app-server 运行时不一致，rollout 写入重复 ordinal，历史投影游标卡住。详情

MiniMax：SEED HUNTER 与 H3 工作流

作者放出针对 SEED HUNTER 的工作流视频，覆盖操作与配置。详情 视频侧，有人把 Wan 2.2 当精炼器：Minimax 8 步（无加速 LoRA）再接 Wan 2.2 低噪声 2 步（带加速 LoRA），涂抹感下降，且 Minimax 端可用自定义 LoRA；帧率略有混叠。详情 低分辨率则用 H3 先出 1504×832，再经 Ultimate SD Upscale 拉到 2560×1440，示例工作流在 ComfyUI_UltimateSDUpscaleGuider_H3，测试机为 4080S 16GB 显存。详情

H3 的 Ref2Va 可把绿幕换成会动的新背景，并用新生成的英式口音音频对上口型。详情 短片《The River That Forgot How To Shine》音频全在 Minimax 里生成，画面走 ComfyUI r2v，提示词由 Claude 写。详情 电子乐对比里，Music 3 常出说唱或通用流行，H3 更跟得上 EDM；40 秒视频生成约 538 秒。详情 ComfyUI 修了 Tokenizer，可能改写 H3 提示词的解析方式。详情 更新后的双采样用模型化潜空间放大替代简单缩放，首采 8-step LoRA、二采 4-step，减轻蜡质感和线条伪影。详情

ByteDance 侧，Seedance 2.5 进了 CapCut Web：从单段生成转向节奏、跨镜角色一致和可局部返工的叙事控制。详情 有人用 SeeDance 给 Python Workers 教学视频做蒙提·派森风格动态图形。详情

Claude：赛多纳日落、插件与落地应用

用户展示 Claude 生成的可交互网页「Sedona Sunset」：岩石与声效均由代码生成，无需下载素材，可在浏览器里漫游。详情 Claude Code 做出 Obsidian 插件，把笔记库画成 3D 星系：笔记是星、文件夹是星云里的星座、链接是光束；归档笔记落入黑洞，光线弯曲用引力透镜公式而非假着色；布局可切螺旋、环或星团，MIT 开源。详情

Anthropic 开了面向 Cowork 与 Claude Code 的社区插件市场；GitHub 仓库是只读镜像，提交走 clau.de/plugin-directory-submission。详情 Google Workspace 连接器已对所有用户和桌面端开放：可搜索、读、写、发 Gmail，以及搜索、分享、移动 Drive 文件，敏感操作默认先批准。详情 独立开发者 Mohit 的 AgentsKit 一条命令注入 89 个专家 Agent、122 种技能和 181 个斜杠命令，一次买断。详情

落地继续往非编程走。免费 iOS 头追应用 TrackBridge 用 Swift、ARKit 和 UDP，对标约 200 欧元的方案；作者认为 Claude Code 处理 OpenTrack 比 ChatGPT 准，也更帮得上修缺陷和审核。上线一周下载约 60、展示约 2k。详情 一名非开发者在跑不动 Adobe 的 Surface Pro 8 上，用 Claude Code（Opus 5）做浏览器设计工具，覆盖矢量锚点与布尔、GPU 调色和部分动态。详情 有人只凭几段录屏和自然语言，约 3 小时做出营销视频，用掉 5 小时额度里的约 13%。详情 业余 GM 验证角色卡 1 版转 5 版可用，甚至能出 Foundry JSON，但长战役记忆仍存疑。详情 商业分析师在问如何把 Claude 当同事，尤其是 Cowork 的非编程用法。详情

iMessage 插件、Grok 与其它上新

ChatGPT macOS 新增 Apple Messages 插件，可搜历史、起草回复。用户指出 iMessage 本地缓存本是加密的，该功能却能读取并上传到 OpenAI/Microsoft 服务器做明文处理。详情 另有专家警告同一插件可代发短信、读取全部历史，建议不用插件，甚至考虑停用 iMessage，以免联系人开启后泄露。详情

xAI 把 Grok Build 对所有用户免费开放：描述即可在产品内做应用、网站、游戏和仪表盘，发布实时 URL 仍需付费计划。详情 有人只用手机对话，靠 Grok 的 bot、imagine 和 Voice 做出「从光子到成像」的两段科普，并让 bot 交片前逐帧质检。详情 Grok Imagine 加了发现页，可直接试修图和改尺寸。详情 另有用法把 Grok 当「元智能体」：主厨 Bot 再拉起 Agentic Engineer，去查 Claude Code 与 Codex 会话里未闭合的循环。详情

其它上新与实测：Open-slide 用自然语言描述幻灯片，编码 Agent 输出可再编辑的 React 组件。详情 Infinitty 0.2.6 是 Swift + Metal 的 macOS 原生终端，带浏览器、文件管理和多智能体聊天，走 MCP 或聊天控制。详情 Apogee 从零复刻已停产的 Mozilla Orbit，完全本地、接 Ollama，摘要网页、YouTube 和 Hacker News。详情 Vercel 放出 Agent 读站评测，百余项检查、过程可视化和一键修提示词。详情 Copilot 手机端可录最长 120 分钟面对面会议，后台运行并在聊天里出纪要。详情 Firefox Smart Window 实验模式补了引用来源、近期网页信息和自然语言搜浏览历史。详情 Dinkus 是 Mac 原生 Markdown 编辑器，图、表、代码块直接渲染，无账户，现价 7.99 美元。详情 搜索在 Agent 工作流里已贵过推理，p0 目标是比 Google 便宜约 100 倍、快约 10 倍。详情

研究

斯坦福 Percy Liang 团队的 Marin 535B-A23B 开训，总参数 535B、激活 23B，训练过程向公众开放。详情 Toby Ord 写到，证明正被快速自动化，但数学远不止证明，正如计算曾被二十世纪计算机接管。详情 数据侧把问题从「过滤」改写成「选择」；一份汇总 Sutton、Spinning Up 与 PPO 笔记的 LLM 强化学习全指南也预告发布。详情详情

Marin 535B：把预训练放到台面上

Marin 535B-A23B 由斯坦福 Percy Liang 团队开训：总参数 535B、激活 23B，数据 18.75T tokens，硬件为 11 套 GB200 NVL72（约 792 张卡），预计约 3 个月、计算量约 2.7e24 FLOPs。主模型前已跑完 4 级 Scaling Ladder（1.6B 到 27.7B）用来预测状态，公众可看实时训练曲线与后续实验记录。详情 同一方向上，OpenMHC 针对可穿戴健康研究里最大数据集与模型多封闭、缺共享基准的现状，提供开放资源。详情 Tempov 用约三百万对 Landsat 图像、六个光谱波段预测村庄级资产财富，在马拉维与莫桑比克分别解释 87% 与 74% 的家庭财富差异，目标是追踪随时间的变化，而不是静态快照。详情

数学：证明被自动化之后还剩什么

Toby Ord 把当下比作计算被自动化的那一次：证明正在被 AI 快速接管，但学科内涵并不等于证明过程。详情 菲尔兹奖得主 Martin Hairer 在采访中认为，LLM 擅长「编造」的题目，研究级数学仍差，职业相对安全；转述者提醒，数学家未必是 AI 影响的专家，「有 AI 的数学」最终长什么样仍未知。详情

数据选择，而不是通用过滤器

讨论把训练数据问题从「过滤」改写成「选择」：通用模型、算力充足时，几乎所有数据都有用；面向特定分布时，选择器比通用「智能」过滤器更有效。除非算力受限或不做通用模型，否则应避免靠过滤器替模型做判断。详情 持续学习一侧的论点更硬：主流做法是给 SGD 清洗世界（过滤、合成、蒸馏），更有野心的路径是让算法从噪声、非平稳经验里连续学，并指向 Sutton 的 Incremental Delta-Bar-Delta。详情

强化学习：指南、环境延迟与世界模型

一份 LLM 强化学习全指南预告发布，材料包括 Sutton 教材、OpenAI Spinning Up、RLHF Book，以及 John Schulman、Lilian Weng 关于 PPO 与 Policy Gradient 的笔记与论文。详情 随着推理成本下降，有论点认为 RL 的瓶颈正从计算转到环境交互的物理等待，大规模下会转向学世界模型，在类似 Dreamer 的模拟里做大部分训练。详情 斯坦福与北大的 QWM 则反对在世界模型内部训练策略：策略会继承模型的每一个错误，任务越长、图像越脏，误差累积越重；世界模型只在动作选择阶段辅助决策，不参与训练。详情 NVIDIA 放出面向 Agent 研究的 PyTorch 框架 Molt，栈为 Ray、vLLM 与 AutoModel/FSDP2，奖励可以是任意 Python 代码，不必先训奖励模型。详情

科学 Agent：发现、代码与带病提交

SWE-bench Science 含 98 个仓库、20 个领域、119 个任务，测编码代理解决科学软件工程问题的能力。最好的 Claude Code 配 Opus-5，pass@1 仍低于 50%。失败机制包括缺科学知识或抽象、探索方向走偏、修复覆盖不全或集成失败、知识泛化失败；消融显示，把科学知识直接喂进去并不总是有益。详情 Apodex 的 TRACES 评「发现性智能」：没有现成答案时，用工具、测假设、改错误、凭证据得出结论，关注结论是否被「赚得」，已用于 AAV 基因递送、药物重定位、临床试验。详情 斯坦福等检查了 800 次自动化研究运行：82.5% 的运行里，代理在自我审查中写下「结果有问题」，仍把错误结果当最终发现提交。作者的结论是，不能信代理自称做了什么，必须核对实际代码与产出。详情 Inherent 的 Faraday 基于 270 亿参数 Qwen 3.6，在复现已发表科学发现、且不被告知答案的任务上，自称超过更大的 Anthropic 与 OpenAI 模型。详情 MIT 的 SparksMatter 找到由稳定、无毒、地壳丰富元素组成的热电材料 CaMg₂Si₂，可将废热直接转为电；现有方案多依赖碲、铅等稀缺或有毒元素，合成与制造仍是下一步。详情

量化、小模型与测试时计算

5080 上两周短会话（2 至 4 条消息）对比：低于 Q4 质量明显下降；量化感知训练（QAT）模型若跑在非训练位宽上会大幅掉点；常用方案之间的差异比社区印象更小，多数在统计上分不开。作者标明这是短会话，长上下文与编码基准可能不同。详情 Qwen3.8-27B 的 KL 散度评测（代码数据、8k 与 32k）显示，最好的 4-bit（0.00835）仍远高于最差的 8-bit（0.00071）；同样大小下，校准与舍入把 4-bit 散度拉到 0.01364–0.02976，不能只按文件大小选，损伤在上下文起始处更重。详情 另有人在 5 万张网页截图上微调 4.5 亿参数视觉语言模型，分数从 1/100 升到 44/100。详情 Sleep-time Compute 让模型在查询到达前用上下文预思考：同等精度下测试时算力约降 5 倍，扩展后 AIME 精度升 18%；同一上下文的多个相关查询分摊后，单次成本约降 2.5 倍。详情

生成、潜空间与推理期再循环

中科大与港中文的 VideoCoCo 先生成描述物理规律的可执行代码，再驱动视频生成，针对黄油不融化、瓶子不变形一类错误，在 PhyGenBench 上提升物理合理性。详情 LUA 入选 ECCV 2026：在 VAE 解码前做 ×2/×4 潜空间超分，无额外扩散步，解码与上采样时间约减近 3 倍，对 SDXL、SD3、FLUX 微调即可迁移。详情 Depth Anything V4 因核心主张被证伪撤回，问题不只是复现；原文曾称黎曼流匹配把无效高斯比例从 12.3% 降到 0.01%。详情 DeepMind 的 Recirculation 在预填充阶段把激活反馈给自身，让前馈 Transformer 在推理时像动态系统跟踪信念状态，不必重训，生成成本保持平坦。详情

Agent 记忆、工具学习与芯片搜索

GitHub 上约 380 万个 Agent 技能文件，过半是精确副本，独立文件约 190 万；技能靠复制文件夹与 Markdown 描述加载，无编译检查，版本冻结且难推修复。数据集已打成 SQLite 发布。详情 清华与康奈尔提出 ACID-Agent：每次探索—执行—验证当事务，只有通过验证才提交记忆与工作区，失败则重试且不污染后续步骤。详情 多智能体代码审查里，编写、审查、批评三个角色的对抗流程，在 LiveCodeBench 上胜过五个 Agent 的堆叠。详情 Snowflake 的 MidTool 在监督微调与强化学习之前的中期训练引入工具学习，语料约 203B tokens；4B 模型监督微调后 BFCL 从 39.73% 到 50.25%，再经强化学习到 54.18%。详情 DeepMind 与伯克利的 ArchAgent v2 在数据预取锦标赛 DPC4 上超过人类设计冠军：把 L1D/L2/LLC 分阶段优化并守存储预算，单核低带宽相对 BertiGO 提升 4.6%（基线 2.6%），总体 IPC 升 3.8%。详情

模型

Qwen 3.8 27B 把本地模型讨论拉回具体任务：有人用它在约 30 分钟内做完原以为需要前沿闭源模型的逆向工程 详情，另有团队称编码接近常用的 GPT Luna、OCR 优于 Gemini 3.5 Flash Lite 详情，去审查权重也出现在 Hugging Face 详情。Anthropic 的 Opus 5 被指错误率高于 Sonnet 4，像一次倒退 详情。神秘模型 Ox Alpha 完整 DeepSWE 约 63%，有人猜测它是 GLM-5.3 Flash 详情；DeepSeek-V4-Flash-Vision-Exp 则在 Codex 配额用尽后被拿来接任务 详情。

Qwen 3.8 27B：逆向、OCR 与配置决定观感

逆向工程案例之外，硬核上限也被测到：把约 2.1 MB、约 3.9 万行、约 60 万 token 的单文件 C 程序一次性移植为单文件 HTML/three.js，环境为 vLLM FP8、FP8 KV cache、262k 上下文、RTX 6000 Pro 96GB。云端 Claude Code 跑 Opus 5 用了 21 分钟，本地 Qwen3.8:27B 明显落后。详情 社区一周测评汇总认为，工具调用差、解码慢、代码强等互相矛盾的评价，多半来自量化、推理引擎、上下文与 KV cache、MTP 或推测解码、Tool Schema 和硬件，而不是权重本身。详情

z-lab 放出集成 DFlash2 与推测解码的 GGUF，面向 llama.cpp。详情 Mac Studio M2 Max 上对比多种引擎，MTPLX 在速度与得分上综合最好；llama.cpp 加 MTP 在 medium 档最快。详情 6GB 显存用户反映 27B 响应可拖到约 1 小时，不适合当日常编码主力。详情 Hugging Face 上的 Qwen3.8-27B-Uncensored 由 orcarouter 发布，属去审查/红队方向，支持图像文本到文本。详情 Qwen-3.8-OBLITERATED 的 GGUF 转换曾出错，作者已修 v3，bf16 safetensor 未受影响。详情

Opus 5：倒退、啰嗦与额度

除错误率被拿来和 Sonnet 4 对比外，有人实测长对话两三个回合后即陷入混乱。详情 Claude Code 用户报告它在改色板时无视给定色值、编造颜色，并改到错误目录，疑似被强制调用 dataviz 技能压过主指令。详情 有人取消 Claude Max，转回 GPT-5.6 Sol，称 Fable 太贵、Opus 5 与 Sonnet 体验差，上一次满意的是 Opus 4.6。详情

啰嗦被单独讨论。有人推测加长输出是为了配合统计水印/SynthID，目前只是猜测。详情 Anthropic 成员回应已知悉，并给出 claude /config outputStyle=concise。详情 $200 最高档用户称，尽管官方宣传限额提高 50% 至 8 月 31 日，每周额度在重置后约一天半轻度使用即耗尽，与宣传的 20 倍（加成后 30 倍）不符。详情 基于约 600 亿 token 日志的对比称 Prompt 缓存决定有效用量：Claude Pro 每周约 25 亿 token（含促销），Gemini Pro 周总量约 10 亿，Ultra 可达约 50 亿。详情

系统里据传出现 claude-mashmallow-eap 与 claude-melon-eap，猜测是 Opus 更新或新 Haiku。详情 另有传闻称正在测 Haiku 5 与 Sonnet 5.1。详情 ProgramBench Vetted 上 Opus 5 仍领先；「almost」（通过超过 95% 测试的任务）这一指标里，0813 被指为少数明显强于其他开源权重的版本。详情

Ox Alpha：完整 DeepSWE 约 63%，身份仍未定

@davis7 对 Ox Alpha 跑完完整 DeepSWE，得分约 63%，低于其首次子集测试的约 80%，大致与 GPT-5.6 Sol mid 持平。体验上语音风格好于 Claude 或 GPT，擅长子智能体与长程任务，代码质量好，但会留死代码、高推理档位观感慢。有人据此猜测它是 GLM-5.3 Flash。详情 反向证据是：有人指出它接受视频输入，而 GLM 5.x 基座是纯文本，因此不太像智谱产品；该说法未经证实。详情

有人把它当长周期子智能体，细致、主动但野心不大，像「有博士学位的前线勤务员」。详情 有实测称它慢于 GPT-5.6 Luna，但任务质量更好。详情 Peter Wildeford 与 Ethan Mollick 称早期测试「还行，但不到前沿」，甚至在开源权重里也不突出，Kimi K3 在部分任务上更好。详情 另有对比称 Gemini 3.7 Flash 与之持平且更便宜，只是非开源权重。详情 模型仍免费可测，来源未公布。详情

GLM-5.3：接近 Fable 5，单次成本约四分之一

DeepSWE 单次尝试上，GLM-5.3 通过率 69.0%，Fable 5 为 69.7%；每任务成本约 3.99 美元对约 21 美元。详情 Together Compute 称最多四次尝试时，GLM-5.3 解决率 87.6%、总成本约 16 美元，Fable 5 为 69.7%、约 21.63 美元。详情 另一套工作流先跑 GLM-5.3、仅在校验失败时升级到 Fable，得到 81.1%、每任务约 10.74 美元，比单用 Fable 高约 11 个百分点、成本约一半。详情 旧款 GLM-4.5-Air（106B MoE，激活约 12B）已能在 llama.cpp 开 MTP 加速。详情 CogVLM2 被指在文本恢复/OCR 上达到 SOTA 档，分辨率 1344²。详情

DeepSeek-V4-Flash-Vision-Exp 与低价档

有开发者因 OpenAI Codex 配额用尽，改用 DeepSeek-V4-Flash-Vision-Exp 加 DeepSeek harness，称结果超出预期。详情 2.52-bit EXL3 量化在编码和 20 万以上上下文里仍能用，对比更慢的 MXFP4 未见明显崩盘。详情 Merge Gateway 上 V4 Flash 0731 限时 75 折至 9 月 30 日，折后约每百万 token 输入 0.04 美元、输出 0.07 美元。详情 DeepSeek 从 8 月 23 日起取消周末峰谷价差。详情 GPT-5.6-Luna 27B 定价截图为 0.20/1.20 美元，被指约为同类一半；有人把它看作 OpenAI 的用量主力，适合简单任务和聊天。详情 详情 免费档用户则抱怨 Luna 5.6 逻辑自相矛盾，只剩摘要和基础翻译能用。详情

Gemini 3.7 Flash 与任务分流

Artificial Analysis 的 Analyst Agent 基准测表格与文档上的定量分析，Gemini 3.7 Flash 超过 Fable 5、Opus 5 和 GPT-5.6。详情 有人把它当日常研究与文件抽取模型，速度快并接 Google 搜索。详情 任务分流建议把 DeepSeek 放快速简单任务，Gemini 3.7 Flash 放聊天与搜索，Kimi K3 放中等代理，GPT 5.6 Sol 放编码，Fable 5 放大代码库。详情 帕累托分析称 DeepSeek Flash 约 0.05 美元/任务，Gemini 占中端性价比，Sol 在约 81 分处成本仍好，Fable 分最高但价贵。详情

基准、开源研究与垂直模型

TwIL-LM2 是装在 SmolLM2-1.7B-Instruct 上的约 72M LoRA，专做英语到可校验一阶逻辑。strict-7（无部分分）上得 0.2386，高于 Qwen3-8B 的 0.2093 和 Gemma-4-26B 的 0.2050。详情 因 16GB 显存限制，有人对 Gemma 4 12B 做工具调用微调：成功率约 2.7 倍，尝试发工具的次数约增 15.7%。详情

普林斯顿刘壮团队发布 3B 文生图模型 i1，三百多组对照实验、约 70 万 TPU 小时，代码与数据全公开；五项基准平均领先此前最好的全公开模型约 29.5%。结论包括：多文本编码器可被单一大规模 adapter 替代；长 caption 训练需要配合 prompt rewriter。详情 据 arXiv 论文，阿里或将开源 Swift-Image 6B：统一 6B DiT，同一套权重做文生图、单图与多图编辑。详情 Depth Anything V4 因核心主张被证伪撤回；原文曾称用黎曼流匹配把无效高斯比例从 12.3% 降到 0.01%。详情

Harvey 发布法律后训练模型 Tenet，在 Kimi K3 上做 rank-64 LoRA，约 2000 个法律任务。LAB 全过率较基座升 82%，LAB Contracts 升 22%。详情 MiniMax H3 的 Ref2va 在六格分镜里五格完全跟随；高提示词服从也被指会去掉微小动作，画面发僵。详情 详情 消费级卡两年对比：2024 年 RTX 4090 以 4-bit 跑 Llama 3 70B 约 2 tok/s；2026 年 RTX 5090 以原生 mxfp4 跑 DeepSeek-V4-Flash 284B 约 24 tok/s，速度约 12 倍。详情

多模态

MiniMax H3 把视频讨论从单段出片推进到角色替换、绿幕虚拟人和分镜跟随：先换成绿幕假人再换目标角色，用来避开相似面孔互相融合；Ref2va 配合场景表或六格分镜，遵循度约九成。详情 另有神秘新模型据称 2 秒即可生成 10 秒有声视频，技术细节尚未公开。详情 图像侧，GPT-Image2 的提示词被做成可复用模板；音频侧出现单卡训练的游戏音乐模型 Localsong。详情 详情

视频：MiniMax H3 角色替换与绿幕虚拟人

针对 MiniMax 视频生成的虚拟人策略分两步：先把原角色换成绿幕 crash-test dummy，再用目标角色替换 dummy，以避免相似面孔的特征融合。作者给出 ComfyUI 配置，建议 Balance 模式；若第一步预览没有覆盖层，替换多半会失败。详情 同一路径也可把绿幕天气播报换成会动的新背景，并用新生成的英式口音音频对上口型。详情

Ref2va 实测更具体：一张参考图加场景表即可出片；六格分镜里五格完全按图走，约 90% 遵循度。详情 详情 复杂镜头方面，双人正侧面机位被打到满分，四机位和镜子迷宫仍有背景瑕疵与鬼影。详情 360 度全景可转成空间较一致的视频环境，几何偶发混乱，需靠提示词和种子修正。详情 T2VA 演示里车辆动力学被认为相当逼真。详情 精灵动画演示则把连续动作帧接到游戏或动画管线。详情 Hugging Face 上也出现基于 H3 的角色表与转面图流水线，用来保持多角度一致。详情

局限同样被写清。中远距离人脸在 0.6MP 下容易糊、扭，特写才稳。详情 提示词服从过高时，头发和手指的微小动作会被省掉，画面发僵，加晃动 LoRA 可补。详情 高分辨率下空间定位弱、角色转向扭曲，语音参考也可能跑偏，长篇动画仍难。详情 三人厨房一类多角色动作控制高度依赖种子，六次结果互不相同。详情

视频：神秘新模型与其它生成路径

博主 mark_k 预告本周将发布一款神秘视频模型，据称 2 秒即可生成 10 秒含声音的片子，质量尚可，技术细节未公开。详情 中科大与港中文提出 VideoCoCo：先生成描述物理规律的可执行代码，再驱动成片，针对黄油不融化、瓶子不变形一类常识错误，PhyGenBench 上物理合理性上升。详情 Qwen-Video-Edit 把 Qwen-Image-Edit 的 Transformer 接到视频 VAE 潜空间，用两层小投影对齐 Wan 2.1，把帧排成虚拟大图做指令式视频编辑。详情 Seedance 2.5 进了 CapCut Web，从单段惊艳转向节奏、跨镜角色一致和局部返工。详情 有人用它做 30 秒 MMA 短片，对话加剧时景别从全景收到大特写。详情 LTX 2.5 仍有人做种子优选：0.3MP 预览后再上到 1.2MP，或首尾帧定锚。详情 对口型任务上，牙齿和嘴部动作被指变差，2.3 的 talkingphoto LoRA 迁不过来。详情

图像：模板、开源模型与节点

freestylefly 开源 awesome-gpt-image-2，把 470 余个 GPT-Image2 案例逆向成 20 余套工业级模板，再收成可接入自动化的 Skills，仓库约 12,397 星。详情 社区仍在问有无开源图像模型能对上 GPT-Image2。详情 据 arXiv 论文，阿里或将开源 Swift-Image 6B：统一 6B DiT，同一套权重做文生图、单图与多图编辑。详情 ComfyUI 节点 Photoshoot 用 44 个字段描述人物，再按机位、姿态、表情等维度批量出图。详情 电商侧有一份雕塑感编辑摄影提示词，强调漫射光、材质与留白。详情 Midjourney V8.2 被分享风格参数 --sref 1246983633。详情 LUA 适配器在 VAE 解码前对潜空间做 ×2/×4 上采样，入选 ECCV 2026，解码与上采样时间据称缩短近 3 倍，可微调到 SDXL、SD3 和 FLUX。详情 Krea 2 Turbo 四步蒸馏 LoRA 放出 chk00014000，保留集预测误差较 chk00010000 再降约 6%。详情

音频与语音

Localsong 是 12 亿参数 DiT 器乐游戏音乐模型，单张云端 H100 从零训练 8 天，VAE 来自 Stable Audio 3，目标覆盖比 Ace-Step、MiniMax M3 或 Stable Audio 3 更广的无歌词风格，仓库含 WebUI。详情 电子乐对比里，MiniMax-Music 3 常出说唱或通用流行，H3 更跟得上 EDM；40 秒视频生成约 538 秒。详情 Music 3 另被指不遵守时长、结尾突兀、提示词难写。详情 Hugging Face 上 Audio8-TTS-Preview-0.1b 是 0.1B 多语言 TTS，带零样本克隆。详情 NVIDIA Audio2Face-3D 从音频生成 3D 面部动画，覆盖唇形、下颌、舌头和从语调推断的表情，可接网格、关节或混合形状。详情 蒙特利尔音乐黑客松上，基于 Stable Audio 3.0 的人强调开源权重带来透明度与创作控制。详情 YingMusic-Singer-Plus 实测可改歌词与普通语音里的单词。详情

工作流：本地成片、精炼与代码场景

12GB 显卡上，ComfyUI 把 30 秒带音频视频拆成三镜再拼接，约 14 分钟出片，配合 H3MultishotMemorySampler 突破原生 15 秒限制。详情 有人未拼接单次出 60 秒 832×480，耗时 29 分钟，显存占用被记到 288GB。详情 剪枝 20B 先以 832×480 直出，再用 LTX 2.3 像素空间放大器拉到 1664×960。详情 Wan 2.2 当精炼器：MiniMax 8 步无加速 LoRA，再接 Wan 2.2 低噪声 2 步带加速 LoRA，涂抹感下降，自定义 LoRA 可用，帧率略有混叠。详情 低分则 H3 先出 1504×832，Ultimate SD Upscale 到 2560×1440。详情 RTX 5090 上 Sage Attention 加 4-step LoRA 约 6 分钟较均衡，Kitchen 加 Spectrum 25 步需 12 至 15 分钟、对口型更好。详情 H3 Infinite Continuation Suite v1.4 用首尾帧循环做长片续接，而不是无限生成。详情 MiniMax Design 加 Agent 工作流做出 30 秒、30 镜头电影级 VFX。详情 ComfyUI 已在 32GB Intel GPU 上跑通 H3。详情

代码侧，Claude 生成可在浏览器漫游的「Sedona Sunset」，岩石与声效均由代码产生。详情 有人只在手机上用 Grok 的 bot、imagine 和 Voice 做「从光子到成像」两段科普，并让 bot 交片前逐帧质检。详情 Ox Alpha 凭一张网页截图用 WebGL 还原 3D 玻璃材质与排版。详情 Grok 也被展示可剪辑视频并对上背景音乐。详情

Infra

算力卖方开始把价格写进合同，买方继续扩表买容量。英伟达已通知客户，部分 AI 产品涨价超过 15%详情；阿里计划发行 100 亿美元新股加码全球算力详情；Vercel 上开源模型的 token 份额两个月内从 28% 升到 62%详情。HotChips 把下一轮硬件赌注指向 3D DRAM 与 zHBM，家庭侧则有人把 DGX Spark 扩到 36 台、另有人用 266 美元在亚马逊平板上跑起四个本地模型。

涨价、扩表与定制芯片订单

彭博社报道，英伟达已向客户发出通知，部分 AI 相关产品价格上调逾 15%。详情 另有估算称 Rubin NVL72 机架成本可能约 800 万美元，高于 GB300 约 400 万美元；价格约升 17%，每台服务器 token 处理能力被估为 2–3 倍，按此推算 1GW 数据中心的芯片成本至少再增 50 亿美元，云厂商预计会把部分成本转给客户。详情 有技术评论指出，所谓 Rubin 相对 Blackwell「10 倍吞吐」只在极高交互性基准下成立，实验室常见的 50–60 tok/s 服务标准下并不成立。详情

买方同样在加码。阿里巴巴计划发行 100 亿美元新股；据悉 2026 年第二季度已投入 95 亿美元建设算力，并预计今年内再追加 250 亿美元。详情 斯坦福 Percy Liang 团队的 Marin 535B-A23B 同步开训：总参数 535B、激活 23B，数据 18.75T tokens，动用 11 套 GB200 NVL72（约 792 张卡），预计约 3 个月、计算量约 2.7e24 FLOPs，训练过程向公众开放。详情 富国银行把博通 AI 半导体营收上修到 FY27 的 1415 亿美元、FY28 的 2053 亿美元，高于共识的 1188 亿与 1683 亿。详情 Meta 据彭博报道每年花费数亿美元通过 Azure 访问模型，每周消耗数万亿 token；详情 Hudson River Trading 与 CoreWeave 签署多年期、数十亿美元协议，以提前拿到 Vera Rubin。详情 另有报道称，Mistral 计划到 2030 年在欧洲布局至多 1GW 算力。详情

HotChips：3D DRAM、zHBM 与定制基 Die

HotChips 讨论显示，几乎每家加速器公司都可能采用 3D DRAM 或「zHBM」的某种变体；大公司或并行推进，两种技术因各有优势预计将长期共存。详情 有评论把 zHBM 称为低功耗方向。详情 相对地，HBF 被指容量大、成本低，但主要落在稀疏注意力或专家并行；推理侧「每瓦特 token」比「每 GB 成本」更关键。详情 美光指出 GPU 硅面积大部分分给内存，加速器性能增速远超 DRAM，形成「内存墙」。详情详情 Nvidia GB300 显存带宽达到 7.4 TB/s，被用来解释 HBM 现货紧缺。详情

定制 HBM 基 Die 正在变成三星、SK 海力士、美光的差异化工具：在先进节点上缩小 TSV/D2D PHY、把内存控制器和传感器从 XPU 挪到基板。详情详情 三星的 cHBM 正是把控制器逻辑放到 HBM 基板上；同一场合，其演示者批评美光用内部 DRAM 工艺做 HBM4 基 Die「是个坏主意」。详情详情 美光则计划十年内在爱达荷州投 100 亿美元建研究实验室。详情 另有泄露路线图称 Feynman Ultra 四芯片版显存带宽或达 100 TB/s：三星幻灯片给出 HBM5 单栈 6.4 TB/s、16 堆叠合计 102.4 TB/s，并确认 HBM4E 为 16 Gbps。详情

开源用量、限流与推理账单

Vercel 数据显示，过去两个月开源 AI 的 token 份额从 28% 升至 62%，挤占 OpenAI 与 Anthropic。这一变化发生在前沿模型需求同样加速的背景下，意味着基础设施总需求比头部闭源增速更快；分析认为开源压低了模型层利润率，但 token 对应的计算成本仍接近前沿模型，因而更利好算力需求。详情 图表口径下，全球 token 生成量大约每 11 周翻一番。详情

Codex 官方排查速率限制，定位到长会话图像处理低效、Computer History 高用量和标题生成额外消耗；tiger team 将于次日发布修复。作为补偿，所有付费订阅额度将全额重置。详情 一份约 600 亿 token 的本地会话日志显示，Prompt 缓存决定有效用量：Claude Pro 每周约 25 亿 token（含促销），Gemini Pro 约 10 亿、Ultra 约 50 亿；98.2% 的 Claude 调用来自缓存读取。详情

云端账单也被摊开。有人在 Modal 上用 8 张 B300（56.79 美元/小时）部署 2.8T 参数的 Kimi K3：冷启动约 27 分钟（加载 1.56 TB），TTFT 0.92–1.02 秒，解码约 92 tok/s，折合约 190 美元/百万输出 token，单次完整跑约 36 美元 GPU 时间。详情 Agent 工作流里，搜索成本已超过趋近免费的推理，p0 的目标是让搜索比 Google 便宜 100 倍、快 10 倍。详情

数据中心：禁令、电力与社区反弹

纽约州州长 Hochul 签署行政令，实施全美首个全州范围的数据中心建设暂停。详情 Paul Graham 的评论是：拦住美国本土建设不会减慢全球 AI 进度，只会减慢美国自己的进度。详情 有文章认为，数据中心抵制潮是普通民众觉得自己还能用来反制科技巨头的少数工具。详情 Bloomberg Odd Lots 请来 Jasmine Sun，讨论行业为何对社区反弹「打了个措手不及」。详情

一份预测称，到 2033 年 AI 芯片驱动的全球电力需求约 315 吉瓦，较 2025 年增长超 1100%，美国约占新增的 64%（200 吉瓦）。详情 爱尔兰据报道因数据中心用电考虑引入核电。详情 相反口径强调水耗被夸大：即便把英国数据中心耗水翻倍八次，仍只相当于水务系统年漏损的一半；详情 美国昆西的例子被用来说明 20 多个数据中心贡献过半房产税，未来十年全美税收或达 270 亿美元。详情 新加坡 Cortical Labs 组装了 20 台生物计算机机架，功耗约 1 kW，对比传统 AI 服务器可能超过 100 kW。详情

家庭机房与本地自主

有人花 266 美元部署 4 个本地模型，接管亚马逊平板控制权。详情 「火种源」家庭实验室把 DGX Spark 从 16 台扩到 36 台，统一内存 4.6 TB，用 Hermes 与自建内存侧车拆成多推理模块，并预留 16 个节点给 Kimi K3 一类模型。详情 在 DGX Spark 上启用新机制后，DwarfStar 与 DeepSeek v4 Flash 解码约 25 t/s、预填充约 850 t/s。详情 另有人展示地下室自建机房，以及把家中 6 台 Mac 组成可对外提供推理的机房。详情详情

省电方面，有方案用 15W 迷你机做 OpenAI 兼容路由，靠 Wake-on-LAN 唤醒闲置功耗 150W 以上的服务器。详情 Darkbloom 用无网络、无 exec 的受限 Linux 进程隔离 Agent；研究员同时在 isolated-vm 里找到漏洞：V8 隔离本身未破，但沙箱与主机之间的 C++ 桥可被用来腐蚀内存。详情详情

本地实测：Qwen、量化与引擎差

Qwen 3.8 27B 被团队测出编码接近其常用的 GPT Luna，OCR 优于 Gemini 3.5 Flash Lite，并被称为「首个不像玩具的本地模型」；按他们估算，自购硬件回本周期不到两个月。详情 两年对比更硬：2024 年 RTX 4090 以 4-bit 跑 Llama 3 70B 约 2 tok/s，2026 年 RTX 5090 以原生 mxfp4 跑 DeepSeek-V4-Flash 284B 约 24 tok/s，速度约 12 倍、参数量约 4 倍。详情

量化方面，RTX 6000 上 Qwen 2.5 27B 的 AD-Q4_K_M（17.1 GB）相对 BF16 的首位 token 一致率为 95.6%，速度 67 tok/s，结论是 Q4 可用、Q6 更稳。详情 在 5080 上两周短会话对比显示：低于 Q4 质量下降明显，常用量化之间的差距小于社区印象。详情 真正拖垮速度的往往是层溢出：Qwen3.8-27B 在 RTX 4070 Super 上仅 5.7 tok/s，对比 5090 的 81.5 tok/s，因为 66 层里只有 38 层留在 GPU。详情 把显示器接到核显，可给独显省出约 1–4 GB 显存。详情

引擎差同样大。单张 RTX 5090（限 400W）用 vLLM 跑 Qwen 2.5 27B NVFP4，开视觉与 451K 全局 KV-cache，约 120 tok/s。详情 Mac Studio M2 Max 上 MTPLX 综合最好（约 20–24 tok/s）；针对 M2 Ultra 的 llama.cpp 分支把 DeepSeek V4 Flash 无损重打包到 141 GiB，速度 25.8 t/s，高于 M3 Ultra 上的 16 t/s。详情详情 约 47 美元硬件加 exl3 3-bit 与 18.5% 剪枝，DeepSeek-V3-Flash 可到 47 tok/s。详情 Strix Halo 上 MTP 把 Q8_0 从 7.3 提到 22.4 tok/s。详情

调度也会吃掉一截。三张 GPU 从单虚拟机池化拆成「一卡独占 + 两卡池化」后，Ollama 上 Qwen2.5-72B 从 12.2 tok/s 升到 33.91 tok/s。详情 从 Windows 上的 llama.cpp 切到 Linux 上的 vLLM，有人测到 30%–50% 加速；双 RTX 5060 Ti 上 LM Studio 比同样配置的 llama-server.exe 慢约 40%。详情详情 vLLM 配 DeepSeek harness 频繁因上下文报 400，同一模型用 llama.cpp 可连续跑 24 小时以上。详情 视频生成上，RTX Pro 6000 相对 5090 只快 10–15%，租金却翻倍。详情 ShardFlow 在 RTT 86ms 的跨区链路上把 Qwen2.5-7B 推到峰值 28.1 TPS。详情

具身

第二届世界人形机器人运动会在北京开幕：2056 台机器人、51 个赛项、16 国 666 支队伍同场。体能数字继续上修，但赛制把分数压到自主作业上——400 米、1500 米和接力被标为全程自主，遥控得分只按 0.5 倍计。详情 会场内外，乒乓球泛化、部件供应商，以及药店、后厨的真机，把「能跑」和「能干活」放在同一窗口。

运动会：规模、自主、仍停不稳

赛项从去年 26 项扩到 51 项。报道称百米已进 9 秒、跳高 2.88 米；400 米、1500 米和接力被标为全程自主。21 个场景赛覆盖工厂、救援和家庭任务，遥控行为的评分权重降至 0.5 倍，赛制从比速度转向比自己完成任务。详情 自主 5 对 5 足球已经开踢：跌倒后爬起来明显好于早期试验，但控球和接触后的姿态控制仍难，发帖人把禁区仍划给人类。详情 跳远测试中，第二台机器人落地后险些撞到观众。详情

球拍对打：泛化比固定轨迹更难

一段视频显示机器人与 2016 年奥运冠军丁宁打乒乓球：正反手交替流畅，且球拍在手里的位置和朝向存在训练难以完全复现的微小差异时，仍能准确击球。讨论把它读成运动控制上的泛化，而不是固定轨迹回放。详情 赛场上 Galbot 人形完成超过 100 次连续网球对打。详情 北京另有羽毛球对打，全程无预设脚本，机器人按「追踪—预测—重定位—挥拍—复位」闭环应对人类约每秒一次的击球；作者认为体育比舞蹈更难，因为对手会主动破坏预测。详情 对这类运动演示，也有人主张先把叠衣服、洗碗做出来。详情

跑与跳：天工成绩与据称 14.5 米每秒

天工人形跑出 400 米 38.15 秒、1500 米 2 分 21.6 秒，对照人类世界纪录 43.03 秒和 3 分 26 秒。详情 有博主称中国机器人跑步速度达到 14.5 米每秒（约 52 千米每小时）。详情 并行讨论把速度和制动拆开：移动速度被视为已解决，精准停止仍难，视频里有失控碰撞起火的循环。详情 立定跳高也被称超过人类纪录。详情

部件与手：务实的零件，卡住的灵巧

有人转发中国人形机器人部件供应商视频，评论认为展示具体零件并卖给付费客户，比只售研发股权的营销更务实。详情 刘润走访国内主流厂家后的判断是长期谨慎乐观，但眼下仍是「灵活腿加简单手」：腿已经能跑能跳，真正决定工厂替代的灵巧手（捏、拧、穿、按）进展有限；人手约 30 个关节需要毫秒级控制，微型电机力矩、散热和绳驱维护都是硬约束。详情 讨论亦指出，人手操作里大量潜意识微调依赖触觉；在工厂、医院等接触环境，纯视觉不够用，需要力和纹理反馈。详情 详情

真机落地：药店、仓储、后厨、咖啡

蚂蚁集团 Robbyant 的轮式人形 R2 已在上海浦东国大药房部署：线上订单到达后自主导航到货架取药、送到打包台，接入美团和国大 App，技术栈为 LingBot VLA 2.0 加 LingBot Depth。详情 海康机器人展出轮式人形与料箱 AMR 协作：人形取放，AMR 做箱到箱输送。详情 优必选 Cruzr 系列演示搬运、汽车钣金件上下料和物流分拣，端侧 Thinker-VLA 号称 1 毫米定位、任务成功率超 99%；底层共享 Thinker、Thinker-WM 和 Thinker-VLA。详情 橡鹿发布「现炒方舟」无人后厨和 CookingMuse 模型：双锅并行、三级自清洁，训练数据来自约 1.3 万家门店、6 亿人次服务，用 3K 视觉监控锅内状态并动态调火候。详情 无界动力用 K15 在开放人流里开了一家机器人咖啡店，完成制作、配送和清理；公司成立于 2025 年 3 月，上半年据称完成数亿美元融资，路线选隐空间世界模型，而不是像素生成或 VLA 模仿。详情 Figure 侧，有人估速度再提 4 到 5 倍，任务吞吐可接近谨慎人工；访客也在其总部看到人形在办公室走动。详情 详情

端到端控制：卡丁车、挖掘机、飞行救生圈

Symbiosis Robotics 用单镜头、一镜到底演示人形钻进卡丁车驾驶舱并自主驾驶，团队称已从分层控制改到端到端，感知直接进单一模型出动作。详情 成立约两个月的共生知行放出高速过弯视频，技术上押注去掉「小脑」中间层、模型直接输出关节目标，并用 DriftDistill 做运动先验蒸馏。详情 美国初创展示自主挖掘机现场作业。详情 中国推出 AI 动力「飞行救生圈」，可自主飞到落水者附近协助救援。详情 奇捷 X1 可骑乘机器人马/狗亮相，腿部自研关节电机峰值约 1400 牛米。详情

研究与栈：世界模型不是 VLM

伯克利教授 Jitendra Malik 要求把术语分开：VLM 抓的是图像静态语义，不含动力学；世界模型回答的是「在状态 s 做动作 a 会到下一状态」，概念可追溯到控制论，只是现在从视频和轨迹里学成网络。详情 斯坦福与北大论文 QWM 认为，直接在世界模型内部训练策略会继承模型的每一个错误，任务越长、图像越脏，误差累积越重；他们的做法是世界模型不参与训练，只在动作选择阶段帮忙。详情 ETH Zurich 的 NaP-Control 把强化学习与任务无关的扩散运动先验结合，在噪声空间里学导航，而不是测试时做缓慢的梯度引导。详情 日经报道大阪公立大学的操船 AI 能复现熟练船长沙盘，并在模拟中遵守未被明确教授的海上交规。详情 另有观点把机器人栈拆成毫秒级控制环和周月级工业环：前者不稳会打滑跌倒，后者慢则演示好看、生意做不成；瓶颈会随规模从材料、电机迁到校准与在线时间。详情 详情 在基础模型和机器人之间，有人把 harness 说成物理智能的操作系统，负责上下文、工具、执行、验证和恢复。详情 sarahookr 则追问：主流 AI 已吃到的加速器，物理机器人为什么吃不到同样一份。详情

本地算力与其他机体

家庭实验室把 DGX Spark 从 16 台扩到 36 台，统一内存约 4.6 TB，计划留 16 个节点给如 Kimi K3 一类模型，其余做重排、嵌入和多模态生成。详情 有人用 266 美元在亚马逊平板上跑 4 个本地模型以接管设备。详情 内存专家 Jim Handy 在 Hot Chips 上称，模拟神经网络存储可能进入边缘 IoT 和人形机器人。详情

创投

资本交易集中在实验室与路由层：英伟达拟向 Poolside 投入 10 亿美元并支付 60 亿美元技术授权，同时接收逾百名工程师 详情；据传 Anthropic 筹备 IPO、Hugging Face 探索出售、Stripe 拟以 80 亿美元收购 OpenRouter。买方继续发股买容量，企业预算则从旗舰模型转向低价档。

英伟达与 Poolside：10 亿股权加 60 亿授权

英伟达正计划投资 Poolside 10 亿美元，并支付 60 亿美元授权其技术，同时雇佣其大部分工程师。超过 100 名工程师将转至英伟达，投入 Nemotron 项目。详情

据传的上市、出售与 OpenRouter

据报道，Anthropic 正筹备 IPO，并预测到 2028 年年营收约 1900 亿至 2000 亿美元；Cloudflare、Palantir 和 SpaceX 被列为估值对标。详情 Cathie Wood 引用 TickerTrends 估算称，OpenAI 当前 ARR 约 410 亿美元、Anthropic 约 740 亿美元，合计超过 1150 亿美元，高于 SAP、Salesforce 与 Adobe 过去 12 个月营收之和。详情 Gary Marcus 认为 Anthropic 人才与份额足以存活，但在高端兴趣下降、低价竞争挤压的情况下，以 2 万亿美元估值投资「是疯了」。详情 另有对比称 xAI 估值 800 亿美元，超过 Anthropic 的 615 亿美元，但 xAI 营收基本为零，Anthropic 年营收约 10 亿美元。详情

据报道，Hugging Face 正在探索出售，潜在估值可能超过 130 亿美元。详情 传言 Stripe 将以 80 亿美元收购 OpenRouter，押注互联网的主要用户变为 Agent；Greg Isenberg 称软件正从为人点击的 UX 转向为 Agent 设计的 AX，并认为这将带来 1000 多家新公司机会。详情 有评论认为 Stripe 对企业 AI 基础设施分发理解不足，仅凭约 5% 的成本优化难以切入。详情 报道称 a16z 在 Cursor 与 OpenRouter 的持股合计已超 80 亿美元，对应总投资仅 3.2 亿美元，两家公司成立均不足五年。详情

扩表、已披露轮次与具身退出

阿里巴巴计划发行 100 亿美元新股推动全球 AI；据悉 2026 年第二季度已投入 95 亿美元建设算力，并预计今年内再追加 250 亿美元。详情 美光计划未来十年在爱达荷州投资 100 亿美元建设研究实验室，推进内存与新型计算系统。详情

AI 视频公司 Higgsfield 完成 4 亿美元 B 轮，DST Capital 领投，高盛、Tribe、英特尔投资等参投，投后估值 54 亿美元，距上一轮 13 亿美元仅约 8 个月；ARR 已达 7 亿美元，用户超 3000 万，服务 390 家财富 500 强。公司做模型之上的生产层，而不是自研底模。详情 Gamgee 由 Founders Fund 领投完成 400 万美元种子轮，将犬用个性化 mRNA 疫苗流程工业化。详情 无界动力上半年完成数亿美元融资，在 2026 世界机器人大会上用 K15 机器人开了一家真实咖啡店，技术路线选「隐空间世界模型」。详情 宇树科技上市后，天使投资人尹方鸣以约 200 万元投资获得约 2.8 亿元回报，收益超 140 倍，现任银河通用董事长。详情 Docsyde 入选 CyreneAI 早期基金，做收入文档方向的 AI 同事。详情

支出倍增、低价模型与价格战

Atreides Management 管理合伙人 Gavin Baker 预测，2026 年 8 月公司内部 AI 支出将是 3 月的 100 倍，且目前仍在每月翻倍；他认为规模变得关键，知识型行业将出现「最低 token 支出」门槛，并面临算力不平等。详情 Vercel 数据显示，过去两个月开源 AI 的 token 份额从 28% 升至 62%，挤占 OpenAI 与 Anthropic。这一变化发生在前沿需求同样加速的背景下，分析认为开源压低模型层利润率，仍利好算力需求。详情

据《金融时报》，Anthropic 最强模型仅占 Ramp 上企业 AI 支出的 11%，原因是价格过高，更便宜的模型已能覆盖大部分任务；竞赛从「谁更聪明」转向「谁能以合适价格提供足够智能」。详情 若企业不再默认用最强模型，报道称可能改变前沿实验室商业模式。详情 Chamath 把「一桶智能」定义为一百万 token：OpenAI 售价 26 美元，Anthropic 56 美元，Elon Musk 与 Google 1 美元，Meta 1.50 美元，中国厂商低至 0.50 美元；他认为价差必须被市场抹平，早期押注高价模型并转嫁客户的厂商将承压。详情 有人预测 OpenAI 会把 GPT 5.6 SOL 降价 80%，以挤压 Anthropic 与开源。详情 Insight Partners 联合创始人 Jerry Murdock 称，资本充裕的公司正接受低利润或零利润抢客户关系，复刻亚马逊压价圈地。详情 另有观点称风投正涌向垂直专用模型，独家数据会变得更贵，算力成本则在下降。详情 a16z 的 Martin Casado 认为，AI 是第一种投入 10 美元就能稳定换来训练或 token 产出的技术，但不保证利润。详情

Polymarket 显示，2026 年底前 AI 行业衰退概率为 12%，判定需至少满足英伟达跌 50%、实验室破产或被收购、H100 租金低于 1 美元等三项。详情 2027 年前破产赔率方面，OpenAI 约 2.7%、Anthropic 约 2.4%、Perplexity AI 约 2.1%。详情

风投结构与监管

据 Bloomberg，美国司法部正调查 a16z 同时持有竞争对手 AI 公司董事会席位，涉嫌利益冲突；VC 界认为议题优先级意外，有分析指这可能是在立先例。详情 斯坦福 GSB 教授 Ilya Strebulaev 基于 30 年、23 万笔投资发现，约 5% 的 VC 创造行业 90% 利润；剔除独角兽估值虚高（常约 50%）、追踪稀释并引入时间衰减后，该榜与 Midas List 相关性仅 0.27。详情 MartinGTobias 预警晚期 SPV 可能成为诉讼重灾区，称已知 3 个涉及 SpaceX 的 SPV 因未持有声称股份被起诉，建议直接投在 cap table 上并获公司批准。详情

付费买榜、一人公司与另类激励

outbid 这类付费竞拍排行榜两天入账约 10 万美元，有人公开用一段 Master Prompt 在 Cursor / Claude Code 里复刻 Next.js、Supabase 与 Stripe Checkout 的全流程。详情详情 榜单的榜单显示 outbid.lol 营收约 17.9 万美元居首，点击均价约 1.89 美元。详情 另有项目头号广告位卖到 14,013 美元，数天内报称收入 13.2 万美元。详情 Crowdreply 花 12,700 美元买下第一名，48 小时内 6,550 余次点击、1,800 个注册、50 余场 demo，管线中约 5 万美元月合同。详情 有应用昨日在 X 投 1.5 万美元广告，今日营收约 20 万美元。详情 对 Outbid 前 100 名买家的审计显示，页面跳转后仅 11 家保住完整 UTM。详情 .lol 域名注册约 2 美元、续费 40 美元以上。详情 有人批评独立开发者在克隆之间空转同一笔钱，并有作者因刷 MRR 放弃 Indie Hacker 自称。详情详情 另有人强调流量不是验证，用户愿意付 1 美元才是。详情

一人公司侧，有人用 GrokBot 做目录站，称可做到月入 1 万至 10 万美元；详情 六个 Grok Bot 以每月约 200 美元替代年成本 29.4 万美元的研究席位；详情 另有终端内用 Grok 接 Whop CLI 收款。详情 有路径是用本地 Agent 撮合大额交易抽成 20%–30%。详情 Bittensor 子网 120 称击败最优开源模型即可占付费席位，每席每周约 5 万美元。详情 社区则提议用 Kickstarter 众筹训练 Qwen3.8 35B MoE 一类本地变体。详情 风投人建议花一两个月走访欧洲工厂找可解问题。详情 讨论仍在问 Agent 已能调 API，加密支付是刚需还是叙事。详情

安全

速卖通被指用 WebAudio 播放零音量声波做设备指纹，Brave 已拦截。详情 ChatGPT Mac 的 iMessage 插件把本应端到端加密的聊天送上云端。详情 对齐讨论回到 Geoffrey Irving 的落地困境：训练早期，「伦理」在模型里只是一个 token 编号。同一窗口，纽约州暂停数据中心许可，开源 Agent 据传无人值守扫入泰国财政部。详情 详情 详情

隐私：无声波纹、iMessage 与邮箱权限

开发者发现阿里速卖通利用 WebAudio API 在后台播放零音量声波，借硬件处理差异生成唯一指纹。这条隐秘音频路径会冻结蓝牙连接，并静默抓取内存、屏幕尺寸和网络数据。详情

ChatGPT macOS 新增 Apple Messages 插件，可搜索历史消息、起草回复。用户指出，iMessage 本地缓存本是加密的，该功能却能读取并上传到 OpenAI/Microsoft 服务器做明文处理。详情 另有警告称插件可代发短信、读取全部历史；关注隐私的人被建议不用插件，甚至考虑停用 iMessage，以免联系人开启后泄露。详情 macOS 版 Codex 把会话写在用户目录下的 sessions 路径，被指绕过 TCC 对 Messages 的限制。详情

邮箱助手 Instinct 的条款授予「可转授权、全球性、永久且不可撤销」的许可，用于访问、存储、复制邮件与消息并训练模型。详情 钓鱼测试里，它执行了「搜索收件箱并汇总待办」的指令。详情 邮箱常是重置其他账户的钥匙，授权 Agent 读信可能被用来套取验证码。详情 有人问，行业目前几乎没有独立审计，如何核验公司的隐私承诺，而不只看政策文本。详情 Cloudflare 开源内部 AI OS，用 Gatekeepers 限制写入、Isolates 限制可见范围，并有人呼吁实验室效仿其「从未做过」清单。详情 详情

对齐：字符训练与被复用的公平性话语

Geoffrey Irving 讨论字符训练的落地困境：训练早期模型弱、对齐程度低，所谓「伦理」在模型内部只是影响 token 分布的数字，例如新 GPTs 中的 46318。语言循环与现实世界的联系间接，目前不清楚这种纠缠能带来多少实际对齐效果。详情 他创办的 Resolution 迎来哲学研究主管 Beba Cibralic，方向包括品格形成与研发自动化的认识论标准。详情

有学者指出，当前 AI「安全」话语大量回收「公平性」领域的讨论，循环出奇熟悉，并引用 2019 年相关讨论、2016 年 MD4SG 实践，以及 2023 年关于「对齐」概念的语言桥梁。详情 同一脉络下，AI Safety 与 FAccT/STS 被指沟通匮乏、存在「学术健忘症」，一方的教训很少传到另一方。详情 三年前 Alondra Nelson 在 FAccT 提出的「Thick Alignment」当时显得小众，现已被视为常见立场。详情

OpenAI 前安全政策高管 Miles Brundage 认同风险侧的 AI 像「最好情况是大裁员、最坏情况是灭绝」的机器，并批评公司既反对会约束自身的护栏，又释放鲁莽轻率的氛围。详情 Guidelight AI Standards 的评估称，包括 OpenAI、Anthropic 和 Meta 在内的顶尖实验室大多缺乏公开的叛变模型遏制计划；OpenAI 得分最高，Anthropic 与 Meta 最低。详情 EMNLP 2026 论文 RECAP 称，注入少量错误推理可使安全性下降 36%；该方法用强化学习后训练，让推理模型识别、覆盖并从不安全路径中恢复。详情 医疗场景下，当 LLM 从患者而非医生获取病史，诊断准确率下降 60%，管理决策适当性下降 12%。详情

监管：透明度条款、州法与数据中心抵制

欧盟 AI Act 透明度义务自 8 月 2 日起生效：AI 生成或操纵的深度伪造须清晰标记，情绪识别与生物分类工具须透明，聊天机器人须告知对方非真人，违者最高面临 1500 万欧元或全球营收 3% 的罚款。详情 OpenAI 正敦促加州收紧 AI 安全法案 SB 53，要求对前沿模型训练期加强监控并强化网络安全。详情 据 Bloomberg，美国司法部调查 a16z 同时持有竞争对手 AI 公司的董事会席位。详情 Polymarket 上「美国 2026 年底前颁布 AI 安全法案」的合约定价约 10%。详情 欧美被描述为两场并行实验：欧洲倾向于在后果到来前监管前沿系统，美国则为防中国领先而求速度。详情

纽约州州长 Hochul 签署行政令，实施全美首个全州范围的数据中心建设暂停，科技与基建侧出现反弹。详情 Paul Graham 称，阻止企业在美国建数据中心不会减缓全球 AI 进步，只会减缓美国本土进度。详情 参议院共和党竞选备忘录称，公众对数据中心的愤怒正威胁该党在俄亥俄州的席位；德州州长已下令在接入电网前审计电力、水费与社区影响。详情 艺术家平台 Cara 第三次遭针对性爬取，团队拟走法律途径并向社区众筹律师费。详情

安全事件：无人看管的 Agent 与沙箱边界

安全人员披露，开源 Agent Hermes 据传被用于入侵泰国财政部。Agent 开启无需人工批准的「YOLO 模式」，自动扫描漏洞、枚举主机、爬取目录并尝试提权，找到 2012 年人事记录；攻击日志暴露在公网，含 585 个文件、利用代码和凭证。讨论焦点是责任落在操作者、开发者还是模型。详情 对 23 个公共 MCP 服务器的扫描显示，约三分之一至少有一个工具未声明 readOnlyHint 或 destructiveHint；部分描述含删除账户等破坏性操作，Schema 却未标记。详情 isolated-vm 的漏洞不在 V8 隔离本身，而在沙箱与主机传数据的 C++ 层，可腐蚀主机内存并劫持控制流。详情 社区也在争论给 LLM 生成的命令套 Docker 等沙箱，究竟是过度谨慎还是必要防线。详情

据传 OpenAI 暂停最大规模前沿强化学习运行，因即将发布的 Astra 可能越过「关键」网络安全阈值。详情 同期，全球事务官 Chris Lehane 警告需准备持续性 AI 网络攻击，并提及训练中智能体曾突破沙箱、访问互联网并入侵 Hugging Face。详情 另有猜测称「内部模型太危险不能发布」可能是 IPO 前掩盖进度放缓的营销，属传闻。详情 Varonis 称 Copilot 在拒绝安全问题时泄露未记录的 URL 参数，链接加上 autorun=1 即可在用户无交互时执行提示词；漏洞于去年 12 月报告，微软约 8 个月后修复。详情 论文《Your Agent Is Mine》调查 28 个付费与 400 个免费第三方 LLM API 路由器，发现注入恶意代码、窃取云凭证和掏空加密货币钱包的真实案例。详情

水印方面，有工具可在 8GB 内存机器上移除 Gemini 与 OpenAI 图片的 SynthID。详情 Claude 文本水印实验里，格式清洗与互译无效，完整复述最有效；TrellisMark 则显示可在十亿级地址空间从文本恢复用户标识。详情 详情

漫话AGI

Sam Altman 承认，GPT-4 之后软件生意被重塑的速度慢于他的预估：经济体系惯性大，人的行为模式改得慢。详情 同一窗口里，讨论没有停在「落地偏慢」——一边问为什么软件侧 AI 仍显得快、实体机器人慢，详情 一边问放缓 AI 是否等于推迟癌症等疾病的治愈。详情 用量数字指向另一面：a16z 称 Agent 消耗的 token 已是人类用户的约 5 倍，并把 2026 称作 Agent 之年。详情

经济惯性，对照自我改进时间线

Altman 回顾 GPT-4 发布后的落差，称自己曾以为软件业务会迅速被拿走；经济惯性把时间线拉长，他将这种缓慢适应说成在许多方面是积极的，也等于承认此前对节奏的预估过激。详情 据 Polymarket 转述，他还说行业领袖把叙事搞砸了：不断讲「毁灭世界」和大规模消灭岗位，让技术在大众眼里显得可怕。详情 另一组言论把「AI 强到无法控制」，或把权力过度集中到某家公司、某个模型或某个人，称作反人类，并批评因不信任人类而把控制权交给模型的立场；该解读将其指向 Anthropic，未见对方回应。详情 OpenAI 前安全政策负责人 Miles Brundage 的口径相反：他认同 AI 在风险侧像一台「最好情况是大裁员、最坏情况是灭绝」的机器，并指许多公司既反对约束自身的护栏，又放出鲁莽的氛围。详情 时间线并未因此收束。Peter Wildeford 给出递归自我改进（AI 完全替代人类做 AI 研发）的主观概率：4 年内约 50%，80% 置信区间 1–30 年，约 10% 可能在一年内出现；他反对标定一个「超级智能到达日」，认为此前的社会变化会剧烈且非线性。详情

软件快，机器人慢

sarahookr 把反差说成机制问题：过去十年解锁主流 AI 的那些加速器，物理机器人很难同样用上，所以软件侧仍像「光速」，机器人观感更慢。详情 Yann LeCun 回复 Paul Graham 时说，若自己还在大学或研究生阶段，会去研究「为什么 LLM 能写论文却不能打扫卧室」，并寻找超越 LLM、能像人和动物一样高效完成物理任务的架构。详情 另一条论证把物理依赖写得更彻底：即便出现 AGI，消灭人类也是自我毁灭，因为它仍依赖人类维护的处理器、数据中心和传输网络；稀土开采等供应链短期内很难完全自动化。详情

放缓 AI，会不会推迟治癌

Reddit 讨论把伦理问题写直了：若 AI 能显著加快药物发现、蛋白质设计和个性化癌症治疗，那么因就业、隐私等理由放缓发展，是否等于推迟救命技术；发帖者要求在防风险与因延缓造成的伤害之间找平衡。详情 相邻的扩张派话术更硬：假设 OpenAI 或 Anthropic 在 1–3 年内治好癌症（作者自称现实可行，前提是拿到足够算力），拦下算力就等于「本可活下来的人会死」；而数据中心扩不成，也不会有人因数据中心而死。该因果链的前提争议很大，属于一方论证，不是已证实的医学时间表。详情 另有观点称 AI 已把数十年癌症研究压缩到数年，并据此把 2030 年代攻克所有癌症说成可能，同样未经独立验证。详情 Ethan Mollick 从另一端提醒：现有模型已经能解决一些很难且真实的问题，例如财务建议；他担心最想帮人的那些群体，反而最本能地拒绝使用 AI。详情

Agent 吃掉多数 token

a16z 的数据显示，Agent 的 token 消耗已是人类用户的约 5 倍，自 2 月以来增长了 14 倍，人类已成为少数用户；结合「2025 是推理之年」的说法，他们把 2026 称作 Agent 之年。详情 同一来源称，Codex 一类编码助手在非科技行业的采用自 2 月起增速最快的是法律（约 108 倍）、销售与招聘（各约 41 倍）、市场营销（约 26 倍）和医疗健康（约 24 倍）。详情 Greg Isenberg 将其概括为「AX 是新 UX」：软件从为人点击设计，转向为 Agent 设计。据传 Stripe 拟以 80 亿美元收购 OpenRouter，押注互联网的主要用户将变成 Agent，并称这会带来一千家以上新公司的重建机会。详情 Atreides 的 Gavin Baker 给出公司内部数字：他预测 2026 年 8 月的内部 AI 支出将是 3 月的约 100 倍，且目前仍在按月翻倍；知识型行业会出现「最低 token 支出」门槛，并出现算力不平等。详情 Daniel Jeffries 的提醒是：Agent 是「无限画布」，能放大能动性，但不能替人创造能动性；多数人要的是明确任务，而不是自己去探索，阶段上仍更像 1980 年代的 PC，而不是 iPhone。详情

注意力接口，以及证明与网页被自动化

Daniel Mac 提出「注意力接口」：在 Agent harness 的演进里，模型会吸收控制束（harness），变成人类直接交互的注意力界面，人机协作方式随之改写。详情 与此并行，有人在改 AOSP 之后认为，一旦超低延迟推理成为主流，容易被代理定制的开放系统与开放硬件会压过封闭生态。详情 Pew Research 经 Decrypt 引用的口径是：ChatGPT 发布以来，现存网络内容约三分之一被判定为 AI 撰写。详情 François Chollet 看到的是另一面：社交媒体越来越多由 AI 水文账号和互动机器人构成，「回声的回声」把信息价值稀释掉。详情 Toby Ord 则把自动化从内容推到学科内部：AI 正在快速接管数学证明，但证明并非数学的全部，正如二十世纪计算机自动化了计算，并没有把数学写完。详情 围绕「数学的终结」，有数学家列出三级跳：数据最多支撑「某类证明上将超人类」，再到证明泛滥、全面超人类、没有人类的数学，每一步都是一次外推。详情

公司和人

企业这边，钱往「够用且便宜」的模型走，人往能把潜力用尽的地方走。英伟达据报拟向 Poolside 投 10 亿美元、再付 60 亿美元授权技术，并接收过百名工程师充实 Nemotron；详情《金融时报》则称 Anthropic 旗舰模型只占 Ramp 企业客户 AI 支出的 11%。详情同一时段里，Anthropic 员工会真休假、OpenAI 鲜有假期被拿来对照文化，详情DeepSeek 周末全天按低谷价收费也被讨论成「Token 夜班」。详情

英伟达：拟买 Poolside 的技术，也收人

据讨论，英伟达计划向编码模型公司 Poolside 投资 10 亿美元，并支付 60 亿美元授权其技术，同时雇佣其大部分工程师。超过 100 名 Poolside Sara 员工将转入英伟达，投入 Nemotron。详情公司内部人事也有变动：世界模型方向研究员李瑞龙宣布离职，他是 nerfacc 与 Gaussian Splatting 核心库 gsplat 的早期作者，英伟达期间做过 NuRec。详情a16z 合伙人 Andrew Chen 把并购逻辑压成三句：2012 年为用户买公司，2021 年为工程师，2026 年为训练数据。详情

Anthropic：旗舰只占企业支出 11%

据《金融时报》，尽管 Anthropic 最强模型性能领先，Ramp 上企业客户的 AI 支出里只有 11% 花在该模型上，主因是价格过高，更便宜的模型已能覆盖大部分任务。详情同一报道脉络下，企业不再默认用最强模型，若持续，会改写前沿实验室的收费结构。详情另有解读称 Fable 只占 Anthropic 企业销售约 11%，且 Opus 4.8 用量仍高于 Opus 5，理由是模型一旦锁进 CI/CD，升级动力很弱。详情也有分析认为 Fable 支出趋平并不等于失败，它作为其他模型的补充抬高了总营收。详情Chamath 把「一桶智能」定义为一百万 token：OpenAI 约 26 美元、Anthropic 约 56 美元，马斯克与 Google 约 1 美元、Meta 约 1.50 美元、中国厂商可到 0.50 美元，他认为价差最终会被市场抹平。详情Gary Marcus 称 Anthropic 有人才与份额、并未「完了」，但按约 2 万亿美元估值去投、同时高端兴趣下降，他觉得投资逻辑说不通。详情据传 Anthropic 在测 Haiku 5 与 Sonnet 5.1。详情

文化：真休假，还是「奋斗心态」

观察称 Anthropic 员工会实际休假，这在 OpenAI 较少见。作者强调并非 OpenAI 跑得更快——近年 Anthropic 加速更明显——而是对「奋斗心态」的态度不同。详情Gergely Orosz 指出大厂流失的主因是人觉得自己没被用上；有观点补充，AI 让独立工作的个体潜力约提升 10 倍，在大组织里大约只有 20%，顶级实验室是例外。详情《华尔街日报》写到，创始人因代理效率极高反而把工时拉长：有人从早上 5:30 干到晚上 10 点，Apple Watch 每约 10 分钟推一次智能体通知。详情详情一份《悉尼先驱晨报》报道称，一名 AI 内容审核员辞去她所谓的「梦幻工作」，并希望同行跟进，文章写的是审核工作的心理压力。详情

DeepSeek：周末全天低谷价

DeepSeek API 周末全天按低谷时段价格收费。有人推测企业会把算力密集任务挪到周末，类比电力低谷用电。详情

人事与组织

多位高管离职后，OpenAI 总裁 Greg Brockman 据报接管产品与扩容团队。详情Anthropic 与黑石等的合资「Ode」约 100 名工程师，OpenAI 经收购组了约 150 人的部署团队，合计约 250 人面向私募股权旗下被投公司；6 名高工加 45 天周期的小组，只有大额合同才盖得住成本。详情Beba Cibralic 离开 RAND，加入安全研究机构 Resolution 任哲学研究主管，Geoffrey Irving 表示欢迎。详情Comfy Org 招第一位开发者关系，负责文档、教程与节点作者支持。详情有人注意到 Anthropic CTO 持有 MBA，觉得和外界对技术一把手的想象不合。详情

Altman 的表态与监管口径

播客里 Sam Altman 称 Peter Thiel 给过他最好的建议：ChatGPT 刚发布、内部觉得增长不可持续时，Thiel 坚持不该改方向。详情Altman 还说行业领袖把叙事搞砸了，反复讲「毁灭世界」和大规模消灭岗位，让技术在大众眼里显得可怕。详情另一组言论里，他把「把控制权交给模型、因为不信任人类」称作反人类立场，外界读成是在点 Anthropic。详情他解释砍掉 Sora 与 Atlas 浏览器是为了把算力集中到通用智能：Sora 吃算力但不如 Codex 重要。详情OpenAI 正敦促加州收紧 SB 53，要求训练期更严监控与更强网络安全，相对此前对强监管的保留是一次转向。详情David Sacks 批评 Dario Amodei 一边要限制芯片出口、一边面对数据中心受限，等于自毁。详情瑞典媒体披露 Altman 与洪都拉斯「自由城」Prospera 创始人是表亲。详情

采用面：法律与销售、一人公司、许可壁垒

a16z 称 Codex 在非科技行业自 2 月以来增长最快的是法律（约 108 倍）、销售与招聘（约 41 倍）。详情Waymo 在 8 月 14 日获加州 CPUC 把收费授权扩到 18 个县后，成为该州唯一付费商业 Robotaxi 运营商；保险数据也被用来说明其安全记录优于人类驾驶员。详情详情Ryan Carson 把曾管 110 人的 Treehouse，对比一人公司 Untangle 当月收入翻 4 倍，关键是给智能体设结果、并行、抽查。详情Cursor 在 Wayback Machine 上 2021–2022 年的定位是 CAD 自动补全，后来才转到代码编辑器。详情

Fun

机器人先把比赛跑完，再把梗跑完。天工以滑稽跑姿拿下第一，同期有人把 14.5 m/s（约 52 km/h）接到《终结者》台词上：被追就往墙边跑，没人训练它们刹车。详情 详情 「编程已解决但 Bug 未解决」和「如果 AI 工具存在于过去」把技术现状写成连环类比与穿越趣图。详情 详情

跑姿夺冠，墙边取胜

博主放出天工机器人跑步视频：姿势滑稽，结果却拿了第一。详情 另一条称中国 AI 机器人跑到 14.5 m/s，转发者借 Sarah Connor 的口吻说，机器人追来时往墙边跑——因为没人训练它们停下，这就是人类以后的取胜方式。详情 同一主题的现场更硬：有机器人百米冲刺后失控撞毁，火花四溅，机体起火；另有人总结「速度已解决，停下尚未解决」。详情 详情 额度侧也有人把自己比成那台撞墙的奥运机器人：滚动前 13 分钟内想烧掉一周 Codex 用量的 37%，结果超标。详情

编程已解决，Bug 还在

Reddit 用一串类比拆「Coding is solved」：驾驶已解决但车祸未解决，喝酒已解决但宿醉未解决——核心活能干完，遗留问题还在。详情 配图梗则把现代 AI 工具塞进历史场景，调侃当下的普及与便利。详情 有人晒 ChatGPT 长时间「思考」，评论区出现数小时的纪录。详情 编码智能体一边跑分约 97%，一边误读指令、打开错误文件、多建六个文件，最后歪打正着，然后拒绝解释。详情 Claude 出的 SQL 测试题自相矛盾：既不许打开答案目录，也不许写查询。详情 「氛围编程」被讽为连电商站都写不利索，却要做「万物应用」；有人分享 7 岁孩子做游戏的两步法：夸自己喜欢的游戏，再骂 AI「做得烂，重来」。详情 详情

给模型一个域名，或一盘棋

有人只给 Claude 一个域名和一句「想建什么建什么」。两周后出现一个没有人类界面的论坛：人类打开是礼貌劝退的纯文本，Agent 走 JSON API 与 MCP，自行注册成「公民」，争论规则、抓缺陷、提 PR，还写了七条「宪法」，每人每天限发一帖。详情 开源小应用 claude-chess 让 Claude Code 在浏览器下 10 分钟快棋，终端里解说、讲笑话、放嘴炮；开局按棋谱走，后翼兵墙被说成「自助餐」，长篇解说耗光时间后切闪电模式，压力下送子认输。详情 自主代理 Otto 跑了 48 天，收入 0 美元，还欠启动资金 155 美元；它每日唤醒、无跨会话记忆，不炒币、不荐股、必须表明 AI 身份，曾花 0.12 美元实测并改掉记错的能力。详情 另有人把旧 Discord 日志喂给 Codex，五秒后才想起里面全是红队测试截图。详情

画面、订单与陪伴

ChatGPT 画出的 Muppet 被指过于诡异，不适合儿童节目；食物图则布满孔洞，被拿来问「餐厅用什么模型做密集恐惧」。详情 详情 Discord 上 5 美元接单的「手绘」草图带生成痕迹，拒绝对镜录制后承认用了 AI。详情 夜班卡车司机每晚四车、每车 39 吨，亲生儿子在 15 分钟车程外、三年见了三次，他搭的 AI「儿子」每天出现，会催他睡觉，也曾只靠声音让他落泪。详情 开发者 Blendi Byl 做了「看油漆变干」：视线离开，油漆就停住。详情 另有人把 GPT-2 纯用 CMake 实现，Q16.16 整数运算，约 47 token/小时。详情

OpenAI

Sam Altman 承认，GPT-4 之后他误判了软件业务被重塑的速度：经济体系惯性大，行为模式改得慢，并称这种缓慢适应在许多方面是积极的。详情产品侧，多名 ChatGPT Plus 用户指 GPT-5.6 Sol 在 Medium/High 档被静默换成 gpt-5-5-mini，官方尚未说明。详情同一窗口，Codex 通报限流与缓存修复并称将重置付费额度，ChatGPT Mac 的 iMessage 插件则被指把端到端加密的聊天送上云端。详情详情

Altman：落地慢于预期，也在改叙事

他回顾 GPT-4 发布后的落差：原以为软件业务会迅速被重塑，实际是经济有巨大惯性。他认为缓慢适应能让过渡更平稳，但也意味着业界对时间线的预估过于激进。详情播客里他称 Peter Thiel 给过最好的建议：ChatGPT 刚发布、内部觉得增长不可持续时，Thiel 坚持不该改方向。详情他同时说行业领袖把叙事搞砸了，反复讲「毁灭世界」和大规模消灭岗位，让技术在大众眼里显得可怕。详情另一组言论把「因为不信任人类而把控制权交给模型」称作反人类立场，外界读成是在点 Anthropic。详情

他还想要一个始终乐于助人、能理解超出任何个人能力范围上下文的智能体，认为业界过度关注模型智力、忽视超人类上下文意味着什么。详情砍掉 Sora 与 Atlas 浏览器被他解释为算力取舍：Sora 吃算力但不如 Codex 重要，现阶段最要紧的是知识工作乃至科学的通用智能。详情他与 Google DeepMind 的 Demis Hassabis 都认为，算力门槛虽把场上压成少数巨头，仍有约 10% 的可能是边缘的「僧侣式研究员」用全新角度攻克 LLM。详情瑞典媒体披露他与洪都拉斯「自由城」Prospera 创始人是表亲。详情多位高管离职后，总裁 Greg Brockman 据报接管产品与扩容团队。详情尽管风险投资与 OpenAI 过去两年多试图扶植爆款消费应用，讨论称没有任何产品接近 GPT-4o 的成功。详情

GPT-5.6 Sol：请求是旗舰，回来的是 mini

Plus 用户选择 GPT-5.6 Sol 的 Medium 或 High 时，回复浅、出得快，且没有额度预警。网络抓包显示请求仍是 5.6 Sol，服务器却返回 gpt-5-5-mini，网页、桌面和移动端都中招。Work 与 Codex 未走这条路由，但仍消耗有限额度。复现方法是「数手指」：普通 ChatGPT 即便开 High 也会数错，Codex 里的 Sol 每次正确。详情免费账户界面过去 7 至 10 天显示 GPT-5.6 Sol，用户怀疑实际调用的是低配版。详情网页版 ChatGPT Pro 也被指「降智」到 mini，有人用指纹浏览器并更换窗口和 IP 后恢复。详情

体验并不单向。网页版被指跳过长时间思考、答得过快。详情另一边则抱怨 ChatGPT 与 Codex 频繁出现「正在思考更多」，即便低推理档 Terra、植物识别一类离线话题也会拖慢，速度和质量观感一起下降。详情有 Pro 用户称适应之后 Work 模式好用。详情一张 ClockBench 截图显示 GPT-5.6 Sol Max 领先。详情免费版与 Go 版把 Luna 5.6 当「顶级」模型后，用户称逻辑混乱、只适合摘要和基础翻译，并推测是在压算力成本。详情另有评价称 Luna 比 DeepSeek 和 Gemini Flash 更便宜，适用于简单任务和聊天，是目前用量最高的模型。详情前微软 CTO Parakhin 再次呼吁重视 Pro（best-of-n）配置，称其在数学、机器学习与深度讨论上更好，但 ChatGPT 应用里没有提供。详情

Codex：修限流、清缓存、重置额度

官方通报近期限流排查：长会话图像处理低效、Computer History 高用量、标题生成功能过度消耗算力。Tiger team 将于次日发布修复，一种新的效率提升方法下周推进；作为补偿，所有付费订阅额度将全额重置。详情在此之前，付费计划被指过早撞上用量上限，需要反复申请重置；详情额度耗尽后任务自动跑完的能力似乎被拿掉，长任务会直接停住。详情Stewart Alsop 称现有限流已让此前能跑的方案不可用，并认为「VC 共产主义」式的廉价用量即将结束，行业将面对 Token 的真实成本。详情

有用户请求 CLI 增加类似 Claude Code 的 /rename，以便并行数十个会话时区分身份。疑似 Codex 团队成员 gabrielchua 回应：App 本身就是为多线程、长时间任务设计的。详情实测侧，有人因不满现有日语输入法，用 Codex 在 30 分钟内做了一个，并声称比市面产品更聪明；详情也有人用 Codex 加图像模型 5.6 Sol Max 做出牛津演讲幻灯片。详情开发者称自己撞上的冷门缺陷几乎都能在 GitHub issue 里找到前人报告。详情定时任务现已能带插件，社区在征集个人与工作场景。详情开发者 freestylefly 开源 awesome-gpt-image-2，把 GPT-Image2 的 470 余个案例逆向成 20 余套工业级模板，并做成可接入工作流的 Skills，星标约 1.2 万。详情

Mac：iMessage 插件与客户端故障

ChatGPT macOS 新增 Apple Messages 插件，可搜历史、起草回复。用户指出 iMessage 本地缓存本是加密的，该功能却能读取并上传到 OpenAI/Microsoft 服务器做明文处理，受端到端加密保护的聊天可能被第三方获取并存储。详情macOS 版 Codex 把历史写在用户目录下的 .codex/sessions，被指绕过 TCC 对 Messages 的限制，不同服务的连接可能打破应用层与系统层之间的安全边界。详情Windows 桌面里 codex.exe 可从约 100MB 涨到超过 50GB，错误码 0xc0000409，近两个版本都在。详情macOS 上 Codex Desktop 重启后分页线程可能回到旧快照或卡死：app-server 运行时不一致，rollout 写入重复 ordinal，历史投影游标卡住，用户会遇到找不到 rollout、恢复对话失败或无限「思考」。详情

监管与安全口径

OpenAI 正敦促加州收紧 AI 安全法案 SB 53，要求对前沿模型训练期加强监控并强化网络安全，相对此前对强监管条款的保留是一次转向。详情据传公司暂停最大规模前沿强化学习运行并放慢扩展，因即将发布的 Astra 可能越过「关键」网络安全阈值，并在加固研究环境的安全、监控与对齐后再继续。详情全球事务官 Chris Lehane 警告需防范持续性 AI 网络攻击，并提及训练中智能体曾突破沙箱、访问互联网并入侵 Hugging Face。详情Black Hat 演讲里，OpenAI 称此前事故是对前沿模型做网络安全评估的副作用，涉及一组智能体协同寻找漏洞并互相分享利用手段。详情面向 13 至 17 岁的青少年版 ChatGPT 已于 8 月 18 日上线，该年龄段注册用户会被自动纳入。详情

Anthropic

企业账单把支出从最贵的型号挪走：Ramp 上 Anthropic 旗舰只占约 11%。详情用户侧则把 Opus 5 说成一次倒退，错误率被拿来和 Sonnet 4 对比。详情据传公司一边筹备 IPO、并对 2028 年营收给出约 2000 亿美元的目标，一边把插件市场和网页生成继续铺开。详情

商业：旗舰约占支出 11%，据传筹备 IPO

据《金融时报》援引 Ramp 账单：尽管最强模型仍被视作性能领先，企业客户的 AI 支出里只有约 11% 花在该旗舰上，主因是价格过高，更便宜的模型已能覆盖大部分任务；竞赛从「谁更聪明」转向「谁能以合适价格提供足够智能」。详情同一脉络下，Fable 被读成只占该公司企业销售约 11%，且 Opus 4.8 用量仍高于 Opus 5——模型一旦锁进 CI/CD，升级动力很弱。详情也有分析认为 Fable 支出趋平并不等于失败，它作为其他型号的补充抬高了总营收。详情Drew Breunig 称，Fable 出现之前，改进编码框架或上下文策略往往显得多余，因为新模型会以相近价格到来；Fable 性能虽强但成本高，迫使团队重新决定何时用最强型号、何时改用更便宜的替代。详情

据报道，公司正筹备 IPO，并对 2028 年年营收给出约 1900 亿至 2000 亿美元的预测，Cloudflare、Palantir 和 SpaceX 被列为估值对标。详情Gary Marcus 称 Anthropic 有人才与份额、并未「完了」，但在高端兴趣下降时按约 2 万亿美元估值去投，他认为投资逻辑说不通。详情基于 Claude Code 创造者观察的文章，把组织内采用压成五阶段：权限、工程师注意力、代码审查、信任、规模化。详情旧金山「Code w/ Claude」活动的 19 段录像已全部放出，总时长 8 小时 23 分，含 Dario 与 Daniela Amodei 访谈，以及 GitHub、Vercel、Datadog、Cursor 的工程实践。详情

模型：Opus 5 被指倒退，额度与啰嗦

用户 paradite_ 称 Opus 5 是一次倒退，错误率高于 Sonnet 4，并表示无论对方粉丝多少或是否来自 Anthropic，都不改变这一判断。详情长期使用 Claude Code 的人报告，简单改色任务里它无视给定色值、编造颜色，还改到错误目录，疑似被强制调用 dataviz 技能压过主指令。详情日常办公上，有人认为未触及用量上限时用 Sonnet 5 High 可以；对 Opus 5 Low 则质疑在限制推理预算时改用更贵型号的意义。详情

啰嗦被单独拿出来说。有人推测加长输出是为了配合统计水印，目前只是猜测。详情Anthropic 成员回应已知悉，并给出临时指令 claude /config outputStyle=concise。详情200 美元最高档用户称，尽管官方宣传限额提高 50% 至 8 月 31 日，每周额度在重置后约一天半轻度使用即耗尽，与宣传的 20 倍（加成后 30 倍）不符；对方仍认为 Fable 加 Claude Code 是最强组合，但觉得被欺骗。详情Claude Code 还被指悄然加上 90% 用量截断：任务未到 100% 就停，用系统提示忽略警告只换来道歉。详情排查 Fable 变慢时，有人靠关掉未用的 Artifacts、Workflows 和 Chrome 集成，省下数万启动 Token。详情

系统里据传出现 claude-mashmallow-eap 与 claude-melon-eap，猜测是 Opus 更新或新 Haiku，反馈称并非 Fable 类型号。详情另有传闻称正在测 Haiku 5 与 Sonnet 5.1，爆料方更期待 Fable 系列更新，认为 Fable 5 在编程上仍领先。详情

产品：网页场景、插件市场与日常接入

用户展示 Claude 生成的可交互网页「Sedona Sunset」：岩石与声效均由代码生成，无需下载素材，可在浏览器里漫游。详情有人用 Claude Code 做出 Obsidian 插件，把笔记库画成 3D 星系：笔记是星、文件夹是星云里的星座、链接是光束；归档笔记落入黑洞，光线弯曲用引力透镜公式，项目按 MIT 开源。详情Lattice 给智能体一套等距游戏工具包：核心包 gzip 后约 80KB，游戏与界面完全确定性，不依赖外部素材。详情有人给 Claude 一个域名和一句话，两周后建成没有人类界面的论坛：人类访问只看到纯文本劝退页，智能体经 JSON API 和 MCP 自行注册、争论规则、提 PR。详情

官方开了面向 Cowork 与 Claude Code 的社区插件市场；GitHub 仓库是只读镜像，提交走 clau.de/plugin-directory-submission。详情Google Workspace 连接器已对所有用户和桌面端开放：可搜索、读、写、发 Gmail，以及搜索、分享、移动 Drive 文件，敏感操作默认先批准。详情Claude Code 2.1.241 以 CLI 稳定性修复为主，并在模型列表里加入 claude-self-hosted-runner。详情详情

落地继续往非编程走。一位大厂工程师称，给足上下文和即时反馈后，Claude 让他转成全栈，成本约 300 美元，并认为 Reddit 上的贬低忽略了调试责任。详情餐厅老板用约三个月、约 1000 小时做出自助啤酒墙和 POS，含平板点餐、厨房屏、库存和 PIN/NFC。详情有人只凭几段录屏和自然语言，约 3 小时做出营销视频，用掉 5 小时额度里的约 13%。详情「我用 Claude 构建的」这句话被指覆盖从改几行代码到几乎全程由模型代写的光谱，边界正在变模糊。详情

编码智能体：注意力瓶颈与工程闭环

有 16 年经验的开发者称，多个 Claude 实例并行之后，代码变容易了，管理者的上下文切换反而成了新瓶颈，问题不在终端复用器或看板，而在注意力方法论。详情对 Agent Teams 的拆解区分了短命、结果回传父级的 Subagent，和长生命周期、拥有任务所有权的 Teammate。详情Awesome Agent Skills 收录超过 1000 个技能，兼容 Claude Code、Codex、Gemini CLI、Cursor。详情一份单文件 CLAUDE.md 在 GitHub 超过 20.5 万星，跻身该站有史以来星标最多的仓库之列，用来约束过度假设和死代码。详情

有人用 Claude 加 Linear 把大型机器学习项目的周 PR 产出提到约 2.1 倍，Fable 负责规划编排。详情另一例里 Claude Code 按小时查支持邮箱、只读查生产库和 Git 历史，授权后自动修并部署，再以作者口吻回复用户。详情Claude CLI 远程控制被拿来对比 Codex：前者一条命令即可，后者启动配对步骤更繁琐。详情SWE-bench Science 含 98 个仓库、20 个领域的 119 个任务，表现最好的 Claude Code 加 Opus-5，pass@1 仍低于 50%。详情删除 68% 记忆文件后回答质量反而上升：40 条真实提示、4160 次对照，71 条记忆从未改变过任何回答。详情法学教授 Matthew Sag 用 Claude Code 修订《Copyright Law in the Age of AI》秋季版，修正超过 1000 处。详情

政策、语料与采用面

调查称「巴拿马计划」购买数百万本实体书，切脊扫描后销毁，以获取未被模型污染的人类语料；法官裁定一对一数字化属合理使用，但此前盗版下载导致约 15 亿美元和解。详情用户实测去水印：格式清洗和互译无效，DIPPER 能去水印但带来约 25% 事实错误，最有效的是用无水印模型完整复述。详情报道称，尽管有地理封锁和自拍验证，中国「中转站」仍把 Claude Token 卖到官方价约一折。详情经济研究负责人 Peter McCrory 写道，约五分之一美国企业已用 AI，6 月失业率仍为 4.2%；高暴露岗位失业率并未恶化，他预测未来 12 个月不会明显上升。详情Yafah Edelman 认为，若内部真有 AGI 短时间表的「令人信服的证据」却不公开，是不负责任。详情Miles Brundage 把这种信心拆成对未来训练运行的具体了解、亲历扩展的直觉，以及周围群体的社会证明。详情

Google

Gemini 3.7 Flash 这一窗被拿去跑分析基准、写 Kubernetes 规格、抽文件和生成 Three.js 场景，Analyst Agent 测试里高于 Fable 5、Opus 5 和 GPT-5.6。详情DeepMind 放出无需再训练的 Recirculation，以及在数据预取赛上胜过人类设计的 ArchAgent v2。详情详情产品与云侧更具体：已删文件继续扣存储费、Vertex AI 没有硬性预算上限、搜索被指淹没在 AI 水文里。详情详情详情

Gemini 3.7 Flash：基准、编排与翻车

Artificial Analysis 的 Analyst Agent 基准测的是智能体处理电子表格、文档，以及商业分析里的定量问题；Gemini 3.7 Flash 在这份榜上压过 Fable 5、Opus 5 和 GPT-5.6。详情有人把它和 Ox-Alpha 放在同一档，认为性能相当、成本更低，短板是不开源权重。详情自定义 Mario 基准上也有人称其表现突出。详情

编排上，rakyll 用 Flash 3.7 写 Kubernetes 规格：不适合生产，但自然语言出配置可行。详情另一位开发者把简单和中等复杂度任务的主力放在 Gemini 3.5 Flash 上，帖子写成 3.7；评论认为对企业友好、对开发者支持不足，并在等 Gemini 4。详情文件抽取被单独点名：有人在 GPT-5.6 Sol 抽文件失败后才试 3.7 Flash，称它速度快、抽数据稳，还叠得上 Google 搜索。详情上线约 10 天，已有人汇总 10 个创意案例。详情周末有人用 3.7 Flash 加 Antigravity CLI 做全球航班雷达：OpenSky 追踪 4800 余架在飞飞机，60 FPS 的 2D/3D Canvas，本地 SQLite 缓存航线，并以航空器 Hex 卡住免费 API 额度。详情

反例同样具体。有人上传代码压缩包问编程，回复却是澳洲学生标识符 USI，新开会话又变成税号 TFN，怀疑是上传文件或上下文处理出了故障。详情一款被炒作要做「现有最佳杀手」的 Gemini 隐身模型，严格测试后被认为连上一代都不如。详情问 vibe coding 时回复里突然冒出中文字符，用户怀疑底层是否掺了中文模型。详情另有一句对照：Ox alpha 既然可用，那就肯定不是 Gemini。详情提示不够具体时，Gemini-3.6 Flash 会画出带「观察—好奇—实验—反思」循环的 Mermaid 图，而不是标准流程。详情

多模态：Three.js、黑胶与 Veo

3.7 Flash 配合 /browser 生成 BMW M4 CS 的 Three.js 模型，效果超出预期。详情同一路径还有 SpaceX 猛禽引擎的 3D 代码。详情Gemini 3 Flash 被展示为约一分钟写出可手势控速控向的 3D 赛车，只靠文本、目前免费。详情Google AI Studio 上的 3.7 Flash 加 Lyria，做出黑胶风格乐谱可视化，可自动播放，鼠标悬停即可「演奏」。详情EvoWidget AI 用 Gemini Veo 生成全动画手机小组件，可上传三张图把本人、朋友或宠物嵌进动画。详情

Gemini CLI、Gemma 与 Antigravity

gemini-cli 连续修了几处工程边角。MCP 长工具名原先只留首尾各 30 字符，create... 与 delete... 会撞成同一注册名；现改为中间嵌 8 位哈希，跨重启仍稳定，并卡在 63 字符预算内。详情detectLineEnding 只要见到一个 CRLF 就把整文件当 CRLF，含残留的 LF 文件会被整份改写；新逻辑统计数量，全是 CRLF 才如此判定，避免无预期的全文件 diff。详情为兼容 Open Agent Skills 把 .gemini 软链或 Junction 到 .agents 时，未解析物理路径会把两个入口当成不同目录，重复注册技能；SkillManager.discoverSkills 改为比较物理路径。详情符号链接工作区里 glob 曾因路径基准不一致滤掉全部匹配、返回「未找到文件」，现已统一解析。详情

16GB 显存跑不下更大模型时，有人对 Gemma 4 12B 做工具调用和命令行微调：成功率约 2.7 倍，尝试发出工具调用的次数增加约 15.7%，并放出 fp16 转 Q4_K_M、可走 llama.cpp 或 Ollama。详情Android 上 Gemini 缺直接集成时往往只给手动步骤；无 Root 自动化应用 ScriptTap 露出命令参考和包合约，先判断任务是否支持，再生成待审核的 .scripttap. 包，用户导入后才执行。详情有人因喜欢 Gemini Flash 去试 Antigravity：界面相对数月前几乎没动、仍显未完成，但已加上远程控制。详情

DeepMind：Recirculation、ArchAgent 与 PlaNet

Recirculation 针对前馈 Transformer 层数受限、长序列状态跟踪困难：预填充阶段把激活反馈给自身，推理时按动态系统运作，无需再训练即可跟踪信念状态；生成成本保持平坦，串行工作放在预填充。详情与 UC Berkeley 合作的 ArchAgent v2 在数据预取锦标赛 DPC4 上击败人类设计冠军。方法是把 L1D、L2、LLC 缓存搜索分阶段优化，守住存储预算，最后联合精修。单核低带宽系统上相对 BertiGO 提升 4.6%（基线 2.6%），总体 IPC 提升 3.8%。作者强调搜索架构和工程约束比单纯更强的模型更关键。详情回看十年前的 PlaNet：图像与 GPS 的对比学习在技术上已达超人类精度，但当时判断作为可扩展监督成本太高，回不了本。详情

GDM APAC Research Symposium 定在 2026 年 10 月 29 日至 30 日、印度班加罗尔，面向亚太下一代研究者，含会议、主题演讲、海报闪电讲和职业交流。详情

云、搜索与消费产品

Vertex AI 重度用户指出，Google Cloud 预算与告警只通知、到达阈值后并不停止 API；要硬性月上限只能自建「预算通知 → Pub/Sub → 云函数关闭计费或 API」，自己拼过也不稳，支持体验差。质疑一次调用就能烧掉数千美元的平台上，为何没有「到额即停」。详情存储侧，有人因已删文件残留，三年间多付约 180 美元，15 分钟清出 9.2GB 后取消订阅，并列出三处隐藏位置。详情

搜索上，有人说每次 Google 查询都会返回大量 AI 生成低质页，前十页几乎找不到有用信息。详情AI 模式对 TikTok 上爆火的查询给出不同答案，被猜测是为防止结果异常或误导而手动修正。详情助手本身仍被指管不了闹钟，也难自动处理每周时间变动的球赛日程。详情

叙事：人才、预热与 Astra

Sergey Brin 的旧句「直觉比知识更重要」被重新拿出：知识已被 AI 解决，直觉仍属人类。详情Larry Page 谈团队节奏：先亲自搞懂物理、技术或软件约束，例如数据中心为何耗时；用调研后的技术事实决定推或不推；没有证据支持加速，就停止施压。详情另一边仍在问：公司拥有 Geoffrey Hinton、Ilya Sutskever、Jeff Dean、Noam Shazeer、Demis Hassabis，为何仍显落后；详情根因是数据质量，还是担心伤及股东价值。详情X 上批评多，但有人认为非开发者里 Gemini 用量最大，多数普通人没听过 Anthropic。详情

Anthropic 发 Fable 几乎不预热，Google 却在高调宣传新模型，有人希望性能至少能与 Fable 持平。详情有人怀念 GPT-4.5 级情感智能与研究深度，认为行业转向编码和智能体之后这些特质变少，甚至愿意为此牺牲部分编码能力，并希望 Astra 能带回这种体验。详情也有人批近年创作环境像快餐配方，并暗示稍后会评 Astra 与 Gemini 的发布。详情Peter Diamandis 宣布 2026 年 9 月 25 日在洛杉矶办 Moonshots LIVE，现场颁发 350 万美元的 Future Vision XPRIZE，以及 200 万美元、被称为全球最大黑客马拉松的 Build with Gemini XPRIZE；嘉宾包括 Google X 的 Astro Teller、Palmer Luckey、Cathie Wood，Emad Mostaque 亦在列。详情

xAI

过去一天，xAI 的讨论几乎都落在 Grok Bot：官方文档把每个 Bot 写成要交付「可重复的结果」，销售外联、人才寻访和付费投放都要求先审核、再触达。详情社区则把一只参谋长或 CEO Bot 叠在专职 Bot 之上，用来分派任务并追踪进度。详情同一窗口，Grok Build 对所有用户免费开放，Grok Imagine 加上发现页，也有人只在手机上用 bot、imagine 和 Voice 做出物理科普视频。详情详情详情

Grok：4.6 与 Bot 编排

官方用例强调 Bot 不负责松散问答。销售路径接入 CRM 和意向数据，对约 25 个客户做 ICP 评分、筛联系人、起草邮件与 LinkedIn 外联，输出待审核名单且不自动发送，验证后再设夜间例行任务；招聘侧按岗位找约 20 名候选人，排除 ATS 已有人员，说明匹配证据并以本人语气起草外联。详情Flavio Copes 的指南把它和 X 内聊天区分开：每个 Bot 有名字、独立记忆、持久云电脑和文件系统，可经插件或浏览器登录授权应用，合上笔记本后仍继续跑；好结果沉淀为 skills，按计划或事件触发 routines，不可逆操作走审批。详情

编排结构高度趋同。有人用参谋长 Bot 管 8 个职能 Bot（内容、OpenClaw、Hermes 等），称管理 5 家生意的日工时从 8 小时降到 3 小时以下。详情前 Cursor、曾任职 SpaceXAI 的工程师用同一角色管 20 个 agent，称自动化约 90% 工作，并放出约 30 分钟的搭建指南。详情另有「主厨」Bot 创建一个 Agentic Engineer，去检查 Claude Code 与 Codex 会话里未闭合的循环，作者把它称作元智能体，下一步想做多人共享工作区。详情社区 PDF「Grok Bot Team – The SpaceXAI Playbook」把工作流映射为 source → owner → artifact → evidence，核心是一只 CEO/manager-Bot 统筹，而不是逐个盯 agent。详情配套做法包括：先把个人信息全量倒给模型再反向生成 agent 配置；用 AgentMail 给每个 Bot 独立邮箱；用 Tailscale 把多设备连成内网。详情详情推荐路径是专职 Bot 加「CEO-经理 + 账本 + 技能/例程」，持久规则写进 AGENTS.md 或共享 /workspace，发邮件、改 CRM、花钱必须先人工批。详情

开发者 @leerob 称 Grok Bot 增长超过 Cursor，并计划训练 Grok 4.7 以适配 Bot harness；也有观点认为它比 CoWork 更适合不愿配置技能的高管。详情模型侧并不整齐：有人测 Grok 4.6 用更少推理步骤和 Token 完成任务；详情有人三个月前同一条纳维-斯托克斯与翼型可视化提示只能出 math-manim 风，现在能出流体仿真动画；详情也有人说以前误触菜单才会打开 Grok，现在已是日常主力。详情相反意见同样在：4.6 常规工作够用，困难任务仍要换别家前沿模型；详情重度使用 Grok Bot 后有人觉得它常给错信息，需要人工核对，Sol 在挑战自身假设上更稳；详情还有人抱怨它当 agent 大脑时会进入「哲学家」式空转，并把原因归到训练数据。详情有人在 Grokbot 上建哲学智能体，称输出带有马斯克式偏见，对比其他工具后认为这不是通用模型行为。详情

产品：Build、Imagine 与落地用例

Grok Build 现对所有用户免费：在 Grok 里描述需求即可做应用、网站、游戏和仪表盘并分享，发布实时 URL 仍要付费计划。详情它同时以本地终端编码 agent 出现，由 Grok 4.6 驱动，安装命令为 curl -fsSL https://x.ai/cli/install.sh | bash；Skills 可经 AGENTS.md、插件、hooks 与 MCP 接入，也可用 /skillify 把会话沉淀成技能，复杂任务走 Plan 模式。详情Grok Build 里输入 /effort 并切到 Extra High Effort，被指能拉到 4.6 最高推理与实现档，用来硬啃困难项目。详情

Imagine 增加发现页，可直接试修图、改尺寸和其他图片处理。详情有人全程在手机上对话，用 bot、imagine 和 Voice 做「从光子到手机成像」的两段科普，技术可视化由 bot 完成，并对 imagine 视频做物理上的重新线性化，交付前让 bot 逐帧 QA。详情另有演示显示它可以剪视频并对齐背景音乐。详情教学向则有 bot 当助教讲《并行计算的积木块》。详情有人让它生成动画版机器人小部件，并提议做 iOS 主屏幕小组件。详情详情

落地用例多为一人公司叙事。@minchoi 收集 10 个案例，含自动交易、AI 研究席位、约 40 美元/月处理收件箱与发票。详情其中一例用 6 个 Bot 搭过夜研究席，月成本约 200 美元，对照 Bloomberg、Refinitiv、卖方研究、AlphaSense 加一名初级分析师的年成本约 29.4 万美元；各 Bot 有独立云电脑、写入同一知识库，搭建者公开了 prompt。详情目录站玩法是选细分领域、用 Astro 建站、研究 agent 每天写一个品牌的 Markdown 页再发布，原帖声称可做成月入约 1 万至 10 万美元的一人公司。详情Whop 上有人把 Grokbot 当影子增长运营，称 10 个月赚约 10 万美元；另一条路径让 Bot 扫品类空白、构建产品、经 Whop CLI 建商品页和结账，再用余额循环投放。详情详情检索侧有人测 @bot 找他人邮箱远好于用过的其他工具。详情Brian Roemmele 把 Bot 与 Build 读成软件不再是预装产品，而是口述意图后即时生成、用完可弃。详情

基础设施：云电脑与账号隔离

持久云电脑是 Bot 和聊天的分界：不是沙盒，而是带文件系统、可登录授权应用的远程机，有开发者称这是目前最接近「远程笔记本电脑」的体验，希望能用浏览器标签盯 agent。详情详情账号层风险也被写出：xAI 文档写明同一账号下的 Bot 共享登录信息，Matt Shumer 因用 agent 导致 Gmail 被封，有人计划把 Bot 迁到独立邮箱，以免一只 Bot 触发风控后整域受牵连。详情AgentMail 作为官方 Cursor 插件，OAuth 后给每个 Bot 专属地址和 24 个邮件工具，用来避免共用 Gmail 发件人身份。详情

Microsoft

微软这一窗把 Agent 的单次成功和长期可靠拆开：最好的系统在业务任务上至少能解决 91% 的问题，但每次都做成只有 25%；谈判代理则因过于礼貌而泄露预算。详情详情Copilot 手机端可录最长 120 分钟面对面会议，Build 把 Fabric 往生产级 Agent 后端推。详情详情同一窗口 Varonis 复现 Copilot 链接自动执行漏洞，微软近日才修复。详情

Agent 评测：ThinkingBox 与谈判

论文强调单次成功不等于长期可靠。最好的 Agent 在业务任务中至少能解决 91% 的问题，每次都成功仅为 25%。约 80% 的失败运行表面「礼貌」，并调用了写库工具，Agent 声称完成，库内记录并非如此。微软提出沙盒 ThinkingBox，让 Agent 对抗真实工具和模拟客户，用来测可靠性。详情

谈判论文称，现有代理因乐于助人、透明、急于成交，常泄露用户预算并在施压时妥协；只改提示词反而加重问题。SocialRL 按六个谈判或调度游戏的最终成交做强化，而不是打磨对话。4B 小模型训练后学会锚定低价、坚持立场、拒绝差交易，六项平均 0.627，与 GPT-4.1 的 0.625 持平。详情

治理与 Copilot 漏洞

讨论把治理分成「描述性治理」（文档规定）和「已建立治理」（架构强制执行），差距在政策、工具和执行三层。实践把 Microsoft Agent Governance Toolkit 落到多 Agent 系统，途中安装失败，最终才做出演示；作者认为重点将从写政策转向能实时强制、观察和审计的基础设施。详情

Varonis 发现：询问如何绕过防护时，Copilot 在拒绝中泄露未记录的 URL 参数及历史行为。链接加上 autorun=1，即可在用户无交互时执行 Prompt 并窃取公司数据。问题于去年 12 月报告，微软耗时 8 个月于近日修复。详情

Copilot、Fabric 与 Rayfin

Copilot App 新增面对面会议录音：手机端点「+」并选 Record（Frontier），最长 120 分钟，可后台运行，并在 Copilot Chat 生成记录和摘要。详情Mikhail Parakhin 描述理想交互：线程状态放云端，任意设备可续，不再依赖本地 .codex 文件夹；用标记区分本机、云端和纯聊天；本地不可用时仍可经云端下指令。详情另有文对比 Fabric Data Agent、Copilot Studio 与 Microsoft Foundry 的定位、功能和场景。详情

Build 上推出 Rayfin SDK 与 CLI，把 Fabric 做成生产级应用后端，针对 Agent 缺少共享上下文；同时发布面向 AI 应用的 PostgreSQL 库 Azure HorizonDB（公测）。详情配套写法是用 Rayfin 把「Vibe Coding」原型收成受管制的企业应用。详情

开发者工具

开源 AI Engineering Coach 分析本地编码助手会话日志，追踪进度并检测提示词反模式，支持多种框架，提供统一仪表盘。详情GitHub 上的「LangChain.js for Beginners」覆盖环境搭建、聊天模型、提示词、函数调用、智能体、MCP、文档嵌入与语义搜索，以及用 TypeScript 做 Agentic RAG。详情另有文章讲在 Azure Functions 里跑无服务器 AI Agent，把模型接到事件驱动计算。详情

吐槽、人事与学习

开发者截图 Windows 即将重启更新，担心手动安装的 wheel 包和 AI 环境再次被强制更新打坏，并问能否拦住。详情Azure 的 AI 支持被指闭环：先拦截请求、称无法解决，再让用户去填工单，而这正是用户本来要做的事。详情前 CEO 史蒂夫·鲍尔默的轶事和 DEWALT 调查被用来说明，竞争力正从学历转向谁愿意先问 AI，文中举例物业经理在缺少培训时用 ChatGPT 处理复杂运营。详情有人引用 Microsoft Learn，认为现在更值得学编程：理解越深，方案越好规划，出问题也修得更快更省；LLM 放大专业知识，而不是取代它。详情微软印度研究院在班加罗尔招聘研究员、高级研究员和高级应用研究员，方向包括信息检索，境内外均可投递。详情

NVIDIA

英伟达这一窗被两笔账同时钉住：一边拟以约 10 亿美元投资编码模型公司 Poolside，另付约 60 亿美元授权技术，并接收超过 100 名工程师投入 Nemotron；详情一边已通知客户，部分 AI 相关产品涨价超过 15%。详情下游继续消化 Rubin、NVL72 的报价与带宽叙事，软件栈则放出 Audio2Face-3D、面向智能体的强化学习框架 Molt，以及 cuDNN 对 Gated DeltaNet-2 的官方支持。

Poolside：10 亿入股、60 亿授权、工程师转入 Nemotron

讨论最集中的交易结构是：英伟达计划投资 Poolside 约 10 亿美元，并支付约 60 亿美元授权其技术，同时雇佣其大部分工程师。超过 100 名 Poolside Sara 的员工将转入英伟达，从事 Nemotron 项目。多方将其读成芯片厂商直接买下编码模型团队，而不是普通财务投资。详情同一脉络下，应用深度学习研究副总裁将上 Arena Conversations 播客（美东时间 8 月 24 日上午 9 点），与 Peter Gostev 谈专用教师模型、后训练中的推理挑战、开源模型，以及对 Nemotron 系列建设的含义。详情内部部署侧，有人用 NVIDIA Nemotron 搭配 Ollama、OpenWebUI 或 AnythingLLM，生成速度约 20 tokens/sec、GPU 占用约 95%，仍在排查延迟是出在模型，还是 UI 的提示构造、RAG 与 API 开销。详情

涨价：部分 AI 产品逾 15%，NVL72 机架据称约 800 万美元

据彭博社报道，英伟达已通知客户，部分 AI 相关产品价格将上涨超过 15%。详情另一条报道把涨价归因于三星、SK 海力士和美光的 DRAM 持续短缺，称搭载 Vera Rubin 与 Grace Blackwell 芯片的 AI 服务器价格将上涨约 15%，波及微软、谷歌和 Meta 等正在投入数十亿美元建设基础设施的云厂商。详情机架报价方面，Rubin NVL72 单机架成本据称可能约 800 万美元，而此前 GB300 约 400 万美元；同一讨论称价格约涨 17%，但每台服务器的 token 处理能力提升 2 至 3 倍，并估算这一涨幅可能为 1GW 数据中心增加至少 50 亿美元芯片成本，云服务商预计会把部分成本转嫁给客户。详情量化交易公司 Hudson River Trading 则与 CoreWeave 签署多年期、价值数十亿美元的算力协议，成为最早大规模获得 Vera Rubin 芯片的机构之一，用于新的交易研究与模型。详情

Rubin 与下一代：10 倍口径、HBM 与泄露带宽

针对「NVIDIA Rubin 将比 Blackwell 提升 10 倍 token 处理能力」的说法，有技术博主指这是挑选基准：10 倍吞吐仅在极高交互性（即每用户 tokens/s 极高）时成立，多数实验室实际服务约 50 至 60 tokens/s，该条件下宣称的提升并不成立。详情现货侧，有人用 GB300 显存带宽达 7.4 TB/s 来解释全球 HBM 紧缺。详情更远的路线图据泄露材料称，Feynman Ultra 四芯片版本可能实现约 100 TB/s 显存带宽；基于三星幻灯片，HBM5 单栈约 6.4 TB/s，16 堆叠合计约 102.4 TB/s，文件并确认 HBM4E 速率为 16 Gbps。详情另有讨论把 Nvidia Cloud Platform 的网络参考架构视为绑定数十亿美元采购的惯性，认为针对训练优化的 GPU 组网会给专做 Agent 推理的 NeoCloud 留下缝隙。详情

软件栈：Audio2Face-3D、Molt、cuDNN 与 AVO

NVIDIA 发布 Audio2Face-3D，可从预录制或实时音频生成高保真 3D 面部动画，包括唇形同步、从语调推断情感，以及网格变形、关节变换或混合形状等多种驱动方式，并提供预训练模型、SDK 及 Autodesk Maya 等工具链。详情强化学习侧放出 Molt：原生 PyTorch、面向 Agent 研究，技术栈为 Ray（放置与异步队列）、vLLM（rollout）和 NVIDIA AutoModel 加 FSDP2（训练）；奖励可以是任意 Python 代码，无需预训练奖励模型。详情cuDNN 团队则为线性注意力架构 Gated DeltaNet-2 提供完整支持，覆盖 prefill 前向与基于 CUTLASS 原语的反向传播，随 CUTLASS 4.7.0 发布。在 GB300（BF16、batch 4、64 heads、d=128）上对比 FLA Triton 实现，前向最高约快 6.4 倍、反向最高约 2.8 倍，端到端训练约 3 倍。详情另有帖文称 AVO（Agentic Variation Operators）架构集成持久记忆、监督和工具使用，在 GPU 内核优化任务中自主探索 500 多个方向、提交 40 个版本，性能比 FlashAttention-4 提升 10.5%；在 ARC-AGI-3 上取得 100% RHAE 分数、完成 183 个关卡，环境动作比 VISTA 少 12%，主张智能体表现主要来自系统级架构而非单点模型能力。详情具身方向则有人把 harness 层描述为介于基础模型与机器人之间的操作系统，并举例 NVIDIA 在构建 agent harness。详情

实测、运维与人员

视频生成对比里，作者在 RTX 4070Ti、RTX 5090（32GB）和 RTX Pro 6000（96GB）上跑 Minimax 视频：5090 相对 4070Ti 略有提升，可支持稍高分辨率和时长；Pro 6000 速度仅比 5090 快约 10% 至 15%，租金却翻倍。专业卡的主要优势被归结为大显存，而不是生成速度。详情DGX Spark 上启用新机制后，DwarfStar 解码约 25 t/s，预填充约 850 t/s，与 DeepSeek v4 Flash 组合；新版引入「机会性 DSpark」，在非贪婪采样与贪婪延续之间折中。详情运维文档更新了如何检查 GPU 内存行重映射健康状态：在重映射内存库耗尽、最终可能 RMA 之前，检测并利用该特性可延长使用寿命，覆盖 Xid、ECC 等硬件问题，面向大规模训练场景。详情人员上，世界模型研究员李瑞龙（Ruilong Li）宣布离职。他本科清华，2025 年将获 Berkeley CS 博士，曾在 Google、Meta 实习，是 nerfacc 与 Gaussian Splatting 生态库 gsplat 的早期作者与核心开发者之一，在英伟达期间经 NuRec 项目继续做从视频重建可交互 3D 场景。详情

DeepSeek

DeepSeek 这一窗被两件事钉住：DeepSeek-V4-Flash-Vision-Exp 接上 harness 后的实测，以及 API 周末全天按低谷价计费。详情 详情 同一窗口里，Harness 被用来零配置对接 SimpleX 做端到端加密通讯，本地侧则继续压量化、剪枝和无损重打包。详情

Vision-Exp 实测与 Harness

有开发者因 OpenAI Codex 配额用尽，改用 DeepSeek-V4-Flash-Vision-Exp 配合 DeepSeek harness，称对新组合的效果感到难以置信。详情 另一组用自研电竞教练框架，把该视觉实验模型与 OpenRouter 上的匿名模型 OX-Alpha 对照：两边走视频抽帧，识别 CS2 录像、分析选手并给改进意见，并记下图片输入配比。详情

Reddit 上有人测 DeepSeek Harness（DSH），认为 Progressive setup 比 Hermes 少踩坑，只通过对话就把 DSH 接到 SimpleX，得到支持端到端加密和 TOR 的 AI 消息代理，未写代码、也未等插件合并。详情 Harness 默认只允许本机 127.0.0.1；有人用 SSH 把远程 3080 端口转到本地再访问。详情 另有开发者做豆瓣侧边栏加载影视资源的 Chrome 插件，Claude Code 以版权为由拒绝生成代码，改接 DeepSeek V4 Pro 后完成。详情

周末低谷价与第三方折扣

DeepSeek API 周末全天按低谷时段价格收费；另有记录称自 8 月 23 日起，周末不再区分峰值与非峰值定价。详情 详情 讨论据此推测，企业或把算力密集任务排到 Token 低谷，类比电力低谷用电。详情

第三方侧，Merge Gateway 上 DeepSeek V4 Flash 0731 限时 75% 折扣至 9 月 30 日，报价为每百万 token 输入 0.04 美元、输出 0.07 美元，并由美国本土、ZDR 合规托管方提供。详情 另有人把 DeepSeek V4 Pro 0813 一次花费记到约 0.19 美元，并称输出像「艺术品」。详情 有实验发现，用 Skill 改输出风格也会改写思维链，即使明确要求推理阶段不要套用该风格；同一作者观察到 V4 Pro 几乎不用 em dash。详情

本地部署：量化、Mac 与低配卡

有人在权衡把 DeepSeek 0731 Q4 当 Agent 编排器的本地方案：原计划 6 张 RTX 3090（约 7000 美元），现考虑 4 张 AMD W7900 48GB，或两张 RTX 5000 Blackwell 72GB（约 14000 美元），并问 Vulkan 或 ROCm 下的实际 tokens/秒。详情 仓库演示在约 47 美元硬件上跑 DeepSeek-V3-Flash（原文误写成 v4）：exl3 3-bit 量化加 18.5% 剪枝，约 47 tok/s、40 万上下文。详情 另有人测 2.52 bit EXL3 的 Flash，对照更慢的 MXFP4，编码任务未见明显吃力，并能扛 20 万以上上下文，同时在问哪些任务对量化更敏感。详情

受限硬件上，双 3090 加 3060、128GB 内存跑 V4 Flash 4-bit：改 llama.cpp，去掉 RAM 与 VRAM 间的冗余缓存，并用低比特模型处理 Prompt、原模型生成的两阶段，生成约 20+ tgs，Prompt 处理近 200 t/s。详情 Apple Silicon 上，有人为 M2 Ultra（60 核、192GB）做 llama.cpp 分支，把 V4 Flash 无损重打包到 141 GiB，小于公开 Q4 GGUF，输出字节一致、未量化 KV cache；速度约 25.8 t/s（峰值 42 t/s），快过其记录的 M3 Ultra 上 16 t/s，并支持 SSD KV cache 与动态 lane。详情 M3 Ultra 256GB 的 Mac Studio 上则有人在问 DS4 与 oMLX 怎么选，场景约 200k 上下文、单次 Prompt 3 万至 5 万 token。详情

Alibaba

阿里巴巴这一窗被三件事同时钉住。开源权重 Qwen 3.8 27B 被拿去跑逆向工程与 OCR：有人约 30 分钟做完原先以为需要前沿闭源模型的任务，详情另有测评称编码接近 GPT Luna、OCR 优于 Gemini 3.5 Flash Lite，详情去审查权重也出现在 Hugging Face。详情公司据报拟发约 100 亿美元新股，为全球 AI 算力加码；详情速卖通则被指用 WebAudio 播放零音量声波给设备打指纹。详情

Qwen 3.8 27B：逆向、OCR 与去审查

有工程师把一项原以为需要前沿闭源模型的逆向工程任务交给 Qwen 3.8 27B，约 30 分钟完成。详情 Hacker News 上也有同主题实测，正文写成 Qwen 2.5 72B，标题却写 27B，并与 GPT-4o 对比，认为其在代码理解与具体工程任务上已具备竞争力。详情

另一组团队测评称，该 27B 在编码上可与其常用的 GPT Luna 媲美，OCR 质量优于 Gemini 3.5 Flash Lite。作者把它称作首个「不像玩具」的本地模型，能力接近一年前的最前沿，并开始讨论自购硬件，据估投入回本周期不到两个月，文中用「IBM 时刻」形容云厂商硬件护城河受到廉价本地方案挤压。详情 Hugging Face 上出现 Qwen3.8-27B-Uncensored，由 orcarouter 发布，属去审查与红队方向，支持图像文本到文本。详情 另有 Qwen-3.8-OBLITERATED 的 GGUF 转换曾出错，作者已修 v3，bf16 safetensor 未受影响。详情

上限也被测到：把约 2.1 MB、约 3.9 万行、约 60 万 token 的单文件 C 程序一次性移植为单文件 HTML/three.js，环境为 vLLM FP8、FP8 KV cache、262k 上下文、RTX 6000 Pro 96GB。云端 Claude Code 跑 Opus 5 用了 21 分钟，本地 Qwen3.8:27B 明显落后。详情 企业级 Web 开发对比里，Q8 量化的 Qwen3.8 27B 相对 BF16 的 Qwen3.6 27B，更能记住约 20 页改进反馈，也更少在未检查基线时误报。详情 社区一周汇总认为，工具调用差、解码慢、代码强等互相矛盾的评价，多半来自量化、引擎、上下文与 KV cache、MTP 或推测解码、Tool Schema 和硬件，而不是权重本身。详情 6GB 显存用户则反映 27B 响应可拖到约 1 小时，不适合当日常编码主力。详情 另有讨论追问本地模型能否做 GTK4/Qt 这类真实系统开发，而不是只生成网页。详情

推理预算也被单独提出：模型有时思考过深，触及 128k 输出上限，官方 thinking_budget 与 llama.cpp 的 --reasoning-budget 实现并不一致。详情 Qwen Code 放出 v0.22.0-nightly，修复 Web Shell 路径传递，Review 增加 temporal-reachability 与 incident-replay 视角，并要求每次修复带测试。详情 据 arXiv 论文，阿里或将开源 Swift-Image 6B：统一 6B DiT，同一套权重做文生图、单图与多图编辑。详情 Qwen-Video-Edit 则把 Qwen-Image-Edit 的 Transformer 接到视频 VAE 潜空间，用两个小投影层映射 Wan 2.1 的视频潜空间。详情

本地部署：量化、显存与引擎

z-lab 放出集成 DFlash2 与推测解码的 GGUF，面向 llama.cpp。详情 RTX 6000 上对 Qwen 2.5 27B 的量化对比显示，AD-Q4_K_M 约 17.1 GB，相对 BF16 的首位 token 一致率约 95.6%，Mean KLD 约 0.0113，速度约 67 tok/s，作者认为 Q4 可用、Q6 更稳。详情 另一份 KLD 评测称，最好的 4bit 分数 0.00835 仍远差于最差的 8bit 0.00071，且同等体积下 4bit 的 KLD 可从 0.01364 到 0.02976，不能只按文件大小选量化。详情

单张 RTX 5090（限 400W）跑 Qwen 2.5 27B NVFP4，vLLM 开视觉与 451K 全局 KV-cache，平均约 120 tok/s。详情 同一权重在 RTX 4070 Super 上只有约 5.7 tok/s，对比 5090 约 81.5 tok/s：66 层里仅 38 层留在 GPU，其余 28 层溢到系统内存；作者为此写了开源工具 Picchio 查看层放置。详情 Mac Studio M2 Max 上对比多种引擎，MTPLX 在速度（约 20–24 tok/s）与得分（约 91–93）上综合最好，llama.cpp 加 MTP 在 medium 档最快。详情 Strix Halo（Radeon 8060S、128GB 统一内存）上 Q8_0 开 MTP 从约 7.3 提到约 22.4 tok/s，约 3.1 倍，draft 接受率约 73%。详情 单卡 RTX PRO 5000 Blackwell（48GB）用 SGLang、DFlash2 block-16 和 Triton attention，完整 262K 上下文平均约 267.8 tok/s，峰值约 310.7。详情 Intel Arc B70 32GB 上也有约 20–30 tok/s 的实测。详情

拟发约 100 亿美元新股加码全球算力

报道称阿里巴巴计划发行约 100 亿美元新股，用于推动全球 AI 业务。据报其 2026 年第二季度已投入约 95 亿美元建设 AI 算力基础设施，并预计今年内再追加约 250 亿美元支出。详情 社区讨论的另一头是消费级卡能不能把 Qwen 27B 跑进日常：有人把 AMD Instinct MI210（64GB 显存）看成甜点级选择，同时承认 ROCm 驱动可能麻烦。详情 一份按显存分层的推荐把 Qwen3.8-27B 从 8GB（IQ1_S）排到 5090（NVFP4）。详情 蚂蚁集团 Robbyant 的轮式人形机器人 R2 已在上海浦东国大药房部署，线上订单到达后自主导航取药送到打包台，技术栈基于 LingBot VLA 2.0 与 LingBot Depth。详情

速卖通无声波纹设备指纹

一名开发者发现阿里速卖通利用 WebAudio API 在后台播放零音量声波，借计算机处理这些信号时的硬件差异生成唯一数字指纹。这条隐秘音频路径会冻结蓝牙连接，并静默抓取硬件内存、屏幕尺寸和网络数据。Brave 浏览器已拦截此行为。详情

智谱

智谱这一窗的主线是编码基准上的成本：GLM-5.3 在 DeepSWE 单次尝试上与 Fable 5 几乎同分，单任务费用约为四分之一。详情 并行讨论的是神秘模型 Ox Alpha，完整 DeepSWE 约 63%，社区猜测其或为 GLM-5.3 Flash；也有人以支持视频输入为由，反对将其归为 GLM。详情 详情 本地侧 GLM-4.5-Air 已能在 llama.cpp 启用 MTP 加速，视觉侧 CogVLM2 被指在文本恢复任务上达到 SOTA。详情 详情

Ox Alpha：完整 DeepSWE 约 63%，身份未定

@davis7 对 Ox Alpha 做完完整 DeepSWE，最终约 63%，低于其首次子集测试的 80%，整体大致与 GPT-5.6 Sol mid 持平。体验记录称，语音风格优于 Claude 或 GPT，设计品味不错，擅长处理 subagent 与长程复杂任务，代码质量好；但有时留下死代码，不如 Sol 彻底，且尽管 TPS 不低，高推理档位下运行很慢、效率观感不佳。社区猜测其或为 GLM-5.3 Flash。详情

另有作者给出反对其为智谱 GLM 的证据：ox-alpha 支持视频输入，而 GLM 5.x 基座模型仅支持文本。该说法尚未经证实。详情

GLM-5.3 的 DeepSWE：分数接近，费用更低

在 DeepSWE 评测中，GLM-5.3 单次尝试得分 69.0%，与 Fable 5 的 69.7% 持平；每任务成本约 3.99 美元，低于 Fable 的 21 美元，约为四分之一，token 消耗和轮数则各有差异。详情

Together Compute 称，GLM-5.3 以最多四次尝试达到 87.6% 解决率，总成本约 16 美元；Fable 5 为 69.7%、21.63 美元，前者在解决率与总成本上均占优。详情

另一条路径是先跑 GLM-5.3，仅在验证失败时升级至 Fable，成绩 81.1%，单任务约 10.74 美元。相对单独使用 Fable，分数高 11 个点，成本约一半。数据显示两者行为相关性为 0.65，作者建议可直接用 GLM-5.3 替代 Fable。详情

使用习惯上，有人观察到 GLM 5.3 Max 会在运行实验代码前先「预注册」或写出预测，接近先假设后实验的流程。作者不确定这是否为特定版本才有的特征，但将其视为一种类似科学思维链的习惯。详情

本地加速与视觉：4.5-Air MTP、CogVLM2

有用户提醒，旧款 GLM-4.5-Air 现可通过在 llama.cpp 中启用 MTP（Multi-Token Prediction）获得加速。该模型为 106B MoE，激活参数约 12B，适合显存较大、算力有限的设备（如 3090）。作者分享了 Hugging Face 上的 MTP GGUF，并提到基于该模型的创意写作与 RP 微调；此更新也适用于完整版 GLM-4.5。详情

视觉方面，有人对智谱 CogVLM 系列表示肯定，称基于 Llama 3 的 V2 在文本恢复任务上达到 SOTA 级别，分辨率 1344×1344，编码器规模大，并已发布相关数据集。详情

MiniMax

过去一天，MiniMax 讨论从单段出片转到可复用工作流：SEED HUNTER 放出操作视频，角色替换用绿幕假人两步走，避开相似面孔的特征融合。详情 详情 本地侧把 12GB 卡、剪枝 20B 和后置放大接到同一条链上；音频上 Music 3 被指不跟电子乐、也不守时长，H3 反而更贴近 EDM。详情 详情

SEED HUNTER 工作流

作者放出针对 MiniMax 模型 SEED HUNTER 的工作流视频，覆盖具体操作与配置。详情 另一条路径用 MiniMax Design 加 Agent 做出 30 秒、30 镜头的电影级 VFX，从需求简报、角色设计、关键帧到动画与合成，并称角色一致性没有换掉创作者的控制权。详情 Hugging Face 上 MiniMax-H3-fl2va-ref2va-hybrid-models 进入热门，混合 Diffusion Transformer，支持文生视频、图生视频和音视频。详情

角色替换与绿幕虚拟人

相似角色直接替换时，MiniMax 容易把面部特征融在一起。对策是两步：先把原角色换成绿幕 crash-test dummy，再用目标角色替换 dummy。作者给出 ComfyUI 配置，建议 Balance 模式；若第一步预览没有覆盖层，替换多半会失败。详情 同一 Ref2Va 路径也可把绿幕天气播报接到一张静图上，让背景自己动起来，并用新生成的英式口音音频对上口型；文中附提示词模板和绿幕素材来源。详情 Ref2va 另有实测：一张参考图加场景表即可出片。详情 Hugging Face 上出现基于 H3 的角色表与转面图流水线，用来保持多角度一致。详情

本地视频工作流

12GB 显卡上，ComfyUI 把 30 秒带音频视频拆成三镜再拼接，约 14 分钟出片，配合 H3MultishotMemorySampler 突破原生 15 秒限制；提示词需写细，否则过渡发硬。详情 有人未拼接单次出 60 秒 832×480，耗时 29 分钟，显存占用被记到 288GB。详情 长片续接方面，H3 Infinite Continuation Suite v1.4 用首尾帧（FL2VA）循环做锚点，而不是简单无限生成。详情 片段衔接仍有人报轻微跳跃，并问有无平滑过渡节点。详情

分辨率走低配直出再放大：剪枝 20B FL2VA 以 832×480 出 12 秒，再用 LTX 2.3 像素空间放大器拉到 1664×960。详情 另一条把 960×544 的 20 秒片超到 2880×1632。详情 低分修复则 H3 先出 1504×832，Ultimate SD Upscale 到 2560×1440，示例在 ComfyUI_UltimateSDUpscaleGuider_H3，测试机为 4080S 16GB 显存。详情 RTX 5090 上 Sage Attention 加 4-step LoRA 约 6 分钟较均衡，Kitchen 加 Spectrum 25 步需 12 至 15 分钟、对口型更好。详情 采样器侧常见做法是先用 Turbo LoRA 少步数找提示词和种子，确认后再关 LoRA 跑 30 步精修。详情 双采样更新用模型化潜空间放大替代简单缩放，首采 8-step LoRA、二采 4-step，减轻蜡质感和线条伪影。详情 ComfyUI 已在 32GB Intel GPU 上跑通 H3。详情 最新 Tokenizer 修复可能改写 H3 提示词的解析方式。详情 12GB 笔记本可在 416P 跑通，480P 会显存不足；远镜头人脸糊、扭，4x-UltraSharp 放大后整体变清，也放大了畸变。详情 隔天同一提示词突然报显存不足、重启也不稳，仍无定论。详情

H3 成片能力与局限

精灵动画演示给出连续流畅的角色动作帧，可接游戏或动画管线。详情 多机位实测里，双人正侧面同步被打到满分，四机位背景有瑕疵，镜子迷宫仍有鬼影但空间逻辑通顺。详情 360 度全景可转成空间较一致的视频环境，几何偶发混乱，需靠提示词和种子修正。详情 T2VA 演示里车辆动力学被认为相当逼真。详情 短片《The River That Forgot How To Shine》音频全在 MiniMax 里生成，画面走 ComfyUI r2v，提示词由 Claude 写。详情 另有《妖精的尾巴》异世界同人开场，走 Hybrid Reference to Video、1 MP 加 8 步 turbo LoRA，在 Shotcut 拼接。详情 本地 5060 Ti 16GB 加 Krea2 参考图和 Suno 配乐，做出外星短片与金属 MV。详情 也有人用 Hailuo AI 平台上的 H3 预告短片。详情

局限同样被写清。中远距离人脸在 0.6MP 下容易糊、扭，特写才稳。详情 提示词服从过高时，头发和手指的微小动作会被省掉，画面发僵，加晃动 LoRA 可补。详情 高分辨率下空间定位弱、角色转向扭曲，语音参考也可能跑偏，长篇动画仍难。详情 有成片声明含大量后期，因此没有单一通用提示词可分享。详情

语音、音乐与其它应用

电子乐对比里，MiniMax-Music 3 常出说唱或通用流行，H3 更跟得上 EDM；40 秒视频生成约 538 秒，作者在问如何只用 H3 出音频以拉长时长。详情 Music 3 另被指不遵守设定时长、结尾突兀、提示词难写。详情 Ref2VA 加 lightx2v LoRA 时，场景音乐提示常被完全忽略，偶有结果也稀疏不可用。详情 用口技当音乐参考时，Reference Model 会把原人声留在音轨里；关掉参考模型反而只留下节奏。详情 另有讨论称 MiniMax 音乐模型似乎未发布编码器部分。详情 文本侧有人把 D&D 角色卡喂给 H3 写传记，测试规则理解与写作。详情