全部 · 2026-06-02

这条分享挺实在的，没有吹“全面超越”，而是把坑也摊开了。作者用一张RTX 3090本地部署Qwen3.6-27B，在47个多步骤编程工作流里顶替Claude跑了两周。计划生成的结构合规率大约95%，说明模型能按预期格式输出，但工具调用格式错误率有12%，意味着每八九次调用就有一次格式不对，这在自动化流程里会直接卡住。更关键的是，上下文一超过约12k token，表现就开始明显下滑，长任务稳定性存疑。 不过得打个折：正文没披露这47个任务的具体难度，也没说对比的Claude是哪个版本、跑在什么配置上。95%这个数只能说明“格式上像样”，不代表任务完成质量接近Claude。另外，作者被Reddit网络拦截了，我们拿到的只是摘要，没法核实更多细节。 如果你也想在本地替掉商业API，这条经验值得参考，但先别激动。12%的工具调用错误率在生产环境里需要额外加校验和重试机制，长上下文退化也得靠分段或摘要来兜底。还缺的是延迟数据、显存占用峰值，以及更细分的任务类型对比，这些才是决定能不能真替的关键。

OpenAI 这次更新，说白了就是给 Codex 装上了“职业套装”。以前它主要是个写代码的工具，现在通过 6 个角色插件，直接对接了 Snowflake、Figma、Salesforce 这些企业软件，让非程序员也能用自然语言做数据分析、出设计稿、整理销售情报。官方给的数据挺有意思：每周有 500 万人用 Codex，其中非开发者占了 20%，而且增速是开发者的 3 倍多。这说明知识工作者确实有需求，但 20% 的占比也提醒我们，目前主力还是程序员。 这些插件覆盖了 62 个常用 App 和 110 项技能，听起来很全，但正文没披露任何关于输出准确率、任务完成度或者企业采购成本的信息。对于投资、投行这类容错率低的场景，模型“幻觉”一次可能就闹笑话。另外，虽然提到了 Zapier 和 NVIDIA 的内部用例，但都只是笼统描述，没有具体的效率提升数字，比如节省了多少工时。 还缺什么？一是插件在复杂、多步骤任务里的可靠性测试结果；二是企业数据安全的细节，毕竟要读公司内部的数据库和文档；三是跟微软 Copilot 等直接竞品的差异化对比。这些信息没补上之前，可以把它看作一个值得试用的工作台，但别指望它能立刻替代专业软件里的资深员工。

Alphabet要融800亿美元搞AI算力，数字大到让人多看两眼。但拆开看，400亿的ATM计划里大概300亿是员工行权时公司代扣税产生的现金流，这部分不算真正从市场拿的新钱。剩下承销股票、强制可转换优先股，加上伯克希尔10亿私募配售，才是实打实的融资。即便如此，这个规模也比它过去28年七次主要股权融资加起来多十倍，说明管理层判断现在不砸钱建算力，以后成本更高。 市场把这解读成看涨信号，逻辑是AI瓶颈从需求和模型转向了算力供应，谁有基础设施谁说了算。正文把这次融资类比铁路、电网和晶圆厂，意思是Alphabet在铺自己的护城河。但正文没披露这些钱具体投向什么芯片、自研TPU和外购GPU的比例，也没说回报周期多长。 我会先打个折：800亿里有一部分是会计上的现金流，不是全部用来买显卡。另外，这么大手笔也意味着如果AI应用落地速度不及预期，折旧压力会直接压到利润表上。这点先别太激动，等看到资本开支明细再判断。

这条消息来自 Reddit 的 LocalLLaMA 板块，标题很吸引人：用 Intel Arc B70 Pro 这块专业卡跑 Qwen 3.6-35B-A3B 模型，预处理速度冲到 977 token/秒，上下文窗口拉到 262k。但点进去正文被 Reddit 的网络安全机制拦住了，我们看不到任何测试细节。 977 token/秒这个数字如果属实，意味着处理一篇几万字的文档只要几十秒，对本地推理来说相当快。但关键信息全缺：不知道跑的是量化版还是全精度模型、用了多少张卡、功耗和显存占用如何、llama.cpp 的具体编译参数是什么。Qwen 3.6-35B-A3B 本身是个 MoE 架构的模型，实际激活参数只有 3B 左右，推理速度天生就比同尺寸稠密模型快，所以这个数字不能直接拿去跟其他 35B 模型比。 另外，262k 上下文窗口在消费级和专业卡上能稳定跑到什么程度、长文本下速度衰减多少、输出质量有没有崩，这些都没法从现有信息判断。建议等原帖能正常访问或者有更多独立测试出来再下结论。

图灵奖得主 Richard S. Sutton 和 Banafsheh Rafiee 提了个叫“生成认知”的 AI 框架，给智能立了四根柱子：经验、感知与行动不可分、自主性、具身性。说白了就是反对现在主流那种闷头灌数据、只看 token 概率的做法，主张智能必须在一个能感知、能动手、能自己决定下一步的环境里长出来。这个思路跟 Rodney Brooks 早年的具身智能一脉相承，不算全新，但由强化学习领域的 Sutton 来重新强调，分量不一样。 不过得先打个折：这篇文章的正文被微信环境验证挡住了，实际内容没抓到。标题和摘要只给了框架层面的主张，具体怎么实现、有没有实验验证、计算成本如何，正文没披露。四根柱子听起来很对，但如果没有可跑的系统和可复现的结果，目前还停留在哲学宣言阶段。 还缺的东西很明确：一是这个框架有没有对应的模型或训练流程，二是跟现有方法比到底在哪类任务上能看出差距。等看到完整论文再判断它到底是路线图还是口号。

这篇论文的思路很直接：不碰模型结构和训练算法，只优化数据准备环节。DataMaster 做了三件事——自动搜索外部数据、清洗脏数据、把多个数据集拼成一张表。在 MLE-Bench Lite 这个机器学习竞赛基准上，奖牌率从 35.91% 提到了 68.18%，几乎翻倍，说明数据工程这块的自动化确实能带来明显收益。 不过正文有几个关键信息没给：具体用了哪些模型、单次任务耗时、额外算力成本。这些数字直接决定这套流程能不能在实际项目里跑起来。如果每次数据准备都要烧很多 token 或者等很久，那性价比就要重新算。另外，MLE-Bench Lite 本身是竞赛场景，任务相对标准化，真实业务里的脏数据可能更乱、更没规律，DataMaster 能不能扛住还不好说。 我会先打个折：方向对，但缺成本数据和更脏场景的验证，暂时别把它当通用方案。

这条分享的价值不在工具本身，而在于思路：让AI读文件系统、做分类判断，再生成一份带安全按钮的交互报告。作者用Codex扫了自己的MacBook，发现B站缓存等一堆可删文件，激进方案能清出超140G，最终实测释放近120G。对比CleanMyMac只扫出15.8G，差距来自AI能识别更多非标准缓存路径，而不是靠固定规则。 不过要冷静看几点。正文没披露Codex具体怎么接入文件扫描，也没说扫描耗时和误删风险。三色分级里黄灯项需要人工判断，这意味着清理效果高度依赖使用者自己的辨别能力，不是全自动方案。另外，开源skill的维护状态和跨平台兼容性都没展开，Windows实测数据也没给。 如果你愿意花时间盯黄灯项，这个思路确实能省下120刀的软件费。但别期待装完就能一键清出100G，实际收益取决于你电脑里到底堆了什么。

英伟达要在今年秋天推出一台叫 RTX Spark 的 Windows 电脑，核心是把一块 Blackwell 架构的 RTX 显卡和一颗 20 核 Arm 架构的 Grace CPU 通过 NVLink-C2C 高速互联焊在一起，共享 128GB 统一内存。官方给的 AI 算力是 1 petaflop，号称能在本地跑起 1200 亿参数、上下文窗口 100 万 token 的大语言模型。这个配置对想在本地跑大模型又不想折腾外挂资料库的人来说，确实省事——不用再纠结显存够不够、CPU 和 GPU 之间数据搬来搬去的延迟。 但这条新闻的信息缺口很明显：正文没披露整机功耗和售价。1 petaflop 的算力塞进一台 Windows 电脑，散热和供电怎么解决，直接决定这东西是能当日常主机用，还是一个小型暖风机。另外，128GB 统一内存虽然看着大，跑 1200 亿参数的模型如果不用量化，内存带宽够不够喂饱算力也是个问号。微软在这件事里扮演什么角色也没说清楚，是深度定制 Windows 还是只是兼容。这些关键信息都缺，所以目前只能把它当成一个硬件预告，实际表现等秋天见分晓。

这条新闻说 Google DeepMind、Anthropic 和 Meta 都在研究 AI 能不能产生意识，以及这对人意味着什么。但问题是，FT 的正文被付费墙完全挡住了，我们拿到的只有一句摘要和 403 报错页面。所以目前能确认的只是“这几家都在做”，至于他们用什么方法、怎么定义“有意识”、有没有阶段性目标，一概不知。 对从业者来说，这更像一个信号：头部实验室开始把“机器意识”从哲学讨论拉进研究议程了。但别急着激动，没有公开论文、没有基准测试、没有可复现的实验设计，就很难判断这是严肃的探索还是 PR 层面的占位。我会先打个折，等有具体技术细节出来再认真看。

MobileGym 把手机操作智能体的训练环境搬进了浏览器，不用真机也不用模拟器集群，这对做移动端 agent 研究的团队是个实打实的省钱方案。每个实例约 400MB、冷启动 3 秒，意味着可以在普通服务器上并行跑大量任务，实验成本会低不少。它把屏幕状态转成结构化的 JSON 快照，任务验证也是程序化自动完成，省去了人工盯屏的麻烦。 不过正文没披露这 28 款 App 的覆盖深度——是只跑通几个固定流程，还是能处理真实用户场景里的长链路操作？也没提任务成功率基准线，不知道现有模型在上面表现如何。另外，浏览器里模拟安卓和真实手机的触控延迟、渲染差异有多大，这点直接决定训出来的模型能不能迁移到真机上。我会先打个折，把它看作一个低成本的快速原型和基准测试工具，离“训完就能用”还有距离。

这条新闻的标题和摘要抛出了一个很重的判断：教皇利奥十四世与Anthropic联合创始人Christopher Olah共同发声，预测通用人工智能（AGI）将在2030年到来，留给人类建立治理框架的窗口期只有大约1500天。他们提议参照反洗钱金融行动特别工作组（FATF）的模式，搞一个国际AI审计框架。 但必须说清楚，这篇文章的正文因为微信环境验证问题，完全没能抓取到。所以上面这些信息全部来自标题和摘要，我们看不到任何具体论据、数据来源，也不知道这个“2030年”的预测是基于技术路线图、算力曲线，还是纯粹的风险假设。Anthropic作为一家AI安全公司，有动机强调紧迫性来推动监管，这一点在解读时需要打个折。 目前缺的东西很关键：教皇和Olah到底是在什么场合、以什么身份说的这些话？是联合声明、各自表态，还是媒体拼凑？提议的审计框架具体怎么运作，有没有技术可行性分析？这些在正文缺失的情况下都无法核实。建议等原文能正常访问后，再判断这到底是一次严肃的政策倡议，还是一场高调的公关活动。

墨芯人工智能完成近10亿人民币C轮融资，做的是AI推理芯片，技术路线是稀疏计算——只算有用的部分，省电省时间。文章标题喊“天价Token有解”，但正文实际被微信环境验证页挡住了，能读到的信息很有限。摘要里提到S30和S40卡在MLPerf推理测试拿了三连冠，但没说是跑什么模型、跟哪些卡比、具体延迟和功耗多少，这些才是判断“省钱”的关键。下一代卡SparsePrime计划年内发布，目前规格和定价都没公布。 这条新闻值得关注的是国产推理芯片在稀疏计算这条路上持续有资本下注，近10亿的规模不算小。但“天价Token有解”这个结论还缺太多证据：MLPerf成绩没展开，实际部署成本没算，跟主流卡的性价比对比也没给。等SparsePrime真发了、有第三方实测再说。

阶跃星辰放了个 Step 3.7 Flash，196B 的 MoE 模型，主打推理省钱。它用多矩阵分解注意力把 KV-cache 占用压到 DeepSeek 同类模型的 22% 左右，显存压力小很多，还把注意力和前馈网络解耦，让硬件跑起来更顺。模型走 Apache 2.0，已经在 Fireworks AI 上可用，官方说能搭智能体应用。 但正文没给出任何基准跑分、吞吐量或延迟数据，也没说在什么硬件上测出这个 22%。没有第三方验证，这个数字只能当官方口径看。另外，196B 总参数量不小，实际部署成本除了 KV-cache 还要看激活参数和通信开销，光压缓存不一定等于整体省钱。 还缺的是：跟同尺寸模型的横向对比、具体推理场景的延迟表现、以及智能体应用到底能跑多稳。等第三方实测出来再判断性价比。

这条新闻的核心是一份采购记录分析，不是实锤交付证据。Wirescreen 翻查了 2019 到 2025 年的 3800 份公开招标文件，发现超过 500 次中国军方单位点名或按规格要求采购英伟达的 A100、H100 等芯片，用途涉及核爆模拟、网络攻击和兵棋推演。但报告自己也承认，这些文件只记录了供应商承诺供货，没写最终有没有交付。这点先别太激动，招标意向和实际到货是两码事。 英伟达的反驳也有信息量：军方要的量远低于训练大模型所需的十万颗级别，而且招标里同样出现了华为芯片。这至少说明中国军方在公开渠道是“我全都要”，既想拿英伟达，也没放弃国产替代。报告还提到，美国 2022、2023 年加码管制后，一些招标流标后换了形式重发，军方大概花了一年时间适应新渠道。 还缺什么：正文没披露这 500 多次招标里，最终成交了多少、芯片从哪条路径流进去的。没有交付证据，就只能说“有强烈的采购意愿”，不能说“美军技术装备了解放军”。

范德比尔特大学的研究人员翻看了10万份泄露的公司文件，发现一家叫积至的中国公司正在开发一套AI系统，想通过分析电信数据、社交媒体和位置信息，在一个人还没公开表达不满之前就判断他未来会不会批评政府。这听起来像《少数派报告》里的情节，但文件显示，这套预测技术目前还停留在研究阶段，美国官员也说没有证据表明它已经定型或实际部署。 积至的团队在2024年初讨论过如何用AI给人群分类、建立个人档案来“识别意图”。不过，他们当时遇到了算力瓶颈——因为美国对高端AI芯片的出口管制，团队只能退而求其次，用较旧的模型和芯片。这说明美国的限制确实拖慢了他们的进度，但正文没披露这套预测系统的准确率、误报率，也没说有没有做过真实环境测试。 还缺两个关键信息：一是积至自己没回应置评请求，我们听不到公司方面的说法；二是文件本身是泄露材料，完整性和上下文可能有缺失。所以，目前能确定的是有人在往这个方向做研究，但离真正能用、能准确预测异见，还有很长的距离。

英伟达这次在台北电脑展放出的开源模型，核心看点是把推理和生成两个模块拼在一起的混合架构。Cosmos 3分16B和64B两个尺寸，其中64B版本微调后，在文生图和图生视频的开放权重模型里跑分冲到了第一。这个成绩挺亮眼，但正文没披露训练数据的具体规模和来源，也没提在复杂物理场景下的失败案例，所以“世界模型”这个帽子戴得有点早。 另一款Nemotron 3 Ultra是个550B参数、激活约55B的大语言模型，被称作目前美国最强的开源模型。它主打效率高、推理快，但具体延迟数据和硬件门槛正文没给，只说很快。这点先别太激动，大模型部署成本不低，得等实测跑起来才知道是不是真省钱。 还缺一个关键信息：这两款模型在中文场景下的表现如何，文章完全没提。如果你主要处理中文任务，建议等第三方中文评测出来再决定要不要跟。

这条消息来自FT的付费文章，但能看到的只是标题和网站导航，正文内容被完全锁在订阅墙后面。标题说腾讯“更接近”在微信里推出一个AI助手（AI agent），可具体怎么定义这个助手、它能干什么、用的是自研模型还是外部方案、目前在内测还是灰度，这些关键信息正文都没披露。 微信的体量摆在那里，十几亿用户，任何AI功能的加入都会直接影响国内AI应用的竞争格局。但正因为影响大，才更需要看落地细节：是像“文件传输助手”那样加一个对话入口，还是把AI能力拆进小程序、搜一搜、支付等具体场景里？没有这些信息，就很难判断腾讯这次是动真格做产品，还是先占个坑。 另外，FT作为外媒，在报道中国科技公司时偶尔会引用单一信源或二手消息，这篇又看不到原文，可信度要打个折。建议等腾讯官方公告或产品实际露面再下判断。

这条新闻目前只能看个标题和摘要，正文被彭博的付费墙拦住了。从现有片段看，中国更新了商业秘密保护规则，明确把数据和AI算法纳入保护范围，目的是在中美科技竞争下防止技术泄露。这个方向本身不意外，之前国内已经有司法解释和案例把算法当商业秘密处理，这次更像是正式写进规则里。 但关键信息全在正文里，我们现在不知道：规则里怎么定义“算法”和“数据”——是模型参数、训练方法，还是连推理结果都算？违规怎么罚，是民事赔偿还是刑事责任？什么时候生效，有没有过渡期？这些细节直接决定这条规则是动真格的还是表态为主。另外，规则对开源模型、跨境数据流动有没有豁免或例外，也完全不清楚。 建议等看到全文再判断实际影响。如果只是原则性规定，对行业冲击有限；如果罚则很重、定义很宽，那做跨境AI业务的公司就得重新评估合规风险了。