全部 · 2026-06-17

AWS 这次开源了一个机器人开发 SDK，核心是把 LeRobot 这套训练工具包封装成一个统一的智能体，让开发者从仿真到真机部署的代码几乎不用改。默认跑 MuJoCo 物理仿真，不用买硬件就能先试；想上真机时把参数改成 mode="real" 就行，仿真和真机代码完全一样，只差这一个关键字。操作机器人的演示数据会被录成 LeRobotDataset，可以直接推到 Hugging Face Hub 上共享，然后用 GR00T 或 LerobotLocal 这类策略模型跑推理，再通过 Zenoh mesh 广播命令到多台机器人。 这套东西对想快速上手机器人开发的团队挺友好，尤其是仿真零成本起步、代码统一这点，省掉了仿真转真机时重写代码的麻烦。示例在笔记本上就能跑，要求 Python 3.12+、Linux 或 macOS，不需要 GPU。 但正文没披露真机测试的具体情况——用了哪些机器人型号、任务成功率多少、延迟表现如何，这些关键指标都缺。另外，Zenoh mesh 广播到多台机器人的同步精度和稳定性也没提。如果是真的省钱省事，那对教学和小团队验证想法很有用；但真要上产线，还得等更多真机验证数据出来再说。

这条新闻最值得看的部分不是跑分，是那个「喂整个仓库让它写信」的实验。Fable 5 从一个人十五年的 1100 篇文章里捞出一句他自己都忘了的话，然后告诉他：你正在变成别人时间线上那个不真实的东西。这不是模型变聪明了，是它终于有足够长的上下文窗口去读你的人生轨迹，然后把你散落各处的碎片拼成一面镜子。 干活能力确实强。MindStudio 测出多步编程自纠率 81%，比 GPT-5.5 的 74% 高出一截；Vellum 直接说这是代差级跃升。但 SWE-Bench Pro 那个 80.3% 的分数是 Anthropic 用自己的脚手架跑的，不是独立第三方验证，这点先别太激动。代码评审精度不如 Opus 4.8，策展排版任务被 GPT Pro 碾压，说明它也不是全能。 正文没披露 Fable 5 为什么被撤。标题说「被国家收走」更像群友调侃，没有实质信息支撑。信的深度差异本质取决于每个人在 SOUL.md 里放了什么——文艺版得到人生哲学信，务实版只收到三条网络安全建议。这提醒我们，模型的能力上限可能已经够用了，真正拉开体验差距的，是你有没有认真告诉它你是谁。

这份给股东看的文件把账算得很直白：2026年Q1收入57亿，现金消耗37亿，赚的钱有一半多直接花出去了。The Information拿到的文件没拆成本结构，但点出了三大花钱方向——算力基础设施、模型研发、人才招募。换句话说，AI服务需求在涨，但做大模型的成本涨得更快，头部玩家都在靠持续输血撑着。 文章提到OpenAI已经秘密提交IPO申请，最早9月上市，估值可能冲到1万亿美元。这两个数字目前都只有一位知情人士的说法，没有其他交叉验证。上市时间表在监管和市场环境面前变数很大，万亿估值更是需要拿出远超现在的商业化成绩来支撑。正文没披露现金流能撑多久、有没有新的融资进来，这些缺口比上市传闻更值得盯。

Stephen Wolfram 亲自下场写长文，核心就一件事：Wolfram 语言和 Mathematica 15 版把 AI 助手直接嵌进了每个笔记本里。这个助手用的是 Wolfram 自家的大模型，不是接的外部 API，能帮你写代码、解释计算结果、生成图表。对老用户来说，相当于在原本就复杂的工具里加了个随叫随到的解释器，学习曲线可能会平缓一些。 这次更新还塞了几个硬货。新增的 ModelFit 是个“超级函数”，把回归、分类、时间序列预测这些活统一到一个接口里，不用再记一堆不同函数名。符号音乐功能让你能用代码写乐谱、做音频分析，对搞计算音乐学的人是个新玩具。TimeSeries 和 Tabular 数据结构也做了大升级，处理表格和时间序列数据会更顺手。 但文章是典型的 Wolfram 风格：功能列了一大堆，关键商业信息全没提。定价策略、不同许可证版本的功能差异、具体推送时间，正文一概没披露。另外，内置 AI 助手的效果很依赖 Wolfram 自家模型的能力，模型本身的技术细节和 benchmark 也没给，实际写代码的准确率要打个问号。如果是真的能在复杂计算场景下稳定输出，对重度用户挺省钱；如果只是简单任务还行、一复杂就崩，那就还是个 demo。

这条消息如果属实，可灵在视频生成赛道的身价会直接冲到第一梯队。20 亿美元融资、180 亿投后估值，这两个数字说明资本对快手拆出来的这个 AI 业务给了很高的预期。但眼下能确认的信息太少——彭博的原文被付费墙挡死了，我们只抓到了标题和摘要，正文里有没有披露其他投资人、资金用途、对赌条款，一概不知。 泛大西洋是美国老牌私募，投过字节、蚂蚁，这次如果真领投可灵，意味着有美元基金愿意在当前环境下继续押注中国 AI 应用层。但估值本身也要打折看：视频生成现在商业化路径还不清晰，可灵的产品成熟度和收入规模都没公开数据，180 亿是实打实的业绩撑起来的，还是赛道溢价堆出来的，正文没披露就没法判断。 还缺几个关键信息：这轮是纯融资还是带老股转让、快手还保留多少股权、可灵自己的营收和付费用户数到底怎么样。这些不补上，光看估值容易高估。

这篇报道的核心判断很直接：AI 芯片卖爆，但真正闷声发财的是给英伟达供高带宽内存的 SK 海力士、三星和美光。今年内存价格翻了一倍多，直接把三星和海力士的市值推过万亿美元，韩国成了美国之外第一个同时有两家万亿市值公司的国家。黄仁勋在 Computex 上跑到海力士展台，在一片缺货的晶圆上写“请多生产一些 :)”，这个细节比任何数据都更能说明产能紧张到什么程度。 文章把中国缺席的原因归结为美国关税和技术限制，认为这比补贴更有效。但正文没披露中国在存储芯片上的自给率到底是多少，也没提长鑫存储等厂商在落后节点上的进展。所以“明显缺席”这个结论主要针对最先进的那一档内存，不能直接等同于整个存储市场。 另一个值得注意的点是地缘风险。供应链高度集中在台湾和韩国这两个地方，文章自己点出了这个矛盾：美国设计的芯片，制造命脉却压在两个地缘热点上。正文没展开讨论如果台海或朝鲜半岛出事，替代产能需要多久才能接上，这是整篇报道最大的信息缺口。

智谱这次把 GLM-5.2 直接 MIT 开源，代码能力卡在 Claude Opus 4.7 和 4.8 之间，在 Code Arena 前端开发盲测里拿了公开可用模型第一。模型支持 100 万 token 无损上下文，能跑跨天的长任务，在 FrontierSWE 上只比 Opus 4.8 低 1%，超过了 GPT-5.5。 技术上有两个值得看的点：IndexShare 架构把单位计算量压到 2.9 倍，改进后的 MTP 层让模型一次能多猜 20% 的 token，理论上推理会更快。还加了个思考档位控制，让用户可以调推理深度，不是一刀切。 不过正文没披露模型参数量、推理延迟和 API 定价，也没说 Code Arena 盲测的具体样本量和对手配置。这些缺口让“第一”的含金量打折扣。另外，虽然提到已适配华为昇腾，但没给出国产卡上的性能对比数据，实际部署效果还得等第三方验证。

这条新闻的核心是，Hugging Face 上线了一个叫 Discover Tool 的东西，它是 ARD（代理资源发现）规范的第一个能跑起来的参考实现。ARD 解决了一个很实际的痛点：现在用 MCP 工具、A2A 代理或技能，都得靠开发者提前写好配置、指定好地址，代理自己不会找。ARD 相当于给这些协议前面加了一层“搜索层”，让代理在运行时能用自然语言去搜自己需要的工具或代理。 Hugging Face 的实现是把 Hub 上已有的语义搜索和 Agent Skills 打包成了一个 ARD 目录，对外提供 REST API 和 MCP 工具两种调用方式。微软、谷歌、GoDaddy 都参与了规范起草，说明这不是一家之言，而是想做成行业通用的开放标准。 不过，正文没披露搜索延迟、准确率和定价。如果代理每次做决定前都要实时搜一遍，延迟和结果质量会直接影响可用性。这点先别太激动，等有实际跑分和延迟数据再看。

这篇文章把推理模型的时间线拉回到2022年，讲得很清楚：思维链、STaR自训练、过程奖励模型这些技术早就有了，o1只是把它们组装成产品，并开创性地把“思考”变成API里一个可以拧的旋钮。最值得警惕的部分是对DeepSeek R1“顿悟时刻”的祛魅。文章引用了独立研究，指出所谓的“aha moment”在没训练过的基座模型里就已经出现，强化学习只是提高了这些行为的频率，并没有凭空创造推理能力。这点先别太激动，它意味着我们可能高估了纯RL的魔法，而低估了预训练数据里已经烘进去的推理碎片。 文章还点出了一个关键的产品哲学分歧：OpenAI把推理过程藏起来，而其他几乎所有厂商都选择公开。这背后是两种安全观和商业策略的较量。不过，文章对o1藏起推理过程的真实原因，只引用了“独立解读普遍认为是为了防止蒸馏”，OpenAI自己的说法被一笔带过，这里的信息缺口值得留意。整体来看，这篇梳理的价值在于帮你区分“能力的诞生”和“能力的包装”，在行业集体狂飙的时候，这种冷静的溯源很难得。

这篇文章不是讲怎么给 AI 上课，而是讲怎么防止 AI 的“工作经验”变成迷信。作者把自己用了半年的 agent 规则系统“老鸭汤”翻出来审计，发现一条 2026 年初为绕过 Claude Code bug 加的 workaround，bug 早修了，规则还在，新 agent 照做不误，没人知道为什么。根因是规则只加不删，发现时的上下文全丢了，结论变成祖传指令。 解法叫“裸跑”：定期派一个不带任何旧规则的 agent 进真实环境干活。如果它顺利完成任务，说明那些旧规则已经失效，可以删了；如果它碰壁了，就用当下的环境重新生成一份新鲜的发现上下文，替换掉旧文件里那行干瘪的结论。考试、教科书修订、再教育三件事合为一体。 文章没给出这套自动化年审流程的具体实现细节，也没披露审计发现的规则退化比例有多大。但核心判断是成立的：规则系统需要靠环境的真实反馈来维持，否则积累速度比人类组织快十倍。

这个基准的出发点挺实在：科研不是做选择题，而是解读互相打架的实验数据、设计实验、评估药物从实验室到临床的风险。所以题目设计上，53% 的题需要模型去读图表、序列文件这些附件，平均每道题要经过 4 步推理，评分标准平均有 25 条，不光看答案对不对，还看论证过程、细节和格式是不是科学家想要的。出题和审题的人都是生物技术或制药行业里有博士学位的从业者，审稿人之间至少 90% 同意才收题，这个门槛不低。 但最大的信息缺口也很明显：OpenAI 没给任何模型的成绩。一个基准好不好用，最终要看它能不能拉开模型差距、分数和实际科研产出有没有关联。现在只有设计描述，没有数据验证，所以这个基准到底有多难、能测出什么，还得等第三方跑分或者 OpenAI 自己放结果。如果是真的能区分出模型在复杂科研任务上的能力，对药企选模型会有参考价值。

Sumi 这次放出来的东西挺实在：一个用 1.5 万亿 token 从零开始预训练的 7B 均匀扩散语言模型，权重、训练检查点、完整配方全公开。均匀扩散的意思是，模型生成文本时每一步都能回头改任意位置的词，不像现在主流的自回归模型只能从左往右写，理论上更灵活。在此之前，自回归和掩码扩散都有大尺寸的开源模型供社区研究，唯独均匀扩散这块是空白，Sumi 算是把坑填上了。 看成绩单，它在知识、推理和代码评测上跟同等训练量的自回归模型打得有来有回，但一到常识推理就明显掉队。团队自己分析，很可能是训练数据里教材、学术内容占比太高，生活化语料不够。这点先别太激动——论文没给出具体的推理速度对比，也没说生成时的延迟和成本比自回归模型高多少，这些在实际落地时才是关键。 现在还缺什么？一是没看到它在多轮对话、指令遵循这类实际应用场景下的表现；二是均匀扩散的生成可控性到底比自回归强在哪，论文只给了基准分，没做深入的案例拆解。不过作为一个干净的参考基线，Sumi 的开源对想研究扩散模型缩放规律和生成机制的人来说，是个不错的起点。