全部 · 2026-07-17

Databricks 这轮新融资把估值推到了 1880 亿美元，领投方是 Coatue。公司没披露具体融了多少钱，只说预计夏天晚些时候交割；华尔街日报等媒体报的数字大约是 30 亿美元。有 VC 跟 TechCrunch 讲这轮很稳，想投的机构太多，公司没必要藏着新估值。 过去一年半 Databricks 一直在密集融资，同时把自己从数据平台包装成 AI 公司，还发过研究说用开源权重的编程模型能省钱。估值数字看着很唬人，但正文没披露营收、利润率或用户增长这些能支撑 1880 亿估值的硬指标。也没说这轮是 primary 还是 secondary，钱是进公司还是让老股东套现。 如果是真的，说明二级市场对“数据+AI”这条故事线还很买账。但没看到财务数据之前，这个估值先打个折看——毕竟公司自己连融资金额都不肯确认，信息缺口不小。

Agility Robotics 在加州 Fremont 租了个 6 万平方英尺的场地，专门训练他们的双足机器人 Digit，跟特斯拉计划今年投产 Optimus 的工厂就隔一条高速。CEO Peggy Johnson 说 Digit 已经在亚马逊、GXO、舍弗勒和丰田加拿大工厂干活赚钱了，公司手里有 3 亿美元的合同订单。 这个选址意图很明显：Fremont 是特斯拉的大本营，Agility 直接把旗插到对手后院，既能就近抢机器人工程师，也能在客户面前刷存在感。但 3 亿美元这个数字得打个折看。正文没披露实际交付了多少台 Digit，外部观察人士估算只有几十台在跑。合同订单不等于已确认收入，具体执行周期和交付条件都不清楚，这个数字更像市场宣传口径。 还缺几个关键信息：Digit 单台成本是多少、客户续约率怎么样、训练场能同时跑多少台机器人。另外特斯拉 Optimus 虽然还没量产，但马斯克的制造能力和资金体量摆在那，Agility 的先发优势能保持多久，正文也没讨论。

Meta 和 Anthropic 在谈一笔大买卖：Anthropic 直接租用 Meta 自建数据中心的算力来训练和跑模型，合同金额可能冲到 100 亿美元。如果谈成，Anthropic 会成为 Meta 目前最大的外部数据中心客户。对 Meta 来说，这等于给砸在 AI 基础设施上的巨额开支找了个变现出口；对 Anthropic 来说，能绕过自己建数据中心的漫长周期，更快拿到大规模算力。 不过，正文没披露具体机架数量、交付时间，也没说这 100 亿是几年期的总金额。谈判还在进行，最终数字可能缩水。另外，Meta 自己的 AI 研发也需要大量算力，把资源分给竞争对手，长期看会不会影响自家模型迭代，这点报道没提。如果是真的，对双方都挺省钱，但得等合同落地再看。

Cursor 的评估负责人亲自下场写博客，这事本身就值得看一眼——工具方直接告诉你他们怎么判断模型能不能打，比看通用跑分实在。他们用的 CursorBench 专挑那种连真人都头疼的长尾编程问题，不是刷题榜，所以 72.9% 这个数含金量比普通基准高。 但信息缺口也很明显。正文没公布上一代模型的基线分，也没说测试集到底有多少道题、具体长什么样。没有基线，这个“跳了一大截”就没办法量化——是 10 个点还是 30 个点，差别很大。另外，测试集如果太小，分数波动会很大；题目如果偏重某种语言或场景，结论也不通用。 我的判断是：这个数字说明 Claude Fable 5 在 Cursor 的真实工作流里确实变强了，方向可信。但如果你要拿它做采购决策，最好等 Cursor 公开更多细节，或者自己拿内部项目跑一遍。毕竟工具方测自己用的模型，天然有利益关系，数字会挑好看的放。

这份报告最硬的信息是流量和成本。开放模型在 OpenRouter 上拿下了多数 token 份额，前五名全是开源的，DeepSeek V4 Flash 以 18.4T 排第一。这说明开发者用脚投票，尤其在编程和 agent 任务上，便宜就是硬道理。36 个月成本从 20 美元跌到 0.4 美元，这个降幅比当年宽带和 PC 硬件降价还猛，直接让“用不起”不再是借口。 但报告也把坑指出来了：79% 的开发者用过开源模型，比闭源的 71% 高，可真上生产环境时，开源只有 51% 成功落地，闭源是 63%。卡的不是模型质量，是部署、维护、集成这些工程化工具链。换句话说，模型本身够能打了，但配套的“后勤”还跟不上。 报告里几个落地案例挺实在：毛利语语音模型、普华永道在自己硬件上跑微调金融模型、红十字会的医疗模型准备进临床。这些场景闭源根本覆盖不到。不过报告没提开源模型的安全对齐成本，也没说那些高流量模型背后有多少是薅免费 API 的羊毛，这点先别太激动。

Olaf Alders 发现 Claude Code v2.1.198 在 7 月 1 日塞进一个行为：agent 向你提问后，如果 60 秒内没收到回复，它就跳过你直接按自己的判断继续执行。这个改动没出现在更新日志里，也没有单独的开关能关掉。作者用 Claude 自己去反编译压缩后的 JS 代码，确认逻辑就埋在里头，没有独立的功能标记。Anthropic 两天后发了修复，但这件事暴露了一个问题：Claude Code 的自动更新可以悄无声息地推送让人意外的默认行为，用户几乎看不到到底改了什么。 对使用者来说，这意味着你离开电脑去倒杯水，agent 可能已经替你做了决定——烧了 token 不说，万一它在跑部署相关的操作，后果就不是多花几块钱的事了。作者还指出，关掉自动更新会连插件更新一起停掉，等于用一个风险换另一个不便。 正文没披露 Anthropic 为什么加这个功能，也没说明当初有没有内部讨论过风险。从现有信息看，这更像是一次没想清楚的效率优化，而不是恶意行为，但“先斩后奏”的发布方式本身就值得警惕。

月之暗面这次发布，最直接的影响是让 AI 和半导体股票跌了，说明市场确实在认真对待中国模型缩小差距这件事。但新闻本身的信息量很薄：只说了是“全球最大”的开源模型，性能可以对标 Anthropic 和 OpenAI 的部分产品，具体参数量、训练花了多少钱、在哪些基准上跑出了什么分数，正文一概没提。没有这些数字，“最大”更像一个宣传口径，没法判断是模型体积大、数据量大，还是单纯为了占个坑位。 开源策略倒是值得看。如果模型能力确实可用，开源会直接拉低国内开发者的使用门槛，让更多应用层公司能快速接进去，这比闭源发一个顶尖模型更能加速生态渗透。但前提是模型本身得够硬，否则开源只是把压力转给了社区。 现在还缺几样东西：一是第三方实测跑分，二是训练细节和硬件消耗，三是开源协议的具体条款。这些出来之前，把它当成一次有信号意义的发布就好，别急着下结论说差距已经抹平。

这笔交易最值得关注的点是：给AI芯片做融资租赁的Upper90，第一次把抵押品从训练用的GPU换成了专门跑推理的SambaNova芯片。他们的逻辑很直接——用这种芯片跑开源模型，成本比调用最前沿的大模型低得多，如果真能跑通，推理云的经济账会完全不一样。4亿美元的规模不算小，说明资方对这个方向下了重注。 但文章缺了几个关键信息：一是贷款利率和还款周期没披露，这直接决定General Compute的资金压力有多大；二是SambaNova芯片在实际推理场景里的性能表现和兼容性，正文也没给数据。如果芯片跟主流开源模型的适配成本高，或者延迟压不下来，低成本的账就算不过来。 另外，这笔钱是贷款不是股权融资，意味着General Compute得靠推理服务的收入还本付息。推理云现在竞争已经很激烈，他们能不能靠专用芯片打出价格差，还得看上线后的实际运营数据。

K3 这次最值得关注的点不是跑分，而是“性能登顶、成本三分之一、权重全开”三件事第一次同时成立。2.8 万亿参数、1M 上下文、定价每百万 token 3 到 15 美元，完整权重 7 月 27 日前放出——如果属实，对开源生态的冲击会比跑分本身大得多。 但群友实测暴露了两个关键问题。一是稳定性：有人冲了 40 刀 coding plan，模型在仓库里分不清 ranchen 和 rancheng，在思考链里疯狂打转，5 小时额度几乎全烧光。官方也承认 K3 遇到小问题或意图模糊时“可能替用户做非预期决定”。二是榜单保真度：GLM-5.2 榜上分数不低，实际用下来群友觉得比 5.5 还差，K3 的跑分同样需要等更多独立验证。 文风方面，群友评价是 AI 味确实少了，但“强行加模拟人的语气词”，远没达到当年 Opus 4.6 的自然中文水平。正文没披露 K3 在非前端编程任务上的表现，也没说芯片设计那项测试的可复现性——这些缺口会让“开源斩杀线”这个定位暂时只能打七折。

OpenAI 这篇东西本质上是给企业财务负责人看的采购思路，核心是把算账逻辑从“买 token”扭到“买结果”。他们提的“有用智能每美元”框架不算新概念，但把问题拆得挺清楚：先定义什么叫活干完了，再算干成一件合格的事总共烧了多少钱，最后看规模上去后单价能不能降。 文章拿刚发的 GPT-5.6 三个档位举了例子，其中 Sol 在 DeepSWE v1.1 编程测试上跑到 72.7%，比 Claude Fable 5 的 69.9% 高一点，估算的 API 成本低了 36.2%。但这里有个坑：正文没披露 Sol 的具体定价，也没说这个成本估算是怎么算出来的，是只算了 API 调用费还是把重试、人工复核都摊进去了。所以“便宜 36.2%”这个数只能当个参考方向，不能直接拿来批预算。 另外，文章只比了编程场景，其他业务场景的性价比完全没提。如果你公司主要用 AI 做合同审查或者客服，这篇指南只能给个框架，具体数字得自己拿内部数据跑一遍。

这篇文章是 OpenAI 写给企业财务负责人的算账指南，核心观点很实在：买 AI 不能光比 token 单价，得看“有用智能每美元成本”。它提了四个问题：AI 完成了什么实质任务、每项成功任务的完整成本、结果靠不靠谱、规模上去后每块钱产出有没有变高。 文章拿刚发的 GPT-5.6 举例，旗舰版 Sol 在 DeepSWE v1.1 这个软件工程测试上拿了 72.7%，比 Claude Fable 5 的 69.9% 高一点，估算的 API 成本低了 36.2%。但注意，正文没披露具体定价，也没给客户实际案例数据，36.2% 这个数字是估算出来的，落地效果还得看真实业务场景。 整体框架对从业者有参考价值，尤其是把“重试次数、人工复核时间”这些隐性成本算进总账的思路。缺的是跨行业对比和长期跟踪数据，光靠一个基准测试说服力有限。

Wan-Streamer v0.2 把音频、视觉、语音和动作生成全塞进一个 Transformer，端到端响应只花 550 毫秒，比上一代快了不少。输出分辨率从 192×336 提到 640×368，帧率 25FPS，画质确实上了一个台阶。架构上用了 Thinker-Performer 双通路，一边负责想、一边负责演，试图在质量和速度之间找平衡。 不过正文没披露参数量、训练数据规模和具体发布时间，这些信息直接决定模型能不能跑在消费级硬件上、以及实际部署成本。550ms 的延迟数字看着漂亮，但没说明是在什么硬件、什么并发条件下测的。如果是真的挺省钱，那对实时交互场景是个好消息；如果只是实验室理想环境跑出来的，就得先打个折。 还缺的是多轮对话稳定性、长视频生成质量，以及跟其他全模态模型的横向对比。这些不补上，很难判断它到底是个工程优化还是架构突破。

Kimi K3 在 Frontend Code Arena 拿了 1679 分，7 个前端子任务里 6 个第一，压过了 Claude Fable 5 和 GPT-5.6 Sol。这个跑分说明它在写网页界面这件事上确实强，但要注意这只是前端编码一个细分方向，不代表通用能力也碾压。模型本身是 2.8 万亿参数的 MoE 架构，上下文窗口能塞 100 万 token，大概是一套《三体》三部曲的量，适合扔进大段代码或文档让它干活。 定价每百万 token 15 美元，没走低价路线，直接对标闭源头部。7 月 27 日开放权重，到时候可以自己部署，但正文没披露模型体积和推理硬件要求，部署成本现在没法算。另外，跑分数据来自官方发布，没有第三方复现或用户实测反馈，这点先别太激动。还缺的是：其他编码场景（后端、全栈）的表现、实际 agent 工作流里的稳定性、以及开源后的社区验证。

习近平在《求是》的文章把 AI 定位成大国竞争的“制高点”，直接对标历史上的核计划，信号非常明确：中国要举全国之力搞全栈自主可控。文章给了两个时间点，2026 到 2030 年要搞定基础理论、芯片、软件框架这些底层东西，到 2030 年整体达到全球领先。但全文没披露具体预算数字，也没说怎么考核“领先”，更像一份动员令。 对从业者来说，这意味着资源会继续往国产芯片、自研框架和基础理论方向倾斜，跟实体经济、社会治理绑定的项目可能更容易拿到支持。不过文章没提开源闭源路线、人才缺口怎么补，也没说对外合作的口子开多大。这些信息缺口让“2030 年全球领先”这个目标听起来很重，但路径还不清晰。

这篇文章的核心判断很直接：生成式AI不是跑得太快，而是工程上做得太糙。作者用自己买硬盘的经历把问题具象化了——两年前350美元，现在800美元还买不到。文章引用的数据也够硬：AI公司可能买走了全球约70%的高端内存，部分笔记本价格涨了50%，有预测说入门级电脑到2028年会直接消失。美国数据中心容量计划几年内翻八倍，电力缺口大到有人把喷气发动机改成电源。 文章把AI和视频流媒体、智能手机、物联网做了对比，指出那些技术普及的时候并没有引发这种级别的零部件短缺。这个对比挺有说服力，说明问题不在需求大，而在资源利用效率低得离谱。 不过文章主要讲的是硬件成本和供应链挤压，对模型训练和推理环节的具体能耗效率着墨不多。正文没披露那70%内存占比的数据是怎么算出来的，也没区分训练和推理各占多少。这点先别太激动，但方向是对的——如果一项技术要靠吸干消费电子供应链来续命，那它现在的工程方案确实该被质疑。

这篇文章来自 Pydantic 的 Laura Summers，不是公关稿，是开发者自己说真话。她点出一个被忽视的代价：用大模型写代码，生成很快，但人得不停地审查、纠错、把持方向，精力很快被榨干。她管这叫“监督疲劳”。同事 Douwe 每天面对 30 个 AI 生成的 PR，很想连审查都外包给 AI，但那样自己的角色就彻底悬空了。文章还引了伯克利哈斯商学院的研究：AI 没有减少工作量，反而让工作更密集。 关键限制是，这全是个人体感和团队内部观察，没有量化数据支撑“疲劳”到底多普遍、多严重。正文也没披露他们内部有没有尝试用自动化评估来减轻审查负担，或者有没有对比过不同模型在维持意图连贯性上的差异。 对从业者来说，这篇文章的价值在于把“AI 写代码很爽”的另一面摊开了：它能让你同时开很多头，但能认真收尾的事一件没多。如果你也在经历这种“AI 提效但人更累”的拧巴状态，这篇值得一看，但别指望它给解法。

这篇文章把两款教师 AI 产品的差异讲得很清楚，不是谁好谁坏，而是成熟在不同位置。ChatGPT for Teachers 先解决学区治理问题：域名认领、统一登录、角色权限、使用数据看板，让学校敢让老师用。芝加哥 U-46 学区已经有 756 名员工在用，超八成回复调查的人每周用几次，七成自报每周省 1-5 小时。但注意，这是自报数据，不到一半人回复了调查，积极用户更可能填问卷，而且没有任何学生学习结果的数据。产品默认不带课程标准，教案质量全靠教师和学区自己把关。 Claude for Teachers 反过来，先把 50 州课程标准、学习顺序和备课 rubric 写进工作流，能拦住一些常见材料错误。但学区需要的身份管理、权限控制、数据审计全都没做，教师能注册不代表学区已经授权。目前只有两个正式 Skills，刚发布，只有早期反馈，没有实际使用人数和效果数据。 两条路线合在一起，仍然缺教育最关心的一环：材料进课堂后，学生在哪卡住、老师临场改了什么、下次测试是否还记得，系统一概不知。把课堂数据接回来涉及新的隐私授权和归因问题，不是加个接口就能解决。两家目前最显眼的优势都可能被追上，Learning Commons 已经把部分标准图谱和 Skills 作为公共基础设施开放了。

这条新闻最值得看的地方，不是vLLM又多接了一个后端，而是推理服务的思路在变。过去大家比的是哪个引擎综合分最高，现在开始承认一个引擎没法同时把高吞吐和低延迟都做到极致。vLLM和TileRT的解法很直接：不合并代码，而是分工。vLLM负责读提示词和生成第一个词，之后把标记为“低延迟”的请求转给TileRT做后续生成。连接器打通了路，但哪些请求该走这条快车道，还得平台自己定规则。 这里有几个数字得留意。TileRT 0.1.5在一个8卡B200的节点上，同一时间只处理一个请求。这解释了它为什么能把单请求延迟压得很低，但也说明这条路径的容量很有限，不能拿常规并发的算法去算账。另外，目前交接时只传递了temperature、top_p和top_k三个采样参数，其他采样功能还没验证过语义是否一致。 文章最大的信息缺口是成本账。官方给了TileRT路径的生成速度，但没有包含状态数据提取和跨节点传输的端到端测试。在生产环境里，搬KV缓存的开销可能会吃掉一部分算子优化的收益。只有高价值请求能填满专用容量时，低延迟才同时是一笔划算的经济账。这点先别太激动。

这条新闻最值得看的是评测思路的转变，而不是具体分数。BackendForge 先写好 7,250 项测试，再让 Agent 围着参考服务找漏，补了 640 项新题。新题数量不多，但专挑第一版没覆盖的权限、脏数据和连带影响。同一批代码，GPT-5.5 全过的任务从 31 个掉到 16 个，Claude Opus 4.7 从 33 个掉到 10 个。这说明以前很多“全过”的成绩，可能只是题目没问到点上。 不过得打两个折。第一，论文说会公开材料，但截至发稿还没放出来，外界没法逐项检查那 640 项新题是否合理。第二，这套追问是按每个 task 的参考服务定制的，不同 task 补的题不一样，所以不能把“通过率腰斩”直接套到其他评测上。 真正可复用的思路是：以后做整套应用评测，可以在定稿前加一轮面试式追问，让 Agent 先对着参考服务找漏，人再检查新题有没有需求依据，最后冻结成统一题库。这样既保持公平比较，又不漏掉关键边界情况。

这条消息最值得关注的点是“完全开源”和“长视频”。现在多数能处理音视频的模型都盯着十几秒的短视频，AV-Flamingo 直接瞄准了真实世界里几分钟甚至更长的复杂视频，比如一场完整的会议或一段监控录像。它用了约 700 万条带时间戳的标注数据，分三个阶段训练：先学会看短片段，再逐步学会把多个事件串起来做长线推理。为了让推理过程不瞎猜，团队还搞了一套叫 TAVI-CoT 的框架，强制模型把每一步思考都对应到视频里的具体时间点上，这比单纯给个答案要靠谱得多。 在 15 个以上的测试集上，它的成绩明显超过同尺寸的开源模型，甚至在部分长视频任务上能打平或超过更大的闭源模型。不过，论文目前只给了基准测试的分数，没披露它在真实业务场景里的延迟和资源消耗。长视频推理的计算量很大，实际部署时跑不跑得动、成本划不划算，这些关键信息正文还没提。另外，700 万条数据听起来不少，但具体覆盖了哪些场景、有没有偏科，也需要看后续放出的数据细节才能判断。