全部

这条新闻的核心不是 AI 教唆杀人，而是 OpenAI 的安全上报机制在商业考量前失效了。枪手在 2025 年 6 月就被封号，但 OpenAI 当时没发现“即将发生袭击的证据”，所以没报警。直到 2026 年 2 月枪手杀了 8 个人，公司才在 4 月道歉，承认按更新后的规范“本应上报”。 家属律师的指控更直接：OpenAI 选择隐瞒，是因为上报一个账号意味着要上报成千上万个同类账号。这等于说，公司知道问题规模很大，但选择不面对。加拿大省政府现在要自己起诉，还分别在加拿大和加州请了律师，摆明了是要打跨国官司。如果胜诉，赔偿会用来重建学校和社区。 正文没披露 OpenAI 内部的安全审核流程到底怎么运作的，也没说清楚“2025 年 6 月之后更新的安全规范”具体改了什么。另外，枪手被封号后还能绕过 30 天封禁期继续用，这个漏洞的细节也没展开。这些信息缺口让“系统性问题”的判断还缺关键拼图。

法国创业公司 ZML 把他们的推理加速软件 ZML/LLMD 开源了，说能让 Llama、DeepSeek 这类模型在不同品牌的芯片上都跑得更快，目标是帮用户省推理成本。创始人 Steeve Morin 强调目前完全免费，图灵奖得主 Yann LeCun 之前也公开推荐过这家公司，这些背书让这个工具值得关注。 但文章最大的问题是没给硬数据。它没披露任何基准测试对比，比如在英伟达 A100 上跑 Llama 3 到底能快多少、省多少钱，也没提融资规模和团队背景。没有这些，我们没法判断它比现有的 vLLM 或 TensorRT-LLM 强在哪。另外，免费策略能持续多久、后续会不会收费，正文也没交代。 如果你正好在用多种芯片跑模型，可以拿它试试水，但别急着把生产环境迁过去。等社区跑出真实场景的延迟和吞吐数据再说。

SambaNova 这笔钱拿得又快又猛。今年2月才完成3.5亿美元的E轮，7月就搞定了F轮首关10亿美元，领投方是 General Atlantic，估值冲到110亿。最刺眼的是这个估值：去年12月英特尔传闻要花大概16亿收购它，现在半年多估值翻了近7倍。但报道里完全没提公司赚了多少钱、有多少客户在用它的芯片，也没解释估值凭什么跳这么高。公司2月发布的 SN50 芯片说是专门跑智能体推理任务的，也就是让模型在业务流程里干活，听起来是个差异化方向，但没看到实际客户验证。这轮还有第二关，预计几周内会再进一批投资人。现在只能看到一个融资故事，缺的是能支撑110亿估值的业务数字。

Anthropic 的开发者公开了他们内部怎么用多智能体省钱，核心思路就一条：别啥事都让最贵的模型上。第一种 Advisor 模式，让便宜的 Sonnet 5 当主力写代码，碰到难题才通过工具调用去问贵的 Fable 5。在 SWE-bench Pro 的 482 道题上，这套组合拿了 84% 的分数，花了 1.40 美元；纯用 Fable 5 是 91.5% 但得花 2.25 美元。相当于用 92% 的性能，省了 37% 的钱。第二种 Orchestrator 模式，让 Fable 5 当指挥，把任务拆开分给多个 Sonnet 5 工人并行干。在 BrowseComp 测试上，这套编排方案拿到 86.8%，花 18.53 美元；全 Fable 5 是 90.8% 但成本高达 40.56 美元，省了一半还多。 这两组数字挺实在的，直接告诉你省了多少、掉了多少。不过要注意，测试集是 SWE-bench Pro 和 BrowseComp，都是代码和浏览类任务，其他场景能不能复现这个省钱比例，正文没提。另外，Orchestrator 模式里 Fable 5 怎么拆任务、Sonnet 5 之间怎么协调，细节也没展开，实际落地时调度逻辑写不好可能反而增加延迟。

周俊在 AICon 上给了一个很直观的比喻：万亿参数模型跑 15 分钟，算力成本抵一辆特斯拉。这个说法把大模型烧钱的程度讲清楚了。他们没去继续堆 Token 数量，而是提了一个“Token 密度”的概念，核心是让模型少说废话、多干正事。 技术实现上，他们用 7 份 Lightning Attention 加 1 份 MLA 搭了一套混合线性注意力架构，把 256K 长上下文的计算开销从指数级拉回到线性级。省下来的算力可以留给推理环节。Kpop 算法把工具调用的 Token 和自然语言 Token 分开处理，再配合思维链剪枝和自蒸馏，Token 输出量减少约 4 倍，但能力没降。千亿参数模型在 BFCL 等 Agent 基准上跑赢了部分更大的模型，小模型 flash 吞吐提到 2.4 倍，五轮对话成本降了 10 倍以上。 这些数字如果属实，对做 Agent 落地的人挺有吸引力，尤其是长上下文和工具调用频繁的场景。但正文没披露具体测试环境、对比基线的细节，也没看到开源权重或第三方验证。演讲里的数据先打个折看，等有公开复现报告再下结论。

这条消息对做模型部署的人来说是个实打实的好事。以前想让模型在 vLLM 上跑得快，得专门为它写一套推理代码，现在只要加个 --model-impl transformers 参数就行。Hugging Face 官方拿 Qwen3 的三个不同规格模型做了对比测试，从 4B 单卡到 235B 的 MoE 模型跨 8 张 H100，新的 transformers 后端吞吐量都追平甚至超过了 vLLM 手写的原生实现。 不过要注意，这个结论目前只基于 Qwen3 这一个模型系列的测试，其他架构表现如何正文没给数据。另外，用了线性注意力的模型暂时还不支持，自己上传到 Hub 上的自定义模型如果代码写得不够规范也可能跑不起来。如果你用的正好是主流架构，这个更新基本等于零成本提速，值得立刻升级 vLLM 包试一下。

这篇论文最值得关注的是它把可解释性工具的成本打下来了。Jacobian Lens 不需要像 SAE 那样训练外部网络和人工标注，它利用模型自带的“字典”，通过反向传播算出每个词在每一层的对应方向。这意味着你可以在单张显卡上几小时内复现，直接看到模型在某一层到底在“想”哪些词。 实验里最扎眼的数字是干预效果：用这套方法在激活层做反向位移，能把模型的虚构率从 0.25 压到 0.07，欺诈率从 0.38 压到 0.05。而且消融掉相关方向后，这些指标会立刻反弹，说明找到的方向确实在起作用。 不过得打个折。这个方法依赖单 token 预测，在模型深层会抓到不少噪声。论文里提到的 workspace 只占状态方差不到 10%，剩下 90% 在干嘛，正文没细说。另外，它读到的只是“准备说”的词，离真正理解模型的复杂推理链条还有距离。

这篇文章点出了一个很实际的工程问题：给智能体接上几十个工具后，用户一句简单提问会被工具定义、日志和抓取数据淹没。它把问题从“缺上下文”推进到了“上下文治理”，这个判断是准的。 文章引用的几个案例挺说明问题。Anthropic 的 MCP 沙箱能把 15 万 token 的工具定义压缩到约 2000 token 的高信号输入，这直接关系到单次调用的成本和模型注意力。Manus 披露的生产环境输入输出 token 比约 100:1，这个数字解释了为什么前缀缓存命中率会决定系统的经济可行性。他们用固定工具调用格式保缓存、在窗口末尾重写任务看板对抗“中段迷失”，都是很具体的工程手段。 不过，文章对 Headroom 这类独立压缩中间件的评价比较克制，指出它缺乏大规模验证，在紧凑代码或短对话场景可能反而增加延迟。这点很关键，说明“压缩”不是万能药。整体来看，文章把 RAG 定位为基础数据接入层，把文件系统、状态管理和缓存策略视为更上层的运行时治理，这个分层思路对做 agent 系统的开发者有参考价值。但正文没给出这些方案在复杂编程任务上的具体成功率对比，实际选型时还需要自己测。

Tunguz 这套架构的核心是把记忆和推理拆开。他建了一个约 90 个技能的长期库，智能体接到任务后先做“预检”，只把匹配的技能装进上下文窗口，而不是把全部资料塞进去。这相当于让模型带着小抄上考场，能省下不少上下文空间。日常任务里，80% 由本地跑的 Ornith 35B 模型处理，只有硬骨头才转给更强的模型，听起来能省不少调用大模型的费用。 系统里还有个“看门狗”，会记下每次决策，晚上做异步推理，自动建议新技能或把部分技能转成确定性代码，比如用 Rust 处理日历排期，而不是让大模型去比空闲时段。昨天是它第一次没提改进建议，可能说明系统到了平台期，只有遇到真正的新异常才需要人插手。 不过，这篇文章是个人实验分享，不是产品发布。正文没披露这套系统的实际延迟、单次任务成本，也没给准确率数据。90 个技能听着不少，但能不能覆盖复杂业务场景也未知。整体思路值得参考，但落地效果还得看具体数字。

Slopfix 的卖法很聪明：不卖“重构服务”，卖的是“代码瘦身目标”。先免费分析，再给你一个明确的承诺，比如 10 万行砍到 3.5 万行，功能不变。收费直接跟目标完成度挂钩，承诺砍 50% 只做到 20%，你只付 4000 美元。这种按结果付费的条款，把风险从客户身上挪回了他们自己身上，对三个人的小团队来说，胆子挺大。 他们自己也用 Claude Code，但强调“agent 没有投票权”，真正的壁垒是三个人加起来三十年的工程经验，知道什么代码值得留、什么该删。交付物里除了精简后的代码，还带一份 QA 清单和一套防再次变烂的规则（CLAUDE.md、lint 规则、CI 检查），外加两周保修。这个组合拳瞄准的痛点很准：用 AI 快速堆出能跑的原型，但后续改一行崩三处，维护成本爆炸。 不过整篇文章没披露任何具体客户案例或交付项目数量，全是方法论描述。一万美金一周的定价，对于拿到融资的初创团队可能不算贵，但对于个人开发者或者小项目，门槛不低。他们到底处理过多少种语言栈、多复杂的业务逻辑，正文一个字没提。这点先别太激动，等看到真实案例再判断。

Decagon 的 CEO 张杰西给了一个挺直观的解释：企业里越成熟的 AI 应用，越在换用更轻量的开源模型，但花在 Claude 这类昂贵前沿模型上的钱并没减少。他的逻辑是，这两者不是对手，而是同一个生命周期的两个阶段——先用贵的前沿模型把业务场景跑通、验证可行，等场景成熟了再换成便宜的开源方案。新场景不断冒出来，所以前沿模型的支出能稳住。 这个说法解释了为什么开源模型势头很猛，但 Anthropic 这类公司的收入暂时没被冲垮。不过文章没给出 Anthropic 的具体营收数字来支撑这个判断，整个论证完全基于张杰西作为从业者的观察。这点先别太激动，我们缺的是硬数据：Anthropic 的客户留存率、客单价变化、以及有多少成熟场景真的流向了开源方案。没有这些，就只能当个有意思的行业视角看。

Meta 的超级智能实验室放出了 Muse Image 和 Muse Video，这是他们头一批媒体生成模型。Muse Image 主打听话出图，能按指令精确生成、编辑图片，还能参考多张图来构图，并且会读 Instagram 上的社交信息当上下文。它还能调用工具干活，集成了一个叫 Muse Spark 的东西，具体是什么正文没细说。Muse Video 跟 Image 共用同一个预训练底座，输出带原生音频的视频。现在通过 Meta AI 应用、网页、Instagram Stories 和 WhatsApp 在部分国家能试到。 这条消息最值得看的是两点：一是图、视频模型共用一个预训练底座，这在工程上可能省成本，但正文没给任何训练开销或推理延迟的数据，没法判断实际省了多少。二是模型把 Instagram 社交信息当上下文，这等于让模型理解你发过的帖子、互动过的内容，再据此生成图片或视频。听起来很个性化，但隐私边界和内容安全怎么处理，正文完全没提。 另外，正文没披露模型参数量、生成速度、支持的分辨率，也没说“部分国家”到底是哪些。这些信息缺口让“最先进”这个说法暂时只能打个折。如果后续有技术报告或第三方评测，才能看清它跟 Midjourney、Sora 这类竞品的真实差距。

这篇文章直接给市面上那些 AI 搜索排名监测工具判了死刑。核心证据来自 Rand Fishkin 的研究：同一个问题问 AI 上百次，返回相同推荐列表的概率低于 1%，顺序完全一样的概率更是接近千分之一。这不是系统出了 bug，而是大模型逐字生成文本、拆解问题、挑选来源时自带的随机性。所以，任何声称能给你一个精确“AI 排名”的工具，都是在把噪音平均成看似科学的数字，作者管这叫“精确性洗钱”。 文章指出，唯一相对稳定的信号是“候选池”——头部品牌在 90% 以上的回答里都会被提到，但具体排第几毫无意义。作者的建议很实在：与其花钱买仪表盘，不如每个月花一个下午手动查一下。不过，文章没给出这个“候选池”具体该怎么低成本地持续追踪，也没讨论如果企业就是想看趋势变化，有没有比完全放弃更折中的办法。

Rowboat 是个刚开源的桌面 AI 助手，主打“本地优先”，也就是模型推理、对话记忆、文件处理全在你自己电脑上完成，断网也能用。它把自己定位成 Claude Desktop 的开源替代品，但正文没披露它默认接的是哪个模型、最低需要什么显卡。GitHub 上已经攒了 1.5 万星和 1.5k fork，社区热度不低，不过目前还处在早期阶段——issues 和 PR 数量都不大，说明实际踩坑的人还不多。 “本地优先”对数据敏感的场景确实有吸引力，但代价也很直接：模型能力受限于你能跑动的本地模型，如果电脑配置不够，体验会打折扣。另外，它号称有“记忆”功能，但没说明是简单的对话历史缓存，还是做了长期记忆管理，这点先别太激动。 现在还缺三块关键信息：一是实际资源消耗（模型大小、显存/内存占用），二是支持的工具链和插件机制，三是跟 Claude Desktop 在具体任务上的对比。如果后续能补上这些，才更容易判断它是不是真能当主力用。

这个模型最值得看的是它把“生成”和“修改”这两件事打通了。以前用 AI 出图，最头疼的是改细节就得重画整张图。现在它能理解你点选或圈选的位置，直接换颜色、换材质，还能把一张成品海报拆成十几个带透明度的独立图层，被挡住的背景也能自动补全。这对设计师来说，意味着不用再从零开始，可以在半成品上反复微调，迭代效率会高很多。 另一个亮点是高密度信息图。它能在一张图里同时塞进时间轴、柱状图、饼图和实景照片，文字拼写和排版都挺靠谱。官方展示的案例里，英文促销海报上的小字没出现乱码，这比很多只会写大标题的模型强。不过，正文没披露这些信息图里的数据是模型自己编的，还是严格按用户给的数值生成的。如果是自己编的，那用在科普海报上还行，但做财报或学术图表就得小心了。 人像和材质质感有提升，能还原皮肤纹理和玻璃反射，还支持摇拍的运动模糊效果。模型原生支持十几种语言输入和文字渲染，包括从右往左写的阿拉伯语，这点对出海做本地化素材挺实用。目前它已经在火山方舟上线，也会陆续进豆包和即梦，但正文没提生成一张图要多久、成本多少，也没给任何量化评测对比，这些在实际落地时都是关键。

Sitedex 扫了一万个头部网站的 robots.txt，发现这文件基本是 2023 年的战争纪念碑。能查到写入日期的 GPTBot 屏蔽规则里，38% 都挤在 2023 年第四季度，正好是 GPTBot 上线和纽约时报起诉 OpenAI 之后。大家当时吓一跳，赶紧加了几行代码把训练爬虫挡在门外，这个反应很合理。 但问题出在后面。87% 的网站后来都更新过规则，可加的全是新的训练爬虫，比如 ClaudeBot、PerplexityBot。而各家 AI 公司其实都跑着两种机器人：一种批量抓数据训练模型，另一种在用户提问时实时抓取页面来生成答案。后一种才是现在真正影响流量和潜在收费场景的。数据很打脸：在屏蔽了 Anthropic 训练爬虫的网站里，71% 对它的答题机器人 Claude-User 没写任何规则；对 OpenAI 的答题机器人，53% 的站没管；对 Perplexity 的，一半没管。故意放行答题机器人、只挡训练的网站不到 4%。 这说明多数站点的规则还停留在两年前的恐慌里，没跟上“答案即交易”的变化。不过文章没披露 Cloudflare 新计费方案的具体价格和上线时间，这点先别太激动。

Craig Mod 不是程序员，但他用 Claude Code 一年里搭了一堆工具，最新的是 TaxBot2000——一套本地跑的记账软件，用 Python、Flask 和 SQLite 写成。他管自己叫“软件狂人”，因为以前那些对软件该怎么做的想法，现在终于能自己动手实现了。 这套记账工具解决的是他个人很碎的需求：多国银行账户、多币种收支、版税、会员费、投资、日本特有的银行汇款对账。它能自动抓每日汇率，学你的分类习惯，还能直接跟 Claude 对话来批量修数据异常。他说这是他用过最好的记账软件，替代了用了十年的 Quicken 和 Google Sheets 拼凑方案。 不过得打个折：全文没披露开发总成本，只提了偶尔修 bug 花几美元。也没说这套工具能不能给别人用、有没有界面截图、数据安全怎么保证。一个完全本地跑的工具听起来很美，但备份、迁移、出错恢复这些实际运维问题都没展开。另外，他提到的“七天帖子自动消失”社区和视频搜索工具，都只在他自己的会员体系里跑，没有公开可验证的链接或数据。这些信息缺口让判断只能停在“个人体验很好”这一步，没法推成可复制的方案。

这篇文章来自 Beagle SCM 的开发者，讲的是怎么对付大模型“聪明但毛手毛脚”的老毛病。他举了个具体例子：Claude 在代码仓库里把 build/ 目录提交了两次，这种事不是模型变强就会消失，因为大模型天生不精确、不稳定。他的解法是把模型夹在两层确定性结构中间——下层是快速可靠的工具，上层是严格的工作流，让模型在框死的流程里干活。如果模型反复做同一组操作，就写成脚本自动化；如果总在某个地方出错，就把验证步骤自动化。Beagle SCM 的做法是让模型用 JavaScript 给自己写例行脚本，底层重活在 C 里跑，工具层和工作流层全是 JS，可以像 node_modules 一样从文件系统加载。 这个思路的亮点在于承认模型的笨拙是结构性的，不指望它自己变稳，而是用工程手段把不确定性关进笼子。但正文没披露这套机制在实际项目里的成功率或节省了多少人工，也没说脚本自动生成后会不会引入新的维护负担。另外，所有逻辑都绑在 Beagle 这套特定工具链上，通用性存疑。如果只看概念，方向是对的，落地效果还得等更多数据。