AX 严选 · 2026-07-09

Bun 的作者 Jarred Sumner 发博客说要把整个 Bun 从 Zig 换成 Rust 重写。直接原因是 v1.3.14 版本修了一长串内存相关的崩溃和泄漏，比如释放后继续使用、重复释放、内存泄漏，问题集中在垃圾回收和手动内存管理混用的地方，太容易出错了。Bun 现在月下载量超过 2200 万，Claude Code 等工具也在用，团队觉得一个个修 bug 不是长久之计。 这次重写用了 Anthropic 还没发布的 Claude Fable 5 帮忙，但博客没透露迁移时间表，也没说重写后性能会变好还是变差。这点先别太激动——用 AI 辅助重写听起来很酷，但实际效果要看代码质量和回归测试覆盖到什么程度。 还缺的信息：重写范围是全部还是核心模块、预计多久完成、会不会影响现有用户升级。另外，从 Zig 换 Rust 是技术判断还是 Anthropic 收购后的统一技术栈要求，正文也没说清楚。

Anthropic 这次不是发模型，而是发了一个公开意见箱，叫“硬问题”，直接让大家把对 AI 最尖锐的担忧和希望扔过来。他们同步放了三组数据当民意基线：一份 5.2 万美国人的调查，一份覆盖 159 个国家、用 70 种语言访谈了 8.1 万 Claude 用户的报告，还有多场线下焦点小组。这些数字说明他们确实在花钱摸底，样本量不小，但用户调查本身就有偏差——用 Claude 的人本来就更可能对 AI 有好感。 公司说会公开追踪自己针对这些问题做了什么、哪里没做到。但整篇公告没写他们打算怎么评估问题、多久回应一次、什么算“没做到”。我会先把这看成一次透明度实验，而不是一个有约束力的承诺。真正值得盯的是后续报告的质量：他们是挑软问题回答，还是真敢碰就业冲击、人类自主性这些硬骨头。信息缺口在于，没有独立的第三方来验证他们公开的进展是否属实，目前全靠自觉。

这条消息最值得看的是两个互相矛盾的信息：一边是供应链放出的激进产能指引，9月周产1000台，年底冲到2500台，折算一年能供10万台机器人的料；另一边是马斯克自己泼的冷水，说Optimus有一万个独特零件，产线全是新的，初期生产会“极其缓慢”，今年能爬多高“根本不可能预测”。我会先打个折，供应链的指引更像是特斯拉给供应商的压力测试，不代表实际下线速度。弗里蒙特工厂把原来造Model S/X的生产线改成了机器人产线，8月已经有几百台的具体订单，说明至少不是纯画饼。但正文没披露Gen 3到底改了哪些设计、性能指标有没有验证，也没说这些机器人出厂后是自用还是对外卖。如果只是工厂内部搬箱子用，那10万台年产能的意义要重新评估。

法国这起反垄断调查，盯上的不是英伟达芯片卖得贵，而是它怎么让市场离不了它。第一刀砍向 CUDA，这个编程平台是开发者调用英伟达 GPU 的唯一完全兼容工具，想换别的硬件，软件迁移成本极高，等于把客户锁死了。第二刀砍向产业投资，比如投了 CoreWeave 这类 AI 云公司，监管担心这是左手卖芯片、右手扶持自家客户，进一步挤压对手空间。 目前英伟达全球 AI 加速器份额超过 70%，这个数字本身就说明市场集中度有多高。但正文没披露法国监管手里具体有哪些证据能证明“滥用”，也没说英伟达的投资条款里有没有排他性约定。如果只是份额大、生态强，在竞争法里不一定构成违法，关键得看有没有排他捆绑或差别对待的行为。 罚款上限是年营收的 10%，按英伟达体量可能高达几十亿美元，听着吓人，但更值得关注的是监管可能要求整改措施，比如开放 CUDA 接口或限制投资方式。这点正文完全没提，只能等异议声明出来再看。另外，美国、欧盟、中国都在查英伟达，法国的动作可能只是第一张倒下的多米诺骨牌。

这个模型最大的卖点是务实：30B总参数，干活时只激活3B，推理速度比同体量密集模型快3倍。训练数据是7万小时机器人视角的视频，不是网上扒的风景片，这让它在RBench机器人操作视频基准上拿了0.620分，压过了Wan2.6和Seedance 1.5 Pro。内部测试里物理合理性和动作一致性也超过了NVIDIA Cosmos 3。 不过得分差距其实很小，0.620对0.607，领先幅度有限。文章没披露这3倍推理加速是在什么硬件上测的、batch size多少、显存占用如何，也没说7万小时数据里仿真数据和真实数据的比例。如果是真的省钱，对需要实时交互的机器人场景确实有用，但这点先别太激动，等第三方复现结果出来再说。

LingBot-World 2.0 最值得关注的点是它声称解决了“长时漂移”问题。简单说，就是AI生成的连续画面跑久了会糊掉或变形，他们用了一种叫“因果预训练”的方法和混合注意力机制来抑制误差累积，在压力测试里撑了一小时没崩。如果这个稳定性是真的，对需要长时间模拟的游戏或自动驾驶仿真来说，会省掉很多中途重启的麻烦。 但这里有几个信息缺口。首先，14B参数跑720p/60fps，官方没提需要什么级别的显卡和实际延迟是多少。他们提到了用模型蒸馏和工程优化来提速，但没给具体的硬件门槛和端到端延迟数据，这对想自己部署的开发者来说是个关键盲区。其次，非商用协议限制了它短期内直接用在商业产品里的可能性。 另外，模型支持键盘控制战斗、跳跃，还能用文字指令改天气，甚至内置了规划角色行为的智能体。这听起来更像一个可交互的游戏原型引擎，而不只是视频生成器。但正文没披露这些复杂交互下的物理合理性到底有多强，比如射箭的轨迹是否真的符合场景逻辑，还是只是视觉上像那么回事。

蚂蚁这个LingBot-Vision只有1B参数，却在空间几何和边界感知上跟7B的DINOv3打平甚至反超，这点挺意外。演示里不用微调就能做视频目标追踪，画一笔就锁定物体，对机器人导航和机械臂抓取来说门槛降了不少。硬件级深度补全还能认出透明玻璃和反光表面，这两个场景一直是传统视觉的痛点。 不过正文只说了能在30系显卡上本地跑，没披露延迟和功耗数据。1B参数确实轻量，但实际跑起来帧率多少、功耗多大，直接决定能不能上真机。全局图像分类表现也只是一般，说明这个模型偏科严重，不是通用视觉方案。 如果是真的省算力又能打，对具身智能落地是个好消息。但缺实测数据前，我会先打个折——模型强在特定任务，不代表端到端系统就稳了。