AX 严选 · 2026-09-09

Nathan Lambert 把 HuggingFace 的价值拆成了两部分：明面上的模型库和开源工具，以及暗线里的舆论影响力。他认为后者对 Nvidia 来说每年值大约 100 亿美元，因为谁能定义开发者用什么工具、讨论什么方向，谁就能间接影响 GPU 的采购决策。这个判断有他的立场——Lambert 之前在 HuggingFace 工作过，去年就预言过这笔收购，所以他对公司内部逻辑和软实力边界比外人清楚，但也可能高估了自家老东家的能量。 他说 Nvidia 比三大云厂商更适合当买家，逻辑是云厂商会把 HuggingFace 塞进自己的销售漏斗，而 Nvidia 更需要一个中立的开发者入口来对抗云厂商自研芯片的趋势。他还提了一个方向：HuggingFace 不该再把自己当盈利部门，应该去争取下一亿个 AI 开发者。这个思路有意思，但正文是 RSS 摘要，没披露交易条款、时间表，也没说 Nvidia 到底会不会按这个剧本走。 还缺两个关键信息：一是 100 亿这个数字是怎么算出来的，是类比广告投放还是开发者生态价值折算；二是 HuggingFace 目前的实际营收和用户增长数据，没有这些就判断它该放弃盈利目标，说服力打折。

Sebastian Raschka 上手 GPT-6 Astra 后的判断很直接：这模型最突出的长板是 3D 渲染和动画，在这类任务上把前代甩开了一大截。但在更贴近实际工作的编程和通用能力上，它虽然也是最强，却没跟竞争对手拉开代差。比如在 Artificial Analysis 的综合智能指数和编程智能体测试里，Astra 只是勉强压过其他前沿模型一头。 那个 99.9% 的 ARC-AGI-3 分数看着吓人，但要注意，它的前代 GPT-5.6 Sol 才 7.8%，这个巨大跳跃反而说明测试本身可能被新模型的某种特定能力击穿了，未必代表通用推理有了同等幅度的质变。Raschka 还提到，评测框架的匹配问题可能低估了 Astra 的真实水平，这点得留个心眼。 文章后半段要讲循环 Transformer 和隐藏推理链的传闻，但正文摘录里还没展开技术细节。目前能确认的只有 Astra 在视觉生成类任务上确实有结构性提升，至于这是架构创新还是工程优化带来的，信息还不够。

Anthropic 经济学团队这次没发论文，而是直接扔出一个交互模型，让你自己调参数看 2030 年美国经济会变成什么样。他们把每个职业拆成 O*NET 标准里的具体任务，然后设定 AI 能自动完成、辅助完成或催生哪些新任务，再汇总推演 GDP、就业和工资。 他们重点展示了三种走向。温和版里 AI 的影响跟互联网差不多，经济正常增长。显著版里 AI 能搞定一半的知识工作，经济增速翻倍，但知识工作者的工资涨不动。极端版由能自我迭代的 AI 驱动，GDP 年增速冲到 15%，社会财富远超现在，但知识工作者大规模被替代，失业率上升。 正文没给出任何具体职业的量化预测，所有推演都靠读者自己去调那个交互工具。技术报告引用了 Korinek 等人的研究，但模型假设、任务分类的边界、AI 能力上限怎么设定，这些细节在博客里都没展开。极端情景里“社会更富但更多人没工作”这个矛盾，文章只提了“需要确保收益广泛分享”，没给出任何分配机制的设想。这点先别太激动，模型本身是思考工具，不是预测结果。

Thomas Wolf 的回应很直接：OpenAI 用比 GPT-6 Astra 更强的模型群组去碰 Navier-Stokes 千禧年难题，找到反例说明猜想可能是错的，这事本身挺厉害，但别急着说 AI 数学已经被解决了。他的核心判断是，这本质上是一次反例搜索，不是数学家会点头的那种完整证明。正文没披露具体用了什么模型、证明过程长什么样、有没有外部数学家验证过，这些信息缺口让整个声明的可信度要打个折。Wolf 作为 Hugging Face 联创，立场上不是纯学术圈的人，但他点出的问题很实在：搜出一个反例和建立一套严谨的证明体系是两码事。如果 OpenAI 后续不放出细节和验证流程，这条新闻就只能当个技术演示看，离改写数学史还有距离。

NSA、CISA 和 FBI 联合发了一份公告（AA26-251A），点名 DeepSeek、月之暗面、阿里、MiniMax、阶跃星辰和 Z.AI，说它们从 2024 年底开始对美国前沿模型搞“工业规模蒸馏”——就是用大模型的输出当教材，批量训练自家小模型。这个指控挺重，但公告正文目前只放了个标题，没披露具体证据、被蒸馏的是哪些模型，也没提后续会有什么处罚或限制措施。 蒸馏本身在技术上不新鲜，很多公司都用大模型生成数据来训练小模型，省成本、提效率。但“工业规模”这个词暗示的不是零散调用，而是系统性地、大批量地薅羊毛。如果属实，说明这些公司可能绕过了 API 使用限制，或者用了其他方式大规模获取输出。 现在缺的东西很多：公告全文还没公开，不知道里面有没有技术细节或取证过程；被点名的公司也没回应；美国政府会不会跟进出口管制或其他限制也不清楚。这条值得盯着，但别急着下结论，等公告全文出来再说。

这条新闻的核心不是技术，而是合同措辞的罗生门。《The Intercept》通过诉讼拿到的文件显示，五角大楼曾要求 OpenAI 交付一个对军事指令“最低拒绝率”的模型。说白了，就是要一个几乎不设安全护栏的版本，让它能执行监视、确定攻击目标这类任务。前 OpenAI 安全工程师 Heidy Khlaaf 的判断很直接：这基本等于没有安全防护。 现在 OpenAI 和五角大楼都否认最终合同里有这句话，说流出的只是早期草案。但问题在于，国防部自己的律师一开始确认那就是最终签署版，几小时后又改口说搞错了。这种反复让“草案”的说法很难站住脚。合同总额最高 2 亿美元，两年期，涉及将模型部署到机密网络。正文没披露“国家安全问题集”具体指什么任务，也没说 OpenAI 最终交付的模型在拒绝率上做了什么实际调整。 还缺两个关键信息：一是那份据称删掉了“最低拒绝率”的最终合同到底长什么样，五角大楼说会提供但没给时间表；二是 OpenAI 内部的安全审核机制在这次合作中到底起了什么作用。在合同原文没公开之前，双方的说法都只能先打个折听。

路透社的消息说DeepSeek找了中信证券准备冲科创板，计划今年交表明年挂牌。这事本身不意外，意外的是场外抢份额已经抢疯了。有投资人通过8个不同渠道收到过入场机会，SPV层层加价，最外层前期费用超过15%，收益分成最高要到40%，而同类SPV通常只收2%的前期费和20%的分成。这说明想上车的人多，但真正能直接拿到份额的渠道很少，中间商赚差价赚得狠。 梁文锋已经开始亲自审查最终投资者名单，要查LP的真实身份，怕股份流到不明实体手里影响IPO。这个动作很关键，说明公司对股东结构干净程度有要求，不是谁的钱都要。 营收数据要打个折看。前七个月4.75亿，是2025年全年的10倍，增速确实快，但绝对值放在5000亿估值面前，市销率高得离谱。正文没披露利润情况，也没说收入结构里API调用、企业服务、授权各占多少。这些缺口让估值逻辑很难判断，到底是按基础设施定价还是按模型公司定价，差别很大。另外，钱要用在算力、模型和自研芯片上，但自研芯片到什么阶段了，正文完全没提。

OpenRouter 这篇上手评测把 Seedance 2.5 的定位讲得很清楚：它不是全能选手，而是专攻长镜头和已有素材编辑。一次能跑 30 秒，比前代 2.0 的 15 秒翻了一倍，而且支持把视频、图片、音频丢进去当参考，直接编辑或延长，不用从头生成。成本上，480p 每秒约 0.103 美元，720p 约 0.231 美元。如果你用视频做参考，token 单价还能再打六折，编辑比从零生成更省钱。音频生成不额外收费，这点比 Veo 3.1 和自家 1.5 Pro 都实在。 但短板也很明显：分辨率封顶 720p。要 1080p 或 4K，得回去用 Seedance 2.0 或者 Veo 3.1。另外，正文也直说它做不到逐帧精确复现，如果你需要完全可控的镜头，这个模型不适合。评测是基于 OpenRouter 自己的 API 数据和定价，不是官方宣传稿，数字和限制都来自实际调用，可信度比厂商通稿高。 还缺什么？没给具体画质对比的样片或用户偏好数据，只说“适合长镜头叙事”，但没讲在复杂运镜、人物一致性上的翻车率。如果你对画质有硬要求，最好自己跑一组测试再决定。