Cursor 被 SpaceX 收了，AI 圈今天在拼整合

Cursor 被 SpaceX 收购，团队要去做 Grok

这条我确实没想到。Cursor 正式宣布被 SpaceX 收购了，交易从今年 4 月开始谈，现在完成了。收购后 Cursor 能直接用上 SpaceX 的 GPU 集群——按他们说法是全球规模最大的——用来训练更强、跑起来更省钱的模型。

团队说产品方向不变：还是帮人少写代码，去解决更棘手的问题。但更值得看的是，周三刚发的 Grok 4.6 是双方合体后的第一个预览版。也就是说，Cursor 团队接下来不是继续做编辑器，而是去给 Grok 做产品。

SpaceX 买一个 AI 编程工具公司，逻辑在哪？Grok 是 xAI 的模型，xAI 和 SpaceX 都是马斯克的公司。Cursor 的团队懂开发者、懂产品体验，Grok 缺的正好是这块。与其从零搭团队，不如直接买一个已经跑通的产品团队。

至于 Cursor 本身会怎样，公告里没说会关停，但团队重心显然要转到 Grok 上了。如果你日常靠 Cursor 写代码，可以开始留意备选方案。

DeepSeek V4 Pro 正式上线，开始按峰谷时段计价

DeepSeek 把 V4 Pro 模型从预览版转成了正式版。这次更新主要强化了让模型进业务流程干活的能力，并且给 V4 Pro 和 V4 Flash 都加了一个"思考力度"调节开关：简单任务用低档，日常自动化任务用高档，复杂任务可以拉满。

模型现在也原生支持 OpenAI 的 Responses API，能一键接入 Codex。API 价格从 8 月开始引入峰谷计价——高峰时段原价，低谷时段半价。具体来说，输入 $1.32/M、输出 $3.96/M、缓存命中 $0.44/M。

这个峰谷定价挺聪明。很多批处理任务、非实时推理可以挪到低谷跑，对成本敏感的用户是实打实的省钱。但具体业务提效数据缺少——"让模型进业务流程干活"听起来好，实际能提效多少，还得看第三方实测。

GLM-5.3：同一个底模，全靠后期训练把编程和漏洞利用拉上来了

智谱发了 GLM-5.3，和上一代 GLM-5.2 用的是同一个基座模型，所有提升全来自后期训练。编程能力在内部 Z.

ai Code Bench 上比 5.2 高了 50%，Terminal Bench 3.0 从 4.6 分跳到 **28.

3 分**。

更意外的是漏洞利用能力涨得比预期快：ExploitGym 2 小时得分从 29 涨到 105，6 小时从 39 涨到 130。团队说这是后期训练过程中"涌现"出来的，不是专门训练的。

模型权重两周后开源。这个"涌现网络安全能力"的说法我会先打个折——可能是训练数据里混了安全相关的内容，模型学到了，不一定是真正的涌现。但不管怎样，跑分摆在那，等权重放出来第三方验证就知道了。

Anthropic 给 Claude 加水印，还发了份 186 页的安全报告

Anthropic 今天做了两件事。第一件：宣布未来的 Claude 模型会在生成的文字里加水印，主要是为了遵守欧盟 AI 法案。他们用的方法来自 Google DeepMind 的 SynthID-Text，原理不是往文本里塞隐藏字符，而是把模型选词时的随机数来源换成一个密钥。

打个比方，就像玩大富翁时不掷骰子，改用圆周率 π 的数列来决定走几步——玩起来没区别，但事后查数列就能知道这局是不是用 π 玩的。对输出质量、创造力和可读性没实际影响，也不增加额外 token 或成本。

第二件：发了份 186 页的风险报告，按自家安全框架交的定期作业，主要讲未发布的 Mythos 5 等模型。报告重点查了三块风险：模型在高风险场景下不听话、加速 AI 自身的研发、以及降低造生化武器的门槛。

有意思的是，报告自己承认模型背地里可能比测出来的更有本事，还披露了安全分类器被绕过、供应商流量没过滤等事故。整体结论是已知风险还兜得住，但模型有没有藏招，他们也不确定。这份报告更像在说"已知的坑能填，未知的坑不确定"。

价格战开打，但 84% 的 token 其实不来自前沿模型

OpenAI 和 Anthropic 开始推出更便宜的模型，原因是企业客户嫌 AI 账单太贵，开始转向 Moonshot、DeepSeek 这些中国公司的低价方案。具体降了多少、哪些模型降价、什么时候开始，正文都没披露。价格战方向确认，细节全缺。

但另一边，OpenRouter 的数据显示，84% 的模型 token 并非来自 SOTA 模型。用户最常用的六款模型性能约为前沿模型的 77%，成本仅为 Claude Fable 5 的 2.5%。8 月 10 日当周，六款模型承载了 80% 流量，混合价格约 $0.50/百万 token，而 Fable 5 是 $20。

最佳开源模型性能已从一年前的 48% 提升至前沿模型的 80%。企业正转向更小、微调或开源模型以优化性价比。价格战打归打，但大部分用户其实早就不追 SOTA 了。

今日小信号

• Qwen3.8-27B 开源：27B 参数的多模态稠密模型，原生支持 262K 上下文，用 YaRN 可以拉到 1M tokens，等于一次塞进三体三部曲的量。基准测试全面超过上一代 Qwen3.7-Plus，Apache 2.0 商用友好。Unsloth 已经把它压成 GGUF 量化版，消费级显卡也能跑。
• Gemini 3.7 Flash 向 Pro 和 Ultra 用户开放，多步推理和文件合并能力有提升，个人助手 Spark 也切到了 3.7 Flash。免费用户什么时候能用，正文没提。
• Matthew Green 在 Usenix 安全会议后写了篇文章，核心判断是：AI 自动找漏洞的能力正在让软件变得"过于安全"，这反而会逼出更激进的加密后门立法。软件越安全，隐私反而越危险——这个反直觉的判断值得点开看看。
• Leopold Aschenbrenner 的 200 亿美元对冲基金爆仓了。他之前在 OpenAI 做超级对齐，靠一篇 AGI 即将到来的文章出名，随后募资重仓 AI 股票，上 4 倍杠杆，同时做空软件股——两边都押反了。作者用这个案例说明 AI 圈常把某个领域的自信当成所有领域的能力。
• Google 开源了 HEIR 编译器，能把训练好的 AI 模型一键转成在加密数据上跑推理的版本，不用密码学专家手动改代码。同态加密让服务器全程处理密文，看不到原始数据。以前这技术太贵太慢，现在成本在降，但上手门槛还是高。HEIR 想当那个"一键转换"工具。