Cursor 被 SpaceX 收了，ChatGPT 份额跌了，AI 圈今天在翻账本

Cursor 被 SpaceX 收了，以后能直接用全球最大 GPU 集群

这条确认了——Cursor 发博说公司已被 SpaceX 正式收购，4 月开始走流程，现在走完了。收购后 Cursor 能直接调用 SpaceX 的 GPU 集群，按他们说法是全球规模最大的，用来训练更强、运行成本更低的模型。

周三刚发的 Grok 4.6 就是双方合力的第一个样品，号称能力更强还更省钱。团队说目标没变，还是帮有想法的人少写代码、多解决难题。

但收购价和团队怎么整合一个字没提。SpaceX 不是传统意义上的 AI 公司，它买一个 AI 编程工具，逻辑可能不是单纯为了做更好的代码助手——更可能是把 Cursor 当成自家 AI 能力的应用层出口。Grok 系列模型一直在追，但缺一个直接触达开发者的产品形态，Cursor 正好补上这块。

有意思的是，Cursor 之前一直是独立工具，用户群跟 GitHub Copilot 高度重叠。现在背靠 SpaceX 的算力，成本结构会变，但产品方向会不会被掰弯，还得看。

ChatGPT 网页份额一年跌了 22 个百分点，但别急着下结论

Similarweb 的全球网页访问数据出来了：ChatGPT 的份额从一年前的 76% 掉到了 54%，Gemini 从 6% 涨到 28%，Claude 从 1% 涨到 9%。

先别急着说 ChatGPT 不行了——这只是网页端的流量占比，不是月活用户数，也不是收入。Gemini 能同时做到 10 亿 App 月活和 28% 的网页份额，是因为它跟 Android 和 Google 搜索深度绑定，入口多到离谱。Claude 的 9% 看着小，但从 1% 涨上来，增速其实最猛。

ChatGPT 的 54% 依然是绝对第一，但趋势很清楚：网页端不再是它一家独大的局面了。用户开始分流，而且分流的方向不是随机试新玩具，是往有生态绑定的产品走。这对 OpenAI 来说是个信号——光靠品牌不够，得把入口做厚。

OpenAI 要在欧洲上广告了，隐私政策先动了

OpenAI 在 8 月 14 日放出了欧盟隐私政策的预览版，本月晚些时候生效。政策里明确写了，免费用户和 Go 用户会被收集广告浏览记录和兴趣数据，用来衡量和优化广告效果。

也就是说，OpenAI 准备在欧洲靠广告赚钱了。但我会先打个折：政策生效不等于广告立刻铺开，具体哪天上线、出现在产品哪个位置、首批广告主是谁，全都没说。

更关键的信息缺口是广告形式——是插在对话流里，还是像搜索引擎那样放在侧边栏？用户能不能付费去广告？如果广告直接插在对话中间，体验会很难看；如果是侧边栏，那跟 Google 搜索的广告位逻辑差不多，反而可能没那么违和。

OpenAI 之前一直靠订阅和 API 赚钱，广告是全新的收入线。欧洲先动，可能是因为 GDPR 要求提前披露数据处理方式，但这也意味着其他市场迟早会跟上。

Netflix 用大模型做推荐排序，观看时长涨了 0.8%

Netflix 发了一篇技术博客，介绍他们正在试的新方案 GenRec。这个方案不再用传统的推荐模型流水线，而是直接拿一个大语言模型来给候选影片打分排序。

具体做法分两步：先拿 Netflix 自己的数据继续训练一个基础大模型，让它熟悉平台的内容和用户行为；再把这个模型微调成推荐排序器，输入是用户的观看历史和一批候选片名，输出是排序分数。线上 A/B 测试的结果是观看时长涨了 0.8%，延迟压到了 11 毫秒以内。

0.8% 听着不大，但在 Netflix 这个体量下，0.8% 的观看时长增长意味着相当可观的用户留存提升。11 毫秒的延迟也很关键——推荐系统延迟一高，用户划走的概率就涨。

但博客没公布模型大小和具体推理成本。大模型做推荐排序的算力开销比传统模型高一个量级，如果成本涨了 10 倍、观看时长只涨 0.8%，账不一定算得过来。Netflix 敢上线测试，说明至少在小规模下成本可控，但能不能全量推，还得看。

二手书被成批买走，买家可能是 AI 公司

英国和全球的二手书商最近都收到大量奇怪订单，几千本书被成批买走，从冷门拉丁文著作到牛仔小说都有，然后运往远处的仓库。书商怀疑买家不是读者，而是 AI 公司。

2025 年美国法院裁定 Anthropic 用二手书训练 Claude 不侵犯版权，解封的文件还曝光了一个内部项目"巴拿马计划"，目标是用"破坏性扫描"把全世界的书数字化——拆掉书脊高速扫描，剩下的回收。

书商高兴清库存，但知道书可能被毁掉又觉得别扭。这事背后是 AI 训练数据的版权灰色地带：买实体书扫描训练，法律上比直接爬网安全，但伦理上跟"合理使用"的边界越来越模糊。

Anthropic 不是唯一这么干的，但"巴拿马计划"这个名字起得太直白了——巴拿马运河是抄近道，这个项目也是抄近道获取训练数据。

阿里模型在 Hugging Face 下载破 30 亿次，首次超 Meta 和 Google

彭博社援引 Hugging Face 的研究称，阿里旗下包括 Qwen 在内的模型累计下载量已超过 30 亿次，首次在下载量上超过了 Meta 和 Google。

这个数字说明开发者的关注度涨得很快，Qwen 系列在开源社区确实冲得猛。但下载量不等于实际使用量——有多少是重复下载、多少是 CI/CD 流水线自动拉的、多少真正部署跑起来了，全都不清楚。

Reddit 原文还被屏蔽了，具体统计口径和单模型拆解也看不到，所以这个"首次超越"的含金量得打个折。Hugging Face 下载量本身也受镜像、自动化脚本和重复拉取的影响，不是精确的采用率指标。

不过方向是对的：中国开源模型在全球开发者圈子的存在感确实在涨，Qwen 系列从去年开始就是 Hugging Face 上最活跃的模型家族之一。

单张 5090 跑 Qwen3-27B，4-bit 量化冲到 880 tok/s

有人在单张 RTX 5090 上用 4-bit NVFP4 量化跑 Qwen3-27B，推理速度达到 880 tok/s，而且保留了完整的 262K 上下文窗口。

这个速度对本地部署来说相当夸张——相当于每秒能吐出大半篇论文。如果数据属实，低成本本地跑大模型的门槛又降了一截。

但帖子没透露用了什么推理框架、显存占用多少、精度损失多大。4-bit 量化下的 27B 模型，实际可用性取决于精度损失在具体任务上能不能接受。880 tok/s 是峰值还是稳定吞吐也不清楚。

如果是真的，这对需要本地推理、不想走 API 的开发者来说是个好消息。但先别急着下单 5090，等有人复现了再说。

今日小信号

• Kimi K3 进了 llama.cpp：开发者 pwilkin 提交 PR 把月之暗面的 Kimi K3 纯文本模型合进了 llama.cpp，本地 CPU 或 GPU 就能跑。缺参数规模和跑分，但合并本身说明社区已经能离线用 Kimi 了。
• AI 帮 25 万行老气象代码移植 GPU，台风模拟快 5 倍：日本团队用 AI 代理把 CReSS——一个 25 万行 Fortran 写的老气象代码——移植到 GPU 上，跑真实台风模拟加速了 5.1 倍。做法是先让 AI 抽出并行区域、生成测试用例、自动加 GPU 指令，再逐元素比对验证。总共移植了 16 个模块。
• 扎克伯格发 6500 字 AI 宣言，但 Meta 一边说 AI 创造就业一边裁了 10% 员工：BBC 点出这是大佬们争夺 AI 话语权的公关战。宣言看个立场就行，别当事实读。
• 38 美元 CPU 散热器屏幕实时显示 Claude 用量和费用：一个开源项目把 Claude 的会话限制、Token 消耗和模拟 API 费用显示在 Thermalright 散热器 LCD 屏上，数据通过 USB 从 macOS 读取。挺省钱的小工具，但没提是否支持 Windows 或 Linux。