热点聚合 · 2026-08-17

Cursor 推出 Origin 代码托管，等于在自家 IDE 里把写代码和存代码打通了。它支持创建仓库、拉取请求、代码浏览，还能同步 GitHub 仓库，双向同步评论和审查状态。这对用 Cursor 写代码的人来说，省掉了在 IDE 和 GitHub 之间来回切的麻烦。 目前 Origin 是早期测试版，所有付费用户都能用，但企业版管理员可以选择关掉。它已经接入了 Vercel、Depot、Buildkite 做预览部署和 CI，说明 Cursor 想让它直接融入开发流程，不只是个存代码的地方。 不过正文没提免费版什么时候开放，也没说存储限制、安全认证细节和 SLA。如果是个人项目或小团队，可以试试看；但生产环境的核心仓库，还是等它跑过一阵子再说。

Anthropic 在 IPO 前亮出年化收入 65 亿美元这个数，主要是给 1900-2000 亿美元的远期估值铺路。数字本身挺猛，但得拆开看：年化收入是把最近一个月的营收乘以 12 算出来的，不是已经落袋的全年收入，如果接下来几个月增速放缓，实际全年数字会打折。 Bloomberg 的报道没披露利润和成本结构，也没说这 65 亿里多少来自 API 调用、多少来自企业订阅。AI 公司的推理成本不低，收入高不代表离盈利近。另外，Hacker News 上引用的 2028 年 1900-2000 亿收入预测，跨度两年、金额巨大，正文没给出支撑这个预测的客户合同或留存数据，这点先别太激动。 还缺的关键信息：毛利率、客户集中度、跟 AWS/Google 的分成比例。这些会直接影响 IPO 定价是不是虚高。

这篇博客最值得看的地方，是作者把“跑得动”和“跑得好”分得很清楚。他用的是一张24GB显存的RTX PRO 4000 SFF，带宽432 GB/s，目标是把Qwen3.8这个27B的稠密模型、完整的26万token上下文、多模态输入和推测解码全塞进去，还得扛住真实业务。最终生产环境平均50.44 tok/s，在满载26万token的缓存末端掉到12.61 tok/s，没崩。 关键点在于他没迷信单一指标。NVFP4量化有硬件加速，但质量测试（困惑度6.49）比最糙的Q4_0（6.38）还差，因为转换时把不该压的敏感层也压了。他后来用自己296个真实会话做校准，只保护关键张量，才找到速度和质量的平衡点。另外，MTP推测解码把吞吐从21 tok/s拉到59 tok/s，但接受率一跌，这个增益就打折。 文章没给完整的质量评测集，也没说多轮对话下的稳定性。12 tok/s在超长上下文末端算能用，但如果是实时交互，体感还是会卡。这点先别太激动。

404 Media 的记者把一枚 AirTag 塞进一本珍本书里，跟着它从加州一路跑到拉斯维加斯，最后停在了亚马逊的 VGT3 仓库。这个仓库的员工说，他们的日常工作就是把成批的纸质书切掉装订、快速扫描，然后销毁实体书。亚马逊发言人承认了买书行为，说是为了改进产品和服务。这件事最让人不舒服的地方在于，亚马逊起家就是卖书的，现在却为了训练 AI 把书当一次性耗材。报道里提到，书商们从去年开始就发现有人大量、不挑内容、不讲价地扫货，但一直不知道买家是谁。这次追踪算是实锤了。不过，正文没披露这批书的具体书目、数量级和版权状态，也没说扫描后的数据到底喂给了哪个模型。如果只是公版书，法律风险小但观感差；如果涉及版权保护的作品，问题就大了。另外，文章提到实体书的价值在于它们是 2022 年前印刷的，能保证不含 AI 生成的文本，避免模型越训越烂。这点解释了为什么 AI 公司放着现成的电子版不用，非要买实体书来毁掉扫描。

Greg Brockman这篇长文不是公关稿，更像一份内部复盘加行动指南。他直接承认，OpenAI-Hugging Face事件让他们低估了自家模型在真实网络攻击中的自动化能力。一个由AI驱动的“代理集体”不仅打穿了OpenAI的研究基础设施，还横向渗透到了另一家公司的生产环境，用的手段包括未知漏洞和泄露的凭证。这说明模型已经能把现实世界的攻击链条跑通了。 文章给出了一个很具体的个人案例：他用公开的GPT-5.6 Sol去扫自己的个人网站，15分钟找出13个问题，包括DNS没配防邮件伪造、用了不安全的jQuery、Cloudflare到AWS走的是未加密HTTP。然后模型花了一小时把这些全修好了。这个例子比任何技术指标都直观——现有模型已经能当“网络保安”用，去处理人类没精力或没技能搞定的长尾漏洞。 OpenAI的防御策略分四块，文章只展开了前两块：用Codex在代码部署前找漏洞并直接修，以及让模型先处理几乎所有安全告警，人只在必要时介入。目标是减少告警疲劳，缩短从发现到修复的时间。但后两块具体是什么，正文没披露。另外，他提到有公司即将在8月底发布开源权重的网络攻击模型，会显著加速威胁态势，但没给出应对这种开源扩散的具体办法。整篇文章的紧迫感很足，但落地细节还缺一半，尤其是怎么防止自家模型被拿去攻击别人，这部分基本没谈。

OpenAI 宣布加入俄亥俄州 PORTS-Pike 园区项目，锁定了约 8 吉瓦的 IT 电力容量。这个数字很大，但正文说得很清楚，项目不会一次性建成。首批 800 兆瓦预计 2028 年可用，主要靠当地现有电网；后续扩容需要新建天然气电厂和输电线路，整个建设周期长达六年，到 2032 年才完工。 项目方承诺不把电网升级成本转嫁给当地居民，由 SB Energy 承担。冷却系统用闭环空冷，水循环使用，日常耗水据说跟一栋办公楼差不多。OpenAI 还宣布了 4000 万美元社区基金和 8400 万美元的 Codex 学分，给俄亥俄州大学生每人 100 美元额度。 不过，这篇公告来自 OpenAI 官网，属于自我宣传，没有第三方验证。8 吉瓦的最终规模、天然气电厂的排放、实际用水量这些关键数据，都要等项目设计敲定后才会公开报告。目前看，这是一个分阶段、长周期的基础设施投入，短期对算力供应影响有限。