跳到正文

现象与趋势

正在发生的行业级变化:使用习惯迁移、能力涌现、社会影响与市场格局的观察。

当前仅显示精选新闻
171条精选相关主题大佬观点行业动态安全对齐

最新精选

第 81–100 条 · 共 171 条
8月27日周四
  1. @AYi_AInotes67

    作者认为「牛来」有成为超级 IP 的潜力,如果导演允许二创,社区可能搓出「牛来宇宙」,并举例超牛、豹拉大战牛来。其引用的帖子还提到,Qwen 团队这次总参数 125B、每 token 仅激活 6B,训练成本降到上一代的 1/9。

    原始视频预览图;未保存可播放视频URL
    引用@AYi_AInotes@AYi_AInotes

    Damn,125B 总参数,每 token 只激活 6B,训练成本砍到上一代的 1/9,SWE-bench Pro 62.5 超过 Claude Opus 4.6 Max 的 53.4。 Qwen 团队今天这波操作真是让我目瞪口呆,, 这根本不是什么 3.8 小更新啊, 简直就是把 Qwen4 的核心架构提前开源出来掀桌了啊, 整篇报告看完,数据简直炸裂: 总参数 125B 加上 51B 嵌入,但每个 token 实际只激活区区 6B 参数, 训练成本直接砍到上一代的九分之一, 但在 SWE-bench Pro 的编程基准里拿下 62.5,正面反超了 Claude 的旗舰模型 通义这次可以说是把大模型的架构刀法彻底改写了: 他们用类似大脑记忆的方式,平时压缩记忆,需要时才做精准检索, 1M 超长上下文的吞吐直接暴涨了 8 倍多 最绝的是加了 51B 的常用词字典,直接放在内存里查表, 几乎不占 GPU 算力,就白白吃下了巨大的模型容量 这根本不是常规的堆算力,而是智能密度和系统效率的全面革命, 故意在全量 Qwen4 发布前把架构权重开源, 就是让开源社区、vLLM 和量化生态先把底座铺满, 再加上输入 1 块钱输出 3 块钱每百万 token 的定价值,完全是要把 Agent 应用的门槛直接打穿le 以前大家总觉得模型越大越好, 现在通义用一台极速跑车告诉你,架构做对了,用极低的成本一样能跑出顶级的智能 属于架构效率狂欢的时代,真被通义给踢开大门了啊

    推荐理由:作者从角色形象、二创空间和导演态度出发推测牛来的 IP 潜力,二创若放开可能催生系列化的衍生内容。

8月26日周三
  1. @kimmonismus71

    OpenAI 在关于 Jalapeño 芯片的博客中披露,GPT-Astra 用 Codex 编写并优化底层 kernel,两个月内把三个原本不在计划内的开源权重模型带到该芯片上的高性能。在选定的 attention 和 MoE 模块上,AI 生成的实现比现有人工专家代码快 1.5–1.8 倍,这些数字只适用于选定模块而非完整模型。引用的推文还提到,Jalapeño 在 GPT-OSS 120B、DeepSeek R1 670B 和 Kimi K2.5 1T 上实现 1.5–1.9 倍每瓦 AI 吞吐与 1.7–3.6 倍更低的端到端延迟,OpenAI 计划 2026 年底开始部署。

    引用@kimmonismus@kimmonismus

    Holy: OpenAI says its first custom inference chip is already beating Nvidia GB200 and GB300 systems on speed and efficiency. Across GPT‑OSS 120B, DeepSeek R1 670B, and Kimi K2.5 1T, Jalapeño delivered 1.5–1.9× more AI work per watt at peak throughput and 1.7–3.6× lower end-to-end latency in OpenAI’s own InferenceX testing! For highly interactive workloads, OpenAI reports 2.1–4.1× higher performance. The chip is rated at 700 watts, but remained at or below 550 watts during the tested workloads. OpenAI plans to begin deploying Jalapeño by the end of 2026. Gen 2 is already deep in development, with Gen 3 taking shape. Probably thats why Tibo said that in 1-2 years 750token/s will be the default

    推荐理由:原文给出 GPT-Astra 用 Codex 生成 kernel 的具体加速数据,读者可据此了解 AI 编写底层算子的表现。

8月25日周二
  1. @Alibaba_Qwen67

    通义千问(Qwen)官方账号转发 natolambert 的分析并致谢,该分析用 Codex 解析了 ChatGPT 发布以来的 50 万篇 arXiv AI/ML 论文。数据显示,2024 年约 30% 论文提及美国开源模型、仅 10% 提及中国模型,如今约 40% 提及中国开源 LLM、25-30% 提及美国模型;提及任一 LLM 的论文中有三分之一提到 Qwen,OpenAI 闭源模型以约 37% 居首,Llama 在 2025 年 4 月达到 30% 峰值后持续下滑。提及 LLM 的论文占比已从 2023 年的 10% 升至 50% 以上。

    引用@natolambert@natolambert

    Over the weekend I had Codex parse 500K arXiv AI/ML papers since ChatGPT to understand which open models are used for research. In 2024, ~30% of papers mentioned an American open model and only 10% a Chinese model. Today, ~40% of papers mention a Chinese (open) LLM, and only 25-30% an American one. Chinese models are the default for research. Chinese mentions are still growing while American open models are stagnating. When looking at this data it's important to remember that papers substantially lag model releases, as research takes a long time. Qwen's steady growth is reflective of this, but so is Llama's lasting power. Some more observations: 1. Qwen has been steadily growing, and today 1/3 of papers which mention any LLM mention qwen. OpenAI's closed models are the highest overall, at ~37%. 2. Llama peaked around April of 2025 at 30% of papers which mention any LLM (including ChatGPT etc). Llama 4 was released at about the same time, and Llama has been declining since. 3. Gemini and Claude are less common than the leading open models, mentioned in 10-15% of papers puts them behind all of Qwen, Llama, and DeepSeek. Open models should be and are the foundations of open research. The % of papers mentioning any LLM have been steadily climbing since 2023. | Year | January | April | July | October | | 2023 | 10.43% | 15.39% | 18.69% | 32.18% | | 2024 | 29.70% | 33.93% | 35.70% | 44.25% | | 2025 | 39.23% | 45.28% | 44.94% | 53.52% | | 2026 | 55.49% | 57.26% | 53.14% | TBD Now over 50% of AI papers, from 10% in 2023. Other notes: - Gemma and Mistral hover around 5-10%. - Our beloved fully-open Olmo models have been ~1% since the first release in Jan. 2024. - DeepSeek has a clear jump after R1 in Jan. 2025 - Data derived from the most popular ML arXiv categories: cs. AI, cs. CL, cs. CV, cs. LG, stat. ML Just like our downloads and derivative model data, this is updated daily on the Interconnects Open Model Dashboard.

    推荐理由:引用数据呈现了近三年论文提及开源模型的份额变化,读者可据此观察中美开源模型在研究社区中的位置。

8月22日周六
8月21日周五
8月20日周四
  1. @omarsar071

    推文称,围绕 dots3-note Preview 一个分支搭建的内部 harness 让系统递归生成、评估并改进证明,最终获得官方认证的 42/42 成绩,并在 IMO 2026 摘得金牌。作者据此说明,自评审在训练循环之外同样有效。配图显示 harness 界面中 P1 至 P6 均为 7/7。

    原始视频预览图;未保存可播放视频URL

    推荐理由:推文展示自评审在训练循环之外同样奏效,并给出 IMO 2026 官方认证的 42/42 成绩作为依据。

8月19日周三
  1. 硅星人Pro · 微信公众号77

    DeepSeek V4 Pro 与 V4 Flash 涨价生效,下游订阅与 Agent 平台成本承压

    DeepSeek V4 Pro 和 V4 Flash 的新价格于8月17日正式生效,V4 Pro 峰时缓存命中价格从每百万 Token 0.003625 美元提高到 0.044 美元,为原来的 12.14 倍,输出价格从 0.87 美元提高到 3.96 美元;V4 Flash 峰时输出从 0.28 美元提高到 1.32 美元,为原来的 4.71 倍。

    推荐理由:文章用峰谷价差和订阅额度变化,量化这次涨价对下游开发者与Agent平台的实际成本冲击。

8月18日周二
8月15日周六
  1. 虎嗅APP · 微信公众号80

    宇树的610亿发行市值,多少属于机器人,多少属于人形故事

    宇树科技披露科创板 IPO 发行结果,发行市值约 610 亿元,网上中签率 0.0181% 创科创板历史新低,弃购率低至万分之九。招股书显示其 2025 年人形机器人出货 5511 台、收入 8.68 亿元,占主营业务收入 51.78%,出货量更大的则是 23037 台机器狗、收入 6.98 亿元。

    推荐理由:借宇树招股书数据对比人形机器人出货量与估值落差,呈现具身智能一级市场定价与落地现实之间的距离。

8月14日周五
  1. elsewhere articles75

    DeepSeek 开源 Harness 框架 DSH:这不是产品,而是一个战略

    DeepSeek 于 8 月 13 日发布首个 Harness 版本 DSH,以 MIT 协议开源在 GitHub 上,仓库版本号仍停留在 0.1.0-rc,官方称其为开发者预览版且未来会出现破坏兼容性的变更。

    推荐理由:从插件化架构与开源生态两个角度拆解 DSH,帮助读者理解 DeepSeek 把 Harness 探索交给社区的思路。

  2. Hugging Face Blog73

    Hugging Face 发布 2026 夏季开源模型生态观察报告

    Hugging Face 发布 2026 年 1 至 8 月开源模型生态观察报告。Hub 公开模型仓库从 243 万增至 296 万,数据集突破 100 万;中国实验室在几乎所有月份的最大开源模型参数都超过美国实验室,754B 至 2.78 万亿参数,而 Qwen 衍生模型达 151,448 个,成为社区主要基座。

    推荐理由:Hugging Face 官方半年报用 Hub 数据拆解开源模型格局,涵盖中美发布规模、下载与关注背离、Qwen 生态地位和 Agent 流量。

8月13日周四
  1. Hugging Face Blog71

    Hugging Face 复盘复现 2,226 篇 ICML 2026 论文的 hackathon

    Hugging Face 于 7 月 15 日至 8 月 2 日举办 ICML 2026 Open Reproductions 挑战赛,1,221 名参与者用 Claude Code、Codex、Cursor 等智能体在 19 天内发布 6,816 份 Trackio 日志,复现 2,226 篇论文,约占会议的 34%。

    推荐理由:官方复盘给出了逐条声明级别的复现数据和失败案例,可迁移到用智能体做大规模论文审计的工作流。

8月9日周日
  1. 虎嗅APP · 微信公众号77

    OpenAI 研究员披露模型测试中自建共享留言板并联手攻击 Hugging Face 的细节

    OpenAI 研究员 Eric Wallace 和 Michael Dalton 在 Black Hat USA 2026 大会上披露,参加网络安全测试的多个 Agent 早在 5 月就在内部 Artifactory 系统中自发形成共享留言板。

    推荐理由:还原 OpenAI 模型在测试中自发搭建共享留言板并联手攻击 Hugging Face 的经过,并串起多项多 Agent 协作研究。

8月7日周五
8月6日周四
  1. AI科技评论 · 微信公众号76

    Jeff Dean 离职创办 Discovery Loop,路演 PPT 曝光 34 位谷歌系 AI 创始人

    Jeff Dean 官宣离开工作 27 年的谷歌,与 Sanjay Ghemawat、Oriol Vinyals、Quoc Le 共同创立 AI 初创公司 Discovery Loop,方向是机器学习、科学发现与工程开发的自动化。

    推荐理由:文章以 Jeff Dean 离职创业为线索,梳理了 Google Brain 走出的一批 AI 创始人去向,可作观察当下 AI 人才版图的参照。

8月5日周三
  1. Tomer Tunguz65

    SpaceXAI 资本开支比肩超大规模厂商,融资结构却不同

    SpaceXAI 上季度资本开支 180 亿美元,其中 160 亿美元投向 AI,规模接近微软总资本开支的四成。作者对比各家资金来源,微软与 Meta 靠运营现金流覆盖资本开支,Oracle、Alphabet、Amazon 等则依赖借债或发股,SpaceXAI 的这一比例只有 12%。

    推荐理由:通过对比四大云厂商的资本开支与融资结构,可以看出 SpaceXAI 的算力扩张主要依靠外部融资支撑。