人工智能资讯 第7页
聚合当前分类下的最新内容，按时间顺序查看第 7 页精选文章。
SynthID水印实测：扛过300轮压缩，裁掉两成就失灵
Ars Technica实测显示，Google的SynthID水印能扛住300轮压缩缩放，但测试图片裁边约20%后就检测不到，50%裁剪甚至撑不到300轮；SynthID、C2PA、Content Seal三套水印方案互不相认，Google的检测入口每天还只有约10次额度；对普通用户和事实核查者来说，没查到水印不等于图是真的，反向搜图和核对来源比查水印更管用。
创作者起诉 Anthropic、Google、Meta：AI 训练数据开始成为一笔法律成本
作者、插画师和音乐人正通过版权诉讼，追问 Anthropic、Google、Meta、Suno、Udio 等公司如何取得训练材料。部分主张已获法院保留或进入和解，但这不等于 AI 训练已被统一判定侵权；更确定的变化是，训练数据正从行业默认资源变成需要核验来源、评估许可和预留诉讼成本的资产。
AI文本越写越像人,Pangram靠检测拿到900万美元融资
AI检测公司Pangram完成900万美元融资,由Menlo Ventures领投,同时发布新模型Pangram 4并预览一款图像检测工具。官方称文本检测准确率超99%、误判率约万分之一,但这两个数字都是自报的,外部实测中人工改写的句子仍被误判成AI。这笔钱买到的与其说是检测技术成熟的证明,不如说是平台开始把内容鉴别当治理权力来经营的入场券。
AI设计机器人身体：斯坦福新模型将跟踪误差压低73%
斯坦福团队用统一扩散模型Transformer Transformer,把机器人身体设计和控制塞进同一套权重,靠推理时对奖励函数求梯度来优化设计,不必为新目标重新训练。实物验证只有ALOHA抛布一个案例,跟踪误差降73%、最大关节速度降30%,离通用机器人自动设计还远。真正的看点不是又出了个更强的控制器,而是机器人身体设计第一次能被模型直接优化,但奖励写歪、仿真失真的风险也跟着放大。
吴恩达再创业：Coursera 1亿美元押注一个还没做出来的产品
吴恩达新公司LearnVector拿下Coursera 1亿美元战略投资，目标是把一对多课程改造成一对一AI学习，但至今没有公开产品、用户数据或效果指标。真正的验证要等到2027年初，在此之前，学习者和企业采购方都没必要跟着这条新闻做决定。
Hubble.md 上线:开源笔记想把 Markdown 文件真正让人和 AI 智能体共用
开源笔记应用 Hubble.md 把内容直接存成 Markdown 和 HTML 文件,界面对标 Notion 和 Apple Notes,卖点是人和 AI 智能体读写同一份文件。项目免费开源,GitHub 星标约 795,但官网没说清智能体接入协议、权限和同步机制。对已经用 Markdown 管理笔记的开发者,现在能试;涉及权限和隐私的生产场景,最好再等等。
60小时、10万美元:Claude的密码学发现,现实系统毫发无损
Anthropic披露,Claude Mythos Preview连续运行约60小时、估算耗费10万美元API费用,在HAWK签名方案和一个被削弱轮数的AES版本中找到数学弱点,但明确说明对现有系统没有实际影响。比漏洞本身更有信息量的,是研究人员反复催促模型别放弃、别挑容易目标的提示词原文,连拼写错误都保留了下来。这更像一份人机协作的操作记录,而不是自主科研能力的证明。
2.8万亿参数塞进64GB Mac：Deltafin让Kimi K3能跑，但离好用还很远
开源项目Deltafin让参数规模2.8T的Kimi K3在一台64GB内存的M1 Max Mac上跑了起来，靠的是把专家权重按需从磁盘或Hugging Face流式读入，而不是把整个模型塞进内存。但目前本地解码约15秒一个token，缺乏本地缓存时能拖到3分钟以上，还只支持贪心解码、单请求运行，这决定了它眼下更适合研究者验证MoE路由，还撑不起替代云端API的生产场景。
iOS新应用发布暴涨80%:AI没让App过时,只是让它变便宜了
2026年一季度,全球新应用发布量同比增长60%,iOS单独统计达80%。AI编程降低了做App的门槛,但没有降低做好App的门槛——稀缺的东西,从写代码变成了审美和克制。
Waymo屡次挡住消防车,国会议员要给无人车装上'紧急开关'
加州众议员Kevin Mullin本周将提交《自动驾驶汽车应急响应协调法案》，拟让NHTSA制定全国应急响应标准，并允许地方政府在紧急状况下对Robotaxi实时地理围栏限行。这意味着监管思路正从企业自律转向联邦统一标准加地方实时干预，Waymo等运营商的城市运营自主权面临实质收紧，但法案能否在国会通过仍是未知数。
Kimi K3 把参数推到 2.8T，真正的考题是部署账单
Kimi K3 从 Kimi Linear 的 48B 扩展到 2.8T，并引入 LatentMoE、潜在注意力、全量 NoPE 和原生多模态。原作者称其为当前最大的开放权重模型，但总参数只是声量，激活参数、显存、吞吐和许可证才决定它能否真正部署。
HBO Max 测试竖屏 Shorts:学的不是短视频,是分发效率
HBO Max 在美国小范围测试竖屏 Shorts 信息流和 AI 对话搜索,想让用户从庞大片库里更快找到能看的内容。Shorts 用的是预告片和花絮的存量素材,AI 只负责初筛,最终仍由编辑拍板。这套打法抄的是 TikTok 的分发效率,不是短视频形态,测试范围还很小,效果数据也还没有。
4737小时压到30.5小时:Ai2的地球观测新平台,赢在工程不在模型参数
Ai2上线OlmoEarth Platform,把地球观测模型的微调、评估和洲际级推理打包成基础设施,官方案例显示北美野火风险制图从4737小时压缩到30.5小时,成本口径是每平方公里不到一美分。真正稀缺的不是模型参数,是能吃下上万核算力、扛住故障的工程系统——这恰好是缺工程师的政府和NGO最需要也最用不起的部分。目前只有Ai2一家口径,还没有第三方复核或其他区域案例。
Kimi Delta Attention是怎么来的:遗忘门被拆到了每个key通道
Doubleword技术长文推导了Kimi等模型使用的线性注意力机制KDA,核心是把统一遗忘门拆成按key通道独立衰减的对角矩阵。真正价值是把长上下文记忆管理变成可逐层复现的工程设计。原文没给出性能或成本数据,研发团队仍需自己跑基准测试再决定是否迁移。
Substack给文章打AI分，创作者喊话“这是猎巫”
Substack给每篇文章打上AI生成概率评分，创作者却炸了锅，担心一次误判就毁掉多年积累的口碑。平台强调评分不进推荐算法、可关闭可申诉，但当一个概率猜测被公开挂成标签，举证责任已经悄悄转移到了作者身上。比起打分，那句可选填的“How I make this”声明，可能才是建立读者信任更靠谱的办法。
3.7倍提速的代价：Liquid AI新编码器只在CPU长文本上占优
Liquid AI于7月28日发布LFM2.5-Encoder-230M和350M两款编码器模型，均支持8192 Token上下文，官方自测显示230M版本在CPU长文本推理上比ModernBERT-base快约3.7倍。这类模型解决的不是对话能力，而是企业高频的分类、路由、抽取任务能否继续用现有CPU跑得更便宜；速度优势集中在长输入和CPU场景，短文本和GPU场景ModernBERT-base仍有领先，基础模型也仍需按任务微调才能上线。
Kimi Linear:省75%缓存、6倍吞吐,线性注意力这次敢跟全注意力拼效果了
月之暗面发布 Kimi Linear,一个逐层混合 KDA 线性注意力与 MLA 全注意力的 MoE 模型,激活参数 3B、总参数 48B。官方数据显示,同训练方案下它全面优于全 MLA 基线,百万上下文最高省 75% KV Cache、解码吞吐最高提到 6 倍。这些都是论文自报的最高值,对比基准是自家训的模型,还没有外部团队独立复现。
苹果iMessage敏感内容警告把宠物狗视频误判为裸露内容
苹果iMessage的敏感内容警告把一段宠物狗视频误判为疑似裸露内容并自动打码，2024年鹿照片、2025年狗照片也曾触发同类误报。苹果称识别在设备端完成，不会读取或留存消息内容，问题出在识别精度而非隐私边界。功能可在设置中关闭，但对依赖它拦截非自愿裸照的用户和家庭来说，误报越多，这道防线被弃用的风险越大。
Recursive Superintelligence签4亿美元AWS算力协议，亚马逊只卖算力不买股权
AI初创公司Recursive Superintelligence今年7月与AWS签下一份多年期算力协议，官方口径约4亿美元，相当于其5月披露的6.5亿美元融资的六成以上。跟OpenAI-微软、Anthropic-亚马逊常见的投资加算力捆绑不同，这次AWS只卖资源，不买股份。10月前后能不能拿出可用产品，才是检验这笔钱花得值不值的第一个节点。
开源攒下800万用户，Fish Audio现在靠闭源模型赚钱
Fish Audio完成5000万美元种子轮，公司称已有800万用户和2100万美元ARR；开源模型攒起社区，最新旗舰S2.1 Pro转向付费API。声音未经同意被使用的争议还没过去，这暴露出企业采购前必须核实的授权缺口。
200美元一个月：Perplexity让AI在你的Windows电脑上动手干活
Perplexity把原本只跑在Mac上的Personal Computer搬到Windows，月费200美元起，面向Max和Enterprise Max用户。这次的关键不是又添一个AI助手，而是AI第一次拿到操作本地文件、Windows应用和Office文档的权限。企业该判断的不是好不好用，而是权限出错时谁来兜底。