人工智能资讯 第86页
聚合当前分类下的最新内容，按时间顺序查看第 86 页精选文章。
Every Eval Ever 打通 Hugging Face：模型分数开始补“出处链”
Every Eval Ever 的评测记录现在可以转换成 Hugging Face Community Evals 所需 YAML，提交到模型仓库的 .eval_results/ 目录，并显示在模型卡和对应 leaderboard 上。关键变化不是多了一个榜，而是分数能回链到完整 EEE JSON，读者可以追到来源、模型访问方式、生成设置和指标含义。限制也很明确：目前只支持 MMLU-Pro、GPQA、HLE、GSM8K 四个官方基准，提交仍依赖 PR、人工审阅和模型仓库治理。
OKX AI 开放给开发者：AI Agent 会付钱，交易所想抢机器经济入口
OKX AI 周二向开发者开放，试图让 AI Agent 拥有钱包、链上身份、信誉和稳定币支付能力。它现在还不是面向普通用户的大规模产品，更像一次开发者生态押注。真正的看点是：加密交易所能不能把稳定币、身份和分发网络，变成机器经济的金融入口。
AI 没一刀切掉初级岗位，但公司分层已经开始
Ramp 与 Revelio Labs 基于近 2.2 万家公司数据称，高强度 AI 采用者员工数增长 10.2%，初级岗位增长 12%。这不能证明 AI 创造就业，只能说明“AI 必然消灭年轻岗位”的说法太粗。更关键的变化是：会把 AI 嵌进业务的公司在扩张，只会买订阅和做试点的公司还在原地打转。
Base44自研Base1：vibe coding不只拼体验，开始拼成本账本
Wix旗下vibe coding平台Base44开始推出自研模型Base1，目标是用平台上的真实用户交互数据，改善延迟、推理成本和应用生成效果。它不等于Base44已经追上Claude、OpenAI或xAI，但说明AI应用公司只做模型调用层，长期议价权会很薄。接下来最该看三件事：Base1的实际效果、单位推理成本下降幅度，以及用户是否愿意为更便宜但可能不总是最强的模型买单。
美团开源 LongCat-2.0：1.6T MoE 之外，AI ASIC 集群才是关键看点
美团 LongCat 团队开源 LongCat-2.0：1.6T 总参数、约 48B 每 token 激活参数，已提供 GitHub、HuggingFace、在线试用和 API Access。我的判断是，模型能力当然要看，但这次更硬的看点是：官方公开展示了用 AI ASIC 超级集群完成大规模训练和部署。它还不能被写成“替代英伟达”，但会让基础模型团队和技术采购方重新评估非 NVIDIA 路线。
OutYet.ai 做了一个 AI 模型“等发布”面板，价值不在爆料而在验真
OutYet.ai 上线等待面板，追踪 OpenAI、Anthropic、Google DeepMind、Meta 等机构的主流 AI 模型是否已开放公共访问。它的真正价值不是预测发布时间，而是用官方接口、仓库或消费端入口的两次验证，替代传闻和新闻标题带来的不确定性。
AI分出了“两种水”，但水之谜还没结案
《Nature Physics》新研究用无监督深度学习分析约7400万个局部水分子构型，在分子动力学模拟中分出两类液态水局部结构。它支持水的两态模型，但不是直接实验看见“两种水”，也不能等同于证明液-液相变。真正的分水岭在两件事：把AI找到的隐藏特征翻译成物理语言，并让实验验证跟上。
韩国押上1万亿美元做AI：真正要抢的是内存、电、水和机器人
韩国政府联手三星、SK海力士、现代、Naver等企业，承诺约1万亿美元AI投资，重点放在存储芯片、AI数据中心和人形机器人。它不是单纯撒钱刺激产业，而是把AI时代最硬的资源重新打包成国家工程。方向押得准，但成本会先压到电网、水资源、采购价格和工人谈判桌上。
8090 Labs 融资 1.35 亿美元：AI 写代码开始过企业审计关
Chamath Palihapitiya 创办的 8090 Labs 完成 1.35 亿美元 A 轮融资，Salesforce Ventures 领投，他本人也从董事转为 CEO 全职运营。 这件事的看点不只是 AI coding 继续吸金，而是企业开始把问题从“能不能写代码”推到“能不能审计、控制、交付、追责”。 对 CIO、采购和开发负责人来说，接下来别急着看 demo，要看这类工具能不能进真实流程。
Gemini 个性化生图免费给美国用户：Google 真正推的是账户语境
Google 将 Gemini 基于 Nano Banana 的个性化 AI 生图开放给美国符合条件的免费用户，原本只面向 Plus、Pro、Ultra 订阅用户。关键不在“免费”，而在 Gemini 可以在用户授权后调用 Gmail、Google Photos、YouTube、Search 等账户语境。普通用户得到的是少写提示词，真正要掂量的是哪些私人数据值得交给默认体验。
Ornith-1.0 开源：Coding Agent 的分水岭，不是参数量
DeepReinforce 在 GitHub 发布 Ornith-1.0，覆盖 9B Dense、35B MoE、397B MoE，MIT 许可，支持 256K 上下文、工具调用和 OpenAI-compatible API。它的看点不是“开源又刷榜”，而是把 coding agent 的竞争推向任务闭环：搜索、调用工具、执行、修复、验证。对开发者和企业来说，真正要算的是部署成本、agent harness 和可复现成功率，不是只看 397B 这个数字。
AI 写完前 80%，工程能力被挤到了更贵的最后 20%
Jonathan Beard 在《The 80% Problem》中提醒：AI 编程很擅长生成 demo、脚手架和 happy path，但生产级系统最费钱的部分仍在后面。真正受影响的不是“会不会写代码”，而是团队有没有人能处理幂等、限流、迁移锁、部分故障和凌晨 3 点的线上诊断。接下来要看的变量，是团队有没有重新设计代码审查、on-call、故障训练和新人学徒制，而不是只统计 AI 省了多少工时。
DiScoFormer：真正要挑战的不是 KDE，而是“每个分布重训一次”
Ai2 发布 DiScoFormer，用一个 Transformer 在单次前向传播里同时估计 density 和 score。它在 100 维评测中相较手调 KDE 明显占优，但更关键的是尝试把“每个分布重训一个估计器”改成“一个预训练估计器跨分布复用”。目前证据主要来自技术报告和合成/受控评测，KDE 在小数据和速度上还没到退场的时候。
Claude 半价进加州：Anthropic 没拿下五角大楼，先去州政府证明安全叙事
加州州长纽森与 Anthropic 达成协议，州级机构和地方政府可半价使用 Claude，并获得培训与支持。协议不是全面部署，只是打开访问入口；用途集中在起草文件、分析信息和提升公共服务效率。真正的看点是，Anthropic 在联邦合同边界受阻后，转向加州证明：带安全限制的 AI，也能进入政府流程。
Arena 年化收入冲到 1 亿美元：AI 排行榜最值钱的不是排名
Arena 商业化服务上线 8 个月后，年化 run-rate revenue 达到 1 亿美元；但它按用量收费，不能直接当成传统可续约 ARR。更关键的变化是：AI 竞争正在把评测、偏好数据和后训练服务推成基础设施生意。模型能力越接近，掌握评测入口和反馈循环的人，议价权越高。
Qwen 3.6 27B：本地大模型摸到日用门槛，但门票很贵
一位开发者实测认为，Qwen 3.6 27B 是当前本地开发的甜点模型：速度不如 35B A3B MoE，但代码、写作和通用任务更稳。它还不是普通电脑上的本地 ChatGPT，更像给本地 LLM 开发者、AI coding 用户和隐私敏感团队的一次现实提醒：质量开始够用，硬件账还很硬。我的判断是，本地模型真正的分水岭不是能跑，而是跑完以后你愿不愿意继续用。
Cursor 上手机：AI 编程开始变成远程管工
Cursor 推出 iOS 应用，开发者可以在手机上启动、提示和监督 coding agent，也能接续桌面端已运行的代理任务。 重点不是在手机上写大型代码库，而是 AI 编程工具正在把开发者推向任务分配、验收和纠偏。 对个人开发者和工程团队来说，真正要看的不是新鲜感，而是 agent 的可控性、审查成本和工作边界。
TIDAL 2026 年起切断全 AI 音乐收益：平台治理不再只靠贴标签
TIDAL 将从 2026 年 7 月 15 日起标注完全由 AI 生成的音乐，并取消其变现、版税和 direct-to-fan 销售资格。 这不是全面封杀 AI 工具，受影响最大的是全 AI 批量上传、冒充艺人和靠平台分账套利的内容。 关键变化在于，流媒体平台开始动收益规则；比起贴标签，断开收入链更可能改变上传者行为。
AI竞赛换了分水岭：模型之外，闭环和万卡工程开始定胜负
Import AI 463 把几个前沿信号放在一起：NVIDIA 用 ENPIRE 测试真实机器人自我改进，腾讯披露万卡训练诊断系统 ARGUS。更硬的竞争点正在浮出水面：物理试错闭环、训练工程、系统可见性，以及人类还留不留在决策链里。对 AI 团队来说，接下来不能只看模型榜单，还要看谁能把系统跑稳、看清、持续改。
一天 AI 账单超过整月服务器：LLM 重试风暴真正烧掉了什么
一次 SaaS 事故里，同一租户的一批重型 LLM 批处理被重复执行 21 次，单日 AI 费用约占当月 LLM 账单一半，并高于整月服务器成本。问题不在用户多用了 AI，而在 LLM 调用已经成功计费，数据库写入却失败，队列又把整批任务重跑。对 LLM 后端团队来说，接下来最该盯的是重试边界、幂等记录和按任务拆分的成本告警。
Pocket 融资 1100 万美元：AI 录音卡片要和手机 App 抢线下对话
Pocket 获得 1100 万美元融资，产品是一块 129 美元、可贴在手机背面的 AI 录音转写设备。它的机会不在泛泛的 AI 硬件复兴，而在线下会议、拜访、问诊、工地沟通这些手机 App 不够顺手的场景。真正的悬念是：Pocket 能否把录音转写接进企业流程，而不是只卖出一批新录音笔。