人工智能资讯 第98页
聚合当前分类下的最新内容，按时间顺序查看第 98 页精选文章。
本地大模型能进开发流了，但还不能托付生产
本地模型的变化已经落到开发工作流里：在 2022 款 M2 Mac、64GB RAM、1TB 存储这类消费级硬件上，Gemma 4、GPT-OSS、Qwen 等模型开始能做问答、重构、测试和轻量 agentic coding。 但这不是本地模型替代 Claude、GPT、Gemini 的证据。更稳妥的判断是：它们从“玩具/备用工具”进入了“可参与开发”的阶段，离生产托付还差速度、上下文、隔离和稳定性。 对开发者来说，动作很具体：可以把本地模型放进低风险任务；对技术团队来说，可以先用它处理内部代码和文档试点，不要直接接核心生产链路。
Gemini 让厨房音箱变难用：Google Home 用户拔掉插头，问题不只是啰嗦
一名长期使用 Google Home 的作者称，设备接入 Gemini 后，烹饪换算、识曲、比分、人物年龄等短问题变得更难稳定回答。她最终拔掉 Google Home，改买 Alexa，但这不是给 Alexa 背书。真正值得看的是：生成式 AI 升级，正在把语音助手最核心的短任务体验变复杂。
Probably 融资 900 万美元：它想做的不是更强模型，而是更可靠的 AI 输出
Probably 获 Andreessen Horowitz 领投的 900 万美元种子轮融资，核心方向是用验证器和审计链路拦住 LLM 幻觉。它的价值不在于训练更强模型，而在于把 AI 输出拉近确定性系统的可靠性标准。对开发者和企业采购来说，关键问题会变成：哪些任务必须用大模型，哪些任务可以用小模型加校验完成。
苹果给 HomeKit 摄像头补上 AI：隐私仍是优势，智能化还在追赶
苹果将在 iOS 27 和 tvOS 27 中为 HomeKit Secure Video 加入 Apple Intelligence，带来视频摘要、自然语言搜索、更智能通知、界面改版和 Matter 能耗报告。我的判断是：这足以让苹果智能家居摄像头重新进入候选名单，但还不足以反超 Ring 和 Google Nest，短板仍在自动化和跨设备联动。
ChatGPT 份额首次跌破 50%：老大没倒，AI 助手战争换了打法
Sensor Tower 报告显示，ChatGPT 全球 AI 助手份额到 2026 年 5 月底降至 46.4%，首次低于 50%，但月活仍超 11 亿，还是第一。Gemini 靠 Google 生态分发追到 27.7%，Claude 靠生产力口碑和 13% 付费转化率站稳 10.3%。这不是 ChatGPT 衰落，而是 AI 助手竞争从模型声量，转向入口、信任、付费和分发能力。
皮查伊在斯坦福被嘘：学生不是反 AI，是在查 Google 的合同
Google CEO 皮查伊在斯坦福毕业典礼演讲时，遭约 200 名毕业生退场和现场嘘声。抗议焦点不是泛泛反 AI，而是 Project Nimbus、ICE，以及 Google 把云和 AI 能力卖给军方与执法机构。真正要看的，是 AI 巨头会不会给政府客户设边界，还是继续用“造福人类”覆盖所有合同。
Meta 给 Facebook 搜索加了 AI，但真正被改写的是公开发言
Meta 在 Facebook 搜索中加入 AI Mode，和 People、Marketplace 等模式并列，答案来自 Facebook、Instagram、Threads 等公开内容，并支持继续追问。 它不是独立搜索引擎，也不是读取私密帖子的证据；真正的变化是，公开发言被平台重新打包成可回答、可分发的 AI 资产。 普通用户要重新理解“公开”的代价，创作者则要盯紧来源标注、流量回流和语境保留。
一个老程序员说“I love the computer”：他反感的不是电脑，是 AI 生意
Michael Enger 借 Chris Person 在播客里的“I love the computer”，回看自己从 IBM 486、纸质电脑杂志、早期 Web 到编程职业的路径。文章真正的判断不是怀旧，而是区分：计算机文化仍值得热爱，正在败坏它的是广告、围墙花园和把开源劳动打包出售的 AI 商业激励。对开发者和创作者来说，接下来要看的不是模型口号，而是授权、退出机制和可替代工具是否还在。
《Disclosure Day》最不现实的地方：外星人视频播出后，人类竟然信了
404 Media评论的是斯皮尔伯格新片《Disclosure Day》，不是一次真实外星人披露；本文涉及关键情节剧透。它抓住的漏洞很准：在AI视频、阴谋论和媒体信任下滑之后，外星人公开视频更可能被当成造假、宣传或噪音。真正受考验的不是外星人叙事，而是视频证据还能不能让人形成共识。
白宫想把 AI 联邦优先权和 KOSA 打包，Big Tech 的交易变难了
白宫正考虑把 Big Tech 想要的 AI 联邦优先权，和参议员 Marsha Blackburn 版本的 KOSA 绑定推进，但目前仍是谈判和泄露方案。Big Tech 要的是全国统一 AI 规则，代价可能是接受更重的儿童安全责任。真正的卡点在国会：两院版本不一、民主党未必买账、暑期休会前窗口很窄。
本地大模型能替代 Claude 写代码了吗？开发者的答案开始分叉
Hacker News 上一场关于本地大模型编码的讨论显示，个人项目已经有人取消 Claude/GPT 订阅，改用 Qwen 3.6、Gemma 4 等约 26B-35B 模型。但在职业开发场景，多数反馈仍认为本地方案难以全面替代 Sonnet、Opus 等前沿模型，差距不只在模型质量，也在硬件、上下文、速度和工具链体验。真正的判断不是“能不能跑”，而是省钱、隐私和可控性是否足以抵消返工、配置和维护成本。
把 AI 编码代理关进 Git：一个 homelab 运维方案的真正价值
一名 homelab 用户把 OpenCode Web UI、Git 权限隔离和 GitOps 部署串成了一套个人 AI 开发平台，用来维护十来个 Docker Compose stacks 和配置变更。它的价值不在于让 AI 自动运维，而在于把 AI 编码代理限制在 feature branch 和 PR 审核里，让省时间与控风险同时成立。短板也清楚：AI 看不到真实服务，CI 日志反馈受 Forgejo Actions API 限制，闭环还不完整。
Meta 被成人视频公司告了：AI 数据饥饿，不能靠“员工摸鱼”糊弄过去
美国加州北区联邦法官驳回 Meta 撤诉请求，允许 Strike 3 Holdings 继续起诉 Meta 涉嫌通过公司 IP 批量 BT 下载并传播 2396 部成人视频。 Meta 尚未被判侵权，法院也未认定这些视频被用于 AI 训练；但法官认为“员工个人行为”的解释难以令人相信。 这案子刺中的不是成人视频猎奇，而是 AI 公司数据来源的审计问题：公司吃下规模红利，就不能出事后把账切给个人。
Claude Mythos/Fable 下线：Anthropic 输在一道越狱题之外
Axios 披露，Claude Mythos/Fable 被暂停访问，牵涉美国政府出口管制、jailbreak 风险，以及 Anthropic 与政府部门之间的信任摩擦。Anthropic 仍称触发事件是“潜在的狭窄、非通用 jailbreak”，并未承认存在 universal jailbreak。真正的变量不是某个补丁能不能写出来，而是前沿 AI 公司能否把安全证明、政策沟通和监管信任放进同一套系统里。
Salesforce 36亿美元买Fin：客服AI先进入巨头收编期
Salesforce宣布以36亿美元收购AI客服平台Fin，交易预计在Salesforce 2027财年第四季度完成，约为自然年2027年前几个月。官方说法很明确：Fin团队和技术会用于增强已有的Agentforce，而不是另起炉灶。真正值得看的是，企业AI代理的竞争正在从“模型多强”转向“能不能接管流程、算清ROI”。
手摇 AI 是个笑话，但它戳中了云端 AI 的三根软肋
CrankGPT 更像一个讽刺概念页：手摇、脚踏供能，本地私有运行 AI，卖点是不用 Wi-Fi、不怕宕机、不把数据交给大公司。它真正有意思的地方，不是硬件是否可行，而是把 AI 的算力依赖、能源账单和平台定价权摆到台面上。对开发者和独立创作者来说，重点不是立刻逃离云端，而是别把数据、接口和工作流全押在单一平台。
13 个词操纵 AI 搜索？真正危险的是答案里的信任外包
康奈尔一篇预印本研究显示，在 Reddit、Wikipedia、Quora 等 UGC 内容里插入短至 13 个词的相关文本，就可能影响 ChatGPT、Google AI Search 等深度研究代理的回答与引用。研究没有污染真实 Reddit，而是在沙盒检索层测试机制。麻烦不只是垃圾内容变多，而是 AI 搜索把社区文本当信任来源，又把这种信任放大成了答案。
Sarvam融资2.34亿美元：印度AI独角兽真正卖的是什么
Sarvam以15亿美元估值完成2.34亿美元融资，HCLTech投入1.5亿美元并担任领投战略投资方。它还不是印度版OpenAI，但这笔钱说明，本土基础模型、印度语言AI和政府企业场景，正在变成可采购的生意。接下来要看的不是估值，而是交付成本、客户复购和HCLTech能带来多少真实项目。
OpenRouter Fusion API：多模型会诊来了，但账单也会一起变复杂
OpenRouter 展示 Fusion API，模型 slug 是 `openrouter/fusion`，一次提示会交给多个专家模型并行分析，再由 judge 模型整合答案。它更适合研究、审阅、复杂决策这类怕错的任务，不适合追求低价单次调用。费用按实际调用的分析模型和 judge 调用累加，开发者需要在 Activity 里核对本次到底跑了哪些模型。
Yam-9把VLM送上轨道：卫星遥感的筛选工作开始前移
2026年4月，Loft Orbital的Yam-9在轨运行NASA JPL的NAVI-Orbital和Google DeepMind的Gemma 3，用自然语言任务识别地球观测图像中的目标。关键变化不是卫星“会思考”，而是部分图像判读和数据筛选被推到轨道端。短期价值在于减少原始数据下传和人工初筛，长期能走多远，要看星座规模、功耗、内存和模型稳定性。
AI竞赛换赛道了：不只拼模型，还要拼刹车、测速和成本
Import AI 461把几条前沿动向放在一起看，信号很清楚：AI行业的分水岭正在从“谁的模型更强”转向“谁能可靠评测、低成本运行，并在失控前建立安全边界”。Sequent的安全焦虑、FrontierCode的高难代码评测、小米的高速推理，都在说明同一件事：参数战还没结束，但已经不够用了。