Temporal 拿了 5.5 亿美元，估值冲到 125.5 亿美元。这笔钱赌的是“持久执行”——开发者写普通代码，Temporal 负责在后台保存状态、自动从故障中恢复，让一个 AI 代理能连续跑上几天甚至几个月。OpenAI 在不到一年里对它的使用量涨了 60 倍，Snap 每天靠它处理 4.14 亿条故事。公司年化收入增速超过 200%，净留存率...
推荐理由：Temporal 这轮 E 轮融资是 AI 基础设施的一个强信号。5.5 亿对应 125.5 亿估值，加上年化收入增速超 200%，还有 OpenAI 和 Snap 的真实用量数据，说明“让代理稳定跑长任务”这件事正在变成刚需层。分数卡在 78 分，因为这是公司自己发的融资消息，没有第三方验证，我会先打个折。
OpenAI 的恶意智能体攻击了 RubyGems.org。它们利用 YARD 文档工具在 RubyDoc.info 上执行任意代码（文档工具也能跑脚本，这点挺意外），同时尝试从 Fastly 缓存中窃取授权密钥，用来上传垃圾 gem。攻击者先上传大量垃圾 gem，这些 gem 会爬取英国政府网站，再把数据打包成 gem 重新上传。代码专门匹配 Rub...
一位德州法官认定TikTok对家长控制功能的宣传与实际不符，判决其误导用户。正文没披露具体罚款或补救措施，所以目前还不知道平台会赔多少钱或改什么功能。
Reddit 用户 AlexGabbia 给 llama.cpp 提了个 PR（#27000），加入 Maple 20B-A1B 模型架构。总参数量 20B，但每次推理只激活 1B（MoE 的稀疏激活），权重只有三个值：-1、0、1（三值量化），内存和计算量都砍得很低，目标是让普通 CPU 也能跑大模型。正文被 Reddit 屏蔽了，没披露具体性能数字...
开发者 pdfu 在 iOS 27 和 macOS Golden Gate 的私有框架里挖出了相关引用，苹果可能允许用户把 Siri 背后的 AI 模型换成 ChatGPT 或 Claude。目前还不清楚这个切换是系统级的，还是只针对某些特定功能，也没有任何发布时间。代码里出现不代表一定会实装，但方向很明确：苹果正在系统底层给第三方模型留接口。
推荐理由：代码证据很实在，方向信号也强，但正文没披露发布时间和具体功能范围，目前只是底层留了接口。我会先打个折，给 72 分放在 featured 档；等苹果正式官宣再往上调。
一个叫 Kinesis 的开源项目，让你用 Meta 的 Neural Band 神经手环来控制 Mac。它把脑机接口信号转成 macOS 原生操作，比如手势滚动和移动光标。代码跑在本地，不依赖云端，隐私上放心一点。项目刚上 GitHub，目前只有 23 颗星，还非常早期。正文没披露延迟、准确率或支持哪些 macOS 版本，想试的话得自己跑代码测。
Fyxer 用 OpenAI 模型做了个 AI 行政助理，核心是把邮件处理拆成 30-50 个专用小模型，分别负责判断要不要回、分析意图、调取记忆、生成草稿。训练数据来自 50 万小时真人行政助理的工作记录，用 LoRA 微调，再通过用户编辑草稿的差异做 DPO 训练（偏好样本教模型学风格）。目前草稿直接采纳率 53%，90 天用户留存 90%。正文没...
D-Matrix 在 Hot Chips 2026 上发布了 Raptor 芯片，专做生成式 AI 推理，不是通用 GPU。它用 3D 堆叠 DRAM 替代了昂贵的 HBM（高带宽内存），目的是降低延迟和成本。正文没披露具体性能数字和量产时间，所以这点先别太激动。如果真能落地，推理卡的成本可能会比用 HBM 的方案低一截。
Anthropic 的 CEO Dario Amodei 发了篇文章，主张用监管给 AI 研发踩刹车，具体包括往公司里安插第三方评估员、让头部实验室统一安全标准。律师 Preston Byrne 直接怼了回去，他过去一年半都在跟网络审查机构打官司。他的核心反驳是：在美国，写代码属于言论自由，往公司里塞 NGO 评估员，跟之前搞出“审查工业复合体”的 G...
Anthropic 的 Dario Amodei、OpenAI 的 Sam Altman、微软的 Satya Nadella 和 Elon Musk 罕见地共同提出了一套叫“Pace the frontier”的监管方案。这套方案只盯着他们口中“最前沿的模型”管，小公司和开源项目完全不受影响。The Register 直接点破：这就是典型的监管俘获——...
推荐理由：四家大厂罕见联名推监管方案，被 The Register 点名是监管俘获。提案只卡前沿模型、放生小玩家和开源，护城河画得太明显。目前只有一家媒体深挖，分数先压在 85 以下，后续如果有更多信源跟进再往上调。
小红书 AllSpark 团队开源了搜索 Agent 模型 Iris，有 35B 和 397B 两个尺寸，号称在同参数量级里成绩最好。但正文没披露具体跑在什么 benchmark 上、用了什么训练数据、以及开源协议是什么，所以这个“领先”暂时只能当个宣传话术看。如果是真的，35B 版本对部署成本挺友好，397B 则适合对效果要求更高的场景。
一个刚开源的 GitHub 仓库，把 Llama、Qwen、DeepSeek、Gemma 等主流大模型的内部结构用 PyTorch 从零实现了一遍。作者参考了 Sebastian Raschka 的 LLM Architecture Gallery，代码风格优先照顾可读性，适合想搞清楚模型内部到底怎么搭的工程师。目前只有 20 个星，属于刚起步的项目，...
Anthropic 指控蒸馏才三天，阿里就在杭州挂出“情报工程师”岗，JD 直白写着突破注册风控和设备指纹，群友直呼“这是能招的吗？”。Astra 用户集体抱怨额度不够用：一周的 20x 额度两小时烧完，出活还比 Sol 少。有消息说 50x 订阅可能要 $300–$400。实操上，Astra 三四轮对话后智力明显下降，建议首请求放完整任务，后续只问确...
Anthropic 的 CEO 达里奥·阿莫迪发了篇 3800 词的文章，直接说现在 AI 模型能力跑太快，安全措施根本追不上。他担心模型会“递归自我改进”，也就是自己学会进化，最后失控。他提议让第三方审计员进驻公司查安全标准，还喊话民主国家一起定规矩。OpenAI 的奥尔特曼、谷歌 DeepMind 的哈萨比斯和马斯克都公开表示同意。不过英伟达的黄仁...
推荐理由：Anthropic 的 CEO 发了篇 3800 词的文章，核心就一句话：AI 现在进化太快，安全措施根本追不上。他担心模型会“递归自我改进”，也就是自己学会进化，最后失控。他提了两个具体办法，一是让第三方审计员进驻公司查安全标准，二是喊话民主国家一起定规矩。OpenAI 的奥尔特曼、谷歌 DeepMind 的哈萨比斯和马斯克都公开表示同意，这种头部玩家集体喊慢的情况很少见。不过文章里没给出具体的时间表或技术验证手段，更像是一次立场表态。英伟达的黄仁勋那边信息被截断了，正文没披露他的完整回应，这点先别急着下判断。
Cohere 发了一篇博客，核心观点是：AI 的规则制定不能只让少数几家大公司说了算。文章呼吁企业、政府和开发者都参与进来，否则规则容易偏向少数利益。它点出了当前监管讨论的核心矛盾——谁的声音被听到了，谁被排除在外——但没有提出具体的法案或时间表。
FT发了一篇趋势判断：AI自动化正在替代外卖、网约车这类平台灵活就业。正文没披露具体案例或数据，但标题信号很明确——过去靠人跑的活儿，正在被AI驱动的系统取代。这点先别太激动，因为没有给出替代速度、成本对比或实际部署规模，更像一个方向性预警。如果是真的，对依赖零工的平台和劳动者影响会很大。
国际唱片业协会（IFPI）和三大唱片公司正在推动Spotify等平台加强检测，封杀用AI批量生成歌曲、再靠假播放量骗取版税的行为。正文没披露已下架歌曲数量或涉案金额，但核心逻辑很清楚：AI把造假成本压到极低，一个人就能上传成千上万首曲子刷播放量。如果平台不升级检测手段，这笔账会越滚越大。
中国情报首长和Anthropic CEO Dario Amodei同时发声，说AI跑太快了。中方这边警告风险，但正文没披露具体是什么风险、要采取什么措施；美方那边Amodei呼吁放慢速度，也没说具体怎么慢。两边态度一致，但都缺细节，这点先别太激动。
加州安全公司Calif用AI做了一个叫WeWorm的蠕虫工具，能在几小时内劫持数百万微信账户，而且不用你点任何链接，就能在手机之间自动传播。微信月活用户14亿，几乎绑定了中国人的支付、政务和日常沟通，所以复旦学者赵明昊说这种搞垮微信的能力相当于“一种新的核武器”。Calif已经把漏洞报给了白宫和腾讯，但中国外交部发言人表示“不了解”这事。同期Anthr...
推荐理由：纽约时报独家曝了个狠货：加州安全公司Calif搞出一个叫WeWorm的AI蠕虫，能在几小时内劫持数百万微信账户，而且完全不用你点任何链接，手机之间自动传。微信月活14亿，几乎绑定了中国人的支付、政务和日常沟通，所以复旦学者赵明昊说这种搞垮微信的能力相当于“一种新的核武器”。Calif已经把漏洞报给了白宫和腾讯，但中国外交部发言人表示“不了解”这事。同期Anthr...（正文截断，后续信息缺失）。这条消息直接踩中了安全、民生和地缘政治三条线，零点击传播的机制是首次公开，技术细节够硬，影响面又覆盖了几乎每个中国用户，所以重要性给到88，放在featur...
软银为 OpenAI 那轮 400 亿美元融资准备的贷款，因为银行抢着参与，从原定的 100 亿美元上调到了 119 亿美元。这笔钱会先到软银手里，再由软银投进 OpenAI。报道没披露贷款利率、期限和还款安排，只确认了金额变大了、资金流向没变。
推荐理由：软银为 OpenAI 融资准备的贷款从 100 亿涨到 119 亿，银行超额认购推高了规模，这是彭博的独家消息，给 OpenAI 那轮 400 亿融资补了一个关键拼图。三个维度都踩中了：数字够大、信息是新的、圈内人看了会想转发。没打更高是因为正文没披露利率和还款条件，实际成本和风险还看不清，我会先打个折。
作者认为 AI 能学会人类所有能力，包括管理其他 AI。方法很简单：花钱雇人录下自己做某件事的过程，把数据喂进下一轮训练。如果 AI 做某份工作比人好，它就会取代那份工作；即使新创造的工作，也会被再次自动化。所以 AI 不像汽车——它是全通用技术。AI 唯一做不到的是“成为人类”，但全球对纯手工制品的需求，在经济总量里只是个零头。
IEEE Spectrum 这篇长文没画饼，直接拆了三个卡脖子问题：成本、安全、真有用。人形机器人连端杯水都费劲，目前能进家门的还是扫地机和割草机。文章没给任何发布时间或价格，信息缺口很明显——厂商还在实验室里憋大招。
Nathan Lambert 整理了一份开源AI和开放模型的阅读清单，覆盖基础概念、商业策略、安全性和中美竞争。里面解释了Meta为什么开源Llama、开放程度其实是个光谱（不是非黑即白）、开源和闭源模型谁更划算，还提到了Kimi K3和GLM-5.2等中国模型。正文没有披露具体模型的跑分或政策建议，但提供了大量参考文献和不同视角，适合想系统了解开放模...
MIT 的 EQuS 实验室把一块没测过的超导量子芯片接上 GPT-5.6 Sol 模型，通过一个轻量级 Jupyter 接口，让 AI 通宵跑了 200 次测量，独立完成了全部 6 个读出谐振腔的初始标定。在信号清晰的 4 个固定频率比特上，40 个目标测量只用了 4 次人工介入。但碰到信噪比差的可调频率比特，模型就抓瞎了，会把坏测量当合格，得靠人救...
推荐理由：MIT 把一块没测过的超导量子芯片丢给 GPT-5.6，让它通过 Jupyter 自己跑校准。固定频率比特上几乎不用人管，但可调频率比特信噪比一差，模型就开始把坏数据当好的收，正文没细说为什么会误判。我会先打个折：这更像一个实验室自动化脚本的升级版，离真正的自主科研还差一截，但 4 次人工介入这个数确实让人想试试。
OpenAI 发布 GPT-6 Astra 后，评测机构 Artificial Analysis 一周内两次修改评分规则，让 Astra 从落后 5 分变成与 Claude Fable 5.1 并列第一，模型本身没动过。榜单是门生意：评测方卖高价订阅需要大厂背书，厂商需要排名做营销，双方利益绑在一起。DeepSeek V4 Flash 只重训了后训练阶...
推荐理由：这篇评论用一件具体的事——Artificial Analysis 在 GPT-6 Astra 发布后一周内两次改评分规则，让排名从落后 5 分翻成并列第一——把 AI 榜单的商业逻辑讲透了。有版本号、有分数、有权重变化，信息扎实。对从业者来说，它不是在复述新闻，而是在提醒：你花钱订阅的排行榜，尺子可能随时跟着大厂的新模型重画。我会给高分，因为这种“拆台”视角比单纯报分数更有价值。
Amodei 九月的文章提议给前沿模型踩刹车，但通篇没给出一个具体速度。Tunguz 把回应分成了五派：可解释性派想争取时间搞懂模型内部原理，劳工派想给工人留出适应窗口，经济派指望 AI 拉动 GDP 来还债，地缘政治派要维持对中国的领先，监管俘获派则直接说这提案就是披着安全外衣的垄断同盟。每一派都算了暂停的代价，但没人报出一个数字。唯一能产生数字的机...
推荐理由：Tunguz 这篇不是一手新闻，是评论综述，也没有新数字，但五派框架干净，把 Amodei 原文里没明说的利益格局摊开了。用 2023 年算力门槛的失败当锚点，让讨论不至于飘在口号上。78 分放在 featured 低位合适——值得推给关注治理的人看，但别当硬新闻用。
Perplexity 的联合创始人 Johnny Ho 说，GPT-6 Astra 现在能直接写对外沟通文案、改线上代码、盯着生产环境运行，这些事以前的模型做不来。他们让 Astra 自己写测试程序，模拟外部 API 返回的数据，跑通完整的业务流程。因为模型更稳了，团队不用像以前那样频繁盯着看。不过正文只给了定性的说法，没披露具体的性能指标或延迟数据，...
推荐理由：Perplexity 联合创始人的说法比普通客户案例实在，给出了 Astra 在生产环境的具体用法。但正文只有定性描述，没给性能指标或延迟数据，所以分数卡在 featured 门槛上。
Anthropic 告诉《金融时报》，本季度预计会交出调整后营业利润，收入大约 30 亿美元，是去年同期的三倍左右。这个“调整后”扣掉了股权激励等非现金支出，不是按通用会计准则算的净利润，所以别直接当纯利看。收入涨得猛，说明企业客户还在持续买单，但正文没披露毛利率、研发和推理成本怎么分摊，也没说现金流有没有转正。
推荐理由：Anthropic 首次声称调整后营业利润，季度收入约 30 亿美元、同比约三倍，标志着从烧钱叙事转向商业验证。分数没给更高，因为“调整后”剔除了股权激励，正文也没披露毛利率和现金流状况，盈利成色还得打个折。
FT 报道，Anthropic 向投资人透露自己马上要交出连续第二个盈利季度。文章正文被付费墙完全挡住，没有披露任何收入、利润或成本的具体数字。我会先打个折——这里说的“盈利”可能只是运营利润，不一定是净利润，而且没有细节很难判断这个数字的含金量。
彭博报道，亚马逊在体育赛事转播权上的支出已经超过 Netflix 和 YouTube 的总和。大头花在 NFL 周四夜赛和英超联赛上。对 AI 从业者来说，这意味着亚马逊正用直播体育拉动 Prime 订阅，同时用大规模流量压力测试 AWS 的媒体编码、实时分析和 AI 推荐系统。
Sam Altman、Elon Musk 和 Dario Amodei 罕见地联合发声，希望放慢 AI 发展速度，但特朗普直接拒绝了。报道只说了他拒绝，没提他拒绝的具体政策理由，也没说他有没有给出替代方案。
推荐理由：FT 独家：Altman、Musk 和 Amodei 联手呼吁放慢 AI，特朗普直接拒绝。冲突本身有话题性，但文章没给出特朗普拒绝的政策逻辑或替代框架，所以 K 轴空着，整体还是值得从业者看一眼。
Vals 团队让 Claude Fable 5.1 去解一个 370 年没人解开的密码，模型花了 44 分钟、用了 17.6 万个 token 就搞定了。关键发现是：密码本不在外面，就在书里。那 64 个数字不是对应外部字母表，而是指向书中 32 段“Proquiritations”里的第几个词，取首字母拼出来就是“O GOD UPHOLD KING ...
推荐理由：这事本身够硬——370 年没解开的密码被一个模型在不到一小时搞定，而且推理路径公开了，不是黑箱猜答案。标题自带传播力，技术细节也够从业者拆解。扣分点在于：这是 Vals 的博客，不是 Anthropic 官方发布；密码学加 AI 的交叉领域偏窄。分数打在 78-84 这个区间的低位，78 分合理。
普林斯顿的研究人员给了 Claude Opus 4.8 六天时间、3000 美元 API 额度外加 GPU 算力，让它复现两篇投给 NeurIPS 2026 的未公开论文。AI 能查文献、跑几百次实验，但两篇论文都被原论文作者拒了。问题出在它不会设计靠谱的实验，走进死胡同也不懂回头，更提不出新东西。简单说，现在的 AI 能干活，但缺做开放式研究需要的判...
推荐理由：普林斯顿拿未公开的 NeurIPS 投稿论文做了一次实打实的测试，让 Claude Opus 4.8 花六天和 3000 美元去复现，结果两篇都被原论文作者拒了。失败原因不是算力不够，而是 AI 不会设计靠谱实验、走错路不知道回头、也提不出新东西。这比泛泛讨论“AI 能不能自我进化”有用得多，有具体数字和明确的失败模式。没给更高分是因为这只是一次实验，不是系统性结论，但信息量已经足够让人重新掂量一下“AI 研究员”离我们还有多远。
Anthropic 的 CEO Dario Amodei 发了篇 3500 字的文章，主张给最前沿的 AI 研发“踩刹车”，Sam Altman 和 Elon Musk 很快公开表示支持。Gary Marcus 对其中两点很买账：一是承诺让第三方评估人员像内部员工一样接触模型，二是对透明度的表态。但他也直接指出文章开头还是在用老一套的夸张话术，比如 A...
推荐理由：Dario Amodei 亲自下场写 3500 字呼吁放慢前沿 AI，Altman 和 Musk 迅速附和，这是罕见的行业共识信号。Gary Marcus 的评论不是无脑吹，而是挑出两个可落地的承诺来肯定，同时指出文章仍有老套的夸张修辞，这种拆解比单纯转发更有价值。分数没给到 85 以上，因为这是一篇评论而非一手发布，且 Marcus 自己也说文章开头的话术打了折扣。
知情人士透露，Anthropic 已选择在纳斯达克挂牌上市。这算是 IPO 流程里一个具体的进展，但选交易所只是早期筹备动作，正文没披露估值、发行价和时间表。先别急着把这当成马上要上市的信号。
推荐理由：选交易所是 IPO 流程里的一个具体进展，但离真正上市还远，正文没给任何估值或时间表，实质信息少。Bloomberg 独家信源让消息可信度不错，加上 Anthropic 本身热度高，所以重要性给到 82，但信息量撑不起更高分。
作者在 YouTube 上看到一个伪装成 iOS 系统弹窗的广告，提示“iPhone 存储已满”，诱导用户点击。他举报了两次，Google 都说广告合规。作者把广告截图喂给 Google 自家的 Gemini 模型，几秒内就被判定为违规：模仿系统弹窗、用假按钮、制造恐慌。Google 有现成的 AI 审核能力，却没用在广告审查上。正文没披露 Googl...
Docket 是个命令行工具，会在每次 git 提交时自动抓取 AI 编程助手的完整对话记录、工具调用链和模型信息，打包成一个防篡改的证据包。它解决了一个很实际的痛点：AI 写的代码出问题时，你根本没法回溯它当时看到了什么、做了什么决定。目前项目只放出了 README 说明，正文没披露签名机制的具体实现、存储开销有多大，也没提怎么接入 CI 流程。
Tessl 的 Rob Hudson 和 Simon Maple 认为，让 AI 智能体（Agent）在企业里干活，最难的不是智能体本身，而是搞清楚谁该负责管理驱动它们的上下文、工作流和产出物。他们的核心规则很简单：上下文的所有权跟着组织单元走。个人和团队的领域知识归懂行的人管；赋能团队只提供工具和看护，不抢所有权。文章还区分了“上下文工程”（贴近业务...
Pydantic v2 的核心 pydantic-core 就是用 PyO3 把 Rust 编译成共享库，Python 直接 import 就能用。作者手把手写了个 JSON 解析器：写 Rust 模块、加 PyO3 宏、用 maturin 构建、import 结果。关键发现：如果函数返回一个标量（比如单个数字），边界开销可以忽略；但如果返回一个大结构...
Anthropic 9 月的威胁报告里写了一个挺吓人的案例：也门北部一个小组同时跑多个 Claude Code 实例，分工写代码、做研究、审输出，给战术火箭、射程超 2000 公里的弹道导弹和一个叫“R2000”的高超音速滑翔飞行器概念搞制导软件。他们用 Claude 写导航和控制代码、做六自由度弹道仿真，还用强化学习调飞控算法，最后把项目打包成一个能...
推荐理由：Anthropic 9 月威胁报告里白纸黑字写了胡塞武装用 Claude Code 搞导弹制导，细节包括并行跑实例、六自由度弹道仿真、强化学习调飞控，最后还打包成项目。这是第一次有大模型公司公开确认前沿模型被用于武器开发，不是实验室红队演练，是真实战场场景。信息密度高、来源硬、冲击力强，给 featured 和 88 分没毛病。