插画师、作家和音乐人正在对 Google、Meta、Anthropic 等公司提起版权诉讼。文章追踪了最近的案件进展：一些法院驳回了科技公司要求撤诉的动议，让官司得以继续推进。艺术家们对胜诉的信心比之前高了一些，但对 AI 的整体走向仍然悲观。正文没披露具体的赔偿金额或和解细节。
推荐理由：一篇版权诉讼进展的汇总，亮点在于法院驳回了科技公司撤诉的动议，让案子能继续打。艺术家信心涨了一点，但对 AI 整体走向还是悲观。我会先打个折：正文没给赔偿数字或和解细节，所以只能当趋势信号看，别当深度法律分析。
扎克伯格对《金融时报》说，美国不该封禁中国的 AI 模型。他点名 DeepSeek 和字节跳动，说这两家动作很快，但 Meta 的 Llama 系列在开源模型里还是领先的。他的核心逻辑是：如果美国公司被挡在中国市场外面，那中国公司就会拿下全球其他市场。文章没提他具体想要什么政策，也没说时间表。
推荐理由：扎克伯格在《金融时报》的独家表态有新闻性，直接点名中国公司让话题更具体。但整篇就是站队发言，没给政策建议也没时间表，信息增量有限，所以分数打78，别指望太高。
谷歌最新财报显示资本支出又跳涨了一截，盘后股价直接跌了近 5%。市场担心的不是技术不行，而是砸了几千亿美元建数据中心之后，还没看到明确的回报时间表。文章点名谷歌、微软、Meta 都在加码，但谁也没给出盈利路线图。我会把这次下跌看作市场情绪在降温，而不是崩盘信号。
推荐理由：谷歌盘后跌近 5% 不是崩盘，但它是市场第一次用股价表达对 AI 资本开支的不耐烦。文章没给新数据或独家爆料，纯做情绪解读，所以分数没拉满。我会先打个折：这更像降温信号，不是转向信号。
7月24日，英伟达、Meta、微软等25家硬件商、云厂商和风投联名发公开信，主张开放权重模型是美国AI领先的关键。OpenAI和Google在周末补签，Anthropic和Amazon没签。各家的生意经很直白：卖硬件的想拉动更多私有算力需求；Meta要用Llama绑定开发者工具链；a16z和YC投的初创公司付不起闭源API每百万token 15美元的费...
推荐理由：一封公开信把美国AI行业的派系地图画了出来，每家签字方的算盘都摊在桌上。Anthropic拒绝签字和Dario的后续回应让故事有持续张力。扣分是因为这是二手分析，不是一手爆料，而且部分判断依赖公开表态，没有内幕佐证。
FT的报道说，美国科技公司今年一边裁掉约14万个岗位，一边把资本支出拉到了2150亿美元，大部分砸向AI基础设施。Meta、亚马逊、微软、Alphabet都在疯狂买数据中心和芯片，但非AI团队在收缩。文章没具体说裁的是哪些岗位，不过方向很明确：钱和人都在往AI挪，其他业务线在收紧。
推荐理由：FT用两个数字把AI扩张和非AI收缩的剪刀差讲得很清楚。HKR三项都踩中了。分数卡在78，因为正文被付费墙挡着，看不到具体裁了哪些岗位、各家怎么分摊这14万和2150亿，信息有缺口，没法给更高。
英伟达、微软和Meta联合向特朗普政府表态，反对对开放权重模型（也就是把训练好的模型参数直接公开、允许大家下载微调的那种）施加出口管制或许可要求。他们的核心论点是：管得太早会伤到美国的开源生态，反而把优势拱手让给竞争对手。报道没列出具体的政策提案，但三家态度很明确——别锁太快。这三家都靠开放模型赚钱，立场不意外，但三家一起站出来施压还是值得留意。
推荐理由：英伟达、微软和 Meta 联合向特朗普政府喊话，反对对开放权重模型加出口管制或许可要求。核心逻辑是管太早会伤美国开源生态，把优势送给对手。报道没列出具体政策提案，但三家一起站出来，说明内部讨论已经到了企业必须公开表态的阶段。我会先打个折：这三家都靠开放模型赚钱，立场不意外，但联合施压的时机值得留意，政策窗口可能比外界想的更紧。
英伟达、Meta、微软、Mistral 和 Hugging Face 等公司发了一封公开信，劝美国政策制定者别急着对开放权重模型（也就是把模型参数公开、允许大家自由下载微调的那种）搞大范围限制。这封信的背景是华盛顿正在琢磨怎么回应中国 AI 实验室——美方怀疑他们用“蒸馏”技术从美国模型里学东西，把能力差距拉近了。不过信里压根没提中国，只说开放模型对创...
推荐理由：一群顶级 AI 公司联手反对美国可能对开放权重模型搞出口管制，阵容够硬，时机也敏感。信里绕开了中国，但谁都知道这是在回应中美 AI 角力。分数没给更高是因为这本质上是政策游说，不是技术突破，正文也没披露具体管制方案会怎么落地，先别太激动。
微软发起了一封公开信，NVIDIA、Meta、Palantir、Hugging Face 等 20 多家公司都签了名，核心诉求是让政策制定者别过早限制开源模型的权重公开。信里特别提了一句，要把正常的模型蒸馏（用大模型教小模型）和恶意盗用区分开，别一刀切。有意思的是，OpenAI、Anthropic 和 Google 这三家做闭源大模型的公司全都没签字。...
推荐理由：20 多家公司联名反对过早限制开源权重，这事本身信号很强，但正文没附上完整信函，也没给出具体政策条文或时间线，所以判断先打个折。阵营缺席比签字名单更有信息量：OpenAI、Anthropic、Google 全都不在，说明闭源和开源两边的博弈已经摆上台面。蒸馏和盗用的区分是个实在的政策抓手，但信里没展开技术细节，落地效果还得看后续。
作者拿 GPT Sol High 跑了 200 道加法，错了一道。模型不是在算，是在猜下一个数字长什么样。ChatGPT 能算对，是因为外面的程序把题目丢给了 Python 脚本。文章顺着这个思路拆了另外三个老毛病：知识停在训练截止日，靠外挂资料库（RAG）补；上下文窗口有限；模型骨子里还是有毒。真正的进步不在模型本身，而在包在它外面的那层工具。
推荐理由：这篇文章从一道加法错题切入，把大模型四个老毛病——算数靠猜、知识过时、记性短、骨子里有毒——挨个拆了一遍。作者没写公关稿，直接说进步来自外挂工具而不是模型本身，对天天用 AI 写代码的人是个清醒提醒。我会先打个折：正文没给毒性测试的具体样本，但实验部分和判断够实在，值得放在推荐位。
路透社这篇报道说 Alphabet 的自由现金流缩水得很厉害，主因是 AI 基础设施砸钱太猛。这对 Meta、微软、亚马逊是个预警——大家都在往 AI 里灌钱，但市场在担心回报什么时候能跟上。正文没披露具体的烧钱数字和同比变化，我会先打个折看这个信号：不是说不该投，而是投的速度和回血速度已经出现明显错位了。
推荐理由：路透用 Alphabet 现金流吃紧给大科技公司的 AI 军备竞赛敲警钟，比单独报资本开支更有穿透力。正文没给具体烧钱数字和同比变化，所以重要性没拉到 85 以上，但警示、知识和相关性都站得住。
Meta 打算把自己建的数据中心算力直接租给 Anthropic，用来训练和跑模型，合同金额可能高达 100 亿美元。如果谈成，Anthropic 会成为 Meta 目前最大的外部数据中心客户，Meta 也能把砸在 AI 基础设施上的钱更快变现。不过谈判还在进行，最终规模、机架数量和交付时间都没公布。
推荐理由：FT 独家消息：Meta 和 Anthropic 在谈一笔最高 100 亿美元的数据中心租赁交易。Anthropic 会用 Meta 的算力来训练和跑模型，成为 Meta 最大的外部数据中心客户。三条线都踩中了：Meta 给对手供算力本身就自带反差感；百亿级别的合同体量够大；而且这笔交易会直接改写 Anthropic 算力来源的行业叙事。正文没披露最终规模、机架数量和交付时间，所以具体落地节奏还得再等等看。
GPT-5.6 系列包含 Luna、Terra 和 Sol 三个模型，每个模型都提供从“轻度”到“最大”五档思考强度，以及一个 Ultra 模式。Ultra 模式会让模型大量派生子智能体来干活，非常消耗使用额度。OpenAI 还把 macOS 版 ChatGPT 和 Codex 应用合并成了新的 ChatGPT Work 应用，并推出了一个叫 Chat...
推荐理由：GPT-5.6 正式上线是本周最大的产品新闻之一，三模型加 Ultra 的设定值得从业者关注。扣分是因为这是一篇教程复盘而非官方发布公告，而且正文被截断，关键细节缺失，信息不够完整。
837号令把对外投资监管升格了，核心变化就三个：个人也被管、人员跨境服务算技术出口、新增境外投资安全审查。起因是发改委叫停了Meta约20亿美元收购Manus的交易，穿透了它的新加坡注册地，直接追溯技术和人才的中国源头。对境内公司，出海退出要过五层审查，常规VIE上市和融资还能走，但得把境内外研发做物理隔离，合同里预留6到12个月审批期。对已迁海外的公...
推荐理由：这篇分析用Meta收购Manus被叫停的案例开场，把837号令的核心变化讲得很具体——个人也被管、人员跨境服务算技术出口、新增安全审查。对从业者最有用的是实操建议：VIE架构还能走但要做物理隔离、合同里预留6到12个月审批期。没给更高分是因为这是单一信源分析，没有交叉验证其他案例或官方解读，部分判断依赖对政策意图的推测。
Meta 周二在 Instagram 上线了 AI 生图工具 Muse Image，允许任何人用公开账号的内容生成 AI 图片，而且用户被默认加入，不用事先同意。这个设定立刻引发隐私争议，Meta 承认“没把握好分寸”，几天后就把功能撤了。好莱坞工会 Sag-Aftra 和 Privacy International 都公开批评，前者说这是对公众情绪的...
推荐理由：Meta 的产品回滚加上好莱坞工会下场，让这件事从产品失误升级成行业信号。分数没再往上拉，是因为功能已经撤了，正文也没给技术细节，目前只能当一次公开舆论事件来看。
Meta 在 7 月 7 日推出了一个叫 Muse Image 的 AI 图片生成器，其中有个功能是你可以 @ 任何公开的 Instagram 账号，拿对方发的照片当参考图来生成新图片，而且对方完全不会收到通知。这个设计立刻引发大量反对，TechCrunch 还专门出了教程教大家怎么关掉这个功能。Meta 在 7 月 10 日的博客里承认这个功能“没做...
推荐理由：Meta 上线了一个叫 Muse Image 的 AI 生图功能，允许用户 @ 任何公开 Instagram 账号，拿对方照片当参考图生成新图片，全程不通知对方。这个设计立刻炸锅，TechCrunch 专门写教程教人怎么关掉，Meta 三天后发博客承认“没做好”并撤下功能。我会先打个折：正文没披露具体影响用户量或技术细节，所以重要性停在 78。但这件事的传播链条完整，从上线到撤回节奏极快，对 AI 产品设计里的默认同意问题是个很直观的案例，值得放进精选。
7 月 8 号 Meta 在 Instagram 私信里塞了个叫 Muse 的功能，用户给 @MetaAI 发一句“imagine me as [某个公开账户]”，就能生成一张模仿对方风格的假照片。两天后因为反对声太大，Meta 把这功能关了。发言人只确认功能已下线，没解释原因。文章没披露到底有多少人用过、有没有造成实际伤害，看起来更像是一次快速试水被...
推荐理由：Meta 在 Instagram 私信里上线了一个叫 Muse 的功能，用户发一句“把我想象成某个公开账户”就能生成模仿对方风格的假照片，两天后因为反对声太大紧急关停。这事反转够快，天然吸引点击，但文章没披露实际使用数据和伤害案例，信息量偏薄。我会先打个折：话题性拉满，可验证的事实太少，只能给到 featured 的下沿。如果是真的没造成什么实际伤害就还好，但平台这种先上线再灭火的试探方式，本身就值得安全方向的人留意。
扎克伯格否认 Meta 算力建多了，说内部资源全是满负荷在跑。但他也承认，现在外面租算力的出价太高，把部分 AI 基础设施租出去，财务上反而更合理。Meta 正在筹划一个代号“Meta Compute”的云业务，两条腿走路：一是像 AWS Bedrock 那样托管自家模型收费，二是像 CoreWeave 那样直接出租裸算力。他拿 SpaceX 举例，说...
推荐理由：扎克伯格首次回应算力过剩争议，还带出一个具体的云业务计划，信息量够。没给更高分是因为目前只有方向性表态，定价、规模、上线时间都没说，落地前先打个折。
OpenAI 在 7 月 10 日推出了 GPT-5.6 系列，按规模分 Sol、Terra、Luna 三个版本。旗舰款 Sol 在 Agents' Last Exam 上拿到 53.6 分，比 Claude Fable 5 高出 13.1 分，但成本只有后者的四分之一左右。API 定价上，Sol 每百万输入/输出 token 收 5 美元和 30 美...
推荐理由：OpenAI 主版本更新，旗舰模型在关键 agent 基准上领先 Claude Fable 5 超过 13 分，定价又很激进，加上 Codex 并入 ChatGPT 变成超级应用，属于多事件叠加，三个维度都打中了。正文没披露 Sol 的具体参数量，这点先别太激动。
腾讯正牵头一项交易，目的是让 Meta 放弃对 AI 智能体创业公司 Manus 的 20 亿美元收购。Manus 做的是把模型塞进业务流程里干活的智能体产品。目前只有一条标题，正文没披露交易结构、时间表，也没说监管层是什么态度。这点先别太激动，等更多细节出来再说。
推荐理由：FT 独家爆料腾讯牵头让 Meta 放弃对 Manus 的 20 亿收购，猎奇性和行业影响都拉满。但正文只有标题，交易怎么拆、谁出多少钱、监管批不批全都没说，知识增量几乎为零。所以 H 和 R 给满，K 直接挂零，总分卡在 featured 门槛 72 分。等有更多细节再重新评估。
扎克伯格亲自在 X 上官宣了这个模型，通过新的 Meta Model API 开放。它的核心思路是让模型自己把复杂任务拆给多个子 agent 并行干，还能跨设备控制图形界面。上下文窗口给到 100 万 token。在 4 个 agent 类基准上拿了第一，其中 JobBench 从上一代的 17.0 分直接跳到 54.7 分，翻了 3.2 倍，说明在模...
推荐理由：Meta 发了个带 agent 能力的主力模型，扎克伯格自己站台，JobBench 分数暴涨 3.2 倍，数字够硬。100 万 token 上下文和跨设备 GUI 控制说明不是只刷榜，有产品落地意图。扣分点：正文没提价格和延迟，实际用起来划不划算还得等上线后自己测。
Meta 超级智能实验室推出了 Muse Spark 1.1，相比上一代在工具调用、电脑操作和写代码上提升明显。这个模型能直接上手没见过的工具和 MCP 服务器（一种让模型调用外部服务的协议），不需要额外训练。它支持 100 万 token 的上下文窗口，能记住之前干过什么，还会主动压缩记忆，只保留关键步骤。做复杂任务时，它可以自己当主控，把活拆给并行...
推荐理由：Meta 超级智能实验室把 Muse Spark 1.1 推出来了，工具调用、电脑操作和写代码都比上一代强，最抓人的是它不用额外训练就能上手没见过的工具和 MCP 服务器，还带 100 万 token 上下文和主动记忆压缩。正文没给基准对比和定价，所以分数先压一压，但 agent 开发者肯定会拿它跑测试，开源也让验证门槛变低。
Meta 在 7 月 7 日上线了 Muse Image，一个由旗下 Superintelligence Labs 做的免费 AI 生图工具，可以在 Meta AI 应用、Instagram 快拍和 WhatsApp 里用。功能本身跟主流生图工具差不多，还提供预设提示词帮你起头。争议点在于：你可以在 Instagram 上 @ 任何公开账户，直接把对方...
推荐理由：Muse Image 上线本身是个常规产品动作，但用户对照片被用于训练的反弹来得又快又猛，让这件事有了超出产品发布的社会情绪价值。技术细节没给，知识分上不去，刚好卡在 featured 门槛。
Meta 的超级智能实验室放出了 Muse Image 和 Muse Video，这是他们头一批媒体生成模型。Muse Image 主打听话出图，能按指令精确生成、编辑图片，还能参考多张图来构图，并且会读 Instagram 上的社交信息当上下文。它还能调用工具干活，集成了一个叫 Muse Spark 的东西，具体是什么正文没细说。Muse Video...
推荐理由：Meta 的超级智能实验室头一回发媒体生成模型，Muse Image 主打听话出图和读 Instagram 社交信息，Muse Video 正文没展开。有个叫 Muse Spark 的工具集成进去了，但具体是啥没说，实际出图出视频的质量也没给例子。我会先打个折，给 78 分，等看到真东西再调整。
Reddit 自己发博客说，他们用大语言模型（LLM）做了新的反垃圾工具，每天能拦截 2300 万次垃圾内容曝光，并揪出约 2.5 万条新的垃圾帖子和评论。这些工具专门抓那些更隐蔽、有组织的假互动和人工刷量行为——老系统以前根本看不出来。效果上，今年 1 到 3 月用户撞见垃圾内容的概率比上个季度降了 20%。这事有点讽刺，因为现在泛滥的垃圾信息大部分...
推荐理由：Reddit 用大模型做反垃圾工具，每天拦截 2300 万次曝光，用户撞见垃圾的概率降了 20%。标题的讽刺感和具体数字让这条值得一看，但本质上是平台运维升级，不是模型或产品突破，所以放在 featured 档刚好。
《连线》拿到内部文件和五位知情人的说法：Meta 搞了个代号“戛纳”的项目，通过外包公司 Covalen 雇了数百人，让他们在网上建假号、装成 18 岁以下用户，专门去给 ChatGPT、Gemini 和 Character.AI 发诱导性内容。这些内容覆盖自杀、自残、进食障碍和性话题，光一次测试就发了超过 4.5 万条提示词，其中一份表格记录了 37...
推荐理由：《连线》这篇报道有内部文件和五个具名信源撑着，料够硬。Meta 让外包建假号、装未成年人去给 ChatGPT、Gemini 和 Character.AI 发自杀、自残、性话题的诱导提示，光一次测试就超过 4.5 万条，这操作踩中了红队测试的伦理红线。没给更高分是因为目前只有单方面爆料，还没有交叉信源印证，而且 Meta 和几家被针对的公司都还没正式回应，事情可能还有另一面。
扎克伯格自己发帖说，Meta 正在建一个叫 Prometheus 的单一 AI 集群，功率超过一千兆瓦，资本投入用他的原话是“数千亿美元”。他把自己的角色概括成三件事：把顶尖人才、钱和基础设施集中起来。目前正文没披露任何时间表、具体用什么芯片、能效比（PUE）这些关键信息，只有这一句表态。如果是真的，这个体量比现在已知的任何公开项目都大一个数量级，但没...
推荐理由：扎克伯格亲自发帖，点名 Prometheus 项目，千兆瓦级单一集群加数千亿美元投入，比现有公开项目大一个数量级。没有时间表、芯片规格和 PUE，所以分数压在 85 以下，但作为行业信号已经足够硬。
Scaling law 不是物理定律，是一条靠实验拟合出来的曲线，实验条件一变，结论就跟着变。2020 年 OpenAI 的 Kaplan 论文因为实验设置偏差，得出“优先堆参数”的结论，直接塑造了 GPT-3。2022 年 DeepMind 的 Chinchilla 修正了配比，发现每个参数配大约 20 个 token 才划算，小模型多喂数据反而更强...
推荐理由：这是一篇高质量的辟谣和科普。它没有复读“scaling law 失效”的惊悚标题，而是把 Kaplan、Chinchilla 和 LLaMA 三次修正串成一条线，用具体的实验偏差和数据配比说明为什么结论会变。我会先打个折：它属于评论和知识梳理，不是一手产品发布，但信息密度和纠正作用足够强。正文没披露某些最新模型的内部训练细节，但引用的公开论文和数据足以支撑它的判断。
今天最硬核的数据来自对 OpenRouter 上 446 个模型的 token 级流量追踪。Fable 5 被禁的 18 天里，Anthropic 的市场份额从 20.7% 跌到了 17.6%，是唯一一家没跟着大盘增长的大模型厂商。最大赢家是 GLM-5.2，靠着 MIT 开源许可和只有别人十分之一的价格，两周内份额翻了四倍冲到 7.4%。不过先别激动...
推荐理由：这条日报最硬核的部分是 OpenRouter 的 token 级流量追踪，覆盖 446 个模型，直接算出 Fable 5 被禁 18 天里 Anthropic 份额从 20.7% 掉到 17.6%，是唯一没跟着大盘涨的大模型厂商。另一边 GLM-5.2 靠 MIT 开源和只有别人十分之一的价格，两周份额冲到 7.4%。数据对比清晰，结论有冲击力，HKR 三个维度都踩中了。没给更高分是因为来源是群聊日报，原始数据出处和采样方法正文没展开，我会先打个折。
Yann LeCun 在 VivaTech 大会上直接说，ChatGPT 这类大语言模型处理不了真实世界的复杂情况，靠它们实现人类水平的智能走不通。他 2025 年离开 Meta 后创办了 AMI Labs，正在开发一种叫 JEPA 的新架构。JEPA 不靠死记硬背统计规律，而是学习抽象表征，能判断出哪些信息没用、不用瞎猜——比如一根竖着的笔松手后会倒...
推荐理由：LeCun 离开 Meta 后第一次以 AMI Labs 身份在 BBC 上完整讲 JEPA 路线，时机和平台都够分量。没给更高分是因为目前只有方向性描述，没有可跑的模型或基准测试数据，离落地还远，这点先别太激动。
扎克伯格在 Meta 内部员工大会上说，AI 智能体（让模型进业务流程干活的系统）的开发速度没有高管们之前想的那么快。今年早些时候 Meta 裁了约 8000 人，又把 7000 人转岗到 AI 相关部门，但扎克伯格承认这次裁员做得不够“干净”，新架构的好处也还没兑现。他预计未来 3 到 6 个月能看到 AI 投资带来的改善。Meta 今年计划在 AI...
推荐理由：扎克伯格在内部员工大会上的原话，不是新闻稿。他直接说 AI 智能体开发没高管想得那么快，还承认裁员做得不够干净、新架构好处没兑现，这种内部交底比产品发布更有信号意义。给出了 3 到 6 个月的改善预期，加上 8000 人裁撤、7000 人转岗的硬数字，对关注 AI 落地节奏的人是个实在的参照点。信息来自 TechCrunch 独家，不是通稿。扣分项是这只是一次讲话复述，不是产品动作，而且 Meta 的智能体路线图之前已经公开过。
Meta 给约 6000 名员工发了内部通知，说公司内部用 AI 的成本今年要冲到几十亿美元了。员工在大概 30 天里烧掉了 73.7 万亿个 token，之前还有个叫“Claudeonomics”的内部排行榜，变相鼓励大家比谁用得多。CTO 直接说 token 用量不等于实际产出。现在 Meta 要撤掉排行榜，上线一个叫“AI Gateway”的监控...
推荐理由：这篇给了大厂内部 AI 成本失控的罕见内幕，有具体数字（73.7 万亿 token、几十亿美元）和机制（Claudeonomics 排行榜），信息量扎实。扣分是因为它是对 The Information 一篇报道的二次转写，没有独立核实，所以我会先打个折——但核心事实本身足够有冲击力，对从业者是个直接提醒。
Meta 正在筹备一个云基础设施生意，打算对外出售 AI 算力和模型使用权，直接跟 AWS、Google Cloud、微软 Azure 抢客户。几周前 SpaceX 刚把自家 Colossus 1 数据中心的算力租给了 Anthropic，Meta 现在跟进，说明一个趋势：AI 这波竞赛里，最后赚到钱的未必是模型做得最好的公司，而可能是手里有数据中心的...
推荐理由：Meta 卖算力这个信号本身值得关注，切入角度也新鲜，判断也立得住。但正文只有标题和摘要，没给出定价、规模或时间表，信息密度撑不起更高的分数，所以我会先打个折。
Meta 把 Brain2Qwerty v2 的训练代码全开源了，合作方 BCBL 也放出了 v1 的数据集。这套系统让志愿者戴着脑磁图（MEG）设备打字，用端到端的深度学习直接从原始脑信号里解码句子，不靠人工设计的特征提取步骤。在 9 名志愿者、每人录了 10 小时、总共约 2.2 万个句子的数据上训练后，平均单词准确率到了 61%，表现最好的志愿者...
推荐理由：Meta 把 Brain2Qwerty v2 的训练代码全开源了，BCBL 也放出了 v1 数据集。这套系统让志愿者戴着脑磁图设备打字，用端到端深度学习直接从原始脑信号里解码句子，不靠人工设计特征。9 名志愿者每人录了约 10 小时、总共约 2.2 万个句子的数据，训练后平均单词准确率 61%，表现最好的志愿者准确率更高。非侵入式方案做到这个水平，加上代码和数据都公开，对脑机接口和医疗 AI 圈子来说是个值得跟的信号。
Meta 通过外包公司 Covalen 搞了个内部项目叫“Cannes”，至少持续到 2026 年 4 月。承包商注册了生日填成未成年的假账号，向 ChatGPT、Gemini 和 Character.AI 发送涉及自残、进食障碍、毒品等敏感话题的提示词，然后把机器人的回复抄进表格。光 2025 年 8 月一轮测试就发了超过 4.5 万条提示，很多是从...
推荐理由：Meta 用假未成年账号对 ChatGPT、Gemini 和 Character.AI 做了 4.5 万条危机提示的压力测试，规模把这事从“竞品互怼”拉到了安全审计级别。分数压在 85 以下，因为目前只有 the-decoder 一家报了，正文也没说 Meta 有没有把结果同步给竞品或监管，后续影响还看不清。
据《金融时报》报道，Google 对 Meta 使用其 Gemini 模型设置了上限。原因是 Meta 申请的算力超过了 Google 能提供的量。除了 Meta，还有几家客户也受到了影响，但程度轻一些。报道没具体说限制了什么、涉及哪个版本的 Gemini，也没提 Meta 拿这些模型来做什么。
推荐理由：这条消息本身够有话题性——两家巨头在模型供应上直接撞车。但 CNBC 这篇只是转述《金融时报》的报道，所有关键事实都缺失：限制了什么、哪个版本、用途是什么，信息密度撑不起更高分。72 分先放着，等后续有具体细节再重新评估。
Meta 在今年 4 月悄悄上线了一个叫 MCI 的内部项目，直接记录员工敲键盘、动鼠标和屏幕画面，把这些日常工作轨迹拿去训练 AI 模型。项目跑了两个月，6 月下旬被紧急叫停。暂停不是因为监管施压，也不是训练效果不行，而是内部权限配置出了大纰漏——屏幕录像、私人聊天和绩效数据在公司内网几乎裸奔，员工之间都能互相看到。超过 1600 名员工联署抗议，项...
推荐理由：这条消息事实密度高，多个信源交叉验证（WIRED、卫报、BBC 等），而且给出了项目名称、时间线和具体故障点。没给更高分是因为这本质上是公司治理翻车，不是模型或产品发布，对从业者的直接技术参考有限。我会先打个折，停在 82 分。
Meta在2025年已经把大约一半的内容审核请求交给了大语言模型处理，并计划年底前把部分内容类型的AI审核比例推到90%以上。公司说自家模型比人工审核错误少13%，能多揪出10%的违规内容，一年能省下几十亿美元。但内部员工不这么看，他们说模型还是会误删或悄悄限流（影子封禁）无害内容，而且这么快的铺开速度，监管根本跟不上。另外，Meta后台还在做模型切换...
推荐理由：这条消息的核心矛盾很清楚：公司拿省钱和准确率说事，员工拿误删和影子封禁反驳。数字本身有参考价值，但要注意这是二手报道，不是一手内部文件，员工那边的具体案例和模型切换细节正文没展开，所以判断上我会先打个折。对从业者来说，这比单纯宣布AI审核上线有用，因为它暴露了部署速度和监管跟不上的老问题。
Claude Code 的作者 Boris Cherny 在 Meta 的 @Scale 大会上说，继智能体（agent）之后，下一个大动作是“循环”（loop）。简单讲，就是授权一群智能体在后台持续运行，自己找代码里的问题、自己提交修改请求，没完没了地干活。Cherny 自己就跑着两个循环：一个负责优化代码架构，另一个负责合并重复的抽象逻辑。他认为这...
推荐理由：Claude Code 作者在 Meta 大会上把'循环'说成智能体之后的下一个动作，有实际跑着的例子，不是纯画饼。但毕竟只是演讲分享，不是产品发布或论文，信息密度有限，给 72 分刚好。
Meta 内部搞了个叫“模型能力计划”（MCI）的项目，打算收集员工的键盘输入、鼠标轨迹、点击位置和屏幕内容来训练 AI。超过 1600 名员工签了公开信反对，说这事没做完隐私审查，高管自己可以豁免不参加，也没说清楚怎么保护社保号这类敏感信息。信里还翻出旧账：Meta 之前因为明文存密码被欧盟罚了 9100 万欧元，今年 3 月又出过一次 AI 助手给...
推荐理由：1600 多名员工联名反对内部 AI 数据收集，高管豁免、隐私审查没做完，冲突感很强。HKR 三项都踩中了，但毕竟是一封内部请愿信，不是产品发布或政策落地，所以分数压在 85 以下。
Ian Barber 把 Llama 3 和 Nemotron 3 Ultra 的架构图摆在一起对比，发现现在的大模型塞进了好几种不同的注意力机制（分组查询、压缩、稀疏、线性、滑动窗口），前馈层用上了混合专家路由，连残差流和注意力块也开始做选择性路由了。视觉和音频编码器从外挂变成了内嵌，推理时还要跨多张 GPU 跑，中间插了一堆通信操作。他说这跟当年推...
推荐理由：一篇把两张架构图摆在一起走的观察笔记，没有新实验，但把 Llama 3 和 Nemotron 3 Ultra 的复杂度增长讲得很透——注意力变体、路由策略、多模态编码器内嵌、推理部署的通信开销都点到了。三个维度都踩中，不过本质是工程观察而非原创发现，所以重要性给 72、tier 给 featured 是合适的。