Hugging Face 上线了 Discover Tool，这是 ARD（代理资源发现）规范的一个参考实现。ARD 是一份由微软、谷歌、GoDaddy、Hugging Face 等共同起草的开放草案，解决的是当前代理生态里一个很实际的问题：现在用 MCP 工具、A2A 代理或技能，都得靠人提前写好配置、指定好地址，代理自己不会找。ARD 相当于在它们...
推荐理由：ARD 瞄准的是代理工具发现这个真实痛点，背后有微软、谷歌、Hugging Face 等跨厂商背书，还给了可用的参考实现。没打更高分是因为它目前还是开放草案，不是正式标准，文章也没说清楚谁会跟进落地、生态铺开要多久。
Gary Marcus 用三件事说明 OpenAI 的领先优势正在快速消失。第一，市场份额首次跌破 50%，谷歌正在吃掉它的份额，普通用户觉得 ChatGPT 和 Gemini 用起来没区别，纯靠大模型做生意留不住人。第二，微软这个最大金主正在考虑把 Copilot 的后端从 OpenAI 换成 DeepSeek，原因是按用量计费后成本太高——自己最大...
推荐理由：Gary Marcus 用市场份额跌破 50% 和微软考虑换供应商这两件事，论证 OpenAI 的领先优势在快速缩小。文章是评论性质，不是一手报道，而且 Marcus 一向看空 OpenAI，读者需要知道这个立场。但两个信号都是公开可查的事实，对行业判断有参考价值，所以给到 78 分。
Google DeepMind 正与英国政府、Google Cloud、Faculty 及 Barnet、Dorset、Camden 地方规划部门合作，基于 Gemini 共同开发 AI 规划原型工具，目标将住户规划申请审批时间缩短 50%。
Google DeepMind 发布 AI Control Roadmap，一套用于构建和管理 Google 内部部署的高级 AI 的框架，采用纵深防御思路，在模型对齐之外增加系统级安全层，即便对齐不完美也能提供保障。
推荐理由：Google DeepMind 公开内部 AI Control Roadmap，给出把智能体当作内部威胁来监控与拦截的分层思路。
ChatGPT 还是全球最常用的 AI 助手，月活用户超过 11 亿，但它的市场份额第一次掉到了 50% 以下。排在后面的 Gemini 有 6.62 亿月活，Claude 有 2.45 亿。正文没披露具体的份额数字、统计方法和时间窗口，所以这个“跌破 50%”到底有多严重，还得等更多细节。
推荐理由：ChatGPT 份额跌破 50% 是个值得标记的节点，月活对比也给了具体参照。但正文没披露统计方法、时间窗口和精确份额，标题比正文重，所以分数先不打更高，等更多细节出来再说。
谷歌在美国法院起诉了一个叫“局外人企业”的中国网络犯罪团伙，指控他们用 Gemini 做了 131 个软件工具包，批量仿冒谷歌、美国邮政局和 E-ZPass 等网站。今年 5 月短短两周内，这个团伙就向安卓用户发了 250 万条钓鱼短信，链接指向 9000 个假网站。谷歌说这是它第一次和 FBI 以及 AT&T、T-Mobile、Verizon 三家运...
推荐理由：谷歌第一次对 AI 诈骗团伙走法律程序，有实打实的数字和跨境协作，不是空泛警告。但本质还是执法新闻，不是 AI 能力或产品更新，所以分数压在 85 以下。
谷歌 Android 平台安全负责人 René Mayrhofer 因公司向美国国防部提供 AI 技术而辞职。他在告别信里说，管理层绕过内部讨论，悄悄放弃了碳中和目标，并在 2025 年 2 月删除了“不将 AI 用于武器”的承诺。今年 4 月，谷歌与五角大楼签了协议，允许 AI 用于机密军事行动和情报搜集。Mayrhofer 担心这些技术可能被用来针...
推荐理由：谷歌高管辞职，带着内部时间线和具体细节，不是空泛抗议。HKR 三条全中，但本质是人事和政策事件，不是产品发布，所以分数压到 84 以内，定在 82。
一位用户在 llama.cpp 里给 Gemma 4 Heretic 系列模型跑 MTP 投机解码，发现助手模型（draft model）选得好不好，直接决定加速效果是翻倍还是几乎没变化。他拿 26B Q8 模型测试，生成速度从每秒 30 个 token 跳到 62 个；12B Q4 模型更夸张，从 12 涨到 54。但同名 GGUF 文件不一定是同一...
推荐理由：我会先打个折：这是单篇 Reddit 帖子，没有其他来源交叉验证，而且 Gemma 4 的用户群比 Llama/DeepSeek 小。但优点也很明显——有硬核的实测数字，26B Q8 从 30 涨到 62 tok/s，12B Q4 从 12 涨到 54，结论直接可操作。对跑本地模型的人来说，这种“选对助手模型速度翻倍”的信息比泛泛的优化建议有用得多，所以给到 featured。
David Curlewis 指出，Google、Anthropic、OpenAI 现在都在吹“AI 写了百分之多少的代码”，这本质上就是当年被嘲笑的代码行数统计，只不过包装得更漂亮。他对比了早年的说法——比如 Copilot 让任务完成速度快了 55%，那是可验证的结果承诺；而现在的“75% 代码由 AI 生成”这类数字，不管产品有没有真的变好，都会...
推荐理由：这篇评论用一句“代码行数找了个更好的公关”就把几家大厂吹的 AI 代码占比拉回现实。它没停留在吐槽，而是拿早年 Copilot 的“任务完成速度快 55%”做对比，说明现在的百分比数字更像公关话术，缺少对产品实际改善的验证。对受够了管理层拿 AI 写代码比例说事的工程师来说，这篇文章说出了他们想说的话。观点文章，所以没给更高分，但切入点和论据都够扎实。
谷歌发了一个实验性的开源模型 DiffusionGemma，用的是 Apache 2.0 协议。它不走自回归模型逐 token 生成的路线，而是一次性起草 256 个 token 的文本块，把解码瓶颈从内存带宽转向了计算本身。在单张 H100 上能跑到每秒 1000+ token，比自回归模型快最多 4 倍。模型总规模 26B，但推理时只激活 3.8B...
推荐理由：谷歌开源了一个 26B 的文本扩散模型，跳过自回归解码，推理只激活 3.8B 参数，单张 H100 跑到每秒 1000+ token。Apache 2.0 协议，有具体的速度对比和机制说明，对做推理优化的人有直接参考价值。不是公关稿，数字和做法都给了，值得放进精选。
谷歌把生成图片的扩散模型思路搬到了文字生成上，开源了 DiffusionGemma。它不像传统模型那样一个字一个字往外蹦，而是一次铺开 256 个 token 的“画布”，从噪声开始多轮去噪，整段文字同时浮现。在 H100 上跑到每秒 1000+ token，消费级 RTX 5090 上也有 700+，比同规格自回归模型快了约 4 倍。这个 26B 参...
推荐理由：谷歌悄悄开源 DiffusionGemma，把扩散模型那套一次去噪整段文字的路子用在文本生成上，速度数字很漂亮，比同类模型快约 4 倍。我会先打个折——目前只有速度数据，生成质量、实际任务表现都没披露，这点先别太激动。分数没更高就是因为缺这些关键验证。
一群独立音乐人起诉谷歌，指控它用 YouTube 创作者的视频训练音乐生成模型 Lyria。谷歌的回应很滑头：它说用户条款允许这么做，但死活不承认、也不否认到底有没有真的拿去训练。文章没披露 Lyria 的训练数据来源和规模，所以到底用了多少创作者的内容、怎么用的，目前全是问号。
推荐理由：我会先打个折：信息增量确实不大，因为谷歌死活不松口，训练数据到底用了多少、怎么用的全是问号。但这件事值得放出来，不是因为它技术有多硬，而是谷歌这种'你猜我用没用'的回应方式，把 AI 公司和创作者之间的信任问题摆到了台面上。对从业者来说，这比一篇技术报告更能提醒你：现在做模型，数据合规的雷可能比算法问题更先炸。
德国一家法院判定，Google 在搜索结果顶部生成的 AI 概览（AI Overviews）里给出的错误回答，算作 Google 自己说的话，公司需要为此承担法律责任。Gary Marcus 认为这个判决影响可能很大，尤其如果其他国家跟进的话。帖子链接到 the-decoder.com 的报道，但原文没披露具体案件细节、原告是谁、以及赔偿金额。
推荐理由：这是第一起法院把 AI 概览幻觉定性为平台自身言论的判决，Gary Marcus 提醒其他国家可能跟进，对 AI 产品责任边界影响很大。分数定在 82 是因为帖子缺案件细节、原告和赔偿信息——方向性信号很强，但还不是完整故事。
Google 在账户设置里加了一个叫“搜索服务历史记录”的开关，默认是开着的。它会把你用 Google Lens 拍的图、Search Live 的语音提问和 Translate 的录音存下来，拿去训练 AI 模型。你可以在 Google 账户设置里手动关掉。不过文章没写这些数据会保留多久，也没说付费用户是不是也受这个默认规则管。
推荐理由：Google 这次是在账户设置里加了一个默认开启的开关，把三类用户内容直接送进 AI 训练流水线。对从业者来说，这既是隐私合规的信号，也是一次信任事件。我会先打个折：文章没写数据保留多久，也没说付费用户是不是也被默认圈进去——这两点缺了，判断就不能往更高走。但就凭它把具体数据类型和默认规则摆出来，已经足够让圈内人警觉，所以分数维持 78，放在 featured 位置。
Google 在官方博客公布了 DiffusionGemma，一个用扩散方法做文本生成的模型。它把图像扩散那套思路搬到文字上——先并行生成整段内容，再通过去噪步骤逐步修整，不像传统模型那样一个字一个字往外蹦。官方说延迟能降到同尺寸自回归模型的四分之一，对实时场景很友好。不过博客正文没披露参数量、具体跑分，也没说会以开源权重还是 API 形式放出来，这点...
推荐理由：Google 官方博客公布了 DiffusionGemma，用扩散方法做文本生成，延迟号称降到同尺寸自回归模型的四分之一，对实时场景确实友好。但正文没披露参数量、具体跑分，也没说会以开源权重还是 API 形式放出来，这点先别太激动。
Anthropic 锁定了一笔 3500 亿美元的芯片租赁交易，不是直接买芯片，而是租算力。谷歌为这笔交易提供了财务担保，相当于给房东吃了定心丸。具体担保条款和芯片供应商名字，彭博这个视频正文里没写。
推荐理由：350 亿美元租芯片，谷歌还做了财务担保，这个规模和信用结构在行业里算大新闻。我会先打个折，因为彭博视频正文没写担保条款和芯片供应商名字，关键信息缺了一块，所以分数卡在 82 而不是更高。
Google 把 Gemini 3.5 的实时翻译功能放出来了，现在通过 Gemini API 就能用。它做的是语音到语音的低延迟翻译，覆盖 70 多种语言，能组合出 2000 个语言对，冷门小语种也包含在内。开发者可以把它接进实时对话、客服、直播或跨国会议里。主推文提到这消息被 Anthropic Fable 5 的声量盖过去了，还顺带提了阿里 Qw...
推荐理由：HKR 三项都成立：Google 把实时语音翻译做成 API 公开预览，对开发者有直接吸引力，也给了语言覆盖和语言对的具体数字。但文章只提了功能开放，没写价格、延迟基准和可用区域，信息有缺口，所以重要性停在 78。
德国慕尼黑地区法院在一项临时禁令中认定，谷歌必须为 AI 概览生成的虚假内容直接担责。起因是谷歌的 AI 概览错误地把两家慕尼黑出版商跟诈骗、订阅陷阱等黑产扯上了关系，而这些指控在 AI 引用的链接原文里根本不存在。法院的核心逻辑是：AI 概览不是传统搜索结果，它会用自己的话重新组织、评判信息，属于谷歌自己生产的内容，所以不能套用搜索引擎的间接侵权保护...
推荐理由：这篇值得看，因为德国慕尼黑地区法院给了一个很具体的判例：谷歌 AI 概览把两家出版商跟诈骗、订阅陷阱扯上关系，但引用的链接原文里根本没这些内容。法院的逻辑是，AI 概览不是简单罗列搜索结果，而是用自己的话重新组织、评判信息，这就算谷歌自己生产的内容，不能再用搜索引擎那套间接侵权保护来免责。我会先打个折，这只是地方法院的临时禁令，不是终审也不是全球规则，但信号已经很明确——模型胡说八道，平台得自己扛。对做 RAG 外挂资料库和 AI 搜索的产品来说，这个判例直接关系到合规风险和产品设计。
Google 发了 Gemini 3.5 Live Translate，一个实时语音转语音翻译模型。它不等对方把整句话讲完，边听边翻，用流式更新把结果推出来，延迟压到几秒，还能保留原声的语速、音高和语调。支持 70 多种语言，目前通过 Gemini Live API、Google Meet 预览版和 iOS/Android 的 Google 翻译 Ap...
推荐理由：HKR 三项都成立：Google 把实时语音翻译绑定了 70+ 语言和说话人未结束就开始的流式输出。分数留在 82，因为正文没披露具体上线范围、定价和基准测试结果，实际效果和可用性还得等验证。
Google DeepMind 发布 Gemini 3.5 Live Translate，一款支持 70 多种语言的近实时语音到语音翻译音频模型，可自动检测语言并保留说话人的语调、节奏和音高。
推荐理由：原文给出模型的语言覆盖、实时翻译机制与多产品上线节奏，可据此判断语音翻译的可用边界。
WWDC 上苹果把迟到 AI 这件事包装成“为了隐私才慢”，Apple Intelligence 和 Siri AI 会铺到 iPhone、iPad、Mac、Apple Watch 和 Vision Pro，还单独做了个 Siri AI 应用，带聊天界面、AI 拍照修图和一些初步的“让模型替你干活”的功能。但文章没解释清楚一件事：处理任务已经扩展到 G...
推荐理由：WWDC 上苹果把 Siri AI 铺到全系设备，隐私是整场发布会的定调词。但这篇文章没跟着喊口号，而是揪住一个正文都没解释清楚的点：任务已经跑到 Google 这类外部云上了，苹果却没交代跨云隐私机制。这个信息缺口让整件事从“苹果终于做 AI 了”升级成“苹果的隐私故事能不能站住脚”，所以值得推给读者。
苹果在 WWDC 2026 上展示了一套新的智能系统，核心能力由谷歌的技术驱动。具体用了谷歌的哪款模型、系统什么时候上线、收不收费、开发者怎么接入，正文都没说——因为 Bloomberg 的原文被反爬机制挡住了，只留下 RSS 摘要里这点信息。我会先打个折：这更像一个合作信号，不是一份能评估的产品发布。
推荐理由：我会先打个折：Bloomberg 原文被反爬挡了，RSS 摘要只留下苹果在 WWDC 2026 展示了一套智能系统、核心能力由谷歌技术驱动这两句话。具体用了哪款模型、什么时候上线、收不收费、开发者怎么接入，正文都没说。所以这条更像一个合作信号，不是一份能评估的产品发布。H 和 R 能过，是因为苹果在自家开发者大会上把智能系统的底牌交给谷歌，这个动作本身就够反常，也直接踩在苹果 AI 追赶进度和平台竞争的敏感点上。K 过不了，信息缺口太大，没法判断技术实质。
苹果对外解释，他们改造后的 AI 平台虽然部分用了谷歌的技术，但隐私保护机制还在。不过这篇报道的正文被 Bloomberg 的反爬机制挡住了，看不到具体用了谷歌哪个模型、是本地跑还是云端调、有没有第三方审计，以及隐私条款到底怎么写的。
推荐理由：HKR-H 和 HKR-R 都成立，因为苹果用谷歌模型这件事天然会冲击它自己的隐私人设。HKR-K 不成立：报道正文被 Bloomberg 反爬机制挡住了，模型名、部署边界、审计机制全都没披露，信息缺口太大，只能落在 72–77 这个区间。
Levi 是一个开源项目，让你能在本地用 Qwen3-30B-A3B 模型跑一套类似 AlphaEvolve 的搜索系统。作者在 ADRS、IFBench 和 HotpotQA 三个基准上做了测试，声称在单模型、相同预算的条件下，整体成本最多能降到原来的 1/35，评估次数最多能减少到 1/12。不过正文被 Reddit 的网络屏蔽页挡住了，具体实现细...
推荐理由：这篇来自 Reddit 的帖子只给了模型名、基准和成本比例，代码成熟度和可复现细节正文被屏蔽了没看到，所以我会先打个折。但能在本地用 Qwen3-30B-A3B 跑 AlphaEvolve 风格搜索这件事本身挺抓人，数字如果属实确实省钱，先给 featured 让社区去验证。
Google 给 AI Ultra 订阅用户推了个 NotebookLM 大更新。现在你在对话里就能让它执行多步骤任务，不用自己来回倒腾，相当于把 agent 塞进了聊天窗口。推理能力也升了级，处理复杂研究问题会更顺。官方说新增了一批输出格式，但正文没列具体是哪些，也没提价格会不会变、什么时候推给普通用户。我会先打个折：功能听着实用，但信息缺口不小，别...
推荐理由：HKR 三项都踩中：Google 确认 NotebookLM 给 AI Ultra 用户加了 in-chat agent、高级推理和多输出格式。但正文没列出具体格式、没提价格变动、也没说普通用户什么时候能用，信息缺口不小，所以停在中等权重的产品更新档位。
Google 给笔记工具 NotebookLM 换了新模型 Gemini 3.5，官方说回答会更准更靠谱。现在你不用先丢一堆笔记或 YouTube 链接进去，直接问一个话题，它就能用 Google 搜索帮你找相关材料，等于把研究起点又往前挪了一步。另外还提到了一个“云端电脑”功能，但正文没展开讲具体能干什么、怎么用，这点先别太激动。
推荐理由：这是一次中等体量的产品更新，亮点是“云端电脑”和搜索式研究入口，但定价、铺开范围和实际效果正文都没给，所以别急着下结论。HKR 三项都踩中了：概念有钩子、功能有干货、场景够贴地，但信息缺口也明显。
Google DeepMind 公布在塞拉利昂开展的预注册随机对照试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，相当于八周内取得约 1.2 至 1.7 年的常规学习进度。
推荐理由：原文给出塞拉利昂随机对照试验的量化结果与交互数据，可了解 AI 辅助教学在真实课堂中的效果边界。
苹果在 2026 年 6 月 8 日公布了第三代 Apple Foundation Models（AFM），这次是和 Google 合作定制的。五款模型里，两款跑在设备上：AFM 3 Core 是 30 亿参数的密集模型，质量比上一代好；AFM 3 Core Advanced 是 200 亿参数的稀疏模型，但每次只激活 10 到 40 亿参数，靠的是把...
推荐理由：苹果这次一口气发了五款模型，分设备端和服务器端两条线，还拉上 Google 做定制，信息量够硬。30 亿参数的密集模型和 200 亿参数但每次只激活一小部分的稀疏模型，思路很明确：在手机上跑得动，在云端也能控成本。正文没给具体跑分和定价，所以我会先打个折，但官方发布本身就有分量，尤其对做端侧推理和隐私计算的人。
Victor M 在 X 上整理了一份清单，过去一周有超过 25 个开放权重的模型发布，几乎覆盖了所有模态。其中最扎眼的是 NVIDIA 的 Nemotron 3 Ultra，一个 550B 参数的混合架构（Mamba-MoE），每次推理只激活 55B 参数，上下文窗口能塞进 100 万个 token。不过正文被 Reddit 的安全策略拦住了，具体还...
推荐理由：我会先打个折：消息源是 X 上的个人整理，Reddit 原文还被安全策略拦了，具体细节没法交叉验证。但一周 25+ 个开放权重模型这个密度本身就值得关注，NVIDIA 那个 550B 的 Nemotron 用 Mamba-MoE 架构，激活参数只有 55B，上下文能塞 100 万 token，如果实测靠谱，推理成本会省不少。这点先别太激动，等完整评测出来再说。
普林斯顿的研究员搞了一套叫 Goedel-Architect 的智能体系统，专门让模型在 Lean 这种形式化证明语言里自动做数学题。他们拿 DeepSeek-V4-Flash 跑 PutnamBench 数学竞赛题，672 道题里正确率到了 75.6%，API 调用费总共才花了 294 美元。对比之前 Hilbert 系统用别的模型达到 70.0% ...
推荐理由：普林斯顿团队搞了个叫Goedel-Architect的智能体系统，让DeepSeek-V4-Flash在形式化证明语言Lean里自动做数学题。PutnamBench 672道题正确率75.6%，API调用费总共294美元，对比之前Hilbert系统用别的模型达到70.0%却花了约17万美元，成本差了近500倍。这个对比很直观，数字也扎实，但正文没详细拆解294美元是怎么算出来的，也没说Hilbert那17万是不是包含了大量试错和人工调参。所以“500倍”这个说法可以先打个折看，不过即使有水分，成本优势依然明显。整体还是偏学术研究，离工程落地有距离，...
京东放出了JoyAI-Echo，一个能一口气生成最长5分钟视频加音频的框架，而且全量开源。它主打跨镜头画面和声音的一致性，支持局部重绘，用8步DMD蒸馏来提速，最高能输出1472×2560分辨率的片子。不过原文因为微信环境验证没过去，具体效果和实测数据暂时看不到，这点先别太激动。
推荐理由：JoyAI-Echo把长视频生成的门槛拉到了5分钟，而且代码全放出来，不是只发篇论文。跨镜头画面和声音一致性、局部重绘、8步蒸馏提速这些点都踩在视频AI从业者的痛点上。不过原文因为微信环境验证没过去，具体效果和实测数据暂时看不到，这点先别太激动。单源覆盖、没有独立评测，分数放在78–84区间比较合理。
Google 每月花 9.2 亿美元租 SpaceX 的 GPU，不是因为 SpaceX 技术更强，而是因为它用 35 台装在拖车上的甲烷燃气轮机直接发电，绕过了电网接入和环境审批，122 天就把数据中心建起来了。Google 自己受制于合规流程，有钱有客户但没机器，只能先租。但这笔交易水分很大：Colossus 的 GPU 实际利用率只有 11%，说...
推荐理由：HKR 三项都站得住：交易金额和“主角不是算力”的反转够抓人，利用率、工期、退出条款这些数字很实在，痛点也打到了算力紧缺和合规拖延上。但正文没披露合同文件或交叉信源，单篇摘要撑不起更高分，84 分放在 featured 档合理。
FT 标题说 SpaceX 跟 Google 签了一份 300 亿美元的算力租赁合同。但正文被付费墙挡了，没披露租期多长、具体提供多少算力、交付地点在哪，也没说这些算力是不是专门给 AI 训练或推理用的。如果是真的，300 亿这个数字很大，说明 Google 在疯狂囤算力；但合同细节全缺，先别太激动。
推荐理由：HKR 三项都过了。SpaceX 和 Google 这个组合不常见，300 亿的数字也够大，说明 Google 在疯狂囤算力。但正文被付费墙挡了，合同细节全缺，所以我会先打个折，把它放在高质量但信息有缺口这一档。
SpaceX 披露了一份云服务协议，Google 每月向 SpaceX 支付 9.2 亿美元，换取 xAI 数据中心的计算能力，折合一年约 110 亿美元。正文没披露合同期限、GPU 规模或交付条款。这笔钱说明 AI 算力已经像电力或发射能力一样，成了可以单独定价、单独交易的基础资源。
推荐理由：这条消息最抓人的地方是 Google 付钱给 SpaceX，用的却是 xAI 的算力，三方关系绕了一下。每月 9.2 亿美元这个数字我会先打个折——正文没披露合同期限、GPU 规模或交付条款，所以不知道是长期包量还是短期抢货，也没法判断单价贵不贵。但不管怎么算，一年 110 亿美元的量级已经说明一件事：AI 算力正在变成像电力一样可以单独报价、单独签约的基础资源。这点先别太激动，因为只有一篇报道，缺监管文件或双方确认，但作为信号已经够强，值得放进 P1。
谷歌研究院和谷歌云一起搞了个叫“跨语料库检索”的框架，用在 Gemini 企业智能体平台上，本质是让多个 AI 代理分工合作：一个负责理解问题并拆解计划，一个负责改写查询词，一个负责把问题路由到最合适的数据库，还有一个反复去搜、去验证。这套流程比传统 RAG（给模型外挂资料库直接查）在事实类数据集上准确率最多高出 34%。文章没细说测试用的具体数据集规...
推荐理由：谷歌把 RAG 拆成多个代理分工干活，在事实类数据集上准确率最多高出 34%，这个数字挺抓人。不过文章没披露测试用的具体数据集规模和难度，所以这个 34% 的含金量得打个折看。另外，框架绑在 Gemini 企业平台上，有给自家云服务带货的味道，所以分数没给到纯研究框架那档。
CNBC 报道，Google 和 SpaceX 签了一份算力租用合同，每月支付 9.2 亿美元，用的是 xAI 数据中心里的计算资源。报道只给了这个单月金额，没写合同签了多久、总共涉及多少块 GPU、以及算力具体怎么交付。如果按一年算，这笔合同价值超过 110 亿美元，对数据中心租赁来说是个很大的单子。不过正文没披露 Google 拿到的算力规模，也没...
推荐理由：我会先打个折：正文只给了一个月租 9.2 亿美元，没写合同年限，所以总盘子多大只能猜。如果按一年算，超过 110 亿美元，在数据中心租赁里算很大的单子。但没披露 Google 拿到的算力规模，也没说交付形式，这点先别太激动。Google 跑去用 xAI 的机房，而不是自家云，本身就说明现在抢 GPU 有多疯。对关注算力成本和供应链的人来说，这个数字是个参考锚点，但缺太多细节，没法直接拿来算账。
Bloomberg 拿到消息，Google 和 SpaceX 签了一份云算力采购合同：Google 每月付 9.2 亿美元，合同持续到 2029 年年中，总金额约 300 亿美元。报道没披露 SpaceX 提供的是什么规格的算力——是 GPU 集群还是其他架构、部署在哪些地区、有没有绑定服务等级协议（SLA），这些关键信息全是空白。如果是真的，这个月费...
推荐理由：Bloomberg 爆出 Google 和 SpaceX 签了份 300 亿美元的算力合同，Google 每月付 9.2 亿，一直买到 2029 年中。我会先打个折：正文完全没写 SpaceX 提供的是什么算力——是 GPU 集群还是自研芯片、部署在哪些区域、有没有绑定服务等级协议，这些关键信息全是空白。如果属实，这个月费规模说明 Google 在外部算力上的投入非常激进，但没规格就没法判断性价比。这点先别太激动，等更多细节出来再评估。
Google 发言人把这事归因于自家新上线的 AI 产品需求超预期，所以要从 SpaceX 采购算力。每月 9.2 亿美元这个数字很大，但文章没写合同签了多久、能拿到多少 GPU 或等效算力，也没提部署细节。我会先打个折——光看月费不知道总成本，也不知道 SpaceX 的算力方案跟传统云厂商比到底划不划算。
推荐理由：Google 发言人把原因归结为自家 AI 产品需求超预期，所以要从 SpaceX 采购算力。每月 9.2 亿美元这个数字很大，但文章没写合同签了多久、能拿到多少 GPU 或等效算力，也没提部署细节。我会先打个折——光看月费不知道总成本，也不知道 SpaceX 的算力方案跟传统云厂商比到底划不划算。
FT 这篇报道的正文被付费墙挡住了，只留了个标题和摘要。标题里提到两件事：一是 Meta 刚谈成了一笔“轰动性的谷歌交易”，二是它正考虑通过增发股票筹集数百亿美元，用来砸在 AI 基础设施上。但具体谷歌这笔交易是什么内容、规模多大、什么时候签的、价格怎么算，正文没披露，所以没法判断这单子到底有多“轰动”。增发股票这事也还停留在“考虑”阶段，没有公布时间...
推荐理由：FT 这篇正文被付费墙挡了，只能看到标题和摘要。已知 Meta 刚谈成一笔被形容为“轰动性”的谷歌交易，同时正考虑增发股票筹几百亿美元砸 AI 基建。但谷歌交易具体是什么、规模多大、价格怎么算，正文没披露，所以“轰动”程度没法核实。增发也还停在“考虑”阶段，没公布时间表和定价。我会先打个折：消息本身够重磅，但关键细节全是缺口，别急着下结论。
Google 把 Colab 搬进了终端。装一个命令行工具，就能在本地敲指令直接租用 A100 或 T4 这类高性能 GPU，把本地的 Python 脚本扔到云端跑，跑完再把模型、数据集和可回放的 notebook 日志拉回本地。它还给 AI 编程助手（比如 Antigravity、Claude Code）准备了现成的技能文件，让这些助手也能自己调 G...
推荐理由：Google 给 Colab 出了个命令行工具，不用开浏览器就能在终端里租 GPU 跑代码，跑完自动把模型和 notebook 日志拉回本地。还顺手给 Claude Code 这类 AI 编程助手配了技能文件，让助手也能自己调 GPU。对经常用 Colab 白嫖算力或者想给 agent 接远程执行环境的人来说，这比网页版灵活不少。不过正文没提价格变化和并发限制，实际租用体验还得看后续。