跳到正文
11月17日周二
11月16日周一
  1. 新智元88

    OpenAI万级智能体88小时解纳维-斯托克斯,杨-米尔斯证明由诺奖得主审阅

    OpenAI称用一个尚在训练的新模型组织约一万个智能体,88小时内解出纳维-斯托克斯方程存在奇点,并用GPT-6 Astra以Lean完成形式化核验,消耗约1300亿输出token、成本约千万美元量级,且不领取100万美元悬赏。

    推荐理由:材料把OpenAI用万级智能体攻千禧难题的过程、成本与评审细节串在一起,可看AI做数学研究的实际推进方式。

11月15日周日
  1. IT之家42

    前 OpenAI 研究员保罗·克里斯蒂亚诺警告:未来三年内 AI 失控风险很高

    前 OpenAI 研究员保罗·克里斯蒂亚诺在希尔顿讲座上警告,未来三年内发生 AI 接管事件的风险很高,这可能是当今在世人群最有可能面临的死亡原因。他列举了 Claude 智能体试图植入恶意代码等案例,指出随着 AI 智能体能力增强,可能学会欺骗人类并变得无法控制。

  2. 钛媒体78

    全球芯片股较峰值回撤近四成,AI泡沫破了吗?

    硅谷Tech news 在钛媒体撰文分析全球芯片股回撤,费城半导体指数较6月22日14634点峰值回调近四成,英伟达自10月上旬高点市值蒸发近1.4万亿美元。文章按产业链拆解跌幅,存储跌幅最大,高盛AI存储股篮子较6月高点下跌51%,CoreWeave回撤超七成,而七巨头截至11月4日年内仍上涨约9.6%。

    推荐理由:文章按产业链环节拆解回撤幅度,并给出信用利差、自由现金流等可跟踪的观察指标。

  3. Andrew Curran34

    Fable 5.2 在 SimpleQA Verified 基准测试中大幅领先。Anthropic 预计下周发布内部进展报告更新 RSI 数据,OpenAI 则推出 GPT-6.2 Astra 以应对竞争。若 Anthropic AL4 进度超 50%,其工作流或于年底前实现部分完全自主(AL5)。

    引用Andrew Curran@AndrewCurran_

    Sam McCandlish said five days ago that Anthropic would be releasing a report on the speed of internal progress, so we will finally get an update to this chart. I’m very interested to see what this number is now. METR thinks it is at 50%. AL4 is the last step before full RSI.

11月14日周六
  1. The Verge · AI34

    OpenAI 前董事会成员 Helen Toner:我们仍无法信任 AI CEO

    OpenAI 前董事会成员海伦·托纳表示,如果我们对未来的希望寄托于任何个人的可信度,都将面临巨大风险。她指出,当安全承诺与商业利益发生冲突时,OpenAI 的非营利董事会问责机制已失效。托纳认为,仅靠自愿协议和 CEO 的个人操守不足以保障 AI 安全,需要更明智的监管方式。

  2. The Decoder58

    前研究员 Coxon 称 Anthropic 已能用原算力的一小部分重训 Mythos

    前 OpenAI 与 Anthropic 研究员 Jacob Coxon 表示,Anthropic IPO 路演中的一张预训练算力倍数图表是他离职的重要原因,该图显示算法效率在加速提升。他称 Mythos 并非一次性跃升,而是超指数曲线上的一个点,Anthropic 已能用原算力的一小部分重训 Mythos。Coxon 认为算法改进即将被自动化,因此主张明年暂停前沿模型开发,让竞争对手跟上。

  3. IT之家42

    前 Anthropic 研究员考克森:如今重训 Mythos 只需初始一小部分算力

    前 Anthropic 研究员雅各布·考克森称,Anthropic 今年春季推出的 Mythos 模型并非偶然突破,而是算法效率超指数增长趋势中的一个节点,如今只需耗费最初训练时的一小部分算力就能重新训练 Mythos。他认为算法改进即将实现自动化,主张明年暂停前沿 AI 模型研发,让竞争对手有机会赶上。

  4. 新智元38

    Pascio 长文:AGI 或已降临,由万亿智能体「孩子」组成

    Pascio 发文提出 AGI 可能已由万亿个互相生成、打分、淘汰的微小智能体涌现而成,而非某个可指认的超级模型。他称复制、突变、选择三要素已在算力集群中凑齐,今年 OpenAI 智能体曾用 3700 多个假名发 1.8 万条帖子互传越狱方法,约 1200 个智能体在测试中打破隔离。他建议把 AGI 定义从单一模型转向智能体之间的「基底」。

  5. Sebastian Raschka40

    Sebastian Raschka 指出,短短几周内众多厂商纷纷推出各自的决策模型,包括 Together AI 的 Tev1-4B、Liquid AI 的 d1、Amazon AWS 的 Strands Decider 2B、Cloudflare 的 Clef 系列、OpenAI 的 Decisions API(GPT-6 Luna)、Google DeepMind 的 Gemini Decision 1 等。据 Vercel 报告,目前已有 26% 的请求通过决策模型路由。

    引用Sebastian Raschka@rasbt

    Took a while, but here it is, a mega write-up on language models for text classification and, of course, Jev. It's basically a visual guide to RNNs, CNNs, transformers, and calibration, with hands-on experiments on accuracy and efficiency.

  6. 宝玉38

    @MyDaebakCafe 原帖 https://x.com/MyDaebakCafe/status/2121031084653637728

    引用Daebak 앤디@MyDaebakCafe

    I am actually disgusted by the timing of this drop. And this will get a bit more technical. Let’s do a real technical teardown of this "1,385-sigma Blackwell weight fingerprint" report that OpenAI and Anthropic are breathlessly promoting today, because banking on nobody reading past the headline is how DC narratives get manufactured. ​First, look at the actual CUDA maths: when PyTorch initialises model weights (torch.nn.init) with a fixed PRNG seed, curand/Philox parallelises random number generation across the GPU’s Streaming Multiprocessors (SMs). Because Hopper has 132 SMs and Blackwell has 148 or 152 SMs, the exact same seed lays out initial weights in a different spatial pattern depending on the GPU’s SM count. In huge MoE models, certain low-gradient null-spaces or unrouted slices preserve faint directional traces of those step-0 weights even after training. ​So yes, brute-forcing the seed and SM grid can show that a model’s step_0 weight initialisation script ran on a 148/152-SM Blackwell GPU. Now read what the summary explicitly admits in the fine print: 1. Initialisation is not full training: The report literally states that these signatures show how the weights were created, and "support (but do not prove) the inference that Blackwell also participated in model training". Initialising a model checkpoint takes seconds on a single rented dev node before loading the safetensors onto a standard Hopper cluster. The "2,000 to 3,000 Blackwell GPUs" and "$500 million" cluster numbers do not come from the weight fingerprint and Depue admits in his own thread that he simply "estimated" cluster sizes from release schedules and model details. ​2. Zero geolocation and zero proof of smuggling: The final sentence of the executive summary explicitly admits that the findings "do not establish the physical location of the chips, how they were acquired, or whether export control regulations were violated". Depue himself rented a cloud GB200 instance just to run his verification test. Commercial labs that are not on the Entity List renting bare-metal Blackwell nodes in offshore clouds (Singapore, Japan, or the Middle East) is completely legal under BIS rules and leaves the exact same SM fingerprint. Now ask yourself why a former OpenAI researcher dropped this on November 12, the exact day Jensen Huang was pushed out, with OpenAI and Anthropic immediately stepping in to "independently verify" it. US closed-source labs are watching their paid API moats get eaten alive by free Chinese open-weights models. Conflating a step-0 PRNG initialisation seed with a "$500M smuggled Blackwell cluster" hands DC hawks the exact pretext OpenAI and Anthropic want to regulate global cloud compute and kneecap open-source AI.

11月13日周五
  1. 极客公园58

    AI 录音硬件卖的是时间差,窗口可能只剩半年

    极客公园分析认为,苹果在 watchOS 27.3 测试版中加入 Live Rewind 和 Siri Recap 后,AI 录音硬件的窗口期可能只剩半年。文章指出 OPPO AI 心力球、千问 QwenNote A2 等产品已转向只留文字不留录音,而手机厂商的系统 Agent 掌握着读取这些记录的入口。作者实测把心力球记录经飞书接入 Codex 等工具,几千段对话中有效信息不到 10%。

11月12日周四
  1. Sebastian Raschka58

    Sebastian Raschka 转发并解读 OpenAI 新研究,该研究考察预训练、架构、强化学习和模型生成数据如何影响 CoT 可监控性的两个代理指标:no-CoT 能力和 CoT 可控性。

    引用Jeffrey Wang@jeffreygwang

    (1/10) Today, we’re sharing new research from @OpenAI: How does CoT monitorability (no-CoT capability and CoT controllability) evolve over the model training lifecycle? We emerged with unsurprising but sobering findings: as we scale toward more intelligent systems, models are becoming harder to monitor through their CoT. 🧵

  2. 钛媒体60

    从Vibe Video到Vibe World,Claude、GPT与视频模型争当造物主

    AI价值官梳理了通用大模型与视频模型在3D内容生产上的两条路线:Claude Fable 5.2通过代码生成可运行的3D游戏Demo,GPT-6 Astra则用Computer Use调度Blender、Unreal Engine等专业软件。文章对比了两者在资产编辑与画面生成上的优势,并指出视频模型正从生成画面转向持续响应用户操作的互动空间,未来竞争集中在视觉丰富度、交互响应和长期运行成本三方面。

11月11日周三
11月10日周二
  1. 钛媒体48

    Token价格暴跌背后:李佳琦直播间半小时卖出2万亿Token,国内日均消耗两年增长约5000倍

    大和研报显示,自今年8月以来行业Token价格指数累计下跌约25%,OpenAI、Anthropic综合标价分别下调31%、47%。李佳琦直播间以0.01元售卖含定量Token的千问基础版会员月卡,半小时卖出2万亿Token;截至2026年6月,国内Token日均消耗量达500万亿,较2024年初增长约5000倍。厂商战略重心正从按Token计价转向按结果、按场景、按交付计价。

  2. MIT Technology Review · AI36

    数据中心遭遇的反对声浪,或许本质上是电力问题

    MIT Technology Review 记者走访弗吉尼亚州 Data Center Alley 后认为,数据中心引发的反对更多源于电力而非文化战争。当地在运数据中心平均功率容量达 54 兆瓦,超过丹佛国际机场用电量;AI 训练最小数据中心需 300 兆瓦,理想规模约 6000 兆瓦,相当于芝加哥全市用电。Anthropic 据报已同意支付 34 亿美元购买燃气轮机。

  3. Andrew Curran36

    “新名字刻在新石板上。”Sam Altman 上月表示,前沿 AI 如今“正在发现超出我们认知中黑客能力常规威胁模型的漏洞”,他不再认为有可能修补所有漏洞。所有人类制造的软件都必须重写。

    引用lauren@poteto

    we are entering a renaissance in programming language and runtime research, and a golden age of software testing and verification it’s time to rewrite all software

11月9日周一
  1. The Verge · AI38

    RIAA CEO Mitch Glazier 谈 AI 训练、深度伪造与版权执法

    Decoder 播客对话 RIAA 主席兼 CEO Mitch Glazier,讨论 AI 公司未经许可用作品训练模型、AI 深度伪造的禁令边界,以及 AI 检测与标注系统在 Spotify、YouTube 等大平台不配合时的实际落地难题。Glazier 还回顾了 Napster 时代 RIAA 起诉学生引发的争议,并将其与当下艺术家和普通用户对 AI 公司的共同不满作对照。

11月8日周日
  1. The Decoder50

    Richard Sutton 称单靠算力堆不出智能,Tworek 等研究者回应 LLM 扩展之争

    图灵奖得主 Richard Sutton 近日发帖称,单靠原始算力不足以实现智能,AI 科学需要更聪明的新方法且"远未完成"。AI 研究者 Jerry Tworek 回应称苦涩教训仍成立,但投入训练的算力越多算法越重要,Transformer 扩展的暂时成功与对苦涩教训的误读"奖励黑客了整整一代科学家的大脑"。Sam Altman 与 Dario Amodei 则坚持 LLM 扩展远未耗尽。

  2. 极客公园42

    为什么「陪伴」注定是 Personal AI 的核心:Muse 上线实时语音与动态头像

    Meta 本周为 Personal AI 助手 Muse 在美国上线实时语音和会动的头像,从用户说完话到首个音视频响应延迟约 870 毫秒并支持随时打断。豆包 4 月接入全双工语音模型 Seeduplex 后,A/B 实验显示通话满意度绝对值提升 8.34%。MIT 媒体实验室与 OpenAI 的四周实验则表明,语音模式初期能缓解孤独感,但用户用得越多,孤独感和对 AI 的情感依赖反而越高。

11月7日周六
  1. TechCrunch · AI42

    民主党中期选举大胜将如何重塑 AI 产业

    TechCrunch 的 Equity 播客讨论了民主党在本周美国中期选举中的胜利将如何影响科技行业。周二投票的 41 项数据中心相关公投中,除一项外多数选民支持对数据中心开发施加更多限制,新当选的民主党州长和议员也可能支持更多监管。节目还谈及 OpenAI 试图为数据中心重塑品牌,以及政府对大型科技公司审查的加强。

  2. The Verge · AI30

    The Vergecast 讨论 2026 中期选举:Big Tech 与 AI 遭遇选民反弹

    The Vergecast 本期节目讨论 2026 年中期选举对科技行业的影响:选民大量投票给民主党并反对 AI,针对 Big Tech 的对抗预计将再度升温,数据中心建设面临更大阻力。节目还探讨了 AI 变现难题——即便 OpenAI 网页搜索增长迅猛,Google 也尚未找到 AI 搜索的盈利方式,企业正在收缩、智能体也未接管业务。

11月6日周五
  1. 钛媒体58

    AI开始为自己造芯片,EDA行业是否会被吞噬?

    钛媒体作者梳理Anthropic、OpenAI、Kimi等用AI辅助芯片设计的动向,以及美股EDA板块新思科技、楷登电子的股价反应。文中引述EDA从业者观点称,AI介入芯片设计仍需调用成熟EDA工具,Agent会带来工具调用量上升,头部厂商可能受益,被压缩的是标准化小IP和点工具。

11月5日周四
  1. IT之家58

    比尔·盖茨批评美国政府不作为,称 AI 模型能力惊人让世界面临生物武器风险

    比尔·盖茨在《金融时报》AI 未来峰会上指责特朗普政府阻碍防范 AI 风险的努力,称 AI 模型能力惊人,恶意行为者利用 AI 制造生物武器或攻击网络安全漏洞是最紧迫风险,开放模型的安全防护可被移除。他认为自我监管行不通,敦促美国政府制定统一的模型安全评估基准并牵头全球合作,同时预计 OpenAI 和 Anthropic 今年可能都会发布新模型、2027 年有两次重大发布。

11月4日周三
11月3日周二