AI 主编日报 · 2026-06-26

01/11

特朗普政府历史性干预 AI 模型发布：Anthropic Mythos 停摆两周、OpenAI GPT-5.6 受控

这是美国历史上首次由行政权力在模型发布前强制设置政府审批门槛。先例一旦确立，前沿 AI 模型的发布节奏将从纯粹的技术和商业决策，演变为政治准入问题。Anthropic 和 OpenAI 两家头部实验室同时受到干预，意味着这不是针对单一公司的定向压力，而是系统性的政策转向。

S 级 · 必须关注 5个来源 6 条新闻

大模型/LLM安全/对齐通用/跨领域政策/监管规模性争议性

是什么

特朗普政府以安全顾虑为由，要求 OpenAI 将 GPT-5.6 仅向经政府逐案审批的合作伙伴开放；与此同时，Anthropic 旗下 Mythos 系列模型在两周前被政府最后通牒强制下线，至今未能恢复，高管赴华盛顿 DC 斡旋仍无实质进展。MIT Technology Review 将此次事件定性为「美国首次在 AI 模型发布前强制限制访问范围」。

为什么重要

这是美国历史上首次在 AI 模型发布前强制设置政府审批门槛，先例一旦形成，未来所有前沿模型的发布节奏都可能受到政治介入。其深层影响是双重的：一方面确立了政府对「最强 AI」的控制权宣示；另一方面，Box CEO 指出，若封闭模型受限而开源权重不受同等约束，管控效果将大打折扣，甚至可能适得其反地加速能力扩散至无法管控的开源生态。

不同来源

The Verge (Anthropic Mythos)科技媒体

Anthropic Mythos 停摆已超两周，至今无复上线时间表，高管赴 DC 斡旋进展为零，公司连续拒绝媒体置评——「没有新消息可分享」是唯一的官方回应

The Verge / TechCrunch (OpenAI)科技媒体

OpenAI 安排相对宽松：GPT-5.6 仍可向少量合作伙伴提供受控预览，访问须经政府逐案审批，而非全面封锁——两家公司所受限制的力度差异耐人寻味

MIT Technology Review科技媒体

将此次干预定性为历史性节点：「美国首次在 AI 模型正式发布前强制要求限制访问范围」，监管模式从事后追责转向事前管控

Aaron Levie (Box CEO)思想领袖

这是超大规模囚徒困境——美国封锁而中国不跟进，美国相对落后；封闭模型受限而开源不受限，开源生态将是最大受益方。他认为监管「来得太早」但历史进程中不可避免

这不是某种「AI 安全改进」的信号，而是政治权力进入 AI 发布决策链的明确证据。对从业者而言，更值得警惕的问题是：若前置审批常态化，最先进的 AI 工具将以何种逻辑分配给谁用？在开源权重已广泛流通的今天，管住闭源模型并不等于管住能力——这场「管控」可能最终只是为中立方创造了窗口期。

The Verge Anthropic's Mythos crisis deepens with no resolution in sight

The Verge OpenAI will delay GPT-5.6 after Trump administration request

TechCrunch The White House is asking OpenAI to slow roll the release of its new model over safety concerns

The Guardian (via Hacker News) OpenAI also delayed a model release, at the Trump administration's request

MIT Technology Review Trump government demands OpenAI limit new model release; OpenAI IPO may delay to next year

GitHub Feeds (Aaron Levie, Box CEO) Aaron Levie on AI regulation as a prisoner's dilemma

02/11

AI 编程质量悖论：速度提升 33.7%，但 Bug 增 54%、生产事故暴增 242%

这是迄今最为系统的量化证据，直接挑战「AI 让开发者更高效」的主流叙事。速度与质量的剪刀差意味着：大多数团队当前的 AI 编程实践路径，正在以加速方式累积未来的技术债。这不是边缘现象，而是行业范围内正在发生的系统性问题。

S 级 · 必须关注 2个来源 2 条新闻

大模型/LLMAgent 编程/Coding 观点/评论突破性争议性

是什么

Faros AI 平台数据显示，AI 编程工具的引入使开发者任务吞吐量提升 33.7%，但每位开发者产生的 Bug 上涨 54%，PR 与事故比率激增 242.7%；Google DORA 研究同样发现 AI 采用率越高、交付稳定性越差。与此同时，API7.ai 创始人温铭记录了消耗数百亿 token 完整重写一款生产级 API 网关的实践经验，提炼出 6 条可落地工程原则。

为什么重要

这是迄今最为系统的量化证据，直接挑战「AI 让开发者更高效」的主流叙事。速度与质量的剪刀差意味着：大多数团队当前的 AI 编程实践路径，在以加速方式累积未来的技术债。而 API7.ai 的反例说明，正确使用 AI 做大规模工程重写是可行的，但需要完全不同的方法论和质量治理机制——这两件事同时为真，就是今天最重要的工程层面信号。

不同来源

VentureBeat科技媒体

数据来自 Faros AI 和 Google DORA 两个独立来源，结论指向一致：速度提升但稳定性下降。文章主张真正的「软件工厂」需要将质量控制内嵌到全流程，而非只依赖末端 code review

InfoQ 中国 / API7.ai 温铭技术媒体

反向案例：消耗数百亿 Token 完整重写生产级网关，总结出 6 条工程经验，证明 AI 大规模软件重写的可行性——但前提是有明确的质量框架和人工判断介入点，而非裸用 AI 盲目提速

两篇文章恰好构成一组辩证：一篇是定量警告（无治理的 AI 编程正在以工业级速度制造技术债），一篇是实践反证（有完整方法论的 AI 重写是可行的）。结论不是「AI 编程不能用」，而是大多数团队在缺乏质量治理框架的情况下使用——这是工程实践成熟度问题，不是工具问题。行业应当认真对待这组数字，而不是用「样本有限」来消化它。

VentureBeat Most companies think they're building a software factory. They're actually just shipping bugs faster

InfoQ 中国 API7.ai 创始人温铭：烧了几百亿 Token，我用 AI 重写了生产级网关，总结出 6 条经验

03/11

英伟达 MoE 训练框架开源：一行 import 实现专家并行，微调提速 3.7 倍

MoE 架构已成为 Mixtral、DeepSeek 等当前最强模型的核心组件，但此前训练门槛极高，通常需要定制化基础设施。英伟达将专家并行纳入标准训练框架，将极大降低中小机构训练自有 MoE 模型的成本，可能加速 MoE 架构向各类垂直场景的扩散，重塑开源训练生态的竞争格局。

S 级 · 必须关注 1 个来源 1 条新闻

大模型/LLM微调/训练开源模型通用/跨领域开源发布突破性实用性

是什么

英伟达在 HuggingFace Transformers v5 基础上开源了 MoE 训练框架，新增专家并行（Expert Parallelism）、DeepEP 和 TransformerEngine 支持，相比基线微调速度提升 3.7 倍，同时兼容 DeepSpeed 和 FSDP 等主流训练后端，开发者只需一行 import 即可接入。

为什么重要

MoE（Mixture of Experts）架构已成为 Mixtral、DeepSeek、Qwen 等当前最强开源模型的核心组件，但此前训练和微调 MoE 模型的门槛极高，通常需要定制化基础设施。英伟达将专家并行纳入标准训练框架，将极大降低中小机构训练自有 MoE 模型的成本，可能加速 MoE 架构向各类垂直场景扩散，并重塑开源训练生态的竞争格局。

不同来源

量子位中文科技媒体

重点聚焦「一行 import」的易用性设计和 3.7 倍提速的量化指标，将其定位为大幅降低 MoE 训练门槛的关键节点，强调开发者无需了解底层并行机制即可获得显著加速

一行 import 和 3.7 倍数字背后，是英伟达把原本需要定制基础设施才能实现的 MoE 训练，转化为即插即用的标准能力。这不是纯粹的开源公益——英伟达的硬件优化（特别是 Expert Parallelism 的通信设计）在自家 GPU 上能发挥最大优势，这次开源本质上也是在加固自己的软件生态护城河。受益方是那些想训练 MoE 但缺乏基础设施工程能力的团队，代价是更深地绑定英伟达 GPU。

量子位英伟达 MoE 新开源：一行 import，微调加速 3.7 倍

04/11

General Intuition 完成 3.2 亿美元融资，押注游戏行为数据训练真实世界 AI Agent

游戏数据长期被视为 AI 训练的边缘素材，但其中包含的高频决策序列、实时反馈循环和多目标权衡，恰好是当前 AI Agent 在真实世界最稀缺的能力来源。3.2 亿美元是资本对这个假设的大规模押注，也是行业重新评估「行为序列数据价值」的信号。

A 级 · 值得细读 1 个来源 2 条新闻

Agent数据/标注游戏/娱乐机器人/具身智能融资/收购信号性规模性

是什么

General Intuition 完成 3.2 亿美元融资，计划利用数百万小时的电子游戏行为数据训练 AI，使其具备更接近人类直觉的决策能力，最终目标是将游戏智能迁移至机器人等真实场景。

为什么重要

游戏数据的核心价值不在于「像人类一样玩」，而在于其中包含的高密度决策-反馈循环——这正是当前 Agent 训练数据最稀缺的部分。文本数据丰富但缺乏行为序列；合成数据可控但缺乏真实复杂性；游戏数据兼具高频、多样和真实人类决策三重属性，3.2 亿美元是资本对这个假设的验证。

不同来源

TechCrunch（两篇报道）科技媒体

两篇报道内容高度重叠，均聚焦「游戏→机器人」的迁移路径。第一篇以「从 Fortnite 到机器人」为框架，第二篇以「23 亿美元赌注」为标题，侧重强调这是迄今最大规模的游戏训练数据押注

游戏数据作为 Agent 训练素材的假设是否成立，要等实际的机器人部署结果验证。3.2 亿美元意味着有人愿意为这个假设付出巨大代价去测试，本身就是一个值得记住的行业信号——下一个数据飞轮，可能不是来自互联网文本，而是来自游戏行为序列。

TechCrunch General Intuition 融资 3.2 亿美元，押注游戏数据训练现实世界 AI agent

TechCrunch General Intuition's $2.3B bet that video games can train AI agents for the real world

05/11

Liquid AI LFM2.5-230M：400MB 内存、213 tokens/s，超越参数量 4 倍的竞品

边缘 AI 的核心约束不是参数量，而是推理效率与内存占用的比值。LFM2.5-230M 实现了在极低资源约束下超越参数量 4 倍竞品的任务性能，且已在实体机器人上完成真实部署验证，意味着「强的小模型」可以开始在成本敏感的边缘设备上替代「勉强够用的大模型」。

A 级 · 值得细读 1 个来源 1 条新闻

大模型/LLM推理优化Agent 制造/工业通用/跨领域产品发布突破性实用性

是什么

Liquid AI 发布 LFM2.5-230M 模型，采用混合短程卷积与分组查询注意力机制（LFM2 架构），参数量仅 2.3 亿，内存占用不超过 400MB，在数据提取基准测试中击败 Qwen3.5-0.8B 和 Gemma 3 1B（均为其 4 倍参数量），在三星 Galaxy S25 Ultra 上实现 213 tokens/秒解码速度，已部署于 Unitree G1 人形机器人板载 Jetson Orin。

为什么重要

边缘 AI 的竞争正在从「谁的参数最多」转向「谁能在给定资源约束下做到最多」。230M 参数、400MB 内存、32K 上下文、213 tokens/s——这四个数字组合在一起，代表了边缘 agentic 工作流在真实硬件上的新可能性。已部署于人形机器人的验证不只是 demo，而是证明了这条路径在真实物理约束下的可行性。

不同来源

VentureBeat科技媒体

聚焦技术细节：LFM2 架构（短程卷积+GQA 混合），三星 S25 Ultra 和 Unitree G1 Jetson Orin 两类代表性边缘设备的实测数据，以及双重商业许可证（年收入低于 1000 万美元免费）的商业化策略

230M 参数但 32K 上下文、213 tokens/s、已上机器人——这三个数字结合在一起，是边缘 AI 效率竞赛进入新阶段的信号。比赛的重心正在从参数规模转向参数效率，而 Liquid AI 的 LFM 架构是目前在这个方向上走得最远的选手之一。

VentureBeat Liquid AI's smallest model yet LFM2.5-230M beats models 4X its size at data extraction

06/11

阿里 Qwen3-ASR 系列发布：0.6B 和 1.7B 双尺寸 + 强制对齐工具，多语言 ASR 工具链完整落地

Qwen 此前已在语言、多模态、代码等方向形成完整矩阵，此次发布补完了语音能力，使其成为少数在所有主要模态上均有自研开源模型的实验室之一。套件式发布（ASR + 对齐工具）意味着下游应用开发者可以在 Qwen 生态内完成从音频到理解的全链路构建，对中文多语言语音应用生态影响显著。

A 级 · 值得细读 1 个来源 3 条新闻

语音/音频大模型/LLM开源模型通用/跨领域产品发布实用性生态性

是什么

阿里 Qwen 团队在 HuggingFace 同日发布 Qwen3-ASR 系列：0.6B 和 1.7B 两个尺寸的端到端 ASR 模型，以及配套的 Qwen3-ForcedAligner-0.6B 强制对齐工具，支持中文、英文、粤语、阿拉伯语、德语等多语言，覆盖语音转写和时间戳级别对齐两大核心任务。

为什么重要

Qwen 此前已在语言、多模态、代码等方向形成完整矩阵，此次发布补完了语音能力。套件式发布策略意味着下游开发者可以在 Qwen 生态内完成「音频输入→文本理解→任务执行」的完整链路，而无需跨多个生态拼接工具，这对构建中文语音应用的开发者尤其重要。

不同来源

HuggingFace Models（三次发布）技术社区

Qwen 团队在同一时段连续发布三个模型：先 0.6B ASR、后 1.7B ASR、再 ForcedAligner 对齐工具，形成「从转写到对齐」的完整工具链，是有预谋的套件化发布策略

从开源生态竞争角度看，Qwen 不断扩展模态覆盖范围，正在构建的是一套「模态全覆盖的开源基础设施」。对于需要多语言 ASR 能力的应用开发者，Qwen3-ASR 提供了一个比 Whisper 更新、且与 Qwen 语言模型天然协同的替代选项——当这个生态足够完整时，换用其他模型的摩擦成本将大幅增加。

HuggingFace Models (Qwen) Qwen3-ASR-0.6B-hf

HuggingFace Models (Qwen) Qwen3-ASR-1.7B-hf

HuggingFace Models (Qwen) Qwen3-ForcedAligner-0.6B-hf

07/11

若愚揽月 01 获国内首张防爆整机认证，在佛山加油站正式对普通车主试运营

加油站是具身智能落地的高门槛场景：环境易燃易爆、操作精度要求高、接触真实客户压力大。防爆认证+真实商业运营的组合，意味着若愚走完了「技术→合规→部署」的完整闭环，而非实验室演示。围绕特种场景构建数据飞轮的战略，是一条窄而深的商业化路径，比宽泛平台策略更容易在短期内形成护城河。

A 级 · 值得细读 1 个来源 1 条新闻

机器人/具身智能大模型/LLM 制造/工业产品发布突破性信号性

是什么

深圳若愚科技的「若愚揽月 01」防爆人形机器人于 2026 年 3 月取得国内首张轮式人形机器人整机防爆认证，4 月起已在佛山加油站面向普通车主试运营，能够独立完成开盖、取枪、加注、收枪、关盖全套加油工序，无需人工介入。「若愚九天」大脑采用「大脑-小脑」分层协同架构，引入世界模型实现长序列任务前瞻推演，在 Libero-10 多任务基准上取得 94% 成功率。

为什么重要

加油站是具身智能落地的高门槛场景：环境易燃易爆（防爆认证是刚性门槛）、操作精度要求高（油枪插拔、精确对准加油口）、且接触真实客户（误操作成本高）。防爆认证+真实商业运营的组合，意味着若愚走完了「技术→合规→部署」完整闭环，这条路径一旦跑通，围绕油气场站、港口码头等类似高危场景的扩张将有可复制的范本。

不同来源

机器之心中文科技媒体

详细披露「若愚九天」大脑的分层架构和世界模型设计，以及 AAAI 2026 论文背书和 Libero-10 基准数据，将其定位为「场景数据飞轮」完整闭环的典型案例

比技术细节更重要的信号是：这台机器人现在正在给真实客户加油，而不是在展厅里做展示。围绕三类特种场景构建「场景数据飞轮」的战略，意味着若愚选择了窄而深的商业化路径——这种选择通常比宽泛平台策略更容易在短期内形成真实护城河。接下来值得关注的是：加油站数据能否真正加速其他高危场景的落地速度。

机器之心国内首张防爆资质、全球首个加油大脑方案，他们凭什么拿下两个「第一」

08/11

数据显示 Anthropic Claude 正在蚕食 ChatGPT 的付费消费者市场

付费用户是 AI 产品中最能反映真实价值感知的细分群体——他们是主动选择、且持续愿意支付的一群人。Claude 在付费市场的增长，意味着部分用户认为 Claude 在其核心使用场景中的价值已超过 ChatGPT，这是竞争格局实质性变化的先行指标。

A 级 · 值得细读 1 个来源 1 条新闻

大模型/LLM 通用/跨领域行业动态信号性规模性

是什么

TechCrunch 援引数据报道，付费 AI 用户群体正越来越多地选择 Anthropic 的 Claude，Anthropic 在 ChatGPT 长期主导的付费消费者市场实现了实质性的份额增长，尽管 ChatGPT 仍保持总体用户量优势。

为什么重要

付费用户是 AI 产品中最能反映真实价值感知的细分群体——他们是主动选择、且持续愿意支付的一群人，而非免费注册的浅层用户。Claude 在付费市场的增长代表着竞争格局的真实变化：有一批用户认为 Claude 在其核心使用场景中的价值已超过 ChatGPT，愿意为此转换产品。这是比公众认知变化更有意义的市场信号。

不同来源

TechCrunch科技媒体

聚焦付费消费者市场这一细分维度，指出 ChatGPT 虽仍保持总体用户量主导，但 Anthropic 在付费细分上的增长势头已形成实质性威胁，将这一趋势定性为 AI 消费者市场竞争格局的结构性变化

Claude 的竞争优势在过去一年逐渐从「更安全的 AI」转向「更有用的工作伴侣」——这个定位转变，加上模型能力的持续提升，正在转化为可见的市场份额变化。值得关注的是，这一增长发生在 Anthropic Mythos 被迫下线、旗舰模型受限的背景之下，说明 Claude 的吸引力已不完全依赖最强模型的可用性，产品本身的用户体验正在发挥更大作用。

TechCrunch Anthropic's Claude is winning over paid consumers, a market owned by ChatGPT

09/11

OpenAI 以 AI 辅助设计自研芯片，9 个月接近 Blackwell 水平

若 AI 辅助芯片设计真的能将开发周期从 3-5 年压缩至 9 个月，将从根本上改变半导体行业的竞争结构。对 OpenAI 而言，自研推理芯片直接关系到其长期算力成本和对英伟达的依赖程度，是年亏 209 亿美元背景下最关键的战略赌注之一。

A 级 · 值得细读 1 个来源 1 条新闻

芯片/硬件大模型/LLM 通用/跨领域行业动态信号性生态性

是什么

据 InfoQ 中国报道，OpenAI 正借助 AI 辅助设计研发自研芯片，设计周期约 9 个月，性能据称可接近 NVIDIA Blackwell 水平，战略方向是绕开与英伟达的正面竞争，而非直接替代。

为什么重要

若 9 个月 AI 辅助设计周期属实，意味着 AI 设计芯片正在将传统半导体研发的时间门槛从 3-5 年压缩到不足一年，从根本上改变半导体行业的竞争结构。对 OpenAI 而言，自研推理芯片是应对 209 亿美元年运营亏损、摆脱对英伟达依赖的核心战略棋子。

不同来源

InfoQ 中国技术媒体

重点分析 OpenAI 的「绕道」战略：不与英伟达正面竞争算力密度，而是通过 AI 设计工具压缩设计周期，快速迭代专用推理芯片，标题直接点出「老黄的 GPU 大盘不稳了」的竞争压力

这条消息需要保持审慎——「9 个月接近 Blackwell」的具体含义取决于哪些指标，且消息来自二手报道而非 OpenAI 直接声明。但作为趋势信号，AI 辅助芯片设计的可行性已在多家公司形成共识（Google TPU、Anthropic Trainium 合作、OpenAI 自研），这条赛道的竞争正在从纸面走向实产线——这对整个 AI 基础设施格局都是变量。

InfoQ 中国 AI 设计 9 个月就能媲美 Blackwell？OpenAI「辣芯」绕开英伟达正面战场，但老黄的 GPU 大盘不稳了

10/11

微软发布 Scout：从 Copilot 到 Autopilot 的企业级常驻型 AI Agent

持续运行的企业 Agent 与传统对话式 AI 助手有本质区别：前者将主动权交给 AI，在用户不在场时持续处理任务，这意味着企业信息流和决策流程将被深度重构。微软凭借在企业市场的根基，有条件让 Scout 快速覆盖大量企业客户，可能形成先发优势。

A 级 · 值得细读 1 个来源 1 条新闻

Agent大模型/LLM 办公/生产力产品发布信号性规模性

是什么

微软发布企业级持续运行 AI 智能体 Scout，设计为在企业环境中常驻并自主执行复杂任务，无需用户逐次手动触发，标志着微软 AI 产品战略从 Copilot（被动响应）向 Autopilot（主动自治）的正式演进。

为什么重要

持续运行的企业 Agent 与传统对话式 AI 助手有本质区别：前者将主动权交给 AI，在用户不在场时持续处理任务，这意味着企业信息流和决策流程将被深度重构。微软凭借在企业市场的深厚根基（Office、Teams、Azure），有条件让 Scout 快速触达大量企业客户，一旦「常驻 Agent」模式被企业接受，替换成本将大幅增加。

不同来源

InfoQ 中国技术媒体

将 Scout 定位为从 Copilot 到 Autopilot 的范式转移节点，强调「常驻型」这一关键特征与传统 AI 助手的本质区别，认为这是微软在企业 Agent 赛道建立先发优势的战略布局

Scout 的价值主张不是「帮你做更多」，而是「即使你不在，它也在做」。这对企业的影响深远——工作流将从「人发起 AI 协助」演变为「AI 主动推进人审批」。挑战在于企业的信任门槛和安全顾虑：把一个持续运行的 Agent 放进企业系统，谁对其决策结果负责？这个问题在 Scout 大规模落地之前，需要被认真回答。

InfoQ 中国从 Copilot 到 Autopilot：微软发布常驻型企业智能体 Scout

11/11

Anthropic 就 Qwen 提起知识产权诉讼，CEO 同期被白宫圈子排斥

头部闭源实验室对开源或中国 AI 模型提起正式法律诉讼，可能开创先例，深远影响开源模型的开发边界和模型知识产权认定标准。若诉讼成立，开源社区将不得不认真对待训练数据、权重来源的法律合规问题。

A 级 · 值得细读 1 个来源 1 条新闻

大模型/LLM开源模型法律/合规行业动态规模性争议性

是什么

Anthropic 就 Qwen 向法院提起知识产权诉讼。同期，Anthropic CEO Dario Amodei 据报道因被特朗普政府圈子以「怪异」为由排除在政策讨论之外，形成「法律强势出击、政治资本受损」的双重处境——这与今日 Mythos 模型被政府叫停、InfoQ 报道「Fable 5 还未解禁」的背景并列，构成 Anthropic 今日最复杂的政治图景。

为什么重要

头部闭源实验室对开源模型（尤其是来自中国的模型）提起正式法律诉讼，可能开创先例：开源社区将不得不认真对待训练数据来源、模型权重知识产权的法律合规问题。若诉讼成立，将深远影响未来开源模型的开发边界，以及如何界定「受保护的模型知识」。

不同来源

InfoQ 中国技术媒体

将法律诉讼与 CEO 政治失位并列，强调 Anthropic 正同时面临「技术/法律出击」和「政治资本受损」两种截然相反的处境——Mythos 被叫停、CEO 被排斥，但在 IP 上强势出击，这本身就是一种复杂的生存策略信号

Anthropic 选择在 Mythos 被政府叫停、政治资本受损的当口对 Qwen 提起诉讼，时机耐人寻味。这场诉讼的实质意义不在于最终判决（可能旷日持久），而在于它发出了一个信号：当 AI 能力竞争白热化，知识产权将成为头部实验室保护竞争地盘的重要手段之一。后续值得追踪：诉讼的具体诉求是什么？这将决定其对整个开源生态的真实影响范围。

InfoQ 中国 Fable 5 还未解禁，Anthropic 一纸诉状砸向 Qwen，自家 CEO 却被白宫嫌「怪」踢出局！

AI 主编日报The Editor's Brief

特朗普政府历史性干预 AI 模型发布：Anthropic Mythos 停摆两周、OpenAI GPT-5.6 受控

AI 编程质量悖论：速度提升 33.7%，但 Bug 增 54%、生产事故暴增 242%

英伟达 MoE 训练框架开源：一行 import 实现专家并行，微调提速 3.7 倍

General Intuition 完成 3.2 亿美元融资，押注游戏行为数据训练真实世界 AI Agent

Liquid AI LFM2.5-230M：400MB 内存、213 tokens/s，超越参数量 4 倍的竞品

阿里 Qwen3-ASR 系列发布：0.6B 和 1.7B 双尺寸 + 强制对齐工具，多语言 ASR 工具链完整落地

若愚揽月 01 获国内首张防爆整机认证，在佛山加油站正式对普通车主试运营

数据显示 Anthropic Claude 正在蚕食 ChatGPT 的付费消费者市场

OpenAI 以 AI 辅助设计自研芯片，9 个月接近 Blackwell 水平

微软发布 Scout：从 Copilot 到 Autopilot 的企业级常驻型 AI Agent

Anthropic 就 Qwen 提起知识产权诉讼，CEO 同期被白宫圈子排斥

同一件事,不同说法

特朗普政府历史性干预 AI 模型发布：Anthropic Mythos 停摆两周、OpenAI GPT-5.6 受控

AI 编程质量悖论：速度提升 33.7%，但 Bug 增 54%、生产事故暴增 242%

General Intuition 完成 3.2 亿美元融资，押注游戏行为数据训练真实世界 AI Agent

其余 29 条 · 知道有就行