[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-daily-2026-07-12":3},{"daily":4,"dates":238},{"bizDate":5,"vertical":6,"leadText":7,"top":8,"sections":84},"2026-07-12","ai","今天最热的一条是苹果正式起诉OpenAI,指控其“有组织”挖走400多名苹果前员工(含iPhone设计主管)窃取商业机密——时间点卡得极准,正撞上OpenAI组建硬件部门,AI人才战从暗地里挖角升级成法庭对簿。同一天两条路线选择也很有戏剧性:智谱唐杰发内部信明说不追短期变现、砸百亿死磕AGI和机械可解释性,扎克伯格却公开承认Meta落后、押注“西瓜”模型追赶——一个选择慢下来啃硬骨头,一个选择加速冲刺。另一条暗线是国产算力和具身智能这天扎堆发力:十万卡国产集群落成,蚂蚁LingBot-VA、智源Orca世界模型接连亮相。今天先看这三条:苹果诉OpenAI、智谱内部信对撞扎克伯格表态、中国十万卡集群。",[9,19,26,35,43,50,57,63,70,77],{"heat":10,"score":11,"src":12,"rank":13,"lab":14,"body":15,"title":16,"analysis":17,"url":18},14,71,"The Decoder",1,"综合资讯","苹果起诉OpenAI，指控其通过挖角400多名前苹果员工（包括iPhone设计主管）窃取商业机密，正值OpenAI组建硬件部门之际。","苹果起诉 OpenAI 涉嫌通过挖角员工进行“协同行动”窃取商业机密","苹果起诉OpenAI，指控其通过系统性挖角窃取商业机密，涉及400多名前苹果员工，包括iPhone设计负责人。这起诉讼正值OpenAI组建硬件部门之际，凸显科技巨头间的人才与知识产权争夺白热化。\n· 苹果在诉状中称，OpenAI开展了一场“协同行动”，通过挖角员工获取未发布产品的商业机密，超过400名前苹果员工现任职OpenAI，包括前iPhone设计主管Tang Tan。\n· 诉讼时机微妙：OpenAI正组建自有硬件部门，其首款产品预计最早2027年才发货，苹果此举意在遏制潜在竞争。\n· 案件核心在于“协同行动”的界定：苹果需证明OpenAI有组织地针对苹果员工，而非个别跳槽行为。\n· 若苹果胜诉，可能影响OpenAI的人才招募策略，并引发更多科技公司对竞业限制和商业秘密保护的重新审视。\n看点：这不仅是两家公司的法律纠纷，更可能重塑硅谷人才流动规则，对AI行业的人才竞争格局产生深远影响。","https:\u002F\u002Fthe-decoder.com\u002Fapple-sues-openai-for-allegedly-running-a-coordinated-campaign-to-steal-trade-secrets-through-poached-employees\u002F",{"heat":13,"score":11,"src":20,"rank":21,"lab":14,"body":22,"title":23,"analysis":24,"url":25},"量子位 资讯",2,"中国首个十万卡集群建成，采用全国产算力，覆盖FP64到INT8全精度，支撑大规模AI训练。","中国首个十万卡集群落成！全国产算力支撑“十万卡时代”","中科曙光在郑州建成中国首个十万卡国产AI超集群曙光8000，实现从FP64到INT8全精度覆盖，并接入国家超算互联网。这标志着中国AI算力进入十万卡时代，且不走“堆卡”老路，而是通过“超智融合”架构解决算力错配问题。\n· 十万卡集群的工程挑战巨大：网络拥堵、存储崩溃、散热、调度等复杂度指数级上升，曙光8000通过全链路国产自研（芯片、存储、网络、液冷）实现突破。\n· 核心创新是“原生超智融合”：同一系统同时支持科学计算（FP64）和大模型训练（INT8），避免算力资源闲置，提升利用率。\n· 工程进度惊人：2024年研制，2025年建成，2026年2月3万卡试运行，4月6万卡投用，7月10万卡落地，体现中科曙光30年工程积淀。\n· 实际应用成果显著：8万卡加速蛋白质折叠模拟、8.8万卡完成328万亿网格湍流模拟、9万卡实现3.16万亿原子DFT仿真，均为世界级成果。\n· 开放架构兼容多品牌AI加速卡，支持主流生态，降低开发者迁移成本，并计划复制第二套系统，推动国产算力标准化。\n看点：曙光8000不仅是工程奇迹，更是国家算力网的关键节点，其“超智融合”模式为国产算力优化提供了可复制的路径，有望加速全国算力一体化进程。","https:\u002F\u002Fwww.qbitai.com\u002F2026\u002F07\u002F447891.html",{"heat":27,"score":28,"src":29,"rank":27,"lab":30,"body":31,"title":32,"analysis":33,"url":34},3,67,"X：Rohan Paul (@rohanpaul_ai)","X 媒体 \u002F KOL","LingBot-VLA 2.0发布，在20种机器人配置上训练，采用55维动作格式统一控制全身，性能优于pi0.5。","LingBot-VLA 2.0：全身体控制机器人策略","LingBot-VLA 2.0 通过统一动作空间和稀疏 MoE，实现了跨 20 种机器人配置的全身体控制，性能显著优于此前模型。\n· 采用 55 维动作格式统一控制手臂、夹爪、灵巧手、头部、腰部和移动底座，覆盖全身运动。\n· 在 20 种机器人配置上训练，将 9 万小时原始数据过滤为 5 万小时高质量真实机器人数据。\n· 使用稀疏 MoE 模块，每个动作 token 分配专用网络，共享专家保留通用技能，提升泛化能力。\n· 额外训练信号要求模型预测当前和未来深度及视频特征，以跟踪物体几何和场景变化。\n· 在 Agilex GM-100 上达到 66.2% 进度和 34.4% 成功率，优于 pi0.5 的 59.1% 和 32.2%。\n看点：LingBot-VLA 2.0 展示了统一全身控制策略的潜力，为机器人通用技能学习提供了新范式。","https:\u002F\u002Fx.com\u002Frohanpaul_ai\u002Fstatus\u002F2076044975633252540",{"heat":13,"score":36,"src":37,"rank":38,"lab":14,"body":39,"title":40,"analysis":41,"url":42},70,"MarkTechPost",4,"蚂蚁集团Robant发布面向物理AI的因果视频动作模型LingBot-VA 2.0，原生训练而非微调视频生成器。","蚂蚁集团Robant发布LingBot-VA 2.0：面向物理AI的因果视频动作模型","蚂蚁集团旗下Robant发布LingBot-VA 2.0，这是首个原生面向具身智能的视频动作基础模型，旨在解决通用机器人操作中的因果建模与闭环控制难题。\n· 传统视频动作模型复用数字内容生成的VAE和双向扩散骨干，存在三大局限：像素重建潜变量缺乏物理结构、迭代去噪速度慢、通用视频目标无法学习动作如何改变世界。此外，双向注意力与控制的时间单向性不匹配。\n· LingBot-VA 2.0采用两阶段预训练：第一阶段用语义对齐和潜动作目标替换压缩VAE，使视觉潜变量与感知编码器对齐，并通过逆动力学和正动力学模型将动作与状态统一到同一潜空间，从而从无标签视频中提取动作相关监督。\n· 第二阶段基于因果DiT架构，视频专家使用稀疏MoE（128个路由专家，top-8路由，1个共享专家）和Loss-Free Balancing策略，动作专家保持密集FFN。总参数量约15.3B，激活约2.5B。\n· 与1.0版微调现有模型不同，2.0版从头预训练因果DiT，实现了原生因果建模，更适合机器人控制的时间序列特性。\n影响\u002F看点：LingBot-VA 2.0通过因果潜空间和稀疏MoE设计，为物理AI提供了一种可扩展的通用操作基础模型，有望推动机器人从仿真走向真实世界的泛化控制。","https:\u002F\u002Fwww.marktechpost.com\u002F2026\u002F07\u002F11\u002Fant-groups-robbyant-unveils-lingbot-va-2-0\u002F",{"heat":13,"score":44,"src":29,"rank":45,"lab":30,"body":46,"title":47,"analysis":48,"url":49},68,5,"LingBot-World 2.0发布，仅需1张起始帧即可持续生成60分钟交互式视频场景，无质量衰减。","LingBot-World 2.0：开源交互式视频世界模型，单次60分钟无质量衰减","导读：LingBot-World 2.0 实现了单次60分钟、横跨20个场景的连续视频生成，且无质量衰减，为交互式世界模型树立了新标杆。\n· 仅需1张起始帧，结合实时摄像头移动或文本指令，即可持续生成用户可移动和操作的场景，输出720p\u002F60fps实时画面。\n· 训练分两阶段：先由因果扩散模型学习高质量世界预测，再通过一致性蒸馏和分布匹配蒸馏压缩为少步学生模型，兼顾质量与效率。\n· 架构上，视觉语言模型作为“大脑”提出事件，视频生成器作为“小脑”渲染，外加飞行员和导演两个智能体分别控制角色行为和持续添加新事件，分工明确。\n· 发布内容包括14B主模型、1.3B单消费级GPU模型、开放权重、智能体框架、多人控制及在线Demo，但尚缺真正长期记忆。\n影响\u002F看点：该模型在长时间生成稳定性上取得突破，开源策略有望推动交互式视频生成领域的快速发展，但长期记忆缺失仍是未来需要攻克的关键方向。","https:\u002F\u002Fx.com\u002Frohanpaul_ai\u002Fstatus\u002F2075768163892134386",{"heat":13,"score":44,"src":51,"rank":52,"lab":14,"body":53,"title":54,"analysis":55,"url":56},"IT之家",6,"谷歌发布可穿戴健康基础模型SensorFM，基于500万人、1万亿分钟数据预训练，在35项健康任务中34项优于基线。","谷歌发布可穿戴健康基础模型 SensorFM，基于500万人、1万亿分钟数据预训练","扎克伯格承认 Meta 在 AI 上落后，但预告“西瓜”模型将打造极致智能，同时 Muse Spark 1.1 以低价策略搅动市场。\n· 扎克伯格在采访中坦言 Meta 在 AI 能力上仍落后于 Anthropic 和 OpenAI，但团队正研发代号“西瓜”（Watermelon）的新模型，目标是将智能推向极致，与顶尖模型竞争。\n· Meta 最新发布的 Muse Spark 1.1 是首款收费模型，定价仅为其他顶级模型的 25%，每百万输入 token 1.25 美元，输出 4.25 美元，低于谷歌和 OpenAI 旗舰模型。\n· 尽管价格低廉，Muse Spark 1.1 在智能体、编程等多项任务上表现优于谷歌 Gemini，可能引发 AI 模型价格战。\n· 扎克伯格强调 Meta 整体进展好于预期，低价策略旨在快速获取用户和市场份额，为后续“西瓜”模型铺路。\n影响\u002F看点：Meta 的双轨策略——低价抢占市场与高端模型突破——可能重塑 AI 竞争格局，但“西瓜”模型能否真正追上领先者仍是未知数。","https:\u002F\u002Fwww.ithome.com\u002F0\u002F975\u002F442.htm",{"heat":13,"score":28,"src":51,"rank":58,"lab":14,"body":59,"title":60,"analysis":61,"url":62},7,"OpenAI称GPT-5.6 Sol可充当自动化研究员，自主后训练Luna模型，在聚合RSI指标上比GPT-5.5高16.2个百分点。","OpenAI 称 GPT-5.6 Sol 可化身研究员，后训练 Luna AI 模型","OpenAI宣布GPT-5.6 Sol能自主后训练较小的Luna模型，在聚合RSI指数上比GPT-5.5高16.2个百分点，相当于扮演“自动化研究员”角色。这标志着AI从“工具”向“研究者”的进化，可能改变模型开发范式。\n· 后训练通常由高级研究团队手动完成，而GPT-5.6 Sol能基于自身后训练路径，为Luna模型适配完整方案，包括训练配置、GPU选择、脚本启动等。\n· 内部评估套件“聚合RSI”涵盖调试系统、优化kernel、运行实验、改进另一模型等真实研究任务，GPT-5.6 Sol得分显著领先。\n· 实际应用中，研究人员日均token产出较GPT-5.5峰值翻倍，单个研究员的pull request和实验数量也上升，表明AI辅助研究效率大幅提升。\n· 这一能力可能降低模型开发门槛，使小型团队也能高效进行模型后训练，加速AI创新。\n看点：GPT-5.6 Sol的“研究员”能力预示着AI开发流程的自动化趋势，未来模型可能自我迭代，人类角色从执行者转向监督者。","https:\u002F\u002Fwww.ithome.com\u002F0\u002F975\u002F461.htm",{"heat":13,"score":64,"src":12,"rank":65,"lab":14,"body":66,"title":67,"analysis":68,"url":69},65,8,"北京智源研究院发布世界模型Orca，仅用12.5万小时无动作标签视频训练，在五项机器人任务上达到专业系统水平。","中国北京智源研究院发布世界模型Orca，无需动作标签即可匹配专业机器人系统","中国北京智源研究院发布的世界模型Orca，无需动作标签即可匹配专业机器人系统，为机器人学习领域的数据短缺问题提供了全新解决方案。\n· Orca是一种世界模型，它不预测具体的像素或动作标记，而是预测抽象的“世界状态”，从而在无需动作标签的情况下学习。\n· 该模型在12.5万小时的视频数据上训练，没有使用任何动作标签，却能在这五个机器人任务上与专业系统π0.5表现相当。\n· 这种无监督学习方式大幅降低了对标注数据的依赖，有望缓解机器人领域长期存在的数据短缺问题。\n· Orca的发布标志着中国在通用机器人基础模型方面的重要进展，为未来机器人自主学习和适应新环境开辟了新路径。\n影响\u002F看点：Orca通过无动作标签学习世界模型，可能改变机器人训练范式，加速通用机器人技术的发展。","https:\u002F\u002Fthe-decoder.com\u002Fchinas-orca-world-model-matches-specialized-robotics-systems-without-ever-seeing-a-single-action-label\u002F",{"heat":13,"score":64,"src":71,"rank":72,"lab":30,"body":73,"title":74,"analysis":75,"url":76},"X：Kim (@kimmonismus)",9,"OpenAI Codex团队透露产品方向，包括Linux桌面应用、提升智能体持久性等，周活用户超500万。","OpenAI Codex团队在Reddit AMA中透露产品方向","导读：OpenAI Codex 团队在 Reddit AMA 中透露了产品方向，包括用户增长、未来功能规划及定价策略，展示了其作为 AI 编程助手的雄心。\n· Codex 目前拥有超过 500 万周活跃用户，三个月内翻倍，并在此期间推出了 150 项改进，增长势头强劲。\n· 未来计划包括开发 Linux 桌面应用（无时间表）、提升智能体持久性并降低代码复杂度，自动模型路由尚未实现但倾向让 Codex 推断任务难度。\n· OpenAI 将 Slack、GitHub 和 Notion 连接器视为让 Codex 成为高效协作者的关键，GPT-5.6 专门针对 UI 和前端工作进行了训练。\n· 未承诺 1M token 上下文窗口，当前定价不保证不变，但团队表示广泛可及性仍是目标；普通 ChatGPT 对话不消耗智能体配额。\n影响\u002F看点：Codex 的快速增长和明确的产品路线图表明 AI 编程助手正成为开发者不可或缺的工具，但定价和上下文窗口的不确定性可能影响用户采纳。","https:\u002F\u002Fx.com\u002Fkimmonismus\u002Fstatus\u002F2075856282020389370",{"heat":13,"score":78,"src":51,"rank":79,"lab":14,"body":80,"title":81,"analysis":82,"url":83},64,10,"开发者用Claude Fable 5在11天内编写超100万行代码，将JavaScript运行时Bun从Zig重构为Rust。","Claude Fable 5 11天编写超100万行代码：用Rust重构JavaScript运行时Bun","开发者Jarred Sumner借助Claude Fable 5模型，在11天内用Rust重写了JavaScript运行时Bun，编写超100万行代码，将Zig代码库完全迁移至Rust。\n· 重构主要动机是提高可靠性：Zig频繁出现内存错误和崩溃，且难以彻底修复；Rust的编译时检查能捕获大量此类错误。\n· 64个Claude实例并行运行11天，编写超100万行代码，而人工团队预计需要1年。API费用约16.5万美元，但Bun团队已于2025年12月被Anthropic收购，因此无需担心成本。\n· 重构后的Bun v1.4.0以Canary版本发布，修复了128个错误，运行速度提升约2%到5%。\n· 此次重构展示了AI在大型代码库迁移中的潜力，但速度提升有限，主要收益在于内存安全性和可维护性。\n影响\u002F看点：Claude Fable 5在11天内完成百万行级代码重构，标志着AI辅助编程从“写片段”迈向“重写整个运行时”，但性能提升幅度提示：安全性与速度的权衡仍需人工优化。","https:\u002F\u002Fwww.ithome.com\u002F0\u002F975\u002F469.htm",[85,91,145,187,208],{"no":86,"count":13,"en":87,"arts":88,"zh":90},"01","MODEL RELEASES",[89],{"heat":13,"score":28,"src":51,"lab":14,"body":59,"title":60,"analysis":61,"url":62},"模型发布\u002F更新",{"no":92,"count":65,"en":93,"arts":94,"zh":144},"02","PRODUCT LAUNCHES",[95,96,103,111,118,125,132,139],{"heat":13,"score":64,"src":71,"lab":30,"body":73,"title":74,"analysis":75,"url":76},{"heat":13,"score":97,"src":98,"lab":30,"body":99,"title":100,"analysis":101,"url":102},63,"X：Ethan Mollick (@emollick)","GPT-5.6 Sol在Codex中自主控制电脑，耗时5小时通关《杀戮尖塔2》每日挑战。","GPT-5.6 Sol自主运行5小时通关《杀戮尖塔2》","导读：GPT-5.6 Sol 在 Codex 中自主运行 5 小时，成功通关《杀戮尖塔 2》的每日挑战，展示了 AI 在复杂游戏中的长期自主决策能力。\n· 用户将电脑控制权交给 GPT-5.6 Sol，要求其赢得《杀戮尖塔 2》的每日挑战，该挑战包含随机因素，无法作弊。\n· AI 连续工作 5 小时，做出复杂的游戏选择，最终获胜，体现了其持久性和策略规划能力。\n· 这一成就被视为 AI 能力的一个重要里程碑，表明模型能够在长时间内保持目标导向并应对不确定性。\n影响\u002F看点：GPT-5.6 Sol 在游戏中的表现证明了 AI 在复杂、动态环境中的自主决策潜力，未来可能应用于更广泛的自动化任务。","https:\u002F\u002Fx.com\u002Femollick\u002Fstatus\u002F2075950897029374334",{"heat":13,"score":104,"src":105,"lab":106,"body":107,"title":108,"analysis":109,"url":110},61,"X：Replit (@Replit)","X 官方账号","Replit本周发布社区档案、免费自定义域名和智能体加速器三大更新。","Replit 本周三大更新：社区档案、免费域名与智能体工具","导读：Replit 本周推出三大更新，包括社区档案、免费域名和智能体工具，进一步降低开发门槛。\n· 社区档案（Community Profiles）上线，为“氛围编码者”提供工作证明。\n· 免费自定义域名，有效期至7月17日，用户可免费使用。\n· Ramp for Agents 工具，允许用户通过 Replit Agent 注册和运营公司，简化业务流程。\n影响\u002F看点：Replit 通过免费域名和智能体工具吸引更多开发者，社区档案则增强了社交属性，有望巩固其在线开发平台的地位。","https:\u002F\u002Fx.com\u002FReplit\u002Fstatus\u002F2075736557164581301",{"heat":21,"score":112,"src":113,"lab":30,"body":114,"title":115,"analysis":116,"url":117},59,"X：Sam Altman (@sama)","ChatGPT桌面版发布，用户增长迅猛，一天增长超过过去两周总和。","ChatGPT桌面版发布，用户增长迅猛","ChatGPT 桌面版发布后用户增长迅猛，单日增长超过此前两周总和，显示桌面端需求强劲。\n· Sam Altman 称“一天增长超过过去两周总和”，暗示桌面版吸引力巨大。\n· 用户可通过 chatgpt.com\u002Fdownload\u002F 下载桌面应用。\n· 桌面版可能提供更便捷的交互体验，推动用户增长。\n看点：桌面版发布标志着 ChatGPT 从移动端向全平台扩展，用户增长数据验证了多端布局的价值。","https:\u002F\u002Fx.com\u002Fsama\u002Fstatus\u002F2076034163418014199",{"heat":13,"score":119,"src":120,"lab":30,"body":121,"title":122,"analysis":123,"url":124},58,"X：小互 (@xiaohu)","LangChain发布OpenWiki 0.1.0，为AI智能体提供主动记忆，自动抓取六类信源生成本地wiki。","LangChain发布OpenWiki 0.1.0：为AI智能体装上主动记忆","导读：LangChain 发布 OpenWiki 0.1.0，为 AI 智能体提供主动记忆能力，自动抓取多源信息并生成本地 wiki。\n· OpenWiki 可自动抓取 Gmail、Notion、Git 仓库、Twitter\u002FX、Hacker News 及网页搜索六类信源，整理为本地 Markdown wiki。\n· wiki 支持按设定节奏自动刷新，无需手动整理或更新，Agent 可随时调用。\n· 这一工具解决了 AI 智能体长期记忆缺失的问题，使其能够持续访问最新信息。\n影响\u002F看点：OpenWiki 为 AI 智能体提供了实用的记忆解决方案，有望提升 Agent 在长期任务中的表现，但数据隐私和安全性仍需关注。","https:\u002F\u002Fx.com\u002Fxiaohu\u002Fstatus\u002F2075883734600146993",{"heat":13,"score":126,"src":127,"lab":30,"body":128,"title":129,"analysis":130,"url":131},57,"X：Testing Catalog (@testingcatalog)","Cursor新增侧边对话、智能体搜索、云钩子及重新设计的项目选择器。","Cursor 新增侧边对话与智能体搜索功能","Cursor 新增侧边对话与智能体搜索功能，提升开发协作效率。\n· 允许在主线程旁运行侧边对话，通过 @提及拉取上下文。\n· 可从智能体窗口或对话中搜索智能体记录。\n· 新增云钩子，并重新设计项目与仓库选择器。\n影响\u002F看点：这些功能使开发者能更灵活地管理多线程对话和上下文，尤其适合复杂项目中的协作与调试。","https:\u002F\u002Fx.com\u002Ftestingcatalog\u002Fstatus\u002F2075836204805751057",{"heat":13,"score":133,"src":134,"lab":30,"body":135,"title":136,"analysis":137,"url":138},56,"X：Artificial Analysis (@ArtificialAnlys)","中国移动发布JT-4.1 Flash 236B非推理模型，得分39，幻觉率降至43%。","中国移动发布 JT-4.1 Flash 236B A21B 非推理模型","中国移动发布 JT-4.1 Flash 236B A21B 非推理模型，性能显著提升。\n· 在 Artificial Analysis 智能指数 v4.1 上得分 39，较前代 JT-35B-Flash 大幅提升。\n· 上下文窗口 256k，仅支持文本输入输出。\n· τ3-Banking 达 28%，领先 DeepSeek V4 Pro 和 GLM-5.2；AA-Omniscience 指数 -10.1，幻觉率降至 43%。\n· HLE 得分 16.1%，远超 JT-35B-Flash 的 6%。\n影响\u002F看点：虽与国内前沿模型仍有差距，但进步明显，表明中国移动在 AI 领域加速追赶。","https:\u002F\u002Fx.com\u002FArtificialAnlys\u002Fstatus\u002F2075735243915702726",{"heat":13,"score":133,"src":127,"lab":30,"body":140,"title":141,"analysis":142,"url":143},"字节跳动Seedance 2.5 Pro样片曝光，可一次性生成30秒赛博朋克风格视频。","字节跳动Seedance 2.5 Pro样片曝光","字节跳动 Seedance 2.5 Pro 样片曝光，30 秒一次性生成赛博朋克机器人场景，展示视频生成能力。\n· 样片为“赛博朋克黑客机器人在多台显示器前工作”测试。\n· 30 秒一次性生成，无需分段合成。\n· 视频质量高，细节丰富，体现字节跳动在 AI 视频生成领域的进展。\n看点：Seedance 2.5 Pro 的快速生成能力可能推动 AI 视频创作进入新阶段。","https:\u002F\u002Fx.com\u002Ftestingcatalog\u002Fstatus\u002F2076043332472463471","产品发布\u002F更新",{"no":146,"count":65,"en":147,"arts":148,"zh":186},"03","INDUSTRY",[149,150,151,157,163,168,174,180],{"heat":10,"score":11,"src":12,"lab":14,"body":15,"title":16,"analysis":17,"url":18},{"heat":13,"score":11,"src":20,"lab":14,"body":22,"title":23,"analysis":24,"url":25},{"heat":13,"score":78,"src":152,"lab":14,"body":153,"title":154,"analysis":155,"url":156},"Hacker News 热门","报告揭示恐怖组织博科圣地利用前沿AI技术进行恐怖活动。","恐怖组织博科圣地如何利用前沿AI技术","恐怖组织博科圣地利用前沿AI技术进行宣传、招募和攻击策划，这一趋势引发全球安全界对AI被滥用的担忧。\n· 报告指出，博科圣地使用生成式AI制作多语言宣传内容，包括视频、音频和文本，以扩大其影响力。\n· AI还被用于分析社交媒体数据，识别潜在招募对象，并个性化推送极端主义内容。\n· 在战术层面，该组织尝试利用AI优化无人机路径规划，甚至探索深度伪造技术制造虚假信息。\n· 安全专家呼吁加强AI治理，防止恐怖组织利用开源模型和商业AI服务。\n影响\u002F看点：AI的双刃剑效应在反恐领域凸显，如何平衡技术创新与安全管控成为各国政府面临的紧迫挑战。","https:\u002F\u002Fcasp.ac\u002Freports\u002Fai-enabled-terrorism",{"heat":13,"score":158,"src":51,"lab":14,"body":159,"title":160,"analysis":161,"url":162},62,"智谱创始人唐杰发内部信，宣布启动“摸高计划”，继续聚焦AGI研究而非短期商业变现，并计划投入百亿级资源攻坚机械可解释性。","智谱创始人唐杰内部信：启动“摸高计划”，聚焦 AGI 研究而非短期变现","智谱创始人唐杰在内部信中宣布启动“摸高计划”，明确公司将继续聚焦AGI研究而非短期商业变现，这一反直觉的战略选择揭示了AI行业在资本热潮下的另一种可能路径。\n· 唐杰强调智谱的核心方法论是“本质、反直觉、专注”，回顾了从2006年学术搜索到2021年GLM-130B的多次反直觉决策，认为这些选择源于对技术本质的深度思考。\n· 通往AGI必须翻越四座山峰：长程任务、自治智能体系统、完全自我训练、极致安全治理。其中极致安全治理被特别强调，智谱计划投入百亿级资源攻坚机械可解释性，推动黑盒系统向透明可解释系统转变。\n· 唐杰对AGI的定义是“全人类智慧水平的总和”，能创造出“相对论”级别原创知识。他认为智能上界的跃迁才是真正的商业机会，而非产品和模式的微调。\n· 在自治智能体方面，智谱正从“一人公司”走向“全自动化公司”，记忆、持续学习、自我评判等难题已在技术与应用驱动下逐步消解。\n影响\u002F看点：智谱选择在上市后“归零”重注AGI基础研究，与行业普遍追求商业化形成鲜明对比。其百亿级安全治理投入可能成为AI透明化的关键突破，但长期专注能否在资本压力下坚持，值得持续关注。","https:\u002F\u002Fwww.ithome.com\u002F0\u002F975\u002F620.htm",{"heat":13,"score":104,"src":51,"lab":14,"body":164,"title":165,"analysis":166,"url":167},"扎克伯格承认Meta在AI上落后，预告代号“西瓜”的新模型将追求极致智能，有望与Anthropic和OpenAI竞争。","扎克伯格承认Meta在AI上落后，预告“西瓜”模型将打造极致智能","扎克伯格承认Meta在AI领域落后于OpenAI和Anthropic，但预告代号“西瓜”的新模型将“把智能推向极致”。同时，Meta推出低价模型Muse Spark 1.1，定价仅为顶级模型的25%，意图通过价格战抢占市场。\n· Muse Spark 1.1每百万输入token 1.25美元，输出4.25美元，低于谷歌和OpenAI旗舰模型，但在智能体和编程等任务上表现优于Gemini。\n· 扎克伯格表示Meta整体进展好于预期，但AI功能仍落后于领先者，“西瓜”模型被寄予厚望，可能采用更先进的架构或训练方法。\n· 低价策略可能引发AI模型价格战，迫使竞争对手降价，加速AI服务普及，但也可能压缩行业利润空间。\n· “西瓜”模型的具体细节尚未公布，但扎克伯格的表态暗示Meta将加大投入，力争在下一代模型上实现超越。\n看点：Meta的“低价+高端”双线策略，既通过价格战扩大市场份额，又通过“西瓜”模型冲击技术前沿，可能重塑AI竞争格局。","https:\u002F\u002Fwww.ithome.com\u002F0\u002F975\u002F438.htm",{"heat":13,"score":104,"src":169,"lab":30,"body":170,"title":171,"analysis":172,"url":173},"X：Elon Musk (@elonmusk, xAI)","Grok在APEX-SWE基准上以51.2% Pass@1排名第二，一年内提升30.2个百分点。","Grok 在真实世界软件工程基准上排名第二，仅次于 Fable","导读：Grok 4.5 在真实世界软件工程基准 APEX-SWE 上排名第二，仅次于 Fable 5，一年内性能提升 30.2 个百分点。\n· Grok 4.5 在 APEX-SWE 排行榜上以 51.2% Pass@1 位列第二，领先于 Fable 5 的 65.5%。\n· 在 Integration（集成）子项以 65.0% Pass@1 排名第一，在 Observability（可观测性）以 37.3% Pass@1 排名第二。\n· 集成优势对应 Grok 4.5 专为与 Cursor 协作的多步骤编码智能体工作流而设计，一年内性能从 21.0% 提升至 51.2%。\n影响\u002F看点：Grok 在软件工程基准上的快速进步表明 xAI 在编码智能体领域具有竞争力，但距离领先者 Fable 仍有差距，未来迭代值得关注。","https:\u002F\u002Fx.com\u002Felonmusk\u002Fstatus\u002F2075814989953114259",{"heat":13,"score":104,"src":175,"lab":30,"body":176,"title":177,"analysis":178,"url":179},"X：cb_doge (@cb_doge)","特朗普政府打击州AI法律，推动全国统一AI规则，允许司法部在法庭上挑战州法。","特朗普政府打击州AI法，力推统一规则","特朗普政府打击州 AI 法，力推统一规则，避免各州法规碎片化，值得关注。\n· 特朗普政府认为一些州的 AI 法迫使公司构建带有政治偏见的模型。\n· 司法部将有权在法庭上挑战这些州法，并推动制定全国统一的 AI 规则。\n· 此举旨在避免 50 个州各自为政，减轻企业合规负担。\n· 统一规则可能加速 AI 创新，但也可能削弱地方监管灵活性。\n影响\u002F看点：联邦与州在 AI 监管上的博弈将影响美国 AI 产业格局，企业需关注政策走向。","https:\u002F\u002Fx.com\u002Fcb_doge\u002Fstatus\u002F2075707146843623541",{"heat":13,"score":181,"src":51,"lab":14,"body":182,"title":183,"analysis":184,"url":185},60,"阿里巴巴联合多方启动“古壁生辉”工程，用AI数字化重现山西大云院五代壁画，非物理修复。","阿里巴巴等启动“古壁生辉”古代壁画AI重现工程","阿里巴巴联合西安美术学院等启动“古壁生辉”工程，用AI数字化重现古代壁画，首期对象为山西平顺大云院五代壁画。这项工程并非物理修复，而是通过AI学习壁画风格，生成色彩饱满的“二创”图像，为不可移动文物提供全新的观赏与研究可能。\n· 工程由阿里巴巴设计委员会发起，联合西安美术学院、爱智岛、万相、堆友等机构，旨在利用AI技术对古代壁画进行数字化重现，而非物理修复。\n· 首个重现对象是山西平顺大云院弥陀殿的《维摩诘经变》壁画，这是全国唯一的五代壁画，填补了晚唐至北宋绘画史的实物空白，但已严重风化、色彩减退。\n· 爱智岛基于万相Wan 2.7-Image模型，通过AI识别并清理风化痕迹，推断残缺部分的原始构图，并在尊重原画画风的前提下生成色彩饱满的二创图像。\n· 西安美术学院设计艺术学院院长张犁表示，第一阶段已让AI skill学完壁画全部专业知识，成为“壁画专家”，该skill已上线“堆友”平台，面向全国壁画从业者开放。\n· 重现工作完成后，计划在大云院开辟专区展示，让公众能目睹壁画的鲜活风姿。\n影响\u002F看点：AI为文化遗产保护提供了新思路——不触碰文物本体，却能“还原”其历史风貌，并开放工具让更多从业者参与，有望推动古代壁画数字化重现的普及。","https:\u002F\u002Fwww.ithome.com\u002F0\u002F975\u002F537.htm","行业动态",{"no":188,"count":58,"en":189,"arts":190,"zh":207},"04","RESEARCH",[191,192,193,194,195,196,201],{"heat":13,"score":36,"src":37,"lab":14,"body":39,"title":40,"analysis":41,"url":42},{"heat":13,"score":44,"src":29,"lab":30,"body":46,"title":47,"analysis":48,"url":49},{"heat":13,"score":44,"src":51,"lab":14,"body":53,"title":54,"analysis":55,"url":56},{"heat":27,"score":28,"src":29,"lab":30,"body":31,"title":32,"analysis":33,"url":34},{"heat":13,"score":64,"src":12,"lab":14,"body":66,"title":67,"analysis":68,"url":69},{"heat":13,"score":97,"src":51,"lab":14,"body":197,"title":198,"analysis":199,"url":200},"韩国UNIST提出V-Die方案，将DRAM侧立放置并加入液冷，在GPT-3任务中吞吐量达540 tokens\u002Fs，比HBM4高82%。","AI内存V-Die方案亮相：侧立DRAM吞吐540 tokens\u002Fs，比HBM4高82%","AI内存带宽和散热瓶颈有望被打破：韩国和日本团队分别提出V-Die和MOSAIC方案，通过将DRAM侧立放置，实现吞吐量大幅提升。\n· V-Die方案将DRAM芯片竖直放置，取消TSV，改用底边I\u002FO连接，并在相邻裸片间加入液冷通道，散热效果显著，堆叠温度可维持在约45°C，远低于传统HBM的80°C以上。\n· 在与HBM4等容量对比下，V-Die在GPT-3规模工作负载中达到540 tokens\u002Fs，比HBM4的296 tokens\u002Fs高出82.43%，内存读取时间下降37%。\n· 16层堆叠仿真显示，首Token时延降低32%，约24毫秒，性能提升明显。\n· MOSAIC方案由东京大学牵头，采用正交裸片堆叠与无接触互连，用微型感应线圈替代金属接触，原型接口速率达4 Gbps\u002F通道，可实现HBM4级容量的2倍。\n· bump-MOSAIC演示采用100微米间距微凸点，堆叠对准误差控制在6微米以内，热导率达到传统堆叠的3倍，并可额外增加最高30%内存容量。\n影响\u002F看点：V-Die和MOSAIC方案为AI加速器内存带宽和散热问题提供了创新思路，有望推动下一代HBM技术发展，提升AI训练和推理效率。","https:\u002F\u002Fwww.ithome.com\u002F0\u002F975\u002F397.htm",{"heat":13,"score":158,"src":202,"lab":106,"body":203,"title":204,"analysis":205,"url":206},"X：MiniMax (@MiniMax_AI)","MiniMax M3在Blackwell上实现980 TFLOP\u002Fs稀疏注意力，采用KV-stationary设计提升内存访问速度。","MiniMax M3在Blackwell上实现980 TFLOP\u002Fs稀疏注意力","MiniMax M3 在 Blackwell 上实现 980 TFLOP\u002Fs 稀疏注意力，突破长上下文性能瓶颈，值得关注。\n· MiniMax 与 Fireworks AI 合作，为 M3 模型在 NVIDIA B200 上推出新内核。\n· 采用 KV-stationary 设计，每个选中的 KV 块仅读取一次，解决数据依赖块选择破坏内存访问速度的问题。\n· 在 B200 上达到约 980 TFLOP\u002Fs 的算力，显著提升长上下文稀疏注意力效率。\n· 该技术可能加速长文档、多轮对话等场景的模型推理。\n影响\u002F看点：稀疏注意力优化是长上下文模型的关键，MiniMax 的突破可能推动更多高效推理方案。","https:\u002F\u002Fx.com\u002FMiniMax_AI\u002Fstatus\u002F2075729989987959091","论文研究",{"no":209,"count":45,"en":210,"arts":211,"zh":237},"05","TIPS & OPINIONS",[212,213,218,224,230],{"heat":13,"score":78,"src":51,"lab":14,"body":80,"title":81,"analysis":82,"url":83},{"heat":13,"score":181,"src":71,"lab":30,"body":214,"title":215,"analysis":216,"url":217},"智谱AI创始人唐杰称AI正明确走向AGI，最终通向ASI，并计划通过自我对弈和合成数据推动模型生成新知识。","智谱AI创始人唐杰：AI正明确走向AGI，最终通向ASI","智谱 AI 创始人唐杰认为 AI 正明确走向 AGI 并最终通向 ASI，自主智能体与“AI 训练 AI”将成为关键。\n· 自主智能体系统正迈向全自动“无人公司”，数千智能体持续协作、评估结果并分配资源。\n· “AI 训练 AI”已初具雏形：模型能编写代码、合成数据并参与训练循环。\n· 智谱计划通过自我对弈、合成数据工厂和沙盒内代码重构，推动模型生成新知识而非重组人类输出。\n· 唐杰描绘了从长周期任务到 ASI 的演进路径，并称记忆、持续学习和自我评估等难题正被逐步攻克。\n看点：唐杰的愿景展示了中国 AI 公司对 AGI 路径的激进探索，值得关注其技术落地进展。","https:\u002F\u002Fx.com\u002Fkimmonismus\u002Fstatus\u002F2076008533691138439",{"heat":13,"score":219,"src":152,"lab":14,"body":220,"title":221,"analysis":222,"url":223},55,"GPT-5.6、Grok 4.5等四款AI分别开发相同4个应用，结果对比发布。","GPT-5.6、Grok 4.5、Claude和Muse Spark开发相同4款应用对比","本文对比了 GPT-5.6、Grok 4.5、Claude 和 Muse Spark 四款 AI 模型在开发相同 4 款应用时的表现，揭示了当前顶尖 AI 编程能力的差异与特点，值得开发者关注。\n· 测试方法：让四个模型分别独立开发相同的 4 款应用，包括待办事项列表、天气查询、Markdown 编辑器、实时聊天应用，以评估其代码生成、逻辑实现和界面设计能力。\n· GPT-5.6 表现：在代码完整性和功能覆盖上领先，生成的待办事项应用支持增删改查和本地存储，但界面风格较为基础。\n· Grok 4.5 特点：擅长快速原型，天气应用调用 API 并展示图表，但部分功能存在小 bug，如聊天应用的消息排序错误。\n· Claude 优势：代码注释详细，逻辑清晰，Markdown 编辑器支持实时预览，但开发速度略慢于其他模型。\n· Muse Spark 亮点：界面美观度最高，聊天应用采用 Material Design，但功能完整性稍逊，如缺少删除消息功能。\n影响\u002F看点：该对比为开发者选择 AI 编程助手提供了直观参考，GPT-5.6 综合最强，但各模型各有侧重，未来 AI 编程工具将更注重平衡效率与质量。","https:\u002F\u002Fwww.tryai.dev\u002Fblog\u002Fgpt-5.6-build-off-12-models",{"heat":13,"score":219,"src":225,"lab":30,"body":226,"title":227,"analysis":228,"url":229},"X：邵猛 (@shao__meng)","邵猛用1分钟视频演示13类常见Motion动效名称，帮助AI Agent精确描述动画需求。","1分钟视频演示13类常见Motion动效名称，解决AI Agent动画描述难题","1分钟视频演示13类常见 Motion 动效名称，解决 AI Agent 动画描述难题。\n· 包括 Push Slide、Staggered Entrance、State Morph 等13类动效的中英文名称与直观示例。\n· 掌握这些名称后，可向 Agent、设计师或开发者精确表达动效需求。\n· 替代冗长模糊的描述，提升沟通效率。\n影响\u002F看点：为 AI 驱动的动画生成提供了标准化词汇，降低沟通成本，加速创作流程。","https:\u002F\u002Fx.com\u002Fshao__meng\u002Fstatus\u002F2075764484027932963",{"heat":38,"score":231,"src":232,"lab":30,"body":233,"title":234,"analysis":235,"url":236},49,"X：Yuchen Jin (@Yuchenj_UW)","AI净创造就业，OpenAI、Anthropic持续扩招，掌握AI技能的人取代未掌握者。","AI净创造就业：OpenAI、Anthropic持续扩招","AI 目前净创造而非摧毁就业，OpenAI、Anthropic 等公司持续扩招，核心是掌握 AI 技能的人取代未掌握者。\n· OpenAI、Anthropic 随能力提升持续招聘工程师与销售，Databricks 也在积极招人。\n· 核心并非 AI 取代人类，而是掌握 AI 技能的人取代未掌握者。\n· Sam Altman 观点：至少目前 AI 净创造就业，虽出乎其预期，但这一趋势可能持续。\n看点：AI 对就业的影响并非简单的替代，而是技能重塑，个人需积极提升 AI 素养。","https:\u002F\u002Fx.com\u002FYuchenj_UW\u002Fstatus\u002F2076038244513480765","技巧与观点",[239,240,241,242,243,5,244,245,246,247,248,249,250,251,252,253,254,255,256,257,258,259,260,261],"2026-07-17","2026-07-16","2026-07-15","2026-07-14","2026-07-13","2026-07-11","2026-07-10","2026-07-09","2026-07-08","2026-07-07","2026-07-06","2026-07-05","2026-07-04","2026-07-03","2026-07-02","2026-06-28","2026-06-27","2026-06-26","2026-06-25","2026-06-24","2026-06-23","2026-06-22","2026-06-21"]