AI 日报

把仓库、依赖、脚本预置进云环境,再让手机端接管进度,等于把 agent 从『本机工具』改成『总能跑的基础设施』。对照同日降价,这是 OpenAI 在把编程 agent 的边际使用成本压到接近零。

7 层 KDA 配 1 层 Gated MLA 激发 25B,路线是拿线性注意力换长上下文成本。国产团队近期集中押注『长任务』这个场景,和 GPT-6.1 Sol 的 agent 化是同一个方向的两条路。

不用账号、抄送邮箱就能下任务,是把 agent 入口降到最低摩擦。对照今天 DoorDash 的短信点餐 agent,『接管日常动作』正成为消费级 AI 的主战场,区别只是谁先占住输入口。

把算力合同签给 SpaceX 而非传统云厂,说明 GPU 与数据中心稀缺性已超过模型本身;而保留 90 天退出权,是 Anthropic 对自身需求不确定性留的后手。对照今天降价潮读:一边锁算力一边砍价格,毛利压力只会更集中在应用层。

用 Civil Investigative Demands 强制调取文件并质询高管,这是有法律牙齿的动作,和昨天白宫的『道德约束力』自愿协议正好构成一事两面:联邦放松、独立机构收紧。监管这条线接下来会反复出面。

独立安全审计、定期会商、共同标准,框的是网络/生物/化学三类风险,但只靠『道德约束力』。与今天 FTC 的调查并读,美国 AI 安全治理的『自愿+强制』双轨已经成形,企业要在两套逻辑之间同时合规。

TileLang、DeepGEMM、DeepEP 等与英伟达平台组件一一对应,等于把整套工程栈搬到昇腾。这是国产算力从『能跑』走向『好跑』的关键一步,和 Anthropic 锁 SpaceX 算力形成镜像:算力自主是双方的共同命题。

抽样生产流量→去重聚类→加预期输出→修 rubric→接 CI,这套五步流程把『评测』从一次性动作变成持续回归。和今天同系列的『工具调用准确性拆分测试』并读,agent 工程的成熟度正从 prompt 转向测试基建。

锁定用例集+书面行为契约,是防止模型升级悄悄改行为的唯一办法。对照今天的 GPT-6.1 Sol 上线和 ARENA 限时测试 Sonnet 5.5,模型每两周变一次,没有回归测试的团队等于在裸奔。

把失败拆成『工具选错』和『参数写错』两类分别测,是让评测结果可行动的实用切法。这类工程细节比模型榜单更能决定 agent 产品的实际体验,值得归档。

端侧语音识别做到单片机级别,意味着离线语音交互的门槛继续下沉。这条和今天 Perplexity 的邮件委托、DoorDash 的短信点餐放一起看:AI 在往『更便宜的硬件 + 更轻的入口』两头同时扩张。

WebGPU 内核提速直接抬升浏览器内本地推理的上限,和今天 llama.cpp 接入 GLM-5.3-Flash 是同一股趋势:本地推理正在从『能跑』变成『能打』。这条值得对照你库里的本地部署线索持续追踪。

隐藏信息博弈长期是 AI 的弱项,能在 Stratego 上大幅超人类选手并登上 Nature,说明不完美信息下的规划能力有了实质进展。这类能力比对话更接近真实世界的决策场景。

直接对撞『AI 还不会用电脑』的流行论调,同时给出 OpenAI 一周内做出竞品的工程节奏。两件事连起来看,是『模型能力边界』被叙事低估、而『团队交付速度』被普遍低估的典型样本。

把 AI 科研拆成『冶炼厂』与『导航员』两类角色,是对当前科研 agent 赛道的一个有效分类框架。对照今天 SynthID Bio 给蛋白质打水印,科研 AI 的『可验证性』正成为基础设施级问题。

生物安全被明确定位成攻防竞赛而非合规议题,和今天白宫协议里单列生物风险、以及 SynthID Bio 的溯源思路形成闭环。这条线短期看不到解法,但会成为政策与论文的双热区。