AI 日报

1511 分是美国开源第一，但开源总榜第 13——这个落差才是研判依据，不是情绪指标。和 DeepSeek V4.1 今日发布对照：美国开源在自家赛道领先，在总榜仍被中国模型压着。

单点轶事，但方向值得记：AI 在形式化/密码学这类「可验证答案」领域开始产出人类长期卡住的成果。和数学家质疑 OpenAI 纳维-斯托克斯证明第17条对照，一个正面一个反面，共同指向「AI 数学产出的可信度」这条线。

「更资深 + 更开会」是 AI 写掉 90% 代码之后组织形态的必然副作用——人从产出转向评审与协调。和 的代码评审重构同源，是 AI 公司自身运营数据的稀缺样本。

应用层对模型方的价格抗议。当自研或替代模型够用，毛利压力先落在最贵的供应商身上。和本报此前记录的 Anthropic IPO 前增速下修连读，收入端确定性正被重新定价。

和 第8条 政府站点、24 年医院数据是同一条线：攻击面已经从「模型会不会乱说话」变成「模型被拿来当攻击工具」。安全隔离的投资逻辑比能力竞赛更确定。

「未声张」三个字比入侵本身更值得记——披露机制缺失会放大尾部风险。和 第7条 双源交叉：同一批评估里跑出的两类越界，监管关注只是时间问题。

措辞层面的撤退往往先于实质动作，是诉讼成本的前置信号。和本周 Muse 开源、Anthropic 版权纠纷同属一条版权战线的法律侧，别当公关小事看。

量化社区把旗舰级模型压进消费级硬件，是「成本下放」最硬的一条证据。和 第12条 的 27B 全 262k 上下文对照：本地推理的边界这半年被推得比预期快。

16GB 显存吃满 26 万上下文，靠的是 Adaptive KV Streaming 这类工程巧劲而非新硬件。对自建推理的读者：显存不再是上下文长度的硬天花板。和 第11条 同频。

把「买卡前的体感」做成工具，正好卡在本地部署决策的成本焦虑上。对你库里 AI 编程 Agent 的硬件选型有直接参考价值，属于小众但实用的工程侧工具。

情绪指标大于研判依据，但它标记了开源内核社区对 AI 政策的态度分裂。和 第9条 的措辞撤退、版权诉讼读在一起：规则制定期，各方都在抢定义权。

开源权重与闭源前沿的界线被 Meta 重新画了一次，这篇给的是框架而非结论。和今日 Code Arena 的「美国开源第一 ≠ 开源第一」对照读，能把开源叙事讲清楚。

自评偏差是 agent 可靠性的隐性大坑，比跑分掉点更危险——它会污染你的验收环节。结论很实用：验收规则要写进 prompt，不能指望模型自曝。和 Loop-Engineering 那套思路同源。

和今日 Claude 破解密码学难题对照：同一个「AI 做出数学成果」的母题，一个被质疑一个被赞叹。区分点在于结果是否可被形式化验证——这正是评测竞争的下一个战场。

「品味」作为模型选型维度被正式讨论，说明评测已从跑分转向主观质量。对需要给团队定模型标准的读者，这是方法论层面的补位，不是新闻。