AI 情报文章归档

据 Business Insider 援引知情人士消息，AI 初创公司 Hugging Face 一直在探索出售事宜，交易估值可能达 130 亿美元或更高。这家总部位于纽约的公司托管开源大语言模型和数据集，已与一家银行合作评估竞购者兴趣。该公司 2023 年融资时估值 45 亿美元，上个月曾因一个 OpenAI 模型失控引发黑客攻击，导致其基础设施受损。

Twitch 及其母公司亚马逊因未经同意使用主播内容训练生成式 AI 模型而面临集体诉讼。原告 Warren Pandiscia 在加州北区法院提交 37 页诉状，指控平台违反默示协议及州不公平竞争法。Twitch 于 8 月 12 日承认使用直播、剪辑、聊天记录和照片训练亚马逊 AI，且退出选项不具追溯力、与频道而非账号绑定。

封闭模型已成为较小的一部分。 开放权重模型在Vercel AI Gateway的token占比于8月达到62%，高于6月的28.4%。

一篇论文提出用主动推理让AI智能体显式决策每次澄清、检索或工具调用是否值得其token与延迟成本。受控测试中，定向澄清将验证器合规率从0.0417提升至0.375，平均token使用从约112增至219。建议为智能体增加显式上下文获取层，而非将其视为自动行为。

对即将加入OpenAI的团队成员，有什么关于如何最好地与俄亥俄州社区互动的建议吗？@TaylorLorenz

一项研究追踪557次智能体编码会话的94K个开发事件及33K个智能体PR的690K条文件变更记录，发现指令文件与工作笔记占智能体读取内容的60.5%，技术文档仅占10.6%，API参考占1.3%。读取文档与即时测试减少相关（调整后比值比0.39），且咨询70.2%为主动发起而非失败驱动。

开源AI在Vercel平台上的token份额两个月内从28%飙升至62%，正从OpenAI和Anthropic手中夺取份额。FT报道称Fable 5因成本过高使用量下滑，而开源模型性价比持续提升。作者认为用户对本地自主控制AI的需求日益增长，开源推理成本与前沿模型相当，并非"免费"。

Perplexity 可能将在 Perplexity Computer 上获得对 GPT-5.6 Sol Fast 的支持。 快了？👀

Grok Build 太不可思议了 🔥 我刚刚构建了这个可以用双手控制的交互式视觉画面。我的笔记本电脑摄像头追踪我的手掌动作，让我能实时改变视觉效果。 Grok Build 正在改变每个人能创造的东西。

他们掌控着赛道和高标准，但禁区仍属于人类，至少暂时如此。 接触后的姿态控制是一个极其困难的问题。 世界人形机器人运动会上的自主5v5足球赛正在进行中，机器人们从摔倒中恢复的次数比早期试验更多，但仍远未实现有控的控球。

Google、DeepMind 与 Berkeley 的 ArchAgent v2 通过分阶段优化 CPU 缓存预取，击败人工设计的 DPC4 冠军方案。其最终设计较竞赛基线提升 3.8% IPC，低带宽单核场景达 4.6%，均优于 BertiGO。多核性能仍落后，因模拟拖慢搜索速度。

我给 https://github.com/steipete/camsnap 添加了旋转 USB 协议，并让我的机械爪环顾四周--现在它正和我的 360 度网络摄像头玩得不亦乐乎。

Anthropic 工程师 Thariq 承认 Opus 模型存在不足，团队将优先修复，尤其关注冗长输出问题。用户可通过 `claude /config outputStyle=concise` 命令立即缓解该问题，无需等待长期修复。社区持续向 @bcherny 和 @trq212 提供建设性批评，期待 Opus 恢复 4.6 版本时的体验。

Hugging Face 正探索以超 130 亿美元价格出售，约为其 2023 年 45 亿美元估值的近 3 倍。该平台现托管超 200 万模型、150 万数据集和 150 万 AI 应用，其协调层在模型碎片化趋势下难以替代。

我们测试了Anthropic每月200美元的Claude套餐，其最高可产生每月8000美元💰️💰️的收益，而OpenAI每月200美元的套餐，若在长周期任务中耗尽全部每周限额，则可产生价值高达每月14000美元的token。该测试于6月进行。

新研究提出对抗式评审（Adversarial Review）多智能体代码审查方法，用主编码智能体、评审智能体和批评智能体三个角色替代盲目堆叠智能体。在LiveCodeBench上，三智能体方案超越五智能体基线；在SWE-PRBench上，显式要求分歧可恢复最高F1分数，而合作式评审仅在分歧小且有证据支撑时有效。

Perplexity 正在为 Perplexity Computer 开发一个新的粒度化努力程度选择器。 能够在低努力程度下运行 Computer，应该会对积分消耗产生积极影响。 这看起来似曾相识👀

MerchantBench 让 LLM 智能体模拟经营网店一整年，涵盖选品、定价与现金流管理，并额外追踪智能体是否持续行动。最佳智能体全年营收仅约为人类水平的四分之一，且常以"沉默"方式达成，提示最终高分可能掩盖数月前就已停止运作的智能体。该基准强调按窗口记录行动频率并观察曲线，以识别长期连贯性缺陷。

Anthropic 7 月年化收入达 650 亿美元，高于 5 月的 470 亿美元，并预计 Q3 实现盈利。Ramp AI 指数显示，7 月 Anthropic 模型支出中 Opus 4.8 占 28.0%，而 7 月 24 日发布的旗舰模型 Fable 5 仅占 3.5%，其高昂成本使其吸引力不及更便宜的模型。

名为 Ox Alpha 的神秘新 AI 模型在 OpenRouter 上线，被描述为面向编程、持续智能体工作和生产负载的推理模型，Stripe CEO Patrick Collison 称其"非常出色"。该模型由匿名第三方提供，引发关于其背后开发者的广泛猜测，焦点集中在中国的 Z.ai（GLM 模型）或微软未发布的 MAI 版本上。

Drew Breunig 指出，AI 智能体不睡觉且会尝试一切手段达成目标，Teleport 通过隔离的临时可信运行时实现安全部署。他同时反思，Fable 模型虽性能出色但成本高昂，而 Opus、5.6、K3 及 GLM 已足以胜任多数代码任务，因此需重新规划工作分配。

Grok 的语音模式最近新增了两个语音--Aurora 和 Liora。 哪一个更好？👀

新的Claude模型已被发现：Marshmallow和Melon。这表明发布可能即将到来。 可能是Opus更新，甚至可能还有新的Haiku。我想我们很快就会知道。

无递归预训练循环网络 【引用 @chrmanning】：@akarshkumar0101 与 @phillip_isola 的《无递归预训练循环网络》是一篇很棒的论文！ 它通过 Transformer 教师模型绕开了 RNN 的难题，学习良好的预测性状态表征，并对记忆转移函数进行监督学习。

Grok Bot 可以做到令人惊叹的事情！ 三个月后，Grok 的进步令人惊叹，@bot 让它更强大、更易用。 这是使用相同提示词时的保真度："解释纳维-斯托克斯方程及其如何通过实际流体动力学模拟与翼型设计相关联。"

Grok Imagine 💫

开源AI的token份额正持续上升，近两月已从28%增至62%，正从OpenAI和Anthropic手中夺取份额。Elvis Saravia认为，监督者主导多执行子智能体的模式正被广泛采用，子智能体消耗大量token，而开源前沿模型在价格和效率上更具优势。他预测最终闭源前沿模型将占60-90%的经济价值，但仅占15-25%的token量。

Harvey 发布其首个后训练模型 Tenet 研究预览版，基于 Kimi K3 基座，针对长时程法律工作训练。相比基座，Tenet 在 LAB 上完成近两倍保留任务，在 LAB： Contracts 上多 20%，全通过率分别提升 9 和 2 个百分点。目前未公开权重或 API，仅限企业通过 Harvey 平台使用。

2026年，随着模型成为关键基础设施，企业将开始认真关注模型效率和可靠性。

快速提醒：DeepSeek 将从 8 月 23 日起，在周末不再区分 API 高峰与低谷定价。

Grok Imagine 更新了发现页面。用户可以探索和测试照片编辑、图像调整大小等不同功能！

2024年：一台搭载RTX 4090的游戏PC以4-bit量化运行Llama 3 70B，速度约为2 tok/s。 2026年：一台搭载RTX 5090的游戏PC以原生mxfp4格式运行DeepSeek-V4-Flash 284B，速度约为24 tok/s。 预测：到2027年底，一台游戏PC将以可观的速度在本地运行Fable 5级别的智能。

Sam Altman 在 David Senra 播客中表示，OpenAI 不想只做 AI 应用层，而要成为其他应用公司构建的平台。他称将提供个人或公司的 AGI 统一接口，并通过 API 支持上层开发，同时覆盖成本-性能曲线上从高端科研到廉价大规模任务的全部需求。

它们在那条轨道上看起来完全如鱼得水。 重量不到 20 公斤，高度适合登机箱，这些 Booster K1 非常便携。更小的体积和更轻的质量使其在人群周围更安全。

你知道吗，grok @bot 支持多种语言？如果任何翻译看起来奇怪，请告诉我，以及我们接下来应该添加哪些语言！

用特定测试框架评测模型的方式已失效，应转向Pi、Hermes Agent等最小化标准框架，并保持长期稳定。模型未来或能按任务动态生成测试框架，使框架如同系统提示词般可调，评测将愈发复杂。

Ethan Mollick指出，用GPT-4等旧模型做AI影响研究并非不可，但需谨慎讨论。若结论是AI已具备某能力或达到人类水平，这类正面结论依然成立；但若结论是AI在某任务上表现差或有偏见，则不能断言AI不行，因为新模型可能已解决。他建议可明确限定"GPT-4不能做X"、对比多代模型趋势、论证AI固有缺陷、聚焦调节因素或人类反应等替代框架。

博主Elvis Saravia推荐一篇关于AI芯片架构的长文，该文覆盖NVIDIA、AMD、TPU、Trainium、Cerebras、Groq等主流芯片的架构、扩展（scale-up与scale-out）及软件栈。Saravia认为，一旦RSI（递归自我改进）出现，模型架构可能快速演变，与今天截然不同，从而带来全新的算力需求。

AutoDesign 系统通过智能体在真实任务上运行、分析失误并自动重写提示词、工具、验证检查或重试规则，实现脚手架自动优化。在论文转会议海报任务中，七个智能体得分提升 5 至 19.6 点，最便宜模型获益最大，并发布 PosterBench 基准。研究表明，弱模型配良好脚手架可弥合与前沿模型的大部分差距，升级模型前应先优化现有代码。