AI 观点与方法

Alexandr Wang 转发 @Da7_Tech 的评价称 Muse Spark 1.3 令人印象深刻，整体扎实且感觉完整，其 3D 与图形能力远超 Sol Max。

Alexandr Wang 引用转发 @nikships 的推荐：取消所有 AI 订阅，Muse Spark 1.3 Contributor 档位对开源开发者是综合最佳模型，价格、智能与可靠性无可匹敌；作者本人附文 hide yo subs。

斯坦福讲师 mihail_eric 宣布新版课程 The Modern Software Developer（CS146S），历时 9 个月制作，弃用 2025 秋季 85% 的教材。

Artificial Analysis 编码智能体指数显示，Meta Muse Spark 1.3 （max） 在 Muse Code 下得 68 分，仅次于 Claude Code + Opus 5 （xhigh） 的 68 分。

Artificial Analysis 测评显示，Meta Muse Spark 1.3 （max） 在 Muse Code 中以 68 分进入 Artificial Analysis Coding Agent Index。

IT之家援引 securityboulevard 9 月 1 日博文称，Linux 内核每版本修复的 CVE 数量从 6.9 至 6.19 系列的平均约 500 个攀升至 7.0 超 1000 个、7.2 超 1500 个，7.3 逼近 2000 个。

SemiAnalysis 发文称 NVIDIA Research 产出过 LatentMoE（用于 Kimi K3）和 GatedDeltaNets（用于 Qwen）等优秀研究，但在端到端前沿训练上，NVIDIA 的官僚文化导致 Nemotron3 Ultra 表现尴尬。Nemotron3 Ultra 总参数 550B（55B 激活），被包括 Qwen3.8 27B（参数量约少 20 倍）在内的中国模型全面超越。

戚薇在《中国新闻周刊》9 月 2 日报道的采访中回应"卖脸"争议，称其数字分身授权是有期限、有范围、有审核和追责的，且只开放给合作的影视项目，而非向所有人开放。她的数字分身将主演末世 AI 漫剧《末日盛夏》，主角名为"韩清夏"。她表示规范授权是把合法使用与非法使用区分开，并认为真人戚薇和数字形象应成为两条独立又协同的创作线。

Rohan Paul 转述 Sam Altman 在 G20 与美国商务部长 Howard Lutnick 同台的发言。Altman 称过去创业需 3 个月的工作现在约 17 分钟即可完成，并认为国家拒绝 AI 类似于拒绝电力，每个人、企业和整个社会机器都需要 AI 来提升公民生活质量；他还表示今天成长的孩子可能永远不会比 AI 更聪明。

Sam Altman 与美国商务部长 Howard Lutnick 在 G20 同台接受访谈。Altman 称 3 个月的创业工作如今约 17 分钟即可完成，拒绝 AI 就像当年国家拒绝电力；他称每个人、每家企业和社会机器都需要 AI 来提供公民应有的生活质量，并提到如今成长的孩子可能永远不会比 AI 更聪明。完整视频来自 DRM News 的 YouTube 频道。

用户 @SPAC89 用同一提示词对比 Muse Spark 1.3 Ultra Contributor 与 Fable 5.1 xHigh，两者各运行约 2 小时，提示词规定独立评委评分低于 9.5/10 就须继续改进重试。

Artificial Analysis 评测显示，Inworld 新发布的 Realtime TTS-2 以 Elo 1，123 登顶 Controlled Voice Arena，领先 Cartesia Sonic 3.6（1，119）4 分，并在 Provider Voice Arena 以 1，252 位列第二，仅次于 Sonic 3.6（1，282）。

峰瑞资本发布与源络科技连文昭的对话，主题是机器人开始做实验与 AI for Science 的效率拐点。公开正文仅保留了导语式的一句话，未给出对话的具体观点和细节。

Tom Tunguz 分析 Meta 发布 Muse Spark 模型及双轨 API 定价：Standard Tier（muse-spark-1.3）输入 $1.25/m。

Hugging Face 博客作者基于 Surya Narreddi 的原始想法，用 TRL、OpenEnv 和 Qwen/Qwen3.5-35B-A3B 复现了让语言模型通过 p5.brush 写 JavaScript 画水彩的 RL 训练流程，所有数据集、环境、脚本和模型均开源在 Hub。

Databricks 官方博客发布 Southern Company 的 SCOUT 风暴情报案例续篇，延续此前一篇对该公司相关实践的文章，补完风暴情报的整体故事。

BestBlogs 09-03 早报汇总十条 AI 内容：Google 发布 Gemini 3.8 Flash 与 Cyber，提升长周期编程与漏洞修复推理能力。

Tibo 发推称，ChatGPT 桌面应用现在已成为他的主力浏览器，他的生产力从未如此之高。

@thehypedotnews 用 Three.js 让 Fable 5.1、Fable 5 和 Opus 5 分别从单张参考图程序化重建 bag end、barad-dûr、rivendell 三个《魔戒》场景，全程经 OpenRouter 运行。

Ethan Mollick 引述 Prinz 对 AI 系统的法律基准测试结果，称最新模型表现很好，但更便宜、低推理能力的模型表现不佳，并追问如何让厂商有动力提供好的模型。其引用的律师案例显示，一份由法律部门大量借助 AI 完成的备忘录格式精美，却在监管审批判断上得出完全错误的结论，还遗漏了两条导致交易被法律禁止的原因。

作者提出人类先学单个词再通过组合与经历理解复杂意义，例如从流、星、雨理解流星雨。AI 则先在庞大语料中建立 token 与编号的对应关系，再通过神经网络学习编号间的联系来逼近语言意义。作者认为 AI 语言的这种苍白感从起点就已注定。

Alexandr Wang 引用 @notjazii 的对比测试并评价 muse spark 1.3 表现相当不错。同一提示词、最高推理档位下，muse spark 1.3 一分钟完成且费用几乎可忽略，fable 5.1 用了 70 分钟、花费 $13。

Meta 首席 AI 官 Alexandr Wang 转引 @EMostaque 的提问「meta， the frontier ai lab？」，并以「that's us dawg」回应，确认所指即 Meta 自己。

Ethan Mollick 发文指出两张图之间存在 10 个月的时间差，展示了两种关于 ChatGPT 智能体如何工作的构想。其中一张图显示了一个客服智能体流程图，包含越狱防护栏、分类智能体、if/else 分支，以及退货、挽留、信息咨询等下游智能体和幻觉防护栏。

SemiAnalysis 发文分析，随着行业转向 Co-Packaged 和 Near-Packaged Optics，光纤连接被迫直接落在 PIC 上。光纤耦合需微米级精度，边缘耦合器要求纤芯与波导偏差约半微米以内，否则耦合损耗在高带宽吞吐下不可承受；主动对准采用亚微米级串行定位加胶合，难以支撑高光纤数量且不可拆卸，而被动对准依靠机械结构将光纤保持在公差内，可实现可重复甚至可重新插拔的连接。

GitHub Podcast 一期节目配套文章由 Cassidy Williams 与 Marlene Mhangami 等解读当下 AI 开发常见新术语。

Hugging Face 联创 Thomas Wolf 发文称，LLM 训练实验室赋予模型的能力"如神一般"，模型现在会入侵其他公司并建立隐秘文明。文中附带引用了一段名为"Learning to swing"的视频作为对比调侃。

Mostik 称其潜空间桥接协议让前沿模型与 4B 边缘模型直接传递 hidden states，无需文本、双方均不微调；753B 模型读题、4B 模型作答时达到前沿模型约 80% 的准确率、速度快 20 倍，且比分数匹配的中型模型少用 2.5 倍算力。

Oppenheimer 分析师 Timothy Horan 表示 SpaceX 现在是 Anthropic 的竞争者，并称其在 AI 方面做得非常出色。他称 Grok Bot 是一个能逐渐替用户打理生活的智能体，并认为 Grok Bot 即将走红。

Insight Partners 联合创始人 Jerry Murdock 预测，OpenRouter 的模式在未来 3-5 个月内将遭遇一次重大颠覆（"big disruption"）。该观点出自 Harry Stebbings 的 "20VC" 播客 YouTube 频道，Insight Partners 管理资产超过 900 亿美元。

据 The Information 报道，OpenAI 新模型 Astra 将使用名为 recurrent depth（不透明循环）的推理技术，让模型以循环方式多次处理同一查询，留下更少的可读痕迹，可能使链式思维更难监控。

Gary Marcus 撰文指出，Elon Musk 在 2024 年 4 月预测 2025 年底将出现比任何单个人类更聪明的 AI，如今只是把日期悄悄推迟到 2027 年，而 Marcus 曾两次提出百万美元赌注均未获回应。

Elvis Saravia 发推称，感觉我们正处在 RSI（递归自我改进）的早期阶段。他表示过去一个月情况发生了巨大变化，并问大家是否注意到近期模型发布的速度。

Emad Mostaque 引用 ThePrimeagen 的观点，后者表示自己已有足够的智能，只希望模型更快更便宜，规模不再重要，需要的是性能。Mostaque 称这叫做 satisficing，并指出当模型速度快于人类引导它们的能力时，剩下的改进空间是什么。

Sam Altman 称每 38，000 次 ChatGPT 查询的用水量约等于加州生产一颗杏仁，并称现代大型数据中心用水量相当于一栋办公楼。