8 月 20 日 · AI 日報

FastMetal 把 FastWan-QAD 系列帶到 Apple Silicon:一段 5 秒 480P 影片完全在 Mac 上生成,耗時 30 秒,無需 CUDA、無需雲端,僅佔 3.9 GiB 記憶體。DiT、DMD 取樣器和解碼器均通過 MLX 在 Metal 上執行,預設 INT8。三個模型檔位:1.3B 支援 480P,5B 支援 720P,14B 追求畫質。

Apple Silicon 使用者過去想在本地玩影片生成,要麼等生態適配,要麼上雲。這個專案把"本地、免費、可跑"三個門檻同時降了下來。

Cursor 向所有付費計劃使用者開放 Origin 程式碼託管的早期測試版:提供倉庫、拉取請求、程式碼瀏覽及 GitHub 同步功能。使用者可以建立以 cursor.com/codebase/ 為字首的倉庫,或將 GitHub 倉庫同步至 Origin,雙向同步評論與審查。Vercel、Depot 和 Buildkite 整合已可用,AI 代理功能即將推出。

Vercel CEO Guillermo Rauch 還補了一句:可以先把倉庫託管在 Origin,再直接從 Origin 部署到 Vercel——而 Origin 本身又跑在 Vercel 上。AI 時代"用程式碼託管繫結生態"的競爭正在加速。

Google Labs 的實驗性 AI 生產力代理 CC(Gmail 內的 AI agent)在美加繼續擴容發放邀請的同時,開通了澳大利亞和紐西蘭的 waitlist。這次升級讓 CC 可以管理日曆:連線 Gmail 後,事件會自動寫入專屬 Google Calendar,並隨日程變化保持更新。

從"幫你寫信"到"替你安排日程",CC 正在從一個郵件助手長成一個輕量級私人助理,這也是 Google 在 AI agent 消費端的重要落點。

Mojo🔥 語言正式開源,採用 Apache 2.0 許可證(含 LLVM 例外),編譯器、工具鏈及全部原始碼發布至 Modular 的 GitHub 倉庫。Mojo 上週剛達成 1.0 版本(原始碼穩定),此次開源把整個編譯器和工具鏈的黑箱開啟。目前暫不接受編譯器相關貢獻,計劃年底前開放;標準庫自 2024 年起已接受社群貢獻。

Sentence Transformers v6.0 新增第四種模型型別 MultiVectorEncoder,可直接載入 PyLate、Stanford-NLP ColBERT 以及 colpali-engine 的檢查點,用於 ColBERT 式晚期互動檢索。與同骨幹網路的稠密模型相比,多向量檢索平均 NDCG 高出約一個百分點,代價是索引體積膨脹數十倍——適合需要逐詞精確匹配、又負擔得起儲存成本的檢索場景。

螞蟻集團 inclusionAI 開源 ConceptEdit,一個基於概念縮放與密集監督的影像編輯資料生成管線。三階段流程——VLM 生成指令、FLUX 執行編輯、VQA 評估篩選——構建大規模、基於分類法的影像編輯資料集,提供單概念與多概念兩種變體,多概念版本能把多個並行編輯合併為一條指令。MIT 許可證,支援斷點續跑,需要 OpenAI 相容 VLM 端點與本地 FLUX 檢查點。

"生成-執行-評判"的三段式品質把關,為構建帶質檢的影像編輯訓練資料提供了一套可複用框架。

OpenAI 發布 ChatGPT for Teens,面向 13-17 歲使用者自動啟用,內建更強安全保護與家長控制。新增 Study Mode 引導學生分步解題而非直接給答案、負責任的作業提醒、測驗與學習視覺化,以及可設定預設開啟時段的 Study Hours。同時宣佈與 CodeAI 合作,幫助青少年理解、質疑並創造性地使用 AI。

Peter Yang(實用 AI 教程與訪談作者)整理了一年後的觀察:非工程師在大量寫程式碼——PM 提交 pull request 的比例兩年間從 3% 漲到 10%,設計師從 1% 漲到 8%,創始人以 23% 僅次於工程師;AI 並沒有替代現有工作,而是落在現有工作的"上面"——團隊花更多時間跟 AI 對話、把任務委託給 agent,但花在原有工作上的時間並沒有減少,因為"對每個職能的期望都變高了"。

"非工程師在寫程式碼"的資料是 AI 滲透的最直接證據;而"沒省下時間"則指向一個更微妙的現實:效率提升先被更高的期望吸收,而不是變成閒暇。

Box CEO Aaron Levie 從大量案例中得出判斷:模型能力與終端使用者工作流之間能創造的價值,遠大於許多人此前的想像。AI 向企業擴散仍有很多活要幹:agent 與人的協作方式因業務流程而異(聊天、後臺確定性流程、其他變體);不同垂直領域接入完全不同的企業系統與資料,需要上下文化處理;領域特定的變革管理依然關鍵;多模型與後訓練讓工作流可以按成本與效能調優;領域特定評測的改進空間"長得可怕";按行業消費模型定價而非按 token 定價也至關重要。

他總結:應用層是一個巨大的、可以持續創新和差異化的表面積。這等於給"套殼論"投了反對票——把模型變成企業價值,中間還有一整層工程。

Meta 高階總監(Madhu Guru,曾主導 Gemini、Veo、Nano Banana)給出評測成本的方法論:像對待前沿模型一樣對待你的評測——先建立品質前沿,再沿成本曲線往下走。第一步寫清楚"好"長什麼樣(rubric),然後選擇最高品質的測量方式(人類 / LLM judge / 自動化驗證),這個階段值得花錢——用貴的裁判模型、付錢請人;一旦評測能穩定區分好壞,再考慮自動化、更小的裁判模型、取樣與確定性檢查。"品質優先,成本其次。"

OpenAI Codex 團隊負責人 Thibault Sottiaux 復盤了近幾週為降低"破壞性操作"風險做的一系列改進:此前有少量報告顯示 GPT-5.6 在 Codex 裡做出了使用者未要求的破壞性行為——最嚴重的一個模式是,本意清理臨時檔案的命令可能誤刪使用者檔案。新防護包括:明確指示模型在刪除前檢查目標、建立全新臨時目錄、避免複用系統環境變數、優先可恢復操作、範圍不明時停下;強化高風險的刪除命令執行檢查;讓 Full access 更難被意外開啟;更新 Auto-review;並構建了重放失敗案例的定向評測。他同時提醒使用者:儘量使用"Ask for approval"或"Approve for me"沙箱模式,只在可信環境用 Full access。

這幾乎是同一天"安全剎車"主題的微觀註腳——護欄不僅要靠模型自覺,更要靠執行層的強制檢查。

Vercel CEO Guillermo Rauch 認為,你的軟體工廠應該是一個 monorepo——把公司的所有上下文(設計、行銷、銷售、工程、支援……)放在一個地方,供 agent 在此基礎上構建。

Anthropic Claude Code 團隊的 Thariq 指出一個被忽視的機會:"奇怪的是這裡有個'賺大錢的按鈕'卻沒人按——把你的 SaaS 做成 headless,讓 agent 使用它,按互動收費(尤其是面向企業)。"當 agent 成為主要使用者,傳統按席位的定價模型將被按呼叫計費取代。

Anthropic Claude Code 團隊的 Boris Cherny 說,小體量的品質改進還在繼續:每天用桌面端的話,緩慢的啟動會讓應用顯得遲滯——正在繼續優化啟動速度。

Zara Zhang(建造者,哈佛'17)吐槽:"我不明白為什麼會有人靠讀書學 Claude Code,但顯然在日本這是一件事。"配圖是一本 Claude Code 教程書。

• swyx(@smol_ai)把 aiDotEngineer 的 YouTube 縮圖 A/B 測試經驗開源/眾包,"希望讓優質教育內容浮出水面"。 🔗 https://x.com/swyx/status/2089798658225266806
• Peter Yang 想做一個"記錄你沒帶手機進臥室的天數"的 app/agent——他已經堅持 3 天,睡眠明顯改善。 🔗 https://x.com/petergyang/status/2089931839016468575
• Ryo Lu(Cursor/Notion/Stripe 設計師)要搬到亞洲,用 @bot 和 Notion 做了一個"幫我清空 SF 公寓"的接單頁。 🔗 https://x.com/ryolu_/status/2089894938934911053
• Dan Shipper(Every CEO)讓 @ajambrosino 用一句話給出"自動化之後未來工作的論文",對方只回了一個詞:"tibo"。 🔗 https://x.com/danshipper/status/2089788656445734922
• Nikunj Kothari(FPV Ventures 合夥人):"如果把人生活成'沒人欠你任何東西',一切會簡單很多。" 🔗 https://x.com/nikunj/status/2089870745174446217

Anthropic Engineering 發文討論如何跨產品約束 Claude 的行為邊界。核心資料:十二個月前,讓 Claude 擁有"足以搞垮 Anthropic 內部服務"的權限會被直接否決;今天這種權限級別已是常規,而且工程師因此更高效。部署風險有兩個分量:失敗發生的機率(護欄與模型訓練持續壓低)與一次失敗能造成的傷害(隨能力與權限擴張而增大)。文章重點討論第二種思路——containment:不是監督 agent 做什麼,而是約束它能做什麼。文中還提到 Claude Code auto mode 是為了對抗"審批疲勞"——遙測顯示使用者批准了約 93% 的權限提示,審批越多,使用者越不仔細看。Claude Mythos Preview 是 2026 年 4 月因"爆炸半徑過大"被判定不宜發布的模型示例。

"93% 的審批通過率"是整篇文章最扎眼的資料:人類監督的可靠性瓶頸不是模型,而是人類注意力本身。

Claude Blog 宣佈 Claude Code 可以把工作進度固化為 artifact——把 Claude Code 的工作變成即時、可分享的視覺化頁面:PR 走查、系統講解、儀表盤、發布清單,都會隨會話進展自我更新。一次事故調查可以在一頁裡匯合失敗測試、相關函式、監控工具的報錯峰值與會話裡的根因推理;每次發布都是同一連結的新版本,帶版本歷史與畫廊管理。團隊內部最常見的用法是除錯:工程師在站會前啟動事故調查,Claude Code 邊查邊把時間線、可疑提交與錯誤率圖表發布成頁面,隊友不需要"聽人講 agent 發現了什麼",因為他們看到的是同一個檢視。

Google 開源了基於 Agent Development Kit(ADK)與 Gemini 的零信任客服與退貨 AI 代理示例,演示如何防禦提示注入等攻擊。架構在 LLM 上下文之外通過三層硬性安全機制保障:硬體支援的加密簽名確保資料庫寫入不可抵賴、gVisor 沙箱隔離動態程式碼執行、確定性語義閘道器校驗業務邏輯。核心觀點:系統提示詞只是軟約束,無法作為安全邊界。

節目:Training Data(發布於 2026-08-18) 嘉賓:Rich Sutton(強化學習之父、《The Bitter Lesson》作者、阿爾伯塔大學,聯合創辦 Oak Lab)與 Khurram Javed(Oak Lab 聯創)

核心主張:Sutton 認為"持續學習"(continual learning)根本不該是一個需要單獨命名的方向——"所有學習都是持續學習。我們總是先行動、再學習,這才是常態。"在他眼裡,不是他激進,而是這個領域最近幾年想歪了。

節目圍繞幾個主題展開:從《The Bitter Lesson》講起,討論 LLM 到底能不能帶我們到通用智慧,再轉入 Sutton 與 Javed 創辦 Oak Lab 的研究議程——重點是如何讓模型不只在訓練時學習,而是在部署後繼續從經驗中學習。作為強化學習領域奠基人(教科書作者、Dave Silver 等關鍵學生的導師),Sutton 的觀點代表了一條與"暴力擴充套件"路線不同的技術路徑:模型停滯不前的解藥,可能不在下一輪更大規模的預訓練,而在於讓學習本身變成持續過程。

OpenAI:Sam Altman 宣佈暫停部分前沿 RL 訓練,以確保滿足"新的能力水平"對應的對齊、安全與監控標準。他寫道:"模型進步現在極其迅速,我們一直說,如果模型能力超出安全與對齊的推進速度,我們會採取行動。"OpenAI 暫停了最新部署模型的強化學習訓練兩週,並擱置最大規模的前沿 RL 執行,同時加強研究環境安全要求、擴充套件思維鏈監控,引入多階段啟用分類器。背景是 OpenAI-Hugging Face 事件,以及即將推出的 Astra 模型可能達到《預備框架》下的"關鍵網路安全能力"閾值。Altman 補充:"我們仍預計很快會發布優秀的新模型;這次受影響的是更遠期發布。"

Anthropic:同日宣佈因 OpenAI-Hugging Face 事件及即將推出的 Astra 模型可能達到"關鍵網路安全能力閾值",暫時放緩模型擴充套件速度,包括暫停最新模型兩週的強化學習訓練。公司加強了研究環境安全要求——工作負載隔離、網路隔離、持續安全測試,並擴大思維鏈監控範圍;涉及 Astra 或網路模型的工作負載需滿足最嚴格安全標準,部分訓練和評估工作仍處於暫停狀態。

兩家最大實驗室在同一天、以幾乎相同的理由暫停前沿訓練——不是技術瓶頸,而是安全標準。"關鍵網路能力"第一次成為整個行業共同的速度限制器。

OpenRouter 宣佈與 Stripe 合併,以加速推動全球經濟增長。OpenRouter 目前每日處理來自 400 多個 AI 模型的 10+ 萬億 token,服務超 1000 萬開發者與公司,自成立以來推理量每年至少增長 10 倍。合併後 OpenRouter 將繼續以原名、原使命獨立運營,產品與路線圖不變,路由決策仍以使用者利益為先,交易預計在未來數週內完成。

模型 API 的"路由器"併入支付基礎設施,意味著 AI 推理的供需兩側正在被同一家公司拉通——這是基礎設施層新一輪整合的訊號。

404 Media 通過在一本珍本圖書中放置追蹤裝置,首次揭露亞馬遜未公開的購書行動:批次購入大量書籍,掃描用於 AI 訓練資料,隨後銷燬。追蹤顯示這些書最終被送往亞馬遜的一處 AI 訓練中心。

版權與訓練資料之爭又添一個實錘案例——這次的問題不僅在於"未經授權使用",還在於"買了就銷燬"讓作者與出版社失去任何追溯的可能。

NVIDIA 宣佈與 SB Energy 合作,鎖定俄亥俄州 PORTS-Pike 科技園區的電力容量(LPS),獨家部署 NVIDIA 算力,OpenAI 將成為租戶。初始部署預計提供 4.25 吉瓦 AI 工廠容量,每代系統約 150 萬塊 NVIDIA GPU,對應 1500 億至 2000 億美元收入;OpenAI 已承諾至 2030 年部署約 12 吉瓦 NVIDIA 算力,可擴充套件至 16 吉瓦,總機會約 6000 億美元。

黃仁勳在 X 上官宣了這一合作。算力、電力、資本三者的捆綁正在成為新的"基礎設施戰"主戰場。

宇樹科技宣佈股票於 2026 年 8 月 19 日在科創板上市,發行價 150.80 元/股,對應市值約 609.93 億元,預計募資約 60.99 億元。2023 至 2025 年營收分別為 1.59 億元、3.93 億元和 16.99 億元,淨利潤分別為 -1114.51 萬元、9547.47 萬元和 2.78 億元——全球少數實現盈利的高效能通用機器人公司。

Vercel CEO Guillermo Rauch 宣佈,公司將投入 100 萬美元公開驗證 Vercel Sandbox 的安全性:任何人都可以用世界上任何模型嘗試逃逸。目的是把"前沿模型在真實世界護欄下的可被利用性"透明化;一旦發現逃逸,團隊會立即修補、迭代,並把發現分享給更廣社群。

Cursor 完成自 4 月啟動的收購流程,正式併入 SpaceX。藉助 SpaceX 全球最大規模的 GPU 叢集,Cursor 將構建更強且執行成本更低的模型,並以更低價格向客戶提供。本週三發布的 Grok 4.6 被描述為雙方合作成果的早期體現。

智譜 GLM-5.3 API 當日上線,主打複雜編碼、防禦性網路安全與長程任務。在 AA 綜合智慧指數中拿到 60 分,與 Claude Fable 5、GPT-5.6 Sol 等閉源旗艦同級,並與 Kimi K3 並列開源模型第一;引數規模更小、呼叫成本更低,單任務成本是旗艦模型裡最低的。API 定價與 GLM-5.2 持平,模型權重將於下週五開源。

這是"開源模型追平閉源旗艦"這條敘事的最新一步——尤其值得注意它宣稱的差異化在防禦性網路安全,恰好踩在當天"安全剎車"的行業主旋律上。

Liquid AI 發布基於量化感知蒸餾(QAD)訓練的 LFM2.5-230M、350M、1.2B-Instruct 與 2.6B 四款 Q4_0 GGUF 檢查點,在保持原生 Q4_0 記憶體與速度的同時,恢復 BF16 平均精度損失的 97%。對本地部署場景來說,這意味著"量化必然掉精度"的舊帳被大幅改寫——此前 4-bit 量化通常要損失 3-5 個百分點的精度,現在瓶頸更多轉移到權重分佈本身。

Anthropic 發布多代理系統研究報告:隨著 AI agent 在共享程式碼庫、市場等社會系統中承擔更多工,AI 代理之間的真實互動將激增,其互動量可能超過人機互動。實驗中,協調式 AI 代理群在一次 2700 萬 token 的執行中發現了 266 個漏洞,遠超獨立並行方法的 21 個——但兩者互補性明顯:獨立並行覆蓋廣,協調協作挖得深。研究同時指出,AI 代理雖擅長工具使用,在長期協作與協調上仍面臨挑戰。

這項研究給出了"多 agent 協作到底值不值"的量化答案:在需要對抗性/深度探索的任務上,協作帶來的收益不是線性疊加而是數量級躍遷。

StartupBench 是一個基於市場驗證的 AI 初創公司產品構建的端到端 AI 代理基準:任務直接從真實被採用的產品工作流中提煉,而非研究者預設。在統一 AI 代理框架下,最強模型也僅能完成約 30% 的任務,複雜指令遵循和領域專業知識是主要失敗來源。

它比傳統基準更接近"AI 員工"的真實考核標準——不是答對一道題,而是從頭到尾把一件真實業務做完。30% 的成績單說明通用 agent 離獨立承接端到端工作還有相當距離。

LMSYS 團隊針對 1.6 萬億引數的 MoE 模型 DeepSeek-V4-Pro,在 H20 GPU 上通過場景化服務配置逼近 B300 效能:單節點 H20-141GB 參考實現達到 271 output tokens/s,與 B300 的 383.7 tokens/s 差距縮小到 1.42×。

在高階加速器供給緊張的當下,"把大模型壓到中端卡上也能跑出可用吞吐"直接關係推理成本結構——這類優化方法比單純堆算力更有現實價值。