人工智能资讯 第52页
聚合当前分类下的最新内容，按时间顺序查看第 52 页精选文章。
Hugging Face模型上线Azure Foundry:微软收编的是运营层,不是开源本身
微软把Hugging Face精选模型接入Foundry Managed Compute,权重预置Azure、运行时微软扫描,企业一键部署到托管GPU。这不是把整个Hub搬进Azure,而是把开放模型从下载到上线之间的审查和运维,变成了收费项目。真正的变量不是模型多强,是谁攥着部署这道关卡。
Claude Cowork上手机:Anthropic补的这堂课,OpenAI早教过了
Anthropic把Cowork从桌面搬到网页和手机,还晒出九成用户不写代码的数据,想证明Agent能接管全办公室。但官方支持文档仍写着桌面优先,报表PPT这类结构化场景又明显落后于OpenAI Codex,这次扩张更像补课而非领先。
Norm冲进法律AI独角兽阵营，估值却卡在Harvey们的五分之一
AI法律科技公司Norm完成1.2亿美元C轮融资，估值12亿美元，正式跻身独角兽，由Khosla Ventures领投。但把这个数字放进Harvey、Legora动辄50亿美元级别的估值序列里看，Norm选的“监管AI代理”这条窄路，目前在资本市场上明显被打了折扣。
390亿美元的机器人公司,证据是一次4分钟的洗碗
机器人行业这两年靠AI基础模型讲出一个通用自主的新故事,但拆开各家的公开材料会发现,能秀出漂亮演示的公司和真正拿到工厂订单的公司,往往不是同一批人。Figure的4分钟洗碗任务和Agility的仓储部署,代表了两条完全不同的证据链。
小AI'救命'故事刷屏，撑腰的却是美国医院的跑分数据
IEEE Spectrum报道了小语言模型在断网、无电地区帮医疗和农业场景'救命'的案例，但支撑这类判断的性能基准几乎全部产自美国医疗合规语境。这种场景错位，才是这场'小模型崛起'叙事里最容易被忽略的部分。
腾讯Hy3号称Apache 2.0开源,协议对不上号
腾讯发布295B参数的Hy3大模型,免费挂上OpenRouter供开发者试用,但四月预览版用的其实是腾讯自家社区许可证而非Apache 2.0,正式版协议是否真的换了条款,目前没人说清楚。基准分数和第三方实测同样补了不少原文没提的细节,免费期限也只是二手消息。
7MB还是4.6MB：一个独立开发者的浏览器AI模型，数字对不上
Ternlight把浏览器端句子嵌入模型压到7MB，用WASM在CPU上跑语义搜索，三行代码即可接入。但官网的7MB其实是打包体积，真实权重只有4.6MB，量化质量和延迟数据全部来自作者自述，尚无第三方验证。在Transformers.js+MiniLM这条成熟路线面前，它更像一个待验证的候选，而不是现成的替代品。
最克制的墨水屏,被黑客改出了一个会读心的AI幽灵
开发者MaximeRivest在GitHub开源Riddle项目,靠越狱把reMarkable Paper Pro改造成《哈利·波特》里汤姆·里德尔的魔法日记:手写静置2.8秒后,视觉LLM读懂笔迹并用手写体逐字回信。这套效果全靠root和第三方工具链撑起来,更像极客圈内的孤例demo,而非reMarkable官方能力的延伸。
GLM-5.2真能换掉Opus?便宜是真的,崩盘论是猜的
Z.ai的开源权重模型GLM-5.2号称能无缝替换Claude Opus和GPT-5.5,价格只是对方零头,切换成本也确实低。但vision缺失、网页搜索孱弱、benchmark口径不统一,让“无缝替换”和“90%毛利”这两个关键判断都还立不住脚。
68%的检索内容从未被读过:kapa.ai怎么把RAG的隐藏账单砍掉
kapa.ai在检索器和生成器之间加了一个打分小模型,平均丢弃68%的检索chunk、保留96%召回、单次查询成本净降约三分之一。真正的看点不是省了多少钱,而是他们试过两种更省事的方案全部失败,才证明relevance从来不是单个chunk的属性,得靠另一个LLM去判断整个候选集合。
编程岗位涨17.9%,入门程序员就业却跌两成
Val Town创始人Steve Krouse撰文反驳Sam Harris“硅谷没人再说learn to code”的判断,主张编程仍值得学,但论证从职业保障转向思维训练。数据显示这个转向背后藏着更冷的现实:行业整体岗位仍在扩张,22-25岁入门程序员的就业却已经实测下滑近两成。
Vercel账本露馅：DeepSeek赢了流量，Anthropic赢了钱
Vercel CEO Guillermo Rauch在ShipNYC大会后接受专访，讲述公司AI网关和agent框架Eve的诞生逻辑，称客户正从绑定单一模型转向模型与agent解耦。但Vercel自家的Production Index数据显示，这场'解耦'背后其实是赤裸裸的成本套利：DeepSeek用极低成本抢下近半token流量，Anthropic靠高单价撑起七成支出。
标价没变,账单涨了三成:AI定价里那本看不见的账
Artificial Analysis的跑分成本对比显示,标价更贵的GPT-5.5完成同一任务反而比标价更便宜的Claude Opus 4.8省一半钱;Anthropic改了tokenizer后官方说标价没变,用户实测账单却涨了两三成。每M token的单价,正在变成一个系统性误导指标。
微软否认AI裁员，甲骨文却认了这笔账
微软最新一轮裁员坚称“岗位不是被AI取代”，同一份名单里甲骨文却在SEC监管文件里白纸黑字承认AI导致裁员——同一套叙事，企业各按各的算盘选择措辞。把Challenger的宏观数据和这种口径分裂放在一起看，AI更像是一件可以按需取用的公关外套，而不是统一的技术因果。
Siri终于能调语速和表情了,苹果自己先列了一串未修复的bug
iOS 27 beta 3把此前标注“即将推出”的Pace和Expressivity滑块正式打开,用户能拖动调整Siri说话的快慢和情绪浓度。但苹果自己的发布说明里列着好几条未修复的已知问题,部分用户升级后反而弄丢了新版Siri、触发设备重新索引——对照已经稳定跑了半年多的ChatGPT语音风格系统,这更像一次追赶,而不是苹果想讲的那个“更自然的AI助手”故事。
起诉白宫拒绝监控之后,Anthropic偷偷追踪了中国用户
Anthropic被曝在Claude Code里用“提示词隐写术”秘密标记中国用户的时区、代理和实验室关联,曝光后紧急下线。放进蒸馏攻击的真实规模和转售价差里看,这更像一场打着反滥用旗号的选择性监控。
谷歌的AI训练开关:关得掉明天,关不掉昨天
谷歌6月悄悄上线两项新隐私设置,默认把Lens拍照、语音搜索、Translate发音练习等媒体纳入AI训练池,用户需手动关闭Save Media才能退出。但官方文档同时承认,退出只管未来数据,已被选中训练的历史记录即便删除也可能留在模型里,还能保留长达4年。
84%机构设了AI负责人，仅34%真懂AI：英国监管的“军备竞赛”
英国FCA警告监管机构在AI应用上正陷入“军备竞赛”，官方调查显示75%的金融机构已用AI、84%设了问责人，但只有34%真正理解自己在用什么模型。英国选择不立新法、靠旧框架追赶，欧盟已经用AI Act分阶段强制生效，两条路线正在同一个风险点上分道扬镳。
Chrome装了个4GB AI模型,自家文档却当它不存在
Chrome会在设备达标时静默下载4GB的Gemini Nano模型,删除后还会自动装回来;更扎眼的是,这个组件从未出现在Google自己的开发者文档里,只活在调试入口和用户投诉帖中。一个打着隐私旗号的本地AI,自己却先没走完知情同意这一步。
Photoroom晒出7B模型数据管线,唯独绕开版权这道题
Photoroom在PRX系列第四篇博客里公开了7B文生图模型的数据管线细节:混合公开与内部数据集、用VLM重写长caption、轻过滤策略,以及从T5Gemma切到Qwen3-VL后放弃预计算latent的工程取舍。但对照Stable Diffusion的后置过滤、Midjourney的人类偏好路线、Adobe Firefly的授权源头合规,Photoroom对内部数据集的版权状态几乎只字未提。
Reddit一边卖数据训练AI,一边用AI围剿AI垃圾
Reddit宣布用LLM打击站内垃圾内容,称已拦截大量AI水军和虚假互动,但同一时间它正把用户内容打包授权给Google和OpenAI训练模型。真正的看点不是技术能不能打赢,而是Reddit到底想不想赢。