人工智能资讯 第79页
聚合当前分类下的最新内容，按时间顺序查看第 79 页精选文章。
RingCentral的2500个AI项目,和一道没人敢算的加法题
OpenAI官网发布的RingCentral案例里,员工30天内用Codex交出2500个项目,官方顺势把这个数字和客户满意度9.85分、营收增长25%放进同一段叙事。两组数据其实分属挑战赛和产品案例两套独立体系,并无证实的因果关系,这才是这篇客户故事最该被拆穿的地方。
AI能替你写文档，但你的每句话都不能甩锅给它
软件工程师Sophie Alpert在6月25日发布的内部准则里提出，自然语言没有无损改写，AI帮你润色文档不代表可以免责，作者必须为每句话背书。Simon Willison在8月11日转引并认同这一原则，核心不是能不能用AI写作，而是谁该为最终表达负责。
AI反复修不好同一个bug，暴露的是团队没人懂系统
Simon Willison在8月12日转引Florian Herrengt的场景：团队第四次让AI修同一个漏洞，连写这个功能的人都答不上数据从哪来。核心问题不是AI能不能写代码，而是没人验证代码和数据流，责任和理解被悄悄外包。这对依赖AI编程的工程师和技术负责人来说，意味着审查和治理能力比工具选型更重要。
Twitch上线AI训练退出键,默认同意从未改变
Twitch在账号安全设置页新增开关,允许用户拒绝直播、录像、剪辑、聊天记录及频道图文被用于训练亚马逊生成式AI模型,但所有账号默认仍是同意状态。2024年高管已公开承认内容被用于AI训练,退出选项却拖到2026年8月才上线。官方只承诺不用于“未来训练”,历史数据和已训练模型如何处理,没有给出说法。
号称2.4万亿参数的Qwen新模型，翻开却只是一段代码
Hugging Face上一个名为Qwen3.8-2.4T-A95B的仓库确实上传了约2.44万亿参数的权重文件，但没有模型卡、没有官方说明，跑分表也被标注为“未经验证”。这更像是一次身份不明的仓库，而不是阿里巴巴官方确认的新模型发布。
扎克伯格6500字'超级智能'愿景，撞上假人工评审与换牌监控
扎克伯格发文提出让每个人拥有AI超级智能代理，同一周一家宣称'100%人工撰写、从不使用AI'的医学同行评审服务被曝全靠AI，部分城市把车牌识别供应商从Flock换成Axon。三件事的共同问题不是技术升级与否，而是有没有诚实交代谁在做决定、谁来负责。
Grok 4.6跑分61分重返前沿，但"0.84美元性价比"经得起细看吗
第三方评测机构Artificial Analysis称xAI的Grok 4.6在智能指数上拿到61分、重返GPT-5.6 Sol同档位，且单任务成本仅0.84美元，被捧为"性价比之王"。但这份报告在方法论细节上留了不少空白，模型命名和发布信息也有明显疑点，跑分数字本身值得多打几个问号。
开源模型免费用,好用的功能要申请:OlmoEarth的商业算盘
Ai2在OlmoEarth Studio里上线了embedding导出功能,把卫星影像压缩成向量供检索、分类和变化检测使用,但模型开源、工具受限访问,还拿一篇查无实据的独立评估论文当性能背书。这套打法值得地球观测领域的科研机构和企业在决定是否投入前多问一句:证据到底在哪。
5000本冷门旧书不还价，爱尔兰书商为什么拒绝卖给疑似AI买家
爱尔兰书店Kennys拒绝了一笔5000本冷门书、买家一句不还价的订单，怀疑买家是AI公司。目前没有证据证明AI公司系统性销毁稀有书，但拆脊扫描确实比保护性扫描快得多、便宜得多。真正的分水岭不是技术能不能保存书，而是企业愿不愿为不可再生的东西放弃最快的捷径。
Creator Studio死而复生：Meta的创作者AI工具是真押注还是又一次试水
Facebook把曾被砍掉、并入Business Suite的Creator Studio重新做成独立AI App，8月12日在美加iOS上线，内置个性化建议和AI代写评论功能。放进Meta近几个月密集发布的Forum、Instants、Pocket、StoryKit序列里看，这更像一次又一次的产品试错，而非确定的长期承诺。
上传占六分之一,营收占九十分之一:AI 3D模型没人买账
CGTrader最新报告显示,AI生成3D模型已占平台上传量的17.6%,却只拿走1.1%的营收,而且这个供需缺口一年内还在扩大。真正决定AI内容能不能卖钱的,不只是生成质量,更是每个平台自己选的准入政策。
3.1B模型跑分全面开花,但"边缘最强"目前只有厂商自己说了算
Liquid AI发布3.1B参数的边缘视觉语言模型LFM2.5-VL-3B，在定位、多图推理等能力上较前代大幅跃升，但官方"同尺寸最强"的说法在多项复杂任务上被更大参数模型反超，且目前没有任何独立测评验证过其宣称的边缘设备真实速度和内存占用。
手语翻译进了Gboard,但Google只教会它一种语言
Google DeepMind 发布多语种手语翻译模型 SL2T,率先在 Pixel 11 的 Gboard 和 Live Transcribe 里落地美国手语转英语功能。训练数据覆盖 50 多种手语,但首发只放出一种语言、一款设备,普惠程度仍受平台边界卡着。
能碰黎曼猜想却写不完一章书，AI卡在哪
AI研究者Nathan Lambert写完RLHF教科书后发现，LLM能排版、画图、校对，却写不好一整章技术内容，写作能力标杆至今仍是较老的GPT-4.5和Kimi K2。他的判断是：连组织已知科学知识都做不好，谈自主解决开放性科学问题还太早。
8.3倍的AI鸿沟，尺子握在OpenAI自己手里
OpenAI发布两份企业AI报告，称头部企业人均AI产出是普通企业的8.3倍，半年前这个差距只有2.6倍，Codex已占企业合计token产出的64%。但这套差距完全由OpenAI自家遥测数据定义，token量本身能否代表业务价值、能否排除权限治理和样本偏差，都还没人验证过。
从一只狗到一家公司：Gamgee的mRNA疫苗证据只有一个病例
Gamgee由创始人给爱犬Rosie定制mRNA癌症疫苗的经历发展而来，已获Y Combinator支持，在澳大利亚招募首批犬类临床试验对象。公司唯一的疗效依据仍是Rosie这一个病例，且她当时同时接受另一种疗法，肿瘤缩小说不清是不是疫苗的功劳。官网写的75%缩小、四周交付都只对应这一个病例，价格、入组标准、伦理审批均未披露。
OpenAI宣称解出十大数学难题，高尔斯给出一个更冷静的判断
2026年8月，OpenAI宣布其系统解决十个数学与理论计算机科学难题，包括非-sofic群构造和多色拉姆齐数增长证明，但这些成果尚未见到数学界完成同行评审或独立复核的公开记录。剑桥数学家高尔斯指出，这些成果大多是反例或构造型结果，不能据此断定LLM已全面超越人类数学家。他认为真正的限制在于问题的推理结构，而不是命题能否被改写成寻找反例的逻辑外壳。
500种新材料,AI只造出了1个
YC初创公司Discovered Materials用一个长周期基准测试了7个前沿模型的材料发现能力,结果它们算出了500多种理论上合格的新材料,但只有1种被判定有可行的实验合成路线。这个反差比数字本身更值得琢磨。
11个卡住的Agent标签页,揭穿了AI'越用越快'的错觉
科技博主Brent Fitzgerald休假归来,发现电脑里堆着11个卡在半途的Claude agent,由此反思自己长期依赖AI的习惯。METR的受控实验数据显示,这种'AI必然提效'的默认叙事本身就站不住脚:经验开发者用AI反而慢19%,却自认为快了20%,落差高达39个百分点。
llama.cpp 换了官网，命令却对不上文档
llama.cpp 上线新官方主页 llama.app，主打与本地coding agent Pi 的一键集成和跨全硬件的统一二进制，但主页命令`llama serve`与GitHub官方文档的`llama-server`对不上号。这更像一次尚未完全理顺的门户化动作，也暗示项目想从消费级本地推理工具，往企业和数据中心场景延伸。
Saber否认AI替代编剧，但声明里那句“必然”才是破绽
《Rideshare “Stimulator”》主笔Stella Sacco指控被ChatGPT替代，Saber Interactive CEO Matthew Karch否认，称故事“完全由真人撰写”，只有一个“实验性免费模式”因乘客无限而必须用AI。这两句话看似矛盾却能同时成立，问题出在Steam生成式AI披露政策本身留出的空隙，而不是谁在说谎。