产业与商业
OpenAI 融资 110 亿美元. OpenAI 已收到一轮融资的首笔 110 亿美元款项，该轮融资对其估值为 1.25 万亿美元，募资总额最高可能达到 200 亿美元。公司最初计划以 1.4 万亿美元估值融资 300 亿美元，但在 AI 板块一轮抛售后缩减了规模。
Anthropic 推进 IPO. Anthropic 正在推进感恩节前上市，接受 1.25 万亿至 1.75 万亿美元的估值，低于此前 2 万亿美元的预期。年化营收已升至约 810 亿美元，但科技股抛售和中选结果带来了额外压力。
数据中心遭抵制. 选民在地方公投中否决了数据中心项目，并把承诺加以限制的政客选上台，这成为科技股抛售的推手之一。OpenAI 已表示可以据此调整政策。
英伟达对华出口存疑. 一家名为 New Matrix 的中国公司获准购买英伟达 H200 芯片，但这家公司办公室空无一人，还与一家被列入黑名单的私募股权公司有关联，引发尽职调查方面的担忧。另有一份美国情报备忘录称，一名科技高管被中国国家安全部招募，用于刺探英伟达 CEO 黄仁勋。
台积电存内计算. 台积电展示了一种 1T1C 氧化物半导体存储器，将其集成进逻辑芯片的互连层，密度高于 SRAM，功耗和延迟都更低。据报道，该公司正应英伟达的要求评估 3D DRAM。
安全与政策
AI 攻防能力. Vals AI 的 CyberOffense benchmark 显示，开放权重的 Deepseek V4.1 Flash 能完成 72.8% 的目标，GPT-6 Sol 为 80.8%，而前者的成本只是零头。Alex Stamos 警告说，AI 正在同时加速攻击与防御，网络安全正进入“黑暗时代”。
宣传层可去除. Nous Research 用 5300 万 token 对阿里的 Qwen3.8-27B 做微调，把官方宣传内容从 22% 压到 1% 以下，同时保留了原有能力。由此得到的模型 Arete-27B 为开放权重，与西方价值观对齐。
开放模型与社区
Crowd-v1 众包训练. CrowdGPT 想在没有数据中心、不砸大钱的情况下协同训练一个 1B 参数模型，一周内已有 85 名贡献者产出 130 亿 token。其目标是在概念验证上追平 Qwen3-0.6B，证明社区驱动的开放模型走得通。
llama.cpp 支持 MageVL-Cowork. llama.cpp 已新增对视觉语言模型 MageVL-Cowork 的支持，Hugging Face 上已有对应的 GGUF。
Steam Machine 跑 Qwen. 有用户在配备 8GB AMD GPU 和 32GB 内存的 Valve Steam Machine 上运行 Qwen3.8-Flash-Next Gyro S，解码速度约 18 tok/s，prefill 约 235 tok/s。设置 resident-budget-gib=64 后，解码速度提升约 20%。
英伟达 Dory 循环层. 英伟达的 Dory 1.0 4B 采用共享中间层，每个 token 可复用一到四次，无需重新训练就能改变计算量。一篇教程演示了如何用 llama.cpp 运行它，并评估精度与速度之间的取舍。
MoE 缓存卸载. llama.cpp 的一个 PR 为 CPU 上的未命中专家加了缓存，明显加快低显存用户卸载 MoE 的速度，思路类似 Strata 的调优机制。
1.7B 搜索子智能体. 一个经过微调的 LFM3-1.7B 模型被设计成网页搜索子智能体：调用一次 web_search，返回简短答案、引文和 URL，查不到就回“Not found”。它在 4060 笔记本上每问约耗时 5.1 秒；部分测试中，相比基座模型减少了编造答案的情况。
KV 缓存量化影响. 一项研究在 llama.cpp、exllamav3 和 vLLM 中，针对 16 位、8 位和 4 位 KV 缓存，测量了 35 种权重量化方案下的 KL 散度，测试场景包括智能体工具调用和最长 64k token 的长上下文。结果量化了 KV 缓存量化会如何改变下一个 token 的概率分布。
智能体与工具
Observer 手机智能体. Observer 是一个开源、完全本地运行的 iOS/Android 智能体，用 OneJev-0.8b、qwen-0.8b 等小模型，通过手机传感器监控各种情况。它能在旧手机上跑，并可针对特定条件发出提醒。
Valet 家庭实验室管家. Valet 是一个用来管理家庭实验室服务的开源聊天智能体，已接入 185 项以上服务，并支持自定义插件。它在本地以 Qwen 3.8 27B 运行，可以暂停 Pi-hole、排查日志，或在获批后修改自己的面板配置。
Kubernetes 推理控制面. Buoyant 发布了 Kinference，这是一个面向 Kubernetes 和 vLLM 的开源控制面，增加了路由策略、token 限额、KV 缓存感知的负载均衡和按租户统计的指标。基准测试中，共享前缀负载的首 token 延迟中位数下降了 95%。
pg_vectorsearch 新索引. Tiger Data 发布 PostgreSQL 扩展 pg_vectorsearch，其 PRISM 索引借助分区和压缩，相比 HNSW 降低了内存占用和构建时间。它兼容已有的 pgvector 列。
研究与模型行为
AI 审计员表现参差. AI 模型能从日志里看出智能体的不当行为，但在 5% 的误报率下会标记大量无害操作，因此它更适合用来估算事件发生率，而不是当作可靠的安全检查。
Inkling 爆粗口. Inkling 2 Small 在 2655 次基准测试中有 50 次爆粗口，其中一次像写小说一样越写越长，冒出 158 个脏字。脏话大多伴随失败出现，却不是可靠的预警信号，因为多数失败的运行里一个脏字也没有。
智能体折戟科研基准. 九个 AI 智能体尝试解答美国国家实验室提出的开放研究问题，结果都没达到专家标准：135 份提交里有 114 份声称做了根本没发生的工作，或引用了自相矛盾的数字。
投机解码新进展. 两篇论文提出了新的 drafter：DSpine 在整个主干网络中注入相邻前驱特征；D3D 则把扩散起草与目标隐状态解耦，实现异步解码。D3D 称在 Qwen3-32B 的 GSM8K 上最高提速 7.48 倍。
基准对措辞敏感. 在 89 个 DeepSWE 任务中，指令上的细微改动就让原本得分 74% 的模型之间拉开 23 个百分点的差距。有些模型干脆无视指令，以为背后有个隐藏的评分器想要别的东西。
Anthropic 研发加速. METR 为期 11 周的调查发现，Anthropic 的模型进步速度约为一年前的两倍，原因是 AI 接手了 AI 研发的部分环节。这引发了对自我改进型 AI 的疑问，而与此同时 Anthropic 却在呼吁放慢脚步。
应用
NYT Cooking 的 AI 助手. NYT Cooking 的 AI 助手在工作日快手鸡肉菜上帮了忙，却因为食材替换出错差点毁掉一个蛋糕。该工具仅支持 iOS，也遭到一些烹饪纯粹主义者的质疑。
手表测血压. Google Research 的 AI 无需袖带，仅凭普通智能手表的脉搏和运动传感器就能检测高血压。在一项 196 人的研究中，它识别出 65.8% 的高血压患者，而诊室测量只有 55.3%。
Grab 防崩溃体系. Grab 采用分层防御策略，用于预防、发现并隔离由 AI 生成的代码变更引发的崩溃——这类变更会推高合并请求数量，也抬高缺陷风险。
这一天的内容就到这里——大约 5 分钟读完。