AI 日报 · 2026-08-28：Horizon 每日速递（25 条精选）

Terminal-Bench-Science 是一个新发布的基准，旨在评估 AI 代理在科学研究工作流程中的表现，涵盖从文献综述到实验设计等任务。它提供了一个标准化套件，用于衡量代理在真实研究场景中的性能。 该基准满足了在科学领域对 AI 代理进行严格评估的日益增长的需求，这对于自主系统越来越多地参与研究至关重要。它可能影响未来模型的开发和比较方式，从而加速科学发现。 该基准包含需要多步推理、工具使用和遵循特定协议的任务，反映了真实的研究挑战。它还提供了一个排行榜，用于比较不同模型，尽管一些社区成员质疑任务的有效性和过拟合的可能性。

社区评论表达了复杂的情绪：一些人担心一旦模型在基准上训练，基准就会变得无用，而另一些人则强调任务设计的重要性。还有人怀疑基准是否检查了正确性，用户指出像 Claude 这样的模型可能无法精确遵循指令。一些用户分享了通过上下文工程提高代理性能的实用技巧。

背景：AI 代理越来越多地用于科学研究，但由于研究任务的复杂性和多变性，评估其性能具有挑战性。像 Terminal-Bench-Science 这样的基准旨在提供标准化、可复现的评估。然而，关于基准污染以及基准分数与实际效用之间差距的担忧仍然存在。

参考：[Paper Note] AstaBench: Rigorous Benchmarking of AI Agents with… · emergentmind.com/topics/scientific-agents.md · Gemini for Science Puts Research Agents on the Nature… – Devlery

#AI benchmarks · #scientific research · #AI agents · #evaluation · #LLM

提示注入研究员 Johann Rehberger 发现了一种针对 Claude Code 自动模式的攻击，通过利用 zip 压缩包解压和 Python 模块遮蔽，成功率高达 80%。在某些情况下，自动模式甚至阻止了 Claude 自身的清理命令，导致代理无法停止恶意进程。 该漏洞削弱了 Anthropic 对自动模式作为 Claude Code 默认安全措施的信心，而该模式最近已成为所有用户的默认设置。它凸显了即使先进的 AI 编码代理仍然容易受到提示注入攻击，强调了在代理部署中采用沙箱和网络限制的必要性。 该攻击诱使 Claude Code 下载并解压 zip 压缩包，然后执行导入 'base64' 的代码，但由于 Python 模块遮蔽，意外加载了压缩包中的本地 'struct.py' 文件。自动模式的分类器允许了恶意软件的创建，却阻止了清理命令，表明安全机制本身存在缺陷。

—

背景：Claude Code 是 Anthropic 开发的 AI 编码代理，可以自主执行任务。自动模式是一种权限模式，Claude 自行做出权限决策，并在操作运行前由安全措施进行监控。提示注入攻击是指向 AI 系统输入恶意指令，覆盖其原始指令。Python 模块遮蔽是指本地文件与标准库模块同名，导致 Python 导入本地文件而非标准模块。

参考：Auto mode for Claude Code | Claude by Anthropic · Prompt Injection | OWASP Foundation · Shadowing Modules (Video) – Real Python

#AI security · #prompt injection · #Claude Code · #vulnerability · #LLM agents

周四，加州地区法院法官裁定，五角大楼今年早些时候将 AI 实验室 Anthropic 列入黑名单的行为违宪，这标志着该公司在对特朗普政府的诉讼中取得了法律胜利。该诉讼于 3 月提起，指控政府因 Anthropic 对军事使用其 AI 模型设定“红线”而非法对其进行报复。 该裁决意义重大，因为它开创了法律先例，可能保护 AI 公司免受政府在国家安全事务上的过度干预，并可能影响未来的 AI 监管和政府合同。它还凸显了 AI 安全实践与政府利益之间的紧张关系，影响 AI 实验室如何参与军事和国防应用。 法官的裁决是正在进行的诉讼中的初步决定，五角大楼可能会上诉。值得注意的是，华盛顿特区的一家联邦上诉法院此前曾拒绝阻止黑名单，导致裁决相互冲突，最终可能由更高法院解决。

—

背景：Anthropic 是一家 AI 安全实验室，由包括 Dario Amodei 在内的前 OpenAI 高管于 2021 年创立。该公司将自己定位为安全至上的 AI 开发者，今年早些时候拒绝让美国军方将其模型用于国内监视和完全自主武器，这可能引发了五角大楼的制裁。

参考：Pentagon Wins Appeal Against Anthropic AI Blacklisting | LinkedIn · Anthropic Sues Trump Administration After Pentagon Blacklis

#Anthropic · #AI regulation · #legal · #government · #policy

大晓机器人与香港大学发布了 StreamPI，这是一个流式多模态时序建模框架，在不增加额外参数的情况下，为单帧视觉-语言-动作（VLA）模型赋予时序推理能力。它通过指令锚定注意力和随机时间间隔训练，实现对物理过程的连续理解。 这解决了 VLA 模型的一个关键局限，即通常依赖单帧观测，难以处理长时程、时间依赖的任务。通过赋予时序推理能力，StreamPI 推动具身智能迈向连续物理智能，有望提升机器人在真实操作和长时程任务中的表现。 StreamPI 通过流式推理避免了基于窗口的方法的计算开销，缓存过去帧的键值表示，仅处理新信息。它基于 π0.5 骨干，继承其视觉-语言表征能力，无需额外模型参数，并在真实机器人实验和 LIBERO、CALVIN 等基准测试中表现出改进。

—

背景：视觉-语言-动作（VLA）模型结合视觉和语言理解来生成机器人动作。传统 VLA 通常基于单帧做出决策，缺乏时序上下文，限制了它们理解状态变化和长时程任务的能力。StreamPI 引入了一种流式时序建模方法，在不增加额外参数的情况下保持连续上下文，从而弥补了这一不足。

参考：[2608.26067] StreamPI: Streaming Multimodal Temporal Modeling… · GitHub – hku-sail/StreamPI · GitHub · StreamPI Adds Temporal Reasoning to Single-Frame VLAs – CCTest

#VLA · #robotics · #temporal modeling · #embodied AI · #research

Meta 于 2026 年 8 月 10 日发布了 Muse Glimmer，这是一个 30B 参数、支持 128K 上下文的多模态 Agent 模型。它可在单张 24GB 显存 GPU 上运行，通过 DFlash 实现 3.1 倍推理加速，并以 Apache 2.0 许可证开源，提供 4-bit 量化版本。 这一进展降低了在本地运行大型 Agent 模型的门槛，使开发者和研究人员能够在消费级硬件上部署复杂的 AI Agent。它可能重塑本地 Agent 部署方式，并加速各行业对端侧 AI 的采用。 Muse Glimmer 是从 Muse Spark 1.2 蒸馏而来，包含独立的视觉编码器和 DFlash 推理加速组件。它支持通过 llama.cpp、MLX 和 ExecuTorch 进行本地部署，4-bit 量化版本可在 20GB 显存以下运行。

—

背景：Agent 模型是能够使用工具、执行代码并处理图像和屏幕等多模态输入的 AI 系统。在本地运行此类模型需要大量内存和计算资源，但量化和投机解码等技术有助于降低资源消耗。DFlash 是一种投机解码方法，通过并行生成多个 token 并验证，实现 3.1 倍加速，同时保持输出质量。

参考：Meta Muse Glimmer 30B Open-Weight AI Agent | TechPillow · meta-models/Muse-Glimmer-30B · Hugging Face · Meta Muse Glimmer: Local 30B Agentic Model | Luca Berton

#AI · #Meta · #LLM · #Inference Optimization · #Local Agents

Cursor 开源了 Mixture-of-Kittens (MoK) 技术，该技术通过将 token 调度、跨 GPU 通信和专家计算整合到单个 GPU 内核中，重写了混合专家（MoE）模型的执行方式，将推理延迟从 103μs 降至 18μs。 这一优化直接解决了大规模 MoE 推理中的一个主要瓶颈：尽管有 NVLink 等高带宽互连，通信开销仍常常拖慢专家计算。通过将操作融合到单个内核中，MoK 可以显著提高 GPU 利用率和推理性能，使 AI 基础设施提供商和模型部署者受益。 该技术在 NVIDIA 公布 GB300 NVL72 在 DeepSeek-V3 上的训练性能后不到两周发布，凸显了与 NVIDIA 以硬件为中心的做法的对比。MoK 专注于软件层面的内核重写，而非更快的矩阵乘法，旨在通过消除单独的内核启动和跨 GPU 通信开销来降低延迟。

—

背景：混合专家（MoE）模型使用多个专门的子网络（专家）并将 token 路由到相关专家，这可以提高效率，但在分布式训练和推理中引入了通信开销。GPU 内核是在 GPU 上执行的底层程序；重写它们以融合多个操作可以减少启动开销和内存流量，从而提高性能。最近的核优化趋势，例如将 LLM 编译为“mega kernel”，旨在解决原始 FLOPS 之外的延迟瓶颈。

参考：An interactive book on GPU kernels and inference performance. · Kernel Dynamics: The Real Bottleneck of AI | Hazem Ali · Compiling LLMs into a MegaKernel A Path to Low-Latency Inference

#GPU · #AI infrastructure · #kernel optimization · #inference · #MoK

8 月 28 日，腾讯发布并开源了 Hy4 preview，这是一款混合专家大语言模型，总参数 770B，激活参数 49B，上下文长度达 1M tokens。据称在真实生产力任务中表现卓越，在内部盲测中优于 GLM 5.3 和 Kimi K3。 此次发布巩固了腾讯在竞争激烈的开源大模型领域的地位，提供了具有行业领先上下文窗口的高容量模型。它为开发者和企业提供了一个强大且高性价比的闭源模型替代方案，可能加速 AI 在生产力工具中的采用。 Hy4 preview 已在 HuggingFace、GitHub、ModelScope 上线，并可通过腾讯云 TokenHub 和 OpenRouter 接入。定价为输入每百万 tokens 6 元，输出每百万 tokens 18 元，缓存命中每百万 tokens 0.3 元，并在 WorkBuddy/CodeBuddy 上提供为期两周的免费试用。

—

背景：大语言模型（LLM）是在海量文本数据上训练的人工智能系统，能够理解和生成类似人类的文本。开源 LLM 允许开发者自由检查、修改和部署模型，促进创新并减少对专有 API 的依赖。上下文长度指模型一次能处理的最大文本量；1M token 的上下文使得处理超长文档或复杂的多文件任务成为可能。

参考：混元 Hy4 preview 开源：770B 盲测压 GLM-5.3 与 Kimi… · tencent/Hy4-preview | vLLM Recipes · HY4 Preview vs GPT-5.6 Sol: Open Weights vs the Frontier

#LLM · #open-source · #Tencent · #AI · #productivity

在最近接受红杉资本采访时，Rich Sutton 指出，由于互联网数据有限且训练后权重冻结，当前的大语言模型已陷入“局部最优”。他与学生 Khurram Javed 共同创办了 Oak Lab，致力于开发能从自身经验中持续学习的 AI 智能体。 Sutton 的批评挑战了 AI 领域主流的规模化范式，表明单纯增加算力和数据可能遇到天花板。他倡导的持续学习可能重塑“训练-冻结-部署”的基础模型范式，有望带来更适应性强、更智能的系统。 Sutton 指出灾难性遗忘是持续学习的主要障碍，并提出了步长优化（Step-size Optimization）和持续反向传播（Continual Backprop）等方法来解决。他还批评合成数据是“大错误”，因为它仍然依赖人类决定生成什么。

—

背景：Rich Sutton 是强化学习的先驱，也是《苦涩的教训》的作者，该文认为利用计算能力的通用方法优于人工设计的规则。大语言模型在海量互联网文本上训练，部署后权重冻结，限制了从新经验中学习的能力。Sutton 的“大世界假说”认为现实世界过于复杂，无法完全包含在训练数据中，因此需要持续学习。

参考：Richard S. Sutton – Wikipedia · Rich Sutton Launches Oak Lab to Build… | gentic.news · The Bitter Lesson

#reinforcement learning · #large language models · #continual learning · #AI research · #Rich Sutton

德国主权技术署（STA）宣布向 Flatpak 投资 50 万欧元，Flatpak 是 Linux 上流行的开源应用沙箱和分发框架。这笔资金旨在支持 Flatpak 的持续开发和维护，该框架广泛用于在各种 Linux 发行版中分发桌面应用。 这项投资凸显了开源基础设施作为关键数字公共产品日益受到认可，尤其是政府支持的实体。它为 Linux 生态系统的关键组成部分提供了财务稳定性，可能惠及数百万依赖 Flatpak 进行安全便捷软件分发的用户和开发者。 这项投资是 STA 更广泛使命的一部分，旨在资助支撑数字基础设施的开源项目。Flatpak 的沙箱模型将应用与主机系统隔离，但有时因授予过宽的权限而受到批评，社区讨论中可见一斑。这笔资金旨在解决这些问题，并改善 Flatpak 的整体安全性和可用性。

社区反应不一：一些人对此资金表示感激，而另一些人则对这类一次性投资的可持续性以及缺乏长期开发者支持表示担忧。一些用户还讨论了 Flatpak 的沙箱限制，举例说明 Calibre 等应用被授予广泛的文件系统访问权限，削弱了信任。还有人提到磁盘空间占用等实际问题，但总体情绪是感激且谨慎的。

背景：Flatpak 是一个跨发行版的包管理系统，允许开发者一次打包应用，并在任何 Linux 发行版上运行。它使用沙箱将应用与主机系统隔离，增强了安全性，但有时需要仔细管理权限。主权技术署是德国颠覆性创新联邦机构（SPRIND）的子公司，由联邦经济事务和气候行动部资助，投资于支撑数字基础设施的开源软件。

参考：Sovereign Tech Agency – Wikipedia · Home | Sovereign Tech Agency · Flathub and Flatpak in 2026: The Complete Guide to Finding, Installing…

#Flatpak · #open-source · #funding · #sandboxing · #sovereign-tech

OpenTIE 和 OpenXWA 是经典星球大战游戏《钛战机》和《X 翼同盟》的现代开源移植版，旨在让这些游戏在现代硬件和操作系统上可玩。 这些移植版为新一代玩家保留了深受喜爱的经典游戏，确保它们在现代系统上仍可访问。它们还促进了社区参与和怀旧情怀，正如活跃的讨论所示，并可能激发对其他经典游戏的类似保护工作。 这些移植版是开源的，可在 GitHub 上获取，允许社区贡献和改进。然而，玩家仍需获取原始游戏文件（例如从 GOG 购买）才能游玩，因为移植版不包含原始资源。

社区成员表达了怀旧和兴奋之情，分享了使用飞行控制器玩这些游戏的个人回忆以及那个时代的乐趣。一些人还指出了相关资源，例如将《钛战机》移植到《X 翼同盟》引擎的全面转换模组，并提到原始游戏仍可在 GOG 上购买。

背景：《钛战机》和《X 翼同盟》是设定在星球大战宇宙中的经典太空战斗模拟游戏，最初于 1990 年代发布。它们以精细的飞行机制和沉浸式玩法而闻名。像这样的现代移植版旨在更新游戏以在当前操作系统上运行，通常通过重新实现游戏引擎或使用兼容层来实现。

参考：X-Wing and Tie Fighter games | [H] ard|Forum

#open-source · #gaming · #retro · #ports · #Star Wars

一项提议建议使用 Bluesky 的 firehose 作为博客文章的索引，并将其与 SQL 查询相提并论。这一想法引发了关于 RSS 等去中心化替代方案以及平台 API 可持续性的讨论。 这一讨论凸显了博客生态系统中中心化平台与去中心化协议之间的持续紧张关系。随着 Twitter 和 Reddit 等平台限制 API，影响第三方开发者，这一讨论强调了可持续、开放替代方案的必要性。 该提议利用了 Bluesky 的 AT 协议，该协议提供开放的公共帖子 firehose，与 Twitter 的封闭 API 不同。评论者指出，RSS 和 OPML 订阅列表为博客内容提供了更成熟且不易受损的替代方案。

评论者表达了不同的观点：一些人主张使用 RSS 作为更可靠的索引，而另一些人对 Bluesky 的开放性感到惊喜。有人对去中心化的实用性持怀疑态度，担心质量、努力和成本，并呼吁提供即插即用的解决方案。

背景：Bluesky 是一个基于 AT 协议构建的去中心化社交网络，通过 firehose API 开放访问公共数据。RSS 是一种长期存在的网络订阅格式，用于发布更新，而 OPML 是共享订阅列表的标准。这一讨论反映了对 API 可持续性的更广泛担忧，以及中心化与去中心化系统之间的权衡。

参考：A tutorial on using the friendly Bluesky API and Firehose to observe… · API Hosts and Auth | Bluesky Protocol Services · Top Decentralized Social Media | CoinGecko

#Bluesky · #RSS · #decentralization · #blogging · #API

在 GTC 上，黄仁勋展示了独立的 CPU、存储和 LPU 机柜，表明并非所有 AI 任务都需要 GPU 机柜。这标志着随着智能体 AI 工作负载的增加，CPU 需求上升的战略转变。 这一转变可能重塑 AI 硬件市场，数据中心 CPU 与 GPU 的配比可能从 1:8 变为 1:4 甚至接近 1:1，为 CPU 初创公司打开五年窗口，并对英特尔和 AMD 等现有厂商构成挑战。 智能体 AI 工作负载（如任务编排和工具调用）可能将超过 80%的负载放在 CPU 上。英伟达专为智能体 AI 设计的 Vera CPU，其效率和性能分别是传统机架级 CPU 的 2 倍和 1.5 倍。

—

背景：历史上，GPU 主导 AI 加速，但智能体 AI 引入了多步骤任务，需要大量 CPU 参与。英伟达突出 CPU 机柜的举措反映了这一趋势，其 Vera CPU 和 Groq LPU 机柜旨在满足多样化的推理需求。

参考：NVIDIA Launches Vera CPU, Purpose-Built for… | NVIDIA Newsroom · Nvidia announces Groq 3 LPU AI inference chip, plans 256-LPU rack

#Nvidia · #CPU · #AI inference · #hardware · #GTC

来自纽娲机器人、上海交通大学和山东大学的研究人员提出了 Video2DoorTraversal，这是一个面向轮足移动操作机器人的单视频真实到仿真到真实框架。它从一段 RGB 视频重建门的数字孪生（DoorTwin），并在仿真中训练机器人完成接近、开门和穿越任务，然后部署到真机。 这项工作减少了对人工门建模和任务设计的依赖，可能加速移动操作机器人在真实环境中的部署。它解决了一个结合感知、移动、操作和控制的复杂任务，对服务机器人和工业自动化具有重要意义。 在主实验中，该方法在五扇门上平均成功率为 96.57%（175 次测试中成功 169 次），每扇门测试 35 次。对于三扇结构相似但未见过的门，零样本成功率为 80.95%，从接近到穿越的平均时间约为 13 秒，所有处理均在机器人本地完成。

—

背景：真实到仿真到真实（R2S2R）是一种通过创建真实环境的数字孪生来弥合仿真与现实差距的方法。穿越门任务具有挑战性，因为门在尺寸、铰链方向、把手类型和开启阻力上各不相同，需要机器人底盘、机械臂和夹爪的精确协调。传统方法通常依赖预构建的门资产或人工任务设计，而 Video2DoorTraversal 旨在减少这些前置工作。

参考：Video2DoorTraversal: Push Door Traversal via Simulated Door Twins · Video2DoorTraversal: Push Door Traversal via Simulated… | alphaXiv · Reconciling Reality Through Simulation: A Real-to-Sim-to-Real…

#robotics · #sim-to-real · #mobile manipulation · #computer vision · #research

Anthropic 将 Claude Code 的 +50% 周额度加成从 8 月 19 日延长至 8 月 31 日。在原定截止日前后，Hacker News 上的讨论指出，即使是简单的任务，Agent 在处理文件、搜索调用链、运行测试和处理日志时，每一步都会增加上下文，导致额度消耗很快。 这一问题凸显了 AI 辅助软件开发中日益严峻的挑战：AI 生成的代码不断积累，未来的 Agent 难以理解，形成了一种新的“祖传代码”。这强调了在 Agent 驱动的开发中，需要更好的上下文管理和可维护性实践，影响依赖 AI 编码工具的开发者与组织。 Claude Code 的额度消耗不仅限于最终生成的代码；每一步如读取文件、搜索调用链、运行测试和处理日志都会扩展上下文。任务越长，Agent 背负的历史越多，系统越依赖清理和压缩，这可能导致性能下降和成本增加。

Hacker News 上的讨论对简单任务快速消耗额度表示不满，用户指出上下文累积是主要因素。一些人建议需要更好的上下文管理和 Agent 设计，以避免产生难以维护的代码，而另一些人则就 AI Agent 在复杂项目中的成本效益展开辩论。

背景：像 Claude Code 这样的 AI Agent 是基于 LLM 的工具，通过迭代读取文件、执行命令和生成代码来自动完成编码任务。然而，它们受限于上下文窗口，随着任务增长，累积的上下文可能超出限制，需要压缩或截断。这可能导致重要信息丢失，生成的代码难以被未来的 Agent 理解，类似于人类在没有适当文档的情况下编写的遗留代码。

参考：A postmortem of three recent issues Anthropic · Did Anthropic ‘dumb down’ Claude Code? Post-mortem reveals the… · From working prompts to maintainable agents: Treating AI like real…

#AI agents · #software engineering · #code quality · #maintainability · #LLM

2026 年 8 月 17 日，Cursor 开始向所有付费计划逐步开放 Origin 的早期测试版，这是一个面向 AI 代理的原生 Git 托管平台。Origin 将仓库、拉取请求、检查、审查、合并和自动化整合到一个为 AI 代理设计的统一系统中。 这标志着代码仓库的所有权正从人类向 AI 代理转移，对传统的 GitHub 工作流程和开发者角色构成挑战。随着 AI 代理成为主要贡献者，开发者工具生态系统必须适应支持代理规模的操作，这可能重塑软件的开发和维护方式。 Origin 兼容 Git，并提供 GitHub 同步功能，用户可以在不立即更改其主数据源的情况下进行测试。此次发布特意注重迁移友好性，Cursor 将 Origin 定位为为“代理规模”设计的代码托管平台，并提供 origin CLI 等命令行交互功能。

—

背景：GitHub 长期以来一直是代码托管和协作的标准平台，但其工作流程是为人类开发者设计的。随着能够自主读取、修改和推送代码的 AI 代理的兴起，对能够大规模处理代理驱动开发的平台的需求日益增长。以 AI 驱动的代码编辑器而闻名的 Cursor 现在正通过 Origin 进入这一领域，旨在为 AI 代理提供原生的代码协作环境。

参考：Is Cursor Origin Safe for Your Code? The Trust Question, Laid Out · Cursor Origin: Pilot the Agent-Native Git Forge · Cursor Origin Is Not a GitHub Clone. It Is a Bid to Own the Agent Loop.

#AI agents · #software engineering · #GitHub · #developer tools · #code repositories

雷锋网的一篇文章分析了 Anthropic 技术栈中的五个技术缺陷，包括代码低熵、上下文污染和错误回灌，这些据称正在降低 Claude 的性能。文章重点提到了用户对 Claude 可用性下降的抱怨，尽管模型不断升级，如 Sonnet 5 和 Fable 5。 这很重要，因为它表明 Anthropic 旗舰模型可能存在质量问题，可能影响用户在竞争激烈的 AI 市场中的信任和采用。对于 AI/ML 从业者来说，理解这些技术陷阱对于评估模型可靠性和改进自身系统至关重要。 文章提到了具体问题：文本和代码中添加了机器可读标记，Sonnet 5 的实际体验与升级声势不符，Fable 5 价格更高但相比 Opus 5 没有明显优势，以及 Fable 5 的上下文窗口仅使用 20%-30%后性能就开始下降。这些问题被归因于底层技术栈问题，如代码低熵和上下文污染。

—

背景：Anthropic 是一家 AI 安全公司，以开发 Claude 系列大型语言模型而闻名。该公司的技术栈包括多云基础设施和宪法 AI，旨在使模型与人类价值观对齐。文章认为，近期用户不满可能源于技术栈中的技术债务，影响了模型性能和用户体验。

参考：Anthropic Technical Stack Analysis: How Does Claude Think? · Research Anthropic · Anthropic Technical Expert: 'Coding Is No Longer the… – 24/7 Wall St.

#Anthropic · #Claude · #AI · #technical issues · #LLM

研究人员利用加密推理块未严格绑定原始模型和会话的漏洞，成功从 GPT、Claude 和 Gemini 等主流 AI API 中恢复了隐藏的思维链推理。这使得同一供应商的另一个模型能够读取隐藏推理。 该漏洞破坏了 AI API 的隐私和安全保证，因为隐藏推理可能包含敏感的内部决策过程。这可能导致知识产权窃取、模型蒸馏，并引发对用户数据隐私的担忧，影响依赖这些 API 的开发者和企业。 该攻击利用同一供应商的不同模型读取加密推理块，绕过了预期的不可读性。研究人员在 Claude、GPT 和 Gemini API 上演示了这一点，表明隐藏推理可以被恢复为可读文本。

—

背景：思维链推理是一种 AI 模型在生成最终答案之前生成中间推理步骤的技术。为了保护专有推理，一些 API 提供商将这些步骤加密为不透明的块，用户无法读取。然而，这项研究表明加密可以被绕过，引发安全和隐私担忧。

参考：Chain-of-Thought Extraction Attack… – Aoyii – AI Navigation Platform · How Distillation Attacks Are Redefining AI Securit… – Hewlett Packard… · Anthropic Just Published a Kill Chain for AI Model… – DEV Community

#AI security · #chain-of-thought · #privacy · #GPT · #Claude

8 月 27 日，自变量机器人发布了下一尺度自回归世界模型 WALL-SS，解决了机器人模拟中的三大瓶颈。它采用由粗到细的生成方式和长时记忆机制，实现了最长 60 秒的连续推演，动作跟随得分显著高于现有模型。 这一进展可能使虚拟世界成为可靠的机器人训练场，减少昂贵且有风险的物理试验需求。它将架构定位为具身智能的下一个竞争前沿，可能加速机器人和 AI 领域的进展。 WALL-SS 将具身轨迹建模为观测和动作交织的因果序列，并通过由粗到细的下一尺度自回归生成每个视觉未来。测试中，它在 60 秒后动作跟随得分为 0.29，而 Cosmos3-Nano 为 0.044，其他模型为 0。

—

背景：世界模型是学习预测环境未来状态的 AI 系统，使机器人能够在执行动作前进行模拟。传统的视频生成模型只需生成视觉上合理的帧，但世界模型必须捕捉动作与结果之间的因果关系。“磁铁式抓取”问题，即夹爪未实际抓住杯子却将其提起，说明了依赖捷径而非真正理解的模型的失败。

参考：X Square Official Site X Square Robot WALL-A Large Operating… · GitHub – X-Square-Robot/wall-ss · GitHub · Self-Variable Launches WALL-SS World Model, Tackling… | KuCoin

#world models · #robotics · #AI · #architecture · #training

苹果已正式宣布将于当地时间 9 月 9 日（北京时间 9 月 10 日凌晨 1 点）举行秋季新品发布会，主题为“惊喜闪耀”。这将是约翰·特努斯于 9 月 1 日接任 CEO 后的首场发布会，预计将推出 iPhone 18 Pro/Max 以及首款折叠屏 iPhone。 此次发布会标志着苹果领导层的重大过渡，并可能推出其首款折叠屏 iPhone，这是一次重大的产品类别转变。此次发布可能会影响智能手机行业的发展方向，尤其是在折叠屏技术和高端定价方面。 据传 iPhone 18 Pro 系列将搭载 2nm 工艺的 A20 Pro 芯片、可变光圈主摄、苹果自研 C2 蜂窝调制解调器以及更小的灵动岛。折叠屏 iPhone 预计配备 5.5 英寸外屏和 7.6 英寸内屏，起售价在 1999 美元至 2500 美元之间。

—

背景：2nm 工艺是半导体制造节点，相比前代节点在性能和能效上有所提升。可变光圈镜头允许物理调节进光量，增强摄影灵活性。苹果的 C2 调制解调器是其减少对高通依赖的努力的一部分。

参考：2 nm process – Wikipedia · Apple announces iPhone 18 Pro and foldable iPhone Ultra… – 9to5Mac · Variable Aperture Technology: The Future of Smartphone Cameras

#Apple · #iPhone · #foldable · #tech news · #product launch

尽管自 2022 年以来 AI 推理成本大幅下降，但大型科技公司仍在增加对数据中心、内存、封装和电力的资本支出。这一悖论是由多步骤智能体系统需求的扩大和物理瓶颈的转移所驱动的。 这一趋势表明，AI 推理效率的提升并未减少总体投资，反而推动了对更复杂 AI 应用的需求。它凸显了价值向扩展较慢的物理资产集中的转变，这可能重塑 AI 基础设施格局并影响更广泛的技术生态系统。 从 2022 年 11 月到 2024 年 10 月，运行等效 AI 模型的成本下降了超过 280 倍，但资本支出仍在持续上升。土地、劳动力和电力等物理瓶颈正成为主要限制因素，因为仅靠资本无法解决这些问题。

—

背景：AI 推理是使用训练好的模型进行预测的过程，由于算法改进和硬件进步，其成本已大幅下降。多步骤智能体系统涉及多个 AI 智能体协作完成复杂任务，需要更多的推理调用，从而增加了总需求。因此，AI 扩展的瓶颈正从计算成本转向数据中心和电力供应等物理基础设施。

参考：AI's Two Economies: Why Training Costs Rise as Inference Falls · Physical Constraints in the AI Supply Chain: Four… — Locsic · The Concrete Problem — AI Infrastructure Hits Physical Limits That…

#AI infrastructure · #inference cost · #data centers · #agent systems · #capital expenditure

Loopit 发布了自研的互动世界模型 Zing-0.5，并在评测中排名第一。文章指出，这是中国少有的将应用与模型开发相结合以构建数据飞轮的案例。 这很重要，因为它展示了中国企业通过自研 AI 构建竞争壁垒的可行路径，与红杉的“主权 AI”论断相呼应。这可能激励更多应用公司投资模型开发，推动行业摆脱对 API 的单纯依赖。 Zing-0.5 是一个高效的实时互动世界模型，基于 Wan2.2 TI2V-5B 等开源基础构建。Loopit 的方法强调“先计算世界，再生成世界”，用 AI 编码处理规则，用多模态生成处理渲染，不同于主流的端到端视频模型。

—

背景：红杉资本合伙人 Sonya Huang 的“主权 AI”论断认为，应用公司应拥有从模型权重到 AI 能力的全部控制权，以建立持久优势。Roblox 对世界模型的研究表明，仅靠视频预测不足以构建互动世界，还需要代码来管理逻辑和规则。Loopit 的“模应一体”战略旨在创建数据飞轮：用户互动产生数据，数据改进模型，模型提升产品体验。

参考：Sequoia's Sonya Huang on Building Sovereign AI | StartupHub.ai · GitHub – seedleap/zing-world-model: Zing-0.5: An Efficient Real-Time… · Loopit发布了实时互动世界模型Zing-0.5，拿下评测第一

#AI strategy · #world models · #data flywheel · #product intelligence · #Loopit

Adobe 最新调查发现，41%的美国消费者已使用生成式 AI 辅助网购，从 AI 平台进入零售网站的用户单次访问收入比传统渠道高 41%。Google 和 OpenAI 等主要平台正在将购物车和结账功能直接集成到 AI 助手中，使 AI 从流量入口转变为交易入口。 这一转变意味着品牌必须优化以在购买决策中被 AI 选中，而不仅仅是出现在搜索排名中，从根本上改变了电商营销策略。这也加剧了 AI 平台与零售商之间对客户关系和交易数据的争夺，影响整个数字商业生态。 Ulta Beauty 报告称，通过 Gemini 和 ChatGPT 找到该品牌的消费者，购买意愿和转化率约为普通用户的两倍。Google 的 Universal Commerce Protocol（UCP）和 Universal Cart 旨在将 AI 与商家系统连接，而 OpenAI 的 Instant Checkout 在 2026 年 3 月暂停，将重点重新放回商品发现，并允许商家使用自己的结账系统。

—

背景：生成式引擎优化（GEO）是优化内容以使 ChatGPT 和 Gemini 等 AI 引擎在回答中提及品牌的做法，类似于传统搜索引擎的 SEO。AI 购物助手，如亚马逊的 Rufus，正成为决策点，消费者在此表达需求并获得精选推荐，从而带来更高的转化率。这一趋势反映了 AI 从发现工具向完整交易平台的演变，压缩了传统的购买漏斗。

参考：GEO 是什麼？ 優化策略、和 SEO 差異全解析，AI… | Rankking SEO · 万悉科技-Trendee-LLM原生GEO生成式引擎优化平台 · 41%的美国人已经用 AI 网购，接下来品牌要争的不是排名，而是被 AI…

#AI · #e-commerce · #GEO · #consumer behavior · #digital marketing

在 2026 年 AI 产品大会上，小度 AI 硬件负责人孙浩分享了打造录音卡、儿童手表、摄像机等产品的经验，指出大模型能力要成为可行产品，必须跨越场景、成本、上下文和安全这四道门槛。 这一分析为从事 AI 硬件的产品经理和工程师提供了基于实战的见解，强调了技术能力与市场成功之间的差距，并指出在充满炒作的领域中，垂直场景和成本管理的重要性。 孙浩强调，录音卡的成功并非因为硬件本身，而是因为它填补了工作流中的空白，能够快速生成并分享会议纪要。他还指出，儿童手表因购买者与使用者分离而面临独特挑战，安全和幻觉问题需要谨慎处理，例如是否在完整内容检测前进行流式输出。

—

背景：大语言模型（LLM）展现了非凡的能力，但将其转化为成功的硬件产品不仅仅需要集成模型。产品经理必须考虑具体使用场景、总拥有成本、模型可用的上下文以及安全影响。孙浩在 360 和小度的经验展示了从录音设备到儿童可穿戴设备等不同产品类别中的这些挑战。

参考：从宏大叙事到微型硬件：出门问问AI战略的务实转折与市场逻辑 | AI内参 · 上下文工程：一直都存在，只是没有这么叫

#AI hardware · #product management · #large language models · #IoT · #product development

GitHub 仓库 bilawalsidhu/gods-eye-view 在过去 24 小时内获得了 28 颗星，展示了一个基于浏览器的间谍卫星模拟器，可在逼真的 3D 地球上可视化真实卫星数据。它使用 JavaScript 编写，并提供开源空间智能。 该项目为开发者和研究人员提供了一种新颖且易于访问的方式来探索真实卫星数据和地理空间可视化，可能降低空间智能应用的门槛。其开源性质可能促进社区贡献和地理空间领域的创新。 该模拟器将真实卫星轨道和实时数据与逼真的 3D 地球相结合，可能使用 WebGL 进行渲染。它代表了基于浏览器的地理空间工具趋势的一部分，这些工具集成实时跟踪和 3D 瓦片，类似于 worldview-spy-sim 等项目。

ossinsight · bilawalsidhu · 8月28日 10:00

背景：空间智能是指理解和推理空间关系的能力，常用于地理空间分析和物理 AI。基于浏览器的 3D 地球（如使用 CesiumJS 的）允许无需专业软件即可交互式可视化地球数据。该项目利用这些技术创建了一个使用真实卫星数据的间谍卫星模拟器，使其感觉逼真。

参考：GitHub – puvuglobal/worldview-spy-sim: Spy satellite simulator… · I Built a Spy Satellite Simulator in a Browser. Here's What I Learned. · Spy Satellite Simulator: A New Frontier in Geospatial… – UBOS

#spatial intelligence · #satellite · #3D visualization · #geospatial · #open source

llama.cpp 发布 b10666，为 test-save-load-state 新增 –models DIR 模式，可对目录中每个 *.gguf 模型运行完整的保存/加载测试套件，并报告每个模型的通过/失败，若有失败则返回非零退出码。同时，它利用现有的 generate-models 夹具，将 ctest 配置为跨所有架构运行该测试。 此更改显著提高了 llama.cpp 的测试覆盖率，确保保存/加载状态功能在所有支持的模型架构上都能正常工作，而不仅仅是默认的 llama 架构。这有助于及早发现特定于架构的错误，提高依赖 llama.cpp 进行本地 LLM 推理的众多项目的可靠性。 该测试在修复前预计会在某些架构上失败，包括 deepseek4（主机 seq-copy）、gemma2/gpt-oss/lfm2（设备 seq-copy）和 minimax-01（状态加载），并且会在第一个崩溃的架构处中止。该版本还包含对虚拟 DSA 索引器参数、deepseek4 索引器头数、dsv4 n_stream 不匹配、设备上 seq-copy 块对齐以及 minimax-01 中悬空 hparams 引用的修复。

—

背景：llama.cpp 是一个流行的开源 C++ 库，用于在本地运行大型语言模型，使用 GGUF 模型格式。test-save-load-state 工具验证模型状态（如 KV 缓存）能否正确保存和恢复，这对于上下文切换和多轮对话等功能至关重要。此前，该测试仅针对单个小模型运行，覆盖范围有限。

参考：llama.cpp ships b9277 · Pulse | RunLocalAI · ggml-org/llama.cpp b9277 on GitHub · What Is GGUF? Understanding the GGUF Model Format

#llama.cpp · #testing · #machine learning · #release