Google 与 Meta 发布前沿模型,AI 竞赛重新升温
Google 发布 Gemini 4 Argon,Meta 发布 Muse Wonder Full,两家公司称其模型在多项基准上可与 OpenAI、Anthropic 的旗舰模型竞争。Google 为 Argon 定出激进价格,推广期内每 token 比对手低最多 80%。文章认为,两家公司凭借庞大用户生态重新回到前沿竞争,AI 竞赛进入新阶段。
Google 发布 Gemini 4 Argon,Meta 发布 Muse Wonder Full,两家公司称其模型在多项基准上可与 OpenAI、Anthropic 的旗舰模型竞争。Google 为 Argon 定出激进价格,推广期内每 token 比对手低最多 80%。文章认为,两家公司凭借庞大用户生态重新回到前沿竞争,AI 竞赛进入新阶段。
The Verge 资深评测人 Victoria Song 用 Twin Health 的 AI 代谢数字孪生追踪饮食 100 天,该系统依据 Dexcom G7 CGM、智能体重秤、血压计和血液检测数据,用红橙绿三色预测食物对血糖的影响。该服务尚未公开下载,目前仅通过企业或私人健康计划提供,主要面向慢性代谢问题人群。她表示记录行为确有改变,但未实现有意义的减重,减药目标也未如愿。
独立游戏开发者 Popcar 谈到近期 AI 驱动的游戏反编译浪潮,它让现有游戏之间出现奇怪的混搭,也推动了让老游戏在新硬件(常通过 WebAssembly 在浏览器中)上运行的保存项目热潮。
Cerebras Systems CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上表示,人人拥有家用 AI 设备的未来"并不遥远"。他预测个人 AI 助手将本地运行,部分工作留在设备端、部分回到云端,并拥有安全边界、可访问信用卡代为购物。他本人已用"一组智能体"清理日历、查询通话对象信息。
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在 Latent Space 播客中介绍,Dyna-2 是基于超过一百万小时人类视频预训练的世界动作模型,采用扩散 Transformer 与 flow matching,先预测未来视频再生成机器人动作。
Cerebras Systems CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上反驳 AI 末日论,称"AI 界某些领袖或许不该被允许公开讲话"。
加州大学伯克利分校荣休教授 Michael I. Jordan 在接受《Libération》采访时,将 AI 末日论和超级智能警告斥为科幻,并称 AI 公司要求监管是"作秀"。
Geoffrey Huntley 提出用 pre-commit hook 检查 git diff,发现绕过诊断模块直接调用可观测性模块的代码就拒绝提交,并向 AI 智能体注入提示词要求其改用诊断库。他认为仅靠更新 AGENTS.md 仍会存在偏差并逐渐漂移,而这一做法让智能体的表现立刻达到十分满分。
Anthropic 发布报告称,中国公司 Z.ai 于 8 月发布的开放权重模型 GLM-5.3 可被任何人自由下载和修改,构成重大网络攻击风险。目前 Artificial Analysis LLM 排行榜前八名均为闭源模型,但开源模型在开发进度上仅落后数月。争论焦点在于开放模型带来的安全风险与防止权力集中、推动技术民主化之间的权衡。
Anthropic 的 Andrej Karpathy 称,外界只看到了 AI 实际能力的“预览版”。他把大语言模型用户分为四层:约 60 亿人几乎没接触过 LLM,10 至 20 亿人只把免费 ChatGPT 类产品当作更好的搜索引擎,约 2000 万数学和编程领域的专业用户已用智能体完成过去需数周乃至数月的复杂项目,而仅约 5000 人能接触内部前沿系统。
企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 认为,尽管全双工模型已经问世,语音 AI 仍未迎来自己的“ChatGPT 时刻”,下一步挑战是让推理足够快、对话足够自然。
Ornn、Silicon Data 与 Bloomberg 截至 2026 年 8 月的数据显示,AI token 价格持续下跌,但 H100 GPU 租赁价格保持稳定甚至上涨,a16z 称这是 AI 市场的教科书级杰文斯悖论。
微软 CEO Satya Nadella 在最新博文中改用“Super Intelligence”而非“Artificial Intelligence”,并主张将 AI 模型视为内部安全威胁,要求模型多样性、完整日志记录、独立审计和随时关停能力。
微软 CEO 纳德拉在 X 发长文谈高级 AI 模型的风险,称不能再接受把 AI 当作一组嵌套黑盒、只能接受或拒绝其建议与行动。他主张建立更透明的体系,让模型可被隔离、观察并留下防篡改的人类可读证据,并称必须从一开始就假设模型已被攻陷并加以隔离,就像紧急刹车,授权人员应能随时暂停或关闭执行任务中的模型。他还提到更先进的模型需要更先进的隔离技术并应加以标准化,文中多处将 AI 称为超级智能。
微软 CEO Satya Nadella 在 X 上发文称,AI 需要"紧急刹车"机制,让授权人员能随时暂停或关闭执行任务中的模型。他主张将模型与编排其工作的 harness 分离、外置控制与保障措施,并要求每个有意义的模型动作都留下防篡改、人类可读的证据。
OpenAI 在 DevDay 发布 AI 智能体 Dots,CEO Sam Altman 称要"为前沿 AI 隐私设定新标准",并推出零数据保留政策选项,目前 Dots 仅面向 $100 及以上的 ChatGPT 订阅档位。
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 的一场对谈中指出,AlphaFold 的突破只是开始,蛋白质折叠远未解决。
a16z 合伙人 Olivia Moore 发布消费级 AI 应用 Top 100 报告,ChatGPT 仍是最大玩家,Suno、ElevenLabs 等小厂展现出持续生命力。报告指出社交、约会、电商、零售、旅游、金融、健康等约六个消费品类在榜单中完全没有 AI 产品入局。她认为消费级 AI 仍处早期,机会在于跳出订阅和 API 收费,用广告等方式变现,并更多采用开源或低成本模型。
MIT CSAIL 展出的 Unitree 人形机器人售价约 5 万美元,参观者会本能地像对人一样与它握手寒暄。MIT 的 Sherry Turkle 与 Pat Pataranutaporn 指出,约 70% 的人对 AI 保持礼貌,这种拟人化倾向可能让人更信任聊天机器人,甚至将其置于真人之上。
密码学家 Matthew Green 称,有 1% 的概率我们生活在公钥加密不可能实现的 Minicrypt 世界,另有 15% 的概率会实质性失去对现有公钥加密算法的信任。他指出,AI 制造意外发现的速度与人类更换标准的速度相差数个数量级,只有提前做好准备才能从这类冲击中恢复。
特朗普签署行政令,要求尽可能不使用「AI」一词,将这项技术改称「Super Intelligence」,理由是「artificial 让智能显得虚假」。美国 AI 标准与创新中心(CAISI)已更名为 CAISSI,司法部新闻稿也改用该说法。马斯克承诺将 SpaceXAI 更名为 SpaceXSI,黄仁勋、Sam Altman 等表态支持,但 OpenAI 不会改名。
MIT Technology Review 刊文指出,AI 的拒绝机制已成为 AI 安全的核心支柱,但这一机制并不可靠。Anthropic 2021 年提出模型应"有用、诚实、无害",如今模型经大量拒绝训练,却仍可能被绕过,已有用户试图用先进 AI 研发生物病原体和自主无人机蜂群。文章认为,拒绝的边界由 AI 公司秘密划定,政府也将介入,而拒绝能力越强,越可能被用于压制合法言论。
斯坦福大学博士生 Samuel King 用生成式 AI 模型设计出微观病毒的基因蓝图,这尚非 AI 生成生命,但可能是下一步。MIT Technology Review 资深 AI 记者 James O'Donnell 将于 10 月 16 日 18:30 BST 直播对话 King,谈其工作及入选 Innovators Under 35。
Carson Gross 认为,编程本质上是用计算机解决问题、并在解决问题时控制复杂度这两件事。他表示难以想象未来掌握这两项能力会变得比今天更没价值,因此即便 AI 工具出现,编程仍将是可行的职业。
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在 Latent Space 播客中提出"合成超级智能"(synthesis superintelligence)愿景:让 AI 通过物理实验而非仅靠互联网数据学习,用强化学习结合高通量实验室、AI 材料表征与 DFT 模拟来发现新材料。
Ben Affleck 本周因多段采访视频走红,他在 GQ 和 Bloomberg Screentime 2026 活动中讲解机器学习、神经网络、Transformer、张量和 GPU 推理,并称自己会写 Python。
Luca Guadagnino 执导的讽刺电影《Artificial》在纽约电影节首映,聚焦 OpenAI CEO Sam Altman 的崛起与被短暂罢免,剧情紧贴真实事件。
The Verge 资深 AI 记者 Hayden Field 在 Decoder 播客中对比 Meta Muse 与 OpenAI Dots 两款消费级 AI 智能体。Muse 免费并借 Meta 平台大规模分发,Dots 面向每月 100 至 200 美元订阅用户并推出营销、法律等专业版本。两人讨论了把信用卡、邮箱和硬盘数据交给智能体的隐私风险,以及 Meta 计划从交易抽成的变现方式。
一名 16 岁少年用 Anthropic 的 Claude 规划加拿大 Crown Mountain 登顶路线,结果被困在需攀岩装备的陡峭崖壁 "Widowmaker Arete" 一处五英尺宽岩台上,最终由 North Shore Rescue 出动直升机吊救脱险。
AVEVA 首席技术官 Arti Garg 提出,工业 AI 正从预测分析转向基础模型、physical AI 与 agentic AI,但因其直接作用于物理系统,安全与可靠性成为部署核心。
MIT Technology Review 与 Aventine 合作的文章指出,尽管 Elon Musk 预测 Tesla 的 Optimus 人形机器人最早 2027 年底开售、单台成本低至 2 万美元,Jensen Huang 也称人形机器人今年将达到人类水平能力,但许多机器人研究者对此持怀疑态度。Yann LeCun 在达沃斯表示,没有任何一家人形机器人公司知道如何让机器人足够智能和实用。
Ben Affleck 表示自己从小对计算机感兴趣,在电影从模拟胶片转向数字后更加关注这一领域,并会写"相当糟糕的 Python 脚本"。他指出视觉特效工作流多年来一直包含机器学习,卷积神经网络作为 Transformer 的前身,可用于处理 tensor 并实现边缘检测与特征提取,从而更轻松地抠出绿幕画面并替换背景。
Michael Lynch 撰文列举软件博客写作的常见反模式,包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式,以及过度依赖链接而不解释术语。他建议文章即使读者不点任何链接也应能读懂,并主张用自己说话的方式写作。他指出,随着越来越多开发者把写作交给 AI,软件博客正变得千篇一律,读者渴望有个人风格的文字。
Tony Fadell 在 MIT Future Fest 上指出,Rabbit R1、Humane Ai pin 和 Limitless pendant 这批"Gen 1" AI 硬件失败的原因是没解决任何真实需求,只是极客觉得有趣的技术。
Jake Boggan 在 Hacker News 评论 openai/math 相关讨论时表示,自己曾为 Barnette 猜想投入 24 年、数千小时,去年夏天还一度以为解决了它。该猜想据称已在问题 180 处被证明,他形容听到消息后有种遥远的悲伤,像得知前女友突然车祸去世。
Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测对推动 AI 系统性能边界的作用,以及模型在传统 benchmark 之外测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历,分享了使用当前 AI 系统的实用建议,并强调当结果超出预期时仔细审视数据的重要性。
微软刊发了诺贝尔经济学奖得主 Daron Acemoglu 对 AI 的悲观预测:AI 十年内仅拉动 GDP 增长约 1.5%,最多替代 5% 的岗位,远低于部分 AI 实验室的预期。他认为瓶颈在于人性——企业需重新分配任务、提升员工技能并重组流程,这一过程可能比电气化普及更漫长,更大的模型也无法解决。
苹果正研发一款不保存视频的智能家居摄像头,改用 AI 将画面转成文字描述,并支持人脸识别;Google 可穿戴设备负责人 Sandeep Waraich 也提出智能眼镜摄像头只做图像传感器、不存片段。
过去一年,OpenAI、Anthropic 等实验室宣布在多个长期未解的数学问题上取得突破,部分进展超出研究者对现有系统能力的预期,其中包括解决一个著名的千禧年大奖难题。但这些成果并未获得一致认可,反而在学界引发反弹,AI 实验室表示正在从早先的错误中吸取教训,这些承诺能否兑现尚待观察。
Sam Altman 在 Politico 的 Decoded 播客中表示,AI 带来的好处将远超代价,"世界应该接受一些坏事发生",并点名黑客攻击、诈骗等风险。