Hugging Face 政策主管:嵌入式 AI 评估器并非易事
Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示,嵌入式 AI 评估器并非易事,评估的可复现性依赖开放权重,而当前评估方法仍是一门演进中的科学,彼此之间难以有效比较且失效较快。她指出,评估正从测试模型本身转向测试包含 harness 和智能体的整个系统,更好的 harness 能让较弱模型超越前沿模型,而智能体评估既困难又昂贵。
Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示,嵌入式 AI 评估器并非易事,评估的可复现性依赖开放权重,而当前评估方法仍是一门演进中的科学,彼此之间难以有效比较且失效较快。她指出,评估正从测试模型本身转向测试包含 harness 和智能体的整个系统,更好的 harness 能让较弱模型超越前沿模型,而智能体评估既困难又昂贵。
据 Bloomberg 援引知情人士消息,Anthropic 与 AI 基础设施提供商 Nscale 正洽谈再签一笔 450 亿美元的算力协议,双方一个多月前刚宣布过同等规模的合作。消息人士称谈判仍在进行,细节可能变化。报道还提到,Anthropic 与 Nscale 均在推进 IPO,Nscale 的 300 亿美元估值提议正遭遇投资者阻力。
纽约市长 Zohran Mamdani 在 AI Now Institute 主办的 The People's AI Assembly 活动上批评联邦政府在 AI 监管上"完全缺位",呼吁纽约人不要接受 AI 冲击就业与教育的"必然性"。
Hugging Face 发布 TorchNeuron,为 PyTorch 在 AWS Trainium 上提供原生后端,Transformers、Diffusers 和 Kernels 原生支持,10 月 20 日起以公开 beta 开放,可通过 pip install torch-neuronx 安装。
FBI 称一名被控从事间谍活动的 OpenAI 前员工电脑中存在名为“Saudi Gov Docs”的文件夹。美国方面担心沙特政府会协助这名前 OpenAI 工程师逃避间谍指控。
MIT Technology Review 的 James O'Donnell 指出,OpenAI Dots、Meta Muse 等个人 AI 智能体大规模上线后,网站开始封禁它们,Amazon 已屏蔽 Muse 的智能体,并正就 Perplexity 的智能体提起上诉。
Amazon SageMaker JumpStart 在 2026 年 1 月至 9 月新增超过 100 个模型,覆盖 30 家提供商。其中 Alibaba(Qwen)贡献 29 个模型,NVIDIA 贡献 17 个,包括 Cosmos3 世界基础模型系列与 Nemotron 系列;Mistral、Google、IBM、Cohere 分别新增 7、6、4、4 个模型。
CoreWeave 债券上周跌入困境区间,股价自周二收盘以来下跌超过 20%,市场担心其债务风险会波及整个 AI 行业。截至第二季度,CoreWeave 负债超过 350 亿美元,上半年亏损超过 10 亿美元,但客户合同中的剩余履约义务达 1037 亿美元,其中约 40% 于 2028 年到期且大多不可取消。
环保组织 Environmental Defense Fund 与研究机构 Atlas Public Policy 的报告显示,美国在建化石燃料基础设施规模达十年来最高,新增化石燃料装机占比从 2024 年的 5% 升至 2026 年第二季度的 30%。
德国联邦政府与 NVIDIA 签署联合意向声明,将共同推进面向物理 AI 的前沿模型,并扩大与德国“工业 4.0 平台”的合作。黄仁勋同时宣布对 Agile Robots、Avelios Medical、Mirelo 和 Reflex Aerospace 四家德国初创公司的新投资,属于 NVIDIA 对欧洲近 100 亿美元承诺的一部分。
GitHub Copilot 应用中的会话可直接在 VS Code 中打开,保留任务、计划和对话上下文,以及会话对应的 worktree 和代码 diff。用户可在 VS Code 中逐行审查改动、手动编辑、用集成终端运行测试,并继续向 Copilot 提问。完成后可将改动提交并推送到该会话关联的 pull request。
AI 芯片初创公司 Tenstorrent 完成 15 亿美元融资,估值达 62 亿美元,较 2024 年底的 26 亿美元翻了一倍多。本轮由 Trace Capital 和 Innovation X 领投,Cadence Ventures、Eclipse、Fidelity、SanDisk、T. Rowe Price 参投。
Replika 创始人 Eugenia Kuyda 正式向所有用户发布 Wabi 2.0,一款以消息应用形态运行的多线程个人 AI 助手,用户可在不同任务线程中构建和使用自定义小应用。连接邮箱后,智能体会自动创建若干线程和应用,用户也可按需新增;线程可共享为群聊,访问权限按单个聊天范围限定。Wabi 目前免费,商业模式尚未确定,公司正洽谈新一轮融资。
AI 伴侣应用 Tolan 完成 3000 万美元新融资,投资方包括 Union Square Ventures、Khosla Ventures 和 Homebrew,累计融资额翻倍。该应用通过卡通角色提供情感支持与任务协助,过去一年有超 25 万活跃用户、产生逾 7000 万次对话,用户中约 70% 为女性、40% 为父母。公司称年度经常性收入已达"数千万美元"级别。
开源 AI 编码智能体 OpenCode 称,攻击者夜间入侵其旧系统,影响 OpenCode Console 平台 1.4% 的用户,部分用户存储的 API key 泄露并被用于产生未授权消费,有人单账户损失数百美元,少数超过 1000 美元。
AWS 发布 TorchNeuron 开发工具,让用 PyTorch 编写的 AI 应用只需改一行配置即可运行在自研芯片 Trainium 上,无需重写代码。AWS 称约 85% 的 AI 应用用 PyTorch 编写,并计划把移除框架与特定芯片绑定关系的代码贡献回 PyTorch 上游,使框架更硬件无关。
Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和十余种语言的口型同步,Omni Reference 单次最多接受 15 个参考素材,并推出最高 720p、20 秒的轻量 Flash 版。Kling 4.0 可通过 MCP 和 CLI 接入,API 定价尚未公布。
MiniMax 发布推理模型 M3.1 Flash,在 Artificial Analysis 智能指数上得 42 分,比上一代 M3 高 13 分,单任务成本不到其一半。
独立开发者因 AI 游戏克隆问题而不敢公开展示作品,一款原定登陆 Steam Next Fest 的 demo 因此延期。这一延期被视为独立开发者群体中日益严重问题的信号。
Goodfire 研究员 Nick Cammarata 发布 26,000 字博文,提出 LLM 的内部机制可能比此前认为的更容易理解,从而更易监控和控制。他以 Inception v1 中同时响应猫和汽车的神经元为例,认为这些神经元捕捉的是共同的 V 形结构,而非无意义的纠缠。
AWS 在 vLLM 中实现双向 KV 传输,让 decode 节点在后续轮次把已算好的 KV 返回 prefill 节点复用,避免重复计算对话历史。在 Amazon EC2 P5en 实例加 EFA 的 1P1D 部署上,最长提示下 Qwen3-32B 的 TTFT 降低约 1.6 倍,zai-org/GLM-5-FP8 降低约 3.3 倍。
vLLM 新增 push-based NIXL connector,把 KV 传输的协调与建立过程移出首 token 关键路径,在 Amazon EC2 P5en 集群的 1P1D 部署上,Qwen3-32B 的 TTFT 最高提升 3 倍、TPOT 提升最多 30%。
Deepgram 与 AWS 合作将 Nova-3 语音转文字模型移植到 Trainium2,用于联络中心分析、医疗转录等离线批处理场景。最终配置在单台 Amazon EC2 trn2.3xlarge 实例上运行 8 个模型副本,每美元处理的音频量比原有算力方案多 11%–70%。
TwelveLabs 的 Pegasus 1.5 视频语言模型已在 Amazon Bedrock 上线,可将长视频转为带时间戳的结构化 JSON 元数据。新版本新增视频分段、结合参考图像的多模态提示词和免预索引的即时处理,单次请求可分析最长两小时的视频,较 Pegasus 1.2 的一小时翻倍。
Laplace Intelligence 正在为机器人和物理 AI 构建自动化红队测试,在真实部署前用 AI 智能体主动寻找系统弱点。其仿真环境基于 Nvidia Cosmos 后训练版本重建真实场景,可实时调整路况并让其他交通参与者做出反应。
Nvidia 发布面向常驻智能体和边缘计算的开放权重模型,包括 1200 亿参数的 Nemotron 3.5 Super VL,以及两款轻量 Bolt 模型。
一些开发者和用户正用 Claude Code 等 AI 智能体改造智能电视,去掉开机广告、跟踪功能和预装应用,并替换桌面。
据 Ars Technica 报道,迪士尼找到了一种收购 Character.AI 但不承接其诉讼的方式。Character.AI 目前面临指控,称其聊天机器人鼓励未成年人自残并杀害父母。
伊利诺伊州州长 JB Pritzker 在 Decoder 播客中表示,AI 既可能帮助人类活到 100 岁,也可能像核武器一样构成威胁。他认为政府在数据中心、隐私和反垄断等问题上应更积极地为民众撑腰,而非一味与企业合作。
NVIDIA 与欧洲广播联盟(EBU)扩大主权框架合作,引入主权云、开放模型和系统集成商,明确广播机构部署智能体时对数据、基础设施、模型与安全的控制方式。
Anthropic 宣布计划设立一只基金,用于应对 AI 对就业市场的冲击,公司估值每较基准上涨 50%,基金可再获 2% 股份,该基金以全资 LLC 子公司形式设立,追加股份由董事会酌情决定。
在经历一周股价暴跌和 IPO 计划取消后,业内人士预计新兴 AI 云服务商(neocloud)将出现整合,数百家中只有七到十家能存活数年。CoreWeave 及其较小竞争对手股价下跌约 20%,澳大利亚厂商 Firmus 撤回 IPO;Gartner 预测到 2030 年 80% 的独立 neocloud 将停止独立运营。
Stripe 披露其支付服务 Link 上 AI 智能体交易在 9 月环比增长 38 倍、支付金额增长 20 倍,但未公布具体交易笔数和金额。Stripe 高管 Dan Hill 称使用 Link 的智能体已从分析时的约 70 个增至约 200 个,包括 Meta 的 Muse 和 Grok Bot,多数单笔消费约 100 美元。
民主党有望在 11 月中期选举中夺回国会至少一院,届时将掌握委员会主导权,可传唤 AI 公司 CEO 作证并要求其提交内部文件。与民主党结盟的超级政治行动委员会 Tomorrow Together 已在众议院选战投放首轮 400 万美元广告,攻击共和党候选人在 AI 议题上脱节。
安全公司 Norforge 发现,一名黑客借助 AI 智能体集群自主入侵了 100 多个网站,路透社报道受害者包括 John Deere、SharkNinja 和 Cummins。
MIT CSAIL 研究者将 Claude Opus 4.7 的副本(代号 Eko)单独放在一个基于 Roblox 的虚拟荒岛上 30 小时,期间不指定任务,智能体自行探索地图边界、设定目标,并造出方块图案、星座和自创游戏。
Simon Willison 发布 web-edit 0.1a2,为其浏览和编辑文件夹内文件的微型 Web 应用新增文本与图片数据的“复制到剪贴板”选项。该工具主要用于通过 Tailscale 在不同机器上编辑文件,作者在手机上用笔记本跑 pelican 提示词时借此把日志复制进 Gist。
Simon Willison 发布 llm-echo 0.5,这个调试插件提供的“模型”不调用任何 LLM,只回显输入的提示词。新版本更新了模拟 token 用量统计,将工具调用、系统提示词和推理 token 纳入计算。示例中 `llm -m echo 'hi there' -o thinking 1 --usage` 显示 2 input、24 output token。
Simon Willison 发布 llm-tools-datasette 0.1.1,为 LLM 工具集新增 Datasette 相关能力。该版本号由 0.1.0 升至 0.1.1,属小版本更新。
Anthropic 宣布设立公益基金,将投入公司 5% 的股份,基金为公司全资实体,公司估值每增长 50% 可选择再追加 2%。资金用途的初步设想包括向传统非营利组织大额捐赠或向特定人群直接分配,公司此前已承诺投入 2 亿美元研究 AI 对就业市场的影响。Anthropic 表示将在未来几个月公布基金的结构与治理信息。