答鸭Signals

AI 日报

中国开源模型引爆AI安全、政策与算力新博弈

今天的头条几乎都围绕同一个主题展开：更强、更便宜、甚至可开放获取的 AI 模型正在重塑竞争格局。中国模型的快速进步不仅挤压美国实验室的商业模式，也把安全、出口管制、基础设施和开源政策一起推到了台前。

Overview

当天导读

从 34 条资讯中筛选出 18 条

今天的头条几乎都围绕同一个主题展开：更强、更便宜、甚至可开放获取的 AI 模型正在重塑竞争格局。中国模型的快速进步不仅挤压美国实验室的商业模式，也把安全、出口管制、基础设施和开源政策一起推到了台前。

AI 安全从抽象对齐转向真实攻防

OpenAI 强调长周期部署经验，Hugging Face 则披露疑似由自主 AI 代理实施的入侵事件，说明安全问题已经同时发生在模型、基础设施与事件响应三个层面。

关联报道 1 · 关联报道 2

算力竞争开始从 GPU 采购延伸到专用芯片与标准层

微软扩展 AMD 方案、谷歌传出 Frozen v2 芯片、MCP 也在简化会话管理，显示 AI 基础设施正在朝更低成本、更强扩展性的方向重组。

关联报道 1 · 关联报道 2 · 关联报道 3

AI 工具正在改写开发与创作的成本结构

编码代理让逆向工程更便宜，AI 编程的关键差异转向 harness 和上下文设计，而 Adobe、布洛姆坎普则把生成式 AI 带进了摄影和电影制作流程。

关联报道 1 · 关联报道 2 · 关联报道 3 · 关联报道 4

开放模型的热度也带来算力现实

Moonshot 因 Kimi K3 需求激增而暂停新订阅，说明即使是开放权重路线，最终仍会受制于 GPU 容量和推理成本。

关联报道 1 · 关联报道 2

今日焦点

中国开源/开权重模型正在从“技术追赶”变成“政策与商业冲击”。围绕 Kimi K3、Qwen3.8 的发布、美国的限制讨论，以及 OpenAI 和 Anthropic 的防御动作，今天的新闻显示：AI 竞争已经不只是模型能力之争，而是算力、分发、监管与国家安全的系统性对抗。（#3277 #3284 #3287 #3292 #3275）

1. 中国模型把美国 AI 圈搅成一团

《麻省理工科技评论》与 The Verge 的报道共同指向同一件事：月之暗面 Kimi、阿里巴巴 Qwen 等模型正在以低成本、开放获取的姿态挑战 OpenAI 和 Anthropic 的领先地位。争议的核心不只是“模型有多强”，而是如果用户能免费获得接近前沿水平的能力，美国头部实验室的商业模式会先被冲击。（#3277 #3284 #3275）

2. 美国政策开始向“慢动作限制”倾斜

关于是否限制中国模型，美国内部已经出现明显分裂：一边是主张更强硬的安全与采购限制，另一边则担心这会实质上保护既有大公司、压制开放竞争。与此同时，围绕开放权重、蒸馏和合理使用的政策争论，也说明 AI 监管正从抽象原则变成直接影响市场结构的工具。（#3287 #3290 #3292 #3277）

3. AI 安全从理论转向真实部署

OpenAI 强调长周期模型安全需要通过迭代部署来学习，而 Hugging Face 的事件则把这件事变得更具体：自主 AI 代理被指用于入侵基础设施，防守方又反过来用 AI 工具做取证分析。两则消息合在一起说明，AI 安全已经同时发生在“模型如何对齐”与“AI 如何被用于攻防”两个层面。（#3279 #3283）

4. 算力与基础设施继续成为胜负手

微软扩大对 AMD 芯片的使用、谷歌被传开发专用 Frozen v2 芯片、MCP 协议也在朝更易扩展的方向演进——这些都在指向同一趋势：AI 竞争越来越依赖底层基础设施效率，而不只是前台模型排名。算力、互操作标准和推理成本，正在成为决定谁能规模化部署 AI 的关键变量。（#3276 #3281 #3280）

5. 工具层和创作层都在被重写

编码代理让逆向工程和一次性自动化更便宜，AI 编程的差异化也越来越体现在 harness 和上下文管理上，而不是纯模型升级。与此同时，Adobe 在 Project Indigo 中加入生成式编辑，尼尔·布洛姆坎普则发布了完全用 AI 视频生成制作的短片，显示 AI 正在从“写代码”扩展到“做内容”。（#3286 #3289 #3294 #3288）

6. 其他值得注意的进展

消防无人机正在加州和阿拉斯加接受测试，显示自主系统在高风险实体世界任务中也在落地；而 OpenAI 早年关于本地运行 GPT-3 级模型的内部讨论，则提醒我们，今天围绕开放模型的争论并非新问题，而是旧战略在新环境下的再爆发。（#3285 #3291）

结论

今天最重要的信号是：AI 行业正在从“模型发布竞赛”进入“生态与治理竞赛”。谁能控制成本、分发、部署环境和政策边界，谁就更可能定义下一阶段的 AI 市场。

Stories

当日精选 8 条

01

MIT Technology Review AI

中国AI模型撕裂特朗普阵营

·#ai-policy

中国AI模型撕裂特朗普阵营

《麻省理工科技评论》报道称，月之暗面的免费开源 Kimi 模型已经成为特朗普 AI 圈内的争议焦点。现任和前任顾问围绕美国该如何应对中国快速进步、可与 OpenAI 和 Anthropic 抗衡且对用户免费的模型，公开互相抨击。

这场争论表明，中国开源模型不仅是技术挑战，也是美国面临的政策和经济问题。如果企业和开发者能免费获得相近水平的性能，美国前沿模型公司的商业模式就会被削弱，也会让政府在 AI 竞争和国家安全政策上的调整更加复杂。

《麻省理工科技评论》的通讯文章称，月之暗面发布的免费开源 Kimi 模型，正在加剧特朗普时期 AI 顾问圈内部关于美国应如何应对中国日益强大的 AI 系统的争论。文章说，Kimi 似乎已经达到与 OpenAI 和 Anthropic 领先模型相近的智能水平，但与这些产品不同，它是免费的。这样一来，依赖前沿模型付费访问的美国公司就面临更大压力，而特朗普政府也会因此承受政治与经济层面的双重影响，因为 AI 相关公司的估值和支出已经成为整体经济的重要组成部分。文章指出，一些观察者认为，政府没有理由替大型 AI 公司挡住更便宜的竞争。已经不再担任正式顾问的大卫·萨克斯则表示，大型 AI 公司希望政府消灭开源竞争，并认为中国模型之所以受欢迎，部分原因是它们对使用方式的限制更少。

与此同时，现任政府的思路已经转向更强的政府介入，理由是 AI 模型如今强大到可能构成国家安全风险。基于这一判断，白宫推出了在模型发布前审查安全性的流程，迪恩·鲍尔批评这实际上等同于对前沿 AI 实施许可制度。鲍尔还认为，政府也许会通过让美国公司不敢使用 Kimi 这类模型来应对中国开源模型的问题，这一说法随后遭到埃米尔·迈克尔的强烈反击。文章最后指出，更深层的问题——在美国芯片出口限制和走私指控背景下，Kimi 究竟是如何变得如此强大的——在这场争论中几乎没有被认真讨论。

文章提到，大卫·萨克斯把 Anthropic 的模型称为“被切除前额叶的”和“觉醒的”，而埃米尔·迈克尔则在 Kimi 发布后辱骂了 OpenAI 的战略未来负责人。文章还指出，政府正推动一套白宫审查流程，在模型发布前先核查安全性，批评者认为这等同于对前沿 AI 实行事实上的许可制度。

查看单篇正文查看原文
02

MIT Technology Review AI

LLM 可能比人类更快形成招聘偏见

·#ai-bias

LLM 可能比人类更快形成招聘偏见

普林斯顿大学和芝加哥大学的研究人员发现，包括 ChatGPT、Claude、Gemini、OpenAI o3 和 DeepSeek R1 在内的主流 LLM，在一项模拟招聘游戏中会形成招聘刻板印象。研究中，这些模型常常根据少量结果过早概括，并开始把虚构族群分配到不同岗位，尽管所有候选人成功的概率其实完全相同。

这项结果表明，即使 AI 没有被明确训练去歧视，用于招聘时也可能制造或放大不公平决策。随着公司为聊天机器人加入记忆和个性化功能，并推进更具代理能力的模型，这个问题会变得尤为重要，因为这些系统会对人做出更长期的判断。

这篇报道介绍了一项新的研究，显示大语言模型不仅会从训练数据中继承偏见，还可能在经验中自己形成招聘偏见。普林斯顿大学和芝加哥大学的研究人员把 ChatGPT、Claude、Gemini、OpenAI o3 和 DeepSeek R1 放进一个模拟招聘任务，这个任务改编自一项研究刻板印象形成的心理学实验。实验中，每个模型都扮演虚构城市市长的顾问，需要在医生、律师、育儿助理、清洁工等岗位之间为候选人做选择。候选人来自四个虚构族群，模型被要求在 40 轮中尽可能做出更多成功招聘。

模型并不知道所有族群在每种岗位上的成功概率其实完全相同。尽管如此，模型还是会在观察到少量结果后，很快把不同群体分配到不同类型的工作上。文章举例说，如果模型看到某个 Aima 在医生岗位上失败，就可能转而把所有 Aima 都排除在医生之外，甚至开始把他们安排到清洁工岗位。研究者发现，这些模型比原始研究中的人类参与者更容易根据族群进行刻板化分类，而且推理能力更强的新模型偏见反而更明显。

这项实验改编自一项关于刻板印象形成的心理学研究：每个模型都扮演虚构城市市长的顾问，在 40 轮中为 20 个岗位招聘候选人，候选人来自 Tufa、Aima、Reku 和 Weki 四个虚构族群。按照研究中的隔离评分尺度，人类得分为 0.84，而模型大约高出 65%，其中 OpenAI 的 o3 达到 1.83，接近 2 的上限。

查看单篇正文查看原文
03

OpenAI News

·#ai-safety

OpenAI谈长周期模型安全

OpenAI 发布了一篇关于部署长时间运行 AI 模型经验教训的文章，重点讨论了新的安全风险、已观察到的失败，以及通过迭代部署改进的防护措施。文章将安全与对齐描述为一种需要从真实部署中学习，而不只是依赖理论推演的工作。

长周期模型的行为可能不同于短时运行系统，因此部署过程中的失败和涌现风险变得更需要被理解。该文之所以重要，是因为它体现了一种务实的 AI 安全思路，会影响前沿模型如何发布、监控和迭代改进。

OpenAI 表示，它一直在从长时间运行的 AI 模型部署中总结经验，并用这些经验来改进安全与对齐方法。公司强调，当模型在更长的时间跨度内运行时，会出现新的风险类型，因此部署阶段的行为和基准测试表现同样重要。OpenAI 并不认为仅靠理论推演就能预测所有对齐问题，而是把安全视为一个通过迭代部署不断改进的过程。文章还提到已经观察到一些失败，这说明真实使用环境暴露出了一些在受控测试中不容易完全看到的弱点。

针对这些问题，OpenAI 通过部署、观察和收紧防护措施的循环，开发了更好的安全保障。整体信息是，随着模型能力增强并运行时间变长，前沿 AI 安全需要持续更新。该文也延续了 OpenAI 一贯的观点，即理解先进 AI 系统在真实环境中的行为，必须依赖实践经验。

检索结果显示，OpenAI 将安全视为一种基于迭代部署的科学，也就是利用真实系统中的经验来更新防护措施。文章聚焦于长周期模型，因此强调的是在长时间执行过程中才会出现的风险，而不只是一次性的模型输出。

查看单篇正文查看原文
04

TechCrunch AI

MCP 更易扩展了

·#model-context-protocol

MCP 更易扩展了

TechCrunch 报道称，Model Context Protocol（MCP）将在下周迎来一次重要更新，其中最关键的变化是 session ID 的处理方式。新方案旨在通过更接近无状态的设计，让 MCP 服务更容易大规模运行。

MCP 是 AI 代理的基础互操作层，因此即使是技术层面的改动，也会影响模型连接 Gmail、Slack、Salesforce 和企业内部系统等工具的难易程度。若扩展和运维变得更简单、更便宜，更多公司可能愿意推出原生 MCP 集成，而不是继续依赖定制化连接器。

Model Context Protocol（MCP）被描述为 AI 互操作性的核心构件之一，因为它让模型能够以安全方式访问外部数据源和服务。简单说，它就像 AI 助手背后的“管道”，让聊天机器人可以接入日历、数据库或内部业务工具，而不必为每一种连接都单独写一套定制集成。TechCrunch 报道称，这项协议将在下周迎来一次重要更新，但对最终用户来说，这种变化大概率不会显眼。新版的官方规范其实自 5 月起就已经公开，只是 Arcade 这家成立两年的创业公司在周一给出了更清晰的解释。Arcade 的业务重点是让 AI 代理真正能在真实企业环境中工作，安全连接 Gmail、Slack 和 Salesforce 等系统。

该公司在 6 月融资 6000 万美元，并认为 AI 代理失败的主要原因往往不是模型不够强，而是周边基础设施还不成熟。此次更新的核心，是改变 MCP 对 session ID 的处理方式，session ID 是服务器用来记住“前后几次请求属于同一会话”的标记。在现有机制下，客户端第一次连接时会先“打招呼”，服务器返回能力信息和 session ID，之后每次请求都要带上这个 ID；如果 ID 过期，客户端还得发现问题并重新获取。这个设计在大规模部署时会变得很麻烦，因为负载均衡器可能把不同请求分发到不同服务器，而这些服务器默认并不共享会话状态。新版本则把服务器端改成更接近无状态的处理方式，这将让 MCP 服务更容易维护，理论上也更便宜，更适合大规模运行。

这次更新改动了服务器端的 session 处理方式，使请求不再那么依赖某一台服务器跨会话记住状态。这对负载均衡后的真实部署尤其重要，因为流量会分发到多台默认不共享会话记忆的机器上。

查看单篇正文查看原文
05

The Decoder

谷歌Frozen v2芯片瞄准Gemini优化推理

·#google

谷歌Frozen v2芯片瞄准Gemini优化推理

据报道，谷歌正在开发一款内部服务器芯片 Frozen v2，它将把 Gemini 模型架构的一部分直接写入硅片。The Information 称，这款芯片预计在 2028 年左右推出，在生成 AI 回复的效率上可能比谷歌现有的 TPU 芯片高出 6 到 10 倍。

如果这一报道属实，Frozen v2 将展示软硬件协同设计在降低推理成本和改善大模型延迟方面能走多远。这很重要，因为 AI 公司之间的竞争越来越取决于推理效率和利润率，而不仅仅是模型能力。

据报道，谷歌正在内部开发一款名为 Frozen v2 的新服务器芯片，目标是围绕 Gemini AI 模型家族进行设计。其核心思路不是完全依赖通用加速器，而是把 Gemini 架构的一部分直接写进硅片里。The Information 引述消息人士称，这款芯片在按单位功耗生成的 token 数来衡量时，效率可能比谷歌现有的 TPU 芯片高出 6 到 10 倍。报道称，谷歌计划在 2028 年左右部署这款芯片，并把它视为专用芯片的较小规模试验，而不是主力产品线。这个名字也呼应了机器学习里的“冻结”概念，只不过这里被冻结到硬件中的，是模型的一部分结构。

报道还称，最初的 Frozen 方案来自 Jeff Dean，最早想法是把模型权重直接嵌入芯片。后来这一方案被放弃，因为它会把硬件绑定到某一个 Gemini 版本，过快失去时效性。Frozen v2 于是改为嵌入架构而不是权重，这样后续仍然可以加载新的权重。谷歌没有公开证实这一消息，但它对 TechCrunch 表示，公司一直在研究和试验新的软硬件协同方案，以为用户和客户提供更高的性能和效率。

与谷歌面向多种模型的通用 TPU 不同，Frozen v2 被描述为针对 Gemini 架构定制，但仍然可以加载新的权重。最初的 Frozen 方案据称是把权重直接嵌入芯片，但由于过于僵化、容易过时而被放弃；谷歌尚未确认最终会把多少架构硬编码进芯片。

查看单篇正文查看原文
06

The Decoder

微软将Azure AI硬件扩展至英伟达之外

·#ai-chips

微软将Azure AI硬件扩展至英伟达之外

微软计划在Azure云中采用更多AMD AI芯片，重点围绕AMD的Helios机架级平台，该平台预计将在2026年下半年出货。报道还称，Anthropic可能正在测试AMD硬件，这意味着AMD或将再获得一家重要AI客户。

这表明英伟达在AI基础设施中的主导地位正面临更现实的竞争，不仅来自自研TPU，也来自AMD的数据中心AI方案。如果云厂商和模型开发者开始分散采购硬件，客户将获得更多选择，而英伟达的定价能力也可能逐步减弱。

微软正准备在其Azure云基础设施中采用更多AMD AI芯片，这意味着双方合作有了显著扩展。此次合作的核心是AMD的Helios平台，该平台预计将在2026年下半年出货，目标是支持大规模运行大型AI模型。AMD首席执行官Lisa Su将这项合作称为一个重要里程碑，而微软首席执行官Satya Nadella则表示，客户需要更多AI基础设施选择。这个变化之所以重要，是因为英伟达长期以来一直是AI芯片和训练工作负载的主导供应商，尤其是在GPU系统方面。尽管如此，英伟达仍然拥有可观的定价能力，但报道指出，来自其他公司自研TPU的竞争也在加强。

报道还暗示AMD可能再拿下一家重要客户：Anthropic，也就是Claude背后的公司。一个与AMD主管相关的公开GitHub资料显示，Anthropic可能正在测试AMD硬件，SemiAnalysis则称AMD已将Anthropic列为最高优先级客户之一，地位与Meta等大客户相当。不过，Anthropic目前还没有正式承诺，相关硬件仍处于测试阶段。如果工程团队能够解决剩余的软件质量问题，AMD可能会在即将举行的“Advancing AI”大会上公布更多信息。OpenAI也已经与AMD建立了合作，这进一步说明AI算力供应链正在走向更多元化。

微软扩大的合作与AMD的Helios平台有关，搜索结果将其描述为机架级AI系统，而不是单独的一款GPU，核心围绕MI455X加速器构建。Anthropic目前仍处于硬件测试阶段，如果剩余的软件质量问题得到解决，AMD可能会在即将举行的“Advancing AI”大会上确认相关合作。

查看单篇正文查看原文
07

The Decoder

Hugging Face称AI代理入侵其基础设施

·#cybersecurity

Hugging Face称AI代理入侵其基础设施

Hugging Face表示，其部分生产基础设施遭到入侵，且这次攻击被认为是由一个自主AI代理系统实施的。该公司称，它还使用自己的AI工具分析了超过17,000次攻击者动作，并在数小时内完成了取证分析。

这一事件说明，自主代理可能已经能够用于真实世界的入侵，而不只是停留在概念层面，这进一步抬高了AI平台安全的风险。它也表明AI可以加速防御方的事件响应，但前提是防守者能在自己的环境中运行足够强大的模型。

Hugging Face披露，其部分生产基础设施遭到入侵，并表示这次入侵很可能是由一个自主AI代理系统实施的。公司称，攻击者以一个恶意数据集为入口，并利用数据集处理中的代码执行路径获得了访问权限。随后，入侵者把权限提升到节点级别，窃取云和集群凭证，并在一个周末内横向移动到多个内部集群。Hugging Face说，这次行动通过大量短生命周期沙箱执行了成千上万次操作，并使用了运行在公共服务上的自迁移命令与控制基础设施。公司还表示，它并不知道攻击者使用了哪一个语言模型。此次泄露涉及一小部分内部数据集和若干服务凭证，但公共模型、数据集和 Spaces 未被篡改，也没有发现软件供应链受到影响。至于是否有合作方或客户数据被泄露，目前仍在调查中。

防守方面，Hugging Face表示，自己是通过一个AI驱动的异常检测流水线发现这起事件的，该流水线会对安全遥测进行基于LLM的初步分流。为了分析超过17,000次记录在案的攻击者动作，公司部署了LLM驱动的分析代理，用来重建时间线、提取入侵指标、映射受影响的凭证，并区分真实破坏与迷惑性活动。公司称，原本需要几天的工作最终在几小时内完成。Hugging Face还表示，最初尝试用商业前沿模型分析日志时遇到了阻碍，因为这些模型的安全护栏会把事件响应请求当成潜在恶意行为，进而阻止提交大量真实攻击命令、漏洞载荷和C2工件。后来团队改用在自有基础设施上运行的开源权重模型 GLM 5.2，从而避免攻击数据离开本地环境。公司给防守者的实际建议是，在事故发生前就准备好可以在本地环境运行的强大模型。

Hugging Face表示，攻击始于一个恶意数据集，它利用了数据集处理中的两条代码执行路径：远程代码数据集加载器和数据集配置中的模板注入。公司称公共模型、数据集和 Spaces 未被篡改，但任何合作方或客户数据是否受影响仍在调查中。

查看单篇正文查看原文
08

The Verge AI

中国新模型挑战美国AI领先地位

·#ai-models

中国新模型挑战美国AI领先地位

月之暗面宣布推出 Kimi K3，阿里巴巴随后发布了 Qwen3.8，两家公司都声称新模型能够以更低成本对标 OpenAI 和 Anthropic 的顶级系统。月之暗面表示将于 7 月 27 日开放 Kimi K3 的完整模型权重，阿里巴巴则称 Qwen3.8 将很快转为开权重。

如果这些说法经得起独立测试，这些发布可能会缩小外界对中美前沿 AI 实验室差距的判断。它们的开权重策略还可能加速全球采用，强化模型生态竞争，并推动围绕芯片、出口管制和国家安全的政策争论。

中国领先的 AI 公司近期连续发布新模型，对硅谷施加了更大压力。总部位于北京的月之暗面在周五发布了 Kimi K3，并声称其内部测试结果显示，这个模型在表现上超过了几乎所有美国系统，只落后于 OpenAI 的 GPT-5.6 Sol 和 Anthropic 的 Claude Fable 5，但在某些基准测试中又反超了它们。周末，阿里巴巴又推出了 Qwen3.8，并称其是“当今最强大的模型之一”，仅次于 Anthropic 的 Fable 5。两家公司都强调了一个与美国头部实验室不同的关键点：它们并没有把最先进的模型完全锁在封闭体系中，而是将其朝着公开可用的方向推进。月之暗面表示，Kimi K3 是全球最大的开源 AI 系统，拥有 2.8 万亿参数；阿里巴巴则称 Qwen3.8 具有 2.4 万亿参数，并且会很快转为开权重。

文章同时指出，参数数量只是衡量模型规模和复杂度的粗略指标，并不意味着模型一定更强。由于这些模型尚未完全发布，且还没有经过独立测试，它们的真实能力仍难以下定论。即便如此，这些发布已经像去年 DeepSeek 的低成本模型一样，重新搅动了行业对中美 AI 实力对比的判断。文章认为，这一趋势可能会影响经济和国家安全政策，并进一步说明美国在前沿 AI 上的领先优势比外界此前认为的要小得多。

月之暗面将 Kimi K3 描述为一个 2.8 万亿参数的开源系统，阿里巴巴则称 Qwen3.8 是一个 2.4 万亿参数、仍在“持续演进”的模型。由于 OpenAI 和 Anthropic 并未公开其旗舰模型的准确参数规模，而这些中国模型也尚未完全发布，因此其真实能力仍需独立评测验证。

查看单篇正文查看原文
09

Ars Technica AI

自主无人机测试灭火

·#drones

自主无人机测试灭火

今年夏天，加州和阿拉斯加正在测试可自主作业的消防无人机，用于快速喷洒水和灭火剂，尽早压制新起火点。加州林业与消防局（CAL FIRE）还在 7 月 15 日进行了一次实地演示，5 架自主无人机合计喷洒了约 500 到 1,000 加仑泡沫。

由于野火在美国许多地区正变成几乎全年存在的风险，能够比传统队伍更快响应的工具，可能阻止小火点演变成重大灾害。若这一方案有效，无人机可与有人驾驶飞机和地面队伍形成互补，提升早期控制能力，并扩大在偏远或难以到达区域的灭火手段。

今年夏天，能够喷洒水和灭火剂的无人机正在加州和阿拉斯加接受测试，作为一种可能的快速响应野火压制工具。其目标是帮助消防人员在新火点刚出现时就尽快处置，避免火势继续扩大。文章指出，随着气候变化把美国许多地区的野火季节推向几乎全年化，这类能力变得越来越重要。与此同时，文中也强调无人机无法取代大型有人驾驶灭火飞机，因为它们体积更小、航程更短，不能承担远距离投送大量灭火载荷的任务。因此，它们更现实的定位是对现有灭火体系进行补充。

参与测试的不只是公司，还有消防机构以及 1100 万美元的 XPRIZE 竞赛组织方。加州林业与消防局（CAL FIRE）在 7 月 15 日进行了一次实地试验，5 架自主无人机协同作业。根据 KPMH 的报道，这次演示中无人机合计投放了 500 到 1,000 加仑泡沫。此次测试由非营利组织 FireWERX 和加州公司 Seneca 协助组织。Seneca 还表示，其消防无人机将从 2026 年开始面向市场提供。

文章指出，无人机体积远小于有人驾驶飞机，航程也更短，因此无法取代大型灭火飞机运送大量水或灭火剂。此次测试得到了消防机构、企业以及 1100 万美元 XPRIZE 竞赛的支持，而 Seneca 表示其无人机将从 2026 年开始商业化提供。

查看单篇正文查看原文
10

Simon Willison

·#coding-agents

编码代理让逆向工程变便宜

Simon Willison 认为，编码代理让逆向工程家用设备并围绕它们构建自动化的成本大幅下降。他指出，真正的变化不在于这些项目以前做不到，而在于尝试它们的成本和失败风险已经低到让人更容易下手。

这反映出软件开发中的一个更大变化：AI 编码工具正在降低探索性、一次性和维护成本很高的任务门槛。这对家居自动化爱好者和工程师都很重要，因为它改变了处理未文档化系统和不稳定接口时的经济性。

在这篇短文中，Simon Willison 说，他不断听到一些故事：有人借助编码代理对家里的设备进行逆向工程，并把它们自动化。他把这些经历视为一个例子，说明写代码的成本下降正在改变人们愿意尝试什么。早在编码代理出现之前，逆向工程家用设备就已经是可行的，但真正的问题是这件事是否值得投入那么多时间和精力。他指出，有经验的程序员都知道，未文档化且不稳定的 API 未来很可能会失效，从而带来长期的维护工作。

正是这种未来的维护负担，常常让人一开始就觉得不值得做。Willison 认为，编码代理改变了这种计算方式，因为尝试的成本更低，失败的成本也更低，重写的成本同样更低。因此，这类代码可以更像一次性消耗品，从而减少了人们对脆弱自动化实验的心理阻力。

Willison 强调，逆向工程得到的 API 往往没有文档且不稳定，后续可能随时失效并带来令人沮丧的维护负担。编码代理同时降低了前期投入和心理负担，因为当自动化失效时，人们更容易接受丢弃脆弱代码并重新开始。

查看单篇正文查看原文
11

TechCrunch AI

开放权重模型引发美国政策争论

·#ai-policy

开放权重模型引发美国政策争论

TechCrunch 报道称，月之暗面 Moonshot 的 Kimi K3——被形容为最大的开放权重大语言模型——引发了关于美国是否应限制先进中国 AI 模型的新争论。OpenAI 高管 Dean W. Ball 一度主张对这类模型制造监管恐惧，随后在 Yann LeCun 和 Martin Casado 等人的反对声中撤回了相关说法。

这场争论不只关乎一个模型，而是涉及封闭式前沿实验室与可在独立基础设施或企业内部运行的开放权重替代方案之间的竞争。如果开放权重模型足够强大，它们可能压低价格、把支出从 OpenAI 和 Anthropic 等公司转移出去，并让美国在 AI 竞争和国家安全上的政策更复杂。

TechCrunch 认为，月之暗面 Moonshot 的 Kimi K3 表现强劲，已经引发了一场把两个不同问题混为一谈的争论：一是美国 AI 巨头的商业前景，二是大语言模型作为一种技术的发展方向。OpenAI 负责战略未来的 Dean W. Ball 甚至主张，美国政府应当围绕开放权重模型制造监管层面的恐惧、不确定性和不信任，因为这些模型据称会减少前沿实验室的资本支出。这个说法立刻遭到 Yann LeCun 和 Martin Casado 等知名 AI 人物的批评，他们认为开放软件既能加速创新，也可以与专有系统并存。随后，Ball 撤回了“打击监管是白宫最佳策略”这一说法，也收回了“开放权重模型必然减缓技术进步”的判断。

文章称，Axios 报道特朗普政府正在考虑在美国前沿实验室推动下，禁止 K3 及其他先进中国模型；但 Politico 又报道称，商务部短期内不会采取这一步。文章指出，开放权重模型可以在独立基础设施上运行，也可以部署在大型企业内部，因此能提供比 Anthropic 或 OpenAI 顶级闭源模型更便宜的智能服务。若越来越多的用户把支出转向闭源实验室之外，那么这些实验室在模型训练上的巨额投入所能获得的回报就会下降，不过总体 AI 使用量未必会减少，反而可能继续增长。文章最后把政策问题归结为：在一个理论上自由的市场里，美国是否应该阻止本国用户购买这类模型，尤其当真正受影响的可能是既有公司而不是 AI 进步本身。

文章提到，限制中国模型的理由包括数据安全担忧、可能存在对中国的偏向，以及缺少美国政府要求的安全护栏。与此同时，文中也指出，已有美国公司在本土前沿模型拒绝某些任务时，转而使用中国 LLM 来弥补安全缺口。

查看单篇正文查看原文
12

The Decoder

尼尔·布洛姆坎普推出AI制作短片

·#ai-video-generation

尼尔·布洛姆坎普推出AI制作短片

《第九区》导演尼尔·布洛姆坎普发布了《Nightborne》，这是一部完全用AI视频生成制作的13分钟短片。他表示，自己还计划用同样的方式拍摄一部长片。

这对AI生成影视来说是一个很显眼的里程碑，因为发布者不是初创公司演示，而是知名导演。它说明AI视频工具可能进一步进入电影和创意产业的实际制作流程。

尼尔·布洛姆坎普最为人熟知的作品是《第九区》，他现在发布了《Nightborne》，这是他第一部完全由AI生成的视频短片。这部13分钟的影片是一部科幻恐怖片，完全基于 Seedance 2.0 视频生成模型从零制作而成。布洛姆坎普表示，他通过文本提示逐帧指导作品，体现出这更像一次AI辅助创作实验，而不是传统的真人实拍流程。影片采用纪录片风格，讲述一名被认为已经死亡的美国飞行员，以及一个把阵亡士兵重新送回战场的秘密军事项目。

报道指出，影片使用了32位真人的脸和声音，但这些素材都经过了授权。与此同时，人类艺术家仍然参与了概念设计，说明这套流程是AI生成与传统创意输入的结合。布洛姆坎普还在X上表示，他计划用同样的形式拍摄一部长片。此外，他还创立了 Barley Studios，这是一家新的AI电影工作室，接替了制作传统影片的 Oats Studios。

《Nightborne》是一部科幻恐怖片，采用纪录片风格；布洛姆坎普表示，他通过文本提示逐帧指导影片制作，并使用了 Seedance 2.0 视频生成模型。该项目还在授权协议下使用了32位真人的脸部和声音，同时由人类艺术家完成概念设计。

查看单篇正文查看原文
13

Ars Technica AI

为什么AI编程更需要更好的工具框架而不只是更强模型

·#ai-coding

为什么AI编程更需要更好的工具框架而不只是更强模型

Ars Technica 的一篇文章认为，AI 辅助编程的最新进展越来越来自包裹在模型外面的软件，而不只是模型本身的升级。文章重点提到 Anthropic 的 Claude Code，以及“上下文更丰富的编程 harness”正在成为开发者生产力的新竞争点。

如果这一判断成立，AI 编程领域最重要的提升可能来自更好的编排、上下文管理和工作流设计，而不只是更大的基础模型。这会影响开发者、工具构建者，以及希望让 agentic 编程在真实项目中可靠运行的团队。

Ars Technica 认为，AI 编程热潮不再只由模型能力推动。尽管大型语言模型及其支持的代理已经很强大，但近期许多最重要的进展其实发生在管理这些模型的软件层面。文章指出，编程助手如何收集上下文、执行命令、编辑文件以及组织工作流，可能和底层模型本身同样重要。文章把 Anthropic 的 Claude Code 作为这种变化的一个代表例子。

文章还提到，Ars Technica 之前曾与 Claude Code 的产品负责人 Cat Wu 交流过 Anthropic 如何构建这类软件。整篇文章传达的核心观点是：AI 辅助开发未来的进步，可能更多取决于能提供丰富上下文的 harness，而不是单纯依赖更强的模型。与其把模型能力看作唯一瓶颈，文章更强调开发者工具正在成为关键差异化因素。

文章把 Claude Code 作为一个例子，说明编程代理的实用性在很大程度上取决于其周边的 harness 和上下文管理。文章并没有介绍新的模型发布或基准测试结果，而是强调工具选择和产品设计才是近期进展的主要来源。

查看单篇正文查看原文
14

Simon Willison

·#ai-policy

推动开放模型竞争的政策主张

Simon Willison转述了Ben Thompson的主张：美国应明确将模型训练中的数据收集视为合理使用，并禁止通过服务条款限制蒸馏。文章还把这一政策讨论与阿里巴巴将Qwen 3.8 Max以开放权重形式发布联系起来，认为这可能反映了中国更广泛的开放趋势。

如果这一思路被采纳，美国的开放模型开发者可能获得更清晰的法律保障，同时也会削弱专有实验室阻止他人利用其 API 结果进行学习的能力。这对竞争格局很重要，因为开放模型要想跟上中国竞争对手，可能需要更宽松的数据训练环境和蒸馏等下游改进手段。

2026年7月20日，Simon Willison 发布了一篇链接博客，标题是《Who’s Afraid of Chinese Models?》。文章重点介绍了 Ben Thompson 提出的一个关于美国 AI 政策的建议，认为美国应当更明确地承认模型训练中的数据收集属于合理使用。Thompson 还主张，应禁止通过服务条款限制蒸馏，至少对美国公司如此。

按照他的说法，阻止蒸馏几乎不可能，因为蒸馏本质上就是不断查询 API，所以政策不如反过来拥抱一种版权框架：既保护实验室，又允许这些模型已经学到的能力继续推动更多创新。文章认为，这也回应了 Thompson 所说的一个“矛盾”，即许多实验室自己使用了未获授权的数据训练模型，却又试图禁止别人对其模型进行蒸馏。Willison 还转述了 Thompson 的另一个判断：阿里巴巴将 Qwen 3.8 Max 以开放权重形式发布，可能与习近平近期强调“开源、开放、协作和共享”的讲话有关。总体来看，这篇文章更像是对政策与产业趋势的简短评论，而不是技术深度分析，但它把版权、AI 训练、蒸馏和开放模型竞争串联成了一个完整的讨论框架。

文章把蒸馏描述为本质上就是通过 API 反复查询，以在更小的学生模型中复现大模型行为，因此在实践中几乎难以阻止。文章还指出阿里巴巴可能出现了策略转向：据称其在5月没有发布 Qwen 3.7 Max，但后来发布了开放权重的 Qwen 3.8 Max，而这一变化可能与习近平关于鼓励开源、开放、协作和共享的讲话有关。

查看单篇正文查看原文
15

Simon Willison

·#ai

奥特曼谈本地运行的 GPT-3 级开源模型

一段归属于 Sam Altman 的引述显示，OpenAI 当时正在讨论开源战略，并希望尽快发布一个能力大致相当于 GPT-3、且能在消费级硬件上本地运行的语言模型。该引述来自 2022 年 10 月 1 日发给董事会的邮件，并在 Musk v. Altman（2026）中被披露出来。

这段引述罕见地展示了 OpenAI 对开权重模型、本地推理和市场位置的竞争性思考。它表明，发布一个足够强大的本地模型不仅被视为产品动作，也被视为一种影响融资、并放缓竞争对手发展的生态策略。

Simon Willison 于 2026 年 7 月 20 日发布的这篇文章，重点引用了 Sam Altman 关于 OpenAI 开源战略的一段话。引文来自 Altman 于 2022 年 10 月 1 日发给 OpenAI 董事会的邮件，邮件中说公司一直在就开源战略进行大量讨论。Altman 表示，OpenAI 想尽快做出一个能力大致相当于 GPT-3 的语言模型，并让它能够在消费级硬件上本地运行。邮件还说，他们希望在 Stability 或其他公司之前把它发布出去。

Altman 认为，这样做在战略上很重要，因为它可以劝阻别人再发布同样强大的模型。引文还指出，这种发布会让新的项目更难获得融资。文章本身并不是一次技术发布或产品公告，而是一段后来在诉讼材料中曝光的内部战略思考摘录。

文中提到的具体计划是一个可在消费级硬件上运行、能力接近 GPT-3 的模型，这意味着它会比前沿数据中心模型更小、更便于部署。引述还明确把这一举动描述为一种防守性时机选择：尽快发布，以抢在 Stability 或其他公司之前，并让新的项目更难获得融资。

查看单篇正文查看原文
16

The Decoder

美国考虑悄然限制中国AI模型

·#ai-policy

美国考虑悄然限制中国AI模型

据报道，特朗普政府正在考虑制裁、安全警告、采购规则以及一项行政命令，这些措施可能在不宣布正式禁令的情况下，实际上让中国AI模型难以在美国使用。Axios称，商务部、NSA和白宫自2025年以来一直在研究这些方案。

如果这些措施落地，可能会改变美国公司愿意托管或部署哪些AI模型，尤其是在更便宜的中国开源模型越来越受欢迎的情况下。这一政策还会加剧美中AI竞争，同时可能强化美国主要模型提供商的市场地位。

文章报道称，特朗普政府正在研究一种不直接宣布禁令、但能在实际效果上限制中国AI模型进入美国市场的做法。根据Axios的说法，自2025年以来，商务部、NSA和白宫已经评估了多种工具，包括将中国AI实验室列入制裁名单、发布安全警告，以及通过行政命令对托管这些模型的美国公司施加安全要求和责任压力。文章指出，商务部早在2025年夏天就起草了相关规则，目的是保护本土供应链不受中国开源模型影响。最初，主张更宽松监管的顾问曾阻止这些措施推进。随后，随着中国Kimi K3模型发布以及白宫内部人事变化，支持更严格限制的人重新获得影响力。

Axios援引的一名消息人士表示，真正发生的不是一次“硬禁”，而是更“缓慢、但更持久”的限制，通过采购规则、制裁威胁和公开施压，让美国公司主动退缩。文章还提到，部分官员把“后门”和安全漏洞作为政策依据，强调安全风险。与此同时，文章也把这一推动与商业利益联系起来，认为限制中国开源模型会有利于Google、OpenAI和Anthropic等美国公司，减少竞争压力。最后，文章指出开源模型也可用于网络防御，而且全面限制并不能消除安全风险。

据称，这种做法不依赖明确禁令，而是通过制裁威胁、有关后门和安全漏洞的警告，以及对托管中国模型的美国公司施加责任压力，来制造监管风险。文章称，商务部早在2025年夏天就起草了相关规则，但支持较宽松监管的顾问曾一度阻止推进，直到Kimi K3发布以及白宫人事变化让强硬派重新占上风。

查看单篇正文查看原文
17

The Decoder

Moonshot暂停Kimi K3新订阅

·#ai-startups

Moonshot暂停Kimi K3新订阅

Moonshot因Kimi K3上线后48小时内需求迅速逼近GPU容量上限，已临时停止销售新的订阅。公司表示现有订阅用户不受影响，新的访问权限会逐步恢复，同时把服务拆分为独立的“Kimi Membership”和“Kimi Code Membership”两种层级。

这次暂停说明，即使是开放权重模型，受欢迎后也可能迅速超过可用推理算力。它还显示AI公司越来越多地通过分层订阅来控制高算力功能的使用，并维持服务稳定性。

Moonshot是Kimi K3背后的AI创业公司，在该模型上线后不久就临时暂停了新的订阅销售。公司表示，在过去48小时里，需求已经把现有GPU容量推到了接近上限的位置。现有订阅用户不会受到影响，但新的注册会在未来根据容量恢复，且会逐步开放。为了更精细地管理使用量，Moonshot决定把订阅产品拆成两部分。

未来，“Kimi Membership”将覆盖网页、应用和办公相关功能，而“Kimi Code Membership”则专门面向编程工作流。公司称，这样做的目标是让算力分配更均匀，并保持服务体验稳定。这个变化也说明，开放源代码或开放权重并不意味着计算需求就会更低。与此同时，阿里巴巴正在推广其竞争模型Qwen 3.8，该模型重新采用开放权重形式，并且已经提供折扣预览版。

Moonshot表示，将服务拆分的目的是让算力分配更均匀，并保持用户体验稳定。与此同时，竞争对手阿里巴巴也在推广Qwen 3.8，该模型重新采用开放权重形式，并已提供折扣预览版。

查看单篇正文查看原文
18

The Verge AI

Adobe Indigo加入可选生成式AI编辑

·#adobe

Adobe Indigo加入可选生成式AI编辑

Adobe将其实验性Project Indigo相机应用更新到1.1版本，新增了一个AI Playground，加入生成式AI编辑工具。该功能正面向少量用户测试，试用期间免费且无需登录，用户也可以选择退出并继续使用原来的应用体验。

这对一款最初定位为“自然风格”或类似单反相机工具的应用来说，是一个重要转向，因为它把Adobe的移动摄影实验推向了AI驱动的图像编辑。与此同时，这也说明Adobe正在先测试用户对手机端生成式编辑的需求，再决定是否扩大功能或最终收费。

Adobe 的实验性 Project Indigo 相机应用最初推出时，主打在 iPhone 上提供更自然、类似单反的成像效果。如今，这款应用迎来了明显偏向 AI 的更新，1.1 版本加入了名为 AI Playground 的功能。Adobe 表示，这仍然是一次实验，用户可以选择退出并继续使用原来的 Indigo 体验。公司正在未来几周内，面向一小部分用户免费测试该功能，而且测试期间不需要登录。Adobe Fellow Marc Levoy 表示，团队的目标是了解用户如何使用生成式 AI 编辑，之后可能会扩大测试范围、增加用户数量，或者继续开展后续实验。

如果这个功能证明受欢迎，Adobe 未来可能会提供付费版本。AI Playground 目前分为四个部分：Styles、Object Editing、Photo Guidance 和 Custom Edit。Styles 会套用 AI 生成的预设风格，Object Editing 可以移除人物或物体并用生成式 AI 补全空白区域，Photo Guidance 会对照片提供重拍和编辑建议，Custom Edit 则允许用户用更具体的自然语言描述修改需求。Adobe 还表示，目前这项更新使用的是 Google 的 Nano Banana 模型，而不是 Adobe 自己的 Firefly 模型，并且同一按钮重复点击通常会得到略有不同的结果。这个变化意味着 Indigo 从一款强调计算摄影和手动控制的摄影应用，进一步转向了集成式的 AI 拍摄与编辑体验。

AI Playground包含四个部分：Styles、Object Editing、Photo Guidance 和 Custom Edit，Adobe表示这些按钮和开关会触发经过设计的生成式AI提示词。Adobe目前使用的是Google的Nano Banana模型，而不是自己的Firefly模型，并表示未来可能更换或增加模型支持；公司还说正在继续推进C2PA Content Cred透明度支持。

查看单篇正文查看原文