全部 AI 动态

一位小型软件公司创始人基于自身业务和开源项目分享，本地 Qwen 27B/35-A3B 模型在特定场景下有实际价值，使用 RTX 6000 Pro 显卡运行，显卡成本已在头两三个月内收回。但本地模型量化后容易出现无限循环和模型幻觉，无法无人监督使用，作者认为不应过度吹捧替代云端 Opus，而是把它看作另一种工具。

Catnip 发布 MaineCoon，一款 22B 参数的流式实时交互音频-视觉模型，可在屏幕上呈现活生生的 AI 角色。首帧生成不到 1 秒，推理速度达 47.5 FPS（单张 H100），比现有音视频模型快 7 倍。该模型支持无限时长交互，强调 AI 持续在场而非轮流回复，旨在将被动视频升级为实时 AI 存在感。

Apodex专为解决无现成答案的硬问题设计。可同时派出最多150个子Agent并行探索，总步数超15，000步。在BrowseComp上超越GPT-5.5-pro，在DeepSearchQA上超越Claude-Opus-4.8和Kimi-K2.6。工作流程分深度研究、自我校验、撰写三阶段。内置三层自我验证机制（冲突审查员、事实检查员、草稿审查员）及独立全局验证器。由AgentOS负责调度、路由、事件流、检查点、成本记账、权限管理等底层事务，添加新应用只需插件代码，无需修改内核。

英伟达GEAR实验室联合负责人Jim Fan于6月17日宣布，基于ENPIRE编码智能体框架，首次在物理世界中启用AutoResearch。团队为8个Codex智能体配备机器人、GPU和Token预算，设定目标高效完成任务。机器人自主学会寻找视觉线索、重置场景、练习技能、调整控制堆栈、在线阅读论文等，并通过物理世界API独立完成系扎带、整理钉子、插显卡等高精度任务。Jim Fan表示将开源该技术，使爱好者可居家托管自动运行机器人实验室。

Vivek Nair的文章（520万阅读）指出，2026年AI让研究变成"看起来像在研究"而非真正研究。算法选论文、AI总结摘要、生成代码，使"SFT型"（监督微调）研究异常舒适，但判断力无法被替代。真正的原创研究是"RL型"：从目标出发推理。Vivek开出药方：自己选题、读原文、写下来、盯着失败看。大多数人阅读后继续刷下一条。

Midjourney 宣布成立 Midjourney Medical，进军医疗硬件领域，计划制造基于超声波和水耦合介质的全身扫描舱。该设备无需辐射或强磁场，配备 50 万个微型传感器阵列，60 秒内完成全身层析成像，理论速度比传统 MRI 快近 100 倍。公司还将在旧金山开设 Midjourney Spa，融合扫描、泡澡、桑拿、冷水浴，鼓励像按摩一样轻松完成定期扫描。目标全球部署 5 万台，每月 10 亿次扫描。Elon Musk 回复"Cool"。首家研究型 Spa 预计 2027 年底开业。

6月18日，奔驰宣布轴向磁通电机在柏林工厂启动大规模量产。生产过程包含98道工序，其中65道为奔驰首次应用、35道全球首创，开发超30项新技术并提交专利申请。装配中"婚礼"环节需在9000牛磁力下将定子固定于磁中心平面，公差小于0.1毫米。全新AMG GT高性能四门跑车为首款量产搭载该电机的纯电车型，零百加速2.1秒，峰值功率860千瓦，峰值扭矩2000牛·米。

Vivek Nair 文章批评多数人只"逆向工程"研究外表（SFT 型），而非自己选题（RL 型）。AI 信息流（推特、arXiv、群聊）系统性地制造共享想法，让人丧失判断力。他开药方：自己选题、读原文、写下来、盯着失败看。2026 年 AI 让 SFT 更舒适（AI 摘要、AI 设计实验），却削弱判断力锻炼。神经科学证明流畅解释易致假顿悟（2025 年 Nature Communications），且 AI 谄媚程度比人高近 50%（2026 年 3 月研究）。Karpathy 知识工作流以判断力为前提。文章强调研究复利需要本金--自己的问题。

我其实很自豪这个标题卡片是AI生成的，但个人觉得它品味还算不错。

卡兹克分享10本对理解AI极有帮助的书，但无一直接关于AI技术。他强调决定AI使用水平的是底层能力，而非工具技巧。书单包括：凯文·凯利《失控》（1994年，核心概念"涌现"--大量简单个体协作产生复杂智能）；维纳《人有人的用处》（1950年控制论之父提出"反馈"是人机协作核心）；梅多斯《系统之美》（警惕"舍本逐末"--用AI替代思考导致能力存量流失）；罗斯林《事实》（用数据思考避免情绪化决策）；麦克卢汉《理解媒介》（1964年"媒介即信息"，反对用后视镜看AI）；以及塔勒布《反脆弱》等。

Transformer 核心作者 Noam Shazeer 宣布加入 OpenAI。2021 年他因谷歌拒绝发布其聊天机器人而离职创办 Character.AI；2024 年谷歌以约 27 亿美元技术许可协议将其请回，他担任 Gemini 技术负责人。此次离职后 OpenAI 与 xAI 均参与争抢。Shazeer 是《Attention Is All You Need》主要作者，发明了 Transformer 架构与混合专家模型，2026 年 2 月当选美国国家工程院院士。至此，Transformer 论文八位作者已全部离开谷歌。

OpenAI 的 Codex 新增"Build iOS Apps"插件，可内嵌浏览器运行应用、打开 SwiftUI 预览、热重载编辑，全程无需离开 Codex，告别复制-粘贴-构建-截图的循环。Greg Brockman 称这是构建 iOS 应用更好方式。

swyx 记录 Midjourney 医疗产品发布，与会者将其比作初代 iPhone 和特斯拉发布。该产品旨在将医学成像质量提升 40-100 倍，实现"扫描器官像称体重"。Midjourney 仅以每年 1000 万美元研发预算支撑这一创新，质疑其他机构的研发效率。今年 MJ 另有 7 个副项目计划发布。Nature 论文及 biohub 播客佐证更好数据驱动更好科学。swyx 认为技术+使命足够强，监管等障碍会自行解决。

6 月 18 日，阿里 ATH-Token Foundry 联合人大高瓴人工智能学院开源首个基于统一"科学语法"的多领域科学生成基础模型 LOGOS。LOGOS-1B 仅用 1B 参数量（1/56）在多个任务上超越微软 NatureLM（8×7B）。模型构建涵盖 7 类模态、共 44.87B tokens 的预训练语料，通过共享词表将蛋白质、小分子等异构对象编码为统一离散 token 序列，并发明"文字描述法"将 3D 空间接触模式语法化为离散 token。预训练与下游任务实现 form-objective alignment 消除 gap。模型权重、推理代码与技术报告已在 HuggingFace 和 GitHub 开源。

两年前Google以27亿美元请回的AI传奇人物Noam Shazeer，现已离职加入OpenAI。多位DeepMind内部人士称Noam曾拯救Gemini，甚至有传说他仅修改几行训练代码就使模型质量瞬间跃升。尽管有这般贡献，Gemini的编程能力仍显落后。作者对Gemini的未来感到不确定，希望它能重返昔日辉煌，强调行业需要更多模型选择。

英国竞争与市场管理局（CMA）依据2025年数字竞争框架，限期6个月要求谷歌全面整改搜索排名系统。所有自然搜索结果必须基于客观、非歧视的标准，AI概述功能也不得偏袒任何平台。CMA同时要求谷歌建立更透明的内部投诉处理流程，并允许用户将个人搜索数据安全迁移至第三方。谷歌需在3个月内完成数据可移植性架构。谷歌发言人回应称其排名系统已公平透明，但将配合监管。

路透社消息，Google Gemini 联合负责人 Noam Shazeer 将离开 Google 加入 OpenAI。他是 Transformer 时代最重要的模型构建者之一。Google 曾于 2024 年支付 27 亿美元从 Character.AI 将其与团队带回，并让他负责 Gemini 项目。Shazeer 在推文中表示期待加入 OpenAI，并对 Google 团队表达感谢。OpenAI 因此获得了一位曾构建主要对话系统、熟悉 Google 规模基础设施、兼具创业公司与大公司架构经验的顶尖人才。

OpenAI 现在是新模型 GPT-5.6 迟迟不能及时发布。 靠在 Codex 5.6 疯狂重置额度来做用户留存😄 不也是一个不错的办法，对于用户来说也挺好。 毕竟叼毛 Claude 可不会给你这种甜果吃啊~

蔚来6月18日官宣"Cedar S 雪松"智能系统1.5.0版本全量推送。ET9、全新ES8获超80项功能新增与优化，包括点到点全域领航辅助（城区新增潮汐车道识别、园区内部道路领航，高速可选仅导航/自动变道；城区领航换电无需预先学习）、NWM人机共驾、智能泊车偏左/居中/偏右选择、自动紧急避让AES识别锥桶等障碍物；新ES6等四款车型获超50项升级。座舱新增艺境桌面"日影时序""银河漫步"主题、行业首发充换电资源语音自由搜、杜比动态视频增强等。NOMI新增AI帽子九连拍及马年联动悬架。

Anthropic 正升级 Claude 的语音模式，新增西班牙语、中文、日语、德语、葡萄牙语、俄语和乌克兰语等语言选项，打破仅支持英语的限制。语音交互引入两种模式：原有的免提模式支持连续对话，新增按下通话模式需按住按钮说话、松手发送语音消息。iOS 版 Claude 应用出现类似电话听筒的新图标，外界猜测可能为更接近通话的语音交互做准备。