人工智能资讯 第14页
聚合当前分类下的最新内容，按时间顺序查看第 14 页精选文章。
DeepSeek V4 开源权重发布：1M 上下文更实用，但还没掀翻闭源前沿
DeepSeek V4 Pro 和 V4 Flash 发布开源权重，主打 1M token 上下文、Base/Instruct 双版本、MIT 许可，并支持华为 Ascend/CANN 生态运行。它真正推进的是长上下文推理成本和部署自由度，不是综合能力全面反超闭源模型。对研发和基础设施团队来说，现在更适合进入评测、迁移测算和算力路线对比，而不是立刻押注全量替换。
23岁业余爱好者用 GPT-5.4 Pro 撬开 Erdős 老题：别急着说 AI 取代数学家
23岁的 Liam Price 没有高等数学训练，却用 ChatGPT Pro 中的 GPT-5.4 Pro 得到一个 Erdős 原始集合问题的解法草稿，并发布到 erdosproblems.com。关键不在于 AI 独立完成严格证明，而在于模型给出了一条此前专家没有用于这类问题的连接。Terence Tao 和 Jared Lichtman 的态度也很克制：原始输出粗糙，人类专家仍要理解、验证、压缩和重写。
别把 AI Agent 当同事，它更该被塞进软件系统
Feldera 联合创始人 Gerd Zellweger 发文反对把 AI Agent 设计成“聊天同事”，主张把它们嵌进软件，用 CLI、声明式规格、调和循环和 CDC 数据流工作。关键判断是：Agent 落地的分水岭不在更像人，而在软件是否愿意为机器协作重做接口、状态和数据流。对企业软件、数据平台和 Agent 工具链团队来说，这会直接影响产品架构、采购判断和开发优先级。
Anthropic 的 AI 代理交易实验：真正的问题是用户看不出代理差距
Anthropic 做了一个名为 Project Deal 的小型试点市场，让 AI 代理代表买家和卖家，用真实商品和真实钱完成交易。 实验规模不大：69 名自选员工、每人 100 美元礼品卡预算、186 笔交易、总额超过 4000 美元。 更值得盯的是：更先进模型代表用户时，客观结果更好，但用户未明显感知差距。代理商业的风险不在会不会砍价，而在议价能力开始被模型等级重新分配。
AI 没有击穿写作和编程，它击穿了知识工作的验货方式
AI 正在把软件工程里的分水岭暴露出来：会不会生成代码已经不稀缺，能不能解释、校验和负责才值钱。新线索把“知识工作仿真化”这个判断落到了工程现场：输出越来越像真的，组织却更难判断一个人到底懂不懂。
Claude Code 救活个人项目，也把开发者的刹车问题推到台前
Claude Code 让一些开发者把搁置多年的个人项目重新跑起来，甚至开始重写自己的桌面环境；新线索补上的关键一面是：AI 编程不只在提效，也在改变人的启动、反馈和付费行为。真正受影响的不是所有普通用户，而是独立开发者、知识工作者和正在给 AI 编程工具定预算的团队。
OpenAI 的地精口癖：Codex 被迫禁聊 goblin，问题出在奖励函数
OpenAI 承认，GPT-5.1 的 Nerdy 人格训练让模型学会了频繁使用 goblin、gremlin 等怪物隐喻，这种风格还外溢到后续模型和 Codex。真正值得警惕的不是“地精”这个词，而是人格化训练、偏好数据复用和奖励边界没关严，最后把一个小口癖养成了产品习气。
Codex 加了 /goal：OpenAI 的 Agent 生意，开始向“自动跑账单”靠拢
Codex CLI 0.128.0 新增 /goal，用户设定目标后，编码代理会持续循环执行，直到自评完成或耗尽 token 预算。这个细节补强了一个更大的判断：OpenAI 不再只是卖更强模型，而是在把 Codex、Azure 松绑和 Agent 工作流一起推向可计费、可控制、可规模化的执行层。
东京这场科技会，别只看AI，要看谁真的买单
SusHi Tech Tokyo 2026 将于 4 月 27-29 日在 Tokyo Big Sight 举办，主题压在 AI、机器人、韧性城市和娱乐四条线。TechCrunch 是官方媒体合作方，所谓“2026 最重要科技目的地”要打折看。更有价值的判断是：东京正在把城市治理、制造业和文化 IP 变成技术落地的展台。
OpenAI 被枪击案家属起诉后，AI 平台不能再拿“封号”当安全答案
加拿大 Tumbler Ridge 校园枪击案家属在加州起诉 OpenAI，称公司早在案发八个多月前就把涉案 ChatGPT 账号标记为“可信的现实枪支暴力威胁”，却没有报警，只做了封号处理。和此前 OpenAI 道歉相比，诉讼把争议从公关层面推到了法律层面：AI 平台知道具体危险后，到底有没有预警义务。
AI Agent 缺的不是更聪明，而是公共约束
Mark Nottingham 质疑 AI Agent 热潮：真正缺口不在模型能力，而在它是否像浏览器 User Agent 那样有公开规则、可审计边界和利益制衡。若 Agent 只是平台塞进来的黑箱助手，它就更像新的权力中介。企业采购和产品团队现在该看的不是演示多顺，而是权限、日志、退出机制和责任边界。
LamBench 榜单：gpt-5.4 领跑，但真正该看的不是名次
Victor Taelin 发布 LamBench，用 120 道 Lambda Calculus 题测试大模型的形式推理和代码相关能力。gpt-5.4 以 110/120 排第一，opus-4.6、gpt-5.3-codex 紧随其后；但 120 题的小榜单不能当通用智能排名。更重要的问题是：模型会写代码，不等于能在形式系统里稳定计算。
wuphf 给 AI 代理建共享 wiki：比“AI 员工 Slack”更重要的是 Git 账簿
wuphf 是一个公开在 GitHub 上的项目，主张做“带共享大脑的 AI 员工 Slack”，让 Claude、Codex、OpenClaw 等代理通过 Markdown 和 Git 维护同一套 LLM wiki。它真正抓住的痛点不是聊天入口，而是多代理协作里的上下文丢失、版本混乱和责任链断裂。目前它还不能证明生产级自治，但 Git/wiki 路线值得 agent 工具开发者和试点团队认真拆解。
谷歌400亿美元押注Anthropic：现金只是前菜，算力绳才是正餐
谷歌计划向 Anthropic 投入最高400亿美元，但关键细节已经变清：先投100亿美元现金，估值约3500亿美元，后续最多300亿美元要看业绩目标，并伴随更大的算力支持。别把它读成谷歌放弃 Gemini，真正的主线是云、TPU、Claude 和反垄断压力之间的一次防守型进攻。
DeepSeek-V4 对上 GPT-5.5：开放权重拼部署，闭源 API 抢入口
DeepSeek-V4 Pro 交出 1.6T MoE、49B 激活参数、1M 上下文和 MIT 许可证；V4 Flash 则是 284B、13B 激活参数，主打更轻部署。OpenAI 的 GPT-5.5 API 同样押注 1M 上下文，并快速进入 Cursor、GitHub Copilot、Devin、OpenRouter、Perplexity、Microsoft Copilot 等工具链。真正要看的不是谁跑分更好看，而是长上下文成本、幻觉率、部署门槛和入口控制权。
牛津 All Souls 2025 试卷：AI 时代，精英教育开始考“人还剩什么”
牛津 All Souls College 于 2025 年 10 月 9 日发布 2025 年 General Examination 试题，共 4 页，分 General Paper I 与 II，考生需答 3 题。题目把 AI、人类性、民主、艺术、市场、性别、历史与社会政策放进同一张卷子。真正的信号不是牛津又出怪题，而是顶级人文选拔正在把门槛压到一句话：当知识和表达都能外包，人还靠什么被识别。
AI 越会写，学校越该重做评价：教育不能只验收漂亮文本
《National Catholic Register》评论文章借弥尔顿《论教育》讨论生成式 AI：大模型能高效写作、总结、翻译和辅助教学，但这不等于完成教育。真正的风险不是学生用了 AI，而是学校继续把流畅文字当成理解力。受影响最大的不是某一门作文课，而是学生、教师和学校评价体系。
深度学习走向“学习力学”：不是黑箱已破，是炼丹开始被训练账单逼出理论
arXiv:2604.21691 这篇 41 页论文提出，深度学习理论正在浮现一套面向训练过程、可量化、可证伪的 learning mechanics，可暂译为“学习力学”。它没有宣布神经网络黑箱已被破解，而是在说：深度学习可能正从经验炼丹，转向能预测、能反驳、能积累的工程科学。最该受影响的是两类人：机器学习理论研究者，以及做大模型训练和基础设施的工程团队。
Google Flow Music 页面露面：AI 音乐工具开始抢工作流入口
Google Flow Music 页面展示了一个 AI 音乐工作室：Lyria 3 生成歌曲和人声，Veo 生成音乐视频，Vibe-code 可搭插件、播放器、音乐游戏和自定义 DAW。重点不在“AI 会写歌”，而在 Google 试图把生成、剪辑、视频、工具和社区入口放进同一条创作路径。独立音乐人和短视频创作者会先受益，版权归属、daily credits、平台推荐和作品同质化会成为后续要盯的账单。
ChatGPT 越用越多，为什么人们还是不想被 AI 自动化
Simon Willison 转引并高度评价 Nilay Patel 的评论：ChatGPT 使用暴涨，并不等于公众热爱 AI 自动化。Patel 提出的“software brain”点中了科技行业的盲区：把生活当数据库，把人当流程节点。我的判断是，AI 的争议不在“有没有用”，而在企业是否把自己的降本欲望包装成了用户需求。
Series 融资 510 万美元：AI 社交绕开新 App，直接借道 iMessage
耶鲁两名在校生创办的 Series 完成 510 万美元 pre-seed 融资，投资方包括 Pear VC、Steve Huffman、Iqram Magdon-Ismail 和 Edward Tian。它通过 iMessage 让用户给 AI 发短信，再由 AI 推荐 10 张人脉卡片，并支持不暴露手机号私聊。真正要看的不是大学生创业光环，而是 AI 社交能否把“介绍人”做成可信关系网络，而不是更高效的陌生人流水线。