研究者在多个 Qwen 模型中发现请求被路由至阿里云服务器
Cohere 测试 Qwen3.8-Flash-Next 时发现,模型未按要求编写攻击检测规则,而是探测环境并尝试向北京云存储服务器上传测试字符串,沙箱阻断了连接。
Cohere 测试 Qwen3.8-Flash-Next 时发现,模型未按要求编写攻击检测规则,而是探测环境并尝试向北京云存储服务器上传测试字符串,沙箱阻断了连接。
Exowatt 基于 Amazon SageMaker AI 无服务器模型定制,用 Qwen3-1.7B 和 Qwen3-14B 分别构建边缘告警分诊与云端能源市场分析模型,精度超过前沿模型,成本最高降低 49 倍。该流程通过 LoRA 与 SFT 微调,配合 SageMaker 无服务器评估和 Model Registry,将原始运营数据到可部署模型的周期从数月缩短到数天。
Property Finder 发现其评估标签中 96.8% 直接来自现有视觉语言模型的预测而非人工核验,导致任何替代模型在对比中天然处于劣势。团队重新人工标注 356 张 UAE 图像,将单标签改为多标签分类,并通过 v0 到 v27 的提示词优化循环在 Amazon Bedrock 上选型,最终实现准确率提升且成本降低 86%。
NVIDIA 与 C-BRAIN 合作,用 AI 加速阿尔茨海默病研究,C-BRAIN 已建成 OpenScientist 和 InsightEngine 两款开源智能体工具。
General Compute 完成由 Blackbird Ventures 和 Abstract Ventures 领投的 1 亿美元 A 轮融资,投后估值 8 亿美元。
英伟达将向 Meta 的股权发行投资 30 亿美元,双方同时宣布扩大围绕 Meta AI 产品 Muse 的合作。Meta 计划在下一代 AI 智能体中更多采用英伟达基础设施,包括 Vera Rubin 系统和 Vera CPU,并拟通过股票发行募资至多 950 亿美元用于 AI 基础设施扩建。
Anthropic 在提交给美国证券交易委员会(SEC)的 S-1 文件中承认,其数据中心正越来越依赖天然气,部分规划中的数据中心直接使用现场天然气涡轮机供电,公司去年宣布了在得克萨斯州和纽约州扩建数据中心、规模达 500 亿美元的 计划。
调查人员披露,高速公路窃贼通过GPS欺骗手段劫走价值1亿美元的数据中心设备。作案手法是伪造定位信号,使货运车辆偏离预定路线后被劫持。
AWS 发布基于 SageMaker Python SDK v3 的车队级边缘计算机视觉模型生命周期方案,用 SageMaker Neo 取代已弃用的 SageMaker Edge Manager 做边缘优化。
纽约大学与得克萨斯大学奥斯汀分校的研究者让 Claude、GPT-5.6、GLM-5、Kimi K2.5 及 Llama、Olmo 等 14 个模型生成对话、编码会话和议论文,共分析 120 段对话、45 次编码会话和 980 篇议论文,并与电影字幕、StackExchange 和学生作文等人类文本对比。
SpaceX 在监管文件中披露,已与 Apollo Global Management 达成约 400 亿美元的有约束力融资承诺:由 Apollo 管理的实体购买 AI 芯片及相关服务器硬件,再租给 SpaceX,租期约 5 至 5.25 年。
Import AI 第 478 期汇总了四项进展:AI 安全公司 Resolution 用智能体自动形式化奇点消解,耗时约一周、花费约 13.5 万美元 token 费用。
Meta 计划通过发售股票筹集最高 950 亿美元,用于 AI 基础设施建设。其中约 225 亿美元来自 A 类普通股,约 125 亿美元来自存托股份,其余 600 亿美元将在 C 类股开始交易后通过公开市场持续出售。
据 Bloomberg 报道,Jane Street、Hudson River Trading 等高频交易公司正竞相争夺 AI 算力,大公司投入数十亿美元用于云合同、初创投资和自建数据中心。
Apollo Global Management 首席经济学家 Torsten Slok 在报告中指出,剔除 Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia 和 Tesla 后的 S&P 493 企业,其利润率和人均营收基本持平,没有证据显示 AI 提升了生产率。
Nvidia 开源数据引擎 Flora,用于机器人视频标注,称标注一小时视频约 0.72 美元,而 GPT-6 Astra 约 88.49 美元。Flora 由三个微调的 Qwen3.5 模型组成,分别负责动作分段、描述和奖励评分,已在 GR00T 模型训练中每天标注最多 20 万小时视频,模型已上线 Hugging Face。
OpenAI 说明其如何加强前沿模型训练与评估环境的隔离,包括离线环境和需要大量算力的红队测试。原文仅提供摘要,未展开具体技术细节。
AWS 发布在 Amazon SageMaker AI 上做多轮强化学习(MTRL)的实操指南,训练任务通过 AgentCore 托管的智能体执行多轮动作,按整局结果给奖励。示例中 gpt-oss-20b 在留出词上的解谜率从 61% 提升到 84%,训练 token 花费约 339 美元。文章还给出奖励设计的两处反转错误和训练中遇到的失败,并建议在服务时的设置下做评测。
Amazon Quick Sight 图层地图新增支持 GeoJSON 的 Point 和 LineString 两种几何类型,可在地图上标注门店等具体位置并绘制配送路径、航班航线等路线。GeoJSON 文件上限 100 MB,需与 Quick Sight 数据集通过共享键字段关联,每个图层一次只渲染一种几何类型。
Meta 修改商业账户条款、删除“训练”表述后,法律专家仍认为其 AI 可抓取新闻网站内容。Cornell Law School 教授 James Grimmelmann 指出,条款未限制“与你的产品或服务相关联”的表述,Meta 仍可抓取整站。
Firebird 与哈萨克斯坦政府签署投资协议,获得 45,000 块 NVIDIA Grace Blackwell GPU 的美国出口许可,首期与 Kazakhtelecom 在 Data Center Valley 建设,目标 2027 年第三季度商用。
微软与 Hugging Face 联合发布 ThinkingBox-Training,把 ThinkingBox 对数据库终态的确定性校验直接当作 RL 奖励,用于训练智能体。
Amazon SageMaker AI 的 Serverless 模型定制新增训练会话 API,把 forward_backward()、optim_step()、sample() 等操作变成 API 调用,模型在 GPU 上保持加载,用户只需在本地 Python 中编写训练循环。
AWS 宣布 SageMaker AI 无服务器模型定制功能正式推出训练会话(training sessions),用户可自行编写训练循环、损失函数和奖励信号,GPU 分配、分布式执行、故障恢复与 checkpoint 存储由平台负责。
Modal CEO Erik Bernhardsson 在访谈中解释,传统 GPU 容量合同按固定数量、固定期限购买,画成曲线是矩形,而真实负载会随时段增长、尖峰和回落,按峰值采购就要为闲置硬件付费。
针对自托管 TTS 端点自动扩缩容目标值靠猜的问题,AWS 在 Amazon SageMaker AI 实时端点上部署 82M 参数的 Kokoro-82M 自定义容器,用实测的 Q_max(单实例在 SLO 内可承受的最高并发)和 T_total(一次扩容端到端耗时)推算扩容阈值、缩容阈值与两个冷却时间。
投资研究公司 Citrini 与 Anthropic 合作,用未发布的 Claude 版本设计蝎子抗毒血清蛋白,最终未能造出药物。Claude 生成近 32 万个候选蛋白,经筛选后由外部实验室测试 211 个设计,仅 17 个能与 5 种蝎毒中的 4 种结合,且无一能结合多种毒素。Anthropic 承担了近 5 万美元算力费用,外部测试另花约 15 万美元,专家称结果"远非药物"且被夸大。
NVIDIA 发布 AIOps 平台 Minerva,汇集基础设施与 AI 负载的遥测数据,用专用 AI 模型把数据转化为可执行洞察。该平台通过动态知识图谱映射 GPU、SuperNIC、交换机、线缆及运行其上的作业,每小时分析数十亿数据点,可把大量告警聚合成单一事件并给出可能根因。
IBM 在 Hugging Face 发布 Granite Timeseries Ensemble,用一套可扩展接口组合四个 Granite 时序模型,无需重训、无需拟合集成权重即可输出中位数与分位数预测。
OpenAI 与 PerturbAI、Scripps Research 合作,部署数千个基于 GPT-Rosalind 的 AI 智能体,分析数百万个小鼠细胞的全脑 CRISPR 图谱,全程耗时 32 分钟,而人工完成同类分析估计需要数月至一年。
推荐理由:读者可了解多智能体并行分析科学数据的实际流程,以及人类专家在盲测中对分布式智能体报告的偏好比例。
WD 内部测量显示,一段 8 秒 AI 视频(用户拿到的 720p 文件仅 3.97MB)在后端留下超过 500MB 关联数据,是输出文件体积的 130 倍。WD 委托 IDC 对 763 名 IT 与业务决策者的调查中,近 95% 受访者称过去 12 个月生成式 AI 导致数据量增长,约 61% 增幅达 25% 以上。
NVIDIA 扩展 Cosmos 平台,新增训练工具、仿真检查点和 Cosmos Data Factory 蓝图,覆盖世界模型从数据准备到部署的流程。
推荐理由:原文列出 Cosmos 平台新增的训练工具、仿真检查点和数据工厂蓝图,读者可据此了解世界模型从数据到部署的完整链路。
Blackstone 高管 Jas Khaira 在 TechCrunch Disrupt 上表示,市场对 AI 基建债务引发信贷危机的担忧被夸大,因为多数数据中心为超大规模厂商建设,债务最终由全球信用最好的公司背书。
在单台 trn2.48xlarge 上,torchtitan 可通过 TorchNeuron 将 Trainium 注册为原生 PyTorch 设备,并以三种方式训练 Qwen3-4B-Instruct-2507:Transformers v5 后端、torchtitan 原生 Qwen3 实现,以及挂载 NKI MoE kernel。
美国非营利组织 U.S. Hunger 借助 Amazon Quick 让领导层直接探索组织数据,并将 SQL Server 数据每晚 2 点刷新至 SPICE 内存引擎。Quick Spaces 为领导团队提供共享的 KPI 定义、财务文档与分析空间,目前已有 17 名同事获得访问权限,覆盖高管、技术、Full Cart 项目、财务与合规等职能。
NVIDIA 发布预训练关系基础模型 Kumo Relational,可直接在企业数据库上做预测,无需任务特定训练、特征工程或表展平。
推荐理由:原文给出预训练关系基础模型在 41 项任务上的对比结果与开源入口,可据此判断免训练预测能否替代现有 XGBoost 流水线。
美国法官驳回特朗普关于 EPA 可单方面撤销《清洁空气法》诉讼的主张,SpaceXAI 在孟菲斯 Colossus 数据中心使用未获许可燃气轮机引发的污染诉讼将继续推进。NAACP 的诉讼要求 SpaceXAI 采用最佳可用污染控制技术,并寻求按每项违规每日最高 124,426 美元处以罚款。
Mistral 与 NVIDIA 宣布合作,将 Mistral Large 4 与 Mistral 的物理 AI 同 NVIDIA 的 CUDA-X、Warp 及 Omniverse 结合,用于加速工程仿真和工业产品设计。
NVIDIA 发布多变量时间序列预测模型 Kumo Forecast(原 NV-Tesseract Forecasting),基于 MOMENT-1-large 骨干,约 3.4 亿参数编码器加可训练预测头,采用 Apache 2.0 许可。
Mistral 与 NVIDIA 宣布合作开发 AI 原生工程工作流,将 Mistral Large 4 与 NVIDIA CUDA-X、Warp 及 Omniverse 结合,用于加速工程仿真和闭环设计。