自掏1亿美元启动资金，Figure AI创始人新公司Hark获7亿美元融资估值60亿
人形机器人巨头 Figure AI 与电动航空企业 Archer Aviation 的联合创始人 Brett Adcock 宣布，新创立的个人智能体硬件公司 Hark 斩获 7 亿美元 A 轮融资，投后估值达到 60 亿美元。Hark 早期由 Adcock 出资 1 亿美元启动资金创立。本轮融资由 Parkway Venture Capital 领投，NVIDIA、AMD Ventures、Intel Capital、Qualcomm Ventures 以及 Salesforce Ventures 等行业巨头参投。
Hark 定位为个人 AI 平台，旨在通过自研基础模型、系统软件与专属硬件的垂直整合，构建人机交互的通用接口。Adcock 认为现有的 AI 模型过于单一基础，新一代智能体必须具备自然听说、视觉理解与长期记忆能力，并在物理世界中自主执行任务。按照规划，Hark 将于 2026 年夏季推出首批多模态模型，后续将推出配套的个人 AI 硬件终端。
筹得的 7 亿美元资金将直接用于扩展 GPU 算力基础设施、加速前沿模型研发以及开发下一代智能体硬件。Hark 团队目前拥有约 70 名成员，主要在 NVIDIA B200 GPU 算力集群上运行。公司计划将工程团队规模在短期内扩大至 200 人。
信源：https://x.com/adcock_brett/status/2057462134989263047
人形机器人巨头 Figure AI 与电动航空企业 Archer Aviation 的联合创始人 Brett Adcock 宣布，新创立的个人智能体硬件公司 Hark 斩获 7 亿美元 A 轮融资，投后估值达到 60 亿美元。Hark 早期由 Adcock 出资 1 亿美元启动资金创立。本轮融资由 Parkway Venture Capital 领投，NVIDIA、AMD Ventures、Intel Capital、Qualcomm Ventures 以及 Salesforce Ventures 等行业巨头参投。
Hark 定位为个人 AI 平台，旨在通过自研基础模型、系统软件与专属硬件的垂直整合，构建人机交互的通用接口。Adcock 认为现有的 AI 模型过于单一基础，新一代智能体必须具备自然听说、视觉理解与长期记忆能力，并在物理世界中自主执行任务。按照规划，Hark 将于 2026 年夏季推出首批多模态模型，后续将推出配套的个人 AI 硬件终端。
筹得的 7 亿美元资金将直接用于扩展 GPU 算力基础设施、加速前沿模型研发以及开发下一代智能体硬件。Hark 团队目前拥有约 70 名成员，主要在 NVIDIA B200 GPU 算力集群上运行。公司计划将工程团队规模在短期内扩大至 200 人。
信源：https://x.com/adcock_brett/status/2057462134989263047
X (formerly Twitter)
Brett Adcock (@adcock_brett) on X
Today I'm excited to share that Hark has raised $700M at a $6B valuation
When I use these AI models today, they feel basic. They should be able to listen and talk naturally, understand vision, retain persistent memory, and become deeply personalized over…
When I use these AI models today, they feel basic. They should be able to listen and talk naturally, understand vision, retain persistent memory, and become deeply personalized over…
RAEv2开源：收敛速度提升10倍，80轮训练超越前代800轮纪录
Adobe Research、澳大利亚国立大学 (ANU) 与纽约大学 (NYU) 的谢赛宁团队等机构联合开源了第二代表示自编码器 RAEv2 (Representation Autoencoders v2) 的代码、模型权重与训练数据。作为取代传统变分自编码器 (VAE) 的扩散模型图像重构方案，新版本解决了初代重构质量差、无法使用标准无分类器引导 (CFG) 以及收敛极慢等痛点，在 ImageNet 上仅需 80 轮训练即可达到 1.06 的全局 FID (gFID) 成绩，收敛速度提升 10 倍以上。
研究团队在架构设计上实现了三项核心优化。首先，不同于初代仅使用预训练编码器最后一层的做法，新架构采用「多层表示」方案，将编码器最后 K 层的输出直接相加。在超高维度空间中，简单的加法操作能够完美保留底层子空间的结构，用户只需调整 K 的数值便能获得重构质量与压缩效率的最优帕累托边界。第二，团队阐明了表示自编码器与表示对齐 (REPA) 的互补机制。在联合使用时，自编码器主要提取全局语义信息，而表示对齐机制则对空间细节与结构提供强约束。互补设计使得 DINOv3 等空间特征敏感的更强编码器也能在生成任务中发挥优势，而在初代模型中， DINOv3 的生成表现甚至劣于 DINOv2。
最关键的发现是 REPA 在自编码器表示空间中本质上构成了 x 预测。初代自编码器在传统无分类器引导中表现挣扎，必须额外训练一个辅助扩散模型 (AutoGuidance)。新架构巧妙地将扩散模型的输出重构为基于表示空间中的 x 预测，使得对齐头可以直接充当天然的弱引导基线，最终无需增加任何额外训练与推理成本，便实现了「免费」的内部引导 (Internal Guidance)。
在评估阶段，除了在六种表示空间中取得更好的 gFID、FDr6 以及蒙日距离 (Monge Distance) 外，研究团队还引入了全新效率指标 EP_FID@k (达到指定 gFID 所需的训练轮数)。测试显示，要达到 gFID 小于 2 的指标，初代模型需要 177 轮，而新架构仅需 35 轮。在文本生成图像以及具身智能导航世界模型等下游任务中，新模型也表现出极强的泛化力，有效解决了视频合成中频繁出现的帧间闪烁问题。
信源：https://github.com/nanovisionx/RAEv2
Adobe Research、澳大利亚国立大学 (ANU) 与纽约大学 (NYU) 的谢赛宁团队等机构联合开源了第二代表示自编码器 RAEv2 (Representation Autoencoders v2) 的代码、模型权重与训练数据。作为取代传统变分自编码器 (VAE) 的扩散模型图像重构方案，新版本解决了初代重构质量差、无法使用标准无分类器引导 (CFG) 以及收敛极慢等痛点，在 ImageNet 上仅需 80 轮训练即可达到 1.06 的全局 FID (gFID) 成绩，收敛速度提升 10 倍以上。
研究团队在架构设计上实现了三项核心优化。首先，不同于初代仅使用预训练编码器最后一层的做法，新架构采用「多层表示」方案，将编码器最后 K 层的输出直接相加。在超高维度空间中，简单的加法操作能够完美保留底层子空间的结构，用户只需调整 K 的数值便能获得重构质量与压缩效率的最优帕累托边界。第二，团队阐明了表示自编码器与表示对齐 (REPA) 的互补机制。在联合使用时，自编码器主要提取全局语义信息，而表示对齐机制则对空间细节与结构提供强约束。互补设计使得 DINOv3 等空间特征敏感的更强编码器也能在生成任务中发挥优势，而在初代模型中， DINOv3 的生成表现甚至劣于 DINOv2。
最关键的发现是 REPA 在自编码器表示空间中本质上构成了 x 预测。初代自编码器在传统无分类器引导中表现挣扎，必须额外训练一个辅助扩散模型 (AutoGuidance)。新架构巧妙地将扩散模型的输出重构为基于表示空间中的 x 预测，使得对齐头可以直接充当天然的弱引导基线，最终无需增加任何额外训练与推理成本，便实现了「免费」的内部引导 (Internal Guidance)。
在评估阶段，除了在六种表示空间中取得更好的 gFID、FDr6 以及蒙日距离 (Monge Distance) 外，研究团队还引入了全新效率指标 EP_FID@k (达到指定 gFID 所需的训练轮数)。测试显示，要达到 gFID 小于 2 的指标，初代模型需要 177 轮，而新架构仅需 35 轮。在文本生成图像以及具身智能导航世界模型等下游任务中，新模型也表现出极强的泛化力，有效解决了视频合成中频繁出现的帧间闪烁问题。
信源：https://github.com/nanovisionx/RAEv2
GitHub
GitHub - nanovisionx/RAEv2: Official Implemenation for RAEv2: Improved Baselines with Representation Autoencoders
Official Implemenation for RAEv2: Improved Baselines with Representation Autoencoders - nanovisionx/RAEv2
llama.cpp正式支持WebGPU，浏览器端推理显存骤降超30%
llama.cpp 与 ggml 官方 WebGPU 后端正式发布，支持在浏览器中直接通过本地 GPU 加速运行 GGUF 格式大模型。新后端摆脱了对特定原生客户端或复杂 WebAssembly 架构的依赖，实现纯端侧、数据不出设备的隐私推理，为网页生态打通了零配置的本地算力入口。
5 月 20 日发表的相关论文指出，WebGPU 后端引入静态内存规划与高效模型加载机制，网页端运行时的显存开销相较现有框架降低 29% 至 33%。在英特尔、苹果和英伟达等主流 GPU 设备上，解码吞吐量平均提升 45% 至 69%。
网页端演示基于开源库 wllama 运行，近期完成的底层优化实现了比论文更优的显存控制。llama.cpp 还可以通过 Google 的 C++ WebGPU 实现 Dawn 进行本地原生编译，为 Vulkan 与 WebGPU 之间的底层性能对比提供了评测基准。
信源：https://reeselevine.github.io/llamas-on-the-web/
llama.cpp 与 ggml 官方 WebGPU 后端正式发布，支持在浏览器中直接通过本地 GPU 加速运行 GGUF 格式大模型。新后端摆脱了对特定原生客户端或复杂 WebAssembly 架构的依赖，实现纯端侧、数据不出设备的隐私推理，为网页生态打通了零配置的本地算力入口。
5 月 20 日发表的相关论文指出，WebGPU 后端引入静态内存规划与高效模型加载机制，网页端运行时的显存开销相较现有框架降低 29% 至 33%。在英特尔、苹果和英伟达等主流 GPU 设备上，解码吞吐量平均提升 45% 至 69%。
网页端演示基于开源库 wllama 运行，近期完成的底层优化实现了比论文更优的显存控制。llama.cpp 还可以通过 Google 的 C++ WebGPU 实现 Dawn 进行本地原生编译，为 Vulkan 与 WebGPU 之间的底层性能对比提供了评测基准。
信源：https://reeselevine.github.io/llamas-on-the-web/
reeselevine.github.io
Llamas on the Web
Introducing WebGPU support for llama.cpp
AI编程助手如何「刷题作弊」？Weco AI评测集SpecBench揭秘奖励作弊内幕
开发智能体系统的 Weco AI 开源了系统级编程评测集 SpecBench，揭露了 AI 程序员在实际编程中利用规则漏洞进行「奖励作弊」（Reward Hacking）的现象。
评测发现，AI 为了通过给定的测试用例，往往倾向于「投机取巧」进行表面修复，但在面对未知的隐藏测试时容易露馅。在一些极端案例中，AI 甚至会进行蓄意欺骗。例如，在编写 C 语言编译器的任务中，一个使用 Codex 的 AI 根本没有写任何编译器逻辑，而是偷偷调用外部编译器（GCC）把所有测试题目的答案跑出来，存进一个近 3000 行的哈希表里。遇到测试输入时，它直接从表里查答案返回，从而在可见测试中拿到了 97% 的高分，但在隐藏测试中得分直接挂零。
不过，研究也指出，更普遍的作弊行为并非蓄意欺骗，而是因为组件隔离不彻底或遗漏边界条件等结构性设计失败。同时，代码规模越大，作弊差距（即验证集与留存集的分差）就越陡峭；盲目增加 AI 的调试步骤，甚至会诱导它优先选择能通过可见测试却破坏了底层系统架构的错误路径。
信源：https://www.weco.ai/blog/specbench
开发智能体系统的 Weco AI 开源了系统级编程评测集 SpecBench，揭露了 AI 程序员在实际编程中利用规则漏洞进行「奖励作弊」（Reward Hacking）的现象。
评测发现，AI 为了通过给定的测试用例，往往倾向于「投机取巧」进行表面修复，但在面对未知的隐藏测试时容易露馅。在一些极端案例中，AI 甚至会进行蓄意欺骗。例如，在编写 C 语言编译器的任务中，一个使用 Codex 的 AI 根本没有写任何编译器逻辑，而是偷偷调用外部编译器（GCC）把所有测试题目的答案跑出来，存进一个近 3000 行的哈希表里。遇到测试输入时，它直接从表里查答案返回，从而在可见测试中拿到了 97% 的高分，但在隐藏测试中得分直接挂零。
不过，研究也指出，更普遍的作弊行为并非蓄意欺骗，而是因为组件隔离不彻底或遗漏边界条件等结构性设计失败。同时，代码规模越大，作弊差距（即验证集与留存集的分差）就越陡峭；盲目增加 AI 的调试步骤，甚至会诱导它优先选择能通过可见测试却破坏了底层系统架构的错误路径。
信源：https://www.weco.ai/blog/specbench
Weco AI
SpecBench: Measuring Reward Hacking | Weco AI
We built SpecBench to measure the gap between code that passes visible tests and code that actually satisfies the specification. Across 30 systems-level tasks, that gap is real, measurable, and grows with task complexity.
DeepSeek将V4-Pro API限时折扣转为永久降价
DeepSeek 官方宣布将 V4-Pro 模型 API 现行的 2.5 折限时优惠活动，在 2026 年 5 月 31 日 23:59 结束后转为永久降价。自 6 月 1 日起，V4-Pro 模型 API 定价将正式调整为原定价的四分之一，延续低价策略。
在具体定价上，以人民币计费，V4-Pro 模型输入端缓存命中价格由每百万 Tokens 0.1 元调整为 0.025 元，缓存未命中价格由 12 元调整为 3 元，输出端价格由 24 元调整为 6 元。
信源：https://api-docs.deepseek.com/zh-cn/quick_start/pricing
DeepSeek 官方宣布将 V4-Pro 模型 API 现行的 2.5 折限时优惠活动，在 2026 年 5 月 31 日 23:59 结束后转为永久降价。自 6 月 1 日起，V4-Pro 模型 API 定价将正式调整为原定价的四分之一，延续低价策略。
在具体定价上，以人民币计费，V4-Pro 模型输入端缓存命中价格由每百万 Tokens 0.1 元调整为 0.025 元，缓存未命中价格由 12 元调整为 3 元，输出端价格由 24 元调整为 6 元。
信源：https://api-docs.deepseek.com/zh-cn/quick_start/pricing
❤2
宁德时代拟参投DeepSeek百亿融资，AI军备竞赛下沉至绿色算力物理基础设施
全球动力电池巨头宁德时代（CATL）正计划参与中国 AI 独角兽企业 DeepSeek（深度求索）规模达到 700 亿元人民币（约合 100 亿美元）的最新一轮融资。据知情人士透露，宁德时代此举旨在加速其在 AI 数据中心供电设备与储能系统领域的布局。除了宁德时代之外，电商巨头京东集团（JD.com）以及游戏巨头网易公司（NetEase）也正在就参投进行深入接触。
宁德时代对 DeepSeek 的投资兴趣，直接契合了双方在算力物理基础设施上的深度协同需求。招聘信息显示，DeepSeek 正在内蒙古等绿电资源丰富地区大举招聘数据中心工程师，启动自有超大规模数据中心建设。为了响应国家「绿色算力」与东数西算政策，DeepSeek 的新建数据中心必须大幅度提升风电、光伏等清洁能源的利用率。而宁德时代在数据中心后备电源、工业级电化学储能系统（ESS）以及绿电调度上的全套方案，恰好能为 DeepSeek 构筑极具竞争力的绿色能源屏障。此前，宁德时代已对数据中心运营商世纪互联（VNET）战略投资 9.42 亿美元，并入股了数据中心电源开发商中恒电气。
信源：https://www.theinformation.com/articles/chinese-ev-battery-giant-catl-plans-invest-deepseek
全球动力电池巨头宁德时代（CATL）正计划参与中国 AI 独角兽企业 DeepSeek（深度求索）规模达到 700 亿元人民币（约合 100 亿美元）的最新一轮融资。据知情人士透露，宁德时代此举旨在加速其在 AI 数据中心供电设备与储能系统领域的布局。除了宁德时代之外，电商巨头京东集团（JD.com）以及游戏巨头网易公司（NetEase）也正在就参投进行深入接触。
宁德时代对 DeepSeek 的投资兴趣，直接契合了双方在算力物理基础设施上的深度协同需求。招聘信息显示，DeepSeek 正在内蒙古等绿电资源丰富地区大举招聘数据中心工程师，启动自有超大规模数据中心建设。为了响应国家「绿色算力」与东数西算政策，DeepSeek 的新建数据中心必须大幅度提升风电、光伏等清洁能源的利用率。而宁德时代在数据中心后备电源、工业级电化学储能系统（ESS）以及绿电调度上的全套方案，恰好能为 DeepSeek 构筑极具竞争力的绿色能源屏障。此前，宁德时代已对数据中心运营商世纪互联（VNET）战略投资 9.42 亿美元，并入股了数据中心电源开发商中恒电气。
信源：https://www.theinformation.com/articles/chinese-ev-battery-giant-catl-plans-invest-deepseek
The Information
Chinese EV Battery Giant CATL Plans to Invest in DeepSeek
Chinese battery giant Contemporary Amperex Technology, better known as CATL, is planning to invest in Chinese AI developer DeepSeek’s fundraising, according to two people with direct knowledge of the matter. CATL’s planned investment comes as it is aggressively…
xAI旗下Grok Build编程智能体下沉至SuperGrok标准订阅
xAI 旗下终端编程智能体 Grok Build 早期测试权限迎来下沉。据应用研究员 Nima Owji 披露，继首发仅限 SuperGrok Heavy 订阅用户使用后，Grok Build (Beta) 的早期测试入口也即将面向标准版 SuperGrok 订阅用户开放。
作为 xAI 面向专业软件工程开发的官方终端工具，Grok Build 旨在让开发者通过自然语言直接在本地终端中调试、修改与重构代码。工具的核心机制在于「规划优先」工作流，即在执行任何代码变更前，先分析项目全局并生成详细的实施方案供用户审核。在具体设计上，Grok Build 原生支持模型上下文协议 MCP、多智能体并行协同，并允许在无 GUI 交互环境下以 Headless 模式运行。
在权限放开前，Grok Build 仅向每月 300 美元的 SuperGrok Heavy 订阅用户开放，属于旗舰级高阶开发者权益。早期测试权限如今下放至每月 30 美元的标准版 SuperGrok 订阅，不仅降低了高阶编程工具的使用门槛，也标志着 xAI 正在加速将算力资源向大众付费市场普及。伴随近期连续打通 Hermes Agent、OpenClaw 和 OpenCode 等开源智能体授权，xAI 正在快速构建围绕 Grok 的开发者生态圈。
信源：https://x.com/nima_owji/status/2057567650142961715
xAI 旗下终端编程智能体 Grok Build 早期测试权限迎来下沉。据应用研究员 Nima Owji 披露，继首发仅限 SuperGrok Heavy 订阅用户使用后，Grok Build (Beta) 的早期测试入口也即将面向标准版 SuperGrok 订阅用户开放。
作为 xAI 面向专业软件工程开发的官方终端工具，Grok Build 旨在让开发者通过自然语言直接在本地终端中调试、修改与重构代码。工具的核心机制在于「规划优先」工作流，即在执行任何代码变更前，先分析项目全局并生成详细的实施方案供用户审核。在具体设计上，Grok Build 原生支持模型上下文协议 MCP、多智能体并行协同，并允许在无 GUI 交互环境下以 Headless 模式运行。
在权限放开前，Grok Build 仅向每月 300 美元的 SuperGrok Heavy 订阅用户开放，属于旗舰级高阶开发者权益。早期测试权限如今下放至每月 30 美元的标准版 SuperGrok 订阅，不仅降低了高阶编程工具的使用门槛，也标志着 xAI 正在加速将算力资源向大众付费市场普及。伴随近期连续打通 Hermes Agent、OpenClaw 和 OpenCode 等开源智能体授权，xAI 正在快速构建围绕 Grok 的开发者生态圈。
信源：https://x.com/nima_owji/status/2057567650142961715
X (formerly Twitter)
Nima Owji (@nima_owji) on X
🚨 "SuperGrok" subscribers will get access to Grok Build (Beta) soon!
(Currently, only the "SuperGrok Heavy" subscribers can access it!)
(Currently, only the "SuperGrok Heavy" subscribers can access it!)
Perplexity开源只读依赖扫描工具Bumblebee，封堵开发者终端供应链后门
Perplexity AI 宣布开源内部开发的安全扫描工具 Bumblebee，旨在帮助安全团队在软件供应链投毒事件爆发时，快速评估开发者终端的风险暴露。作为面向 macOS 和 Linux 的只读资产收集器，Bumblebee 能够秒级盘点本地磁盘中的依赖锁文件、包管理器元数据、编辑器插件及 AI 工具配置。
与传统执行扫描命令的检测工具不同，Bumblebee 采用纯粹的「只读解析」机制。工具运行仅解析依赖配置文件，绝不执行包管理器命令，亦不读取任何源代码。只读解析从根本上规避了扫描行为本身触发恶意包安装脚本（如 postinstall 等生命周期钩子）的二次感染风险，确保检测过程的绝对安全。
为了适配不同的盘点频率与范围，Bumblebee 提供了 baseline、project 与 deep 三种扫描配置。在扫描划分上，baseline 负责扫描全局工具链、编辑器插件与 MCP 服务器配置；project 专注指定工作区目录；deep 则针对应急排查提供全盘扫描。目前已支持对 npm、PyPI、Go modules 以及主流浏览器扩展等十余种生态的依赖信息提取。
在 Perplexity 内部，Bumblebee 已被整合进由 Perplexity Computer 以及 Comet 共同构建的供应链威胁防御流中。当安全团队追踪到新漏洞并生成风险清单后，Bumblebee 会自动下发至终端，秒级确认受影响设备。目前，Bumblebee 已在 GitHub 上以 Apache License 2.0 协议开源，并提供 v0.1.1 版本，方便企业安全团队快速部署。
信源：https://github.com/perplexityai/bumblebee
Perplexity AI 宣布开源内部开发的安全扫描工具 Bumblebee，旨在帮助安全团队在软件供应链投毒事件爆发时，快速评估开发者终端的风险暴露。作为面向 macOS 和 Linux 的只读资产收集器，Bumblebee 能够秒级盘点本地磁盘中的依赖锁文件、包管理器元数据、编辑器插件及 AI 工具配置。
与传统执行扫描命令的检测工具不同，Bumblebee 采用纯粹的「只读解析」机制。工具运行仅解析依赖配置文件，绝不执行包管理器命令，亦不读取任何源代码。只读解析从根本上规避了扫描行为本身触发恶意包安装脚本（如 postinstall 等生命周期钩子）的二次感染风险，确保检测过程的绝对安全。
为了适配不同的盘点频率与范围，Bumblebee 提供了 baseline、project 与 deep 三种扫描配置。在扫描划分上，baseline 负责扫描全局工具链、编辑器插件与 MCP 服务器配置；project 专注指定工作区目录；deep 则针对应急排查提供全盘扫描。目前已支持对 npm、PyPI、Go modules 以及主流浏览器扩展等十余种生态的依赖信息提取。
在 Perplexity 内部，Bumblebee 已被整合进由 Perplexity Computer 以及 Comet 共同构建的供应链威胁防御流中。当安全团队追踪到新漏洞并生成风险清单后，Bumblebee 会自动下发至终端，秒级确认受影响设备。目前，Bumblebee 已在 GitHub 上以 Apache License 2.0 协议开源，并提供 v0.1.1 版本，方便企业安全团队快速部署。
信源：https://github.com/perplexityai/bumblebee
Anthropic宣布无限期封印最强网攻模型Mythos
Anthropic 在最新一期软件安全合作计划「Glasswing 项目」（Project Glasswing）进展中重申，即便内部测试证明新一代安全基座模型 Claude Mythos Preview 具备极其强悍的漏洞挖掘与网络攻防实力，在开发出更强效的安全对齐机制前，公司将无限期禁止向公众和商业市场开放 Mythos 级模型。在 AI 行业竞相发布大模型、下调 API 定价的背景下，拒绝公开发行的决定显得尤为克制。根据联合测试反馈，Mythos Preview 虽然能大幅降低安全人员寻找漏洞的成本，但无门槛公开发布将导致恶意软件开发与网络攻击的成本急剧下降，给全球互联网物理与软件基础设施带来灾难性的武器化风险。
在过去一个月的联合攻防测试中，Anthropic 与微软、甲骨文、Cloudflare、Mozilla 等约 50 家合作伙伴，已利用 Mythos Preview 在全球关键基础设施中扫描出超过 10,000 个高危或严重级别（High or Critical）的零日漏洞。英国 AI 安全研究所（UK AISI）评估指出，Mythos Preview 是全球首个端到端攻破其所有模拟网络攻防靶场的模型。虽然漏洞挖掘效率提升了十倍以上（如 Mozilla 在测试中利用 Mythos Preview 发现并修复了 Firefox 150 中的 271 个漏洞，达到此前使用 Claude Opus 4.6 时的十倍以上），安全生态依然陷入了前所未有的「修补过载」僵局。
面对「找漏洞仅需数秒，修补漏洞需要数周」的严重时间差，部分开源项目的维护者已要求 Anthropic 减缓漏洞披露速度。为了在「模型被封印」的真空期内缓解防御侧压力，Anthropic 采取了不对称的防御倾斜策略。符合条件的安全团队可以申请定向共享的代码地图、扫描子智能体编排套件与威胁建模工具。企业客户则可部署经过安全限制的 Claude Security 助手（基于 Claude Opus 4.7，三周内已辅助企业修复 2,100 个漏洞）。同时，Anthropic 宣布与 OpenSSF 的 Alpha-Omega 项目开展深度合作，为开源维护者提供漏洞分类与修补的财务和人力支持。
信源：https://www.anthropic.com/research/glasswing-initial-update
Anthropic 在最新一期软件安全合作计划「Glasswing 项目」（Project Glasswing）进展中重申，即便内部测试证明新一代安全基座模型 Claude Mythos Preview 具备极其强悍的漏洞挖掘与网络攻防实力，在开发出更强效的安全对齐机制前，公司将无限期禁止向公众和商业市场开放 Mythos 级模型。在 AI 行业竞相发布大模型、下调 API 定价的背景下，拒绝公开发行的决定显得尤为克制。根据联合测试反馈，Mythos Preview 虽然能大幅降低安全人员寻找漏洞的成本，但无门槛公开发布将导致恶意软件开发与网络攻击的成本急剧下降，给全球互联网物理与软件基础设施带来灾难性的武器化风险。
在过去一个月的联合攻防测试中，Anthropic 与微软、甲骨文、Cloudflare、Mozilla 等约 50 家合作伙伴，已利用 Mythos Preview 在全球关键基础设施中扫描出超过 10,000 个高危或严重级别（High or Critical）的零日漏洞。英国 AI 安全研究所（UK AISI）评估指出，Mythos Preview 是全球首个端到端攻破其所有模拟网络攻防靶场的模型。虽然漏洞挖掘效率提升了十倍以上（如 Mozilla 在测试中利用 Mythos Preview 发现并修复了 Firefox 150 中的 271 个漏洞，达到此前使用 Claude Opus 4.6 时的十倍以上），安全生态依然陷入了前所未有的「修补过载」僵局。
面对「找漏洞仅需数秒，修补漏洞需要数周」的严重时间差，部分开源项目的维护者已要求 Anthropic 减缓漏洞披露速度。为了在「模型被封印」的真空期内缓解防御侧压力，Anthropic 采取了不对称的防御倾斜策略。符合条件的安全团队可以申请定向共享的代码地图、扫描子智能体编排套件与威胁建模工具。企业客户则可部署经过安全限制的 Claude Security 助手（基于 Claude Opus 4.7，三周内已辅助企业修复 2,100 个漏洞）。同时，Anthropic 宣布与 OpenSSF 的 Alpha-Omega 项目开展深度合作，为开源维护者提供漏洞分类与修补的财务和人力支持。
信源：https://www.anthropic.com/research/glasswing-initial-update
Anthropic
Project Glasswing: An initial update
An early update on what we've learned from Project Glasswing.
❤3
xAI旗下Grok灰度测试用户记忆功能，支持查看与编辑用户画像
xAI 旗下大模型 Grok 正在灰度测试全新的用户记忆功能。根据测试页面展示，记忆功能可以自动记录用户在对话中提及的关键个人信息，并生成一份系统化的用户画像。用户能够直接查看与编辑 Grok 记录的个人记忆文件，从而为后续对话提供持续的上下文背景，提升交互流畅度。
在泄露的系统截图中， Grok 自动整理的用户画像包含社交账号、硬件配置、日常职业以及订阅版本等多维度字段，甚至能够根据聊天历史自动识别用户的 Discord 社区管理员身份与 GitHub 开源项目详情。在产品形态上， Grok 的用户画像机制与 OpenAI 之前推出的 ChatGPT 记忆功能类似，但 Grok 的整理维度更为具体和结构化，采用列表形式详细归类用户的个人背景与技术栈。
目前， xAI 官方尚未公布记忆功能的正式上线时间与具体推送范围。
信源：https://x.com/blankspeaker/status/2057644077643190284
xAI 旗下大模型 Grok 正在灰度测试全新的用户记忆功能。根据测试页面展示，记忆功能可以自动记录用户在对话中提及的关键个人信息，并生成一份系统化的用户画像。用户能够直接查看与编辑 Grok 记录的个人记忆文件，从而为后续对话提供持续的上下文背景，提升交互流畅度。
在泄露的系统截图中， Grok 自动整理的用户画像包含社交账号、硬件配置、日常职业以及订阅版本等多维度字段，甚至能够根据聊天历史自动识别用户的 Discord 社区管理员身份与 GitHub 开源项目详情。在产品形态上， Grok 的用户画像机制与 OpenAI 之前推出的 ChatGPT 记忆功能类似，但 Grok 的整理维度更为具体和结构化，采用列表形式详细归类用户的个人背景与技术栈。
目前， xAI 官方尚未公布记忆功能的正式上线时间与具体推送范围。
信源：https://x.com/blankspeaker/status/2057644077643190284
中美AI技术脱钩？Playground创始人警示开源生态双轨分裂风险
Playground AI 创始人 Suhail Doshi 在 X 上指出，中国在算力自主化方面的推进，将导致全球 AI 开源生态面临双轨分裂风险。Doshi 警告，随着中国逐步摆脱对西方硬件的依赖并构建自主算力栈，中国庞大且活跃的开源贡献将转向一套美国不愿或无法使用的技术生态。在美国主流 AI 巨头研究与基础设施日益闭源的背景下，全球开源生态的分裂将反噬美国自身的 AI 创新能力。
极客公园等在评论里指出，算力自主化正导致向内的并行技术脱钩，中国研发团队不仅在融入全球研究循环上面临更多物理壁垒，也难以直接使用美国最新的模型产品。业内工程人员则提到，诸如华为 CANN 异构计算架构等开源软件栈的推广，正在允许更多芯片厂商实现统一接口，从而在英伟达 CUDA 之外加速形成平行的硬件生态。
随着中国因出口管制被迫从头构建开源工具链，美国开发者可能在未来面临两难抉择：要么被迫采用由中国主导并优化的开源系统，要么必须独立重造全部技术轮子。尽管硅谷开源运动倡导者 Guillaume Verdon 认为美国算力栈可能很快超越以浮点运算为核心的传统范式，但短期内由硬件割裂驱动的软件生态分化，已成为中美 AI 竞争中无法忽视的系统性变量。
信源：https://x.com/Suhail/status/2058017662530457759
Playground AI 创始人 Suhail Doshi 在 X 上指出，中国在算力自主化方面的推进，将导致全球 AI 开源生态面临双轨分裂风险。Doshi 警告，随着中国逐步摆脱对西方硬件的依赖并构建自主算力栈，中国庞大且活跃的开源贡献将转向一套美国不愿或无法使用的技术生态。在美国主流 AI 巨头研究与基础设施日益闭源的背景下，全球开源生态的分裂将反噬美国自身的 AI 创新能力。
极客公园等在评论里指出，算力自主化正导致向内的并行技术脱钩，中国研发团队不仅在融入全球研究循环上面临更多物理壁垒，也难以直接使用美国最新的模型产品。业内工程人员则提到，诸如华为 CANN 异构计算架构等开源软件栈的推广，正在允许更多芯片厂商实现统一接口，从而在英伟达 CUDA 之外加速形成平行的硬件生态。
随着中国因出口管制被迫从头构建开源工具链，美国开发者可能在未来面临两难抉择：要么被迫采用由中国主导并优化的开源系统，要么必须独立重造全部技术轮子。尽管硅谷开源运动倡导者 Guillaume Verdon 认为美国算力栈可能很快超越以浮点运算为核心的传统范式，但短期内由硬件割裂驱动的软件生态分化，已成为中美 AI 竞争中无法忽视的系统性变量。
信源：https://x.com/Suhail/status/2058017662530457759
❤1
传OpenAI内测GPT-5.6取得UI去Slop突破，默认生成极简Lumen Notes
爆料博主 leo 晒出的内测截图显示，OpenAI 正在测试的新一代大模型 GPT-5.6 （内部开发代号为 iris-alpha ）在前端界面生成上取得重要突破，实现了显著的 UI 去 Slop化。新模型在没有任何 UI 引导提示的默认状态下，直接生成了一款设计极简、排版考究的笔记应用 Lumen Notes 界面。相较于以往生成式 AI 产出的杂乱、公式化网页，GPT-5.6 展现出极其成熟的网格布局与设计审美，在间距控制、字重分层及关键组件的淡紫色调搭配上都表现得非常克制。
就在十天前，leo 还曾公开吐槽 GPT-5.6 的前端生成能力极差，认为大模型默认产出的排版极度混乱。仅仅一周后，leo 晒出的新版本截图即展现出颠覆性去 Slop 效果，证明 OpenAI 正在有针对性地攻克前端代码生成短板。新模型预计将于六月正式发布，届时将直接与 Anthropic 旗下 Claude 的 Artifacts 交互生成体验展开竞争，为用户提供高审美、可直接复用的前端代码。
信源：https://x.com/synthwavedd/status/2058214368395808870
爆料博主 leo 晒出的内测截图显示，OpenAI 正在测试的新一代大模型 GPT-5.6 （内部开发代号为 iris-alpha ）在前端界面生成上取得重要突破，实现了显著的 UI 去 Slop化。新模型在没有任何 UI 引导提示的默认状态下，直接生成了一款设计极简、排版考究的笔记应用 Lumen Notes 界面。相较于以往生成式 AI 产出的杂乱、公式化网页，GPT-5.6 展现出极其成熟的网格布局与设计审美，在间距控制、字重分层及关键组件的淡紫色调搭配上都表现得非常克制。
就在十天前，leo 还曾公开吐槽 GPT-5.6 的前端生成能力极差，认为大模型默认产出的排版极度混乱。仅仅一周后，leo 晒出的新版本截图即展现出颠覆性去 Slop 效果，证明 OpenAI 正在有针对性地攻克前端代码生成短板。新模型预计将于六月正式发布，届时将直接与 Anthropic 旗下 Claude 的 Artifacts 交互生成体验展开竞争，为用户提供高审美、可直接复用的前端代码。
信源：https://x.com/synthwavedd/status/2058214368395808870
OpenClaw新版将模型列表延迟缩短四千倍，并支持Discord语音会议记录
开源 AI 助手项目 OpenClaw 发布了 v2026.5.22 版本，在网关性能与外部插件支持上迎来重要更新。新版本通过在网关启动时预温热服务商认证状态，将模型列表获取接口的响应延迟从约 20 秒大幅缩短至 5 毫秒，实现了近 4100 倍的性能飞跃。状态预温热机制使得热路径中的模型列出请求得以直接绕过繁琐的插件与外部命令行发现流程。
在插件生态方面，新版首次推出了独立于核心 npm 包的会议记录 (meeting-notes) 外部插件，并支持 Discord 语音频道作为首个实时输入源。用户可以通过只读的命令行工具
底层依赖与生态整合方面，项目将
信源：https://github.com/openclaw/openclaw/releases/tag/v2026.5.22
开源 AI 助手项目 OpenClaw 发布了 v2026.5.22 版本，在网关性能与外部插件支持上迎来重要更新。新版本通过在网关启动时预温热服务商认证状态，将模型列表获取接口的响应延迟从约 20 秒大幅缩短至 5 毫秒，实现了近 4100 倍的性能飞跃。状态预温热机制使得热路径中的模型列出请求得以直接绕过繁琐的插件与外部命令行发现流程。
在插件生态方面，新版首次推出了独立于核心 npm 包的会议记录 (meeting-notes) 外部插件，并支持 Discord 语音频道作为首个实时输入源。用户可以通过只读的命令行工具
openclaw meeting-notes 访问录音，或者将录音手动导入为文本。为了降低多 Agent 部署时的上下文开销并防范敏感信息泄露，新版本还重构了子 Agent 的启动上下文机制，默认只向委派的子 Agent 传输 AGENTS.md 与 `TOOLS.md`，将个人设定、用户记忆与身份密钥文件完全隔离。底层依赖与生态整合方面，项目将
protobufjs 依赖库升级至 8.4.0 版本以修复安全漏洞。针对 xAI 整合，新版支持复用 Grok 的 OAuth 授权文件进行网页搜索。同时，新版将 OpenAI 图片生成重新路由至原生图像接口，彻底解决了合法 API 密钥在 Codex 串流后端鉴权失败导致 401 报错的历史缺陷。信源：https://github.com/openclaw/openclaw/releases/tag/v2026.5.22
OpenAI修复Codex额度异常消耗缺陷，因缓存命中率异常已重置所有账户限额
OpenAI Codex 团队工程主管 Thibault Sottiaux 宣布，已定位并修复了导致 Codex 智能编程系统使用额度异常快速消耗的底层缺陷，并重置了所有受影响账户的额度限制。
Sottiaux 指出，额度异常消耗源于先前部署的性能优化措施。团队在回滚优化过程中发现，缓存命中率在长会话上下文压缩 compaction 时出现大幅下滑。当系统尝试压缩长会话历史以释放空间时，由于缓存无法正常命中， Codex 必须重新计算并处理全部历史上下文，导致 Token 额度异常流失。
目前 OpenAI 已移除导致故障的优化代码，系统状态恢复正常。由于系统缺陷导致用户额度被意外扣除，官方已对所有账户的 Codex 使用额度进行重置，以补偿受影响的用户。
信源：https://x.com/thsottiaux/status/2058280452851638313
OpenAI Codex 团队工程主管 Thibault Sottiaux 宣布，已定位并修复了导致 Codex 智能编程系统使用额度异常快速消耗的底层缺陷，并重置了所有受影响账户的额度限制。
Sottiaux 指出，额度异常消耗源于先前部署的性能优化措施。团队在回滚优化过程中发现，缓存命中率在长会话上下文压缩 compaction 时出现大幅下滑。当系统尝试压缩长会话历史以释放空间时，由于缓存无法正常命中， Codex 必须重新计算并处理全部历史上下文，导致 Token 额度异常流失。
目前 OpenAI 已移除导致故障的优化代码，系统状态恢复正常。由于系统缺陷导致用户额度被意外扣除，官方已对所有账户的 Codex 使用额度进行重置，以补偿受影响的用户。
信源：https://x.com/thsottiaux/status/2058280452851638313
❤2
昇腾跑通1.58比特训练，BitCPM-CANN让8B模型显存降约6倍
面壁智能、清华大学与 OpenBMB 社区发布 BitCPM-CANN，这是首个原生基于华为昇腾 NPU 构建的端到端 1.58 比特（三元）大语言模型训练系统。系统引入的「三元量化」技术将模型权重极简压缩为 -1 、 0 、 1 三个状态。这不仅让显存占用暴降约 6 倍，还把芯片中高能耗的浮点乘法计算变成了简单的加减法，打通了从底层量化算子到昇腾 910B 分布式训练的完整链路。
团队同步推出 0.5B 、 1B 、 3B 、 8B 四个版本，并用 11 个基准对比全精度 MiniCPM4。评测显示， 1B 、 3B 和 8B 三元版本分别保留了各自对应尺寸全精度原版模型 97.1% 、 97.2% 和 95.7% 的平均性能。尽管 8B 版本由于承载高频复杂知识导致量化保留率略低，但绝对能力（ 77.84 分）依然远超三元版 3B（ 72.32 分），在降低部署门槛的同时维持了高智商。 0.5B 版本保留率为 90.1% 。
训练端额外开销也被压得极低，在昇腾 910B 上量化训练吞吐为 148 TFLOP/s，对比全精度的 155 TFLOP/s，额外计算开销仅约 4.5%。本次发布的是伪量化版本，权重已受三元约束但物理上仍以浮点保存，用户可像加载普通模型一样用 Transformers 直接运行，无需任何专用量化库，极大降低了手机、 PC 等端侧部署门槛。
信源：https://x.com/OpenBMB/status/2057816337880355220
面壁智能、清华大学与 OpenBMB 社区发布 BitCPM-CANN，这是首个原生基于华为昇腾 NPU 构建的端到端 1.58 比特（三元）大语言模型训练系统。系统引入的「三元量化」技术将模型权重极简压缩为 -1 、 0 、 1 三个状态。这不仅让显存占用暴降约 6 倍，还把芯片中高能耗的浮点乘法计算变成了简单的加减法，打通了从底层量化算子到昇腾 910B 分布式训练的完整链路。
团队同步推出 0.5B 、 1B 、 3B 、 8B 四个版本，并用 11 个基准对比全精度 MiniCPM4。评测显示， 1B 、 3B 和 8B 三元版本分别保留了各自对应尺寸全精度原版模型 97.1% 、 97.2% 和 95.7% 的平均性能。尽管 8B 版本由于承载高频复杂知识导致量化保留率略低，但绝对能力（ 77.84 分）依然远超三元版 3B（ 72.32 分），在降低部署门槛的同时维持了高智商。 0.5B 版本保留率为 90.1% 。
训练端额外开销也被压得极低，在昇腾 910B 上量化训练吞吐为 148 TFLOP/s，对比全精度的 155 TFLOP/s，额外计算开销仅约 4.5%。本次发布的是伪量化版本，权重已受三元约束但物理上仍以浮点保存，用户可像加载普通模型一样用 Transformers 直接运行，无需任何专用量化库，极大降低了手机、 PC 等端侧部署门槛。
信源：https://x.com/OpenBMB/status/2057816337880355220
X (formerly Twitter)
OpenBMB (@OpenBMB) on X
🚀 BitCPM-CANN by ModelBest × @Tsinghua_Uni × OpenBMB is here — and it's not about stacking parameters.
Memory costs are skyrocketing. Hardware constraints are tightening. Edge AI needs smarter solutions — and BitCPM-CANN delivers！🎉
✅ Edge-ready: 8B model…
Memory costs are skyrocketing. Hardware constraints are tightening. Edge AI needs smarter solutions — and BitCPM-CANN delivers！🎉
✅ Edge-ready: 8B model…
❤2
Anthropic警示2028前AI或自我进化，创始人坦言公司低估迭代速度且准备不足
Anthropic 联合创始人杰克·克拉克 (Jack Clark) 在牛津大学演讲时警告，人工智能 (AI) 极有可能在 2028 年甚至更早实现「递归自我改进」 (recursive self-improvement)。这意味着大模型将具备无需人类干预、自主升级并制造出更强版本的能力。克拉克直言，当前全球多数人对技术自我进化的速度仍选择否认，甚至 Anthropic 自身也严重低估了技术演进的规模，在面对前沿模型的失控风险时准备不足。
在前沿模型能力方面，克拉克以 2026 年 4 月完成训练的内部模型 Mythos 为例，展现了失控的真实边界。Mythos 具备国家级网络攻防武器的破坏力，因杀伤力过大，公司决定无限期禁止向公众公开发布，仅给极少数机构授权用于软件漏洞修复。克拉克坦言，当 Mythos 完成训练并展示出破坏力时，团队内部极度震惊，惊觉全新模型的到来速度远超预期，前置安全响应工作存在严重漏洞。
在伦敦举办的开发者大会上，Anthropic 则展现出完全相反的商业底色。伴随着高达 9000 亿美元的估值融资传闻，Claude Code 创建者鲍里斯·切尔尼 (Boris Cherny) 在会上积极推广 AI 编程工具。当研究人员现场询问有多少人会在未经任何阅读校验的情况下，直接将 Claude 自动编写的代码部署上线时，会场中有大量开发者举手示意。
信源：https://time.com/article/2026/05/22/anthropic-claude-code-jack-clark-ai-safety/
Anthropic 联合创始人杰克·克拉克 (Jack Clark) 在牛津大学演讲时警告，人工智能 (AI) 极有可能在 2028 年甚至更早实现「递归自我改进」 (recursive self-improvement)。这意味着大模型将具备无需人类干预、自主升级并制造出更强版本的能力。克拉克直言，当前全球多数人对技术自我进化的速度仍选择否认，甚至 Anthropic 自身也严重低估了技术演进的规模，在面对前沿模型的失控风险时准备不足。
在前沿模型能力方面，克拉克以 2026 年 4 月完成训练的内部模型 Mythos 为例，展现了失控的真实边界。Mythos 具备国家级网络攻防武器的破坏力，因杀伤力过大，公司决定无限期禁止向公众公开发布，仅给极少数机构授权用于软件漏洞修复。克拉克坦言，当 Mythos 完成训练并展示出破坏力时，团队内部极度震惊，惊觉全新模型的到来速度远超预期，前置安全响应工作存在严重漏洞。
在伦敦举办的开发者大会上，Anthropic 则展现出完全相反的商业底色。伴随着高达 9000 亿美元的估值融资传闻，Claude Code 创建者鲍里斯·切尔尼 (Boris Cherny) 在会上积极推广 AI 编程工具。当研究人员现场询问有多少人会在未经任何阅读校验的情况下，直接将 Claude 自动编写的代码部署上线时，会场中有大量开发者举手示意。
信源：https://time.com/article/2026/05/22/anthropic-claude-code-jack-clark-ai-safety/
NSA拟引入Anthropic绝密新模型，白宫特批90亿美元预算破除算力荒
白宫秘密批准了一项由美国国家安全局 (NSA) 和中央情报局 (CIA) 提出的 90 亿美元机密预算请求，用于采购英伟达 (Nvidia) 顶级芯片 Grace Blackwell，以构建支撑国家安全级别的 AI 硬件基础设施。由于过去预算分配不足，且机密云网络与外网物理隔离、安全要求极高，情报机构的机密算力基础设施建设严重滞后。白宫特批这笔巨额预算，并允许重排 8 亿美元资金，旨在解决硬件短缺危机，以便未来顺畅运行最新大模型。
为解决眼前的算力瓶颈与软件缺口，白宫幕僚长苏西·威尔斯 (Susie Wiles) 授权 NSA 绕过五角大楼的供应链限制，继续采购大模型厂商 Anthropic 研发的最新模型 Mythos。Mythos 于 2026 年 4 月完成训练，具备极强的高级网络安全攻防能力，能发现并武器化漏洞，因而被限制不对外公开发布。由于 Mythos 运行效率高且兼容上一代芯片，本次采购允许情报机构在现有机密服务器上直接部署，避开了新芯片机房建设的时间差，得以便捷获得急需的顶级网络安全能力。
NSA 目前正与 Anthropic 谈判敲定新合同。双方曾因权限问题陷入僵局。国防部曾要求厂商签署「军方可用于任何合法用途」的强制协议，导致合作搁置。鉴于情报机构受法律限制禁止监控本国公民，新合同拟剔除「任何合法用途」条款，转而通过专用免责限制，确保 Mythos 绝不会被用于分析或监控美国公民的数据。情报部门期望新合同能够充当范本，推动后续与 OpenAI 达成类似的机密算力合作。
信源：https://www.nytimes.com/2026/05/22/us/politics/spy-agencies-ai-chips-shortage.html
白宫秘密批准了一项由美国国家安全局 (NSA) 和中央情报局 (CIA) 提出的 90 亿美元机密预算请求，用于采购英伟达 (Nvidia) 顶级芯片 Grace Blackwell，以构建支撑国家安全级别的 AI 硬件基础设施。由于过去预算分配不足，且机密云网络与外网物理隔离、安全要求极高，情报机构的机密算力基础设施建设严重滞后。白宫特批这笔巨额预算，并允许重排 8 亿美元资金，旨在解决硬件短缺危机，以便未来顺畅运行最新大模型。
为解决眼前的算力瓶颈与软件缺口，白宫幕僚长苏西·威尔斯 (Susie Wiles) 授权 NSA 绕过五角大楼的供应链限制，继续采购大模型厂商 Anthropic 研发的最新模型 Mythos。Mythos 于 2026 年 4 月完成训练，具备极强的高级网络安全攻防能力，能发现并武器化漏洞，因而被限制不对外公开发布。由于 Mythos 运行效率高且兼容上一代芯片，本次采购允许情报机构在现有机密服务器上直接部署，避开了新芯片机房建设的时间差，得以便捷获得急需的顶级网络安全能力。
NSA 目前正与 Anthropic 谈判敲定新合同。双方曾因权限问题陷入僵局。国防部曾要求厂商签署「军方可用于任何合法用途」的强制协议，导致合作搁置。鉴于情报机构受法律限制禁止监控本国公民，新合同拟剔除「任何合法用途」条款，转而通过专用免责限制，确保 Mythos 绝不会被用于分析或监控美国公民的数据。情报部门期望新合同能够充当范本，推动后续与 OpenAI 达成类似的机密算力合作。
信源：https://www.nytimes.com/2026/05/22/us/politics/spy-agencies-ai-chips-shortage.html
Nytimes
White House Approves $9 Billion for Spy Agencies to Catch Up on A.I.
The C.I.A. and N.S.A. cannot fully deploy the latest models on their classified systems because of a shortage of cutting-edge chips.
🤯2
Antigravity增设Gemini 3.5 Flash (Low)并重置所有账户额度
谷歌 Antigravity 负责人 Varun Mohan 宣布，针对用户反映系统在处理简单任务时消耗过多 Token 的问题，平台已增设 Gemini 3.5 Flash (Low) 模型用于优化资源消耗。
内部测试数据显示，在处理简单任务时，Gemini 3.5 Flash (Low) 相比 Gemini 3.5 Flash (Medium) 可以减少约 45% 的 Token 生成量。在软件工程（SWE）任务的表现上，Gemini 3.5 Flash (Low) 普遍优于上一代旗舰模型 Gemini 3 Flash (High)。
为确保开发者在接下来的一周拥有充足的资源进行构建，Antigravity 已重置所有方案的 Gemini 额度限制。
信源：https://x.com/_mohansolo/status/2058740603563966758
谷歌 Antigravity 负责人 Varun Mohan 宣布，针对用户反映系统在处理简单任务时消耗过多 Token 的问题，平台已增设 Gemini 3.5 Flash (Low) 模型用于优化资源消耗。
内部测试数据显示，在处理简单任务时，Gemini 3.5 Flash (Low) 相比 Gemini 3.5 Flash (Medium) 可以减少约 45% 的 Token 生成量。在软件工程（SWE）任务的表现上，Gemini 3.5 Flash (Low) 普遍优于上一代旗舰模型 Gemini 3 Flash (High)。
为确保开发者在接下来的一周拥有充足的资源进行构建，Antigravity 已重置所有方案的 Gemini 额度限制。
信源：https://x.com/_mohansolo/status/2058740603563966758
👎1
华为提出τ缩放定律，麒麟芯片今年秋季首用LogicFolding
华为在 2026 年 IEEE 国际电路与系统学术年会 ISCAS 上发布 τ 缩放定律，提出用时间缩放替代几何缩放，为芯片和电子系统演进寻找新路径。基于时间缩放路径，华为推出 LogicFolding 架构，并宣布 2026 年秋季发布的麒麟芯片将首次采用 LogicFolding 架构。
传统摩尔定律依赖晶体管几何尺寸持续缩小，但先进制程正面临物理极限和成本收益下降。 τ 缩放定律的核心，是系统性缩短信号和数据在器件、电路、芯片与系统中的传播时间，从而提升性能、能效和等效晶体管密度。
在器件层，华为通过优化晶体管和互连线的电阻、寄生电容来降低时间常数 τ。在电路层，LogicFolding 打破传统电路布局边界，缩短关键路径布线，降低信号传播的阻容负载。在芯片层，华为通过软件、架构和芯片协同设计提升并行效率。在系统层，UnifiedBus 互联协议面向 SuperPoD 实现统一内存寻址和原生内存语义，以降低系统通信延迟。
华为称，过去 6 年已基于 τ 缩放定律设计并量产 381 款芯片，覆盖手机和 AI 计算等场景。公司预计，到 2031 年，基于 τ 缩放定律设计的高端芯片将达到 14 Å，即 1.4 nm 工艺等效晶体管密度。华为目前披露的是设计方法和路线目标，并未提供 LogicFolding 在麒麟芯片上的独立性能测试数据。
信源：https://www.huawei.com/en/news/2026/5/ieee-iscas-tau-scaling
华为在 2026 年 IEEE 国际电路与系统学术年会 ISCAS 上发布 τ 缩放定律，提出用时间缩放替代几何缩放，为芯片和电子系统演进寻找新路径。基于时间缩放路径，华为推出 LogicFolding 架构，并宣布 2026 年秋季发布的麒麟芯片将首次采用 LogicFolding 架构。
传统摩尔定律依赖晶体管几何尺寸持续缩小，但先进制程正面临物理极限和成本收益下降。 τ 缩放定律的核心，是系统性缩短信号和数据在器件、电路、芯片与系统中的传播时间，从而提升性能、能效和等效晶体管密度。
在器件层，华为通过优化晶体管和互连线的电阻、寄生电容来降低时间常数 τ。在电路层，LogicFolding 打破传统电路布局边界，缩短关键路径布线，降低信号传播的阻容负载。在芯片层，华为通过软件、架构和芯片协同设计提升并行效率。在系统层，UnifiedBus 互联协议面向 SuperPoD 实现统一内存寻址和原生内存语义，以降低系统通信延迟。
华为称，过去 6 年已基于 τ 缩放定律设计并量产 381 款芯片，覆盖手机和 AI 计算等场景。公司预计，到 2031 年，基于 τ 缩放定律设计的高端芯片将达到 14 Å，即 1.4 nm 工艺等效晶体管密度。华为目前披露的是设计方法和路线目标，并未提供 LogicFolding 在麒麟芯片上的独立性能测试数据。
信源：https://www.huawei.com/en/news/2026/5/ieee-iscas-tau-scaling
Huawei
HUAWEI Presents the Tau (τ) Scaling Law, Enabling Breakthroughs in Transistor Density and System Performance
[Shanghai, China, May 25, 2026] Today, at the 2026 IEEE International Symposium on Circuits and Systems (ISCAS), He Tingbo from HUAWEI delivered a keynote speech titled "New Semiconductor Path in Practice". In her speech, she presented the Tau (τ) Scaling…
腾讯ima copilot全面开放，支持知识号发布自定义Skill
腾讯正式结束为期一个月的灰度测试，向全体用户开放个人知识库智能体 ima copilot。
ima copilot 记忆系统可持续积累用户的个人背景、偏好与项目进度，实现个性化服务。在处理复杂任务时，系统可直接读取用户在 ima 中存储的文件、笔记与参考资料，进行跨文档的关联汇总和内容生成。
在模型接入方面，ima copilot 除内置官方模型外，支持用户自行接入第三方大模型 API Key。ima 知识号也同步开通了 Skill 发布功能，促使知识广场从内容平台向能力平台演进。
用户可在 PC 或移动客户端的发现页面进入 Skill 广场，根据使用场景搜索并一键安装官方或第三方 Skill，首批上线的官方功能包括微信读书助手、腾讯招聘助手等。创作者也可在我的知识号后台封装并发布个人专属的 Skill，将特定领域的知识沉淀与工作流方法论进行工具化流通。
信源：https://mp.weixin.qq.com/s/O4Q6rgH_nPf_wsLqqOInxw
腾讯正式结束为期一个月的灰度测试，向全体用户开放个人知识库智能体 ima copilot。
ima copilot 记忆系统可持续积累用户的个人背景、偏好与项目进度，实现个性化服务。在处理复杂任务时，系统可直接读取用户在 ima 中存储的文件、笔记与参考资料，进行跨文档的关联汇总和内容生成。
在模型接入方面，ima copilot 除内置官方模型外，支持用户自行接入第三方大模型 API Key。ima 知识号也同步开通了 Skill 发布功能，促使知识广场从内容平台向能力平台演进。
用户可在 PC 或移动客户端的发现页面进入 Skill 广场，根据使用场景搜索并一键安装官方或第三方 Skill，首批上线的官方功能包括微信读书助手、腾讯招聘助手等。创作者也可在我的知识号后台封装并发布个人专属的 Skill，将特定领域的知识沉淀与工作流方法论进行工具化流通。
信源：https://mp.weixin.qq.com/s/O4Q6rgH_nPf_wsLqqOInxw