美团发布「跑腿Skill」，可接入多家AI助手

美团正式将下单与配送履约能力封装为标准化接口「跑腿 Skill」，面向外部 AI 助手生态开放。目前已有多家第三方 AI 助手完成接入，支持用户直接在外部交互界面完成即时配送下单，无需跳转美团客户端。

Skill 接口旨在将原有的配送调度网络与履约闭环延伸至外部入口。除了即时配送，美团孵化的 AI 原生社交社区「觅游」也已于 5 月开启公测，后续计划与本地生活业务展开联动。

行业分析指出，开放「跑腿 Skill」是 C 端高频即时履约业务与外部 AI 结合的典型尝试。接口集成并非对外输出底层大模型，而是将调度履约、下单等成熟业务进行组件化封装，直接嵌入主流 AI 助手。虽然接入有助于拓宽服务入口，但仅靠开放 Skill 难以构成核心技术壁垒。在即时配送赛道，美团仍需面对阿里即时配送体系、字节智能履约与 AI 生态，以及京东到家、闪送等垂直平台的竞争，后续竞争优势的构建仍取决于配送调度网络的数据闭环与复用效率。

信源：https://mp.weixin.qq.com/s/rEBvyzSqHJO8KDknbgMM4w

Kimi与开源社区达成和解：风控升级误伤第三方工具，「双标公关」系误会

月之暗面旗下 Kimi Code 团队与开源社区于 5 月 26 日晚达成和解，彻底平息了封号事件引发的订阅风控与公关双标危机。开源开发者 Leechael 宣布删除早前言论过激的发言，并确认 pi-provider-kimi-code 插件将继续维护。付费订阅会员未来可在 Pi Coding Agent 等第三方工具中继续安全使用 Kimi Code Plan 。

Kimi Code 团队成员 Young 发布官方中文声明，解释了封号防御的技术细节。团队近期为打击中转站售卖和异常请求，升级了风控防御策略，并将 User-Agent 标识作为判定依据之一。然而，风控模型未充分考虑社区存在较多构造为 Kimi CLI User-Agent 的第三方 Code Agent （如 Pi ），导致系统将正常请求判定为恶意伪造，误伤了大量合规订阅用户。

双标争议实为多渠道沟通时差导致的误会。 Young 向本频道解释，由于国内大模型开发者主要聚集在月之暗面的官方飞书大群，团队在事件发生后第一时间已在飞书内部做了解答与安抚，而 X 平台的英文回复由于时差和跨平台运营出现延迟，无意间造成了只向外网道歉的双标假象。目前，月之暗面已全面调整风控策略，受限账号已全部恢复正常，并开始主动联系第三方开发者优化 User-Agent 判定。

和解达成后， Leechael 透露 Kimi 研发人员已与 Leechael 进行深入沟通，重新建立起对国产大模型生态的基本信心，并开始为 Kimi 个人智能体编写专属的前缀缓存优化指南。

信源：https://x.com/Leechael/status/2059202023539822987

周处理25万亿tokens，OpenRouter完成1.13亿美元B轮融资

OpenRouter 宣布完成 1.13 亿美元 B 轮融资，由谷歌母公司 Alphabet 旗下独立成长基金 CapitalG 领投，NVentures、ServiceNow Ventures、MongoDB Ventures、Snowflake Ventures、Databricks Ventures 参投，a16z 与 Menlo Ventures 等老股东继续跟投。

OpenRouter 是一个 AI 模型交易与路由平台，企业可通过一个 API 调用 Anthropic、Google、OpenAI、xAI、DeepSeek 等提供方的 400 多个模型。

这轮融资最硬的支撑是用量增长。公司称，其平台每周处理量已升至 25 万亿 tokens，约合每月 100 万亿 tokens，较 6 个月前的每周 5 万亿 tokens 增长 5 倍。平台目前服务超过 800 万全球用户，包括 AI 原生创业公司和大型企业。

OpenRouter 要解决的是企业从单模型调用转向多模型调度后的控制问题。不同任务需要在成本、延迟、能力和数据处理政策之间取舍，企业需要统一的路由、权限、支出可视化和审计型使用报告。公司称，新融资将用于扩展路由、治理和优化能力。

模型公司继续卷价格和能力，开发者反而更需要一个中间层来比较、切换和调度模型。谁掌握真实调用流量，谁就更接近企业 AI 采购和模型分发的关键位置。

信源：https://x.com/openrouter/status/2059277623629664758?s=46

永久降价最高99%并统一上下文计费，小米MiMo大模型全面升级计费与套餐体系

小米旗下大模型 API 迎来大范围价格调整，对自研大模型 MiMo-V2.5 系列实施永久性大幅降价，降幅最高达到 99 %。本次降价不仅大幅压低了基础单价，还取消了长文本计费溢价，实现所有上下文长度统一计费。

具体计费方案显示，旗舰级模型 MiMo-V2.5-Pro 的输入缓存命中价格被压至每百万 tokens 仅 0.0036 美元，较长文本计费降幅达 99 %，输入缓存未命中价格调整为每百万 tokens 0.435 美元，降幅为 78 %，输出价格则降至每百万 tokens 0.87 美元，较原定价降低 86 %。标准版模型 MiMo-V2.5 的输入缓存命中价格降至每百万 tokens 0.0028 美元，较长文本计费降低 98 %，输入缓存未命中价格为每百万 tokens 0.14 美元，降幅达 83 %，输出价格则降至每百万 tokens 0.28 美元，降幅为 93 %。

除了直接降低 API 单价，大模型订阅套餐也迎来了全面升级，引入统一的点数计费机制。新套餐维持原有的 6 美元、 16 美元、 50 美元与 100 美元四档包月价格不变，但可用点数额度分别提升至 41 亿点、 110 亿点、 380 亿点与 820 亿点。在新规则下，调用 MiMo-V2.5 系列模型消耗的点数极低，如 MiMo-V2.5 输入缓存命中每 token 仅消耗 2 点，缓存未命中消耗 100 点，输出消耗 200 点。凭借新模型极低的点数消耗率，订阅用户在相同包月价格下可获得相当于原额度 5 至 8 倍的可用 token 额度。为回馈现有订阅用户，所有历史套餐额度将获得全额重置。

伴随价格下调，前期推出的开发者扶持计划也宣布提前收官。于 4 月 28 日启动的小米 MiMo 100 万亿 Token 开发者扶持计划已经正式结束，全球共计 548,664 名开发者递交申请，最终批准 241,879 人，累计发放了 100 万亿 tokens 的额度，折合人民币价值达 65,834,211 元。虽然扶持计划提前结束，但面向 Apache 软件基金会 committers 的专项福利维持长期开放，不受本次收官影响。

信源：https://x.com/XiaomiMiMo/status/2059314052892099070

MiniMax预告M3稀疏注意力，1M上下文提速9.7倍

MiniMax 工程负责人 Skyler Miao 在 X 预告新一代模型 M3，并公布了全新注意力架构：MiniMax Sparse Attention (MSA，稀疏注意力机制)。

在 100 万 (1M) tokens 超长上下文场景下，相较于采用全注意力架构（Full Attention，即稠密注意力）的 M2，M3 在 Prefill（预填充）阶段的注意力延迟下降，对应提速约 9.7 倍；Decode（解码）阶段的注意力延迟下降，对应提速约 15.6 倍。

随着上下文窗口迈向百万级别，长文本推理的瓶颈正在发生转移。以往显存容量（VRAM）是核心限制，而当上下文达到 100k 以上时，全稠密注意力高昂的计算成本（FLOPs）便成为本地部署的主要瓶颈。Redis 创始人 Salvatore Sanfilippo (antirez) 评价 MSA 路线为「正确的道路」，认为在本地推理中稠密注意力的开销难以为继。这与行业内其他长文本方案的探索方向一致：例如 DeepSeek V4 在 1M 上下文上的系统级优化，同样依赖混合注意力设计，通过压缩 KV 轴、压缩稀疏注意力（CSA）、高压缩率注意力（HCA，指 128 倍压缩后执行稠密注意力）与滑动窗口注意力（SWA），在降低 KV 缓存压力与节省计算开销之间取得平衡。

对长文本注意力机制的攻坚，是 MiniMax 路线选择的又一次折返。早期 M1 系列曾深度使用 Lightning Attention 等线性注意力，但 M2 却退回了全注意力架构。2025 年 10 月 29 日，预训练负责人孙浩海在官方博客中详解过折返背后的技术权衡：线性或稀疏注意力在常规榜单上表现良好，但在代码、数学、Agent 及长链 CoT（链式思考）等复杂推理场景下容易暴露性能退化问题；同时，当时前缀缓存（Prefix Caching）、低精度状态存储与投机解码等配套系统也尚不成熟。MSA 的推出表明 MiniMax 正在重新进攻高效注意力路线。

虽然分块索引和稀疏计算的设计路径清晰，但 MSA 是否能在不损害模型推理能力的前提下稳定落地，仍有待正式技术报告、权重开源与第三方复现的检验。

信源：https://x.com/SkylerMiao7/status/2059285750458544561

Anthropic发布Claude Code自动漏扫与修复插件

Anthropic 推出终端编程智能体 Claude Code 专属安全插件 security-guidance ，支持在代码编写会话中实时拦截并自动修复安全漏洞。 Anthropic 内部基准测试与灰度数据显示，启用安全审查后，拉取请求 PR 的安全修复意见减少 30 % 至 40 %，在代码交付人工评审前构建起第一道弹性防线。

安全检验分段在文件编辑、会话结束与代码提交三个阶段触发。编辑文件时，本地规则将实时匹配动态代码执行（如 eval 或 child_process.exec ），不安全反序列化（如 pickle ）与 DOM 注入等已知高危模式，扫描不调用大模型，无额外 API 费用。会话结束时，后台模型异步比对工作区的 Git 差异（ Git Diff ），拦截授权绕过、不安全直接对象引用与弱加密等逻辑漏洞。当开发者使用命令行执行 git commit 或 git push 提交推送时，则触发深度智能体评审，自动读取调用链与消毒器等周边代码上下文以排除误报。

企业可向 .claude/claude-security-guidance.md 写入纯文本安全规则，或通过 .claude/security-patterns.yaml 自定义正则匹配，规则将被作为附加上下文与内置清单共同加载。运行插件需保证 Claude Code CLI 在 2.1.144 及以上版本，且本地 PATH 包含 Python 3.8 或更高版本。首次激活时，系统将在本地 ~/.claude/security/ 路径下自动部署虚拟环境并安装 Agent SDK 。

信源：https://code.claude.com/docs/en/security-guidance

披露三款智能体安全架构演进，Anthropic详解如何以沙箱与虚拟机锁死Claude

Anthropic 发布技术博客，系统公开了旗下 claude.ai 、 Claude Code 与 Claude Cowork 三款智能体产品的安全架构演进与实战漏洞。文章强调，当大模型的能力上限不断突破，传统的用户手动审批不仅会引发审批疲劳，概率性的模型层（ Model Layer ）拦截也始终存在漏报；要锁死数据外泄，必须以环境层（ Environment Layer ）的物理容器与虚拟机隔离作为第一道硬性防线。

在命令行工具 Claude Code 中，早期版本依靠开发者手动审批每一轮网络与写入指令。然而内部遥测表明，频繁弹窗引发了极高的审批疲劳，用户平均通过率高达 93 %。为了降低审批成本， Anthropic 引入了操作系统级沙箱（ macOS 使用 Seatbelt ， Linux 使用 bubblewrap ），默认在工作区内静默运行但彻底拦截网络，成功减少 84 % 的弹窗打扰。即便后续上线的自动模式（ auto mode ）使用小型分类器代劳，分类器的漏拦率也高达 17 % ，证明物理沙箱仍是安全基底。

在一次内部红队演练中，安全研究员通过钓鱼手段诱导员工在终端运行了一段普通指令，诱骗 Claude 读取本地 ~/.aws/credentials 凭证并外发。测试共进行了 25 次， Claude 在 24 次中成功实现数据外泄，胜率高达 96 %。演练结果证明，如果指令直接来自用户，模型层防御将彻底失效，只有环境层的出站流量拦截（ Egress Controls ）和文件控制才是底线。在前期版本迭代中， Anthropic 于 2026 年 1 月前修复了 3 处 Claude Code 启动漏洞：恶意仓库可在目录处于未受信任状态时，通过 .claude/settings.json 自动触发预设钩子（ Hook ）；目前系统已修改为在用户确认信任后才解析本地配置。

企业通用办公产品 Claude Cowork 采取了更为极端的安全边界，将运行环境完全置于独立的 Linux 虚拟机中（ macOS 平台基于 Apple Virtualization 框架， Windows 平台基于 HCS ），使宿主机的凭证与文件对虚拟机完全不可见。但第三方披露表明，由于出站白名单默认放行了 api.anthropic.com ，恶意工作区文件曾诱导 Claude 读取本地敏感数据，并通过攻击者的 API 密钥直接将文件上传至攻击者的个人账户，实现了对虚拟机出站拦截的绕过。为了彻底堵死借道官方 API 的外泄路径， Anthropic 最终在虚拟机内侧部署了防御型中间人代理（ Man-in-the-middle proxy ），强制过滤所有发往官方 API 流量，只放行携带本轮虚拟机 session token 的请求，直接拒绝攻击者嵌入的外部密钥。

信源：https://www.anthropic.com/engineering/how-we-contain-claude

解密底牌：MiniMax发布M2技术报告，详述MoE底座与Agent训练系统

继预告 M3 稀疏注意力后，MiniMax 在 arXiv 提交了 M2 系列 35 页技术报告《The MiniMax-M2 Series: Mini Activations Unleashing Max Real-World Intelligence》，首次系统归档了旗舰级 MoE 架构设计、数据管线与 Agent 原生基础设施。报告详述了早期 M1 探索混合线性注意力路线后，M2 选择配合 GQA 重回全注意力路线的技术妥协，并展示了如何用 MTP、Sigmoid 路由和 Forge 在推理与训练两端补成本短板，同时首次披露了超长上下文 Agent RL 训练系统 Forge 与 M2.7 的自进化机制。

报告详细公开了应对全注意力架构在极限长文本下开销的技术补偿方案。为了在 192k 原生上下文下降低推理时延，MTP 模块在预训练阶段预测未来 1 个 token，并在微调阶段通过权重复制扩展为并行预测 3 个 token，在推理时直接作为投机解码草稿，无需额外挂载草稿模型。在 MoE 路由端，M2 舍弃传统的 Softmax，改用带有可学习偏差的 Sigmoid 门控评估专家路由，消除了传统 MoE 路由的零和博弈约束，平滑专家激活并平抑训练方差。全稠密 GQA 在极限长文本下的高昂开销，也成为 M3 转向分块索引稀疏注意力（MSA）的技术背景。

除了推理端，长序列强化学习训练也是 Agent 工程的核心瓶颈。报告首次公开了 MiniMax 自研 Agent 原生训练系统 Forge 的架构细节。为解决多轮对话长序列训练中吞吐量与显存的瓶颈，Forge 平台引入「窗口化先进先出调度（Windowed-FIFO Scheduling）」平抑序列长度方差导致的 Pipeline 计算阻塞，并配合「前缀树合并（Prefix Tree Merging）」将多轮 Rollout 中的共享前缀合并为前缀树计算，最高带来 40 倍的训练提速，大幅削减了长序列 Agent 强化学习的训练成本。

作为最终演进版本，M2.7 首次展示了智能体自主进化的完整工程闭环。模型可在内部基础设施上自主执行超过 100 轮「分析失败轨迹、规划修改、改 scaffold 代码、跑评测、比较结果、保留或回退」循环，使内部评测性能提升 30%。同时，报告还披露了 20T tokens 预训练数据集清洗管线以及由 8k -> 16k -> 32k -> 192k 的渐进式上下文两阶段预训练课程。得益于算法与系统的协同优化，单 token 激活 9.8B 参数的 M2.7 在软件工程智能体基准 SWE-Pro 上取得 56.22% 的得分，在 Multi-SWE-bench 上达到 52.7%，并在机器学习工程基准 MLE Bench 的测试中取得 66.6% 的平均奖牌率，表现与 Gemini-3.1 持平。

信源：https://arxiv.org/abs/2605.26494

DeepSeek与小米联手开创百万上下文零成本时代

继阿里 Qwen 团队为 Qwen3.7-Max 开启最高减免 80% 输入成本的隐式缓存后，小米宣布永久降价自研 MiMo-V2.5 系列 API，与 DeepSeek V4 全系列定价完全对齐。旗舰型号的输入缓存命中价格同为每百万 tokens 0.0036 美元，未命中为 0.435 美元，输出为 0.87 美元。对齐动作旨在拦截全球开发者流量，全面加速智能体 Agent 场景普及。

在 4 月 24 日发布后的一个月里，DeepSeek V4 Flash 以 7.99 万亿 tokens 的消耗量登顶 OpenRouter 月度榜首，V4 Pro 跻身前十。在 Cursor 与 Claude Code 等高频读取代码库的 Agent 编程场景下，得益于 99% 的前缀缓存率，开发者使用 Pro 模型消耗 8000 万 tokens 仅需 4 元人民币，使用 Flash 模型单日消耗 278 亿 tokens 仅需 160 美元。

作为对比，阿里 Qwen3.7-Max 的自动隐式缓存仅提供 80% 折扣，显式缓存则面临 125% 的首次创建溢价与 5 分钟的生存周期。高额创建溢价与短暂驻留，在技术上暗示了系统缓存构建与保留开销高，单位 token 计算负荷与 KV 缓存占用限制了让利空间。

小米与 DeepSeek 敢于降价，得益于底层的算法红利。在 100 万 tokens 的推理中，DeepSeek V4 依靠压缩稀疏注意力 CSA 与强压缩注意力 HCA，将推理算力 FLOPs 降至上一代的 27%，KV 缓存空间降至 10%，较传统 GQA 模型缩减超百倍。小米 MiMo-V2.5-Pro 则在 1.02T 总参数中仅激活 4.1%（42B），交错堆叠滑动窗口 SWA 与全局注意力 GA，将长上下文 KV 缓存开销降低 7 倍，配合多 token 预测 MTP 将输出吞吐量提升 3 倍。两套方案均在算法层面压榨了资源，宣告了低成本普及时代的到来。

修复提示词缓存回归漏洞，xAI重置Grok Build所有账户额度

xAI 宣布修复旗下终端编程智能体 Grok Build 的提示词缓存 (Prompt Caching) 回归漏洞，对所有账户的使用额度执行全额重置。

回归漏洞源于 5 月 21 日上线的一项引擎采样重构。为了支持 X 搜索与更快的网页检索，开发团队将引擎采样切换至新代码路径，但新路径未能正确调用系统用于检索提示词缓存的 HTTP 请求头 x-grok-conv-id，导致请求在执行时遭遇缓存大面积失效。

由于缓存失效，智能体在处理长提示词时无法重用已有的 KV 缓存，迫使系统重复计算全部上下文，引发了 Token 消耗加剧与首字延迟 (Time to first token) 变长。面对用户的额度异常损耗，开发团队坦承在追踪缓存命中率方面不够勤勉 (not diligent enough)，且由于并发的 API 流量涌入产生不一致的缓存命中表现，干扰了最初的异常排查，导致定位漏洞的时间比以往更长。

目前，开发团队已完成漏洞修复，并部署了专门的告警监控与回归测试。

信源：https://x.com/xai/status/2059375342683636066

出走半年后回归字节，分布式专家林海滨重返字节Seed团队

原字节跳动大模型训练负责人林海滨正式回归 Seed 团队，继续统筹分布式训练底座的开发。林海滨去年 12 月离职加盟 OpenAI 前首席科学家伊利亚·苏茨克沃 （Ilya Sutskever） 创立的超级智能公司 SSI （Safe Superintelligence） ，从出走到回归历时不足半年。林海滨作为卡内基梅隆大学 （CMU） 硕士、师从著名数据库专家安迪·帕夫洛 （Andy Pavlo） 教授的 AI 专家，曾主导开源了强化学习训练框架 veRL 与万卡级分布式训练系统 MegaScale ，林海滨的快速回流折射出中美大模型顶级人才流向的变化。

在 2020 年加入字节跳动 AML （应用机器学习） 团队前，林海滨曾在亚马逊 AWS 参与 MXNet 框架研发。在字节跳动期间，林海滨牵头研发了 GPU 推荐训练系统与集合通信库 ByteCCL ，并带队攻克上万张 GPU 并行协同难题以打磨出 MegaScale 训练系统。当前豆包大模型日均调用量处于高位，多模态与智能体研发对训练集群的稳定性要求极高，林海滨此前对字节跳动整套技术体系的熟悉度，能够直接支持底层分布式训练系统的迭代。此外，林海滨主导开发的开源强化学习训练框架 veRL 已被阿里巴巴通义千问与上海 AI 实验室采用。

字节跳动的人员回流规定指出，员工离职满 3 个月且无违规记录可申请重返公司，离职不足 1 年则职级与薪资保持不变。林海滨重返字节跳动，呼应了近期针对大模型核心团队的激励举措。字节跳动向 Seed 部门员工开放了定价为每股 13 美元的「豆包股」特殊期权认购权。目前大模型人才战已升级为「期权+自主权+算力」的综合争夺，此前 Seed 实验室曾有约 70 名成员流向外部大模型厂商，字节跳动正试图通过特殊股权设计逆转人员流失。

信源：https://mp.weixin.qq.com/s/6eaRVAuBktUcYaYcDOt2AQ

MathCode 0.2.0发布，引入前缀缓存整形令API成本骤降九成

Math-AI 团队发布数学形式与定理证明 AI 智能体 MathCode 0.2.0，通过前缀缓存请求整形与策略控制，将 API 成本降低达 90%。新版本针对大模型在长程证明和多轮交互中的高额开销，优化提示词结构稳定性以提升 Prompt 缓存命中率。

在定理证明场景下，模型需频繁读取庞大代码库与公理库。MathCode 0.2.0 引入前缀缓存请求整形诊断与策略控制 Prefix-cache request-shape diagnostics and policy controls 机制。系统屏蔽提示词头部归属以保障结构稳定性，新增多断点缓存 `MATHCODE_CACHE_MULTI_BREAKPOINT`、显式最小前缀网关与空闲感知 TTL 策略，通过底层请求形状对齐最大化 Provider 原生缓存命中率，将长会话账单压至一成。

新版本还强化了任务管理与思考深度控制。为防长程运行超支，系统支持通过 MATHCODE_GOAL_MAX_TOKEN_BUDGET 设定 Token 预算上限，并限制嵌套斜slash命令上限防范无限循环。此外，证明会话支持通过 --effort 或 /effort 动态调整思考深度，提供 low`、`medium`、`high`、`max 等级别，且支持随时退回默认配置。

在编译加速与部署方面，新版本支持外接 Project Numina 开发的编译器 Kimina Lean Server 作为子进程常驻运行，并将编译检查请求路由至 /verify 接口。同时，安装脚本 setup.sh 迎来重构，新增 --status`、`--clean 等指令，支持 release 校验和自动验证与复用系统 Lean/Lake environment 环境，降低部署门槛。

信源：https://github.com/math-ai-org/mathcode

规避美国AI出口禁令，高通携手字节跳动像素级对齐合规芯片代工

高通与字节跳动达成大模型芯片代工与采购协议。高通将协助字节跳动把已完成的自研芯片设计转化为量产芯片，并向字节跳动供应数百万颗定制 ASIC 芯片，以支持旗下 AI 智能体「豆包」的数据中心部署。

为应对严格的地缘政治审查，交易在合规维度进行了精密边界设计。高通委托台积电等代工厂为字节跳动进行流片与制造，只要定制芯片的计算性能控制在合法出口阈值内，相关代工生产便不会违反美国政府现行的 AI 芯片出口管制条例。

大模型与智能体生态的爆发式增长，促使字节跳动大幅拉高数据中心资本开支。行业公开数据显示，字节跳动已将 AI 基础设施预算调高 25 %，达到 2000 亿人民币（约合 294 亿美元）。引入数百万颗高通定制 ASIC 芯片，有助于字节跳动平抑对高端 GPU 的刚性依赖与采购成本。这笔巨额订单不仅是高通从手机处理器向 AI 基础设施跨界转型的里程碑，也让字节跳动成为高通数据中心定制芯片的首批大客户，推动高通股价盘中大涨 8.3 %，创下历史新高。高通首席执行官克里斯蒂亚诺·安蒙 Cristiano Amon 在 4 月的第二财季财报电话会议中曾暗示，高通正在与多家大客户展开 AI 数据中心芯片采购的深度接洽，字节跳动订单的最终落地证实了高通在数据中心芯片业务上的实质性突破。

信源：https://www.bloomberg.com/news/articles/2026-05-26/qualcomm-strikes-ai-chip-deal-with-tiktok-owner-bytedance

最后一刻撕毁AI安全令并引入前司法部长，特朗普誓以零监管在AI竞赛中战胜中国

美国人工智能监管政策发生急剧转向。总统特朗普在签字仪式举行前数小时，决定无限期推迟签署原定于 5 月 21 日发布的前沿大模型审查行政命令。随后，特朗普于 5 月 26 日宣布任命前司法部长帕姆·邦迪（Pam Bondi）加入总统科技顾问委员会（PCAST）。从撤回行政令到引入法律派强人，白宫正将科技顾问委员会打造为清扫监管的法律前线。邦迪的诉讼背景配合萨克斯的去监管主张，意在通过法律起诉扫除各州设立的防御性技术壁垒，全面推行放任前沿AI野蛮生长以击败中国的极限路线。

白宫此前起草的安全审查草案聚焦于发布前置审查。虽然条文已将最初设想的类食品药品监督管理局（FDA）强制许可制稀释为「自愿性前置审查框架」，但仍要求开发商在公开发布大模型前，提前最多 90 天向政府共享模型以评估国家安全风险。针对提案设立的审查期限，前沿实验室曾极力游说将时间压缩至发布前 14 天；而特朗普则在最后关头索性将草案全盘撤回，称不满意草案条款，并担忧联邦预审会削弱美国相对于中国的竞争优势，导致国家网络总监办公室（ONCD）等部门的数月努力彻底落空。

白宫去监管政策的急转直下，呼应了顾问委员会联合主席大卫·萨克斯（David Sacks）公开表露的政策立场。针对教皇利奥十四世在 5 月 25 日发布的通谕《伟大的人性》（Magnifica Humanitas）中关于「人工智能革命威胁人类尊严」的警告，萨克斯虽赞同人工智能应服务人类尊严，但极力反对给政府兜底控制权，坚称将模型研发主导权拱手让给政府才是「真正的对齐问题」。萨克斯强调，政府控制极易演变为审查、监视与掌控公民的极权工具，并引用古罗马名言「谁来监督监督者」与「权力导致腐败，绝对权力导致绝对腐败」进行驳斥。萨克斯对前司法部长邦迪履新顾问委员会表示全力支持，标志着白宫将利用司法起诉手段阻击各州出台的冲突法案，以极端的去监管方针，保障美国在与中国的大国 AI 竞赛中维持绝对领先地位。

信源：https://x.com/DavidSacks/status/2059482315219460150

恒指季检效应持续发酵，港股「AI双雄」智谱与MiniMax联袂大涨创历史新高

5 月 27 日，港股大模型板块继续走强，被称为港股「AI双雄」的智谱（02513.HK）与 MiniMax（00100.HK）股价联袂大涨。截至收盘，智谱上涨 5.95% 报 1425.00 港元，盘中最高触及 1468.00 港元，再度创下上市以来新高，总市值达 6353.26 亿港元，全天成交额达 13.79 亿港元；MiniMax 录得 10.53% 的涨幅报 850.00 港元，盘中最高达 856.00 港元，总市值达 2665.90 亿港元，全天成交额达 27.57 亿港元。

恒生指数公司近期公布的季度检讨结果是资金流入的核心诱因。5 月 22 日收市后公布的季度检讨结果显示，智谱与 MiniMax 被正式纳入恒生科技指数，调整将于 6 月 8 日正式生效。市场分析指出，纳入指数的预期直接带动了市场关注度，并提前吸引了被动指数基金与中长线配置资金买入，提供了强劲的流动性支撑。

除了指数纳入效应，两家公司近期在技术与商业化层面的高频进展也巩固了估值底部。智谱于近期推出 GLM-5.1 高速版 API，大幅刷新了行业模型输出速度上限；MiniMax 则连续发布 M3 稀疏注意力（MSA）技术预告与 35 页的 M2 系列完整技术报告，展示了在长文本与智能体（Agent）训练系统上的核心技术增量，且模型全球调用量稳居前列。作为港股唯一的稀缺性大模型核心资产，两家公司在技术红利与资金配置的共振下，估值空间正得到进一步释放。

字节跳动今年资本支出拟飚至最高700亿美元，明年筹划千亿级别底座决战

字节跳动拟将今年资本支出拉高至最高 700 亿美元以扩建 AI 基础设施。新预算较去年约 250 亿美元翻了近两倍，具体开支约 4000 亿至 5000 亿元人民币（约合 590 亿至 740 亿美元）。这笔投入将由 2025 年约 500 亿美元的利润承托。若商业环境良好，明年开支或进一步升至 1000 亿美元。

字节跳动的扩张规模远超国内同行。相比之下，国内巨头在 AI 基础设施上的投入较为克制。腾讯 2025 年资本支出为 792 亿元人民币，并承诺今年将 AI 投资翻倍至 360 亿元以上。阿里巴巴截至今年 3 月的财年资本支出为 1260 亿元，目前维持三年超 500 亿美元的滚动投资目标。字节跳动单年规划已超越国内对手数倍总和。

受制于高端芯片出口管制，本土低成本成为字节跳动的独特优势。中国数据中心建设与运营成本远低于美国，可用更低资金购入等量基础设施容量。微软、谷歌、亚马逊和 Meta 四大超大规模云厂商今年资本支出总额高达 7250 亿美元，平均每家 1810 亿美元。字节跳动正多元化补充算力，近期与高通达成数百万颗定制 ASIC 芯片采购协议，以支撑月活超 3 亿的豆包大模型及 Seedance 等底层视频与文本模型生态。

目前字节跳动正收拢业务线以聚焦 AI 研发。过去一年中，公司剥离游戏等非核心业务，集中资金主推 AI 与社交大盘。在最新一轮股权交易中，字节跳动估值约 5500 亿美元。尽管开支预算会按季度调整，且最终支出取决于计算硬件与电力供应状况，但字节跳动在大模型、商业化及底层硬件采购上的提速，展现出谋求算力与智能体主导权的决心。

信源：https://www.bloomberg.com/news/articles/2026-05-27/bytedance-weighs-capex-of-as-much-as-70-billion-in-ai-push

长鑫科技科创板IPO过会，未来业绩波动风险与百亿级员工激励遭现场问询

5 月 27 日，上交所审核通过长鑫科技集团股份有限公司（简称长鑫科技）的科创板 IPO 申请。作为国内唯一具备通用型 DRAM 大规模量产能力的集成电路龙头，长鑫科技首单适用「预先审阅」机制顺利过会。但上市委现场针对未来业绩波动风险及第二期员工股权激励计划提出了核心问询。

在业绩端，招股书披露了极其剧烈的扭亏反转：公司在 2023 与 2024 年累计净亏超 282 亿元，于 2025 年扭亏，并在 2026 年第一季度因全球算力激增实现营收 508.00 亿元（同比暴增 719.13%）、归母净利润 247.62 亿元。长鑫科技预计 2026 年上半年营收将达 1100 亿至 1200 亿元。上市委现场要求长鑫科技结合全球竞争格局、产能扩建、人工智能新技术路线，说明未来业绩是否存在较大波动风险。

在股权激励端，本期员工激励计划因朱一明自愿让渡个人 50% 股份（约 7.68 亿股，市值超 200 亿元）且作出长达 20 年的股份锁定承诺，被称为 A 股史上最大规模的个人股权激励案。方案直接让渡个人持股以避免稀释公众股东权益。上市委现场要求结合实施背景、内外部决策流程，说明决策合规性及股份支付的会计处理是否符合企业会计准则。

目前长鑫科技已完成 DDR4 到 DDR5/LPDDR5X 的代际覆盖，高端芯片达 8000 MT/s 速率与单颗 24Gb 容量。本次 IPO 拟募资 295 亿元投向产线升级与前瞻研发。此外，招股书将前五大供应商以代码形式脱敏以实现供应链保密，且前五大客户销售占比已降至 39.85%。

信源：https://www.sse.com.cn/listing/renewal/ipo/index_listing_detail.shtml?auditId=2170

平息三星式罢工情绪，台积电董事长魏哲家承诺员工分红无天花板且保底增长30%

台积电董事长兼总裁魏哲家于 5 月 27 日紧急召开全公司员工沟通会，平息基层对分红缩水的质疑。针对网络传言公司将大砍 5 月分红逾 10 %，魏哲家澄清表示，若员工绩效考核与去年一致， 2026 年全年分红预估将强劲增长超 30 %，且分配「没有天花板」，以安抚因 AI 繁荣红利不均而反弹的员工情绪。

这场劳资风波始于 5 月中旬 Dcard 与 Facebook 社群爆出的内部抱怨。员工晒出截图称，第一季度分红数额几乎与上一季持平，未能反映公司净利润同比暴增 58 % 的强劲增长，甚至传出 5 月分红将大砍 10 % 至 20 % 。由于适逢韩国三星电子半导体部门刚刚达成历史性协议，即人均分红达近 40 万美元，台积电员工开始密集讨论发起「三星式罢工」或准时上下班等抗争手段，相关抱怨经 TweakTown 等媒体报道后迅速升温。

魏哲家解释称，利润分配必须统筹兼顾员工、股东及社会责任（如 ESG 和绿色能源投资）三方利益。对于员工关切的结构性加薪，管理层表示目前暂无计划，但年度调薪会向基层倾斜，确保基层涨幅高于主管。魏哲家更在现场公开鼓励员工将分红投入购买公司股票，承诺「买台积电股票保证未来生活无忧」，分享公司长期成长的回报。

台积电已于 5 月 27 日开放分红查询系统，分红资金将于 5 月 29 日正式发放。目前公司在全球同时建设约 12 座晶圆厂以攻坚 2nm 与 1.4nm 先进制程，面临庞大的资本开支压力，这与一线倒班员工要求提高分红以分享 AI 利润的诉求构成了直接冲突。

信源：https://www.youtube.com/watch?v=hLmGAcNIq8U

打包SpaceX与OpenAI，封闭式基金Powerlaw今晚直接挂牌纳斯达克

封闭式基金 Powerlaw Corp.（股票代码：PWRL）将于当地时间 5 月 27 日通过直接挂牌（Direct Listing）方式在纳斯达克上市。由于基金性质为已持有资产的封闭式基金，本次挂牌不增发新股、不筹集任何新资金，而是直接将存量股份上市交易。基金核心持仓包括马斯克旗下的太空探索技术公司 SpaceX 以及人工智能公司 OpenAI，为散户提供直接配置顶级未上市科技巨头的渠道。

受 SpaceX 估值预期迈向 2 万亿美元以及 OpenAI 估值逼近 1 万亿美元等预期的推动，散户投资者对 Pre-IPO 股权的投资需求在近期急剧升温。相比于高净值的合格投资者，普通人直接投资私募市场的渠道极少，这导致 Destiny Tech100、Robinhood Ventures Fund I 以及 Fundrise Innovation Fund LLC 等上市基金的交易价格长期远超净资产价值。由旧金山风投机构 Akkadian Ventures 关联公司运营的 Powerlaw 旗下持仓包含 18 家私募公司。截至 5 月 13 日，基金净资产总额为 6.041 亿美元，折合每股 13.97 美元。基金最大的两笔持仓为 SpaceX（估值约 1.17 亿美元，增值至初始成本的两倍以上）和 OpenAI（估值约 4690 万美元）。

根据上市招股文件，Powerlaw 发行总股本为 4324 万股。由于是存量股直接上市，首日交易仅释放现有股东手中约 20% 的自由流通股，其余股份将在未来 6 个月内逐步解禁。基金采取积极的主动管理策略，计划适时变现成熟项目并循环投入高成长持仓，目标为现有 600 多名股东实现 10 倍以上的投资回报。基金每年收取 2.5% 的管理费，且不收取任何业绩分成费。由于基金接近 80% 的投资通过特殊目的载体（SPV）持有，多层嵌套可能会引入额外费用。随着人工智能公司 Anthropic 日前警告将作废未经授权的 SPV 持股，代持通道面临合规清退风险。首席执行官迈克·丁斯代尔（Mike Dinsdale）坦言，SPV 在合适的人手里是极佳的工具，但在错误的人手里则是危险的工具。

信源：https://www.bloomberg.com/news/articles/2026-05-27/spacex-investor-powerlaw-to-debut-on-nasdaq-as-ipo-race-heats-up