字节AI编程工具Trae旗下SOLO上线桌面端和网页端，今日启动内测
字节跳动旗下 AI 编程工具 Trae 的 Agent 产品 SOLO，今日推出桌面端和网页端，启动内测。
SOLO 提供双模式智能体：Code 模式专注编程开发场景，MTC 模式支持写方案、数据分析等通用任务，可供研发、产品、数据、运营等多角色使用。新版本采用三栏工作区，依托云端算力支持多个任务同时并行运行，SOLO 自动拆解任务并调用工具完成执行，用户只需提交需求和验收结果。支持处理 JSON、Python、PPTX、CSV 等多种文件格式，产出直接在工具面板展示。桌面端目前仅支持 macOS。中国版可在 trae.cn 下载，国际版网页端入口为 solo.trae.ai，两版均需邀请码，限时免费开放。
信源：https://mp.weixin.qq.com/s/iN0LUDIGsYeetq_wn1Q8FA
字节跳动旗下 AI 编程工具 Trae 的 Agent 产品 SOLO，今日推出桌面端和网页端，启动内测。
SOLO 提供双模式智能体：Code 模式专注编程开发场景，MTC 模式支持写方案、数据分析等通用任务，可供研发、产品、数据、运营等多角色使用。新版本采用三栏工作区，依托云端算力支持多个任务同时并行运行，SOLO 自动拆解任务并调用工具完成执行，用户只需提交需求和验收结果。支持处理 JSON、Python、PPTX、CSV 等多种文件格式，产出直接在工具面板展示。桌面端目前仅支持 macOS。中国版可在 trae.cn 下载，国际版网页端入口为 solo.trae.ai，两版均需邀请码，限时免费开放。
信源：https://mp.weixin.qq.com/s/iN0LUDIGsYeetq_wn1Q8FA
❤1
Vercel工程师：CI绿灯不再等于生产安全，Agent代码的「假自信」正在扩大风险
Vercel 软件工程师 Matthew Binshtok 将一篇内部演讲整理后公开发布，核心论点是：Agent 生成的代码外表无懈可击，附带完整的 PR 描述、通过静态分析、符合代码规范，看起来出自有经验的工程师之手。但 Agent 对生产环境一无所知，不了解你的流量模式、故障模式，不知道 Redis 实例快满了，也不知道某个 feature flag 上线会改变下游系统的负载分布。CI 通过，只是说明 Agent 说服了你的流水线，不等于代码在规模化生产中安全。
他把 Agent 使用分为两类：「依赖」是假设 Agent 写的代码只要测试通过就可以发布，作者从不建立对改动的心智模型，结果是大量隐含假设塞满 PR，没人真正理解代码在做什么；「利用」是用 Agent 快速迭代，同时对输出完全负责，清楚代码在高负载下如何表现。判断标准只有一个：如果这个 PR 引发了线上事故，你愿不愿意承担责任？
他的解法不是少用 Agent，而是把基础设施本身建得足够严格，让「快速发布」默认就是安全的：
- 自动化金丝雀发布：出现退化自动回滚，不依赖工程师盯仪表盘
- 持续验证：负载测试、混沌实验、灾备演练持续运行，而非只在部署时跑一次
- 可执行的操作规范：把
Binshtok 还披露 Vercel 正在落地的具体措施：部署流水线每个阶段加入运行时校验、PR 阶段加强 feature flag 的静态检查、用只读 Agent 持续审查生成性 Agent 的假设，以及用「缺陷提交率 vs 缺陷逃逸率」等指标量化风险变化。
信源：https://vercel.com/blog/agent-responsibly
Vercel 软件工程师 Matthew Binshtok 将一篇内部演讲整理后公开发布，核心论点是：Agent 生成的代码外表无懈可击，附带完整的 PR 描述、通过静态分析、符合代码规范，看起来出自有经验的工程师之手。但 Agent 对生产环境一无所知，不了解你的流量模式、故障模式，不知道 Redis 实例快满了，也不知道某个 feature flag 上线会改变下游系统的负载分布。CI 通过，只是说明 Agent 说服了你的流水线，不等于代码在规模化生产中安全。
他把 Agent 使用分为两类：「依赖」是假设 Agent 写的代码只要测试通过就可以发布，作者从不建立对改动的心智模型，结果是大量隐含假设塞满 PR，没人真正理解代码在做什么；「利用」是用 Agent 快速迭代，同时对输出完全负责，清楚代码在高负载下如何表现。判断标准只有一个：如果这个 PR 引发了线上事故，你愿不愿意承担责任？
他的解法不是少用 Agent，而是把基础设施本身建得足够严格，让「快速发布」默认就是安全的：
- 自动化金丝雀发布：出现退化自动回滚，不依赖工程师盯仪表盘
- 持续验证：负载测试、混沌实验、灾备演练持续运行，而非只在部署时跑一次
- 可执行的操作规范：把
safe-rollout 这类知识写成可运行的工具，而非 Notion 文档，Agent 可自主调用Binshtok 还披露 Vercel 正在落地的具体措施：部署流水线每个阶段加入运行时校验、PR 阶段加强 feature flag 的静态检查、用只读 Agent 持续审查生成性 Agent 的假设，以及用「缺陷提交率 vs 缺陷逃逸率」等指标量化风险变化。
信源：https://vercel.com/blog/agent-responsibly
破解比特币只需9分钟？谷歌量子团队将攻击门槛降低20倍，用零知识证明隐藏方法
谷歌量子 AI 团队发布白皮书，展示了对 Shor 算法的重大优化。Shor 算法能破解比特币和以太坊所使用的椭圆曲线加密，一旦量子计算机足够强大，攻击者就能从公钥反推出私钥并窃取资金。团队编译了两套攻击电路，分别需要不到 1200 和不到 1450 个逻辑量子比特（由数百个物理量子比特经纠错组成的计算单元）。在超导量子计算机上，两套电路均可在不到 50 万个物理量子比特的条件下于数分钟内完成计算。此前学界的主流估计约为 1000 万个物理量子比特，这一突破将门槛降低了约 20 倍。
攻击者可以提前完成大部分准备计算，在比特币交易广播后约 9 分钟内破解私钥。比特币平均出块时间约 10 分钟，攻击者有约 41% 的概率抢在交易确认前劫持资金。目前约 690 万枚比特币（约占总供应量的三分之一）因公钥已暴露而面临潜在风险，其中约 170 万枚来自网络早期。谷歌还指出，2021 年的 Taproot 升级默认暴露公钥，可能进一步扩大脆弱钱包的范围。
团队没有公开攻击电路的具体实现，而是发布了零知识证明，允许第三方验证结论正确性而不泄露攻击方法。谷歌量子算法研究总监 Ryan Babbush 和谷歌量子 AI 工程副总裁 Hartmut Neven 表示，团队在发布前已与美国政府沟通，目前正与 Coinbase、斯坦福区块链研究院和以太坊基金会协作推进后量子迁移。谷歌此前已设定 2029 年为其自身认证服务向抗量子加密迁移的期限。Castle Island Ventures 联合创始人 Nic Carter 称这篇论文「非常令人警醒」，并写道：「椭圆曲线加密正处于过时的边缘。无论是 3 年还是 10 年，它已经结束了，我们需要接受这一点。」
信源：https://research.google/blog/safeguarding-cryptocurrency-by-disclosing-quantum-vulnerabilities-responsibly/
谷歌量子 AI 团队发布白皮书，展示了对 Shor 算法的重大优化。Shor 算法能破解比特币和以太坊所使用的椭圆曲线加密，一旦量子计算机足够强大，攻击者就能从公钥反推出私钥并窃取资金。团队编译了两套攻击电路，分别需要不到 1200 和不到 1450 个逻辑量子比特（由数百个物理量子比特经纠错组成的计算单元）。在超导量子计算机上，两套电路均可在不到 50 万个物理量子比特的条件下于数分钟内完成计算。此前学界的主流估计约为 1000 万个物理量子比特，这一突破将门槛降低了约 20 倍。
攻击者可以提前完成大部分准备计算，在比特币交易广播后约 9 分钟内破解私钥。比特币平均出块时间约 10 分钟，攻击者有约 41% 的概率抢在交易确认前劫持资金。目前约 690 万枚比特币（约占总供应量的三分之一）因公钥已暴露而面临潜在风险，其中约 170 万枚来自网络早期。谷歌还指出，2021 年的 Taproot 升级默认暴露公钥，可能进一步扩大脆弱钱包的范围。
团队没有公开攻击电路的具体实现，而是发布了零知识证明，允许第三方验证结论正确性而不泄露攻击方法。谷歌量子算法研究总监 Ryan Babbush 和谷歌量子 AI 工程副总裁 Hartmut Neven 表示，团队在发布前已与美国政府沟通，目前正与 Coinbase、斯坦福区块链研究院和以太坊基金会协作推进后量子迁移。谷歌此前已设定 2029 年为其自身认证服务向抗量子加密迁移的期限。Castle Island Ventures 联合创始人 Nic Carter 称这篇论文「非常令人警醒」，并写道：「椭圆曲线加密正处于过时的边缘。无论是 3 年还是 10 年，它已经结束了，我们需要接受这一点。」
信源：https://research.google/blog/safeguarding-cryptocurrency-by-disclosing-quantum-vulnerabilities-responsibly/
仅需1万个量子比特，690万枚休眠比特币面临「开盒」倒计时
谷歌量子 AI 白皮书发布同日，中性原子量子计算初创公司 Oratomic 在 arXiv 上发表论文，称仅需约 1 万个可重构原子量子比特即可在密码学相关规模上运行 Shor 算法。这篇论文直接以谷歌优化后的低深度 Shor 电路为输入，在此基础上优化了量子计算栈的另一层：谷歌压缩的是算法所需的逻辑量子比特数（从数千降到约 1200 个），Oratomic 压缩的是每个逻辑量子比特所需的物理量子比特数。两层优化叠加，共同把破解加密所需的硬件规模推向了前所未有的低点。
Oratomic 的关键手段是用高编码率的 qLDPC 码替代传统的表面码。表面码是目前主流的量子纠错方案，谷歌的超导方案就用它，但编码效率低，每个逻辑量子比特需要约 400 个物理量子比特，总计约 50 万个。qLDPC 码的编码率约 30%，能用远更少的物理量子比特保护同样数量的逻辑量子比特，将总需求从百万量级压缩了约两个数量级。
论文给出了多组架构方案（假设稳定子测量周期为 1 毫秒）：
1. 约 1 万个物理量子比特可运行 Shor 算法破解 256 位椭圆曲线加密（比特币和以太坊使用的加密方案），运行时间取决于并行度
2. 约 26,000 个物理量子比特配置下，破解椭圆曲线加密的运行时间约 10 天
3. 约 102,000 个物理量子比特配置下，破解 RSA-2048 的运行时间约 97 天
代价是速度：中性原子的时钟频率远低于超导方案，破解一次需要数天而非数分钟。但这并不意味着威胁更小。谷歌的超导方案（50 万量子比特，9 分钟）适合劫持正在广播的实时交易；Oratomic 的中性原子方案（1-2.6 万量子比特，数天）适合攻击公钥已暴露的休眠钱包，而这类攻击不需要抢时间。谷歌白皮书估计约 690 万枚比特币属于这一类。
硬件差距正在收窄。论文指出，中性原子实验已演示超过 6,100 个量子比特的物理捕获阵列，不过这些阵列尚未实现量子计算；具备容错计算能力的中性原子系统目前约为 500 个量子比特。从 500 个到论文所需的 1 万个，差距约 20 倍，远小于谷歌超导路线的约 5000 倍（当前约 100 个 vs 需要 50 万个）。论文作者来自 Oratomic，同时挂靠加州理工学院，成员包括量子计算权威 John Preskill 和 Manuel Endres，通讯作者为 Dolev Bluvstein。论文结尾称，后续硬件提速与纠错改进有望将运行时间再缩短一个数量级以上，甚至降至小时或分钟级别。
信源：https://arxiv.org/abs/2603.28627
谷歌量子 AI 白皮书发布同日，中性原子量子计算初创公司 Oratomic 在 arXiv 上发表论文，称仅需约 1 万个可重构原子量子比特即可在密码学相关规模上运行 Shor 算法。这篇论文直接以谷歌优化后的低深度 Shor 电路为输入，在此基础上优化了量子计算栈的另一层：谷歌压缩的是算法所需的逻辑量子比特数（从数千降到约 1200 个），Oratomic 压缩的是每个逻辑量子比特所需的物理量子比特数。两层优化叠加，共同把破解加密所需的硬件规模推向了前所未有的低点。
Oratomic 的关键手段是用高编码率的 qLDPC 码替代传统的表面码。表面码是目前主流的量子纠错方案，谷歌的超导方案就用它，但编码效率低，每个逻辑量子比特需要约 400 个物理量子比特，总计约 50 万个。qLDPC 码的编码率约 30%，能用远更少的物理量子比特保护同样数量的逻辑量子比特，将总需求从百万量级压缩了约两个数量级。
论文给出了多组架构方案（假设稳定子测量周期为 1 毫秒）：
1. 约 1 万个物理量子比特可运行 Shor 算法破解 256 位椭圆曲线加密（比特币和以太坊使用的加密方案），运行时间取决于并行度
2. 约 26,000 个物理量子比特配置下，破解椭圆曲线加密的运行时间约 10 天
3. 约 102,000 个物理量子比特配置下，破解 RSA-2048 的运行时间约 97 天
代价是速度：中性原子的时钟频率远低于超导方案，破解一次需要数天而非数分钟。但这并不意味着威胁更小。谷歌的超导方案（50 万量子比特，9 分钟）适合劫持正在广播的实时交易；Oratomic 的中性原子方案（1-2.6 万量子比特，数天）适合攻击公钥已暴露的休眠钱包，而这类攻击不需要抢时间。谷歌白皮书估计约 690 万枚比特币属于这一类。
硬件差距正在收窄。论文指出，中性原子实验已演示超过 6,100 个量子比特的物理捕获阵列，不过这些阵列尚未实现量子计算；具备容错计算能力的中性原子系统目前约为 500 个量子比特。从 500 个到论文所需的 1 万个，差距约 20 倍，远小于谷歌超导路线的约 5000 倍（当前约 100 个 vs 需要 50 万个）。论文作者来自 Oratomic，同时挂靠加州理工学院，成员包括量子计算权威 John Preskill 和 Manuel Endres，通讯作者为 Dolev Bluvstein。论文结尾称，后续硬件提速与纠错改进有望将运行时间再缩短一个数量级以上，甚至降至小时或分钟级别。
信源：https://arxiv.org/abs/2603.28627
增速不减反增：Claude.ai3月访问量较2月增长86%
网站流量分析平台 Similarweb 数据显示，Claude.ai 3 月前 28 天的全球总访问量较整个 2 月增长 86%。图表显示 2 月总访问量约 2.8 亿次，3 月 1-28 日约 5.2 亿次，且月底三天数据尚未计入。
增长曲线仍在加速。此前美国银行 3 月初援引 Similarweb 数据称，Claude.ai 2 月访问量环比增长 63%，已是当月主流 AI 产品中增速最高的。3 月的 86% 意味着 Anthropic 的用户获取势头不仅未放缓，反而在提速。
信源：https://x.com/Similarweb/status/2038896001210097951
网站流量分析平台 Similarweb 数据显示，Claude.ai 3 月前 28 天的全球总访问量较整个 2 月增长 86%。图表显示 2 月总访问量约 2.8 亿次，3 月 1-28 日约 5.2 亿次，且月底三天数据尚未计入。
增长曲线仍在加速。此前美国银行 3 月初援引 Similarweb 数据称，Claude.ai 2 月访问量环比增长 63%，已是当月主流 AI 产品中增速最高的。3 月的 86% 意味着 Anthropic 的用户获取势头不仅未放缓，反而在提速。
信源：https://x.com/Similarweb/status/2038896001210097951
阿里云百炼负责人：日耗亿Token用户数以万计，自建GPU没必要
阿里云百炼技术负责人于文渊在播客「十字路口」中透露，百炼平台上每天消耗超过 1 亿 Token 的用户已「数以万计」，Token 消耗基本以月翻倍的速度增长。他称 Qwen 3.5 在除夕当天发布后，仅两周多峰值请求量就跃升至「历史上所有文本模型都未曾见过的高度」，而「现在仅仅是一个开始」。
于文渊发表自称「暴论」的观点：没有任何场景需要企业自建 GPU。他认为企业自建的三个常见理由（成本可控、数据安全、灵活性），恰恰是应该使用 MaaS（模型即服务）的理由：推理优化迭代快，自养 Infra 工程师持续跟进很难；自持 GPU 利用率难保证；模型架构变化不确定，而 MaaS 用户只需面对一个 API。安全方面，阿里云在推行「机密计算」，用户的模型文件和请求内容端到端加密，密钥掌握在用户自己手里。
他还给出一个反直觉判断：AI 最先替代的不是前端工程师，而是写操作系统内核、数据库内核、文件系统的系统工程师。理由是这些领域代码库质量高、测试用例清晰、问题像「可以被精准定义的数学题」；而与产品和用户交互紧密的岗位，需要难以形式化的 know-how，反而更难替代。他引用了存储会议 FAST 上的一篇论文：只要规范写得够清楚，32B 模型就能写出文件系统级别的代码。
于文渊还对 AI 编程提出警告：把「AI 生成代码比例」当 KPI「非常危险」，AI 代码用于原型没问题，但用于生产环境「还差一点」。他建议计算机专业学生少用 AI 写代码，先建立自己的判断力，「努力成为能识别出 AI 做不到的那 1% 的人」。
信源：https://mp.weixin.qq.com/s/QOrMNGZztCm-eu6pTMKEfw
阿里云百炼技术负责人于文渊在播客「十字路口」中透露，百炼平台上每天消耗超过 1 亿 Token 的用户已「数以万计」，Token 消耗基本以月翻倍的速度增长。他称 Qwen 3.5 在除夕当天发布后，仅两周多峰值请求量就跃升至「历史上所有文本模型都未曾见过的高度」，而「现在仅仅是一个开始」。
于文渊发表自称「暴论」的观点：没有任何场景需要企业自建 GPU。他认为企业自建的三个常见理由（成本可控、数据安全、灵活性），恰恰是应该使用 MaaS（模型即服务）的理由：推理优化迭代快，自养 Infra 工程师持续跟进很难；自持 GPU 利用率难保证；模型架构变化不确定，而 MaaS 用户只需面对一个 API。安全方面，阿里云在推行「机密计算」，用户的模型文件和请求内容端到端加密，密钥掌握在用户自己手里。
他还给出一个反直觉判断：AI 最先替代的不是前端工程师，而是写操作系统内核、数据库内核、文件系统的系统工程师。理由是这些领域代码库质量高、测试用例清晰、问题像「可以被精准定义的数学题」；而与产品和用户交互紧密的岗位，需要难以形式化的 know-how，反而更难替代。他引用了存储会议 FAST 上的一篇论文：只要规范写得够清楚，32B 模型就能写出文件系统级别的代码。
于文渊还对 AI 编程提出警告：把「AI 生成代码比例」当 KPI「非常危险」，AI 代码用于原型没问题，但用于生产环境「还差一点」。他建议计算机专业学生少用 AI 写代码，先建立自己的判断力，「努力成为能识别出 AI 做不到的那 1% 的人」。
信源：https://mp.weixin.qq.com/s/QOrMNGZztCm-eu6pTMKEfw
Claude Code最新版npm包意外打入60MB source map，时隔一年源码再次泄露
Solayer 创始人 Chaofan Shou 在 X 上指出，Anthropic 旗下 AI 编程工具 Claude Code 的 npm 包中包含完整的 source map 文件（cli.js.map，约 60MB），可从中还原出全部 TypeScript 源代码。经验证，该文件出现在 3 月 30 日发布的 v2.1.88 中，前一版 v2.1.87（3 月 29 日）并不包含，包体积也从 17MB 骤增至 31MB（解压后约 60MB），属于最新一次构建意外引入。
还原后的 source map 内含 1,906 个 Claude Code 自有源文件的完整文本，涵盖内部 API 设计、遥测系统、加密工具、进程间通信协议等实现细节（不含 package.json 等构建配置，无法直接编译运行）。Source map 是 JavaScript 开发中用于将压缩代码映射回原始源代码的调试文件，不应出现在生产发布包中。
2025 年 2 月 Claude Code 首次发布时也曾因包含 source map 被公开讨论，此后该文件从 npm 包中消失，但提取源码的行为并未停止。目前 GitHub 上仍有多个公开仓库整理了还原后的源代码，其中 ghuntley/claude-code-source-code-deobfuscation 获得近千颗星。此次泄露的是 Claude Code CLI 客户端实现代码，不涉及模型权重或用户数据，对普通用户没有直接安全风险。
信源：https://x.com/Fried_rice/status/2038894956459290963
Solayer 创始人 Chaofan Shou 在 X 上指出，Anthropic 旗下 AI 编程工具 Claude Code 的 npm 包中包含完整的 source map 文件（cli.js.map，约 60MB），可从中还原出全部 TypeScript 源代码。经验证，该文件出现在 3 月 30 日发布的 v2.1.88 中，前一版 v2.1.87（3 月 29 日）并不包含，包体积也从 17MB 骤增至 31MB（解压后约 60MB），属于最新一次构建意外引入。
还原后的 source map 内含 1,906 个 Claude Code 自有源文件的完整文本，涵盖内部 API 设计、遥测系统、加密工具、进程间通信协议等实现细节（不含 package.json 等构建配置，无法直接编译运行）。Source map 是 JavaScript 开发中用于将压缩代码映射回原始源代码的调试文件，不应出现在生产发布包中。
2025 年 2 月 Claude Code 首次发布时也曾因包含 source map 被公开讨论，此后该文件从 npm 包中消失，但提取源码的行为并未停止。目前 GitHub 上仍有多个公开仓库整理了还原后的源代码，其中 ghuntley/claude-code-source-code-deobfuscation 获得近千颗星。此次泄露的是 Claude Code CLI 客户端实现代码，不涉及模型权重或用户数据，对普通用户没有直接安全风险。
信源：https://x.com/Fried_rice/status/2038894956459290963
X (formerly Twitter)
Chaofan Shou (@Fried_rice) on X
Claude code source code has been leaked via a map file in their npm registry!
Code: https://t.co/jBiMoOzt8G
Code: https://t.co/jBiMoOzt8G
微软HyperP：在208M模型上调一次学习率，全尺度都能用
微软研究团队提出 HyperP（Hypersphere Parameterization），首个在超球面优化下实现学习率跨模型宽度、深度、训练数据量和 MoE 粒度全维度迁移的框架。核心做法是将权重矩阵约束在固定范数的超球面上，配合 Muon 优化器，只需在最小规模（2.08 亿参数）上调一次基础学习率，即可直接迁移至所有更大的计算预算。
论文有两个关键理论发现。第一，在 Frobenius 球面约束下，权重衰减（weight decay）在一阶近似上完全无效，可以直接删除，将超参数搜索空间从学习率和权重衰减的联合平面压缩到只剩学习率一个维度。第二，最优学习率随训练数据量的缩放遵循幂律关系，指数为 0.32，与此前在 AdamW 优化器上观察到的「magic exponent」完全一致，暗示这可能是梯度优化的普遍性质，与具体优化器无关。
实验结果上，在 6×10²¹ FLOPs 的计算预算下，HyperP 对 dense 模型的计算效率较强 Muon 基线（配合 μP++ 和权重衰减缩放）提升 1.58 倍，且优势随规模单调递增；配合论文提出的 SqrtGate 机制（一种保持输出 RMS 跨 MoE 粒度不变的门控方式）的 MoE 模型，效率进一步达到 dense 模型的 3.38 倍。稳定性方面，HyperP 实现了「可迁移的稳定性」：从 9.13 亿到 133 亿参数的 MoE 模型，所有六项训练不稳定指标（Z 值、输出 RMS、激活异常值比例等）均保持有界且不随规模增长。论文还反驳了 MuonH 原作者关于该优化器天然具备深度迁移性的说法，证明残差连接的累积角漂移使得 Depth-μP 仍然必要。代码已开源。
信源：https://arxiv.org/abs/2603.28743
微软研究团队提出 HyperP（Hypersphere Parameterization），首个在超球面优化下实现学习率跨模型宽度、深度、训练数据量和 MoE 粒度全维度迁移的框架。核心做法是将权重矩阵约束在固定范数的超球面上，配合 Muon 优化器，只需在最小规模（2.08 亿参数）上调一次基础学习率，即可直接迁移至所有更大的计算预算。
论文有两个关键理论发现。第一，在 Frobenius 球面约束下，权重衰减（weight decay）在一阶近似上完全无效，可以直接删除，将超参数搜索空间从学习率和权重衰减的联合平面压缩到只剩学习率一个维度。第二，最优学习率随训练数据量的缩放遵循幂律关系，指数为 0.32，与此前在 AdamW 优化器上观察到的「magic exponent」完全一致，暗示这可能是梯度优化的普遍性质，与具体优化器无关。
实验结果上，在 6×10²¹ FLOPs 的计算预算下，HyperP 对 dense 模型的计算效率较强 Muon 基线（配合 μP++ 和权重衰减缩放）提升 1.58 倍，且优势随规模单调递增；配合论文提出的 SqrtGate 机制（一种保持输出 RMS 跨 MoE 粒度不变的门控方式）的 MoE 模型，效率进一步达到 dense 模型的 3.38 倍。稳定性方面，HyperP 实现了「可迁移的稳定性」：从 9.13 亿到 133 亿参数的 MoE 模型，所有六项训练不稳定指标（Z 值、输出 RMS、激活异常值比例等）均保持有界且不随规模增长。论文还反驳了 MuonH 原作者关于该优化器天然具备深度迁移性的说法，证明残差连接的累积角漂移使得 Depth-μP 仍然必要。代码已开源。
信源：https://arxiv.org/abs/2603.28743
API也扛不住了：DeepSeek本月第六次服务异常，影响范围首次扩大到API
DeepSeek 状态页显示，3 月 31 日 17:02（CST）网页端和 API 服务同时出现性能异常，18:05 恢复，持续约 1 小时。此前本月五次故障均标注为「网页/APP」或「网页」，这是 API 服务首次被纳入受影响范围，意味着不仅前端用户，通过 API 接入 DeepSeek 的第三方应用和开发者也受到波及。
这是 DeepSeek 3 月第六次公开记录的服务异常。状态页历史显示，3 月 5 日网页不可用约 45 分钟，3 月 10 日网页/APP 不可用约 76 分钟，3 月 18 日性能下降约 11 分钟，3 月 29 日至 30 日连续两起故障累计跨度近 13 小时。
信源：https://status.deepseek.com/
DeepSeek 状态页显示，3 月 31 日 17:02（CST）网页端和 API 服务同时出现性能异常，18:05 恢复，持续约 1 小时。此前本月五次故障均标注为「网页/APP」或「网页」，这是 API 服务首次被纳入受影响范围，意味着不仅前端用户，通过 API 接入 DeepSeek 的第三方应用和开发者也受到波及。
这是 DeepSeek 3 月第六次公开记录的服务异常。状态页历史显示，3 月 5 日网页不可用约 45 分钟，3 月 10 日网页/APP 不可用约 76 分钟，3 月 18 日性能下降约 11 分钟，3 月 29 日至 30 日连续两起故障累计跨度近 13 小时。
信源：https://status.deepseek.com/
马斯克锐评谷歌量子论文：忘了钱包密码以后也许能找回
Elon Musk 在 X 上转发谷歌量子密码论文相关讨论后调侃称：「往好了想，如果你忘了钱包密码，未来也许还能取回来。」
这句玩笑指向谷歌量子 AI 团队今日发布的一篇白皮书。谷歌称，未来破解保护比特币等系统的 256 位椭圆曲线加密，所需物理量子比特数可降至 50 万以下，较此前估计缩小约 20 倍。谷歌同时表示，团队已用零知识证明公开结论而不泄露攻击路线，并将沿着其 2029 年时间表继续推进后量子密码迁移。
信源：https://x.com/elonmusk/status/2038922841849295062
Elon Musk 在 X 上转发谷歌量子密码论文相关讨论后调侃称：「往好了想，如果你忘了钱包密码，未来也许还能取回来。」
这句玩笑指向谷歌量子 AI 团队今日发布的一篇白皮书。谷歌称，未来破解保护比特币等系统的 256 位椭圆曲线加密，所需物理量子比特数可降至 50 万以下，较此前估计缩小约 20 倍。谷歌同时表示，团队已用零知识证明公开结论而不泄露攻击路线，并将沿着其 2029 年时间表继续推进后量子密码迁移。
信源：https://x.com/elonmusk/status/2038922841849295062
小米MiMo-V2-Pro冲上OpenRouter三榜第一：半个月耗掉6万亿Token
小米技术官方长文称，Xiaomi MiMo-V2-Pro 在 OpenRouter 的日榜、周榜、月榜三个维度均已升至第一。官方披露，该模型最近一周 token 消耗量已突破 4 万亿，上线不到半个月累计 token 消耗量超 6 万亿。
小米还称，MiMo-V2-Pro 在 Text Arena（Arena Expert）的 Model Rank 维度已进入全球前五，仅次于 Anthropic、OpenAI 和谷歌的顶级模型。实验室维度上，小米目前位列 Text Arena（Arena Expert）全球第四、Code Arena 全球第五。
MiMo-V2-Pro 是小米 3 月 18 日发布的旗舰基座模型，采用 MoE 架构，支持 100 万上下文。
信源：https://weibo.com/ttarticle/x/m/show#/id=2309405282582165323854&_wb_client_=1
小米技术官方长文称，Xiaomi MiMo-V2-Pro 在 OpenRouter 的日榜、周榜、月榜三个维度均已升至第一。官方披露，该模型最近一周 token 消耗量已突破 4 万亿，上线不到半个月累计 token 消耗量超 6 万亿。
小米还称，MiMo-V2-Pro 在 Text Arena（Arena Expert）的 Model Rank 维度已进入全球前五，仅次于 Anthropic、OpenAI 和谷歌的顶级模型。实验室维度上，小米目前位列 Text Arena（Arena Expert）全球第四、Code Arena 全球第五。
MiMo-V2-Pro 是小米 3 月 18 日发布的旗舰基座模型，采用 MoE 架构，支持 100 万上下文。
信源：https://weibo.com/ttarticle/x/m/show#/id=2309405282582165323854&_wb_client_=1
不藏着掖着做预训练：3B模型跑出7B成绩，200+实验全公开
上海交通大学 GAIR 实验室发布 daVinci-LLM，一个 30 亿参数的语言模型，从零开始在 8 万亿 token 上训练，19 项基准测试综合得分 51.72，与参数量约为其 2.3 倍的 AI2 开源模型 OLMo-3 7B（51.65）基本持平。数学推理提升尤为显著，MATH 基准达 62.8 分，超过 OLMo-3 7B 的 39.6 分逾 23 个百分点。
与商业公司只放权重不讲细节的做法不同，daVinci-LLM 完整公开了数据处理流程、训练超参数、每 5000 步保存的中间检查点，以及 200 多组消融实验结果（包括失败的实验）。团队称，目标是将预训练从经验驱动推向循证科学。
论文提出 Data Darwinism 数据处理分级框架，将数据处理操作从基础过滤到内容合成分为 L0 至 L9 十个层级。模型训练分两阶段：第一阶段用 6 万亿 token 建立通用基础能力，第二阶段用 2 万亿 token 切换到以推理为主的数据配比，结构化问答数据在最后 1 万亿 token 中占比升至 70%。消融实验显示，提升数据处理深度对模型能力的增益与扩大数据规模同等重要，在数学推理等任务上甚至更高效：L4 级别的内容精炼在 MATH 基准上带来 7 分提升，优于单纯堆量。
信源：https://arxiv.org/abs/2603.27164
上海交通大学 GAIR 实验室发布 daVinci-LLM，一个 30 亿参数的语言模型，从零开始在 8 万亿 token 上训练，19 项基准测试综合得分 51.72，与参数量约为其 2.3 倍的 AI2 开源模型 OLMo-3 7B（51.65）基本持平。数学推理提升尤为显著，MATH 基准达 62.8 分，超过 OLMo-3 7B 的 39.6 分逾 23 个百分点。
与商业公司只放权重不讲细节的做法不同，daVinci-LLM 完整公开了数据处理流程、训练超参数、每 5000 步保存的中间检查点，以及 200 多组消融实验结果（包括失败的实验）。团队称，目标是将预训练从经验驱动推向循证科学。
论文提出 Data Darwinism 数据处理分级框架，将数据处理操作从基础过滤到内容合成分为 L0 至 L9 十个层级。模型训练分两阶段：第一阶段用 6 万亿 token 建立通用基础能力，第二阶段用 2 万亿 token 切换到以推理为主的数据配比，结构化问答数据在最后 1 万亿 token 中占比升至 70%。消融实验显示，提升数据处理深度对模型能力的增益与扩大数据规模同等重要，在数学推理等任务上甚至更高效：L4 级别的内容精炼在 MATH 基准上带来 7 分提升，优于单纯堆量。
信源：https://arxiv.org/abs/2603.27164
OpenClaw开始统一后台任务流，最新版再接入QQ Bot和Codex搜索
OpenClaw 发布 2026.3.31 版，开始把 ACP、子代理、cron 和后台 CLI 执行收敛到同一套 SQLite 支撑的后台任务控制面，并新增
这一版还补上两项日常使用能力：
1. 内置 QQ Bot 渠道插件，支持多账号配置、斜杠命令、提醒和媒体收发
2. 为嵌入式 Pi 运行新增 Codex 原生网页搜索，配置、文档和向导已同步覆盖，启用原生搜索时会抑制托管工具的重复搜索
发布页同时列出多项安全收紧，包括危险代码
信源：https://github.com/openclaw/openclaw/releases/tag/v2026.3.31
OpenClaw 发布 2026.3.31 版，开始把 ACP、子代理、cron 和后台 CLI 执行收敛到同一套 SQLite 支撑的后台任务控制面，并新增
openclaw flows list|show|cancel 这一组任务流命令。这套改动还补上状态可见性与审计、维护入口，并强化自动清理和丢失任务恢复。这一版还补上两项日常使用能力：
1. 内置 QQ Bot 渠道插件，支持多账号配置、斜杠命令、提醒和媒体收发
2. 为嵌入式 Pi 运行新增 Codex 原生网页搜索，配置、文档和向导已同步覆盖，启用原生搜索时会抑制托管工具的重复搜索
发布页同时列出多项安全收紧，包括危险代码
critical 检测和安装时扫描失败默认改为直接拦截，不再默认放行。信源：https://github.com/openclaw/openclaw/releases/tag/v2026.3.31
OpenAI以8520亿美元估值完成1220亿美元融资，首次向散户开放入股通道
OpenAI 宣布完成硅谷史上最大规模融资，总额 1220 亿美元，投后估值 8520 亿美元。该轮融资在今年 2 月公布的 1100 亿美元战略投资人承诺基础上，额外募集了 120 亿美元，其中 30 亿美元首次来自个人投资者。
此前公布的 1100 亿美元承诺中，亚马逊出资 500 亿美元（150 亿美元即时到账，350 亿美元在 OpenAI 上市或实现 AGI 后跟投），英伟达和软银各出资 300 亿美元。Andreessen Horowitz、红杉资本、Thrive Capital、D.E. Shaw Ventures 及微软等也参与了本轮融资，微软未披露具体金额。
散户入股通过银行渠道和 Cathie Wood 旗下 ARK Invest 管理的 ETF 实现。ARK 旗舰基金 ARK Innovation ETF（管理规模约 60 亿美元）将配置约 3% 的 OpenAI 持仓，这是该基金首次纳入未上市公司。
OpenAI 称其月收入已达 20 亿美元，去年全年收入 131 亿美元，其中约六成来自消费端，其余来自企业客户，预计年底企业收入占比将提升至约一半。ChatGPT 周活跃用户超过 9 亿，付费订阅用户超过 5000 万。公司目前仍在亏损。
OpenAI CFO Sarah Friar 表示，向散户开放投资渠道与公司「确保强大 AI 造福全人类」的使命一致，目前仅限合格投资者参与，未来将进一步扩大准入。市场普遍预期 OpenAI 将在年内启动 IPO，届时散户将在其中扮演重要角色。
信源：https://www.wsj.com/tech/ai/openai-closes-silicon-valleys-largest-ever-funding-round-e48372c9
OpenAI 宣布完成硅谷史上最大规模融资，总额 1220 亿美元，投后估值 8520 亿美元。该轮融资在今年 2 月公布的 1100 亿美元战略投资人承诺基础上，额外募集了 120 亿美元，其中 30 亿美元首次来自个人投资者。
此前公布的 1100 亿美元承诺中，亚马逊出资 500 亿美元（150 亿美元即时到账，350 亿美元在 OpenAI 上市或实现 AGI 后跟投），英伟达和软银各出资 300 亿美元。Andreessen Horowitz、红杉资本、Thrive Capital、D.E. Shaw Ventures 及微软等也参与了本轮融资，微软未披露具体金额。
散户入股通过银行渠道和 Cathie Wood 旗下 ARK Invest 管理的 ETF 实现。ARK 旗舰基金 ARK Innovation ETF（管理规模约 60 亿美元）将配置约 3% 的 OpenAI 持仓，这是该基金首次纳入未上市公司。
OpenAI 称其月收入已达 20 亿美元，去年全年收入 131 亿美元，其中约六成来自消费端，其余来自企业客户，预计年底企业收入占比将提升至约一半。ChatGPT 周活跃用户超过 9 亿，付费订阅用户超过 5000 万。公司目前仍在亏损。
OpenAI CFO Sarah Friar 表示，向散户开放投资渠道与公司「确保强大 AI 造福全人类」的使命一致，目前仅限合格投资者参与，未来将进一步扩大准入。市场普遍预期 OpenAI 将在年内启动 IPO，届时散户将在其中扮演重要角色。
信源：https://www.wsj.com/tech/ai/openai-closes-silicon-valleys-largest-ever-funding-round-e48372c9
Anthropic对8100个仓库发起DMCA下架，泄露源码的v2.1.88同步从npm撤回
Anthropic 就 Claude Code 源代码泄露向 GitHub 提交 DMCA 版权保护通知。GitHub 将下架范围扩大至整个 fork 网络，共计 8,100 个仓库被禁止公开访问，包括父仓库 nirholas/claude-code 及其所有 fork。DMCA 通知由 Anthropic 知识产权授权代表签署，声明「整个仓库均构成侵权」。
与此同时，包含 source map 的 v2.1.88 已从 npm 撤回，版本号从 v2.1.87 直接跳至 v2.1.89。该版本此前因构建失误打入了约 60MB 的 source map 文件，可从中还原出全部 TypeScript 源代码。
这不是 Anthropic 第一次动用 DMCA。2025 年 2 月 Claude Code 首次发布时就因包含 source map 被社区提取源码，Anthropic 随后在 2025 年 4 月向 GitHub 提交了第一份 DMCA 通知。此次泄露的触发原因相同（npm 包意外打入 source map），但 fork 传播规模远超上次，8,100 个仓库的下架数量反映出 Claude Code 用户基数在过去一年的大幅增长。
信源：https://github.com/github/dmca/blob/master/2026/03/2026-03-31-anthropic.md
Anthropic 就 Claude Code 源代码泄露向 GitHub 提交 DMCA 版权保护通知。GitHub 将下架范围扩大至整个 fork 网络，共计 8,100 个仓库被禁止公开访问，包括父仓库 nirholas/claude-code 及其所有 fork。DMCA 通知由 Anthropic 知识产权授权代表签署，声明「整个仓库均构成侵权」。
与此同时，包含 source map 的 v2.1.88 已从 npm 撤回，版本号从 v2.1.87 直接跳至 v2.1.89。该版本此前因构建失误打入了约 60MB 的 source map 文件，可从中还原出全部 TypeScript 源代码。
这不是 Anthropic 第一次动用 DMCA。2025 年 2 月 Claude Code 首次发布时就因包含 source map 被社区提取源码，Anthropic 随后在 2025 年 4 月向 GitHub 提交了第一份 DMCA 通知。此次泄露的触发原因相同（npm 包意外打入 source map），但 fork 传播规模远超上次，8,100 个仓库的下架数量反映出 Claude Code 用户基数在过去一年的大幅增长。
信源：https://github.com/github/dmca/blob/master/2026/03/2026-03-31-anthropic.md
❤1👍1
Claude Code v2.1.89修复长会话缓存失效，用量异常消耗问题得到回应
Anthropic 发布 Claude Code v2.1.89（npm 包已可安装，GitHub release 页面尚未更新），修复了多个可导致 API 成本异常的缓存问题和一批稳定性 Bug。此前 Anthropic 工程师 Lydia Hallie 确认用户触达用量限制的速度「远快于预期」，社区也报告了两个可将 API 成本推高 10-20 倍的缓存 Bug。
本次更新修复的缓存相关问题包括：长会话中工具 schema 字节在会话中途变化导致 prompt cache 失效，以及嵌套 CLAUDE.md 文件在长会话中被重复注入数十次。这两个问题均会使长会话的 token 消耗远超预期。此外还修复了 StructuredOutput schema 缓存 Bug（此前导致约 50% 的工作流失败）和大 JSON 输入被 LRU 缓存键保留引发的内存泄漏。
其他值得关注的改动：
1. 对超大文件（超过 1GB）使用 Edit 工具时不再触发 OOM 崩溃
2.
3. 触达限制时不再显示误导性的「Rate limit reached」，改为展示实际错误和操作建议
4. thinking summaries 默认不再生成，需手动在设置中开启
5. 新增
6. 新增
信源：https://www.npmjs.com/package/@anthropic-ai/claude-code/v/2.1.89
Anthropic 发布 Claude Code v2.1.89（npm 包已可安装，GitHub release 页面尚未更新），修复了多个可导致 API 成本异常的缓存问题和一批稳定性 Bug。此前 Anthropic 工程师 Lydia Hallie 确认用户触达用量限制的速度「远快于预期」，社区也报告了两个可将 API 成本推高 10-20 倍的缓存 Bug。
本次更新修复的缓存相关问题包括：长会话中工具 schema 字节在会话中途变化导致 prompt cache 失效，以及嵌套 CLAUDE.md 文件在长会话中被重复注入数十次。这两个问题均会使长会话的 token 消耗远超预期。此外还修复了 StructuredOutput schema 缓存 Bug（此前导致约 50% 的工作流失败）和大 JSON 输入被 LRU 缓存键保留引发的内存泄漏。
其他值得关注的改动：
1. 对超大文件（超过 1GB）使用 Edit 工具时不再触发 OOM 崩溃
2.
--resume 恢复会话时遇到旧版工具输出不再崩溃3. 触达限制时不再显示误导性的「Rate limit reached」，改为展示实际错误和操作建议
4. thinking summaries 默认不再生成，需手动在设置中开启
showThinkingSummaries: true5. 新增
CLAUDE_CODE_NO_FLICKER=1 环境变量，启用无闪烁的虚拟滚动渲染6. 新增
PermissionDenied hook，auto 模式拒绝命令后可通过返回 {retry: true} 让模型重试信源：https://www.npmjs.com/package/@anthropic-ai/claude-code/v/2.1.89
谷歌推出最低成本视频模型Veo 3.1 Lite，720p仅0.05美元/秒，4月7日Fast版同步降价
谷歌发布 Veo 3.1 Lite，定位为 Veo 3.1 系列中成本最低的视频生成模型。该模型生成速度与 Veo 3.1 Fast 相同，价格不到后者的一半：720p 为 0.05 美元/秒，1080p 为 0.08 美元/秒，生成一段 8 秒 720p 视频成本为 0.40 美元。作为对比，Veo 3.1 Fast 当前 720p 和 1080p 均为 0.15 美元/秒。
Veo 3.1 Lite 支持文生视频和图生视频，提供横屏（16:9）和竖屏（9:16）两种画幅，分辨率覆盖 720p 和 1080p（不支持 4K），时长可选 4 秒、6 秒或 8 秒，费用按时长计算，默认包含音频生成。
谷歌同时宣布 4 月 7 日起下调 Veo 3.1 Fast 定价：720p 从 0.15 美元/秒降至 0.10 美元/秒，1080p 从 0.15 美元降至 0.12 美元/秒，4K 从 0.35 美元降至 0.30 美元/秒。
Veo 3.1 Lite 现已通过 Gemini API 和 Google AI Studio 付费层开放使用。
信源：https://x.com/GoogleAIStudio/status/2039016565065355734
谷歌发布 Veo 3.1 Lite，定位为 Veo 3.1 系列中成本最低的视频生成模型。该模型生成速度与 Veo 3.1 Fast 相同，价格不到后者的一半：720p 为 0.05 美元/秒，1080p 为 0.08 美元/秒，生成一段 8 秒 720p 视频成本为 0.40 美元。作为对比，Veo 3.1 Fast 当前 720p 和 1080p 均为 0.15 美元/秒。
Veo 3.1 Lite 支持文生视频和图生视频，提供横屏（16:9）和竖屏（9:16）两种画幅，分辨率覆盖 720p 和 1080p（不支持 4K），时长可选 4 秒、6 秒或 8 秒，费用按时长计算，默认包含音频生成。
谷歌同时宣布 4 月 7 日起下调 Veo 3.1 Fast 定价：720p 从 0.15 美元/秒降至 0.10 美元/秒，1080p 从 0.15 美元降至 0.12 美元/秒，4K 从 0.35 美元降至 0.30 美元/秒。
Veo 3.1 Lite 现已通过 Gemini API 和 Google AI Studio 付费层开放使用。
信源：https://x.com/GoogleAIStudio/status/2039016565065355734
Claude Code泄露是Bun的bug导致的？Bun创始人否认后直接锁帖
Claude Code 源码泄露事件引发连锁归因。开发者 jakeg 在 Bun 的 GitHub issue #28001 下提问：Claude Code 使用 Bun 构建，而 Bun 存在一个已知 bug（`Bun.serve()` 在生产模式下仍提供 source map 文件），这是否是泄露的根本原因？评论迅速获得近百个表情回应，大量开发者涌入跟帖。
Anthropic 于 2025 年 12 月收购了 Bun，收购公告称「Bun 是 Claude Code 基础设施扩展过程中的关键」，Jarred Sumner 和团队随收购加入 Anthropic。Jarred Sumner 随后亲自回应：「这和 Claude Code 没有任何关系。这个 bug 针对的是 Bun 的前端开发服务器。Claude Code 不是前端应用，它是一个 TUI（终端界面程序），不使用 Bun.serve() 来编译单文件可执行包。」他随即锁定该 issue 禁止非协作者继续评论，并将标题改为强调「Bun's frontend development server」以避免误导。
两个问题在技术上完全不同。Bun #28001 是
信源：https://github.com/oven-sh/bun/issues/28001
Claude Code 源码泄露事件引发连锁归因。开发者 jakeg 在 Bun 的 GitHub issue #28001 下提问：Claude Code 使用 Bun 构建，而 Bun 存在一个已知 bug（`Bun.serve()` 在生产模式下仍提供 source map 文件），这是否是泄露的根本原因？评论迅速获得近百个表情回应，大量开发者涌入跟帖。
Anthropic 于 2025 年 12 月收购了 Bun，收购公告称「Bun 是 Claude Code 基础设施扩展过程中的关键」，Jarred Sumner 和团队随收购加入 Anthropic。Jarred Sumner 随后亲自回应：「这和 Claude Code 没有任何关系。这个 bug 针对的是 Bun 的前端开发服务器。Claude Code 不是前端应用，它是一个 TUI（终端界面程序），不使用 Bun.serve() 来编译单文件可执行包。」他随即锁定该 issue 禁止非协作者继续评论，并将标题改为强调「Bun's frontend development server」以避免误导。
两个问题在技术上完全不同。Bun #28001 是
Bun.serve() 在设置 development: false 后仍向浏览器暴露 .map 文件，属于前端服务器的配置 bug；Claude Code 的泄露则是 v2.1.88 的 npm 包中意外打入了约 60MB 的 source map 文件，Anthropic 自己的说法是「由人为失误导致的发布打包问题」，属于 CI/CD 构建配置错误。该 Bun bug 自 3 月 11 日提交以来已存在三周，至今未合并修复。信源：https://github.com/oven-sh/bun/issues/28001
❤1
Web3智能手机制造商Nothing前AI负责人许奇离职创业，要做「硬件版输入法」
Web3 智能手机制造商 Nothing 前 AI 负责人许奇已离职创业，创立新公司「随心所语」，进入 AI 语音硬件领域。消息人士称其产品方向为「硬件版输入法」，首轮估值达数千万美元，前东家 Nothing 或参与天使轮。
许奇此前在 Nothing 负责 AI 及软件产品工作，更早曾在一加担任软件产品经理。Nothing 由前一加联合创始人裴宇（Carl Pei）创立，累计营收已超 10 亿美元，今年 3 月刚正式进入中国市场。
信源：https://mp.weixin.qq.com/s/e7f93DkI41mRqPLYXc6oLQ
Web3 智能手机制造商 Nothing 前 AI 负责人许奇已离职创业，创立新公司「随心所语」，进入 AI 语音硬件领域。消息人士称其产品方向为「硬件版输入法」，首轮估值达数千万美元，前东家 Nothing 或参与天使轮。
许奇此前在 Nothing 负责 AI 及软件产品工作，更早曾在一加担任软件产品经理。Nothing 由前一加联合创始人裴宇（Carl Pei）创立，累计营收已超 10 亿美元，今年 3 月刚正式进入中国市场。
信源：https://mp.weixin.qq.com/s/e7f93DkI41mRqPLYXc6oLQ
谷歌无屏Fitbit手环曝光：外观酷似Whoop，接入AI健康教练
谷歌正在 Fitbit 品牌下开发一款无屏健身手环，计划今年内发布。知情人士透露，该设备提供基础功能，更多功能需付费订阅解锁，与无屏健身手环 Whoop 和智能戒指 Oura 的订阅模式类似，但谷歌会对硬件单独收费，Whoop 则完全依赖订阅。
NBA 金州勇士队球星斯蒂芬·库里周二在社交媒体上预热了这款设备，称它将开启「与健康的全新关系」。谷歌确认 Curry 一直在「与团队合作打造一些特别的东西」，更多细节将「很快」公布。
该设备外观为灰色织物手环配橙色内衬，与 Whoop 现款无屏手环高度相似。它将接入重新设计的 Fitbit 应用中的 AI 健康教练，该功能去年 10 月启动公开预览，覆盖经期健康、心理健康、营养和饮水追踪等场景。加上 Pixel Watch 和传统 Fitbit 产品线，谷歌的可穿戴阵容将进一步扩充。
谷歌入场恰逢无屏可穿戴市场升温。Whoop 刚以 101 亿美元估值完成 5.75 亿美元 G 轮融资，Cristiano Ronaldo、LeBron James 等运动明星以个人身份参投，公司计划两年内 IPO；智能戒指 Oura 去年估值也已达 110 亿美元。
信源：https://www.bloomberg.com/news/articles/2026-04-01/google-readies-revamped-screenless-fitbit-to-rival-growing-whoop-craze
谷歌正在 Fitbit 品牌下开发一款无屏健身手环，计划今年内发布。知情人士透露，该设备提供基础功能，更多功能需付费订阅解锁，与无屏健身手环 Whoop 和智能戒指 Oura 的订阅模式类似，但谷歌会对硬件单独收费，Whoop 则完全依赖订阅。
NBA 金州勇士队球星斯蒂芬·库里周二在社交媒体上预热了这款设备，称它将开启「与健康的全新关系」。谷歌确认 Curry 一直在「与团队合作打造一些特别的东西」，更多细节将「很快」公布。
该设备外观为灰色织物手环配橙色内衬，与 Whoop 现款无屏手环高度相似。它将接入重新设计的 Fitbit 应用中的 AI 健康教练，该功能去年 10 月启动公开预览，覆盖经期健康、心理健康、营养和饮水追踪等场景。加上 Pixel Watch 和传统 Fitbit 产品线，谷歌的可穿戴阵容将进一步扩充。
谷歌入场恰逢无屏可穿戴市场升温。Whoop 刚以 101 亿美元估值完成 5.75 亿美元 G 轮融资，Cristiano Ronaldo、LeBron James 等运动明星以个人身份参投，公司计划两年内 IPO；智能戒指 Oura 去年估值也已达 110 亿美元。
信源：https://www.bloomberg.com/news/articles/2026-04-01/google-readies-revamped-screenless-fitbit-to-rival-growing-whoop-craze
OpenRouter上线Model Fusion：多模型并行回答、交叉找盲区，融合出一个最优结果
AI 模型路由平台 OpenRouter 上线公开实验功能 Model Fusion，用户可同时调用多个大模型回答同一问题，系统自动分析各模型输出的差异与盲区，最终融合为一个最优回答。免费使用，无需订阅。
Model Fusion 分三步：
1. 生成：同一提示词同时发给多个模型并行生成
2. 分析：预融合评审（pre-fuse judging）从多个维度比较各模型输出，包括覆盖度（Partial Coverage）、独特洞察（Unique Insights）和盲区（Blind Spots）
3. 融合：分析结果交给终审模型合成最终回答，终审模型可由用户自定义
默认提供 Quality、Budget、Custom 三种预设。Quality 预设下默认选用 Claude Opus 4.6、GPT-5.4 和 Gemini 3.1 Pro Preview。用户也可自行增减模型组合。OpenRouter 称在内部测试中，融合结果优于任何单一模型在深度研究（Deep Research）任务上的表现。
信源：https://x.com/OpenRouter/status/2038997156347179157
AI 模型路由平台 OpenRouter 上线公开实验功能 Model Fusion，用户可同时调用多个大模型回答同一问题，系统自动分析各模型输出的差异与盲区，最终融合为一个最优回答。免费使用，无需订阅。
Model Fusion 分三步：
1. 生成：同一提示词同时发给多个模型并行生成
2. 分析：预融合评审（pre-fuse judging）从多个维度比较各模型输出，包括覆盖度（Partial Coverage）、独特洞察（Unique Insights）和盲区（Blind Spots）
3. 融合：分析结果交给终审模型合成最终回答，终审模型可由用户自定义
默认提供 Quality、Budget、Custom 三种预设。Quality 预设下默认选用 Claude Opus 4.6、GPT-5.4 和 Gemini 3.1 Pro Preview。用户也可自行增减模型组合。OpenRouter 称在内部测试中，融合结果优于任何单一模型在深度研究（Deep Research）任务上的表现。
信源：https://x.com/OpenRouter/status/2038997156347179157