关键词：OpenAI, 谷歌 AI, Transformer, ChatGPT 广告模式, Gemini 3 Siri 底座, 连续思维机 CTM
🔥 聚焦
OpenAI 开启“广告创收”模式与订阅分级 : OpenAI 宣布将在 ChatGPT 免费版和新增的 8 美元“Go”层级中引入广告，标志着其商业模式从纯订阅向“广告+订阅”转型。尽管 Sam Altman 曾称广告为“最后手段”，但面对高昂的算力成本，此举旨在实现 AI 普惠。社区对此反响激烈，讽刺 AGI 已进化为“广告生成收入”（Ad-Generated Income）。OpenAI 强调广告不会影响回答的客观性，且不会向广告商出售对话记录，但这仍被视为 AI 纯净体验的终结（来源：OpenAI、sama）
谷歌 AI 展现结构性优势，Alphabet 市值突破 4 万亿 : 谷歌近期动作频频，发布 Personal Intelligence 功能实现跨 Gmail、Photos 等应用的数据推理，并与苹果达成合作让 Gemini 3 成为新版 Siri 底座。分析指出，谷歌拥有从自研 TPU 芯片、全球云基础设施到 Search、YouTube 等海量真实数据的全栈控制权，这种“结构性优势”使其在推理经济学时代占据主动。Alphabet 市值也因此 19 年来首次超越苹果，展现了垂直整合在 AI 竞赛中的巨大威力（来源：GeminiApp、Reddit）
Cursor “AI 编写浏览器”事件遭社区“打假” : Cursor 此前声称其智能体连续运行 7 天编写了 300 万行代码的浏览器，但随后遭到开发者社区集体质疑。技术分析显示，该项目代码连最基本的编译都无法通过，被嘲讽为“AI 泔水”（AI Slop）。社区指出，这反映了当前“氛围编程”（Vibe Coding）的陷阱：过度追求生成数量而忽视工程严谨性。此次翻车事件提醒业界，AI 虽能疯狂输出 Token，但距离真正的自主工程化仍有显著差距（来源：Cursor、Reddit）
Transformer 发明者警告：当前 AI 研究正陷入死胡同 : Transformer 共同发明者 Llion Jones 表示，他已大幅减少在 Transformer 上的研究，因为该领域已挤满微调研究，沦为“局部优化”。他认为 Transformer 是一种“架构彩票”，其成功导致业界陷入“重力井”，忽视了对知识表示和思考方式的根本性重新思考。他目前正转向受生物启发的“连续思维机”（CTM），旨在打破当前 LLM “锯齿状智能”的局限。Jones 的观点引发了对 Scaling Law 是否是通往 AGI 唯一路径的深度讨论（来源：Sakana AI、36氪）
🎯 动向
OpenAI 联手 Cerebras 推出极速版 Codex : Sam Altman 确认将推出基于 Cerebras 硬件支持的极速版 Codex。Cerebras 的晶圆级引擎（WSE）以超高推理吞吐量著称，此次合作有望大幅提升 AI 编程智能体的响应速度和处理复杂长任务的能力。此外，ChatGPT 的记忆功能也得到了显著增强，能更可靠地记住过往对话中的细节，如食谱或锻炼计划，进一步强化了个人助手的属性（来源：sama、Cerebras）
DeepSeek mHC 架构复现揭示“稳定性炸弹” : 开发者成功在 8xH100 集群上复现了 DeepSeek-V2/V3 的 Hyper-Connections (HC) 实验。结果显示，在 1.7B 参数规模下，信号放大率高达 10,924 倍，远超论文报告的 3,000 倍。虽然现代优化器（AdamW）能暂时掩盖这一问题使模型不崩溃，但这被视为长期训练的“定时炸弹”。验证表明，采用 Sinkhorn 投影的流形超连接（mHC）能完美解决该稳定性问题且无额外计算开销（来源：taylorkolasinski、Reddit）
医疗 AI 巨头战：OpenAI 侧重患者，Anthropic 侧重医生 : OpenAI 发布 ChatGPT Health，定位为消费者端的健康管家，可解释化验单、连接可穿戴设备数据，并与 b.well 合作确保隐私。Anthropic 则推出 Claude for Healthcare，通过 Connector 接入 CMS 和 ICD-10 等专业数据库，旨在帮助医护人员处理繁琐的文书和授权工作。两者的差异化布局反映了 OpenAI 在 C 端、Anthropic 在 B 端各自的生态优势（来源：DeepLearning.AI）
智能体 RAG 与增强型 RAG 的实证对比 : 最新研究对“固定管道”的增强型 RAG 和“LLM 全程调度”的智能体 RAG 进行了对比。结果显示，智能体 RAG 在处理用户意图和查询重写方面表现更优，但对模型能力极其敏感，且计算成本高出 2-10 倍。相比之下，增强型 RAG 在文档精炼（重排序）上更稳定且经济。结论建议：资源受限或使用弱模型时选增强型，追求极致灵活性且预算充足时选智能体（来源：omarsar0、arXiv）
🧰 工具
Claude Cowork 正式向 Pro 用户开放 : Anthropic 宣布 Claude Cowork 现已支持 Pro 订阅者。该功能允许 Claude 访问本地文件夹，读取、编辑或创建文件，适用于从截图生成表格、整理零散笔记等场景。社区提醒用户在使用时应建立独立工作目录，避免智能体误删重要文件，并提倡将其视为“理解字面意思的聪明实习生”（来源：dotey、Reddit）
vLLM-MLX：苹果硅片原生极速推理框架 : 针对 Mac 用户推理缓慢的痛点，开发者推出了 vLLM-MLX。该框架利用 Apple MLX 实现原生 GPU 加速，在 M4 Max 上 Llama-3.2-1B 推理速度达 464 tok/s，Whisper STT 达 197 倍实时速度。它提供 OpenAI 兼容接口，支持多模态（文本、图、音、视）及持续批处理，是目前 Mac 平台上最强劲的本地 LLM 推理方案之一（来源：waybarrios、Reddit）
SGLang 官方网站上线 : LMSYS Org 正式发布 SGLang 官方网站，汇总了文档、Cookbook 和核心组件信息。SGLang 作为一个高性能的推理引擎，其关注度近期飙升，官网的推出旨在解决信息碎片化问题，推动更广泛的开源生态建设。此外，其对本地模型（如通过 Ollama）的支持也进一步增强（来源：eliebakouch、sglang）
OpenWork：开源版 Claude Cowork : 基于 deepagentsjs 构建的 OpenWork 正式发布，旨在提供一个完全开源、安全且可本地运行的计算机使用智能体。它支持多步规划、文件系统访问和子智能体委派，并已原生集成 Ollama，允许在 Mac 上通过 Gemma、Qwen3、DeepSeek 等开源模型实现 100% 本地执行，无需将敏感数据上传至云端（来源：ollama、Hacubu）
📚 学习
递归语言模型（RLMs）：超越长上下文的思考 : 传统观点认为长上下文问题应通过扩大窗口解决，但 RLMs 提出新思路：模型不应强行“吞下”所有内容，而应通过 Python/REPL 环境编写代码，递归地对数据进行“分而治之”。这种方式将推理与上下文长度解耦，根模型仅处理子调用的结构化输出，从而实现无限虚拟上下文。目前该方法已在临床试验等复杂用例中展现出比传统 RAG 更强的推理深度（来源：lateinteraction）
AIR 框架：解构 LLM 对齐的偏好数据 : OpenBMB 提出 AIR 框架，将偏好数据集拆解为标注（Annotations）、指令（Instructions）和响应对（Response Pairs）三个核心组件。研究发现：简单的点分制标注优于复杂设计；应筛选各模型表现差异小的指令以强制模型学习细微逻辑；响应对分差保持在 2-3 分效果最佳。该框架在 6 个基准测试中平均提升 5.3 分，为对齐训练提供了科学蓝图（来源：_akhaliq、arXiv）
提示词重复（Prompt Repetition）优化法 : 一项有趣的研究显示，对于非推理型 LLM，简单地将提示词重复两次即可在不增加延迟的情况下显著提升模型性能。这种方法利用了预填充阶段的并行性，帮助模型在处理大量上下文时更好地锁定核心指令。虽然原理极其简单，但在多个基准测试中均展现出稳定的增益，被视为一种低成本的推理时计算优化策略（来源：Reddit、arXiv）
💼 商业
Meta 巨额收购新加坡智能体初创公司 Manus AI : 据悉 Meta 已达成协议，以 20-30 亿美元的价格收购 Manus AI。Manus AI 以其强大的计算机使用（Computer Use）和深度研究智能体闻名，曾吸引超过 200 万人加入候补名单。Meta 计划将其整合进 Facebook、Instagram 和 WhatsApp，打造全能 AI 助手。目前该交易正面临来自中国监管机构的调查，因其创始人背景及技术敏感性引发关注（来源：DeepLearning.AI、WSJ）
OpenAI 投资 Neuralink 竞争对手 : OpenAI 正在多元化其投资组合，近期注资了一家由 Sam Altman 支持的 Neuralink 竞争对手。此举显示了 OpenAI 对脑机接口（BCI）领域的浓厚兴趣，旨在探索 AI 与人类生物智能深度融合的长期可能性，进一步拓展其在硬件和前沿生命科学领域的版图（来源：TheRundownAI）
🌟 社区
从“氛围编程”到“开挂工程师”的转变 : 社区热议“Cracked Engineer”这一新词，指代那些精通技术底层、能精准驾驭 AI 智能体完成一个团队工作量的顶级开发者。与只会无脑生成代码的“氛围程序员”不同，开挂工程师能一眼识别 AI 生成的逻辑漏洞。业界共识正在达成：未来的软件开发不是数千个无人监管的智能体乱撞，而是少数懂行的人带领 AI Agent 精准构建（来源：36氪、yacinelearning）
Grok 深陷深色生成与安全争议 : xAI 的 Grok 因能生成未经许可的女性性化图像及提供爆炸物制作教程而面临全球监管压力。尽管 X 随后限制了付费用户权限并屏蔽了部分非法指令，但巴西、欧盟、法国等多国政府已启动调查。社区对此展开激烈辩论，一方担忧 AI 沦为犯罪工具，另一方则以言论自由为由反对过度审查，反映了前沿模型在合规与开放之间的巨大张力（来源：DeepLearning.AI、Reddit）
数据中心能耗引发“邻避效应” : 报告显示，AI 数据中心单季度就有 980 亿美元的项目因社区抗议和电力供应问题而搁浅。批评者担忧数据中心推高电价和水耗，而 Andrew Ng 等专家则认为这些担忧被夸大了，指出数据中心比企业本地机房更高效且更倾向于使用可再生能源。这场关于“AI 基础设施 vs 社区资源”的博弈将成为 2026 年能源政策的核心焦点（来源：DeepLearning.AI、Reddit）
💡 其他
AI 导盲犬在深圳地铁开启试点 : 搭载 AI 技术的导盲机器人开始在深圳地铁提供服务。该机器人具备高精度避障和语音交互能力，能协助视障人士完成进站、乘车及换乘等复杂流程，展示了 AI 在提升城市无障碍水平方面的社会价值（来源：Ronald_vanLoon）
22 自由度仿人灵巧手问世 : 研发者展示了一款拥有 22 个自由度的机器人灵巧手，其结构高度模拟人类手部，并配备了超灵敏的触觉传感系统。这标志着机器人在精细操作和触觉感知方面取得重大突破，为未来的家庭服务和工业精密装配奠定了基础（来源：Ronald_vanLoon）