💥 重磅新闻
OpenAI 推出 Sol 与 Luna 两款新模型，定位为 GPT-6 Astra 的更快、更便宜替代品，把 Astra 在编码、事实准确性、计算机使用和专业任务上的提升延伸到低成本层级，免费与 Go 用户仅可使用 Luna。同期 OpenAI 提高了 GPT-6 的默认 prompt cache 命中率，对 30 分钟内复用的共享前缀追加折扣，并推出缓存性能监控与诊断工具。HN 1662 票、798 条评论，位列当日热榜第二。
Anthropic 称 Opus 5.5 在多数工作负载上匹配 Claude Fable 5.1，成本却比 Opus 5 低 40%，并在公司自研的自动化行为审计中取得历史最好成绩，同时针对网络安全场景加入了更严格的防护。Anthropic 同步发布成本拆解：更低的输入/输出 token 单价叠加大量缓存读取共同压低单次任务成本，实际花费取决于轮次数量、缓存使用率与模型选择。HN 1686 票、1026 条评论，当日热榜第一。
五角大楼表示，对 AI 输出的过度依赖是造成伊朗学校导弹袭击事件的因素之一，另一项独立调查也指出行动中对 AI 的依赖超出合理范围。同期 CNN 报道称，美军曾基于一份「完全虚假」的 AI 生成报告险些拦截一艘中国船只——官员发现聊天机器人错误识别了船上货物。这一系列事件把「AI 结论未经人工复核即进入杀伤链」的风险推到台前，也直接推动了前线模型第三方独立评估的呼声。HN 800 票、418 条评论。
成立七年的 Snorkel AI 完成 3.5 亿美元 E 轮融资，估值升至 35 亿美元，为上一轮的三倍。公司主打「数据即服务」路线，为模型训练提供高质量标注与数据开发能力。在合成数据泛滥、高质量人类标注愈发稀缺的背景下，训练数据供应链正在成为模型能力差异化与定价权的关键环节。
OpenAI 的 Sam Altman 和 Anthropic 的 Dario Amodei 将向联合国安理会就 AI 安全与监管发表讲话。与此同时，加拿大、德国、阿联酋、新加坡等 20 个国家以及欧盟委员会签署了加强前沿模型检查的声明，但美国与中国均未加入。全球 AI 治理的分层格局正在固化：多边机制加速推进，两大 AI 强国选择缺席。
特朗普表示美国将正式把 AI 改称为「超级智能」，此前他还就替代名称征询意见，候选包括 Superior、Extreme、Supreme Intelligence，同期又提出组建「AI Force」的构想。这一表态延续了其以命名与话语权介入 AI 议题的风格，也引发质疑：监管实质内容是否跟得上名称的变化。同期加州则在收紧 AI 数据中心的能耗与用水规则，得州已暂停数据中心许可等待电网审计。
Meta 此前声称 Muse 是「从零构建」，如今承认这款 AI 助手「大量借鉴」了开源项目 OpenClaw——连部分工作区文件名与内容都一致。Muse 上线后登顶美国 iOS 下载榜，但原创性争议正在消耗口碑；同期 Meta 还修复了一个可让攻击者控制 AI 代理的零日漏洞。HN 上有开发者实测向 Muse 索要文件系统，结果收到了 6.8GB 数据。
🛠️ 技术动态
小米上线 MiMo v2.6 模型。该消息在 HN 获得 1114 票、475 条评论，位列当日热榜第三，仅次于 Claude Opus 5.5 与 GPT-6 Sol/Luna——在两家美国头部实验室发布新模型的同一天拿到这个位置，讨论焦点集中在国产模型的迭代节奏、开放权重路线，以及手机厂商自研模型与端侧部署的结合路径。
xAI 发布 Grok 4.7，HN 603 票、520 条评论。同期 The Verge 报道特斯拉上线 Grok Bot，可接管收件箱、日历和文件操作，仅面向每月 300 美元的 SuperGrok Heavy 订阅用户开放（beta）。Grok 正从对话模型向「代理 + 终端入口」的产品形态扩展，而高定价也把它明确框定在高端订阅层。
Scale 发布 SWE-Bench Pro V2，包含来自 11 个代码仓库的 642 个任务，修正了此前任务中的错误并细化了评测标准。结果显示 GPT-5 与 Claude Opus 4.1 在公开集上仅约 23%，远低于它们在 SWE-Bench Verified 上的成绩，说明新基准更贴近真实工程难度。顶尖模型在不同任务与语言间表现稳定，小模型在多文件复杂场景中明显吃力。
Perplexity 将拒绝采样微调与提示引导的自蒸馏结合，让 Computer 模型同时从成功会话和「被用户纠正的失败会话」中学习。相比只用成功轨迹，把用户修正纳入训练信号能让模型更贴近真实工作流中的纠错模式——这也把「用户纠正」从产品体验问题转化为训练数据资产。
vLLM 新增硬件无关层，在 NVIDIA H100 上可达到原生实现最高 96.6% 的效率，同时保持 torch 可编译与可扩展。这一改动让新 GPU 特性不再把老卡或小众加速器用户甩在后面，对推理栈的可移植性与国产/非英伟达加速器的生态接入有实际意义。
RRSI 针对 Agent harness 的递归自我改进过程做正则化，用于抑制基准过拟合。在八个基准上，它提升了分布外（OOD）性能，同时消耗的策略 token 更少——说明「让 Agent 自己改自己」可以不必然以牺牲泛化为代价，这对自动化 Agent 优化流水线的可信度很关键。
高通发布两款新智能手机芯片并强调 AI 能力，称新款旗舰芯片可在本地运行 30B 混合专家（MoE）模型。端侧可运行的模型规模继续上探，手机正在成为推理部署的一类重要载体——这对隐私敏感场景和离线可用性都有直接影响。
中国最大存储厂商长鑫存储（CXMT）称其制程能力已达到最先进量产节点水平，第五代 DRAM 平台进入量产，每片晶圆可多产出至少 50% 的裸片，两款 24Gb LPDDR5X 产品容量比前代 CXMT 产品高 50%。在 AI 内存需求持续紧张、HBM 产能成为 GPU 交付瓶颈的背景下，这一进展直接影响存储供应链的定价格局。
💡 深度分析
Khosla 认为个人 AI 的竞争最终落在两点：用户是否信任这家公司托管自己的敏感数据，以及产品能否可靠地把事情做完。他同时指出 Meta 在信任维度处于结构性劣势。这一框架把「模型能力」之外的分发与信任资产放到了同等位置，也解释了为什么能力更强的模型未必赢得个人助理市场。
有开发者发现 Claude Code 仅在遥测开启时读取 AGENTS.md，该行为随后被修复。案例暴露出 AI 编程工具的隐性行为耦合：项目约定文件是否生效，竟然取决于一个与功能无关的隐私开关。HN 338 票、183 条评论，讨论集中在 Agent 工具链的可观测性与「默认行为应当可预期」这一基本要求。
Linear 分享了 AI 辅助编程带来的连锁效应：代码产出速度大幅提升后，持续集成成为新的瓶颈，团队因此重构了 CI 流水线以匹配新的开发节奏。HN 311 票、397 条评论讨论从代码审查到部署自动化都需要适配 AI 时代的产出速率——AI 提升的是写代码的速度，而瓶颈只是被推到了下游。
文章认为当 AI 承担越来越多的思考与决策，人类不仅失去练习判断的机会，也失去积累智慧的路径。HN 382 票、535 条评论围绕 AI 辅助工具是否在系统性削弱人的认知能力展开争论。同期另一篇《我不想读你没写的东西》（HN 1029 票、449 条评论）指向同一焦虑的另一面：AI 生成内容正在稀释信息的可信度与密度。
文章主张用「间谍标记」而非水印来追踪 AI 生成内容：水印以鲁棒性为目标、易被规避，而植入可验证的隐蔽标记更贴近真实威胁模型下的取证需求。HN 673 票、165 条评论讨论了内容溯源在监管压力下的技术路线选择——当「必须能证明这段内容出自哪个模型」成为合规要求，方案设计需要先明确对抗谁。