OpenAI feels “burned” by Apple’s crappy ChatGPT integration, insiders say★ 75
Ars Technica AI18d agoBusiness根據最新法庭裁決，法官已下令 Apple 必須向 Elon Musk 提交涉及其與 OpenAI 秘密交易的內部溝通訊息。此一法律爭議曝光之際，更有內部消息指出，OpenAI 對於 Apple 在其系統中「糟糕的」ChatGPT 整合方式感到極度失望與受挫（feels "burned"），認為該合作未達預期，雙方合作關係似乎出現裂痕。
Pennsylvanians use town hall meeting to rail against data center boom
Ars Technica AI18d agoBusiness隨著 AI 需求爆發，美國賓州迎來數據中心建設熱潮，但這引發了當地居民的強烈反彈。在最近的一場鎮民大會中，居民痛批數據中心帶來的噪音、龐大電力與水源消耗，並指責相關單位在規劃過程中缺乏透明度，嚴重損害公共信任。此事件反映出 AI 基礎設施擴張與地方社群利益之間的緊張關係。
Claude Code's product lead talks usage limits, transparency, and the "lean harness"★ 80
Ars Technica AI18d agoOpinionAnthropic 旗下熱門命令列 AI 助手 Claude Code 的產品主管 Cat Wu 近日接受專訪。她透露團隊在開發這款 Agent 工具時「沒有宏偉的藍圖」，而是採取刻意為之的靈活迭代策略。訪談重點圍繞在開發者最關心的 API 使用額度與成本限制、如何透過高透明度介面建立信任，以及如何利用「精簡測試架構（lean harness）」在不犧牲效能的前提下，優化 Agent 的執行效率與準確度。
datasette-llm-limits 0.1a0
Simon Willison's Weblog18d agoReleaseSimon Willison 發布了 Datasette 的新插件 `datasette-llm-limits 0.1a0`。該插件與 `datasette-llm` 和 `datasette-llm-accountant` 協同工作，允許管理員為 Datasette 內部的 LLM 使用設定每位用戶（或全域）的消費限制。例如，可以輕鬆配置每位用戶在滾動 24 小時內最多只能消耗 1.00 美元的 LLM 額度，有效防止 API 帳單爆表。
[AINews] Everything is Conductor
Latent Space18d agoOpinion本期 AINews 聚焦於一個新興趨勢：「萬物皆為協調者（Conductor）」。隨著 AI 應用從單一提示詞轉向複雜的多步驟工作流，如何有效編排、調度多個 AI 代理與工具（如使用類似 Netflix Conductor 或 Temporal 的架構）成為核心。這意味著未來的 AI 開發重點將從單一模型能力，轉向系統級的流程控制與協調。
Quoting Mitchell Hashimoto★ 75
Simon Willison's Weblog19d agoOpinionHashiCorp 創辦人 Mitchell Hashimoto 針對 Bun 從 Zig 改寫為 Rust 發表看法。他指出，過去程式語言具有強大的「鎖定效應」，但如今已變得高度可替代（fungible）。Bun 證明了他們能在短短一兩週內將程式碼移植到任何語言，這意味著在 AI 與代理工程（Agentic Engineering）時代，程式語言只是工具，隨時可以被拋棄與替換。
AI-Native Healthcare: 100M Doctor Visits, 10–20 Hours Saved, Prior Auth in Minutes — Janie Lee & Chai Asawa, Abridge★ 80
Latent Space19d agoCommentary本期 Latent Space 專訪醫療 AI 領導品牌 Abridge 的產品副總裁 Janie Lee 與工程副總裁 Chai Asawa。Abridge 透過環境語音識別（Ambient AI）技術，將醫病對話自動轉化為結構化病歷，每週為醫生節省 10 至 20 小時。此外，他們正將應用擴展至「預先授權（Prior Auth）」等行政流程，致力將醫病對話打造為醫療系統的全新作業系統。
datasette-agent 0.1a1
Simon Willison's Weblog19d agoReleaseDatasette 的 AI 代理工具 datasette-agent 發布了 0.1a1 早期測試版本。本次更新主要改進了安全與權限邏輯，現在系統在決定向使用者展示哪些資料表時，會先檢查並遵循 `execute-sql` 權限設定。這有助於在有權限控管的 Datasette 實例中，更安全地讓 AI 代理進行資料查詢。
Lake Tahoe residents lose energy supplier to data center boom★ 75
Ars Technica AI19d agoIncident加州太浩湖（Lake Tahoe）地區的 49,000 名居民正面臨電力危機。當地的電力供應商決定停止服務該地區，轉而將電力資源優先供應給鄰近內華達州蓬勃發展的數據中心。這起事件凸顯了 AI 與雲端運算帶來的數據中心熱潮，已開始直接與民生用電爭奪資源，引發社會與基礎設施分配的爭議。
Granite Embedding Multilingual R2: Open Apache 2.0 Multilingual Embeddings with 32K Context — Best Sub-100M Retrieval Quality★ 75
Hugging Face Blog19d agoReleaseIBM 發布全新開源多語言嵌入模型 Granite Embedding Multilingual R2。該模型採用寬鬆的 Apache 2.0 授權，支援高達 32K 的上下文長度。在參數小於 1 億（Sub-100M）的同量級模型中，它展現出最頂尖的資訊檢索品質，非常適合用於建構高效能且低資源消耗的 RAG（檢索增強生成）系統。
[AINews] Codex Rises, Claude Meters Programmatic Usage★ 75
Latent Space19d agoCommentary本期 AINews 聚焦於 AI 寫程式 Agent 的長期發展趨勢。Anthropic 開始針對 Claude 的程式化使用（Programmatic Usage）進行計量與限制，這將直接影響開發者透過自動化腳本或第三方工具調用 Claude 的成本。另一方面，Codex 相關的自動化編程 Agent 影響力持續上升，顯示出 AI 在軟體開發流程中的滲透率正穩定增加。
Unlocking asynchronicity in continuous batching★ 75
Hugging Face Blog19d agoRelease本文介紹了 Hugging Face 在 LLM 推論優化上的最新技術：在連續批次處理（Continuous Batching）中解鎖非同步（Asynchronicity）機制。傳統的連續批次處理在排程、GPU 執行與 Token 處理間存在同步瓶頸。透過將這些步驟非同步化，能有效重疊 CPU 與 GPU 的工作負載，進而大幅提升推論吞吐量並優化首字輸出時間（TTFT）。
[AINews] The End of Finetuning★ 75
Latent Space20d agoOpinion在一個相對平靜的新聞日，Latent Space 帶領讀者反思「微調（Fine-tuning）的終結」這一命題。 隨著長上下文視窗、高效 RAG 以及上下文內學習（In-context Learning）的成熟，許多原本需要微調的場景已被取代。 未來微調可能退化為僅用於調整輸出格式、風格或進行模型蒸餾的工具，而非首選的知識注入手段。
How open model ecosystems compound★ 75
Interconnects (Nathan L.)21d agoOpinion本文探討開源 AI 模型生態系的「複利效應」，特別聚焦於中國以 Qwen 和 DeepSeek 為代表的「開源優先」高參與度生態。開源模型透過社群的集體微調、工具鏈優化與應用開發，累積進步的速度已逐漸逼近甚至超越封閉模型。這種去中心化的協作模式不僅降低了技術門檻，更形成了一個自我強化的生態飛輪，對全球 AI 競爭格局產生深遠影響。
Co-Scientist: A multi-agent AI partner to accelerate research★ 85
Google DeepMind Blog21d agoReleaseGoogle DeepMind 發表全新 AI 系統「Co-Scientist」，採用基於 Gemini 的多 Agent（多智慧體）架構。該系統能扮演科學家的虛擬合作夥伴，協助進行文獻回顧、提出新穎假設、設計實驗步驟並分析複雜數據。透過不同專業 Agent 的協作與互相審查，Co-Scientist 旨在大幅縮短科研週期，推動生物、化學及材料科學等領域的突破。
[AINews] Thinking Machines' Native Interaction Models - TML-Interaction-Small 276B-A12B - advances SOTA Realtime Voice and kills standard VAD★ 85
Latent Space21d agoReleaseAI 研發團隊 Thinking Machines 推出全新原生互動模型「TML-Interaction-Small 276B-A12B」。該模型專為即時語音設計，擁有 276B 總參數與 12B 啟用參數。它不僅刷新了即時語音的技術前沿（SOTA），更透過原生互動機制，徹底取代了傳統的語音活動檢測（VAD）模組，實現更自然、無縫的雙向語音對話。
Building Blocks for Foundation Model Training and Inference on AWS★ 75
Hugging Face Blog22d agoTutorialHugging Face 與 AWS 合作介紹在 AWS 上構建基礎模型的關鍵組件。文章涵蓋如何利用 AWS Trainium 和 Inferentia 晶片，並結合 Hugging Face Optimum Neuron 庫來優化效能。同時，也探討了透過 Amazon SageMaker 與專屬深度學習容器（DLCs）來簡化分散式訓練與高吞吐量推理的部署流程。
Import AI 456: RSI and economic growth; radical optionality for AI regulation; and a neural computer ★ 75
Import AI (Jack Clark)22d agoCommentary最新一期 Import AI 聚焦於三大前沿議題。首先，分析了遞迴自我改進（RSI）如何可能引發爆發性的經濟成長，並探討其預測模型。其次，面對難以預測的超智慧（Superintelligence），文章主張監管機構必須保有「極致選擇權」以彈性應對。最後，介紹了結合神經網路架構的新型運算系統（神經電腦）之最新進展。
How Superset built the IDE for AI agents on Vercel
Vercel Changelog23d agoCommentary本文介紹 Superset 如何在 Vercel 平台上構建專為 AI Agent 設計的整合開發環境 (IDE)。Superset 利用 Vercel AI SDK 簡化多模型對接，並透過 Next.js App Router 與 Serverless Functions 處理複雜的代理人工作流與工具調用。透過 Vercel 的全球邊緣網路，他們成功解決了 Agent 運作時的即時狀態同步與高延遲問題，為開發者提供流暢的協作體驗。
[AINews] Anthropic growing 10x/year while everyone else is laying off >10% of their workforce★ 75
Latent Space24d agoBusiness本文探討了當前科技經濟中極具對比的「雙軌分歧」現象。一方面，多數科技企業正經歷超過 10% 的裁員潮與預算緊縮；另一方面，以 Anthropic 為首的頂尖 AI 公司卻以每年 10 倍的速度瘋狂成長。這種資金與人才高度向生成式 AI 領域集中的現象，正劇烈重塑科技產業的就業與發展版圖。
[AINews] GPT-Realtime-2, -Translate, and -Whisper: new SOTA realtime voice APIs★ 85
Latent Space25d agoReleaseOpenAI 推出全新一代即時語音與音訊 API，包含 GPT-Realtime-2、GPT-Translate 以及 GPT-Whisper。這些 API 將 GPT-5 的強大能力導入語音領域，提供全新業界領先（SOTA）的即時語音互動、多語言翻譯與語音識別效能，展現了 OpenAI 將 GPT-5 架構全面鋪設至各類應用場景的野心。
Notes from inside China's AI labs★ 75
Interconnects (Nathan L.)26d agoCommentary知名 AI 專家 Nathan Lambert 親自走訪中國多家領先的 AI 實驗室（如 DeepSeek、智譜 AI、零一萬物等），分享第一手觀察。他指出，面對美國嚴苛的晶片制裁，中國實驗室展現出驚人的系統級工程與架構優化能力，並以極低成本推動開源模型（如 Qwen 與 DeepSeek）的快速迭代。然而，嚴格的政府監管審查與對即時商業變現的焦慮，也形塑了與矽谷截然不同的 AI 發展生態。
[AINews] Anthropic-SpaceXai's 300MW/$5B/yr deal for Colossus I, ARR growth is 8000% annualized★ 90
Latent Space26d agoBusiness根據 Latent Space 報導，Anthropic 與 xAI 達成一項歷史性的算力租賃協議。Anthropic 將以每年 50 億美元的價格，租用 xAI 旗下 Colossus I 超級電腦叢集高達 300MW 的電力容量。這項交易不僅代表著 AI 算力市場的版圖重組，也讓相關實體的年化經常性收入（ARR）呈現驚人的 8000% 爆發式成長，顯示出前沿模型對算力的極度飢渴。
vLLM V0 to V1: Correctness Before Corrections in RL★ 75
Hugging Face Blog27d agoOpinionServiceNow AI 發表專文探討 vLLM V0 到 V1 的架構演進。文章指出，在進行大語言模型（LLM）的強化學習（RL）訓練時，底層推理引擎（如 vLLM）的精確度與穩定性至關重要。過去在 V0 版本中，微小的推理偏差或不確定性常導致 RL 訓練難以收斂，迫使研究員進行無謂的演算法修正；而 vLLM V1 透過重構底層，實現了「正確性優先」的設計，大幅提升了 RL 訓練的效率與可預測性。
AlphaEvolve: How our Gemini-powered coding agent is scaling impact across fields★ 80
Google DeepMind Blog27d agoReleaseGoogle DeepMind 發表 AlphaEvolve 的最新進展。這款由 Gemini 驅動的程式碼 Agent（Coding Agent）透過先進的演算法，在商業營運、基礎設施優化以及科學研究三大領域展現強大影響力。它不僅能自動化編寫程式，更能自我演化以適應複雜的跨領域需求，加速技術落地。
[AINews] Silicon Valley gets Serious about Services★ 80
Latent Space27d agoCommentary近期一系列的產業動態與產品發布，皆指向同一個核心趨勢：矽谷正認真將焦點轉向「AI 服務（Services）」。這意味著 AI 不再只是輔助人類的軟體工具（SaaS），而是能直接交付工作成果的代理人（Agents）。這種「以服務為軟體（Service-as-a-Software）」的轉變，將徹底重塑企業外包、客服及專業諮詢等數兆美元的服務業市場。
Adding Benchmaxxer Repellant to the Open ASR Leaderboard★ 75
Hugging Face Blog27d agoReleaseHugging Face 宣布為其 Open ASR（自動語音識別）排行榜引入「Benchmaxxer 驅逐劑」。此舉旨在解決模型開發者針對公開基準測試集進行過度優化（即「刷榜」）的問題。通過引入未公開的私有評估數據集，該排行榜將能更真實地反映 ASR 模型在實際應用中的泛化能力，防止虛高的排名誤導社群。
🔬Doing Vibe Physics — Alex Lupsasca, OpenAI★ 85
Latent Space28d agoCommentary本集 Latent Space 訪談邀請到加入 OpenAI 的理論物理學家 Alex Lupsasca，深入探討 GPT-5.x 如何在極度複雜的理論物理與量子重力領域中，協助推導出前所未有的新物理結果。這不僅展示了 AI 在符號運算與高度抽象思考上的躍進，也揭示了「直覺物理」（Vibe Physics）如何與嚴謹數學結合，預示著 AI 驅動科學發現（AI for Science）的新時代。
[AINews] The Other vs The Utility
Latent Space29d agoCommentary在 AI 發展的十字路口，業界正對其定位展開深思。一派主張 AI 應如 Clippy 般作為無形、高效的「實用工具」（The Utility），專注於完成任務；另一派則主張 AI 應作為「他者」（The Other），具備獨特的性格與主體性。這場爭論不僅關乎產品設計，更深植於人類如何與非人類智慧共存的哲學思考。
The distillation panic★ 75
Interconnects (Nathan L.)29d agoOpinion近期 AI 業界出現將「知識蒸餾（Distillation）」稱為「蒸餾攻擊（Distillation attacks）」的趨勢。 這反映了閉源模型廠商（如 OpenAI、Anthropic）面對開源模型透過合成數據快速追趕時的焦慮。 作者 Nathan Lambert 指出，將這種行之有年的機器學習技術與商業競爭行為「安全化（securitize）」，試圖將其塑造成惡意網路攻擊，是非常糟糕且誤導的術語，旨在為法律訴訟或技術封鎖鋪路。