AI大模型

Hetzner is working on LLM Inference

I Tried Building a Real App with AI. It Took a Year

Show HN: Echo – Fable-level results at 1/3 the cost using open-weight models

by adam_rida · 439 points · 211 comments · I’ve been building Echo ( https://echo.tracerml.ai/ ), an experiment in making one AI system out of a pool of open-weight models rather than choosing a single model and using it for every task. It started with a simple experiment. I took a group of models, including GLM-5.2, Kimi

The arguments against open source AI are bad

Show HN: Claude-thermos keeps your Claude session warm for you

Oracle fires 21,000 employees to fund AI spending

微软、英伟达、Meta 等 25 家公司签署公开信，呼吁美国政府支持 AI 开源模型发展

IT之家 7 月 24 日消息，今日，微软、英伟达、IBM、Meta 等 25 家美国科技公司联名签署公开信，呼吁开放权重 AI 模型。 该公开信以开源软件运动历史为参照， 论述开放权重 AI 模型对美国把握人工智能时代主动权的关键意义 。开放权重模型可供各方下载、修改与自主部署，能够降低各类机构运用先进 AI 的门槛、活跃市场竞争，避免 AI 收益被少数企业垄断，同时让使用者掌握技术自主权，摆脱单一厂商绑定。 公开信指出，尽管开放权重存在难以管控衍生版本等风险， 但封闭模型同样存在安全隐患 。开放生态能够动员广大研究者排查漏洞、完善安全防护，是实现人工智能安全的重要路径。 文章呼吁政策制定者扶持开源 AI 发展，保障算力与公共研发资源供给，区分合法模型蒸馏技术与非法盗用行为，避免过度管制压制创新。依靠开放权重构建多元、普及的 AI 生态，推动人工智能落地各行各业，才能巩固美国技术优势，广泛共享人工智能发展红利。 IT之家附译文如下： 20 世纪 80 年代，早期开源软件先驱挑战了“只有企业严格控制代码，软件才能进步”的主流认知。这场运动推动构建一个透明的生态系统，让全球开发者能够研究、修改并改进软件。如今，开源社区开发的软件支撑着互联网的大部分运行，也是全球最大科技公司、美国军方及联邦机构开展科研、网络安全等关键任务所依赖系统的底层基础。开源的意义不止于降低软件成本；它构建了一个共享知识底座，几代美国工程师和企业家在此之上建立了自身的技术主权。 美国如今在人工智能领域面临类似抉择。评判我们的 AI 领导力，不应以单一前沿模型为标尺，而要看美国能否构建一个强大、开放的生态系统，并渗透至各行各业。这对于在全国范围内创造创新与繁荣机遇至关重要。它要求扩大 AI 可及性、鼓励竞争、构建强健的应用层，并让美国人对其所依赖的技术拥有更大控制权。 开源权重模型 —— 任何人都可下载、检视、修改并在自有基础设施上运行的 AI 模型 —— 是这一基础的重要组成部分，因为它们让先进 AI 更易获取、更具适应性、普及范围更广。

蚂蚁集团发布百灵原生混合推理模型 Ling-3.0-flash：124B 总参数量，能力对标上一代旗舰 Ring-2.6-1T

IT之家 7 月 24 日消息，蚂蚁集团旗下百灵大模型今日发布百灵新一代 原生混合推理模型 Ling-3.0-flash。 官方表示，相比上一代 1T 级旗舰思考模型 Ring-2.6-1T ，Ling-3.0-flash 的总参数量为 124B （约为 Ring-2.6-1T 的 12.4%），激活参数量仅为 5.1B （约为 Ring-2.6-1T 的 8.1%），却实现了全方位的能力对标甚至超越。 据介绍，Ling-3.0-flash 的核心改进体现在如下几个方面： 混合线性架构，原生进化： 从预训练伊始即采用原生混合线性注意力架构（5:1 交替堆叠 KDA 与 MLA），并升级全新 KDA 细粒度对角门控与 1/64 稀疏 MoE。在 124B 总参数、5.1B 激活参数规模下，实现了长上下文效率、状态记忆与计算成本的协同跃升。 极致智能密度，越级挑战： 追求“快、省、可落地”的智能密度与智效比极限，在直面更大尺寸竞对 SOTA 及上一代旗舰时实现性能越级。仅需 5.1B 激活参数即可提供卓越的传统推理、指令遵循与长文本能力，全面赋能复杂 Agent 场景的高效落地。 Agent 全面进化，长程闭环： 围绕真实生产力场景深度打磨，扩展 10,000+ 可交互训练环境，实现 Coding、General 与 Deep Research Agent 任务的全程闭环，做到“能力强、响应快、协同稳”。同时创新接入 SGLang HiCache + Mooncake 分级缓存架构（物理双池、集群共享 L3），使长程交互无需重算，长输入下 TTFT 降低 60% 至 80%+。 官方在 OpenRouter 与百灵官方平台同步 开放限时免费 API 调用 ，免费期截至 8 月 3 日 23:00（北京时间），Ling-3.0-flash 模型权重将在免费期结束后正式开源 。 IT之家附 OpenRouter 体验地址： https://openrouter.ai/inclusionai/ling-3.0-flash:free

印度科技企业 HCLTech 将参与奥里萨邦 1425.7 亿卢比 AI 数据中心建设

IT之家 7 月 24 日消息，印度科技企业 HCLTech 今日正式宣布将联手奥里萨邦政府与印度 AI 初创企业 Sarvam 在该邦 Bhubaneswar 即将落成的主权人工智能产业园区共同建设一座 AI 数据中心， 项目总投资额 1425.7 亿卢比 （IT之家注：现汇率约合 100.04 亿元人民币）。 这项投资将结合 HCLTech 的全栈人工智能能力和 Sarvam 的基础模型，为私营和公共部门企业提供特定行业的 AI 应用，助力印度自主人工智能生态系统构建。此外，它还将有助于向基层用户提供多语言 AI 服务。 除数据中心外， HCLTech 还将在 Bhubaneswar 建设其全球技术中心 。该设施可容纳 5000 名员工，预计 2028 年投运。

大模型价格战下半场：将推理价格打下去

“买一批设备回来，10个月收回成本就够了，希望能以合理价格买到芯片，这样就不用自己做芯片了”，近日在投资会上，DeepSeek 创始人梁文峰道出了自己的苦恼， 现在的芯片价格太贵了，无法满足DeepSeek对于大模型低成本的需求。 值得注意的是，在本次投资会之前，就有媒体爆料称： DeepSeek开始自研定制的推理芯片，已经秘密启动一年时间，并与芯片设计公司、晶圆代工厂及存储厂商展开多轮接洽。 从中我们不难看出，主打低价格的DeepSeek正在遭遇芯片的成本危机，随着AI大模型的商业落地和Token的大规模调用，曾经被边缘化的推理芯片正在取代训练芯片，成为AI大模型厂商的主要成本支出。 那么对于以DeepSeek为代表的主打低价格的大模型厂商来说， 如何进一步降低推理芯片的价格，将成为大模型企业的核心竞争力。 【1】DeepSeek带动行业降价 2026年，对于国内大模型产业来说，是集体降价冲刺的一年： 5月23日，DeepSeek宣布将V4-Pro模型的“折扣优惠”正式变成了永久性的“降价通知”，原先2.5折的专业版模型API调用价格，变成了“永久2.5折”；此后更是推出类似电价的峰谷定价机制，根据不同时间段动态调整API价格； 5月28日，小米旗下MiMo-V2.5全系列API接口永久下调资费，部分细分调用场景降价比例逼近99%，并宣布不再区分上下文窗口长度，统一按低价计费，解决开发者长文本处理的成本焦虑。 6月底，腾讯云平台内上线的DeepSeek-V4全系列模型同步下调调用价格，最高降幅达到97.5%、第三方入驻模型MiniMax-M3推理输入、推理输出、缓存命中三项费用，各项降幅均为50%。 这波降价幅度有多大？以DeepSeek为例，经过调价后，其专业版百万Tokens的价格直接降到0.025元，价格只有Minimax M2.7价格的5.8%。 价格成为杀手锏，企业和用户开始用脚投票，对于大多数需求来说，使用成本往往比性能参数更重要，OpenRouter数据显示：在调低价后，DeepSeek-V4-Flash模型登顶全球调用榜，而在此之前，DeepSeek旗下 V3.2/R1等大模型排名最多达到第三名。 （来源： DeepSeek官网 ） 为什么对外部融资不感兴趣的DeepSeek却能做到低价格？原因有两点： 一是利用精妙的算法和工程优化，大幅度降低了算力成本， 如处理百万级Token长上下文时，V4系列算力消耗仅为上代产品的27%，缓存机制降低了10%，真题训练成本降低了10%； 二是摆脱对英伟达的依赖，采购国产算力芯片， 如华为昇腾节点全系列产品已支持DeepSeek V4系列模型，降低了算力芯片的采购成本。 可以说，在软件算法和采购国产硬件双管齐下的情况下，DeepSeek等国内厂商加速了AI在商业上的应用。 【2】推理芯片成为价格限制期

十年前的小灯珠，竟成了AI手机的身份通行证

手机进入AI智能体时代后，提示灯会变成刚需吗？

Codex键盘第一波上手来了，有人反手让Codex破解了它

卖断货的 Codex 键盘，终于发货了。 上架不到 14 小时，它就被抢光。现在，美国首批用户陆续收到货，社交媒体上的晒图、开箱和各种捣鼓实录也跟着冒了出来。 巴掌大的机身上，塞着十多颗机械按键、一根摇杆、一个旋钮和触摸传感器。看起来像一块精致的机械键盘，也像专门给 Agent 做的遥控器。 我们搜集了社交媒体上 Codex 键盘的第一波上手分享，把这些反馈放在一起看，对 Codex 键盘的评价大概可以总结为「贵，但很好玩。」 按键手感和整机的质感都在线，多 Agent 的切换也比用鼠标键盘操作更方便。再配合今天 OpenAI 和 Anthropic 同时更新的语音功能，使用 ChatGPT Voice，更是直接摆脱了完整 QWERTY 键盘的存在。 纯语音加上这块小键盘，就是眼下使用 Codex 最酷，或许也是最高效的方式。 甚至有人说，这是他第一次真正感受到「AGI 时刻」。 果味满满的开箱体验 首批上手体验中，争议最少的就是 Codex Micro 的做工。 网友们一致认为按键手感和声音非常不错，有着舒适的点击感和段落感，甚至觉得有苹果产品的味道。从开箱体验，撕开层层包装盒，到整机的外观，果味都很重。 虽然 OpenAI 确实在从苹果那里挖人，但这款产品大概更多还是和它的出身更相关。Codex Micro 没有从零设计一套硬件，而是使用 Work Louder 已经量产的 Creator Micro 2 平台，再换上 OpenAI 联名外观、键帽和 Codex 集成。 聚碳酸酯外壳、铝合金结构、PBT/PC 键帽以及成熟的机械轴体，至少让它避开了不少「软件公司第一次做硬件」常见的廉价感。 一些键盘爱好者的真实反馈也提到，如果只是想自己创建这些快捷键和 Codex 集成的功能，上淘宝买一个便宜的宏键盘，价格不到 Codex Micro 的十分之一。 甚至是像我们前几天分享的用 Stream Deck 实现同样的功能，也可以作为一种替代方案。 但 Codex Micro 真正的创新之处在于它对原生平台的支持，以及独特设计带来的美感，能给我们的 Desk Setup 一些不一样的感觉。 当然，精致的做工不等于每台都没有问题，首批公开反馈里已经出现过摇杆到手失灵的个案。有网友在刚拿到自己的 Codex Micro 之后，在 Codex 内设置摇杆上下左右的功能，往上是计划模式的开关，往右是下一步，往左是返回，向下是使用分析数据质量的 Skill。 但在配置好摇杆功能并回到 Codex 任务界面后，无论向哪个方向推动摇杆，Codex 均提示『未配置向下指令』。 OpenAI 和 Work Louder 的工程师在评论区回复他，如何获取后台日志交给团队进行分析，但也有评论说，摇杆失灵似乎是 Work Louder 大多数产品的通病。 OpenAI 官方提供了 Cl

拆解谷歌100页AI经济报告：覆盖90%岗位，却只接手了1/5的活儿

谷歌发布AI经济报告，显示AI渗透广、介入浅

Kimi K3之外，开源与闭源的第一战

我们亲眼见证了，中国AI正在经历一场从应用套壳向物理硬核的质变。而这其中最重要的节点，或许是DeepSeek给了国产大模型信心，证明了算力问题不是无法克服的障碍。

WAIC三年记：AI落地曲线上的五个「真实拐点」

2026年，当WAIC的展馆里布满了极度注重算力和成本的边缘云网络、不再纠结于双足姿态的各类具身硬件、深入终端设备的轻量化模型、具备物理世界控制力的通用大脑，以及追求绝对确定性与高ROI的企业级系统时，一个极其清晰的行业结论已经浮出水面： 人工智能不再是一场高高在上的技术神话，而是一场关于工程细节、成本控制、场景理解与商业闭环的硬核拉锯战。 7 月18日的上海，2026WAIC世博展览馆里，闷热、潮湿，但依旧人头攒动，人流量堪称史上之最。 在这里，可以看到无论是大厂，还是头部模型厂商，都在为Agent重新改造升级基础设施。 阿里构建起从芯片到云、到千问模型、再到阿里云百炼推理与智能体生态的五层全栈架构；腾讯展示了以混元底座、云算力和WorkBuddy、QClaw等Agent智能体为核心的全栈能力；大模型厂商阶跃星辰更是为智能体运行在底层重构操作系统，打造一个合适的运行环境。 还可以看到忙碌于各个产业场景的智能硬件。 机器人们正在药房为接单、取药、递交给客户；在工厂7☓24小时稳定工作；在家庭中叠衣服、制作可口的饭菜。 然而在两年前，这里的展台大多摆着几台iPad或显示屏，演示内容是清一色的文本对话框。无论是写一首诗、总结一份PDF，还是生成一段营销文案，AI的能力被严格锁死在“屏幕之内”；至于模型层的竞争，大多还在围着模型参数和评分。 三年时间，AI在产业里的具体表达，已经发生了巨大的变化。从文本框里的能力，变成了看得见、摸得着、能干活的物理世界生产力。 站在展馆中心，不禁感叹，那场始于2023年末、狂飙于2024年的AI技术大雾，正在缓缓散去；而落下的水滴，已悄然渗入中国产业的泥土深处。 一个值得思考的问题是：过去这三年，AI在产业里的具体表达究竟发生了哪些变化？背后折射出怎样的底层产业逻辑变迁？ WAIC作为中国AI从“技术热潮”迈向“产业深水区”的晴雨表与第一现场，正在成为最好的观察对象。 站在 2026 年的时间坐标轴上回看，答案逐渐浮现。 一、从“屏幕文本框”到“终端硬件”，AI 开始拥有身体、岗位与 KPI 过去三年，WAIC最为明显的变化，其实是 AI形态的变化 。 2024年的WAIC，主角还是基础大模型。展台中央滚动着参数规模、上下文长度、多模态能力和各类榜单，行业竞争围绕模型能力展开。 到了2025年，Agent第一次成为高频词，但更多还是模型能力的延伸，用来证明模型已经具备调用工具、执行流程的能力。 2026年，格局彻底改变。几乎所有头部企业都把Agent放在展台最显眼的位置，模型退到幕后，成为智能体的底层能力。腾讯展示WorkBuddy、CodeBuddy、Marvis等智能体矩阵；阿里重点展示钉钉AI、Qoder、秒悟；百度围绕DAA（日活智能体）串联起搭子、秒哒、一镜、小度搭子、伐谋等产品；科大讯飞则将星火AIPC、星辰Cowor

Launch HN: Screenpipe (YC S26) – Record how you work and turn that into agents

by louis030195 · 80 points · 62 comments · Hi Hacker News, I'm Louis. I built Screenpipe ( https://screenpipe.com ), an app that records your screen and audio locally (only!), and gives AI agents a searchable memory of what you've seen, said, and heard. This makes it easier to automate your repetitive tasks, turn them int

赛马结束，大厂各寻Agent主心骨

“之前（智能体）最大风险是押错方向，现在是重复建设。”一位接近AI行业人士向「市象」表示：“资金和算力太大了，赛马也不可能是长久之计。” 过去，国内大厂面对龙虾热潮大干快上，将一批换壳龙虾抛入市场。 如今，面对满地“龙虾壳”，大厂准备收网。 7 月 2 日，阿里巴巴宣布 融合 QoderWork 、悟空 与 MuleRun ，升级为全新产品千问办公， 由钉钉 CEO 陈宇森统管。 7月20日，腾讯将QClaw产品中心的相关业务和团队，调整至WorkBuddy所属的云产品六部。 这两场变动，也成了龙虾潮的收尾。 大厂办公智能体矩阵，是在OpenClaw火箭上升后的恐慌应激反应。今年3月，OpenClaw火速登顶GitHub历史星标榜后，腾讯Qclaw、字节火山ArkClaw、阿里JVS Claw迅速跟上。短时间内，基于OpenClaw封装或兼容的套壳龙虾被批量产出。 仓促上线的代价是，一家公司内各产品功能高度重叠，均集中在白领办公场景，只是入口和流量不同。比如MuleRun从阿里云切入，QoderWork从桌面端切入，悟空从钉钉协同切入。 在腾讯，WorkBuddy和Qclaw一个是腾讯云做的，一个是腾讯电脑管家做的，用户自己都难以分清。 在字节，内部做了至少四款智能体——飞书妙搭OpenClaw、火山引擎ArkClaw、扣子OpenClaw、Trae Work，多个团队分别对OpenClaw产品化改装。 多产品线赛马，优点是想法多，创意多，缺点是资源太分散，只适合防守，打不了大仗。 OpenClaw曾用三天迭代三个版本，以一个退休程序员的周末项目击穿了大厂防线。 腾讯 WorkBuddy 与 Qclaw 的整合，阿里整合千问办公，本质上都带有止损意味。 而在7月初，一个更具象征意义的行业事件同步发生。字节豆包、阿里通义千问、腾讯元宝等主流大模型应用，几乎在同一时间全面下线了智能体广场与自定义智能体创建入口。 大厂在 AI 应用层从铺开摊子急剧转向收拢拳头，已形成行业共识。 钉钉的悟空时代落幕 “腾讯云的WorkBuddy爆发，侧面证明了火山引擎负责人肖默的问题，年初看到了龙虾就把所有精力和资源投入到龙虾里，Trae work比友商推迟了几个月出来，市场基本被WorkBuddy占领了，入口没了以后，机会就越来越少了。” 这一表述来自字节员工。 结论十分明确，大厂将分散的智能体产品整合到工作台，抢占未来的核心入口已成趋势。 千问办公的整合也类似。表面上是三款Agent产品的合并，背后是3月以来ATH事业群的整合延续。同时，钉钉也在借千问办公，重新定义自己。 从时间线上看，3月16日，阿里ATH事业群的整合，通义实验室、MaaS业务线、千问事业部、悟空事业部及AI创新事业部五大实体合为一体，仅24小时后，阿里发布AI原生工作平台悟空，流量入口+智能体工作平台的打法

马斯克：AI可能灭绝人类，像一枚20%概率会爆炸的火箭，但我还是会坐上去

马斯克：AI五年超人类，呼吁巨头互审保安全

AI bet goes awry: Oracle fires 21,000 employees

50万的Vertu AI手机，连贵都贵得不纯粹了

Vertu（纬图）做了二十多年奢侈手机，现在也开始靠 AI 讲新品了。 今年 5 月，Vertu 发布了一款大折叠 AlphaFold，起售价 3.97 万元，最高售价接近 50 万元。 这种价格放在 Vertu 身上并不意外，奇怪的是它给新机挂上的两个名号： 「AI 时代的总裁机」和「全球首款 Hermes 智能体手机」。 点开 Vertu 官网，先出现的内容和以前不太一样。 Vertu 花了很大篇幅介绍 AlphaFold 的 Hermes 智能体，告诉总裁们这台手机可以调节系统设置、分析报表、安排行程，还能连接企业 ERP。 小牛皮、鳄鱼皮、18K 金和钻石依然都有提供，这次却没成为主要的宣传卖点。 Vertu AlphaFold 和三星 Galaxy Z Fold 7｜图自 TechCrunch 以前大家认识 Vertu，看的就是它用了什么材料，提供什么定制服务，那枚红宝石按键还能直接联系 24 小时真人管家。 但如今的 AlphaFold 却跟大家聊自己能用 AI 干什么，听起来更像是一家 AI 硬件厂商在介绍 PPT 产品。 一台卖到 50 万元的 Vertu 手机，在努力证明自己能干活。 太怪了。 图自 Android Police Vertu，功能机时代的富豪机 不少人认识 Vertu，都是从它贵得离谱的售价开始。 1998 年，时任诺基亚首席设计师的 Frank Nuovo 有了一个想法： 手机也可以像腕表和珠宝一样，被做成奢侈品。 Frank Nuovo 四年后，Vertu Signature 正式在巴黎亮相。按照机身材质不同，这款手机售价 6000 欧元起，黄金、铂金等版本最高达到 2.4 万欧元。 这个价格哪怕放到今天，也已经足够买一辆代步小车。 贵归贵，早期的 Vertu 确实花了不少心思。贵金属机身外面包裹皮革，屏幕盖着蓝宝石水晶，每台手机都由英国工匠手工组装。 设计团队当时想做的产品很接近高级腕表： 手机功能可以不突出，材料和工艺必须经得起近距离观看。 同年上线的真人私人管家，又给 Vertu 增加了一项普通手机无法提供的服务。 用户按下机身上的专属按键，电话另一头便有真人管家接待，帮助预约餐厅、寻找演出门票或者安排出行。购买手机只是开始，这些增值服务还需要继续付费。 当时的手机市场刚好容得下这种产品。功能机之间的体验差距有限，厂商能做的主要是调整外观、材料和按键设计。 而 Vertu 的售价、珍稀材质和私人服务， 恰好把追求「人无我有」的客户与大众市场隔开。 奢侈手机的空缺就这样被填上了。 到 2012 年诺基亚出售 Vertu 前后，这个品牌已经进入全球 60 多个国家，年营收被估算在 2 亿至 3 亿欧元之间。截至 2015 年，Vertu 累计卖出约 45 万台手机。 数量放在大众手机市场里不算什么，对一个动辄卖到上万欧

一年暴涨100倍，AI最被低估的生意爆发了

AI数据，可能是这轮AI浪潮中最被低估的生意之一。 不久前，Menlo Ventures合伙人Deedy在X上发布了一张AI训练数据公司全景图。 图中一共收录了28家创业公司，合计年收入约85亿美元，总估值接近1000亿美元。仅从收入规模看，训练数据可能已经成为继AI算力和大模型之后，AI产业第三大的细分赛道。 更值得关注的是，它仍在高速增长。 2025年9月，Mercor的年化收入约为5亿美元；2026年2月突破10亿美元；到6月，已经超过20亿美元。九个月时间，收入增长了三倍，规模变成原来的四倍。 Handshake的增长更夸张。 它原本是一家经营了12年的大学生招聘平台，直到2025年初才切入AI训练数据业务。刚起步时，这项业务的年化收入只有500万—1000万美元；2026年1月，已经增长至5.5亿美元；到4月，第三方机构Sacra估算，其年化毛收入已经接近11亿美元。 也就是说，一年时间Handshake的收入翻了整整100倍！ 更重要的是，这还是一个高度集中的赛道。Scale AI、Surge AI、Mercor和Handshake四家公司，拿走了全行业超过四分之三的收入。 短短一年时间，AI训练数据不仅长出了一个近百亿美元的市场，还迅速诞生了数家十亿美元收入规模的公司。 那么，AI数据公司为什么会在今年突然爆发？今天，硅基君就来聊聊这门被长期低估的生意。 为什么数据公司开始集体印钞？ 之所以数据公司赚钱越来越多，一个很重要的原因是， 数据在模型训练中的角色变了，从一次性投入的原材料，转变为持续消耗的燃料 。 在大模型发展的早期，数据采购是项目制的。实验室在训练开始前备好数据集，跑完一轮训练，下一次采购要等到下一代模型立项，中间往往隔着一年半载。这决定了数据公司的收入是脉冲式的——有订单时忙一阵，交付完就进入空窗。 模型迭代节奏的加快，改变了这个模式。 2022年底ChatGPT上线，四个月后，OpenAI发布GPT-4。此后，GPT-4到GPT-4o间隔了13个月。到了2026年，GPT-5.4在3月推出，GPT-5.5在4月跟进，间隔只剩一个月。 Anthropic的节奏更快。5月底发布Opus 4.8后，仅过了11天，又在6月9日推出旗舰模型Claude Fable 5。 迭代越快，实验室发现的能力缺口就越多，对"新增的、针对性的、高价值数据"的需求也就越频繁。 数据采购从一年几次的项目，变成了随时发起的日常动作。供给端随之调整，Scale AI 的交付模式已经从按月打包，升级为 API 按需交付——客户发起标注任务，最快一小时就能拿到生产级的标签数据。 需求频次在上升，单位需求的数据体量也在同步膨胀，因为模型要学的任务变复杂了 。 代码智能体是最直观的例子。早期模型练代码，学习范围相当有限：行业基准 SWE-bench Verified

海外媒体巨头如何应对AI潮？“打不过”就加入

上月中旬，路透社任命Jane Barrett为路透社产品负责人，在此之前，Jane已担任快2年的AI战略负责人。内部人士评价：“在她的领导下，路透社积极拥抱人工智能：将AI融入内部工作流程，也推动AI改善用户体验。” 这一人事调整再次提醒，即便在媒体，AI也早已不再是独立创新项目，像路透社这样的海外媒体正在加快将AI融入其核心业务之中。 提到AI在新闻行业的应用，很多人想到的是，它能辅助记者收集资料、校对内容、翻译稿件，甚至直接生成新闻稿。但事实上，AI应用早已不限于新闻生产环节。从编辑部工作流程到新闻产品创新，再到新闻分发方式，AI正在重塑新闻行业的运行模式。 在这一背景下，本期全媒派聚焦AI时代新闻行业的变革，从海外主流媒体的实践出发，通过案例介绍AI在创作、产品与分发这三大维度有哪些值得关注的行业影响。 新闻创作：海外头部媒体的新尝试 我们将目光转向另一家媒体巨头，虽然《纽约时报》在向读者介绍其AI产品使用方式时明确强调：“我们不会使用AI撰写新闻报道，所有发布内容均由记者负责”，并指出，AI在新闻生产中的应用必须经过人工审核，但这种谨慎并未影响该报在AI领域的尝试。 公开资料显示，AI在《纽约时报》编辑部中的具体应用至少已包括： 1.分析数据，支持报道 利用机器学习模型处理海量数据，为调查报道提供支持。例如，在一项对于战争冲突事件的调查报道中，记者利用AI工具扫描卫星图像，识别弹坑，再由记者进行人工核实。 2.辅助撰写标题和摘要 编辑可使用AI工具生成新闻标题和文章摘要的初稿。不过，所有内容都必须经过人工审核，以确保符合内部AI使用规范。 3.辅助生成译文和音频版本 目前，大多数新闻内容都可以通过自动语音技术转为音频，而西班牙语版本文章则借助AI翻译模型生成。所有内容在发布前均需经过编辑团队校对，从而进一步扩大新闻触达范围。 在图片与视频使用方面，《纽约时报》强调：不会利用AI篡改照片或视频，也不会生成用于冒充真实新闻现场的图片。如果刊发AI生成图片，则会明确说明使用原因与生成方式，并对图片进行AI标识。 无独有偶，BBC新闻的新闻AI负责人Olle Zachrison在去年11月接受采访时，介绍了BBC内部的AI应用情况。 BBC已将AI用于大规模转录、内容标签生成、多语言翻译等新闻生产环节，以提升内容生产效率，其中AI辅助翻译已成为其成熟的应用场景。 但BBC始终强调，人工审核具备不可替代性，以确保新闻内容符合公共媒体的编辑标准。 从《纽约时报》和BBC的实践可以看出，AI在数据处理和信息整理方面具有明显优势。《金融时报》数据编辑Martin Stabe则指出，AI的一个重要潜力在于，它能够帮助数据新闻记者大规模检索和筛选文档信息。但要真正释放这一能力，新闻媒体不能停留在对既有报道的总结与再加工，而需要建立更系统的数据能力体系。 他认为，尽管数据