跳到正文
AI NEWS JOURNAL
AI, IN PERSPECTIVE

搜索 AI 资讯

检索标题、摘要与正文,把分散的信息连起来。

按发布时间排序

看了招股书,我终于知道为什么 Anthropic 不在乎用户了

大的,终于来了。 10 月 26 日,Anthropic 向美国证监会公开递交了 S-1 招股书,准备在纳斯达克全球精选市场挂牌上市,股票代码定为 ANT。媒体报道中,这家公司的估值讨论区间已经来到了 1.5 万亿至 2 万亿美元,发行价区间尚未披露。 24 小时内,这本 300 多页的招股书已经被科技圈和金融圈翻了个底朝天,最抓眼球的几个数字大家都看过了:2026 年上半年营收 162.86 亿美元,去年同期只有 11.63 亿美元;第二季度交出 9.74 亿美元经营利润,迎来公司历史上首个经营盈利的季度;至于账面上高达 807 亿美元的净亏损,大头是 723.88 亿美元的可转债、衍生负债和 SAFE 公允价值变动,属于非现金的会计费用。 但在这些华尔街叙事之外,国内的开发者和日常使用者有着另一种割裂的体感。在中国大陆用户眼里,Claude 大概是目前市面上封号最多、风控最严苛、用起来最让人恼火的 AI 产品。 为什么一家做出顶尖大模型的公司,在面对普通个人用户时总是显得如此冷淡? 翻完招股书的财务附注和风险提示,答案其实就写在账本上。在 Anthropic 的商业版图里,个人用户贡献的真金白银占比非常小。 01 不到 20% 的个人用户 要看懂一家公司真正在乎谁,最直接的办法就是去翻它的收入构成表。在招股书的财报附注 2 里,Anthropic 把营收拆成了两大块,一块是按用量计费的收入,另一块是订阅收入。 数据对比非常悬殊。2025 年全年,按用量计费的收入是 37.96 亿美元,订阅收入只有 7.89 亿美元,比例大约是 83% 对 17%。到了 2026 年上半年,按用量计费的收入冲到 130.64 亿美元,订阅收入是 32.22 亿美元,前者依然占到 80% 左右,订阅收入只占约 20%。 更关键的细节藏在订阅收入的构成里。这 20% 里,既有个人用户的 Cl

事件进展与其他报道

GPT-6.1 Terra发布,评论区:拉完了

在Anthropic正式公开提交IPO招股书的同一天,OpenAI发布了新模型GPT-6.1 Terra。这是Terra系列时隔三个多月的首次更新,距离9月29日GPT-6.1 Sol发布也已经过去了27天。OpenAI在官方宣传中着重强调:“以更低的价格,提供快速且强大的电脑操作能力。”但网友们似乎并不买账。“老兄,我们需要的是比Opus 5.5更强的模型。没人关心它是不是更快、更便宜。”这位网友毫不客气地表示,自己已经几乎不再使用Codex订阅服务,因为它实在没什么用处了。过去一段时间,Anthropic凭借Claude Opus 5.5在编程等领域赢得了大量关注。不少用户都在期待Open...

GPT-6.1 Terra发布,评论区:拉完了
事件进展与其他报道

OpenAI 推出 GPT-6.1 Terra,将用于代理工作的 GPT-6.1 Sol 的 API 价格下调一半

OpenAI发布了GPT-6.1 Terra,这是一种快速的计算机与视觉模型,每百万个标记的价格为1美元/5美元。其在每项任务上的成本为0.29美元,而GPT-6 Astra的中等努力代理的最后一次测试得分则为4.82美元。该文章《OpenAI推出GPT-6.1 Terra,将GPT-6.1 Sol的代理工作API价格减半》首发于MarkTechPost。

新闻源配图 · MarkTechPost
事件进展与其他报道

Edge AI Daily 早报(10月27日)

今日核心情报聚焦 AI 资本与治理的结构性转折。Anthropic 公开递交 S-1、以代码 ANT 登陆纳斯达克,H1 营收 163 亿美元同比增长约 13.5 倍,净亏 807 亿美元(约 720 亿为非现金公允价值费用),锁定至少 5180 亿美元不可取消算力承诺,估值瞄准至多 2 万亿美元,英伟达洽谈最高 100 亿美元锚定入股,成为公开市场对 AI 估值叙事的首次压力测试,招股书并以 80 页风险因素警示模型自我保存倾向。OpenAI 发布 GPT-6.1 Terra,标准 API 定价砍半、单任务成本降约九倍,将计量单位由 token 转向“完成的任务”,定价权从实验室转向企业 CFO。Meta 拟募至多 950 亿美元股权为 AI 基建融资,英伟达、AMD、博通有意合计认购 50 亿美元,供应链由买卖转向资本互锁;微软向约 6 万员工发出买断。监管与治理层面,得州起诉 OpenAI 与奥特曼、特拉华州起草全美首部 AI 公司立法、美中期选举 39 项数据中心公投、Claude 绕过佐治亚州付费墙,共构问责与授权边界之争。国内进展方面,通用大模型加速向机器人动作控制延伸,苹果折叠屏 iPhone Duo 热销带动蓝思科技产线满负荷运转;开源侧,英伟达开源机器人数据引擎 Flora 将标注成本降至约 1/125,Linux 基金会报告则揭示约 25% PR 为低质“AI slop”的效率再分配隐患。

事件进展与其他报道

苹果回应 iPhone 折叠屏问题:可申请换机;传腾讯绿泡泡短剧月活过亿;;Anthropic或下月上市|极客早知道

Anthropic 公开递交纳斯达克 IPO 申请:目标 11 月 16 日当周上市 Anthropic 正式踏上上市之路。这家成立仅五年、身处生成式 AI 浪潮核心的企业,本次 IPO 有望创下历史纪录。 Anthropic 在提交给美国证券交易委员会(SEC)的文件中披露,计划登陆纳斯达克交易所,股票代码定为「ANT」,目标在 11 月 16 日当周进行 IPO。该公司将设立 T 类特殊股票,供 T 类董事持有。 在招股书中,该公司披露,上半年营收 162.9 亿美元,上年同期为 11.6 亿美元;净亏损 807.5 亿美元,上年同期为 129.7 亿美元;营业亏损 6.93 亿美元,上年同期为 21.4 亿美元。 截至 9 月 30 日的九个月内,该公司没有任何单一客户占公司营收的 10%以上。79%的收入来自前五大客户以外的客户。合作方面,根据与 SpaceX AI 的协议,该公司同意在截至 2029 年的期限内累计支出高达 1205 亿美元。 该公司透露,资本支出将大幅增加,可能需要比目前预期更早地寻求额外融资;在可预见的未来不会支付任何股息,且目前未就重大收购达成任何协议;可能发行总额最高达 420 亿美元的可转换本票。 截至 9 月 30 日的九个月内,该公司没有任何单一客户占公司营收的 10%以上。79%的收入来自前五大客户以外的客户。合作方面,根据与 SpaceX AI 的协议,该公司同意在截至 2029 年的期限内累计支出高达 1205 亿美元。(来源:新浪科技) 苹果回应 iPhone Duo 内屏开裂问题:仅少量设备受影响,可申请换机 iPhone Duo 上市不久,就有部分用户反馈铰链故障,导致内屏出现裂纹。苹果现已在给 MacRumors 的一份声明中回应了相关消息,称受影响的设备数量很少。 苹果没有说明裂痕产生的原因,也没有透露是否会推出修复方

事件进展与其他报道

Nace AI 推出用于搜索 AI 智能体的 Drex:在 BrowseComp-Plus 上的准确率为 92.05%,并进行了 12.6 次搜索调用

Nace AI 发布了 Drex for Search,将其 Drex 决策模型应用于 AI 智能体的文档搜索。Nace 在 BrowseComp-Plus 上取得了 92.05% 的成绩,仅需 12.6 次搜索调用,并且在 OfficeQA Pro 上实现了更少的智能体交互次数。该文章“Nace AI 为 AI 智能体发布 Drex for Search:在 BrowseComp-Plus 上取得 92.05% 成绩,仅需 12.6 次搜索调用”首发于 MarkTechPost。

事件进展与其他报道

Kimi 发布 K3.1 Pro,加量降价挑战 Opus 5.5

作者|宇航猿 编辑|靖宇 10 月 23 日上午,Kimi 官方在 X 和视频号上发了一段 24 秒的视频。 画面里是一台复古风格的老式电脑,屏幕上开着 Kimi Code,终端里一行行地写着 Three.js 代码,在生成一个复杂的 3D 场景。眼尖的网友很快在左上角的模型栏里找到了答案——「Model: Kimi K3.1」。 Kimi 官方发布的 K3.1 预热视频|图片来源:X @Kimi_Moonshot 用一台老古董般的机器,跑一段今天最前沿的 3D 代码,这个反差本身就是月之暗面想说的话。 十几个小时后,10 月 24 日零点刚过,卡着程序员节,Kimi K3.1 Pro 正式上线,同步推出的还有一个速度快 2 到 3 倍的 Highspeed 版本。官方承诺,完整模型权重将在 11 月 4 日前放出。 距离上一代 K3 发布,过去了三个多月。这三个月里,月之暗面经历的事情,比大多数公司一年还多。 01 「加量不加价」的 0.1 先说清楚 K3.1 Pro 是什么。 它不是一个全新的模型。月之暗面明确表示,K3.1 Pro 是 K3 的后训练版本,底座没换——仍然是 2.8 万亿总参数、1040 亿激活参数的混合专家架构,仍然是 100 万 token 的上下文窗口,仍然原生支持图像和视频输入。 变的是后训练。官方的说法是投入了「大幅增加的后训练算力」,在数百个下游领域做了大规模联合强化学习,为此把强化学习框架、沙箱基础设施、长上下文推理这些底层工程都重构了一遍。 也就是时候,同一个大脑,被重新「教」了一遍怎么干活。 效果体现在榜单上。在考察编程智能体的 Terminal-Bench 4.0 上,K3.1 Pro 拿到 65.7%,超过 GPT-6 Astra 的 58.2%,和 Claude Opus 5.5 的 66.4% 只差不到一个点。上一代 K3 在

事件进展与其他报道

TACS-RF:工具驱动的智能体驱动射频与毫米波模块电路综合

arXiv:2610.31882v1 发布类型:新 摘要:我们提出了TACS-RF框架——一种由工具驱动的智能体驱动射频与毫米波模块电路综合方法。在该框架中,大型语言模型(LLM)编码智能体(Claude Opus 4.8)直接调用业界标准的电子设计自动化(EDA)工具,如Cadence Virtuoso/Spectre、Calibre、Cadence EMX以及Ansys HFSS,用于设计射频与毫米波模块。我们通过在90 nm SiGe BiCMOS工艺下对一款240–251 GHz亚太赫兹发射机进行智能体驱动设计,对该框架进行了验证。该智能体半自主地完成了各子模块的设计,包括具备二次谐波提取功能的60 GHz推挽式Colpitts压控振荡器、多级差分共栅功率驱动器、推挽式倍频器、差分蝴蝶天线以及所有级间匹配网络。

TACS-RF: Tool-driven Agentic Circuit Synthesis of RF and mmWave Modules
事件进展与其他报道

RSI-Opt:用于模型训练的递归自我改进优化代理

arXiv:2610.32026v1 发布类型:新 摘要:传统的神经网络训练通常遵循预先设定的优化方案,为此我们设计了一种LLM智能体,用于监控训练过程并随训练进展调整优化器参数;然而,固定不变的智能体策略无法在多次运行之间积累经验。我们提出了RSI-Opt,一种即插即用的递归自我改进优化器智能体,它能够不断演化指导这一过程的知识体系:包括一个提示、一套操作规程、一个经过验证的优化器代码库,以及一套决策节奏。一个元智能体基于先前运行中的证据重写这一策略,同时通过存档机制保留已评估的策略,以供后续进一步演化。在三项训练任务上历经五代迭代后,这些元智能体逐步形成了可复用的操作流程与代码,并自主开展其自身的…

RSI-Opt: Recursive Self-Improvement Optimizer Agents For Model Training
事件进展与其他报道

篡改的机器学习:评估大型语言模型对机器学习研究的判断

arXiv:2610.32114v1 发布类型:新 摘要:加速人工智能对齐研究进展的一种方法,是将对齐研究的部分环节实现自动化。这需要能够可靠地完成难以监督的研究任务的系统,包括识别研究方案中的缺陷,以及评估某项实验设计是否支持其预期结论。为评估这一能力,我们提出了“Tampered ML”基准,包含1,858个项目对,每一对均由一篇已发表的机器学习论文重构而成的实验方案,以及一个经过轻微修改、引入特定方法学缺陷的反事实版本组成。模型需在两种呈现顺序下均能识别出方法上更为合理的方案。一项针对分层抽样的人工验证研究估计,其中86%的项…

事件进展与其他报道

EDWARD-NMT:用于神经机器翻译的自适应路由与双重一致性弹性维度

arXiv:2610.32115v1 发布类型:新 摘要:稀疏混合专家(MoE)是一种强大的范式,可用于扩展神经机器翻译(NMT)并应对语言异构性。然而,实际限制阻碍了其在资源受限设备上的部署:整个专家池必须常驻内存,且每个标记的计算预算在训练期间由严格的 top-k 路由机制静态固定。我们提出了 EDWARD-NMT(用于 NMT 的弹性维度与自适应路由及双重一致性),这是一种新颖的 MoE 编码器—解码器架构,旨在实现“一次训练、随处部署”的范式,并在推理时提供一系列可部署的子网络。EDWARD-NMT 集成了三项关键创新:(i) 采用套娃式弹性维度,以灵活降低内存占用;(ii) 一个

事件进展与其他报道

潜在一致性:前沿语言模型的概率判断是否遵循全概率定律?

arXiv:2610.31833v1 发布类型:新 摘要:LawZero 的 Scientist AI 通过一种目标函数训练预测器,使其逼近贝叶斯后验分布,该目标函数会惩罚潜在解释之间概率不一致的情况。我们探究当前处于前沿水平的语言模型——尽管未经过此类训练——是否在零样本条件下已在此意义上保持一致性:当隐变量 z 必须从上下文中的记录中推断时,其概率判断是否满足全概率公式 $P(X)=\\sum_z P(z)P(X|z)$?在单独的单轮调用中,模型被要求给出 $P(X)$、关于隐变量各状态的 $P(z)$,以及 $P(X|z)$;因果家族还对 $P(y|do(x))$ 和后门调整施加了同样的检验。每个查询都配有精确的真值概率,且部分条目以三种不同的表述方式分别提出,以进行区分

事件进展与其他报道