8点1氪:宝马离职补偿引争议,Meta营收创新高,宇树科技发布新机器人
宝马提供最高65万欧元(约487.6万元)离职补偿,致系统崩溃;Meta第三季度营收646亿美元,同比增长26%,预计全年资本开支1350亿至1450亿美元;iPhone Duo全球限购2台。
宝马提供最高65万欧元(约487.6万元)离职补偿,致系统崩溃;Meta第三季度营收646亿美元,同比增长26%,预计全年资本开支1350亿至1450亿美元;iPhone Duo全球限购2台。
Meta CEO 马克 · 扎克伯格在第三季度财报电话会议上表示,AI 助手 Muse 计划明年 提高运行效率以改善盈利,目前仅在美国和加拿大上线,商业模式为通过促成购物交易收取手续费;长期亏损的 Reality Labs 部门预计今年亏损 180 亿至 190 亿美元,2027 年收窄至约 150 亿美元,有望逐步向盈利迈进。
Meta 向 CEO 扎克伯格配发 C 类无投票权股份,换取其承诺在 8 年内保持加州居民身份,或居住在公司总部所在辖区。 新增股份主要用于应对 40 号提案带来的税负,避免出售带投票权股份导致控制力下降;其中 20% 份额可立即出售。 此举回应了财富税可能迫使富豪离州的担忧,C 类股份作为融资工具,将为 Meta 投入 AI 项目提供资金支持。
Meta 在第三季度财报电话会上确认,其 AI 应用 Muse 的用户数已超过 1000 万。Mark Zuckerberg 表示,25% 的用户实现了每日使用,且通过 AI 智能体进行购物的活跃用户平均客单价超过 200 美元。Meta 计划通过保留商业交易分成及面向高级模型的订阅来变现,并预计在未来一年内将计算成本效率提升 10 倍以上。
推荐理由:Meta 通过财报披露了 Muse 的用户留存、高客单价购物能力及盈利路径,展示了其从模型到商业化闭环的最新进展。
Blackstone 高管 Jas Khaira 表示,市场对 AI 基建债务的担忧被夸大,因数据中心债务由世界信用评级最高的公司支撑。他提到 CoreWeave 债务升至约 500 亿美元,利率上升与通胀导致借贷成本增加,引发信贷利差扩大。
Meta 在其第三季度财报中宣布,将发行一类非投票新股,用于支持其 AI 计划、潜在收购及员工薪酬,交易预计于 2027 年开始。Meta 首席财务官 Susan Li 表示,此举将“扩展我们的融资工具,并赋予我们灵活性,以投资我们在 AI 驱动的业务各个部分所看到的前所未有的势头”。
Meta CEO Mark Zuckerberg 同意在加州硅谷居住八年以上,可能面临加州选民若通过 Proposition 40 带来的数十亿美元一次性税收。该协议将 20% 的新非投票权股份出售权限与其继续居住在 Meta 总部所在地挂钩,80% 的股份在八年内分块出售。此举旨在为 Meta 昂贵的 AI 数据中心投资提供资金,同时避免稀释其投票控制权。
VocabX 研究通过按 token 生成成本而非出现频率重组小语言模型词表,实现了显著的推理成本降低。在葡萄牙语文本质检场景下,基于 Qwen3-4B 模型的平均生成 token 数从 350 降至 101,实测推理成本降低 77.0%,且质量基准评分从 0.703 提升至 0.810。该方法通过重构子词边界与识别重复的宏观文本片段,在 15 种组合的对比中优于现有的词表优化基准方法。
2026 年 AI 工具的上下文可移植性依然复杂,虽然 AGENTS.md 和 MCP 配置易于迁移,但底层记忆与对话历史因缺乏统一标准难以跨平台同步。文中指出 Claude Code、Codex 等工具虽具备部分导入能力,但主要厂商仍限制数据流出,开源工具正在填补这一缺口。
推荐理由:原文构建了上下文分层模型并盘点开源工具现状,读者可据此评估将项目从单一 AI 厂商迁移至多工具或本地环境的实际阻力。
Meta拟于10月30日生效的新商业条款规定,企业客户需对Meta AI模型的错误结果承担全部责任,并授予Meta使用自动化工具抓取关联域名数据的广泛许可。多家机构指出,Meta虽澄清爬虫条款仅适用于广告业务且不改变 robots.txt 现状,但去除了“训练”一词的表述变化并未实质限制其在AI开发中的数据使用权限。
Adobe Research与UCLA提出Tev,构建首个带可验证稠密渐进式奖励的长程智能体训练集Tev-Gym,训练出的Tev-27B在ALE-CM上Pass@5达0.28,与GPT-6 Astra、Claude Opus 5持平。
虚拟网红通过ChatGPT、Claude、Higgsfield、HeyGen和ElevenLabs等工具生成外貌与行为,品牌合作吸引数百万观众。 收入依赖YouTube广告分成或TikTok创作者奖励计划,但AI生成内容若缺乏原创洞察将被禁止变现。
作者认为个人AI助理市场正在变成巨头竞争:xAI在8月以beta形式推出Grok Bot,OpenAI在9月底发布Dots,两者都在尝试把你分散在邮件、消息、日历、Notion和LinkedIn里的信息“连起来”。
OpenAI 的 GPT-Rosalind 在 Perry 综合征相关研究中提出假设,恢复胆固醇运输可能保护神经元。数千个 GPT-Rosalind 智能体并行工作,在 32 分钟内连接了数百万小鼠脑细胞基因表达数据与科学文献。
推荐理由:GPT-Rosalind 协助在 32 分钟内建立基因表达与文献的联系,为神经退行性疾病提供了新机制和药物靶点方向。
APPSO 使用 iPhone Duo 连接 Mac Studio 搭建本地智能体系统,将模型推理与任务执行置于端侧。作者针对不同折叠形态设计了专属 App,实现仪表盘监控、可视化进度查看和复杂任务控制台功能。系统通过 LM Studio 运行 DeepSeek V4 Flash 等开源模型,配合 DeepSeek Harness 处理任务,展示了移动设备指挥本地算力中心的工作流。
Meta 新发布的通用 AI 智能体 Muse 存在分享链接设计缺陷,导致用户通过网页链接分享对话时,敏感信息暴露。安全公司 Claroc 的研究人员通过被动 DNS 搜索枚举了 6800 个 Muse 用户创建的分享链接,发现其中包含高管面试笔记、内部营收审查、贷款申请、银行账户信息、房产投资报告和员工休假表等本不应公开的内容。
同一新闻,精选展示《Meta Muse 分享对话存在隐私泄露风险,官方暂停分享功能》
谷歌与Meta PyTorch团队联合开源原生TPU软件栈TorchTPU,开发者可通过少量代码改动将PyTorch模型部署至TPU,并在最多8000颗Ironwood TPU上完成训练验证,Qwen3-8B测试浮点运算利用率最高达52%。
个人Agent(如Meta Muse、阿里千问Go)因跨网站办事需求,遭遇亚马逊、微信等155款App的访问限制或封禁。Meta选择与沃尔玛等定向合作,阿里则优先在自有生态内实现闭环,通用跨平台Agent短期内难以完全开放,定向打通成为当下可行形态。
谷歌 CEO 桑达尔·皮查伊表示,他与苹果的合作目标是提升用户体验,目前进展顺利。 该合作涉及将 Gemini 模型深度定制并融入 Siri,用户对此反应热烈,皮查伊确认将致力于进一步深化合作关系。
Zuckerberg表示在Meta百亿美元至两百亿美元的AI基础设施建设尚未有成功证明前就签批了。首席AI官Alexandr Wang称其为精益创业的反面,Zuckerberg将Meta定位为拥有数据中心、芯片和基础设施的全栈公司。全栈策略源于早期构建在Apple和Google移动平台上的经历。
Royal Bank of Canada(RBC)首席执行官表示,该银行正考虑阻断 Meta 的 Muse 代理访问客户信息,理由是“作为一个组织,我们对此负有责任”。若实施,RBC 将加入 JPMorgan 和 Schwab 的行列,这两家机构已经阻断了外部 AI 代理。银行业正日益成为对抗代表用户操作账户的消费者级 AI 智能体的第一批主要把关力量。
Cognition 总裁表示,当多数模型都能很好处理软件任务后,竞争重点会转向成本和速度。他回应一份报告称,模型智能每提升 10 点,带来的开发流量增长已降至约 20%,低于 2025 年底的约 69%。若该趋势持续,OpenAI、Anthropic、Google 和 Meta 在编码模型上的核心卖点会减弱。
AI 安全公司 Gray Swan 发布 Arena 2.0 并启动 IPI Black 竞赛,由 Anthropic、Meta、Google DeepMind 和 Reflection AI 赞助,总奖金 30 万美元。竞赛每周更新场景,持续至 11 月 2 日,专门测试网页或帖子中隐藏指令导致的 Agent 间接提示注入,测试在受监控的沙箱环境中运行。
奥特曼在OpenAI全员大会上阐述了AI领域的三大终局设想,包括建立统一安全标准、多巨头合并研发以及一家公司通过熔断算力垄断AI。The Information援引知情人士透露,奥特曼倾向建立类似国际原子能机构的组织对前沿AI执行统一标准。目前Anthropic预计11月中旬上市,目标估值2万亿美元;OpenAI正急于完成约300亿美元融资以争夺资本窗口。
推荐理由:文章复盘了奥特曼在全员大会上提出的AI监管路径,以及OpenAI与Anthropic在资本竞争中的现实角力。
Meta因AI Agent未能达到预期效率暂停原定11月的第二轮组织重组,并暂停内部员工操作追踪项目;微软也下调了内部AI工具的年度支出预估,并降低了单月模型调用额度。
推荐理由:Meta 叫停裁员计划与微软下调AI投入的决策细节,可用于判断AI对组织效率承诺的实际兑现程度。
针对视觉语言模型部署中算力与内存瓶颈,提出自底向上级联知识蒸馏框架,通过引入中间容量教师模型逐步缩小师生网络能力差距。 该框架基于 LLaVA 方法论构建模型,并在七个标准 VQA 基准上评估,展现出与近期紧凑视觉语言模型相竞争的推理性能,源码及训练模型已公开。
研究发现,Llama-3.1-8B 等四个开源模型在事实问答中,答案在特定层收敛至共享的“答案质心”区域,该状态在 47%-71% 的网络深度处跳变。 将错误答案状态移至正确质心可让模型在 83%-97% 的案例中输出正确答案,且该信号比模型自信度更具信息量,揭示了答案生成的内部机制。
研究发现 DeepSeek-R1-Distill-LLaMA-8B 中的思维链(CoT)显著干扰激活引导对拒止行为的控制。 固定 CoT 时引导仅反转 39% 拒止案例,移除 CoT 后升至 70%;两阶段干预反转率达 94%,且生成的 CoT 即使停止引导仍保留 48% 效果。 这表明 LRM 拒止由残差流与 CoT 共同编码,增强了抗攻击性但暴露了 CoT 作为新攻击面的风险。
单颗头戴相机(122 美元)替代腕部相机及位姿追踪器,配合无电子元件手套(22 美元)实现 6-DoF 位姿抓取。 在机器人部署时,同款相机安装于 120 美元机械臂上模拟采集者头部视角。基于该方案训练的模型在 25 次试验中成功 20 次,优于腕部相机方案的 15 次。
自适应多 token 预测(AMTP)方法将解码速度最高提升 4.1 倍,且在 10 种设置中的 8 种匹配或超越固定窗口性能。 该方法基于 Llama-3.1-8B-Instruct、Medusa 头及 Qwen3-4B-Inst-2507-MTP 构建,在 AIME 2025 和 GSM8K 上评估,吞吐量最高提升 10%。
澳大利亚通信部长威尔斯拟联合多国制定网络安全监管标准,向Meta等科技巨头施压保护儿童。 新法案要求数字服务提供商在产品设计阶段落实安全措施,违规企业最高面临1.092亿澳元罚款。 该立法旨在建立全球基准,若今年年底前通过,12个月后生效。
Meta 的人工智能助手 Muse 上线 40 天以来,美国下载量已达 1020 万次,跻身仅 12 款达成该里程碑的移动应用之列。Sensor Tower 数据显示,该应用 7 日与 14 日留存率分别为 30% 和 23%,优于 ChatGPT、Claude 与 Grok 的竞品平均水平。
开放权重模型允许科研人员在本地运行 AI,避免数据流向前沿实验室,增强控制力与隐私安全。 Google Dataset Search 每月新增约 200 万个数据集,但缺乏标示数据适用性的基础设施;NSF 向 National Data Platform 注资 2450 万美元以支持国家数据基础设施。 挑战已从数据可及性转向数据可信度,要求改进文档与结构标准。
文章探讨 AI 智能体经济的竞争愿景与基础设施挑战。 MIT Media Lab 的 Project NANDA 主张构建开放层让智能体相互发现与协调;Google DeepMind 提议通过拍卖和设计规则来规范“沙盒经济”。 核心争议在于未来是开放协作还是巨头垄断,目前尚无定论。
Meta 提出“薄编排层”架构,将 1,300 行编排层与 14 个专职子 Agent 分离,使新数据列配置准备时间从数小时缩短至 1 小时内。系统通过隔离上下文避免跨子系统的交叉污染,在规模化多步工作流中显著降低了幻觉风险并提升了执行效率。
推荐理由:通过 Meta 的 1,300 行编排层路由 14 个专职 Agent 的实践,展示了如何在生产环境中用架构隔离上下文以减少幻觉。
Meta 在商业 TOS 中删除“train”一词,以缓解 AI backlash。 这一修改旨在调整其对用户数据用于模型训练的表述。
作者基于 Python 实验总结了 AI 图像生成系统的工程化实践。指南涵盖扩散与多模态模型的成本差异、像素 art 的混合渲染方法,以及如何通过 CLI 或 MCP 将图像生成接入 Claude 等 Agent,强调了将创造性工作交给模型、结构性工作交给代码的核心原则。
Meta 声称没有高层“决定”通过盗版书籍训练 AI。
Meta 暂停 Muse 的对话分享功能,因安全公司 Claroc 发现超过 6,800 个链接通过公开 DNS 记录可被访问。 Muse 的分享链接基于对话标题和随机 ID 生成,导致主机名泄露内容;Claroc 在记录中发现了包含收入审查和贷款申请等敏感信息的对话。
CodeRabbit 数据显示使用 AI 代码审查工具的开发人员每周 PR 数量较去年增长 113%。作者调研了 27 家公司的 AI 支出,发现公司体量与 AI 花费无直接关联,部分小型团队人均月支出高达 $3,000。Meta 和 NVIDIA 鼓励广泛使用 AI 工具,而 Apple 工程师态度更为谨慎,多数公司正在通过迁移至开源模型或采用 Opus 5.5 来优化成本。