AI 快讯 · 第 56 页
-
NVIDIA Nemotron-Pretraining-Code-v3 数据集管道构建：流式处理、Pandas 分析与 tiktoken 令牌估算
本文详细讲解如何流式处理 NVIDIA 的 Nemotron-Pretraining-Code-v3 数据集，使用 Pandas 分析代码元数据（语言、扩展名、仓库频率等），重建 GitHub URL 获取源码，并用 tiktoken 估算令牌规模。适合从事代码预训练研究或需要构建高质量代码数据集的开发者。
-
Anthropic 发布 Claude Fable 5 和 Mythos 5：同一模型不同安全级别，Mythos 级新旗舰
Anthropic 于 2026 年 6 月 9 日推出 Claude Fable 5 和 Mythos 5，两者共享同一底层模型，但安全限制不同。Fable 5 面向大众，配备安全分类器；Mythos 5 解除网络限制，通过 Project Glasswing 有限发布。性能超越 Opus 系列，1M token 上下文，定价$10/$50 每百万 token。中文用户需关注可用性、合…
-
麦当劳测试谷歌支持的AI汽车餐厅点餐系统ArchIQ，已在五家门店试用
麦当劳正在美国五家门店测试名为ArchIQ的AI汽车餐厅点餐系统，该系统由谷歌支持，能处理订单、支持餐厅运营，约90%订单无需人工介入。了解其功能、测试进展及对中文用户的影响。
-
2026年AI编程工具横向评测：Atoms、Devin、Windsurf、Cursor等15款平台对比
2026年AI编程工具已从代码补全进化到自主规划、跨文件编辑、测试和部署。本文对比Atoms、Devin、Windsurf、Cursor等15款平台，分析各自适用场景，并给出中文用户选择建议。
-
Google NotebookLM 重大升级：内置云端计算机执行代码，自主搜索研究，性能提升 78%
Google 将 NotebookLM 升级至 Gemini 3.5 Flash，新增云端计算机支持代码执行和自主搜索源。内部测试新系统胜率 78.2%。对中文用户意味着更强的研究工具，但需注意访问限制和国产替代方案。
-
Siri AI 正式发布：底层采用 Google Gemini，全球大部分地区被排除在外
苹果在 WWDC 2026 上发布了全新 Siri AI，支持多轮对话、跨应用操作和实时网络查询。但关键细节是：Siri AI 底层采用 Google Gemini 模型，且初期仅支持英文，中国和欧盟用户被排除在外。本文分析这对中文用户意味着什么。
-
德国国家安全委员会批准成立AI安全研究所，效仿英国AISI模式
德国国家安全委员会批准成立DE-AISI人工智能安全研究所，效仿英国AISI模式，将对Anthropic和OpenAI等前沿模型进行安全测试。但欧盟缺乏自主前沿模型，仍依赖美中技术，面临地缘政治风险。
-
Anthropic发布Claude Fable 5：首个Mythos模型性能领先但价格翻倍，安全过滤严格
Anthropic推出Claude Fable 5，首个Mythos类模型，在SWE-bench Verified等基准测试中领先，但价格是Opus 4.8的两倍，每百万token收费10或50美元。严格的安全过滤器阻止约9%的请求，并实施30天数据保留政策。了解其对中文用户的影响及与国产模型的对比。
-
OpenAI 计划租赁 10GW 数据中心，Nvidia 或提供财务支持
OpenAI 正谈判租赁俄亥俄州一座 10 吉瓦的数据中心，Nvidia 可能提供财务支持。这将是 OpenAI 最大的数据中心，用于支撑下一代 AI 模型训练和推理。了解这对国内用户和国产算力的影响。
-
NVIDIA 发布 AI 工厂电池储能系统设计指南，应对高密度计算电力挑战
NVIDIA 发布面向 AI 工厂的电池储能系统（BESS）设计指南，解决高密度训练与推理负载的电力波动问题。本文解读核心设计要点、对国内数据中心运营的启示，以及国产储能方案的对比分析。
-
用 Amazon Bedrock AgentCore 构建 AI 农机维修助手：技术详解与中文用户指南
本文介绍如何利用 Amazon Bedrock AgentCore、Strands Agents SDK 和 Amazon Nova 2 Lite 构建一个面向农机维修的 AI 助手，支持自然语言诊断、零件识别和维修流程查询。包含架构解析、部署步骤及对中文开发者的实用建议。
-
Jeremy Howard 提出减缓 AI 递归自我改进的简单方案：顶级实验室应自我限制使用
Jeremy Howard 提出一个减缓 AI 递归自我改进的简单方案：排名第一的实验室不得使用其顶级模型进行前沿 AI 研究，但其他人可以访问。他批评 Anthropic 选择了相反的危险路径。本文解读该方案对中文圈 AI 治理与开源社区的启示。
-
AWS 推出 Neuron Agentic Development：用 AI Agent 自动优化 Trainium 内核，降低性能调优门槛
AWS 发布 Neuron Agentic Development 工具包，包含 5 个 AI Agent 技能，帮助开发者自动编写、调试和优化 Trainium 上的 NKI 内核。本文详解其工作原理、使用流程及对中文开发者的实际意义，包括与国产芯片生态的对比。
-
DiffusionGemma 在 NVIDIA 上运行：为开发者提供高吞吐文本生成新方案
Google DeepMind 的 DiffusionGemma 模型在 NVIDIA 平台上实现高吞吐文本生成，突破逐 token 生成速度瓶颈。本文介绍其工作原理、性能优势及对中文开发者的实际意义，包括与国产模型的对比和部署建议。
-
Anthropic研究：AI数小时内即可从安全补丁构建漏洞利用，传统补丁节奏面临挑战
Anthropic安全团队发现其Mythos Preview模型能在数小时内将Firefox和Windows内核补丁转化为可用漏洞利用，成本仅数千美元，无需专业知识。八条完整攻击链在微软自动更新到达任何设备前完成。这对中文圈安全运维和补丁管理策略有重要启示。
-
OpenAI IPO推迟：Altman对员工称上市将在“一年内”，但可能延至2027年
Sam Altman告知员工OpenAI IPO预计在一年内完成，但可能推迟至2027年。官方理由是对自我改进AI的谨慎，但分析认为Anthropic更强的增长数据和即将IPO才是真正原因。了解OpenAI上市推迟对AI行业和中文圈用户的影响。
-
Google 发布 DiffusionGemma：26B MoE 开源模型，文本扩散生成速度提升 4 倍
Google DeepMind 推出 DiffusionGemma，一款 26B 参数的 MoE 开源模型，采用文本扩散技术替代自回归解码，在 GPU 上实现最高 4 倍生成加速。模型支持 256K context window、140+ 语言和多模态输入，量化后仅需 18GB VRAM。本文详解其原理、性能与中文用户适用场景。
-
谷歌开源26B参数DiffusionGemma：扩散模型生成文本，速度比自回归模型快4倍
谷歌发布开源扩散语言模型DiffusionGemma，26B参数，通过噪声生成文本而非逐token预测。英伟达测试显示单张H100可达1000 tokens/s，速度是自回归模型的4倍，但输出质量较低，目前作为实验工具面向开发者。
-
Google 开源 DiffusionGemma 模型：Apache 2.0 许可，NVIDIA 免费托管，推理速度超 500 tokens/s
Google 将去年实验性的 Gemini Diffusion 技术转化为开源 Gemma 模型 DiffusionGemma-26B-A4B-it，采用 Apache 2.0 许可，NVIDIA 提供免费 API 托管。实测推理速度超 500 tokens/s，为文本生成带来全新范式。中文用户可通过 NVIDIA NIM 直接体验，无需本地部署。
-
微软 SkillOpt 实操教程：Prompt 自动优化与技能进化分析，附基线对比
本文手把手实现微软 SkillOpt 的完整工作流：从环境配置、基线评估到优化循环（rollout/reflection/aggregation/selection/update/gate），并可视化准确率、编辑预算和 token 消耗。适合想了解 Prompt 自动优化工具的中文开发者。