AI 资讯
来自 Twitter · Hacker News · GitHub 的 AI 行业动态
彭博：Moonshot 经阿里巴巴使用约 2 万颗英伟达芯片训练 Kimi
据彭博 7 月 31 日报道，月之暗面（Moonshot）与阿里巴巴达成算力协议，通过阿里云使用约 2 万颗英伟达 GPU 集群训练并运行其 Kimi 模型（Kimi K3 于 7 月 17 日发布，称迄今最大开源系统）。阿里持有 Moonshot 约 36% 股份并提供云基础设施。公司估值攀升至约 350 亿美元、IPO 在望。此事处于美国对华芯片出口管制的敏感背景下——白宫官员此前曾指其获取受限英伟达芯片。
See2Think：多模态模型是否真正使用了中间视觉状态？
多模态大语言模型在推理过程中越来越多地使用草图、注释、工具和中间图像，但目前尚不清楚它们是否真正依赖这些视觉状态。现有基准测试受限于任务覆盖范围窄或部分文本可解决的样本，以及仅强调最终答案而缺乏对中间视觉状态生成、渲染和使用过程诊断的评估。研究团队提出 See2Think 统一评估框架，包含 See2ThinkBench 和 Visual Action-of-Thought（VAoT），后者包含
字节 Seedance 2.5 登陆即梦/Dreamina：原生 30 秒视频
字节跳动 Seedance 2.5 视频模型于 7 月 31 日在即梦（Dreamina）平台上线。相比 Seedance 2.0 单次最长 15 秒，2.5 单次生成可达原生连贯 30 秒（非两段拼接）、最长约 3 分钟，此前已在企业版全球公测。模型于 6 月 23 日火山引擎 FORCE 大会发布，此番面向消费者平台开放。
@dreamina_ai
阅读 →
MiniMax 发布 H3 视频模型，计划开源权重
MiniMax 于 7 月 31 日发布 H3 多模态视频生成模型，可综合文本/图像/视频/音频输入，默认生成最长约 15 秒、2K 分辨率、原生立体声视频，支持视频编辑、动作迁移与 Omni 多参考；主打广告/电商/产品设计/游戏等商用场景，官方称 2K 视频成本不到主流竞品的三分之一，并计划数日内开源模型权重——把开放权重路线延伸到此前多为闭源的视频生成领域。
@MiniMax_AI
阅读 →
ShadowDancer：通过从视频及影子学习统一动态表示实现视频世界模型任意动作控制
本文提出ShadowDancer，一种实现视频世界模型任意动作、帧级控制的新方法。其障碍在于表示层面：现有接口要么对动作进行松散编码，将展开方式留给模型即兴发挥；要么通过结构化信号精确编码，但仅适用于某一类动作且难以获取，跨不同动态的精确控制仍不切实际。演示视频是天然解决方案，可逐帧指定任意动态；但视频仅通过一种特定外观呈现动态，即潜在动力学的一个影子。
DeepSeek 发布 DeepSeek-V4-Flash（公测）
DeepSeek 于 7 月 31 日正式发布 DeepSeek-V4-Flash 并开放 API 公测，模型权重已上线 HuggingFace。官方称其 Agent 能力显著增强、基准表现大幅超越此前的 V4-Pro-Preview；API 调用方式不变，将模型名设为 deepseek-v4-flash 即可使用最新版。此前 V4 预览版于 4 月 24 日发布。
@deepseek_ai
阅读 →
SK 海力士涨 25%、三星涨超 20%，AI 芯片行情回暖
7 月 31 日韩国芯片股大涨，SK 海力士涨 25.42%、三星电子涨 20.53%，带动 Kospi 创单日纪录涨幅。此前受亚马逊、微软亮眼财报重燃 AI 投资乐观情绪、美国费城半导体 ETF(SOXX)隔夜涨超 8% 推动；SK 集团会长崔泰源首次公开市场增持 SK 海力士、外资净买入超 3 万亿韩元亦助推。两只个股此前三个交易日曾分别跌 18.5%/27%。
INTACT：用于无搜索世界模型的同构意图-动作学习
传统前向隐世界模型需通过昂贵的测试时搜索才能恢复动作。INTACT 提出端到端 JEPA，将动作标注的轨迹转化为可部署的意图-动作接口，通过同构架构和共享参数实现从物理意图到部署意图的直接映射。
大语言模型能否执行父单拆分？
父单执行是算法交易核心问题，目标是将大单拆分为小单以降低执行成本。本文首次系统研究LLM在父单执行中的应用，提出分层规划框架PACE，将LLM在金融领域的应用从"交易什么"扩展到"如何执行"。
MPIE-Bench：多人生物学合理交互编辑基准
文本生成图像和个性化编辑模型在单人图像上表现出色，但在多人接触动作（拥抱、搬运、扭打）中出现肢体融合、凭空生成和物体穿插等严重问题。MPIE-Bench包含2500个样本、405个场景和14种交互类别的基准测试。
BM25在大规模场景中胜出：检索增强生成范式的规模化研究
检索增强生成涵盖词级和密集检索、图索引和代理搜索，但各范式通常在不同基准和单一语料库规模下评估，导致准确性-成本扩展性不明确。本研究沿28个严格嵌套层级变化语料库规模（约450倍范围），同时固定问题和相关及对抗文档，测量准确性、令牌消耗和延迟。
Flux-OPD：随学生表现演化的上下文的首要策略蒸馏
大语言模型在开放式领域训练中缺乏可验证奖励，任务偏好难以形式化为有效监督。上下文虽能传达偏好，但蒸馏到学生模型后额外监督有限，需随学生表现演化的上下文。然而直接使用演化上下文会导致蒸馏目标不稳定和分布冲突。本文通过分解分析上下文的效果。
AskChem：面向化学文献综合的声明中心基础设施
化学文献综合通常需要整合分散在多篇文献中的具体发现。AskChem改变了检索单元，从论文转变为携带溯源信息的声明，便于跨论文搜索和验证。
合成用户创业公司 Simile 完成 2 亿美元 B 轮、估值 20 亿
为营销与产品研究提供“合成用户/数字孪生”的 Simile 完成 2 亿美元 B 轮、估值 20 亿美元，Greenoaks 领投，距 2 月 Index 领投的 1 亿美元 A 轮仅五个月。创始人为斯坦福博士 Joon Sung Park（“Smallville”生成式 Agent 小镇作者）。自 2 月推出营收增长 5 倍，团队扩至 50+ 人，客户含 CVS Health、Deloitte、Gallup 等，用 AI 预测人类行为。
@TechCrunch
阅读 →
欧盟拟出资最高 100 亿欧元建 7 座 AI 超级工厂
欧盟委员会 7 月 30 日宣布，将以最高 100 亿欧元（约 114 亿美元）公共资金资助建设 7 座 AI 超级工厂（gigafactories），以缩小与美中的算力差距，并期望撬动至少 200 亿欧元私人投资。每座预计配备至少 10 万颗先进 AI 芯片、算力约为欧盟现有数据中心的 4 倍，首批计划 2028 年年中投运。企业现可竞标。主席冯德莱恩称此为“构建技术主权”。
亚马逊 2026 资本开支上调至约 2200 亿美元
亚马逊 Q2 财报后将 2026 年资本开支预期上调约 200 亿至约 2200 亿美元（2 月为 2000 亿、去年全年 1280 亿），主要投向数据中心、芯片等 AI 基础设施，CEO Jassy 称主因是内存芯片涨价。AWS 营收同比增 37% 至 422 亿美元、为 18 个季度最快；股价盘后涨超 8%。Jassy 称即便如此产能仍不足以满足需求。
Thinking Machines 开源发布 Inkling-Small（276B/12B MoE）
Mira Murati 创办的 Thinking Machines 于 7 月 30 日开源发布 Inkling-Small：276B 总参数、12B 激活的 MoE 模型，性能接近旗舰 Inkling 但体量仅四分之一，支持音频/图像原生推理、可变思考力度与最长 100 万 token 上下文，面向 agentic、工具调用、编码助手与 RAG。全量权重开放，可在 Tinker 上微调。这是该实验室首个前沿规模模型。
@thinkymachines
阅读 →
Anthropic 披露：Claude 评测中越权访问三家真实机构系统
Anthropic 于 7 月 30 日披露，在复盘网络安全能力评测时发现三起 Claude 模型从本应隔离的评测环境连上公网、越权访问三家真实机构生产系统的事故（凭证提取/发布恶意 PyPI 包/Web 应用入侵）。根因是与评测伙伴 Irregular 之间的联网配置误会（提示词称无网、机器实际联网），Anthropic 定性为运维失误而非对齐失败，已复核 141,006 次运行、当天叫停评测、通知受影响方并公开复盘。
@AnthropicAI
阅读 →
Google DeepMind 发布 Gemini Robotics 2：全身智能控制
Google DeepMind 于 7 月 30 日发布 Gemini Robotics 2，一次推出三个模型（VLA、具身推理 VLM、端侧 VLA），把机器人能力从桌面操作推进到全身控制、五指灵巧与多机协作——可控制人形机器人从脚到指尖行走/下蹲/整理房间，并与其他机器人协同，数小时内适配新机型。其中 Gemini Robotics ER 2 公开预览，VLA 与端侧模型仍受限。
@GoogleDeepMind
阅读 →
OpenAI 大幅降价：GPT-5.6 Luna 降 80%
OpenAI 于 7 月 30 日下调 GPT-5.6 系列价格：最快的 Luna 档从 $1/$6 降至 $0.20/$1.20 每百万输入/输出 token（降幅 80%），Terra 降约 20%（$2.50/$15→$2/$12），旗舰 Sol 维持 $5/$30 不变。距 GPT-5.6 系列 7 月 9 日发布仅三周，官方称降价源于内部研发中的推理效率提升，被视为前沿模型定价权在竞争下承压的信号。
@OpenAI
阅读 →
SpecFirst：智能体编程合成中的行为规范优先方法
LLM智能体在有上下文支撑的软件工程任务中表现出色，但从零构建程序仍是难题。ProgramBench等基准测试显示，即使前沿模型在仅依靠自然语言文档和可执行二进制的情况下，成功率也不足1%。现有框架将文档阅读、行为探索与代码合成为单一流程，导致探索不足、行为意图随上下文漂移而丢失。
MindForge：通过无源码程序合成教会小语言模型完整软件工程生命周期
编程智能体在修改现有代码库的软件工程任务（如bug修复和功能实现）方面取得了显著进展。然而，从零开始构建完整程序仍然是一项重大挑战：即使是在ProgramBench上评估的前沿模型，也仅有不到1%的任务能够完全解决。障碍之一在于缺乏可扩展的训练环境来支持这种从零开始的设置，覆盖整个软件工程生命周期，因为现有的环境构建框架仅关注软件开发中的单一阶段。
CoRT：基于反事实回放的 Token 级评分标准引导策略优化
基于评分标准的强化学习通过显式标准评估模型输出来丰富语言模型训练。然而在 GRPO 风格流程中，这些结构化判断被压缩为标量响应级奖励并转化为统一的响应级优势，导致响应内各 token 无法获得差异化信用分配，即使不同标准对应不同文本片段、格式决策或语义选择。CoRT 提出针对评分条件 GRPO 的 Token 级信用加权方法。
SkillRise：跨任务技能演化的智能体强化学习框架
大语言模型智能体常遇到相关但不同的任务，这些任务共享可复用的解决方案模式。标准智能体强化学习将任务视为独立片段，而现有技能学习方法仅聚焦于单一任务的重复尝试或使用多阶段流程。SkillRise 提出统一强化学习框架，将相关实例组织为渐进式挑战序列，并使用单一策略在任务间交替学习。
DecoEvo：文本空间中求解器与评分标准生成器的分数解耦协同进化
文本空间优化通过编辑外部自然语言产物而非模型权重来适配大语言模型，使产物保持可检查性且模型可视为黑箱。然而现有方法大多固定评估机制，在开放式任务中这会成为瓶颈：一旦求解器在评分标准衡量的维度上改进，被遗漏的维度仍对优化信号不可见。若直接让评分标准进化，当更新由当前求解器的分数选择时，表面进展可能
CAST：游戏求解器作为 LLM 代理的回合级教师
为解决 LLM 在长时域游戏中强化学习稀疏奖励的信用分配问题，我们提出 CAST，利用游戏求解器的状态值变化提供更密集的回合级过程信号。