数据来源：AI HOT（aihot.virxact.com）
模型发布/更新
NVIDIA 发布 Nemotron 3.5 Lightning，面向本地常驻智能体
NVIDIA 推出 Nemotron 3.5 Lightning，这是一款总参数约 300 亿、每次激活约 30 亿参数的混合专家模型，面向需要长期运行的本地智能体任务。官方称，其 token 生成吞吐最高可达同类开放模型的 4 倍，并可把部分任务的完成时间缩短约 30%；模型提供开放权重并支持定制，可在 RTX PC、DGX Spark 和 Jetson 等设备上部署。性能数字来自厂商测试，实际收益仍取决于硬件、量化方式与工作负载。
SGLang 为 Nemotron 3.5 Lightning 提供 Day-0 支持
SGLang 同步完成对 Nemotron 3.5 Lightning 的首日适配，支持 BF16 与 NVFP4 权重、最长 100 万 token 上下文，以及 MTP、DFlash、DSpark 三类投机解码方案。开发者可通过 OpenAI 兼容接口把模型接入智能体工作流；团队公布的加速结果仍需在目标显卡、上下文长度与并发配置下复测。
蚂蚁百灵开源 Ling-3.0-tiny
蚂蚁百灵开源 Ling-3.0-tiny：模型总参数 79 亿，推理时激活约 13 亿参数，定位为小体量的原生混合推理模型，并同时提供 BF16、FP8 与 INT4 版本。多种精度版本降低了本地与边缘部署门槛，但真实任务中的速度、显存占用和质量取舍仍需按设备验证。
产品发布/更新
Runway 上线 Seedance 2.5，支持最多 50 个角色参考
Runway 宣布平台已提供 Seedance 2.5，可在一次生成中使用最多 50 个独特角色参考，并生成最长 30 秒、与音乐同步的视频片段。多角色一致性和长镜头稳定性仍会受提示词、参考素材与镜头复杂度影响，适合先用小样验证再进入正式制作。
Google 用 Gemini 辅助 Oracle、SQL Server 迁移到 PostgreSQL
Google Cloud 在 Database Migration Service 中加入 Gemini 辅助代码转换，可把 Oracle 或 SQL Server 的存储过程、触发器和自定义函数转为 PostgreSQL PL/pgSQL。该能力旨在降低异构数据库迁移中最费人工的代码改写成本，但自动生成结果仍需结合目标数据库版本、事务语义、权限与性能测试进行人工审查。
ZCode 上线 Goal、Subagents、Remote Control 与闲时任务
智谱为 ZCode 增加 Goal、Subagents、Remote Control 和闲时任务四项能力，分别覆盖长期目标推进、子智能体协作、远程控制与空闲算力利用。官方同时公布了 GLM-5.2 在自有代码基准上的通过率和缓存命中率数据；这些数字来自厂商测试，选择工具时仍应以自己的仓库、任务和成本口径复测。
ChatGPT 桌面端支持导入其他智能体的工作数据
OpenAI Developers 宣布，ChatGPT 桌面应用可导入其他智能体的项目、聊天记录、技能与插件，让相关工作与 ChatGPT Work、Codex 保持同步；用户还能查看导入历史，并选择是否自动更新。涉及企业代码、对话和插件配置时，应先确认数据边界、密钥处理方式与组织合规要求。
🔗 X：OpenAI Developers (@OpenAIDevs)
Databricks 开源面向超大代码库的 Metals v2
Databricks 开源 Metals v2，这是一款面向数百万行 Java 与 Scala 代码库的语言服务器，重点优化智能体驱动开发中的编辑、跳转与代码理解。它服务于智能体仍需工程师介入的环节；能否改善实际开发体验，取决于代码库规模、索引成本、IDE 集成和增量更新表现。
行业动态
研究揭示专有模型加密推理轨迹可被跨会话提取
一项新研究指出，部分模型服务商把加密推理块返回给客户端，并允许它们在同一服务商的不同会话、用户和模型间复用。研究者利用这一兼容性，让防护较弱的模型解码更强模型的推理轨迹，并在 Anthropic、OpenAI 和 Google 的系统上展示了攻击。团队从公开代码仓库收集并解码 315,320 个推理块，发现 367 个个人信息片段与 182 组凭据，并在负责任披露后提出加密与系统层缓解方案。
🔗 arXiv：Stealing Reasoning Traces from Proprietary LLM APIs
报道称 Anthropic 最快可能于秋季上市
IT之家援引市场消息称，Anthropic 正与潜在投资者沟通，上市时间可能落在 9 月或 10 月初；报道同时提及其上一轮融资后的 9,650 亿美元估值和超过 470 亿美元的年化收入。上市窗口、定价与风险披露都尚未最终确定，匿名消息与推介材料也不能视为正式发行承诺。
🔗 IT之家
Sundar Pichai 称 Gemini 月活用户已超过 10 亿
Google CEO Sundar Pichai 表示，Gemini 应用的月活跃用户已超过 10 亿，成为 Google 增长最快的产品，也是公司第 14 个达到十亿用户规模的产品。该数字来自公司管理层公开口径，未同时披露统计周期、活跃标准或地区分布，适合用来观察规模趋势，不宜直接等同于付费用户或使用深度。
🔗 X：Sundar Pichai (@sundarpichai)
消息称 NVIDIA 正开发万亿参数级 Nemotron 4
据报道，NVIDIA 正研发新一代 Nemotron 4 开放模型系列，其中最大版本可能达到至少 1 万亿参数，目标是与全球领先的开放模型竞争。报道同时指出，最终训练尚未完成，发布时间也未确定，最早可能在秋末准备就绪；在官方模型卡、权重与许可证公开前，这些规格都应视为未证实的研发信息。
🔗 IT之家
NVIDIA 推动 AI 数据中心转向 800 VDC 供电架构
NVIDIA 主张用 800 VDC 直流配电减少传统交流系统的多次转换损耗，以支撑更高密度的 AI 数据中心。公司正与 Google、Microsoft 等通过 Open Compute Project 推进相关规范，并称已有超过 80 家设备商参与开发；这仍是面向下一代设施的架构与产业协作，不代表现有数据中心已普遍完成迁移。
Gary Marcus 质疑 NVIDIA 的循环融资与生态角色
Gary Marcus 在评论文章中把 NVIDIA 对算力客户、合作伙伴和基础设施项目的投资称为“循环融资”，担心资金关系会放大需求与估值信号；他也讨论了 NVIDIA 扩展 Nemotron 开放模型路线后与 OpenAI、Anthropic 等伙伴之间可能出现的竞争。这是一篇带有鲜明立场的市场评论，关于利益冲突与长期影响的判断并非已证实结论。
Electric 团队加入 Databricks，把 WASM Postgres 带入智能体沙箱
Databricks 宣布 Electric 团队加入公司，计划把可在 WebAssembly 环境运行的 Postgres 引入 AI 智能体沙箱。其目标是让智能体在隔离环境中使用本地数据库，同时支持实时同步和离线操作，从而提高任务的可复现性与可验证性；具体产品形态、迁移安排与开源项目后续仍需继续观察。
论文研究
macOS 虚拟机中的 llama.cpp 推理接近 Apple Silicon 裸机性能
Cua 团队为 macOS 虚拟机建立进程级 Metal 兼容层，使 llama.cpp 能调用更新的 Metal 内核。其 M1 Ultra 测试中，TinyLlama 1.1B 的提示处理与生成速度分别提升 11.08 倍和 16.36 倍，并达到接近裸机 98% 的表现；Gemma 4 12B 也获得明显加速。结果来自特定硬件、模型与虚拟化配置，迁移到其他 Mac 或工作负载前仍需复测。
LMSYS 提出统一 Radix 缓存，简化混合模型前缀复用
LMSYS 团队提出 Unified Radix Cache，用一棵以 token 为键的 radix 树统一管理混合模型中的全注意力、滑动窗口注意力与 Mamba 缓存，同时保留各组件独立的执行路径、窗口和检查点复用语义。设计目标是降低混合架构推理服务的缓存复杂度，实际吞吐与显存收益仍要结合实现和访问模式评估。
Google 的 AMIE 研究系统展示实时临床视频问诊能力
Google Research 与 Google DeepMind 将医疗研究系统 AMIE 扩展到实时视频问诊，系统基于 Gemini 与 Project Astra，可综合视觉、声音和对话线索，引导虚拟体格检查并进行诊断推理。随机研究中，临床评估者与患者演员对多项能力给出积极评价；AMIE 仍是研究系统，标准化研究结果不能替代真实临床验证、监管审查或医生判断。
技巧与观点
OpenAI 公布 Astra 在数学与理论计算机科学上的十项进展
OpenAI 发布一组由内部版 Astra 生成的十项结果，覆盖高维球堆积、编码理论、群论、量子复杂性和格密码等领域。官方的准确表述是：这些结果有的解决了长期开放问题，有的取得了实质性推进，并由人类整理成论文，再由模型生成 Lean 证书；约 2,000 美元只对应按 Sol API 费率估算的求解 token 成本，并非项目总成本。成果仍需要数学共同体持续审阅和复现。
用 ComfyUI API 搭建 MiniMax-H3 音视频生成流水线
MarkTechPost 教程展示如何把 ComfyUI 作为无界面推理后端，通过 Python 构建 MiniMax-H3 的文生视频、首尾帧条件和参考图条件工作流，并按显存选择不同权重配置。流程还覆盖模型下载、节点校验、音视频联合解码与进度监控，适合作为工程实验起点；模型许可、硬件需求与产出质量仍需自行核对。
将 GitHub Copilot 放到 MitM 代理后，作者观察到什么
一位开发者用 mitmproxy 在受控环境中观察 VS Code 内 GitHub Copilot 的网络流量与运行时行为，并总结了 Electron 应用常见的网络栈特征和代理配置方法。这类逆向观察有助于理解客户端与服务端的交互边界，但拦截流量可能涉及账户、证书与敏感数据，只应在自己有权测试的环境中进行。
写智能体时，动态语言并不总比静态语言更省 token
Dan Luu 让智能体用不同语言实现 zstd 解码器，考察“动态语言能减少 LLM token”这一常见判断。其结果显示，中等推理强度下动态语言表现更好，而最高推理强度下静态语言反而占优；作者还发现早期评测存在测试路径错误。单一任务和模型的结果不能推广到大型系统，语言选择仍应综合生态、类型约束、测试与维护成本。
🔗 Dan Luu
微信内测小微 AI 帮写与 AI 点评，社交表达边界引发讨论
一篇评论文章介绍了微信基于小微内测的朋友圈 AI 帮写与 AI 点评：前者根据图片和已有文字生成文案，后者生成评价或快捷评论。作者担心 AI 进入社交表达核心后会削弱真实感，并影响内容生产；功能范围来自内测观察，关于“人味消失”的判断属于作者立场，而非产品效果的客观结论。
Ryan Greenblatt 讨论递归自我改进与失控风险
Dwarkesh Patel 与 Redwood Research 首席科学家 Ryan Greenblatt 讨论了 AI 达到顶尖人类研究水平后，递归自我改进可能加快 AI 研发的情景。Greenblatt 的中位预期是到 2031 年自动化 AI 研究，并讨论奖励黑客、协作失控和超级智能对齐对象等问题；这些是带概率与假设条件的个人判断，不是确定时间表。
AI 时代的 SaaS 估值正在向各赛道头部集中
投资人 Tomasz Tunguz 对比多个 SaaS 细分市场后指出，整体估值承压时，投资者仍给被视为 AI 领跑者的公司明显溢价，例如 CrowdStrike、Cloudflare 和 Shopify 相对同类公司的前瞻收入倍数更高。这是一组特定日期的市场快照，倍数会随股价、预期和财务口径变化，也不构成投资建议。
Claude 官方短片追问：你能相信 AI 告诉你的内容吗？
Claude 官方频道发布短片《Can you trust what AI tells you?》，把关注点放在 AI 输出的可信度上。视频标题提出的问题本身也是实用提醒：模型回答不应自动被当作事实，尤其在医疗、法律、财务和安全等高风险场景，应核对原始来源、时效性与不确定性。
AI 热点日报 · 作者：钟懿 · 数据来源：AI HOT（aihot.virxact.com）