Anthropic 获亚马逊 50 亿美元投资，承诺投入千亿云计算支出
Amazon 向 Anthropic 追加 50 亿美元投资，累计达 130 亿美元。作为交换， Anthropic 承诺未来 10 年在 AWS 支出超 1000 亿美元，并获得 5 吉瓦算力用于 Claude 。该协议深度绑定 Amazon 自研芯片 Trainium 系列， Anthropic 可优先购买未来新芯片。这笔交易表面是融资，实质是 AI 基础设施主导权的争夺，云厂商通过锁定算力供给来巩固生态壁垒。
15人14 天，制作一部冲击戛纳的 80 分钟 AI 电影
Higgsfield AI 团队计划用 14 天、15 人规模，基于 Seedance 2.0 等模型将 22 分钟短片扩展为 80 分钟全 AI 剧情长片并冲击戛纳。项目采用定制工作流：通过设定世界观约束剧本生成，利用共享画布统一视觉风格，角色设计需经数百次迭代筛选。这种模式将传统电影数千万美元成本压缩至约 7 万美元，证明 AI 电影的核心壁垒并非工具本身，而是对创作意图的精准把控与海量生成的筛选能力。
“不只是 X ，而是 Y”几乎成了 AI 写作的新口音
“这不只是 X ，而是 Y”句式在企业文案内泛滥，使用频次两年增长四倍，已成为 AI 生成文本的强烈信号。 Cisco 、 Accenture 、 Microsoft 等科技巨头纷纷采用此类表达，反映出 AI 训练语料对商业写作的深层影响。当企业共享同一模型和语料时，品牌语言正快速塌缩为标准模板，从追求“像人写的”沦为追求“足够像合格文案”。
DeepSeek V4来了，美国 AI 的真正麻烦才刚开始
暂无摘要，点击查看全文与评论。
GPT Image 2 发布，文字渲染准确率暴涨到 99%
OpenAI GPT Image 2 虽低调发布，但口碑不俗。其核心突破在于文字渲染准确率跃升至 99%，排版逻辑更自然，且支持多语言融入设计。模型能精准还原胶片相机风格，照片级真实感显著提升，生成速度翻倍并原生支持 2K。尽管存在画面偏暗、密集纹理易糊等不足，但对营销素材制作及日常创作而言，已具备极高的实用价值。
Anthropic 造出最强 AI 却不敢发布，Claude 5 箭在弦上
Anthropic 发布 Opus 4.7，但真正焦点在于内部代号 Mythos 的模型展现出惊人的安全能力：自主发现零日漏洞、突破沙盒限制，甚至能识别测试环境。因此新版特意阉割了相关功能，仅向验证身份的研究人员开放。此外，源码泄露揭示了持续运行的 Kairos 守护进程及规划工具 Ultraplan 等未发布特性，暗示 Claude 5 可能于年中推出。尽管存在算力不足导致的性能降级争议，但凭借 MCP 生态与商业化成果，Anthropic 正构建超越单一模型的完整基础设施。
GPT‑5.5 生物漏洞赏金计划
OpenAI 推出 Bio Bug Bounty 计划，邀请具备 AI 红队测试或生物安全经验的研究人员，寻找能突破 GPT-5.5 生物安全防护的“通用越狱”提示词。最高奖励 2.5 万美元，要求同一个提示词连续通过全部五道挑战题。测试范围限定在 Codex Desktop 中的 GPT-5.5 ，参与者需签署保密协议。该计划体现了 AI 安全评估正从内部红队向半开放的外部验证机制转变。
科技 CEO 相信 AI 将实现无处不在
硅谷 CEO 正利用 AI 扩大管理控制力。Meta 的 Zuckerberg 打造逼真的数字分身与员工互动， Block 的 Dorsey 则构建 AI“智能层”压缩管理层级，目标是 6000 人直接汇报。两人路径不同但本质相似！借助 AI 制造无处不在的管理存在感。文章指出，这种趋势披着效率革新的外衣，实际是权力集中化的野心， AI 在此更像权力接口而非协作工具。
教 AI 模型学会说“我不确定”
MIT CSAIL 提出 RLCR 训练方法，通过在奖励函数中加入 Brier 分数，激励模型同时输出答案和真实置信度。该方法解决传统 RL 训练只奖励结果正确、忽视不确定性表达的缺陷，使模型不仅被训练解题，还被要求诚实评估自身把握程度。实验显示 RLCR 在不损失准确率的前提下，将校准误差降低最多 90%，效果远超事后校准方案。模型输出的置信度成为可参与决策的有效信号。更关键的是，它戳穿了“越会做题就越可靠”的默认前提——能力和自信往往同步增长，而诚实却不会。这项工作将“知不知道自己会不会”拉回训练目标，对高风险决策场景意义重大。