开发者 @antiAIvo 分享了一篇关于语言模型“形状”的文章，提出当前大模型的调用方式过于单一——无论什么任务都是“一段文字进、一个字一个字出”，而 agent 开发者只能在外层靠工具调用、上下文压缩来适配，而非改变模型本身。
Meta 的 AI 智能体 Muse 上线后 13 天下载量超过 250 万，主打替用户浏览网页、填表、发邮件、下单；同期乐鑫推出售价 380 元、面向 Coding Agent 的模块化开发板。两件事共同指向一个变化：AI 正在从"回答问题"转向"完成任务"，并从手机屏幕延伸到实体设备。
一个名为 AgentSpace 的第三方平台宣称，以官方约 50% 的月费提供对齐官方额度的 Claude、GPT 等模型调用服务，并取消官方常见的 5 小时额度限制，只保留周额度。对依赖 Codex、Claude Code 跑长任务的开发者来说，这既降低了成本，也绕开了封号、外币卡和代充等门槛。
微软人工智能负责人穆斯塔法·苏莱曼公开质疑 Anthropic 训练 Claude 所用的一份文件，称其为“认识论的镜厅”，担心这种训练方式会让先进模型更难被控制。争点在于：该不该让大模型在训练中形成“身份认同”和质疑指令的倾向。
特朗普签署行政令，要求美国联邦政府文件在最大法律范围内用"超级智能"（SI）取代"人工智能"（AI），这不只是措辞调整，而是官方话语体系的一次重新定位。
过去12个月，大模型最显著的变化不是全面变聪明，而是能力分布变得更"尖"——数学、流体推理和专家级任务已越过熟练人类水平，但长期记忆、自我监控和长期规划几乎原地踏步，形成"超人类解题+次人类自我管理"的锯齿状前沿。
一个名为 data-sales-broker.app 的账号公开向 DeepSeek 喊话，称已备好一批脱敏的真实编程智能体轨迹数据，含完整 shell 与工具调用记录，可卖给模型方用于训练。它想讲的逻辑是：平台无偿收集用户数据，那用户或数据持有方也可以反过来把数据卖钱。
招聘机构 Draup 最新数据显示，今年金融业提到“智能体编排”的岗位需求同比暴涨 1721%，摩根大通、花旗等大行抢的是能把多个 Agent 串成工作流的架构人才，而不是只会调提示词的工程师。
《外交事务》刊出两位学者专论，直指华盛顿试图照搬美苏核军控范式来管理中美军事AI竞争是类比错误，主张放弃可核查条约幻想，转向系统韧性与人工终审开关。
当你在加载模型之后再用 model.to(torch.bfloat16) / .half() / .bfloat16() 或 Trainer(bf16_full_eval=True) 做全量评估时，RoPE 的 inv_freq 等频率 buffer 会被一起降精度，导致长上下文下角度误差迅速放大；