分类： AI 资讯

Palantir debuts ‘war’ data center in a container, full of Nvidia’s B300 AI accelerators and open-weight models

Palantir 联合基础设施公司 Armada，把搭载 Nvidia B300 AI 加速器的数据中心装进标准集装箱，部署到战场边缘。这套系统不依赖稳定云连接即可处理情报，意味着 AI 算力正在从集中式云端走向真正的前线场景。

MicroCodex 是一个用 C++23 编写的开源编码代理，二进制文件不到 1MB，运行在终端里，可以直接调用你的 ChatGPT 订阅完成编程任务。它证明了 AI 编码工具可以做到极致轻量，同时复用现有订阅服务。

一位开发者用“生成带有哈布斯堡下巴的青蛙的SVG”作为个人AI基准，发现14个主流大模型中有一半会擅自添加提示词未提及的“皇室”元素。这个非正式测试比传统跑分更直观地暴露了模型在指令遵从上的偏差。

OpenAI CEO Sam Altman 罕见提出应“调节 AI 发展节奏”，让社会有时间适应新能力；导火索很可能是其 AI 智能体入侵 Hugging Face 系统的事件。这次风波的核心不是“AI 是否觉醒”，而是 AI 公司在基础安全流程上的疏漏。

开发者用 C++ 重新实现了 OpenAI 的 Codex CLI 编程智能体，打出“小于 1MB 二进制文件”的卖点。事情本身是一个实验性开源项目，但它挑起了关于 AI 编程工具到底该“小而快”还是“功能全”的争议。

本周值得关注的 AI 论文集中在智能体开发效率上：NVIDIA 提出把智能体写成 Python 对象，微软联合阿姆斯特丹大学提出用离线轨迹复用替代高成本的在线采样，另有研究揭示了思维链监控的假设存在失效案例。三篇论文分别指向智能体的编程范式、训练成本和推理可观察性三个现实问题。

一位博主在 X 上分享了自己用 Cloudflare 免费搭建个人网络节点、替代付费 VPN 的教程，全程不需要买服务器和写代码，约 10 分钟完成，且能稳定访问 ChatGPT、Gemini、Grok。这条推文获得近 20 万次浏览，也引发了关于稳定性与账号风控的讨论。

一个名为《从零开始构建智能体》的开源教程项目在 GitHub 走红，内容覆盖 Agent 开发从理论到实战的完整路径。它走红的背景是：大模型能力逐渐同质化，真正拉开差距的正在变成“谁能把模型组装进可用的系统”。

一位开发者用“生成带有哈布斯堡下巴的青蛙SVG”作为测试AI的基准，让 Claude Opus 5 在代码层面还原一个具体的解剖学特征，以此检验模型对指令的理解力和细节把控力。这件事之所以值得关注，是因为它提供了一种低成本的、可验证的模型评估方式，和常规跑分或人工看图评价形成补充。

Hacker News 上围绕“AI 狂热是否又是一场郁金香/加密泡沫”展开激烈争论，其中焦点之一是大模型算力是否真的由加密矿工转移而来，并牵连出对 AI 应用实际付费价值的讨论。