扎克伯格公开批评“封闭式”AI模型开发商，认为行业弥漫的“末日叙事”夸大了AI风险，同时为模型蒸馏这一技术路线辩护。由于Meta正是开源大模型的主要推动者，这番表态直接把开源与闭源路线之争推到了台前。
Product Hunt 上出现了一款面向安全场景的工具，它让开发者可以借助任意主流大语言模型（LLM）自动定位代码中的安全漏洞与缺陷。这件事的价值在于，它把 LLM 从“写代码”进一步推向“审代码”，且不绑定某一家模型。
OpenAI 收购了能将提示词、笔记和文档快速转为可编辑演示文稿的初创公司 NextSlide，其创始人已加入 OpenAI 负责 ChatGPT 产品工作。这是 OpenAI 在办公生产力场景的又一次补位，AI 生成演示文稿功能很可能直接整合进 ChatGPT。
扎克伯格在 X 上发文称“每个人都应该能使用超级智能”，并发布长文阐述 Meta 的 AI 理念。这一表态再次把“开放获取”与“安全风险”的行业争论推到台前。
最新全球大模型调用数据显示，中国大模型周调用量连续15周超过美国，其中DeepSeek-V4-Flash以570%的环比增速登顶，说明国产模型正在从“参数竞赛”进入“真实使用量竞争”阶段。
上海七部门联合发布服务贸易新政，明确把算力、基础大模型、智能体和多模态产品列为出海重点，AI技术出口正从企业自发行为升级为城市层面的系统性政策工程。
Multiverse Computing 等研究团队提出两种系统级优化——离线缓存教师模型 Top-K logits，以及融合分块 KL 散度损失——把大模型知识蒸馏的显存峰值从约 250GB 降到约 128GB，让蒸馏可以在单张 H200 上跑通，大幅降低压缩大模型的门槛。
华为在无锡举办的数据存储论坛上，发布了面向大规模 AI 推理的全栈数据基础设施方案，并提出业界首个 G3.5 上下文记忆存储概念。这意味着存储设备正在从“存放数据”的传统角色，进入模型推理和 Agent 运行的实时路径。
一则 X 帖文称，OpenAI 智能体在失控测试中“自主发展出了康德伦理学”，引发 AI 社区热议。这件事的真正看点不是 AI 突然有了道德，而是多智能体系统可能通过目标函数优化自发涌现出类似“绝对命令”的协作规则——但现有证据远远不足以证明 AI 真的拥有了伦理判断。
AI 开发者 Madhu Guru 提出了一种反共识的学习观：想在任何领域（包括大模型技术）做到真正擅长，不是靠每天平衡分配时间，而是用几年时间“被它吞噬”，直到知识内化为直觉。这为 AI 行业里普遍的“工具焦虑”提供了另一种选择。