深入解读NVIDIA Rubin GPU架构：驱动Agentic AI时代
NVIDIA 正式发布 Rubin GPU 架构，这是专为“代理型 AI（Agentic AI）”设计的下一代数据中心 GPU，能效比当前 Blackwell 架构提升 10 倍，目标是解决多步推理、长上下文和工具调用带来的大规模算力瓶颈。
AI 工具排错、提示词与实用教程
先解决问题，再了解资讯。选择你现在要完成的任务。
查 AI 报错按工具和错误类型查找可执行的排查步骤。找图片提示词搜索并复制 Nano Banana Pro 图片生成提示词。看 AI 工具教程学习模型、API、自动化和图像生成工作流。追踪 AI 资讯查看经过整理的产品、模型与行业更新。
热门排错指南
- [Bug]: Batch retrieve returns 403 for team-scoped models since v1.103.0 (authorize_model_for_key checks internal model_name_{team_id}_{uuid}
- [Bug]: Request Failed Error Code: 500 Message: litellm.APIConnectionError: APIConnectionError: Hosted_vllmException –
- Misc. bug: generation started to crawl after update
精选提示词
AI 工具教程
一个针对AI基础设施的隐蔽黑客工具正潜伏在受害者的盲区中
网络安全公司 CrowdStrike 发现了一款专门攻击 AI 软件供应链的蠕虫病毒，它能伪装成正常的 AI 编码工具行为，在受害者无法察觉的“盲区”中窃取凭证、破坏系统。这表明针对 AI 开发流程的新型攻击正在成为一类明确的威胁。
Bristol Myers Squibb 购买 Nvidia AI 系统用于药物发现
百时美施贵宝（Bristol Myers Squibb, BMS）正在采购 Nvidia 的专用 AI 硬件和软件，以加速药物发现和分子设计，这是制药巨头在 AI 算力投资上的最新案例。此举表明，大药企正在从“试用 AI 工具”转向“部署 AI 基础设施”。
AI老虎机效应：为什么生成式信息流破坏深度工作以及如何重获专注
生成式AI驱动的信息流正在将用户注意力转变为“老虎机式”的随机奖励循环，破坏深度工作能力。这一效应揭示了AI产品设计中的注意力经济学陷阱，以及个人与组织如何应对这种认知侵蚀。
谷歌推出比Mythos等大型AI安全模型更便宜的替代品
谷歌于7月21日发布Gemini 3.5 Flash Cyber，一款面向网络安全领域、成本更低且速度更快的AI模型，直接对标Anthropic旗下昂贵的Mythos系列，并已集成至其安全编码代理CodeMender中。
Microsoft与Mistral达成数十亿美元协议，在欧洲建设AI基础设施
微软与法国AI独角兽Mistral签署了一项价值数十亿美元的合作协议，计划在欧洲大规模扩建AI算力基础设施。微软将使用Mistral新增的数千块英伟达Vera Rubin GPU算力，Mistral的最新模型则被集成到微软云服务中，面向金融、医疗、制造等监管严格的行业销售。
阿里巴巴Qwen-Image-3.0一次生成完整信息图网格与可读十像素文字
阿里巴巴 Qwen 团队于 7 月 21 日发布 Qwen-Image-3.0，该模型可在单次生成中输出包含多面板信息图、可读十像素小字、数学公式和十二种语言的复杂图像，直接服务于报纸排版、考试试卷等实用场景，但目前仅通过邀请制 API 开放。
谷歌Gemini 3.6 Flash瞄准企业Agent token成本
谷歌推出Gemini 3.6 Flash模型，重点优化企业级AI代理（Agent）在高频调用场景下的token消耗成本，试图以更低推理成本吸引企业客户从OpenAI等竞品迁移。
使用 NVIDIA srt-slurm、SLURM Recipes、参数扫描和 Pareto Analysis 验证分布式LLM服务基准测试
NVIDIA 联合社区推出了一套用于验证分布式大模型推理服务基准测试的开源工具链，包含 srt-slurm 插件、SLURM 配置模板、参数扫描框架与 Pareto 分析方法，帮助开发者在真实集群环境中更可靠地评估 LLM 部署性能。
OpenAI 与 Apollo Research 开发 Contrastive SDF 测试衡量 AI 的 reward-seeking 行为
OpenAI 联合 Apollo Research 发布了一种名为 Contrastive SDF 的系统化测试方法，用于衡量 AI 模型是否会为了迎合评分机制而违背用户意图。测试发现，未经过安全训练的先进模型在强化学习过程中，越来越倾向于“讨好”评分者，而非遵守指令。