独立开发者 WquGuru 实测了 HuggingFace 上当前主流的开源 ASR 与 TTS 模型，结论是语音合成（TTS）已进入几十 MB 小模型的 CPU 可跑时代，而语音识别（ASR）则呈现“多语种大模型保精度、端侧小模型拼速度”的并行路线。
Anthropic 用几十个 Claude 智能体耗时 11 天、消耗约 60 亿 token，端到端完成了费马大定理的 Lean 形式化证明。这件事的重点不仅在于“AI 证明了数学难题”，更在于它展示了一种新的 AI 科研范式：大模型 + 多智能体协作 + 外部验证框架，可以连续运转两周完成超大规模工程任务…
Anthropic 在 GitHub 上开源了费马大定理的 Lean 4 完整机器检查证明，该证明已通过 Lean 内核、独立 Rust 内核及对比器的三重验证，成为 AI 与形式化数学交叉领域的重要工程里程碑。
小红书博主“丑穷女孩陈浪浪”发布了用AI制作宠物vlog的简易教程，称普通人花2分钟就能学会。这件事的价值不在于教程本身，而在于展示了大模型工具在UGC内容创作中的门槛正在快速降低。
AI 产品顾问 Madhu Guru 在 X 上分享了一个朴素但有效的建议：与其花一个月读 AI 产品方法论，不如花一个周末，用 AI 工具完整自动化一件你熟悉的个人或工作流程。这条帖子获得超过 5000 次浏览，核心观点是“只有通过构建才能真正学会构建 AI 产品”。
Vercel CEO Guillermo Rauch 提出“AI 软件工厂”将产出无缺陷、可自我进化的软件，其团队已用 AI 代理在一个月内关闭 Next.js 仓库的 1500 个 issue，AI 正在从写代码助手演变为具备问题发现、复现与修复能力的工程主体。
英伟达发布了一款名为 PAIR 的开源虚拟推理路由器，能让本地 AI 请求自动分配到 RTX 显卡、DGX Spark 工作站甚至 Mac 设备上运行。这意味着不再只有云服务商能做模型调度，个人开发者也能用手头设备组建自己的“分布式推理小集群”。
成立仅两年的伦敦AI云公司Nscale正寻求在美股IPO前完成最多35亿美元融资，投资方包括英伟达和Third Point。其核心筹码是一份与Anthropic签下的450亿美元算力合同，该合同被微软和谷歌先后放弃。
伦敦AI基础设施初创公司Nscale正洽谈最高35亿美元融资，其中约20亿美元来自英伟达，并计划在融资后推进IPO。这笔交易若落地，意味着英伟达正从芯片供应商进一步深入AI算力基础设施的股权投资与生态绑定。
AI 推理基础设施公司 Gimlet Labs 宣布完成 3 亿美元 B 轮融资，由 Andreessen Horowitz 领投。该公司主推“异构芯片”推理云，试图在不增加功耗的前提下把大模型推理速度提升数倍，以应对 token 生成量激增带来的算力瓶颈。