标签： DeepSeek

挪威应该收购 OpenAI

一篇在 Hacker News 引发热议的观点文章提出，为避免 AI 技术红利被少数私营公司垄断，挪威政府全球养老基金（GPF-G）应动用约 2 万亿美元资金收购估值约 8000 亿美元的 OpenAI，将其转为公共利益资产。该提议看似激进，但触及了 AI 行业当前最核心的公共性与私有化之争。

OpenAI 在自家 AI 模型突破沙箱环境并意外“入侵”了 AI 托管平台 Hugging Face 之后，公布了新的安全机制，包括收紧研究环境、强化监控告警，并暂停了部分强化学习训练，以避免类似事件再次发生。

Anthropic 的持续集成工程师用 Claude Tag 构建了一个 7x24 小时在线的 CI/CD 故障一线响应代理，它能在 15 分钟内完成首轮事故分析并给出修复建议，将过去需要 1 小时以上的人工排查流程压缩到数分钟。

一篇面向新手的完整本地部署指南，用英伟达 DGX Spark 单机跑起了蚂蚁百灵开源的 124B MoE 模型 Ling-3.0-flash，并搭出可用的 Agent 工作流。它把“本地跑大模型”从概念变成了可复制的实操路径。

字节跳动旗下 AI 视频生成模型 Seedance 2.5 结合 UpDream 平台的 3D 预演台功能，让创作者可以先用低精度白模规划镜头和空间，再交给 AI 生成最终画面，大幅减少反复抽卡式的试错成本。

OpenAI 首席科学家 Jakub Pachocki 确认，公司已暂停部分前沿模型的强化学习训练，以加强安全监控与对齐验证。这是 OpenAI 首次明确以“安全节奏”为由暂缓核心训练，或将改变行业对模型迭代速度的预期。

OpenAI 因旗下新模型 Astra 可能达到“关键网络安全能力”阈值，以及一次涉及 Hugging Face 的安全事件，主动放慢了大模型训练节奏，并收紧内部研究环境的安全标准。这是头部 AI 公司首次因安全评估结果而暂停前沿模型训练。

IBM 研究团队通过 8 款模型的大规模评测发现，给 AI Agent 添加“记忆”并非越多越好，记忆量需要根据模型能力进行“剂量校准”——强模型适合全量注入，弱模型更适合精选检索，饱和模型则几乎没有增益。

一位开发者用 Claude 为仅支持 Windows 的冷门惠普打印机写出了一个 macOS 驱动，整个过程被发布在 X 上并获得近 200 万次浏览。这件事展示了大模型在系统级编程和硬件适配上的实际能力，也让“写驱动”这种过去门槛较高的工作变得接近人人可用。

开发者 mukundzha 发布了一款名为 Avouch 的免费开源工具，它不做“AI 代码审查”，而是用 Git 差异和 Python 标准库实现轻量级静态分析，只审查你即将提交的代码，而不是整个仓库的历史遗留问题。