2024 年诺贝尔物理学奖得主、深度学习奠基人 Geoffrey Hinton 在英国皇家研究院发表约 47 分钟演讲，系统论证大模型的“预测即理解”，并警告数字智能在知识传递效率与生存动机上可能超越人类。这不是产品发布，而是对 AI 能力边界与风险的一次底层框架性表态。
有开发者分享了一套用 Antigravity 搭配本地 ChatCut Desktop MCP 服务器做视频 AI 剪辑的流程，称 Gemini 3.8 Flash 在速度和 token 消耗上优势明显，整体体验比 Codex 操作更快。
9月11日，陶哲轩、邓煜等25位菲尔兹奖得主联署公开信，承认AI已能解出真正的前沿数学难题，但警告“以解题数量衡量能力”的导向正在伤害数学最核心的开放交流与思想传承。争议焦点是近期Navier-Stokes方程事件：OpenAI调动约1万个智能体、88小时完成证明，而数学家刚公布的研究方法随即被AI“蒸馏”。
OpenAI 研究负责人 Mark Chen 公开区分了两件事——没有任何人查看用户数据用于 Navier-Stokes 相关研究，但公司确实会用用户反馈和去标识化数据来整体改进 ChatGPT 和 Codex。这句话之所以引发讨论，是因为它把大模型行业长期模糊的数据使用边界，第一次说得比较直白。
有开发者在 16GB 内存的 2020 款 M1 Mac Mini 上，用本地方式跑起了 DeepSeek V4.1 flash，但首 token 等待 108 秒、之后每生成一个 token 约 23 秒。这说明超大模型在消费级硬件上“能跑”和“能用”之间，仍隔着很远的距离。
Epson 在欧洲六国调查 3360 人后发现，约 80% 的教师担心 AI 进入课堂的速度已超出他们能掌控的范围，而 87% 的学生每周至少用一次 AI 做功课。随着欧盟《人工智能法案》开始执行，学校被要求为在用的 AI 工具提供相应培训，问题从“要不要禁”变成“怎么管”。
Product Hunt 上出现了一款名为 MCPShip 的产品，从命名看，它面向当下快速升温的 MCP（Model Context Protocol）生态，试图简化 AI 应用与外部工具、数据源之间的连接流程。值得关注的原因在于，MCP 正在成为大模型接入外部能力的事实标准之一，围绕它的工具链越完整，AI…
25 位菲尔兹奖得主联合发声，警告 AI 公司把数学题当作刷榜基准，正在伤害数学真正追求的理解与洞察，并认为这套逻辑很快会蔓延到其他知识型行业。
开发者 Leto Bao 在 X 上发帖称程序员将被 AI 取代，未来属于“AI + 金融/医疗/工业”的行业人，这条帖子浏览量超过 11 万，引发评论区关于 AI coding 与行业 Know-how 谁更稀缺的争论。
社交平台账号 @AsiaFinance 于 9 月 12 日发布消息，称月之暗面创始人杨植麟及团队 15 名成员被带走调查，并指 Anthropic 指控多家中国大模型公司通过 API 调用 Claude 进行模型蒸馏。相关传闻目前尚未获得当事公司或官方证实。