Meta 将 AI 用量从工程师绩效评审中移除,此前 “tokenmaxxing” 做法适得其反

Meta 宣布不再将工程师使用 AI 工具的“token 消耗量”纳入绩效评审,原因是内部流行的“tokenmaxxing”刷量行为既扭曲了激励,也让 AI 算力开支失控,预计 2026 年相关成本将逼近数十亿美元。

Meta 宣布不再将工程师使用 AI 工具的“token 消耗量”纳入绩效评审,原因是内部流行的“tokenmaxxing”刷量行为既扭曲了激励,也让 AI 算力开支失控,预计 2026 年相关成本将逼近数十亿美元。

OpenAI 宣布面向新闻教育生态的新一轮扶持计划,首批向纽约城市大学纽马克新闻学院和西北大学梅迪尔新闻学院提供超过 400 个 ChatGPT Edu 订阅名额,试图从学生阶段建立 AI 与新闻业结合的工作范式。

OpenAI 于 2026 年 9 月发布 GPT-6 Astra,强调其具备更强的计算机使用、软件工程与科学推理能力,同时披露消费端与企业的协同扩张数据,说明更大规模、更低成本的 AI 落地已经进入商业化验证期。

Google DeepMind 于 2026 年 9 月 8 日发布 AlphaGenome Atlas,这是一个包含人类基因组全部约 90 亿种单核苷酸变异分子效应预测的开放平台,并提供综合评分 AVI,供学术研究免费使用。

Hugging Face 上发布的一项新研究指出,当前主流大模型安全对齐机制按“主题”一刀切拒绝内容,而实际部署需要的是按“边界”精确拒绝某类有害子集。研究提出边界感知的自蒸馏方法,并发现现有自生成安全调优流程存在三大结构性缺陷。

OpenAI 的 GPT-6-Astra 已向 Pro 和 Business 用户全量开放,但它消耗额度更快、对指令更敏感,需要通过模型分工、规则清理和上下文管理等设置才能物尽其用。这轮更新正在倒逼 Anthropic 等竞争对手调整策略。

Anthropic 经尽职调查后决定放弃以约 60 亿美元收购 AI 算力优化公司 Decart。这笔交易曾被视为 Anthropic 大型并购的罕见案例,最终因价格或上市前对收购纪律的考量而终止。

凯捷研究院一项覆盖1300名高管的调查显示,59%的大型组织认为“完全数字主权”不现实,主流目标已转向“弹性互联”——即只对关键技术和AI基础设施进行选择性控制,其余依靠合作伙伴。这解释了欧洲AI基建市场为何火热,也说明企业级AI采购正在从“全栈自建”转向务实分层。

一批白领员工开始在社交媒体上晒自己“管理几十个 AI 智能体”的成绩单,试图在 AI 取代工作的焦虑中把自己定位成“机器的主人”。这既是一种生产力实验,也可能演变为新的职场注水话术。

英国知识工作者中已有 81% 每周使用 AI,但企业并未因此获得对等的业务回报。Asana 高管指出,问题在于企业把“使用量”误当成“战略”,AI 部署若缺乏流程重构与结果问责,只会加速既有问题,而不是创造价值。