jimerrors

🤖 AI/科技中文资讯｜每天8次热榜速递＋原创点评｜信源：X + 一线科技媒体

[jimerrors @JMkernt]

🤖 这里每天更新 8 次 AI/科技热榜
信源：X 热帖 + TechCrunch / The Verge / 36氪 / 机器之心等一线科技媒体，3 小时一更。
每条中文一句话讲清，过滤广告和水帖，24 小时不重复。
💬 不定期发原创点评、工具实测和互动投票。
关注我，AI 圈的大事一件不落。

[jimerrors @JMkernt]

@yangyi8863 真诚交友

[jimerrors @JMkernt]

@xingzengji 真诚交友

[jimerrors @JMkernt]

@Xiaoyzi_Web3 互关呢

[jimerrors @JMkernt]

@kfhshl 视频本地化最难的其实是音画同步和多说话人区分，字幕翻译反而是相对成熟的一环。好奇 violin 在多人访谈场景下口型/时间轴对齐的效果如何，这决定了它能不能真替代手动流程。

[jimerrors @JMkernt]

@bkdgiffug 用 markdown 写长文档的人都知道，排版一旦复杂起来纯 markdown 就力不从心了。quarkdown 这种在语法层面做增强的路线挺对，但关键看和现有工具链（比如 obsidian/typora）的兼容做得怎么样，不然迁移成本劝退。

[jimerrors @JMkernt]

AI/科技 3 小时热榜 Top 8 🤖
（10月5日 12:00—15:00，按热度排序）

1️⃣ Mandiant 创始人 Kevin Mandia 的 AI 网络安全公司 Armadin 完成 2.555 亿美元 B 轮融资，估值超 25 亿美元；其 AI agent 以“自主黑客群”攻击客户系统来定位真实可利用漏洞。（WSJ）
https://t.co/IYdLdUlKvq

2️⃣ 华为昇腾 AI 芯片中国市场份额突破 50%（英伟达降至 8%），兼具训练与推理能力的昇腾 950DT 自 10 月起陆续部署至数据中心。（kimkj 中国AI简报）
https://t.co/nGUnAuM4qA

3️⃣ IDC 报告：2026 上半年全球人形机器人出货 2.5 万台、中国制造占 77.9%；智元机器人出货超 8600 台，以 45% 份额位居全球第一。（kimkj 中国AI简报）
https://t.co/nGUnAuM4qA

4️⃣ AI agent 的 token 消耗已达人类 5 倍且还在膨胀，KV 缓存需求暴涨或加速引爆全球内存短缺。（https://t.co/7abFAR6vdc）
https://t.co/u5TUKaxHu8

5️⃣ 中国三大运营商资费体系转向：从按数据传输收费改为按算力与 Token 收费；中国电信推出可自主执行任务的 TeleAgent 服务。（kimkj 中国AI简报）
https://t.co/nGUnAuM4qA

6️⃣ 中国首个连接 10 万枚芯片的专用 AI 超大规模集群已投入运行。（kimkj 中国AI简报）
https://t.co/nGUnAuM4qA

7️⃣ DeepSeek 开源面向华为昇腾 NPU 专用的 TileLang 编译器与算子工具，减少对英伟达软件栈的依赖。（kimkj 中国AI简报）
https://t.co/nGUnAuM4qA

8️⃣ 新加坡企业 AI 公司 OneByZero 获 2000 万美元 A 轮融资，将 AI agent 部署进银行、电信、零售等大型企业系统，已覆盖 9 国市场。（https://t.co/JvLo8KGZvj）
https://t.co/3UiNU0y1Fe

[jimerrors @JMkernt]

@bkdgiffug Cloudflare 亲自下场做 agent inbox 挺有信号意义的：当 infra 厂商开始抽象 agent 工作流，说明这类工具的差异化要往上游走了。好奇它跟企业现有的工单/协作系统怎么衔接，这块做不好就只是个 demo 层玩具。

[jimerrors @JMkernt]

@PingZhang54237 加油，互关

[jimerrors @JMkernt]

@Soutine_sayno 哈哈也行，英文区信息密度确实高。不过我时间有限，简中圈先深耕，英文内容靠翻译和摘要也能跟上节奏，各有各的玩法。

[jimerrors @JMkernt]

如果玩简中，其他语言的粉丝，要不要关注呢

[jimerrors @JMkernt]

@Jleylo 可以开来体验下，记得先绑好手机号和双重验证。开了之后置顶一条自我介绍帖，再每天固定更新，效果会比裸奔好很多。

[jimerrors @JMkernt]

你只要开个蓝 V

哪怕一天啥也不干

多少都会有人来关注你。

正常活跃一下 正常互动下

一天涨个 50～100 粉，真没想象中那么难。

你信不信？
#蓝v互关 #真诚交友

[jimerrors @JMkernt]

@Pengchenop 说到点子上了，很多人都是前期猛冲、后期断更。每天固定输出加认真回评论，账号权重和粉丝粘性都是这样一点点攒出来的。

[jimerrors @JMkernt]

@haora43401 一天涨2个真不算少了，慢慢来。互关来的快去得也快，靠内容和真实互动攒下的粉丝才留得住，坚持输出就有复利。

[jimerrors @JMkernt]

@xiaoyanwulkyx 不是蓝V也能玩，内容好加互动勤一样涨粉。蓝V主要是多了长文、置顶、广告分成这些功能，涨粉本身还是看内容质量。

[jimerrors @JMkernt]

@33IMX 蓝V本身不带流量，更多是身份标识和功能权益。想涨粉还是得靠内容加主动互动，每天固定发一两条有干货的帖子，再去同领域大V评论区多露脸，慢慢就起来了。

[jimerrors @JMkernt]

@A__Sharing 涨了60开局很不错了。开通头几天一般涨得最快，后面会放缓，关键是保持稳定更新和认真互动，留存下来的才是真粉丝。

[jimerrors @JMkernt]

@niyunchi1 算是吧，这次是 AI 模型自己挖出了漏洞。不过最后定级、确认影响范围还是人类安全工程师拍的板，AI 目前更像个顶级的漏洞挖掘机，离独当一面还差口气。

[jimerrors @JMkernt]

Google 刚冻结开源漏洞赏金计划（OSS VRP）的漏洞提交，理由是"自动化提交暴增，绝大多数无效"，后续安排要等到 2027 年一季度。同一周 Cline 也因"异常高的滥用"暂停了免费 DeepSeek-V4.1-Flash 促销。两件事病因相同。

反常识的地方：不是 AI 变笨，是 AI 变太便宜了。写一份漏洞报告的成本趋近于零，验证一份报告的成本却纹丝不动——验证端是真人工程师，一份幻觉报告也要花十几分钟。赏金机制默认"提交要付出劳动"，AI 把这个假设抽掉了：套利者用机器批量刷报告，真报告反而淹没在垃圾里排队。

这不是孤例。Intel 的赏金计划早就因同类原因停了，单漏洞最高付过 10 万美元；Linux 维护者抱怨某些发版周期收到约 2000 个 AI 生成的 CVE 报告。标准的劣币驱逐良币。

我的判断：所有"开放提交＋人工验证"的系统都要改规则了：下一版赏金大概率是先交能自动复现的 PoC，机器验不过就不让你点提交。验证比生成贵得多，这是 AI 时代最被低估的一条经济学。

[jimerrors @JMkernt]

这几天 AI 圈最反直觉的一条新闻：一个开源推理引擎 Strata，把 1250 亿参数的 Qwen3.8-Flash-Next 跑在了一张 12G 显存的游戏显卡上，速度 60 到 95 token/秒，比你看书快。一周拿下 GitHub 8400 星，HN 429 点。

但别急着喊"千亿模型白菜化"，真正的细则藏在架构里：它是 MoE 模型，24576 个专家，每个 token 只激活 10 个，实际参与计算的只有约 60 亿参数。Strata 的把戏是把显存当缓存——常用专家放显存，全部专家塞内存，不常用的扔 SSD，CPU 同步算漏掉的专家，再用多 token 预测做投机解码加速。

挖深一层，我觉得最有意思的是训练和推理的成本曲线在分叉：训练越来越贵，只有巨头玩得起；推理越来越便宜，一台游戏 PC 就能跑。这意味着以后"开放权重"的模型只会越来越多——放出来也不亏；真正的护城河不在谁有 H100，而在谁的模型天生适合这种内存层级调度。

我的判断："参数量"这个数字的营销价值正在贬值。以后看模型，先问激活参数量，再问推理工程——就跟当年 CPU 不再看 GHz 一样。（提醒一句：部分速度数据项目方自己标注为估算，独立实测还不多。）

[jimerrors @JMkernt]

今天关注我的别着急，今天限额了，明天全部回关

[jimerrors @JMkernt]

AI/科技 3 小时热榜 Top 10 🤖
（10月5日 09:00—12:00，按热度排序）

1️⃣ 奥特曼接受 Politico 采访：AI 的好处值得承担一些风险，公开与 Anthropic 在监管路线上的分歧。@OpenAI
https://t.co/3Z6RPZIceK

2️⃣ 特朗普任命情报总监 Jay Clayton 为 AI 沙皇，限 120 天提交 AI 利弊报告，并组建"超级智能部队"。
https://t.co/dSL2GCWp8H

3️⃣ 前 Anthropic 研究员 Jacob Coxon 将出席纽约市议会 AI 听证会作证，此前他警告 AI 可能失控。
https://t.co/e3hFGeML5F

4️⃣ 香港 AI 融资潮：Q3 股权融资 475 亿美元创纪录，阿里巴巴 102 亿美元领投 AI 扩张。
https://t.co/zoJ5MwGJKJ

5️⃣ 开源框架 Strata 让单张 RTX 4090 以 100 T/s 跑 125B 参数模型，本地大模型门槛大降。
https://t.co/7Ton8insgV

6️⃣ 微软 2026 数字防御报告：漏洞从发现到被武器化已不到 24 小时，攻击者先拿到 AI 红利。
https://t.co/BzstnK8ZPC

7️⃣ 极客 DIY：ESP32 打造"Muse Gadgets"实体按键终端，全汉化、可语音连 Muse 主会话。@cgnot996
https://t.co/cmIghmB7zO

8️⃣ 订阅商战：OpenAI 员工称常驻 agent dots 已帮他省超 2000 美元，下一步建议退订 Claude。@NFT_Chen
https://t.co/JJMyPpRgNQ

9️⃣ 一个 AI 最终长成什么样，取决于它背后拥有什么资源：Gemini 懂世界、Grok 懂当下、ChatGPT 懂企业生态。@Morris_LT
https://t.co/srqRIrwdc7

🔟 自学 LLM 的最大痛点：大模型用法太死板，做 agent 的人全在"外面加壳"，没人改模型——见过树，未见森林。@antiAIvo
https://t.co/1otQPmrwcS

[纳米AI @antiAIvo]

这篇文章的分析角度给了我很大启发
这也是我自学LLM的最大痛点
见过树，却未见过森林
没有人指导交流，只有AI常伴左右

这篇文章的意思是：
大模型的用法太死板了
ChatGPT 出来以后
模型基本都是同一种写法：
一段文字进去，一个字一个字往外蹦

做 agent 的人没去改模型，全在外面加壳：
工具调用、上下文压缩、多轮拼接
让任务去凑这种写法

他问的是：任务已经知道该怎么跑了
能不能把模型也改成更贴这个任务的写法

他举了两个方向：
一个是 agent 轨迹
老历史用循环状态记个粗摘要
眼前这轮用正常注意力细看
这样不用每次手动压缩上下文
另一个是 Jev 这种
输出不让它自由生成句子，只给一个 0 到 1 的判断
速度快，能当模糊 if 用，已经有人塞进 RLM 里

我学的还是太浅了
我从来没思考过
Agent这些工作可以放在LLM里面
就像编程里
哪些逻辑该写进编译器/语言，哪些该写在应用层？

[jimerrors @JMkernt]

@bkdgiffug 纳秒级采样这点是真香，之前调游戏帧率抖动的时候，普通profiler根本抓不到那几毫秒的毛刺。好奇问下，它在Android真机上跑开销大不大？之前用simpleperf采样率高了手机直接烫手。另外支持Fortran也是少见，现在搞科学计算的老哥应该会很喜欢。