TPU 8t/8i 发布，DeepMind 权重即模态，B200 现货零供给

1️⃣ Google 发布第八代 TPU：训练与推理首次分体#

• 核心发布：Google Cloud 推出第八代 TPU 系统，首次将训练芯片 TPU 8t 与推理芯片 TPU 8i 分开设计。
• 规格与收益：TPU 8t 面向万亿参数预训练，单组 9600 颗芯片、121 exaflops 算力、2PB 共享内存，峰值性能为上代 3 倍；TPU 8i 面向后训练与实时推理，通信密集型任务延迟最高降低一半，官方称低延迟场景性价比提升最高 80%，可扩展至 100 万+ 芯片。
• 行业观察：训练与推理需求已经分道扬镳；Agent 任务的多轮交互让推理延迟成为新的定价锚点。 🔗 Google Cloud 公告 | 中文解读

2️⃣ Google DeepMind 提出 SkillSmith：模型权重变成新模态#

• 核心亮点：DeepMind 新研究直接将“模型权重”作为 LLM 可读的另一种模态，让技能组合在推理时完成，而非训练时。
• 实现方式：增强模型读取已有 prefix weights 和描述目标能力的文本，直接输出体现该能力的新 prefix weights；团队称之为 instruction-steered parametric synthesis。
• 效果与意义：实验增益超过单独文本适配与单独权重适配；若成立，技能定制有望从“跑一次训练”变为“一次前向推理”。 🔗 论文 | elvis 解读

3️⃣ B200 现货市场罕见真空：13 家云厂商零供给#

• 核心亮点：开发者 Suhail 称在自己等待 B200 订单交付期间，问遍 13 家云服务商，连 1 个节点的 B200/B200s 现货都找不到。
• 价格信号：现货 GPU 时价正朝 6.5–7 美元/卡小时移动，他据此判断推理成本会继续上升。
• 行业观察：这轮缺货发生在“推理需求”而非“训练需求”一侧；当现货市场同时抢卡，Agent 应用的边际成本将首先承压。 🔗 Suhail 推文

4️⃣ 美国商务部拟投 8.74 亿美元入股七家半导体企业#

• 核心事件：美国商务部与 GlobalFoundries、Kepler Computing、Multibeam、Extropic、Thintronics、OBSIDIA、Aeluma 签署非约束性意向书，拟提供最高 8.74 亿美元研发资金，并在最终协议中取得少数非控股股权。
• 覆盖方向：分别落在 CPO/硅光先进封装、铁电 3D 集成存储、电子束直写封装、概率计算芯片、低损耗介电材料、化合物半导体异质集成、芯片供应链身份核验。
• 趋势判断：过去 14 个月美国政府股权或准股权安排累计约 37 笔；资金正从成熟制造项目转向商业化尚未验证的早期技术，以股权方式承担长周期研发风险。 🔗 有新Newin 盘点

5️⃣ Cloudflare 开启 Agents Week：把云重新定义为“为 Agent 而生”#

• 核心发布：Cloudflare 博客宣布本周为 Agents Week，并抛出一个反向问题：不是“Agent Cloud 应该是什么”，而是“你的 agent 需要什么样的 Agent Cloud”。
• 内容框架：未来五天将覆盖 agent 原语与执行层、agentic 软件开发生命周期、组织内安全访问、agentic web，以及 agent 与人类的现实共存。
• 行业观察：把设计对象从“盯着屏幕的人”换成“没有疲劳的 agent”，意味着存储、计算、支付与发现机制都需要重新定义；现有 web 在短期内仍需一层翻译层。 🔗 Cloudflare 官方博客

6️⃣ Vercel CEO 披露内部 Agent @v：已介入公司全部日常岗位#

• 核心表态：Vercel CEO Guillermo Rauch 称，公司内部运营 Agent @v 已覆盖 finance、comms、docs、marketing、engineering、business analytics，日交互量与 token 消耗呈指数增长。
• 工作机制：@v 由团队预置技能并持续更新，按用户维护个性化记忆、工作流与日程；它已用于提醒 skills.sh 达到 100 万技能这类周期性事件。
• 行业意义：Rauch 同时强调“这是我们的 agent，不是 BigAI 的 agent”——控制权从 source 到 runtime 到 data 到 token，正在成为企业采用 agent 时的核心命题。 🔗 Guillermo Rauch 推文

7️⃣ Firecrawl 开源 pdf-inspector：20 毫秒让 PDF 变成 Markdown#

• 核心发布：Firecrawl 开源 Rust 编写的 PDF 解析工具 pdf-inspector，约 20 毫秒分类任意 PDF，并在本地提取干净 Markdown。
• 性能：200 个 PDF 约 2.8 秒完成；表格和图表提取质量尤其突出，无需等待 OCR 或复杂解析链路。
• 行业观察：Agent 规模化处理文档时，低延迟、本地化、结构化提取正在变成基础设施能力；PDF 从“麻烦输入”变成可即时消费的数据。 🔗 Berryxia 介绍

8️⃣ [持续跟踪] OpenAI Astra 数学成果争议升级：Gary Marcus 发布八大误解清单#

• 前情提要：OpenAI 前日公布内部模型 Astra 解决 10 项数学/理论计算机问题，社区围绕验证方式与“数学是否已解决”展开争论。
• 最新进展：Gary Marcus 今日发布长文列出八条“误解”，核心是：数学可依赖符号验证和廉价合成数据，因此是特例，不能保证跨领域通用；Astra 的公布更像营销而非科学；生成式模型在开放式问题上的能力仍存疑。他还表示，过去 24 小时的批评者没有回应这一核心论点。
• 社区分化：辩论从“Astra 是否厉害”滑向“AI 是否接近通用智能”；Marcus 认为单点突破被过度外推，与 IBM Watson 从 Jeopardy 到癌症治疗的失败类似。 🔗 Gary Marcus 八大误解 | 后续回应

9️⃣ MIT 与哈佛新论文：LLM 离真实科学发现还很远#

• 核心发现：MIT 和哈佛研究人员发布论文《Evaluating Large Language Models in Scientific Discovery》，提出 SDE 评测框架，考察模型在开放式研究循环中的表现。
• 结果：前沿模型在生物学、化学、材料、物理中“提出可检验假设—设计实验—解读模糊结果”的迭代过程里迅速失效；扩大模型规模与算力无法弥合差距，不同厂商的顶级模型存在相同盲点。
• 行业观察：论文把“记住教科书”和“做科学”分开——静态 benchmark 高分不能等价于自主发现能力。 🔗 Gary Marcus 转述 | How To Prompt 解读

⭐ GitHub 趋势#

📊 类别速览

项目	类别	Stars
lyogavin/airllm	推理/模型	25.6k
Panniantong/Agent-Reach	AI Agent	64.7k
antirez/ds4	推理/模型	20.0k

---

1. lyogavin/airllm ⭐ 今日 +819#

语言/许可： Python / Apache-2.0
总 Stars： 25.6k
仓库： GitHub

项目定位：
面向低显存场景的 LLM 推理库，解决 70B 稠密模型与数百 B/数千 B 级 MoE 模型在单张消费级 GPU 上的本地运行问题。目标用户是本地推理、私有化部署和边缘侧模型开发者。

核心功能：

• 通过按层分片加载/卸载，让 70B 稠密模型在 4GB GPU 上运行，不依赖量化、蒸馏或剪枝。
• 针对 MoE 模型按 token 路由流式加载被激活的 expert，可运行 DeepSeek-V3（671B）约需 12GB、Kimi K3（2.8T）约需 4GB。
• 提供 4bit/8bit 块状量化压缩模式，降低磁盘加载开销，实测可带来最高约 3 倍推理加速。
• 通过 AutoModel 统一接口兼容 Llama、Qwen、DeepSeek、ChatGLM、Mistral 等主流模型，并支持 MacOS 与 CPU 推理。

技术亮点：
层式分片 + per-expert 流式加载，将显存瓶颈转化为磁盘吞吐问题；结合 prefetching 将模型加载与计算重叠，量化只作用于权重，避免激活值量化带来的精度损失。

---

2. Panniantong/Agent-Reach ⭐ 今日 +659#

语言/许可： Python / MIT
总 Stars： 64.7k
仓库： GitHub

项目定位：
面向 AI Agent 的互联网访问能力层，以 CLI/MCP 方式让 Claude Code、Cursor、OpenClaw 等 Agent 读取 Twitter、Reddit、YouTube、B站、小红书等多平台内容，规避各平台 API 付费、封禁和登录墙问题。目标用户是 Agent 开发者和高频使用终端 Agent 的工程师。

核心功能：

• 每个平台按“首选 + 备选”有序后端路由，例如 twitter-cli ▸ OpenCLI ▸ bird、bili-cli ▸ OpenCLI；后端失效时自动切换，无需改代码。
• agent-reach doctor 一条命令检测各渠道真实可用性，并输出当前后端与修复建议；安装和更新可由 Agent 自主读取文档完成。
• 零配置渠道覆盖任意网页、YouTube 字幕、RSS、GitHub、B站、V2EX；需要登录态的平台按需通过 OpenCLI/Cookie 本地解锁。
• 兼容支持 shell 执行的 Agent 生态，并通过 SKILL.md 注册能力；接入 Exa 语义搜索作为免费搜索后端。

技术亮点：
实现上不是抓取工具的包装层，而是“选型 + 安装 + 诊断 + 路由”的能力层：实际读取由 Agent 直接调用上游 CLI/MCP 完成，channel 抽象加有序后端列表提供容错，本地配置以 0600 权限存储，并支持 --safe / --dry-run 安装。

---

3. antirez/ds4 ⭐ 今日 +139#

语言/许可： C / MIT
总 Stars： 20.0k
仓库： GitHub

项目定位：
面向 DeepSeek V4 Flash/PRO 的专用本地推理引擎 DwarfStar，针对 Metal、CUDA、ROCm 后端做模型、量化与调度的协同优化。解决高内存个人设备、存量 CUDA 服务器和 AMD 平台上运行最新开源大模型的部署问题。目标用户是 AI Infra、私有化推理和本地 Agent 开发者。

核心功能：

• 支持 DeepSeek V4 Flash/PRO 与 GLM 5.2 的专用 GGUF，提供 96/128GB、256GB、512GB 内存档位的量化方案；非通用 GGUF runner。
• 提供 ds4-server，通过 decode/generation 微批处理，可在 8x L40S 等存量 Ada 架构 GPU 上搭建多用户服务，实现约 120 t/s 聚合生成、2000 t/s prefill。
• 支持 SSD streaming 应对内存不足；支持双 Mac RDMA tensor parallelism，以及 pipeline parallelism 跨机聚合内存。
• 集成 DSpark 投机解码与 GLM MTP 实验路径，并附带 GGUF 生成、imatrix、质量对比和官方 continuation 回归测试工具链。

技术亮点：
对 routed MoE 做非对称量化：仅量化路由专家部分，up/gate 用 IQ2_XXS、down 用 Q2_K，非专家参数保留精度，使 2bit 量化下仍能稳定支持 agent 工具调用；推理引擎与模型格式、HTTP server、KV cache、coding agent 作为整体构建测试，而非通用运行时。

🟧 Hacker News 热议#

Karpathy’s Pelican#

402 pts · 315 comments · twitter.com/karpathy

📌 内容总结

• Karpathy 认为”画一只骑自行车的鹈鹕”这类 SVG 测试已经饱和，提出更泛化的基准：给 Opus 5《魔戒》第一章第一段 + 1M token 预算（约 $10），要求生成 three.js 渲染。
• 模型耗时约 2 小时，产出 5500 行代码，程序化生成场景动画；效果”janky but fun”。
• 核心论点：这类高度定制内容过去”没人会花时间写”，现在因为成本趋近于零而变得可行；他设想”按需生成的临时 GTA 世界”。
• 自曝局限：LLM 无法原生感知视频或游玩游戏，只能靠截图缓慢自审，导致多次出错——多模态/游戏内感知仍是明显短板。

💬 讨论总结

• 基准之争：多数人认可 pelican 已饱和，新基准应”让模型先表现糟糕”才有进步空间；但也有人反驳，pelican 的优势恰恰是成本低、一眼可评判，长视频既费 token 又难横向比较。
• 对 Karpathy 身份的质疑：有评论指其作为 Anthropic 员工在”为 IPO 推销营销内容”，并翻出 8 个月前”可靠 agent 至少十年”的言论；回复者反驳称 8 个月内 agent 能力可能确实大幅提升，且原帖只是在指出一个开放问题（视频输入能力缺失），不是营销。
• 游戏从业者视角：前游戏开发者称”非游戏从业者谈游戏很可笑”，AI slop 游戏零留存，“15 分钟以上游玩人数”才是有效指标；“hyper custom worlds” 显示对玩家需求的无知。附和者将之类比”区块链游戏”。
• Three.js 过拟合怀疑被反驳：有人认为 Anthropic 只是专门训练了 three.js 能力，不具一般性；高赞反驳指出，从一段抽象文学文本到 3D 动画需要海量隐式空间/物理/常识知识。另有评论者实测用 Opus 5 从 three.js 迁移到 ogl.js，加载时间从数秒降至 0.5s，对 WebGL 理解印象深刻。
• 一次性软件（throwaway software）类比：有评论用廉价塑料类比”一次性软件”；经济学反驳认为软件无单位复制成本，一次性方案难以与耐用软件竞争，但”一次性任务”场景确实价值巨大。
• 成本与版权现实：有人指出普通用户会被版权拒绝，而 Karpathy 是内部员工、免费用且不烧自己的 token；“约等于免费”实际是投资人的钱。
• 质量批评与辩护并存：动画建模松散、比尔博”消失”被过度直译；但也有评论认为”烂”正是关键——这测的是物理世界理解，而不是精美度。

🔗 原文 · HN 讨论页

Autoregressive Language Model on the 6502 Processor#

31 pts · 5 comments · mattbeton.com

📌 内容总结

• 作者目标：在 1975 年的 MOS 6502（BBC Micro，32KB RAM）上跑一个自回归语言模型——这是从 1975 年视角看”最强能装下的模型”。
• 技术方案：BitNet 三值量化（1.58 bit/参数），4 参数/字节以规避 6502 上昂贵的除法解包；选 Mamba 而非 GRU，因 GRU 谱半径在 BitNet 下爆炸、训练全部发散；16-bit 累加器 + 可学习右移缩放（shr）解决动态范围坍缩；softmax 用查表近似。
• 实际结果：9KB 推理代码 + 13KB 权重 = 52K 参数，能生成语法基本通顺的英文短句；随机种子固定，输出每次相同；可在 jsbeeb 浏览器模拟器中直接运行。
• 作者将其归入”hardware lottery”论点：架构选择应随硬件约束而变。

💬 讨论总结

• 共识：这是一个很酷的项目；cc65 编译 6502 并非最优，手写汇编能进一步压空间/提性能。
• 有评论从 NES 编程经验出发，惊讶作者没用汇编；另有人联想”如果 1975 年的人看到这个 demo 会作何反应”。
• 有人希望这类研究最终推动真正小型化的边缘 AI（如眼镜内 LLM）。

🔗 原文 · HN 讨论页

My personal AI benchmark: “Generate an SVG of a frog with a Habsburg jaw.”#

83 pts · 42 comments · vaguespac.es

📌 内容总结

• 作者（Jay Mollica）建立了一个持续基准：统一 prompt “生成一只带哈布斯堡下颌的青蛙 SVG”，每月对 14 个模型各跑 3 次；2026 年 8 月共 42 次运行，全部产出 SVG。
• 所有模型都理解”突出的下巴/反颌”，但诠释差异巨大：Claude Opus 5 用精确贝塞尔曲线构造”巨大前突下颌”并加解剖注释，视觉质量明显最高；Gemini 3.6 Flash 画成王室肖像风格；部分模型主动加了皇冠、“皇室腮红”等提示中不存在的内容。
• 实际结论：这是一个低成本、可重复、能区分”按指令执行”与”自由发挥”的基准；模型会在 SVG 注释中暴露其”自我叙事”倾向。

💬 讨论总结

• 基准有效性获认可：7/14 个模型把”哈布斯堡（王室姓氏）“误读为”王室主题”，擅自加入王冠等元素；Mistral 多次调用返回字节级相同输出；Gemini 在代码里写 65 条注释自我叙述，Llama 完全沉默——“是否按指令行事”和”是否确定性输出”是直接可用的工程判断。
• 质量评价：公认 Opus 5 最接近人类美术；多数失败案例能画好青蛙脸，但下颌只是个”大块头”，与面部结构缺乏解剖学整合。
• 几何盲点观察：所有模型都选择正面构图；但下颌特征侧面最明显。评论者认为这暴露了模型缺乏”从哪个角度最能表达特征”的几何推理。
• 基准意义争论：有人质疑此类测试的实用价值；反驳称它测的是”生成训练集之外内容的能力”。另一方认为这是意识形态化的 AGI 追求，专用生成模型可以更便宜更好地完成同样任务。
• 模型覆盖缺口：多位用户要求加入 DeepSeek V4 Flash、Qwen 3.8、GLM 5.2、GPT-5.6 Sol、Fable；作者回应下月加入。

🔗 原文 · HN 讨论页

今日洞察#

TPU 8t/8i 的训练与推理分体，与 B200 现货零供给指向同一件事：推理正在成为算力市场的定价锚。Google 将 8i 定位为低延迟场景性价比提升最高 80%；开发者 Suhail 问遍 13 家云厂商找不到 B200 现货节点，时价正朝 6.5-7 美元/卡小时移动。缺货集中于推理需求一侧，Agent 应用的多轮交互成本将最先承压。

DeepMind SkillSmith 把模型定制变成一个推理任务。模型读取已有 prefix weights 和文本描述，直接输出具备新能力的权重，技能组合在推理时完成。若成立，小团队获得专用模型的成本将等同于一次前向推理，基座模型厂商的竞争重心也会落到推理分发能力上。

开发者侧信号同样明确。airllm 今日新增 819 stars，antirez 为 DeepSeek V4 写了专用引擎 ds4，低显存推理已经越过可用性门槛。ds4 明确不做通用 GGUF runner，将模型格式、HTTP server、KV cache 与 coding agent 整体调优。显存约束被转化为磁盘吞吐与模型专用优化后，通用推理运行时的假设在松动，本地 Agent 工作负载会加速离开云端 API。

1️⃣ 阿里正式发布 Qwen3.8-Max：2.4T 参数，下周开源权重#

• 核心发布：阿里发布 Qwen3.8-Max，总参数 2.4T、激活参数 95B，API 定价输入 $2/M token、输出$6/M token。
• 能力清单：官方称其支持 10 天以上自主编程、500+ 轮芯片设计优化、365 天模拟电商经营，并具备“边做边看边纠错”的视觉反馈闭环。
• 开源计划：下周同时放出 Qwen3.8-Max 与 Qwen3.8-27B 权重，为 Max 系列首次开源。
• 榜单表现：发布日进入 Text Arena 第 2、Vision Arena 第 2（1305 分，落后 Claude Fable 5 仅 13 分）、Frontend Code Arena 第 4（1668 分，与 Claude Opus 5 High 持平）。 🔗 Qwen 官方公告 | Arena 前端榜单 | Arena 视觉榜单 | 量子位

2️⃣ [持续跟踪] MiniMax H3 权重正式公开，Day 0 生态齐备#

• 前情提要：MiniMax 上周发布统一多模态生成模型 H3，预告开放权重。
• 最新突破：今日权重在 Hugging Face 公开；ComfyUI、vLLM-Omni、SGLang Diffusion、fal 同步提供 Day 0 支持。
• 本地能力：SGLang 版称 2×RTX 5090 或 1×RTX 6000 可本地运行，成本约为 Seedance 2.0 的 1/3。
• 模型特点：文本、图像、视频、音频可作为同一上下文输入，输出 5-15 秒 2K/24fps 视频并带原生立体声；社区称其为“首个达到 Seedance 级质量且开放权重”的视频模型。 🔗 Hugging Face | ComfyUI Day 0 | vLLM-Omni | SGLang

3️⃣ [持续跟踪] OpenAI Astra 被指无对照组，Fable 可解半数问题#

• 前情提要：OpenAI 上周披露下一代模型 Astra 的内部版本解决 10 项数学与理论计算机问题，并附 Lean 4 形式化证明。
• 最新进展：Gary Marcus 今日称其中一半问题可由 Anthropic 的 Fable 解决，OpenAI 未设置对照组；Elliot Glazer 也认为 Astra 并非超越 Sol 的阶跃变化，10 项突破是协作式启发的结果、部分 Sol 可达成。
• 后续论据：Marcus 进一步指出，OpenAI 未将 Astra 命名为 GPT-6，暗示其自身亦清楚局限。
• 延伸讨论：Nathan Witkin 发布长文称，人类验证能力将成为 AI 数学产出的瓶颈，前沿结果愈发难以独立核验。 🔗 Marcus 推文 | Glazer 观点 | Marcus 后续 | Witkin 长文

4️⃣ DeepSeek V4 Flash 单日消耗 8 万亿 Token：Agent 用量成为新计价单位#

• 核心数据：DeepSeek V4 Flash 在一个 AI 编程工具 OpenCode 中单日消耗 8 万亿 Token，其中 5 万亿来自免费额度、3 万亿来自付费套餐；OpenRouter 全平台日均约 6.6 万亿。
• 价格对比：每百万输出 token 官方定价 2 元，约为 Claude Opus 4.8（170 元）的 1/85；Artificial Analysis 跑完同一套评测，V4 Flash 花费约 72 美元，Opus 4.8 为 3752 美元。
• 行业意义：Agent 长任务让单任务 Token 消耗量级跃升，模型选型从“单次回答有多聪明”转向“完成一项任务要花多少钱、失败几次”。 🔗 爱范儿深度

5️⃣ 贾扬清创办 Intent Lab，发布自主 AI 团队 Fleet#

• 核心发布：离开英伟达一个月后，贾扬清新公司 Intent Lab 亮相，产品 Fleet 定位为“把意图打造成生产级系统”的自主 AI 团队。
• 三个早期成果：AI 将 GLM-5.2 在 TensorRT-LLM 上的端到端推理性能提升 534%；从零构建 SQLite 兼容数据库并通过 600 万项验收测试，成本约 350 美元；AgentFS 分布式文件系统经形式化验证，部分性能达 EFS 的 626 倍。
• 业务流程：覆盖理解、设计、协调、构建、验证、演进六个环节，由 AI 完成从架构到部署的全流程。 🔗 创业邦报道

6️⃣ CuspAI 完成 4.5 亿美元 B 轮，贝索斯基金跟投#

• 核心事件：英国 AI 材料科学公司 CuspAI 完成 4.5 亿美元 B 轮融资，估值 26 亿美元，Kleiner Perkins 与 NEA 联合领投，贝索斯旗下个人投资机构跟投。
• 技术路线：用生成式 AI 与分子模拟在数小时内完成数百万晶体结构生成与筛选，瞄准半导体衬底与高密度储能材料。
• 资金用途：扩建超算集群，并与半导体巨头推进下一代芯片材料的商业化验证。 🔗 爱范儿早报

7️⃣ Simile 完成 2 亿美元 B 轮，AI 模拟用户赛道估值翻倍#

• 核心事件：斯坦福小镇作者 Joon Sung Park 创立的 Simile 完成 2 亿美元 B 轮，估值 20 亿美元；5 个月前其刚完成 1 亿美元 A 轮。
• 投资方：Greenoaks 领投，Index、Bain Capital Ventures、CVS Health Ventures 等参投。
• 产品定位：面向营销与产品研究生成模拟用户；CVS 既是投资方也是重要客户。
• 赛道信号：同类公司 Aaru 去年底以 10 亿美元估值完成 A 轮，合成用户研究正在进入主流风投视野。 🔗 Z Potentials 编译 | TechCrunch 原文

8️⃣ Arena 推出 AutoEval：奖励模型提前给出榜单预估分#

• 核心更新：大模型评测平台 Arena 上线 AutoEval，用数百万真实用户偏好训练的奖励模型，在新模型尚未积累足够真人投票时先生成预估排名。
• 回测表现：2026 年 5-6 月回测拟合线为 y=0.96x+55.49，多数模型误差区间贴近真人评分基准线。
• 定位：AutoEval 结果单独标注，后续由实时真人投票形成的正式分数校正，不替代排行榜。 🔗 爱范儿早报

9️⃣ Anthropic 内部 90% 代码由 Claude Code 编写，团队按五种角色重组#

• 核心数据：Anthropic 工程师 Boris Cherny 称公司平均 90% 的代码由 Claude Code 生成，他本人自去年 11 月起 100% 使用。
• 角色重构：前端、后端、产品设计的分工被认为过时，实际团队分化为原型师、构建者、维护者、扩展者、收尾人五种角色，其中扩展者最为抢手。
• 行业意义：这是头部 AI 实验室首次公开内部 AI 代码采用率，成为 Agentic Coding 落地程度的关键参照。 🔗 小互转述