Yeekal Logo Yeekal
3,833 字
早报 | MORNING 2026-10-16

Meta 开源 816B Muse Spark,微软发布 3T 自研基座

今日要点
  • Meta 开源 Muse Spark,816B 参数、1M 上下文
  • 微软 MAI 发布 3T 自研预训练基座,称省 12 倍算力
  • NVIDIA 发布 Nemotron 3.5 Super VL
Meta 发布 Muse Spark,816B 参数、42B 激活、1M 上下文,权重在 Hugging Face 等平台开放;微软 MAI 发布 3T 自研预训练基座,称用 12 倍更少算力匹配 DeepSeek-V4-Pro-Base。

1️⃣ [持续跟踪] Meta 开放 Muse Spark 权重:816B MoE、1M 上下文#

  • 前情提要:Meta 此前发布 Muse Wonder 系列,但大尺寸模型仅通过 Meta 产品和 API 提供,开放权重只有小模型 Muse Glimmer。
  • 最新突破:Meta 今日发布 Muse Spark Open,权重在 Hugging Face、SageMaker、Google Cloud Model Garden、Microsoft Foundry 等平台开放;总参数 816B、激活 42B,支持 1M token 上下文和文本、图像、视频、音频输入。
  • 性能与部署:Artificial Analysis 智能指数 39 分,领先美国开放权重模型但低于 GLM 5.3 与 Kimi K3;BF16 版需约 2TB 显存,NVFP4 版约 700GB,Meta 称已针对双 Apple M5 Ultra Mac Studio 与 MLX 优化,Ollama、Groq、OpenRouter、vLLM、SGLang 等已接入。
  • 许可条款:Muse Model License 允许免费商用,但 API 转售且年营收超 2000 万美元需另签协议;禁止军事、武器、关键基础设施用途。 🔗 Meta 公告 | 模型卡 | 宝玉解读 | SageMaker 部署

2️⃣ NVIDIA 发布 Nemotron 3.5 Super VL 与 Bolt 24GB#

  • 模型规格:Nemotron 3.5 Super VL 为 120B 总参数、12B 激活,支持 1M 上下文、文本/图像/文档/视频输入,面向长时运行 Agent;权重、数据与配方开源。
  • 性能与接入:LangChain 称其在 Deep Agents 行为套件通过率 87%,Harbor-lite 总任务时间比 DeepSeek V4.1 Flash 少 55%;OpenRouter、Perplexity、Groq、Hugging Face 已上线。
  • 本地版本:Nemotron 3.5 Bolt 24GB 为 74B-A9B,可放入 24GB 内存,针对 RTX Spark 优化,定位本地 Agent。 🔗 NVIDIA 发布 | 技术博客 | Bolt 24GB | OpenRouter

3️⃣ 微软 AI 发布 3T 参数级自研预训练基座#

  • 核心发布:Mustafa Suleyman 宣布微软 MAI 已拥有 3T 参数级 SOTA 预训练基座模型,完全内部自研,并发布技术博客。
  • 效率数据:MAI-Base-2 在 held-out 代码任务上用 12 倍更少训练算力匹配 DeepSeek-V4-Pro-Base 预训练分数;训练全程依靠缩放梯子与配方优化保持无损失尖峰。
  • 后续:后训练结果即将公布。 🔗 Suleyman 公告 | 12x 算力 | 技术博客

4️⃣ ChatGPT 上线 Chrome 扩展:可读取与操作标签页#

  • 功能更新:ChatGPT 可跨 Chrome 标签页收集信息,在 Work 模式下控制标签页完成发消息、填表、下载文件、整理标签组等操作。
  • 可用范围:Chrome 扩展对所有 ChatGPT 套餐用户开放。
  • 典型用例:比价、比较定价页、根据事件简报填表、将多标签厂商信息汇总到表格、根据开放标签起草邮件。 🔗 官方公告 | 用例 | Chrome 扩展

5️⃣ 可灵 Kling 4.0 全面上线,开放 MCP 与 CLI 接入#

  • 核心发布:Kling 4.0 正式全量开放,提供刷新后的创作界面,并支持通过 MCP 与 CLI 接入视频创作工作流。
  • 创作能力:原生一次生成最长 30 秒视频,最多组合 15 项参考素材与 10 张关键帧输入,强化人物表情、细节纹理与光影表现;支持中英日韩等多语种与画面多语言渲染。
  • 后续计划:10-bit HDR 4K/1080p 输出与企业及开发者 API 即将上线。 🔗 官方发布 | 规格说明 | 演示案例

6️⃣ Google 在 Willow 芯片验证 Magic State Cultivation#

  • 核心成果:Google Quantum AI 在《Science》发表论文,首次在物理硬件上演示 Magic State Cultivation。
  • 关键数据:在 Willow 处理器上,魔态错误率较此前方法降低约 40 倍,逻辑保真度达 99.99%;不用培育时约 1000 份魔态有 4 份坏,培育后约 1 万份有 1 份坏。
  • 行业意义:魔态是容错量子计算执行非 Clifford 操作的关键资源;当前保真度距模拟分子、破解 RSA 所需目标仍有数量级差距。 🔗 Google 博客 | Science 论文 | Pichai 公告

7️⃣ [持续跟踪] Perplexity 以 Apache 2.0 开源 SPACE 沙箱#

  • 前情提要:Perplexity 此前公开 SPACE 沙箱,称其日处理数百万次执行、错误率低于 0.0002%,并以加密身份绑定每次执行。
  • 最新突破:SPACE 现以 Apache 2.0 开源;每个 Agent 任务获得独立 Firecracker microVM,凭证与出站流量在 VM 外控制。
  • 安全测试:Perplexity 用前沿模型攻击 SPACE,9 种含 root 权限的模型配置发起 108 次逃逸尝试,均未触及宿主机。
  • 生态定位:SPACE 是 Perplexity Agentic Runtime Platform 首个组件,将与 CoreWeave、Akamai、Crusoe 等新云伙伴合作。 🔗 开源公告 | 逃逸测试 | GitHub | 博客

8️⃣ Anthropic 向 METR 开放员工级访问,接受第三方安全评估#

  • 核心动作:Anthropic 宣布与多个组织讨论第三方评估,并已向 METR 团队提供员工级访问权限,用于评估其安全实践。
  • 评估方式:第三方评估者将能像内部员工一样访问系统与流程,Anthropic 发文说明合作机制。
  • 行业背景:在前沿模型安全争议持续、监管关注上升的背景下,Anthropic 将独立评估写入承诺。 🔗 Anthropic 公告 | 官方博文

9️⃣ Simons Foundation 启动 1500 万美元数学计划,Anthropic 与 OpenAI 各出资 500 万#

  • 计划规模:Simons Foundation 启动 1500 万美元计划,通过工作坊、会议与讲座帮助数学界应对 AI 带来的变化。
  • 公司参与:Anthropic 承诺 500 万美元资金、算力与 Claude 访问权;OpenAI 同样承诺 500 万美元,并提供模型与计算资源。
  • 目标:支持数学家检查、理解并推进 AI 产出的研究结果,包括近期公开的数学成果。 🔗 Simons 公告 | Anthropic 承诺 | OpenAI 承诺

🔟 小米 MiMo V2.6 Pro 登顶 Agent Arena 开源模型榜#

  • 榜单变化:Arena 更新 Bash Recovery 信号后,小米 MiMo V2.6 Pro 以 +3.8% 净提升成为开源模型第一。
  • 成本表现:MiMo V2.6 Pro 每任务成本 0.11 美元,比 DeepSeek V4.1 Flash 低 15%,比 Hy4 preview 低 71%;MiMo V2.6 Flash 每任务 0.05 美元,仅落后 Pro 1.3 个百分点。
  • 生态意义:前五开源模型为 MiMo V2.6 Pro、DeepSeek V4.1 Flash、Hy4 preview、MiMo V2.6 Flash、GLM 5.2;前 14 名仍由闭源模型占据。 🔗 Agent Arena 榜单 | Bash 可靠性更新 | 榜单入口

⭐ GitHub 趋势#

📊 类别速览

项目类别Stars
xerj-org/xerjAI 搜索 / RAG5.6k
JuliusBrussee/cavemanAgent 效率112.5k
lightseekorg/tokenspeed推理引擎2.5k

1. xerj-org/xerj ⭐ 今日 +715#

语言/许可: Rust / Apache-2.0
总 Stars: 5.6k
仓库: GitHub

项目定位:
面向 coding agent 与 RAG 工作流的本地 AI 搜索/索引引擎,用预索引检索替代逐文件 grep,降低 agent 读取上下文的 token 成本。

核心功能:

  • xerj autoindex <folder> 自动识别并索引代码、文档、日志、PDF、SQLite、CSV,生成可查询数据集。
  • 提供 BM25、kNN、混合检索,兼容 Elasticsearch 查询接口,现有 ES 客户端可复用。
  • 使用 tree-sitter 提取代码符号和行号,检索结果返回 file:line 级 passage。
  • 通过 MCP/skill 接入 Claude Code、Cursor 等 agent,并提供 /_memory 命名空间作为长期记忆。

技术亮点:
Rust 单静态二进制、无 JVM,默认离线 lexical embedder,可选神经 embedder,并保持高 Elasticsearch 查询兼容度。


2. JuliusBrussee/caveman ⭐ 今日 +433#

语言/许可: Go / Apache-2.0
总 Stars: 112.5k
仓库: GitHub

项目定位:
面向 coding agent 的 token 压缩代理与技能集,在不改写用户 prompt、不破坏代码和命令原文的前提下,减少模型读写 token。

核心功能:

  • 在 agent 请求/响应链路中压缩输出表达,提供多级压缩指令,代码、命令、路径和错误信息保持原文。
  • 对日志、JSON、CSV、测试输出和网页做读取前压缩,降低进入模型上下文的 token。
  • 支持 Claude Code、Codex、Gemini CLI、OpenCode 等 30+ agent,可作为代理或独立 skill 安装。
  • 提供 Auto 模型/推理强度选择与 Blocks 脚本复用,减少重复任务成本。

技术亮点:
以代理层拦截和压缩而非改写用户 prompt,区分自然语言输出与需逐字保留的 payload,降低 token 同时控制代码精度风险。


3. lightseekorg/tokenspeed ⭐ 今日 +30#

语言/许可: Python / MIT
总 Stars: 2.5k
仓库: GitHub

项目定位:
面向生产 agentic 工作负载的 LLM 推理引擎,目标兼顾 TensorRT-LLM 级性能与 vLLM 级易用性。

核心功能:

  • 管理请求生命周期、KV cache 所有权和调度重叠,针对 agent 推理场景优化。
  • 采用 C++ 控制面与 Python 执行面分离架构。
  • 提供可插拔 kernel 系统和集中注册表,含 Blackwell 上的 MLA 实现。
  • 集成 AsyncLLM 入口,为 Qwen、Kimi、GLM、DeepSeek 等模型提供 Day-0 部署路径。

技术亮点:
控制面用有限状态机和编译期类型系统约束 KV 资源复用,降低调度层运行时错误;已进入 PyTorch 生态,并获得 NVIDIA/AMD 硬件侧支持。

🟧 Hacker News 热议#

Muse Spark Open#

576 pts · 326 comments · meta.ai

📌 内容总结

  • Meta 发布 Muse Spark Open 权重,定位“美国开放权重模型中最强”,面向编码与 agentic 长任务。
  • 规格:原生多模态,816B 总参数 / 42B 激活,1M token 上下文;可在两台 Apple M5 Ultra Mac Studio 上经 MLX 运行,每台最多 512GB 统一内存,带宽 1.2TB/s。
  • 分发:Hugging Face、SageMaker、Google Cloud Model Garden、Microsoft Foundry;API 伙伴包括 Baseten、Fireworks、Groq、Modal、Nebius、OpenRouter、Together AI;支持 SGLang、vLLM、TensorRT-LLM、llama.cpp、Unsloth 等。
  • 工程细节:SGLang 中 Helion 自动调优 GPU kernel,NVIDIA/AMD 上 1.03-3.95× kernel 加速,AMD MI350 端到端约 3%;许可为 Muse Model License,带有限商业条款。
  • 限制:benchmark 细节需看 methodology;开放权重不等同宽松商用;桌面运行门槛是两台高端 Mac Studio;安全评估按 Meta 框架,模型卡与完整报告待发布。

💬 讨论总结

  • 输入未提供 top_comments,无法归纳 HN 评论区实际观点。
  • 原文可核验/受限之处:开放权重许可边界、两机 Mac Studio 成本与吞吐、benchmark 方法、与 Qwen/GLM/Kimi 等开放权重模型的对比。

🔗 原文 · HN 讨论页

Neural networks are clean#

466 pts · 178 comments · goodfire.com

📌 内容总结

  • 作者 Nick Cammarata(Goodfire)称长期研究图像/语言模型神经元与回路后,认为神经网络并不像主流解释那样“纠缠”,机制本身可作为可读单元。
  • 核心反驳:polysemanticity / superposition 被误读;所谓任意混合多来自递归泛化 recursive generalization——神经元沿相似轴生长并分枝,如 “iy” → “diy” → “do it yourself”;著名猫/车神经元 4e:55 实为 V 形 vs 圆形检测器。
  • 证据:InceptionV1 末层难解释源于架构与工具问题;现代 ConvNeXt 同规模末层约 99% 可解释;Qwen3-32B 初步审计约 90% 神经元极点单一任务、7% 两个相关任务、2-4% 未理解;语言模型到万亿参数仍出现类似模式。
  • 结论:可直接对原网络做“常规科学”,无需先训练 SAE 等分解模型;理解会像填字游戏一样累积。限制:阈值/样本主观,工具仍有错,超大模型未解,正式 companion paper 未出。
  • 对齐含义:若机制普遍可读,可解释性可能比预期更可扩展;但“理解”是否足以控制危险行为未被证明。

💬 讨论总结

  • 支持/共识:直接研究原神经元和电路比先学习 SAE/transcoder 更可取;2023 年后的模型和工具确实让可解释性上了一个台阶;开放权重对独立验证必要。
  • 质疑/反驳:作者结论外推过度;2-4% 未理解神经元可能是涌现/关键枢纽;用 agentic tools 解释模型可能自证,无法排除被工具误导(有评论引 Cat-Belling);superposition 未被完全推翻,尤其在残差流中仍有理论理由。
  • 历史/工程经验:Distill 时代曾因 feature visualization reward hacking 和弱工具误判猫/车电路;把神经元描述成名词集合是常见偏差,更应看共享模式/动词式区分。
  • 文章与呈现:大量评论抱怨篇幅过长、“clean”定义不清、自动播放 3D/JS 导致手机和桌面卡顿、指纹追踪;也有人给出精简版或音频版。
  • 风险/哲学:能否理解比自己更强的智能、可解释性是否等于对齐、若行为只是知识合成则安全干预空间可能更小;Yudkowsky 在站外质疑,评论区亦有反驳与调侃。

🔗 原文 · HN 讨论页

Krea 3 – An image model built for editing at scale#

230 pts · 78 comments · krea.ai

📌 内容总结

  • Krea 团队发布 Krea 3 open beta,定位生产级图像编辑:只改指定区域/对象,保持其余像素不变;主打速度、成本和精确控制。
  • 功能:区域编辑、精确 hex 颜色、最多八个参考图合成、角色一致性、原生 2K、语音编辑、设计模板/插件。
  • 宣称/展示:单次编辑 <8s、约 0.06,对比NanoBananaPro约26.8s/0.06,对比 Nano Banana Pro 约 26.8s / 0.135、GPT Image 2.5 约 39.9s / $0.21;页面注明是预生成输出、非实时 benchmark,价格含估算。
  • 商业/许可:技术报告待发;Krea 2 有技术报告和 12B 开放权重;团队在 HN 表示正考虑 Krea 3 的 LoRA 微调和开放权重;企业自托管需 license 联系。

💬 讨论总结

  • 支持点:速度/价格/区域精确编辑对批量生产有吸引力;官方称文本到图像目前标为 experimental,但会继续迭代;LoRA 与开放权重“会来”。
  • 质疑点:注册时先推套餐、拒绝后再给折扣被视为套路;缺少 FLUX 3 对比;开放权重缺失;2 张试用后必须订阅,用户希望按量购买。
  • 实测反馈:UI mockup 对比中,Krea 3 小字细节较好,但视觉创意弱于 GPT-Image-2.5,且 hex 色值会泄漏进画面;有人报告 T 恤编辑叠加错误、招牌文字乱、部分样张未达 frontier 质量。
  • 工程/产品经验:GPT-Image 常过度添加文字/注释,Krea 可抓小文本;Gemini 在连贯编辑上更好;对比时应区分裸模型与带 agent/tooling 的产品。
  • 商业现实:$20 ChatGPT 计划已含图像生成,Krea 需靠工作流、微调、定制风格或最便宜批量模型差异化;训练 compute 细节等待技术报告。

🔗 原文 · HN 讨论页

2,011 字
晚报 | EVENING 2026-10-16

Anthropic 反蒸馏点名智谱,苹果 AI 国行本月测试

今日要点
  • Anthropic 反蒸馏点名智谱与月之暗面,窃取 token 降 90%-99%
  • 苹果国行 AI 本月测试,含实时翻译与写作工具,暂不含 Siri
  • 台积电 Q3 净利润增 68.7%,2nm 占晶圆收入 8%
Anthropic 公布反蒸馏防御细节并点名智谱 GLM-5.3 与月之暗面 Kimi;苹果确认国行 Apple 智能本月晚些时候推测试版,阿里千问提供能力;台积电 Q3 净利润同比增长 68.7%,2nm 占晶圆收入 8%。

1️⃣ [持续跟踪] Anthropic 反蒸馏防御升级:点名智谱与月之暗面#

  • 前情提要:Anthropic 此前发布蒸馏防御进展,称外部从 Claude 平台窃取的推理 token 量下降 90%-99%。
  • 最新突破:新防御分三层:推理摘要;保留思考随 Claude Fable 5.1 与 Opus 5.5 推出,限制新 API 账号编辑先前上下文,模型推理内容不能被防护更弱的早期模型读取;两阶段宪法式分类器加账号级执法,误报率低于 0.1%,累计封号数万,自 9 月 24 日起对被安全拦截的请求恢复收费。
  • 具名案例:智谱 GLM-5.3 被点名在开发中蒸馏美国领先模型的网络攻击能力,CAISSI 评估其为迄今网络能力最强的开放权重模型;月之暗面 Kimi 被指将用户请求秘密转发给 Claude 作为蒸馏数据源,其中一请求来自与军方关联用户,目标是分析针对特定个人的电视台监控画面。
  • 数据支撑:完整 Opus 4.8 推理记录训练模型,SWE-bench Verified 得分 80.4%;只用摘要版推理记录训练,得分降至 71.8%。
  • 🔗 Anthropic 研究 | meng shao 整理

2️⃣ [持续跟踪] Anthropic IPO 估值预期降温,纽约审计长呼吁暂停#

  • 前情提要:Anthropic 在闭门投资者会披露 Q3 营收 168 亿美元,环比增长 45%,当季按调整口径盈利。
  • 最新进展:路透报道部分现有及潜在 IPO 投资者开始讨论约 1.5 万亿美元估值,低于此前对 11 月发行约 2 万亿美元的预期;纽约市审计长呼吁 Anthropic 在充分解决 AI 风险前暂停 IPO。
  • 财务细节:年底 ARR 目标 1100 亿美元,当前为 700 亿至 750 亿美元;2027 年约束性承诺约 560 亿美元,算上非约束性共 860 亿美元;Q3 现金流转正,毛利率 85%,调整后营业利润率 11%;10 月前两周因新模型发布及 Google、GrokBot 集成,增长再次加速。
  • 🔗 Gary Marcus 转述 | AI Will 财务梳理 | 爱范儿早报

3️⃣ [持续跟踪] 苹果国行 AI 本月推测试版,阿里千问集成#

  • 前情提要:此前工信部备案信息显示 Apple 智能、通义万相和通义千问完成备案,覆盖 iPhone 15 Pro 及后续机型。
  • 最新确认:库克在上海确认,苹果已获批向中国用户提供首批 Apple 智能核心功能,计划本月晚些时候的测试版中推出;首批功能包括实时翻译、照片 App 消除工具及写作工具,但不包含全新的 Siri AI 助手。
  • 合作方式:阿里千问将作为 AI 能力集成至 Apple 智能,为 iOS、iPadOS、macOS 和 visionOS 中国用户提供文本与图像理解、内容生成等能力;双方还将共同训练面向中国市场的专属模型。
  • 🔗 爱范儿 | 少数派

4️⃣ Claude Code Review 面向 Team 与 Enterprise 正式 GA#

  • 核心:Anthropic 宣布 Code Review 在 Claude Team 和 Enterprise 方案正式可用。
  • 细节:评审速度更快,能捕获更多重要 bug;管理员可为每个代码仓库选择 Quick、Standard 或 Deep 审查级别。
  • 观察:企业级 AI 代码审查从测试进入正式产品,并为不同仓库提供质量与成本的分级控制。
  • 🔗 Ado 推文 | ClaudeDevs 公告

5️⃣ FLUX 3 Image Klein 开源:5.6B 参数,单张消费级 GPU 可运行#

  • 核心:Black Forest Labs 发布 FLUX 3 Image Klein,开放权重,参数规模 5.6B。
  • 能力:原生 4K、边界框控制、像素级编辑、多参考编辑;在 NVIDIA GB200 NVL72 上训练,可运行在单张消费级 GPU;同时提供 NVFP4 变体。
  • 观察:开源图像模型继续向消费级硬件和可定制工作流下沉,逼近大型前沿模型的输出质量。
  • 🔗 NVIDIA AI | Black Forest Labs | Hugging Face

6️⃣ LlamaIndex 发布 ExtractBench Pro:文档抽取仍未解决#

  • 核心:LlamaIndex 推出 ExtractBench Pro,定位为真实世界文档抽取的最难基准。
  • 细节:现有基准已被前沿模型饱和,其最便宜模式在旧基准得分 93%+;新基准聚焦文档约定、内部术语、聚合推理、复杂图表、长图表页等长尾复杂度;头部指标为完美文档比例,最高 Value F1 约 58% 来自 Codex with Astra,成本接近每页 1 美元;LlamaParse agentic 模式为 20-40%,覆盖 Pareto 左侧,适合生产成本。
  • 观察:文档工作是知识工作缩影,仍有巨大经济价值与专用模型开发空间。
  • 🔗 Jerry Liu | 博客 | Hugging Face | GitHub

7️⃣ UC Berkeley:研究 Agent 需定期“遗忘”,性能最高提升 39%#

  • 核心:论文提出让研究 Agent 定期丢弃自身 session 和候选历史,从当前最佳候选重启。
  • 发现:常见 Agent 保留全历史并反复迭代后,会锚定在自身过去尝试上,编辑幅度变小,额外预算不再改善结果。在启发式编程、内核优化和模型训练任务中,该遗忘机制相比并行 Agent 提升最高 15%,相比单 Agent 同预算提升最高 39%。
  • 观察:Agent 记忆与探索策略,正在成为提升自动化研究效率的关键变量。
  • 🔗 elvis 介绍 | arXiv | Chat with Paper

8️⃣ Figma 推出 Specs:Markdown、设计稿与智能体同画布#

  • 核心:Figma 发布 Specs,将需求说明、设计决策和技术方案放到协作画布上。
  • 细节:团队可拖入现有 Markdown 文件,或让 Figma 智能体协助起草;文档可嵌入 FigJam 文件、设计画框和画布节点;支持多人协作与评论;智能体可回复评论、提出修改,并借助连接器从 GitHub 代码库起草技术方案或调用 Hex 分析产品数据。
  • 交付链路:团队确定方案后,可通过 Figma 的 MCP 服务把 Specs 交给编程智能体,连同 Markdown、设计引用、图表、代码层和 Code Connect 片段一起传递。Specs 从当日起向付费方案开放公测。
  • 🔗 爱范儿早报

9️⃣ 台积电 Q3 净利润同比增长 68.7%,2nm 占晶圆收入 8%#

  • 核心:台积电公布截至 9 月 30 日 Q3 业绩,营收 14942.4 亿新台币,同比增长 50.9%;净利润 7630.6 亿新台币,同比增长 68.7%,环比增长 8.0%。
  • 细节:毛利率 66.4%,营业利润率 58.7%,净利润率 51.1%;2nm 已占晶圆收入 8%,3nm、5nm 和 7nm 分别占 33%、28% 和 10%,7nm 及更先进制程合计占 79%;预计 Q4 营收 523 亿美元至 543 亿美元,毛利率 65% 至 67%。
  • 观察:先进制程需求继续支撑 AI 芯片供给,2nm 进入快速爬坡阶段。
  • 🔗 爱范儿早报

🔟 字节跳动洽谈采购联发科数据中心定制芯片#

  • 核心:彭博社报道,字节跳动正与联发科深入洽谈数据中心芯片供货协议,双方接近达成交易。
  • 细节:联发科拟提供为字节跳动平台定制的专用集成电路(ASIC),用于支撑其数据中心运行,采购数量尚未确定;路透社随后转述该洽谈消息,双方仍处于协议磋商阶段。
  • 观察:大型互联网公司继续通过定制芯片优化 AI 基础设施成本与供应链。
  • 🔗 爱范儿早报