X 時間線推薦換用新 AI/SI 排序與檢索模型
馬斯克公布 X 時間線推薦的兩項改動:一是啟用新的 AI/SI 排序模型,稱其能更準確預測使用者可能停留的時長;二是上線專門訓練的檢索模型,把使用者會完整讀完的帖子推到更前面。他同時表示,使用者活躍秒數正指數增長,幾乎每天都在重新整理歷史新高。具體上線時間與適用範圍未作說明。
依意思最接近的 30 筆
馬斯克公布 X 時間線推薦的兩項改動:一是啟用新的 AI/SI 排序模型,稱其能更準確預測使用者可能停留的時長;二是上線專門訓練的檢索模型,把使用者會完整讀完的帖子推到更前面。他同時表示,使用者活躍秒數正指數增長,幾乎每天都在重新整理歷史新高。具體上線時間與適用範圍未作說明。
Ai2 把原先基於優先順序的 GPU 排程器換成了由 GPU 時間預算、層級化公平分配和時間切片契約組成的新系統。它管理數千塊 NVIDIA H100、B200、B300,叢集規模從 88 到 1024 塊 GPU,服務約 150 名內部研究者,GPU 需求長期是供給的 2 到 3 倍。舊方案導致 GPU 蹲坑佔位、優先順序通脹(最終 100% 工作負載都標為 HIGH)以及值班工程師大量時間用於協商關閉不可搶佔任務。
Mistral 發布首個時間序列基礎模型家族 Timestral,最大的 209M 引數版本在 GIFT-Eval、TIME、fev-bench 三個公開基準上均排名第一,且引數量只有此前最優模型的三分之二。家族含 5M、28M、123M、209M 四個規模,支援機率與多變數預測、已知未來協變數,零樣本即可使用。推理無需 GPU,在 8 執行緒標準伺服器 CPU 上,用三週 15 分鐘粒度歷史預測未來一天,5M 耗時 10ms、209M 為 140ms;
Meta 工程師在 LinkedIn 發帖稱,用 AI 寫程式碼後難以逐行審查,交付的系統成了自己不完全理解的黑盒。帖文說 AI 輔助交付節奏太快,逐行檢查會耗費大量時間,結果可能只懂高層結構、不懂每個細節,這違背軟體工程習慣。該帖被轉到 Hacker News 的 Ask HN 後獲得 179 分、292 條評論,討論工程師該理解到什麼程度、又該如何應對才敢繼續交付。
OpenAI Devs 宣布徵集提交將於 2 天后,即太平洋時間 10 月 3 日下午 2:30 截止。該帳號未在推文中說明徵集的具體內容、參與方式與獎勵,僅給出截止時間。有意參與者需在此時間前完成提交。
Faros 2026 年研究分析 22,000 名開發者、4,000 個團隊兩年遙測資料後發現,AI 採用度高的組織每位開發者 bug 增加 54%,PR 評審中位耗時約漲 5 倍,每 PR 事故數超 3 倍;其 Q3 報告稱部分效應有所緩解,但驗證與運維成本仍在累積。
輝達在 GTC Berlin 發布 DSX POD 參考設計:由合作伙伴在模組化集裝箱內整合並驗證完整的 Vera Rubin AI 工廠,站點水電就緒後現場部署可從六個月縮短到 14 天。Vera Rubin 已全面量產,DSX 平台稱冷卻用水最多減少 100%,同等 AI 產出省電 30%。
有人做了一款工具,追蹤 AI 行業領袖在影片中的公開表態,並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei(累計 54 條)、Alex Karp(51 條)、Marc Andreessen(49 條)、Sam Altman(45 條)、Palmer Luckey(40 條)、Satya Nadella(23 條)、Elon Musk(21 條)、Yann LeCun(6 條)等人,頁面同時標註本週新增條數,例如 Alexandr Wang 本週有 5 條。
AI 實驗室 Third Moment Research 藉助 OpenAI 的 GPT-6 Astra、GPT-6.1 Sol 與 Codex,可同時執行 1 萬個 agent,單次自主研究持續 36–48 小時。Codex 曾定位量化回測瓶頸並部署快取與記憶體打包最佳化,把一年美股訂單級資料的回測從約 3 小時縮短到 3–5 分鐘,回測時間減少 97%。
因果智慧公司 Aether AI 公布機器人系統 CRIS-0 的官方 Demo,靠提取物理因果變數而非端到端擬合驅動機械臂。在咖啡製作測試中遭遇人為移位與光照突變,系統平均 2 秒內完成重規劃,10 次隨機擾動有 9 次有效恢復;客廳長程整理可連續執行數十步,20 條模糊指令完成 18 次精準抓放,危險變數出現時 0.2 秒急停。
OpenAI CEO Sam Altman 在 2026 年 10 月 1 日發帖表示,使用者應當能夠在任何需要的地方使用自己的 AI 訂閱。該表態未說明具體產品、實施方式或時間表,也未提及是否涉及跨平台或第三方應用。
llama.cpp 建置 b11828 修復了 server 端 realtime API 的音訊提交時機問題:原先把「流耗盡」當作提交完成的近似判斷,導致尾部仍在解碼的音訊混入已提交內容、drain 前的最後一次提交把兩段音訊合併、連續提交塌縮成一次。現在 mtmd_audio_stream_flush() 會記錄本次重新整理音訊的結束行號,槽位維護結束行 FIFO,等該行之前的全部行解碼完畢才完成對應提交。
小紅書 Dots 團隊開源稀疏注意力加速方案 DoSA,在保持原始 Top-K 選擇結果完全等價的前提下加速索引器,約 1M token 上下文下 Dots3-Note-preview、GLM-5.2、DeepSeek-V3.2 的首 token 延遲較各自 SGLang 基線分別降低約 37%、46% 和 48%。其做法是用分數上界與入選門檻下界,提前排除約 97% 不可能入選的候選,只對剩餘候選做全部索引頭的精確打分。
xAI 於 2026 年 10 月 20 日在官網新聞頁發布了一篇題為 incident-sweep 的公告。該帖僅給出全文連結 x.ai/news/incident-sweep,未在正文中說明事件性質、影響範圍或處理進展。具體內容需要開啟原文檢視。
一篇 2026 年 10 月 18 日的博文主張,個人自建軟體工廠是浪費時間,除非是為了工作。作者認為非開發者已用 AI 做出不少東西,與其造工廠,不如直接在聊天框裡描述需求做產品,並去了解 Grok Bot、Claude 這類工具如何運作;AI 寫應用仍會遇到溝通錯位、做錯東西的挫敗。若一定要建,工作場景最現實:熟悉系統、人和多年遺留程式碼,能讓產品經理與設計師低摩擦地發布功能。
一名 ChatGPT Pro(100 美元檔)使用者在社群發帖稱,ChatGPT Chat 中的定時任務(Scheduled Jobs)疑似被移除或降級:原本可建立最多 15 個定時任務,且額度高於 Codex 與 ChatGPT work,如今任務設定裡出現了與 ChatGPT work 相同的模型選擇選項。該使用者還反映定時任務仍存在訊息投遞超時等錯誤,質疑其後臺執行機制。
在 AI Engineer New York 大會上,OpenAI 金融服務版 ChatGPT 負責人 Joseph Kim 提出模型存在有用性閾值,並預測 2027 年金融業將減少對 Excel 和 PowerPoint 的依賴,代理足以做投資想法生成與交易。他強調金融場景需要可追溯性,人工在何處介入是產品設計問題。同場 Two Sigma 的 John Feminella 介紹五類可組合控制,用 auto-mode 分類器只把重要請求交給人,避免審批疲勞;
Stripe 設計負責人 Katie Dill 在 2026 年 9 月 10 日舊金山 Lenny and Friends Summit 的演講中提出,AI 讓建置產品更容易,但產品容易淪為通用的殭屍 UI。她認為好設計仍取決於清晰的觀點、對使用者的理解和對細節的用心,並分享瞭如何把標準寫進 AI 工具、在初稿之外繼續編輯、用 AI 做出更原創的產品。該影片由 Lenny's Podcast 於 9 月 25 日發布,時長 21 分 47 秒。
一位工程經理轉述同事 Emily 的做法,提出與 AI 協作的 Brain Sandwich 框架:先用自己的大腦,再把實現交給 AI,最後再回到自己的大腦。開始前要自己讀懂問題、明確大致方向,否則 AI 可能把方向帶偏,甚至讓人去解決本來不存在的問題;中間階段可以毫無顧慮地完全委託給 agent。收尾時必須自己讀 diff、判斷增加的複雜度是否值得、寫好 PR 描述——如果說不清改了什麼、為什麼改,就不該交給別人審查。
Anthropic 發布一篇思想實驗文章,探討「每秒 100 萬 token」的四種含義:上下文容量、輸入處理速度、聚合吞吐量和單智慧體輸出速度,並強調這不是對任何現有模型的實測。文中以 Claude Opus 5.5 為例,其上下文視窗為 100 萬 token,但單次請求輸出上限遠小於此。文章用互動計算器演示:若單智慧體達到每秒 100 萬 token,1000 個故事結局約 1 秒寫完,但加入 60 秒固定檢查後,端到端加速從 10000 倍降至 132.57 倍。
舊金山初創公司 Industrial Next 在 TechCrunch Disrupt 2026 上宣布與 BMW 集團技術辦公室合作,評估其 AI 靈巧操作技術用於製造。該公司由兩位前特斯拉工程師於 2021 年創立,做的是基於自研基礎模型的機器人工作站,把視覺、任務上下文與運動控制打通,用高保真模擬訓練,產線換型從數週縮短到數分鐘,無需傳統程式設計。其工作站已在某款熱門手機的生產中使用,負責柔性排線穿線、聯結器扣合等此前難以自動化的工序;
Vercel 資料顯示,TypeSafe AI 的輕量決策模型 Jev 上線兩週內被 35% 付費團隊使用,覆蓋面接近第二名 Sonnet 5.5 的兩倍,是 Vercel 平台上普及最快的模型。Jev 於 9 月 15 日限量發布,通過限定候選輸出降低推理成本、提升速度,適合大批次資料分類,Vercel 已用它替換 GPT-6 Luna 做有害命令分類。
NVIDIA 發布 AIOps 平台 Minerva,為 AI 工廠提供端到端可觀測性。它把 GPU、網路、儲存、排程器與工作負載的遙測匯入動態知識圖譜,每小時分析數十億資料點,用於發現異常、預測故障並把告警風暴聚合為帶根因的事件;平台還內建 AI 助手,可連線外部 agentic 工具,目標是提升 GPU 正常執行時間與 AI 工廠產出。
據 Bloomberg 報導,Epic Games 計劃在一款尚未公布的迪士尼遊戲中使用 AI 生成程式碼與美術,該專案已從原定 3 月發售視窗延期。專案開發者被下達「AI 優先」指令,要求更多使用 Anthropic 的 Claude 等工具來完成遊戲;一位遊戲總監在內部訊息中稱「不再手寫程式碼」,並告知遊戲全部美術都將「由完整 AI 工作流生成」。Epic 發言人 Jake Jones 向 Bloomberg 表示,公司正在「擁抱 AI 加速的開發」。
8 月低調上線的 AI agent 產品 Instinct 靠簡訊式互動走紅,能代訂 DMV 預約、傳送跟進郵件,如今正面臨 Muse 與 Dots 的夾擊。Instinct 採用僅限邀請、不做營銷、幾乎不設官網的推廣方式,仍迅速成為 AI 圈最受關注的產品之一。隨後兩家實力強得多的公司先後推出功能大致相同的 Muse 和 Dots,這家初創公司能否延續熱度被打上問號。
Google DeepMind 發布一期播客,討論 AI 生成內容日益逼真後如何驗證內容來自人類、機器還是自然。節目介紹內容溯源的作用,並講解不可感知水印如何保護數字媒體與生物設計,時間軸涵蓋水印概念、SynthID、影像與影片、SynthID Bio 及未來韌性等章節。
比爾·蓋茨在 Decoder 採訪中稱,社會需為約 20 年的 AI 動盪期做準備,這段轉型可能痛苦到把社會分成適應技術前沿與拒絕技術的人群。他認為 AI 進展速度已超出政策與行業協調的應對,近期最大風險來自可移除安全防護的模型,可能被用於網路攻擊和生物恐怖主義;長期控制問題則涉及所有最先進模型,而非單個模型或公司。
Epic Games 已通知員工,延期中的迪士尼遊戲將改為 AI first 專案,由全 AI 工作流生成、不再手寫程式碼。該專案包含漫威與星球大戰角色,原定今年 3 月發布,因低估所需人力而延期;此前 3 月公司已裁員 1000 人。據 Bloomberg 報導,員工得知訊息後十分震驚,有人希望這只是玩笑,Epic 發言人則確認正在推進 AI 加速開發,迪士尼未作回應。
Hinton、Bengio 等 22 位作者聯合發表首篇 RSI(遞迴自我改進)論文《What if automating AI R&D triggers an intelligence explosion?》。論文引用 Anthropic 內部資料:AI 生成獲批程式碼佔比從 2025 年 1 月的低個位數升至 2026 年 5 月的超 80%,Claude 在高層監督下自主完成的 AI 研發工作比例從 2026 年 3 月的約 1% 升到 8 月的 26%。
在 Capcom Open Conference RE: 2026 上,程式設計師 Satoshi Ishida 以「REX 專案的前景與未來」為題演講,稱制作《生化危機》級別遊戲時連簡單任務都極其耗時,解決方案是把 AI 技術成功整合進開發流程。他表示為「與 AI 共同創造遊戲的未來」做準備。Capcom 此前曾稱不會使用 AI。