一个月前，我们曾报道过清华姚班校友、普林斯顿教授陈丹琦似乎加入 Thinking Machines Lab 的消息。有些爆料认为她在休假一年后，会离开普林斯顿，全职加入 Thinking Machines Lab。
明星创业公司Thinking Machines，第二篇研究论文热乎出炉！公司创始人、OpenAI前CTO Mira Murati依旧亲自站台，翁荔等一众大佬也纷纷转发支持：论文主题为“Modular Manifolds”，通过让整个网络的不同层/模块在统一框架下进行约束和优化，来提升训练的稳定性和效率。
在大模型训练时，如何管理权重、避免数值爆炸与丢失？Thinking Machines Lab 的新研究「模块流形」提出了一种新范式，它将传统「救火式」的数值修正，转变为「预防式」的约束优化，为更好地训练大模型提供了全新思路。
据 9to5Mac 报道，iOS 26.1、iPadOS 26.1 和 macOS Tahoe 26.1 开发者测试版隐藏的代码显示，苹果正在为 App Intents 引入 MCP 支持打基础。这也意味着未来，我们能让 ChatGPT、Claude 或其他任何兼容 MCP 的 AI 模型直接与 Mac、iPhone 和 iPad 应用交互。
宝可梦游戏的开放世界、长周期、巨大行动空间和高难度特性，为训练能应对现实世界复杂性（如稀疏奖励、探索挑战）的AI提供了理想沙盒。对比AI的机械尝试和人类的“乐趣驱动”探索，文章阐释人类特有的好奇心美学对于科学发现的关键价值，并探讨AI赋能游戏设计（个性化体验、无限故事/行动空间）以优化人类乐趣的潜力。
当地时间9月19日，上午6:02分，Google Gemini App宣布 Gemini Chrome正式面向美国所有符合条件的 Mac和 Windows用户推出，并其即将在手机端 iOS上推出。
马斯克“巨硬计划”（MACROHARD）新动作曝光： 6个月从0建起算力集群，已完成200MW供电规模，足以支持11万台英伟达GB200 GPU NVL72。仅用6个时间，完成了OpenAI和甲骨文等合作花费15个月完成的工作，再次创造纪录。
这项名为 MachineLearningLM 的新研究突破了这一瓶颈。该研究提出了一种轻量且可移植的「继续预训练」框架，无需下游微调即可直接通过上下文学习上千条示例，在金融、健康、生物信息、物理等等多个领域的二分类 / 多分类任务中的准确率显著超越基准模型（Qwen-2.5-7B-Instruct）以及最新发布的 GPT-5-mini。
Thinking Machines Lab成立7个月，估值120亿美元，首次公开研究成果：LLM每次回答不一样的真凶——kernel缺乏批处理不变性。Lilian Weng更是爆猛料：首代旗舰叫 Connection Machine，还有更多在路上。
刚刚，0产出估值就已冲破120亿美元的Thinking Machines，终于发布首篇研究博客。
