搜索
就在刚刚，OpenAI首颗自研芯片Jalapeño「墨西哥辣椒」，交出了首批实测成绩单——AI推理性能，全面反超英伟达GB200和GB300。实测速度直接起飞！Jalapeño一秒能狂吐1459个Token，英伟达GB200只有535个，连一半都不到。
英伟达又要给 Perplexity 掏钱了，这次开出的估值是 300 亿美元。
“这些人在往哪跑？为什么跑？ ”
今天，飞象老师正式发布3.0版本。这次升级最值得关注的变化，是新增了“教育应用生成”能力。用户只需要在对话框里说清楚自己的需求和想法，几分钟后，就可以得到一个能够直接访问、调用AI、保存数据，并持续修改迭代的教育应用。整个过程中，不需要写代码，也不需要理解数据库、服务器和部署。
就在刚刚，英伟达史上首次公布了下一代旗舰级机柜 Vera Rubin NVL72 的首次片上实测数据。而且，这次实测直接拉来了DeepSeek-V4-Pro，跑最真实的「智能体编码」任务！结果令人吃惊：对比当前的主力机皇GB300 NVL72，Vera Rubin的每兆瓦吞吐量最高飙升了30倍、Token成本最高暴降了35倍！
最近两天，X 上网友 Max For AI@MaxForAI 的一篇帖子引发了网友热议：「太疯狂了 —— 现在你甚至可以直播围观一个 535B 大模型是如何被训练出来的。」
模型的发布流程，早已在密集迭代中演变为精准的工业流水线：技术报告开路，Benchmark榜单刷屏，紧接着开放API，最后以开源权重收尾。
七月，DigClaw的预测框架Rhizome v1，在FutureX评测平台上取得了#1、#3、#7三个席位。
8 月 13 号中午，我和 OpenClacky 的朋友相互 sync 了下近况，得知他们在 Agent 探索上又有了新的进展：将 Agent 视作底座，功能由其自身开发
近来文生图模型发展迅速，但每篇工作多是独立地引入一整套模型、数据和训练设计，然后用私有的数据训出来了一个亮眼的模型。