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。
来自斯坦福的研究者们最近发布的一篇论文（https://arxiv.org/abs/2509.01684）直指RL强化学习在机器学习工程（Machine Learning Engineering）领域的两个关键问题，并克服了它们，最终仅通过Qwen2.5-3B便在MLE任务上超越了仅依赖提示（prompting）的、规模更大的静态语言模型Claude3.5。
就在今天，Xcode最流行的超强编程Copilot插件Alex，宣布被OpenAI收编，全员加入Codex开启新工作！这会为Codex在开发者更偏爱的Mac端的攻城略地带来哪些变数？
在长周期、多步骤的协作任务中，传统单智能体往往面临着任务成功率随步骤长度快速衰减，错误级联导致容错率极低等问题。
又一个AI学术大佬，有工业界身份了。 清华姚班校友、普林斯顿教授陈丹琦，跟Thinking Machines划上了关联。
陈丹琦加入 Thinking Machines Lab 了？这一猜测不是毫无根据，当我们打开她的 GitHub 主页，邮箱已经变为 thinkingmachines.ai。
Macaron（马卡龙）AI 最近挺火的。 8 月 15 日，他们以「世界上第一个 Personal Agent」的称号公开上线了，给扎克伯格想做的 Personal SuperIntelligence 打了个样。
