搜索
最近和几个做 AI 出海的朋友聊天，大家已经很少去聊哪个模型又刷了榜。谈论最多的，是哪个模型调度平台好用、实惠、安全。 这话题我是一点都不意外。毕竟前不久全球大佬都在扎堆往 AI 这个方向挤。老话说得
根据外媒 Axios 的最新报道，一位 AI 顾问告诉 Axios，他有个客户最近一个月在 Claude 上花了 5 亿美元。不是 500 万，不是 5000 万，是 500000000 美元，折合人民币三十三亿。
我去搜了下 MiniCPM5-1B 的数据，发现面壁智能刚刚把背后的核心数据集给开源了。一共是两份 L3 级数据集：Ultra-FineWeb-L3 ：600B tokens，中英文都有，是目前最大的中文开源合成预训练数据集。
Omdia这份名为《2026全球AI工厂市场格局》的报告，点明了新时代的核心逻辑——决定胜负的，不再是谁拥有更多GPU，而是谁能够更高效地把“电力+算力+数据”转化为真正有价值的Token。
当Token开始进入套餐表，运营商试图扮演的角色，正在从“连接服务商”进一步变成“AI 算力入口”。就像当年电网把发电厂的电送进千家万户，运营商正在试图把智算中心里的算力，通过套餐和账单体系，变成像水、像电一样可以按月购买、按量消耗的公共资源。
所有人都在比谁的模型参数更大，但真正决定AI能不能落地的，其实是另一件没那么性感的事：一颗Token，能不能被稳定、便宜、规模化地生产出来。死磕这件事的，是一支从中国超级计算体系里走出来的年轻团队，是石科技。
编辑｜Panda 数学正在迎来 AI 革命。 最近几个月尤为明显。比如，就在前几天，Google DeepMind 新论文宣布其最新系统 AlphaProof Nexus 在一次自主运行中，解决了 3
GPT-5.5 把进攻性网络安全最难的 7 个基准全部打穿，92.4% 正确率，评估体系直接失灵。AI 黑客能力每 6 个月翻一倍，而衡量它有多危险的尺子，已经先被干碎了。
Epoch AI刚刚发布的《梯度更新》报告，做了一件简单粗暴的事：把全球所有Blackwell芯片能处理的Token数量算出来，再和实际需求一比。结论只有一个字——不够。
刚刚，清华团队开源硬核Agent系统PilotDeck，在开发者圈已经传疯了。项目独立建舱，记忆可视可改，Token还能省一大半。从此，一个人，就是一支AI军团！