Deng的博客

当整个行业还在为 Vera Rubin NVL72 的 60 exaFLOPS 数字狂欢时，NVIDIA 已经在 GTC 2026 上把目光投向了更远的未来——Feynman（费曼）架构。这不是 Rubin 的简单迭代，而是 NVIDIA 首次公开描绘”AI工厂2.0”的完整蓝图：3D芯片堆叠、定制HBM内存、1nm级制程，以及一个彻底重构的机架拓扑。 一、从”协同设计”到”物理重构”：Feynman的战略定位如果说 Vera Rubin 的核心叙事是极端协同设计（extreme co-design）——用六颗芯片把计算、网络、存储、散热封装成一座AI工厂——那么 Feynman 则要把这场革命推向物理层面。黄仁勋在 GTC 主题演讲中明确指出：”从这里开始的下一代就是 Feynman。” Feynman 平台由多个全新组件构成，形成完整的代际跃迁： 组件 功能定位 关键创新 Feynman GPU AI算力核心 3D die stacking、定制HBM（或超1TB/包）、TSMC A16 1.6nm制程 Rosa CPU 主机编排 Vera的继任者，...

Hindsight 登顶 GitHub：让 AI 智能体”学会”而非”记住”的记忆系统当编码智能体（coding agent）连续工作数小时、跨越多轮会话时，一个尴尬的现实浮现出来：它每次重启都像是第一次见到这个项目。RAG（检索增强生成）和知识图谱被广泛用于给 Agent 注入上下文，但它们本质上是”回忆历史”——把过去的对话片段捞出来塞进窗口，却无法让智能体真正积累理解。2026 年 9 月，来自 Vectorize 的开源项目 Hindsight 在 GitHub 上迅速登顶 AI 热门榜，累计 Star 突破 3 万，其核心理念可以概括为一句话：好的记忆系统应该让 Agent 学会（learn），而不只是记住（remember）。 一、问题的根源：上下文腐烂与”金鱼记忆”现代 Agent 工作流有一个隐蔽的杀手——上下文腐烂（context rot）。随着检索调用、工具使用、用户消息和模型响应不断累积，上下文窗口被无关细节填满，真正有价值的信息反而被稀释。Hindsight 将这种现象类比为人脑的记忆机制：我们并非记住每一秒钟的细节，而是通过巩固（consolidatio...

MiniMax H3发布：开源多模态视频模型如何逼近闭源天花板一、从”单模态玩具”到”全模态创作引擎”：视频生成赛道的分水岭过去两年，AI 视频生成几乎成了闭源巨头的专属游乐场。Runway、Pika 等早期玩家受限于算力与数据，难以在画质上逼近商业级产品；而 OpenAI、Google 等大厂虽陆续推出 Sora、Veo 类产品，却始终以 API 形式封闭交付，普通开发者与中小团队只能望洋兴叹。 这一格局在 2026年7月31日 被打破。中国 AI 初创公司 MiniMax 正式开源了其新一代多模态生成模型 H3（内部代号 Hailuo 3.0），并同步放出基础版权重。与以往”文本、图像、音频各训一个模型”的做法不同，H3 采用统一架构同时处理文本、图像、视频、音频的跨模态生成——这是开源社区首次推出能在 2K 分辨率下原生输出立体声视频的通用模型。 据 Artificial Analysis 榜单，H3 在文生视频（无音频）榜中以 Elo 1,303 位居开源模型第一；在视频编辑任务上更是登顶榜首。更关键的是，它在多项指标上已能正面硬刚闭源竞品，标志着开源多模态模型正式进入”...

当智能体开始”住进”服务器过去两年，AI 智能体的开发重心一直停留在”写一个能跑的原型”。开发者用 ReAct 循环把模型调用包起来，接上几个工具，就能在终端里演示修复 bug、生成代码。但原型和生产力之间隔着一道鸿沟：当智能体需要无人值守运行数小时、处理真实用户请求、并在 worker 崩溃后不丢失状态时，大多数”agent 库”就暴露出了它们的脆弱。 今天，GitHub Trending 榜首被一个叫 Agent Substrate 的项目占据——它在几天内斩获超过 3000 star。与层出不穷的 agent 框架不同，它明确自己不是另一个 SDK，而是一个为大规模生产部署而生的运行时系统（runtime）。它的出现，标志着智能体工程的重心正从”如何构建”转向”如何可靠地运行”。 核心问题：智能体太”重”了Agent Substrate 的设计哲学建立在一个朴素的观察上：类 agent 的应用绝大多数时候都是空闲的。一个正在等待用户输入、等待工具返回、或等待人工审批的智能体，几乎不消耗计算资源。但现有的部署模型往往为一个活跃会话独占一个进程甚至一台容器，导致物理资源被严重浪...

Google TPU v8发布：一分为二，为”智能体时代”量身定制的AI芯片过去十年，Google 的张量处理器（TPU）一直遵循一个朴素理念：一颗芯片同时兼顾训练与推理。从第一代到第七代 Ironwood，无论模型规模如何膨胀、负载如何分化，Google 都试图用同一块硅片把预训练、微调和在线服务串起来。 但到了第八代，这个信念动摇了。2026年4月22日的 Google Cloud Next 大会上，Google 首次把 TPU 线拆成两颗独立芯片——专为训练打造的 TPU 8t 和为推理而生、面向”智能体时代”的 TPU 8i。这不是简单的迭代，而是对 AI 算力需求分化的正式承认：当 Agent 开始连续调用工具、检索、多轮推理时，”一颗通吃”的时代结束了。 一、为什么必须拆分？”智能体”改变了负载画像要理解这次拆分的意义，先要看现代工作负载发生了什么变化。 传统大模型部署是”一问一答”的同步模式：训练阶段追求峰值算力（FLOPS-bound），推理阶段则越来越受内存带宽和通信延迟主导。而 Agent 系统的出现让这个问题进一步恶化——它们需要在一次请求中完成数十次工具调...

当护栏不够用时，信任就成了最后的防线过去两年，AI安全的叙事几乎被”护栏（mitigation）”一词垄断。模型厂商拼命给大模型加装刹车：拒绝回答、过滤输出、拦截危险指令。但一个尴尬的事实逐渐浮现——护栏越严，模型在合法场景下的可用性越低。当你想让AI帮你审计一段生产代码的安全漏洞时，它却因”疑似攻击行为”而拒答。 2026年9月2日，谷歌DeepMind给出了一个颇具争议的答案：既然无法用护栏区分”恶意黑客”和”善意防御者”，那就干脆用一套信任审查机制（trust vetting）来替代部分护栏。这就是同期推出的 Fairwind Program。 这不是又一款新模型，而是一套关于”前沿AI该如何被授权使用”的新治理范式。 Fairwind到底是什么Fairwind计划的核心，是把谷歌目前能力最强的网络安全专用模型 Gemini 3.8 Flash Cyber，连同其配套的漏洞修复智能体框架 CodeMender，开放给经过严格审查的”受信任防御者（trusted defenders）”。 注意这里的逻辑反转：Gemini 3.8 Flash Cyber 在谷歌官方描述中”以更...

GPT-6 Astra 发布：OpenAI 把模型重心从”建议”彻底转向”操作”过去两年，大语言模型的叙事主线是”更聪明地回答”——更高的推理分数、更长的上下文、更像专家的写作。但就在 2026 年 9 月 3 日，OpenAI 发布的 GPT-6 Astra 给出了一个截然不同的答案：模型的价值不在于告诉你怎么做代码，而在于它自己动手把代码写完、把系统跑通、把任务交付。 这不是年度迭代的常规升级，而是一次产品定位的根本转向。当 Anthropic 的 Claude Opus 5 还在打磨”思考的深度”、Google 的 Gemini 3.8 Flash 在卷价格时，OpenAI 选择了一条更硬核的路——把整个模型的优先级从”Agentic Computing（智能体计算）”的第一性原则出发，重新定义前沿模型该干什么。 一、背景：为什么是”操作”而不是”建议”GPT-6 Astra 的诞生，直接回应了 2026 年 AI 行业最真实的痛点：用户不再满足于被喂答案，而是希望 AI 真正替他们完成工作。 传统的编程助手模式是”一问一答”——你提问，模型给出代码片段或解释，然后由人类工...

一、六周内第三次”闪速迭代”：Google 的节奏失控了？距离上一篇 Gemini 3.7 Flash 登场仅仅三周，Google DeepMind 又抛出了第三代 Flash 级模型——Gemini 3.8 Flash，并首次以”双生变体”的形式同步推出面向安全的 Gemini 3.8 Flash Cyber。这已是 Google 在六周内发布的第三款 Flash 系列模型，速度之快让生态伙伴直呼”文档跟不上”。 但真正值得关注的不是发布节奏，而是这次迭代释放的两个信号：**一是推理模式从”纯提速”转向”可控的思考深度”**；二是 Google 第一次把网络安全能力作为一等公民，塞进了一个主打低价与速度的”工作马”模型里。当前沿安全能力开始下沉到消费级定价的模型中，AI 的能力边界与风险边界正在同时被重新划定。 二、核心特性：可思考的闪电 + 攻击者视角1. “可控思考”：用 token 换质量的新范式Gemini 3.8 Flash 最大的架构性变化，是引入了设计内的 token 消耗策略。面对多步骤、长时程的复杂任务，模型会主动采取更小的推理步长、迭代式工具调用，并在每一步...

一、一个”闷声不响”的开源发布2026年9月11日，上海人工智能实验室（Shanghai AI Laboratory，InternLM团队）在 Hugging Face 上悄悄挂出了 Atria-Dawn-Preview 的权重与 OpenAI 兼容 API，MIT 协议，可商用、可自托管。没有发布会、没有通稿、没有定价页——三天后才补出 arXiv 技术报告，24 小时内就有第三方 LLM gateway 提交了集成 PR。 这种”先上权重后写故事”的发布方式本身就很当下：开源社区早已习惯顶级实验室用代码和 benchmark 说话，而不是靠营销。对读者而言，真正值得关注的不是它低调的登场，而是它的定位——一个为”长时程科研智能体”（long-horizon research agent）而生的模型。 二、站在 GLM-5.2 的肩膀上Atria-Dawn 并非从零训练。它的底座是智谱在 6 月发布的 GLM-5.2：一颗 744B 参数的 MoE（混合专家）模型，激活参数规模适中，原生支持 256K 上下文。上海 AI Lab 在这块基座上做了两件事： 后训练（post-t...

一、当”桌面”成为AI推理的新战场过去两年，AI算力的叙事完全由数据中心主导。NVIDIA Vera Rubin 用六颗协同芯片封装出”AI工厂”，AMD MI455X-Helios 以机架级带宽正面硬刚，Intel Gaudi 3 则押注低成本训练路线。然而就在行业把目光锁定在机柜与液冷之时，Apple 于 2026年8月25日 悄悄改写了桌面端的规则——它发布的 M5 Ultra 与首款 2nm 芯片 M6，首次让一台放在桌子上的设备拥有了”单机无妥协运行 70B 模型”的能力。 这不是一次常规的年度迭代。Apple 用 M5 Ultra 证明了：在边缘侧，统一内存架构（Unified Memory）正在成为对抗数据中心 GPU 护城河的一把利刃。当推理的瓶颈从”算力”转向”数据搬运”时，Apple 多年押注的内存带宽优势，恰好击中了大模型部署最痛的那根神经。 二、M5 Ultra：四 die 堆叠出的桌面怪兽M5 Ultra 是 Apple 首款四芯片（quad-die）设计的产品，集成在全新 Mac Studio 中。其关键规格足以让传统认知中的”桌面级”显得渺小： ...