AI 新闻

MIT Tech Review 的一篇报道揭示了一个矛盾现象：人们普遍对 AI 表示反感，却在实际使用中越来越依赖它。这种“自厌式依赖”正在成为 AI 产品必须面对的用户心理常态。

MarkTechPost 梳理了 Qwen 从 2023 年 4 月的邀请制聊天机器人到 2.4 万亿参数开源权重模型的完整发布脉络，逐版本记录核心特性与许可证变化。这条曲线既是阿里的大模型投入史，也是开源权重阵营扩张的缩影。

MIT Tech Review 的 EmTech Future 2026 上，Google Research 负责人 Yossi Matias 提出，AI 最大的影响力或许不在自身，而在它与生物学、基础设施、制造业和科学等领域的交叉处。

Cantina Security 与 Yeta Labs 发布专为漏洞研究训练的开放权重模型 apex-flash-1，基于 GLM-5.3-Flash 强化学习微调，MIT 许可，在 60 道留出漏洞任务中解出 40 道。

一篇引发讨论的观点指出：真正危险的并非科幻式的超级智能或邪恶意图，而是把 AI 接入核指挥链条后，由误判、速度与自动化叠加出的系统性风险。

MarkTechPost 对比四款前沿模型发现，Astra 强在电脑操作、Argon 擅长法律与金融、Sol 在编码智能体上以价格取胜——模型选型正从“谁最强”转向“谁最适合这份工作”。

TechCrunch 报道称，Google 因 AI 提交量显著上升而冻结其开源漏洞赏金项目。当大模型让“批量生成报告”变得廉价，漏洞赏金这一开源安全协作机制正面临信任与效率的双重考验。

TechCrunch 的 Equity 播客讨论了特朗普政府试图重塑 AI 形象的策略，其中“超级智能”概念与非约束性安全协议成为关键叙事工具。本文解读这一动向背后的政治与行业逻辑。

Hacker News 上的一场分享提出用 Homa 取代 TCP 承载 AI 集群内部通信，指向一个被忽视的事实：为广域网设计的 TCP 正在成为大规模训练与推理的瓶颈。

特朗普设立“超级智能部队”，由其“超级智能”即人工智能一词衍生而来，由国家情报总监牵头，直接向总统汇报。这是一次政府与AI产业、关键基础设施方的协调机制，而非技术突破。

一位参与者复盘了与法律、治理从业者共同举办AI安全训练营的经历，揭示了技术圈之外的人如何理解AI风险，以及这种跨界协作对AI治理落地的意义。

新泽西州副州长因性骚扰调查被迫辞职后，在电视采访中搬出AI为自己辩护，声称AI判定他“没有性骚扰”。这一做法暴露了公众对AI能力的普遍误解。