每早八时出报
AI · 模型 · 产业
新闻枢纽 · 日报
中文 AI 资讯
NEWSHUB DAILY
腾讯开源新一代大模型Hy4预览版，参数规模达770B，上下文窗口超百万tokens，并已通过多款产品开放使用。沐曦股份半年报扭亏为盈，成为国产GPU四小龙中首家盈利企业。与此同时，AI基建需求激增，台积电被预期全面上调代工价格10%-15%，a16z推出机器时代基金押注算力供给缺口。
11:46Hacker News Best（web_list）
腾讯发布并开源新一代大语言模型 Hy4 预览版，总参数 770B，激活参数 49B，上下文窗口超 1M tokens，在编程、办公、科研等生产力任务上表现突出。该模型已通过 WorkBuddy、CodeBuddy、元宝、ima 等产品开放使用，也可通过腾讯云 TokenHub 和 OpenRouter 以 API 方式接入。上线后两周内，WorkBuddy 和 CodeBuddy 上可免费使用，Hy3 的免费访问延长至 9 月 30 日。API 定价为输入 0.834 美元/百万 tokens，输出 2.501 美元/百万 tokens，缓存命中 0.042 美元/百万 tokens。
09:00meng shao
Builder.io 团队开源了一款名为 Agent Native Design 的设计工具，对标 Figma。其核心判断是：设计的产物不是静态图片，而是真实可运行的页面。该工具通过 Agent 生成自包含的 HTML + Tailwind + Alpine 交互，在预览 iframe 中真实渲染，响应式基于真实 CSS 断点，交互可执行，预览、编辑、导出共用同一份源码，导出格式为 HTML/ZIP/PDF。工作流分三步：Describe（自然语言描述）、Generate（生成多个方向并比较）、Refine（通过 tweak 控件或自然语言指令修改底层 HTML）。
10:29华尔街见闻（RSS）关联 4 源
据The Information报道，SpaceX正在德克萨斯州Bastrop筹建一座铸造厂，专门生产大型燃气轮机的叶片与导叶，这是全球涡轮机供应链中技术壁垒最高、产能最稀缺的核心零部件。马斯克在X上确认该计划，称自主铸造可将燃气轮机上线时间最多提前18个月。目前全球仅四家铸造企业掌握该技术，GE Vernova等涡轮机制造商订单已排至2030年。该铸造厂还将兼顾SpaceX火箭发动机Raptor涡轮泵的铸件需求，实现航天与AI业务成本共摊。过渡期，马斯克通过收购与合作获取桥接电力，摩根士丹利估计其可在2027年底前获取约3至4GW电力。
16:39华尔街见闻（RSS）
a16z推出“机器时代基金”，专注AI基础设施投资。联合创始人Ben Horowitz、普通合伙人Martin Casado及前VMware CEO Raghu Raghuram在访谈中表示，AI需求呈指数级增长，而芯片、内存、电力、数据中心等供给最快需三到五年才能跟上，形成“供需大裂缝”。超大规模云厂商今年资本开支约7000亿美元，明年预计突破1万亿美元；关键组件订单已排至2028年，GPU价格罕见反弹，内存厂商称现有订单需三年产能交付。电力缺口显著，2028年前新增数据中心需约44吉瓦电力，而电网新增供给仅约25吉瓦。
01:52Hacker News Best（web_list）
安全研究员披露 Omarchy 发行版默认配置存在严重安全漏洞：默认用户被加入 docker 组，导致任何用户进程无需密码或 sudo 即可通过 Docker 守护进程以 root 权限访问宿主机文件系统。攻击者只需运行 docker run 命令挂载根目录，即可读取 /etc/shadow 等敏感文件。该漏洞影响 4.0.1 之前的所有版本，包括最新的 3.x 版本。研究员通过负责任披露流程报告后，Omarchy 已在 4.0.1 中移除默认 docker 组成员身份。
23:51Hacker News Best（web_list）
Linux内核开发者近日发文，披露AI爬虫对git.kernel.org造成的严重负担。据统计，该站点每天收到约600万次请求，其中66%被Anubis挑战拦截，但33%的爬虫已能破解验证。在5个地理分布节点共90个CPU核心中，有14-16个核心持续用于为爬虫渲染提交页面，平均占用20%的算力。爬虫通过住宅和移动IP伪装成普通浏览器，难以封禁。开发者曾用Anubis工作量证明机制应对，但爬虫已能解决难度5的挑战。目前，合法请求仅占总流量的约2%。为应对此情况，内核团队计划关闭部分功能以减少可爬取URL，并限制匿名访问。
17:54华尔街见闻（RSS）
AI芯片需求强劲，重塑晶圆代工定价格局。继三星率先提价后，市场预期台积电将全面跟进，对所有制程节点涨价10%至15%。据TrendForce与野村证券报告，台积电已于年中与客户完成价格谈判，针对下半年供不应求的3纳米制程实施最高15%涨价，并计划最迟至2027年初对N2、N3、N5等先进制程再上调5%至10%。产能紧缺是直接催化剂，N2与N3产能几乎被苹果和英伟达全数预订，英特尔也将扩大采购N2X。此外，连续三年未调价的N12、N16、N28等成熟制程也将补涨，最高涨幅10%。台积电2027年资本支出预估达800亿美元，2028年扩大至900亿美元。
07:00华尔街见闻（RSS）
美国法院裁定，五角大楼将Anthropic列入供应链风险黑名单违宪，永久解除封禁。此前Anthropic被列入黑名单，法院认定该行为违法。同时，据报道Anthropic正加码自研AI芯片，曾考虑以70亿美元收购芯片初创公司MatX，并正接洽多家初创公司。
21:34中国基金报
8月30日晚间，沐曦股份披露2026年半年报，上半年实现归母净利润6.12亿元，同比扭亏为盈，成为“国产GPU四小龙”中首家半年度盈利企业。沐曦股份于2025年12月17日在科创板上市，2025年上半年归母净利润为-1.86亿元。盈利主要受益于第二季度盈利能力快速提升，当季归母净利润约5.14亿元，同比增长1001.71%。上半年营业收入同比增长44.67%至13.24亿元，GPU产品出货量显著增长。同期，摩尔线程、燧原科技、壁仞科技均处于亏损状态，但营收持续增长、亏损收窄。2025年以来，国产GPU企业密集上市，燧原科技拟登陆科创板，沐曦股份、摩尔线程筹划港股IPO。
04:23MarkTechPost（RSS）
谷歌云AI研究、圣路易斯华盛顿大学与北卡罗来纳大学教堂山分校的研究团队推出EnvHarness，一个可编程层，能将静态Agent基准环境转化为随策略训练自适应的环境。EnvHarness通过标准reset()/step()接口包装现有环境，在不改动底层模拟器、任务和人工验证器的情况下，改变回合起点、Agent动作与观测。其LLM设计器EnvRigger自动诊断策略回滚中的缺陷并编写包装组件。在ALFWorld、WebArena、SWE-bench Verified等五个基准上，挖掘的技能在保留任务上最高提升9.0分，执行步骤减少9.8%。
01:06elvis
斯坦福大学提出Prefix Sliding方法，用于高效测试时扩展。长推理过程中，模型需通过全注意力在内存中保留完整推理轨迹，导致最难题目的运行成本最高。作者测量发现，推理轨迹中间部分的token重要性随生成过程逐渐降低。Prefix Sliding在生成时丢弃中间token，仅保留包含指令和可用工具的前缀，以及最后几千个token的窗口，从而将总内存占用限制在固定上限，无论模型推理多长。无需训练，该方法即可让现有模型运行速度提升3倍，同时保持与全注意力相当的性能，并支持超过10万token的强化学习rollout。
09:35MarkTechPost（RSS）
MirroS 发布 Code-as-World 范式，用可执行世界表示（EWR）描述物理场景，将视频转化为 MuJoCo 可运行的 scene.json，并支持验证、编辑与重仿真。其核心观点是像素只是场景证据而非本体，视频模型无法真正表示质量、接触与重力。该方法通过最多五轮的 agentic 循环（提出→实例化→执行→渲染→验证）从真实视频中恢复程序，生成的验证世界可作为带精确物理标签的训练数据。
14:17meng shao
OpenAI 官方开发者平台发布「Building agents」学习路径，系统讲解构建 AI Agent 的关键决策。文章重新定义 Agent 三要素：指令、护栏、工具。模型选择上，推理模型适合规划、数学、代码生成等复杂任务，非推理模型更快更便宜，适合高频简单场景。核心逻辑对比了 Responses API 与 Agents SDK：前者灵活但需自行编排，后者自动处理 Agent 循环、护栏与追踪。工具系统强调内置工具优先，包括 Web Search、File Search、Code Interpreter、Computer Use 等。
05:24MarkTechPost（RSS）
本文对语音与实时 Agent 的推理 API 延迟进行基准测试，指出 TTFT（首 token 时间）虽是选择 API 的常用指标，但会误导决策，因为 TTS 需完整句子才能合成语音，实际体验取决于 TTFT 与输出速度的组合。文章拆解语音回合延迟预算：STT 100-200ms、LLM 300-500ms、TTS 100-200ms、网络 50-150ms，端到端目标 700ms-1.2s。LLM 层基准显示，Baseten 的 gpt-oss-120b 以 0.23s TTFT 领先，但 Cerebras 等厂商吞吐量极高，TTFS 表现更佳；
19:41meng shao
本文解读 Simon Willison 的《Agentic Engineering Patterns》。Simon Willison 是 Django 联合创造者，也是 AI 辅助编程领域最高产的实践者之一。2026 年初起，他持续更新这份文档，系统梳理在 AI 生成代码成为常态的背景下，软件工程应如何演进。文章提炼了智能体工程的核心模式，包括如何设计任务、拆分模块、验证 AI 生成代码的正确性，以及如何在代码免费时代重构工程流程与团队协作方式。对于正在将 AI 编程融入日常工作的开发者与工程管理者，这份解读提供了可借鉴的实践框架与思考路径。
17:14meng shao
本文深度解读 Google、OpenAI、Anthropic 与 LangChain 四份关于 AI 原生软件开发生命周期（SDLC）的报告，指出 AI 带来的真正变化并非程序员少写代码，而是企业需重新设计从意图、实现、验证到生产反馈的整个软件生产系统。文章对比四家机构对 AI 辅助开发、代码生成、测试验证及生产反馈等环节的实践与预测，提炼出 AI 原生 SDLC 的核心框架与关键转变，为软件开发团队提供系统性参考。
15:20Avi Chawla
本文以 10-token 提示词为例，逐步拆解 LLM 自回归解码中 KV 缓存的工作原理。Prefill 阶段所有 token 并行前向传播，生成各自的 Q、K、V 向量，但只有最后一个位置的隐藏状态用于预测下一个 token。回溯该隐藏状态的计算过程，发现它仅依赖当前位置的 Q 向量以及所有历史位置的 K、V 向量。由于因果掩码，新 token 的追加不会改变已有位置的 K、V，因此解码时只需缓存 K 和 V，而每个位置的 Q 只使用一次，无需缓存。