搜索“其他”

用权；后来CEO山姆·奥特曼还发帖号召更多的人尝试该功能——借势，是极具性价比的营销方式。 02 流量何来 到现在为止，DeepSeek 的叙事都是“一个反商业的商业成功故事”，这也是它能打进亚文化圈的重要原因。 在社交网络成为一个梗并不算难，能让人觉得有趣就够了。 DeepSeek的“活人感”很容易满足这一点，比如它被发现在思考过程中唱歌、给用户起外号，找其他模型干活，以及经常使用“不是......而是......""那笔账我记下了”等语句。豆包也因有特色的形象、声音和“我将用最直白、最不绕弯子、最真实的方式告诉你”“我太懂你的心情了！”等口癖，被网友们调侃。 但打进亚文化圈，并激发网友二创的热情，这就不容易了。 当下更能打动年轻人的商业叙事，往往长着一张“反商业”的面孔。从于东来到造车早期的雷军，他们被年轻人喜欢的更重要的理由，并不是财务数据的成功。他们扮演了行业颠覆者的角色，挑战了旧有的商业秩序，甚至很多行为是反商业常识的——当然，成功是必要的底色。 DeepSeek也有类似的故事。 它的“履历”完美契合大众普遍存在的慕强心理：脱胎于私募基金公司幻方量化、一鸣惊人之后，成为大模型

匹配字段正文

住自己的账号。 一套五花八门的“保号玄学”逐渐流传开来。 有人研究IP地址和支付卡，有人担心电脑时区、系统语言和浏览器字体暴露了自己的位置，还有人总结出凌晨5点使用Claude容易封号的规律。 最近，甚至连Anthropic自己公布的技术报告，都成了网友研究的对象。 北京时间10月13日，Anthropic发表了一篇反蒸馏技术文章，详细介绍公司如何识别和阻止其他机构大规模提取Claude的能力。 官方透露，新系统采用两阶段分类器，针对特定蒸馏行为的请求检测，误报率低于0.1%；对于持续尝试提取模型推理内容的账号，Anthropic可能限制其使用额度，甚至直接封号。 文章还提到，Anthropic已经封禁数万个与蒸馏有关的账号，部分账号在开始相关活动不到两小时后就遭到封禁。 结果，中国网友马上开始了反向研究。 距离文章发布不到四个小时，AI博主归藏发帖表示：Anthropic公布了自己如何反蒸馏，却也在一定程度上告诉了普通用户，怎样避免被封号。 2023年，中国网友还在研究怎么用上Claude；2024年，开始互相传授申诉小作文；到了2026年，连Anthropic自己发表的反蒸馏技术报

匹配字段正文

发版，用户得先把软件更新到新版才能看到。而现在，服务端只要改一下/models的返回内容，新模型就能直接对用户开放，即deepseek-v5-open所对应的方式。 仓库的更新记录里，也出现了“DeepSeek API key适配器现在和账号登录用同样的方式更新模型列表”的改动，说明这套机制正在被推广到更多入口。 这代表DeepSeek V5发布时，除了DSH以外，其他能调用DeepSeek模型的软件，都可以秒切DeepSeek V5，不需要再让用户更新一下客户端。 deepseek-v5-next对应的，则更像是为“新架构、新能力”准备的。如果V5需要新的客户端能力才能用，比如新的推理参数或者新的交互方式，这条路径就派得上用场了。 两条路径同时备好，说明DeepSeek对V5具体的上线方式，已经想得很清楚了。 不过还要补充一点，这三个V5模型并不是今天上传的。实际的上传时间是2026年9月24日，上传者是毕业于清华大学的蒋奕晨。 从GitHub仓库页来看，蒋奕晨是DSH的核心贡献者之一。DSH初期，他的提交数排名项目第二，仅次于崔添翼，参与了模型适配、Web、连接恢复等大量研发工作。

匹配字段正文

1亿），在利率高企环境下选择股权而非债务，以避免固定利息支出与杠杆上升；2026年Q2自由现金流降至7.84亿美元（上年同期85亿）凸显资金缺口。同步创设非投票权股票，在融资的同时不稀释创始人团队控制权。 3.变现与风险：2026年Q1营收563.1亿美元（同比增33%）、净利润267.73亿美元（增61%），广告收入增长33%，Family of Apps其他业务收入增73.5%，35.6亿日活构成数据护城河。但对比2022年元宇宙巨亏致Meta股价全年跌约64%，市场对AI基建回报周期仍存疑；若AI变现速度追不上资本开支膨胀，超额认购背后的耐心或难持续。 九、苹果打破乔布斯16年禁忌：推出触控屏MacBook Pro，售价创历史新高 1.苹果2026年10月28日在洛杉矶“Pro and Tell”发布会推出首款OLED触控屏MacBook Pro，打破其坚守16年的“笔记本不用触控”原则：新增指尖旋钮菜单，键盘与触控板仍为主要交互方式；14英寸M5 Pro起售价2,899美元，创MacBook Pro起售价新高，为半年内该产品线第三次涨价。 2.定价转向明显：同一条产品线起售价从

匹配字段正文

获得88.2%的成绩；在ExploitGym漏洞利用验证测试中达到54.8%；在CWE-bench漏洞修复测试中达到71.0%，均取得了领先成绩。 谷歌还透露，在内部安全代码生成测试中，Carbon的成功率超过Argon的两倍。 此外，在Gray Swan的间接提示注入测试中，Carbon也取得了0%的攻击成功率。这项测试专门考察AI能否抵挡藏在网页、邮件和其他外部资料中的恶意指令。 在允许攻击者最多尝试15次的情况下，Carbon抵挡住了全部测试攻击。相比之下，Argon的攻击成功率为0.7%，Claude Opus 5.5为1%，GPT-6 Astra为8.5%。 还有一点，比较有意思：Carbon是个官方认定的“老实模型”。 过去一些AI模型为了完成任务，可能会钻测试环境的漏洞，甚至通过不符合任务要求的手段骗取高分。但谷歌宣称，Carbon在Terminal-Bench 4.0测试中的作弊成功率已经降至0%，作弊尝试率也降低至0.4%。 在内部测试中，Carbon缺乏依据的断言数量较Argon减少约一半，高严重程度的行为偏离警报下降近80%。模型越权操作的情况减少26%，任务完成

匹配字段正文

数据训练。 2026年春节后，Seed又新设了一支3D仿真世界模型组，由前Meta FAIR研究员范浩奇负责，向周畅汇报；原来的两个VLA组合并，也统一向周畅汇报。 由此形成两条路线：VLA面向具身智能，追求真实动作与环境响应；3D仿真面向娱乐和游戏。 字节为世界模型准备的训练数据预算达到数千万元，覆盖VLA、长视频和3D等模态。一名数据供应商称，投入能达到其他厂商的3至4倍。 然而钱也花了，人也找了，可成绩就是出不来。据报道，2026年初，字节内部评测显示，其世界模型的综合性能距离当时的全球SOTA仍有约10%的差距。 就和谷歌一样，字节做世界模型也是有技术支撑的。 Seedance 2.5单次可以生成最长30秒的视频内容，还能通过多轮提示词把故事接着讲下去，进而输出一个完整的短片。 它可以参考多种素材生成视频，还可以按时间戳修改，人物姿态、运动轨迹和运镜，也能先用白模搭好，再根据白模生成视频。 过去的视频模型本质上是抽卡，提示词发出去，模型输出的有好有坏。Seedance 2.5则是一种AI视频生成+AI剪辑的组合，输出的质量也更加稳定。 世界模型不光需要连续的画面，它还需要里面的

匹配字段正文

Cohere已完成一轮融资，这被视为加拿大科技行业历史上规模最大的私募融资。据该公司公告，其E轮融资目标规模最高达70亿加元（约合47亿欧元）。公司估值因此达到约357亿加元（约合239亿欧元）。 广告后继续阅读 本轮融资由Schwarz集团（旗下拥有Lidl、Kaufland）领投，该集团借此进一步巩固其作为欧洲人工智能和云基础设施最重要投资者之一的地位。其他出资方还包括加拿大政府以及Nvidia等现有投资方。 与Aleph Alpha合并增强市场地位 早在融资启动之前，Cohere就已通过战略收购强化了自身市场地位。其中尤为值得一提的是与海德堡人工智能专家Aleph Alpha的合并。该交易旨在将欧洲的科研卓越性与可解释性同全球化的企业规模相结合。这桩“跨大西洋合并”事实上是Cohere对Aleph Alpha的收购。德国联邦数字事务部长卡斯滕·维尔德贝格尔（基民盟）当时曾如此评价该合并：“将诞生一个全球性的人工智能领军者”。 这家加拿大初创企业除多伦多外，还在柏林设有总部。Aleph Alpha此前位于海德堡的公司总部将继续作为核心研发基地运营。 Cohere专注于所谓的主权人工

匹配字段正文

次任务没有返工，约97.8%的消耗来自Plugin条目。 接下来，我们让它制作一个苏式老院。 提示词是“做一个苏式老院，院子中有枇杷树，树下有藤长椅和桌子，桌子上放着枇杷和茶杯”。 第一版的成品比较粗糙，整体质感接近颗粒积木，树叶像纸片一样。 第二版，我们要求取消沙盘式俯视，换成院内自然透视与轻微景深；使用低角度暖阳，强化夏天氛围；把长椅换成躺椅，并继续完善其他细节。 这一版解决了视角、躺椅、蒲扇等主要问题，细节仍然存在偏差。庭院外的竹林过于简化，蒲扇悬空，枇杷还嵌进了树根。 第三版，我们提供了一张真实参考图，让它重新制作。有了参考图之后，画面内容更加丰富，问题集中在细节还原上。石柱位置突出，池塘周围的石头质感接近泡沫。 额度明细显示，苏式老院首次生成消耗1.76%，后续修改继续增加4.45个百分点，整个任务合计消耗6.21%，在五项测试中排名第二。 第三个任务是制作一个介绍世界美术史的网页。我们要求代表人物和画作足够丰富，用户点击人物头像或画作后，可以查看相关知识解答。 生成的网页名叫“ATHÈNE｜世界美术史·浪漫长廊”，以暖纸色、深棕色和柔和光影营造浪漫氛围，用户能筛选文化轨道、

匹配字段正文

谷歌云业务第三季度的亮眼增长被其他令华尔街失望的财务业绩所掩盖，尤其是谷歌搜索广告收入增长乏力。谷歌股价在盘后交易中下跌近10%。 负90亿美元自由现金流 财报显示，Alphabet三季度营收同比增长25%至1275.8亿美元，略低于华尔街预期；净利润同比下滑25%至261.7亿美元。由于在人工智能领域投入巨资，三季度自由现金流为负90多亿美元，而去年同期则为正240多亿美元，这也是连续第二季度为负。 那么钱都去哪里了。本季度资本支出514亿美元，大部分用于AI技术基础设施建设，其中65%是服务器和网络设备、35%用于数据中心。值得一提的是，谷歌TPU系统销售库存挤压及2018年欧盟罚款52亿美元现金支付影响，也在影响现金流情况，第三季度经营现金流423亿美元。 Alphabet CFO阿纳特·阿什肯纳齐在财报会上指出，公司2026年全年资本支出指导区间1950亿至2050亿美元保持不变，预计2027年资本支出将显著增加。这使得外界更加关注谷歌这笔钱以及未来花的钱究竟值不值，而本季财报中唯一亮点的是谷歌云业务，而不是谷歌搜索。 一方面，Alphabet的基本盘搜索业务只增长了12%至6

匹配字段正文

出424亿美元，全年资本支出指引2200亿美元；10月29日盘后股价下跌逾5%，市场从“先投入后回报”转向追问商业化进度。 3.两份财报折射AI回报分配不均：掌握客户关系与应用场景的超大规模云厂商维持定价权与收入可见性，英特尔等纯硬件供应商议价空间被压缩、利润率承压；后续需盯英特尔四季度毛利率是否落实38%及PC业务走势、亚马逊资本支出与自由现金流何时回正、其他云厂商投入节奏是否同步。 1.2026年10月29日，Alphabet（谷歌母公司）财报后股价单日暴跌逾12%（报道为12.73%），市值单日蒸发约5000亿美元，创2004年上市以来最大单日跌幅；三季度营收增25%至1276亿美元、谷歌云营收翻倍至307亿美元、营业利润率扩至36.2%，但搜索营收增速由二季度的17%放缓至12%（约633亿美元），为五个季度来最慢，成为市场抛售导火索。 2.变现悖论：AI搜索（AI Overviews、AI Mode）直接给出答案，削弱用户点击广告的意愿；谷歌首席商务官承认AI查询“变现能力较低”。据BrightEdge数据，AI Overviews已触发于48%的受追踪查询（一年前约30%）

匹配字段正文

其人工智能基础设施，同时应对电力供应、水资源使用以及运行大型计算设施成本等方面的担忧。 印度信息技术部国务部长吉廷·普拉萨达（Jitin Prasada）于10月14日在德里由中央电力局（CEA）举办的一场活动上宣布了这项拟议政策。 “印度是超大规模数据中心的沃土，”普拉萨达表示，并指出该国具备承载大型计算设施的潜力。 然而，他警告称，数据中心不应占用家庭和其他企业所需的电力。这一政策推动之际，孟买和维沙卡帕特南的居民正反对亚马逊和谷歌计划建设的数据中心项目，担忧主要集中在这些项目对当地供水和电力供应的潜在影响上。 政府预计该领域的投资将达到约2000亿美元，但这一机遇的规模也引发了关于电力供应、水资源可用性、土地使用以及当地经济将获得何种收益等问题。 印度的数据中心容量已从2020年的约375兆瓦增长至今年8月的1.57吉瓦。该行业预计将进一步扩张，装机容量预计到2030年将达到近8吉瓦。隶属于电力部的中央电力局预计，该行业的电力需求到2031—32年可能升至17吉瓦。 Yotta Data Services联合创始人、首席执行官兼董事总经理苏尼尔·古普塔（Sunil Gupta）对

匹配字段正文

直连液冷技术，以管理高密度计算工作负载产生的热量。它还将整合可再生能源和节能技术。 该设施是L&T计划在钦奈建设的吉瓦级AI工厂园区的一部分。据该公司介绍，该园区已有一座30 MW的设施投入运营，配备AI计算集群，并具备150 MVA的电力基础设施就绪能力。 “我们52 MW钦奈数据中心的动工，是加强印度数字基础设施生态系统的重要一步，”Vyoma.AI董事总经理Prashant Chiranjive Jain表示。 “随着AI应用的加速，该数据中心在设计上旨在为下一代工作负载提供所需的性能、可扩展性和韧性，同时推进可持续、低碳的数字基础设施，”他补充道。 新设施将服务于需要计算基础设施来承载其工作负载的超大规模云厂商、neocloud提供商和AI公司。 Vyoma.AI表示，该项目是其扩张计划的一部分，计划在印度各地建设超过250 MW的数据中心容量。该公司提供主权云服务、GPU即服务、超大规模托管及其他数据中心基础设施。 印度的数据中心行业正在扩张，企业纷纷投资基础设施，以支持云应用和AI计算。AI工作负载的增长增加了对能够容纳高密度计算系统及其所需电力和冷却基础设施的设施的需求。

匹配字段正文

的隔离来对计算、内存、出站网络连接和系统能力实施限制。 该沙箱作为Spin框架的开源组件发布。该公司表示，计划增加更多功能，以管理AI智能体可以访问哪些内容以及哪些系统可以与其交互。 “每个运行智能体的团队都需要围绕这些智能体编写的代码设置边界，”Akamai云技术高级副总裁Jon Alexander表示。 “有些团队希望本季度在托管平台上发布一项AI功能。其他团队则需要专用GPU，按照自己的方式运行前沿级开放模型，”他补充道。 除了这两项服务外，Akamai还通过NVIDIA Blackwell Ultra集群扩充了其专用GPU集群，并正在为其数据中心做好准备，以在2027年支持NVIDIA的Vera Rubin平台。 其GPU基础设施还包括用于低延迟推理的NVIDIA RTX PRO 6000 Blackwell服务器版GPU。专用集群面向希望在自己控制的基础设施上构建、微调和托管模型的企业。 Akamai表示，每个八GPU的Blackwell Ultra节点为每个GPU提供288 GB的HBM3e内存，整个节点为2.3 TB。该基础设施旨在支持涉及推理、长上下文处理和AI智能体的

匹配字段正文

AI驱动的生产率提升，加上营收结构和增长，将支撑近期利润率扩张。 KPIT报告营收为1.768亿美元，按卢比计增长6.5%，但按美元计下降2.2%。按固定汇率计算，营收环比增长0.5%，按卢比计增长1%。该公司将EBITDA利润率扩张主要归因于运营效率和营收结构。它未量化AI对本季度利润率改善的贡献。 KPIT两大最大客户的营收同比下降约13%。据该公司称，其他客户以及卡车、非公路车辆和乘用车等车辆细分市场的增长帮助抵消了这一下降。 KPIT在本季度从新合作中获得了2.13亿美元的总合同价值（TCV）。这些合作涵盖为美国、欧洲和亚洲的汽车制造商提供电动动力总成、车辆工程、智能网联汽车、诊断、自动驾驶系统、中间件和网络安全。该公司未披露客户名称。 “我们预计这两个客户的下降将在未来几个季度触底，”KPIT Technologies总裁兼联合董事总经理Sachin Tikekar表示。 Tikekar表示，KPIT正专注于扩大新兴客户并将机会转化为可执行的计划。该公司报告其总项目管道有所改善，这得益于美国和印度日益增长的势头，以及其产品与解决方案管道的健康增长。 KPIT的税后利润（PAT

匹配字段正文

完成的设计。对于更复杂的任务，例如开发主板，则需要更多交互来澄清需求。 工程师可以在他们现有的设计软件中监控该智能体，必要时中断它，自行做出修改，然后让它带着这些修正继续工作。 “我们仍然希望用户掌握的关键是品味、设计规格和架构，”Aditya 说。 这种方法也延伸到调试。例如，如果设备意外关机，CopperPilot 可以检查其 PCB 设计、固件、日志和其他可用输入，以调查原因。 该智能体可以识别电源的额定电流与机器学习模型激活处理器或 GPU 时所消耗功率之间的不匹配。然后它可以建议更改，例如使用不同的电源或添加电容器以应对电流尖峰。 Aditya 说，跨设计工具连接信息的能力有助于该智能体识别出有经验的工程师否则可能不得不手动追踪的问题。 这家初创公司表示，设计电子产品，从创建电路图到订购首批原型板，可能需要 6 到 15 周，花费在 7,500 美元到 30,000 美元之间。CopperPilot 表示，其平台可以将这一过程缩短到几个小时。 瞄准硬件公司 CopperPilot 的目标行业包括消费电子、可再生能源、储能、机器人、物联网（IoT）、汽车和电动汽车。 创始人花了

匹配字段正文

故事。每次收费5000美元的技术人员来来去去，却始终没能解决问题。后来，一位来自修车厂的机械师带着一把锤子赶来，在发动机上敲了一下，就把它发动了起来。他的账单是：40万美元。 在接受AIM的独家采访时，Vasantraj用这个故事阐述了他对企业人工智能的看法。模型就是那把锤子，如今每家供应商都在卖锤子。“但你要把它用在哪里？”他问道。 他说，来自美国、中国及其他地区的模型正陷入一场军备竞赛，但“这场军备竞赛最终总会让消费者受益”。Mphasis首席执行官Nitin Rakesh在7月向分析师表达了类似观点，称模型将“相当快地商品化”。 今年2月，Vasantraj曾提出，AI热潮已经跑在了企业现实的前面。他现在的关注点是有形的结果。“我非常看重影响力和成果，”他说。新技术往往在短期内被过度炒作，在长期内被低估，而企业“仍处于采用的早期阶段”。 他说，发生变化的是接受程度。AI如今已成为软件开发每个阶段的助手，由人类首先验证需求。 在Mphasis于6月季度赢得的4.61亿美元（约合436亿印度卢比）新签合同总价值（TCV）中，AI主导的工作占63%。一年前，AI主导的工作占7.6亿美元

匹配字段正文

。 据该公司介绍，专用智能体可以在安全的执行环境中并行执行这些任务。Coforge 表示，该模式包含治理和人工监督，但未披露实施细节或客户部署情况。 “企业软件开发正在进入后编码时代，在这个时代，生成软件正迅速成为容易的部分，”Coforge 微软业务部执行副总裁 Vic Gupta 表示。“真正的竞争优势来源将是组织如何在软件生命周期中有效协调、治理和扩展 AI 智能体。” 此公告发布之际，AI 智能体正承担更多软件开发任务。随着智能体处理开发的多个阶段，企业必须协调其输出，并建立测试和审查流程。 Coforge 表示，ASF 旨在帮助企业开展这些活动，同时保留对软件质量和合规性的控制。然而，该公司未具体说明哪些任务可以自主运行、哪些环节需要人工审批，以及将如何衡量交付速度和软件质量的提升。 其他印度 IT 服务公司也在其工程产品中加入智能体式 AI。HCLTech 计划将 Anthropic 的 Claude 和 Claude Code 集成到其 AI Force 平台中，应用场景包括 IT 支持和代码修复。 Coforge 未披露 ASF 的客户部署、商业条款或量化的生产力提升。

匹配字段正文

work 在首席部长德文德拉·法德纳维斯于 10 月 28 日发布后，正推广至马哈拉施特拉邦的 2500 名政府官员。该 AI 生产力平台旨在帮助官员起草文件、分析报告、汇总档案以及检索政府记录。 马哈拉施特拉邦政府于 8 月批准部署 Sarvam 的主权 AI 解决方案，两年预算为 1126 万卢比。该协议涵盖面向政府雇员的 Indus Cowork 以及其他 AI 和语音技术应用。 据 Sarvam 介绍，官员可以使用 Indus Cowork 起草官方笔记和回复、研究政府政策、翻译和汇总冗长文件、分析数据，并将扫描记录转换为可搜索文本。该工作区支持包括马拉地语在内的 22 种语言。 该平台还包含针对特定行政任务的工具。根据平台发布公告，GR Expert 允许官员跨部门检索政府决议（GR）并跟踪其变更。Email Summariser 可精简官方往来邮件，而 RFP Bid Evaluator 则帮助官员比较和评估投标报价。 马哈拉施特拉邦的协议不仅限于 Indus Cowork。获批方案还包括 Samvaad——一个基于语音和 WhatsApp 的公民沟通系统，并将 Sarva

匹配字段正文

Articul8 推出了 Bivia，这是一种决策模型，旨在帮助企业 AI 智能体评估信息，并跨文本、图像、文档及其他数据格式做出结构化决策。 Bivia 通过应用程序编程接口（API）提供，旨在处理完成任务所涉及的重复性判断，而无需每一步都依赖生成式模型。此次发布针对的是 AI 智能体工作流的计算需求——在这些工作流中，即便是常规决策也可能需要反复调用大语言模型（LLM）。 “企业 AI 正在从生成信息迈向采取行动，而这一转变使得决策与生成同样重要，”Articul8 印度董事总经理 Ananthanarayanan S 在一份声明中表示。 与旨在创建内容的生成式模型不同，Bivia 专注于诸如选择工具、验证证据、识别不一致之处以及判断任务是否完成等决策。它可利用组织的数据、行业知识、政策、标准操作流程和历史决策进行专门化。 该模型支持五种决策类型：Choice、Boolean、Score、Set 和 Span。这些类型使 AI 智能体能够选择选项、判断陈述是否属实、分配分数、识别适用类别并定位支持性证据。 Bivia 可分析文本、图像、文档、工程图纸、表格、图表、音频和视频。它可以

匹配字段正文

映了不同的优先事项，从保持对敏感信息的控制，到开发AI能力，再到维持现有运营。它们也表明，基础设施就绪并非一次性的升级。它取决于组织需要支撑的工作负载、已经运行的系统，以及这些组件之间协同工作的有效程度。 现代化成为决定性因素 对印度企业而言，将AI智能体投入生产，部分取决于它们能在多大程度上依托现有的数字化投资。已经建立API平台和现代集成架构的组织可能具有先发优势。其他组织则可能需要提升数据质量、通过安全接口连接较旧的应用，或加强支撑其工作负载的基础设施。 任务未必是替换每一个遗留系统，而是找出既有系统在哪些方面制约了AI部署，并对技术栈中的这些部分进行现代化改造。这可能意味着改进应用之间交换信息的方式、让企业数据更易于访问，或引入支撑更大工作负载所需的基础设施。 这些需求相互关联。更强的计算能力无法弥补不可靠的集成，而如果信息不一致，获取更多数据也无济于事。智能体可能在受控试点中运行良好，但在生产环境中遇到真实业务环境的依赖关系和异常情况时却举步维艰。 随着企业扩大AI智能体的使用，决定性因素将不只是模型本身，而是其现有数字基础设施能否支撑智能体从孤立任务走向大规模互联业务流程。

匹配字段正文