Hacker News
Anthropic trained Claude on illegally obtained Stanford professors' books
原文来源 stanforddaily.com
作者 car · 584 分 · 294 评论，未提供正文摘要。
10月27日周二
189 条信号主线：AI大模型、芯片 / 算力
189 条信号主线：AI大模型、芯片 / 算力
原文来源 allmodels.io
作者 moeadham · 90 分 · 111 评论，未提供正文摘要。
Hacker News 通常只提供外链与讨论，不提供原图
by meetpateltech · 633 points · 426 comments · https://developers.openai.com/api/docs/models/gpt-6.1-terra
Hacker News 通常只提供外链与讨论，不提供原图
原文来源 blog.cloudflare.com
作者 wondersky · 181 分 · 79 评论，未提供正文摘要。
Hacker News 通常只提供外链与讨论，不提供原图
原文来源 cohere.com
作者 matthieu_bl · 330 分 · 130 评论，未提供正文摘要。
Hacker News 通常只提供外链与讨论，不提供原图
原文来源 404media.co
作者 cdrnsf · 262 分 · 95 评论，未提供正文摘要。
Hacker News 通常只提供外链与讨论，不提供原图
原文来源 plagiarismtoday.com
作者 mikelgan · 42 分 · 87 评论，未提供正文摘要。
IT之家 10 月 27 日消息，据科技媒体 TechCrunch 今天报道，Meta 人工智能负责人罗希特 · 帕特尔（Rohit Patel）已经离开公司，他曾在 Meta 从事 AI 研发工作八年，并担任 Meta 超级智能实验室负责人。 据报道，帕特尔已创立 Ndoc 公司，他将开发一款原生 AI 办公软件， 旨在取代微软 Office 和谷歌 Workspace 。 这名前 Meta 研究员希望，Ndoc 不能只是叠加在现有工作流的 AI 工具，而是要改变人们使用各种工具的碎片化现状。例如大家经常要来回切换 Excel、Word、PowerPoint 和 Tableau 等软件，还要不断把内容复制粘贴到 ChatGPT 中。 Ndoc 的目标是将上述所有工作流整合到统一空间之中 ，让所有人都能轻松办公。 据悉，Ndoc 在同一界面中整合了三个主要模块。「Stage」用于展示关键内容，如幻灯片、仪表盘、模拟结果和迷你应用；「Narrative」用于呈现分析内容、带编号的引用、生成图表，以及解释数据背后原因；「Model」则用于存放底层数据集和 Python 脚本。 在实际使用中，用户可以上传数据集让 Ndoc 分析，并根据结果撰写说明性文本。这款软件更远大的目标是“重新定义文件”，其文档可导出为独立的“. ndoc.html ”文件，然后在所有浏览器打开。 帕特尔希望将这种格式开源 ，让其他开发者也能使用。 帕特尔是近期离开 Meta 的众多高管和研究员之一。此前，Meta 全球事务负责人乔尔 · 卡普兰（Joel Kaplan）、AI 研究员安德鲁 · 塔洛克（IT之家注：Andrew Tulloch），以及负责工作场景 AI 产品的负责人艾米莉 · 道尔顿 · 史密斯（Emily Dalton Smith）均已离职。
Hacker News 通常只提供外链与讨论，不提供原图
by pancomplex · 172 points · 43 comments · Hey HN, I'm Christian and this is a new OSS project I've been noodling on for the last couple of weeks. Hob is a free, MIT-licensed desktop app for Mac, Windows and Linux that works on your files the way the Claude and ChatGPT desktop apps do, except the model runs on your own co
IT之家 10 月 27 日消息，继英伟达的 30 亿美元之后，AMD 也宣布向 Meta 的股权发行投资 10 亿美元 （IT之家注：现汇率约合 66.84 亿元人民币） ，从而进一步深化与 Meta 的战略合作。 双方将围绕 CPU、GPU、网络、系统及软件展开协作，为 Meta 的人工智能基础设施及 AI 服务提供算力支持。 据官方公告，AMD Helios 机架级系统已在 Meta 安装并进入测试阶段，双方计划在后续进一步扩大部署规模。AMD 表示，两家公司正围绕当前及未来的 Meta 工作负载协调产品路线图和工程设计，目标是共同建设并部署吉瓦级 AI 基础设施。 在 CPU 方面，AMD EPYC 处理器已用于支撑 Meta 的 Muse 个人 AI 助手背后的专用计算环境。AMD 称，Meta 已在多个处理器世代中部署数百万颗 EPYC 处理器，也是第六代 EPYC CPU 的重要客户。双方还在合作开发后续产品，包括代号为“Verano”的处理器。 在 GPU 方面，AMD Instinct GPU 已用于 Meta 生产环境，承担 AI 模型训练、排序以及推荐引擎等工作负载。AMD 还表示，Meta 是 Instinct MI450 架构的早期定义客户，未来将部署一款针对 Meta 工作负载定制优化的 AMD Instinct GPU。双方的合作也将为后续 Instinct MI500 系列 GPU 和新一代机架级系统提供参考。 软件方面，AMD 与 Meta 正通过 PyTorch 推进 ROCm 软件生态的优化，以便开发者更便捷地使用 AMD GPU。AMD 表示，已为 Meta 的 Muse Spark Open 模型提供在 Instinct GPU 上的 Day-0 支持，也为 Muse Glimmer 提供了在搭载 Ryzen AI 处理器的 PC 和 Radeon GPU 上的 Day-0 支持。
据最新的胡润百富榜，43岁的张一鸣以6700亿身价重回中国首富。 近几年，他的排名几经起落：2022年位列第二，2023年降至第五，2024年首次登顶，2025年退居第二，今年又回到了第一。 短短两年，他的财富从3500亿元到6700亿元，几乎翻了一倍。抖音、TikTok和AI助手豆包撑起了字节业绩，AI业务进展让市场重新估值，字节估值达3.3万亿元。你每天刷抖音、问AI助手豆包、在地铁上看红果短剧……都在替“首富”攒身价。 不只是张一鸣，AI已成为榜单上最大的单一财富增长引擎。 01 字节的钱从哪来：豆包、红果、AI 制药 数据显示，字节跳动2026年上半年营收约1200亿美元，同比增长30%，净利润约200亿美元。 目前，字节的主要收入支撑仍然是抖音、TikTok等成熟业务，广告和电商是其中的重要来源。2026年上半年，海外收入占集团总营收的比例已超过30%，主要来自TikTok。 张一鸣的6700亿不是凭空长出来的，它真正的底牌不是“有大模型”，而是有大把现成的生意场景，能让模型立刻进到真实的生产和消费里，真正替公司挣钱。 首先，把AI做成大众产品。豆包就是字节面向普通用户的核心AI入口。 2026年6月，火山引擎总裁谭待在原动力大会上披露，豆包大模型日均Token调用量突破180万亿，相比2024年5月的1200亿，两年增长约1500倍。 与此同时，火山引擎在公有云MaaS市场的Token份额达到49.5%，年累计Token消耗超过1万亿的企业客户已超过200家。 个人用户在使用，企业也在接入，模型能力开始进入编程、智能体、多模态处理等更广泛的工作场景。 其次，是把AI带进内容生产。红果短剧表现亮眼。 据QuestMobile监测，2026年7月，红果短剧日活跃用户达到1.68亿，同比增长107%。 各大平台日活跃用户对比 另外，截至2026年5月，红果免费漫剧月活用户达到约3914万。AI可以参与角色设计、场景生成和视频制作，短剧平台负责分发，广告和内容分账负责商业化。 字节原本就拥有抖音、红果、番茄小说等内容生态，如果AI能够降低部分内容生产门槛，平台就有机会扩大内容供给。 最后是把AI带入医疗健康和药物研发。面向用户，字节旗下的小荷健康正在发展小荷AI医生服务；面向研发，字节此前孵化的AI制药业务Anew Labs，则在尝试用AI参与药物发现。 2026年9月，Anew Labs完成2.9亿美元外部融资，估值约15亿美元，字节预计仍持有56%的股份。 当AI从一家巨头的业务布局，变成一整批创业公司争相进入的赛道，财富榜上的变化也就不难理解了。 02 AI批量造富:富豪榜快被 AI 包了 《2026胡润百富榜》最值得注意的数字之一是：超过160位上榜企业家的财富来自AI，约占全部上榜者的十分之一。 AI已经成为今年最大的单一财富增长引擎。机器人赛
IT之家 10 月 27 日消息，苹果公司今日宣布为 Apple 创作坊带来重大更新，为创作者带来专业级工具。Mac 版 Final Cut Pro 现内置 MotionVFX，集成视觉特效、插件、转场、模板和运动图形工具等功能。同时 Pixelmator Pro、Keynote 讲演、Pages 文稿和 Numbers 表格推出多项全新 AI 功能 Beta。 Apple 创作坊将于今年 11 月以免费更新的形式通过 App Store 推出。 IT之家了解到，Mac 与 iPad 版 Final Cut Pro 为视频剪辑师、内容创作者和电影工作者提供了一系列新功能。Mac 版 FCP 现在将 MotionVFX 直接整合进 App， 剪辑师可使用数千种元素，包括模板、图形、标题字和转场 ，以及转描、跟踪和校色工具。剪辑师还可直接在 Final Cut Pro 里访问内容库，无需离开当前工作流，便可取用 Apple 精选素材视频、照片和背景，用于填充空白、润色画面。 Final Cut Pro 的跨 App 工作流和视觉创作体验也迎来升级。 剪辑师可直接在 Pixelmator Pro 里打开时间线中的任意图像 ，使用编辑工具并将更改自动回存到项目中， 无需重新导入 。Final Cut Pro 还引入了工作流优化功能，包括更多关键帧调节选项，以提供更精细的动画控制；可将片段从主故事线中断开并放置在时间线任意位置的功能。 Motion 还内置了一套 MotionVFX 插件，可进行电影级调色、3D 相机跟踪及一键选择功能，打造令人惊艳的视觉效果。此外，Compressor 还首次支持对使用 iPhone 18 Pro 和 iPhone Duo 以电影效果模式拍摄的视频进行编码。 Mac 与 iPad 版 Logic Pro 带来多种使用直观的新工具，帮助用户制作节拍、创作歌曲、进行混音和制作。界面采用 Liquid Glass 打造全新设计，采用半透明界面和更高的对比度突出波形和音轨。
“你让工人下岗，我们就让你下架。” 10月26日，“老干妈AI裁员传闻引争议”话题登上社交平台热搜。原因是有多家自媒体发文称“老干妈一年营收高达54亿元，却用AI把600名工人精简到48人”。 在不少网友看来，这就是企业没有做好管理决策，让AI抢了人的饭碗，甚至有消费者表示不再购买老干妈。 受此传闻影响，老干妈近日的线上销售额出现了明显下跌。公开报道显示，以某电商平台为例，10月22日起老干妈连续多日销售额为1000—5000元，而在传闻开始前，其日销售额多稳定在5000—1万元。 对此，老干妈官方热线的接线工作人员回应称，相关AI裁员传闻为不实信息，公司从未发布此类信息，请消费者理性看待。 此前，老干妈常务副总、首席质量官李鑫在2026年贵州省质量发展大会上披露，老干妈的AI视觉质检上线之后，产品不良率大幅下降，2025年营收达54亿元。 据《中国商报》报道，李鑫的发言中还提到：“此前整条流水线上有超过600名拣椒工人，系统上线后仅保留48人。” 当“79岁陶华碧用AI一年赚54亿”的捷报与“AI裁员争议”的质疑叠加在一起，舆论场上的追问也随之出现——那个从摆摊卖凉皮起家、头像被印在每一瓶辣酱上的“国民女神”，在AI走进车间之后，还在不在乎一线工人？ 对于老干妈这样草根出身再一路逆袭为国民品牌的企业而言，AI从来不是一道单一的技术题，更是一道人心题。 “国民女神”老干妈 老干妈绝不是唯一一个将AI技术引进工厂的企业，但之所以引发如此大的舆论，离不开其从草根逆袭的企业发展史以及超高的国民度。 可以说，老干妈的品牌资产从一开始就不是靠效率建立起来的，而是靠口口相传的人情味和信任感。 公开资料显示，老干妈的创始人陶华碧是一位来自贵州农村的普通女性，没读过书，为了生计摆过地摊、卖过苦力，也曾远走他乡去打工挣钱。 一度靠摆摊卖凉皮谋生的陶华碧，有着一手做辣酱的好手艺。 1989年，42岁的陶华碧在贵阳龙洞堡，用积蓄开了一家小餐馆，主打凉粉和凉面，她还精心调制了8种口味各异的辣椒酱，这些辣酱得到了顾客们的广泛好评。 餐馆的附近有一所学校，陶华碧常常让家境贫困的孩子免费吃粉，有孩子和陶华碧熟悉后直接称呼陶华碧为“干妈”，久而久之，学生们都这么叫了起来。一传十，十传百，当地人都知道龙洞堡街边有一个慷慨的“老干妈”。 1994年，贵阳市修起了环城公路，原本地处偏僻的龙洞堡成了公路的主干道，过路的货车司机常常来小店吃饭，陶华碧心疼他们路途奔波、平时送货时只能吃点素饭素面，就为他们做了不少辣椒酱。 走八方的货车司机们打响了陶华碧辣酱的名头，整个贵州都知道龙洞堡的“老干妈”辣酱味道好。甚至有人为了吃这一口辣酱，专程驱车赶来。 1996年，陶华碧正式创办了老干妈品牌，专门做辣椒酱，辣酱瓶身印着的陶华碧个人照片，就是辣酱品质的最佳代名词。当地人都知道，那个瓶身上的老太太，就意味着实在
随着战线越拉越长，活动越来越多，商家和消费者对“常态化”的双11大促已经不再有特别的感受，心态更趋向于平静。一位商家感慨：“以前这个时候，被问得最多的都是关于双11的问题，现在大家已经不关心双11了。” 当然，在例行筹备与惯性抢购之间，也不是没有新鲜事。至少对各家电商平台来说，双11的准备工作还包括一项——密集推出并进一步落地AI工具。 10月14日，阿里巴巴旗下千问办公推出电商版，其定位为“全行业开放、跨平台经营的AI Agent平台”，尝试帮助商家整合多平台经营数据、批量生成营销素材、进行卖点和投放分析。京东继续推进数字人直播，7月上线的京麦AI经营中心向商家开放了数十款核心AI工具，全新升级的AI购物助手“东东”也开始为用户提供更多购物决策参考。抖音电商则在后台上线了“豆包运营”看板，直观展示来自豆包渠道的成交等指标，还针对中小商家推出开店托管、分销管家等多款免费AI运营工具…… 从商品文案、图片、短视频的制作，到智能客服、库存管理和经营分析，AI正在被塞进商家日常经营的各个环节。这些动作背后，平台的期待或许是：借此提高商家的经营效率，也让AI尽快找到可以落地的生意。 但商家的想法未必和平台一致。一位多平台经营的商家告诉电厂，他没有关注千问办公电商版的内测，因为已经自行开发了相关工具。在他看来，淘系生意参谋内置的AI功能、阿里妈妈达摩盘AI管家等产品可以覆盖大部分日常需求，“千问办公那个电商版更像是把这些功能整合到了一起”。他说，对电商新手而言，这样的产品或许十分方便，耕耘多年的商家却更希望工具能够按照自己划定的方式运行。 另一位商家则在最近关掉了淘宝和京东的AI客服功能。原因很简单，AI虽然可以及时回复消费者，却经常由于答不准细节而增加他的工作量。他宁愿让人工客服重新接手，也不想为AI的错误承担原本不必出现的后果。 某种程度上来看，电商平台的AI功能逐渐累加，商家却没有全部买账。毕竟，工具的应用只是起点，能否顺畅接入已有固定流程、准确处理日常经营业务，以及后续要花多少钱，才是决定商家是否坚持使用的关键。平台在拨算盘，商家也在算自己的账。 从购物到经营，平台把AI放进电商两端 AI在电商平台的实际应用都是相似的——既要让改进消费者的购物体验，也要提升商家的经营效率，即落地在两端。 以淘宝为例，今年618大促之前，阿里巴巴旗下千问与淘宝于5月11日正式全面打通。在具体使用过程中，用户可以通过千问App和淘宝App内置的“千问AI购物助手”完成商品的挑选、对比和购买。购物过程由输入关键词搜索、逐一浏览商品页面，向通过与AI对话描述需求、让AI协助筛选转变。 而在10月14日，千问办公电商版开启邀测，面向商家提供跨平台经营看板、经营趋势洞察、营销素材生成和广告投放优化等功能，目前已接入生意参谋、有赞、千牛等经营工具，未来还将深入到电商经营流程的各个环节。根据
挨到深秋，“游戏公司做AI短剧&漫剧”已经变成不少局内人的压力来源。 面对年初在雄心里扬起的“第二增长曲线”，以轻、重资产，自研或合作形式接连入局的玩家们正逐个回归理性。或开始用数据去衡量愿景，或干脆道心破碎，对记者抱怨“也不知道是因为小看还是高看了AI”。 回头来看，这场持续近一年的风潮里似乎没有明确的赢家：高投入的上市公司大多收益寡淡，带着大钱和“技术底蕴”入场的头部企业和IP几乎全部哑火，同时，所有人的运营和结算标准都不健全。 所以无论入场姿势，总是干活儿的难汇报，掏钱的更迟疑。 在关于机遇的产业故事里，交卷的前夜总是难熬。 01 一种有短期KPI的战略项目 “说实话，游戏圈的跟进已经算是很即兴的了。但这些年也很少碰到这类业务需求，我觉得还是和AI的特征有关。” 在正式聊公司的业务模式和进展之前，老A先讲了这轮游戏商入局AI剧的底色。 以他所在的上市公司为例，较之过往的新业务课题，这轮的动作会有两个“奇怪的”特性。 首先，比起大模型、Agent带起的两波动作，这次的 AI剧业务更直接地，甚至单一地指向C端。 在他看来，这与AI的行业应用阶段直接挂钩。 到2026年，AI在游戏产业的落地已经从生产层逐渐迈入体验层。也就是“从公司的成本、效率层面，转向用户的游戏时长、增量和LTV层面。” 在头部如《和平精英》《王者荣耀》已经用AI直接拉动具体玩法体验和DAU增长的时候，老板们需要更直观地看见技术的转化价值。“比如技术和IP资产上，年初提出的概念叫依托游戏和影视的技术同构，快速生产高品质的IP消费品。” 简单来说，是追求“一次创作，多线变现”，玩家可以在游戏外留存于AI短剧而不是大盘里，延长整体的IP体验时长，甚至追求些简单的IAA变现。“你得在战略耐心消耗完之前，让人性和理性看到收益。起码是先赚点人头或者钱。” 同时，资本也乐于见到与时代浪潮相关的新增长空间。 游戏公司理论上的技术、资产优势能否碾压短剧这个高用户重叠度的新市场，拿到大份额？ 短剧带来的订阅、IAA、IAP是不是意味着传说中的第二增长点？ 以及另一种逻辑的AI内容的加入，到底有没有机会解决些过往产品迭代、买量模式的卡点？ 这些让人着迷的设想，共同构成了门外汉们快速入局的必要性和前景，但也决定了它第二个特性的奇怪： 这批新业务，变成了一种要完成短线KPI的战略项目。它发于B端，理论上为战略服务，但又针对C端，多要面对以月或季度为单位的业绩考核。 于是，各家带着不同侧重，形成了不同模式，但无论先发后发，最终都要面对同样的交卷时刻。 02 打法多样，卡点趋同 相比过往多轮的“影游互动”风潮，这次游戏商对AI剧的动作可算是迅猛的。仅在2025年Q4至2026年Q2，就有超过10家头部企业入局，并马上上线了具体的商业化产品，形成了挺清晰的路径图鉴。 图注：部分游戏公司AI影视向布局 第一种，是自建平台
“31个人干2天的活，现在1个人2小时就能搞定。” 这是某头部电信运营商子公司引入AI Agent后，一项财务工作的效率变化。过去，31个省的财务人员每月要花两天，核对打款、订单和开票需求三张表；如今，通过Agent平台，企业将匹配规则沉淀为Skill，一名员工只需两小时，就能完成数万张发票的数据整理。 但在该公司副总经理看来，这还算不上真正意义上的业务全流程智能化。“我们现在只是完成了中间一段。”他直言，企业真正想要的是从接收需求、开票到发送电子发票的“端到端”自动流转。 这盆冷水，恰恰浇出了当下企业级Agent落地的真实温差。 一边是底层大模型的技术狂飙，从复杂推理、自主规划到多智能体协作，AI看起来无所不能；另一边，当这些能力真正撞上企业的既有业务体系，却步履维艰。 艾瑞咨询的一组数据，撕开了这种“浅层繁荣”的面纱。 数据显示，2026年第一季度，国内大中型企业整体AI采纳率已高达90.9%，新一代大模型AI采纳率也达到81.3%；然而，67.3%的企业仍停留在L1探索试验级，真正进入L3体系优化级的只有9.1%。在过去一年落地的企业Agent项目中，83.7%都挤在通用辅助的“浅水区”，真正扎进专业业务纵深的仅占16.3%。其预测，未来18个月内，约30%-40%的企业级智能体项目，会因为算不过来ROI这笔账而陷入停滞或关闭。 问题究竟出在哪？ 过去两年，行业习惯在模型身上找答案，推理不够换底座，链条太长扩窗口，效果不稳加工作流。但随着基础模型能力不断提升，企业开始发现，决定Agent实际效果的关键，正在发生变化。一个真正能下场干活的Agent，不仅要看懂眼前的指令，还得知道这项任务从哪来、之前经历过什么、现在卡在哪个节点，以及接下来得守哪些规矩。 这些动态流转的信息，共同指向了一个正在被产业重新审视的核心概念：上下文（Context）。 AI的竞争，正在从模型能力的比拼，进入一场围绕上下文的争夺战。新的标准之下，船上的人和想登船的人，又该如何换桨？ Agent的短板，藏在模型之外 想要找到答案，先要理清Agent落地的真实现状。 过去，企业部署Agent，最常见的方式是“Prompt+RAG”。简而言之就是把内部制度、历史文档接入知识库，让模型根据检索结果回答问题。 这套方法在知识问答、内容生成等场景中已经取得一定成效，但当Agent真正进入业务流程，问题就开始暴露。 以制造业B2B销售为例。从挖掘线索、分析需求，到多轮报价、合同审核和最终交付，一笔订单的成交往往需要数周甚至数月。在此期间，Agent不仅要能生成销售方案，还得知道客户上次拒签的原因、销售总监承诺过什么折扣，以及当前订单是否触及信用额度红线。 这些信息分散在不同系统和任务节点中。一旦Agent无法继承此前的谈判记录，就可能向客户重复提出已经被拒绝的付款方案。在真实的商业谈判中，这样的