Demis Hassabis 的 Isomorphic Labs 拿下 50 亿美元融资,专攻 AI 药物设计。和普通 AI 制药公司不同,它背后有 AlphaFold 的技术积累。做生物医药或关注 AI for Science 的朋友可以看看资本对这条赛道的判断。
AI 教育与科研
LangChain 团队又出了一期 FAQ 视频,专门聊一个很多人踩过的坑:Agent 跑不好,到底是该换模型还是改架构。他们把问题拆到了工程层面讲。正在用 LangGraph 搭 Agent 的开发者会很有共鸣,比泛泛讲模型评测实用。
fast.ai 的 Jeremy Howard 发帖说 OpenAI 同天发的模型是他见过最差的,Google 那个则是所有人里最强的。两家同日对打很少见,做模型选型的开发者可以看看他的判断再实测对比。
Mona 聊了 Muse 怎么来的,两个落地经验挺实在:用户会被第一个提示词卡住,加个启动包让人只说一句就能开始。做 AI 产品的人值得听,比看数据报告有用。
卡内基梅隆这门 Agent 开发课的讲义免费公开,讲透了 AI 出码变快后审查跟不上的解法。静态动态检查怎么搭配、哪些检查该拦合并、怎么防 Agent 绕过检查,都是写得很具体的内容,写代码的人都能直接照着搭。
Google 把 Gemini 和搜索捆绑了,想关 AI 就得连搜索一起丢。纽约、洛杉矶、芝加哥这几个大学区已经在找替代品,这事会直接影响全美学校怎么用 Gemini。如果你关心教育科技采购或 AI 进校园的争议,这篇说清了学区手里的牌。
这篇理论论文把两层网络的 SGD 权重拆成信号和正交补两块来分析,发现补空间会被训练诱导出谱尖峰、放大方差拖累泛化。做特征学习或训练动力学研究的读者能从中拿到可复用的分析工具 Decomposed Dynamics,模拟还显示冻结正交方向反而效果更好。
这条是 Muse 产品负责人的首次播客访谈,讲了从 Raspberry Pi 原型到七个月后上线的故事。如果你在做智能体产品,里面关于激活率和 agent swarms 替代仪表盘的讨论很实用,PM 和创业者都值得听。
Google DeepMind 的 Genie 4 上线了,生成虚拟世界还自带音频,能边生成边改,还有个智能体帮你搭世界。做互动内容或游戏原型的开发者可以看看 Project Genie 平台,比前几代只出视频帧要实用多了。
Hugging Face 的 Clement Delangue 和吴恩达一起上了 DealBook 活动,现场聊的是开源 AI 和开放科学。两位开源圈和教育圈的代表性人物同台,说的话可能影响政策讨论风向,关注开源生态的可以看看。
PyTorch 官方公布了 2026 年大使名单,4 个人分别来自埃及、新加坡和肯尼亚,负责教学和带新人进开源生态。做社区运营或想找地区技术资源的开发者可以关注,名单里有 APAC 的人选。
Salesforce 把自家的预测运维做成了会自我进化的智能体,排查漂移只要 27 分钟,sMAPE 还降了 14%。关键是它每次修复都从审核反馈里学习,比一次性工具更能沉淀经验。做大促预测、时间序列监控的团队可以看看这套人机分工设计。
Sea 和 OpenAI 在越南办了场 Codex 黑客松,1300 多人报名,40 支队伍进决赛,做的都是教育、科研这些本地刚需场景。想了解越南开发者生态和 Codex 实际用法的可以看看,也能感受下东南亚 AI 应用的方向。
Marcus 和 Tegmark 公开点名 Anthropic,指控它嘴上警告 RSI 危险、私下却当卖点向投资人推销,还牵扯 Palantir 军事合作。想了解 AI 安全圈内部矛盾和 IPO 前争议的读者可以看看这些具体指控。
做教育 AI 产品的可以看看这个实验。Google 让 Gemini 3.1 Pro 驱动的队友故意提错误意见、跟学生吵架,结果这组写出的商业计划书比用普通 AI 工具的对照组高出 7 分。设计思路反常识但数据说得通。
这所高中用 Wi-Fi 信号探测武器,结果把水瓶和活页夹全当成了枪,最后只能停用。想了解无摄像头安检方案真实落地有多难的,这篇的反面案例很典型,做安防或传感方向的人可以看看。
豆包这个面向办公场景的产品三个月做到 800 万日活和 20 亿元 ARR,还能自由切换 Kimi、DeepSeek 这些第三方模型。做企业服务或智能体产品的人都该看看它的计费和模型组合思路,对比飞书、钉钉的 AI 功能很有参考价值。
腾讯财报给了几个实打实的数字:WorkBuddy 日活破 1000 万、日均 Token 超 100 万亿,Hy4 flash 首日就调了 50 万亿次还登上 OpenRouter 榜首。做应用或选模型 API 的开发者可以看看这套 C 端带 B 端的打法,和豆包、DeepSeek 的路线不太一样。
印尼大学校长在 APEC 2026 上直接提醒各国:AI 的发展红利不能只落在少数经济体手里。对关注东南亚 AI 基建、政策走向的人来说,这条发言透露了区域内对算力和人才分配的真实焦虑。
Dash 又整了个狠活:32 KB 代码,不用 3D 引擎、不用多边形,浏览器里直接跑飞行场景。做前端的可以拆开看看它怎么压缩渲染逻辑的,对创意编码感兴趣的人点链接就能玩。
做微调的人可以看看这篇:它把预训练模型自己当噪声老师,只要求高温分布粗略对齐,数据少也能压住过拟合。比标准 SFT 平均相对提升最高 21%,介于 SFT 和蒸馏之间可调,适合数据不够多的后训练场景。
一篇面向科学生成建模的论文:MOSAIC 用随机掩码让分子结构和 UV/IR/Raman 光谱互为条件与目标,一个模型跑通 any-to-any 生成,QM9S 上结构恢复率 88.8%,比最强基线高 23.2%。做分子设计、光谱预测或数据稀缺场景生成建模的研究者值得看它的掩码训练思路。
做神经网络形式化验证的人可以看看这篇。它利用 Bernstein 多项式激活的数学性质做后向可达集分析,连 Half-Cheetah 控制器和 TinyBERT 蒸馏网络这种高维模型都能验证,而现有认证方法在这类规模上基本跑不动。
做教育类 AI 产品的同学可以看看这篇。它没有停在“拒答就完事”,而是按风险分级,灰色问题会转成教学引导再返回,输出还有一道审核。跟只靠对齐训练的方案比,这种外挂防护栏换模型也能用。
这篇评论把 AI 在科研里的价值说得很实在:不是要你变成 AI 专家,而是帮你省下翻文献、做重复分析的时间。做研究或管理研发团队的人可以看看怎么把 AI 塞进现有流程。
微软这次把编程模型的价格打下来了:Code 2 单次任务只要 $0.309,只有 Claude Opus 5.5 的 5%,Flash 还在 DeepSWE 1.1 等三项基准上超过了 GPT-6 Luna 和 Claude Haiku 5.5。已经在用 GitHub Copilot 的开发者和想压算力账单的企业可以直接试,按任务难度分流两个模型就行。
LangChain 团队亲自出镜讲清楚 Agent、Deep Agent 和 Managed Deep Agent 三个概念的差别,这是 Interrupt 工作坊里被问最多的问题。正在用 LangGraph 搭智能体的开发者可以直接对照自己的架构做选型,还能顺带向官方提交下一个想问的问题。
一家刚拿 5 亿美元融资的公司,思路挺特别:先造一只能贴近人手的机械手。你戴个传感器手套干一遍活,它就能学会,连按多用力都记下来。做制造业自动化的朋友可以看看,和 Figure 那些整机人形机器人走的不是一条路。
OpenAI 的 GPT-6.2 Astra 在 AA-3D 上拿了第一,152 次人评对比里赢了 139 次,专测模型做可交互 3D 场景的能力。做 WebGL、游戏原型或网页 3D 内容的开发者可以看看各模型的差距在哪。
Google 把 Antigravity 从写代码的智能体平台扩展到了机器人:接上机械臂,先在 MuJoCo 里仿真练习,再到真机上跑,全程靠对话完成。做具身智能或机器人开发的人可以直接试试这套流程,和以往写 RL 训练脚本的方式相比上手成本低不少。