AI中文社区｜AI新闻｜ AI赚钱

Telegram必备的搜索引擎，极搜JISOU帮你精准找到，想要的群组、频道、视频、音乐

👉 t.me/jisou2?start=a_6927807541

Meta 推出编程 Agent Muse Code，主打低价和数据换折扣

Meta 已推出编程 AI Agent「Muse Code」测试版，由新模型 Muse Spark 1.2 驱动。根据 Meta 官方介绍，Muse Code 面向大型代码库任务，可以规划修改、编写代码并验证结果，也支持多个持续运行的后台子 Agent 协同处理复杂任务。

价格是这次发布最受关注的部分。据 VentureBeat 等报道，Muse Spark 1.2 标准档价格为每百万输入 token 1.25 美元、每百万输出 token 4.25 美元，缓存输入为每百万 token 0.15 美元。相比 Anthropic 高端模型 Claude Opus 5 的相关价格，原始 token 成本大约低 75% 到 80% 左右。

Meta 还提供更便宜的 Contributor 档：每百万输入 token 0.10 美元、每百万输出 token 0.20 美元，缓存输入降至 0.002 美元。但这个价格的前提是，用户允许 Meta 使用提交的 prompts 和 completions 来改进模型。对企业来说，这不是单纯的优惠价，而是一次成本和代码数据使用权之间的取舍。

从 Meta 自己公布的基准看，Muse Spark 1.2 在部分编程测试中还没有超过 Anthropic 的高端模型。因此，这次 Muse Code 的定位更像是用价格切入开发者工作流：它未必是当前最强的编程 Agent，但可能吸引那些对大规模自动化编程成本更敏感、且能接受数据条款的团队。

这里需要注意，Muse Code 目前仍是 beta，且可用平台、价格和数据条款都可能调整。企业如果要在真实代码库中使用，最关键的不是只看 token 单价，而是确认代码、客户数据和内部信息是否允许进入 Contributor 档。

Claude 服务突发故障，Anthropic 称已定位多个模型错误原因

Anthropic 旗下 Claude AI 服务于 8 月 24 日出现故障，Downdetector 和 X 上相关报告激增。故障约从美东时间当日 0 点开始，截至发稿已持续超过3小时。

Anthropic 已在状态页确认，已定位影响 Claude Mythos 5、Claude Fable 5、Claude Opus 5 等多个模型的高错误率原因，正在修复，但尚未给出完全恢复时间。

Hugging Face 据报探索出售，估值可能达到 130 亿美元以上

据 Business Insider 援引知情人士消息，Hugging Face 正在探索潜在出售，交易估值可能达到 130 亿美元或更高。报道称，公司已与银行合作，评估潜在买家的兴趣，但目前尚未达成交易。

Hugging Face 是 AI 开发者常用的模型与数据集平台。公司在 2023 年完成 2.35 亿美元融资，当时估值为 45 亿美元，投资方包括 Salesforce、Google、Amazon、Nvidia、Intel 等科技公司。若 130 亿美元估值最终落地，将接近其上一轮估值的三倍。

这里需要注意，当前消息仍停留在“探索出售”和“评估买方兴趣”阶段，并不等于公司已经决定出售，也不代表已有明确买家。Hugging Face 方面暂未对相关报道作出公开确认。

这条消息值得关注的地方在于，AI 基础设施和分发平台的战略价值正在被重新定价。Hugging Face 自身不属于典型的前沿大模型公司，但它连接了大量模型、数据集、开发者和企业用户。如果大型科技公司或 AI 公司真的出手，影响的可能不只是估值，也包括开源模型生态的中立性和平台治理。

据 Axios：AI 研究员 Luke Metz 离开 OpenAI，加入 Meta 超级智能实验室

据 Axios 援引知情人士消息，AI 研究员 Luke Metz 已离开 OpenAI，并加入 Meta 的 Superintelligence Labs，预计本周正式开始新工作。该消息尚未见到 Meta 或 OpenAI 的官方公告。

Metz 近两年的职业流动比较受关注。根据报道，他曾在 2024 年离开 OpenAI，加入 Mira Murati 创办的 Thinking Machines；今年早些时候又回到 OpenAI。此次转向 Meta 后，他将进入 Alexandr Wang 负责的 AI 团队。相关动向最早由 X 平台爆料账号 ArfurGrok 披露，随后获得 Axios 知情人士确认。

这也是 Meta 继续补强顶尖 AI 研究团队的一部分。此前 Meta 与 Scale AI 达成数十亿美元级别合作，并引入 Scale AI 前 CEO Alexandr Wang 负责相关 AI 业务。围绕 Superintelligence Labs，Meta 近期一直在高强度招揽研究和工程人才。

这件事本身不是一次产品发布，但能看出大模型公司之间的人才竞争仍在升温。对 Meta 来说，真正值得观察的不是单个研究员的流动，而是这些招募能否转化为更稳定的模型研发节奏和产品落地能力。

奥尔特曼谈 AI 治理：既担心失控，也担心控制权落入少数主体

OpenAI CEO 萨姆·奥尔特曼在 8 月 23 日接受 David Senra 播客采访时表示，他担心 AI 最终由少数公司、模型或个人掌控，让大多数人失去对技术如何塑造社会的发言权。他认为，更理想的方向是让更多人能够实际参与并掌控未来，社会与模型共同演化。

奥尔特曼同时承认，AI 脱离人类控制同样是需要严肃面对的风险。他提出的张力在于：如果社会因恐惧失控而过度收紧技术的使用和分发，可能会形成另一种风险，即能力、基础设施和决策权进一步集中到少数机构手中。

这场争论也投射到开放权重模型上。Anthropic 近期公开表示，它并不主张全面禁止开放权重模型，但对前沿能力开放后的不可逆风险保持谨慎；另一边，英伟达、微软、Meta 等公司支持避免过早限制开放权重生态。OpenAI 也已发布 gpt-oss-120b 与 gpt-oss-20b 两款 Apache 2.0 许可的开放权重推理模型。

不过，开放权重并不能自动解决“谁掌控 AI”的问题。模型权重是否可获得，只是其中一层；算力、云服务、芯片供应、数据、分发渠道和监管规则，同样决定了谁能够真正部署并从 AI 中获益。

对开发者和普通用户而言，更值得关注的不是简单选择“开放”或“封闭”，而是治理是否能同时满足三件事：高风险能力有可验证的安全边界，用户和中小团队仍能获得足够的使用与创新空间，关键基础设施和规则制定不被少数主体完全垄断。

得州州长 Abbott 批评 AI 数据中心建设方式：行业“自掘坟墓”

得州州长 Greg Abbott 表示，AI 数据中心行业因未能赢得社区支持，正在招致“理应得到的抵制”。他认为，项目推进过快、与居民沟通不足，让原本可能获得就业和税收支持的建设计划演变成电网、用水和生活成本的政治问题。

这种反对并非个别现象。盖洛普今年 3 月的调查显示，71% 的美国人反对在自己所在地区建设支持 AI 的数据中心，其中接近一半表示强烈反对。居民担心的重点包括电力价格、水资源消耗、施工扰动和本地基础设施承压。

Abbott 的政策也出现调整。8 月初，他要求得州公共事业委员会和 ERCOT 审核所有正在申请接入电网的数据中心项目；审核完成前，项目不能继续获得接网批准。审核范围包括项目用电与自备发电、用水与冷却、税收优惠、所有权结构，以及对社区和电网的影响。

需要注意的是，这不是叫停所有在建数据中心。根据得州电网运营方的说明，当前需要审核的主要是约 250 至 300 个、处于接网流程中的项目，其中多数为数据中心。将其概括为“叫停 1800 个项目”会夸大政策的实际范围。

AI 基础设施竞争正在从芯片和模型，延伸到电网与社区许可。对开发商而言，获得土地和资金已经不够，能否证明项目不会推高居民成本、挤占水电资源，并让社区获得可感知的回报，将直接影响建设速度和政策风险。

Guidelight 评估五家前沿 AI 实验室：没有一家公开披露完整的失控模型遏制方案

AI 安全标准机构 Guidelight AI Standards 发布了对 Anthropic、Google、Meta、OpenAI 和 xAI 的公开信息评估，考察六项控制措施：内部活动日志、监控有效性、风险动作拦截、异常行为触发的暂停机制、第三方审查，以及失控模型遏制预案。

最需要纠正的一点是：OpenAI 并非总体唯一第一。Guidelight 的总评中，Anthropic 与 OpenAI 均为 C+、平均分 2.50；Google 为 D+，xAI 为 D-，Meta 为 F。所有评分均基于公开材料，不能据此判断企业未披露的内部措施是否存在。

但在“遏制预案”这一单项上，OpenAI 得分最高，为 3 分，属于“实质性部分实施”。Guidelight 对遏制预案的定义是：当发现模型试图规避人类控制时，事先明确应撤销哪些权限、限制哪些部署，以及何时完全下线模型。Anthropic 和 Meta 在该项得 0 分，Google 得 2 分，xAI 得 1 分。

报告的结论并不是“企业毫无安全能力”。Anthropic 和 OpenAI 在内部活动记录、异常行为扫描与人工升级等环节的公开披露相对更完整；Google 也发布了较具体的 AI Control Roadmap。问题在于，公开信息显示，五家公司尚未有任何一项控制措施达到 Guidelight 所定义的“接近完整实施”。

这份评估的价值，在于把“有安全框架”进一步拆成可检查的工程问题：能否看见模型在做什么，监控是否真正有效，高风险操作能否被阻断，异常发生后是否能及时暂停，以及在控制失效时是否有预先定义的处置流程。

随着模型被用于代码执行、工具调用和更长程的 Agent 工作流，安全治理不能只依赖模型拒答或上线前测试。真正关键的是，模型进入生产环境后，组织是否具备可验证、可执行、可演练的权限收缩、隔离与停机机制。

匿名模型 Ox Alpha 在 OpenRouter 获得大规模 Agent 流量，身份仍未公开

匿名推理模型 Ox Alpha 上线 OpenRouter 后，迅速进入多款 Coding Agent 和长程 Agent 工作流。OpenRouter 将它描述为适合编程、持续性 Agent 任务和生产工作流的模型，支持约 100 万 Token 上下文，以及文本、图像和视频输入；当前在平台上免费提供。

截至 8 月 24 日，OpenRouter 的应用流量面板显示，Hermes Agent、Claude Code、Oh-My-Pi、DeepSeek Harness 和 ZCode 等前五个应用对 Ox Alpha 的累计 Token 用量已超过 4 万亿。这个数字反映的是聚合调用量，不等同于独立用户数、付费收入或模型能力排名，但说明它已经不只是社区测试对象，而是被接入真实的 Agent 工作流。

Ox Alpha 的开发方仍未公开。OpenRouter 明确表示，它只是请求路由方，不是该模型的开发者、所有者或运营方；模型由匿名第三方在预览期提供。社区针对 Tokenizer、错误信息和多模态行为的分析，确实提出了其可能与智谱 GLM 系列有关的猜测，但目前没有厂商正式认领，不能当作已确认信息。关于其属于 Gemini 新版的说法同样缺乏官方证据。

另一个容易被忽略的边界是数据政策。OpenRouter 页面写明，提示词和输出会被匿名提供方保留，虽然该提供方声明不将其用于训练。这不等于零数据留存，因此不适合直接提交密钥、私有代码、客户数据或其他敏感内容。

Ox Alpha 的热度说明，开发者愿意把免费、高上下文、适合工具调用的模型接入实际工作流。但大规模调用只能证明它获得了分发和试用，不足以替代可靠性、安全性、长期价格和真实任务成功率的评估。身份、服务承诺和数据边界仍然未明之前，更适合将它用于隔离的实验环境，而不是默认生产模型。

vivo BlueLM 3.5 Nano 3B 登顶 SuperCLUE 手机端侧模型榜，89.86 分接近云端参考模型

SuperCLUE 最新 OnDevice 手机端侧大模型测评中，vivo 的 BlueLM 3.5 Nano 3B 以 89.86 分位列端侧模型综合第一。Qwen3.5 9B 和 Qwen3.5 4B 分别以 87.82 分、85.16 分排在其后。

这份测评聚焦可在手机本地运行的模型，云端模型只作为参照，并不参与端侧排名。作为参考，Gemini 3.6 Flash、豆包 Doubao Seed 2.1 Pro 和 Qwen3.8 Max 的分数分别为 93.64、92.99 和 92.25。BlueLM 3.5 Nano 3B 与最高参考分相差 3.78 分，但这不等同于它在所有真实任务中已经与云端旗舰模型对等。

更值得关注的是参数规模。3B 模型需要在手机的算力、内存和功耗约束下运行，能取得这一成绩，说明端侧模型在特定评测集上的压缩、推理和软硬件协同正在快速进步。对于离线文本处理、系统级助手、相册检索和部分图像理解等任务，本地模型有机会减少等待时间，也降低了必须把内容发送到云端的需求。

但“端侧运行”不自动等于所有数据都不会出设备。最终体验取决于手机系统和具体功能是否混合调用云端服务，开发者和用户仍需要查看功能说明与隐私政策。复杂推理、长上下文、多步骤 Agent 任务，以及持续更新的知识类需求，云端模型仍有明显优势。

榜单成绩可以说明模型在统一测试条件下的能力上限，却不能替代真实体验。端侧 AI 接下来要比的，不只是单项跑分，还包括首 Token 延迟、功耗、离线成功率、跨应用协作能力，以及在不同手机硬件上的稳定性。

前沿模型不再自动胜出：企业开始重新计算 AI 的总成本

模型市场正在出现一个很实际的变化：最强模型仍然有价值，但它不再天然是企业的默认选择。采购决策开始从“能力上限”转向任务成功率、Token 成本、延迟、数据政策和工作流兼容性的综合比较。

支付平台 Ramp 在 7 万多家美国企业的支出数据中发现，Anthropic 最高价的 Claude Fable 5 上线后，占 Anthropic 模型支出的约 11.4%，对应 Token 用量约 6%。作为对照，OpenAI 的 GPT-5.6 Sol 占其模型 Token 用量约 25%、支出约 23%。Ramp 的样本偏向技术型企业，不能代表全部市场，但它反映出一个趋势：更强的能力并不必然换来更高的企业采用率。

这不是 Fable 5 的性能问题。Anthropic 将它定位为复杂软件工程、研究和知识工作的高能力模型；但对大量日常任务来说，性能更接近、价格更低的模型可能已经足够。Anthropic 在 7 月推出的 Claude Opus 5 就是一个例子：官方称它以约一半成本接近 Fable 5 的能力，并允许用户通过 effort 设置在质量、速度和 Token 消耗之间调整。

OpenAI 的策略也类似。GPT-5.6 将模型分为 Sol、Terra 和 Luna 三档，分别服务高难度推理、平衡型任务和高频低成本调用，并在后续下调了部分档位价格。模型厂商正在把“以更少 Token 完成同样工作”变成产品竞争的一部分，而不是只争单项能力榜单。

另一侧，开放权重模型正在让 API 定价变得更分散。DeepSeek-V4 已开放权重，官方 API 只是获得模型能力的一种方式；云厂商、聚合平台和第三方 Agent 产品可以自建或托管部署，在价格、限额、延迟与数据政策上提供不同组合。DeepSeek 官方近期调整 V4 API 价格后，这种差异会更容易被开发者感知。

例如，Freebuff 的公开配置中仍提供 DeepSeek V4 Pro 的免费使用入口，但同时标注了数据可能用于训练。OpenRouter 上的 Ox Alpha 目前也是免费预览，提供 100 万 Token 上下文和多模态输入，但模型提供方尚未公开，免费状态和可用性都可能变化。免费不等于零成本，只是成本被广告、数据使用、排队、限额或稳定性等条件重新分配。

这也解释了为什么“更便宜的开放模型正在替代美国闭源模型”不能被简单化。Ramp 的数据显示，模型服务平台和开放模型的使用在增长，但新采用 AI 的企业仍主要从美国模型厂商开始。更可能的现实是，团队正在形成多模型分层：把昂贵的前沿模型留给高难度、错误代价高的任务，把日常编码、批处理和试验性 Agent 工作流交给性价比更好的选择。

对开发团队来说，下一步不是寻找一个永远最强或永远免费的模型，而是建立按任务路由的评测与成本机制：用真实任务比较成功率、延迟、Token 消耗和返工率；为私有代码单独评估数据保留与训练政策；再根据结果决定哪些任务值得使用旗舰模型，哪些任务应该切换到低成本或开放权重方案。

GitHub 复盘 8 月 17 日近 8 小时故障：一次 sidecar 扩容失配，如何演变成重试风暴

GitHub.com 在 8 月 17 日 13:28 至 21:15 UTC 出现大范围延迟和错误，持续 7 小时 47 分钟。Issues、Pull Requests、API、Actions、Copilot 以及 SAML/OIDC 认证均受影响；高峰时 Web/API 错误率约 20%，archive 和 raw 下载错误率约 50%。

GitHub 的复盘显示，最初问题出在 Central US 数据中心：一个 Istio sidecar Pod 达到并发上限，但自动扩缩容策略只监控宿主服务，没有覆盖 sidecar 的容量限制，因此未能及时扩容。

随后，流量压力传导到 4 台 HAProxy 节点并耗尽其流量限制，网关认证链路出现延迟和失败。客户端的乐观重试又将内部负载进一步放大；其中，VS Code 一个潜伏的重试问题让部分请求量增加约 10 倍，Copilot Token Service 的流量从平时的 7–9K RPS 飙升到 70–100K RPS。

恢复过程中，GitHub 将部分流量切往 Northern Virginia，暂停受影响的 HAProxy 节点后立即获得较广泛恢复；同时下调网关重试，并暂时对 Copilot Token 请求返回 HTTP 403，以阻断重试循环。多数服务在 16:36 UTC 恢复，Actions 持续受影响至约 18:03，Copilot Token Service 至 21:02 才完全恢复。

后续措施包括：修正 sidecar 容量纳入自动扩缩容策略、审计 Istio 的请求和并发限制、收紧网关与客户端的重试和退避策略、修复 VS Code 的重试放大问题，并加强负载均衡容量监控与跨区域故障转移保护。

这起事故的重点不只是“某个 Pod 到了上限”。在分布式系统里，扩缩容指标漏掉一个关键瓶颈，再叠加未经约束的重试，局部容量问题就能迅速变成跨服务故障。对依赖 Copilot、CI 和 GitHub API 的开发团队来说，客户端重试预算和降级路径同样是可靠性设计的一部分。

传出苹果下一代 MacBook Pro 或搭载 M6 芯片、均热板与触控屏

一则转述消息称，苹果下一代 MacBook Pro 可能采用 M6 芯片，并引入均热板散热和触控屏设计。

目前，这些说法尚未获得苹果官方确认，消息中也没有提供可核验的具体发布时间、型号范围、配置细节或定价信息。

其中，均热板和触控屏被描述为 MacBook Pro 硬件设计的潜在变化，但现阶段仍只能视为低证据强度的产品传闻。关于 M6 芯片是否会与这些改动一同推出，同样没有可靠的官方材料可以佐证。

在苹果公布产品信息前，相关规格、价格定位和上市节奏都仍存在变数。

DeepSeek 计划统一周末 API 调用为低谷价格

DeepSeek 计划从北京时间 2026 年 8 月 23 日 00:00 起调整 API 计费规则：

周六、周日全天的 API 调用将统一按低谷时段价格收费，不再区分峰谷时段。

如果这一调整属实，开发者在周末使用 DeepSeek API 时，不需要再按具体时段判断峰谷价格，计费规则会更简单。