dc

Google 月付 9.2 亿美金租 SpaceX 11 万颗 GPU，这是继 Anthropic 之后第二笔超大额算力租赁 hyperscaler 自己都不够用了。AI 算力正在从自建变成可租赁 builder 们：未来你会选 cloud 大厂还是 neo-cloud 的算力？

Apple 花了两年重构 Siri，WWDC 2026 上终于拿出了 Siri AI：Dynamic Island 入口、独立 App、屏幕感知、多轮对话、跨设备 iCloud 同步 核心优势是 2B 设备的原生集成 + on-device 隐私 + 个人数据深度访问 但 ChatGPT/Claude/Gemini 已经跑了两年。你觉得生态集成能追平能力差距吗？

7/ 给 builder 的三个启发： 第一，高质量标注数据可能比算力更稀缺也更关键。 第二，强语言编码器带来的跨语言能力是免费的红利。 第三，小模型加好数据的路线在垂直领域可能大有可为。 微软注明仅限研究用途，谁会第一个把它推到生产环境？

1/ 微软研究院今天发表新论文：3.8B 参数的文本生成图像模型，打败了 80B 参数的对手，只用了对手 1/5 的训练算力。 不是参数竞赛的反转，是训练范式的转变。 拆解这篇值得关注的研究：

6/ 速度方面，蒸馏版 Lens-Turbo 只需 4 步，在 H100 上不到一秒就能生成百万像素图片，标准版大约三秒。 在文字渲染和复杂场景的测试中，效果超过了参数大得多的竞品。 代码和权重已用 MIT 协议开源。

5/ RL 阶段的设计值得注意： 预训练后用强化学习进一步优化，覆盖人物、动物、场景等十个类别。 关键发现是训练素材的多样性比数量更重要，去掉某一类别会直接拉低对应领域的生成质量。 推理时模型前面加了一个改写器，把简单输入扩展为详细描述。

4/ 跨语言能力是一个亮点： 文本编码器用了开源语言模型，训练数据只有英文，但模型能理解中文、法文、日文的输入。 好的语言编码器不仅加速训练，还带来了零样本的跨语言泛化。

3/ 架构选择同样讲究： 语义 VAE 不选传统重建指标最优的，而是直接放进文本生成图像训练里测，最终 FLUX.2 的语义 VAE 胜出。 混合分辨率训练：同时训练多种宽高比，模型能泛化到未见过的分辨率，省去了昂贵的高分辨率数据训练轮次。

2/ Lens 的核心思路：不是堆参数和堆数据量，而是提高每条训练数据的信息密度。 研究团队用大语言模型为 8 亿张图像生成了约 100 词级别的详细描述，替代网上常见的简短标注。 实验显示高质量 caption 的训练效果显著优于短描述。

阿里大重组: 合并通义与未来生活实验室, 成立 Token Foundry, CEO 吴泳铭亲自挂帅。 Qwen 3.7 Max (1M context, Agent 原生), Happy Horse (视频生成全球榜首), Happy Oyster (实时世界模型) 全部归入。平头哥芯片+百炼 MaaS, 从芯片到模型到分发全链路打通。 对开发者: Qwen 3.7 Max 的 1M 上下文和 Agent 原生设计值得关注。 Token 供应链的控制权之争进入正赛。

GTC Taipei: NVIDIA 发布 Cosmos 3, 首个开源物理 AI 基础模型。 mixture-of-transformers 架构, 把视觉推理、世界生成、动作预测整合到一个系统。文本/图像/视频/声音/动作多模态原生支持。 对 robotics builder: 训练周期从月缩短到天, 预训练权重直接可用, 还能在 HuggingFace 下载。 物理 AI 的基建层正在快速成型。

WWDC 2026 最重磅更新: Apple 彻底重建 Siri, 改名 Siri AI, 底层接入 Google Gemini 模型。 新增专用 Siri App, Dynamic Island 交互, 跨应用上下文感知, 相机视觉智能。 对 iOS 开发者: Spotlight 新增 AI 问答入口, 第三方 App 可注册 App Toolbox。 不是追赶, 是用隐私+生态换道超车。开发者们怎么看这个路线?

今日 3 件事 | 06.08 1. Anthropic: Claude写了自家80%代码，提出RSI警告与AI slowdown 2. OpenAI: ChatGPT Lockdown Mode上线，防御prompt injection 3. GitHub Copilot App扩预览：Canvases让人机同面协作 builder日常：早上Anthropic焦虑，中午OpenAI紧张，晚上Copilot写代码。

OpenAI 今天推出了 ChatGPT Lockdown Mode，专门防 prompt injection。 随着 AI agent 开始操作外部工具、访问企业数据库，prompt injection 从学术威胁变成了工程现实。 Lockdown Mode 限制 ChatGPT 如何处理不受信内容。但这只是补丁，不是根治。 最好的安全是你不需要调用的安全机制。

Anthropic 今天抛了一枚重磅炸弹：Claude 已经写了 Anthropic 自己代码库 80% 的代码。 更激进的是，他们提出 AI 可能很快进入 recursive self-improvement 阶段 —— 模型自己设计下一代模型。 Jack Clark 的原话：这不是科幻，只是还没到拐点。 你觉得 RSI 会在 2028 年前到来吗？

📄 论文全文：research.perplexity.ai/articles/rethi…

昨晚 Perplexity 发了篇架构论文，彻底重新思考了 AI Agent 怎么做搜索。 他们叫它 Search as Code（SaC）。 简单说：Agent 不再反复调用搜索 API，而是自己写 Python 代码，把搜索拆解成原子操作并行执行。 结果：在 200 个 CVE 研究任务上，token 用量减少 85%，准确率从 <25% 提升到 100%。 这不是优化，是架构范式转移。

7/ 局限也要说清楚： - SDK 闭源，数据来自 Perplexity 自测 - 目前只能在 Perplexity Cloud 上用 但核心思路可复现——把循环、过滤移出 parent context，在代码里执行。任何有 code execution 的 agent 都能套用这个模式。 论文链接见评论。 如果你的 agent 能自己写搜索 pipeline，第一个交给它的 workflow 是什么？

6/ 成本表现同样重要。 SaC 在不同推理级别下全部位于 cost-performance frontier： - Low：比所有非 SaC 系统便宜，准确率仍超过其中两个 - Medium：不到 1 美元/任务击败所有非 SaC 系统 - High：绝对准确率最高 同样跑 GPT-5.5，架构差异直接转化为性能和成本差距。 Function calling 可能是过渡技术，代码生成的确定性执行才是终局接口。