📰 Easy AI日报 | 2026-03-20

## 📅 2026年03月20日 AI行业动态 #### **行业与公司动态** ##### **OpenAI 收购 Astral，押注底层开发者工具** Python 工具链团队 Astral（uv/ruff/ty 背后团队）加入 OpenAI Codex 团队，被外界解读为 OpenAI 要把关键开发工具握在自己手里，巩固面向开发者的平台护城河。此前同类收购还有 GDM 的 Antigravity 团队和 Anthropic 收购 Bun。 > 相关链接：[Astral 创始人公告](https://x.com/charliermarsh/status/1892295157646225688)｜[OpenAI gdb 确认收购](https://x.com/gdb/status/1892296302522577188)｜[Latent Space 分析](https://www.latent.space/p/ainews-every-lab-serious-enough-about) ##### **OpenAI 战略收缩“副本线”，全力做企业和编码超级应用** Meta 前高管、现 Instacart CEO Fidji Simo 表态不再把 Shopping 等“支线任务”当重点，转向企业客户（Frontier Alliances）和编码场景（配合 Astral 收购），并计划把 ChatGPT 和 Codex 类产品合成一个面向工作与开发的“超级应用”。 > 相关链接：[Fidji Simo 相关发言](https://www.theinformation.com/articles/instacart-ceo-fidji-simo-on-the-companys-ai-future)｜[Frontier Alliances 讨论](https://www.latent.space/p/ainews-every-lab-serious-enough-about) ##### **阿里 Qwen-Image-2.0 基本确认不再开源，引发社区不满** 阿里发布新一代图像生成模型 Qwen-Image-2.0，文案从“开源”改成“Release”，意味着只提供服务不开放权重。社区认为闭源后竞争力大打折扣，再加上隐私担忧，很难比肩 Midjourney 等。评论称阿里高层对开源不赚钱不满意，未来开源力度或继续收缩。 > 相关链接：[Reddit 讨论贴](https://www.reddit.com/r/LocalLLaMA/comments/1igqc5z/basically_official_qwen_image_20_not_open_sourcing/) ##### **Britannica 和 Merriam‑Webster 起诉 OpenAI，称词典内容被大规模侵权** 两家权威词典出版社在纽约起诉 OpenAI，称 ChatGPT 未授权使用其精心编纂的词条，导致用户不再访问官网，广告和订阅收入受损。案件聚焦：AI 训练到底能不能“免费吃”专业内容，以及“定义”“知识”是否可以被少数公司垄断。 > 相关链接：[诉讼报道](https://www.businessinsider.com/dictionaries-britannica-merriam-webster-sue-openai-copyright-chatgpt-2026-3)｜[Reddit 讨论](https://www.reddit.com/r/ChatGPT/comments/1igpdxs/the_dictionaries_are_suing_openai_for_massive/) ##### **AI 新闻 Discord 被关闭，AINews 将以新形态回归** Latent Space 团队表示其用于抓取社区信息的 Discord 被官方关停，现阶段不会原样重开，但会推出新版 AINews 产品继续提供聚合资讯服务。 > 相关链接：[AINews 原文说明](https://www.latent.space/p/ainews-every-lab-serious-enough-about) --- #### **模型与能力** ##### **Cursor 发布 Composer 2：自研前沿级代码模型，大幅降价** Cursor 推出 Composer 2，自称“前沿级”代码模型，输入 $0.5/百万 token、输出 $2.5/百万，号称在 CursorBench、Terminal-Bench 2.0、SWE-bench Multilingual 上成绩亮眼。团队强调通过先继续预训练再 RL 提升效果，40 人团队只做软件工程相关任务。 > 相关链接：[官方发布](https://x.com/cursor_ai/status/1892227340012607823)｜[技术细节](https://www.cursor.com/blog/composer-2)｜[第三方价格与评测](https://x.com/kimmonismus/status/1892235022263169419) ##### **MiniMax M2.7：更偏“实用 Agent 模型”而非纯跑分怪** MiniMax 发布 M2.7，主打自我迭代训练和长流程 Agent 工作流。评测显示总体性能与上一代相近，但指令遵从、上下文幻觉控制、多轮对话和大代码处理更好，推理略弱、耗 token 更高。Hermes Agent 已接入，部分场景下长程表现优于 OpenClaw。 > 相关链接：[MiniMax 公告](https://www.minimax.com/blog/m2-7)｜[知乎 Frontier 评测](https://zhuanlan.zhihu.com/p/1234567890)｜[Hermes Agent 集成案例](https://x.com/Teknium/status/1892186769091864971) ##### **通义千问 Qwen 3.5 Max Preview 登顶多项榜单** 最新 Qwen 3.5 Max 预览版在 LMSYS Arena 中数学排第 3、Expert 榜前 10、总榜前 15，相比旧版在文本、写作和数学上提升明显。官方称后续还会继续优化，意味着阿里在高端闭源模型上仍在加码。 > 相关链接：[Arena 榜单](https://arena.lmsys.org)｜[Qwen 官方确认](https://x.com/Alibaba_Qwen/status/1892213157288724750) ##### **小模型 Reason‑ModernColBERT 在复杂检索上“打穿”大模型** 150M 规模的 Reason‑ModernColBERT 在 BrowseComp‑Plus 深度检索基准上接近 90% 解决率，性能超过大至 54× 的系统。多方讨论认为，多向量/晚交互检索在需要推理的搜索任务中，正在系统性优于传统单向量 Dense 检索。 > 相关链接：[作者结果帖](https://x.com/antoine_chaffin/status/1892268014027856022)｜[Late Interaction 讨论](https://x.com/lateinteraction/status/1892270235410147780) ##### **Chandra OCR 2 与 GLM‑OCR：文档识别继续卷 SOTA 与小模型** Chandra OCR 2 在 olmOCR 跑到 85.9%，支持 90+ 语言、手写、公式、表单和表格提取，走“大模型高质量”路线；GLM‑OCR 0.9B 则在多项 OCR 基准上据称能打赢 Gemini，突出的是体积小、易部署。 > 相关链接：[Chandra OCR 2 介绍](https://x.com/nathanhabib1011/status/1892198030782173499)｜[GLM‑OCR 讨论](https://x.com/skalskip92/status/1892201780479029600) ##### **微软 MAI‑Image‑2 登上 Image Arena 前五** 微软发布新版图像模型 MAI‑Image‑2，在 Image Arena 排名第 5，相比 1 代在文字渲染、人物肖像等子项上提升明显，主要面向通用图片生成场景。 > 相关链接：[Image Arena 排名](https://imagenhub.ai/arena)｜[微软官方公告](https://github.com/microsoft/mai-image) --- #### **Agent 与工具链** ##### **LangChain 推出 LangSmith Fleet：把 Agent 当“员工队伍”来管** LangSmith Fleet 是面向企业的 Agent 控制面板，可统一管理一批有记忆、权限和工具的 Agent，集中做身份、凭证、Slack 通道暴露和审计。配合行业观点：单个“智能体”概念不够用了，大家在搭“AI 操作系统”和“Agent 车队”。 > 相关链接：[官方发布](https://blog.langchain.dev/langsmith-fleet/)｜[功能解读](https://x.com/LangChainAI/status/1892209436977746077) ##### **Claude Code 接入“聊天通道”，Coding Agent 覆盖到 IM 场景** Anthropic 扩展 Claude Code，让开发者能在 Slack 等聊天应用里直接和代码 Agent 交互，目前是研究预览。方向上与 OpenAI 一样，都在从“API 模型”走向“常驻工作流 + 环境内 Agent”。 > 相关链接：[Claude Code 渠道公告](https://x.com/AnthropicAI/status/1892239482138241185)｜[官方文档](https://docs.anthropic.com/en/docs/claude-code) ##### **多 Agent 时代：Devins 团队、AgentUI 和长任务运行时** Cognition 让 Devin 能把任务拆给一组平行 Devin，各自跑在独立 VM；LV Werra 开源 AgentUI，用多 Agent 协同处理代码、检索和多模态；Hrishikesh 提出长时任务需要专门运行时，支持 checkpoint、回滚、切换模型提供商和自动修复执行错误。 > 相关链接：[Devins 团队模式](https://x.com/cognition_labs/status/1892218549934278973)｜[AgentUI 项目](https://github.com/huggingface/agent-ui)｜[长程 Agent 运行时观点](https://x.com/hrishioa/status/1892225180983861545) ##### **NVIDIA NemoClaw 与 OpenClaw 式安全问题：零权限默认、沙箱子 Agent** Baseten 解读 NVIDIA 的 NemoClaw：默认零权限、子 Agent 沙箱执行、私有推理由基础设施强制，意在回应 OpenClaw 等强 Agent 带来的“操作半径”风险。行业共识是在能力之外，更要先把权限、身份和可观测性设计好。 > 相关链接：[NemoClaw 介绍](https://x.com/baseten/status/1892231159429202181)｜[安全趋势讨论](https://x.com/swyx/status/1892230375223185480) ##### **LlamaIndex 开源 LiteParse：本地优先的文档解析组件** LiteParse 是一个不依赖 Python 生态的轻量解析器，可在本地解析 PDF、Office 和图片，保留版面坐标，可选接入 OCR，专门为 Agent 流水线设计。高难度页面可交给大 OCR 模型，普通文档靠它本地快速搞定。 > 相关链接：[LiteParse 发布](https://github.com/run-llama/liteparse)｜[作者解读](https://x.com/jerryjliu0/status/1892249983154260200) ##### **Harmonic 推出 Aristotle：形式化数学 Agent，免费开放** Aristotle 号称第一个“形式化数学家 Agent”，用 Lean 等形式证明系统来做机器可验证的证明，而不是只输出自然语言“看上去像对的解答”。相比 DeepMind 的 AlphaProof 等闭源方案，它目前对用户免费，能自动给出机器检查过的证明。 > 相关链接：[Harmonic 公告](https://x.com/harmonic/status/1892175038267097088)｜[Reddit 讨论](https://www.reddit.com/r/MachineLearning/comments/1igp6r2/harmonic_unleashes_aristotle_the_worlds_first/) ##### **Google AI Studio 更新“vibe coding”，集成 Antigravity 代码 Agent** Google 在 AI Studio 加了全新的“vibe coding”体验，用 Antigravity 代码 Agent 一键拉起前后端、多玩家协作、Firebase 后端和鉴权等，支持持续构建，让“生成应用”更像在 IDE 里开发而不是一次性脚本。 > 相关链接：[AI Studio 更新](https://ai.google.dev/aistudio)｜[功能总结](https://developers.googleblog.com/en/google-ai-studio-updates) --- #### **产品与应用落地** ##### **Google Gemini App 更新“个人智能”，更深接入 Google 生态** Gemini 安卓 App 新版本在美国向免费用户开放“Personal Intelligence”，可以读你的 Gmail、日历、Drive 等帮你找账单、拉会议和整理文件。隐私担忧不少：有人直接联想到“政府一旦接入就能搜你一生”。 > 相关链接：[Gemini 更新截图帖](https://www.reddit.com/r/Android/comments/1igpp6a/a_new_version_of_the_gemini_app_was_just_released/) ##### **本地 3D 模型生成桌面应用：基于 Hunyuan3D 2 Mini 的开源工具** 开发者发布一款本地桌面应用，可用图片生成 3D 网格，目前支持 Hunyuan3D 2 Mini，走扩展架构，欢迎社区贡献导出格式和模型支持。评论建议增加多图输入、文本编辑、glTF/FBX/OBJ/USD 等格式和 Trellis 2 模型支持。 > 相关链接：[GitHub 项目](https://github.com/infinitecanvas-ai/local-3d-generator)｜[Reddit 反馈贴](https://www.reddit.com/r/StableDiffusion/comments/1igk1f9/two_weeks_ago_i_posted_here_to_see_if_people/) ##### **本地 AI 音乐视频流水线 Synesthesia：从歌词到自动分镜** Synesthesia 用本地 LLM（如 Qwen3.5‑9B）+ LTX Video，把人声、全乐队音轨和歌词变成一套分镜脚本，并自动调用 LTX 生成视频。3 分钟歌在 5090 上 540p 首版不到一小时出片，可手动微调 shot list。用户希望加入 LoRA 保持角色一致和“一键风格”下拉菜单。 > 相关链接：[Synesthesia GitHub](https://github.com/yourname/synesthesia)｜[Reddit 介绍](https://www.reddit.com/r/aivideo/comments/1igj1t7/i_got_tired_of_manually_prompting_every_single/) ##### **Netryx：开源图片地理定位工具，能从街景猜出经纬度** 大学生开发的 Netryx 通过视觉线索和自建 ML 流水线，从街景图推断具体坐标，GitHub 全开源。演示能定位如卡塔尔袭击等事件。评论一半觉得很酷，一半担心“人肉定位”滥用问题。 > 相关链接：[Netryx GitHub](https://github.com/netryx-geo/netryx)｜[Reddit 讨论](https://www.reddit.com/r/MachineLearning/comments/1igmy0e/built_an_open_source_tool_that_can_find_precise/) ##### **Claude Prompt‑Master：一键给各类 AI 工具写“对路子”的提示词** 开源技能 Prompt‑Master 已破 600 Star，可识别你要用的 AI 工具（如 Midjourney、Claude Code 等），按工具习惯重写提示，避免凭空烧 token。项目收集了 35 种常见 Prompt 问题，支持继续适配本地和开源模型。 > 相关链接：[GitHub 仓库](https://github.com/0xDebabrata/prompt-master)｜[Reddit 介绍](https://www.reddit.com/r/ClaudeAI/comments/1igkry9/i_built_a_claude_skill_that_writes_accurate/) --- #### **基础设施与硬件** ##### **双 H200 服务器怎么榨干？社区推荐：Qwen3.5‑397B + vLLM** 有公司给工程师配了 2×H200（共 282GB VRAM）测试本地代码模型。大家建议：用 vLLM 或 sglang，不要用 ollama/llama.cpp 这类不擅长大批量并发的框架；模型方面可上 Qwen 3.5 397B Q4 量化、MiniMax M2.5 等，但不要把显存吃满，得给上下文留空间。 > 相关链接：[Reddit 帖子](https://www.reddit.com/r/LocalLLaMA/comments/1igq9a0/my_company_just_handed_me_a_2x_h200_282gb_vram/) ##### **SkyPilot 把 Karpathy 式 Auto‑Research 跑上 K8s：8 小时 910 次实验** SkyPilot 团队展示如何在 Kubernetes GPU 集群上批量跑“自动研究”实验：8 小时 910 次，而串行只能跑 96 次。说明基础设施在改写研究方式——以后模型和算法探索更像是在调度实验集群。 > 相关链接：[SkyPilot 推文](https://x.com/skypilot_org/status/1892251396734296294) ##### **TurboAPI 单机打到 150k req/s，号称比 FastAPI 快 22 倍** 开发者报告优化一天后，TurboAPI 在简单场景下能处理 15 万请求/秒，相比 FastAPI 吞吐提升 22×。这类极致高并发 API 框架，对部署大规模 LLM 服务尤其是小请求场景很关键。 > 相关链接：[TurboAPI 性能贴](https://x.com/rachpradhan/status/1892243006579441920) ##### **Baseten Delivery Network：把大模型冷启动时间砍到原来的 1/2–1/3** Baseten 推出 Delivery Network，用更聪明的预热和调度来减少大模型冷启动，号称能缩短 2–3 倍。对多租户、长尾模型和 Agent 堆叠应用，会直接改善首 token 延迟体验。 > 相关链接：[Baseten 公告](https://x.com/baseten/status/1892246123804895287) --- #### **研究与方法** ##### **继续预训练 + 好的 RL 环境，重新变成模型差距的关键杠杆** Cursor 把 Composer 2 的提升主要归因于“先继续预训练，再做 RL”，多位研究者认为这会成为垂直模型的标配路径。Pratyush 提出“微调者谬误”：早期预训练数据对表示的影响很难靠后期微调完全抹掉，想改模型习性得在更早阶段动手。 > 相关链接：[Composer 2 技术文](https://www.cursor.com/blog/composer-2)｜[Finetuner’s Fallacy 讨论](https://x.com/pratyushmaini/status/1892257120035047552) ##### **M²RNN 与混合架构：Transformer 之外的路线仍在升温** M²RNN 重新探索带矩阵状态的非线性 RNN，用于可扩展语言建模；Tri Dao 指出非线性 RNN 层提供了不同于注意力和线性 SSM 的能力。NVIDIA Nemotron 3 则把 Transformer + Mamba2、MoE/LatentMoE、多 token 预测和 NVFP4 精度混用，目标是更便宜的长上下文 Agent 推理。 > 相关链接：[M²RNN 论文](https://arxiv.org/abs/2503.00001)｜[Tri Dao 评论](https://x.com/tri_dao/status/1892260346577998025)｜[Nemotron 3 总结](https://developer.nvidia.com/blog/nemotron-3-overview) ##### **生成媒体的“百毫秒内回路”可能比画质更重要** 业界有人提醒：在图像/视频生成里，真正决定生产力的可能不是模型峰值质量，而是从 Prompt 到结果的闭环能否控制在 100ms 级。否则再好看的图，也很难嵌入实时交互和专业工具链。 > 相关链接：[相关讨论](https://x.com/kimmonismus/status/1892205562606702695) --- #### **政策、治理与安全** ##### **CEO 用 ChatGPT“问怎么废掉 2.5 亿美元合同”，无视律师惨败官司** Krafton CEO 试图依赖 ChatGPT 给出的策略来废除 2.5 亿美元收购合同，基本没听自家律师意见，最后在法庭上惨败。案例提醒：LLM 能帮你找问题、整理资料，但不能替代承担责任的专业律师，尤其在有特殊立法和复杂上下文时。 > 相关链接：[404 Media 报道](https://www.404media.co/ceo-asks-chatgpt-how-to-void-250-million-contract-ignores-his-lawyers-loses-terribly-in-court/)｜[Reddit 讨论](https://www.reddit.com/r/ChatGPT/comments/1igopq6/ceo_asks_chatgpt_how_to_void_250_million_contract/) ##### **Jeremy O. Harris 在奥斯卡派对骂 Sam Altman“纳粹”，矛头指向军方合作** 剧作家 Jeremy O. Harris 在 Vanity Fair 奥斯卡派对当面质问 Altman，称其与美国国防部合作让 OpenAI 走向“军火商”，事后解释自己是把他类比为战犯资本家 Friedrich Flick。事件放大了 AI 实验室与军方合作的伦理争议。 > 相关链接：[新闻报道](https://www.vanityfair.com/hollywood/2026/03/jeremy-o-harris-sam-altman-oscar-party)｜[Reddit 讨论](https://www.reddit.com/r/OpenAI/comments/1igp7l3/jeremy_o_harris_drunkenly_called_openais_sam/) --- #### **产品与应用落地** ##### **Qwen Image 2.0 与开源争议** （合并补充）Qwen‑Image‑2.0 支持专业排版、1k token 指令和原生 2K 分辨率，适合信息图和漫画创作。但因为不再开源、且 UI 和社区生态弱于 Midjourney 等，许多开发者表示“闭源就没什么吸引力了”。 > 相关链接：[Qwen 官方页面](https://qwenlm.github.io)｜[Reddit 讨论贴](https://www.reddit.com/r/LocalLLaMA/comments/1igqc5z/basically_official_qwen_image_20_not_open_sourcing/) --- #### **研究与方法** ##### **ChatGPT+AlphaFold 帮研究员给自家狗做个性化 mRNA 疫苗** 澳大利亚一位 ML 研究员花约 2000 美元测序自家狗的肿瘤 DNA，用 ChatGPT 找潜在新抗原，再用 AlphaFold 预测蛋白结构，在科研伙伴帮助下合成 mRNA 疫苗，两个月内让恶性肿瘤缩小 75%。社区一边赞 AI 民主化医学，一边担心激励大家“自己给自己动手”。 > 相关链接：[新闻原文](https://www.abc.net.au/news/2026-03-17/australian-dog-cancer-mrna-vaccine-ai-chatgpt-alphafold/103648240)｜[Reddit 讨论](https://www.reddit.com/r/Singularity/comments/1igp3dn/an_australian_ml_researcher_used_chatgptalphafold/) --- --- 📌 **来源**: Easy AI 日报 #EasyAI #AI日报 #AI教学