📰 Easy AI日报 | 2026-03-04

## 📅 2026年03月04日 AI行业动态 #### **模型与能力** ##### **Google 推出 Gemini 3.1 Flash‑Lite：更快、更贵的高吞吐端点** Gemini 3.1 Flash‑Lite 预览版上线，被定位为 Gemini 3 系列里延迟最低、吞吐最高的多模态模型，1M 上下文，实测 360+ token/s、平均约 5.1 秒出答案。Jeff Dean 报价约 $0.25/百万输入、$1.5/百万输出，在 LMArena Elo 1432，但相对 2.5 Flash‑Lite 单价提高约 2.5–3.75 倍，引发“性能提升值不值价格”的讨论。 > 相关链接：[DeepMind 发布线程](https://x.com/GoogleDeepMind/status/2028872381477929185)｜[Google API 说明](https://x.com/Google/status/2028872509601333594)｜[Jeff Dean 细节与价格](https://x.com/JeffDean/status/2028876962580816143)｜[Arena 排名](https://arena.ai/leaderboard)｜[第三方性能与价格分析](https://x.com/ArtificialAnlys/status/2028882198456352852)｜[Reddit 成本吐槽贴](https://www.reddit.com/r/Bard/comments/1rjtfa3/gemini_31_flash_lite/) ##### **OpenAI 上线 GPT‑5.3 Instant，并预告 GPT‑5.4** GPT‑5.3 Instant 推送到全部 ChatGPT 用户，号称更自然、更少“说教”，减少无必要拒答，在有搜索时幻觉率降 26.8%、无搜索降 19.7%。API 中出现 gpt‑5.3‑chat‑latest，并已进 Arena 对比。官方同时放出“5.4 sooner than you Think”的预告，社区认为 5.4 可能很快上线，也被解读为转移 DoD/NSA 合同风波注意力。 > 相关链接：[GPT‑5.3 Instant 公告](https://openai.com/index/gpt-5-3-instant/)｜[OpenAI 推文](https://x.com/OpenAI/status/2028893701427302559)｜[内部指标补充](https://x.com/aidan_mclau/status/2028894122959159434)｜[GPT‑5.3 API 出现](https://x.com/scaling01/status/2028906108291616773)｜[GPT‑5.4 预告推文](https://x.com/OpenAI/status/2028909019977703752) ##### **阿里 Qwen 3.5：小模型、本地部署与推理体验** Qwen 3.5 系列在 Reddit 上讨论火爆：0.8B 小模型带视觉编码器，可在浏览器 WebGPU、本地手机等低算力设备跑通；27B/35B 版本在推理、研究任务和长上下文上表现接近更大模型，线性注意力架构提升效率。在老手机上 0.8B 也能跑到约 12 token/s，本地助手场景可用，但社区仍提醒有明显幻觉风险。 > 相关链接：[Qwen 3.5 世代对比讨论](https://www.reddit.com/r/LocalLLaMA/comments/1rjd4pv/qwen_25_3_35_smallest_models_incredible/)｜[Qwen 3.5 vs 3 基准图表](https://www.reddit.com/r/LocalLLaMA/comments/1rivckt/visualizing_all_qwen_35_vs_qwen_3_benchmarks/)｜[0.8B 浏览器 WebGPU Demo](https://www.reddit.com/r/LocalLLaMA/comments/1rizodv/running_qwen_35_08b_locally_in_the_browser_on/) ##### **苹果发布 M5 Pro / M5 Max：号称 LLM 提示处理最高快 4 倍** 苹果发布 M5 Pro 与 M5 Max，主打本地 AI 能力：M5 Pro 支持 64GB 统一内存、307GB/s 带宽，M5 Max 支持 128GB、614GB/s，并宣称 LLM 提示处理最高比 M4 Pro/Max 快 4 倍。SSD 吞吐升到 14.5GB/s，集成 N1 芯片支持 Wi‑Fi 7，社区期待其在 Mac Studio / 本地大模型上的实际表现。 > 相关链接：[LocalLLaMA 讨论帖](https://www.reddit.com/r/LocalLLaMA/comments/1rjqsv6/apple_unveils_m5_pro_and_m5_max_citing_up_to_4/) --- #### **基础设施与硬件** ##### **长上下文训练和显存优化：Together、Databricks、SkyPilot 新方案** Together 提出结合 Context Parallel + 序列并行的注意力分块方案，在 8×H100 单机上训练 5M 上下文 8B 模型，注意力显存最高降 87%。Databricks 开源 FlashOptim，可将 AdamW 显存开销从约 16 字节/参数降到 7 字节，并将 8B 微调峰值显存从 175GiB 降到 113GiB。SkyPilot 推出 Job Groups，把 RL 训练拆给高端 GPU、便宜 GPU 和大内存 CPU 协同调度。 > 相关链接：[Together 长上下文技术](https://x.com/rronak_/status/2028718679123497007)｜[FlashOptim 介绍](https://x.com/davisblalock/status/2028943987349045610)｜[Mosaic 实测数据](https://x.com/DbrxMosaicAI/status/2028977216940589383)｜[SkyPilot RL 基础设施](https://x.com/skypilot_org/status/2028878888211013907) ##### **NVIDIA Blackwell 架构拆两条线：数据中心 vs 消费级** 社区注意到 Blackwell 架构被拆成数据中心 CC 10.0 和消费级 CC 12.0 两条线，一些新特性只在 sm_100a / sm_100f 上可用，存在前向兼容性问题。对底层 CUDA/内核开发者意味着需要按 GPU 家族区分编译和优化策略，未来多代卡混用会更复杂。 > 相关链接：[NVIDIA 官方说明](https://developer.nvidia.com/blog/nvidia-blackwell-and-nvidia-cuda-12-9-introduce-family-specific-architecture-features/) ##### **ByteDance CUDA Agent 与 RL 写核：自动内核生成开始实用化** ByteDance 发布 CUDA Agent，可自动生成高性能 CUDA kernel，据论文与推文称在中小 kernel 上比 torch.compile 快 2 倍，在复杂基准上也大幅领先主流 LLM。GPU MODE 里也讨论了一款学术 RL‑CUDA agent，性能类似，但依赖大规模 GPU 池和进程隔离，真实工程成本仍不低。 > 相关链接：[ByteDance CUDA Agent 官网](https://cuda-agent.github.io)｜[官方推文](https://x.com/BoWang87/status/2028599174992949508)｜[RL Agent 论文](https://arxiv.org/abs/2602.24286) ##### **专用推理芯片与 Apple ANE：推理基础设施价值抬升** 讨论集中在两类硬件：Taalas HC1 这类硬接 Llama‑3.1‑8B 的专用芯片，可做到约 1.7 万 token/s，但只能跑固定模型；以及苹果 M4/M5 上的 Neural Engine，有实测 Llama2 110M 在 M4 ANE 上能比 A100 高 80 倍能效。配合分析预测 2030 年推理基础设施市场可达 2550 亿美金，长期价值或高于训练。 > 相关链接：[Taalas 芯片论文](https://arxiv.org/abs/2412.18511)｜[M4 ANE 性能实测](https://github.com/maderix/ANE)｜[推理市场规模讨论](https://xcancel.com/meggmcnulty/status/2028532451992314199) --- #### **Agent 与工具链** ##### **MCP 命不久矣？实际生态却在加速扩张** 一边有人在 Twitter 上喊 “MCP 已死”，另一边 Notion 已接入 MCP/API，支持 Meeting Notes，一行命令即可在 Claude Code 使用；Cursor 则上线 MCP Apps，让 Agent 在对话里渲染交互式 UI。与此同时，有安全研究指出 MCP 整体安全模型比较混乱，列举了 5 类容易被攻击的模式，提醒开发者谨慎设计。 > 相关链接：[Notion MCP 集成](https://x.com/zachtratar/status/2028881783551570209)｜[Cursor MCP Apps 发布](https://x.com/cursor_ai/status/2028953584407085546)｜[MCP 安全风险分析](https://medium.com/<span class="mention-invalid">@nainia_ayoub</span>/mcp-security-is-a-mess-5-ways-i-broke-my-own-ai-agent-76379a46ca90) ##### **ShadowClaw：单一 C 可执行体的极简本地 Agent** ShadowClaw 在多个社区被安利：用 C 写成的单文件 Agent，通过 curl 调用本地 LLM（如 Ollama），内置执行 shell、读写文件、HTTP GET、简单算式，并自动持久化状态。不依赖大型框架，适合作为“能干活但可控”的本地个人 Agent 基线。 > 相关链接：[ShadowClaw 仓库](https://github.com/webxos/webxos/tree/main/shadowclaw) ##### **RLM（Recursive Language Modeling）：Agent 范式之争** DSPy 等社区密集讨论 RLM：给模型一个 REPL 环境，让它自己写代码再调用，而不是我们预先写好工具函数。支持者认为这比传统 ReAct/工具调用更灵活，也更接近“模型自己编程”；反对者担心可控性、调试和安全。大家正在准备线下 Meetup，系统比较 RLM 与 ReAct 的利弊和适用场景。 > 相关链接：[RLM 讨论帖 1](https://x.com/nfcampos/status/2028576281793630372)｜[RLM 讨论帖 2](https://x.com/RLanceMartin/status/2027450018513490419) ##### **Perplexity Computer、Cursor 云 Agent：安全沙箱里的“用电脑”** Perplexity 的 Computer 和 Cursor 的云 Agent 都走同一路线：在隔离 VM / 安全沙箱里运行代理，代用户操作浏览器、终端、IDE，最后产出 PR 或文档。优点是不需要用户管理 API key 和本地环境，缺点是调试透明度与成本。Perplexity 强调“我们帮你管理一堆模型和权限”，Cursor 则更偏工程产能。 > 相关链接：[Perplexity Computer 介绍](https://x.com/AskPerplexity/status/2028893546447814895)｜[Cursor 云 Agent 介绍](https://x.com/dl_weekly/status/2028844128729973060) --- #### **研究与方法** ##### **长上下文评测与 Agent 基准：现在的 Benchmark 不像真实工作** 一组新工作指出当前 Agent 基准严重偏向数学/编程，与真实劳动力结构不匹配，有人称之为“真实工作的核心问题”。Arena 推出 Document Arena，直接用 PDF 文档做推理对战，目前 Claude Opus 4.6 在该榜单领先。整体趋势是从玩具任务转向贴近业务文档和工作流的评测。 > 相关链接：[基准与真实工作分布数据库](https://x.com/ZhiruoW/status/2028847081507488011)｜[Emollick 评论](https://x.com/emollick/status/2028870529906622677)｜[Document Arena 介绍](https://arena.ai/leaderboard/document) ##### **多 Agent 共识与 Theory of Mind：规模越大越爱“卡死”** Byzantine 共识实验表明，LLM 组成的多 Agent 系统即便没有恶意节点，也很难稳定达成一致，常见失败原因是超时和僵持，且随参与者增多更严重。另一组将 ToM/BDI + 形式验证接入 Agent，发现 ToM 模块并不是万能的，收益高度依赖底层模型本身能力。 > 相关链接：[Byzantine 共识实验](https://x.com/omarsar0/status/2028823724196343923)｜[ToM + BDI 工作](https://x.com/omarsar0/status/2028913061260935331) ##### **谱范数缩放与 muP：为什么“调好参数化”能让网络学特征** Eleuther 社区讨论一篇 2023 年论文：通过按 √(fan‑out/fan‑in) 缩放权重矩阵的谱范数和更新，可以从理论上解释何时网络会从“只做核方法”变成真正的特征学习。该推导给出 maximal update parametrization（muP）的直观解释，并和 Modula 等近期工作关联起来。 > 相关链接：[谱范数与 muP 论文](https://arxiv.org/abs/2310.17813)｜[Modula 相关工作](https://arxiv.org/abs/2405.14813) ##### **SAE 解剖文生图扩散模型：构图早期就定型** 新论文用稀疏自编码器（SAE）分析主流文本生成图像的扩散模型，在激活中发现大量可解释概念。结果显示：在反向扩散早期就能大致预测图像构图，中期主要决定风格，最后阶段只微调纹理细节；还展示了在不同阶段对构图/风格做有针对性的干预。 > 相关链接：[SAE + Diffusion 论文](https://arxiv.org/abs/2504.15473) --- #### **产品与应用落地** ##### **Claude & Claude Code 暴涨：语音模式上线、流量超预期** Anthropic 表示 Claude 与 Claude Code 本周流量远超预期，正在紧急扩容，也被不少人视为 OpenAI DoD 合同风波的受益者。有用户统计称 Claude 在美国企业市场份额从少数跃升为第一。Claude Code 也开始灰度“语音模式”，支持按住空格说话，语音内容直接流入光标位置，不额外计费。 > 相关链接：[流量暴涨说明](https://www.reddit.com/r/ClaudeAI/comments/1rjyp7d/claude_and_claude_code_traffic_grew_faster_than/)｜[语音模式介绍](https://x.com/i/status/2028628570692890800)｜[市场份额讨论](https://x.com/Yuchenj_UW/status/2028974344710606905) ##### **Cursor、Viktor 等“AI 同事”：从 IDE 到 Slack 的端到端工作流** Cursor 一方面在自家 IDE 里改版布局、支持 Zen 模式和云 Agent（已支持 Android WebApp），另一方面也被用来从零构建 Slack 里的“AI 同事” Viktor，可做营销审计、投放管理和线索研究，集成 3000+ SaaS，并用持久记忆适应公司上下文。说明很多 Agent 产品开始真正嵌入团队工作流，而不只是聊天机器人。 > 相关链接：[Cursor 云 Agent](https://cursor.sh)｜[Viktor 产品页](https://www.producthunt.com/products/viktor) ##### **本地 LLM 体验：LM Studio、OpenClaw、Manus 等工具链进展** LM Studio 修复了 LM Link 多设备发现问题，重开等候名单，并在讨论 Vulkan 多卡均衡、Topaz NeuroStream 等本地推理 trick。OpenClaw 社区开放了全部社区规则与团队架构，出现 Instagram、WhatsApp 等频道适配，以及基于 OpenClaw 的视频剪辑和自动化交易案例。Manus.im 则更多在回答“如何省信用点”和结构化需求文档驱动开发的实践。 > 相关链接：[LM Studio 公告](https://discord.com/channels/1110598183144399058/1111797717639901324/1478188955164872925)｜[OpenClaw 社区文档](https://github.com/openclaw/community)｜[Manus 优化用量文档](https://help.manus.im/en/articles/12087847-how-to-optimize-my-credit-usage) ##### **语音转写 easytranscriber：比 WhisperX 快三到一倍** KBLab 在 Hugging Face 推出 easytranscriber，主打自动语音识别+准确时间戳，接口类似 WhisperX，但实测快 35%–102%（视硬件而定），还支持直接用 HF 模型作后端。对需要大批量长音频转录的团队，这是个更省时的开源选项。 > 相关链接：[easytranscriber 博文](https://huggingface.co/blog/KBLab/easytranscriber) --- #### **行业与公司动态** ##### **阿里 Qwen 团队高层大撤退：开源节奏前景成疑** Qwen 技术负责人 Justin Lin 等多名关键成员宣布离职，外界称是阿里云“换帅”，有说法是被更“指标导向”的人接手。社区担心：Qwen 作为开源小模型与多模态基础设施，如果开源/许可证策略收紧，将对整个开源生态造成冲击。不过 Qwen 3.5 训练脚本、LoRA 指南、Int4 GPTQ 等仍在继续发布，呈现“产品猛冲、领导出走”的割裂状态。 > 相关链接：[Justin Lin 告别帖](https://x.com/JustinLin610/status/2028865835373359513)｜[后续离职确认](https://x.com/huybery/status/2028976346416988612)｜[研究者对 Qwen 重要性的评价](https://x.com/natolambert/status/2028893211759124890) ##### **OpenAI 高层跳槽 Anthropic：后训练负责人加入竞争对手** OpenAI 负责 RLHF/后训练的 VP Max Schwarzer 宣布离职，加入 Anthropic 做一线 RL 研究，被不少人视为 Anthropic 在人才上的重大胜利。Max 参与过 GPT‑5 系列多个版本，这次跳槽强化了“顶级人才在大模型公司之间流动”的趋势，也加剧外界对 OpenAI 内部稳定性的猜测。 > 相关链接：[Max Schwarzer 宣布离职与去向](https://x.com/max_a_schwarzer/status/2028939154944585989)｜[社区评论](https://x.com/kimmonismus/status/2028952074063331421) ##### **Anthropic 与五角大楼/Palantir 的博弈** 报道称美国国防部曾威胁把 Anthropic 列为“供应链风险”，影响 Palantir 等在政府项目中使用其模型。Anthropic 希望在大规模监控、自治武器等用途上加防火墙，这与部分军方需求有张力。事件凸显：前沿模型供应商与军工/政府客户之间的条款博弈会越来越常见。 > 相关链接：[相关报道串](https://x.com/srimuppidi/status/2028943303581024412)｜[媒体报道链接](https://x.com/aaronpholmes/status/2028942999548297464) --- #### **政策、治理与安全** ##### **OpenAI 与美国国防部/NSA 合同引发信任危机** 媒体披露 OpenAI 与美 DoD/NSA 合作后，引发隐私与监控担忧。多位学者要求公开合同原文，认为“偶然收集”之类措辞历史上曾被用于无令状监控。Sam Altman 随后发内部信称已修改条款，禁止用于针对美国公民的国内监控，并声称情报机构需额外协议才能使用。很多人仍呼吁独立法律审查，而不是“相信我们”。 > 相关链接：[Jeremy Howard 评论](https://x.com/jeremyphoward/status/2028805970214912125)｜[合同修订说明](https://x.com/sama/status/2028640354912923739)｜[隐私/合规讨论](https://x.com/sjgadler/status/2028899096283758732) ##### **ChatGPT 卸载量“激增 295%”：数据点本身可能没那么吓人** 多家媒体引用 TechCrunch 报告称，OpenAI 与五角大楼合作消息后，ChatGPT 手机 App 卸载量环比飙升 295%，社交网络上出现大量“取消 Plus 订阅”截图。但不少人指出：如果基数很小，这个百分比可能只是几千到几万量级的波动；对营收影响要看长期留存，而不是一天的情绪。与此同时，Claude 下载被指同步上升。 > 相关链接：[TechCrunch 引用的报道](https://techputs.com/chatgpt-uninstalls-surge-295-percent-dod-deal/)｜[Singularity 讨论串](https://www.reddit.com/r/singularity/comments/1rjc5to/damnnnn/)｜[ChatGPT 子版讨论串](https://www.reddit.com/r/ChatGPT/comments/1rjfipu/chatgpt_uninstalls_surge_295_after_openais_dod/) ##### **MCP 安全被点名“是一团糟”：五种易被利用的攻击模式** 有开发者在 Medium 上系统梳理 MCP 集成里的安全坑，包括：工具描述被提示注入、文件系统/网络越权、第三方服务滥用等，列出 5 种几乎一试就中的攻击模式。文章的核心观点是：MCP 把“把一堆高权限 API 暴露给一个容易被骗的模型”，如果没有额外 sandbox 和策略，很难指望安全。 > 相关链接：[MCP 安全长文](https://medium.com/<span class="mention-invalid">@nainia_ayoub</span>/mcp-security-is-a-mess-5-ways-i-broke-my-own-ai-agent-76379a46ca90) ##### **BASI 社区：从 MITRE ATLAS 到实际 Jailbreak 生意** BASI Jailbreaking Discord 同时在两头玩火：一边分享 MITRE ATLAS 这类正式 AI 红队框架，一边讨论如何设计“eni jailbreak”并靠卖越狱提示词赚钱，还有成员给出从 Safrole 合成 MDMA 的四步流程。对想认真做安全的人，这是一个既能学姿势又充满灰区内容的社区。 > 相关链接：[MITRE ATLAS](https://atlas.mitre.org/matrices/ATLAS) --- --- 📌 **来源**: Easy AI 日报 #EasyAI #AI日报 #AI教学