📰 Easy AI日报 | 2026-02-28

## 📅 2026年02月28日 AI行业动态 #### **行业与公司动态** ##### **OpenAI 完成 1100 亿美元史上最大融资，估值约 8400 亿美元** OpenAI 宣布完成 1100 亿美元新一轮融资，预估值约 7300 亿美元，投后约 8400 亿。SoftBank 投 300 亿、NVIDIA 投 300 亿外加 3GW 推理+2GW 训练算力，Amazon 总计 500 亿并加深云合作，同时 AWS 将为 OpenAI Frontier 提供独家第三方云。微软未跟投新轮，但维持精简版合作。 > 相关链接：[OpenAI 官方融资公告](https://x.com/OpenAI/status/2027376050263793814)｜[OpenAI 详细合作说明](https://openai.com/index/scaling-ai-for-everyone/)｜[亚马逊合作细节](https://openai.com/index/amazon-partnership/)｜[微软与 OpenAI 联合声明](https://blogs.microsoft.com/blog/2026/02/27/microsoft-and-openai-joint-statement-on-continuing-partnership/)｜[融资规模背景分析（EpochAI）](https://x.com/EpochAIResearch/status/2027498456273879064) ##### **Anthropic 正面硬刚五角大楼，被威胁列入“供应链风险”** Anthropic 拒绝为国防部提供可用于大规模国内监控和全自动武器的 Claude 版本，拒收“最后通牒”，并表示若被列为供应链风险将上法庭。国防部被曝考虑要求承包商审计并停用 Anthropic 服务，引发业界对政府越权和商业环境的担忧，网友大量“用订阅声援 Claude”。 > 相关链接：[Anthropic 官方声明](https://www.anthropic.com/news/statement-department-of-war)｜[Axios 深度报道](https://www.axios.com/2026/02/26/anthropic-rejects-pentagon-ai-terms)｜[NPR 相关报道](https://www.npr.org/2026/02/26/nx-s1-5727847/anthropic-defense-hegseth-ai-weapons-surveillance)｜[Twitter 上的法律与政策讨论](https://x.com/deanwball/status/2027521251263000765)｜[Reddit 相关讨论汇总](https://www.reddit.com/r/singularity/comments/1rfpd5s/anthropic_rejects_pentagons_final_offer_in_ai/) ##### **Sam Altman 表态：OpenAI 与 Anthropic 在“红线”立场一致** Axios 报道，OpenAI CEO Altman 表示在不支持大规模监控和全自动致命武器方面与 Anthropic 立场一致。OpenAI 正与美国国防部谈判，通过云端托管、技术防火墙等方式控制军方用法，既争取军方订单，又维持“红线”。 > 相关链接：[Axios 报道](https://www.axios.com)｜[相关 Reddit 讨论](https://www.reddit.com/r/singularity/comments/1rga4qt/sam_altman_says_openai_shares_anthropics_red/) ##### **DeepSeek V4 优先支持华为等本土硬件，NVIDIA/AMD 暂未获早期访问** DeepSeek 被曝已向华为等中国本土芯片厂商提供 V4 模型提前访问，用于适配优化，而 NVIDIA、AMD 等美企尚未拿到同等待遇。业内普遍认为 DeepSeek 在训练端仍高度依赖 NVIDIA，此举更多是为非 NVIDIA 硬件补课，外界不必过度解读为“封杀”美企。 > 相关链接：[路透社原文](https://www.reuters.com/world/china/deepseek-withholds-latest-ai-model-us-chipmakers-including-nvidia-sources-say-2026-02-25/)｜[Reddit 讨论贴](https://www.reddit.com/r/LocalLLaMA/comments/1rf7m85/deepseek_allows_huawei_early_access_to_v4_update/) ##### **Burger King 推出语音 AI“Patty”，实时评分员工“礼貌度”** 汉堡王在美国 500 家门店试点 BK Assistant，员工耳机里接入基于 OpenAI 的语音机器人 Patty，既回答配方问题，又统计员工是否说“欢迎光临”“请”“谢谢”等用语，生成门店“友好度”评分。社区担心这是披着培训外衣的职场监控工具。 > 相关链接：[Perplexity 社区讨论](https://discord.com/channels/1047197230748151888/1047649527299055688) --- #### **模型与能力** ##### **OpenAI 披露最新用户数据：ChatGPT 周活 9 亿，付费企业 900 万家** 在融资公告中，OpenAI 首次系统披露业务数据：Codex 周活 160 万（年初三倍）、ChatGPT 周活超 9 亿，个人订阅 5000 万+，付费企业用户超 900 万家，相比 2025 年中 300 万家大幅增长，说明 ToC+ToB 变现都在加速。 > 相关链接：[OpenAI 融资公告（含数据）](https://x.com/OpenAI/status/2027376050263793814)｜[早期数据对比讨论](https://www.businessinsider.com/chatgpt-users-openai-sam-altman-devday-llm-artificial-intelligence-2025-10) ##### **阿里 Qwen3.5 系列再扩容，多款开源大模型进入“开放 S 级”行列** Qwen3.5 新增 27B 致密、122B A10B MoE、35B A3B MoE，Apache 2.0 协议，支持 26 万上下文（可扩展到 100 万）。Artificial Analysis 评测其 Intelligence Index 最高 42，部分指标逼近闭源旗舰，并给出详细的幻觉率、token 消耗与代理任务表现。 > 相关链接：[Artificial Analysis 评测](https://x.com/ArtificialAnlys/status/2027489442697777245)｜[Qwen 官方更新博客](https://qwen.ai/blog?id=qwen3.5update) ##### **Arena 最新榜单：GLM-5、Qwen3.5、Kimi-K2.5 领跑开源文本与代码** LMArena 公布 2 月开源模型榜：文本榜前三为 GLM-5、Qwen3.5-397B A17B、Kimi-K2.5 Thinking；代码榜中 GLM-5 居首，Kimi-K2.5 与 MiniMax-M2.5 并列第二。官方同时开源 Arena-Rank 排名工具，方便复现和私有榜单搭建。 > 相关链接：[文本榜单](https://x.com/arena/status/2027511779417592173)｜[代码榜单](https://x.com/arena/status/2027540296276607105)｜[Arena-Rank 介绍](https://x.com/arena/status/2027528061508587728) ##### **Google Nano Banana 2（Gemini 3.1 Flash Image）发布：效果提升、价格细则公布** Google 推出新一代图像模型 Nano Banana 2，并作为 Gemini 3.1 Flash Image 在产品中上线。社区实测认为对复杂空间布局和比例感提升明显，但仍有文本幻觉问题。官方定价为输入 $0.50、输出 $3.00，相比 Pro 版约便宜一半，被视为“性价比版高质生图”。 > 相关链接：[官方发布博客](https://blog.google/innovation-and-ai/technology/ai/nano-banana-2/)｜[Reddit 模型质量讨论](https://www.reddit.com/r/singularity/comments/1rfe27w/google_releases_nano_banana_2_model/)｜[定价讨论贴](https://www.reddit.com/r/Bard/comments/1rfdmhh/nano_banana_2_pricing/) ##### **本地自托管：Qwen3.5-35B-A3B 量化深入评测，消费级显卡也能跑“顶配”模型** Unsloth 社区针对 Qwen3.5-35B-A3B 做了数百组 GGUF 量化实验，给出 PPL/KL 全指标和 9TB 模型文件。结果显示 KV q8_0 基本是“免费午餐”，在几乎不掉质量的前提下显著提升吞吐；35B MoE 在单卡上比 27B 致密快约 10 倍，本地 4070S 上可达 60+ tok/s。 > 相关链接：[量化实验合集（HF）](https://huggingface.co/unsloth/Qwen3.5-35B-A3B-Experiments-GGUF)｜[Reddit 详细帖子 1](https://www.reddit.com/r/LocalLLaMA/comments/1rgel19/new_qwen3535ba3b_unsloth_dynamic_ggufs_benchmarks/)｜[Reddit 详细帖子 2](https://www.reddit.com/r/LocalLLaMA/comments/1rg4zqv/followup_qwen3535ba3b_7_communityrequested/)｜[Reddit 详细帖子 3](https://www.reddit.com/r/LocalLLaMA/comments/1rfds1h/qwen3535ba3b_q4_quantization_comparison/) ##### **Doc‑to‑LoRA & Text‑to‑LoRA：Sakana 用超网络“一步编译”LoRA** Sakana AI 提出 Doc‑to‑LoRA / Text‑to‑LoRA，用一个超网络根据自然语言描述或长文档，直接生成 LoRA 权重，一次前向就完成“微调”。论文宣称：可把长文档信息“编译”进适配器，避免长上下文反复读取，在 needle-in-a-haystack 任务上远超原始上下文窗口，并支持跨模态从 VLM 向纯文本模型传知识。 > 相关链接：[Sakana 官方线程](https://x.com/SakanaAILabs/status/2027240298666209535)｜[技术解读串](https://x.com/hardmaru/status/2027240562898976770)｜[社区总结帖](https://x.com/omarsar0/status/2027385998993420571) ##### **本地/云推理速度激增：Qwen3.5-35B 与 GPT‑OSS 20B 的真实 TPS** 社区实测显示：4070 Super 上 Qwen3.5‑35B MoE Q4_K_M 约 62 tok/s，7900XT 16GB 约 25 tok/s；MacBook 上 GPT‑OSS 20B 本地可跑到 100 tok/s，三小时内生成 100 万 token。这让不少人开始认真考虑“大模型本地跑+API 做补充”的混合模式。 > 相关链接：[Unsloth Discord 实测讨论](https://discord.com/channels/1179035537009545276/1179035537529643040)｜[Perplexity Discord GPT‑OSS 20B 讨论](https://discord.com/channels/1047197230748151888/1047649527299055688) --- #### **基础设施与硬件** ##### **vLLM 在 AMD ROCm 上大提速：解码吞吐最高提升 4.4 倍** vLLM 宣布在 ROCm 上新增 7 种注意力后端，通过 KV cache 布局调整和批处理优化，在 MI300X 等 AMD GPU 上解码吞吐最高提升 4.4 倍，只需设置环境变量 VLLM_ROCM_USE_AITER=1。配合 MLA KV 压缩，可将约 8K 维度压到 576 维，进一步省显存。 > 相关链接：[vLLM 官方线程 1](https://x.com/vllm_project/status/2027572563547742264)｜[vLLM 官方线程 2](https://x.com/vllm_project/status/2027572573953724793) ##### **DeepSeek DualPath：用 RDMA 把 KV Cache I/O 瓶颈“拆成两路”** 北大/清华/DeepSeek 合作论文 DualPath 提出一种新推理系统，针对代理式 LLM 工作负载下 KV‑Cache 存储带宽成为瓶颈的问题，利用 RDMA 让预填充和解码两类节点协同，把原本闲置的存储和网络带宽用起来，在 DeepSeek 660B 等大模型上声称可获得约 1.9 倍加速。 > 相关链接：[DualPath 论文](https://arxiv.org/abs/2602.21548)｜[中文解读串](https://x.com/ZhihuFrontier/status/2027496814723928536)｜[Reddit 讨论](https://www.reddit.com/r/LocalLLaMA/comments/1rf740o/deepseek_released_new_paper_dualpath_breaking_the/) ##### **Google Colab 上线 RTX PRO 6000：平价算力新选择** Unsloth 社区发现 Colab 悄悄新增 RTX PRO 6000 实例，价格约 $0.81/小时，相比老的 A100 高内存实例（约 $7.5/h 积分）便宜一个数量级。配合高效微调框架，Colab 重新变成个人研究和小团队做预训练/微调的性价比选项。 > 相关链接：[Colab GPU 讨论](https://discord.com/channels/1179035537009545276/1179035537529643040) ##### **GPU MODE 深聊 PTX 内存模型与 cuTile/CuTeDSL：从指令到分布式训练** GPU MODE 服务器里，开发者围绕 PTX 的 acquire-release 内存模型和 volatile 语义展开较真，讨论它与分布式一致性模型的关系；同时有人研究 cuTile 和 CuTeDSL，在 Cutlass 示例中用 multimem 指令实现 reduce-scatter，希望实现“算子+通信”融合，为下一代分布式训练内核打基础。 > 相关链接：[CuTeDSL 示例仓库](https://github.com/NVIDIA/cutlass/tree/main/examples/python/CuTeDSL/distributed)｜[cuTile 文档](https://docs.nvidia.com/cuda/cutile-python/operations.html) --- #### **研究与方法** ##### **Logit Fusion 被炒热：用“logits 融合”做训练的新套路** Unsloth 与多社区在讨论 Logit Fusion 训练方法：训练时将多个模型或 checkpoint 的 logits 融合，相当于在训练环里做“集成+课程学习”，而不增加推理开销。很多人呼吁把它做成像 LoRA 一样的一等公民训练方案，用更少基础设施获得更强性能。 > 相关链接：[Logit Fusion 笔记](https://juzhengz.notion.site/logit-fusion)｜[相关讨论（Bluesky）](https://bsky.app/profile/interleave.love/post/3mfupbfcxss2n) ##### **NNsight 0.6 发布：可解释性流水线提速 3 倍，多模态/多机支持** NNsight 0.6 版本重点优化性能，干预 trace 速度提升约 2.4–3.9 倍，并支持 vLLM 多 GPU/多节点。新版本还支持 Hugging Face 上的视觉语言模型和扩散模型，附带“给 LLM 看得懂的文档”，方便用 AI 助手自动写 probe 和干预脚本。 > 相关链接：[官方博客](https://nnsight.net/blog/2026/02/26/introducing-nnsight-06)｜[作者 Twitter 介绍](https://x.com/jadenfk23/status/2027421909831594103) ##### **CoDA-GQA-L：新注意力结构用两段 Triton kernel 大幅压缩 KV Cache** 有开发者开源 CoDA-GQA-L 注意力机制，通过“路标 bank+分组查询”设计，配合两段自写 Triton 融合 kernel，显著降低 KV cache 所需显存，并给出基于 Mistral-7B 的示例模型。但 Eleuther 分析指出，替换 32 层注意力且只微调 18.6% 参数，会让 PPL 从 4.81 升到 5.75，说明该架构仍有精度代价。 > 相关链接：[CoDA-GQA-L 论文](https://www.researchgate.net/publication/401306672_CoDA-GQA-L_Constrained_Orthogonal_Differential_Attention_with_Grouped-Query_Value-Routed_Landmark_Banks)｜[Mistral-7B-CoDA 模型](https://huggingface.co/anthonym21/Mistral-7B-v0.3-CoDA-GQA-L) ##### **世界模型综述沙龙：从 Sora 到 V‑JEPA，讨论“镜子 vs 地图”** Chipro MLOps 社区将围绕《Understanding World or Predicting Future?》办两场 paper clinic，梳理 JEPA/V‑JEPA、Dreamer、Genie、Sora、World Labs 等世界模型路线，并讨论“镜子 vs 地图”（生成 vs 表征）、空间智能、因果建模和社会世界模型，对未来 AGI 研究路线感兴趣的可以报名旁听。 > 相关链接：[论文原文](https://arxiv.org/abs/2411.14499)｜[Session 1 报名](https://luma.com/lir5i9w7)｜[Session 2 报名](https://luma.com/tckgubqm) ##### **基准方法之争：Chain-of-Thought 算“模板偏置”吗？** Eleuther 社区在争论：多轮 CoT few-shot 是否算“模板作弊”？有人指出，CoT 也是一种强提示，只是因为历史原因被广泛接受，而明说“你正在被测试”的模板反而被嫌弃。讨论的核心是：基准到底要模拟真实用户混乱输入，还是追求可控对比实验。 > 相关链接：[Eleuther 讨论记录](https://discord.com/channels/729741769192767510/729741769738158194) --- #### **Agent 与工具链** ##### **LLM Connection Strings：把模型配置塞进一个 URL** OpenRouter 等社区热议 Dan Levy 提的 “LLM Connection Strings”，用类似数据库连接串的 URI 来描述提供商、模型名、参数等，例如 llm://provider/model?...，这样脚本和 Agent 只用一个参数就能切换模型和路由，避免到处写自定义配置和命令行 flag。 > 相关链接：[LLM Connection Strings 设计文](https://danlevy.net/llm-connection-strings/)｜[OpenRouter 讨论](https://discord.com/channels/1091220969173028894/1392278974222307469) ##### **MCP ping 语义踩坑：健康检查都要先 initialize？** MCP 官方 Discord 里，大家发现 Python SDK 要求先 initialize 才能 ping，但规范里“still available”措辞又像是给已建立连接用的。Bedrock AgentCore 为做容器健康检查，只好临时创建 session 发送 ping，再销毁，反映标准模糊已经开始影响线上实现。 > 相关链接：[MCP ping 规范](https://modelcontextprotocol.io/specification/draft/basic/utilities/ping) ##### **OpenClaw / Cursor / Claude Code：多 Agent 编码工作流的现实感受** 多社区在实测多 Agent 编码：有人用 5–10 个 Agent 帮自己做到 72 天 118 次提交/天，但也抱怨上下文丢失、文件改动冲突严重。Cursor 社区提醒“vibe coding”不适合严肃项目，要把 Agent 当助手而非外包；Claude Code 的多 Agent orchestration 被认可，但不少人觉得自己写 orchestrator+便宜模型更划算。 > 相关链接：[高频提交工作流文章](https://www.reddit.com/r/ChatGPTCoding/comments/1rfc26z/how_one_engineer_uses_ai_coding_agents_to_ship/)｜[Cursor 社区讨论](https://discord.com/channels/1074847526655643750/1074847527708393565) --- #### **产品与应用落地** ##### **本地 LLM 选型工具与自托管排行榜：LLmFit + Onyx 上线** 社区出现两个面向自托管玩家的工具：LLmFit 号称一键根据你机器配置推荐可跑模型，但用户反馈实际 tok/s 与体验常常对不上；Onyx 则给出自托管 LLM 排行榜，按编码、数学、推理和效率打分，大家呼吁尽快加入 Qwen3.5 27B/122B 等新秀。 > 相关链接：[LLmFit Reddit 贴](https://www.reddit.com/r/LocalLLaMA/comments/1rg94wu/llmfit_one_command_to_find_what_model_runs_on/)｜[自托管 LLM 排行榜](https://www.onyx.app/self-hosted-llm-leaderboard) ##### **Claude Code 大型实战：7.6 万行代码跑完发现 118 个函数慢到不行** Codeflash 用 Claude Code 做了两个大功能，共 7.6 万行代码，基准测试后发现 118 个函数最多可以快 446 倍，典型问题是算法幼稚、重复计算、数据结构选得差。总结是：LLM 更擅长“先写对”，但几乎不会自己做性能剖析和优化，必须在流程里强制加基准和 code review。 > 相关链接：[SWE-fficiency Benchmark](https://swefficiency.com/)｜[Reddit 经验贴](https://www.reddit.com/r/ClaudeCode/comments/1rfz2rm/we_built_76k_lines_of_code_with_claude_code_then/) ##### **Nano Banana 系列在生产中的真实体验：空间理解强了，但依旧会“胡说”** 多 Reddit 贴对比 Nano Banana 与 Banana Pro：新版本在空间感、比例和复杂场景（如室内改造）上提升明显，但文本相关任务仍会出现严重幻觉。价格上 Banana 2 明显便宜，适合大规模生成；高质量、角色一致性场景仍有人更爱 Banana Pro 或其他图像模型。 > 相关链接：[模型对比反馈](https://www.reddit.com/r/GeminiAI/comments/1rg3y6h/nano_banana_2_vs_nano_banana_the_biggest_change_i/) --- #### **政策、治理与安全** ##### **美国国防部 vs Anthropic：供应链标签、监控红线与行业寒蝉效应** 除了合同纠纷，网上流传国防部考虑把 Anthropic 定性为“国家安全供应链风险”，并要求承包商评估是否使用 Claude。法律界指出，国防部可以限制承包商在军方项目里用什么，但很难合法禁止其在商业项目中用 Anthropic。事件被视为 AI 治理的标志性先例：到底由谁来画“可接受用途”的线。 > 相关链接：[Twitter 治理讨论](https://x.com/deanwball/status/2027515599358730315)｜[法律视角解读](https://x.com/petereharrell/status/2027517998555160645)｜[社区声援与舆论](https://x.com/janleike/status/2027521943491252501) ##### **Gemini / Claude / GPT 越狱与安全过滤：攻防继续升级** BASI Jailbreaking 社区持续在找 Gemini Pro 3/3.1、Grok、Claude、ChatGPT 的新越狱 prompt，甚至有人愿意付费买能在 CS2、Rust 等游戏作弊的 jailbreak。有人感叹“现在 AI 已经很难越狱了”，也有人声称做出“短消息、直给结果”的新越狱，说明厂商对齐在加码，社区攻击也没停。 > 相关链接：[BASI 越狱频道](https://discord.com/channels/1105891499641684019/1228043845967544380) --- --- 📌 **来源**: Easy AI 日报 #EasyAI #AI日报 #AI教学