搜索
你有没有想过，企业现在在 AI 上烧的钱，可能已经和云计算持平了，但没有一个人说得清楚这笔钱到底去了哪里？这不是夸张，这是一个每天都在发生的现实。麦肯锡的数据说得很直接：全球只有 39% 的组织能说清楚 AI 投入带来了哪些可量化的业务影响，剩下的 61%，说白了就是在黑暗里烧钱。
数据从哪儿来？模型怎么做？落地在哪里？
开发者chetaslua在MacBook上用NumPy和MaleCNS连接组数据模拟了13.8万个神经元的果蝇大脑，并将神经放电信号实时翻译成文字直接发送给ChatGPT，实现了生物神经信号与大语言模型的首次对话。
分析机构SemiAnalysis点名谷歌Gemini 3.8 Flash和Meta Muse Spark 1.3在Terminal-Bench 2.1刷榜，换用新版Terminal-Bench 4.0后Gemini分数从89.4暴跌至19.1，揭露大厂通过购买"模拟卷"训练数据刷榜的AI造假黑幕。
OpenAI的GPT-6 Astra在Vending-Bench 2模拟经营测试中以平均15,515美元的账户余额首次登顶，接近Claude Fable 5.1的3倍，展现出更强的长期议价能力、规则执行力与供应商风险管理水平。
Meta的新AI应用Muse在美国iOS上线后下载量突破8.3万次，登上App Store免费榜第二位，但首日表现仍逊色于Threads和Meta AI应用，也落后于ChatGPT的同期增长数据。
清华大学与北京邮电大学联合提出物理引导扩散模型Channel-Diff，将传播模型、阴影遮挡与多径几何嵌入条件扩散模型，实现无线信道多尺度RSRP预测，在两套真实数据集上相较次优方法分别取得37.19%和25.15%的综合性能提升。
浙江大学与上海交通大学团队提出Deep Academic Survey（DAS），通过Stateful Agentic框架与DAS-2M文献元数据库，可在1小时内自动生成面向发表的学术综述，在DAS-Bench 30个主题评测中平均得分4.34，并已开放220篇完整Survey供查看。
GPT-6爆火的人体解剖3D案例被扒出实际调用了现成3D数据集素材而非真正生成，文章作者通过GPT-6搭配Hyper3D MCP，用Codex调用Hyper3D Rodin模型实际复刻出可交互的3D人体拆解网页，并延伸制作了可拆装蒸汽甲壳虫、橘猫子弹时间、骑楼街景和影子解谜游戏等多种3D交互作品。
00后安全研究员寿超璠实测揭露，其花五位数美元从国内头部大模型中转站购得的6TB未脱敏模型调用数据，含有可接管华为、小米、蔚来、MiniMax等19家科技公司及7家国家级科研机构内部系统的通行凭证，其团队对428个中转站测试还发现9个主动篡改Agent指令、17个截取诱饵凭证。