这周 AI 圈最值得关注的是资本层面的两件大事：OpenRouter 加入了 Stripe，Poolside 被 NVIDIA 反向并入了。与此同时，OpenAI 罕见地放慢了节奏，而开源模型阵营的进步一点没停。下面按资讯、模型、工具三类整理。

资讯

Cerebras CS-4 发布机架级 AI 加速器，官方宣称推理速度最高比 GPU 快 30 倍。它由三片 WSE-3 Turbo 驱动，单芯片 250 PFLOPS、43.2 PB/s 内存带宽，能把超 10 万亿参数的模型跑到每秒 1000 个 token。晶圆间互联延迟压到 2 微秒，配合新的 Nexus 平台，部署时间从几天缩短到几小时。首批本季度发货。

Cerebras CS-4，号称世界最快的 AI 基础设施

OpenRouter 加入 Stripe 是本周最重磅的交易。OpenRouter 表示使命、名称、产品与路线图都不变，现有开发者集成方式也不受影响。它每天处理 10 万亿以上 token、覆盖 400 多个模型，服务超 1000 万开发者与公司。这家常被称为「LLM 领域的 Stripe」的网关，如今真的要并入 Stripe，靠的是后者的客户网络、数据，以及在欺诈与滥用治理上的经验，交易预计数周内完成。

Poolside 以 12 亿美元被 NVIDIA 反向并入。创始人留任拿 1 亿美元、员工走人拿 6 亿美元，Infraco 则把算力规模推向 7GW 的 neocloud。这被创始人们称为「既不是收购，也不是 acquihire」，实际是 NVIDIA 把人、模型工厂和算力一并收进来，AI 人才的争夺已到白热化。

Claude 的文本"水印"引发大争议。John Gruber 在 Daring Fireball 撰文痛批 Anthropic 用语义隐写术给所有文本打水印，认为这会牺牲选词的精确性。他特别反感 Anthropic 引用《1984》来辩护，直呼「奥威尔！你到底在搞什么？」这条争议触及 AI 生成内容标识的伦理边界，值得留意后续走向。

谷歌买下破产航空公司 Spirit 的数据，因为 AI。它以约 1000 万美元拍下这批脱敏数据，包括 1 亿封邮件、5 亿条 Teams 记录、3000 多万通客服录音。谷歌称目的是改进 AI 服务，落标的 Mercor 恰恰是做 AI 训练数据的公司，而乘客隐私如何保障也随之成焦点。

Anthropic CEO Dario Amodei 认为对 AI 的抵触本质上是一场信任危机。他承认公众负面看法是个大问题，但不认同这主要是 AI 专家的警告造成的。在他看来，普通人本就不信任公司、政府和科技行业，总怀疑「你又在策划新方法坑我」。

一个伪装成智库的以色列影响力行动被曝光。名为 Hanover Institute 的"智库"产出大量无署名的以色列/巴勒斯坦报告，实为一家公司代表以色列政府广告局创建，专为"LLM 评估可信度"而设计，被称作 AI Story Optimization。这类针对聊天机器人的操纵，正在把内容污染扩散到 AI 的认知里。

OpenAI 发文谈在「网络关键能力」时代主动放缓模型开发。近期两起事件促使 OpenAI 暂停了两周的强化学习训练，并暂缓最大的 frontier RL 训练，把资源投向监控、对齐与安全。它强调三件事互相强化：监控、对齐、安全措施，监控开销约为被监控推理算力的 20%。这也解释了为什么 OpenAI 会公开承认"减速"。

内存价格 12 个月涨了 500%。Tom’s Hardware 用 RAMageddon 形容这场内存荒：128GB DDR5 套件直接贵了 10 倍，超大规模客户已经锁定了几乎全球的 2027 年 DRAM 产能。对 AI 推理成本而言，这比模型降价的影响更让人头疼。

阿里 Qwen 开放权重模型半年下载量破 30 亿。Hugging Face 报告显示，Qwen 是开放 AI 生态最大的社区基础模型，衍生模型超 15 万个，远超 Google 与 Meta。中国实验室几乎每个月都发布高性能开放权重模型，而参数上限已到 2.78 万亿。

AI 医疗记录员捏造了患者病史。一位患者发现自己的术后记录里被 AI 写成"服用过微剂量迷幻蘑菇"，可她从未碰过。RACGP 估计约四成全科医生在用 AI 记录员，这种能缓解负担但也可能改变临床决策的错误，正成为医疗自动化的安全考题。

一位原告在法庭文件里提示注入 LLM。他在白底写下针对 AI 的提示词，想左右可能 AI 审阅的判决。结果被法官识破，法院明确不用 AI 审文件，且禁止他再提交电子文档。这可能是美国法院首例提示词注入案，法官直言此类攻击已无处不在，法院要保持警惕。

《大遗忘》 探讨 AI 如何悄悄抹去人类档案。作者提出一个异端论点：2026 年最重要的科技故事不是 AI 能做什么，而是它在对我们做什么、它在我们身上消除了什么。当机器写出、审阅并合并大量代码时，人类没有被放大，反而在被绕过。

这家医疗公司造出了买不到的 AI 工具。Headway 的 AI 助手 Eddy 基于 Claude Code SDK 搭建，跑在自己的 AWS 环境里，每一步自主行动都受严格容器管控。因为买不到既安全又合规、还符合自家工作流的产品，他们干脆自己造。

一本用 Codex 的代价组建的工程团队。Every 的 Monologue 背后是"一人团队"Naveen，他的工程师其实是自己在 Codex 里构建的专职 agent。每个 agent 都是一个 Codex 项目，配有专属的 AGENTS.md、技能、记忆与代码库。

用 Codex 一个 Agent 的成本组建一支工程团队

Nathan Lambert：教会每个人"钓 Token"。他说 NVIDIA 想要的是一个无数人都能"制造 token 机器"的世界，这样智能才不会被垄断。开源生态未来几年会越来越依赖 NVIDIA 的资助，这是一段生死攸关的窗口期；如果财务反馈回路走不通，开源模型会走上更聚焦效率与可修改性的另一条路。

Agent Harness 的进化。Latent Space 提出一个观点：2025 年圣诞前后 agent 突然"能用"了，是模型与 harness 的改进曲线在那一刻交汇。此后模型不断把 harness 吸收进权重，工程师不断删除已被吸收的部分。最后剩下的，是一个面向人类注意力的 harness，而不是面向模型的。

走向 Attention-Interface：模型与 Harness 能力交汇的演进曲线

当 AI 让技能富余，稀缺转移到了别处。作者的核心定律是：技术从不摧毁价值，它只是重新安置稀缺。执行层（写代码、写散文、做分析）正在变得像电费一样便宜，而真正的价值移到了验证、判断与问责那些一度被忽略的"舍入误差"上。

量化如何非线性地损害模型知识。对 Qwen3.6 27B 的 55 种量化版本测试发现，5-bit 以上几乎无损，3-bit 与 2-bit 则陡峭下滑，冷门知识损失最明显。结论是量化本质是盲压缩，Q8_0 安全、Q4_K_M 可接受，知识密集型任务里模型大小和量化等级都重要。

模型

Unsloth Dynamic 3.0 GGUFs 发布，是 Dynamic 2.0 的重大升级。官方称其 Qwen3.8-27B 量化版在相同体积下 top-1% 精度比其它方案高 10% 以上，发布 5 天下载量破 510 万。它用更高质量的多样 imatrix 校准数据、改进层选择，且不依赖 QAT/QAD。作者也提醒 1-bit 量化不适合代理场景：会出现过度循环、空响应，甚至工具调用失效。

Ornith-1.5：从自我脚手架到自我改进。这是开源模型端到端自我改进的一次重要落地：模型自己提出任务、生成任务特定脚手架、产出 rollout 供强化学习，从而持续创造新的学习经验。397B 版在 Terminal-Bench 2.1 拿到 86.1，与 Claude Opus 4.8 持平；9B 量化版能跑进手机，却摸到了更大模型的水平。

Ornith-1.5：从自我脚手架走向自我改进

把 Qwen3-TTS 推向速度-成本前沿。Nari Labs 在单张 H100 上用 Qwen3-TTS 1.7B 做到 10 请求/秒、p95 首音频低于 50ms，约每百万字符 2 美元，对比 ElevenLabs 的 100 美元。他们消除了引导静音、做了帧累积，并开源了实现与基准。对做实时语音的产品来说，这是很实在的参考。

Qwen3-TTS 在负载下的 p95 首音频延迟对比曲线

DeepSeek-v4-flash-vision-exp 视觉模型 API 指南 发布。它接受图片与文本输入，能描述图片、读截图文字、分析图表，支持 OpenAI 兼容、Anthropic 与 Responses API 三种调用方式。有三种传图途径（Base64、外部 URL、Files API），单张图片 token 上限 384，最多支持 600 张。

DiffusionGemma 技术报告 发布。这个实验性开放权重模型用离散扩散并行精炼 256 个 token 的块，绕开自回归的串行瓶颈，在单张 H100 上跑到约 1500 输出 token/秒。它从 Gemma 4 MoE 微调而来，训练只用不到 10% 的 token 预算，并保留了 thinking、多模态与长上下文。

Qwen3.8-Max 在前端榜单超越 Claude Fable 5。Kilo 用 10 个真实 UI 对比后发现，Qwen3.8-Max 与 Fable 5 处于"品味距离"内（4 项给 Fable、3 项给 Qwen、3 项打平），而且它有自己独立的视觉品味，不像 Kimi K3 那样照搬。成本上，它比 Kimi K3 每 token 更便宜。

Claude 如何加速蛋白质设计与分析化学。Anthropic 的两个结果：Claude 对 15 个靶标设计去 novo 蛋白结合剂，成功 14 个，设计成功率 22%-35%，高于业内 10%-15% 的典型水平；Claude Opus 5 仅凭原始数据和两句提示，就在二十几分钟内完成 NMR 与 LC-MS 分析，纯度结果与实验室一致。

Claude 设计的去 novo 蛋白结合剂，可拼出「ANTIBODIC」字样

Ox Alpha：OpenRouter 上的匿名 stealth 推理模型。这是一个由第三方匿名供应商开发运营的模型，OpenRouter 只负责路由。它专为长周期软件工程与 agentic 工作设计，上下文达 104 万 token，当前免费，且已出现在 Hermes Agent、Claude Code 等真实负载里。匿名发布背后，是模型透明性与代理使用的新讨论。

LongCat 2.0 在 Kilo 限时免费。还记得那个神秘爬升榜单的 stealth 模型 Owl Alpha 吗？它其实是美团出品的 LongCat 2.0，一个 1.6 万亿参数的 MoE，每 token 激活约 480 亿参数，专为 agentic coding 打造。美团称它是首个在全流程用 5 万卡国产集群跑完训练与推理的万亿参数模型，MIT 许可。

参数的终结：智谱 CEO 谈 GLM 5.3 与新后训练扩展定律。Jie Tang 教授认为参数数量只有和数据、算力投放、运行条件一起看才有意义。这背后是一种新的"后训练扩展定律"，正在重新定义模型能力增长的方式。

工具

fx：只有 6MB 的开源原生编码 Agent。这个用 Zig 写的 coding agent 框架体积 6.39MiB，冷启动约 10 微秒，内存占用仅个位数 MB。它的定位更像 Unix shell 而非笨重 TUI，模型与供应商无关，可通过 skills、plugins、MCP 扩展，浏览器里甚至能跑完整 CLI。

OzBrain：每个 AI 智能体共享一个"大脑"。它作为托管式"大脑层"存在，让 Claude、ChatGPT、Cursor 等都能读写同一份知识，终结你手动在智能体之间搬运上下文的痛苦。知识会自动归档、冲突时暂停、记录每处改动来源，还能随规模自动重构。免费版最多 50 篇文章。

OzBrain——每个 AI 智能体共享一个大脑

Speko：面向语音 AI 的 OpenRouter。它是按"测量而非厂商排行榜"来选择语音模型的路由器，对几十个转写与合成模型按语言做了评分。它发现 23 个模型里 11 个只在英语被测量，而 9 个语种里获胜的是 4 个不同模型。正确的选择会随你说话的语言而变。一个 base URL + 一个 key 就能对接全部供应商。

Speko——面向语音 AI 的统一路由网关

新的 MCP 路线图 聚焦五个优先领域。核心是把智能体从"请求-响应"推向能推送、可中途干预的异步消息原语；用 HTTP 原生传输统一加固；通过 DPoP、Workload Identity Federation 等做智能体身份与企业级安全；并改进工具调用契约、引入渐进式发现应对上百个工具的选择难题。

用 computer use、Skills API 与 Files API 构建生产级 Agent。三者在 Claude Platform 上全面可用，其中 computer use 新增了面向 Web 的 browser use tool。Skills API 让你上传并版本化自己的技能，Files API 让 agent 读写文档。有保险客户反馈，无 API 的理赔工作流从 32 分钟降到 13 分钟，成本降三成。

Cursor Origin 代码托管。Cursor 现在能托管你的代码，直接对标 GitHub。它支持 repos、pull requests、代码浏览和 GitHub 双向同步，每个仓库都内嵌了可提问、改代码、更新 PR 的 Agent。已与 Vercel、Depot、Buildkite 集成，面向代理规模设计。

GitHub 的 canvases 让 Agent 工作流可见又省钱。作者说 chat 适合表达意图，却不适合持久执行。一旦 agent 真开工，工作流的计划、决策与验证点都被埋进日志里。Canvases 给工作流一个"家"，让状态显式持久，人类能检查和引导，agent 能持续推进。

Cline 开源面向开放权重 Agent 的评测集。闭源模型越来越贵，Cline 注意到自家用量最高的五个模型现在全是开放权重的。于是他们开源了评测集，用来衡量 Cline 在开放权重模型上的表现，给代理商一个可靠的能力标尺。

Cline 开源面向开放权重 Agent 的评测集

NoBuzz：让 Claude 停止像 BuzzFeed 那样说话。Claude 明明是优秀工程师，却总像在做 TED 演讲，没有任何东西只是 bug、总有个"kicker"。这个 /debuzz 技能干脆把 Claude 的回复交给 Gemini 用"人话"重述一遍，还承诺原样输出，避免把要消除的语气重新引回来。

IP as Logo Skill：让 AI 做好看又极简的吉祥物。它给具备生图能力的 Agent 一套结构化规范：主体由 4-7 个基础圆形构成，默认两主色加一纯色背景，角色从角落探出占据 85%-95% 画面。Agent 会先给 3 种方向、确认后一次生成 6 张，支持 Codex、豆包、Coze 等环境。

Is Agentic：你的网站对 AI 智能体友好吗？ Vercel 联手 Ora 推出这个评估网站"Agent 就绪度"的工具。它检测服务端渲染、语义结构、HTTP 响应等基础指标，并根据网站实际能力动态匹配，不滥扣分。还记录 Agent 浏览时的路径与阻碍，支持 Markdown、JSON API 与 MCP 集成。

OneCLI：面向团队的开源沙箱化 Agent harness。它让"一个代理成为一个持久实体"，拥有自己的隔离沙箱、记忆、技能、调度，而永远看不到凭据，网关在每次请求上注入并强制执行策略。一人一代理、一处策略统一管控，支持企业 IdP 预配，可跑在笔记本电脑、homelab 或 NAT 后的 VPC 上。

Herdr：为 AI 编程智能体打造的专属后台运行环境。合上电脑任务就中断、多 Agent 跑着分不清谁在等输入，这两个痛点是它的出发点。Herdr 作为后台服务接管终端会话，合盖不掉线、系统重启也保留，并用状态感知标出每个窗口是在工作、等待还是空闲，兼容 20 多种主流 Agent CLI。

Turbovec：用 Rust 实现 Google 的 TurboQuant 向量搜索。它把向量量化的 bit rate 设计成 m=d/4（2-bit）与 m=d/2（4-bit），在几乎全配置下都胜过 FAISS FastScan，平均领先 3 倍，校准后能到 4 倍。带 Python 绑定，对 RAG 和 embedding 检索这类内存与延迟敏感的场景尤其有用。

Shoehorn：把任意模型量化到塞进你的机器。与主流"预设量化"不同，它从你实际的内存出发，减去推理开销，再求解一个 per-tensor 混合精度分配，通常用到 99.99% 的预算、精确到字节。量化器从零用 Rust 实现，输出标准 GGUF，任何 llama.cpp 都能加载。

Proliferate：开源可自托管的编码 Agent IDE。它让你在本地或云端并行运行 Claude Code、Codex、Cursor 等 agent，并构建可复用的工作流。可通过 Docker Compose、AWS 一键、Kubernetes 甚至气隙环境部署，提供事件驱动与定时工作流，适合想统一纳管多 agent 的团队。

Front end design pro：一套 AI agent 真正遵守的设计规则。它用"注册表路由 + 机器强制 + 默认防 AI 味"，每请求只加载 19 个技能里的一个，背后是 37 万 token 的参考深度。输出代码发布前受 60 项检查约束，禁 Inter/Roboto 当展示字体、禁裸 hex、禁 min-h-screen，让 AI 前端摆脱"AI 套话"。

Heimdall：AI 编码 Agent 的可信验证知识层。它解决"每次会话从零开始，同一份工作被反复重建三次"的问题。每个搜索结果在交给 agent 前都先对现实做验证，标成 STRONG、WEAK、REBUILT 或 STALE/REMOVED，agent 基于死路径行动比没有答案更糟。它通过单写者与内容哈希保证图与磁盘一致，即使是 40 个 agent 编辑同一文件也无害。

/wayfinder Skill：驾驭规划的"战争迷雾"。Matt Pocock 的这个 skill 帮你和 agent 在终点还不明确时理清项目。用他的话讲，/wayfinder 帮你在"你无法一开始就决定一切"的迷雾中导航。它来自一个有 22 万 GitHub stars 的 skills 项目。

superwhisper/s1-mini：ASR 文本规整模型。这个 0.6B 参数的模型接收原始 ASR 转写，把它重写为干净书面文字：去掉填充词、纠正自我修正、加标点、把口语数字写成书面形式。量化后只有 462MiB，笔记本 CPU 也能跑。注意它默认不开 thinking，忘了设 enable_thinking=False 会常得到空白结果。

LLM 时代的可扩展软件。作者（就职于 Cloudflare）认为 LLM 大幅降低了写扩展的成本，机会在于打造"Web 上的可扩展软件"：一个经受考验的核心，加上近乎开口即得的无限扩展能力。他推崇 capability 模型，并认为 Cloudflare 的 Dynamic Workers 最接近 2026 年生产就绪的 Web 可扩展框架。

结束语

这周资本的躁动让人明显感到 AI 已进入"大鱼吃小鱼"的整合期。OpenRouter 并入 Stripe、Poolside 被 NVIDIA 收编，都指向一个事实：随着 token 变成每家公司最大的支出项，谁控制入口和算力，谁就掌握了主动权。而模型这边，Ornith-1.5 代表的开源自我改进，正在悄悄缩小与闭源旗舰的差距。下周我们继续关注这些变局的走向。