硅谷AI竞争正转向算力争夺：Anthropic与SpaceX达成合作，5月起获得超300兆瓦新容量和22万块英伟达GPU，用于提升Claude Code和API额度。谷歌斥资27亿美元请回的Gemini联合负责人Noam Shazeer因团队算力被重新分配而转投OpenAI。H100一年期租赁价从每GPU每小时1.70美元涨至2.35美元，涨幅近40%，算力正成为AI时代的准入门槛。
孙宇晨在与邵艾伦的4.5小时长谈中提出，年轻人应先"全部AI化"，再叠加孙学、薄肌、黄毛三套理论，并用AI全流程管理饮食、训练和睡眠。他强调"先探图再下结论"，看好数学、天文、生物制药等数据密集型领域，主张商机在全球发现，并从货币翻译成机器语言的角度解读Crypto。
OpenAI 在 GitHub 仓库放出一份 722 篇数学证明文稿的清单，覆盖 372 个成果族、17 个方向，全部由尚未发布的内部前沿模型在评估中产出，平均每个结果消耗约相当于 3 小时 ChatGPT Pro 思考的算力。
选题角度：OpenAI 内部模型两周内产出 722 篇数学证明文稿，其中 235 组附形式化证明，可围绕数学家联署质疑与形式化验证的争议做热点评论。
2026 年网吧行业回暖，部分门店提供免费淋浴、擦鞋、洗衣、洗车和报销车费，硬件用上 5080 显卡、9800X3D CPU 和卓威显示器。复兴起点是 2023 年，《无畏契约》《三角洲行动》等 FPS 游戏带来新增客流，FPS 在网吧热门游戏中占比长年超 50%。但单店投入已从 100-200 万涨到 300-400 万，台均成本从两万涨到四到五万，回本周期普遍超过两年半。
Mercor VP Chirag Mahapatra 在 Assembling 2026 上表示，前沿实验室在科学、材料、生物等复杂领域只收集到构建极高质量模型所需数据的 1% 到 2%，物理世界数据同样如此，整体仅到 2% 到 5%。他预计未来六到八个月内会出现强大得多的模型。Mercor 专注数据、evals 与基础设施，帮助企业训练自己的模型，而非自己做模型。
Google Research 负责人 Yossi Matias 探讨 AI 下一次突破的方向，涵盖超越 Scaling Law 的架构创新（如投机解码提升效率）、环境智能与 Generative UI 交互范式、AI Co-Scientist 加速科学发现，以及洪水预测、Google Earth AI 行星级智能、医疗 AI 开放生态与量子计算进展。
Anthropic 的 Claude Science 首次绘制出完整的紫外天空图，用于展示 AI 如何接手研究人员长期搁置的繁琐数据工作。Claude Science 协调多个 AI 智能体从多个太空任务下载数据、进行校准并合并，再用 inpainting 技术填补缺失区域，测试中预测值与实际测量平均偏差约 10%。
字节Seed团队发现DeepSeek-V4的答题表现会随信息在输入中的位置每隔4个Token周期性变化，在128K长上下文大海捞针测试中，同一条信息换个位置，DeepSeek-V4-Flash-Base的检索准确率最大差距达40.2个百分点，DeepSeek-V4-Pro-Base为34.8个百分点。
Sharpa在IROS发布首款全自研通用人形机器人D01、新一代灵巧手W02和外骨骼触感数据手套AE01。D01为一体化触觉感知灵巧操作机器人，手臂载荷自重比接近1:1，最大末端执行器速度超过10.5m/s，通信频率1000Hz，重复定位精度0.2mm，电子皮肤覆盖全身、触觉覆盖上半身，触觉采样率100Hz，力感知范围0.1—20N。
Anthropic 发布科学博客，约翰斯·霍普金斯大学天体物理学家 Brice Ménard 用 Claude Science 做出第一张完整的全天紫外地图，其中约三分之一天空从未被紫外望远镜观测过，由 Claude 预测补出，并逐像素标注实测或预测及误差估计。
选题角度：用 Claude Science 把 GALEX 等公开紫外数据补齐成全天图，可讲清四步流水线和 10% 误差的实测对比。
Biohub、美国能源部（DOE）、美国国立卫生研究院（NIH）及新资助伙伴宣布共同投入 18 亿美元，用于生成并开放 AI-ready 生物数据，规模为迄今最大。
天体物理学家 Brice Ménard 与 Claude Science 合作，制作出首张完整的全天紫外图。他引导 Claude 找到已有数据集、把它们合并，并用统计推断补上从未被观测过的天区。
选题角度：天体物理学家用 Claude 找数据集、做统计推断补全紫外天图，几周工作量压到几天，适合讲 AI 接手科研里没人做的低优先级活。
Anthropic 为 Claude 推出两项 beta 功能。Dashboards 可连接 BigQuery、Databricks、Snowflake、Salesforce 等数据源。
Ben Affleck 本周因多段采访视频走红，他在其中讲解机器学习、神经网络、Transformer、张量和 GPU 等概念，并称自己会写一点 Python。他透露曾走访 OpenAI，并创办公司自建数据集用于开源模型的后期训练；他还称通过解冻权重、只训练最后一层电影化层来微调开源视频模型，该技术已用于其电影《Animals》的后期制作。
数学界团体 AHM 发表声明呼吁抵制 OpenAI，称其一次性放出 700 多份 AI 生成的数学证明文件是展示力量而非学术贡献。声明由菲尔兹奖得主 Terence Tao 在其博客转发，Scott Aaronson 称这一局面为 Mathocalypse。
选题角度：数学家联名呼吁抵制 OpenAI，可围绕 700 多份 AI 证明草稿一次性放出、以及陶哲轩所说问题一旦被解出就无法撤回的争议展开评论。
UniPat AI 发布 PaperBenchX，这是首个多学科端到端论文结果复现 Benchmark，覆盖 12 个研究方向、10 种科学环境，含 93 个复现任务和 3168 条专家校验评分项。测评中表现最强的 GPT-6 Astra 完整复现率仅 13.98%，建模和执行阶段平均得分约 62%，验证阶段仅 42.80%。团队已开源 12 个代表性测试任务，并维护 81 个封闭测试任务。
一位创作者在几个月里训练了 100 多个 Krea 2 角色 LoRA，发现训练量越大并不等于相似度越高，小而干净的数据集往往效果更好。作者列出 8 条经验，包括数据集质量比规模更重要、面部覆盖之外还要有全身和不同角度、相似图片过多会让 LoRA 失去灵活性、最终 epoch 不一定最好，以及 Krea 2 可能在面部很准的同时让体型漂移。
选题角度：作者训练了 100+ 个 Krea 2 角色 LoRA，总结出数据集质量、面部覆盖、epoch 选择等 8 条经验，适合做角色 LoRA 训练避坑教程。
作者在 HuggingChat 中开启 ML-intern 模式，用提示词让智能体自动完成数据准备、训练、评测和发布，两天内做出 6 个模型，总计算花费约 103 美元。
选题角度：作者用 ML Intern 两天做出 6 个模型，含 0.8B 蒸馏、LoRA 训练和总花费约 103 美元的明细，适合按提示词结构做上手教程。
OpenAI 于 10 月 7 日在 GitHub 上线 openai/math 仓库，发布 722 份数学手稿、归为 372 个成果组，覆盖数论、代数几何、组合数学等方向，全部出自一个未公开的内部模型。
选题角度：OpenAI 在 GitHub 上线 722 份数学手稿、372 组成果，可梳理准黎曼猜想、矩阵乘法等具体结果，并对照数学家联名信争议。
扎克伯格与普莉希拉·陈支持的 Biohub 正协调一项 18 亿美元计划，用 AI 模型预测细胞行为以加速药物研发。Meta、Google DeepMind 和 Isomorphic Labs 合计出资 3 亿美元，美国能源部五年投入超 5 亿美元用于实验室测量与算力，NIH 协调此前超 5 亿美元联邦资金建成的数据集。首批数据集预计约一年后就绪，商业出资方可获一年独家数据访问权。
Healthleap 完成 3800 万美元种子轮和 A 轮融资，其中 800 万美元种子轮由 Sequoia Capital 和 First Round Capital 联合领投，3000 万美元 A 轮由 Hummingbird Ventures 领投。
Google DeepMind 推出 AlphaGenome Atlas，可用于解读基因组信息。该工具已开放访问，具体入口见官方链接。
英伟达团队从 Nemotron 3 出发，用监督微调、强化学习和反馈驱动的推理流程，让 Nemotron 在 IOI 2026 与 IMO 2026 都达到金牌水平。
选题角度：原文公开了 SFT 与 RL 检查点、训练数据集和 NeMo-Skills 推理管线，适合按官方配方复现一次微调加生成验证的流程。
OpenAI 在 GitHub 上发布了 372 个由内部前沿模型生成的数学结果，每个结果都声称解决了一个开放问题或取得实质进展，其中包含对重要计算机算法的改进以及与黎曼假设相关的推进。
OpenAI 公开了 722 篇数学手稿，归为 372 组结果，全部出自一个尚未发布的内部模型，论文、源码和部分 Lean 证明已上传 GitHub。手稿涉及准黎曼猜想、霍奇猜想、BSD 猜想、π 的无理性指数等，覆盖数论、代数几何等 17 个方向，OpenAI 称平均每项结果消耗算力约相当于 ChatGPT Pro 思考 3 小时。
选题角度：OpenAI 一次公开 722 篇数学手稿，覆盖准黎曼猜想、BSD 猜想等，适合梳理这批成果的目录与数学家顾问组的质疑。
OpenAI 发布了一批由内部前沿模型产出的数学新结果。OpenAI 表示在发布方式上咨询了 Institute for Advanced Study 的独立数学与人工智能咨询小组，并参考了其建议和公开推荐。
选题角度：OpenAI 用内部前沿模型产出一批数学结果并公开，适合围绕模型做数学研究的可信度与发布方式展开讨论。
旧金山初创公司 Mirror Particle 正在从零构建一个模拟人类行为及其变化原因的基础模型，而非依赖 LLM 角色扮演来预测消费者行为。其引擎结合客户数据、时事、流行文化与社交媒体，追踪“显性行为”及动机变化，并给出预测背后的原因。该公司已获天使轮融资，即将完成首轮风险投资，并将参加 TechCrunch Disrupt 2026 的 Startup Battlefield 200。
法国 AI 实验室 Mistral AI 发布 Mistral Large 4（ML4），一款 1 万亿参数的大型多模态模型，绰号 Le Chonk，定位为介于闭源与中国开源模型之间的第三条路线。
NVIDIA《State of AI in Telecommunications》报告显示，89% 受访者认为开源模型与软件对公司 AI 战略重要。NVIDIA 发布 300 亿参数的 Nemotron 3 Large Telco Model（LTM），由 AdaptKey 基于开源电信数据集微调，并公开完整微调流程。
AI 公司 Reflection 发布首个免费开放模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。
PhAI Labs 联合 Stanford、Oxford、Princeton 提出 JEPA-Anything，把 JEPA 的预测状态拆成四个正交因子、各配一个预测模块再重组，在物理、机器人、天气、单细胞和临床等七个领域测试。
DeepSeek 接近完成新一轮融资，至少募资 120 亿美元，最初目标约 75 亿美元、估值约 750 亿美元，知情人士称总额可能接近 150 亿美元，宁德时代和腾讯出资最多。
A16Z第七版《Top 100 消费级 AI 应用》与9月底更新的《市场状况 II》报告显示，截至2026年8月美国AI个人付费订阅率仅4.5%，仅2%的标普500公司长期追踪AI价值指标。付费用户中前1%贡献19.5%消费、月均花903美元，Claude付费用户有7.3%购买100美元起步的Max计划。报告还指出Agent已成Token消耗主力，8月日均达7.3万亿Token。
PewDiePie 正在打造 Ajax，一个他在家训练的无审查 AI 模型，此前他因知识蒸馏被 OpenAI 封禁两次。该模型由 Fireship 报道，具体参数规模、benchmark 分数与开放方式均未披露。
Aleph Alpha 发布德英双语模型 Kolibri，总参数 78B，采用 MoE 架构，每个 token 约激活 3B 参数。公司称 Kolibri 在两种语言的质量与运行成本上处于帕累托前沿，德语基准得分 71%，解码速度快于 GPT OSS A5B、Qwen 3.6 A3B 和 Gemma 4 A4B 等同类模型。
Hinton、Bengio、Andrew Barto、Jakub Pachocki等22位作者联合发表论文《What if automating AI R&D triggers an intelligence explosion?
Google 研究人员提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过收缩编辑预算和严格评审机制，防止自我优化智能体记忆测试任务。
NASA 与 IBM Research 联合多家学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。
Aleph Alpha 用自建基准测试阿里千问、DeepSeek 和月之暗面 Kimi，覆盖天安门、台湾、新疆等 967 个敏感话题，其评分系统判定仅 17% 到 41% 的回答算平衡，其余为复述官方立场、回避或拒答。
晓辉博士把9月约6万字语音日记交给AI，生成可视化页面分析锻炼、注意力分布、情绪与身体能量变化。AI识别出跑步13次共36公里，并发现状态好坏与冥想直接相关，建议10月把冥想当作日常基础设施而非点状安排。作者分别用两个模型尝试，认为一个更简洁、可视化更清晰，并提醒涉及密码等隐私内容需做保密处理。
选题角度：作者把6万字日记交给AI生成可视化洞察，可拍成录屏演示文字转图表的完整流程与提示词思路。