TheSequence

自驱动实验室通过将AI与自动化实验硬件结合，使系统能够根据实验结果自主决定下一步实验，区别于仅执行预设脚本的自动化。

阿里巴巴的Qwen模型家族推出机器人套件，旨在弥合感知与行动之间的鸿沟。三个新模型分别专注于导航、操作和世界建模，核心挑战在于将物理动作转化为可学习的token。

深入探讨现代AI中最重要的技术之一——蒸馏，以及它如何解决大规模模型带来的成本、部署和专业化问题。

LayerLens 推出 Stratix 杯，这是一场顶级 AI 模型在模拟环境中作为智能体进行足球比赛，考验规划、适应和多智能体协调能力。

AI市场上一周出现了一系列意想不到的转折：SpaceX以600亿美元收购Cursor，Noam Shazeer和John Jumper分别离开谷歌加入OpenAI和Anthropic，Midjourney推出全身医用扫描仪。

谷歌DeepMind发布了DiffusionGemma，这是一种文本扩散模型，挑战了传统的Transformer架构。该模型不依赖从左到右逐令牌生成文本的方式，而是采用全新的生成机制。

本文总结了关于Transformer替代方案的系列文章，涵盖四大类模型：递归/线性递归模型、状态空间模型、文本扩散模型和液态/连续时间模型。同时宣布将推出关于知识蒸馏的新系列。

上周AI领域发生四大重磅事件：Anthropic推出Claude Fable 5和Mythos 5，苹果发布Siri AI，SpaceX以史上最大IPO上市，贝佐斯的Prometheus融资120亿美元。这些事件标志着AI正从聊天窗口走向更广泛的物理世界。

讨论代理型AI时代企业软件的新范式：从记录系统转向行动系统。

论文《语言模型需要睡眠》提出，大语言模型存在“顺行性遗忘症”，无法在训练后学习新知识，建议引入类似生物睡眠的机制来巩固记忆。

Transformer架构目前是AI领域的参考架构，因其出色的扩展性而成为工业标准，但其注意力机制的计算成本高昂。文章探讨了Transformer是否会是最终架构，还是只是第一个真正可扩展的架构。

一场新的AI足球锦标赛、主要模型发布、融资活动以及Anthropic的S-1文件。

英伟达CEO黄仁勋将AI堆栈描绘成一个五层蛋糕，强调和谐共生。但从战略角度看，这实际上是五个利润池的垂直战场，真正的控制权在于掌握稀缺层及其相邻的接缝。

Claude Opus 4.8于2026年5月28日发布，虽然版本号仅小幅提升，但在可靠性方面取得了重大进步，包括4倍的校准改进、修复静默跳过工具调用、更好的压缩恢复支持长期任务、动态工作流、自适应思考以及速度提升2.5倍且价格降低3倍的模式。该版本强调模型在长时间运行中的稳定性和诚实度，而非基准测试分数的提升，使其成为生产环境中代理循环的理想基础设施。

本文探讨了Transformer架构的局限性，以及液态模型作为一种有前景的替代方案，后者更适用于低延迟、隐私保护的端侧智能场景。

Anthropic发布Claude Opus 4.8，接近运营盈利；OpenRouter、Cognition等公司融资规模惊人；Snowflake与AWS签下60亿美元大单；Pope Leo XIV发布通谕警告AI风险。AI行业正在从以模型为中心的竞争转向以token为计价单位的商业模式。

在AI时代，扩展定律曾驱动进步，但现在递归——模型或系统自我审视、修正、搜索和模拟的能力——正在成为新的扩展维度。这一转变标志着从单次前向传播到循环计算的范式转移。

本文批评了大型语言模型中的思维链（CoT）推理方式，认为它效率低下，因为推理过程被迫离开残差流变成离散的token。Sapient Intelligence的HRM-Text模型通过在潜在空间中进行推理来解决这个问题，为固定深度的Transformer提供可变的内部深度，从而挑战当前的推理范式。

文本扩散模型挑战了传统自回归语言生成范式，将生成过程视为从噪声或掩码开始、逐步精炼的编辑过程。文章介绍了该领域的三个关键系统：LLaDA（证明扩散可扩展为大型语言模型）、Mercury（实现商业速度优势）和Gemini Diffusion（前沿验证），它们共同代表了新架构类的三阶段：科学证明、工业部署和前沿验证。

上周AI领域迎来重大转折：Google发布Gemini Omni及代理优先平台；Andrej Karpathy加入Anthropic，专注于利用Claude加速预训练研究；Anthropic与xAI达成价值450亿美元的Colossus算力租赁协议；Cerebras IPO成功，市值近950亿美元；SpaceX、OpenAI和Anthropic计划在未来六个月内相继上市，总估值可能超过3万亿美元。此外，多项前沿研究发布，包括HRM-Text高效预训练范式、AI评审员效果评估、NVIDIA的联合AR-扩散模型等。

AI代理的下一个阶段将由对计算机的访问定义——文件系统、终端、浏览器等，而非仅仅是更好的模型。代理沙箱市场正在兴起。

Thinking Machines的交互模型将实时对话、视觉、音频和工具使用融合为一个持续学习的系统。

文本扩散模型作为自回归Transformer模型在语言生成领域的可信替代方案正在兴起，克服了生成漂移和反转诅咒等局限。

上周AI领域迎来多个重要事件：Cerebras IPO使其市值飙升至950亿美元；Thinking Machines推出将交互能力内建于模型本身的“交互式模型”；前Salesforce首席科学家Richard Socher创立Recursive Superintelligence，致力于通过自动实验实现AI自我改进；前阿里巴巴Qwen负责人林俊阳以约20亿美元估值创办新AI实验室。

随着AI系统从聊天机器人升级为智能体，评估正成为继算力、数据和模型之后的第四大支柱。每个公司都需要建立自己的动态评估体系，而非依赖通用基准。

Anthropic 的新型自然语言自编码器让研究人员能够直接获取LLM思维活动的英语描述，这是可解释性研究的重要进展。

状态空间模型（SSM）凭借线性时间复杂度和恒定内存推理，正在挑战Transformer在序列建模中的主导地位。本文梳理了SSM的数学基础、发展历程及其在语言建模等任务上的表现，指出其已逐渐具备与Transformer竞争的能力。

本周AI领域呈现科学化、产品化和投机化并存的趋势。Anthropic发布了自然语言自编码器，实现模型内部状态的语言化解释；OpenAI推出新语音模型，推动AI向原生界面演进；SubQ声称拥有1200万token上下文窗口，挑战现有RAG架构；中国AI实验室DeepSeek和Moonshot估值飙升，市场将AI公司视为战略资产。整体而言，AI正从模型竞赛转向基础设施竞赛。

本文探讨AI代理如何重塑软件行业，认为在代理经济中，主导者不会是现有的科技巨头。

NVIDIA的Nemotron 3 Nano Omni是一款多模态推理模型，将视频、音频、图像和文本处理统一到单个高效模型中，用于智能体工作流，避免了分离模型带来的有损管道。