随着折扣交易的瓦解，AI代币的销售愈发艰难
模型积分正出现在各类节日促销活动和运营商风格的套餐中。那些依靠不透明加价而蓬勃发展的小型经销商，如今面临质量质疑、监管压力以及资金更雄厚的竞争对手的挑战。而实力雄厚的中间商则会针对路由、信任与集成收取费用，而非通过暗中降价来吸引客户。
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
讯飞星火，90后上前线
一场组织重构 1990年，一位17岁的理科生下了一个重要决定。 他放弃保送清华大学汽车工程专业的机会，选择中国科学技术大学专攻语音合成技术，9年后，他和十几位科大学子创办的“车库....
算力最多，进展最慢：字节大模型困于赛马制
旧有的“赛马+短周期考核”方式，已经难以为继。
从大语言模型迈向世界模型
闫德利 腾讯公司资深专家LLM是概率模型，不知因果大语言模型（LLM）并不理解语言，只是在预测下一个token（Next Token Prediction）。它是一个枯燥的“文字接龙”机器，走一步，算一步，不走回头路。LLM在本质上是概率模型，在统计共现结构里学习“什么经常和什么一起出现”，输出的是“通常如此”，不理解“为什么如此”，...
看了招股书，我终于知道为什么 Anthropic 不在乎用户了
大的，终于来了。 10 月 26 日，Anthropic 向美国证监会公开递交了 S-1 招股书，准备在纳斯达克全球精选市场挂牌上市，股票代码定为 ANT。媒体报道中，这家公司的估值讨论区间已经来到了 1.5 万亿至 2 万亿美元，发行价区间尚未披露。 24 小时内，这本 300 多页的招股书已经被科技圈和金融圈翻了个底朝天，最抓眼球的几个数字大家都看过了：2026 年上半年营收 162.86 亿美元，去年同期只有 11.63 亿美元；第二季度交出 9.74 亿美元经营利润，迎来公司历史上首个经营盈利的季度；至于账面上高达 807 亿美元的净亏损，大头是 723.88 亿美元的可转债、衍生负债和 SAFE 公允价值变动，属于非现金的会计费用。 但在这些华尔街叙事之外，国内的开发者和日常使用者有着另一种割裂的体感。在中国大陆用户眼里，Claude 大概是目前市面上封号最多、风控最严苛、用起来最让人恼火的 AI 产品。 为什么一家做出顶尖大模型的公司，在面对普通个人用户时总是显得如此冷淡？ 翻完招股书的财务附注和风险提示，答案其实就写在账本上。在 Anthropic 的商业版图里，个人用户贡献的真金白银占比非常小。 01 不到 20% 的个人用户 要看懂一家公司真正在乎谁，最直接的办法就是去翻它的收入构成表。在招股书的财报附注 2 里，Anthropic 把营收拆成了两大块，一块是按用量计费的收入，另一块是订阅收入。 数据对比非常悬殊。2025 年全年，按用量计费的收入是 37.96 亿美元，订阅收入只有 7.89 亿美元，比例大约是 83% 对 17%。到了 2026 年上半年，按用量计费的收入冲到 130.64 亿美元，订阅收入是 32.22 亿美元，前者依然占到 80% 左右，订阅收入只占约 20%。 更关键的细节藏在订阅收入的构成里。这 20% 里，既有个人用户的 Cl
Manus，刚刚悄悄发布了自己的 2.0 宣言
10 月 26 日，Manus 联合创始人、产品合伙人张涛（网名 HideCloud）最近在自己的公众号「潜云思绪」写了一篇长文，标题叫《用 Manus 改造 Manus》。 文章开头是一个让他印象很深的画面。他给工程师提了几条需求和 Bug，过一会儿去看进展，发现对方电脑上开着一排 Codex 和 Manus 的 Session。随便点开一个，输入就是他刚在 Slack 上发的需求原文，一字未改。 更让他意外的是，这位工程师当时同时在处理十几、二十个需求。在今天的 Manus，这已经是常态。 这篇文章信息量很大，有几件事最值得记下来。 Manus 内部做了一个叫 Manus-mono 的统一代码入口，配上一本写给 AI 看的说明书，让 AI 能看到跨仓库的全局。一个需求，一个人就能写完所有端。移动端团队一直只有 7 个人，同时负责 2 个产品、4 个 App，进度和网页版基本同步。 所有产品经理都向 Manus 提交过代码，大约一半能独立把需求做到上线。有的产品经理交出来的需求，已经从文档变成了一段视频。 市场团队有了一位「数字同事」，会自己安排工作、主动提醒项目进度，还会跨团队去把功能细节问清楚。 9 月，公司的 AI 开销人均超过 1 万美元，少数人一个月就用掉七八万美元。张涛专门用一节回应了外界的质疑。 文章发出的时间点也很微妙。9 月底，Manus 发布了 2.0 版本和个人智能体应用 Cue；10 月初，母公司蝴蝶效应宣布完成超过 5 亿美元的新一轮融资，同时在北京开出 17 个岗位。 放在这个节点上看，这篇文章更像是 Manus 团队进入 2.0 时代的一份宣言。它讲的是组织如何利用 AI 进化，透露出来的却是这家公司的产品方向、成本逻辑和用人标准。 01 Manus 本身，就是 2.0 的样板间 如果你把文章里的内部实践和 Manus 2.0 的功能列表放在
Anthropic还得继续“狂奔”
招股书显示，2026年上半年，公司实现营收162.86亿美元，约为上年同期的14倍，营业亏损却从21.35亿美元收窄至6.93亿美元。
n8n@3.0.0
# [3.0.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@3.0.0)（2026-10-27）### 问题修复 * 在工件下载按钮上添加文件类型提示工具提示（[#41490](https://github.com/n8n-io/n8n/issues/41490))（[4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder：** 检查执行权限：在 Assistant 执行读取时进行检查（[#41863](https://github.com/n8n-io/n8n/issues/41863))（[a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder：** 通过已配置的 AI 传输通道发送 Assistant 模型调用（[#41948](https://github.com/n8n-io/n8n/issues/41948))（[9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * 支持自定义 OAuth2 范围（[#41249](https://github.com/n8n-
启元机器人第 5000 台下线，从规模化量产迈向商业化验证
10 月 25 日，启元机器人第 5000 台个人机器人正式下线。从 9 月 20 日发售启元 Q1、T1 两款个人机器人，到一个月后完成 5000 台下线，启元在产能爬坡、制造体系与供应链协同上取得阶段性进展。 对仍处产业化早期的个人机器人行业而言，5000 台的意义不止于产量增长，更在于企业将研发阶段的技术能力转化为可复制的制造能力，并进一步连接产品交付、用户使用与软件迭代——这是个人机器人从技术探索走向消费市场的关键环节，也是检验商业化能力的重要维度。 随着人工智能从数字世界走向物理世界，机器人产业的竞争正从技术展示延伸至工程化、产品化和商业化能力，启元此次量产实践提供了一个观察个人机器人产业化进程的具体样本。 01 一个月从 0 到 5000 台， 量产制造体系成形 「自产线启动以来，从 0 台到 5000 台稳定量产下线，仅用时 1 个月。 」启元机器人联席总裁、中央研发部总裁高全中表示，启元机器人的产线目前每 2.5 分钟下线一台机器人，日产能从 10 余台提升至 200 余台。 对个人机器人而言，量产并非简单增加产线或提高装配速度。机器人融合机械结构、运动控制、感知交互与智能算法等多个系统，既要实现复杂功能，也要在批量制造中控制装配精度、产品一致性与运行可靠性。衡量量产能力，不能只看下线数量，还要看制造体系能否支撑持续生产、质量标准能否适应规模化复制、供应链能否匹配交付需求。 据介绍，围绕这些环节，启元机器人在生产端通过工艺固化、质量收敛、自动化装配与标定测试提升批量一致性；供应链端联合供应商建立原材料立库、采用半自动化装配线体、搭建端到端制造 IT 系统，实现生产流程可追溯。同时建立涵盖百万级线束弯折测试、十万级关节耐久测试及模组抗冲击测试的验证标准，以提高产品在长期使用过程中的稳定性。 这些能力共同构成从样机研发走向规模化制造的工程基础。5000 台下线仍
帮用户抢 iPhone 折叠屏的 Agent，正在塑造 AI 时代电商的形状
Shopify AI 交易订单增长了 13 倍。 10 月 16 日清晨，苹果第一款折叠屏手机 iPhone Duo 开启预购。1999 美元起售，首批产能紧张，没过多久交付日期就排到了明年 1 月。 这一次抢首发的，不只是守在屏幕前的人。 今年 Agent 成为 iPhone Duo 黄牛最严厉的父亲｜图片来源：Apple 在 MacRumors 论坛上，一位没抢到的用户愤愤不平地吐槽，Reddit 上有人在炫耀自己设置的 Muse 机器人一口气拿下了好几台，真人还没来得及点，库存就被 AI 扫走了。 Muse 是 Meta 在 9 月 8 日推出的个人 Agent，上线后一度登顶美区 App Store 免费榜，下载量很快超过 250 万。Meta 方面表示，购物已经成为 Muse 最主要的使用场景之一。就在 iPhone Duo 开售前后，Muse 还专门发了新版本适配这台新机，更新说明里紧跟着的一句，是让聊天里的购物变得更方便。 AI 替人购物，已经从发布会上的演示，走进了真实的抢货现场。 但并不是每家商店都欢迎这些新顾客。 9 月下旬，亚马逊开始封禁 Muse。 到了 10 月，马斯克旗下 Grok Bot 的用户在亚马逊下单时，也撞上了同一句警告，未经授权的 AI 代理继续访问，违反亚马逊的使用条款。 另一家公司，Shopify，则走了完全相反的路。9 月 21 日，Shopify CEO Tobi Lütke 宣布与 Muse 深度合作，让 Muse 可以用 Shop Pay 在所有 Shopify 店铺完成结账。 而 Shopify 的财报，已经给出了这条路的早期回报。今年一季度，来自 AI 搜索的订单同比增长接近 13 倍，AI 带来的店铺流量增长 8 倍。 一边关门，一边开门。当越来越多的购物决定交给 Agent，「让不让 Agent 进门」，会不会成为
n8n@2.46.0
# [2.46.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@2.46.0)（2026-10-27）### 修复的缺陷 * 在工件下载按钮上添加文件类型提示工具提示（[#41490](https://github.com/n8n-io/n8n/issues/41490))（[4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder：** 检查执行权限：在 Assistant 执行读取操作时进行检查（[#41863](https://github.com/n8n-io/n8n/issues/41863))（[a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder：** 通过已配置的 AI 传输通道发送 Assistant 模型调用（[#41948](https://github.com/n8n-io/n8n/issues/41948))（[9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * 支持自定义 OAuth2 范围（[#41249](https://github.com/n8
OpenAI改写人类科学史！“王的猜想”全维度告破，30年铁律ETH塌了
新智元报道 说真的，人类科学史今夜彻底改写了！就在刚刚，OpenAI一口气连放三弹，官宣内部AI独立完成三大堪称「里程碑」新发现——数学： 证明全维度的「局部平滑猜想」，彻底终结困扰数学界百年的「挂谷猜想」；计算机科学：证伪了统治学界近30年的「指数时间假设」（ETH）；理论物理：给出了四维量子色动力学（QCD）与纯...
Neocloud这堵快塌的墙，黄仁勋扶，马斯克推
黄仁勋还在努力扶住Neocloud这堵墙，马斯克却已经预言了它的倒塌。AI泡沫的第一张多米诺骨牌，可能就藏在这批公司之中。10月25日，马斯克在X上发出警告：最近几周，债务市场几乎已经不再向那些缺乏AI数据中心之外实质收入的企业提供资金。他预言，200多家Neocloud将迎来“孔雀鱼式”（guppy-level）的死亡与整合，最终可能只有少数公司能够存活。但就在三天前，英伟达CEO黄仁勋给出了几乎相反的判断。10月22日，黄仁勋在接受CNBC采访时坚称，Neocloud的算力需求依然极其旺盛，真正限制它们发展的只是营运资金不足，而融资困难终将得到解决。两人都看好AI算力需求，却对经营算力租赁...
大模型时代，谁会成为那部不肯换掉的“iPhone”？
AI排行榜上的冠军会换，用户每天使用的产品却未必换。大模型的下一场竞争，不仅仅是谁的模型更强，而是把一次使用变成习惯。
MiniMax M3.1Flash发布引发“背题”质疑：旧题高分、新题失灵、幻觉率高达92.8%
MiniMax于2026年10月19日发布低价大模型M3.1Flash，综合评测得分42分，成本较前代降70%，但随即遭遇“背题”质疑——其在AA公开旧题上接近满分，改写题干后仍答原答案；猫老板与Binkg等测评者指出其新旧题能力割裂、Token消耗异常、知识测试幻觉率高达92.8%。10月23日MiniMax开源模型权重，供独立复验，但题目识别机制与中英文响应差异原因尚未澄清。
推荐理由：该报道基于多方实测（Binkg改题实验、作者复现、AA与Plotly-Mila双测评对比）、可验证数据（Token量、价格、正确率/幻觉率）及模型行为矛盾点（英文错/中文对、旧题稳/新题崩），系统呈现当前大模型评测可信度危机的核心症候：高分未必等于强泛化，低价优势与能力真实性形成张力。信息源为钛媒体授权发布的深度调查，含原始测试过程、截图佐证与时间戳，时效性与细节密度俱佳。
倒卖Token暴利终结，AI中转站还剩几种活法？
AI中转站寻找新出路。
SAP凭借更智能、受治理的Joule代理，进一步推进其自主企业战略
SAP SE 今日在其面向开发者的年度 TechEd 大会上宣布了一系列人工智能创新，进一步强化了其 Joule 智能体解决方案和 Business AI 平台，其中包括表格数据基础模型。Joule Work 的新功能将助力 AI 智能体提升效率，并与开放协议实现互操作。在此背景下，模型上下文协议[…] 该文章“SAP 以更智能、受管的 Joule 智能体推动企业自主化发展”首发于 SiliconANGLE。
气候危机愈发急迫，AI是福还是祸？
AI耗能会加剧气候危机，而气候问题反过来也很可能影响AI自身的规模化发展。
左手开源模型，右手创作 Agent，Hi3D 的 AI 3D 下半场
作者｜Cynthia 编辑｜郑玄 2026 年的 AI 3D 赛道，正站在一个微妙的分水岭上。 一级市场的热度仍在攀升，新模型、新创业公司层出不穷，单图生 3D 的正面渲染效果几乎已经做到了以假乱真。 但剥开炫目的 Demo 外壳：绝大多数生成结果依然停留在「转台展示」阶段：一个精致的角色或机械模型，在灯光下缓缓旋转，鳞片、衣褶和金属刻纹栩栩如生；可这些细节一旦进入游戏引擎装配、工业仿真以及 3D 打印的真实生产流程就立刻原形毕现：结构断裂、背面崩坏、细节粘连、网格不可编辑等问题开始集中爆发，大量人工修补成本吞噬了 AI 带来的效率红利。 正面视图保真度不等于 3D 质量成为新的行业共识。AI 3D 的竞赛，也从 能不能生成」的上半场，进入了能不能落地的下半场。 也正是在这个节点上，头部玩家 Hi3D 接连落下两枚棋子：正式开源经过生产验证的 Hi3D V1.0 底座，同时推出以创作者为核心的 Hi3D Agent，一头连接产业底层，一头深度扎根进入真实的创作全流程。 在此之前，这家成立不到三年的公司已经交出了一份扎实的成绩单：半年内连续完成两轮融资、总额近 5000 万美元，红杉中国、IDG 资本、美团龙珠等一线机构扎堆下注；旗下 Hi3D 平台覆盖120+ 国家与地区、200 万 + 创作者，与拓竹科技、xTool 等头部设备商深度集成。 从稀疏几何技术的学术突破，到生产级模型的开源开放，再到 Agent 创作系统的全链路打通，Hi3D 已经拿下了通往 3D 生成下半场的门票。 01 3D 生成，被高估的 Demo， 被低估的生产鸿沟 单图生 3D 的底层逻辑，天然带着视角偏见。随着ULIP、Uni3D 等指标被反复刷新，重正面、轻整体，重外观、轻内部逻辑的一度成为这个行业过去几年的共同写照。 但 3D 资产的本质，是可旋转、可编辑、可加工的立体对象。一张角色图片里，垂
vLLM 语义路由器发布 d3-ultra：一款 270 亿参数的开源多模态决策模型
vLLM 语义路由器发布了 d3-ultra，一款拥有 270 亿参数的开源多模态决策模型。它能够一次性读取文本、图像和视频，并为每个可能的答案返回概率，在该团队的 SR-Text 测试中取得了 87.2 分。原文“vLLM 语义路由器发布 d3-ultra：一款 270 亿参数的开源多模态决策模型”首发于 MarkTechPost。
