iFeeling Daily

每天精选值得关注的 AI 动态

每天精选值得关注的 AI 动态

AI 快讯

为什么现有的AI评测测不出模型能不能帮科学家干活？答案在LifeSciBench：一个由173位博士级科学家设计的基准，直接对标真实科研中的多步推理、证据整合和判断决策。结果告诉你，模型在纯文本上还行，一遇到图表和序列文件就掉三成。到底差在哪，看这个就知道。

Databricks 以80%年增长率拉开与 Snowflake 的距离，AI 产品贡献25% ARR，揭示了“代币路径”增长模式——当 AI 收入占比到一定阈值，增速会指数级放大，即使在大规模下依然有效。

OpenAI联手Molecule.one，让GPT-5.4像一位真实的化学博士后一样工作：独立提出科学猜想、设计实验方案、在自动化实验室里跑完10080个反应、分析数据、再提出下一轮假设。关键结果是，它推荐的TEMPO氧化剂让药物化学中最棘手的磺酰胺基团偶联反应产率翻倍。

MolmoMotion用物体表面稀疏3D点预测未来运动轨迹，不依赖物体类别模板，精度远超现有方法。仿真环境机器人任务成功率76.3%，通用性强到可以直接从视频学到物理规律并迁移到机器人控制。核心价值是让AI从看懂过去进化到预判未来。

中小企业不需要学大模型，直接让AI融进Google Workspace里干活就行了。71%的英国受访者用过之后节约了时间，核心就是让现有工具帮你做会计对账、自动搜文件、甚至7x24小时自动监控安全威胁，看完你会明白为啥产品整合比模型参数更重要。

Hacker News 社区实地考察发现，用本地模型写代码像在带一个 junior，效率只有 Claude Opus 的 1/3，但零成本和隐私让它变得无比诱人。Qwen 3.6 已成事实标准，性能摸到了 Claude Sonnet 的屁股。一文讲清本地编码栈的现状、权衡与未来。

AI应用的黄金时代，拼的不是模型大小，而是如何用有限的预算榨出最多智能。

OpenAI明确摊牌：AI生成内容溯源这个难题，单靠水印或元数据都扛不住截图、上传和格式转换，必须走C2PA元数据加SynthID水印加公开验证工具的多层打法，而且承认这条路还得靠全行业协作才能走通，很务实，少了很多空喊信任的套话。

成功的创始人往往能让资本以更低成本流向自己，形成正向飞轮。马斯克的案例表明，早期每一轮的小胜都在帮你降低下一轮融资成本，最终让你用更少的股权撬动更庞大的资金。