编辑精选

AI 前沿：从 FLOPs 到 Megawatts 的算力调度

Anjney Midha 直指 AI 计算其实被浪费到荒唐——Google 的 95% 利用率竟是事故。他主张建独立计算市场，像电网调度电力一样调度 FLOPs。还透露 DeepMind 内部囤研究是负外部性、Anthropic 从第一天就以编码为 P0。

波士顿儿童医院和哈佛用OpenAI o3模型重新分析了376个多年未解开的罕见病基因病例，新增了18个诊断（提高4.8%）。模型不是直接诊断，而是生成带证据链的假设让专家审查。这告诉我们，AI最实用的价值不是替代医生，而是帮专家在旧数据中系统性地挖出新答案。

大多数评测只看最终答案，但 Hugging Face 的这篇博客告诉你，结果相同、代价天差地别。一个注重过程的评测框架如何发现加速大模型的同时伤到小模型的“反常”现象。

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。

GLM-5.2把1M上下文窗口真正做成了可工程化使用的稳定基座，而不是营销噱头。通过在架构上用IndexShare将计算量降2.9倍，在训练里加入反作弊模块防奖励欺骗，它在长程编程基准上成绩仅次于Claude Opus 4.8，是开源模型里最强的。

西门子联合 Google Cloud 搞了个 Knowledge Fabric 系统，用 Spanner 知识图谱结合多智能体拆解任务，成功改造了上亿行陈旧工业代码。核心思路是把代码当结构画成图，而不是当文本喂给大模型，结果很扎实——改造旧系统的效率翻了几倍。

Yahoo广告平台用双图架构解决Agent自动化中的信任和审计难题：一张知识图让Agent基于确定的业务事实做决策，另一张上下文图让每步操作都可回溯和解释。对于需要监管合规的企业AI落地，这是非常实用的参考范式。