生成式 AI
微软推出 2nm 自研芯片 Maia 300,单颗配 288GB HBM4
用上 288GB HBM4,单机架 Token 吞吐量飙 7 倍:微软发布 Maia 300
腾讯摘要 / SOURCE SUMMARY
- 1.腾讯摘要称,微软推出第三代自研 AI 芯片 Maia 300,计算 Chiplet 采用台积电 2nm,配 8 组 HBM4 堆栈共 288GB,峰值内存带宽 18TB/s,TDP 为 950W。
- 2.单机架集成 96 颗、功耗 167kW,token 吞吐量最高为 Maia 200 的 7 倍,每瓦 token 生成量比领先 GPU 系统高 40%。
- 3.腾讯摘要称,纳德拉称明年起 Maia 系列扩至数吉瓦级部署,成为自家产品的主要推理系统。
扩展解读 / READ
芯东西原文给出了发布时点:10 月 13 日报道,前一晚发布,产品全名 Azure Maia 300。三个数字值得记:288GB HBM4、18TB/s 带宽、950W TDP——单颗功耗已经接近一张高端加速卡的整板水平,而单机架 96 颗、167kW 是数据中心侧真正的约束。7 倍吞吐对比的是 Maia 200,属代际自比;「每瓦比领先 GPU 系统高 40%」是微软口径。纳德拉的表态最实质:明年起成为自家产品的主要推理系统,意味着从自用测试转向规模化替代。
为什么重要 / WHY IT MATTERS
云厂商自研芯片的目的从「压低成本」转向「掌握推理主路径」。一旦主要推理跑在自家芯片上,对外部 GPU 的议价能力就变了。
腾讯摘要 / SOURCE SUMMARY
- 1.腾讯摘要称,Meta 发布 Muse Wonder 与 Wonder Full,主攻跨对话记忆和长时任务;Wonder 已上 API,Full 仅供 Muse Code 订阅用户。
- 2.API 每百万 token 输入 4 美元、输出 20 美元,上下文 100 万 token;Artificial Analysis 十项测试中 Full 有六项进前三。
- 3.腾讯摘要称,Alexandr Wang 回应用户时承认编程仍不如 Opus 5.5,团队正排查多个 bug。
扩展解读 / READ
原文标题的两面性很典型:「跑分媲美 Opus 5.5,口碑却一言难尽」,内部代号「西瓜」。产品定位是个人与专业智能体任务,重点是跨对话记忆和长时任务,这两项恰好是长上下文(100 万 token)能直接兑现的能力。但 Alexandr Wang 自己在回应中承认编程不如 Opus 5.5、且在排查多个 bug——发布当天由负责人公开承认短板,说明团队更在意开发者口碑而不是榜单名次。
为什么重要 / WHY IT MATTERS
跑分进前三与能用是两件事。负责人愿意在公开渠道认短板,短期掉面子,长期是修复信任的唯一做法。
腾讯摘要 / SOURCE SUMMARY
- 1.腾讯摘要称,据博主 @nima_owji 曝光,X 拟推出「X Subscription」,把 X 会员、Grok 与 Cursor 并入一个订阅,三者共用一个额度池。
- 2.泄露的四档月费为 8、30、100、200 美元,较高档位用量标为 Premium 档的 4 倍、15 倍、50 倍,Premium 档额度未写明。
- 3.腾讯摘要称,官方未确认此次爆料;产品负责人 Maxime Prades 9 月曾称几周内整合订阅。
扩展解读 / READ
必须强调这条的性质:来自爆料博主的帖文,官方未确认。原文补充了爆料时点(10 月 8 日晚)与可信度支撑——产品负责人 Maxime Prades 在 9 月公开说过会在几周内整合订阅,说明方向存在,具体档位与价格仍只是泄露。把社交、助理与代码编辑器合进一个额度池,商业逻辑是提高单用户付费并降低流失;风险是三类用量特征完全不同,共享额度容易让重度用户觉得吃亏。
为什么重要 / WHY IT MATTERS
订阅打包是 AI 应用从「按产品卖」转向「按用量池卖」的信号。对用户,判断标准会从「值不值这个价」变成「额度够不够用」。
报告观点
腾讯摘要 / SOURCE SUMMARY
- 1.腾讯摘要称,OpenClaw 官方博客宣布,腾讯朱雀实验室开源的 A.I.G 加入 ClawHub 安全审核,上传的 Skill 和插件将经其检查,恶意者会被警告或下架。
- 2.扫描器把说明与脚本、依赖、数据流统一处理,覆盖指令劫持、记忆污染等九类风险。
- 3.腾讯摘要称,以混元 Hy4 preview 为底座,在 MalSkillBench 7944 个样本上 F1 为 97.3%、误报率 5.5%,居 13 个受测系统首位。
扩展解读 / READ
这条的分量在于位置:不是发布一个安全产品,而是成为 Agent 生态的审核基础设施。原文说这个开源项目从内网 AI 基础设施检测起步,陆续加入大模型越狱、安全评测、Agent、MCP、Skill 检测,场景是一个接一个长出来的。技术思路是把说明文本与脚本、依赖、数据流放在一起看——因为 Agent 插件的风险往往藏在「描述说得很好、代码做的另一件事」这种错位上。7944 个样本、F1 97.3%、误报 5.5%,是自报评测。
为什么重要 / WHY IT MATTERS
Skill 与插件正在成为新的供应链。审核能力进入生态底层,比事后下架更能减少劣质与恶意插件的流通。
生成式 AI
腾讯摘要 / SOURCE SUMMARY
- 1.腾讯摘要称,面壁智能联合 OpenBMB 开源 MiniCPM-V 4.7,含 35B-A3B 与 1B 两版;官方称前者 34 项基准领先同档 Qwen3.6-35B-A3B。
- 2.35B 完整权重约 65.6GiB,多数专家存于 SSD 按需读入;前瞻专家调度 LES 边算边预取下一层专家,iPad Pro M4 上平均提速约 5 倍且输出不变。
- 3.腾讯摘要称,iPhone 17 Pro Max 上每秒 13+ token、占内存约 3GB。
扩展解读 / READ
原文的说法是同时刷新多模态大模型的「性能—效率帕累托前沿」,时间是 10 月 13 日。这条最值得看的是工程手法而非参数:35B 总参数、激活 3B,完整权重 65.6GiB 放不进手机,于是把多数专家留在 SSD 上按需读入,再用 LES 在算当前层时预取下一层专家——把 I/O 延迟藏进计算里。结果是 iPhone 上 13+ token/s、约占 3GB 内存。34 项基准领先同档属官方对比口径。
为什么重要 / WHY IT MATTERS
端侧的上限不再由内存决定,而由存储带宽与预取策略决定。这条路线走通,本地跑几十 B 模型会成为常规而非特例。
腾讯摘要 / SOURCE SUMMARY
- 1.腾讯摘要称,阶跃终端 10 月 13 日发布首款大模型原生智能体手机 STEPX Neo,先行版把模型、Step AOS、Step Studio 与硬件整合定价 3999 元,含 12 个月每月百亿 Token 额度。
- 2.配六麦克风矩阵与独立智能体背屏,轻量任务由端侧 Step Edge 处理,复杂推理联动云端。
- 3.腾讯摘要称,阶跃 Amoo 已与支付宝、腾讯、携程等近百家企业或产品合作。
扩展解读 / READ
原文用了一个很具体的现场细节:B 站 up 主站上自己与智能体 Amoo 共同打造的飞行滑板,来说明「智能体不再只是隔着对话框回答问题」。产品思路上,Step Edge 处理轻量任务、复杂推理走云端,是端云分工的常规答案;独立智能体背屏与六麦克风矩阵则是为语音与常驻交互准备的硬件。3999 元含 12 个月每月百亿 Token 额度,本质是把算力做成随手机附赠的套餐。
为什么重要 / WHY IT MATTERS
把模型与操作系统一起打包卖,是手机厂商对「AI 手机」的一种押注。真正的考验是套餐到期后的续费意愿。
腾讯摘要 / SOURCE SUMMARY
- 1.腾讯摘要称,阿里千问 10 月 13 日发售 AI 眼镜 N1、N1 Pro 与首款 AI 耳夹式耳机,起售价分别为 2218 元、2600 元、1099 元。
- 2.N1 系列搭载 5000 万像素传感器,支持 4K 录像;N1 Pro 增加眼动追踪、虹膜核身与心率血氧监测,官方称虹膜误识率低于百万分之一、综合续航 8 小时。
- 3.腾讯摘要称,媒体实测称实况照片记录与耳机面对面翻译均有延迟。
扩展解读 / READ
智东西原文的实测角度是「用眼睛硬控」,即用眼动追踪操作眼镜。硬件参数上,N1 Pro 相对 N1 的增量集中在生物识别与健康监测:虹膜核身、心率血氧。虹膜支付是这条最有想象空间也最有争议的部分——把身份验证放到脸上的设备,误识率指标只是入门条件,风控与授权流程才是难点。原文同时记录了实测中的延迟问题:实况照片记录与耳机面对面翻译都有可感知的迟滞。
为什么重要 / WHY IT MATTERS
眼镜类硬件的成败取决于「抬手就能用」的流畅度。延时一旦可感知,用户就会退回手机,参数再好也留不住。
报告观点
腾讯摘要 / SOURCE SUMMARY
- 1.腾讯摘要称,Anthropic 用 15 台单价 55 美元、4GB 内存的安卓电视盒组网运行 26B 参数 Gemma,每秒输出 0.39 个 token。
- 2.8 节点封闭网络中,GLM-5.2 五轮测试均完成入侵、复制、再部署的端到端传播,其中 4 轮感染全部 8 台。
- 3.腾讯摘要称,报告称能力够强与体积够小尚未集于同一模型,预测 2026 年底 30B 以下模型可达 GLM-5.2 水平;目前未见失控的 AI 蠕虫。
扩展解读 / READ
这是一项以安全评估为目的的实验,结论需要按原文的限定来读:26B 模型在廉价硬件上只能跑到 0.39 token/s,实用性很低;真正被验证的是传播链路——在封闭的 8 节点网络里,模型能完成入侵、复制、再部署的端到端流程。报告自己给出了关键判断:能力够强与体积够小尚未集于同一模型,并预测 2026 年底 30B 以下模型才可能达到这一水平;同时明确目前未见失控的 AI 蠕虫。腾讯摘要与原文在这一点上一致。
为什么重要 / WHY IT MATTERS
这条的价值不在「AI 会自我繁殖」的惊悚,而在给出一条可监测的门槛:当小模型跨过某个能力线,廉价设备的组合就会变成攻击面。
生成式 AI
腾讯摘要 / SOURCE SUMMARY
- 1.腾讯摘要称,据 The Information 报道,OpenAI 正讨论让梦工厂联合创始人 Katzenberg、Sora 前研究负责人 Bill Peebles 与 Dropbox 前 CFO Sujay Jaswa 创办的公司使用 Sora。
- 2.若达成,OpenAI 将获新公司部分股权;是否共享模型权重未定,交易仍在谈判。
- 3.腾讯摘要称,Sora 网页端和 App 已于 4 月 26 日停服,API 于 9 月 24 日关闭。
扩展解读 / READ
这条的关键是时间线对照:Sora 的网页端与 App 在 4 月 26 日停服、API 在 9 月 24 日关闭,产品实际上已经退出;如今讨论的不是重启消费产品,而是把技术授权给一家由行业老手组建的新公司,OpenAI 换取部分股权。原文说外界尚不清楚公司名称,也不清楚最终会开放多大程度的模型访问权限,但知情人士称这家初创将获得足够深入的访问权限以对 Sora 做大幅定制。交易仍在谈判,条款未定。
为什么重要 / WHY IT MATTERS
把停掉的产品技术授权出去换股权,是一种不重建团队也能回收研发投入的做法。开放深度决定这笔交易是技术输出还是品牌租赁。