AI Frontier Daily / 2026.04.11

Sam Altman 发博:炸弹袭击家园后谈 AI 哲学与权力克制

有人向 Sam Altman 住所投掷燃烧瓶,他随后发表了一篇罕见的个人长文。文中承认自己在 OpenAI 内部处理争议时”过于回避冲突”,并坦率反思 AGI 竞争制造的”权力之戒”效应。核心立场:AI 必须成为扩展人类能力的工具,而非权力集中的帮凶;民主体制必须保持对 AI 的控制;单靠”OpenAI 很好”不足以构建安全保证,需要技术广泛共享。他呼吁各方降低对抗性言辞,以防止真实伤害发生。Gary Marcus 随即公开批评其立场前后矛盾。该文在约2小时内获得超过 162 万次浏览。

1/14 Sam Altman 发博:炸弹袭击家园后谈 AI 哲学与权力克制

有人向 Sam Altman 住所投掷燃烧瓶,他随后发表了一篇罕见的个人长文。文中承认自己在 OpenAI 内部处理争议时”过于回避冲突”,并坦率反思 AGI 竞争制造的”权力之戒”效应。核心立场:AI 必须成为扩展人类能力的工具,而非权力集中的帮凶;民主体制必须保持对 AI 的控制;单靠”OpenAI 很好”不足以构建安全保证,需要技术广泛共享。他呼吁各方降低对抗性言辞,以防止真实伤害发生。Gary Marcus 随即公开批评其立场前后矛盾。该文在约2小时内获得超过 162 万次浏览。

来源@sama

https://blog.samaltman.com/2279512

2/14 Qwen Code v0.14.0-v0.14.2 正式发布:手机远程控制、定时任务、子智能体多模型

阿里巴巴 Qwen 团队发布 Qwen Code 多个版本更新,带来三项重大功能:①Channels——支持通过 Telegram、钉钉、微信向代码服务器发送指令,无需 SSH;②Cron Jobs——自然语言设置定时任务(如”每30分钟运行测试”),自动写入调度配置;③子智能体多模型选择——主 Agent 使用旗舰模型,子 Agent 可灵活指定轻量模型,兼顾性能与成本。发布在 24 小时内获得逾 18 万次浏览,成为当日 AI 圈讨论最热的产品更新之一。

3/14 NVIDIA EGGROLL:进化算法训练 140 亿参数模型,100x 训练吞吐量

AlphaSignal 报道 NVIDIA 的 EGGROLL 技术突破:将大型随机矩阵拆分为两个小矩阵进行变异测试,首次用”进化策略”而非”反向传播”从头预训练 140 亿参数语言模型。关键指标:训练吞吐量提升 100 倍、推理速度达纯推理的 91%、仅使用整数运算、在数学推理任务上与强化学习方法持平、支持不可微分系统。该研究表明,非梯度方法有望成为超大模型训练的可行替代路径。

4/14 Google 最新 Live 语音模型登顶 Tau Voice Bench 榜首

Google DeepMind 开发者关系负责人 Logan Kilpatrick 宣布,Google 最新 Live 音频模型在 Tau Voice Bench 排行榜中位居第一,较前代速度显著提升。他表示这标志着”语音模型在生产可用性上跨越了一个门槛”,并透露后续将持续在 SEO/GEO 方面发力。

5/14 HuggingFace 推出 Kernels 新仓库类型,支持多硬件平台优化算子

HuggingFace CEO Clement Delangue 宣布在 HF Hub 上线全新的 Kernels 仓库类型,专为硬件优化算子而设计,首批支持 CUDA、ROCm、Apple Silicon 和 Intel XPU。他指出,当代码生成已近乎”零成本”时,真正的竞争壁垒在于能否自主训练、运行和优化 AI 模型——HF 将继续赋能”AI 构建者”而非”AI 使用者”。首个收录内核为 SGLang 团队的 Flash Attention 实现。

6/14 Replit + Databricks 打通:直接将应用部署到企业数据环境

Replit 宣布与 Databricks 建立深度合作:用户现可在 Replit 上构建应用,并直接部署到 Databricks 账户,继承其安全、治理和合规能力。这意味着业务分析师(HR、财务、销售)可以在无 DevOps 负担的情况下,快速构建连接 Lakebase 数据的实时应用或仪表盘,并交付给 C 级高管使用。Beta 合作伙伴已开始接入。

7/14 GitHub Copilot CLI 引入多模型反思循环 Reviewer

微软 CEO Satya Nadella 宣布,GitHub Copilot CLI 新增”多模型反思循环”功能,可作为代码审查员在问题早期发现并拦截错误,避免其扩散积累。这是微软在 AI 辅助编程工具链中引入多模型协作机制的重要进展。

8/14 Microsoft MAI-Voice-1 发布:新一代合成语音以假乱真

微软 AI 官方账号和 Mustafa Suleyman 均转发宣布 MAI-Voice-1,声称其自然度和表现力达到了人类难以分辨合成与真实的水平。微软邀请公众进行”你能分辨吗”的盲测挑战。

9/14 Windsurf 集成 GLM-5.1 模型

AI 编码工具 Windsurf 宣布 GLM-5.1 现已在平台上线,供用户体验测试。这是智谱 AI 的最新旗舰模型在海外开发工具中的首次整合。

10/14 Karpathy:LLM 是”可行的大脑上传”技术

Andrej Karpathy 在讨论中提出观点:与其等待科幻小说式的”扫描并模拟大脑”,LLM 提供了一种更快可达的”有损近似版本的自我延续”——即通过对话和文字让 AI 学习并模拟一个特定的人。他认为这个方向在商业上有巨大潜力,只是 OpenAI 不太可能继续深耕,期待创业公司接手。

11/14 AI Engineer Europe 2026 伦敦站圆满落幕

swyx 主办的 AI Engineer Europe 2026 伦敦站完成全程,来自 Google DeepMind、MCP 创始团队等顶级演讲者出席。MCP 联合创始人 @dsp_ 在现场重申”MCP 还活得好好的”,驳斥外界关于该协议式微的说法。Cerebras 提供了现场 AI 算力支持。

来源@swyx

12/14 Bindureddy:OpenAI 被严重低估,GPT 5.4 生态全面成熟

Predibase CEO Bindureddy 发文称 OpenAI 当前”严重被低估”:GPT 5.4 在深度研究和表格任务上最强,Codex 5.3 在编码任务上领先,GPT 5.4 nano 是极具竞争力的小模型,且平台可用性高达 99.99%。他同时分享了 AI 自动化实践经验:用 Opus 4.6 或 Codex 制定详细计划,用 Gemini Flash 或 Grok 等轻量模型执行,以实现最高性价比。

13/14 Runway 首届”不存在产品广告大赛”揭晓 25 强

Runway 公布其 Big Ad Contest 首届赛事结果,从数千份参赛视频广告中选出 25 名获奖者,大奖由 László Gaál 的”Last Forever”摘得。此次大赛以 AI 视频生成工具为核心,标志着 AI 创作工具首次在广告创意领域举办正式赛事。

14/14 Stanford/Harvard 论文:冻结主模型、训练工具才是 AI Agent 正解

AlphaSignal 报道来自斯坦福和哈佛的研究——”Agent-Supervised Tool Adaptation”框架:冻结主模型权重,转而训练轻量级子 Agent 负责记忆和搜索工具,让工具适应任务而非重新训练模型。关键发现:仅用 1/70 的数据,专门训练的搜索子 Agent 达到了与重训整体模型相当的精度;解决了”只奖励最终答案导致 Agent 放弃工具”的根本问题。


Deep Dive 附录

Sam Altman 万字博文:AI 时代的权力、责任与个人安全

有人向 Sam Altman 在旧金山的住所投掷燃烧瓶,所幸无人受伤。事后他发布了这篇少见的长篇个人反思。核心观点:①AI 不该成为少数人集权的工具,必须保持民主控制;②他承认自己在 OpenAI 早期处理高管争议时”过于回避冲突”,是真实失误;③AGI 竞争已制造出”权力之戒”效应,驱动业界出现不健康行为;④解决方案是技术广泛共享,而非单靠”某公司足够好”;⑤呼吁各方降低对抗性言辞,以免引发真实危害。该文同时引发 Gary Marcus 等人的公开批评,指其立场表里不一。 查看原文

NVIDIA EGGROLL:进化算法替代反向传播的实验性突破

传统 AI 训练依赖反向传播和精密 GPU 集群。进化策略(Evolution Strategies)理论上可替代,但随机变异在 GPU 上运行极慢。EGGROLL 的核心技巧是将大随机矩阵拆成两个小矩阵,使数十万次变异可并行执行。成果:100倍训练吞吐量、整数运算从头预训练 14B 语言模型、在数学推理任务上与强化学习方法持平、支持不可微分系统。这为大模型训练提供了一条全新的非梯度路径。 查看原文

Qwen Code v0.14.x 功能详解:让 AI 编码助手真正”在后台自主运行”

三大更新直指”无人值守自动化”场景:Channels 让开发者离开电脑后仍可通过手机 IM 发指令到服务器;Cron Jobs 用自然语言定义循环任务,消除手动配置 crontab 的门槛;子智能体多模型选择则允许根据任务重要性分配不同规模模型,大幅降低大规模自动化成本。这三项功能协同,使 Qwen Code 向”完全异步 AI 工作流”迈进了重要一步。 查看原文