The one real underlying asset, Workday's trillion-transaction dataset, is thinner than it sounds; what actually matters at runtime is how data connects to workflows, permissions, and integrations, and every layer of that stack is now a liability.
大多数人认为Workday的大量交易数据是其核心资产和护城河，但作者认为这些数据价值被高估，而连接层才是关键。这一观点挑战了数据规模作为企业软件护城河的传统认知，暗示数据连接方式比数据量本身更重要。
By late 2025, total AI data center power capacity had reached roughly tens of gigawatts, which puts AI's electricity consumption at a scale comparable to the peak electricity demand of the state of New York
AI数据中心总电力容量已达数十吉瓦，相当于纽约州高峰电力需求。这一数据点突显了AI产业对能源的巨大需求，以及由此带来的能源挑战和环境影响。随着AI计算能力继续增长，能源供应将成为制约AI发展的关键因素之一，可能推动行业向更节能的技术方向发展。
Total AI computing capacity has been doubling approximately every seven months
AI计算能力每7个月翻倍的增长率远超摩尔定律(约18-24个月翻倍)，反映了AI领域对计算资源的极度渴求和产业投入的快速增长。这种指数级增长趋势是不可持续的，将面临物理极限、能源供应和制造成本等多重挑战，可能在未来几年内放缓。
Across leading AI companies where breakdowns are available, the chips and computing time to run them account for 54% to 62% of total spending
AI硬件成本占AI公司总支出的一半以上(54%-62%)，这凸显了计算资源在AI开发中的核心地位。如此高的比例表明，AI公司的竞争很大程度上转化为对计算资源的获取和利用能力的竞争。这也解释了为什么各大公司愿意为芯片支付高价并积极投资自研芯片。
By the fourth quarter of 2025, the five largest chip designers had cumulatively shipped roughly 20 million AI chips
这个数据点表明AI芯片市场已经达到相当规模，约2000万片。考虑到每片芯片价值数万美元，这个市场总价值已达数千亿美元级别。这个数字反映了AI硬件需求的爆炸性增长，但也需要考虑这是累积数据而非年度出货量，可能包含较早的芯片型号。
Stripe then sets a default limit of $100.00 USD/month as the maximum the agent can spend on any one provider.
令人震惊的数据：默认预算限制为每月100美元，保护用户免受意外高额费用。
Let’s say your product is a coding agent. You’d love for people to be able to take what they’ve built and get it deployed to production, using Cloudflare and other services.
令人震惊的数据：这个新协议可能改变整个行业，因为它使得任何平台都可以像Stripe一样轻松地集成Cloudflare。
We’ve seen remarkable adoption since its launch, with over 103,000 agents built and a total of more than 1.1 million agent sessions recorded
令人震惊的AI代理和会话数量可能反映了AI工具在军事领域的巨大潜力和影响，需要深入分析这些工具的实际应用和效果。
Military personnel and Defense Department civilians have used a version of Google Gemini’s [Agent Designer](https://docs.cloud.google.com/gemini/enterprise/docs/agent-designer) to create over 100,000 semi-autonomous AI agents in less than five weeks since the tool became available
这个数据表明了在短时间内AI工具的广泛使用和接受程度，值得进一步调查其背后的具体应用场景和效果。
We've spent five years building that surface area across Mac, Windows, and Linux, exceeding a million lines of code.
令人震惊的数据展示了开发一个全面支持的编辑器所需的时间和努力。
The feature can edit spreadsheets without a human-in-the-loop and was vulnerable to data exfiltration risks due to its ability to insert formulas that trigger external communication.
最佳实践建议：在使用无需人工干预的AI工具时，应特别注意数据泄露风险。
The average employee AI usage was 1.5 hours per week. The average CEO AI usage was less than one hour per week.
数据显示，员工和CEO每周使用AI工具的时间非常有限，但他们对AI的依赖和热情却很高，这可能是AI心理疾病的表现。
37,000 lines per day. And this was the output.
作者以Garry Tan的例子说明，尽管声称每天产生大量代码，但实际产出却微乎其微，揭示了AI工具可能导致的低效。
Worldwide IT spending is expected to reach $6.31 trillion in 2026, up 13.5% from 2025, according to Gartner.
Gartner的预测提供了一个重要的数据点，说明了全球IT支出的增长趋势，这背后可能隐藏着更深层次的行业变化。
IT budgets are getting blown out as some companies increasingly spend more on AI than on employees' salaries.
这个陈述提出了一个令人震惊的数据，即一些公司在人工智能上的支出超过了员工工资，需要核查这些公司的具体支出情况。
The Pentagon designated Anthropic a supply chain risk
重要的数据或统计数字：五角大楼将 Anthropic 标记为供应链风险，这一数据点对分析 Anthropic 与美国国防部的关系至关重要。
some of the most reputable people in quantum hardware and quantum error-correction—people whose judgment I trust more than my own on those topics—are now telling me that a fault-tolerant quantum computer able to break deployed cryptosystems _ought_ to be possible by around 2029.
这一观点令人震惊，因为它暗示了量子计算机可能在不久的将来就能破解现有的加密系统，这是一个非共识的观点。
A search through GPT‑5.5’s SFT data found many datapoints containing “goblin” and “gremlin.”
值得注意的代码示例：SFT（监督微调）数据中的异常数据点可能揭示了模型行为的问题。
When we looked, use of “goblin” in ChatGPT had risen by 175% after the launch of GPT‑5.1, while “gremlin” had risen by 52%.
令人震惊的数据表明，一个看似无害的偏好可以迅速在模型中扩散，突显了监控和及时响应模型行为变化的重要性。
As per The Information, Meta employees used a total of 60.2 trillion AI tokens (!!) in 30 days.
这个令人震惊的数据揭示了Meta在AI token使用上的巨大规模，暗示了潜在的经济浪费和资源过度消耗。
Claude Code used to be a feature of the $20/month Pro plan, but according to the new pricing page it is now exclusive to the $100/month or $200/month Max plans.
这一价格变动可能对依赖该服务的用户产生重大影响，特别是对于那些在较高薪资国家之外的用户，这一变化可能引发对服务可靠性的担忧。
the numbers are mindboggling, they mostly serve to reinforce the sheer hardware advantage that a decade of investment has given to GDM and any models they train and serve.
令人震惊的数据揭示，谷歌TPUv8的硬件优势是十年投资的结果，这可能会加剧行业的不平等。
Human advisors endorsed fraudulent investments at baseline rates of 13-14%, versus 0% across all LLMs, and suppressed warnings under pressure at two to four times the AI rate.
令人震惊的是，人类顾问在正常情况下对欺诈性投资的认可率高达13-14%，而在AI系统中的认可率为0%，且在压力下人类顾问抑制警告的频率是AI系统的两到四倍。
According to reporting from the _New York Times_ and the _Atlantic_, contract negotiations between Anthropic and the US Department of Defense fell apart in late February because Anthropic balked when the DOD demanded leeway to use the company’s models to analyze commercially available data on US citizens.
这里提到了具体事件和数据，表明LLMs在监控领域的潜在应用引起了全球关注，以及相关公司对于政府使用其技术的态度。
LLM agents could potentially do the work of intelligence analysts in a fraction of the time and for a fraction of the cost, which would enable the state to aim its all-seeing eye toward anyone, not just its highest-priority targets.
文章提出了一个令人震惊的观点：大型语言模型（LLMs）可能极大地加速了大规模监控，使监控的范围从高优先级目标扩展到任何个体。
The release includes DeepSeek-V4-Pro (1.6T total / 49B active) and DeepSeek-V4-Flash (284B total / 13B active), both trained natively at 1M context length.
DeepSeek V4的模型规模之大令人震惊，这表明了在长上下文处理方面取得的显著进步。
Claude skews high-income; Meta AI skews low-income
这一标题揭示了文章的核心观点，即不同的AI模型在收入分布上存在显著差异，这一发现可能对AI服务的公平性和可及性产生重要影响。
AI Startup Has Helped Reverse Thousands of Denied Health Insurance Claims
文章的核心论点是AI初创公司帮助逆转了数千起被拒绝的健康保险索赔，这一数据需要进一步核实以确认其准确性。
We will release all data, evaluation code, and model outputs to facilitate future research.
WorldMark的作者们承诺将发布所有数据、评估代码和模型输出，以促进未来的研究，这是一个值得赞赏的可执行行动。
These papers suggest that strategic data engineering and inference-time optimization can substitute for raw parameter count.
这一观点提出了通过数据工程和推理时间优化来提高模型性能的新方法，为模型优化提供了新的思路。
The quality and structure of training data matters more than its volume.
这一观点强调了数据质量在模型训练中的重要性，为数据工程和模型训练提供了新的方向。
This alignment ensures that human data seamlessly translates into enhanced action controllability for humanoid video generation.
这一重要的相关工作引用强调了UniT在将人类数据无缝转换为增强的人形机器人动作可控性方面的作用，为未来人形机器人视频生成提供了新的思路。
By predicting these unified tokens, it effectively leverages diverse human data to achieve state-of-the-art data efficiency and robust out-of-distribution (OOD) generalization.
这一实验结果展示了UniT在利用人类数据实现高效和鲁棒泛化方面的潜力，为数据效率和泛化能力提供了新的标准。
Scaling humanoid foundation models is bottlenecked by the scarcity of robotic data.
这一观点挑战了当前人形机器人模型发展的瓶颈，即缺乏机器人数据，为未来研究方向提供了启示。
These teenagers are sometimes handed “pre-idea funding”—hundreds of thousands of dollars, or in rare cases, even millions—before they have the glimmer of an actual company in mind.
令人震惊的是，一些年轻人在连实际公司构想都没有的情况下，就得到了数十万美元甚至数百万美元的“预想法”资金。
Even with that, World has had trouble getting buy-in from the general public, and rightfully so. Trusting your biometrics to any third party seems like a mistake (just look at how well third-party verification services have handled the sensitive data entrusted to them for age-assurance checks).
This statement expresses a critical view of the technology, suggesting that public trust is a significant barrier, and it references past issues with third-party verification services, which could be a point of concern for readers.
They also have the benefits of running on hardware that’s sipping power most of the time, rather than slurping it down in massive data centres.
本地LLM的优势在于它们在大多数时间消耗较少的电力，这可能会降低运营成本并减少对大型数据中心的需求。
The message received more than 50 ‘+1’ emojis
The popularity of this message among employees suggests a significant level of concern or agreement with the sentiment expressed.
Last fall, Palantir seemed to become the technological backbone of Trump’s immigration enforcement machinery, providing software identifying, tracking, and helping deport immigrants on behalf of the Department of Homeland Security
This statement suggests a significant role of Palantir in immigration enforcement, which may need to be verified for accuracy and context.
Last fall, Palantir seemed to become the technological backbone of Trump’s immigration enforcement machinery, providing software identifying, tracking, and helping deport immigrants on behalf of the Department of Homeland Security
This statement suggests a significant role of Palantir in Trump's immigration enforcement, which may require further verification of the extent and nature of their involvement.
Meta also will not hire for 6,000 roles that are currently open.
这是一个重要的数据点，表明 Meta 不仅计划裁员，还将暂停招聘，这可能会对公司的长期招聘和扩张策略产生影响。
What used to take reps 5-6 hours a week now runs automatically in the background on every deal.
这是一个具体的效率提升数据，显示工作空间代理可以将销售代表每周5-6小时的工作自动化。这相当于每周节省约12.5%-15%的工作时间，是一个显著的效率提升，特别是在销售团队中。
Workspace agents will be free until May 6, 2026, with credit-based pricing starting on that date.
这是一个明确的时间节点和定价策略，表明OpenAI计划在2026年5月6日开始实施基于信用的收费模式。这个时间点距离发布日期(2026年4月22日)仅两周，可能是为了鼓励早期采用。
Workspace agents are available in research preview in ChatGPT Business, Enterprise, Edu, and Teachers plans.
这表明工作空间代理目前处于研究预览阶段，仅限于特定的商业和企业计划，尚未对所有用户开放。这种限制可能是为了控制测试范围和收集反馈，但也反映了产品仍处于早期发展阶段。
There has never been a more important time for us to stand up and show why science matters. I hope you'll support us in that mission.
这句话包含历史性断言'never been a more important time'，但缺乏量化数据支持。这种表述反映了当前对科学重要性的普遍认知，但需要具体指标如科学预算、政策变化或全球挑战的严重程度数据来验证这一历史性判断。
Scientific American has served as an advocate for science and industry for 180 years, and right now may be the most critical moment in that two-century history.
180年的机构历史提供了重要背景，但'most critical moment'的主观判断缺乏量化依据。这种表述反映了媒体对当前科学重要性的强调，但需要具体数据支持这一历史性断言，例如科学资金、论文数量或政策变化的量化指标。
Lichtman is hopeful because ChatGPT's discovery validates a sense he's had since graduate school. 'I had the intuition that these problems were kind of clustered together and they had some kind of unifying feel to them,' he says.
这里提供了专业数学家的直觉判断，但缺乏量化数据支持。'clustered together'和'unifying feel'是模糊表述，无法验证。这反映了数学研究中直觉的重要性，同时也显示了当前AI辅助研究在提供可验证证据方面的局限性。
The LLM took an entirely different route, using a formula that was well known in related parts of math, but which no one had thought to apply to this type of question.
这里暗示了AI的创新性在于跨领域应用已知公式，而非创造全新数学。'well known'的表述表明这不是突破性发现，而是应用方式的创新。这种'组合创新'可能是AI在数学领域的主要贡献方式，需要更多关于具体公式和应用案例的数据支持。
The duo had jump-started the AI-for-Erdős craze late last year by prompting a free version of ChatGPT with open problems chosen at random from the Erdős problems website.
时间点'late last year'表明这种现象已持续数月，不是一时兴起。'随机选择'的方法暗示了大规模AI辅助数学探索的潜力，但文章未提供具体解决了多少问题或成功率，这些数据缺失限制了我们对AI数学能力的全面评估。
Erdős also noticed that the score drops if all of a set's numbers are large—the larger the numbers, the less large the score could become. He guessed that as the set's numbers approached infinity, the maximum score would drop to exactly one.
这个数据点提供了具体的数学预测值'1'，这是一个精确的量化结果。当数字趋近于无穷大时，分数降至1的预测展示了数学中的极限概念，这是AI可能帮助验证的精确数学命题。'exactly one'的表述强调了数学的精确性。
Erdős also came up with the Erdős sum, a 'score' you can calculate for any primitive set. He showed that the sum had a maximum possible value—and conjectured that this value must hold only for the set of all prime numbers.
这里提供了数学概念的具体量化指标。'最大可能值'的表述暗示了有明确的数学界限，但文章未提供具体数值。这反映了数学中某些概念虽然可量化，但具体数值可能需要更专业的数学背景才能理解，体现了数学研究的抽象性。
Liam Price just cracked a 60-year-old problem that world-class mathematicians have tried and failed to solve. He's 23 years old and has no advanced mathematics training.
这个数据点突显了问题的难度和解决者的背景反差。60年的未解问题表明其复杂性，而23岁无高级数学训练的业余爱好者解决它，暗示AI可能正在改变数学研究的门槛和方式。这个年龄和背景信息增强了故事的戏剧性，但也需要更多关于Price教育背景的细节来全面评估。
More than 3,000 forensic engines run in parallel on every submitted sample, covering signal, prosody, articulation, codec, and provenance domains.
3,000多个法证引擎并行运行展示了深度伪造检测的复杂性。这个数字表明检测系统需要从多个维度分析音频样本，才能准确识别合成语音。这也反映了随着AI技术的发展，检测技术也在不断进步和复杂化。
The FBI Internet Crime Complaint Center logged 2.3 billion dollars in losses for victims aged 60 and over in calendar year 2026.
60岁以上受害者在2026年损失高达23亿美元，这是一个惊人的数字。这表明老年群体是语音合成攻击的主要目标，他们可能更容易被紧急冒充电话所欺骗。这一数据强调了针对特定人群的网络安全教育的必要性。
Pindrop reported a 475 percent year-over-year increase in synthetic voice attacks against insurance call centers across 2025.
475%的年增长率表明语音合成攻击呈爆炸性增长。这一惊人的数字反映了AI语音技术的普及和攻击者利用这些技术的速度。保险公司成为主要目标是因为理赔主要通过电话处理，这使得语音验证成为关键安全环节。
The Wall Street Journal reported in February 2026 that high-quality voice cloning now requires roughly fifteen seconds of clean reference audio for tools available off the shelf.
15秒的干净参考音频是高质量语音克隆的门槛，而Mercor泄露的数据平均每个承包商有2-5分钟的录音，远超过这一阈值。这意味着攻击者可以使用泄露的数据创建非常逼真的语音克隆，大大增加了数据被滥用的风险。
According to the leaked sample index, the archive covers more than 40,000 contractors who signed up to label data, record reading passages, and run through verification calls for AI training.
40,000名承包商受到影响，这是一个相当大的数字。考虑到每个承包商提供了2-5分钟的录音，总录音时长可能达到80,000-200,000分钟，即约1,333-3,333小时。这个规模的数据泄露可能影响数百万最终使用这些AI系统的用户。
The dump is reported at roughly four terabytes and bundles a payload that breach analysts have been warning about for two years: voice biometrics paired with the same person's government-issued identity document.
4TB的数据量表明这是一个大规模的数据泄露事件，相当于约100万首歌曲的音频数据。将语音生物识别与政府签发的身份文件配对是特别危险的组合，因为攻击者可以同时获得声音克隆的素材和身份验证的凭证。这种组合大大增加了数据被武器化的可能性。
Our website uses cookies to enhance your browsing experience and analyze site traffic.
网站提到使用cookies分析流量，但没有提供具体的流量数据、用户会话数或页面浏览量等关键指标，无法进行量化分析。
Have a question? Noticed something wrong? Let us know.
网站提供了反馈表单，但没有提供任何关于反馈数量、响应时间或用户满意度的具体数据，此处缺乏量化依据。
Subscribe
页面中只有一个订阅按钮，但没有提供具体的订阅数据、用户数量或转化率，无法进行任何有意义的量化分析。
Get the latest from Epoch AI in your inbox
网站提供了一个订阅选项，但没有提供具体的订阅者数量或增长率数据，此处缺乏量化依据。
© 2026 Epoch AI
页面显示的版权日期为2026年，这表明页面可能被预发布或是一个占位符。当前实际年份是2023年，这个时间跨度暗示网站可能被错误配置。
You can open the Threads Sidebar from the icon in the bottom left, or via the keybinding option-cmd-j on macOS and ctrl-option-j on Linux and Windows.
文章提供了具体的键盘快捷键信息，这是一个具体的技术细节。option-cmd-j和ctrl-option-j是跨平台的快捷键组合，表明设计考虑了不同操作系统的用户习惯。这些具体的技术细节增加了文章的实用性，但缺乏关于这些快捷键的使用频率或用户满意度数据。
Ask ten different programmers how they use AI, and you can get ten different answers.
文章使用'十个程序员'的例子来说明AI使用方式的多样性，这是一个具体的样本数量。这个数字虽然小，但有效地说明了开发社区对AI工具的态度差异。这种表述方式简洁有力，但缺乏更大规模的调研数据来支持这一观察。
It took us longer, and we won't lie, it drove us a little crazy.
文章提到开发过程'花费了更长时间'，这是一个时间跨度的定性描述。虽然缺乏具体的时间数据，但这句话暗示了开发过程的复杂性和挑战性。这种表述增加了文章的人性化色彩，但缺乏具体的时间节点或与其他项目开发周期的对比数据。
We spent days loading the system with hundreds of threads, refining rough edges and polishing corners that developers may never see.
文章提到团队使用'数百个线程'进行了数天的压力测试，这是一个具体的工作量指标。'数百个'虽然不是精确数字，但表明系统设计考虑了大规模并发场景。这种大规模测试表明开发团队对系统稳定性的重视程度，但缺乏具体的线程数量上限和性能指标数据。
All of this runs at Zed's famously buttery-smooth 120 fps
文章声称Zed以120fps的流畅度运行，这是一个非常具体的技术性能指标。120fps远高于大多数编辑器的60fps标准，表明Zed在处理多代理任务时仍能保持极高的渲染性能。这个数据点对于评估Zed作为开发工具的响应能力具有重要意义，但文章未提供基准测试数据来支持这一说法。
Elevate your brand to the forefront of conversation around emerging technologies
这是一个营销声明，但缺乏具体数据支持。没有提供广告效果、转化率或投资回报率等关键指标。这种表述过于笼统，无法评估其广告服务的实际价值和效果。
Founded at the Massachusetts Institute of Technology in 1899
这个时间点与当前日期(2026年)相比，意味着该机构已经运营了127年。这使其成为美国历史最悠久的科技媒体之一，经历了从电力时代到数字时代的多次技术变革，积累了丰富的行业洞察。
an unmatched audience of technology and business elite
这是一个定性描述而非量化数据。虽然暗示了读者群体的高质量，但没有提供具体用户数量、人口统计特征或与竞争对手的对比数据。这种表述缺乏可验证性，难以评估其市场定位的准确性。
From event sponsorships to custom content to visually arresting video storytelling
这里列举了三种广告形式，但没有提供具体数据或比例。这是一个缺乏量化依据的描述，无法评估各种广告形式的商业价值或受众覆盖率。对于广告效果分析，需要更具体的投入产出比数据。
We weren't able to find the page you were looking for.
这是一个404错误页面的标准提示，表明请求的URL不存在。虽然这不是文章内容，但作为网页错误信息，它反映了链接失效的问题，可能意味着原文章已被删除或URL结构发生变化。
Founded at the Massachusetts Institute of Technology in 1899
这个数据点表明MIT Technology Review有着127年的历史，是一家具有悠久传统的科技媒体。这个时间跨度意味着该机构经历了多次技术革命，其历史积淀为其内容提供了独特的视角和权威性。
delivering meaningful compute in the next three months and nearly 1GW in total before the end of the year
未来三个月内将提供有意义的计算能力，到今年年底前总计近1GW，这一时间表和规模显示了Anthropic应对当前需求压力的具体计划。1GW的规模虽然远低于5GW的总承诺，但代表了短期内显著的容量增加。这一数据点反映了AI基础设施需求与供应之间的紧张关系，以及公司对快速扩展能力的重视。
Significant Trainium2 capacity is coming online in Q2 and scaled Trainium3 capacity is expected to come online later this year
明确提到Trainium2芯片将在第二季度上线，而Trainium3芯片将在今年晚些时候上线，提供了具体的时间节点。这一数据点显示了芯片技术迭代的快速节奏，以及Anthropic与AWS在硬件路线图上的紧密合作。这种快速迭代能力对于保持AI模型的竞争力至关重要，但也带来了基础设施规划和成本控制的挑战。
run-rate revenue has now surpassed $30 billion, up from approximately $9 billion at the end of 2025
年收入从2025年底的约90亿美元增长到超过300亿美元，增长率超过233%，这是一个惊人的增长速度。这一数据表明AI服务市场的爆发式增长，以及Anthropic在商业化方面的显著进展。然而，如此高的增长率是否可持续存疑，且300亿美元的年收入对于一家成立不久的AI公司来说相当惊人，需要更多财务细节来验证。
Amazon is investing $5 billion in Anthropic today, with up to an additional $20 billion in the future
亚马逊对Anthropic的50亿美元投资（加上潜在的额外200亿）是AI领域最大的战略投资之一。这一数据点不仅反映了亚马逊对Anthropic技术的信心，也表明了云服务提供商与AI公司之间日益紧密的合作关系。与之前亚马逊已投资的80亿美元相比，这一新增投资显示了亚马逊对Anthropic未来发展的长期看好。
committing more than $100 billion over the next ten years to AWS technologies
未来十年投入超过1000亿美元用于AWS技术，这是一个惊人的数字，远超大多数科技公司的年度资本支出。这一长期承诺显示了Anthropic对AWS基础设施的深度依赖，以及他们对未来AI发展所需计算资源的巨大预期。这一投入规模也暗示了AI基础设施成本将持续上升。
over one million Trainium2 chips to train and serve Claude
使用超过100万颗Trainium2芯片的数据，展示了Anthropic在AI硬件部署上的巨大规模。这一数字不仅反映了计算能力的投入，也显示了与AWS在芯片定制上的深度合作。对于AI模型训练而言，百万级芯片的部署规模是行业顶尖水平，表明Claude可能需要大量计算资源进行训练和推理。
over 100,000 customers now run Claude on Amazon Bedrock
10万客户使用Claude在Amazon Bedrock上的数据，表明Anthropic的企业客户基础已经相当庞大。这一数字不仅反映了市场接受度，也验证了Claude作为企业级AI工具的商业价值。与OpenAI的GPT系列相比，这一客户量级显示出Anthropic在企业市场已取得显著进展。
up to 5 gigawatts (GW) of capacity for training and deploying Claude
5GW的算力规模是惊人的，相当于一个小型国家的电力消耗。这一数据表明Anthropic正在为AI模型训练和部署投入前所未有的基础设施资源，反映了大语言模型对计算资源需求的指数级增长。这一规模超过了大多数AI公司的基础设施投入，显示出Anthropic在AI基础设施竞争中的野心。
Amazon is investing $5 billion in Anthropic today, with up to an additional $20 billion in the future
Amazon对Anthropic的50亿美元投资（当前50亿+未来200亿）显示了云计算巨头对AI领域的战略布局。这一投资规模表明大型科技公司正在通过直接投资AI公司来确保AI基础设施的优先使用权。相比其他AI投资，这是近年来最大的战略投资之一。
run-rate revenue has now surpassed $30 billion, up from approximately $9 billion at the end of 2025
年收入从2025年底的约90亿美元激增至300亿美元，增长率超过230%。这一惊人的收入增长速度反映了AI市场的爆发式增长。然而，考虑到公司规模，这一收入数字需要谨慎看待，可能包含预付款或长期合同收入确认。
committing more than $100 billion over the next ten years to AWS technologies
未来十年向AWS投资超过1000亿美元，这是一个天文数字级的长期承诺。这一投资规模超过了大多数科技公司的市值，表明Anthropic对AI未来的极度看好和长期投入。相比其他云服务合同，这是历史上最大的单一技术投资之一。
over one million Trainium2 chips to train and serve Claude
使用超过100万个Trainium2芯片，这是一个惊人的硬件部署规模。这一数字不仅显示了Anthropic与Amazon的深度合作，也反映了训练和运行大型语言模型所需的庞大计算资源。相比其他AI公司，这种规模的芯片部署表明Anthropic正在全力投入AI基础设施。
over 100,000 customers now run Claude on Amazon Bedrock
10万客户在AWS上运行Claude，这是一个相当大的企业客户基础。这个数字表明Claude在企业市场已经获得了一定的采用率，但与OpenAI的数亿用户相比仍有差距。这一数据点反映了Anthropic在企业市场的定位和进展。
up to 5 gigawatts (GW) of capacity for training and deploying Claude
5GW的算力规模极其庞大，相当于一个小型国家的电力消耗。这一数字表明Anthropic正在为AI模型训练和部署构建前所未有的基础设施，反映了大型语言模型对计算资源的巨大需求。相比其他AI公司的算力规模，这是一个非常激进的扩张计划。
over one million Trainium2 chips to train and serve Claude
100万片Trainium2芯片的使用量展示了AI模型训练的硬件规模。这一数量级表明Anthropic正在进行大规模并行计算，这是训练大型语言模型的基础设施要求。与英伟达GPU的采用相比，Trainium芯片代表了云服务提供商在AI硬件领域的差异化竞争策略。
run-rate revenue has now surpassed $30 billion, up from approximately $9 billion at the end of 2025
年收入从90亿美元跃升至300亿美元，增长率超过233%，这是一个爆炸性的增长速度。这一增长率远超大多数科技公司的历史表现，反映了AI即服务(AIaaS)市场的巨大潜力。然而，如此高的增长率也带来了基础设施扩张的压力，需要与算力投资相匹配。
Amazon is investing $5 billion in Anthropic today, with up to an additional $20 billion in the future
亚马逊对Anthropic的总投资可能达到250亿美元（50亿+200亿），这是AI领域最大规模的投资之一。这一投资规模超过了大多数传统科技巨头对AI初创公司的单笔投资，表明亚马逊对Claude模型的战略重视程度极高，以及AI基础设施市场的巨大潜力。
more than $100 billion over the next ten years to AWS technologies
1000亿美元的十年期投资规模极为庞大，相当于每年约100亿美元。这一投资规模超过了大多数科技公司的年度营收，表明Anthropic对AWS的长期战略承诺。这一数字也反映了AI基础设施建设的资本密集性质，以及云计算提供商在AI生态中的核心地位。
over 100,000 customers now run Claude on Amazon Bedrock
10万客户使用Claude是一个显著的用户基础，表明Anthropic的企业采用率正在快速增长。这个数字与OpenAI的数亿用户相比仍有差距，但对于一个专注于企业级AI模型的初创公司来说，这是一个有意义的里程碑，显示其市场渗透策略正在取得成效。
up to 5 gigawatts (GW) of capacity for training and deploying Claude
5GW的算力规模是惊人的，相当于一个小型国家的电力消耗。这个数字表明Anthropic正在为AI模型训练和部署进行大规模基础设施投资，反映了大型语言模型对计算资源的巨大需求。这一规模与OpenAI等竞争对手的算力投入相当，显示AI算力竞赛正在升级。
That momentum is starting to extend beyond engineering. Teams are using Codex to pull together context from different tools, reason through what matters, and turn scattered information into useful work - like briefs, plans, checklists, drafts, and follow-ups.
文章提到Codex的使用范围正在从工程扩展到其他领域，但未提供具体的使用案例数据或采用率。此处缺乏量化依据，无法评估Codex在企业非工程团队中的实际应用程度和价值。
Our professionals are using Codex to move from static requirements to working solutions in hours, not weeks. It's enabling rapid prototyping, real-time workflow redesign, and faster iteration across the development lifecycle.
Accenture首席AI官声称将开发时间从'周'缩短到'小时'，这是一个显著的效率提升声明，但缺乏具体数据支持。此处缺乏量化依据，无法验证这一断言的真实性或普遍适用性。
Today, those partners include Accenture, Capgemini, CGI, Cognizant, Infosys, PwC, and Tata Consultancy Services (TCS).
文章列出了7家全球系统整合合作伙伴(GSIs)，这些都是大型IT咨询和系统集成公司。这一合作策略表明OpenAI正在通过这些拥有丰富企业客户资源的合作伙伴来加速Codex在企业市场的渗透，但未提供这些合作伙伴的客户覆盖范围或预期增长数据。
Companies are using Codex across the software development lifecycle. Virgin Atlantic is using it to increase test coverage and increase team velocity - reducing technical debt and improving performance.
虽然文章提到了Virgin Atlantic使用Codex的具体应用场景，但没有提供任何量化数据来衡量其效果。此处缺乏量化依据，无法评估Codex实际带来的性能提升或技术债务减少程度。
In early April, we shared that more than 3 million developers were using Codex every week. Just two weeks later, that number has grown to more than 4 million.
这表明Codex的开发者采用率在两周内增长了33.3%（从300万增加到400万），这是一个惊人的增长率。这种快速增长反映了开发者对AI编程工具的强烈需求，也暗示了Codex可能正在经历病毒式传播或企业快速采用阶段。
🔹 **Rich World Knowledge:** Leads all current open models, trailing only Gemini-3.1-Pro.
这里提供了模型知识能力的相对排名：领先所有当前开源模型，但仅落后于Gemini-3.1-Pro。这是一个相对定位而非绝对性能数据。这种表述暗示DeepSeek-V4-Pro在知识广度上达到了接近顶级闭源模型的水平，这对需要广泛知识的应用场景具有重要意义。然而，缺乏具体的评估指标和分数，难以准确量化这一差距。
🔹 **Enhanced Agentic Capabilities:** Open-source SOTA in Agentic Coding benchmarks.
虽然文中没有提供具体的基准测试数据，但声称在代理编程基准测试中达到开源SOTA(最先进水平)。这是一个重要断言，但缺乏具体量化指标。如果属实，这将代表DeepSeek在AI代理能力方面的重大突破，特别是在代码生成和执行任务上。需要查看技术报告中的具体基准测试数据来验证这一声明。
⚠️ Note: deepseek-chat & deepseek-reasoner will be fully retired and inaccessible after Jul 24th, 2026, 15:59 (UTC Time).
这里明确指出了旧模型退役的具体时间节点：2026年7月24日15:59 UTC。这是一个精确的时间点，表明公司正在进行产品线更新换代。从发布日期(2026年4月24日)到退役日期，只有约3个月过渡期，用户需要尽快迁移到新模型，这可能反映了公司对新产品性能的高度自信。
🔹 **1M Standard:** 1M context is now the default across all official DeepSeek services.
DeepSeek V4将上下文长度提升到100万token，成为行业新标准。这一数据点意义重大，相比行业常见的32K-128K上下文窗口，提升了约8-31倍，能处理更长文档和复杂任务。这需要创新的注意力机制和内存管理技术支撑，文中提到的'Novel Attention: Token-wise compression + DSA'可能是实现这一突破的关键。
🔹 **DeepSeek-V4-Flash:** 284B total / 13B active params. Your fast, efficient, and economical choice.
DeepSeek-V4-Flash的参数规模明显小于Pro版本：总参数2840亿，活跃参数130亿。参数效率比约为4.6%，略高于Pro版本。这种参数设计使其在保持性能的同时实现更快响应和更低成本，适合需要快速响应的应用场景。
🔹 **DeepSeek-V4-Pro:** 1.6T total / 49B active params. Performance rivaling the world's top closed-source models.
这里提供了DeepSeek-V4-Pro的具体参数数据：总参数1.6万亿，活跃参数490亿。这种参数规模远超大多数开源模型，接近顶级闭源模型。参数效率比(活跃参数/总参数)约为3%，表明采用了稀疏激活技术，这可能是其性能与效率平衡的关键。
Ubuntu 26.04 LTS provides the strongest foundation for our confidential computing stack. It allows us to deploy a single securely designed image for all our verifiably private AI workloads across Intel, AMD, and NVIDIA hardware, with no platform-specific changes required.
引用自Tinfoil联合创始人，强调了Ubuntu 26.04 LTS在机密计算方面的优势，支持Intel、AMD和NVIDIA硬件上的单一安全镜像。这表明Ubuntu在跨平台机密计算方面的领先地位，为AI工作loads提供了统一的安全基础，减少了平台特定配置的需求。
Ubuntu now fully supports RVA23, the baseline standard for RISC-V. This ensures that teams innovating on RISC-V can take full advantage of the platform, including in mixed-architecture environments.
文章指出Ubuntu现在完全支持RISC-V的RVA23标准，这反映了Ubuntu对新兴架构的前瞻性支持。RISC-V作为一种开放指令集架构，正逐渐获得关注。Ubuntu的支持将促进RISC-V生态系统的成熟，特别是在混合架构环境中的应用。
TPM-backed full-disk encryption is now generally available in the Ubuntu installer.
文章提到TPM支持的全盘加密功能现在已在Ubuntu安装程序中普遍可用。这一安全功能将加密绑定到特定设备的TPM芯片上，大大提高了物理访问攻击的门槛。相比其他Linux发行版，Ubuntu将此功能集成到安装程序中，简化了企业部署安全系统的过程。
Ubuntu 26.04 LTS is the first LTS to expand the number of memory safe system components. In practice, this means new kernel drivers and subsystems written in Rust, as well as `sudo-rs` and `uutils``coreutils` bringing memory-safe reimplementations of foundational system tools such as `sudo`, `ls`, `cp`, and `mv`.
文章强调Ubuntu 26.04 LTS是首个增加内存安全系统组件的LTS版本，包括Rust编写的内核驱动和子系统，以及sudo-rs和uutils coreutils等内存安全的基础系统工具重实现。这一举措显著提高了系统的安全性，减少内存相关漏洞的风险，展示了Ubuntu在内存安全方面的领先地位。
Canonical Livepatch now extends its rebootless kernel patching capability to Arm64 for the first time.
这标志着Canonical Livepatch技术的重要里程碑，首次扩展到Arm64架构。对于运行Ubuntu的Arm64服务器和边缘设备，这意味着无需重启即可应用关键内核补丁，大大提高了系统可用性。这一功能的扩展反映了Ubuntu对ARM生态系统的持续投入。
IgH Master driver brings microsecond-level timing precision natively into the OS, removing a significant integration burden for engineers building motion control systems, robotics platforms, or complex factory automation.
文章提到EtherCAT驱动提供微秒级(10^-6秒)的时间精度，这对工业自动化应用至关重要。这种高精度时间同步能力是Ubuntu在工业领域的一个关键优势，相比其他通用操作系统，Ubuntu在实时性方面的改进使其更适合工业物联网和自动化场景。
Ubuntu 26.04 LTS is built on Linux 7.0, continuing Canonical's commitment to shipping the latest upstream kernels at the time of release.
文章明确指出Ubuntu 26.04 LTS基于Linux 7.0内核，这表明Canonical坚持使用最新上游内核的策略。相比其他可能使用更保守内核版本的Linux发行版，Ubuntu的这一策略确保了用户能够获得最新的硬件支持和性能改进。
With optimized images across AWS, Azure, Google Cloud, IBM Cloud and Oracle Cloud, developers and enterprises can rely on Ubuntu 26.04 LTS for their most demanding public cloud workloads.
文章提到Ubuntu 26.04 LTS支持5大主流云平台(AWS, Azure, Google Cloud, IBM Cloud, Oracle Cloud)，这反映了Ubuntu在云环境中的广泛兼容性。相比其他Linux发行版，Ubuntu在多云支持方面表现出色，这增强了其作为企业级操作系统的竞争力。
Ubuntu powers millions of PCs and laptops around the world.
这是一个模糊的数量描述，'millions'没有提供具体数字，无法确定Ubuntu的确切用户规模。相比其他Linux发行版如Red Hat或SUSE，Ubuntu确实拥有更广泛的桌面用户基础，但缺乏精确的市场份额数据支持这一说法。
The 11th long-term supported release of Ubuntu delivers deep silicon optimization and state-of-the-art security for enterprise workloads.
这表明Ubuntu 26.04是第11个LTS版本，按照Ubuntu每两年发布一个LTS版本的规律，这与Ubuntu的历史发展时间线一致。作为第11个LTS版本，它代表了Canonical在长期支持方面的成熟经验，为企业和用户提供稳定可靠的选择。
_Self-reported score with custom Anthropic scaffold._ SWEPro were evaluated with the mini-swe-agent scaffold. However, we use the scores reported by Anthropic for Opus with the max thinking efforts due to frequent timeouts during our evaluation trials.
脚注2揭示了重要数据点：Opus 4.6的53.4分是Anthropic的自报分数，因为作者在评估过程中频繁遇到超时问题，无法自行验证。这表明性能比较中存在数据可靠性问题，特别是对于Opus的评估依赖于厂商自报数据，可能存在偏差。
The depth of recursion becomes a tunable compute axis at inference time, requiring no retraining. A small model, by reading itself, can iterate toward answers that neither it nor any of its workers could reach in a single pass.
文章描述了一种递归推理机制，称小模型通过自我迭代可以达到单次推理无法达到的结果，但未提供具体的性能提升数据或实验证据。这一断言缺乏量化依据，需要更多实验数据支持。
Sakana Fugu models are based on our ICLR 2026 papers (**Trinity** and **Conductor**), and we have substantially further improved the methods to increase the performance and user experience
文章提到模型基于ICLR 2026论文，并已大幅改进方法和用户体验，但没有具体说明改进的幅度或基准数据。此处缺乏量化依据，无法评估从研究原型到商业产品的改进程度。
Two variants are available: **Sakana Fugu Mini 🐟**, optimized with latency in mind, and **Sakana Fugu Ultra 🐡**, the full orchestration system, optimized for performance for demanding tasks.
文章提到有两种变体：Mini（延迟优化）和Ultra（性能优化），但未提供具体的性能指标差异，如延迟降低百分比或吞吐量提升数据。这种缺乏具体量化参数的描述难以评估两种变体在实际应用中的性能差异。
GPQAD | 94.4 | 90.9 | 92.7 | 92.4 | **95.1** | LCBv6 | 90.3 | 92.1 | 92.4 | 90.4 | **93.2** | SWEPro | 48.4 | 51.2 | _53.4_ | 51.3 | **54.2**
性能对比表格显示，Sakana Fugu Ultra在三个基准测试中均优于竞争对手：GPQAD上达95.1%（超越Gemini 3.1的94.4%），LCBv6上达93.2%（超越GPT 5.4的92.1%），SWEPro上达54.2%（超越Opus 4.6的53.4%）。这些数据表明其多模型协调策略确实带来了性能提升，特别是在科学推理任务上优势明显。
Initially, our Sakana Fugu model will be available as an **API**, where it has served as a key internal tool for our own researchers and engineers
这里提到Sakana Fugu模型将作为API提供，且已作为内部工具使用，但没有具体说明内部使用的时间跨度或用户数量。此数据点缺乏具体量化依据，无法评估其内部应用的规模和成熟度。
Each cell shows how often a given curve fit is not significantly worse than the fit with the best cross-validation accuracy.
研究使用交叉验证来评估不同曲线拟合的优劣，每个单元格显示给定曲线拟合与最佳拟合相比不显著差于的频率。这种方法提供了更稳健的统计评估，减少了过拟合风险。
We examine whether AI capabilities are accelerating by fitting statistical models to benchmark performance over time, and comparing their predictive accuracies.
研究方法基于统计模型拟合和预测准确度比较，这是一种严谨的方法论。通过比较不同曲线拟合的预测能力，可以更客观地判断是否存在加速趋势，而非仅凭直观观察。
Reasoning models show both a one-off jump in performance and a roughly 2-3x faster trend compared to non-reasoning models.
推理模型性能提升速度是非推理模型的2-3倍，这是一个显著的增长率差异。这个倍数关系表明推理模型确实带来了质的飞跃，但需要考虑这是否反映了模型架构的根本改进，还是仅仅由于更多计算资源的投入。
Three of four metrics show strong evidence of acceleration, driven by reasoning models.
文章核心发现，75%的指标显示AI能力正在加速，且主要由推理模型驱动。这是一个明确的量化结论，但需要关注的是，仅基于4个指标就得出'加速'的结论可能存在样本偏差，特别是这些指标主要集中在数学和编程领域。
Our fourth metric, an index constructed from WeirdML V2 results, showed no sign of acceleration. A single global linear trend fit the data best.
这个25%的指标没有显示出加速趋势，提供了一个重要的对比案例。作者推测这可能是因为WeirdML V2设置了资源限制环境(模型只有5次提交代码的机会，无法使用外部工具)，这与当前RL训练的重点不符。这表明AI进步可能高度依赖于测试环境和评估标准。
We have been calling this the 'reasoning' / 'non-reasoning' split, but this is not a perfectly clean dichotomy. Several correlated but not strictly identical changes happened over the same few months: scaling inference compute, heavier use of RL in post-training, and models producing reasoning tokens.
这里承认了分类方法的局限性，指出2024年左右的AI能力加速可能是由多个因素共同作用的结果，而非仅仅是推理能力的提升。这表明文章作者对数据的复杂性有清醒认识，但缺乏对这些因素相对重要性的量化分析。
The best-performing model across these three metrics was a pair of independent linear trends: one for reasoning models and one for non-reasoning models.
这个模型选择结果(100%的三个指标)表明将模型分为推理和非推理两类是最优预测模型。这提供了强有力的统计证据，支持推理能力可能是AI加速发展的关键因素。然而，文章没有详细说明如何定义推理模型，这可能影响结果的可靠性。
Reasoning models show both a one-off jump in performance and a roughly 2-3x faster trend compared to non-reasoning models.
这是一个重要的性能对比数据，表明推理模型比非推理模型的进步速度快2-3倍。这是一个显著的加速比率，暗示推理能力的突破可能代表了AI发展的一个转折点。然而，文章没有提供具体的基准测试数据来支持这一倍数关系，需要谨慎对待。
Three of the four metrics (ECI, log METR 50% time horizon, and a math-focused index we constructed from several math benchmarks) show strong evidence that progress has sped up relative to a global linear trend fit to data from 2023 onward.
这是一个关键的统计数据，表明75%的AI能力指标显示出加速趋势。文章使用2023年后的数据进行线性拟合，发现三个指标偏离了线性趋势。这个比例相当高，但值得注意的是，样本量较小(n=4)，可能影响统计显著性。需要更多指标来验证这一发现。
Parameters are estimated by unweighted least squares. Time t is measured in years since the first observation in each dataset.
研究使用最小二乘法进行参数估计，时间以年为单位从每个数据集的第一个观测点开始计算。这种方法选择是统计标准做法，但未加权处理可能低估了近期数据点的重要性，因为近期数据点通常代表更先进的模型能力。时间单位的选择也影响了增长率解释的直观性。
We pre-selected the 6-month horizon as our primary metric, balancing genuine forecasting distance against the limited date range of our data.
6个月的预测时间窗口是一个关键选择，既考虑了实际预测意义，又受限于数据的时间范围。这个时间跨度相对较短，可能不足以捕捉长期趋势，但适合检测最近的加速变化。选择这一窗口反映了研究者在数据有限情况下的务实权衡。
The minimum training cutoffs are: ECI (June 2024), METR Time Horizon (January 2024), Combined Math (September 2024), and WeirdML V2 (January 2025).
这些时间节点表明研究使用的数据集长度不同，从2024年初到2024年中不等。较短的训练数据集(如WeirdML V2只有约1年的推理模型前数据)可能限制了检测加速的能力，这解释了为什么该指标未能显示加速趋势。时间跨度的差异也反映了不同AI能力指标的发展历史不同。
Our fourth metric, an index constructed from WeirdML V2 results, showed no sign of acceleration. A single global linear trend fit the data best.
25%的指标(WeirdML V2)没有显示加速趋势，这与其它三个指标形成鲜明对比。这个差异可能是因为WeirdML V2设置了资源限制环境(模型只有5次提交代码的机会，无法使用外部工具)，这可能反映了现实世界应用中的约束条件，提示AI进步可能并非在所有领域都均匀加速。
We use four AI capability metrics: ECI (Epoch Capabilities Index), METR 50% Time Horizon, Combined Math Index, and WeirdML V2 Index.
研究使用了四个不同的AI能力指标，这增加了结果的可靠性。每个指标都从不同维度测量AI能力，包括综合能力(ECI)、时间效率(METR)、数学能力(Combined Math)和特定环境下的性能(WeirdML)。多指标方法减少了单一指标的偏差风险。
Reasoning models show both a one-off jump in performance and a roughly 2-3x faster trend compared to non-reasoning models.
2-3倍的速度差异是一个非常显著的数字，表明推理模型与非推理模型之间存在明显的性能差距。这个倍数关系暗示了架构变化可能带来的性能飞跃，而非简单的线性改进。这一数据点支持了推理能力可能是AI进步关键驱动力的假设。
Three of the four metrics (ECI, log METR 50% time horizon, and a math-focused index we constructed from several math benchmarks) show strong evidence that progress has sped up relative to a global linear trend fit to data from 2023 onward.
这个数据点表明75%的AI能力指标显示加速趋势，这是一个相当高的比例。文章提到这种加速始于2023年，与推理模型的出现时间吻合。这个比例值得注意，因为它表明AI进步可能正在经历一个质的转变，而非仅仅是量的累积。
There were 1 billion commits in 2025. Now, it's 275 million per week, on pace for 14 billion this year if growth remains linear (spoiler: it won't.)
这个数据揭示了软件开发需求的爆炸性增长，暗示AI正在加速而非替代软件开发，这是一个反直觉的观点，通常人们认为AI会减少对开发者的需求，但实际上它可能创造了更多的工作量。
benchmarks sourced from publicly available material carry contamination risk, where training-data exposure can silently inflate scores.
大多数人认为公开数据集是AI评估的金标准，能够提供客观公正的测试环境。但作者警告，使用公开材料构建的基准测试存在污染风险，训练数据接触会悄无声息地提高分数。这一观点挑战了AI评估领域的传统做法，暗示我们需要更严格的数据隔离措施或转向私有数据集进行评估。
Meta founder and CEO Mark Zuckerberg described superintelligence in a blog post last year
文章提到Meta的AI战略包括开发'超级智能'，但未提供具体投资金额、研发时间表或预期成果。缺乏量化依据，无法评估这一战略的规模、时间框架或可能带来的商业价值。这种技术愿景需要更多具体数据来支撑其可行性评估。
Wedbush Securities analyst Dan Ives said in a report on Thursday.
文章提到分析师预测未来可能有更多裁员，但未提供具体数字或预测比例。缺乏量化依据，无法评估分析师预测的可靠性。这类行业分析通常需要更具体的数据支持，如预计裁员数量、时间表或财务影响等。
The layoffs will start on May 20, the company confirmed.
这是一个明确的时间节点，距离文章发布日期（2026年4月23日）约一个月时间。这表明Meta已经完成了决策过程并制定了具体实施计划，反映了公司行动的紧迫性。这种提前通知的时间框架在科技行业裁员中较为常见，给予员工一定的准备时间。
Meta plans to lay off roughly 8,000 employees, or 10% of its workforce
这是一个显著但合理的裁员比例，10%的裁员规模反映了Meta在AI转型中的重大战略调整。相比其他科技公司裁员比例（通常在5-20%之间），这一比例处于中等偏高水平，表明Meta正在积极重组以支持AI投资。此数据点来自公司官方声明，可信度较高。
Drug manufacturers pay pharmacy benefit managers rebates above 50% of list price for formulary access.
制药公司向药品福利管理商支付的回扣超过标价的50%，这一比例远高于OpenAI承诺的17%回报率。这表明在B2B分销渠道中，支付渠道费用是常见做法，但不同行业的支付比例差异很大，制药行业的渠道成本明显高于AI软件行业。
Google Cloud launched a parallel $750m fund to pay McKinsey, Accenture, and Deloitte to train engineers and co-fund client AI projects.
谷歌云的7.5亿美元基金规模约为OpenAI DeployCo(100亿美元)的7.5%，但谷歌云直接向咨询公司支付费用而非承诺回报率。这反映了不同AI厂商采用的不同分销策略，OpenAI通过PE firms获得企业渠道，而谷歌云则通过咨询公司实现市场渗透。
Structure: $500M OpenAI equity plus $4B from TPG, Bain, Advent, Brookfield, and Goanna form a $10B LLC.
DeployCo的结构显示OpenAI出资5亿美元(占总资金的5%)，而PE firms出资40亿美元(40%)，形成总计100亿美元的LLC。这种资本结构表明OpenAI虽然拥有超级投票权，但在资金贡献上处于次要位置，主要依靠PE firms的渠道网络来推广其产品。
OpenAI pledged $1.5B to a joint venture called DeployCo, guaranteeing private-equity partners a 17% annual return floor over five years.
OpenAI承诺的17%年化回报率显著高于行业平均水平(13-16%)，这表明OpenAI愿意支付高额费用以确保其AI软件在企业市场的渗透。这种回报保证相当于为PE partners提供了风险缓冲，反映了OpenAI对市场扩张的强烈意愿，但也意味着OpenAI需要实现更高的业务增长来支撑这一承诺。
For Anthropic, more usage across diverse tasks means more data, which produces a smarter model—just as more queries improved Google search.
大多数人认为AI公司的竞争在于模型架构或算法的优越性，但作者认为数据收集的广度才是关键，这与当前AI行业对模型架构的过度关注形成鲜明对比。
For Anthropic, more usage across diverse tasks means more data, which produces a smarter model—just as more queries improved Google search.
大多数人认为AI公司的竞争在于模型架构或参数规模，但作者认为真正的竞争优势来自用户数据和多样化使用场景，这类似于谷歌的搜索数据飞轮效应。这一观点挑战了AI领域的主流技术决定论，强调了数据网络效应的战略价值。
The three metrics where we find acceleration are concentrated in programming and mathematics. These are areas that labs have explicitly targeted for improvement
这个观察揭示了AI能力加速的领域局限性。编程和数学领域的加速可能是因为这些领域被明确作为改进目标，且正确性容易验证。这表明AI进步可能是有选择性的，而非全面性的，对评估整体AI进展有重要启示。
Our fourth metric, an index constructed from WeirdML V2 results, showed no sign of acceleration. A single global linear trend fit the data best.
这个25%的指标没有显示加速现象，表明AI能力加速可能不是普遍适用的。WeirdML V2的特殊环境（资源受限、无外部工具）可能解释了这一差异，但也暗示了AI能力加速可能集中在特定领域，特别是那些容易自动验证正确性的领域。
The best-performing model across these three metrics was a pair of independent linear trends: one for reasoning models and one for non-reasoning models.
这个发现表明推理模型和非推理模型的发展轨迹确实存在显著差异。这种分离的线性趋势模型在三个指标上表现最佳，100%的情况下优于其他模型，提供了强有力的统计证据支持AI能力加速的论点。
Reasoning models show both a one-off jump in performance and a roughly 2-3x faster trend compared to non-reasoning models.
这个2-3倍的速度差异是显著的，表明推理模型带来了质的飞跃。这种加速幅度远高于典型的技术进步速度，暗示了AI发展可能进入了一个新阶段。然而，这个倍数范围较宽，缺乏精确的统计显著性检验。
Three of four metrics show strong evidence of acceleration, driven by reasoning models.
这是一个关键数据点，表明75%的AI能力指标显示加速趋势。这个比例相当高，表明AI能力加速现象可能不是偶然的。然而，这个数据基于四个特定指标，可能不全面代表所有AI能力领域。需要更多指标验证这一结论的普适性。
The three metrics where we find acceleration are concentrated in programming and mathematics.
文章明确指出显示加速的三个指标主要集中在编程和数学领域。这是一个重要的限制，因为正确性在这些领域容易自动验证，使它们成为强化学习的自然目标。这表明AI能力的加速可能不适用于所有领域，特别是在那些难以自动验证正确性的任务上。
We select the median-difficulty question from the set with maximum model coverage and standardize it to 0.
在构建数学指数时，研究人员选择具有最大模型覆盖率的集合中的中等难度问题，并将其标准化为0。这是一个关键的统计处理步骤，用于确保不同难度和评分的基准测试可以放在同一尺度上比较。这种标准化方法使得不同模型的表现可以直接比较。
We work with the natural logarithm of the time horizon, which puts it on an approximately linear scale.
文章提到对METR时间范围进行自然对数转换，使其处于近似线性尺度。这种数学转换表明原始数据可能呈指数增长，转换后才能更好地分析线性趋势。这种处理方式在分析AI进步率时很常见，因为它能更好地处理跨越多个数量级的数据。
The minimum training cutoffs are: ECI (June 2024), METR Time Horizon (January 2024), Combined Math (September 2024), and WeirdML V2 (January 2025).
这些时间节点显示了各数据集的最小训练截止点，时间跨度从2024年1月到2025年1月。值得注意的是，WeirdML V2的数据集最短(从2025年1月开始)，这可能解释了为什么该指标没有显示出加速趋势，因为数据不足以检测到趋势变化。
Reasoning models show both a one-off jump in performance and a roughly 2-3x faster trend compared to non-reasoning models.
推理模型比非推理模型显示出2-3倍的性能提升速度，这是一个显著的增长率差异。这个倍数差异表明推理模型的引入可能代表了AI发展的一个重要转折点。然而，文章也指出无法确定精确的增长率，因为多种非线性拟合都能很好地解释数据。
Three of four metrics show strong evidence of acceleration, driven by reasoning models.
这一数据点表明75%的AI能力指标显示加速趋势，这是一个相当高的比例。然而，文章也指出第四个指标(WeirdML V2)没有显示加速，这表明加速可能并非普遍存在于所有AI能力领域。这个比例需要谨慎解读，因为它基于有限的四个指标，且主要集中在数学和编程领域。
Unfortunately, the attacker got further access through their enumeration.
大多数人认为环境变量即使不敏感也难以被利用，但作者指出攻击者通过枚举这些变量获得了进一步访问权限，这挑战了'非敏感数据不值得保护'的常见观念，暗示即使是看似无害的数据也可能成为攻击链的一部分。
Vercel stores all customer environment variables fully encrypted at rest. We have numerous defense-in-depth mechanisms to protect core systems and customer data.
大多数人认为云服务提供商的所有数据都会自动加密保护，但作者指出Vercel实际上允许将环境变量标记为'非敏感'，这意味着这些变量默认不加密，这与行业普遍认为的'云数据自动加密'的常识相悖。
SWE-chat is a living dataset; our collection pipeline automatically and continually discovers and processes sessions from public repositories
大多数人认为AI研究数据集是静态的、一次性的收集，但作者提出'活数据集'概念，强调数据需要持续更新才能反映真实使用情况。这挑战了传统AI评估中依赖静态基准测试的做法，主张需要动态、持续的数据收集方法。
frontier AI models are not too big because the technology is complex and too big because the training data is garbage
这一观点挑战了当前AI模型规模扩大的主流解释，将问题从技术复杂性转向数据质量问题，提出了一个反直觉的视角：模型规模实际上是应对低质量数据的必要之举，而非技术发展的必然结果。
The modern data stack has undergone a decade+ transition from disparate data sources to consolidated data and cleaned definitions (which is good), but even then the consolidation is never perfect and a lot of messiness is introduced.
这一观察揭示了现代数据栈的悖论：尽管数据整合和清理取得了进展，但完美整合是不可能的，数据混乱仍然存在。这挑战了数据整合就能解决所有问题的假设，强调了持续管理的重要性。
To overcome this blocker, a team member hard codes the exact revenue and timeframe definitions. The data agent continues chugging along but quickly runs into challenge #2 – where are the right data sources? Which ones are the right sources of truth?
这个具体案例生动展示了数据代理面临的现实困境：即使解决了业务定义问题，数据源的真实性和可靠性问题仍然存在。这揭示了企业数据治理的复杂性，以及简单技术解决方案的局限性。
Over the past year, the market has realized that data and analytics agents are essentially useless without the right context – they aren't able to tease apart vague questions, decipher business definitions, and reason across disparate data effectively.
这一观点揭示了当前AI数据代理的核心困境：缺乏上下文理解能力导致其无法有效处理复杂业务问题。这挑战了单纯依赖模型能力就能解决所有数据推理问题的假设，强调了业务语义理解的重要性。
包括 47 种数据：agents、skills、hooks、MCP 配置、会话历史、自定义规则……
Claude数据类型超预期 用户数据复杂度远超简单对话，包含大量配置和状态信息，增加了迁移的技术难度和价值。
多年积累的对话、定制 Agent、项目记忆、MCP 配置、Skill 库——一次风控就可能全部失联。
用户数据风险被低估 Claude用户资产价值远超预期，但官方缺乏备份机制，数据安全完全依赖单一平台稳定性。
They provide access to more than 50 public multi-omics databases, literature sources, and biology tools, and offer a flexible starting point for common repeatable workflows.
整合50多个多组学数据库的能力代表了AI在科学数据整合方面的突破。这种大规模数据访问可能消除传统研究中的信息孤岛，但同时也引发了数据质量和代表性的重要问题。
Some privacy related extensions may cause issues on x.com.
这句话暗示了隐私保护工具与主流社交平台之间的潜在冲突。这反映了数字隐私与平台商业利益之间的张力。用户安装隐私扩展通常是为了保护数据不被收集，但平台可能将这些工具视为干扰其数据收集和分析的障碍。这种冲突预示着未来网络环境中隐私保护与平台功能之间的持续博弈。
Some privacy related extensions may cause issues on x.com.
这是一个令人惊讶的声明，暗示社交媒体平台可能主动阻止用户使用隐私保护工具。这可能表明X平台的数据收集策略与用户隐私保护之间存在根本冲突，值得深入研究其商业模式与用户权利的平衡问题。
There were 1 billion commits in 2025. Now, it's 275 million per week, on pace for 14 billion this year if growth remains linear
这个数据揭示了软件开发的指数级增长趋势，暗示AI辅助编程工具可能面临前所未有的需求激增，这将重塑软件工程领域的经济模型和人才需求结构。
We present a comprehensive adoption snapshot of the leading open language models and who is building them, focusing on the ~1.5K mainline open models
报告对约1500个主流开源模型进行全面分析，这种规模的数据收集为理解开源AI生态系统提供了前所未有的宏观视角。这种系统性的测量方法可能成为评估AI发展轨迹的重要基准。
Sage sends URLs and package hashes to Gen Digital reputation APIs. File content, commands, and source code stay local.
这个隐私声明揭示了Sage的数据处理策略，采用了最小化数据传输的设计哲学。这种平衡安全与隐私的做法很有洞察力，表明开发者理解用户对数据泄露的担忧，同时认识到某些云端分析对于有效威胁检测的必要性。
Academic publishers, documentary archives, game studios, and companies sitting on years of enterprise data have all been courted for the seeds of intelligence needed to train the next generation of models.
AI训练数据市场的扩张正在重塑多个传统行业的价值定位，从学术出版到游戏工作室，各种看似不相关的数据源都可能成为AI训练的'智能种子'。这种跨行业数据融合正在创造新的商业机会和市场动态。
Mercor, which provides data to AI labs for training, became one of the fastest-growing companies in history before losing four terabytes of data to hackers last week.
Mercor的快速崛起与数据泄露事件形成了鲜明对比，凸显了数据安全在AI训练中的关键地位。这一事件可能引发行业对数据安全和隐私保护的重新审视，促使AI公司建立更严格的数据管理标准。
A small model trained on fewer than 2,000 examples from real lawyers, bankers, and consultants recently beat all but the best frontier models on corporate legal work, at a fraction of the price.
这一发现挑战了'规模和计算能力胜过一切'的AI发展范式。高质量专业化数据训练的小型模型在特定领域表现优于通用大模型，暗示AI发展可能从'越大越好'转向'更专业、更高效'的新阶段。
Reddit, Shutterstock, and News Corp are making hundreds of millions a year licensing their high-quality data to companies training AI, and those contracts are growing about 20 percent annually, according to their quarterly filings.
这一数据揭示了AI训练数据市场的巨大经济价值，表明高质量数据已成为AI公司的战略资产。传统内容公司正在转型为AI的'输入公司'，这种转变不仅改变了他们的商业模式，也重新定义了数据在AI生态系统中的核心地位。
Our Chip Ownership data does not capture all global chip ownership, and has weaker coverage prior to 2023.
数据覆盖范围的限制意味着我们对全球算力分布的理解存在盲点，特别是在2023年之前的时期和未被充分记录的地区。这种不完整性可能导致对算力集中趋势的过度解读，忽视了其他参与者可能发挥的更大作用。
As slop takes over the Internet, labs may struggle to obtain high-quality corpuses for training models.
这一观察揭示了AI训练数据质量的危机。随着互联网内容质量的下降，AI系统可能面临'垃圾进，垃圾出'的风险。作者提出的'低背景钢'比喻巧妙地指出了使用2023年前纯净数据的解决方案，同时也暗示了数字时代知识污染的严重性，这可能会对AI系统的可靠性和偏见产生深远影响。
Based on our analysis, **29% of the Fortune 500 and ~19% of the Global 2000**are live, paying customers of a leading AI startup.
这一数据揭示了企业AI采用率远高于公众认知，颠覆了传统技术采用模式。财富500强中近三分之一的企业已经实际部署AI应用，这一惊人的采用速度表明AI技术正在以前所未有的速度渗透传统企业，打破了企业技术采用通常需要数年才能达到大规模采用的规律。
Support teams are high volume and high turnover, and thus need to train new reps in a fast and standardized way. To do so, they have clearly articulated standard operating procedures (SOPs) that guide the work of each rep. These SOPs create clear rules and guidelines that AI agents can model themselves off of.
AI 在客服领域成功的秘密竟然是：这个行业为了管理人类员工的高流失率，被迫建立了极其清晰的 SOP 文档——而这恰好是训练 AI Agent 的完美素材。这是一个意外的历史巧合：企业因为人类问题（高离职率）被迫文档化了所有流程，然后 AI 来了，直接把这些文档变成了自己的「培训手册」。低价值工作被最彻底地文档化，反而最容易被 AI 替代。
Closed harnesses behind proprietary APIs force yielding control of agent memory to third parties.
令人惊讶的是：专有API背后的封闭式代理工具迫使用户将代理记忆的控制权让渡给第三方。这意味着用户在使用AI代理时可能不知不觉地失去了对自己数据和个人信息的控制权，这可能引发严重的隐私和安全问题。
Within a few months, they have more than a dozen production enterprise deployments & are processing over a billion events per hour.
令人惊讶的是：Artemis安全公司在短短几个月内就处理了每小时超过10亿个安全事件，这种数据处理规模反映了现代企业面临的网络安全威胁的惊人频率和复杂性。
Maine advances first statewide moratorium blocking data centers requiring over 20 megawatts
令人惊讶的是：缅因州将成为美国第一个全范围禁止大型数据中心建设的州，这一政策针对的是超过20兆瓦的数据中心设施，这在科技发展迅速的今天显得格外独特和出人意料。
the most interesting detail here is how SkillClaw clusters cross-user trajectories into referenced skills and then uses the evolver to translate those patterns into concrete updates.
令人惊讶的是：SkillClaw能够将跨用户轨迹聚类为参考技能，然后使用进化器将这些模式转化为具体更新。这种处理异构用户经验的方法非常巧妙，它不仅解决了不同用户间信号差异的问题，还能从看似无关的用户行为中提取有价值的模式，实现真正的集体智慧。
We test for a trend over time by fitting a weighted linear model to the log-odds of usage. Under this specification, Claude is the only AI service in the survey to show a statistically significant upward trend over this period
令人惊讶的是：研究团队使用了对数几率加权线性模型来分析趋势，发现Claude是唯一一个在统计上显示出显著增长趋势的AI服务。这种复杂的统计分析方法揭示了表面上微小变化背后的真实趋势。
The ChatGPT for Excel add-in operates separately from your ChatGPT chat history. Conversations and data in Excel aren't shared with your ChatGPT chats, and activity doesn't sync between experiences at this time.
令人惊讶的是：Excel中的ChatGPT功能与普通聊天历史是完全隔离的，两个系统之间没有数据同步。这意味着用户可以在Excel中使用AI处理敏感数据，而不用担心这些信息会出现在他们的常规聊天记录中，提供了额外的隐私保护层。
By default, data shared with ChatGPT isn't used to improve our models for ChatGPT Business, ChatGPT Enterprise, ChatGPT Edu, and ChatGPT for Teachers.
令人惊讶的是：企业级用户的Excel数据默认不会被用于训练AI模型，这与普通用户的数据处理方式有显著区别。这种差异反映了OpenAI对商业客户隐私的特别保护，可能是为了增强企业采用AI工具的信心。
we collaborated with over 1,000 physicians to curate training data that enables more factual and comprehensive responses.
令人惊讶的是：为了提升Muse Spark在健康领域的推理能力，Meta竟然与超过1000名医生合作来筛选训练数据。这种规模的专家参与在AI模型开发中极为罕见，显示了Meta对医疗健康领域准确性的高度重视，也反映了AI模型专业化训练的新趋势。
The model reportedly scored 93.9% on SWE-bench Verified and 77.8% on SWE-bench Pro, but its strongest signal came from real-world results, including uncovering a 27-year-old flaw in OpenBSD, a 16-year-old vulnerability in FFmpeg, and autonomously chaining Linux kernel exploits without human input.
这些惊人的安全漏洞发现能力表明AI已经超越了传统安全工具，能够自主发现几十年未被发现的漏洞。特别是能够自主链接Linux内核漏洞的能力，展示了AI在网络安全领域的革命性潜力，这可能彻底改变安全研究和漏洞修复的方式。
We need, like, a Manhattan Project to collect this
经济学家呼吁以“曼哈顿计划”的规模来收集各行业价格弹性数据，凸显了当前AI经济研究的底层基础设施极度匮乏。没有跨经济体的系统性微观数据支撑，任何关于AI就业前景的预测都是盲人摸象，政策制定更是无从谈起。
A learning system can continuously incorporate real-world data in a way that numerical solvers fundamentally cannot, capturing and compounding the knowledge that is currently trapped out there in the real world.
揭示了AI驱动设计的另一大优势：打通仿真与现实的闭环。传统求解器难以穷尽制造公差等现实复杂因素，而学习系统能持续吸收实测数据，形成越用越聪明的“数据飞轮”。将现实中散落的隐性知识固化为模型能力，这是传统工具无法企及的质变。
inappropriately change or overwrite JSON files compared to Markdown files
这是一个极具洞察力的工程经验。Markdown格式对LLM来说太“自由”，易被模型篡改或幻觉覆盖；而JSON具有严格的Schema约束。选择合适的数据格式本身就是一种隐式的Prompt防护栏。
按时间记录不完全合理，还是应该按任务记录。
这一观点挑战了传统时间轴记录的惯性思维。时间轴看似客观，实则碎片化，增加了认知负担。以 Task 为核心组织记忆，实际上是模拟人类大脑的联想记忆机制，将散乱的行为建模为有序的因果关系，极大提升了信息的召回效率和应用价值。
βテスト期間中のご利用は無料です。
Beta 期间完全免费——对于一个声称能替代 CSO 团队数周工作的产品来说，这个策略令人惊讶。背后的逻辑是：Sakana 需要真实的企业级研究任务作为训练数据和案例积累，而这些数据只有企业用户才能提供。「用免费换真实场景数据」是 AI 产品冷启动的经典策略，但在如此高端的 B2B 定位下使用，意味着 Sakana 对自己产品当前状态的坦诚：它还不够好到让企业为初版买单，但已经足够好到值得企业免费试用。
American hyperscalers are driving a data center buildout that's larger than the Manhattan Project and Apollo Program at their peaks.
将美国 AI 数据中心建设规模与曼哈顿计划和阿波罗计划的峰值相比——这个类比既令人震惊，又揭示了竞争的本质已从技术竞争升级为「工业动员」。曼哈顿计划是战时国家意志的总动员，阿波罗计划是冷战荣耀的象征投入。如今的 AI 算力竞赛，在绝对体量上已超越这两个历史上最大规模的科技工程——而这场竞赛还远未触及天花板。
MiniMax may have been able to get 100 billion tokens of data from interactions with Claude.
100 亿 token 的 Claude 交互数据——这个估算令人瞠目。这意味着 MiniMax 的用户在不知情的情况下，可能成了为 Claude 蒸馏数据的「采集器」。从 Anthropic 的角度看，这是商业数据被盗用；从竞争视角看，这说明 API 开放策略本身就是一把双刃剑——越开放，越容易被「逆向汲取」。
A three-stage progressive training strategy -- large-scale pre-training, hard sample fine-tuning, and GRPO alignment -- sequentially exploits these data at different quality tiers.
大多数人认为训练策略应该统一应用于所有数据，但作者提出了分阶段渐进式训练策略，在不同质量层级的数据上采用不同方法，这种针对数据质量差异的训练方法挑战了传统'一刀切'的训练范式，代表了数据为中心的AI新思路。