AI 正在大规模反编译游戏，既令人兴奋又令人担忧
独立游戏开发者 Popcar 谈到近期 AI 驱动的游戏反编译浪潮，可在现有游戏之间做出新奇混搭，也让旧游戏移植到新硬件（常在浏览器中用 WebAssembly）的保存项目增多。文章同时看到两面：AI 能反编译游戏和软件意味着任何人都能反编译并使用他人软件，付费游戏或应用可能被迫开源；而这也利于旧游戏移植、修改和增强，在主机厂商全面转向数字版、服务器关停导致游戏无法运行时尤为可贵。
#开源生态
#开源生态
今日 1 条Simon WillisonAI 评分6060
钛媒体AI 评分5151 全家桶被 AI 平替，Adobe 的转型困局
有国外创作者利用 AI 逆向工程能力，在数天内做出覆盖 Photoshop、Illustrator、Premiere、Lightroom 等七款 Adobe 软件的像素级平替并开源到 GitHub，项目已获超 3 万名开发者关注、点赞数突破 10 万。
钛媒体AI 评分5252 周鸿祎谈AI：尽头不是能源，是安全
360集团创始人周鸿祎在钛媒体播客《DeepPractice深度实践》中与刘湘明对谈，判断 AI 失控是确定性事件，依据包括大模型升格为智能体、AI 自动挖掘漏洞、黑客经验被蒸馏进智能体以及 RSI 自我进化四点。
MIT Technology Review · AIAI 评分2424 开放模型确有实际益处，但它们是否利大于弊？
Anthropic 发布报告称中国公司 Z.ai 于 8 月开源的 GLM-5.3 构成重大网络攻击风险，理由是任何人可自由下载和修改该模型。这场争论的核心是开放权重模型的安全风险与权力分散价值：开源模型可下载、可重训、可观察内部结构与思维链，成本通常低于闭源模型，但截至发稿 Artificial Analysis LLM 排行榜前八名仍全部为闭源模型。
钛媒体AI 评分6060 审计者与卖方：Anthropic 免费给开源世界扫漏洞，账单开给谁
Anthropic 于 2026 年 10 月 8 日推出 Anthropic Cyber Mission，包含面向电网水务等 OT 系统的关键基础设施防御计划 CIDP（11 家创始伙伴），以及免费自愿接入的 OSS Scanner，后者用包括 Claude Mythos 在内的模型为开源项目做定期安全扫描。
钛媒体AI 评分4646 研发 AI Agent 四象限：个人与企业、国内与国际
研发 AI Agent 已分化为个人与企业、国内与国际四个象限，玩家结构、商业模式与竞争要素几乎是不同的生意。国际个人侧高度集中，Claude Code、Cursor、Replit Agent 合计占 93%；国际企业侧的竞争核心从产出量转向信任与合规，自托管仅 5 家支持。国内个人市场由字节、阿里、腾讯、百度、华为五大厂免费主导，企业侧则取决于全栈国产化、政企合规与私有化部署。
Import AIAI 评分3030 Import AI 476：创造力与递归自我改进、不如中国的开源权重模型、AI 走向太空
Import AI 476 期聚焦三项研究：Scale AI 与 Elorian 发布 Humanity's Sixth Sense 基准，含 522 道题、288 张图片和 234 段短视频，人类 pass@1 达 93.1，最佳模型 GPT 6 Astra 仅 53.6，GLM-5.3-flash 为 26.8、Kimi K3 为 25.5。
钛媒体AI 评分4242 华人"接管"全球AI核心圈，已到了什么程度？
从AI产业"五层蛋糕"逐层清点，华人已在芯片、基础设施、模型、应用四层占据关键位置：全球半导体市值前五的英伟达、台积电、博通、AMD、英特尔掌舵人均为华人，五家市值合计超10万亿美元；台系三厂拿下全球AI服务器近90%的ODM份额，中国光模块企业占全球前十中的七席。但模型层硅谷华人执行密度最高、掌舵者却几乎不是华人，中国大模型公司收入总和仍不及OpenAI与Anthropic两家之和。
雷峰网AI 评分3939 IROS 2026 观察：具身智能学术与产业边界正在消融
IROS 2026 于 9 月 27 日至 10 月 1 日在美国匹兹堡举行，具身智能技术路线明显收敛为四大趋势：基础模型内化物理规律、“大小脑”分层架构成行业标配、触觉成为精细操作核心变量、数据采集成本大幅下降。
Latent SpaceAI 评分3838 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈"合成超级智能"：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在访谈中提出"合成超级智能"路线：以物理实验为环境的强化学习、AI 材料表征与高通量自主实验室，让模型在真实世界中试错而非只靠互联网数据训练，把数十年材料试错压缩到数月。
雷峰网AI 评分3232 我所知道的张磊：一场MSRA赛马与半个中国AI江湖
2002年微软亚洲研究院内部进行人脸检测算法赛马，博士毕业不到两年的张磊带队击败人脸识别专家李子青，将误报率从"买一送一"降至1%，方案被集成进Windows。其带过的实习生包括黄峥、颜水成、朱珑等人。他后来加入Bing，搭建名人识别系统并公开MS Celeb数据集，其图文匹配思路被OpenAI参考用于训练CLIP模型。
Interconnects · Nathan LambertAI 评分2929 为什么"开源模型危险、闭源模型安全"的网络安全叙事站不住脚
Anthropic 发布报告称 GLM-5.3 可作攻击性网络工具，但迄今公开记录的多数网络攻击都源自闭源模型。若因网络风险封禁开源权重模型，逻辑上同样应禁止前沿闭源模型的公开 API；在开源被禁而闭源持续进步的世界里，攻防网络能力差距反而会扩大。
钛媒体AI 评分6363 硅谷AI正在开源：成本压力下企业转向多模型配置
硅谷AI圈正从追求最强模型转向计算成本账。花旗银行数据显示开源模型每项任务成本按周下跌35%至0.8美元，相对封闭模型折让从40%扩大至60%；Forkast统计开放权重模型平均每百万Token成本0.83美元，专有方案为6.03美元。
钛媒体AI 评分5252 大模型一体机开始缩水：满血版卖不动，轻量化 AI BOX 走量
钛媒体转载半导体产业纵横的文章指出，大模型一体机市场正从追捧 671B 满血版转向轻量化：DeepSeek R1 走红后 60 多家厂商推出一体机，但仅三个月市场降温，2025 年下半年满血版卖不动，中小厂商主力换成 32B 和 70B，今年市面多数中端设备最多运行 70B 级别模型。
MIT News · AIAI 评分2626 从 Project Maven 抗议到集体失声：MIT 学者记录科技业劳工运动的兴衰
MIT 博士生 JS Tan 与前 Kickstarter 组织者 Clarissa Redwine 出版《Against Tech Oligarchy》，记录过去十年科技业劳工运动的兴起与退潮。
雷峰网AI 评分7070 从 Codex Harness 开源，看 AI 公司的护城河是什么？
雷峰网作者结合 OpenAI 开源 Codex Harness 与自身实测，讨论技术领先为何不足以构成护城河。
雷峰网AI 评分5252 Kimi 和 DeepSeek，为什么出现在同一张模型架构图里？
雷峰网梳理大模型 Attention 架构从分流到重组的变迁：GLM-5.3-Flash 的 45 层架构中，34 层采用 Kimi 路线的 KDA 线性注意力，11 层采用 DeepSeek 路线的 KPool-DSA 稀疏注意力。
Latent SpaceAI 评分5252 Anthropic 的 Thariq Shihipar 谈 Claude Code 的下一阶段
Latent Space 播客邀请 Anthropic 的 Thariq Shihipar，讨论 Claude Code 从 CLI 演进为可定制 harness 的过程，涉及 Ask User Question、Artifacts、Projects、Claude Tag 和正在开发的 Claude Mods。
Simon WillisonAI 评分4242 Simon Willison 回顾 2026 年 LLM 进展：Claude Opus 4.5 与 GPT-5.1 让编码智能体真正可用
Simon Willison 在 WeAreDevelopers World Congress North America 的主题演讲中按时间线回顾了 2026 年 LLM 的关键进展：2025 年 11 月发布的 Claude Opus 4.5 和 GPT-5.1 与各自的编码智能体组合后，从"经常出错"变得"足以日常可靠使用"。
Interconnects · Nathan LambertAI 评分4747 开放模型的力量天平：中美开放权重模型竞争现状
中国开放权重模型已明显领先美国，Hugging Face 下载量约为美国的 2 倍（3.2B 对 1.6B），Artificial Analysis 智能指数上 GLM-5.3、GLM-5.3-Flash 和 Kimi K3 分别得分 45、42、44，而美国最高的 Inkling 仅 26。
Interconnects · Nathan LambertAI 评分2222 开源 AI 与开放模型阅读清单：Nathan Lambert 汇总近年最佳写作
Nathan Lambert 发布了一份开源 AI 与开放模型阅读清单，收录近年关于开放模型的最佳写作，覆盖开放模型的定义与发布动机、商业战略、风险与安全、中美竞争等主题，清单最后更新于 2026 年 9 月 15 日，并持续接受补充。
Interconnects · Nathan LambertAI 评分2626 Nathan Lambert：开源模型生态为何愈发依赖 Nvidia 的“造 token 机器”
Nathan Lambert 认为，开源模型生态正越来越依赖 Nvidia 的投入，后者据报道已为此花费 260 亿美元。他把带完整训练配方、数据和代码的开源语言模型比作 Linux，而只放权重和推理代码的开源权重模型更像具体软件版本。若这套投入无法带来与 Anthropic、OpenAI API 相当的回报，开源模型或转向偏效率、可修改和专用化的长尾路线。
Import AIAI 评分4545 Import AI 467：自维持 AI 病毒现身、AI 进度该不该放缓、AI 与创造力的认知混乱
多伦多大学、Vector Institute、剑桥大学与 ServiceNow 的研究者造出首个自维持 AI 病毒原型：它利用被攻陷 GPU 上的开放权重 LLM 做推理，漏洞检测成功率约 80%、利用成功率约 53%、自我复制成功率 88%，整体攻击成功率约 37%。
Interconnects · Nathan LambertAI 评分3030 开源模型盘点：Kimi K3、Qwen 3.8、WAIC 讲话、蒸馏与开源闭源差距
Interconnects 播客盘点开源模型最新进展：Kimi K3 上周发布，权重预计 7 月 27 日放出，需一个 B300 节点才能加载；Qwen 宣布下一代大模型将开放权重，GLM 5.2 持续在微调生态中扮演重要角色。节目还讨论了开源与闭源前沿的差距、蒸馏争论，以及中国厂商 Qwen、DeepSeek、MiniMax 的布局。
Interconnects · Nathan LambertAI 评分6363 开源模型只剩 6 个月？Nathan Lambert 谈监管与蒸馏之争
Nathan Lambert 认为，开源模型正面临迄今最严峻的可行性考验，白宫正在讨论通过新行政令管理开源模型，最可能的动作是限制或无限期延后能力明显超过 GPT 5.5、Claude Opus 4.8 或 GLM-5.2 区间的开放权重模型，按当前的能力差距这可能在 6 个月内发生。
Interconnects · Nathan LambertAI 评分3030 禁止开源 AI 将是个错误：Interconnects 与 Interconnected 联合评论文章
Interconnects 与 Interconnected 联合发表评论文章，警告华盛顿近期的 AI 监管动作可能进一步波及甚至禁止开源 AI，认为这将是严重错误。
Hugging Face BlogAI 评分3939 AI 与网络安全的未来：为什么开放更重要
在 Mythos 与 Project Glasswing 发布后，Hugging Face 发文讨论 AI 网络安全格局，指出真正起作用的是"大算力模型 + 软件相关数据训练 + 漏洞探测与修补脚手架 + 一定程度的系统自主性"这套系统配方，而非单个模型。文章认为开源代码与工具能让防御方获得与攻击方同级的 AI 能力，缩小双方的能力不对称。
Ahead of AI · Sebastian RaschkaAI 评分4646 2026 年 1-2 月开权重 LLM 十种架构盘点：从 Trinity Large 到 Kimi K2.5
2026 年 1 月 27 日至 2 月 17 日，开源社区陆续发布十款开权重 LLM，包括 Arcee AI 的 400B Trinity Large、Moonshot AI 的 1 万亿参数 Kimi K2.5、Qwen3-Coder-Next、GLM-5、MiniMax M2.5、Qwen 3.5 和 Cohere Tiny Aya 等。
Hugging Face BlogAI 评分3636 Hugging Face 博客：从 DeepSeek 到 AI+，全球开源 AI 生态的未来走向
Hugging Face 博客指出开源已成为中国 AI 组织近未来的主流路径，其平台上关注度最高的机构是 DeepSeek，第四为 Qwen。截至 2025 年中，Hugging Face 上有超 113k 模型以 Qwen 为基础、超 200k 仓库标注 Qwen，远超 Llama 的 27k 和 DeepSeek 的 6k。
Hugging Face BlogAI 评分4040 Hugging Face 回顾"DeepSeek 时刻"一周年：中国开源 AI 生态崛起
DeepSeek 发布 R-1 模型一年后，其开源权重成为 Hugging Face 史上获赞最多的模型。R1 以 MIT 许可开放推理路径与后训练方法，降低了技术、采用与心理三重门槛。百度 2024 年在 Hugging Face 零发布，2025 年增至 100 余个，字节跳动与腾讯发布量增长八到九倍。
Google DeepMindAI 评分3333 AlphaFold 五周年：从蛋白质结构预测到全球科研基础设施
AlphaFold 2 在 2020 年 CASP 14 上仅凭氨基酸序列高精度预测蛋白质结构，解决了困扰生物学界 50 年的难题，并于 2024 年获诺贝尔化学奖。
Hugging Face BlogAI 评分3838 Hugging Face 解析全球算力格局变迁：中国芯片开始承载国产开源模型
Hugging Face 发文分析全球 AI 算力格局的迁移：中国国产芯片已开始承载 Qwen、DeepSeek、GLM、Kimi 等开源权重模型的推理，部分模型开始用国产芯片训练。文章指出，美国出口管制与华为 Ascend、寒武纪等国产芯片产能的加速高度相关，芯片受限也倒逼出 MLA、GRPO 等算力效率创新。
Hugging Face BlogAI 评分3434 Gradio 月度用户突破 100 万：Hugging Face 分享开源库增长经验
Gradio 上线 5 年后月度开发者用户突破 100 万，Automatic1111、Oobabooga 的 Text Generation WebUI、Dall-E Mini、LLaMA-Factory 等热门开源项目均在使用。
Hugging Face BlogAI 评分1515 Hugging Face 发布首期 AI 艺术工具通讯，回顾 2024 并预告 2025
Hugging Face 推出首期 AI 艺术工具通讯《The AI tools for Art Newsletter》，回顾 2024 年创意 AI 的关键进展，并预告 2025 年新动向及将启动月度汇总。
The GradientAI 评分2929 形状、对称性与结构：数学在机器学习研究中角色的转变
机器学习过去十年的进展表明，精心设计的数学化架构只带来边际提升，而算力驱动、工程优先的规模化路线却催生了现有理论无法预测的新能力。文章认为数学的角色正在演变：从提供性能理论保证，转向像物理学那样对训练与性能中的经验现象做事后解释，并更多用于架构与任务结构、数据对称性的高层匹配。规模化还让拓扑、代数、几何等"纯"数学领域加入机器学习，以应对深度学习的复杂性问题。
Hugging Face BlogAI 评分3434 Hugging Face 博客：中国 AI 出海全球扩张简析
2024 年中国 AI 公司加速出海，全球 1500 家活跃 AI 公司中有 751 家位于中国，其中 103 家已拓展海外市场。华为、腾讯、阿里聚焦云计算与 AI 基础设施，主攻东南亚和中东；字节跳动七个月内推出 11 款海外应用，CapCut 月活超 3 亿。
Hugging Face BlogAI 评分4242 Hugging Face 回顾 2023：开源大语言模型的爆发之年
Hugging Face 发布 2023 年开源 LLM 回顾，指出公众对开源与闭源之争的关注度大幅上升，开源模型有利于研究可复现、社区参与和 checkpoint 复用。文章梳理了预训练大语言模型的构成要素（架构、训练数据集、tokenizer、超参数），并回顾 2022 年的代表性开源模型，包括 176B 参数、覆盖 46 种人类语言的 BLOOM 和 Meta 的 175B 参数 OPT。
Hugging Face BlogAI 评分3434 Hugging Face 谈机器学习中的偏见：伦理与社会通讯第 2 期
Hugging Face 伦理与社会团队发布通讯第 2 期，讨论机器学习偏见的成因与应对。文章指出偏见是复杂的社会技术问题，单靠技术干预难以解决，需要在整个 ML 开发流程中保持警惕。团队还整理了数据集与模型等工具，供社区在开发各阶段分析并缓解偏见。
Hugging Face BlogAI 评分1616 Hugging Face 工程师 Lewis Tunstall 谈 transformers 与大规模模型评估
Hugging Face 机器学习工程师 Lewis Tunstall 在播客中介绍了自己 2019 年与 Leandro von Werra 合著《NLP with Transformers》的经历，并分享了在 transformers 库中的工作：提供将 PyTorch 模型导出为 ONNX 格式的功能，用户只需一行代码即可完成转换，从而优化推理延迟与吞吐量。他还谈到大规模模型评估等话题。
Hugging Face BlogAI 评分1717 机器学习即代码的时代已经到来
Hugging Face 发文称，机器学习正走向「软件吞噬机器学习」：DevOps 的版本管理、测试、自动化与部署实践应被数据科学团队直接采纳，MLOps 让模型更快进入生产环境。