Meta 正式发布个人 AI 智能体 Muse，定位为竞争 OpenAI 和 Google 同类产品的消费级入口。Muse 声称能帮用户卖车、订机票、处理日常事务，前提是获得对邮件、日历、支付服务与健康数据的完整访问权限。

这是 Meta 在 AI 赛道最大胆的一次消费端押注。问题在于，Meta 的数据隐私历史并不是它最有说服力的简历，而 Muse 要求的权限深度，比任何一款此前的 Meta 产品都要高。能不能让普通用户真的把支付账户和健康记录交给它，才是这个产品能不能活下去的核心变量。

Wired 和 TechCrunch 的报道都把「信任」放在标题里，这不是巧合。AI 智能体的竞争，到了这一步，已经从功能比拼变成了品牌信任比拼。Meta 在这场比赛里的起跑线，比 Apple 和 Google 都要靠后。

前沿实验室 在官网发布公告，称其 AI 系统生成了 Navier-Stokes 方程存在性与光滑性问题的解，并附上了 Lean 形式化证明，这是数学界悬而未决约 90 年的千禧年大奖难题之一，奖金 100 万美元。

随即，NYU 数学家公开指控 前沿实验室 「不正当竞争」，称其在学术社区正常审查流程完成之前就抢先发布，行为违背了科学惯例。The Verge 和 TechCrunch 均证实了这一争议的存在。这件事的核心矛盾不是数学本身，并且 AI 公司与学术体系之间的权力不对称：AI 公司有足够的算力和媒体曝光度，可以绕过同行评审直接宣布「发现」，而数学家们只能事后追着澄清。

证明是否成立，需要数学社区完整核验。在那之前，这更像是一场 PR 行动，而非科学公告。

TechCrunch 报道，Anthropic 已向用户发出警告：有黑客在窃取订阅用户的 Claude API token，用于未经授权的调用。事件起因是一名 Claude 用户发现账户在自己未使用期间持续消耗 token，随即上报。

token 盗用的危害不只是账单损失。被盗 token 可以被用来绕过内容审核、冒充真实用户发起请求，甚至在企业场景下访问敏感的私有知识库。随着 AI 订阅账户价值越来越高，针对 API 凭证的攻击将成为一个持续增长的威胁面。Anthropic 建议用户定期轮换 API 密钥，并开启异常使用告警。

Google DeepMind 发布 AlphaGenome Atlas，为人类基因组中 90 亿个单碱基变异（SNV）预计算了分子效应预测值与 AVI 评分，研究者无需自行跑模型，直接查表即可获得每个变异的影响评估。

这是一次从「算」到「查」的范式切换。过去，研究人员需要为每个感兴趣的变异单独运行预测模型，计算成本高且耗时。现在，整个人类基因组的变异影响图谱被提前铺好，加速了罕见病研究、药物靶点发现和个体化医疗的数据准备速度。DeepMind 正在把 AI 计算能力转化成公共科研基础设施。

开源项目 deltafin 在 Hacker News 获得 139 点关注，演示了在 MacBook Pro 上通过四块外接 SSD 扩展存储带宽，将 Kimi K3（2.8T 参数）以约 1 token/秒的速度本地运行的方案。

1 token/秒对实时对话来说太慢，但这件事的意义在于证明了方向：超大规模 MoE 模型的本地运行，在消费级硬件上已经从「不可能」变成了「慢但可用」。随着 NVMe 带宽和统一内存容量的持续提升，这个速度会加快。把 2.8T 参数模型装进一台笔记本，这个概念本身就值得记录。

NVIDIA 通过 NVlabs 发布两个开源项目：cuda-oxide（面向 SIMT 编程模型）和 cutile-rs（面向 Tile 编程模型），正式将 Rust 引入 GPU 内核开发，提供编译期内存安全保证。

CUDA 生态长期以 C++ 为核心，内存错误和并发 bug 是 GPU 编程的顽疾。Rust 的所有权模型理论上可以在编译阶段拦截一大类运行时错误，这对 AI 训练框架和高性能推理引擎的稳定性有直接价值。NVIDIA 主动拥抱 Rust，也是在提前布局：当越来越多系统软件工程师用 Rust 写基础设施，CUDA 生态需要跟上。

前沿实验室 发布 ChatGPT Images 2.5，新增 Sketch 功能：用户可以直接在界面上画草图，模型将根据手绘输入生成对应的精细图像，同时支持上传参考照片与历史图像进行风格融合。

这是图像生成交互方式的一次实质性扩展。过去，用户需要用文字精确描述想要的画面，现在草图成为了一种新的「意图输入」，把那些语言表达能力有限但视觉想象力丰富的用户也纳入进来。从文字提示到草图输入，AI 图像工具的使用门槛又降了一级。同日，前沿实验室 还发布了「The Work Now Within Reach」报告，展示 AI 如何帮助企业扩展工作能力。

前沿实验室 发布案例，展示 MIT 研究员如何使用 GPT-5.6 Sol 配合 Codex 自主运行量子计算实验：模型负责实验设计、结果分析与量子比特校准，研究员专注于更高层的科学判断。

这个案例的重量在于「自主运行」四个字。不是辅助写代码，并且端到端接管实验循环。当 AI 能独立完成实验的执行层，科研人员的工作重心就从「怎么做」转向「做什么」和「为什么」。量子计算实验的复杂度和专业门槛，使得这个案例的说服力远高于一般编程演示。

MIT Technology Review 本期「35 岁以下创新者」专题中，多位入选者的研究指向同一个方向：用 AI 解读非传统生物信号，包括蜘蛛网振动、芯片废热回收与基因年龄逆转。

蜘蛛网作为振动传感器的研究，让 AI 从结构化数字信号扩展到了自然界的物理信号。这类跨界应用的意义在于：当 AI 的感知输入不再局限于摄像头和麦克风，并且能处理任何可量化的物理变化，「视觉」这个词本身就需要被重新定义。Hannah Earley 的芯片废热回收研究，则从另一个方向提醒我们：AI 的能耗问题正在催生新的工程创新。

Cognition（Devin 的开发商）完成新一轮融资，估值达到 480 亿美元，估值倍数高于 Cursor 被 SpaceX 收购前的水平。TechCrunch 指出，这一数字向市场传递了一个明确信号：投资人认为 AI 编程赛道远未到赢家通吃的阶段。

这笔融资的逻辑值得拆解：如果市场认为 GitHub Copilot 或 Cursor 已经锁定了 AI 编程的未来，Cognition 就不可能拿到这个估值。480 亿意味着投资人相信，自主编程智能体（Agentic Coding）和辅助补全（Autocomplete）是两个不同的市场，而前者的天花板还没有被触及。

Google Cloud 与 Accenture 扩大合作，核心策略是派驻「前置部署工程师」（Forward-Deployed Engineers）深入企业客户现场，直接帮助解决 AI 落地中的部署瓶颈，而非仅提供远程技术支持。

企业 AI 部署的最大阻力从来不是模型能力，并且集成复杂度和内部阻力。Google Cloud 选择用人力直接介入，是在用咨询公司的打法补齐纯云服务的短板。这种「技术 + 人力」的组合，正在成为云厂商争夺大型企业客户的标准动作，AWS 和 Azure 都有类似布局。谁的前置工程师团队更强，谁就能在企业侧建立更深的护城河。