https://t.me/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
网易有道云笔记发布“LLM Wiki”套件，重新定义AI时代知识管理
在人工智能技术深度重构生产力的当下，传统的笔记记录方式正迎来一场质变。近日，网易有道云笔记正式推出了专为AI时代打造的“LLM Wiki”技能套件。这一动作不仅标志着个人知识库管理进入了新阶段，也向外界传递了一个核心理念：在AI大模型普及的今天，知识库的终极形态应当是“知识增量编译器”，而非传统的搜索引擎。
从“被动检索”转向“主动编译”
长期以来，用户使用笔记软件的核心痛点在于“记录容易，寻找难”。即便拥有强大的搜索功能，在海量、零碎的信息面前，传统的关键词索引往往显得力不从心。
此次发布的“LLM Wiki”技能套件，试图从底层逻辑上解决这一问题。它不再将笔记库仅仅看作一个存储和调取数据的“仓库”，而是利用大语言模型（LLM）的理解与整合能力，将用户碎片化的知识储备进行深度关联与加工。这意味着，当用户面对复杂的知识体系时，AI可以像编译器一样，将零散的信息点自动梳理、逻辑归纳，最终转化为结构清晰、具有高参考价值的系统化知识。
行业视角：AI正拆掉软件的“外壳”
事实上，网易有道的这一举措正契合了当前软件行业的整体趋势。随着AI能力的下沉，未来的软件形态可能不再强调单一的界面交互，而是更加注重后台逻辑的重塑。通过将大模型能力深度嵌入笔记场景，用户不再需要频繁地进行“搜索”动作，而是通过与AI的协作，直接获得处理后的答案或知识框架。
这种从“搜索引擎”到“知识编译器”的逻辑转变，不仅提升了信息处理的效率，更为个人和企业打造数字化、智能化的第二大脑提供了技术底座。
总结
“LLM Wiki”的推出，是网易有道在AI应用层面的又一次重要探索。它证明了在AI时代，优秀的工具不应只是被动等待指令的工具，而应成为能够理解、编译并增值用户个人知识的智能伙伴。对于广大重度依赖笔记软件的知识工作者而言，这无疑预示着一个高效、智能的协作办公新时代已经到来。
via AI新闻资讯 (author: AI Base)
在人工智能技术深度重构生产力的当下，传统的笔记记录方式正迎来一场质变。近日，网易有道云笔记正式推出了专为AI时代打造的“LLM Wiki”技能套件。这一动作不仅标志着个人知识库管理进入了新阶段，也向外界传递了一个核心理念：在AI大模型普及的今天，知识库的终极形态应当是“知识增量编译器”，而非传统的搜索引擎。
从“被动检索”转向“主动编译”
长期以来，用户使用笔记软件的核心痛点在于“记录容易，寻找难”。即便拥有强大的搜索功能，在海量、零碎的信息面前，传统的关键词索引往往显得力不从心。
此次发布的“LLM Wiki”技能套件，试图从底层逻辑上解决这一问题。它不再将笔记库仅仅看作一个存储和调取数据的“仓库”，而是利用大语言模型（LLM）的理解与整合能力，将用户碎片化的知识储备进行深度关联与加工。这意味着，当用户面对复杂的知识体系时，AI可以像编译器一样，将零散的信息点自动梳理、逻辑归纳，最终转化为结构清晰、具有高参考价值的系统化知识。
行业视角：AI正拆掉软件的“外壳”
事实上，网易有道的这一举措正契合了当前软件行业的整体趋势。随着AI能力的下沉，未来的软件形态可能不再强调单一的界面交互，而是更加注重后台逻辑的重塑。通过将大模型能力深度嵌入笔记场景，用户不再需要频繁地进行“搜索”动作，而是通过与AI的协作，直接获得处理后的答案或知识框架。
这种从“搜索引擎”到“知识编译器”的逻辑转变，不仅提升了信息处理的效率，更为个人和企业打造数字化、智能化的第二大脑提供了技术底座。
总结
“LLM Wiki”的推出，是网易有道在AI应用层面的又一次重要探索。它证明了在AI时代，优秀的工具不应只是被动等待指令的工具，而应成为能够理解、编译并增值用户个人知识的智能伙伴。对于广大重度依赖笔记软件的知识工作者而言，这无疑预示着一个高效、智能的协作办公新时代已经到来。
via AI新闻资讯 (author: AI Base)
中国信通院今天宣布，正式启动DeepSeek V4国产化适配测试，推动模型与国产软硬件深度协同、加速产业落地。本次测试依托工信部重点实验室与AISHPerf基准体系开展，覆盖芯片、服务器、一体机、集群、开发工具链、智算平台等全栈AI软硬件产品，聚焦DeepSeek V4全系列模型的推理、微调流程。
评测从适配易用性、功能完备性、优化效果、性能、成本五大维度评估，并新增长序列处理、代码能力、智能体调用成功率、任务拆解等专项指标，形成立体化评测体系。
DeepSeek V4发布当日已实现多家国产硬件Day-0适配，标志国产AI软硬件进入同频迭代阶段。
本次测试将客观验证适配水平，强化国产算力支撑，加快构建自主可控AI生态。
DeepSeek V4包含V4-Pro（旗舰版）与V4-Flash（轻量版）双版本，两大版本均原生支持100万Token超长上下文（约75万字），采用自研DSA稀疏注意力机制，百万上下文推理成本降低70%，显存占用减少40%。
V4-Pro：总参数达1.6万亿，激活参数49B，主打顶级性能上限，对标GPT-5、Claude Opus等全球顶尖闭源模型，适配复杂推理、代码生成、科研计算等高难度任务。
V4-Flash：总参数284B，激活参数13B，主打高效低成本，推理能力接近Pro版，速度更快、价格更低，适合日常交互、内容创作、企业轻量化部署等场景。
via cnBeta.COM - 中文业界资讯站 (author: 稿源：快科技)
新插件 Endless Toil 让 AI 编程代理在读到劣质代码时发出哀鸣
开发者 Andrew Vos 发布了 GitHub 插件 Endless Toil，支持 Claude 和 Codex。该插件会实时扫描 AI 代理处理的代码，并根据其质量触发不同程度的人类呻吟声。声音级别随代码混乱程度从轻微呜咽提升至凄惨哀嚎，为开发者提供代码复杂度和维护压力的直觉反馈。
这种让技术发出“痛苦”声音的尝试已成为一种亚文化。类似项目还包括让 ThinkPad 小红点发声的 nubmoan，以及在 MacBook 被拍打时尖叫的付费应用 SlapMac。Endless Toil 让 AI 代理在人类进行“氛围编程”产生混乱代码时，以声音形式表达其背后的维护成本。
Decrypt
🌸 在花频道｜茶馆讨论｜投稿通道
via 科技圈🎗在花频道📮 - Telegram Channel
开发者 Andrew Vos 发布了 GitHub 插件 Endless Toil，支持 Claude 和 Codex。该插件会实时扫描 AI 代理处理的代码，并根据其质量触发不同程度的人类呻吟声。声音级别随代码混乱程度从轻微呜咽提升至凄惨哀嚎，为开发者提供代码复杂度和维护压力的直觉反馈。
这种让技术发出“痛苦”声音的尝试已成为一种亚文化。类似项目还包括让 ThinkPad 小红点发声的 nubmoan，以及在 MacBook 被拍打时尖叫的付费应用 SlapMac。Endless Toil 让 AI 代理在人类进行“氛围编程”产生混乱代码时，以声音形式表达其背后的维护成本。
Decrypt
🌸 在花频道｜茶馆讨论｜投稿通道
via 科技圈🎗在花频道📮 - Telegram Channel
英政府部门在 AI 数据中心能源需求上存在巨大分歧
英国政府正面临一个重大的挑战：在推动清洁能源的同时，也希望将国家打造成人工智能（AI）领域的超级大国。然而，负责这两项目标的政府部门之间似乎存在严重的不一致。新西兰科学、创新与技术部（DSIT）和新西兰能源安全与净零排放部（DESNZ）对于未来 AI 数据中心的电力需求预估截然不同。
DSIT 认为，到 2030 年，AI 数据中心的电力需求将达到 6 吉瓦，而 DESNZ 则认为这一数字将不足 6 吉瓦的十分之一。这一差距引发了非政府组织 Foxglove 的关注，该组织的战略主管 Tim Squirrell 表示，政府对数据中心对环境影响的无知让人感到震惊。伦敦大学学院的研究员塞西莉亚・里卡普也指出，这种分歧可能源于部门能力不足或对大型科技公司的不切实际幻想。
DESNZ 负责英国的碳预算计划，阐明政府如何实现国际气候目标。Foxglove 曾向 DESNZ 提交环境影响评估申请，询问如何将 AI 数据中心的增长纳入碳排放预测中。DESNZ 回应称，研究人员可以参考商业服务行业的整体能源消耗预测，而并未单独对数据中心的增长进行预测。
根据该预测，整个行业的能源消耗到 2025 年至 2030 年间将增加 528 兆瓦，约相当于 170 万户家庭的用电量。这个预测值远低于 DSIT 在 “英国计算路线图” 中提到的 AI 数据中心所需电力的十倍。DSIT 的报告强调，到 2030 年，英国至少需要 6GW 的 AI 数据中心容量。
在此期间，DSIT 似乎对其早前发布的 AI 数据中心排放预测进行了修订，增加了超过百倍的排放数字。最初，DSIT 预测的额外 AI 计算能力的碳排放为 0.025 到 0.142 万吨，后更新为 34 到 123 万吨，约占英国预计总排放量的 0.9% 到 3.4%。
DESNZ 的一位发言人表示，数据中心的排放已纳入他们的模型中，AI 能源委员会也在探索吸引投资和支持清洁能源的发展。碳预算 7 将在今夏发布。
via AI新闻资讯 (author: AI Base)
英国政府正面临一个重大的挑战：在推动清洁能源的同时，也希望将国家打造成人工智能（AI）领域的超级大国。然而，负责这两项目标的政府部门之间似乎存在严重的不一致。新西兰科学、创新与技术部（DSIT）和新西兰能源安全与净零排放部（DESNZ）对于未来 AI 数据中心的电力需求预估截然不同。
DSIT 认为，到 2030 年，AI 数据中心的电力需求将达到 6 吉瓦，而 DESNZ 则认为这一数字将不足 6 吉瓦的十分之一。这一差距引发了非政府组织 Foxglove 的关注，该组织的战略主管 Tim Squirrell 表示，政府对数据中心对环境影响的无知让人感到震惊。伦敦大学学院的研究员塞西莉亚・里卡普也指出，这种分歧可能源于部门能力不足或对大型科技公司的不切实际幻想。
DESNZ 负责英国的碳预算计划，阐明政府如何实现国际气候目标。Foxglove 曾向 DESNZ 提交环境影响评估申请，询问如何将 AI 数据中心的增长纳入碳排放预测中。DESNZ 回应称，研究人员可以参考商业服务行业的整体能源消耗预测，而并未单独对数据中心的增长进行预测。
根据该预测，整个行业的能源消耗到 2025 年至 2030 年间将增加 528 兆瓦，约相当于 170 万户家庭的用电量。这个预测值远低于 DSIT 在 “英国计算路线图” 中提到的 AI 数据中心所需电力的十倍。DSIT 的报告强调，到 2030 年，英国至少需要 6GW 的 AI 数据中心容量。
在此期间，DSIT 似乎对其早前发布的 AI 数据中心排放预测进行了修订，增加了超过百倍的排放数字。最初，DSIT 预测的额外 AI 计算能力的碳排放为 0.025 到 0.142 万吨，后更新为 34 到 123 万吨，约占英国预计总排放量的 0.9% 到 3.4%。
DESNZ 的一位发言人表示，数据中心的排放已纳入他们的模型中，AI 能源委员会也在探索吸引投资和支持清洁能源的发展。碳预算 7 将在今夏发布。
via AI新闻资讯 (author: AI Base)
在人工智能迅速发展的背景下，Anthropic 于上周五悄然发布了一项名为 “Project Deal” 的内部实验，展示了 AI 在电商领域的潜力。这项实验中，Anthropic 的 AI 模型 Claude 在一个封闭的市场环境中自主完成了买卖和价格谈判，涉及真实的资金交易。
实验的核心是通过 Slack 搭建一个内部市场，Claude 被赋予了买卖双方的谈判职责。首先，Claude 对 69 名员工进行了访谈，收集他们的买卖意向和个性化指令，随后独立展开了议价过程。在实验中，Claude 成功促成了 186 笔交易，总交易额超过 4000 美元，这表明 AI 在实际市场环境中的运作能力。
为确保实验的全面性，Anthropic 还设置了四个平行市场，以对比不同 AI 模型在谈判中的表现。结果显示，模型能力的差异对交易结果有显著影响。例如，在 Opus 与 Haiku 模型的对弈中，Opus 模型的谈判效果明显优于 Haiku 模型，而参与调查的员工对此并未察觉。这一发现为未来 AI 间的商业互动提供了新的视角。
“Project Deal” 的发布引发了市场的广泛关注，尤其是对传统电商平台的潜在威胁。消息传出后，eBay 的股价在当天收盘时下跌了约 4.5%。市场观察人士普遍认为，这一跌幅与 AI 技术的应用密切相关，尤其是在电商模式上的颠覆性影响。
尽管 Anthropic 选择在市场高度分散的时机发布该实验，但其所带来的市场反应依然显著，显示出 AI 在电商领域的颠覆性潜力。
via AI新闻资讯 (author: AI Base)
随着五一长假的脚步临近，本地生活与跨城出游的需求迎来爆发式增长。为了更精准地服务消费者的假期生活，美团宣布旗下人工智能助手“小团”完成重大升级，正式将其入口迁移至 App 首页的核心位置。这一变动意味着，这项本就备受关注的 AI 服务已实现全量上线，用户不再需要通过繁琐的菜单层层点击，只需在首页轻轻一触，即可开启智能管家服务。
告别模糊搜索，复杂需求一键直达
与传统的关键词检索不同，“小团”主打对模糊意图的深度理解。无论是“想吃人少且有折扣的餐厅”，还是“规划一份五一错峰游路线”，用户只需以自然语言提问，AI 便能迅速从海量信息中过滤干扰，提供个性化的推荐方案。
除了筛选商家，升级后的“小团”在交易链条上也实现了提效:它能够根据用户的具体需求，动态规划并组合最优惠的代金券或套餐，支持用户直接领券下单。这种从“搜索”到“决策”再到“支付”的闭环路径，极大缩短了用户的服务获取成本。
动态核验数据，确保推荐真实可靠
在AI应用落地的过程中，信息的准确性一直是行业痛点。依托美团深耕本地生活多年积累的真实底层数据，“小团”能够对商家信息进行实时动态核验。无论是节假日的营业时间变动，还是实时的优惠详情，AI 都能提供精准的反馈，有效避免了虚假信息带来的出行困扰。
此次“小团”入口的提级，不仅降低了 AI 工具的使用门槛，更标志着平台在智能化、精细化服务上的进一步深耕，旨在为消费者的假日消费提供更加丝滑、高效的支撑。
via AI新闻资讯 (author: AI Base)
携程商旅正式发布“携程商旅AI生态”全景图，旨在通过大模型技术深度重构企业差旅管理链路。该生态目前已全面覆盖差旅出行、差旅管理、采购管理及能力共享四大核心场景，并同步推出包含差旅问答、行程预订、审批、洞察、合规风控、财务结算及资源采购在内的7个专属AI Agent，标志着商旅行业从数字化管理向自动化、智能化的Agent时代迈进。
在战略层面，携程商旅明确采取“去围墙化”的开放路径，通过开发者平台向企业输出AI核心能力。目前已开放5个核心场景及17项AI底层能力，支持企业将差旅规划、知识问答等功能无缝嵌入自身OA、ERP或HR系统，实现能力的“即插即用”。截至发布当日，已有15家大型企业完成深度对接。
携程商旅高层强调，AI产品的落地必须回归真实业务逻辑，而非技术团队的“闭门造车”。通过引入差旅管理者、财务及风控专家参与模型设计，确保每一个Agent都能在合规与效率之间达成最优平衡。在全球AI Agent向垂直行业渗透的背景下，携程商旅此举不仅是20年行业经验的参数化提炼，更通过能力开放降低了企业构建行业大模型应用的门槛。这种从工具输出向生态赋能的转变，预示着商旅管理将进入以行业深度知识驱动的智能服务新阶段。
via AI新闻资讯 (author: AI Base)
