AI快讯 - 实时AI新闻和趋势 | Blockchain.News

据 OriolVinyalsML 披露，谷歌发布更快的 Gemini 3 Deep Think 模式，在严苛 STEM 任务上达到博士级推理，并取得物理与化学奥林匹克竞赛金牌水准表现。根据 Oriol Vinyals 在 X 的信息，此次升级聚焦长链推理与符号计算，显著提升数理化题目的逐步推导能力。依据其公告页所述，性能加速降低了多轮与工具增强推理的时延，提升企业场景可靠性，如技术检索、科学语料 RAG 与自动化作业评测。来源还指出，更强的逻辑一致性与结构化输出可减少生产环境中的后处理成本。对企业而言，据该公告，直接机会包括：STEM 智能家教、实验室反应规划助手、以及面向工程与金融公式模型的分析 Copilot，从而以更高质量答案降低人工审核时间。 (来源)

据 Google DeepMind 在 X 平台发布的信息，Gemini 3 Deep Think 的专项推理能力已升级，面向科学研究与工程问题求解，并展示杜克大学王课题组利用其进行新型半导体材料设计的案例。根据 Google DeepMind 报道，该升级聚焦多步推理与约束优化，可执行基于文献的假设生成、实验规划与参数权衡，用于材料发现与工艺评估闭环。依照同一来源，该实验室将 Gemini 3 Deep Think 用于提出候选材料、评估性能与制造可行性并快速迭代，预期有助于缩短设计周期并提升研发效率，提示企业可在材料筛选、工艺优化与良率提升等环节获得加速效益。 (来源)

据 DeepLearning.AI 在 X 平台披露，Moonshot AI 的 Kimi K2.5 是一款视觉语言模型，能够并行编排编码、研究、网页浏览与事实核查，自动拆分与委派子任务并合并结果为最终答案（来源：DeepLearning.AI，2026年2月12日）。据 DeepLearning.AI 报道，这种代理式并行执行可缩短响应时间并通过内置核查降低错误率，为企业在复杂知识工作自动化、RAG流程与多步数据校验方面创造机会。根据 DeepLearning.AI，K2.5 的自主任务路由与结果融合反映多代理架构趋势，可提升开发效率、加速文献综述，并在合规取数与可追溯引用场景中释放价值。 (来源)

据Anthropic（@AnthropicAI）在X平台发布的信息，Anthropic将向新成立的两党组织Public First Action捐助2000万美元，旨在动员选民与议员尽快推进AI政策制定，强调“政策窗口正在关闭”（来源：Anthropic，2026年2月12日）。根据Anthropic的公告，此举重点支持快速的政策教育与公众参与，推动前沿模型安全、负责任部署与扩展等规则落地。对企业而言，据Anthropic所述，这一进展带来参与标准制定、提交监管意见、以及提前布局合规与安全透明度要求的机会。 (来源)

据X平台用户@godofprompt 发布的帖子称，其在采访了来自OpenAI、Anthropic与谷歌的12位研究员后发现，他们普遍依赖同样的10个高效提示，用于推动产品落地、论文发表与基准突破（来源：God of Prompt，2026年2月12日）。该帖子指出，这些提示区别于社媒常见清单，更贴近一线实践，包括用于模型评测、数据合成、错误分析、检索增强与系统提示迭代的工作流模板（来源：God of Prompt）。对企业而言，据该帖子分析，可将这些专家提示沉淀为标准化库，构建可复用的评测与RAG提示模板，并在生产链路中部署，以提升一致性、缩短上市周期并降低成本（来源：God of Prompt）。 (来源)

据Twitter用户@godofprompt披露，其于2026年2月12日发布的原帖称，他采访了来自OpenAI、Anthropic与谷歌的12位研究人员，发现他们普遍依赖同一组10个可落地的提示词，用于推动产品上线、论文发表与刷新基准分数。据该来源，这些提示涵盖角色定义、迭代优化、错误校验、数据与来源引用、评测框架设定、约束清单、测试用例生成、失效模式分析、推理链规划与上线就绪核对单。依据原帖信息，这种提示工程方法在业务上带来更快的功能交付、可复现实验流程与更稳健的基准提升，并能通过显式约束与评测闭环降低幻觉率与输出偏差。 (来源)

据 Andrej Karpathy 在 Twitter 表示，micrograd 通过让各算子仅返回局部梯度，并由集中式 backward() 与全局损失梯度相乘实现链式法则，使代码从243行减至200行（约18%）。据 Karpathy 称，此举让每个算子只需定义前向与局部反向规则，提升可读性与可维护性，利于 GPT 训练循环复用。Karpathy 还称代码被组织为三列：数据集 分词器 自动求导；GPT 模型；训练 推理，便于小型大模型教学与快速实验。 (来源)

据 Andrej Karpathy 在 Twitter 表示，micrograd 通过各算子仅返回本地梯度，并由统一的 backward() 与损失全局梯度进行链式相乘，将代码从 243 行精简到 200 行（约降 18%），并按三列重构：数据集/分词器/自动求导、GPT 模型、训练/推理。根据 Karpathy，此改动让算子只需声明前向与本地偏导，提升可读性与可维护性，便于扩展新算子并用于 GPT 类模型的教学原型。对企业与个人开发者而言，据 Karpathy，此精简有助于更快验证自定义层与分词器、改进梯度单测流程，并为训练与推理中的算子替换和优化内核集成提供更清晰的路径。 (来源)

根据小鹏汽车在X平台发布的信息，小鹏副董事长顾宏地在世界政府峰会上表示，随着验证与普及推进，自动驾驶与机器人出租车将在未来十年逐步融入日常出行（来源：XPENG 发布含演讲链接）。据小鹏披露，物理智能将从软件延伸到车辆与城市道路的真实场景，商业机会聚焦于机器人出租车、城市配送与车载AI副驾；同时，可靠性、成本下降与监管协同被视为规模化关键，这为ADAS订阅、车队运营与出行即服务等模式带来增长空间（来源：XPENG 社交发布）。 (来源)

据 Sawyer Merritt 在 X 上表示，特斯拉 Semi 以约81,000磅总重完成500英里路测，能耗约为每英里1.7kWh，并称美国环保署目前不提供电动8级重卡的续航评级。根据其发布的信息，所述500英里数据基于约82,000磅总重，负载更轻时理论续航更高。该实测视频展示了特斯拉 Semi 的高效率，为车队电动化的成本测算、线路规划与充电策略提供了现实依据。 (来源)

据 Lex Fridman（@lexfridman）介绍，与 OpenClaw 创作者 Peter Steinberger 的新一期对谈已发布于 YouTube、Spotify 与 lexfridman.com/podcast。根据该节目页面信息，本期聚焦 OpenClaw 倡导的开源机器人抓取与代理式控制栈，这一架构有望降低原型验证成本并加速开发者在感知、规划与控制模块的集成。依照 Lex Fridman 的多平台分发情况，此对谈反映 2026 年市场对代理式机器人内容的强烈需求，为围绕 OpenClaw 兼容栈的企业级支持、仿真数据集与商用 SDK 带来商业化窗口。 (来源)

据 Lex Fridman 在 X 上的访谈贴文与视频指出（来源：Lex Fridman），Peter Steinberger（@steipete）分享 OpenClaw 的自我修改代理架构，通过工具调用、代码执行与反思循环快速迭代，推动其在 GitHub 获得超18万星并迅速走红（据 Lex Fridman）。据该访谈，讨论涵盖如何用代理编程的实操方法、开发者环境配置，以及在编程任务中对比 GPT Codex 5.3 与 Claude Opus 4.6 的能力（来源：Lex Fridman）。同时，访谈还强调企业落地所需的安全措施，包括沙箱隔离、最小权限、依赖与供应链校验及可审计日志（据 Lex Fridman）。商业影响方面，据访谈内容，团队可用 OpenClaw 模式自动化原型开发、代码维护与CI流程，但需优先部署运行时隔离与权限治理，结合开源社区与可组合代理工具链实现规模化应用（来源：Lex Fridman）。 (来源)

据PixVerse在X平台表示，全球仅有5部使用PixVerse工具的影片入选2026年柏林欧洲电影市场（EFM），其中包括Future AI创作者的《The Weight of Home》（消息来源：PixVerse与Future AI在X）。据PixVerse称，此举将AI叙事带入一线电影市场场景，表明生成式视频正被专业制作流程更广泛接受。根据Future AI在X的说法，EFM平台将为AI电影人带来发行洽谈、联合出品与市场曝光等商业机会。依据PixVerse信息，此次入选为制片方和工作室提供试点机会，包括AI主导的前期预演、分镜快速迭代与性价比更高的后期流程，特别适用于类型片与跨国合拍的落地应用。 (来源)

据 PixVerse 在 X 上发布的信息，平台将于柏林电影节 EFM 展示其生成式视频工具，现场活动时间为2月15日13:15–14:45（地点：Gropius Bau 二层 Producers Hub），展位为2月12–16日在209号展位。根据 PixVerse 公告，此次展示面向制片人，重点演示文生视频在预演、概念预告与创意迭代中的应用。依据该活动帖文，参会者可评估快速分镜动画与风格迁移等用例，有望在前期开发阶段降低成本并压缩周期，服务独立电影与制片厂项目。按照 PixVerse 表述，登陆 EFM 将生成式视频纳入选片与包装环节，反映买方对AI辅助内容流程的兴趣上升。 (来源)

根据 Andrej Karpathy 在 X 上的说明，他将 MicroGPT 的最小 GPT 教程与代码整理为单页镜像，地址为 karpathy.ai/microgpt.html，便于阅读与分享。依据该页面内容，MicroGPT 提供紧凑的 Transformer 实现、训练循环与分词器要点，帮助工程团队以最少依赖从零构建与调试 GPT 类模型。根据 Karpathy 的发布，此资源可用于教育与快速原型，支持初创公司在小规模环境下验证自定义 LLM、优化推理与训练路径并进行基准测试，然后再扩展到更大模型与数据。 (来源)

根据 Andrej Karpathy 在 Twitter 的说明，他将 MicroGPT 的单页镜像发布在 karpathy.ai/microgpt.html，以便集中展示约 100 行的极简 GPT 实现，便于学习与实验。根据该页面内容，项目涵盖分词、Transformer 模块与训练循环的端到端演示，突出可读性而非极致性能，适合作为教学示例与快速原型基线。依据页面介绍，这为团队提供轻量路径：培训工程师理解最小可行 LLM、快速尝试自定义分词器与小型 Transformer 变体、在 CPU 上做推理基准，并在投入大型模型前进行方案验证。 (来源)

据Andrej Karpathy在Twitter上表示，最新MicroGPT版本以三栏形式呈现最小可行LLM，将训练与采样核心流程进一步收敛到“不可再简”的实现，降低工程与学习门槛。根据Karpathy的帖子，此次极简重构有助于团队快速上手Transformer要点、加速原型验证，并作为轻量化微调与推理流水线的教学基线，为工程落地与成本优化提供参考。 (来源)

据Andrej Karpathy在X上发布的推文称，MicroGPT被进一步精简为三栏Python代码，展示了GPT式Transformer的“不可再简化”核心，包括前向传播、分词与训练循环。根据Karpathy推文的信息与其以往开源教学仓库做法，此类极简实现有助于工程团队快速理解注意力与MLP结构，搭建轻量级原型并进行端侧推理试验，减少对庞大框架的依赖。对企业而言，据Karpathy的开源实践所示，MicroGPT类最小可行代码可缩短PoC周期、提升工程师技能，并为在垂直数据上的低成本微调与小模型部署提供参考路径。 (来源)

据Twitter用户God of Prompt称，其Instagram粉丝已达20万，并引导受众访问instagram.com/godofprompt。根据该推文所示，这一里程碑表明AI内容品牌可通过跨平台引流与短视频分发，建立可持续私域增长。结合Instagram Creator Lab等平台的公开增长方法，据称坚持垂直内容、跨平台号召和清晰价值主张能有效将X用户转化至Instagram，这对AI工具测评、提示词教学与SaaS线索获取具有参考价值。根据该推文的号召动作，AI初创公司可复用该漏斗推广模型教程、提示词包与候补名单，从而以更低获客成本实现有机增长。 (来源)

据Demis Hassabis在X平台表示（Google DeepMind），Gemini Deep Think通过代理式工作流分解与校验研究级问题的推理步骤，覆盖数学、物理与计算机科学领域，消息来源为Google DeepMind与Google Research发布的更新（goo.gle/4aGs3Pz）。据Google DeepMind称，系统可编排形式化定理证明与代码执行等工具以提升推理稳健性，从而加速假设检验与解法迭代。据Google Research报道，这为面向科研机构与企业的AI研发平台带来商机，尤其在定理证明、仿真与算法设计等高价值场景提升研发效率与成果可重复性。 (来源)