甲骨文裁员 2.1 万以支撑 AI 债务投资

据甲骨文周一提交给美国证券交易委员会（SEC）的文件，该公司在过去一年中裁员 21,000 人，原因是 AI 的采用和部署。该文件是截至 5 月 31 日的财年年度监管申报，显示甲骨文全职员工总数为 141,000 人，而 2025 财年申报中为 162,000 人。裁员幅度为 12.9%，此前 3 月已有大规模裁员的报道。

文件明确将裁员归因于 AI 技术。原文写道：「AI 技术在我们运营中的采用和部署已经导致，并可能继续导致，我们劳动力的减少。」

甲骨文在文件中未进一步说明裁员的具体部门或地区分布，也未提及未来是否会有更多裁员。公司此前曾表示，AI 将改变其业务模式，但未提供更多细节。

英伟达正在宣传其 Rubin 代参考设计，该设计采用全液冷数据中心方案，声称「消除了大量电力使用和几乎所有的水消耗」。此举是对数据中心水和能源消耗日益增长的公众反弹的回应。然而，该设计并未解决 AI 数据中心的所有担忧，包括建设过程中的影响以及大规模设施的发电需求。

英伟达在博客文章中未提及这种数据中心风格与使用效率较低的风冷方案相比的建造成本。据 Gizmodo 指出，英伟达的博客文章没有提到成本差异，但声称「每一家云……」。

英伟达未提供具体的水或能源节省数字，也未说明该设计何时投入商用。公司表示，该设计旨在帮助客户满足日益严格的环境法规，但未进一步展开。

Anthropic 正在推出一项名为 Claude Tag 的新服务，这是一个「始终在线的 Claude」，驻留在 Slack 中充当 AI 队友。该功能允许用户在聊天中标记 @Claude 以获取见解并分配任务，将面向 Claude Enterprise 和 Claude Team 客户提供测试版。Claude Tag 是现有多个集成的演进，此前用户已可在 Slack 中直接私信 @Claude 或在频道中标记它获取按需帮助。

Claude Tag 增加了持久上下文和记忆层。Anthropic 在一份声明中称：「随着 Claude 跟随其频道，它越来越了解工作。」Claude 还可以在获得权限后自动从组织其他地方收集事实。每个 Slack 频道中的所有人都可访问同一个 Claude 身份，这意味着「任何人都可以看到 Claude 正在做什么，并可以接着上一个离开的地方继续对话」。系统管理员将指定 Claude 可以访问的工具、信息和频道，每个 Claude 身份将限定在管理员定义的频道范围内，例如为法律工作设置的 Claude 无法将记忆注入工程频道。

当被分配特定任务时，Claude Tag 会将任务分解为多个阶段，并使用其可访问的工具逐步完成，在 Slack 线程中回复创建的内容。Claude Tag 还具有环境模式，可主动跳入聊天以保持团队更新、标记组织中的事项，并跟进被遗忘的线程或任务。Anthropic 表示，这让人感觉「与真正的同事一起工作——一个能在公开视野中产出工作、拥有比以往更广泛上下文和理解的同事」。这种上下文是企业部署中日益关键的部分，Anthropic 并非唯一关注此领域的公司。微软拥有通过 Copilot 和 Work IQ 表达的 Graph；Snowflake 和 Databricks 正将其平台定位为包含代理可调用的隐性组织知识的后端支持；Glean 也在构建一个理解公司上下文的智能层，位于模型和企业数据之间。

上周，以图像生成器闻名的 AI 初创公司 Midjourney 宣布了一项不寻常的转型：进入医疗成像领域。该公司发布了一款未来主义超声波扫描仪，用户需浸入水槽中，公司希望它能产生“与 MRI 一样强大”的效果，同时又“像去水疗一样随意”。Midjourney 表示目标是帮助人们活得更长、更好、更健康。CEO David Holz 暗示该系统有一天可能比 MRI 更好。

然而，专家们对此持怀疑态度。几位医学影像专家告诉 The Verge，他们并非完全否定这一想法，但表示 Midjourney 几乎没有公开证据来支持其主张。

过去三年，“Meta”和“Ray-Ban”在智能眼镜领域几乎是同义词，但如今情况已变。昨天，Meta 发布了多款不带 Ray-Ban 品牌的 Meta Glasses，共有三种款式和七种颜色。据多位热情的 Meta 发言人透露，其中一款是与社交名流兼真人秀明星 Kylie Jenner 的合作款。

Meta 本可以从一开始就独立推出智能眼镜，但此前与 EssilorLuxottica 和 Ray-Ban 品牌的合作是进入该领域的明智之举。之前的智能眼镜要么看起来像科幻电影中的道具，要么过于呆板而缺乏吸引力。此次推出自有品牌眼镜，标志着 Meta 在智能眼镜战略上的重大转变。

通用汽车在底特律的旗舰电动汽车工厂安装了约 50 个机器人臂，而此时仍有 1300 名工人处于失业状态，这些工人原本只是暂时休假。据 Crain's Detroit Business 报道，这些机器人由日本机器人公司 FANUC 制造，用于在装配线上帮助安装各种车辆部件。

美国汽车工人联合会（UAW）领导人对新机器人的出现表示愤怒，因为通用汽车尚未召回任何受 3 月份所谓临时裁员影响的工人。UAW Local 22 主席 James Cotton 告诉 The Detroit News，超过 1000 名工会成员仍“无限期休假”，他表示公司可以召回部分成员工作，而不是安装这 50 个机器人。

Mistral AI 今日发布了 Mistral OCR 4，这是一款专注于光学字符识别（OCR）的模型，新增了边界框、块分类和内联置信度分数等功能。该模型支持 170 种语言，涵盖 10 个语系，可在单个容器中运行以实现完全自托管部署，并可作为企业搜索、RAG 和领域特定检索管道的输入组件。

在人类偏好评估中，独立标注员在 72% 的文档中更偏好 OCR 4 而非其他领先的 OCR 和文档 AI 系统。在 OlmOCRBench 上，OCR 4 获得了 85.20 的最高分。API 定价为每 1000 页 4 美元，批量 API 可享受 50% 折扣，降至每 1000 页 2 美元。Document AI 定价为每 1000 页 5 美元。

一项新研究发布了VibeThinker-3B，一个仅3B参数的紧凑密集模型，旨在探索小模型在可验证推理任务上的极限。该模型基于Spectrum-to-Signal后训练范式，通过课程式监督微调、多领域强化学习和离线自蒸馏优化，在多项基准上达到前沿水平。

据其技术报告，VibeThinker-3B在AIME26上得分为94.3（通过claim级测试时缩放可提升至97.1），在LiveCodeBench v6上Pass@1为80.2，在未见过的LeetCode竞赛中接受率达96.1%，性能匹配或超越DeepSeek V3.2、GLM-5和Gemini 3 Pro等大模型。IFEval得分93.4表明推理增强未损害指令控制能力。该研究还提出了参数压缩-覆盖假说，认为可验证推理可压缩至紧凑推理核心。

AI行业面临 affordability 危机，平台为吸引用户大幅补贴token成本。据Ed Zitron报道，SemiAnalysis测试发现，Anthropic和OpenAI的订阅用户实际消耗的token价值远超订阅费：每月200美元的Anthropic订阅可消耗8000美元token，OpenAI则为14000美元，补贴倍数分别高达40倍和70倍。

Zitron获得的OpenAI 2025年财务数据显示，其收入130.7亿美元，成本与支出340亿美元，净亏损385.3亿美元。销售与营销支出达57.3亿美元，占收入的44%。Anthropic、OpenAI和微软已开始转向基于token的计费，GitHub Copilot计划实施token计费并收紧速率限制。一家公司CEO表示，转向token计费后首日支出飙升7倍。

Anthropic的Claude服务遭遇多个模型错误率升高的问题。根据其状态页面，该事件被标记为“Elevated error rate across multiple models”，用户可通过邮件或短信订阅更新。

目前尚无关于错误率具体数值、受影响模型列表或修复时间线的详细信息。Anthropic正在处理该事件，但未提供进一步说明。

Meta暂停了一项内部AI训练项目，此前敏感数据被泄露至全公司。据Business Insider获得的截图，该项目名为Model Capability Initiative (MCI)，原计划通过记录员工键盘敲击和鼠标移动来训练AI模型，且对大多数员工强制实施。泄露暴露了员工的私人对话、绩效数据和转录内容，事件被定为SEV 2级（0级最严重）。

Meta发言人确认了该事件并表示正在调查，称“已谨慎设计隐私保护措施，目前无迹象表明数据被不当访问，但暂停项目以进行调查”。员工对此感到沮丧，一名员工在内部群组中写道“数据未按承诺锁定令人沮丧”。这是Meta近期一系列安全事件中的最新一起，此前其AI聊天机器人漏洞导致Instagram账户被劫持，3月还发生过恶意AI代理事件，据The Information报道。

Ultralytics 发布了 YOLO26，一个统一的实时视觉模型系列，旨在解决现有 YOLO 检测器的多项局限。YOLO26 采用双头设计实现原生无需非极大值抑制的端到端推理，并移除了分布聚焦损失，使检测头更轻量且回归范围不受限。其训练流程结合了从大语言模型训练中改进的混合 Muon-SGD 优化器、渐进损失以及确保小目标正样本分配的标签分配策略。

该系列涵盖五个尺度（n/s/m/l/x），支持检测、实例分割、姿态估计、分类和定向检测，并包含开放词汇扩展 YOLOE-26。在 COCO 数据集上，YOLO26 在 1.7-11.8 毫秒 T4 TensorRT 延迟下达到 40.9-57.5 mAP，优于此前实时检测器；YOLOE-26x 在 LVIS minival 上通过文本提示达到 40.6 AP。代码和模型已开源。