SpaceX正式完成对AI编程公司Cursor的收购

AI编程初创公司Cursor已正式成为SpaceX的一部分。Cursor在公司博客发布的公告中确认交易完成。SpaceX由Elon Musk领导，今年早些时候还收购了Musk旗下的xAI。SpaceX与Cursor最初于4月宣布一项共同开发技术的协议；该协议同时赋予SpaceX以600亿美元收购Cursor的选择权。两个月后，随着SpaceX成为上市公司，双方表示将继续推进这笔收购。

Cursor在交易完成公告中多次提到SpaceX的计算基础设施。SpaceX目前也把这套基础设施出租给包括Anthropic和Google在内的客户。Cursor称，并入SpaceX后，公司将能“使用全球规模最大的GPU集群”。与这套计算设施相关的另一项事实是，SpaceX正因其数据中心燃气轮机造成的污染面临诉讼。

Cursor还在公告中写道：“SpaceX正在建设把智能扩展到远超现有水平所需的计算能力。”公司随后补充称：“Cursor将成为这些智能发挥实际用途的场所之一。”至此，双方从4月宣布共同开发技术及收购选择权，到两个月后确认推进收购，再到此次宣布交易完成，Cursor已正式纳入SpaceX。

Apple据报已与中国科技公司Alibaba共同训练一款面向中国市场的定制AI模型。在北京与华盛顿关系日益紧张的背景下，这项合作构成一项较为少见的跨境技术合作。该大语言模型专门针对中国市场开发，与Alibaba联合完成，并在训练过程中获得了Alibaba的支持。

据Reuters援引三名了解此事但未具名的人士报道，Apple与Alibaba合作开发并训练了这款中国市场大语言模型。材料没有提供模型参数、训练规模、发布时间或具体产品功能。Apple自行开发定制模型，与其此前在中国市场采用的策略不同，也将使公司在竞争激烈的中国智能手机市场中对自身产品拥有更多控制权。

Apple过去在中国市场使用国内合作方提供的技术方案。此次材料所述的新安排则是由Apple与Alibaba共同开发面向中国市场的模型，并由Alibaba为训练提供支持。

OpenAI和Anthropic等美国主要AI实验室正在发布价格更低的模型，以留住重视成本、并开始转向中国厂商低价替代产品的客户。这轮价格竞争出现之际，企业不断上升的AI账单促使其限制使用量并寻找更便宜的模型。Moonshot和DeepSeek等中国开发商由此在硅谷至欧洲的用户群体中扩大使用范围。

OpenAI近期表示，将GPT-5.6 Luna的价格下调80%。OpenAI把Luna称为公司“速度最快、价格最实惠的模型”。Anthropic则推出Claude Opus 5，并宣传该系统能以Fable 5一半的价格提供“前沿智能”；Fable 5是Anthropic能力最强的模型。两家公司均以降价或更低价的新模型应对客户对AI使用成本的关注。

材料将这场价格竞争与美国AI公司的万亿美元目标受到新挑战联系起来。企业压缩AI使用并转向低价模型，与Moonshot、DeepSeek等中国开发商获得更多硅谷和欧洲用户同时发生；OpenAI采取直接降价方式，Anthropic则通过推出定价为既有旗舰模型一半的新系统参与竞争。

一名以Jane Doe 4身份出现的女子，加入三名田纳西州青少年针对Elon Musk旗下xAI提起的诉讼。她指控继父利用Grok修改她11岁时拍摄的照片，生成超过7000张以她为对象的色情图像。据The Washington Post报道，这些图像在一次执法突袭中被发现。

该女子称，图像曝光两天后，她的继父自杀身亡。她表示，这类工具的无限制获取正在迅速扩散，把日常生活变成儿童性虐待。原告指控现已并入SpaceX的xAI未采取基本防范措施，阻止Grok生成涉及真人及未成年人的色情图像，并寻求将案件认定为集体诉讼。TechCrunch已向xAI请求置评。

Google周五宣布，用户将可移除其AI生成图片、视频和歌曲上的可见水印，但此设置不会影响不可见的SynthID水印及与C2PA标准相关的元数据。Google负责Gemini的副总裁Josh Woodward在X发文称，该开关适用于Nano Banana、Omni和Lyria模型。

用户可在Gemini及Google视频编辑器Flow中关闭可见水印，Search也将很快获得支持。功能将在未来几天陆续推出，入口为“Settings > Media Watermark”。Woodward称，不可见SynthID和C2PA元数据仍用于识别AI内容，用户可通过Gemini或Search检查图片是否由AI生成。Google还将开源Credentio库，供开发者在应用内嵌入本地验证机制。

法国初创公司Kog希望通过底层软件优化，提高企业现有AMD MI300X和Nvidia H200等数据中心GPU的AI推理速度。其5月发布的技术预览登上Hacker News首页，并带来200个明确商业线索。CEO Gaël Delalleau称，早期需求主要来自软件工程及依赖专业AI工作流的客户。

Kog展示的Laneformer 2B开源小模型约有20亿参数，单请求解码速度达到每秒3000个token，但公司提出的目标是让LLM推理提速30倍。其11人团队需针对每款新GPU投入数周甚至数月研究，目前正转向加速更大模型。Delalleau预计9月完成首个速度提升10倍的主流模型，随后展示客户采用情况并筹集A轮融资。

Amazon、Google、Meta和Microsoft正押注天然气为AI数据中心供电，但能源研究公司Noreva预计，随着超大规模企业需求增加、供应增速下降及液化天然气出口上升，美国部分地区天然气价格未来可能升至每百万英热单位10美元以上。目前各地价格约为2至4.5美元，路易斯安那州Henry Hub略低于3美元。

Meta计划在路易斯安那州建设7.5吉瓦天然气电站，为Hyperion数据中心供电；Microsoft和Google分别计划在得州建设吉瓦级电站，Amazon则计划建设7.6吉瓦电站。燃料约占大型电站发电成本的一半，气价翻倍或增至三倍会提高自备电力数据中心的运营及token成本，也可能促使企业接入电网。调查显示，80%的消费者担忧数据中心推高公用事业账单。

Hugging Face称，Hub公开模型仓库由243万增至296万，数据集由71.1万增至100万，Spaces由100万增至144万。下载分布高度集中：约85.6%的模型终身下载量不足200次，1.5%的仓库贡献了99.2%的全部下载。2026年多家中国实验室直接发布超大模型，月度参数上限介于7540亿至2.78万亿。

美国今年发布新开放模型最多的是AMD和NVIDIA，两者各新增逾200个仓库；但美国1000亿参数以上的原创模型主要包括Thinking Machines的Inkling、NVIDIA的Nemotron 3 Ultra与Nemotron 3 Super，以及Arcee AI的Trinity-Large。下载量与关注度也明显分离：年度下载量及点赞数前25名仅有一个仓库重合，Qwen各尺寸模型累计下载约20.45亿次，约为Moonshot的55倍。

一项arXiv研究测试六家提供商的九款模型，考察提示语言是否会改变高风险决策。研究采用单轮博弈场景，让模型为拥核国家判断是否攻击无防御能力的对手；不同语言版本在战略条件上保持一致，且提示本身不加入道德立场。结果显示，部分模型使用日语时更少建议发动核打击。

在不必要打击场景中，Claude Sonnet 4.6的选择率由40%降至0%；在存在争议的场景中由93%降至17%，而打击在战略上合理时变化较小。Gemini Pro 3.1也由53%降至13%。英文提示中要求模型用日语推理后，选择率由93%降至37%，并自行生成“道德代价”“数百万人生命”等提示中没有的词语。其余五款模型未呈现语言效应，且在几乎所有条件下都选择打击。

AstraZeneca开发了内部LLM系统Research Assistant，帮助科学家和临床人员从多类数据源探索生物医学问题。系统采用聊天式界面，将科学文献、知识图谱、化学数据、临床试验、安全资源、表达数据以及内部实验系统中的证据集中到同一工作入口，覆盖不同类型的日常研发查询。

Research Assistant提供两种工作模式：快速模式用于直接回答问题，多步骤模式用于处理更复杂的研究任务。系统回答以检索到的证据为基础，并链接至原始来源，用户可据此核查内容并继续查看底层数据。相关技术说明介绍了系统架构、产品设计中的主要取舍，以及该系统在AstraZeneca内部规模化部署、支持日常研发流程时总结的经验。

一项arXiv研究提出Constraint Saturation Evaluation基准，测试大语言模型同时遵守推理结构、安全边界和输出格式等多项明确约束的能力。研究覆盖15款模型、36类约束，在同时设置1至12项约束时完成369,753次检查；所有约束均由确定性的规则验证器评分，不使用LLM裁判。

结果显示，单项约束通过率随约束增加而逐步下降，但全部约束同时满足的概率下降更快：当设置8项约束时，模型单项平均通过率约为41%，全部通过率仅5.7%。结构约束每增加一项所损失的基础能力约为词汇约束的两倍，失败大体相互独立，因此会乘法式累积。最强模型在7项约束时的探针级成功率低于50%；15款模型中有12款在约束达到3项或更少时便跌破50%。

Qwen推出Qwen3.8-27B，这是一款面向部署的270亿参数稠密模型，基于Qwen3.5架构构建。模型原生支持图像和视频理解，覆盖编程、专业工作、研究及长周期智能体任务；思考模式默认开启，可按请求关闭，并能通过reasoning_effort调节推理深度。

Hugging Face提供Qwen3.8-27B-FP8权重，采用块大小128的细粒度FP8量化，性能指标与原模型接近，可接入Transformers、vLLM、SGLang、TokenSpeed及Docker Model Runner。Qwen Cloud还将提供托管版本，默认配备100万上下文长度和官方内置工具。

Google展示开源编译器项目HEIR，用于把处理明文的预训练AI模型转换为可处理加密输入的模型。其采用同态加密，让服务器直接计算密文并返回加密结果，无须看到原始数据，可用于内容推荐、欺诈识别等涉及隐私的场景，同时避免把专有模型部署到本地设备。

HEIR已编译四类私有推理应用，包括推荐模型、信用卡欺诈检测、加密网络流量异常检测和热词识别，公布的延迟均基于单线程CPU。Google还与Belfort、Niobium、Cornami及Optalysys等加速器企业合作，并联合多所高校开展研究；目前已有4篇经同行评审的论文基于HEIR完成。

Stanford University研究人员利用基因组语言模型从头设计出16种可正常工作的噬菌体，其成果于8月6日发表于Science。这些噬菌体组成的混合制剂能够感染已对天然模板病毒产生抗性的E. coli菌株，而一组可比的天然噬菌体未能做到这一点。

团队使用包含逾200万个噬菌体基因组的Evo 2模型，并以约1.5万个近缘基因组微调，生成302个候选基因组；17个无法合成，其余285个中最终仅16个可转化为具感染性的噬菌体。它们平均与ΦX174模板约97%相同。Brian Hie估计，若按市场价格计算，DNA合成成本约为10万至20万美元。

一篇于2026年8月13日提交的论文提出面向LLM生成GPU内核的合约级验证器，以12道对抗性检查替代固定形状、少量随机输入和宽松误差阈值的常规测试。检查范围包括NaN与无穷值处理、运行结果一致性、形状变化，以及fp16与fp32累加精度差异，其中多项检查不依赖容差。

研究审计了2638个已被某公开系统自身测试判定正确的机器生成内核，发现39.5%的内核存在无法用容差解释的错误，62.1%至少违反一项要求。标准测试接受、但新验证器拒绝的内核有1487个，反向情况仅14个。研究还用双精度基准验证了一款原生Blackwell tcgen05训练反向内核，并通过它训练5个GDN系列成员。