2026年09月19日AI 版

依据

微软应用科学总监 Brent Hecht 在文件里把 ChatGPT 和 Copilot 抓取数据训练称为“人类历史上最大的劳动窃取”，并说微软的合理使用（fair use）抗辩是对这一概念的“彻底嘲弄”。微软发言人 Alex Haurek 回应称，这些评论只反映一名员工的个人观点，不构成法律分析，不代表公司立场；微软 AI 数据战略与运营总经理 Jordan Usdan 更把 Hecht 的角色描述为对抗性的、学术和前瞻的，并非替微软发言。但同一批 92 页文件里，微软内部文档承认其 AI 内容策略启动了一个“末日循环”（doom loop）：面向用户的聊天机器人取代搜索、截断出版商流量，出版商广告和订阅收入下滑后减少内容供给，最终反过来损害模型和整个网页生态；Nadella 也承认聊天机器人已基本取代搜索，OpenAI 一名代表则说不知道有检测或移除付费墙内容的努力。

依据

多伦多大学 AI 研究员 Raymond Douglas 在报告《Pacing the Frontier, A Research Agenda》中说，降速仍是未解研究问题，“我们甚至不清楚有哪些选项、它们会造成什么”。前英国 AI Security Institute 首席科学家 Geoffrey Irving 说，近期的检查与审计能起作用，甚至相互协议也够；他认为公司害怕递归自我改进循环（recursive self-improvement, RSI）和失控起飞。Control AI 负责人 Connor Leahy 则说，大厂口中的“独立评估者”常指“花钱请自己人看提示词”，审计应让 FBI 或 NSA 介入。机制上，口头暂停挡不住偷跑：前沿训练在私有数据中心用大量尖端 Nvidia GPU，外部只看发布结果，看不到权重更新、日志和算力分配；第三方评估若由被评方付费并限定提示词，红队测试无法阻止秘密继续训练。Anthropic 自报 Claude 承担其 AI 研究的 26 percent，2026 年初为 zero；安全只占 6 percent 算力预算。

依据

弗吉尼亚州长 Abigail Spanberger 签署第22号行政令，禁止行政分支官员为数据中心项目签保密协议（NDA），要求加急噪音规则并审查备用发电运行；同时设 AI 工作组评估劳动力置换与数据隐私，并判断现行法如何适用于 AI 损害。配套的《数据中心问责框架》要取消默认审批（by-right approval，即开发商在特定土地上无需额外批准即可建设，Loudoun County 曾长期采用），削减部分州补贴、加环境护栏，并保护居民免受数据中心带来的电价上涨。Piedmont Environmental Council（PEC）主席 Chris Miller 说，它主要管新数据中心标准，不处理已建成和在管线中的项目，以及社区正在累积的影响；加州 Newsom、纽约 Hochul、得州 Abbott 也各自用行政令介入。

依据

Ethan Mollick 说，AI 仍在指数曲线上，而 GPT-6 Astra 和 Fable 5.1 已能可靠做完数周人类工作；他把 1977 年文字冒险 Zork 改成 3D 动作游戏，还让模型用十几段视频、基金会照片和两份书目，在 27,000 个书架槽位中定位约 5,000 本书。机制是 capability overhang（能力悬置）：模型能做的和多数人实际在做的之间有缺口。Mollick 强调项目不是自动发生，他选题、看错、要求第二版；模型在 45 分钟内做预告片，他仍要凭 deep knowledge、wide knowledge、taste、agency（深度知识、广度知识、品味、主动权）判断和引导。取舍在这里：不试，当前能力闲置；让没有判断力的人试，会把流畅输出当成成果。专家时间因此成为真瓶颈，而不是模型入口。

依据

发布方是 AWS Machine Learning Blog，文章标题为《Amazon SageMaker Inference: 2026 year-to-date launches in review》，即对今年以来已发布的推理能力更新做一次汇总复盘。这类盘点的机制是把散落在各版本公告里的改动按推理环节重新归类，读者拿它当迁移清单用：自建端点（自己管理实例、模型容器与扩缩容的部署方式）的团队要逐条比对镜像、推理框架版本和扩缩容脚本，判断哪几项值得排期改；托管调用方只需跟着版本走。需要说明的是，我拿到的这段页面文本绝大部分是站点导航、产品目录和行业方案介绍，正文条目并未出现，因此无法引用其中的具体更新名称或数量。

依据

Simon Willison 在 2026年9月18日 7:21 pm 发的是一篇 note 型帖子，正文只有一句：现在拒绝觉得 LLM 有意思，就像遗传学家拒绝觉得刚开门的侏罗纪公园有意思。页面其余部分是赞助位、往期文章列表和三个标签计数——ai 2,247、generative-ai 1,992、llms 1,958，这些是他站点多年累计的条目数，不是这周发生了什么。赞助位里 Teleport 自称有 13 名工程师用 LLM 冲洗代码库 90 天，那是广告文案里的说法，不能当 Simon 的观察来引。所以这条能提供的只有立场，没有可转述的事实增量。

依据

引用里出面的是 Thariq Shihipar：他说从 2.1.277 版起，某个文件夹里没有 CLAUDE.md 时，Claude 会去找并使用 AGENTS.md。机制是一条回退规则，CLAUDE.md 优先，AGENTS.md 只在它缺席时才生效，所以两文件并存时改 AGENTS.md 不会有任何反应。这套支持建在「Claude Code mods」上——按原文，mod 即之后用来定制 Claude Code harness（承载 Claude Code 的那层外壳）的可插拔模块，AGENTS.md 只是其中一个内置 mod，用户也能写自己的项目指令版本。取舍落在仓库维护者身上：想把指令统一到 AGENTS.md，必须先删掉 CLAUDE.md，否则不生效；反过来继续留着 CLAUDE.md 的人，这次改动对他等于零。材料里出现的数字只有出处页的标签计数（ai 2,247、anthropic 340、claude-code 128），与这条改动不构成对照，因此下图走步骤。

依据

这篇 AWS Machine Learning Blog 的公告只留下标题「Introducing Kimi K3 on Amazon Bedrock」与整页产品导航，正文没有给出上下文长度、缓存计费、上架区域或价目，任何省钱幅度都无法从这里推。按常见做法，显式缓存（explicit cache，把重复出现的输入前缀存下来，后续请求直接命中，不再重复计费）省的是输入 token 的成本；长文档编程时同一份代码被反复读取，前缀重复率越高，省下的输入量越大。代价落在归属上：Bedrock 是 AWS 的模型托管通道，走它意味着调用鉴权、配额和账单都挂在 AWS 账号下，团队的采购与合规流程要跟着改；自己托管权重则不经过这条链。材料里没有任何对照组数字，只能确认上架这件事和入口在哪，不能替它算出省了多少。