智能体周处理量破10B tokens，NVIDIA满分Agent与国产机器人突破同步升温

要点速览

1. 智能体处理能力爆发：周级10B tokens成为常态。
2. NVIDIA编码Agent满分通过ARC-AGI-3，并发布550B教师模型与PRISM动作模型。
3. Ethan Mollick：Ox Alpha不及开放权重前沿，Kimi K3表现亮眼。
4. AI研究新规：旧模型负面结论易过时，正面结论更持久；评估需以真实数据为锚。
5. 中国“闪电”人形机器人百米9.32秒，马斯克警示美国落后。
6. SpaceX年内实现100次回收，Starship加速星际运输。

一、AI模型、智能体与应用

1. 智能体处理能力迎来量级跃升：Greg Brockman指出，不到一年前一年处理10B tokens已属重大成就，如今一周就能超过10B tokens。这意味着智能体规模化应用的成本门槛大幅降低，迭代速度进入新阶段。— 来源：1

2. NVIDIA发布多项AI基础设施成果：其自建编码harness优化CUDA内核，在 ARC-AGI-3 的25个公开游戏全部183关中取得100%成绩；同时发布550B指令跟随教师模型，在约束遵循、结构化输出和格式控制上表现突出，适合用于蒸馏与数据生成；还推出PRISM（1.4B）文本生成动作模型，可输出SMPL-X参数，便于部署。这些工具共同指向“人人可运行和优化AI模型”的方向。— 来源：1 2 3

3. Ethan Mollick早期测试显示，神秘模型Ox Alpha表现尚可，但在开放权重模型中并不处于前沿；相比之下，Kimi K3在他的新哥特城市着色器测试中表现很好，是出色的开放权重模型，但还达不到Sol Max或Fable的水平。这为开放权重模型的能力排序提供了新参考。— 来源：1

4. Ethan Mollick认为消费级AI被低估：医疗、政府事务、个人理财、学校表格等生活领域因复杂、设计缺陷或缺乏关照而难以处理，正是AI的价值所在。这一判断将AI的影响从开发者工具扩展到普通人的日常决策。— 来源：1

二、AI评估、研究方法与内容治理

1. Ethan Mollick针对使用旧模型（如GPT-4）做AI影响研究提出方法论：正面能力结论通常持久，因为AI获得的能力一般不会倒退；而“AI在某事上表现差”的负面结论需更谨慎。他建议直接声明“GPT-4无法做X”作为进度基准、对比各代模型能力趋势、论证结构局限或聚焦调节变量，避免做出易过时的负面主张。— 来源：1

2. Hamel Husain重申AI评估的基本原则：从真实数据出发，借助agent以有思考性的方式审视数据；自下而上的评估来自大量样本输出，AI不擅长凭空发明评估标准。当所有竞争者都能用Claude找出错误时，真正重要的是融入多少自己的品味。— 来源：1

3. Hamel Husain预告评估课程片段，介绍DocWriter的做法：不把历史写作全部塞进上下文，而是构建多智能体管线对用户写作做词汇、语法和话语分析，提取模式并让用户通过两段文字对比来确认或拒绝。这是一种可复用的个性化写作评估设计。— 来源：1

4. 关于文本水印，Hamel Husain认为水印可能出现的结果是：人们用小型本地LLM等工具去除水印，反而导致写作质量变差；但他也希望这会促使人们真正编辑自己的文字，而非盲目洗稿。这提示水印在保护AI内容的同时可能带来质量副作用。— 来源：1

三、机器人与航天

1. 中国机器人进展引发关注：荣耀“闪电”人形机器人百米跑出9.32秒，快于博尔特纪录，且撞上安全墙后完好；Elon Musk转发并警告，美国还在争论数据中心，而中国已在公开发展“超级机器人军队”。— 来源：1 2

2. SpaceX进展：今年已实现100次助推器与整流罩回收；Starship定位为开启多行星文明和太空经济的运输系统；S41完成静态点火测试回厂，期待第14次飞行及运营任务。— 来源：1 2 3