第 III 期 · 2026-08-30 周日
01 — 头条
SpaceX 全股票收购 Cursor 母公司 Anysphere 之后，OpenAI 通知对方终止供模合同，11 月 12 日起 Cursor 里不再有 GPT 系列可选。
OpenAI 给的理由不是商业条款，是信任：它说无法确信 SpaceX 会在服务条款内使用自己的技术，并直接点了两件旧账——X 在马斯克收购后违反了合同条款，以及马斯克今年在宣誓作证时承认 xAI 违反过 OpenAI 的服务条款。
对 Cursor 本身伤害有限，OpenAI 模型只占它大约 5% 的流量，Grok、Anthropic、Google 的模型都还在。真正值得注意的是信号：模型供应商开始按股权归属挑客户，下游产品选哪个模型不再是纯粹的技术和价格问题。做 agent 类产品的，多模型路由和随时可替换的抽象层从今天起是硬需求。
Sony Music Publishing 与 Warner Chappell 8 月 28 日提起诉讼，指控 Anthropic 大规模盗版下载并抹掉版权管理信息，用来训练 Claude。
索赔口径是这次的关键：每件被侵权作品最高 15 万美元，每次删除版权管理信息另计 2.5 万美元，而起诉书称涉及成千上万首受版权保护的词曲作品，累加起来是十亿美元量级。此前几起针对 Anthropic 的音乐诉讼只咬住两万首左右的歌词，范围小得多。
另一个不常见的地方是把 CEO Dario Amodei 和联合创始人 Benjamin Mann 一并列为被告，而不只是起诉公司。对做后训练的人来说，这条线的走向决定的是数据管线的合规成本——训练语料的来源合法性正在从道义问题变成会计科目。
英伟达接近以 129 亿美元拿下 Hugging Face，同时还有 60 亿美元的 Poolside、Stripe 逾 70 亿美元收购 OpenRouter，三笔钱都压在开源权重这条链上。
反差在于采用率其实很低——文中援引的数据是只有 6% 的公司和 2% 的软件工程师在用开源权重模型。所以买的不是当下的收入，是分发和生态位。英伟达的算盘写在明面上：前沿实验室开始自研推理芯片，它必须往下游走，而 Hugging Face 是这个时代的 GitHub。
社区最担心的是中立性。Hugging Face 的价值一直建立在它不偏袒任何一家云和芯片厂商之上；一旦排行榜开始向跑得动 NVIDIA GPU 的模型倾斜，或者推荐部署方式默认指向 NIM 和 DGX Cloud，那些围着它的独立性搭工作流的人就有理由另找地方。另外要留意口径：多家媒体的说法仍是谈判接近完成，并非已签署公告的交易。
02 — 模型与产品
谷歌更新原生多模态视频模型，场景延展改成读取前 10 秒上下文、最长可叠到 40 秒，首尾帧能钉死，360p 草稿档只要 720p 三分之一的价钱。
上一代延展只看最后一帧，所以镜头一接就飘。改成读 10 秒上下文之后，长镜头的连贯性才有可能做到能用。首尾帧锁定加上最多三段、每段三秒的视频参考，对应的是角色不换脸这类具体工程需求，而不是泛泛的画质提升。
价格结构比能力更值得看：输入 1.50 美元每百万 token，视频输出 17.50 美元每百万 token，折合 720p 大约每秒 0.10 美元；草稿档便宜到三分之一、还快 60%。真正被压下来的是迭代成本——生成式视频要进生产流水线，卡住的从来不是最终画质，是改一版要重烧一次全价。已在 AI Studio、Gemini API、Flow 和 Gemini App 上线，Adobe Firefly、Figma Weave、Runway 都在用。
Anthropic 宣布 9 月 14 日起把 Pro、Max、Team 和按席位计费的 Enterprise 周限额永久提高 25%，而当前挂着的是 50% 的临时加量。
把参照系摆出来就清楚了：基准 100，现在的临时加量是 150，9 月 14 日之后落到 125。相对今天是降 17%，这笔账是 Anthropic 自己在同一串推文里算给用户看的，同时说后面会做让用量更透明可控的改动。
主动公布不利算术，比藏着掖着体面，但方向是明确的：长期补贴在退坡。重度用 Claude Code 的人，9 月 14 日是个需要提前安排工作节奏的日子。
03 — 论文
RLVR 只有任务级的稀疏反馈，在线蒸馏有 token 级的稠密信号却学不过老师。这篇用一个 ReLU 门把两者合成一个目标，不引入任何新超参数。
原来卡在哪：把 OPD 和 RLVR 拼起来的现有做法基本都是加权求和或者启发式切换，于是又多出一堆权重要调，调不好就是此消彼长，而且蒸馏信号会把学生的天花板锁死在老师那里。
做法分两步。先按轨迹是否正确重写 sampled-token OPD 的隐式奖励，再套一个 ReLU 门：正确轨迹拿到非负奖励，错误轨迹拿到非正奖励——蒸馏信号因此和任务成败对齐，同时保留老师的分布指导。
这一步真正的价值不只是效果。改完之后，sampled-token OPD 本身就变成了一个合法的 RLVR 方法，可以直接和任意策略梯度算法组合，GRPO 也在内。六个推理 benchmark 上稳定优于标准 OPD，代码在 LeapLabTHU/OPDVR。
RL 蒸馏一直在稀疏结果奖励和昂贵的 PRM 之间二选一。SPEAR 把推理链投影成符号里程碑，用 LCS 对齐师生轨迹，算出稠密且带顺序的奖励。
原来卡在哪：结果奖励只告诉学生最后对没对，中间哪一步逻辑跑偏没人管；换成神经过程奖励模型，又要额外训练和推理开销，还得担心 PRM 本身被 hack。这个两难在 RL 知识蒸馏里一直没有便宜的解法。
SPEAR 的取巧点是免训练、即插即用：把自然语言推理轨迹投影到领域自适应的符号里程碑序列上，再用最长公共子序列去对齐学生的探索和老师的里程碑。LCS 天然带顺序，所以给出的奖励不只是稠密，还约束了推理步骤的先后关系，而整个过程不需要任何外部神经验证器。
数学、科学、常识三类推理任务上都做了验证，做的是序列级的在线策略蒸馏。代码在 zhuochunli/SPEAR。
指令质量把采样回答的上限和下限一起框死：指令模糊，chosen 就好不到哪去，偏好信号自然弱。这篇用奖励信号挑出弱指令再让 LLM 改写。
原来卡在哪：偏好数据的清洗几乎全在回答侧做文章——选更好的 chosen、挖更难的 rejected。作者用 Best-of-N 和 Worst-of-N 分析给出了一个更前置的结论：指令本身就框定了回答质量分布的天花板和地板，回答侧再怎么筛也突破不了这个框。
对应的做法是不丢样本——用奖励信号定位低质量指令，再让 LLM 按 rubric 引导的反馈把它改写，然后重新生成回答对。离线和在线偏好学习、多个模型和多个 benchmark 上都优于原始数据和其他数据改进策略，而且和回答侧的清洗是互补的，两边可以叠加。代码在 01choco/instruction-refinement。
04 — 工具与生态
投票结果 8 月 29 日公布，第五号选项“负责任地使用生成式 AI”胜出，两个反 AI 的选项连“以上皆非”这道门槛都没能压过。
决议的落点不是允许用 AI，而是贡献的标准一个字不改：质量、正确性、可维护性、法律合规照旧，提交者必须理解、审阅、测试，必要时修改 AI 生成的产物，才能并入 Debian。决议同时承认这类工具在被负责任地使用时能明显提升贡献者的效率。
争议最大的地方是它明确没有强制披露——你可以用，但不必声明用了。在不少开源项目正在收紧甚至直接禁止 AI 贡献的当口，Debian 选的方向相当显眼，投票之后的讨论也基本围着披露这一条转。
270 位贡献者、584 次提交。Kimi-K3 拿到解码上下文并行和融合的 FlashKDA kernel，DeepSeek V4 的 sparse MLA 打通了 decode、MTP 和投机解码全链路。
除了模型适配，这一版的基建改动更值得留意：Model Runner V2 支持了 E/P/D 分离部署和权重卸载，KV cache 分层卸载加上了磁盘后端，Rust 前端补上了 gRPC 的多模态能力，ROCm 的架构覆盖也铺开了。投机解码方面新增了 DFlash2，带局部卷积和候选选择器。
升级前先看破坏性改动：bitsandbytes 支持挪到了树外插件，transformers 依赖抬到 5.15.0，calculate_kv_scales 的运行时计算和 override_attention_dtype 参数都被删掉了。跑 RL rollout 的话，这几条任意一条都可能直接把现有脚本打挂。