从 8 月 26 日传出消息到 9 月 3 日确认，只用了一周。价格 129.3 亿美元，其中约 119 亿付给 Hugging Face 的投资人，另外最多 10 亿是给愿意加入英伟达的员工准备的股权留任计划。交易要过监管审批，预计 2027 年上半年完成。Hugging Face 此前一共只融过 3.95 亿美元，最后一轮是 2023 年的 2.35 亿；今年 7 月年化营收约 1.5 亿美元、接近盈利。对一家营收 1.5 亿的公司出 129 亿，买的显然不是收入。

买的是什么？平台上有 300 万个模型、50 万个数据集、100 万个应用，1800 万开发者在用。英伟达的大客户都在做自研芯片来减少对它的依赖，押注开放模型生态是它对冲这件事的方式：开发者在哪儿协作、测试、分发模型，英伟达就站在哪儿。黄仁勋的表态很直接：Hugging Face 会继续是面向整个生态的开放平台，开发者自己选模型、框架、云和算力，“不会要求用英伟达的算力才能在 Hugging Face 上构建或部署”。Delangue 的说法是感谢社区证明了闭源 API 之外有别的路，平台需要“更多算力、更多支持、更多协作、更多曝光”。

值得放在一起看的是今天 Hugging Face 的 trending 榜：前排是 DeepSeek-V4-Flash-Vision-Exp、Qwen3.8-27B、Qwen3.8-Flash-Next、GLM-5.3 和 GLM-5.3-Flash，全是中国实验室的开放权重。英伟达买下的这个平台，最活跃的供给方恰恰来自它受出口管制的那个市场。这份开放承诺接下来怎么落实，才是这笔交易真正要看的地方。

TechCrunch →

法案叫 Ban Artificial Superintelligence Act，参议员 Bernie Sanders 和众议员 Greg Casar 9 月 3 日宣布，正式提交时间还没定。内容分四块：永久禁止开发和部署超级智能；在联邦监管机构制定出安全规则之前，暂停先进 AI 的开发；新设一个内阁级的 AI 监管机构，配专家顾问委员会，负责监控前沿系统、监督危险能力的移除、必要时监督“销毁”超级智能；推动国际协议和出口管制，让超级智能在全世界任何地方都造不出来。

“超级智能”的定义写得很宽：超过人类智能的系统，有能力推翻人类政府的系统，或者具备规避关机指令这类危险能力的系统。罚则对标的是非法开发核武器：企业面临“企业死刑”，个人最高 20 年监禁。Sanders 的原话是“人类的未来不能交到少数科技寡头手里”，Casar 说国会应该立刻禁止那些强大到无法控制的 AI 系统。

它成为法律的可能性很低，但时间点耐人寻味：同一天 OpenAI 发了 GPT-6 Astra，Brockman 说“欢迎来到 AGI 时代”，系统卡里写着它在评估中能策略性地躲过监控器。法案里“规避关机指令”那一条，和系统卡里的描述几乎是在回应彼此。它标出的是华盛顿左翼对前沿 AI 的态度正在从“要监管”滑向“要禁止”，接下来的 AI 立法讨论里，这会是一个新的锚点。

Sanders 参议院办公室 →

昨天说的“几天内铺开”今天兑现：Business 和 Pro 先拿到，Plus 和 Enterprise 随后，API 和 AWS 同步。用量算在现有订阅额度里，超了买 credit。OpenAI 给的速度数字是电脑操作快了近 2 倍，原来在 GPT-5.6 Sol 上跑的任务快了大约 60%。

更值得看的是 Codex 的改动。长会话里上下文填满，以前的做法是 compaction：把前面的工作压缩成摘要继续。问题是每压一次都会丢细节，比如某个修法为什么失败、某个组件到底怎么工作，调试到后半段模型就开始重复踩坑。这次换成让模型在上下文窗口之间保留一份可检索的笔记，需要时查而不是靠摘要记住。检索和摘要是两条路，前者赌能查到对的那条，后者赌摘要没丢关键信息，哪条更好要看长任务上的实际表现。

对开发者来说，这意味着 Astra 在 Codex 里跑长时间重构和调试时，“前面说过的它忘了”这类问题应该会明显减少。OpenAI 说 Astra 在保持任务方向、尊重任务边界、理解用户意图和完成枯燥的多步工作流上都更稳，这些和 Codex 的笔记机制是配套的。

9to5Mac →

这是微软 AI 团队自研的语音转写模型，不是 OpenAI 的。它在 FLEURS 基准 60 种语言上平均词错率 5.2%，排第一；在 Artificial Analysis 的词错率榜上排第二，但在准确率和延迟的联合曲线上定义了帕累托前沿。速度上的说法是比 OpenAI 的 GPT-Transcribe 快 10 倍，比 ElevenLabs 的 Scribe v2 快 7 倍，比 Gemini 3.5 Transcribe 快 5 倍。功能齐全：说话人分离、词级时间戳、领域术语的关键词偏置、逐字和整洁两种转写风格，支持 Hinglish、Spanglish 这类混说，自动识别语种。

定价是这次真正的信号：每小时音频 0.10 美元，比之前的 0.36 降了 72%，促销价持续到 2026 年底。在 Microsoft Foundry、MAI Playground 和 OpenRouter 上都能用。

背景是 MAI 系列一个一个把原来依赖 OpenAI 的能力换成自家的。语音转写是企业场景里用量最大、最容易按量计费的能力之一，微软直接把价格打到别人的三分之一以下，对 Whisper 那一代自托管方案和按分钟计费的 API 都是压力。

Microsoft AI →

前两代 WeatherNext 每 6 小时出一次预报，这次改成每小时，分辨率也细了：温度和湿度这类地表变量 5 公里，其他地表变量 10 公里，风速这类大气变量 25 公里，整体比上一代“锐利五倍左右”，参数量是 WeatherNext 2 的 2.4 倍。架构是一个 Functional Generative Network 的 mesh transformer。

更关键的变化在数据：它不只从历史再分析数据学，而是直接吃实时的静止卫星逐小时拼图，加上 NASA 的 IMERG 降水产品、Google 自己基于卫星雷达做的全球降水再分析，以及稀疏的地面站观测。传统数值预报要先把观测同化成一个网格化的初始场再往前推，这一步既慢又损失信息；直接从观测学是这几年 AI 气象模型一直想做但很难做稳的事。

效果由第三方 Brightband 的实时评测给出：短期降水相对 IMERG 好 60%、相对 MRMS 好 30%、相对雨量计好 10%；一天以上的中期预报，降水准确率最高提升 50%，历史上预报最不靠谱的地区提升最大。已经接进 Google 搜索、Gemini、地图、Maps Platform 的天气 API 和 Earth Engine，开发者可以在 BigQuery 查、从 Cloud Storage 按 Zarr 格式整体下载，论文在 arXiv 2609.03582。

Google DeepMind →

HUMAIN 是沙特主权基金 PIF 背后的 AI 公司，这次模型不是自研，而是拿 MiniMax-M3 的谱系继续预训练，喂了超过 1 万亿 token 的阿拉伯语原生内容。428B 总参数、每 token 激活 23B，原生多模态，文本、图像、视频从第一步就一起训，有常开、自适应、关闭三种思考模式，面向阿拉伯语和英语的长程智能体工作流。7 个公开阿拉伯语基准上平均分是所测前沿模型里最高的，具体分数没公布。

现在是研究预览，在 HUMAIN Node 上开放；权重要等安全训练和对齐做完，目标是下个月，按 MiniMax Community License 发。

值得注意的不是模型本身，是这条路线：海湾国家的主权 AI 项目选了中国实验室的开放权重当底座，而不是美国的闭源 API。这周英伟达买下 Hugging Face，榜上前排全是中国开放模型；中国开放权重在第三方市场的渗透，是同一张图的另一边。

PR Newswire →

GRPO 组内标准化之后，一个正确 rollout 的优势幅度是 √(n⁻/n⁺)，错误的是 −√(n⁺/n⁻)。一组 16 个里只有 1 个对，那个对的拿到 √15 ≈ 3.87 的幅度；8 对 8 错时只有 1。这个设计的本意是“难题上难得答对，多奖一点”。问题是公式只看结果对不对，不看怎么对的：四选一的题，模型瞎蒙也有四分之一概率蒙对，蒙对的那个同样拿 3.87。作者把答对概率拆成 p_q = p_r + (1 − p_r)·p_g，推理项和猜测项被同一个幅度放大，猜测那一份就是文中说的 spurious advantage，它把策略往“像在猜”的方向推。

三种场景会放大这个问题：候选集很小的有界答案任务（选择题）；看起来是开放答案、实际上藏着有界子集的数据集，作者统计 MATH-7.5K 里 55.95% 的题答案是短数字或类别；以及搜索智能体，搜索预算越多，通往同一个答案的路径越多，只看结果的奖励分不出哪条是真查到的。

SIGNBALANCE 的做法是把幅度从 (n⁺, n⁻) 里解耦出来：保留验证器给的符号，正的统一是 c、负的统一是 −c，再用一个带 stop-gradient 的按类别缩放 −c·sg[n⁺/n⁻] 把组内均值拉回零，保证正负两侧的推力平衡，但缩放比不参与梯度。Qwen2.5 的 0.5B、3B、7B 在 7500 道 MATH 题上训，开放答案的 GSM8K、MATH-500 上和 GRPO 持平，有界答案的 SAT-Math 从 65.62 到 71.88、AQuA 从 29.53 到 35.43，搜索智能体 6 个 QA 基准平均 36.00 到 37.80。做 RLVR 的人可以先查一下自己训练集里有多少题是有界答案，这个比例决定了这个问题对你有多严重。RIT 和 Adobe Research 的工作，代码待放。

arXiv →

在线蒸馏（OPD）给的是老师逐 token 的稠密监督，RLVR 给的是稀疏的结果奖励，之前的工作自然想把两者揉进同一步：要么加权相加（KDRL、SRPO、HDPO 这一路），要么用老师信号去缩放 RL 的优势（TRRD、RLSD 这一路）。这篇的结论是这些联合方案都不如一个最朴素的两阶段：先 OPD 训到验证分平台期，再切 RL。学生 Qwen3-1.7B、老师 Qwen3-8B，逻辑题（Knights & Knaves、Zebra、Countdown）上 OPD-then-RL 拿到 80.6 的 pass@1，比各种联合方法高 11.7 到 26.7 分；数学（MATH-500、AMC23、AIME24/25）上 31.8。

解释在 pass@k 曲线上：OPD 把整条曲线抬起来，k 越大抬得越多，它扩的是“老师会的解法学生也能采到”的覆盖面；RL 做的是把 pass@128 和 pass@1 之间的差距收窄，把概率集中到高奖励的解上。一个扩、一个缩，放在同一步里就是两个方向的梯度在打架，参数更新的分析也对得上：联合训练时两种信号的更新方向相互抵消。

实操上的两条建议：什么时候切，看 OPD 的验证分，切换点的验证分基本决定了后面 RL 能到哪；以及 OPD 比 SFT 更适合当 RL 的冷启动，切换前 OPD 就比 SFT 平均高 4.9 个 pass@1（30.3 对 25.4），RL 之后差距还会拉大。跟 9 月 2 日那期讲的“在线蒸馏起作用的是压低低概率 token”放在一起看，OPD 到底在改学生的什么，两篇给的是同一个方向的证据。NYU、UChicago、Waterloo 和 Alberta 的工作。

arXiv →

之前一道题做 RLVR（one-shot RLVR）那篇让很多人重新想 RL 到底在用数据的什么，这篇把同样的镜头对准在线蒸馏。设定是数据最少的极限：只用一条 query，学生自己采样、老师逐 token 给监督。结果是一条 query 能连续涨几百步，到第 1000 步时拿回全量 OPD 大约 72% 的收益，数学、代码、指令遵循、工具调用四个领域和 Llama-3.2-3B、OLMo-3-7B 上都成立。

解释靠一个叫 state coverage 的量：拿全量 OPD 整个训练过程访问过的状态（老师最后一层的隐向量，PCA 后聚成 200 类）当参考空间，看某个 query 集合的 rollout 能碰到多少类。一条 query 就碰到 71.5%，而且前 100 步就到 65.9%，之后只再加 5.6 个点；加语义不同的 query，覆盖率和验证分一起涨，到 16 条时 98.9%，和全量训练打平。多老师蒸馏也是这样，每个领域 16 条语义多样的 query 就够。

但另一面是：不管用 1 条还是 17k 条，学生向老师对齐的速度衰减曲线几乎一样，即便状态集固定不动，也要几百步才吸收完。作者的说法是 OPD“数据过剩、算法饥饿”：rollout 很快就把广泛的监督暴露出来，学生吸收得却越来越慢。更狠的压力测试是用空模板、只有系统提示没有题目的模板、以及 WildChat 里的闲聊 query（只有 0.17% 和数学有关）去训，都能追到真实 query 基线三分之一到一半的收益，任务内容和它诱导出的状态可以脱钩。对做 OPD 的人，这意味着数据集大小可能不是该花力气的地方，每一步的效率才是。中国科学院大学牵头，代码在 GitHub 的 Thinking-Space/One-Shot-OPD。

arXiv →

这是一个硬件等级加一套预配置 Windows 的组合：至少 64GB 统一内存、250GB/s 以上内存带宽，先在 AMD Ryzen AI Halo 上落地，其他 OEM 和芯片伙伴的机器“几个月内”跟上。系统层面预装了 Windows Terminal 和 VS Code 并钉在任务栏，语言运行时、源码管理、WSL 和容器集成都配好，还有一个叫 Microsoft Execution Containers（MXC）的东西，给智能体做隔离执行。资源管理器默认显示扩展名、隐藏文件和完整路径，通知和小提示都关掉。

微软自己的卖点一句话就说完了：“让开发者在本地不计费地跑有能力的编码模型，降低 token 成本。”64GB 统一内存刚好是 30B 级别模型量化后舒服跑起来的门槛，这个数字不是随便定的。它对应的是 Mac 上 M 系列统一内存已经形成的本地推理生态，微软这次是在 PC 侧划出同一个等级。

对读者来说，本地跑 Qwen3.8-27B 这一档的开放模型，从“折腾”变成“买台机器就行”，而且不用 Mac。价格微软没说，报道里提到的首批机器之一 Lenovo ThinkCentre X Ultra 起价 3699 美元、11 月发货。

Windows Developer Blog →