Home
Welcome
About
Profile & credentials
The Casebook
Real case studies with measured outcomes
Product Playground
Try a concept. Play with a product.
The Radar
Insights on AI in logistics
AIHot
Real-time AI news feed
The Manifest
Daily AI × supply chain signal
AIHot

AI Daily

AIHOT DAILY
Aug 18, 2026 · Tue

Products

5 items

Cursor 推出 Origin 代码托管服务,作为 GitHub 的替代方案

Hacker News 热门(buzzing.cc 中文翻译)

Cursor 今日起向所有付费计划用户开放 Origin 代码托管的早期测试版,提供仓库、拉取请求、代码浏览及 GitHub 同步功能。用户可创建以 cursor.com/codebase/ 为前缀的仓库,或将 GitHub 仓库同步至 Origin,双向同步评论与审查。Vercel、Depot 和 Buildkite 集成已可用,智能体功能即将推出。

OpenRouter 图像生成 API:代码优先的接入教程

OpenRouter:Announcements(RSS)

OpenRouter 推出专用图像生成 API,通过统一请求格式和单一密钥即可调用多个提供商的图像模型。开发者向 POST /api/v1/images 发送请求,响应中的 data[0].b64_json 包含 base64 编码的图像数据,解码后即可保存为本地文件。教程演示了 Python 和 JavaScript 两种实现,并支持通过 input_references 传入参考图像生成变体。

Industry

4 items

A 股迎来“人形机器人第一股”,宇树科技官宣 8 月 19 日科创板上市

IT之家(RSS)

宇树科技宣布股票将于 2026 年 8 月 19 日在科创板上市,发行价 150.80 元/股,对应市值约 609.93 亿元,预计募资约 60.99 亿元。该公司 2023 至 2025 年营收分别为 1.59 亿元、3.93 亿元和 16.99 亿元,净利润分别为-1114.51 万元、9547.47 万元和 2.78 亿元,是全球少数实现盈利的高性能通用机器人公司。

Research

1 item

Tips & Takes

8 items

OpenAI 如何用前沿智能加固自身防御:The Defender’s Window

OpenAI:官网动态(RSS · 排除企业/客户案例)

OpenAI 在 OpenAI-Hugging Face 事件后反思低估了模型真实网络攻击能力,正通过四大支柱强化自身安全:用 Codex 验证代码漏洞、用智能体优先分流安全告警、持续枚举攻击路径,并仅向可信防御者开放网络能力。文中演示 ChatGPT Work(基于 GPT-5.6 Sol)15 分钟发现个人网站 13 个问题并在一小时内完成修复。

用 Google 的 Agent Development Kit 构建零信任 AI 智能体

Google Developers Blog(RSS)

Google 开源了基于 ADK 和 Gemini 的零信任客服与退货智能体示例,演示如何防御提示注入等攻击。该架构在 LLM 上下文之外通过三层硬性安全机制保障:硬件支持的加密签名确保数据库写入不可抵赖、gVisor 沙箱隔离动态代码执行、确定性语义网关校验业务逻辑。系统提示词只是软约束,无法作为安全边界。

开源模型生态的未来:Nvidia 押注“教所有人炼 token”

Nathan Lambert:Interconnects(RSS)

开源模型生态正日益依赖 Nvidia 的资助,其已投入 260 亿美元推动近乎开源的模型开发,以扩大推理芯片需求。若此路径不奏效,开源模型将转向效率、可修改性等长尾场景,与闭源模型分化。同时,基础模型训练门槛升高,开源社区兴趣正从全量训练转向对 DeepSeek V4 Flash、GLM 5.X 等模型的微调。

同一集群利用率提升 33 个百分点:改变的是分配顺序

Hugging Face:Blog(RSS)

Hugging Face 构建了一个约束感知的 GPU 分配器,并在七个基准场景中与 FIFO 调度器对比。在相同硬件和负载下,GPU 利用率最高提升 33 个百分点,优先级加权输出在全部场景中均上升,最高达 105%。分配器将实时推理需求按曲线而非峰值处理,批量任务按优先级跨整个调度周期排序,从而回收了预留闲置容量。

ABC Legal 如何借助 Claude Managed Agents 让每位员工成为构建者

Claude:Blog(网页)

ABC Legal 为 1,100 名员工部署 Claude Enterprise 后,通过 Claude Managed Agents 将零散实验转变为受治理的智能体体系,截至 2026 年 7 月已上线 50 多个生产级智能体,部分覆盖的人工任务成本降低约 50%,约 310 名员工日常使用 Claude。

当模型持续学习:测试时训练如何改变 AI 的记忆与成本

Tomer Tunguz 博客(VC 分析)

测试时训练(Test-time training)让模型在使用中持续更新权重,而非训练结束后冻结。相比标准 Transformer,其内存需求从随上下文线性增长变为恒定,斯坦福研究显示推理速度最高可提升 2.7 倍,且 In-Place TTT 无需重训即可将 4B 模型提升至 128k 上下文性能。但代价是每个用户需独立模型副本,服务成本转向算力与芯片,更适合编码助手等个性化场景。

SGLang 重构 CUDA Graph 支持,Breakable CUDA Graph 成 prefill 默认方案

LMSYS:Blog(Chatbot Arena 团队)

SGLang 重构 CUDA Graph 支持,通过 runner/backend 接口拆分使不同捕获策略可复用。其社区首创的 Breakable CUDA Graph(BCG)现为 prefill 默认方案,代码量仅为 torch.compile 方案的约四分之一(521 行对比 1,771 行),构建速度快 3.8–5.2 倍。