Codex 公布额度异常的三个具体来源，并上线首批修复
Codex 团队在前一日“缓存命中率下降”的基础上进一步定位出三类问题：长会话多次 compaction 时的图片处理效率不足、Computer History 的高 p95+ 用量，以及原本用于生成会话标题的功能额外消耗额度。随后团队称 reset 已传播到账号，部分用量修复已经上线，用户应能感到改善，后续仍会继续处理并沟通。这里应区分：问题来源和修复状态来自产品团队说明，并非独立审计结果。
来源：根因更新 · reset 与首批修复
标签：#Codex #usage #ComputerHistory #compaction
CAKE 为 Blackwell 上游 KDA 训练 kernel，发布者称最高 3.05× 几何平均加速
CAKE 向 FlashInfer 上游了面向 SM100a/SM103a 的 KDA 成对 forward/backward recurrent training kernels，并称精度与 FLA 对齐。在 B200、B300、GB300 上覆盖 17 个 shape 的测试组合中，发布者报告最高 3.05× geomean speedup。该结果对 Blackwell 上的线性注意力训练栈很有价值，但仍需结合基线版本、shape 分布、精度容差及 end-to-end 占比判断实际收益。
标签：#CAKE #KDA #FlashInfer #Blackwell #training-kernel
Marin 的意义从“大模型训练”转向“开放训练过程”
Andrew Ng 将 Marin 535B-A23B 视为开放 AI 的重要示范，强调其公开代码、数据、训练 recipes 和实验结果。相比单纯披露 11 套 GB200 NVL72、18.75T tokens 与三个月训练计划，这一轮讨论更聚焦治理与科研方法：在前沿训练越来越封闭的背景下，开放完整过程本身成为项目的核心产出。最终模型质量与训练可复现性仍需等待航程完成后评估。
来源：Andrew Ng 的评论 · Stanford AI Lab 转发
标签：#Marin #open-training #open-source #GB200-NVL72
World model、VLM、VLA 的术语边界引发方法论争论
Jitendra Malik 呼吁不要在机器人领域无差别使用 VLM、VLA、WAM 等术语，应保留其历史与技术边界。Yann LeCun 补充，理解系统动力学以实现控制的 world model，与视频预测或生成模型并不等价。这场讨论的核心不是命名洁癖，而是避免把“能生成逼真视频”误当成“已经学会可用于规划与控制的世界动力学”。
标签：#world-model #VLM #VLA #robotics
开放模型 token 份额增长，但样本范围不能外推到全市场
Gavin Baker 引用 Vercel 数据称，开放模型在其平台的 token 份额两个月内由 28% 上升到 62%，同时 OpenAI 与 Anthropic 的绝对使用量在 7 月仍增长。这说明至少在 Vercel 的开发者工作负载中，开放模型可能是在扩张市场而非只做零和替代；但该图表代表单一平台样本，不能直接推断全球 API 市场份额。
标签：#open-models #Vercel #market-share
其他值得关注
- Figure 团队继续展示人形机器人在园区和办公室内活动的场景；目前更多是产品进展信号，动态未提供任务成功率、人工接管或运行时长：园区动态 · 办公室场景。
- PyTorch Conference 议程将重点归纳为强化核心、扩展多硬件支持、提升训练与推理效率等方向：原帖。
- Tibo 将 2026 年描述为企业开始认真关注模型效率与可靠性的一年，因为模型已成为关键基础设施：原帖。
- Fei-Fei Li 的 X 关注者达到 100 万；这属于账号里程碑，没有新的 World Labs 技术发布：原帖。
今日观察
今日最强的共同信号是“效率与可解释运营”正在压过单纯能力叙事：Codex 必须解释额度为何被具体功能消耗，CAKE 需要用 kernel、shape 和硬件代际证明训练效率，开放模型份额也必须限定统计平台。与此同时，Marin 和 world-model 术语争论都在强调方法透明度——前者公开训练过程，后者要求能力声明与技术定义一致。这种透明度会逐渐成为基础设施级 AI 的可信度门槛。