Mistral获得三星领投的30亿欧元D轮融资，资金将投入前沿研究、训练算力、基础设施与商业化。英伟达RTX Spark笔记本上市，最高配备128GB统一内存和1 petaflop FP4 AI算力，支持本地模型与创作项目同时运行。DeepSeek Search与Fetch API每千次成功请求收费0.75美元，失败、空搜索和超时不收费。OpenCode Console遭入侵，涉及用户自带的模型服务凭据，单独使用编码代理或桌面应用的用户不受影响。
我的判断
在我看来，今天比模型性能更值得关注的是控制权的边界。Mistral强调自主控制，OpenCode Console却泄露了用户自带的凭据：账号是自己的，不代表密钥只在自己手里。
Mistral扩张训练基础设施，RTX Spark把本地运行能力装进笔记本。
Mistral宣布完成30亿欧元D轮融资，投后估值超过210亿欧元，由三星电子领投。资金将用于前沿研究、训练算力与基础设施扩张，并加速商业化和国际业务。继ASML领投C轮后，Mistral再次获得工业科技企业领投；公司认为，企业和政府的需求正从追求最强模型，转向兼顾性能与数据、模型、算力的自主控制。
读原文 →英伟达宣布 RTX Spark Windows 笔记本上市，由华硕、戴尔等六家厂商推出。它将 Blackwell RTX GPU 与 Grace CPU 集成到单颗超级芯片中，最高配备 128GB 统一内存，提供最高 1 petaflop 的 FP4 AI 算力。共享内存可支持本地模型与创作项目同时运行；Hermes、OpenClaw 等智能体提供引导安装，无需命令行。
读原文 →🔍 深度解读：Mistral提出的数据、模型、算力自主控制，与RTX Spark的128GB统一内存指向同一个选型问题：哪些能力需要掌握在自己手里。两者处于不同层级——30亿欧元融资支撑模型厂商扩张，本地硬件则给使用者提供另一种运行位置。对企业而言，模型性能之外，部署位置与资源控制权需要成为独立的采购条件；本地运行能力也不等于拥有模型本身的控制权。
Replit确定首选伙伴，DeepSeek补充检索接口，Sphinx把代码理解设为推送关卡。
DeepSeek 的 Search 与 Fetch API 面向智能体和 RAG 应用，每千次成功请求收费 0.75 美元。搜索由自研引擎提供，返回结构化结果；抓取则将单个网页转为 Markdown。计费不看 token 或返回条数，失败、空搜索及超时不收费；网页抓取受目标站点可用性及访问政策限制。
读原文 →Replit CEO Amjad Masad 澄清，OpenAI 已成为驱动 Agent 的首选合作伙伴。他解释，在 TC Disrupt 上的表态基于模型性能、成本和双方合作关系。Replit 仍保持模型中立，用户可以选择 Anthropic 及其他受支持模型，首选合作伙伴不意味着排他使用。
读原文 →Sphinx 是面向智能体辅助开发的 Git hook，在受保护分支推送时暂停，提问检查开发者是否理解代码。审查模型不读取此前聊天，而是根据代码差异追问异常场景；答错会解释原因并换题，答对才继续推送。它兼容 Codex、Claude Code、Cursor 等工具；回答不传给编码智能体，也不读取 .env 文件和密钥，可用 sphinx yolo 跳过，但每次都会记录。
读原文 →🔍 深度解读：Replit首选OpenAI却保留其他模型选择，Sphinx又能跨Codex、Claude Code和Cursor工作，这意味着模型合作关系与开发流程控制不必绑定。DeepSeek每千次成功请求0.75美元的检索接口，则让外部信息获取可以单独核算成本。对开发团队而言，模型表现、检索费用和代码交付责任应分别评估，不能用一个首选模型替代整套Agent工作流的验收。
OpenCode Console泄露事件的影响范围，与编码代理本身必须分开判断。
OpenCode Console 遭入侵，泄露涉及用户自带的模型服务凭据。Console 是类似 OpenRouter 的托管推理网关，与 OpenCode 编码代理并非同一产品。此次受影响的是 Console，单独使用 CLI/TUI 编码代理或桌面应用的用户不受影响。
读原文 →Atlas将仓库员工行动转为风险分，亚马逊否认针对个人进行监控。
亚马逊内部文件显示，其自研AI工具 Atlas 用于预测美、加、英仓库员工组建工会、静坐等行动的可能性。工具汇总Reddit帖子、员工反馈调查等数百项数据，为仓库打出100至900分的风险分，分数越低代表行动越可能发生。亚马逊否认监控个人，称分析仅针对仓库层面，不追踪个人意见或工会身份，目的是了解员工需要哪些支持。
读原文 →Anthropic研究员用概念表征和隐式规划，解释“下一token预测器”描述的局限。
Anthropic 可解释性研究员 Emmanuel Ameisen 在 Lenny 访谈中，讨论 Claude 等模型的内部机制及其与 AI 安全的联系。他介绍，模型会形成通用的概念表征，并能提前规划多个 token，而不把计划显式写出来。他认为，单纯用“下一 token 预测器”描述模型，会低估它实际的规划与思考方式。
读原文 →