科技笔记
共 122 篇文章
一个模型同时听懂、看懂、说出来：Qwen3-Omni 把多模态做成原生能力
通义千问开源的 Qwen3-Omni 是端到端多模态大模型，可理解文字、音频、图像、视频并实时输出语音。关键不在参数，而在同一模型内兼具感知与表达，避免流水线转写丢失语气、停顿、背景音和情绪。官方示例覆盖多语言语音识别与翻译、音频分析、目标定位、图像问答、视频描述、第一人称导航和语音函数调用，可用于客服质检、设备异响、会议整理与档案录入。开源权重让企业可内网部署，技术报告已发布。但音视频长序列使显存和延迟更高，实时流式要求高，宜分级使用。企业应先找多次转写仍不准的环节，而非立即替换系统。
从 Claude Code 到「软件工厂」：AI 交付的组织方式正在换代
Will Larson 复盘九个月 AI 化：先要求工程师每日用 Claude Code，再扩至非工程岗；为适配 agent 开发，给每人独立工作区，用 Linear 替换 Jira，并自建内部编排框架。每步改造都源于上一环节暴露的新瓶颈。其“软件工厂”围绕宽泛目标循环：审计目标定义、复核指标与任务、推进非阻塞任务、完成后判断是否重审。成败不在模型，而在目标可度量；否则自动化只会更快制造熵增和返工。小型交付团队可为每个客户项目写清可度量目标与验收标准，让 AI 在任务层循环，复制“先定义目标、再看指标、然后动手、定期重审”，不必自建框架。
通义千问开源 Qwen-Image-2.1：7B 图像模型把透明图层做成原生能力
9月20日，阿里千问开源Qwen-Image-2.1，把文生图和图像编辑合并进同一模型。视觉生成部分7B，32层单流DiT，原生支持透明通道输出与编辑，可抠主体、最多参考10张图，权重已上线Hugging Face与ModelScope。7B规模可在单张RTX 3090级显卡运行，并配提示词改写模型。注意：许可仅限研究，商用需授权；超闭源模型说法来自自家评测，尚无第三方验证。建议先用于素材原型和流程验证，确认品类稳定后再考虑生产。
三星把 HBM4 产量翻倍：AI 算力的瓶颈正从芯片挪向内存
9月20日韩媒披露，三星计划2027年将HBM4/HBM4E产量至少翻倍，HBM月产能由今年约18万片晶圆升至明年约25万片，HBM4系列出货占比从四成提至八成，玻璃载板清洗外包量由每月2万件增至5万件。扩产不等于降价：堆叠良率及1c DRAM、4nm基板工艺影响供给，AI需求增长会消化新增产能。竞争重心转向封装、基板材料与散热。有扩容计划者应按当前单价做预算、留足交期冗余，关注国产HBM封装与基板进展，并提前准备长上下文与批量推理架构。
微软内部备忘录称 AI 抓取是“史上最大规模劳动剽窃”，还有一组自己的数据
纽时诉 OpenAI 与微软案解封文件：微软内部称抓取是“人类历史上最大规模的劳动剽窃”，自家数据显示点击率最多跌 93%。
用统计学省下 100TB 内存：Cloudflare 先算够不够，再改代码
一致性哈希的哈希点数不是越多越好。Cloudflare 用解析式算出下界，再顺手压缩结构体字段，省下相当于 100TB 的内存。
Android 17 的一个季度更新，把 AOSP 的节奏问题摆上了台面
Android 17 QPR1 首次在未向 AOSP 发布的情况下新增开发者 API，短期影响有限，长期改变的是下游团队的兼容性账本。
14MB 的小模型，凭什么在工具调用上追平云端大模型
4500 万参数、14MB 单文件的小模型，把聊天换成选函数、填参数，在树莓派上跑出每秒数百 token。
登录即上传：一个 AI 编程助手被扒出的“整仓快照”
开发者清理磁盘时发现，登录状态的 AI 编程工具会把整个工作区连同 .git 历史一起加密上传云端，界面开关还关不掉。
一条命令把本地服务发到公网：Quick Tunnels 省掉了什么，代价又是什么
一条命令把本机服务变成公网地址，省掉服务器、域名和证书。它适合临时演示，不适合长期上线，边界值得说清楚。