https://t.me/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
新插件 Endless Toil 让 AI 编程代理在读到劣质代码时发出哀鸣
开发者 Andrew Vos 发布了 GitHub 插件 Endless Toil，支持 Claude 和 Codex。该插件会实时扫描 AI 代理处理的代码，并根据其质量触发不同程度的人类呻吟声。声音级别随代码混乱程度从轻微呜咽提升至凄惨哀嚎，为开发者提供代码复杂度和维护压力的直觉反馈。
这种让技术发出“痛苦”声音的尝试已成为一种亚文化。类似项目还包括让 ThinkPad 小红点发声的 nubmoan，以及在 MacBook 被拍打时尖叫的付费应用 SlapMac。Endless Toil 让 AI 代理在人类进行“氛围编程”产生混乱代码时，以声音形式表达其背后的维护成本。
Decrypt
🌸 在花频道｜茶馆讨论｜投稿通道
via 科技圈🎗在花频道📮 - Telegram Channel
开发者 Andrew Vos 发布了 GitHub 插件 Endless Toil，支持 Claude 和 Codex。该插件会实时扫描 AI 代理处理的代码，并根据其质量触发不同程度的人类呻吟声。声音级别随代码混乱程度从轻微呜咽提升至凄惨哀嚎，为开发者提供代码复杂度和维护压力的直觉反馈。
这种让技术发出“痛苦”声音的尝试已成为一种亚文化。类似项目还包括让 ThinkPad 小红点发声的 nubmoan，以及在 MacBook 被拍打时尖叫的付费应用 SlapMac。Endless Toil 让 AI 代理在人类进行“氛围编程”产生混乱代码时，以声音形式表达其背后的维护成本。
Decrypt
🌸 在花频道｜茶馆讨论｜投稿通道
via 科技圈🎗在花频道📮 - Telegram Channel
英政府部门在 AI 数据中心能源需求上存在巨大分歧
英国政府正面临一个重大的挑战：在推动清洁能源的同时，也希望将国家打造成人工智能（AI）领域的超级大国。然而，负责这两项目标的政府部门之间似乎存在严重的不一致。新西兰科学、创新与技术部（DSIT）和新西兰能源安全与净零排放部（DESNZ）对于未来 AI 数据中心的电力需求预估截然不同。
DSIT 认为，到 2030 年，AI 数据中心的电力需求将达到 6 吉瓦，而 DESNZ 则认为这一数字将不足 6 吉瓦的十分之一。这一差距引发了非政府组织 Foxglove 的关注，该组织的战略主管 Tim Squirrell 表示，政府对数据中心对环境影响的无知让人感到震惊。伦敦大学学院的研究员塞西莉亚・里卡普也指出，这种分歧可能源于部门能力不足或对大型科技公司的不切实际幻想。
DESNZ 负责英国的碳预算计划，阐明政府如何实现国际气候目标。Foxglove 曾向 DESNZ 提交环境影响评估申请，询问如何将 AI 数据中心的增长纳入碳排放预测中。DESNZ 回应称，研究人员可以参考商业服务行业的整体能源消耗预测，而并未单独对数据中心的增长进行预测。
根据该预测，整个行业的能源消耗到 2025 年至 2030 年间将增加 528 兆瓦，约相当于 170 万户家庭的用电量。这个预测值远低于 DSIT 在 “英国计算路线图” 中提到的 AI 数据中心所需电力的十倍。DSIT 的报告强调，到 2030 年，英国至少需要 6GW 的 AI 数据中心容量。
在此期间，DSIT 似乎对其早前发布的 AI 数据中心排放预测进行了修订，增加了超过百倍的排放数字。最初，DSIT 预测的额外 AI 计算能力的碳排放为 0.025 到 0.142 万吨，后更新为 34 到 123 万吨，约占英国预计总排放量的 0.9% 到 3.4%。
DESNZ 的一位发言人表示，数据中心的排放已纳入他们的模型中，AI 能源委员会也在探索吸引投资和支持清洁能源的发展。碳预算 7 将在今夏发布。
via AI新闻资讯 (author: AI Base)
英国政府正面临一个重大的挑战：在推动清洁能源的同时，也希望将国家打造成人工智能（AI）领域的超级大国。然而，负责这两项目标的政府部门之间似乎存在严重的不一致。新西兰科学、创新与技术部（DSIT）和新西兰能源安全与净零排放部（DESNZ）对于未来 AI 数据中心的电力需求预估截然不同。
DSIT 认为，到 2030 年，AI 数据中心的电力需求将达到 6 吉瓦，而 DESNZ 则认为这一数字将不足 6 吉瓦的十分之一。这一差距引发了非政府组织 Foxglove 的关注，该组织的战略主管 Tim Squirrell 表示，政府对数据中心对环境影响的无知让人感到震惊。伦敦大学学院的研究员塞西莉亚・里卡普也指出，这种分歧可能源于部门能力不足或对大型科技公司的不切实际幻想。
DESNZ 负责英国的碳预算计划，阐明政府如何实现国际气候目标。Foxglove 曾向 DESNZ 提交环境影响评估申请，询问如何将 AI 数据中心的增长纳入碳排放预测中。DESNZ 回应称，研究人员可以参考商业服务行业的整体能源消耗预测，而并未单独对数据中心的增长进行预测。
根据该预测，整个行业的能源消耗到 2025 年至 2030 年间将增加 528 兆瓦，约相当于 170 万户家庭的用电量。这个预测值远低于 DSIT 在 “英国计算路线图” 中提到的 AI 数据中心所需电力的十倍。DSIT 的报告强调，到 2030 年，英国至少需要 6GW 的 AI 数据中心容量。
在此期间，DSIT 似乎对其早前发布的 AI 数据中心排放预测进行了修订，增加了超过百倍的排放数字。最初，DSIT 预测的额外 AI 计算能力的碳排放为 0.025 到 0.142 万吨，后更新为 34 到 123 万吨，约占英国预计总排放量的 0.9% 到 3.4%。
DESNZ 的一位发言人表示，数据中心的排放已纳入他们的模型中，AI 能源委员会也在探索吸引投资和支持清洁能源的发展。碳预算 7 将在今夏发布。
via AI新闻资讯 (author: AI Base)
在人工智能迅速发展的背景下，Anthropic 于上周五悄然发布了一项名为 “Project Deal” 的内部实验，展示了 AI 在电商领域的潜力。这项实验中，Anthropic 的 AI 模型 Claude 在一个封闭的市场环境中自主完成了买卖和价格谈判，涉及真实的资金交易。
实验的核心是通过 Slack 搭建一个内部市场，Claude 被赋予了买卖双方的谈判职责。首先，Claude 对 69 名员工进行了访谈，收集他们的买卖意向和个性化指令，随后独立展开了议价过程。在实验中，Claude 成功促成了 186 笔交易，总交易额超过 4000 美元，这表明 AI 在实际市场环境中的运作能力。
为确保实验的全面性，Anthropic 还设置了四个平行市场，以对比不同 AI 模型在谈判中的表现。结果显示，模型能力的差异对交易结果有显著影响。例如，在 Opus 与 Haiku 模型的对弈中，Opus 模型的谈判效果明显优于 Haiku 模型，而参与调查的员工对此并未察觉。这一发现为未来 AI 间的商业互动提供了新的视角。
“Project Deal” 的发布引发了市场的广泛关注，尤其是对传统电商平台的潜在威胁。消息传出后，eBay 的股价在当天收盘时下跌了约 4.5%。市场观察人士普遍认为，这一跌幅与 AI 技术的应用密切相关，尤其是在电商模式上的颠覆性影响。
尽管 Anthropic 选择在市场高度分散的时机发布该实验，但其所带来的市场反应依然显著，显示出 AI 在电商领域的颠覆性潜力。
via AI新闻资讯 (author: AI Base)
随着五一长假的脚步临近，本地生活与跨城出游的需求迎来爆发式增长。为了更精准地服务消费者的假期生活，美团宣布旗下人工智能助手“小团”完成重大升级，正式将其入口迁移至 App 首页的核心位置。这一变动意味着，这项本就备受关注的 AI 服务已实现全量上线，用户不再需要通过繁琐的菜单层层点击，只需在首页轻轻一触，即可开启智能管家服务。
告别模糊搜索，复杂需求一键直达
与传统的关键词检索不同，“小团”主打对模糊意图的深度理解。无论是“想吃人少且有折扣的餐厅”，还是“规划一份五一错峰游路线”，用户只需以自然语言提问，AI 便能迅速从海量信息中过滤干扰，提供个性化的推荐方案。
除了筛选商家，升级后的“小团”在交易链条上也实现了提效:它能够根据用户的具体需求，动态规划并组合最优惠的代金券或套餐，支持用户直接领券下单。这种从“搜索”到“决策”再到“支付”的闭环路径，极大缩短了用户的服务获取成本。
动态核验数据，确保推荐真实可靠
在AI应用落地的过程中，信息的准确性一直是行业痛点。依托美团深耕本地生活多年积累的真实底层数据，“小团”能够对商家信息进行实时动态核验。无论是节假日的营业时间变动，还是实时的优惠详情，AI 都能提供精准的反馈，有效避免了虚假信息带来的出行困扰。
此次“小团”入口的提级，不仅降低了 AI 工具的使用门槛，更标志着平台在智能化、精细化服务上的进一步深耕，旨在为消费者的假日消费提供更加丝滑、高效的支撑。
via AI新闻资讯 (author: AI Base)
携程商旅正式发布“携程商旅AI生态”全景图，旨在通过大模型技术深度重构企业差旅管理链路。该生态目前已全面覆盖差旅出行、差旅管理、采购管理及能力共享四大核心场景，并同步推出包含差旅问答、行程预订、审批、洞察、合规风控、财务结算及资源采购在内的7个专属AI Agent，标志着商旅行业从数字化管理向自动化、智能化的Agent时代迈进。
在战略层面，携程商旅明确采取“去围墙化”的开放路径，通过开发者平台向企业输出AI核心能力。目前已开放5个核心场景及17项AI底层能力，支持企业将差旅规划、知识问答等功能无缝嵌入自身OA、ERP或HR系统，实现能力的“即插即用”。截至发布当日，已有15家大型企业完成深度对接。
携程商旅高层强调，AI产品的落地必须回归真实业务逻辑，而非技术团队的“闭门造车”。通过引入差旅管理者、财务及风控专家参与模型设计，确保每一个Agent都能在合规与效率之间达成最优平衡。在全球AI Agent向垂直行业渗透的背景下，携程商旅此举不仅是20年行业经验的参数化提炼，更通过能力开放降低了企业构建行业大模型应用的门槛。这种从工具输出向生态赋能的转变，预示着商旅管理将进入以行业深度知识驱动的智能服务新阶段。
via AI新闻资讯 (author: AI Base)
深度求索打价格战：百万Token输入0.25元
DeepSeek最新发布的DeepSeek-V4-Pro模型API开启2.5折价格特惠，输入(缓存命中)价格为0.25元/百万Tokens，输入(缓存未命中)价格为3元/百万Tokens，输出价格为6元/百万Tokens，优惠期截至5月5日。
而据 Open Router 数据显示，最新推出的海外知名AI大模型GPT-5.5 Pro加权平均输入价格为30美元/百万Tokens，输出价格为180美元/百万Tokens，从输入价格就和DeepSeek V4 Pro相差超700倍，GPT-5.5标准版加权平均输入价格为5美元/百万Tokens，输出价格为30美元/百万Tokens，包括Claude Opus系列、GPT-5.4，以及谷歌Gemini 3.1 Pro系列大模型的输出价格在12–25美元之间，均和调价后的DeepSeek V4 Pro拉开较大差距。
—— 二十一世纪经济报道
via 风向旗参考快讯 - Telegram Channel
DeepSeek最新发布的DeepSeek-V4-Pro模型API开启2.5折价格特惠，输入(缓存命中)价格为0.25元/百万Tokens，输入(缓存未命中)价格为3元/百万Tokens，输出价格为6元/百万Tokens，优惠期截至5月5日。
而据 Open Router 数据显示，最新推出的海外知名AI大模型GPT-5.5 Pro加权平均输入价格为30美元/百万Tokens，输出价格为180美元/百万Tokens，从输入价格就和DeepSeek V4 Pro相差超700倍，GPT-5.5标准版加权平均输入价格为5美元/百万Tokens，输出价格为30美元/百万Tokens，包括Claude Opus系列、GPT-5.4，以及谷歌Gemini 3.1 Pro系列大模型的输出价格在12–25美元之间，均和调价后的DeepSeek V4 Pro拉开较大差距。
—— 二十一世纪经济报道
via 风向旗参考快讯 - Telegram Channel
OpenAI 近日宣布推出一款前沿的个人身份信息（PII）脱敏模型——Privacy Filter。该模型目前已通过 Apache2.0协议在 Hugging Face 和 GitHub 同步开源，旨在为开发者提供一个可本地运行、支持高度定制的隐私保护工具。
深度语义理解，告别机械匹配
区别于传统的规则匹配工具，Privacy Filter 具备深层的语言理解能力。它能根据上下文语境，精准识别非结构化文本中的敏感信息。这意味着它在有效遮盖个体私密数据的同时，能够最大限度地保留文本中的公开有用信息。
轻量化 MoE 架构，性能表现卓越
在技术架构上，该模型展现了极高的灵活性与效率:
● 混合专家（MoE）设计: 虽然总参数规模达 15亿，但每次推理仅激活约 5000万个参数。这使得它可以在笔记本电脑甚至浏览器等资源受限的边缘设备上流畅运行。
● 超长上下文支持: 具备 12.8万 Token 的上下文窗口，利用双向 Token 分类架构和受限维特比算法，确保了长文本处理的连贯性与准确性。
● 高精度识别: 在 PII-Masking-300k 基准测试修正版中，该模型取得了 97.43% 的 F1分数，其中召回率高达98.08%。
全方位的隐私分类体系
Privacy Filter 能够精准识别并标注八类核心敏感信息:
1. 基础身份: 姓名、地址、电子邮箱、电话号码。
2. 网络资产: URL 链接。
3. 金融安全: 账号信息（含银行卡、信用卡等）。
4. 机密凭证: 密码、API 密钥等。
5. 时间敏感: 日期信息。
应用场景:云端 LLM 的“本地防火墙”
OpenAI 将其定位为预过滤层。用户在将文本发送至云端大模型前，数据可先在本地完成 PII 检测与脱敏。这种“数据不离设备”的处理方式，有效解决了用户误将隐私信息粘贴至 AI 工具的风险。
虽然该工具功能强大且支持微调，但 OpenAI 同时也提醒，在医疗、法律、金融等高敏感领域，人工审核与领域特定的微调依然不可或缺。
via AI新闻资讯 (author: AI Base)
