Rivian CEO RJ Scaringe 在 TechCrunch Disrupt 大会上表示，自动驾驶技术将使公司未来能够设计出与现有户外型 SUV 和卡车"截然不同"的车型。他强调，95% 的美国行驶里程来自私家车，因此即便实现 L4 级自动驾驶，大部分出行仍将在个人拥有的车辆中完成，未来产品形态将由自动驾驶释放的设计空间决定。Scaringe 还透露，R3 之后的下一代车型将命名为 R4，但未公布外观。在自动驾驶落地层面，Rivian 已量产允许脱手的驾驶辅助系统，并计划年内实现监督下的点对点自动驾驶，最终目标是为 Uber 平台提供基于 R2 的无人驾驶出租车服务，但量产 R2 仍是公司扭转亏损、扩大规模的首要任务。 TechCrunch Mobility 周刊聚焦Rivian CEO RJ Scaringe在Disrupt大会上的访谈，阐述Rivian正从纯电动车制造商向科技供应商转型。公司已自研车载AI助手、联合Uber开发自动驾驶堆栈并与Arm、TSMC合作开发5纳米芯片，与大众成立的58亿美元合资企业正扩展至AI与自动驾驶领域，技术有望授权给多个品牌。Scaring
infinitum 资讯聚合
Ruby gem 作者 po-ru 宣布归档全部仓库，不再继续维护，原因是 LLM agents 自主生成代码的兴起正侵蚀人类开源协作的根基——个人维护者的贡献被用于训练或自动化生产，却得不到对等回报，且 AI 生成代码的质量债务由社区承担。文章围绕 Hacker News 讨论展开多角度争议：有人认为 LLM 提升了开发效率但剥夺了编程与协作的乐趣；有人担忧 Ruby 社区被定位为 LLM 代码生成载体；也有贡献者因上游长期不响应 PR 而用 LLM fork 出私有版本，预测包生态将碎片化。部分人将退出视为成熟选择，也有人批评其为情绪化退场。讨论中以"弄脏的床"等讽刺比喻质疑 AI 生成代码的质量债。事件折射出开源维护者无偿劳动被企业收割、AI 重塑编程语言定位、以及公共维护链条断裂等深层矛盾。
密歇根大学衍生初创公司 Laplace Intelligence 在 TechCrunch Disrupt 期间公开其自动化红队测试平台，基于 Nvidia Cosmos 后训练 的高保真仿真环境重建真实场景，由 AI agent 自动设计极端工况 以探测机器人和自动驾驶等物理 AI 系统的边界与故障。公司由 Howie Sun 与首席科学家 Henry Liu 一年前联合创立，相关成果曾登上《Nature》封面。客户已包括 日本五十铃、Bot Auto、Nvidia 等，并携手 T-Mobile 在圣何塞试点智慧城市。公司已实现营收与适度盈利，并入选 Startup Battlefield 200，将于 10月13日 登台路演、寻求融资，与已融资 12 亿美元、估值 150 亿美元的 Applied Intuition 等对手竞争。 相关文章： Laplace Intelligence 在机器人和自动驾驶车落地前对其进行红队测试 - TechCrunch Laplace Intelligence 在机器人和自动驾驶汽车进入真实世界前对其进行红队测试 - TechCrunch
本文围绕CERN与法国AI公司Mistral合作将AI用于科学研究展开讨论，并梳理了Hacker News上的社区观点。讨论聚焦三大方向：一是多位评论者认为将AI用于宇宙规律、数学和自然科学等基础科研属于正当场景，因其结果可验证、可增进人类知识，与商业平台生成低质内容或误导用户有本质差别；二是支持者欢迎CERN选择Mistral这一欧洲供应商，认为这有助于打破少数美国AI公司形成的双头垄断，推动欧洲技术自主，期待欧洲大学与国家研究中心进一步整合资源；三是部分评论者关注治理与伦理问题，希望该合作比OpenAI的商业行为更重视AI的伦理使用。曾在CERN读博的评论者指出，过去希格斯分析通常只容易获准使用提升决策树等传统机器学习方法，此次合作意味着更广泛的AI工具可能进入科研审批流程，也引发对验证标准能否跟上的疑问。
本文围绕 Netflix 技术博客发布的《ontology-driven observability》文章及其 Hacker News 讨论展开。文章介绍 Netflix 用 ontology 形式化模型与 RDF/OWL 三元组构建端到端知识图谱，服务于可观测性。讨论聚焦三方面：学习资料受 AI SEO 污染，读者建议从 Stanford 哲学百科、W3C 标准及《Semantic Web for Working Ontologist》入手；批评者认为将 ontology 简化为三元组忽视了哲学与公理内涵；还有人将其与历史 XML/UML 热潮类比，质疑大型企业构建全局知识图谱属于过度工程化，并对其组织成本和实际收益提出怀疑。
Hacker News 围绕《卫报》一篇关于 Otto Z. 的离奇真实故事展开讨论：Otto Z. 的死亡与抄袭争议多次反转，案件牵涉法医 Graw，其尸检和鉴定被用于大量刑事案件。若 Graw 被定罪并剥夺头衔，依赖其证据的旧案被告可能获得上诉理由，慕尼黑检方在 2024–2026 年间持续担忧结果。讨论延伸到生成式 AI 降低伪造可信历史与证据的门槛，担忧诉讼中 AI 生成的虚假通信被提交。另有讨论认为阴谋论不应以"绝不可能"或"无处不在"判断，应关注证据与频率，并反思情报机构越权假设的合理性。此外，标题省略 Oxford comma 引发 Guardian 编辑风格的争议。
Inception 的扩散模型 Mercury 3 已在 OpenRouter 平台上线。该模型生成速度超过 1,000 tok/s，上下文长度达 1M，是 Mercury 2.5 的 4 倍。Inception 报告称，Mercury 3 在 IFBench、GPQA Diamond 和 SWE-Bench Atlas 三项基准测试上均优于 GPT-6 Luna 和 Haiku 5.5。发布期间提供五折优惠，输入价格为 $0.10/M、输出价格为 $0.35/M。
Google 开发者博客发布教程，讲解如何用开源 ADK（Agent Development Kit）与 gemini-3.8-live 构建不出现冷场的语音智能体，核心思路是让耗时工具通过非阻塞方式运行。教程指出在 Gemini Live API 的双向语音会话中，标准 async def 工具会造成长达数秒的完全沉默；并提出两种非阻塞模式：流式工具（用 AsyncGenerator 持续 yield 进度，模型可实时转述）和后台执行（任务在后台静默运行，通过 responsescheduling 控制结果何时交付给模型）。博文给出实测数据：销售报告工作流从阻塞切换为流式后，代理说出第一句话的时间从 14.4 秒缩短到 1.2 秒；同时介绍 responsescheduling 的 WHEN_IDLE、INTERRUPT、SILENT 三种行为及其与流式工具的组合方式，并要求 google-adk ≥ 2.10.0。
Google 官方博客发布文章，介绍运动员造型师 Sydney Bordonaro 如何利用 Gemini 为客户构建穿搭造型。客户分散在全各地，她需要在图片上传街拍前让球员看到实际效果。Bordonaro 总结出四个使用技巧：一是将采购的衣物照片与客户照片同传到 Gemini，生成完整造型预览；二是通过对话调整单品，如把靴子换成乐福鞋或改短外套；三是把生成的造型发给客户征求意见，提升决策效率；四是遇到突发污渍时拍照让 Gemini 给出清洁步骤。文章同时建议普通用户上传自拍照与衣物截图进行搭配预览，或拍污渍照片获取清洁方案。
Google宣布Gemini Notebook在Slide Decks和Video Overviews两类产出中引入新的共创流程，用户可在生成过程中获得更多创作控制权。基于用户反馈，Gemini Notebook不再从初始提示直接跳到最终成品，而是先根据来源材料建议主题，让用户在确认后可继续调整内容、视觉风格和格式。新增的Review开关允许用户在渲染前于studio面板中查看并修改计划，包括在幻灯片中"Review outline notes"或在视频中"Review producer notes"，可追加如添加执行摘要、调整场景顺序等反馈，确认无误后再点击Proceed生成最终成品。已知需求的用户也可直接在提示中指定，跳过引导直接进入审阅流程；偏好快速输出的用户仍可跳过Review开关照常生成。该共创能力将在未来一周内向全球所有Gemini Notebook用户逐步推出。