MiniMax 正式发布新一代 Flash 模型 MiniMax M3.1 Flash，其前身为匿名模型 Space Bunny，匿名期间已处理超过 200 万亿 token。该模型在智能体任务、编程、Computer Use 和网络安全方面实现代际提升，在线推理速度提升近三倍，使用成本降低 70%。基准成绩方面，M3.1 Flash 在 AutomationBench-AA、BankerToolBench 上得分 76.2，DeepSWE v1.1 上达 73.7%，OSWorld V2 上 61.7 分，ALE 上 29.6 分，CyberGym 上达 82%。日常输出速度可达 200+ TPS，P50 稳定在 170+ TPS。定价为每百万 token 输入 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元。M3.1 Flash 已通过 MiniMax API、M Plan 和 MiniMax Code 提供，模型权重将稍后发布，Pro 版本也在筹备中。
全部资讯
多家媒体援引知情人士报道，亚马逊正与旧金山AI初创公司Decart洽谈收购，潜在估值约70亿美元，较其今年5月约40亿美元估值上浮约75%。公司2023年由Leitersdorf兄弟与Moshe Shalev创立，核心产品为跨芯片适配软件，可让AI模型在英伟达GPU、谷歌TPU及亚马逊自研Trainium之间无缝切换，号称同硬件提速最高8倍，已累计从Benchmark、红杉与Radical Ventures融资超4亿美元。此前Anthropic曾以约60美元尽调后退出，英伟达谈判同样破裂，亚马逊随即接棒。对坐拥AWS的亚马逊来说，收购意在打破芯片厂商绑定，提升云算力调度能力，并将自研Trainium成本压至低于英伟达，但回报仍取决于加速效果在客户自有模型上的普适性。 相关文章： 谁收购了 Gateway 电脑？ - Andrej Karpathy Curated RSS 亚马逊拟约70亿美元收购Decart - AI洞察日报 RSS Feed 亚马逊欲以约 70 亿美元收购 Decart，此前 两大巨头收购谈判均已告吹 - AI新闻资讯 还有更多相关文章...
AWS 正式发布 TorchNeuron，作为面向 Trainium 芯片的开源原生 PyTorch 后端，将于 2026 年 10 月 20 日在 PyTorch Conference North America 上以 Apache 2.0 协议公开 Beta，代码托管于 github.com/aws-neuron/torch-neuronx。TorchNeuron 通过 PrivateUse1 设备后端和 torch.accelerator 扩展点接入，支持 eager、自适应 eager 实验模式以及 torch.compile，并兼容 NKI 自定义算子、torch.profiler 与 Neuron Explorer，覆盖 Trainium2 与 Trainium3。分布式方面支持 DDP、FSDP2、张量并行、流水线并行等，集合通信经 Trainium 专用 collective cores 与 EFA 执行。模型覆盖测试已扫描 10 万个 Hugging Face 模型，截至 2026 年 9 月在 eager 和 torch.compile 下验证；PyTorch 上游
Meta 介绍其位于俄亥俄州 New Albany 的吉瓦级超集群 Prometheus，一期已建成并用于训练 Muse 系列基础模型，目标扩展到约 100 万张 GPU。 🔗 阅读原文 via AIHOT · https://aihot.news/items/ebl13m9gich6kfjixzvfiw5bq
Microsoft 提出用 Project Perception 管控企业内部数量快速增长的 agentic insider，通过身份、数据、云、端点、网络和运行时等传感器信号发现智能体并纳入管理。 🔗 阅读原文 via AIHOT · https://aihot.news/items/rbr1w8zq9iemkglglp72iuthp
商汤发布迄今覆盖面最广的 GPT-6-Astra 具身智能实证研究，横跨 12 个仿真基准和 8 个真机平台，并同步开源 SenseNova-RoboRSI 框架和一个以约 1/50 推理成本运行的 27B 模型。 🔗 阅读原文 via AIHOT · https://aihot.news/items/g70p7z7saaij2j6gjq8obua80
原标题：《Show HN: WhatsApp MCP running free on Cloudflare》 评分: 121 | 作者: zoozla 💭 把私聊喂给 AI 后，E2EE 还剩几层意思？ 🎯 讨论背景 该项目把 WhatsApp 接入 MCP（Model Context Protocol，一种供 AI agent 调用外部数据和工具的协议），并计划运行在 Cloudflare Workers（Cloudflare 的边缘无服务器运行环境）上，使模型能够访问聊天记录。WhatsApp 的消息内容采用 Signal protocol（一套端到端加密通信协议）保护，理论上 Meta 无法在传输端直接读取；但用户端把会话交给 MCP、云端模型或第三方 AI 后，内容保护会在端点导出环节失效。项目看似依赖非官方的 WhatsApp Web 自动化，而 WhatsApp 对此有 TOS 限制，社区经验显示可能触发封号。其“免费”说法也受到质疑，因为仓库说明称 Workers 所需 CPU 限额可能必须使用付费计划。 📌 讨论焦点 对话参与者未同意的隐私风险 最强烈的反对意见是
写好STATA代码对我的学术生涯非常重要。看来这项技能正基本变得过时。（也提醒那些仍把AI当作聊天机器人而非智能体的学者们，一年来变化很大）https://cepr.org/voxeu/columns/letting-ai-agents-write-econometric-code 🔗 阅读原文 via AIHOT · https://aihot.news/items/kj5yboipm9173hc965tc3xttx
Stripe 的支付服务 Link 被越来越多 AI 智能体用于替用户购物，9 月交易数增长 38 倍、支付量增长 20 倍，但 Stripe 未披露总量，且增长起点基数很小。 🔗 阅读原文 via AIHOT · https://aihot.news/items/f6cnyr9kgnmhd8kmz5o4r4xtm
推文认为，上百人维护的项目里老板无法兼顾审美，竞争压力层层传导为KPI后，任何能提升数据的提案再丑也会被采纳，不存在既让下属背KPI又让老板坚持审美的两全方案。作者期待AI改变这一点：软件工程规模不再是竞争壁垒，坚持独特审美的小团队作品有望超越丑陋的巨无霸产品。引用推文补充称，中国产品过度竞争源于知识产权保护不足，抄袭成本低，并追问AI时代成本大降后能否出现既好看又好用且长期存活的产品。 🔗 阅读原文 via AIHOT · https://aihot.news/items/il2puph6hpw4bxsi60lch50of