NVIDIA 发布了 Vera 存储性能基准测试，用于评估人工智能原生存储的性能。该基准测试包括加密、压缩、完整性检查和恢复等功能，旨在帮助用户评估存储系统的性能和安全性。随着人工智能的发展，存储系统需要提供更高的性能和安全性，以支持人工智能应用的需求。NVIDIA 的 Vera 基准测试为用户提供了一个评估存储系统性能的工具，帮助用户选择适合自己需求的存储解决方案。
阿里巴巴发布了 Qwen Max 开源人工智能模型，声称其性能可与美国顶级人工智能模型 Anthropic 的 Claude Fable 5 相媲美。该模型已在多个基准测试中取得了良好的成绩，展示了其在自然语言处理和其他任务中的能力。阿里巴巴的 Qwen Max 模型是该公司在人工智能领域的最新成果，旨在为用户提供一个强大的工具，用于处理各种人工智能任务。
阿里巴巴发布了 Qwen 3.8 Max 开源人工智能模型，这是一款拥有 2.4T 参数的巨型模型，能够实现长时间的自主编码、AI 研究和硬件设计等功能。该模型在多个领域表现出色，包括编码、研究和数据科学等方面。Qwen 3.8 Max 的发布标志着阿里巴巴在开源人工智能模型方面的重大进展，这款模型有望在各个领域带来广泛的应用和创新。阿里巴巴表示，将开放 Qwen 3.8 Max 的权重，允许开发者免费使用和改进这款模型。总的来说，Qwen 3.8 Max 的发布是人工智能领域的一项重大成就，具有广泛的应用前景和潜力。其能够进行长时间的自主编码、AI 研究和硬件设计等功能，展示了其强大的能力和广泛的应用范围。该模型的发布有望推动人工智能技术的进一步发展和应用。
一款主打“AI穿搭+购物推荐”的出海应用虽然拥有亿级日活用户，但由于算力成本、流量成本和网络延迟等问题，导致公司面临巨大的财务压力。传统云服务商的GPU租用费用高昂，且存在“空转成本”和出站流量费等问题，导致公司每获取并留住一个活跃用户，就会亏损1美元。为了解决这个问题，公司决定转向Akamai推理云，并将GPU选型重构为NVIDIA RTX PRO 6000。这种方案不仅减少了算力成本，还降低了流量成本和网络延迟，帮助公司实现了扭亏为盈。RTX PRO 6000的推理吞吐量高、成本低，且支持FP4量化格式，能够在几乎不损失模型精度的前提下，减少显存需求。Akamai的全球部署和边缘节点也帮助公司减少了网络延迟和流量成本。总的来说，公司通过转向Akamai推理云和采用RTX PRO 6000，成功解决了算力成本、流量成本和网络延迟等问题，实现了商业化生存和发展。
Reddit 正面临着 AI SEO 垃圾邮件的挑战。由于 AI 驱动的搜索使得 Reddit 提及变得非常有价值，品牌开始试图利用这一点。一些用户会发布看似无害的评论，但实际上是为了宣传特定产品。例如，一位用户在一个关于皮肤护理的 subreddit 中评论了一款特定产品，并分享了他们的使用经验。然而，进一步调查发现，这位用户在其他线程中也发布了类似的评论，表明他们可能是为了宣传该产品。这种现象凸显了 Reddit 需要加强监管和管理，以防止 AI SEO 垃圾邮件的泛滥。
研究发现，医疗人工智能辅助的益处取决于用户的专长水平。对于非专业人士来说，AI 辅助可以提高诊断皮肤疾病的准确性，但这主要是因为他们信任 AI 系统的建议。然而，专业人士在使用 AI 辅助时表现最佳时，是当他们只得到 AI 模型的预测结果，而没有任何解释时。研究还发现，非专业人士更容易被不正确的 AI 解释所误导，而专业人士则不会被错误的 AI 建议所影响。这意味着在设计医疗人工智能系统时，需要考虑到用户的专长水平和可能的算法偏差，以确保系统的安全性和有效性。
Runware 公司发布了名为 Sonic Inference 的模块化数据中心，这是一种单一的可运输单元，可以与大型数据中心项目并行工作。Sonic Inference Pod 提供了更高质量的推理和更低的成本，并且可以通过创建新的模块快速增加容量。这种设计使得数据中心可以更快速地扩展和部署。Runware 的 CEO 认为，这种分布式计算方式将在长期内占据优势，因为它可以更快地提供推理服务并且可以适应新的硬件发布。Sonic Inference Pod 不使用水，而是使用闭环冷却系统，可以在几天内建造完成，而传统数据中心需要数月或数年才能建成。