最新科技资讯 第24页
聚合 AI、科技、商业、硬件与开发工具的最新内容，按时间顺序查看第 24 页精选文章。
Xeon 6+ 最该看的不是 SKU，是 Intel 开始给能耗记细账
Computex 2026 上，Intel Xeon 6+ 产品总监 Kira Boyko 介绍了 Xeon 6+ 的产品定义、SKU 收敛，以及新增的 Intel Application Energy Telemetry。真正值得看的不是又一代 Xeon 命名，而是 AET 试图把数据中心能耗从粗略摊账，推进到可追踪、可计费、可调度的细账。它不会自动省电，但会改变云厂商、企业数据中心和调度系统讨论能耗的方式。
TensorZero 是否已归档，先别急着下结论
TensorZero 的 GitHub 页面显示，它仍以开源 LLMOps 平台自我定位，覆盖网关、观测、评估、优化和实验等环节。但现有材料不足以证明“仓库已归档”或“已完成 730 万美元种子轮融资”，工程团队不能把未经核验的说法当成选型依据。真正重要的是：开源 AI 基础设施的采用风险，不只在功能强弱，也在维护连续性和商业信号是否透明。
地下菌丝长到太阳系之外，气候账本该补一页了
Science 新研究估算，全球活体丛枝菌根真菌网络总长约 110 千万亿公里，质量约为全人类体重的 5 倍。它提醒气候治理别只盯森林、树冠和地表碳汇，草原、农田和地下微生物网络也该进入土地保护的计算。更现实的动作不是马上把真菌包装成碳移除生意，而是先少破坏那些还没被犁掉的地下基础设施。
Pool 结束 beta：截图开始变成可检索资料库
The Verge 在 Installer 第 132 期推荐了截图管理应用 Pool：它已脱离 beta，重点是抓取并分类旧截图，再用 AI 理解屏幕内容。 我更在意的是这个方向：截图不再只是相册里的零散文件，而可能变成可检索、可处理的个人上下文资料库。 但这还不是通用生产力革命。价格、平台、隐私和识别效果没有讲清前，重度截图用户可以试，团队和敏感场景要慢一点。
iPhone 原生 AI 修图来了，照片的默认可信少了一块
iOS 27 开发者 beta 把 Clean Up、Extend、Spatial Reframing 放进原生照片应用，iPhone 用户第一次真正拿到系统级 AI 修图。苹果不是 AI 修图的首创者，也不是最激进的玩家；更关键的是，它把生成式修改塞进了最大众的相机入口。照片不会立刻失去证据价值，但会先失去“默认可信”。
《Echo Isle》登陆 PC：一小时出头，把 2D《塞尔达》的冒险压到最小
The Verge 评测独立游戏《Echo Isle》，认为它高度致敬《Link’s Awakening》，但重点不是复古皮相，而是把经典 2D《塞尔达》的探索循环压缩到一小时出头。它的地图只有 25 个格子、一个村庄和四个地牢，删掉快速旅行、弹药和金钱管理，只留下探索、道具、钥匙、Boss 和推进区域。对怀念老式 2D 冒险、又不想刷清单的 PC 玩家来说，短流程反而是它的卖点。
Hallucinate 的两周画廊：图片很多，社区还没长出来
Hallucinate Gallery 是一个来自 Show HN 的公开照片流页面，展示约两周内用户生成或上传的图片缩略图、时间戳、点赞数，并引导用户“Join the Rave”。页面在 6 月 11 日到 13 日能看到密集图片流，但多数点赞停在 0-3，说明内容产出不等于社区互动，真正要看的不是图多不多，而是用户有没有持续回来参与的理由。
2000 台旧 Pixel 进机房：低碳云计算的难点，不是环保，是管住
UC San Diego 在 Google 支持下，计划把 2000 台退役 Pixel 手机拆出主板，组建低碳计算集群，预计 2026 年秋季上线。关键不在“旧手机再利用”有多好听，而在消费电子剩余算力能否变成可维护、可调度的基础设施。它最先影响的不是大型云厂商，而是大学课程、开发者教育和轻量科研任务。
Tribeca 的 AI 短片提醒好莱坞：提示词还不是电影工业
2026 年 Tribeca 电影节展映了多部 AI 参与制作的短片，但多数仍停在实验感和片段感里。Google DeepMind 与 Connie Qin He 合作的《Dear Upstairs Neighbors》更有参考价值，因为它靠的是人类美术、Maya 粗动画和定制版 Veo / Imagen，而不是一句提示词直接生成成片。对片厂和影视团队来说，AI 更可能先进入项目定制工具链，而不是替代整套电影工业。
FBI造了一个假小镇：网络安全开始按真实灾难训练
FBI在阿拉巴马亨茨维尔建了一个2.2万平方英尺的封闭仿真小镇，用真实设备、隔离网络和200多台服务器训练执法人员。重点不在造景，而在网络攻击已经会拖垮医院、电力、企业和城市服务。训练是正道，但数字取证依赖未披露漏洞，也把政府破解能力的边界问题推到了台前。
Paca 开源亮相：它想做的不是轻量 Jira，而是让 AI Agent 进 Scrum
Paca 是一个 Apache 2.0 开源、自托管的项目管理工具，可用 Docker 或安装脚本部署，定位为 Jira、Trello、ClickUp、Monday 的轻量替代品。它真正值得看的地方，是把 AI Agent 放进 Scrumban board、sprint、backlog 和目标里，而不是只加一个 AI 聊天框。现在适合小团队和 Agent 探索型团队试水，但还不适合直接替换成熟企业项目管理系统。
Mozilla 老员工离职信：Firefox 真正危险的不是小众，而是失去社区信任
一名在 Mozilla 工作超过 15 年的员工公开离职长文，最后工作日为 6 月 12 日，正式离职日为 7 月 21 日。\n他的批评重点不是 Mozilla 短期缺钱，而是领导层用 DAU、大厂产品和创业公司逻辑管理一个开源社区。\n对 Firefox 用户和开发者来说，关键问题不是要不要立刻换浏览器，而是 Mozilla 还愿不愿意把社区当合作者。
45 分钟、20 欧元，一个 AI 牧羊犬游戏说明了什么
一名开发者用 Anthropic 新发布、被称为“过于危险”的模型，一次生成了自己构想多年的牧羊犬小游戏。结果是一个 2319 行、零依赖的 index.html，耗时约 45 分钟，token 成本超过 20 欧元。它更像是一次强模型在高成本、清晰目标下跨过原型门槛的案例，还不是“游戏开发一键完成”的证据。
Fable 5 被切断访问：真正变贵的是最强 AI 模型的使用权
美国政府要求 Anthropic 停止向全球外国公民开放 Fable 5 和 Mythos 5，范围包括在美国境内的外国公民和公司外籍员工。Anthropic 称无法可靠区分用户身份，于是暂停所有用户访问这两个模型，其他 Anthropic 模型不受影响。关键争议不是模型已经被证明多危险，而是政府能否用不透明程序决定谁能使用最强 AI 模型。
高性能 C++ 的冷账本：真正贵的不是计算，是数据离核心太远
6IT 放出《Efficient C++ Programming for Modern 64-bit CPUs》第 4 章草稿，核心是用 CPU 物理距离、缓存层级、分支预测、TLB 和存储延迟解释 C++ 性能成本。关键判断很朴素：现代高性能 C++ 不是语法花活，而是管理数据移动。对 C++ 和后端工程师来说，下一步不是先改代码，而是先量 cache miss、分支失败、TLB 压力和落盘延迟。
Fable 5 被一键下线后，闭源大模型的风险藏不住了
美国政府对 Anthropic 的 Fable 5、Mythos 5 下达出口管制指令，禁止外国国民访问，Anthropic 随后将两款模型全球下线。直接用户损失可能有限，但信号很硬：依赖美国闭源前沿模型的应用，随时可能被政策开关切断。
Andrew Yang 改卖低价手机套餐：降生活成本，会是 AI 时代的新生意吗？
Andrew Yang 把下一波创业机会押在“帮美国人少交钱”上，先用 Noble Mobile 试水低价、返利型无线通信服务。这个方向抓住了 AI 时代的真问题：工资、岗位和购买力被挤压后，省钱本身会变成产品价值。难点也很硬：低毛利消费业务不缺道德叙事，缺规模、获客效率和资本耐心。
Anthropic 模型被临时叫停：AI 发布会开始有“国家安全刹车”了
Anthropic 在 Fable 5、Mythos 5 发布数日后，因美国商务部出口管制指令关闭两款模型的所有用户访问，其他模型不受影响。真正重要的不是一次下架，而是前沿 AI 发布正在进入政府可临时踩刹车的新阶段。
Anthropic最强模型被美国政府全球关停，安全叙事反噬了商业发布
美国政府以国家安全和出口管制为由，要求 Anthropic 立即关闭 Claude Fable 5 和 Claude Mythos 5 的全球访问权限，公司已执行但公开反对。真正关键不在于模型已被证明造成重大安全事故，而在于 Anthropic 长期强调“高风险模型”的安全叙事，正在变成监管介入商业发布的证据材料。
Claude Mythos 5 和 Fable 5 暂停访问：比宕机更麻烦的是上游开关权
Anthropic 状态页显示，Claude Mythos 5 和 Claude Fable 5 已暂停访问，时间为 Jun 13, 2026 00:50 UTC，当前状态是 Monitoring。受影响入口包括 claude.ai、api.anthropic.com、Claude Code 和 Claude Cowork。真正的冲突不在“又停了一次”，而在前沿模型必须同时满足安全治理和业务连续性，这两件事天然拧巴。
开源 AI 的关键问题：不是免费模型，而是谁能运行智能基础设施
《Open Source AI Must Win》把争论推到一个更硬的问题：AI 成为教育、科研、开发和公共服务的基础设施后，社会不能只靠少数封闭 API 租用智能。开源 AI 的门槛也被抬高了：不只是开放权重，还要可理解、可复现、可本地部署、可审计、可由社区治理。对开发者和政策制定者来说，下一步要看的不是口号，而是能不能真正独立运行。