封面提示词：wide shot, high angle, a Song Dynasty scholar wearing a Dongpo Jin and moon-white robes sitting alone in the center of a vast celestial courtyard, white jade ground flooded with liquid moonlight, his shadow cast sharply on the ground like a second person, looking up at a giant moon in which the faint blurry silhouette of another face is barely visible, no other figures, total solitude, surrounded by empty jade pillars and cloud mist, Han Chinese ethnicity, broad face, flat cheekbones, wide-set eyes, thick eyebrows, foreground pillars and mist as framing, vast negative space between the lone figure and the giant moon, 35mm film grain, Kodak 5247 film stock, silver-white moonlight flooding the entire scene, minimal color, faded film, soft contrast, 1970s Hong Kong cinematic look, extreme negative space, wabi-sabi, profound loneliness, dreamlike --no text, typography, watermark, modern elements, curly hair, Japanese, Korean, anime, manga, K-pop, J-pop, narrow face, protruding brow, angular jaw --ar 16:9 --sref 2116795492 2698223612 --profile ewz6eee e6wl24r --hd
上周精选✦
Open AI 发布自研芯片 Jalapeno
感觉 AI 领域的竞争已经到了下一个阶段：现在大家除了拼模型能力以外，也在拼成本以及整个供应链的整合。
OpenAI 发布了他们自研的第一代芯片，而且直接击败了英伟达、AMD 和谷歌所有可比可测芯片的推理 ASIC。
这款芯片专为大语言模型推理从零设计，从 2024 年中开始设计到流片只用了 16 个月。
它是通用的推理芯片，并非只能跑 OpenAI 自己的模型。在文章展示中，他们测试了 DeepSeek R1 以及 Kimi 2.5 的推理效率，可以跑各种模型和工作负载，甚至能跑 Doom 游戏。
目前该芯片只有工程样品，量产爬坡会在 2027 年开始，大部分产能预计在明年年底铺开。
这款芯片专门针对每瓦性能（能效比）进行设计。因为当前数据中心的核心瓶颈是电力，而非预算或占地面积，所以它必须在极低功耗下实现尽可能高的推理效率。
它的每瓦吞吐量全面碾压英伟达的 Blackwell，甚至超过了采用 HBM4 的 Rubin：
DeepSeek R1 超过 700 token/s/用户
GPT OSS 超过 1400 token/s
Kimi 2.5 接近 700 token/s/用户
值得一提的是，OpenAI 尚未发布的 Astra AI 模型也深度参与了这款芯片的设计，这或许是它拥有极高能效且开发周期极短的关键原因。
芯片团队通过 Codex 和 GPT Astro，在两个月内把三个原本不在生产计划内的开源模型优化到了最高性能；AI 生成的部分模块比人类专家编写的模块还要快 1.5 到 1.8 倍。
颇具讽刺意味的是，跑在英伟达 GPU 上的 OpenAI 模型，正在帮助设计旨在击破英伟达 CUDA 护城河的芯片。
OpenAI 的下一个目标是达到 100MW 的部署规模，并计划于今年年底开始在自家的基础设施中正式部署该芯片。
Hugging Face 发布可自定义的 AI 机器鸭玩具
上周最火的玩具，是 Hugging Face 之前收购的一家公司 Pollen Robotics 发布的一个叫 MicroDuck 的机器鸭，售价 399 美元。
它是一个 25 厘米高的开源双足机器人：
- 硬件与感知：身上有 15 个电机，配有一个可开合的鸭嘴能够捡起东西；感知方面包括 1 个摄像头、1 个深度传感器和 2 个 IMU；共有 4 种配色。
- 交互与基础能力：支持语音和视觉交互。本身自带 7 个训练好的策略，包括走路、坐下、起身、踢、用嘴抓取东西、装上轮滑后滑行，以及摔倒后自动爬起。
- 开发与生态：用户可以通过强化学习教它新动作。官方提供了仿真训练工具，支持仿真训练后一步部署到真机、微调并再次部署，也可以把动作开源到社区（比如有人就训练它后空翻）。它的 SDK 以及完整的 RL（强化学习）训练栈都是开源开放的。
它销售首日销售额就超过了 260 万美元，已经卖出 6,500 台。本来官方准备在圣诞节前交付，但现在官网已经说明无法保证在圣诞节前交付了。
刚好最近有传闻说 Hugging Face 要被英伟达收购，没想到他们先整了个这样的大新闻。
Ox Alpha（GLM-5.3 Flash）发布并开源
智谱在上周发布了 GLM-5.3 Flash 模型，就是之前热度很高的 Ox Alpha 模型。
这是 GLM-5 系列首个原生多模态模型。它共有 3200 亿参数、每次仅激活 180 亿参数，在多项编程和智能体测试中超过 GLM-5.2，并以约十分之一的价格接近 Claude Opus 4.8 的表现。
模型采用稀疏注意力与线性注意力结合的混合架构，并引入 mHC 和 IndexPool，以降低长上下文的计算与显存开销。配合 30 万亿 token 的多模态预训练数据，它支持最长百万 token 上下文，也能通过观察界面、游戏和演示文稿等视觉结果，反复检查并改进自己的产出。
GLM-5.3-Flash 还在国产 AI 芯片集群上完成了规模化部署，经过推理引擎、量化和任务调度优化，整体服务性能提升了三倍。模型权重已以 MIT 许可证开放，并支持通过 API、ZCode 以及 SGLang、vLLM 等框架使用。
我自己也测试了一下，这个确实非常不错。尤其是以这样一个价格，也就是跟 DeepSeek V4 Flash 差不多甚至更低的价格，达成了远超 DeepSeek V4 Flash 和 V4 Flash Vision EXP 的效果。
大家现在都发现了：前沿模型固然重要，但这种能干活、价格低廉的模型同样重要。现在 AI 的渗透率其实很受限，很多人没办法体验就是因为前沿模型太贵了；要培养用户的付费和使用习惯，还是得有一些便宜好用的模型给大家用。
所以随着千问 27B、GLM 5.3 Flash，感觉还有那个 GPT Luna，后面大家会越来越多地做这样的模型。整个模型市场正在向两头卷：一头是卷能力强且便宜，另一头则是卷最前沿但也最贵的。
