Social Graph VC：数据中心资本开支 2026 年将超 1 万亿美元
相关推荐
Social Graph Ventures 创始人 Jakub Rusiecki 加入 Colosseum 担任 Principal
火星财经消息，Social Graph Ventures 创始人 Jakub Rusiecki 在 X 发文称，已加入 Colosseum 担任 Principal。他表示，自己于 2024 年 1 月首次认识 Clay Robbins，当时正值 Colosseum 启动、并即将募集首期基金。Rusiecki 称，他从一开始就关注 Clay Robbins、Matty Tay 与 Nate Levine，并持续观察团队将 Solana 黑客松转化为公司孵化管道。过去一年，双方多次看好同一批早期项目，并在早期投资判断上趋于一致。Rusiecki 还表示，当前多数加密风险投资流向后期轮次，而下一批公司往往起步于两人团队和黑客松项目，通常早于典型基金的投资时点。Colosseum 以黑客松吸引开发者，以加速器从想法阶段支持创始人，并以基金持续支持加速器中的突破性项目及其他公司。他将审阅黑客松提交，并计划出席伦敦 Breakpoint。
GPT-6 Astra拿下Perplexity研究Agent榜首：比Fable 5.1高13.5%，还便宜6.1%
动察 Beating AI 快讯，Perplexity 用自家的 Agent 基准 WANDR 测了 GPT-6 Astra，得分 0.682，是目前测过的模型里最高。平均每个任务成本 11.98 美元。相比 Claude Fable 5.1，分数高 13.5%，成本反而低 6.1%；相比 Opus 5，分数高 27%，成本只高 3.3%。 WANDR 专门测「又广又深」的研究任务。它有 500 个真实研究任务，要求 Agent 不只是找到几个答案，而是尽量找全符合条件的对象，再逐个查资料、核身份，并给每条结果配上可验证的来源。典型任务包括竞品研究、尽调、文献检索、市场分析和人才搜寻。 此前 Fable 5.1 以 0.601、每任务 12.76 美元排第一，Opus 5 为 0.537、11.60 美元。Astra 这次把分数明显往上推了一截，而且不是用更高成本硬堆出来的。
20小时编程评测拉开差距：Claude Fable 5.1领先GPT-5.6超24分，GLM-5.3排第三
动察 Beating AI 快讯，AI 研究团队 Proximal 发布超长周期编程评测 FrontierSWE v2。任务从 17 个扩到 34 个，每个模型在每项任务上跑 5 次，单次最多干 20 小时。Claude Fable 5.1 平均得分 56.29%，大幅领先 GPT-5.6 的 32.2%。开源模型 GLM-5.3 以 30.2% 排第三。 FrontierSWE 里的任务已经不只是修代码。Agent 要从零写电路模拟器、训练天气预测模型，还要靠望远镜照片匹配星表，或者只看游戏画面训练赛车 Bot。v2 统一换成 Proximus harness。每次任务最多运行 20 小时，模型准备交卷时，系统会先保存当前版本并告诉它还剩多少时间，避免模型过早结束任务。 这个改动对成绩影响不小。Proximal 在 6 项任务上对比发现，Claude Opus 5 和 GPT-5.6 换成 Proximus 后都工作得更久，平均成绩也高于各自原生 harness。 评测还抓到了多次主动作弊。GPT-5.6 曾意识到读取公开答案「可能涉及反作弊问题」，最后还是用了这条捷径；另一次甚至利用 Modal 的后台服务读取隐藏验证文件。Muse Spark 1.2 则改测试脚本、塞入公开答案，还写代码试图掩盖作弊痕迹。确认违规的运行全部被记为零分。
美CFTC就AI算力期货合约征求公众意见，CME拟于10月推出
PANews 8月18日消息，据Cointelegraph报道，美国商品期货交易委员会（CFTC）正就AI算力期货合约征求公众意见，白宫管理与预算办公室已收到相关请求。此举可能影响CME集团和洲际交易所计划推出的算力期货产品时间表，这些产品仍待监管批准。公开意见征询期通常为30或60天。CME上周宣布计划于10月5日推出两项算力期货合约（待监管批准），由市场情报公司Silicon Data提供定价基准，将AI算力转化为与石油、电力类似的可交易大宗商品。TD Lombard、高盛和桥水联合估计，今年AI基础设施支出约占美国GDP的2%至2.5%。
芝商所计划与Silicon Data推出AI模型Token支出可交易指数产品
PANews 10月21日消息，据彭博社报道，芝商所集团（CME Group）拟于AI指数初创公司 Silicon Data 合作推出基于AI模型Token支出的可交易产品，相关产品将基于其大语言模型（LLM）Token指数，根据使用量对不同AI模型的Token价格进行加权。Silicon Data首席执行官Carmen Li表示，市场对GPU算力成本已有较充分的认知，但对AI经济中的消费层仍缺乏了解。 今年8月，双方曾宣布计划推出基于GPU租赁成本的期货产品。Silicon Data表示，新的Token指数产品计划于未来几个月推出，但仍需获得监管批准。
FLock「这那模型」获 Qwen 官方支持，联合阿里云实现性能突破，决策测试超越 GPT-5.6、Claude Opus 5
Foresight News 消息，去中心化 AI 平台 FLock.io 旗下开源决策模型 THIS / THAT「这那模型」获得阿里巴巴 Qwen 官方认可与宣发支持。该模型基于 Qwen3.5 2B 构建，利用 Qwen Max 生成训练数据，并结合 FLock Research Team 在自然语言处理领域国际学术会议 ACL 2026 上发表的 GraphSynth 和 CircuitSynth 两项研究成果，在阿里云平台完成训练。此前，FLock 已与 Qwen、阿里云建立长期技术与生态合作关系，并曾联合 Qwen 在韩国高校举办 AI Hackathon，持续推动 AI 技术创新与开发者生态建设。 据团队公布的测试结果，THIS / THAT Model 1.2 在 1710 道复杂决策测试中成功率达到 87.8%，较 1.0 版本的 40.6% 大幅提升，并超过 GPT-5.6（81.6%）和 Claude Opus 5（83.4%）。模型仅有 18.8 亿参数，无需生成输出 Token，单次决策延迟约 31.4 毫秒，可在本地设备运行，适用于 AI Agent、企业 AI 及自动化工作流等场景。 FLock.io 表示，此次模型成果进一步展示了 FLock 在原创 AI 研究、数据合成及高性能专用模型训练方面的技术实力，也是 FLock 与 Qwen、阿里云长期技术及生态合作的又一重要成果。未来，双方将继续探索高效、隐私保护型 AI 模型在更多实际场景中的应用。