OpenAI推出新基于GPT-4o的多模态模型，提高有害内容检测精度

Meta signs first AI data center deal in India with

为应对AI算力需求的指数级增长，Meta宣布筹建装机容量达168兆瓦的专用大型电力设施，以支撑其全球AI计算。该设施采用模块化、可扩展架构，结合清洁能源与冗余供电系统，确保AI高强度训练的稳定运行。此举不仅打破了老旧公共电网的接入瓶颈，赢得时间优势，也折射出全球科技巨头在AI时代“算力即权力，电力是基石”的共识。随着大模型参数攀升与能耗剧增，自建绿色能源枢纽正成为行业标配，Meta此举标志着科技界能源军备竞赛的序幕，电力供应规模与效率将成为未来AI竞争的新制高点。

Scikit-LLM 与传统文本分类器：何时应使用大语言模型

生成式人工智能正逐步取代传统机器学习模型，成为文本分类等任务的主流方案。相比依赖人工特征工程的经典方法，大型语言模型凭借海量预训练带来的语义理解与推理能力，在复杂、模糊场景下表现更优，并支持零样本或少样本学习，大幅降低应用门槛与开发周期。尽管面临可解释性、幻觉与推理成本等挑战，行业趋势已不可逆：未来企业级文本分类将更多采用生成式AI与传统模型的混合架构，实现能力与成本的平衡。这一转变标志着AI从模式识别走向认知理解，并将随多模态发展拓展至更广泛的智能应用。

毕马威AI报告因事实错误被迫撤回，暴露幻觉隐患

在AI技术快速发展的背景下，主流大语言模型在回答关于AI自身的问题时频繁出现事实错误与“幻觉”，暴露出其在知识可靠性上的深层局限。根源在于模型基于真假混杂的互联网数据进行概率预测，缺乏真正的理解与权威判断能力，且易受自指循环与合成数据污染影响。为提升流畅性而弱化事实核查的行业倾向，加剧了用户对“AI即真理”的误信。当前业界正探索检索增强与对抗验证等方案，但落地有限。对普通用户而言，应对AI输出保持批判性思维，以权威来源交叉验证，维护信息准确性与技术信任的基石。

OpenAI前沿模型与Codex正式登陆AWS，企业可无缝集成

在全球生成式人工智能加速渗透企业核心业务的当下，云服务与模型能力的深度耦合正成为产业升级的关键变量。近日，OpenAI 旗下前沿模型（frontier models）以及代码智能工具 Codex 正式在亚马逊云科技（Amazon Web Services，简称 AWS）上全面开放，标志着企业客户可以在既有云环境中直接调用 OpenAI 的能力，而不必另起炉灶。这一变化不仅降低了技术试错成本，也为从评估走向规模化落地提供了更清晰的路径。

长期以来，企业在引入大模型时往往面临多重选择：是自建算力与模型体系，还是通过公有云接口调用现成能力？前者投入高、周期长，后者虽灵活却容易在安全...