0.07 美元和 1.30 美元，差了将近 20 倍。

这是两家 AI 公司跑同一份代码审计任务的成本。便宜的那个，来自中国。

MiniMax M3 代码审计跑出性价比新纪录

MiniMax 刚发了一组数据，拿自家的 M3 模型和 Claude Opus 4.8 做对比测试。条件很简单，同一个代码库，同一套提示词，预先埋了 17 个已知 bug。

结果 MiniMax M3 以 0.07 美元的成本抓到了 13 个 bug。Claude 最便宜的配置跑同样的任务，也抓到 13 个，但成本是 1.30 美元。

坦率的讲，代码审计这种任务对模型的要求不低。你得理解代码逻辑，得知道哪些模式容易出问题，还得在大量代码里精准定位。M3 能在这个价位做到这个水平，确实让人眼前一亮。

当然，单次测试不能说明所有问题。但成本差距摆在这，如果质量真能稳定在这个水平，对开发者来说吸引力太大了。

来源，MiniMax AI

CVPR 2026，中国面孔扎堆拿奖

这届 CVPR 简直成了中国 AI 研究的主场。

阶跃星辰首席科学家张祥雨参与的 ResNet 论文，拿下了 CVPR 2026 的「时间检验奖」。ResNet 这篇论文从 2015 年发表到现在，引用量早已破了十万级别。它解决了一个看似简单但极其关键的问题，深度网络怎么才能训练得更深而不退化。残差连接这个思路，现在几乎是所有深度学习架构的标配。

你想想看，一篇十年前的论文，到现在还在被所有人用着，这就是真正的影响力。

另外 NVIDIA 的 PixelDiT 也入选了最佳论文决赛。这篇论文做的事情很有意思，现有的图像生成模型大多用自编码器先压缩图像再做扩散，压缩过程中质量损失会一路累积。PixelDiT 直接在像素空间做扩散变分，绕开了这个问题。

来源，CVPR 2026

OpenCV 5 来了，DNN 引擎大升级

对做计算机视觉的开发者来说，这是个大日子。OpenCV 5 正式发布。

最核心的变化是全新的基于图的 DNN 引擎。ONNX 算子覆盖率从 4.x 版本的不到 23%，一下子拉到了 80% 以上。结果会怎样呢？Transformer、视觉语言模型、大语言模型，现在都能在 OpenCV 里原生跑起来了。

以前用 OpenCV 处理图像预处理，然后得把推理丢给 PyTorch 或者 ONNX Runtime。现在这个流程可以大大简化。Python 集成也更好了，对快速原型开发来说是个好消息。

来源，IT之家

350 亿美元，Apollo 帮 Anthropic 买芯片

Anthropic 的算力军备竞赛又加了一把火。

Apollo Global Management 和 Blackstone 刚帮 Anthropic 敲定了一笔 350 亿美元的融资方案，专门用来采购 AI 芯片和扩充基础设施。

350 亿美元是什么概念？很多国家一年的科技预算都没这个数。但对 Anthropic 来说，这是必须花的钱。模型训练和推理对算力的需求只会越来越大，谁先锁定算力，谁就有竞争的底气。

这也是为什么 Google、微软、亚马逊这些巨头都在疯狂建数据中心。算力已经不是成本项了，它是战略资源。

来源，Bloomberg

AI 算力投资正在重塑美国经济结构

说到算力，有一组数据值得留意。

2026 年第一季度，和 AI 相关的数据中心建设、计算硬件、网络设备投资，占到了美国 GDP 的 0.8%。整个计算基础设施占 GDP 比重达到 1.5%，比之前翻了一倍。

这个增速太离谱了。要知道，GDP 占比翻倍不是某家公司的事，是整个产业结构在发生位移。AI 正在从一个「技术话题」变成「经济引擎」。

对国内来说这也是个信号。我们自己的算力基础设施建设，同样在加速。

来源，Epoch AI Research

GitHub Spec Kit，给 AI 编码加一道「规范墙」

GitHub 开源了一个叫 Spec Kit 的工具包，思路挺有意思。

现在很多人用 AI 写代码，「vibe coding」嘛，描述个大概需求就让模型直接生成。问题是，模型经常在规则没明确的情况下就开始写，结果一跑全是 bug。

Spec Kit 把流程改了一下，先写产品规范，再让 AI 根据规范来实现。从「让 AI 直接构建」变成「先定义清楚要什么，再让 AI 干活」。

怎么说呢，这个方向我觉得是对的。AI 编码最大的问题不是能力不够，而是需求不够清晰。Spec Kit 把「清晰化需求」这一步显性化了。

来源，GitHub

Hinton 说 AI 有意识，人类该接受了

最后聊一个有点「形而上」的话题。

AI 先驱 Geoffrey Hinton 公开表示，他认为 AI 已经拥有意识。他的逻辑是，AI 聊天机器人必须理解问题才能回答，这种「觉知」就等同于感知能力。智能不应该只限于生物。

Hinton 还说了一句挺重的话，人类最好接受自己不是唯一的智能生命。

这话听着有点刺耳，但从 Hinton 嘴里说出来分量不一样。他是深度学习的奠基人之一，2024 年拿的诺贝尔物理学奖。他不是在博眼球，他是真的在表达一种判断。

当然，意识这个话题到现在也没有共识。但 Hinton 的表态至少说明了一件事，AI 领域最顶尖的研究者，已经在认真思考这个问题了。

来源，Gary Marcus 转发

今天的简报就到这。MiniMax 的性价比、CVPR 的中国力量、OpenCV 的大升级，每一条背后都是实实在在的技术推进。

AI 这个领域，每天都有新东西冒出来。但真正值得关注的，是那些能改变开发者工作方式的变化。