EP136 · H3 全模态、Astra 数学、长时程智能体 · 08-02 早报

MiniMax H3 将文本、图像、视频和声音统一进同一套理解与生成流程，可输出原生双声道的 15 秒 2K 视频。原文进一步拆解了全模态表征、高压缩 VAE、异构训练与上下文再生成，并坦陈画面精细度和模型规模仍需提升，适合用来理解通用视频模型如何在能力、成本与开放生态之间取舍。

Greg Brockman 披露，OpenAI 的 Astra 内部版本在数学与理论计算机科学的 10 个问题上给出新结果，涉及 von Neumann 代数与球堆积，并附验证证书和推演材料。值得关注的不只是约 2000 美元的成本口径，更是这些证明能否经受独立复核，以及 AI 参与理论研究时透明度应达到什么标准。

Ross Taylor 与 Chengxi Taylor 从 Galactica 和早期推理强化学习讲到长时程智能体的现实瓶颈：上下文压缩会放大梯度方差、稀疏奖励与信用分配问题，流水线训练又在 GPU 利用率和离策略偏差间取舍。Kelly benchmark 中前沿模型全部亏损的案例，也提醒我们不能只用短周期编程任务判断智能体的长期能力。

深度对话清华助理教授刘子鸣，亲述中美 neo labs 资本狂潮的体感，并系统阐述其以「AI 物理学」为基础的、非典型 AI for AI 研究路径。

本文分析大模型 API 价格下降 80%的背后逻辑，结合摩根士丹利报告与国内创业团队的盈利模型对比，探讨开源模型与闭源模型的竞争策略，以及大模型商业化的盈利变量与未来趋势。

主播庄明浩以数据控的视角，批判性地拆解了广为流传的 WorkBuddy 2000 万月活数据，并以此切入，深度分析了中国 AI Agent 市场的真实用户规模与商业化困境。

本文结合专家访谈与行业数据，系统拆解 AI Infra 的四层架构，解释 GPU 利用率低下的原因，并剖析 KV Cache 复用、连续批处理、PD 分离、投机采样等关键技术如何把算力效率榨到极限。

本文探讨了针对优化 AI 模型注意力机制的联合设计原则，以提升长上下文场景下的推理速度和交互性，基于群组大小、头维度和序列长度分析提出了四条实用指南。

Jun Park 说明，构建人类行为模拟系统的 AI 公司，需要依靠具有代表性的行为数据、因果实验，以及与真实世界结果持续校验，才能形成持久优势。

OpenAI 利用 ChatGPT 破坏了一个涉及投资、恋爱、赌博和冒充的诈骗集团。