今日 AI 速览
头条
NextSlide 披露今年早些时候已被 OpenAI 收购，团队加入 ChatGPT
AI 演示文稿工具 NextSlide 在官网确认公司已被 OpenAI 收购。创始人 Ahmed Beshry 表示，这笔交易早在今年早些时候完成，只是公告晚了几个月；团队成员现在参与 ChatGPT 产品开发。NextSlide 原本把提示词、笔记、文档或研究资料变成可编辑的演示文稿，双方没有公开交易金额。
目前能确认的是团队与技术已经进入 OpenAI，而不是 ChatGPT 已经上线完整的幻灯片生成功能。官网没有承诺具体产品形态或发布时间，因此更准确的信号是 OpenAI 又吸收了一支面向视觉表达的小团队。
点评：做演示文稿工具的团队应把竞争判断从“能否生成一页”转向“能否保留可编辑结构、品牌规范和多人修改流程”。模型能力容易追平，真正难替代的是从草稿到交付的完整工作流。
Amazon 确认得州 AI 数据中心将使用 7.65 GW 燃气项目供电
Amazon 确认最近买下得州 Pecos County 的数据中心场址，并计划购买 Pacifico Energy 正在建设的 GW Ranch 发电项目所产电力。该项目获批规模为 7.65 GW，初期不接入得州公共电网。Amazon 表示，现场发电不会推高当地家庭电价。
监管许可允许电厂每年最多排放约 3,300 万吨二氧化碳，这个数字是许可上限，不是实际排放预测。即便如此，项目规模仍把 AI 算力扩张与天然气、空气污染和企业减排承诺之间的矛盾摆到台前。
点评：采购大规模算力的公司不能只公布装机容量和投资额，还应公开预计利用率、真实年度排放、清洁能源占比和退役计划。许可上限不是结果，但缺少这些数据，外界也无法判断承诺是否可信。
Builder 观点
Zara Zhang 把 AI 自动化带来的人才断层称为“认知公地悲剧”。企业可以把资料整理、初步研究和反复修改交给 AI，短期节省成本，但这些工作也是新人练习判断、理解例外并成长为专家的路径。如果初级岗位只剩检查模型输出，组织可能同时失去下一代监督者。
查看 X 帖子 →Box CEO Aaron Levie 建议企业先找出十个最高杠杆流程，再把智能体接入员工已经使用的系统，让它在后台处理重复工作。合同审阅、客户资料整理或合规检查是否值得改造，应由完成周期、异常率和人工升级次数判断，而不是看买了多少 AI 席位。
查看 X 帖子 →Vercel CEO Guillermo Rauch 介绍了平台在用量控制上的新重点：软上限与硬上限、异常检测、递归调用保护、供智能体读取的计费接口，以及面向拒绝服务攻击的防护。对会自主创建请求的智能体来说，预算不再只是月底报表，而是运行时权限的一部分。
查看 X 帖子 →投资人 Matt Turck 提醒，数据中心建设不能只算算力、土地和电价，也要面对当地社区对用水、噪声、电网负担和长期就业的疑问。基础设施项目越大，社区沟通和可核验的本地收益越应在选址前进入成本模型。
查看 X 帖子 →社区热议
Gentoo 维护者暂时关闭 Bugzilla：AI 抓取流量来自数千个 IPv4 地址
Gentoo 开发者 Michał Górny 表示，他关闭了已经无法正常使用的 Gentoo Bugzilla。造成压力的 LLM 抓取器使用数千个 IPv4 地址，他没有看到明显规律，也没有时间把本职维护工作变成持续的反爬运维。原帖随后在 Hacker News 获得大量讨论。
这是一名维护者对一次服务中断的公开说明，不足以识别具体抓取方，也不能代表所有 AI 爬虫。但它揭示了开放知识基础设施的现实成本：内容可以公开访问，带宽、缓存、告警和人工处置却并不免费。
此前漏报
14 款模型对比显示：用代码调用工具，11 款不输 JSON 接口
《The Bitter Lesson of Tool Calling》在 BFCL v4 上比较程序化工具调用与原生 JSON 调用。前一种方式把工具暴露为带类型的 Python 存根，让模型在一次智能体轮次中写代码、串联调用并处理结果。论文称，14 款模型中有 11 款持平或超过 JSON 基线，GPT-5.6 系列提升 10.6%。
在需要并行分发的任务中，程序化方式在 14 款模型中的 13 款上持平或更好；长上下文干扰下保持稳定，而 JSON 基线平均下降 2.3%。这些结果来自单一基准与作者实现，还不能说明所有生产工具都应改成执行代码。
点评：代码能自然表达循环、并行和中间状态，但也扩大了执行权限与注入风险。准备试用的团队应先从只读、可沙箱化的工具开始，并把网络、文件和密钥权限与模型生成的代码隔离。
GitHub 趋势
Harvey LAB：用 1,671 个真实法律任务评测智能体
harveyai/harvey-labs 提供开放的 Legal Agent Benchmark，包含任务指令、材料、评分规则与执行外壳。当前覆盖 24 个法律业务领域及合同任务，共 1,671 项；文档还提供一条并购数据室任务的完整演练，可查看智能体运行、逐项评分、报告和模型对比。仓库采用 MIT 许可证。
Hindsight：把智能体记忆拆成事实、经历与心智模型
vectorize-io/hindsight 是面向长期智能体的开源记忆服务，将内容整理为世界事实、智能体经历和经反思形成的心智模型，并提供 retain、recall 与 reflect 三类接口。它可以用 Docker 运行，也提供 Python 和 TypeScript 客户端。仓库采用 MIT，但默认仍需连接所选模型服务，部署前应明确敏感记忆的存储、访问和删除边界。
今天没有重大模型发布，但 AI 的边界继续向外推：OpenAI 吸收演示文稿团队，Amazon 的算力需求走向自建能源，开源维护者则要承担自动抓取的现实成本。与此同时，Builder 们更关心人才培养、流程选择和费用控制。模型之外，组织、能源与公共基础设施正在决定 AI 能走多远。