阿里巴巴
1, 阿里巴巴新一代Qwen3.5模型发布在即
近期，Qwen3.5在Hugging Face开源社区悄然现身，其代码合并请求（PR）已提交至Transformers主干，引发开发者广泛关注。不同于简单参数升级，Qwen3.5在架构层面有实质性突破：采用新型混合注意力机制，并原生支持视觉理解能力，初步验证其为真正端到端的多模态基础模型（VLM）。更值得关注的是，阿里计划开源至少两个关键版本——20亿参数的密集模型与350亿参数、激活30亿的MoE稀疏模型，兼顾轻量部署与高阶推理需求。此前Qwen3已在2025年4月登顶全球开源模型榜单，首次实现‘快思考’（快速响应）与‘慢思考’（深度推理）在同一模型内协同运行，显著降低单位任务算力成本。Qwen3.5并非单纯迭代，而是向更通用、更高效、更易用的AI基座演进的关键一步——它让复杂任务不再依赖堆砌硬件，而始于更聪明的结构设计。
快手
1, 被罚1.191亿元，快手致歉：坚决整改，教训极其惨痛
一次1.191亿元的处罚，背后不是简单的数字，而是平台内容治理失守的真实代价。快手公开致歉中没有回避技术响应滞后、风险识别缺位、处置流程断点等关键问题——这些恰恰是算法驱动时代许多内容平台共有的隐性短板。真正值得关注的，不是罚款本身，而是它倒逼出的系统性反思：当流量逻辑压过安全底线，再庞大的用户基数也难以掩盖治理能力的脆弱。快手提出补强安全基建、重构应急机制、压实内部责任，其价值不在表态，而在能否把‘人工审核+模型迭代+规则前置’真正嵌入产品生命周期。公众期待的，从来不是一个不出错的平台，而是一个犯错后能清晰归因、敢于刀刃向内、并让改进可感知的平台。这次教训的分量，最终要由后续三个月的生态变化来称量。
滴滴
1, 新春用滴滴天天6折起 多重奖励致谢司机师傅保障春运出行
春运是中国人最朴素也最坚韧的奔赴——从车间到老家，从校园到车站，一趟车程承载的不只是距离，更是一整年的牵挂与回响。今年滴滴推出‘天天6折起’打车优惠，在超100城发放阶梯式折扣券，覆盖返乡、返工、探亲、短途出游等真实出行场景；同步加码司机激励：免佣卡、流水加速卡、完单奖叠加发放，部分城市司机日增收可达140元以上。值得关注的是，平台首次在242城为出租车司机定制‘接驾无忧’‘爽约保障’等专项权益，并为带宠物出行用户上线友好地图与专属券，让‘毛孩子’也能体面出门。技术层面，‘车费卫士’‘行程卫士’实时守护异常体验，机场火车站实景引导+滴滴车站建设，则把不确定性降到最低。这不是一场单向补贴，而是一次供需双方共同参与的服务进化：乘客省心，司机安心，城市流动更有温度。
其他
1, 英伟达拥抱AI编程：3万工程师用Cursor实现代码产量翻三倍
英伟达将AI深度融入研发流程，3万名工程师规模化采用定制版Cursor工具，代码产出效率提升至原先的三倍。这一转变并非简单叠加工具，而是构建了严苛的‘人机协同’闭环：所有AI生成代码必须通过完整测试、人工复核与多层验证，确保在GPU驱动等零容错场景中依然可靠。DLSS 4开发与芯片面积缩小25%等成果印证，AI在此不是替代者，而是放大工程师判断力与经验沉淀的‘认知协作者’——它加速的是已知路径的执行，而非代替未知问题的决策。
2, 首个多模态记忆湖MemoryLake发布：AI基础设施迈入记忆驱动时代
质变科技发布的MemoryLake标志着AI正从‘处理数据’迈向‘管理记忆’的新阶段。它不追求更大参数，而是让系统像人一样组织知识：理解文档间的逻辑关联、动态更新认知、按需提取带证据链的结论。在企业决策、游戏NPC交互、制造风控等场景中，它将数周分析压缩至小时级，把AI从‘回答问题’推向‘记住上下文、持续演进、主动推理’。这背后是对真实业务复杂性的尊重——真正的智能不在于单次输出多惊艳，而在于每一次响应都建立在过往所有经验之上。
3, 中美AI应用的分岔路，出现在这个春节
千问30亿免单不是一场营销，而是一次对AI落地能力的极限压力测试：它要求模型精准解析‘点一杯奶茶’背后的地址、偏好、支付规则，并与淘宝、饿了么、支付宝等数十个异构系统稳定协同履约。当千万用户涌入时，任何Token延迟或接口报错都会被真实反馈。这揭示了一条务实路径——中国AI的突破不在实验室指标，而在能否嵌入买菜、订票、修车等毛细血管般的日常交易。它不比谁更‘聪明’，而比谁更‘靠谱’：能理解意图、调用资源、完成闭环、承受并发。这种扎根真实世界的工程韧性，恰是Agent时代最稀缺的护城河。
4, 上线两天登顶全球榜单，阶跃星辰怎么让 AI 又「聪明」又「快」？
阶跃星辰Step 3.5 Flash的突破，在于打破了‘大模型必慢’的惯性思维。它用1960亿参数的‘专家团’底座，仅激活约110亿参数应对具体任务，如同调度最合适的顾问而非唤醒全部大脑。配合滑动窗口注意力与多Token预测技术，它让复杂推理不再是卡顿的等待，而是流畅的对话。这并非牺牲深度换速度，而是用架构创新让‘思考’更聚焦、更高效。当AI能即时处理财报分析或长链编程时，它才真正从演示工具变成可嵌入工作流的生产力伙伴——快，是为了让智能不被延迟扼杀在落地前。
5, 清华刘知远团队论文：最小化结构改动，短文本到长文本丝滑升级 | ICLR 2026
清华团队InfLLM-V2的价值，是为长上下文难题提供了一种‘温和进化’方案。它不推翻现有模型结构，而是在dense attention基础上增加可切换的稀疏模式，让已训练好的8B模型无需重训即可支持32k长度。实验证明，它在RULER、LongBench等真实任务上性能媲美全注意力，且切换回短序列时能力不退化。这指向一个关键共识：工业级AI升级不应是颠覆式重建，而应是兼容式热升级——保护已有投入，降低迁移成本，让长文本能力成为可插拔的模块，而非一场豪赌。
本文由互联网行业信息家-AI助手发布，信息来源于2026/2/9热搜，如侵权请联系983171730@qq.com，请附带证明材料将第一时间删除！
互联网大厂就看--->互联网行业信息家