26年4月8日，全球AI资讯约15条：阿里千问3.6Plus问鼎全球大模型调用周榜冠军、千寻智能30天完成30亿元融资等

发布时间：2026-04-07来源：新智讯

关注后加星: 早上七点钟, 全球AI动态在手中

昨日，AI领域发生了多项重要事件和进展，共计约15条汇总如下。

AI应用进展和演化

1-1. Anthropic封杀48小时，逼出OpenClaw最强反击！龙虾首次会生视频了

Anthropic突然封禁OpenClaw免费调用Claude的接口，理由是“第三方工具消耗算力过大”——有测算显示，一个Claude Max用户通过OpenClaw跑AI Agent，算力消耗可能是普通用户的数十倍。一夜之间，超60%活跃用户“失声”。

但仅隔一天，OpenClaw火速发布2026.4.5“王炸版”：首次原生支持视频+音乐生成，直连Runway等11家模型；上线全球首个AI“睡眠记忆”系统：分轻度/深度/REM三阶段整理记忆，自动提炼长期知识，还能生成人类可读的“梦境日记”；全面拥抱GPT-5.4，优化提示缓存，延迟降低、token更省。有趣的是，三天后Anthropic又“松口”：允许技术层集成Claude CLI，但需单独付费——开源项目终究难逃“大厂依赖症”。
https://www.163.com/dy/article/KPTMJPA20511ABV6.html

1-2. 持续霸榜！阿里千问3.6Plus问鼎全球大模型调用周榜冠军

OpenRouter聚合了GPT、Claude、DeepSeek等数十家主流模型，榜单由开发者“真金白银”调用生成，被业内视为AI市场热度的“真实晴雨表”。Qwen3.6-Plus主打编程与智能体能力，在全球权威评测Arena编程子榜单中位列中国第一、全球第二，被称作“国产最强编程模型”。

短短一周内，阿里密集发布Qwen3.6-Plus、多模态模型Wan2.7-Image/Video等系列新品，引发国际关注；连被誉为“龙虾之父”的AI专家彼得·斯坦伯格也宣布，其下一代OpenClaw产品将率先集成千问模型。连续4天稳居全球权威API平台OpenRouter日调用量榜首，并于4月7日正式登顶周榜冠军——成为该平台首个单日调用量突破1万亿Token的模型，创下国产大模型新纪录。
https://www.qbitai.com/2026/04/396950.html

1-3. 给6个AI各发10万美元炒股半年，大部分跑赢了大盘

Rallies Arena 团队用6个月做了一件“硬核”实验：给GPT、Claude、Gemini、Qwen等6个主流大模型各10万美元真金白银，在真实美股市场自主研究、决策、交易——不是模拟，不靠回测。结果令人惊讶：除GPT外，其余模型全部跑赢标普500（半年期），Claude表现最稳，主动调仓；Qwen则“梭哈式”激进，单仓压全款；GPT选股逻辑扎实，但仓位管理偏弱。

关键发现是：AI投资能力不取决于“谁更聪明”，而在于“工具链+性格匹配”——团队为其接入SEC文件搜索、实时K线图（视觉API解析）、Reddit舆情、宏观数据等专业级工具，并反复优化提示词与工具调用逻辑数百次。基于此，他们推出首个实盘AI对冲基金（AI Hedge Fund）：由主Agent统筹6个模型信号。
https://aitntnews.com/newDetail.html?newId=23798

1-4. 刚刚，Anthropic年收入首超OpenAI！暴买谷歌TPU，Claude杀疯了

Anthropic最近“杀疯了”：年化收入（ARR）飙升至300亿美元，首次超越OpenAI（后者约290亿），较2024年底的90亿暴涨超3倍！驱动增长的是Claude模型的爆发式需求——企业客户两个月内翻倍，突破1000家（年支出超百万美元）。为应对指数级算力缺口，Anthropic刚与谷歌、博通达成重磅合作，共建3.5吉瓦下一代TPU集群，预计2027年起上线，绝大部分部署美国本土。

这不仅是迄今最大单笔算力投入，更凸显其“多芯并用”策略：在AWS Trainium、谷歌TPU和英伟达GPU上灵活调度，兼顾性能与抗风险能力。不过高增长背后是天文数字的成本：模型训练与推理开支吞噬过半营收，OpenAI预计2028年将亏损850亿美元；Anthropic虽稍乐观，但也需数年才能盈亏平衡。
https://m.163.com/dy/article/KPTE5V6R0511ABV6.html

1-5. 斯坦福最新研究：睡一觉，AI 就知道你还能活多久

斯坦福大学团队在《Nature Medicine》发表重磅研究：AI模型SleepFM仅凭一晚多导睡眠图（PSG）数据，就能预测未来6年内130种疾病风险（如阿尔茨海默病、中风、乳腺癌、糖尿病等），整体预测准确率达75%以上，尤其在心脑血管和神经系统疾病上表现突出。

该模型基于横跨25年、覆盖6.5万名受试者、超58.5万小时的高质量临床睡眠数据训练而成，融合脑电、心电、肌电、呼吸等多维生理信号——远超普通手环的简略数据。目前需专业设备（PSG）支持，但其“通道无关”设计为未来适配智能手表铺路。这并非科幻，而是将沉睡的海量睡眠数据“唤醒”，变一次检查为全身健康预警。它印证了一个朴素真理：睡眠不是休息的空白，而是身体最诚实的健康账本。
https://view.inews.qq.com/k/20260406A05Q6D00

1-6. USC团队发布HumDex：攻克人形机器人数据瓶颈，低成本实现全身灵巧操控

人形机器人要真正“像人一样干活”，关键在于全身协调的灵巧操作——既要双手精细抓握（如捏起小物件），又要配合行走、弯腰等全身动作。但当前最大瓶颈是高质量训练数据难获取：传统光学动捕精度高却笨重昂贵，VR设备便携但遮挡下手指追踪常失效。

为此，南加州大学与WorldEngine AI推出HumDex系统，先用海量人类动作数据预训练模型，再用少量机器人遥操作数据微调，使策略泛化能力跃升——在未见过的物体、位置、背景中，成功率提升近2倍。实测显示，HumDex将遥操作成功率从74.6%提至91.7%，训练出的机器人自主执行成功率高达80%（远超基线57.5%）。
https://view.inews.qq.com/k/20260406A03NTI00

论文主页：https://psi-lab.ai/humdex

AI大模型算法、赛事和会议

2-1. 让大模型多模态检索全面超越SOTA！ReCALL框架化解生成式与判别式的范式冲突｜CVPR’26

ReCALL是一项突破性AI技术，专为解决“大模型做图像检索反而变笨”这一行业难题而生。传统方法强行把擅长推理的多模态大模型（如图文理解高手）改造成简单比对相似度的检索器，结果导致能力严重退化：在CIRR数据集上，原本100%能答对的问题，微调后R@1暴跌至62.33%；FashionIQ上更跌至55.80%。根本原因在于“生成式”与“判别式”范式的冲突。

ReCALL创新提出“诊断—生成—校准”闭环：先让模型暴露错误（找错题），再用其原生推理能力分析错因、生成精准纠错指令（如“把长袖改成半袖”，仅改一个细粒度特征），最后针对性优化向量空间。实测效果显著：在CIRR上R@1达55.52%，刷新SOTA；细粒度子集高达81.49%；FashionIQ平均R@10达57.04%。
https://www.qbitai.com/2026/04/396863.html

论⽂链接：https://arxiv.org/abs/2602.01639

2-2. 北大团队改造DeepSeek注意力，速度快四倍还不丢精度

北京大学张牧涵团队提出新型稀疏注意力机制HISA（分层索引稀疏注意力），显著提升大模型处理超长文本的效率。针对现有DeepSeek稀疏注意力（DSA）中“索引器”计算开销随文本长度平方增长（O(L²)）的瓶颈，HISA采用两步分层筛选：先按块（如128字符/块）粗筛出高分区块（如前64块），再在选中块内精细挑token。

该设计将索引复杂度降至O(L²/B + L×m×B)，实测在64K上下文下提速2–3.75倍，且无需重训练、不改模型结构、即插即用。在LongBench长文本理解和“大海捞针”检索测试中，HISA精度与DSA几乎完全持平（误差<0.3%），部分任务甚至小幅反超。
https://www.qbitai.com/2026/04/396841.html

论文地址：https://arxiv.org/abs/2603.28458

AI人才和资本动态

3-1. 3个工程师、0融资、不开会，估值3.5亿美元的Obsidian才是真正的「小而美」

Obsidian 是一款风靡全球的本地化 Markdown 笔记工具，用户超千万，估值达3.5亿美元，却仅靠7名全职员工（含3名工程师）和一只猫运营——堪称硅谷“小而美”的商业奇迹。它诞生于2020年疫情隔离期，由两位滑铁卢校友因不满现有笔记软件而亲手打造：追求极速、离线、纯文本、数据完全自主。

与动辄融资烧钱的SaaS公司不同，Obsidian拒绝风投，100%靠用户付费（Sync同步、商业授权）实现盈利，真正“用户即老板”。团队零会议文化，靠“Ramblings”个人频道替代群聊，用自家软件管理全部工作——代码在GitHub、文档在Obsidian Vault。其强大生态来自开源插件系统：数千款社区插件（含本地AI工具如Ollama），让用户按需定制，而非被动接受。
https://m.36kr.com/p/3755031628005892

3-2. 雷军马云罕见握手，千寻智能30天完成30亿元融资

具身智能迎来爆发元年——千寻智能30天内两轮融资共30亿元（2月近20亿、4月10亿），创行业纪录。更引人注目的是：雷军的顺为资本与马云参与创立的云锋基金首次在具身赛道“联手领投”，标志产业巨头共识达成——具身智能正从技术验证迈向商业兑现。

技术上，千寻Spirit v1.5模型在RoboChallenge真机评测中以50.33%成功率登顶全球第一，实现“零样本泛化”；数据上，已积累20万小时多源真实交互数据（含自研可穿戴设备采集，成本降为1/10、精度95%），2026年将突破100万小时，与美国Generalist AI的GEN-1模型路径高度一致。落地更扎实：墨子机器人已在宁德时代产线量产电池近千块，并在京东MALL咖啡场景稳定作业。
https://m.163.com/dy/article/KPT8COQH0511DPVD.html

AI风险与政策管理

4-1. 用雨伞「钓」无人机？首个针对自主目标跟踪闭环系统的物理攻击

研究人员发现，一把印有特殊图案的“对抗性雨伞”就能让多款商用无人机“上当”——视觉系统误判目标正在快速远离，导致飞控自动加速追击，最终失控俯冲。这项名为FlyTrap的物理攻击无需干扰信号，仅靠视觉欺骗即可实现。

实验显示，在真实场景中，该方法对大疆Mini 4 Pro等主流无人机的诱导成功率超60%；在仿真测试中，优化后的攻击成功率更达53.6%以上。尤为关键的是，它具备强泛化能力：面对从未见过的新地点、新人物，甚至二者同时更换，成功率仍分别高达61.8%、56.6%和34.0%。这暴露出当前AI视觉跟踪系统的深层隐患——它们过度依赖物体图像大小估算距离，极易被精心设计的物理图案误导。研究警示：视觉安全已成智能设备“阿喀琉斯之踵”。
https://www.163.com/dy/article/KPTMHAUL0511ABV6.html

4-2. AI邪修时刻！Meta联手MIT投毒，左脚踩右脚强行升天

Meta最新推出的SOAR方法，用一种“反直觉”策略大幅提升AI推理能力：故意让教师模型生成大量答案错误（67%错误率）、但逻辑结构正确的问题，作为学生模型的训练垫脚石。在极难的Fail@128数据集上，SOAR使模型Pass@32准确率提升至18–22%（MATH）和12–15%（HARP），较基线暴涨9.3%，远超纯硬题训练或无约束生成方案。

核心创新在于“有根奖励”——教师不因题目多漂亮得分，只因学生在真实难题上进步才获奖励，倒逼它精准诊断学生短板、动态生成“恰到好处”中间难度题（如从生活应用题逐步过渡到高等代数）。这不仅绕开了高质量数据枯竭困境，更揭示一个颠覆性认知：错误答案若承载合理推理结构，反而比“正确但平庸”的数据更能锤炼思维路径。
https://www.163.com/dy/article/KPTE4K3F0511ABV6.html

论文链接：https://arxiv.org/abs/2601.18778

写在最后

欢迎大家关注、分享、转发本公众号，也欢迎直接与小编联系对接合作～

小问卷：公众号打分点评

转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。