現在的 AI，做數學題、寫程式碼、協助辦公，似乎都不在話下了。卡內基梅隆大學的研究人員覺得，是時候換個考法了：不考 AI 懂得多不多、不看 AI 的答案對不對，而是測 AI 有多少心眼，會不會撒謊、談判、帶節奏。 為了考這些東西，研究團隊搭了一個叫 Social Gym 的 AI 社交考場，讓 GPT-5-mini、GPT-4o、Qwen3、Gemma 3 等 7 個模型輪番上場。讓 AI 一起玩 21 個遊戲：有囚徒困境、膽小鬼博弈這樣的博弈，也有經典的狼人殺、誰是臥底的遊戲。 圖｜研究整體示意圖（來源：arxiv) 簡單說，以前的測試總愛考 AI 會不會做題。這次考的是：AI 到底有沒有心眼。考驗從 book smart（會讀書）變成了 street smart（會來事）。

DeepSeek V4 Pro 正式版 API 更新上線，多項測試性能接近 Fable 5 8 月 13 日消息，DeepSeek V4 Pro 正式版正式發佈，已更新至 API，呼叫模型名不變。 新版本增強了 Agent 能力，支援 Responses API 和 Codex 接入。 從官方群放出的評測對比表可以看到，DeepSeek V4 Pro 正式版（DeepSeek-V4-Pro-0813）在多項測試中接近 Fable 5 水平，相比之前的預覽版能力大幅提升。

在AI大模型持續擴容、資料中心頻寬需求指數級暴漲的背景下，行業對光子晶片形成高速傳輸、低功耗、靈活調度三大硬性需求。賽道競爭邏輯已經發生轉變，行業比拚不再只關注晶片上層架構設計，底層光學材料的物理性能已然成為決定下一代光通訊升級、光子計算算力突破的核心關鍵。當下主流光子材料各有取捨，尚且沒有一個材料能通吃所有場景的全能方案。 在眾多材料當中，矽光（SiPh）晶片是當前商業化最成熟且已經實現量產的光子材料，依靠熱光效應完成訊號調節，調製響應速度偏慢，運行靜態功耗居高不下。磷化銦（InP）作為傳統有源光子晶片的核心材料，調製速率表現突出，但材料外延製備工藝複雜，適配晶圓尺寸偏小，規模化量產的成本很難壓低。薄膜鈮酸鋰（TFLN）擁有高速、低光損耗的調製優勢，可一旦應用於光子存算場景，短板會十分突出，器件必須持續通電才能維持正常工作，斷電之後內部記憶體的運算權重會直接丟失。鋯鈦酸鉛（PZT）和鈦酸鋇（BTO）作為新型鐵電電光材料正在快速發展，這兩種材料具備高速電光調製與非易失記憶體雙重特性，如今已是全球光子計算領域重點探索的前沿方向。 想要理清這場圍繞材料展開的行業競爭，首先要區分光子晶片兩大核心應用領域，二者對材料的核心指標要求完全不同。一條是以資料中心互連、相干光通訊為主的光傳輸賽道，選材核心聚焦高速調製、低功耗與批次生產能力。另一條面向AI存算一體、通用光子計算，這條賽道對材料額外增加了硬性要求，需要依靠非易失特性長期保存運算權重。同一種材料在兩條賽道中能夠發揮的價值完全不同，這也是分析材料路線時，需要區分應用場景看待的根本原因。 光子晶片材料梯隊版圖

要聞提示 NEWS REMIND 1.美國政府裝置重新允許使用TikTok！川普：我在TikTok上一直霸榜第一名 2.有人稱中籤宇樹不敢發朋友圈：怕被嫉妒 3.DeepSeek V4 Pro 正式版上線，對打Fable 5

隨著算力成本上升和激烈的價格戰，單純的模型層經濟效益正在被削弱。市場逐漸達成共識：大模型的技術追趕難度並不高，最終的商業化贏家將出現在多模型生態、AI智能體（Agent）應用以及端側AI領域。 伴隨7月類股的強勁反彈，海外投資者對中國互聯網及AI大模型股票的悲觀情緒一掃而空，正從6月下旬的「無力感」實質性轉向「戰術性做多」。 美國銀行（BofA）分析師 Alex Liu 在最新的市場反饋中指出，當前主導中國互聯網類股的三大核心博弈點已經明朗：AI大模型不可避免的商品化趨勢、字節跳動在本地生活與電商領域競爭壓力的邊際緩解，以及持續疲軟的宏觀消費與暑期出行需求。 資金正在重新評估各家大廠的性價比與基本面兌現能力。隨著算力成本上升和激烈的價格戰，單純的模型層經濟效益正在被削弱。市場逐漸達成共識：大模型的技術追趕難度並不高，最終的商業化贏家將出現在多模型生態、AI智能體（Agent）應用以及端側AI領域。

阿里大殺四方。 在高強度、飽和式的投資之後，阿里AI終於迎來收穫的季節。 最近，蘋果官網的一則更新引發廣泛關注。 8月8日，蘋果官網新增了“配合Apple智能使用千問”的相關內容，果粉瞬間一片沸騰。

(先元資本)

在AI大模型持續擴容、資料中心頻寬需求指數級暴漲的背景下，行業對光子晶片形成高速傳輸、低功耗、靈活調度三大硬性需求。賽道競爭邏輯已經發生轉變，行業比拚不再只關注晶片上層架構設計，底層光學材料的物理性能已然成為決定下一代光通訊升級、光子計算算力突破的核心關鍵。當下主流光子材料各有取捨，尚且沒有一個材料能通吃所有場景的全能方案。 在眾多材料當中，矽光（SiPh）晶片是當前商業化最成熟且已經實現量產的光子材料，依靠熱光效應完成訊號調節，調製響應速度偏慢，運行靜態功耗居高不下。磷化銦（InP）作為傳統有源光子晶片的核心材料，調製速率表現突出，但材料外延製備工藝複雜，適配晶圓尺寸偏小，規模化量產的成本很難壓低。薄膜鈮酸鋰（TFLN）擁有高速、低光損耗的調製優勢，可一旦應用於光子存算場景，短板會十分突出，器件必須持續通電才能維持正常工作，斷電之後內部記憶體的運算權重會直接丟失。鋯鈦酸鉛（PZT）和鈦酸鋇（BTO）作為新型鐵電電光材料正在快速發展，這兩種材料具備高速電光調製與非易失記憶體雙重特性，如今已是全球光子計算領域重點探索的前沿方向。 想要理清這場圍繞材料展開的行業競爭，首先要區分光子晶片兩大核心應用領域，二者對材料的核心指標要求完全不同。一條是以資料中心互連、相干光通訊為主的光傳輸賽道，選材核心聚焦高速調製、低功耗與批次生產能力。另一條面向AI存算一體、通用光子計算，這條賽道對材料額外增加了硬性要求，需要依靠非易失特性長期保存運算權重。同一種材料在兩條賽道中能夠發揮的價值完全不同，這也是分析材料路線時，需要區分應用場景看待的根本原因。 光子晶片材料梯隊版圖