华为诺亚创业潮起，千问3.6调用量登顶全球

今日的技术圈呈现出一种强烈的"从底层重构"的态势。无论是华为诺亚方舟顶尖专家的离职创业潮，还是年轻团队对AI记忆架构的推倒重来，亦或是千问3.6在实战层面的数据碾压，都在暗示AI基建正经历一场从内存结构到模型部署的深度代际更替。真正的创新不再是功能的堆砌，而是对底层逻辑的彻底重塑。

行业风向与人事

独家｜华为诺亚方舟郝建业创立「忆纪元科技」，聚焦AI 记忆基础设施

华为诺亚方舟实验室的「离职潮」正在引发行业级震动，这次是决策与推理实验室主任郝建业创立「忆纪元科技」，直指AI记忆这一核心痛点。这并非孤立事件，此前王云鹤、刘武龙等核心大佬的相继离职，标志着华为系AI人才从内部孵化向外部创业的批量溢出。对于行业而言，这意味着从大模型训练到应用落地的最后一公里——记忆与推理层，将迎来一批带着顶级工业界经验的生力军，AI的基础设施战事将从「算力」蔓延到「脑力」。

AI架构深度解析

深度解析：Claude Code 源码

Claude Code 源码的深度泄露，意外为我们揭开了一个生产级 Agent Runtime 的真实面貌。这套系统的核心并非简单的「模型+工具」，而是一套精密的「Harness Engineering」：它维护着 tool_use 不可悬空的轨迹拓扑，将 prompt cache 视为第一性原理，甚至通过「thinking block」的特殊规则来确保推理的连续性。更重要的是，它展示了如何通过多个专用 prompt worker 来处理检索、分类等窄任务，而非将所有重担压给主模型。这对开发者的启示是深刻的：构建高可用的 Agent，关键在于构建一个能处理错误、恢复状态、持久化记忆的外循环系统，而不仅仅是调用更强的 API。

19岁，常青藤辍学，这群中国年轻人重构了AI记忆

如果说 Claude Code 是工程层面的教科书，那么这群 19 岁常青藤辍学生打造的 M-FLOW 则是对 AI 记忆理论的一次颠覆。他们敏锐地指出了当前 RAG 方案的根本缺陷：只会匹配文本相似度，无法进行联想与推理。M-FLOW 抛弃了传统的平坦向量检索，转而采用「倒锥」图路由架构，从细粒度的实体锚点出发，向下传播至完整语义单元。这种设计使得 AI 能够像人类一样，通过一条强线索唤醒整段记忆，而非在海量碎片中盲目搜索。这种从「形态匹配」到「结构推理」的跨越，或许正是 AI 迈向长期记忆的关键一步。

前沿模型动态

日调用量超万亿破纪录！阿里千问3.6Plus登顶全球模型调用量榜首

在架构重构的深水区之外，模型能力的军备竞赛依然激烈。阿里千问 3.6-Plus 上线即炸场，以单日 1.4 万亿 Token 的调用量登顶 OpenRouter 榜首，这一数据不仅是数字的胜利，更是实战的勋章。它证明了在编程与智能体能力上，中国模型已经具备了全球领先的竞争力，迫使开发者用真金白银投票。当模型能力突破临界点，随之而来的将是应用层的爆发式增长，我们或许正站在新一轮 AI 原生应用大潮的前夜。