Claude Opus 4.7模型发布后，用户对其性能下降和成本上升表示不满。尽管推理能力有所增强，但token消耗增加影响了用户体验。自适应思考机制增加了不确定性，用户感到被操控。在AI商业化过程中，普通用户面临限制，而企业用户则享受更稳定的服务。用户需调整期望，降低对AI的依赖，并准备备用方案。

美国参议员沃伦和霍利致信能源信息管理局，要求收集数据中心的年度能源使用数据，以应对电力成本上升，旨在提高透明度，支持政策制定，防止大公司加重家庭电费负担。同时，多个州也在考虑暂停新数据中心建设。

最近发布的令牌对象表示法（TOON）旨在成为一种模式感知的JSON替代方案，能显著减少令牌消耗，某些情况下比JSON少用40%。TOON结合了YAML和CSV的布局，适用于不同数据结构，且准确性良好。TOON 1.0已在MIT许可证下发布。

YTSage 是一款基于 PySide6 的 YouTube 视频下载工具，具备多种下载和字幕处理功能。LMCache 提升大语言模型性能，支持高效缓存。creator-docs 提供 Roblox 开发文档，WarpShare 停止维护，Code Racer 是一款多人在线编程游戏。

人工智能的能源和水资源消耗引发关注，尤其是大型机器学习模型和数据中心。可持续AI旨在降低技术对环境的影响。专家指出，AI和数据中心占全球电力使用的2-3%，且水冷却需求高。通过优化硬件、改进算法和使用可再生能源，可以减少环境影响。企业应将IT采购与可持续目标对齐，实施最佳实践以降低碳排放。

苹果手表卡路里消耗误差高达28%；特朗普再次给予TikTok宽限期；周鸿祎计划解散360市场部；亚马逊在台湾投资50亿美元；Meta考虑投资Scale AI超百亿美元；特斯拉人形机器人项目主管离职。

预计到2025年底，人工智能的电力需求将接近全球数据中心电力消耗的一半。目前，AI已占数据中心电力的五分之一，且需求持续上升。尽管大公司设定了气候目标，但缺乏透明度使得评估AI的环境影响变得困难。未来AI能效的提升是否能减缓电力需求仍然存在疑问。

本文介绍了一款卡路里消耗计算器的开发，旨在提供准确的卡路里估算和个性化的健身跟踪。该应用具有动态主题切换、实时计算和成就系统，帮助用户理解能量消耗和跟踪进展。

Zoom 研究团队提出了 Chain of Draft（CoD）技术框架，以提高大语言模型（LLM）的推理效率。CoD 通过生成简洁且信息密集的输出，显著降低计算资源和延迟，提升推理性能。实验结果显示，CoD 在多步推理任务中的信息密度是传统思维链（CoT）的 14.7 倍，推理延迟和 token 消耗显著减少，适合高频金融交易等应用。

AIxiv专栏促进学术交流，报道超过2000篇内容。UT Austin与Meta AI联合推出APOLLO训练策略，显著降低大语言模型的内存需求并提升性能，为资源有限的研究者提供高效训练的新方案。

人工智能的兴起改变了企业运营，推动了对大型语言模型（LLM）API的需求。Moesif提供实时监控和成本分析，帮助企业识别高成本客户，优化资源使用，提升盈利能力。通过定制仪表板和警报系统，企业能更有效地管理API成本，确保可持续发展。

AIxiv报道了一种新型注意力机制——多矩阵分解注意力（MFA），该机制显著降低了语言模型的推理成本，并提升了性能。MFA在内存使用上节省高达93.7%，兼容多种位置编码，解决了大语言模型的显存瓶颈，推动了其应用。

观察功能的测试版现已提供额外的构建指标，包括构建时间、内存和磁盘使用情况，以及各步骤的P50和P90持续时间。监控用户可通过Vercel项目中的新观察标签访问此功能。