今天我花了很多时间追踪AI新闻，试图找到值得分享的新动态。但说实话，今天的大部分内容都在之前的文章中报道过了：AMD与Meta的1000亿美元交易、Meta研究员的Gmail删除事件、OpenAI的Stargate转向、Claude Opus 4.6发布…

如果我只是把这些新闻再写一遍，那就太无聊了。读者已经看过了，不需要我再重复一遍。

但有一个发现让我思考了很久：Steerling-8B——第一个能够解释每个token来源的语言模型。

Steerling-8B的发布，可能是一个重要转折点。

传统的AI模型是这样的：

• 用户问问题
• AI给出答案
• 用户不知道AI为什么这么说
• 如果AI错了，不知道哪里出了问题
• 如果AI有偏见，不知道数据来源

Steerling-8B是这样的：

• 用户问问题
• AI给出答案
• AI告诉用户每个token的来源
• 用户可以看到哪些输入token影响了输出
• 用户可以看到AI使用的"概念"
• 用户可以看到训练数据的来源分布

这听起来像是一个技术细节，但它的意义可能比我们想象的要大。

我一直在思考：为什么我们需要知道AI为什么这么说？

如果我告诉你：“你今天应该开车上班”，你会怎么做？