今天三条：一笔还没被官方确认的电力交易，一次面向AI编程工具的收购，还有一个先闭源、后开放权重的大模型。Meta收购和Inkling 2 Small都有公司一手页面，Anthropic那条目前只有媒体报道，下文会写清楚哪些已经证实、哪些还没有。
01 传Anthropic花34亿美元买燃气发电机，给数据中心自己发电
11月8日，FT援引一位知情人士报道了这笔交易。Investing.com转述的原句是：“Anthropic has struck a $3.4 billion deal to secure gas-fired generators for its data centres.” 规模是1.7GW，卖方是圣安东尼奥的OnePWR Solutions：“secured commitments for 1.7 gigawatts of heavy-duty generators from San Antonio-based OnePWR Solutions”。
这些发电机不是新下的单。报道称“OnePWR had ordered the generators from Caterpillar about two years ago.” 也就是说，Anthropic接手的是OnePWR两年前在卡特彼勒排好的订单。Gadget Review的分析文章（Yahoo Finance转载）写明“Anthropic did not acquire OnePWR.”，买的是订单，不是公司。
为什么要自己买发电机？大型数据中心接入电网要排很久，重型发电设备的交付周期也很长。直接接手别人已经排好的订单，等于买了时间。上周美股AI股大跌，原因之一就是市场担心电价和数据中心审批变成政治问题。这笔交易说明，头部模型公司已经把“电从哪来”列为自己要解决的问题。
先说边界：“Anthropic and OnePWR declined to comment.” Reuters“could not independently verify the account”。交易具体是什么时候达成的、发电机装在哪个园区、是作为主电源还是备用电源，目前都没有公开信息。FT原文我没能打开，以上细节来自Investing.com和Yahoo Finance转载的报道。
我的判断：在官方确认之前，这只能算一条可信度不错的报道。不过方向很明确，AI训练和推理的瓶颈正在从GPU往电力转移。做云架构、数据中心运维和能源相关工作的同学，可以多关注现场发电、电网接入排期这些原来比较冷门的话题。
来源：Investing.com（转述FT）；Yahoo Finance（转载Gadget Review）。
02 Meta收购Conductor：同时指挥多个编程Agent的工具
Conductor 11月4日在官网发布公告：“I have big news: Conductor is joining Meta.” SiliconANGLE跟进报道，“Terms were not disclosed.”，收购金额没有公开。
Conductor做的事情很具体。SiliconANGLE的描述是，它“lets a developer run several coding agents at once, each in an isolated copy of the codebase.” 也就是把一个开发任务拆开，交给几个Agent并行处理，每个Agent在自己的代码副本里改，互不干扰，最后再由人审核、合并。用过Claude Code或Codex的人应该能体会，单个Agent跑长任务时，人多半在旁边干等；并行跑就是为了把这段等待时间利用起来。
现有用户需要注意时间表：“The cloud service goes read-only on Nov. 13 and shuts on Nov. 20.” 本地版能用得久一点，“Local copies of the Mac app keep working until early 2027.” 如果你的工作流依赖Conductor云端，这周就该开始迁移。
SiliconANGLE援引Axios的消息称，Meta希望借助这个团队快速出产品的能力，打造下一代AI编程工具。Meta本身还没有发布官方声明，团队具体并入哪个部门，我看到的页面里都没写。
我的判断：这是一笔典型的“收人才”交易。多Agent并行编程正在成为AI编程工具的标准形态，大厂愿意直接买团队。对开发者来说，学会拆任务、给Agent划清边界、审核并合并多路改动，比挑选哪一个工具更重要，换了工具这些技能照样用得上。
来源：Conductor官方公告；SiliconANGLE。
03 Thinking Machines发布Inkling 2 Small：594B参数，预训练68小时
Thinking Machines 11月5日发布Inkling 2 Small。官方介绍：“It is a Mixture-of-Experts model with 594B total parameters, 17B active, and supports image inputs and variable effort.” 总参数594B，每次推理只激活17B，可以输入图片，也能调节推理强度。
训练速度是这次发布的亮点。官方原话是“It ran for 68 hours on NVIDIA GB300 NVL72 racks, which enabled high expert parallelism.” SiliconANGLE也报道该公司“completed the initial pre-training phase in 68 hours”。注意，68小时指的是初始预训练阶段，不代表后训练和对齐也只用了这么久。
发布方式分两步。第一步，“Inkling 2 Small will initially be available through Tinker, with closed weights,” 先在自家的Tinker平台以闭源方式提供。第二步，官方表示在外部安全测试和红队测试完成后，会以Apache 2.0许可证开放完整权重，原定时间是发布后的下一周。截至本文写作，我还没有核实到权重已经正式放出。
17B激活参数意味着单次推理成本接近中等规模的稠密模型，但594B的总参数仍然要占用大量显存，个人电脑基本跑不动。权重放出后，更现实的用法是由云厂商或推理服务商托管，或者在Tinker上做微调。
我的判断：Apache 2.0是限制最少的许可证之一，可以商用，也可以修改。权重真的按承诺放出的话，它会成为可商用开源MoE模型的一个新选项。想练习微调的同学，可以先看看Tinker的用法；等权重发布，再对比它和Qwen、DeepSeek等开源模型在自己任务上的效果。