从 44 条内容中筛选出 14 条重要资讯。
科技新闻
- 英伟达发布 DLSS 5，神经渲染随 NBA 2K27 上线 ⭐️ 9.0/10
- Meta 发布 Muse Spark 1.3，登顶 DeepSWE 且价格低廉 ⭐️ 8.0/10
- 谷歌推出 Gemini 3.8 Flash 与 Flash Cyber ⭐️ 8.0/10
- 调查报告：21 万张批量生成的“最佳软件”页正被 AI 引用 ⭐️ 8.0/10
- LUKS 挂起密钥残留漏洞的修复 ⭐️ 8.0/10
- Paint.NET 开发者用 Claude 生成内部 Direct2D 重写版以支持 WINE/Linux ⭐️ 7.0/10
- GNOME 技术治理演进：团队、指导委员会与 RFC 流程 ⭐️ 7.0/10
- Mac App Store 应用可弃用 Intel Mac，Tahoe 为最后支持版 ⭐️ 7.0/10
- 阿里发布 Qwen3.8-Max-0902 登顶 CodeArena 编程榜 ⭐️ 7.0/10
- Nexus 暗网兜售 1.53 亿驾照扫描件 FBI 调查 ⭐️ 7.0/10
科技博客
- 投机解码协作设计：五条选 D 与草稿机制的准则 ⭐️ 8.0/10
- 为什么 RAG 系统的质量取决于嵌入模型 ⭐️ 7.0/10
- 现代 CUDA 工具箱实战：6.8 秒优化到 23 毫秒的逐步指南 ⭐️ 7.0/10
财经新闻
- 尼泊尔冰川洪灾：重建或需 50 亿美元，登山旅游旺季遭退订 ⭐️ 9.0/10
科技新闻
英伟达发布 DLSS 5，神经渲染随 NBA 2K27 上线 ⭐️ 9.0/10
英伟达正式发布 DLSS 5，引入 3D 引导神经渲染，可在实时画面中生成更真实的光影与材质。该技术随《NBA 2K27》于 9 月 3 日太平洋时间晚 9 点上线，适用于 GeForce RTX 50 系列 PC、笔记本以及 GeForce NOW Ultimate 会员。官方数据显示，RTX 5090 在 4K 超高画质加光线追踪下最高可达约 370 FPS，1440p 下最高可达约 590 FPS。玩家需下载同日发布的 GeForce Game Ready 新版驱动。
telegram · zaihuapd · 9月2日 03:00
「背景」 DLSS 是英伟达的 AI 图形技术，此前主要依靠超分辨率和帧生成来提升帧率、缓解显卡负载。DLSS 5 的新变化是把 3D 场景信息引入神经渲染流程，由神经网络实时产出光影与材质，而不仅是对输出图像做后处理。
「影响」 RTX 50 系列 PC/笔记本用户和 GeForce NOW Ultimate 会员可于 9 月 3 日在《NBA 2K27》中体验 DLSS 5，RTX 5090 在 4K 超高画质光追下和 1440p 下的帧率分别最高约 370 FPS 与 590 FPS，且需更新同日发布的新版 Game Ready 驱动。
标签: #NVIDIA, #DLSS 5, #Neural Rendering, #Real-Time Graphics, #RTX 50
Meta 发布 Muse Spark 1.3，登顶 DeepSWE 且价格低廉 ⭐️ 8.0/10
Meta 发布了 Muse Spark 1.3，这是其成本极低、面向软件工程任务的 AI 模型。该模型在 DeepSWE 基准上取得 75.4 分，成为目前最高分，超过了当天早些时候领先的 Google Gemini 3.8 Flash。开发者实测生成一个 SVG 示例仅需约 4.23 美分和 38 秒，并认为 1.3 版本相比 1.2 在输出质量上有可见提升。该模型延续高性价比路线，还通过 contributor 定价明确区分是否允许 Meta 使用用户数据进行训练，在开发者社区中引起正面讨论。
hackernews · bvaldivielso · 9月2日 19:35 · 社区讨论
「背景」 Muse Spark 是 Meta 推出的面向编程与智能体（agentic）任务的推理模型，Muse Spark 1.3 是五个月内发布的第三个版本，于 2026 年 9 月 2 日推出，Meta 称其在编码和智能体任务上相较 1.2 有显著提升。该模型的上下文窗口为 1,048,576 个 token，按 OpenRouter 的定价为每百万输入 token 1.25 美元、每百万输出 token 4.25 美元，属于成本很低的模型。此次发布正值 Anthropic、OpenAI、Google 等厂商本周密集发布新模型，反映出 Meta 在编程与智能体模型赛道上的竞争态势。
「影响」 对于愿意让 Meta 利用其数据进行训练的开发者，contributor 版本提供了更低价格的选择；同时 Muse Spark 1.3 的性价比表现可能进一步推动编码模型市场的价格竞争。
「社区讨论」 评论中，Simon Willison 用`llm -m meta-ai/muse-spark-1.3`生成 SVG，并认为 1.3 的自行车车架、翅膀和鹈鹕帽子都比 1.2 更好；长期用户表示 Spark 系列虽然不是前沿模型，但价格便宜且适合不需要顶尖效果的工作。还有评论认可 Meta 明确标出 contributor 定价的做法，认为这清楚展示了数据训练的价值。
参考链接
标签: #Meta, #Muse Spark, #large language models, #benchmarks, #AI development
谷歌推出 Gemini 3.8 Flash 与 Flash Cyber ⭐️ 8.0/10
谷歌 DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，强调高速、低成本与代码能力，并开放了模型卡。早期社区测试显示，该模型在 Deepswe 排行榜上暂列第一，超越 Opus 5；Artificial Analysis 给出的智能评分为 59，与 Opus 5 medium 相当。开发者 simonw 实测仅用约 1.8 美分和 13 秒，就从“做一个酷的 HTML 页面”的提示生成了可用的 HTML/JavaScript 原型。该模型延续 Flash 系列的低价多模态路线，支持音频和视频输入；不过这些表现仍需实际使用进一步验证。
hackernews · bratao · 9月2日 15:12 · 社区讨论
「背景」 Google DeepMind 于 2026 年 9 月 2 日发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，两者基于同一个核心模型但面向不同的访问场景。3.8 Flash 面向 Google AI Pro/Ultra 订阅用户，出现在 Gemini 应用、Google 搜索中的 AI Mode 及 Google Sheets 中，定价为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元，延续了 Gemini Flash 系列低成本、快速且支持图像、音频和视频多模态输入的定位。3.8 Flash Cyber 变体则通过 Fairwind 计划提供给受信任的政府机构等用户。
「影响」 对使用低成本 AI 模型的开发者来说，Gemini 3.8 Flash 在代码生成、网页原型和媒体分析等任务上提供了接近旗舰模型的性价比选择。由于厂商正式基准尚不完整，实际效果仍需更多真实场景检验。
「社区讨论」 评论者 simonw 对模型的 HTML/JavaScript 生成速度和成本印象深刻，但认为 3.8 的低思考档位相对 3.7 有回退；jampa 则称其在行程规划、照片排序和文档解析等任务上优于 3.7。mattlondon 引用排行榜认为该模型表现强力，同时也指出“还有待观察实际使用”。
参考链接
标签: #Gemini, #AI models, #Google DeepMind, #LLM benchmarks, #machine learning
调查报告：21 万张批量生成的“最佳软件”页正被 AI 引用 ⭐️ 8.0/10
Trellner 的一份报告发现，三个网站生成了 215,128 个“最佳软件”推荐页面，而这些大规模生产、低质量的内容正被 Perplexity 等 AI 搜索与推荐工具作为答案来源引用。报告认为，这表明 AI 推荐系统缺乏对来源动机与可信度的判断，会系统地采信为搜索引擎优化或 AI 引擎优化而批量制造的内容。此类页面往往并非真实人工评测，却因数量庞大和结构看似权威而获得高排名或高引用，进而损害搜索结果的可信度和软件推荐的有效性。该问题同时涉及 AI 训练数据与内容溯源：当模型学会模仿这类文本，真实用户的实践经验可能更难被优先呈现。目前尚未披露这些网站的具体域名，报告的完整数据与验证方法也需要进一步公开核对。
hackernews · jakobgreenfeld · 9月2日 13:59 · 社区讨论
「背景」 这项调查针对的是“面向 AI 的引擎优化”（AEO）与批量生成内容的现象：一些网站专门制作海量“最佳软件”评测页面，目的不是吸引人类读者，而是为了被 AI 搜索和推荐系统引用。调查发现，在 380 个软件类别中，59.8%的 AI 推荐来源来自访问量排名前 10 万以外的网站，其中几个最常被引用的网站正是这种为模型阅读而构建的站点。这反映出 AI 系统在训练与推理时缺乏对内容来源动机和质量的判断力，可能将机器生成的宣传内容当作客观依据。
「影响」 这项发现意味着依赖 Perplexity 等 AI 搜索的用户，可能会把由三个网站批量生成的 21.5 万多页“最佳软件”推荐当作可靠结果；这些页面被系统性地引用，进一步削弱了 AI 搜索的可信度。相关研究也表明，LLM 在不知情时往往偏好 AI 生成内容而非人类撰写内容，这可能会放大此类批量生成内容的操纵效果。
「社区讨论」 评论者普遍认同问题的严重性：有用户指出 LLM 常偏爱 AI 生成文本，并举例 Claude 会优先选择自己生成或 AI 生成的代码与网站内容；另有人提到，AI 甚至会自信地虚构现实中不存在的地点，比如为某不知名小镇编造一个“Foobar 广场”。也有用户结合自身 Perplexity 使用体验表示，工具追求响应速度后，结果质量和引用参考都明显下降，并认为模型目前缺少对信息来源动机的怀疑能力，但这种被利用的窗口会随时间关闭。
参考链接
标签: #AI search, #content quality, #software recommendations, #web spam, #LLM reliability
LUKS 挂起密钥残留漏洞的修复 ⭐️ 8.0/10
2026 年 6 月，Ingo Blechschmidt 在将 cryptsetup-suspend 移植到 NixOS 时发现，Linux 6.9 之后的内核在配置了挂起时擦除密钥的情况下，仍不会抹掉 LUKS 全盘加密密钥。根因是设备映射代码改用 bdev_file_open_by_dev 后，文件对象保留了请求进程线程 keyring 中的密钥副本。修复已在 2026 年 7 月合入 Linux 7.2，使用 scoped_with_kernel_creds()以内核自身凭据打开块设备，使线程 keyring 随 cryptsetup 退出释放。cryptsetup 2.8.7 还加入中间 keyring 显式撤销机制作为旧内核的变通方案；Blechschmidt 已为 NixOS 发布实验性安全挂起工具和集成测试，防止该问题回归。
rss · LWN.net · 9月2日 17:14
「背景」 冷启动攻击指在电脑掉电后短时间内直接读取内存来获取密钥，因此一些用户希望挂起前先擦除磁盘密钥。Debian 的 cryptsetup-suspend 会先在内存盘中准备解锁程序，再擦除密钥；唤醒时先从内存盘请求口令并重新加入内核 keyring。但若内核仍保留线程 keyring 中的密钥副本，这一保护就会失效。
「影响」 受影响的是使用 6.9 至 7.2 之前内核并启用挂起擦除密钥的 LUKS 用户：系统挂起后密钥副本仍可能留在内存中，使冷启动攻击风险增大；旧内核用户应先升级内核或采用 cryptsetup 2.8.7 及以上的中间 keyring 变通方案缓解。
标签: #Linux kernel, #security, #full-disk encryption, #LUKS, #cold-boot attack
Paint.NET 开发者用 Claude 生成内部 Direct2D 重写版以支持 WINE/Linux ⭐️ 7.0/10
Paint.NET 作者 Rick Brewster 报告，Direct2D 一直是 Paint.NET 在 WINE 上运行的最大阻碍，且现有 WINE 实现永远无法满足需求，因此 Paint.NET 现在内置了一个从零开始、洁净室逆向工程的 Direct2D 重写版本，仅在 WINE 下通过 /wine 参数触发，位于 PaintDotNet.Windows.Direct2D1.Managed.dll。这个约 18 万行的实现是由 AI 助手 Claude 编写，Brewster 表示大部分代码属于“vibe coding”：没有经过彻底审查，“trust me bro”风格，他自己无法审查如此大量的代码，因为其余 Paint.NET 约 70 万行已经开发了 20 多年。开发过程中 Claude 时而展现出极高效率，但也需要大量监督，例如一度没有正确为引用计数对象执行 COM 的 AddRef()，同时它也通过逆向工程顺利推导出 Direct2D 内置特效库所需的公式。该支持被明确标记为“极其实验性”。
rss · Simon Willison · 9月2日 05:50
「背景」 Direct2D 是微软的硬件加速 2D 图形 API，Paint.NET 深度依赖它来实现画布渲染和特效。WINE 是让 Windows 程序在 Linux 等系统上运行的开源兼容层，但迟迟未能完整实现 Direct2D，导致 Paint.NET 无法依赖它运行。所谓洁净室重写，是指在没有直接复用微软源码的前提下，从公开行为与接口规范出发重新实现兼容功能；这里则借助 Claude 完成了大规模逆向工程与编码。
「影响」 这一改动为希望在 WINE/Linux 上使用 Paint.NET 的用户提供了一条实验性可行路径，并展示了 AI 辅助逆向工程和大型代码生成的潜力；但 Brewster 明确说明代码几乎没有经过人工审查，因此该模式只适合测试，不应被视作稳定或生产可用的 Direct2D 替代实现。
标签: #AI-assisted development, #clean-room reverse engineering, #Direct2D, #WINE, #Paint.NET
GNOME 技术治理演进：团队、指导委员会与 RFC 流程 ⭐️ 7.0/10
LWN 报道称，GNOME 项目正在缓慢推进技术治理的正式化，主要受 Emmanuele Bassi 在 GUADEC 2025 提出的方案推动。目前项目正在采用“团队”结构，例如已经成立的 bindings 团队以及正在组建的平台团队，并在 GNOME 项目手册中新增了定义团队规则和协作方式的章节。与此同时，指导委员会尚未建立，RFC（Request for Comments）流程也仍在酝酿中；Bassi 在 GUADEC 2026 的更新演讲中表示，进展慢于预期，因为实际参与治理工作的人很少，并且委员会成员资格、任期、决策或仲裁定位等关键问题仍悬而未决。RFC 一旦落地，GNOME 将要求对设计、用户体验、架构等有重大影响的变化提交 RFC。
rss · LWN.net · 9月2日 15:03
「背景」 GNOME 于 1997 年创立，其非营利基金会于 2001 年成立，负责资金、商标和基础设施等事务。基金会原始章程明确表示不愿对技术治理施加高度官僚化结构，因此 GNOME 长期依赖个别维护者来主导各个组件。Bassi 认为这种“过度依赖个人项目和品味”的模式是“一群松散的猫被拥有愿景的人聚集在一起”，并警告维护者容易倦怠。
「影响」 对 GNOME 贡献者而言，新团队规则已经提供了更明确的协作框架，但指导委员会和 RFC 机制尚未成型，因此项目治理的实际改变仍有限，主要影响是围绕平台库等领域的贡献者需要与团队沟通。
标签: #GNOME, #open-source governance, #software engineering, #coordination, #RFC
Mac App Store 应用可弃用 Intel Mac，Tahoe 为最后支持版 ⭐️ 7.0/10
苹果现已允许 Mac App Store 中面向 macOS 13 及以上的通用应用弃用 Intel Mac 支持，以简化开发并减少下载与占用空间。弃用后，Intel Mac 将不再收到这些应用的更新，但用户仍可继续使用最后兼容版本。macOS Tahoe 因此成为最后支持 Intel Mac 的版本。
telegram · zaihuapd · 9月2日 03:30
「背景」 Apple 自 2020 年起从 Intel x86-64 转向自研 Apple silicon 芯片；macOS Tahoe 被苹果明确为仍支持特定 Intel Mac 的最终版本，后续 macOS Golden Gate 仅支持 Apple silicon。此前 Mac App Store 的通用应用通常需同时支持 Intel 与 Apple silicon，现在苹果通知开发者，面向 macOS 13 及以上版本的通用应用可弃用 Intel Mac 支持，Intel Mac 用户此后不会收到这些应用的新更新。
「影响」 使用 Intel Mac 的用户可能逐步收不到来自应用商店的更新，只能停留在最后的兼容版本；开发团队可借此精简应用体积并减少适配成本。
标签: #Apple, #Mac App Store, #Intel Mac, #macOS, #developer policy
阿里发布 Qwen3.8-Max-0902 登顶 CodeArena 编程榜 ⭐️ 7.0/10
阿里通义千问发布新版本模型 Qwen3.8-Max-0902，据称在 CodeArena 前端编程总榜中以 1691 分夺冠，较旧版提升 22 分。该模型拥有 2.4T 参数和 1M 上下文长度，API 定价为每百万 tokens 输入 2 美元、输出 6 美元，综合均价约 5 美元，低于榜单第二、第三名模型的 20 美元和 12 美元。新版本已上线千问 AI 平台，并接入千问办公、Qoder 与千问 APP。该消息来自社交媒体摘要，原始来源为通义千问官方渠道，但具体技术细节和评测条件尚未完整披露。
telegram · zaihuapd · 9月2日 06:05
「背景信息」 Qwen3.8-Max 是阿里巴巴通义千问此前推出的旗舰大语言模型之一，此次发布的 0902 快照版本是在该基础模型上针对编程与办公协作任务进行了进一步后训练。CodeArena 是一个衡量模型前端开发与编程能力的基准测试，榜单分数反映模型在相关任务上的表现；该模型据称以 1691 分位居 CodeArena 前端编程榜首位，较旧版提升 22 分。
「影响」 对使用代码生成和长上下文编程场景的开发者而言，Qwen3.8-Max-0902 以更具竞争力的 API 价格（输入 2 美元/百万 tokens）和 1M 上下文窗口提供了新的可用选项，并已通过千问 AI 平台及相关产品直接开放使用。
标签: #artificial intelligence, #language models, #coding benchmarks, #Qwen, #software engineering
Nexus 暗网兜售 1.53 亿驾照扫描件 FBI 调查 ⭐️ 7.0/10
FBI 正在调查名为 Nexus 的暗网身份信息售卖服务，该平台声称拥有超过 1.53 亿张美国和加拿大民众的驾照数字扫描件并已开始对外出售。驾照扫描件通常包含姓名、住址、出生日期、证件号码等敏感信息，可用于身份冒用与欺诈。KrebsOnSecurity 报道推测，这批数据可能来自汽车经销商、保险公司等机构的旧泄露文件；官方尚未公布数据具体来源、售卖时间及受影响人数。该事件影响规模巨大，具体范围和验证情况仍待调查确认。
telegram · zaihuapd · 9月2日 09:31
「背景信息」 Nexus 是一个本周出现在暗网上的身份信息售卖服务，声称拥有超过 1.53 亿张美国和加拿大民众的驾照数字扫描件并开始出售。美国联邦调查局（FBI）已对其展开正式调查。根据对数据涉及者的访谈，该服务可能在汇总此前汽车经销商、保险公司等机构泄露的旧扫描文件。由于驾照通常包含姓名、住址、出生日期等敏感信息，这类数据一旦被用于身份冒用，影响范围将非常广泛。
「影响」 对于美国与加拿大驾照持有者，最直接后果是姓名、地址、出生日期等证件信息可能被用于身份冒用，建议在官方确认数据范围前留意异常信贷和证件申请记录。
标签: #cybersecurity, #data breach, #privacy, #identity theft, #dark web
科技博客
投机解码协作设计：五条选 D 与草稿机制的准则 ⭐️ 8.0/10
rss · NVIDIA Inference Performance Blog · 9月2日 16:04
「背景」 大语言模型的自回归解码逐步生成 token，延迟高且内存受限。投机解码让一个小草稿模型先预测一串 token，再由目标模型并行验证。作者指出，是否加速取决于草稿长度 D、接受长度 AL 与草稿成本的综合权衡，而非只看草稿多长。
「方案」 作者把验证 GEMM 和注意力 kernel 的行为作为切入点。D 增大时，验证线性层的 GEMM-M 变大，使模型更早进入计算受限区，例如 D=7 时约只需 D=0 的 1/8 批次即可达到峰值，这有利于稀疏 MoE 和长上下文。但如果 attention 占主导，草稿 token 共享 KV，算术强度约 2G(1+D)，建议以 D=128/G−1 为起点；过大则 attention 从带宽受限转为计算受限，若需更大 D，让 G(1+D)保持在 128 倍数可避免 tile 浪费。在低延迟端，草稿开销会随层数线性积累，作者建议用层数比估算，并仅在 AL 增长够大时增加 D。草稿机制上，DFlash/DSpark 可一次并行生成 D 个 token，比 MTP 逐层串行更适合小模型；还需用接近真实负载的 benchmark 度量 AL 与草稿开销，且微调目标模型后要重新验证接受率。
「启示」 作者的核心结论是：没有普适最优的 D 或草稿机制，只有根据硬件 kernel 边界、批次、注意力组大小和延迟范围来协同设计模型与推理方案，才能实现不损失精度的加速。
标签: #speculative decoding, #LLM inference, #kernel optimization, #draft length selection, #attention tiling
为什么 RAG 系统的质量取决于嵌入模型 ⭐️ 7.0/10
rss · ByteByteGo · 9月2日 15:31
「背景」 RAG 先把用户问题和文档切成片段，再用嵌入模型将文本转换成向量，找出语义最接近的少量片段后交给语言模型生成回答。这个“翻译”步骤决定了哪些证据能进入上下文。
「方案」 作者用订阅退款问题说明嵌入模型只负责“语义相近”：看似相关的片段不一定包含正确答案，甚至在否定、数字、日期、实体、版本差异面前会检索出错；更强的语言模型也无法修复检索遗漏。选型应以真实问答对的检索效果为准，而不是只看基准分数，还要考虑领域词、多语言、维度和速度。文章特别强调，换嵌入模型等于换向量空间，必须重新嵌入全部文档并采用蓝绿迁移；记录模型名、版本、维度等元数据可减少风险。Matryoshka 嵌入能在一个模型内以维度前缀灵活缩小向量，但不能解决不同模型间的不兼容。
「启示」 作者结论是嵌入模型是 RAG 的第一道相关性决策：若检索阶段漏掉正确证据，再强的生成模型也无法给出可靠答案，所以应把嵌入模型当作系统核心来选型与运维。
标签: #RAG, #embeddings, #vector retrieval, #AI infrastructure, #Matryoshka embeddings
现代 CUDA 工具箱实战：6.8 秒优化到 23 毫秒的逐步指南 ⭐️ 7.0/10
rss · NVIDIA CUDA Technical Blog · 9月2日 17:15
「背景」 作者指出，编写正确、可维护且高性能的 CUDA 代码并不容易：内存访问错误难以发现，性能瓶颈需要合适的工具才能定位，而手写 GPU 算法往往不如优化库高效。文章以一个图像处理流水线为例——将三通道 RGB 图像转换为灰度图，再对每个 32×32 图块排序求中位数——逐步展示现代 CUDA 工具链如何解决这些问题。
「方案」 作者通过六个小步骤重构示例代码。首先，Compute Sanitizer 捕获了共享内存越界写入，配合 CCCL 的 cuda::launch、span/mdspan 索引 API，代码变得更安全。接着用 Nsight Systems 与 NVTX 分析，发现 computeMedian 内核占绝大部分运行时间，整体耗时 6.8 秒。随后用 CUB 的 DeviceTransform 和 BlockRadixSort 替换手写内核，中位数计算从 2.1 秒降至 773 微秒，总耗时降到 635 毫秒。再将 cudaMalloc 换成池化的 cuda::device_buffer，分配开销几乎消失；使用 cuda::host_buffer 固定内存后，主机到设备拷贝显著加速，总耗时降到 25 毫秒。最后为每个 OpenMP 线程创建独立 cuda::stream，并用异步 copy_bytes 实现内核与拷贝重叠，最终总耗时达到 23 毫秒，比原始代码快约 300 倍。
「启示」 作者的核心结论是：借助 Compute Sanitizer、NVTX、CUB、CCCL 容器和流这些现代 CUDA 工具箱，无需底层手工优化，就能让代码更安全、更易维护且性能提升约 300 倍，说明工具链的成熟已大幅降低了 CUDA 优化的门槛。
标签: #CUDA, #Compute Sanitizer, #Nsight Systems, #CCCL, #GPU optimization
财经新闻
尼泊尔冰川洪灾：重建或需 50 亿美元，登山旅游旺季遭退订 ⭐️ 9.0/10
尼泊尔当局称，8 月 26 日喜马拉雅冰川崩塌引发的跨境洪水已造成 987 人死亡、近 4250 人失踪；据报尼泊尔方面估算重建费用为 40 亿至 50 亿美元，约占该国经济总量的十分之一。
rss · CNBC Finance · 9月2日 09:23
「背景」 灾难源于高海拔冰川崩塌，冰、岩与融水冲入尼泊尔—中国边境的河谷，毁坏村舍、道路和桥梁；尼泊尔登山协会称这是对登山旅游业的“严重警告”，并表示国际游客对气候与安全越发敏感。
「影响」 在 9 月 15 日至 11 月 15 日的登山旺季前已有游客取消预订；加德满都一家 122 床位旅舍预计本季入住率将降至至多 60%，低于去年的 100%，退订主要来自欧洲游客。
标签: #Nepal, #flood disaster, #tourism, #economic impact, #climate change