METR长时程基准饱和后看什么曲线

MIRA是一个可玩、多人的世界模型，被形容为"火箭联盟的梦"。它基于10k小时公开机器人收集的数据训练，学习四玩家游戏动态，根据按键实时生成画面，帧率达20 FPS。模型由General Intuition与Kyutai Labs联合构建，Epic Games提供协作。Ethan Mollick称从最早的扩散DOOM玩过来，多人20 FPS效果出色。演示、技术报告及开源代码已公开，在ICML Booth 111现场展示。

Ethan Mollick 用同一提示词让 Astra 生成了一款关于 Imminence 的游戏，可在线试玩（imminence-afternoon.netlify.app）。该提示词要求呈现"某种巨大而陌生之物降临郊区"的氛围，非恐怖，而是万物终结不可避免之感。此前 Fable 用同一提示词生成的版本为 the-imminence.netlify.app。

在 Codex 和 Code 中成功使用智能体的一个关键因素，是决定何时以及如何使用这些选项。 如果你没有在引导长时间运行的智能体工作，那你可能对智能体的管理还不够（或者没有构建阶段性报告来让你在过程中保持可见性）。

这是 Fable 5.1 一次生成的一个令人印象深刻的结果："基于埃德加·爱伦·坡打造至少 8 款游戏。它们都应该很棒且各具特色。" 这些游戏出人意料地各不相同，玩起来很有趣且富有感染力，其中一些实际上还有点惊悚。https://poe-arcade.netlify.app/index.html

fal 推出 https://fal.live，一个无限、交互式 AI 直播平台，用户选择频道并用提示词决定接下来的内容，实时生成画面，从观众变成导演。Ethan Mollick 转发并给出三点评价：连续视频生成与上下文是重大技术成就；目前明显有瑕疵但比预期少，且趋势向好；它展示了 AI 带来的一种新型群体验乐。

@abliteration_ai 发布 abliterated-model-large-v2，基于 GLM-5.3 去审查（abliterated）后托管，用于其他模型拒绝执行的攻击性网络、红队和 Agent 测试工作。GLM-5.3 在 Terminal-Bench 4.0 排名第 3（仅次于 Opus 5 和 Fable），网络攻防能力是 5.2 的 2 倍；模型为美国托管、FP8、100 万上下文窗口、零输入输出提示词留存，现已上线。Ethan Mollick 引用评…

Google 发布图像生成工具 Google Pics，基于 Nano Banana 构建，现已上线 pics.new。支持局部对象编辑、图内文字修改与翻译、多人协作创作和单提示词生成多个选项。

OpenAI 在 ChatGPT Work 中推出新的 Data agent，用户用自然语言即可连接公司数据、分析变化并生成可分享的交互式仪表盘。

Cursor 发布 Projects（beta），让用户通过协调者智能体处理功能开发、迁移和持续性维护等大型工作，协调者本身不写代码，而是调度数千个子智能体并行执行。

OpenRouter 发布 Fusion 复合推理系统，将一个提示词并行发给 1 到 8 个面板模型，由 judge 比较共识与分歧后由调用模型写出最终答案。默认三模型面板成本约为单次完成的四到五倍、延迟两到三倍，在 DRACO 深度研究基准上预算面板得 64.7%、前沿面板得 69.0%。