AI 情报文章归档

@SpaceXAI Grok 4.7 的推理 token 用量与其 ARC-AGI-2 公开得分相关：low 档平均每次测试对尝试用 10k token，得分 25%；而 medium 到 xhigh 档用 86k 到 120k token，得分 57.5% 到 60%。low 档更低的 token 用量可能有助于解释其更低的得分。

@SpaceXAI - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Grok 4.7 完整结果：https://arcprize.org/results/xai-grok-4-7

@SpaceXAI 在 ARC-AGI-3 上，Grok 4.7 在标准测试框架中得分 1.8%（Grok 4.7 为 2.1%），该框架允许模型在轮次之间保留笔记；在新的提供商适配器框架中得分 10.0%，该框架保留不透明推理并启用自动压缩。

Grok 4.7 在 ARC-AGI-2 semi-private 任务的中、高、xhigh 推理档位上平均消耗的 reasoning token 均多于 Grok 4.6，导致每任务成本更高。

@SpaceXAI 在 ARC-AGI-2 上，Grok 4.7 的最佳得分为 61.4%，每任务成本 $2.01，而 Grok 4.6 为 67.1%，每任务成本 $0.76——尽管输入和输出 token 定价完全相同，每任务成本仍上涨了 166%。 完整结果：https://arcprize.org/results/xai-grok-4-7

ARC Prize 公布 Grok 4.7 在 ARC-AGI (Verified) 上的成绩：ARC-AGI-3 为 1.8%（$2.7k，标准 harness），用 provider adapter harness 为 10.0%（$4.8k）；ARC-AGI-2 为 61.4%（$2.01/task）；ARC-AGI-1 为 90.2%（$0.64/task）。与 Grok 4.6 相比，Grok 4.7 在 ARC-AGI-1 上更高，但在 ARC-AGI-2 和 …

Originally published on mrsaynothing.dev. The agent-run site ships one post a day; this review is...

Databricks 发布 2026 基准测试与客户案例，论证湖仓（Lakehouse）在 SQL 性能上已追平数据仓库：其生产 SQL 工作负载较 2022 年基线快 77%，Performance Index 约提升 4 倍。

旧金山初创公司 Mirror Particle 正在从零构建一个模拟人类行为及其随时间变化的世界模型，认为依赖 LLM 微调做角色扮演的现有方案根本行不通。该公司结合客户数据、时事、流行文化等建模人群，聚焦“真实行为”而非问卷自述，并输出行为背后的动机与约束。其早期试点曾帮一家宠物食品品牌发现包装图片并非问题，真正瓶颈是品牌被视为廉价大众货。

Nano Banana 2.1 现已在 Krea 上线。 更好的提示词理解、更精准的编辑、更强的主体一致性，现支持最高 4K 生成。 立即体验 👇

卡兹克借假期花2天基于飞书全部数据和自建MCP手搓了一个企业中台，直接替换飞书自带工作台，解决公司Vibe Coding业务应用部署、信息安全、权限管理及应用和skill流转问题。下一步将开放自定义配置界面，让公司小伙伴用各自的Agent修改可见的首页和数据页。

The Verge 作者 Victoria Song 分析称，Apple 正研发不保存视频、只用 AI 生成文字描述的智能家用摄像头，Apple Watch 的 Audio Intelligence 也声称不录制音频，Google 可穿戴设备高管亦表示在考虑类似概念。

The pitch for test-time training sounds clean on paper. Long-context attention windows are expensive...

Newcomer 在旧金山 Machine Earning AI Summit 上发布 9 场对话，Town 联合创始人 Jean-Denis Greze、Lead Bank CEO Jackie Reses、Chime 联合创始人 Ryan King 等参与。

研究者提出 Harness-Aware Distillation，一种面向带 harness 部署的小语言模型智能体的蒸馏框架：用同一教师模型分别在有无 harness 信息下推理，训练学生模型偏好带 harness 时的动作，并用过滤器剔除与 harness 记录矛盾的样本，全程无需任务奖励或成功标签。

Gergely Orosz 在 LDX3 大会发表主题演讲，盘点 2026 年科技行业现状，核心变化包括几乎无人手写代码、工程师普遍同时运行 5-10 个并行 Agent、GitHub 上 Agent 生成 PR 八个月增长九倍且 2026 年 8 月数量超过人类提交、IDE 正在消退。

Mistral AI 发布 Mistral Large 4，代号为 Le Chonk，详情见官方公告 https://mistral.ai/news/mistral-large-4/。作者转发该消息并解读关键词 Sovereign AI。

Figure 的主动式 AI 智能体 Hark Pro 上线 web、iOS 和 Android，原价 $100 的 Pro 方案现可免费使用，入口为 https://hark.com。产品设有 widgets、chats 和 projects 三个独立界面，作者称赞其 App UI/UX。

openTPU 是一个开源 AI 加速器项目，将 auto-arch-tournament 的经验用于 AI 加速器设计，探索 AI 智能体在硬件设计上能走多远。

Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的"意外失败"。她结合自身从数学、物理、认知科学到计算机科学的经历，分享了使用当前 AI 系统的实用建议，并强调当结果偏离预期时深入检查数据的重要性。

Google 发布开源嵌入模型 EmbeddingGemma 2，为 Apache 2.0 许可，740M 参数由 270M 文本模型、170M 视觉与 300M 音频编码器组成，支持 100+ 语言、8K 上下文和文本、代码、图像、视频、音频的统一嵌入。270M 版本最低 0.5GB RAM、完整多模态版 1GB RAM 本地运行，可通过 Unsloth 的 GGUF 运行和微调。

EmbeddingGemma 2 现可在 @HuggingFace 和 @Kaggle 下载，Gemini Enterprise Agent Platform Model Garden 即将上线。 了解更多 ↓ https://goo.gle/474rZXq

EmbeddingGemma 2 与 Gemma 4 搭配，以更低的内存占用实现高效的端侧检索增强生成（RAG）。 EmbeddingGemma 2 检索本地文件，Gemma 4 对其推理，给出有依据的答案，且完全保护隐私。

Google 发布 EmbeddingGemma 2，740M 参数，活跃内存占用约 191MB 至 567MB，官方称其性能超过部分体积两倍以上的模型。上下文窗口较第一代扩大 4 倍至 8K，单次可处理最长 5.5 分钟音频、29 张图片或 58 个视频帧。

Google 发布 EmbeddingGemma 2，是其首个面向端侧嵌入的原生多模态开源模型。模型基于 Gemma 4 架构，采用 Apache 2.0 许可证，在文本之外将图像、视频、音频和代码统一到单一嵌入空间。

EmbeddingGemma 2 经过优化，可在移动端和桌面端本地运行。 这意味着你可以从语音备忘录中找到特定的视频片段，或用简单的文本查询搜索数小时的音频，全程无需联网。

在更高抽象层级上工作，一直都需要理解更低的层级，我不认为编码智能体改变了这一点

Ampersand 是面向企业 AI 智能体的集成基础设施，已在 11x、Orb 和 Square 落地，支持在 Salesforce、SAP、NetSuite、Workday 等系统中执行智能体操作。

We gave Claude Code a job nobody wants to do by hand: a full framework upgrade of a legacy service....

Auto-review 就是“Approve for me”权限模式。要使用它，打开输入框下方的权限菜单，选择“Approve for me”。

在首尔艺术大学用 Suno 做音乐！

一位开发者认为，vibecoding 虽然能快速产出原型、带来即时满足，却缺少手写代码时那种硬仗后的成就感、做好一件工作的满足感和学习乐趣。他用 AI 构建过 HN 书签工具、预测市场派对游戏、野火预警系统和音准训练应用，但过程并不像手写小爬虫那样有趣。

This is a submission for the Hacktoberfest Open-Source AI Challenge Week 1: Touch Grass ...

了解更多：https://elevenlabs.io/blog/elevenagents-architect

ElevenAgents Architect 让团队中任何成员都能在智能体所在的任何地方管理它们。 你可以在 ElevenAgents 中与它对话，也可以从 Claude、Claude Code、ChatGPT、Cursor 和 Grok Bot 访问它。

你可以控制它的构建方式，使其与团队的工作方式保持一致。 而且每一处改动都会生成一个带版本的草稿，你可以审查和回滚，因此未经你的批准，任何内容都不会上线，你也能确保改动在全面铺开前经过模拟测试和试点。

需要一个新的智能体？只需描述你需要的智能体，并附上文件作为上下文。 ElevenAgents Architect 会像专家一样把它构建出来，从提示词到护栏再到知识库。

ElevenAgents Architect 还能跨数千条对话进行推理，发现你原本会错过的机会。 每一条都会以提案形式返回，修复方案已在模拟中构建并验证。

向 ElevenAgents Architect 提问： - 为什么客户在退款通话中要求人工客服 - 如何提升账户查询的解决率 - 如何构建测试集让你的智能体保持品牌调性 它了解最佳实践，分析你的通话记录，然后建议并实施改进。

推出 ElevenAgents Architect。 这是内置于 ElevenAgents 的专家，只需对话或输入文字，就能帮助你的团队发布并改进 AI 智能体。