AI 情报文章归档

自己动手搭建 harness 吧，各位！ 自建 meta harness 最大的好处之一，就是切换模型非常顺畅。 我觉得随着模型发布周期不断缩短，这一点正变得越来越重要。RSI 只会让发布节奏进一步加快。 这是自去年 11 月以来我做过的最好的决定之一。 切换模型确实可能把一切搞乱，但不该如此。如果会乱，说明你的配置不适合我们当下这种疯狂的发布节奏。你现在就得解决这个问题。

This is a submission for the Kaggle Benchmarking Challenge What I Benchmarked Cyber...

Every 发布开源模型实用指南，讲解如何评估需求、选择模型与托管方式，将开放模型用于编码、创意和日常自动化等工作。指南指出当下最强开源模型多来自中国实验室，并强调按任务难度区分模型选择，同时附上一个用于审计现有 AI 用法、筛选可迁移到廉价模型任务的提示词。全文为付费订阅内容。

Gemini 4 Argon tops 13 of 19 rows on Google's own table, ties for second on Artificial Analysis, and has no release date for developers yet.

军事历史学家 Si Sheppard 在播客中讲述 Cortés 与 Pizarro 如何以数百名征服者推翻阿兹特克和印加帝国：Cortés 在两年半内征服 600 万人口的阿兹特克，约十年后 Pizarro 又征服约 1000 万人口的印加。征服者常在 100 倍甚至 1000 倍兵力劣势下取胜，且多达 99% 的兵力由被征服的原住民组成。

Computer 里的 Seedance 对营销和品牌团队来说相当惊艳！

Airbnb 本周随秋季更新上线新的 AI 驱动搜索，CEO Brian Chesky 在访谈中重申聊天机器人不适合旅行浏览与电商，因为每次只给少量选项且不支持多人协作。他认为行业缺乏为 AI 构建的操作系统，智能体要在内核层交互、所有应用都成为可互通的智能体，且 Airbnb 计划让应用内的智能体通过 MCP 与其他智能体互通；公司还计划今年秋季推出语音智能体帮助用户搜索和客服。

AI 正在创造新的工作岗位，我预计许多公司会开始招聘自动化工程师。 这个角色需要有人理解团队的真实运作方式，并能构建团队所需的自动化。Jake 在这篇文章中解释得很好。 在 @getserval，自动化工程师会嵌入 IT、HR、财务和法律团队，直接在每个客户的 Serval 环境中构建 AI 智能体。

WorkBuddy Pro 首月现在只需 $7。 以这个入门优惠开始，从第二个月起按 $10/月继续。我们还新增了微信支付，与各大信用卡和借记卡并列，让订阅更方便。 面向符合条件的新 Pro 用户。

GitHub Universe 2026 的 10 场技术演讲聚焦智能体记忆、评估与权限，包括 GitHub 研究人员用真实 pull request 序列构建 benchmark，发现累积上下文反而会拖累性能。

普林斯顿，10 月 3 日有安排了吗？现在有了。 来参加 WorkBuddy 校园见面会——带上朋友，来打个招呼！

This is a submission for the Kaggle Benchmarking Challenge. What I Benchmarked A plan...

微软 CEO Satya Nadella 宣布，在微软和 LinkedIn 工作近 18 年的 Ryan Roslansky 将离开微软，年底前以顾问身份协助过渡。

Jensen Huang 要来 ElevenLabs Summit NYC 了。 NVIDIA 从我们最早的日子起就与 ElevenLabs 合作，这也是我们不断推动语音和音频 AI 能力边界的重要原因。11 月 11 日，@JensenHuang 将与 @mati 对话，探讨 AI 的未来。

Ai2 发布 Olmo-core 3，这是面向大规模混合专家（MoE）模型的开源训练框架，设计目标是将 MoE 训练扩展到万亿参数级别，也是下一代 Olmo 模型的核心训练系统之一。

SemiAnalysis 在 ClusterMAX 2.0 中曾批评 Lambda 的可靠性，本轮测试中 Lambda 将其作为重点改进项：被动健康检查覆盖相关条件，自动修复了测试中模拟的 3 个错误，其中两个合成 XID 在 15 分钟内完成自动修复，并有互联仪表盘监控节点健康。

从一句提示词开始。2 小时做出可玩的游戏。🚀 我们测试了全新的 Manus 2.0 + Tripo 工作流： • @ManusAI 构建了核心机制和 HTML 游戏逻辑。 • Tripo 生成了高质量 3D 资产来替换占位模型。 看看实际转变效果。

奇安信盘古石手机取证 R8.8.0 完成升级，提取能力上完成 Android 17 系统提权适配，并新增三星、小米系列设备的 Android 16 提权提取。解析能力上可定位并重组微信已删除的图片、语音、视频碎片，重建聊天上下文关系，同时新增鸿蒙平台豆包、千问等应用解析。安全管控新增用户统一管理与分权登录、操作审计及自定义水印。

在我们的探索器中对比各模型的 ECI：https://epoch.ai/eci?view=graph&tab=scatter&eciPreset=software

对于 Opus 和 Sonnet 5.5，ECI 与 SWE ECI 之间的差距都很小，不到一个 ECI 点。相比之下，GPT-6 Astra 的 SWE ECI 比其通用 ECI 低约两个 ECI 点。

Epoch AI 发布的 Epoch Capabilities Index（ECI）榜单中，Claude Opus 5.5 以 167 分登顶，略高于 GPT-6 Astra。Claude Sonnet 5.5 大致追平 Claude Fable 5.1（165 分）。

I once watched a single agent workflow burn through $340 in a single afternoon. Not because it...

Suno 官方演示 Suno Studio 2.0：从一首歌开始，可直接在聊天栏中拆分 stems、添加新乐器、效果和 automation。

Arena Open House：屋顶 Happy Hour 10/7。 我们敞开新 SF 总部办公室的大门，想邀请正在攻克 AI 难题的研究者、开发者和构建者上屋顶！来玩、见见团队、看看空间——湾区景色尽收眼底。 提供 boba bar、小食和饮品。 名额有限。注册申请名单席位！ https://luma.com/8jmuq1f2

余承东宣布华为移动影像升级，正式发布华为睿影 XMAGE 影像品牌。华为 Mate 90 系列首发搭载全新升级的 XMAGE「华为睿影」影像体系，围绕人像、长焦、色彩、视频、智拍五大方向创新，配备全系连续可变光圈、第三代红枫原色摄像头、超大底 2 亿像素长焦及 18EV 超高动态主摄。

当前 AI 热点，聚合 1 个独立信源、11 条信号。

My first green eval run was worthless: the training data and the test set came from the same sources, so the model was reciting. Fixing that exposed two more traps. Three runs of one unchanged model scored 31, 21 and 31 out of 50, and a la…

OpenAI 在年度 DevDay 上发布由 GPT-6 Astra 驱动的智能体 Dots，定位为可处理长周期知识工作的"参谋长"，并将与 Microsoft 的 Agent 365 平台集成。

TL;DR I let a fully autonomous coding agent (built on Claude Code) merge and ship its own...

404 Media 获取的公共记录显示，美国高校管理人员在家长和校友对学生报道提出异议时会与其会面，并要求指导老师违背职业伦理，学生新闻室与管理层的紧张关系随之升级，向倡导组织寻求法律援助的请求增多。有专家称，这些审查者想被称作一切，唯独不愿被叫审查者。

ChatGPT 应用内出现标注"Coming Soon"的 Wallet 入口，时间点几乎与 World 应用更名为 World Money 并转型为真正钱包重合。该钱包可能用于 Dots 的智能体购物，而 World 由 Sam Altman 联合创办，提供 World ID"人类证明"与加密钱包。若两者整合，OpenAI 将直接获得自有支付基础设施。

This is a submission for the Kaggle Benchmarking Challenge Here is one URL, read by two parsers that...

Anthropic 现向美国联邦和州级文职机构提供 Claude for Government，该平台自 7 月起开放测试，运行在最高安全等级的 FedRAMP High 环境。

华为 Mate XT 2 非凡大师三折叠手机推送 HarmonyOS 7.0.0.109 SP8 更新，锁屏新增 3D 空间壁纸，通信共享升级为手机与搭载 HarmonyOS 7 的手机、平板、鸿蒙电脑之间支持多人互助通信共享。图库支持静态/动态照片生成 3D 动态照片并添加多种空间运镜效果，深色模式可随日出日落自动切换，小艺优化了多模态基础大模型推理速度。

Qodo 推出 Qodo 3.0，新增 PR Triage 功能，将相关 PR 归组为一个工作包，并按代码库影响、SLA 和未解决问题打分。跨仓库地图展示工作包涉及的每个仓库，每项评分附有推理依据。Qodo 为整个工作包生成一份审查简报，让审查者一起审阅 PR，人类仍负责最终批准代码。

2/ 这是下一代 Pareto 版本的预览版，可能随时变更，恕不另行通知。如需稳定行为，请使用 Pareto 26.9。 详见： https://openrouter.ai/unbiased/pareto-26.10-preview

1/ 来自 @theunbiasedco 的 Pareto 26.10 Preview 现已在 OpenRouter 上线，输入 $0.80/M、输出 $3.20/M，而当前 Pareto 为 $2.50/$7.50。 一款面向研究、编程和智能体工作流的多模态复合模型，具备 1M 上下文、文本和图像输入，以及工具调用能力。

Perplexity 面向符合条件的美国 Amex Business 小企业卡会员，在 Perplexity Computer 中上线 Amex 策划的即用型技能库，预置工作流可处理现金流预测、营销活动生成等日常业务任务。用户只需在 Computer 中选择任务并补充业务信息，无需从零编写提示词。

Figure 为退役的 F.02 人形机器人举行"火化仪式"，让机器人亲自跳入熔炉，这一想法源自《终结者 2》T-800 扮演者施瓦辛格本人的提议。施瓦辛格身穿全套防护装备到场，带领一台 F.02 走向熔炉，并在视频结尾摘下面具宣布"Figure 2 已经退役"。

Benchmark: https://www.kaggle.com/benchmarks/tasks/jeffreyturov/post-cutoff-150 Dataset:...