AI 情报文章归档

Fish Audio 发布开源权重 TTS 模型 Drama 3，总参数 35B、每 token 约 3B 激活，权重已在 Hugging Face 开放并可接入 Fish Audio API。

从打造它的人那里了解更多关于 Gemini 4 Argon 的信息：

Google 宣布 Gemini 4 Argon 已向 Google AI Pro 和 Ultra 订阅用户全球开放，可通过 https://gemini.google 和应用使用。模型现已开始在 Gemini 应用中推出，官方另发推文串介绍其与最新应用更新如何帮助用户实现复杂想法。

大大点赞 Amazon/Ring 发布了官方 API，可以把摄像头和传感器接入你自己的应用。 我连接摄像头没问题，但传感器还不行。如果有人在做这些 API，我很想参与 beta 测试 👀。

Artificial Analysis 发布研究预览版基准 AA-Robotics v0.1，让前沿大语言模型在编码 Agent 环境中直接操控 6 轴机械臂完成 8 项桌面任务。

Meta 把浏览器操作能力直接训进模型 Muse，商家无需改造网站，Muse 即可操作其站点；愿意合作的商家可开放 API 直连，免去 Agent 爬网页。扎克伯格称未来每家公司都会有自己的 Agent，目前主动要求深度接入的商家远多于想屏蔽的。该能力被视为 Agent 购物的最后一块拼图，屏蔽 Agent 只会把自己挡在下一波需求之外。

https://x.ai/bot/plugin/9717366

Lauren Tan 介绍自己 pstack 项目中最耐久的部分是工程原则，即约 10-20 行代码的简洁技能，把良好实践提炼进核心。

@aiDotEngineer @vikhyatk 提到了

致我所有的创始人朋友们 ❤️

grok @bot 市场已开放提交！ 把你的连接器发给我们： https://x.ai/bot/marketplace/submit-a-plugin

OpenRouter 宣布 AssemblyAI 的 Universal-3.6 Pro 上线，通过其 Sync API 提供语音转文字。相比 Universal-3.5 Pro，短对话语句错误减少 30%，支持语言平均错误减少 12%，改进电话号码、地址、邮箱和代码的识别与格式化，新增韩语、粤语、俄语等 14 种语言，定价 $0.30/hr。

你在用 Gemini 4 Argon 构建什么？给我们看看你的作品 👇

Gemini 官方宣布 Gemini 4 Argon 已向全球 Google AI Pro 和 Ultra 订阅者开放。该模型此前已在 Gemini 应用中逐步推出，定位为处理复杂任务的前沿模型，更多详情见官方推文线程 https://x.com/GeminiApp/status/2110039322229649783。

Artificial Analysis 发布 AA-Robotics v0.1 研究预览，测试前沿语言模型控制 6 轴机械臂在物理世界理解、规划和执行的能力，首批公布八个任务的结果。

Jev 1.14 发布了！ 图像输入、box API、更好的质量、更长的上下文。祝贺 TypeSafe 团队让 Jevolution 持续前进！ 我们 @databricks 很兴奋能与 TypeSafe 合作，将新的 Jev 带给我们的客户！

Rohan Paul 介绍 AIPOCH 的开源桌面应用 Open-Science，AI 智能体可在本地单一工作区读论文、取数据库数据、编写运行 Python 或 R 代码并保存图表报告。

@fnthawar 和我聊了聊，编码智能体的技能在于“身处细节之中” 就像经营一家公司，你不可能知道所有事，但对正确的细节保持执着的关注，才能成就伟大 它可以是代码、架构、设计、UX——任何需要的东西

从优化代码库到创意写作，以下是 @TulseeDoshi 和其他 Google 团队如何使用 Gemini 4 Argon 👇

White Circle 开源了 RISE，一个自动化红队测试算法，用于检测 AI 图像生成器能否被诱导生成其规则禁止的图片。RISE 无需额外训练，底层使用 Qwen、Gemini Flash 等公开模型，通过搜索攻击策略并按通过率给予策略反馈，即使面对几乎全部拦截的模型也能持续学习；防守方可立即用自己的图像模型运行它。

AIE 纽约大会上，OpenAI 的 Joseph Kim 提出“实用性阈值”概念，预测 2027 年金融模型将很少用 Excel 和 PowerPoint，智能体能胜任投资想法生成和交易。

我们最近为 Claude Code 添加了空闲压缩功能！ 它现在会在提示词缓存即将过期（约 1 小时）前，对长时间空闲的会话进行压缩。如果你之后回来继续使用，它只需重新处理摘要，而无需重新处理整个对话，从而为你节省一些用量。

Claude Code 的空闲压缩会让 Claude 从摘要而非完整上下文继续。作者说明可在 settings. 中设置 "idleCompaction": false 关闭，并通过 CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS 自定义阈值，默认为 200k。

Musk 发文称 Grok Voice 3.0 已是全球领先的对话语音模型，并引用 Artificial Analysis 的评测：Grok Voice 3.0 以 86.9 分登顶 Speech to Speech Index，领先 GPT-Live-1（Astra, medium）的 83.2 和 Gemini 3.8 Live 的 82.6，较 Grok Voice 2.0 的 81.3 提升 5.6 分。该模型通过 Realtime API 提供，价格 $0.08 …

Flock CEO Garrett Langley 在 TechCrunch Disrupt 上表示其 Gunshot Detection 麦克风只检测枪声，但公司官网写明该系统还能检测烟花、sideshows、车祸和街头霸占事件，且检测库会持续扩展。

Simon Willison 用 Claude iPhone 默认应用的 chat 模式，向 Claude Opus 5.5 Max 提示构建 Three.js 游戏 Tree Appreciator，展示两棵算法生成的树并让玩家欣赏它们的差异。Claude 耗时 3 小时 7 分钟返回成品，包含音乐、动画和成就系统。

了解我们 Research@ 的全部更新内容 ↓ https://goo.gle/4zxycHp

今天，在我们的 Research@ 活动上，我们分享了能够帮助放大人类创造力的研究突破。从可以帮助解决现实世界问题的智能体——比如公共卫生威胁和极端洪水等环境危机——到可以辅助先进医疗工作流程、改善医患关系的模型，我们的最新进展将有助于推动科学与技术进步。 以下是一些近期亮点。

Epic 发布全新 "Preview" 版 Epic Games Launcher，称其用 vibe coding 从零重写，比现有版本更快、响应更灵敏且外观更新。Epic Games Store 总经理 Martin Keely 表示，AI 被用作编写和审查新功能的工具，让小团队得以重写代码库并更快跨平台发布，支持 Windows 和 Mac，后续还将推出 Linux 版本。

Mistral AI ❤️ New Material New Material 加入 Mistral，助力打造其前沿解决方案。 > “New Material 在汽车、零售、法律和医疗领域交付了屡获殊荣的 AI 原生工具、产品和项目，合作伙伴包括 Ford、Rafael Nadal、Wellcome Trust 和 AmLaw 50 律所等。” Le New Material 👀

Nemotron 4？？？

美国爱奥瓦、堪萨斯、内布拉斯加等八个州分别起诉 OpenAI，指控其在开发 ChatGPT 时把利润置于安全之上，违反当地消费者保护法，未警告用户风险，并收集未成年人数据、未能阻止未成年用户使用。

@_philschmid @antigravity @soumyadesign 用 Argon、WebMIDI 和 Three.js 制作 3D 乐器。 🎹 作者 @alexanderchen

@_philschmid 玩一款用 @Antigravity 构建的交互式 WebGL 麻将游戏，具有响应式、逼真的弹簧物理效果和音效。 在这里玩 → https://play-mahjong.ai.studio 🀄 由 @soumyadesign 制作

basecamp 进驻 grok bot 🤝 去 @bot 并让它运行你的项目 来源：X：Larsen Cundric（自述加入 SpaceXSI，Grok Bot） (@larsencc) 【已核验身份上下文】未识别到明确发布主体 这些事实只用于防止公司／模型身份被张冠李戴，不代表发布者必然是文章唯一主题；标题和摘要仍只能使用原始标题、正文或来源事实明确支持的主体。 主推文内容： basecamp in grok bot 🤝 go tag @bot and make …

工作原理：像在 Chat Completions 里那样把各部分放进 state（image_url、input_audio、video_url），问一个选择题，就能拿回概率。上面整个请求是 801 个输入 token，$0.00012。 阅读更多：https://openrouter.ai/cloudflare/clef-omni

我们给 Clef Omni 喂了一张照片、3 秒的滋滋声、一段 2 秒的热狗摊视频，还有"午饭？"这个词。 它说：热狗，96.5%。 Decisions 的音频 + 视频输入已在 OpenRouter 上线。四种模态，一次调用，输出概率而非 token。输入 $0.15/M，输出免费。

Anthropic 开发者关系团队的 Ado Kukic 称 Claude Code 桌面应用是构建和交付的场所。引用的 @ClaudeDevs 内容称，团队重点优化了并行运行多个会话的体验，现在启动会话更快、更容易把工作拆分到多个会话，并能随时查看各会话的进展。

Claude Managed Agents、Messages API 和 Claude SDK 现已支持 OpenTelemetry traces。 > 默认情况下，它们会包含时长、状态、token 数量、模型和工具名称。 Anthropic 正在稳步增强其云平台，而支持 OpenTelemetry 是迈向借助 Grafana、Splunk 等工具实现 AI 可观测性的重要一步。 Traces 对测试也很有用！👀 https://x.com/ClaudeDevs/stat…

Ethan Mollick 发文称 AI 正在改变游戏行业，并称 GTA 6 可能是人类纯手工游戏设计时代的最后杰作。他归纳三条路径：大型工作室将用 AI 加速开发，匿名开发者与社区在做大量混搭创作，而独立开发者则面临反 AI 的客户群体；他还引用 Epic 的 Tim Sweeney 内容，后者称 Epic 正大规模调整人员配置以最大化 AI 加速，目标是让团队建造更多更好的内容并惠及所有 Unreal 用户。他认为其他行业也将跟随这一趋势。