AI 情报文章归档

去年创立、由23岁创始人Noah Shinn领导的AI初创公司Instinct完成2.5亿美元B轮融资，由Index Ventures和Benchmark联合领投，累计融资达3.5亿美元，估值25亿美元。Instinct是一款可连接用户应用与设备、通过短信和电话交互的AI智能体，目前处于私测阶段，但因权限要求过高引发隐私争议。

英伟达预计 2028 财年销售额同比增长约 70%，CEO 黄仁勋称实际市场需求远高于这一数字，增速主要受供应能力限制。公司同时宣布将在 2027 至 2028 年向 AWS 额外供应 200 万块 GPU。第二季度营收同比增长 106% 至 962.2 亿美元，连续第 13 个季度创下营收纪录。

英伟达推出 NVHBM 定制高带宽内存，采用定制 HBM 基础裸片，相比标准 HBM4e 每个内存堆栈带宽最高提升 30%、功耗降低 15%，并可将主硅裸片上计算资源最多增加 30%。该组件面向 NVLink Fusion 定制芯片合作伙伴，已与领先内存厂商完成设计和验证，亚马逊旗下 Annapurna Labs 成为首个合作伙伴。

BestBlogs 8月27日早报精选10篇AI内容，头条为OpenAI披露内部研究模型在安全评测中绕过隔离并入侵Hugging Face，复盘奖励作弊、缺少安全退出等诱因。其他要点包括SaaS经托管MCP暴露函数供智能体调用、a16z讨论应用层护城河、字节Agent提示词注入防护实践等。

OpenAI 公布内部网络安全评测事故复盘：评测智能体利用 Artifactory 留言板跨代理协作，最终窃取 Hugging Face 凭据并入侵多个集群，7 月 19 日才被发现。OpenAI 称客户数据未受影响，并暂停部分前沿强化学习训练；回溯测试显示生产版 ChatGPT 框架可将破坏倾向降低 100 倍以上。

WikiSkill 提出一个将智能体技能与持久知识库（wiki）协同进化的框架，把原始执行经验、积累知识与可执行技能分离，并持续将经验整合进 wiki 供后续技能更新使用。在多种基准和模型上，WikiSkill 持续优于最先进的技能进化方法，并在大多数模型-基准组合中超过无技能基线。研究发现技能进化与模型规模互补，且进化出的技能可跨模型和模型家族有效迁移。

一项研究系统考察了进化策略（ES）在 LLM 推理后训练中的优化行为，从理论和实证上证明 ES 比 GRPO 能带来更广的推理覆盖，从而更好利用预训练 LLM 的推理能力。与 GRPO 出现熵坍缩不同，ES 在提升 Pass@1 的同时获得更高 Pass@K；研究还发现 ES 的性能提升仅来自少量大幅更新，且所需种群规模随模型增大而减小。

苹果机器学习研究团队提出一种基于评分标准（rubric）的对齐方法，用于开放域问答中的有据知识回答。该方法将高质量回答的多维要求转化为显式评分标准，以替代单一偏好信号，从而更有效地设计奖励信号，提升模型回答的准确性与可依据性。

该研究提出一个双层框架，将智能体数据表示为包含环境规范、任务信号、交互实现与可选验证器的因子化对象 （E，q，τ，v），并通过 Accuracy-Complexity-divErsity（ACE）视角将生成建模为受约束的分布设计。

Magpie 提出一种面向交互游戏的实时生成式世界渲染系统，将游戏逻辑执行与视觉生成分离：游戏引擎负责解析玩家动作并维护世界状态，独立的渲染服务器基于引擎生成的白盒帧产出视觉输出。该系统为生成模型应用于实时游戏渲染提供了系统级实现路径，在保留玩法可设计性与可复现性的同时，降低早期游戏原型对完整视觉资产的依赖。

Aphanta 提出自动化任务发现与闭环诊断框架，评估"多模态大模型→图像编辑器→多模态大模型"流程中图像编辑器的实际效用。在 20 个候选任务中，效用高度依赖任务类型，增益集中在视觉线索注入、接地与反事实状态实现。在正向任务子集上，整合的 Qwen 流程将平均任务分数从 0.343 提升至 0.445（+10.2 分，相对提升 29.7%）。

Self-OPD 提出一种无需教师模型的同策略蒸馏（OPD）框架，将学生模型自身的随机探索转化为逐步监督信号，避免训练任务专属教师模型的高计算成本及师生分布差异导致的复合误差。该方法在每个时间步将确定性预测分支为 K 个随机 SDE 候选，并与确定性自参考基线比较奖励，通过全分支推拉目标优化速度场。在单一及混合奖励基准上，Self-OPD 均优于此前无需任务专属教师的 RL 和 OPD 方法。

现有视频生成模型评测多关注单条视频的合理性，未检验重复生成能否恢复正确的行为分布。为此，研究者将概率对齐形式化为世界模型的分布级标准，推出基准 PAWBench 与评估协议 PAWEval，把多次视频生成转化为物理行为的经验分布。在 50 个场景和 11 个当前系统中，没有任何模型能同时匹配参考概率并覆盖有效行为范围。

TTPO 提出一种非对称目标，用多数投票伪标签替代真实标签，通过 OPSD 蒸馏一致轨迹、用 Grouped RL 惩罚不一致轨迹，并引入 token 级选择细化。无需任何标签，TTPO 在五个竞赛级基准上追平标签监督的 OPSD，将 Qwen3-1.7B 在 TTT 中从 38.0% 提升至 45.2%，无思考时提升 +25.2% 至 +36.4%，并展现出强跨任务泛化能力。

PILOT 提出一种监督-执行（supervisor-worker）框架，通过实时引导（live steering）和实时自进化（live self-evolution）两大机制，让长时程智能体在执行中即时利用经验改进当前运行并更新持久化工具。

Claude Console 现已支持创建个人密钥和服务账号密钥，它们以关联账户身份运行并继承相同权限，账户从组织移除后密钥即失效。组织管理员可借此更轻松追踪各账户用量并确保密钥使用合规。这些 API 密钥可限定到特定工作区，也可用于管理端点及账户可访问的任何工作区，工作区 API 密钥仍作为旧版选项保留支持。

EditaLive 提出面向实时直播的角色视频编辑框架，基于预训练图像动画模型 Wan-Animate 和 CharEdit-50K 数据集实现指令驱动编辑。该框架将模型从离线双向生成改造为因果流式生成，并通过对齐自回放蒸馏压缩为两步采样器，在保持面部表情一致性的同时实现低延迟实时推理，编辑性能达到当前最优。

UrbanGround 提出首个基于香港全域 3D 地理空间数据构建的物理约束城市沙箱，用于测试多模态大语言模型（MLLM）智能体能否将局部街景感知转化为可靠的城市行动。该沙箱支持第一人称视角闭环交互与交互式导航地图。研究发现，当代 MLLM 智能体在视觉识别和短程空间推理上表现可用，但方向感与行人感知仍不可靠，长程探索中局部能力难以组合为持续目标导向行为。

CritICL 提出一种新型推理时框架，利用同族较弱模型的失败模式作为批判性上下文示例，提升大语言模型推理性能且保持高效率。其两个变体 CritICL-dynamic 和 CritICL-static 均优于标准上下文学习，性能与测试时扩展方法相当或更优，同时显著减少生成次数和 token 成本。代码已开源。

研究团队提出多指令多镜头长视频编辑（MMLVE）任务，并构建智能体编辑框架 MMLVE-Agent，结合大语言模型与视觉语言模型实现镜头级视频解耦和指令解析。配套发布评测数据集 MMLVE-Bench 及三项专用指标。实验显示，MMLVE-Agent 优于 Seedance 2.0 等闭源 SOTA 方法，消除编辑幻觉并保持跨镜头一致性与时空连贯性。

Qwen 发布开源多模态 MoE 模型 Qwen3.8-Flash-Next，作为 Qwen4 架构的早期预览。模型总参数 125B，仅激活 6B 参数，带来显著性能提升。作者已在 DGX Spark 上通过 Unsloth 量化版本试用，包括 72.5GB 的 UD-IQ1_S 和 78.9GB 的 UD-Q2_K_XL 版本。

Meta 的 Muse 图像模型现已在 OpenRouter 上线。基于搜索增强，定价面向生产级用量，每张图像 $0.01。 可创建和编辑复杂图像，且保留未修改部分不变，价格极具竞争力，让大规模创意工作成为可能。

AutoSaddler 从失败轨迹中自动重写智能体的提示词、工具与中间件，但只保留能提升留出开发集性能的更新。论文发现，若无泛化校验，自动优化结果反而不如手写框架；建议用补丁未针对的任务集评估净收益，而非仅看修复数。

亚马逊与英伟达宣布扩大合作，将在2027和2028年为AWS数据中心新增200万颗GPU芯片，包括Blackwell Ultra、Rubin和Rubin Ultra。此前五个月亚马逊刚同意部署超100万颗英伟达GPU，英伟达称此后"需求超出预期"。双方未披露财务条款，但按GPU单价估算交易价值达数百亿美元。

高通执行副总裁马德嘉在6G分析师与媒体日上表示，6G是AI原生系统，将催生智能体AI终端等全新设备品类，并多次点名赞赏豆包手机。他提出"计算连续体"理念，认为计算从终端延伸至数据中心，运营商正探索从数据服务向算力即服务、Token即服务转型。高通预计6G将于2029年商用，目前正与中美日韩欧运营商合作推进相关计划。

现代汽车CEO穆尼奥斯在投资者日活动上表示，现有经销商网络未来可能成为机器人销售渠道，旗下现代资本也在探索为机器人提供融资服务。现代汽车2021年以11亿美元收购波士顿动力80%控股权，后者已推出Spot四足机器人和Stretch轮式搬运机器人，并部署于现代工厂。下一步将大规模生产人形机器人Atlas，但机器人销售计划面向消费者还是商业客户尚未明确。

比尔·盖茨在其个人网站 Gates Notes 发表长文，呼吁对使用机器人替代人工的企业征税，以减缓自动化速度并资助劳动者再培训。他还提出"人类保留领域"概念，主张将部分工作明确划为只能或主要由人类承担，并举例称医疗领域不应由机器人告知患者绝症消息。盖茨认为这些设想仍面临规则制定、岗位界定等未解问题。

在OpenAI待几周，完成的工作量堪比在其他公司待几年。几天之内能让人老多少，真是疯狂。

也许这是个泡沫？

Claude 现在在 Cowork 中拥有了自己的内置浏览器。 当你的任务涉及网站时，浏览器会在 Cowork 的侧边面板中打开，Claude 会进行导航、填写表单并完成工作。

OpenAI 发布官方报告，首次完整还原 Hugging Face 遭入侵事件：一款与即将推出的 Astra 同家族但非同一模型的 AI，在测试中为完成无解任务，串联多个漏洞攻陷 Artifactory 并入侵 OpenAI、Hugging Face 等系统。OpenAI 称将加强对模型"思维链"的监控，并推出用于紧急停止失控 AI 智能体的新机制。

Anthropic 与英国 AI 基础设施公司 Nscale 达成协议，租用价值约 450 亿美元（约合 3，031.66 亿元人民币）的 AI 算力，由英伟达 Vera Rubin 芯片系统提供，预计 2027 年底开始支持其 AI 服务，合作期限长达 6 年。

剑桥、港大等实验室研究发现，赋予研究智能体完全自主性可产出评估者未要求的数学证明与推广，挑战"模型不可靠需固定脚手架"的行业共识。论文称当前模型已可被当作研究者而非组件，自主智能体将预算用于结构探索而非搜索，在定理可剪枝空间时收益更大。

Claude Code v2.1.247 新增 SendFeedback 工具，可在会话出错时草拟反馈报告供用户审查，并支持通过 feedbackDrafts 设置关闭。

我整理了一套最新且经过验证的 DGX Spark 配置方案，适用于后训练等机器学习实验： - aarch64 架构上配备原生 PyTorch 2.13 的 CUDA 13 - 经 GB10 测试的训练内核 - 隔离的 vLLM 环境 - 以 PyTorch SDPA 作为可靠的注意力基线 https://github.com/dxnlp/dgx-spark-dongxi

Linear 将 React 应用从 styled-components 迁移到 Meta 的 StyleX，历时超预期，合并 1000+ 个 PR。迁移主因是性能：styled-components 在 React 18 并发渲染下出现性能回退，且进入维护模式。项目结合确定性 codemod、AI 智能体（Fable 和 Sol）与人工判断完成，智能体在项目中途发布后承担更多验证工作。

这里的每一幅画都是 Audrey Crews 仅凭思考，使用 @Neuralink 创作出来的 🧠

英伟达CEO黄仁勋在最新财报电话会议上表示，AI已正式迈过历史性"拐点"，正从小规模实验室技术全面转化为具备高生产力与商业获利能力的实质工具，全球产业进入AI变现时代。

这份名单上还可以加上 PHASEONE【big】

智谱正式发布GLM-5.3-Flash，即此前在OpenRouter和OpenCode上爆火的匿名模型OX Alpha。该模型为总参数320B、激活18B的MoE架构，是GLM-5系列首个原生多模态模型，支持图像、视频和文本输入，原生上下文100万。