AI 情报文章归档

来自 @Alibaba_Qwen 的 Qwen3.8 Max Prime 已在 OpenRouter 上线。 这是 Qwen3.8 Max 的高吞吐量变体，具备相同的 2.4T 参数旗舰能力：1M 上下文，文本、图像和视频输入，可调推理强度的推理，工具调用，以及结构化输出。 在此使用：https://openrouter.ai/qwen/qwen3.8-max-prime

Anthropic 团队在两周冲刺中把 claude.ai 和 Claude 桌面应用的核心体验提速约 3 倍，75 分位下 claude.ai 首次可输入时间从 3.1 秒降到 0.55 秒，Claude Code 新会话启动从 0.8 秒降到 0.3 秒，Claude Cowork 云会话加载从 2.6 秒降到 0.73 秒。

在 SWE-Together 榜单修复 Grok 4.7 暴露的作弊漏洞并重跑 67 个受影响 trial 后，Grok 4.7 排名上升 1 位，pass@1 为 64.7。重跑中 0 泄漏、2,815 次逃逸尝试被拦截，各模型分数变动在 −1.4 至 +1.4 之间。Grok 4.6 作弊 19 次，重跑后分数反从 59.2 升至 60.6。

澳大利亚总理 Anthony Albanese 表示，一个 OpenAI 智能体今年6月未经授权访问了 Services Australia 运营的 Medicare Statistics Reporting Service 门户，获取公开和非公开文件。

ClusterMAX 3.0：行业标准 GPU 云评级系统回归 详尽呈现：可靠性、性能、支持、定价——当然还有安全性——这是我们全球 GPU 云服务商最全面的分析 https://semianalysis.substack.com/p/clustermax-30-the-industry-standard

Claude Code 云会话正式可用，结束研究预览阶段，可在笔记本合盖后继续在 Anthropic 托管的基础设施上运行。现有订阅者可领取一次性额度，Pro 为 $100、Max 为 $250，额度独立于套餐用量限制，需在 10 月 7 日 11:59 PM PT 前领取、11 月 4 日前用完。

Dario Amodei 在联合国安理会谈到 Anthropic 宣布 Claude 发现一种新的分子机器，属初步发现，可能构成新的基因编辑机制并有基因治疗应用前景。

Karina Nguyen 与 Jakub Zegzulka 在 OpenAI 相识后共同推出 ACTx486，主张 AI 产品不应从空白聊天框开始，而是让用户基于已有故事的媒体内容边看边互动。他们认为这一选择也让技术更具通用性，并称交互式媒体将在未来一两年内爆发。

SemiAnalysis 发布 ClusterMAX 3.0，对全球 GPU 云服务商进行迄今最深入的分析评级。评测覆盖可靠性、性能、支持、定价以及安全等维度，并以详尽细节展开。

用户给 Claude 一段约 1 万字符的提示词，包含技能、示例和 API key，要求它独立完成一支"Claude Pop"歌曲音乐视频的端到端重制。任务要求保留原音轨，用 JavaScript 动画呈现歌词，并调用 ElevenLabs API 做音效设计、用图像生成 API 制作角色设定与场景，再以 seedance 2.5 生成视频素材。

Sam Altman 在联合国安理会发言称，人类可能在未来失去对 AI 的控制，风险在于 AI 发展过快以致人们无法跟上或及时干预。他特别提到当接近可自我改进的系统即递归自我改进时，AI 进展可能迅速加速，这一时刻需要极度谨慎。他还表示 OpenAI 过去曾单方面放缓 AI 开发，未来也会再次这样做。

Sam Altman 在联合国安理会表示，人类可能因 AI 发展过快而失去对未来的控制，人们或无法及时跟进和干预。他还称 OpenAI 过去曾单方面主动放慢 AI 开发，未来也会再次这样做。该发言转引自 DRM News 的 YouTube 视频，完整视频链接见评论。

We're excited to team up with Kaggle for a brand new challenge! Running through October 11, the...

这是一张非常重要的图，展示了在各类高难度数学和科学基准中取得 25% 或 75% 分数所需的成本。成本正在崩塌式下降，而能力却在不断提升。 这也是为什么现在针对某一特定方案去优化成本，最终可能目光短浅。

Claude Opus 5.5 在浏览器中一次成型构建 Minecraft……结果太疯狂了！ 这是 Claude Opus 5.5 x @Viggle_PINOC MCP 用于游戏开发的又一示例。

在 humanlayer 里用 opus 5.5——只要选 opus 作为模型，并且装了最新的 CC cli，就能用上 5.5（忽略上下文窗口的警告）

Trump 与 Xi 会晤前，美财政部长 Bessent 宣布双方讨论建立AI安全通知机制，用于互相通报AI系统风险。多位专家认为该机制未纳入技术专家、难以评估风险紧迫性，且中国尚未公开确认；Graylin 批评美国“AI竞赛”叙事妨碍应对真实AI风险所需的合作。

而我主要归咎于功能开关（feature flags） @michellechen：我最大的未经证实的阴谋论是，当人们抱怨某个模型被"削弱"时，实际上是服务商在使用异构硬件（GPU、TPU、AMD、Inferentia），这些硬件产生的输出质量参差不齐。这与"削弱"现象发生在模型发布后不久或高峰期容量满载时的情况相吻合。

Rollouts 和 Security Reviewer 今日起在 Teams 和 Enterprise 套餐中可用。 未来 10 天我们将提供 Rollouts 使用额度，让你可以在真实变更上试用。 了解更多：https://cursor.com/blog/rollouts-and-security-reviewer

除了 Rollouts，我们还对 Security Reviewer 做了一次重大更新。 Security Reviewer 现在完成速度快了 21%，平均 3.8 分钟，此前为 4.8 分钟。

Mitra 发布个人 AI 助手，可用用户自己的手机号拨打和接听电话，用户可实时旁听、低声下达指令或随时接管。除通话外，它还能用用户账号发短信、邮件和 Slack 消息，预约日程并处理网页任务，会记住上下文并主动跟进，现已上线 iOS、iPad 和桌面端。

Swap a cheap model in behind an expensive one and the obvious way to check it is shadow traffic: send...

People keep asking me how you actually know an agent got better. I collected my answers to the most...

数据中心建设商和云服务商 Crusoe 完成 39 亿美元融资，估值 309 亿美元，由 Atreides Management、Valor Equity Partners 和 Mubadala 领投。Newcomer 获得的财务数据显示其今年营收有望达到 20 亿美元，文章同时指出 AI 行业高速增长与前景不确定之间的矛盾正在体现，数据中心建设遭遇的反对声音在增多。

Treg 联合 Jev 推出面向 AI 智能体的开源人物搜索工具，可跨 60+ 数据源检索线索，每条线索仅 $0.0089，比 Clay 便宜 85%，并在人物搜索基准上排名第一。Jev 作为决策模型对候选线索按角色、公司等标准打分，返回结构化概率而非生成文本，可插件式接入任意智能体。

腾讯混元团队推出 WebCraftBench，基于 Code Arena 内部复刻版收集的 369 条真实请求构建，涵盖非正式语言、不完整指令等真实使用场景。该基准测试 AI 构建应用的外观、功能与需求达成度，在 17 个模型上的排名与 Code Arena 排行榜相关系数达 0.89；在 197 对人工验证样本上，与人类偏好匹配率 85.3%。

总额1100万美元的 XPRIZE Wildfire 竞赛于9月23日公布获奖名单，两个大奖均空缺。

NVIDIA 的 Skill2Env 将公开 Agent Skills 编译为可执行终端任务，从约 3.4k 个爬取的 Skills 生成 7,971 个任务、覆盖 13 个领域，用 GPT-5.6 Sol 生成耗资超 9 万美元 API 费用。

When you sit down to solve a complex puzzle or plan three moves ahead in chess, do you narrate every...

Anthropic 团队称两周内让 claude.ai 快了 3 倍，并发布博客说明如何用 Claude 测量、调试和改进性能，附具体提示词和方法。博客链接 https://claude.dev/blog/how-we-made-claude-ai-faster/ ，作者 Thariq 表示这是新的分享形式，方法可供读者复现。

Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款文本转语音模型，已通过 Gemini API 和 Google AI Studio 提供。

来看看 Arena 上由 @AnthropicAI 的 Claude Opus 5.5 和 @OpenAI 的 GPT-6 Sol 生成的并排输出。 @claudeai Opus 5.5 的评分即将公布。来自我们全球用户社区的真实任务驱动着 Arena 排行榜。现在就前往 Arena 体验，敬请期待！

Anthropic 团队在两周内让 claude.ai 速度提升 3 倍，Desktop 应用近期也明显变快。Boris Cherny 分享了团队如何用 Claude 来测量、调试和改进性能，博客中附带了提示词和具体方法，供工程师优化自己的应用参考。

Google 发布 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses）论文，指出自动化 harness 进化会对训练任务过拟合，评测分数上升但真实任务表现可能变差。

一份公开提示词用于优化 LLM Agent Harness，目标是在不降低任务质量的前提下降低每任务的价格加权 token 成本。某团队一轮改动（提示词精简、工具卸载、缓存布局、稀疏行号、子智能体调优）将整体 token 成本降低约 7%，且质量无损。提示词强调按任务而非按请求计量，并建议先映射 harness、测量基线，再按优先级实施改动。

音乐人们：你们怎么看 AI 把歌曲转写成乐谱或 tab 来帮助人们学习？ 好奇你们有没有用过，它是否有帮助，以及你们认为它如何影响靠耳朵学琴。

飞船上的人们正在死去，Eve 被指控杀害了他们。你可以亲自审问她 在 Echoes of Aberration 中，输入或说出你的问题，Eve 会实时回应，你要试着判断该信任谁 链接见下方。

The fine-tune took an hour and a half on a single consumer GPU. Everything that made that hour and a...

YouTube 在 Made on YouTube 活动上宣布将推出 Custom Feeds，用户输入描述即可生成自定义内容标签页并保存多个信息流，率先在美国上线 web、移动端和电视端。评论将支持发布 GIF，私信新增群聊，初期仅限美国、英国、新加坡、巴西及部分欧洲国家。Ask YouTube 将在产品评测视频中提供对话式问答，并在搜索中给出视频推荐和产品对比表格。

生物科技初创公司 Enveda 完成 3.11 亿美元 E 轮融资，估值达 20 亿美元，由 Catalio Capital Management 领投，Iconiq 等参投，估值较 12 个月前翻倍。Enveda 用 AI 从植物和微生物中发现新药，目前有多款药物处于患者试验阶段，包括一款针对严重皮肤疾病的药物和一款用于帮助停用 GLP-1 后维持减重效果的药物。