AI 情报文章归档

小米智能门锁 5 Max 于 9 月 23 日 20:00 正式开售，标准版国补价 2999.65 元，内外双摄版国补价 3699.2 元。内外双摄版首发 UWB 近场无感开锁技术，授权设备靠近门锁一握即开。门锁提供 12 种开锁方式，主打 AI 3D 人脸及掌静脉识别，内置两块 8000 mAh 电池，标准续航达 11 个月。

Originally published at sameerbajaj.com. There have been many new entrants in the AI wave over the...

Anthropic 发布 Claude Opus 5.5，官方称典型任务成本较 Opus 5 低 40%，并引入每次行动前的分类器、可审计沙箱和合并前代码审查。小米 MiMo-V2.6 以大规模 RL 训练，两种模型在 6 天 Live RL 中各完成 30 步、累计约 75 万条轨迹，并公开训练框架与轻量 Harness。本期早报还涵盖美团推荐基座大模型落地、千问办公企业上下文等 10 条内容。

BestBlogs 早报本期精讲 Anthropic 发布 Claude Opus 5.5，典型任务运行成本较 Opus 5 低 40%，缓存读取价格下降 60%，输出速度提升超 30%。

运营约 9 年的 Apple Park 游客中心于 2026 年 7 月启动翻修，撤下原有 AR 展区，改为名为 "Exhibition Space" 的传统零售区域。访客此前可用定制 iPad 通过增强现实查看园区建筑结构、内部办公区布局及太阳能设施。现场沿墙设置 Avenues 配件展示区并更新产品展示台，咖啡馆继续营业，苹果未说明取消 AR 展项的原因。

Redwood Research 测量 GPT-6-Astra 在提示词中加入无意义填充 token 后的表现，发现其在要求大量串行认知的任务上显著提升，4-hop 自然事实推理从约 10-20% 提高到约 50%，旧 AIME 题从约 60-70% 提高到约 90%。

OpenAI 宣布成立独立数学家顾问小组 AGMAI，由普林斯顿 IAS 承办，九名成员来自 Stanford、Harvard、Oxford、Cambridge 等机构，将就新兴数学成果的评审与发布提供建议。

The top of the Google results for "best AI code review tools" is a wall of vendor listicles. Most of...

我们真的从沙子里创造出了智能。 听起来仍然不可思议 👽 “如果你简化我们整个流程中所做的事 > 熔化沙子，让能量穿过它，然后从另一端得到智能”

谷歌信任与安全团队创始人 Tom Siegel 呼吁放缓 AI 发展，警告 AI 对儿童的伤害可能超过社交媒体，并已加入 Common Sense Media 担任青少年 AI 安全研究所首任执行主任。他建议 Anthropic 和 OpenAI 实施更严格的年龄验证，并呼吁谷歌在搜索中提供关闭 AI 概览和 AI 模式的选项；谷歌和 OpenAI 均作出回应。

Discord 本周起根据账号存在时长、加入的服务器和活跃度等信号自动划分年龄组，超过 90% 的用户不会被要求确认年龄，模型不读取消息或通话内容。18 岁以上用户体验不变，13-17 岁青少年账户将获得额外保护，包括屏蔽年龄限制内容和陌生人消息审查。

据日经新闻报道，三菱重工美国公司董事长兼 CEO Takao Tsukui 表示，受美国 AI 数据中心建设需求推动，公司燃气轮机订单积压处于历史最高水平，2029 至 2030 年交货排期紧张，合同价格同比上涨约 20%。

运用模型能力的正确方式，不是往生产环境塞 10 倍的功能 而是花更多时间去理解用户、做实验、搭原型、搞懂你不明白的东西，从而交付真正有用的东西

论文提出 Just-in-Time Memory（JitMem），保留原始轨迹并把记忆整理推迟到读取时，由整理器根据当前任务合成任务自适应的紧凑载荷。在 ALFWorld、WebShop 和 τ^2-bench 上，JitMem 分别超过最强基线 16.2、16.3 和 3.9 个绝对成功率点，未训练的整理器也已与基线相当或更优。

Apple 提出 probe guidance，利用现有扩散模型冻结的内部状态构建引导信号，无需在推理时增加额外前向计算，即可让弱模型与强模型保持相近动态。该方法在连续扩散语言模型的无条件生成上取得新的 SOTA，应用于 1.7B 扩散语言模型时在多项选择题基准上持续提升。研究还发现，传统 autoguidance 中的弱模型必须来自训练的低熵区域。

研究者提出 Agent-Editing World Model（AEWM），不再模拟工具响应，而是建模推理与动作如何塑造任务进展，通过 Action Judge 区分 Critical、Exploratory、Noisy 决策，并用 State Revision 编辑噪声推理-动作续写。

DeltaWAM 用稠密锚点、稀疏 delta 与动作三路流联合预测视觉变化量和动作，替代传统世界动作模型对完整未来帧的稠密预测。在 RoboTwin 上配合 Streaming Delta Memory（SDM）后，平均成功率从 Fast-WAM 的 81.3% 提升至 85.4%，视觉随机化下从 75.8% 提升至 83.9%。

Together AI 在 Qwen3.5 4B 基础上推出 Jev 类分类器 together/Tev1-4B-experimental，已上线其 serverless 平台。该博客展示了如何以 17 美元微调出自己的版本。

Meta 发布 Muse Realtime Avatar，将 Muse Realtime Voice 的语音流实时转化为带表情、手势和全身动作的交互化身，可基于参考图像驱动人像、插画、动物或日常物品。

OpenAI 与东南亚超级应用 Grab 合作推出 GO Forward with AI 技能培训项目，计划两年内帮助东南亚 3 万名 Grab 司机、配送和商户合作伙伴掌握实用 AI 技能。

研究者在将 Qwen3-4B 和 Qwen3-8B 蒸馏到 Qwen3-1.7B-Base 时发现，潜在监督会让 MATH-500 准确率在 10 步内从 25 升到 46，随后却崩到 11 且无法恢复，而对齐指标仍在持续改善。

Epoch AI 更新并扩展了 OECD 的半导体拆分投入产出表，将半导体增强版 ICIO 数据更新至 2016-2022 年，并按处理器、存储和其他芯片进一步细分，其中韩国出口的堆叠存储（含高带宽内存）单独可见。该表可追踪各国半导体的最终买家，并衡量各国支出对外国芯片生产商的暴露程度，用于校准贸易模型、估算贸易战或自然灾害等供应链冲击的影响。

针对 Representation Autoencoders（RAEs）中高保真重建编码器会降低表征有效维度、导致 flow matching 标准速度预测需拟合信号流形外的正交噪声方向、优化低效的问题，论文提出改用干净数据参数化（x₀-prediction），将学习集中在底层信号流形上。在多个强重建编码器实验中，x₀-prediction 一致提升了文生图生成性能。

FLEET 将每次生成表示为熵超过阈值的稀疏轨迹，并据此推断逐 token 效用分数来调整 logits，从而在生成过程中引入记忆机制。基准评测显示，FLEET 在达到与重复采样基线相同准确率的同时实现 3x 加速，并在相同预算下将 LiveCodeBench Pass@32 从 59.9% 提升至 66.2%。

Factory 宣布 Factory Router 的生产环境推理成本节省从 6 月下旬的 42% 升至截至 9 月 13 日当周的 63%，同期路由会话量增长约四倍。

研究团队发布 StudentBench 评估套件与公开平台，基于超过 175,000 条学生-AI 消息和 2,383 名参与者的数据，发现 AI 辅导在 GRE 学习增益上与专家人类辅导统计等效（p = .015），七个 GRE 领域中有五个领域表现最好的 AI 辅导者平均超过人类。

VHD-Play 提出先采样并求解数学模型、再由 corpus-grounded setter 将决策过程渲染为有状态工具的环境生成流程，可执行动态与轨迹评分标准均继承自同一已解模型，以每个几美分的成本生成 3,300 个智能体环境。

Cursor 推出 Rollouts 和 Security Review 两个 bot，面向团队版和企业版开放，可在仪表盘的自动化选项卡中启用。

TimeEvo 提出一种失败驱动的时间序列智能体自进化方法，通过将诊断出的失败聚类为能力缺口、为每个缺口规划度量、合成仅基于证据的工具，并经配对准入机制筛选候选工具库。在十个时间序列 QA 任务和三个骨干模型上，TimeEvo 从空工具库起步，在每个任务和每个骨干上都提升了准确率，且在廉价模型上成长出的工具库装入更强模型后仍能带来增益。

Morphometric Imitation 提出三阶段框架，将重建的人手-物体交互转化为零样本 sim-to-real 视觉运动策略。在三种机器人手和十种 HOI 上，其 MMO 的接触 F1 比五个基线中最强者至少高 8 分，下游动态重定向成功率最多提升 35 分；最终策略在 30 个物体、300 次真实世界试验中实现 89.3% 零样本成功率。

Modal 分享为编码 Agent 提供万亿参数模型 Kimi K2.6 推理服务的优化实践，优化后单副本每用户性能提升 2.8x、副本整体吞吐提升 5.6x，单个服务日处理数千亿 token。

Tomer Tunguz 分析认为企业 AI 用量集中在需要足够智能且价格可负担的多步骤工作流中段市场，降价竞争正是证据。Anthropic 前沿模型 Fable 5.1 上线前十二天仅占网关支出的 3.7%，大型企业账户的前沿模型 token 消耗占比从 8 月初的 53% 降至 9 月的 45%；Cursor 用微调 Kimi K2.5 将成本降低 86%。

论文提出用证明长度与陈述长度之比衡量定理的内在有趣度，并证明其与下游实用性相关。作者训练了一个 27B 模型预测证明难度，准确率超过前沿通用模型；按该指标优化后，生成定理与 Mathlib 的实质性或完全重合率从 91.9% 降至 30.6%，系统可迭代构建自扩展的机器验证数学库。

研究者发布数据驱动的机器人仿真器 Uranus，基于关节轨迹条件的自回归扩散模型，可在线接收未来关节位置轨迹并逐步自回归生成隐帧，每步对应四帧 RGB，无固定时长限制。经推理优化后生成速度达 24 FPS，并提供统一接口支持多种机器人形态与相机配置的同步多视角生成。代码与模型权重已开源。

WhatWorkedBench 被提出，用于衡量 AI 研究智能体的实验理解能力，即预算受限实验后对组件改动效果的预测准确度。基准覆盖 30 个数据源、8 类工作流的 36 个任务，含 1248 条配置记录，核心评测整合 4206 条数值控制记录与 108 个智能体 episode。对同一批智能体观测拟合高斯过程后，Flash 队列的效果恢复率从 0.632 升至 0.698。

Epoch AI 推出家具组装基准 FAB，用 60 张宜家家具组装照片测试模型的视觉与空间推理能力，模型需找出错误步骤并描述问题。OpenAI 的 GPT-6 Astra 以 80% 登顶，每张照片中位耗时 3 分钟，比此前领先模型快 2 至 10 倍；Claude Fable 5.1 和 Claude Opus 5 分别为 70% 和 61%。

OpenRouter 发布 Jev 使用教程，Jev 是 TypeSafe 推出的决策模型（模型 ID typesafe/jev-1.13），通过 OpenRouter Decisions API 接收 state 和问题，返回带概率的类型化答案而非生成文本。

上海AI实验室推出 InternW 物理世界模型系列的首个模型 InternW0，通过非对称视频动作架构结合 flow matching 联合学习未来视觉动态与连续机器人控制，视频专家提供长时程预测上下文，轻量动作专家以更快频率运行，并通过复用层间 K/V 和观察条件上下文路由避免每次动作更新都重新生成未来。

腾讯混元发布开源 MoE 大语言模型 Hunyuan-A13B，总参数 80B、推理仅激活 13B，以平衡能力、效率与部署成本。模型在经严格筛选的 20T token 语料上预训练并加强 STEM 数据，再经 SFT 和大规模强化学习；引入双模式 Chain-of-Thought 框架，简单问题用快思考、复杂多步问题用慢思考。

一篇综述系统梳理了自回归（AR）视频生成中的记忆机制，将记忆定义为跨 AR 步骤持续保留、在原始证据离开上下文后仍能影响后续生成的历史信息。文章从形式、功能、操作、学习与评估五个视角组织文献，并指出可组合且资源感知的记忆架构、可信状态更新、自 rollout 学习与标准化评估等开放挑战。