AI 情报文章归档

You talked through an approach with your agent a few days ago. The agent explained the tradeoffs, you...

要疯掉了要疯掉了 【引用 @bubbleboi】：我刚给我的 Muse 智能体接入了我的银行账户。要出大事了。

TypeSafe 新模型 Jev 以 SQL 函数 prompt_jev() 接入 MotherDuck，文本分类速度提升约 50 倍、成本降至约 1%。10 万行数据仅需 40 秒、花费 $0.50，达到前沿 LLM 准确率，而 LLM 方案耗时 32 分钟、花费 $37。

Beyond Bigger Models: Toward a Modular Cognitive Architecture From Exception-Driven Reasoning to AI...

Joining an unfamiliar codebase, what you want isn't more code — it's a wiki that explains how the...

韩国 AI 芯片初创企业 FuriosaAI 公布第三代 AI 推理加速器技术细节，该芯片与 Broadcom 合作开发，算力达 32 PFLOPS、HBM 内存带宽达 48TB/s，均为第二代 RGND 的 32 倍。

阿里云与ZAKA携手，在AI Everything Abu Dhabi 2026举办Qoder AI黑客松。为期两天的活动中，参与者可以带来真实的工作、商业或社区挑战，并用Qoder构建可用的AI解决方案。2026年10月6-7日，ADNEC Centre Abu Dhabi见，了解更多关于黑客松及我们更广泛活动计划的信息。欢迎莅临阿里云Hall 3展位H3-B40。#AlibabaCloud #AI #AIEverything #ZAKA #Qoder #AIHackat…

CodeMidas 从代码本身扩展智能体编程 RL 环境 论文：https://huggingface.co/papers/2609.22068

小鹏汽车第二代 VLA 全新版本 XOS 6.3.0 正式开启推送，官方称其从 3D 空间识别跃迁至 4D 时空理解，具备更强的时序记忆、轨迹预判与决策响应能力。第二代 VLA Lite 同步推送，单图灵 Max 车型正式升级第二代 VLA。新版本首次上车 X-Foresight 预测世界模型，可预判未来 6 秒，并引入 Infini-VLA 长时序架构，可记忆前 30 秒的世界。

I built this because robots.txt kept coming up in conversations about AI crawlers and the answer was...

荣耀亲选 AI 投影仪 Ultra 已上架京东开启预约，9 月 28 日开售，原价 2599 元、国补到手价 1999 元。新品具备 1700CVIA 流明亮度、原生真 1080P 分辨率，支持 HDR 10、HDR Vivid 与 4K 解码，搭载 V670 8 核芯片和 2GB+64GB 存储。

I replaced my toy neural network with the real mushroom body wiring from a fruit fly. It worked, and immediately showed me what I had been faking.

开发者 Alex 上线工具 Margin，接入专做决策的 Jev 后，用自然语言检索积攒的推特书签，底层以单条几十毫秒并行打分，几秒内对上百年推文按相关性排序并标出匹配置信度。相比把几百条推文全文丢给大模型或向量库、每次搜索云端等半分钟且烧几块钱，Jev 百万 Token 仅四分钱且输出免单，让遍历打分变成几分钱的日常操作。

Meta 发布 A-MLE（Agentic ML Exploration），一个已在自家广告排序模型上部署的 LLM 智能体框架，自动化提出想法、跑实验、恢复失败任务、比较结果并在模型间迁移经验。

哈佛、MIT 等机构论文提出 FINSKILLOPS，让智能体从 SEC 文件分析错误中学习，但每个新行为须先通过回归测试。该系统用小型技能注册表把重复错误（如用错报告期、混淆公司）转为可复用指令，仅当新指令修复目标失败且不破坏已答对案例时才部署，将静态 RAG 系统变为可持续学习并安全更新的系统。

BestBlogs 09-22 早报收录 10 篇内容，涵盖 Jev System One 决策模型、Warp 的 AI 软件工厂流程、UiPath 关于工作流程才是核心资产的判断，以及生产级智能体控制平面与 Loop engineering 方法论。

TypeSafe AI CEO 在 Latent.Space 访谈中介绍 Jev——面向软件控制流的 System One 模型，采用 RLCD（强化学习校准决策）训练，追求概率与实际信息相称，相关方法尚未公开发表。

gpt-5.6：解决 1 个 Erdős 问题 astra：10 项重大开放问题成果 post-astra：1 个千禧年问题 + 100 多个开放数学问题 是啊，我开始看出规律了 再过 3 个模型，我们就没未解数学题可做了

小米发布 MiMo-V2.6 系列，主打前沿智能与全模态能力，并以公开方式构建。原文未披露参数规模、benchmark 分数、上下文长度及开放形式等具体细节。

小米 MiMo-V2.6-Pro 面向新材料研发场景，覆盖从文献综述到分子设计，再到 PFAS 捕获的自动化干实验室实验。该模型旨在提升新材料研发流程中的生产力。

太酷了 [引用 @aug5thmusic]：没想到。Grok 4.7 在我的音乐纠错测试中拿了 100%，和 GPT-6 Astra 一样。

AI 编程平台 Bitrig 宣布支持构建和测试 iPhone Duo 应用，提供交互式 3D 模拟器，开发者可折叠、倾斜、旋转设备测试应用表现。该模拟器能实时读取铰链数据，配合 SwiftUI 的 onHingeChange 和 ArrangementView 测试折叠交互与帐篷模式等场景。

“眼下湾区围绕 AI 的热度和兴奋程度，是我们从未见过的。” —— Andrew Feldman，Cerebras 联合创始人兼 CEO “昨天，我的第一场会议是早上 7 点在 Menlo Park 的一家咖啡店，当时还有大约 20 个其他人在周日早上 7 点开 AI 会议……” —— 来自 YouTube 频道 “Imagination in Action”（完整视频链接见评论）

Elon Musk 宣布发布 Grok 4.7，并引用 Artificial Analysis 评测：Grok 4.7 在 AA-Briefcase 上仅次于 Anthropic 模型，排名紧随 Opus 5，Cost per Task 约为其 50%。

工程师 Colin Breck 发文批评用 AI 批量生成设计文档、PR 摘要和会议纪要的现象，认为这类缺乏上下文的机器文本几乎不可读，并引用调查称 78% 的读者会在认为文章由 AI 撰写时停止阅读。他结合自己写学术论文的经历指出，AI 校验事实、补全引用、画 TikZ 图很有价值，但让它从上下文直接生成段落从未令人满意，主张写作应保留作者的亲身经验与声音。

A viral post argues MCP causes context bloat and a token tax. Here is how to measure your own tool overhead and cut it.

我现在每天要输入好几次"use big pictures and few words"

GeoPair 提出一种免训练框架，通过顺序优化跨层权重配对与共享字典因子分解，在保留各层校准几何的前提下实现 Transformer 压缩，并结合结构化稀疏。该方法在多种架构、规模和模态上取得 SOTA，持续优于独立结构化权重分解与基于启发式分组的成对权重因子分解方案。

英国 AI Security Institute（AISI）正采用 EvalEval 的 Every Eval Ever schema 和 Evaluation Cards 平台公开分享评测结果，以提升评测科学的可复现性。

Flash-dLLM 是一个免训练的扩散大语言模型（dLLM）推理加速框架，通过 IO 感知的融合 KV 缓存内核和 KV 缓存驱动的 draft-and-verify 解码策略，让 dLLM 自身同时充当草稿模型与验证器。

研究者提出 Knowledge Pull Requests（KPRs）框架，通过提取新知识中的论断、过滤并路由到对应章节、标记与现有内容的冲突，生成区分知识变更（claim proposal）与文本变更（document diff）的 ChangeLog。

Together AI 发布 Canary rollouts，可在同一 endpoint 上按分阶段流量把线上模型切换到新 checkpoint，每步先跑健康检查、再按 p95 延迟或错误率等指标门控。

OpenAI 提出第三方评估的四个优先领域，包括对安全案例的独立评估、关键保障措施的评估等，覆盖训练、评估、内部部署与外部部署。评估将提供深度访问权限，包括技术保障信息、可见的思维链访问，以及用于事件响应和监控红队测试的机密数据与内部部署访问。OpenAI 称这些评估通常周期较长、与发布无关，聚焦于深入检验特定安全声明。

JEV-as-a-Judge 用仅做决策的评审模型做低成本初筛，在普通偏好与证据支撑的事实性任务上，与最强对比的 SOTA LLM 评审差距在 3 个百分点以内，费用仅为其 0.36%。当判断需要检查推导过程或抵御精心编写的错误答案时，差距会扩大，且 JEV 与对比模型的差距集中在低置信度决策上。一个冻结的级联流程接受高置信度判定、升级不确定判定，以更低成本保留了对比模型 99% 的准确率。

HARMONY 是一个分层链式推理框架，结合智能体推理与视觉几何基础模型，从单张室内图像重建完整 3D 场景。它先校准相机建立空间坐标系，再用 VLM 推理恢复房间布局并按墙面元素、独立家具、家具上装饰物的层级顺序放置物体，配合深度优先遍历与反思反馈回路避免误差累积，每次放置后用点云估计做几何精修。

OpenRouter 发布 Batch API，异步批量请求由供应商在 24 小时窗口内完成，通常按正常 per-token 价格的 50% 或更低收费，目前已支持 70 多个模型。

vLLM 博客作者 Nils Matteson 实测在镜像构建时设置 ENV UV_COMPILE_BYTECODE=1 预编译字节码，H100 服务器上 Qwen3-8B 和 Qwen3-32B 的启动到首个正确响应中位节省分别为 17.6 秒（17.6%）和 17.8 秒（13.9%）。

Hugging Face 宣布 transformers 支持直接运行 GGUF 量化模型，通过 from_pretrained 传入 gguf_file 即可加载 Hub 上的 GGUF checkpoint，并复用 ggml 的 Metal 内核。

研究提出"分离式量化"（DQ），针对 prefill 与 decode 两个阶段分别定制计算格式、权重与存储位置。

vLLM 官方发布 vllm-metal v0.28.0，把 vLLM 的 V1 调度器、paged KV cache 和 OpenAI 兼容服务器带到 Apple Silicon，由 MLX 和 Metal 执行模型，版本号与上游 vLLM 对齐。