AI 情报文章归档

Meta 与 Shopify 宣布合作，将在所有 Shopify 商店启用基于 Shop Pay 的 Muse 智能体结账，而 Amazon 此前屏蔽了 Muse 智能体。

Counterpoint Research 数据显示，2026 年上半年全球 AI 眼镜出货量同比增长 263%，其中绝大多数为不配 AR 显示屏、依靠扬声器/麦克风交互的无屏幕产品，该类产品出货量同比增长 258%。

这是我的超级碗，天哪 它发生了 LIL MUSE GUY 万岁！！！MUSE 万岁！！！

用 muse 应对极端天气，随时掌握糟糕状况！ 【引用 @SebastianSzturo】：Muse 在让我和家人及时了解台风动态方面表现出色，还主动帮我们规划 silver week 出行。 太惊艳了！

你的 bingo 卡上有这个吗？ Muse 现在可是火力全开，你没听说吗！

Google has expanded Gemini Notebook, formerly NotebookLM, with capabilities including notebook code...

英国消费者权益机构 Citizens Advice 呼吁能源、银行、电话和互联网等基本服务企业在客服中停止依赖 AI 聊天机器人，保障用户与真人沟通的权利。

TypeSafe AI 上周发布 Jev，作者称其为 System One 或决策模型：接受文本输入但输出浮点置信分数而非文本，仅按输入计费 $0.042/百万 tokens，低于 GPT-5 Nano 的 $0.05。

我看不懂你在这搞的那些复杂金融玩意儿，但 bubbleboi 这小老弟看起来是真有种，很高兴你喜欢 muse！ @bubbleboi：我明天要砸 100 万美元买入 15 delta、60 天到期的 Meta 看涨期权。我的智能体已经突破沙盒，变得帅炸了 💯💯💯 @alexandr_wang 非常感谢你🙏推动前沿。我现在正式成了 Meta 狂人，把它提到了我的 #1 位置。

小米发布并开源 MiMo-V2.6 系列，含 Pro 与 Flash 两个原生全模态模型。MiMo-V2.6-Pro 在 AA 智能指数 v4.3.2 取得 46 分。

论文提出 Question's Gambit，在智能体开始搜索前运行一次：将问题拆成线索、转为互补搜索、汇总并重排结果，让智能体以已排序的上下文启动循环。

目前最实用的 GPT Image 2.5 技巧 把旅行照片变成你真的会寄回家的明信片 GPT Image 2.5 在 PixVerse 上无限使用。试试这个爆款模板 ↓

Grok 4.7 在 AA-Briefcase 上仅次于 Anthropic 模型，排名紧追 Opus 5，每任务成本约为其 50%。在 AA-Briefcase-Lite 尽调场景中，Grok 4.7 分析质量 Elo 从 Grok 4.6 的 1698 升至 1994，展示 Elo 则从 1531 微降至 1499。

SpaceXAI 于 9 月 22 日宣布推出新一代模型 Grok 4.7，定位编码和知识工作场景，官方称其为公司目前最强的编码和知识处理模型。该模型采用更大基座并经更长时间强化学习训练，强化自我验证与长上下文管理，在 CursorBench 4.0、GDPval、AA Briefcase 等基准较 Grok 4.6 有提升。

据 The Information 报道，一名 OpenAI 员工称 OpenAI 内部已基本实现新实验模型训练流程的自动化。引用推文提到，OpenAI 新训练的模型解决了 100 个长期未解的数学难题，连其研究人员都感到意外；同期 MiMo 发布新模型，Grok 4.7 表现不及预期。

This is a submission for the Sanity Challenge, Path Two: Vibe-Code Something Strange. What...

TypeSafe CEO Jev 在播客中提出 System One Model，主张 AI 应做软件内的可靠决策而非聊天优先。他称 TypeSafe 拒绝公开 benchmark 和 API 层拒答，认为数据与任务选择比堆算力更重要，System One Model 或重塑编程智能体。即便有 10 亿美元，他也不会从头预训练模型。

Francois Chollet 提出"委托编码，绝不委托理解"：若代码曾是你管理理解的真相来源，就需要新的真相来源产物；若以代码为中心的工作流是你建立理解的方式，就需要新工作流。此番表态针对一则吐槽：某大公司团队从 L1 到 L7 工程师的规格、代码、测试、PRD、工单及报告全由 Claude Code 生成，无人阅读、无人思考，每天工作 12 到 13 小时只为按回车。

EMIB 真的在蚕食 CoWoS 吗？ 多年来，CoWoS 一直主导着先进封装。TSMC 持续大举扩产，但仍不足以满足客户需求。 Intel 带着 EMIB 这一有吸引力的替代方案入局——客户正在积极响应。(1/3)🧵

The story behind Jeansh, an Android SSH client for coding and supervising AI agents from a phone or...

罗福莉介绍 MiMo-V2.6，称其可能是开源模型团队迄今按计算量计最大的单次 RL 运行，现为排名第一的开源模型。MixRL 用于中等难度可验证任务（如代码与相关 Agentic 任务），难以验证或超长程任务单独训练后经 MOPD 合并；团队同时发布了从 MiMo RL 轨迹蒸馏的 Qwen 模型、7K 多样化环境和完整 RL 训练框架。

作者称坐了 10 小时飞机，期间 OpenAI 发布博文称其新训练的内部模型除解决 Navier-Stokes 千禧年大奖难题外，还解决了超过 100 个数学领域悬而未决的开放问题，进展之快令 OpenAI 内部数学家也感到意外。作者随后在引用中纠正自己此前发布太急，指出真正的惊喜是 MiMo-2.6，认为其优于 Grok 4.7 且便宜得多，并称中国模型强势回归。

2026 年夏天，AI 领域真是疯狂…… [引用 @arcprize]：ARC Prize 2026 - ARC-AGI-3 Progress Prize - 还剩 9 天 $37,500 奖金将于 *9 月 30 日* 颁发给排名最高的开源方案 当前排名：1. Tufa Labs 2. Lord Han Solo 3. NVARC3 哪前三名将拿下开源奖？

为什么 @GeminiApp 里没有 Gemini 3.8 Flash

Georgia Tech 团队开发的 Transformer Explainer 是一个交互式可视化工具，在浏览器中实时运行 124M 参数的 GPT-2 (small) 模型（由 Andrej Karpathy 的 nanoGPT 项目转换到 ONNX Runtime）。

作者更正此前对 Grok 4.7 的兴奋评价，称真正的惊喜是 MiMo-2.6，它比 Grok 4.7 更好且便宜得多。此前他曾称 Grok 4.7 在部分 benchmark 上可与 SOTA 竞争、甚至超过 fable 5.1，且比 GPT 和 fable 5.1 便宜得多。

Meta 与 Shopify 合作，Muse agent 现可在 Shopify 店铺中使用 Shop Pay 结账，在 Muse 已支持的国家实现代理式购物。作者称 Facebook 或 Instagram 上的小企业很快能开箱即用地接入，代理式购物市场前景可观。扎克伯格确认此次合作，并表示将有更多类似合作。

Latent Space 发布对 TypeSafe AI CEO Diogo Almeida 的约两小时访谈，围绕其新模型 Jev 展开。

训练模型正变得越来越简单——看看这个和 TRL——尤其是有了智能体之后！ 如果你还在用开箱即用的模型处理所有任务，那你可就落伍了！ Halo 是开源模型后训练的最佳框架，吞吐量最高可达原生 TRL 的 2.8 倍，峰值内存更低，同时模型保持原生 HuggingFace 格式。

Emad Mostaque 认为，在模型能解决 100 个长期悬而未决的数学开放问题之前，没有哪家 AI 模型公司会合理放缓脚步。此番评论针对 OpenAI 宣布与独立数学家顾问组合作，以负责任地分享 AI 与数学领域的进展。

有人用同一提示词让 GPT-6 Astra、Grok 4.7、Kimi K3 和 Fable 5.1 分别构建飞行模拟器，Astra 综合仍排第一，但 Grok 4.7 出乎意料地接近。Kimi K3 与 Fable 5.1 基本打平，两者产出结果更流畅，Grok 4.7 的整体质量则与 Astra 相当。综合排名为 Astra > Grok ≈ Kimi ≈ Fable。

如果你在用AI构建产品，你应该花超过25%的时间来做基准测试，并努力让模型实验室关注这些基准测试 这是加速公司进展的最简单路径

小米发布 MiMo-V2.6 Pro 与 Flash 两个全模态开源模型，称通过规模化强化学习训练，Pro 在多数 Agent 基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当。

Mark Zuckerberg 宣布与 Shopify 合作，让用户在 Muse 内更方便地购物和结账。据 Shopify CEO Tobi Lütke 引文，双方将深度合作，在所有 Shopify 商店启用基于 Shop Pay 的 agentic checkout；Zuckerberg 表示还会有更多类似合作。

小米 MiMo-V2.6-Pro 在 Design Arena 以 Elo 1338 位列总榜第 8、开源权重第 3，较 MiMo-V2.5-Pro 提升 54 分、22 个名次。

AWS Strands Agents 团队发布开源通用 agent harness Strands harness，基于 Apache 2.0 提供 Python 和 TypeScript 版本，一行 create_harness() 即可运行，支持 Bedrock、Anthropic、OpenAI、Google、Ollama 和 LiteLLM。

强烈赞同。这种情况比我预期的要少得多——部分原因是构建高质量环境通常涉及相当昂贵的验证（测试强模型）。尽管如此，还可以有更多。 [@Thom_Wolf]：发布大量高质量的开源RL环境是当前任何人推动开源前沿所能做的最有影响力的事情 相当于分享高质量预训练数据，但在新的RLVR范式下

Codos 发布虚拟首席 AI 官软件，可为企业规划并执行 AI 部署，面向 300 至 3000 人的金融科技、电商、科技、地产、零售和服务业公司。其引用推文称这是首个虚拟首席 AI 官，能访谈员工、跨职能部署自动化并运行在客户自有服务器上。公司称一家中型金融科技客户经六个月项目，用智能体处理入职、QA、财务和客服，释放了约 21% 的总人力。

小米发布 MiMo-V2.6，包含 Pro 和 Flash 两个全模态模型，通过规模化强化学习训练。官方称 Pro 在多数 Agent 基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当，在 Artificial Analysis Intelligence Index 得分 46，为开源模型中最高；模型权重、技术报告、RL 环境和训练代码均已开放。