AI 情报文章归档

muse 能帮你赚钱，还能帮你拿到退款！ 【引用 @heshie】：等等，所以 muse 是真的牛 它帮我跟 American Airlines 客服聊了天，取消了一些航班，还确保我拿到了全额退款 全都是在手机上发条短信搞定的

OpenAI 的 @cdngdev 预测机器人将迎来类似 3D 打印的热潮，人们会购买廉价开源机械臂并接入 AI 智能体。他使用的 Hugging Face SO-100 机械臂开源、可 3D 打印，售价约 $200，而传统机器人设备价格高达数千美元。他还表示，现在人们可以直接用 Codex 来控制机器人。

我从数学学生那里听到一种非常普遍的情绪："我不想再当数学家了。"我以前见过这种情况，我认为 2022 年前后成长起来的那一代数字艺术家将是最后一代。 AI 也许无法在功能上取代数学家或艺术家，但它很可能仍会导致他们近乎灭绝，方式是摧毁年轻一代的精神。

An AI team that never gets tired also never gets embarrassed. What three months of running an AI orchestra on a production codebase actually taught me.

新墨西哥州最高法院对律师 Stephen Aarons 罚款 5000 美元并判处藐视法庭，因其未核实 AI 生成的法律文书，其中包含完全虚构的证人证词及关于枪手衣着外貌的虚假证言。他在 8 月听证会上承认使用 ChatGPT 且以为会生成无懈可击的摘要；法官质问其是否了解 AI 幻觉风险。文中还提到此前多家律所因提交 AI 编造的引文被处罚，Aarons 称这是无心之失。

我们在播客中段讨论了 AI 对齐和 p（Doom） 还有数据质量与性能、DeepSeek Flash v4.1、Rentosertib，以及天哪还有一大堆内容 可怜的 @PeterDiamandis 凌晨4点就起来准备了，从不休息 也恭喜 @DaveBlundin，$10 trillion……

ICYMI 👀：DeepSeek 移动应用的朗读功能提供 4 种不同音色供选择。 我们是否很快会迎来 DeepSeek 的新 TTS 模型？

我的预测： 即使 AI 解决了所有千禧年大奖难题，人们还是会想办法说这没什么了不起，或者曲解成 AI 依然很糟糕。 我以前以为总有什么能说服人们，但 Navier-Stokes 的反应打破了这个想法。

SemiAnalysis 指出，模块化数据中心并未消除劳动力问题，而是将其转移：把施工搬到工厂意味着需要土地、制造工厂和产线，彻底改变建数据中心的模式。即便转型仍处早期，部分领先的模块供应商已遇到供应瓶颈--缺空间、缺工厂工人，传统建筑公司里的电工无法直接转为工厂工人，转型必然伴随摩擦。

在 API 和 Codex 中使用 GPT-Rosalind，为你的研究带来更强的生物学推理能力。 跨论文与实验结果关联发现，权衡针对某一生物学靶点的证据，并完成分析以规划下一步要测试的内容。

以下是我们团队如何用 Claude Tag 做 on-call： 当 Slack 里触发告警时，Claude 会拉取指标、对比部署差异、检查功能开关。它找出可能的原因并提出修复方案，我们可以批准并合并。每一分钟都很关键，所以我们很喜欢它能立刻开始工作！

Leopold Aschenbrenner 在旗下基金 Situational Awareness 亏损 67% 后，通过全额付清期权重返 AI 股票。交易标的包括 AMD、Bloom Energy、CoreWeave、SK hynix、Sandisk 和 Roundhill Memory ETF，同时与 Clear Street 合作重建大额 Intel 仓位。

Artificial Analysis 在 Devin Fusion 发布当天对其独立评测，这是首个进入 Artificial Analysis Coding Agent Index 的多模型编码代理。

再免费试用 v6 两天！ 以下是一些值得在 Simple 模式下尝试的提示词 🧵

科学界正酝酿一场激烈争论：24位菲尔兹奖得主就AI在数学领域的严重错位问题公开发声。

OpenRouter 称 DeepSeek V4.1 Flash 在其平台上 24 小时内处理了 1T token，预计 48 小时约 2.8T，将成付费模型发布中最大的 48 小时。其中 90% 为缓存读取，市场定价约 $0.006/M，比 GLM-5.3 Flash 等同类模型便宜 5 倍。

很高兴这个终于发出来了！ 【引用 @OpenAIDevs】：Habitat 是 OpenAI 的在线存储平台，支撑着从 ChatGPT 到 Codex 的一切。 它同比增长超过 10 倍。在 Rust 重写之前，其 Python 服务在峰值时每秒处理超过 2000 万次请求。

很多人一直在问 contributor 上的 Muse Spark 1.3 max 我们现在提供了，仅限 muse code 订阅计划。 试试看！curl -fsSL https://dev.meta.ai/install.sh | bash

Ant Group 旗下 @AntLingAGI 发布开源权重多模态推理模型 Ling-3.0-flash-VL，在 Artificial Analysis Intelligence Index 得 25 分，在 Intelligence 与活跃参数的 Pareto 前沿上。

Habitat 是 OpenAI 的在线存储平台，支撑着从 ChatGPT 到 Codex 的一切。 它同比增长超过 10 倍。在 Rust 重写之前，其 Python 服务在峰值时每秒处理超过 2000 万次请求。

在 DeepSeekv4.1 Flash 发布首日，NVIDIA vLLM 开箱即用，全部 6 款 SKU 零问题：H100、H200、B200、B300、GB200、GB300！NVIDIA 和 Inferact 团队做得非常出色！相比之下，AMD vLLM 在 DeepSeekv4.1 Flash 上仍无法运行，详见下文👇️（1/2）🧵

Mark Cuban 的方法：用 AI 打造商业模拟器来检验假设。 创始人现在可以生成草案计划、成本结构、供应商名单和专利大纲。 这缩短了灵感与首次严肃可行性测试之间的距离。 ---- 来自 "Alex Kantrowitz" YouTube 频道，（链接见评论）

Claude Code 推出 claude plugin eval 功能，用于评估插件或技能带来的实际价值。用户可以创建测试用例、运行插件并为其表现评分，再关闭插件重复运行同一用例，对比两者的差异，判断插件是否需要继续改进。

If you've tried to point a local model — Qwen, a quantized Llama, whatever fits on your GPU — at a...

据 Bloomberg 报道，月之暗面（Moonshot AI）目标在年底达到 20 亿美元年化营收，是 8 月营收运行率的两倍，得益于今夏发布的 K3 模型。

新墨西哥州最高法院以直接藐视法庭处置律师 Stephen Aarons，他使用 ChatGPT（o3 模型）生成的上诉状包含完全虚构证人的假证词和对真实判例的错误描述。Aarons 承认提交前未核实内容也未告知当事人，被罚款 5，000 美元、移交纪律委员会调查，期间禁止在该州最高法院出庭；法院还指定公设辩护人为被告重新撰写状子。

In 2026, AI agents have become the default paradigm for automating complex workflows: DevOps...

美国环保署计划废除要求各州在批准工业设施空气污染许可前公开告知并征求公众意见的规定，涵盖 AI 数据中心及其配套电厂，并另行提议允许开发商在许可获批前动工。近 200 个倡导组织和十余个两党主导的州反对，农村南部黑人社区面临健康风险、电费上涨和房价一年涨 80% 等冲击；环保署称此举将加快审批，预计一年内定稿。

Claude Code v2.1.269 新增 `claude plugin eval`，可对插件 eval 套件跑出带评分的可复现结果（JSON + HTML 报告），并加入 `/output-style 【name】` 用于列出和切换输出风格，支持 Remote Control、云端及 headless 会话。

如今仅凭通过/失败分数基本无法解读评测结果 我在基准测试中看到的许多失败，都源于过于严格的隐藏测试，某些情况下模型的答案比预期的评测结果更合理

Musk 回复称 Grok 4.7 还需几天继续打磨，可能因为在 RL 中对回复长度惩罚过重，模型仍会过早放弃其实能完成的困难任务，检查自身工作也不够严谨。TestingCatalog 补充称 9 月下半月 Meta 和 OpenAI 将在 OpenAI DevDay、Meta Connect 等活动前后发布模型，Grok 4.7 面临较高竞争门槛。

今天 Fields Medal 那封信的一些笔记（https://mathandai.org/） 大致是说，AI 模型翻找着解决这些问题，只给出 1 bit 的信号，却扼杀了数学家们在与这些问题搏斗中本可提取出的另外 99 bits 的概念性理解

比尔·盖茨预测，AI将在两年内对白领工作造成重大冲击，而可靠性是当前阻碍AI取代许多岗位的最后一道主要障碍。他表示，未来几年，实施者与模型能力的提升将彻底消除这一不可靠性障碍。

陶哲轩宣布与 24 位菲尔兹奖得主共同签署声明，称 LLM 数学能力虽大幅提升，但 AI 公司以解题为基准与数学社区目标严重错位，仓促公布的解题结果会损害概念理解、署名规范与数学思想的传承链条。声明视为更广泛的对齐问题的一部分，开放进一步签名，并有 The Economist 相关报道。

我们带着更多软件工厂 alpha 内容回归 🦄 AI That Works 节目--@vaibcode 和我联手 - @tbrownio--讨论了他们在工厂中如何运行 discuss/do/compound 循环，以 @linear 作为前端，所有 agent 会话都跑在 mac mini 上--@colemurray 分享了将 OSS OpenInspect 工厂推广到多达 500 名工程师的企业团队的一线经验 超级好玩--每周太平洋时间上午 10：15 在 X 和 h…

Hello, I'm Shrijith Venkatramana, and I'm building LiveReview — a blast-radius aware AI code review...

I can make almost any agent change look good with one carefully chosen prompt. Run it once. Watch...

一篇好文。我对 AI 实验室推进进步的方式也有类似感受--直接推进，而不去培育科学社区与直觉。数学研究界经历这一转变最快，所以感受最深。其他领域会是下一个。

Elon 发布 Grok 4.7 发布进展更新，还需再等几天。 @farzyness Grok 4.7 还需要几天才能"出锅"。 我们在 RL 中可能对回复长度惩罚过度了（或者别的什么原因），因为它仍然过早放弃困难任务（而它明明能做！），并且在检查自身工作方面还不够严谨。