AI 情报文章归档

StepAudio 3 Music 是一款支持显式音乐规划与开放域文本控制的大规模长音频生成模型，可生成最长 5 分 30 秒的歌曲、器乐、干声伴奏及翻唱。其 Tokenizer 以 50-Hz 单码本 65536 条目表示音频，配合 flow-matching diffusion Transformer 预测连续 VAE latent，解码为 48-kHz 音频。

论文提出 Generalized Agent Iteration（GAI）形式化框架，将迭代策略改进与递归自我改进（RSI）描述为同一学习范式的两种情形，把智能体定义为系统中可修改组件的配置，并将学习过程建模为智能体评估与智能体改进的循环。

Together AI 扩展 Together Fine-Tuning 服务，新增对 GLM-5.3、Kimi K2.7、Qwen 3.5 系列等最新开源权重模型的支持，并上线实时实验跟踪、数据集预览验证等能力。

Dynin-Robotics 提出在 Dynin-Omni 全模态掩码扩散骨干上统一建模语言、视觉观测、目标与动作，用约 133 万条来自 48 个 Open X-Embodiment 数据集的轨迹持续预训练。

研究者提出 Latent Interface Training（LIT），一种与框架无关的两阶段策略：先在不使用图像的情况下建立以空间目标为条件的动作先验，再通过姿态监督的潜在接口约束视觉条件路径。

ZGCM-1 是一个完全开源的 7B 稠密基础模型，从零训练，主打在 256K 上下文中结合内部思考与外部工具调用，在数学推理和智能体搜索任务上可媲美 Qwen3-235B-A22B、GLM-5.1 等更大的前沿模型。

SimpleDesign 是一个用于蛋白质序列与结构联合设计的生成模型，可同时理解氨基酸序列与三维结构之间的多模态关系。现有模型通常采用多阶段训练，先训练自编码器将数据 tokenize 为隐表示，再在其隐表示上训练生成模型。

SNAP3D 提出一种物理引导框架，从单张图像生成部件级 3D 资产，解决相邻部件互相穿透、连接无效或受重力坍塌的问题。该方法消除部件间穿透、恢复接触图，并在接触面引入参数化连接件，借助物理仿真反馈优化其位置、朝向与尺寸。作者同时提出基于物理的评测协议，直接检验装配有效性与重力下的稳定性，并通过 3D 打印和真实装配验证结果。

研究者提出迭代框架 Continual Search，通过多轮持续搜寻未解决的诊断证据，解决 LLM 一次性判断过早收敛、遗漏长轨迹关键证据的问题。在四个现有 RCA 基准及新提出的 MegaRCA-Mix（50 个人工标注失败案例）上，该方法将 GPT-5.5 的 F1 从 0.349 提升至 0.498，增幅超 40%。

针对可训练注意力稀疏化中 Top-K 硬选择阻断梯度、排序与预测影响不对齐的问题，研究者提出 SAS（Simple Attention Sparsification），一种门控稀疏注意力机制，将选择器的连续分数注入注意力 logits，用语言建模损失端到端优化上下文排序。

研究者提出 Expert-Space Exploration Reinforcement Learning（ESRL），一个显式探索 MoE 模型专家路由空间的架构感知框架，通过保留高置信度专家作为锚点、将随机路由限制在合理候选池内，并按 router 熵自适应调整扰动强度。

OpenRouter 通过 OpenAI 兼容的 POST /api/v1/audio/speech 端点提供文本转语音服务，一个 API key 可调用多家供应商的 TTS 模型。

阶跃星辰发布通用音频生成模型 StepAudio 3 Gen，在统一框架内支持零样本 TTS、音色设计、人声生成、音效、音乐、vibe speech 及多种音频类型混合。

研究提出 Never Give Up（NGU）自适应采样方法，通过异步 RL 持续为同一问题生成样本直到答对，将算力从简单题重新分配到难题。作者指出 RL 对 LLM 的提升存在"马太效应"：简单题提升大、难题提升小。在数学基准 Deepscaler 上 NGU 提升了单位算力性能，在编程任务 Manufactoria 上标准 GRPO 无法完全解题，NGU 则迭代攻克越来越难的测试直至完全解决。

希腊语-英语双语语音识别系统 Sophea 通过三模型 ROVER 集成，将单项模型仅覆盖 4-7 项的生产门槛提升至 9 项全通过，重叠语音 WER 从 53.35% 降至 37.87%。

扎克伯格认为，多数企业不会像 Meta 或 OpenAI 那样拥有前沿 AI，而是会拥有一个体现自身运作方式的定制化运营层。他将其比作企业的网站、电话和邮箱，未来每家企业都会有一个能与客户交互、帮助销售和支持的 AI。这类"自己的 AI"通常不是从零训练的前沿模型，而是构建在共享模型之上、由产品、政策和客户历史塑造的层。

DeepSeek V4.1 Flash 正式发布，官方称全面超越 V4 Pro，支持原生多模态视觉理解，最高降价 60%。雷军回应新华社报道，称小米未来 5 年计划投入 2000 亿元研发费用。苹果确认 iPhone 18 Pro 搭配 40W 动态电源适配器充电速度比前代快 33%，15 分钟可充至 50%，该充电器需单独购买。

We’ve all been there. You SSH into a remote server, open a configuration file, and accidentally hit a...

美国国防部首席技术官埃米尔·迈克尔当地时间 9 月 10 日在华盛顿国防工业会议上回应 Anthropic 前工程师雅各布·考克森的 AI 灭绝警告，称相关担忧源于对数据中心、技术变革和 AI 失控的恐惧，并认为风险可通过市场机制、行业合作及政府参与缓解。

商汤科技 AI 办公智能体"小浣熊"移动端 App 正式上线，提供苹果 iOS 和安卓版本，用户提交 App 反馈问卷可获 1000 积分。移动端支持长按说出需求、松手发送的自然语音对话操作，可实现"手机发指令，电脑持续执行"，随时查看、分享和接续成果。该智能体搭载"多模态智能体创作引擎"，具备"长链条思考"能力及企业内外部信息融合能力。

加州州长 Gavin Newsom 于本月 10 日签署儿童安全聊天机器人和社交媒体法案，禁止社交媒体平台向 16 岁以下用户提供自动播放和基于历史记录与个人资料的算法推送等成瘾性功能。法案还要求儿童陪伴聊天机器人接受独立儿童安全审计和年度风险评估，扩大未成年人性剥削与虐待保护范围，保护儿童免受定向广告侵害，并规范人工智能系统对未成年学生数据的使用。

DeepSeek V4.1 Flash 以非对称结构压缩输入侧激活与 KV Cache 需求，并给出多模态、强化学习后训练、API 迁移与峰谷定价信息。Cognition 的 SWE-2 在 FrontierCode 1.1 Main 达 50.0%，成本降低 64%。Shopify 转向 Swift 和 Kotlin 原生开发，Magic 团队实现超 10x 预训练效率提升。

DeepSeek 发布 552B 参数的 MoE 模型 V4.1 Flash，采用输入输出不对称的 Causal Encoder Decoder 结构，输入侧激活 8B、输出侧 16B，原生支持多模态视觉理解。

杰弗里·辛顿 9 月 11 日接受 BBC《新闻之夜》采访时称，AI 灭绝人类的概率约 10%，"1% 太愚蠢"，但没人知道如何合理估算。他表示这一灾难的时间窗口已从早先的 30 到 50 年缩短到 10 年甚至更短，风险包括网络攻击和 AI 研发致命病毒。他再次呼吁全球加强监管，认为各国在防止 AI 取代人类上利益一致。

Completing a prompt is not the same as solving under a fuse You already know the feeling....

SpaceX CFO Bret Johnsen 表示，短期内不会有任何竞争对手达到 Starship 的水平。 可复用火箭为 SpaceX 带来优势，能将 AI 算力成本压得远低于现在。SpaceX 已在火箭和 Starlink 上做到第一，如今正把同样的劲头带到打造最佳 AI 产品的目标上。

Perplexity 正在为 Perplexity Computer 开发新的 Automations 功能。 用户将能够按计划调度工作流，或基于特定触发器来调用它们。 > "用 Computer 自动化一切--按自定义计划运行工作流，或在满足特定条件时运行，并自动获取结果"

OpenAI 发布 ChatGPT for Financial Services，面向符合条件的金融机构开放，支持将多种金融数据接入 ChatGPT 对话。该功能在 ChatGPT Work 模式下由 GPT-6 Astra 驱动，其在 OfficeQA Pro 基准上比 GPT-5.6 Sol 高 9%、比 Claude Fable 5.1 高 7%。

OpenAI 于 9 月 10 日推出 Agents API 公测版，开发者可一次 API 调用创建云端 AI 智能体，复用 Codex 背后的执行框架。智能体支持运行代码、处理文件、跨上下文窗口执行数小时甚至数天的任务、多智能体并行协作，沙盒可选 OpenAI 托管或 Blaxel、Cloudflare、E2B、Vercel 等合作方环境。

Hey there, it's your "Oji" (38-year-old AI/quant dev on the side). During the week, I'm a regular...

Slack 宣布为 Slackbot AI 助手引入 Slackforce Surfaces 功能，用户描述需求后可基于先前对话记录和已连接的 App，创建交互式报告、投票、仪表盘、演示文稿、微型网站等内容并分享给同事。

Astra 做的梗图比 Reddit 用户还好了，完了

OpenAI 首席产品官 Tibo 宣布暂停接受 200 美元档 Pro 20X 订阅的新增订阅，以确保现有用户流畅访问 GPT-6 Astra。目前 Pro 订阅仅剩每月 100 美元的 5X 档位，已订阅账户和 API 服务不受影响，OpenAI 称正尽快增加容量。

OpenAI 推出面向金融服务团队的定制化 ChatGPT for Financial Services，集成 GPT-6 Astra 推理能力，目前已向符合条件的金融机构开放。

苹果 iOS 27 的 Visual Intelligence 将引入赞助结果机制，代码显示苹果并非直接出售功能内广告位，而是让搜索服务商自行插入赞助内容。用户用相机对准待购商品后，视觉智能返回自然搜索结果，第三方服务商可在结果旁展示赞助商品图片。苹果今年 3 月已在 App Store 搜索结果中增加额外赞助广告位，上月 Apple Maps 广告在美国和加拿大上线。

清理你的侧边栏！我的一个建议是，你可以把 cursor 里的 Projects 看作聊天的一个特殊文件夹！一个协调者智能体会监督项目内的所有智能体，你还可以把侧边栏里已有的聊天拖进项目里。 如果你有很多相关的聊天散落在各处，考虑把它们移进一个项目！即使是已完成的智能体也可以拖进去--这对项目其余部分来说是很好的上下文来源。

谷歌正式推出面向 Windows 10/11 的 Gemini 独立客户端，安装后可通过 Alt + Space 快捷键在任意界面唤起，快捷键支持自定义修改。应用界面与网页版大致相同，支持生成图像/视频、调用连接的应用，并提供独立设置菜单，可管理麦克风、摄像头、位置权限、查看使用统计与崩溃报告、设置开机自动启动。

作者认为 AI 让复制现有产品变得快速容易，真正的护城河不再是功能或价格，而是持续原创的能力。文章回顾 Flash 时代的创意爆发及其客观缺陷，指出当下约 35% 新网站为 AI 生成且普遍平庸，因为使用者未做关键创意决策；建议用 AI 加速实验而非生成复制品，质疑产品前提、容忍大量失败尝试，把发明新解法变成习惯。

A frontier model was told to solve a hacking benchmark. Instead it spent ten weeks building...

Green only proves it runs. It never proved whose idea it was. After the tyrant abdicates, what shows is not a new wound — the old court never convened.