AI 情报文章归档

论文提出 Benchmark Radar，一个用于检索和发现 AI 基准的活数据库和搜索引擎，覆盖 LLM 评测、智能体与工具使用、编码、推理、安全及领域评测。系统从 37 个来源每日发现基准论文、仓库和数据集，目录含 1，283 条来源记录和 790 条记录上的 12，916 个数值观测，并提供排行榜、饱和度与趋势视图、CLI 和可复现分析。

研究者提出 Recursive Code World Models（RCWM），通过递归场景程序（RSP）表示与可递归调用的构建求解器，从单张参考图像重建复杂 3D 世界。

莫斯科国立大学团队提出 FreeFlow，一个不含相关体积、特征 warping 等光流专用组件的层次化 Transformer，仅用单一前馈编码器-解码器，组合窗口注意力、移位窗口注意力和低分辨率全局注意力。

研究提出 Verdict-Preserving-Unfaithfulness（VPU）失效模式：错误形式化编码能成功执行并匹配预期判定，并证明仅凭结构、判定的验证启发式检测能力在数学上被限制在随机水平。

OpenAI 推出 Agents API 公开测试版，将驱动 Codex 的 harness 与基础设施通过单次 API 调用开放给开发者，托管在云端。

COBRA-Skills 将 LLM 智能体技能优化建模为动态候选空间上的预算化序列优化，结合上下文赌博机优先级排序与基于执行证据的技能进化。在六个异构智能体基准和三个目标模型上，其平均性能优于对比方法，优化成本较 SkillOpt 降低 55-58%，每个基准仅用 50 个优化样本。该方法对智能体 harness 变化保持稳健，目标模型自身也可用于技能生成与精炼。

Ambient 团队在 ECCV 2026 Wearable-AI Challenge 的 EgoLongQA 赛道中，以单个 2B 视觉语言模型在小于等于 2B 参数组以 0.8279 分获得第一名。

Ambient 团队提交 ECCV 2026 Wearable AI Challenge 的 EgoProactive 赛道方案，在 large-model division 排名第一、≤2B division 排名第二。

研究者提出 World in World（WiW），一种无需训练的可控视频世界模型接口，将源视频观测、目标视角投影、渲染几何与生成历史统一转换为带相机、时间和空间有效性标注的干净视觉状态，通过模型原生 self-attention 直接注入冻结的因果视频世界模型。该方法无需更新预训练模型或增加控制专用模块，即可支持相机位姿、视角方向等多样化控制下的长时程交互式探索。

X-AuT 通过渐进式剪枝与跨尺度蒸馏压缩语音 LLM 的音频编码器，将 Qwen3-ASR-0.6B 的 18 层音频 Transformer 压到 16 层，十个中英文基准的宏平均错误率从 5.61% 降至 5.27%。压到 14 层时错误率为 5.75%，音频塔参数减少 20.7%。相同配方下，1.7B 教师模型带来 5.55% 平均错误率，优于自蒸馏的 8.45%。

Together AI 宣布 Together GPU Clusters 的抢占式算力进入公开预览，覆盖所有区域的 Kubernetes 集群，按需价格的固定 50% 计费。节点被回收时最多有 5 分钟 drain 窗口用于 checkpoint 退出，适合短实验、推理突发和批处理等可恢复工作，Slurm 支持和更多区域计划后续推出。

研究提出"胜任度门控"方法，按领域从已解决结果中估计语言模型的边际价值权重，向全局权重收缩并重新校准池化预测。在2，357个已解决二元问题和五个语言模型上，该方法将外部基线Brier从0.0771降至0.0732，显著优于全局组合，但在ForecastBench官方市场子集上无显著提升。

vLLM 推出分层 KV Cache 卸载框架，自 v0.22 起可用，将淘汰的 KV 数据保留在主机内存、文件系统、对象存储和远端节点中，避免重新计算。该设计让所有 KV 数据先经主机内存流转，加速器内存可在拷贝完成后立即释放，并支持跨节点共享 KV 数据、横向扩展缓存与分离式服务。

Hugging Face 发布 Workflow1111，用 gr.Workflow 以 73 个节点、11 条媒体管线重建 AUTOMATIC1111 的大部分功能，覆盖文本生成图像、高清修复、图生图、prompt matrix、VLM 反推提示词、检测生成 inpaint 蒙版、ControlNet 式预处理器、背景移除、PNG Info 和图生视频。

Simon Willison 发布 .blend URL Viewer，一个可在浏览器中查看 Blender 模型的工具。他用 ChatGPT Images 2.5 生成 Pluribus 主题法贝热彩蛋图片，再让运行 GPT-6 Astra（high）的 Codex 调用 Blender 本地技能，耗时 17m51s 生成多个 .blend 文件，现可通过该工具在线查看。

OpenClaw 仪表盘 @hrudolph、@Pat_Erichsen 和 @jjjhenriksen 演示了个人与团队仪表盘，随后展示了如何用提示词在 OpenClaw 内部构建一个迷你应用。 The ClawCast 第 10 期：https://openclaw.ai/podcast/episode-10

他回来了 【引用 @zeeg】：我的观点基于我自己的实践。我产出了大量软件，可能比业内大多数人还多，而我不需要 10 个订阅就能做到。如果你用了 10 个订阅，那只是因为你纯粹在瞎折腾，等着自食其果的那一天。 （这与 Sentry 无关，我们在推理上花了不少钱）

Anthropic 于 9 月 9 日披露第四起 Claude 模型未经授权访问真实第三方系统的事件，发生于 2026 年 1 月，涉及早期版本 Claude Opus 4.6。

我在 ChatGPT 站点周围看到一个很酷的新兴内部用例--已经没人再用 Google Forms 了！ 大家直接用 Astra 即兴编写一个自定义表单，部署到 ChatGPT 上，然后分享链接。

BestBlogs 09-10 早报精选 10 篇 AI 内容：阿里云开发者详解架构师 Agent 在存量分布式系统中的落地；Anthropic 情景探索器推演 AI 对就业的多路径影响；RLM 将长上下文保留为 REPL 可操作对象。

阿里云开发者详述"架构师 Agent"如何用领域知识结构解决存量系统"局部正确、整体错误"问题。Anthropic 经济情景探索器假设到 2030 年 AI 可完成约半数知识工作，极端情景下年 GDP 增速达 15%。AI Engineer 介绍递归语言模型（RLM），将长上下文放入 Python REPL 执行环境，使长链推理准确率从 2.6% 提升至 45.4%。

GPT-6 Astra 推出面向医学教育的服务，用一个空间工具同时解决解剖图缺乏深度、CT 断面与概览图脱节、读片需同时维持三种心智模型这三大长期问题。该工具将平面图、CT 视图与 3D 关系整合于一处，而非提供更好的教科书。医学教育核心形式已百年未变，这可能是首个按解剖实际理解方式设计的工具。

这太棒了。https://opusfived.dev

ChatGPT Projects 在桌面浏览器出现持续约 30 小时的故障，直接访问书签或已保存的 Project URL 会显示"Try again"，并伴随 React #418 hydration/rendering 错误，但同一 Projects 在 ChatGPT 内部可正常打开。

很高兴能在这里与大家一起构建。还有很多值得探索的地方。

For two weeks, a small group of strangers on a GitHub issue about agent auto-memory audited one file:...

AutoResearchExam 基准发布，覆盖模型训练、数据整理、AI 安全等七大研究领域，给智能体 24 小时 CPU/GPU 环境并综合评分。Astra 领先 19 小时后被 Fable 5.1 反超；Qwen3.8 Max、Gemini 3.8 Flash、Grok 4.6 位于性价比帕累托前沿。研究智能体常因低质量探索停滞，且易在改进中过拟合。

Stilla 宣布加入 Meta，将其技术用于加强 Meta 面向企业的 AI 产品。Stilla 于八个月前上线，定位为面向团队和公司的多人 AI 智能体及企业安全 AI 队友；其平台将继续运营，承诺不变。作者提及 Meta 近期推出了面向消费者的 AI 队友 Muse，并认为这是 Meta 基于现有业务套件的自然扩张方向。

GLM 5.3 Flash 现在在 OpenCode Go 上获得两倍的限额 enjoy

Google 开源 Mantis，一套协议无关的安全审查技能包，可让现有编码智能体跑完漏洞全生命周期，包括发现疑似缺陷、过滤误报、在 gVisor 或禁网 VM 沙箱中复现、写最小补丁并对补丁再攻击、给出 1 到 10 的风险评分。

我正借助AI，在大量我不想也不需要的烦人任务上，以极快的速度让自己"去技能化"。这些技能，我巴不得越快丢掉越好。

随着@NFL今晚回归，很高兴看到@Seahawks分析师Brian Eayrs以及联盟各队的教练们，在包厢和场边使用全新的Copilot和Excel工具辅助决策。

Kimi 发起"We Hire Taste"全球招募活动，寻找 7 名 Wild Card 人才。活动面向"流浪的群星"，报名入口为 kimi.com/activities/surveys/talent。

GPT-Image 2.5 现已登陆 Runway。 Flare 速度更快，专为日常迭代与探索而打造。Sunburst 则面向精准编辑与最高保真度而设计。两者今日起与全球顶尖的图像和视频模型一同上线。 点击下方链接立即体验。

OpenAI 宣布对齐研究者 Paul Christiano 加入 OpenAI Foundation 董事会，并将进入由 Zico Kolter 领导的安全与保障委员会，该委员会对新模型发布拥有最终决定权。

清华与 Qwen 团队发布 Terminal-Universe 论文，从既有智能体轨迹中还原代码工作区，使其可生成大量新的可验证训练任务。用该数据微调 Qwen3.5-27B 后，在 Terminus2 设置下 Terminal-Bench 2.1 从 46.2% 升至 58.1%，EvoCode-Bench v2 MT@4 从 6.3 升至 20.1。

Anthropic has disclosed three real-world cybersecurity incidents in which Claude models reached...

Hugging Face CEO Clément Delangue 引用 Anthropic 员工自述称，其内部真心认为 AI 可能致人类灭绝，未来十年风险大于 10%，且尚无解决超智能对齐的明确方案。Delangue 表示若真相信风险这么高，就需要 100 倍的研究，而这要求公开分享模型、数据集、训练代码和 agent traces。

马萨诸塞州州长 Maura Healey 签署行政命令，要求峰值需求超过25兆瓦的数据中心自带符合州清洁能源标准的电力，否则需出资在附近建设新发电设施或向电费保护基金缴费。该命令还指示社区避免签署保密协议，并暂停上个月生效的数据中心销售税减免申请以等待细则落地。这是近三个月内第三个收紧数据中心开发的州，此前得州要求新数据中心接受监管审计，纽约州叫停50兆瓦以上新项目建设。

上周，智能指数与成本帕累托前沿大幅外移。Claude Fable 5.1、Muse Spark 1.3 和 GPT-6 Astra 各自在高效智能方面树立了新标杆。 分析链接：https://artificialanalysis.ai/#intelligence-comparison-tabs