AI 情报文章归档

Sapient Intelligence 发布并开源自主科研系统 PRAXIST Beta，通过并行 Research Peers 与共享研究图谱跨代累积实验证据。在完整 75 任务 MLE-bench 上，PRAXIST（deepseek-v4-pro）获 49 金、共 60 枚奖牌，超过 Claude Opus 4.8 的 34 金、55 枚。

VGI-Bench 探针视频生成模型中的视觉智能 论文：https://huggingface.co/papers/2608.19583

Experiential 是一个面向智能体工作流的开源网关与路由器，通过一个 OpenAI 兼容 API 统一托管、BYOK 和本地模型，并支持按用户、智能体、用例及预算控制模型访问。它可将生产流量转化为针对质量、速度和成本优化的自定义路由器或模型。项目支持本地部署（pip install experiential）及托管平台，并默认启用匿名聚合遥测。

阿里云宣布Qwen Work，标志AI从聊天机器人、副驾迈向自主智能体，能收集上下文、推理复杂问题并跨部门执行端到端工作流。Qwen Work实现从"回答问题的AI"到"采取行动的AI"的转变，智能体每次行动都会变得更聪明。9月4日曼谷现场演示实时跨部门工作流。

阿里云 Wan3.0 在 Video Edit Arena 中登顶，以 1414 ps 领先 dreamina-seedance-2.5 4 分、MiniMax-H3 22 分。这是 Wan 系列首次进入该竞技场，目前共有 8 家实验室的 10 个模型参与。Wan3.0 已通过 Model Studio 和 Qwen Cloud 开放 API 访问。

Grok 现已登陆 Microsoft Foundry 【引用 @cb_doge】：突发：来自 SpaceXAI 的 Grok 4.6 现已可在 Microsoft Foundry Models 中使用。 在 Foundry 上使用 Grok 4.6 进行构建，企业组织可在此比较前沿 AI 模型、运行特定工作负载测试、部署托管端点，并以企业级安全与治理管控进行运营。

《时代》杂志 8 月 27 日公布 2026 年全球 AI 百大人物榜，系该榜单第四年发布。Anthropic CEO 达里奥·阿莫迪、OpenAI CEO 萨姆·奥尔特曼、埃隆·马斯克、阿里巴巴 CEO 吴泳铭、李飞飞等登上封面。国内入选者还包括字节跳动梁汝波、华为何庭波、中芯国际梁孟松、月之暗面杨植麟、智谱张鹏等。

SK 海力士在美国印第安纳州西拉斐特的 AI 存储器先进封装生产基地奠基，总投资超 40 亿美元，预计 2028 年 10 月完成无尘室建设，2029 年下半年启动新一代 HBM 量产，员工总数有望超 1000 名。该基地将使用韩国生产的先进晶圆，并同步构建先进封装研发测试床，与普渡大学签署研发合作备忘录。

Databricks AI Runtime 通过优化 PyTorch 训练流程，显著提升大规模训练效率，核心指标"goodput"成为衡量训练效率的关键。该方案在故障容错与性能之间取得平衡，减少因节点故障导致的训练中断与重启开销，从而提升整体吞吐量。适用于需要长时间稳定运行的大规模分布式训练场景。

Anthropic 发布 Claude Code v2.1.250。该智能体编码工具运行于终端，能理解代码库，通过自然语言命令执行日常任务、解释复杂代码并处理 git 工作流，帮助开发者更快编码。

Claude Tag 迄今为止最热门的用例--值班。了解我们如何用 Tag 驱动 Anthropic 的值班工作，并自行配置，这样你就不会在凌晨 3 点被一个 Claude 本可解决的告警吵醒。 https://claude.com/blog/ai-ci-cd-on-call

片外带宽一直是晶圆级芯片的短板。WSE-3 拥有惊人的晶圆上 SRAM 带宽，但一旦数据需要离开晶圆，一切都会变慢。这之所以重要，是因为晶圆仅能容纳 44GB 的 SRAM，因此大模型会被分散到多块晶圆上，而每增加一块晶圆，就意味着有更多数据需要穿越这条带宽受限的 I/O 路径。长上下文会让情况更糟，因为 KV 缓存会进一步推高所需晶圆数量。（1/3）🧵 图片来源：Cerebras

一项综述研究将智能体工件创作定义为AI系统有状态地构建或修改交付物、并由中间观察结果重定向后续工作的过程，并系统梳理了截至2026年8月20日的259篇文献，涵盖230个系统和29个评测基准。研究比较了六类工件族，提出保持承诺与责任明确、将反馈转化为针对性修复、变更后重新验证受影响状态等原则，并指出工件、创作者意图与构建系统演进中持续可控性的机遇。

针对现有多模态大模型在时空视频定位中因自回归解码导致的延迟与误差累积问题，研究者提出并行管解码（PTD）方法，将定位分解为时间块与并行的条件空间块，将顺序解码深度固定为1+1轮。在VidSTG基准上，PTD将管完成延迟降低79倍，空间解码吞吐量提升92倍，并提升定位精度；基于40亿参数骨干的模型在VidSTG和HC-STVG上表现良好，并可零样本泛化至时间定位、视频问答等任务。

研究表明，带 sink 的滑动窗口注意力（SWA）在多项下游任务上表现不逊于甚至优于后训练的线性注意力模型。在长上下文推理任务（Needle-in-a-Haystack 和 BABILong）中，SWA 性能高出 2 至 10 倍。SWA 无需后训练、速度快且内存占用低，是更廉价可靠的解决方案。

LoopArena 是一个新基准，用于评估一个模型（Controller）如何引导另一个固定编码智能体（Worker）完成长时任务。在完整任务上，最佳严格成功率仅 24.69%，显示长程循环控制仍有较大提升空间；同时，各 Controller 的推理成本平均降低 64.4%，且 Type II 设置下排序与核心指标高度一致（Spearman's ρ=0.9747）。基准数据和评估代码已开源。

ElephantBench 闭卷知识探针含 1，094 道基于可审计图流程生成的多方叙述问答。测试 32 个模型，最强模型也仅在 52.4% 的问题上同时召回两种叙述，其余大多只记得一种。扩大模型规模和推理时计算能提升召回率但无法消除不完整性，代码已开源。

Agent Seer 提出一种无需人工构建或实时执行工具即可合成评测场景的方法，利用函数名、自然语言描述和类型化参数模式等工具规格中的语义信息，生成能反映从业者组合工具与多轮迭代的真实测试场景。该方法旨在解决手工构建场景依赖领域专家、难以跨工具生态扩展且静态基准无法跟踪 API 演进的问题。

GeoNeXt将预训练视频生成模型改造为统一的几何估计框架，把深度与表面法线估计重构为下一帧预测任务，无需分别训练任务专属模型或大规模微调图像扩散骨干。该方法在零样本单目深度和表面法线估计上超越此前任务专属及统一生成式方案，且训练数据需求大幅降低，性能可与基于超100倍数据训练的有判别力SOTA方法比肩。

苹果机器学习研究团队提出一种新方法，将 LLM 视为信息处理规则，利用其与贝叶斯更新的信息处理差距，研究模型如何根据证据更新概率信念的内部（不）一致性。实验评估了 LLM 在医学、科学、法律等复杂领域的信念更新表现，揭示其概率推理与贝叶斯理想之间的系统性偏差。

Voice Arena 与 Hugging Face 合作，为 Open ASR 排行榜引入 Monsoon en-IN 和 Monsoon hi-IN 两个评测集，覆盖印地语与印度英语，其中印地语是该排行榜多语言板块首个非欧洲语言。数据集含公开与私有分割，共 4,888 位说话人，并记录 12 项说话人属性，旨在暴露按地区、年龄、性别等维度分布不均的语音识别误差。

Together AI 在 DeepSWE v1.1 全部 113 个任务上实测 GLM-5.3 与 GLM-5.3 Flash，各跑 4 次共 900 rollouts。

论文提出 EvoUndo，用于表示、合成、诊断并独立验证 LLM Agent 运行时自我修改的可恢复性。在 600 个未见过的单次自进化任务中识别出 197 个无法通过可恢复性验证的能力提升变异；扩展恢复演算使 oracle 恢复率提升到 191/197，精确状态寻址接地在原语言充分时将恢复从 0/48 提升到 38/48（79.2%）。

论文提出 PRISK 动态评测框架，系统评估 LLM 个性化的三类风险：无关个性化、偏好窄化和谄媚偏差。对 13 个 LLM 的实证分析显示，用户画像和检索记忆会持续加剧偏差，三项指标平均分别下降 45.9%、41.7% 和 61.7%。

论文在 LM Playschool Challenge 中用 2B 开源模型研究对话博弈，发现失败多为局部决策错误而非单纯知识缺陷。

LayerRecall 提出当前状态条件、按层选择的记忆路由机制，仅将检索到的历史 K/V 状态注入骨干网络中对记忆敏感的层，同时保留局部注意力。配合 Cross-Horizon Prediction Matching（CHPM）在预测空间监督有界记忆路由，减少对稀缺长视频和显式标注的依赖。

研究提出 Rubric-to-Code Credit Assignment（RCCA），一种将评分细则级功能反馈转化为代码局部优化信号的强化学习框架，以改善交互式网页应用生成中的信用分配问题。

ContextPilot 提出一种面向长程智能体任务的主动上下文管理框架，通过扩充规划、长期记忆和软上下文卸载工具，并设计基于上下文与熵变化的细粒度 RL 方法，解决现有方法工具集受限、探索低效和信用分配粗糙的问题。在长上下文问答和深度搜索任务中，ContextPilot 以更紧凑的工作上下文取得更强性能，在多种基座模型和基准上持续优于现有基线。代码已开源。

作者基于孙割爆火小作文的PDF，蒸馏出「孙割写作.skill」并开源。该技能复刻其白描手法、精确数字与意象callback等写作特征，供社区娱乐使用。开源地址见正文。

谷歌推出 Gemini Omni 1.1 Flash 视频生成 AI 模型，最高可生成 4K 视频。新模型支持场景扩展（每次 10 秒步长，单条最长 40 秒）、指定首尾帧及最长 3 秒视频参考。360p 预览生成速度较标准 720p 最高提升 60%，成本仅为三分之一；价格从 360p 每秒 0.03 美元到 4K 每秒 0.3 美元不等。

MIT 教学、学习与研究培训 AI 应用特别委员会经五个月调研，发布报告呼吁全校行动。报告指出生成式 AI 已全面渗透校园，既带来教学创新，也冲击 p-set、开卷考试、UROP 等本科教育根基，加剧学生孤立并削弱掌握度。委员会提出八项指导原则，并为教师和管理层推荐短期与长期行动，强调 MIT 应引领 AI 时代的高等教育重塑。

BestBlogs 08-28 早报精选 10 条 AI 动态。智谱发布低成本原生多模态模型 GLM-5.3-Flash，总参数 320B、激活 18B，AA 指数 57 分。

智谱发布并开源 GLM-5.3-Flash，320B 总参数、18B 激活参数，是 GLM-5 系列首个原生多模态版本。相较上一代，激活参数从 32B 降至 18B，注意力计算量和 KV 缓存分别降低 3.01 倍与 4.44 倍。官方称端到端性能相对同硬件初始基线提高三倍，硬件效率和单 token 成本接近主流 NVIDIA GPU。

Thinking Machines与UIUC、Bridgewater研究人员合作，将专家判断融入RLVR的每个环节，训练出首个在文本转SQL任务上超越人类基准的模型。该方法需前期投入数据清洗与奖励函数对齐，但最终在复杂任务上达到SOTA水平。

Midjourney 开始向所有用户开放其首个 V8.2 图像编辑模型的测试。该模型支持指令编辑、以图生图（最多同时引用 4 张参考图）、局部重绘与扩画，并兼容个性化、moodboards 和 srefs 功能。用户可通过网页端或 Discord 的 `--edit` 命令使用，官方同步更新了 midjourney.com 与 alpha.midjourney.com 的界面。

OpenAI、Anthropic、微软、谷歌母公司 Alphabet、亚马逊等 116 家企业和机构签署联名信，呼吁企业与政策制定者将网络安全置于首要位置，在 AI 时代"采取果断行动"强化防御。信中敦促政府推行"可信访问计划"，使合规企业可在公众开放前提前接入高阶模型，并要求所有机构将网络防御提升为领导层核心要务，同时为医院、水处理厂等关键基础设施提供专项资金支持。

TechCrunch Disrupt 2026 将于 10 月 13-15 日在旧金山 Moscone Center 举办，AI 舞台由 Google for Startups 呈现。

宇树科技8月27日晚宣布，每年将无偿赞助一部分"天才少年"，面向高中到硕士毕业前的学生，项目方向不设限，涵盖芯片制造、AGI、可控核聚变等前沿领域。公司将根据项目申请书和过程质量，给予1万元至2万元经费，分阶段无偿赞助，特别优秀的不设限。宇树称此举源于创始人王兴兴早年获约1万元"浙江省新苗计划"资助的经历。

GOOGLE 🔥：用户现在可以将 Google Play Books 中的精选电子书添加到他们的 Gemini Notebooks 中。 > 第三方订阅、教科书以及搜索中的 AI Mode 和 Gemini App 等更广泛的平台支持即将推出。

英伟达已暂停一项新融资计划中的部分交易，该计划原定向 AI 云服务商提供信用支持以换取营收分成，部分员工担忧其引发反垄断审查。该项目于上周叫停，距宣布不足两个月，英伟达仍可能调整或并入其他业务。发言人回应称该模式仍在正常运作，并正根据市场需求持续优化迭代。