AI 情报文章归档

@HamelHusain 将其 Applied AI Evals 课程的要点浓缩成 13 张信息卡，链接见 https://hamel.dev/notes/llm/evals/flashcards/。

《终焉路独行》实体书正文中混入一句 AI 提示词“需要我再微调部分语句，让整体文风更贴合悬疑灵异的氛围吗？”，网络版第 80 章相同位置并无此句。策划团队天津知语时光文化传媒有限公司致歉称，原稿无该内容，系文字精减处理时误将校对软件提示词当正文处理。江苏凤凰文艺出版社此前回应称并非作者问题，已发出书籍将回收销毁并重新修订。

开发者Brandon Thomas因不满Adobe订阅违约金，用Claude Opus 5.5以Rust逆向重写了Photoshop等7款Adobe软件并开源，其中PS项目不到10天获4.6万Star。

某种意义上，ai、agents，是给 maker、builder、有 agency 有 idea 有创造力的人准备的。

OpenAI 的 Tibo 宣布，通过 Codex 和 Work 环境使用 GPT-6.1 Sol 时，默认上下文长度从 272k 提升至 500k，增幅约 80%。该值经充分测试，可降低上下文压缩触发频率，用户仍可手动调整，最大上限为 1M；配合本次调整，OpenAI 不会对 GPT-6.1 Sol 收取长上下文费用。

这个问题已修复，并在 0.70.2 中发布！正在推送。

Lauren Tan 提出，让 Agent 更自主工作的最基本切入点是赋予其自我验证能力，即像真实用户一样实际运行和操作应用，覆盖 CLI、API、UI 等接口。验证应产出可审查的工件，证明工作正确、符合意图且比通读整个 PR 更易审查，UI 工作常用视频和截图。她指出 skill 包等都是可选的附加项，并提醒并非所有领域都易于验证，验证只是近似、仍可能出错。

冷知识，大部分人不用大模型是因为大模型对他们没用，没有ROI 人不傻

华为高管余承东在媒体圆桌会上表示，正考虑逐步将 HarmonyOS 推向全球市场，但计划仍处于初步阶段。华为称已有超 9000 万台手机、PC 和平板运行 HarmonyOS 6 或 7，目标 2026 年底达 1 亿台设备，生态含超 45 万个应用与服务、1100 万注册开发者。

Modal 推出 Endpoint Candidates，可为 Dedicated Endpoint 暂存候选部署，镜像生产流量以对比质量、延迟、吞吐和成本，并从仪表盘晋升到生产，现已向所有 Modal 工作区开放。

Mastra 为 Mastra Studio 的智能体 trace 新增 Thread View，可将对话消息与产生它们的步骤并排查看，并支持打开完整 thread 按顺序浏览整段对话。该功能需 mastra@1.33.0 或更高版本，若智能体已使用 memory 并通过 MastraStorageExporter 持久化 trace，则无需额外配置。

vLLM 通过双向 KV 传输让 decode 节点把已计算的 KV 缓存回传给 prefill 节点，避免多轮对话中重复计算上下文。在 Amazon EC2 P5en 的 1P1D 部署上，该特性将 Qwen3-32B 的 TTFT 降低最多 1.6 倍，zai-org/GLM-5-FP8 降低最多 3.3 倍。

浏览器指纹识别通过收集 user agent、语言、屏幕尺寸、字体、canvas 与 WebGL 渲染、音频处理等信号，组合后经哈希函数生成紧凑标识，用于在 cookie 被删除后仍能识别回访浏览器。它分为被动式（HTTP 头、IP、TLS 握手）与主动式（JavaScript 采集）两类，常用于追踪用户、防欺诈和检测机器人，但相似浏览器可能撞车、浏览器更新也会改变结果。

Amp 宣布其打开的 GitHub pull request 现在可以自动跟进后续动态，智能体能订阅 PR 的评论、review 和最新 commit 的 CI，失败的检查或 reviewer 提问会出现在同一线程中。

Apple 研究团队提出 Minions，一个将多台 macOS 设备上闲置的 Apple Silicon GPU 聚合起来、执行大规模机器学习推理的动态分布式虚拟 GPU 云。该系统支持灵活的 GPU 推理任务执行、容错和高效资源利用，让团队无需额外采购 GPU 即可利用现有硬件。经验表明，在集中式 GPU 资源受限的环境中，闲置 macOS 设备可转化为实用的分布式 GPU 推理平台。

xAI 推出 The X Subscription 订阅，将 Grok、Grok Bot、Cursor 和 X Premium 合入一个计划，未来几天内向全球用户开放。

Raise Financial Services 正与 Cartesia 合作，将语音模型接入其自研实时语音基础设施，为印度金融市场提供多语言语音体验。Cartesia 的 Sonic 文本转语音模型支持 11 种印度语言及单次生成内的语码切换，目前已在 Dhan 的语音机器人中处理会话式 KYC 等交互，其中超 75% 的交互使用非英语语言，印地语占一半以上。

苹果研究团队评估了 LLM 在 MQM 和 ESA 两种机器翻译质量标注方案下与人类标注者的一致性，测试覆盖 70 个语言对的长上下文测试集及 WMT23、WMT25 公开数据。结果显示，LLM 在某些任务上与人类的一致性超过人类标注者之间的一致性，但在多数标注方案、语言对和领域下仍不可靠。人类在细粒度 MQM 标注和低资源语言对上尤为吃力，LLM 则难以处理细微错误、错误语言变体和错误跨度标注。

Vapi 工程师 Lat Ware 自研 Pedantic Review Bot，使 PR 从开到合并的平均时间从 130 多小时降到 65 小时。机器人会运行测试和小复现来验证发现，分析和发评论分属两个 job，只能评论不能批准或推送；2026 年 9 月 2 日至 10 月 2 日审查了 1,694 个 PR，在 276 个中提出 363 个 blocker 发现。

针对 Rich Hickey 在 2026 年 10 月 11 日文章《"AI" is Not a Tool》中"LLM 属于自动化而非工具"的论点，有作者反驳称 LLM 仍可被人操控，用好它需要技能。

约翰霍普金斯大学提出 SELFCOMPACT，让模型自身决定何时及如何压缩上下文，无需微调或外部监督。该方法结合压缩工具与轻量级评分规则，在六项基准、七个模型上匹配或超越固定间隔摘要，数学任务最高提升 18.1 分，智能体搜索提升 5–9 分，每题成本降低 30–70%。

Factory 发布 Environments 并宣布正式可用，为 Droids 云端 Agent 提供可复用的沙箱定义，包含所需仓库、工具和依赖，并预先构建为可移植镜像。

Office Hours 将于 10 月 20 日太平洋时间上午 10 点对话 Granola 销售 VP Bardia Shahali，讨论 AI 时代销售组织应如何构建。议题包括 AI 时代销售团队为何规模更小、配额相较传统 SaaS 基准的变化，以及更快上手和更大单笔交易如何改变招聘与薪酬。活动还涉及产品自传播时如何设计 go-to-market。

Amp 的 Changes 面板现可自动按智能顺序排列文件，它会读取 diff、识别对本次改动最关键的文件并置顶。若 diff 发生变化，Amp 会重新计算顺序但不会在用户审阅时重排文件，而是在智能排序按钮上显示蓝点，点击后才应用新顺序。新排序计算速度比旧方法快得多，用户也可点击排序按钮切回按字母顺序排列。

Baseten Base Labs 向 13B 模型 talkie（知识截止 1930 年）顺序写入 2011–2019 年的 20 条体育事实，每条训练一个 LoRA 并合并。

OpenAI 将 GPT-6.1 Sol 通过 Codex 和 ChatGPT Work 使用时的默认上下文长度从 272k 提升至 500k，增幅约 80%。官方称这有助于减少压缩发生，未来还会继续提高，用户仍可自行覆盖设置，该模型最大上下文长度为 1M。

indigo 引用并解读 Karpathy 的观点：约75%的人几乎没接触过大语言模型，约20%只把免费层当聊天机器人，约0.2%用前沿模型做数学和代码的专业人士见证数周项目被一个提示词完成，约5,000名接触内部系统的人看到成千上万 Agent 协作数周。

官方宣布一项计费调整：从订阅额度中调用 GPT-6.1 Sol 时，不再收取长上下文费用。

Tibo 宣布 GPT-6.1 Sol 在 Codex 与 Work 中的默认上下文长度从 272k 提升到 500k，约增加 80%。此举可减少压缩（compaction）发生，帮助需要长期保留大量上下文和细节的任务；用户仍可自行覆盖设置，模型最大上下文长度为 1M。

英国AI国务大臣卡尼什卡·纳拉扬将宣布加强网络防御，并呼吁前沿AI研发企业采取更多举措保障系统安全，强调英国不能完全依赖科技巨头对模型进行"自我监管"，须构建更多自主可控的AI基础设施。英国AI安全研究院（AISI）已与OpenAI、谷歌DeepMind、Anthropic等合作测试超过30个模型，其发现会在模型部署前促成实际改动。

作者引用 Karpathy 的分析，认为全球约 80 亿人因对大模型能力的接触程度不同被分成四层。约 60 亿人几乎没接触过大模型，10 到 20 亿人偶尔用免费版产品，约 2000 万人重度使用前沿模型和 Agent，约 5000 人能接触 AI 实验室内部系统，且这一认知差距仍在扩大。作者另补充中文用户还有能否用 Claude Code 的第 3.5 层。

Cloudflare 于 2026 年 10 月 9 日发布开放权重决策模型 Clef-omni，可在一次调用中对文本、图像、音频和视频打分。

Ethan Mollick 转引 Andrej Karpathy 的推文，Karpathy 估算约 75% 的人几乎没接触过 LLM，约 20% 是免费档轻度用户，约 2000 万数学与代码专业者能亲眼看到智能体在数周内完成过去数月的项目，而约 5000 名实验室内部人员则在观察数千智能体协作数周的软件大型项目、漏洞挖掘、网络攻防、科学发现与前沿数学进展。Karpathy 认为这一认知漏斗由问题雄心、能力的锯齿性和访问层级共同驱动。Mollick 补充称，即使这 5000 …

给那些阅读能力不太好、又想学会怎么把别人的东西也做得好的人 （引用推文：OpenClaw v2026.10.1，以下是你需要知道的：）

据华尔街日报援引知情人士报道，亚马逊正就收购旧金山初创公司 Decart 展开谈判，潜在估值约 70 亿美元。Decart 专注研发帮助开发者在不同 AI 芯片间无缝切换的跨芯片适配软件，此前已累计融资逾 4 亿美元，5 月融资估值接近 40 亿美元。此前 Anthropic 曾洽谈以约 60 亿美元收购 Decart，并于 9 月放弃。

英国 AI Security Institute（AISI）发布前沿 AI 开发技术最佳实践主张，指出风险正更早出现在训练、内部部署和评估阶段，而能力基准往往刚建立就饱和。AISI 称已独立评估超过 55 个模型，并开源 Inspect 评估框架，主张通过自愿性最佳实践而非强制要求推进技术标准。

研究已死 💀

Sakana AI 发布 MASS（Multi-Agent Self-Supervision）方法，让同一模型同时担任执行者、工作流优化器和评估者，将多智能体团队的集体经验蒸馏为递归自我改进（RSI）的自监督信号。

vLLM Semantic Router 团队发布 Decision 3.0 系列开源决策模型，读取文本、JSON 和图片，返回概率而非生成文本，全部采用 Apache-2.0 许可。

Apple 将于周二发布名为 HomeView 的智能家居中枢，搭载 A18 芯片和 Siri，配显示屏，可控制其他智能家居设备，并提供台面版和壁挂版两种型号。同日 Apple 还将更新 Apple TV 机顶盒和 HomePod mini，并计划宣布与 LG 合作推出智能锁、恒温器和门铃。