AI 情报文章归档

经过更多优化并分配更多资源后，错误率已回落至接近零。 感谢 @Cloudflare 团队及时介入并启用相关支持。 推理是一种特殊的工作负载，面临一些独特的挑战--相关文章即将发布。

OpenAI 联合创始人 Greg Brockman 透露，2017 年公司开始计算 AGI 所需的算力，意识到需要大规模计算资源，而 Cerebras 的独特硬件可能带来压倒性优势。由于非营利筹款存在上限，Elon、Sam、Ilya 与他一致认为，创建营利实体是达成使命的唯一路径。

Anthropic 支持者正庆祝其 ARR，但 ARR 可指年度经常性收入或年化运行率，两者含义截然不同。前者代表订阅等可重复收入，后者可能只是将最佳月份乘以 12 的推算，未必能持续。Anthropic 今年第二季度的收入规模明年未必能重现，尤其在 tokenmaxxing 崩溃后，ATT 等公司为节省成本正转向其他厂商的开源模型。

Anthropic的Thariq回应称，Claude Code中"high=10"的输出是数值映射问题，并非性能降级，"high"仍代表高推理强度，内部评测确认无性能回退。用户仍反馈多数模型（尤其Opus）使用体验明显变笨，Anthropic建议遇到明显回退时通过/feedback反馈并附ID，将提供积分补偿。

DAIR.AI 已将 Thinking Machines 的 Inkling 模型上线其 harness playground，用户可免费搭配 Pi 或 Hermes Agent 试用。该模型为开放权重 MoE 推理模型，支持文本、图像和音频输入，拥有 1M 上下文窗口，并已在 OpenRouter 上供 Claude Code、Codex 等智能体框架免费调用。

Ethan Mollick 实测神秘模型 Ox Alpha，认为其表现尚可但未达开源权重模型的前沿水平。在其新哥特城市 twigl shader 测试中，Ox Alpha 逊于引用推文中同样开源的 Kimi K3，后者被评价为"非常好的模型"。Mollick 表示仍在继续测试。

伦敦 AI 实验室 Inherent 称其新发布的智能体 Faraday 在独立复现已发表科学论文结论的任务上，超越了 Anthropic 的 Claude Opus 4.8 和 OpenAI 的 GPT-5.5。Faraday 基于仅 270 亿参数的 Qwen 3.6 模型，并借助强化学习训练"研究品味"。该公司刚以 5000 万美元种子轮融资走出隐身模式。

我真的很庆幸自己热爱提示词工程。

智能体的采用速度非常快，很容易忘记这个领域已经走了多远。 【引用 @xeophon】：不到一年前，一年处理 10B token 还是一项重大成就，能让你获得一块奖牌。 现在我一周就能处理超过 10B token。

Lauren Tan 认为，若编程仅指敲代码，AI 智能体确实已解决；但编程本质是用代码解决问题，智能体缺乏约束反而制造更多问题。她强调人类工程师仍需主导方向，智能体降低了工程门槛，英语正成为新的编程语言。

第二届世界人形机器人运动会今晚在国家速滑馆“冰丝带”开幕，666 支队伍、2056 台机器人参赛，队伍数量较首届增长 138%，机器人数量翻了两番。天工 Ultra 在百米预赛跑出 9.39 秒，打破博尔特 9.58 秒的人类世界纪录；荣耀“闪电”以 41.95 秒完成 400 米，同样破人类纪录。本届赛项增至 51 项，多项竞技赛取消人工遥控，全程全自主运行。

FireRedTeam 发布 FireRedAudio 的代码与模型，一个基于 9B 参数 LLM 的通用音频语言模型，采用理解与生成解耦的连续表征设计。单模型支持 ASR、音频理解、零样本 TTS、指令 TTS、语义与声学语音编辑，以及最长一小时录音的时序定位理解，在 MMAU、Seed-TTS-Eval 等基准上取得竞争性或领先结果。

今天，我们为 SGLang 推出 Weight Cache Daemon。🚀 在 Ling-2.6-1T FP8 上，它将权重加载时间缩短至约 0.63 秒，比磁盘加载快约 780 倍，并将引擎总启动时间从 8.8 分钟缩短至约 0.53 分钟。其工作原理如下。

SpaceX 以 600 亿美元股票收购 Cursor，为有史以来最大的风投支持初创公司并购；Stripe 拟以约 80 亿美元现金加股票收购 OpenRouter。

Anthropic 发布 AI 原生 SDLC 实战手册，提出将传统六阶段软件开发生命周期重构为 AI 嵌入各环节的闭环流程。手册指出，当代码不再是瓶颈时，规划、审查、部署等人速环节成为新约束，需通过 Claude 将需求压缩为 intent.md、以技能编码标准、用持续评测替代阶段门禁，并保留人工对关键代码的审查。

面壁智能 OpenBMB 推出 MathForm，一个面向 Lean 4 数学自动形式化的开源框架、数据集与模型。其 FormalVerse 数据集含 367K+ 已验证示例；在匹配 100K 预算下，基于其训练的模型 Consistency Check 达 60.32%，优于 FineLeanCorpus（46.53%）与 NuminaMath-LEAN（41.49%）。

DeepSeek 上线多模态视觉理解模型 V4-Flash-Vision-Exp，纯文本能力与 V4-Flash 正式版持平，多模态 Agent 能力接近 Opus-4.8。该模型通过 API 提供，图片按 token 计费，一张最多占 384 tokens，价格与 V4-Flash 一致。同期上线的 Files API 免费，支持图片上传后通过 file_id 复用。

DeepSeek 8-21 宣布 DeepSeek-V4-Flash-Vision-Exp 已在 API 平台可用：这是可接图的实验性多模态模型，文本能力对齐 V4-Flash，用模型名 deepseek-v4-flash-vision-exp 调用，图片可用 base64、外部 URL 或 Files API 传入。同一更新上线 Files API（一次上传后按 file_id 复用）及 DeepSeek Harness 配套更新。官方 changelog 标为 expe…

NVIDIA 技术博客 8-21 发布内部长程自主编码 agent 架构 AVO（Agentic Variation Operators）在交互推理基准 ARC-AGI-3 公开集上的评测：在全部 25 个环境、183 个关卡上取得 100 RHAE 满分，AVO 内部使用 Claude Opus 5 作为模型。博文明确不覆盖半私有与私有竞赛集，也不是新模型或权重发布；此前 AVO 主要用于 GPU kernel 优化。

SpaceXAI 8-21 宣布 Grok 4.6 已在 Google Cloud Vertex AI 与 Vertex Model Garden 上线，开发者可调用。这是该模型继 Amazon Bedrock 之后又一云平台正式落地，并非新权重发布；官方 x.ai 页与 Google 侧均可核实。

Anthropic 8-21 宣布，Claude Enterprise 客户可在公开测试中用 Claude Security 以 Claude Mythos 5 扫描代码仓库；模型在后台运行，仅返回带 CWE 分类、置信度与严重度评级及建议补丁的发现，每个补丁须经人工审核后方可实施。同一发布设立 3500 万美元 Defender Advantage Fund 支持开源安全。合作伙伴集成与 Cyber Verification Program 扩面仍属后续计划。

OpenAI Daybreak 汇集模型、安全工具、受控访问与安全生态，配合 ChatGPT、Codex Security、Codex Security Cloud 和开源 Codex Security CLI 覆盖调查、代码评审、漏洞分诊与修复验证。

作者整理出12个最常用的Prompt，按问清问题、学习、解决问题、决策、认识自己5个场景分类，全部可单独复制使用且无需安装任何Skill。每个Prompt都配有可直接套用的模板，将【】内内容替换为个人信息即可，适配当前所有主流AI。

Hugging Face 最新研究引入三项测试量化语音识别中的基准优化（benchmaxxing）现象。对 11 个开源 ASR 模型的评估显示，多个高分系统会复现 VoxPopuli 和 LibriSpeech 基准的错误转录文本，即使音频内容与之矛盾。部分模型甚至依赖声学线索识别基准来源，导致其得分高估了真实转录能力。

Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次试验（共 904 次 rollout）对比 GLM-5.3 与 GPT-5.6 Sol。

斯坦福大学与Together AI研究显示，本地AI模型在超百万条真实查询中，对89%的日常聊天与推理问题的回答质量已不输云端前沿模型。本地模型对前沿模型的胜/平率从2023年的23.2%升至2025年的71.3%，智能每瓦特效率同期提升5.3倍。相比全云端方案，本地模型加路由器的组合可降低80%能耗、77%算力与74%成本，但云端在多步推理与高难度领域仍具优势。

Together AI 在 DeepSWE 全部 113 个任务、每任务 4 次试验（共 904 次 rollout）上对比 GLM-5.3 (max) 与 Claude Fable 5 (max)。

Hugging Face 发布 LFM2.5 系列三款模型的 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下，GPU 吞吐最高提升 3.18 倍，端侧最高 2.87 倍。草稿模型约 300M 参数，LFM2.5-2.6B 函数调用延迟平均降低 57%，已开源支持 llama.cpp 和 SGLang。

蚂蚁 Ling Infra 团队与 RadixArk SGLang 团队将 Ling-3.0-flash 混合线性注意力 MoE 模型的单请求解码速度从 288 tok/s 提升至 606 tok/s，平均 TPOT 从 3.33 ms 降至 1.53 ms。

Anthropic 宣布 Claude Mythos 5 现已集成至 Claude Security，并即将登陆合作伙伴的网络安全防御工具。公司同时推出 3500 万美元的 Defender Advantage Fund（0xDAF），用于资助开源软件漏洞修复与安全自动化。

Anthropic 发布面向初创公司的 Claude Code 使用指南，基于对十余家高增长公司的调研，总结出“人人皆可交付、自动化繁琐工作、信任但验证、为重构而构建、原型-自用-产品化”五大规则。

Black Forest Labs 发布 FLUX Video Upscale，可将 480p 起的视频重生成至最高原生 4K，现已通过 BFL API 和 playground 提供。

阿里巴巴正式推出 Qwen-UI-Agent，一个以真实世界为中心的 GUI 智能体基座模型，覆盖移动端、电脑端、网页端及深度搜索（DeepSearch）环境。

Anthropic 8-20 宣布 Computer Use、新增 Browser Use 工具、Skills API 与 Files API 在 Claude 平台正式一般可用。Computer Use 支持单轮多动作（点击、输入、截屏等）；Browser Use 基于页面结构而非仅像素坐标定位网页元素；Skills API 支持上传与版本化技能；Files API 支持一次上传按 file_id 复用并可设过期。Vertex AI 上的对应更新仍为 coming soo…

蚂蚁百灵开源 Ling-3.0-tiny-base 与 Ling-3.0-flash-base，并同步开放预训练、中期训练及 WSM 合并等共 6 个 checkpoints。tiny-base 总参数 7.9B、激活参数 1.3B，flash-base 总参数 124B、激活参数 5.1B，均采用统一训练方案，适合持续预训练、监督微调、偏好优化及强化学习后训练等场景。

MiniMax 推出 MiniMax Design，一款将多模态模型能力转化为生产力的 Harness，可理解目标、拆解任务并调用模型与 Skills，完成从素材处理到最终交付的完整流程。该产品围绕原生多模态视频模型 H3 构建，擅长处理目标明确的商业内容任务，并提供 Agent 3D 导演台、自动剪辑与字幕功能，支持接入 ComfyUI 等开源生态工作流。

OpenAI 首席财务官萨拉·弗里亚尔在全员大会上告知员工，公司最迟将于 2027 年完成上市，若业务持续向好也可能更早。OpenAI 已于 6 月秘密提交 IPO 招股书，本季度整体年化营收增长 35%，企业级业务年化营收增长 50%，AI 编程与办公产品周活跃用户突破 2000 万。

一段 5 秒 480P 视频，完全在 Mac 上生成，耗时 30 秒。无需 CUDA，无需云端，仅占用 3.9 GiB 内存。 FastMetal 将 FastWan-QAD 系列带到 Apple Silicon。DiT、DMD 采样器和解码器均通过 MLX 在 Metal 上运行，默认 INT8。 三个模型：1.3B 支持 480P，5B 支持 720P，14B 追求画质。 📷 博客：http://haoailab.com/blogs/fastmetal 📷 代码：h…

Mistral 发布 Agentic Search，为 AI 系统提供多步检索层，通过 Mistral Search Toolkit 和 Studio、Vibe 中的 Libraries 提供，支持云端与本地部署。