AI 情报文章归档

OpenAI Codex 推出插件使用案例库，涵盖 iOS 应用构建、数据集分析和报告生成等场景。支持一键在应用中打开，直接开始开发。

本报告介绍了代码模型Composer 2的训练过程。该模型基于开源基础模型Kimi K2.5，通过两阶段训练：首先进行侧重代码的持续预训练以深化编码知识，随后在高度模拟真实Cursor环境的大规模强化学习中提升端到端智能体性能。在自建的真实任务评估集CursorBench上，Composer 2得分为61.3，较前代提升37%，与前沿模型性能相当。在公开基准SWE-bench Multilingual和Terminal-Bench上分别获得73.7和61.7分，并在保持高精…

Codex 已重置所有套餐的使用限制，方便用户体验新推出的插件。现在可以无限制地使用 Codex 构建项目，尽情尝试。

Codex 正式上线 Plugins 功能，开箱即用支持 Slack、Figma、Notion、Gmail 等主流开发工具，开发者可直接在 Codex 中调用这些服务。

Codex 正式上线插件系统，开箱即用地支持 Slack、Figma、Notion、Gmail 等开发者常用工具。

Google 发布 Gemini 3.1 Flash Live，称其迄今最高质量音频模型，具备更低延迟、更高精度和更自然的对话体验，改进了函数调用能力。现已在 Gemini App 和 Google AI Studio 上线。

构建现代应用的最大挑战并非代码本身，而是 DevOps 中繁琐的服务集成、API 密钥管理和部署配置。作者期待未来 AI 智能体能自动完成从文档阅读到生产环境部署的全流程，无需人工点击网页或手动配置。Stripe 推出的 Projects 正是朝此方向迈进：开发者可通过 CLI 命令自动配置 PostHog 等第三方服务，实现账户创建、密钥获取和计费设置的自动化，真正将基础设施生命周期转化为代码。

Gemini 3.1 Flash Live 音频模型发布，支持更自然的实时对话，函数调用能力改进，使 AI 助手更实用、信息获取更充分。

Gemini Live 底层升级为 Gemini 3.1 Flash Live，响应更快且减少停顿，支持双倍时长对话保持连贯，可根据场景动态调整回答长度和语气。

Gemini 3.1 Flash Live 发布，为 Google 迄今最高质量音频语音模型，精度和推理能力显著提升，交互更自然直观。现已在 Google AI Studio 通过 Gemini Live API 预览版上线。

Gemini 3.1 Flash Live 已上线 Google 全系产品，提供更自然、可靠的实时音频 AI 交互能力。

OpenAI发布GPT-5.4 mini与nano轻量模型，保留多档推理能力与400K上下文窗口，价格降至$0.20/$1.25每百万token。基准测试显示，GPT-5.4 nano在τ²-Bench等多项测试中领先Claude Haiku 4.5与Gemini 3.1 Flash-Lite Preview，但幻觉率较高且token消耗量大。得益于极低单价，nano在Intelligence Index测试中的有效成本反而低于竞品，展现出优秀的性价比优势。

Cursor团队将实时强化学习技术应用于Composer编码模型，利用真实用户交互产生的推理令牌作为训练信号，以解决模拟环境与真实使用间的匹配问题。该技术使团队能够以每五小时一次的频率部署改进后的模型检查点。通过A/B测试，新版本实现了关键指标提升：代理编辑在代码库中的持久性增加2.28%，用户不满意后续减少3.13%，延迟降低10.3%。实时RL也带来了奖励黑客等新挑战，但真实用户反馈有助于识别和修正此类问题。

Anthropic 工程博客发文介绍 Claude Code auto mode 的设计思路。该模式作为无需人工确认和完全手动之间的安全中间方案，通过构建并测试分类器来替代人工审批决策。

英国 AI Security Institute 与英格兰银行合作，监测 2024 年 11 月至 2026 年 2 月间的 177,436 个公开 MCP 服务器工具，分析 AI Agent 工具的真实使用情况。

Sakana AI 联合不列颠哥伦比亚大学、Vector Institute 和牛津大学，将 AI 科学家（The AI Scientist）系列研究发表于《Nature》。该系统可从想法生成到实验、论文写作全流程自动化，其 AI 生成论文曾在 ICLR 2025 研讨会盲审中获平均分 6.33，超过 55% 的人类论文。研究还揭示了“科学缩放定律”：基础模型越强，生成论文质量越高。

Google DeepMind 推出 Lyria 3 Pro，可生成最长3分钟的高保真音乐，支持自由编排前奏、主歌、副歌与桥段。Google AI 订阅者现可在 Gemini App 体验，开发者也能通过 Google AI Studio API 接入创作。

Claude 移动端现已集成工作工具，支持在手机上直接查看 Figma 设计、创建 Canva 幻灯片及浏览 Amplitude 仪表盘，实现跨端协作功能。

LLM 的记忆功能存在过度联想问题：两个月前随口一问会被当作深度兴趣永久存档，并在后续对话中反复提及，显得过于刻意且造成不必要的干扰。

Cohere 发布开源 ASR 模型 Cohere Transcribe，基于 Conformer 编码器-解码器架构，参数量 2B，支持英语、法语、中文、日语、阿拉伯语等 14 种语言，采用 Apache 2.0 许可证。

Lyria 3 音乐生成模型现已开放付费预览，开发者可通过 Gemini API 调用，或在 Google AI Studio 免费测试。

OpenAI 公开 Model Spec 行为框架，阐述如何在安全、用户自由与问责制之间取得平衡，为 AI 系统发展提供可公开查阅的行为指导原则。

OpenAI 启动安全漏洞赏金计划，悬赏征集 AI 滥用及安全风险漏洞，涵盖智能体漏洞、提示注入攻击和数据泄露等问题。

Google DeepMind 开发出一项“Gemini API 开发者技能”，使智能体能够实时获取最新文档与 SDK 指导。评估结果显示，配备该技能后，gemini-3.1-pro-preview 模型的成功率从 28.2% 大幅跃升至 96.6%。这种轻量级方法通过赋予模型强大的推理能力并接入“事实来源”，有效解决了静态模型知识与快速演进的软件实践之间的脱节问题，显著消除了过时的编码模式。

Claude Code 推出 auto mode，自动代为决定文件写入与 bash 命令的权限，无需逐条手动确认，也不必完全开放权限。每项操作执行前仍经 safeguards 安全检查。

Claude Code 推出 auto mode，无需逐条批准文件写入和 bash 命令，由 AI 自动判断权限决策，运行前仍经安全检查验证。

vibe agents带来远超传统身份盗窃的安全威胁，整个文件系统成为分布式攻击面，~/.claude、skills目录乃至PDF都可能被base64病毒污染。LiteLLM 1.82.8被入侵事件显示恶意代码可窃取凭证并自我复制。当前代理框架面临权限管理困境，只能在盲目授权与完全跳过间选择。未来需"de-vibing"行业，用经审计的Software 1.0为Software 3.0建立多层安全护栏。

OpenAI基金会宣布未来一年将投入至少10亿美元，用于推动AI驱动的生命科学突破（如疾病治疗），同时防范新型生物威胁、经济快速转型及模型涌现效应等风险。联合创始人Wojciech Zaremba转任AI韧性负责人，主导韧性式安全体系建设；Jacob Tref、Anna Adeola分别负责生命科学及公民社会业务，Robert Kaiden与Jeff Arnold出任CFO及运营总监。

Anthropic 工程博客发文介绍多智能体工具（multi-agent harness），用于增强 Claude 在前端设计和长时间自主软件工程任务中的表现。该工具帮助 Claude 更好地处理复杂 UI 设计与长期运行的编程工作。

Anthropic 为 Claude Code 推出“自动模式”，旨在解决用户因频繁手动批准而产生的“批准疲劳”。该模式介于完全手动审批和危险的无权限跳过之间，采用两层防御机制：输入层通过服务器端提示注入探测器扫描工具输出；输出层则利用基于 Sonnet 4.6 模型的转录分类器，在执行前评估操作风险。分类器采用高效的两阶段设计，先快速过滤，必要时才启动思维链推理。其目标是拦截危险操作（如过度积极行为、无心之失、提示注入等），同时让大部分安全操作无需确认即可运行，内部测试显…

ARC Prize 官方发布 ARC-AGI-3，包含数百个由人类游戏设计师手工制作的回合制交互环境，无指令、无规则、无既定目标，要求智能体自行探索并跨关卡迁移所学。人类得分 100%，前沿 AI 得分 0.51%。ARC Prize 2026 同步开启，奖金超 200 万美元，设 ARC-AGI-3 竞赛与 ARC-AGI-2 大奖两个开源竞赛，并发布技术论文。

Google XR 团队推出 Vibe Coding XR 工作流，结合 Gemini Canvas 与开源框架 XR Blocks，利用长上下文推理能力将自然语言提示在 60 秒内转化为可交互、支持物理效果的 WebXR 应用。该方案基于 WebXR、three.js 和 LiteRT.js 构建，支持手势交互与深度感知，可在桌面模拟环境或 Android XR 头显中实时预览。已展示的应用包括几何可视化数学辅导和交互式物理实验室，用户可通过捏合等手势操作 3D 对象，快…

Figma 发布 MCP 更新，开放测试版已上线。新增 use_figma 工具支持 AI 代理基于完整设计系统上下文直接在画布上设计，与 Claude Code 深度集成，可直接通过 Claude Code 在 Figma 中完成设计工作。

OpenAI 发布面向开发者的提示词青少年安全策略，配合 gpt-oss-safeguard 使用，帮助审核 AI 系统中的年龄特定风险。

ChatGPT 上线基于 Agentic Commerce Protocol 的全新购物功能，提供更丰富的视觉化沉浸式体验，支持商品发现、并排对比及商家集成。

Anthropic Labs团队规模虽小但迭代迅速，先后发布MCP、Skills、Claude Desktop app及Claude Code。从Sonnet 3.6时代笨拙的Computer Use原型，到如今正式在Claude Cowork和Claude Code中开放完整功能。Claude现可操控电脑完成打开应用、浏览网页、填写表格等任务。目前处于研究预览阶段，仅支持macOS。

ServiceNow AI团队在Hugging Face上发布了语音智能体评估框架EVA。该框架通过标准化测试集与多模态指标，系统评估语音助手在对话理解、任务完成及交互自然度等方面的性能，旨在量化衡量智能体在复杂真实场景下的表现，助力研究人员客观比较不同模型，推动技术优化。

PromptArmor 披露 Snowflake Cortex Code CLI 存在漏洞，间接提示词注入可绕过人工审批和沙箱，下载并执行恶意脚本。漏洞源于进程替换 <() 表达式未被命令校验系统检查，且智能体可设置 dangerously_disable_sandbox 标志在沙箱外执行命令；攻击者可利用缓存的 Snowflake 凭证窃取数据、删表或加后门用户。

该工作流通过Gemini Canvas，借助高级提示词快速原型化MediaPipe Pose Landmarker等体感游戏机制。开发者可在Google AI Studio中优化原型，采用低延迟的“轻量”模型和稳定的追踪点（如肩部关节点）以确保游戏响应灵敏。最后，流程利用Gemini Code Assist将实验性代码重构为模块化、可用于生产的应用程序，使其能够支持多种多模态输入，从而显著简化了体感控制游戏的开发过程。

Claude Code 推出电脑控制功能，支持鼠标、键盘和屏幕操作，可操控任意应用。配合 Dispatch 使用还能实现远程控制，在用户离开电脑时继续通过 Claude 操作设备。