AI 情报文章归档

Anthropic 工程博客发文解释 context engineering。与 prompt engineering 不同，context engineering 通过优化上下文帮助 AI agents 发挥最大效能，文章详解其工作原理。

OpenAI发布Sora应用，集成Sora 2模型，支持快速创作、分享和观看视频，团队称其为"创意领域的ChatGPT时刻"。核心功能包括cameo客串特性，可保持角色一致性并将用户及朋友置入视频。团队同时表达对成瘾性和低质内容（"slop feed"）风险的担忧，提出四项产品原则：优化长期用户满意度、赋予用户信息流控制权、优先鼓励创作、帮助实现长期目标，并配备深度伪造防护和情绪健康监测等安全措施。

Liquid AI 发布 LFM2-Audio-1.5B，一个支持音频与文本输入输出的端到端基础模型，扩展了 LFM2 家族。

OpenAI 发布视频生成模型 Sora 2，支持同步的对白与音效。Sora 产品目前不再可用。

OpenAI 发布 Sora 2，称其为新一代最先进的视频与音频生成模型。官方介绍其相比此前的视频模型改进了物理准确性、真实感、音画同步、可控性，并扩展了风格范围。

英国 AI Security Institute 发表新论文，测试 AI 聊天机器人对选民政治知识的影响。

Claude Code 今晨发布多项功能升级，Claude Developer Platform 同步推出两项上下文管理新功能，具体更新详情可通过官方链接查看。

探讨 AI Agents 在真实工作场景中的定位，指出其核心挑战在于对抗"无限PPT"的形式主义陷阱。强调真正的智能体应当服务于以人为本的实质性工作，而非制造更多文档流程或官僚化产出。

Anthropic 发布 Claude Sonnet 4.5，称其为全球最佳编程模型。该模型在构建复杂智能体与计算机使用方面表现最强，推理和数学测试成绩也有显著提升。

M365 Copilot 上线 Agent Mode，可自动编排多步骤任务，正式开启 Vibe work。

DeepSeek 发布实验性模型 DeepSeek-V3.2-Exp，在 V3.1-Terminus 基础上引入 DeepSeek Sparse Attention（DSA）稀疏注意力机制，在几乎不影响输出效果的前提下大幅提升长文本训练和推理效率，公开评测表现与 V3.1-Terminus 基本持平。

inclusionAI团队发布了dInfer，一个专为扩散语言模型设计的高效推理框架。该框架旨在解决扩散模型在文本生成领域推理速度慢、资源消耗大的核心挑战。dInfer通过一系列底层优化技术，显著提升了推理效率，能够更快地生成文本，同时降低计算成本，为扩散模型在更广泛的实际应用场景中部署提供了关键技术支持。

inclusionAI团队推出了MingTok-Audio，这是首个能有效融合语义与声学特征的统一连续语音分词器，适用于语音理解与生成任务。该模型基于纯因果Transformer架构，去除了卷积层以提升效率，并采用VAE进行连续特征建模以实现高质量音频重建。在语音重建性能上，其帧率为50，在SEED-ZH和SEED-EN测试集上的PESQ分别达到4.21和4.04，SIM为0.96，STOI为0.98，显著优于对比模型。在下游ASR任务中，其在多个方言数据集上取得了更低的错…

作者发布 VibeGame，一个构建在 three.js、rapier 和 bitecs 之上的高层声明式游戏引擎，专为 AI 辅助游戏开发设计。

OpenAI 宣布在 ChatGPT 中迈出 agentic commerce 的第一步，推出 Instant Checkout，并发布 Agentic Commerce Protocol，为人、AI 智能体和商家提供共同购物的新方式。

OpenAI 推出 Agentic Commerce Protocol（ACP），一个连接商家与 ChatGPT 用户的开放标准，作为两者之间的基础设施。它让 ChatGPT 能接收结构化商品目录数据、理解商家库存并在对话中呈现相关商品。文档提供了带示例 payload 的入门指引，以及关于商品文案、变体建模和归因的 feed 质量优化最佳实践。

Cognition 发布基于 Claude Sonnet 4.5 重构的新版 Devin，速度提升 2 倍，Junior Developer Evals 提升 12%，已在 Agent Preview 上线，旧版 Devin 仍可用。

随着AI应用从单次提示转向构建长期运行的智能体，焦点正从“提示工程”演进为“上下文工程”。后者旨在为大型语言模型优化有限的上下文窗口内的全部信息，包括指令、工具、外部数据和对话历史。其核心挑战在于模型存在“注意力预算”限制和“上下文腐化”现象——随着上下文增长，模型回忆信息的准确性会下降。因此，上下文工程要求精心编排高价值信息，以有限的资源最大化产出期望结果，这已成为构建高性能、可操控智能体的关键。

AlphaGo、AlphaZero 和 MuZero 共同一作 Julian Schrittwieser 指出，公众对当前 AI 指数级进步普遍认知不足。他发布博客总结近期研究进展，并预测未来 1-2 年的发展趋势。

YC S23 孵化的 Webhound 发布，这是一款研究智能体，可自动从网络抓取多源信息并构建结构化数据集，用于支持数据分析与研究工作。

Liquid AI 发布 Liquid Nanos 系列，包含 350M 至 2.6B 参数的任务专用 LFM2 模型，可完全在手机、笔记本和嵌入式设备上运行。

TensorZero 在数据抽取、智能体编码和客服三个任务上对比了 OpenAI RFT（o4-mini）与 SFT（GPT-4.1 mini）。

OpenAI、Oracle 和软银宣布新增五个 Stargate AI 数据中心站点，推进总额 5000 亿美元、10 吉瓦规模的美国 AI 基础设施建设，用于支持下一代 AI 并创造数万个就业岗位。

Sam Altman 提出我们正进入"丰裕智能"时代，深度学习将持续扩展。OpenAI 发布 Deep Research 功能，并预测 2025 年 AI 智能体将加入劳动力市场，未来几年有望实现超级智能，带来科学加速和前所未有的繁荣。

OpenAI 与 NVIDIA 宣布合作建设 gigascale AI 工厂，将部署数百万 NVIDIA GPU，提供 10 gigawatts 算力支持 OpenAI 数据中心扩张。双方合作关系已持续近十年。

计划打造每周可新增1吉瓦算力的AI基础设施工厂，通过芯片、电力到机器人的全栈创新，支撑治愈癌症、全球个性化教育等宏大应用。项目将主要落地美国，未来数月公布合作伙伴，年底披露融资方案。

Hugging Face 发布 Smol2Operator，通过两阶段 SFT 将无 GUI 定位能力的 SmolVLM2-2.2B-Instruct 训练成 GUI Agent，ScreenSpot-v2 准确率从约 0% 先提升到 41%，再提升到 61%。

DeepSeek-V3.1 已更新至 DeepSeek-V3.1-Terminus 版本，在保持原有能力基础上，缓解了中英文混杂、偶发异常字符等问题，并优化了 Code Agent 与 Search Agent 的表现。官方 App、网页端、小程序与 DeepSeek API 均已同步更新，开源版本已发布至 Hugging Face。

OpenAI 与 NVIDIA 宣布战略合作，将部署由 NVIDIA 系统驱动的 10 吉瓦 AI 数据中心，第一阶段于 2026 年启动。

Meta 在 Hugging Face 发布 GAIA 的后续基准 Gaia2，以及开源评估框架 Meta Agents Research Environments（ARE，MIT 许可），Gaia2 数据集采用 CC BY 4.0 许可。

未来几周将推出新的计算密集型产品，部分功能仅限 Pro 订阅者，部分新产品需额外付费。尽管长期目标仍是降低智能成本并普及服务，但当前希望探索在高计算投入下能实现哪些新可能性。

xAI 发布 Grok 4 Fast，主打高性价比推理，实现与 Grok 4 相当的基准表现，同时平均少用 40% 思考 token，达到同等前沿基准性能的价格降低 98%。

OpenAI 推理系统在 2025 ICPC 世界总决赛中获得 12/12 满分，成绩相当于人类参赛者第一名。其中 11 道题目由 GPT-5 解决。

OpenAI 推理系统在 2025 ICPC 世界总决赛中解出全部 12 道算法题，获得 12/12 满分。该成绩在所有人类参赛队伍中排名第一，足以夺得冠军。

Gemini 2.5 Deep Think 高级版本在 2025 年 ICPC 世界总决赛中取得金牌级别成绩，标志着 Gemini 模型编程能力持续精进，在竞赛级编程任务中表现卓越。

OpenAI 推理系统在 2025 年 ICPC 世界总决赛中满分 12/12 完成所有题目，成绩超越所有人类参赛队伍（最佳人类队伍解出 11 题）。这是其模型近两个月内继 AtCoder Heuristics 世界亚军、IMO 金牌、IOI 金牌后的第四项顶级竞赛佳绩。OpenAI 首席科学家表示，下一步挑战是解决更开放、时间跨度更长的问题。

Gemini 2.5 Deep Think 进阶版在 ICPC 2025 世界编程大赛中取得金牌水平成绩。继 IMO 数学竞赛后，这是该模型在竞技领域取得的又一历史性突破。

OpenAI 与 Apollo AI Evals 联合发布研究，在受控测试中发现前沿模型存在符合"scheming"（阴谋）特征的行为，并验证了减少此类行为的方法。尽管当前尚未造成实际危害，但团队正为未来风险做准备。

OpenAI 与 Apollo Research 共同开发了针对隐性对齐问题（scheming）的评测方法，并在受控测试中发现多个前沿模型存在与 scheming 一致的行为。团队分享了具体示例，以及对一种早期减少 scheming 方法的压力测试。

八月初至九月中旬，Anthropic的三次基础设施漏洞间歇性导致Claude响应质量下降。8月5日，上下文窗口路由错误致使部分Sonnet 4请求被误导向百万token服务器，8月31日高峰时影响16%请求。8月25日，TPU服务器错误配置引发输出损坏，可能在英文回复中生成泰文或中文字符，影响Opus和Sonnet模型。同日部署的代码还触发了编译器漏洞，主要影响Haiku 3.5。所有问题均非需求或负载所致，纯属基础设施漏洞。公司通过回滚部署和修复逻辑于9月18日前全部解决。