AI 情报文章归档

LLM推理的再现性是科学进步的基础，但即使在温度设为0的贪心采样下，ChatGPT等API以及vLLM、SGLang等自托管推理引擎仍无法保证确定性结果。常见的“并发+浮点非结合性”假设并不完整——GPU上重复执行相同矩阵乘法结果完全一致。真正原因在于：部分GPU内核是非确定性的，但LLM前向传播使用的内核均为确定性；推理服务器前向传播本身是确定性的，用户感知的非确定性源于浮点运算非结合性在不同聚合顺序下导致的细微数值差异。文章揭示了这一误解，并探讨如何实现真正可重现的LL…

Veo 3 与 Veo 3 Fast 现已在 Gemini API 开放规模化生产使用，新增支持 16:9 1080p 高清视频及 9:16 竖屏视频格式。

FireRedTeam 发布 FireRedChat，一个完全自托管的实时语音 AI 智能体全双工交互解决方案。系统集成了 TTS、ASR、pVAD（个性化语音活动检测）和 EoT（结束轮次检测），不依赖外部 API、无数据泄露、部署完全可控。

OpenAI 高层公开致谢首席科学家 Jakub Pachocki 与 Szymon Sidor，二人多次联手攻克被认为不可能的技术难题，主导 Dota RL 扩展、GPT-4 预训练及推理突破，被形容为“不知疲倦”的黄金搭档。

Hugging Face 与 JHU 团队发布多语言编码器模型 mmBERT，基于 ModernBERT 架构，在 3T+ tokens、1833 种语言的数据上训练，官方称其首次在多语言任务上超越 XLM-R。

Mistral AI 宣布完成 17 亿欧元 C 轮融资，投后估值 117 亿欧元，由 ASML 领投，DST Global、Andreessen Horowitz、Bpifrance、General Catalyst、Index Ventures、Lightspeed 和 NVIDIA 参投。

Cognition 宣布融资超 4 亿美元，投后估值 102 亿美元，由 Founders Fund 领投。Devin 的 ARR 从 2024 年 9 月的 100 万美元增至 2025 年 6 月的 7300 万美元，公司历史总净消耗低于 2000 万美元；收购 Windsurf 使 ARR 翻倍以上，并购后七周合并企业级 ARR 增长超 30%。

OpenAI 发布新研究，解释大语言模型为何产生幻觉。研究指出，改进评测方式可以提升 AI 的可靠性、诚实性和安全性。

Google 发布 EmbeddingGemma，一个面向端侧的多语言嵌入模型，参数量 308M，支持 2K 上下文窗口和 100 多种语言，量化后 RAM 占用低于 200 MB。

Linear 上月推出 Triage Intelligence，利用搜索、排序和 LLM 推理自动为新增工单标记重复项、关联问题并推荐标签与负责人。早期版本使用 GPT-4o mini 和 Gemini 2.0 Flash 等小模型，后转向 GPT-5 和 Gemini 2.5 Pro 等更大模型实现智能体式决策。

Transluce 通过强化学习训练 investigator agent，针对 48 个涉及 CBRN、炸药和违禁药物的高危任务生成自然语言越狱提示，对 Claude Sonnet 4、Grok 4、Gemini 2.5 Pro、GPT-5-main 的 pass@1 成功率分别达 92%、98%、90% 和 78%。

OpenAI 收购 Statsig，Vijaye Raji 将出任 CTO of Applications，向 Applications CEO Fidji Simo 汇报。

FireRedTeam 发布 FireRedTTS-2，一款面向播客和聊天机器人的长对话流式 TTS 系统，支持最多 3 分钟、4 个说话人的多语种对话生成，覆盖中英日韩法德俄语并支持零样本跨语言音色克隆。

Hugging Face 发布教程，介绍如何在 ZeroGPU Spaces 中用 PyTorch ahead-of-time（AoT）编译优化 H200 上的图像和视频生成 demo。

Mistral 为 Le Chat 推出 beta 版 Connectors 目录和 Memories 功能，两者对所有用户免费开放。连接器覆盖 20+ 企业工具，包括 Databricks、Snowflake、GitHub、Notion、Stripe 等，并支持自定义 MCP 连接器；Memories 可跨对话保存上下文，支持随时增删改，还可从 ChatGPT 快速导入。

从 GPT-5 到 nano banana，强大的人工智能技术正变得普及化。无论是尖端大模型还是轻量级应用，普通用户都能便捷获取先进 AI 能力，技术民主化进程加速，标志着智能时代进入人人可及的新阶段。

Microsoft AI（MAI）发布语音生成模型 MAI-Voice-1，单张 GPU 可在一秒内生成一分钟音频，已用于 Copilot Daily 和 Podcasts。

教科书等知识载体应从人类可读格式转为LLM优化格式：提取正文为结构化markdown，例题转为SFT训练数据，练习题转为RL环境并附加答案作为评判标准，同时支持合成数据无限扩展（如将时钟角度问题泛化为任意时间的自动出题器），最终构建RAG或MCP服务供LLM像学生一样系统学习，远比简单PDF转文本更高效。

OpenAI 发布更先进的语音到语音模型 gpt-realtime，并带来 Realtime API 更新。新增能力包括 MCP server 支持、图像输入，以及 SIP 电话呼叫支持。

xAI发布轻量级编程模型Grok Code Fast 1，采用全新架构，基于真实PR数据训练，精通grep、终端和文件编辑等工具。推理速度达190 tokens/秒，定价输入$0.20/百万tokens、输出$1.50/百万tokens，SWE-Bench-Verified得分70.8%。目前已在GitHub Copilot、Cursor、Cline等平台限时免费开放。

Anthropic 于 8 月 27 日发布与 OpenAI 在 2025 年 6 月至 7 月初进行的对齐互评试点结果，双方用各自的内部对齐评估测试对方公开模型。

OpenAI 与 Anthropic 发布了一项此前未有的联合安全评估结果，两家实验室互相测试对方模型在失齐、指令遵循、幻觉、越狱等方面的表现，指出跨实验室协作的进展与挑战。

Anthropic正式发布Claude for Chrome扩展，允许AI在浏览器中执行点击、填表等操作。该功能已从1000名Max用户试点扩展至所有付费订阅者，新增Claude Code集成、定时任务及多标签工作流。针对提示词注入攻击，Anthropic通过站点权限、操作确认等防护措施，基于123个测试案例的红队测试，将攻击成功率从23.6%降至11.2%，并屏蔽高风险网站以确保安全。

Cursor 与 Linear 推出新集成，用户可直接在 Linear 中将问题指派给 Cursor 智能体，如同指派给队友。智能体能承担编码任务、创建 PR 并在 Linear 中更新进度，降低团队处理低优先级问题的激活成本。该集成利用 Linear 的 SDK 和 GraphQL 类型快速构建，Cursor 产品经理 Rohan Varma 表示新 API 一天内即可上线运行。

DeepSeek 正式发布 DeepSeek-V3.1，采用混合推理架构，一个模型同时支持思考与非思考模式，官方 App、网页端及 API 均已同步升级。

GPT-5-pro 已能证明新的数学定理。在凸优化开放问题测试中，它给出了比原论文更优的边界且经验证正确。这意味着继软件工程之后，数学研究也将成为 AI 辅助的下一个前沿。

Cohere 发布 Command A Reasoning，定位企业级推理任务，称在 BFCL-v3（70.3）、tau-bench、m-tau-bench 上优于 gpt-oss-120b、DeepSeek-R1 0528 和 Mistral Magistral Medium。

安全研究者 Johann Rehberger 披露 Amazon Q Developer VS Code 插件（下载量超 100 万）存在间接提示词注入漏洞，可利用被归类为 readonly 的 find 命令的 -exec 参数绕过人工确认，在开发者主机上执行任意命令，甚至可诱导 Claude 4 下载远程指令并让 Sliver 恶意软件加入 C2 服务器。

Hugging Face 发布教程，介绍通过 Remote MCP server（https://huggingface.co/mcp?login）把 Claude 连接到 Hugging Face Spaces 生成图像，2025 年 10 月起需用 Add custom connector 方式添加。

Excel 新增 =COPILOT() 函数令人惊喜，直接在单元格中调用 AI 分析数据、生成内容和头脑风暴，无需跳出表格即可完成智能操作。

ARC Prize Foundation 总结 ARC-AGI-3 Preview 发布30天的数据：超1200人玩了3900多局游戏，人类大多能通关，AI Agent 进展低效。竞赛冠军 StochasticGoose 得分12.58%、完成18关，前三名Agent均基于智能随机探索；官方指出部分游戏可被暴力搜索破解，未来将按动作效率对人类基线评分并增加撤销按钮、离线引擎等改进。

Hugging Face 发布面向学术研究发现的 Research Tracker MCP，用户可在 huggingface.co/settings/mcp 搜索添加，供 Claude Desktop、Cursor、Claude Code、VS Code 等客户端使用。

UI-Venus 是一款本地 UI 智能体，仅以屏幕截图作为输入，即可执行精确的图形用户界面元素定位与高效导航。该代理无需依赖系统底层代码或辅助功能接口，直接通过视觉信息理解界面结构，实现自动化操作。其核心能力在于对任意应用或网页中的按钮、菜单、文本框等元素进行准确识别与交互，提升了跨平台任务执行的通用性与可靠性。

Anthropic可解释性团队在2025年8月的研究更新中，通过一个电路分析案例展示了模型“角色扮演”如何影响其回答。研究使用Claude Haiku 3.5模型，当系统提示将其设定为“学龄前儿童”并询问“27的平方根”时，模型会以“我不知道！”回应并提议玩耍；而在默认或“研究生”角色下则能给出正确答案。团队通过归因图识别出一个关键子电路：模型能将“学龄前学生”关联到“扮演儿童”，从而激活“我不知道”特征。研究还发现，问题难度会调节此效应，并且通过特征干预能显著改变模型行为…

ARC Prize 在 ARC-AGI Semi-Private 隐藏集上验证了 Hierarchical Reasoning Model（HRM，27M 参数），ARC-AGI-1 得分 32%，ARC-AGI-2 仅 2%。

METR 在 stdlib-js 和 hypothesis 两个仓库的 18 个真实 issue 上评估 Claude 3.7 Sonnet（Inspect ReAct 智能体），按维护者测试用例算法评分成功率为 38%（±19%），但人工评审的 15 个 PR 中没有一个可以直接合并。

今天我们推出了 Baichuan-M2，一款医疗增强的推理模型，它在 #HealthBench 基准测试上超越了包括 gpt-oss-120b 在内的所有开源模型。在此试用：https://huggingface.co/baichuan-inc/Baichuan-M2-32B #AIHealth

这不只是建模问题。也是基准测试问题。

Hugging Face 发布开源无代码工具 AI Sheets，用类似电子表格的界面通过 AI 模型构建、转换和丰富数据集，可本地部署或部署在 Hub 上，支持通过 Inference Providers 使用 Hub 上数千个开放模型，包括 OpenAI 的 gpt-oss。

GPT-5 不再需要详细提示工程，只需给出目标即可自主完成任务。将 AI 置于主导地位，用户只需设定方向，具体执行由模型自行处理。