AI 情报文章归档

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。

OpenAI 发布 GPT-5-Codex，针对智能体编程优化的 GPT-5 版本。简单查询响应速度提升10倍，复杂查询思考时间延长2倍以获得更多算力支持。已上线 Codex CLI、IDE 插件、网页、移动端及 GitHub 代码审查。

Anthropic 可解释性团队在月度更新中分享了关于大语言模型跨语言表征的新发现。研究显示，模型在不同语言间的特征相似性（通过交并比IoU衡量）会随文本样本长度增加而上升。通过对比英法双语段落的首句与末句，团队发现末句的IoU显著高于首句，且无关文本的首句间重叠度高于末句。这表明模型在较长上下文中能构建更丰富的跨语言理解，而非由虚假激活主导。相关发现支持了模型随上下文积累深化语义表征的观点。

OpenAI 在 GPT-5 系统卡附录中公布新模型 GPT-5-Codex，是针对 Codex 智能体编码进一步优化的 GPT-5 版本。该模型会根据任务复杂度更动态地调整思考力度，简单对话或小任务快速响应，复杂任务则可独立工作更长时间。

OpenAI 介绍 gpt-realtime 语音模型和 Realtime API 正式可用（GA）后的接口变化与新功能。

OpenAI 发表声明，确认非营利组织的领导地位，新结构将授予其在 PBC 中的股权。该安排将支持超过 1000 亿美元的资源用于推进安全、有益的 AI。

Hugging Face 发文介绍为让 OpenAI GPT-OSS 系列在 transformers 上高效运行所做的库升级，包括可从 Hub 下载的零构建内核、MXFP4 原生量化、张量并行、专家并行、动态滑动窗口缓存、连续批处理与更快的模型加载。

文章探讨如何为基于大语言模型的智能体设计高效工具。核心方法是通过与智能体（如Claude Code）协作，采用快速原型构建和全面评估的迭代流程来优化工具性能。关键设计原则包括：选择适当的工具实现范围，使用命名空间明确功能边界，从工具向智能体返回有意义的上下文，优化响应以提高token效率，以及对工具描述进行提示词工程。工具本质上是确定性系统与非确定性智能体之间的新契约，设计应优先考虑智能体的使用体验，而非传统开发者导向的API思路，以扩大智能体解决实际任务的能力。

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。