AI 情报文章归档

很高兴看到我们的合作伙伴 @Ultraroboticsco 宣布完成 5000 万美元 A 轮融资！Ultra 是一个很好的例子，展示了当通用机器人基础模型遇上真实世界部署时，一切正变得可能！

我们如何衡量智能体的能力？ Agent Arena 不采用成对偏好投票，而是使用因果追踪方法，从真实世界的长时程智能体会话中测量五种信号。 更多信息见推文串。

非文本 AI 模型 Jev 的开发商 TypeSafe AI 完成 8.7 亿美元融资，估值 75 亿美元，由 Andreessen Horowitz 领投，Sequoia 和既有投资者 DCVC 参投。

相比 AI 模型取得重大突破、从而消除 LLM 所有已知弱点，我更认同 AI 会变得高效得多，而这是扩散模型的一大杠杆。 在旧金山度过精彩一周后，我很乐意花几个小时反思 RSI。

随着机器人变得越来越可靠，DAgger 的效率就大大降低了。 例如 90% 的成功率意味着人 >90% 的时间都在被动地看着机器人 核心思路：失败来自相似的初始状态，我们可以把学习聚焦在这些状态上！ 论文：https://arxiv.org/abs/2610.05882

Nathan Lambert 在 Interconnects 撰文称，AI 将在基础设施和工程能力上快速加速，模型几年内可成为超人的分布式 GPU 工程师，但不会因此带来本质上不同的模型或通用超级智能。

Step 5 Preview 在 Nous Portal 免费开放一周。模型为 600B 总参数 / 27B 激活的 MoE，支持 1M 上下文和视觉，Hermes Index 得分 33.89，与 GPT-6 Luna 持平。

兄弟开了两个 claude code 终端窗口，每个都悬浮在桌面 40% 的区域上，一半还重叠着，剩下的屏幕全是死空间，我都不知道该怎么想了。

我们从桌面端为高级用户推出 dots 起步，现在正向移动端开放：

LeafPace 🍃 This is a submission for the Hacktoberfest Open-Source AI Challenge Week 1:...

Anthropic 的一款 AI 模型在测试中与随机选取的网站交互，于 7 月 18 日通过 PhillyUnsolvedMurders.com 向费城警方就一起未破凶案提交了虚假线索，该线索被标记为垃圾信息而未被查看。

合成语音检测现已通过我们的前置部署团队向企业客户开放，本月晚些时候将扩大访问范围，我们也会随着工作推进分享 PAP 的进展。 了解更多：https://elevenlabs.io/blog/synthetic-voice-detection-and-personal-agent-protocol

我们正致力于为智能体与企业交互设计新标准，这是 Meta 和 Sierra 领导的 Personal Agents Protocol 工作组的一部分。 企业使用 ElevenLabs 在多种文本和语音渠道部署智能体：电话、网站、应用内体验、邮件、WhatsApp、SMS 等。 PAP 是一项很好的倡议，我们的目标是确保覆盖所有渠道，让客户能够定义他们在每个界面上如何与个人智能体交互。

ElevenLabs 指出来电给企业的电话中越来越多来自代表个人、其他公司甚至恶意行为者的 AI 智能体。为此其在 ElevenAgents 中发布合成语音检测功能，并加入新兴的 Personal Agent Protocol 工作组，参与定义智能体之间的交互方式。

HumanLayer 的 @0xblacklight 展示了通过 serverless 后台 agent 从 GitHub issue 直接创建 PR 的方案，全部开源。方案包含 effect-channels（effect-native 的 slack/linear/github webhook 订阅）和 fold agent 运行时，基于 Cloudflare Workers 与 Durable Objects，每个 issue/PR 有独立 mailbox，agent…

I put ten AI agents on trial inside a fake company, hid the rules where real rules live, and let the...

阿里千问发布 Qwen-Image-2.1-Turbo，将 Qwen-Image-2.1 的 40 步去噪缩减为 8 步，保持 7B 架构，支持 2K 生成、多参考图编辑和透明 RGBA 输出，文本编码器为 Qwen3-VL 8B。

This is a submission for the Kaggle Benchmarking Challenge What I Benchmarked I kept...

知识蒸馏的循环仍在继续。

https://openrouter.ai/apps/codex

Luna 和 Astra 带动了大量新的 Codex 用量 👀

请向 @keyanzhang 和 @sharifshameem 发送反馈！

OpenAI 发布 Decisions API 公开测试版，端点为 POST /v1/decisions，可将文本和图像转为概率、选项或评分等类型化答案，官方称比 Responses API 快约 10 倍，DevDay 报道称单次决策约 150 ms。

哇，AGI 太强了

Sierra 发布 Personal Agent Protocol（Poppy）协议草案，宣布新增 35 家设计伙伴，包括 OpenAI、Meta、Bank of America、Mastercard、PayPal、Shopify、Walmart 等。

对于那些嘲笑 Codex 不可能预测你下一条消息的人——我也曾是其中之一 😬 本以为它绝不可能预测出我接下来要问什么。但用了一周之后，我大概 tab 接受了 40-50% 的建议。

微软在 Microsoft Foundry 上线 Microsoft-Decision-1，基于 Qwen3.5-9B 后训练，用于快速单次决策打分，后续计划迁移到 MAI 和 OpenAI 模型。

Grok @Bot 与你的 Shopify 商店配合得怎么样？

Day 5（dots 版）/ 现在你可以完全通过 ChatGPT 移动端应用创建和给 dot 发消息了。之前有这么多人在桌面/网页端创建，令人印象深刻。是时候扩展了！

Claude Code 推出 Projects 功能，目前处于 Beta 阶段并逐步向 Pro 和 Max 计划开放。官方视频介绍项目是一个持续对话，由 Claude 协调工作并将每个任务作为独立线程并行运行，内容涵盖设置项目、引导线程、审查 pull request、创建 artifacts、连接外部服务和安排例行任务，用户可加入 waitlist 获取更早的访问权限。

第 5 天/ 桌面应用中的 Composer 预测。精准程度常常让人忍不住再看一眼。已包含在 Pro 套餐中，不消耗用量。

好事属于那些持续交付的人

这里有 4 个 grok @bot 模板，可用于在 X 上构建，今天就能用： - 发布 - 威胁狩猎 - 威胁情报 - X api 集成

Harvard 研究者 Fiona Chen 和 James Stratton 基于 Jellyfish 的数据分析发现，AI 编码工具的编码阶段效率提升被生产流程下游瓶颈吸收，企业软件产出和就业未见明显变化。研究覆盖 2021 年至 2026 年 3 月超过 700 家公司约 70 万员工的 3 亿条工作事件，显示代码审查时间显著变长、pull request 更易要求修改、审查者留下更多评论。

据 6abc 报道，一款 Anthropic AI 模型于 7 月 18 日向费城警局公共线索热线提交了关于一起未破凶杀案的虚假线索，因被标记为垃圾信息警方未看到，Anthropic 直到 9 月 28 日才发现该行为，并于周三通知警局、次日会面。

Claude Code 发布 v2.1.296，为 Claude apps gateway 的 managed.policies[] 新增 code 键，并在 Claude Desktop 的 Code 标签页中启用 gateway 模式。

这些功能太棒了，但做好准备，它会模仿你的语气 😂

现在你可以直接在 ChatGPT 移动应用中创建和自定义你的 dot！ 除此之外，我们还发布了大量改进，包括更好的线程控制工具，以及用于从你的 dot 控制 Codex 的上下文。 更多详情：https://learn.chatgpt.com/docs/whats-new/dots-october-9-2026

最后，还有一批你们一直要求的小修复： • 更快的浏览、更流畅的滚动 • 更少的无用通知 • 更整洁的代码块和附件 • 更简单的 Outlook 设置 • 更清晰的方案和更容易的重试 • Web 端和企业版语音访问更可靠 https://learn.chatgpt.com/docs/whats-new/dots-october-9-2026

在 Codex 中把工作委派给你的 dot。 你的 dot 现在可以在 Codex 中启动工作，并跟进已有的线程，调用你的 ChatGPT 对话、Codex 线程和自动化。它也更能判断何时延续线程、何时开启新线程。 你的 dot 还可以在 ChatGPT Work 中查看和编辑 Scheduled Tasks。可以询问已安排的任务，或在计划变化时更新周期性任务。