AI 观点与方法

我与 @ylecun 和一群杰出人士联手创立 AMI Labs @amilabs。

OpenAI 团队介绍如何用 Codex 结合仓库级 skills、AGENTS.md 和 GitHub Actions，把验证、发布审查、示例集成测试和 PR 审查变成可复用工作流。

Runway 推出 Characters API，基于 GWM-1 世界模型，支持用单张图片零微调生成实时可对话虚拟角色。支持自定义外观风格、声音、性格及知识库，具备自然表情、眼神、口型同步和手势。面向客户支持、培训教育和品牌营销等企业场景，已获 BBC 等采用。开发者可通过 API 集成，消费者也可在网页端体验预设角色。

Manus 内容作者用四个提示实测 Google Veo 3，发现对话唇同步质量达到纪录片级，但产品一致性、动作场景和电影测试均出现明显问题。测试中为完成四个视频从 Google AI Plus（$7.99/月）两次升级到 Google AI Pro（$19.99/月），结论是 Veo 3 在对话类内容上表现突出，但尚不是演示所暗示的可靠全能视频生成器，剪辑最长 8 秒且受每日生成限制。

Manus 博客用同一段 Solace Studio 健康工作室应用的提示，测试 Manus、Lovable、Base44、Replit、Bubble、Figma App Builder 和 Glide 七个 AI 移动应用构建平台，按提示遵循度、速度、移动体验和易用性评估。

Manus 博客用同一严格提示测试 8 个 AI 作品集构建工具，从设计质量、AI 智能化程度、发布能力和转化重点评估。Manus 和 Replit 均获 9/10 并列第一，Aura、Figma、Webflow 得 8 分，Lovable、Wix 得 7 分，Jimdo 得 6 分。

五种 AI 价值模型展示了领导者如何循序渐进地部署 AI，从提升员工熟练度到彻底重塑业务流程，从而构建持久的商业竞争优势。

官方暗示5.4版本发布时间将早于外界普遍预期，新版本即将到来。具体发布日期及新增功能细节有待后续正式公布，玩家可关注官方渠道获取最新动态。

Google DeepMind 分享 Project Genie 使用指南，提供 4 个提示词写作技巧，帮助用户通过自然语言描述生成可交互的虚拟世界。

Apple 发布了搭载 M5 芯片的全新 MacBook Air，为这款全球最受欢迎的笔记本电脑带来卓越性能和扩展的 AI 能力。新款 MacBook Air 在性能上实现显著提升，并增强了人工智能相关功能，进一步巩固其在轻薄本市场的领先地位。

Answer.AI 的 Jeremy Howard 与 Luke Versweyveld 撰文分析 OpenAI 与战争部合同中“all lawful purposes”条款的含义，指出 OpenAI 方面称该条款指“签约时适用的法律”，但合同语言未包含冻结条款。

OpenAI 披露与 Department of War 达成的协议内容，详细划定 AI 部署的安全红线，明确相关法律保障措施，并具体说明 AI 系统接入机密环境的部署方式。

本文通过叙事工艺、语言艺术等六个文学维度，评估百灵模型Ling-2.5-1T的创意写作能力。测试显示，该模型能驾驭莎士比亚十四行诗、七言绝句等多种体裁，并通过感官描写实现“展现而非告知”的文学技法，在微观叙事和语言质感上接近人类水平。然而，模型仍存在依赖高频文学意象、处理否定指令时语义代偿等局限。该框架为创作者提供了激发AI写作潜力的具体方法。

Anthropic 没有退缩，这非常好，OpenAI 采取了类似立场，这也很重要。 未来会有更多此类具有挑战性的情况，相关领导人挺身而出、激烈竞争对手搁置分歧，这将至关重要。很高兴今天看到这一幕。

OpenAI 与 Figma 推出全新 Codex 集成，打通代码与设计的双向链路。开发团队可直接在代码实现与 Figma 画布间无缝切换，加速迭代和交付流程。

为提升超长上下文下的计算效率，Ling 2.5架构将Ling 2.0的GQA改造为1:7的Lightning Attention与MLA混合线性注意力。此举旨在利用Lightning Attention提升长序列吞吐，并通过MLA极致压缩KV Cache。为确保改造后性能无损，团队设计了精细的平滑迁移训练策略，包括权重转换、QK Norm融合与Partial RoPE改造等多阶段加训。Scaling Law实验确定了1:7为最优混合比例，最终使万亿参数模型实现了更低的计算成…

研究团队提出EgoScale方法，基于20,000小时第一人称人类视频预训练GR00T N1.5，仅用4小时机器人数据即可掌握组装模型车、操作注射器等高灵巧度任务，性能较从头训练提升54%。研究发现人类视频量与动作预测损失呈对数线性缩放关系（R²=0.998）。该方法利用22-DoF手部与人类的运动学相似性，无需复杂迁移算法即可重定向动作。策略可跨硬件迁移至Unitree G1（7-DoF），性能提升30%以上，且仅需单个示教即可学习新任务。

OpenAI 发布 Codex 模型提示词指南，API 上的 Codex 调优模型为 gpt-5.3-codex，推荐用 medium 推理力度平衡智能与速度，复杂任务可用 high 或 xhigh。

LangChain 分享 harness engineering 方法，在不换模型（固定 gpt-5.2-codex）的情况下，把 deepagents-cli 在 Terminal Bench 2.0 上从 52.8 提升到 66.5，进入榜单前五。

PromptArmor 发布安全公告，指出 OpenAI Codex CLI 在用户信任项目后会自动加载并执行 .codex/config.toml 中的任意代码，且信任对话框只提示 prompt injection 风险，未说明会执行项目级配置命令。

Manus 博客在相同PR包（含授权反转、中间件边界等安全回归场景）上实测 Qodo、Graphite、GitLab Duo、Greptile、Devlo、CodeRabbit、Codacy、Atlassian Rovo 和 Manus 共9款AI代码审查工具，并给出标准化对比表与按需选型指南。

OpenAI 基于 Codex 与内部智能体经验发布一组智能体原语实践指南，包括 Skills（对齐 Agent Skills 开放标准的可复用版本化指令）、支持安装依赖和写输出的托管 shell 工具，以及自动压缩对话历史的服务端 compaction。

PromptArmor 实测演示了对 OpenAI Agent Builder 的间接提示词注入攻击：攻击者提交含注入的 Google Form，诱使销售智能体工作流通过 Gmail 将 Salesforce CRM 数据发送给攻击者。

Manus 博客针对 B2B 销售提案、QBR 和竞争演示场景测试了 8 款 AI 演示工具，Manus 以研究驱动的可引用数据获 9 分居首，Genspark 和 Visme 各得 8 分。测评指出多数工具输出属于演示级初稿，只有 Manus 在生成幻灯片前实际研究市场和竞争对手；各工具均缺深度原生 CRM 导入，团队一般还需 15–30 分钟人工完善。

Manus 博客用同一个 QuillSpark 产品发布页提示，实测并对比 7 款 AI 登陆页面生成器，按设计质量、文案、生产就绪度、免费发布和自定义等标准评分。

团队发布DreamZero，首个基于世界模型骨干的World Action Model (WAM)。该模型突破传统Vision-Language-Action范式，通过像素级世界模型实现零样本开放世界提示能力，可执行未训练过的新任务。研究发现WAM依赖多样化数据而非重复演示，并以像素作为跨具身的通用桥梁，实现robot2robot和human2robot知识迁移。仅需55条轨迹（约30分钟遥操作）即可适应全新硬件，验证世界模型作为Physical AI下一代基础的可行性。

Alpic 基于 Apps SDK 在三个月内开发二十多个 ChatGPT Apps，总结出 15 条经验，核心包括用户、UI 与模型三方之间的上下文不对称问题。

LlamaIndex 撰文比较 Skills 与 MCP 两种让 Agent 调用工具和获取领域知识的方式，并在构建 LlamaAgents Builder 时做了实测。

Manus博客发布一篇亲测对比，作者花数周用相同的逼真书籍、印象派油画、文本标志和幻想景观四个提示词测试五款AI图像生成器。ChatGPT (GPT-4o)与Manus获5/5评分，Midjourney 4/5，Nano Banana Pro与Adobe Firefly 3/5；五款中四款有免费版本，Midjourney是唯一无免费计划的工具。

Dario Amodei 发布长文《技术的青春期》，指出强大 AI 正处于"青春期"阶段，对国家安全、经济和民主构成重大威胁，并探讨了防御这些风险的具体路径。

MiniMax 发布新一代语音模型 MiniMax Speech 2.8，通过原生声音标签技术模拟人类口语中的"嗯"、"啊"等填充词及呼吸停顿，显著提升对话自然度。该模型支持10秒样本高保真声音克隆，精准还原音色与语速，同时消除背景噪音与数字伪影，输出录音室级纯净音质。此外，模型优化了跨语言表现，从普通话-日语对开始解决口音渗透问题，实现更接近母语者的发音效果。

PromptArmor 发布 Claude Cowork 安全部署指南，梳理其威胁模型并给出三档功能与风险权衡的配置方案，从最大化功能的 Tier 1 到基本隔离外部输入的 Tier 3，并逐项说明组织级管理设置。

Manus博客发布2026年十大提示到视频AI生成器评测，用同一条东京雨夜巷子的提示测试Runway (Gen 4.5)、HeyGen、OpenAI Sora。

Skyscanner 工程师分享了在日常工作流中把 OpenAI Codex CLI 通过 JetBrains MCP server 接入 IDE 的实践。Codex 可调用 get_file_problems 检查编译错误、执行预定义的测试、lint 和格式化运行配置，例如在 Databricks Java SDK 用例中立即发现 NotFound 异常构造函数不匹配的问题。

Niji V7 图像模型正式上线。该版本专为亚洲及动漫场景优化，改进了动漫连贯性、提示词理解能力、文字渲染效果及 sref 性能。

Anthropic 发布长文，系统讲解如何为 AI Agent 设计可靠的自动化评测。文章区分任务、grader、transcript、评测框架等概念，介绍代码、模型、人工三类 grader，以及 pass@k 和 pass^k 两种非确定性指标，并按编码、对话、研究、计算机使用四类 Agent 给出对应评测方法。

有效的评估能帮助团队更自信地发布AI智能体，避免陷入仅在生产环境被动发现问题、修复可能引发新问题的循环。智能体因其多轮操作的自主性与灵活性，评估更为复杂。一个完整的评估结构包含任务、评分器、记录、结果、评估框架与评估套件等核心组件。缺乏系统评估将导致团队无法区分真实的质量倒退与随机波动。建立评估体系能帮助团队在智能体规模化过程中持续监控质量、自动测试变更并量化改进效果，其价值在智能体整个生命周期内持续累积。

PromptArmor 披露 IBM 编码 Agent Bob（含 Bob CLI 与 Bob IDE，目前 Closed Beta）存在漏洞：若用户对任一已知可信命令选择 always allow，攻击者可通过间接提示词注入触发下载并执行恶意软件。

Adam Marblestone 指出，当前人工智能研究忽略了大脑运作的核心机制。与业界普遍关注神经网络架构不同，大脑的真正优势在于其奖励函数而非结构本身。这一观点挑战了主流 AI 研究范式，暗示未来突破可能来自对大脑激励系统的深入理解，而非单纯的架构模仿。该论断为人工智能发展提供了新的思考维度。

介绍如何利用 NeMo Data Designer 构建许可安全的合成数据工作流，用于模型特化（model specialization）。该管道支持生成可蒸馏模型所需的高质量合成数据，确保数据来源合规，适用于下游微调与领域适配场景。