AI 情报文章归档

非营利研究组织 STABL 成立，主张同时重视 AI 的变革潜力与其落地时的下游瓶颈，认为这一"右上象限"目前思考稀缺。STABL 提出四大研究主题，包括如何衡量递归自我改进（RSI）的进展、AI 扩散速度与制约能力转化为社会成果的瓶颈。该组织认为对齐只是 AI 风险管理的一部分，韧性应成为核心。

Visual Question Answering (VQA) imposes substantial computational overhead on vision-language models (VLMs), motivating model-agnostic input reduction methods that can be readily applied across diverse VLMs, including in black-box settings…

We study Bayesian inference of persistence from early observations of a heterogeneous susceptible--infected--susceptible (SIS) reaction--diffusion model with standard incidence. We show that the leading prevalence dynamics depend on the un…

Policy optimization is central to language model post-training, yet principled guidance remains limited. We revisit its theoretical foundations to identify algorithms that learn near-optimal policies using total samples and gradient steps …

OpenAI 宣布 Businesses in ChatGPT 进入 beta 阶段，商家可认领自己的企业、管理信息，并查看用户互动洞察。符合条件的企业还可构建 Business Agent，回答顾客问题并帮助其了解商家产品。

Cross-validation estimates predictive performance by repeatedly splitting the data into training and validation sets, fitting the model on the first and evaluating it on the second. Every observation influences the estimate in two roles, t…

很高兴与 @GoogleDeepMind 合作，将 MKA Benchmark 引入 Artificial Analysis

Artificial Analysis 与 Google DeepMind 合作上线 Multimodal Knowledge Agent（MKA）评测，用 200 个覆盖 10 个行业的私有真实视觉任务考察智能体处理建筑图纸、工程示意图和临床扫描并产出幻灯片、表格、PDF 等交付物的能力。

MBZUAI 基础模型研究所（IFM）发布开放基础世界模型 PAN 2，面向物理智能的模拟式推理，让智能体先推演再行动。它由 LLM 负责概念推理、29B 从零训练的扩散模型负责感知生成；去掉 LLM 后多步任务仅 8.7% 步骤正确、无计划完成，两者配合则步骤正确率 75.1%、完整完成 34.0% 的计划，为 IFM 测试模型中最高。

Google 正式发布 Gemini 4 Carbon，定位为补充而非替代 Gemini 4 Argon，面向复杂多步编码、调试和开放性科研等高智能任务，两者 token 单价相同但 Carbon 推理消耗更多 token，实际总成本可能更高。

Google DeepMind 宣布 Carbon 开始推送，称其能解决需要持续推理的问题，如综合密集多模态文件、构建交互式 3D 网页体验和发现软件漏洞。

Google DeepMind 宣布开放 Gemini 4 Carbon 构建，称其为面向复杂、长程任务的最强模型。该模型旨在深入探索问题并运行长时间的验证循环，适用于软件工程、网络安全、知识工作和科学领域。

Scribe v3 Live 现已在 ElevenAgents 中上线，两款模型均可在 ElevenAPI 中使用。Scribe v3 同时也是 ElevenLabs 应用中的默认模型。 了解更多：https://elevenlabs.io/blog/scribe-v3

ElevenLabs 发布 Scribe v3，称其在自测中转写与说话人分离准确率优于所有受测模型。Scribe v3 Live 首次支持说话人分离，错误比上一代减少 43%，转折检测改用整段对话判断，新增最多 1 万条关键词库并支持用自然语言编辑转写。在 ElevenAgents 中，Eneco 的语音代理对荷兰语邮编的一次识别正确率提升 40%。

推出 Scribe v3 和 Scribe v3 Live：这是我们迄今最准确的语音转文字模型。 Scribe 专为真实场景音频打造，在极端背景噪声环境中表现出色，能区分句末停顿与句子结束，还能在繁忙会议中追踪谁说了什么。

OpenAI 推出 Business Hub，商家验证后可创建 Business Agent、更新业务信息并添加含实时价格和库存的商品 feed。商家还能查看提及量、网站点击和常见话题的汇总洞察，OpenAI 表示不会向商家共享用户对话或 Business Agent 聊天内容。

OpenAI 宣布 ChatGPT 的 Businesses 功能进入 beta，商家可以认领自己的商家身份、管理信息，并查看用户互动洞察。符合条件的商家还可搭建 Business Agent，回答顾客问题并帮助顾客了解其提供的产品或服务，详情见 https://openai.com/index/introducing-businesses-chatgpt/。

你还可以发布一个 Business Agent，帮助人们了解你提供的服务。 客户可以提问、比较产品，并利用你从业务中提供的信息找到符合需求的内容——所有这些都在一个清晰标注的对话中进行，与 ChatGPT 的独立回答分开。 面向美国符合条件的电商和在线服务企业开放。

fal 宣布 MiniMax H3 Image 现已上线其平台，未来两周提供免费生成额度，入口为 https://fal.ai/minimax-h3-image。该模型为 MiniMax_AI 最新开源权重图像模型，支持原生 4K 生成与编辑、多参考图组合以及精准渲染复杂文字。

Git 项目发布新版本修复六个安全漏洞，修复集中在 Git 2.56.1，并回移至 Git 2.55.1、2.54.1、2.53.1、2.52.1、2.51.3 和 2.50.2。

TL;DR for devs Start from the task, not from a popular reasoning pattern. Use a fixed workflow for...

OpenAI 在 ChatGPT 中测试面向企业的 Business Agents，用户可在 ChatGPT 回复中与代表品牌的已验证智能体对话，进行比价和追问产品差异。该功能先向美国符合条件的电商与在线服务企业开放，企业可通过 Business Hub 认领组织并完成验证，同时查看在 ChatGPT 回复中的提及和热门发现话题。OpenAI 称这是把企业更深度接入 ChatGPT 的早期一步。

一个字符。完整营销活动。无需离开对话。Luma MCP 现已在 ChatGPT 和 Claude 中上线。

Now that coding agents can inspect code and suggest fixes before a pull request even opens, human...

OpenAI 宣布 ChatGPT Business 计划现可在 Notion、v0、ampcode、kilocode、Warp、NousResearch 的 Hermes、openclaw、opencode 等第三方工具中使用，通过 Sign in with ChatGPT 连接即可开始。

Otto One 是一台放在家中的小型电脑，让 AI 智能体常驻运行，插电后用手机轻触配对即可开始按计划处理邮件、追账和行政事务，数据全程留在本地设备。其新意在于路由：简单任务交给盒子上本地运行的模型，只有需要时才调用 Claude 或 GPT-4o 等付费云模型，从而避免为每次请求付费。设备出厂前已预装智能体，支持 2,000+ 应用一键接入，密码留在盒子上，并可通过手机远程查看和批准操作。

@apekshik 发布了一个可在浏览器游玩的无限自演化 Backrooms 游戏 http://dimension9.space。Opus 5.5 依据开发者写下的指令驱动游戏中会持续新建房间、角色和实体的 AI；支持从上线第一天起带近距离语音的多人联机。作者 @shaoruu 表示是受该帖启发而转发。

Ed Zitron 长文梳理黄仁勋承认与 Megaspeed CEO Alice Huang 的婚外情事件，并整合 Bloomberg、纽约时报、金融时报与 Culper Research 的报道，指 Megaspeed 疑似作为转口实体将 NVIDIA GPU 非法流入中国。

Google 的 Demis Hassabis 发推宣布 Gemini 4 Carbon 现已可用，附上官方博客链接 https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/，欢迎开发者上手构建。

Google 发布最新前沿模型 Gemini 4 Carbon，Demis Hassabis 称从 Gemini 3 到 Gemini 4 进展惊人。他演示 Carbon 一次性逆向自己 90 年代的 Theme Park 二进制文件、新增 DeepMind 主题游乐设施并移植到网页版。引用内容提到其在 Google AI Studio 中用 Gemini 3 在几小时内复刻了 Theme Park 测试版，玩家甚至可调整薯条加盐量。

UC Berkeley 等机构的 Route Anything 研究系统评估模型与策略路由，发现在 25 个基准上，路由平均带来 8.82 倍的单位成本效率提升，质量损失不到 0.5 分。

Perplexity CEO Aravind Srinivas 宣布向所有 Pro 和 Max 订阅者推出 Gemini 4 Carbon，可用于创建持久 Teammates 或在 Computer 中进行一次性智能体会话。他称 Carbon 在智能体研究任务上能力与 Fable 5.2 相当，价格便宜 2.5 倍。配图 WANDR 基准显示 Gemini 4 Carbon 得分 0.857、每任务成本 $5.86，Claude Fable 5.2 得分 0.851、成本 …

多名 Independent Games Festival 评审发表声明，拒绝为任何使用生成式 AI 的游戏投票，称今年参赛作品中 AI 使用显著增加，签署者包括 Sam Barlow 和 Lena Raine。

Hugging Face CEO Clément Delangue 宣布平台 AI builders 突破 2000 万，Hub 托管的模型、数据集、agent traces 和 RL environments 达 300PB，其中仅上周用户就新增 9PB。他还称 10 月是平台 DAU、MAU 和收入历史上最高的一个月。

The Verge 报道，Anthropic 在旧金山活动中面向非技术知识工作者发布 Claude Meetings、Claude Sheets 和 Claude Whiteboards 三款工具，支持 Claude 参会记录、共同编辑表格和在白板整理想法，均已开放 beta，前两款面向所有付费计划，Meetings 面向 Teams 和 Enterprise 订阅。

Anthropic 于周二发布一系列办公功能，包括 Claude Meetings，可将 Claude 加入视频会议，在讨论过程中实时起草计划、在白板上绘制时间线、回答会议聊天问题并调取关联工作应用信息，会后材料存放在 claude.ai。

Sundar Pichai 宣布 Google 团队用 Gemini 4 Carbon 配合 AlphaProof Code，对 Signal 协议底层代码做数学化验证，验证一直覆盖到编译后的设备代码。Gemini 4 Carbon 生成了超过 6M 行经机器检查的 Lean 证明，把需数年的人工验证压缩到数周，约 1% 的代码库需人工复核，其余由 Lean 自动检查，结果将向安全社区开源。

Anthropic 宣布 Claude Whiteboards 与 Claude Sheets 进入 beta，Claude Dashboards 转为正式可用并更名为 Claude Data。

Claude 官方宣布多项更新今日开始推送，用户可能不会立刻看到全部功能。更新包括 Claude Whiteboards、Sheets、Data 和交互式连接器，详情见 https://claude.com/resources/articles/more-ways-to-work-with-claude-sheets-whiteboards-and-interactive-connectors。

Claude 官方宣布推出交互式连接器（interactive connectors），可在 Claude 中打开 Adobe、Atlassian 和 Box 的完整版工具，与对话并排使用，用户可自行操作或让 Claude 协助修改。