AI 情报文章归档

You.com, Tavily, Exa and Parallel, tested live on 30 agent-style queries across GTM, insurance and finance. Open data, open harness and an MCP server.

Chain-of-thought reasoning has substantially advanced video understanding in multimodal large language models (MLLMs). However, language-based reasoning traces do not provide a reliable mechanism for models to revisit relevant visual evide…

As executable environments for language agents scale, generating and verifying their rollouts becomes increasingly expensive. Under finite rollout budgets, this raises an important question: can data management at the environment level mak…

在折腾一个小型个人项目：一个 AI 原生的 macOS 程序坞，带自定义模式（写作、构建等），帮我保持专注 我的智能体能够自定义模式行为并添加新模式，它用 jev 实时对我的活动和通知进行分类并据此行动

For audio-language models, an answer change after a local sound-event edit can reflect a response to the event's class, sensitivity to waveform rewriting, or both. We compare matched same-class and different-class replacements of a queried…

ARC Prize Research Summit 2026 上周五，我们在波士顿 MIT 举办了首届 ARC Prize Research Summit 我们欣赏了 @stephen_wolfram、@kenneth0stanley、@sirbayes、@alexisfox 和 Alexandre Bouayad 的演讲 感谢所有到场参加的人 录像即将发布

Azeem Azhar 图解 Anthropic 的 S-1 文件，指出公司已从实验室变成有现金流和资金的业务，看起来能走向可靠盈利。增长仍高但放缓，超过 80% 的营收来自发布不到六个月的模型；Q3 因向基金会付款可能出现边际亏损，客户集中度问题不大。

Developing on-device image models requires considering practical user needs, task types and device resource constraints. However, existing benchmarks provide limited guidance on identifying capability gaps between on-device models and serv…

Traffic forecasting requires modeling complex temporal dynamics and the spatial dependencies imposed by road topology. Supervised graph-based models achieve strong performance, but are often trained for a particular dataset and sensor grap…

Marvel 新剧《VisionQuest》讲述幻视（Vision）在寻找自我途中被 S.W.O.R.D. 视为失控武器，剧集借这一设定呼应现实中生成式 AI「失控」事件的讨论。

xAI 的 Grok Bot 团队表示，通过让代码对智能体友好，工程师、设计师和 PM 每天合计提交数百个 PR，用于修 bug、打磨体验和提升应用速度与可靠性。团队承认会犯错，但强调从每次错误中学习并改进流程，避免 bot 重犯同样错误。其认为 Grok Bot 是当前业界体现 token 投入去向的最佳案例：质量与速度兼得，并指出软件开发像冰山，新功能只占维护高质量软件工作的一小部分。

Google DeepMind 推出 Genie 4，Genie 3 的继任者，可逐帧实时模拟交互世界，是其首个直接生成声音的实时世界模型，角色可对话并对用户输入实时反应。

Cognition 推出 FrontierCode 2.0 编码基准，衡量模型能否超越规格要求，任务更多样、范围更大、合并标准更高，并引入刻意模糊的欠指定提示词考察模型判断力。该基准远未饱和，最高分模型仅得 45%。

新的 Slopcode Bench 结果：🦄 AI That Works #79 https://x.com/i/broadcasts/1AKEmvEXmvkKL

我们的销售运营团队构建了 Shared Bots，帮助销售代表更快推进交易。 Account Intel Bot 在通话后更新 CRM。Quote Bot 准备提案和订单表单。Deal Bot 审核非标准条款并将例外情况转交审批。

Liquid AI 在 Hugging Face 发布 LFM3 系列，以 LFM3-1.7B-Base 为共享底座，提供文本、视觉、音频、全模态和决策共六个 2B 级模型，均开放权重。

Google DeepMind 的 Philipp Schmid 宣布 Genie 4 发布，这是一个实时多模态世界模型，可逐帧渲染可玩环境，响应键盘控制和文本提示。新版本带来原生音频、会动会说话的角色、更清晰的物理效果和实时提示词编辑。Google AI Ultra 用户可优先加入候补名单，更多示例见 DeepMind 官方博客 https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulatio…

从生产使用中整理测试数据集变得更方便了，这听起来相当实用。 人们会提出各种事先没人想到要记录下来的需求。能把更多这类需求纳入测试就好了。 今天，@JudgmentLabs 开放通用访问。 我们相信，长时间运行的智能体系统产生的 exhaust data 将超过目前世界能够处理的数量。 智能体轨迹中隐藏着如何让这些系统变得更好的丰富记录：用户提出了什么需求、智能体何时出错，以及智能体如何与外部世界交互。 Judgment 是面向长时程智能体性能最强的监控与改进层。 我们很期待…

微软🔥：MAI Cyber 1.1 Flash 现已在 MDASH 上线。 > “MAI Cyber 1.1 Flash 提升了漏洞发现能力，在内部 MDASH 漏洞扫描评测套件中，其表现与 MAI Cyber 1 Flash 相当，而每次扫描成本降低 18%。” 网络安全需要更多解决方案 👀

Genie 4 抢先看，这是我们全新的前沿世界模型，即将首次登陆 API ：)

我们的网络安全模型正变得非常强大。 在过去 30 天里，我们安全框架中的 MAI Cyber 模型将用户采用率翻倍至 50%。 我们还在不牺牲任何质量的情况下，将其 token 效率提升了 20%。

Sentient（YC F26）发布 Sentient OS，一款在本地运行 LLM 的开源端侧 AI，可从本地文件和消息中收集上下文并执行任务。其 Sidekick 功能可接手屏幕上打开的任务（如表单或邮件），用自带光标完成操作；所学内容以明文文件形式本地存储，用户可查看和编辑。前 1000 名输入 FINAL_1000 的用户可终身免费使用。

Originally published on meridianbuild.dev, my build log for OutfitMaker, an AI outfit planner that...

TechCrunch 报道 OpenAI 发布三道数学难题解答，其中对指数时间假说（ETH）的反驳引发争议，Anthropic 数学家质疑其基于已有工作，随后 Anthropic 也发布了 ETH 反驳。

Genie 4 运行 DOOM：“走过一间普通办公室，但每台电脑都在运行 DOOM，所有墙壁也都在运行 DOOM，而且一切皆是 DOOM” “我那身为恶魔的同事出现了” “他有一把链枪” “他给我发了奖金”

Google DeepMind 发布 Genie 4，是其首个带原生音频的实时世界模型，可生成环境音、音乐和会回应用户及世界内事件的角色对话。

Kling 4.0 vs Seedance 2.5 同一个电影感提示词。 两种不同的结果。 哪一个表现更好？ 完整提示词见下。

每天我都会问自己：“我的团队够不够AI原生？” 我的原则：AI能做的事，人类就不该碰。 AI已经写了我们95%的代码。但PR仍然卡在等待审批上。 我问自己：“那些评审人真的读代码了吗？如果没有，为什么不让AI智能体来处理？” 于是我们做了一个。生活立刻变好了。 一个组织多快实现AI原生化，将决定它是繁荣还是消亡。

Noam Brown 发文称，MIT 每年冬季开设为期一个月的 6.9630 课程，学生制作扑克 AI 并比赛争夺现金奖励；编码智能体大幅加速了这一过程，现在一小时就能做出一个扑克 Bot。他还表示会出席 No Limit 扑克 Bot 锦标赛决赛，该赛事由 Sequoia、citsecurities 和 OpenAI 主办，冠军奖金 10 万美元。

我控制不住。一到那个时间我就兴奋得乱窜

面壁智能 OpenBMB 发布开源 MiniCPM-OCR 套件，含 1B 的 MiniCPM-OCR 1.0 和 2B 校验模型 MiniCPM-OCR Jev。

Anthropic 计划通过长期受益信托和 Founder LLC 等独特治理结构上市，在公开市场融资的同时防止股东迫使公司削弱安全投入。信托的五名投票受托人可通过 Class T 股票任命七名董事中的四席，七位创始人则以 Founder LLC 掌握 50.1% 投票权。法学专家认为法律层面可隔绝逐利压力，但市场竞争、融资需求和创始人离开都可能侵蚀这些保障。

Judgment Labs 现已正式开放（GA）👀 它是面向 AI 智能体的“持续改进栈”。智能体集群可以遍历生产 trace，发现失败、进行分诊，并测试修复方案。 Judgment MCP 可与 Claude、Codex、Cursor 或任何 MCP 客户端配合使用。 很想知道在大规模运行智能体时它能节省多少时间。

This is a submission for the Hacktoberfest Open-Source AI Challenge Week 4: Ghost in the Machine ...

Make empty what is already empty. Let doubt breed inside doubt. — The 36 Stratagems, The Empty Fort...

LangChain 详解自家设计 agent Content Studio 如何在 Slack 中根据一条提示生成视频、幻灯片和社媒图等代码化资产，已累计产出超 3000 件资产、80 多套幻灯片，单次请求模型成本从约 $8 降至约 50 美分。

微软在 Arena 和 MAI Playground 上线新的图像编辑模型 MAI-Image-2.7-Preview。该模型在 AA-Image-Editing v2.1 榜单排第 2，在 Image Editing Arena 排第 3，比 2.6 版本提升 45 分。同时 MAI-Image-2.6 和 MAI-Image-2.6-Flash 已在 Microsoft Foundry 正式可用。

SoMark 开源 1.3B 参数文档解析模型 OXR-1.0，可将 PDF 和页面图像转为 Markdown 或 JSON，权重已上架 Hugging Face 并提供免账号免费 API。

Genie 4 的体验相当疯狂，能边玩边生成游戏般的环境。它并非完美，但我输入“新哥特式粗野主义城市，住着机器人和马”，它一分钟内就造了出来。接着我让它加入龙。然后又加了一个友好的水獭 NPC。全程实时完成

马斯克转发 Grok Bot 新功能介绍视频，列出新增功能：Pages、Vault、1Password、Apple 集成、视频生成、新角色、X Spaces、字体与设计优化等。