AI 情报文章归档

多轮强化学习训练常因探索效率低下而不稳定。为此，研究团队提出T^2PO框架，在细粒度层面实施不确定性引导的探索控制。在令牌级别，它监测不确定性动态，当边际变化低于阈值时触发思考干预；在轮次级别，它识别探索进展可忽略的交互并动态重采样，以避免无效计算。在WebShop、ALFWorld和Search QA等多个环境中的评估表明，T^2PO显著提升了训练稳定性与任务性能，并实现了更高效的探索。相关代码已开源。

研究团队提出PORTool算法，以解决多工具集成推理中仅依靠结果奖励导致的信用分配模糊问题。该方法通过重要性感知策略优化，在结果级监督下强化智能体的工具使用能力，同时实现步骤级奖励分配。PORTool生成奖励树来明确关键决策步骤，从而更精确地引导模型学习有效的工具调用序列，提升复杂任务解决的效率和可靠性。

OpenAI 将 GPT-5.5 的按 token 计价提高了一倍，但新模型在输出上更为简洁。通过实际使用测量发现，尽管单价上涨，由于模型响应更精炼、消耗的 token 数量减少，最终净成本影响可能低于预期。关键变化在于单位价格与模型效率之间的平衡，实际支出需结合具体使用场景和生成长度综合评估。

OpenAI 重建了其 WebRTC 技术栈，以支持实时语音 AI 服务。新系统实现了低延迟、全球规模扩展和无缝的对话轮转。此次重构旨在为 ChatGPT 的语音模式等产品提供更流畅、更自然的实时语音交互体验，解决了大规模部署时面临的延迟与稳定性挑战。

OpenAI 将 GPT-5.5 的每 token 价格翻倍，但模型输出更精简（less verbose）。OpenRouter 通过实测用量评估了净成本变化。

OpenAI的o1系统在急诊分诊诊断测试中表现优于医生。该系统对急诊患者的诊断准确率达到67%，而分诊医生的准确率仅为50%至55%。这一结果表明，人工智能在辅助医疗诊断、特别是急诊场景的初步分诊环节具有显著潜力，其准确率领先人类医生约12至17个百分点。相关研究由哈佛团队进行，具体数据来自《卫报》的报道。

这是我迄今为止为 OpenClaw 构建的最有用的工具。它是开源的，运行在 codex 上，你可以 fork 并将其用于任何代码库。 献给所有在 issue 和 PR 中辛勤工作的开源贡献者们，这是为你们准备的。

上周，我们在 Codex 中发布了 *Auto-Review* 模式！它现已成为 OpenAI 内部的默认设置，并将所需的批准数量减少了约 200 倍。我们的对齐团队完成了出色的工作。 阅读博客：https://alignment.openai.com/auto-review

开发者发布了一款名为"codex-startup-pressure-test-skill"的Codex技能工具，旨在对初创公司想法进行严苛的压力测试。该工具能帮助创业者识别其创意的核心假设、暴露致命缺陷、验证问题真实性、分析真实竞争对手、规划首批10名客户，并定义一个可在两周内完成的MVP（最小可行产品）。用户可通过npm命令直接安装，该工具完全开源，相关代码库已公开。

Runway公司推出"Characters"实时视频智能体，它能将任意单张参考图像（如真人、卡通或幻想生物照片）实时转化为具有自然对话表现力的视频角色。该技术基于其通用世界模型GWM-1，无需微调即可生成每秒24帧的高清视频，并同步口型、表情和头部运动。其核心突破在于通过自回归逐帧生成、流程优化与并行化，实现了每帧仅37毫秒的模型处理时间，以及从用户停止说话到角色开始响应仅1.75秒的服务器端延迟，从而满足了实时交互对话的严苛要求。

加州大学圣地亚哥分校的研究团队在谷歌TPU上成功部署了DFlash，一种基于块扩散的推测解码方法。该方法突破传统自回归草稿生成的序列性瓶颈，通过单次前向传播并行"绘制"整个候选令牌块，而非逐个预测。系统平均实现了3.13倍的推理加速，峰值性能接近EAGLE-3等现有方法的两倍。这一开源方案已集成至vLLM生态系统，通过利用"免费"的并行验证能力和针对复杂推理任务的高质量草稿预测，显著优化了TPU硬件的利用效率。

Runway平台团队开发的NCCLBack系统，通过P2P权重传输将模型冷启动时间从数分钟缩短至数秒。其核心创新在于让新启动的GPU推理节点直接从集群内已加载权重的同级GPU获取模型参数，而非从云存储重复下载。该系统利用GPU互连（如InfiniBand、NVLink）高达200-400 Gbps的带宽，相比传统存储下载的2-10 Gbps实现了数量级提升。通过Redis协调与NCCL广播原语，NCCLBack确保了数据传输的效率和正确性，使得大规模集群部署新模型时，冷启动…

基于开源模型和商用GPU的广告支持型AI在经济上可行。计算表明，一个由4块B200 GPU组成的集群服务300名用户时，每小时成本约18美元。通过广告收入即可覆盖成本：在内容网络中每3分钟展示一条广告（CPM 3.12美元），或在搜索广告中每39分钟展示一条（CPM 38.40美元），这一广告频率已与常见的移动和网页应用相当。对于代码代理等高强度任务，可采用混合盈利模式：用户每月支付10美元订阅费并每日观看8条广告，即可支持约200万token的用量，这证明了该模式的实用性。

codex宠物分享的图库： 提交入口已开放，可通过下方链接提交👇

推出响应缓存功能：在测试和智能体重试上节省大量资金与时间。 博客文章：https://openrouter.ai/announcements/response-caching 免费提供。了解更多 👇

新功能："-latest" 模型别名 🔀 将请求路由至 "~anthropic/claude-opus-latest"、"~openai/gpt-latest" 等，以获取各主要模型的最新版本。（灵感来自语义化版本。）https://openrouter.ai/models?q=latest

推文指出，许多用户误将Claude Opus作为日常聊天机器人，导致频繁触及限额。核心解决方案是转变思维，将其视为精密生产工具。关键策略包括：使用Haiku进行规划与迭代，仅在最终步骤切换至Opus；避免冗长对话，采用多个短对话并结合Projects功能；通过"双文件记忆法"在Claude Code中建立指令与记忆文件，让系统自动学习用户偏好。遵循模型分层原则，让Haiku和Sonnet处理大部分任务，Opus仅用于核心工作与最终润色，从而显著降低消耗并提升效率。

作者将AI助手底层模型从Claude切换至GPT-5.5后，发现其能力虽提升，但互动风格变得陌生，失去了作为长期工作伙伴的熟悉感。这揭示出个人AI助手的核心在于可迁移的"身份层"，而非特定模型。通过USER.md、MEMORY.md和关键的SOUL.md等文件，可以构建包含记忆、性格、工具习惯与关系定位的身份系统。真正的个人AI应独立于模型供应商，确保即使更换"发动机"，助手的核心身份与协作关系也能延续。

在红杉资本AI Ascent的炉边谈话中，Demis Hassabis 展现了他卓越的综合思维能力。他喜爱的书籍关乎万物理论，欣赏的哲学家看似对立，其职业生涯从棋盘游戏跨越至诺贝尔奖级别的科学。谈话核心内容包括：游戏作为AI训练场、创业与创立DeepMind的经验、对通用人工智能（AGI）的愿景，以及AI推动科学发现的具体突破（如生物学进展和Isomorphic Labs的工作）。最后，他还探讨了AI可能开启的新科学领域及其引发的深刻哲学思考。

美国国防部已与七至八家领先AI公司达成协议，将其AI技术整合进机密网络系统。合作方包括谷歌、微软、AWS、英伟达、OpenAI、Reflection和SpaceX，而Anthropic被明确排除在外。五角大楼将AI定位为核心基础设施，允许其用于任何"合法的作战用途"。官方平台GenAI.mil上线五个月内，已有超130万国防部人员使用，生成了数千万次提示并部署了数十万个AI智能体，展现了该计划的规模与影响力。

DeepSeek发布了V4版本模型，其性能已接近行业最前沿水平，但在价格上具有显著优势，仅为主要竞争对手的一小部分。该模型在多项基准测试中表现出色，能以极低的成本提供顶级的AI能力，有望大幅降低企业和开发者的使用门槛，推动AI技术的更广泛普及。

科技行业出现反常趋势，多家十亿美元级公司CTO放弃高管职位，转投Anthropic担任个体贡献者。这反映AI时代职业逻辑的根本转变：权力和影响力从管理人数转向接近前沿模型。个体工程师通过直接操作先进AI工具，其产出和影响力可能超越传统数百人团队。同时，Anthropic的高估值和增长潜力提供了极具吸引力的经济回报。此举标志传统职业天花板重置，顶尖技术人才正用行动投票，选择杠杆效应最大的核心研发岗位。

美国五角大楼宣布与SpaceX、OpenAI、谷歌、英伟达、Reflection、微软、亚马逊AWS及甲骨文八家领先AI公司达成协议，将在其机密网络（IL6和IL7环境）中部署AI能力，用于"合法的作战使用"。此举旨在加速美军向AI优先作战力量转型，通过集成安全的边界AI能力来简化数据合成、提升态势感知并增强复杂环境下的决策优势。此前，五角大楼因与Anthropic就AI模型使用限制产生争议并诉诸法律，加速了供应商多元化进程。

吴恩达（Andrew Ng）推出新课程《人人皆可的 AI 提示技巧》，旨在帮助不同水平的用户成为 AI 高级使用者。课程教授适用于 ChatGPT、Gemini、Claude 等工具的通用提示技巧，核心内容包括：利用深度研究模式生成复杂问题的详尽报告；为 AI 提供远超常人认知的丰富文档与图像上下文；在重要决策时让 AI 进行长时间深度思考；以及使用 AI 生成图像、分析数据、构建简单游戏和网站。课程还将剖析大模型的工作原理，帮助学员判断何时可信赖 AI 的答案。

现在你可以用你的ChatGPT账户登录OpenClaw，并在那里使用你的订阅服务！ 祝你捕龙虾愉快。

语音克隆功能现已通过 xAI API 上线！ 不到2分钟即可创建自定义语音，或从我们涵盖28种语言的80多种语音库中选择，为您的语音助手、有声读物、视频游戏角色等注入个性化色彩。 http://x.ai/news/grok-custom-voices

强化学习在已知领域能提升模型性能，但在未知领域可能导致模型产生幻觉，误以为在执行其他训练过的任务。这一现象在GPT-5.5等大模型的ARC AGI 3基准测试中有所体现，其得分仅为0.43%，与Claude 4.6、Gemini 3.1等模型表现相近。分析指出GPT-5.5的主要失败原因包括：局部效应正确但世界模型错误、从训练数据中提取的抽象层级不当，以及虽解决问题却未强化奖励机制。深入分析此类失败案例，有助于全面理解大模型在特定模态上的能力局限与改进方向。

DeepMind创始人Demis Hassabis在访谈中回顾了从国际象棋神童到获得诺贝尔化学奖的生涯，并探讨了实现AGI仍需解决的关键挑战，如记忆、推理与持续学习。他分析了小模型能力提升、多模态Gemini设计以及推理成本下降的趋势，强调AI已成为科学研究的强大工具，从蛋白质预测扩展到虚拟细胞研究。Hassabis还为创业者提供了前瞻性建议，指出在AGI到来前应关注的方向及AI驱动科学发现的潜力。

只需点击几下，即可将您的工作流程带入Codex。 导入设置、插件、代理、项目配置等，以便您能更少中断地继续工作。 该您行动了。

OpenRouter 正式上线文本转语音和音频转录功能。平台通过两个新的 API 端点，集成了多家供应商的语音合成与音频转录服务。用户现在可以统一调用单一 API，便捷访问多提供商的高质量语音生成与语音转文本能力，无需再为不同服务商单独集成。这简化了开发流程，为应用添加语音交互与内容转录功能提供了更高效的一站式解决方案。

创造一切。无论身处何地。使用任何设备。Runway 现已登陆 Android 和 iOS 平台。 通过下方链接开始使用。

Code with Claude，我们的开发者大会，下周回归。 无论你是刚刚开始使用 Claude Code，还是已经构建了一段时间，都有适合你的环节。 注册观看直播：http://claude.com/code-with-claude

GPT-5.5发布已有一周，这已经是我们迄今为止最强大的模型发布。 API收入增长速度比以往任何版本都快两倍以上，而随着企业对智能编码工具的需求持续攀升，Codex在不到七天内收入翻倍。

τ-voice 是一个针对实时语音智能体的新基准，包含零售、航空和电信领域的 278 项接地气客服任务。该基准将确定性端到端任务评分与可控的真实音频（多样角色、环境噪音、自由轮次切换）相结合。

x.ai 正式发布了 Grok 4.3 模型，开发者可通过官方文档获取详细信息。该模型在 Hacker News 社区获得关注，相关帖子收获了 100 点热度。此次发布标志着 Grok 系列模型的持续迭代更新。

本次更新增强了模型网关集成，当配置指向兼容网关时，可直接在模型选择器中列出可用模型。新增了 `claude project purge` 命令，用于彻底清理项目状态数据。OAuth登录流程得到优化，支持在浏览器回调失败时手动粘贴授权码，并修复了多种网络环境下的登录问题。安全方面，修复了 `allowManagedDomainsOnly` 等设置可能被忽略的漏洞。此外，还解决了图像粘贴过大导致会话中断、远程会话误报"流空闲超时"、Windows系统下特定文本渲染乱码以及多项工…

近期多项进展展现了AI的巨大积极影响。医疗领域，Mayo Clinic的AI能通过常规CT提前最多三年检测胰腺癌，强生利用AI将新药线索生成时间减半。教育方面，哈佛研究显示AI导师使学生学习效果翻倍，泰国培训16万名教师惠及330万学生。农业上，AI能以约88%准确率预测害虫爆发。科研中，AI快速筛查NASA数据，新发现超一万颗系外行星候选。此外，香港推出AI洪水预报系统，Atlassian和Twilio等公司也因AI驱动业绩增长并上调预期。这些案例平衡了AI风险，凸显其创…

本文提出一种将评估机制嵌入工具调用智能体实时执行循环的新方法。通过引入一个专门的评审员智能体，在推理时对主智能体的中间决策轨迹进行即时评估，并生成结构化反馈。这使得主智能体能在单次运行中动态调整其工具选择与参数调用，无需依赖传统的提示调整或模型重训练。该实时干预机制旨在直接纠正错误，提升了工具使用的准确性与可靠性，突破了传统后验评估无法在运行中修正行为的局限。本工作已被ACL 2026的自然语言生成、评估与指标研讨会接收。

@xai 的新模型 Grok-4.3 现已在 OpenRouter 上线！ Grok-4.3 以比 Grok-4.2 更低的价格发布，同时在代理性能上实现大幅跃升：在 @ArtificialAnlys 的 GDPval-AA 基准上 ELO 分数提升 321 点至 1500，尽管价格更低，但仍超越了其他顶级模型。

Replit 即将迎来十周年，我们正让 Agent 免费开放 准备好享受构建的乐趣吧！ 想要奖品？参加我们与 Anthropic 联合举办的构建马拉松 奖品由 Replit 和 RevenueCat 赞助