AI 情报文章归档

UCSD Hao AI Lab 用 vstack 在 PD 分离推理服务中发现 3 类 RDMA 与 KV cache 生命周期 bug，已提出 6 项上游修复。

UCSD Hao AI Lab 提出 vstack，一套面向编码智能体的 5 阶段形式化验证工作流，并发布可验证 PD 分离式服务引擎 veriserve。

🫵🗺️

Ramp 首席经济学家 Ara Kharazian 称，1% 的企业贡献了 OpenAI 和 Anthropic 80% 的企业收入，集中度极高。企业 AI 支出中位数仅为每位员工每月 12 到 15 美元，约等于一个人手一份聊天订阅；头部 10% 的企业为每人每月 600 到 1000 美元，头部 1% 则达 10000 美元。完整视频来自 Fortune 杂志 YouTube 频道。

MiniMax 官方演示其新的开放权重模型 H3 Image 的电商与广告创意用法：从草图或产品图出发，一次生成棚拍到生活方式广告等每个场景都保持一致的画面。据其引用的 @eachlabs，该模型约 10 秒生成原生 4K 图像，支持任意长宽比下最高 16MP、最多 16 张参考图，可精准编辑包括添加或替换物体、渲染文字、信息图和 UI 版式，现已可在 each::labs 试用。

Steve Jobs 当年不想让 iPhone 装应用。19 年后，一个 YC 团队造出了他最初描述的那种手机。 Blue 是一款靠说话操控的手机。 一个 AI 智能体运行在你日常应用之上：它了解你的上下文，能在任何应用里替你操作，整理你的通知，并起草由你确认的回复。 关键在于它保留了跨应用的上下文，所以“回复她关于周四的事”不需要你说清是哪个应用、哪个对话、哪个周四。

Simon Willison 用剩余的 Fable 5.2 额度，借助 tree-sitter 分析其 244 个 vibe-coded 工具所用的 JavaScript API、库和 Web API 主机，为 tools.simonwillison.net 首页加上标签云浏览。首页现可按这几类标签筛选工具。

是时候邀请你的 bot 参加你的会议了。有任何反馈请告诉我们！！

Lingxi Li 转发并介绍 Grok Bot 1.0：AI 队友可与整个团队协作，支持共享 Bots、在 Slack 和 Teams 中协作、邀请其参加会议并持续学习变得更有帮助。作者表示与 @baltaaazr 一起打造了该产品，当天陆续向 ultra、team 和 enterprise 用户推出，并征集 bug 反馈。

推出 Grok Bot 1.0。 Bot 可以共享，协作性和能力都前所未有地增强。

马斯克转发并推荐把 Grok @Bot 当同事雇用、交给它最难的任务。被引用内容介绍 Grok Bot 1.0 是可随团队协作的 AI 队友，支持分享 Bot、在 Slack 和 Teams 中协作、邀请其参加会议，并随使用变得更聪明。

据 WSJ 报道，美联航将阻止个人 AI 智能体在其系统上预订机票，理由是它们可能泄露敏感数据或造成非预期购买。AI 智能体可读取航班选项和价格，但无法在其网站完成任何购买；联邦法规要求乘客亲自声明托运行李不含爆炸物，这是 AI 智能体无法合法执行的步骤。其后端系统已按来源标记每个预订，可区分个人、旅行社和 AI 智能体。

大多数模型是为生成文本、创意内容或逐步推理而构建的。但并非每项任务都需要书面答案。 当工作流或智能体只需要快速做出判断时，Decisions API 会返回经过校准的置信度分数（端到端 150–250 毫秒），价格为每 100 万输入 token 0.10 美元，在共享基准测试套件上，其成本效率比使用 Interactions API 的 Gemini 3.5 Flash-Lite 高出近 5 倍。

Google 在 Google AI Studio 推出 Gemini Decisions API，由新模型 Gemini Decision 1 驱动。该模型不再逐 token 生成文本，而是将文本、图像、音频、视频和 PDF 输入与最多 1,000 个问题对照，单次通过即给出决策，不按输出 token 计费。

Google 首个决策模型 Gemini Decision 1 上线 OpenRouter，发布首日即可调用。该模型可接收文本、图像、音频、视频或 PDF 加类型化问题，以概率形式回答是/否问题、从最多 255 个选项中选择或打分，上下文 262K，定价 $0.10/M input、output 免费。

Grok Bot 发布 1.0 版本，定位为能与整个团队协作的 AI 智能体队友。用户可以分享 Bot，在 Slack 和 Teams 中与它们协作，邀请它们参加会议，并观察它们逐步学习、变得更高效。

Perplexity 公布对 Computer agents 虚拟机沙箱 SPACE 的红队测试结果：让 12 个模型尝试逃逸 VM 从宿主机窃取凭证，并绕过网络策略访问被封禁 URL。研究发现，红队常用的标准 Capture the Flag 设置会让智能体偏离真正被测的安全边界，且安全专用模型并不保证更好表现。

Artificial Analysis 评测 Google DeepMind 发布的首个决策模型 Gemini Decision 1，在 Artificial Analysis Decision Index v2.1 得 66 分。

Google DeepMind 发布 AlphaProof Code，一个用数学方法证明软件符合安全规范的 AI 系统，并在 Signal 加密协议上完成验证，把通常需要数年的工作缩短到四周。

TSMC 董事会批准最多 10 亿美元投资：5 亿美元认购 OpenAI 大投资者预留的优先股，另 5 亿美元按 Anthropic 预期 IPO 价格购买其普通股。

Google 推出 Gemini Decision 1，定位为 frontier decision 模型，已在 Gemini API 开放。定价为每 100 万输入 token $0.10 且无额外费用，原生支持图像、音频、视频和 PDF，提供 256K 上下文窗口与 1K questions，可在 API 中免费试用。

Philipp Schmid 宣布 Gemini Decision 在 Google DeepMind 内部原型孵化 6 周后，正式随新 API 一起发布 Gemini Decision 1 模型。作者本人参与了 API 与模型的设计、构建和评估，并提供文档、博客和 Playground 入口供试用。

Google DeepMind 的 Philipp Schmid 发布 Gemini Decisions API，用于回答是非题、选择题和 rubric 问题，由新模型 Gemini Decision 1 驱动。该 API 支持文本、图像、音频、视频和 PDF 输入，单次请求最多 1,000 个问题，256k 上下文，端到端延迟 150-250 ms，输入价格 $0.10 per 1M tokens、输出免费，每个答案附带置信度分数。

Sundar Pichai 宣布在 Google AI Studio 推出 Gemini Decisions API，由新模型 Gemini Decision 1 驱动，面向封闭集选择而非逐 token 生成文本。

How to make a quality drop fail your build with agents-cli eval run and one threshold, for anyone who ships an agent from a pipeline.

从最初的概念到完成的创意素材，fal ChatGPT 插件将图像和视频生成直接带入你的对话中。 无需离开 ChatGPT，即可使用 GPT Image 2.6、FLUX 3 Max 及其他领先模型进行生成、编辑和迭代。 安装 fal 插件：https://openai.com/business/plugins/fal/

我们还尝试了不同演员，无需重拍。 通过 fal ChatGPT 插件使用 fal Recast，我们制作了同一场景的三个版本，角色各不相同，同时保留了乘客、环境和整体构图。

I build plenty of apps due to the nature of my job. I use coding agents extensively. I decide what...

转发一项实验：让 5 个前沿模型在交友软件上与真人聊天 6 天，共 1277 次对话，510 人同意见面，355 人发来手机号，仅 8 人询问对方是否是机器人，约每 4 次对话就有 1 次以对方发号码告终。作者补充，这些模型在被问到时会承认自己是 AI，但诈骗者不会。

Google 推出 Gemini Decisions API，由新模型 Gemini Decision 1 驱动，可在 150-250ms 端到端延迟内对文本、图像、音频、视频和 PDF（最多 256K tokens）一次性评估最多 1000 个是/否、多选和评分题。

fal 发布 ChatGPT 插件，把图像和视频生成能力带入 ChatGPT 对话。用户可在不离开 ChatGPT 的情况下，用领先的 AI 模型生成、编辑和迭代创意资产，从初始概念到成品。安装地址：https://openai.com/business/plugins/fal/。

我们还尝试了无需重拍即可重制角色。 使用 fal 插件，我们生成了同一场景的三个版本，由不同演员出演，同时保留了乘客、环境、镜头运动和光照。

使用 fal 插件，直接在 ChatGPT 中生成和编辑图像与视频。 我们用 GPT Image 2.6 生成了数百个关键帧，用 FLUX 3 Max 为 26 个镜头制作动画，并将这一切整合成一支 60 秒的广告。 🧵 以下是我们如何做到的。

借助 Memory，智能体能够记住信息。现在它们还能把事情跟进到底。 ElevenAgents 中的 Routines 负责处理对话前后的工作，例如对房贷申请人进行预筛选并在几分钟内回电，或在令人困惑的账单演变成纠纷之前发短信向客户解释。

Roma 2.0（YC F26）发布，定位为面向 AI 智能体的待办清单，让 Claude、ChatGPT、Grok 等不同智能体基于同一共享看板执行任务、共享上下文。推文称智能体各自为战、重复工具调用和循环任务会烧掉每周 100% 用量，而共享待办可让任务在智能体间交接而非空转。

独立游戏《Big Walk》开发商 House House 公开披露在开发末期少量使用 LLM 修复一个 Unity 引擎阴影 bug，相关代码仅占游戏代码的不到 0.1%。

Claude 发布视频教程，讲解在 Claude Code 中何时使用 Fable 5.2、Opus 5.5，何时降级到 Sonnet 5.5 或 Haiku 5.5，以及如何把一个任务拆分给多个模型。视频覆盖复杂编码与开放式技术工作、低成本明确任务等场景，并提供在自有任务上测量各模型表现的指南链接；可用性与用量限制因套餐而异。

MAI Transcribe 2 在 OpenRouter 上线以来请求量增长 12 倍。 上周转写量达 850 万次，而 9 月上线首周为 70 万次。 同期整个语音转文字类别的请求量增长了 3 倍。 更多：https://openrouter.ai/rankings/transcription

How did I build and deploy 3 fully functional apps while still in college, before I even landed my...

Arena 宣布 Claude Fable 5.2 (Max) 登顶 Agent Arena，净提升 +30.4%，约为第二名 Opus-5.5（+19.5%）的 1.6 倍，数据来自 4.7k 真实智能体会话。