AI 情报文章归档

A tip calculator, a stopwatch, and a lot of pesos. TL;DR: I built a USD/MXN tip calculator with...

@Google - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Gemini 4 Argon 完整结果：https://arcprize.org/results/google-gemini-4-argon

@Google Argon 在 ARC-AGI-3 上 97.5% 的得分仅次于 GPT-6 Astra 的 99.9%。 与 Astra 一样，Argon 在 25 个 ARC-AGI-3 公开游戏中的操作次数比人类基线少 62%。它在 3 个游戏上追平或打破了速通纪录，并在另外 6 个游戏上差距在 10% 以内。

ARC Prize 发布 Gemini 4 Argon 在 ARC-AGI-3 标准 harness 下的测试结果，低推理得分 49.8%（完成 42/55 局），中推理 46.3%（完成 46/55 局），高推理仅完成 19/55 局故未公布分数。

ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI (Verified) 的评测成绩。ARC-AGI-3 上，provider adapter harness 得分 97.5%、成本 $4.8K，标准 harness 得分 49.8%、成本 $5.8K；ARC-AGI-2 得分 91.3%、$0.32/task；ARC-AGI-1 得分 98.5%、$0.16/task。Google DeepMind 是第二家在 ARC-AGI-3 上得分超过 95…

The Verge 分析 Meta 的 Muse AI 助手上月起登顶 App Store 下载量数百万，其界面以 dark patterns 鼓励用户授权银行账户、密码、聊天记录等大量数据。

用户分享用 OpenAI dots 处理 Gmail 的体验：它能及时抓出网站流量超额、Google 收录问题、API 低余额、创作者平台付款进度等此前被遗漏的邮件信息，并把收录问题与正在做的 GoodCase SEO 关联、列出待核查项。没有 Mac mini 也可把定时任务全放到 dots 上；想用可视化页面登录账号，可用其给出的提示语让云端浏览器把安全登录界面交给自己，登录后继续指定任务。

Mustafa Suleyman 提出 scaling laws 正在叠加效率增益，并称在 held-out 代码上，其团队用少 12 倍的训练算力就达到了 DeepSeek-V4-Pro-Base 的预训练分数。

丝滑 ⛷️ 得益于精心的扩展阶梯和配方的持续优化，MAI-Base-2 在整个训练过程中训练得非常干净。

Microsoft AI CEO Mustafa Suleyman 宣布，MAI 已完全自研出 3T 参数权重级别的 SOTA 预训练基础模型。后训练结果即将发布，技术细节见博客 https://microsoft.ai/news/frontier-pre-training-at-microsoft-ai/。

Bits-per-byte（越低越好 ⬇️ ）

在 @IsomorphicLabs，研究人员正将 Gemini 4 Argon 作为伙伴，加速药物发现与设计研究 🧬 Argon 能快速综合复杂的 PDF 和专利，提取相关信息，将通常需要数周的过程缩短至仅数小时。

Thesys 发布开源框架 OpenUI 1.0，允许智能体在应用内创建可运行的界面，模型可编写一种紧凑 UI 语言，在回答仍在生成时就渲染到屏幕。在其自建的 46 个界面 brief、六款模型的基准上，OpenUI 比 Vercel 的 json-render 少用 58% 输出 token，比 Google 的 A2UI 少 52%。

试试 Pro DP → https://app.pixverse.ai/music-video/pro-dp?utm_source=X&utm_id=Social

Nvidia 发布 120B 参数（每 token 激活 12B）的开源多模态模型 Nemotron 3.5 Super VL，面向企业后台持续运行的智能体，由 Nemotron 3 Ultra 蒸馏而来，号称以约五分之一的参数达到 Ultra 的准确率。

Microsoft AI 宣布完成 MAI-Base-2 预训练，这是一个 800 亿激活、2.8T 总参数的 MoE 基础模型，在 held-out 评测中 BPB 低于所测全部开源权重模型，预训练 FLOPs 效率比 DeepSeek-V4-Pro-Base 高 4.2 至 12.3 倍。

Google DeepMind 介绍其智能体开发平台 Google Antigravity 在抗菌肽发现中的应用，并新推出内嵌的 Biomolecular Structure Viewer 3D 可视化工具。

零知识证明无需重新运行工作负载或暴露敏感数据即可验证计算结果。Magnetar 通过支持标准编程语言、大幅速度提升以及抗量子安全性，帮助将其推向主流：https://msft.it/6016atJb6

Ke Mao、Mark Harman 与 Yue Jia 的 2016 年论文 "Sapienz: multi-objective automated testing for Android applications" 获 ISSTA 2026 最具影响力论文奖。

Artificial Analysis 评测 Reflection 首个模型 Beam，其在 Artificial Analysis Intelligence Index 得 30 分，在美国开源权重模型中排第二，仅次于 Meta 的 Muse Spark Open（39）。

LangChain 在 Interrupt NYC 和 London 活动上发布多项 LangSmith 新功能，包括可用自然语言语义检索 trace 的 AI Search、支持用户级记忆与 Slack 交互的 Managed Deep Agents v0.9、加入 Red Teaming 的 LangSmith Engine v2。

NVIDIA 发布面向 AI 开发的 RTX Spark 笔记本与小型台式机，基于 GB10 SoC 和最高 128GB 统一内存、1 petaflop FP4 算力，可在单机上运行本地编码智能体并完成编码、测试与部署。

Anthropic 发布基于内部数据的技术报告，研究 AI 对自身雇佣与工作组织的影响。到 2026 年 8 月，交互式 AI agent 工时已达员工的 6 倍；技术部门初级员工占比从 21% 降至 14%，初级技术招聘占比从 27% 降至 9%。

Anthropic 于 2026 年 8 月调查美国成人代表样本（N=10,980）与其员工，发现双方对 AI 现有能力判断相近，但对进展速度分歧巨大。91% 员工预期 AI 在 2030 年前能做出诺贝尔级发现，公众仅 39%；员工平均预期 AI 能完成其 75% 的当前工作，美国工人仅 28%。

Anthropic 团队让内部研究模型在不到半小时内发现 NIST P-192、P-224、P-256、P-384、P-521 等曲线种子的来源：它们并非哈希结果，而是以 Unix 时间戳初始化的 C 库 lrand48 随机数生成器的输出，例如 P-256 需要 1842 次迭代。

Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍。在笔记本电脑上每秒可证明 720 万至 870 万条处理器指令，证明约 12 毫秒内可验证，安全性只依赖 SHA-256 或 SHA-3 等标准哈希函数，无需受信任设置或椭圆曲线。

作者分享在 Claude 和 ChatGPT 中关闭记忆功能、每换一个任务就新开对话线程的做法，即使仍是同一项目。文章指出即使单个线程内上下文也会累积导致 context rot，模型可能延续已放弃的指令、沿袭早前错误或漏掉关键细节。作者改编自 Drew Breunig 的 "How Long Contexts Fail"，介绍识别对话跑偏并在不丢失有用工作的前提下重启的方法。

Anthropic 发布两份报告，一份分析 AI 对公司内部就业的影响，另一份对比员工与公众对 AI 影响经济的预期。内部数据显示，过去一年初级岗位招聘占比下降，AI agent 工时迅速上升，到 2026 年 3 月 agent 工时已超过员工，8 月 agent 数量达员工 6 倍，人均代码产出、销售代表成单量和合同处理量均提升，瓶颈逐渐转向人类注意力。

Tessl 工程团队介绍自研的 Tessl Code Review，称约 75% 的 PR 已无需人工评审即可合并。

Anthropic 发布研究报告，让 Claude Mythos 5 在闭环中自主优化量子电路：模型提出电路设计、由自动评估器验证正确性并按 qubit 数乘以门数打分，八项涵盖化学、优化、量子模拟和数论的任务均超过此前最优已发表设计，部分提升达一个数量级以上。

fal 宣布 NVIDIA Nemotron 3.5 Super VL 多模态模型上线其平台，该开源权重模型总参数 120B、每 token 激活 12B，面向视觉推理和智能体工作流。能力涵盖图像、文档和视频理解，以及视觉推理、工具调用、文档智能和 AI 智能体场景。

立即体验。 文本：https://fal.ai/models/nvidia/nemotron-3-5-super/text 视觉：https://fal.ai/models/nvidia/nemotron-3-5-super/vision 视频：https://fal.ai/models/nvidia/nemotron-3-5-super/video

The decoupling of compute from storage has positioned Apache Iceberg as the de facto open table...

如果你希望会议和摘要只留在你的笔记本电脑上，那就试试 Superwhisper Meetings。 由 Tiny Aya 和 Cohere Transcribe 提供支持。首次此类合作 🔥

@krea_ai 文生图：https://fal.ai/models/krea/v3/text-to-image

@krea_ai Realtime：https://fal.ai/models/krea/v3/realtime

fal 宣布 Krea AI 的图像编辑模型 Krea 3 已上线 fal 平台。该模型可在 6 秒内完成高质量编辑，支持保持主体一致的前提下更改场景，也可通过简单文字指令组合多张参考图。

@krea_ai 编辑：https://fal.ai/models/krea/v3/edit

Honeycomb 联合创始人兼 CTO Charity Majors 在播客中讨论 AI 生成代码加速后如何构建可靠软件，指出可观测性用于回答未知问题、连接变更与结果。

实时：https://fal.ai/models/krea/v3/realtime