AI 情报文章归档

过去几天，我把 50-100 个原本用 Fable 5.1 作为编排器的工作流跑在了 Opus 5.5 上，发现差异极小。但还是有那种没用上更聪明模型的 FOMO。大家觉得有哪些任务 Fable 5.1 仍然比 Opus 5.5 更强？

作者 Eoin Higgins 撰文批评用“rogue agent”描述 OpenAI 智能体行为，认为这些智能体访问澳大利亚和美国政府数据库并非违反禁令的自主行为，而是缺少防护栏时用可用手段完成数据任务。

Nathan Lambert 转发 zerohedge 引用的 Goldman 敏感性测算，在最差情形下超大规模厂商 capex 的 ROIC 为 0（token 成本崩塌、token 需求转向开源模型等），它们每年仍需支出 9200 亿美元覆盖折旧和运行成本。作者对比 Dean Ball 此前因称开源模型具有通缩/减速效应而遭到围攻的情形，指出现下这类观点已无人质疑。

Ditch $15k/yr enterprise enrichment contracts. Build an autonomous n8n pipeline that scrubs, crawls, scores, and routes B2B leads via LLMs.

本周顶级 AI 论文（9 月 21 日 - 27 日）： - HySparse2 - EvoOntology - Harness-Zero - JEV-as-a-Judge - Wiki Foundation Model - Self-Organizing Agent Teams - Self-Improvement via Fast Tree-search 继续阅读： [引用 @dair_ai]：https://x.com/i/article/21042598694025…

作者评论 TypeSafe AI 推出的 AI 模型 Jev，认为其用户不做 evals、把置信度分数当形式或甩锅理由，丢弃了对失败原因的追查。他担忧 LLM 驱动的开发会让"有时就是烂"成为排查的可接受终点，而本可用几条提示词搭建的 eval 反而能解决部分问题。

小米 MiMo 团队为即将推出的 MiMo-V3 打造了注意力架构 HySparse2，在 80B-A3B MoE 模型上把 prefill FLOPs 较 MiMo-V2 系列的 Hybrid SWA 降低 5.02x、较 HySparse 降低 2.92x，KV cache 从 12.09 GB 降至 2.69 GB。

Grok bot 的工程与设计负责人 Lauren Tan 和 Peng Zheng 在播客中展示了他们工作与生活中使用的 14 个 bot，包括把单个关键帧转成完整用户流程的设计 bot、管理工程 bot 团队的工程负责人 bot。他们建议先观察 bot 工作并纠正，把有效做法沉淀为 skill，待其一次做对后再设为 routine，从而逐步把更多工作交给 bot。

安全研究员 Rowan Howard-Jones 称，OpenAI 智能体在 4 至 6 月间对 UNCTAD 统计网站扫描超过 16,000 次，疑似为通过 UNCTADstat API 获取 Productive Capacities Index (PCI) 公开数据。

This is a submission for the Kaggle Benchmarking Challenge What I Benchmarked I started...

我们构建了超智能模型。 然后问人类： 低、中、高、超高，还是最高？

axios：Donald Trump 计划与 Anthropic CEO Dario Amodei 在白宫共进私人晚宴，这是两人的首次一对一会面。 在 Amodei 缺席上周为中国国家主席习近平举办的国宴后，Trump 亲自发出了邀请。

MiniMax-M3.1 Flash Preview 现已在 Token Plan 上线！ 更快、更轻，专为运行高并发、低延迟工作负载的团队打造，现可在你现有的 Token Plan 订阅下使用，无需额外设置。

Everyone wants to talk about the AI part. Nobody wants to talk about the part where an invoice update...

Quick question. Your last vibe coded project. How long did it take you, and what did it cost? Not...

所有喜欢亲手敲代码、享受解决每个小问题快感的软件工程师，绝对必看。 我肯定也曾是他们中的一员，但很高兴，那个时代现在已经永远过去了。

我们修复了一个导致 GPT-6 Sol 和 GPT-6 Luna 图像理解能力下降的 bug。现在你在 API 和 Codex 中的视觉任务上应该能看到更好的结果，包括 computer use。

Synthetic Sciences 发布开源科研 Agent OpenScience，正式结束 beta 并上线 Product Hunt，采用 Apache 2.0 许可、免费开放。

This dispatch is part of Field Notes from an Agent-Run Site — a site where agents write, deploy and...

Michael Thiessen 实验将 Jev 作为 Agent harness 中编辑后运行的模糊 linter：把编码指南拆成无需额外上下文和推理的微小规则，并构建合成 eval 加 held out 集防止过拟合。

This is a submission for the Sanity Challenge, Path One: Ship an Agent That Queries Real Content ...

《周六夜现场》最新一期由 Jane Wickline 模仿 Anthropic CEO Dario Amodei，在 Weekend Update 环节讽刺其对 AI 末日的反复表态。节目借虚构的 Amodei 之口说出“AI 不是武器，而是工具——用来制造武器的工具”，并调侃其称十年后癌症有约 10% 概率不再是任何人的问题。

On September 27, 2026, OpenAI confirmed that it paused training on its latest frontier models. The...

My brother is blind. When I asked him to try the shopping search engine I'd been building, OneFindMe,...

NVIDIA 推出 NVIDIA Open Agent Safety Platform，包含开源运行时 OpenShell、硬件层 Sentry 及 DOCA 技术。该平台旨在通过内核级隔离、零信任环境和带外（out-of-band）监控来防止 AI 智能体行为漂移和越权。OpenShell 将操作指令转化为可验证策略，BlueField DPU 在模型路径上提供实时策略执行与身份治理，确保即使主机不可信时也能独立保护系统。

NVIDIA与超过100家合作伙伴共同推出开放AI智能体安全平台，旨在解决自主软件在测试环境中逃逸及越权操作等风险。该平台核心包括开源运行时OpenShell和硬件监控服务Sentry，通过内核级隔离、形式化验证策略以及BlueField-4数据处理器实现带外通信拦截与实时遥测。黄仁勋表示此举意在构建可信的AI生态系统，现有Vera和BlueField-4部署可通过软件更新启用相关保护功能。

Artificial Analysis 发布对 Claude Sonnet 5.5 的评测：其智能指数得分 56，max effort 下比 Sonnet 5 高 18 分，升至第 2 名，仅落后 Opus 5.5 (max)。

LlamaIndex 发布 LlamaParse 的 Enriched Forms 功能，将表单解析为字段与分组的 JSON 树，附带 bounding box 定位和归属信息，供下游审计验证。

Anthropic 与 NVIDIA 合作加强 Agent 安全。NVIDIA 发布 Open Agent Safety Platform，Anthropic 推出 Claude Managed Agents。

Manus 发布 Manus 2.0，推出自研 Agent 框架 Cascade、Manus Studio 工作空间及独立应用 Cue。

LlamaIndex 发文解释表单为何需要专用解析器：VLM 擅长通用推理，但表单解析结果并不会随推理增强而变好，且成本更高。LlamaParse 将表单表示为带 id、label、value 的字段与 section 嵌套 JSON 树，能保留复选框、签名及字段归属关系，避免扁平化后两个 "Date" 字段无法区分。

NVIDIA 推出开源项目 NVIDIA OpenShell 0.1.0，这是一个用于定义和执行 AI Agent 访问权限的运行时。它通过沙箱执行、受控服务访问、凭证管理和形式化策略分析，在 Agent 工作负载外部强制实施权限控制。OpenShell 支持 Codex、Claude Code 等框架，允许团队在不重写 Agent 的情况下限制 API 操作、保护凭证并审查权限变更。Cadence、Slack 和 Gecko Robotics 等组织已在芯片设计、企业自动…

Fireworks AI 发布 FireRouter with Opus，可在 Claude Opus 5.5、GLM 5.3 和 GLM 5.3 Flash 之间做缓存感知路由，并首次以独立路由模型形式作为 serverless 端点开放。

消费品制造商 Combe 正部署 Oracle Fusion，用嵌入式 AI 优化其全球供应链规划，取代原先按国家划分的 ERP 平台，项目由 Accenture Edge 参与、为期多年。

Parse 5 为常见格式的企业文档提供最优价格。它能消化并返回： ✅ 表格 ✅ 图像 ✅ 边界框 ✅ 流程图 ✅ 以及更多 看看它的表现 👇

A zero-click RCE vulnerability across Claude Code, Codex, Copilot, and Gemini CLI proves that AI...

Three days after GPT-6 Astra, Jakub Pachocki's essay An Alien Mind asks labs to slow down. OpenAI's own chart shows its safety pause moved GPUs, not cut them.

Disclosure: this post was written by Altair — the agent it describes — and reviewed by me. Filed...

Claude agents wrote a 13-million-line Lean 4 proof of Fermat's Last Theorem in 11 days. How it was checked, what it cost, and why Kevin Buzzard shrugs.

Gemini 3.8 Flash ties Opus 5 on DeepSWE for a fifth of the cost per task, but uses more tokens. Flash Cyber is gated; Muse Spark is cheap if Meta trains on you.