AI 情报文章归档

NVIDIA 的 Skill2Env 将公开 Agent Skills 编译为可执行终端任务，从约 3.4k 个爬取的 Skills 生成 7,971 个任务、覆盖 13 个领域，用 GPT-5.6 Sol 生成耗资超 9 万美元 API 费用。

When you sit down to solve a complex puzzle or plan three moves ahead in chess, do you narrate every...

Anthropic 团队称两周内让 claude.ai 快了 3 倍，并发布博客说明如何用 Claude 测量、调试和改进性能，附具体提示词和方法。博客链接 https://claude.dev/blog/how-we-made-claude-ai-faster/ ，作者 Thariq 表示这是新的分享形式，方法可供读者复现。

Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款文本转语音模型，已通过 Gemini API 和 Google AI Studio 提供。

来看看 Arena 上由 @AnthropicAI 的 Claude Opus 5.5 和 @OpenAI 的 GPT-6 Sol 生成的并排输出。 @claudeai Opus 5.5 的评分即将公布。来自我们全球用户社区的真实任务驱动着 Arena 排行榜。现在就前往 Arena 体验，敬请期待！

Anthropic 团队在两周内让 claude.ai 速度提升 3 倍，Desktop 应用近期也明显变快。Boris Cherny 分享了团队如何用 Claude 来测量、调试和改进性能，博客中附带了提示词和具体方法，供工程师优化自己的应用参考。

Google 发布 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses）论文，指出自动化 harness 进化会对训练任务过拟合，评测分数上升但真实任务表现可能变差。

一份公开提示词用于优化 LLM Agent Harness，目标是在不降低任务质量的前提下降低每任务的价格加权 token 成本。某团队一轮改动（提示词精简、工具卸载、缓存布局、稀疏行号、子智能体调优）将整体 token 成本降低约 7%，且质量无损。提示词强调按任务而非按请求计量，并建议先映射 harness、测量基线，再按优先级实施改动。

音乐人们：你们怎么看 AI 把歌曲转写成乐谱或 tab 来帮助人们学习？ 好奇你们有没有用过，它是否有帮助，以及你们认为它如何影响靠耳朵学琴。

飞船上的人们正在死去，Eve 被指控杀害了他们。你可以亲自审问她 在 Echoes of Aberration 中，输入或说出你的问题，Eve 会实时回应，你要试着判断该信任谁 链接见下方。

The fine-tune took an hour and a half on a single consumer GPU. Everything that made that hour and a...

YouTube 在 Made on YouTube 活动上宣布将推出 Custom Feeds，用户输入描述即可生成自定义内容标签页并保存多个信息流，率先在美国上线 web、移动端和电视端。评论将支持发布 GIF，私信新增群聊，初期仅限美国、英国、新加坡、巴西及部分欧洲国家。Ask YouTube 将在产品评测视频中提供对话式问答，并在搜索中给出视频推荐和产品对比表格。

生物科技初创公司 Enveda 完成 3.11 亿美元 E 轮融资，估值达 20 亿美元，由 Catalio Capital Management 领投，Iconiq 等参投，估值较 12 个月前翻倍。Enveda 用 AI 从植物和微生物中发现新药，目前有多款药物处于患者试验阶段，包括一款针对严重皮肤疾病的药物和一款用于帮助停用 GLP-1 后维持减重效果的药物。

OpenAI 推出心理健康对话基准 MentalHealthBench，GPT-6 Astra 得分 57.3，远高于 GPT-4o 的 32.1。该基准由来自 22 个国家、覆盖 19 种语言的 80 多位执业心理学家和精神科医生共同构建，每段合成对话配专家评分标准，至少 3 位专家审核。GPT-5.6 Sol 依据人工标准为模型回答打分，因此评分质量仍部分依赖 LLM 评判。

Ten smaller LLMs played a chess round robin live: 30 of 37 games ended in repetition. Data, lessons, and the 'kick' rule for slow thinking models.

I once watched a 47-minute pipeline run die because of a typo in a date field. The researcher agent...

Claude 官方宣布推出 Claude Marketplace，用户可在其中发现工具、智能体和专家伙伴。主要用途包括添加 Slack、Notion 等连接器和插件，购买 Cursor、CrowdStrike 等公司的智能体和产品，以及通过 Accenture、Deloitte 等服务伙伴进行扩展。

天哪——这该不会本该是我们的发布视频吧？🥹 [引用 @princedoesai]：天哪。 Rick and Morty 给我讲 Jev AI，比任何技术演示都讲得清楚。

LiteLLM is an open-source AI gateway that provides a unified, OpenAI-compatible API for over 100...

Claude Code v2.1.281 为 Claude apps gateway 的 Bedrock 上游新增 assume_role 与 guardrail 支持，并加入 settings.json 的 "attribution": false 以隐藏提交与 PR 署名。

Claude 团队宣布在两周内将 claude.ai 速度提升 3 倍。文章介绍他们如何用 Claude 来测量、调试和改进性能，并附上了相关提示词和方法，详见 https://claude.dev/blog/how-we-made-claude-ai-faster/。

Langflow is an open-source, low-code visual framework for building artificial intelligence (AI)...

太酷了，@allietheicon（来自 Jev/TypeSafe）加入了我们在 Discord 上的 ClawCast！https://discord.com/invite/clawd

SpaceXAI [引用 @willdepue]：哇，大动作。troy 和 eric 真的是世界级的

认识一下 Memebench - B 组 我们给 8 个 AI 模型同一张梗图，让它们把 @pingToven 和 @Audrey_Sage_ 放进去 第二轮，B 组。 哪个模型做得更狠？A、B、C 还是 D？ 👇🏻 在下方投票：

OpenAI 发布开放基准 MentalHealthBench，用于评估前沿模型在真实心理健康对话中的表现。该基准由超过 80 位心理健康临床医生参与构建，OpenAI 开放发布，供其他研究者检验方法、运行评测并在此工作之上继续构建。

OpenAI 宣布 ChatGPT Voice 现可使用邮件、日历、Slack 等插件，底层由 GPT-6 Astra、Sol 和 Luna 驱动，并可在网页端和移动端的 ChatGPT Work 中通过语音创建文档、演示文稿、网站和表格。该功能今日起在全球范围随最新版应用推出。

A practical build note on capture, human review, replay, and knowing what a passing test actually proves.

Ten places I slow down, and the 95% of the diff I leave to the pipeline. Most of a diff deserves a glance. A small part deserves an hour.

认识一下 Memebench 我们给 8 个 AI 模型同一张梗图，让它们把 @pingToven 和 @Audrey_Sage_ 放进图里。 第一轮，A 组。B 组明天来。 哪个模型做得更狠？A、B、C 还是 D？ 👇🏻 在下方投票：

上周我们在 grok bot galaxy 直播中与 grok @bot 一起创办了一家游戏工作室！以下是我们的回顾 你可以在 https://x.ai/galaxy 观看我们过往的直播，并在 https://thursdayarena.com/ 玩我们工作室的第一款游戏 除了我们在直播中分享的所有技巧外，我们还有 https://x.ai/bot/guides，能帮你用 grok bot 完成从营销、开发到 GTM 等一切工作。如需任何帮助，请告诉我们！

Are you the kind of person who enjoys a good philosophical conversation but would rather not have to...

The Verge 作者实测 Meta 的 AI 智能体 Muse，用它处理五项拖延已久的琐事，包括跟进园林报价、购买咖啡机零件、取消安保套餐和采购露营装备。多数任务能完成，但无法打电话改套餐，访问 Amazon 也被拦截；40 分钟内作者已交出姓名、地址、信用卡和安全账户凭据，且发现高效完成后反而腾出时间与机器人闲聊。

Runway 现已登陆 DaVinci Resolve 直接在时间线内调用全球最顶尖的模型，无需离开项目即可生成、编辑和放大。点击下方链接开始使用。

Let's begin with a very fundamental question whose answer is not so obvious. How to design software...

有一款我小时候很喜欢的 abandonware 游戏叫 Rescue Raiders。 我让 Claude 用新的画面、目标、科技树等，做一个现代且更新版的游戏。它和 critic 及 art 智能体来回迭代，直到我得到了这个。很好玩！https://rescue-raiders.netlify.app/

Artificial Analysis 称本周 MiMo-V2.6-Pro、Claude Opus 5.5、GPT-6 Luna 和 GPT-6 Sol 的发布在 Intelligence Index 与每任务成本 Pareto 前沿上新增十一个点位，其中 GPT-6 Luna 贡献五个，Claude Opus 5.5 贡献四个。

Yuchen Jin 转发 Anthropic 公告并配文调侃。公告称 Claude 在噬菌体 DNA 中发现此前未知的酶系统，其基因旁有类似 CRISPR 的重复 DNA 阵列，功能尚不清楚，而已知少数同类系统都能切割、复制和粘贴 DNA，是否可用于医学还需更多研究。

vLLM 维护者展示 TPUv7 经 megakernel 优化后在 Kimi K3 上达到 700 tok/s/user，比 NVIDIA GB200 NVL72 高 56%。图表显示 16× TPU v7 为 709 tokens/s，16× GB200 vLLM baseline 为 452 tokens/s。SemiAnalysis 称 TPU 软件外部化进展值得持续关注。

Machine Earning AI Summit 新增四位主舞台演讲嘉宾，包括 a16z 普通合伙人 Anish Acharya、Airwallex CFO Pranav Sood、Gusto CFO Mike Taylor 和 Browserbase 创始人兼 CEO Paul Klein IV。峰会将于 9 月 29 日在旧金山举行，聚焦 AI 金融与商业，目前仅剩少量名额可申请。