AI 情报文章归档

感谢 @ValsAI 的高水准评测！"flash"这个词现在有点"误导性"了。Ling-3.0-flash-fin 总参数 124B、激活 5.1B，是一款高智能密度的"flash lite"。趁免费 API 还在，尽情享用吧。我们还有 fp4 量化版本可用于本地 AI 😛

铁威马发布 4 款 U-725 系列企业级机架式 NAS，均运行 TOS 7 人工智能原生操作系统。U8-725、U12-725 搭载至强 D-2712T 四核处理器与 16GB DDR4 内存，U12-725 Plus、U16-725 Plus 采用八核 D-2733NT 与 32GB DDR4 内存。

Your text-to-SQL agent has a failure mode that logs nothing, alerts nothing, and returns a...

Airbnb 与 OpenAI 达成新协议，让其工程和产品团队通过 OpenAI API 和 Amazon Bedrock 更广泛地使用包括 GPT-6 Astra 在内的前沿模型。Airbnb 此前已在内部 AI 助手中使用 Codex 及 GPT-5.6 Sol、Terra、Luna 等模型，其开发团队目前交付的功能数量比一年前多约 80%。

In September 2026, Mandiant described a failure in its AI Risk and Resilience report, drawing on data...

You ask Claude Code to build a feature. Minutes later, the code looks reasonable—but it solves a...

Why uploading your files to “free” tools might be costing you more than you think Last month, I...

AMD 在 GPUOpen 博客展示名为“四面体笼”（Tetrahedral Cages）的光线追踪技术，可将大规模动态场景的 BVH 显存占用从 80GB 降至约 1.7GB，BVH 更新速度提升约 90 倍。

I made Korean government data agent-payable with MCP and x402 — here's what actually...

A free MCP server and REST API for AI-rated job listings (no key) If you want an assistant...

小米智能门锁 5 Max 于 9 月 23 日 20:00 正式开售，标准版国补价 2999.65 元，内外双摄版国补价 3699.2 元。内外双摄版首发 UWB 近场无感开锁技术，授权设备靠近门锁一握即开。门锁提供 12 种开锁方式，主打 AI 3D 人脸及掌静脉识别，内置两块 8000 mAh 电池，标准续航达 11 个月。

Originally published at sameerbajaj.com. There have been many new entrants in the AI wave over the...

Anthropic 发布 Claude Opus 5.5，官方称典型任务成本较 Opus 5 低 40%，并引入每次行动前的分类器、可审计沙箱和合并前代码审查。小米 MiMo-V2.6 以大规模 RL 训练，两种模型在 6 天 Live RL 中各完成 30 步、累计约 75 万条轨迹，并公开训练框架与轻量 Harness。本期早报还涵盖美团推荐基座大模型落地、千问办公企业上下文等 10 条内容。

BestBlogs 早报本期精讲 Anthropic 发布 Claude Opus 5.5，典型任务运行成本较 Opus 5 低 40%，缓存读取价格下降 60%，输出速度提升超 30%。

运营约 9 年的 Apple Park 游客中心于 2026 年 7 月启动翻修，撤下原有 AR 展区，改为名为 "Exhibition Space" 的传统零售区域。访客此前可用定制 iPad 通过增强现实查看园区建筑结构、内部办公区布局及太阳能设施。现场沿墙设置 Avenues 配件展示区并更新产品展示台，咖啡馆继续营业，苹果未说明取消 AR 展项的原因。

Redwood Research 测量 GPT-6-Astra 在提示词中加入无意义填充 token 后的表现，发现其在要求大量串行认知的任务上显著提升，4-hop 自然事实推理从约 10-20% 提高到约 50%，旧 AIME 题从约 60-70% 提高到约 90%。

OpenAI 宣布成立独立数学家顾问小组 AGMAI，由普林斯顿 IAS 承办，九名成员来自 Stanford、Harvard、Oxford、Cambridge 等机构，将就新兴数学成果的评审与发布提供建议。

The top of the Google results for "best AI code review tools" is a wall of vendor listicles. Most of...

我们真的从沙子里创造出了智能。 听起来仍然不可思议 👽 “如果你简化我们整个流程中所做的事 > 熔化沙子，让能量穿过它，然后从另一端得到智能”

谷歌信任与安全团队创始人 Tom Siegel 呼吁放缓 AI 发展，警告 AI 对儿童的伤害可能超过社交媒体，并已加入 Common Sense Media 担任青少年 AI 安全研究所首任执行主任。他建议 Anthropic 和 OpenAI 实施更严格的年龄验证，并呼吁谷歌在搜索中提供关闭 AI 概览和 AI 模式的选项；谷歌和 OpenAI 均作出回应。

Discord 本周起根据账号存在时长、加入的服务器和活跃度等信号自动划分年龄组，超过 90% 的用户不会被要求确认年龄，模型不读取消息或通话内容。18 岁以上用户体验不变，13-17 岁青少年账户将获得额外保护，包括屏蔽年龄限制内容和陌生人消息审查。

据日经新闻报道，三菱重工美国公司董事长兼 CEO Takao Tsukui 表示，受美国 AI 数据中心建设需求推动，公司燃气轮机订单积压处于历史最高水平，2029 至 2030 年交货排期紧张，合同价格同比上涨约 20%。

运用模型能力的正确方式，不是往生产环境塞 10 倍的功能 而是花更多时间去理解用户、做实验、搭原型、搞懂你不明白的东西，从而交付真正有用的东西

论文提出 Just-in-Time Memory（JitMem），保留原始轨迹并把记忆整理推迟到读取时，由整理器根据当前任务合成任务自适应的紧凑载荷。在 ALFWorld、WebShop 和 τ^2-bench 上，JitMem 分别超过最强基线 16.2、16.3 和 3.9 个绝对成功率点，未训练的整理器也已与基线相当或更优。

Apple 提出 probe guidance，利用现有扩散模型冻结的内部状态构建引导信号，无需在推理时增加额外前向计算，即可让弱模型与强模型保持相近动态。该方法在连续扩散语言模型的无条件生成上取得新的 SOTA，应用于 1.7B 扩散语言模型时在多项选择题基准上持续提升。研究还发现，传统 autoguidance 中的弱模型必须来自训练的低熵区域。

研究者提出 Agent-Editing World Model（AEWM），不再模拟工具响应，而是建模推理与动作如何塑造任务进展，通过 Action Judge 区分 Critical、Exploratory、Noisy 决策，并用 State Revision 编辑噪声推理-动作续写。

DeltaWAM 用稠密锚点、稀疏 delta 与动作三路流联合预测视觉变化量和动作，替代传统世界动作模型对完整未来帧的稠密预测。在 RoboTwin 上配合 Streaming Delta Memory（SDM）后，平均成功率从 Fast-WAM 的 81.3% 提升至 85.4%，视觉随机化下从 75.8% 提升至 83.9%。

Together AI 在 Qwen3.5 4B 基础上推出 Jev 类分类器 together/Tev1-4B-experimental，已上线其 serverless 平台。该博客展示了如何以 17 美元微调出自己的版本。

Meta 发布 Muse Realtime Avatar，将 Muse Realtime Voice 的语音流实时转化为带表情、手势和全身动作的交互化身，可基于参考图像驱动人像、插画、动物或日常物品。

OpenAI 与东南亚超级应用 Grab 合作推出 GO Forward with AI 技能培训项目，计划两年内帮助东南亚 3 万名 Grab 司机、配送和商户合作伙伴掌握实用 AI 技能。

研究者在将 Qwen3-4B 和 Qwen3-8B 蒸馏到 Qwen3-1.7B-Base 时发现，潜在监督会让 MATH-500 准确率在 10 步内从 25 升到 46，随后却崩到 11 且无法恢复，而对齐指标仍在持续改善。

Epoch AI 更新并扩展了 OECD 的半导体拆分投入产出表，将半导体增强版 ICIO 数据更新至 2016-2022 年，并按处理器、存储和其他芯片进一步细分，其中韩国出口的堆叠存储（含高带宽内存）单独可见。该表可追踪各国半导体的最终买家，并衡量各国支出对外国芯片生产商的暴露程度，用于校准贸易模型、估算贸易战或自然灾害等供应链冲击的影响。

针对 Representation Autoencoders（RAEs）中高保真重建编码器会降低表征有效维度、导致 flow matching 标准速度预测需拟合信号流形外的正交噪声方向、优化低效的问题，论文提出改用干净数据参数化（x₀-prediction），将学习集中在底层信号流形上。在多个强重建编码器实验中，x₀-prediction 一致提升了文生图生成性能。

FLEET 将每次生成表示为熵超过阈值的稀疏轨迹，并据此推断逐 token 效用分数来调整 logits，从而在生成过程中引入记忆机制。基准评测显示，FLEET 在达到与重复采样基线相同准确率的同时实现 3x 加速，并在相同预算下将 LiveCodeBench Pass@32 从 59.9% 提升至 66.2%。

Factory 宣布 Factory Router 的生产环境推理成本节省从 6 月下旬的 42% 升至截至 9 月 13 日当周的 63%，同期路由会话量增长约四倍。

研究团队发布 StudentBench 评估套件与公开平台，基于超过 175,000 条学生-AI 消息和 2,383 名参与者的数据，发现 AI 辅导在 GRE 学习增益上与专家人类辅导统计等效（p = .015），七个 GRE 领域中有五个领域表现最好的 AI 辅导者平均超过人类。

VHD-Play 提出先采样并求解数学模型、再由 corpus-grounded setter 将决策过程渲染为有状态工具的环境生成流程，可执行动态与轨迹评分标准均继承自同一已解模型，以每个几美分的成本生成 3,300 个智能体环境。

Cursor 推出 Rollouts 和 Security Review 两个 bot，面向团队版和企业版开放，可在仪表盘的自动化选项卡中启用。

TimeEvo 提出一种失败驱动的时间序列智能体自进化方法，通过将诊断出的失败聚类为能力缺口、为每个缺口规划度量、合成仅基于证据的工具，并经配对准入机制筛选候选工具库。在十个时间序列 QA 任务和三个骨干模型上，TimeEvo 从空工具库起步，在每个任务和每个骨干上都提升了准确率，且在廉价模型上成长出的工具库装入更强模型后仍能带来增益。

Morphometric Imitation 提出三阶段框架，将重建的人手-物体交互转化为零样本 sim-to-real 视觉运动策略。在三种机器人手和十种 HOI 上，其 MMO 的接触 F1 比五个基线中最强者至少高 8 分，下游动态重定向成功率最多提升 35 分；最终策略在 30 个物体、300 次真实世界试验中实现 89.3% 零样本成功率。