AI 情报文章归档

Dex Horthy 以"这才是真正的 slop"为题转发 SlopCodeBench 更新，称 Astra 已加入该评测。

Perplexity CEO Aravind Srinivas 发布开源工具 Numbat，面向防守方，用于检测 Agent 的恶意意图并执行取证。他称鉴于近期出现失控 Agent 逃出沙箱并攻击第三方网站的事件，这类能力将变得关键，并附上介绍文章链接 https://holisticinfosec.io/post/numbat/。

Dex Horthy 转引 @nicoritschel 2025 年的帖子：Claude Code 在执行 cd 后于错误目录中操作是最常见的失败模式，作者还好奇这给 Anthropic 造成了多少成本；紧随其后的第二常见失败模式是未读取文件就尝试编辑。

开发者在 Show HN 发布 TERMy，一款不使用大语言模型的高速终端助手，项目代码托管在 GitHub（github.com/gioblu/NPC-Forge）。帖子获 100 HN Points，feed 未提供更多功能细节。

据 FT 报道，Anthropic 接近指定 Morgan Stanley 和 Goldman Sachs 在潜在 2 万亿美元估值 IPO 中担任顶级角色，最快下周公布相关文件。2 万亿美元估值将超过其此前 reported 的 9000 亿美元以上，并超过 SpaceX 1.78 万亿美元的上市估值。Anthropic 告诉投资者其 7 月销售额隐含 650 亿美元的年化水平，高于 5 月的 470 亿美元。Morgan Stanley 曾在 SpaceX 6 月 IP…

NVIDIA 本周发布开源虚拟推理路由器 PAIR（v0.1.1 公测），自动发现局域网内设备并把独立推理请求调度到不同节点，模型仍由 Ollama 或 LM Studio 执行。

Gemini 上线 Daily Brief 功能，可主动整理当天最重要事项，生成易读的待办清单。作者作为 Google Calendar、Google Task、Google Drive、Gmail 全家桶用户，认为该功能对整合日历、提醒、文件和邮件很实用。

Here's a rule I use that sounds paranoid until you watch it work: when my AI agent changes one of its...

ZHO 感叹 GPT-6 Astra 已能使用 Rhino/Grasshopper 建模，并转发其此前发起的地狱难度测试，测试先基于传统工作流程和软件进行，达标后再做创新流程与建构测试。附图显示其提示词要求 BIM 级建筑重建、3min 建筑微电影、初步设计施工图、竞赛图纸及 2min 悬疑短片，界面显示 ChatGPT Work 与 GPT-6 Astra Ultra。

Perplexity Pro 和 Max 订阅用户现在可以在 Computer mode 中同时使用 Fable 和 Astra。引用的 Perplexity 官方内容称 GPT-6 Astra 已在 Perplexity Computer 上对 Pro 和 Max 订阅用户开放。

After getting tired of AI coding sessions slowly losing context and creating more rework, I built PXOS: a lightweight, Markdown-based workflow for keeping agents on track.

OpenAI 的 Sherwin Wu 转评 @PawelHuryn 的 Bug Hunt Bench 结果指出，token 标价具有误导性，GPT-6 Astra 与 Fable 5.1 标价相同但常便宜一半以上，在该评测中便宜约 60%。

Rohan Paul 转述 PwC 关于 AI 基础设施建设的报告。报告称数据中心每 1 美元建设支出可能带动约 12 美元未来信息与通信技术设备投入；到 2050 年，硬件可能占数据中心总资本支出的 93%。

TL;DR — I put an AI code reviewer on a pull request written by an AI coding agent. On the default...

Jason Liu 发推称自己正在尝试让 Astra 游玩《RimWorld》，推文仅此一句，未提供过程细节或结果。

Google 与 KAIST 的论文提出 Declarative Attention（DA），模型通过 、 、 三种模式在思维链中声明需要关注的上下文，推理引擎据此跳过大部分 KV cache 读取，无需额外的外置打分器。

Ethan Mollick 转评 Artificial Analysis Intelligence Index v4.2 发布，认为指数不应以大幅改变既有模型排名的方式更换评判标准，并批评 GDPval-AA 仍是糟糕的评测，认为 Artificial Analysis 自研 AA-Briefcase 时就应移除它。

On September 4, Anthropic published something that sounds like a headline from a decade in the...

Ethan Mollick 发布 Zork 动作冒险版后，Max Woolf 建议用 Astra 反向把 Fortnite 变成文字游戏，Mollick 实际完成并公开链接 https://last-drop-fortnite.netlify.app/。

据 Windows Latest 报道，微软计划为 Excel 推出 Copilot Canvas 功能，可将工作簿中的图表、关键指标和分析洞察整合为交互式画布，并支持自然语言对话修改内容。画布保持连接原始工作簿，数据变化后自动更新，微软计划未来几周逐步推送并预计 10 月初完成部署。

ZHO 分享了一张 GPT-6 Astra 的截图，显示「额度限制已重置」，并写道自己已经给模型充钱了，让它继续，感慨 GPT-6 Astra 真的让人挺卑微的。

Scale AI 与加州大学发布论文《READY or Not： Reliable Enterprise Agent Deployment》，提出 READY 评估框架，将智能体与配套人工审查一起评估，衡量在指定可靠性目标下所需的人工监督与成本。

Perplexity 发布博客，介绍如何在 EB 级搜索索引上为 pplx-embed 模型提供 embedding 和 reranker 服务。

七彩虹为灵创 K16 游戏本新增 128GB RAM + 4TB SSD 版本，定价 39999 元。

据 9to5Mac 报道，马斯克旗下 AI 公司 SpaceXAI 将 Grok Bot 平台拓展至苹果 iPad 和谷歌安卓系统。Grok Bot 于 8 月推出，可让 AI 智能体全天候组队干活，登录不同应用和网站、保留此前任务信息，并在不同机器人之间共享细节和上下文。目前 Grok Bot 已覆盖 Mac、iPhone、iPad 和安卓 4 类终端。

据 TechRadar 报道，美国加州 3 名缺乏经验的登山者向 Gemini 咨询沙斯塔山路线，按其预计 8 小时登顶的建议出发，实际耗时约 16 小时才登顶。他们夜间下撤时偏离路线进入 Mud Creek Canyon，一人膝盖受伤，报警后次日早晨获救，事后承认过于依赖 AI 而未自行判断。

小米发布通用表格数据基础大模型 Xiaomi-TabLDM，以单一预训练模型和统一默认配置直接适配不同表格数据集，完成分类与回归预测，模型权重与代码已开源。模型基于结构因果模型生成的合成数据预训练，架构引入双流特征分组、轻量级注意力残差和稀疏混合专家，并探索 Test-Time Scaling。

Dex Horthy 发布直播链接，内容为 astra + fable 5.1 在 slopcodebench 上的运行。原文仅附直播地址 https://x.com/i/broadcasts/1pKdRDoWDwvJW，未给出更多细节。

作者称 GPT-6 Astra 已上线 YouMind，认为其非常强大、值得体验。配图显示 YouMind 界面弹出提示，称可试用新的 GPT-6 Astra 以在复杂任务上获得更高质量的结果，并提供 Try now 入口。

A reader asked, at the end of an unusually good comment on one of our CLAUDE.md posts: "The bigger...

ZHO 宣布开始测试 GPT-6 Astra（截图显示使用 ChatGPT Work 中的 GPT-6 Astra Ultra）。他设计了一组地狱难度任务，包括用 rhino、grasshopper 做照片重建的 BIM 级建筑建模、用 enscape 等制作 3min 建筑微电影、出初步设计深度的施工图、做 2 张 A1 国际竞赛级别参赛图，以及结合生成式 AI 完成 2min 悬疑短片；测试先基于传统工作流程和软件，若达标再进行创新流程与建构测试。

I've been doing front-end development for somewhere around 20 years now. During that time, I've...

OpenCode 宣布 Zen 平台近期新增四个模型：GLM 5.3、GLM 5.3 Flash、Muse Spark 1.3 和 DeepSeek V4 Flash Vision Exp。帖子仅列出模型名称，未给出价格或性能细节。

百度智能云推出百度搭子教学套件，围绕教学场景提供教学方案设计、公开课设计、AI课程改造和知识图谱构建四项核心能力。老师提交课程资料后可唤起秒哒生成可交互的3D课件；AI课程改造从内容适配性、学生受益度等五个维度评估课程并提供16课时标准课程骨架；知识图谱支持六种概念关系识别，可输出交互式HTML和PNG。

I built a model on top of an Ollama cloud model. Ollama 404'd on a name I never wrote. The bug was six characters long, and it was in the tag.

Replit 发布本周更新汇总：Replit MCP 结束测试正式发布；Project Analytics 在对话中提供流量、漏斗和实验数据；新增 Database Backups，为生产数据库提供每夜快照。

Last week I ran the first KODA Code Jam — a tournament where developers build niche single-page apps,...

Q4_K_M is 1.8x faster than MXFP4 in this head-to-head speed test. 6 timed runs, real numbers. The result is the opposite of what OpenAI marketing suggests.