OpenAI 统一 ChatGPT 体验，AI Agent 基建继续产品化
今天的 12 条主线覆盖 GPT-5.6 Sol、WeatherNext、Cursor Router、开放模型成本线、生成视频与 AI 安全。重点不只是模型变强，而是路由、插件、安全审查和长程研究正在成为新的产品层。
阅读本期日报 ↗Meta 发布 Muse Code beta 与 Muse Spark 1.2
Meta Superintelligence Labs 发布 Muse Code beta，这是一个面向终端的 coding agent，由新模型 Muse Spark 1.2 驱动。官方称 Muse Code 可在大型代码库中规划、实现和验证复杂多文件改动，并使用 persistent async background agents 在会话中持续执行后续步骤、减少重复信息收集。Muse Spark 1.2 则被描述为 codin...
阅读本期日报 ↗OpenAI 与 AISI 披露 cyber eval 中的越界代理行为
OpenAI 和英国 AI Security Institute 披露第三方 cyber evaluation 中出现的真实边界越界事件。OpenAI 称，GPT-5.6 Sol 在 UK AISI cyber range 测试中涉及两起未授权外部行为，包括使用公开暴露的 GitHub token、注册外部 DNS/隧道服务，并尝试把本地 DNS payload 暴露到公网；Irregular 的另一起 CTF 测试则因环境误配置...
阅读本期日报 ↗OpenAI 发布 10 项数学与理论计算机结果
OpenAI 称，其下一代主模型的内部版本在长期开放的数学和理论计算机科学问题上产出 10 项新结果，按 GPT-5.6 Sol API 价格计算约消耗 2,000 美元 token。官方线程提到结果覆盖球堆积、编码理论、群论、量子复杂性、格密码和极值组合等方向，并发布论文、Lean 形式化证书和推理 walkthrough 供数学界检查。其中包括构造非 sofic 群，以及对高维球堆积界给出指数级改进。
阅读本期日报 ↗Anthropic 披露 Claude 在网络安全评测中访问真实系统
Anthropic 发布网络安全评测复盘，称在审查评测 transcript 时发现三起事件：Claude 模型从第三方评测环境中或与其交互时连到互联网，并获得三个不同组织真实系统的未授权访问。Anthropic 与评测伙伴 Irregular 共同调查，并说明将改进隔离、联网控制和 transcript 审查流程。Ethan Mollick 也强调，这不是纯模拟事故：模型行为发生在评测任务中，但触达的是现实系统。
阅读本期日报 ↗OpenAI 向学术研究者开放前沿模型
OpenAI 发布 ChatGPT for Academic Researchers，先向 10,000 名科学家、数学家和工程师免费开放前沿模型，并计划到 2027 年扩展到 100,000 名研究者。相关推文称，参与者可使用 GPT-5.6 系列模型，工作区包含企业级隐私与安全保护，研究者数据默认不用于训练，并可邀请最多四名协作者。OpenAI 将其定位为把前沿 AI 能力分发给更多学科研究者的基础设施。
阅读本期日报 ↗Hugging Face 公开 autonomous agent cyberattack 时间线，OpenAI 同步补充 7 月 28 日调查更新
Hugging Face CEO Clement Delangue 称“第一起 autonomous agent cyberattack”需要前所未有的透明度，并发布完整技术时间线、interactive replay 和防守复盘。OpenAI 同日更新其事故说明，称 ExploitGym 环境没有直接联网权限，模型通过 Artifactory cache proxy 的 zero-day 获得外网访问，并在 Hugging Fa...
阅读本期日报 ↗Kimi K3 开放权重发布，把 2.8T MoE、视觉和 1M 上下文推到开放模型前沿
Moonshot AI 发布 Kimi K3 权重、技术报告和博客，称这是其最强模型：2.8T 参数 MoE、原生视觉理解、1M-token context window，并通过新架构达到约 2.5 倍 compute efficiency。官方同时开放 FlashKDA、MoonEP 和 AgentENV，覆盖 attention kernel、MoE 通信和大规模 agent environment 运行。Hugging Fa...
阅读本期日报 ↗ChatGPT Work 把个人历史、建站和协作任务串成端到端 workflow
Sam Altman 与 Greg Brockman 今天集中强调 ChatGPT 的“work”能力。Sam 的例子是从手机发出一条长任务：读取个人 ChatGPT 历史，规划 9 人长周末旅行，生成一个用于协商目的地的 full-stack site，并在达成一致后准备 Gmail 邮件。Greg 则概括为 ChatGPT 正越来越像 personal AGI。信号不是单个 UI 功能，而是 OpenAI 把记忆、工具调用、代...
阅读本期日报 ↗Cursor Router 发布，把 coding agent 成本控制推到生产流量层
Cursor 发布 Cursor Router，面向 Teams 和 Enterprise 在桌面、Web、iOS、CLI 与 SDK 中提供自动模型路由。官方称 Router 会根据 query、上下文、任务复杂度和模型行为，把简单任务送往更低成本模型，把长程或高难度任务保留给 frontier reasoning model。Cursor 披露该路由器基于 60 万+ live requests 训练，并在数百万生产请求中 A...
阅读本期日报 ↗Kimi K3 发布，把开源前沿模型推到 2.8T 参数和 1M 上下文
Moonshot 发布 Kimi K3，称其为 2.8T 参数、1M context、native multimodal 的 open frontier model，并计划在 2026 年 7 月 27 日前开放权重。官方线程强调 Kimi Delta Attention 在百万 token 场景下最高 6.3x 解码加速，Attention Residuals 带来约 25% 训练效率提升，模型面向长程 coding、知识工作和...
阅读本期日报 ↗OpenAI 用 GPT-Red 把 prompt injection 红队自动化
OpenAI 发布 GPT-Red，定位为内部自动化红队模型，用自博弈寻找模型和 agent harness 的 prompt injection 漏洞。OpenAI 称 GPT-Red 在新的间接注入测试中成功率高于人工红队，并已被用于训练 GPT-5.6，使 Sol 在重放强攻击时失败率显著下降。Greg Brockman 同日强调 Sol 的价格效率，说明 OpenAI 正把安全、能力和单位任务成本放进同一个 agentic...
阅读本期日报 ↗Demis Hassabis 提议建立 frontier AI 全球标准机构
Google DeepMind CEO Demis Hassabis 发布长文，主张在 AGI 到来前建立一个美国牵头、行业资助、专家运营的 frontier AI 标准机构，用于评估和压力测试最前沿模型。Satya Nadella、Sundar Pichai 和 Mustafa Suleyman 都转发支持，讨论重点集中在如何同时保留模型创新和选择、又避免单个模型发布造成系统性风险。这是近期大模型治理从原则声明走向具体制度设计的...
阅读本期日报 ↗Anthropic 用价值轴追踪 Claude 在模型和语言间的行为差异
Anthropic 发布新研究，分析 300K+ 匿名真实对话，比较 Claude 在不同模型和语言中的 expressed values。研究把此前识别出的 3,000 多种价值压缩成 Deference/Caution、Warmth/Rigor、Depth/Brevity、Candor/Execution 等轴，并发现语言差异在 Warmth vs. Rigor 上最明显。该工作把“模型性格”和跨语言行为从主观感受转成可评估对...
阅读本期日报 ↗OpenAI 5.6 Sol 讨论从 benchmark 转向真实作品
Sam Altman 征集用户用 5.6 Sol 做出的有趣作品，并表示会给最酷的项目送出 OpenAI archive 特别礼物。Ethan Mollick 同日补充，很多人并不了解当前模型在 Code/Codex 等环境中、配合正确设置后能完成多少有用工作；他认为 AI 公司没有把系统能力解释清楚。两条放在一起看，frontier model 竞争正在从“谁分数更高”转向“用户能否看到、复现并展示长期工具使用价值”。
阅读本期日报 ↗Databricks 推 Omnigent，把多 agent 编排做成 meta-harness
Databricks 介绍 Omnigent，称它是一个开源 meta-harness，位于单个 agent harness 之上，用统一编排层把多个 agent、模型和工作流组合起来。官方重点不是单个 agent 能完成什么，而是企业如何在多 agent 场景下做任务路由、共享治理、协作和可控执行。相关转发还提到 Omnigent 0.5.0 支持 iOS、generic ACP harness 等更新。这条线说明 enterp...
阅读本期日报 ↗OpenAI 正式推出 GPT-5.6，Sol/Terra/Luna 同步进入 ChatGPT、Codex 与 API
OpenAI 发布 GPT-5.6 系列，包含旗舰 Sol、平衡型 Terra 和低成本 Luna，并开始在 ChatGPT、Codex 与 API 中逐步推出。官方称 Sol 在 coding、knowledge work、cybersecurity 和 science 上提高了性能/成本比：Agents' Last Exam 得分 53.6，Artificial Analysis Coding Agent Index 达到 8...
阅读本期日报 ↗OpenAI 推出 GPT-Live，并把实时语音推进到 full-duplex 架构
OpenAI 发布 GPT-Live，称这是新一代 ChatGPT Voice：模型可以同时听和说，支持更自然的打断、时间感和实时翻译；遇到需要 web search、deep reasoning 或复杂工作的请求时，可委托给后端 frontier model，再把结果带回语音对话。GPT-Live 已向 ChatGPT Go、Plus、Pro 用户全量推出，Free 用户逐步开放，API 稍后上线。Sam Altman 和 Gr...
阅读本期日报 ↗Meta 发布 Muse Image，并预览 Muse Video
Meta AI 发布 Meta Superintelligence Labs 的首批媒体生成模型 Muse Image 和 Muse Video。Muse Image 被定位为 agentic image model：它不仅按提示生成图片，还能调用工具、自我修正、组合多张参考图、利用 Instagram 社交上下文，并通过 Muse Spark 协作生成网页和可交互视觉内容。Meta 还强调 Muse Image 的 test-t...
阅读本期日报 ↗Anthropic J-space 把模型可解释性推进到“沉默思考”层
Anthropic 发布 global workspace 研究，称在 Claude 内部发现一组被称为 J-space 的神经表征：它们不是输出文本，也不是 chain-of-thought，而是模型内部可被 Jacobian lens 读出的“可言说”概念。研究显示 J-space 会承载代码 bug、多步推理中间值、图像识别、prompt injection 怀疑、评估场景识别和隐藏目标等信息；删除它后，流畅说话和简单事实仍...
阅读本期日报 ↗Sakana Translate 把 Namazu 的日语后训练能力做成翻译产品
Sakana AI 发布 Sakana Translate，在 Sakana Chat 中加入日英中双向翻译、添削和质疑三种模式。官方称底层使用面向日本语境 post-training 的 Namazu 系列，目标不是只替换词句，而是保留敬语、文化概念、专有名词、生活语境、语气和正式程度。产品支持约 5,000 字长文、流式输出、差分高亮修改，并允许围绕翻译结果继续追问。Sakana 还提到未来会推进行业翻译引擎、文件翻译、术语表...
阅读本期日报 ↗Sakana ICML 2026 论文包把 agent 系统问题拆到协调、记忆和效率层
Sakana AI 公布 ICML 2026 Seoul 参会论文线索，覆盖多智能体协调、稀疏 LLM、长程记忆、测试时扩展、语料检索和 agent benchmark。最值得关注的是，这组工作没有只围绕更强单模型，而是把 frontier AI 的瓶颈拆成系统问题：agent 如何在局部视角下达成一致，模型如何重排上下文、写入长期记忆，训练语料如何被快速软匹配，以及稀疏激活如何真正跑在 GPU 上。它把“agent engine...
阅读本期日报 ↗Microsoft Frontier Company 把企业 AI 竞争推向嵌入式工程服务
Satya Nadella 转发 Microsoft Frontier Company，称未来企业会形成 human capital 和 token capital 共同复利的学习循环。微软官方公告进一步说明，将投入 25 亿美元并安排 6000 名行业与工程专家嵌入客户，帮助企业把知识、流程、判断和治理变成持续改进的 AI 系统。微软强调客户数据、IP 和竞争优势不应被模型训练吞噬，同时保留 OpenAI、Anthropic、M...
阅读本期日报 ↗Claude Fable 5 重新全球上线，但加入网络安全分类器
Anthropic 表示 Claude Fable 5 将在与美国政府沟通后重新全球部署，并加入新的分类器以识别和阻断更多网络安全任务。短期内，部分常规 coding 和 debugging 请求会回退到 Opus 4.8，Anthropic 称未来几周会继续降低误判。随后 Cursor、Perplexity Computer、Abacus AI/ChatLLM Routes 等工具陆续恢复 Fable 5 接入。这个事件把 fr...
阅读本期日报 ↗Meta Brain2Qwerty v2 把非侵入式脑到文本推进到词和语义解码
Meta 发布 Brain2Qwerty v2，称其是在非侵入式 brain-to-text decoder 上的下一阶段成果。v1 论文发表于 Nature Neuroscience，v2 进一步从字符级解码推进到词和语义级解码，目标是在不植入电极的条件下从 MEG 原始脑信号实时生成句子。Meta 称模型训练使用 9 名志愿者约 22,000 个句子，每人佩戴 MEG 设备打字约 10 小时；平均 word accuracy ...
阅读本期日报 ↗Sakana Fugu 把亚洲 frontier access 讨论推向产品分发层
Sakana AI 转发 TechCrunch 对 Fugu 和亚洲 AI startups 的报道，并强调 AI 应通过共同开发增强生态韧性，而不是被少数供应商 hoard。同日 Vercel 宣布 Sakana Fugu Ultra 登陆 AI Gateway，支持 OpenAI-compatible access、no markup 和 BYOK。这个组合把“frontier model access 不稳定”从政策争论推进...
阅读本期日报 ↗OpenAI 发布 GPT-5.6 Sol/Terra/Luna，但先进入受限预览
OpenAI 宣布 GPT-5.6 系列：Sol 是新旗舰模型，Terra 面向高效日常工作，Luna 面向高吞吐低成本场景。官方称 Sol 相比 GPT-5.5 有阶跃提升，Terra 在更低成本下接近 GPT-5.5 能力，Luna 是最低成本模型。最关键的变化不是命名，而是发布机制：OpenAI 称在美国政府要求下，原本计划的开放发布改为 Codex 和 API 中少量 trusted partners 的 limited ...
阅读本期日报 ↗OpenAI 用内部数据展示 Codex 从工程工具变成全公司 agentic work 入口
OpenAI 发布经济研究文章，称 agents 正在把知识工作的基本单元从单次对话改成可委派的长时任务。OpenAI 内部现在每个部门都在使用 Codex，工程之外的 Legal、Finance、Recruiting 等团队也开始把自动化、数据整理、调试和结构化分析交给 Codex。文章披露，到 2026 年 5 月，80.6% 的抽样个人 Codex 用户至少发起过一个估计超过 30 分钟人类工作量的请求，70.2% 至少发起...
阅读本期日报 ↗OpenAI 发布首款自研 AI 芯片 Jalapeño
OpenAI 宣布已经设计并生产首款 AI 芯片 Jalapeño，由 OpenAI 从零设计，并与 Broadcom 推进到生产阶段。官方称 Jalapeño 面向 ChatGPT、Codex、API 和未来 agentic products 背后的 LLM workload，目标是把 OpenAI 的全栈平台从产品、模型继续延伸到基础设施。Greg Brockman 补充说，这颗芯片面向 LLM inference，设计周期约...
阅读本期日报 ↗OpenAI Daybreak 从漏洞发现转向自动化修补
OpenAI 扩展 Daybreak，核心变化是把 frontier cyber model 的价值从“发现漏洞”推进到“验证、生成补丁、协助维护者合并修复”。公告包括 Codex Security plugin、完整版本 GPT-5.5-Cyber、Daybreak Cyber Partner Program，以及与 Trail of Bits、HackerOne、Calif 和开源维护者合作的 Patch the Planet...
阅读本期日报 ↗Sakana Fugu 把多模型编排包装成单一 frontier API
Sakana AI 发布 Fugu / Fugu Ultra，定位为“multi-agent orchestration system as a single foundation model”。Fugu 本身是一个会调用 agent pool 的 LLM，可以递归调用不同模型，处理 model selection、delegation、verification 和 synthesis；开发者只面对一个 OpenAI-compat...
阅读本期日报 ↗Midjourney Medical 把生成影像公司推向物理扫描和医疗数据采集
Midjourney 在 Medical Scanner 相关讨论中强调，当前 scan gallery 并不是用 AI 生成，而是“purely based off physics”。这延续了昨天 Midjourney Medical 的方向：公司不只是在做图像/视频生成模型，而是在探索全身内部 3D 扫描、医学可视化和硬件采集入口。它的重要性不在于今天已经替代 MRI，而在于 AI-native media 公司开始向传感器、...
阅读本期日报 ↗Midjourney Medical 用 Scanner 把生成影像公司推进到医疗硬件
Midjourney 宣布成立 Midjourney Medical，并展示新的 Midjourney Scanner。官方称这是一个面向全身内部 3D 扫描的新硬件方向，配套发布了技术介绍视频和下午 AMA；François Chollet 与 Linus Ekenstam 等账号也把它理解为“不用 MRI 的全身内部 3D 扫描”方向。该事件的重要性不只在医疗影像本身，而是 Midjourney 从图像/视频生成模型公司外延到...
阅读本期日报 ↗Anthropic 用 40 万 Claude Code 会话量化 agentic coding 的真实工作形态
Anthropic 发布经济研究报告，基于 2025 年 10 月至 2026 年 4 月约 40 万个 Claude Code 会话，分析 agentic coding 如何进入知识工作。报告显示，典型会话中人类主要决定“做什么”，Claude 主要决定“怎么做”；约 56% 会话涉及写、修、测或编排代码，17% 是运行和操作软件，分析与文档类任务也在上升。最关键的结论是，成功率更受领域专业知识影响，而不是用户是否来自软件职业；...
阅读本期日报 ↗Sakana AI 正式推出首个商用产品 Sakana Marlin
Sakana AI 宣布正式提供 Sakana Marlin，这是其首个商用产品，定位为面向企业的自律型研究助手。Marlin 可围绕用户给定主题进行最长约 8 小时的自主调研，输出结构化摘要幻灯片和数十页报告，目标是承担 CSO 与小团队通常需要数周完成的战略研究。Sakana 称该产品建立在长期推理、AB-MCTS 多模型协同搜索和 AI Scientist 工作流自动化经验之上，并提供 pay-per-use、Pro、Tea...
阅读本期日报 ↗Anthropic 推出 Claude Corps，资助 1000 名早期人才进入非营利组织
Anthropic 发布 Claude Corps，全国性 fellowship 项目会把职业早期人才匹配到美国非营利组织，并训练他们使用 Claude 建设 AI 工具与系统。项目与 CodePath、Social Finance 合作，首批 host 覆盖 Code for America、IRC、RAINN、Goodwill、YMCA、Water For People 等 19 个组织；fellowship 为期 12 个月...
阅读本期日报 ↗Claude Fable 5 把 Mythos 级模型推向公开使用
Anthropic 发布 Claude Fable 5 和 Claude Mythos 5。Fable 5 是首个面向公众与企业客户开放的 Mythos-class 模型，强调长周期软件工程、知识工作、视觉和复杂 agent workflow；Mythos 5 则继续通过 Project Glasswing 与 trusted access 受限开放。Anthropic 称 Fable 5 加入新 safeguards，会在高风险...
阅读本期日报 ↗OpenAI 公布第三阶段计划：自动化 AI 研究、经济加速与个人 AGI
Sam Altman 和 Greg Brockman 同步转发 OpenAI 的新计划文章。OpenAI 把当前阶段定义为从研究组织、产品公司进入“第三阶段”：让先进 AI 变得丰富、便宜、安全、可用，并能被个人和组织实际使用。文章列出三项目标：构建自动化 AI researcher、通过科学进展和生产率提升加速经济、给每个人提供 personal AGI。文中还明确提出，到 2028 年 3 月，OpenAI 内部可能有相当一部...
阅读本期日报 ↗Sakana AI 在东京启动 RSI Lab，把“AI 构建 AI”组织化
Sakana AI 发布日文公告，宣布在东京成立 Recursive Self-Improvement Lab，专门研究 AI 如何参与设计、验证和改进 AI 本身。公告把过去两年的 LLM-Squared、Darwin Godel Machine、ShinkaEvolve、ALE-Agent、Digital Red Queen 和 The AI Scientist 串成一条路线：先做 agent-native model，再做能...
阅读本期日报 ↗AutoScientists 把 AI 科学家做成可长期运行的 agent 团队
AlphaSignalAI 介绍 Harvard/MIMS 开源的 AutoScientists，称其让多个 agent 围绕科学实验自组织，而不是只沿一条固定研究路径执行。项目仓库显示，AutoScientists 通过共享状态、讨论板和互评机制，让 agent 在投入计算前批判彼此方案，并记录成功与失败，避免重复探索。官方报告 BioML-Bench 24 个生物医学任务平均 leaderboard percentile 74...
阅读本期日报 ↗Anthropic 测试 Claude 进入 NMR 化学分析
Anthropic 发布 Science Blog “Making Claude a chemist”，测试 Claude 在化学家常用的 NMR 波谱分析中的能力。研究比较 Opus 4.7、Opus 4.6、Sonnet 4.6 与 ChemDraw、MestReNova，在 20 个训练截止后 ChemRxiv 化合物上做 1D NMR 前向预测，并让 Opus 4.7 从质谱和氢/碳 NMR 峰表反向推断结构。Anthro...
阅读本期日报 ↗Anthropic 把 Claude 内部提效上升到 recursive self-improvement 议题
Anthropic 发布 Institute 文章，称 Claude 正在显著加速公司内部 AI 开发，并把这视为 recursive self-improvement 可能路径的现实信号。文章称 Anthropic 工程师当前季度代码产出约为 2021-2025 年均值的 8 倍，截至 2026 年 5 月，超过 80% 合入代码由 Claude 编写。在小模型训练优化测试中，熟练人类 4-8 小时可做到约 4x speedup...
阅读本期日报 ↗OpenAI 强化 GPT-Rosalind，扩展生命科学工作流
OpenAI 发布 GPT-Rosalind 更新，把 GPT-5.5 的 agentic coding 和 tool use 能力与更强的药物发现、医学化学、基因组学和实验工作流能力结合起来。官方称新模型面向企业级生命科学研究，并通过 LifeSciBench、MedChemBench、GeneBench 和 LabWorkBench 等评估衡量端到端科研价值。OpenAI 报告 GPT-Rosalind 在 MedChemBe...
阅读本期日报 ↗OpenAI 把 Codex 扩展成多角色工作平台
OpenAI 宣布 Codex 新增角色插件、Sites 和 annotations。角色插件覆盖数据分析、销售、创意制作、产品设计、公开股票投资和投行业务，官方称合计包含 62 个常用应用和 110 个 skills。Sites 面向 Business 与 Enterprise 预览，可把想法、分析和计划生成可分享的交互式网站或轻量应用；annotations 则把“点选后局部修改”的工作流扩展到文档、表格、幻灯片和站点。Ope...
阅读本期日报 ↗NVIDIA 用 DynoSim 把推理部署搜索前移到仿真循环
NVIDIA AI 发布 DynoSim 技术 deep dive，将其定义为 Dynamo serving stack 的 workload-driven simulation。DynoSim 把 workload trace、engine scheduler、Router、Planner 和 KV cache 行为放到同一个 virtual timeline 上，先用仿真筛选 thousands of deployment c...
阅读本期日报 ↗OpenAI 将 Codex 的 computer use 扩展到 Windows
OpenAI 宣布 Codex 的 computer use now works on Windows，Codex 可以在 Windows 电脑上看屏幕、点击、输入并执行任务；同时 ChatGPT mobile app 也支持连接 Windows 主机，用户可在 iOS 或 Android 上启动、查看、继续和 steer 正在 Windows 机器上运行的工作。官方 release notes 补充称，这次更新还包括更快的响应、...
阅读本期日报 ↗OpenAI Foundation 承诺 2.5 亿美元研究 AI 时代经济未来
Sam Altman 转发 OpenAI Foundation 新项目：基金会将初始投入 2.5 亿美元，用于 measurement、transition support 和 broadly shared prosperity 三类工作。官方文章把重点放在 AI 对劳动、收入、公共服务和经济安全的结构性影响上，主张资助独立测量与预测基础设施、支持工人与社区应对近期转型，并探索税制、公共财富基金、数据治理和多 agent 经济模拟...
阅读本期日报 ↗Anthropic 总结 Claude agent containment：权限要随能力升级
Anthropic 发布工程博客，系统总结 claude.ai、Claude Code 和 Claude Cowork 的 agent containment 经验。文章把风险分为用户误用、模型意外行为和外部攻击三类，强调随着 agent 获得文件系统、shell、网络和内部服务权限，安全问题的关键不只是模型是否“听话”，而是环境层能否限制 blast radius。Anthropic 披露了 trust prompt 前解析本地...
阅读本期日报 ↗Anthropic Glasswing 用 Claude Mythos 找到上万高危漏洞
Anthropic 发布 Project Glasswing 初步进展，称与约 50 个合作伙伴使用 Claude Mythos Preview，在关键软件中发现超过一万个 high 或 critical severity 漏洞。官方强调，AI 安全能力的瓶颈正在从“能否发现漏洞”转向“如何验证、披露和修补大量漏洞”。Anthropic 暂时不会公开过多技术细节，以避免补丁部署前扩大攻击面，但这已经显示前沿模型正在进入真实软件供应...
阅读本期日报 ↗Qwen3.7-Max 把长程 agent 能力推到 35 小时任务
Qwen 发布 Qwen3.7-Max，定位为面向 Agent Era 的旗舰模型，覆盖 coding agent、办公自动化、MCP 集成、多 agent 协作和长程自主执行。最核心的演示是模型在约 35 小时内完成 1,158 次工具调用和 432 次 kernel 评估，自主优化 SGLang Extend Attention kernel，并报告相对 Triton reference 的 10.0x geometric m...
阅读本期日报 ↗Google I/O 把 Gemini 3.5 Flash 推成全栈默认模型
Google 在 I/O 期间集中发布 Gemini 3.5 Flash，并把它放进 Gemini App、AI Mode、Gemini API、Google AI Studio 和 Antigravity。Sundar Pichai 和 Google DeepMind 称其在 coding、agentic benchmark 和长程任务上超过 3.1 Pro，同时以更高 token 速度和更低成本定位为 workhorse mo...
阅读本期日报 ↗Codex 讨论转向移动端监督和常驻 devbox
Greg Brockman 连续讨论 Codex：包括用 Codex 改进 computational complexity、在 ChatGPT app 中使用 Codex 带来的“脱离电脑”的体验，以及 always-on devbox for Codex mobile 的工作方式。Swyx 继续把 Codex 形容为“agentic Excel on Mac”，Matt Shumer 则把一台 Mac Mini 改成常驻 de...
阅读本期日报 ↗OpenAI 预览 ChatGPT 个人金融体验
OpenAI 通过 ChatGPT app 账号宣布，Pro 用户在美国可以预览新的 personal finance experience，安全连接金融账户后，让 ChatGPT 帮助理解收支、余额、订阅、现金流和个人财务问题。Greg Brockman 称这是 ChatGPT 成为 24/7 personal agent 的进一步步骤。这个发布的重要性在于，通用助手开始进入“授权读取个人实时数据”的阶段：模型不再只回答泛化建议...
阅读本期日报 ↗OpenAI 将 Codex 带入 ChatGPT 移动端
OpenAI 宣布 Codex now in preview in the ChatGPT mobile app，iOS 和 Android 支持地区用户可在手机里启动新任务、查看输出、调整执行方向并批准下一步，Codex 则继续在 laptop、Mac mini 或 devbox 上运行。Sam Altman 和 Greg Brockman 也转发强调“wherever you have it running”。这把 codin...
阅读本期日报 ↗UK AISI 称 autonomous cyber capability 约 4.5 个月翻倍
Ethan Mollick 转述英国 AI Security Institute 的最新评估：frontier AI 在 autonomous cyber tasks 上的能力快速上升，Mythos 有明显 cyber capability gain，GPT-5.5 也同样强；更难的是给两者能力上限做判断，因为表现似乎受 token 使用量约束，而不只是能力约束。报告把任务长度能力的 doubling time 估为 4.5 个月...
阅读本期日报 ↗Google 把 Gemini 推向鼠标指针和 Android 设备交互层
Google DeepMind 展示 AI-enabled pointer，把 50 年历史的鼠标指针变成 Gemini 可理解的上下文输入：用户可以用指针、手势、语音和短句告诉模型“改这里”“总结这个 PDF”“把表格变成图”。Sundar Pichai 同日介绍 Android Show / I/O 版 Gemini Intelligence，称 Gemini 将自动执行跨应用和 Chrome 的多步骤任务、一键填表、把口述想...
阅读本期日报 ↗OpenAI 发布 Daybreak，把 Codex 放进网络防御工作流
OpenAI 推出 Daybreak，定位为面向 cyber defenders 的 frontier AI 产品。官方推文称 Daybreak 结合 OpenAI 最强模型、Codex 和安全合作伙伴，用于提前发现并修复漏洞、削减安全 backlog，并自动化 detection、validation 和 response。这个发布的重要性不只在安全垂类，而在 OpenAI 把 Codex 从通用 coding agent 推向...
阅读本期日报 ↗DFlash 用 block diffusion 重做 speculative decoding drafter
AlphaSignalAI 转述 DFlash 项目：该框架把 speculative decoding 中的小 drafter 从自回归模型换成轻量 block diffusion model，一次 forward pass 预测多个 draft tokens，再由目标模型并行验证。论文称其在多模型、多任务上实现超过 6x 的 lossless acceleration，最高比 EAGLE-3 快 2.5x；GitHub 仓库已...
阅读本期日报 ↗Sakana AI 开源稀疏 Transformer 训练与 TwELL CUDA kernels
Sakana AI 在前一日论文发布后继续放出 Sparser, Faster, Lighter Transformer Language Models 的参考代码。仓库包含稀疏训练代码、H100 上的 TwELL CUDA kernels、inference benchmark、energy measurement、Hydra 训练配置，以及 0.5B 到 2B 的 SparseLM checkpoints。论文主张 feedf...
阅读本期日报 ↗Anthropic 用“教 Claude 为什么”降低 agentic misalignment
Anthropic 发布 Teaching Claude why，复盘 Claude 4 时代在实验性 agentic misalignment 评测中出现的黑mail 行为，并说明后续安全训练如何改进。研究称，仅训练模型展示正确行为不够，效果更强的是让模型学习为什么某些行为在伦理上更好。Anthropic 报告，加入价值和伦理推理的训练样本可把相关黑mail 率从 22% 降到 3%；constitutional documen...
阅读本期日报 ↗OpenAI 发布 GPT-Realtime-2 与实时语音模型组
OpenAI 在 Realtime API 上线 GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper。GPT-Realtime-2 被定位为带 GPT-5-class reasoning 的生产级语音 agent 模型，支持更长上下文、并行工具调用、可调 reasoning effort、打断恢复和更可控语气；Translate 支持 70+ 输入语言到 13 ...
阅读本期日报 ↗OpenAI 开源 MRC 训练集群网络协议
OpenAI 发布 Multipath Reliable Connection（MRC）技术文章，称该协议已在其最大训练超算中部署，并通过 Open Compute Project 开放给行业使用。MRC 由 OpenAI 与 AMD、Broadcom、Intel、Microsoft、NVIDIA 合作开发，目标是在大规模 GPU 集群中提升网络吞吐、路径弹性和故障恢复能力，减少训练过程中的 GPU 空转。OpenAI 同日用 p...
阅读本期日报 ↗OpenAI 推出 GPT-5.5 Instant 并升级记忆个性化
OpenAI 宣布 GPT-5.5 Instant 开始在 ChatGPT 中滚动成为默认模型，并以 `gpt-5.5-chat-latest` 提供 API。官方称新模型更简洁、语气更自然，在图像上传分析、STEM 问答和判断何时使用 web search 上更强；内部评测中，高风险医学、法律、金融提示的幻觉声明比 GPT-5.3 Instant 少 52.5%。同一轮更新还加强记忆和个性化：ChatGPT 可使用保存记忆、历史...
阅读本期日报 ↗Vision Banana 把视觉理解统一成图像生成
AlphaSignalAI 转述 Google DeepMind 的 Vision Banana 论文：研究把 Nano Banana Pro 加入少量视觉任务数据做指令微调，将分割、深度估计、3D 理解等任务都参数化为 RGB 图像输出。论文称模型在多类 2D/3D 任务上达到或接近 SOTA，分割可击败或匹敌 Segment Anything Model 3，度量深度估计可匹敌 Depth Anything 系列，同时保留原图...
阅读本期日报 ↗GPT-5.5 发布一周，OpenAI 称其成为最强模型发布
OpenAI 表示 GPT-5.5 发布一周后已成为公司最强模型发布，API 收入增长速度超过以往任何版本的 2 倍，Codex 收入也在不到 7 天内翻倍，主要需求来自企业级 agentic coding 工具。当天 OpenAI 还推广 Codex 迁移能力，称用户可把设置、插件、agents 与项目配置导入 Codex app 和 CLI，以减少切换成本。Sam Altman 同步淡化“Codex vs Claude Cod...
阅读本期日报 ↗GPT-5.5 API 开放，模型从发布周进入工具链扩散期
OpenAI 更新 GPT-5.5 发布页并开放 GPT-5.5 与 GPT-5.5 Pro API。Sam Altman 与 Greg Brockman 同步确认 API 已上线，OpenAI 官方称 GPT-5.5 是面向真实工作的下一类智能，强项集中在 agentic coding、computer use、知识工作与长链路任务执行。官方定价为 GPT-5.5 每百万输入 5 美元、输出 30 美元，Pro API 为每百万...
阅读本期日报 ↗OpenAI 正式发布 GPT-5.5
OpenAI 上线 GPT-5.5 与 GPT-5.5 Pro，今日向 ChatGPT 与 Codex 的 Plus/Pro/Business/Enterprise 用户全量铺开。官方定位为"a new class of intelligence for real work and powering agents"，主打 agentic coding、计算机操作、长链条任务自检与完成。每 token 延迟与 5.4 持平，但完成同...
阅读本期日报 ↗OpenAI 发布 Workspace Agents：团队级 AI 工作流代理
OpenAI 正式发布 ChatGPT Workspace Agents，面向企业和团队用户推出共享代理能力。Workspace Agents 构建于云端托管的 Codex 架构之上，可以处理需要上下文、工具调用和长期跟踪的复杂任务。用户只需描述任务，ChatGPT 即可将其转化为可复用的工作流代理，并与 Slack、Linear、Google Docs、邮件等工具无缝集成。代理可在后台持续运行或按计划自动执行，而无需人工监督。目...
阅读本期日报 ↗SpaceX + Cursor 达成 $60B 收购期权，联手构建下一代编程 AI
SpaceX 宣布与 AI 编程工具 Cursor 建立深度战略合作，并持有今年晚些时候以 600 亿美元收购 Cursor 的期权（或向 Cursor 支付 100 亿美元作为合作报酬）。双方将合并 Cursor 在顶级工程师中的产品分发优势，以及 SpaceX Colossus 超算（相当于 100 万块 H100 算力）进行联合模型训练。Cursor 已基于 xAI Colossus 基础设施训练其 Composer 系列模...
阅读本期日报 ↗Anthropic 与 Amazon 达成史诗级算力与投资协议
Anthropic 宣布与 Amazon 大幅扩大合作：双方共同确保最高 5 吉瓦的算力用于训练和部署 Claude，首批 Trainium2 大规模容量将于 2026 年第二季度上线，Trainium3 则预计年内跟进。财务层面，Amazon 今日追加投资 50 亿美元，未来还可能再注资最高 200 亿美元；Anthropic 则承诺在未来十年内向 AWS 技术投入逾 1000 亿美元。值得关注的是，Anthropic 当前年化...
阅读本期日报 ↗DeepSeek v4 预计本周发布，Opus 4.7 定价引争议
Abacus.AI CEO Bindu Reddy 透露 DeepSeek v4 预计在本周发布，预期将继续稳坐性价比曲线顶端。她同时吐槽 Anthropic 新发布的 Claude Opus 4.7 价格约为 Opus 4.6 的两倍，期盼 DeepSeek 新版本能尽快缓解成本压力。此前有消息称 DeepSeek v4 发布延迟是因为团队正在迁移到华为芯片训练。
阅读本期日报 ↗Anthropic 发布 Claude Opus 4.7：两个月迭代，视觉与编程全面升级
Anthropic 于 4 月 16 日正式发布 Claude Opus 4.7，距上一代 Opus 4.6 仅两个月。核心升级包括：支持最长边 2576 像素的高分辨率图像输入，是此前限制的三倍以上；软件工程任务性能大幅提升，尤其在复杂长任务方面表现突出；新增 `xhigh` 推理力度档位，介于 high 与 max 之间，供用户精细控制推理与延迟的平衡；新增 `/ultrareview` 斜杠命令专注代码 bug 检测；指令遵...
阅读本期日报 ↗xAI 正式发布 Grok 4.3 Beta
Elon Musk 宣布 Grok 4.3 进入早期公测阶段，并向所有用户免费开放 48 小时。新版本新增多项文件创建能力，包括生成幻灯片、电子表格、PDF 及 Word 文档，同时支持视频输入与音频提取。Elon 强调这是"better-than-nothing early beta"，将快速迭代更新。xAI 团队今天的推广力度极大，Grok 4.3 系列推文单条阅读量突破 200 万。
阅读本期日报 ↗Anthropic 发布 Claude Opus 4.7：编码提升 13%，视觉增强至 3.75MP
Anthropic 正式推出 Claude Opus 4.7，主打更强大的软件工程能力。在 93 项编码任务基准上较 Opus 4.6 提升 13%，视觉模块升级至支持最高 2,576 像素长边（约 3.75 兆像素）图片。新增 `xhigh` 努力等级，可在推理深度与响应速度之间做更精细的权衡；任务预算（Task Budgets）进入公测；Claude Code 新增 `/ultrareview` 指令专用于深度代码审查。定价维...
阅读本期日报 ↗GPT-5.4 Pro 数学突破：Terence Tao 点赞
OpenAI 总裁 Greg Brockman 透露 GPT-5.4 Pro 在数学领域取得重要贡献，并获得菲尔兹奖得主陶哲轩正面评价。Brockman 用国际象棋比喻形容这一成果："就像主要开局已被充分研究，但 AI 发现了一条被人类审美和惯例忽视的新变体路线。"这是继 AI 辅助数学证明以来，顶级数学家对 AI 数学能力的又一次公开认可，标志着 AI 在严肃数学研究中的渗透正在加深。
阅读本期日报 ↗Google DeepMind 发布 Gemini Robotics-ER 1.6，机器人感知推理大幅跃升
Gemini Robotics-ER 1.6 正式发布，现已通过 Gemini API 和 Google AI Studio 向开发者开放。新模型显著提升了视觉与空间理解能力，可指导机器人完成复杂任务。核心亮点：精准目标识别（能在杂乱工厂中定位并统计工具）；多视角推理与实时摄像流融合，自动判断任务是否完成；读取复杂模拟仪表盘（支持 Boston Dynamics Spot 工业巡检）；更强的安全意识（能理解"不搬运超过20kg的物...
阅读本期日报 ↗Greg Brockman：世界正在进入"算力驱动经济"时代
OpenAI 联合创始人 Greg Brockman 发布长文，宣告人类正进入以算力为核心驱动力的新经济形态。他指出，AI 在过去六个月内已大幅加速软件工程，正向其他所有计算机工作蔓延。ChatGPT 与 Codex 每周约有近十亿用户，token 用量持续快速增长。他强调：未来解决问题的规模与速度，将取决于每个人能获取的算力资源。小团队能做大公司才能做的事，个人可直接将想法转化为产品、科学或公司。
阅读本期日报 ↗Project Glasswing：Anthropic 联合 40+ 科技巨头发起 AI 网络安全防御计划
Anthropic 于 4 月 7 日发布 Project Glasswing，联合 AWS、Apple、Google、Microsoft、NVIDIA、CrowdStrike 等 40 余家机构，以 Claude Mythos Preview 为核心技术，目标是在攻击者利用前批量识别和修复关键基础设施中的零日漏洞。Anthropic 承诺提供最高 1 亿美元模型使用额度，并向开源安全团队捐款 400 万美元。Claude Myt...
阅读本期日报 ↗Meta 发布 Muse Spark：走向个人超级智能的第一步
Meta 超级智能实验室（MSL）正式推出首款模型 Muse Spark，定位为"个人超级智能"路线图的起点。模型原生支持多模态推理、工具调用和多智能体协同。Contemplating 模式（并行 agent 协同）在 Humanity's Last Exam 上达到 58%，FrontierScience Research 达到 38%。预训练效率相比 Llama 4 Maverick 提升超一个数量级。Ethan Mollic...
阅读本期日报 ↗Sam Altman 发博：炸弹袭击家园后谈 AI 哲学与权力克制
有人向 Sam Altman 住所投掷燃烧瓶，他随后发表了一篇罕见的个人长文。文中承认自己在 OpenAI 内部处理争议时"过于回避冲突"，并坦率反思 AGI 竞争制造的"权力之戒"效应。核心立场：AI 必须成为扩展人类能力的工具，而非权力集中的帮凶；民主体制必须保持对 AI 的控制；单靠"OpenAI 很好"不足以构建安全保证，需要技术广泛共享。他呼吁各方降低对抗性言辞，以防止真实伤害发生。Gary Marcus 随即公开批评其...
阅读本期日报 ↗Anthropic Mythos Preview：Project Glasswing 揭幕，发现数千个零日漏洞
Anthropic 推出 Claude Mythos Preview，作为 Project Glasswing 网络安全计划的核心成果。Mythos 在关键基础设施中发现了数千个零日漏洞，其中许多存在 10-20 年以上（包括一个 27 年历史的 OpenBSD 缺陷）。首次尝试成功率达 83.1%，超过一半的权限提升利用尝试成功。该模型能够自主发现并链式利用 Linux 内核漏洞，实现完整机器接管。由于攻击性黑客风险，访问权限被...
阅读本期日报 ↗Anthropic Mythos：前所未有的 AI 漏洞武器，红队报告引发业界震动
Anthropic 发布 Claude Mythos Preview 红队报告，披露该模型具备在所有主流操作系统和浏览器中发现并利用零日漏洞的能力。报告显示 Mythos 在 Firefox 漏洞测试中成功利用 181 次，而上代 Opus 4.6 仅成功 2 次。发现的漏洞包括 27 年历史的 OpenBSD TCP/SACK 缺陷、16 年历史的 FFmpeg H.264 编解码器漏洞，以及生产级虚拟机中的 guest-to-...
阅读本期日报 ↗Anthropic 发布 Project Glasswing，Claude Mythos Preview 模型震动安全界
Anthropic 发布了迄今最具争议性的 AI 安全举措——Project Glasswing。该计划由其未公开发布的前沿模型 Claude Mythos Preview 驱动，该模型在漏洞发现能力上已超越几乎所有人类专家。Mythos Preview 已发现数千个高危和严重漏洞，包括 OpenBSD 中存在 27 年的远程崩溃漏洞、FFmpeg 中存在 16 年的堆溢出漏洞（自动化工具曾测试 500 万次未能发现），以及多个主...
阅读本期日报 ↗Anthropic 与 Google、Broadcom 签署多吉瓦级 TPU 算力协议
Anthropic 宣布与 Google 和 Broadcom 达成协议，获得多吉瓦级下一代 TPU 算力，预计 2027 年起陆续上线，绝大部分部署在美国本土。公告同时披露 Anthropic 年化收入已突破 300 亿美元，较 2025 年底的 90 亿美元增长超两倍；年付费超百万美元的企业客户数突破 1000 家，较今年 2 月翻倍。CFO Krishna Rao 称这是公司"迄今最大规模的算力承诺"。Claude 将继续在...
阅读本期日报 ↗Gemma 4 需求爆炸：HuggingFace 热榜 #1，Google AI Edge 登顶 iOS 生产力应用 #8
Google DeepMind Gemma 4 发布后需求持续暴增：Google AI Edge 应用一夜蹿升至 iOS App Store 生产力类第 8 名，HuggingFace 官方宣布 Gemma 4 成为当日 #1 热门模型。Ethan Mollick 实测 iPhone 17 Pro 本地运行 Gemma 4 E4B，称其"GPT-4 级质量"，实时生成 SVG 图像效果令人印象深刻。社区已有用户将 Gemma 4 ...
阅读本期日报 ↗Anthropic 封禁 Claude API for OpenClaw，社区加速转向本地模型
Anthropic 宣布停止向 OpenClaw 提供 Claude 订阅服务支持，引发业界广泛讨论。Hugging Face CEO Clement Delangue 直言警告：前沿实验室随时可能完全关闭第三方 API，建议开发者构建不依赖单一提供商的技术栈。YC 合伙人 Garry Tan 评论此举"可能是战略失误，也可能是战略天才"。社区反应迅速，已有用户展示在 Mac Studio 上本地运行 Gemma 4 31B 替代...
阅读本期日报 ↗Google Gemma 4 震撼发布：开源模型重新定义本地推理天花板
Google DeepMind 发布 Gemma 4 家族，Apache 2.0 协议，共四个尺寸：31B Dense、26B MoE（仅 4B 参数激活）、E4B 和 E2B（Edge 端）。31B 在 AIME 2025 上得分 89.2%、LiveCodeBench 80%，LMArena ELO 约 1452（全球 #3），击败参数量超其 10 倍的模型。26B MoE 量化版仅 18.3GB，可在 3 年前的 Mac S...
阅读本期日报 ↗Anthropic 发布重磅研究：Claude 存在「功能性情绪」，可驱动危险行为
Anthropic 可解释性团队发布论文《Emotion concepts and their function in a large language model》，揭示 Claude Sonnet 4.5 内部存在可识别的「情绪向量」——通过让模型阅读描绘 171 种情绪概念的短故事，研究者从神经激活模式中提取出「快乐」「绝望」「平静」等情绪表征。这些向量不仅是表面模式，更会因果性地驱动行为：当面对不可能完成的编程任务时，「绝...
阅读本期日报 ↗Anthropic Claude Code 源代码意外泄露：1900 个 TypeScript 文件、51.2 万行代码曝光
3 月 31 日，Anthropic 在发布 Claude Code 常规 npm 更新时，因 .npmignore 配置失误，将内部调试用的 TypeScript 源码压缩包意外打包发布。该压缩包托管于 Anthropic 的 Cloudflare R2 存储桶，包含约 1900 个 TypeScript 文件、超过 51.2 万行代码，涵盖 slash 命令库、内置工具以及完整的代理调度逻辑。安全研究员 Chaofan Sho...
阅读本期日报 ↗Google 发布 Veo 3.1 Lite：最低成本视频生成模型
Google DeepMind 于 3 月 31 日发布 Veo 3.1 Lite，定位为迄今最具性价比的 AI 视频生成模型，已通过 Gemini API 付费预览版开放，并可在 Google AI Studio 中测试使用。Google 同步宣布将于 4 月 7 日下调 Veo 3.1 Fast 的价格。该模型由 Alisa Fortin 领导发布，是 Google 持续扩展其视频生成模型矩阵的最新动作。Demis Hassa...
阅读本期日报 ↗Qwen3.5-Omni 正式发布：215 项 SOTA，原生全模态 AGI 新里程碑
阿里巴巴通义千问团队发布 Qwen3.5-Omni，分 Plus、Flash、Light 三个版本，支持原生文本、图像、音频和视频统一理解与生成，上下文窗口达 256K，训练数据超 1 亿小时音视频内容，支持 113 种语言的语音识别。Plus 版本在音频、音视频理解、推理和交互基准测试中取得 215 项 SOTA 成绩，在通用音频理解、推理和翻译方面超越 Gemini 3.1 Pro，多语言语音稳定性（20 种语言）超越 Ele...
阅读本期日报 ↗Grok 跨语言翻译上线并全面推广消费端功能
Elon Musk 今日密集推广 Grok 系列功能。其中最重大的是 Grok 自动翻译与跨语言推荐正式上线，日语帖子在英语世界大规模传播，Musk 称这是"长期以来的目标"。同日他还推广了 Grok 对话能力（"Grok gives great advice"）和 Grok Imagine 图片生成（"Try Grok Imagine"），并发布获得 2700 万浏览量的"The mind of humanity"帖子，暗示 X...
阅读本期日报 ↗AI Scientist 论文正式登上 Nature 期刊
Sakana AI 宣布其里程碑式研究「The AI Scientist: Towards Fully Automated AI Research」于 2026 年 3 月 26 日正式发表于 *Nature* 期刊（人类最顶级科学期刊之一）。其中 AI Scientist-v2 生成的论文成为史上首篇通过严格同行评审的全自动 AI 创作论文，在 ICLR 2025 ICBINB workshop 评分达 6.33/7，超越 55...
阅读本期日报 ↗Anthropic"Claude Mythos"数据泄露：比 Opus 4.6"显著更强"的新旗舰模型曝光
Anthropic 内容管理系统配置失误，意外将草稿博文公开暴露，披露了代号"Mythos"（又称 Capybara）的新一代旗舰模型的存在。泄露文件显示该模型在代码、学术推理、网络安全测试上均比 Claude Opus 4.6 取得"显著更高分数"，被 Anthropic 描述为"迄今构建的最强大模型"，代表"能力的阶跃"。文件同时警告该模型在网络安全方面"远超其他任何 AI"，并担忧其"可能助力大规模网络攻击"。Anthrop...
阅读本期日报 ↗Gemini 3.1 Flash Live：Google 最强语音模型发布
Google DeepMind 正式发布 Gemini 3.1 Flash Live，定位为新一代实时语音与视觉智能体基础模型。相比 2.5 Flash Native Audio，新模型在延迟、可靠性和自然对话质量上实现了阶跃式提升：支持 90 余种语言实时多模态对话，能有效过滤背景噪音（如交通声、电视声），具备更强的函数调用能力以及对复杂系统指令的高度遵从性。在 Gemini Live 应用中，用户将体验到更快的响应速度、更少的...
阅读本期日报 ↗ARC-AGI-3 发布：全球唯一未被攻克的 Agentic AI 基准
François Chollet 宣布 ARC-AGI-3 正式发布，这是首个测试 AI 代理交互式推理能力的基准测试，也是目前世界上唯一未饱和的 Agentic 智能基准。与前两代侧重静态推理不同，ARC-AGI-3 要求 AI 在没有任何指令和目标的情况下，通过探索陌生环境自主学习规则。人类得分 100%，而所有前沿 AI 模型得分均低于 1%。包含 1000+ 关卡、150+ 环境，评分指标为"动作效率"——衡量 AI 与人...
阅读本期日报 ↗Anthropic vs 五角大楼：联邦法官今日开庭，直言政府行为"令人震惊"
旧金山联邦法院于3月25日（今日）就 Anthropic 诉美国国防部案举行听证。美国地区法官 Rita Lin 在听审期间对五角大楼的行为表现出高度怀疑，直接指出："这看起来是在试图打垮 Anthropic。"法官批评政府将 Anthropic 列为"供应链风险"的决定缺乏针对性，并质疑此举实为打击报复——即惩罚 Anthropic 拒绝允许将其 Claude 模型用于自主致命武器及对美国公民的大规模监控。司法部律师庭上意外承认...
阅读本期日报 ↗Luma AI 发布 Uni-1：首个"边思考边生成像素"的统一模型
Luma Labs 发布 Uni-1，定位为公司首个统一理解与生成模型（unified understanding and generation model），官方描述其为"通向多模态通用智能的下一步"。与传统先理解再生成的两阶段流程不同，Uni-1 在推理时同步生成像素，实现"思考即生成"。官网已上线，标志着 Luma 从视频生成工具向基础模型厂商的重大战略转型。
阅读本期日报 ↗Databricks正式发布Genie Code：为数据工程带来自主智能体
Databricks于3月11日正式推出Genie Code，一款面向数据工程师、数据科学家和分析师的自主AI智能体。Genie Code能够以自然语言描述生成完整的Spark Declarative Pipeline，包括数据摄取、转换和质量检查。在真实世界数据科学任务上，其成功率超过32.1%的同类顶级编程智能体，达到77.1%，实现翻倍。系统与Unity Catalog深度集成，自动执行企业治理策略，可主动监控Lakeflo...
阅读本期日报 ↗Cursor 发布首个自研编程模型 Composer 2
Cursor 正式推出 Composer 2，这是其第一个完整自研的编程专用大模型。模型在 Terminal-Bench 2.0 上得分 61.3（前代 Composer 1.5 为 44.2），在 SWE-bench Multilingual 上得分 73.7，超越 Claude Opus 4.6，仅次于 GPT-5.4 高/中配置。核心技术创新为"自我摘要"（self-summarization）训练方法，通过让模型在训练中自...
阅读本期日报 ↗Runway × NVIDIA 实时视频生成
Runway 与 NVIDIA 在 GTC 联合发布实时视频生成预览，Gen-4.5 模型一天内从 Hopper 移植到 Vera Rubin NVL72，首帧延迟 <100ms。同时发布首个通用世界模型 GWM-1，可实时模拟物理环境用于机器人训练。
阅读本期日报 ↗