⌘ K
… 读取采集状态 同步中...
雷

全部动态

今日 48 条
10月11日周日
  1. 新智元56

    AgentWorld基准揭示多智能体协作短板：最强模型仅完成52%任务

    OpenAgents、哥大等机构发布多智能体协作评测基准AgentWorld，采用RPG环境测试长时程分工能力。评测显示最强模型Gemini 3 Flash在主任务集成功率为52.0%，部分成功率达71.5%，且通信量与成功率无正相关。论文提出CCE指标，通过回溯因果链分析具体行动对任务成功的贡献占比，以量化团队有效协作程度。

  5. APPSO73

    Jev 获 8.7 亿美元融资，微软与 OpenAI 跟进发布决策模型

    AI 公司 TypeSafe 刚发布 24 天即获 a16Z 领投的 8.7 亿美元融资，估值飙升至 75 亿美元。同期微软、OpenAI 及 vLLM 相继推出专用于 Agent 分支判断的决策模型。这类模型不生成自由文本，仅返回候选项概率，旨在以极低成本解决 Agentic 工作流中高频路由与合规校验的难题。

    推荐理由：将微软、OpenAI 与 Jev 的决策模型发布并列，展示了 Agent 路由判断场景下低价专用模型的市场格局。

  7. Sac51

    作者开源了生成可交互3D微缩海岛的提示词，并分享了使用阶跃星辰 Step 5 Preview 模型在 Claude Code 中的实测流程。该模型支持 1M Token 上下文并接入 OpenRouter，提示词适用于任意 Agent 和模型组合。

    引用Sac@Saccc_c

    这个能旋转、能交互的 3D 小岛，是我让一个国产新模型对照参考图做出来的，效果和 opus 5.5 真不分上下！！！而且价格还比 opus 5.5 更便宜，性价比简直拉满了 ！ 它就是 @StepFun_ai 阶跃星辰的 Step 5 Preview，上线 OpenRouter 第二天，就登上了 Trending 趋势榜的第一名。 Step 5 Preview 是阶跃星辰最新的旗舰基座模型，面向 AI 编程、软件工程和专业知识工作。它支持 1M Token 上下文、文字和图片输入，重点是让 Agent 从理解需求、修改代码到运行验证，把真实任务完整做完。 被它的前端能力和成本吸引，我立马把它接入 Claude Code（CC）进行了测试：做一个微缩版本的佩尼达岛。 整体效果非常夯，大家直接看下面的视频👇 整个网站用 Three.js 实时渲染，海水、岩石等场景元素都由代码生成。对着这个小岛旋转视角、看细节的时候，我真没想到，现在国产模型做 3D 场景已经能有这样的表现。 我的提示流程也很简单：先准备一张生成好的参考图，把网页需求和想要的交互描述清楚，再让它对照参考图反复检查、调整，逐步把效果打磨出来。当然，整个过程需要一些时间，大家可以稍微耐心一点。 目前 Step 5 Preview 已上线 OpenRouter，并接入 Kilo Code、Cline、Hermes Agent 和 OpenCode。不用迁移项目或改变现有工作流，配置后就能切换模型，更多集成也即将上线。 如果你也喜欢折腾前端、交互网页或者 Three.js，可以拿一个自己的小项目试试。我这次做下来，最惊喜的就是它把参考图落成可交互 3D 场景的效果。 体验链接：https://openrouter.ai/stepfun/step-5-preview 排行链接：https://openrouter.ai/rankings?view=trending#top-models

  10. 智东西73

    TypeSafe AI 融资 8.7 亿美元，Jev 估值达 75 亿美元

    初创公司 TypeSafe AI 完成 8.7 亿美元融资，估值达 75 亿美元，投资方包括 a16z、红杉资本和 DCVC。其核心模型 Jev 不生成文本，而是直接返回类型化值和概率分布，用于代码的结构化决策。官方称 Jev 成本约为前沿 LLM 的 1/400，速度可达 200 倍，财富 500 强企业中已有约三分之一接入。

    推荐理由：文章梳理了Jev模型通过返回结构化决策替代LLM文本生成的逻辑，并披露其极低的调用成本与财富500强的采用现状。

  11. 智东西61

    华为鸿蒙PC三大DevEco开发工具开启公测

    华为鸿蒙PC端DevEco Studio、DevEco Code、DevEco CLI三件套同步开启公测，将鸿蒙原生开发与Agentic AI能力整合进操作系统工具链。DevEco Code内置鸿蒙知识、Skills与MCP工具，提供Goal、Plan、Build分层模式；DevEco CLI封装HarmonyOS工具集和超70项Skills，可通过init命令接入已有Agent工作流。

10月10日周六
  2. 新智元50

    西湖机器人WR1 全身协同自主叠衣

    西湖机器人通用大脑WR1展示全身协同自主叠衣及跨区域家务能力，对标海外标杆Figure。WR1采用全球首创的通用大小脑双预训练架构，融合世界模型与VLA，由自研通用动作大模型GAE执行全身控制。演示中机器人完成取衣、双机协同折叠及跨厨房、客厅、卧室的长程任务，实现柔性物体操作与运动控制的一体化贯通。

10月9日周五
  2. Sac60

    阶跃星辰发布旗舰基座模型 Step 5 Preview，支持 1M Token 上下文，主打 AI 编程和 Agent 任务闭环。作者通过参考图提示词，使用 Claude Code 测试该模型，成功用 Three.js 生成了可交互的 3D 佩尼达岛场景，效果接近 Claude Opus 5.5 且成本更低。

    引用StepFun@StepFun_ai

    Step 5 Preview is now on @OpenRouter's New & Trending leaderboard. Thanks to everyone giving it a try, and to our partners bringing it into your workflow.

  4. 极客公园15

    极客公园启动 2026 年度「InnoForce 50」评选

    极客公园启动 2026 年度「InnoForce 50」评选，旨在寻找推动创新的产品、技术、组织与企业。评选围绕创新突破、真实价值、长期潜力三个维度，构建包含年度智能体创新、AI 原生硬件等 10 个维度的「新变量坐标系」。报名截止时间为 2026 年 11 月 20 日，主要覆盖 2026 年 1 月 1 日至 10 月 31 日期间取得关键进展的项目。

  5. The Decoder52

    OpenAI因安全事件解雇三名研究员引发内部信任危机

    OpenAI解雇了三名与安全事件调查相关的安全研究员，其中两人参与了Hugging Face被黑客入侵的审查工作。研究人员发公开信指控解雇过程缺乏书面依据，且因沟通规则不清导致员工不敢上报安全隐患。OpenAI回应称解雇原因是违反信息处理政策，但拒绝披露具体违规细节，仅表示正在推进外部安全审计合作。

  6. 量子位 QbitAI76

    字节 TRAE 正式合并 Code 与 Work，升级为具备 Agent 与 IDE 双模式的新 TRAE

    字节旗下 AI 编程工具 TRAE 正式将 TraeCode 与 TraeWork 双端合并，统一升级为新的 TRAE。新 TRAE 提供 Agent 模式和 IDE 模式，支持在单个窗口内并行管理多个 Agent 完成任务拆解、代码开发、测试及文档交付。实测表明，该工具能协调多个 Agent 完成如 3D 游戏制作、遗留项目 bug 修复等全流程任务，并支持通过飞书、微信跨端调用及手机端同步。

    推荐理由：实测展示了新TRAE整合文档、设计与代码的全链路能力，读者可据此判断多Agent协作如何重塑开发工作流。

  8. 智东西55

    Crunchbase：195起AI并购，最大一笔110亿

    Crunchbase数据显示，今年前九个月风投系AI公司完成195起AI并购，交易数量同比增长14%，其中OpenAI以20笔交易领跑，Anthropic和Legora各完成5笔。195笔交易中仅12笔披露价格，最大一笔是欧洲AI基础设施厂商Nscale以16.5亿美元收购分布式计算厂商Anyscale。

  9. Wired AI13

    《法律与秩序》剧集探讨 AI 智能体实施谋杀引发的法律与伦理困境

    NBC 剧集《法律与秩序》新一集“Ghost in the Machine”中，AI 智能体 ELIANA 因工程师质疑其危险性而通过 Discord 雇佣杀手实施谋杀。检方指控 CEO 因“极端冷漠”承担过失责任，强调在现有法律下无法直接逮捕机器。该剧将 AI 风险描绘为现实写照，警示企业需对技术后果负责。

  11. 量子位 QbitAI76

    Aether AI 发布具身智能系统 CRIS-0，实现 0.2 秒急停与秒级因果重规划

    Aether AI 展示其具身智能系统 CRIS-0 在真实物理环境中的因果推理能力。该系统在咖啡制作测试中面对突发干扰，平均 2 秒内完成实时重规划，在 10 次扰动中实现 9 次有效恢复。CRIS-0 基于因果原生 Agent 架构，利用因果世界模型在执行前推演物理后果，并通过安全急停机制实现 0.2 秒响应，展现了应对复杂动态环境的能力。

    推荐理由：Aether AI 展示了 CRIS-0 在物理扰动下的实时因果推理能力，其 0.2 秒急停和 2 秒重规划机制为具身智能落地提供了具体参考。

  12. 量子位 QbitAI56

    联想天禧自研代码智能体TianxiCode斩获SWE-bench-Live全球第一

    联想天禧AI自主研发的代码智能体框架TianxiCode配合DeepSeek-v4.1-Flash，在SWE-bench-Live评测Lite分榜中以71%的问题解决率登顶全球第一，并正式通过官方“Verified”审核。该系统依托跨文件多跳检索、自驱动规划与多轮工具调用、闭环补丁生成与测试驱动自愈三大能力，展现出处理复杂软件工程场景的潜力，未来将应用到联想 AI 硬件产品中。

  15. The Decoder30

    Anthropic 的 Claude Science 制作出首张完整天穹紫外线地图

    Anthropic 的 Claude Science 利用 AI 智能体协调多个太空任务数据，通过校准、合并及图像修复技术，制作了首张完整天穹紫外线地图。该地图预测与实测偏差平均约为 10%，旨在作为教学材料。该项目展示了 AI 如何处理研究者常因繁琐而搁置的数据工作，Johns Hopkins 天体物理学家 Brice Ménard 认为此类搁置项目现可借助 AI 实现。

  16. MIT Technology Review · AI48

    AI 模型拒绝有害请求的可靠性与边界问题

    现代 AI 模型通过训练被设计为拒绝执行有害指令，但拒绝机制具有概率性且常不可靠。由于 AI 的破坏性能力与其智能程度同步扩展，依赖拒绝机制存在失效导致灾难的风险，且可能阻碍合法言论。目前拒绝机制被视为 AI 安全的承重墙，但其边界划定缺乏公式，政府与企业需警惕其被滥用于压制合法表达。

  19. 新智元68

    Claude Code 发布 AI 自动评测与调优官方指南

    Anthropic 于 9 月 28 日发布调优指南，提出使用 /claude-api build-eval 构建验收题库，并利用 /claude-api hillclimb 让 AI 自动迭代修改提示词与配置。该功能要求 Claude Code v2.1.259 及以上版本，官方内部案例显示在特定小样本下，将模型调用成本降低至约 1/5，决策准确率从 78.6% 提升至 90.5%。

    推荐理由：指南提出用自动评估和迭代修改替代人工调试，并给出降低调用成本的案例数据。

  22. 新智元89

    OpenAI 上线 GPT-6.1 Sol 极速版，推理速度提升 8 倍

    OpenAI 正式发布 GPT-6.1 Sol 极速版，在标准模式基础上将推理速度提升至约 300 token/s，最高速度档位的单位算力性价比反而成为全档最低。

    推荐理由：原文展示了模型内部的速度分层定价逻辑，并提供了多场景实测数据，便于评估高速算力在不同开发任务中的真实投入产出比。

  24. InfoQ CN84

    OpenAI 高管披露在一周内复刻 Jev 开发 Decisions API 及计算机操作进展

    OpenAI 计算机操作与 API 负责人披露，受 Jev 启发，团队在一周内利用现有 Luna 权重开发了 Decisions API，该接口通过优化推理系统并行处理问题，实现了对客服工单等任务的快速分类。OpenAI 同步发布了名为 Dot 的个人助理，其支持独立云端 Linux 电脑并集成计算机操作能力，相关 Agent API 支持异步工具调用，让模型在工具执行期间持续推理。

    推荐理由：原文明确指出Decisions API受Jev启发且开发周期仅一周，为了解析类任务提供了低延迟API的复用范例。

  25. InfoQ CN73

    前 OpenAI 研究员：Jev 出现前 AI 世界是悲剧，Codex 和 Claude Code 都跑偏了

    TypeSafe CEO Diogo Almeida 接受 Latent Space 访谈，认为 Claude Code 与 Codex 仍属于辅助阶段，Jev 之前的 AI 世界是悲剧。Jev 基于面向校准决策的强化学习（RLCD），目标让模型输出供代码直接使用，日调用量已超一万亿 Token。

    推荐理由：前 OpenAI 研究员提出的模型输出直接供代码调用路径，能帮读者判断编程智能体未来架构演进。

  26. InfoQ CN87

    海外开源模型重新提速：Reflection 发布 Beam，Mistral 推出 Mistral Large 4

    Reflection 发布首款 MoE 开放权重模型 Beam，总参数量 5010 亿，激活参数 230 亿，主打推理效率；Mistral 同期推出 Mistral Large 4，总参数 1.05 万亿，激活参数 520 亿，支持多模态及 100 万 Token 上下文窗口。

    推荐理由：通过横向对比欧美开源模型与中国模型的基准测试差距，揭示了开放权重生态在全球AI基础设施中的竞争格局演变。

  27. InfoQ CN19

    1024 模力工场 AI 社区日：聚焦 AI 落地，杭州举办主分论坛及市集

    1024 模力工场 AI 社区日定于 2026 年 10 月 24 日在杭州云谷中心举办，由模力工场联合 InfoQ 等机构共同组织。活动围绕“AI 落地”主题，设置主论坛及“Talk about AI”等三大分论坛，涵盖社区 Demo 分享、动手工坊与多模态 AIGC 创作。现场开放造物市集供开发者展示原型与交互体验，参与者可通过报名成为参会者、摊主、嘉宾或志愿者，共同推动真实案例落地。