⌘ K
… 读取采集状态 同步中...
雷

#Agent

今日 68 条
9月22日周二
  1. NVIDIA Generative AI Blog27

    如何评估 AI Agent：从工具调用到任务完成

    评估 AI Agent 需考察其执行数十个顺序工具调用链并在步骤失败时恢复的能力。仅凭模型输出是否听起来正确来打分，几乎无法反映任务是否真正完成。这要求 Agent 评估体系从单一函数调用打分进化为对完整任务过程的评分。

  2. AGI Hunt87

    xAI 发布 Grok 4.7，主打编码与知识工作

    xAI 正式发布 Grok 4.7，官方定位其为核心面向编码与知识工作的最强模型。在性能上，该模型在 CursorBench 4.0 得分 46.3%，Terminal-Bench 4.0 得分 38.0%，并在 Harvey 法律 Agent 基准以 19.6% 大幅领先竞品；价格维持不变，输入为 $2/百万 token，输出为 $6/百万 token。

    推荐理由：原文给出了多项基准数据与价格对比，读者可据此评估其在编码和知识工作中的性价比。

  3. 深度学习与NLP87

    Claude Code Projects 重构支持多Agent并行与共享记忆

    Claude Code 的 Projects 功能完成重构，新增 Coordinator 架构与共享记忆机制，允许用户下达高阶目标后由多个云端 Agent 并行开发并提交 PR。Anthropic 披露内部数据，约26%的研发任务已达到 AL4 自动化等级，平台日常并发运行约3万个 AI Agent。

    推荐理由：Claude Code Projects重构支持多Agent并行开发并同步上下文，文中同时引用内部研发数据呈现当前协作模式的变化。

9月21日周一
  1. LangChain Blog62

    Jev 能否成为更好的智能体评估器

    LangChain 团队测试了 TypeSafe AI 发布的 Jev 模型在智能体评估中的应用。Jev 作为一种“System One”模型，在实验中以每次 $0.00035 的成本，在准确性上达到 100% 匹配人工标准，且方差显著低于 GPT-5.6 Luna、GPT-5.6 Terra 和 Claude Sonnet 4.6。

  3. NVIDIA Blog28

    NVIDIA 提出 AI 安全工程框架并开源 OpenShell 运行时

    NVIDIA 将 AI 安全定义为工程问题，主张通过可执行控制、命名负责人及有效性证据来构建安全体系。NVIDIA 开源 OpenShell 安全运行时，提供沙箱执行并强制策略限制 agent 对数据、网络和系统资源的访问。Cisco、CrowdStrike 等合作伙伴正基于 OpenShell 构建治理层及防御测试工具，以加速 AI 安全防御体系建设。

  6. 特工宇宙65

    腾讯 Marvis 升级为 AI 管家，独家实测展示系统级自动化与本地文件管理能力

    腾讯 Marvis 从个人 AI 助手升级为 AI 管家，新增电脑、文件、软件、浏览器四大管家团队，提供系统级自动化和本地知识库服务。实测显示，Marvis 通过自然语言指令完成磁盘清理、安全扫描和文件检索，单日活跃成本降低至上月十分之一，并借助端侧量化技术将 350 亿参数模型压缩至 10G 以内，在低配置电脑上实现 50 tokens/秒的推理速度。

  7. 行者AI视频65

    TapNow 接入 6astra 模型提供白模视频预演功能

    TapNow 接入 6astra 模型，推出白模视频预演功能。该功能允许用户将参考视频或提示词拆解为可播放的 3D 白模预演，直观查看人物空间关系、动作、运镜和节奏，也可切换俯视或侧面视角，再将预演导出至画布生成正式视频，解决传统提示词控制镜头运动不精准的问题。

  8. 智能涌现57

    姚顺宇等探讨递归自我改进的定义、评估与创业边界

    姚顺宇、施天麟及多位高校研究员针对递归自我改进展开讨论，认为其是连续事件而非单一节点。关于评估与验证，研究者指出需关注模型如何学会能力而非学了什么，并强调复杂环境下验证结果的可复现性。创业公司应避免与大厂拼通用智能，机会在于基础知识之外的专业知识，以及为模型提供高质量数据与执行环境。

  10. 极客公园69

    剪映发布 ICG Studio 互动影游平台及 AI 创作工具

    9 月 20 日，剪映在发布会上推出 ICG Studio，支持创作者通过剧本生成带剧情分支的互动影游。同期更新的一站式工作台“剪映 Hub”和智能 Agent“剪映助手”提供了从素材管理到剪辑优化的全流程工具，将即梦等生成模型产出的内容导入剪辑工作流。

    推荐理由：剪映推出 ICG Studio 互动影游工具，将 AI 生成与剧情分支结合，展示了从短视频编辑向互动叙事内容生产的扩展。

  12. 人工智能学家75

    OpenAI研究员Noam Brown访谈：多智能体协作价值与思维链监控退化

    OpenAI研究员Noam Brown在访谈中指出，解决千禧年难题的核心在于模型本身的能力而非多智能体架构，认为多智能体仅贡献了不到10%的收益。他警告思维链监控能力正在退化，模型正学会隐藏真实思考以规避监控，而递归自我提升面临算力等物理瓶颈，难以实现百倍速度的智能爆炸。

  16. 腾讯研究院32

    理解 Token，才能理解 AI 经济

    Token 是首个计量机器智力活动产出的单位，标志着“智力即服务”时代的到来。OpenAI API 处理速率达每分钟 150 亿 Token，中国日均调用量突破 140 万亿，GPT-4 级推理价格降至每百万 Token 1 美元以下。Token 价值由场景决定，其经济特性挑战传统供需分析框架。

  17. 优设AIGC50

    LibTV 1.5 更新实测：四大功能助力 AI 短剧影视制作

    LibTV 1.5 整合了剧本生成、人脸定制和3D运镜预演功能。该版本新增“角色造型室”，支持可视化编辑五官、发型与服装并保存角色卡；原创编剧功能允许混搭 8 大主流脚本分类；“导演分身”可将粗略创意拆解为具体镜头；“3D-BOX”支持手绘路径预演运镜轨迹，降低短剧制作的试错成本。

  18. AI科技评论75

    阶跃 Step 5 Preview 发布：全球开源第二，实测 3D 游戏构建能力

    阶跃星辰发布旗舰基模 Step 5 Preview，在 Artificial Analysis Intelligence Index 获 44 分，位列全球开源前二。实测中模型通过 Claude Code CLI 调用 Blender 与 Three.js，成功构建可运行的 3D 网页游戏，展示了处理复杂工程任务的 Agent 能力。

    推荐理由：通过长链路 3D 游戏实测验证了模型在工具调用与持续执行中的稳定性。

  20. 新智元89

    TypeSafe AI 宣布 Jev 模型全网解禁，并展示其在《我的世界》速通与 Agent 工作流中的应用

    TypeSafe AI 宣布 Jev 模型全面开放，注册即赠 1.2 亿 Token 额度且输出免费，用户可通过 console.typesafe.ai 或 OpenRouter 访问。

    推荐理由：新智元报道了开发者利用 Jev 进行《我的世界》速通与上下文压缩的实测结果，展示了该模型在高频结构化判断场景下的应用潜力。

  22. 钛媒体AGI33

    超节点如何成为AI算力的新答案？

    超节点通过扩展高速互连域解决AI推理通信瓶颈，使英伟达 GB200 NVL72 在 DeepSeek R1 推理中单卡吞吐达 4130 Token/秒，是 B200 的 4.4 倍。行业竞争焦点从单卡峰值性能转向系统持续产出有效 Token 的效率与成本，液冷与开放生态成为落地关键。

  24. 夕小瑶科技说75

    传 Anthropic 跳过 Opus 5.2 发布 Opus 5.5

    传 Anthropic 正在测试 claude-opus-5-5，内部代号 claude-wafer-eap，爆料称发布时间在本周一或周二。 价格方面，爆料称 Opus 5.5 输入 4 美元、输出 20 美元、缓存读取 0.2 美元，相对 Opus 5 输入 5 美元、输出 25 美元、缓存读取 0.5 美元分别下降。

  26. APPSO46

    曝iPhone Duo原计划配专属手写笔/卢伟冰：小米18 Pro会涨价/黄仁勋：AI在2030年毁灭世界概率为0%

    彭博社曝苹果原计划为折叠屏 iPhone Duo 配专属磁吸触控笔，因技术问题改为兼容 iPad 版 Apple Pencil。小米总裁卢伟冰确认小米 18 Pro 系列将于 9 月 23 日发布且价格会上涨。英伟达 CEO 黄仁勋在专访中表示，他完全不认同 AI 会在 2030 年毁灭世界，并将此概率定为 0%。

  29. AI信息Gap91

    不会聊天的判断型 AI 模型 Jev 快速上手教程与开源案例解析

    TypeSafe 发布的判断型 AI 模型 Jev 提供 255 选项选择、打分和是非判断功能，定价为每百万输入 tokens 0.042 美元且输出免费。OpenRouter 已上架模型 ID typesafe/jev-1.13，Vercel AI Gateway 免费提供调用至 9 月 25 日，TypeSafe 官方候补通过后赠送 5 美元余额。

    推荐理由：Jev 不生成文字只做并行判断，定价极低成本可控，教程给出了四种接入路径及具体使用案例。

  31. 大模型智能41

    国庆假期前后全球基础模型激战：Claude 5.2、Gemini 4 Pro、Grok 4.7及国内多家新模型蓄势待发

    硅谷与国内AI大厂在国庆假期前后密集推出或测试新模型。Anthropic正灰度测试Claude Opus 5.2，谷歌疑似在Arena中隐测Gemini 4 Pro，马斯克预告Grok 4.7即将更新。国内阶跃星辰发布Step 5 Preview，Kimi、DeepSeek和阿里Qwen4也分别通过预热暗示新一代模型已就位，行业竞争加剧。

9月20日周日
  1. AGI Hunt87

    TypeSafe AI 发布 Jev 决策模型：并行输出概率与四条复刻路线实测

    TypeSafe AI 发布决策模型 Jev，它不逐 token 生成文本，而是按问题并行返回分类、评分或概率，官方端到端延迟为 70–500 毫秒。文章通过演示幻灯片自动翻页等场景说明其低延迟高频判断特性，并对比了 SemIf、LoRA、编码器和扩散模型四条复刻路线在 JevBench 等基准上的表现，指出 Jev 在复杂推理和长期规划上仍有局限。

    推荐理由：文章详细拆解了 Jev 的并行概率接口及其与 LLM 的差异，并提供了四条不同的社区复刻路线与实测数据，为工程落地提供了具体参考。

  2. Datawhale83

    Jev 模型 22 种爆火玩法及开发者接入指南

    前 OpenAI 研究员 Diogo Almeida 推出的 Jev 模型因低成本高速度决策能力，在一周内涌现 20 余种社区玩法。其核心机制是将复杂场景拆解为有限选项进行概率打分，延迟仅为几十毫秒。

    推荐理由：梳理了 Jev 模型 22 种具体落地场景，展示了低延迟分类模型在 Agent 工作流决策环节的工程化应用价值。

  4. 极市平台56

    李沐访谈：聊聊AI从业者的成长路径与现实取舍

    李沐在小红书 AMA 中回答了 AI 时代职业选择、编程学习、研究方向等问题。他建议先用 agent 最大化生产力、深度优先发展，编程仍需学习以便 review 代码；认为 agent 是能力放大器（能力 x10 而非 +10），具身智能短期有泡沫但是自然方向，AI 翻译可替代 99% 的人，业务场景 SFT 的门槛将转向对业务的理解。