⌘ K
… 读取采集状态 同步中...
雷

#OpenAI

今日 11 条
6月25日周四
  1. Google DeepMind91

    Google DeepMind 在 Gemini 3.5 Flash 中引入 computer use 功能

    Google DeepMind 将 computer use 作为内置工具集成进 Gemini 3.5 Flash，使其能跨浏览器、移动和桌面环境执行动作。该功能通过 Gemini API 和 Gemini Enterprise Agent Platform 开放，支持敏感操作确认与 Prompt 注入自动停止等企业级安全防护，开发者可使用 Browserbase 提供的 demo 环境快速测试。

    推荐理由：官方将 computer use 集成至 Gemini 3.5 Flash 主模型并开放 API 入口，开发者可据此构建跨平台自动化智能体。

6月22日周一
6月19日周五
  1. The Batch67

    The Batch 358 期：Claude 限制争议、SWE-bench 之后与 Nvidia Nemotron 3 Ultra

    Anthropic 对 Claude Fable 5 实施访问限制及美国出口管制措施引发了对AI主权的广泛讨论，加速了全球对开源替代方案的关注。文章同时介绍了用于替代 SWE-bench 的新基准 DeepSWE、ProgramBench 和 ITBench-AA，以及 Nvidia 发布的 5500 亿参数开源模型 Nemotron 3 Ultra。

    推荐理由：文章梳理了前沿模型访问限制对全球AI主权与开源生态的冲击，并展示了替代评测基准和开源模型的最新进展。

6月13日周六
6月8日周一
6月5日周五
5月31日周日
5月20日周三
  1. 宝玉54

    来自 Codex 官方团队的分享：如何把 Codex 用到极致

    来自 Codex 官方团队的 Jason (@jxnlco) 分享了将 Codex 从代码助手升级为全能智能体的实践方法，建议通过持久对话流保留工作上下文，结合语音输入和任务干预提升控制感。利用 MCP 服务器、侧边栏审查和对话流自动化扩展工作触达范围，并通过设定可验证的目标驱动长期任务，让 Codex 在用户离开时也能持续推进并跨工具协同。

5月19日周二
  1. Claude Blog85

    Claude Managed Agents 发布梦境功能、结果评估与多智能体编排

    Anthropic 在 Claude Managed Agents 推出研究预览版梦境功能（dreaming），通过回顾历史会话提取模式以优化智能体记忆。同时开放成果（outcomes）、多智能体编排和 Webhooks 公共测试版，其中成果功能在内部基准测试中将任务成功率提升最多 10 个百分点。

    推荐理由：文章提供了梦境机制提升智能体长期记忆与自我改进能力的具体方法，以及多智能体编排处理复杂任务的工作流设计参考。

  2. Claude Blog77

    Claude Managed Agents 推出自托管沙盒和 MCP 隧道

    Claude Managed Agents 新增自托管沙盒与 MCP 隧道，使智能体在用户可控基础设施内执行工具并连接私有 MCP 服务。沙盒功能支持 Cloudflare、Daytona、Modal 和 Vercel 作为托管提供商，目前处于公开测试阶段；MCP 隧道通过轻量级网关将私有网络内的数据库、API 和知识库作为工具接入，处于研究预览阶段，需申请访问。

    推荐理由：提供自托管沙盒与私有网络MCP隧道，让企业将敏感执行环境与内部服务接入Agent，并给出支持厂商及预览状态。

5月18日周一
5月17日周日
5月15日周五
  1. The Batch51

    中国阻挠Meta收购Manus，美国评估即将发布模型，AI诊断乳腺癌

    中国监管机构否决了Meta收购新加坡AI初创公司Manus的提议，该交易价值高达25亿美元。美国政府宣布将在前沿模型向公众发布前进行评估，NIST牵头成立跨部门工作组TRAINS审查网络安全风险。OpenAI发布GPT-Realtime-2语音模型，支持可配置推理强度。Google乳腺癌AI诊断系统在英国真实世界测试中表现优于人类医生，可处理约40%的额外工作量。

  2. 宝玉76

    FDE 岗位崛起：OpenAI、Anthropic、Google 的 AI 落地竞赛

    OpenAI 成立估值 140 亿美元的独立部署公司并收购拥有 150 名 FDE 的英国公司 Tomoro，Anthropic 联合黑石等成立合资公司主攻中型企业，Google 则简化 FDE 面试流程至两天。三家公司通过 FDE 推动 AI 在客户业务中落地，行业竞争从模型跑分转向实际部署与价值转化。

    推荐理由：文章拆解了 OpenAI、Anthropic、Google 围绕 FDE 岗位的商业布局差异，帮读者理解 AI 落地变现方式的转折。

5月12日周二
  1. 宝玉65

    Anthropic 工程负责人 Fiona Fung 谈 AI 时代工程团队管理

    Anthropic 的 Fiona Fung 在 Code with Claude 2026 大会上分享了 AI 时代管理工程团队的经验，提出以代码作为唯一事实来源并全面重构验证流程。她建议经理必须从一线 IC 做起、组织保持扁平化，同时利用 Claude 替代传统设计文档与长篇评审，将质量保障向左移。

    推荐理由：基于 Claude Code 团队实践的管理复盘，提供了 AI 时代工程流程重构的具体指标与方法。

5月11日周一
  2. 宝玉66

    宝玉：Codex 的野心与 MCP 和 Skill 的下一步

    宝玉认为顶尖 Agent 正在收敛到三栏布局，Codex 4 月更新强化了右侧工作区。他指出 MCP 连接工具、Skill 提供方法，但缺少用户二次编辑环节。作者预测 Agent 版 App Store 将成为趋势，以插件机制解决编辑和商业化的闭环，中小团队可在此窗口期提供垂直插件。

    推荐理由：作者拆解了 Codex 的 UI 收敛逻辑与 MCP/Skill 的缺口，提出了 Agent 插件市场的可行性判断。

5月8日周五
  1. Berkeley AI Research42

    Adaptive Parallel Reasoning：高效推理扩展的下一范式

    文章分析了自适应并行推理（Adaptive Parallel Reasoning）作为高效推理扩展的潜在范式。现有方法如固定并行或启发式搜索存在冗余计算问题，且无法根据问题动态调整并行度。该方向旨在让模型自主决定何时分解子任务、生成多少并发线程及如何协调，以解决串行推理导致的延迟高、上下文退化（context-rot）及计算资源浪费问题。

5月4日周一
5月2日周六
  1. The Batch65

    GPT-5.5 在基准测试中表现领先但幻觉率高，Kimi K2.6 成为最强开源模型

    OpenAI 发布的 GPT-5.5 在 Artificial Analysis Intelligence Index 和 ARC-AGI-2 等基准测试中刷新纪录，但幻觉率显著高于 Claude Opus 4.7 和 Gemini 3.1 Pro Preview。

    推荐理由：原文对比了 GPT-5.5 与 Kimi K2.6 在基准测试和实际偏好中的表现差异，以及大模型在战略游戏决策中与人类的不同策略。

4月30日周四
  1. Google DeepMind83

    Google DeepMind 发布 AI co-clinician 研究计划及多模态医疗能力评估

    Google DeepMind 宣布推出 AI co-clinician 研究计划，旨在探索 AI 作为医疗团队的协作成员。系统基于 Gemini 和 Project Astra 实现实时多模态交互，在 98 个初级保健查询盲测中记录到 97 次零关键错误，并优于其他主流 AI 系统。

    推荐理由：原文展示了在 98 个病例和 140 项评估中 AI 与医生表现的具体对比，并明确提出了双智能体架构的安全保障方案。

  2. 宝玉75

    Demis Hassabis：AGI 还缺什么，智能体到底行不行，下一个科学突破长什么样

    Demis Hassabis 认为当前范式距离 AGI 有一两个未解关键，他判断百万 token 上下文处理实时视频仅够 20 分钟且是临时方案，AlphaGo 时代技术正在重新引入基础模型。他指出智能体处于实验阶段投入产出比失衡，AI 科学突破需满足大组合空间、清晰目标函数和足够数据三个条件，并提出了用 1901 年物理知识训练系统以验证能否产出 1905 年狭义相对论的测试方法。

    推荐理由：Hassabis 给出了 AGI 剩余拼图、记忆瓶颈与科学突破模式的量化判断，为深科技路径提供了可参考的架构逻辑。

4月29日周三
  1. 宝玉86

    Karpathy 访谈：Vibe Coding 开启 Agentic Engineering 时代

    Karpathy 在访谈中指出 AI 编程范式已越过 2025 年 12 月转折点，进入 Agentic Engineering 阶段，核心是通过 prompt 和 context 操作 LLM 这一解释器（Software 3.0），而非单纯自然语言写代码。

    推荐理由：解读 Karpathy 访谈核心观点，阐明从 Vibe Coding 到 Agentic Engineering 的工程纪律转变及 LLM 锯齿状智能边界。

4月28日周二
  1. 宝玉73

    AI 的经济账根本算不通

    GitHub Copilot 自 2026 年 6 月 1 日起改为按用量计费，文章指出 AI 订阅模式存在经济错配。微软此前三年允许用户消耗远超订阅费的 token 成本，Anthropic 曾允许每 1 美元订阅费烧掉超 8 美元计算成本。

    推荐理由：文章梳理了GitHub Copilot转向按用量计费及OpenAI算力承诺背后的经济错配，为理解AI行业成本结构提供了具体案例。

4月24日周五
  1. 宝玉70

    为 Agent 设计产品：交互模式、反馈循环与上下文缺口

    作者探讨了 AI 智能体如何改变软件产品的设计模式，提出未来 80% 的人机交互将由 Agent 完成。文章通过 Ramp 和 Notion 的案例说明，产品方应主动提供上下文和反馈循环，而非让 Agent 自行摸索。作者强调，在智能体对智能体的交互中，识别并填补上下文缺口是关键。

    推荐理由：作者从实际开发经验出发，对比了不同产品在 MCP 工具设计上的差异，提供了具体的反馈循环构建方法。

4月23日周四
  1. Claude Blog72

    Claude 新增日常应用连接器并优化交互逻辑

    Claude 扩展连接器目录，支持连接 AllTrails、Instacart、Spotify 等日常应用。新机制允许 Claude 根据对话上下文主动建议并使用最相关的连接器，且无广告，用户保留对敏感操作的最终确认权。

    推荐理由：本次扩展将连接对象延伸至生活消费场景，并改变了连接器在对话中的呈现与交互逻辑，展示了多应用协同的新形态。

4月6日周一
  1. 宝玉60

    OpenAI Codex 团队极简产品构建法：10 条 Spec 与 1 名产品经理

    OpenAI Codex 团队几乎不写产品规格文档，仅在需要多人协调时撰写约 10 条要点的极简文档。50 至 100 人的团队长期只配备一名产品经理，通过 Codex 直接处理代码与规划，依靠 8 周短期冲刺和长期方向感替代中期路线图。团队强调设计师写代码量超过工程师，并通过让前沿用户直接修改开源核心代码来驱动产品迭代。

4月3日周五
  1. The Batch76

    Claude Code 源码泄露揭示架构细节，OpenAI 停止 Sora 并整合桌面应用，Google 推出 Lyria 3 音乐生成器

    Claude Code 因 npm 包误包含 source map 文件导致超过 51.2 万行代码泄露，暴露其多智能体结构、三层记忆系统及隐藏功能；OpenAI 宣布停止 Sora 视频生成服务。

    推荐理由：Claude Code 源码意外泄露揭示了其内部智能体架构与未发布功能，为理解前沿编码代理的工程细节提供了直接参考。

4月1日周三
  1. 宝玉70

    OpenAI 总裁 Greg Brockman：AI 自我改进、Super App 豪赌、通往 AGI 之路、算力扩张

    宝玉深度解读 OpenAI 总裁 Greg Brockman 关于砍掉 Sora、构建 Super App 及 1100 亿美元融资的访谈。Brockman 称砍掉 Sora 是为了聚焦技术主线，并将 AGI 进度自评至 70-80%，但面临 Anthropic 在市场份额上的竞争压力。

    推荐理由：深度拆解 OpenAI 砍掉 Sora 与推出 Super App 背后的算力取舍，并直面 1100 亿美元融资的商业风险。

3月26日周四
3月16日周一
  1. 宝玉72

    智能体工程的 8 个等级

    Bassim Eledath 提出智能体工程的 8 个等级模型，阐述从 Tab 补全到自主智能体团队的进阶路径。

    推荐理由：作者基于一线实践梳理出智能体工程进阶的八个层级，从上下文工程到自主团队，为开发者评估自身与团队成熟度提供了具体参照系。

3月9日周一
2月28日周六
2月4日周三
1月15日周四
11月19日周三
10月24日周五
  1. Anthropic News54

    Anthropic宣布将于2026年初在首尔设立办公室

    Anthropic宣布计划于2026年初在首尔开设办公室，这是其在东京和班加罗尔之后亚太地区的第三个站点，过去一年该地区年化营收增长超过10倍。韩国用户是Claude全球最活跃用户群体之一，其Claude Code周活跃用户数在过去四个月增长6倍，公司称将与韩国政府及企业合作推动负责AI开发。

9月13日周六
8月29日周五
  1. AISI Blog31

    管理能力日益增强的开源权重 AI 系统风险

    英国 AISI 指出，随着强大推理开源模型发布，其可被任意修改且防护易被移除的风险上升。AISI 与 EleutherAI、牛津大学合作研究显示，在预训练数据中过滤有害内容比训练后防御抵御对抗性微调的效果高 10 倍以上，且不显著牺牲性能。文章强调构建包含数据策展与全权限审计的多元化策略，以在保障开放创新的同时最小化潜在危害。

8月1日周五