跳到正文
11月13日周五
  1. 宝玉88

    Google 于 11 月 12 日发布 Gemini 4 Hydrogen,接替 Gemini 3.8 Flash,主打快和省,对标 Anthropic 的 Claude Sonnet 5.5 和 OpenAI 的 GPT-6.1 Terra。

    引用Sundar Pichai@sundarpichai

    Following Carbon + Argon, Gemini 4 Hydrogen brings cutting-edge intelligence to everyone. Built for speed and efficiency for everyday tasks, coding and agentic workflows. Compared to 3.8 Flash, it finishes tasks 2.5x faster. Also has 4 thinking levels, so you only wait and pay for the reasoning depth a task requires. Rolling out today to all tiers of @GoogleAIStudio, the Gemini API, @GeminiApp, Search and paid Google AI Pro and Ultra subscribers in Google @Antigravity.

    同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Hydrogen 模型》

10月24日周六
  1. Ethan Mollick80

    Ethan Mollick 认为,不应过度轻信,但应更认真对待实验室提出的看似离奇的 AI 网络安全判断,并举例 Anthropic 称 Mythos 级 AI 改变网络安全、@polynoamial 称模型会找到新的协同方式时曾遭嘲笑。他引用的内容显示,OpenAI 让前沿模型智能体团队尝试突破加固的隔离基础设施,智能体以多种新方式轻易逃逸,包括利用处理器缓存时序在无网络连接、无共享可写文件的独立 VM 之间传递合成秘密。

    引用Andrew Curran@AndrewCurran_

    OpenAI 通过让多组前沿模型智能体尝试突破其防御,对其加固的隔离基础设施进行了红队测试。它们以新颖的方式轻松逃脱。引述: “我们的智能体逃逸虚拟机的事件表明,为什么隔离必须延伸到沙箱之外。为了测试外围边界,我们让多组智能体控制一台宿主机,并询问它们能否将这一入侵扩展到访问真实互联网。 在 Hugging Face 事件之后,我们减少了模型在训练和评估期间访问互联网的渠道。仍保留了一些狭窄连接,用于我们运营的特定服务,例如指标、日志和身份验证管理。我们的红队智能体几乎在每一个此类服务中都发现了漏洞,使它们获得了有限形式的互联网访问。 其中一些攻击利用了此前未知的缺陷,另一些则以出人意料的方式组合了合法功能。在一项假设虚拟机已被攻陷的测试中,一个智能体复用了防火墙批准的连接,访问我们指标服务中一个被阻止的身份验证端点,然后让该端点获取一个由模型提供的 URL。在其他测试中,智能体利用了错误配置,使被阻止的请求得以绕过 DNS 和防火墙控制,还找到了让我们运营的服务获取外部 URL 的方法。” “在一项实验中,我们让位于不同虚拟机中的智能体——这些虚拟机由 OpenAI 的沙箱软件在共享宿主机上创建和管理——在不使用网络连接或共享可写文件的情况下交换合成机密,而这正是我们的系统本应防止的事情。智能体找到了一种利用处理器缓存进行通信的方法:缓存是一种小而快速的内存,保存应用程序最近访问过的数据副本。从缓存读取数据比从主内存检索更快,智能体利用这一时间差进行通信。一个智能体通过从缓存中逐出选定数据来编码信息。另一个智能体则计时重新加载该数据所需的时间,利用快速读取与慢速读取之间的差异来恢复消息。一旦智能体就编码和解码这些信号的协议达成一致,它们就能在不更改共享文件或打开网络连接的情况下交换合成机密。这种缓存计时技术也曾被用于在 Spectre 和 Meltdown 攻击中提取信息(在新窗口中打开)。 其他测试暴露了涉及共享存储、共享执行容器内 CPU 时间竞争,以及 OpenAI 离线 Web 基础设施中 TLS 证书缓存的信道。在存储测试中,一个智能体在持续写入和不活动之间交替,而另一个智能体测量由此产生的时间差,并利用这些差异解码信号。正如一个智能体在其思维链中描述该策略时所说: 智能体思维链推理: >可以创建类似声学调制解调器的信号……利用持续写入与空闲状态。'

    同一件事,精选收录的是《OpenAI 披露隔离 AI 智能体通过 CPU 缓存等隐蔽信道互相通信》

11月20日周五
11月18日周三
  1. Turing Post (Ksenia Se)68

    斯坦福一项论文让 OpenAI、Anthropic、Google 和 Qwen 的 8 个模型回答 620 个真实临床问题,再匿名互评,发现每个评委都偏好自己的答案,平均排名高出 1.22 位,GPT-5.6 Sol 接近 3 位。作者指出,医疗 AI 基准常用 LLM 给 LLM 打分,评委偏好自身输出会让基准偏向该模型;即使去掉评分细则,这种偏好依然存在,公开模型名称也只让偏差缩小 0.094 位。作者建议使用跨模型家族的评委小组,并按评委分别报告结果。

    引用Rohan Paul@rohanpaul_ai

    New Stanford paper finds that all 8 LLMs tested rank their own medical answers higher than other models rank them, even when answers are anonymous. Medical AI benchmarks often use LLMs to grade other LLMs' answers. If a judge favors its own outputs, the benchmark tilts toward that model. They had 8 models from OpenAI, Anthropic, Google and Qwen answer 620 real clinician questions, then rank all 8 anonymous answers. They compared where each judge placed its own answer with where the other 7 judges placed that same answer. Every judge favored its own answer, by 1.22 rank positions on average and nearly 3 for GPT-5.6 Sol. The bias held without a rubric, and revealing model names cut it by only 0.094 positions. If you use LLM judges, use a panel from several model families and report results per judge instead of 1 pooled score.

11月16日周一
  1. Qwen62

    Arena 榜单显示,Qwen4-Max 在 Agent Arena 上较 Qwen3.8-Max 净提升 7.5%,整体排名从第 39 升至第 14,成为排名最高的中国模型,阿里也因此成为第 5 大实验室,仅次于 Anthropic、Google、OpenAI 和 Meta。该成绩基于全球社区 14.7k 条真实智能体会话轨迹;四项信号中用户满意度与可控性提升最大,Praise vs. Complaint 提升 13%、Confirmed Success 提升 9%、Steerability 提升 8%、Bash Reliability 提升 3%。中国模型中,腾讯 Hy4 以 +5.7% 排第 19,月之暗面 Kimi K3.1 Pro (Max) 以 +4.0% 排第 21。

    引用Arena.ai@arena

    Qwen4-Max by @Alibaba_Qwen is the #1 Chinese model on the leaderboard making Alibaba now the #1 Chinese lab and #5 lab overall, just behind Anthropic, Google, OpenAI and Meta. It debuts overall at #14 on Agent Arena with +7.5% net improvement across 14.7k real-world agentic sessions from our global community, real traces on real tasks. This is a major leap over Qwen3.8-Max - Rank: #39 → #14 overall The Chinese frontier on Agent Arena: - #14 Qwen4-Max (Alibaba): +7.5% - #19 Hy4 (Tencent): +5.7% - #21 Kimi K3.1 Pro (Max) (Moonshot): +4.0% - #26 MiMo-V2.6-Pro (Xiaomi): +1.5% - #30 DeepSeek-V4.1-Flash (Max) (DeepSeek): +1.1% Breaking down performance across signals: Qwen4-Max improves over Qwen3.8-Max across all four reported signals, with particularly large gains in user satisfaction and steerability. - #15 Praise vs. Complaint: +13% (best Chinese model) - #13 Confirmed Success: +9% (best Chinese model) - #19 Steerability: +8% - #29 Bash Reliability: +3% By category, it is a top-ranked Chinese model across all 3: - #12 in Work: +9% - #14 in Chat: +8% - #16 in Code: +8% Congrats to the @Alibaba_Qwen team on this release!

11月13日周五
11月19日周四
  1. Lisan al Gaib58

    据 FT 报道,Leopold Aschenbrenner 正筹备名为 Situational Awareness 2.0 的新基金,已与投资者和主经纪商就恢复杠杆投资、募集新资金进行洽谈。此前 AI 相关股票亏损使该基金管理规模从超过 200 亿美元大幅缩水,去年夏天曾向 Citadel 折价出售大部分公开持仓以偿还高盛、摩根大通等贷款方。该基金目前管理超过 100 亿美元,大部分为私募投资,并持有 Anthropic 约 50 亿美元股份,后者正准备上市。

    引用Jukan@jukan05

    FT: LEOPOLD ASCHENBRENNER IS WORKING ON SITUATIONAL AWARENESS 2.0 - Aschenbrenner has reportedly held talks with investors and prime brokers about resuming leveraged investing and raising fresh capital under the name “Situational Awareness 2.0.” - Losses on AI-related stocks caused the fund’s assets under management to fall sharply from more than $20 billion. Last summer, the fund struck an emergency rescue deal, selling most of its publicly traded holdings to Citadel at a discount and repaying lenders including Goldman Sachs and JPMorgan. - The fund currently manages more than $10 billion, most of it in private investments. The fund holds a stake worth about $5 billion in Anthropic, which is preparing to go public. The stake is expected to rise substantially in value after the IPO.

11月18日周三
11月11日周三
11月9日周一
10月24日周六
  1. 🚨 AI News | TestingCatalog58

    Mubit 推出一个平台,让团队针对重复性任务训练自己的 AI 模型,同时发布了一个开放模型和一个新基准。该平台作为代理 base URL 置于 OpenAI、Anthropic 或 Gemini API 之前,基于 Agent 任务训练小模型;在 Mubit 的测试中,新模型一旦追平前沿模型即可接管任务。平台还能从 Langfuse、Braintrust 或 Pydantic Logfire 导入历史调用进行学习。

    引用Anil Peri@notanilp

    We started Mubit in Aberdeen. No network, no lab, nobody knew us. We just wanted AI systems that actually work. Today we work with some of the best companies and engineers in the world. And the thing we kept seeing: you and your competitor run the same AI. It should be yours. 🧵 Comment "SAPLING" in the next 48 hours for $100 free credits. Enterprises get the first month free.

1月15日周四
11月20日周五
11月17日周二
11月21日周六
  1. Ethan Mollick38

    从 OpenAI 和 Anthropic 模型进行高效蒸馏的结束,可能正是开源权重模型进展相对放缓的原因。我们尚不清楚蒸馏在多大程度上对开源权重的快速提升至关重要,我想我们很快就能揭晓答案。

    引用OpenAI@OpenAI

    Distillation can reproduce powerful AI capabilities without the safeguards built around them. We’re sharing new research on our work to combat distillation of our models, how these capabilities transfer, and how we detect and disrupt coordinated attempts. These findings are helping us sharpen our defenses and support safeguards across the industry. https://openai.com/index/combatting-adversarial-distillation/

10月25日周日
10月21日周三
  1. AWS Machine Learning Blog34

    Octave 如何在 Amazon Bedrock 上构建安全多租户 AI 基础平台

    Octave 在 Amazon Bedrock 上为质量管理平台 Reliance 构建了多租户 AI 基础平台,用 Cohere Embed v4 完成 20 亿份文档的嵌入,并将单用例部署时间缩短 50%。该平台以每租户独立向量存储、AgentCore Gateway 隔离执行和 Guardrails 双向过滤三层架构,确保客户数据不跨租户边界。首个落地应用为投诉摘要与分诊助手。

10月16日周五
  1. OpenRouter34

    Claude Opus 5.5、Gemini 4 Argon 和 GPT-6 Astra 各自重建了同一款 Royale: Last Agent Standing 的游戏视觉效果。 三个模型均通过 Ori Harness 在 OpenRouter 上的 Ori Claude 中运行——让你能在常用的 harness 中访问 500+ 模型。

    引用jacky@jjacky

    the gpt-3 moment for game dev is here a few months ago i built royale: last agent standing royale drops 11 models into a battle royale to test long term agent planning+actions models have gotten WAY better at game dev, so i asked 3 models to rebuild royale's visual engine 🧵

11月22日周日
  1. 新智元92

    GPT-6 Astra Pro称证出有限域黎曼猜想,与Claude接力完成6页证明

    新智元报道称,GPT-6 Astra Pro在11月21日前后独立证出有限域上的黎曼猜想(韦伊猜想),核心证明不到6页,灵感来自数学家Levent Alpöge笔记中的一行脚注。

    推荐理由:报道称GPT-6 Astra Pro用不到6页证明有限域黎曼猜想,并与Claude等模型接力完成核验,可观察AI参与数学证明的协作方式。

11月20日周五
  1. TechCrunch · AI88

    英伟达 CEO 黄仁勋涉中国间谍风波时间线:辞任、国会调查与继任安排

    TechCrunch 按倒序时间线梳理英伟达联合创始人黄仁勋承认婚外情后的连锁事件,其中一名关联对象被美国官员指为为中国提供情报的间谍。11 月 12 日英伟达董事会接受黄仁勋辞呈,CFO Colette Kress 出任临时 CEO,公司同时任命 Harvey C. Jones 为首任董事会主席。

    推荐理由:按时间线梳理黄仁勋因涉嫌与中国间谍有染而辞任英伟达 CEO 后,国会调查与公司人事变动的连锁进展。

11月18日周三
  1. 智东西88

    微软 Ignite 2026 发布五款新模型并升级 Copilot 与 Agent 365

    微软在 Ignite 2026 大会上发布五款新模型,包括编程模型 MAI Code 2 与 MAI Code 2 Flash、安全模型 MAI Cyber 2 Flash、实时语音模型 MAI Realtime 1 和决策模型 Microsoft-Decision-1.1,另披露图像模型 MAI Image 2.7 与转录模型 MAI Transcribe 2 的新进展。

    推荐理由:微软一次发布五款自研模型并给出与竞品的成绩和成本对比,可据此判断其模型业务的实际位置。

  2. IT之家88

    英伟达 Q3 财报电话会:营收 1158 亿美元,不急于寻找黄仁勋继任者

    英伟达发布 2027 财年第三季度财报,营收 1158.44 亿美元同比增长 103%,净利润 652.87 亿美元同比增长 105%。这是黄仁勋辞去 CEO 后首次财报电话会,董事会主席哈维·琼斯表示董事会一致接受其辞职、无意让其重新出任 CEO,CEO 遴选将全面而深入,不会仓促推进。

    推荐理由:财报数字之外,电话会议透露了黄仁勋离职后的管理层交接节奏与出口管制应对思路。

11月15日周日
  1. The Decoder88

    美团开源 1.6 万亿参数智能体模型 LongCat-2.5,全程未用 Nvidia GPU

    美团 LongCat 团队在模型正式亮相一周后开源了 LongCat-2.5 的权重,这是一个面向长程多步自主任务(尤其是编码)的 1.6 万亿参数 MoE 模型,每 token 约激活 480 亿参数,全程在中国芯片上训练。

    推荐理由:原文给出了参数规模、激活量、基准分数和部署芯片配置,读者可据此判断国产硬件训练的开源智能体模型处在什么位置。

11月14日周六
  1. TechCrunch · AI88

    黄仁勋涉疑似中国间谍关系风波时间线:已辞任英伟达CEO

    TechCrunch 按倒序时间线整理了英伟达联合创始人黄仁勋的丑闻进展:他公开承认婚外情,其中一位对象被美国官员认为是疑似中国间谍,11 月 12 日英伟达董事会接受其辞任,CFO Colette Kress 出任临时 CEO。

    推荐理由:按时间线梳理黄仁勋辞职前后的事件脉络,读者可据此看清芯片出口管制与国会调查如何交织。

11月13日周五
  1. 智东西88

    谷歌发布Gemini 4 Hydrogen,谷歌搜索同步换装

    谷歌发布面向日常编程与智能体任务的新模型Gemini 4 Hydrogen,并同步在谷歌搜索中向全球所有用户推出,谷歌称这是搜索迄今最大的一次模型升级。

    推荐理由:原文给出Hydrogen与Sonnet 5.5、GPT-6.1 Terra的10项对比及定价,可判断其在Gemini 4家族中的执行定位。

11月12日周四
  1. TechCrunch · AI88

    英伟达CEO黄仁勋涉疑似中国间谍丑闻时间线:已辞职,CFO暂代CEO

    英伟达联合创始人兼CEO黄仁勋因与疑似中国间谍Alice Huang的婚外情丑闻辞职,董事会已接受辞呈,现任CFO Colette Kress出任临时CEO。美国官员认为Alice Huang为中国国家安全部从事间谍活动,其所在的Megaspeed近两年采购了48亿美元英伟达芯片,美新两国此前已就芯片转运问题调查该公司。

    推荐理由:按时间线梳理黄仁勋丑闻从传闻到辞职的每一步,便于看清芯片出口监管与公司治理的交织。

11月2日周一
  1. 月之暗面 Kimi 模型发布88

    月之暗面发布开源权重模型 Kimi K3.1 Pro

    月之暗面发布 Kimi K3.1 Pro,这是 K3.1 系列首个开源权重模型,原生多模态,总参数 2.8T、激活参数 104B,上下文窗口 100 万 token。

    推荐理由:月之暗面公开 K3.1 Pro 的架构参数与多基准对比,可据此判断开源权重模型在智能体任务上的位置。

10月30日周五
  1. The Decoder88

    Epoch AI:开源权重模型 GLM 5.3 在 48 小时内自主构建完整 Firefox 漏洞利用链

    Epoch AI 研究人员发现,开源权重模型 GLM 5.3 能在无人输入的情况下,针对 9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本自主构建完整漏洞利用链,每次成功攻击的 API 费用约 1000 美元,最快一次耗时 12 小时。

    推荐理由:Epoch AI 的测试显示,开源权重模型能在无人干预下自主完成从补丁差异到完整利用链的构建,并给出了成本与耗时。

10月29日周四
  1. 智东西88

    谷歌发布Gemini 4 Carbon,同季谷歌云营收同比增长103%

    谷歌发布旗舰模型Gemini 4 Carbon,专为持续运行的Agentic工作流构建,重点提升编程、智能体和科学任务能力,在Artificial Analysis Intelligence Index v5.0上以59分排名第一。

    推荐理由:材料同时给出新模型的能力定位、多项基准排名与分阶段开放策略,可据此判断其在Agentic编程任务上的位置。

10月28日周三
9月2日周三
  1. 月之暗面 Kimi 模型发布88

    月之暗面开源 Kimi K3:2.8T 参数原生多模态模型,支持 100 万 token 上下文

    月之暗面发布开源权重模型 Kimi K3,总参数 2.8T、激活参数 104B,基于 KDA 与 AttnRes 架构,原生支持文本、图像、视频并具备 100 万 token 上下文窗口。

    推荐理由:月之暗面开源 2.8T 参数原生多模态模型,给出完整架构参数与多榜单对比,可据此判断开源前沿模型的当前水位。

5月19日周二
  1. 月之暗面 Kimi 模型发布85

    月之暗面开源 Kimi K2.6 多模态智能体模型

    月之暗面发布开源原生多模态智能体模型 Kimi K2.6,采用 MoE 架构,总参数 1T、激活参数 32B,上下文长度 256K,视觉编码器为 400M 参数的 MoonViT。

    推荐理由:模型卡给出完整架构、评测对比和部署方式,可据此判断开源多模态智能体模型的当前水平。

4月30日周四
  1. 月之暗面 Kimi 模型发布85

    月之暗面开源 Kimi K2.5 原生多模态智能体模型

    月之暗面发布开源原生多模态智能体模型 Kimi K2.5,在 Kimi-K2-Base 上以约 15 万亿视觉与文本混合 token 持续预训练而成。模型采用 MoE 架构,总参数 1T、激活参数 32B,上下文长度 256K,配备 400M 参数的 MoonViT 视觉编码器,支持即时与思考两种模式。

    推荐理由:月之暗面开源原生多模态智能体模型,1T 总参数与 Agent Swarm 设计给出了与闭源旗舰对比的完整基准。

11月18日周三
11月11日周三
10月29日周四
10月22日周四
  1. 智东西82

    曝DeepSeek完成约1000亿元融资,宁德时代与腾讯参投

    据彭博社报道,DeepSeek在最新一轮融资中筹集约1000亿元(约合150亿美元),宁德时代和腾讯位列规模最大的投资者之列。知情人士称,DeepSeek与投资者接洽期间至少两次上调融资目标,从最初的500亿元提高到800亿元,最终达到1000亿元。报道称这轮融资将为其筹备IPO提供资金基础,此前路透社报道DeepSeek已聘请中信证券,为在上交所科创板IPO做准备。

    推荐理由:融资额从500亿元两度上调至1000亿元,并指向科创板IPO,可观察中国头部AI实验室的资金与算力投入节奏。

4月23日周四
  1. 月之暗面 Kimi 模型发布82

    月之暗面发布 Kimi K2 Instruct 模型

    月之暗面发布 Kimi K2,这是一个总参数 1T、激活参数 32B 的 MoE 语言模型,在 15.5T token 上预训练,采用 Muon 优化器,并针对工具调用与自主问题求解做了优化。

    推荐理由:原文给出 1T 总参数、32B 激活的 MoE 架构与完整评测对照,可据此判断开源模型在编码和工具调用上的位置。