跳到正文
今天11月19日周四1 条
  1. IT之家 AI76

    谷歌推出 Gemini 4 Neon 模型,编程 AI 智能体指数超 Claude Opus 5.5 排第一

    IT之家 11 月 19 日消息,谷歌今天(11 月 18 日)宣布推出 AI 模型 Gemini 4 Neon, 主攻复杂编程、科学研究和企业工作流程,更好平衡推理能力、任务处理速度与成本 ,目前已开始向开发者、企业及部分付费订阅用户开放。 费用方面,Gemini 4 Neon 在 API 调用方面,每 100 万词元输入费用为 3 美元 (IT之家注:现汇率约合 20 元人民币) ,每 100 万词元输出费用为 15 美元 (现汇率约合 100.2 元人民币) ,缓存输入每百万 token 为 0.15 美元 (现汇率约合 1 元人民币) ,并提供 Low、medium、high 以及 xhigh 四种推理级别。用户订阅 Google AI Pro 或 Ultra 后可以在 Gemini 应用中选择使用该模型。 据谷歌介绍,Neon 支持 100 万 token 上下文窗口,可综合处理电子表格、PDF、图表、音频和视频,将分...

    推荐理由:来自IT之家 AI的《谷歌推出 Gemini 4 Neon 模型,编程 AI 智能体指数超 Claude Opus 5.5 排第一》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到:IT之家 11 月 19 日消息,谷歌今天(11 月 18 日)宣布推出 AI 模型 Gemini 4 Neon, 主攻复杂编程、科学研究和企业工作流程,更好平衡推理能力、任务处理速度与成本 ,目前已开始向开发者、企业及部分付费订阅用户开放。 费用方面,Gemini 4 Neon 在 API 调用方面,每 100 万词元输入费用为 3 美元 (IT之家注:现汇率约合 20 元人民币) ,每 100 万词元输出费用为 15 美元 (现汇率约合 100.2 元人民币) ,缓存输入每百万 token 为 0.15 美元 (现汇率约合 1 元人民币) ,并提供 Low、medium、high 以及 xhigh 四种推理级别。用户订阅 Google AI Pro 或 Ultra 后可以在 Gemini 应用中选择使用该模型。 据谷歌介绍,Neon 支持 100 万 token 上下文窗口,可综合处理电子表格、PDF、图表、音频和视频,将分...

11月18日周三
  1. Simon Willison87

    External sandboxes for coding agents

    外部沙箱用于编码代理:我探索了新的方法来沙箱执行由代理的代码,重点在于在不担心误操作或提示注入攻击可能导致机器受损的情况下安全地尝试本地模型。我与Prime Radiant(Superpowers等项目的AI研究实验室)合作开发了该项目。Prime Radiant博客上的帖子介绍了外部沙箱模式,其中代理执行的代码在专用沙箱内运行,而代理本身则位于该沙箱之外。为演示该模式,我们发布了三种沙箱服务器实现:external-sandbox-v86运行一个Node.js服务器,然后使用v86在WebAssembly中运行Alpine Linux;external-sandbox-container是一个Python Web服务器,运行沙箱在Apple Containers实例中;external-sandbox-quicksand是另一个Python Web服务器,使用Microsoft的Quicksand沙箱库。

    推荐理由:请对照Simon Willison原文,核对完整说明及适用条件。

11月16日周一
  1. IT之家 AI72

    不调用图像模型,Anthropic Claude Fable 5.2 用 Python 代码模拟真实画笔作画

    IT之家 11 月 16 日消息,Anthropic 于当地时间 11 月 9 日发布了最新的 Claude Fable 5.2 和 Claude Mythos 5.2 模型。 其中,Fable 5.2 不仅面向复杂编程、科学研究和工程任务,还展示了一种异类的“AI 生图”功能(IT之家注:Anthropic 目前仍无传统意义上的文生图模型,大家常见的 DeepSeek 和 Claude 表情包均由其他模型生成)。 不同于传统图像生成模型的绘画方式:Fable 5.2 可通过编写代码模拟画笔、颜料和画布,逐笔完成绘画,而不是直接调用图像生成模型输出成品。 Fable 5.2 不直接生成图像,而是通过编写代码,在虚拟画布上模拟真实画笔的运动,逐笔完成绘画,甚至能够模拟笔刷纹理、颜料湿润程度以及画布质感,并在发现错误后通过新的笔触进行修正。 目前 Midjourney 等主流 AI 图像生成工具通常采用扩散模型,通过逐步处理随机噪声...

    推荐理由:来自IT之家 AI的《不调用图像模型,Anthropic Claude Fable 5.2 用 Python 代码模拟真实画笔作画》。重点看模型能力与工程、产品发布。摘要提到:IT之家 11 月 16 日消息,Anthropic 于当地时间 11 月 9 日发布了最新的 Claude Fable 5.2 和 Claude Mythos 5.2 模型。 其中,Fable 5.2 不仅面向复杂编程、科学研究和工程任务,还展示了一种异类的“AI 生图”功能(IT之家注:Anthropic 目前仍无传统意义上的文生图模型,大家常见的 DeepSeek 和 Claude 表情包均由其他模型生成)。 不同于传统图像生成模型的绘画方式:Fable 5.2 可通过编写代码模拟画笔、颜料和画布,逐笔完成绘画,而不是直接调用图像生成模型输出成品。 Fable 5.2 不直接生成图像,而是通过编写代码,在虚拟画布上模拟真实画笔的运动,逐笔完成绘画,甚至能够模拟笔刷纹理、颜料湿润程度以及画布质感,并在发现错误后通过新的笔触进行修正。 目前 Midjourney 等主流 AI 图像生成工具通常采用扩散模型,通过逐步处理随机噪声...

  2. Apple Machine Learning Research41

    Split-and-Scale Latent 3D Representations

    潜在的3D表示显著扩展了现代形状建模的能力,使3D场景能够以紧凑形式编码,并支持强大的3D生成模型。尽管如此,当前表示仍难以捕捉复杂物体的细微细节,其根本限制在于其潜在空间的容量。然而,训练时增加潜在容量成本高昂,且在内存限制下难以实现,而单纯增加推理时的潜在数量则无法有效利用新增容量。本文对此进行了研究。

    推荐理由:请对照Apple Machine Learning Research原文,核对完整说明及适用条件。

11月14日周六
  1. IT之家 AI72

    谷歌利用多个专业 AI 智能体打造 Teamwork 系统,成功验证多项复杂数学证明

    IT之家 11 月 14 日消息,谷歌宣布进一步扩展旗下 Antigravity 多智能体系统,利用多个由 Gemini 模型驱动的专业智能体组成 Teamwork 系统,号称可解决“长期悬而未决的数学难题”、“验证复杂数学证明”,并优化各种软件系统性能。 例如,谷歌已成功对韦伊猜想(Weil conjectures)进行形式化证明。这是一组关于有限域上多项式方程解的数量的重要数学结论,最初由数学家皮埃尔 · 德利涅(Pierre Deligne)于 1974 年证明。谷歌 Teamwork-LEAP 系统通过约 2.88 万次子智能体调用,累计生成约 180 万行 Lean 代码,完成了相关数学成果的形式化工作。 谷歌还表示,相应系统近期还成功复现了一项关于三维纳维-斯托克斯方程(Navier–Stokes equations)有限时间爆破问题的形式化证明。并帮助研究人员解决了库尔塔德-库马尔猜想(Courtade–Kumar...

    推荐理由:来自IT之家 AI的《谷歌利用多个专业 AI 智能体打造 Teamwork 系统,成功验证多项复杂数学证明》。重点看智能体工作流、模型能力与工程。摘要提到:IT之家 11 月 14 日消息,谷歌宣布进一步扩展旗下 Antigravity 多智能体系统,利用多个由 Gemini 模型驱动的专业智能体组成 Teamwork 系统,号称可解决“长期悬而未决的数学难题”、“验证复杂数学证明”,并优化各种软件系统性能。 例如,谷歌已成功对韦伊猜想(Weil conjectures)进行形式化证明。这是一组关于有限域上多项式方程解的数量的重要数学结论,最初由数学家皮埃尔 · 德利涅(Pierre Deligne)于 1974 年证明。谷歌 Teamwork-LEAP 系统通过约 2.88 万次子智能体调用,累计生成约 180 万行 Lean 代码,完成了相关数学成果的形式化工作。 谷歌还表示,相应系统近期还成功复现了一项关于三维纳维-斯托克斯方程(Navier–Stokes equations)有限时间爆破问题的形式化证明。并帮助研究人员解决了库尔塔德-库马尔猜想(Courtade–Kumar...

11月11日周三
  1. IT之家 AI66

    大水冲了龙王庙?AI 编程工具 Grok Build 漏洞导致 SpaceXSI 敏感资料暴露

    IT之家 11 月 11 日消息,网络安全公司 Claroc 发现,SpaceXSI 旗下的 AI 编程工具 Grok Build 存在安全漏洞,导致数千名用户的敏感数据泄露, 连 SpaceXSI 自己的内部资料也未能幸免 。 Claroc 向外媒 Ars Technica 透露,Grok 生成的应用分享链接 可以通过某些 DNS 服务被公开检索 ,造成一家医院集团、一家消防部门以及 SpaceXSI 的员工信息泄露。 研究人员在博客中写道:“我们感到震惊。 开发 Grok 的公司竟然让任何拿到链接的人都能查看自己的内部资料 。” Claroc 将此类页面称为“GhostShares”,因为即使没有收到分享链接,外人也能自行找到并访问这些页面。 SpaceXSI 泄露的内部资料,包括新员工入职计划、涉及 594 个重点客户的销售区域分布图、8 份 X 平台广告提案、4 个仍在使用的广告客户账户管理看板,以及两份 X 品牌安全操...

    推荐理由:来自IT之家 AI的《大水冲了龙王庙?AI 编程工具 Grok Build 漏洞导致 SpaceXSI 敏感资料暴露》。重点看编码、论文/研究、政策/监管。摘要提到:IT之家 11 月 11 日消息,网络安全公司 Claroc 发现,SpaceXSI 旗下的 AI 编程工具 Grok Build 存在安全漏洞,导致数千名用户的敏感数据泄露, 连 SpaceXSI 自己的内部资料也未能幸免 。 Claroc 向外媒 Ars Technica 透露,Grok 生成的应用分享链接 可以通过某些 DNS 服务被公开检索 ,造成一家医院集团、一家消防部门以及 SpaceXSI 的员工信息泄露。 研究人员在博客中写道:“我们感到震惊。 开发 Grok 的公司竟然让任何拿到链接的人都能查看自己的内部资料 。” Claroc 将此类页面称为“GhostShares”,因为即使没有收到分享链接,外人也能自行找到并访问这些页面。 SpaceXSI 泄露的内部资料,包括新员工入职计划、涉及 594 个重点客户的销售区域分布图、8 份 X 平台广告提案、4 个仍在使用的广告客户账户管理看板,以及两份 X 品牌安全操...

  2. IT之家 AI74

    谷歌迄今最强模型 Gemini 4 Carbon 登场:主打复杂编程、科学研究与网络安全

    IT之家 11 月 11 日消息,当地时间 11 月 10 日,谷歌宣布正式开放 Gemini 4 Carbon 模型,面向开发者、企业、科研人员和消费者提供服务。 谷歌高级副总裁、DeepMind 首席 AI 架构师 Koray Kavukcuoglu 介绍称,该模型是谷歌目前能力最强的推理模型,重点面向复杂软件工程、多步骤智能体任务、科学研究和网络安全等场景。 Gemini 4 Carbon 于 10 月 28 日首次公布,此前通过 Fairwind Program(网络安全合作计划)向部分网络安全防御人员开放。此次则进一步扩大使用范围。 谷歌称,相较于同期推出的 Gemini 4 Argon,Carbon 能够在复杂任务中投入更多推理 Token,进行假设探索、结果验证和边缘情况检查,更适合多步骤编码、复杂调试以及开放式科学研究。 在开发者工具方面,Gemini 4 Carbon 已通过 Gemini API 和 Goog...

    推荐理由:来自IT之家 AI的《谷歌迄今最强模型 Gemini 4 Carbon 登场:主打复杂编程、科学研究与网络安全》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到:IT之家 11 月 11 日消息,当地时间 11 月 10 日,谷歌宣布正式开放 Gemini 4 Carbon 模型,面向开发者、企业、科研人员和消费者提供服务。 谷歌高级副总裁、DeepMind 首席 AI 架构师 Koray Kavukcuoglu 介绍称,该模型是谷歌目前能力最强的推理模型,重点面向复杂软件工程、多步骤智能体任务、科学研究和网络安全等场景。 Gemini 4 Carbon 于 10 月 28 日首次公布,此前通过 Fairwind Program(网络安全合作计划)向部分网络安全防御人员开放。此次则进一步扩大使用范围。 谷歌称,相较于同期推出的 Gemini 4 Argon,Carbon 能够在复杂任务中投入更多推理 Token,进行假设探索、结果验证和边缘情况检查,更适合多步骤编码、复杂调试以及开放式科学研究。 在开发者工具方面,Gemini 4 Carbon 已通过 Gemini API 和 Goog...

11月10日周二
  1. IT之家 AI70

    借助 AI 工具,安全研究员在英国政府公开代码中发现上百个高危漏洞

    IT之家 11 月 10 日消息,据《连线》报道,一名安全研究人员在英国政府公开发布的代码中发现了 100 多个严重安全漏洞。由于相关部门缺乏基本的网络安全维护,这些漏洞可能导致敏感数据暴露,甚至为数据窃取和勒索软件攻击打开大门。 据IT之家了解,过去约 10 年,英国政府一直默认公开发布使用公共资金开发的代码。一方面,这是为了提高政府工作的透明度;另一方面,也有助于其他机构重复利用代码,降低开发成本。采用这一做法的机构包括英国卫生与社会关怀部、内政部以及地方政府部门。 但近年来,资金紧张导致多个政府部门忽视了现有技术系统的维护和升级。安全公司 ControlPlane 的研究人员克里斯 · 内斯比特-史密斯(Chris Nesbitt-Smith)利用 Claude Opus 和 Sonnet AI 模型扫描政府公开代码,发现了大量安全问题。 他强调,自己使用的只是运行在笔记本电脑上的消费级 AI 模型,而许多漏洞甚至可以通过...

    推荐理由:来自IT之家 AI的《借助 AI 工具,安全研究员在英国政府公开代码中发现上百个高危漏洞》。重点看模型能力与工程、产品发布。摘要提到:IT之家 11 月 10 日消息,据《连线》报道,一名安全研究人员在英国政府公开发布的代码中发现了 100 多个严重安全漏洞。由于相关部门缺乏基本的网络安全维护,这些漏洞可能导致敏感数据暴露,甚至为数据窃取和勒索软件攻击打开大门。 据IT之家了解,过去约 10 年,英国政府一直默认公开发布使用公共资金开发的代码。一方面,这是为了提高政府工作的透明度;另一方面,也有助于其他机构重复利用代码,降低开发成本。采用这一做法的机构包括英国卫生与社会关怀部、内政部以及地方政府部门。 但近年来,资金紧张导致多个政府部门忽视了现有技术系统的维护和升级。安全公司 ControlPlane 的研究人员克里斯 · 内斯比特-史密斯(Chris Nesbitt-Smith)利用 Claude Opus 和 Sonnet AI 模型扫描政府公开代码,发现了大量安全问题。 他强调,自己使用的只是运行在笔记本电脑上的消费级 AI 模型,而许多漏洞甚至可以通过...

  2. IT之家 AI80

    全球最强 AI 模型:Claude Fable 5.2 登场,编程超 GPT-6 Astra、登顶多项基准

    IT之家 11 月 10 日消息,Anthropic 今天(11 月 10 日)发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款前沿 AI 模型。官方称,新模型在编码、推理、科学研究、网络安全及机器人等领域均有显著提升,同时输出速度最高提高 30%,成本下降 20%。 根据官方披露的跑分数据,在面向“智能体编码”的 FrontierCode 2.0 基准测试中,Claude Fable 5.2 取得 49.1% 的成绩,超过 OpenAI 的 GPT-6 Astra(42.8%)、Google 的 Gemini 4 Carbon(41.1%)以及 Anthropic 自家的 Opus 5.5(45.5%)。 在“Humanity's Last Exam”多学科推理测试中,Fable 5.2 也以 74.2% 领先 GPT-6 Astra 的 57.2%。 Anthropic 展示了 Fable...

    推荐理由:来自IT之家 AI的《全球最强 AI 模型:Claude Fable 5.2 登场,编程超 GPT-6 Astra、登顶多项基准》。重点看智能体工作流、模型能力与工程、评测与基准。摘要提到:IT之家 11 月 10 日消息,Anthropic 今天(11 月 10 日)发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款前沿 AI 模型。官方称,新模型在编码、推理、科学研究、网络安全及机器人等领域均有显著提升,同时输出速度最高提高 30%,成本下降 20%。 根据官方披露的跑分数据,在面向“智能体编码”的 FrontierCode 2.0 基准测试中,Claude Fable 5.2 取得 49.1% 的成绩,超过 OpenAI 的 GPT-6 Astra(42.8%)、Google 的 Gemini 4 Carbon(41.1%)以及 Anthropic 自家的 Opus 5.5(45.5%)。 在“Humanity's Last Exam”多学科推理测试中,Fable 5.2 也以 74.2% 领先 GPT-6 Astra 的 57.2%。 Anthropic 展示了 Fable...

  3. Apple Machine Learning Research72

    Weighted State Souping for Efficient Long-Context Retrieval

    本文被接纳于NeurIPS会议的个性化、对齐、长期记忆对于AI系统工作坊(PALM) 2026。状态空间模型(SSMs)结合快速推理与固定状态大小,同时具备竞争性的语言建模性能。最近,状态蒸馏被提出作为一种流程,其中SSMs独立编码如文档、工具定义或记忆记录的token块。结果的状态编码可缓存并重组,以低成本构建下游查询的上下文。然而,状态蒸馏和传统SSMs在长且拥挤的...

    推荐理由:请对照Apple Machine Learning Research原文,核对完整说明及适用条件。

11月9日周一
  1. IT之家 AI68

    苹果 iOS 27.3 代码曝光 Siri“个人记忆系统”,可记录用户各类信息

    IT之家 11 月 9 日消息,根据代码研究人员 pdfu 分享的最新代码发现,苹果正在开发一套个人记忆系统,有望帮助 Siri 记住用户生活中的各种信息。 根据相关发现,在苹果 iOS 27.3 测试版中,这套系统包含一个名为“记忆图谱”(Memory Graph)的组件,旨在整理用户的人际关系、常去地点、日常习惯、健康状况、锻炼情况,以及激励用户或阻碍用户实现目标的因素。 IT之家注意到,系统还设计了名为“记忆原子”(Memory Atoms)的数据单元,用于记录事实、观点、意图和事件,并关联相关人物、地点、时间及话题等具体信息。 据 pdfu 介绍,这套图谱通过两种处理机制收集信息。其中一种负责将结构化数据转化为洞察,例如读取用户个人联系人名片中的姓名字段。另一种则借助设备端 AI 模型或苹果私有云计算(Private Cloud Compute),从 Siri 对话、信息、照片和健康数据等来源提取信息。 目前,代码中似乎...

    推荐理由:来自IT之家 AI的《苹果 iOS 27.3 代码曝光 Siri“个人记忆系统”,可记录用户各类信息》。重点看模型能力与工程。摘要提到:IT之家 11 月 9 日消息,根据代码研究人员 pdfu 分享的最新代码发现,苹果正在开发一套个人记忆系统,有望帮助 Siri 记住用户生活中的各种信息。 根据相关发现,在苹果 iOS 27.3 测试版中,这套系统包含一个名为“记忆图谱”(Memory Graph)的组件,旨在整理用户的人际关系、常去地点、日常习惯、健康状况、锻炼情况,以及激励用户或阻碍用户实现目标的因素。 IT之家注意到,系统还设计了名为“记忆原子”(Memory Atoms)的数据单元,用于记录事实、观点、意图和事件,并关联相关人物、地点、时间及话题等具体信息。 据 pdfu 介绍,这套图谱通过两种处理机制收集信息。其中一种负责将结构化数据转化为洞察,例如读取用户个人联系人名片中的姓名字段。另一种则借助设备端 AI 模型或苹果私有云计算(Private Cloud Compute),从 Siri 对话、信息、照片和健康数据等来源提取信息。 目前,代码中似乎...

  2. IT之家 AI70

    Anthropic 揭秘科学家用 Claude 都干啥:大多用来分析数据和写作

    IT之家 11 月 9 日消息,Anthropic 近日发布研究报告, 显示科学家主要将 Claude 用于数据分析和写作 ,收集数据、生成研究假设则较少使用 AI。 IT之家了解到,Anthropic 此次研究使用了 2026 年 8 月 2 日至 9 月 30 日的 20.7 万次科研会话,其中包含 12.9 万次 Claude 对话和 Cowork 会话,以及 7.8 万次 Claude Code 会话。系统只保留并研究会话所属的学科、研究子领域和具体任务等分类标签,不会提取或保存研究数据、假设、实验方法、初步发现或未发表论文等具体内容。所有结果均以汇总形式呈现,以保护隐私。 从学科来看,计算机科学、数学和统计学等领域的研究人员会更频繁地使用 Claude,医疗健康以及需要在实验室开展工作的物理科学领域则相对较少。 在 Claude 科研会话中,计算机科学(IT之家注:CS)占比最高,达到 11.9%;工程学和医学分别占 ...

    推荐理由:来自IT之家 AI的《Anthropic 揭秘科学家用 Claude 都干啥:大多用来分析数据和写作》。重点看产品发布。摘要提到:IT之家 11 月 9 日消息,Anthropic 近日发布研究报告, 显示科学家主要将 Claude 用于数据分析和写作 ,收集数据、生成研究假设则较少使用 AI。 IT之家了解到,Anthropic 此次研究使用了 2026 年 8 月 2 日至 9 月 30 日的 20.7 万次科研会话,其中包含 12.9 万次 Claude 对话和 Cowork 会话,以及 7.8 万次 Claude Code 会话。系统只保留并研究会话所属的学科、研究子领域和具体任务等分类标签,不会提取或保存研究数据、假设、实验方法、初步发现或未发表论文等具体内容。所有结果均以汇总形式呈现,以保护隐私。 从学科来看,计算机科学、数学和统计学等领域的研究人员会更频繁地使用 Claude,医疗健康以及需要在实验室开展工作的物理科学领域则相对较少。 在 Claude 科研会话中,计算机科学(IT之家注:CS)占比最高,达到 11.9%;工程学和医学分别占 ...

11月6日周五
  1. IT之家 AI76

    Day-0 支持:摩尔线程完成 3 万亿级参数 Kimi-K3.1 Pro 适配,支持文本与图片推理

    IT之家 11 月 6 日消息, 本月 4 日,月之暗面正式公布 Kimi K3.1 Pro 完整模型权重 。在 Arena 运营的 Agent Arena 智能体排行榜中,Kimi K3.1 Pro(Max)位列开放权重模型第一、全部参评模型第 13 位,并在工作、编程与聊天三个类别中均居开放模型首位。 摩尔线程官方今日宣布,摩尔线程基于 AI 训推一体智算卡 MTT S5000 及 MUSA 软件栈, 完成 Kimi-K3.1 Pro 模型的 Day-0 适配 ,打通模型加载、服务启动及文本、图片基础推理链路。 IT之家了解到, Kimi K3.1 Pro 是 K3.1 系列首款模型 ,也是迄今能力最强的 3 万亿级参数模型,支持 100 万上下文。经过大规模后训练和强化学习,模型在代码、3D 创作、金融研究、知识问答及长程 Agent 任务等方面均全面提升;在代码与 Agent 基准测试中,其表现已达到或接近顶尖闭源模型水...

    推荐理由:来自IT之家 AI的《Day-0 支持:摩尔线程完成 3 万亿级参数 Kimi-K3.1 Pro 适配,支持文本与图片推理》。重点看智能体工作流、模型能力与工程、评测与基准。摘要提到:IT之家 11 月 6 日消息, 本月 4 日,月之暗面正式公布 Kimi K3.1 Pro 完整模型权重 。在 Arena 运营的 Agent Arena 智能体排行榜中,Kimi K3.1 Pro(Max)位列开放权重模型第一、全部参评模型第 13 位,并在工作、编程与聊天三个类别中均居开放模型首位。 摩尔线程官方今日宣布,摩尔线程基于 AI 训推一体智算卡 MTT S5000 及 MUSA 软件栈, 完成 Kimi-K3.1 Pro 模型的 Day-0 适配 ,打通模型加载、服务启动及文本、图片基础推理链路。 IT之家了解到, Kimi K3.1 Pro 是 K3.1 系列首款模型 ,也是迄今能力最强的 3 万亿级参数模型,支持 100 万上下文。经过大规模后训练和强化学习,模型在代码、3D 创作、金融研究、知识问答及长程 Agent 任务等方面均全面提升;在代码与 Agent 基准测试中,其表现已达到或接近顶尖闭源模型水...

  2. IT之家 AI70

    Ripple-65B Preview 发布,自称美国最佳智能体编程开放权重模型

    IT之家 11 月 6 日消息,由前谷歌研究员创立的人工智能实验室 Ricursive Intelligence 当地时间本月 4 日发布了 Ripple-65B Preview, 宣称其在美国开放权重模型中拥有最为出色的智能体编程表现。 Ricursive Intelligence 此前的工作专注于 AI 驱动的芯片设计平台,而 Ripple-65B Preview 是其专用模型的通用变体。其在 TerminalBench 2.1 上的表现优于 Meta Muse Spark Open 816B、NVIDIA Nemotron 3 Ultra 550B 等规模显著更大的竞争者。 Ripple-65B Preview 是一款稠密模型,在 12T Token 上预训练而成,支持 1M 上下文长度。Ricursive Intelligence 称该模型 从头开发和训练的成本为 3,200 万美元 (IT之家注:现汇率约合 2.14 ...

    推荐理由:来自IT之家 AI的《Ripple-65B Preview 发布,自称美国最佳智能体编程开放权重模型》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到:IT之家 11 月 6 日消息,由前谷歌研究员创立的人工智能实验室 Ricursive Intelligence 当地时间本月 4 日发布了 Ripple-65B Preview, 宣称其在美国开放权重模型中拥有最为出色的智能体编程表现。 Ricursive Intelligence 此前的工作专注于 AI 驱动的芯片设计平台,而 Ripple-65B Preview 是其专用模型的通用变体。其在 TerminalBench 2.1 上的表现优于 Meta Muse Spark Open 816B、NVIDIA Nemotron 3 Ultra 550B 等规模显著更大的竞争者。 Ripple-65B Preview 是一款稠密模型,在 12T Token 上预训练而成,支持 1M 上下文长度。Ricursive Intelligence 称该模型 从头开发和训练的成本为 3,200 万美元 (IT之家注:现汇率约合 2.14 ...

11月5日周四
  1. 极客公园74

    世界互联网大会领先科技奖背后,Qoder 凭什么拿下中国 AI 编程市场第一

    作者|Cynthia 编辑|郑玄 2026 年 11 月,每年乌镇世界互联网大会期间举办的领先科技奖,已经走到第十年。 作为面向全球征集互联网领域领先成果的国际性科技奖项,领先科技奖每年会选出涵盖基础研究、关键技术与工程研发约 15 至 20 项获奖项目。一定程度上,它的评选也预示了未来几年潮水的走向。 这一年,传统互联网的光环逐渐退去,AI 成了最大的关键词。其中,仅工程研发组的 8 项获奖成果,从 AMD 的 AI 处理器,到蚂蚁的大模型健康服务平台,再到地平线的整车智能体……就有至少 5 项与 AI 有关。 而在通用 Agent 这一领域, 阿里旗下智能体平台 Qoder,成为了国内唯一获此殊荣的通用 Agent 产品。 至此,在领先科技奖诞生的第 10 个年头,命运形成了一个有趣的回环。 那时的领先科技奖,名字还叫世界互联网领先科技成果发布活动。而那一年在首届活动中,与特斯拉自动辅助驾驶、微软...

    推荐理由:来自极客公园的《世界互联网大会领先科技奖背后,Qoder 凭什么拿下中国 AI 编程市场第一》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到:作者|Cynthia 编辑|郑玄 2026 年 11 月,每年乌镇世界互联网大会期间举办的领先科技奖,已经走到第十年。 作为面向全球征集互联网领域领先成果的国际性科技奖项,领先科技奖每年会选出涵盖基础研究、关键技术与工程研发约 15 至 20 项获奖项目。一定程度上,它的评选也预示了未来几年潮水的走向。 这一年,传统互联网的光环逐渐退去,AI 成了最大的关键词。其中,仅工程研发组的 8 项获奖成果,从 AMD 的 AI 处理器,到蚂蚁的大模型健康服务平台,再到地平线的整车智能体……就有至少 5 项与 AI 有关。 而在通用 Agent 这一领域, 阿里旗下智能体平台 Qoder,成为了国内唯一获此殊荣的通用 Agent 产品。 至此,在领先科技奖诞生的第 10 个年头,命运形成了一个有趣的回环。 那时的领先科技奖,名字还叫世界互联网领先科技成果发布活动。而那一年在首届活动中,与特斯拉自动辅助驾驶、微软...

  2. IT之家 AI74

    百度文心开源发布 ERNIE 5.5 Flash Base 高效基座模型,总参数 280B

    IT之家 11 月 5 日消息,百度文心大模型今日发布 ERNIE-5.5-Flash-Base,开放 ERNIE 5.5 Flash 预训练终点的权重。 这是一个稀疏 MoE 语言模型,总参数 280B,每 token 激活 14B,在 33.5T tokens 上从零完成预训练;最长训练上下文为 128K,微调与推理支持 1M tokens 上下文。 本次发布的权重未经中训练与后训练,可作为领域适配、指令微调和强化学习研究的共同起点。 官方表示,Base 模型只是起点。 经过后训练的 ERNIE 5.5 Flash 将随后推出 。 ERNIE-5.5-Flash-Base 在 33.5T tokens 上从零完成预训练,采用 Muon 优化器与 FP8 混合精度。预训练语料覆盖广泛的领域与语言,并重点建设了三个方向: 网页数据 :多语言网页抓取、高保真文本抽取与模型驱动的多维质量过滤。 代码数据 :仓库与网页代码经非代码过滤...

    推荐理由:来自IT之家 AI的《百度文心开源发布 ERNIE 5.5 Flash Base 高效基座模型,总参数 280B》。重点看模型能力与工程、开源生态、产品发布。摘要提到:IT之家 11 月 5 日消息,百度文心大模型今日发布 ERNIE-5.5-Flash-Base,开放 ERNIE 5.5 Flash 预训练终点的权重。 这是一个稀疏 MoE 语言模型,总参数 280B,每 token 激活 14B,在 33.5T tokens 上从零完成预训练;最长训练上下文为 128K,微调与推理支持 1M tokens 上下文。 本次发布的权重未经中训练与后训练,可作为领域适配、指令微调和强化学习研究的共同起点。 官方表示,Base 模型只是起点。 经过后训练的 ERNIE 5.5 Flash 将随后推出 。 ERNIE-5.5-Flash-Base 在 33.5T tokens 上从零完成预训练,采用 Muon 优化器与 FP8 混合精度。预训练语料覆盖广泛的领域与语言,并重点建设了三个方向: 网页数据 :多语言网页抓取、高保真文本抽取与模型驱动的多维质量过滤。 代码数据 :仓库与网页代码经非代码过滤...

  3. IT之家 AI72

    华为宣布昇腾 0 Day 支持 Kimi K3.1 Pro 推理部署,2.8 万亿级 MoE 模型能力再进阶

    IT之家 11 月 5 日消息,据华为计算公众号,2026 年 11 月 4 日,月之暗面正式公布 Kimi K3.1 Pro 完整模型权重。昇腾基于 vLLM Ascend、SGLang 同步实现 0 Day 推理适配,支持昇腾 Atlas 800 A3、Atlas 900 A3 SuperPod 超节点以及昇腾 950 超节点系列产品进行 Kimi K3.1 Pro 的推理部署。 围绕模型新增的稀疏注意力、百万级上下文及推理服务需求,昇腾开展算子与框架协同优化,支持用户及开发者在模型发布首日开展部署与应用验证。 IT之家注意到,Kimi K3.1 Pro 是 K3.1 系列的首个模型, 拥有 2.8 万亿参数 ,原生支持视觉理解,具备百万 token 上下文窗口。模型在 K3 基础上进一步扩大后训练规模,在代码开发、3D 创作、金融研究、事实准确性和长程智能体任务等方面实现能力提升。 借助百万级上下文,模型可综合利用长篇文档...

    推荐理由:来自IT之家 AI的《华为宣布昇腾 0 Day 支持 Kimi K3.1 Pro 推理部署,2.8 万亿级 MoE 模型能力再进阶》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到:IT之家 11 月 5 日消息,据华为计算公众号,2026 年 11 月 4 日,月之暗面正式公布 Kimi K3.1 Pro 完整模型权重。昇腾基于 vLLM Ascend、SGLang 同步实现 0 Day 推理适配,支持昇腾 Atlas 800 A3、Atlas 900 A3 SuperPod 超节点以及昇腾 950 超节点系列产品进行 Kimi K3.1 Pro 的推理部署。 围绕模型新增的稀疏注意力、百万级上下文及推理服务需求,昇腾开展算子与框架协同优化,支持用户及开发者在模型发布首日开展部署与应用验证。 IT之家注意到,Kimi K3.1 Pro 是 K3.1 系列的首个模型, 拥有 2.8 万亿参数 ,原生支持视觉理解,具备百万 token 上下文窗口。模型在 K3 基础上进一步扩大后训练规模,在代码开发、3D 创作、金融研究、事实准确性和长程智能体任务等方面实现能力提升。 借助百万级上下文,模型可综合利用长篇文档...

11月4日周三
  1. IT之家 AI68

    字节旗下 AI 开发平台“扣子”:推进企业级服务产品整合升级,现售企业版将先暂停新售

    IT之家 11 月 4 日消息,字节跳动旗下 AI 开发平台“扣子(Coze)”发布公告, 正在推进企业级服务的产品整合升级 ,并规划后续可供企业客户选择的产品和套餐方案。配合本次整合,现售扣子企业版将先暂停新售。 IT之家注:官网显示,“扣子”是面向 Agent 时代的新一代 AI 团队协作平台。用户可以一个人调度多个 Agent,也可以和团队成员一起协同多个 Agent,在同一个项目里完成办公、编程、视频创作、文件处理、行业研究等复杂任务。 8 月 24 日,据智能涌现消息,字节跳动对旗下的办公 AI 产品完成了一轮团队整合: TRAE、扣子团队将整体并入豆包体系 ,其中 TRAE Work、扣子将与豆包在工作场景的产品能力进行整合。 8 月 25 日, 字节跳动发布“豆包工作” 。作为豆包面向生产力场景推出的全新 Agent 产品与品牌,豆包工作能围绕用户目标自主拆解任务、调用工具、持续推进复杂工作流程。 据介绍,暂停新售...

    推荐理由:来自IT之家 AI的《字节旗下 AI 开发平台“扣子”:推进企业级服务产品整合升级,现售企业版将先暂停新售》。重点看智能体工作流、产品发布。摘要提到:IT之家 11 月 4 日消息,字节跳动旗下 AI 开发平台“扣子(Coze)”发布公告, 正在推进企业级服务的产品整合升级 ,并规划后续可供企业客户选择的产品和套餐方案。配合本次整合,现售扣子企业版将先暂停新售。 IT之家注:官网显示,“扣子”是面向 Agent 时代的新一代 AI 团队协作平台。用户可以一个人调度多个 Agent,也可以和团队成员一起协同多个 Agent,在同一个项目里完成办公、编程、视频创作、文件处理、行业研究等复杂任务。 8 月 24 日,据智能涌现消息,字节跳动对旗下的办公 AI 产品完成了一轮团队整合: TRAE、扣子团队将整体并入豆包体系 ,其中 TRAE Work、扣子将与豆包在工作场景的产品能力进行整合。 8 月 25 日, 字节跳动发布“豆包工作” 。作为豆包面向生产力场景推出的全新 Agent 产品与品牌,豆包工作能围绕用户目标自主拆解任务、调用工具、持续推进复杂工作流程。 据介绍,暂停新售...

11月3日周二
  1. IT之家 AI70

    MIT 研究者提出「权重空间编程」:GPT-6 Astra 仅修改 Qwen3.5-0.8B 约 0.016% 权重,数学成绩提升至原来 6 倍

    IT之家 11 月 3 日消息,麻省理工学院计算机科学与人工智能实验室(MIT CSAIL)的研究人员提出了一种名为「权重空间编程」(Weight-Space Programming)的新方法。 他们让 OpenAI 的 GPT-6 Astra 直接分析并修改阿里云通义千问热门模型 Qwen3.5-0.8B 的神经网络权重,仅调整约 0.016% 的参数,就将该模型在 MATH-500 数学基准测试中的成绩从 7.9% 提升至 48.1%,达到原来的约 6.1 倍。据称,整个过程没有使用梯度下降或传统训练循环。 这项研究由 Rikiya Takehi、Jayden Teoh、Alex Zhang 和 Omar Khattab 共同完成。Takehi 于当地时间 11 月 2 日在博客上发布了这项研究,将其称为「权重空间编程」,核心思路是让大语言模型直接读取、理解和修改另一个神经网络的权重,而不是通过常规训练流程调整模型参数。 在...

    推荐理由:来自IT之家 AI的《MIT 研究者提出「权重空间编程」:GPT-6 Astra 仅修改 Qwen3.5-0.8B 约 0.016% 权重,数学成绩提升至原来 6 倍》。重点看模型能力与工程、评测与基准、产品发布。摘要提到:IT之家 11 月 3 日消息,麻省理工学院计算机科学与人工智能实验室(MIT CSAIL)的研究人员提出了一种名为「权重空间编程」(Weight-Space Programming)的新方法。 他们让 OpenAI 的 GPT-6 Astra 直接分析并修改阿里云通义千问热门模型 Qwen3.5-0.8B 的神经网络权重,仅调整约 0.016% 的参数,就将该模型在 MATH-500 数学基准测试中的成绩从 7.9% 提升至 48.1%,达到原来的约 6.1 倍。据称,整个过程没有使用梯度下降或传统训练循环。 这项研究由 Rikiya Takehi、Jayden Teoh、Alex Zhang 和 Omar Khattab 共同完成。Takehi 于当地时间 11 月 2 日在博客上发布了这项研究,将其称为「权重空间编程」,核心思路是让大语言模型直接读取、理解和修改另一个神经网络的权重,而不是通过常规训练流程调整模型参数。 在...

11月2日周一
  1. IT之家 AI72

    腾讯混元发布 Hyra 2.0:为模型研发打造可复用工具

    IT之家 11 月 2 日消息,今日腾讯混元发布了 AI 科研系统 Hyra 2.0,将研发重点从直接用 AI 攻克科学难题,转向让通用 Agent 参与科学模型、研究工作流及软件工具的研发与升级,让一次研发的成果在后续研究中被反复使用,推动科研范式从“刷题解题”走向“造工具”。 此前,Hyra 1.0 曾驱动开源模型解决加法组合学中悬置五十余年的开放问题,验证了“给 AI 明确评判标准的难题并循环尝试”这一路径的可行性。Hyra 2.0 在此基础上进一步提出,工具升级带来的收益可被下游任务反复复用,从而形成智能复利。 IT之家注意到,架构上,Hyra 2.0 将研究工作拆分为 Overall、Mission 和 Worker 三层,Overall 负责人与人类研究者沟通并对齐目标,Mission 长期负责单一研究问题并判断路线取舍,Worker 则独立读代码、做实验、分析失败原因,并可质疑 Mission 的判断。系统还设计了...

    推荐理由:来自IT之家 AI的《腾讯混元发布 Hyra 2.0:为模型研发打造可复用工具》。重点看智能体工作流、模型能力与工程、开源生态。摘要提到:IT之家 11 月 2 日消息,今日腾讯混元发布了 AI 科研系统 Hyra 2.0,将研发重点从直接用 AI 攻克科学难题,转向让通用 Agent 参与科学模型、研究工作流及软件工具的研发与升级,让一次研发的成果在后续研究中被反复使用,推动科研范式从“刷题解题”走向“造工具”。 此前,Hyra 1.0 曾驱动开源模型解决加法组合学中悬置五十余年的开放问题,验证了“给 AI 明确评判标准的难题并循环尝试”这一路径的可行性。Hyra 2.0 在此基础上进一步提出,工具升级带来的收益可被下游任务反复复用,从而形成智能复利。 IT之家注意到,架构上,Hyra 2.0 将研究工作拆分为 Overall、Mission 和 Worker 三层,Overall 负责人与人类研究者沟通并对齐目标,Mission 长期负责单一研究问题并判断路线取舍,Worker 则独立读代码、做实验、分析失败原因,并可质疑 Mission 的判断。系统还设计了...

10月24日周六
  1. IT之家 AI72

    腾讯 WorkBuddy 接入模型 Kimi-K3.1-Pro,支持 100 万上下文

    IT之家 10 月 24 日消息,今日,腾讯 WorkBuddy 宣布已接入模型 Kimi-K3.1-Pro。据介绍,WorkBuddy 同步接入高速版模型 Kimi K3.1 Pro Highspeed,同等智能, 输出速度约 2-3 倍 。目前资源紧张,现阶段仅对“企业旗舰版”及“个人订阅用户”优先开放。 据介绍,Kimi K3.1 Pro 是全新 K3.1 系列的第一个模型,也是 Kimi 迄今能力最强的 3 万亿级参数模型,支持 100 万上下文。K3.1 Pro 在代码、3D 创作、金融研究和其他长程 Agent 能力上的提升尤为显著。 IT之家注意到,在 Kimi K3.1 Pro 的研发中,大幅增加了强化学习(RL)环节的算力投入。在代码、Agent 和知识类基准上,K3.1 Pro 达到或接近最强闭源模型的水平。Terminal-Bench 4.0 通过真实环境中资源受限的终端任务考察编程智能体的能力,每项任务均...

    推荐理由:来自IT之家 AI的《腾讯 WorkBuddy 接入模型 Kimi-K3.1-Pro,支持 100 万上下文》。重点看智能体工作流、模型能力与工程、评测与基准。摘要提到:IT之家 10 月 24 日消息,今日,腾讯 WorkBuddy 宣布已接入模型 Kimi-K3.1-Pro。据介绍,WorkBuddy 同步接入高速版模型 Kimi K3.1 Pro Highspeed,同等智能, 输出速度约 2-3 倍 。目前资源紧张,现阶段仅对“企业旗舰版”及“个人订阅用户”优先开放。 据介绍,Kimi K3.1 Pro 是全新 K3.1 系列的第一个模型,也是 Kimi 迄今能力最强的 3 万亿级参数模型,支持 100 万上下文。K3.1 Pro 在代码、3D 创作、金融研究和其他长程 Agent 能力上的提升尤为显著。 IT之家注意到,在 Kimi K3.1 Pro 的研发中,大幅增加了强化学习(RL)环节的算力投入。在代码、Agent 和知识类基准上,K3.1 Pro 达到或接近最强闭源模型的水平。Terminal-Bench 4.0 通过真实环境中资源受限的终端任务考察编程智能体的能力,每项任务均...

  2. IT之家 AI72

    Anthropic 亮出未发布 AI 模型:能力比 Mythos 5.1 更强,也更“守规矩”

    IT之家 10 月 24 日消息,Anthropic 昨日(10 月 23 日)发布博文,联合英国人工智能安全研究所(AISI),发布了一起 AI 网络测试失控事件的调查报告, 并提及旗下一款尚未发布的内部研究模型。 在这份调查报告中,Anthropic 称在测试 Claude Mythos 5 期间,该模型曾试图向真实 GitHub 项目提交恶意代码,并伪造身份向真实维护者施压,所幸代码未被合并、未造成实际损害。IT之家附上相关截图如下: 报告同时透露,Anthropic 旗下一款尚未发布的内部研究模型,在能力上已超过已发布的 Claude Mythos 5.1,并在安全对齐测试中表现更好。在同类危险能力评估中,该内部模型从未主动发起攻击;当意识到可能造成真实伤害时,也更愿意停止行动。 Anthropic 将事故记录重新回放给 Mythos 5.1、Opus 5.5 及该内部研究模型。结果显示,三款较新模型从原始攻击起点继续发...

    推荐理由:来自IT之家 AI的《Anthropic 亮出未发布 AI 模型:能力比 Mythos 5.1 更强,也更“守规矩”》。重点看模型能力与工程、开源生态、产品发布。摘要提到:IT之家 10 月 24 日消息,Anthropic 昨日(10 月 23 日)发布博文,联合英国人工智能安全研究所(AISI),发布了一起 AI 网络测试失控事件的调查报告, 并提及旗下一款尚未发布的内部研究模型。 在这份调查报告中,Anthropic 称在测试 Claude Mythos 5 期间,该模型曾试图向真实 GitHub 项目提交恶意代码,并伪造身份向真实维护者施压,所幸代码未被合并、未造成实际损害。IT之家附上相关截图如下: 报告同时透露,Anthropic 旗下一款尚未发布的内部研究模型,在能力上已超过已发布的 Claude Mythos 5.1,并在安全对齐测试中表现更好。在同类危险能力评估中,该内部模型从未主动发起攻击;当意识到可能造成真实伤害时,也更愿意停止行动。 Anthropic 将事故记录重新回放给 Mythos 5.1、Opus 5.5 及该内部研究模型。结果显示,三款较新模型从原始攻击起点继续发...

  3. IT之家 AI76

    OpenAI 为前沿 AI 训练 / 评估开启“断网闭关”模式,遏制其越狱攻击

    IT之家 10 月 24 日消息,OpenAI 昨日(10 月 23 日)发布博文,宣布针对最先进“前沿模型”的训练与评估环境, 已经实施更严格的安全管控,明确在模型训练期间,不得直接访问实时互联网。 该公司称出于对 AI 安全的负责任要求,基于当前对齐研究、监测能力和互联网基础设施安全状况做出的决策,相关限制将持续到安全防护取得足够进展为止。 OpenAI 的一款内部研究模型于 9 月 20 日利用 DNS 配置漏洞,在训练过程中短暂获得有限的互联网访问权限,因此该公司于 9 月还一度暂停训练与评估前沿模型。 OpenAI 随后加强了研究环境隔离、缩小智能体可利用的攻击面,并改进了异常行为检测与自动停止机制,于 10 月 1 日恢复强化学习训练及内部推理。 为避免模型接触真实网络,OpenAI 构建了一个“离线世界”:由大量已索引和缓存的网页内容组成,供模型在封闭环境中练习浏览、使用工具和执行代码等任务。IT之家附上相关截图如...

    推荐理由:来自IT之家 AI的《OpenAI 为前沿 AI 训练 / 评估开启“断网闭关”模式,遏制其越狱攻击》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到:IT之家 10 月 24 日消息,OpenAI 昨日(10 月 23 日)发布博文,宣布针对最先进“前沿模型”的训练与评估环境, 已经实施更严格的安全管控,明确在模型训练期间,不得直接访问实时互联网。 该公司称出于对 AI 安全的负责任要求,基于当前对齐研究、监测能力和互联网基础设施安全状况做出的决策,相关限制将持续到安全防护取得足够进展为止。 OpenAI 的一款内部研究模型于 9 月 20 日利用 DNS 配置漏洞,在训练过程中短暂获得有限的互联网访问权限,因此该公司于 9 月还一度暂停训练与评估前沿模型。 OpenAI 随后加强了研究环境隔离、缩小智能体可利用的攻击面,并改进了异常行为检测与自动停止机制,于 10 月 1 日恢复强化学习训练及内部推理。 为避免模型接触真实网络,OpenAI 构建了一个“离线世界”:由大量已索引和缓存的网页内容组成,供模型在封闭环境中练习浏览、使用工具和执行代码等任务。IT之家附上相关截图如...

10月23日周五
  1. IT之家 AI70

    外部评估人员发现 OpenAI 内部监控系统漏洞:AI 智能体可绕过安全限制

    IT之家 10 月 23 日消息,今年早些时候,AI 安全评估机构 METR 和 Redwood Research 对 OpenAI 的内部监控系统进行了试点评估,发现多项新漏洞。其中一项漏洞可被 AI 智能体利用, 使数百次操作逃过监控 。 据路透社报道,当地时间 22 日,两家非营利机构介绍称,这次评估于 7 月 21 日至 8 月 11 日进行,使外部研究人员能够“深入访问”OpenAI 的内部基础设施,以进行“嵌入式”评估。 METR 和 Redwood Research 各派出一名研究员,获准查阅 OpenAI 的内部代码和文档,并与部分技术人员交流。两人在现场始终有人陪同,使用的设备均由 OpenAI 提供,且不得带离办公场所。 OpenAI 告知两家机构,影响实际运行系统安全防护措施的漏洞 均已修复 ,但修复措施有效与否尚未被两家机构核实。 AI 实验室、专家以及美国政府一直主张引入外部独立评估,以便在保障 AI ...

    推荐理由:来自IT之家 AI的《外部评估人员发现 OpenAI 内部监控系统漏洞:AI 智能体可绕过安全限制》。重点看智能体工作流。摘要提到:IT之家 10 月 23 日消息,今年早些时候,AI 安全评估机构 METR 和 Redwood Research 对 OpenAI 的内部监控系统进行了试点评估,发现多项新漏洞。其中一项漏洞可被 AI 智能体利用, 使数百次操作逃过监控 。 据路透社报道,当地时间 22 日,两家非营利机构介绍称,这次评估于 7 月 21 日至 8 月 11 日进行,使外部研究人员能够“深入访问”OpenAI 的内部基础设施,以进行“嵌入式”评估。 METR 和 Redwood Research 各派出一名研究员,获准查阅 OpenAI 的内部代码和文档,并与部分技术人员交流。两人在现场始终有人陪同,使用的设备均由 OpenAI 提供,且不得带离办公场所。 OpenAI 告知两家机构,影响实际运行系统安全防护措施的漏洞 均已修复 ,但修复措施有效与否尚未被两家机构核实。 AI 实验室、专家以及美国政府一直主张引入外部独立评估,以便在保障 AI ...

10月21日周三
  1. IT之家 AI70

    AMD 与英特尔罕见联手:x86 阵营抱团统一 AI 开发路径

    IT之家 10 月 21 日消息,AMD 和英特尔昨日(10 月 20 日)共同宣布在 PyTorch 的 x86 CPU 优化方面展开合作: 双方将把各自的优化工作整合进开源深度学习库 oneDNN,为开发者提供跨两家 CPU 的统一软件路径。 IT之家注:PyTorch 是一个开源的 Python 深度学习框架,主要用于构建、训练和部署神经网络。它以灵活、易调试和贴近 Python 的编程方式著称,广泛用于学术研究与商业 AI 应用。 根据公告内容,双方计划把各自的处理器优化工作集中到开源库 oneDNN 中,让其成为 PyTorch 内 x86 加速的默认开源库。AMD 将把其 ZenDNN 优化集成至 oneDNN,并加入统一加速基金会(UXL Foundation),担任指导委员会成员。 在 x86 生态咨询组的推动下,促成了双方的罕见合作,在 CPU 软件生态上“化竞争为协作”。若落地顺利,开发者、云服务商和企业用户...

    推荐理由:来自IT之家 AI的《AMD 与英特尔罕见联手:x86 阵营抱团统一 AI 开发路径》。重点看模型能力与工程、开源生态。摘要提到:IT之家 10 月 21 日消息,AMD 和英特尔昨日(10 月 20 日)共同宣布在 PyTorch 的 x86 CPU 优化方面展开合作: 双方将把各自的优化工作整合进开源深度学习库 oneDNN,为开发者提供跨两家 CPU 的统一软件路径。 IT之家注:PyTorch 是一个开源的 Python 深度学习框架,主要用于构建、训练和部署神经网络。它以灵活、易调试和贴近 Python 的编程方式著称,广泛用于学术研究与商业 AI 应用。 根据公告内容,双方计划把各自的处理器优化工作集中到开源库 oneDNN 中,让其成为 PyTorch 内 x86 加速的默认开源库。AMD 将把其 ZenDNN 优化集成至 oneDNN,并加入统一加速基金会(UXL Foundation),担任指导委员会成员。 在 x86 生态咨询组的推动下,促成了双方的罕见合作,在 CPU 软件生态上“化竞争为协作”。若落地顺利,开发者、云服务商和企业用户...

10月15日周四
  1. IT之家 AI72

    消息称 OpenAI 洽谈收购开源安全厂商 Trail of Bits,为应对 AI 风险铺路

    IT之家 10 月 15 日消息,据 The Information 昨日报道,知情人士透露 OpenAI 正在初步洽谈收购总部位于美国纽约的安全研究公司 Trail of Bits 。 报道称,Trail of Bits 以审计软件和区块链系统闻名,此举标志着 OpenAI 在专业网络安全服务领域的扩张。 知情人士称谈判仍在进行中,尚未达成最终协议。两家公司都没有透露潜在的收购价格或财务结构,并且都拒绝公开证实相关讨论。 Trail of Bits 多年来一直深耕漏洞研究、对抗性测试和代码审计。 IT之家注意到,OpenAI 和 Trail of Bits 今年六月曾联合推出了“ Patch the Planet ”项目,旨在识别热门开源软件中的漏洞。该倡议将 AI 驱动的检测与专家人工审核相结合,发现弱点并开发修复方案,随后公开发布,帮助各行业维护者加强代码。 Trail of Bits 还将 OpenAI 的安全导向模型整...

    推荐理由:来自IT之家 AI的《消息称 OpenAI 洽谈收购开源安全厂商 Trail of Bits,为应对 AI 风险铺路》。重点看模型能力与工程、开源生态、产品发布。摘要提到:IT之家 10 月 15 日消息,据 The Information 昨日报道,知情人士透露 OpenAI 正在初步洽谈收购总部位于美国纽约的安全研究公司 Trail of Bits 。 报道称,Trail of Bits 以审计软件和区块链系统闻名,此举标志着 OpenAI 在专业网络安全服务领域的扩张。 知情人士称谈判仍在进行中,尚未达成最终协议。两家公司都没有透露潜在的收购价格或财务结构,并且都拒绝公开证实相关讨论。 Trail of Bits 多年来一直深耕漏洞研究、对抗性测试和代码审计。 IT之家注意到,OpenAI 和 Trail of Bits 今年六月曾联合推出了“ Patch the Planet ”项目,旨在识别热门开源软件中的漏洞。该倡议将 AI 驱动的检测与专家人工审核相结合,发现弱点并开发修复方案,随后公开发布,帮助各行业维护者加强代码。 Trail of Bits 还将 OpenAI 的安全导向模型整...

10月14日周三
  1. Apple Machine Learning Research80

    Code-Switching Detection via Language-Selective Dimensions in Speech Foundation Models

    代码切换(CS)是指在话语中交替使用语言的现象,常见于多语种口语,但在预训练语料中却相对较少。要增加CS的覆盖范围,需要在大规模语音集合中找到相关话语,以便将其包含在训练数据中。一种方法是将语音转写并检测文本中的语言交替,但这一过程依赖于获得准确的多语种转写。我们提出一种轻量级方法,直接从语音中检测CS。该方法利用预训练语音的帧级语言信息,实现CS的检测。

    推荐理由:请对照Apple Machine Learning Research原文,核对完整说明及适用条件。

10月13日周二
  1. Simon Willison67

    Profiling web-edit with Python 3.15: flame graphs and source heatmaps

    研究:使用Python 3.15 对网页编辑进行性能分析,包括火焰图和源热图。我让GPT-6 Astra Extra High在Codex中运行新开发的网页编辑应用程序,需要一个Python 3.15 火焰图和热图演示,展示“网页编辑”应用从PyPI的示例。结果示例火焰图和热图。标签:性能分析,Python,Codex

    推荐理由:请对照Simon Willison原文,核对完整说明及适用条件。

10月5日周一
  1. GitHub Blog AI86

    ReviewBench: An open benchmark for AI code review

    我们推出ReviewBench,这是一个基于代表性GitHub合并请求、多源真实数据、校准评估和生产对齐指标的代码审查代理基准测试。ReviewBench:An open benchmark for AI code review appeared first on The GitHub Blog。

    推荐理由:请对照GitHub Blog AI原文,核对完整说明及适用条件。

10月4日周日
  1. IT之家 AI38

    大量 AI“幻觉”报告压垮维护团队,谷歌暂停部分开源漏洞奖励计划

    IT之家 10 月 4 日消息,谷歌宣布,自 2026 年 10 月 1 日起,开源软件漏洞奖励计划(OSS VRP)将不再接收产品漏洞提报。本次规则调整不影响 2026 年 10 月 1 日之前已提交的产品漏洞。 不过,针对部分可能对谷歌云(Google Cloud)产品造成影响的谷歌云代码仓库,如果涉及产品漏洞,谷歌仍可能通过云漏洞奖励计划(Cloud VRP)接收相关报告。 OSS VRP 是谷歌设立的一项专业安全赏金计划,旨在通过激励独立安全研究人员,在谷歌整个开源生态系统中挖掘并负责任地披露安全缺陷。 据 Tom's Hardware 报道,知情人士透露, 谷歌工程师与开源代码维护人员已被数以千计的劣质报告彻底吞没 。这些报告声称发现了严重漏洞,但深入排查后发现,它们全都是 AI 产生的“幻觉”,根本无效且无法被实际利用。 维护团队不得不将大量精力耗费在验证这些虚假代码上,严重挤占了修复现实中高危漏洞的时间。这正是导致...

    推荐理由:来自IT之家 AI的《大量 AI“幻觉”报告压垮维护团队,谷歌暂停部分开源漏洞奖励计划》。重点看开源生态、产品发布。摘要提到:IT之家 10 月 4 日消息,谷歌宣布,自 2026 年 10 月 1 日起,开源软件漏洞奖励计划(OSS VRP)将不再接收产品漏洞提报。本次规则调整不影响 2026 年 10 月 1 日之前已提交的产品漏洞。 不过,针对部分可能对谷歌云(Google Cloud)产品造成影响的谷歌云代码仓库,如果涉及产品漏洞,谷歌仍可能通过云漏洞奖励计划(Cloud VRP)接收相关报告。 OSS VRP 是谷歌设立的一项专业安全赏金计划,旨在通过激励独立安全研究人员,在谷歌整个开源生态系统中挖掘并负责任地披露安全缺陷。 据 Tom's Hardware 报道,知情人士透露, 谷歌工程师与开源代码维护人员已被数以千计的劣质报告彻底吞没 。这些报告声称发现了严重漏洞,但深入排查后发现,它们全都是 AI 产生的“幻觉”,根本无效且无法被实际利用。 维护团队不得不将大量精力耗费在验证这些虚假代码上,严重挤占了修复现实中高危漏洞的时间。这正是导致...

10月3日周六
  1. IT之家 AI72

    如何用好 GPT-6 系列 AI 模型?OpenAI 放出指南,教你选模型、优化提示词等

    IT之家 10 月 3 日消息,OpenAI 昨日(10 月 2 日)发布博文,分享了 GPT‑6 系列模型指南,介绍了诸多使用技巧, 让用户控制时间和成本的同时,充分发挥 GPT‑6 系列 AI 模型能力。 官方介绍称: GPT‑6 是我们迄今最先进的模型系列,提供多款模型供你选择,以适应不同类型的工作。 无论你是将想法转化为可运行的原型、开发并测试功能,还是编排跨代码仓库、数据库和外部 API 的多步骤工作流,本指南都会介绍如何选择 GPT‑6 模型、为其提供有效指令、管理长时间运行的任务,以及为投入生产做好准备。 在模型选择方面,OpenAI 公司推荐用户根据工作负载选择模型,不必默认用“最强”模型;简单任务用轻量模型通常更快、更便宜: GPT‑6 Astra 适合需要最高智能水平、难度最大的推理工作。 GPT‑6.1 Sol⁠ 适合复杂编程、研究和计算机使用任务。 GPT‑6 Luna⁠适合大规模处理特定任务,以及目标明...

    推荐理由:来自IT之家 AI的《如何用好 GPT-6 系列 AI 模型?OpenAI 放出指南,教你选模型、优化提示词等》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到:IT之家 10 月 3 日消息,OpenAI 昨日(10 月 2 日)发布博文,分享了 GPT‑6 系列模型指南,介绍了诸多使用技巧, 让用户控制时间和成本的同时,充分发挥 GPT‑6 系列 AI 模型能力。 官方介绍称: GPT‑6 是我们迄今最先进的模型系列,提供多款模型供你选择,以适应不同类型的工作。 无论你是将想法转化为可运行的原型、开发并测试功能,还是编排跨代码仓库、数据库和外部 API 的多步骤工作流,本指南都会介绍如何选择 GPT‑6 模型、为其提供有效指令、管理长时间运行的任务,以及为投入生产做好准备。 在模型选择方面,OpenAI 公司推荐用户根据工作负载选择模型,不必默认用“最强”模型;简单任务用轻量模型通常更快、更便宜: GPT‑6 Astra 适合需要最高智能水平、难度最大的推理工作。 GPT‑6.1 Sol⁠ 适合复杂编程、研究和计算机使用任务。 GPT‑6 Luna⁠适合大规模处理特定任务,以及目标明...