跳到主内容

AI 日报

LIVE每早八时发报 · 更新于 08:01NewsHub Daily · 中文 AI 资讯精选

新闻枢纽 · 日报

本期 35 事件 · 5 一手信源 · 覆盖 12 家信源
今日头条 · Lead

OpenAI推GPT-6,智能界面重塑ChatGPT

OpenAI今日将GPT-6推送至ChatGPT,核心的Intelligent UI可即时生成交互组件,模型输出方式随之改变。Anthropic同日发布Claude Haiku 5.5,价格降至上代十分之一,电脑操作与编程能力大幅跃升。英伟达与微软则将AI Agent引入Windows PC,支持万亿参数模型桌面端本地部署。当日发布显示,AI竞争正从单一模型能力扩展到成本效率、端侧落地与智能体协作。

02:10宝玉关联 5 源

Anthropic发布Claude Haiku 5.5,价格降至上代十分之一

Anthropic发布Claude Haiku 5.5,主打低成本与高速度。短请求(10万Token内)输入输出单价分别为0.1和0.5美元,较Haiku 4.5降价90%,平均运行成本降低约75%。能力方面,OSWorld 2.1电脑操作得分从15.7%跃升至72.4%,Terminal-Bench 4.0编程任务得分从0升至39.2%,实测延迟降低30%以上。支持调节effort档位,适用于批量处理、实时客服及作为子智能体。同日Sonnet 5.5读取缓存价格减半至0.1美元/百万Token,Max与Team订阅用户获API额度赠送。

#Anthropic#Claude Haiku 5.5#模型发布

01

模型发布/更新

Model Releases3 篇

02:23MarkTechPost(RSS)关联 2 源

Liquid AI发布d1-3B与d1-omni-600M决策模型

Liquid AI发布两款开源权重的多模态决策模型d1-3B和d1-omni-600M。与传统生成式LLM逐token输出不同,这两类模型通过单次前向传播直接返回校准后的概率分布答案,实现零输出令牌(zero output tokens)。d1-3B参数量3.12B,支持文本与图像输入;d1-omni-600M参数量587M,支持文本结合图像或音频。两者均基于LFM2.5架构微调,提供Hugging Face权重及llama.cpp支持,采用LFM Open License v1.0许可,允许年收入低于1000万美元的商业使用。

#Liquid AI#决策模型#d1-3B

00:32Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)

Baseten确认V4.1 Flash与0731效率相似但更强

信源Baseten确认V4.1 Flash定价为输入每百万token 0.30美元、输出每百万token 1.20美元。对比此前V4 Flash 0731版本的0.13/0.26美元定价,V4.1 Flash在token效率上与之相似,但能力更强。此外,Dots模型定价为0.14/0.28美元,相对更为冗长。该信息揭示了不同版本模型在性能与成本上的权衡关系。

#Baseten#模型定价#V4.1 Flash

21:29Two Minute Papers(YouTube)

DeepMind发布Alpha Genome Atlas

DeepMind推出Alpha Genome Atlas,这是一个用于预测基因组变异影响的机器学习模型。该模型数据库规模是AlphaFold的30倍,旨在解码生命“配方”,解析基因突变对细胞特性及生物体(如疾病易感性)的影响。模型在人类和小鼠基因组上训练,通过跨物种学习提升泛化能力。目前,Alpha Genome已面向科学社区免费开放学术使用,模型权重可供研究人员下载、微调及开展自身研究。

#DeepMind#Alpha Genome#基因组

02

产品发布/更新

Products3 篇

03:36宝玉关联 4 源

OpenAI推送GPT-6,主打Intelligent UI智能界面功能

OpenAI今日在ChatGPT日常聊天中推送GPT-6模型,核心功能是Intelligent UI(智能界面)。Plus、Pro、Business及Enterprise用户即刻可用,免费版与Go版次日开放。该功能允许模型根据问题类型生成可交互的界面组件,如带参数调节器的购物清单或计算器,并支持流式渲染。付费用户使用GPT-6 Sol,免费用户使用GPT-6 Luna,两者此前已在Work、Codex及API上线。相比Anthropic Claude基于代码生成的自由可视化,OpenAI采用固定组件库以确保样式统一与移动端原生体验,并将界面选择逻辑纳入模型训练。

#OpenAI#GPT-6#产品更新

06:17IT之家(RSS)关联 2 源

GitHub Copilot 月底支持本地推理

微软宣布 GitHub Copilot 将于本月底支持本地 AI 模型推理,开发者可在云端与设备端模型间自动或手动切换。该功能允许用户通过 CLI、应用或 VS Code 设置偏好,后台协调器根据性能、成本与准确性路由请求。微软同步推出 MAI Code 1.1 Flash 混合专家模型,总参数 1370 亿,活跃参数 68 亿,采用量化与推测解码技术优化响应速度与内存占用。在 Surface Laptop Ultra 上实测,提示长度从 2K 到 256K Token 时,解码吞吐量介于每秒 40 至 63 个词元,复杂任务中的峰值内存使用率、Token 利用率与处理速度均显著提升。

#Microsoft#GitHub Copilot#本地推理

00:00Microsoft Research(RSS)

微软亚洲研究院开源 Agent Lightning v1.0:轻量级

微软亚洲研究院发布并开源 Agent Lightning v1.0,这是一个约 3500 行代码的轻量级 Agentic RL 训练框架。该框架提出 Harnessed Agentic RL 范式,通过在部署用的 Agent Harness 与大模型间插入 LLM Proxy,使训练直接使用真实部署环境,无需在训练框架内重实现 Agent 逻辑。框架原生支持 Kubernetes,可在自建集群或本地基础设施上运行,不依赖付费沙箱服务。

#Microsoft Research Asia#Agent Lightning#Agentic RL

03

行业动态

Industry8 篇

02:45NVIDIA 博客(RSS)关联 3 源

NVIDIA与微软发布RTX Spark及DGX Station for

NVIDIA与微软在旧金山联合举办活动,宣布将AI Agent能力引入Windows PC生态。核心发布包括面向消费级市场的RTX Spark平台,该硬件搭载Blackwell RTX GPU与Grace CPU,最高提供1 petaflop AI算力与128GB统一内存,支持本地运行Qwen等大规模模型,首批笔记本已开放预订。同时推出面向企业的DGX Station for Windows,基于GB300芯片提供748GB内存与20 petaFLOPS算力,使万亿参数模型可在Windows桌面端本地部署,填补了此前企业开发需切换Linux环境的空白。

#NVIDIA#Microsoft#RTX Spark

23:56Chubby♨️关联 2 源

扎克伯格Biohub联手Google DeepMind等投18亿美元建细胞AI

扎克伯格旗下的Biohub正与Google DeepMind、Meta及美国政府合作,投入18亿美元构建活细胞AI模型。该计划旨在建立“通用虚拟细胞”,让科学家先在数字环境中测试实验,再筛选最有前景的方案进行实体实验室操作。DeepMind、Isomorphic Labs和Meta共同出资3亿美元,总资金包含前期NIH投资的数据、算力及测量技术资源。Biohub科学主管Alex Rives表示,这是以AI开启的新科学范式起点。

#Meta#Google DeepMind#Biohub

07:18IT之家(RSS)

博通拟为OpenAI定制芯片筹资超500亿美元

据华尔街日报及彭博社报道,博通正为OpenAI的定制AI芯片项目安排超500亿美元的私人债务融资,已与阿波罗全球管理和黑石集团等机构展开早期洽谈。该芯片系统代号为Nexus,计划从2026年下半年起部署至2029年底。与此同时,博通还在为Anthropic筹集约600亿美元新融资,甲骨文也在洽谈用于采购英伟达芯片的专门融资安排。此外,SpaceX正与阿波罗牵头方洽谈约400亿美元融资以购买英伟达芯片,预计2027年完成。这些大规模融资交易反映了AI基础设施建设巨大的资金需求。

#博通#OpenAI#融资

09:44华尔街见闻(RSS)

甲骨文数据中心因电网审批搁浅,交付或延至2029年

甲骨文旗下1.3GW超大型数据中心Project Lighthouse因威斯康星州公共服务委员会撤销输电申请完整性认定并重启审查时钟,面临严重延期。基准情景下全功率供电推迟至2028年10月,悲观情景延至2029年春季。项目成本已跳涨75%至约27亿美元,且融资与信用担保压力巨大。高盛估算每推迟一个月对应近9亿美元营收递延。该事件印证了美国AI算力基础设施面临的系统性电力瓶颈与监管制约风险,此前巴克莱关于“无传导影响”的判断已被证伪。

#甲骨文#数据中心#算力基建

11:55华尔街见闻(RSS)

谷歌AI基建主管谈Agent重塑数据中心与电力瓶颈

谷歌AI基础设施负责人Amin Vahdat在深度对谈中系统梳理了AI基建的技术逻辑。他指出长程智能体(Agent)的崛起正改变数据中心设计,不仅推高加速器需求,更导致CPU、网络与存储需求同步暴涨。Vahdat强调应关注Goodput而非FLOPS,因大规模集群故障频发,软件优化对容量提升贡献巨大。TPU第8代首次拆分推理与训练芯片以应对市场膨胀。他明确电力是根本瓶颈,并透露轨道数据中心已是正式推进项目,旨在利用太空能源优势解决地面供电限制。

#Google#Amin Vahdat#AI基建

07:36IT之家(RSS)

北大博士田柯宇世界模型创业获3000万美元融资,估值2亿美元

据彭博社报道,北京大学博士研究生田柯宇创办的世界模型初创公司获得五源资本、IDG 资本等机构近 3,000 万美元融资,投后估值达 2 亿美元。该公司目前尚未公开名称与产品,团队约 10 人。田柯宇曾发表 NeurIPS 2024 最佳论文,提出通过预测像素块生成图像的高效方法。其计划为 AI 设计处理视觉内容的符号语言,构建包含 20 万个符号的类似“词典”系统,旨在将视频生成成本降至十分之一,并计划于 2027 年发布完整模型。田柯宇此前因在字节跳动实习期间违规操作被辞退并面临诉讼。

#田柯宇#世界模型#融资

01:56IT之家(RSS)

英伟达发布DGX Station for Windows

10月7日,英伟达在旧金山发布会推出桌面级AI超级计算机DGX Station for Windows,计划于2026年第四季度上市。该设备搭载GB300 Grace Blackwell Ultra Desktop Superchip,配备72核Grace CPU与Blackwell Ultra GPU,拥有最高748GB统一内存(含252GB HBM3e及496GB LPDDR5X),AI算力达20 PFLOPS,可运行约1万亿参数模型。其核心优势在于将数据中心硬件压缩至桌面,支持Windows环境下的本地微调、推理与智能体开发,旨在降低云端延迟、成本与隐私风险。

#NVIDIA#DGX Station#硬件发布

23:19IT之家(RSS)

CoreWeave 签约印度 240MW 数据中心,部署 Vera Rubin

AI 云服务商 CoreWeave 宣布与 AdaniConneX 合作,在印度孟买新城 Taloja 园区租赁 240MW 数据中心容量。该园区由三座 80MW 建筑组成,一期预计 2028 年中期投入使用。CoreWeave 计划在此部署 NVIDIA Vera Rubin 平台,并设立办事处、招聘本地员工,未来可能将租赁规模翻倍至 480MW。此举旨在利用印度的人才优势,为当地 AI 客户提供基础设施与技术支撑。

#CoreWeave#算力基建#NVIDIA Vera Rubin

04

论文研究

Research3 篇

23:04elvis

NVIDIA发布VERA:验证环境与模型协同进化

NVIDIA发布论文VERA,提出将基准轨迹转化为9000多个可重启沙盒环境,并结合规范评分筛选出可运行且可观测的环境。该方法同步更新模型权重与环境测试框架(Harness),保留通过自测且开发集提升至少5分的Harness编辑,若模型得分下降超20%则拒绝检查点。在AutoCoWorkBench和AutoMedBench上,9B参数协同进化智能体分别比最强单轴基线高出10.3分和13.0分;27B版本在AutoCoWorkBench取得71.6分,超越Claude Opus 4.8。环境语料库已开源。

#NVIDIA#Agent#协同进化

19:55Rohan Paul

Apple论文:单Agent配Shell优于多Agent编排的自动ML工程

Apple发布论文《自主ML工程需要多少Harness?》,对比自动化ML工程中模型、运行时与外围编排的作用。研究发现,配备Shell和文件访问权限的单编码Agent在Kaggle任务上表现优异,使用GLM 5.2时奖牌率达62.5%,超越此前最佳Harness的47.1%。相反,增加并行Agent和消息通道反而将奖牌率从55.7%降至33.3%。结论指出,早期系统设计的复杂编排(搜索树、记忆层)已过时,直接赋予模型执行能力比多层封装更有效。

#Apple#AutoML#Agent

15:31Przemek Chojecki | PC

AI在朗兰兹纲领取得突破,Fontaine-Mazur模性获验证

X用户prz_chojecki指出AI在数学领域取得多项重要进展,包括准黎曼猜想与阿贝尔簇的霍奇猜想。其特别强调Fontaine-Mazur模性在素数2处的验证,以及虚二次域上的模性成果,认为这是AI探索朗兰兹纲领的首次实质性尝试。尽管数学界消化这些结果需耗时数月,但表明AI已无不可触及的子领域。

#Langlands Program#Mathematics#AI Research

05

技巧与观点

Tips8 篇

18:10r/LLMDevs(Reddit)

Qwen与Mistral复现模型原生数值记忆提取机制

作者独立在Qwen2.5-7B和Mistral-7B上复现了AKBASCORE MAM机制,无需微调或LoRA。核心方法是将模型内部注意力产生的K/V状态作为“模型原生数值记忆”提取至外部存储。检索时,利用冻结模型的特定注意力通道(如Mistral的L28H00)生成问题条件分布,映射到V空间形成1024维地址,通过余弦相似度从外部库中匹配对应记忆。Mistral实验取得Top-1准确率99.22%。跨模型验证显示机制可迁移但内部坐标不同,证实了模型权重外部的持久化数值记忆及其内生寻址可行性。

#AKBASCORE MAM#模型原生记忆#工程实践

12:27r/Rag(Reddit)

构建权限感知RAG:在检索层拦截越权访问的完整工程实践

作者针对多租户RAG服务中常见的数据泄露风险,提出GateKeep RAG方案。核心思路是将访问控制前置到检索层而非依赖LLM指令。具体实现包括:为每个文档块注入租户ID、角色和密级元数据;在向量数据库查询时通过预过滤直接排除受限块,并结合PostgreSQL进行二次关系校验;使用基于SHA-256哈希链的防篡改审计日志记录所有操作。经440个手写查询及近83万次对抗性测试验证,零泄露率。文章同时指出相似度阈值无法可靠拒绝无答案问题,建议采用混合搜索或显式意图门控。技术栈涵盖FastAPI、Qdrant、PostgreSQL及Ollama。

#RAG#数据安全#多租户

05:10OpenAI(YouTube)

OpenAI DevDay:优化AI成本的方法论与Luna Maxing

OpenAI在DevDay 2026上由应用AI工程团队分享如何优化AI部署成本。核心观点是开发者应关注“单次任务成本”而非“单Token价格”,因为低效模型可能导致Token消耗增加或需人工介入,反而推高总成本。演讲以Perplexity和Notion为例,指出使用更智能的模型(如Astra系列)虽单价高,但通过减少Token用量和提升准确率,能显著降低任务总成本。此外,介绍了“模型右值化”策略,建议根据任务精度需求选择模型,并利用Pareto曲线寻找性价比最优解。

#OpenAI#DevDay#成本控制

05:10OpenAI(YouTube)

Stack Overflow VP Alex Lotto分享Codex工程实践

在DevDay 2026上,Stack Overflow产品副总裁Alex Lotto分享了团队利用OpenAI Codex开发两款产品的实战经验。针对面向Agent的“Stack Overflow for Agents”,团队给予Codex较大自由度以探索架构;而针对企业级产品“Stack Internal”,则在严格的安全、隐私及权限约束下,指导Codex构建知识智能层。该层需整合Slack、Jira等多源异构数据,通过Codex识别并抽象出“原型(archetypes)”模式,将原本需数周的开发工作缩短至数天,实现了复杂上下文的高效结构化与验证。

#Stack Overflow#OpenAI Codex#工程实践

04:49r/LLMDevs(Reddit)

LLM客服长对话Token暴涨:摘要追加导致状态膨胀的优化方案

某9轮支持Agent月处理140万会话,长线程成本随轮次激增。Turn 2输入约5800 token,Turn 9达38400,P95单次请求成本从0.19美元升至0.83美元。根因是摘要生成器采用追加而非替换策略,导致历史上下文重复累积。尝试硬Token预算仅掩盖问题,改为每轮替换摘要可平滑输入曲线且不影响回答质量。当前需构建前置Guard机制,在长线程触发高成本前拦截此类状态膨胀,同时保留关键细节。

#LLMDevs#Agent#Token优化

00:30Cloudflare 博客(RSS)

Cloudflare 发布基于多 AI Agent 的安全运营框架详解

Cloudflare 博客详细阐述了其 Managed Defense 安全运营系统的架构设计,旨在解决多警报并发时的分析瓶颈。该系统采用“先侦察后推理”策略,在调用模型前通过确定性代码收集身份、流量基线等数据快照,确保可复现性。系统使用开源决策模型 Clef 进行初步降噪,筛选出高概率误报。针对需深入分析的警报,协调器 AI Agent 并行调度四个专家 Agent(流量分析、客户上下文、全球遥测、威胁情报)获取证据,最后由合成 Agent 生成建议。该方案强调证据 grounding,避免幻觉与范围漂移,结合全球隐私保护聚合数据提升判断准确性。

#Cloudflare#AI Agent#安全运营

18:53r/LLMDevs(Reddit)

开源实现Claude Agent跨会话记忆与协作框架

开发者bomba5发布名为cousins-framework的开源项目,基于Agent SDK构建具备跨会话持久化记忆的Claude Agent家族。各Agent拥有独立身份、职责与记忆存储,通过写入交接记录(handoff)和分层信任度机制维持状态连续性,实现Agent间的自动路由与协作。系统采用Python、SQLite与Docker部署,支持Web控制台进行监控与管理。代码以Apache-2.0协议开源,兼容Claude及opencode免费模型,无需API Key即可本地运行。作者指出心跳与交接机制会消耗额外Token,并在README中明确提示成本开销。

#Claude#Agent#开源工具

17:37Avi Chawla

Jev+RAG:用可验证证据过滤替代传统重排序提升RAG可靠性

文章对比了标准 RAG 与 Jev+RAG 的差异。标准流程中,重排序器仅基于相关性对检索片段排序,但高相关性片段可能缺乏完整证据,导致 LLM 产生幻觉。Jev+RAG 在检索后引入 Jev 模型,针对具体问题判断每个候选片段是否真正有助于回答问题,并计算概率。应用层通过阈值筛选,剔除证据不足的片段;若整体回答置信度低于阈值,则直接返回“文档中无相关信息”,跳过 LLM 生成。该方法不替换嵌入模型或向量数据库,仅优化上下文构建,旨在解决检索到无关或弱证据导致的幻觉问题。作者还提供了本地构建此类模型的实操指南。

#RAG#Jev#提示词工程

全部日报