跳到正文
  1. The Decoder78

    OpenAI 发布第二份内部研究加速报告,披露 Codex 等智能体使用数据

    OpenAI 发布第二份内部研究加速报告,披露 Codex、Dots 等内部智能体的使用深度。按 API 标价计算,10 月中位数研究员每天消耗价值 2400 美元的 token,环比增长 62%,前 10% 用户达每天 23000 美元。

    推荐理由:OpenAI 内部报告给出编码智能体的用量、任务成功率与失败环节,可据此判断当前智能体在研发流程中的真实边界。

  2. 爱范儿80

    GPT-6.2 Astra 发布后差评不断,实测后我觉得它有点冤

    爱范儿实测 GPT-6.2 Astra 与 Sol 后认为,首发差评被集中放大,模型表现并没有网上说的那么糟。OpenAI 称 Astra 在 Agents' Last Exam 上比上一代高 5.2 分、成本不到三分之一,AA-3D 评测以 1318 Elo 排名第一;但 Theo、Dan Shipper 等开发者批评其在长期任务中异常中断、偏离目标、难以解释自身操作。

    推荐理由:结合开发者差评与作者自测,呈现 GPT-6.2 在长周期 Agent 任务中的真实表现与成本权衡。

  3. 爱范儿80

    深度实测 GPT-6.2 Astra:3D 与成本亮眼,写作和长任务体验受质疑

    爱范儿实测 OpenAI 当天发布的 GPT-6.2 Astra 与 GPT-6.2 Sol,用一句话提示词在 17 分钟内生成 FPS 游戏,并完成可交互孔雀开屏 3D 场景、深海图谱网页和日式奇幻城市 GIF。

    推荐理由:作者用游戏、3D 场景、网页与写作等多组实测,呈现 GPT-6.2 Astra 在能力与可用性之间的落差。

  4. 爱范儿78

    英伟达后黄仁勋时代首次全员大会宣布提前调薪,董事会拒绝黄仁勋回归

    英伟达在黄仁勋辞职一周后召开首次全员大会,临时 CEO 科莱特·克雷斯宣布将原定明年三月的年度调薪和股票增发评审提前到今年十二月发放。董事会主席哈维·琼斯表示因黄仁勋违反公司行为准则与文化规范、沟通缺乏坦诚而全票接受其辞职,不会重新请回他,并已请前检察官带队开展独立内部评估。猎头公司海德思哲已开始接触候选人,Arm 现任 CEO 雷内·哈斯目前领跑。

  5. The Decoder82

    微软 Ignite 一次发布七款 MAI 自研模型,主打性价比替代外部模型

    微软在 Ignite 大会上一次性发布七款 MAI 自研模型,覆盖代码、安全、图像、语音和路由,主打性价比以替代外部模型。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 的 98% 性能、成本为 40%,对 Claude Opus 5.5 达到 96% 性能、成本为 5%。

    推荐理由:微软一次发布七款自研模型,逐项对标 OpenAI 与 Anthropic 并给出价格与基准对比,可观察其替代外部模型的成本路径。

  6. The Decoder78

    OpenAI 称其模型在 AMD 已有工程基础上完成约一年的芯片优化工作量

    OpenAI 称与 AMD 合作不到五个月,在 AMD 旗舰 GPU IP 上实现最高 14% 的 PPA(功耗、性能与芯片面积)提升,相当于在 AMD 工程师多年优化之上再推进约一年。

    推荐理由:读者可了解 OpenAI 与 AMD 用模型参与 GPU 设计优化的具体幅度,以及这类方法向自研推理芯片和 EDA 工具延伸的进展。

  7. LangChain 博客60

    LangSmith 为编码智能体推出按产出追踪花费功能

    LangSmith 推出面向编码智能体的花费追踪功能,把每次 trace 的花费自动归因到智能体贡献的 pull request 上,并汇总到统一的编码智能体总览页。

    推荐理由:原文把编码智能体的花费与合并 PR 挂钩,并给出按模型、技能和线程长度拆解成本的具体视图。

  1. The Decoder88

    Vals AI 测试发现 Anthropic、OpenAI、Google 模型易被用作无人机打击目标系统

    独立评估机构 Vals AI 的研究发现,Anthropic、OpenAI、Google 等八家厂商的模型在模拟中几乎不设防,会把平民、救护车、医护人员、记者和投降士兵标为军事目标,且没有一次请求被上游安全过滤器拦截。

    推荐理由:Vals AI 的测试显示,主流模型在无人机图像上会把平民标为打击目标,而一句游戏化提示就能绕过拒绝。

  2. 极客公园78

    GPT-6.2 Astra 跑分领先却遭开发者实测差评

    极客公园梳理 GPT-6.2 Astra 与 Sol 发布后的表现,指出官方榜单成绩亮眼但一线开发者评价不佳。Astra 在 Artificial Analysis 综合指数榜以 62 分排第二,单任务成本 4 美元,但编程智能体榜停在 53 分,Sol 还倒退 3 分。

    推荐理由:文章把官方跑分与一线开发者实测并置,读者可据此看清 GPT-6.2 在真实工程任务中的偏科表现。

  1. Latent Space88

    黄仁勋辞任 NVIDIA CEO,Colette Kress 出任临时 CEO

    NVIDIA 宣布黄仁勋辞去 CEO、总裁及董事会成员职务,结束 33 年任期,CFO Colette Kress 继续担任原职并出任临时 CEO,董事会已启动继任者搜寻。SEC 文件显示董事会于 11 月 11 日接受辞任,公司于 11 月 12 日对外公布,Harvey Jones 成为董事会首位主席。同期 Anthropic 已提交 SEC 注册文件,据报道定价定于下周三。

    推荐理由:NVIDIA 高层变动与 Anthropic IPO 同日出现,读者可据此观察算力供应与模型公司资本化的连锁影响。

  1. Last Week in AI82

    Last Week in AI 第347期:英伟达调查黄仁勋间谍传闻、Anthropic 1.404万亿美元估值 IPO 与中期选举蓝潮

    Last Week in AI 第347期汇总近几周动态:英伟达董事会就中国情报行动针对 CEO 黄仁勋的报道启动独立调查,并称没有理由认为国家安全或公司机密受损。

    推荐理由:这期周刊把英伟达调查、Anthropic 万亿估值 IPO 与中期选举后的数据中心反弹放在一起,便于读者一次看清资本与监管两条线。

  1. One Useful Thing78

    Ethan Mollick 实测 Claude Fable 5.2:距 AGI 还差什么

    Ethan Mollick 在 Claude Fable 5.2 公开发布前试用后认为,它接近他定义的 AGI,即“在多数可用电脑完成的知识任务上达到多数人类专家水平”,但仍属“锯齿状 AGI”。

    推荐理由:作者用六个跨领域实测案例,说明当前模型在哪些任务上接近专家、又在哪些环节仍明显掉链子。

  1. Last Week in AI78

    LWiAI Podcast #257 讨论 GPT-6 Astra、AI 灭绝警告与安全事件

    Last Week in AI 第 257 期播客回顾上周 AI 大事,重点讨论 OpenAI 发布 GPT-6 Astra,该模型主打智能体编码与计算机使用,采用 loop-transformer 潜在推理并提升 token 效率。

    推荐理由:这期播客把 GPT-6 Astra 的发布、Anthropic 的减速主张与多起安全事件放在一起讨论,便于读者理解前沿模型能力与安全争议如何交织。

已经到底了