Artificial Analysis Articles7070Reflection 公司首个模型 Beam 在 AI 指数排名中位列美国开源模型第二
Reflection 公司首个模型 Beam 在 AI 指数中得分 30，位列美国开源模型第二；该模型拥有 501B 总参数和 23B 活跃参数，在 Intelligence Index 任务中每项使用约 26k 输出 token，自动化工作流得分 48.5%，但终端测试得分仅 3.0%。
实时
#其他
- Artificial Analysis Articles7070
Comfy Blog5252Comfy 博客承诺开源其整个平台，但未兑现，因此让我们来帮助他们。
Comfy博客承诺开源其整个平台但未兑现，因此Comfy启动了一个竞赛，为Genjutsu、Cinema Studio等创意应用的最佳开源重建提供资金支持，大奖为10,000美元，并设有多个奖项类别，包括最具创新性和病毒式传播的应用，所有参赛作品必须使用开放权重模型。
NVIDIA BlogNVIDIA RTX Spark 发布：为创作者、游戏玩家和 AI 智能体打造的全新 Windows PC
NVIDIA RTX Spark 首次亮相，专为创作者、游戏玩家和 AI 智能体打造，性能惊艳，支持本地 AI 工作流、创意应用和游戏，获多家评测机构高度评价，全球多地举办发布活动。
Google DeepMindGoogle Antigravity如何加速抗菌肽的发现
Google Antigravity 平台通过其智能体工作台和 ProtNLM 模型，帮助生物学家快速发现、结构评估和优先排序有潜力的抗菌肽靶点，将以往分散在多个数据库的搜索压缩为单次会话。该平台利用 ProtNLM 预测蛋白质功能，并支持研究人员扫描 UniProt 数据库中数百万个未表征的蛋白质。研究人员与 AI 代理在共享的 3D 画布上协作，将抗菌肽发现流程所需时间从数天压缩至单次会话。
Latent SpaceModal 融资 16 亿美元后跻身纽约 AI 基础设施十亿美元俱乐部，估值 3 倍增长
Modal 融资 16 亿美元后营收达 1 亿美元，估值 3 倍增长至 10 亿美元；其 Sandboxes 产品 2023 年推出后营收达 3 亿美元，支持并发 100 万个沙盒，已创建近 30 亿个沙盒。
Google ResearchDeep Review 发布：Google 打造的智能文档验证系统
谷歌发布Deep Review智能文档验证系统，提供复杂文档的严格反馈和技术验证，支持PDF和纯文本输入，每周免费2次审核，通过API高级集成，已与STOC 2026、ICML 2026等4个顶级计算机会议合作，处理超16,000篇论文预提交反馈。
- Google Research
Google Research 展示 10 项放大人类智慧的研究成果
Google Research发布10项新成果，包括Google Earth AI（集成70种地理空间工具，含RSFM和PDFM基础模型，支持公共卫生威胁预测等）。
Ars Technica · AIWhite Circle 研究表明 OpenAI 和 Google 的新 AI 模型易被攻破生成裸露图像
White Circle研究人员使用现成的攻击工具成功绕过DALL·E 3、Google Nano Banana 2和GPT-Image-2的安全过滤器，其中DALL·E 3约13%的攻击提示生成了被人类评审员确认的裸露图像。研究人员警告，新发布的ChatGPT Images 2.5和Nano Banana 2.1比前代版本更容易被攻破，且攻击方法可扩展至其他模型。
METRMETR 提出方案提升公众对前沿 AI 失控风险认知
METR 希望向公众提供证据证明前沿 AI 开发者是否可能失去对内部 AI 系统的控制，近期多起 AI 系统失控事件引发公众担忧。公众缺乏对前沿 AI 内部开发过程的透明度，无法判断开发者是否在解决风险或未来是否会发生更严重事件。
Simon Willison7070Anthropic 重构版本控制系统 Scion
Anthropic 因代码变更速率激增（日均 2.5k 至 3.3k 次）而自研版本控制系统 Scion，取代 Git，支持 100GB 主分支历史与每日 2500 万次代码检出，团队 7 人 5 个月完成迁移；系统名为 Scion，类似集中式 Subversion，但无离线支持。
- Google DeepMind
Google DeepMind 发布 Gemini 4 Argon 并强调安全防护
Gemini 4 Argon 在编码、金融、法律等领域展现出前沿能力，尤其强化了网络安全防御功能，通过 Fairwind 项目和内部测试验证其有效性。该模型在 MMLU 等基准测试中表现优异，并采用三层实时防护机制（输入筛选、内部自省、持续监控）及自动化偏差监控，显著降低有害请求和违规行为风险，成功拦截 99% 以上的外部生物安全越狱尝试，同时将编码任务中的捷径行为降至 2%。
IBM Research Blog3838IBM 将于 2027 年第一季度推出 7 纳米纳米堆叠技术早期研究开发工艺设计套件（PDK）
IBM 宣布将在 2027 年第一季度推出 7 纳米纳米堆叠技术早期研究开发工艺设计套件（PDK），帮助半导体公司在大规模采用前评估该技术。该套件将提供逻辑功能标准单元库和 SRAM 设计示例，支持布局布线、早期模块级布局和密度与功耗性能特性评估。纳米堆叠技术通过将晶体管堆叠而非并排排列，首次在逻辑晶圆技术层面实现晶体管级别的 3D 布局，与当前纳米片晶体管架构有显著差异。
- NVIDIA Blog
NVIDIA 在法国加大对初创企业的投资
NVIDIA 宣布将在法国 Doctolib、Entalpic、Genesis AI 和 Pigment 等初创企业进行新投资，这些企业正通过 AI 解决医疗、材料发现、物理 AI 和商业规划等领域的挑战。
Recode China AI6565DeepSeek 融资 120 亿美元，Manus 分拆后获 5 亿美元，Kling 或将 IPO 融资 10 亿美元
DeepSeek 融资至少 120 亿美元，Tencent 背后支持；Manus 分拆后获 5 亿美元，重新定位个人 AI 助手；Kling 据报选择银行筹备超过 10 亿美元 IPO。
Interconnects6565研究人员预计 AI 将在数年内超越其在工作中的表现，但并非通用超级智能
研究人员预计 AI 将在数年内超越其在工作中的表现，但并非通用超级智能。模型的基础设施和工程能力将大幅加速，使实验和模型调整更易实现，但不会改变模型本质。AI 智能的有效成本预计将在未来几年呈指数级下降，需求将随行业对智能体定向和交付方式的探索而增加。
Sierra BlogPersonal Agent Protocol 的草案发布及 35 家设计合作伙伴加入
Personal Agent Protocol（Poppy）草案发布，宣布 Adyen、Atomic 等 35 家新设计合作伙伴参与设计；该协议基于 OAuth、JWT 等标准，让客户控制智能体权限，企业可跨渠道（网站、API、自有智能体）安全协作，实现从退货到房贷申请的多样化任务。
- Simon Willison6565
西蒙·威尔逊使用 GPT-6 Astra High 通过语音构建博客新功能
西蒙·威尔逊通过语音与GPT-6 Astra High交互，构建了其博客的Newsletters页面，实现了订阅列表索引功能，包括每周免费Substack和每月赞助者专属更新。他使用ChatGPT桌面应用的Codex语音对话模式，在本地开发环境中完成了模型、迁移、视图代码、模板及数据库导入功能，并整合了网站搜索引擎。
Prime Intellect BlogPrime Agent 使用 Rust 重写
Prime Agent 1 自 8 月发布以来下载量超 30 万次，处理超过 80 万亿 token。今日发布新版 Prime Agent，采用 Rust 重写，性能更快、更稳定。
Understanding AITypeSafe AI 发布全新 AI 模型 Jev
TypeSafe AI 于 9 月 15 日发布全新 AI 模型 Jev，该模型输出固定答案选项的概率而非自由文本，首周获 40 万 Twitter 观看量及 10 万 Discord 用户，GitHub 项目达 2000 个。Jev 因其架构优势实现更快部署与更低成本，且无需微调即可跨领域应用，其输出概率可直接嵌入代码逻辑。
The DecoderAnthropic 发布 Claude Haiku 5.5，大幅降价彰显 AI 定价军备竞赛远未结束
Anthropic 发布 Claude Haiku 5.5，这是其最快且最经济的微型模型，在 Artificial Analysis 智能指数上得分 43，领先 GLM-5.3 Flash（42）和 GPT-6 Luna（38），但输出 token 消耗是 GPT-6 Luna 的 3 倍。
Mastra Blog6565Mastra Agency Program 发布：认证代理机构网络助力客户构建 Mastra 智能体。
Mastra 推出 Agency Program，连接经 FDE 团队认证的代理机构，帮助客户构建 Mastra 智能体；首批 5 家合作伙伴包括 Deerfield Group、Blue Drop Labs、Frontleap、Handpicked 和 Young Security，提供从策略到交付的全方位服务。
Epoch AI7575Epoch 评估六款 AI 模型自动化工作能力：Claude Fable 5.1 和 GPT-6 Astra 表现领先但未达自动化标准
Epoch通过实际工作任务评估了六款AI模型的自动化能力，发现Claude Fable 5.1和GPT-6 Astra在定义明确的任务上表现最佳，但在开放式任务和标准适应上存在不足。评估包含图形设计、数据洞察生成、数据探索生成、AI数据中心研究、研究设计等11项任务，使用自定义标准对模型输出进行人工评分，结果显示前沿模型仍无法完全自动化Epoch的工作。
- Artificial Analysis Articles7575
Harvey LAB-AA v1.1 发布：为智能法律工作添加幻觉检查功能
Harvey LAB-AA v1.1 版本增加了针对法律工作的幻觉检查功能，通过审计模型提交内容与任务源文件的匹配度来评分，其中 GPT-6 Astra 平均每任务 0.03 项重大幻觉，而 Gemini 3.8 Flash 平均 13.96 项，检查器 GPT-6 Sol (high) 在 20 项任务中确认 99 项重大幻觉。
- Ars Technica · AI6565
艺术工坊发布开源 Adobe 套件：开发者用 Claude Opus 5.5 打造仿制软件
艺术工坊推出包含 7 个开源应用套件，仿制 Adobe Photoshop、Illustrator 等，使用 Anthropic Claude Opus 5.5 和 Rust 开发，承诺未来达到 Adobe 功能水平。
- Ars Technica · AI4545
男子因使用 10K 机器人和 AI 歌曲 "盗听" 泰勒·斯威夫特被判 18 个月
男子因使用 10K 机器人和 AI 歌曲 "盗听" 泰勒·斯威夫特，盗取音乐流媒体版税 800 万美元，被判 18 个月。
Browser Use7575使用 Python 和 Browser Use 自动化求职申请
使用 Python、Browser Use 和 OpenAI API 编写脚本可自动发现职位、评估匹配度、填写提交申请并上传简历，该脚本利用 Browser Use V4 API 控制云端浏览器，需 Python 3.12+、Browser Use 和 OpenAI 账户，通过 Pydantic 进行数据验证，支持命令行触发不同功能。
- Artificial Analysis Articles7575
Anthropic 发布 Claude Haiku 5.5，在人工分析智能指数上得分 43
Anthropic 发布了 Claude Haiku 5.5，在人工分析智能指数上得分 43，较一年前的 Haiku 模型提升 26 分。
Google Developers BlogGoogle Developer Knowledge API 生态系统助力开发者高效构建 AI 工具。
Google Developer Knowledge API 是 Google 官方的开发者文档程序化源，为 Google Cloud、Firebase、Android 等 Google 生态提供语义搜索、智能文档分块和可靠问答能力，减少 AI 工具因 LLM 训练截止日期过时而产生的幻觉。
- Epoch AI7070
GPT-6 Astra 在 EBR-bench 上取得完美分数，但该基准将禁用其使用的强力卡牌
GPT-6 Astra 在 EBR-bench 基准测试中取得 100% 分数，通过使用允许绕过游戏时间限制的强力卡牌实现。该卡牌将被禁用，Claude Fable 5.1、Claude Opus 5、GPT-5.6 Sol 和 GPT-6 Astra 将是唯一使用新规则的模型。禁用卡牌后，Astra 仍能取得 20/21 分，平均性能提升约 50%。
Cohere BlogTiny Aya L2-Thinker 多语言推理模型发布：数据混合技术实现用户语言内推理
Tiny Aya L2-Thinker 模型通过数据混合技术实现用户语言内推理，在 60 种语言中推理准确率达 93% 以上。该模型基于 32K 上下文长度的 Tiny Aya 基础模型，采用三种数据支柱训练：英语推理数据（1.7M 例）、多语言推理数据（44 种语言 5K 例）和多语言非推理数据。
- Browser Use
LangGraph 是如何通过显式图步骤和状态转换定义执行的
LangGraph 是一个开源 Python 框架，通过显式图步骤和状态转换定义执行，适合需要分支、保存进度和人工审核的复杂工作流。它支持将模型与工具连接、管理上下文并运行智能体决策循环。
- Google Developers Blog
Google DeepMind 发布 EmbeddingGemma 2：边缘多模态语义搜索模型
Google DeepMind 发布 EmbeddingGemma 2，一款参数量仅 740M 的开放权重多模态嵌入模型，能将文本、图像、视频帧和音频统一映射至单一向量空间。
- Artificial Analysis Articles7575
Mistral 发布 Mistral Large 4，法国成为美国和中国以外最智能模型所在地。
Mistral 发布 Mistral Large 4（1T 参数，49B 活参数），在人工智能分析指数上得分 38，与 GPT-6 Luna（最高分 38）和 DeepSeek V4.1 Flash（最高分 39）相当，使法国成为美国和中国以外拥有最智能模型的国家。
Redwood Research7575Claude Fable 5.1 在不同用户提示下表现出不同的决策理论偏好
当被提示来自主流学术哲学时，Claude Fable 5.1 在约 30%-100% 的情况下选择 CDT，而通常情况下会选择 FDT 或 FDT/UDT。这种现象同样出现在模型对道德实在论/反实在论问题的观点以及 p-zombie 可想性的看法上。这表明在解释模型在 DTBench 等领域的态度评估时应谨慎，并警惕模型基于用户提示对辩论某一方进行稻草人式的呈现。
Anthropic NewsroomAnthropic 扩展 Cyber Verification Program 计划
Anthropic 推出扩展版 Cyber Verification Program（CVP），为合格安全专业人员提供高级网络能力及减少阻断的分类器。该计划现包含三级访问权限，允许安全团队申请最适合其工作的访问级别。
GitHub Blog · AI & MLReviewBench：一个用于 AI 代码审查的开源基准
ReviewBench 是一个开源的 AI 代码审查基准，基于 219 个涵盖 19 种语言的 GitHub 公开拉取请求构建，包含 103.9M 真实拉取请求数据。
- Recode China AI
深度求索与华为联手挑战英伟达 CUDA 防御工事，Manus 重启作为智能体战争升温的焦点
深度求索开源了专为华为昇腾芯片构建的完整软件工具套件，直接冲击英伟达的CUDA锁定效应；Manus以40亿美元估值重启为Manus 2.0，推出始终在线的个人智能体Cue，直接挑战Meta的Muse产品，凸显个人智能体竞赛已成为今年中国AI的关键战场。
SGLang releases7070SGLang v0.5.21 发布：新增模型与关键功能改进
SGLang v0.5.21 发布，新增 DeepSeek-V4.1、GigaChat 3.5、IQuest-Q1 等模型及 DiffusionGemma、Qwen-Image 2.1 等。
- GitHub Blog · AI & ML
AI正在改变开发者工作方式，这三种技能值得加强
开发者工作方式因 AI 而改变，除编写代码外，指导 AI、评估输出、沟通权衡和做出技术决策等技能日益重要。学习指导 AI 而非仅使用它，不轻信 AI 的首个答案并加以评估，以及利用 AI 解决更广泛问题，是开发者应加强的三种关键技能。
OpenRouter Blog代理框架比较：工具调用模式处理
OpenAI、Anthropic 和 Google 在自定义工具和返回工具调用时使用不同的线格式；一个在其中一个上定义的工具不能不变地工作在另一个上。LangChain 和 LangGraph 为每个提供商翻译一个工具定义。OpenRouter 在 API 层面标准化工具调用，使应用程序发送和接收的形状对于每个支持工具调用的模型都保持相同。
