全部 AI 动态

Hamel Husain 详解如何用决策模型做自动评测

Hamel Husain 用 100 条公寓租赁客服 trace 实测 Jev 1.13、Perplexity Decider 1.1 27B、Liquid d1 与 d1-ultra、Cloudflare Clef Flash 和 OpenAI Decisions（GPT-6 Luna）识别失败案例。

开源「老爷爷」提示语路由skill，收录25条思考类提示语

作者开源了一个名为「老爷爷」的提示语管理skill，仿照Matt Pocock的ask-matt路由形态，把今年积累的25条思考类提示语熔炼进一个路由，覆盖问清问题、学习理解、解决问题、决策、计划和自我认识六个场景。

Redact 调查 WhatsApp 帮助页面隐藏的 LLM 指令：不让 AI 推荐监管机构

Redact 调查发现，截至 2026 年 10 月中旬，WhatsApp 帮助中心 545 个页面中有 80 个页面嵌入了 102 段屏幕上不可见、仅供 AI 读取的隐藏指令，其中删除账号页面指示 AI 不要推荐联系任何数据保护监管机构，举报与屏蔽页面指示 AI 在用户提及律师或诉讼时不引用 GDPR、LGPD、CCPA 等法规。

Cloudflare 27B 多模态决策模型 Clef 上架 Ollama

Clef，一个来自 Cloudflare 的 27B 多模态决策模型，现已在 Ollama 上可用，用户可在本地或 Ollama 云端运行。Clef 基于 Qwen3.8-27B 微调，采用 Apache 2.0 许可，支持文本和图像输入，可一次性对每个问题打分而非逐词生成。

蚂蚁百灵开源 Ming-3.0 语音系列模型，覆盖语音合成、音频理解与对话、语音识别

蚂蚁百灵宣布开源 Ming-3.0 语音系列，共五款模型，覆盖语音合成、音频理解与对话、语音识别三类能力，开发者可按任务选用或组合进工作流。

PFN 与 Tenstorrent 联合研究入选 NEDO 光电融合 xPU 设计开发项目

Preferred Networks（PFN）与 Tenstorrent 的共同研究被 NEDO 的“光电融合技术 xPU 设计开发”主题采纳，计划研发至 2031 年度并推动成果商业化。

纽约市长 Mamdani 批评联邦政府在 AI 监管上缺位，呼吁市民抵制

纽约市长 Zohran Mamdani 在 AI Now Institute 主办的“The People's AI Assembly”活动上批评联邦政府在 AI 监管上“完全缺位”，呼吁纽约市民抵制 AI 必然取代工作与侵蚀尊严的叙事。

蚂蚁百灵开源 Ming-3.0 语音系列，提供语音合成、音频理解与语音识别五款模型

蚂蚁百灵开源 Ming-3.0 语音系列，围绕声音创作、长语音分析、业务语音转写三类任务提供语音合成、音频理解与对话、语音识别共五款模型。

Nace AI 发布 Drex Max 多模态决策模型，面向计算机使用智能体，Decision Index 得分 67.59

Nace AI 发布多模态决策模型 Drex Max，可读取文本与图像并返回校准概率，在公开 Decision Index 0.3.2 上得分 67.59，比 TypeSafe 的 Jev 1.14 高 6.9 分。

Apate.ai 用35万个AI反诈拖住骗子，国内年轻人用AI视频反制AI卖惨账号

作者讲述了两起用AI反制诈骗的案例。澳大利亚公司 Apate.ai 用35万个AI伪装成容易上当的受害者，已与骗子聊天250万次，累计耗掉骗子约17年时间，澳大利亚运营商 TPG 将近59万通可疑来电转给这些AI，澳洲联邦银行公开报告的诈骗损失降低76%，公司今年8月拿到815万美元种子轮融资。

Anthropic 与 Nscale 据报道正洽谈再签 450 亿美元算力协议

Bloomberg 援引知情人士报道称，Anthropic 与 Nscale 接近宣布第二笔 450 亿美元算力协议，距双方上月公布首笔同规模交易仅一个多月，谈判仍在进行、细节可能变化。两家公司均在推进 IPO，Nscale 拟以 300 亿美元估值上市但遭投资者阻力，大规模算力投入也令部分投资者担忧回报。

斯坦福 HAI 发布 MedHELM、PhysicianBench 与 HealthAdminBench，测出医疗 AI Agent 实际完成率不足一半

斯坦福团队总结三年构建医疗 AI 基准的成果，PhysicianBench 上最佳模型 GPT-5.5 单次仅完成 46% 任务，HealthAdminBench 上 Claude Opus 4.6 完成 36.3%。MedHELM 覆盖 5 大类 121 项临床任务，评测显示临床决策支持和管理流程得分最低；失败主要来自跨文档与系统传递信息时丢失上下文，两项基准均以合成数据、公开代码和排行榜开放。

研究称 AI 仅凭一张面部照片可预测癌症患者生存几率

据彭博社报道，研究人员在《柳叶刀·数字健康》发表研究，开发出仅凭一张面部照片预测癌症患者生存几率的 AI 工具。模型使用超过 4000 万张人脸图像和 3 万多名癌症患者照片训练，可生成风险评分，分数最高者更可能在 90 天内死亡，估算年龄误差约 5 岁，并能在不同年龄、种族、性别和癌症类型人群中生效。

Simon Willison 转载 Jeremy Scheff《我为编程写的讣告》：编程智能体夺走了程序员的解谜乐趣

Jeremy Scheff 在《我为编程写的讣告》中写道，编程智能体让热爱解谜的程序员失去了核心乐趣：过去写代码像拿钱做逻辑谜题，越难越值钱，普通人做不了只能依赖程序员。对只想构建可用系统的人，LLM 是持续馈赠；若享受直接解题本身，这种损失非常真实。

日本演员协会发布生成式 AI 语音使用准则，《龙珠》悟空配音演员野泽雅子怒批未经授权使用其声音

日本演员协会（JAU）在新闻发布会上发布生成式 AI 使用准则第一版，规定任何复刻演员声音的主体在每个环节都必须取得当事人同意，用于 AI 训练须获表演者许可，授权生成的语音被视作表演、企业需支付报酬或版税。

Cursor 正式推出 Agent SDK，可用代码文件夹定义并部署智能体

Cursor 正式推出 Agent SDK，支持以代码文件夹形式定义智能体，用评估测试，并部署到 Cursor 或自有基础设施。运行 npx @cursor/agent-sdk init 即可初始化，agent-sdk deploy 会构建智能体并分配 URL；提供安全审查、PR 自动修复、Linear / Jira 分诊等模板。

Mastra 讲解如何用 Firecrawl profiles 让 Agent 登录网站

Mastra 博客讲解 Firecrawl 团队为 Mastra 构建的 @mastra/browser-firecrawl 浏览器提供方，它给 Agent 一个托管浏览器来访问需登录的页面，本机无需运行 Chromium，演示登录 Sauce Labs 测试商店并完成背包结账。

微软推出 Guardian Agents 防护方案，警示前沿 AI 模型不可信、智能体堪比内部威胁

微软于当地时间周一推出多项企业安全功能，核心是隶属于感知项目（Project Perception）的守护智能体（Guardian Agents），用于监控企业内部正在使用的各类 AI 智能体。

Hugging Face 政策负责人：嵌入式 AI 评估器并非易事

Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，嵌入式 AI 评估器并非简单解法，评估结果的可复现性仍是核心难题，开放权重对此至关重要。

OpenAI 推出两项自建评测，展示 GPT-6 系列在 COBOL 等低资源编程语言上的进步

OpenAI 宣布最新模型在 COBOL、Fortran、Visual Basic 等低资源编程语言上能力显著提升，并推出两项自建评测。

Microsoft 推出 Guardian Agents 等安全功能，将 AI 智能体比作内部威胁

Microsoft 推出面向企业的 AI 智能体安全功能，核心是可监控企业所用智能体的 Guardian Agents，属于 6 月发布的 Project Perception 的延伸。

用橄榄球争论构建 AI 分析智能体：先定义主张、限定职责、公开筛选条件

作者在 O'Reilly 系列节目 The Monday Morning Agent 中用 nflverse 五个赛季约 25 万条比赛数据构建 AI 分析智能体，第一集讨论「必须建立跑攻」这一主张。

美国国土安全部下令所有联邦文职机构移除 DeepSeek 及基于其开发的产品

美国国土安全部依据 2018 年供应链法发布 2026-01 号命令，要求所有联邦文职机构立即停止采购 DeepSeek 及其关联公司产品，并从 IT 系统中移除相关产品，包括使用 DeepSeek 实现开发的第三方产品与服务。

The Verge 分析 CoreWeave 债务困境为何波及整个 AI 行业

The Verge 作者 Elizabeth Lopatto 分析 CoreWeave 上周债券跌入困境区间、股价自周二收盘以来跌超 20%，联创 Brannin McBee 同日向 Financial Times 表示希望债务达到投资级以便向保险公司借款。

报告：美国化石燃料基建规模创十年新高，可再生能源增长放缓

环保组织 Environmental Defense Fund 与研究机构 Atlas Public Policy 的报告显示，美国在建化石燃料基础设施规模达十年新高，新增化石燃料装机占比从 2024 年的 5% 升至 2026 年第二季度的 30%。

FBI 称前 OpenAI 工程师涉嫌窃密，手机中发现 Saudi Gov Docs 文件夹

美国法院批准羁押被指控在 OpenAI 会议室安装窃听器的前工程师 Abdulrahman Alfozan。检方称其 iPhone 上有名为 Saudi Gov Docs 的文件夹，与沙特王室成员有 WhatsApp 联系，并曾用 OpenAI 生产力 Agent 搜索适合安放窃听器的会议室；他被捕前已预订沙特政府付费的单程机票，妻子和儿子已离美。

prime-rl 0.10.0 发布：训练提速、新 RL 损失 IPO 与统一评测栈

Prime Intellect 发布 prime-rl v0.10.0 与 verifiers v0.4.0，新增 RL 算法 IPO 并设为默认损失。Qwen3-235B-A22B SFT 在 4×8 B300 上比 torchtitan 快 1.15×，MFU 从 40.7% 升至 46.6%。

Princeton 等机构发布论文《Emerging Trends in AI Agent Evaluation》，梳理智能体评测的 33 个新趋势

Princeton 团队联合 Stanford、UK AI Security Institute 和 Brookings 的研究者发布论文《Emerging Trends in AI Agent Evaluation》，从评测科学与方法、研究议程和评测生态三个维度总结 33 个新兴趋势。

vLLM 讲解 Elastic EP 如何借助 NIXL EP 实现近零停机扩缩容

vLLM 官方博客讲解如何通过异步准备与 NIXL EP 实现 Elastic Expert Parallelism 的近零停机扩缩容。

AWS 发布 TorchNeuron 开发工具，助 PyTorch 应用一行配置迁移至 Trainium 芯片

AWS 周一发布 TorchNeuron 工具，让基于 PyTorch 的 AI 应用只需改一行配置即可在自家 Trainium 芯片上运行，无需重写代码，直接挑战 Nvidia 凭 CUDA 在 PyTorch 生态中的默认地位。

德国与 NVIDIA 签署联合意向宣言，推进工业 AI 并投资四家德国初创

德国总理 Merz 与 NVIDIA CEO 黄仁勋在柏林对谈德国 AI 路线图，德方签署联合意向宣言，将与 NVIDIA 合作推进物理 AI 模型和工业 AI 生态。

Replika 创始人正式向所有用户推出个人 AI 助手 Wabi 2.0

Eugenia Kuyda 于周一正式向所有用户推出 Wabi 2.0，一款以消息应用形式呈现的多用户个人 AI 助手，会连接邮箱后自动创建线程和应用，用户也可请求定制应用。

AI 陪伴应用 Tolan 融资 3000 万美元，估值超 2.68 亿美元

AI 陪伴应用 Tolan 完成 3000 万美元新融资，投资方包括 Union Square Ventures、Khosla Ventures 和 Homebrew，PitchBook 估算其估值超过 2.68 亿美元。

开源 AI 编码工具 OpenCode Console 遭入侵，泄露 API key 被刷产生高额费用

开源 AI 编码工具 OpenCode 表示其在线平台 OpenCode Console 遭入一处旧系统入侵，影响 1.4% 用户存储的 API key，有用户被产生数百甚至超过 1000 美元的未授权费用，Anthropic 和 Google 已封锁相关 key，OpenAI 配合恢复访问并退款。

Anthropic 发布 GRAFT 方法：通过定位不良行为到可移除参数来减少 reward hacking

MATS 项目研究者在 Alignment Science Blog 发布 GRAFT（Gradient Routing Adapter Fine-Tuning）方法，将被监测到的 reward hacking 行为定位到专用 FORGET 适配器并在部署前消融，而非像奖励惩罚那样教模型规避监测器。

TorchNeuron 开放公测：Hugging Face 库原生支持 AWS Trainium

Hugging Face 宣布 Transformers、Diffusers、Accelerate、PEFT 和 TRL 通过 TorchNeuron 原生支持 AWS Trainium。

MiniMax 发布 M3.1 Flash 推理模型，单任务成本降至约 $0.22

MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis Intelligence Index 得 42 分，比 M3 高 13 分，单任务成本约 $0.22，API 定价 $0.15/百万输入 token、$0.60/百万输出 token，支持 100 万 token 上下文和图文输入，计划 10 月 23 日开放权重。

GitHub Copilot 教程：如何在 VS Code 中继续 Copilot app 会话

GitHub 官方教程讲解如何将 GitHub Copilot app 中的会话直接在 VS Code 中打开并继续。通过会话中的 Open in VS Code 入口，VS Code 会以会话关联的 worktree 打开项目，保留任务、计划与对话上下文，可逐行审查 agent 改动、手动编辑、本地运行测试，并将更改推送到会话关联的 pull request。

Claude 推出 Dashboards 和 Motion 两款新工具并转正 Docs、Slides、Design

Claude 宣布 Dashboards 和 Motion 进入 beta。Dashboards 可连接数据平台或 CRM，生成随数据变化实时更新的仪表盘，面向所有付费计划；Motion 把报告或图表变成动画讲解短片，以代码方式生成、无视频模型参与，可修改文字、数字和节奏后导出 MP4，面向 Team 和 Enterprise 计划。

同一件事，精选收录的是《Claude 推出 Dashboards 实时仪表盘与 Motion 动画讲解功能》

Artificial Analysis 发布 AA-PersonalityBench，衡量 AI 模型的沟通风格

Artificial Analysis 推出 AA-PersonalityBench，用 30 项人格特质、每项 30 道题共 900 道题，在无系统提示下评测模型的默认沟通风格。