meng shao@shao__mengAI 评分6565Context.dev 开源了 Rust 编写的本地语义代码/文档搜索 CLI「sgrep」，使用约 32–34MB 的本地 CPU 静态嵌入模型，首次搜索后完全离线，代码和查询不出本机。
Meet sgrep, a fast, fully local ripgrep extension built to make agents cheaper and more accurate. on our SWE-bench Verified eval, sgrep reduced LLM API cost by 21.3% versus ripgrep, solving 70 of 100 attempts versus 68.
LangChain 在 LangSmith 中推出 AI Search 公测，允许用自然语言描述行为来查询 agent 轨迹，例如 PII 泄露或用户受挫等无法靠标签和全文检索回答的问题。
推荐理由：原文详述了 AI Search 用决策模型逐条读取轨迹的搜索机制和 8K token 预算的取舍设计，读者可以了解其与向量搜索的差异和实现细节。
n8n 博客发布一篇客座教程，介绍用 You.com 节点、TypeSafe AI 的 Jev 模型和 n8n 搭建每早 8 点的 AI 新闻简报工作流。
微软在旧金山发布会上展示了全新的 Windows 搜索体验，借助 AI 让用户以自然语言查找信息、文件和应用，不再依赖关键词匹配。新体验强调理解用户意图，结合文件内容、应用信息和系统上下文返回更相关结果，并有望从“找到项目”进一步发展为帮助用户完成后续操作。该变化与微软推进的 Copilot、AI 智能体和“混合智能”理念相呼应，人类用户仍掌握最终判断和控制权。
Artificial Analysis@ArtificialAnlysAI 评分4848
TypeSafe AI@typesafeaiAI 评分2525Jev is a phenomenal reranker. At 75% of the previous reranking cost, it improved our main-app search by 30.64% in matches per 200 candidates on searches recruiters actually run. Most recruiting benchmarks measure precision and accuracy across just 10 candidates. That isn’t representative of real recruiting and sourcing workflows, where you may need to source hundreds of candidates to make a hire. We’ll release the full benchmark soon. We're excited to work with @hmartenjoyer, @mathfax , and the rest of the @typesafeai team to continue to bring Jev to more Wrangle features. Stay tuned 👀
Aravind Srinivas@AravSrinivasAI 评分5050We built a new way to train contextual embedding models, which encode each chunk of a document with the whole document in view. pplx-embed-v2-context-9b-preview sets a new state of the art on ConTEB and @turbopuffer's new, privately held context-bench. https://www.perplexity.ai/hub/blog/contextual-embedding-beyond-the-gold-passage
据 The Information 报道，Google 的 AI 内容贡献付费试点已吸纳约 100 家出版方，当其内容实质贡献于 Gemini 驱动的 AI Overview 等搜索结果时付费。但多家中小型出版方称金额微薄，约相当于其广告收入的千分之一，部分大型出版方已拒绝参与，希望借此迫使 Google 提供更优厚的协议。
Perplexity 发布自研 Rust 检索与排序引擎 Photon，已承接全部生产流量，p99 检索排序延迟从约 800 ms 降至约 65 ms，服务机器减少约 20%。
Cohere Labs 推出 RCP-nDCG@10，一种用校准 AI 评委按统一相关性评分标准逐条评估检索文档的评测方法，以弥补传统 nDCG 依赖人工标注 qrels 造成的覆盖缺口。其 46 人人工标注研究显示，qrels 预测人类相关性判断的 AUC 仅 0.65，而 LLM 校准相关性评分可达 0.91；被基准标为不相关的文档中 28% 被人类判为有用。该指标已用于优化其下一代搜索模型。
谷歌于当地时间 29 日就欧盟委员会依据《数字市场法》提出的要求向卢森堡欧盟普通法院提起上诉，这些要求包括向 AI 竞争对手开放安卓系统、向竞争服务商提供搜索数据。欧盟 7 月要求谷歌在 12 个月内允许用户以语音指令启动自选 AI 助手，并要求第三方搜索引擎在 2027 年 1 月前获得与谷歌搜索相同的搜索数据访问权限；谷歌高管称强制分享私人查询内容将损害用户隐私。
Aravind Srinivas@AravSrinivasAI 评分3333Computer can pull information from scientific sources like Wiley Online Library to create explainer videos. Wiley data is available to all Computer users at no extra cost, with no setup or existing subscription required.
Exa 发布 Exa Agent API 的最高算力档 Agent Ultra，通过并行子智能体和混合模型调度面向大列表构建、实体充实等需要数千来源的研究任务，现已可通过设置 effort 为 ultra 在托管 API 上使用，不支持开源权重或自托管。
据《商业内幕》报道，面向医生的 AI 搜索公司 OpenEvidence 获得多家医院系统和安德森·霍洛维茨合计 2.5 亿美元投资，估值从 1 月的 120 亿美元升至 150 亿美元。知情人士称其或愿意考虑出售公司，包括算力资源使用权；该公司创立于 2022 年，美国超过三分之二的医生依靠其获取诊断和治疗建议，本周刚与 Anthropic 达成合作，此前还接入了谷歌和微软的 AI 工具。
Aravind Srinivas@AravSrinivasAI 评分5151Introducing Fast Search in the Perplexity Search API. Fast Search runs on Photon, our new Rust-based retrieval and ranking service that we built with a small team of engineers and hundreds of agents. It returns 95% of search results in 230 ms or less.
英国竞争与市场管理局 9 月 23 日提出一系列方案，拟让安卓系统和 Chrome 浏览器用户自主选择搜索服务。新规要求谷歌在首次设置手机或首次打开 Chrome 时列出搜索选项，此后每年提示选择一次，符合其技术和安全标准的 AI 助手也须列入选择界面，搜索服务商还须注明出版商内容出处。公众咨询 10 月 9 日截止，管理局预计年底前作出最终决定。
OpenAI 推出基于 GPT-6 Astra 模型的法律专用版本 Astra for Law，配套检索美国判例法、成文法和法规的搜索索引，索引覆盖超过 2.3 亿个 URL。
jason@jxnlcoAI 评分6161We built a time machine for the web. Introducing Exa Snapshot: an index of 400 billion historical snapshots of webpages that lets you search as if it's the past. Snapshot is already being used for backtesting prediction models, RL at labs, exploring the pre-AI web, and more.
Aravind Srinivas@AravSrinivasAI 评分5151A new Perplexity Search SDK cookbook is live. The recipe fans out focused searches, filters results to official docs, extracts relevant passages, and writes a source-linked brief for your coding agent. Get started: https://pplx.ai/pplx-srch-sdk
Baseten 发布 Baseten Hosted Tools，把工具执行内嵌到推理服务端，首个工具 Baseten Grounded Inference 让托管模型通过配置即可调用联网搜索，获取截至当日的最新信息。
Cloudflare 宣布推出新设置 Disallow AI Training，网站管理员可继续接受搜索引擎爬取，同时拒绝网站内容用于 AI 训练，苹果、谷歌和微软已承诺遵守。
Cloudflare 发布 Disallow AI Training 新设置，让站长在禁止混合用途爬虫抓取内容用于 AI 训练的同时保持搜索收录，Apple、Google 和 Microsoft 已承诺遵守该设置。
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出，无需生成 CoT 推理 token。该方法基于 Gemma3-4B 和 Qwen3-4B 微调，旨在解决零样本 LLM 的复述坍缩与自回归延迟瓶颈，论文已被 ICML 2026 收录。
营销软件公司 Profound 宣布完成 1.8 亿美元 D 轮融资，估值 18 亿美元，距上一轮 9600 万美元 C 轮不到七个月。本轮融资由 Sequoia 和 Kleiner Perkins 领投，Lightspeed Venture Partners、Khosla Ventures 等跟投。
小红书 AllSpark 团队发布并开源 Search Agent 模型 Iris，权重和评测代码已公开，数据与训练配方将陆续公布。
推荐理由：原文给出了数据构造、SFT-RL 训练和统一评测的完整思路，读者可以据此理解 Search Agent 的训练难点与可迁移方法。
AllSpark 团队发布 Iris-mini（35B，基于 Qwen3.6-35B-A3B）和 Iris-pro（397B，基于 Qwen3.5-397B-A17B）两个开源搜索智能体，并公开训练配方。
Artificial Analysis@ArtificialAnlysAI 评分5454微信 AI 于 9 月 4 日宣布开源通用多模态嵌入模型 WeMM-Embedding，包含 2B、4B、9B 三个版本，支持文本、图像、视频、视觉文档及任意交错的多模态输入。
H Company 发布 NeoMME 系列多模态编码器，包含 260M 和 800M 两个双向 Transformer 模型，用单一塔处理多语言文本和 32×32 图像块，去掉了独立视觉塔和因果解码器，以离散掩码扩散方式预训练。
Aravind Srinivas@AravSrinivasAI 评分3636Perplexity 发布博客，介绍如何在 EB 级搜索索引上为 pplx-embed 模型提供 embedding 和 reranker 服务。
check out our new blog post on how we serve embeddings and rerankers for our SOTA pplx-embed models over an exabyte-scale search index. embedding models have a similar serving profile to LLMs: batch indexing is compute-bound prefill, online serving is memory-bound decode. this lets us reuse the same optimized kernels we built for large LLMs and get great efficiency for free. on top of that, we optimized the runtime: whole-model CUDA graphs captured lazily as the engine serves, and a LazyTensor in Rust that overlaps CPU scheduling with GPU execution. result: up to 3x lower p50 and 4.8x lower p99 latency than vLLM on BGE-M3 at 128 tokens, single H200! if you are interested in working on problems like this, DM me or apply at http://perplexity.ai/hub/careers
Aravind Srinivas@AravSrinivasAI 评分3535Every answer in Perplexity starts with embedding and ranking models picking the most relevant results for the query. Today we published research on how we built SoTA serving infrastructure behind those models. Read the research: https://www.perplexity.ai/hub/blog/fast-embeddings-on-gpus
Ant Ling@AntLingAGIAI 评分3939蚂蚁百灵发布 Ling-3.0-flash-Sante，一个基于 Ling-3.0-flash 构建、面向健康与医疗领域增强的 MoE 模型，名字取自法语 santé（健康）。
Aravind Srinivas@AravSrinivasAI 评分1818Perplexity CEO Aravind Srinivas 发推称 Markdown 文件的时代已经结束，并附上一句「bitter lesson always wins」。
微信 AI 宣布开源通用多模态嵌入模型 WeMM-Embedding，含 2B、4B、9B 三个版本，支持文本、图像、视频、视觉文档及交错多模态输入。模型基于 Qwen3.5 多模态架构，WeMM-Embedding-9B 在 MMEB-v2 榜单以 80.6 分位列第一；该模型已大规模部署于视频号、直播、公众号、电商与朋友圈的推荐与搜索系统，日调用量达 10 亿量级。
