全部 AI 动态

LlamaParse 为什么表单解析比 VLM 更可靠？

LlamaIndex 发文解释表单为何需要专用解析器：VLM 擅长通用推理，但表单解析结果并不会随推理增强而变好，且成本更高。LlamaParse 将表单表示为带 id、label、value 的字段与 section 嵌套 JSON 树，能保留复选框、签名及字段归属关系，避免扁平化后两个 "Date" 字段无法区分。

LlamaParse 推出 Enriched Forms 表单解析，指出 VLM 难以正确读取表单的原因

LlamaIndex 发布 LlamaParse 的 Enriched Forms 功能，将表单解析为字段与分组的 JSON 树，附带 bounding box 定位和归属信息，供下游审计验证。

Philipp Schmid@_philschmid· 23:05AI 评分4949

把 API key 或密钥当作普通环境变量传入，会让智能体沙箱里的任何依赖读取并可能泄露它们。 Gemini Managed Agents 的 Credentials API 可确保密钥安全，仅在传输时针对受信任域名注入，因此沙箱代码无法访问原始 token。适用于环境变量、CLI 和 MCP Server。 了解更多 👇

Philipp Schmid@_philschmid· 23:05AI 评分5757

Google 为 Gemini Managed Agents（antigravity-preview-09-2026）发布 Credentials API，让智能体访问 GitHub、Notion 或 Gemini API 时无需把原始密钥放进 Linux 沙箱。

Anthropic 介绍用 Claude Code 与 claude-api skill 自动化评测设计与 hillclimbing

Anthropic 在 claude-api skill 中新增 /claude-api build-eval 和 /claude-api hillclimb 两个命令，前者在代码库内通过访谈式流程构建评测集并验证 grader，后者以一次一改动、train/test 分离并检测过拟合的方式迭代优化应用。

Claude Opus 5.5 提示词指南：与 Opus 5 的行为差异及迁移模式

Anthropic 官方文档介绍针对 Claude Opus 5.5 的提示词模式，覆盖 effort 校准、无人值守智能体运行、安全拒绝、进度更新、多应用工作流、视觉输入和前端设计等场景。

GPT-Image 2.5 的12种照片编辑与创意玩法教程

文章介绍了利用 GPT-Image 2.5 模型进行照片精准编辑和创意生成的12种具体玩法，包括消除背景游客、自动调光、专业美颜、制作3D公仔拍立得、景点明信片、主体贴纸化、旅游碎片行李箱、人物海报、演唱会氛围感照片、美食飞溅效果、物体转文字涂鸦及Ins风注释等。每种玩法均提供了详细的提示词示例和操作步骤，旨在帮助用户在假期通过AI优化朋友圈照片。

Simon Willison 用 Claude Opus 5.5 生成鸮鹦鹉像素动画并用 Claude Code 录成视频

Simon Willison 分享在 WeAreDevelopers 演讲收尾中，用三张鸮鹦鹉照片和一段提示词让 Claude Opus 5.5 在 HTML5 canvas 上生成至少 20 只像素鸮鹦鹉开派对的动画，效果不错。

用 GPT-6 Astra 把闲置 Kindle 改造成照片相框

有人用 GPT-6 Astra（reasoning effort 设为 High）配合 Codex 和 T3 Code，把一台第 10 代 Kindle Basic 越狱并改造成照片相框，项目名为 KindleCTL。

brumar 开源 Claude Code 国际象棋复盘 Skill，结合 Stockfish 与思考录音生成解说视频

作者 brumar 发布一套 Claude Code skills，将 lichess 对局结合 Stockfish 引擎生成可读的复盘报告和带旁白的解说视频。

Anthropic 发布 Opus 5.5 迁移指南：Agent 半路停工的四类原因与三招续跑方案

Anthropic 发布 Opus 5.5 配套指南，解释 Agent 无人值守时常在汇报完进度后停在半路，原因是模型爱发汇报、旧程序把 end_turn 当成任务完成。

实测LibTV 1.5五大新功能，演示AI短剧工作流

作者详细测试了LibTV 1.5版本的新功能，包括将Agent升级为TV Director、剧本原创及改编、角色造型室、导演执导、3D-BOX预演和创意片头。文章展示了从生成50集古装言情喜剧大纲、手动编辑剧本、使用角色造型室调整人物形象，到利用Seedance 2.5生成分镜、通过导演模式优化镜头以及用3D-BOX进行复杂运镜预演的完整流程，最终输出成片。

作者分享用 logprobs 读取 LLM 选项概率的单函数封装，并扩展到视觉模型

作者受 Jev 及 OpenJev、SemIf 启发，实现了一个单函数封装：让 LLM 只生成一个选项字母，再读取 top_logprobs 得到各选项概率。

用 AugLy 构建图像、文本、音频多模态数据增强与对抗鲁棒性基准教程

本教程基于 AugLy 构建覆盖图像、文本、音频的端到端多模态数据增强与鲁棒性工作流。教程解决依赖兼容问题，生成确定性合成数据集，演示 AugLy 的函数式与类式 API。

Claude Code 官方视频教程：构建验证循环

Claude Code 官方发布视频《Building verification loops in Claude Code》，讲解如何让 Claude Code 以更多方式验证自己的工作，从而更独立地完成任务、减少来回往返。

LangChain 讲解如何用 Jev 和 LangGraph 构建生产级智能体

LangChain 发布教程，讲解如何结合 TypeSafe 新发布的决策模型 Jev 与 LangGraph 构建“prod, not god”的生产系统。

ClaudeDevs@ClaudeDevs· 02:37精选AI 评分6767

Opus 5.5 每输入和输出 token 比 Opus 5 便宜 20%，缓存读取便宜 60%。作者据此计算了在 Claude Code 中完成一个任务的实际成本变化，并发布了计算器，读者可从 /usage 运行自己的测算，详见 https://claude.dev/blog/what-a-task-costs-on-opus-5-5/。

GitHub Copilot app 新手教程：如何用 canvases 构建自定义工作流

GitHub 官方博客发布 GitHub Copilot app 新手教程，介绍用 /create-canvas 技能通过自然语言描述生成可自定义的 canvas 界面。

GitHub 如何通过迁移 CSS Modules 将 SSR 时间降低 55%

GitHub 工程师 Josh Black 复盘将 Primer 设计系统从 CSS-in-JS 迁移到 CSS Modules 的历程。截至 2024 年 12 月 Primer 全部组件迁移完成，服务端渲染时间减少 55%，组件初始化时间减少 25%。

Postgres 中向量内联存储与独立表对比：AlloyDB Omni 实测 join 开销

Gleb Otochkin 在 AlloyDB Omni 上用 3 万行商品数据和 vector(768) 嵌入，实测语义搜索、过滤查询和多表 join 三类场景下向量与业务数据同表存储与独立嵌入表加主键 join 的性能差异。

Opus 5.5 上一个任务要花多少钱：Claude Code 成本拆解

Anthropic 工程师 Addy Osmani 拆解 Opus 5.5 在 Claude Code 中完成任务的成本构成：turns、缓存读取、输出 token 和模型选择四个因素决定账单。Opus 5.5 输入输出价格比 Opus 5 降 20%，缓存读取降 60%，官方估算典型任务整体运行成本低 40%；文中还给出 effort 分级、缓存命中率维护、/usage 自查等省钱做法。

Anthropic 员工实测 Claude Code 的 effort 档位如何影响 Fable 5.1 与 Opus 5.5 输出质量

Anthropic 员工 Thariq Shihipar 深入评测了 effort 设置对 Claude Code 中 Fable 5.1 和 Opus 5.5 输出的影响。

Arena.ai@arena· 12:21AI 评分5656

Arena 宣布 Grok 4.7 (xHigh) 进入 Agent Arena 榜单第16位，净改进分 +3.96%。

Arena.ai@arena· 04:21AI 评分6161

GPT-6 Luna (Max) 以 1593 分位列 Arena Code Arena: WebDev 榜单第 24 名，比 GPT-5.6 Luna (xHigh) 高 74 分（后者现列第 41）。

GitHub Security Lab 发布 LLM 驱动的 Fuzzing Taskflow，自动完成 C/C++ 项目模糊测试全流程

GitHub Security Lab 的 Antonio Morales 开源了基于 Taskflow Agent 的 Fuzzing Taskflow，指向 GitHub 仓库即可自动识别入口点、编写 harness、运行 AFL++、读取覆盖报告并分诊崩溃。

研究显示 AI 基准性能成本每年降至约十三分之一，MIT 估算纯算法效率约每年 3 倍

Epoch AI 估算，在固定基准分数上取得同等性能的市场价格平均每季度下降约 47%，约合每年 13 倍。OpenAI 的 o3 在 2025 年初以每题约 30 美分在 GPQA Diamond 达到 75% 准确率，18 个月后 GPT-5.6 系列模型以原价 1/725 达到同样分数。

按预算挑选最优 LLM 的每日更新对照表

作者 terryds 上线 bestmodelforyourbudget 网站，每日用 Artificial Analysis 免费 API 数据更新按预算选 LLM 的对照表。

Philipp Schmid@_philschmid· 23:32精选AI 评分6969

Philipp Schmid 介绍 Gemini 3.8 TTS 支持通过录制 20 秒语音加同意句复刻个人声音，或用提示词设计完全自定义的语音。通过 API 调用创建后可在任意请求中使用，风格通过 speech_metadata 设置，作者还提供了博客链接和一段可交给智能体的完整操作提示词。

Philipp Schmid@_philschmid· 23:31精选AI 评分7171

Philipp Schmid 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 使用指南，二者已在 Gemini API 和 AI Studio 可用，登顶 Hume's Voice Design Benchmark 并在 Voice Arena 六种语言中居首。

Google 团队在 TPU 上用 MaxText 复现 Ai2 的 Olmo 3 7B 预训练

Google 团队用 MaxText 在 Google Cloud TPU 上从头复现 Ai2 的 Olmo 3 7B，完成 stage-1 预训练（约5.93T token。

Waymo 公布 2.71 亿英里自动驾驶数据：严重事故比人类驾驶员少 95%

Waymo 公布其 Robotaxi 在亚特兰大、奥斯汀、菲尼克斯、洛杉矶和旧金山累计 2.71 亿英里无人驾驶里程的分析结果：致重伤及以上事故的概率比人类驾驶员低 95%，致轻伤事故低 82%，致伤事故比按人类事故率推算的少 841 起。

Arena.ai@arena· 21:21AI 评分6868

Arena 宣布 Claude Opus 5.5 (Max) 登顶 Code Arena: WebDev 榜单，价格比第二名 GPT-6 Astra (Max) 低 60%，综合每百万 token $16。榜单分数来自全球社区的真实使用，另附 @petergostev 的第一印象视频 https://youtu.be/-0PE_bHHoRk。

五大场景实测商汤SenseNova U1 Pro：从审美到多图融合的生图能力评测

商汤上线SenseNova U1 Pro，在8月SuperCLUE-Image中文文生图榜单以总分93.81排名第一，作者实测其与gpt image 2.5对比。作者分审美与中文版式、多文字运营物料、资料检索与高密度信息、局部修图、多图融合五类任务测试，附全部提示词，认为其文字稳定、局部编辑精准、可支持8K输出，整体完成度达到可交付水平，考虑替换进自己的图片工作流。

用 google-cloud-developer 插件让智能体按 Google Cloud 最佳实践完成部署实测

Remigiusz Samborski 用 Antigravity CLI 实测 Google 的 google-cloud-developer 插件，一条命令安装五个技能和 Developer Knowledge MCP 服务器，支撑 Claude Code、Codex CLI 等智能体。

实测GPT-6 Sol、Luna与Claude Opus 5.5：编程、前端、写作与3D多模态对比

作者实测GPT-6 Sol、Luna与Claude Opus 5.5三款新模型。GPT-6 Sol/Luna API价格比GPT5.6低50%，Opus 5.5输出速度比Opus5快30%、成本低40%，并提升了pro、max、team套餐的五小时额度窗口。

实测小米 MiMo-V2.6 系列模型：开源分第一，价格低至同级海外模型的几十分之一

小米发布 MiMo-V2.6-Pro、Flash 和 Pro-UltraSpeed 三款模型，UltraSpeed 输出速度最高达 Pro 的 20 倍。

Mercury 2.5 评测数据：770 tokens 每秒输出、260k 上下文、智能指数 12

Artificial Analysis 页面显示，Inception 于 2026 年 9 月发布的 Mercury 2.5 是一个推理模型，输出速度达 770.4 tokens 每秒（同类价格档推理模型中位数为 108.6）。

ClaudeDevs@ClaudeDevs· 09:28精选AI 评分5151

Claude 团队宣布在两周内将 claude.ai 速度提升 3 倍。文章介绍他们如何用 Claude 来测量、调试和改进性能，并附上了相关提示词和方法，详见 https://claude.dev/blog/how-we-made-claude-ai-faster/。

Boris Cherny@bcherny· 09:28AI 评分5757

Anthropic 团队在两周内让 claude.ai 速度提升 3 倍，Desktop 应用近期也明显变快。Boris Cherny 分享了团队如何用 Claude 来测量、调试和改进性能，博客中附带了提示词和具体方法，供工程师优化自己的应用参考。

OpenRouter 解析 Kimi K3：开源权重与许可证条款，以及如何调用

OpenRouter 撰文说明 Kimi K3 是开放权重而非开源模型，Moonshot AI 以自定义 Kimi K3 License 在 Hugging Face 发布 moonshotai/Kimi-K3。