OpenAI 详解如何检测前沿模型失准行为
OpenAI 发布长文，详解其针对前沿模型失准行为的多层监测系统，包括激活探针、基于模型的审查、调查智能体和自动化调查四层架构，并对 GPT‑6 Astra 及以上模型的全部 RL 运行、评估和内部 Codex 流量进行监测。
推荐理由：原文详述了 OpenAI 多层失准监测系统的架构与真实响应案例，读者可以了解其覆盖范围、误报处理和独立红队测试结果。
全部 AI 动态
OpenAI：官网动态精选AI 评分7676 OpenAI：官网动态精选AI 评分6161 OpenAI 更新 Model Spec，围绕五项核心价值观重组模型行为准则
OpenAI 更新其公开的 Model Spec，将指导原则重组为五项核心价值观：忠实于人类意图、最小化伤害、诚实透明、促进人类自主和关怀。更新新增了关于上下文理解、监督和自主性的指导，调整了部分行为默认值，退出了大部分详细风格指南，并将模型称呼从 the assistant 改为 GPT。
推荐理由：原文列出五项核心价值观及新增与退出的具体章节，读者可据此比较对齐框架的实际变化。
Baseten 工程博客AI 评分5555 Baseten 发布 3B 以下决策模型 joey-1，2,000-token 请求 P50 延迟 20 ms
Baseten Base Labs 发布决策模型 joey-1，直接以单 token 和校准概率返回决策结果，称内部测试中为 3B 及以下参数最强决策模型。2,000-token 请求 P50 端到端延迟 20 ms，约比 elephant-1（49 ms）快 2.5 倍，价格为每百万 token $0.01、是 mammoth-1 的十分之一。
Amazon ScienceAI 评分4444 Amazon 与 Booking.com 用知识蒸馏加 Medusa 加速旅行 LLM
Amazon 与 Booking.com 将知识蒸馏与 Medusa 结合，把 70B 的 Llama-3.1 教师模型能力迁移到 1.1B 的 TinyLlama 学生模型，在保持最佳开源 LLM 质量的同时成本降至不到三分之一、速度最高提升 20 倍。
Cartesia 产品与研究AI 评分5555 Cartesia 发布 Managed Agents 企业级语音智能体平台，登顶 Speech Agent Arena
Cartesia 发布端到端语音智能体平台 Managed Agents，在 Artificial Analysis Speech Agent Arena 以 1115 偏好 Elo 排名 30 个智能体中的第一，并在 ServiceNow 的 EVA-Bench 上取得 87% 准确率和 91% 体验分的最高成绩。
Tibo@thsottiaux精选AI 评分6464推荐理由：作者以官方身份宣布用量上限调整的具体方案，涉及多个订阅档位，使用者可据此核对自身配额变化。
LangChain：BlogAI 评分6666 LangChain Managed Deep Agents v0.10 发布：支持浏览器使用与异步子智能体
LangChain 发布 Managed Deep Agents v0.10 公测版，新增浏览器使用和异步子智能体两项核心能力。
LangChain：BlogAI 评分6262 LangChain 为 Managed Deep Agents 新增浏览器能力
LangChain 宣布 Managed Deep Agents 支持浏览器操作，开发者通过 define_browser 几行代码即可让 LangSmith 托管 Agent 读写真实网页，无需自建基础设施。
Databricks：BlogAI 评分4343 Databricks 为 Serverless 计算推出更精细的成本控制
Databricks 将 Serverless 成本控制扩展到 notebooks、jobs 和 pipelines，此前该能力已用于 Serverless SQL 与 Model Serving。
Meta Engineering BlogAI 评分6666 Meta 详解 Catching JiTTests 全量部署：LLM 生成测试在代码合入前捕获 bug
Meta 介绍其 LLM 驱动的 Catching JiTTests 已从研究原型进入生产基础设施，通过 dodgy diff 和 intent-aware 两条工作流自动生成测试，在代码合入前暴露 bug，并用 RubFake 规则与 LLM-as-Judge 集成过滤误报、以 human-on-the-loop 方式降低人工审查负担。
Wiz：ResearchAI 评分7575 Wiz 分析智能体攻击的兴起：特征、案例与防御方向
Wiz 汇总公开披露与自家应急响应中的智能体攻击案例，包括 ARTEX 针对韩国金融机构与 ConnectWise 供应链、Hermes 攻击泰国财政部，以及 Wiz 调查的三起真实入侵（如暴露的 Flowise 实例、MCP 接口链式 RCE 导致云凭证和 Kubernetes token 泄露）。
Wiz：Research精选AI 评分7070 Wiz 分析智能体攻击的七大指纹与发展趋势
Wiz 基于自身事件响应与公开披露案例，分析 AI 智能体参与真实入侵的现状与趋势，涉及 ARTEX、Hermes 等框架及韩国金融机构（约 67,000 人信息外泄）、泰国财政部、ConnectWise 供应链（尝试攻击超 2,250 个租户）等案例。
推荐理由：Wiz 结合自身三起案例与公开事件，提炼出七条可操作的智能体攻击指纹，对防御侧检测有直接参考价值。
Hugging Face 官方团队博客AI 评分5353 Hugging Face 联合多所高校发起 Project ProtoStar，推动公共资助科研数据 AI-ready 化
Hugging Face 宣布 Project ProtoStar，联合 CMU、Purdue、Georgia Tech 等高校及 Astera Institute、ORCA 等伙伴，推动把公共资助科研成果以 AI-ready、机器可操作格式发布在开放基础设施上。
vLLM 官方博客精选AI 评分7171 vLLM 发布 Mistral Large 4 Day 0 支持
vLLM 团队宣布对 Mistral 新旗舰模型 Mistral Large 4 提供 Day 0 支持，该模型为 1T 参数、每 token 激活 49B 的原生多模态 MoE 模型，采用 MLA 稀疏注意力加 DSA top-k 索引器、跨层 KV 共享、NoPE、SSMax 和 LeRoPE 等新架构，并内置 DSpark 推测解码草稿器与 Pixtral 视觉编码器。
推荐理由：vLLM 团队详解支持 Mistral Large 4 所需的架构适配与量化、长上下文、推测解码等实测数据，可作部署参考。
Hugging Face 官方团队博客精选AI 评分8181 Mistral Large 4（Le Chonk）登陆 Hugging Face：1T 参数 MoE 多模态开源权重模型
Hugging Face 发布 Mistral Large 4（Le Chonk）的上线博客，模型为多模态多语言 MoE 架构，总参数约 1T、激活 49B、上下文窗口 1M token。
推荐理由：原文给出架构细节、网络安全能力分数和各硬件实测吞吐，读者可据此评估该开源权重大模型的部署门槛与适用场景。
Amp ChronicleAI 评分4848 Amp 支持在对话线程内直接生成图表、时间线与可点击原型
Amp 现在可以在对话线程中直接为用户可视化或构建内容，包括图表、时间线、示意图和可点击的 mockup。官方展示了真实线程中的示例，例如 Amp 绘制的上月提交图表，以及 Quinn 提出的十六种 diff stat 按钮方案。
Tessl：产品与工程博客AI 评分5555 Tessl 工程博客探讨 AI 软件工厂的成本该由谁负责
Tessl 博客分析工程领导者如何判断 AI agent 账单背后的钱花得值不值，提出七方面管理框架：成本可见与归属、开工前评估、按任务完成成本选模型、把重复决策转为代码检查、设预算并停止无效循环、把原本不会做的维护工作单独核算，以及在预算紧张时保持完成定义不变。文中强调失败尝试也要计入成本，账单下降可能只是把工作转嫁给了评审者。
Sakana AI：BlogAI 评分4545 Sakana AI 用 AI 分析 SNS 叙事解读美国中期选举
Sakana AI 发布情报报告，用其叙事分析系统与产品 Sakana Marlin 分析美国中期选举，聚焦得州参议院选战：对两候选人和两党州组织在 X 上的 2,042 条发帖及 705,976 条反应做了支持与批判比例的带误差估计。
n8n BlogAI 评分5656 n8n 自动化团队负责人谈如何走出服务台模式
n8n 内部 AI 与自动化负责人 Romina da Costa 撰文分析集中式自动化团队服务台模式的天花板，称公司已有超过 12,000 条内部工作流，任何团队都无法包揽构建与维护。她的团队转向赋能文化，提出四条原则：培养各团队的构建能力、立项前先摸清现状基线、按问题而非惯性选工具、让每个工作流有归属和文档，目标是让更多团队不再依赖他们。
Amp ChronicleAI 评分5858 Amp 推出 macOS Satellites：云端 Mac 自动构建、测试和运行苹果应用
Amp 推出 macOS Satellites（beta），让智能体在云端 Mac 上构建、测试和运行 iOS 与 macOS 应用。架构上线程仍跑在 Linux orb 上，需要 macOS 时服务器约 30 秒启动一台预装 Xcode 和模拟器的新 Mac，代码保持同步，截图、日志和构建结果回到线程，屏幕可实时观看或接管。
Preferred Networks：AI 研究与产品AI 评分4444 善邻集团与 Preferred Networks 达成业务资本合作，融合地理空间信息与 AI
善邻、善邻数据通信与 Preferred Networks（PFN）签署业务资本合作契约，善邻方面将认购 PFN 的第三方定向增发。三方将把带时间轴的高精度地理空间信息与 PFN 的生成 AI、物理 AI、图像与 3D 空间识别技术结合，开发理解与推理地理空间信息的 AI 模型。初期重点面向公共、不动产、零售流通领域，探索区域变化与设施需求预测、选址及城市规划和防灾模拟等场景。
OpenMOSS / 复旦NLP / 上海创智 / MOSI精选AI 评分7171 OpenMOSS 发布开源图像生成模型 MOSS-Image，主打长文本渲染与可编辑布局
OpenMOSS 发布开放权重图像生成模型 MOSS-Image，采用 5B 参数单流 DiT 从零预训练，支持最长 4K token 提示词、中英文长文本渲染和可编辑的 JSON Layout。
推荐理由：原文给出长文本渲染与布局评测数字及开放权重部署路径，读者可以据此判断它在文字密集图像任务中的适用边界。
- Tibo@thsottiauxAI 评分4747引用ChatGPT@ChatGPT
By popular request, you can now text your dot. Give it a task to take off your plate or something to keep an eye on, using text, photos, or even voice notes. It will text you proactively with relevant updates. Safe, secure texting via iMessage or RCS. You’re the only one who can text your dot, and your dot can only text you. Rolling out now as a preview for Pro users in the US.
OpenRouter：Announcements精选AI 评分7272 OpenRouter 重建默认路由算法：TTFT 降 16.9%、429 错误减少 67%
OpenRouter 宣布重建默认 provider 路由算法，从只按价格排序改为按 Routing Cost 综合 effective price、TTFT、吞吐、错误率和输出质量选路。
推荐理由：OpenRouter 自己公布的路由算法实测数据与机制细节，读者可据此评估默认路由切换对现有调用成本和延迟的实际影响。
OpenRouter：AnnouncementsAI 评分6969 OpenRouter 实测 13 种提示注入攻击，讲解 Armor 与 Guardrails 防御方法
OpenRouter 发布提示注入防御教程，用 13 种自有攻击加 12 种其他模型编写的攻击测试 Claude Haiku 5.5、GPT-6 Luna、DeepSeek V4.1 Flash 和 GLM 5.3 Flash。
OpenRouter：Announcements精选AI 评分7676 OpenRouter 教程：用 LLM 从 PDF 中抽取表格
OpenRouter 发布教程，讲解如何把 PDF 以文件形式连同严格 JSON schema 发给能读文件的模型，让表格以带类型的行返回，括号亏损、千分位和脚注标记等清理都写进字段描述。
推荐理由：OpenRouter 用五份 PDF 实测了多条抽取路由，给出严格 JSON schema 写法、两类静默失败的检查和各路由成本对比。
Google Developers BlogAI 评分5454 Google Play services 中的 LiteRT 升级：GPU 推理提速 1.4 倍、应用体积减小约 8 MB
Google 宣布 Google Play services 中的 LiteRT 迎来最大升级，GPU 推理速度约为旧版 GPU delegate 的 1.4 倍，由 ML Drift 引擎驱动，并通过新的 CompiledModel API 提供。
OpenAI：官网动态AI 评分5353 OpenAI 与 ServiceNow 扩大合作，将模型和 Agent 深入企业工作流
OpenAI 与 ServiceNow 宣布扩大合作，把 OpenAI 模型和 Agent 引入 ServiceNow 从开发到安全的产品，并将 ServiceNow 工作流接入 ChatGPT 和 Codex。
Anthropic：NewsroomAI 评分4646 Anthropic 扩大 AI for Science 计划，新增 20 家科研基金会与机构合作
Anthropic 将 AI for Science 计划扩展至 20 家全球科学基金会、研究机构与科研团队，为其提供免费 Claude credits。该计划始于 2025 年 5 月，此前主要面向个体科学家，现转向与机构建立大规模科研合作。
Sierra：BlogAI 评分4343 Sierra 推出 Compliance Console，为长周期 AI 智能体提供合规管控
Sierra 发布 Compliance Console，内置于 Horizon 平台，帮助企业在跨渠道、跨地区场景中约束 AI 智能体的外呼行为。该控制台支持配置信息披露、联系时间窗口（多数地区默认 8AM 至 9PM）、节假日禁呼、频率上限和退订处理，并通过 Insights 仪表盘展示被允许、推迟、阻止或待审核的外呼与消息数量。
Replit：BlogAI 评分5555 Replit 发布 ViBench 2.0 长程软件开发基准，GPT-6.1 Sol 以 65% pass@1 居首
Replit 发布长程软件开发基准 ViBench 2.0，代理从空项目按功能搭建完整产品，包含 17 个产品、241 个功能请求和 544 个测试计划，并加入 Fireworks 的 Specialized Intelligence Index。
Databricks：BlogAI 评分4040 Databricks 谈语音智能体：用上下文让语音客服产生真实客户价值
Databricks 发文阐述语音智能体落地关键在于上下文而非语音本身，其原型用 LiveKit 承载通话、Deepgram 做语音转文字与默认音色、ElevenLabs 提供表现力音色，大脑部分由 Databricks 提供。
OpenAI：官网动态精选AI 评分6565 OpenAI 员工撰文探讨 AI 进入企业组织架构的三种方式
OpenAI 员工 Hemanth Asirvatham 和 Elliott Mokski 发表下一篇经济系列文章，探讨 AI 进入企业组织架构的三种情形：在每位员工之下形成 AI 劳动力 basement、作为同事穿插在现有组织图中、以及夹在人类之间充当协调层。
推荐理由：两位 OpenAI 年轻管理者以亲身经历提出 AI 进入组织架构的三种情形，并讨论其对层级、企业规模和薪酬差距的影响。
Baseten 工程博客AI 评分5151 Baseten 优化 Qwen3-ASR 1.7B 批量转写，吞吐达原版 vLLM 的 7 倍
Baseten 优化了 Qwen3-ASR 1.7B 的批量转写部署，在 64 并发下吞吐比原生 vLLM 高 7 倍以上，成本降至每音频小时约 $0.0013，比闭源提供商低约 277 倍。
Claude：BlogAI 评分4141 Claude Enterprise 正式上线智能报告、应用内调研与团队共享预算
Claude Enterprise 正式上线智能报告、应用内调研和团队共享预算三项功能。智能报告可分析团队对话样本、按工作流归类并给出支出与建议，应用内调研收集成员反馈，共享预算让团队共用一个月度额度并保留个人上限。
Mastra BlogAI 评分4646 Mastra 推出 Span Queries：按 span 过滤和分组追踪数据
Mastra 上线 Span Queries，可在所有 trace 内按时间范围、类型、名称、状态、错误、耗时等条件过滤并分组单个 span，比返回整条 trace 的 trace queries 更细粒度。
PyTorch：BlogAI 评分6262 PyTorch 2.15 发布：重写 NCCL 后端转为默认并提升多平台推理性能
PyTorch Foundation 发布 PyTorch 2.15，重写的 NCCL 后端成为所有 nccl 进程组的默认选项，附飞行记录器在 collective 挂起时转储现场，并保留 TORCH_DIST_USE_NCCL2=0 和 nccl-legacy 回退路径。
Artificial Analysis 完整文章AI 评分7171 Artificial Analysis：Gemini 4 Carbon 登顶 Intelligence Index v5 榜首
Artificial Analysis 评测显示 Google 的 Gemini 4 Carbon 以 59 分登顶 Intelligence Index v5，编码 Agent 指数 59 分仅次于 Claude Opus 5.5 的 62 分。
Pydantic AI 官方文章AI 评分6969 Pydantic AI 自建基准：code mode 在长任务上成本减半、小任务反而更贵
Pydantic AI 的 Michael Pfaffenberger 用 5 个小型 Pydantic AI 应用、8 个模型、5,276 次评分运行测试 code mode：长任务上成本 -58%、耗时 -51%、成功率 +16 个百分点，200 项任务时便宜 47% 到 75%。
Google Developers BlogAI 评分5959 Google 演示用 Agents CLI 评测闭环爬坡式提升 Agent 质量
Google Developers Blog 实操演示 Agents CLI 的 eval 命名空间如何支撑 Agent 质量的爬山式迭代，基于 Agents CLI v1.8.0 的 LangChain 模板，以 gemini-3.8-flash 作 LLM-as-judge 按 1-5 分评分。