全部 AI 动态

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：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 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 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。

Cartesia 发布 From Tokens to Bytes II：用两类 scaling law 解析字节级训练与分词的取舍

Cartesia 发布 From Tokens to Bytes 系列第二篇，通过 compute-to-loss 与 loss-to-loss 两类 scaling law 对比 Byte Transformer、BPE（含/不含 pretokenization）、BLT-like 和 H-Net 等方法。

Cartesia 发布 H-Net 扩缩律研究：字节级层级网络比 BPE 提升最高 3-5x 计算效率

Cartesia 发布系列博客第一篇，报告其层级网络（H-Net）在字节级语言建模上的扩缩律结果：与严格匹配的 BPE Transformer 相比，1-stage H-Net 在验证损失上节省 1.28x 计算，下游评测约 2x，代码任务中位数 2.04x、分布外编程语言中位数达 3.10x（如 Prolog 5.37x）。

LangChain 实测 OpenWiki 与证据图构建有据可查的 Agent 记忆层

LangChain 介绍如何用其开源 wiki 编译器 OpenWiki 为 Agent 构建持久记忆层，把分散的政策、手册、工单等源材料合成为带引用的链接页面。

Meta 支持五所美国大学用其 AI 模型加速医学与科学突破

Meta 宣布支持加州理工学院、俄亥俄州立大学医学院、路易斯安那州立大学、印第安纳大学和 UTHealth Houston 五所美国高校的研究，形式包括开放最新 Muse 系列模型（含 30B 开源权重、可在单张消费级 GPU 运行的 Muse Glimmer）、与 Meta 研究员直接合作及部分项目研究经费。

Apple 发布搭载 PROLED XDR 显示屏和 M5 Pro/M5 Max 的新款 MacBook Pro

Apple 发布搭载 PROLED XDR 显示屏的新款 MacBook Pro，采用 tandem OLED 技术，提供最高 2000 nits 峰值亮度、10,000,000:1 对比度，并首次在 Mac 上引入 Touch 触控和 Dynamic Island。

Google DeepMind 发布 Gemini 4 Carbon 前沿模型

Google DeepMind 发布 Gemini 4 Carbon，定位为最强前沿模型，主打网络安全与长程智能体能力，在 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0% 取得领先，并以 59 分登顶 Artificial Analysis Intelligence Index v5.0。

Microsoft 通过 Foundry 开放 Copilot harness，支持多模型 Agent 开发

Microsoft 宣布将 GitHub 团队打造的 Copilot harness 通过 Microsoft Foundry 向开发者和企业开放，该 harness 已驱动 Copilot Code、Copilot Studio、GitHub Copilot app 和 CLI 等产品。

Artificial Analysis 实测 GitHub Copilot Fusion 编码智能体性能与成本

Artificial Analysis 用 Coding Agent Index v2.0 实测 GitHub 新发布的 Copilot Fusion，该运行时编排系统在 Anthropic 与 OpenAI 模型间调度。

研究者将 Ai2 开源模型 olmOCR 2 应用于历史与考古档案转录

Ai2 介绍研究者如何将开源文档转录模型 olmOCR 2 适配于历史与考古档案。

如何用 Managed Deep Agents 的 Schedules SDK 构建主动式常驻智能体

LangChain 介绍如何用 Managed Deep Agents 内置的 cron 调度服务构建主动式常驻智能体，支持在 agent 定义中静态声明调度，或由 agent 在运行时调用 Schedules SDK 动态创建。

Meta Andromeda：模型与系统协同设计驱动下一代广告检索

Meta 公布下一代个性化广告检索系统 Meta Andromeda，单块 GH200 GPU 上模型推理吞吐超过每秒 100 亿条广告，相比 2024 版系统提升 100 倍。新架构引入受 LLM 启发的 MoE，推理 FLOPs 比 2024 版检索模型少约 300 倍，性能接近排序阶段水平。自 2025 年以来，该系统在 Facebook 上带来 2.4% 的转化提升。

a16z 调研 100 位 CISO：AI 如何改写 2027 年安全议程

a16z 发布对 100 名千人员以上企业 CISO 的调研，87% 预期 2027 年安全支出增长，主要受 AI 威胁和自身 AI 部署扩大攻击面驱动。2027 年最受关注的七项安全举措全部与 AI 相关，其中 SOC 自动化获最多首选票，内部 AI agent 安全、SOC 自动化和进攻性安全升幅最大，但 AI SOC 工具生产环境使用率仅 18%。

Claude Code 触发用量上限后如何用 OpenRouter 继续编码

OpenRouter 介绍 Claude Code 触发用量上限时改用 OpenRouter API key 继续编码的方法：设置三个环境变量或用 Ori Harness 的 ori claude 命令，即可按 token 付费使用同样的 Claude 模型，没有五小时和每周限制。

OpenRouter 解析 Claude 529 Overloaded 错误及三种修复方法

OpenRouter 发文解释 Claude 的 529 overloaded_error 表示 Anthropic API 对该模型全局容量不足，与用户配额无关，区别于 429 rate_limit_error。

Anthropic 为法律工作推出即用型 Artifacts 画廊

Anthropic 推出面向法律专业人士的即用型 artifacts，包括合同审查、引用核查、监管时间线和事项看板等交互工具，每个 artifact 附示例和来源链接。

Replit 详解 Agent Habitat 背后的安全架构

Replit 介绍其 Agent Habitat 的安全架构，用组织级策略边界把沙箱、连接器、智能体和应用统一纳入管控。连接器凭证保存在智能体上下文之外，由凭证代理逐次授权请求后再从保险库取出注入。智能体运行在各自独立内核的 MicroVMs 隔离环境中，上周披露的内核漏洞未影响其现有隔离防护。

GitHub Octoverse 2026：开发活动创新高，超 40% 的 PR 由智能体起草

GitHub 发布 2026 年度 Octoverse 报告：过去 12 个月开发者推送代码 179 亿次，超过 2024 和 2025 年之和，合并 PR 达 13 亿次。

GitHub Universe 2026 发布 GitHub Copilot app、Copilot Fusion 等智能体产品

GitHub 在 GitHub Universe 2026 上提出把 GitHub 打造为完整软件交付系统的愿景，并发布多项产品：GitHub Copilot app 面向智能体交付。

Tessl 博客：AI 代码工厂的瓶颈不是 Review 而是风险

Tessl 博客提出，AI 软件工厂能生成代码、跑测试并开 PR，Review 队列堆积只是表象，真正的问题是如何放心让变更在无人逐行阅读的情况下推进。文章给出四类控制：降低出错概率（测试、静态分析、架构约束、隔离执行）、验证结果（验收场景与关联意图的证据包）、定位风险（系统关键性、依赖中心性、事件历史、可回滚性）、降低影响（隔离单元、熔断、特性开关、自动回滚）。

LlamaIndex 发布 Document Parsing Protocol 0.1 工作草案

LlamaIndex 发布 Document Parsing Protocol（DPP）0.1 工作草案，为文档解析定义统一答案标准，包含覆盖文本、表格、表单、图表、示意图的 140 条规则，每条附示例页面和期望输出。

Sarvam 与 HQ IDS 建立 AI 框架，覆盖印度陆海空三军

Sarvam 与印度国防部下属的 HQ IDS 签署 MoU，为印度陆军、海军和空军建立统一的 AI 项目框架。三军及联合机构将共用同一套基础模型、智能体基础设施与地理空间和感知系统，项目由其专注国防的 Chanakya 部门执行，采用包括 Sarvam 105B 在内的 AI 技术栈。重点方向为决策支持、目标获取与传感器到射手链路的数据融合，作战决策保留人工监督。

CMU 与 Browser Use 发布长程网页智能体基准 Odysseys2，GPT-6 Astra 完成 47/100 任务

卡内基梅隆大学与 Browser Use 合作发布长程网页智能体基准 Odysseys2，含 100 个真实网页长任务、982 项 pass/fail 检查，GPT-6 Astra 以平均分 84.6 完整完成 47 项，第二名 Opus 5.5 完成 18 项，5 个模型完成 0 项。

Gemini API CLI（gemini-api）Beta 版发布

Gemini API 推出无状态、零依赖的命令行客户端 gemini-api Beta 版，面向 AI 编程智能体、脚本和 CI 流水线。用户可在 Interactions API 上用它生成文本与媒体、分析文件并运行 Gemini 托管智能体。

Artificial Analysis 发布 Intelligence Index v5 评测基准

Artificial Analysis 发布 Intelligence Index v5，引入 FrontierCode 2.0 和 Terminal-Bench-Science 两个新基准，并升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的指数基于私有测试集或保留答案。

Tibo@thsottiaux· 10:50AI 评分5050

ChatGPT 宣布 iCloud Mail 和 Calendar 插件上线，用户可以让 ChatGPT 查找邮件、处理收件箱、查看日程或更新日历事件。该功能面向所有 ChatGPT 套餐，支持网页、桌面和 iOS 端。作者 Tibo 在转发该公告时以玩笑开头，先说今天是 iCloud 插件，随即改口称今天其实是一次 reset。

为什么网站一改版 Playwright 脚本就失效：原因与修复方法

作者讲解 Playwright 脚本失效的常见原因：CSS、XPath 选择器、生成的类名和动态 ID 会随改版失效，建议改用 getByRole、getByLabel、getByTestId 等面向用户的定位方式，并用 web-first 断言替代 waitForTimeout。

Browser Use 团队讲解如何在云端规模化运行浏览器自动化

Browser Use 团队讲解云端规模化浏览器自动化做法：任务进队列，每个任务用独立远程浏览器经 CDP 由 Playwright 或 Puppeteer 驱动，并发按套餐上限封顶，用保存的 profile 复用登录，仅在站点拦截时加代理，带退避重试并在 finally 中停止浏览器。

Headless 浏览器被 Cloudflare 拦截的信号与对策（2026）

Browser Use 讲解 Cloudflare 拦截原生 headless Chrome 的原因：navigator.webdriver 暴露自动化、Playwright 默认 headless shell 的 UA 为 HeadlessChrome、云服务器 IP 信誉差且无 cookies。

Anthropic 扩大与 GSA 合作，政府机构购买 Claude 享 40% 折扣

Anthropic 与美国总务管理局（GSA）扩大合作，政府伙伴购买 Claude Enterprise、Claude for Government 和 Claude API 可享 40% 折扣，预计为政府节省 10 亿美元，且不设最低消费承诺。

Anthropic 公布 Claude 加速药物研发的早期进展与六个合作案例

Anthropic 生命科学团队宣布过去数月与 Generate Biomedicines、Divergence Labs、BigHat Biosciences、Enveda、The Column Group、Bristol Myers Squibb 六家机构开展药物研发合作，并已启动自有药物研发。

OpenRouter 对全部推理请求上线 CSAM 飞行中筛查

OpenRouter 宣布对所有经过其服务的推理请求进行儿童性虐待材料（CSAM）筛查，筛查在请求处理过程中实时进行。机制包括与已知 CSAM 哈希比对，以及对疑似新材料的分类器识别，被标记内容可能留存供人工审查并按 18 U.S.C. § 2258A 等法律要求向 NCMEC 举报并保存一年。

Together GPU 集群自动修复：从 GPU 故障到健康节点

Together AI 详解其 GPU 集群自动修复系统：被动健康检查在 VM 内与宿主机两侧持续监测 Xid 错误、ECC 双比特错误、PCIe 掉卡和 InfiniBand 链路抖动，每项修复都附带证据。

Anthropic 研究：AI 智能体的隐性倾向如何影响 50 名专业分析师的判断决策

Anthropic 发表研究，让 50 名有因果推断经验的专业分析师用 Claude Code（Claude Opus 4.8）完成一项统计分析任务，并在分析师不知情的情况下用掷硬币随机设定智能体在四个分析决策上的倾向。

如何在 Google Cloud 上管理 Claude Code 成本并证明 ROI

Anthropic 介绍在 Google Cloud 上管理 Claude Code 成本的 control、track、prove 三个杠杆。Claude apps gateway 可按用户、IdP 组或组织设置日/周/月支出上限，用量达 75% 和 95% 时在 CLI 内提醒，触顶后返回 429。

Pydantic AI 工程师因 MCP Python SDK 工作获 AAIF 杰出技术贡献奖

Agentic AI Foundation 在 AGNTCon + MCPCon North America 第二天把杰出技术贡献奖颁给了 MCP Python SDK 的两位维护者之一，表彰其在该 SDK 上的工作。

Google Research 提出 sleep 框架：让 LLM 在持续学习中稳定保留知识

Google Research 提出面向持续学习的 sleep 框架，让 LLM 在活跃交互与离线记忆巩固之间循环，把脆弱的短期上下文固化为长期参数。该框架结合 MoE 参数扩展、GKD 与 RL 模仿学习，可让模型持续习得新事实、保留最长 10M tokens 的长上下文知识并提升复杂推理。