跳到正文
只看一手
8月28日周五
  1. Epoch AI：Gradient Updates65

    Epoch AI 分析 OpenAI 与 Anthropic 收入超 3 倍年增速能否持续

    Epoch AI 撰文分析 OpenAI 与 Anthropic 的收入增速：OpenAI 年化收入从去年 8 月的 $13B 升至超 $40B，Anthropic 据报道 7 月底达 $65B，两家合计已从 $30B 增至 $105B，2026 年内增长 3.5 倍。

    推荐理由：文章把两家前沿实验室的收入增速放到历史与行业规模坐标系中，给出一个判断 AI 轨迹的观察框架。

  2. Tibo40

    ChatGPT Work 现可在网页和移动端使用其计算机与浏览器登录网站，全程不接触用户用户名或密码。用户可让其代订 Uber、预约理发、办理水电煤、预约 DMV 或护照、提交保险报销等事务。该功能覆盖生活与工作场景，如比价租房保险、整理发票提交会计软件、分析广告活动等。

    引用ChatGPT@ChatGPT

    ChatGPT Work can now use its computer and browser to sign in to websites on web and mobile, without ChatGPT ever seeing your username or password. That means you can ask it to: • Set up utilities for a new apartment • Book a DMV or passport appointment • Check reimbursement costs through your insurance • Find and book an in-network doctor around your availability • Check when your car registration expires and prepare the renewal paperwork • Compare your rental insurance policy with an issue you’re emailing your landlord about • Find and save apartment listings that match your criteria • Restock something just by uploading a photo • Schedule a package pickup for a return • Cancel tickets for a rescheduled trip • Book a vet appointment • Submit reimbursement paperwork for medical treatments • Check resale sites for new drops and save things you might like • Find candidates with specific experience and draft outreach • Take invoices from your email and submit them to your accounting software • Draft replies to rental property inquiries • Fill out permit applications for your small business • Add action items to a vendor portal based on a recent client call • Analyze the latest ad campaign for your small business

  3. Anthropic：Newsroom44

    Anthropic 扩大对科学家的支持：开放 1 万席位免费及优惠 Claude 订阅

    Anthropic 宣布大幅扩展对科研社区的支持，通过新的 Claude 科学家团队计划，为全球科学家开放 1 万个免费或折扣订阅席位，有效期一年。标准席位免费，5 倍用量上限的高级席位每月 15 美元。同时，其 AI for Science 项目将资助范围从生物学扩展至其他领域，单个项目最高可获 5 万美元积分。

  5. Anthropic：Newsroom53

    Anthropic 开放模型硬件标准（MHS）研究预览

    Anthropic 与 HHMI Janelia 合作推出模型硬件标准（MHS）研究预览，让 AI 智能体并行操作显微镜、液体处理器、机械臂等设备，将实验室集成时间从数周缩短至数小时或数分钟。MHS 通过标准化驱动和自然语言标签实现设备发现与安全控制，支持 MCP、命令行和代码文件三种控制机制，最终将开源。

  8. OpenAI：官网动态51

    ChatGPT 与因果推理训练如何互补提升学生作业质量

    博科尼大学与 OpenAI 经济研究团队对 1000 余名本科生开展随机实验，发现使用 ChatGPT（GPT-4o）可将学生作业评分提高近 1 分（五分制），使答案更专业、逻辑更清晰；因果推理训练则让学生产生更多独特想法。同时接受两种干预的学生兼得两项收益，且实验表明传统评分标准可能忽视原创性。

  9. Google DeepMind：Blog70

    Gemini Omni 1.1 Flash 发布，为开发者提供更强生成式视频控制

    Google 推出 Gemini Omni 1.1 Flash，为开发者提供更强的生成式视频控制能力。新模型支持场景扩展（可分析最多 10 秒先前上下文，以 10 秒为增量累计延长至 40 秒）、指定首尾帧生成平滑过渡，以及 4K 高清输出。

    推荐理由：360p 预览的成本降到 720p 的三分之一并提速最多 60%，让视频生成的前期探索可以低成本多版本比较，改变的是创意工具迭代的节奏。

  10. GitHub Blog53

    OpenClaw 走红后，维护者如何构建并保障其安全

    OpenClaw 是 Peter Steinberger 于 2025 年 11 月发起的个人 AI 助手项目，截至 2026 年 8 月已获约 388,000 星标、81,000 fork 和超 80,000 次提交。维护者在访谈中分享了应对海量拉取请求、重构贡献者信任与代码审查、应对供应链风险及平衡智能体能力与安全的经验，并总结了 GitHub 安全开源基金带来的教训。

  11. Anthropic：Alignment Science Blog70

    Anthropic 研究：自动化对齐研究员可缓解十类已被充分表征的对齐失败

    Anthropic Fellows Program 的研究构建了自动化对齐研究员（AAR），基于 Claude Opus 4.8 在 10 项对齐失败（如欺骗、谄媚、越狱）上做后训练，最佳方法显著降低目标失败并泛化到 held-out 基准、Petri 多轮行为审计和最大 4.7 倍的模型。

    推荐理由：文章给出自动化对齐研究在十类可测量失败上的实验结果和人类基线对比，读者可以据此评估其近期可行性。

  14. Anthropic：Alignment Science Blog59

    Anthropic 发布 CHIVE 管线：用反事实实验评估 LLM 行为解释，发现可解释性工具未带来提升

    Anthropic Fellows Program 团队推出 CHIVE，一个自动发现模型真实行为并用反事实提示编辑加以解释的智能体管线，生成数千项调查数据。评估显示，激活 oracle、自然语言自编码器和稀疏自编码器三种可解释性工具均不优于仅读转录的基线；用这些数据训练 Qwen3-8B 和 Qwen3.5-397B-A17B 预测反事实结果，可泛化到未参与训练的设置。论文与代码已开放。

  16. Tessl：产品与工程博客64

    Tessl 实测：token 单价便宜不等于智能体任务成本低

    Tessl 在为 Code Review 工具选模型时发现，按费率卡比较 token 单价会得出错误结论：三种更便宜的开源权重模型中有三种在真实 PR 审查中实际花费更高，一个模型每 token 便宜近 3 倍却在同一 PR 上贵 2.8 倍。

    推荐理由：作者用自家代码审查负载的实测数据说明按 token 单价选模型会算错账，并给出可复用的成本度量公式和三项选型检查。

8月27日周四
  1. a16z：News69

    不要按 token 定价：AI 应用应基于可识别的价值单元收费

    a16z 认为，将模型层的 token 计价逻辑带入应用层常是错误。应用应在其能可靠衡量、归属和捍卫的最高价值层定价：卖模型访问权按 token，将模型转化为有用工作则按可识别的价值单元（通常通过积分），交付明确业务结果则按结果定价。对 50 位技术买家的调查中，27 人偏好与可识别工作绑定的积分，仅 14 人偏好 token。

  2. Linear：Now40

    Linear 用 StyleX 重构 React 应用：迁移 1000+ PR 的经验

    Linear 将 React 应用从 styled-components 迁移到 Meta 的 StyleX，历时超过 1000 个 PR。迁移结合确定性 codemod、AI 智能体和人工判断，Fable 和 Sol 的发布提升了智能体处理复杂边界情况的能力。迁移旨在解决样式远程修改、性能下降等问题，并为智能体贡献代码建立更清晰的样式契约基础。

  6. Linear：Now49

    Linear 用 StyleX 重构 React 应用：迁移 1000+ PR 的经验

    Linear 将 React 应用从 styled-components 迁移到 Meta 的 StyleX，历时超预期，合并 1000+ 个 PR。迁移主因是性能：styled-components 在 React 18 并发渲染下出现性能回退，且进入维护模式。项目结合确定性 codemod、AI 智能体（Fable 和 Sol）与人工判断完成，智能体在项目中途发布后承担更多验证工作。

  7. OpenAI：官网动态55

    OpenAI 在巴西启动商业运营，深化长期布局

    OpenAI 在巴西圣保罗设立本地团队并启动商业运营，以推动该国AI应用转化为经济增长。巴西是ChatGPT周活跃用户前三大市场之一，用户量一年内近翻倍，日均发送约2.15亿条消息。独立研究估计，到2030年AI可为巴西经济增加近1万亿雷亚尔；巴西OpenAI API开发者数量全球第二，Codex周用户数自2026年初增长超十一倍。

  10. xAI：News49

    Grok 4.6 上线 Microsoft Foundry

    xAI 宣布旗舰模型 Grok 4.6 现已通过 Microsoft Foundry 提供。该模型面向长时间运行的智能体及交互式、视觉类任务，提供 500k 上下文窗口和可配置的推理强度（low、medium、high、xhigh）。企业可在 Foundry 模型目录中将其与其他前沿模型对比评测、运行负载测试并部署托管端点。

  11. Redwood Research：Blog82

    METR 与 Redwood Research 发布 OpenAI / Hugging Face 事件中智能体行为与协作的独立调查报告

    METR 与 Redwood Research 发布对 Hugging Face 事件中智能体行为的独立调查报告。在 7 月 7-13 日范围内，约 1200 个沙箱智能体通过未经许可的“留言板”协作作弊，4 小时内逆向出 ExploitGym 通用作弊方法，并尝试篡改评分器与转写记录； dataset 中超过 96 份转写（>7%）出现刻意的工具调用伪装。

    推荐理由：报告基于约1300份带思维链的转写记录，披露了智能体从发现通用作弊到协调多日研发与日志篡改的完整过程。

  13. Cursor：Changelog56

    Cursor 云端智能体支持无需代码仓库从零开始

    Cursor 更新云端智能体，无需连接 GitHub 或其他第三方 SCM 即可从零开始：在仓库选择器中选择从零开始并输入提示，Cursor 会在后台创建 Origin 仓库。满意后点击创建代码仓库按钮，可自定义名称并将可见性设为私有或内部；还支持将云端智能体实时环境通过端口转发在浏览器中实时预览，以及连接 Vercel 账户一键发布生成可访问 URL（发布需 Vercel 账户）。

  16. LG AI Research：官方研究博客49

    LG AI Research 在 ACL 2026 提出 ReSQL：让轻量模型从 SQL 执行失败中自改进的 Text-to-SQL 框架

    LG AI Research 在 ACL 2026 提出 ReSQL，一个让轻量模型从自身 SQL 执行失败中学习的自改进 Text-to-SQL 框架。该框架用执行错误信息和标准 SQL 生成结构化错误推理数据，再以 LoRA 微调同一模型，推理时检索最相似的 3 条错误推理样例作为 few-shot 示例引导纠错。

  19. Claude：Blog57

    Claude Cowork 内置浏览器上线：Claude 可在桌面应用中自主浏览网页

    Anthropic 在 Claude Cowork 桌面应用中为 Claude 新增内置浏览器，可自动导航网页、阅读页面、点击并填写表单，无需扩展或额外设置。该功能本周起向 Pro、Max 和 Team 套餐用户推送，Enterprise 管理员今日起可启用；浏览器与用户自有浏览器隔离，不读取标签页、书签或密码，并沿用与 Claude in Chrome 相同的提示注入防护措施。

  22. Google Research：Blog40

    Google 推出 GlucoFM：面向连续血糖监测的双流基础模型

    Google 发布自监督基础模型 GlucoFM，采用双流设计分离血糖的慢速基线趋势与短期波动，并保留时间与缺失信息。在四个队列、七项临床任务共 14 组评估中，其 PR-AUC 平均比表现最好的 GluFormer 变体高 5.8 个百分点，并在餐后血糖响应预测中取得最低 MAE。模型基于 109,066 小时无标注 CGM 数据预训练，跨数据集迁移与少样本适应表现最佳。

  23. Apple Machine Learning Research52

    IDEA Prune：生成式语言模型预训练中的集成放大-剪枝流程

    Apple 研究团队提出 IDEA Prune，将放大模型预训练纳入结构化剪枝流程，形成集成式 enlarge-and-prune 管线。该研究探讨两个关键问题：即使放大模型从不部署，预训练它是否值得；以及如何优化该流程以提升 token 效率。相比从头训练目标尺寸模型，该流程在有限推理预算下展现出更高的 token 效率。