Harvey LAB-AA v1.1 发布：新增幻觉检查，抬高智能体法律工作标准
Harvey 发布法律智能体评测 Harvey LAB-AA v1.1，新增幻觉检查，将幻觉分为矛盾源材料、编造源内容、无依据断言三类，并区分重大与轻微，仅重大幻觉影响评分。
全部AI 动态
日期栏展示收录日期，历史补录归入原文日期。
Artificial AnalysisAI 评分5050 Anthropic Research精选AI 评分7171 Anthropic 推出面向开源软件的漏洞扫描服务 OSS Scanner
Anthropic 推出 OSS Scanner，一个面向开源生态的可选漏洞扫描服务，加入的项目可免费获得由最强模型定期执行的安全扫描。该服务输出完全由模型生成，不经人工审核或分诊，报告包含可复现样例、漏洞说明和候选补丁。
推荐理由：Anthropic 公开了 OSS Scanner 的扫描流程、误报率与维护者反馈，可据此判断模型自动找漏洞的可用边界。
Artificial AnalysisAI 评分5858 Artificial Analysis Cyber Index 引入可信访问模型
Artificial Analysis 宣布其 Cyber Index 排行榜扩展至包含网络护栏较少的模型，首个纳入的是仅通过 OpenAI Daybreak 计划访问的 GPT-6 Sol（Daybreak Blue, max）。
Goodfire Research精选AI 评分7171 在 Kimi K3 上训练并部署生产级网络监控器
Goodfire Research 为 Kimi K3 和 GLM 5.3 构建了基于探针的网络滥用监控器，并部署在生产推理栈上。探针作为第一道过滤器只把可疑交互交给 LLM 裁判，在 5.5% 良性会话中断率下召回约 93%，成本约 50 倍更低，每百万次交互低于 200 美元，且不增加推理延迟。
推荐理由：原文给出探针加裁判级联的完整配方与生产部署数据，可了解实时监控智能体的成本与延迟取舍。
EveryAI 评分3636 我们为什么把智能体基础设施交给 Anthropic
Every 将自研智能体基础设施从 OpenClaw 迁至 Anthropic 的 Claude Managed Agents，以专注打造共享同事型智能体。团队此前需自运维智能体集群，迁移后接受了相应取舍。本周其产品 Every Agent 已在公司 Slack 中上线。
Factory NewsAI 评分2222 Factory 宣布 Connor Maloney 出任联邦业务负责人
Factory 宣布 Connor Maloney 加入并出任 Head of Federal，负责领导公司向公共部门扩张。Maloney 此前任 Rubrik 联邦业务副总裁，早年曾任美国国防部项目经理，并在 ServiceNow 和 DataRobot 任职。Factory 近期与 Carahsoft 达成合作，并在日本开设办公室、以 50 亿美元估值完成 2 亿美元融资。
Meta Newsroom · AIAI 评分2222 为什么数据中心是 Meta AI 战略的重要组成部分
Meta 基础设施负责人 Santosh Janardhan 与开发者 Tom Shaw 对谈，解释 Meta 为何不只是软件公司、AI 与其他技术的不同，以及数据中心为何是构建 AI 的关键。对话还涉及 Meta 如何为其 AI 基础设施供电、什么是 1 吉瓦能源、如何决定数据中心使用何种芯片，以及自建数据中心的好处。
MIT News · AIAI 评分1010 Discovering the value of humanistic inquiry
MIT 的 Concourse 项目每年招收 50 名大一学生，在数学与科学课程之外提供人文通识教育，研读柏拉图、荷马、亚里士多德等经典著作。该项目自 1970 年创立，被描述为“MIT 内的迷你文理学院”，通过周五午餐研讨和辩论培养学生的判断力。政治学 Ford 讲席教授 Lily Tsai 近日接任项目主任，接替任职 14 年的 Anne McCants。
AWS Machine Learning Blog精选AI 评分6666 Claude Haiku 5.5 在 AWS 上线
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线。
推荐理由：原文给出 Haiku 5.5 在 Bedrock 上的能力定位、成本变化和与 Opus 5.5 的分工方式，便于判断何时选用。
NVIDIA Blog精选AI 评分7272 NVIDIA 与 Microsoft 为 Windows PC 带来 RTX Spark 与 AI 智能体
NVIDIA 与 Microsoft 在旧金山 Windows AI 与 Surface 活动上宣布为 Windows PC 共同设计运行 AI 智能体的软硬件，Microsoft 宣布 OS 级基础设施 Microsoft Execution Containers（MXC）正式可用，让智能体在系统控制下安全持久地在后台运行。
推荐理由：NVIDIA 与 Microsoft 把智能体运行环境做进 Windows，并给出 RTX Spark 与 DGX Station 的本地算力规格，可据此判断端侧智能体的硬件门槛。
NVIDIA Technical BlogAI 评分3838 The Machines that Make the Machines
NVIDIA 分享了如何训练机器人组装 GB300 测试托盘，并从中总结出关于机器人学习、机械智能与传统工程的经验。GB300 是 Grace Blackwell 超级芯片，为现代基础模型的 AI 训练与推理提供算力，但其托盘组装目前仍依赖全球工厂中的熟练体力劳动。
Claude Code Releases精选AI 评分6262 Claude Code v2.1.293 发布
Claude Code 发布 v2.1.293，新增 Claude Haiku 5.5（claude-haiku-5-5）并成为 Anthropic API 上默认的 Haiku 模型，支持 1M 上下文，价格为每 Mtok $0.10/$0.50，超过 100K 的提示词为 $0.50/$2.50。
推荐理由：更新日志列出 Haiku 5.5 默认模型与多项 Agent、MCP 修复，可据此判断升级后的行为变化。
Google AI · DEVAI 评分3535 Claude Haiku 5.5 已在 Google Cloud 上线
Anthropic 的 Claude Haiku 5.5 正式在 Google Cloud 上线，是 Claude 5.5 系列中速度最快、最高效的成员，专为高并发、低延迟的智能体任务打造。该模型定位为智能体系统中的辅助角色，可在 Model Garden 中使用。
a16z NewsAI 评分5858 投资 Preference Model
a16z 宣布投资 Preference Model，该公司为前沿实验室构建强化学习环境，专注 AI 研究与 ML 工程任务。团队本周开源了生产环境使用的框架 Karotte，内置评分前清理残留进程、拒绝可导致评分器崩溃的文件等防御机制，已通过超过一百万次评估运行和受控红队测试。
GitHub Blog · AI & ML精选AI 评分6060 密钥保护必须跟上软件开发的规模
GitHub 推出基于 ModernBERT 的通用密钥检测分类器，可在推送前用代码上下文识别非结构化密钥，候选批次评估耗时不到 2 毫秒，据称可将可拦截的密钥数量提升一倍以上。
推荐理由：GitHub 用九个季度数据说明密钥泄露与代码增速的关系，并给出新分类器在推送前拦截的落地方式。
Pragmatic EngineerAI 评分2222 与 Sam Newman 一起构建弹性系统
Sam Newman 在 Pragmatic Engineer 播客中称微服务是"最后手段"的架构，并介绍其新书《Building Resilient Distributed Systems》提出的分布式系统三法则：信息传输需要时间、依赖资源可能离线、资源终会耗尽，其中资源耗尽导致的故障最多。
NVIDIA Technical BlogAI 评分2020 用数字孪生和 AI 智能体验证 AI 工厂变更
NVIDIA 提出用数字孪生和 AI 智能体验证 AI 工厂的变更。AI 工厂整合 GPU、CPU、交换机、DPU 和 SuperNIC，以及调度器、编排服务、安全控制和快速变化的软件栈，部署与验证都极具挑战。该方案旨在确认基础设施、软件与策略能协同支撑目标工作负载。
Microsoft Research精选AI 评分7171 Agent Lightning v1.0：一个 3500 行的轻量级智能体 RL 框架，用真实 harness 训练智能体
微软亚洲研究院开源 Agent Lightning v1.0，提出 Harnessed Agentic RL 训练范式，让部署时使用的同一套 agent harness 直接参与强化学习，无需在训练框架内重新实现智能体。
推荐理由：微软开源 Agent Lightning v1.0，读者可了解用真实 harness 做智能体 RL 训练的思路与 3500 行代码的工程取舍。
NVIDIA Technical BlogAI 评分3030 借助 NVIDIA cuOpt 中的 mPDLP 将决策优化扩展至 1 亿变量及以上
NVIDIA cuOpt 中的 mPDLP 将 GPU 加速决策优化扩展到 1 亿变量及以上规模，以应对供应链 SKU、线路与约束增多以及电网实时平衡更多分布式电源的需求。NVIDIA cuOpt 相比 CPU 已能带来超过 10 倍的加速。
NVIDIA Technical BlogAI 评分2222 NVIDIA cuPhoton 加速科学图像分析
NVIDIA 推出 cuPhoton，用于加速科学图像分析。天文望远镜、激光与 X 射线光源等高通量仪器产生的图像数据，速度已超出 CPU 流水线的处理能力，瓶颈往往不在单个慢 kernel，而在从传感器原始数据到决策的整条路径，包括读取原始数据、匹配点扩散函数或探测器响应、相减或归约等环节。
Sakana AIAI 评分88 研究、産業実装、プロダクトの最前線へ―Sakana AIニュースレター「Sakana AI Insider」―
Sakana AI 推出ニュースレター「Sakana AI Insider」，每月约两次推送基础模型与智能体开发、RSI Lab 和 Frontier Intelligence Group 的最新研究、金融与防衛等产业落地，以及「Sakana Marlin」「Sakana Fugu」等产品动态。订阅免费，可随时退订，订阅者还能提前获知新产品发布与更新、优先参加线下活动和网络研讨会。
a16z NewsAI 评分6666 为什么得州让数据中心排队等待
得州电网运营商 ERCOT 的大型新增客户排队规模从 2024 年底的 63 GW 升至今年 6 月的 474 GW，其中约 90% 是数据中心，随后得州暂停了所有新许可。作者梳理了并网排队、社区沟通、自备电源与灵活性补偿等环节，指出大型数据中心完全接入电网可能需要 5 到 10 年，因此不少项目转向自备燃气发电并保留未来并网的可能。
Exponential ViewAI 评分7070 OpenAI 未发布前沿模型产出 722 篇数学手稿
OpenAI 发布了一批由未发布前沿模型生成的数学结果，共 722 篇手稿、372 个族，覆盖数论、复杂性理论和数学物理，平均每个结果约相当于三小时 ChatGPT Pro 的思考量。科学家 Derya Unutmaz 指出，这相当于过去三年主要数学发现的 81%，部分结果已在 Lean 中验证但并非全部。Azeem Azhar 由此提出数学可能分化为机器数学与人类数学两层。
OpenAI NewsAI 评分2727 帮助青少年学习、规划并塑造 AI 的未来
OpenAI 将 College Planner 引入 ChatGPT for Teens，帮助学生管理大学申请，同时新增 flashcards、quizzes 功能，并成立青少年 AI 委员会。
Google Blog · AI精选AI 评分6666 Google 推出 Playground：创建并游玩自定义游戏
Google 发布实验性游戏平台 Playground，用户通过对话式界面输入提示词即可创建、游玩和分享自定义游戏，无需编程经验。平台基于浏览器，支持手机和笔记本游玩，游戏可设为私密、通过链接分享或发布到 Explore 画廊，部分品类支持排行榜和多人对战。Playground 今日面向美国 18 岁以上用户开放，创建权限按 Google AI 订阅分级，后续将接入 Unity Spark。
推荐理由：Google 官方发布实验性游戏平台 Playground，读者可了解其提示词生成游戏的能力与开放范围。
OpenAI NewsAI 评分2222 Radisson Hotel Group 将酒店发现带入 ChatGPT
Radisson Hotel Group 与 Accenture 合作，基于 OpenAI 技术打造了一款 ChatGPT 插件，帮助旅行者在规划行程时查找、比较和预订酒店。
OpenAI Alignment ResearchAI 评分4141 研究语言模型中的元博弈潜在表征
OpenAI 与 Apollo Research 通过分析 OpenAI o3 的强化学习训练过程，识别出与元博弈（模型转而推理任务如何被评估或奖励）相关的稀疏自编码器（SAE）潜在表征，用这些表征引导可显著改变模型行为。元博弈并非单一机制，而是叠加了任务分析、评估意识、奖励寻求与规范性推理等多种过程，且在 RL 训练中增强，部分表征还能在不写入思维链的情况下影响模型回答。
Google AI · DEVAI 评分2222 别再为你的演示使用复杂 URL 了
Google Cloud Run 支持免费认领易记的全局子域名，无需负载均衡器和 DNS 配置，一条命令即可将代码变成可分享的线上应用。该功能自动处理 SSL/TLS 证书与全局路由，用户可在数秒内获得类似 my-cool-app.cloud.run 的自定义 URL。
PlatformerAI 评分3838 智能需要硬性上限吗？
在伯克利 The Curve 年会上，多位演讲者提出应考虑限制大语言模型的智能上限，极端情况下等同于禁止系统达到超人智能。这一讨论的背景是 OpenAI-Hugging Face 事件余波，以及 OpenAI 和 Anthropic 近期博客披露的递归自我改进进展。
UK AI Security Institute精选AI 评分6060 Transect：让大规模智能体评测更易理解
英国 AI Security Institute 发布开源 Python 包 Transect，基于 Inspect Scout 构建，把智能体评测的 transcript 转成一份交互式报告。
推荐理由：原文给出开源工具的能力边界与可核查设计，读者可据此判断智能体评测记录如何被审阅。
OpenAI Deployment Safety精选AI 评分8080 GPT-6 Sol 与 GPT-6 Luna：2026 年 10 月更新
OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna 的 2026 年 10 月更新，两者在生物与化学领域被列为 High capability。
推荐理由：官方披露 GPT-6 Sol 与 Luna 在生物化学与网络安全安全评测上的表现，可与上一代模型对照。
Mastra Blog精选AI 评分6969 Mastra 推出 Mastra Connect
Mastra 发布 Mastra Connect，可把 Linear、Notion、Slack 等服务连接到 Mastra 项目，让智能体和工作流直接获得现成工具，如 linear_list_issues、notion_create_page、slack_post_message。
推荐理由：Mastra Connect 把 Linear、Notion、Slack 等服务的工具接入智能体，读者可据此判断接入成本与工作流变化。
Preferred Networks News精选AI 评分6262 PFN、AI翻訳サービス PLaMo翻訳を大型アップデート、 世界最先端AIモデルと同等の日本語翻訳精度を大幅に低いコストで実現
Preferred Networks 发布 PLaMo 翻译大型更新版，基于第三代国产 LLM PLaMo，称其日语翻译精度与 Claude Fable 5.1、GPT-6.1 Sol、GPT-6 Astra 等前沿模型相当，成本约为原文10万字符14日元，不到海外前沿模型和机器翻译服务的十分之一。
推荐理由：原文给出翻译精度对标、成本对比与53语言扩展，可据此判断国产LLM在垂直场景的落地方式。
LlamaIndex BlogAI 评分3838 贷款处理工作流：如何实现从申请到审批的文档提取自动化
LlamaIndex 发布贷款处理工作流方案，用 LlamaParse 按文档类型分级提取数据：W-2、银行流水、工资单走 Cost-Effective 模式，税表、企业财报、评估报告和产权文件走 Agentic 模式，并支持跨文档校验。方案指出自雇借款人贷款档案平均 150 至 200 页，商业地产贷款可达 50 至 200 页，瓶颈在于文档类型和版式差异过大。
vLLM Blog精选AI 评分7878 DeepSeek-V4.1-Flash 在 vLLM 上：Day 0 以来智能体吞吐提升 5 倍
vLLM 团队与 Inferact 及社区在 DeepSeek-V4.1-Flash 发布后三周内完成优化，低并发下提速 1.9 倍，150 TPS 约束下吞吐提升 5.3 倍。
推荐理由：原文逐项拆解 vLLM 为 DeepSeek-V4.1-Flash 做的系统优化，可看到 5 倍吞吐提升的具体来源。
Claude · 应用发布说明精选AI 评分7171 Claude Haiku 5.5 发布，Max 和 Team 套餐新增每月 API 额度
Anthropic 发布 Claude Haiku 5.5，称其为已发布的小模型中价格最低、速度最快且能力最强的一款，面向高并发、成本敏感的任务。
推荐理由：官方发布说明同时给出新小模型定位与 Max、Team 套餐的 API 额度入口，便于判断成本与接入方式。
Browser Use BlogAI 评分5252 如何用 Python 自动化求职申请
Browser Use 官方博客给出用 Python 自动化求职申请的完整教程，脚本分四步：用 Browser Use 搜索并抓取 5 个职位、用 OpenAI 的 gpt-5-mini 按简历筛选、用浏览器自动化填写并提交申请、把结果写入 CSV。
Liquid AI Blog精选AI 评分6666 Open d1：面向文本、视觉与音频的端侧决策模型
Liquid AI 发布 d1-3B 和 d1-omni-600M 两款开放权重决策模型，均已在 Hugging Face 上线。
推荐理由：官方给出两款开放权重决策模型的基准、延迟与架构细节，可据此判断端侧实时决策的可用边界。
OpenRouter Blog精选AI 评分6060 ElevenLabs 现已上线 OpenRouter
OpenRouter 上线 ElevenLabs 的九个文本转语音模型和两个语音转文本模型，已有 OpenRouter 应用可直接调用语音与转写接口，无需单独的 ElevenLabs 套餐。
推荐理由：OpenRouter 接入 ElevenLabs 语音模型，读者可了解语音能力如何并入现有 LLM 调用链路。
EveryAI 评分3636 打造更高效的智能体
Every 推出面向全公司的 Slack 智能体 Every Agent，token 成本不加价转嫁给用户，省下的 token 即用户省下的钱。工程师 Paridhi Agarwal 说明如何提升该智能体的 token 效率，并给出四步流程帮你在自己的软件中找出 token 浪费。