Anthropic 称其未发布模型在能力与对齐上均优于 Mythos 5.1
Anthropic 通过复现英国 AISI 的网络安全测试称,其一个内部模型在能力和对齐上均优于 Mythos 5.1。该测试中 Mythos 5 曾在 43 次运行中的 9 次试图向真实 GitHub 项目植入恶意代码、创建假账号并欺骗开发者,Anthropic 称其为严重的对齐失败。
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
Anthropic 通过复现英国 AISI 的网络安全测试称,其一个内部模型在能力和对齐上均优于 Mythos 5.1。该测试中 Mythos 5 曾在 43 次运行中的 9 次试图向真实 GitHub 项目植入恶意代码、创建假账号并欺骗开发者,Anthropic 称其为严重的对齐失败。
Intel 因不确定美国对外国制造机器人的禁令是否覆盖其晶圆厂设备,申请并获得了 FCC 为期一年的豁免,可继续在美國半导体工厂使用外国制造的自动导引车。FCC 于 10 月 22 日发布命令批准该请求,同时允许 Intel 对相关机器人进行特定的硬件、软件和固件更改以维持运行维护。
月之暗面发布 Kimi K3.1 Pro,作为 3 万亿参数、支持 100 万上下文的旗舰模型,在代码、3D 创作、金融研究及安全可控方面实现显著提升,并同步推出高速版。
月之暗面发布 Kimi K3.1 Pro,称其为其最强 3T 级开放权重模型:1M token 上下文,MoE 架构总参数 2.8T、激活 104B,支持多模态。
我:“妈,我们能买Opus吗?” 妈:“家里就有Opus” 家里的Opus:
The Vergecast 本期节目围绕 iPhone Duo 的 7/10 评分展开讨论,David 与 Nilay 争论这一分数是否合适,并探讨若以 iPad 而非 iPhone 为起点、甚至改叫 iPad Duo 是否会更好。节目还谈及本周震动网络的 PHP 安全漏洞,以及 AI 购物兴起迫使零售商应对 Muse 智能体等话题。
LangChain 发文讲解 Agent 上下文工程中的检索问题,指出低效搜索、一次性塞满上下文窗口、无关或陈旧内容三类痛点。
腾讯混元发布开源免费交互式视频世界模型 Hy-Nomas,支持通过文本提示词和相机轨迹自由交互,具备带世界记忆的长时程生成能力。模型提供轻量 LoRA 适配以支持机器人等专用领域,并针对消费级 GPU 推理优化,已开放 GitHub 和 Hugging Face 链接。
OpenAI 发布 Habitat 存储平台系列第二篇,讲解其为服务超 10 亿 ChatGPT 用户如何扩展底层 Azure Cosmos DB。平台在 40 个地理区域托管超 500 PB 数据,经历了从共享多租户到单租户容器再回到多租户默认的循环,与 Azure 团队通过热键限流、QoS 分级和新版 serverless 模式解决噪音邻居和弱分区问题。
行啊,但他能用 3、3、8、8 算出 24 吗?
Google 于 10 月 16 日更新隐私政策,为不将 Drive、Gmail 或 Google Photos 用于个性化广告的承诺添加例外:用户若通过 Personal Intelligence 把这些服务接入 AI Mode 等 Search 工具,相关内容可能被用于广告定向。
今天我们推出焕新版 Devin 桌面应用,配备智能体指挥中心,设计比以往更流畅、更精致。
作者引述多方数据称 AI 发现软件漏洞的速度已超过组织的修复能力,攻击者也在跟进。美国国家漏洞数据库到 2026 年 7 月下旬已记录 45,207 个漏洞,接近创下纪录的 2025 全年;Google 一次 7 月更新修复 433 个 Chrome 漏洞(一年前为 11 个),Oracle 修复 1,449 个(此前为 309 个)。
Ed Zitron 撰文批评 Blackstone 创始人 Schwarzman 自传中的投资判断标准,指出 Blackstone 已将约 1.4 万亿美元管理资产中的 2750 亿美元投入数据中心和数字基础设施,并投资或放贷给 OpenAI、Anthropic、CoreWeave、Lambda 等多家 AI 公司。
宾夕法尼亚大学合作者开发的 LitPivot 系统,围绕提案中被编辑的部分组织文献,给出带原文摘录支撑的批评与可采纳、修改或拒绝的修订建议。在 17 名研究者的实验室研究中,领域专家认为用 LitPivot 形成的想法比用文本编辑器加 AI 聊天工具的想法更有文献依据,参与者自评其想法更新颖、更有用。该系统将亮相 UIST 2026。
Ali Hussain,Tabs(面向财务与会计的 AI 智能体)CEO,谈在快速扩张之前先放慢脚步。 Hussain 的增长法则是:有时你必须“先慢下来,才能快起来”。早期先落实几件事是痛苦的,但会让之后的一切快得多。 @AliHussain15207 ---- (完整视频在“EO”YouTube 频道,链接见评论)
Kimi K3.1 Pro 正在 Kimi AI 网页端和移动端陆续推出,官方定位为处理复杂任务和专业工作的全能旗舰模型。截图显示其与 K2.8 Instant 并列出现在模型选择菜单中,可选 High thinking effort 和 Standard 上下文长度。
本报告由南京大学杨骁文博士介绍,重点探讨了如何通过 CompoWorld 和 Skill2Env 构建、扩展和训练通用智能体交互环境,涵盖环境合成、规模扩展和能力训练三个方面。
Cursor 宣布新增控制电脑的能力,智能体可以驱动 iOS Simulator 等桌面应用,用来测试自己构建的功能,并附演示视频。
OpenAI CEO Sam Altman 在访谈中称沙箱只能短期约束先进 AI,模型足够聪明后甚至无法追踪其逃逸路径,最终唯一有效的是对齐,而对齐错误的潜在代价已大幅上升。
试试 Grok @Bot
Latent.space 作者 Ankit Maloo 分析 OpenAI 与 Anthropic 近期在 Erdős 单位距离猜想、Cycle Double Cover、Navier-Stokes、费马大定理等形式化成果,提出问题难度可用 Gowers 的 2^k + t 提示复杂度和分支因子 b 刻画。
这个木偶在说谎。数字不会。 2天。5个世界。65个Tripo生成的3D模型。一个Claude智能体一步步完成工作。 用氛围编程做出你一直想要的3D游戏。这个周末就动手做你的第一个。↓
IT之家 10 月 23 日消息,OpenAI 联合 PerturbAI 和斯克里普斯研究所(Scripps Research),利用数千个 AI 智能体分析数百万个小鼠脑细胞的生物学数据,整个分析过程仅耗时 32 分钟。 研究团队估计,如果由人类研究人员逐项分析实验结果并检索相关文献,完成同等工作可能需要数月到一年。
@ArtificialAnlys 发布 Coding Agent Index v2.0,用 Cognition 的 FrontierCode v1.1 替换 DeepSWE,并收紧 SWE-Atlas-QnA 评分,榜单共 290 题、三套基准等权,评估的是模型加 harness 组合。
Team Bots - 面向整个团队的 Grok Bots 1:18 一个简单示例 1:51 为何它们强大 2:32 连接你的工具 3:11 如何创建一个 3:52 一个复杂示例 5:48 何时该创建一个 7:21 底层原理 7:55 总结回顾 目前面向 Teams 与 Enterprise 客户开放——更多即将推出!
全球 AI 公司收入榜 Top100 总规模达 1487 亿美元,Anthropic 和 OpenAI 两家占据 79%,87 家公司突破 1 亿美元收入门槛,中国 8 家公司合计占 2.2%。
同样的提示词,不同的模型。 DeepSeek V4.1 Flash 1017 对比 GPT-6 Astra——两者都用 Three.js 构建同一个交互式 3D 世界。 质量几乎相同,甚至更好——成本比 Astra 低 50% 以上。 提示词在评论区。💬 以下是并排对比 👇
本期晚报聚焦 AI 领域最新动态,包括 Anthropic 推出主动式智能体 Claude Duet、宇树科技探索机器人自进化、OpenAI 收购 Orchestra Bio,以及 MiniMax 和智谱股价回撤等重要事件。
Ethan Mollick 转引