OpenAI 发布研究加速报告:智能体完成近半数长时研究任务但进展参差
OpenAI 发布第二份研究加速报告,基于内部测量介绍编码智能体如何改变 AI 研发周期。3 月到 10 月,估计需 2-4 小时的人工任务智能体自主成功率从 23% 升至 46%,4-8 小时任务从 13% 升至 35%;但任务间差异明显,监控训练成功率达 79%,而推理与服务栈编码仅 25%。
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。
OpenAI 发布第二份研究加速报告,基于内部测量介绍编码智能体如何改变 AI 研发周期。3 月到 10 月,估计需 2-4 小时的人工任务智能体自主成功率从 23% 升至 46%,4-8 小时任务从 13% 升至 35%;但任务间差异明显,监控训练成功率达 79%,而推理与服务栈编码仅 25%。
OpenAI 发布长文,详解 Codex 沙箱如何在用户现有环境中以可控的文件系统和网络限制运行命令。
Ai2 与 Taylor Geospatial 在 SatSummit 上宣布合作,共同推进地理空间 AI 的构建、测试与落地。合作产出包括用于模型比较的 The World 基准、带无代码微调平台的完全开源地球观测模型系列 OlmoEarth,以及扩展后支持更高边界精度和作物类型、产量的 Fields of The World 开放数据集。
IT之家 11 月 18 日消息,在昨日(11 月 17 日)召开的 Ignite 2026 活动中,微软宣布将升级面向企业的 Edge for Business 浏览器,加速将其改造为 AI 浏览器,并引入了多项 Copilot 技能,替用户完成网页工作。 微软官方表示 Microsoft Edge 已成为全球使用率最高的企业浏览器。
OpenAI 指南建议 Codex 任务时先声明验收标准,再根据任务深度选择推理强度,优化代码产出质量。
总参数 224B、支持 100 万超长上下文!腾讯混元重磅开源 Hy4 flash 家族,多端生态全面上线 · · Nov 18, 2026 32.4k 人工智能开源生态再度迎来重磅更新。腾讯混元于2026年11月18日正式宣布开源 Hy4flash 模型,为开发者和广大用户带来了一款主打 极致 性价比的全新大模型选择。
腾讯把 Hy4 flash 开源了:224B 大模型放进 GitHub,人人可下载 · · Nov 18, 2026 32.4k 腾讯混元今日官宣开源 Hy4flash 系列,一口气放出三个版本:标准版 Hy4flash、量化后的 Hy4flash-FP8,以及供研究者从零训练的 Hy4flash Base。
Anthropic 在 Claude 平台推出测试版关联账单功能:打通生态闭环,为第三方应用开启 OAuth 计费测试 · · Nov 18, 2026 32.4k 人工智能平台在构建开放生态的道路上正迈出关键一步。
工程师从逐行检查转向定义「完成」标准,AI 提供测试结果与验证证据,实现 AI 编程的规模化。
Claude Code 团队通过分析人工审查意见、PR 回滚和历史故障,将问题转化为检查规则,持续优化 Agent 表现。
Claude Code 团队约 90%代码由 Claude 编写,重点在 AI 如何发现错误、验证结果并运行数十至数百个 Agent。
Office 主客易位:微软把 Word、Excel 塞进 Copilot,AI 当门面 · · Nov 18, 2026 昨日的 Ignite 2026 大会上,微软官宣 Office 翻开“新篇章”:办公软件不再只是文档、表格与演示工具,而将转型成 AI 智能体协同干活的“智能办公系统”。
IT之家 11 月 18 日消息,据《商业内幕》报道,Salesforce 内部备忘录显示,由于部分员工上季度每月在 Token 上的花费高达数千美元,公司开始为不同岗位设定 AI 使用预算。
微软在 Ignite 2026 大会上推出 Copilot Today,将邮件、日历、Teams 聊天、会议和任务汇总为统一工作中心,包含个性化晨间简报 Today Brief 和随新信息刷新的 Today Feed。该功能整合在 Microsoft Copilot 应用和 Outlook 中,目前仅以 Frontier 私有预览版面向部分用户开放。
SID AI 发布第二代智能体搜索模型 SID-2 及 SID-2 Swarm,模型自主决定搜索与重搜,返回排序文档 ID,无需重建索引。
在相同 3D 建模任务中,GPT-6.2 Astra 费用更低(约 3 美元 vs Fable 约 19 美元),但渲染质量略逊于 Fable,两者都存在输出问题。
Meta 个人 AI Agent「Muse」日活用户突破 1000 万,9 月约 100 万增长至 11 月 1024 万,增长显著加速。
IT之家 11 月 18 日消息,在昨日(11 月 17 日)召开的 Ignite 2026 大会上,微软官宣 Office 的“新篇章”,将办公软件从传统的文档、表格与演示工具, 进一步转向由 AI 智能体协同完成工作的“智能办公系统”。
Anthropic 在 Claude Code v2.1.323 中加入实验性 Code Mode,Claude 可写 JavaScript 一步并行执行 Bash、Read、Edit 等多个工具调用。
开发者 Dash 展示了无需 3D 引擎、仅 32KB 代码就能实现具有空间层次感的像素风飞行游戏。
Datawhale 正式上线 WorkBuddy 教师课程 11 节实操教程,覆盖备课、科研、行政办公和移动协作四大方向,提供图文结合的操作指导。
作者肯定 Opus 5.5 模型的智能体(Agent)能力,认为其表现出色,符合理想化的 Agent 形态。
DeepSeek 此前免费,因大量用户用它做角色扮演和写小说、频繁触发超长上下文,现已开始限制使用额度。日常使用不受影响,但引发一波应用商店差评,最极端者向政府投诉称不解决就自杀,惊动警方和急救。推文以“升米恩,斗米仇”感慨梁文锋开源免费模型仍招致不满。
xAI 公开案例显示 Grok Bot 成功接手 SpaceXSI 的应收账款全流程,从开户、开票到对账,仅需三周入职并通过 Notion 手册和权限控制实现财务自动化。
曾怕 AI 抢饭碗的美术生,带队月产 20 部短剧,5 个月营收破百万 · · Nov 18, 2026 32.4k 据大河报报道,一名数字媒体艺术专业的大学生带着二十多人的团队,靠 AI 工具杀入漫剧短剧赛道,创业五个月营收突破百万元,如今每月稳定产出二十余部作品、每周更新 3 到 4 部。
OpenAI 发布长文,介绍其在模型全生命周期中管理前沿 AI 风险的防御纵深体系,涵盖模型对齐、安全与沙箱、拦截防护、监控响应四层保护,并按研究、内部部署、外部部署三阶段说明各层的作用。
Tibo 解释 6.2 Sol/Astra 上评测视频与现场人群反馈氛围不同的原因:部分人较早获得访问权限,而团队在过去 3-4 天做了大量改动,视频是上周制作的,之后大概率没有重新测试。他称这两个模型相比 GPT 前代有明显提升,但仍不完美,团队希望在后续迭代的品味和使用体验上改进,并表示欢迎反馈。
作者通过对比发现 DeepSeek 在极简场景下的 300+ token/s 速度意义重大,凸显其性能优势。
Nvidia 临时 CEO Colette Kress 在 Jim Cramer 的节目上表示,董事会已决定不会恢复黄仁勋(Jensen)的 CEO 职务,称这就是董事会的决定和官方声明。此前董事 Harvey Jones 在昨天的首次财报电话会上表示,董事会一致接受其辞职且无意让其复任。
JetBrains 捷克法人 2025 财年营收 160.08 亿克朗创新高、净亏 3.15 亿克朗,为有财务追踪记录以来首次;EBIT 仍为正,亏损由 10.78 亿克朗净融资成本推负,毛利率五年从 53.7% 滑到 10.7%。