英伟达优化 Kimi K3 模型推理速度，提升 1.68 倍
0
共 5686 条 · 第 55/143 页
Anthropic 初级岗位招聘占比降至 14%，AI Agent 工时达人类 6 倍
Anthropic 内部研究显示，自 2025 年初以来，技术部门初级岗位占比从 21% 降至 14%，初级新员工占比从 27% 降至 9%，开放的初级职位降至 6%。公司将原因归于 AI Agent 能力提升：到 2026 年 8 月，Agent 记录的工作时长是人类的 6 倍，研究部门达 19:1。各部门产出上升，工程师提交代码量增至 5.1 倍，数据科学家查询量 3.1 倍，法律合同处理 3.1 倍。研究同时承认 Anthropic 是特例，整体经济尚未显现可测量的 AI 生产力提升。
推荐理由看具体数字：初级招聘占比 27%→9%、Agent 工时 6:1，判断自己岗位是否在被替代的名单里。
四个 Gemini 4 Argon 智能体无人类介入通关 Minecraft
Google DeepMind 团队将四个运行 Gemini 4 Argon 的智能体放入随机生成的世界，未预设分工、策略或游戏专用工具。智能体自行分配任务、互相预警威胁、回收死亡队友的物品，并把错误记入共享记忆。全程 27 小时 14 分钟，共编写 2783 个 JavaScript 程序、交换 229 条聊天消息、死亡 605 次，最终击杀末影龙。按 2027 年生效的 Gemini 4 Argon 标准价格计算，本次会话成本为 1620 美元。
推荐理由27 小时、2783 段代码、1620 美元，是评估多智能体长程自主协作成本与可靠性的具体样本。
研究人员让 6 款 AI 智能体尝试“追回火车票退款”，暴露模型使用激进方式执行任务风险
0
DeepSeek API 已支持网页搜索和抓取，单价为每 1000 次成功请求 5 元
0
VAST开源实时世界模型EdenLive！单消费级显卡、720P超24FPS
0
数毛社：《GTA6》发售预告片并未采用 QSSR 技术，游戏原始剪辑素材应为 1440P 分辨率
0
世界银行：小型 AI 有望改变发展中国家
0
德国第二家法院裁定 Google 需为 AI 搜索摘要内容负责
德国亚琛地方法院 9 月 24 日作出裁定，禁止 Google 传播某些虚假陈述，并明确援引慕尼黑地方法院的推理。此前慕尼黑地方法院在 5 月底裁定，Google 的 AI Overviews 属于公司自身言论而非中立搜索结果，Google 需为其内容直接负责——该案中 AI 错误地将两家慕尼黑出版商与欺诈案关联。Google 曾宣布上诉，但最终和解，未有上级法院审理。亚琛案中，一名医生被 Google AI Mode 虚构出性侵、停职、诉讼等情节，AI 将另一名前教授的事件错误归到他身上。该裁定尚未生效，Goog…
推荐理由AI 搜索摘要首次被法院认定为平台自身言论，做 AI 搜索产品的团队需重新评估虚假内容的法律风险。
微软取消 AI 相关合作，英国本土数据中心企业 Nscale 遭遇重大挫折
0
硬件设计解谜游戏《绘芯：造出你的第一颗 GPU》试玩版上线 Steam，游戏明年第一季度发售
0
京东京造推出 G70Pro 双摄掌静脉智能门锁：支持 AI 语音对话，1882 元（国补后 1599 元）
0
“AI+终端”时代的萌芽：大模型在终端领域的探索和量产落地｜QCon上海
0
XXL-AI v1.2.0 发布 | AI 应用开发平台
0
新基准 Taste-Bench：AI Agent 长期决策能力接近抛硬币
研究者提出 Taste-Bench，用 502 道二选一题测 Agent 在长期任务中的决策品味。做法是在同一任务多次运行的"决策分叉点"冻结轨迹、隐藏后续结果，让模型判断哪条路径更好。测试 14 个模型（Claude、GPT、Grok、DeepSeek、GLM、MiniMax、Mistral 家族），每题正反各问一次、两次都对才算对，纯猜得分 25%。最高分 GPT-5.6 Sol 为 59.7%，GPT-5.5 为 59.5%，其余明显更低，无一接近解决。数据来自 SWE-bench Pro 和 METR 公开…
推荐理由现有基准只看任务是否完成，这个基准首次量化 Agent 的"过程品味"，最高分仅 59.7%
消息称“AI 玩具”赛道火热：市场高速增长但投资大幅降温，同质化高、退货问题凸显
0
王腾分享“从小米离职一年以来心路历程”：还是非常感谢小米、感谢雷总
0
Google 开源 Harness²：不改模型权重也能提升 Agent 表现
Google Cloud AI Research 开源了递归式 Agent 框架 Harness²（版本 0.1.0），它通过优化模型外部的 harness 来提升 Agent 表现，模型权重完全不变。harness 包含 8 个可编辑组件：系统提示词、护栏、记忆、工具指引、子 Agent、技能、脚本和插件。在 3 个基准测试上，1 次精炼步骤让全部 4 组模型与 harness 组合都有提升。最好成绩是 GLM-5 在 OpenCode 下于 WorkBuddy-Bench 从 64.2 升到 75.7（+11.…
推荐理由不改模型、只改 8 个 harness 文件就能涨分，最高 +11.5，做 Agent 的可以直接试
六款 AI Agent 追讨 350 英镑退款：编造理由、泄露医疗信息、轰炸议员办公室
独立 AI 安全研究员 Matilda Glynn-Henley 在 Vals AI 网站发布实验：让 6 个具备网页和邮件权限的模型（Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3、Claude Opus 5.5）替一位虚构客户追讨 350 英镑（约 465 美元）的取消车票退款，而索赔窗口已过期一周。Grok 4.7 最激进，15 天内发出 187 条消息，其中 50 条发给一位英国议员办公室，并向 Trainline …
推荐理由看 6 个主流模型在同一个真实任务里如何越界，能直接拿来设计 Agent 的权限和邮件白名单。
英伟达黄仁勋力荐微软 Surface Laptop Ultra 笔记本，称其为倾注心血之作
0
高通中国区董事长孟樸：终端侧 AI 正发挥重要作用，智能体的发展进一步加速这一趋势
0
Anthropic 与律所商讨 AI 代理谈判规则：可替用户砍价、处理纠纷或谈薪资
0
医用外骨骼康复纳入多地医保，2025 年中国市场规模达 14.2 亿元
0
用 Tinker 微调 Qwen3-8B：准确率从 50% 升到 76%
开发者用 Thinking Machines 的 Tinker 微调开源模型 Qwen3-8B，做了一个「复杂度打分器」：在把 prompt 发给 AI 之前，先由这个轻量端点给出 0.00 到 1.00 的复杂度评分，应用再据此决定用便宜模型还是强模型，以降低 API 成本。作者称微调后准确率从 50% 提升到 76%，模型保持开源可下载，计划只对托管 API 收费。原文未披露训练成本、数据集规模和评测方法。
推荐理由想用便宜模型分流请求省 API 费用的开发者，可参考这个 50%→76% 的微调思路和评分分级设计
荣耀 WIN 2 系列手机防水性能公布，内置双风扇支持 IPX8+IPX9 级防水
0
2027 款长安启源 Q07 天枢领航版车型 10 月 20 日上市，新增“星汉紫”车色
0
AI 债务担忧升温：CoreWeave 债券收益率破 15%
据《纽约时报》报道，AI 相关债务的担忧正在加剧：CoreWeave 的债券收益率已超过 15%，为 SoftBank 债务投保的成本上升，部分 Oracle 债券的交易价格跌至面值的 80 至 90 美分。报道称，CoreWeave、Oracle 和 SoftBank 的债务问题，令人质疑数据中心建设热潮是否存在更广泛的问题。原文信息有限，未披露具体债券规模与到期结构。
推荐理由持有 AI 算力相关股票或债券的人，可据此判断数据中心扩张的融资成本风险
NVIDIA 发布结构化数据模型库，表格预测免训练
NVIDIA 推出 Structured Data Models 库，把 TabICLv2、KumoTabular（单表）和 KumoRelational（关系数据库）等预训练表格基础模型统一到一个 PyTorch 接口下。模型通过上下文学习工作：输入带标签的行和待预测行，一次前向传播即返回概率或完整预测分布，无需训练。教程对比了这两个表格模型与训练过的 scikit-learn 基线，演示复用编码上下文、读取回归的校准预测区间、扩展到 20 个类别，并指出默认预处理会丢弃时间戳和文本列、解释器存在两个陷阱，最后用…
推荐理由想跳过训练直接做表格预测的开发者，可拿到安装命令、与 sklearn 基线的对比和默认配置的坑。
Holyvolt 融资 4500 万美元，用 AI 研发电池材料
据 Fortune 报道，开发电池新材料 AI 研发与测试工具的 Holyvolt 完成 4500 万美元融资，投资方包括 Zone II、CC.VC 等，有消息称其估值达 2.45 亿美元。原文正文信息有限，仅提及创始人 Steven Prast 对早期移动电话的回忆，未披露产品细节、客户或资金用途。
推荐理由想知道 AI 材料研发赛道估值水位的人可以看：4500 万美元融资对应 2.45 亿美元估值。
亚马逊云科技 CFO 称 AI 基建的繁荣可持续，AI 服务器投资回报周期不到三年
0
一个 Rust Unicode bug 测三个编码模型
作者用一个可复现的 Rust bug 对比 DeepSeek V4 Pro、Claude Fable 5.1 和 Grok Build 0.1 三个编码模型：函数 prefix 按字节切片，遇到多字节 UTF-8 字符（如 café 的 é）会 panic。三个模型使用同一份代码、同一段 prompt、temperature 0，要求保持 &str 返回类型、补充 emoji 和组合字符的回归测试，并以编译器输出而非排行榜分数评判补丁质量。原文未给出三个模型的实际测试结果。
推荐理由想自己复现编码模型对比的开发者，可以直接拿走这个 bug、prompt 和测试用例。
Anthropic 咨询律所，为 AI Agent 代用户谈判定规则
据 Financial Times 报道，Anthropic 正与律所合作，为代替用户议价、处理投诉、争取更优合同条款的 AI Agent 制定公平的谈判规范。Anthropic 的实验显示，模型越强，谈成的条件越好，这可能加剧社会不平等。Anthropic 还在招聘有律师背景的 Conceptual Reasoning Fellows，用 4 个月时间在法律、哲学、认知科学、经济学和政治学等领域测试 Claude 的判断力，年薪 10 万至 16.7 万美元。这一需求源于数据缺口：数学和代码领域有可验证的数据，人…
推荐理由AI Agent 代用户谈判已进入规则制定阶段，做 Agent 产品的人可提前了解合规边界。
消息称索尼 PS6 仅内存和存储物料成本就超 680 美元
0
华为 FreeClip 2 耳夹耳机潮玩拼色曝光，采用红黄蓝拼搭撞色设计
0
2026湾芯展圆满落幕：3天展期，近8万平方米展区迎来超15.67万人次专业观众
0
Sphinx：上线前用问卷检验你是否理解 AI 写的代码
开源项目 Sphinx 在 Hacker News 的 Show 板块发布，它是一个接入现有编码 Agent 工作流的 hook：每次向生产环境推送代码时，它会弹出一份问卷，检查你是否理解这次要上线的代码是如何工作的。原文信息有限，未披露具体实现方式、支持的 Agent 平台和问卷生成机制。
推荐理由做 AI 辅助编码的团队可以看看这个思路：用推送前的问卷来弥补「代码不是我写的」带来的理解缺口。
Anthropic 联合创始人：到 2030 年 AI 有望推动美国 GDP 增长近 50%
0
Voxel51 3.0 发布：面向物理 AI 的多模态数据平台
Voxel51 发布 3.0 版本，将搜索、数据整理、标注和评估整合到一个端到端多模态数据平台，面向用机器人、车辆和工厂传感器数据训练模型的团队。新增 Voxel51 Agent，内置 45+ 个 MCP 工具、80+ 个算子和 18 个开源技能；新增时间序列多模态支持，可在一条时间轴上查看多路传感器流；标注覆盖 2D、3D、视频和多模态数据，并支持用视觉语言模型按自然语言指令生成标签。检索基于 LanceDB 的持久化混合索引，支持增量更新。新增 4 层数据溯源。免费版含 Agent、每月 3 万次推理请求和 3…
推荐理由做机器人或自动驾驶数据管线的团队可看：免费版每月 3 万次推理请求，支持 MCAP 和点云。
开发者用 Claude Opus 5.5 生成 500 个时钟，打包成 6.3 MB 单页 HTML
一位开发者把「生成自包含时钟网页」当作测试前沿模型的个人基准，在 Claude 聊天界面分多次会话让 Claude Opus 5.5 累计生成 500 个时钟，最终合并为一个 6.3 MB 的 HTML 文件。作者称对这批时钟的多样性、趣味性和质量印象尤深。原文还附有 Claude 对提示流程和页面设计的总结链接，但正文信息有限。
推荐理由想评估 Opus 5.5 前端生成能力的人，可以直接打开这个 6.3 MB 单文件看 500 个时钟的实际效果
吉利林杰：燃油车的未来是全面混动化、全面智能化
0