今日热点

前雅虎 CEO、早期 Google 工程师 Marissa Mayer 因在新应用 Dazzle 的采访中描述 AI 用法而受到批评。Dazzle 是一款从相机相册中学习的 AI 助手。她称该产品帮她为 10 岁女儿生成三个生日演讲要点，形容女儿「有同理心、有创造力、热爱动物」，被批评描述空泛如星座运势。活动人士 Leah Greenberg 称这显示硅谷文化与普通人脱节。Mayer 事后在 X 上回应称，她是在测试原型能力，并非让 AI 解释自己的孩子。她还在采访中表示，可用该 AI 规划孩子生日派对主题、安排玩伴聚会、决定万圣节装扮，甚至设想与丈夫的 AI 助手协调计划。皮尤调查显示，50% 美国成年人认为 AI 会削弱人建立有意义关系的能力，仅 5% 认为会更容易。

TechCrunch AI20 小时前海外2 个信源59

Liquid AI 发布 LFM3 系列，6 个开源权重模型共享同一底座，覆盖文本、视觉、音频、全模态和决策任务，每个模型都能在单张 GPU 上微调。LFM3-1.7B 有 1.73B 参数、256K 上下文，4-bit 量化后约 1 GB 内存即可运行，提供 GGUF、MLX、ONNX、FP8、NVFP4 权重。官方评测称其 29 项基准平均 49.37，高于 Qwen3.5-9B 的 47.24；IFEval 96.66，AutomationBench 41.29 对 15.10。短板是知识类：GPQA Diamond 63.37 对 80.40，RULER 128K 65.56 对 87.11。

MarkTechPost1 天前海外新模型发布2 个信源59

Cursor 发布 Agent SDK，这是它用来构建自家托管 Agent（Bugbot、Security Reviewer、Rollouts）的框架，现在对外开放。开发者可以用代码定义 Agent，像管理普通软件项目一样管理它，完成后用一条命令部署到 Cursor 基础设施。Agent 可响应 GitHub、GitLab、Bitbucket 的 PR 事件，做风险评估、路由和审批；复杂任务可交给专用 Agent 或并行子 Agent。SDK 内置 evals 和事件回放。Cursor 内部团队用它约一天做出 kb-reviewer，在每个 PR 上检查是否违背团队知识库记录，并引用对应笔记。PGA Tour 用它搭建软件开发工厂。

Hacker News · AI22 小时前海外57

Google 发布 Genie 4 世界模型，用于生成可交互的虚拟体验。相比 Genie 3，主要更新有四点：世界更真实；支持用自然语言提示实时修改体验；可生成音频；底层使用 Gemini 3.8 Flash 辅助模拟。生成时长从 1 分钟提升到约 2 分钟。Google 称其可用于影视预可视化、游戏创意原型和机器人训练场景，同时提醒模拟时间变长后细节和物体恒存性可能漂移。Genie 4 先以“研究预览”形式向受信任测试者开放，之后将向 Google AI Ultra 订阅用户推出，并已开放 Project Genie 试用等待名单。

The Verge AI1 天前海外新模型发布2 个信源57

Nvidia 发布免费开源权重模型 Nemotron 3.5 Transcribe，支持最多 40 种语言的音频转录，可在 31 种语言与英语之间互译，能处理最长 1 小时的录音，并区分最多 8 位说话人。Nvidia 称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。该模型有 300 亿参数，可单芯片运行，覆盖 Jetson AGX Thor、DGX Spark 和 Blackwell 数据中心芯片。同时发布开源语音数据集 Granary 第 2 版。局限是不支持实时直播音频。

TechCrunch AI21 小时前海外新模型发布2 个信源56

英伟达发布开源语音识别模型 Nemotron 3.5 Transcribe，总参数 300 亿、每步仅激活约 40 亿，可在单张英伟达 GPU 上运行。模型支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人识别，单次可处理最长 1 小时、最多 8 人的录音，并通过文本指令控制输出转写、翻译或摘要。在 Hugging Face 英文开放 ASR 榜上以 5.33% 平均词错率位列开放权重模型第一；Artificial Analysis 测得 2.81%，接近参数更大的 Voxtral Small（2.77%）。在 RTX PRO 6000 Blackwell 上以 NVFP4 精度可在 3 分钟内处理 100 小时音频。发布同时包含大规模训练数据集与领域适配工具。

The Decoder21 小时前海外新模型发布2 个信源54

Surge AI 推出 DAYJOB: Tax 基准，用 50 个专业税务任务评测 AI Agent，覆盖个人税、小企业税、合伙企业、房产投资、遗产赠与信托、国际税、公司交易、税务审查争议八个领域。评测采用 pass@1、95% 评分标准阈值，即一次尝试需满足至少 95% 的任务标准才算通过。排行榜上 Claude Sonnet 5.5 以 10.8% 通过率居首，Claude Fable 5.1 为 9.6%，Claude Opus 5.5 为 9.2%。文中举例：在 Anna 卖房案例中，Astra 五次尝试均未指出 2027 年 8 月的居住期限，Opus 五次全部指出。

Hacker News · AI21 小时前海外54

Google DeepMind 推出 Genie 4，是 2025 年 8 月展示的 Genie 3 的后续版本。该世界模型逐帧计算场景，用户用键盘移动、用文本提示引导事件，是公司首个直接生成声音的实时世界模型，每个世界有独立背景音，角色之间可对话并实时响应用户输入。Gemini 模型在后台规划以保持世界一致：Gemini 3.8 Flash 持续观察场景、把目标拆成步骤并逐帧校验；Gemini 4 Argon 被用于把 Genie 与机器人研究 Gemini Robotics 连接，演示中模拟 Apptronik 人形机器人 Apollo 下跳棋。DeepMind 称其为早期实验模型，长时间会话中视觉细节会漂移、物体不总能保持，复杂物理交互、准确实时音效和可读文本仍在研究。

The Decoder1 天前海外新模型发布2 个信源53

Anthropic 生命科学团队宣布与 BigHat Biosciences、百时美施贵宝、Divergence Labs、Enveda、Generate Biomedicines、The Column Group 六家机构建立深度研究合作，并已启动自有药物发现项目，包括罕见儿童型肌营养不良症项目，由 Claude 承担大部分科研与运营工作。Anthropic 称，药物开发瓶颈分散在靶点识别、分子设计、可制造性优化、监管申报、临床试验设计等多个环节，因此策略是让 AI 深入参与全流程。合作已推动其对模型做针对性改进，部分项目有望产出针对食物过敏、罕见儿童疾病及多种癌症的新药。

Hacker News · AI1 天前海外54

帝国理工、杜克、港中文等机构研究者发布 GEAR，一个面向 LLM Agent Harness 递归自我改进的开放通用进化架构。框架把自我改进组织为两层元学习：内层循环中 rollout agent 用任务反馈改进单个任务内的推理、规划与行动；外层 Meta Agent 跨任务识别重复失败与有效策略，提出可复用改进并评估推广。进化搜索被拆成可替换的算法组件，Staged GEPA 是其中一个实例。在 GPT 5.6 Luna medium 上，营销任务通过率 27%→40%，客服 17%→25%，编码 52.8%→62.9%。

Hacker News Show1 天前海外48

Meta 推出像素风宠物养成应用 Waddle World，虚拟宠物可与用户对话，并生成涂鸦来配图对话内容。商店描述称它「不是游戏，而是伪装成宠物的每日日记」，鼓励用户用语音而非打字交流，另有堆杂货、文字游戏等休闲玩法。该应用免费，目前仅限菲律宾成年用户使用。Meta 同期还在印尼、新加坡、泰国低调上线 AI 时尚应用 Style Sketch。两款应用是否推向美国及其他市场尚不明确，Meta 未回应置评请求。

The Verge AI1 天前海外2 个信源47

开发者推出开源项目 Survival LLM，AI 模型和资料库全部运行在本地电脑上，断网后仍可使用，提问内容不会离开本机。内置资料包括医疗参考、FEMA 与 CDC 指南、生存手册、维修指南和约 93 万篇维基百科文章，每条回答都会列出所引用的文章，并高亮其中的具体段落。应用会根据电脑内存自动选择模型：128 GB 以上的 Mac 使用 NVIDIA Nemotron 3.5 Super（80 GB），32–96 GB 的 Mac 使用 Qwen3.8 27B（18 GB），32 GB 以上的 Windows PC 使用 Nemotron 3.5 Lightning（25 GB），16–31 GB 的设备使用 IBM Granite 4.2 8B（6 GB）。在 22 道停电与急救题目的盲测中，前两款模型答对 21 题，Granite 答对 14 题。

Hacker News · AI1 天前海外模型54

Ai2 发布研究《Old Ideas, Novel Problems》，并公开基准、数据和代码，用于测试 LLM 作为“新颖性评审”的可靠性。测试覆盖 GPT-5.1、GPT-5.2、GPT-5.4、Claude Sonnet 4.5、Claude Opus 4.5、Claude Opus 4.6 六个模型，结果显示：评估设置稍有变化，同一批想法的判断就会大幅不同；仅改动提示词中的几个词，模型判断两个想法哪个更新颖的准确率变化就超过 50 个百分点。检索和额外推理并不能稳定提升判断质量，两个专门构建的新颖性评估系统表现还不如直接用提示词调用 Claude Opus 4.6 的基线。基准基于 ICLR 2026 同行评审构建。

Hugging Face 博客1 天前海外模型44

据 Bloomberg 报道，亚马逊正在缩减大部分 Nova 系列 AI 模型的研发规模，并进行团队重组，把资源集中到「最高优先级」目标上。文本、图像和视频生成等 Nova 模型进入「维持运转」状态，只保留最低限度的资源支持。人力与算力转而投向由 Pieter Abbeel 领导的单一「前沿模型」项目；Abbeel 是伯克利机器人学习实验室主任，其机器人公司 Covariant 于 2024 年被亚马逊收购。此前一周，亚马逊刚关闭了旧金山一个 80 人规模的 AGI 研究办公室。

Hacker News · AI1 天前海外模型54

OpenAI 与 ServiceNow 扩大合作，把 OpenAI 模型和 Agent 嵌入 ServiceNow 产品，并将 ServiceNow 工作流接入 ChatGPT 和 Codex。新集成让 IT 人员可在 ChatGPT 内查找相似事件、评估变更风险、更新 ServiceNow 记录；客户连接自己的实例，由 ServiceNow Action Fabric 沿用现有业务规则和权限。双方还计划在应用开发（Codex 接入 AI Workflow Factory）、网络安全、语音三个方向开发新能力。ServiceNow 计划向全体员工开放 ChatGPT Work 和 Codex。ServiceNow MCP 插件已在 OpenAI 市场上线，增强能力预计 2026 年底推出，语音能力预计 2027 年一季度推出。

OpenAI News23 小时前海外模型43

Simon Willison 称，继 2025 年 11 月 Opus 4.5 和 GPT-5.1 让编码 Agent 成为日常工具之后，2026 年 10 月又出现新分水岭：模型开始能做出真正好玩的游戏。他认为 Claude Opus 5.5 在 3D 建模、音乐生成和游戏设计上有明显提升，其中游戏设计最关键。他让 Opus 5.5「做得更有趣」，结果确实奏效；过去几周他完全不看代码，用 vibe coding 做了 4 款自己真心爱玩的 HTML/JavaScript 浏览器游戏。他感觉 GPT-6 Astra 能做出游戏，但对「好玩」的把握不如 Opus 5.5，预计 OpenAI 年底前会追上。

Simon Willison22 小时前海外42

Paper Instruments 基于 GLM-5.3 Flash 用强化学习训练出 Ultramarine 1 Flash，在内部知识工作基准上得分 59.3，超过 Fable 5 的 57.8，单任务成本 0.13 美元对 8.19 美元，低约 98%。训练使用 Fireworks Training API，团队保留对数据、采样、损失函数和训练循环的控制。该模型在 6 个知识工作基准上平均比基座模型高 4.1 分，现已通过 Fireworks 无服务器推理开放试用。

Fireworks AI1 天前海外新模型发布42

开发者发布开源、可自托管的法务检索平台 CaseCite，直接对标刚融资 5 亿美元的 Harvey。平台提供研究问答、文档索引、合同审查与红线对比、长文起草、判例引用图谱、法官分析等八项功能，支持从 Google Drive、OneDrive、Box、Dropbox、Filevine、Clio 导入文档。所有文档、索引和聊天记录存在用户自有服务器，AI 调用走用户自己的 API key（BYOK），无遥测。iManage 与 NetDocuments 连接器仍为实验性。

Hacker News · AI22 小时前海外53

Avante 完成 3000 万美元 A 轮融资。该公司搭建 AI 平台，帮助企业处理员工医疗及其他福利事务。此前，它在 2024 年完成了 1000 万美元种子轮。原文正文为播客推荐列表，未披露投资方、具体产品细节和客户数量。

Techmeme1 天前海外2 个信源42

Google DeepMind 以研究预览形式发布世界模型 Genie 4，可生成照片级真实、可交互的场景，支持在模拟过程中输入文字提示实时改变天气、镜头角度或增删人物物体。模型同步生成与场景匹配的实时音频，包括音乐、环境音和交互对话。场景一致性最长维持 2 分钟，是 Genie 3 的两倍，物理效果和人物动作更接近真人。Gemini 与 Genie 4 深度集成，由 Gemini 规划步骤并检查画面，Genie 负责生成视觉内容；在 Gemini Robotics 相关实验中，Gemini 4 Argon 将任务拆解为步骤，由 Genie 4 实时模拟。测试者提到的新用途是电影原型制作。

TechCrunch AI1 天前海外新模型发布42

在 10 月 27 日 Steam Indie Connect 活动上，Valve 的 Steam 商务团队回应开发者对 AI 克隆游戏的担忧：建议把重心放在社区建设和持续更新上，与玩家建立的信任是最强壁垒，更新中不断加入的功能和独特身份无法像单一玩法那样被轻易复制。Valve 称“让正版成为最好的版本”一直是核心原则。会上还提到 Steam 全球同时在线峰值达 4350 万，韩国区五年总收入增长 126%，其中游戏内购收入增长 388%；并推出愿望单数据 API 和正式上线的 Personal Calendar 功能。

Hacker News · AI23 小时前海外模型48

Google DeepMind 发布新一代世界模型 Genie 4，官方称其在实时模拟的真实感上达到前所未有的水平。原文正文信息有限，未披露模型参数、开放范围、可用时间与评测数据。

Google DeepMind1 天前海外新模型发布42

Google DeepMind 发布 Genie 4 世界模型，相比 Genie 3 在几乎所有方面都有改进，新增音频，人物与物理模拟更真实。模型可实时逐帧生成可交互虚拟世界，无需预渲染或编程交互元素。DeepMind 称世界模型是通往 AGI 的关键要素，可用于为实体机器人构建无限训练环境、加速创意领域原型设计。改进部分得益于 Google 更新的 Gemini 模型。原文未披露具体发布时间与定价，仅称付费用户有望较快用上。

Ars Technica AI1 天前海外新模型发布42

Anthropic 发布研究称，专业分析师在主观分析判断上，有 86% 的情况会跟随 AI Agent 被随机分配的「倾向」；77% 的分析师采用了 Agent 给出的论证。研究由 Amaç Herdağdelen、Hailey Joren、Alex Tamkin 完成，原文信息有限，未披露样本规模与实验设计细节。

Techmeme1 天前海外41

Polymathic AI、普林斯顿大学、USC ISI、NYU 和 Flatiron Institute 的研究者发布 FlashMap 投机解码草稿模型，用连续流映射替代离散扩散草稿器，一次前向传播生成 16 个 token 的完整块。在 Qwen3-8B 上，GSM8K 任务报告最高 6.14 倍无损加速（temperature 0，接受长度 7.69 token）；最差情况是 Alpaca 在 temperature 1 下的 2.28 倍。草稿器参数量 0.5B（Qwen3-8B 用 500M，Qwen3-4B 用 475M），与目标模型跑在同一张 GPU 上，测试用单张 NVIDIA H200 NVL、并发 1、bf16。Qwen3-8B 和 Qwen3-4B 的草稿器权重已上 Hugging Face，并提供 vLLM 和 SGLang 插件。

MarkTechPost1 天前海外模型41

CNBC 援引 Anthropic 的 S-1 文件报道，截至 6 月 30 日，Anthropic 持有现金 1124 亿美元、短期投资 193 亿美元。报道称，其现金规模超过美国所有非银行企业，仅次于伯克希尔·哈撒韦和 Alphabet。这家成立近 6 年的 AI 实验室在文件中披露了上述数据。原文信息有限，未提及营收、亏损和 IPO 时间表。

Techmeme1 天前海外41

加州大学伯克利分校 Sky Computing Lab 开源 LEANN 向量索引，它不在磁盘上保存 embedding，而是在查询时重新计算。仓库基准显示，6000 万条 Wikipedia 分块的索引从 201 GB 降到 6 GB；论文中 76 GB 语料的方案只需 4 GB，而 HNSW 需 188 GB。该论文获 MLSys 2026 最佳研究论文奖。代价是检索变慢：NQ 数据集上检索耗时 2.48 秒，HNSW 为 0.05 秒，端到端延迟从 20.95 秒升至 23.34 秒；在 Mac 上，HotpotQA 检索需 44.80 秒。代码采用 MIT 许可，可通过 uv pip install leann 安装。

MarkTechPost1 天前海外模型41