🧠 模型發佈/更新
1. OpenAI 推出 ChatGPT Work：可跨應用自主工作的 AI 智能體
OpenAI 發佈 ChatGPT Work，一個能跨應用和文件收集信息、將複雜項目分解為小步驟獨立完成並持續工作數小時的 AI 智能體。它內置 Codex 技術，目前每週超 500 萬用戶使用 Codex，其中超 100 萬用於非軟件開發場景。ChatGPT Work 由今天同步推出的最新前沿模型 GPT‑5.6 驅動，具備多步驟推理和按模板生成材料的能力。該功能今天起面向 Pro、Enterprise 和 Edu 計劃推出，未來幾天擴展至 Plus 和 Business 計劃。桌面版 ChatGPT 在所有計劃（含免費版）中提供 Chat、Work 和 Codex 模式，且 Codex 應用已合併至新的桌面應用。
TIP來源：OpenAI：官網動態
2. 螞蟻靈波開源實時交互世界模型 LingBot-World 2.0
螞蟻靈波開源新一代實時交互世界模型 LingBot-World 2.0（14B 參數），支持施法、攻擊、跳躍等豐富角色動作及文本驅動事件（如切換場景、召喚風暴），內置 Pilot Agent 與 Director Agent 實現世界持續演化，並支持多人同時交互。模型採用因果預訓練範式和混合雙向自迴歸注意力掩碼（MoBA），可穩定輸出 720p/60fps 實時畫面，長達一小時測試畫質不衰減。通過一致性蒸餾與 DMD 降低採樣成本，結合注意力 kernel 優化、混合並行推理、動態 KV 緩存調度和異步流媒體傳輸實現低延遲交互。模型權重及推理代碼以非商用協議開源，SGLang 已適配，並提供 Reactor PC 端和靈光 APP …
TIP來源：IT之家
3. OpenAI 發佈最強模型與最佳博文
顯然是我們有史以來最好的模型，也是我們寫得最好的博文之一： https://openai.com/index/gpt-5-6/
TIP來源：X：Sam Altman (@sama)
4. 螞蟻靈波開源全球首個面向具身智能的MoE視頻基模LingBot-Video
螞蟻靈波科技正式開源LingBot-Video，這是全球首個基於MoE架構、面向具身智能的視頻生成基礎模型。總參數30B，推理時僅激活約3B，效率較同規模Dense架構提升約3倍。模型引入7萬小時VLA、VLN、Ego等機器人數據，並通過多維強化學習獎勵系統對齊物理合理性與任務完成度。在RBench上總分0.620，超越Wan2.6等模型；在Physics-IQ Verified評測中排名第一。可用於機器人動作預測、仿真數據生成等方向。
TIP來源：IT之家
5. NVIDIA 發佈 Nemotron-Labs-3-Puzzle-75B-A9B：壓縮混合 MoE 模型，服務器吞吐量提升 2.03 倍
NVIDIA 發佈 Nemotron-3-Super 的壓縮變體 Nemotron-Labs-3-Puzzle-75B-A9B，總參數從 120.7B 降至 75.3B，活躍參數從 12.8B 降至 9.3B，保持 88 塊混合佈局（40 Mamba、40 MoE、8 注意力）。在 8×B200 節點上，8K/64K 場景匹配用戶吞吐量≥100 tok/s 時，服務器吞吐量提升 2.03 倍。單 H100 上 1M-token 併發從 1 增至 8，權重佔用從 70 GB 降至 44.5 GB。迭代式 Puzzle 方法平均得分比單步高 0.57。代價：Arena-Hard-V2 降 4.2 分、SWE-Bench 降 2.6 分。…
TIP來源：MarkTechPost
6. Robbyant 發佈 LingBot-VLA 2.0：開源 6B 跨實體機器人視覺-語言-動作模型
Robbyant 推出 LingBot-VLA 2.0，一個 6B 參數的開源視覺-語言-動作（VLA）基礎模型。它以 Qwen3-VL-4B-Instruct 為骨幹，採用 MoE 動作專家架構，通過 55 維規範向量統一表示不同機器人的狀態和動作。訓練數據涵蓋約 60,000 小時高質量數據（50,000 小時機器人軌跡 + 10,000 小時第一人稱人類視頻），覆蓋 20 種機器人配置。在 GM-100 雙機械臂基準測試中，模型在多個平臺上超越 π0.5 和之前版本。模型權重、代碼和技術報告已以 Apache-2.0 許可開源。
TIP來源：MarkTechPost
7. Meta 發佈 Muse Spark 1.1 模型
來自 @finkd 的消息 — Muse Spark 1.1 已上線。
TIP來源：X：AI at Meta (@AIatMeta)
🚀 產品發佈/更新
1. 微軟發佈Flint：面向AI智能體的可視化語言
微軟研究院推出Flint，一種可視化中間語言，讓AI智能體通過簡潔的人類可編輯spec自動生成美觀圖表。用戶只需提供數據、語義類型和圖表類型，Flint編譯器即可推導座標軸、配色、佈局等底層參數。支持46種圖表類型，可渲染到Vega-Lite、ECharts和Chart.js三個後端。項目通過npm安裝（TypeScript/JavaScript），並提供MCP服務器用於智能體工作流集成。採用彈性佈局模型自動優化圖表尺寸與間距，已開源。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
2. Claude 推出反思功能（Beta）
Anthropic 為 Claude 推出一項反思功能（Beta），幫助用戶追蹤使用模式。用戶可回顧過去 1、3、6 或 12 個月的活動總結，涵蓋關鍵主題、使用頻率和任務類型。功能結合 4D AI Fluency Framework（委託、描述、辨別、勤勉）提供協作分析，支持設定靜音時段或定時休息提醒。隱私方面，不涉及無痕對話和健康集成工具，也不提取連接工具中的底層文件。該功能面向 Free、Pro 和 Max 用戶，需開啟記憶功能，可通過 Claude 網頁或桌面應用設置。
TIP來源：Anthropic：Newsroom（網頁）
3. ChatGPT Sites將創意變可發佈網站
將一個想法變成可發佈和分享的實時網站 以下是OpenAI團隊的一些成員用Sites構建的示例👇 @prd_008 用Sites將一個想法變成了個人專注應用：
TIP來源：X：OpenAI Developers (@OpenAIDevs)
4. Google 推出 LiteRT.js：高性能 Web AI 推理運行時
Google 發佈 LiteRT.js，這是 LiteRT 跨平臺邊緣 AI 運行時的最新成員，專為 JavaScript 開發者設計，可直接在瀏覽器中運行機器學習模型。LiteRT.js 基於 WebGPU 和即將推出的 WebNN 實現 SOTA 推理性能，同時支持回退到 WebAssembly CPU 方案。
TIP來源：Google Developers Blog
5. Mistral 推出 Studio，為 AI 提示詞和技能提供系統記錄
Mistral 今日推出 Studio，為 AI 提示詞和技能提供集中式系統記錄。平臺將 prompts 和 skills 視為生產資產，支持不可變版本、回滾、明確所有權、分類標籤和審計日誌，保證變更可追溯。非開發者可直接編輯測試，通過標籤將變更推送至生產，保留原有 CI/CD 流程。可觀測性讓生產輸出回溯到對應資產版本，形成閉環治理。現面向 Mistral Studio 客戶開放。
TIP來源：Mistral AI：News（網頁）
🏛️ 行業動態
1. Elon Musk稱讚Anthropic並承諾不切斷其算力
Elon Musk近日在X上承認此前對Anthropic的判斷有誤，稱其“顯然是當前AI領域的領導者”，盛讚Mythos/Fable模型“目前最好”，並承諾不會惡意切斷其計算資源。2026年7月起，Anthropic成為SpaceX最大客戶之一——雙方5月簽署協議，Anthropic以每月12.5億美元（至2029年5月，總計約400億美元）購買xAI旗下Colossus 1數據中心300兆瓦全部算力。Musk以特斯拉開放專利、超充網絡等先例佐證其“不擠壓競爭對手”的風格，合同條款也提供了保障。
TIP來源：TechCrunch：AI
2. 消息稱特斯拉三代擎天柱人形機器人初步定型，馬斯克放話達不成產能目標就開掉整個採購團隊
據晚點LatePost報道，特斯拉Optimus Gen 3經馬斯克評審通過，即將量產。供應鏈要求供應商9月產能達1000臺/周，年底升至2000-2500臺/周，屆時年產能可達10萬臺。馬斯克六月底高管會上要求年底前實現產能目標，否則開除整個Optimus採購團隊。弗裡蒙特工廠已改造為Optimus生產線，Model S/X於5月停產。馬斯克表示初期生產極其緩慢，低產量夏季啟動，高產量2027年展開。
TIP來源：IT之家
3. Ollama 開發者數達890萬，B輪融資由Theory領投
Ollama 讓開源模型在本地或雲端輕鬆運行，保持體驗一致。目前擁有890萬開發者、6.7萬集成，並與各大模型實驗室及硬件供應商建立合作。B輪融資由Theory領投。
TIP來源：Tomer Tunguz 博客（VC 分析）
4. Anthropic發起“硬問題”倡議，邀請公眾提出AI相關尖銳問題
Anthropic作為公益公司，發起“硬問題”倡議，邀請公眾就AI對就業、社會、家庭、科學醫學等領域的影響提出最尖銳的問題。此前已通過多種方式收集看法：首輪調查詢問5.2萬美國人；通過Anthropic Interviewer調查了159個國家70種語言的8.1萬Claude用戶；開展數十場線下焦點小組；並基於匿名真實數據研究Claude使用情況。公司還設立了Anthropic Institute和Long-Term Benefit Trust以監督公益使命進展。Anthropic承諾將公開追蹤並報告針對這些問題的具體行動及成效。
TIP來源：Anthropic：Newsroom（網頁）
5. Anthropic長期利益信託任命本·伯南克為受託人
Anthropic的長期利益信託（LTBT）任命前美聯儲主席、2022年諾貝爾經濟學獎得主本·伯南克為最新受託人。他將與另外三位受託人共同監督公司以對社會長期有益的方式負責任開發先進AI的使命。LTBT獨立於管理團隊和投資者，受託人不持股、不分紅，僅按服務時間獲酬。該信託有權向Anthropic董事會任命成員，並就AI風險與社會影響等關鍵決策提供建議。伯南克將參與公司的經濟研究，幫助理解AI對全球勞動力與經濟的影響。
TIP來源：Anthropic：Newsroom（網頁）
6. GPT-5.5 生物漏洞賞金計劃
OpenAI 將 GPT-5.5 Bio Bug Bounty 升級為持續私密項目 OpenAI Bio Bounty Program，以 GPT-5.6 為起點並覆蓋後續前沿模型，旨在發現能突破預設生物安全挑戰的通用越獄攻擊。獎勵從 50,000，適用於
TIP來源：OpenAI：官網動態
📄 論文研究
1. 揭密在線策略蒸餾：何時有益、何時有害及原因
Apple機器學習研究團隊提出訓練無關診斷框架，以每個token、每個問題、每個教師的分辨率分析on-policy蒸餾。通過可擴展targeted-rollout算法估計理想梯度，並計算蒸餾梯度與理想梯度的餘弦相似度（梯度對齊分數）。實驗發現，蒸餾指導在錯誤rollouts上的對齊程度顯著高於正確rollouts；最優蒸餾上下文取決於學生模型容量和目標任務，無通用配置。這些發現推動每任務、每token的診斷分析。
TIP來源：Apple Machine Learning Research
2. TGPO：通過可驗證獎勵強化學習激勵第一人稱視頻時序感知
多模態大語言模型（MLLM）在第一人稱視頻理解中缺乏時序感知，常依賴空間捷徑。為此，研究者提出 Temporal Global Policy Optimization（TGPO），一種基於可驗證獎勵的強化學習算法。TGPO 通過對比模型在時序有序與打亂幀上的輸出，生成全局歸一化獎勵信號，明確獎勵時序連貫推理。TGPO 可集成 GRPO 和 GSPO，支持冷啟動 RL 訓練，抑制 MLLM 的空間捷徑行為。在五個第一人稱視頻基準上，TGPO 一致提升時序定位與因果連貫性，優於此前基於 RL 的視頻推理方法。
TIP來源：Apple Machine Learning Research
3. Apple 提出 SRLM：自反思程序搜索提升長上下文處理能力
Apple 機器學習研究團隊提出 SRLM 框架，利用自一致性、推理鏈長度和口頭置信度三種內在信號，讓模型在推理時評估候選長上下文交互程序。實驗表明，在相同時間預算下，SRLM 較傳統遞歸語言模型（RLM）最高提升 22%。分析發現，遞歸本身並非 RLM 性能關鍵，簡單的自反思程序搜索無需顯式遞歸即可匹配或超越 RLM；在模型上下文窗口內，RLM 反而降低性能，而 SRLM 在短上下文和長上下文中均實現穩定增益。
TIP來源：Apple Machine Learning Research
💡 技巧與觀點
1. AI 能否回答 3 萬億美元的問題？
Sequoia 合夥人 David Cahn 更新 AI 基礎設施支出估算：2026 年全球投入達 1.5 萬億美元，行業需產生 3 萬億美元收入才能回本。Anthropic 年化收入（ARR）達 600 億美元，OpenAI 2025 年收入 130 億美元（11 月稱 ARR 200 億美元），但缺口仍大。Apollo 首席經濟學家指出，谷歌、Meta、微軟、亞馬遜均預測 2028 年自由現金流加速，但風險在於更多組織轉向更便宜的開放權重模型（尤其中國模型），且 OpenAI 最新模型編碼任務 token 效率提升 54%，導致 token 價格持續下降。若超大規模廠商現金流目標落空，可能引發經濟衰退和標普 500 回調。
TIP來源：TechCrunch：AI
2. 社交媒體AI生成內容氾濫：LinkedIn超過40%長文為AI寫作
安全公司Pangram通過Chrome擴展收集超100萬條帖子，分析發現社交媒體AI生成內容氾濫。整體AI檢測率13.8%，長文（超250詞）中25.72%完全由AI生成。LinkedIn最為嚴重，超40%長文帖子被標記為完全AI生成，佔全部AI內容的62%；X/Twitter近一半文章（23.9%完全AI+22.9%混合）為AI寫作。Reddit整體AI率僅4.4%，但頂層帖子AI率達11.6%。分析使用Pangram 3.3模型，假陽性率0.01%。Substack上長文AI率反而略低。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
3. Bun 被 Anthropic 收購後用 Rust 重寫，月下載超 2200 萬
Bun 於 2025 年 12 月被 Anthropic 收購，作者使用預發佈版 Claude Fable 5 進行了大量 Rust 重寫。Bun 最初用 Zig 在一年內構建，如今 CLI 月下載超 2200 萬，被 Claude Code 等採用。廣泛功能帶來穩定性挑戰，v1.3.14 修復了多項 use-after-free、內存洩漏等 bug。團隊通過 ASAN、Fuzzilli 模糊測試等系統性預防，並藉助 Rust 的內存安全特性減少此類缺陷。
TIP來源：Hacker News 熱門（buzzing.cc 中文翻譯）
4. TeXada：基於MiniCPM的本地數學Agent發佈
社區開發者基於MiniCPM5-1B和MiniCPM-V 4.6構建了本地優先的數學智能體TeXada。該Agent支持自然語言直接轉LaTeX、手寫/圖像公式OCR轉可編輯LaTeX、LaTeX補全與錯誤修復等核心功能。所有推理在本地完成，無需依賴雲服務，保障隱私安全，適用於學生、研究人員和開發者隨時隨地處理數學表達式。已開源至GitHub，並提供HuggingFace模型下載。
TIP來源：X：面壁智能 OpenBMB (@OpenBMB)
