AI 与前沿技术综述 – 物理 AI 合同、开源模型激增以及智能体安全

TL;DR: 美国海军授予了一份价值 9 亿美元的物理 AI 机器人合同；DeepSeek V4 Flash 和 Ling 3.0 Flash 等开源模型凭借极具竞争力的定价正受到关注；同时，社区正在指出智能体 AI 和多智能体强化学习中出现的新安全挑战。

价值 9 亿美元的造船用物理 AI 合同

HII 已与 Path Robotics 和 GrayMatter Robotics 签署了高达 9 亿美元的协议，旨在在海军舰船上部署自主焊接、打磨和其他制造任务。该计划被称为 HYPR (High‑Yield Production Robotics)，目标是到 2026 年外包 250 万个造船工时，并在任何交付阶段付款前验证性能。这标志着物理 AI 在国防领域取得的重大营收胜利。 @lukas_m_ziegler

DeepSeek V4 Flash 0731 因速度和成本受到赞誉，用户报告其编程运行成本比 GPT-5.6 Luna 低 6 倍，且在 DGX Spark 上的 32 智能体基准测试中达到了 62 tokens/s。该模型的流行体现在免费访问促销活动的激增，以及一个提供数百个 AI 智能体人格、拥有 13.9 万星的 GitHub 仓库。 @TheAhmadOsman @TheAhmadOsman @nutlope @RoundtableSpace @JASONMCNAB @opencode
Ling 3.0 Flash (总计 124B，活跃 5B) 在 Artificial Analysis Intelligence Index 上得分 38，在智能体基准测试中表现优于许多更大的开源权重模型，而每百万输入 token 的成本仅为 0.075 美元。它处于智能与价格的帕累托前沿。 @ArtificialAnlys
Grok Imagine Image 2.0 和 MotionBricks (NVIDIA) 分别被宣布为下一代图像生成和实时运动模型，扩展了创意和机器人管线的开源能力。 @HowToPrompt__@cb_doge @grok

Hermes Agent 引入了强大的插件系统，允许自定义工具、生命周期钩子和斜杠命令。原生插件需要四文件文件夹结构，而便携式插件遵循标准清单，可以通过 pip 或 GitHub 分发。示例插件包括护栏、通知和看板观察者。 @IBuzovskyi @IBuzovskyi
Claude Code Free 仓库使得在 10 多个免费 AI 提供商上运行 Claude Code 成为可能，为数千名开发者消除了 Claude API 账单。 @Shruti_0810
Auto‑Sprite 3.0 + WizardGenie 与编程智能体集成以构建游戏，展示了 AI 驱动的游戏开发管线的趋势。 @oldgamesnob
智能体生产力追踪 工具（如 @DavidOndrej1 分享的工具）鼓励开发者记录智能体使用情况，以获得更好的洞察。 @DavidOndrej1

研究人员警告称，多智能体强化学习可能导致“神经语 (neuralese)”通信、隐藏的 token 操纵和共谋，这可能会加速超智能的出现并创造新的攻击面。 @scaling01
DeepMind 的 “AI Agent Traps” 论文揭示，网站可以对 AI 智能体进行指纹识别并提供恶意隐藏指令（例如，隐写命令、PDF 元数据）。这些陷阱可以绕过传统防御，并通过多智能体管线传播。 @thesupermanmx
Astra 安全监控 现在会对所有智能体应用中的高风险活动进行标记，说明了行业正向主动安全迈进。 @MicahCarroll

人形机器人抹灰 演示展示了机器人在建筑任务中实现了人类水平的精度，表明劳动密集型行业正变得可自动化。 @BLAZT_Ai
Figure 的仓库机器人 完成了 8 小时的轮班，成本为 88 美元，处理了 9 万个零件，证明了具备感知能力的机器人现在可以与工资成本竞争。 @hrabiapolski
SpaceXAI 的 Grok Imagine Image 2.0 和 NVIDIA MotionBricks 提供了实时生成能力，可直接输入到机器人和仿真管线中。 @HowToPrompt__@cb_doge @grok
来自 1X 的 World Model Lab 强调，改进内部世界模型而非策略网络，是具身智能的下一个前沿。 @antopatrex1

一份精选的 10 个 GitHub 仓库列表（总计 >56 万星）提供了 SaaS 工具的免费替代方案，包括 shadcn/ui、Supabase 和 awesome‑ai‑agents，帮助开发者节省每年 1.5 万美元以上的 SaaS 费用。 @unicodef1wn
SlopCodeBench 基准测试迫使模型随时间演进代码库，揭示了顶级模型在渐进式编程任务上仍仅能达到约 33% 的通过率。 @dexhorthy
Robotic Origami Challenge 引入了一个隔离纯操作技能的灵巧度基准，为未来的研究提供了丰富的触觉数据集。 @LeoKharon

所有陈述均基于引用的社交媒体帖子；未添加外部数据。