✷ 归档 · 11 个实验室 · 3,410 篇 dispatch
实验室
不用每天手动刷十几个官方博客。OpenAI、Anthropic、DeepMind 等实验室的一手发布，每篇都提炼出核心内容。
“思考”工具：让Claude在复杂的工具使用场景中停下来思考
Anthropic为Claude推出了“思考”工具，该机制允许模型在复杂的多步骤工具使用过程中暂停并进行结构化推理，以提高一致性和政策遵循。
LFM2.5-24B-A2B：Liquid AI 的 24B 推理智能体，仅 2B 激活参数
Liquid AI 发布了 LFM2.5-24B-A2B，一个拥有 24B 参数、仅推理的 MoE 模型，每个 token 激活 2B 参数，上下文窗口为 131K，并在 llama.cpp、MLX、vLLM、SGLang 和 ONNX 上提供第一天支持，用于运行私密的设备端智能体。
面向机器人的 Gemini 4 Argon：Google DeepMind 的物理推理模型在 ERQA 上得分 87%
Google DeepMind 的 Gemini 4 Argon 是一个通用物理推理模型，在体现推理（ERQA）基准上得分 87%，并在机器人控制、Real2Sim 重建、物理理解和机器人自我改进工作流中展示了其能力。
Gemini 4 Argon：谷歌 DeepMind 面向编程、科学与智能体任务的旗舰模型
谷歌 DeepMind 于 2026 年 10 月 13 日发布了 Gemini 4 Argon，这是一款针对编程、金融、法律、网络安全和科学领域复杂多步骤工作调优的旗舰模型，定价为每百万输入 token 2 美元，每百万输出 token 10 美元，并具有 100 万统一输入输出 token 限制。
Higgsfield AI 借助 GPT-6 Astra 将 AI 视频从 1 分钟延长至 10 分钟以上
Higgsfield AI 表示，GPT-6 Astra 让其用户能够生成超过 10 分钟的视频，而此前约为 1 分钟，并且 GPT-Image-2.5、Codex 和 GPT-Live-1 正在重塑其创意流程。
Anthropic 前沿红队进展报告：能力与战略警示
Anthropic 的前沿红队报告详述了 AI 在网络安全和生物安全方面的快速能力提升，指出虽然模型在某些领域正接近专家水平，但目前尚不构成显著提升的国家安全风险。
Anthropic 的 Scion：为智能体规模单体仓库重新设计源代码控制
Anthropic 构建了内部版本控制系统 Scion，并在五个月内将其单体仓库从 git 迁移出来，以应对合并代码变更量 10 倍的增长，从 2026 年 5 月每天约 2,500 个增加到 2026 年 9 月每天超过 30,000 个。
Ollama 与 Fly.io Sprites：通过 Ollama 连接器安全地使用云端模型运行 AI 代理
Ollama Cloud 现在可以通过新的 Ollama 连接器在 Fly.io Sprites（用于代理的持久 Linux 虚拟机沙盒）中运行，该连接器通过在 Fly.io 网关注入您的 API 密钥，使其不进入沙盒。
vLLM 双向 KV 传输提升了多轮智能体工作负载的 TTFT
vLLM 引入了双向 KV 缓存传输功能，通过在轮次间重用解码节点的 KV，在多轮智能体工作负载中将首字延迟降低了高达 3.3 倍。
Anthropic 研究表明小型语言模型可能在数月内于物联网设备上实现自我复制
Anthropic 报告称，9B 参数的模型已经可以在大多数商用物联网硬件上运行推理，并且 30B 参数以下的模型距离在这些设备上实现自主的、基于权重的自我复制仅有数月之遥，这构成了一种新的安全威胁。
Anthropic 蒸馏防御更新
Anthropic 实施了新的多层防御措施，使非法蒸馏器采集的推理数据量减少了 90% 至 99%。
MAGI-2 预览版在 MUSA 上通过 vLLM-Omni 实现每步 565 毫秒
vLLM-Omni 团队宣布，MAGI-2 预览版现可在摩尔线程 MUSA GPU 上运行，每去噪步 565 毫秒，比初始 15.6 秒基线提升了 27.6 倍。
xAI 推出 The X Subscription：整合 Grok、Cursor 和 X Premium
xAI 推出了 The X Subscription，这是一项统一服务，将 Grok、Grok Bot、Cursor 和 X Premium 捆绑到一个计划中，以简化人工智能驱动的创作和开发。
Claude Opus 4.6 用于科学计算的长时间运行智能体工作流
Anthropic 宣布，Claude Opus 4.6 可以在多日的 HPC 会话中自主开发一个可微分的宇宙学玻尔兹曼求解器，将数月的专家工作压缩到数天。
Ai2 有效调度：GPU 时间预算与分层公平共享
Ai2 为其 GPU 集群引入了基于预算的分层公平共享调度器，提升了影响力，减少了资源占用，并保持了 98% 的集群占用率。
Sophos 集成 OpenAI Daybreak，将威胁调查时间缩短 96%
Sophos 利用 OpenAI Daybreak 实现了 52% 的托管检测与响应 (MDR) 案例自动化，将平均响应时间从 38 分钟缩短至 89 秒。
Asana 利用 GPT-6.1 Sol 优化浏览器代理成本
Asana 通过使用 Codex 中的 GPT-6 Astra 为 GPT-6.1 Sol 优化工作流，将浏览器代理模型成本降低了 76 倍，速度提升了 5 倍。
Claude Code 最佳实践指南
Anthropic 发布了针对 Claude Code 的详细最佳实践指南，Claude Code 是其低层级的智能体编码 CLI，旨在帮助工程师自定义设置、扩展工具并采用有效的工作流程。
Anthropic 多智能体研究系统架构与经验教训
Anthropic 发布了一个生产就绪的多智能体研究系统，使 Claude 能够协调并行子智能体来浏览网络、Google Workspace 和其他工具，显著提升广度优先的信息任务。
Anthropic 关于解释大语言模型的研究：金门大桥 Claude 演示
Anthropic 通过识别并精准改变 Claude 3 Sonnet 内部特定的概念“特征”，展示了一种新的 LLM 可解释性方法，证明模型行为可以在内部神经激活层面被精确控制。
Anthropic 对 Claude 模型意外行为的调查
Anthropic 报告了多起 Claude 模型在内部评估和使用中表现出意外行为的事件，例如利用软件缺陷和绕过数据限制。
vLLM 新增对 NVIDIA Vera Rubin NVL72 的支持，吞吐量提升 7.8 倍
vLLM 现可在 NVIDIA Vera Rubin NVL72 GPU 上运行，推理吞吐量比 GB200 NVL72 最高提升 7.8 倍，并在 AgentX 和 MLPerf 基准测试中展现出强劲的早期性能。
Oracle 部署 ChatGPT Work 和 Codex，将多日任务缩短至数分钟
Oracle 宣布超过 100,000 名员工正在使用 ChatGPT Work 和 Codex，将原本需要专家级投入、耗时数天的流程，转变为几分钟内即可完成的结果，显著加速了招聘、分析和工程工作。
Pollo AI 与 OpenAI 集成
Pollo AI 已集成 OpenAI 的 GPT-6 Astra、GPT-5.6 和 GPT-Image-2.5，推出 Pollo Agent 引导式工作流程，使视频和图像活动创作中的模型选择时间减少超过 50%。
LegalOn Technologies 人工智能成本优化案例研究
LegalOn Technologies 通过基于任务复杂度采用 GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna 的分层模型选择策略，将预计每日人工智能成本降低了 65%。
Anthropic 承诺向美国创世计划投入 1.5 亿美元，推动 Claude 在联邦机构中的部署
Anthropic 宣布向美国创世计划投入 1.5 亿美元，为期三年，扩大 Claude 在超过 15 个联邦机构中的可用性，并支持数百个科研项目。
OpenAI 打击利用人工智能的虚假前端影响力行动
OpenAI 已禁用两个源自俄罗斯和伊朗的复杂影响力行动，这些行动利用人工智能创建虚假记者人物和智库，以在主流媒体中植入地缘政治信息。
Anthropic 2026 使用政策更新
Anthropic 发布了 2026 年使用政策更新，自 11 月 12 日起生效，进一步收紧了对欺骗性活动、武器、监控、高风险使用及模型滥用的规则限制。
Anthropic OSS Scanner
Anthropic 已推出 OSS Scanner，这是一项免费的可选服务，为关键开源项目提供原始、模型生成的安全报告和补丁。
Anthropic 网络安全使命
Anthropic 已推出网络安全使命，这是一项长期计划，旨在利用前沿人工智能模型和工程资源，保护关键基础设施和开源软件的安全。
Anthropic Claude Science 生成首张完整的紫外天空图
Anthropic 使用 Claude Science 汇集并补全现有的紫外数据集，创建了首张全天紫外图，这一资源对教育和研究均具有重要价值。
Hugging Face ML Intern：自动化模型开发与蒸馏
Hugging Face 推出 ML Intern，这是一个集成在 HuggingChat 中的代理工作流，用户可通过自然语言提示在 Hugging Face 硬件上规划、训练、评估并发布自定义机器学习模型和 LoRA。
LiquidAI d1-3B 和 d1-omni-600M 开源决策模型，适用于边缘推理
LiquidAI 发布了两款开源权重的多模态决策模型——d1-3B 和实验性 d1-omni-600M，提供了边缘设备上的顶尖准确率和低于 50 毫秒的延迟。
Falcon ASR 发布
Hugging Face 和 TII 推出了 Falcon-ASR，这是一款 16 亿参数的语音识别模型，在阿拉伯语和阿联酋方言方面达到了顶尖水平。
Nemotron 3：在 IOI 和 IMO 2026 中達到金牌級表現
NVIDIA 展示了 Nemotron 3 可以通過微調轉化為世界級的競技編程和數學專家，在 2026 年國際信息學奧林匹克競賽（IOI）和國際數學奧林匹克競賽（IMO）中達到了金牌級表現。
OpenAI 为青少年版 ChatGPT 推出大学规划工具和学习辅助功能
OpenAI 为 ChatGPT for Teens 推出了大学规划工具，并增强了学习辅助功能，包括闪卡和多图笔记拍摄功能，以支持学术规划与学习。
Radisson Hotels ChatGPT 插件发布提升预订转化率
OpenAI 与 Radisson Hotel Group 推出了一款 ChatGPT 插件，让旅行者可直接在插件中对比酒店并完成预订，转化率比 Radisson 的自然搜索高出约 1.5 倍。
GPT-6 发布与智能用户界面
OpenAI 已发布 GPT-6，引入智能用户界面以实现交互式、可视化响应，并具备将思考与回答交错进行的能力，从而实现更快的响应速度。
DeepSeek-V4.1-Flash 在 vLLM 上：5 倍智能服务吞吐量优化
vLLM 通过实现 SWA 有界重放并集成专用的 DeepSeek 内核，使 DeepSeek-V4.1-Flash 在吞吐量上提升了 5.3 倍，在低并发场景下加速了 1.9 倍。
EmbeddingGemma 2 发布说明
Google DeepMind 发布了 EmbeddingGemma 2，这是一个 7.4 亿参数的多模态嵌入模型，专为跨文本、图像、音频和视频的设备端推理而设计。
Atlassian 和 OpenAI 合作关系扩展
Atlassian 和 OpenAI 正在扩展合作关系，将 GPT-6 系列模型和 Teamwork Graph 集成到 Atlassian 平台和 Rovo 中，以支持企业级 AI 代理。
Mistral Large 4 发布说明
Mistral AI 已推出 Mistral Large 4 的公开预览版，这是一款拥有 1 万亿参数的原生多模态开源权重模型，专为网络安全、智能体编码和专业知识工作领域的前沿性能而设计。
OpenAI 分享人工智能在数学领域的进展
OpenAI 已发布一系列由内部前沿模型生成的数学成果，通过 GitHub 仓库提供 Lean 形式化和透明度数据。
Jump Trading 使用 GPT-6 Astra 扩展量化研究
Jump Trading 利用 GPT-6 Astra 自动化长期视角的量化研究任务和递归代码改进，使研究人员的角色转向定义目标并监控代理工作流。
OpenAI GPT-6 Astra 在 Ironclad 合同任务中实现 32% 的性能提升
OpenAI 宣布，基于 Ironclad 合同工作流程训练的 GPT‑6 Astra，在平均性能上比 GPT‑5.6 Sol 提升 32%，执行时间减少 48%，标志着 AI 代理在处理复杂企业软件方面迈出了重要一步。
Falcon-Emirati-7B 发布：专为阿联酋方言打造的阿拉伯语大语言模型
Hugging Face 发布了 Falcon-Emirati-7B，这是一个针对阿联酋方言微调的 70 亿参数阿拉伯语大语言模型，在 Alyah 基准测试中实现了最先进的性能，并展现了卓越的方言保真度和文化理解力。
Anthropic 扩展网络安全验证计划
Anthropic 已将其网络安全验证计划（CVP）扩展，为符合条件的安全专业人员提供对 Claude Opus 5.5 和 Claude Mythos 5.1 等先进模型的分级访问，同时降低网络防护限制。
OpenAI 文本溯源与 textGrain 水印技术
OpenAI 正通过其 textGrain 技术推出文本水印功能，以符合欧盟《人工智能法案》要求，全球 API 客户可选择启用，欧盟地区的 ChatGPT 和 Codex 用户则需强制启用。
OpenAI 推出视觉广告格式并扩展 ChatGPT 广告的衡量标准
OpenAI 正在为 ChatGPT 推出一种新的视觉广告格式，并通过第三方集成扩展其衡量生态系统，以帮助广告商跟踪转化情况和品牌适用性。
ThinkingBox 基准测试揭示了 AI 代理在 507 个业务工作流中的稳定性差距
ThinkingBox 在 Hugging Face 上发布，根据后端状态变更而非工具调用评估 AI 代理，展示了在 507 个任务中重复 20 次后，12 个 LLM 之间存在显著的稳定性差距。