Mercor 研究：AI 记账速度与准确率超过持证会计师，但仍无法独立完成结账
Mercor 的一项研究让 12 名平均从业五年半的持证 CPA 完成 APEX Accounting Benchmark 的简化记账任务，结果显示 AI 模型在速度、准确率和成本上都优于会计师。
全部动态 · 今日71条
全部 AI 动态
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
The Decoder58 The Verge · AI60 亚马逊发文警告社区不要阻止 AI 数据中心建设
亚马逊呼吁公众支持 AI 数据中心项目，警告若社区阻止建设，美国经济与国家安全将遭受难以弥补的损害。AWS CEO Matt Garman 在超过 3000 字的博客中回应外界对就业、电力需求和环境影响的担忧，称全美正在审议 100 多项数据中心禁令，并提到有报道称部分国家在美国散布关于数据中心的虚假信息。
The Decoder65 Microsoft AI 发布面向语音智能体的转写与语音合成模型
Microsoft AI 发布实时转写模型 MAI-Transcribe-2-Streaming，支持 60 种语言，首个部分结果延迟略超 100 毫秒，微软称其在 Artificial Analysis 准确率排名第一，年底前音频价格为每小时 0.54 美元。
The Verge · AI58 Suno 上线语音生成功能，可同时生成人声与配乐
Suno 推出语音生成功能 Speech，已在其网页端和移动端开启公开测试，可根据脚本或提示词描述生成人声，并同时生成配套背景音乐。该功能提供 Simple 和 Advanced 两种模式，Advanced 可自定义脚本并调整 AI 声音性别、语音风格和每次生成的多样性，最长时长约 8 分钟，背景音乐可用开关关闭。
量子位66 丘成桐新论文致谢GPT 6 Astra和Claude Pro
丘成桐参与的最新论文在致谢中感谢GPT 6 Astra和Claude Pro在部分证明策略探索和计算中提供的帮助，论文处理的是七维空间27种怪球能否配上截面曲率严格为正度量的问题，该问题1982年被丘成桐列入自己的问题清单。
量子位62 openJiuwen 开源智能路由框架，x-router 实测降低 50%+ Token 消耗
openJiuwen 团队开源智能路由框架 model-router，并首发 x-router 自演进模型路由算法，在 Agent 与模型之间增加一层按请求动态选模的决策能力。
The Decoder62 Ramp AI Index：企业 AI 用量上升但支出下降
Ramp 经济学家 Ara Kharazian 发布的 Ramp AI Index 显示，美国企业在 AI 上的支出正在下降，用量自 7 月支出峰值以来上升约 50%，并在 9 月底创下新高。
MIT Technology Review · AI38 别被 LLM 骗了：大语言模型并不会真正推理
前 Google DeepMind 研究员指出，LLM 的思维链只是同一套 next-token 预测过程的延长迭代，并非 AlphaGo 那种独立推理机制。他认为当前模型存在三大缺陷：没有可检查的持久认知状态、知识与推理在权重中纠缠不清、思维链常是事后编造。为此他主张借鉴 AlphaGo 的游戏树架构，为机器推理建立显式的认知状态。
量子位66 arXiv 实施最严投稿新规：每人每月最多提交 2 篇，拒稿不退额度
arXiv 从 2026 年 10 月 1 日起执行新规，每个提交者每个自然月最多提交 2 篇论文，所有分类共用额度，且被拒稿也照样消耗当月次数。新规同时保留 2024 年起实行的限制，即任何时候最多只能有 3 篇处于 active 状态的投稿。
The Decoder精选78 Black Forest Labs 发布 Flux 3 Image，支持多步编辑
Black Forest Labs 发布 Flux 3 模型家族中的图像模型 Flux 3 Image，官方称其支持多步编辑且不改动画面其他部分，覆盖文生图、图生图、文字渲染和写实生成。
推荐理由：Flux 3 Image 把多步编辑与 4K 输出、参考图上限放在一起，可对照同期 Ideogram 4.5 看图像编辑模型的竞争节奏。
DeepSeek · X62 DeepSeek 发布 Harness 桌面版，支持 macOS 和 Windows
DeepSeek 发布 DeepSeek Harness 的打包桌面版，现已支持 macOS 和 Windows。Linux 用户可通过 npm 上的 @deepseek-ai/dsh 包获取，详情见 deepseek.com/harness。
Andrej Karpathy · X30 Karpathy 分享 LLM 陆海判定评测
很酷的 eval。只需问 LLM“陆地还是海洋？”，以文本形式给它一个经纬度坐标。问 16,200 次，绘制成图像。模型知道答案。来自对互联网的压缩。
Latent Space71 Pi 1.0 与 Pi Durable 发布：支持 MCP、崩溃恢复与并发会话
Earendil 旗下 Pi 发布 1.0 与 Pi Durable 两个版本，同时登上 Hacker News 首页。Pi 1.0 带来 Codemode 原生支持 MCP、Jev 与图像模型，新增虚拟模型扩展、延迟工具加载、Anthropic 模型缓存预热、对话中途系统消息、新 TUI 主题和默认全屏模式。
Hugging Face Blog42 ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功轨迹定位能力缺口，再生成并验证新任务用于后训练，课程随模型进步转向仍难的任务。该流程在 EnterpriseOps Gym 数据集上做了演示，生成任务需满足可行性、真实性与难度三项要求，验证器则需保证一致性、可靠性与完备性。
雷锋网22 寒武纪前高管梁军6连败后再将索赔提至278.32亿元
寒武纪前高管梁军在与公司的股权激励纠纷中已连续输掉6起诉讼，近期又将劳动争议索赔金额从42.87亿元提高至278.32亿元。相关股权正处于败诉后的司法强制执行阶段，寒武纪称该案件对日常研发及经营不存在影响。2026年上半年寒武纪营收59.96亿元，同比增长108.13%。
Sundar Pichai · X49 皮柴称 SynthID Bio 是维护科学诚信和生物安全的重要一步
忙碌的一周里，SynthID Bio——我们用于 AI 设计蛋白质的水印技术——为维护科学诚信和生物安全迈出了非常重要的一步！祝贺团队 @GoogleDeepMind @GoogleDeepMind 的转发帖：SynthID Bio 是我们新推出的一系列水印方法，专为 AI 生成的生物设计而开发。我们首次实现了将不可察觉的标记直接嵌入蛋白质序列，同时不影响其生物学功能。🧵
Andrej Karpathy · X62 Karpathy 分享理解模型输出的四种提示技巧
Andrej Karpathy 分享让大语言模型帮助理解其输出的几种做法：要求用 ASD-STE100 受控语言规范写作，或放宽到 80% 的程度；要求生成图表；要求以 HTML 输出交互式网页；以及生成定制讲解视频，例如用 ElevenLabs API key 配音的 3b1b 风格视频。他认为随着模型变强，更多工作会上升到监督与理解层面，而模型也能生成此前不值得制作的大型定制软件产物。
Latent Space34 MIT 的 Alex Zhang 谈 RLM、GPU kernel 与智能体集群：学术研究应押注工业实验室不会碰的方向
MIT 研究者 Alex Zhang 在 Latent Space 播客中介绍了其提出的 Recursive Language Models（RLM），基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的系统，早于 OpenAI 的 Astra。
Sundar Pichai · X18 我还记得团队第一次提出把计算设备送入太空的想法时的那场会议——真是个令人振奋的主意！今天，我们与合作伙伴 @planet 的原型卫星成功发射，展现了我们一路走来的进展……也让人看到前方还有很长的路要走。感谢 @SpaceX 送我们升空，助推器也再次精彩着陆🚀
我还记得团队第一次提出把计算设备送入太空的想法时的那场会议——真是个令人振奋的主意！ 今天，我们与合作伙伴 @planet 的原型卫星成功发射，展现了我们一路走来的进展……也让人看到前方还有很长的路要走。感谢 @SpaceX 送我们升空，助推器也再次精彩着陆🚀
NVIDIA Blog精选78 NVIDIA GPU 加速 OpenAI GPT-6 Astra Ultrafast 上线
GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行在 NVIDIA Blackwell GPU 上。
推荐理由：原文给出 Astra Ultrafast 相对标准模式的加速倍数与开放入口，读者可据此判断它对编码智能体循环的实际影响。
AWS Machine Learning Blog34 在 Amazon Bedrock AgentCore 上用智能体 AI 扩展云迁移
AWS Professional Services 用四个智能体组成的模式，将每应用的基础设施即代码（IaC）开发时间从 3 到 4 周缩短至几分钟，该模式基于 Strands Agents SDK 构建、运行在 Amazon Bedrock AgentCore 上，通过 AgentCore Gateway 暴露的 MCP 工具连接源与目标系统。
TechCrunch · AI62 报道称 Grok 曾建议特朗普抓捕委内瑞拉总统
据《时代》杂志报道，2025 年 12 月特朗普与马斯克秘密会面时，花数小时与 Grok 聊天，询问委内瑞拉人对其总统被抓会作何反应，Grok 称马杜罗是极不受欢迎的独裁者、许多委内瑞拉人可能会庆祝其下台。
OpenAI News12 The Den 借助 ChatGPT Work 每周省出 10-15 小时用于扩张
The Den 借助 ChatGPT Work 将拨款申请的准备时间从 3 天缩短至 2 小时，酒类执照材料从 4 天缩短至 3 小时，每周因此省出 10-15 小时用于业务扩张。这家社交俱乐部正筹备开设新门店。
Boris Cherny · X精选76 Claude Code 推出自定义行为、界面和功能的 mods
Boris Cherny 表示，用户现在只需通过提示词，就能自定义 Claude 的工作方式和外观。 他认为，不同的工作风格需要不同的 Claude 体验，并鼓励用户将 mods 作为插件分享。 在引用的公告中，@ClaudeDevs 表示，Claude Code mods 可以改变行为、自定义界面并添加用户自己的功能；用户可以用几行 TypeScript 编写，也可以让 Claude 来构建，然后通过 CLI 或桌面应用中的 /plugin 安装。
推荐理由：将自定义内容打包成可分享的插件，让不同工作风格的人可以通过相同的安装流程，交流对 Claude Code 行为、界面和功能所做的修改。
The Decoder66 Tavus 发布 Griffin 人机交互模型，48% 测试者误认为真人
Tavus 推出 Griffin，公司称其为首个 Human Interaction Model（HIM），可在实时视频通话中同时接收和生成语音、面部表情、语调、手势与停顿。
TechCrunch · AI66 OpenAI 与三名安全研究员解除关系，WSJ 报道
据《华尔街日报》报道，OpenAI 与三名安全团队研究员解除关系，原因是他们涉嫌违反公司政策，将敏感公司信息分享给一家第三方 AI 安全组织。OpenAI 发言人称内部调查确认这些人在既定公司流程之外处理敏感信息，违反了政策并破坏了信任，但报道未披露涉事研究员、第三方组织及所涉信息的具体内容。此事发生前两天，《纽约时报》刚报道 OpenAI 高管曾忽视员工对其安全实践的警告。
The Decoder62 Ideogram 发布 Ideogram 4.5，称可局部编辑图像而不影响其余部分
Ideogram 发布新模型 Ideogram 4.5，称其只修改用户指定的区域，其余部分保持不变，可避免多次编辑后出现伪影。该模型提供四档质量，每张图 0.8 至 22 美分，均为原生 2K 分辨率，现已在 Ideogram 平台和 API 上线，合作方包括 Picsart、Runway、Pika 和 Leonardo AI，并称即将推出开放权重版本。
TechCrunch · AI38 Graphite 研究：Claude Opus 5.5 最爱说"this matters"，GPT 模型写作特征反而越来越偏离人类
Graphite 研究发现 Claude Opus 5.5 使用"this matters"的频率是人类的 116 倍，"why X matters"高 92 倍，其最显著特征词为"dependable"（高出 23 倍）；OpenAI 的 Astra 则偏爱"another dimension"和"not simply X"式纠正性框架，后者出现频率超人类 100 倍。
The Verge · AI58 法官驳回 Chegg 与 Penske 针对 Google AI Overviews 的反垄断诉讼
美国联邦法官 Amit Mehta 周三驳回 Chegg 和 Rolling Stone 母公司 Penske Media Corporation 针对 Google AI Overviews 的反垄断诉讼，两方此前指控 Google 以垄断权力迫使出版商免费提供内容，否则将其从搜索结果中移除。
OpenAI News15 OpenAI：先进 AI 或成突破性创意背后的日常执行关键
OpenAI 探讨先进 AI 为何可能对突破性创意背后的日常性工作最为重要，并分析执行环节如何塑造下一阶段的经济形态与进步速度。
AWS Machine Learning Blog32 Amazon Payments 如何用 Amazon SageMaker AI 上的上下文多臂老虎机提升获客漏斗转化率
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）为产品获客漏斗做个性化内容选择，七周线上 A/B 测试中，一个人群组的最终漏斗转化率取得高个位数相对提升，另一人群组则未见改善。团队按申请开始、提交、审批三个阶段各跑一个 LinUCB 模型并线性组合其 UCB 分数，以同时优化整条漏斗，并开源了可在合成数据上试用的代码仓库。
AWS Machine Learning Blog36 用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可通过自定义 memory provider 接入 Amazon S3 Vectors，作为多智能体系统的持久化记忆层，并部署在 Amazon EKS 上。
Google DeepMind · X22 Google DeepMind 播客探讨 AI 内容溯源与水印
当 AI 生成内容变得如此逼真，我们如何验证哪些是人、机器或自然创造的？ 我们在播客中探讨溯源的关键作用——以及不可感知的水印如何同时保护数字媒体和生物设计。↓ 时间轴： 00:00 介绍 00:34 什么是水印？ 04:35 SynthID 15:16 图像与视频 19:28 SynthID Bio 28:00 韧性的未来
Simon Willison32 pwasm 0.2a0 发布：Claude Opus 5.5 改进纯 Python WebAssembly 引擎
Simon Willison 的纯 Python WebAssembly 引擎 pwasm 在 Claude Opus 5.5 接手后经 42 次提交升级至 0.2a0，现已支持几乎全部 WASM 规范。PyPI 上的 wheel 包内置了 MicroPython、QuickJS 和 Micro QuickJS 的可用 WASM 构建。该版本仍为 alpha，作者表示完全不可信任。
Ars Technica · AI62 Ataraxos 以 16 块 GPU 击败史上最强 Stratego 人类选手
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 以 15 胜 1 负 4 平击败被视为史上最强的 Stratego 选手 Pim Niemeijer，训练仅用 16 块 GPU、花费几千美元。
TechCrunch · AI60 Shopify 推出 Canvas，通过对话让 AI 搭建网店
Shopify 发布建站工具 Canvas，商家通过与 AI 智能体 Sidekick 对话即可搭建店铺。Canvas 实时渲染店铺真实代码而非静态预览，可测试页面交互与动画并查看不同屏幕尺寸下的效果，Sidekick 还会截图以同步所见内容。为此 Shopify 让 Sidekick 直接操作主题文件，并简化了主题架构；商家仍可点击单个元素直接修改。该产品仍处早期阶段。
OpenAI News16 Albertsons 如何用 ChatGPT Enterprise 和 OpenAI API 重塑零售
Albertsons 正使用 ChatGPT Enterprise 和 OpenAI API 帮助团队加快工作速度，并让数百万顾客的购物体验更轻松。
AWS Machine Learning Blog36 如何在 AWS 上为 Claude Platform 配置多环境访问
针对 Claude Platform on AWS（CPonAWS），一套完整实现方案可让生产 AWS 工作负载、开发者笔记本和外部 CI/CD 三类环境共享同一订阅，并通过 workspace 隔离生产与开发流量。方案采用专用 AI Services 账户加跨账户 SigV4、workspace 级 API key 和 OIDC 联合三种访问路径，其中外部环境使用短期凭证、无需持久密钥。
AWS Machine Learning Blog34 用 Amazon Bedrock AgentCore 构建环境智能体：从事件驱动信号到 human-in-the-loop 工作流
Amazon Bedrock AgentCore 支持构建"环境智能体"（ambient agent）：它监听 Amazon S3 事件通知、EventBridge 规则、Lambda 触发器等事件流并自动执行任务，需要时通过单个 ask_human 工具暂停等待人工审批，再从中断处恢复。
Mustafa Suleyman · X精选66 微软 AI 推出 MAI-Transcribe-2-Streaming，在 AA-WER Streaming 准确率排名中位居榜首
微软 AI 即将推出 MAI-Transcribe-2-Streaming，Mustafa Suleyman 称其为全球最准确的实时转录模型。 他声称，该模型比 ElevenLabs 快 55%、便宜 60%，并邀请开发者在微软平台上构建智能体。 在引用的帖子中，Artificial Analysis 报告称，该模型在 AA-WER Streaming 的最终转录和首个部分转录准确率排名中均位列第一；语音结束后 0.13 秒，最终转录的 WER 为 2.5%，流式转录定价为每小时音频 0.54 美元。
推荐理由：引用的基准测试对比将转录准确率与延迟和定价放在一起，为读者在为智能体选择流式语音模型时提供了具体的权衡依据。