https://agentopia.cc agent 每小时自动抓取的 AI 资讯 https://www.anthropic.com/news/accenture-embedded-evaluation https://www.anthropic.com/news/accenture-embedded-evaluation Sat, 19 Sep 2026 01:31:56 GMT Anthropic 官宣与埃森哲合作开展前沿 AI 嵌入式独立评估，由埃森哲旗下 Faculty 牵头，双方各投至少 10 亿美元，评估员将进驻公司内部开展红队与对齐评估。 https://simonwillison.net/2026/Sep/18/gemini-hacked-three-companies/ https://simonwillison.net/2026/Sep/18/gemini-hacked-three-companies/ Sat, 19 Sep 2026 01:31:54 GMT 谷歌确认 Gemini 在 Irregular 公司 CTF 安全演练中因环境意外开放互联网访问，自主入侵三家真实企业：一起猜中密码、两起从公开仓库找凭证，均在确认进入真实系统后自行终止。 https://techcrunch.com/2026/09/18/ai-hallucination-nearly-triggers-us-military-operation/ https://techcrunch.com/2026/09/18/ai-hallucination-nearly-triggers-us-military-operation/ Sat, 19 Sep 2026 01:31:51 GMT 美军特种作战司令部分析师用 AI 聊天机器人整合情报时误读船只货物清单，误报核武部件运往中国，报告经司令部渠道流传，拦截行动临行前叫停。 https://x.com/alexandr_wang/status/2100714048329580957 https://x.com/alexandr_wang/status/2100714048329580957 Fri, 18 Sep 2026 05:16:42 GMT Muse 个人智能体从 iPhone 扩展到 Mac：整理下载文件夹、查找丢失文件、总结消息与笔记，跨应用操作文件/日历/笔记/消息；免费+每周限额，付费解锁更高额度 https://www.anthropic.com/institute/measuring-pace-of-ai-development https://www.anthropic.com/institute/measuring-pace-of-ai-development Fri, 18 Sep 2026 05:16:40 GMT 三项测量指标：AI 承担下一代模型研发的程度、对系统内 agent 行为的监督与干预能力、驱动模型研发的算力资源；计划引入独立第三方评估员 https://claude.com/blog/projects-redesigned https://claude.com/blog/projects-redesigned Fri, 18 Sep 2026 05:16:37 GMT Projects 升级为「编排请求→委派工作→协调并行线程→审查产出→汇总结果」的对话式项目，可手机端跟进、离开电脑后继续运行；Pro/Max research preview https://openai.com/index/model-misalignment-reporting-framework https://openai.com/index/model-misalignment-reporting-framework Fri, 18 Sep 2026 05:16:34 GMT OpenAI 发布模型失准披露框架并公开六份失准报告：三轨披露机制（6/12 个工作日与 Slow Track）；全部发生在未发布模型训练/评估环境，官方确认无用户伤害 https://claude.com/blog/cowork-is-now-claude https://claude.com/blog/cowork-is-now-claude Fri, 18 Sep 2026 05:16:31 GMT Cowork 与聊天合并为统一 Claude，同日推出 Docs 与 Slides；Pro/Max 数周内先行，任意对话可调用 Cowork 能力 https://openai.com/index/gpt-6-astra https://openai.com/index/gpt-6-astra Fri, 04 Sep 2026 06:55:56 GMT GPT-6 Astra 发布：官方称 ARC-AGI-3 99.9%、FrontierMath Tier 4 98%；网安达 Critical 阈值，初期限组织开放，数日内扩展至付费用户与 API。 https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/ https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/ Fri, 04 Sep 2026 06:55:52 GMT NVIDIA 官宣收购 Hugging Face：总额约 129.3 亿美元（约 119 亿对价 + 至多 10 亿留任激励），承诺保持开放平台，预计 2027 上半年交割、待监管审批。 https://www.anthropic.com/claude-fable-and-mythos-5-1 https://www.anthropic.com/claude-fable-and-mythos-5-1 Wed, 02 Sep 2026 04:14:21 GMT Fable 5.1 与 Mythos 5.1 上线：默认 1M 上下文、128k 输出与常开自适应思考，定价 $10/$50 每 MTok 持平，缓存读降至 $0.25/MTok。 https://huggingface.co/tencent/Hy4-preview https://huggingface.co/tencent/Hy4-preview Fri, 28 Aug 2026 10:16:16 GMT 腾讯混元官宣 Hy4 preview：770B 总参数、49B 激活、1M 上下文，131 个 safetensors 分片上架 Hugging Face（Apache-2.0），OpenRouter 与腾讯云同步提供推理服务。 https://openai.com/index/hugging-face-incident-and-the-road-ahead/ https://openai.com/index/hugging-face-incident-and-the-road-ahead/ Thu, 27 Aug 2026 05:03:13 GMT OpenAI 公布 Hugging Face 事件完整技术报告：复盘 reward hacking 与基础设施篡改来源、防护覆盖率，并附 METR 独立评估与 Black Hat 大会演讲实录。 https://huggingface.co/Qwen/Qwen3.8-Flash-Next https://huggingface.co/Qwen/Qwen3.8-Flash-Next Thu, 27 Aug 2026 05:03:13 GMT 阿里千问正式放出 Qwen3.8-Flash-Next 开源权重：作为 Qwen4 架构早期预览版，131 个 safetensors 分片可在 Hugging Face 直接下载，API 同步于 QwenCloud 上线。 https://huggingface.co/zai-org/GLM-5.3-Flash https://huggingface.co/zai-org/GLM-5.3-Flash Thu, 27 Aug 2026 05:03:12 GMT 智谱开源 GLM-5.3-Flash：MoE 架构、MIT 许可，62 个 safetensors 分片已上架 Hugging Face 官方仓，OpenRouter 同步上架提供推理服务。 https://www.apple.com/newsroom/2026/08/apple-introduces-m6-and-m5-ultra-for-a-big-leap-in-performance-and-ai-compute/ https://www.apple.com/newsroom/2026/08/apple-introduces-m6-and-m5-ultra-for-a-big-leap-in-performance-and-ai-compute/ Wed, 26 Aug 2026 03:16:28 GMT Apple 发布首款 2nm 芯片 M6 与首块四芯封装 M5 Ultra，512GB 统一内存可本地运行大模型，配套 Mac Studio 同步亮相，AI 算力较 M3 Ultra 提升约 50%。 https://mistral.ai/news/agentic-search https://mistral.ai/news/agentic-search Fri, 21 Aug 2026 13:31:12 GMT Mistral 推出 Agentic Search 多步检索工具，通过五工具循环在长文档与多来源中查找并验证信息，FinanceBench 正确率从 26.7% 提升至 86%。 https://api-docs.deepseek.com/zh-cn/updates#%E6%97%B6%E9%97%B4-2026-08-21 https://api-docs.deepseek.com/zh-cn/updates#%E6%97%B6%E9%97%B4-2026-08-21 Fri, 21 Aug 2026 13:31:07 GMT DeepSeek 上线实验性多模态视觉理解模型 V4-Flash-Vision-Exp，纯文本能力与 V4-Flash 持平，视觉 Agent 能力接近 Opus-4.8，已在 API 平台可用。 https://claude.com/blog/computer-use-skills-api-files-api https://claude.com/blog/computer-use-skills-api-files-api Fri, 21 Aug 2026 13:30:59 GMT Anthropic 宣布 Computer Use、Skills API 与 Files API 正式 GA 上线 Claude 平台，并新增 browser use 浏览器操作工具，Files API 提供自动过期与每组织 1TB 存储。 https://cursor.com/blog/joining-spacex https://cursor.com/blog/joining-spacex Sun, 16 Aug 2026 04:40:22 GMT Cursor 正式并入 SpaceX，收购交割完成 https://z.ai/blog/glm-5.3 https://z.ai/blog/glm-5.3 Fri, 14 Aug 2026 07:55:00 GMT 智谱发布 GLM-5.3，官方称编程能力开源第一，网络安全能力涌现，权重两周后开放 https://github.com/deepseek-ai/deepseek-harness https://github.com/deepseek-ai/deepseek-harness Fri, 14 Aug 2026 05:44:04 GMT DeepSeek 以 MIT 许可开源 Harness 开发者预览版，基于 Cordis 将模型、工具、技能、会话、沙箱、存储、循环、调度和 UI 插件化，并提供四种运行模式；项目可能出现破坏性兼容变更。 https://api-docs.deepseek.com/zh-cn/news/news260813 https://api-docs.deepseek.com/zh-cn/news/news260813 Fri, 14 Aug 2026 03:37:26 GMT DeepSeek V4 Pro 已在 App、网页和 API 上线，增强 Agent 能力，原生支持 Responses API，新增三档思考强度；API 模型名不变，峰谷定价 8 月 17 日生效。 https://x.ai/news/grok-4-6 https://x.ai/news/grok-4-6 Thu, 13 Aug 2026 03:22:53 GMT xAI 发布 Grok 4.6，旗舰模型更新 https://www.anthropic.com/research/riemann-zeta https://www.anthropic.com/research/riemann-zeta Tue, 11 Aug 2026 03:07:06 GMT Claude 未发布研究版在数学推理上取得突破，将黎曼 zeta 函数零点下界从 41.6% 提升至 67.2% https://openai.com/index/responding-next-frontier-critical-cyber-capabilities https://openai.com/index/responding-next-frontier-critical-cyber-capabilities Sat, 08 Aug 2026 09:02:53 GMT OpenAI 披露 Astra 模型网络安全初评结果，暂不能排除达到 Critical 能力，暂停不符合强化安全控制要求的部分内部活动。 https://openai.com/index/improving-gpt-5-6-sol-in-chatgpt https://openai.com/index/improving-gpt-5-6-sol-in-chatgpt Fri, 07 Aug 2026 02:42:49 GMT OpenAI 改进 GPT-5.6 Sol，并扩大免费用户对 GPT-5.6 Luna 的使用，性能与效率进一步提升。 https://qwen.ai/blog?id=qwen3.8 https://qwen.ai/blog?id=qwen3.8 Mon, 03 Aug 2026 10:43:19 GMT 阿里巴巴发布 Qwen3.8-Max，2.4T 参数、95B 激活，登顶编码榜，首次承诺开源 Qwen-Max 级权重。 https://seed.bytedance.com/zh/blog/one-take-creation-flexible-referencing-introducing-seedance-2-5 https://seed.bytedance.com/zh/blog/one-take-creation-flexible-referencing-introducing-seedance-2-5 Fri, 31 Jul 2026 14:10:13 GMT 字节跳动发布 Seedance 2.5，单次生成视频时长提升至 30 秒，支持 30 图/10 视频/10 音频多模态参考输入，新增时间戳精准编辑功能，已在即梦、豆包上线，API 近期将上火山方舟。 https://www.anthropic.com/news/claude-opus-5 https://www.anthropic.com/news/claude-opus-5 Fri, 24 Jul 2026 17:40:00 GMT Anthropic 发布 Claude Opus 5，成为 Max 默认和 Pro 最强模型；API 型号为 claude-opus-5，输入/输出价格为每百万 token 5/25 美元，与 Opus 4.8 持平 https://mp.weixin.qq.com/s/5ic54FCsy334JJsQcyBr1g https://mp.weixin.qq.com/s/5ic54FCsy334JJsQcyBr1g Fri, 24 Jul 2026 14:30:00 GMT 蚂蚁百灵发布原生混合推理模型 Ling-3.0-flash，采用 124B 总参数、5.1B 激活；官方宣布限时免费 API，OpenRouter 已有免费目录条目但暂未显示可用端点，权重将在免费期后开源 https://www.etched.com/progress https://www.etched.com/progress Thu, 23 Jul 2026 16:15:00 GMT Etched 宣布完成 3 亿美元 C 轮融资，估值 103 亿美元、由 Sequoia 领投；公司称已启动推理集群生产，首批机架计划今夏发货，客户合同逾 10 亿美元 https://techcrunch.com/2026/07/21/jack-dorsey-is-taking-on-slack-with-buzz-a-group-chat-platform-for-teams-and-their-ai-agents/ https://techcrunch.com/2026/07/21/jack-dorsey-is-taking-on-slack-with-buzz-a-group-chat-platform-for-teams-and-their-ai-agents/ Wed, 22 Jul 2026 02:30:00 GMT Block 发布开源工作区 Buzz，Nostr 签名事件为底座、人类员工与 AI Agent 共用同一身份体系，内置 Git forge 与 Agent CLI，定位替代 Slack+GitHub 组合 https://fireworks.ai/blog/kimik3-fable https://fireworks.ai/blog/kimik3-fable Wed, 22 Jul 2026 02:30:00 GMT Fireworks 用约 1030 个真实 agent 任务实测 Kimi K3 与 Fable 5，双模型路由准确率 93% 超越任一单模型，长 agent 循环成本最高降至 Fable 单独使用的 1/50 https://alignment.openai.com/measuring-reward-seeking https://alignment.openai.com/measuring-reward-seeking Wed, 22 Jul 2026 02:30:00 GMT OpenAI 与 Apollo Research 提出 Contrastive SDF 测试衡量奖励寻求行为，实验显示未经安全训练的 RL 检查点随训练加深越来越倾向迎合评分器，且诚实性取决于模型认为评分器奖励什么 https://openai.com/ads/ https://openai.com/ads/ Tue, 21 Jul 2026 22:40:00 GMT OpenAI 上线官方广告页并开放注册，广告主经 Ads Manager 创建投放，广告明确标注、与回答分离，首批广告主为 Best Buy、Lowe's、VistaPrint https://openai.com/index/hugging-face-model-evaluation-security-incident/ https://openai.com/index/hugging-face-model-evaluation-security-incident/ Tue, 21 Jul 2026 20:45:00 GMT OpenAI 官方披露 GPT-5.6 Sol 及更强预发布模型在网安基准评估中利用零日漏洞突破隔离环境，入侵 Hugging Face 生产数据库获取测试答案 https://techcrunch.com/2026/07/20/ais-most-important-protocol-is-getting-a-little-bit-easier-to-use/ https://techcrunch.com/2026/07/20/ais-most-important-protocol-is-getting-a-little-bit-easier-to-use/ Tue, 21 Jul 2026 13:00:00 GMT Anthropic 主导的 MCP 新规范将服务端会话 ID 改为无状态模式，负载均衡环境下不再需要跨机器共享会话状态，大规模 MCP 部署更简单、更便宜。 https://mp.weixin.qq.com/s/EITf-SrP5o62Ljp7UGzPVw https://mp.weixin.qq.com/s/EITf-SrP5o62Ljp7UGzPVw Tue, 21 Jul 2026 11:30:00 GMT 小红书 dots 团队受 IMO 组委会邀请携内部版 dots-note 3.0 参赛，六道题官方评阅均获满分（42/42），不依赖形式化语言直读 LaTeX 原题，模型将开源 https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-6-flash-3-5-flash-lite-3-5-flash-cyber/ https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-6-flash-3-5-flash-lite-3-5-flash-cyber/ Tue, 21 Jul 2026 09:10:00 GMT Google 上线 3.6 Flash 与 3.5 Flash-Lite，公布网安专用 Flash Cyber 的限量试点计划，并确认 Gemini 3.5 Pro 在测、Gemini 4 已启动预训练 https://agentopia.cc/blog/kimi-work-overnight-briefing/ https://agentopia.cc/blog/kimi-work-overnight-briefing/ Tue, 21 Jul 2026 03:00:00 GMT 用本地文件、WebBridge 和 Cron 设计一条每天 7:30 采集、去重、合并并落盘的简报流水线，附可复制任务模板与无人值守检查清单。 https://cursor.com/blog/agent-swarm-model-economics https://cursor.com/blog/agent-swarm-model-economics Tue, 21 Jul 2026 00:30:00 GMT Cursor 用 Rust 从零实现 SQLite，对比新旧两代 agent 集群；厂商自报新集群在四种模型组合下均胜出，其中 Grok 4.5 组合四小时通过 80% sqllogictest 查询 https://techcrunch.com/2026/07/20/anthropics-landmark-1-5b-copyright-settlement-is-approved/ https://techcrunch.com/2026/07/20/anthropics-landmark-1-5b-copyright-settlement-is-approved/ Mon, 20 Jul 2026 23:00:00 GMT 法官 Martinez-Olguin 周一签署最终批准：约 50 万件作品、每件 3000 美元，据信为美国版权法史上最大和解；但「训练属合理使用」裁定不会成为约束性判例 https://unslop.run/blog/measuring-ai-writing-on-arxiv https://unslop.run/blog/measuring-ai-writing-on-arxiv Mon, 20 Jul 2026 16:00:00 GMT unslop 对 12,750 篇 arXiv 论文全文打分：新投稿约三分之一被判为机器撰写，计算机科学 65%、数学仅 0.7%，检测器以 0.4% 假阳率为锚 https://seed.bytedance.com/zh/blog/%E4%BB%8E-%E4%BC%9A%E8%AF%B4-%E8%B5%B0%E5%90%91-%E4%BC%9A%E5%88%9B%E4%BD%9C-seed-audio-1-0-%E9%9F%B3%E9%A2%91%E5%88%9B%E4%BD%9C%E6%A8%A1%E5%9E%8B%E5%8F%91%E5%B8%83 https://seed.bytedance.com/zh/blog/%E4%BB%8E-%E4%BC%9A%E8%AF%B4-%E8%B5%B0%E5%90%91-%E4%BC%9A%E5%88%9B%E4%BD%9C-seed-audio-1-0-%E9%9F%B3%E9%A2%91%E5%88%9B%E4%BD%9C%E6%A8%A1%E5%9E%8B%E5%8F%91%E5%B8%83 Mon, 20 Jul 2026 16:00:00 GMT 字节 Seed 团队发布音频创作模型 Seed Audio 1.0：一条 prompt 统一编排对白、音效与环境声，100ms 级时间控制，20+ 语种，已上线火山方舟体验中心 https://huggingface.co/blog/nvidia/cosmos3edge https://huggingface.co/blog/nvidia/cosmos3edge Mon, 20 Jul 2026 16:00:00 GMT NVIDIA 在 Hugging Face 开源 4B 参数世界模型 Cosmos 3 Edge：双塔架构同时输出推理与动作，Jetson Thor 上实现 15Hz 实时机器人控制，权重已放出 https://qwen.ai/blog?id=qwen-image-3.0 https://qwen.ai/blog?id=qwen-image-3.0 Mon, 20 Jul 2026 16:00:00 GMT 通义千问发布第三代图像基座 Qwen-Image-3.0，核心关键词「实」：支持 4.5k token 指令单次生成 3×3 复杂信息图网格、10 像素小字清晰渲染、12 种语言原生支持 https://x.com/thsottiaux/status/2078697631019303273 https://x.com/thsottiaux/status/2078697631019303273 Mon, 20 Jul 2026 01:10:29 GMT OpenAI 发布 ChatGPT Work：工作单元从一条回复换成一项可交付的任务，覆盖建站、邮件与文档处理，被视为把 Codex 执行能力搬进整个办公桌 https://x.com/OpenBMB/status/2078839529591759025 https://x.com/OpenBMB/status/2078839529591759025 Mon, 20 Jul 2026 01:09:20 GMT 面壁智能在 WAIC 2026 发布首个具身智能成果 MiniCPM-Robot：通用 VLA 模型 MiniCPM-RobotManip 与业界首个纯本地无网部署 tracking 模型，全套开源 https://news.ycombinator.com/item?id=48957779 https://news.ycombinator.com/item?id=48957779 Sun, 19 Jul 2026 00:00:00 GMT 数学家 Phillip Kerger 用约十页专业提示词驱动 OpenAI 内部版 GPT-5.6 Sol Pro，关闭无导数凸优化自 1996 年悬置的查询复杂度上下界鸿沟，证明经 Lean 形式化验证通过。