AI 情报

· 34 条 · 北京时间

  1. 报道:山东大学研究:换编码智能体框架对通过率影响约等于重跑,成本可增至三倍

    议题

    The Decoder 报道山东大学 Liu 与 Han 的论文《What does a harness buy? Mostly tokens》。

    展开详情

    研究固定模型,在 Claude Code、OpenCode、mini-SWE-agent 三个框架上跑 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash、HY4-Preview,用 SWE-bench Verified 的 45 道最难题加 447 道题池,部分配置重复运行以测噪声。作者称换框架带来的通过率差异与同一配置重跑相当,任务级翻转率均约 13%,换模型则约 22%;唯一显著差异是 OpenCode 在题池上落后最多 9 分。成本差异主要来自每步重发的系统提示与工具描述,Claude Code 约 16,600 token,OpenCode 约 7,000,mini-SWE-agent 不足 1,000,单任务成本最多差三倍。

    尚未明确:研究主要基于 SWE-bench Verified 单一基准,Terminal-Bench 2.1 仅小规模交叉验证;闭源最强的 Claude Opus 5 只在 Claude Code 中运行;OpenCode 的本地模型时间限制被作者列为未控制变量;OpenCode 剩余差距原因未解释;论文为预印本,未见同行评审。

  2. 报道:Block 发布纯语音训练模型 Dessa,可直接识别情绪与停顿

    模型与工具

    Square 与 Cash App 母公司 Block 公布语音模型 Dessa,称其完全基于人类语音、不含文本数据从零训练,直接处理音频而非先转文字,可实时捕捉情绪、讽刺、笑声与停顿,并支持全双工同时听说。报道称其可在 MacBook Pro M4 Max 本地运行,训练使用单台 NVIDIA GB200 NVL72。

    展开详情

    Block 表示出于好奇、改善人机沟通与安全考虑而做,目前未公开发布,先招募 AI 安全研究者测试风险,可通过表单报名。上述能力与训练细节均为 Block 说法,媒体未独立验证。

    尚未明确:未公开模型规模、评测数据与情绪识别准确率;本地运行的具体硬件要求与延迟未知;嵌入演示视频未审看,实际效果未独立验证;公开发布时间与许可方式未说明。

  3. 报道:Meta新商业条款10月30日生效:AI出错责任转给企业客户

    议题

    据CIO.com报道,Meta拟于10月30日生效的商业条款把AI功能出错的责任转给企业客户:条款称AI功能可能出错,客户须自行承担相关全部风险。条款还要求客户对合作伙伴或代理上传的内容负责,并授权Meta用爬虫抓取与客户产品相关的域名内容。Meta公关回应称抓取条款仅适用于广告与商业产品,不改变robots.txt机制,但截至报道时文本尚未修改。多位分析师认为该条款把责任倒置,并可能迫使企业重盘Meta资产。

    补充信息

    尚未明确:条款最终文本是否按Meta公关说法修改、robots.txt相关表述如何落地,均未确认;报道未说明该条款在各地是否可执行、是否有企业已提出异议或退出。

  4. 作者称:DeepSeek 发布 V4.1 Flash 1017 模型并开源推理引擎 DeepInfer

    模型与工具

    AI Search 视频介绍,DeepSeek 于 10 月 17 日发布 V4.1 Flash 1017,称其为当前最强开源模型之一,采用 MoE 架构、5520 亿总参数、激活约 160 亿,权重已在 Hugging Face 开放下载。作者用其做了动画讲解视频、Unreal 3D 游戏、DAW 编曲、Airbnb 建模、图像找青蛙、脑瘤识别、深度研究和创意生成等测试,称多数任务接近但未超过闭源前沿模型,全部测试花费约 6 美元。

    展开详情

    同时 DeepSeek 开源推理引擎 DeepInfer,作者称其披露单集群日处理 155 万亿 token、每 GPU 小时 38 美元收入、96% 输入缓存命中率,并支持华为昇腾芯片。以上性能与成本数字均为作者转述或估算。

    尚未明确:视频为作者自测,未独立复现;基准分数、155 万亿 token/日、38 美元/GPU 小时、80% 毛利均为作者转述或推算,官方未在材料中确认;DeepInfer 未包含完整缓存与负载均衡系统,无法据此复现其经济性;模型本地运行仍需高端 GPU。

  5. 报道:Convovo研究:强制二选一时Grok 4.7九成选共和党,GPT-6.1九成七选民主党

    议题

    TechCrunch报道Convovo(康奈尔教授Tapan Parikh主持)一项研究:通过API向Grok 4.7和GPT-6.1 Sol提问“该选区该投谁,只报一个名字”,近500场选举中Grok 92%推荐共和党候选人,GPT 97%选民主党,两者一致率不足10%。OpenAI回应称消费端ChatGPT默认拒答,API结果不代表用户体验;SpaceXAI未回应。

    展开详情

    作者进一步测试称,关闭联网搜索后GPT仍偏民主党(30场中24场),Grok则27场拒答,据此认为GPT倾向在权重中、Grok倾向来自搜索词与信源。研究还称Grok每次API请求附带约1240个研究者不可见token。

    尚未明确:研究由单一机构完成,未见同行评审;API附加token的来源与作用未确认;关闭搜索的30场样本很小;SpaceXAI未回应;消费端“可被简单提示越狱”仅为作者说法。

  6. 作者称:Dwarkesh 探访英特尔工厂:AI 算力年增三倍,先进晶圆产能最多翻倍

    议题

    Dwarkesh Patel 发布其参观英特尔先进晶圆厂并访谈技术高管的视频,时长约 69 分钟,播放量 14.6 万。他称过去十年 AI 算力每年增长约 3 倍,而英特尔 CTO 表示,以当前全球芯片制造设备存量,英特尔只能把先进制程晶圆产能提高约一倍。访谈涉及环绕栅极晶体管、背面供电、CFET、混合键合、High-NA EUV 与钌互连等路线,并讨论 ASML EUV 设备年产量不足 100 台构成瓶颈。

    展开详情

    上述数字与判断均来自节目转述的英特尔高管说法,非独立核实。

    尚未明确:英特尔 CTO 的产能翻倍说法缺少公开测算细节;ASML 年产量数字为节目转述;视频画面与动画未审看,部分内容来自自动字幕,术语可能有误。

  7. 作者称:Nick Saraev 提出用管理员工的方式管理 Claude 智能体,替代提示词工程

    实践

    YouTube 创作者、LeftClick 经营者 Nick Saraev 在视频中主张,提示词工程已不再是关键技能,应把 Claude 等 AI 智能体当作持续在岗的员工来管理:设定可衡量的 SMART 目标、用个人知识库提供背景、给出高质量范例、多轮跑同一任务并汇总反馈形成 SOP、用固定任务集对比新旧模型,并按任务难度分配模型以控制成本。

    展开详情

    他引用 Anthropic 员工 Boris Cherny 的说法称,Claude Code 创作者主要通过 Slack 使用 Claude,并称 Anthropic 内部 AI 已写出超过 80% 合并代码;这些均为转述,未独立核实。作者自述某日 token 花费约 2500 美元。

    尚未明确:Anthropic 内部 80% 代码由 AI 撰写、员工让 Claude 连续运行数周等说法均为视频转述,未见原始出处;作者自述的 token 花费与年化推算属个人经验,未说明统计口径;SMART 目标与知识库方法缺少可复现的效果数据。

  8. 观点:欧盟成员国通过GDPR修订:AI场景下个人数据处理可自动合法

    议题

    隐私组织 noyb 称,欧盟成员国在10月21日(周三)批准了《数字综合法案》中新增的 Article 88bis(原提案 Article 88c):在“AI 语境”下处理个人数据应自动视为合法,企业无需用户同意即可依赖“正当利益”使用或训练 AI,包括多年前收集的聊天、社交媒体数据及非客户数据。

    展开详情

    noyb 称理事会仅补充引用 Article 21 选择退出权和 Article 24 实施义务,认为无实质保障;并称成员国还提议收窄“个人数据”定义、使化名数据(用户ID、IP、追踪ID)可能脱离GDPR。这是 noyb 对文本的解读与批评,非最终法律。

    尚未明确:最终法律尚未确定:理事会立场还需与欧洲议会谈判(trilogue),议会立场未定;Article 88bis 最终措辞、选择退出机制的实际效力、化名数据是否真被排除,以及是否会被欧盟法院推翻,均未知。noyb 的“自动合法”“无实质保障”属其解读,未见到官方文本逐条核实。

  9. Pika 推出 ChatGPT 官方插件,可在对话内生成并剪辑视频图像音频

    模型与工具

    Pika 上线官方 ChatGPT 插件,把其创作工具接入 ChatGPT 对话。据 Pika 官网,插件提供 40+ 工具、55+ 生成媒体模型,覆盖视频、图像、音乐、音效与语音,并可访问用户的 Pika 素材库;支持在对话中调出时间线做剪辑、延长、放大、配乐等操作,安装后首次生成可获 250 积分,生成前默认显示预估费用。

    展开详情

    播客 The Next New Thing 将其描述为“拍照后直接在 ChatGPT 里生成产品视频”,并认为对卖实物商品者较实用,但这属于主持人观点,未见独立实测。

    尚未明确:插件实际生成质量、速度与积分消耗未经验证;官网一处称 55+ 模型、FAQ 又称 100+,口径不一致;播客提到的产品视频效果与适用场景为主持人说法,无实测数据。

  10. Google Cloud 演示 Knowledge Studio:为 Gemini Enterprise 与 BigQuery 智能体提供受治理上下文

    模型与工具

    Google Cloud Tech 发布一段 4 分 56 秒的演示视频,介绍 Knowledge Catalog 中的 Knowledge Studio。

    展开详情

    按视频描述,它把 BigQuery 表结构、Cloud Storage 政策文档、元数据以及从真实工作负载推断出的查询-答案对索引成可搜索的上下文图,并连接 SAP、Spanner、dbt、Looker 语义模型等资产;Enrichment Agent 会抓取 Cloud Storage、Workspace、GitHub、SharePoint 内容,并从 Gemini Enterprise 和 BigQuery 智能体的交互轨迹中生成知识候选,由数据管理员审核后发布到受 IAM 管控的 Context Sets。视频称可带来最高 4 倍准确率提升、延迟降至约三分之一、token 成本最多降低 75%、工具调用减少 67%,这些均为 Google 方面的说法,未独立验证。

    尚未明确:视频为厂商演示,未说明 Knowledge Studio 的正式可用状态、定价与区域支持;性能数字的测试条件、基线口径和样本规模未披露;与现有数据目录、权限体系的迁移成本未知。

整理于 2026-10-25 06:49(北京时间) · 部分来源暂未获取