AI 情报
· 46 条 · 北京时间
X账号DailyPapers称,微软在Hugging Face发布了一个4B参数的混合式电脑操作智能体(computer-use agent),单一策略可判断何时点击、何时写代码,在OSWorld-Verified上得分66.0%,高于27B和30B的同类智能体。该帖附有Hugging Face页面链接,指向microsoft/Mage-VL-Cowork。
展开详情
以上均为该账号的转述,微软官方模型卡与评测细节尚未在材料中呈现,得分与对比结论未获独立核实。
尚未明确:微软官方是否正式发布、模型卡中的评测设置与基线对比是否与帖文一致、66.0%的具体口径、模型许可证与是否可商用、实际桌面任务中的稳定性均未在材料中说明。
YouTube 频道 Rob Shocks - Switch Dimension 发布 16 分钟视频,主张 Grok Bot 更适合当编码代理的“经理”而非写代码者:由它规划任务、分派给 Claude Code、Codex 或 Cursor 云代理,再核验产出并回报。
展开详情
作者称演示了 Grok Bot 工程师 Lauren Tan 的日常循环与合并前的“信任栈”,以及自己的配置:一个对话机器人加若干窄用途机器人、Mac 上的 Claude Code、Cursor 云代理、用 RICE 排序的 Notion 待办,以及每次改动都开预览 PR。视频另讨论代理增多后信任如何扩展、Anthropic Claude Code 团队在代码审查上的改动和共享机器人电脑的安全规则。以上均为作者自述,未提供独立验证。
尚未明确:视频内容未逐字读取,摘要依据简介与章节;作者所述效率与信任栈效果无量化数据;Grok Bot 的具体定价、可用地区与权限模型未说明;“2000 PR”等引用数据来自他人说法,未核实。
Nick Saraev 在 YouTube 发布约 28 分钟教程,称 AI 咨询的核心是帮企业找出瓶颈并落地自动化,而非只写代码。他提出六步法:用 RACE 框架(触达、获客、转化、扩张)定位瓶颈,做目标分解,用 Claude 构建系统,借 Claude Code 的 routines 部署为定时云任务,用 evals 反复测试迭代,最后每周同步团队。
展开详情
他称自己经营的 LeftClick 月收入约 7 万美元,并引用美国人口普查局数据称 2025 年 12 月至 2026 年 5 月约 15% 至 20% 美国企业实际使用 AI。以上均为作者自述,未独立核实。
尚未明确:LeftClick 月收入、客户增长案例、50,000 美元保证等均为作者自述,无第三方验证;美国人口普查局数据的具体口径与出处未在材料中给出;视频为荷兰语自动字幕,部分产品名与数字可能有转写误差;未独立实测其方法效果。
Wes Roth 发布一条由 SpaceX 赞助的 Grok Bot 教程视频,演示从创建单个 bot 到搭建“AI 研究团队”:设一名 chief of staff 统一调度,分设分析师、SEC 文件追踪、供应链、日历、唱反调、记账、税务和模拟交易等 bot,通过群聊共享 Google Drive 表格协作,并设置定时例程在开盘前后检查 Reddit 与新闻。
展开详情
作者称 bot 在云端独立电脑上 24/7 运行,还能通过观看用户操作学习技能。所有投资演示均为模拟盘,作者声明不构成财务建议。
尚未明确:视频为赞助内容,作者未做独立实测对比;bot 实际稳定性、成本、权限共享带来的安全风险、技能学习成功率均未量化;“击败标普500”等说法来自模拟盘,无验证意义。转录中多处公司名疑似识别错误,需以官方文档核实。
X 账号 Dark Web Informer 转发黑客论坛帖,称用户 localizer 从与 Amazon Bedrock 相关的 AWS 存储桶取得 Claude Fable 5 权重一个约 7GB 分片并兜售,原帖注明未经证实。
展开详情
X 用户 toriset 反驳:截图文件大小与内容同 DeepSeek V4.1-Flash-1017 第 13 至 42 号分片一致,该模型已在 Hugging Face 免费开放;eu-north-1 不托管 Fable;640 片乘 7.39GB 约 4.73TB,与所称 8TB 不符;仅 1/640 无法蒸馏。发帖者宝玉称未能自行逐字节比对,Anthropic 与亚马逊截至 10 月 31 日上午未回应。
尚未明确:卖家原始截图未能被宝玉直接核验,逐字节比对结论来自 toriset;Anthropic 与 AWS 均未回应,也无主流媒体报道;发帖论坛账号注册时间短,动机不明。
据 The Decoder 报道,OpenAI 向 Trusted Access 计划成员发邮件确认,自11月29日起将把 Daybreak Blue 网络安全会话数据用于模型训练,即使成员关闭了“为所有人改进模型”设置。此前这类数据被排除在训练之外。报道称消息引发反弹后,OpenAI 追加邮件承诺提供单独退出选项;安全审查中被标记的交互仍可用于安全目的。
展开详情
报道将此与 Buckmaster-Alpöge 事件联系起来,但 OpenAI 当时否认使用研究者输入训练。
尚未明确:单独退出选项的具体范围、生效时间与默认状态未说明;Daybreak Blue 会话数据的采集范围与去标识化方式未知;OpenAI 官方政策原文未在材料中给出。
YouTube 创作者 Nick Saraev 发布视频,称 Kimi K3.1 Pro 已上线,并用同一提示、各自编码工具(Kimi Code 与 Claude Code)在8个设计、UX、游戏任务上对比 Claude Opus 5.5。他称 Kimi 平均构建约29分41秒,Opus 约47分02秒;Kimi 在键盘配置器、Minecraft 类场景更完整,Opus 在视觉精细度和部分游戏上更好,但有两个演示无法运行。
展开详情
他引述 Kimi 页面基准:Terminal Bench 4.0 为65.7、SWE Marathon 为51.7、Humanity's Last Exam 为70,并称定价为每百万输入2美元、输出10美元。以上均为作者说法,未独立核实。
尚未明确:基准分数来自 Kimi 官方页面,未独立复现;8个演示为单次运行,评分主观,未说明失败是否重试;定价与套餐额度未与官方文档核对;视频画面未审看。
X 用户歸藏(@op7418)称,其将此前几个设计 Skill 合并为 DSH 插件 dsh-guizang-design,共用一套设计系统与 Design Token,并内置网页排版 skill「guizang-pages-skill」。据其描述,该 skill 可把图文、视频排成阅读导向的网页,针对中文排版优化字体、字号与间距,右下角支持自定义样式,做了移动端适配,并可导出 PDF 便于分享自己与 AI 生成的内容。
展开详情
以上均为作者自述,未见第三方实测或公开代码仓库说明。
尚未明确:材料未说明 DSH 具体指什么平台、插件如何获取与安装、是否开源或收费;排版效果、中文优化程度与 PDF 导出质量均无第三方验证;发布时间与版本号也未明确。
视频称 DeepSeek 于 10 月 17 日发布 V4.1 Flash 1017,为 5 周前 V4.1 Flash 的升级版,权重以 MIT 许可在 Hugging Face 开放,支持文本与图像、约百万 token 上下文。作者引述 DeepSeek 自报基准称其在多项编程与 Agent 测试上超过 Claude Opus 5、GPT 5.6 Sol,API 定价为每百万输入 0.3 美元、输出 1.2 美元。
展开详情
作者同时引用 Artificial Analysis 数据:智能指数 45,低于 Opus 5.5 的 58,幻觉率 67%,并称其在 Agent Arena 为排名第一的开源模型。以上多为作者转述,未独立实测。
尚未明确:DeepSeek 官方基准与第三方评测的具体数值、参数量(5500 亿至 7000 亿以上说法不一)未在材料中核实;美国 DHS 禁令细节、路透社黑客报道与 DeepSeek 的关联均来自视频转述,需查原始文件与报道。
NDC Oslo 2026 的一场演讲中,Gui Ferreira 以非 Anthropic 员工身份,分享自己日常使用 Claude Code 的经验,按“一次性配置、日常工作流、平台扩展、非编码用途”四类讲了约40个做法,包括用 CLAUDE.md 导入与精简、settings.json 权限拒绝、自定义状态栏、计划模式中 Ctrl+G 编辑计划、rewind 回退、/compact 与 /context 管理上下文、hooks 自动跑测试、把脚本打包成 skills、.mcp.json 共享 MCP、headless 模式,以及用 Obsidian 加 skills 管理笔记和跑步计划。
展开详情
他引用 ETH Zurich 研究称冗长 CLAUDE.md 会降低表现并增加成本,并提到默认约104个斜杠命令。以上均为演讲者个人说法,未独立验证。
尚未明确:ETH Zurich 研究的具体数据、104个斜杠命令等数字未在材料中给出原始出处;演讲者提到的部分功能(如 /goal、/focus、/insights、remote control)未说明版本与可用范围;字幕为自动生成,个别产品名可能有误。
整理于 2026-11-01 06:48(北京时间) · 部分来源暂未获取