AI 情报
· 32 条 · 北京时间
Vercel 博客由 George Fahmy 与 Yury Selivanov 撰文,提出 Agent 已成为软件的用户,应按“发现—选择—接入—成功”漏斗为 Agent 建 eval,重点讲最后一环“成功”。
展开详情
文章给出 agentic 测试金字塔:确定性测试、单轮 eval、端到端 eval,并以虚构咖啡下单 CLI sfbeans 为例,用开源框架 Harbor 搭建任务、环境、验证器与已知解,统计成功率、Pass@k、Pass^k 及步数、耗时、成本。文中 Opus 5.5 五次试验数据为示例推演,非实测结论。
尚未明确:示例中的成功率与成本数字是假设推演,未提供真实运行结果;Harbor 与 Vercel Sandbox 集成在大规模任务下的稳定性、成本未说明;文章未给出不同模型或产品的横向对比。
YouTube 频道 AI LABS 在视频中称,Anthropic 的 Fable 5.2 比 Fable 5.1 便宜约20%(每百万 token 输入8美元、输出40美元),写作速度提升最多30%,同等任务所需 token 更少;在 Anthropic 的 FrontierCode 测试中得分49.1%,高于 5.1 的32.4%和 Opus 5.5 的45.5%。
展开详情
作者称其自测同一功能时 Opus 5.5 与 Fable 5.2 效果相当,但 Fable 贵约58%,并引述 Anthropic 建议从 Opus 5.5 起步、仅在更高推理强度仍不够时升级。上述价格、跑分与对比均为视频作者转述或自测,非本卡独立验证。
尚未明确:FrontierCode 跑分、价格与提速数据均来自视频转述,未见 Anthropic 官方页面佐证;作者自测的58%成本差未说明任务规模与统计方式;X 上开发者27分钟对58分钟的单例对比无法核实;视频中“9条规则”的具体内容未在文本材料中展开。
一位n8n用户在Reddit分享其开源的安全事件分诊工作流:模拟的SSH暴力破解、信标进程、异地管理员登录和内部扫描事件进入后,代码按主机关键级别补充信息,Gemini Agent调用威胁情报查询工具,返回严重度、判定、建议动作和一句话摘要的JSON;随后代码步骤校验输出并套用审批规则——隔离主机、重置凭据,以及高/严重级别落在高/关键主机上的情况,一律标记为需审批,经IF节点发到Slack请求人工确认,全部记录写入Postgres。
展开详情
作者强调审批规则写在代码里而非提示词中以便审计,并自述威胁情报工具为硬编码模拟数据、演示用模拟事件、Slack仅单向通知、不会自动执行任何动作。
尚未明确:未说明真实威胁情报源接入后的表现、Slack审批结果回传与自动执行的实现方式,也未提供准确率或误报率等评测数据;工作流仅在模拟事件上运行,尚无生产环境验证。
n8n 博客作者 Andrew Green 在第二版 AI Agent 开发工具报告中,把“可集成性”维度替换为“企业就绪度”,理由是 MCP 普及后,几乎每家厂商都提供 MCP server,工具定义、schema、访问控制等维护工作转移到服务提供方,客户端只需认证即可调用。
展开详情
文章同时指出,MCP 只是 API 包装,厂商仍需同时维护 API、hooks、SDK 和 MCP 多条集成路径;Skills 模板、hooks 和 SDK 内嵌工具成为补充手段。以上为作者基于厂商简报与自身观察的判断,非独立实测。
尚未明确:文章未给出 MCP 与 API 调用占比的具体数据,“负担转移”程度属作者判断;hooks 部分以 Claude Code 为例,其他 harness 的支持情况未说明;企业就绪度替换维度的报告方法论细节未在文中展开。
Latent Space 播客访谈 Black Forest Labs 的 Andreas Blattmann 与 Dustin Podell。两人称 BFL 主张把像素、运动与声音三种信号放在一起训练 FLUX 3,理由是静帧只能说明物体在哪,视频能说明它如何到达,声音还能补充画面未拍到的接触时刻。文中提到 FLUX 3 已发布,并配有视频与音频示例;团队还从同一 FLUX 3 骨干派生视频超分方案,以缓解逐帧处理导致的闪烁。
展开详情
Dustin 称早期 Kontext 实验用少量标注照片、数小时训练就让模型学会把 logo 放到衬衫上,随后团队投入数月做数据与模型。以上多为作者与嘉宾说法。
尚未明确:FLUX 3 的具体能力边界、评测数据与开放程度未在材料中说明;视频与音频示例的实际质量未独立验证;机器人相关时间表属嘉宾展望。
沃顿商学院教授 Ethan Mollick 在 X 发帖称,西方几乎所有在职者都生活在一个社会技术相当稳定的时期:1950年美国人口普查中的270种职业里,如今只有电梯操作员一种已消失。他把2026年与1957年的距离类比为1969年与1900年的距离,认为这种稳定“可能会改变”。这是作者基于普查数据的个人观察与判断,并非新研究或模型发布,也未给出AI导致变化的具体机制或时间表。
补充信息
尚未明确:“270种职业仅1种消失”的口径与统计方法未在材料中说明;帖子未给出AI改变稳定期的证据、时间尺度或具体受影响职业。
Latent Space 的 AINews 汇总称,Perplexity CEO Aravind Srinivas 在 Semafor 活动上表示公司年化收入运行率已突破10亿美元。该文回顾 The Information 此前报道:年初不足2.5亿美元,8月已超7.5亿美元,Computer 产品贡献部分增长。
展开详情
文章同时列出近期发布:Computer 的 Automations 与 Teammates、可在受支持 Mac 上本地运行、Monitor API 网页变化 webhook、以及拥有1万+ GPU 的 Frontier Research 实验室。文中按 agent 公司估值倍数推算30-50亿美元以上估值属作者推测,非公司披露。
尚未明确:10亿美元为年化运行率而非已确认年度营收,未披露收入构成、毛利率与留存;估值倍数为作者推算;Monitor API 与 Frontier Research 的实际采用情况未知。
n8n 在 GitHub 发布 2.49.0 预发布版(beta),Features 中列出多项与 AI Agent 相关的新增:为 Agent 增加 webhook 通道(#42989),并支持在该通道中发起审批请求(#43056);Agent 配置 schema 可包含工具护栏(#43404),可按模式对 Agent 的工具调用执行护栏(#43664);新增 Agent 归档状态及编辑器内归档/恢复(#43392、#43394),公开 API 增加 Agent 的 GET/POST/DELETE 端点(#44011、#43719、#43562)。
展开详情
此外还包含大量 Bug Fixes 与性能改进。以上均为官方发布说明中的条目,未提供实测效果或使用案例。
尚未明确:发布说明只列条目,未说明 webhook 通道与审批的具体配置方式、工具护栏的规则表达能力与限制;beta 预发布版的稳定性、与现有工作流的兼容性,以及这些功能是否进入正式版均未说明。
Orpheic 在 GitHub 以 MIT 许可发布三个音频解码器(MP3、FLAC、DST),C++17、无依赖,作者 Georgios Kakavelakis 称代码由 Claude 在其设定规则下编写。
展开详情
README 给出实测表:单线程、同一数据包下,FLAC 在 i9-14900K 上为 FFmpeg 9.0.2 的 2.37 倍、M4 MacBook 3.45 倍、树莓派 5 为 1.58 倍;MP3 快速路径约 2.25–2.76 倍;DST 立体声约 2.0 倍。作者同时说明 MP3 精确路径比 FFmpeg 慢数倍,DST 样本无法公开、且 FFmpeg 的 DST 解码含 DSD 转 PCM 步骤,已单独估算扣除。
尚未明确:所有性能数字均为作者自测,尚无第三方复现;DST 测试样本不公开,无法用其文件验证;代码注释为希腊语;仓库仅 1 次提交、0 star,尚无外部使用反馈;AI 是否「照标准重写」而非记忆训练数据无法证明,作者仅以 AI 审查和文本重合度作旁证。
CNBC依据13F文件报道,Leopold Aschenbrenner的AI主题对冲基金Situational Awareness在7月几近崩盘后,于三季度末重新持有AI相关股票与看涨期权:SharonAI股权价值超4.4亿美元,另有Cleanspark、IREN、Bitdeer、Fermi股权,以及Nebius、Sandisk、Roundhill Memory ETF和Bloom Energy的看涨期权。
展开详情
报道称这些持仓自9月30日以来普遍大跌,SharonAI 10月跌58%。13F仅为季末快照,无法说明基金是否在10月抛售中已退出。
尚未明确:10月抛售期间是否已卖出这些持仓未知;13F只反映季末持仓,不含此后变动;报道未说明基金当前规模与杠杆情况。
整理于 2026-11-17 18:49(北京时间) · 部分来源暂未获取