Agent 与交互
Gemini 可操作 Mac 应用. 谷歌 Gemini Mac 应用现已支持 Computer Use,可在隔离的后台窗口中跨本地文件、应用和网站完成多步骤任务。用户可选择允许它访问哪些应用,并批准关键操作;该功能正在美国以英语逐步推出。
苹果自研 Agent 计划. 苹果正招聘人手,以打造自己的设备控制 AI Agent,最早可能在明年年底推出;与此同时,macOS 27.3 让 ChatGPT 等第三方 Agent 更难启用。彭博社报道称,新的权限流程需要 14 个步骤而非 4 个,一些竞争对手认为这构成障碍。
Hermes Agent 进驻 Teams. Nous Research 的开源 Hermes Agent 将在 Microsoft Teams 中运行,并带有“Collective Wisdom”功能,可将成功的工作流转化为可共享的内部技能。Agent 在隔离的 Azure Container Apps Sandboxes 中运行,企业数据不会被 AI 提供商用于训练。
谷歌 AI 搜索改版. 谷歌正在推出重新设计的桌面搜索主页:取消独立的搜索按钮,并为 Gemini 图像生成、文件分析和头脑风暴添加快捷入口。AI Mode 新增可折叠侧边栏,让用户可以重新打开最近的 AI 搜索,并开启临时对话。
Genesis AI 机器人学习. Genesis AI 以 35 亿美元估值完成 5 亿美元 A 轮融资,用于构建集成式机器人学习:将真人尺寸机械手与数据采集手套、GENE-26.5 模型、Genesis World 模拟器和 Eno 机器人结合起来。目标是让机器人学习陌生任务的成本更低,也更容易获得信任。
模型与工具
DaisyRose-27B 编程模型. RadixArk 发布 DaisyRose-27B。这是一款开放权重的 Agent 编程模型,基于 Qwen3.8-27B、仅用强化学习进行后训练,未使用 SFT 或蒸馏。它将 Terminal Bench 4.1 的 pass@1 从 5.6 提升到 12.0,翻了一倍,并以 Apache 2.0 许可发布。
Inkling 2 Mini. Thinking Machines Lab 发布 Inkling 2 Mini。这是一款多模态 MoE 模型,总参数约 26B、激活参数 3B,上下文长度 100 万 token,采用循环 Transformer 架构。它面向本地部署,支持图像和文本,并兼容 NVFP4、MXFP8 和 MLX。
Nemotron-Labs-Sigma 扩散 LLM. 英伟达发布 Nemotron-Labs-Sigma,这是一系列 3B 和 8B 的连续扩散语言模型,在 16 维嵌入空间中对文本去噪,而不是在离散 token 上操作。8B 模型在英伟达六项任务套件上的平均分为 71.16,8 步蒸馏版本的平均分仍达 70.34。
Agent 打造的 AWS 模拟器. AWS 发布了一款免费、采用 CC0 许可的本地模拟器,覆盖 200 多项 AWS 服务,完全由自主 AI Agent 构建。它以单个 Rust 二进制文件的形式运行在 9297 端口,现有 SDK、CLI 和编程 Agent 可以通过环境变量使用它。
Agent 基础设施捐给 CNCF. 谷歌将 Agent Substrate、gVisor 和 OpenRL 捐赠给 CNCF,用于大规模保障 AI Agent 的安全。这些项目分别解决不可信 AI 生成代码的隔离执行、Agent 生命周期管理和大规模 RL 编排问题。
Harness 适配器. Hugging Face 推出 harness 适配器。这类适配器采用 LoRA 风格,通过强化学习训练,可针对特定的 Agent harness 和任务分布优化模型。以 Qwen3.8-27B 为例,Terminal-Bench 2.1 的 pass@1 从 39% 提升到 55%,同时平均 token 用量从 2900 个 token 降至 1500 个 token。
安全与隐私
OpenAI 推理防护. OpenAI 表示,其大幅减少了从 GPT-6.2 Astra 中提取受保护推理内容的情况:针对先前请求的攻击成功率从 54.0% 降至 0.2%,针对当前请求的攻击成功率从 22.9% 降至 0.9%。该公司还分享了检测和阻断对抗性蒸馏的方法。
Signal 阻止 AI Agent. Signal 正在限制 iOS 和 Android 上的截屏功能,以阻止操作系统级 AI Agent 读取私密聊天,并称这些 Agent“对隐私抱有敌意”。它认为,苹果、谷歌和微软没有简单办法让应用在不做出重大妥协的情况下阻止 AI 访问。
AI 供应链泄露. 一名研究人员在 AI 服务请求中植入了 200 万个金丝雀凭证,发现敏感数据正通过 OpenRouter 和 Vercel 等 AI 路由器和网关泄露。该实验暴露了提示词窃取、隐私侵犯,以及泄露的 AWS 密钥被利用等问题。
研究与基准
黎曼猜想证明声明. Anthropic 的数学家 Levent Alpöge 表示,他与 Claude 已证明黎曼猜想,并给出了可用 Lean 编译的证明;与此同时,Alessandro Masullo 的一项完全由人类完成的证明则针对广义黎曼猜想。两项声明都尚待独立验证。
METR 时间跨度更新. METR 更新的时间跨度报告发现,部分 AI 能力正以指数级速度提升:早期数据显示,模型可完成的任务时长每四个月翻一番,但在涉及人类判断的任务上,模型表现仍落后于编程任务。新图表加入了更长、更开放的任务。
MedChemBench 药物发现基准. OpenAI 推出 MedChemBench,这是一个包含 99 道药物化学推理题的基准测试,用于测试 AI 能否将分子结构与实验证据联系起来,并选择接下来要尝试的化合物。
Hebbia 金融研究提升. Hebbia 在其 Matrix 金融研究工具中测试了 GPT-6.2 Astra,发现引用相关性达到 99.5%,在要求的来源类型上比最佳替代方案领先 13.6 个百分点。该模型还满足了 97.9% 的展示要求。
形式化验证升温. 随着 AI 生成代码推高低质量输出的成本,包括 Harmonic、Theorem、Axiom Math 和 &Truth 在内的初创公司正提供形式化验证系统。它们使用数学证明和 cvc5 等 SMT 求解器来验证软件的正确性。
商业与政策
Anthropic 创纪录 IPO. Anthropic 完成了史上规模最大的 IPO,总募资额约 935 亿美元,以“ANT”为代码在纳斯达克交易,估值接近 1.5 万亿美元。其 F 类股份为创始人保留了 50.1% 的投票权。
英伟达收购 Inception. 英伟达即将达成协议,以至少 5 亿美元收购扩散语言模型初创公司 Inception,以强化开源 Nemotron 模型和物理机器人模型。预计该公司的联合创始人将全职加入英伟达。
Meta 重估净零目标. Meta 正在重新评估其 2030 年净零排放目标,理由是 AI 数据中心需求增长快于预期。该公司报告的温室气体排放百分比增幅创下纪录,超过其他大型科技竞争对手。
特朗普数据中心税. 美国总统特朗普威胁要对在美国境外建设 AI 数据中心的美国公司征收“巨额税”,并称如果允许建在海外,中国就会把它们拿走。他没有提供该提议的细节。
AI 冲击中国就业. 彭博社对近 1000 万条中国招聘信息的分析发现,2021 年年中至 2025 年年中,受 AI 影响岗位的降幅比受影响较小的岗位高约 10 个百分点。入门级和创意类岗位受到的冲击最大。
太空数据中心融资. 在 SpaceX 规模 400 亿美元的芯片融资交易中,贷款方担心难以收回安装在轨道上的芯片,因为数据中心里的芯片通常充当抵押品。据《金融时报》报道,贷款方要求这些芯片均不得用于轨道数据中心计划。
这一天的内容就到这里——大约 5 分钟读完。