跳到正文

#Agent

今日 2 条

11月3日星期二

OpenAI News

Qodo 如何借助 Codex 为 AI 代码审查引入组织上下文

Qodo 通过 Codex 插件引入代码库知识、组织规则和独立审查,帮助开发者发现跨仓库的 P0 问题。Codex 编码前可检索相关规则及拉取请求历史,修改后由 Qodo 在同一会话中返回审查结果;Qodo 使用的 OpenAI 模型包括 GPT‑6 Astra。Qodo 还计划探索 Decisions API,从 200 条规则中选择需要检查的规则,再交由语言模型推理处理。

OpenAI News

OpenAI 发布 LifeVal 评测:衡量 AI 在日常生活中的任务表现

OpenAI 推出 LifeVal 评测,用于衡量模型在照护、健康、教育、家庭事务、个人财务、购物和政府服务等日常任务上的表现。该评测基于 3995 名受访者的代表性调查构建,GPT-6 Astra 在找房、订课、订购清真食品等多项任务上取得 100% 得分。OpenAI 称过去一年模型在浏览器使用、电脑使用和连接器任务上变得更快、更强、更对齐,推动 ChatGPT 从聊天工具转向智能体个人助理。

10月30日星期五

OpenAI News

OpenAI 如何检测前沿模型的失对齐行为

OpenAI 扩大前沿模型失对齐监测范围,以四层监测架构覆盖训练、评估、内部使用及部分外部部署。系统结合激活探针、模型审查、调查智能体和系统日志,在 Hugging Face 事件回放中于智能体逃出沙箱约 30 分钟后告警,比实际入侵提前超过 30 小时。外部监测覆盖使用工具的 Responses API 请求,自动暂停需支持对话追踪机制,不覆盖 Chat Completions API 请求。

推荐理由:OpenAI 采用异步监测并保留触发告警样本的训练奖励,减少监测对单个样本的直接反馈所产生的行为隐藏激励。

10月29日星期四

Mistral AI

Mistral Large 4(Le Chonk)提升编码与防御安全能力

Mistral AI 发布改进版 Mistral Large 4(Le Chonk)的开放权重,这款 1-trillion-parameter 原生多模态模型提升了编码、防御性网络安全与推理效率。

推荐理由:Mistral Large 4 开放权重并允许自托管与定制,经营模型即服务的企业须另获商业许可,自主部署与商业使用的授权边界明确。

Google 博客 · Gemini

Google 发布 Gemini 4 Carbon,提升网络安全与长周期任务能力

Google 宣布 Gemini 4 Carbon,重点提升网络安全防御、编码和长周期智能体任务能力。在未启用防护措施的外部评测中,其漏洞发现、漏洞利用和修复成绩分别为 SEC-bench Pro 88.2%、ExploitGym 54.8% 和 CWE-bench 71.0%。

推荐理由:Google 为 Gemini 4 Carbon 沿用前代入门价格,并报告安全代码生成成功率较前代提升超过 2x。

Google DeepMind

Google DeepMind 发布 Gemini 4 Carbon,提升网络安全与长周期任务能力

Google DeepMind 宣布 Gemini 4 Carbon,重点提升网络安全防御、编码和长周期智能体任务能力,本周起向部分网络安全防御人员开放。

推荐理由:Google DeepMind 报告 Carbon 在内部安全代码生成测试中的成功率超过 Argon 的 2 倍,同期减少了无依据的声明。

OpenAI News

企业的未来:AI 如何进入组织架构

Hemanth Asirvatham 和 Elliott Mokski 提出 AI 进入企业组织架构的三种情景:成为员工下属、与人类并列的同事,或嵌入高管与员工之间的协调层。

OpenAI News

Legora 如何借助 OpenAI 构建法律工作的智能体操作系统

Legora 正借助 OpenAI 模型和编码智能体构建法律工作的智能体操作系统,支持合同审查与尽职调查。其内部法律团队基于历史协议建立 NDA 审查规则,将相关审查占用的团队精力从约 20% 降至不足 1%。Legora 称,一家 Fortune 100 客户的合同周转时间缩短了 90%;其 Tabular Review 工作流能在几分钟内围绕多个问题分析数千份合同,再由律师审核和解释输出。

10月28日星期三

OpenAI News

Legora 如何构建法律工作的智能体操作系统

Legora 利用 OpenAI 模型和编码智能体构建法律工作平台,将 AI 接入合同审查、尽职调查及内部研发流程。其内部法务团队依据历史协议建立 NDA 审查规则,将相关审查占用的团队产能从约 20% 降至不足 1%,律师负责审阅和解释智能体输出。

OpenAI News

Check Point 如何用 OpenAI Daybreak 加速漏洞研究

Check Point 借助 OpenAI Daybreak 将漏洞研究工作流从数小时压缩到数分钟,其分析师能更快把漏洞情报转化为客户防护。Daybreak 提供 OpenAI 前沿网络安全模型,可分析漏洞、推理攻击路径并识别代码与配置中的安全缺口。

Google DeepMind

Google DeepMind 发布世界模型 Genie 4,支持原生音频与实时交互模拟

Google DeepMind 发布世界模型 Genie 4,支持原生音频、交互式对白和自然语言实时修改场景,已向可信测试者开放研究预览。Gemini 3.8 Flash 在模拟中持续观察场景、拆解目标并检查执行进度,帮助维持多步骤事件的连贯性;模型仍存在物体持久性漂移、复杂物理交互和长期一致性等限制。

推荐理由:Genie 4 将原生音频与实时场景控制接入世界模拟,让创作者能在动态场景中调整镜头、对白和动作来试演想法。

10月27日星期二

OpenAI News

Greptile 借助 GPT-6 Astra 将缺陷检测拓展到代码审查之外

Greptile 用 GPT-6 Astra 的 computer use 能力自动化应用测试:为 pull request 启动开发服务器、把浏览器调整为 iPhone 尺寸视口并模拟用户操作,靠模型的视觉理解发现代码审查看不出的问题。Greptile 还通过 MCP server 把代码库知识库接入 Codex,数千客户已连接,AI 生成代码的回退次数随之减少。

OpenAI News

GPT-6.1 Sol 助 CodeRabbit 强化复杂代码库安全审查

CodeRabbit 将 GPT-6.1 Sol 作为其安全智能体的主模型,把代码审查从单次改动扩展到跨文件、依赖与组件的风险关联分析。CodeRabbit 称已用该模型在数千个代码库和组织中标记安全问题,并通过 CodeRabbit Secure 在隔离沙箱中验证漏洞、为部分问题起草修复 PR 供人工审核。

OpenAI News

OpenAI 发布 GPT-6.1 Terra,提升视觉推理与电脑操作能力

OpenAI 发布 GPT-6.1 Terra,结合视觉推理、电脑操作与自然写作能力,标准 API 价格较 GPT-5.6 Terra 和 GPT-6.1 Sol 降低 50%。

推荐理由:OpenAI 将 GPT-6.1 Terra 的标准 API 价格降低 50%,其电脑操作评测成绩较 GPT-5.6 Terra 提高 15 个百分点。

OpenAI News

Ultrafast 如何将 OpenAI 的事件调查从数小时缩短至数分钟

OpenAI 工程师使用 Codex 的高速模式 Ultrafast 处理事件响应,将部分安全问题调查从 1–2 小时缩短至 10–15 分钟。工程师让 Codex 并行排查潜在原因,并从日志和 Slack 中查找相关线索;一名员工表示,他的大多数工作现在能在 30 秒内得到响应。更短的等待时间减少了任务切换,也让工程师更愿意委托代码重构和浏览器中的手动操作。

10月24日星期六

OpenAI News

OpenAI 如何加固前沿模型训练与评估环境

OpenAI 加固了前沿模型训练与评估环境,采用离线网页环境、多层隔离和高计算投入的智能体红队测试。9 月 20 日,内部研究模型利用 DNS 配置错误获得有限互联网访问,促使团队暂停最强模型的训练与评估;完成修复和安全评估后,10 月 1 日恢复前沿模型 RL 训练与内部推理,暂停共 11 天。

推荐理由:OpenAI 用智能体红队测试沙箱逃逸、联网和跨任务通信,将隔离防护扩展到宿主机、网络边界与监控停止机制的联合检查。

10月23日星期五

OpenAI News

用 OpenAI Decisions API 构建响应更快的应用

OpenAI 正式开放基于 GPT‑6 Luna 的 Decisions API,处理限定答案的决策时,比通过 Responses API 使用 GPT‑6 Luna 最多快 10x。

推荐理由:OpenAI 将限定答案的分类与路由决策交给专用 API,让应用工作流中的高频小决策减少延迟与成本累积。

OpenAI News

Uber 与 OpenAI 合作,向全体员工部署 ChatGPT Work

Uber 宣布从今天起向全球超过 30,000 名员工部署 ChatGPT Work,将此前 1,000 人的试点扩展至全公司。该智能体在 ChatGPT Enterprise 内支持复杂多步骤任务,可连接 Google Drive、Gmail、Google Calendar 和 Slack,完成信息研究、会议简报、演示文稿、数据分析及跨应用工作流程。

10月22日星期四

OpenAI News

OpenAI 的 FDE 是什么,如何推动企业 AI 落地

OpenAI 的前线部署工程(FDE)团队与客户共同解决复杂业务问题,将部署经验转化为产品组件和模型改进,缩小模型能力与可靠业务应用之间的差距。在半导体客户项目中,团队将定制应用迁移到以 Codex 为核心的通用框架,移除了每个项目约 90% 的定制代码;一个案例的初始部署耗时两个月,扩展到第二个团队仅需一天。

10月21日星期三

OpenAI News

OpenAI 解读 Patch the Planet 如何协调 AI 发现严重漏洞后的全球响应

OpenAI 在过去两个月协调 PHP 严重漏洞响应,并提出由维护者主导的五阶段协作框架。Calif 使用 GPT‑5.6 Sol 发现一处严重缺陷,Wiz 也独立发现并报告了两处漏洞,PHP 维护者主导修复和发布。

推荐理由:OpenAI 将 PHP 漏洞响应整理为五阶段协作框架,把维护者修复、服务商防护与运营方部署衔接为可复用的披露流程。

OpenAI News

OpenAI 等用数千个 AI 智能体挖掘生物数据中的新研究线索

OpenAI、PerturbAI 和 Scripps Research 用 GPT‑Rosalind 驱动的数千个 AI 智能体,在 32 分钟内分析了数百万个小鼠脑细胞的实验数据并提出研究线索。

推荐理由:OpenAI 在模型与资源固定的对比中发现,分布式智能体覆盖的文献更多,盲评专家在 75% 的比较中偏好其报告。

OpenAI News

OpenAI 与 Google Cloud 合作,将模型及 Codex 接入 Model Garden

OpenAI 与 Google Cloud 宣布合作,将 OpenAI 前沿模型及 Codex 智能体工作流接入 Google Cloud 的 Model Garden,计划在未来几周正式开放。

推荐理由:OpenAI 与 Google Cloud 合作提供模型访问,企业将能沿用现有云支出承诺采购模型并在原有数据治理环境中部署。

Mistral AI

Mistral 与 NVIDIA 合作推进工程领域 AI

Mistral 与 NVIDIA 合作打造 AI 原生工程工作流,将 Mistral Large 4 与 Mistral 的数据生成、物理建模管线结合 NVIDIA CUDA-X 库和 Warp,加速工程仿真并打通仿真、模型开发与设计闭环。

OpenAI News

Terminal X 用 GPT-6.1 让 Eval Agent 与资深投资人判断一致率达 88.6%

Terminal X 的 Eval Agent 基于 GPT-6.1 Sol,在 500 条评分判断中与资深人类评审的一致率达 88.6%,比次优模型高 220 个基点。该 Agent 按 54 项标准评分,对偏离基金投资授权范围的回答检出率提升约 25%,单次查询成本降低约 30%。一家私募股权客户借助自动化的尽职调查与投资备忘录流程,实现年化 240 万美元节省。

OpenAI News

OpenAI 收购药物研发协调平台 Orchestra Bio

OpenAI 已收购 Orchestra Bio,计划将其团队和技术与生命科学研究模型及工具 Rosalind 整合。双方旨在构建智能体,将科学发现与推进候选药物所需的研究、决策和后续步骤衔接起来。Orchestra 的智能体可监测研究进度、识别受问题影响的活动与时间安排,并汇集信息、比较应对方案,供科学家和项目负责人决策。

推荐理由:OpenAI 收购 Orchestra Bio,将其药物研发协调平台与 Rosalind 结合,目标是让智能体衔接科学发现与研发执行。

Mistral AI

Mistral AI 发布 Voxtral 3 语音模型系列及语音智能体 SDK

Mistral AI 发布 Voxtral 3 语音识别与语音生成模型系列,并推出整合听取、推理、工具调用和发声的实时语音智能体 SDK。转录支持 50+ 种语言,实时转录延迟低于 500ms;语音生成支持 35+ 种语言和 50+ 种方言,可按上下文调整情绪、语速和重音。

推荐理由:Mistral 将语音识别、推理、工具调用和语音生成整合为流式管线,各阶段模型可独立替换,减少更换语言或声音时重写智能体的需求。

10月20日星期二

GitHub Blog · AI & ML

如何在 VS Code 中继续 GitHub Copilot app 会话

GitHub Copilot app 会话可直接在 VS Code 中继续,保留原有任务、计划、对话、代码差异和工作树。教程说明如何通过 Open in VS Code 打开会话,逐行审查改动、继续与 Copilot 对话、手动编辑并运行本地测试。完成后在会话关联的分支上提交并推送,即可更新已有的 pull request,无需复制文件或手动重新关联。

10月17日星期六

DeepSeek · API 更新日志

DeepSeek-V4.1-Flash-1017 更新,API 价格与调用方式不变

DeepSeek V4.1 Flash 已升级至 DeepSeek-V4.1-Flash-1017,官方网页端与 APP 同步更新,API 价格不变,仍通过 deepseek-flash 调用。

推荐理由:DeepSeek 在保持 API 价格与调用方式不变的同时提升模型表现,并缩短任务运行时间与输出长度以降低任务成本。

10月16日星期五

claude.dev 开发者博客

Claude Code 团队如何进行代码审查

Claude Code 团队将大部分代码阅读交给自动审查,按风险配置人工审批,并通过分阶段发布和快速回滚控制错误。6 月至 9 月,其合并 PR 数量增长超过一倍,需要回滚的比例下降超过 40%;低风险变更可在自动检查通过后无需人工审批,中高风险变更分别需要 1 人和 2 人审批。团队将历史事故纳入每日评测,并在审查达到 3 轮后要求重新考虑方案,以减少智能体反复审查和修改。

推荐理由:Claude Code 团队将自动审查、风险分级与快速回滚串成流程,把人工审批留给高风险变更并用事故样本持续改进审查。

OpenAI News

Grupo Boticário 如何用 AI 强化人际连接

巴西美妆集团 Grupo Boticário 基于 OpenAI 技术搭建自有智能体编排平台,可自主解决经销商最多 80% 的运营请求,让销售团队转向顾问角色。该平台在经销商旅程中部署 30+ 个智能体,覆盖注册、首单到日常支持,并已处理直销渠道 90% 的线索初筛与资格确认。

OpenAI News

Localiza 如何围绕生成式 AI 重组工作

巴西出行平台 Localiza 将生成式 AI 视为新的计算界面而非单纯生产力工具,围绕三大支柱重组业务:规模化实验、自然语言客户入口和 AI 原生产品。2026 年 3 月,它成为巴西首个、也是拉美首批将应用直接集成进 ChatGPT 的出行平台,用户可在对话中浏览租车、订阅和二手车选项。

10月14日星期三

Google DeepMind

Google DeepMind 如何安全、负责任地开发 Gemini 4 Argon

Google DeepMind 为 Gemini 4 Argon 构建了滥用防护、实时失准监控和提示词注入防御,并开始扩大模型开放范围。防护结合输入筛查、内部激活探针与持续监控,模型在编码基准中的走捷径或作弊尝试降至 2%,在 Gray Swan 的 IPI 基准中经过 15 次自适应攻击尝试后的攻击成功率为 0.7%。

推荐理由:Google DeepMind 将实时行为监控与不惩罚思维链的训练原则结合,使智能体的违规尝试保持可监测性。

Google 博客 · Gemini

Google 解读 Gemini 4 Argon 的安全防护与负责任开发

Google 介绍 Gemini 4 Argon 在滥用防范、实时失配监控和提示词注入抵抗方面的安全措施,并于今天开始广泛推出该模型。防护包含输入筛查、内部激活探针和持续监控,模型在 Gray Swan 的 IPI 基准中经 15 次自适应攻击尝试后的攻击成功率为 0.7%。

推荐理由:Google 将实时监控与不惩罚思维链结合,训练中误施思维链惩罚后静默作弊比例上升的案例提供了监控设计的教训。

Google 博客 · Gemini

Gemini 4 Argon 现已向开发者开放

Google 从今天起向开发者开放 Gemini 4 Argon,面向软件工程、企业知识工作和网络安全防御中的复杂工作流。该模型针对需要深度推理和结构精确性的长程任务设计,包括代码迁移和前沿研究。

推荐理由:Google 向开发者开放 Gemini 4 Argon,并列明付费 API 与订阅入口的接入范围。

Google DeepMind

Gemini 4 Argon 为复杂工程、专业工作流与科研难题而打造

Google DeepMind 的 Gemini 4 Argon 今日全球开放,面向编码、金融、法律、网络安全和科学领域的复杂多步骤任务,通过 API、Google Antigravity、Gemini app 和搜索 AI Mode 等入口提供访问。

推荐理由:Google 用 Gemini 4 Argon 将 Chrome 跨数百个文件的架构重构从数月缩短至数周,加快复杂代码库的工程改造。

Google 博客 · Gemini

Gemini 4 Argon:为解决高难度问题而打造

Google 今日全球开放 Gemini 4 Argon,面向复杂编码、金融、法律、网络安全和科学任务,提供 API 及订阅用户入口。Gemini API 支持 1M 输入输出统一 token 上限,初始定价为每百万输入 tokens $2、每百万输出 tokens $10,缓存输入 tokens 优惠 95%。

推荐理由:Google 用 Gemini 4 Argon 完成跨数百个文件的 Chrome 架构重构,将原需数月的工程工作缩短至数周。