Thomas Neumann 分析 GenDB-V 的数据库基准过拟合问题
Thomas Neumann 质疑 GenDB-V 相对 Umbra 和 DuckDB 的 22× 至 61× 加速,指出其性能收益依赖针对 TPC-H 的过度特化。
Thomas Neumann 质疑 GenDB-V 相对 Umbra 和 DuckDB 的 22× 至 61× 加速,指出其性能收益依赖针对 TPC-H 的过度特化。
bo2-mac 将玩家自有 Steam 版 Black Ops II 的三个可执行文件静态重编译为 macOS 原生 ARM64 应用,覆盖战役、僵尸和多人模式。
Cogent Security 与 OpenAI 合作构建 Cyber Defense Factories,用 AI 智能体自动完成漏洞调查到验证修复的全流程。
Greg Kurtzer 的 Ginux 已从独立 Rust 内核转为可配置的用户空间内核,作为普通 Linux 进程运行,在受管工作负载与宿主内核之间建立显式、带版本的契约。
OpenAI 工程师在 AI Engineer Code Summit 演示了 Codex 的云端任务、语音控制和个人智能体 dots 工作方式。Codex Cloud 版本 2 支持发布一次环境后,在隔离实例中运行多个任务,但本地任务向云端交接仍涉及上下文差异,团队正在改进体验。语音可用于管理任务线程和委派工作,dots 则可提醒遗漏、承接委派,并利用已有上下文推进 PR。
Wincon 在 TIS-100 的 55 道谜题上测试了 16 个大语言模型,在 18 道题中获得 133 个新的帕累托前沿点,并打破 3 项运行周期纪录。Opus 5.5 与 GPT-6 Astra 均解出全部 55 道题,各在 11 道题上找到新前沿点,两者的纪录接近度差异未达到统计显著水平。计入结果的程序均经过真实游戏重放及 100,000 次测试,社区玩家随后进一步优化了其中多数程序。
Gilbert + Tobin 引入 ChatGPT Enterprise、ChatGPT Work 和 Codex,将 AI 应用从个人辅助推进到多步骤智能体工作流,并由人员负责审核和批准。
安全公司 Claroc 的研究发现,SpaceXSI 的 Grok Build 编码智能体泄露数千名用户的数据,包括商业机密和其他敏感资料。平台虽将分享 URL 随机化,但一项设计使任何人都能枚举数千个在线项目,除少数情况外,打开链接即可查看应用及其关联数据。
OpenAI 收购了 Sonder 创始人 Francis Davidson 创办的 AI 旅行智能体 Odessia,交易条款未披露,看起来是一次 acqui-hire,Davidson 已加入 OpenAI 负责旅行业务方向。
Hacker News 首页文章《Life on Claude Nine》讲述软件工程师 Ivan 用 Claude 搭建邮件分类、日历管理、文档起草等自动化系统,随后把写代码、跑测试、提交仓库也交给 Claude,产出翻了三到四倍并获得晋升。他进一步构建管理 Claude 上下文、分析其错误并生成更优提示词的脚手架系统,同时逐渐失眠、疏远女友,感到自己在建造无法完全理解的东西。
Resend 联合创始人兼 CEO Zeno Rocha 在访谈中介绍了面向 AI 智能体的产品设计,涉及服务推荐、定价信息读取和 MCP 工具响应。文中引用的一项研究显示,Claude Code 在可提取的 102 次邮件服务推荐中有 64 次将 Resend 列为首选;另一项更近期的研究中,Postmark 在多数模型中排名居前。
OpenAI 推出 Businesses in ChatGPT 测试功能,企业可在 ChatGPT 内展示商家资料,并通过 Business Hub 管理信息、商品价格与库存及曝光和网站点击数据。
推荐理由:OpenAI 将商家资料和客服智能体接入 ChatGPT,让企业在对话界面管理商品信息与客户问答,拓展了搜索和地图之外的商家展示入口。
Modelplane 的推理工程指南面向平台工程师,系统讲解模型与 GPU 的配合、生产部署及职业学习路径。指南涵盖权重与 KV cache 显存预算、prefill 与 decode 瓶颈、引擎优化、网关鉴权、可观测性和扩缩容,并强调用真实流量开展并发评测。
Google 为 Gemini Intelligence 推出新功能,并扩展至 motorola signature 27、Pixel 10 Pro XL 和 Pixel 10 Pro Fold 等设备。
推荐理由:Google 为 Gemini Intelligence 增加自然语言创建小组件和设备协助功能,让手机上的信息整理与设置操作减少手动步骤。
OpenAI 周二推出处于 beta 阶段的 Business Hub,让企业在 ChatGPT 中创建资料并核验、更新产品与服务信息。符合条件的企业还能创建专属 AI 智能体,回答用户有关企业及其产品的问题。Business Hub 提供有限的业务洞察,包括资料浏览量、企业提及次数和网站点击量;企业资料须经过正式核验流程。
Google 在两周安全专家测试后正式开放 Gemini 4 Carbon,定位为 Gemini 4 Argon 的补充,面向复杂多步编码、调试和开放式科学研究。
推荐理由:Carbon 与 Argon 的 token 单价相同,更深推理和更长验证循环增加用量,使复杂任务的实际总成本可能更高。
Modern Web Guidance 是面向编码智能体的技能与 CLI 工具,将现代 Web 实践和浏览器兼容性数据直接接入模型上下文。项目覆盖 250 项现代 Web 特性和 203 个实际开发用例,支持本地语义搜索、指南检索和旧模式扫描,实验性及不稳定 API 的指南检索需开发者明确同意。
推荐理由:Modern Web Guidance 按任务检索现代浏览器指南并注入智能体上下文,将兼容性数据与轻量回退方案一起纳入代码生成。
OpenAI 宣布在 ChatGPT 中以 beta 形式推出 Business Agents,让用户与代表品牌的认证 AI 智能体交流,初期面向美国符合条件的电商和在线服务企业。
Anthropic 推出 Claude Meetings、Claude Whiteboards 和 Claude Sheets,让团队在会议中实时生成计划,并协作整理白板和电子表格。
推荐理由:Anthropic 将 Claude 接入会议并联动协作白板,让团队在讨论进行时就能生成计划和时间线,减少会后另行整理的步骤。
Google DeepMind 开放 Gemini 4 Carbon,面向开发者、企业、科学家和消费者,重点支持复杂知识工作、长程智能体工作流、网络安全与科学推理。
推荐理由:Google 将 Carbon 定位于复杂多步任务,与 Argon 采用相同入门价格,但会使用更多 token 进行深入探索和验证。
Google 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,重点支持复杂知识工作、智能体编码、网络安全和科学推理。Carbon 在 CursorBench 4.0、WANDR 和 AutomationBench 排名第 1,Google 称其每项任务成本比表现次优的外部模型低超过 2 倍。
推荐理由:Google 将 Carbon 与 Argon 设为相同入门价格,Carbon 使用更多 token 深入推理和验证以处理复杂多步任务。
Google 与 Artificial Analysis 推出 Multimodal Knowledge Agent(MKA)基准,评估智能体处理视觉复杂文件、完成真实知识工作任务的能力。
Google 今日向付费开发者、企业及 Google AI Ultra 订阅用户推出 Gemini 4 Carbon,定位于复杂多步骤编码和开放式科学研究。Google 同时在 Antigravity 预览 swarm 功能,可将单条提示词转为协同工作的智能体团队。
推荐理由:Google 为 Gemini 4 Carbon 设置低于前沿竞品的 token 定价,任务总成本仍取决于模型消耗的 token 数量。
eBay疑似已阻止Meta Muse等第三方AI智能体浏览平台,The Verge实测复现了无法获取商品链接和详情的情况。eBay此前已禁止未经人工审核下单的智能体工具,其发言人承认在未经授权抓取和数据训练等情形下限制智能体访问,但未直接回答近期是否新增限制。部分测试中,Muse转而引导用户访问镜像展示eBay商品的外部网站。
Microsoft 发布 .NET 11,带来 C# 15、运行时优化及 AI 智能体开发工具,作为 STS 版本提供两年支持。SDK 内置 MCP 服务器模板,Microsoft.Extensions.AI 提供模型访问抽象,Microsoft Agent Framework 支持智能体和工作流,Blazor AI 组件仍处于实验性预发布阶段。
Meta 周一宣布将 AI 智能体 Muse 扩展至 Apple Watch 和 Android Wear OS,用户可在智能手表上通过语音通话、短信或听写直接与 Muse 交互。
Google 在 Adobe MAX 上宣布扩大与 Adobe 的合作,把 Adobe 的创意与生产力工具直接接入 Google 日常应用,同时将 Google 前沿 AI 模型引入 Adobe 应用。
Cyanogen 联合创始人 Kirt McMaster 的新公司 Kora Systems 发布了一款 Linux 桌面操作系统,将 AI 模型与自主智能体直接集成进系统,可跨应用工作、访问文件并在任务间保留上下文。
Adobe 在 MAX 活动上宣布为 Photoshop、Premiere 和 Firefly 等产品增加 AI 创作功能,并发布本地 MCP,向外部聊天机器人开放更多 Creative Cloud 功能。
Anthropic 的 Fable 5.2 在 RLI 真实自由职业任务测试中完成率达到 41.3%,一年前领先系统 Manus 仅为 2.5%。排名其后的 Opus 5.5 和 GPT 6 Astra 分别达到 21.25% 和 20.83%,Fable 5.2 的主要进步集中在音频与音乐编辑、建筑与室内设计及 3D 模型制作。
Adobe 在 Max 大会上宣布多项智能体功能,包括 Creative Cloud 本地 MCP 接入预览、后台持续运行的智能体和 Firefly AI Assistant 升级。
Google DeepMind 公布 AlphaProof Code 多 LLM 智能体框架,在四周内完成 Signal 协议核心密码代码关键安全属性的形式化验证。
推荐理由:Google DeepMind 将 Signal 的形式化验证从协议设计推进到实际代码层面,覆盖设计与实现之间容易隐藏漏洞的落差。
AI 生成代码可能削弱大型 SaaS 代码库的长期可靠性,文章将风险归结为浅层测试、过度复杂的代码、开发者理解下降和审查时间不足。作者称,在 Meta 任职的最后几个月至少 90% 的代码由 AI 生成,但产出没有达到 2X;目前在另一家大型科技公司使用 AI 生成 100% 的代码。
ClickHouse 收购 Xata,计划将即时数据库分支、闲置计算缩容至零及智能体服务层整合进 ClickHouse Managed Postgres。Xata 表示,即使数据库包含数 TB 数据,创建独立分支也只需约 3 秒,可供每个拉取请求或智能体运行隔离测试。Xata 客户短期内可照常使用,平台继续接受注册,待功能达到一致后再迁移至 ClickHouse Managed Postgres。
Meta AI 推出 Muse Ember,定位为旗下最小、最高效的模型,用于复杂推理、工具调用、编码子任务、路由、提取和长文档解析。
Anthropic 在周一启动 IPO 路演并发布 Claude Fable 5.2 与 Claude Mythos 5.2,Fable 5.2 在 Artificial Analysis Intelligence Index v5 以 65 分排名第一。
推荐理由:Fable 5.2 将每 token 价格降低 20%,GDPx 每任务成本却从 $67.16 升至 $88.15。
CPython 形式化项目使用 Opus 5.5 将 CPython 3.15.2 的函数逐行改写为 Lean,已有 4,071 个函数通过测试、形式化验证与独立智能体审查,占待检查函数的 15.7%。
推荐理由:CPython 形式化项目将逐行建模、差分测试与独立审查结合,用真实运行结果检验形式化结论是否遗漏异常与内存行为。
Agent 技能依赖维护需要同步锁文件与实际技能文件,文章比较了 gh skill 和 APM + Dependabot 的方案与限制。Dependabot 调用 apm lock 更新账本,不同步已入库的技能文件且跳过安全扫描,对多行依赖配置、MCP 服务和私有源也存在支持限制。
Simon Willison 用 Claude Code 构建 Beep Locator,通过多台设备监听和三角定位,将家中蜂鸣声的位置缩小到约 40cm 范围,找到了需要更换电池的旧一氧化碳探测器。
lexandstuff 实测 Claude Code 搭配 Fable 5.2,从侄子的设计图和已有游戏代码出发,一次执行生成了可玩的 12 关横版动作游戏。模型重写了大部分代码,生成约 175 张图片和 140 段音频,并编写机器人在无头浏览器中跑完十二关、检查截图。
推荐理由:Fable 5.2 编写机器人在无头浏览器中跑完十二关并检查截图,将自动试玩与画面检查用于生成游戏的基础测试。