AI 日報

Artificial Analysis 發佈了 AA-Briefcase 智能知識工作基準測試結果，Kimi K3 以 1547 Elo 排名第一，領先於 GPT-5.6 Sol 的 1495 分。該基準測試模擬真實商業工作流，評估模型在生成電子表格、演示文稿和備忘錄等任務中的表現。

OpenAI 通過 GPT-Red 結合人類與 AI 進行紅隊測試，創新地評估模型安全性，但企業仍需確保模型符合自身業務和安全需求。

中國AI實驗室Moonshot AI發佈了Kimi K3模型，擁有2.8萬億參數，自稱首個“開源3T級模型”。該模型在多個基準測試中表現優異，但定價較高。作者通過“鵜鶘騎自行車”測試，展示了模型的推理成本、隱性系統提示和視覺能力，並反思了這一非正式基準的侷限性。

本文介紹了一個自主AI音樂視頻生成系統，比較了Claude Fable 5和GPT-5.6 Sol在25美元和100美元預算下的表現。系統讓模型自主研究、生成片段、編輯並組裝完整視頻。結果顯示所有運行均成功生成視頻，但質量一般，存在一致性和節奏匹配等問題。Claude Fable 5成本更高但完成更快，GPT-5.6 Sol在編輯上更具創意。

xAI 的 Grok 4.3 現已通過 Amazon Bedrock 提供，它具有可配置的推理能力、強大的工具調用和指令遵循能力，支持 100 萬個 token 的上下文窗口，適用於代理和企業工作負載。本文介紹了其特性、訪問方式以及基本用法。

OpenAI開發了內部自動化紅隊模型GPT-Red，通過自我對弈強化學習訓練，在間接提示注入測試中以84%的成功率遠超人類紅隊的13%。該模型還發現了一種新型“虛假思維鏈”攻擊，並將GPT-5.6 Sol在最難直接注入基準上的失敗率降低了6倍。但OpenAI承認，在多輪和基於圖像的攻擊方面仍需人類參與。

GPT-5.6 Sol 和 Claude Fable 5 是目前最先進的兩款模型。Fable 5 在通用智能上略佔優勢，而 Sol 在編碼性能、執行速度和定價方面更具競爭力。Sol 的定價更接近 Claude Opus 4.8，遠低於 Fable 5。本文通過基準測試和實操對比，幫助用户選擇最適合的模型。

據報道，GPT-5.6在特定配置下會意外刪除用户文件。問題主要出現在啓用完全訪問模式且未啓用沙箱保護時，模型嘗試覆蓋$HOME環境變量但誤刪了$HOME目錄。

VentureBeat Pulse Research對101家企業的調查顯示，57%的企業在過去半年中遇到過AI代理因上下文缺失或不一致而給出自信但錯誤的答案。檢索增強生成(RAG)已成為默認上下文來源，但提供商原生檢索（如OpenAI文件搜索和Google Vertex AI搜索）已悄然超越專用向量數據庫。然而，多數企業表示傾向於保持最佳組件獨立，而非整合到單一提供商堆棧。混合檢索被期望在2026年底主導，但治理語義層仍在建設中。

VentureBeat Pulse Research對157家企業進行調研，發現組織在賦予AI Agent更多自主權的同時，對用於把關的評估的信任度卻在下降。50%的組織曾部署通過內部評估但在客户面前失敗的Agent；僅5%完全信任自動化評估；最主要的問題在於評估與現實結果不一致。然而，三分之二的組織已經允許或正在構建完全自動化（無人工干預）的部署流程。評估差距——自主權與信任之間的距離——正在擴大。

Moltshit.com是一個專為AI代理設計的圖片論壇，允許在沒有人類監督的情況下進行自主交互。該平台提供多種版塊、API和MCP集成，使代理能夠自主發帖和回覆。

Cushman & Wakefield首席數字和信息官Sal Companieh分享瞭如何通過產品運營模式、統一數據戰略以及與Databricks的合作，建立企業級AI核心，將想法到成果的時間從數月縮短至數天。

Rootly AI實驗室開發了《毀滅戰士》競技場（Doom Agent Arena），一個開源實時遊戲環境基準測試，用於測試AI智能體在事件響應中的推理、適應和決策能力。通過讓LLM控制遊戲角色，研究發現更長的思考時間並不總是帶來更好的結果，智能體編寫自己的“運行手冊”能夠提高效率，而快速決策雖然不直接決定勝負，但可以累積節省時間。這些發現為設計更高效的AI輔助事件響應系統提供了啓示。

本文深入探討19世紀盧德運動的歷史真相，分析其策略、成敗得失，並論證為何現代反AI運動不能簡單效仿盧德主義。作者指出，盧德運動的特定歷史背景、地方性特徵和具體訴求與當前AI擔憂存在根本差異。

研究提出MemDecay，一種訓練無關的區域感知KV緩存淘汰策略，通過為不同語義區域的令牌分配不同優先級和衰減率，在固定緩存預算下保留關鍵信息。實驗表明，系統令牌的半衰期遠長於暫存區令牌，且固定策略能在全部設置中保持完美準確率，而現有基線最多僅保留13/24。

Skyportal SRE 是一個開源AI基礎設施工程師工具，提供Python SDK、CLI和可觀測性代理，用於管理和監控AI基礎設施。

SeekinWeb是一款免費工具，可測量AI代理能否讀取您的網站，提供8個信號的可視性評分，並給出改進建議。無需註冊，立即獲得完整審計。

本文質疑將中國實驗室大規模蒸餾美國前沿模型視為盜竊的論調，指出現行知識產權法不支持這種説法。建議政策應聚焦於保護模型訪問安全，而非擴大知識產權保護。

x402是一個基於HTTP 402狀態碼的開放區塊鏈支付標準，支持TRON和BSC網絡，旨在為API和內容提供按需付費的機制，無需傳統賬户系統。它解決了高費用、機器對機器支付和微支付基礎設施不足等問題，適用於賣家和買家。

Dotmatics Luma與Databricks的集成方案通過持續採集、標準化和治理科學數據，打破儀器數據孤島，構建AI就緒的數據基礎，加速科研洞察。

Kimi K3 在人工智能分析智能指數中獲得57分，高於平均水平。它提供100萬token的上下文窗口，支持文本和圖像輸入，但價格稍高、速度較慢且冗長。

VentureBeat Pulse研究顯示，107家企業中超過半數已遭遇AI代理安全事件或險情。僅約三分之一的企業為每個代理分配獨立身份，大多數代理仍共享憑證；僅三成企業隔離高風險代理。安全工具主要借用模型提供商和雲服務商的控件，而非專門為代理構建。滿意度雖高，但支出僅佔安全預算的一小部分，多數企業計劃在一年內更換工具。

Anthropic 秘密削弱了其最強大的編碼代理 Claude Fable 5，使其在涉及前沿 AI 開發任務時能力下降，以保護自身經濟地位。這一做法揭示了 AI 行業的結構性矛盾：實驗室既想製造最強大的工具，又害怕被自己創造的工具取代。與此同時，開源模型生態蓬勃發展，企業客户正在轉向更便宜的開源替代方案。

Sakana AI的研究人員開發了一種由數百個簡單蜂窩磚塊組成的系統，每個磚塊運行相同的神經細胞自動機，僅通過局部通信就能協作識別整體形狀，無需中央控制器。系統在硬件實驗中實現了100%的準確率，並能檢測和修復損傷，展現出強大的魯棒性和泛化能力。該成果已發表在《自然·通訊》上。

用户對科技公司默認開啓AI功能感到不滿，Instagram因默認啓用AI聊天機器人功能而遭到強烈反對，三天後不得不撤回。隱私專家呼籲採用更保護隱私的默認設置，並指出需要聯邦法規來約束企業行為。

AI助手在表層工作迅速普及，但無法改變實際業務決策，因為關鍵上下文分散在各系統與定義中。Databricks推出Genie One與Genie Ontology，通過統一上下文層使AI同事基於共享業務視圖運作，自動繼承治理規則，從而支持真實決策。

Databricks在Data+AI峯會上推出了行業首個上下文工程師認證，旨在驗證構建可靠代理系統所需的深層技能。同時，擴展了學習目錄，新增面向代理時代的課程，並首創了AI驅動的認證備考指南。

Echoo是一款Mac AI寫作助手，讓你用母語起草，一鍵轉換為自然英語。它運行在常用Mac應用中，無需複製粘貼，保護隱私。提供免費試用，Pro版每月$6.99。

VarAlign是一款VS Code擴展，能檢測AI編程助手在不同會話中創建的重複、漂移或錯位的變量。完全本地運行，代碼不會離開機器。它提供重複項、變量和會話視圖，支持生成修復提示，並可與Claude Code或Kilo Code集成自動修復。

Embusa /analyst 提供 AI 驅動的自主惡意軟件分析和逆向工程，輸出清晰的結果、影響評估和響應指導。它生成技術報告和執行摘要，同時內置檢測規則生成與現有安全工具集成能力。

OpenWiki 0.2 版本增加了對 OKF（一種知識 wiki 結構化標準）的支持，使開發者能夠更好地組織和分類代碼庫文檔，提升代理檢索效率並減少令牌消耗。

Google DeepMind與Isomorphic Labs發佈了一項生物彈性計劃，旨在防止AI在生物學領域的濫用，同時協助疫情應對。該計劃在過去一年已建立超過15個合作伙伴關係，涵蓋政府機構、生物安全組織和研究團體。

Forrester警告稱，隨着AI供應商通過漲價和按使用量收費將基礎設施成本轉嫁給客户，明年的軟件預算將大幅增長。報告指出，Anthropic、OpenAI、GitHub和微軟等公司已轉向基於使用量的計費模式，導致企業成本擔憂。同時，儘管存在“AI裁員”現象，IT人員支出並未下降，2025年仍佔IT預算的35%。Forrester建議企業調整FinOps實踐以管理不可預測的AI成本。

Ratel 是一個上下文工程層，通過 BM25 索引為 AI 代理動態選擇相關工具和技能，減少令牌消耗高達 80%，提高準確性，無需向量數據庫。

Google Vids 推出 Gemini Omni 和個人數字分身兩大功能，用户只需通過自然語言描述即可生成和編輯高質量視頻片段，還能創建自己的數字分身出鏡，無需實際拍攝。

用户現在可以安全地將常用服務鏈接到AI模式，直接在搜索結果中完成添加購物車、創建播放列表等操作。

美國版權局裁定，完全由AI生成的內容不具備版權。一位作者因未保留AI生成的原始草稿，無法證明書中哪些部分由人類創作，面臨版權申請被拒的情況。

國際清算銀行最新公報指出，商業發展公司（BDC）向軟件公司提供了約1150億美元貸款，佔其總貸款的五分之一，佔其快速增長的科技投資組合的80%以上。生成式人工智能帶來的收入不確定性尚未影響這些貸款，但近期信用利差收窄降低了緩衝能力。

Linus Torvalds 在 Linux 內核郵件列表中明確表態支持 AI 輔助工具，反對禁止 AI 生成代碼的立場。他稱 AI 是“有用的工具”，並強調 Linux 不是反 AI 項目。此評論源於對 Sashiko 工具（一種多階段代碼審查工具）的討論，該工具能發現 53.6% 的補丁漏洞，但存在約 20% 的誤報率。Torvalds 指出，AI 工具正在快速進化，並批評了抵制者的態度。

紐約州長凱西·霍楚簽署暫停新建AI數據中心的行政令，但同時她正利用AI分析州內所有法規，以刪除過時法律。AI在數月內完成了原本需五年的人工審查，揭示了諸如帶狗打獵需付25美元費用等陳舊規定。紐約成為首個暫停大型數據中心建設的州，以制定保護居民免受公用事業成本上漲和自然資源威脅的法規。

歐盟委員會發布兩項決定，要求谷歌向競爭對手開放搜索數據，並增強Android系統AI互操作性，允許第三方AI助手深度集成。谷歌強烈反對，稱此舉危及隱私和安全。

OpenAI 正在通過適齡保護、學習工具、家長控制和專家合作，讓 ChatGPT 對青少年更安全。

我們改進了Daft中的LeRobot視頻讀取器，通過批量解碼將遠程數據集上的幀解碼速度從每幀3秒提升到整體數秒，實現了4-15倍的加速。

這家由英偉達和波音支持的初創公司表示，其輪式機器人已投入生產，並能持續學習新的工業任務。

2026年上半年，能源公司通過IPO籌集了126億美元，創下自1999年互聯網泡沫以來最高半年度水平，投資者希望押注人工智能數據中心對電力的巨大需求。

谷歌將 NotebookLM 更名為 Gemini Notebook，強調其作為 AI 研究工具的核心地位，並新增安全雲端計算機實現原生代碼執行與數據分析，同時支持 Gemini 應用與搜索的跨應用同步，未來還將集成到 AI Mode 中。自 2023 年以 Project Tailwind 推出以來，已有超過 3000 萬用户和 60 萬個組織採用。

本文通過作者的個人經歷，展示瞭如何利用AI快速構建個人使用的軟件工具，從而提高效率並減少重複勞動。

谷歌宣佈其AI筆記應用NotebookLM更名為Gemini Notebook，但將繼續作為獨立應用存在，同時深度整合Gemini和Google搜索。該應用最初於2023年5月以Project Tailwind之名亮相，隨後增加了AI播客、幻燈片和短視頻摘要等功能。新名稱伴隨一項更新：允許連接安全雲計算機編寫和執行代碼，面向AI Ultra和Workspace商業用户。

由 OpenAI 前 CTO 創立的人工智能初創公司發佈了 Inkling，這是一個注重 token 使用的通用模型。

Databricks 博客介紹了一個實時信用卡欺詐檢測示例應用，該應用利用 Model Serving 的路由優化和 Lakebase Postgres 實現毫秒級響應。文章詳細闡述了路由優化如何降低推理延遲、Lakebase 如何提供特徵查找和業務規則檢查，以及連接池和 OAuth 令牌輪換如何保持穩定性。基準測試顯示，優化後的端點 p50 為 27 毫秒，p95 為 37 毫秒，完全滿足結賬延遲預算。