Jason Liu 质疑 AI 智能体订机票酒店的实际效率
Jason Liu 在 X 上质疑 AI 智能体处理订机票酒店这类任务的实际价值，称自己 2 分钟就能搞定，而听 AI 逐个念航班选项、在长达 10 分钟的通话里发 Google Maps 截图则令人煎熬。他还表示，类似的话此前在编程场景也出现过。
全部AI 动态
全部动态
X：Jason Liu (@jxnlco)AI 评分 X：Jason Liu (@jxnlco)AI 评分 GPT 6.1 Sol Extra High 连续跑 20 小时仍剩 85% 配额
有用户让 4 个 GPT 6.1 Sol Extra High 线程连续运行 20 多小时，配额仍剩 85%，重置额度几乎用不掉。该用户认为配额已不再是瓶颈，人类的代谢、精力和时间吞吐才是真正的限制。评论区多人反馈速度太慢，有人称需开 /fast 或 10x 模式才能消耗额度，也有人表示切到 Astra Ultrafast 后不到 2 小时就用掉 56%。
The DecoderAI 评分AI 智能体从单张照片生成 Blender 3D 场景，但无法判断自己是否做对
研究提出 Image-to-Code 方法，让编码智能体接收单张图片后编写可执行的 Blender 程序，通过写代码、运行、查看结果并迭代修改来还原场景。团队同时发布 LEGO-Bench 基准，包含 104 个室内外场景的 208 张图像和 443 个注册资产，从有效性、几何精度和外观相似度三个维度评分。
X：Nathan Lambert (@natolambert)AI 评分 Nathan Lambert 入选 Schmidt Sciences AI2050 早期职业研究员
Nathan Lambert 宣布成为 Schmidt Sciences AI2050 早期职业研究员，将继续其构建和理解开放生态的工作，目标是让未来 AI 可及、广泛扩散、由多方掌控且安全。他同时表示自己并未进入 X 平台热门海报榜单，并称"科学第一，发帖第二"。
X：Nathan Lambert (@natolambert)AI 评分 Nathan Lambert 获 Schmidt Sciences AI2050 早期职业研究员
Nathan Lambert 宣布成为 Schmidt Sciences AI2050 早期职业研究员，将继续从事开放生态的构建与理解工作。他表示目标是让未来 AI 可及、广泛扩散、由多方掌控且安全，并强调科学优先于发帖。
X：马东锡 NLP (@dongxi_nlp)AI 评分 arXiv 推出更严格 rate limiting 政策，Vibe research 时代成果判定标准仍缺答案
arXiv 更新了对所有提交者的 rate limiting 政策，称此举是为公平分配审核时间并支持 arXiv 社区。该政策发布之际正值 Vibe research 时代，只要有想法就大概率能变成成果，但判定成果的标准已落后于时代，应该采用什么标准尚无答案。
X：马东锡 NLP (@dongxi_nlp)AI 评分 Griffin 成为首个通过视频图灵测试的模型，48% 真人对话者误认为是真人
Griffin 成为首个通过视频图灵测试的模型，48% 与其实时对话的人认为它是真人，此前系统的通过率不足 3%。该模型在 NVIDIA 全双工 AI 视频基准测试中排名第一，被称为首个 Human Interaction Model（HIM）。
X：马东锡 NLP (@dongxi_nlp)AI 评分 资产 A4-A5 层级想配 DGX Spark？马东锡劝退：别过早碰 Nvidia 这套
针对"资产稳定在 A4-A5 层级、想配一套 DGX Spark"的提问，马东锡建议不要过早接触 Nvidia 这个层级的东西。
X：SemiAnalysis (@SemiAnalysis_)AI 评分 SemiAnalysis 复测 Lambda：ClusterMAX 2.0 可靠性改进与 XID 79 未监控问题
SemiAnalysis 在 ClusterMAX 2.0 复测中指出，Lambda 的被动健康检查自动修复了测试中模拟的三个错误，两个合成 XID 在 15 分钟内被自动修复，并有配套仪表盘监控节点健康。
X：SemiAnalysis (@SemiAnalysis_)AI 评分 SemiAnalysis：定制 HBM 可将 Nvidia Rubin 计算芯片的 HBM4 控制器与 PHY 占用面积减少约 60%
SemiAnalysis 估算 HBM4 控制器和 PHY 约占 Nvidia Rubin 计算芯片 16% 面积。定制 HBM 用紧凑 D2D 链路替代标准 PHY，Samsung 数据显示其标准 HBM4 PHY 占 8mm x 4mm，定制 D2D 接口仅需 8.5mm x 1.5mm，面积减少约 60%，同时内存控制器从计算芯片移至 HBM base die。
X：SemiAnalysis (@SemiAnalysis_)AI 评分 SemiAnalysis：定制 HBM 可将 HBM4 控制器与 PHY 占用面积减少约 60%
SemiAnalysis 估算 HBM4 控制器和 PHY 约占 Nvidia Rubin 计算芯片 16% 面积，定制 HBM 可将这部分空间还给计算或缓存。
X：SemiAnalysis (@SemiAnalysis_)AI 评分 SemiAnalysis：HBM4 控制器与 PHY 约占 Nvidia Rubin 计算die 16%
SemiAnalysis 估算，HBM4 控制器和 PHY 约占 Nvidia Rubin 计算 die 的 16%，大量先进制程面积被用于与内存通信而非计算。
X：SemiAnalysis (@SemiAnalysis_)AI 评分 Johnson Matthey 预测 2026 年钌需求 119.3 万盎司，超过 97.7 万盎司的一次供应
Johnson Matthey 预计 2026 年钌需求达 119.3 万盎司，而一次供应仅 97.7 万盎司，需求已超过供应。化学品需求预计下降 16%，主因中国尼龙产能过剩，这也解释了价格为何未进一步上涨。电子需求从 2023 年的 30 万盎司增至 2025 年的 41.3 万盎司，2026 年预计达 43.5 万盎司，数据中心扩张将推动硬盘用钌需求创五年新高。
X：SemiAnalysis (@SemiAnalysis_)AI 评分 SemiAnalysis：Google GPU 集群体验升至 Gold 级，NVIDIA 与 Google 实现 ConnectX-7/8 NCCL 插件自动激活
NVIDIA 与 Google 已为 Google 的 ConnectX-7/8 NCCL 插件设置自动激活，此前用户需手动配置库加载路径和环境变量才能在 GCP NVIDIA GPU 机器上优化 ConnectX NIC 性能。
X：SemiAnalysis (@SemiAnalysis_)AI 评分 SemiAnalysis 评 Google GPU 集群体验：不到两年从 Bronze 升至 Gold，但仍不及 CoreWeave 和 Nebius
SemiAnalysis 将 Google GPU 集群体验评为 Gold 级，称 Google 团队不到两年就从 Bronze 升到 Gold。但 GCP 的 GPU 体验仍不如其 Platinum 级供应商 CoreWeave 和 Nebius，控制台相比新兴 neocloud 的简洁 UI 像 DMV。
X：SemiAnalysis (@SemiAnalysis_)AI 评分 SemiAnalysis 周报：GPU 是否印钞机，解析 Engram 内存卸载、TPU v7 与 Vera Rubin 对比 Blackwell
SemiAnalysis 周报讨论 GPU 是否算"印钞机"，InferenceX 团队拆解了 Engram 内存卸载、AgentX 利润计算器、TPU v7，以及 Vera Rubin 与 Blackwell 的对比，并探讨更快的 token 是否值得溢价。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Qodo 3.0 发布 PR Triage：为编码智能体跨仓库 PR 提供整体审查
Qodo 推出 Qodo 3.0，新增 PR Triage 功能，将编码智能体跨不同仓库产生的相关 PR 归组为一个工作包，并按代码库影响、SLA 和未决问题打分。跨仓库地图展示工作包涉及的每个仓库，每项评分附有自身推理依据，Qodo 为整个工作包生成一份审查简报，让审查者一起审查 PR，人类仍负责最终批准代码。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 AI 催生新岗位：Automation Engineer 兴起，Serval 让自动化工程师嵌入 IT、HR、财务与法务团队
Elvis Saravia 认为 AI 正在创造新岗位，Automation Engineer（自动化工程师）将成企业招聘新方向。在 Serval（@getserval），该角色嵌入客户的 IT、HR、Finance、Legal 团队，直接在客户的 Serval 环境中构建 AI 智能体。该岗位要求理解团队真实运作方式，并搭建其所需的自动化。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Elvis Saravia 建议自建 meta harness 以便平滑切换模型
DAIR.AI 的 Elvis Saravia 建议开发者自建 meta harness，最大好处是能在不同模型间平滑切换。他认为随着模型发布周期缩短，这一点愈发重要，RSI 只会让发布进一步加速。切换模型不应破坏现有配置，若会破坏，说明你的设置不适应当前的发布节奏，需要尽快修复。
X：Ethan Mollick (@emollick)AI 评分 Ethan Mollick 谈 AI 最被低估的能力：自组织与 Muse、Dots 等智能体
Ethan Mollick 撰文指出，AI 进步中最被低估的是其自组织完成任务的能力，并讨论了这对 Muse、Dots 等智能体的意义。他以 Project Aglaya 为例，说明数字伴侣可在未被询问时主动提醒路况、合同变更或生日，但发消息、转账、取消预订等改变外部世界的动作仍需预先设定、可配置且可审计的授权边界。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Meta 等提出 Context Language Models：让模型用 Bash 编辑自身上下文
Meta 与同事的论文提出 Context Language Models（CLM），把上下文作为模型可用 Bash 编辑的文件，由模型决定保留、改写或删除哪些内容。
X：Ethan Mollick (@emollick)AI 评分 Ethan Mollick：有了好用的 AI，PowerPoint 演示变得好看多了
Ethan Mollick 认为，自从有了好用的 AI，看 PowerPoint 演示的体验好了很多。有些人直接让 AI 代劳思考工作，这很明显，而且他们以前也只用默认模板；但对真正用心的人来说，现在能做出有趣的版式、好玩的视觉梗和不错的图表。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Elvis Saravia：AI 公司自营服务并按结果收费，Arceus 用 AI 加持牌律师做合同审查
Elvis Saravia 预计更多 AI 公司会自营服务并直接售卖结果，@arceuslegal 已在法律领域这样做：客户通过 Slack 发送合同，AI 收集上下文，每份工作都由持牌律师审核后再返回。
X：Ethan Mollick (@emollick)AI 评分 研究称前沿 AI 模型在会计任务上已快于并准于初级会计师
一项研究指出，在中等长度、定义明确的会计任务上，前沿 AI 模型现在比初级会计师更快、更准确，甚至优于研究中表现最好的那位会计师。作者提到，18 个月前这些模型的得分还远低于人类会计师。相关讨论见 Mercor 博客文章《Human Baselines for Benchmarks: AI Now Outperforms Junior Accountants》。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Tavus 发布视频对话模型 Griffin，称首个通过视频图灵测试
Tavus 发布视频到视频模型 Griffin，作者获得早期体验权限，称其能边看边听用户说话，可打断用户、接受被打断，并对房间内发生的事作出反应。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 webAI 发布 3.6B 参数 TwIL-LM3-Pro，本地运行并开源
webAI 发布开源小模型 TwIL-LM3-Pro，仅 3.6B 参数，提供量化版本可在日常电脑本地运行，无需云端。其 BIG-Bench Hard 逻辑子集得分 95.4%，对比 VibeThinker-3B 的 61.1%；SVAMP 95%、MuSR 64.1%。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Onepin 推出 AI 语音质检层：逐行检查发音，只修错词不重录
Onepin 发布 AI 语音质检层，在文本转语音之后逐行检查配音，用 400 万词发音词典核对人名与产品名，并提前拼读价格和日期。它按自然度、清晰度和词准确率给每行音频打分，出错时只修复那个词、不重新渲染整段。该工具兼容 ElevenLabs、OpenAI、Google 等 30 多家语音服务，免费起步、无需信用卡。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Volantis 用光学技术破解 AI 内存瓶颈，目标单用户 10000 tokens/秒推理速度
Volantis 完成 8800 万美元 A 轮融资，通过光学技术为每颗芯片提供更大容量和更高带宽的内存，目标在超过 10T 参数的模型上实现每用户最高 10000 tokens/秒的推理速度。该方案旨在解决 AI 内存瓶颈，初期可让原本耗时数小时的编程智能体在几分钟甚至几秒内完成。团队曾参与首款 CoWoS 产品、早期 HBM 及首款硅光 CPO 系统等半导体技术研发，下一代产品已完成流片。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 AgentWorld 论文：多智能体团队不到三分之一的行动真正有助于完成任务
AgentWorld 将 3 到 20 个不同角色的 LLM 智能体放入游戏沙盒，执行 50+ 轮的长程任务，结果显示多智能体团队中不到三分之一的行动真正有助于完成任务。Gemini 3 Flash 任务成功率最高，为 52.0%；协调类任务最难，成功率仅 12%，常见失败包括沟通中断、角色混淆和共享计划丢失。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Meta Superintelligence Labs 论文：用专用控制器调度长程智能体任务，GPT-5.5 在 ProgramBench 从 63.7% 提升至 71.5%
Meta Superintelligence Labs 提出用专用控制器调度长程智能体任务，在相同 worker 和相同预算下，GPT-5.5 在 ProgramBench 上从 63.7% 提升至 71.5%，Codex 得分为 58.0%。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 ProVer：用 LLM 裁判定位关键步骤，改进智能体 RL 的信用分配
ProVer 提出一种智能体强化学习信用分配方法：由 LLM 裁判对比成功与失败的 rollout，指出造成差异的关键片段，再通过该片段前后采样续写、以成功率变化作为该片段的优势值。在 ALFWorld、WebShop 和 SearchQA 上，相对 GRPO 分别带来 Qwen3.5-2B 9.91%、Qwen3.5-4B 7.12% 的相对提升，裁判换成更小模型时仍有效。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Kled V3 发布：72 小时内向 50 万+ 贡献者网络派发数据采集任务
Kled V3 允许实验室指定所需数据，并在 72 小时内将采集任务部署到其 50 万+ 自愿贡献者网络，覆盖图像、视频、音频、文本和标注的 108 个可配置模板。贡献者用手机按说明和合格示例完成采集，形成"定位模型失败点—转为采集任务—获取真实世界新样本—再训练评估"的更紧反馈闭环。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Claude Code、DeepSeek Harness 与 Pi Durable：可扩展 harness 成编码智能体新战场
Claude Code 的 Mods、DeepSeek Harness 和 Pi Durable 都在提升 harness 的可扩展性，让开发者能定制 UI 行为、添加插件甚至支持多人协作。作者认为通用 harness 已难以满足 agentic 应用、无头体验和软件工厂等场景，建议从零自建，而 Pi Durable 与 DeepSeek Harness 正试图降低这一门槛。
Latent SpaceAI 评分AINews：GPT-6.1 Sol 与 Sonnet 5.5 重塑性价比前沿
OpenAI 发布 GPT-6.1 Sol，定价 $2/$10 per million input/output tokens，比 GPT-6 Sol 便宜 39% 且 Agent Arena 得分高 1.52 分，比 Astra 便宜 81%。
X：OpenRouter (@OpenRouter)AI 评分 OpenRouter Security Center 上线：按风险分组 API 密钥并给出修复建议
OpenRouter 的 Security Center 设有 Overview、key safety 和 IP allowlist 三个标签页。其中 Overview 会按风险对 API 密钥分组，包括无消费限额、无过期时间、90+ 天未使用或可安全移除，并针对每组给出建议，让用户直接在 Security Center 中定位并修复风险密钥。
X：OpenRouter (@OpenRouter)AI 评分 OpenRouter 上线 Model Router Benchmarks，7 个路由同台对比质量、速度与成本
OpenRouter 推出 Model Router Benchmarks，可在 6 项基准上并排比较 7 个路由的质量、速度与成本，现已开放使用，包括 Jev Router、Unbiased Pareto、NVIDIA Switchyard 等。
X：OpenRouter (@OpenRouter)AI 评分 OpenRouter 上线 Model Router Benchmarks，横向对比 7 个模型路由
OpenRouter 发布 Model Router Benchmarks，在 6 个基准上从质量、速度、成本三个维度对比 7 个模型路由，包括 Jev Router、Unbiased Pareto、NVIDIA Switchyard 等。
X：Rohan Paul (@rohanpaul_ai)AI 评分 特朗普拟任命情报主管 Jay Clayton 出任白宫 AI 事务负责人
特朗普预计将任命其情报主管 Jay Clayton 为白宫新的 AI 事务负责人，Clayton 目前管理 18 个情报机构，预计将保留该职位，把 AI 政策并入情报事务。
X：Rohan Paul (@rohanpaul_ai)AI 评分 纽约大学达摩德兰：AI资本开支由债务驱动，回调时冲击或外溢至社会
纽约大学斯特恩商学院教授 Aswath Damodaran 在 Excess Returns 播客中对比互联网泡沫与可能的 AI 泡沫，指出这轮 AI 基建投入是他见过的最大规模基础设施扩张，资金量巨大，一旦回调痛苦会更剧烈。
X：Testing Catalog (@testingcatalog)AI 评分 OpenAI Python SDK 3.24.0 新增 Voices API，ChatGPT 上线虚拟试穿
OpenAI 的 Python SDK 3.24.0 静默新增 Voices API，可用文本提示词或音频样本创建自定义语音；ChatGPT 面向全球上线虚拟试穿，可在自己的照片上查看购物结果中的服装。