Qursor
Qursor 让用户指向任意 UI 元素，复制结构化上下文给 AI 代理，避免描述错误，适合前端开发者提升 AI 协作效率。
热门产品
Pond
Pond是面向初创企业的市场基础设施，提供融资、获客和AI增长代理，帮助创始人高效筹集资金和运营。
Bob's CLI
Bob's CLI 是一个本地优先的 AI 编程终端工具，支持自动检测本地 AI 模型、行为适应和自主代码审查，适合追求隐私和个性化开发的程序员。
Meet Warren 3.0
一款支持语音对话的AI财务规划助手，为用户免费生成个性化财务计划并跟踪执行，适合个人理财用户。
Slack Data Agent
Slack Data Agent 是一款在 Slack 内直接查询数据源、生成图表和分析的AI数据分析工具，适合团队快速获取数据洞察。
LocIn AI
LocIn AI 是一款面向开发者的本地化工具，利用语气感知AI自动翻译应用内容，确保全球发布时品牌语调一致。
开源项目
aisuite
轻量级 Python 库，为多家生成式 AI 提供商提供统一的 Chat Completions API 和 Agents API，支持工具调用、MCP 协议，可一键切换模型（OpenAI、Anthropic、Google 等）。
论文
EvoArena：在动态环境中追踪记忆演化以实现鲁棒的 LLM 智能体
当前大语言模型（LLM）智能体的评估大多在静态环境下进行，而真实部署场景本质上是动态的，需要智能体持续调整知识、技能和行为以适应环境变化。为此，我们提出 EvoArena，一个包含终端、软件和社交领域渐进式更新的基准套件。同时提出 EvoMem，一种基于补丁的记忆范式，将记忆演化记录为结构化更新历史，使智能体能通过记忆变化推理环境演变。
MiniMax Sparse Attention
前沿大语言模型对超长上下文的需求日益迫切：agent工作流、仓库级代码推理和持久记忆都需要模型联合处理数十万到数百万 token，但softmax注意力的二次复杂度让大规模部署难以实现。 本文提出 MiniMax Sparse Attention (MSA)，一种基于分组查询注意力（Grouped Query Attention, GQA）的块级稀疏注意力。
WeaveBench: 面向混合界面计算机使用代理的长期现实世界基准
现有基准将计算机使用代理（CUA）的各界面作为独立能力评估，缺乏对跨界面长期编排的测试。为此，我们提出 WeaveBench，一个面向长期混合界面的基准，包含 114 个任务，覆盖 8 个真实工作领域，基于真实用户请求和可公开验证的工件。每个任务要求代理在单条轨迹中结合 GUI 观测/动作 与 CLI/代码操作。
SpatialClaw: 重新思考代理空间推理的动作接口
空间推理——确定物体在三维空间中的位置、关系及运动的能力——仍然是视觉语言模型（VLM）面临的基本挑战。工具增强代理通过为VLM附加专业感知模块来应对这一挑战，但其有效性受限于调用这些工具的动作接口。本研究探讨了接口设计如何影响代理进行开放式空间推理的能力。 现有空间代理要么采用单次代码执行，在观察到任何中间结果之前就确定完整分析策略；
InterleaveThinker: 强化代理式交错生成
近期图像生成器在单图生成与编辑中展现出逼真的效果和指令跟随能力。然而受限于架构，它们无法实现交错生成（文本-图像序列），这在视觉叙事、引导和具身操作中至关重要。即便是最新的开源统一多模态模型（UMMs）也表现有限。 本文提出InterleaveThinker，首个多智能体流水线，赋予任意现有图像生成器交错生成能力。
MaxProof: 利用生成验证器强化学习与群体级别测试时缩放扩展数学证明
MaxProof 是一个针对竞赛级数学证明的群体级别测试时缩放框架，属于 MiniMax-M3 系列。 首先，M3 使用工程化的低假阳率生成验证器（defense-in-depth generative verifier）训练三种面向证明的能力：证明生成、证明验证和基于批评的证明修复。这些能力被合并到单一发布的 M3 模型中。
Robust-U1: MLLMs 能否自我恢复损坏的视觉内容以实现鲁棒理解？
多模态大语言模型 (MLLMs) 在视觉理解中取得了显著成功，但在现实世界的视觉损坏下性能严重下降。现有鲁棒性增强方法存在局限：黑盒特征对齐缺乏可解释性，白盒文本推理无法恢复丢失的像素级细节。本文研究根本问题：MLLMs 能否自行恢复损坏的视觉内容？为此，我们提出 Robust-U1，一种赋予 MLLMs 显式视觉自恢复能力以实现鲁棒理解的新框架。
FORT-Searcher: 合成抗捷径搜索任务以训练深度搜索代理
训练深度搜索代理需要可验证的问题，其答案直到通过搜索获取足够证据后才可获得。现有合成方法常通过丰富图结构来增加表观难度，但结构复杂并不能保证实现搜索难度：预期的搜索过程可能通过更廉价的识别路径坍塌。本文用捷径感知难度框架形式化这一差距，并识别出四种可操作的捷径风险：证据共覆盖、单线索选择性、暴露常量、先验知识绑定。
LabVLA: 在科学实验室中落地视觉-语言-动作模型
科学实验室日益依赖AI系统进行实验推理，但物理操作仍主要由人类完成。Vision-Language-Action (VLA) 模型为书面协议与机器人执行之间提供了接口，但现有策略多基于家庭和桌面演示训练，很少涉及实验室中的仪器、透明液体或固定协议流程。 为弥补这一差距，我们聚焦数据和具身两大瓶颈。
VIA-SD: 通过模型内部路由进行投机解码的验证
投机解码 (Speculative Decoding, SD) 通过轻量级草稿模型生成候选词，并由大型验证器并行验证，从而降低大语言模型的高推理成本。现有草稿-验证方法采用二元决策：接受或完全重新计算。
从二维网格到一维Token：改革多模态图像融合的共享表示
多模态图像融合旨在整合不同模态的互补信息，生成既保留丰富局部细节又保持全局一致外观的融合图像。现有方法在2D特征网格上构建共享表示，擅长建模局部结构，但对图像级全局外观因素的控制有限。 为平衡局部与全局目标，我们引入基于冻结预训练图像分词器的紧凑一维Token接口，用于建模非局部外观因素。
EurekAgent: 智能体环境工程是自主科学发现的全部所需
基于大语言模型的智能体在自动化科学发现方面展现出越来越大的潜力。给定一个可优化的度量和执行环境，它们能够提出、验证并迭代科学解决方案，并且已经产生了超越人类设计方法的结果。 随着模型能力的不断提升，我们认为自主科学发现的瓶颈正从规定智能体工作流转向设计智能体环境：即塑造智能体行为的资源、约束和接口。
HYDRA-X: 原生统一多模态模型与整体视觉分词器
整体视觉分词器是统一多模态模型 (UMM) 的基础，能将多样视觉输入映射到统一表示空间。本文提出 HYDRA-X，首个在单个 Vision Transformer 中统一图像和视频分词化的 UMM。设计面临两大核心挑战： 1. 高效向原生 ViT 注入时空重建能力； 2. 将图像级和视频级语义意识嵌入潜空间。
N-GRPO: 嵌入级邻居混合用于增强策略优化
大型语言模型在数学推理中的成功高度依赖于生成多样化且有效的解题路径。然而，当前的展开技术面临一个根本性权衡：token级采样往往产生仅措辞不同的冗余轨迹，而利用随机噪声的嵌入级方法则经常破坏语义一致性。 为解决此问题，我们提出N-GRPO，一种集成在Group Relative Policy Optimization (GRPO)框架中的新型探索策略。
揭示隐状态循环：基于在线策略强化学习的可切换潜在推理
潜在思维链（latent chain-of-thought）通过用连续的隐状态循环替代可见推理迹来压缩推理，但现有形式难以用标准在线策略强化学习（on-policy RL）优化，且缺乏因果可解释性。我们的核心洞察是：一对显式的边界令牌可同时解决这两个问题：离散的进入和退出锚点使潜在模块与标准在线策略 RL 兼容，同时为机制分析提供了自然支点。
VideoMDM：从2D监督走向3D人体运动生成
我们提出 VideoMDM，一种基于扩散的框架，可直接从单目视频中提取的精确2D姿态训练3D人体运动先验，无需任何3D真值。预训练的 2D-to-3D lifter 提供近似3D姿态序列作为有噪教师：这些序列被扩散，模型在3D空间中去噪，并通过重投影预测结果并与精确关键点比较，在2D空间进行监督。
哪里、什么、为什么及重要性：面向文本到图像反馈的结构化缺陷定位
尽管文本到图像（T2I）模型生成的图像越来越逼真，但仍存在局部、细微且结构复杂的失败。诊断这些失败需要实例级反馈，回答缺陷发生在哪里、是什么类型、为什么有缺陷，以及它对整体图像质量的重要性。近期密集反馈方法虽超越了标量监督，但其热力图中心表示仍将诊断建模为像素场回归，难以定位可变数量的缺陷，也无法将语义原因绑定到单个失败上。
MoVerse: 实时视频世界建模与全景高斯脚手架
从单个窄视场图像创建可交互漫游的场景极具挑战性，因为输入仅覆盖环境极小部分，而交互式漫游需要完整的周围世界、持久的几何结构、可控的相机运动以及时间连贯的高保真观测。 MoVerse 通过将世界构建与观测渲染分离来解决该问题。首先，利用 拓扑感知扩散 将输入扩展为重力对齐的 360° 全景图，在3D推理前填补缺失视场。
TreeSeeker: 深度搜索中树状结构的试探、错误与回溯
深度搜索要求智能体通过多步网络搜索、浏览、证据比较与综合来回答复杂问题。核心挑战在于：当多个方向看似可行但仅部分后续能产生可靠证据时，如何决定搜索路径。若智能体贪心地沿当前最佳方向推进，可能持续延伸薄弱分支；若无纪律地探索，则会浪费预算在无关联的尝试上。 为此，我们提出 TreeSeeker，一个用于深度搜索中受控试探与错误的推理时框架。
HarnessBridge：用于LLM Agent Harness的可学习双向控制器
大型语言模型越来越多地被部署为智能体以执行长周期任务，然而其性能不仅受模型能力和环境设计影响，还受调节智能体-环境交互的 harness（控制框架）影响。现有 harness 主要依靠人工设计，随着轨迹变长和交互复杂化，难以扩展。 我们提出 HarnessBridge，一个轻量级可学习 harness 控制器，它将智能体-环境接口参数化为双向投影。
动态
Anthropic因美国出口管制暂停Fable 5和Mythos 5模型访问。
美国政府以国家安全为由，发布出口管制指令，暂停任何外国公民（无论是否在美国境内，包括Anthropic的外国员工）访问Fable 5和Mythos 5。该命令的净效应是，我们必须立即为所有客户禁用Fable 5和Mythos 5以确保合规。其他所有Claude模型的访问不受影响。我们对客户因此受到的中断表示歉意。我们认为这是一个误解，正在努力尽快恢复访问。
Claude Fable 5因政府指令暂停使用
根据美国政府指令，我们将暂停所有用户访问Claude Fable 5。您可以继续使用所有其他Claude模型。 这对您意味着： 在所有Claude产品中，新会话将使用您选择的默认模型或Opus 4.8运行，现有Fable 5会话将以错误结束。 在Claude平台上，向Fable 5发出的请求也将返回错误。请将您的集成更新为其他Claude模型。
Anthropic拒绝修复模型越狱，遭政府出口管制。
我与政府内外人士就Anthropic当前情况进行了多次交谈，以下是我认为的真相： — 如我们所知，Anthropic本周早些时候以商业名称Fable公开发布了其Mythos类模型。 — Fable是带有安全护栏的Mythos。但如果这些护栏失效，就会将Mythos及其先进的网络能力暴露给本不该拥有它们的人。
Claude重置所有用户速率限制
我们已重置所有用户的5小时和每周速率限制。
Grok称Karpathy因新限制无法使用Mythos 5或Fable 5
据Grok称，Andrej Karpathy是EB-1非凡能力绿卡持有者，并非美国公民。因此根据这些新限制，从今晚5:21起，他不得使用或从事Mythos 5或Fable 5的工作。
Dario批评美国政府出口管制其AI模型
Dario（48小时前）：“美国政府应该能够阻止模型部署” 美国政府：对模型实施出口管制 Dario：“不是那样” https://t.co/59McjNzAdf
Dario反对美国政府对AI模型的出口管制
Dario (48小时前): “美国政府应该能够阻止模型部署” 美国政府: 对模型实施出口管制 Dario: “不是这样” https://t.co/59McjNzAdf
jxnlco宣布发布新的实时翻译模型API
RT @jxnlco: 很高兴宣布新的实时翻译模型。今天即可通过API试用。 https://t.co/pi3uIhm2xA
Codex 团队分享日常编程原语草稿
这里是 Codex 团队的 Jason，这里有一篇关于 Codex 最大化和我日常使用的原语的草稿。 https://t.co/DR4N6xtAwe 欢迎任何反馈。
政府持续给Anthropic营销胜利并发布出口管制
政府不断给Anthropic营销胜利
LLM难有护城河，企业忙应对
LLM很难建立护城河 它是无状态计算，当出现更好/更便宜的选择时，可以在一夜之间切换 你看到的所有骚动都源于这一事实，因为公司们拼命试图对抗这一点
Anthropic夸大Mythos引发监管恐慌
我现在非常生气。Anthropic过度宣传Mythos，吓坏了像财政部长贝森特和欧洲央行行长拉加德这样无知的政治家，引发了一场可能阻碍整个AI行业的监管恐慌。
回顾1 GFLOPS算力出口管制，PS2曾超限
比如当年对1 GFLOPS以上计算机实施出口管制，2000年索尼PlayStation-2发布时，其性能超过了限制😅
征求Codex用户对插件和团队使用的反馈
Codex 用户！关于以下两点我想要反馈： 插件是否真的让 Codex 更好用了？ 哪些插件好，哪些地方仍然感觉有问题？ 你们团队是如何使用 Codex 的？ 请分享例子，我会整理给团队！
OpenAI 推出新文档代理，帮助查找产品文档。
询问我们的开发者文档，它们会给你指路。 新的文档代理在🔗https://t.co/G1783HdxH4 上，帮助你查找 OpenAI 产品的答案，并直接带你到相关文档。
Codex自动运行构建和测试，几乎自给自足。
我几乎跟不上大家向https://t.co/qUxn0LF7Ct提交的Issue/PR的实现/测试/合并速度。Codex在构建crabbox时运行在crabbox内部。这已成为我工作的关键基础设施。过去4天，Codex在多个树中不间断循环。由于所有内容都可端到端验证，它基本上自行构建。Codex甚至通过浏览器/计算机使用自动注册服务。
作者基金做早期投资，偏好devtools和消费者产品
我有一支做早期投资的基金。显然我的专长是开发者工具，但我也喜欢消费者产品。更一般地说，我喜欢针对大市场、试图全面覆盖的产品。告诉我你的想法。
Codex两种浏览器模式对比：Chrome插件适合登录态任务，内置浏览器轻量适合公开页面
Codex 操作浏览器有两种模式，一种是 Chrome 插件，一种是内置浏览器。用了一段时间之后，我总结一下两者的差异和各自适合的场景。 【1】先说一个被低估的用法：拿 Codex 当爬虫 传统爬虫用 requests 或者 Playwright 无头模式去请求页面，现在风控越来越严，指纹检测、行为分析、验证码轮番上阵，很多网站一看你是程序化请求直接拦截。
Tyler Cowen认为强大RSI可能不到一年就会出现
Tyler Cowen 关于 Fable/Mythos 事件的观点。第5点的问题是，我们距离强大的RSI可能不到一年。一旦自动化研究者达到同等水平，美国政府可以国有化实验室并有效运营，而无需任何目前在那里工作的人员。https://t.co/8VFdOdEJs9
AI基础设施应像水电一样廉价稳定，开放源代码至关重要
我有一个梦想。有一天，世界上最先进的智能——无论它叫GPT、Fable、DeepSeek还是别的什么——都将变得无关紧要——就像今天的电力和供水一样便宜、稳定、高质量。它将为各种AI软件提供动力，就像电力为各种电器供电一样。我们仍然生活在灯泡刚刚发明的时代。未来将有无数AI应用程序。