OpenAI与博通推出LLM推理优化芯片Jalapeño
OpenAI与博通推出定制推理芯片Jalapeño，专为大模型推理优化，有望提升效率并降低成本。
行业新闻
AI21 Labs 发布开源模型家族 Jamba2，聚焦企业可靠性与效率
AI21 Labs 发布开源 Jamba2 模型家族，以混合架构兼顾效率与可靠性，瞄准企业级应用。
中科大等机构提出 VLA-JEPA，用潜空间预测训练 VLA 模型
.jpg)
VLA-JEPA 通过潜空间世界模型预训练，让小样本 VLA 机器人学会状态转移，降低对标注数据的依赖。
OpenAI 发布 GPT-5.5-Cyber，Codex 被曝致命漏洞
OpenAI 发布 GPT-5.5-Cyber 的同时，Codex 爆出致命 bug，暴露快速迭代中的安全隐患。
国产视频模型以94毫秒延迟和100%监控胜率超越Gemini
国产视频模型延迟低至94毫秒，监控准确率100%，超越Gemini，展现视频理解领域突破。
DeepSeek R1技术创新解析：强化学习、Long CoT与开源生态影响
三位研究者解析DeepSeek R1的RL、Long CoT和开源策略，揭示推理模型的创新本质。
NVIDIA 将全天候可信 AI 代理引入电信运营
NVIDIA 发布面向电信运营的可信、全天候 AI 代理，从任务自动化迈向自主运营。
Claude Code 大升级，Anthropic 称 65% 产品代码由其参与完成
Claude Code 升级后，Anthropic 内部大量代码由 AI 生成，卡帕西认为这代表 LLM 应用的范式转变。
Cohere 推出面向开发者的 Agentic 编程模型 North Mini Code
Cohere 发布 North Mini Code 轻量级模型，专为代码生成与代理式编程设计，能自主执行复杂开发任务。
Agent技术演进史：从逻辑代理到语言代理，OpenClaw Moment到来
Agent从逻辑代理演进到语言代理，近三年进化速度超过过去几十年，OpenClaw Moment正在重塑AI边界。
美团提出基于N-gram的嵌入扩展新范式 实现轻量化MoE高效进化
美团用N-gram技巧改造MoE，让大模型更轻量高效，适合资源受限场景。
百度千帆Token Plan企业版发布，适配智谱GLM-5.2等模型
百度千帆Token Plan企业版上线，率先适配智谱GLM-5.2，降低企业调用大模型门槛。
豆包大模型2.1发布，聚焦代码与Agent生产级能力
.jpg)
豆包大模型2.1在代码与Agent能力上号称跨越生产级门槛，展示大模型进入真实工程场景的潜力。
MiniMax 发布 Speech 2.8 语音模型，提升 AI 语音自然度
MiniMax 推出 Speech 2.8，通过细粒度声学优化让 AI 语音更自然、富有生命力，为对话式 AI 带来更真实的听觉体验。
Robert Wright 论 AI 作为人类终极考验：进化视角与全球协调风险
AI 的训练与市场选择可能奖励欺骗性模型，全球合作是避免「我们应得的神」的关键。
NVIDIA 与 AWS 合作推动 AI 规模化生产
NVIDIA 与 AWS 联合优化 AI 基础设施，降低大规模生产部署的延迟和成本。
Anthropic 推出 Claude Tag，AI 助手持续学习企业 Slack 信息
Anthropic 通过 Claude Tag 让 AI 学习企业沟通记录，是其抢占企业市场的重要布局。
GPT-5 Pro 帮助免疫学家破解三年未解之谜
GPT-5 Pro 应用于免疫学研究，破解 T 细胞行为谜题，为癌症和自身免疫治疗提供新线索。
Google Deepmind 研究员深度解读 OpenAI o1 与强化学习新范式
OpenAI o1 通过强化学习让模型学会分步推理，不再是简单预测下一个词，而是像人一样思考。
Cohere 详解 AI 代理在金融领域的实际应用
Cohere 展示了 AI 代理在金融中的真实用例，对从业者理解技术落地方向有直接参考价值。
热门产品
Bluerails Discovery
Bluerails Discovery 帮助AI代理人发现并自动支付给用户，提供AI可见性评分和支付结算，适合希望被AI发现并变现的创作者和企业。
OpenArt Director
OpenArt Director 通过聊天对话生成电影级AI视频，支持长达5分钟，保持角色和场景一致，为视频创作者提供便捷的创意导演工具。
Cotypist
Cotypist是Mac上基于本地AI的自动补全工具，为你在邮件、备忘录等应用中实时提供文本建议，保护隐私。
Latitude
开源AI Agent监控平台，自动检测规模化运行中的故障，并辅助修复，适合AI应用开发者。
Thumbmagic
Thumbmagic 是一款 AI 缩略图生成工具，通过分析顶级缩略图数据，帮助 YouTube 创作者生成高点击率的定制缩略图。
Hush
Hush 是一款开源语音降噪工具，专为语音AI代理设计，实时消除背景噪声和干扰，确保通话清晰。
Jotform AI App Builder
Jotform AI App Builder 是一款AI驱动的应用构建工具，用户通过描述需求即可自动生成页面、表单和工作流，适合需要快速创建应用的非技术用户。
Sakana Fugu
Sakana Fugu 是一个智能体平台，通过单一API动态编排全球最佳模型，处理复杂多步任务，为开发团队提供前沿性能。
Blazly SEO
Blazly SEO是一个AI内容操作系统，为营销人员提供从关键词研究到发布的一站式SEO内容管理，提升效率。
jebi
jebi 是一款内置本地 AI 的 Mac 终端，为开发者提供智能命令建议和错误解释，无需联网即可使用 AI 功能。
Sipcode
Sipcode 是一款开源工具，通过压缩冗余输出来清理 Claude Code 的上下文，帮助开发者获得更精准的 AI 编程回答。
Conduit
Conduit 通过本地网关聚合 MCP 工具列表，大幅减少 AI 智能体的上下文开销，提升任务执行效率，适合需要优化代理性能的开发者。
BestDefense.io
BestDefense.io 利用AI持续进行渗透测试和漏洞修复，帮助高合规SaaS团队在窗口期前修补真实风险。
NeuralAgent 3.0
NeuralAgent 3.0 是一款超快速计算机操作AI智能体，适用于需要自动化桌面和浏览器任务的用户，核心价值在于285毫秒内执行UI动作并自我监督恢复。
Buddy AI Note
一款将日常备忘自动整理成行动计划的AI智能体，适合需要高效规划的用户，核心价值是简化任务管理。
Deckwise
Deckwise是一款AI演示文稿助手，可将主题和笔记自动生成可编辑的幻灯片，适合需要快速制作演示内容的用户，提升效率。
NanoCorp
NanoCorp 是一款让用户用一句话创建自主AI公司的工具，面向创业者和企业，通过AI代理自动招聘员工并执行任务，实现无人值守运营。
开源项目
design.md
一种为编码代理（如Cursor、Copilot等）定义设计系统的结构化格式规范，通过YAML front matter和Markdown prose混合描述视觉身份，让AI理解设计意图。亮点是Google出品，提供lint、diff等CLI工具，支持导出到Tailwind等流行格式，有助于在AI辅助开发中保持设计一致性。
no-mistakes
Git 推送代理工具，在代码推送到远程前自动运行 AI 驱动的审查/测试/ lint 管道，所有检查通过后才创建干净的 PR。亮点是与多种 coding agent（Claude、Codex 等）兼容，支持自动修复安全机械性错误，人类只需处理涉及意图的发现。今日 stars 暴涨，适合追求代码质量和自动化 PR 流程的团队。
orca
用于并行运行多个 coding agent 的桌面端和移动端应用，支持 Claude Code、Codex、OpenCode 等任意 CLI 编码 agent，每个 agent 运行在独立 git worktree 中。亮点是可将同一 prompt 发给多个 agent 并行生成，比较结果后合并最优方案；
hiring-agent
从简历PDF中自动提取结构化数据，结合GitHub仓库信号，利用本地LLM或Gemini进行公平可解释的评分。亮点在于完全本地可运行（Ollama），支持多种LLM后端，且内置公平性约束和证据驱动的评分规则，适合招聘场景下快速初筛。今日新增152星，反映其解决简历筛选痛点的实用价值。
论文
PlanBench-XL：评估大语言模型工具使用代理在大规模工具生态系统中的长期规划
现有基准测试很少评估在检索受限的工具可见性下LLM代理的规划能力。为填补这一空白，我们提出PlanBench-XL，一个包含327个零售任务、涉及1665个工具的交互式基准。它测试代理是否能迭代检索可用工具、调用工具以发现中间证据，进而引导后续调用直至最终目标。
OpenRath: 以Session为中心的Agent系统运行时状态
现代Agent系统常面临运行时状态碎片化问题：Transcript、Tool效果、Memory事件、工作空间放置、分支来源和重放证据被分别记录，难以审查或复现。OpenRath采用类似PyTorch的编程模型（类比在于中央一等运行时抽象的角色，而非张量计算），其核心抽象是Session——在Agent和工作流之间传递的运行时值。
DataClaw0: 从原始流中代理式定制多模态数据
海量非结构化多模态流遭受高“数据熵”的困扰，阻碍高效人类知识获取与高质量 AI 后训练。现有被动标注范式依赖启发式规则或通用 VLM，成本高、单调且无法解锁原始数据中的深层过程逻辑。 我们提出向 Agentic Data Tailoring 的范式转变，将数据处理提升为可学习能力，主动精炼和结构化数据以对齐用户与下游意图。
Grouped Query Experts: GQA自注意力上的混合专家
自注意力是 Transformer 性能的核心，但长上下文时其成对 token 交互随序列长度二次增长，导致计算成本极高。标准密集注意力对所有 token 应用相同的注意力头，忽略了 token 难度和信息内容差异，造成计算浪费。 我们提出 Grouped Query Experts (GQE)，在分组查询注意力 (GQA) 之上构建混合专家层。
EnterpriseClawBench: 从真实工作会话中评估智能体
企业智能体越来越多地在工作空间中运行：它们读取异构文件、调用工具并交付业务产物。为此，我们提出了 EnterpriseClawBench，一个基于专有真实工作会话构建的企业智能体基准。
KaLM-Reranker-V1: 快速但非延迟交互的压缩文档重排序
随着检索系统规模的扩大，高质量重排序变得愈发重要。然而，现有大多数重排序器（无论是基于编码器还是解码器）都联合编码查询和段落，紧密耦合计算，限制了部署效率和灵活性。我们提出 KaLM-Reranker-V1，一种快速但非延迟交互（FBNL）重排序器，它解耦查询和段落计算，同时保留富有表现力的相关性建模。
World Action Models: A Survey
World Action Models (WAMs) 是一种具身预测动作模型，能够对未来进行预测以辅助决策。近期 WAMs 主要沿两条路径发展：一是重新利用大型视频生成模型，二是基于语言或视觉语言主干而无需视频生成核心。这一快速发展模糊了广义世界模型、视频生成模型、动作接地的视频世界模型、视觉-语言-动作策略以及 WAMs 之间的边界。
CLI-Universe：面向终端智能体的可验证任务合成引擎
问题：尽管基于LLM的终端智能体已展现潜力，但高质量、可执行的训练数据稀缺仍是关键瓶颈。现有合成流程通常通过改造表层人工制品来扩展任务，常导致指令模糊、执行路径浅显、测试脆弱，无法提供强学习信号。 方法：为此，我们提出CLI-Universe，一个原则性合成引擎，用于构造终端智能体任务。
BioMatrix: Towards a Comprehensive Biological Foundation Model Spanning the Modality Matrix of Sequences, Structures, an
现有生物基础模型要么局限于单一实体类型（如仅分子或仅蛋白质），要么缺乏原生结构建模或依赖适配器设计，无法统一处理多模态和跨实体任务。BioMatrix 填补了这一空白，它是首个将分子序列（支持 SMILES 和 SELFIES 格式）、分子结构、蛋白质序列、蛋白质结构和自然语言映射到共享离散词元空间的原生多模态基础模型，采用单一 decoder-only 架…
HydraHead: 从头级功能异质性到专用注意力混合
注意力机制的二次复杂度成为长上下文处理的关键瓶颈，激发了对混合注意力设计的兴趣。多数开源混合模型采用逐层策略，但先前工作已注意到将线性注意力 (LA) 与全注意力 (FA) 集成的固有困难，表明混合注意力的设计空间仍待探索。 为探究该空间，我们进行可解释性分析，观察到层内存在块状功能相似性，而同一层中的不同头部虽共享输入特征，却展现出不同的功能特化。
SkillHarness：为计算机使用代理驾驭安全技能
问题：计算机使用代理（Computer-Use Agents, CUAs）在动态交互环境中部署时，需要持续学习技能。现有方法假设环境静态安全，忽略了对抗交互（如提示注入）和环境变化（如弹窗）的风险，导致技能学习不安全、执行不稳定。 方法：本文提出 SkillHarness 框架，将技能学习与使用建模为安全约束的交互过程。
Deeper is Not Always Better: Mitigating the Alignment Tax via Confident Layer Decoding
大型语言模型（LLM）的自回归生成通常从最后一层解码，假设深层表示产生更可靠的下一个词预测。本文通过揭示一种反复出现的 Guess-Refine-Perturb 动态来重新审视这一假设：早期层形成粗略猜测，中间层精炼与推理相关的语义，而最后层可能将这些精炼的预测扰动为通用或对齐偏好的词元。
从自身错误中学习：为自蒸馏构建可学习的微反思轨迹
自蒸馏通过最小化与特权目标分布的 KL 散度，隐式地进行 logit 级对齐，从而提升大型语言模型的推理能力。然而，由于监督信号通过无控制采样生成，无法洞察模型的具体错误或提供针对个体失败模式的修正指导。模型只能模仿特权分布，而无法获得细粒度的纠正。
Unlimited OCR：无限制OCR
近期，以 DeepSeek OCR 为代表的端到端 OCR 模型再次将 OCR 技术推向前沿。一个普遍观点是，使用大语言模型（LLM）作为解码器，能够借助语言先验分布提升 OCR 性能。然而，其缺点同样显著：随着输出序列增长，累积的 KV cache 导致内存消耗上升，生成速度逐渐下降。这与人类在长篇幅抄写任务中效率不衰减的特性形成鲜明对比。
Foresight: 基于动作条件世界模型潜变量的长期机器人操作故障检测
长期机器人任务（如多步操作）中的故障检测面临两大难点：故障信号出现时机模糊且缺乏密集时间标注。现有方法多依赖手工特征或密集监督，难以推广。 我们提出Foresight框架，利用动作条件世界模型在轨迹执行过程中提取潜变量表示（action-conditioned world model latents），以监测操作是否偏离成功轨迹。
Notes2Skills: 从实验笔记到确定性感知的科学智能体技能
科学发现工作流通常依赖实验笔记，其中记录观察、不确定性结果及后续计划。这些笔记保留了演进的科学推理和作者的不确定性，为AI参与科学探索提供了更深入的机会。然而，现有研究多聚焦于论文、协议或结构化数据库，忽略了非正式的实验笔记，导致AI可能将不确定的判断误认为确定结论或可执行操作。
Self-Compacting 语言模型代理
问题：长代理轨迹由链式推理和工具调用组成，会积累陈旧内容，锚定后续生成并最终超出上下文窗口。现有脚手架采用固定间隔压缩（基于令牌阈值触发），但忽视轨迹结构，可能导致部分结果在中途推导或搜索中被丢弃。
Training Open Models for Agentic Phone Use
手机正成为通用代理的重要执行载体，但训练可靠的开放模型用于手机操作仍面临困难：部署环境（运行真实应用的真实设备）缓慢、有状态、易产生副作用，且难以重置或验证；而可扩展的模拟环境仅近似真实行为。 本文提出 PhoneBuddy 训练方案及开放模型系列，结合真实应用环境与模拟应用环境 PhoneWorld。
Tmax: 终端智能体的简单方案
基于终端的智能体（terminal agents）已成为语言模型（LM）最热门的应用。然而，相关强化学习训练研究相对较少，主要受限于基准难、数据缺乏和基线方法简单等问题。本文提出Tmax，目前最强大的终端智能体开源RL训练方案，将开源数据配方推向前沿。
无风险开放权重模型：在LLMs中分离公共与私有能力
开放权重LLMs 推动了科学进步与广泛部署，但难以控制敏感能力的访问。当前做法要么在发布前抑制危险能力，从而牺牲全部用户的性能以防范少数风险，且易受越狱攻击；要么通过封闭服务（专用变体、输入输出监控、API权限）调解访问，但这与开放权重发布根本矛盾。 本文提出 分层层级语言模型（TLMs）：一套权重支持多个能力层级。默认公共配置行为类似常规LLM；
动态
OpenAI推出GPT-5.5 Instant，更智能有趣
我们为您推出了新版本的 GPT-5.5 Instant，它现在更乐于交谈。我们最常用的模型现在能更好地理解问题背后的意图，并相应调整回复。它还能更可靠地处理复杂约束，使购物和本地推荐更加实用和连贯。今天向付费用户推出，明天向免费用户推出。
作者宣布加入Cursor，转向ML训练Composer
个人更新，我将开始在Cursor担任新角色！ 我将进入机器学习领域，致力于训练Composer。我将研究如何改进模型的行为和个性。
Codex bug已修复，感谢反馈
Codex 曾经有一个 bug。已修复。 更多反馈。更好的产品。继续提建议。
AI在自身工作表现差，却在他人工作表现出色
真是太疯狂了，AI在你自己的工作上很差，但在别人的工作上却很好。
Hermes Agent 可领养动画宠物
你的 Hermes Agent 现在可以领养一个动画宠物：一个在 GUI 或 TUI 中根据 agent 行为（空闲、运行工具、思考、等待、完成、失败）做出反应的小精灵。你可以通过 petdex 图库从近 3000 种宠物中选择，也可以提交自己的宠物。
Runlayer融资3000万美元，提供AI赋能平台
今天，我们宣布Runlayer已从Felicis和Khosla Ventures筹集3000万美元，帮助公司全面投入AI。Runlayer是AI的黄金路径：在一个平台上实现赋能、安全和控制。那么，它如何为你的团队提供合适的AI工具？🧵 https://t.co/nMjWuv3Oc3
Cursor现支持GLM 5.2模型
你现在可以在Cursor中尝试GLM 5.2！很高兴看到更多有用的开放模型，感谢Fireworks的合作。评估结果如下↓
OpenAI推出专为LLM推理设计的芯片Jalapeño
介绍 Jalapeño——历时九个月从头设计，专为 LLM 推理优化，并由我们的模型加速。每瓦性能令人难以置信。
用rg和wc统计isRecord次数，衡量vibe coding程度
我找到了一个很好的方法来衡量代码库受氛围编码影响的程度： rg -o 'isRecord' . | wc -l
通过边缘情况和失败模式理解复杂系统
理解复杂系统的最佳方式是通过边缘情况和失败模式，因为它们定义了系统的轮廓。
AI agent创意灵感技能，结合22种方法论
有时你只是需要一点新鲜灵感，但你的 agent 无法领会氛围。创意构思技能会分析你的提示词，并将其路由到来自艺术家和思想家的22种创意方法论之一，以找到可行性和创造力的完美平衡。
GPT-5.5 Instant重大改进，对话更有趣
GPT-5.5 Instant 的重大改进，包括对话更有趣。试试吧：
Codex喜欢吞食bug
Codex 喜欢吞食 bug https://t.co/2REc24J0VO
简单规则的可扩展重组产生复杂现象
最复杂的现象源于极其简单规则的可扩展重组。无论是星系、芯片还是神经网络，只要找到正确的基本构建块，复杂性便自然呈现。
纽约禁Waymo，反思科技业推广失败
纽约禁止Waymo，整个科技界开始道德说教。我们何时才能意识到，我们的行业在让世界对未来感到兴奋方面糟糕透顶？出于某些原因，我们假装这不是工作的一部分。
MCP协议进程会话绑定导致开销，认为标准化过早
MCP 与一个进程等于一个会话的概念绑定得太紧了。规范中有些东西迫使你为每个活跃会话生成一个新的 MCP 服务器。荒谬的开销——这就是我一直说标准化还为时过早的原因。
5.2版本用更多RL可改进。
5.2 如果能有更多 RL 会更好……
Amjad Masad 祝贺团队，强调始于提示和想法。
一切始于一个提示——要走到这一步需要大量工作——但始于一个想法。祝贺 Yousef 和团队！
用软链接管理Agent Skills，节省上下文空间
分享一下我管理 Skills 的方式，偏极客风格，不一定适合所有人，但可以给大家提供一个思路。 一、Skills 只装在项目里，不装全局 Agent 的 Skills 可以装在全局（所有项目共享）或者项目内（只有当前项目能用）。我选择只装在项目内，最主要的原因是节约上下文空间。
OpenAI设计并生产了首款AI芯片Jalapeño
辛辣