OpenAI发布GPT-5.6系列，分三档仅限受信任合作伙伴
OpenAI推出三档GPT-5.6，因政策限制仅向少数合作伙伴开放，引发技术公平性争议。
行业新闻
OpenAI 发布 GPT-5.6 Sol 预览，新一代模型细节公开
OpenAI 预览 GPT-5.6 Sol，新一代模型在推理和多模态方面大幅升级，值得关注其技术路线和性能突破。
Anthropic 推出 Claude Tag，OpenAI 公布自研芯片计划
两大 AI 实验室分别从用户交互和硬件自主权切入，Claude Tag 简化工作流，OpenAI 芯片计划强化算力控制。
Sharpa联合清华发布FTP-1，首个通用触觉基础模型跨21种传感器
.285.jpg)
首个通用触觉基础策略FTP-1，跨21种传感器预训练，可迁移至新传感器和机器人本体，打通触觉操作通用化路径。
智谱开源 GLM-5.2 跻身全球模型前三，马斯克预测追赶时间缩短
智谱开源 GLM-5.2 性能逼近顶尖闭源模型，且提供免费算力，标志中国开源模型首次进入全球核心竞争圈。
360 与 Sakana AI 发布新模型，对标被美禁运的 Anthropic 神话系列
亚洲厂商借美国出口禁令窗口推出对标 Anthropic 的模型，显示 AI 供应链正因地缘政治加速多元化。
AI Agent Token开销居高不下，路由成为成本优化核心
AI21 Labs提出用智能路由自动优化Agent token成本，在不牺牲质量的前提下缓解成本飙升。
影石开源统一相机模型UniSHARP，单图即可生成3D高斯点云
.jpg)
影石开源UniSHARP，一张图适配所有相机，秒级生成3D场景，打破针孔相机依赖。
杭州Om AI开源VLX，实现端侧流式多模态感知与行动
Om AI的VLX系统把持续感知、定位和行动决策整合在端侧，让模型从“看图说话”升级为“实时做事”。
Cohere 发布 AI 代理构建实用指南
一份务实的工程指南，用具体步骤教你搭建可靠的 AI 代理，而非空谈概念。
生成式因果测试将语言脑区预测黑箱转化为可读假说
新框架 GCT 把脑区预测模型翻译成可测试的短句，并用实验验证，打开了语言神经科学的黑箱。
OpenAI 新研究：AI 智能体如何改变工作方式
OpenAI 新论文表明，AI 智能体能自主执行复杂任务，正在重塑工作模式并提升生产力。
Unconventional AI 发布首款物理计算原语生成模型 Un-0，宣称能效可降千倍
.jpg)
Unconventional AI 用物理振子系统替代 GPU 计算，发布首个生成模型 Un-0，有望大幅降低 AI 能耗。
Midjourney V8.1 草稿模式新增随机风格
Midjourney V8.1 草稿模式支持随机风格，一次生成 24 种风格变体，加速创意探索。
Databricks 用数据工程方法实现视频自然语言搜索
Databricks 通过数据工程流水线，让用户用自然语言查询视频内容，自动截取相关片段并生成文本摘要，极大降低视频分析成本。
它石智航等发布TacForeSight，机器人预判接触变化
它石智航联合多机构提出TacForeSight触觉世界模型，用力觉提前预测触觉变化，实现机器人预判接触，提升精细操作成功率。
人大发布DeNovoSWE数据集，训练代码智能体从零生成完整仓库
DeNovoSWE让代码AI从修bug升级为从头建仓库，实验显示长程能力提升显著。
梅西百货“AI优先”重塑零售决策流程
梅西百货将AI视为操作系统，而非附加功能，通过重新设计决策流程，让整条业务链更快响应客户行为。
联合国发布全球首个自动驾驶法规 小鹏参与制定并计划出海
全球首个自动驾驶法规落地，小鹏加速出海布局，特斯拉入华，智驾竞赛转向全球市场适配与落地能力比拼。
DeepSeek 发布 DSpark 加速推理，吞吐提升达 400%
DeepSeek 开源推理加速框架 DSpark，可在多种开源模型上实现最高 4 倍吞吐提升，显著降低推理延迟。
热门产品
Agent Arena
Agent Arena 是一个开放竞技网络，让自主智能体在真实挑战中竞争、赚取奖励并进化，适合 AI 开发者和爱好者。
Gemini Spark
Gemini Spark 是一款全天候个人 AI 智能体，为用户自主执行后台任务，无需设备在线。
note.md
note.md 是一款本地优先的研究工作区，利用 LLM 记忆功能帮助学者整合文献、笔记和写作，提升研究效率。
Atlas
Atlas是一个AI治理平台，让企业定义规则并强制所有AI工具遵守，提升AI使用的安全性和一致性。
ModuleX
ModuleX 是一款已连接200+集成的AI工作空间，帮助团队通过自然语言描述自动执行任务并生成可视化工作流，提升效率。
Basedash for Excel
将Excel文件交给AI代理，自动分析数据并生成实时仪表盘，无需公式，适合Excel用户快速获得洞察。
SquidHub
一款支持人类与AI智能体实时协作的多人在线平台，适合团队共同头脑风暴、规划、写作、构建和决策。
LockIn MCP
LockIn MCP 是一款AI驱动的专注工具，通过智能代理自动屏蔽干扰，帮助用户深度工作，提升效率。
DMV by Agent Community
为AI智能体提供社区治理的命名空间，帮助开发者预先注册“.agent”域名并获得身份卡，确保命名层开放、不被单一公司控制。
AI Slide Editor by CubeOne
AI幻灯片编辑器，通过与AI对话创建、编辑和美化幻灯片，适合职场人士快速制作专业演示。
Cewsco
Cewsco 是一款一站式 AI 助手，集成实时聊天、图像生成和语音对话，适用于需要高效处理多种任务的多设备用户。
开源项目
ppt-master
AI驱动的PPT生成工具，能从任意文档直接输出原生可编辑的.pptx文件，支持形状、动画、演讲者笔记和音频旁白，还可自定义模板。亮点在于输出是真·PPTX，每个元素都可以在PowerPoint中直接点选编辑，而非图片堆砌；数据本地处理，无平台锁定。适合需要快速生成高质量演示文稿的职场人士，但对模型质量有要求，推荐使用Claude等大上下文模型以达到最佳效果。
opencode
开源 AI 编码代理，提供终端和桌面应用两种形态，通过 build（全权限）和 plan（只读分析）两种 agent 模式辅助开发。亮点在于完全开源，可本地部署，支持多种安装方式，社区活跃。适合希望摆脱闭源商业产品限制的开发者。
OpenSpec
面向AI编码助手的规范驱动开发框架，让开发者在写代码前先通过斜杠命令与AI对齐需求、生成规范文档，再逐步实现。亮点在于比GitHub Spec Kit更轻量，比Kiro更开放，支持20多种AI工具，适合既有项目（brownfield）和团队协作。MIT许可，可自由使用。
论文
DanceOPD: On-Policy Generative Field Distillation
现代图像生成需要单一模型统一多种能力，包括文本到图像（T2I）、局部编辑和全局编辑。然而，这些能力很少自然对齐，常常相互冲突：编辑会降低T2I性能，全局与局部编辑互相干扰。因此，如何有效组合这些能力成为模型训练的核心挑战。 为此，我们提出 DanceOPD，一个面向流匹配模型的在策略生成场蒸馏框架。
面向机器人控制的上下文世界模型
现代视觉-语言-动作（VLA）模型通常难以泛化到新场景，例如摄像机视角或机器人形态的改变，因为它们通常仅基于当前观测和语言指令进行条件化。通过忽略底层系统配置这一变量，这些模型隐式假设了训练中遇到的固定执行上下文，从而需要对任何新环境进行数据密集型的微调。 本文提出上下文世界模型（ICWM），将系统辨识视为一个上下文自适应问题。
OPID：面向智能体强化学习的在策略技能蒸馏
基于结果的强化学习为语言智能体提供了稳定的优化基础，但其稀疏的轨迹级奖励对中间决策的强化或抑制缺乏指导。在策略自蒸馏提供了密集的令牌级监督，但现有的技能条件变体通常依赖外部技能记忆或检索的优先上下文，维护成本高且易与当前策略在多轮交互中产生的状态分布不匹配。 我们提出OPID（在策略技能蒸馏）框架，直接从完成的在策略轨迹中提取技能监督。
验证地平线：编程智能体奖励没有银弹
经典直觉认为验证方案比生成方案更容易，但如今的编程智能体正在颠覆这一直觉：随着基础模型推理能力增强和工程框架日趋复杂，生成复杂候选解不再困难，而可靠地验证它们却成了更难的问题。任何我们能构建的验证器都只是人类意图的代理信号（proxy signal），而非意图本身，这使验证面临双重困境：首先，意图天生是未完全指定的（underspecified），导致难以忠…
Qwen-Image-Agent：弥合真实世界图像生成中的上下文鸿沟
尽管文本到图像（T2I）模型取得了显著进展，但在处理真实世界请求时仍面临挑战，这些请求往往描述不充分、隐含或依赖最新知识。我们将此挑战称为上下文鸿沟（Context Gap）：用户上下文与T2I模型所需的充足生成上下文之间的不匹配。
ViQ: 任意分辨率下的文本对齐视觉量化表示
文本与视觉的统一表示是自然的追求，因为它能实现更简单的多模态建模和更高效的训练。然而，将图像像文本一样表示为离散信号不可避免地会引入严重的信息损失。现有工作难以在离散表示中平衡低层细节与高层语义：面向重建的表示通常缺乏语义信息，而语义更强的特征往往遭受严重细节损失。
JetSpec: 使用并行树草稿突破推测解码的扩展上限
推测解码 (Speculative Decoding, SD) 通过草拟多个 token 并并行验证来加速自回归大语言模型 (LLM)，但其存在扩展限制：增加草稿预算仅在接受率保持较高且草稿开销较低时才能提升速度。这一上限很难突破，因为以往的基于 head 的 SD 方法面临因果-效率困境。
GUI vs. CLI: 纯屏幕与技能中介的计算机使用代理中的执行瓶颈
计算机使用代理可通过图形用户界面(GUI)或程序化命令行界面(CLI)执行软件任务，但现有评估混淆了交互模态与任务、初始状态、验证器和允许操作的差异。我们引入了一个匹配的执行层基准，包含18个应用程序和12个工作流类别的440个桌面任务。实验中，纯屏幕GUI代理与技能中介CLI代理接收相同目标、状态和最终状态验证器，但仅允许各自模态的原生操作。
Fast LeWorldModel
联合嵌入预测架构（JEPAs），包括最近的 LeWorldModel（LeWM），已成为无重建视觉世界模型的有前景基础。然而，在视觉规划中，LeWM 通过反复应用局部单步潜在转移模型来评估候选动作序列。这种自回归展开使得规划计算昂贵，并且随着规划视界增长，预测轨迹会累积潜在误差。
Running the Gauntlet: Re-evaluating the Capabilities of Agents Beyond Familiar Environments
随着智能体系统不断演进并广泛部署于真实场景，对其能力进行忠实评估的需求日益增长。然而，当前基准通常基于流行应用构建，任务相对简单，且仅关注狭窄的能力维度，忽视了更广泛的方面，导致现代智能体性能饱和，无法探测其局限性。
Why Multi-Step Tool-Use Reinforcement Learning Collapses and How Supervisory Signals Fix It
工具使用使大型语言模型（LLMs）能够执行复杂任务，近期智能体强化学习（RL）方法在增强模型能力方面展现出潜力。然而，RL单独在工具使用任务中常导致不稳定或增益有限。实验中，部分模型出现灾难性崩溃，性能骤降且工具调用结构失效。分析表明，这些失败源于特定控制token出现意外的概率尖峰，破坏了结构化执行，但底层工具使用能力并未丧失，只是被特定格式掩盖。
LISA: 面向视觉条件可控生成的似然分数对齐
当前主流双分支范式——即训练侧网络编码视觉条件，并将其中间层特征注入冻结的预训练主网络——在视觉条件可控生成中取得了显著成功。然而，侧分支的角色及其训练效率仍未充分探索。 本文首先从基于分数的生成模型视角重新审视该范式：1) 主网络通过提供先验无条件分数来保持视觉感知质量；2) 侧网络通过隐式贡献似然分数来引导条件控制。
Discretizing Reward Models
尽管奖励模型在强化学习中广泛使用，但其作用仍未被充分理解。奖励模型承诺在没有验证器或人工评判时自动估计响应质量。与通常产生二元分数的“可验证奖励”不同，奖励模型通常产生连续分数，从而对细粒度差异敏感。然而，本文表明这一表面优势实为严重缺陷：许多流行的奖励模型存在过度敏感问题，即对同样好的响应赋予不同分数。理论上，我们证明看似完美的奖励模型可能高度过度敏感；
面向长推理的信息感知KV缓存压缩
大型语言模型（LLMs）的推理能力快速提升，导致在预填充和解码阶段键值缓存（KV cache）规模日益增长。现有KV缓存压缩方法主要依赖注意力权重估计令牌重要性，虽能捕捉上下文相关性，却忽视了与预测不确定性和令牌信息量相关的互补信息论信号。 本文从前瞻性视角重新审视令牌重要性，引入Forward Influence——一种衡量压缩令牌对未来上下文影响的指标。
后训练中被忽视的免费午餐：面向 LLM Agent 的进展优势
过程奖励模型能够提供细粒度、步骤级的语言模型评估，但在 agentic 场景中构建它们极其困难：长期交互、不可逆动作和随机环境反馈使得大规模人工标注和蒙特卡洛估计都不可行。本研究表明，强化学习（RL）后训练已经提供了有效步骤级打分的要素，无需专门训练奖励模型。
CoffeeBench: 异构多智能体经济中长周期LLM智能体的基准测试
随着LLM智能体能够处理越来越长周期的任务，评估其在经济系统中的表现变得愈发重要。现有基准大多测试单个智能体与被动环境的交互，而经济系统本质上是多智能体场景，要求自主智能体在长时间跨度内通过通信、协商和交易追求自身目标。 我们提出CoffeeBench，一个用于评估长周期多智能体经济中LLM智能体的基准。
置信度感知的工具编排用于鲁棒视频理解
视频推理语言模型隐式假设所有输入帧同等可靠，导致盲信问题（Blind Trust Problem）：在运动模糊、眩光、遮挡等现实扰动下，前沿视频推理模型准确率下降15–30%，且无法察觉视觉证据退化。 为解决此挑战，我们提出Robust-TO，一种将每帧可信度显式集成到推理各阶段的智能视频理解框架。
PhysiFormer: 在世界空间中学习模拟力学
我们提出 PhysiFormer，一种用于生成物理合理 3D 物体运动的扩散 transformer。与在视图依赖像素空间操作的视频世界模型不同，PhysiFormer 将物体表示为世界坐标下的 3D 网格。给定初始顶点位置、速度及物体材料类型（刚性或弹性），模型采样未来顶点轨迹。
Hallucination in World Models 是可预测且可预防的
现代生成式 World Models 能够渲染愈发真实的动作可控未来，但频繁出现 hallucination（幻觉）： rollout 在视觉上流畅，却偏离真实动态。我们假设幻觉集中在状态-动作空间的低覆盖区域，而轻量级数据信号既能检测也能引导缓解。
组合语言模型何时有帮助？在67个前沿模型上的路由、投票和混合代理的共同失败上限
多模型 LLM 系统（如 路由、投票、级联、融合 及 混合代理）旨在超越单模型准确率。但研究发现，其增益受限于一个鲜少被报告的指标：共同失败率 beta —— 所有模型在同一查询上同时出错的概率。任何仅输出单一模型答案的策略，准确率都无法超过 1 - beta。相比之下，常用诊断指标 平均成对错误相关性 rho 无法识别 beta。
动态
OpenCode v2的TUI/桌面/Web共享同一后端实现同步与最小化资源
在OpenCode v2中，所有终端用户界面、桌面和Web实例共享同一个后端，因此所有内容默认同步，无论打开多少个窗口，资源使用都最小化。
分析Fable 5和GPT-5.6获批前景及美国AI优势
我认为Fable 5和GPT-5.6下周都会获批全面发布，并且也允许在美国境外使用。但人们应该记住这一刻和这种感受，因为几乎不可避免，我们最终会到达一个批准不再到来的节点。 这次资本主义将打破平衡。我怀疑他们不会批准一个模型而不批准另一个，因为这样做会被视为极度反竞争。Fable和GPT-5.6很可能获得相同的许可，可能在同一天。
夜晚充满Codex的潜力
夜晚还年轻，充满了Codex。
Coinbase 通过使用便宜推理模型和智能路由将 token 支出减半
这非常有趣。Coinbase 似乎将其 token 支出（美元）降低了约一半，通过 1）将路由到廉价推理模型如 GLM 5.2 和 Kimi 2.7，这些模型性能仍然不错；2）智能路由+缓存。他们仍然使用与之前相同的 token。这是趋势的开始吗？
模型能力强，但瓶颈在于想象力；公司常以日程安排演示
模型能力很强。我不是说它们很聪明。但它们的瓶颈很可能在于你自己的想象力。证据是，很多公司用“它可以帮你安排日程”来演示他们的AI产品。
开源模型追上SOTA闭源，或影响Anthropic和OpenAI收入
这是来自一个流行的推理提供商的消息。 GLM-5.2 加上美国禁止最先进的新模型，意味着开源已经赶上了最先进的闭源编程模型。 这对Anthropic和OpenAI的收入预期和IPO计划可能非常不利。
招聘经理因AI取代站会快速招到人
来自一位招聘经理： “我在招聘一个工程经理职位。收到的申请很糟糕。 但我很快填满了这个职位，因为我人脉中有个人正在找工作……因为AI。你看，他们的公司用AI机器人代替了站会，让每个人向AI机器人发送状态更新，大家不再互相交谈。 他决定不想在一个因为AI而变得如此非人性化的地方工作，联系了他的人脉，我们双赢了！
批评人们热衷构建agent框架却忽视产品中实际agent
每个人都乐于构建agent框架，却忽略了他们使用的产品中的每一个agent
Waymo无人车体验两次不同，第二次令人沮丧
六个月前我坐了几次Waymo，对它们的出色表现感到震惊。这次却只有沮丧。连续第二次，汽车无法完成简单的下车（例如在红灯前下车，却决定绕8分钟空转；），在红灯且没有停车位时无法上车，然后让我追着车跑了几分钟，最后停在路中间打着双闪等等。人类司机拥有在城市驾驶中这些Waymo所缺乏的常识。
推荐尝试智能体混合技术
今天试试智能体混合吧！
用户构建家庭AI实验室以运行本地模型
我受够了 Fable 5被对我们封锁，现在GPT 5.6也被封锁，我决定完全开源 刚去Microcenter买了这台RTX 5090电脑。很快会加一个RTX Pro 6000 这让我的家庭AI实验室拥有： • 3台Mac Studio 512GB • DGX Spark • RTX 5090 • 2台Mac Mini 我正在建立家庭AI实验室，以便尽可能多地…
讨论Codex/Claude Code上下文压缩与fork等配套功能
现在 Codex/Claude Code 的上下文压缩确实做的挺好了，加上 Prompt Caching，一个 Session 内持续聊没那么大成本压力了。我现在也越来越多的在一个会话内继续任务。
商务部长致信Anthropic，涉及AI政策
商务部长霍华德·卢特尼克致Anthropic的汤姆·布朗的信。
使用Codex自动查找Slack联系人并添加LinkedIn
嘿，Codex，找到过去90天我在Slack上互动过的所有人，并在LinkedIn上添加他们。
用户承认错误，强调不要押注Sam Altman
我完全错了 永远不要押注山姆
希望特斯拉FSD有礼让模式
我希望特斯拉FSD有一个“好人”模式，让其他车辆插到你前面，并且不要等到最后一刻才并入拥堵车道。
Codex本周发布生活质量更新，优化长线程滚动
🆕 Codex 本周发布了生活质量更新 首先是长线程：滚动更流畅了，在对话中移动时你的位置保持不变。 https://t.co/OkV7Xxnt0T
提出表示系统提示事实的系统，变更时通知代理
忽略奇怪的样式，但我们想出了一个很好的系统来表示系统提示事实。如果它们改变，我们可以通知代理而不破坏缓存。这也与Anthropic为此提供的显式功能很好地配合。这里它被告知日期已更改 https://t.co/A4fIqhDiXB
Polymarket收购Craft Agents，作者兄弟领导产品工程
Polymarket 收购了 Craft Agents，@balintorosz（我的兄弟）将领导产品工程。我现在将一月份的 Craft Agents 深度分析免费开放。Craft Agents 与 Claude Cowork 理念相似——且早在 Claude Cowork 之前就已构建！它也是开源的。
Codex 应用质量更新
Codex 应用质量更新！