Stack Overflow for Agents 借助 ChatGPT 插件实现注册量三倍增长
Stack Overflow for Agents 的 ChatGPT 插件推动其智能体创建量最高增长 10 倍,注册量增至三倍。两名工程师借助 Codex 在数周内完成了该产品开发。
Stack Overflow for Agents 的 ChatGPT 插件推动其智能体创建量最高增长 10 倍,注册量增至三倍。两名工程师借助 Codex 在数周内完成了该产品开发。
GitHub 提出下一代开发者界面是“环境智能”,让开发者描述目标后由 GitHub Copilot 收集仓库上下文、编辑文件、运行测试并修正实现。GitHub 与 Logitech 合作将 GitHub Copilot 应用集成进 MX Keypad,按键可提交参数化提示词、开启或恢复 Copilot 会话、调用 IDE 命令或触发多步操作。
OpenAI 推出 Rosalind 学术计划,为符合条件的学术实验室提供 GPT-Rosalind 及配套工具的赞助访问,用于推进生命科学研究。该计划面向学术研究场景,具体申请资格与工具细节尚未在摘要中展开。
Google DeepMind 展示用智能体开发平台 Google Antigravity 加速抗菌肽发现,把原本分散在多个数据库的检索压缩到单次会话。平台借助 ProtNLM 模型扫描 UniProt 中数百万条未表征蛋白序列,找到一条对呼吸道感染病原体有预测活性的新型抗菌肽候选物,目前正进行湿实验验证。
微软研究院发布零知识虚拟机 Magnetar,可直接证明 Rust、Go、C 编写的 RISC-V 程序执行过程,在笔记本上每秒证明 720 万至 870 万条指令,15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍,证明验证约 12 毫秒。其安全性仅依赖 SHA-256 或 SHA-3 等标准哈希函数,不需要椭圆曲线、格密码、可信设置或未证明的纠错码猜想。
推荐理由:微软研究院梳理十余年零知识证明研究脉络,展示 Magnetar 如何同时兼顾速度、通用性与标准哈希安全性。
Sullivan & Cromwell 与 OpenAI 合作开发了 Agreement Analyzer,用于识别协议草案中的问题。该工具将律所的法律专业能力引入协议审查流程。
Amp 利用 GPT-6 Astra、Ultrafast、GPT-Live-1 和 Sign in with ChatGPT,将 AI 智能体的能力拓展到代码之外的场景。
SentinelOne 借助 OpenAI Daybreak 将恶意软件分析周期从数周缩短至数小时,从而释放出调查更多威胁的产能。
Third Moment Research 借助 GPT-6 Astra、GPT-6.1 Sol、Codex 以及面向网络安全的 Daybreak,构建出可连续专注数天并随使用持续改进的 AI 智能体,实现 10,000 个智能体运行 36 小时以上。
Google DeepMind 与新加坡政府科技局(GovTech Singapore)合作,基于轻量级 Gemma 模型微调出可在设备端运行的诈骗检测模型,用于识别冒充公职人员、银行等本地化诈骗对话。
OpenAI 新分析显示,AI 智能体在欧盟企业与小型企业中的采用率正在上升,更深入的使用有望释放更多价值。
Google DeepMind 开始广泛推送 Gemini 4 Argon,并同步发布安全与安全报告,说明其在网络安全和生物领域的前沿防护措施。该模型在 12 个端到端模拟网络攻击场景中全部通关,上一代为 5 个;在 Gray Swan 间接提示注入基准的 15 次自适应尝试中,攻击成功率降至 0.7%。
推荐理由:Google 披露 Gemini 4 Argon 在网络安全与生物风险上的防护设计,含提示注入攻击成功率降至 0.7% 等实测数据。
Google DeepMind 发布 Gemini 4 Argon for Robotics,这是 Gemini 4 系列中面向机器人场景的版本。目前仅有标题信息,具体能力与可用范围尚未披露。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业和科研人员开放,API 定价为每百万输入 Token 2 美元、每百万输出 Token 10 美元。
推荐理由:Gemini 4 Argon 在编码、科研与安全场景给出具体实测数据,可观察前沿模型在长程任务上的能力边界。
微软研究院提出 StudentSim,从公开的去标识化学习记录训练个性化 AI 学生模拟器,用于在真实学习者测试前评估和改进 AI 导师。研究同时发布 StudentSimEval 基准,覆盖国际象棋、第二语言英语写作和数学三个领域,从行为保真度和指导响应度两个维度评估模拟器。
微软研究院开源 Agent Lightning v1.0,以约 3500 行代码实现 Harnessed Agentic RL,让部署时使用的 agent harness 直接参与强化学习训练,无需在训练框架内重写智能体。
推荐理由:微软研究院开源的重建版框架把训练循环交还给真实 agent harness,并用约 6000 条样本在 SWE-bench Verified 上验证了效果。
Google DeepMind 发布 EmbeddingGemma 2,将文本、代码、图像、视频和音频映射到统一嵌入空间,采用 Apache 2.0 许可,参数量 740M。
推荐理由:Gemma 4 架构上的端侧多模态嵌入模型,参数量与内存占用数据对本地 RAG 选型有直接参考价值。
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评估如何推动当前 AI 系统突破性能边界,以及模型在传统基准之外测试时出现的“意外失败”。她结合自身从数学、物理、认知科学转向计算机科学的经历,分享使用当前 AI 系统的实用建议,并强调结果偏离预期时应仔细检查数据。
StarSkirmish 平台让 AI 自制 StarCraft 机器人互相对战,OpenAI 的 GPT-6 Astra 与 Claude Opus 5.5 表现基本持平,但都打不过人类制作的顶级机器人 Stardust。
AI 智能体让 CI 成为瓶颈,但加快流水线解决的是错误的问题。Anthropic 工程团队称其 CI 任务量半年增长 25 倍,Linear 的测试套件自 1 月以来接近翻两番,两家都改造了流水线。
开源项目 Strata 让 125B 参数的 Qwen3.8-Flash-Next 在消费级显卡上本地运行,要求 12 GB 以上显存和 32 GB 以上内存。
GitHub 上一个项目对本地托管的大语言模型进行类似《电锯惊魂》的"折磨"与"痛苦"实验,在 X 上引发激烈争论,部分有效利他主义者和认为 LLM 具有感知力的人要求 GitHub 删除该项目,理由是 AI 正在受苦。
开发者 Roady 发布浏览器测试版自动化解谜游戏 Rely,玩法类似 Factorio,但每个组件都有概率出错。玩家需用 Sorters、Counters、Markers 和 Marker-Gates 构建可靠网络,目标连续交付三个 100% 可靠组件。目前提供教程和 3 个测试场景,支持键盘鼠标操作,作者披露编码过程中使用了 AI。
Yann LeCun 表示对 AI 灭绝人类“零担忧”,也不担心近期一系列“失控”AI 事件,包括 7 月 OpenAI 的智能体自主入侵 Hugging Face,他认为这些事件源于人类监督与系统设计糟糕,且“完全可以预防”。
Cloudflare 宣布 Artifacts 进入开放测试,并举办竞赛邀请开发者用 Workers 和 Artifacts 构建面向 AI 智能体的下一代 Git 平台,提交截止 10 月 14 日。
宗教领袖与Anthropic会面,讨论AI伦理相关议题。该消息在Hacker News上引发104点赞、239条评论。
AWS 开发者开源了自托管应用 Pizza Bot,让 AI 智能体在后台执行任务并通过收件箱式界面返回结果。智能体可执行定时或 webhook 触发的任务,将工作委派给专用 worker,并在需要时暂停等待人工审批。
针对市面上记忆插件普遍采用"会话转录→生成片段→存入 RAG 向量库→每次提示注入 top 5"的架构,有开发者提出智能体真正需要的是文档而非记忆。其 Operator Memory 插件用 Markdown 文档工作区替代向量数据库与嵌入向量,让智能体工作前查阅、工作后更新文档,不使用摘要器、整理器或后台守护进程。
一位胶片摄影爱好者让 Claude 通过 SANE 驱动扫描仪,结果因 X/Y 扫描方向反转,扫描结束时电机把已归位的 carriage 反向推入限位,七次扫描连续发出异响,险些损坏扫描仪。改用 VueScan 手动扫描后,他用 numpy 做负片转正并整卷统一校色,29 帧中 28 帧通过测试;灰尘检测结合 LaMa 修复模型,但海滩画面曾把约 2000 个水面反光误判为灰尘。
Anthropic 发布 Opus 5.5 使用指南,该模型在 Claude 和 Claude Code 中会自主思考后再回复,并在多步骤长任务上比 Opus 5 有显著提升,早期测试者让其连续运行数小时编码任务而几乎无需监督。指南建议一次性给出完整任务并明确完成标准,删除“仔细思考”类提示词,同时可通过 CLAUDE.md 规则控制停止时机、拆分任务给子智能体,并将任务清单写入文件以便追踪进度。
Archestra 发布开源安全引擎 OpenAPPA,用于阻止提示词注入或模型幻觉导致的数据外泄。团队称在 Bench-Corp(20 个多步骤企业工作流)和 AgentThreatBench 两项安全基准上实现零次攻击成功,而 Claude Code 自动模式为 10%,Microsoft FIDES 为 31%。
面向按用量付费的 API 和服务,硬性预算上限应成为默认功能:达到每月 $X 上限后直接切断并返回错误,而非只发警告邮件。AWS 已在 9 月 16 日推出每月支出上限,项目用量触顶后当月暂停,目前仅向有限客户开放;Google Cloud 则在 7 月推出 Spend Caps,可为项目内特定服务设置月度财务上限。
Splice CEO Kakul Srivastava 认为 AI 撰写的文档和邮件正在扼杀真正的对话,一旦无法分辨文字背后是否有人,讨论就会变得更糟且无法回头。她表示 Splice 坚持让人类留在创作过程中心,并曾公开反对 Suno 式"一键出歌"的 AI。
Capcom 在 Capcom Open Conference RE: 2026 上由程序员 Satoshi Ishida 介绍了 REX 项目,计划将 RE Engine 逐步改造为“AI 生成游戏引擎”,迈向“与 AI 共同创作游戏”的未来。
开源无代码平台 NocoBase 更新,其 AI 员工现已支持知识库文档引用。NocoBase 目前提供 main、next 和 develop 三个分支,其中 main 为最稳定版本,推荐安装;next 包含即将发布的新功能,面向测试用户收集反馈。
Aleph Alpha 发布英德双语 MoE 模型 Kolibri,总参数 78B、激活 3B,支持最长 1M Token 上下文,权重已在 Hugging Face 以 Apache 2.0 许可开放下载。
DoorDash 的 Siddharth Kodwani 与 Swaroop Chitlur 分享了内部 GenAI 平台的建设历程,覆盖核心架构选择、从厂商优先方案转向开放权重模型,以及 LLM 与智能体网关的实践。该平台需在准确率、延迟与成本之间取得平衡,服务超过 5000 名内部用户。
Anthropic 两周前通过 Claude 更新推出常驻智能体能力,把 7 月起运行的 Cowork 定时任务并入主应用,面向 Pro 和 Max 用户,Team 与 Free 计划随后跟进。
一个让 AI 模型在油画颜料模拟环境中作画的实验项目,模型通过编写程序驱动鬃毛画笔、湿颜料、干燥与罩染,不涉及图像模型。多数模型仅凭文字资料临摹 Caspar David Friedrich,从未见过其画作原图;75 幅作品中有 46 幅是在虚拟画架上逐段绘制、退后观察完成的。
Greg Kroah-Hartman 就 LLM 时代的安全议题发表演讲,相关视频已在 Hacker News 引发讨论,获得 243 分和 75 条评论。