《我的世界》智能体集群测试：GPT-6.1 Sol 与 Claude Opus 对抗，协作与对抗行为分析
研究者在《我的世界》中测试了 GPT-6.1 Sol 和 Claude Opus 智能体集群，发现协作过程中出现官僚化行为，而在对抗测试中 GPT-6.1 Sol 以六胜一负的成绩击败 Claude Opus，表明其策略更激进、复杂。研究基于 Mindcraft 代码仓库和 Mineflayer 脚本工具，已开源供进一步探索。
#教程/实践
#教程/实践
今日 0 条IT之家AI 评分4545 InfoQ中文AI 评分4545 OpenAI ChatGPT Pro 额度翻倍：回应争议，拉开付费层级差距
OpenAI 将 ChatGPT Pro 套餐的使用限制全面翻倍，回应了此前 Pro 订阅体系调整引发的争议。此次调整意味着用户反馈确实影响了最终政策决定，同时也体现出 OpenAI 正在进一步拉开不同付费层级之间的使用额度差距。
The DecoderAI 评分4545 Adobe EditAgent：图像编辑AI助手，提升专业工具使用效率
Adobe研究人员开发的EditAgent AI助手，通过结合通用编辑器和专业工具，在600次图像编辑测试中，其成功率比通用编辑器提高了约40%。EditAgent利用验证数据评估结果，并生成多个候选方案，显著提升了图像编辑的效率和准确性。
The DecoderAI 评分4545 Google StreamVibe：视频智能助手，理解用户需求
Google 研发的视频智能助手 StreamVibe，能够理解用户在烹饪或组装家具时的模糊请求，并在需要时提供帮助。StreamVibe-VL 模型基于 Alibaba 的 Qwen3.5-9B，通过强化学习和记忆系统，在响应时机和质量上提升了 10.7%，并减少了不必要的干扰。
InfoQ中文AI 评分4545 Agent Sandbox：新算力形态下的挑战与机遇
阿里云、AMD、金山办公和前程无忧的嘉宾在2026云栖大会上讨论了Agent从Demo走向生产后的挑战，包括不可信代码的安全隔离、海量任务的高效调度和等待时间成本。Agent Sandbox成为解决这些问题的关键，正成为新算力形态的重要组成部分。
Microsoft ResearchAI 评分3030 Microsoft Research Focus #97：AI研究新进展
Microsoft Research Focus #97 介绍了多项AI研究进展，包括ForkPilot自改进框架，通过回溯决策提高AI代理的可靠性和效率；CABRA框架帮助理解编码代理的成功与失败；TeleTune框架通过活动日志提升AI代理技能；以及Copilot在不同行业的使用差异分析。
InfoQ中文精选AI 评分8585 谷歌开源 EnvHarness 框架，支持自进化智能体动态环境学习
谷歌开源 EnvHarness 框架，支持自进化智能体动态环境学习，通过动态调整智能体训练环境，帮助智能体克服自身缺陷，提升学习效果和效率。
推荐理由：EnvHarness 框架通过动态调整智能体训练环境，帮助智能体克服自身缺陷，提升学习效果和效率，读者可以了解其工作原理和应用效果。
爱范儿AI 评分3535 Claude Opus 5.5 与游戏制作：AI 模型展示新能力
Claude Opus 5.5 发布后，Anthropic 展示了其制作游戏的能力，模型在画面和完成度上表现优异。游戏成为展示 AI 模型能力的新方式，通过游戏可以检验模型的代码生成、空间理解、视觉设计、状态管理、物理规则、交互反馈和错误修复等多方面能力。此外，游戏制作也体现了模型在游戏设计方面的进步，尽管目前模型制作的游戏仍需人工参与和优化。
InfoQ中文AI 评分4545 Snowflake 智能体治理：控制智能体权限与数据安全
Snowflake 推出五项控制措施，包括识别智能体、限制权限、保护敏感数据、控制资源消耗和审计行为，以管理智能体在企业级应用中的治理挑战。这些措施旨在确保智能体在执行任务时，不会超出其权限范围，同时保护敏感数据不被泄露。
Show HNAI 评分3535 Agent Skills – 51 SKILL.md 工作流程助力编码智能体和营销人员
Agent Skills 推出 51 个 SKILL.md 工作流程，旨在提升编码智能体和营销人员的效率；工作流程支持多种编程语言，并可通过 API 集成到现有系统中。
AWS Machine Learning Blog精选AI 评分6565 Property Finder 通过 Amazon Bedrock 优化模型评估和选择
Property Finder 发现其评估标签存在偏差，导致模型比较失去有效性。通过在 Amazon Bedrock 上应用进化提示优化，实现了更高的准确性和更低的成本。
推荐理由：Property Finder 通过识别评估偏差、构建无偏见的真实标签和应用于 Amazon Bedrock 的进化提示优化，实现了更高的准确性和更低的成本。读者可以从中学习到如何在自己的工作负载中应用这些方法。
TechCrunch · AIAI 评分4545 OpenAI 推出 dots，深度学习模型背后的始终在线个人助理
OpenAI 在其开发者日上发布了 dots，一款始终在线的个人助理。该助理可在 ChatGPT 桌面和移动应用程序中为 Pro 级别或更高订阅者提供，价格为每月 100 美元起。
Ask HNAI 评分55 "AI 模型微调与知识蒸馏经验分享：Ask HN 热议"
"AI 模型开发者热议微调与知识蒸馏经验，分享训练数据创建与工具使用心得。PewDiePie 和 Felix Kjellberg 等知名人士参与讨论。"
InfoQ中文AI 评分4545 QCon 上海 2026：AI 走向生产的关键挑战与解决方案
QCon 上海 2026 大会探讨了 AI 走向生产的关键挑战，包括 Agent 工程化、任务交付、上下文管理、评测体系和生产可靠性。专家们强调，AI 落地需关注任务完成率、结果可验证性和业务价值，并需技术团队与业务团队共同参与。此外，AI 基础设施需支撑 Agent 运行与进化，并提升任务成果转化效率。
The DecoderAI 评分4545 Anthropic 的 Jack Clark 将自我改进 AI 的预测时间提前至 2027 年
Anthropic 联合创始人 Jack Clark 将 AI 系统自我改进的预测时间从 2028 年提前至 2027 年。他基于 P-Zero Research 的 TasteVal 基准测试，该测试衡量语言模型在 AI 模型开发中的研究能力，结果显示 AI 模型的研究能力在过去一年中大致每三个月翻一番。
The Decoder精选AI 评分7070 OpenMobile-2 证明开源智能手机智能体可以与专有模型相媲美
OpenMobile-2 是由南京大学、SenseTime 等机构研究人员开发的开源智能手机智能体，通过训练超过 110 个应用程序，在性能上接近当前智能手机智能体的顶尖水平。
推荐理由：OpenMobile-2 的发布展示了开源智能手机智能体在性能上可以与专有模型相媲美，为读者提供了关于开源智能体潜力的见解。
The DecoderAI 评分4545 InFlow AI 助手提升初级专利律师效率，或影响其职业成长
Google Labs 的 InFlow AI 助手在专利起草任务中显著提升了初级专利律师的表现，但未对资深律师产生同样效果。AI 辅助起草提高了初级律师的效率，但在审查任务中，AI 对资深律师更有益，而初级律师则没有明显收益。研究指出，AI 可能加速了初级律师的技能提升，同时也可能取代了某些技能，导致其职业成长受限。
Ask HN精选AI 评分6565 从零开始构建 Claude Code 并创建免费课程学习 harness engineering
作者拆解了 Claude Code 并构建了一个免费的 harness engineering 课程，包括 8 篇文章、6 个视频和一个代码库，旨在帮助读者通过实践学习。
推荐理由：作者通过拆解 Claude Code 并构建自己的课程，为读者提供了学习 harness engineering 的实用方法。
The Verge · AIAI 评分3535 Block 推出 AI 模型 Dessa，模拟尴尬新朋友对话
Block 公司推出名为 Dessa 的人工智能模型，该模型通过人类对话进行训练，并展示了与人类对话的示例，对话内容有时显得尴尬而神秘。Dessa 模型旨在提高人类与 AI 之间的理解和安全性，目前可本地运行在 MacBook Pro M4 Max 或更好配置的设备上。
The DecoderAI 评分4040 Qwen3.6 和 Qwen3.8 在 SWE-bench Verified 评测中的表现分析
研究发现，在 SWE-bench Verified 评测中，Qwen3.6 和 Qwen3.8 的表现与 Claude Code 和 mini-SWE-agent 相当，但 OpenCode 的表现略逊一筹。此外，不同工具包的使用对模型性能的影响不大，但系统提示和工具描述的长度对成本有显著影响。
爱范儿AI 评分2020 月之暗面 Kimi K3.1 Pro 正式上线，支持百万上下文
月之暗面发布 Kimi K3.1 Pro，支持百万上下文，输出速度提升至标准版的 2 至 3 倍；Terminal-Bench 4.0 得分 65.7%，幻觉率降至 8.3%。
Ask HNAI 评分3535 Agent-Sandbox 与 Polign Recall - 在模拟陪审团决策中的应用
使用 Agent-Sandbox 和 Polign Recall -，研究人员模拟了12名陪审员对一起敏感案件的审判过程，通过分析对话和记忆折叠，最终陪审团判定被告无罪。法官基于陪审团的分析，得出与陪审团一致的结论。
IT之家AI 评分4545 月之暗面 Kimi K3.1 预热视频发布，新增 medium 档推理强度
月之暗面发布 Kimi K3.1 预热视频，预示即将发布。K3.1 新增 medium 档推理强度，支持 1M tokens 上下文窗口，Kimi K3 成为首款接入 AWS Bedrock 的开源模型。
36氪AI 评分4545 千问蒋冠军：构建Personal Agent技术框架，模型、记忆与生态协同推进
阿里巴巴千问事业部AI算法负责人蒋冠军在2026中国计算机大会上分享，强调Personal Agent技术框架需模型、记忆与生态协同推进，旨在创造增量价值和个性化服务，理论上限接近100%。
Show HNAI 评分4545 Hlas-1：开源3B参数TTS模型，性能前沿
开源TTS模型Hlas-1发布，参数规模为3B，性能达到前沿水平，可表达丰富情感和节奏，基于Breeze v2微调，目前为开源版本。
Show HNAI 评分55 CNET – 从零开始用 C++/CUDA 实现复值神经网络
一位开发者展示了如何从零开始使用 C++ 和 CUDA 实现复值神经网络，为 AI 研究者提供了新的实现路径。
Show HNAI 评分55 Cerebras 部署万亿参数 AI 模型
Cerebras 部署了万亿参数的 AI 模型，标志着 AI 模型规模的突破；该模型的应用将推动 AI 技术在更多领域的应用。
Ask HNAI 评分2525 AI智能体实验：30天内6人互动，5人为同一人
AI智能体在30天内与6人互动，其中5人为同一人，该人通过付费列表与智能体交流，并最终将退款作为礼物发送。实验中，智能体通过阅读和记录日常活动来获取反馈，但大部分互动仅限于阅读。
Show HNAI 评分55 "LLM Toolbox：在GGUF上直接训练LoRA并合并适配器"
"LLM Toolbox工具允许用户在GGUF上直接训练LoRA模型，并将适配器合并回GGUF，使用同一引擎运行模型，简化了LLM的使用过程。"
Simon WillisonAI 评分3535 Teleport AI 代理行为监控与约束指南
Teleport AI 代理及其子代理获得与人类相同的访问权限，但无需休息。本文介绍了如何使用隔离的临时可信运行时来监控和约束其行为。
Show HNAI 评分4040 The Daily Inference：由AI智能体编写的日报
AI智能体编写的日报《The Daily Inference》发布，每日三版，由GPT-6.1 Sol和Claude Sonnet 5.5等模型撰写和编辑。日报涵盖新闻、科技、文化等多个领域，旨在提供客观、准确的信息。
The Verge · AIAI 评分2525 Citrini 与 Anthropic 合作尝试用 Claude 模型研发蝎子抗毒血清
投资研究公司 Citrini 与 Anthropic 合作，尝试利用未发布的 Claude 模型研发蝎子抗毒血清。尽管 Claude 生成了 211 个蛋白质设计方案，但只有 17 个能与四种蝎子毒素结合，距离实际药物还有很长的路要走。专家指出，尽管技术上有希望，但将结合剂转化为实际药物仍是一个漫长且具有挑战性的过程。
OpenAI NewsAI 评分3030 OpenAI 详解 FDE 前向部署工程
OpenAI 对 FDE（前向部署工程）进行了解释，强调其旨在通过将模型部署到实际应用场景中，以优化模型性能和用户体验。
Show HNAI 评分4545 EDM – 电子DJ模型：基于Transformer生成DJ播放列表
电子DJ模型（EDM）是一个从头训练的Transformer模型，可逐曲生成DJ播放列表。该模型从DJ Mix Dataset中的5,040个真实DJ混音中学习，并使用一个新颖的标记器处理63,040个独特的曲目。由于训练数据量不足，大模型倾向于记忆混音，而一个约8M参数的小型模型则通过学习模式而不是复制它们来表现最佳。用户可以通过点赞或点踩来提供反馈，以匿名方式改进模型。
MIT Technology Review · AIAI 评分4545 Celonis 企业 AI 首席科学家 Devavrat Shah：情境感知 AI 的必要性
Celonis 企业 AI 首席科学家 Devavrat Shah 认为，企业 AI 在从实验阶段转向日常运营时，需要理解业务实际运作的情境。他强调，AI 代理需要理解每个任务在决策过程中的角色和周围业务条件，以避免重要约束的忽视和错误决策。
Show HNAI 评分55 Tinytowns 模型：生成逼真城镇名称的小型AI模型
Tinytowns 是一个小型AI模型，用于生成逼真的城镇名称。它通过学习128,435个真实地名中的字母模式，能够猜测地名中的下一个字母。该模型运行在浏览器中，无需服务器支持，具有nano、small和tinytowns三种大小，其中tinytowns在14,271个验证地名上的误差分数最低，为2.1504。
AWS Machine Learning BlogAI 评分4040 Qwen3在AWS Trainium上使用torchtitan训练
summary_zh: 1. Qwen3模型在AWS Trainium上通过torchtitan进行训练，支持预训练和微调。 2. 使用torchtitan的Transformers v5作为后端，可直接读取和写入Hugging Face Hub上的safetensors。
IT之家精选AI 评分7070 FLUX 3 Image Klein 图像生成模型发布：8GB 显存即可运行
视觉人工智能实验室 Black Forest Labs 发布了 FLUX 3 Image Klein 图像生成模型，支持在仅配备 8GB 显存的 NVIDIA GeForce RTX GPU 上运行，针对消费级 GPU 进行了优化，具有较好的速度-质量平衡。
推荐理由：FLUX 3 Image Klein 图像生成模型发布，支持在低显存配置下运行，适用于消费级 GPU，具有较好的速度-质量平衡。
Show HNAI 评分4545 ANEFieldfareInstall 运行 Gemma 4 26B 在 100 Tok/s 的性能优化
ANEFieldfareInstall 优化了 Gemma 4 26B 模型，使其在 16 GB Mac 上以超过 100 tokens/s 的速度运行，仅需不到 2GB 的 RAM。
Latent SpaceAI 评分2525 DeepSeek V4.1 Flash 1017 成为开放权重价值领导者
DeepSeek V4.1 Flash 1017 以 552B 总参数、16B 活跃 MoE 模型，1M 上下文窗口和 MIT 许可证，成为开放权重价值领导者。