跳到正文
  1. The Decoder83

    OpenAI 发布 GPT-6.2 Astra 与 Sol 的新提示词建议

    OpenAI 为 GPT-6.2 Astra 和 Sol 发布新的提示词模板,覆盖写作风格、主动性和编码,并建议迁移开发者重新检查系统提示。Astra 默认比早期模型更简洁直接,开发者应重新考虑“be concise”类指令;模型在意图不清时应做出可逆假设并继续工作,仅在任务范围重大变化、真实阻塞、需用户决策或不可逆操作前暂停。

    推荐理由:原文汇总了 OpenAI 针对 GPT-6.2 Astra 和 Sol 的系统提示建议,读者可直接对照调整现有 prompt 并了解 API 行为变化。

  2. Hugging Face Blog77

    Inkling 2 Mini 发布,为本地部署提供前沿性能

    Hugging Face 与 Thinking Machines Lab 联合发布 Inkling 2 Mini,一款面向本地部署的多模态 MoE 模型,物理参数约 26B、每 token 激活 3B,支持 1M token 上下文。

    推荐理由:原文详解了循环层与跨轮消息机制如何让 24 个物理层达到 48 层逻辑效果,可迁移到其他端侧模型设计。

  3. OpenAI News71

    OpenAI 详述对抗性蒸馏防御与受保护推理防护进展

    OpenAI 分享其检测与打击对抗性蒸馏的防御体系,并强化了 GPT‑6.2 Astra 与 GPT‑6.2 Sol 的受保护推理防护,内部自适应黑盒评估中攻击成功率从 GPT‑6 Astra 原有防护下的 54.0% 降至 0.2%。

    推荐理由:原文给出了对抗蒸馏的攻击路径与多层防御设计,读者可了解保护推理痕迹为何成为模型安全的关键环节。

  1. The Decoder79

    OpenAI 内部调查:研究员宁愿放弃 40% 团队成员也不愿三个月没有编程智能体

    OpenAI 发布第二份内部研究加速报告,披露 Codex 和 Dots 等编程智能体已深度参与模型研发:按 API 标价,10 月中位研究员日均理论 token 消耗为 2400 美元,环比增长 62%,智能体运行时长相当于每个自然日 5.7 个工作日。

    推荐理由:报告给出了智能体成功率随任务时长衰减的具体数据,读者可据此评估智能体在复杂工程任务中的实际边界。

  2. OpenAI News60

    OpenAI:编程智能体加速 AI 研究,但能力前沿参差不齐

    OpenAI 发布分析,量化编程智能体在加速 AI 研究方面的作用,指出其表现仍参差不齐。文章进一步探讨了这种不均衡对递归自我改进意味着什么。

    推荐理由:原文量化了编程智能体在加速 AI 研究中的不均衡表现,读者可据此判断智能体在哪些研究环节真正可靠。

  3. AWS Machine Learning Blog71

    Airbnb 如何以单任务成本在 Amazon Bedrock 上运营编码智能体

    Airbnb 分享了如何用单任务成本(cost per task)在 Amazon Bedrock 上评估并运营内部编码智能体 AirChat。发布前对每个模型和推理强度跑自建任务评测,同时记录分数与单任务成本;发布后用 CloudWatch 的延迟、限流和 token 指标对照评测结果排查问题。

    推荐理由:原文给出了一套把评测分数和单任务成本结合起来选模型、再用生产数据回检的完整方法,可直接迁移到自己的编码智能体运维。

  4. Google DeepMind84

    Google DeepMind 发布 Gemini 4 Neon

    Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学工作流,今日起在 Gemini API、Google AI Studio、Gemini for business、Google Antigravity 和 Gemini app 逐步推出。

    推荐理由:原文给出 Neon 与 Carbon 在多项基准上的成本和性能对比,读者可据此判断它在复杂工作流中的性价比。

  5. Hugging Face Blog60

    RadixArk 发布 DaisyRose-27B:推进后训练效率前沿

    RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B,用 Miles 强化学习框架在长程智能体任务上训练,会话最长 1M tokens。

    推荐理由:原文给出以 1,200 个任务、18 天、144 张 H200 完成长程智能体强化训练的完整做法,可作类似训练方案的参考。

  6. The Decoder81

    微软 AI 在 Ignite 发布七款自研 MAI 模型,以更低成本替代外部 AI 模型

    微软 AI 在 Ignite 大会一次性发布七款自研 MAI 模型,覆盖代码、安全、图像、语音和路由,主打性价比,对标合作伙伴 OpenAI 的产品线。MAI Code 2 在四项基准上达到 GPT-6.1 Sol 约 98% 的表现、成本为其 40%;MAI Cyber 2 Flash 在 CyberGym-E2E 上得分超过 GPT-6 Astra,每任务成本不到其 2%。

    推荐理由:原文逐项列出七款 MAI 模型与 OpenAI 对应模型的基准得分和价格对比,读者可据此评估自建与外部调用的成本取舍。

  1. Latent Space83

    OpenAI 发布 GPT-6.2 Astra 与 Sol:更便宜但评价分化,Sol 或成主力

    OpenAI 发布 GPT-6.2 Astra 与 Sol,Astra 在 Artificial Analysis 的 Intelligence Index 得 62 分、仅次于 Fable 5.2 的 65,Sol 以约 15% 的单任务成本追平 9 月版 Astra。

    推荐理由:汇总了 Artificial Analysis、Vals 等第三方评测与定价数据,读者可直接对比 Astra、Sol 与 Fable 5.2 的性价比和口碑分歧。

  2. 爱范儿85

    深度实测 GPT-6.2:强是真强,难用也是真难用

    OpenAI 发布新一代旗舰模型 GPT-6.2 Astra 与主打性价比的 GPT-6.2 Sol,官方称其在专业 Agent 任务上反超 Claude Fable 5.2,综合成本仅为后者的 5%。

    推荐理由:通过与 Claude Fable 5.2、Gemini Hydrogen 的横向对比,读者能清楚看到 GPT-6.2 Astra 的能力长板与体验短板。

  3. OpenAI News90

    OpenAI 发布 GPT-6.2 Astra 与 Sol

    OpenAI 发布 GPT-6.2 Astra 与 Sol,在专业输出、编码、计算机使用和效率上均有改进,同时成本更低。新模型覆盖 ChatGPT Work、Codex 和 API。

    推荐理由:原文列出新模型在专业输出、编码和计算机操作上的改进及三条落地入口,读者可对照现有工作流评估升级价值。

  1. Microsoft Research78

    TokenEconomizer:从经验中学习,让 AI 编码智能体更高效

    UC Berkeley 与 Microsoft Research 等团队发布开源插件 TokenEconomizer,它从智能体在代码仓库的历史会话中学习,在不修改智能体或底层模型的前提下降低后续会话成本。

    推荐理由:论文给出了一套不改动模型即可复用的经验式成本控制方法,读者可迁移到自己的编码智能体工作流。

  1. 爱范儿77

    实测腾讯 Hy4 flash:花两毛钱,就能让 AI 从零做个 3D 交互网页

    腾讯 Hy4 flash 正式发布,总参数量 224B、激活参数 12B,支持多模态与 1M 上下文,输入价格 0.5 元每百万 Token、输出 2 元每百万 Token,并在 WorkBuddy 提供 11 月 16 日至 11 月 30 日的限时免费额度。

    推荐理由:原文用相同任务对比了 Hy4 flash 与 DeepSeek V4.1 Flash 的时间和 Token 消耗,读者可据此判断高频 Agent 场景下的成本取舍。

  2. IT之家82

    2.4 万亿参数阿里通义千问 Qwen4-Max 正式上线:任务成本降低超 60%,后续将开源小尺寸模型

    阿里通义千问团队发布新一代旗舰模型 Qwen4-Max,采用 MoE 架构,原生支持视觉理解,提供 100 万 Token 上下文窗口,API 已在 QwenCloud 上线。

    推荐理由:原文给出与上一代 Qwen3.8-Max 的词元消耗与 API 定价对比,读者可据此评估升级幅度和实际使用成本。

  1. 博客园76

    拆解 Codex、Claude Code、Hermes Agent 与 pi 的上下文压缩实现

    本文拆解 Codex、Claude Code、Hermes Agent 与 pi 四款 Agent 的上下文压缩实现,对比触发阈值、摘要结构以及用户原话与工具输出的处理方式。

    推荐理由:原文横向对比四家 Agent 的上下文压缩实现,读者可以看清触发时机、摘要结构与原始记录保留方式的取舍差异。

  2. 博客园83

    别急着喊 Flash 末路:Gemini 4 Hydrogen 赢了什么、又没赢什么

    11 月 13 日凌晨谷歌将 Antigravity 的默认模型换成 Gemini 4 Hydrogen(模型 ID gemini-4-hydrogen,API 记为 11 月 12 日 GA)。

    推荐理由:原文把民间体感与官方数据逐项对账,读者可以据此判断哪些日常任务该切换默认模型、哪些仍需留在旗舰档。

  1. 爱范儿86

    谷歌发布 Gemini 4 Hydrogen 模型,更快更便宜且免费用户可用

    谷歌发布 Gemini 4 系列新模型 Hydrogen,主打更快响应速度、更低使用成本和更高效的 AI Agent 执行能力。

    推荐理由:原文将 Hydrogen 与 Argon、Claude Sonnet 5.5、GPT-6.1 Sol 的跑分和价格逐项对比,读者可据此判断高效率模型对旗舰模型的替代空间。