OpenAI与博通联合打造的推理芯片Jalapeño，在Hot Chips大会公布的首份跑分中显示，三款公开模型上的每千瓦吞吐量达英伟达系统1.5至1.9倍；该芯片从设计到流片仅用9个月，计划2026年底以极小规模部署。
值得关注：这是OpenAI从依赖外部芯片转向自研推理芯片的重要信号。自研芯片若能落地，可能影响AI芯片市场竞争格局，并让OpenAI在推理算力成本与定价上获得更大主动权。同时，AI生成kernel加速芯片设计的案例，也可能为芯片…
智谱上线并开源GLM-5.3-Flash（320B-A18B），这是GLM-5系列首个原生多模态模型，AA综合智能指数为57分，与Claude Opus 4.8持平；定价仅为GLM-5.3的1/10，限时低至Claude Opus 4.8的1/40，并首次部署在大规模国产芯片集群上。
值得关注：GLM-5.3-Flash将稀疏与线性注意力混合架构引入开源前沿模型，可能在保持智能水平的同时降低激活参数和层数，从而降低推理成本。以Opus 4.8的1/40价格提供接近旗舰的智能水平，可能加剧AI模型定价竞争。同时…
Figure 推出 Index 数据采集项目，通过众包方式收集人类真实任务视频，为机器人基础模型 Helix 补充现实经验，并计划未来 12 个月在数据和算力上投入超 10 亿美元。
值得关注：该案例展示了“数据众包”在机器人基础模型训练中的具体落地方式，也反映出头部机器人公司正在围绕现实世界数据构建护城河，而非单纯比拼硬件参数。
OpenAI 正在扩大其在巴西的存在，深化与开发者、企业和社区的合作，以支持该国对 AI 的采用。（待核实）
值得关注：这是 OpenAI 在拉丁美洲市场布局的又一信号。如果后续公布更多细节，将有助于观察 OpenAI 如何从产品访问扩展到区域生态建设。（本条为增量信息，不与已有相关卡片重复。）
腾讯混元通过2-bit与1.25-bit两套极致量化方案，将端侧翻译模型Hy-MT2-1.8B从约3.3GB压缩至440MB，翻译质量几乎无损，并在FLORES-200评测上优于微软、豆包等商业翻译API。
值得关注：该案例说明极低bit量化可将1.8B模型压缩至数百MB，为端侧翻译、实时字幕等资源受限场景提供可行路径。自研Sherry三值量化入选ACL 2026 Oral，提示方法本身具备一定学术创新性；与产业伙伴的联合优化也体现…
一项针对1000多名学生的随机研究，考察了ChatGPT、批判性思维训练、原创性与真实大学作业表现之间的关系；具体结论暂无法从材料中确认，待核实。
值得关注：在AI工具快速进入教育场景的背景下，关于“使用ChatGPT是否会削弱学生独立思考能力”的讨论很多，但缺乏大规模随机证据。 本卡片对应研究的价值在于：用超过1000名学生的随机研究，聚焦真实大学作业，而非实验室任务，可…
Anthropic 于 2026 年 8 月 27 日发布“模型硬件标准”（Model Hardware Standard, MHS）的研究预览，这是一个让 AI 代理安全操作物理设备的共享规范，旨在将实验室和工厂的设备集成时间从数周甚至数月缩短到几小时或几分钟。
值得关注：MHS 是 Anthropic 在“AI 操作物理世界”方向上的关键布局。它提供了一个开放的硬件互操作标准，有望打破实验室和工厂中设备“各自为政”的集成瓶颈，使 AI 代理能够大规模接管繁琐的、机械性的实验执行工作。相…
比尔·盖茨警告，AI在生物、网络攻击、心理社会影响、破坏就业乃至失控风险上均已跨过原本应提前设防的临界点；他认为行业无法自我监管，需要“人类保留岗位”、机器人税、token税等激进政策干预。
值得关注：这是全球知名科技领袖罕见地使用“已跨过临界点”的表述，并把生物恐怖主义、就业、心理社会影响和失控风险并列，还给出了税收、强制监控、国际合作等具体治理抓手，而不仅仅是发出泛化警告。增量信息在于：本条不是NIST AI R…
据AGIBOT官网新闻标题，AGIBOT创始人兼CEO Deng Taihua入选《时代》TIME100 AI 2026榜单；新闻正文未抓取到，具体评选细节待核实。
值得关注：本条是“人物荣誉”类信息，与已有相关卡片分别涉及的出货量、主题公园合作、世界人形机器人运动会金牌不是同一维度。它意味着AGIBOT的叙事不再只是公司产品/市场表现，而是延伸到了创始人在全球AI影响力榜单中的身份。TIM…
Shopify CEO Tobi Lütke 正考虑禁用 Claude Code，直到其支持读取 `AGENTS.md`、`.agents/skills` 等文件。核心争议不是模型能力，而是多工具并存时项目规则文件不能“各读一套”。
值得关注：与既有脉络的关系：已有相关卡片覆盖的是 Cursor 的视觉交互、Cohere 的编码模型、MiniMax 的 Agent 架构重构；本卡不重复这些能力细节，而是补充企业采用中的标准冲突。
MiniMax最新披露：2026年8月ARR超8亿美元（2月为1.5亿美元，约5.3倍）；上半年收入1.166亿美元，同比增283.1%；B端收入占比升至63.4%，7月Token消耗量达1月的20倍。这一轮增长主要由企业客户和开发者的Agent工作负载驱动，被视为“Agent红利”在财务上的体现。
值得关注：这是大模型公司财务上少见的“Agent红利”案例：用户量、使用深度、B端占比同时提升，说明Agent不只是研究热点，而是实际付费需求。 MiniMax作为独立大模型公司，通过开源+API+自建算力形成商业闭环；其B端收…
汤道生把大模型竞赛比作马拉松，认为现在才跑完头一公里，“起得早不如熬得久”；AI下半场刚开始，格局与价值分配未定，腾讯会靠长期投入穿越周期，并用技术解决真实问题。
值得关注：已有知识卡片覆盖SIMA 2、编码智能体推理基准、Cursor Design Mode等具体Agent技术与产品，本条增加了“企业战略与组织”维度：决定胜负的不只是算力与模型参数，还包括耐力、场景、组织形态和工程能力。…
WikiSkill 提出将智能体执行经验持续沉淀为可复用的持久知识库（wiki），并使技能与知识库协同演化，从而在多种基准与模型上稳定超越现有技能演化方法。
值得关注：与已有脉络相比，本条目的增量在于：WikiSkill 不只关注“技能如何被发现或更新”，而是明确将“持久知识库”作为技能演化的中介和积累层。这不同于 Recuris 以工作记忆跟踪任务状态并门控更新技能记忆的递归回路，…
HarnessLens 提出一种预算感知的自动化智能体框架（harness）演化方法，通过行为相关的选择性验证，在三个智能体框架和四个基准上使平均留出性能提升 7.6%–13.6%，同时显著减少评估预算消耗。
值得关注：已有相关卡片分别涉及身份文档动态全息行为验证、人形机器人人机协作、MoE 模型服务量化；本卡片的增量信息在于：它聚焦语言模型智能体的“框架（harness）”自动化演化，提出按行为相关性分配验证预算的思路，而不是对所有…
当前多模态大语言模型（MLLM）智能体在单点视觉识别和短程空间推理上具有可用能力，但在真实尺度城市中进行持续目标导向探索时，局部感知无法组合成可靠行动，朝向判断、行人感知运动以及错误校正仍然是明显短板。
值得关注：从“看清街景”到“在城市中行动”是空间智能的关键跨越；UrbanGround 尝试把这一差距变成可重复、可测试的闭环实验场景。 它提示了一个容易被单点任务掩盖的问题：即使每个局部能力都可用，长程组合后仍可能发生系统性失…
本文证明：用椭球拟合随机向量时，存在一个由坐标分布的四阶矩决定的尖锐阈值；当样本数低于阈值时，几乎必然存在正定椭球穿过所有数据点，高于阈值时则不存在半正定拟合，并进一步刻画了不可满足区的最优平方拟合误差。
值得关注：该结果属于基础数学/概率理论，但可能影响高维数据分析、鲁棒协方差估计、凸优化可行性判定等应用方向。与已有相关卡片相比，本条纯粹是数学理论进展，不涉及具体优化器、自动驾驶或医学影像，因而不与已有内容重复。
论文通过理论分析和实验揭示，进化策略（ES）作为大语言模型（LLM）推理的后训练范式，能带来比 GRPO 更广的推理覆盖（broader reasoning coverage）：不同于 GRPO 表现出的熵坍缩，ES 在提升 Pass@1 的同时可获得比 GRPO 更高的 Pass@K，因此不应只被看作内存高效但效果较弱的 GRPO 替代方案，而是一个有独…
值得关注：该研究首次系统刻画了 ES 在 LLM 推理后训练中的优化动态和机制，明确了 ES 与 GRPO 的优势边界。相比已有相关卡片中关注 GRPO 信号改进的 AdaPrefix-GRPO，本条目的增量在于：它从种群多样性…
TTPO（Test-Time Policy Optimization）提出了一种无需标签的测试时策略优化方法：用多数投票伪标签代替真值，并采用“不对称”更新——对与伪标签一致的采样结果做同策略自蒸馏（OPSD），对不一致的采样结果用 Grouped RL 进行惩罚，从而在无人工标注条件下提升大模型数学推理能力（据候选摘要，待核实）。
值得关注：现有 RL 和 OPSD 等后训练方法效果强但依赖标签；TTPO 提供了一条“无标签测试时训练”的路径，可能降低对人工标注真值的依赖。 它把“多数投票伪标签”与“不对称蒸馏/惩罚”结合，试图避免错误伪标签对模型全体的误…
LAMA 是一种将广告主影响力直接嵌入大模型生成过程的 token 级广告拍卖机制，在满足激励相容和个体理性的前提下，可接近最优的 KL 正则化社会福利，并在商业搜索查询上初步证明能提升平台福利与收入而不损害回复质量。
值得关注：已有相关卡片多聚焦于 token 级推理协同（PyroDash）、幻觉缓解（ReWEIGH）或 LLM 推理组调度（弹性组）；本卡片的增量在于将 token 级控制用于广告经济学与机制设计，打通生成质量与广告分配。 若…
SWE-Prime 提出一种多粒度、两阶段的监督微调（SFT）数据选择方法，通过对轨迹级和片段级的质量筛选，仅使用完整已解决数据集中10%的轨迹进行训练，即可在SWE-Bench Pro和SWE-Bench Verified上取得优于全量数据训练的模型性能。
值得关注：对“成功轨迹”进行进一步质量筛选，而不是全盘接受，是数据驱动智能体训练中的一个重要纠偏。 在软件工程智能体领域，已有工作如SWE-Pruner Pro聚焦于推理时工具输出剪枝以节省token，而SWE-Prime聚焦于…