Artificial Analysis 于 2026 年 9 月 7 日发布 Intelligence Index v4.3，用 Zapier 的 AutomationBench-AA 替换 𝜏³-Banking，并将 Terminal-Bench 升级至 v4.0；Claude Fable 5.1（max with fallback）与 GPT-6 As…
值得关注：本次更新是 v5 路线中的一步，体现 Artificial Analysis 持续提高评测真实工作难度、加入私有测试集以降低“刷榜”空间、并减少饱和的设计思路。 与已有相关卡片相比，本卡片提供增量信息：v4.3 将 v…
Supporting independent journalism in Ukraine
GPT-6 Astra全面推送后，3D建模圈出现多组实测热潮：开发者开始在Blender、Three.js、ForgeCAD等工具中生成复杂场景与物件，3D建模可能进入自然语言驱动时代。
值得关注：如果这些案例得到进一步验证，意味着前沿模型的能力评测正在从文本与代码扩展到空间理解和三维资产生成。用户可能不需要精通Blender、Three.js或CAD的复杂操作，而是用自然语言描述场景与对象，即可生成高复杂度3D…
据报道，特斯拉于9月3日低调发布Cybercab，取消方向盘、踏板与后视镜，并已在奥斯汀开放预约乘坐；截至报道中的统计日期，德州仅有45辆Cybercab获授权运营，而Waymo已在14个城市投放约4000辆，两者的规模化差距明显。
值得关注：本卡片与已有NIST AI RMF、Epoch AI、OpenRouter等卡片分属不同主题，是一条新的AI产业动态，增量信息在于展示特斯拉在Robotaxi产品定义上的激进取舍，以及与Waymo规模化路线之间的现实差距。
Mostik（成立4个月，15人团队，首席科学家为2010年菲尔兹奖得主 Stanislav Smirnov）训练了一个小型“桥”模块，在冻结模型权重的情况下，把智谱 GLM-5.2（753B）读取问题时的隐藏状态直接传给阿里 Qwen-3.5（4B，手机端可运行），由小模型完成文本输出。团队称，该方案在 ARC-AGI 3 上让 4B 模型补上约50%与…
值得关注：它指向一个模型协作瓶颈：此前模型之间唯一的沟通渠道是文本，而文本只是模型内部计算被极度压缩后的产物。 如果桥方案成立，则说明两个训练数据、训练团队都不同的模型，其内部表征之间存在可利用的公共结构，且无需微调模型本身。 …
OpenAI宣布GPT-6 Astra开启大规模推送，向Work/Codex中的Pro、Enterprise与Business Premium用户开放并上线API；实测显示，它能依据房源链接在Blender里重建三维房屋并生成视频，能操作Chrome改写CRM工作流，还能把60章教材拆成六批组织多智能体协作，但其“关键级”网络安全评价存在争议。
值得关注：这是OpenAI系Agent从模型发布走向企业产品通道和API开放的重要节点。 与此前“已有相关卡片”相比：Google DeepMind SIMA 2聚焦虚拟3D世界中的通用智能体，Cursor Design Mod…
腾讯研究院AI速递 20260907 的“DHH对谈”条目显示，DHH 在 Omarchy 新版 Quattro 的开发中，没有一个新功能由他从头手写。过去两个月，Agent 带来的开发加速已接近100%。他称自己一年前对 AI 编程的怀疑判断被彻底推翻。
值得关注：已有相关卡片分别覆盖通用 AI Agent 的 3D 世界能力、编码智能体推理性能、以及 UI 交互 Agent。本条增量在于，它提供了一位曾经怀疑 AI 编程的开发者，在真实产品开发中的复盘，而不是模型厂商的基准宣传…
OpenAI Codex团队成员Eric Provencher认为，GPT-6 Astra上线后，为旧代码Agent精心撰写的保姆级指令反而成为负资产，Skill、AGENTS.md与提示词都需要重新审计和清理。
值得关注：大模型换代后，提示词和Skill不再“越多越好”。更长的保姆级指令、更细的行为限制，反而可能被新模型错误解读或截断。Astra更强的测试能力和规则服从性，要求开发者从“控制每一步”转向“定义目标和边界，给Agent留出…
人类和动物会用“信心”（confidence）——即对自身决策正确性的内部估计——来指导适应性行为。已有大量研究考察大语言模型（LLM）能否产生与真实概率对齐的置信度，但很少探究一个根本问题：模型能否用内部的置信感来调节自身决策？本研究聚焦一个典型场景：决定回答一个问题还是选择弃权。作者将这种“关于决策的决策”视为元认知控制的一种表达，并考察其是否依赖与答…
值得关注：本研究提供了**因果证据**，说明LLM不只能“说出”置信度，还能在内部“使用”置信度来调控行为；其机制涉及多维内部置信度表征和基于阈值的策略，与人类/动物元认知控制的两阶段架构一致。相比既有相关卡片（如荷兰政府LLM…
OpenAI 研究员 Jakub Pachocki 在题为“An Alien Mind”的分享中，反思了能力日益强大的 AI 系统给人类带来的“异类心智”挑战，主张加强安全防护措施并推动国际协调，以确保 AI 保持与人类对齐；具体表述与细节待核实。
值得关注：本条与已有“安全与对齐：长周期模型时代的经验教训”卡片形成延续关系：前者主要涉及部署长期运行模型时的安全经验总结，本条则聚焦于高级 AI 作为一种“异类心智”所带来的对齐挑战，并扩展到国际协调层面。增量信息在于：它把问…
根据现有元数据，该页面以 OpenAI 内部视角，讨论编码智能体（coding agents）正在如何重塑 AI 研究；候选摘要显示其可能包含 agent 使用情况、实验速度、任务复杂度和研究加速的早期数据。由于原始网页正文未能成功抓取，具体结论与数字均待核实。
值得关注：已有相关卡片分别覆盖 GPU 架构、推理基准测试、交互式视觉 agent 工具等视角。本条材料的增量价值在于：把视角移向 OpenAI 自己的研究工作流，观察 agent 是否真正改变“做研究”的方式。
程乐松认为，科学主义的问题不在于科学本身，而在于把自然科学规范从特定知识领域越界为评判一切事物的价值标准；这种“越界”正通过技术、器物与社会建制重塑人的生活形态和认知方式，AI时代“人为何不可替代”的追问是这一问题的最新显现。
值得关注：已有产业类知识卡片多关注AI基础设施、模型网关、算力趋势与治理框架，本文则提供来自哲学界的重要补充：在追问“AI是否高效、科学、可治理”之外，还要反思“科学主义作为价值标准”是否越界。它解释了对AI的讨论不能只由科学—…
光象科技联合清华大学李升波教授课题组发布的物理原生世界模型 Phi-WM 1.0 ActEffect，在训练阶段用“受控世界模型”检查机器人动作会带来的后果，并把这种检查变成策略优化反馈；训练完成后世界模型退出部署链路，机器人执行任务时不再需要展开未来或搜索候选动作，反而在多个仿真基准上取得了更高成功率。
值得关注：主流做法把世界模型当作机器人执行阶段“随身携带”的预测模块，ActEffect 提供了一种相反的位置安排：世界模型在训练时反复检查动作后果，并把经验写入策略权重，机器人干活时则无需再背着整套世界模型。 这项技术直接回应…
GPT-6 Astra被爆料采用“循环深度”（recurrent depth）技术后，循环Transformer迅速成为行业焦点；但循环模型长期受困于“计算冗余”——循环次数增加，后续计算带来的增量却很小。阿里及合作高校团队在约11个月前已围绕该问题发表MeSH与SpiralFormer两篇论文，分别管理循环内部“信息分工”和“计算粒度”，两篇均获顶会接收…
值得关注：过去大模型Scaling主要靠参数、数据和训练算力三大支柱，推理模型兴起后又增加了“生成更长思维链”的维度。循环Transformer给出了另一种选择：计算在hidden state中继续进行，同一组参数反复使用，模型…
Meta 发布新旗舰 Muse Spark 1.3，在 Artificial Analysis 指数获得 62 分，排名仅次于 Claude Fable 5.1 与 Opus 5，发布数小时即反超 Gemini 3.8 Flash；该模型主打长上下文与编程，API 定价与前代持平，并低于 DeepSeek-V4-Pro 高峰期价格。
值得关注：这项信息的增量在于：Meta 在榜单前部的位置、定价策略、效率改进和开源路线这几个信号同时出现。若后续“更大参数模型”和“开源权重版本”按计划落地，可能进一步压低长上下文与编程任务的使用成本，并加剧开放模型与闭源模型之间的竞争。
腾讯WorkBuddy已正式登陆银河麒麟操作系统与统信UOS，并同步上架openKylin与deepin社区软件商店；适配目标为原生级运行，由此覆盖鸿蒙、银河麒麟、统信UOS等主流国产操作系统阵营。
值得关注：本次信息的关键点不只是新增了几个操作系统支持，而是“原生级运行”的适配深度：系统登录联动、设备互联交互、智能技能调用、任务成果预览等均需针对国产系统定制打磨。相比已有相关卡片关注的AI基础设施与开放平台动态，本条是腾讯…
腾讯WorkBuddy开放平台上线，首批亮相9款联名智能硬件、30多个行业应用与超100家生态伙伴；已接入超30个品牌、十余种硬件品类，围绕“听、看、记、聊、协”五类触点，一次接入打通硬件、App、PC与Web多端，并推出Buddy应用入口、开放Skill、Expert、Connector三类能力。
值得关注：本条补充的是AI产业应用落地侧的增量信息，与该批已有相关卡片中的政策框架、研究趋势、API网关/基础设施主题不同。
Artificial Analysis 于 2026 年 9 月 4 日发布 Intelligence Index v4.2，新增 AA-Briefcase 和 GDP.pdf 两类更接近真实工作场景的评测，移除已饱和的 GPQA Diamond，并将私有 held-out 测试集权重提升至 40%，以降低“刷榜”空间。
值得关注：本条是对 Artificial Analysis 智能指数 v4.1.1 相关卡片的更新。v4.1.1 时 Claude Opus 5 以 63 分位居第一；v4.2 引入新评测和权重调整后，领先模型变为 Claude…
据腾讯研究院AI速递转述，奥特曼承认过去一年因浏览器、Sora 等支线项目分心导致“主线掉队”，现聚焦通用智能，并推进 ChatGPT 与 Codex 合并为统一入口；OpenAI 则因对齐与安全防护未跟上能力跃升而推迟一项前沿强化学习训练，并称推迟 IPO 可保留“暂停权”。
值得关注：头部 AI 组织公开承认“分心导致掉队”，并愿意为对齐和安全推迟前沿训练，是产业风向信号。 “推迟 IPO 可保留暂停权”把公司治理节奏与安全暂停能力联系起来，是一个值得关注的新表述，但具体机制待核实。 对 AI 产业…