Anthropic / Claude

支付宝“阿宝”牵手飞猪，一句话订机票买门票

飞猪与AI版支付宝“阿宝”达成深度合作，用户通过一句话指令即可完成机票、景区门票预订以及酒店会员注册、权益查询等服务。“阿宝”通过MCP调用飞猪服务，返回推荐结果卡片并跳转至支付宝飞猪小程序下单。飞猪万豪旗舰店同步接入，后续双方还将推进账号互通并上线酒店预订能力。

智能体基准测试的双重测量混淆：去脚手架、真值评分与超越均值的可靠性

该论文指出LLM智能体基准测试存在双重测量混淆：执行关键决策由固定脚手架而非模型完成，评分器又基于输出形状而非任务正确性打分，两者相互掩盖。作者提出测量理论框架与BenchAudit审计修复协议，将执行决策转移给模型并用种子化真值评分，同时报告最坏情况和尾部风险等可靠性指标。在ComtradeBench上的实验将原本几乎无区分度的排行榜转变为能区分平均性能与

AI 研究初创 Listen Labs 放弃 15 亿美元融资，与 Salesforce 洽谈收购

AI 市场研究初创公司 Listen Labs 放弃了一轮由 Menlo Ventures 领投、估值 15 亿美元的 1.25 亿美元 C 轮融资，原因是 Salesforce 正洽谈以约 20 亿美元收购该公司。Listen Labs 利用语音 AI 自动进行客户访谈，年化收入约 3000 万美元，客户包括微软、Canva 等。若收购失败，该公司可能以更

OpenAI 吸纳 AI 安全专家 Paul Christiano 加入董事会

OpenAI 宣布，AI 对齐领域知名研究者 Paul Christiano 加入其基金会董事会，并加入安全与安保委员会。Christiano 认为 AI 能力快速提升可能导致近期内失控风险，加入董事会旨在推动 OpenAI 降低此类风险。他此前曾创立对齐研究中心，并参与美国政府 AI 安全相关工作。

OpenAI 数学突破引发学术界争议

OpenAI 宣布其未发布模型在 88 小时内解决了数学千年难题之一的纳维-斯托克斯问题，动用了约 10,000 个 AI 代理，并称其为里程碑。然而，该成果因涉嫌抢先他人研究、数据使用争议及违反学术规范而引发争议。纽约大学数学教授 Tristan Buckmaster 指控 OpenAI 在得知其研究进展后匆忙行动，并对其施压，OpenAI 否认使用特定用

微软为学校AI制定新隐私规则

微软与美国教师联合会及纽约联合教师联合会达成协议，承诺在校园AI应用中遵守十项安全与隐私原则，包括不训练学生数据、限制数据收集、禁止AI伴侣等。此前纽约市和洛杉矶已对面向学生的AI工具实施一年禁令。该协议允许学区从11月起选择加入，无需重新谈判合同。

Ramp数据：8月企业AI支出放缓，头部企业人均支出下降

支付公司Ramp对7万家企业的数据显示，8月份企业AI工具采用率仅增长0.4%，且头部1%企业的员工人均AI支出下降近10%至7205美元。Ramp经济学家Ara Kharazian指出，OpenAI和Anthropic的降价使每百万token成本从3月的1.15美元降至0.68美元，但销量增长未能弥补降价影响。这可能对依赖token收入的AI实验室和超大规

红杉资本加码投资 Cymphony，应对 AI 代理带来的企业安全新风险

红杉资本领投了网络安全初创公司 Cymphony 的 2500 万美元 A 轮融资，该公司旨在应对 AI 代理带来的企业安全风险。Cymphony 构建了“劳动力图谱”平台，帮助安全团队统一管理人类员工和 AI 代理的访问权限，并已签约多家企业客户。红杉合伙人表示，Cymphony 将身份和数据安全统一处理的方法使其在竞争激烈的市场中脱颖而出。

GPT-6 Astra评测：循环Transformer与隐藏推理的探讨

本文评论了OpenAI新发布的GPT-6 Astra模型，指出其在3D渲染和动画任务上表现突出，并在数学、编码等基准测试中领先，但智能指数提升有限。文章还探讨了循环Transformer架构与隐藏推理链的传闻，并建议用户更新AGENTS.md和SKILL.md文件以适应新模型。

普通人何时能感受到AI的影响？

本文作者在休假后反思AI对普通人的影响，认为目前AI在日常生活中的直接作用仍很小，主要惠及精英和知识工作者。作者将当前AI发展与工业革命对比，指出社会惯性和利益分配不均可能阻碍AI的普及，并担忧其发展可能重蹈核能的覆辙。

Quarkus LangChain4j 1.14.0.CR2 发布：增强 MCP 与多模型支持

Quarkus LangChain4j 发布了 1.14.0.CR2 版本，包含多项修复和新功能。主要更新包括：为 Infinispan 元数据过滤器修复浮点数问题、集成 Apicurio Registry 实现动态 MCP 服务器发现、支持 A2A Agent Card 发现、为 Ollama 嵌入模型报告 token 使用量、改进 agentic Dev

实测星火X2.5：代码智能体能力升级，全国产算力模型可交付

讯飞发布参数293B的星火X2.5 MoE大模型，重点提升代码与智能体能力，API支持Anthropic和Responses协议。实测中，该模型能生成3D粒子交互网页、拆解61页财报并发现数据错误，还能为游戏设计官网。星火X2.5基于全国产算力训练，训练效率提升至93%，标志着国产算力模型进入可交付时代。

生成式AI对需求工程未来的影响

本文综述了生成式AI（GenAI）和大语言模型（LLM）对需求工程（RE）未来的影响。作者认为，随着通用软件工程智能体的普及，实现成本降低，工程重心将从编写代码转向需求表达、验证与评估。文章回顾了AI在RE中的历史、LLM的最新进展（如提示编程和通用SE智能体），并预测RE实践将转向操作化规范与智能体指令。该研究旨在帮助RE研究者调整未来研究重点。

LiteLLM v1.102.0-dev.1 发布：镜像签名验证及多项功能更新

LiteLLM 发布 v1.102.0-dev.1 版本，所有 Docker 镜像均使用 cosign 签名，并提供了通过提交哈希或发布标签验证签名的方法。该版本包含多项功能更新，如策略引擎支持流式响应的后调用护栏、MCP 服务器 OAuth 中继发现、Mistral 文本转语音支持，以及多项修复和优化。

PydanticAI v2.42.0 发布：新增 GitHub Copilot 支持与多项修复

PydanticAI 发布 v2.42.0 版本，新增 GitHub Copilot 的 OpenAI 兼容 API 提供器，并修复了多个 bug，包括 Bedrock 模型对 Anthropic 采样设置的尊重、代码模式中非对象 $ref 的内联解析等。该版本还包含兼容性说明，拒绝无效的 DeferredToolResults.approvals 值。

OpenAI 数学突破引发争议：AI 与人类数学家的未来

OpenAI 宣布其智能体解决了千禧年大奖难题之一的纳维-斯托克斯存在性与光滑性问题，但该成果因被指控使用了 NYU 数学家 Tristan Buckmaster 和 Anthropic 员工 Levent Alpöge 的未署名工作而陷入争议。OpenAI 否认了这些指控，但事件凸显了前沿 AI 公司在数学研究中的角色以及学术合作规范的挑战。

另有 1 家信源报道

Cognition 估值达 480 亿美元，AI 编程市场仍有多强竞争空间

AI 编程初创公司 Cognition 宣布完成 20 亿美元融资，估值达 480 亿美元，较四个月前翻倍。其年化收入从 4.92 亿美元增至 9 亿美元，但烧钱严重，预计今年达 8 亿美元。投资者认为 AI 编程市场仍有多个主要玩家的空间，Cognition 正自研模型以降低对第三方模型的依赖。

OpenAI 数学突破引发争议：Navier-Stokes 问题解决被质疑

OpenAI 宣布使用内部 AI 模型和 10,000 个并发代理解决了 Navier-Stokes 问题，这是一个约 90 年未解的数学难题，也是千禧年大奖难题之一。然而，纽约大学数学教授 Tristan Buckmaster 和 Anthropic 研究员 Levent Alpöge 在前一天发布了相关问题的研究成果，并质疑 OpenAI 是否使用了他们

Meta 发布 AI 代理 Muse，挑战用户信任

Meta 推出了个人 AI 代理 Muse，旨在通过连接用户的邮件、日历、支付等应用来执行日常任务，如发送邮件、预订旅行和购物。Muse 由 Muse Spark 模型驱动，提供免费和付费订阅，并强调隐私保护措施，如专用安全虚拟机和 Sentinel 代理。然而，Meta 的隐私历史可能影响用户信任，其市场接受度尚待观察。

另有 1 家信源报道

Meta 推出 AI 代理 Muse 以追赶竞争对手

Meta 发布了名为 Muse 的个人 AI 代理，旨在通过易用性和隐私保护吸引大众用户，帮助其追赶 OpenAI、Anthropic 和 Google 等竞争对手。Muse 可自主执行在线购物、发送邮件、规划旅行等任务，并将在美国免费推出，同时提供付费订阅。该产品基于自研模型 Muse Spark，并采用云端虚拟机和 Sentinel 代理保障安全，但面临

另有 1 家信源报道