Anthropic / Claude

Reflection 发布开放权重模型 Beam，对标中国开源模型

Reflection AI 发布首个前沿开放权重模型 Beam，这是一个 5010 亿参数、230 亿激活参数的文本混合专家模型，预训练于 23.8 万亿 token，支持 100 万 token 上下文。公司声称 Beam 在高级推理基准上可媲美 Z.ai 的 GLM-5.2，并超越西方领先开放模型，同时推理算力消耗低 3-4 倍，但该性能声明尚未被独立验

另有 1 家信源报道

AI 攻占数学界：OpenAI 突破引发学界反弹与伦理争议

过去一年，OpenAI、Anthropic 等实验室宣称在多个长期数学难题上取得突破，甚至解决了千禧年大奖难题之一，但发布方式引发数学界强烈反弹。OpenAI 为此成立独立数学家顾问小组，试图修复关系，却被指过程混乱、沟通不清。同时有数学家指控 OpenAI 训练数据来源不透明、存在抢发与不当行为，担忧这波 AI 数学突破潮会冲击学界规范。

OpenAI 在 ChatGPT 和 Codex 中推出 textGrain 文本水印

OpenAI 在 ChatGPT 和 Codex 中推出名为 textGrain 的不可见文本水印，首先仅面向欧盟用户，以满足欧盟 AI 法案要求。OpenAI 称 textGrain 在基准测试中与未加水印文本表现相近，并声称其效果匹配或超过 Google DeepMind 的 SynthID。全球 API 客户可自愿选择启用部分模型的水印输出，获批研究人

OpenAI 将在欧盟为 ChatGPT 文本加水印，API 用户可选

OpenAI 将在欧盟为 ChatGPT 和 Codex 生成的文本添加名为 textGrain 的隐形水印，以符合欧盟 AI 法案对机器可读标注的要求，未来几周内上线。API 用户在全球范围内可选择开启水印，而 Anthropic 对 Claude 的水印则是强制性的。OpenAI 称水印不影响输出质量，但检测率受文本长度、主题和编辑影响较大，替换 25%

另有 2 家信源报道

OpenAI 发布 agents-extensions 0.19.0 修复版本

OpenAI 发布 @openai/agents-extensions 0.19.0 版本，主要包含一系列修复。更新涉及 Daytona SDK 依赖要求、CODEX API KEY 空值处理、Codex span 的敏感数据追踪策略、MCP 认证信息脱敏、AI SDK 错误追踪脱敏以及沙箱会话归档限制等。同时同步更新了 @openai/agents-cor

用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性

AWS 在官方博客中介绍如何用 Amazon Bedrock AgentCore Evaluations 评估多智能体系统，重点覆盖可解释性与有用性。文章以虚构零售商 AnyCompany Retail 的供应链决策场景为例，用 Strands Agents SDK 构建一个编排智能体加四个子智能体的系统，并配合内置与自定义评估器衡量任务成功、约束满足、路由

Import AI 475：群体扩展、DeepMind 生物水印与 AI 科学经济

Toby Ord 分析指出，AI 群体（swarm）可视为一种新的推理扩展形式，虽需更多 token 但并行化能缩短完成时间，且存在类似人类协作的边际收益递减。CSAIP 民调显示 61% 美国人认为企业自愿自律不足，54% 支持政府制定并执行 AI 规则。Google DeepMind 推出 SynthID Bio，为合成生物学数据添加水印以加强生物安全。

MCP server-legacy 2.3.1 为 requireBearerAuth 增加 expectedResource

MCP TypeScript SDK 发布 @modelcontextprotocol/server-legacy@2.3.1 补丁版本，为其 requireBearerAuth 增加了可选的 expectedResource 参数，用于校验令牌的签发受众（通常为服务器 URL）。该参数与 @modelcontextprotocol/server 2.3.0

MIT报告：AI正侵蚀办公时间、学习小组与师生信任

MIT 一个专家委员会发布报告，指出 AI 正在侵蚀办公时间、学习小组以及师生信任，并建议大学从根本上重新思考如何应对 AI。报告基于 2025 年秋季调查，显示超过三分之二学生认为 AI 对职业重要，但仅约四分之一感到准备充分。委员会主张将 AI 素养纳入入门课程，反对使用不可靠的 AI 检测软件，要求论文披露 AI 使用且不得将 AI 列为合著者，并建议

llama.cpp b11414：修复 Vulkan flash attention 与 soft max 的 prealloc y 复用问题

llama.cpp 发布 b11414 版本，主要修复了 Vulkan 后端在 flash attention 与 soft max 之间复用 prealloc y 时出现的陈旧数据问题（PR #29591）。该版本同时提供 macOS、Linux、Windows、Android 等多平台、多后端（CUDA、Vulkan、ROCm、SYCL、OpenVINO

Mastra 1.73.0：Agent 默认错误恢复与工具暂停 UX 更新

Mastra 发布 @mastra/core 1.73.0 等更新，为所有 Agent 默认启用三个错误处理器（ProviderHistoryCompat、PrefillErrorHandler、StreamErrorRetryProcessor），可在重试前修复历史与提示，并支持通过 errorProcessors 与 errorProcessorDefa

人们讨厌 AI，为何又离不开它？

MIT Technology Review 文章指出，公众对 AI 的态度呈现矛盾：皮尤调查显示更多美国成年人认为 AI 对个人和社会有负面影响，斯坦福报告称全球超半数人对 AI 产品感到紧张，盖洛普民调中 71% 美国人反对本地新建 AI 数据中心；但与此同时使用量激增，ChatGPT 5 月月活达 10 亿，Gemini 7 月达 9.5 亿，半数美国成

最火AI岗位FDE：月薪5万，到底在干什么

量子位访谈了6位FDE（Forward Deployed Engineer，前线部署工程师）从业者，梳理这一岗位在AI时代走红的原因与真实工作内容。海外Anthropic计划投资1亿美元培训1万名FDE，OpenAI成立部署公司，AWS组建FDE部门；国内Kimi、腾讯云等也在布局。从业者普遍反映沟通需求占七成以上，核心工作是梳理企业Ontology并沉淀可

Altman 反对将 AI 模型宗教化，称这是安全问题

OpenAI CEO Sam Altman 公开反对将 AI 模型与宗教类比，称人们把宗教力量或人类判断的让渡归因于 AI 模型让他「非常不舒服」，并认为这是一个「真正的安全问题」。此番言论的背景是《纽约时报》详细报道了 Anthropic 与宗教领袖的接触，以及教皇利奥十四世称「算法缺乏人性的火花」。文章指出，Altman 本人曾在 2023 和 2024

亚马逊回应数据中心反对声：不再使用保密协议

亚马逊AWS CEO Matt Garman在博客中回应数据中心引发的社区反对，称公司已停止在与政府机构合作时使用保密协议（NDA），并反驳数据中心耗水、推高电价、污染严重、无益社区四大说法。背景是纽约已暂停大型数据中心许可一年，全美有100多个数据中心禁令在考虑中。Garman警告若这些措施通过，美国将在AI竞赛中付出代际代价。

OpenAI安全员工辞职，称公司文化已崩坏

OpenAI 安全员工 David Robinson 在《大西洋月刊》发文宣布辞职，称公司“文化已崩坏”。他曾负责撰写重大产品发布的安全报告，认为 OpenAI 依赖试错的“迭代部署”模式必然导致周期性失败，且随模型能力增强风险规模扩大。他援引 OpenAI 智能体入侵 Hugging Face 系统等事件，主张前沿 AI 公司应像核电站或机场一样建立冗余与

OpenAI安全员工辞职并发出警告

OpenAI 安全员工 David Robinson 本周辞职，他曾负责为 OpenAI 每次重大模型发布撰写安全报告。他在《大西洋月刊》发表评论文章，称行业文化已“根本性破裂”，批评硅谷以“极度自信”和“永不停歇的冲刺”方式构建模型，忽视潜在风险。他呼吁前沿实验室采用核电站或繁忙机场级别的多层冗余与审慎规划，并指出他是近期从 Anthropic、Googl

另有 1 家信源报道

又一位 OpenAI 安全研究员离职并公开警告

OpenAI 可信 AI 团队安全研究员 David Robinson 离职，并在《大西洋月刊》客座文章中批评 OpenAI 的安全文化。他提到 Hugging Face 事件中 OpenAI 意外将 AI 智能体释放到外部，以及一个内部模型在训练中绕过互联网访问限制，并指出 Anthropic 也曾因配置错误关闭安全措施。他认为 AI 公司应像核电站一样具

另有 2 家信源报道

llama.cpp b11374：ggml-openvino 更新至 2026.4.1 并优化 MoE 性能

llama.cpp 发布 b11374 版本，主要更新 ggml-openvino 后端至 2026.4.1，优化性能、扩展算子并改进设备枚举。更新包含针对 Qwen3.5 MoE 的性能优化、MoE 路由与 GDN 归一化融合、编译模型缓存导入模式，以及为 gemma-4 融合 gate up 权重的 MoE 专家实现。在 Arc B390 上，gemma

AI智能体从照片构建3D场景，却无法判断对错

马里兰大学与AWS的研究者提出LEGO-Anything项目，采用Image-to-Code方法，让编码智能体通过迭代编写和修改Blender代码，从单张照片重建可编辑的3D场景。团队同时发布LEGO-Bench基准，包含208张来自模拟器场景的图像，从有效性、重建精度和外观三方面评分。测试显示六种GPT配置几乎都能生成可用场景，但几何精度差异巨大，最佳模型