OpenAI / ChatGPT

Latent Space 发布前沿 AEO 追踪器：分析模型推荐偏好与偏差

Latent Space 发布了一个前沿 AEO（AI 引擎优化）追踪器，基于 7 个前沿模型在 161 个类别中的推荐结果，分析各产品在 AI 推荐中的主导地位。报告发现模型存在偏好偏差（如 Claude 推荐自家产品），但也观察到跨模型推荐案例。此外，Anthropic 的新模型 Astra 比 Sol 更自信且搜索来源更少，影响了 AEO 策略的有效性

AI 术语速查：从 AGI 到不透明递归

TechCrunch 发布了一份 AI 术语表，用通俗语言解释 AGI、AI agent、API 端点、思维链、计算、深度学习、扩散模型等常见术语，并提及 OpenAI 新模型 Astra 的“不透明递归”推理技术引发安全担忧。该术语表旨在帮助从业者、投资者和普通读者跟上快速演进的 AI 词汇，并会定期更新。

EdgeBench：衡量真实环境学习并发现新扩展定律

字节跳动Seed Research发布了EdgeBench，一个超长时程基准，用于衡量智能体在真实环境中的持续学习能力，包含134个任务，每个任务支持至少12小时交互。研究发现，智能体的环境学习性能遵循log-sigmoid曲线，拟合优度R²=0.998，且前沿模型的学习速度约每三个月翻倍。EdgeBench已开源51个任务和完整评估框架，以促进社区研究。

AI人才三波大迁徙：从百度到六小虎再到腾讯

国内AI人才经历三波大迁徙：从百度等大厂流向AI六小虎和字节等，再到百川智能、零一万物等战略收缩后人才流向腾讯等。深层原因包括股价、战略导向和组织架构。当前趋势是人才流动加速，AI Infra和数据人才受追捧，预训练需求下滑。

EvoHarnessBench：评估智能体在演化 harness 下的适应能力

EvoHarnessBench 是一个新基准，用于评估 LLM 智能体在工具、技能和智能体三个维度上不断演化的外部 harness 下的表现。它包含 17 个多阶段流、802 个任务、520 个工具、42 个技能和 62 个智能体，并区分部署评估和自进化适应评估。研究发现，harness 扩展会导致智能体在已解决任务上性能下降，即 harness 诱导的遗忘

Harbor Adapters与Harbor-Index：大规模智能体评估基础设施与精选元数据集

Harbor Adapters 和 Harbor-Index 项目为大规模智能体评估提供了统一基础设施和精选元数据集。他们开发了适配器，将超过80个基准测试移植到Harbor框架，并对8个模型在54个基准上进行了大规模评估。Harbor-Index包含82个高质量任务，旨在保持挑战性的同时降低成本。所有代码、结果和数据集均已开源。

研究呼吁界定“AI 精神病”并加强聊天机器人监管

伦敦国王学院等机构的研究团队探讨了是否应将“AI 精神病”列为独立临床诊断，该现象指重度使用聊天机器人期间出现或恶化的精神病症状。研究指出，聊天机器人的谄媚倾向和类人设计会强化用户的妄想，形成“单人的回音室”，并援引案例包括青少年自杀等严重后果。团队建议临床医生常规询问患者聊天机器人使用情况，并呼吁开发者进行发布前测试和上市后监测。

具身ICL创业潮起：可可矩阵押注上下文Scaling新赛道

量子位报道称，具身智能领域正兴起In-Context Learning（ICL）创业热潮，Skild AI和Generalist AI分别发布机器人基础模型S1和GEN-1.5，展示机器人通过观看示范视频即可学习新任务，无需微调。国内创业公司可可矩阵（COCO Matrix）致力于将ICL作为具身智能的底层范式，其创始人高宇翔认为，具身智能的Scaling方

Meta 发布实时音频模型 Muse Voice Transcribe，支持多说话人识别

Meta 的超级智能实验室发布了首个实时音频感知模型 Muse Voice Transcribe，能够实时转写语音、区分说话人并检测句子边界。该模型将音频分成 80 毫秒的块，并根据难度动态调整延迟，以平衡速度和准确性。其定价为每小时 0.18 美元，低于 OpenAI 和 ElevenLabs 等竞争对手，支持超过 70 种语言，现已通过 Meta AI

Ollama v0.34.0 发布：支持在 ChatGPT 桌面版中使用本地模型

Ollama 发布 v0.34.0 版本，允许在 ChatGPT 桌面版中直接使用 Ollama 模型，用户可在 macOS 上通过 Ollama 应用进行设置。该版本还提升了 Apple Silicon 上的结构化输出性能，增加了对 OpenAI 兼容客户端工具搜索和响应压缩的支持，并修复了压缩响应中图像显示的问题。

Artificial Analysis 更新智能指数，回应 GPT-6 Astra 评分质疑

Artificial Analysis 发布了其智能指数 4.2 版本，以回应此前对 GPT-6 Astra 评分准确性的质疑。更新后，GPT-6 Astra 的得分较前代提升 4 分，但仍落后于 Anthropic 的 Claude Fable 5.1。新指数引入了两个新基准，并增加了私有测试数据的权重，以防止模型作弊。

在 macOS 上通过编码代理使用 Blender 的简易方法

Simon Willison 在博客中分享了在 macOS 上通过 ChatGPT Codex 使用 Blender 的经验，指出只需安装 Blender 应用并输入简单提示词即可让编码代理生成图像。他通过三个提示词成功渲染了一只鹈鹕骑自行车的场景，并添加了背景和细节。文章还提及了其他相关文章，如 Astra 的鹈鹕对比网格和 OpenAI 的 rogue

GPT-6带火循环Transformer，阿里两篇顶会论文提前布局

GPT-6 Astra发布带火了循环Transformer技术，阿里团队早在11个月前就发表了MeSH和SpiralFormer两篇论文，分别解决循环内部信息管理和计算粒度问题。MeSH通过动态读写路由器管理记忆槽，减少计算冗余；SpiralFormer通过多分辨率序列处理，让每轮循环关注不同尺度的信息。两篇论文分别被ICLR 2026和EMNLP 2026

Grok Bot 五天上手体验：Mac 式简洁 vs OpenClaw 的 Linux 式灵活

作者在 Grok Bot 上体验五天后，认为其通过浏览器登录即可连接插件和工具，配置简单如 MacBook，而 OpenClaw 则像 Linux，灵活但复杂。Grok Bot 将 Bot 作为编程的原子单元，支持通过自然语言组合多个 Bot 形成群聊，并可通过角色化区分来组织工作。作者还创建了 Agentic Engineer Bot 来路由任务给不同编码

QConAI 2030 预测演讲：token 成本与 AI 未来趋势

Doubleword 联合创始人 Meryem Arik 在 QConAI 2030 上预测了 AI 行业未来趋势，涵盖 token 支出、基础设施、代理、监管和职业发展。她指出 token 成本已成为企业问题，并驳斥了 AI 实验室补贴 token 的说法，认为 token 价格将持续下降。她还预测了企业采用 AI 的速度和前沿模型改进的速度。

陶哲轩警告：AI抢答数学难题或阻碍数学发展

陶哲轩警告，AI快速解决数学难题可能阻碍数学发展，因为解题过程被黑盒化，掩盖了探索中的宝贵失败。他以纳维-斯托克斯方程为例，指出AI可能直接给出答案，但人类无法理解证明，使问题失去推动后续研究的意义。他还吐槽GPT-6在孪生素数猜想上的突破，认为问题被AI“污染”前，牛津数学家Julia Stadlmann的工作更值得关注。

Claude 11天完成费马大定理首个完整形式化证明

Anthropic宣布，其AI模型Claude在11天内完成了费马大定理的首个端到端形式化证明，生成了约1300万行Lean代码和超过3万个中间定理。该工作由姚班校友Tianyi Peng主导，使用了多Agent协作系统Prove2Me，最终证明经Lean验证与Mathlib中的陈述一致。这一成果表明AI可大幅加速数学文献的形式化进程。

另有 1 家信源报道

PydanticAI v2.40.0 发布：新增实时会话功能与多项修复

PydanticAI 发布 v2.40.0 版本，新增了后台更新价格、会话中的 barge-in 处理、事件监听器注册、RealtimeSession 的 respond 和 enqueue 方法等功能。同时修复了多个实时音频和流处理相关的 bug，包括 OpenAI Responses 流终止事件的 finish reason 映射、音频块类型检查、工具失

LangChain 发布 langchain-core 1.6.2 更新

LangChain 发布了 langchain-core 1.6.2 版本，主要更新包括支持 OpenAI 异步工具、修复 Google GenAI 和 Bedrock 标准内容中的变异问题，并升级了依赖库以增强安全性。

llama.cpp b10813 发布：新增 Adreno OpenCL SDPA 路径

llama.cpp 发布 b10813 版本，新增了针对 Adreno GPU 的 OpenCL xmem SDPA 路径，通过环境变量 GGML OPENCL XMEM SDPA 控制，并修复了数值误差优化 GQA/mask attention 的问题。该版本提供了适用于 macOS、Linux、Android、Windows 等多个平台的预编译二进制文件