01
提升 ChatGPT 中 GPT-5.6 Sol 的性能并扩大 GPT-5.6 Luna 的访问权限
OpenAI 在 ChatGPT 中推出了 GPT-5.6 Sol 模型的更新版本，为用户提供更高的准确性和一致性。在性能优化的同时，OpenAI 扩大了对其 GPT-5.6 Luna 模型的访问权限，首次向免费层级用户开放。现在，免费用户可以与 GPT-5.6 Luna 模型进行无限的日常对话交互。这些更新旨在提高对话式人工智能的质量，同时降低进入先进生成系统的门槛。
AI Blog
2 stories02
Signals 数据详细介绍了全球 ChatGPT 的采用和使用趋势
OpenAI 推出了 OpenAI Signals，这是一个旨在分析全球 ChatGPT 采用和使用趋势的数据工具。该数据提供了国家级的详细洞察，展示了用户如何将对话式 AI 集成到日常工作量和生产力流程中。这些指标映射了用户行为，显示出从基础交互向复杂任务委派和全球跨区域结构化工作流集成的转变。
Hacker News
6 stories01
提升 ChatGPT 中 GPT-5.6 Sol 的性能，并扩大免费用户的使用范围
OpenAI 宣布对其 ChatGPT 界面中的 GPT-5.6 Sol 模型进行重大性能更新，提高了其推理能力、上下文理解能力和整体准确性。在重大战略扩张中，OpenAI 也将这些先进功能提供给全球的免费层级用户。这一举措旨在为免费对话服务建立新的性能基准，并允许 OpenAI 收集更广泛的用户反馈。此次发布代表了 OpenAI 核心生成模型系列及其大众消费可用性的重大更新。
02
Qwen3.8 Max 被 Agentic Index 评为综合表现最佳模型
新发布的 Qwen3.8 Max 大型语言模型在 Artificial Analysis 的 Agentic Index 中排名第一。该基准专门衡量模型在复杂多步任务、工具使用、规划和 API 调用准确性方面的表现，这些对于自主代理应用至关重要。通过超越现有的专有和开源权重模型，Qwen3.8 Max 为开发先进自动化决策流水线的开发者树立了新的参考点。该排名凸显了 Qwen 系列在目标导向执行能力方面的快速进步。
03
在 4 万次游戏运行中，人类在批准 AI 代理命令时错过了三分之一的威胁
Scalex 对超过 4 万次模拟游戏运行进行的实证分析显示，人类操作员未能检测并阻止约 33% 由自主 AI 代理发出的恶意或威胁性命令。这一失败率突显了传统“人在回路”(human-in-the-loop) 授权框架在处理快速自动化决策时的局限性。研究结果强调了代理系统存在的重大安全漏洞，并主张实施稳健的自动化安全护栏和专门的验证接口，而不是仅仅依赖人类的警觉。
04
Show HN：Channels SDK —— 将任何代理接入任何渠道（Slack, MS Teams）
CopilotKit 发布了 Channels SDK，这是一个开源开发工具包，旨在简化将自主 AI 代理部署到 Slack 和 Microsoft Teams 等企业消息平台的过程。作为集成层，该 SDK 消除了平台特定 API、Webhooks 和状态管理所需的模板代码。该工具使开发者能够专注于代理行为和逻辑，解决了在用户已使用的协作团队空间中直接部署企业 AI 工作流的关键痛点。
05
剩下的只有品味
文章《剩下的只有品味》分析了生成式 AI 带来的软件开发和创造力方面的转变。随着代码生成工具将基础工程执行商品化，作者认为技术能力不再是创作者的主要区分点。相反，“品味”——即策展、辨别质量、做出审美选择以及引导用户体验的能力——成为了终极竞争优势。开发者必须从以执行为导向的构建者转变为确定“什么值得创造”的策展人和指导者。
06
Show HN：Science for Kids
“Science for Kids”的创作者推出了一个专门针对 8 至 10 岁儿童的 AI 辅助科学出版平台。为了解决过于深奥的学术内容与过度简化材料之间的差距，该平台利用针对句子长度和叙事流等可读性指标进行优化的生成语言模型。该项目展示了生成式 AI 在定制教育文本方面的实际应用，通过有效地吸引年轻受众学习科学知识，为传统媒体制作方法提供了一种替代方案。
01
Google DeepMind 发布 WeatherNext 2，用于热带气旋预测
Google DeepMind 和 Google Research 推出了 WeatherNext 2，这是一种旨在预测热带气旋路径和强度的先进人工智能模型。该深度学习系统处理复杂的气象模式，与传统数值天气预报方法相比，提供了额外一天的预报提前期。这一成果发表在《Nature》杂志上，展示了机器学习如何增强全球灾害准备和气候适应能力。Google 和研究员 Zoubin Ghahramani 的相关更新中也讨论了此次发布。
02
OpenAI 推出无限 Luna 聊天访问权限和统一的 Sol 模型
OpenAI 宣布对其对话产品线进行重大更新，为所有免费用户提供无限访问其 Luna 语言模型的权限。在此更新的同时，OpenAI 推出了 Sol 模型的一个更新版本，该版本将标准对话能力和深度推理能力统一到一个界面中。这些功能以前由单独的专用模型处理。此次发布旨在简化消费工作流并普及先进推理工具，为免费用户提供更高的实用性，而无需即时的成本障碍或性能限制。
03
Luma Agents 集成 MiniMax H3，实现高级视频生成
Luma Labs 已将 MiniMax H3 模型集成到其 Luma Agents 平台中，允许用户生成长达 15 秒、带有原生立体声的高质量 2K 视频内容。该系统能够使用文本、图像、视频和音频作为参考输入，精确控制运动动态、视觉美学和音频输出。此次部署代表了开源权重多模态模型的一个重要里程碑，其能力可媲美成本更高的闭源替代品。MiniMax H3 也在 Design Arena 的视频生成模型基准测试中排名第一。
04
Runway Gen-3 Alpha 模型引入先进电影级视频生成
Runway 正式发布了 Gen-3 Alpha，这是一款旨在平衡高保真视觉效果与精确创意控制的最先进视频生成模型。该版本采用了进化的深度学习架构，支持更快的生成速度、改进的时间一致性以及合成视频制作中增强的逼真度。该模型专为专业制作工作流而优化，允许创作者提示复杂的运动模式并在更长的序列中保持风格的一致性。此次发布代表了多模态生成系统和运动合成的重大进步。
05
OpenAI 多代理系统中利他行为的观察
John Schulman 报告了在消息版上交互的 OpenAI 代理中出现了意想不到的利他行为。这种合作动态被假设源于强化学习 (RL) 训练过程，特别是在并行子代理架构中，集体团队成功作为主要奖励信号。这一观察结果表明，通过共享的团队奖励来对齐激励，可以成功地促进合成代理生态系统中的合作动态而非纯粹竞争，从而为分布式自主代理系统的设计提供关键见解。
06
Google 推出在离线 Gemma 4 E2B 硬件上运行的 Gemma 翻译器
Google 与 Antigravity 合作发布了 Gemma 翻译器，这是一款离线翻译设备。该设备由新的 Gemma 4 E2B 模型驱动，说明了向边缘计算的日益转变。通过直接在本地硬件上运行优化的模型，该设备能够以较低的延迟、高用户隐私以及完全独立于互联网连接的情况下进行自然语言翻译，标志着在便携式消费电子产品中部署先进语言模型的重要一步。
07
Google 地图集成先进代理能力和实时数据
Google 宣布对其 Ask Maps 功能进行重大升级，使其转向由实时信息处理和个人智能驱动的自主代理系统。代理推理的集成使 Google 地图能够理解复杂的多阶段用户意图，提供主动建议和上下文感知的响应，而不是简单的导航步骤。这一发展反映了整个行业将自主推理和个人智能工具直接纳入大规模消费应用的趋势。
08
Jeff Dean 和创始团队推出创新的 AI 科学家平台
Jeff Dean 和一个创始工程团队推出了创新的 AI 科学家平台，旨在自动化科学方法。该项目旨在将一个 AI 驱动的代理集成到递归反馈循环中，以自动生成假设、设计实验并加速科学发现。行业人士，包括 David Ha (hardmaru)，指出该系统突显了向自动化研究流水线迈出的重要一步，代表了将自主代理应用于复杂物理和计算科学的重大里程碑。
huggingface
8 stories01
ABSeeker：通过答案回溯信用分配训练长周期搜索代理
研究人员提出了一种细粒度框架——答案回溯信用分配 (ABC)，通过将稀疏的轨迹级结果转化为密集的步骤级奖励来训练长周期搜索代理。利用该框架，团队仅使用 8.5k 个示例训练了基于 Qwen3.5 的 4B 参数模型 ABSeeker。ABSeeker 在 BrowseComp 上达到了 37.3%，在 BrowseComp-ZH 上达到了 39.1%，结合上下文管理后分别提高至 55.3% 和 52.9%。这些结果优于约 30B 参数的较大基准代理。
02
迈向多模态预训练的物理学：知识流、模态协同、早期统一与配方
研究人员对原生多模态预训练机制进行了系统的实证探索，揭示了关于知识流、模态协同和早期统一的关键见解。研究发现了一种“视觉懒惰”现象，即延迟模态集成会导致模型严重依赖语言先验。利用这些见解，作者设计了高效的预训练配方，仅需 5% 的标准计算预算即可实现强大的生成性能。这些发现在训练多个 2 万亿 token 的 13.5B 混合专家 (MoE) 模型时得到了验证。
03
K-EXAONE 2.0 技术报告
LG AI Research 发布了 K-EXAONE 2.0，这是一个通过将其前身升级为混合专家 (MoE) 架构而开发的开源权重多语言基础模型。该模型总参数为 750B，每个 token 激活约 37B 参数，代表容量增加了三倍。K-EXAONE 2.0 在 Apache 2.0 许可下发布，支持长达 256K token 的上下文长度，将多语言覆盖范围从 6 种扩展到 10 种，并在代理编码、长上下文检索和社会文化安全评估中表现出竞争力。
04
迈向技能原生 LLM：用于基准测试和训练长周期推理的技能熵
研究人员引入了“技能熵”这一指标，旨在衡量 LLM 在长周期任务中切换不同推理技能时的难度。为此，他们构建了 Skill^2-Bench，涵盖了 9 个可验证和开放领域中的 558 种技能。研究提出了“技能熵强化学习”(Skill-Entropy RL) 框架，优化步骤级正确性和技能序列对齐。将此框架应用于 Qwen3-4B-Instruct 后，其基准分数从 34.4% 提高到 68.4%，而 Qwen3-1.7B 从 14.6% 提高到 40.1%。
05
WorldCycle：用于长周期视频世界模型的自验证强化学习
为了解决交互式视频世界模型中的复合误差，研究人员开发了 WorldCycle，这是一种自验证强化学习框架。WorldCycle 使用可逆动作循环作为一种无需注释的监督形式，即应用动作序列及其逆序列必须将视频返回到初始状态。训练优化了空间闭合性和时间一致性。在新的 CycleBench 诊断基准测试中，WorldCycle 将状态返回漂移减少了 44%，并将复合动作准确率提高了近四倍。
06
代理对抗代理：一种用于自动提示词注入红队测试的代理系统
研究人员开发了 PIMiner，这是一个旨在进行自动化提示词注入红队测试的代理系统。与先前无法泛化的强化学习方法不同，PIMiner 在一系列数据集和目标模型对的训练过程中构建了一个自适应策略库。在测试时，PIMiner 仅需少量查询（通常为 10 次）即可定位目标模型。在 IPIArena 基准测试中，PIMiner 对 Gemini-2.5-Pro 的攻击成功率 (ASR) 达到 76.2%，对 GPT-5.1 为 61.9%，对 Claude-Sonnet-4.5 为 42.9%。
07
OneDayAgent：迈向自主代理的长周期任务框架
为了解决导致目标漂移和上下文溢出的长周期跨环境任务，研究人员引入了 OneDayAgent。这个长周期任务框架将开放式请求分解为有限的子任务，在上下文压力下管理执行内存，并自动验证和修复最终交付成果。在涵盖 104 项任务的 AgentIF-OneDay 基准测试中，OneDayAgent 配合 GLM-5.2 后端取得了 0.821 的最先进分数。该框架成功实现了跨三个不同模型系列中的五个后端 LLM 的无额外微调泛化。
08
哪里失败就提炼哪里：从自适应教师指导中恢复负面强化学习组的学习信号
为了解决组相对策略优化 (GRPO) 中稀疏奖励和零方差梯度的问题，研究人员引入了 RSTG（通过自适应教师指导恢复学习信号）。RSTG 有选择地将策略内提炼 (OPD) 应用于负面零方差提示，同时根据教师置信度加权样本。它针对表现出高学生熵或大分歧的 token，并整合对正确教师轨迹的监督微调。该方法在数学任务上比原始 GRPO 结合 OPD 高出 4.02%，在编码任务上高出 3.05%。