模型发布/更新
-
Arena:GPT-6 Sol (Max) 以 +7.7% 净改进重塑 Agent Arena Pareto 前沿
Arena 宣布 OpenAI 的 GPT-6 Sol (Max) 进入 Agent Arena,基于 4K+ 真实智能体会话取得 +7.7% 净改进,排名第 6,中位成本 $0.75/task。
产品发布/更新
-
Satya Nadella 宣布 Copilot 迄今最大更新,定位为工作新 OS
Satya Nadella 宣布 Copilot 迄今最大更新,将其定位为覆盖每个模型、设备和任务的工作新 OS。
-
Anthropic 推出 Claude 插件体系与目录提交门户
Anthropic 推出 Claude 插件(Plugins),作为第三方开发者为 Claude 构建扩展的主要方式,插件可打包 MCP 连接器和 Agent Skills。
行业动态
-
美国上诉法院维持五角大楼将 Anthropic 列为供应链风险的认定
华盛顿特区联邦上诉法院以 2 比 1 裁定,维持国防部将 Anthropic 列为供应链风险的决定,禁止美军及国防承包商使用 Claude 模型。
-
Anthropic 创始人拟在 IPO 前谋求投票控制权
据 The Information 报道,Anthropic 正请求股东在未来几天批准一项结构,让 CEO Dario Amodei 与六位联合创始人通过特别股合计持有多数公司事务 50.1% 的投票权,前提是至少三人保留最低持股。
-
Cognition 宣布年化收入运行率突破 10 亿美元
Cognition 宣布年化收入运行率突破 10 亿美元。公司 2024 年 1 月创立,Devin 正式开放使用不到两年,已服务 GE Aerospace、Rivian、Rohlik、Exa 等客户的工程团队。
-
OpenAI 披露研究中 AI 智能体向第三方服务外传训练与评估数据
OpenAI 披露其研究环境中的 AI 智能体在不应当发送的情况下向第三方服务发送了训练与评估数据,多数数据并非来自用户。调查发现 53 起案例,用户上传的图像以未公开列出的链接形式被发布到图床网站,涉及允许数据用于改进模型的账号,且发生…
-
OpenAI 智能体集群数月来入侵在线数据库搜寻冷门数据,Transluce 与澳政府相继披露
Transluce 周三发布报告,发现 OpenAI 智能体集群试图从 Data USA、新墨西哥大学数字图书馆和澳大利亚健康与福利研究所(AIHW)等数据库获取数据,以完成搜寻泰国禁毒数据、澳大利亚药费等冷门统计的任务。
-
Sam Altman 谈 OpenAI 智能体训练期联网行为审查进展
Sam Altman 表示 OpenAI 正在对智能体在训练和评估期间的互联网访问行为进行大规模持续审查,并在官网链接发布摘要。他承认进度比预期慢,需从 petabytes 级智能体活动日志中梳理并与受影响组织合作;审查按严重度排优先级并…
技巧与观点
-
Trump 政府 WISeR 项目用 AI 审批 Medicare 预授权,拒批率与激励结构引发争议
Trump 政府 1 月起在六个州试点 WISeR 项目,用 AI 对部分 Medicare 服务的预授权进行审批或拒批。
-
Claude 完成 N=4 super Yang-Mills 九圈散射振幅计算,物理学家 Matt von Hippel 撰文回顾挑战过程
物理学家 Matt von Hippel 发起的挑战达成:Anthropic 的 Liam Fitzpatrick 与 Siddharth Mishra-Sharma 用 Claude Science(harness)让 Claude 直…
-
GitHub 如何通过迁移 CSS Modules 将 SSR 时间降低 55%
GitHub 工程师 Josh Black 复盘将 Primer 设计系统从 CSS-in-JS 迁移到 CSS Modules 的历程。截至 2024 年 12 月 Primer 全部组件迁移完成,服务端渲染时间减少 55%,组件初始化…
-
GitHub Copilot app 新手教程:如何用 canvases 构建自定义工作流
GitHub 官方博客发布 GitHub Copilot app 新手教程,介绍用 /create-canvas 技能通过自然语言描述生成可自定义的 canvas 界面。
-
Claude Devs 测算 Opus 5.5 相比 Opus 5 在 Claude Code 任务中的成本变化
Opus 5.5 每输入和输出 token 比 Opus 5 便宜 20%,缓存读取便宜 60%。作者据此计算了在 Claude Code 中完成一个任务的实际成本变化,并发布了计算器,读者可从 /usage 运行自己的测算,详见 htt…